一种应对极端天气的配电网弹性控制方法技术

本发明专利技术涉及一种应对极端天气的配电网弹性控制方法，属于配电网领域，首先对极端天气状况进行预测，根据天气状况分析配电网中各部件的故障率，得到配电网部件随时间故障的情况；然后对移动储能系统的时空转移能量特性进行分析，以负荷削减权重、移动储能移动和充放电权重以及分布式电源发电综合权重最小为目标，建立了移动储能灵活移动和配电网络重构协同的配电网运行控制模型，并在事前、事中、事后三个层面进行调度，充分调控配电网资源来减少极端天气对配电网的影响，以及充分发挥移动储能系统的能量转移时空灵活性，改善有功出力的时空分布，减少网损，减少负荷削减，有效提升负荷恢复率，减少运行电压安全风险，削减系统运行成本。行成本。行成本。

【技术实现步骤摘要】
一种应对极端天气的配电网弹性控制方法


[0001]本专利技术涉及配电网领域，特别是涉及一种应对极端天气的配电网弹性控制方法。

技术介绍

[0002]近年来，气候变化不断加剧，自然灾害和极端天气频发，给电力系统的安全可靠运行带来极大的挑战。同时，大规模新能源渗透下的电力系统有功功率具有极高的不可控性和时变性，台风、强降水等极端天气会导致输电线路和杆塔损坏甚至倒塌，对电网安全运行有很大的冲击，配电网故障后负荷也更难恢复。因此，提升配电网弹性，灵活调控储能系统、分布式电源等资源来减少极端事件造成的危害也成为目前研究的热点之一。现有研究表明，对极端天气进行预测，多时间尺度协调控制系统内资源，尤其是移动储能系统和分布式电源，不仅可以更好地解决配电网负荷恢复问题中有功功率不稳定的问题，更能减少极端天气对配电网的影响。另外，多时间尺度的协调控制还可以降低系统的网损、优化配电网的功率分布、提高电网运行的安全性。
[0003]国内外相关研究中，在应对极端天气方面，有人提出了识别配电系统的高风险区域并强化线路杆塔以提高配电系统的可靠性；也有将大电网划分成多个孤岛，由分布式电源供电；还有在事前调控机组出力、改变网络结构等资源。
[0004]在移动式储能的应用方面，现有研究阐述了移动式储能的基本模型、协调策略和控制方法；分别采用不同的方式构建配电网经济性和恢复力均衡模型，对移动式储能的容量配置进行决策；利用移动式储能结合交通网灾后拓扑变化，对灾后确定的断线场景进行负荷恢复。
[0005]然而，以上研究没有充分考虑极端天气对配电网部件影响的不确定性和时变性，仅从固定资源和事前调控入手，虽然能提高配电网可靠性，但面对复杂多变的极端天气，以及大规模新能源接入配电网带来的有功出力不稳定性，并不能提高极端天气下的供电水平、无法有效提升配电网安全性。

技术实现思路

[0006]本专利技术的目的是提供一种应对极端天气的配电网弹性控制方法，以充分调控配电网资源来减少极端天气对配电网的影响，有效提升负荷恢复率，减少运行电压安全风险。
[0007]为实现上述目的，本专利技术提供了如下方案：
[0008]一种应对极端天气的配电网弹性控制方法，包括：
[0009]构建用于预测极端天气行进路线和强度的极端天气预测模型；
[0010]建立配电网部件在极端天气影响下发生故障的配电网部件故障模型；
[0011]构建移动储能系统的移动时空特性模型和能量模型；
[0012]基于极端天气预测模型、移动时空特性模型和能量模型，以负荷削减权重、移动储能移动和充放电权重以及分布式电源发电综合权重最小为目标，建立配电网运行控制模型；
[0013]通过线性化和二阶锥松弛将配电网运行控制模型转化为混合整数二阶锥模型；
[0014]在极端天气到达配电网之前，根据气象数据，利用极端天气预测模型预测极端天气的行进路线和强度；
[0015]根据预测的极端天气的行进路线和强度，利用配电网部件故障模型，预测在极端天气影响下发生故障的输电线路；
[0016]将配电网中在极端天气影响下未发生故障的输电线路进行配电网网络重构；
[0017]基于重构的配电网网络，求解所述混合整数二阶锥模型，获得在极端天气到达配电网之前配电网运行的优化结果；所述配电网运行的优化结果包括各时段分布式电源出力、各时刻移动储能车的目标站点、移动储能车各时段充放电计划和各时刻配电网网络中各联络开关的开合状态；
[0018]在极端天气到达配电网之后，将所述气象数据更新为实时气象数据，并返回步骤“根据气象数据，利用极端天气预测模型预测极端天气的行进路线和强度”，获得在极端天气到达配电网之后配电网运行的实时优化结果；
[0019]在极端天气离开配电网之后，根据实时用电需求，求解所述混合整数二阶锥模型，获得事后配电网运行的实时优化结果。
[0020]可选的，所述构建对极端天气行进路线和强度进行预测的极端天气预测模型，具体包括：
[0021]建立在台风形成之后的台风追踪模型为
[0022]Δlnc＝a1(t)+a2(t)ψ(t)+a3(t)λ(t)+a4(t)lnc(t)+a5(t)θ(t)+ε
c
[0023]Δθ＝b1(t)+b2(t)ψ(t)+b3(t)λ(t)+b4(t)c(t)+b5(t)θ(t)+b6(t)θ(t
‑
Δt)+ε
θ
[0024]lnI(t+Δt)＝d1(t)+d2(t)lnI(t)+d3(t)lnI(t
‑
Δt)+d4(t)lnI(t
‑
2Δt)
[0025]+d5(t)T
s
(t)+d6(t)(T
s
(t+Δt)
‑
T
s
(t))+ε
l
[0026]其中，c为台风移动速度，a1(t)、a2(t)、a3(t)、a4(t)和a5(t)分别为第一、第二、第三、第四和第五速度模型参数，ψ(t)、λ(t)分别为t时刻台风中心的经度、纬度，Δθ为以正北方向为参考的台风移动方向，I(t)为t时刻台风的相对强度，Δt为时间间隔，b1(t)、b2(t)、b3(t)、b4(t)和b5(t)分别为第一、第二、第三、第四和第五方向模型参数，d1(t)、d2(t)、d3(t)、d4(t)和d5(t)分别为第一、第二、第三、第四和第五相对强度模型参数，ε
c
、ε
θ
、ε
l
分别为台风移动速度、方向、相对强度的随机误差，c(t)为t时刻台风移动速度，θ(t)为t时刻台风移动方向，T
s
(t)为t时刻海洋表面温度；
[0027]根据所述台风追踪模型，建立在台风影响下的风力场模型；
[0028]根据所述台风追踪模型，建立在台风影响下的降水模型为
[0029]RA(r,t)＝k(t)k1(t)s(t)R(r,t)
[0030]k(t)＝0.0319Δp(t)
‑
0.0395,k≥1
[0031][0032][0033]其中，RA(r,t)为t时刻半径为r处的降雨率，R(r,t)为第一辅助变量，k(t)、k1(t)、s(t)分别为台风强度、中心气压变化率和移动速度的修正系数，为中心气压变化率，
R
wm
(t)为t时刻最大风速半径，Δp(t)为台风的中心压差，为正态分布的第一随机误差。
[0034]可选的，所述台风追踪模型还包括：台风在海上的强度模型和台风登陆后的强度模型；
[0035]所述台风在海上的强度模型为
[0036][0037]Δp1(t)＝p
a
‑
p
c
(t)
[0038]其中，I1(t)为台风在海上的相对强度，Δp1(t)为台风在海上的中心压差，p
da
为周围干燥空气分压的表面值，p
...

【技术保护点】

【技术特征摘要】
1.一种应对极端天气的配电网弹性控制方法，其特征在于，包括：构建用于预测极端天气行进路线和强度的极端天气预测模型；建立配电网部件在极端天气影响下发生故障的配电网部件故障模型；构建移动储能系统的移动时空特性模型和能量模型；基于极端天气预测模型、移动时空特性模型和能量模型，以负荷削减权重、移动储能移动和充放电权重以及分布式电源发电综合权重最小为目标，建立配电网运行控制模型；通过线性化和二阶锥松弛将配电网运行控制模型转化为混合整数二阶锥模型；在极端天气到达配电网之前，根据气象数据，利用极端天气预测模型预测极端天气的行进路线和强度；根据预测的极端天气的行进路线和强度，利用配电网部件故障模型，预测在极端天气影响下发生故障的输电线路；将配电网中在极端天气影响下未发生故障的输电线路进行配电网网络重构；基于重构的配电网网络，求解所述混合整数二阶锥模型，获得在极端天气到达配电网之前配电网运行的优化结果；所述配电网运行的优化结果包括各时段分布式电源出力、各时刻移动储能车的目标站点、移动储能车各时段充放电计划和各时刻配电网网络中各联络开关的开合状态；在极端天气到达配电网之后，将所述气象数据更新为实时气象数据，并返回步骤“根据气象数据，利用极端天气预测模型预测极端天气的行进路线和强度”，获得在极端天气到达配电网之后配电网运行的实时优化结果；在极端天气离开配电网之后，根据实时用电需求，求解所述混合整数二阶锥模型，获得事后配电网运行的实时优化结果。2.根据权利要求1所述的应对极端天气的配电网弹性控制方法，其特征在于，所述构建对极端天气行进路线和强度进行预测的极端天气预测模型，具体包括：建立在台风形成之后的台风追踪模型为Δlnc＝a1(t)+a2(t)ψ(t)+a3(t)λ(t)+a4(t)lnc(t)+a5(t)θ(t)+ε
c
Δθ＝b1(t)+b2(t)ψ(t)+b3(t)λ(t)+b4(t)c(t)+b5(t)θ(t)+b6(t)θ(t
‑
Δt)+ε
θ
lnI(t+Δt)＝d1(t)+d2(t)lnI(t)+d3(t)lnI(t
‑
Δt)+d4(t)lnI(t
‑
2Δt)+d5(t)T
s
(t)+d6(t)(T
s
(t+Δt)
‑
T
s
(t))+ε
l
其中，c为台风移动速度，a1(t)、a2(t)、a3(t)、a4(t)和a5(t)分别为第一、第二、第三、第四和第五速度模型参数，ψ(t)、λ(t)分别为t时刻台风中心的经度、纬度，Δθ为以正北方向为参考的台风移动方向，I(t)为t时刻台风的相对强度，Δt为时间间隔，b1(t)、b2(t)、b3(t)、b4(t)和b5(t)分别为第一、第二、第三、第四和第五方向模型参数，d1(t)、d2(t)、d3(t)、d4(t)和d5(t)分别为第一、第二、第三、第四和第五相对强度模型参数，ε
c
、ε
θ
、ε
l
分别为台风移动速度、方向、相对强度的随机误差，c(t)为t时刻台风移动速度，θ(t)为t时刻台风移动方向，T
s
(t)为t时刻海洋表面温度；根据所述台风追踪模型，建立在台风影响下的风力场模型；根据所述台风追踪模型，建立在台风影响下的降水模型为RA(r,t)＝k(t)k1(t)s(t)R(r,t)k(t)＝0.0319Δp(t)
‑
0.0395,k≥1
其中，RA(r,t)为t时刻半径为r处的降雨率，R(r,t)为第一辅助变量，k(t)、k1(t)、s(t)分别为台风强度、中心气压变化率和移动速度的修正系数，为中心气压变化率，R
wm
(t)为t时刻最大风速半径，Δp(t)为台风的中心压差，为正态分布的第一随机误差。3.根据权利要求2所述的应对极端天气的配电网弹性控制方法，其特征在于，所述台风追踪模型还包括：台风在海上的强度模型和台风登陆后的强度模型；所述台风在海上的强度模型为Δp1(t)＝p
a
‑
p
c
(t)其中，I1(t)为台风在海上的相对强度，Δp1(t)为台风在海上的中心压差，p
da
为周围干燥空气分压的表面值，p
dc
为最小可以维持的干燥空气中心气压的表面值，p
a
为环境气压，p
c
(t)为t时刻台风中心气压；所述台风登陆后的强度模型为Δp2(t)＝Δp(t
ldf
)exp(
‑
a
d
·
(t
‑
t
ldf
))，t＞t
ldf
其中，Δp2(t)为台风登陆后t时刻的台风中心压差，t
ldf
为台风登陆时间，a
d
为衰减常数，Δp(t
ldf
)、c(t
ldf
)、R
wm
(t
ldf
)分别为台风登陆时刻的中心压差、移动速度、最大风速半径，a
d0
、a
d1
分别为第一、第二衰减参数，为零均值正态分布误差。4.根据权利要求2所述的应对极端天气的配电网弹性控制方法，其特征在于，所述风力场模型包括：梯度风速在梯度高度及以上的第一梯度风速模型和梯度风速在梯度高度以下的第二梯度风速模型；所述第一梯度风速模型为所述第一梯度风速模型为B(t)＝1.881
‑
0.00557R
wm
(t)
‑
0.01295ψ(t)+ε
BB
其中，V
G
(r,t)为t时刻在距离台风中心距离r处梯度风速，A(r,t)为第二辅助变量，f
r
为科里奥利系数；B(t)为Holland压力剖面形状参数，ρ为空气密度，ε
B
为正态分布的第二随机
误差，Ω为地球自转速度，为距离台风中心距离r处的纬度；所述第二梯度风速模型为其中，V(r,t,h)为t时刻在距离飓风中心半径r、高度h处的梯度风速，α
r
为与地形粗糙度有关的幂律指数，h
G
为梯度高度。5.根据权利要求4所述的应对极端天气的配电网弹性控制方法，其特征在于，所述建立配电网部件在极端天气影响下发生故障的配电网部件故障模型，具体包括：根据所述第二梯度风速模型，确定配电网部件所在位置的梯度风速模型为根据所述第二梯度风速模型，确定配电网部件所在位置的梯度风速模型为其中，V(r
cm
(t),t,h
d
)为距离配电网部件位置h
d
处3秒阵风风速，V
G
(r
cm
(t),t)为配电网部件位置的梯度风速，r
cm
(t)为配电网部件位置到台风中心的距离，α
cm
为部件位置的幂律指数，(x
cm
,y
cm
)、(x(t),y(t))分别为输电部件和台风中心的坐标，G
τ
为阵风因子；所述配电网部件包括输电杆塔和输电线路；结合所述配电网部件所在位置的梯度风速模型和所述降水模型，建立在台风影响下输电杆塔发生故障的输电杆塔故障模型为电杆塔发生故障的输电杆塔故障模型为V
*
(r
tw
(t),t,h
d
)＝V(r
tw
(t),t,h
d
)+1.4411f
RA
f
V
f
RA
＝0.09376(RA(r
tw
(t),t))
0.7087
f
V
＝exp(0.004484)V(r
tw
(t),t)
‑
1.2486exp(

【专利技术属性】
技术研发人员：夏世威，王睿，张茜，
申请(专利权)人：国网冀北电力有限公司张家口供电公司国家电网有限公司，
类型：发明
国别省市：