一种光伏智能边缘终端优化布局方法技术

一种光伏智能边缘终端优化布局方法，以经济性最优为目标进行光伏智能边缘终端优化布局，对区域范围内光伏智能边缘终端的数量、位置，与分布式光伏站连接的拓扑结构三个方面进行优化。本发明专利技术构建了光伏智能边缘终端优化布局模型，解决了由于接入配电网的分布式光伏电站分散无序、接线复杂造成的光伏智能边缘终端优化布局难的问题，其中还提出了改进的粒子群算法，实现惯性权重自适应，弥补了现有惯性权重自适应方法的不足，并引入郊狼优化算法中幼狼的出生操作，利用郊狼的幼狼出生中的变异来为粒子群增添新的基因，以提高粒子群算法的种群多样性，避免单纯使用自身极值与全局极值引导粒子飞行导致种群过早收敛，具有更高的求解精度。

【技术实现步骤摘要】
一种光伏智能边缘终端优化布局方法
本专利技术属于电力
，涉及分布式光伏数据采集技术，为一种光伏智能边缘终端优化布局方法。技术背景光伏智能边缘终端是一种新型的光伏数据采集设备，不仅可以实现光伏数据采集的自动化，智能化，而且可以对采集到的光伏数据进行预处理，减轻云端处理器的压力，有效保证光伏站安全稳定运营。关于光伏智能边缘终端的优化布局问题，从电站运行可靠性的角度来看，选用一站一台式的配置方式是最佳的配置方式，然而由于光伏智能边缘终端价格十分昂贵，在实际工程中这种配置方式实施难度大。目前区域内的分布式光伏站具有分散无序、接线复杂、数据采集需求类同等特点，如何进行光伏智能边缘终端合理优化布局，实现一台光伏智能边缘终端对多个分布式光伏站的数据采集，意义重大，非常必要。光伏智能边缘终端产品面世不久，国内外暂时未有其优化布局的相关文献，但其优化布局原理和模型求解方法与智能配电网边缘终端优化布局方法类似。近年来对电网有关类似设备的配置方案，国内外学者作了如下研究：一些学者针对同步相量测量装置(PMU)的优化配置问题，建立了多目标PMU最优配置模型，利用改进的自适应多目标二进制差分进化算法对多目标PMU最优配置模型进行求解。也有一些学者针对含有高渗透率可再生能源的配电网的广义储能优化配置问题，提出了广义储能配置的二层优化模型，外层采用遗传算法搜索广义储能配置方案，内层根据动态规划算法得到广义储能的最优运行策略，通过内外层交替优化对含有不同渗透率可再生能源以及可控负荷的配电网进行广义储能容量优化配置。然而，本专利技术需考虑分布式光伏站点多面广，分散无序的特点，上述研究不能直接应用与本专利技术的优化布局场合。因此需要针对分布式光伏站如何设置光伏智能边缘终端提出新的布局优化模型。优化模型的求解方法大致可分枚举法和智能算法。枚举法是通过列举所有可行解并对其进行评估，确保最终解的全局最优性，但容易遇到维数灾难，不具有普适性。智能算法虽不一定寻找到全局最优解，但它不需要列举所有可行解，在求解速度方面有很大的优势。针对本专利技术所针对的分布式光伏站，由于其具有分散无序、接线复杂、数据采集需求类同等特点，如何找到合适的智能算法来求解优化模型，并提高求解精度，仍有待研究。
技术实现思路
本专利技术要解决的问题是：分布式光伏站具有分散无序、接线复杂、数据采集需求类同等特点，一站一台配置光伏智能边缘终端成本太高，性价比低，需要提出合适的方案，进行光伏智能边缘终端合理优化布局，实现一台光伏智能边缘终端对多个分布式光伏站的数据采集。本专利技术的技术方案为：一种光伏智能边缘终端优化布局方法，以经济性最优为目标进行光伏智能边缘终端优化布局，对区域范围内光伏智能边缘终端的数量、位置，与分布式光伏站连接的拓扑结构三个方面进行优化，包括以下步骤：步骤1，建立光伏智能边缘终端优化布局模型，以经济性指标设定优化的目标函数，并确定光伏智能边缘终端布局的约束条件，包括光伏智能边缘终端的通信连接约束、布局资金约束、数据容量约束、通信距离约束和接口数量约束；步骤2，设布局的光伏智能边缘终端的数量为N，需要配置终端的分布式光伏站的数量为M，根据模型约束条件，设布局中光伏智能边缘终端的最低数量为Nmin，最高为数量Nmax＝M，Nmax状态即表示所有分布式光伏站均配置一台光伏智能边缘终端；初始状态下N＝Nmin，并计算此时的成本C作为当前最低成本为Cmin，初始状态下光伏智能边缘终端的最优布局数量Nbest＝Nmax；步骤3，在光伏智能边缘终端数量N的基础下，通过粒子群算法求解出在该数量下的最优光伏智能边缘终端的位置以及光伏智能边缘终端与各个分布式光伏站的连接方式；步骤4，记录光伏智能边缘终端的数量为N时的最优粒子与最优粒子对应的成本C；步骤5，将步骤4的结果与步骤2的最低成本Cmin比较，若成本C低于此时的全局最低成本Cmin，用成本C更新全局最低成本Cmin，用当前数量N更新全局最优数量Nbest；步骤6，如果N＝M-1，退出算法，并输出全局最优数量Nbest对应的粒子，即最优方案，否则，N＝N+1，并返回步骤3。本专利技术提供了一种光伏智能边缘终端优化布局方法，考虑区域内分布式光伏站分散无序、接线复杂、数据采集需求类同等特点，提出以经济性最优为目标的光伏智能边缘终端优化布局模型，对区域范围内光伏智能边缘终端的数量、位置，与分布式光伏站连接的拓扑结构等三个方面进行优化布局。本专利技术中模型的解空间庞大且具有多个最优解，常规的整数优化方法难以对问题进行求解，采用粒子群算法进行求解。粒子群算法是一种非常流行的元启发式智能优化算法，一些学者从粒子的速度、迭代次数、参数优化等方面对粒子群算法进行了优化，一些学者对粒子群算法的几种惯性权重自适应方式进行了研究，发现对于采用凸函数递减法与随机惯量权重法均能取得较好的效果。一个种群的进化并未遵循先快后慢或者先慢后快，随机惯量权重法正好体现了这一特点。但对于多峰函数，如果使用随机惯量权重法，得到的结果很有可能由于惯量权重ω过小，只是局部最优，或是惯量权重ω过大，无法达到足够的精度.故多峰函数求解问题应选择凸函数递减法。为了融合上述两种惯性权重自适应方法的优点，本专利技术进提出一种凸函数递减法与随机惯量权重法组合的惯性权重自适应方法，以弥补两种方法的不足。另外，粒子群算法利用自身最优与全局最优共同引导粒子飞行，收敛速度快但容易陷入局部最优，本专利技术还引入郊狼优化算法中幼狼的出生操作，利用郊狼的幼狼出生中的变异来为粒子群增添新的基因，以提高粒子群算法的种群多样性，避免单纯使用自身极值与全局极值引导粒子飞行导致种群过早收敛。本专利技术提出了一种区域多分布式光伏站条件下光伏智能边缘终端优化布局方法，根据光伏智能边缘终端配置方案的经济性，计及光伏智能边缘终端数据采集量、通信接口数，以及与分布式光伏站通信距离等约束，构建了光伏智能边缘终端优化布局模型，解决了由于接入配电网的分布式光伏站分散无序、接线复杂造成的光伏智能边缘终端优化布局难的问题。采用一种凸函数递减法与随机惯量权重法组合的惯性权重自适应方法，以弥补两种惯性权重自适应方法的不足，引入郊狼优化算法中幼狼的出生操作，利用郊狼的幼狼出生中的变异来为粒子群增添新的基因，解决了传统粒子群算法求解精度低的问题，具有更高的求解精度。附图说明图1是本专利技术对光伏智能边缘终端优化布局流程图。图2是本专利技术对光伏智能边缘终端优化布局模型的求解结果。具体实施方式本专利技术为实现光伏智能边缘终端一台整合多站数据的目标，结合工程实际，考虑区域内分布式光伏站分散无序、接线复杂、数据采集需求类同等特点，提出以经济性最优为目标的光伏智能边缘终端优化布局模型，对区域范围内光伏智能边缘终端的数量、位置，与分布式光伏站连接的拓扑结构等三个方面进行优化布局。本专利技术采用如下技术方案：步骤1，建立光伏智能边缘终端优化布局模型，以经济性指标设定优化的目标函数，并确定光伏智能边缘终端布局的约束条件，包括光伏智能边缘终端的通信连接约束本文档来自技高网...

【技术保护点】
1.一种光伏智能边缘终端优化布局方法，其特征是以经济性最优为目标进行光伏智能边缘终端优化布局，对区域范围内光伏智能边缘终端的数量、位置，与分布式光伏站连接的拓扑结构三个方面进行优化，包括以下步骤：/n步骤1，建立光伏智能边缘终端优化布局模型，以经济性指标设定优化的目标函数，并确定光伏智能边缘终端布局的约束条件，包括光伏智能边缘终端的通信连接约束、布局资金约束、数据容量约束、通信距离约束和接口数量约束；/n步骤2，设布局的光伏智能边缘终端的数量为N，需要配置终端的分布式光伏站的数量为M，根据模型约束条件，设布局中光伏智能边缘终端的最低数量为Nmin，最高为数量Nmax＝M，Nmax状态即表示所有分布式光伏站均配置一台光伏智能边缘终端；初始状态下N＝Nmin，并计算此时的成本C作为当前最低成本为Cmin，初始状态下光伏智能边缘终端的最优布局数量Nbest＝Nmax；/n步骤3，在光伏智能边缘终端数量N的基础下，通过粒子群算法求解出在该数量下的最优光伏智能边缘终端的位置以及光伏智能边缘终端与各个分布式光伏站的连接方式；/n步骤4，记录光伏智能边缘终端的数量为N时的最优粒子与最优粒子对应的成本C；/n步骤5，将步骤4的结果与步骤2的最低成本Cmin比较，若成本C低于此时的全局最低成本Cmin，用成本C更新全局最低成本Cmin，用当前数量N更新全局最优数量Nbest；/n步骤6，如果N＝M-1，退出算法，并输出全局最优数量Nbest对应的粒子，即最优方案，否则，N＝N+1，并返回步骤3。/n...

【技术特征摘要】
1.一种光伏智能边缘终端优化布局方法，其特征是以经济性最优为目标进行光伏智能边缘终端优化布局，对区域范围内光伏智能边缘终端的数量、位置，与分布式光伏站连接的拓扑结构三个方面进行优化，包括以下步骤：
步骤1，建立光伏智能边缘终端优化布局模型，以经济性指标设定优化的目标函数，并确定光伏智能边缘终端布局的约束条件，包括光伏智能边缘终端的通信连接约束、布局资金约束、数据容量约束、通信距离约束和接口数量约束；
步骤2，设布局的光伏智能边缘终端的数量为N，需要配置终端的分布式光伏站的数量为M，根据模型约束条件，设布局中光伏智能边缘终端的最低数量为Nmin，最高为数量Nmax＝M，Nmax状态即表示所有分布式光伏站均配置一台光伏智能边缘终端；初始状态下N＝Nmin，并计算此时的成本C作为当前最低成本为Cmin，初始状态下光伏智能边缘终端的最优布局数量Nbest＝Nmax；
步骤3，在光伏智能边缘终端数量N的基础下，通过粒子群算法求解出在该数量下的最优光伏智能边缘终端的位置以及光伏智能边缘终端与各个分布式光伏站的连接方式；
步骤4，记录光伏智能边缘终端的数量为N时的最优粒子与最优粒子对应的成本C；
步骤5，将步骤4的结果与步骤2的最低成本Cmin比较，若成本C低于此时的全局最低成本Cmin，用成本C更新全局最低成本Cmin，用当前数量N更新全局最优数量Nbest；
步骤6，如果N＝M-1，退出算法，并输出全局最优数量Nbest对应的粒子，即最优方案，否则，N＝N+1，并返回步骤3。


2.根据权利要求1所述一种光伏智能边缘终端优化布局方法，其特征是所述步骤1中光伏智能边缘终端优化布局模型的目标函数如下：
(1)等年值投资成本
光伏智能边缘终端的等年值投资成本如下：
CI＝CD(1+ρ)A(r,n)(1)
CD＝PTN(2)



式中，CI为等年值投资成本；CD为购买一批光伏智能边缘终端的费用；N为区域内配置光伏智能边缘终端的数量；PT为单台光伏智能边缘终端的价格；A(r,n)为衡量光伏智能边缘终端经济性的因子；r为贴现率；n为光伏智能边缘终端的使用年限；ρ为光伏智能边缘终端维护成本与运行成本占购买光伏智能边缘终端费用的比例；
(2)等年值通信成本
计算光伏智能边缘终端与分布式光伏站的通信线缆的架设成本，：
CC＝CG(1+ε)A(r,m)(4)









式中，CC为等年值通信成本；CG为通信线缆的建设费用；ε为通信线缆维护成本占建设成本的比例；m为通信线缆的使用年限，A(r,m)为衡量通信线缆经济性的因子；M为区域内分布式光伏站的数量；Aij为0-1变量，若区域内光伏智能边缘终端i与区域内分布式光伏站j建立通信连接则Aij为1，反之则为0；Lij表示光伏智能边缘终端i与分布式光伏站j之间的通信距离；(xi,yi)为区域内光伏智能边缘终端坐标；(xj,yj)为区域内分布式光伏站的坐标，λ为一个分布式光伏站与光伏智能边缘终端架设单位距离所有通信线缆的架设成本；D为一个分布式光伏站内需要进行数据采集的设备种类数；Y为通信线缆种类数；为0-1变量，若站内所有种类为s的设备采用种类为z的通信线缆与光伏智能边缘终端建立通信连接则为1，反之则为0；αz代表z类通信线缆单位距离的架设成本；
综合等年值投资成本和等年值通信成本，得到以经济性指标为目标的目标函数minC：
minC＝CC+CI(8)。


3.根据权利要求2所述一种光伏智能边缘终端优化布局方法，其特征是所述步骤1中所述约束条件具体如下：
(1)通信连接约束
区域范围的分布式光伏站须与区域内任意一台光伏智能边缘终端架设通信线缆，建立通信连接：






(2)初期总资金约束
购买智能边缘终端的成本与光伏智能边缘终端的运行维护成本不能超过初期的总投资资金：
0≤C≤CK(11)
CK＝CD+CG(12)
式中，CK表示该工程初期的总投资资金；
(3)光伏智能边缘终端数据容量约束
每日每一个光伏智能边缘终端的光伏数据总采集量不能超过光伏智能边缘终端能采集的最大光伏数据总量：









式中，Qmax为光伏智能边缘终端每天能采集的最大数据...

【专利技术属性】
技术研发人员：王文天，姜小涛，方磊，牛睿，张明，嵇文路，葛磊蛟，张玮亚，张继东，周科峰，秦羽飞，刘嘉恒，朱红勤，胡君，傅乔清，朱宇超，
申请(专利权)人：国网江苏省电力有限公司南京供电分公司，天津大学，
类型：发明
国别省市：江苏;32