超大型城市复杂配电网高效重构自愈控制方法四川大学（高红均）
高红均副教授/博士生导师四川大学电气工程学院四川大学智能电网分析与运营控制研究室 目录 研究背景 分层分布式协同重构运行架构 重过载自愈运行方式主动控制 故障自愈分布式高效复电控制 口国家双碳战略低碳绿色要求 2020年9月，习近平总书记在第七十五届联合国大会上正式提出了碳达峰、碳中和的双碳目标战略。 根据国家能源局数据，2023年上半年我国光伏新增装机7842.3万千瓦，其中，分布式新增装机4096.3万干瓦，占比52.2%。分布式新能源大量接入配电网，甚至超过传统集中式新能源装机规模 城市电网保供问题日益凸显，尤其是在迎峰度夏/度冬负荷高峰期供电能力面临严峻挑战 研究背景 作为配电网运行管理的关键技术之一，动态重构通过对分段开关和联络开关的组合状态进行动态调整，能够改善调度周期内的网络潮流分布，在促进清洁能源消纳和提高用户供电可靠性方面具有关键地位 口超大型城市配电网结构复杂 特大型城市负荷高速增长与“双高”的接入，导致城市配电网网架规模愈发巨大。目前，广州城市配电网具有8000多条10kV馈线，以及数以万计的联络开关与分段开关，由于城市配电网本身具备多个电压等级，且大量开关的投入导致配电网存在广泛的弱耦合关系，从而使得特大型城市配电网网架结构非常复杂，难以进行优化分析计算。 研究背景 提高城市配电网可靠性常用且高效的调控手段为网络重构（开关重构）： 我国城市配电网结构存在明显的复杂特性：馈线繁多，且互联关系复杂 大规模互联馈线交织在起，开关数量大，重构运行决策为大规模组合优化问题，很难满足实际调控的秒级决策时间要求， 复杂的联络关系不利于简明高效的调控应用需求 目录 研究背景 分层分布式协同重构运行架构 重过载自愈运行方式主动控制 故障自愈分布式高效复电控制 分层分布式协同重构运行架构 提出了“馈线组”思想，大大降低了原大规模配电网耦合重构问题的求解难度，提高了实际配电网运行调控效率。 ·以“先组内自治、后组间协同”的思路开展重构调控高效决策 ·故障后非故障区段负荷恢复、迎峰度夏/度冬期负荷转供 高效重构 达到“故障快复电、高峰少停电”目标。 分层分布式协同重构运行架构 多类型联络开关 多级重构模式 通过调节馈线联络开关、变压器联络开关、变电站联络开关与分段开关的开关状态组合，可以分别实现同一变压器供电、不同变压器供电和不同变电站供电的两条馈线之间的净负荷转移，即“馈线-变压器-变电站”三个层级的潮流转移。 变压器潮流转移 配电网自然分层特性：馈线层、变压器层、变电站层 分层分布式协同重构运行架构 >多层级平衡机制 变电站级平衡运行 建立分层自治、逐级递进（变压器内馈线间-站内馈线间-站间）的多层级平衡机制（如图所示） 配电网重构级别包括三类：馈线级、变压器级、变电站级不同级别的联络开关（潮流转移）参与类别不同。馈线级变压器级、变电站级重构的潮流分布调节范围遂渐扩大重构区域由单一变压器到单一变电站再到多变电站，实现了由局部自治到大范围协调的多层级平衡运行。 分层分布式协同重构运行架构 复杂配电网联络开关重要度量化-正常运行态转供能力 开关贡献度量化方法 开关数量削减规则 口考虑到分段开关与联络开关有着本质的区别，所以在评估和削减时要对这两类开关分开进行：分段开关普遍贡献度较低重构操作离不开联络开关，普遍贡献度较高 口针对样本m，供电提升以及光伏消纳能力的指标量化： 口开关i的24小时供电能力以及光伏消纳能力量化：Tg,-w=0 口对开关的贡献度量化值进行排序，分界为50%：如果开关的贡献度量化值排名高于50%，则认定为重要开关如果开关的贡献度量化值排名低于50%，则认定为非重要开关 口在M个样本下开关ii的两类指标量化值： 口在重构决策模型中，忽略非重要开关非重要的分段开关恒定闭合，非重要的联络开关恒定打开将重要开关的动作组合作为模型的决策对象 口对于处在两变电站之间的联络开关，取平均值： 分层分布式协同重构运行架构 复杂配电网联络开关重要度量化-故障恢复态转供能力 分层分布式协同重构运行架构 复杂配电网聚类分组 两阶段馈线分组方法流程（无需多轮送代） 考虑联络开关重要度的馈线分组方法 阶段2：馈线启发式聚类分组方法 s1.构建阶段1所得的馈线组为广义图模型G(V,E,W），V为馈线集合，E为联络儿关集合，W为联络开关重要度。设置初始聚类C=0； s2.将组内联格开义e按照重要度从高底排序，形成Esorted: s3.对于esorted中的每条联络开关e=(力），执行如下步骤： s3a.对于当前联络开关e的两个节点(%g)，查找c中包含v的象类G和包含的聚类： 初步馈线组集合（存在较多回数≥4的馈线组） s3.b.花(%，号)在同个象类中，则跳过当前联络开关，判定下一条，即； （1)诺（）均末被分至到任意一个聚类，则创建新的渍线聚类（可）并加入刻C中，即： 最终馈线组集合（仅有极少回数≥4的馈线组） （2）若（）中的一条馈线属于米个聚类而另一条馈线不质于任紧类，如C，牛0，G*0，日馈线组G内少十4条馈线，则将馈线加入C： (3）诺（）的两条境线属于不同的聚类馈线组G+C且合并后的组内馈线数仍少于4，则合并C，与C为个馈线组 对于负荷恢复重要度较高的联络开关应当被优先保留（即作为连接组内馈线的边），而低重要度开关应当被优先量去（即作为组间联络边） S4.将别余零散馈线划入就近的馈线组中，并输山各馈线组的最终结果 分层分布式协同重构运行架构 第一轮优化，三类联络即穴余联络缺省，不会导致可靠性的降低；第二轮优化，二类联络即非关键联络缺省，在特定位置发生故障可能会导致可靠性降低的情况。联络开关重要度分析判断流程 负荷链：指站开关与联络开关形成的供电路径负荷链数等于联络开关数。 负荷块：指两个及以上开关之间形成负荷区块，其大小通过区块内的中压用户数表征。 独立负荷块：指有且仅有一条负荷链经过的开关所覆盖的负荷区块。独立负荷块的大小，反应在特定区段发生故障该联络开关的作用大小。 分层分布式协同重构运行架构 （一）联络开关分类情况 整体情况：对全局5971个联络开关进行亢余度、重要度分析：一类联络（关键联络）4278个（占比72%），二类联络（非关键联络）917个（占比15%）：三类联络（穴余联络）776个（占比13%） 三类联络（穴余联络）分布情况：主要分布在越秀159个（占比全局20%）、白云125个（占比全局16%）、天河97个（占比全局13%） 二类联络（非关键联络）分布情况：主要分布在白云191个（占比全局21%）、走越秀136个（占比全局15%）：番禺91个（占比全局10%）。 配电网大规模馈线聚类分组 （二）馈线组划分情况 各区局联络关系优化前后情况对比：经第一轮优化后，城区局提升幅度较大，如荔湾局满足要求占比由43%提升到67%：郊区局由于余联络较少，提升幅度较小，如从化、南沙、番、增城提升幅度均低于10%：经第二轮优化后，全局提升效果均较为明显，优化后满足要求占比超过90%的区局有6个，其中荔湾、天河、黄埔、增城满足要求占比超过95% >分层分布式重构运行框架 目录 研究背景 分层分布式协同重构运行架构 重过载自愈运行方式主动控制 故障自愈分布式高效复电控制 重过载自愈运行方式主动控制 集中-分布式联合控制计算体系 边缘节点通过主干通信网络将净负荷预测数据上传至云端数据中心云端完成重构级别识别，将多级重构级别需求转化为集中控制命令分段馈线级审构、变压器级重构由对应站点边缘计算控制平台执行开关动作方案转化为控制命令对开关进行远程控制。 口云端：集中式重构级别识别口边缘节点：分布式分段多级重构 重过载自愈运行方式主动控制 集中-分布式优化需求 重过载自愈运行方式主动控制 建立的重构级别识别双层模型能够准确识别偏好低层级重构下的“馈线-变压器-变电站”多级重构需求。 优先局部自治，滞后全局协调 重过载自愈运行方式主动控制 云边协同运行控制 两阶段优化运行策略通过第一阶段分段多级重构和第二阶段CL协调优化能够显著减小弃光、失负荷水平。 分层自治重构运行 相比采用Cplex或二进制粒子群算法求解的全局动态重构模型，提出的云边协同运行控制方法基于集中-分布式联合优化框架，在配网各层建立边缘计算组服务分段多级重构策略，能够显著降低求解难度、大幅度缩短重构求解时间，实现了配电网分层自治运行。 重过载自愈运行方式主动控制 基于多智能体深度强化学习的多级动态重构决策方法 第二阶段智能体执行连续动作任务，选用MASAC算法口为实现两阶段优化的帮合，！智能体状态空间加入第一阶段智能体的动作 动作任务，选用DDQN算法口为实现两阶段优化的耦合，智能体奖励函数的有功部分接收第二阶段的反馈 集中训练：价值网络部署于调度中心处，相邻智能体之间的信息共享分散执行：策略网络部署于相应变电站处，训练完毕后独立执行动作 重过载自愈运行方式主动控制 目录 研究背景 分层分布式协同重构运行架构 重过载自愈运行方式主动控制 故障自愈分布式高效复电控制 故障自煎分布式高效复电控制 基于云平台高效赋能机器学习的典型故障研判与负荷最优自感恢复路径规则库 针对传统集中式自愈在处理故障的速度和效率方面面临着日益严重的性能瓶颈，通过1-Relief特征筛选算法对故障数据特征库进行降维，训练生成基于机器学习的配电网故障智能研判专家知识库；通过动态降维建模技术对馈线组进行简化，基于供电恢复量、网损、切负荷量和开关动作次数等作为目标函数，构建起基于深度学习的配电网负荷最优自愈恢复路径规则库模型：基于云平台分布式计算技术，高效赋能于基于机器学习的配电网故障智能研判和负荷最优自愈恢复技术，实现对故障处理效率的大幅提升。 基于I-Relief算法的特征筛选方法 数据支撑： 故障自愈分布式高效复电控制 基于深度学习的配电网负荷最优自愈恢复路径规则库模型 分布式井行处理的云平台架构 故障自愈分布式高效复电控制 基于事件化专家库高容错匹配关联的故障智能研判方法 针对超大型城市配电网非健全信息环境下故障研判容错性低的问题，提出基于健全信息的配电网故障事件化仿真模拟技术形成信息不健全下的事件化专家库。建立基于KMP算法的配电网故障信息校验方法，以验证信息的完整性。构建适应非完备信息环境的配电网故障高容错模匹配方法，引入了故障关键特征信息驱动与特征-故障关联挖掘为基础的模糊集理论与神经网络相结合，从而实现非健全信息环境下配电网故障准确研判 故障自愈分布式高效复电控制 基于事件化专家库高容错匹配关联的故障智能研判方法 故障自煎分布式高效复电控制 基于故障事件预学习与邻域线/组转供能力耦合的故障自愈紧急复电控制智能化在线决策 针对超大型城市配电网故障自愈紧急复电控制方法，通过RandomCost-CNN构建故障事件的预学习模型。建立基于深度强化学习的配电网邻域线/组内负荷转供模型，基于实时监测数据和转供能力分析结果，设计快速准确地制定紧急复电控制策略，结合抢修任务快速生成分发和语音智能管控技术研究，打造基于MPP（大规模并行处理）架构的数据底座，提高供电可靠性 故障事件预学习与数据采集 数据支撑， 各种历史故障事件数据集 故障自愈分布式高效复电控制 超大型城市配电网邻域线/组转供能力分析 故障自紧急复电控制方法 3基于协同自动化的业务深度触达方法 故障自煎分布式高效复电控制 面向区段/主变多层级多场景故障应用的超大型城市配电网自感系统 系统可以在不同的场景下自动识别和处理区段或主变出现的故障，从而最大程度地减少停电时间和提高电网的可靠性。在此基础上，充分运用分布式计算环境优势，通过智能化重构和技术创新，大幅提升了系统的自愈能力和运行效率，有效进行配网拓扑结构简化、故障研判、故障恢复以及紧急复电，从而实现组内
