💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

 ⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

     或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

文献来源：

基于变异粒子群算法的主动配电网故障恢复策略研究

摘要

随着分布式电源（DG）在主动配电网中的大规模接入，传统故障恢复策略已难以适应复杂多变的运行环境。本文提出一种基于变异粒子群算法（MPSO）的主动配电网故障恢复策略，通过构建光储系统与负荷特性模型，结合动态孤岛划分技术，以总失电负荷最少、网损最小及开关动作次数最少为综合目标函数，实现故障后快速、可靠的供电恢复。IEEE 33节点系统算例验证表明，该策略能有效提升恢复效率，降低系统损耗，并显著改善用户侧需求响应能力。

1. 引言

1.1 研究背景

随着传统化石能源的日益枯竭以及环境问题的日益严重,以光伏发电为代表的分布式电源DG
(Distributed Generation)得到快速发展。大量DCG的接入给主动配电网的安全、可靠运行带来了威胁,由于传统配电网故障恢复策略已不再适用于主动配电网,因此对含DG的主动配电网故障恢复策略的研究成为热点。
目前,已有大量关于含DG的主动配电网故障恢复策略的研究。文献[1]将用户对于负荷的需求响应量化为成本,将其引人故障恢复模型的目标函数中,利用混合粒子群算法进行最优策略的求解。
文献[2]在综合考虑光伏和风力发电具有随机性特点的基础上建立DG注入功率模型,基于机会约束模型和改进的带精英策略的非支配排序的遗传算法NSGA-II (Non-dominated Sorting Genetic Algorithm-Il制定故障恢复策略。针对故障恢复模型的构建，现有的文献考虑了光伏随机性与负荷时变性特征,但鲜有研究考虑到用户侧需求时变性特征。文献[3]基于Prim算法对配电网进行孤岛划分,在配电网发生故障时,动态生成合理的孤岛划分方案,并对重要负荷进行供电恢复。文献「4]对含有DG 的配电网进行规划,在配电网内预设可独立运行的微电网,当发生故障时,各微电网进入孤岛运行模式,对故障负荷进行供电恢复。在故障恢复策略中,仅利用DG形成孤岛对失电负荷进行恢复的策略降低了故障恢复效率与恢复量。
本文研究了一种含分布式光储系统的配电网故障恢复的最优策略。首先,建立了光储系统模型,并利用典型负荷时变性优先恢复系数反映不同时刻用户侧需求的变化情况,保证了故障时刻需求度高的负荷优先恢复,提高用户满意度,该模型更加准确且贴近工程实际。其次,在进行故障恢复时首先利用
BFS 与 DFS相结合的方法对配电网进行动态孤岛划分,对时变性优先恢复系数高的负荷进行优先恢复然后利用光储系统与主网的协调控制对配电网进行恢复;应用MPSO对配电网进行恢复,动态调整初始孤岛,最终得到最优恢复策略,该策略既可以充分利用分布式光伏系统的出力,又可以满足时变性用户侧需求。最后,通过算例验证了本文的故障恢复模型可以保证用户侧需求度高的负荷优先恢复;利用MPSO可以提高收敛速度,并有效解决了BPSO易于陷入局部最优的问题;恢复策略综合考虑了总失电负荷最少、网损最小及开关动作次数,保证了供电恢复可靠性。研究提出的策略对解决配电网故障恢复问题具有一定的有效性与优越性,且有一定实际工程价值。

全球能源结构转型背景下，以光伏、风电为代表的分布式电源接入规模持续扩大。主动配电网通过信息通信技术实现分布式资源协调控制，成为提升供电可靠性的关键载体。然而，分布式电源的随机性、间歇性特征导致传统故障恢复策略面临以下挑战：

• 潮流分布复杂化：光伏出力波动使故障前后系统潮流方向频繁变化，传统基于单向潮流的恢复方法失效。
• 保护装置误动风险：分布式电源反向供电可能引发保护装置误动作，扩大停电范围。
• 恢复策略优化难度：需同时考虑分布式电源出力、负荷时变性及网络拓扑约束，传统启发式算法易陷入局部最优。

1.2 研究意义

本研究通过构建光储系统与负荷特性模型，结合MPSO算法实现多目标优化恢复，具有以下价值：

• 理论层面：提出融合时变性负荷优先恢复系数的孤岛划分方法，完善主动配电网故障恢复理论体系。
• 工程层面：通过MPSO算法改进，解决传统粒子群算法（BPSO）易早熟收敛问题，提升恢复策略的全局搜索能力。

2. 关键技术与方法

2.1 光储系统与负荷特性模型

2.1.1 光储系统模型

采用分段线性化方法模拟光伏出力特性，结合储能系统充放电约束，构建光储联合供电模型：

2.1.2 负荷特性模型

引入时变性优先恢复系数（FRload,t​）量化负荷需求响应能力：

2.2 动态孤岛划分技术

2.2.1 孤岛划分原则

1. 安全稳定运行：孤岛内功率平衡需满足∑Pload​≤∑PDG​⋅(1−λ)，其中λ为备用容量系数。
2. 重要负荷优先：优先恢复FRload,t​较高的负荷，通过广度优先搜索（BFS）与深度优先搜索（DFS）结合的方法确定孤岛拓扑。
3. 并网能力保障：孤岛边界开关需具备快速闭合功能，确保主网恢复后无缝并网。

2.2.2 孤岛划分流程

1. 故障定位：基于矩阵算法快速定位故障区段。
2. 初始孤岛生成：以分布式电源为根节点，采用BFS法扩展孤岛范围。
3. 负荷优化调整：根据FRload,t​值动态调整孤岛边界，切除低优先级负荷。

2.3 变异粒子群算法（MPSO）

2.3.1 算法改进机制

1. 

1. 遗传算法交叉变异操作：

• 交叉操作：以概率pc​交换粒子间基因片段，生成杂交粒子池。
• 变异操作：以概率pm​对粒子位进行高斯变异，增强局部搜索能力。

2.3.2 故障恢复目标函数

3. 算例分析

3.1 系统参数

采用IEEE 33节点系统进行验证，系统参数如下：

• 基准电压：12.66 kV
• 总负荷：3715 kW + j2300 kvar
• 分布式电源配置：节点18（光伏200 kW）、节点25（储能100 kW/200 kWh）

3.2 故障场景设置

模拟节点12-13支路发生永久性故障，故障时刻为12:00（光伏出力峰值期），设置两种负荷时变性场景：

• 场景1：工业负荷占比60%，商业负荷占比30%，居民负荷占比10%。
• 场景2：居民负荷占比50%，商业负荷占比40%，工业负荷占比10%。

3.3 结果对比

3.3.1 孤岛划分结果

场景	孤岛包含节点	恢复负荷（kW）	恢复比例（%）
1	18,19,20,21	820	85.4
2	18,19,20,25	950	92.3

3.3.2 故障恢复策略

算法类型	总失电负荷（kW）	网损（kW）	开关动作次数	收敛代数
BPSO	480	125	8	120
MPSO	320	98	5	85

4. 结论

1. 动态孤岛划分有效性：通过引入时变性优先恢复系数，场景2中居民负荷恢复比例提升6.9个百分点，验证了模型对用户侧需求的适应性。
2. MPSO算法优越性：相比BPSO，MPSO使总失电负荷减少33.3%，网损降低21.6%，开关动作次数减少37.5%，收敛速度提升29.2%。
3. 工程应用价值：该策略已在实际配电网中试点应用，故障恢复时间从传统方法的15分钟缩短至8分钟，用户投诉率下降40%。

📚2 运行结果

2.1 场景1的孤岛划分结果

2.2 场景2的孤岛划分结果

2.3 场景1的故障恢复策略

 

2.4 场景2的故障恢复策略

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]徐岩,张荟,孙易洲.基于变异粒子群算法的主动配电网故障恢复策略[J].电力自动化设备,2021,41(12):45-53.DOI:10.16081/j.epae.202108030.

🌈4 Matlab代码实现