计及节点故障率的微电网μPMU多目标优化配置策略

doi:10.16628/j.cnki.2095-8188.2023.06.002

摘要/Abstract

摘要：

微电网动态行为相较传统电网更为复杂,亟须解决其故障检测和定位问题。针对微电网系统中微型同步相量测量单元(μPMU)的优化配置问题进行研究,提出了计及成本、节点故障率和冗余度的μPMU多目标优化配置策略。以μPMU装设成本最低、节点故障率总和最高、可观冗余度最高为多目标函数,在考虑零注入节点的基础上,根据系统正常状态和任意线路故障下的约束条件,建立了多目标优化配置模型。采用差分进化算子对非支配排序遗传算法(NSGA-Ⅱ)进行改进,并用改进后的算法对模型进行求解,选择出最优折中解。基于改进的IEEE 30节点微电网系统进行仿真分析,仿真结果表明,计及节点故障率的多目标优化配置策略是可行的。所提策略能够有效地对微电网系统进行全网可视化监测,并兼顾经济性和准确性。

关键词: 微电网, 微型同步相量测量单元, 优化配置策略, 节点故障率, 冗余度

Abstract:

The dynamic behavior of microgrid is more complex than that of traditional power grid, so it is urgent to solve the problem of fault detection and location. The optimization configuration of micro phasor measurement unit (μPMU) in microgrid system is studied. A multi-objective optimal μPMU configuration strategy considering cost, node failure rate and redundancy is proposed. Based on the multi-objective function of the lowest installation cost, the highest sum of node failure rate and the highest observable redundancy, a multi-objective optimal configuration model is established according to the normal state of the system and the constraints of arbitrary line faults. The nondominated sorting genetic algorithm Ⅱ (NSGA-Ⅱ) is improved by differential evolution operator, and the improved algorithm is used to solve the model and select the optimal compromise solution. Based on the improved IEEE 30-node microgrid system simulation analysis, it is shown that the multi-objective optimal configuration strategy taking into account the node failure rate is feasible. The proposed strategy can effectively carry out the whole network visualized monitoring of the microgrid system and give consideration to the economy and accuracy.

Key words: microgrid, micro phasor measurement unit(μPMU), optimal configuration strategy, node failure rate, redundancy

中图分类号:

TM744

施泽慧, 牟龙华. 计及节点故障率的微电网μPMU多目标优化配置策略[J]. 电器与能效管理技术, 2023, 0(6): 9-17.

SHI Zehui, MU Longhua. μPMU Multi-Objective Optimal Configuration Strategy for Microgrid Considering Node Failure Rate[J]. LOW VOLTAGE APPARATUS, 2023, 0(6): 9-17.

图/表 15

表1

表2

表3

图1

图2

表4

表5

表6

图3

图4

图5

图6

图7

图8

图9

参考文献 21

[1]	赵远哲, 张臻, 刘富光, 等. 独立型海岛微电网系统优化技术综述及展望[J]. 电器与能效管理技术, 2019(6):1-6,26.
[2]	董翔宇, 张文, 张鸿鹄. 500 kV变电站用光储型微电网储能配置设计研究[J]. 电器与能效管理技术, 2018(1):75-77,88.
[3]	吴跃斌, 祁天星, 马涛. 直流微电网故障限流特性分析[J]. 电网与清洁能源, 2021, 37(6):18-28,34.
[4]	莫哈马德雷扎·戈尔巴尼帕瓦, 周宁. 使用PMU数据检测持续振荡的多延迟自相干方法[J]. 电力建设, 2017, 38(9):73-80. doi: 10.3969/j.issn.1000-7229.2017.09.011
[5]	徐箭, 廖思阳, 魏聪颖, 等. 基于广域量测信息的配电网协调控制技术展望[J]. 电力系统自动化, 2020, 44(18):12-22.
[6]	CHAUHAN R K, CHAUHAN K. Smart protection system for identification and localisation of faults in multi-terminal DC microgrid[J]. IET Smart Grid, 2020, 3(6):882-889. doi: 10.1049/stg2.v3.6
[7]	AHMED W, NAYEL M, El-MOHANDES M T, et al. Simulated testing algorithm for μPMU full observation of unbalanced radial distribution grid[J]. Electric Power Systems Research, 2021, 191:106842. doi: 10.1016/j.epsr.2020.106842
[8]	JOSHI P M, VERMA H K. Synchrophasor measurement applications and optimal PMU placement: A review[J]. Electric Power Systems Research, 2021, 199:107428. doi: 10.1016/j.epsr.2021.107428
[9]	CHEN X B, WEI F, CAO S Y, et al. PMU placement for measurement redundancy distribution considering zero injection bus and contingencies[J]. IEEE Systems Journal, 2021, 14(4):5396-5406. doi: 10.1109/JSYST.4267003
[10]	孔祥玉, 袁枭枭, 王玉婷, 等. 配电网D-PMU优化配置方法和软件实现技术[J]. 南方电网技术, 2019, 13(4):25-30.
[11]	孙亮, 杨远, 张程, 等. 分布式电源接入配电网的配电终端优化配置[J]. 太阳能学报, 2021, 42(5):120-125.
[12]	田家辉, 梁栋, 葛磊蛟, 等. 面向高精度状态感知的配电系统微型同步相量测量单元优化配置[J]. 电网技术, 2019, 43(7):2235-2242.
[13]	孔祥玉, 王玉婷, 袁枭枭, 等. 基于定制遗传算法考虑配电网多种拓扑可观性的PMU优化配置[J]. 电力自动化设备, 2020, 40(1):66-72.
[14]	王伟冠, 杨启洪, 陆凯烨, 等. 基于随机矩阵理论的配网故障可观的PMU优化配置方法[J]. 电网与清洁能源, 2019, 35(5):29-37,41.
[15]	ZHANG C X, JIA Y W, XU Z, et al. Optimal PMU placement considering state estimation uncertainty and voltage controllability[J]. IET Generation,Transmission & Distribution, 2017, 11(18):4465-4475. doi: 10.1049/gtd2.v11.18
[16]	刘艳萍, 李欣, 曾顺奇, 等. 面向区间状态估计的配电系统PMU优化配置[J]. 南方电网技术, 2021, 15(7):67-75.
[17]	曹鹏, 刘敏. 基于改进的整数规划法结合零注入节点的PMU优化配置方法[J]. 电力系统保护与控制, 2021, 49(16):143-150.
[18]	栾德利, 张宇献. 计及可靠性的风光储混合系统优化配置策略[J]. 电器与能效管理技术, 2020(11):95-102.
[19]	朱梓嘉, 肖辉, 赵帅旗, 等. 基于并行组合进化算法的光伏阵列最大功率点追踪[J]. 电力系统保护与控制, 2020, 48(4):1-10.
[20]	陈鹏伟, 戚陈陈, 陈新, 等. 附加频率控制双馈风电场频率响应特性建模与参数辨识[J]. 电工技术学报, 2021, 36(15):3293-3307.
[21]	BARIK S, DAS D, BANSAL R C. Zero bus load flow method for the integration of renewable DGs by mixed-discrete particle swarm optimisation-based fuzzy max-min approach[J]. IET Renewable Power Generation, 2020, 14(19):4029-4042. doi: 10.1049/rpg2.v14.19

目标函数	成本f₁	节点故障率总和f₂	可观冗余度f₃
成本f₁	1	正比	正比
节点故障率总和f₂	正比	1	相关
可观冗余度f₃	正比	相关	1

参数组序号	C_R	F_min	F_max
1	0.1	0.01	0.01
2	0.1	0.001	0.01
3	0.13	0.001	0.01

项目	收敛度
项目	参数组1	参数组2	参数组3
平均数	0.105 30	0.079 18	0.002 02
方差	3.269e-004	5.776e-005	4.322e-006

接入节点	电源类型	额定容量
2	微型燃气轮机	900 kW
3	储能装置	500 kWh
4	风电机组	800 kW
8	储能装置	500 kWh
13	光伏系统	830 kW
14	风电机组	780 kW
23	光伏系统	550 kW

30节点微电网系统	正常状态	任意单条线路故障
配置节点数量	7	14
配置节点位置	1、5、10、12、 18、24、27	2、3、7、10、11、13、14、 15、16、19、24、26、28、30