配电终端优化配置模型的配电自动化技术及应用研究

陈晓锋，龚俊芳，孙成那

(浙江华云信息科技有限公司，浙江 杭州 310030)

电力系统的末端是配电网，配电网可以有效保证供电质量和供电能力[1]，因此提高配电网的供电可靠性一直是电力系统发展中的重要问题之一。构建配网自动化系统是提高配电网可靠性的一个有效方法。配网自动化系统的作用是实时对配电网的数据进行监测，从而及时发现故障位置。如果电网运行状态正常，配网自动化系统就保持优化配电网的运行方式。一旦电网处于异常运行状态，配网自动化系统就会迅速动作，对有故障的区域进行快速查找、隔离，并恢复无故障区域的供电[2]。作为配网自动化的关键，馈线自动化一般采用“二遥”和“三遥”终端作为自动化终端[3]。不同地区的终端配置可以根据自身的可靠性要求进行优化选择，但选择时还需要考虑投资和可靠性的关系，才能确保配电网建设运行的经济性和可靠性都达到最优[4-7]。目前，很多研究者针对配电终端的优化配置问题进行了深入研究，出现了许多优秀的算法，然而这些算法普遍存在寻优效率差的问题。

为解决这个问题，本文建立了一个三层优化模型，将馈线的各种负荷类型作为决策变量。对于上中下三层模型，本文均采用粒子群算法求解，最后利用IEEERBTSBUS5算例验证算法的有效性。

1 配电终端配置优化模型求解算法研究

1.1 含配电终端的配电系统可靠性分析

2012年，国家电网公司发布了Q/GDW 1738—2012《配电网规划设计技术导则》，其中依据行政级别和负荷密度将供电区域划分为A+、A、B、C、D、E 6类。供电用户最重要的是A+区域，要求保证用户年平均停电时间不高于5 min；供电用户最不重要的是E区域，要求为不低于(向)社会承诺的指标[8-9]。一般在A+区域安装“三遥”终端设备快速进行故障隔离，及时恢复供电。在E区域安装“二遥”或“一遥”终端设备[10-11]。系统故障时间T的计算公式为：

T=t1+t2+t3+t4

(1)

式中：t1，t2，t3，t4分别为故障定位时间、隔离时间、修复时间及联络开关定位时间。4类故障时间与不同配电终端类型之间的关系见表1。

表1 不同配电终端类型对系统4类故障时间的影响

由表1可以看出，在配电终端安装“二遥”会对故障隔离时间及故障修复时间产生影响，“三遥”仅会对故障修复时间产生影响，“一遥”对4类故障时间均产生影响。为保证配置结果的经济性和寻优效率，本文建立一个三层优化模型来解决配电终端配置问题[12]。

1.2 上层优化模型

在该模型中，将配电终端安装位置作为决策变量，期望通过相关优化最大化减少初始配置费。其目标函数为：

minC=CF

(2)

式中：CF为配电终端设备投资总费用；C为配电终端设备的前期配置费用。

C=K1Ps1+K2Ps2

(3)

式中：K1为“二遥”终端的数量；K2为“三遥”终端的数量；Ps1为“二遥”终端投资费用；Ps2为“三遥”终端投资费用。

1.3 中层优化模型

该模型将馈线的各种负荷类型作为决策变量，并对维修与置换终端的费用做了优化处理,目标函数为：

minC=CM+CR

(4)

式中：CM,CR分别为配电终端维修、置换费用。

(5)

式中：s为工程投资时间；L1和L2分别为“二遥”和“三遥”终端的使用期限。

1.4 下层优化模型

配电终端配置下层优化模型在优化时要满足系统平均供电可用率ASAI约束。

ASAI的数学表达式为：

(6)

式中：8 760为1年中的小时数；Ni为第i个用户负荷数；Ti为第i个用户平均停电持续时间。

下层优化模型以停电损失费最小化作为优化方向，并将配电终端安装类型确定为决策变量。目标函数为:

(7)

式中：CL为停电损失费；Cj为用户j平均损失费；ENSj为停电后用户j缺供电量平均值；N为系统中用户数量。

1.5 三层优化模型的求解流程

上中下三层的优化目标和决策变量互相影响、共同作用。比如，终端安装类型的选择需要在明确终端安装位置的前提下进行。安装类型明确后，需将结果反馈至上、中层模型，以实现对安装位置的再次求解。然后下层模型会依据该结果执行优化措施。本文设构建配电终端上层优化模型的决策变量为0，1，利用二进制粒子群算法对其进行求解。设配电网中有gb个可变的配电终端开关，第i个粒子的位置为Xi,取0或1，速度为Vi。迭代过程中，粒子群逐渐趋于全局最优位置和局部最优位置。在迭代过程中按式(8)～(10)所示的计算方案对位置进行调整。

(8)

(9)

(10)

中层优化模型的求解算法是粒子群算法，步骤如下：

第一步，进行种群初始化，即选择一种编码方案，在解空间内利用随机生成方式，初始化一定量的个体，组成遗传种群。

第二步，对第一步中构建的种群进行评估，即利用启发式算法对种群中的个体生成排样图，并利用排样图计算个体的适应函数值，随后保存当前种群中性能最好的个体。

第三步，选择操作，即以种群中个体的适应度为判断标准，利用期望值的方法选出适应度高的个体。

第四步，对选出的个体进行交叉操作，最后进行终止判断。

中下层优化模型能够对停电损失费进行函数计算，降低各项成本。在验证模型的可靠性时，求解模型的时间会因此延长。当上、中层模型较为复杂时，下层模型的求解效率必然会降低，为此需要使用配置参数较少、寻优成功率高的萤火虫算法对下层优化模型进行求解。

(11)

(12)

式中：Ii为萤火虫i绝对亮度；Iij为相对亮度；γ为光吸收系数；rij为萤火虫i到萤火虫j的距离；ω0为最大吸引力；ωij为萤火虫i到萤火虫j的笛卡尔距离。

萤火虫j被萤火虫i吸引后，其位置更新方式如下：

xi(k+1)=xi+ωij(rij)(xi(k)-xj(k))+θ

(13)

式中：θ为常数；xi(k+1)为萤火虫i新的位置。

模型求解流程如图1所示。

图1 模型求解流程

1.6 算例参数

在列出各模型目标函数之后，以IEERBTSBUS5中的3条馈线对模型进行仿真实验，IEEERTBSBUS5中3条馈线接线模式如图2所示[13-14]，该接线由同一变电所不同母线或不同变电所的母线馈线连接形成配电环网，给沿线用户配电。正常运行时，分段开关常闭，联络开关常开，一旦环路中某段区域发生故障，故障区域分段开关打开，环路联络开关闭合，其余区段可以继续供电。

图2 IEEERTBSBUS5 3条馈线接线示意图

考虑到市场现状，设“二遥”和“三遥”终端投资单价分别为1万元和5万元，预期运行期限设为5 a。未安装配电终端时，故障处理时间取4 h；安装“二遥”终端，故障处理时间取2 h；安装“三遥”终端，故障处理时间取0.05 h；工程投资时间为10 a。系统给定的最低平均供电可用率取99.945%。

2 结果与讨论

2.1 配电终端数量对系统各项成本的影响

在配电自动化建设项目中，需要根据终端数量求解相关的投入。如果“二遥”和“三遥”的终端数量不同，那么系统的各项成本也会存在差异。表2是系统成本与“二遥”和“三遥”终端数量的关系。

由表2可以看出，在“三遥”终端为0或1台时，系统费用出现了上下波动，即缓慢下降后再上升。系统的供电可用率 随“二遥”终端安装数量的增加而升高。当“二遥”设备<2台时，终端的配置费用的增幅小于系统停电损失费用的减小幅度，系统总成本呈下降趋势。当“二遥”设备>3台时，终端的配置费用的增幅大于系统停电损失费用的减小幅度，系统总成本呈上升趋势。当“三遥”终端安装数量超过1台时不论“二遥”终端安装数量为多少，系统总成本一直处于增加状态。由此可见，系统成本与“二遥”和“三遥”终端数量存在复杂关系，应当通过科学、合理的计算方式，在保证系统可靠性的前提下配置“二遥”和“三遥”终端，以节约工程费用。

表2 系统成本与“二遥”和“三遥”终端数量的关系

2.2 配电终端三层优化模型求解结果

从表3中可以看出，在优化模型和原始模型安装的“三遥”终端数量相同时，优化模型安装的“二遥”终端数量比原始模型的“二遥”终端数量少，优化模型在减小系统损失方面没有原始模型效果好，但其总成本要比原始模型低。

表3 模型求解结果对比

3 结束语

本文对配电终端优化配置模型的配电自动化技术进行研究，建立了配电终端三层优化模型，并给出了各层的决策变量。其中，上中下层三层模型涉及终端安装位置、安装类型等变量，模型的优化目标和终端置换、维修、安装成本相关联。利用算例对所提模型进行验证，结果表明，该模型能够有效解决传统配置模型寻优效率差的问题。对比优化前后的模型可知，在保证可靠性的情况下，优化模型能够一定程度上减少配电终端“二遥”和“三遥”安装数量，降低配置费用，让配电终端变得更加经济。但本文的研究还存在一些不足，所提模型只能满足对可靠性要求较低区域的配电需求，对于可靠性要求较高的区域，则要结合实际再进行更深入的研究与设计。