考慮微網(wǎng)出力不確定性的配電網(wǎng)孤島劃分

張佳羽，郭力萍，王維棟，王洋，胡志帥

（1.烏蘭察布電業(yè)局，內(nèi)蒙古烏蘭察布 012000；2.內(nèi)蒙古工業(yè)大學(xué)電力學(xué)院，內(nèi)蒙古呼和浩特 010080）

考慮微網(wǎng)出力不確定性的配電網(wǎng)孤島劃分

張佳羽1，2，郭力萍2，王維棟2，王洋2，胡志帥2

（1.烏蘭察布電業(yè)局，內(nèi)蒙古烏蘭察布 012000；2.內(nèi)蒙古工業(yè)大學(xué)電力學(xué)院，內(nèi)蒙古呼和浩特 010080）

隨著分布式發(fā)電技術(shù)和微網(wǎng)技術(shù)的發(fā)展，越來越多的配電網(wǎng)發(fā)展為多源的智能配電網(wǎng)。含源配電網(wǎng)的發(fā)展給配電網(wǎng)帶來了靈活的運行方式，尤其是在部分設(shè)備發(fā)生故障的情況下，可以先充分利用獨立電源能夠獨立供電的特性進行孤島劃分，恢復(fù)失電區(qū)域的部分負荷，之后再通過聯(lián)絡(luò)開關(guān)進行重構(gòu)，如此能夠有效減小故障期間的損失，所以對含源配電網(wǎng)孤島劃分的研究具有重要意義。

對于孤島劃分的研究主要集中在劃分方法上，尤其是啟發(fā)式算法的孤島劃分方法[1-10]。文獻[11]提出了一種基于樹背包理論的方法，針對計及分布式電源出力波動及負荷需求不確定性的配電網(wǎng)孤島劃分問題進行求解，并通過隨機潮流的優(yōu)化調(diào)整，保證孤島運行的最優(yōu)性、安全性和經(jīng)濟性。文獻[12]通過提出一種基于有向圖的配電網(wǎng)結(jié)構(gòu)模型，保證了運行區(qū)域的輻射狀約束，在此基礎(chǔ)上將孤島劃分問題轉(zhuǎn)化為一個混合整數(shù)線性規(guī)劃問題進行求解，同時考慮了開關(guān)操作性、負荷等級和可靠性等問題。文獻[13]提出了一種在配電網(wǎng)故障情況下的光伏電源微網(wǎng)（micro grid，MG）孤島動態(tài)運行策略。以微網(wǎng)內(nèi)發(fā)-用電不平衡功率最小為目標函數(shù)，建立了孤島運行的優(yōu)化模型，實現(xiàn)故障后對負荷的供電恢復(fù)。文獻[14]在搜索方法上采用從電源點出發(fā)，利用“功率樹”分別對各個分布式電源形成孤島，校正階段將孤島進行合并，最后通過可枚舉性數(shù)學(xué)方法確定問題的解空間。上述啟發(fā)式方法能夠通過各自的思路求取孤島劃分方案，但是各方法不具有普遍性，并沒有一個統(tǒng)一的路徑，并且給出的方案僅僅滿足單一情況，沒有對多種情況提供方案選擇的條件。

本文針對上述以啟發(fā)式算法為基礎(chǔ)的孤島劃分問題的局限性，給出一種更具一般性的孤島劃分方法。首先對孤島劃分中經(jīng)濟性和可靠性進行分析，提煉出失電量最小和不可靠度最小2個矛盾的物理量來表征配電網(wǎng)孤島劃分的量度，在此基礎(chǔ)上以2個量度作為目標函數(shù)構(gòu)建配電網(wǎng)孤島劃分的多目標優(yōu)化模型。同時為了更好地實現(xiàn)脫網(wǎng)區(qū)域的編碼工作，提出了一種基于脫網(wǎng)區(qū)域線路編碼的修復(fù)方法，既保證了配電網(wǎng)的輻射狀約束，又減小了斷線的冗余信息。最后基于Vague的方法實現(xiàn)統(tǒng)籌主觀因素和客觀因素的多屬性決策，給出最優(yōu)孤島劃分方案。

1 含源配電網(wǎng)孤島劃分問題分析

傳統(tǒng)的配電網(wǎng)除了并網(wǎng)節(jié)點外，內(nèi)部是不包含獨立運行的發(fā)電設(shè)備的。但是分布式電源和微網(wǎng)的接入，使得配電網(wǎng)成為多源網(wǎng)絡(luò)結(jié)構(gòu)，從而具有更加靈活多變的運行方式，尤其是在故障情況下，能夠通過采取措施，使得部分節(jié)點和微網(wǎng)進入孤島運行模式，減小失電損失。

含有微網(wǎng)的配電網(wǎng)孤島劃分問題，重點為微網(wǎng)出力不確定性的處理。微網(wǎng)是諸多獨立電源的集合，其內(nèi)部諸電源多以風能和太陽能等清潔能源進行發(fā)電，出力會受到自然條件的影響。而自然條件無時無刻不處于變化之中，微網(wǎng)的出力也成為一個變量，是不斷變化的。微網(wǎng)出力的波動，在配電網(wǎng)孤島劃分中會反映到重構(gòu)方案的可靠性上。因為對于孤島部分而言，微網(wǎng)出力的波動會對方案是否滿足約束條件產(chǎn)生巨大影響，尤其是當微網(wǎng)出力減小的時候，很可能會出現(xiàn)孤島內(nèi)部功率不平衡的情況，引發(fā)安全事故。當微網(wǎng)出力增大時，可以在孤島內(nèi)部容納更多負荷節(jié)點，而方案若沒有如此執(zhí)行，會給孤島方案的經(jīng)濟性帶來影響。對于并網(wǎng)運行的情況，微網(wǎng)出力的減小，使得線路傳輸功率增大，甚至超過線路的極限傳輸功率，可能引起電壓下降，甚至越界。并且線路傳輸功率的增加，增大了線路上的功率損耗，會出現(xiàn)違背運行約束的情況。

綜上所述，對于配電網(wǎng)孤島劃分問題而言，經(jīng)濟性和可靠性是一對此消彼長的對立量。如若追求孤島方案的可靠性，則需要切除更多負荷，則經(jīng)濟性受到影響；如果追求方案的經(jīng)濟性，則會使得方案受微網(wǎng)出力波動的影響增大，變得不可靠，面臨二次切負荷或者重大安全事故的風險。所以，孤島劃分是一個在微網(wǎng)出力不確定基礎(chǔ)上綜合方案經(jīng)濟性和可靠性的過程[15-16]。

2 含微網(wǎng)配電網(wǎng)孤島劃分模型及求解

2.1 孤島劃分模型

2.1.1 微網(wǎng)出力不確定性模型

微網(wǎng)出力的不確定性主要是來自內(nèi)部電源的不確定性，各電源出力具有獨立性，微網(wǎng)對外出力其實為各電源綜合出力的一個結(jié)果[17-20]。所以可以采用基于拉丁超立方抽樣的蒙特卡羅法進行仿真，建立微網(wǎng)對外出力的置信度區(qū)間模型，如式（1）所示。

式中：Pout為微網(wǎng)的實際出力，kW；PY為微網(wǎng)出力的預(yù)測值；PC為微網(wǎng)出力的誤差值。從式（1）可以看出，微網(wǎng)的實際出力受到預(yù)測水平的影響，以置信度水平在預(yù)測的出力下波動。微網(wǎng)出力的置信度水平模型，具體數(shù)值與置信度的關(guān)系通過對微網(wǎng)運行的實際觀測得到，數(shù)據(jù)可靠性高，應(yīng)用方便。

2.1.2 孤島劃分的多目標模型

配電網(wǎng)在發(fā)生故障后，如果在失電區(qū)域內(nèi)含有微網(wǎng)，應(yīng)當通過適當?shù)財嚅_某些線路形成微網(wǎng)帶孤島運行，通過適當?shù)墓聧u策略最小化失電損失，保證供電的可靠性。考慮到微網(wǎng)出力的不確定性，如果使其帶過多負荷，則極有可能出現(xiàn)功率不平衡情況，引發(fā)違背運行約束情況，甚至形成二次失電，所以含微網(wǎng)的配電網(wǎng)孤島劃分應(yīng)當在失電量最小和可靠性最大之間尋求一種平衡，在滿足一定可靠性的前提下，尋求使得失電最小的孤島劃分方案。

所以以網(wǎng)絡(luò)拓撲結(jié)構(gòu)為優(yōu)化變量，以最小不可靠性和最小失電量為目標的多目標孤島劃分模型[21-22]，其數(shù)學(xué)表達如式（2）所示。

式中：X為孤島劃分方案對應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)；F1為失電負荷量；E為帶電設(shè)備的集合；m?E為失電設(shè)備；Lm為設(shè)備m的負荷量；F2為不可靠度；k為在蒙特卡羅仿真中，因違背運行約束而發(fā)生不可靠時間的數(shù)目；K為蒙特卡羅仿真中進行的總的仿真次數(shù)。其中F1通過對孤島劃分方案的拓撲網(wǎng)絡(luò)進行分析得到，F(xiàn)2在對方案進行蒙特卡羅仿真過程中進行潮流校驗得到。

孤島劃分模型包括如下約束條件：

1）功率平衡約束

功率平衡約束要求在每一個孤島內(nèi)部，微網(wǎng)的實際出力之和都應(yīng)當大于微網(wǎng)內(nèi)部所有負荷與網(wǎng)絡(luò)損耗的總和，應(yīng)當保證電能的供大于求。

式中：Ii為所劃分的第i個孤島內(nèi)的節(jié)點集合；為配電系統(tǒng)中節(jié)點v的負荷量；為孤島i網(wǎng)絡(luò)有功損耗；G為微網(wǎng)節(jié)點的集合；為節(jié)點v所并網(wǎng)的微網(wǎng)對外出力。

2）電網(wǎng)運行約束

式中：Ui、Uimin、Uimax分別為節(jié)點i的電壓值和電壓的上、下限；Sj為線路j的實際潮流；Sjmax為線路j允許通過的最大潮流。

3）輻射狀結(jié)構(gòu)約束

配電網(wǎng)運行的輻射狀約束是必須滿足的，在重構(gòu)的前后都不允許出現(xiàn)環(huán)網(wǎng)，否則使得故障定位和保護裝置整定發(fā)生錯誤。

式中：X為重構(gòu)后配電網(wǎng)的拓撲結(jié)構(gòu)；g為輻射狀拓撲結(jié)構(gòu)集合。

4）微網(wǎng)出力約束

2.2 孤島模型求解方法

2.2.1 網(wǎng)絡(luò)編碼的處理方法

孤島劃分是在含微網(wǎng)的配電網(wǎng)發(fā)生故障后，識別與主網(wǎng)失去直接連接的節(jié)點，對線路進行有選擇的斷開，使得部分節(jié)點與微網(wǎng)的連接斷開，剩下與微網(wǎng)有連接的節(jié)點同微網(wǎng)進入孤島運行模式，孤島需要滿足內(nèi)部功率平衡、線路傳輸功率和節(jié)點電壓的要求。所以，孤島劃分的主要任務(wù)是選擇合適的線路，斷開適當?shù)呢摵晒?jié)點，使得微網(wǎng)及其附近節(jié)點順利進入孤島運行模式。

采用基于遺傳算法的孤島劃分方法，主要步驟如下。

第一步，識別故障信息，對配電網(wǎng)進行節(jié)點深度編碼，判斷所有與主網(wǎng)分離的節(jié)點，構(gòu)成分離節(jié)點集合T1，讀取T1內(nèi)全部線路的數(shù)量，記為N1。對線路進行重新編號。

第二步，遺傳算法染色體的確定。染色體位數(shù)為N1，與線路編號一一對應(yīng)，染色體的第i位對應(yīng)于重新編號后號碼為i的線路，染色體的編碼為0代表此線路斷開，染色體的編碼為1代表線路保持原來的狀態(tài)不斷開。隨機生成N1位0、1編碼的染色體。

第三步，染色體修復(fù)。被斷開的線路分為兩類，一類為孤島隔離開斷線路，另一類為重復(fù)開斷線路。孤島隔離開斷線路指的是從微網(wǎng)出發(fā)進行搜索，各個方向上第一個被搜索到的被打開的線路，直接決定了孤島的狀態(tài)，閉合這類線路，孤島會發(fā)生變化；重復(fù)開段線路指的是除孤島隔離開斷線路外被打開的線路，閉合這類線路，孤島不會發(fā)生變化。

對染色體進行修復(fù)，首先要識別兩類開斷線路，保持孤島隔離開斷線路不變，對重復(fù)開斷線路進行修復(fù)，具體修復(fù)過程為重新閉合重復(fù)開斷線路，使其對應(yīng)位置的染色體編碼由0變?yōu)?。兩類開斷線路和染色體操作如圖1所示。

圖1 斷線操作Fig.1 Disconnected operations

圖1中，線路2-3處于故障狀態(tài)，在進行孤島劃分線路編碼過程中，線路3-4和4-5狀態(tài)為0，表示處于斷開狀態(tài)，但是線路4-5的斷開對孤島形成是有效的，而線路3-4的斷開對孤島的形成是無效的，所以在編碼修復(fù)過程中，保持線路4-5斷開，而閉合線路3-4。

第四步，統(tǒng)計失負荷量。失負荷節(jié)點為既不與主網(wǎng)有連接關(guān)系，也不處于孤島的節(jié)點，這類節(jié)點無法從主網(wǎng)和微網(wǎng)得到電能，會失去負荷。對這類節(jié)點進行統(tǒng)計，得到當前孤島劃分方案的失電量指標。

第五步，可靠性的蒙特卡洛仿真。每一個染色體都是一個孤島劃分方案，對方案進行蒙特卡洛仿真，以求得方案的可靠性。通過抽樣，把不確定性的微網(wǎng)對外出力轉(zhuǎn)化為確定性的對外出力。在確定的微網(wǎng)出力基礎(chǔ)上，利用最優(yōu)潮流法進行孤島運行可靠性檢測。共進行M次抽樣，經(jīng)過潮流驗證，其中發(fā)生違背約束的情況共有m次，記當前方案的不可靠性為m/M[23]。

第六步，遺傳進化算法。進行遺傳算法主程序，包括交叉、變異、適應(yīng)度求取等操作。通過遺傳算法進行方案的優(yōu)化。

第七步，非劣解集的獲取。當進化算法結(jié)束后，其輸出的結(jié)果為所有可能的孤島劃分方案，以及各方案的失電量和可靠性。各方案之間為非劣關(guān)系，共同構(gòu)成了孤島劃分多目標優(yōu)化的非劣解集。

2.2.2 拉丁超立方體進化算法

針對一般優(yōu)化算法抽樣不均勻的問題，本文采用一種對稱化處理的拉丁超立方體進化算法對所建模型進行求解，其主要思路及流程如下[24-26]。

第一，統(tǒng)計失電區(qū)域內(nèi)可斷開線路數(shù)目n作為編碼的個數(shù)，針對每條線路狀態(tài)進行編碼。

第二，構(gòu)建n維空間的拉丁超立方體，每一個維度表示一位編碼，由于線路狀態(tài)只有閉合（1）或者斷開（0），所以每一個維度上僅僅有2個離散的取值點0和1。所以在空間上形成2n個空間點，表示所有可能的方案，每一個點表征一個孤島劃分方案。

第三，設(shè)進化算法每一代中包含m個個體，則初代種群在拉丁超立方體空間內(nèi)隨機選擇m/2個點，然后再選擇所選擇的每一個點的幾何對稱位置的點，由此共選擇了m個點，代表m個方案，視為初始種群。

第四，計算目標函數(shù)并進行排序選擇。

第五，進行變異和遺傳操作，并保證抽樣空間的對稱性。

第六，當達到結(jié)束條件后，輸出非劣解集。

3 基于Vague集的多屬性決策過程

根據(jù)遺傳算法進行求解的多目標優(yōu)化結(jié)果滿足非劣關(guān)系，即不存在任何一個方案支配另一個方案的情況，一個解在可靠性上處于優(yōu)勢，則其在電量恢復(fù)上必然處于劣勢。匯總所有方案得到以可靠性和電量恢復(fù)為目標的孤島劃分方案非劣解集，解集中的所有解對應(yīng)目標函數(shù)的Pareto前沿曲面。從非劣解集中選取一個最終方案的過程稱為多目標優(yōu)化決策過程。一般情況下，決策者無法完全摒棄選擇過程中的主觀意愿，在決策過程中會根據(jù)自己的喜好對不同屬性賦予不同權(quán)重，這會直接影響最終的決策結(jié)果。在決策過程中，權(quán)重的確定包括主觀權(quán)重的確定和客觀權(quán)重的確定，其中主觀權(quán)重主要反映的是決策者個人對不同屬性的偏好；客觀權(quán)重更加客觀地反映了各目標屬性的分布。通過給出主觀權(quán)重和客觀權(quán)重的確定方法，建立基于模糊熵權(quán)的Vague集多屬性決策方法[27-30]。

進行模糊熵權(quán)的Vague集多屬性決策，主要步驟包括主觀權(quán)重的確定、客觀權(quán)重的確定、綜合權(quán)重的確定和評分。

3.1 主觀權(quán)重的確定

主觀權(quán)重zh通過專家評分的方式確定，由多位專家根據(jù)自身經(jīng)驗對各屬性進行評分，然后再通過面積中心法轉(zhuǎn)化為統(tǒng)一各專家意見的主觀權(quán)重。

3.2 客觀權(quán)重的確定

客觀權(quán)重wh通過對所得非劣解集中的信息確定。將非劣解集定義為決策矩陣B=（bkh）n×m，其中n表示方案的個數(shù)，m表示目標屬性的個數(shù)，對其進行規(guī)范化處理，表示為G=（gkh）n×m，求取屬性h的熵權(quán)值Hh過程如下：

第一步，計算指標。

效益型指標計算如式（7）所示。

第二步，確定每個屬性的熵值。

第三步，確定屬性h的客觀權(quán)重wh，如式（9）所示：

3.3 綜合權(quán)重的確定

綜合權(quán)重的確定采用模糊熵權(quán)法，可以綜合決策者的主觀因素和決策矩陣的客觀信息，這樣既避免了決策者的盲目性，也能夠吸收其經(jīng)驗，可以更好地作出選擇。采用加權(quán)幾何平均法得到的模糊熵權(quán)如式（10）所示。

3.4 基于模糊熵權(quán)法的Vague集多屬性決策方法

Vague集定義為假定U為論域，元素x為U中的任意一個元素，U上的一個Vague集A指U上的一對隸屬函數(shù)tA和fA，tA:U→［0，1］，fA:U→［0，1］，滿足0≤tA（x）+fA（x）≤1，其中tA（x）為A的真隸屬函數(shù)，代表支持x∈A證據(jù)的隸屬度下界；fA（x）是A的假隸屬函數(shù)，代表反對x∈A證據(jù)的隸屬度下界；πA（x）=1－tA（x）－fA（x）為x相對于A的猶豫度，πA（x）越大，表明x相對于A有越多的未知信息。下文將Vague集A簡記為（tA，fA）。

基于模糊熵權(quán)的Vague集多屬性決策過程如下：

1）確定正、負理想解g+、g－，g+為屬性對應(yīng)的最優(yōu)值，g－為屬性對應(yīng)的最差值，方法如下：

gkh對正理想方案指標以及負理想方案指標的真假隸屬度分別為

綜合Vague隸屬度為

3）計算Pareto非劣解集里每個方案相對理想方案的綜合Vague值Vk=［tk，fk］，k=1，2，…，n。

4）按照評分函數(shù)的大小排序，選取最終的滿意方案。

按照式（17）評分函數(shù)求得方案k對于理想方案的適應(yīng)程度。

對孤島劃分候選方案進行排序時，先依據(jù)每個方案的S1的大小進行排序，S1越大對應(yīng)的方案越優(yōu)；如果S1一樣，再依據(jù)S2的大小進行排序，S2越大對應(yīng)的方案越優(yōu)。

4 算例驗證

為了驗證本文所提模型和方法的有效性，采用PG&E69節(jié)點算例進行驗證。PG&E69節(jié)點系統(tǒng)共有節(jié)點69個，其中節(jié)點1為配電網(wǎng)并網(wǎng)節(jié)點，線路73條，聯(lián)絡(luò)開關(guān)5條，系統(tǒng)電源的基準電壓為12.66 kW，網(wǎng)絡(luò)總負荷為3 802.19+j2 694.60 kW，結(jié)構(gòu)如圖2所示，微網(wǎng)并網(wǎng)節(jié)點以及容量信息如表1所示。

圖2 含微網(wǎng)的PG&E69節(jié)點配電網(wǎng)接線圖Fig.2 Illustration of PG&E69 node distribution network with micro-grid

各微網(wǎng)對外供電的置信度數(shù)學(xué)表達如式（18）所示。

表1 微電源容量配置結(jié)果Tab.1 Capacity configuration results of the micro sources of micro-grids

以線路3-4故障為例進行孤島劃分方案優(yōu)化過程，通過給出多目標的Pareto非劣解集和多屬性決策過程，以驗證本文方法的有效性。

第一步，求取給定故障位置孤島劃分的Pareto非劣解和非劣解前沿曲線，通過優(yōu)化得到的結(jié)果如圖3所示。

圖3 Pareto非劣解集分布Fig.3 Pareto optimal set distribution

第二步，對非劣解集中的各個解進行多屬性決策。通過讓多位經(jīng)驗豐富的專業(yè)人員對失電量和不可靠度進行權(quán)重賦值，最后得到的主觀權(quán)重向量為[0.395 2，0.604 8]T。2個方面均屬于效益型指標，故對其進行規(guī)范化處理，最終得到的客觀權(quán)重向量為[0.453 7，0.546 3]T。綜合考慮主觀權(quán)重信息與客觀權(quán)重信息，利用綜合權(quán)重計算式，得到失電量與不可靠度的綜合權(quán)重為[0.351 8，0.648 2]T，采用Vague集矩陣，對Pareto非劣解集中的各個候選方案進行評分，結(jié)果如表2所示。

對于表2中的各個方案，互不支配，按照Vague集的評分結(jié)果可以得知，方案三為最優(yōu)解，方案對應(yīng)的孤島劃分方案如圖4所示。

表2 優(yōu)化方案評分結(jié)果Tab.2 Optimization score results

圖4 系統(tǒng)PG&E69線路3-4孤島劃分結(jié)果Fig.4 Islanding results of lines 3-4 of System PG&E69

當線路3-4發(fā)生故障退出運行后，孤島劃分方案把線路8-9，8-40，15-16，37-38，49-50，52-53斷開，在主網(wǎng)之外由4個微網(wǎng)形成了3個孤島運行，其中MG1和MG2聯(lián)合形成多孤島系統(tǒng)，MG3和MG4各自單獨帶孤島運行，孤島內(nèi)部負荷略低于微網(wǎng)的預(yù)測出力，與實際情況吻合。當改變決策條件后，可以得到滿足不同要求的孤島劃分方案，以適應(yīng)不同場合的要求。

同樣地，對不同故障位置下的方案進行求取，結(jié)果如圖5—圖7所示。

圖5 系統(tǒng)PG&E69線路2-3孤島劃分結(jié)果Fig.5 Islanding results of lines 2-3 of System PG&E69

5 結(jié)論

本文以脫網(wǎng)區(qū)域的線路狀態(tài)量為優(yōu)化變量，以失電負荷和不可靠度最小為優(yōu)化目標，建立了方法上更具一般性的考慮微網(wǎng)出力不確定性的配電網(wǎng)孤島劃分模型。經(jīng)分析本文所提方法有以下結(jié)論：

圖6 系統(tǒng)PG&E69線路4-5孤島劃分結(jié)果Fig.6 Islanding results of lines 4-5 of System PG&E69

圖7 系統(tǒng)PG&E69線路10-11孤島劃分結(jié)果Fig.7 Islanding results of lines 10-11 of System PG&E69

1）目標函數(shù)包含方案的不可靠度，將微網(wǎng)出力的不確定性對孤島劃分方案的影響加以考慮，使得最終的方案是在充分考慮不確定性的基礎(chǔ)上得到的。

2）微網(wǎng)對外出力是一種組合出力的方式，通過對組合出力數(shù)據(jù)進行分析，建立了微網(wǎng)出力不確定性的置信度模型，使用方便并且能夠滿足數(shù)據(jù)準確度的要求。

3）采用Vague集的多屬性決策方法，能夠兼顧主觀權(quán)重和客觀權(quán)重信息，使得最終確定的方案更加科學(xué)合理。由于給出了滿足非劣關(guān)系的解集，所以能夠針對不同場合選擇不同的孤島劃分方案，方便工程應(yīng)用。

[1]劉偉佳，孫磊，林振智，等.含間歇電源、儲能和電動汽車的配電孤島短時恢復(fù)供電策略[J].電力系統(tǒng)自動化，2015，39（16）:49-58.LIU Weijia，SUN Lei，LIN Zhenzhi，el al.Short-period restoration strategy in isolated electrical islands with intermittent energy sources，energy storage systems and electric vehicles[J].Automation of Electric Power System，2015，39（16）:49-58.

[2]楊國華，肖龍，楊涌濤，等.考慮孤島劃分策略的多源微網(wǎng)孤島檢測技術(shù)研究[J].電測與儀表，2014，51（1）:35-39.YANG Guohua，XIAO Long，YANG Yongtao，el al.Study on multi-source micro-grid islanding detection technique with islanding scheme[J].Electrical Measurement&Instrumnenation，2014，51（1）:35-39.

[3]趙晶晶，楊秀，符楊.考慮分布式發(fā)電孤島運行方式的智能配電網(wǎng)供電恢復(fù)策略研究[J].電力系統(tǒng)保護與控制，2011，39（17）:45-49.ZHAO Jingjing，YANG Xiu，F(xiàn)U Yang.Smart distribution system service restoration using distributed generation islanding technique[J].PowerSystem Protection and Control，2011，39（17）:45-49.

[4]高燕.主動配電網(wǎng)計劃孤島與日前調(diào)度方法研究[D].北京：中國農(nóng)業(yè)大學(xué)，2013.

[5]CALDON R，STOCCO A，TURRI R.Feasible of adaptive intentional islading opterion of electric utility systems with distributed generation[J].Electric Power Syetems Research，2008，78（17）:2017-2023.

[6]李志鏗，王鋼，陳志剛，等.基于區(qū)間潮流的含分布式電源配電網(wǎng)故障恢復(fù)算法[C]//中國電機工程學(xué)會電力系統(tǒng)自動化專業(yè)委員會三屆一次會議暨2011年學(xué)術(shù)交流會，南京，2011:53-58.

[7]黃弦超，楊雨，范聞博.配電網(wǎng)多故障搶修與供電恢復(fù)聯(lián)合優(yōu)化模型[J].電力系統(tǒng)自動化，2014，38（11）:68-73.HUANG Xianchao，YANG Yu，F(xiàn)AN Wenbo.Combined optimization model for maintenance scheduling and service restoration of distribution system[J].Automation of Electric Power System，2014，38（11）:68-73.

[8]王旭東，林濟鏗.基于分支定界的含分布式發(fā)電配網(wǎng)孤島劃分[J].中國電機工程學(xué)報，2011，31（7）:16-20.WANG Xudong，LIU Jikeng.Island partition of the distribution system with distributed generation based on branch and bound algorithm[J].Proceedings of the CSEE，2011，31（7）:16-20.

[9]易新，陸于平.分布式發(fā)電條件下的配電網(wǎng)孤島劃分算法[J].電網(wǎng)技術(shù)，2006，30（7）:50-54.YI Xin，LU Yuping.Islanding algorithm of distribution networkswith distributed generators[J].PowerSystem Technology，2006，30（7）:50-54.

[10]董曉峰，陸于平.基于改進Prim算法的分布式發(fā)電孤島劃分方法[J].電網(wǎng)技術(shù)，2010，34（9）:195-201.DONG Xiaofeng，LU Yuping.Islanding algorithm for distributed generators based on improved prim algorithm[J].Power System Technology，2010，34（9）：195-201.

[11]李飛，徐弢，林濟鏗，等.計及分布式電源出力和負荷不確定性的配電網(wǎng)孤島劃分[J].電力系統(tǒng)自動化，2015，39（14）：105-113.LI Fei，XU Tao，LIN Jikeng，et al.Island partition of distribution network considering uncertainty of distributed generators and loads[J].Automation of Electric Power System，2015，39（14）:105-113.

[12]胡哲晟，郭瑞鵬，藍海波，等.基于有向圖的含分布式電源配電網(wǎng)孤島劃分模型[J].電力系統(tǒng)自動化，2015，39（14）:97-104.HU Zhesheng，GUO Ruipeng，LAN Haibo，el al.Islanding model of distribution system with distributed generators based on directed graph[J].Automation of Electric Power System，2015，39（14）:97-104.

[13]ABDELAZIZ A Y，MOHAMMED F M，MEKHAMER S F，et al.Distribution systems reconfiguration using a modified particleswarm optimization algorithm[J].Electric Power Systems Research，2009，79（11）:1521-1530.

[14]李承熹.配電網(wǎng)中分布式電源并網(wǎng)優(yōu)化運行與孤島劃分問題研究[D].杭州：浙江大學(xué)，2013.

[15]向月，劉俊勇，姚良忠，等.故障條件下含分布式電源配網(wǎng)的孤島劃分與重構(gòu)優(yōu)化策略研究[J].電網(wǎng)技術(shù)，2013，37（7）:1025-1031.XIANG Yue， LIU Junyong， YAO Liangzhong， et al.Optimization strategy for island partitioning and reconfiguration of faulted distribution network containing distributed generation[J].Power System Technology，2013，37（7）:1025-1031.

[16]李承嘉，楊強，顏文俊，等.含分布式光伏電源的微電網(wǎng)孤島動態(tài)運行策略[J].電力系統(tǒng)保護與控制，2013，41（8）:99-104.LI Chengjia， YANG Qiang， YAN Wenjun.Dynamic islanding operation of microgrid with distributed photovoltaic generators[J].Power System Protection and Control，2013，41（8）:99-104.

[17]吳雄，王秀麗.新能源組合出力的置信區(qū)間估計[J].電力系統(tǒng)自動化，2013，37（16）:7-12.WU Xiong，WANG Xiuli.Estimationonconfidence intervalsofcombined outputofrenewable energy[J].Automation of Electric Power System，2013，37（16）:7-12.

[18]王建學(xué)，張耀，萬筱鐘，等.面向電網(wǎng)運行的新能源出力特性指標體系研究——風電出力特性指標體系[J].電網(wǎng)與清潔能源，2016，32（2）:42-51.WANG Jianxue，ZHANG Yao，WAN Xiaozhong，et al.An operation-oriented evaluation index system for renewable power output characteristics:wind power output characteristics[J].Power System and Clean Energy，2016，32（2）:42-51.

[19]葉斌，李萬啟，王緒利，等.含分布式新能源的配電網(wǎng)風險規(guī)劃[J].電力建設(shè)，2016，37（4）:117-123.YE Bin，LI Wanqi，WANG Xuli，et al.Risk planning of distribution network with distributed new energy[J].Electric Power Construction，2016，37（4）:117-123.

[20]任建文，渠衛(wèi)東.基于機會約束規(guī)劃的孤島模式下微電網(wǎng)動態(tài)經(jīng)濟調(diào)度[J].電力自動化設(shè)備，2016，36（3）:73-78.REN Jianwen，QU Weidong.Dynamic economic dispatch based on chance-constrained programming for islanded microgrid[J].Electric Power Automation Equipment，2016，36（3）:73-78.

[21]雷德明.多目標智能優(yōu)化算法及其應(yīng)用[M].北京：科學(xué)出版社，2009.

[22]公茂果，焦李成，楊咚咚，等.進化多目標優(yōu)化研究[J].軟件學(xué)報，2009，20（2）:271-289.GONG Maoguo，JIAO Licheng，YANG Dongdong，et al.Research on evolutionary multi-objective optimization algorithms[J].Journal of Software，2009，20（2）:271-289.

[23]孟祥，沈澍東.基于Matlab和Matpower的孤島判別與處理[J].電子科技，2015，28（10）:123-125.MENG Xiang，SHEN Shudong.Island judgingand processing based on Matlab and Matpower[J].Electronic Sci.&Tech，2015，28（10）:123-125.

[24]王群.基于對稱拉丁超立方設(shè)計的多目標進化算法[D].西安：西安電子科技大學(xué)，2011.

[25]蔣程，王碩，王寶慶，等.基于拉丁超立方采樣的含風電電力系統(tǒng)的概率可靠性評估[J].電工技術(shù)學(xué)報，2016，31（10）：193-206.JIANG Cheng，WANG Shuo，WANG Baoqing，et al.Probabilistic reliability assessment of power system containing wind power based on latin hypercube sampling[J].Transactions of China Electrotechnical Society，2016，31（10）：193-206.

[26]張巍峰，車延博，劉陽升.電力系統(tǒng)可靠性評估中的改進拉丁超立方抽樣方法[J].電力系統(tǒng)自動化，2015（4）:52-57.ZHANG Weifeng，CHE Yanbo，LIU Yangsheng.Improved latin hypercube sampling method for reliability of power system[J].Automation of Electric Power System，2015（4）:52-57.

[27]鄧維斌，許昌林，樊自甫.基于Vague集相似度量的多準則模糊決策方法[J].系統(tǒng)工程理論與實踐，2014，46（4）:981-990.DENG Weibin，XU Changlin，F(xiàn)AN Zifu.Multi-criteria fuzzy decision making method based on similarity measures between vague sets[J].Systems Engineering-Theory&Practice，2014，46（4）:981-990.

[28]黃松，黃衛(wèi)來.基于熵權(quán)系數(shù)與vague集的多目標決策方法[C]//海峽兩岸信息管理發(fā)展策略研討會，武漢，2005:120-123.

[29]周曉光.基于Vague集的決策理論與方法[M].北京：科學(xué)出版社，2009.

[30]孔峰.模糊多屬性決策理論、方法及其應(yīng)用[M].北京：中國農(nóng)業(yè)科學(xué)技術(shù)出版社，2008.

Island Partion of Distribution Systems Considering Uncertainty of Micro-Grid

ZHANG Jiayu1，2，GUO Liping2，WANG Weidong2，WANG Yang2，HU Zhishuai2
（1.Bureau of Wulanchabu Electric Power，Wulanchabu 012000，Inner Mongolia，China；2.Institute of Electric Power，Inner Mongolia University of Technology，Hohhot 010080，Inner Mongolia，China）

When a failure occurs to distribution network，making full use of external power supply of micro-grid to form the island mode and restoring power supply to partial loads in the power-lost area become the basis of reliable power supply.With consideration of the uncertainty of external output of micro-grid，this paper builds a multi-objective optimization mode that aims at the minimum loss of power in the islanding scheme and the minimum value of the operation constraint unreliability and offers an encoding repair method adapting to the power distribution network to satisfy the radial constraint.Latin Hyper-cube evolutionary algorithm is used to explore the distribution network island partion program under conditions of micro-grid uncertainty.After obtaining the Pareto optimal set，subjective weights and objective weights are decided by Vague weight-quotient approach，which can determine the integrated weight of power loss and unreliability level，and work out an optimum island scheme by decision making.This method can make island schemes more generalized and be able to offer corresponding schemes according to different preferences and spot requirements.Finally，a modified PG&E 69-bus system containing micro-grid networks is used for simulation to verify the effectiveness of the proposed method.

micro-grid； uncertainty； island partition；multiple attribute decision making

配電網(wǎng)發(fā)生故障后，充分利用微網(wǎng)對外供電能力形成孤島，對失電區(qū)域內(nèi)部分負荷進行供電恢復(fù)工作，是保證供電可靠性的基礎(chǔ)。在考慮微網(wǎng)對外出力不確定性的基礎(chǔ)上，構(gòu)建了以孤島劃分方案失電負荷最小和運行約束不可靠度最小為目標的多目標優(yōu)化模型，并給出一種適用于配電網(wǎng)輻射狀約束的編碼修復(fù)方法。采用拉丁超立方進化算法求解考慮微網(wǎng)出力不確定性的配電網(wǎng)孤島劃分方案，在得到Parteo非劣解集的基礎(chǔ)上，以模糊商權(quán)方法統(tǒng)籌主觀權(quán)重和客觀權(quán)重，確定失電量和不可靠度的綜合權(quán)重，決策得到最優(yōu)孤島劃分方案，使得孤島劃分方法更具一般性，并且能夠針對不同的偏好與現(xiàn)場要求給出不同方案。最后針對含多微網(wǎng)的PG&E69節(jié)點配電系統(tǒng)進行仿真，以驗證所提方法的可行性。

微網(wǎng)；不確定性；孤島劃分；多屬性決策

1674-3814（2017）09-0046-08

TM711

A

國家自然科學(xué)基金項目（51367011）。

Project Supported by the National Natural Science Foundation（51367011）.

2016-08-15。

張佳羽（1991—），男，碩士研究生，研究方向為智能電網(wǎng)運行分析與控制；

郭力萍（1968—），女，副教授，碩士研究生導(dǎo)師，研究方向為電力系統(tǒng)規(guī)劃運行與控制，研究內(nèi)容集中在電力系統(tǒng)規(guī)劃與評估、電力系統(tǒng)負荷轉(zhuǎn)移與網(wǎng)絡(luò)重構(gòu)、電力系統(tǒng)故障分析與電壓質(zhì)量協(xié)調(diào)控制等。

（編輯 馮露）