[发明专利]分布式电源通信故障时的注入上限优化方法及系统

权利要求书

1.一种分布式电源通信故障时的注入上限优化方法，其特征在于，包括：

步骤S1：根据故障模式后果分析法，建立通信故障场景与链路有效性状态的对应性模型，获得通信故障场景与链路有效性状态表；

步骤S2：基于通信故障场景与链路有效性状态表，建立分布式电源差异化注入上限的双层多目标优化模型；

步骤S3：采用区间潮流和粒子群智能优化算法对所述双层多目标优化模型进行循环迭代实现失联DG差异化注入上限的优化；

其中，所述双层多目标优化模型包括上层模型及下层模型，根据所述下层模型获得可控DG的最优出力，所述上层模型根据可控DG的最优出力循环迭代实现失联DG差异化注入上限的优化；

所述步骤S3中包括：

步骤S31：在任一个最终通信故障场景下，计算所有粒子的风险值，并选出全局最优和局部最优粒子；

步骤S32：更新当前最终通信故障场景下可控DG的出力，满足迭代终止条件后，输出所述最终通信故障场景下可控DG的最优出力，并计算出此时的综合风险；

步骤S33：在所有最终通信故障场景下执行下层模型优化操作，并按照最终通信故障场景的概率进行综合风险加权，并计算出所有粒子的综合风险值后，选出全局最优和局部最优粒子；

步骤S34：进行失联DG注入上限的更新，满足迭代终止条件后，输出失联DG的最优注入上限。

2.如权利要求1所述的注入上限优化方法，其特征在于，于所述步骤S1中包括：

步骤S11：建立三角矩阵描述通信网络的拓扑结构；

步骤S12：基于所述三角矩阵利用故障枚举法获得初始通信故障场景及对应所述初始通信故障场景的概率；

步骤S13：对所述初始通信故障场景与链路状态进行对应性分析，获得初始通信故障场景与各链路状态的对应关系；

步骤S14：依据链路失效状态的一致性进行场景削减，得到最终通信故障场景、最终概率以及对应的链路有效性状态表。

3.如权利要求2所述的注入上限优化方法，其特征在于，于所述步骤S13中，基于FMEA搜索确定所述初始通信故障场景下各通信链路的失效状态，从而得到所述通信故障场景与各链路状态的对应关系。

4.一种分布式电源通信故障时的注入上限优化系统，其特征在于，包括：

通信故障场景与链路有效性状态表获得单元，根据故障模式后果分析法，建立通信故障场景与链路有效性状态的对应性模型，获得通信故障场景与链路有效性状态表；

双层多目标优化模型构建单元，基于通信故障场景与链路有效性状态表，建立分布式电源差异化注入上限的双层多目标优化模型；

最优注入上限输出单元，采用区间潮流和粒子群智能优化算法对所述双层多目标优化模型进行循环迭代实现失联DG差异化注入上限的优化；

其中，双层多目标优化模型包括上层模型及下层模型，根据所述下层模型获得可控DG的最优出力，所述上层模型根据可控DG的最优出力循环迭代实现失联DG差异化注入上限的优化；

所述最优注入上限输出单元包括：

第一计算模块：在任一个最终通信故障场景下，计算所有粒子的风险值，并选出全局最优和局部最优粒子；

最优出力获得模块，更新当前最终通信故障场景下可控DG的出力，满足迭代终止条件后，输出所述最终通信故障场景下可控DG的最优出力，并计算出此时的综合风险；

第二计算模块，在所有最终通信故障场景下执行下层模型优化操作，并按照最终通信故障场景的概率进行综合风险加权，并计算出所有粒子的综合风险值后，选出全局最优和局部最优粒子；

最优注入上限获得模块，进行失联DG注入上限的更新，满足迭代终止条件后，输出失联DG的最优注入上限。