基于信息间隙决策理论的电网负荷恢复鲁棒优化-宋坤隆.pdf
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《基于信息间隙决策理论的电网负荷恢复鲁棒优化-宋坤隆.pdf》由会员分享,可在线阅读,更多相关《基于信息间隙决策理论的电网负荷恢复鲁棒优化-宋坤隆.pdf(9页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、h t t p : / / w w w .a e p s - i n f o .c o m基于信息间隙决策理论的电网负荷恢复鲁棒优化宋坤隆1 ,谢云云1 ,陈晞1 ,张刘冬2 ,汪成根2 ,殷明慧1( 1 .南京理工大学自动化学院,江苏省南京市2 1 0 0 9 4 ; 2 .国网江苏省电力公司电力科学研究院,江苏省南京市2 1 1 1 0 3 )摘要:停电电网的恢复过程中,负荷恢复的不确定性可能影响电网恢复过程的安全,需要在负荷恢复中考虑负荷的不确定性。考虑到准确的负荷不确定性分布模型难以获取,文中提出了基于信息间隙决策理论( I G D T )的电网负荷恢复鲁棒优化方法,使负荷恢复方案在负
2、荷波动范围内均能满足要求,而无需已知负荷的不确定性分布。首先,基于I G D T ,将确定性负荷恢复优化模型转变为在负荷波动范围内均能达到最低恢复要求的鲁棒优化模型,同时综合考虑负荷恢复过程中的负荷最大恢复量、单次最大投入量、电网潮流等约束条件,再利用人工蜂群算法对优化模型进行求解,最后以新英格兰系统和江苏系统为例验证了所提方法的有效性。关键词:负荷恢复;不确定性;信息间隙决策理论;鲁棒优化收稿日期: 2 0 1 6 - 1 2 - 1 2 ;修回日期: 2 0 1 7 - 0 3 - 2 8 。上网日期: 2 0 1 7 - 0 6 - 0 6 。国家自然科学基金资助项目( 5 1 5 0
3、7 0 8 0 ) ;江苏省博士后基金资助项目( 1 4 0 2 0 4 2 C ) 。0引言电力系统的停电恢复过程包括黑启动阶段、网架重构阶段和负荷恢复阶段 1 - 3 。黑启动阶段是通过黑启动机组启动另外一台非黑启动机组;网架重构阶段是在黑启动阶段的基础上进一步启动其他非黑启动电源,恢复系统主网架;负荷恢复阶段是在网架恢复完成后恢复所有负荷。在电力系统停电恢复的不同阶段均需要恢复负荷。随着非黑启动电源的恢复,负荷恢复一方面是电网恢复的目的,需要恢复更多、更重要的负荷;另一方面负荷恢复能够匹配已恢复电源出力,保持电网稳定。因此,负荷恢复的优化有助于保证电网恢复的稳定和加快电网的恢复。国内外学
4、者针对负荷恢复优化已经开展了大量的研究工作。现有研究中负荷恢复优化目标是恢复尽可能多的重要负荷,故目标函数一般为预期恢复负荷量的加权和最大 4 - 9 。此外,还有文献将恢复操作次数和操作时间 1 0 - 1 1 、负荷恢复带来的冲击能量通过能量函数和系统频率变化水平 1 2 - 1 3 、网架各节点电压偏移程度、机组进相运行程度和潮流熵 1 4 加入目标函数。负荷的恢复同时要满足电网安全约束,包括潮流约束和负荷投入时产生的频率安全约束 1 - 9 , 1 3 、暂态电压约束 1 0 、负荷投入后频率变化率 2 。负荷恢复优化模型是一个复杂的非线性模型,智能算法是最为常用的求解方法。此外,还有
5、贪心算法 5 、基于直流潮流的混合整数线性规划模型和基于增广交流潮流的连续非线性规划 9 、分支割平面法 4 , 6 等。上述研究中,均假设负荷恢复量为确定值,即预计恢复的负荷量和实际恢复的负荷量相等。但是在实际电网恢复中,负荷的不确定性不可避免,未考虑负荷不确定性的负荷恢复方案在实施时可能影响恢复过程的安全性。为此,需要考虑负荷恢复的不确定性对恢复方案的影响及对电网安全的影响。文献 1 5 提出基于广域测量系统实时监测负荷恢复过程中电网参数并进行动态调整的负荷恢复策略。该方法通过减小观察步长来减少负荷不确定性的影响,但仍未从根本上解决负荷不确定性的问题。文献 1 6 提出考虑负荷波动性和互补
6、性的动态负荷组合恢复方案制定方法。文献 1 7 采用模糊模型描述负荷恢复的不确定性。负荷的波动性和模糊模型能够描述负荷的不确定性,但在负荷恢复过程中,准确的分布特征难以获取。对准确的概率分布难以确定的情况,信息间隙决策理论( i n f o r m a t i o n g a p d e c i s i o n t h e o r y ,I G D T ) 1 8 是一种较为有效的处理方法,其在保证求解结果不逊于预设目标的情况下,最大化不确定变量的波动范围,根据决策者的预期成本,给出具有鲁棒性的求解结果。该方法已经被广泛应用于电力市场中购电策略 1 9 、机组启停策略 2 0 的优化,以及配电
7、网恢复决策方案的优化 2 1 、含风电电网的调度 2 2 等研究。311第41卷第15期2017年8月10日V o l .4 1 N o .1 5 A u g .1 0 , 2 0 1 7D O I : 1 0 .7 5 0 0 / A E P S 2 0 1 6 1 2 1 2 0 1 2万方数据基于此,为了保证负荷恢复量不确定性情况下电网的安全稳定恢复,本文考虑电网恢复过程中的系统安全约束,建立基于I G D T的负荷恢复鲁棒模型,求解模型得到负荷恢复方案,并以新格兰系统和江苏系统验证了本文方法的有效性。1电网恢复过程中的负荷恢复优化模型电网恢复过程中负荷恢复的目标是尽可能多地恢复重要负荷
8、,且满足负荷投入过程中的电压、频率和潮流约束。本节建立了考虑暂态频率、暂态电压、已恢复电源新增出力等约束的负荷恢复优化模型。1.1目标函数在电网恢复过程中,随着非黑启动机组的不断恢复,电网中有功出力不断增加,一方面需要投入负荷不断平衡发电机出力,保证恢复过程的安全,另一方面需要恢复尽可能多的重要负荷,加快电网的恢复。但由于负荷的投入会带来电压和频率的波动,负荷的恢复均采用分时步优化的思路 5 。因此,每一时步负荷恢复的优化目标为:m a x f = ni = 1m ij = 1 i j x i j P L i j ( 1 )式中: f为加权负荷恢复量; n为网架重构每一时步的待恢复负荷节点数量
9、; m i为节点i上的负荷出线数; i j为负荷出线的重要程度,一般采用一类负荷的比重表示; x i j是一个0 - 1变量,表示负荷点是否投入; P L i j为待恢复负荷出线在该时步内预测的负荷恢复量。1.2约束条件每一时步负荷投入的负荷量不仅要能够与发电机的出力匹配,还需要满足已恢复系统的暂态电压和暂态频率的要求。为此,负荷恢复考虑的约束条件主要如下。1 )最大可恢复负荷量约束ni = 1m ij = 1x i j P L i j P P = N Gi = 1( P G i (t + t ) - P G i (t ) ) ( 2 )式中: P 为每个时步已恢复电源的新增出力; N G为当
10、前已恢复电源; P G i (t )为时刻t已恢复电源出力。第1个不等式表示该时步最大可恢复负荷量必须小于已并网机组该时步内已恢复电源的新增出力。2 )单次投入负荷最大有功约束P L m a x f m a x N Gi = 1P N if d i( 3 )式中: P L m a x为负荷最大有功投入量; P N i为机组i的额定有功出力; f m a x为暂态频率最大允许下降值,单次最大投入负荷量是为了确保负荷的投入不至于导致暂态频率下降 f m a x ,本文 f m a x取0 .5 H z ; f d i为机组i的暂态频率响应值,取值参考文献 2 3 。3 )各节点单次投入负荷最大无功
11、约束Q L i m a x U i m a xUi NS i s c ( 4 )式中: Q L i m a x为节点i负荷最大投入无功量; U i N为节点i额定电压; U i m a x为节点i暂态电压最大允许变化量,单次最大投入负荷无功量是为了确保负荷的投入不至于导致暂态电压下降 U i m a x ,本文 U i m a x取1 0 % ; S i s c为节点i的短路容量。4 )稳态潮流约束P d i = V i Nj = 1V j ( G i j c o s i j + B i j s i n i j )Q d i = V i Nj = 1V j ( G i j s i n i j
12、- B i j c o s i j ) ( 5 )式中: P d i和Q d i分别为节点i的有功、无功注入功率; V i为节点i的电压; G i j和B i j分别为节点i与j之间的电导、电纳; i j为V i与V j的相角差; N为节点数。5 )机组出力、电压约束P G i m i n P G i P G i m a xQ G i m i n Q G i Q G i m a xV i m i n V i V i m a x ( 6 )式中: P G i和Q G i分别为机组的有功和无功出力;P G i m a x , P G i m i n和Q G i m a x , Q G i m i
13、n分别为机组有功和无功的最大和最小出力; V i m a x和V i m i n分别为节点电压的最大和最小值,本文规定节点电压标幺值必须在0 .9 1 .1之间。1.3优化模型中负荷恢复的不确定性通过式( 1 )至式( 6 )的优化模型,可以计算得到满足电网安全约束的预想负荷恢复方案。将预想负荷恢复方案应用于实际负荷恢复时,由于实际负荷的恢复量与各节点预测恢复量必然存在误差,如果实际恢复量与预测恢复量出现较大差异时,按照预想方案实施可能会影响电网的安全。在2 0 0 3年“ 8 1 4 ”美加大停电恢复过程中,由于实际负荷恢复量高于预期恢复量,导致纽约的独立系统调度机构( I S O )启动了
14、紧急需求响应方案,切除了3 0 0 M W的负荷,延缓了整个恢复进程 2 4 。如果紧急需求侧响应不能正确动作的话,极有可能会使已恢复系统再次崩溃。由此,需要在负荷恢复优化中考虑负荷恢复的不确定性。4112 0 1 7 , 4 1 ( 1 5 )研制与开发万方数据h t t p : / / w w w .a e p s - i n f o .c o m2考虑负荷恢复不确定性的鲁棒优化模型负荷的实际恢复量与预测恢复量之间会存在一定的误差,需要在负荷优化中考虑恢复量的不确定性。但由于负荷恢复的实测数据较少,负荷恢复预测值与实际值之间的误差难以准确评估。而I G D T无需精确的误差分布模型,较为适
15、合负荷恢复的优化。本节建立基于I G D T的负荷恢复鲁棒优化模型。2.1IGDT鲁棒模型概述由于负荷恢复的实测数据非常缺乏,负荷恢复的预测值与实际值之间的误差分布难以获得,不确定性处理中常用的概率方法 2 5 - 2 7 、模糊规划方法 1 7 等难以适用。 I G D T针对难以具体描述的不确定场景,可以在不需要参数具体分布的情况下,得到考虑风险和机会的决策解。该方法较适合不确定负荷恢复的优化。考虑到决策者对风险的偏好程度, I G D T可以建立鲁棒模型或者机会模型获得不同期望目标下的决策,鲁棒模型一般用于风险回避决策者,机会模型一般用于风险喜好决策者。本文采用鲁棒模型解决负荷恢复的不确
16、定问题。在确定预期目标的前提下,以最大化不确定变量的波动幅度为目标,求解鲁棒模型得到的决策解可以保证在波动幅度内始终满足预期目标。对一个优化模型:m a xdB ( X , d )s .t . H ( X , d ) = 0G ( X , d ) 0 ( 7 )式中: X为输入参数; d为决策变量; B ( X , d )表示优化目标, H ( X , d ) = 0和G ( X , d ) 0分别表示等式约束和不等式约束。考虑输入参数X的不确定性,假设X的预测值为X , X围绕预测值上下波动,则不确定参数可以用信息差距模型来表示:X U ( , X )U ( , X ) = X : ( X
17、- X ) / X ( 8 )式中:为不确定参数的波动幅度; U ( , X )为X取值的集合。假设输入参数为确定值时,优化模型求得的最优解为B 0 。在存在不确定性时,实际输入参数对应解难以达到最优解。为了保证优化效果,决策者根据要求设定一个最低预期目标B c :B c = ( 1 - ) B 0 ( 9 )式中:为偏差因子,即预期目标和确定性模型最优解之间的偏差程度,取值范围为 0 , 1 ) 。 越大,表示决策解对风险的回避程度越大。此时,原优化模型(式( 7 ) )的优化目标转变为在求解结果不低于最低预设目标时,输入参数最大的波动幅度的确定。新的优化模型为:m a x s .t . m
18、 i n B ( X , d ) B cB c = ( 1 - ) B 0H ( X , d ) = 0G ( X , d ) 0X U ( , X ) ( 1 0 )通过式( 1 0 )中的优化模型,可以求得在满足最小决策解不小于预期目标B c的前提下,最大化不确定参数的波动幅度 。也就是说,当不确定性参数在范围内波动时,求得的决策解一定不小于预期目标B c ,从而获得的决策策略能够抵抗参数波动的鲁棒区域。2.2基于IGDT方法的负荷恢复模型在实际电网恢复过程中,负荷的实际恢复量和预想恢复量之间存在差异。如果不考虑二者差异的影响,直接按照预想恢复量进行恢复,在电网恢复过程中将可能出现违反电网
19、安全约束的问题。因此,需要建立考虑不确定性的负荷恢复模型。本节利用I G D T方法,建立考虑负荷恢复量不确定性的负荷恢复鲁棒模型。实际的负荷恢复量围绕预测恢复量上下波动,因此实际的负荷恢复量可以用信息差距模型表示:P E i j U ( , P L i j )U ( , P L i j ) = P E i j : | ( P E i j - P L i j ) / P L i j | ( 1 1 )式中: P E i j为负荷节点i第j条出线的实际负荷恢复量。实际恢复的负荷量在( 1 - , 1 + )范围内围绕预测值上下波动。若原确定性模型下得到预想方案的总恢复量为B 0 ,决策者根据经验
20、给定负荷恢复的可接受最小恢复量B c ,则将原优化模型中的目标函数转变为新优化模型的约束条件:m i n ni = 1m ij = 1 i j x i j P E i j B cB c = ( 1 - ) B 0 ( 1 2 )当每根出线实际负荷恢复量最小时,总的加权负荷恢复量最小,式( 1 2 )中第1个式子可以修改为:ni = 1m ij = 1 i j x i j ( 1 - ) P L i j B c ( 1 3 )为了保证在波动幅度内,最大可恢复负荷量511宋坤隆,等基于信息间隙决策理论的电网负荷恢复鲁棒优化万方数据约束始终能够被满足,需要保证每根出线实际负荷恢复量最大时能满足约束。
21、将式( 2 )修改成:ni = 1m ij = 1x i j ( 1 + ) P L i j P P = N Gi = 1( P G i (t + t ) - P G i (t ) ) ( 1 4 )同理,式( 3 )可以修改成每根出线实际负荷恢复最大有功满足系统单次投入最大有功约束:( 1 + ) P L i j f m a x N Gi = 1P N if d i( 1 5 )式( 4 )可以修改成每根出线实际负荷恢复最大无功满足系统单次投入无功约束:( 1 + ) Q L i j U i m a xUi NS i s c ( 1 6 )式中: Q L i j为负荷节点i第j条出线的预测无
22、功恢复量。系统恢复过程中负荷波动上限时,机组新增出力应足够大,使得潮流计算能够收敛;负荷波动下限时需要满足潮流约束,同时各节点电压不因无功过剩而发生电压越限。考虑负荷波动上、下限的潮流约束如下:P G i - ( 1 - ) P L i =V i Nj = 1V j ( G i j c o s i j + B i j s i n i j )Q G i - ( 1 - ) Q L i =V i Nj = 1V j ( G i j s i n i j - B i j c o s i j ) ( 1 7 )P G i - ( 1 + ) P L i =V i Nj = 1V j ( G i j c
23、o s i j + B i j s i n i j )Q G i - ( 1 + ) Q L i =V i Nj = 1V j ( G i j s i n i j - B i j c o s i j ) ( 1 8 )综上,负荷恢复不确定优化模型为:m a x s .t . 0 1式( 6 ) ,式( 1 2 )至式( 1 8 ) ( 1 9 )求解该模型得到的负荷恢复方案,对于负荷实际恢复值的不确定性具有鲁棒性,即当实际负荷恢复值在( 1 - , 1 + )范围内波动时,决策解都能保证加权负荷恢复量不差于( 1 - ) B 0 。3模型求解本文建立的基于I G D T的不确定性负荷恢复鲁棒模
24、型是一个非线性优化模型,难以快速求解,智能算法是最为常用的求解方法。本节采用人工蜂群( a r t i f i c i a l b e e c o l o n y , A B C )算法对优化模型进行求解。3.1人工蜂群算法人工蜂群算法是一种通过模拟蜜蜂觅食行为来描述寻优过程的新的群体智能优化算法,包含4个组成要素:蜜源、引领蜂、跟随蜂和侦查蜂。在寻优过程中,蜜源个数和引领蜂对应,引领蜂首先选择蜜源并进行邻域搜索,根据贪婪机制确定一个最优的蜜源并将蜜源的信息分享给跟随蜂,跟随蜂根据蜜源信息进行邻域搜索,选择最优的蜜源采蜜,如果引领蜂多次搜索找到的蜜源质量未有改善,则引领蜂将放弃现有蜜源转变成侦
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 信息 间隙 决策 理论 电网 负荷 恢复 优化 宋坤隆
![提示](https://www.taowenge.com/images/bang_tan.gif)
限制150内