【技术实现步骤摘要】
本专利技术涉及一种含分布式电源的配电网多目标优化调度方法,属于配电网调度
技术介绍
近年来为应对能源、环保和气候变化的挑战,低碳可再生能源得到大力发展,新能源以分布式电源的形式直接接入配电网是今后的发展趋势。配电网是直接或降压后将电能送到用户侧的电网,研究大量分布式电源接入后的系统结构和运行显得极其重要。含分布式电源配电网优化问题中存在诸多指标需要优化,如电压偏差、网损、分布式电源最大准入容量等,故需要多目标优化算法进行求解。目前主要有两类方法对该问题进行求解,一类是采用加权法对每个目标进行加权,然后作为单目标优化;一类是采用多目标优化算法获得帕累托解集,然后再通过决策方法确定最优的解。近年来,多目标进化算法以其灵活性高、鲁棒性强、适应性广等优点被广泛应用于求解电力系统优化调度问题。例如,有些学者将多目标遗传算法和非占优选择方法应用到电力系统电网规划中;还有些学者将多目标粒子群算法应用于求解含DG配电网重构问题。最近,一个新的多目标优化算法,多领头者群体搜索算法(GroupSearchOptimizerwithMultipleProducers,GSOMP)被提出来求解经济排放调度。GSOMP是基于群搜索算法(GroupSearchOptimizer,GSO)而提出的,仿真结果证明GSOMP算法明显优于多目标遗传算法和多目标粒子群算法。在GSOMP中,种群个体被赋予三种不同的角色,分别为领头者、追随者和游荡者。领头者是指种群中适应值最好的个体,其任务为带领整个种群寻找优质资源,并且其数量等于优化目标的个数。除了领头者,剩下的个体被随机的分为追随 ...
【技术保护点】
一种含分布式电源的配电网多目标优化调度方法,其特征是,包括以下步骤:S1:建立含多类型DG的多目标配电网模型,所述多目标配电网模型以系统节点最大电压偏差最小、配电网各支路的网络损耗最小和配电网的分布式电源接入最大为目标函数;S2:确定约束条件,所述约束条件包括潮流方程约束、DG有功功率上限约束和节点电压约束;S3:进行配电网调度优化,所述对配电网调度进行优化的过程为通过引入群体动物的自学习机制,构建基于多群体自学习的多目标群搜索算法对配电网调度问题进行优化。
【技术特征摘要】
1.一种含分布式电源的配电网多目标优化调度方法,其特征是,包括以下步骤:S1:建立含多类型DG的多目标配电网模型,所述多目标配电网模型以系统节点最大电压偏差最小、配电网各支路的网络损耗最小和配电网的分布式电源接入最大为目标函数;S2:确定约束条件,所述约束条件包括潮流方程约束、DG有功功率上限约束和节点电压约束;S3:进行配电网调度优化,所述对配电网调度进行优化的过程为通过引入群体动物的自学习机制,构建基于多群体自学习的多目标群搜索算法对配电网调度问题进行优化。2.如权利要求1所述的一种含分布式电源的配电网多目标优化调度方法,其特征是,在步骤S1中,以系统节点最大电压偏差最小为目标函数f1、以配电网各支路的网络损耗最小为目标函数f2、以配电网的分布式电源接入最大为目标函数f3建立多目标配电网模型;所述目标函数f1为:式中:Pi和Qi分别为节点i的有功功率和无功功率;Ri和Xi分别为节点i处的等值电阻和电抗;ViN为节点i处电压的额定值;n为系统总的节点数;所述目标函数f2为:式中:L为系统总支路数;rj为支路j电阻;Pj和Qj分别为支路j末端流过的有功功率和无功功率;所述目标函数f3为:式中:NDG为配电网接入总的DG数;PDGj为第j个节点接入DG的有功功率;PLi为第i个节点负荷的有功功率。3.如权利要求1所述的一种含分布式电源的配电网多目标优化调度方法,其特征是,在所述约束条件中:1)潮流方程约束为:式中:PDGi和QDGi分别为在第i个节点处注入的DG有功功率和无功功率;PLi和QLi分别为第i个节点处负荷的有功功率和无功功率;Gij和Bij分别为节点i和j之间的电导和电纳;δij为节点i和j之间的电压相角差;2)DG有功功率上限约束为:式中:为第i个节点允许接入DG的有功功率上限;3)节点电压约束为:Vimin≤Vi≤Vimax(6)式中:Vimin和Vimax分别为第i个节点电压的下、上极限。4.如权利要求1所述的一种含分布式电源的配电网多目标优化调度方法,其特征是,在步骤S3中,所述多群体自学习群搜素算法包括:领头者搜索机制:将每个群体中适应值最小的个体视为领头者,每个领头者将沿着三个方向进行随机搜索,寻找优质资源,确定其下一代的位置;在第g代中,第p个群体的领头者xpg搜素机制如下:式中:r1和r2为(0,1)内的随机数;lmax和θmax分别为最大搜索距离和最大搜索视角;为领头者在第g代的搜索视角;fp为第p个目标函数;D为单位矩阵,CircShit(.)为极坐标和直角坐标变换;组织者搜索机制:在每个群体的每一代中,随机选取一些个体视为组织者,组织者将对其对应的群体的每一代成功进化路径进行学习,确定其在下一代中的进化路径和进化步长;在g代的第p个群体中,第k个组织者的具体搜索机制如下:式中,σpg为在g代中第p个种群组织者的进化步长;N(0,Cpg)为由在g代中第p个种群得组织者形成的多元正态分布;游荡者搜索机制:除了领头者和组织者,每个群体中剩余的个体被视为游荡者,采用LF机制在整个搜索空间内进行随机搜索,用以保持种群多样性,增强多...
【专利技术属性】
技术研发人员:苏建军,张林利,李立生,孙勇,邵志敏,张世栋,李建修,王昕,刘合金,樊迪,孙树敏,张婉婕,李广磊,王青,李文杰,郭新胜,田野,
申请(专利权)人:国网山东省电力公司电力科学研究院,国网山东省电力公司东营供电公司,国家电网公司,
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。