一种基于帝国主义竞争算法的智能配电网随机潮流方法技术

本发明专利技术公开了一种基于帝国主义竞争算法的智能配电网随机潮流方法，包括以下几个步骤：S1：建立负荷、风力发电系统和太阳能光伏发电系统的随机模型，并产生输入随机变量的样本；S2：初始化电压幅值和相角；计算适应度函数F的值并确定初始帝国；S3：进行帝国的同化和革命操作；S4：比较帝国主义国家和殖民地的适应度函数Fimp、Fcol，交换帝国主义国家和殖民地的位置；S5：计算整个帝国的适应度函数值并进行帝国合并；S6：引入克隆进化算子，加快算法的收敛速度，得到输出变量的概率分布。本发明专利技术方法能反映大量DG接入下系统的不确定性，能够适应不同DG渗透率下纯辐射型、弱环型和纯环状的配电网络，并具有良好的收敛性。

【技术实现步骤摘要】

本专利技术涉及电力系统
，特别是涉及一种基于帝国主义竞争算法的智能配电网随机潮流方法。
技术介绍
分布式发电(Distributedgeneration,DG)是解决当前能源危机和环境污染问题的有效手段，随着单位电能生产成本的不断降低和政策的大力支持，含分布式电源的微网将是未来智能配电网的重要组成部分。由于可再生能源如风能、太阳能等以及负荷功率具有很大的不确定性，微网的运行控制将面临新的挑战。潮流计算是电力系统运行分析和规划设计的基础，传统潮流方法如适合辐射型网络的前推回代法和环状结构的N-R法都无法全面反映系统不确定因素的影响，并且大量DG的接入改变了原来配电网的拓扑结构(由纯辐射型变为弱环型)，使得单一的潮流算法具有很大的局限，因此研究适应未来智能配电网特点的潮流计算方法具有重要意义。
技术实现思路
专利技术目的：本专利技术的目的是提供一种能够加快算法的计算速度，提升算法的有效性和实用性的基于帝国主义竞争算法的智能配电网随机潮流方法。技术方案：本专利技术所述的基于帝国主义竞争算法的智能配电网随机潮流方法，具体包括以下几个步骤：S1：建立负荷、风力发电系统和太阳能光伏发电系统的随机模型，并产生输入随机变量的样本；S2：初始化电压幅值和相角；计算适应度函数F的值并确定初始帝国；S3：进行帝国的同化和革命操作；S4：比较帝国主义国家和殖民地的适应度函数Fimp、Fcol，交换帝国主义国家和殖民地的位置；S5：计算整个帝国的适应度函数值并进行帝国合并；S6：引入克隆进化算子，加快算法的收敛速度，得到输出变量的概率分布。进一步，所述步骤S1中，系统随机模型的构建方法包括以下的步骤：S1.1：计算负荷的有功功率的概率密度函数f(P)和无功功率的概率密度函数f(Q)：{f(P)=12πσPexp(-(P-μP)22σp2)f(Q)=12πσQexp(-(Q-μQ)22σQ2)---(1)]]>式(1)中，μP、σP分别为负荷的有功功率的期望值、方差，μQ、σQ分别为负荷的无功功率的期望值、方差；S1.2：采用双参数Weibull函数拟合风电机组有功出力的概率密度函数f(v)：f(v)=kc(vc)k-1exp[-(vc)k]---(2)]]>式(2)中，v为风速，k和c分别为Weibull分布的两个参数；将式(2)产生的风速序列代入式(3)，求得风电机组有功出力的概率分布函数P(v)：P(v)={0,v≤vin,v≥vout(vin2-v2vin2-vR2)PR,vin≤v≤vRPR,vR≤v≤vout---(3)]]>式(3)中，PR为风电机组的额定功率；vR、vin和vout分别为额定风速、切入风速和切出风速；S1.3：计算太阳能光伏发电系统的输出功率P：P=PSTCGINGGSTC(1+k(Tc-Tr))---(4)]]>式(4)中，PSTC为标准状态太阳能光伏发电系统的额定功率，GING、GSTC分别为实际的辐射强度和标况下的辐射强度，k为最大功率温度系数，Tc和Tr分别为实际温度和参考温度。进一步，所述步骤S2中，初始帝国的确定方法如下：S2.11：随机产生Npop个国家，在约束范围内随机选取电压幅值和相角的值，得到输入向量x＝[V1,V2,…,δ1,δ2,…]，其中Vi为电压幅值，δi为相角的值；S2.12：选取适应度函数F较大的前Nimp个国家作为帝国主义国家，剩下的都作为殖民地，并为每个帝国主义国家分配殖民地形成初始的Nimp个帝国。进一步，计算适应度函数F的方法如下：S2.21：计算基本潮流方程：Pcali=Σj=1n-1(|Vi|·|Vj|·|Yij|·cos(δi-δj-θij))Qcali=-Σj=1n-1(|Vi|·|Vj|·|Yij|·sin(δi-δj-θij))---(5)]]>式(5)中，和分别为节点i的计算有功功率和计算无功功率，|Yij|为节点i导纳矩阵的元素，θij为i、j两节点的相角差，δi为节点i的电压相角，δj为节点j的电压相角；S2.22：计算节点i的最大有功变化率ΔP和最大无功变化率ΔQ：Pschi=Pschi0+rΔPPschi0Qschi=Qschi0+rΔQQschi00<ΔP<Pschi00<ΔQ<Qschi0---(6)]]>式(6)中，和分别为节点i的计划有功功率和计划无功功率，分别为的初值和的初值，r为(-1,1)之间的常数；S2.23：计算除平衡节点以外的适应度函数F：首先，确定目标函数Z为各节点适应度函数Fi之和，求解目标函数Z的最小值，如式(7)、(8)所示，并保证各节点的电压幅值和相角在约束范围之内，如式(9)、(10)所示；Min：{Z＝sum(Fi)本文档来自技高网...

【技术保护点】
一种基于帝国主义竞争算法的智能配电网随机潮流方法，其特征在于：具体包括以下几个步骤：S1：建立负荷、风力发电系统和太阳能光伏发电系统的随机模型，并产生输入随机变量的样本；S2：初始化电压幅值和相角；计算适应度函数F的值并确定初始帝国；S3：进行帝国的同化和革命操作；S4：比较帝国主义国家和殖民地的适应度函数Fimp、Fcol，交换帝国主义国家和殖民地的位置；S5：计算整个帝国的适应度函数值并进行帝国合并；S6：引入克隆进化算子，加快算法的收敛速度，得到输出变量的概率分布。

【技术特征摘要】
1.一种基于帝国主义竞争算法的智能配电网随机潮流方法，其特征在于：具
体包括以下几个步骤：
S1：建立负荷、风力发电系统和太阳能光伏发电系统的随机模型，并产生输入
随机变量的样本；
S2：初始化电压幅值和相角；计算适应度函数F的值并确定初始帝国；
S3：进行帝国的同化和革命操作；
S4：比较帝国主义国家和殖民地的适应度函数Fimp、Fcol，交换帝国主义国家和
殖民地的位置；
S5：计算整个帝国的适应度函数值并进行帝国合并；
S6：引入克隆进化算子，加快算法的收敛速度，得到输出变量的概率分布。
2.根据权利要求1所述的基于帝国主义竞争算法的智能配电网随机潮流方法，
其特征在于：所述步骤S1中，系统随机模型的构建方法包括以下的步骤：
S1.1：计算负荷的有功功率的概率密度函数f(P)和无功功率的概率密度函数
f(Q)：
f(P)=12πσPexp(-(P-μP)22σp2)f(Q)=12πσQexp(-(Q-μQ)22σQ2)---(1)]]>式(1)中，μP、σP分别为负荷的有功功率的期望值、方差，μQ、σQ分别为负荷
的无功功率的期望值、方差；
S1.2：采用双参数Weibull函数拟合风电机组有功出力的概率密度函数f(v)：
f(v)=kc(vc)k-1exp[-(vc)k]---(2)]]>式(2)中，v为风速，k和c分别为Weibull分布的两个参数；将式(2)产生的
风速序列代入式(3)，求得风电机组有功出力的概率分布函数P(v)：
P(v)=0,v≤vin,v≥vout(vin2-v2vin2-vR2)PR,vin≤v≤vRPR,vR≤v≤vout---(3)]]>式(3)中，PR为风电机组的额定功率；vR、vin和vout分别为额定风速、切入风速
和切出风速；
S1.3：计算太阳能光伏发电系统的输出功率P：
P=PSTCGINGGSTC(1+k(Tc-Tr))---(4)]]>式(4)中，PSTC为标准状态太阳能光伏发电系统的额定功率，GING、GSTC分别为
实际的辐射强度和标况下的辐射...

【专利技术属性】
技术研发人员：刘建坤，卫鹏，周前，陈静，徐青山，黄煜，
申请(专利权)人：江苏省电力试验研究院有限公司，国网江苏省电力公司电力科学研究院，国家电网公司，东南大学，
类型：发明
国别省市：江苏;32