一种基于改进粒子群的分布式光伏配电网规划方法技术

技术编号:21368301 阅读:17 留言:0更新日期:2019-06-15 10:52
本发明专利技术提出了一种基于改进粒子群的分布式光伏配电网规划方法。本发明专利技术建立配电网网络结构模型以及初始化粒子群算法参数;根据各节点负荷信息确立聚类结果生成初始种群;通过采样光伏典型日出力曲线以及地区典型日负荷曲线,计算一天中各时段配电网各节点分布式光伏总体日出力数据;依据配电网损及节点电压建立目标函数模型;对于种群中粒子,应用前推回代法进行潮流和网损计算,以建立优化模型;通过迭代结果依据预设参数更新粒子位置,重新评估粒子适应值;若粒子达到最大迭代次数条件则输出最优解即迭代终止时群体当前的最优解,否则重新规划安装方案。本发明专利技术能够在电压不越限的情况下在并网点位置安装更多分布式光伏发电系统以满足用电需求。

A Distributed Photovoltaic Distribution Network Planning Method Based on Improved Particle Swarm Optimization

The invention proposes a distributed photovoltaic distribution network planning method based on Improved Particle Swarm optimization. The invention establishes the structure model of distribution network and parameters of initial particle swarm optimization algorithm; establishes the initial population according to the load information of each node; calculates the distributed total solar output data of each node of distribution network in each period of a day by sampling typical solar output curve of photovoltaic and typical regional daily load curve; and establishes the target according to distribution network loss and node voltage. Functional model; For the particles in the population, the forward and backward substitution method is applied to calculate the power flow and network loss to establish the optimization model; the particle position is updated according to the preset parameters through the iteration results, and the particle fitness is reassessessed; if the particle reaches the maximum iteration number, the optimal solution is the current optimal solution of the population at the end of the iteration, otherwise the installation scheme is re-planned. The invention can install more distributed photovoltaic power generation systems at the grid-connected point position to meet the demand of power consumption without exceeding the voltage limit.

【技术实现步骤摘要】
一种基于改进粒子群的分布式光伏配电网规划方法
本专利技术属于非有效接地配电网
,具体涉及一种基于改进粒子群的分布式光伏配电网规划方法。
技术介绍
根据2016年国家发展改革委发布的《可再生能源发展“2016-2020”规划》以及2018年国家能源局发布的《2018年能源工作指导意见》,分布式户用屋顶光伏发电已成为我国提高可再生能源消纳比重的主要手段之一,是我国实现2020年太阳能发电并网装机达到1.1亿千瓦目标的重要举措。由于典型居民负荷的高峰与低谷时段和光照时段的不匹配,高比例户用屋顶光伏的并网将造成低压配电网电压越限,即低压配电网在白天容易出现过电压风险,而夜间容易面临欠电压风险,其已成为影响光伏消纳的最重要因素之一。目前处理配电网规划的算法主要分为两类:一是传统的优化算法,如线性规划法、非线性规划法、混合整数规划法、动态规划法等,但是面对多节点规划难以得到全局最优解;二是粒子群算法等人工智能的优化算法,能较好地处理离散、多目标的优化问题。在处理配电网分布式光伏发电系统规划时,采用粒子群算法时能够较好地实现电压不越限情况下光伏装机数量最多的规划目标并解决数据实时变化以及装机数量与容量不确定的问题。但现有方法中的求解规划模型往往假定负荷沿馈线按一定规律分布,与实际配电网中的负荷随机分布特性不一致,无法满足配电网分布式光伏发电精益化规划的需要。因此,需寻找一种依据节点负荷大小,并能够考虑到实时光照变化以及户用负荷变化的分布式光伏配电网规划新方法,能够在保证电压不越限的情况下在给定并网点位置安装更多分布式光伏发电系统以满足用电需求。
技术实现思路
本专利技术的目的是提供一种基于改进粒子群的分布式光伏配电网规划方法,可用于可靠确定配电网中分布式光伏在每个节点的最优安装数量及容量,以克服
技术介绍
中存在的问题。为了实现上述目的,本专利技术的技术方案为一种基于改进粒子群的分布式光伏配电网规划方法,具体包括以下步骤:步骤1:建立配电网网络结构模型以及初始化粒子群算法参数;步骤2:根据各节点负荷信息确立聚类结果生成初始种群;步骤3:通过采样分布式光伏的典型日出力曲线以及规划地区典型日负荷曲线,计算一天中各时段配电网各节点分布式光伏总体日出力数据;步骤4:选定配电网网损以及各节点电压,结合惩罚函数建立目标函数模型;步骤5:对于种群中每个粒子,应用前推回代法进行潮流计算和网损计算,以建立粒子优化模型;步骤6:依据迭代次数更新惯性因子,计算每个粒子的速度以及每个粒子的位置;步骤7:应用前推回推法进行潮流计算和网损计算,重新评估每个粒子的适应值;步骤8:检查是否达到最大迭代次数,若满足条件输出最优解即迭代终止时的群体当前的最优解;如果没有达到最大迭代次数则转步骤4。作为优选,步骤1中所述建立配电网网络结构模型为:获取配电网节点数为N、Zi为节点i的支路阻抗、Pi+jQi为节点i的负荷,Pi为节点i的负荷有功功率,Qi为节点i的负荷无功功率,确定电压上限为Umax,确定电压下限为Umin;i∈[1,N];步骤1中所述初始化粒子群算法参数:粒子群体的规模为M、最大迭代次数为itermax、第一权重因子为c1、第二权重因子为c2、粒子更新的最大速度为vmax,采集光伏出力数据为α,户用负荷变化数据为β;作为优选,步骤2中所述根据各节点负荷信息确立聚类结果生成初始种群具体为:各节点装入最大光伏数量由该节点负荷所决定,故而采用系统聚类法将各节点输入有功作为聚类元素进行比较,即先将所有节点依据自身负荷各自形成一类,然后依据迭代公式进行系统聚类,即将每次离差和增加量最小的两类合并,如下所示:其中,代表p类中离差平方和大小,代表q类中离差平方和大小,SA代表p和q类合并为A类后的离差平方和,代表同类节点有功功率平均值,pp,i代表p类节点中第i个节点有功功率,pq,i代表q类节点中第i个节点有功功率;由于生成初始种群中,可能出现光伏有功输出之和大于节点消耗有功,故而各节点应当依据自身聚类结果计算虚拟光伏最大输出,即保证每节点光伏有功输入不越限情况下,假设最大光伏安装数量不变而改变后的最大有功输出,如下所示:式中,代表在聚类结果T中第a类的节点负荷最小值,ppv代表单个光伏最大有功输出;接着一天中配电网节点i分布式光伏总体日出力数据最大值ps,i,如下所示:其中ni代表第i个节点的光伏装机数量,代表虚拟光伏最大有功输出;作为优选,步骤3中所述计算一天中各时段配电网各节点分布式光伏总体日出力数据为:式中,pt,i代表当前t时刻节点i分布式光伏总体日出力数据,αt代表当前t时刻分布式光伏的典型日出力数据,αmax代表分布式光伏的典型日出力曲线中最大值,ps,i代表计算一天中配电网节点i分布式光伏总体日出力数据最大值;接着计算每小时配电网节点实际用电功率,具体为更新各节点每小时用电功率大小如下所示:其中,Pi为节点i的负荷有功功率,βt代表规划地区当前t时刻典型日负荷曲线数据,βmax代表规划地区典型日负荷曲线中最大值,pt,i代表当前t时刻节点i分布式光伏总体日出力数据;接着,依据最大负荷节点计算接入最大光伏数量J,形成下述初始种群矩阵:作为优选,步骤4中所述建立目标函数模型为:考虑到一天之中太阳辐射以及户用负荷变化,为获得符合时间变化的最优铺设方案,依据生成种群结果计算配电网损以及节点电压情况构造如下:式中,表示配电网m条路径中网络损耗之和,E1为电压越限时的惩罚因子,E2为根据节点装机数量所定权重,Nmax,i代表i节点光伏装机数量;K(Vi)=max(0,|Vi|min-|Vi|)+max((0,|Vi|-|Vi|max)表示节点电压约束;作为优选,步骤5中所述应用前推回代法进行潮流计算和网损计算为:根据潮流计算的结果按步骤2中改变后的最大有功输出评估种群中每个粒子的适应值;步骤5中所述建立粒子优化模型为:依据粒子群算法进行路径寻优,其中每个粒子即每种安装方案在维空间中的坐标位置可表示为xi=[xi,1,xi,2,...,xi,D],粒子i(i=1,2,...,N)的速度定义为每次迭代中粒子移动的距离,用vi=[vi,1,vi,2,...,vi,D]表示;第i个粒子迄今为止搜索到的最优位置为xp,i=[xp,i,1,xp,i,2,...,xp,i,D],该位置适应度值为pbest,i,称为个体极值;整个粒子群迄今为止搜索到的最优位置为xg=[xg,1,xg,2,...,xg,D],该位置适应度值为gbest,称为全局极值;各粒子根据如下公式更新自己的速度和位置,进行迭代操作;取其中最小值作为群体当前的最优解gbest,设定每个粒子当前位置为认知最优解pbest,i;作为优选,步骤6中所述更新迭代次数为:更新迭代序号iter=iter+1;其中,iter为迭代的次数;步骤6中所述更新惯性因子ω为:其中,iter为迭代的次数,itermax为预置的最大迭代次数,ωmax为限定的惯性因子上限值,ωmin为限定的惯性因子下限值。计算每个粒子在k+1次迭代后的速度为:其中,为粒子经k次迭代后的速度,为群体经k次迭代后的全局最优解,粒子在当前位置的个体最优解。计算每个粒子在当前k+1次迭代后位置为其中,为粒子在k次迭代后位置,为粒子在k+1次迭代本文档来自技高网
...

【技术保护点】
1.一种基于改进粒子群的分布式光伏配电网规划方法,其特征在于,包括:步骤1:建立配电网网络结构模型以及初始化粒子群算法参数;步骤2:根据各节点负荷信息确立聚类结果生成初始种群;步骤3:通过采样分布式光伏的典型日出力曲线以及规划地区典型日负荷曲线,计算一天中各时段配电网各节点分布式光伏总体日出力数据;步骤4:选定配电网网损以及各节点电压,结合惩罚函数建立目标函数模型;步骤5:对于种群中每个粒子,应用前推回代法进行潮流计算和网损计算,以建立粒子优化模型;步骤6:依据迭代次数更新惯性因子,计算每个粒子的速度以及每个粒子的位置;步骤7:应用前推回推法进行潮流计算和网损计算,重新评估每个粒子的适应值;步骤8:检查是否达到最大迭代次数,若满足条件输出最优解即迭代终止时的群体当前的最优解;如果没有达到最大迭代次数则转步骤4。

【技术特征摘要】
1.一种基于改进粒子群的分布式光伏配电网规划方法,其特征在于,包括:步骤1:建立配电网网络结构模型以及初始化粒子群算法参数;步骤2:根据各节点负荷信息确立聚类结果生成初始种群;步骤3:通过采样分布式光伏的典型日出力曲线以及规划地区典型日负荷曲线,计算一天中各时段配电网各节点分布式光伏总体日出力数据;步骤4:选定配电网网损以及各节点电压,结合惩罚函数建立目标函数模型;步骤5:对于种群中每个粒子,应用前推回代法进行潮流计算和网损计算,以建立粒子优化模型;步骤6:依据迭代次数更新惯性因子,计算每个粒子的速度以及每个粒子的位置;步骤7:应用前推回推法进行潮流计算和网损计算,重新评估每个粒子的适应值;步骤8:检查是否达到最大迭代次数,若满足条件输出最优解即迭代终止时的群体当前的最优解;如果没有达到最大迭代次数则转步骤4。2.根据权利要求1所述的基于改进粒子群的分布式光伏配电网规划方法,其特征在于:步骤1中所述建立配电网网络结构模型为:获取配电网节点数为N、Zi为节点i的支路阻抗、Pi+jQi为节点i的负荷,Pi为节点i的负荷有功功率,Qi为节点i的负荷无功功率,确定电压上限为Umax,确定电压下限为Umin;i∈[1,N];步骤1中所述初始化粒子群算法参数:粒子群体的规模为M、最大迭代次数为itermax、第一权重因子为c1、第二权重因子为c2、粒子更新的最大速度为vmax,采集光伏出力数据为α,户用负荷变化数据为β。3.根据权利要求1所述的基于改进粒子群的分布式光伏配电网规划方法,其特征在于:步骤2中所述根据各节点负荷信息确立聚类结果生成初始种群具体为:各节点装入最大光伏数量由该节点负荷所决定,故而采用系统聚类法将各节点输入有功作为聚类元素进行比较,即先将所有节点依据自身负荷各自形成一类,然后依据迭代公式进行系统聚类,即将每次离差和增加量最小的两类合并,如下所示:其中,代表p类中离差平方和大小,代表q类中离差平方和大小,SA代表p和q类合并为A类后的离差平方和,代表同类节点有功功率平均值,pp,i代表p类节点中第i个节点有功功率,pq,i代表q类节点中第i个节点有功功率;由于生成初始种群中,可能出现光伏有功输出之和大于节点消耗有功,故而各节点应当依据自身聚类结果计算虚拟光伏最大输出,即保证每节点光伏有功输入不越限情况下,假设最大光伏安装数量不变而改变后的最大有功输出,如下所示:式中,pTa,min代表在聚类结果T中第a类的节点负荷最小值,ppv代表单个光伏最大有功输出;接着一天中配电网节点i分布式光伏总体日出力数据最大值ps,i,如下所示:其中ni代表第i个节点的光伏装机数量,代表虚拟光伏最大有功输出。4.根据权利要求1所述的基于改进粒子群的分布式光伏配电网规划方法,其特征在于:步骤3中所述计算一天中各时段配电网各节点分布式光伏总体日出力数据为:式中,pt,i代表当前t时刻节点i分布式光伏总体日出力数据,αt代表当前t时刻分布式光伏的典型日出力数据,αmax代表分布式光伏的典型日出力曲线中最大值,ps,i代表计算一天中配电网节点i分布式光伏总体日出力数据最大值;接着计算每小时配电网节点实际用电功率,具体为更新各节点每小时用电功率大小如下所示:其中,Pi为节点i的负荷有功功率,βt代表规划地区当前t时刻典型日负荷曲线数据,βmax代表规划地区典型日负荷曲线中最大值,pt,i代表当前t时刻节点i分布式光伏总体日出力数据;接着,依据最大负荷节点计算接入最大光伏数量J,形成下述初始种群矩阵:5.根据权利要求1所述的基于改进粒子群的分布式光伏配电网规划方法,其特征在于:步骤4中所述建立目标函数模型为:考虑到一天之中太阳辐射以及户用负荷变化,为获得符合时间变化的最优铺设...

【专利技术属性】
技术研发人员:唐金锐张明浩
申请(专利权)人:武汉理工大学
类型:发明
国别省市:湖北,42

网友询问留言 已有0条评论
  • 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。

1