含分布式电源的复杂配电网多阶段故障恢复方法
湖南大学电气与信息工程学院、南华大学电气信息工程学院、合肥工业大学电气与自动化工程学院的研究人员文娟、谭阳红等，在2018年第14期《电工技术学报》上撰文，针对含分布式电源（DGs）的复杂配电网故障快速恢复问题，提出一种有效的多阶段故障恢复策略。
该策略将恢复过程分为动态拓扑分析、孤岛配置、含DG主网络连通性恢复和网络优化四个阶段。配电网发生故障后，采用动态拓扑分析法检测失电区域、确定故障恢复需执行的阶段并更新主网拓扑参数；第二阶段以提高DG利用率与恢复最大负荷量为目标配置孤岛方案；DG并网后恢复主网络的连通性，分析网络潮流并判定是否进入下一阶段；优化阶段利用分层编码方案避免产生不可行的候选解，减少迭代次数，提升搜索效率。
仿真结果表明：在复杂配网发生故障时，该方法能根据实际情况制定合理的计划，最大限度地恢复了网络供电，与其他方法相比，降低了开关操作次数和恢复时间。
配电网发生故障后，往往希望快速地恢复对失电区域的供电，降低损失，建立合理而有效的故障恢复计划是提高系统可靠性的关键问题之一[1,2]。随着智能电网的发展，分布式能源作为支撑电源接入配电网，在系统故障时提高了配网的供电可靠性，但分布式电源（Distributed Generators, DGs）的接入导致配电网从单电源网络转化为多端有源网络，网络结构及运行方式都发生了较大变化。
在故障期间，失电区域可通过重构与主网保持联系恢复供电，或形成DG孤岛恢复供电，或两者配合，而传统的故障恢复方法如线性规划[3]、传统群体智能算法[4,5]、启发式算法[6]等很难处理这类问题。
配电网故障后的恢复控制是一个非线性组合优化问题，需考虑多方面因素确定供电恢复方案[7]。根据IEEE 1547—2003标准[8]，故障后失电区域可利用孤岛效应恢复供电。启发式搜索策略[9,10]和Kruskal法[11]等用来划分孤岛，但这些方法只适应于树状配电网。一些学者将复杂配网的供电恢复问题转化为网络重构问题，但未涉及DGs的运行方式及其供电范围[12,13]。
文献[14]提出了基于协同进化算法的恢复策略，但配电网家族树的建立操作繁琐，且恢复过程中忽略了实际运行条件。多智能遗传算法用来解决配电网供电恢复问题，其优化过程中必须对所有支路重复搜索，降低了计算效率[15]。文献[16]在蚁群算法中引入了移动多代理动态联盟来解决故障恢复问题，因候选解中不可行解众多，搜索最优解时需要不断的校验解的可行性。
本文考虑故障前后网络的动态变化及DG与主网的关系，提出了将孤岛策略与优化重构有效结合的多阶段故障恢复方法。故障发生后，第一阶段采用动态拓扑分析法识别失电区域、确定恢复策略并更新拓扑参数；在孤岛配置阶段，以DG接入点作为孤岛的起点，建立能恢复最大负荷量并提高DG利用率的孤岛方案；含DG主网的连通性恢复后，通过潮流分析判别是否执行网络优化；网络优化时采用分层编码方案避免不可行解，减少寻优的迭代次数，提高优化方法的搜索能力。
算例分析表明，在含DG复杂配电网发生不同故障时，多阶段故障恢复方法能根据实际情况获得可行的恢复计划，使得可恢复的负荷范围最大，与其他方法相比，此方法降低了开关操作次数，优化过程中减少了迭代次数，并节省了故障恢复时间。
图1 IEEE 14节点配电网简图
图2 多阶段故障恢复流程
本文针对含DG的复杂配电网故障提出了一种多阶段供电恢复方法。一旦配网发生故障，在第一阶段识别失电区域并及时更新主网络拓扑，然后将孤岛划分策略和优化重构有机结合获得合理的故障恢复计划。
实例仿真表明，该方法有效地解决了复杂配电网发生不同故障的供电恢复问题。大部分故障只要执行多阶段故障恢复方法的前三个阶段，最少只需执行1次开关操作即可恢复供电，恢复时间往往小于0.1s；即使需要执行所有阶段，其所需时间是其他方法的1/3。
对于大面积失电情况下，如实例1中的情况3，能恢复985.3kW的负荷，与文献[16]的方法相比，DG利用率从73.46%提升到83.50%，减少了4次开关操作次数，停电时间缩小了近25倍。可见，本文方法更适用于实际电网的故障恢复。