配電系統中變電站智能化升級策略

譚嫣，孫磊，齊峰，向麗玲，龍霏，林振智，文福拴

(1.廣東電網有限責任公司電力調度控制中心，廣州市 510600；2.浙江大學電氣工程學院，杭州市 310027)

配電系統中變電站智能化升級策略

譚嫣1，孫磊2，齊峰2，向麗玲1，龍霏1，林振智2，文福拴2

(1.廣東電網有限責任公司電力調度控制中心，廣州市 510600；2.浙江大學電氣工程學院，杭州市 310027)

代表變電站技術發展趨勢的智能變電站是智能電網的重要組成部分。智能變電站的配置對系統安全與經濟運行具有重要影響，是值得研究的重要問題。在此背景下，研究了計及可靠性的配電系統中變電站智能化升級問題。首先，以變電站智能化升級成本和用戶停電損失之和最小化為目標函數，考慮系統平均停電時間(system average interruption duration index，SAIDI)和電量不足平均值(average energy not supplied，AENS)這2個可靠性指標不超過給定閾值等約束條件，構建了配電系統中變電站的智能化升級優化模型。之后，發展了針對配電系統故障的故障清除模型，提出了評估用戶停電時間的比較準確的方法。接著，對用戶停電時間和用戶停電損失函數進行線性化處理，得到變電站智能化升級問題的混合整數線性規劃模型，并采用高效商業求解器求解。最后，以IEEE RBTS-Bus 4配電系統和丹麥某中壓配電系統為例來說明所提方法的基本特征。

配電系統；智能變電站；可靠性；停電時間評估；混合整數線性規劃

0 引 言

配電系統供電可靠性與用戶對電力服務的滿意度密切相關。在采用電力市場化運營的國家或地區，電力監管機構會按照相關監管條例對沒有滿足供電可靠性指標的配電公司實施經濟懲罰[1-3]。因此，在配電系統規劃和運行中，如何提高配電系統可靠性、減少停電事故的發生頻率和停電時間是配電公司關心的重要問題。現有的供電可靠性大多以停電時間或停電頻率為基礎，如系統平均停電頻率指標(system average interruption frequency index，SAIFI)、系統平均停電時間指標(system average interruption duration index，SAIDI)、電量不足期望值(expected energy not supplied，EENS)和電量不足平均值(average energy not supplied，AENS)[4-7]。

采用智能變電站可明顯減少事故停電時間[8-9]。在國家電網公司發布的企業標準《智能變電站技術導則》中，給出了智能變電站的明確定義[10]，不過國際上尚沒有公認的、統一的定義。無論如何，智能變電站在智能電網建設中的核心地位在電力系統領域中已得到廣泛認可。智能變電站具有較高的自動化水平，可以有效改善供電安全性、可靠性、經濟性和電能質量。

在智能變電站方面，國內外已有相當多的研究報道。文獻[10]比較了中歐智能變電站的發展歷程，討論了中歐智能變電站發展的現狀和趨勢。基于實時數字仿真系統，文獻[11]提出了智能變電站二次系統的一種動模試驗方法，適用于保護裝置功能試驗、二次系統特殊試驗、差動保護同步性測試和二次系統整體測試等。文獻[12]采用以太無源光網絡技術(ethernet passive optical network，EPON)處理數據傳輸的帶寬分配問題，分析了采用EPON方式構建站內狀態監測和視頻系統的可行性和經濟性。文獻[13]介紹了新一代智能變電站頂層設計的內涵和方法，并提出了基于質量功能展開法(quality function deployment，QFD)和全生命周期成本(life cycle costs，LCC)相結合的變電站整體集成設計模式。文獻[14]提出了一種智能變電站自動化系統實現方案，并闡述了其中所包括的6項關鍵技術，即面向間隔的縱向集成裝置實現技術、基于并行冗余協議(parallel redundancy protocol，PRP)的網絡冗余技術、基于服務的主子站遠程交互技術、變電站遠方全景觀測技術、分布式應用技術和系統維護可視化技術。文獻[15]研究了智能變電站的站內信息流，包括測量信息流、控制信息流、保護信息流和監測信息流，提出了一種融合測量、控制、保護、監測和計量等功能的全站信息流架構，并在國家電網公司新一代智能站示范工程中得到了應用。文獻[16]研究了智能變電站二次設備信息模型的工程應用標準化校驗技術，分別從靜態和動態模型校驗算法這2個方面提出了基于可擴展模板和規則的靜態校驗方法、基于雙層嵌套哈希表模型相互一致性校驗方法和基于內存樹比對的動態校驗方法。文獻[17]提出了智能變電站二次設備的效能評估方法，從可用性、可信性和固有能力這3個方面構建了效能評估模型，并針對3臺合并單元對模型進行了驗證。文獻[18]介紹了所研制的智能變電站站域保護控制裝置，特別是硬件和軟件實現方法。智能變電站有很多先進功能，包括變電站自動運行控制、設備狀態檢修、復雜運行狀態下的自適應、分布式協調控制、智能分析和優化決策[19]。這些功能是在基于高速以太網、采用IEC 61850標準的通訊系統上實現的，可以在過程層(process level)和廠站層(station level)實現對全部數據的管理[20]。綜上所述，雖然到目前為止就智能變電站運行方案、信息模型、效能評估等方面已有不少研究文獻，但在變電站智能化升級策略方面尚沒有系統的研究報道。

針對在現有配電系統中傳統變電站需要向智能變電站過渡的需求，本文發展變電站智能化升級優化模型和求解方法。所構建的變電站智能化升級優化模型有以下特點：(1)對智能變電站的數量和位置同時優化；(2)考慮了系統平均停電時間、電量不足平均值這2個可靠性指標約束；(3)包括了故障清除模型，其針對線路故障條件并以最小化電量不足期望值為目標，用于確定故障區內候選故障線路的最優檢測順序；(4)采用分段線性函數描述用戶停電損失，并通過引入輔助變量將其線性化處理，即轉化為包括一個等式和若干不等式的線性模型；(5)系混合整數線性規劃模型，可采用高效的商業求解器求取全局最優解。最后，以IEEE RBTS-Bus 4標準配電系統和丹麥某實際10 kV配電系統為例說明所發展的模型和方法的基本特征。

1 變電站智能化升級的優化模型

雖然電力公司將常規變電站改造為智能變電站需要投入相當多的資金，但智能變電站能夠有效提高供電可靠性，減少用戶停電時間和停電損失，從而獲得可靠性收益或避免可靠性指標不滿足要求而導致的罰款。這樣，在研究變電站智能化升級優化策略時，就需要考慮供電可靠性要求。

所構造的變電站智能化升級優化模型以最小化變電站智能化升級成本(包含投資成本和運行維護成本)和用戶停電損失期望值為目標函數，以系統平均停電時間和電量不足平均值這2個可靠性指標不超過給定閾值等為約束條件。變電站智能化升級的優化模型為：

min(CEIC+COU+COM)=

(1)

(2)

(3)

(4)

(5)

(6)

式(2)和式(4)分別表示SAIDI和AENS的取值均不能大于配電系統所允許的閾值，各自的閾值由監管機構確定或由配電系統運行機構(distribution system operator，DSO)按照相關的監管條例確定。式(3)和式(5)分別為SAIDI和AENS的計算公式。

2 故障清除模型

當配電系統發生故障時，分段開關會動作以隔離故障。非故障停電區域的電力供應因為分段開關動作而不會中斷，故障停電區域則必須先清除故障，方能恢復供電。故障區域內用戶的停電時間與維修人員檢修候選故障線路的順序有關。

故障發生后，配電系統運行人員首先要進行故障定位。如果配電系統變電站和控制中心之間缺少通信系統，就很難對故障進行準確定位。在這種情況下，檢修人員只能對可能的故障線路逐個排查，直到找到故障所在位置為止。這個操作過程通常從故障區域中靠近電源側的線路開始，依次對可能的故障線路進行排查，整個過程耗時耗力。故障區域的停電時間等于從故障發生到檢測出故障線路所需時間、故障線路的修復時間和對故障區域恢復供電時間三部分的總和。優化故障區域內候選故障線路的檢測順序，有助于快速確定故障線路，從而有效縮減停電時間。

借用文獻[21]所提出的區的概念，即假設候選故障線路被限制在故障區中。這里提出以給定故障區z中電量不足期望值最小為目標的故障清除模型，其可描述為

(7)

此外，還需要滿足的約束條件如下詳述。

(1)任一候選故障線路只被檢測1次。該約束可描述為

(8)

(2)在任意時間t，只檢測1條候選故障線路。該約束可描述為

(9)

式中nz表示區z內的線路數。

通過求解式(7)—(9)，可得故障區域內候選故障線路的最優檢測順序，進而可求得用戶停電時間[21]。

(10)

對于配電系統中的智能變電站，可通過分析監測設備收集的信息對故障進行準確定位。智能變電站內的隔離開關接收到控制信號后，自動閉合或斷開以對故障進行隔離，可大幅減少用戶停電時間。

3 變電站智能化升級的混合整數線性規劃模型

為改善求解效率，采用2種線性化策略分別對故障時間和用戶停電損失函數進行線性化處理，最終將所提出的變電站智能化升級優化模型轉換為混合整數線性規劃模型。

3.1 停電時間函數的線性化

配電系統發生故障后，用戶停電時間與故障點位置、變電站分布和類型等有關。借鑒文獻[22-23]中的模型，這里用戶停電時間與智能變電站的位置用線性不等式關聯起來，即式(11)—(16)，并加入到變電站智能化升級模型中。

(11)

(12)

(13)

(14)

(15)

(16)

由式(11)和式(12)可知，對于位于故障區z上游或下游的變電站s，當z和s之間存在智能變電站時，故障區上游的分段開關動作時間為智能變電站內智能隔離開關動作時間；否則為手動斷開與z位置最近的上游分段開關所需時間。由式(11)和式(13)可知，對于位于故障區z內的變電站s，當z與故障區上游交界處的變電站為智能變電站時，故障區上游的分段開關動作時間為智能變電站內智能隔離開關動作時間；否則為手動斷開和與z位置最近的上游分段開關所需時間。同理，由式(14)和式(15)可知，對于位于故障區z下游的變電站s，當z和s之間存在智能變電站時，故障區下游的隔離開關動作時間為智能變電站內智能隔離開關動作時間；否則為手動斷開和與z最近的上游分段開關所需時間。由式(14)和式(16)可知，對于位于故障區z內的變電站s，當z與故障區下游交界處的變電站為智能變電站時，故障區下游的隔離開關動作時間為智能變電站內智能隔離開關動作時間；否則為手動斷開和與z最近的下游隔離開關所需時間。故障區下游的非故障停電區域可通過打開分段開關將故障隔離，并通過閉合聯絡開關為其恢復供電。因此，如果聯絡開關兩側的饋線上(不包括聯絡開關兩側的變電站)至少有一個智能變電站，則聯絡開關兩側的變電站至少有一個為智能變電站與之配合，否則聯絡開關兩側的變電站均不是智能變電站，這在數學上可表示為

(17)

3.2 用戶停電損失函數的線性化

(18)

可通過引入輔助變量將分段線性函數轉變為連續線性可微函數。第k類用戶針對停電時間ts,f,l的停電損失函數如圖1所示，其在數學上可描述為：

(19)

(20)

(21)

(22)

(23)

(24)

圖1 第k類用戶的停電損失關于停電時間的分段線性函數Fig.1 Piecewise linear functions of outage cost for customers with type k

利用式(19)，可得用戶停電損失期望值的表達式。

(25)

綜上所述，變電站智能化升級問題最終可描述為如下的混合整數線性規劃模型，其約束條件為式(2)—(6)、式(11)—(17)、式(20)—(24)。

(26)

AMPL(a mathematical programming language)是一種描述并求解大規模復雜數學問題的建模語言[25]，采用代數語言的形式描述數學模型，其本身并不涉及與待求解具體問題相關的理論和算法。AMPL可調用合適的外部求解器(如CPLEX，IPOPT，SNOPT等)，求解其所描述的數學模型。采用AMPL可以簡化優化問題的數學描述方式，改善其可讀性，便于實現智能優化算法包括現代啟發式優化算法如遺傳算法等。CPLEX是由IBM公司開發的可以求解多種優化問題的高效商業求解器。本文采用AMPL描述所構造的優化模型，并調用CPLEX求解器進行求解[26]。計算程序是在Intel i5 3.4-GHz，8 GB RAM，Windows 7計算機系統環境下實現和運行的。

4 算例分析

以IEEE RBTS-Bus 4配電系統和丹麥某實際10 kV中壓配電系統為例，對所提出的方法進行說明。

把一個常規變電站升級為智能變電站的投資費用總體上可以分為2個部分，即智能變電站的隔離開關費用和配套通訊設備等費用。文獻[24]中給出的低壓智能變電站隔離開關費用為9 071美元，而配套通訊設備等費用約為隔離開關費用的1.5倍，即 13 606美元，這樣總投資費用約為22 677美元。給定智能變電站的使用壽命為15 a。智能變電站每年的運行維護費用為折算到每年投資費用的2%[22]，計算可得將一個常規變電站升級為智能變電站的年度投資和運行維護費用為1 542.04美元·a-1。假定線路故障率表示導線故障率與導線上所配置的保護、控制設備的故障率之和，導線故障率取值為 0.01次·(a·km)-1，導線上所配置的保護、控制設備的故障率為0.025次·a-1。文獻[24]給出了不同類型用戶單位時間的停電損失，給定ρ為0.000 01。假設用戶負荷每年保持5%的增長率[27]，用于評估用戶停電時間的相關時間參數如表1所示。

表1 用于評估用戶停電時間的相關時間參數
Table 1 Time parameters for evaluating outage duration of customers

4.1 IEEE RBTS-Bus 4配電系統

本節以IEEE RBTS-Bus 4配電系統為例，對所提出的方法進行說明。該系統中每條饋線的長度、拓撲結構、負荷水平、用戶種類和數量均取自文獻[4]，這里不再贅述。取SAIDI的閾值為20 min·a-1，AENS的閾值為5 kW·h·a-1。

對該算例的求解時間為0.13 s。在所求得的最優解中，有8個常規變電站需升級為智能變電站，相應的SAIDI和AENS指標值分別為12.15 min·a-1和1.13 kW·h·a-1，優化結果如圖2所示。其中需要升級為智能變電站的其編號用粗體標識，虛線表示聯絡開關。

圖2 RBTS-BUS 4系統最優升級方案中所包括的智能變電站數量和位置Fig.2 Number and allocations of smart substations in optimal upgrading scheme of RBTS-BUS 4

圖3展示了總成本、用戶停電損失和SAIDI指標值隨智能變電站數量增加而變化的情況。由圖3可以看出，用戶停電損失和SAIDI指標值均隨智能變電站數量增加而減少，而總成本則隨智能變電站數量增加先減少而后增加。如果系統中的所有變電站均升級為智能變電站，與所求得的最優方案相比，SAIDI指標值從12.15 min·a-1下降至2.39 min·a-1，而總成本升高到最優方案的1.95倍。與所有變電站均不升級為智能變電站的場景相比，最優方案的總成本下降14.2%，SAIDI指數從15.76 min·a-1降至12.15 min·a-1，AENS指數則從1.81 kW·h·a-1降至 1.13 kW·h·a-1。

圖3 RBTS-BUS 4系統變電站智能化升級的總成本、停電損失和SAIDI指標隨智能變電站數量的變化情況Fig.3 Total upgrading cost, outage cost and SAIDI with different numbers of upgraded smart substations in RBTS-Bus 4

4.2 丹麥某中壓配電系統

本節以圖4所示的位于丹麥東部的某實際中壓配電系統為例，說明所提方法在實際電力系統中應用的可行性和有效性。該系統中有5個50 kV/10 kV一次變電站(primary substations)和98個10 kV/ 0.4 kV二次變電站(secondary substations)。該系統為大約5 000個用戶供電。丹麥將配電系統中的負荷細分為26種，本文將其歸納為3類，即居民負荷、商業負荷和工業負荷。取SAIDI和AENS的閾值分別為50 min·a-1和5 kW·h·a-1。

對該算例的求解時間為3.21 s。在所求得的最優解中，有12個常規變電站需升級為智能變電站，相應的SAIDI和AENS指標值分別為47.25 min·a-1和2.24 kW·h·a-1。優化結果如圖4所示，其中需要升級為智能變電站的其編號用粗體標識。最優升級方案的總成本為49 749.23美元，如圖5所示。與IEEE RBTS-Bus 4配電系統的結果類似，將配電系統中的常規變電站升級為智能變電站可有效減小用戶停電損失。當智能變電站數量小于12時，總成本隨智能變電站數量增加而減少。

圖4 丹麥某實際中壓配電系統最優升級方案中所包含的智能變電站數量和位置Fig.4 Number and allocations of smart substations in optimal upgrading scheme of an actual medium voltage distribution network in Denmark

4.3 靈敏度分析

線路故障率、常規變電站升級為智能變電站所需投資成本、SAIDI閾值、AENS閾值以及用戶停電損失函數的模擬方法等因素均對變電站智能化升級優化模型的最優解有影響。這里考察常規變電站最優升級方案對線路故障率和常規變電站升級為智能變電站的投資成本這2個參數的靈敏度。

圖5 丹麥某實際中壓配電系統變電站智能化升級的總成本、停電損失和SAIDI指標隨智能變電站數量的變化情況Fig.5 Total upgrading cost, outage cost and SAIDI with different numbers of upgraded smart substations in an actual medium voltage distribution network in Denmark

在該丹麥實際系統中，所有配電線路均為電纜，故障率一般較架空線路低[4]。表2給出了最優升級方案隨線路故障率變化的情況。由表2可以看出，隨著線路故障率的增加，升級為智能變電站的常規變電站數量隨之增加，例如當線路故障率增幅為50%時，需升級為智能變電站的常規變電站數量幾乎增加1倍。

隨著技術的不斷進步，常規變電站升級為智能變電站的投資成本會趨于下降。變電站智能化最優升級方案隨該投資成本的變化如表3所示。隨著常規變電站升級為智能變電站的投資成本減少，升級為智能變電站的常規變電站數量增加，從而引起停電損失、SAIDI和AENS的值下降。

表2 線路故障率對最優升級方案的影響
Table 2 Impacts of line failure rates on optimal upgrading strategies

表3 智能變電站投資成本對最優升級方案的影響Table 3 Impacts of investment costs of smart substations on optimal upgrading strategies

5 結 論

本文提出了一種配電系統中計及可靠性的變電站智能化升級策略，考察了智能變電站在減少故障所引起的停電時間進而減小停電損失方面的效益。在保證系統平均停電時間和電量不足平均值這2個可靠性指標不超過給定閾值的前提下，所構建的數學模型以常規變電站升級為智能變電站的總投資成本、運行維護成本和用戶停電損失之和最小化為目標函數確定升級策略。2個算例系統的計算結果表明，通過將傳統變電站升級為智能變電站，可有效縮減停電時間，從而減小停電損失。此外，也分析了智能變電站升級方案對線路故障率和投資成本的靈敏度。

[1]XU N Z, CHUNG C Y. Reliability evaluation of distribution systems including vehicle-to-home and vehicle-to-grid[J]. IEEE Transactions on Power Systems, 2016, 31(1): 759-768.

[2]FALAHATI B, FU Y. Reliability assessment of smart grids considering indirect cyber-power interdependencies[J]. IEEE Transactions on Smart Grid, 2014, 5(4): 1677-1685.

[3]JUNLAKARN S, ILIC M. Distribution system reliability options and utility liability[J]. IEEE Transactions on Smart Grid, 2014, 5(5): 2227-2234.

[4]ALLANR N, BILLINTON R, SJARIEF I, et al. A reliability test system for educational purposes: Basic distribution system data and results[J]. IEEE Transactions on Power Systems, 1991, 6(2): 813-820.

[5]BILLINTONR, WANG P. Distribution system reliability cost/worth analysis using analytical and sequential simulation techniques[J]. IEEE Transactions on Power Systems, 1998, 13(4): 1245-1250.

[6]葛少云, 王浩鳴. 基于系統狀態轉移抽樣的含分布式電源配電網可靠性評估[J]. 電力系統自動化, 2013, 37(2): 28-35. GE Shaoyun, WANG Haoming. Reliability evaluation of distribution networks including distributed generations based on system state transition sampling[J]. Automation of Electric Power Systems, 2013, 37(2): 28-35.

[7]郭永基, KOFI. 考慮容量約束的配電系統可靠性評估[J]. 電力系統自動化, 2000, 24(17): 48-52. GUO Yongji, KOFI. Reliability evaluation of distribution system with consideration of capacity constraint[J]. Automation of Electric Power Systems, 2000, 24(17): 48-52.

[8]GüNG?R V C, SAHIN D, KOCAK T, et al. Smart grid technologies: communication technologies and standards[J]. IEEE Transactions on Industrial Informatics, 2011, 7(4): 529-539.

[9]FARHANGI H.The path of the smart grid [J]. IEEE Power & Energy Magazine, 2010, 8(1): 18-28.

[10]樊陳, 倪益民, 申洪, 等. 中歐智能變電站發展的對比分析[J]. 電力系統自動化, 2015, 39(16): 1-7, 15. FAN Chen, NI Yimin, SHEN Hong, et al. Comparative analysis on development of smart substations in China and Europe[J]. Automation of Electric Power Systems, 2015, 39(16): 1-7, 15.

[11]李鵬, 王玉婷, 劉玙, 等. 智能變電站實時閉環測試技術研究及應用[J]. 電力建設, 2014, 35(11)：54-59. LI Peng, WANG Yuting, LIU Yu, et al. Research and application of real-time close-loop test technology for intelligent substation[J]. Electric Power Construction, 2014, 35(11)：54-59.

[12]楊臻, 趙燕茹. EPON技術在智能變電站狀態監測和視頻監控系統中的應用[J]. 電力建設, 2014, 35(11): 107-111. YANG Zhen, ZHAO Yanru. Application of EPON technology in smart substation condition monitoring and video surveillance systems[J]. Electric Power Construction, 2014, 35(11): 107-111.

[13]閆培麗, 陳國華, 陳旭海. 新一代智能變電站頂層設計技術[J]. 電力建設, 2013, 34(12): 37-42. YAN Peili, CHEN Guohua, CHEN Xuhai. Top-level design technique for new generation smart substation[J]. Electric Power Construction, 2013, 34(12): 37-42.

[14]楊志宏, 周斌, 張海濱, 等. 智能變電站自動化系統新方案的探討[J]. 電力系統自動化, 2016, 40(14): 1-7. YANG Zhihong, ZHOU Bin, ZHANG Haibin, et al. Discussion on novel scheme of smart substation automation system[J]. Automation of Electric Power Systems, 2016, 40(14): 1-7.

[15]肖燕. 新一代智能變電站信息流架構設計[J]. 中國電機工程學報, 2016, 36(5): 1245-1251. XIAO Yan. Design of information flow scheme for new smart substation[J]. Proceedings of the CSEE, 2016, 36(5): 1245-1251.

[16]楊青, 黃樹幫, 張海東, 等. 智能變電站信息模型工程應用標準化校驗技術[J]. 電力系統自動化, 2016, 40(10): 132-136. YANG Qing, HUANG Shubang, ZHANG Haidong, et al. Standardized check technologies of information model for engineeringapplication in smart substation[J]. Automation of Electric Power Systems, 2016, 40(10): 132-136.

[17]陶文偉, 王玉磊, 李金, 等. 基于ADC的智能變電站二次設備效能評估[J]. 電力系統自動化, 2016, 40(23): 118-124. TAO Wenwei, WANG Yulei, LI Jin, et al. ADC based effectiveness evaluation of secondary equipment in smart substation[J]. Automation of Electric Power Systems, 2016, 40(23): 118-124.

[18]李志堅, 潘書燕, 宋斌, 等. 智能變電站站域保護控制裝置的研制[J]. 電力系統自動化, 2016, 40(13): 107-113. LI Zhijian, PAN Shuyan, SONG Bin, et al. Development of substation-area protection and control device in smart substation[J]. Automation of Electric Power Systems, 2016, 40(13): 107-113.

[19]HUANG Q, JING S, LI J, et al. Smart substation: State of art and future development[J]. IEEE Transactions on Power Delivery, 2016, 32(2): 1098-1105.

[20]INGRAMD M E, SCHAUB P, TAYLOR R R, et al. Performance analysis of IEC 61850 sampled value process bus networks[J]. IEEE Transactions on Industrial Informatics, 2013, 9(3): 1445-1454.

[21]ASSISL S D, GONZLEZ J F V, USBERTI F L, et al. Switch allocation problems in power distribution systems[J]. IEEE Transactions on Power Systems, 2015, 30(1): 246-253.

[22]ABIRI-JAHROMI A, FOTUHI-FIRUZABAD M, PARVANIA M, et al. Optimized sectionalizing switch placement strategy in distribution systems[J]. IEEE Transactions on Power Delivery, 2012, 27(1): 362-370.

[23]SIIRTOO K, SAFDARIAN A, LEHTONEN M, et al. Optimal distribution network automation considering earth fault events[J]. IEEE Transactions on Smart Grid, 2015, 6(2): 1010-1018.

[24]CHEN C S, LIN C H, CHUANG H J, et al. Optimal placement of line switches for distribution automation systems using immune algorithm[J]. IEEE Transactions on Power Systems, 2006, 21(3): 1209-1217.

[25]ROBERT F, DAVID M G, BRIAN W K. A modeling language for mathematical programming [J]. Management Science, 1990, 36(5): 519-554.

[26]International Business Machines Corporation. IBM ILOG AMPL version 12.2-user’s guide [EB/OL]. (2014-03-26) [2017-04-07]. http://www.ampl.com/BOOKLETS/amplcplex122userguide.pdf.

[27]DEHGHAN S, AMJADY N, KAZEMI A. Two-stage robust generation expansion planning: A mixed integer linear programming model[J]. IEEE Transactions on Power Systems, 2014, 29(2): 584-597.

(編輯 景賀峰)

Intelligent Upgrading Strategy of Substations in Power Distribution System

TAN Yan1，SUN Lei2，QI Feng2，XIANG Liling1，LONG Fei1，LIN Zhenzhi2，WEN Fushuan2

(1. Power Dispatch and Control Center of Guangdong Power Grid Co., Ltd., Guangzhou 510600, China;2. School of Electrical Engineering，Zhejiang University, Hangzhou 310027, China)

A smart substation, which represents the development trend of advanced substation technology, is an important part of a smart grid. The configuration of smart substation could have significant impacts on the secure and economic operation of the distribution system concerned, and is an important problem to be addressed. Given this background, this paper studies the intelligent upgrading strategy of substations in power distribution system with reliability indices considered. First, we construct the intelligent upgrading optimization model of substations in power distribution system to minimize the upgrade costs of existing conventional substations and the interruption costs of customers, with considering the constraint conditions that two reliability indices including the system average interruption duration index (SAIDI) and average energy not supplied (AENS) don’t exceed a given threshold. Secondly, we present a fault clearing model for power distribution system and propose an accurate assessment method for the user’s outage time. Then, we linearize the user’s outage time and outage cost function to obtain a mixed integer linear programming model for the intelligent upgrading strategy of substations, which is solved by efficient commercial solvers. Finally, the IEEE RBTS-Bus 4 distribution power system and an actual medium voltage distribution network in Denmark are served for demonstrating the basic characteristics of the presented method.

distribution system; smart substation; reliability; outage time assessment; mixed integer linear programming

國家自然科學基金項目(51477151)；國家重點基礎研究發展計劃項目(973項目)(2013CB228202)；廣東電網有限責任公司科技項目(GDKJQQ20153001)

TM 72

A

1000-7229(2017)07-0114-09

10.3969/j.issn.1000-7229.2017.07.014

2017-03-02

譚嫣(1987)，女，碩士，工程師，主要從事電力系統運行與控制方面的研究工作；

孫磊(1989)，男，博士研究生，本文通信作者，主要研究方向為智能電網、電力系統恢復；

齊峰(1993)，男，碩士研究生，主要研究方向為智能電網與電動汽車；

向麗玲(1972)，女，碩士，高級工程師，主要從事電力系統運行與控制方面的研究工作；

龍霏(1985)，女，碩士，工程師，主要從事電力系統運行與控制方面的研究工作；

林振智(1979)，男，博士，副教授，博士生導師，主要研究方向為電力應急與電力系統恢復；

文福拴(1965)，男，博士，教授，博士生導師，主要研究方向為電力系統故障診斷與系統恢復、電力經濟與電力市場、智能電網與電動汽車。

Project supported by National Natural Science Foundation of China(51477151)；the National Basic Research Program of China (973 Program) (2013CB228202)