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方案

本发明专利技术公开了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，包括：首先通过对实验地区的实际情况进行调研，确定优化目标函数和约束条件，并在此基础上将多目标优化函数进行归一化处理，其次对含分布式电源的配电网进行基于OpenDSS的建模，完成潮流计算和相关参数的求解，然后应用改进后的遗传算法对并网分布式电源的安装位置和容量进行优化。本发明专利技术应用OpenDSS对含分布式电源的配电网进行建模与潮流分析，减少潮流计算、节点电压等计算所需的时间，并且采用改进遗传算法能够有效避免陷入局部最优，利于全局最优的求解，由此分布式电源并网位置、容量的选取更加合理化，从根本上降低对配电网造成的不良影响。

Location optimization method and system for distributed generation based on Improved Genetic Algorithm

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。进一步地，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。进一步地，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。进一步地，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pmutation，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；e.判断是当前迭代次数否达到最大迭代次数，如果是，则转向步骤f，否则转向步骤b；f.输出最优解。进一步地，交叉概率pcross具体为：其中，gen为当前迭代代数，maxgen为最大迭代次数。进一步地，所述变异概率具体为：其中，gen为当前迭代代数，maxgen为最大迭代次数。本专利技术公开了一种基于改进遗传算法的分布式电源选址定容优化系统，包括：用于采集当地配电设备以及分布式电源数据的数据采集装置；用于搭建基于OpenDSS的分布式电源模型和含分布式电源的配电网仿真模型的装置；用于根据搭建的含分布式电源的配电网仿真模型进行仿真的装置；用于建立分布式电源并网的优化目标函数，并确定约束条件的装置；用于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的装置；用于采用改进遗传算法对分布式电源的位置、容量进行优化的装置。进一步地，还包括：用于对多目标进行归一化处理的装置。进一步地，用于采用改进遗传算法对分布式电源的位置、容量进行优化的装置具体为：用于产生初始种群的装置；用于选择适应度较高的个体遗传到下一代的装置；用于模仿自然界生物染色体基因重组，对父代两个个体的部分基因进行交换，产生新的子代的装置；用于通过设置变异概率Pm，对种群中的一些个体进行变异的装置；用于判断是当前迭代次数否达到最大迭代次数的装置；用于输出最优解的装置。本专利技术有益效果：本专利技术采用改进遗传算法对分布式电源并入配电网时的安装位置和容量进行优化，减少由于分布式电源安装位置、容量不合理导致系统网损增大，电压稳定性降低的情况发生，从而保障了含分布式电源配电网的安全生产与稳定运行。本专利技术将交叉与变异概率从静态转化为与迭代次数的平方相关的动态，变异交叉概率随着迭代次数的变化而变化，，经试验表明其优化结果比静态固定概率更加稳定，且优化效果更好。本专利技术计算简便、速度快，具有良好的实际应用价值，适于各种类型的分布式电源选址定容优化分析。本专利技术方法不但采用改进遗传算法保持个体遗传的多样性，防止算法过早收敛陷入局部最优，同时可以减少配电网潮流分析和参数求解时的计算量，为研究整个优化过程节省了大量的时间和精力，并且能够适用于任何函数表达形式的分布式电源选址定容优化，选取分布式电源并网的最佳接入位置和容量，有效地减少由于分布式电源的安装不当对配电网造成诸多的不利影响。附图说明图1是本专利技术基于改进遗传算法的分布式电源选址定容优化方法的流程图。具体实施方式：下面结合附图对本专利技术作进一步说明。应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。为了解决本专利技术
技术介绍
中指出的问题，本专利技术提供了一种分布式电源接入配电网的选址定容优化方法，该方法首先通过对实验地区的实际情况进行调研，确定优化目标函数和约束条件，并在此基础上将多目标优化函数进行归一化处理，其次对含分布式电源的配电网进行基于OpenDSS的建模，完成潮流计算和相关参数的求解，然后应用改进后的遗传算法对并网分布式电源的安装位置和容量进行优化。由于该方法应用OpenDSS对配电网和分布式电源建模并完成潮流计算和相关参数的求解，不仅可以减少数据计算所需的时间，而且改进后的遗传算法具有良好的收敛性，局部最优的情况得以缓解，能够对分布式电源的接入容量、位置进行寻优，因此有效提高了选址定容优化的效率和寻优能力。本专利技术公开的基于改进遗传算法的分布式电源选址定容优化方法，如图1所示，包括以下步骤：a.查找有关于分布式电源分类和工作原理的国内外文献、报告，分析各类分布式电源并网对配电系统产生的影响。总结上述分布式电源并网给配电网带来的不利影响，结合实验地区现状与政策要求，制定符合实际情况与政策的目标函数，并在此基础上明确约束条件；b.搜集当地配电设备以及分布式电源的数据，确定相关的参数，搭建基于OpenDSS的分布式电源建模和含分布式电源的配电网仿真与模拟平台；c.使用构建好的含分布式电源的配电网仿真模型对实验地区进行算例分析，得到网络中各节点的电压、电流等数本文档来自技高网...

【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