💥💥💞💞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。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

2.1 算例

 2.2 运行结果

🎉3 参考文献

🌈4 Python代码、数据、文章讲解

---

​

💥1 概述

紧急切负荷方案的制定，可以分为“离线决策，实时匹配”、“在线决策、实时匹配”和“实时决策，实时控制”三种。离线状策一汉龙江口雨一什定时H配Q在线决想场景和直流闭锁事件进行大量的仿真试验，制定功贝R依质行方式恋化滚动更新决策策则是短期阶段内生成决策表，而后母15分P战平门问广城测骨系统采集到的电网实时表。实时决策无需生成决策表，而是根据直流闭锁瞬间广域测量系统采集到的电网实时量测量，快速生成紧急切负荷策略。
上述三种决策方式中,实时决策更符合电网的实时运行情况，具有最低的控制代价，然而极短时间内生成控制策略非常困难。在线决策万余的巴倒亢状。减为适应不同的运其算法可实施性更好。离线决策是目前工程中米用最多的时宋分夷现为过切。需要说明行方式，整定的切负荷方案具有很高的控制代价，在动作时往往表现为过切。需要说明的是，工程中在制定切负荷策略时，不同决策方法的侧重点不一样。离线决策追求优化算法的可靠性，切负荷方案必须能保证不同方式下电网的稳定运行，控制代价可以高-些。在线决策追求算法的快速性，期望能在短时间内，计算得到一个控制代价低于离线决策的可行方案，对方案是否为全局最优的要求不高。
当前对紧急切负荷优化算法的研究，大体分为了两种研究路线:一是采用经典的数学规划类算法，二是采用启发式优化算法。这两类优化方法各有突出的优越性与局限性，下面对两类方法进行综述。

与传统规划类算法不同，启发式算法受自然界生物规律启发，适用于求解复杂优化问题。文献[24]建立了考虑多运行方式下的紧急切负荷优化模型，并采用文化粒子群算法，在优化切负荷方案的同时，避免粒子群算法陷入局部最优。文献[25]协调切负荷的经济性和事故后的评级，建立目标函数，并采用改进粒子群算法进行求解。文献[26]推导直流闭锁后电网频率的估算模型，基于直流闭锁瞬间的广域测量数据，用粒子群算法快速求解，达到“实时决策、实时控制”的效果。文献[27]建立低频减载量和延迟时同的多目标优化模型，并采用粒子群算法进行优化，提升切负荷响应速度。
总的来说，现有文献中，以在线紧急切负荷优化为研究目标居多。其中，基于灵敏度分析的数学规划类方法计算量小，能够快速得到切负荷优化方案。但其优化结果会在单一分区切除大量的负荷，难以顾及切负荷的公平性，不利于社会的稳定8)。其次，其采用的线性规划算法要求优化模型的目标函数必须是线性函数，但实际中一个切负荷站的代价因子会随着切负荷比例的增加而增加，灵敏度分析方法很难对切负荷带来的代价进行综合考虑。对比下，启发式优化算法对切负荷优化模型的适应度强，可以综合考虑各类控制代价，但其需要大量的时域仿真(（Time-domain simulation, TDS)来计算控制万案的暂态轨迹，目前更多的用于离线决策优化，难以应用于在线计算。为更综合考切负荷的控制代价，同时缩短启发式算法的优化时间，可以将机器学习理论与智能优化算
法结合，采用数据驱动的方式，对紧急切负荷方案进行优化l29]。
在我国，由于经济的持续快速健康的高速发展和全人类社会持续发展，对能源高效与电力优质供给带来的各种新技术需求数量，即对整个国家对用电的需求量急剧上升，国家再次出现了一波用电高峰。我国目前的发电模式存在着较为严重的问题，尤其是小型燃煤电厂能耗高、污染严重，已经严重影响了其持续发展情况（田壁源等，2019) 。通过加大对电力企业的节能降耗、降低煤炭等能源消费，对于全面统筹缓解减轻国内的能源供给和保证国家的能源安全具有重要作用。
本文数学模型如下：

 详细数学讲解见第4部分。

📚2 运行结果

2.1 算例

​

 2.2 运行结果

​

 ​

 ​

​ 

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]常延朝. 数据驱动的受端电网紧急切负荷优化研究[D].山东大学,2022.DOI:10.27272/d.cnki.gshdu.2022.002454.

[2]郭永明,李仲昌,尤小虎,刘观起,郑洁.计及备用容量优化配置的风火联合随机经济调度模型[J].电力系统保护与控制,2016,44(24):31-36.

[3]王思宇. 基于改进鱼群算法的多目标风火联合环境经济调度研究[D].沈阳农业大学,2022.DOI:10.27327/d.cnki.gshnu.2022.000687.

[4] 赵晋泉,叶君玲,邓勇. 直流潮流与交流潮流的对比分析[J]. 电网技术,2012,36(10):147-152.

[5] 张伯明．陈寿孙．严正．高等电力网络分析[M]．北京：清华大学出版社，2007.

[6] A. Soroudi, Power System Optimization Modeling in GAMS. 2017. DOI: 10.1007/978-3-319-62350-4.

🌈4 Python代码、数据、文章讲解