基于物联网技术的配电网运行方式多目标优化模型

2023-02-23崔永建刘子川吕道鑫

电子设计工程 2023年4期

崔永建，周强，张涛，刘子川，吕道鑫

（1.国网甘肃省电力公司酒泉供电公司，甘肃酒泉 735000；2.国网甘肃省电力公司电力科学研究院，甘肃兰州 730000）

在配电网接收电能时，需要通过配电设备将电能分布到各个子区域，此过程的安全配置可以保证电力系统的稳定运行。配电网在实际运行时，调度人员调度网络结构难度高、复杂性强、风险高[1]。因此，分析配电网最佳运行方案，促进系统自动化的发展，是目前配电网相关改革的方向。文献[2]提出了基于混合队列模型的配电网状态监测业务通信带宽预测，从状态监测系统架构和数据业务特点出发，给出了满足服务质量要求的系统带宽最优求解方法，降低了混合业务并存时带宽计算的复杂性，但是存在收敛速度较慢的问题；文献[3]构建了含分布式电源的主动式配电网多目标优化模型，并利用NSGA-Ⅱ和博弈理论进行求解。尽管采用这两种方法可以快速地得到目标数据，但是缺乏对运行风险的分析，从而导致优化结果与理想结果相差很大。针对这一问题，结合物联网技术，构建配电网运行方式多目标优化模型。

1 选取配电网运行方式参数指标

在当今复杂的配电网运行模式研究中，大多选取具有实时性和针对性的指标作为评价配电网稳定运行的标准。运行方式多目标优化可靠性指标是配电网优化的重点，其运行模式与变压器负荷变化、线路连接良好、电压稳定等因素有关，具体指标如下：

1）变压器间负载率变化值

将变压器间负载率变化值记为T1，用于评估现有配电网中变压器负荷是否达到均衡状态，从而保证整个配电网的安全稳定运行[4]。变压器间负载率变化值计算公式为：

式中，QLmax为配电网负载率最大值，QLmin为配电网负载率最小值。

2）线路最高负载率

将线路最高负载率记为T2，用于确定线路是否出现满载、超载问题[5-7]。一旦某条线路出现超负荷运行，则说明配电网存在安全隐患[8]。线路最高负载率计算公式为：

式中，Qi为配电网运行线路i的负载率。

3）负荷转移能力

将负荷转移能力记为T3，用于评估不同线路间负荷转载能力。在不同线路之间出现负荷过载问题时，将故障线路的负荷转移到其他线路，使负荷达到平衡状态，以恢复配电网的供电能力[9-11]。负荷转移能力计算公式为：

式中，qh为配电网处于故障状态下通过其他线路转移的负荷量，qd为配电网处于故障状态下需要转移的负荷量[12]。

4）电压偏差

将电压偏差记为T4，用于评估配电网实际电能质量[13]。电压偏差计算公式为：

式中，vs为实际电压，va为额定电压。

5）无功不合格配置比例

将无功不合格配置比例记为T5，用于评估功率因数大小[14]。当该比例达到1∶1时，配电网处于无功补偿阶段，此时功率因数达不到标准数值，由此确定无功配置不合格[15]。无功不合格配置比例计算公式为：

式中，为不合格配置节点数量，nt为总节点数量。

6）线路损耗

将线路损耗参数记为T7，属于电网经济性指标，在计算配电网潮流基础上，评估线路损耗情况。线路损耗计算公式为：

式中，Ri为电阻，Ui为电压，Pi为有功功率，qi为无功功率。

2 多目标优化模型构建

2.1 配电网运行状态分析

为分析配电网运行状态，建立基于物联网技术的配电网运行状态分析模型，如图1 所示。

图1 基于物联网技术的运行状态分析模型

由图1 可知，基于物联网技术的运行状态分析模型分为三个层次：传感层、应用层和传输层。其中，传感层主要包括各种数据采集单元和智能控制单元，负责采集和监控配电网络中的海量异构信息[16]。

传输层主要包括串口、线路及网络，基于4G/5G的有线和无线通信模式，负责将传感层采集的大容量数据实时传输到应用层。

应用层具有拓扑分析、环境监测、状态监测等多个应用功能，是配电网络运行状态分析和智能运维的应用平台。

通过分析配电网运行状态，结合物联网技术可确定配电网运行风险。

2.2 运行风险分析

配电网的运行风险与故障概率P有关，该指标在一定程度上影响了配电网的运行风险，其中包括故障概率P2和老化概率P1。装备实际投入年限过长会出现设备老化问题，主要取决于设备连接线的特性和时间，在设备老化后，出现如图2 所示的故障率曲线特征。

图2 基于物联网技术的故障率曲线

以图2 为基础，结合设备使用年限，配电网设备故障符合泊松分布规律，在单位时间内，配电网设备事故概率计算公式为：

式中，P2(M)为M设备事故概率，Pi为M设备在某个时间的故障概率。

2.3 多目标优化模型构建

为了协调优化多个子目标，系统的性能必须达到最佳。在多目标优化过程中可以将最大化和最小化问题相互转化，由此建立了多目标优化模型：

式中，x为决策空间，f(x)为包含变压器间负载率变化值、线路最高负载率、负荷转移能力、电压偏差、无功不合格配置比例和线路损耗指标的函数，p和q分别为不等式和等式约束。

对于配电网运行方式多目标优化问题，应从正常和故障两种情况下，结合目标函数优化目标模型并设计优化流程，优化流程如图3 所示。

由图3 可知，配电网运行优化是指根据物联网技术建立的运行状态分析模型，找到当前状态下的最佳途径。具体步骤如下：

图3 配电网运行方式优化流程

步骤一：基于构建的物联网运行状态分析模型，分析配电网运行状态；

步骤二：依据所获得的运行状态，分析当前运行状态；

步骤三：判定现有运行方式是否满足要求，如果满足，则认为配电网处于最佳运行状态；反之，利用多目标优化模型优化运行状态，获取新的运行方式；

步骤四：对于新的运行方式，重复上述步骤，直到找到最佳运行方式。

通过上述步骤，可确定最佳配电网运行方式。

3 实例分析

3.1 实例介绍

使用PG&E69 节点系统模拟配电网不同运行模式，并对其进行优化。该配电网共有26 条支路，选择的基准电压为15 kV，负荷总量为38 kvar，配电网结构如图4 所示。

图4 PG&E69节点配电网结构

结合图4 分析当前配电网运行状态为：正常运行模式下，每个节点都应保证该条线路能正常运行；故障状态下，节点17-20节点出现故障，其他节点正常。

3.2 结果与分析

结合上述配电网运行状态，分别使用混合队列模型、NSGA-Ⅱ和博弈理论和基于物联网技术的多目标优化模型，在正常和故障两种情况下绘制收敛曲线，对比如图5 所示。

图5 三种方法收敛曲线对比

由图5 可知，使用混合队列模型、NSGA-Ⅱ、博弈理论在正常状态下和故障状态下的收敛曲线相似，均比基于物联网技术的多目标优化方法收敛速度慢。由此可知，该文方法收敛速度更快，适应度也更优。

为了更好地分析运行优化结果，确定不同指标优化程度，计算公式为：

式中，K为指标优化程度，K0为初始状态指标值，K＇为优化处理后的状态指标值。基于上述公式，可得到各个指标优化程度，如表1 所示。

由表1 可知，正常情况下，使用混合队列模型、NSGA-Ⅱ和博弈理论分别与理想值最大相差1.13%、0.86%，使用基于物联网技术与理想值最大相差0.03%；故障情况下，使用混合队列模型、NSGA-Ⅱ和博弈理论分别与理想值最大相差4.54%、2.54%，使用基于物联网技术与理想值最大相差0.01%。综上所述，基于物联网技术的多目标优化结果与理想结果更接近。