本發明屬于電力系統恢復領域，特別涉及一種計及集中型電動汽車充電站的電力系統恢復方法。
背景技術：
：大停電事故發生后如何快速、安全、穩定地恢復電力系統是一個非常重要的問題。大停電后的電力系統恢復一般可分為三個主要階段:黑啟動階段、網架重構階段和負荷恢復階段。國內外針對電力系統恢復的方法都是利用常規黑啟動機組為大停電后系統的非黑啟動機組提供啟動功率。當區域電力系統中沒有黑啟動電源或黑啟動機組容量不夠充裕時，該區域電力系統的機組無法提供足夠的啟動功率,即無法實現電力系統恢復。技術實現要素：本發明針對上述問題，提出了一種計及集中型電動汽車充電站的電力系統恢復方法。本發明的目的是通過以下技術手段實現的：一種計及集中型電動汽車充電站的電力系統恢復方法，包括以下步驟：(1)采集電力系統拓撲信息、線路電容、線路恢復所需時間、發電機組的啟動功率、發電機組的爬坡率、最大輸出功率、集中型充電站的容量、配電站的容量、電池配送模式、單塊電池的容量，并模擬用戶的出行規律。根據集中型充電站的容量、配電站的容量、電池配送模式、單塊電池的容量、用戶的出行規律，得到集中型充電站的可用電池容量的概率分布。(2)隨機生成M個初始粒子。(3)針對每個粒子,進行Ms次蒙特卡羅抽樣，得到集中型充電站的可用電池容量。(4)針對每一次抽樣,調用雙層優化模型,求出電力系統的可用發電容量。雙層優化模型可描述為：式中:Wtotal為停電事故發生后在所研究的時間區間[0,NT]內，系統的可用發電容量。和分別表示函數f(x)在其定義域內的上確值和下確值。Pigen(t)是t時刻機組i的輸出功率，當時刻t小于機組啟動時間時，機組輸出功率為0，當時刻t大于機組啟動時間，輸出功率小于最大輸出功率時，機組的輸出功率為該發電機爬坡率乘以時刻t與機組啟動時間之差；當時刻t大于啟動時間與最大輸出功率除以爬坡率得到的爬坡時間之和時，機組的輸出功率為機組的最大輸出功率。Pistart(t)是t時刻啟動機組i所需要的啟動功率，當時刻t小于啟動時間時，機組的啟動功率為0；否則為采集得到的啟動功率。Nres是系統內待恢復機組的數量；ui(t)表示機組i的恢復狀態,如果機組i在t時刻或t時刻前已啟動,則ui(t)＝1,否則ui(t)＝0。a為懲罰系數。Topt＝[topt1,topt2,…,toptZ,]T為Z維列向量,同時也是上層優化模型的解,其任一元素topti表示機組i的最優啟動時刻；Tact為考慮了電網拓撲信息的各機組實際恢復時刻。U(x,y)為所定義的二元函數,當x≥y時,其函數值為1；否則為0。公式1和2分別是雙層模型的上層模型和下層模型。(5)對步驟4得到的可用發電容量進行機會約束檢驗,計算每個粒子的目標函數值即為待恢復電力系統的可用發電容量在置信區間β下的最大值。β為目標函數的置信水平。Pr{}表示集合中事件成立的概率；(6)根據目標函數值計算各粒子的適應度。(7)更新M個初始粒子位置和速度,從而獲得新的粒子。按照步驟3-6，計算更新后各個粒子的適應度。(8)重復步驟(7)，直至達到粒子群繁殖代數Mc。(9)將適應度最大的粒子作為該優化問題的最優解,該粒子對應的上下層模型的解分別對應于最優的機組啟動時刻和恢復路徑。(10)根據步驟9得到的最優的機組啟動時刻和恢復路徑，對電力系統進行恢復。本發明的有益效果是，利用集中型電動汽車充電站為無黑啟動電源或黑啟動機組容量不夠充裕的區域電力系統提供機組啟動功率,輔助電力系統恢復。具體特點如下：a對充電站可用電池容量建模,得到針對給定系統停電時刻充電站可提供的啟動容量。所提出的計算方法充分考慮了用戶的出行規律和電池的配送模型，更加貼合實際。b建立了基于雙層優化的電力系統恢復模型,在上層模型中,以最大化系統可用發電容量為目標確定發電機組恢復時刻；在下層模型中,以線路充電電容之和最小為目標確定恢復路徑。避免了在已有的電力系統恢復方法中將機組恢復和線路恢復分開優化的弊端。c采用機會約束規劃處理相關的不確定性因素,并與雙層優化模型相結合構建基于機會約束規劃的雙層網架重構優化模型,進而采用改進的粒子群算法求解該優化問題。引入機會約束方法處理模型中的不確定因素，使得最終得到的電力系統恢復方案滿足一定的置信區間，滿足電力調度人員的要求，因此本文的方法更加實用。附圖內容圖1為電動汽車充電站啟動待恢復機組的時間特性；圖2為計及電動汽車充電站的電力系統恢復方法的優化流程；圖3新英格蘭10機39節點系統；圖4為發電節點最終的最優恢復路徑。具體實施方式本發明提出了一種計及電動汽車集中型充電站充當黑啟動電源的網架重構優化方法。首先,建立了評估電動汽車充電站可用電池容量的數學模型。然后,提出了網架重構的雙層優化模型,其中上層模型用于優化發電節點的恢復順序,下層則用于確定恢復路徑。在此基礎上,針對大停電事故發生時刻、充電站可用電池數量、電池荷電狀態等不確定性因素,構造了基于機會約束規劃的雙層網架重構優化模型,以獲得滿足一定置信水平的系統恢復方法。之后,利用改進的粒子群算法的方法來求解所提出的優化模型。該方法包括以下步驟：(1)采集電力系統拓撲信息、線路電容、線路恢復所需時間、發電機組的啟動功率、發電機組的爬坡率、最大輸出功率、集中型充電站的容量、配電站的容量、電池配送模式、單塊電池的容量，并模擬用戶的出行規律。根據集中型充電站的容量、配電站的容量、電池配送模式、單塊電池的容量、用戶的出行規律，得到集中型充電站的可用電池容量的概率分布。以新英格蘭10機39節點系統為例來說明所提出的方法。在圖3中,假設節點33為集中型電動汽車充電站所在節點；節點30,31,32,34,35,36,37,38,39為待恢復的發電機節點。線路參數和發電機組參數分別如表1和表2所示。表1新英格蘭10機39節點系統的線路參數表2發電機組參數(2)隨機生成20個初始粒子。(3)針對每個粒子,進行1000次蒙特卡羅抽樣，得到集中型充電站的可用電池容量。(4)針對每一次抽樣,調用雙層優化模型,求出電力系統的可用發電容量。雙層優化模型可描述為：式中:Wtotal為停電事故發生后在所研究的時間區間[0,180]min內，系統的可用發電容量。和分別表示函數f(x)在其定義域內的上確值和下確值。Pigen(t)是t時刻機組i的輸出功率，當時刻t小于機組啟動時間時，機組輸出功率為0，當時刻t大于機組啟動時間，輸出功率小于最大輸出功率時，機組的輸出功率為該發電機爬坡率乘以時刻t與機組啟動時間之差；當時刻t大于啟動時間與最大輸出功率除以爬坡率得到的爬坡時間之和時，機組的輸出功率為機組的最大輸出功率。Pistart(t)是t時刻啟動機組i所需要的啟動功率，當時刻t小于啟動時間時，機組的啟動功率為0；否則為采集得到的啟動功率。Nres是系統內待恢復機組的數量；ui(t)表示機組i的恢復狀態,如果機組i在t時刻或t時刻前已啟動,則ui(t)＝1,否則ui(t)＝0。a為懲罰系數。Topt＝[topt1,topt2,…,toptZ,]T為Z維列向量,同時也是上層優化模型的解,其任一元素topti表示機組i的最優啟動時刻；Tact為考慮了電網拓撲信息的各機組實際恢復時刻。U(x,y)為所定義的二元函數,當x≥y時,其函數值為1；否則為0。公式1和2分別是雙層模型的上層模型和下層模型。(5)對步驟4得到的可用發電容量進行機會約束檢驗,計算每個粒子的目標函數值即為待恢復電力系統的可用發電容量在置信區間β下的最大值。β為目標函數的置信水平,β＝0.95。Pr{}表示集合中事件成立的概率；(6)根據目標函數值計算各粒子的適應度。(7)更新20個初始粒子位置和速度,從而獲得新的粒子。按照步驟3-6，計算更新后各個粒子的適應度。(8)重復步驟(7)，直至達到粒子群繁殖代數50。(9)將適應度最大的粒子作為該優化問題的最優解,該粒子對應的上下層模型的解分別對應于最優的機組啟動時刻和恢復路徑,如表3和圖2所示。根據最優的機組啟動時刻和恢復路徑，對電力系統進行恢復。表3發電節點恢復時刻最終優化結果發電節點恢復時刻(min)充電站提供的容量(MW·h)發電節點恢復時刻(min)充電站提供容量(MW.h)34814.18173282030294.506738920376103110203667039109035750當前第1頁1 2 3