基于图论与人工智能搜索技术的电网拓扑跟踪方法

提出一种将图论与人工智能搜索技术相结合的快速电网拓扑跟踪方法。该方法采用结点–开关关联矩阵表示站内拓扑,通过推导结点–开关关联矩阵得到表示结点间连通情况的结点邻接矩阵,并构建结点树以表示电网中电气结点的连通情况。在实时持续运行环境下、电网发生开关开合事件时,该方法通过修改结点的邻接矩阵来快速跟踪站内拓扑的变化,将站内结点重新分组并映射为电网的结点,然后采用启发式搜索算法对原搜索树进行局部更新,从而实现对发生变化的局部电网拓扑的快速跟踪。对某实际电网进行的测试结果表明,该方法具有良好的通用性和实时性,可满足系统对电网实时拓扑分析的要求。

配电网在根树分割和负荷均衡分配下的故障恢复

随着电网发展,高供电能力网架被广泛应用在配网改造中,在提高配电网联络率的同时使得其故障恢复算法表现为复杂的图论问题。针对图论问题下的配网故障恢复算法这一热点,提出配网在根数分割理论下的故障恢复算法。该算法将配网非故障失电区域比作根树,根树分割的过程就是形成故障恢复策略的过程。从下游对根树逐段进行分割,将分割过程中产生的馈线段下游多个联络开关作为被分割出去部分的根节点,则形成多个新根树。新根树之间组合又形成根树组,每一个根树组对应一个故障恢复方案,以恢复尽量多的负荷和负荷均衡为最优方案,对形成的故障恢复方案进行筛选。以典型高供电能力网架为实例进行计算与分析,验证该算法的有效性。