考慮分布式電源接入的配電網狀態檢修決策優化

郭騰云,于 磊,王 和,郝國剛,宋方方

(國網冀北電力公司張家口供電公司,河北 張家口 075000)

0 引言

針對當前階段配電網與配電網檢修技術的發展趨勢,在配電網檢修計劃的制定過程中考慮分布式電源出力的不確定性與狀態檢修模式是保證檢修計劃可靠性的必然要求。在狀態檢修方面,文獻[1]指出狀態檢修能夠以設備的實際健康狀態為依據制定檢修計劃,保證檢修方案的經濟性和安全性。文獻[2]指出狀態檢修能夠及時、有效地安排設備檢修,實現按需檢修,保證可靠性和經濟性。文獻[3]提出一種計及設備故障風險及電網運行風險的設備狀態檢修決策優化模型,將設備狀況與電網運行情況綜合考慮。文獻[4]對考慮分布式電源的檢修問題進行探索,指出配電網檢修計劃是檢修時間與負荷轉移路徑的聯合優化問題,并給出了相應的操作原則,但是未能考慮出力的不確定性。文獻[5]采用可信度理論描述不確定性,對分布式電源出力進行處理,具有一定可信度。但是采用模糊和機會約束的方法來處理不確定性,需要大量歷史數據作為可信理論的依據,計算工作量較大,難以滿足檢修優化對負荷轉移優化的要求。

針對上述問題,結合設備在線監測技術和設備狀態預測技術,提出了一種新的基于檢修設備集的檢修方法,在檢修周期內對設備集進行檢修安排。構建了檢修時間優化與負荷轉移優化相結合的雙層優化問題,在一定程度上解決了上述2個問題在配電網檢修中的難點,具有一定的實際意義。

1 考慮分布式電源的配電網狀態檢修分析

1.1 分布式電源出力不確定性的影響以及雙層優化模型

配電網中接入出力具有不確定性的分布式電源后,會對原來的檢修策略制定方法產生影響,應當充分考慮。在檢修過程中進行負荷轉移操作后,若分布式電源出力減小,已求得的負荷轉移方案有可能會出現功率不平衡、違背運行約束條件的情況,被迫進行二次負荷轉移甚至切負荷。如若分布式電源出力增加,則存在更優的負荷轉移方案可以消納更多分布式電源出力,減小失電負荷。一方面要盡最大能力消耗分布式電源出力、減小失電損失,另一方面要降低違背運行約束以及二次失負荷的情況發生。

負荷轉移優化做為一個具體的優化問題已經相對復雜,但是檢修時間優化需要求取負荷轉移操作的方案以相關成本,所以二者構成了雙層優化模型。外層為檢修時間優化,內層為負荷轉移優化,二者相互支持,時間優化為負荷轉移優化提供每個檢修時段下具體檢修設備的信息。負荷轉移優化負責求取對應的最優負荷轉移路徑和相關成本,返還給檢修優化,作為檢修優化適應度的一部分。二者信息共享,共同完成檢修計劃的制定工作。

1.2 狀態檢修實現的相關問題

狀態檢修是一個根據設備狀態得到檢修設備集的問題。但是現階段我國雖然在大力發展狀態檢修技術,但是狀態檢修對于配電網依然存在一定的困難。主要來自于配電網設備繁多種類復雜,無法做到每臺都配備相應的在線監測設備,因此本文探索一種實時監測狀態量與預測狀態量相結合的求取檢修設備的方法,最大程度地發揮狀態檢修的優勢,彌補現階段暴露出來的問題。

在狀態檢修的背景下,首先通過狀態量的監測與預測得到檢修設備集,然后對檢修設備集內的設備安排檢修時間優化,在檢修優化過程中不斷進行負荷轉移優化求取相關的負荷轉移方案以及成本,在所得到的檢修方案中進行決策,選擇最優的方案確定為最終的檢修方案加以實施。

2 考慮分布式電源接入的配電網狀態檢修模型

2.1 動態檢修設備集的確定

每一個檢修周期內的動態檢修設備由狀態監測、狀態預測兩部分構成。

2.1.1 狀態監測部分

對于變壓器、重要線路等重要設備,已有相對配套的監測設備,能夠通過設備狀態量的監測數據得到設備的實時狀態。

2.1.2 狀態預測部分

配電網中很多設備無法實現有效的在線監測,提取這些設備的實時狀態比較困難,對于此類設備,則采用狀態預測的方法確定狀態。設備狀態預測與故障率求取的方法如下:

故障率λ是基于設備故障發生概率得到的,通過對所有設備故障發生概率的統計,得出設備的故障率。根據故障率與故障概率的關系,得出故障率的計算公式

常用的設備隨時間老化的經驗公式對設備的健康指數進行評估,公式如下

式中:HI0為設備上次評估的健康指數;B為設備老化系數;ΔT為距上次評估所跨越的時間。

將預測狀態較差或者預測水平低于閾值的設備加入當期的動態檢修設備集,故障率為預測狀態水平確定的故障率。

2.2 基于兩階段模型的負荷轉移優化方法

分布式電源出力不確定性會對調度人員制定的負荷轉移方案產生影響,破壞方案的穩定性,增加成本。基于以上思路,采用兩階段模型對配電網檢修中的負荷轉移問題進行求解,步驟如下:

第1階段為負荷轉移方案制定階段。該階段根據決策者最小化負荷轉移成本的思路制定負荷轉移方案。根據分布式電源出力的預測值,采用節點深度編碼與遺傳算法相結合的方法求取預測出力水平,確定成本最低的方案

第2階段為負荷轉移成本確定階段。該階段根據分布式電源最大化相關成本的思路確定所得方案的成本。在給定的分布式電源出力區間內進行遍歷,則所選方案的成本會隨出力的變化而變化,選擇遍歷得到的最高成本定為該負荷轉移方案的成本,而非第1階段求得的方案。

由上述思路與步驟歸納的考慮分布式電源出力不確定性的負荷轉移優化模型為

式中:N為劃分時段數;X為網絡拓撲結構;L1,t為t階段的開關操作費用;L2,t為階段t的失電費用;L3,t為網絡損耗費用。Uimin,Ui,Uimax分別為節點i的最低允許電壓、實際電壓和最高允許電壓;Sk,Skmax分別為線路k流過的實際功率和最大允許功率。X為負荷轉移后配電網的拓撲結構,g為輻射狀拓撲結構集合。

具體負荷轉移方案的求解采用基于節點深度編碼技術的方法實現[6]。在尋優過程中很好地保證了配電網的輻射狀約束,避免網絡分析環節,節約優化時間。

2.3 多目標的配電網狀態檢修優化模型

在一個檢修周期內,配電網面臨的風險主要有配電網的檢修風險和配電網故障風險。

配電網的檢修風險指的是計劃內停運設備發生的相關費用,其數學表達如式(4)。

式中:ND為檢修周期內包含的總的時段數;GM1(d)為時段d的設備檢修費用;FM(d)為根據博弈方法得到的d時段檢修工況下開關操作費用、計劃失電費用、網絡損耗費用總和。

配電網的故障風險指的是計劃外停運設備發生的相關費用,由于各設備會依自己的故障率發生故障,是不確定性故障,故配電網的故障風險定義為故障與相應故障概率的乘積。

其數學表達為

式中:φ(d)為時段d內故障集;ρ(h,d)為時段d內設備h的故障率;GR1,h(d)為時段d內設備h的資產損失;Ch,s為設備h的修復成本;μh(d)為相應的可修復概率;Ch,r為設備的重置成本;FR,h(d)為根據博弈方法得到的d時故障重構的開關操作費用、計劃失電費用、網絡損耗費用總和。

以檢修時間為變量,檢修風險和故障風險最小為目標的多目標優化模型如下:

約束條件在滿足負荷轉移相關約束的基礎上,還應當考慮檢修能力約束和硬性檢修約束。

檢修能力約束指的是檢修工作受到人力、物力的限制,同時在檢修的設備不得超過一定限制

式中:Ud為時段d內計劃停運檢修設備的數目;u為一個時段內在檢修狀態設備數目的最大值。

2.4 配電網狀態檢修方案決策模型

總體目標貼近度的決策方法可以從各目標綜合角度反映目標的總體達成程度,因此可以更加客觀地對檢修方案給出評價。

多目標的一般形式為

定義目標gi的正、負理想點為和。則定義單目標滿意度為

目標函數g與其正、負理想點的夾角余弦為

在此基礎上,構造總體目標貼近度函數

選擇滿足單目標滿意度與總體目標貼近度的決策模型,通過人為給定單目標的最低滿意程度,對2個目標同時考慮,求得的結果更加合理,其數學表達式為

決策得到滿足決策者要求的最優解,這一最優解既滿足一定的單目標滿意度,也綜合考慮了個目標之間的均衡關系,可以作為最終的檢修方案[7]。

3 狀態檢修模型求解

根據上述原理與模型,基于遺傳算法的求解流程示意,見圖1。

圖1 基于遺傳算法的求解流程示意

基于遺傳算法進行模型的求解,根據確定的檢修設備集確定算法種群規模和序列,生成初始種群,對種群進行約束條件校驗,對于不滿足約束條件的方案,賦予較大的懲罰因子。對于滿足約束條件的方案,采用NDE的方法確定轉移路徑及失負荷成本,將成本反饋至檢修方案構成檢修方案的風險成本。對當代種群進行精英化保留與選擇策略,更新當前種群進行下一代優化,直至優化程序結束,輸出優化所得方案。

4 算例分析

4.1 基于IEEE33節點系統方法可行性算例分析

為了驗證所提模型和算法的有效性,采用IEEE33節點系統進行仿真分析,見圖2,分別在節點7和17接入容量為900 k W和450 k W的分布式電源,方差分別為期望的10%,設定一個檢修周期為5周,每臺設備檢修耗時為1周,最大檢修設備數為3。

圖2 IEEE 33節點配電系統

4.1.1 檢修設備集的確定

根據設備狀態監測的結果線路L8、L16狀態評估得分為71分、66分,加入檢修設備集。在該檢修周期內對所有設備進行狀態預測,預測結果較差的設備包括L15和L27,加入檢修設備集。所以該檢修周期的檢修設備集包括L8、L15、L16、L27。

4.1.2 負荷轉移方案的求取

根據2階段負荷轉移優化模型得到的結果,見表1。

表1 檢修方案對應負荷轉移方案

通過特定工況下負荷轉移方案的求取,得到的負荷轉移方案真實可靠,能夠滿足檢修計劃制定過程中負荷轉移優化的要求。并且通過2階段中第2階段計算對應最高成本,充分考慮了檢修中面臨的最大風險,使得負荷轉移方案和后續檢修方案的可靠性更高。

4.1.3 檢修方案的求取

對所建模型進行求解,得到如下所示的Pareto關系曲線,見圖3。由圖3可看出,配電網檢修風險與故障風險二者存在反向變化的關系,在圖中每1個點都為1個方案,分別指向橫縱坐標的該方案對應的2個風險指標。

圖3 遺傳算法最優解帕累托分布曲線

設立2個目標的單目標滿意程度下限為0.7。采用總體目標貼近度法求取使得總體目標貼近度最大的方案,見表2。

表2 單目標滿意度0.7水平下檢修方案的確定

方案對應的總體目標貼近度為0.483 6,2個目標各自的滿意度為0.793 1和0.735 6。對應方案的檢修風險為32.12萬元,故障風險為128.05萬元,總風險為160.16萬元。上述方案中,監測狀態較差的設備L8和L16安排在前2周進行周檢修,較早檢修能夠減小對系統的影響。設備L27與L15則被安排在同一周進行檢修,通過負荷轉移路徑優化的結果可以發現,二者安排在同一時間能夠保證系統可靠性運行,不會造成不必要的失電行為,因此是可行的。

4.2 基于RBTS Bus2系統的對比算例

以RBTS Bus2配電系統為例進行對比仿真分析(見圖4)。在LP20接入風機DG1,在LP6接入風機DG2,容量都為0.7 MW,方差為期望的10%。

為分析所采用的檢修模式與傳統年度檢修模式的差別,選擇文獻[8]中所安排檢修的設備考慮檢修,其余設備則認為狀態良好。以設備預測狀態對應的故障率為依據,進行抽樣,模擬設備在線檢測結果異常的設備情況。通過抽樣得到的12個檢修周期內在線監測結果處于異常情況的設備,見表3。

圖4 RBTS Bus2配電系統

表3 模擬監測異常設備情況

連續進行12期的檢修計劃優化,得到該系統全年的檢修計劃,見表4。其中方案I為本文方法所得方案,方案II為文獻[8]的方案。

表4 2方案檢修時間安排對比

對比上述2種方法,得出以下結論。

a.方案I考慮了設備在線監測的結果。通過以故障率為依據進行狀態監測結果的模擬,進而對實際工作中具有隨機性的設備實時狀態進行仿真,具有處理狀態檢修實時性要求的優勢,而方案II不能夠處理狀態檢修的實時性。

b.方案I對部分設備安排了多次檢修,而對另一部分設備沒有安排檢修,從而實現了不同檢修周期內差異化的檢修方案,形成了動態檢修的機制。方案II以確定的方法在每一個檢修周期內安排相同的設備檢修,沒有實現狀態檢修動態性的要求。

c.方案I由于存在檢修設備集的考慮,所以能夠合理地分布設備的檢修時間,能夠在全年時間內較為均勻地安排檢修,而方案II處于可靠性與經濟性的考慮,設備檢修時間較為集中,前期檢修設備過多,后期沒有安排檢修工作。

d.方案I與方案II在一些設備的檢修時間上是相差不多的,原因在于二者均以設備的預測狀態為依據制定檢修計劃,對于狀態較差的設備能夠較早地安排檢修。

5 結束語

以設備狀態監測和設備狀態預測為依據構建檢修設備集,最大程度地實現狀態檢修的要求。之后構建了以恢復成本最小為目標的負荷轉移模型和以配電網檢修風險和故障風險最小為目標的檢修時間優化,對雙層優化進行求解決策得到最優的方案,檢修方案能夠較好地適應電力企業的工作需要,具有一定實際意義。