基于粒子群算法的分布式电源输出功率优化配置方法技术

本发明专利技术提供一种基于粒子群算法的分布式电源输出功率优化配置方法，主要步骤包括：①获取配电网的拓扑结构、各支路的阻抗参数和部分节点的负荷数据；②算出剩余节点的负荷功率；③以分布式电源的输出功率为决策变量，以各节点电压和支路电流为约束条件，确定配电网线路损耗最小为目标函数；④依据约束条件建立罚函数，结合目标函数确定适应度函数；⑤采用粒子群算法进行求解，得出各个分布式电源的功率配置。本发明专利技术为分布式电源接入的配电网提供了一种以降低线路损耗为目标的分布式电源输出功率优化配置方法；能够有效降低配电网的线损。

An Optimal Output Power Configuration Method for Distributed Power Generation Based on Particle Swarm Optimization

The invention provides an optimal allocation method of output power of distributed generation based on particle swarm optimization. The main steps include: (1) acquiring the topological structure of distribution network, impedance parameters of branches and load data of some nodes; (2) calculating load power of remaining nodes; (3) taking output power of distributed generation as decision variable and voltage and branch current of nodes as constraints. Firstly, the objective function is to minimize the line loss of distribution network; fourthly, penalty function is established according to the constraints, and fitness function is determined by combining objective function; fourthly, particle swarm optimization is used to solve the problem, and the power allocation of each distributed power source is obtained. The invention provides an optimal allocation method of output power of distributed power supply aiming at reducing line loss for distribution network connected by distributed power supply, and can effectively reduce line loss of distribution network.

【技术实现步骤摘要】
基于粒子群算法的分布式电源输出功率优化配置方法
本专利技术涉及中低压配电网节能降损领域，具体涉及一种降低配电网线损的基于粒子群算法的分布式电源输出功率优化配置方法。
技术介绍
电网的电能损耗是电力系统能源消耗的主要途径之一，据历史数据统计，我国电力系统在电能传输过程中年平均消耗了2.818万亿kWh的电能，并且这个数值随着负荷容量的提升而逐年增大。有关数据显示，近10年来，国内电网线损率要比发达国家高出1～2％，经济损失巨大。针对这一问题，人们从优化配电网结构、改进电网调度、运行方式等多角度入手，采取一系列方法，对减少电网线路损耗能够起到一定的效果。然而，目前关于减少配电网线损的方法，大多针对传统配电网有效，而对于分布式电源如太阳能发电、风力发电装置接入的配电网而言，其效果往往大打折扣。分布式电源接入配电网后，配电网的负荷分布和潮流将发生变化，分布式电源接入配电网的位置、输出功率大小以及配电网的网络拓扑结构等因素，都会影响到配电网的线损。因此，针对分布式电源接入的配电网，研究能够有效降低其线损的新方法，显得十分必要。
技术实现思路
本专利技术的目的是：提供一种基于粒子群算法的分布式电源输出功率优化配置方法，该方法依据配网的拓扑结构和其中部分节点已知的日负荷数据，算出其余节点在不同时段的负荷大小；结合各分布式电源在不同时段的出力限值，以线损最小为优化目标，采用粒子群算法对每个分布式电源的输出功率进行优化配置，有效降低配电网的线损。本专利技术的技术方案是：本专利技术的基于粒子群算法的分布式电源输出功率优化配置方法，包括以下步骤：步骤一，获取配电网的拓扑结构、各支路的阻抗参数和部分节点的负荷有功功率Pi和无功功率Qi，i＝1,2,…,m，其中m为已知负荷功率数据的配电网部分节点的数量；步骤二，采用前推回代潮流算法利用式(1)计算配电网剩余节点的负荷功率有功功率Pi和无功功率Qi，i＝m+1,2,…,n，其中n为配电网节点总数：式中，Ps和Qs为变电站母线s供给配电网的总有功功率和无功功率，和为全电网的有功损耗和无功损耗，Ki为配电变压器的功率分配系数，按式(2)求取：式中，Si为变压器i的额定容量；第n+1步迭代中电流前推迭代式为式(3)；节点电压的回推迭代式为式(4)：式中，节点j为节点i的父节点，节点k为节点i的子节点，Ci是节点i的子节点的集合，Ui和Uj是节点i和节点j的电压，rij和xij为节点i、j间支路的阻抗，Pij和Qij为节点i、j间支路流过的功率，Pi和Qi为节点i的负荷功率，Pik和Qik为节点i、k间支路流过的功率；步骤三，以分布式电源的输出功率X为决策变量，以各节点电压和支路电流为约束条件，确定使配电网线路损耗最小的目标函数：节点电压约束条件为式(5)：Umin≤Ui(X)≤Umax(5)式中，Ui(X)为节点i在分布式电源输出功率为X时的节点电压；Umin和Umax为任意节点电压的最小允许值和最大允许值；支路电流约束条件为式(6)：0≤Iij(X)≤Iijmax(6)式中，Iij(X)为节点i、j间支路的电流，Iijmax为该支路上允许流过的最大电流；采用式(7)计算配电网线路损耗Ploss(X)：Ploss(X)＝∑△Pij(X)＝∑Iij(X)2xij(7)式中，ΔPij(X)为节点i、j间支路有功功率损耗；电流Iij(X)通过加入分布式电源后的前推回代法算出；步骤四，依据约束条件建立罚函数，结合目标函数确定适应度函数：依据节点电压约束条件，采用式(8)建立罚函数p1(X)；依据支路电流约束条件，采用式(9)建立罚函数p2(X)：式中，k1(X)和k2(X)为惩罚系数；采用式(10)建立适应度函数F(X)：F(X)＝A-Ploss(X)-p1(X)-p2(X)(10)式中，A为常数；步骤五，采用粒子群算法，依以下步骤求解得出各个分布式电源的功率配置：①初始化一群微粒：微粒的维度与需优化功率的分布式电源个数保持一致，微粒在第i维度的初始位置在[0,PDGi]内随机，其中PDGi为第i个分布式电源的输出功率限值，微粒的初始速度在[-1,1]内随机；②应用适应度函数评价每个微粒的适应度：将每个分布式电源的输出功率配置X作为决策变量代入到适应度函数F(X)中，算出每个微粒的适应度大小；③对第k代中的每个微粒，将其适应度与其经历过的最好位置作比较，如果较好，则将其作为当前的最好位置④对第k代中的每个微粒，将其适应度与全局所经历的最好位置作比较，如果较好，则将其作为全局的最好位置⑤对微粒的速度和位置进行更新，更新公式采用式为：其中：c1和c2为加速常数；rand()和Rand()为两个在[0,1]范围内变化的随机函数；⑥判断是否达到预设的最大代数Gmax，若否，返回步骤②；若是，则将最终全局的最好位置作为最优解，得到各分布式电源最优输出功率配置。进一步的方案是：上述的步骤一中，获取的配电网节点的负荷数据为一天24小时内每隔1小时记录的有功功率和无功功率；所述步骤二至步骤五中，所涉及的计算均针对每一个时间段进行，每一个时间段为1小时，且以记录的负荷数据作为该时间段内的平均值。进一步的方案是：上述的步骤五中的步骤⑤中，加速常数c1和c2取值c1＝c2＝1.49445。进一步的方案是：上述的步骤五中的步骤⑥中，预设的最大代数Gmax＝200。本专利技术具有积极的效果：本专利技术的基于粒子群算法的分布式电源输出功率优化配置方法，其适用于分布式电源接入的配电网络，为分布式电源接入的配电网提供了一种以降低线路损耗为目标的分布式电源输出功率优化配置方法；该方法以线损最小为优化目标，采用粒子群算法对每个分布式电源的输出功率进行优化配置，能够有效降低配电网的线损；同时，本专利技术在计算线损时，考虑到部分节点的负荷大小未知，通过利用已知的实时负荷数据，采用前推回代潮流算法，计估算剩余节点的负荷大小，并进行线损计算，拥有较高的精度。附图说明图1为本专利技术实施例所采用的一种配电网拓扑图。具体实施方式下面结合附图和具体实施方式对本专利技术作进一步详细的说明。(实施例1)本实施例的基于粒子群算法的分布式电源输出功率优化配置方法，以图1所示的配电网进行说明。图1为一个辐射状的配电网拓扑图，图中标注的0～11为配电网节点，总节点数为n，在节点3接有光伏发电机组DG1，在节点6接有风力发电机组DG2，预测两个分布式电源在一天中不同时间段的出力限值分别为PDG1和PDG2。图1中馈线首端和部分节点的负荷功率已知，现以配电网线损最小为目标，对分布式电源在不同时间段的输出功率进行优化，所用方法具体包括以下步骤：步骤一，获取配电网的拓扑结构、各支路的阻抗参数和部分节点(m个)的负荷数据Pi和Qi(i＝1,2,…,m)。节点的负荷数据为一天24小时内每隔1小时记录的有功功率和无功功率。步骤二，计算剩余节点的负荷功率Pi和Qi(i＝m+1,2,…,n)：采用前推回代潮流算法进行计算，剩余节点的负荷功率Pi和Qi(i＝m+1,2,…,n)的表达式为：式中，Ps和Qs为变电站母线s供给配电网的总有功功率和无功功率，和为第n次计算时全电网的有功损耗和无功损耗，Ki为配电变压器的功率分配系数，按下式求取：式中，Si为变压器i的额定容量(kVA)。电流前推迭代式为：本文档来自技高网...

【技术保护点】
1.一种基于粒子群算法的分布式电源输出功率优化配置方法，其特征在于：包括以下步骤：步骤一，获取配电网的拓扑结构、各支路的阻抗参数和部分节点的负荷有功功率Pi和无功功率Qi，i＝1,2,…,m，其中m为已知负荷功率数据的配电网部分节点的数量；步骤二，采用前推回代潮流算法利用式(1)计算配电网剩余节点的负荷功率有功功率Pi和无功功率Qi，i＝m+1,2,…,n，其中n为配电网节点总数：

【技术特征摘要】
1.一种基于粒子群算法的分布式电源输出功率优化配置方法，其特征在于：包括以下步骤：步骤一，获取配电网的拓扑结构、各支路的阻抗参数和部分节点的负荷有功功率Pi和无功功率Qi，i＝1,2,…,m，其中m为已知负荷功率数据的配电网部分节点的数量；步骤二，采用前推回代潮流算法利用式(1)计算配电网剩余节点的负荷功率有功功率Pi和无功功率Qi，i＝m+1,2,…,n，其中n为配电网节点总数：式中，Ps和Qs为变电站母线s供给配电网的总有功功率和无功功率，和为全电网的有功损耗和无功损耗，Ki为配电变压器的功率分配系数，按式(2)求取：式中，Si为变压器i的额定容量；第n+1步迭代中电流前推迭代式为式(3)；节点电压的回推迭代式为式(4)：式中，节点j为节点i的父节点，节点k为节点i的子节点，Ci是节点i的子节点的集合，Ui和Uj是节点i和节点j的电压，rij和xij为节点i、j间支路的阻抗，Pij和Qij为节点i、j间支路流过的功率，Pi和Qi为节点i的负荷功率，Pik和Qik为节点i、k间支路流过的功率；步骤三，以分布式电源的输出功率X为决策变量，以各节点电压和支路电流为约束条件，确定使配电网线路损耗最小的目标函数：节点电压约束条件为式(5)：Umin≤Ui(X)≤Umax(5)式中，Ui(X)为节点i在分布式电源输出功率为X时的节点电压；Umin和Umax为任意节点电压的最小允许值和最大允许值；支路电流约束条件为式(6)：0≤Iij(X)≤Iijmax(6)式中，Iij(X)为节点i、j间支路的电流，Iijmax为该支路上允许流过的最大电流；采用式(7)计算配电网线路损耗Ploss(X)：Ploss(X)＝∑△Pij(X)＝∑Iij(X)2xij(7)式中，ΔPij(X)为节点i、j间支路有功功率损耗；电流Iij(X)通过加入分布式电源后的前推回代法算出；步骤四，依据约束条件建立罚函数，结合目标函数确定适应度函数：依据节点电压约束条件，采用式(8)建立罚函数p1(X)；依...

【专利技术属性】
技术研发人员：潘曙冰，陆政，高莹，汪立俊，毛涛，
申请(专利权)人：国网江苏省电力公司常州供电公司，国网江苏省电力公司，国家电网公司，
类型：发明
国别省市：江苏,32