[发明专利]一种考虑多目标的复杂配电网故障恢复系统及方法

权利要求书

1.一种考虑多目标的复杂配电网故障恢复系统，其特征在于，包括：

配电网故障采集单元，连接配电网用于判断当前配电网络状况，当配电网络发生故障时，采集当前故障信息和配电网络信息；所述配电网络信息包括：配电网负荷节点数据信息、支路数据信息、分布式电源数据信息和变压器数据信息；

孤岛划分单元，用于建立分布式电源的孤岛划分模型，根据故障信息和配电网络信息对含分布式电源的停电区域进行供电恢复，并输出更新后的配电网当前故障信息和配电网络信息；

故障恢复重构单元，根据更新后的配电网当前故障信息和配电网络信息建立配电网络故障恢复的数学模型，采用改进蜂群算法对数学模型的目标函数进行优化，得到配电网中各控制变量的优化取值矩阵，所述各控制变量包括分段开关的状态和联络开关的状态；

配电网故障恢复执行单元，用于根据优化取值矩阵调节配电网各分段开关状态和联络开关状态；

所述配电网故障恢复执行单元包括：

分段开关调节器，用于根据优化取值矩阵调节配电网各分段开关状态，每一个分段开关只有两种取值，取值为1表示对应的支路开关闭合，取值为0表示对应的支路开关断开；

联络开关调节器，用于根据优化取值矩阵调节配电网各联络开关状态，每一个联络开关只有两种取值，取值为1表示对应的联络开关闭合，取值为0表示对应的联络开关断开；

所述系统还包括：

故障信息传输单元，与配电网故障采集单元连接用于传输故障信息和配电网络信息；

参数获取单元，分别与故障信息传输单元和孤岛划分单元相连接用于获取故障信息和配电网络信息；

方案输出单元，分别与故障恢复重构单元和配电网故障恢复执行单元相连接用于传输各控制变量的优化取值矩阵。

2.一种考虑多目标的复杂配电网故障恢复方法，其特征在于，包括以下步骤：

步骤1：采集当前配电网络信息，判断配电网络是否发生故障，若配电网络发生故障，则发送当前故障信息和配电网络信息；所述配电网络信息包括：配电网负荷节点数据信息、支路数据信息、分布式电源数据信息和变压器数据信息；

步骤2：获取故障信息和配电网络信息，

步骤3：判断配电网停电区域是否存在具有孤岛运行能力的分布式电源，若存在则执行步骤4，否则执行步骤5；

步骤4：建立分布式电源的孤岛划分模型，根据故障信息和配电网络信息对含分布式电源的停电区域进行供电恢复，并传输更新后的配电网当前故障信息和配电网络信息；

步骤5：通过前推回代法计算孤岛划分后的配电网各节点电压和各支路容量，若不满足配电网络故障恢复的数学模型的约束条件，则对配电网进行削减负荷处理后进入步骤6，否则直接进入步骤6；

配电网络故障恢复的数学模型的约束条件为：

1)拓扑结构约束：

b_l∈B_l

式中，b_l为故障恢复后的拓扑结构，B_l为所有允许的辐射状拓扑结构集合；

2)分布式电源出力约束：

式中，为第j个分布式电源容量，和分别为第j个分布式电源的最小、最大出力，对此约束条件可通过在目标函数中引入罚函数进行处理；

3)支路容量约束：

0≤S_n≤S_n,max n＝1,2,…,N

式中，S_n为配电网第n条支路上的功率，S_n,max为支路i的线路容量，n为配电网支路编号，N为支路总数；

4)节点电压约束：

V_v.min≤V_v≤V_v.max v＝1,2,…,N_d

式中，V_v为节点v的电压值，V_v.max和V_v.min分别为节点v的电压上限值和下限值，v为节点编号，N_d为配电网系统中负荷节点总数，对此约束条件可通过在目标函数中引入罚函数进行处理；

5)潮流约束：

I_n≤I_n,max n＝1,2,…,N

式中，I_n为配电网第n条支路实际的电流值，I_n,max为配电网第n条支路所允许的最大电流值，n为配电网支路编号，N为支路总数；

步骤6：根据更新后的配电网当前故障信息和配电网络信息建立配电网络故障恢复的数学模型，采用改进蜂群算法对数学模型的目标函数进行优化，当达到设定的最大迭代次数或者满足程序搜索截止条件时，输出配电网中各控制变量的最优优化取值矩阵，包括以下步骤：

步骤6.1：以故障恢复后停电负荷总功率最小、开关操作次数最少和系统网损最小作为优化目标，通过百分比及加权求和法建立配电网络故障恢复的数学模型如下所示：

式中，F为配电网络故障恢复数学模型的目标函数，ΔV_V，ΔP_DGi，α₁为停电负荷总功率最小目标函数的权重系数，α₂为开关操作次数最少目标函数的权重系数，α₃为系统网损最小目标函数的权重系数，P(i)_cut为故障恢复后停电负荷节i的有功功率，P(I)_cut为故障恢复前所有停电负荷节点I的有功功率，X为故障恢复后停电负荷节点总数，X₀为故障恢复前停电负荷节点总数，T(k)为第k个开关是否闭合，若闭合则T(k)＝1，否则T(k)＝0，K为所有开关个数，n为配电网支路编号，N为配电网支路总数，r_n为支路n的电阻值，P_n为配电网第n条支路的有功功率，Q_n为配电网第n条支路的无功功率，U_n为配电网第n条支路末端的节点电压，1＜v＜N_d，v为节点编号，N_d为配电网系统中负荷节点总数，1＜DG_i＜N_g，DG_i为分布式电源编号，N_g为配电网络中分布式电源个数，λ_u为负荷节点电压越界惩罚系数，λ_q为分布式电源容量越界惩罚系数；

其中，V_v为节点v电压，V_v.max为节点v电压上限值，V_v.min为节点v电压下限值；

其中，为第i个分布式电源容量，为第i个分布式电源最小出力，为第i个分布式电源最大出力；

步骤6.2：设定改进蜂群算法参数：根据配电网待优化的各控制变量的取值上限及取值下限随机生成初始食物源规模2N、根据控制变量即分段开关和联络开关的个数确定个体维数D、最大循环次数K、引领蜂转化为侦察蜂对应的Limit值、交叉概率CR、蜂群感知半径R；

步骤6.3：参数初始化，当前循环次数k＝0，随机生成含有2N个解的离散域初始种群，形成离散域初始食物源，设第i个食物源的位置为X_i＝(x_i1,x_i2,…,x_iD)(i＝1,2,…,2N)，食物源的位置即为各分段开关和各联络开关的开关状态，离散域内食物源的位置为X′_i＝(x′_i1,x′_i2,…,x′_iD)(i＝1,2,…,2N)，随机生成初始食物源的公式为：

θ＝x_ij-λ

式中，x_ij为食物源位置，和分别为第j维分量的上限值和下限值，j∈{1,2,…,D}，rand(·)为随机生成(0,1)之间的数，θ为转化系数，λ为权重系数，x′_ij为离散域内食物源位置；

步骤6.4：计算2N个离散域内初始食物源的适应度值，若离散域内第i个食物源对应的目标函数值f_i≥0，则适应度值为fit_i＝1/f_i，若离散域内第i个食物源对应的目标函数值f_i＜0，则适应度值为fit_i＝1+abs(f_i)；

步骤6.5：引领蜂进行交叉操作产生新的食物源，并计算新食物源的适应度值，若新食物源的适应度值大于旧食物源的适应度值，则更新食物源位置，否则保留旧食物源；包括以下步骤：

步骤6.5.1：从初始食物源中选择适应度值较优的N个食物源作为引领蜂；

步骤6.5.2：引领蜂通过交叉操作生成的新食物源为V′_ij＝(v′_i1,v′_i2,…,v′_iD)，所述交叉操作公式为：

式中，v′_ij为离散域内生成的新食物源的位置，x′_ij为离散域内第i个食物源的第j维分量，x′_kj为离散域内第k个食物源的第j维分量，k∈{1,2,…,2N}且k≠i，为异或操作，rand(·)为(0,1)之间的随机数，CR为交叉概率，randperm(D,1)为[1,D]之间的随机数；

步骤6.5.3：计算步骤6.5.2中生成的新食物源适应度值，引领蜂对生成的新食物源按照贪婪选择机制进行更新，若新食物源适应度值优于旧食物源适应度值，则放弃旧食物源，保存新食物源，否则保留旧食物源；

步骤6.6：跟随蜂按照轮盘赌的选择机制选择要跟随的引领蜂，并按照结群策略搜索产生新的食物源，并计算新食物源适应度值，若新食物源的适应度值大于旧食物源的适应度值，则更新食物源位置，否则保留旧食物源；

步骤6.7：若某个食物源经过Limit次循环后仍然没有更新，表示该解陷入局部最优，该处的引领蜂转换成侦察蜂，并依据追随策略产生新的食物源，计算适应度值，所述追随策略公式为：

X′_B＝(x′_b1,x′_b2,…,x′_bD)

X″_i＝(x″_i1,x″_i2,…,x″_iD)

θ＝x_ij-λ

式中，N′_B为离散域内新食物源位置，X′_B为离散域内当前侦察蜂感知半径范围内适应度值最优的食物源位置，X″_i为离散域内随机产生的食物源位置，fit_B为当前侦察蜂感知半径范围内最优食物源的适应度值，x″_ij表示离散域内食物源位置，θ为转化系数，λ为权重系数，x_ij为食物源位置，和分别为第j维分量的上限值和下限值，j∈{1,2,…,D},rand(·)为随机生成(0,1)之间的数；

步骤6.8：根据下式判断目前为止两个最优的食物源适应度值之间的百分误差δ是否小于0.005，若δ＜0.005则进入步骤6.10，否则进入步骤6.9，其中：

式中，f_imax和f_jmax分别为当前两个最优的食物源适应度值；

步骤6.9：判断当前循环次数k是否达到了最大循环次数K，若是，执行步骤6.10，否则，令k＝k+1，返回步骤6.5；

步骤6.10：输出全局最优食物源，最优食物源即为配电网络故障恢复数学模型的分段开关和联络开关的开关状态；

步骤7：根据各控制变量的优化取值矩阵传调节配电网各分段开关的状态和各联络开关的状态。

3.根据权利要求2所述的考虑多目标的复杂配电网故障恢复方法，其特征在于，所述步骤6.6包括以下步骤：

步骤6.6.1：初始食物源中剩余的N个食物源作为跟随蜂；

步骤6.6.2：跟随蜂根据适应度值的大小以轮盘赌的选择机制按照一定的概率选择要跟随的引领蜂；

步骤6.6.3：跟随蜂对步骤6.6.2中选择的食物源按照结群策略进行食物源搜索，所述结群策略公式为：

X′_C＝(x′_c1,x′_c2,…,x′_cD)

V″_ij＝(v″_i1,v″_i2,…,v″_iD)

式中，W′_ij为离散域内搜索的新食物源位置，X′_C为离散域内当前跟随蜂感知半径范围内其它跟随蜂的中心位置，fit_c为中心位置食物源的适应度值，x′_cj为离散域内第j维空间中蜂群的中心位置，V″_ij为离散域内通过交叉操作的得到的新食物源位置，n_R表示跟随蜂感知半径范围内其它跟随蜂的总数，[]为取整运算，当大于0.5时取1，否则取0，v″_ij为第j维空间生成的新食物源的位置，x′_ij为离散域内第i个食物源的第j维分量，x′_kj为离散域内第k个食物源的第j维分量，k∈{1,2,…,2N}且k≠i，为异或操作，rand(·)为(0,1)之间的随机数，CR为交叉概率，randperm(D,1)为[1,D]之间的随机数；

步骤6.6.4：计算步骤6.6.3中搜索的新食物源适应度值，跟随蜂对生成的新食物源按照贪婪选择机制进行更新，若新食物源适应度值优于旧食物源适应度值，则放弃旧食物源，保存新食物源，否则保留旧食物源。