(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211124983.0 (22)申请日 2022.09.15 (71)申请人 山东理工大 学 地址 255086 山东省淄博市高新 技术产业 开发区高创园A座313室 (72)发明人 王蕾　王聪　邓晓帆　郭鼎立　 刘建涛　吴科　杨文静　 (74)专利代理 机构 淄博市众朗知识产权代理事 务所(特殊普通 合伙) 37316 专利代理师 王文　程强强 (51)Int.Cl. H02J 3/06(2006.01) H02J 3/14(2006.01) H02J 3/38(2006.01) H02J 3/50(2006.01)G06F 30/18(2020.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06F 113/04(2020.01) (54)发明名称 一种计及源荷不确定性的电力网络拓扑优 化方法 (57)摘要 一种计及源荷不确定性的电力网络拓扑优 化方法， 属于电力系统优化方法技术领域。 输入 候选开断线路； 利用连续潮流法求出预测场景下 电力系统的运行点和负荷裕度； 利用场景削减 方 法对其削减， 获得代表性场景； 识别有效的切换 线路， 计算切换线路后各代表场景下的负荷裕 度， 并对候选线路进行排序； 对排名靠前的候选 线路， 精确计算其在预测场景下开断后系统的负 荷裕度； 输出结果。 本发明将大量的不确定性场 景削减为少数具有代表性的场景， 降低了计算的 复杂性， 最大限度地提高预测电力系统的负荷裕 度， 并使得所有可能场景的负荷裕度达到预先设 置的理想阈值之上， 从而提高了考虑源荷不确定 性电力系统的静态电压稳定性。 权利要求书4页 说明书10页 附图4页 CN 115411736 A 2022.11.29 CN 115411736 A 1.一种计及源荷不确定性的电力网络 拓扑优化方法， 其特 征在于： 包括如下步骤： S1给定当前网络拓扑结构、 系 统当前运行点、 发电计划、 维护计划、 可再生能源和负荷 的历史预测数据及预测误差， 并输入候选开断线路； S2利用连续潮流法求出预测场景下的预期电力系统(即开断线路前的电力系统)的运 行点和负荷裕度； S3利用基于场景的方法来表征 可再生能源和负荷的不确定性， 生成联合场景集； S4根据场景距离和负荷裕度距离的双重指标利用聚类方法将场景进行削减， 获得代表 性场景； S5通过加权灵敏度方法识别有效的开断线路， 将开断后使得负荷裕度升 高的线路保留 下来， 形成候选线路集 合； S6利用非线性的look ‑ahead方法对候选线路集合中的各个开断线路进行各代表场景 下的负荷裕度计算， 删除违反运行约束的线路； 并通过加权裕度指标来对所有候选开断线 路进行排序； S7利用连续潮流方法对上一阶段排名靠前的候选线路开断后系统进行准确的负荷裕 度计算， 将不满足阈值约束的线路从候选线路集合中删除； 并计算在预测场景下 的各候选 线路开断后系统的负荷裕度； S8输出开断线路解、 在预测场景下开断线路后的负荷裕度以及每个线路开断后所有代 表性场景的负荷裕度， 在预测场景 下负荷裕度最大的开断线路就是最佳解。 2.根据权利要求1所述的计及源荷不确定性的电力网络拓扑优化方法， 其特征在于： 所 述方法还 包括， 计及源荷不确定的增强静态电压稳定性的线路切换问题的数 学模型为： max λ0(Nb)； 其中， Nb通过切换有效线路来确定最优的网络拓扑， λ0为最大化预测场景s0下电力系统 的负荷裕度； 输电线路开断后电力系统的连续潮流平衡方程 为： 所有不确定场景 下电力系统的负荷裕度约束为： 输电线路开断后电力系统的运行约束为： 允许的开断线路数量约束为： NE(N‑Nb)＝1； 其中， 表示网络拓扑结构Nb下， 场景sm的非线性连续潮流平衡方程， 是状态变 量的向量； h表示系统中的可变参数， 包括由于预测误差和线路开断的导纳引起的不确定权　利　要　求　书 1/4 页 2 CN 115411736 A 2性， λth是运行商 提前设置的负荷裕度阈值， Vi,min和Vi,max是场景sm下母线i的电压幅值 及其上下限， 和Sij,max分别是母线i和j之间的视在功率及其上下限， QG,i,min和 QG,i,max分别是场景sm下母线i上发电机无功出力及其上下限， B和BG分别是母线的集合和发 电机母线的集合,且BG∈B， NE(·)表示当前网络拓扑结构N和最佳网络拓扑结构Nb之间由于 输电线路开断而产生的网络 拓扑结构差异。 3.根据权利要求1所述的计及源荷不确定性的电力网络拓扑优化方法， 其特征在于： 所 述方法还包括， 根据Copula理论和拉丁超立方采样方法， 分别生成可再生能源场景集SR和 负荷场景集SL， 并生成联合场景集Ω； Ω是可再生能源和负荷场景集合之间的多变量关系， 即可再生能源场景集 合SR和负荷场景集 合SL的笛卡尔乘积， Ω的总数为 nR×nL； 其中， 分别为第i个可再生能源和第j个负荷的样本； nR和nL分别为可再生能源 和负荷的场景集 合数量。 4.根据权利要求1所述的计及源荷不确定性的电力网络拓扑优化方法， 其特征在于： 所 述方法还包括， 根据场景距离和负荷裕度距离的双重指标将场景进行削减， 得到代表性场 景； 4.1根据场景距离的接 近程度将所有场景聚类为若干组， 确定每组的中心为中心场景： 其中， 为场景sm和sn之间的r‑距离； 当r＝2时， 表示两种场景之间的欧氏距离； 4.2应用连续潮流方法计算各中心场景的负荷裕度， 分岔点类型， 以及非零向量 w； 选择一个群组， 通过计算与预测场景s0之间的差异所引起的负荷裕度变化来估算群组 所有成员的负荷裕度； 在鞍结点分岔点处， 场景sm与预测场景s0之间的差异所引起的负荷裕度变化 为： 其中， ΔPspec和ΔQspec分别为发电机节点注入有功功率和无功功率的变化量； ΔPinc和 ΔQinc分别表示增长的有功功 率和无功功 率的变化量； w是对应于雅可比矩阵 零特征 值的非零左特征向量； λ0为预测场景s0下的系统负荷裕度； Pinc和Qinc分别表示增长的有功功 率和无功 功率； 在结构诱 导分岔点处， 场景sm与预测场景s0之间的差异所引起的负荷裕度变化 为： 权　利　要　求　书 2/4 页 3 CN 115411736 A 3