计及可靠性含VU的配电网动态重构

1、计及可靠性含m-v-u的配电网动态重构梁文举，田昊，姚凡(国网重庆市电力公司经济技术研究院，重庆 400000)摘要：大量新能源及新型负荷的接入，传统基于时间断面的配电网静态重构将难以适用于新型配电网络。提出了含电动汽车充电设施微电网（m-v-u）的新型配电网可靠性最优化方法。首先，建立了含电动汽车充电设施的微电网结构模型，并对其运营策略进行分析。选取了系统平均停电频率指标、系统供电不足率指标和系统有功网损指标，并建立各指标的满意度评价函数，使各指标量纲统一。在此基础上，建立了含m-v-u的配电网可靠性最优化模型，并在四种典型场景下对模型进行优化，仿真结果验证了本章所提方法及模型的有效性及正确

2、性。关键词：配电网动态重构；自适应遗传算法，可再生能源，时段划分中图分类号：tm933 文献标识码：b 文章编号：1001-1390（2017）00-0000-00distribution network dynamic reconfiguration with m-v-u considering reliabilityliang wenju, tian hao, yao fan(economic and technology research institute, state grid chong qing electric power company, chongqing 400000,

3、china)abstract: with the large number of the new energy and new load access to distribution network, the static reconfiguration of traditional distribution network based on time section will not apply to new type of distribution network. this paper puts forward a reliability optimization method whic

4、h can suit for new type of distribution network including micro grid-electric vehicle unit (m-v-u). firstly, the micro-grid structure model which containing electric vehicle charging infrastructure is set up and analyzes its operating strategy. the system average interruption frequency index, system

5、 power supply shortage rate index, and active network loss index are selected as optimization indicators, and builds the satisfaction evaluation function unified each index dimensional. on this basis, the distribution network reliability optimization model is set up containing m-v-u, and solves the

6、model in four kinds of typical scenarios, and the simulation results verify the effectiveness and correctness of the proposed method.keywords: distribution network dynamic reconfiguration, adaptive genetic algorithm, renewable energy, time division0 引言全球经济技术的快速发展以及人们对新能源的迫切需求，使得新能源发电与电动汽车关键技术得到了巨大的突

7、破。发展新能源与电动汽车产业已经成为世界各主要国家的基本国策与战略方向1。随着我国对电动汽车产业的支持，电动汽车的保有量正稳步增加，其大功率、无序性的充电特性对电网，尤其是配网的影响日益突出，已经成为制约电动汽车发展的关键性障碍2-3。在主动配电网4中，微电网能够将发电系统（可再生能源发电系统与不可再生能源发电系统）、储能装置、负荷以及控制系统有机的结合在一起，具有高效率、造价便宜、低碳化等优点，通过在配电网中布置一定数量的微电网，能够极大增强主动配电网的灵活性、主动性。因此，微电网技术将成为未来主动配电网的一个重要发展方向5。通过对微电网与电动汽车充放电特性进行有机结合，将能有效缓解电动汽车

8、无序充放电对配网的影响，同时也能提高可再生能源的利用效率6。在微电网中，通过对电动汽车蓄电池采用集中充电管理模式，具有以下好处：第一、能够解决无序充放电行为对电网的影响，同时也能实现“削峰填谷”的功能，有效改善电网运行特性7-8；第二、电动汽车充放电行为与微电网的密切配合，也能够有效缓解可再生能源发电间歇性的问题，并降低储能成本9-10；第三、解决电动汽车换电难的问题，能够提高电动汽车的保有量与普及率，降低人们传统石化能源汽车的依赖性，从而实现严格意义上的排放低碳化11。提高配电网供电可靠性主要有两类方法：第一类方法为增加配电系统的冗余度，该方法需要增加对电网的投资；第二类方法为改变网络拓扑结

9、构，即所谓的配电网络重构12-13。目前，配电网络重构的研究比较成熟，但多数研究是基于时间断面的静态重构，而关于配电网动态重构的研究相对较少。文献14以开关操作次数作为约束条件，利用多代理系统技术实现配电网动态重构；文献15提出了功率矩不平衡度，计算出整个网络功率矩不平衡度变化，最后以重构次数作为约束条件对重构时段的划分；文献16 提出了一种兼顾经济性和电能质量的网络动态重构方法，但是其研究对象仍是传统配电网络。微网、可再生能源、电动汽车在配网中的大量接入，使得传统的静态重构将很难满足新形势下的配电网，提出一种基于负荷变化、适用于新型配电网的重构方法将是当务之急。本文的研究以配电网系统的可靠性

10、最优作为目标。提出系统可靠性的指标，建立含m-v-u的配电网可靠性模型；利用时段划分法将配电网划分为若干重构时段，并在每个时段进行配电网可靠性最优化研究。1 含电动汽车与新能源的微电网结构含电动汽车与可再生能源发电系统的微电网结构（m-v-u）如图1所示。m-v-u内部包括可再生能源发电系统、电动汽车充电设施以及部分常规负荷，并通过升压变压器与主网连接。电动汽车通过充电和换电模式与m-v-u进行能源的交换，对于采用充电模式的电动汽车，其充电设施则部署在居民区、写字楼等处；而对于采取换电模式的电动汽车则通过换电站进行充电，即按照“集中充电、统一配送”的运营管理模式。图1 含电动汽车充电设施的微电

11、网结构fig.1 micro-grid structure containing electric vehicle charging infrastructure2可靠性指标的选择与归一化处理2.1可靠性指标的选取2.1.1 系统平均停电频率指标系统平均停电频率指标（saifi）数学描述如下所示： （1）式中l 表示系统内负荷点故障率；n表示系统节点数量；n表示接入系统负荷点的用户数量。2.1.2 系统供电量不足指标系统供电量不足指标（ens）数学描述如下所示： （2）式中pi表示节点i的有功负荷；n表示节点数量；wi表示系统内负荷点i的年平均停电时间。2.1.3 系统有功网损指标系统有功网损

12、（ploss）数学描述如下所示： （3）式中n表示配电网中支路数；ki表示开关i的状态，0表示断开，1表示闭合；ri表示支路i的电阻；pi、qi表示流过支路i的有功功率和无功功率；vi表示支路i末端节点的电压。2.2 可靠性指标的归一化处理以上所选择的指标中，他们的量纲不同，所得方案的优劣不能直接比较他们之间的数值。此外，为了便于电网调度运行人员能够更加直观、快速的选择最优方案，很有必要对以上指标进行归一化处理，并结合每个指标的物理特性构建满意度函数。 2.2.1系统平均停电频率指标归一化系统平均停电频率指标反映系统在一定时间内停电频率，在考虑可靠性的网络重构过程中，通常希望该指标能够保持在一

13、个较低水平。当系统的停电次数为0时，则认为满意度最高；当系统的停电次数达到2次及以上，则认为满意度最低，定义该指标的满意度函数如表1所示。表1 saifi满意度函数tab.1 satisfaction function of saifisaifi0次1次2次及以上满意度fs10.50注：若saifi间于整数之间，则利用插值法求取相应满意度。2.2.2 系统供电量不足指标归一化系统供电量不足指标描述系统总的供电不足，若系统供电量不足，则需要切除部分负荷以满足供需平衡。因此，该指标是描述配电系统经济损失的重要指标，按照文献17中的方法，定义该指标的满意度函数为： （4）式中emax和emin分别表

14、示系统供电量不足的最大值和最小值。2.2.3系统有功网损指标归一化馈电线路线损率是描述系统运行经济性的重要指标。在配电系统实际运行过程中，电网公司通常希望线损率能够维持在一个较低的水平，有利于降低运行成本。构造系统有功网损（馈电线路线损率）满意度函数为： （5）式中pmax和pmin分别表示系统有功损耗的最大值和最小值。3 含m-v-u的配电网可靠性最优化模型3.1目标函数综合考虑配电系统平均断电频率指标、系统供电量不足指标以及经济性指标，以各指标的满意度最大作为目标函数，线路上开关的开/闭状态作为控制变量，建立含m-v-u的配电网可靠性最优化目标函数，如下所示： （6）3.2约束条件含m-v

15、-u的配电网可靠性最优化约束条件如下所示：(1)等式约束： （7） （8）式中pgi和pli分别表示节点的电源和负荷的有功功率；ui表示节点i的电压幅值；gij和bij构成配电网系统的节点导纳矩阵；ij表示节点i与j之间的电压相角差。(2)不等式约束： （9） （10） （11）式中ui表示节点i的实际运行电压；ui,min和ui,max分别表示节点i允许的电压最小值和最大值；sl表示线路l的传输功率；sl,max表示线路l允许传输的最大功率。和分别表示微电网内部第台风机输出功率的最小值和最大值，表示微电网内部第台风机的实际输出功率。(1)开关操作次数约束： （12）式中，mkmax表示单个开

16、关最大动作次数；mmax表示配电系统中所有开关的最大动作次数之和。(2)网络拓扑约束：配电网络在重构的过程中必须保持辐射状结构，同时在系统中不存在环路和“孤岛”。4基于改进遗传算法的配电网分段重构4.1 染色体编码在配电网络重构优化中，利用遗传算法进行优化容易产生大量的不可行解，将大大降低算法的寻优速度。对于ieee14节点系统，共有16条支路，若以0表示开关断开，1表示开关闭合，则会产生216=32768个个体，而对于该系统实际的有效解个体仅有190个，有效解只占问题空间的0.5798%，利用该法编码其效率极低。本节将介绍一种新的染色体编码方案，以降低无效解向量的数量。首先引入度的概念，对于

17、网络中任意节点，若与其相连的边数为x，则说明该节点的度为x，对于图2(a)中的1号节点，其度为3，同理，对于2号节点，其度也等于3。下面将对系统进行简化处理，去掉(a)中度为1和2的所有节点，保留度为3的节点，则系统可以简化为(b)。对于(a)，其解向量空间为212=4096个个体，而在(b)中，其有效解个体仅为384个，通过该种编码方式，可以在很大程度上降低算法寻优的解空间。(a) 系统图(b) 简化图图2 某一配电网系统及其简化图fig.2 distribution network and its simplified diagram对于图2(b)所表示的网络，将产生23=8条染色体，结合

18、配电网闭环设计，开环运行的原理，对以上8条染色体进行孤岛和环网的检测，若无孤岛和环网，则在a、b、c三条线路中分别选择某一开关进行开/闭操作。3.2 基于自适应调整的交叉、变异基本ga中固定的交叉率和变异率使得寻优效率不高，影响算法的性能，交叉率pc和变异率pm的调整应当综合体现进化程度的信息。本文在对染色体进行交叉、变异操作时，分别设定pc和pm分别为：(13)(14)式中：，分别表示第k+1次迭代中的交叉率和变异率；，分别为初始和终止的交叉率和变异率；tmax为最大迭代次数；为第k+1和第k代种群适应度的平均值之差。5 算例分析5.1 算例数据本文以ieee-33节点系统作为测试系统进行仿

19、真。网络结构参考文献18，在3、6号节点接入m-v-u，m-v-u内包含两台风力发电机和5台电动汽车充电设施，其中，风力发电机的额定输出功率为100kw，功率因数为0.85，电动汽车充电设施的额定功率为30kw，系统如图3所示。图3 含m-v-u的ieee-33节点测试系统fig.3 node test system of ieee-33 containing m-v-uieee-33节点系统各元件的可靠性参数如表2所示，包含馈电线路、变压器、分段开关以及隔离开关的故障率和修复时间。表2 各元件的可靠性参数tab.2 reliability parameters of each compone

20、nt元件类型故障率（次/年）修复时间（小时/次）馈电线路0.0655变压器（11/0.415kv）0.015100分段开关0.00588联络开关0.00585.2 仿真结果分析各节点负荷及风机输出功率是随机的，为使本文所提方法更具实际价值，对ieee-33节点系统在一天24h内的可靠性进行优化分析，按照文献16所提方法进行重构时段划分，如表3所示：表3 重构时段划分结果tab.3 reconfiguration time division results重构时段i重构时段ii重构时段iii0:00-08:0008:00-21:0021:00-24:00分别在以下四种场景中进行计算分析： 场景一

21、：不含m-v-u配电网可靠性分析；场景二：含m-v-u配电网可靠性分析；场景三：不含m-v-u配电网可靠性最优化分析；场景四：含m-v-u配电网可靠性最优化分析。表4 不同场景下系统可靠性指标tab.4 system reliability index in different scenarios场景一场景二场景三场景四重构时段i33/34/35/36/3733/34/35/36/377/14/24/28/337/14/24/28/33重构时段ii7/9/14/28/327/13/24/28/33重构时段iii7/9/14/24/287/13/24/28/33saifi0.90970.9097

22、0.92160.9436ens0.42720.45310.50760.5674ploss0.47090.48530.60770.6345f1.80781.84812.03702.1455(1)与场景一相比，场景二中的saifi指标满意度保持不变，ens和ploss指标满意度均有明显提高，其综合满意度为1.8481，说明接入m-v-u之后，配电网的供电不足率指标和经济性指标均得到了一定程度的改善。(2)与场景一相比，在场景三中，随着网络拓扑结构的变化，saifi、ens和ploss指标满意度均得到了改善，综合满意度则由1.8078提高至2.0370，说明通过网络重构之后，系统故障率、供电不足率、

23、网络损耗指标都有明显改善。(3)与场景三相比，在场景四中，配电系统接入m-v-u并进行重构，saifi、ens和ploss指标满意度得到了进一步改善，综合满意度由2.0370提高至2.1455，改善了5.33%。说明相比于不含m-v-u的配电系统，含m-v-u的配电系统的故障率、供电不足率、网络损耗指标更低。综上所述，对于不含m-v-u的配电网络，其可靠性综合满意度最小，仅为1.8078；当接入m-v-u后，配电系统可靠性综合满意度略微提高，为1.8481，提高了2.23%；对不含m-v-u的配电网络进行可靠性最优化，其可靠性综合满意度为2.0370，相比于场景一，提高了12.68%；对含m-

24、v-u的配电网络进行可靠性最优化，其可靠性综合满意度为2.1455，相比于场景一，提高了18.68%。由此可见，通过在配电网络中布置一定容量的m-v-u和改变网络拓扑结构，将能够改善系统可靠性。图4表示了ieee-33节点系统在不同时刻的综合满意度。图4 ieee-33节点综合满意度时序仿真结果fig.4 time-sequence simulation results of comprehensive satisfaction of ieee-33由图可知，在时段0:00-8:00和21:00-24:00内，配电系统的综合满意度较高，因为在该时段内，电网负荷处于低谷时段，系统供电不足量指标和

25、有功网损指标均比较低，故在该时段内综合满意度最高。在时段8:00-21:00内，配电系统的综合满意度处在一个低谷期，此时由于电网负荷较重，系统供电不足量缺额较大且有功网损也处于高位水平，故在该时段内综合满意度很低，因此，电网公司应该加强该时段对电网的管理，使m-v-u尽量向配网提供电能。6 结束语本文对含m-v-u的配电网可靠性优化进行了研究，主要工作如下：（1）建立了含电动汽车、可再生能源发电系统的m-v-u结构；（2）选择了系统平均断电频率指标、系统供电不足量指标以及有功网损指标，利用满意度评价函数将其转换为同一量纲，构建了含m-v-u的配电网可靠性最优化模型；（3）设定了四种不同的场景，

26、并对每种场景下配电系统进行可靠性分析，仿真结果验证了本章模型的准确性。参 考 文 献1 sexauer j m，mcbee k d，bloch k a. application of probability model to analyze the effects of electric vehicle chargers on distribution transformers j. ieee transactions on power systems, 2013，28（2）：847-854.2 han p，wang j k，han y h，et al. assessment of smart

27、 grid pev charging management mechanism in grid safety and environmental impact j. advances in information sciences and service sciences，2012，4（13）：144-152.3 陈卫，杨波，张兆云，等. 计及电动汽车充电站接入的配电网承载能力评估与优化j. 电工技术学报，2014,29（8）：27-35,45.chen wei，yang bo，zhang zhaoyun，et al. distribution networks supportability

28、evaluation and optimization considering electric vehicles charging stations j. transactions of china electrotechnical society，2014，29（8）：27-35，45.4 vinicius f martins，carmen l.t. borges. active distribution network integrated planning incorporating distributed generation and load response uncertaint

29、iesj. ieee transactions on power systems，2011，26（4）：2164-2172.5 han p，wang j k，han y h，et al. plug-in electric vehicles charging scheduling mechanism in integrating distributed wind generators in the smart grid j. icic express letters，part b:applications，2014，5（3）：713-718.6 茆美琴，孙树娟，苏建徽. 包含电动汽车的风/光/储

30、微电网经济性分析j. 电力系统自动化，2011，35（14）：30-35.mao meiqin，sun shujuan，su jianhui. economic analysis of a microgrid with wind/photovoltaic/storages and electric vehicle j. automation of electric power systems，2011，35（14）：30-35.7 vilayanur v v，michael k m. second use of transportation batteries: maximizing the

31、value of batteries for transportation and grid servicesj. ieee transactions on vehicular technology，2011，60（7）：2963-2970.8 anderson h，alexander b，annabelle p，et al. electric vehicle charge optimization including effects of litium-ion battery degradationc. vehicle power and propulsion conference(vppc

32、)，chicago，usa，2011：1-8.9 于大洋，黄海丽，雷鸣，等. 电动汽车充电与风电协同调度的碳减排效益分析j. 电力系统自动化，2012，36（10）：14-18. yu dayang，huang haili，lei ming，et al. co2 reduction benefit by coordinated dispatch of electric vehicle charging and wind powerj. automation of electric power systems，2012，36(10)：14-18.10 于大洋，宋曙光，张波，等. 区域电网电动汽车

33、充电与风电协同调度的分析j. 电力系统自动化，2011，35（14）：24-29. yu dayang， song shuguang，zhang bo，et al. synergistic dispatch of pevs charging and wind power in chinese regional power gridsj. automation of electric power systems，2011，35(14)：24-29.11 qi z，tetsuo t，miguel e，et al. a study of renewable power for a zero-carb

34、on electricity system in japan using a proposed integrated analysis modelc. the 2nd international conference on computer and automation engineering(iccae)，singapore，2010:166-170.12 邱骁奇，胡志坚. 基于改进教与学优化算法的配电网重构j. 电力系统保护与控制，2016，44（12）：42-49. qiu xiaoqi，hu zhijian. reconfiguration of distribution networ

35、k based on improved teching-learning-based optimization algorithmj. power system protection and control，2016，44（12）：42-49.13 卢扬，吴俊勇，郝亮亮. 基于改进mobpso算法的含分布式电源的多目标配电网重构j.电力系统保护与控制，2016，44（7）：62-68.lu yang，wu junyong，hao liangliang. multi-objective distribution network reconfiguration with distributed generations based on improved mobpso algorithmj. power system protection and control，2016，44（7）：62-68.14 李振坤，陈星莺，赵波，等. 配电网动态重构的多代理协调优化方法j. 中国电机工程学报，2008，28（34）：72-79.li zhenkun,