一种基于改进鲸鱼算法的分布式电源规划方法技术

本发明专利技术涉及一种基于改进鲸鱼算法的分布式电源规划方法，包括：采用LHS方法对风、光和负荷进行场景构建，得到初始场景，并通过K

【技术实现步骤摘要】
一种基于改进鲸鱼算法的分布式电源规划方法


[0001]本专利技术涉及分布式电源规划
，尤其是涉及一种基于改进鲸鱼算法的分布式电源规划方法。

技术介绍

[0002]随着电力时代的到来，人们愈发需求高质量的电能。当前世界上大多数国家电力系统都是由大电网对负荷进行远距离供电，这种供电方式存在诸多弊端：由于供电的输送距离太长，容易导致线路末端的电压质量低；大电网互联中发生局部事故可能导致整个大电网发生故障甚至瘫痪；同时传统大电网大多使用化石能源供能，不仅能源消耗快而且容易产生大量有害气体，不满足当下环境保护政策。因而，改进供电模式、推进能源改革、建设低碳环保且高效安全的配电网供电体系，是当下电网发展的新方向。
[0003]目前，分布式电源(Distributed Generation，DG)以其种类繁多、投资小、运用方式灵活、清洁环保等优点，已经迅速成为人们在电力系统方面的研究热点。国际大电网委员会(CIGRE)将分布式电源DG定义为功率在数千瓦至数十兆瓦的小型、分散化、与环境兼容的布置在用户附近供电的小型独立发电系统，一般与配电网相连接，由电力部门、电力用户或第三方投资商所有，可满足电力部门和负荷用户的特定需求，譬如避免出现负荷用电高峰时调峰作用，或为偏远地区如山区用户供电，可节省输变电投资、提高电力系统供电安全性和可靠性等，既可以独立于传统公共配电网，直接设立在用户附近为少数有特定要求的用户提供电能，又可以接入配电系统，与公共电网一起为负荷供电。
[0004]分布式发电作为传统集中供电方式的有效补充，其与传统电网之间的相互补充、协调，是以既有资源、技术和设置为用户供给安全、稳定和可靠电能的较优方案。未来电网的基本特征就是环境友好和可持续性，需要利用可再生能源作为主要能源的DG规模化接入和应用。DG规划是电力系统发展规划中极为重要的前期工作，由于随意接入DG至配电网将产生广泛影响，主要表现为加重电能质量的恶化、影响网络供电可靠性、加大继电保护策略的复杂程度、提升配电网短路容量、使配电网的电压水平改变，因此在规划一个或多个DG接入配电网时，必须合理地对DG进行选址定容。然而当前的分布式电源主要采用具有不确定性和随机性特点的风力发电和光伏发电方式，导致传统规划算法的求解过程较为复杂、求解速度过慢，容易陷入局部最优，也就难以处理由于风、光和负荷不确定性以及分布式电源并网后对电压稳定性造成的影响。

技术实现思路

[0005]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于改进鲸鱼算法的分布式电源规划方法，以加快求解速度，同时避免求解陷入局部最优，使得规划结果能够保证并网后的电压稳定性。
[0006]本专利技术的目的可以通过以下技术方案来实现：一种基于改进鲸鱼算法的分布式电源规划方法，包括以下步骤：
[0007]S1、获取网络拓扑和源荷信息，采用LHS(Latin hypercube sampling，拉丁超立方抽样)方法对风、光和负荷进行场景构建，得到初始场景，并通过K
‑
means聚类算法对初始场景进行削减，得到典型场景；
[0008]S2、基于典型场景，以改进的电压稳定指标最小及年综合费用最小作为目标，建立分布式电源规划模型；
[0009]S3、根据改进的电压稳定指标数值大小排序，确定出分布式电源的待规划节点；
[0010]S4、采用改进的鲸鱼算法对分布式电源规划模型进行求解，得到待规划节点对应的规划结果。
[0011]进一步地，所述步骤S1具体包括以下步骤：
[0012]S11、对风电、光伏和负荷分别进行概率建模，其中，风电概率模型采用两参数的Weibull分布表示，光伏概率模型采用Beta分布表示，负荷概率模型采用正态分布表示；
[0013]S12、通过LHS方法对每个随机变量进行采样，以生成大量初始场景，然后通过改进的K
‑
means聚类算法对初始场景进行聚类，以削减得到典型场景。
[0014]进一步地，所述步骤S11中风电概率模型具体为：
[0015]采用两参数的Weibull分布对风速进行描述，其概率密度函数为：
[0016][0017]其中，v为实际风速，k和c分别为形状参数和尺度参数；
[0018]风机的实际出力P
w
与风速v之间的关系表示为：
[0019][0020]其中，P
wr
为风机的额定功率，v
ci
、v
co
和v
r
分别为风机的切入、切出和额定风速。
[0021]进一步地，所述步骤S11中光伏概率模型具体为：
[0022]采用Beta分布对太阳辐射度进行描述，其概率密度函数为：
[0023][0024]其中，α和β为Beta分布的两个形状参数，I和I
r
分别为太阳辐射度的实际值和最大值；
[0025]光伏的实际出力P
t
与太阳辐射度I之间的关系如下：
[0026][0027]其中，P
tr
为光伏额定功率。
[0028]进一步地，所述步骤S11中负荷概率模型具体为：
[0029]负荷的大小采用正态分布来表示，其概率密度函数为：
[0030][0031][0032]其中，P
G
为有功负荷，μ和σ分别为其期望和标准差，Q
G
为无功负荷；为负荷功率因数角。
[0033]进一步地，所述步骤S12中通过改进的K
‑
means聚类算法对初始场景进行聚类的具体过程为：
[0034]1、待聚类的场景集为：
[0035]X＝{x
i
∈X
p
,|i＝1,2,...,n}
[0036]其中，x
i
为第i个初始场景，n为场景集中的初始场景总个数；
[0037]2、设定聚类数为K，选择方差S(x
c
)最小的前K个场景当作初始聚类中心，其中，c＝1,2,
…
,n，方差S(x
c
)的计算公式为；
[0038][0039]其中，d为欧氏距离，为场景集中所有待聚类场景的均值；
[0040]3、计算剩余场景与各聚类中心的欧式距离，并分别归类到最接近的聚类中心所在簇，重新求得每一簇的聚类中心；
[0041]4、将除聚类中心以外的场景删除，并将场景概率加到作为聚类中心的场景上，从而得到K个典型场景和相应的场景概率。
[0042]进一步地，所述步骤S2中建立的分布式电源规划模型包括目标函数和约束条件，所述目标函数具体为：
[0043]f＝min[f1,f2][0044]其中，f1为年综合费用，f2为改进的电压稳定指标；
[0045]所述约束条件包括功率平衡约束、支路容量约束、节点电压约束和DG渗透率约束。
[0046]进一步地，所述年综合费用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进鲸鱼算法的分布式电源规划方法，其特征在于，包括以下步骤：S1、获取网络拓扑和源荷信息，采用LHS方法对风、光和负荷进行场景构建，得到初始场景，并通过K
‑
means聚类算法对初始场景进行削减，得到典型场景；S2、基于典型场景，以改进的电压稳定指标最小及年综合费用最小作为目标，建立分布式电源规划模型；S3、根据改进的电压稳定指标数值大小排序，确定出分布式电源的待规划节点；S4、采用改进的鲸鱼算法对分布式电源规划模型进行求解，得到待规划节点对应的规划结果。2.根据权利要求1所述的一种基于改进鲸鱼算法的分布式电源规划方法，其特征在于，所述步骤S1具体包括以下步骤：S11、对风电、光伏和负荷分别进行概率建模，其中，风电概率模型采用两参数的Weibull分布表示，光伏概率模型采用Beta分布表示，负荷概率模型采用正态分布表示；S12、通过LHS方法对每个随机变量进行采样，以生成大量初始场景，然后通过改进的K
‑
means聚类算法对初始场景进行聚类，以削减得到典型场景。3.根据权利要求2所述的一种基于改进鲸鱼算法的分布式电源规划方法，其特征在于，所述步骤S11中风电概率模型具体为：采用两参数的Weibull分布对风速进行描述，其概率密度函数为：其中，v为实际风速，k和c分别为形状参数和尺度参数；风机的实际出力P
w
与风速v之间的关系表示为：其中，P
wr
为风机的额定功率，v
ci
、v
co
和v
r
分别为风机的切入、切出和额定风速。4.根据权利要求2所述的一种基于改进鲸鱼算法的分布式电源规划方法，其特征在于，所述步骤S11中光伏概率模型具体为：采用Beta分布对太阳辐射度进行描述，其概率密度函数为：其中，α和β为Beta分布的两个形状参数，I和I
r
分别为太阳辐射度的实际值和最大值；光伏的实际出力P
t
与太阳辐射度I之间的关系如下：
其中，P
tr
为光伏额定功率。5.根据权利要求2所述的一种基于改进鲸鱼算法的分布式电源规划方法，其特征在于，所述步骤S11中负荷概率模型具体为：负荷的大小采用正态分布来表示，其概率密度函数为：概率密度函数为：其中，P
G
为有功负荷，μ和σ分别为其期望和标准差，Q
G
为无功负荷；为负荷功率因数角。6.根据权利要求2所述的一种基于改进鲸鱼算法的分布式电源规划方法，其特征在于，所述步骤S12中通过改进的K
‑
means聚类算法对初始场景进行聚类的具体过程为：首先确定待聚类的场景集为：X＝{x
i
∈X
p
,|i＝1,2,...,n}其中，x
i
为第i个初始场景，n为场景集中的初始场景总个数；之后设定聚类数为K，选择方差...

【专利技术属性】
技术研发人员：于艾清，濮梦燕，王育飞，张宇华，薛花，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：