考虑极端天气线路脆弱性的配电网分布式电源配置优化模型_IEEE33节点（附带Matlab代码)

随着新能源技术及智能电网的发展，越来越多的分布式电源加入配电网中，不仅改变了配电网结构及供电方式，而且提升了配电网的供电质量。但是在全球气候变暖的背景下，极端天气发生的频率也越来越高，一旦发生必将对配电网系统造成巨大危害，引发大面积电力瘫痪，造成社会经济损失。因此，为了避免电力事故带来的经济损失及生产生活上的影响，提前辨识易故障的配电网线路并做好预防维护措施，完善配电网分布式电源接入位置及容量分配规划工作，在保证配电网安全稳定运行方面具有积极的科研价值与意义。

众所周知，极端天气是指在某个地区短时间内不会出现的气象事件，如：冰冻灾害、台风、雷击灾害等。伴随着温室效应的加剧，极端天气的发生概率也在不断升高，一旦发生对配电网的安全性和可靠性会造成巨大的威胁。因此对极端天气下的配电网分布式电源接入位置进行分析成为本章内容的重点。

文针对极端天气下的配电网分布式电源如何选址和如何分配容量的优化问题。首先构建配电网线路综合脆弱性模型，其次基于混沌时间序列对配电网的覆冰灾害进行分析，基于全景数据对配电网雷击跳闸率进行多态分层评估，基于微地形、微气象对配电网线路脆弱性进行分析，然后进行极端天气与分布式电源接入位置的关联性分析，最终基于上述分析结果构建配电网分布式电源配置优化 模型，通过求取目标函数最值来确定最优的分布式电源配置优化方案，全文采用某线路的覆冰数据及基于 IEEE 33 节点配电系统进行仿真实验。

添加链接描述
评估电力系统脆弱性的指标主要分为结构脆弱性指标和状态脆弱性指标，结构脆弱性指标模型基于复杂网络理论，将电网的发电机、变电站母线视为网络图中的节点，输电线路视为网络图中的节点之间的连边，通过建立相应的模型，如：自然连通度、平均最短路径比、聚类系数、电抗阶数等来辨识电网中的关键节点和关键边。状态脆弱性指标模型输入为电力系统在运行时的状态数据，如：节点电压值，节点注入功率，线路的实际阻抗值，来进行电网的脆弱性评估，但指标未考虑到电网的实际拓扑结构，容易忽视关键结构和线路。因此，两种模型从不同层面进行脆弱性评估，结果过于单一和片面，不具有客观性，无法得到更为全面综合的脆弱性指标。

考虑极端天气线路脆弱性的配电网分布式电源配置优化模型_IEEE33节点（Matlab代码)

部分代码：

%% 常量定义
pv=[0	0	0	0	0	21	32	48	56	62	68	75	85	90	75	70	50	25	0	0	0	0	0	0];
dw_pv=pv./sum(pv)*10;%单位光伏发电
delta_T=1;  N=24;
S_sopi1=0.002;    S_sopj1=0.002;
S_sopi2=0.01;    S_sopj2=0.01;
S_sopi3=0.01;    S_sopj3=0.01;
S_sopi4=0.02;    S_sopj4=0.02;
S_sopi5=0.02;    S_sopj5=0.02;    %SOP容量
A_sop=0.02;     %SOP损耗
EESmin=0.05;EESmax=0.15;capmax=2;capmin=0.2;%蓄电池充放电及容量限制
r_ij=Branch(:,4);   x_ij=Branch(:,5);%阻抗
p_Solar=zeros(33,N);
%p_Solar(5,:)=0.05.*dw_pv;p_Solar(11,:)=0.05.*dw_pv;p_Solar(15,:)=0.05.*dw_pv;p_Solar(22,:)=0.05.*dw_pv;p_Solar(31,:)=0.05.*dw_pv;%分布式功率
q_Solar=p_Solar.*0.05;%无功按照有功的0.05倍
%% 定义决策变量
lamda=sdpvar(33,N,'full');%权重
x_Iij_square=sdpvar(32,N,'full');%电流平方   
x_ui_square=sdpvar(33,N,'full');%电压平方
x_pij=sdpvar(32,N,'full'); %有功
x_qij=sdpvar(32,N,'full');%无功
%SOP功率
x_p_sop1=sdpvar(2,N,'full'); 
x_q_sop1=sdpvar(2,N,'full');

x_p_sop2=sdpvar(2,N,'full');    
x_q_sop2=sdpvar(2,N,'full');

结果：

考虑极端天气线路脆弱性的配电网分布式电源配置优化模型_IEEE33节点（Matlab代码)