一种基于改进分数阶粒子群的分布式电源选址定容优化方法技术

本发明专利技术涉及一种基于改进分数阶粒子群的分布式电源选址定容优化方法，首先对分布式电源(风机、光伏等)的输出特性和负荷波动进行不确定性建模，以Weibull分布描述风机出力，以Beta分布描述光伏出力，以高斯分布描述负荷波动，随后采用拟蒙特卡洛法采样风机、光伏、负荷等随机变量，通过Johnson变换将采样点转化成符合系统随机变量概率分布的样本序列；进一步，建立以年综合费用最小为优化目标，基于机会约束的分布式电源选址定容优化模型，最后，提出一种改进分数阶粒子群优化算法求解优化模型。与现有技术相比，本发明专利技术具有大范围寻优能力，对算法的粒子数量和算法初值具有强鲁棒性，适用于目标函数和约束条件复杂多变的分布式电源选址定容问题。式电源选址定容问题。式电源选址定容问题。

【技术实现步骤摘要】
一种基于改进分数阶粒子群的分布式电源选址定容优化方法


[0001]本专利技术涉及配电网优化规划
，尤其是涉及一种基于改进分数阶粒子群的分布式电源选址定容优化方法。

技术介绍

[0002]由于化石燃料的储量有限及其带来的环境问题日益严峻，实现“低碳、可持续发展”成为解决能源问题的核心理念。以风电和光伏为主的分布式电源相比于传统火力发电有着清洁、可持续的特点，分布式电源接入电网可以带来巨大的经济效益和环境效益。但分布式电源出力固有的随机和波动特性会对电网造成冲击，大规模分布式电源的并网将导致电能质量下降，供电可靠性降低。分布式电源接入配电网的位置和容量会影响配电网的网络拓扑和潮流分布。因此，优化分布式电源的选址定容可以提升配电网新能源消纳水平，保障配电网运行稳定并提高经济效益。
[0003]分布式电源的选址定容规划的数学模型是一类多约束条件的高维非凸优化问题，传统的凸优化方法难以应对复杂多变的约束条件，故目前广泛采用智能优化算法来解决上述问题。虽然传统的粒子群优化算法是一种具有代表性的群优化算法，但其具有容易局部收敛、收敛精度不高等缺本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进分数阶粒子群的分布式电源选址定容优化方法，其特征在于，包括下列步骤：1)对风机、光伏、负荷进行不确定性建模，并分别对风机出力、光伏出力和负荷波动进行拟合；2)采样风机、光伏、负荷的随机变量，通过Johnson变换将采样点转化为符合系统随机变量概率分布的样本序列；3)建立以年综合费用最小为优化目标，基于机会约束的分布式电源选址定容的最优化模型；4)采用改进的分数阶粒子群算法对步骤3)所建立的模型进行求解，获取在严格满足约束条件下的分布式电源在配电网中的优化选址和经济容量配置方案。2.根据权利要求1所述的基于改进分数阶粒子群的分布式电源选址定容优化方法，其特征在于，步骤1)中，采用Weibull分布拟合风机出力，采用Beta分布拟合光伏出力，并采用高斯分布拟合负荷波动。3.根据权利要求2所述的基于改进分数阶粒子群的分布式电源选址定容优化方法，其特征在于，步骤1)中，对风机进行不确定性建模的具体内容为：风速规律服从两参数Weibull分布，其概率密度函数为：式中：V为实际风速；k和c分别为形状参数与尺度参数；通过风机功率模型将风速转化为风机功率P
WTG
，转换公式为：式中：V
ci
、V
r
、V
co
分别为切入风速、额定风速以及切出风速；P
WTG,r
为风机额定输出功率。4.根据权利要求2所述的基于改进分数阶粒子群的分布式电源选址定容优化方法，其特征在于，步骤1)中，对光伏进行不确定性建模的具体内容为：光照强度服从Beta分布，其概率密度函数为：式中：S为光照强度的实际值，S
r
为其额定值；α和β是Beta分布的两个形状参数；Γ(
·
)表示伽马函数；将光伏实际出力P
PV
与光照强度S之间进行转换，转换公式为：
式中：P
PV,r
为光伏的额定功率；S
r
为额定光照强度。5.根据权利要求2所述的基于改进分数阶粒子群的分布式电源选址定容优化方法，其特征在于，对负荷进行不确定性建模的具体内容为：负荷波动服从高斯分布，令负荷有功和无功的概率密度函数分别为：负荷波动服从高斯分布，令负荷有功和无功的概率密度函数分别为：式中：P
L,i
、Q
L,i
分别表示节点i处的有功负荷和无功负荷；μ
P,i
、μ
Q,i
和σ
P,i
、σ<...

【专利技术属性】
技术研发人员：陆伟伟，
申请(专利权)人：上海中楠水电配套工程有限公司，
类型：发明
国别省市：