[發明專利]一種考慮機組冷熱啟動間隙的負荷恢復方法

有效

• 申請號: 201710334427.9
• 申請日: 2017-05-12
• 公開（公告）號: CN106953334B
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 謝云云;陳晞;王曉豐;黃琳雁;呂友杰;宋雯雯;李凱嶸;陳佳欣;蔡勝;卜京;殷明慧;姚娟;鄒云;蔡晨曉;張俊芳
• 申請（專利權）人: 南京理工大學
• 主分類號: H02J3/14
• 分類號: H02J3/14;G06Q10/04;G06Q50/06
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 馬魯晉

1.一種考慮機組冷熱啟動間隙的負荷恢復方法，其特征在于，包括以下幾個步驟：

步驟1，根據機組冷熱啟動狀態及負荷節點的位置建立各負荷節點的分級知識庫；表示成如下形式：

式中K₁——用分級知識庫表示的機組啟動無需等待情況下各類負荷節點的偏好等級；

K₂——用分級知識庫表示的機組啟動需要等待情況下各類負荷節點的偏好等級；

A——已恢復系統內和機組恢復路徑上的負荷節點；

B——與機組恢復路徑相鄰的線路上的負荷節點；

C——距離機組恢復路徑較遠的線路上的負荷節點；

2——負荷節點等級為2；

1——負荷節點等級為1；

步驟2，基于定性偏好描述語言和步驟1所得的負荷節點的分級知識庫確定選擇待恢復負荷點的偏好策略；偏好策略采用定性偏好描述語言表述為：

式中t_i——啟動功率傳輸到機組i的時間；

T_icmax——機組i的最大冷啟動時間；

T_irmax——機組i的最小熱啟動時間；

T——基本偏好策略算子，表示等級高的負荷點具有較高的偏好程度；

步驟3，基于步驟2得到的待恢復負荷點的偏好策略建立負荷恢復優化模型；具體步驟為：

步驟3-1，確定每一時步負荷恢復的優化目標為：

式中f——加權負荷恢復量；

n——網架重構每一時步的待恢復負荷節點數量；

m_i——節點i上的負荷出線數；

ω_ij——負荷出線的重要程度，采用一類負荷的比重表示；

x_ij——1,0變量，表示負荷點是否投入；

P_Lij——待恢復負荷出線在該時步內預測負荷恢復量；

步驟3-2，確定負荷恢復過程中需要考慮的約束條件，包括：

待恢復負荷選擇約束：

最大可恢復負荷量約束為：

式中△P_Σ——每個時步已恢復電源的新增出力；

N_G——當前已恢復電源；

P_Gi(t)——t時刻已恢復電源出力；

單次投入負荷最大有功約束為：

式中P_Lmax——負荷最大有功投入量；

P_Ni——機組i的額定有功出力；

△f_max——暫態頻率最大允許下降值；

df_i——機組i的暫態頻率響應值；

各節點單次投入負荷最大無功約束為：

式中Q_Limax——節點i負荷最大投入無功量；

△U_imax——節點i暫態電壓最大允許變化量；

U_iN——節點i額定電壓；

S_isc——節點i的短路容量；

穩態潮流約束為：

式中P_di——節點i的有功注入功率；

Q_di——節點i的無功注入功率；

V_i——節點i的電壓；

G_ij——節點i與j之間的電導；

B_ij——節點i與j之間的電納；

N——節點個數；

δ_ij——V_i與V_j的相角；

機組出力、電壓約束為：

式中P_Gi——機組的有功出力；

Q_Gi——機組的無功出力；

P_Gimax——機組有功的最大出力；

P_Gimin——機組有功的最小出力；

Q_Gimax——機組無功的最大出力；

Q_Gimin——機組無功的最小出力；

V_i——節點電壓；

V_imax——節點電壓允許最大值；

V_imin——節點電壓允許最小值；

步驟4，利用人工蜂群算法求解步驟3得到的負荷恢復優化模型，確定負荷恢復方案。

2.根據權利要求1所述的一種考慮機組冷熱啟動間隙的負荷恢復方法，其特征在于，步驟4中所述的利用人工蜂群算法求解步驟3得到的負荷恢復優化模型，具體步驟為：

步驟4-1，對人工蜂群算法進行初始化并對參數進行設置，具體為：初始化時，輸入系統的參數包括系統結構，機組裝機容量，機組爬坡率，機組啟動功率，線路啟動時間，負荷容量；設置人工蜂群算法種群數量N、最大迭代次數MCN、蜜源最大限制開采次數Limit，并將已迭代次數和蜜源開采次數置0；其中種群中引領蜂、跟隨蜂各占一半；

步驟4-2，根據恢復路徑對可以恢復的負荷進行預選，確定待恢復負荷點總的出線個數D，在初始時刻，N只蜜蜂全為偵查蜂，隨機產生N個D維的0-1負荷恢復序列，即N個初始蜜源；判斷蜜源對應的負荷恢復量是否不大于本階段的最大可恢復負荷量并同時判斷是否滿足潮流約束條件，若同時滿足上述條件，則停止生成初始蜜源，否則重新生成，直到蜜源滿足上述條件為止；

之后以負荷的加權恢復量作為蜜源的適應度函數值，根據適應度值排序，前百分之五十為引領蜂，剩下的為跟隨蜂；

步驟4-3，每個引領蜂在對應的蜜源周圍進行鄰域搜索，判斷新的蜜源的適應度值是否比原來的適應度值大，根據貪婪原則，如果新蜜源適應度值大于原蜜源，則取代原位置，將已開采次數置0，否則，該蜜源的開采次數加1；

步驟4-4，引領蜂將蜜源的信息分享給跟隨蜂，蜜源的質量越好，被跟隨的概率越大；每個蜜源被選擇的概率可以通過下式計算：

式中fit_i——蜜源i的適應度值；

S_N——蜜源總數；

跟隨蜂根據概率值P_i選擇蜜源，在選擇的蜜源周圍進行鄰域搜索，判斷新的蜜源的適應度值是否比原來的適應度值大，根據貪婪原則，如果新蜜源適應度值大于原蜜源，則取代原位置，該跟隨蜂轉變為引領蜂，蜜源已開采次數置0；否則，蜜源和引領蜂保持不變，該蜜源的開采次數加1；

步驟4-5，引領蜂和跟隨蜂搜索結束后，迭代次數加1，并記錄當前的最優蜜源；如果一個蜜源的開采次數達到上限，則放棄該蜜源，對應的蜜蜂變成偵查蜂，重新生成新的蜜源，已開采次數置1；

步驟4-6，如果迭代次數還未達到上限，則轉到步驟4-3重新搜索，直到達到迭代上限后輸出當前最優蜜源以及最優蜜源對應的負荷恢復方案。