The invention discloses an optimization method and system for location and capacity determination of distributed power supply based on improved genetic algorithm, which includes: firstly, the optimization objective function and constraints are determined by investigating the actual situation of the experimental area, and on this basis, the multi-objective optimization function is normalized; secondly, the multi-objective optimization function is normalized; secondly, the distributed power supply is included. The distribution network of power supply is modeled based on OpenDSS, and the power flow calculation and related parameters are solved. Then the installation location and capacity of the grid-connected distributed power supply are optimized by the improved genetic algorithm. The invention applies OpenDSS to modeling and power flow analysis of distribution network with distributed generation, reduces the time needed for power flow calculation and node voltage calculation, and adopts improved genetic algorithm to effectively avoid falling into local optimum, which is beneficial to solving global optimum, thus the selection of grid-connected position and capacity of distributed generation is more effective. Rationalization will fundamentally reduce the adverse effects on distribution networks.
【技术实现步骤摘要】
基于改进遗传算法的分布式电源选址定容优化方法及系统
本专利技术涉及一种基于改进遗传算法的分布式电源选址定容优化方法及系统。
技术介绍
目前,常见的分布式电源选址定容优化算法可以划分为传统的数学算法和智能算法,其中智能算法有经典遗传算法、粒子群算法、蚁群算法和Tabu搜索算法等。遗传算法是一种建立在遗传机制和自然选择原理上的全局性优化方法,适用于任何函数表达形式,可以有效地解决实际问题。由于遗传算法自身的运算优势和限制,在现实应用中有利也有弊。该算法具有快速的搜索能力,具有并行性,可以同时比较多个个体,并且可以与其他算法结合使用,具有较强的可扩展性。但存在求解时间较长、编程实现过程较为复杂、潜在的并行机制并没有充分开发利用等缺陷,因此使得遗传算法仍是当前的研究热点。
技术实现思路
本专利技术的目的在于针对传统遗传算法的弊端,提供一种基于改进遗传算法的分布式电源选址定容优化方法及系统,将变异概率以及交叉概率由算子改进为动态概率,以此与迭代次数的平方相关,改进遗传算法的局部最优情况,能够在分布式电源并入配电网时,选取较优的接入位置与容量,充分发挥分布式电源并网的优势,减少由于分布式电源并网不当给配电网带来诸多方面的影响,提高总体的电能质量。为实现上述目的,本专利技术采用下述技术方案,包括:本专利技术公开了基于改进遗传算法的分布式电源选址定容优化方法,包括以下步骤:(1)采集当地配电设备以及分布式电源的数据,搭建基于OpenDSS的分布式电源模型和含分布式电源的配电网仿真模型;(2)根据搭建的含分布式电源的配电网仿真模型进行仿真,得到配电网中各节点的电压、电流数据,进 ...
【技术保护点】
1.基于改进遗传算法的分布式电源选址定容优化方法,其特征在于,包括以下步骤:(1)采集当地配电设备以及分布式电源的数据,搭建基于OpenDSS的分布式电源模型和含分布式电源的配电网仿真模型;(2)根据搭建的含分布式电源的配电网仿真模型进行仿真,得到配电网中各节点的电压、电流数据,进行潮流计算,得到接入分布式电源的配电网潮流分布;(3)建立分布式电源并网的优化目标函数,并确定约束条件;(4)对遗传操作参数进行编码,采用二进制编码进行个体的编码,采用改进遗传算法对分布式电源的位置、容量进行优化。
【技术特征摘要】
1.基于改进遗传算法的分布式电源选址定容优化方法,其特征在于,包括以下步骤:(1)采集当地配电设备以及分布式电源的数据,搭建基于OpenDSS的分布式电源模型和含分布式电源的配电网仿真模型;(2)根据搭建的含分布式电源的配电网仿真模型进行仿真,得到配电网中各节点的电压、电流数据,进行潮流计算,得到接入分布式电源的配电网潮流分布;(3)建立分布式电源并网的优化目标函数,并确定约束条件;(4)对遗传操作参数进行编码,采用二进制编码进行个体的编码,采用改进遗传算法对分布式电源的位置、容量进行优化。2.如权利要求1所述的基于改进遗传算法的分布式电源选址定容优化方法,其特征在于,所述步骤(3)中,如果构建的优化目标函数为多目标函数,则对多目标进行归一化处理,归一化后的目标函数为改进遗传算法的适应度函数。3.如权利要求1所述的基于改进遗传算法的分布式电源选址定容优化方法,其特征在于,求解极大值时,所述适应度函数设置为目标函数与适当小的正数之和;求解极小值时,所述适应度函数设置为充分大的正数与目标函数之差。4.如权利要求1所述的基于改进遗传算法的分布式电源选址定容优化方法,其特征在于,所述步骤(4)中,采用改进遗传算法对分布式电源的位置、容量进行优化具体为:a.产生初始种群,设置染色体长度和最大迭代次数;在开始计算时,随机选择染色体构成一个初始种群;b.选择适应度较高的个体遗传到下一代,剔除适应度较低的个体;c.模仿自然界生物染色体基因重组,确定交叉概率pcross,对父代两个个体的部分基因进行交换,产生新的子代,提供个体多样性;d.通过设置变异概率Pm,对种群中的一些个体进行变异,就是把染色体上的基因取反;...
【专利技术属性】
技术研发人员:徐珂,聂萌,王洋,侯广松,甄颖,荆树志,张冰,田运涛,
申请(专利权)人:国网山东省电力公司菏泽供电公司,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。