考虑新能源与电动汽车接入的主动配电网重构方法技术

本发明专利技术公开了一种考虑新能源与电动汽车接入的主动配电网重构方法，包括步骤：步骤1，构建风电随机性模型和电动汽车随机性模型；步骤2，结合风电随机性模型、电动汽车随机性模型、目标函数和约束条件构建配电网重构系统模型；步骤3，根据各时刻用电情况将一天划分为若干时间场景；步骤4，基于配电网重构系统模型，采用改进的生物地理优化法搜索最优配电网络结构。本发明专利技术考虑了负荷侧和电源侧的随机性特点，结合场景分析法和随机潮流，在简化模型的前提下保证了精确性，计算方法的收敛速度和收敛精度都较传统的人工智能算法有优势。

【技术实现步骤摘要】

本专利技术属于配电系统运行
，具体涉及一种考虑新能源与电动汽车接入的主动配电网重构方法。
技术介绍
近年来，化石能源短缺、环境污染和全球气候变化等问题引发世界范围内的新能源革命。以风能、光伏发电为主要形式的分布式电源(DistributedGeneration，DG)发展迅速，中国风电机组装机容量计划在2020年达到2亿千瓦。这些新能源为缓解电能紧张、改善能源结构做出了巨大贡献，受到广泛重视和研究。电动汽车(ElectricVehicle，EV)也在减少碳排放，治理雾霾问题方面被寄予厚望，国内EV保有量预计于2020年达到50万辆。未来配电网络具有分布式新能源和EV等柔性负荷渗透率较高的特点，其随机性使得系统的运行状态不确定，波动性较大，配电网的潮流计算变得更为复杂。常规的配电网重构方法如支路交换法、动态规划法等一般只适应辐射型配电网，而含DG的配电网则是多端网络，结构更复杂；且当DG和EV接入配电网后，配电网潮流的随机性和复杂性大大增加，传统重构方法对电源及负荷的随机性考虑不足。人工智能算法能适应不同网络结构，且在搜索全局最优解的方面表现较好，但受初始解影响较大。目前考虑DG和EV随机性的配电网重构方法较少。
技术实现思路
针对现有技术存在的不足，本专利技术提出了一种考虑新能源与电动汽车接入的主动配电网重构方法。本专利技术采用基于时间尺度的场景分析法分割分布式电源出力(DG)出力和电动汽车(EV)负荷，利用划分区间分割波动，继而在各时间场景内利用随机潮流分析计算配电网潮流，在不失准确性的前提下简化了DG和EV的随机性模型和潮流计算。为解决上述技术问题，本专利技术采用如下的技术方案：考虑新能源与电动汽车接入的主动配电网重构方法，包括步骤：步骤1，构建风电随机性模型和电动汽车随机性模型；步骤2，结合风电随机性模型、电动汽车随机性模型、目标函数和约束条件构建配电网重构系统模型；所述的目标函数为OF表示配电网系统有功损耗总期望值；pb表示时间场景b出现的概率，即时间场景b的时间长度在一天时间的占比；Lb表示时间场景b下考虑电源及负荷随机性的随机潮流有功网损期望值；G为时间场景数；所述的约束条件包括潮流约束、节点电压约束、传输功率约束、网络拓扑约束、以及风电和电动汽车充电站接入点的功率因素约束；步骤3，根据各时刻用电情况将一天划分为若干时间场景；步骤4，基于配电网重构系统模型，采用改进的生物地理优化法搜索最优配电网络结构。步骤1具体为：采用线性函数表示风力机的功率曲线位于切入风速和额定风速间的部分，获得风电功率概率密度函数f(PW)，采用高斯分布函数对f(PW)进行近似，获得风电随机性模型f*(PWi)＝αG(α1,α2,PWi)，其中，G(α1,α2,PWi)表示高斯分布函数，PWi表示风电有功出力；α、α1、α2分别为G(α1,α2,PWi)的系数、均值和方差，α根据地理信息确定。步骤2中，所述的电动汽车随机性模型包括电动汽车的充电起始时刻、充电功率、充电耗时、充电状态的概率密度函数。基于电动汽车充电起始时刻满足正态分布，构建充电起始时刻的概率密度函数fS(x1)：其中，x1表示变量，这里x1表示充电起始时刻；σS表示变量的方差；μs表示变量的均值；σS和μs用来描述充电起始时刻的分布特性，μS＝17.6，σS＝3.4。基于电动汽车的充电功率在2～3kW范围内满足均匀分布，构建充电功率的概率密度函数其中，x2表示变量，这里x2表示充电功率。充电耗时的概率密度函数为：其中，x3表示变量，这里x3表充电耗时；σD表示变量的方差；μD表示变量的均值；p表示积分变量；σD和μD用来描述电动汽车充电耗时的分布特性，μD＝3.2，σD＝0.88。时刻t0充电状态的概率密度函数如下：其中，表示充电状态为1时的概率密度，表示充电状态为0时的概率密度，1代表正在充电，0代表未在充电；ts表示充电起始时刻；tC表示充电时长；FS和分别为充电起始时刻和充电耗时的概率分布函数。步骤3具体为：将一天划分为6个时间场景，即0:00～6:00为第一时间场景，6:00～12:00为第二时间场景，12:00～13:00为第三时间场景，13:00～17:00为第四时间场景，17:00～21:00为第五时间场景，21:00～0:00为第六时间场景。步骤5进一步包括子步骤：5.1初始化参数；5.2随机初始化初始种群中各栖息地的适宜度向量xi，i＝1,2,...,n；5.3计算初始种群中各栖息地i的适宜度指数，适宜度指数最大的栖息地即个体最优解，其他栖息地则为非精英栖息地，适宜度指数f(xi)即配电网系统有功损耗总期望值OF，通过潮流计算获得；5.4对栖息地进行迁移操作，形成新种群，以新种群为当前种群，计算当前种群中各栖息地i的适宜度指数，获得当前个体最优解和当前非精英栖息地；5.5根据当前种群各栖息地的平均适宜度指数判断是否陷入局部最优，若是，执行步骤5.6；否则，执行步骤5.7；5.6计算当前种群各栖息地的变异率基于变异率对当前非精英栖息地进行突变操作，以突变后的种群为当前种群，计算当前种群中各栖息地i的适宜度指数，获得当前个体最优解和当前非精英栖息地，然后执行步骤5.7；5.7判断是否达到最大迭代次数，若达到，则结束；否则，继续执行步骤5.2。步骤4中采用如下的编码方法：首先，使配电网络结构中所有开关均闭合；然后，对配电网络结构中各环均进行一次解环操作；接着，对可行解编码获得M维空间的点集，将初始栖息地也编码为M维的点，M为配电网络结构中的环数；每个可行解中，任何一个开关最多被打开一次，不同环路间的共用路径上最多打开一个开关。与现有技术相比，本专利技术具有以下优点和有益效果：1)风电和EV的分场景随机性模型能在保证精确性的前提下简化模型，避免了场景的组合爆炸，体现了对于配电网中不断增加的DG和EV的适应性；2)场景分析和随机潮流计算相结合的方法既能弥补场景分析法在精确性上的不足，又能有效限制随机潮流计算中的波动误差；3)本专利技术采用改进的生物地理算法能快速收敛并避免早熟、陷入局部最优，在迭代次数较少的情况下就能搜寻到最优解，在收敛速度和收敛精度上表现出了相对与传统的BBO算法、PSO算法、GA算法的优势。附图说明图1为本专利技术方法的具体流程图；图2为实施例中初始配电网络结构示意图；图3为实施例中重构后的配电网络结构示意图；图4为实施例中重构后各时间场景下节点电压分布图；图5为实施例中重构前后节点电压期望值分布图；图6为实施例中不同方法的重构效果对比图。具体实施方式下面将结合附图和具体实施方式进一步说明本专利技术技术方案。见图1，本专利技术具体步骤如下：步骤1，建立风电随机性模型。当风力机的功率曲线位于切入风速和额定风速之间的部分用线性函数表示时，精确的风电功率概率密度函数f(PW)如下：式(1)中：PW表示风电出力；Prate表示风机的额定功率；vrate、vco、vci分别表示额定风速、切入风速、切除风速；F(vco)、F(vrate)、F(vci)分别为风速不大于vco、vrate和vci的概率；k和c分别表示形状参数和尺度参数；k1＝Prate/(vrate-vci)，k2＝-k1vci；qw为风电自身的强迫停运概本文档来自技高网...

【技术保护点】
考虑新能源与电动汽车接入的主动配电网重构方法，其特征在于，包括步骤：步骤1，构建风电随机性模型和电动汽车随机性模型；步骤2，结合风电随机性模型、电动汽车随机性模型、目标函数和约束条件构建配电网重构系统模型；所述的目标函数为OF表示配电网系统有功损耗总期望值；pb表示时间场景b出现的概率，即时间场景b的时间长度在一天时间的占比；Lb表示时间场景b下考虑电源及负荷随机性的随机潮流有功网损期望值；G为时间场景数；所述的约束条件包括潮流约束、节点电压约束、传输功率约束、网络拓扑约束、以及风电和电动汽车充电站接入点的功率因素约束；步骤3，根据各时刻用电情况将一天划分为若干时间场景；步骤4，基于配电网重构系统模型，采用改进的生物地理优化法搜索最优配电网络结构。

【技术特征摘要】
1.考虑新能源与电动汽车接入的主动配电网重构方法，其特征在于，包括步骤：步骤1，构建风电随机性模型和电动汽车随机性模型；步骤2，结合风电随机性模型、电动汽车随机性模型、目标函数和约束条件构建配电网重构系统模型；所述的目标函数为OF表示配电网系统有功损耗总期望值；pb表示时间场景b出现的概率，即时间场景b的时间长度在一天时间的占比；Lb表示时间场景b下考虑电源及负荷随机性的随机潮流有功网损期望值；G为时间场景数；所述的约束条件包括潮流约束、节点电压约束、传输功率约束、网络拓扑约束、以及风电和电动汽车充电站接入点的功率因素约束；步骤3，根据各时刻用电情况将一天划分为若干时间场景；步骤4，基于配电网重构系统模型，采用改进的生物地理优化法搜索最优配电网络结构。2.如权利要求1所述的考虑新能源与电动汽车接入的主动配电网重构方法，其特征在于：步骤1具体为：采用线性函数表示风力机的功率曲线位于切入风速和额定风速间的部分，获得风电功率概率密度函数f(PW)，采用高斯分布函数对f(PW)进行近似，获得风电随机性模型f*(PWi)＝αG(α1,α2,PWi)，其中，G(α1,α2,PWi)表示高斯分布函数，PWi表示风电有功出力；α、α1、α2分别为G(α1,α2,PWi)的系数、均值和方差，α根据地理信息确定。3.如权利要求1所述的考虑新能源与电动汽车接入的主动配电网重构方法，其特征在于：步骤2中，所述的电动汽车随机性模型包括电动汽车的充电起始时刻、充电功率、充电耗时、充电状态的概率密度函数。4.如权利要求3所述的考虑新能源与电动汽车接入的主动配电网重构方法，其特征在于：基于电动汽车充电起始时刻满足正态分布，构建充电起始时刻的概率密度函数fS(x1)：其中，x1表示变量，这里x1表示充电起始时刻；σS表示变量的方差；μs表示变量的均值；σS和μs用来描述充电起始时刻的分布特性，μS＝17.6，σS＝3.4。5.如权利要求3所述的考虑新能源与电动汽车接入的主动配电网重构方法，其特征在于：基于电动汽车的充电功率在2～3kW范围内满足均匀分布，构建充电功率的概率密度函数其中，x2表示变量，这里x2表示充电功率。6.如权利要求3所述的考虑新能源与电动汽车接入的主动配电网重构方法，其特征在于：充电耗时的概率密度函数为：其中，x3表示变量，这里x3表充电耗时；σD表示变量的方差；μD表示变量的均...

【专利技术属性】
技术研发人员：王昕，邹宏亮，柳骏，沈一平，汤义勤，张东波，陈秋临，李钟煦，
申请(专利权)人：国网浙江省电力公司台州供电公司，武汉大学，
类型：发明
国别省市：浙江;33