电网黑启动动态分区方法及系统技术方案

本发明专利技术提供了一种电网黑启动动态分区方法及系统，根据停电系统各风电场的历史风电数据预测各风电场各个时步的风电不确定性参数；通过预先建立的以最大化分区凝聚度、最大化机组加权发电量和最小化各子系统间重构进度差异作为分区优化目标的分区优化模型滚动求解停电系统的分区优化问题，得到停电系统的最终分区优化结果。采用本发明专利技术可以缓解现有电力系统分区方式中存在的各分区间恢复进度差异较大以及恢复过程无法兼顾灵活性资源同步均衡需求进而抑制新能源机组支撑电力系统恢复的问题。问题。问题。

【技术实现步骤摘要】
电网黑启动动态分区方法及系统


[0001]本专利技术涉及电网分区
，尤其是涉及一种电网黑启动动态分区方法及系统。

技术介绍

[0002]推动能源结构转型，构建以新能源为主体的新型电力系统。随着新能源的广泛应用，电力系统平衡机理显著转变，电网运行方式日趋复杂，安全问题也不断加剧，可能引发大规模停电等极端事故。研究新型电力系统背景下的恢复策略对于加快电力系统恢复速度、减小停电损失具有重要意义。
[0003]总体而言，电力系统发生大规模停电后的恢复可归纳为“自上而下”(top
‑
down)与“自下而上”(bottom
‑
up)两种策略，同时结合这两种策略可形成混合恢复策略。当电力系统具有多个黑启动电源时，可采用“自下而上”的策略进行恢复，即：将原电力系统分解为若干个具有黑启动能力的独立子系统并行恢复，最后进行同步并列，以加快系统恢复进程。电力系统分区恢复所要考虑的首要问题是如何进行分区决策，通常需要计及子系统的规模及各子系统内部连接的紧密程度，可能还要兼顾总体重构时间或子系统可观测度等指标。传统电力系统分区方式主要包括：(1)分为分区决策和各分区子系统恢复决策。该方法通常采用有利于后续系统恢复的分区评价指标进行分区决策，如：子系统连接紧密程度、子系统规模、网架重构效率和时间、子系统可观测度等。(2)将分区决策和子系统恢复问题统一建模，从而使分区决策与各子系统后续恢复协同配合以提高整体恢复效率，该方法虽然增加了问题求解规模与难度，但使得分区更加协调、区内恢复效率更高。
>[0004]在新型电力系统背景下，采用新能源电站作为黑启动电源为加快系统恢复提供了新途径。相关研究验证了储能型新能源电站作为电网黑启动电源的可行性与可控性。同时新能源机组由于启动迅速、启动功率小而在参与电力系统网架重构时能够为电力系统启动功率做出有益补充，从而提高了网架重构效率。新型电力系统分区方式主要包括：(1)在网架重构阶段后期接入规模风电与火电协调配合，统筹使用启动功率，能够有效加快系统恢复速度，实现恢复效益最大化；(2)以方式(1)为基础，引入生产可能性边界方法，将计及规模风电出力后重构方案的优化转化为启动功率这一稀缺性资源的优化配置问题，从而高效利用启动功率并使其在有效支撑新能源出力的同时最大化系统发电机组发电量。
[0005]综上，针对仅由传统同步机组参与的电力系统分区恢复研究十分成熟。但是，现有电力系统分区方式多为静态分区，即：由一次分区决策引领电力系统全部恢复过程。事实上，由于各分区源、荷以及网架构成等的不同，因而各分区的重建及恢复进度存在客观差异。在新型电力系统背景下，若仍采用静态分区恢复方式，与新能源出力快速和可控性差等特点相叠加，可能进一步扩大不同分区间恢复进度的差异，降低电力系统总体恢复效率。同时，静态分区无法兼顾灵活性资源随恢复过程演进的同步均衡需求，可能抑制新能源机组对启动功率支撑作用的充分发挥，阻碍恢复效果的优化提升。

技术实现思路

[0006]有鉴于此，本专利技术的目的在于提供一种电网黑启动动态分区方法及系统，以缓解现有电力系统分区方式中存在的各分区间恢复进度差异较大以及恢复过程无法兼顾灵活性资源同步均衡需求进而抑制新能源机组支撑电力系统恢复的问题。
[0007]第一方面，本专利技术实施例提供了一种电网黑启动动态分区方法，所述方法包括：根据停电系统各风电场的历史风电数据预测各风电场各个时步的风电不确定性参数；其中，所述停电系统包括多个电力节点以及各个电力节点间的电力线路，所述多个电力节点包括黑启动机组、非黑启动机组、共享储能和负荷节点；通过预先建立的以最大化分区凝聚度、最大化机组加权发电量和最小化各子系统间重构进度差异作为分区优化目标的分区优化模型滚动求解停电系统的分区优化问题，得到停电系统的最终分区优化结果；其中，所述最终分区优化结果包括由停电系统划分而成的至少两个子系统；所述分区优化问题包括机组分区优化主问题和系统分区优化子问题；每次分区优化均结合该次分区优化的优化时域内各风电场各个时步的风电不确定性参数通过所述分区优化模型分别求解机组分区优化主问题和系统分区优化子问题，得到该次分区优化的机组分区决策和系统分区决策；所述机组分区决策包括机组分区情况、机组恢复顺序以及机组恢复路径，所述系统分区决策包括子系统划分情况；每次分区优化的优化时域是随未恢复区域的逐渐减小进行收缩的。
[0008]第二方面，本专利技术实施例还提供一种电网黑启动动态分区系统，所述系统包括：预测模块，用于根据停电系统各风电场的历史风电数据预测各风电场各个时步的风电不确定性参数；其中，所述停电系统包括黑启动机组、非黑启动机组、共享储能和负荷节点；分区优化模块，用于通过预先建立的以最大化分区凝聚度、最大化机组加权发电量和最小化各子系统间重构进度差异作为分区优化目标的分区优化模型滚动求解停电系统的分区优化问题，得到停电系统的最终分区优化结果；其中，所述最终分区优化结果包括由停电系统划分而成的至少两个子系统；所述分区优化问题包括机组分区优化主问题和系统分区优化子问题；每次分区优化均结合该次分区优化的优化时域内各风电场各个时步的风电不确定性参数通过所述分区优化模型分别求解机组分区优化主问题和系统分区优化子问题，得到该次分区优化的机组分区决策和系统分区决策；所述机组分区决策包括机组分区情况、机组恢复顺序以及机组恢复路径，所述系统分区决策包括子系统划分情况；每次分区优化的优化时域是随未恢复区域的逐渐减小进行收缩的。
[0009]本专利技术实施例提供的一种电网黑启动动态分区方法及系统，根据停电系统各风电场的历史风电数据预测各风电场各个时步的风电不确定性参数；其中，停电系统包括多个电力节点以及各个电力节点间的电力线路，多个电力节点包括黑启动机组、非黑启动机组、共享储能和负荷节点；通过预先建立的以最大化分区凝聚度、最大化机组加权发电量和最小化各子系统间重构进度差异作为分区优化目标的分区优化模型滚动求解停电系统的分区优化问题，得到停电系统的最终分区优化结果(包括由停电系统划分而成的至少两个子系统)；其中，每次分区优化均结合该次分区优化的优化时域内各风电场各个时步的风电不确定性参数通过分区优化模型分别求解机组分区优化主问题和系统分区优化子问题，得到该次分区优化的机组分区决策(包括机组分区情况、机组恢复顺序以及机组恢复路径)和系统分区决策(包括子系统划分情况)；每次分区优化的优化时域是随未恢复区域的逐渐减小进行收缩的。采用上述技术，以最大化分区凝聚度、最大化机组加权发电量和最小化各子系
统间重构进度差异作为分区优化目标，并将停电系统的分区优化问题分解成机组分区优化主问题和系统分区优化子问题，之后在此基础上按照收缩时域的方式对停电系统进行多次分区优化，从而得到停电系统的最终分区优化结果，可以缩小各分区间的恢复进度差异，同时兼顾了恢复过程的灵活性资源同步均衡需求。
[0010]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网黑启动动态分区方法，其特征在于，所述方法包括：根据停电系统各风电场的历史风电数据预测各风电场各个时步的风电不确定性参数；其中，所述停电系统包括多个电力节点以及各个电力节点间的电力线路，所述多个电力节点包括黑启动机组、非黑启动机组、共享储能和负荷节点；通过预先建立的以最大化分区凝聚度、最大化机组加权发电量和最小化各子系统间重构进度差异作为分区优化目标的分区优化模型滚动求解停电系统的分区优化问题，得到停电系统的最终分区优化结果；其中，所述最终分区优化结果包括由停电系统划分而成的至少两个子系统；所述分区优化问题包括机组分区优化主问题和系统分区优化子问题；每次分区优化均结合该次分区优化的优化时域内各风电场各个时步的风电不确定性参数通过所述分区优化模型分别求解机组分区优化主问题和系统分区优化子问题，得到该次分区优化的机组分区决策和系统分区决策；所述机组分区决策包括机组分区情况、机组恢复顺序以及机组恢复路径，所述系统分区决策包括子系统划分情况；每次分区优化的优化时域是随未恢复区域的逐渐减小进行收缩的。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：建立具有多个约束的分区优化初始模型；其中，所述多个约束包括表征电力节点子系统归属唯一的第一约束、表征机组启动时长和机组启动功率的第二约束、表征负荷节点平衡机组出力的第三约束、表征电力线路的充电无功功率的第四约束、表征各个电力节点间相互连通的第五约束和表征灵活性资源均衡的第六约束；对所述分区优化初始模型进行线性化处理，得到所述分区优化模型。3.根据权利要求2所述的方法，其特征在于，所述分区优化目标包括机组分区优化子目标和系统分区优化子目标；结合该次分区优化的优化时域内各风电场各个时步的风电不确定性参数通过所述分区优化模型分别求解机组分区优化主问题和系统分区优化子问题的步骤包括：以最大化机组加权发电量、最小化各子系统间重构进度差异作为机组分区优化目标，结合该次分区优化的优化时域内各风电场各个时步的风电不确定性参数通过所述分区优化模型求解该次分区优化的机组分区优化主问题，得到该次分区优化的机组分区决策；以最大化分区凝聚度作为系统分区优化目标，通过所述分区优化模型根据该机组分区决策求解该次分区优化的系统分区优化子问题，得到该次分区优化的系统分区决策。4.根据权利要求3所述的方法，其特征在于，结合该次分区优化的优化时域内各风电场各个时步的风电不确定性参数通过所述分区优化模型分别求解机组分区优化主问题和系统分区优化子问题的步骤还包括：对于每次分区优化，通过所述分区优化模型执行以下操作：若当前时步的机组分区决策无可行解，则生成表征机组分区不可行的第一不可行割，根据该第一不可行割重新求解该次分区优化的优化时域内的机组分区优化主问题；若当前时步的机组分区决策有可行解，则根据当前时步的机组分区决策求解该次分区优化的系统分区优化子问题以得到相应的系统分区决策，并根据该次分区优化的优化时域
内的电力系统状态参数对该系统分区决策进行潮流校验；若该系统分区决策的潮流校验不通过，则生成表征机组恢复路径不可行的第二不可行割，根据该第二不可行割重新求解该次分区优化的机组分区优化主问题；若该系统分区决策的潮流校验通过且当前时步机组全部恢复，则将该系统分区决策确定为停电系统的最终分区优化结果；若该系统分区决策的潮流校验通过且当前时步机组未全部恢复，则分别求解下一次分区优化的机组分区优化主问题和系统分区优化子问题。5.根据权利要求1所述的方法...

【专利技术属性】
技术研发人员：刘艳，袁可心，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：