基于电力CPS联合仿真的主配一体化电网负荷转供方法研究

收稿日期：2022-08-01

基金项目：国家电网公司总部科技项目（5400-202122147A-0-0-00）

通信作者：戴剑丰（1989—），男，博士、讲师，主要从事新能源并网运行与控制方面的研究。daijianfeng2012@126.com

DOI：10.19912/j.0254-0096.tynxb.2022-1151 文章编号：0254-0096（2023）11-0530-08

摘 要：分布式光伏和风电等分布式电源的大量并网、电力信息物理系统（CPS）的快速发展等对电力系统的运行调度带来不可估算的影响，针对紧急状态下提高电力系统供电可靠性的问题，该文提出面向主配一体化电网的负荷转供方法。首先，考虑光伏和风电自身特点建立分布式发电模型；其次，根据负荷重要性对负荷进行分类，并计及通讯延时计算负荷恢复率；然后，以切负荷与网损为目标函数，并考虑网络约束，通过构建遗传算法对目标函数寻优求解；最后，在电力CPS联合仿真平台上进行验证，结果表明所提方法能更接近实际运行工况，具有更好的负荷恢复效果，从而减小社会经济损失。

关键词：光伏发电；风电；分布式发电；信息物理系统；遗传算法；负荷转供

中图分类号：TK513.5""""""" """""""" """""文献标志码：A

0 引 言

近年来，中国积极构建以风能、太阳能为核心的新能源体系以应对传统化石能源不足所带来的能源危机问题。2020年9月，习近平主席指出要“构建以新能源为主体的新型电力系统”，以促进“中国二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”的发展目标。随着光伏、风电等分布式电源并网规模的快速增长，加之电力系统中的用电负荷量逐年上升和电网互联规模的不断扩大［1］，导致电力系统结构日趋复杂，发生停电事故的次数和概率亦趋于增大。为避免停电事故产生严重的社会经济损失或对社会正常运行产生重要影响，需进一步提高大规模分布式光伏、风电接入下的电力系统可靠性。

负荷转供是指电力系统发生故障并对故障进行隔离之后，通过倒闸的操作切除部分不重要负荷，在满足电力系统安全约束的条件下，对故障下游重要负荷供电进行快速优先恢复，并对其余负荷尽可能恢复供电［2］。由于可明显降低故障所产生的损失并提高供电可靠性，负荷转供成为电力信息物理系统（cyber physical system， CPS）中的重要功能之一［3］。

目前，国内外已有文献从不同角度对负荷转供［4］方法进行大量研究。文献［5］以主变之间的联络线作为负载转移路径，建立站间负载转移的模型；文献［6-7］采用负荷平均分配，基于主变互联转供方法，把故障主变处负荷经站间负荷转移模型分配至其他关联主变；文献［8］在考虑N-1准则和主变互联关系基础上，提出面向主变故障的最大可恢复负载量的负荷转供方法；文献［9］为提高停电负荷的恢复量，提出把一次主变的原正常供电负荷转移至有互联关系的其余主变的二次转供策略，通过降低负载率，解决一次转供主变容量不足的问题。以上文献主要面向电力系统中的主变和联络线对负荷转供进行研究，但存在未计及电力系统结构、电源组成成分和设备容量约束，二次转供策略忽略了站间负荷的转供考虑，主要面向站内负荷转供，同时转供方案对电力CPS通讯不确定性没有充分计及，这会带来局部停电时间较长而导致经济效益遭受损失等问题。

智能软开关［10］（soft normal open point， SNOP）技术在一些文献中被提出用于实施负荷转供。为实现不同电压等级和相角的馈线之间的互连，SNOP通过一个背靠背的直流母线将多个交流系统进行连接，这样不仅能提高电能质量并提高新能源渗透率，也可解决供电区域边界附近的供电能力不足的问题［11］。文献［10］计及配电网健康运行的约束条件下，对负荷转供进行研究，主要集中于对转供能力的影响因素进行分析和评估，以及对转供量的求解。文献［12-13］为了得出最优的负荷转供方案，针对多个联络开关接入配电网的场景，通过设置最优目标函数来求解不同方案。文献［14］利用SNOP进行负荷供电恢复，但使用两端口的SNOP，未涉及三端口或更多端口之间的协调配合。在这些研究当中，多是从直流输电的角度采用SNOP技术来解决负荷转供问题，虽然SNOP为负荷不停电柔性转供带来可行性并提高了配电网的可靠性，但这种基于输电线路增加的SNOP技术成本高，不适合长距离、大范围的网络架构采用，实际应用有待进一步深入研究。

另外，从与智能算法相结合的角度出发，较多文献对负荷转供展开研究并提出多种解决办法。文献［2］基于自适应免疫算法，结合基本树拓扑对不可行解进行修复，提出了快速判断的负荷转供最优方案。文献［15］基于经验性的比较式方法，在满足潮流约束条件的前提下，提出计及减载的启发式搜索算法。文献［16］基于待恢复树切割，把问题转化为树的切割，提出一种配电网故障恢复算法。

上述文献主要从主网或配电网角度对负荷转供方法进行研究，其中较多地考虑了主变转供和SNOP技术转供，从电网的角度分析负荷转供，并结合相应的智能算法进行优化求解，较少地从电力CPS角度开展负荷转供方面的方法探究，有涉及负荷切除的考量，但缺乏对负荷的聚类分析。综上，本文从电力CPS角度出发，计及通讯时延不确定性，提出主配一体化电网负荷转供方法，考虑分布式电源和负荷重要性，以最优减载量和网损最小化为目标，采用遗传算法对负荷转供方案进行寻优求解，并通过电力CPS联合仿真平台进行验证。

1 计及分布式电源和负荷重要性的供电分析

1.1 分布式电源供电分析

随着分布式电源装机容量占电力系统总装机容量比例逐年上升，在维持电力系统稳定运行当中分布式电源也越来越起着重要作用。当电力系统出现功率不平衡，需为处于故障下游区域的负荷转供提供功率支撑，如果能充分发挥各类型分布式电源的备用能力，可将负荷损失最小化，从而保障电网稳定、高效运行。为完善负荷转供分析，按照分布式电源所具备的功率调节能力［2］，把分布式电源分为以下3种：

第1种分布式电源：其功率输出具有波动性和随机性，不具备功率调节能力，一般在故障状态下会导致其直接脱网，通常是指不具有无功调节装置和储能装置的风力发电机和光伏发电设备。

第2种分布式电源：与第1种分布式电源相反，这种分布式电源通常是配备有无功调节装置和储能装置的风力发电和光伏发电设备，能够在一定范围内对功率输出进行调整。

第3种分布式电源：其在容量范围内可自由调节功率输出，并能够在电力系统发生故障的情况下继续并网运行，也可成为备用电源维持孤岛运行，通常为配备有功率调节装置的风-光-储联合调度发电设备。

光伏发电（photovoltaic generator，PVG）和风电发电（wind turbine generator，WTG）为本文主要的待选分布式电源类型。参照太阳辐照度、风速和负荷的概率分布，并同拉丁超立方采样技术相结合，生成“太阳辐照度-风速-负荷”的多场景［4］；其中，采用Beta分布建立太阳辐照度模型、采用两参数Weibull分布建立风速模型、采用正态分布建立负荷模型。在以上基础上，把WTG和PVG的风速和太阳辐照度分别转化为输出功率[PWT]和[PPV]：

[PWT=0， 0≤Valt;Vb或""Vd≤VaPWTRVa-VbVc-Vb， Vb≤Valt;VcPWTR， Vclt;Valt;Vd]""" （1）

[PPV=PPVRLL0， L≤L0PPVR"""，Lgt;L0]""""" （2）

式中：[PWTR]——WTG的额定容量；[Va]——WTG叶轮轮毂处的风速； [Vb]和[Vd]——额定风速和切出风速；[Vc]——有效切入风速；[PPVR]——PVG的额定容量；[L]——太阳辐照度；[L0]——PVG的额定太阳辐照度。

1.2 计及负荷重要性供电分析

功率不平衡是电力系统中出现异常情况时的常见特征，也是一次调频、二次调频动作的前提条件。当系统中出现大扰动，导致联络线断路或发变机组退出运行的时候，严重的功率不平衡能够引发切负荷行为动作，需要对不同负荷的相对重要程度进行区分［17-18］，尽可能保存对重要负荷的供电能力，适当切除非重要负荷。

1.2.1 负荷分类

在电力系统中存在着大量负荷，其中居民负荷、商业负荷、工业负荷是较为常见且占总负荷较高的几种负荷，在电力系统运行控制当中，这几种负荷都能够用于需求响应。在本文中，主要研究的负荷为家用智能电器负荷，这些家用电器主要为居民负荷中的空调、冰箱、洗衣机、热水器、净化器等。家用智能电器需满足以下条件方可参与需求响应［19］：一是具有相对稳定的使用时间，二是能够在较短的时间内中断且不对用户舒适度产生较大影响。有数据表明［20］，居民用电负荷占美国典型的一天负荷比为30%，如图1所示，且家用智能电器负荷在这当中占比为18%。随着中国人民生活水平的提高，家用电气负荷在中国总用电负荷中占比约为12%，而这当中又以空调和冰箱这类与制冷和供暖相关的负荷为最大。

从家电热储能以及用户舒适度的角度出发，依据负荷重要性对家用智能电器负荷进行分类：第1类为重要负荷，这类负荷与用户舒适性相关度较高，通常不能长时间中断，如烤箱、电加热、干洗机等；第2类为非重要负荷，这类负荷的中断对大多数用户影响较小，一般能够进行较长时间的供电中断，如空调、热水器、冰箱等。

1.2.2 负荷供电控制

1）未计及通讯

依据负荷重要性大小对负荷进行排序，当出现功率不平衡需切负荷时，按照重要性由低到高进行切除，如果故障下游区域（区域A）负荷为重要负荷，需进行保留，因而可通过切除其他区域（区域B）非重要负荷来促使功率平衡；如果区域A处负荷为重要负荷，但其互联线路容量有限而导致负荷转供受限，则区域A应依据其互联线路容量上限适当切除部分负荷，区域B配合切除部分负荷，使功率重新恢复平衡；如果区域A处负荷既有重要负荷又有非重要负荷，在满足互联线路容量限制前提下，区域A和区域B应协同切除部分不重要负荷，使功率重新恢复平衡；如果区域A处负荷为不重要负荷，则应直接切除。

2）计及通讯网络时延不确定性

在电力CPS中，信息层信号与指令的时延不确定性由信息物理耦合层传递到物理层，会对负荷转供控制产生影响，因此需进一步分析。当故障在[t1]时刻出现，有功功率不平衡为[ΔP]，控制中心响应并发出控制指令，区域A接收到出力增发指令[ΔPA]时刻为[t2]，执行并完成出力增发指令[ΔPA]时刻为[T2]，区域B接收出力增发[ΔPB]命令为[t3]，执行并完成出力增发[ΔPB]命令为[t5]，区域A通讯时延为[Δt12]，区域B通讯时延为[Δt13]，其中：

[Δt12=t2-t1""""""""""""""""""""""""""""]" （3）

[Δt13=t3-t1""""""""""""""""""""""""""""]" （4）

假设各区域执行出力增发命令所消耗时间相同。两区域中一者较早接收出力增发指令[ΔPmin]时刻为[tmin]，该区域执行并完成出力增发指令[ΔPmin]时刻为[Tmin]；两区域中另一者较晚接收出力增发指令[ΔPmax]时刻为[tmax]，该区域执行并完成出力增发指令[ΔPmax]时刻为[Tmax]；[ΔPt]为[t]时刻已恢复负荷，此时负荷功率恢复率[RL]为：

[RL=ΔPtΔP"""""""""""""""""""""""""""""""]"""" （5）

[tmin=min（t2， t3）]" （6）

[tmax=max（t2， t3）"""""""""""""""""""""] （7）

[RLmin=0， tlt;tminΔPminΔP·t-tminTmin-tmin， tmin≤t≤TminΔPminΔP， tgt;Tmin]" （8）

[RLmax=0， tlt;tmaxΔPmaxΔP·t-tmaxTmax-tmax， tmax≤t≤TmaxΔPmaxΔP， tgt;Tmax]""" （9）

此时：

[RL=RLmin+RLmax""""""""""""""""""""]"""" （10）

式中：[RLmax、][RLmin]——负荷最大、最小恢复率。

式（5）～式（10）均为两区域负荷功率恢复供电方案，具体的负荷恢复公式需根据时间段是否交叉分类讨论，此处不再过多叙述。为了使该方案更具一般性，多区域的负荷功率恢复率[RL]为：

[RL=i=1nRLi"""""""""""""""""""""""""""""]"""""" （11）

其中[n]为区域数，[RLi"""""""""""""""""""""""""""""]区域为第[i]个区域提供的负荷功率恢复率：

[RLi=0， tlt;tiΔPiΔP·t-tiTi-ti， ti≤t≤TiΔPiΔP， tgt;Ti]"""" （12）

其中区域i接收到出力增发指令[ΔPi]时刻为[ti]，执行并完成出力增发指令[ΔPi]时刻为[Ti]。

2 多方协同负荷转供模型

在计及N-1安全准则基础上，考虑主网和配网正常、故障等运行状态，在电力系统发生状态切换时，采用就近转供、源网荷多方协控的思想建立负荷转供模型，如图2所示，通过遗传算法对负荷转供模型进行优化求解。

当电力系统由正常工作状态跃迁至故障状态时，往往伴随着运行方式的变化，这会导致潮流分布变化，也会引起负载水平发生改变，为尽可能保证负荷的供给、减少不必要的损失，需针对性制定负荷转供的策略方法。通过对主配一体化电力系统进行简单分析不难发现，电力系统是由源、网、荷3部分共同构成。系统中的故障多数发生在网侧，较常见故障有单相接地短路故障，其故障发生率高达65%，故障发生后通常会导致保护装置动作完成跳闸，这时故障虽被切除，但因为跳闸形成纵向断路，系统运行方式发生改变，这通常会导致部分区域内负荷供应出现不平衡，有两种途径实现负荷转移，一种途径为区域内的就近转供，另一种途径为区域间的远方转供，即源网荷多方协同负荷转供。当需要进行负荷转供时，出于对长距离输电安全性与经济性考虑，本区域内负荷的就近转供优先于区域间转供，并依据负荷重要程度区分需要优先供给的负荷单位；当本区域总体供应能力不足以支撑本区域功率缺额时，通过源网荷多方协同负荷转供，实现区域间的资源调配来降低功率缺额。

2.1 目标函数和约束

为了得到电力系统中负荷损失相关的费用最小化的效果，并计及网络损耗，本文将最小负荷功率损失费用视为目标，对应的目标函数可表示为：

[min""f=αi=1NλiXi+j=1MμjYj""""""""""""""]""""" （13）

式中：[f]——最小负荷功率损失费用；[α]——成本系数；[N]——电力网络中节点数量；[λi]——节点[i]处减载比；[Xi]——节点[i]处负荷功率；[M]——电力网络中支路数量；[μj]——支路[j]的开断状态，当其为1时表示连通状态，为0时表示断开状态；[Yj]——支路[j]上的网损功率。

由于在对目标函数中的减载和网损进行求解时，需考虑发电机组的功率增发量，可通过功率增发量把减载量和网损量表示出来，这里体现出了源网荷多方协同的方法。在后续算例分析中成本系数置为1，这样[f]即为最小负荷功率损失。

在对切负荷量进行求解时，采用基于直流潮流模型的负荷减载算法，其中，线路传输功率为：

[Pl=SlZli∈NHiδi"""，" l∈L]"""""" （14）

式中：[l]——支路在支路总集中相应序号；[Pl]——支路[l]上流通的潮流；[Sl]——支路[l]运行状态，0为开断状态，1为工作状态；[Zl]——支路[l]阻抗值；[H]——节点-线路关联矩阵；[δ ]——节点-相角关联矩阵；[L]——电网中支路总集。

电力系统中潮流服从功率平衡条件，节点负荷和流入流出功率之间的约束为：

[m∈QSmPm-i∈NHiPi=Qi-Di""""""""]" （15）

式中：[m]——发电机总集中任意序号；[Q]——电网中发电机总集；[Sm]——第[m]个发电机的工作状态，0表示停机状态，1表示运行状态；[Pm]——发电机[m]的有功出力；[Qi]——节点[i]上的负荷量；[Di]——节点[i]上的切负荷量。

此外，还有一些基本上的阀值约束：

[-Pmaxl≤Pl≤Pmaxl""""， l∈W"""""""""""""]"""" （16）

[Pminm≤Pm≤Pmaxm""""， m∈M""""""""""""] （17）

[0≤Di≤Qi""""， i∈N"""""""""""""""""] （18）

式中：[Pmaxl]——支路[l]的流通功率上限值；[Pmaxm]——第[m]个发电机的出力上限值；[Pminm]——第[m]个发电机的出力下限值。为了得到较精确的网损值，本文基于MATPOWER对网损进行求解。

2.2 优化求解

遗传算法［20-21］是一种算法简单、具有广泛适应性的全局优化智能算法，既能够进行并行多点寻优，又可同启发式算法兼容，通常能对多变量、多目标、非线性的问题进行优化求解，也适用于本文的双层规划问题求解。如图3所示，本文通过遗传算法对负荷转供数据进行寻优求解。

3 算例分析

本文采用改进的IEEE 10机39节点系统对所提策略进行验证，节点19、31、37处接入具有备用发电能力的分布式电源，对应的额定输出功率均为100 MW，网络拓扑如图4所示。IEEE39节点系统正常运行时，平衡节点有功输出为677.87 MW，有功功率网络损耗为43.641 MW。在遗传算法中，种群规模设为50，最大遗传代数暂不限制，仿真平台为Matlab 2019b，CPU主频2.9 GHz。

当4号发电机发生故障并退出运行，平衡节点有功输出为1311.64 MW，有功功率网络损耗为45.408 MW。由于平衡节点有功输出超出该节点处发电机组出力上限，不满足约束条件，电力系统需执行负荷切除指令，在不考虑分布式电源接入电力系统的场景下，通过遗传算法对目标函数优化求解，优化结果如图5所示。

结果表明，种群代数在约10代已基本收敛，目标函数最小值为304.576 MW，负荷恢复率为50.9%，之后变化极小，因此把种群代数适当缩小，当种群代数设置为约10代，对上述场景仿真，结果如图6所示。其中，平衡节点增发322 MW，网损为38.216 MW，减载量为266.36 MW。

当计及光伏、风电等分布式电源接入电力系统的场景下，假设分布式电源以低于额定功率的方式运行并能够参与功率调节，此时得到的结果如图7所示，负荷恢复率约为75.3%，随着代数增加，每代最优值与每代平均值趋近于相等，但最优值并不完全收敛，存在着线性递减的趋势，多次仿真依然如此，选取最后一代中10个个体数据，如表1所示，数据表明存在受小数位变动影响的局部寻优。

为改进算法性能，对自变量取整，引入整数规划，结果如图8所示，其中，节点19、31、37增发量分别为100 MW、322 MW、100 MW，最优值收敛为109.478 MW，负荷恢复率为82.6%，较为明显地减少了负荷损失费用。结果表明，接入电力系统的第2类或第3类分布式电源对提高电力系统的供电能力有着积极影响，为负荷转供提供有力的支撑并减少负荷失电引起的经济损失。

在以上假设基础上计及通讯时延和负荷重要性，依然采用4号发电机发生故障并退出运行的场景。设故障发生时刻为0 s，自动切负荷时刻为0.5 s，平衡节点执行并完成出力增发指令时刻为30 s，分布式电源节点执行并完成出力增发

指令时刻为40 s，第20节点处负荷为重要负荷。在0.5 s时刻通过负荷减载算法求得减载量为588.3590 MW，各节点减载量如表2所示。

其中，由于20节点负荷为重要负荷，因此优先保障其负荷供电，切除量转移至其他节点处。在进行负荷转供时计及网络约束，由于20节点处负荷为680 MW，16～19支路传输容量为600 MW，为满足约束条件，因此需首先考虑就近转供的策略，由电气距离和拓扑结构可知，34、19节点为首先考虑进行负荷转供节点，把19、20、33、34节点视为区域A，34节点处5号发电机组有功输出为508 MW，19节点处分布式电源额定有功为100 MW，0.5 s时仅由5号发电机组就近为20节点负荷供电，此时20节点负荷缺额为172 MW，即区域A负荷缺额为172 MW，通过16～19支路转移；30 s时平衡节点增发出力320 MW，此时可对部分不重要负荷恢复供电，区域A负荷缺额仍为172 MW，通过16～19支路转移，负荷恢复率约为75.3%，40 s时19节点分布式电源节点增发出力100 MW，此时区域A负荷缺额为72 MW，通过16～19支路转移，负荷恢复率为82.6%，当19节点分布式电源节点增发出力200 MW时，结果如图9所示，区域A负荷缺额为-28 MW，即区域A不存在负荷缺额，且通过16～19支路转移多余出力来调节其他区域功率平衡，负荷恢复率为93.4%，此时区域A的负荷经济损失达到最小值，并使整个电力系统的负荷经济损失也维持在较低水平，显著提高负荷供电能力。

4 结 论

在以光伏和风电为主的分布式电源大规模接入电力系统背景下，为提高紧急状态下电力CPS供电可靠性与经济性，本文通过理论分析与联合仿真对主配一体化电网负荷转供方法进行研究，提出就近转供、源网荷多方协控的负荷转供策略，建立计及分布式发电、通讯时延不确定性、负荷重要性、网络约束的负荷转供模型；针对新能源高渗透率下的新型电力系统中DG的间歇性、不确定性问题，采用就近转供策略实现对目标负荷的持续性供电，降低区域内重要负荷失电风险和由此带来的经济损失。在充分考虑DG并网基础上，采用多方协控的策略，进一步提高电网紧急状态下的负荷恢复率，有效地提高了供电能力，并明显减少负荷失电带来的经济性影响。通过遗传算法对负荷转供目标函数进行寻优求解。最后在电力CPS联合仿真平台上进行算例验证并证明其可行性。综上，本文从源网荷多个角度对电力CPS中负荷转供进行研究，能更贴近新型电力系统的实际运行工况，避免对单一因素考量造成的结果偏差，从而减小不必要的经济损失并增强供电保障能力。本文提出的方法可供后续关于主配一体化电网的负荷转供研究提供参考。

［参考文献］

［1］"""" 张永会， 杨如月， 潘超， 等. 基于指标关联的分布式电源并网规划策略［J］. 太阳能学报， 2022， 43（1）： 242-248.

ZHANG Y H， YANG R Y， PAN C， et al. Active distribution network source-storage planning strategy based on"" grey" relation"" dominance［J］." Acta"" energiae"" solaris sinica， 2022， 43（1）： 242-248.

［2］"""" 孙大雁， 林济铿， 袁龙， 等. 配网负荷转供最优方案确定新方法［J］. 中国电力， 2013， 46（11）： 57-61.

SUN D Y， LIN J K， YUAN L， et al. A new method for determining optimal load transfer scheme in distribution network［J］. Electric power， 2013， 46（11）： 57-61.

［3］"""" 汤奕， 陈倩， 李梦雅， 等. 电力信息物理融合系统环境中的网络攻击研究综述［J］. 电力系统自动化， 2016， 40（17）： 59-69.

TANG Y， CHEN Q， LI M Y， et al. Overview on cyber-attacks""" against""" cyber""" physical""" power""" system［J］. Automation of electric power systems， 2016， 40（17）： 59-69.

［4］"""" 段青， 赵阅群， 颜磊， 等. 以提高供电可靠性为目标的主动配电网负荷转供优化方法［J］. 电网技术， 2016， 40（10）： 3155-3162.

DUAN Q， ZHAO Y Q， YAN L， et al. Load transfer optimization methods for distribution network including distribution"" generation［J］."" Power"" system"" technology， 2016， 40（10）： 3155-3162.

［5］"""" 程林， 刘满君， 易俊， 等. 基于运行可靠性模型的连锁故障模拟及薄弱环节分析［J］. 电网技术， 2016， 40（5）： 1488-1494.

CHENG L， LIU M J， YI J， et al. The power system cascading outage simulation and vulnerability analysis based on operational reliability model［J］. Power system technology， 2016， 40（5）： 1488-1494.

［6］"""" LUO F Z， WANG C S， XIAO J， et al. Rapid evaluation method for power supply capability of urban distribution system" based" on" N-1" contingency" analysis" of" main-transformers［J］. International journal of electrical power amp; energy systems， 2010， 32（10）： 1063-1068.

［7］"""" XIAO J， LI F， GU W Z， et al. Total supply capability and its extended indices for distribution systems： definition， model calculation and applications［J］. IET generation， transmission amp; distribution， 2011， 5（8）： 869.

［8］"""" 王成山， 罗凤章， 肖峻， 等. 基于主变互联关系的配电系统供电能力计算方法［J］. 中国电机工程学报， 2009， 29（13）： 86-91.

WANG C S， LUO F Z， XIAO J， et al. An evaluation method for power supply capability of distribution system based on analyzing interconnections of main transformers［J］. Proceedings of the CSEE， 2009， 29（13）： 86-91.

［9］"""" 马静， 马伟， 王增平. 基于联络关系的主变故障负荷转供方案［J］. 电力系统保护与控制， 2014， 42（19）： 1-7.

MA J， MA W， WANG Z P. Power restoration scheme for main transformer fault based on the interconnection relationship［J］." Power" system" protection" and"" control， 2014， 42（19）： 1-7.

［10］""" 王成山， 宋关羽， 李鹏， 等. 基于智能软开关的智能配电网柔性互联技术及展望［J］. 电力系统自动化， 2016， 40（22）： 168-175.

WANG C S， SONG G Y， LI P， et al. Research and prospect for soft open point based flexible interconnection technology for smart distribution network［J］. Automation of electric power systems， 2016， 40（22）： 168-175.

［11］""" 陈旭， 张勇军， 黄向敏. 主动配电网背景下无功电压控制方法综述［J］. 电力系统自动化， 2016， 40（1）： 143-151.

CHEN X， ZHANG Y J， HUANG X M. Review of reactive power and voltage control method in the background of active"" distribution"" network［J］."" Automation"" of" electric power systems， 2016， 40（1）： 143-151.

［12］""" 王勇， 朱红， 周冬旭， 等. 基于多业务互动的城市配电网负荷转供策略［J］. 电网与清洁能源， 2017， 33（2）： 75-82， 87.

WANG Y， ZHU H， ZHOU D X， et al. Load transfer strategy in urban distribution network based on multi-business interaction［J］. Power system and clean energy， 2017， 33（2）： 75-82， 87.

［13］""" 孙明， 董树锋， 夏圣峰， 等. 基于路径描述的馈线分区N-1可装容量计算方法［J］. 电力系统自动化， 2017， 41（16）： 123-129.

SUN M， DONG S F， XIA S F， et al. Path description based calculation method for available capacity of feeder partition""" satisfied""" with""" N-1""" security""" criterion［J］. Automation of electric power systems， 2017， 41（16）： 123-129.

［14］""" 宋毅， 孙充勃， 李鹏， 等. 基于智能软开关的有源配电网供电恢复方法［J］. 中国电机工程学报， 2018， 38（15）： 4390-4398， 4639.

SONG Y， SUN C B， LI P， et al. SOP based supply restoration method of active distribution networks using soft open point［J］. Proceedings of the CSEE， 2018， 38（15）： 4390-4398， 4639.

［15］""" KLEINBERG M， MILLER K M. Improving service restoration of power distribution systems through load curtailment of in-service customers［C］//2012 IEEE Power and Energy Society General Meeting. San Diego， CA， USA， 2012： 1.

［16］""" 吴文传， 张伯明. 基于待恢复树切割的配电网故障恢复实时算法［J］. 电力系统自动化， 2003， 27（12）： 50-54.

WU W C， ZHANG B M. A candidate restoring tree cutting based algorithm for real-time distribution system restoration［J］. Automation of electric power systems， 2003， 27（12）： 50-54.

［17］"nbsp;" 张永会， 张亚谱， 潘超， 等. 考虑源-储特性的分布式电源并网阶段优化与评估方法［J］. 太阳能学报， 2020， 41（6）： 226-233.

ZHANG Y H， ZHANG Y P， PAN C， et al. Optimization and evaluation method of grid-connected distributed power supply considering source-storage characteristics［J］. Acta energiae solaris sinica， 2020， 41（6）： 226-233.

［18］""" 马明， 刘涌. 计及住宅混合能源需求响应的含风电系统随机优化调度［J］. 太阳能学报， 2022， 43（1）： 11-20.

MA M， LIU Y. Stochastic optimal dispatch of power system with wind power considering demand response of residential ahybrid energy system［J］. Acta energiae solaris sinica， 2022， 43（1）： 11-20.

［19］""" GOVENDER P， RAMBALLEE A， MOODLEY S A. A load shedding controller for management of residential loads during peak demand periods［C］//2004 IEEE Africon. 7th Africon Conference in Africa （IEEE Cat. No.04CH37590）. Gaborone， Botswana， 2005： 729-734.

［20］""" DONNELLY M， BOYD P A， LU N， et al. Grid friendly appliance TM（GFA） controller development［EB/OL］.［2013］. http：//www.electricity. doe.gov/documents/TR Peer Review Overviews/donnelly.pdf.

［21］""" 刘艳峰， 王亚星， 罗西， 等. 基于动态运行策略的太阳能分布式供能系统设计运行联合优化［J］. 太阳能学报， 2022， 43（5）： 244-251.

LIU Y F， WANG Y X， LUO X， et al. Design and operation optimization of solar distributed energy supply system based on dynamic operation strategy［J］. Acta energiae solaris sinica， 2022， 43（5）： 244-251.

RESEARCH ON LOAD TRANSFER METHOD OF MAIN-DISTRIBUTION INTEGRATED POWER GRID BASED ON POWER CPS CO-SIMULATION

Yang Zhichun1，Shen Yu1，Yang Fan1，Zhang Shundao2，Dai Jianfeng3

（1. State Grid Hubei Electric Power Research Institute， Wuhan 430077， China；

2. School of Electrical Engineering， Southeast University， Nanjing 210096， China；

3. College of Automation amp; College of Artificial Intelligence， Nanjing University of Posts and Telecommunications， Nanjing 210032， China）

Abstract：The large-scale distributed generation such as distributed photovoltaic and wind power integration and the rapid development of power cyber and physical system（CPS） bring incalculable influence on the operation and dispatch of power system. Aiming at the problem of improving the reliability of power supply in emergency state， this paper puts forward a load transfer method oriented to the integration of transmission and distribution networks. Firstly， the distributed generation model is established considering the characteristics of photovoltaic and wind power. Secondly， the load is classified according to the importance of the load， and the recovery rate of the load is calculated by taking the communication delay into account. Then， taking load shedding and network loss as objective functions and considering network constraints， genetic algorithm is constructed to optimize the objective function. Finally， verification is carried out on the power CPS co-simulation platform， the results show that the proposed method is closer to the actual operating conditions and has a better load recovery effect， thus reducing socio-economic losses.

Keywords：PV power；wind power； distributed generation； cyber physical system； genetic algorithms； load transfer