一种可移动应急资源灾中位置预调度系统的制作方法

本发明涉及电力系统优化运行领域，具体涉及一种可移动应急资源灾中位置预调度系统。

背景技术：

1、配电系统容易受到极端天气(如洪水、风暴、地震、冰雪等)的影响，致使关键设备故障的概率增大，对电网造成广泛而严重的破坏，导致许多客户在几天内无电，有时甚至超过一周，造成巨大的经济影响和社会损失。积极调度各种资源为配电网提供紧急电源，能够有效减少极端天气造成的停电损失。为了加快恢复速度，当配电网受到自然灾害的威胁时，弹性响应策略至关重要。

2、移动储能(mobile energy storage system，mess)是一种有效的弹性资源，具有便捷的移动性和较大的储存容量，适用于增强系统弹性的各响应阶段，当极端天气导致配电系统长时间电力中断时，它们是最有效的响应资源之一。目前，移动储能应用方面并未得到充分的发掘，且移动储能装置的资本成本相对较高。因此，为了确保其经济可行性，必须对其进行合理的灾前预调度。

技术实现思路

1、为了提高电力系统在极端天气下的能够有足够的稳定性，在经受诸如风暴、冰雪等灾害后，能够保证负荷的供电稳定性，降低配电网的故障时间，本发明提供了一种可移动应急资源灾中位置预调度系统。

2、本发明解决技术问题所采用的方案是：

3、一种可移动应急资源灾中位置预调度系统，包括以下步骤：

4、步骤1.将运输车辆与移动储能解耦，移动储能作为一个独立的单元，由车辆运输，运输车辆可以同时运输多个储能单元，进一步提升移动储能的时空灵活性；

5、步骤2.考虑了移动储能单元的经济性，分析其常规运行下对电力系统产生的价值，保证移动储能的经济性，尽可能地减少投资成本；

6、步骤3.获取台风数据和地理数据，预测台风风场的分布，建立基于极值分布的综合风场模型，进行准确的风速预测；

7、步骤4.采用一种改进的应力-强度干涉模型来确定配电线路的失效概率；

8、步骤5.通过蒙特卡洛抽样，可以获得配电网络的随机故障场景，使用sbr算法去除低概率场景，减少计算时间；

9、步骤6.根据路网的车流量计算各节点间的移动时间，将转移时间约束整合到移动储能的调度模型中；

10、步骤7.以最小化负荷持续停运时间为目标函数，建立移动储能的最优接入位置模型，再通过路网车流量可以确定路网系统各路段行驶的时间，调度移动储能至最优的位置，使其在所有可能的故障场景中，接入网络的时间期望最小，从而达到在所有故障场景中失负荷的期望最小的目的。

11、本实施例公开的，所述步骤1中，将运输车辆与移动储能解耦，移动储能作为一个独立的单元，由车辆运输，运输车辆可以同时运输多个储能单元，进一步提升移动储能的时空灵活性；

12、现有的大多数移动储能均采用集装箱式的储能并利用运载车辆部署，从结构上看，这些储能设备与运载车辆本身就是可分离的；以带时间窗的车辆路径问题为基础，建立了基于时空网络模型的移动储能车辆调度模型，其目标函数为：

13、

14、其中，v表示为交通网络中所有节点的集合；k表示运输车辆的集合；vij,k表示车辆k服务于弧ij的成本；eij,k为0-1变量；作为决策变量，当车辆k服务于弧ij时值为1，同时产生vij,k的费用，否则为0；

15、模型满足的约束条件如下：

16、(1)时间窗约束

17、

18、(2)车辆容量约束

19、

20、(3)流量平衡约束

21、

22、采用时空网络来建立移动储能的路径模型以刻画移动储能在运行期间的时空状态；时空网络模型构建了一个以时间为横轴，以交通节点为纵轴的坐标系；通过各个节点间的弧来表示运输车辆在每个时间段的所有可能状态，其目标函数如下：

23、

24、其中，ξ为时空网络弧集合；π为移动储能车辆集合；υ为调度时段集合，每个步长对应一个时段；cij为通过弧ij的运输成本；lij,ν,t为0-1变量，如果移动储能车辆v在时段t立于弧ij则lij,ν,t＝1，否则lij,ν,t＝0；

25、约束条件如下：

26、

27、表示移动储能车辆v在时段t只能且一定位于某一条弧上；

28、

29、表示移动储能车辆v在时段t所在弧的起始节点和时段t-1所在弧的终止节点相同，即每个节点的流入等于流出；

30、

31、该约束表示移动储能列车v的起始状态和终止状态，其中lv,0和lv,t分别为移动储能列车v的起始位置和终止位置，一般情况下移动储能车辆在调度结束时要回到初始位置，即lv,0＝lv,t。

32、本实施例公开的，所述步骤2中，考虑了移动储能单元的经济性，分析其常规运行下对电力系统产生的价值，保证移动储能的经济性，尽可能地减少投资成本；

33、移动储能装置不仅能够在系统出现故障时为用户提供应急电源，而且能够充分发挥自身的能量在时间和空间上的迁移特征，达到“削峰填谷”的目的，从而降低系统运营成本。

34、本实施例公开的，所述步骤3中，获取台风数据和地理数据，预测台风风场的分布，建立基于极值分布的综合风场模型，进行准确的风速预测；

35、极值风速可拟合为极值i分布、weibull分布和gamma分布；

36、首先，在三种分布假设下，采用不同的方法分别估计每个点的形状位置参数和尺度参数；为了衡量参数估计的准确性，使用与机器学习相关的拟合优度度量来度量拟合分布函数f(v)与经验分布函数fn(v)之间的偏差；

37、其次，对每个分布假设，选择最优估计方法，并记录最佳参数和拟合优度度量；

38、最后，对这三种分布假设的拟合优度指标进行比较，得到最佳拟合指标，并为每个点选择其对应的分布fb(v)和参数；

39、这样，就可以从这三种分布中得到每个点的最佳分布lb(v)，极端风速是指每x年发生一次的风速值超过某一特定风速v0的风速值，用概率表示为pv{v＞v0}＝1-lb(v0)＝1/x，其中v为风速的随机变量；

40、因此，以x年为周期的风速为其中为函数lb(v)的倒数，最后取vx为最终产生的风速。

41、本实施例公开的，所述步骤4中，采用一种改进的应力-强度干涉理论的结构易损性模型；

42、配电线路假定由混凝土杆子组成，杆子支撑导体三相对称布局，各极处的风速v可由风场模型提供，由于极所处的地形不同，风向的产生是随机的；作用在导线和极上的风荷载计算由以下两式给出：

43、

44、导体的截面应力σ计算如式所示：

45、σ(v)＝wc/sc

46、除杆体上的风荷载外，杆体还承受来自牵引导线的风荷载；风荷载作用在杆体上的受力点在半处，产生杆根部弯矩m1，计算公式为：

47、m1(v)＝wp(l-l2)/2

48、由牵引导线风荷载引起的极根弯矩m2计算如式所示：

49、m2(v)＝2wcl1+wc(l-l2)

50、杆的复合根弯矩m为m1与m2的矢量和，其模值计算公式为：

51、

52、截面应力φ和根部弯矩m均为风速v的函数，合称为构件风荷载效应，用变量w表示；构件强度用e表示，服从正态分布；当构件强度小于风荷载作用时发生失效；结构易损性模型用正态累积分布函数φ(w)表示，如式所示：

53、

54、其中，是分量强度的正态概率密度函数。

55、本实施例公开的，所述步骤4中，确定配电线路的失效概率；

56、配电线路的失效概率的计算，基于应力-强度干涉理论的结构易损性模型计算，表示配电线路损伤的不确定性；由权利要求2中的风场模型可知，风速是服从最佳分布fb(v)的随机变量v；另外，w是v的二次函数，则风荷载效应也应为随机变量，记为w(v)，服从下式所示的复合分布：

57、f(w)＝pw{w(v)≤w}＝pv{v≤w-1(w)}

58、＝fb[w-1(w)]

59、根据应力-强度干涉理论，构件唯一失效概率为易损性函数与风荷载效应复合分布的卷积：

60、

61、

62、σδ＝ε1σμ

63、mμ＝γmexam

64、mδ＝ε2mμ

65、根据串联可靠性模型，配电线路ij失效概率如式所示：

66、

67、从而计算失效概率。

68、本实施例公开的，所述步骤5中，获得配电网络的随机故障场景；

69、随机故障场景的获取，采用蒙特卡洛算法对故障场景进行生成和还原，对配电线路损坏不确定性建模，然后使用sbr算法去除低概率场景，可以有效地减少计算时间。

70、本实施例公开的，所述步骤6中，建立了考虑车流影响的移动储能设备路径选择方法；

71、基于均衡理论的路网车流量确定方法，对于某条路段，经过该路段的时间与该路段的流量关系为：

72、

73、式中，ζ为一条路段；τζ为经过路段ζ的所需行驶时间；为路段ζ的自由行驶时间，是车流等于设计流量时所需的行驶时间；为路段ζ的设计流量；fζ为路段ζ的实际流量；ψ为路段的集合；

74、针对交通分配问题，使用wardrop第一和第二原则：所有用户都选择自身时间最短的路径，网络中所有车辆总的出行时间最小；假设车辆需要从出发地o到达目的地d，建立系统流量最优模型为：

75、

76、式中，qod为o到d之间所有的o-d(origin-destination)对；为o、d之间的路径k上的流量；为0-1变量，等于1时表示路段ζ在o、d之间的路径k上，等于0时表示路段ζ不在o、d之间的路径k上。

77、本实施例公开的，所述步骤6中，基于最短时间确定移动储能的路径选择；

78、通常移动储能的数量相对较少，对网络流量的影响较小，可忽略不计；因此，在获取各路段的流量后，即可通过式

79、

80、确定移动储能在该路段的通行时间。

81、本实施例公开的，所述步骤7中，以最小化负荷持续停运时间为目标函数，建立移动储能的最优接入位置模型，再通过路网车流量可以确定路网系统各路段行驶的时间，调度移动储能至最优的位置，使其在所有可能的故障场景中，接入网络的时间期望最小，从而达到在所有故障场景中失负荷的期望最小的目的；

82、配电网发生故障后，通过灾前位置调度，可使移动储能尽可能迅速地到达接入点，实现对配电网负荷供电，以减少失负荷；计及随机故障和车流影响的移动储能预配置模型的目标函数：移动储能接入的目的，是减少系统因灾害导致的损失；因此，模型的目标函数是使系统的运行总成本(包括含移动储能的运行成本和系统的失负荷成本)最小：

83、

84、式中，s为故障场景的集合；为场景的运行成本；θ为移动储能设备的线性老化系数；cmes为移动储能的设备成本；为场景s中第m台移动储能t时刻在节点i的充放电功率，放电为正，充电为负；为节点i的失负荷损失；为场景s中t时刻在节点i的负荷削减量；

85、计及随机故障和车流影响的移动储能预配置模型的约束条件：

86、①潮流约束部分

87、

88、

89、vmin≤vi,t,s≤vmax

90、

91、式中，为场景s中t时刻线路ij的有功潮流；为场景s中t时刻线路ij的无功潮流；为t时刻j节点的负荷；vj,t,s为场景s中t时刻i节点的电压；rij、xij分别为线路ij的电阻和电抗；为场景s中t时刻i节点的发电机有功出力；为场景s中t时刻i节点的发电机有功出力；

92、对于故障线路，潮流为零：

93、

94、式中，lo为故障线路集合；

95、②储能设备运行约束：

96、

97、

98、um,i,t,s-um,i,t+1,s≤1-um,j,t+δ,s,

99、

100、式中，em,t,s为场景s中第m台移动储能t时刻的电量；为移动储能的最大电量；um,i,t,s为移动储能的位置变量，场景s中第m台移动储能t时刻在i节点时值为1，否则为0；k为移动储能功率因数；kmes为移动储能的充放电效率；为节点最大可接入移动储能数量；nmes为系统中总的移动储能数量；locm,i为移动储能初始位置变量，等于1表示将编号为m的移动储能调度至位置i。

101、积极效果：

102、本发明在配电网遭受极端天气的破坏前，通过建立灾害的随机预测模型和配电系统的故障率模型，通过蒙特卡洛抽样，获得配电网络的随机故障场景，通过故障场景，建立以最小失负荷为目标函数的移动储能接入点优化模型，再通过路网的车流量确定路网系统各路段行驶的时间，调度移动储能至最优的位置。使得移动储能在所有可能的故障场景中，接入网络的时间期望最小，从而达到在所有故障场景中失负荷的期望最小的目的。