一种考虑电动汽车接入的主动配电网优化重构方法技术

本发明专利技术公开了一种考虑电动汽车接入的主动配电网优化重构方法，属于电网优化技术领域，包括：建立上层优化模型，决策变量为主动配电网的线路开关状态组合，目标函数为主动配电网的脆弱值最小；建立下层优化模型，决策变量为电动汽车充电站各时段向主动配电网注入的无功功率，目标函数为主动配电网的网络损耗最小；对两个模型进行协同优化，求解各模型的最优决策变量。本发明专利技术在考虑电动汽车接入的情况下对主动配电网进行优化重构，该优化重构方法是由上、下两层模型组成的双层优化模型，在降低主动配电网网络损耗的同时降低主动配电网的脆弱值，能够有效提高主动配电网运行的经济性和可靠性。性和可靠性。性和可靠性。

【技术实现步骤摘要】
一种考虑电动汽车接入的主动配电网优化重构方法


[0001]本专利技术属于电网优化
，更具体地，涉及一种考虑电动汽车接入的主动配电网优化重构方法。

技术介绍

[0002]随着环境问题的日益严峻，近二十年来，新能源利用技术得到了阶跃式的发展，成为未来能源发展战略的重要组成部分。太阳能、风能、地热能等新能源具有清洁、高效、能源多样性等特点，电动汽车作为新一代的交通工具，在节能减排、减少人类对传统化石能源的依赖方面具备传统化石能源汽车不可比拟的优势，有助于解决环境和能源问题。但是，大量分布式电源(DG)渗透到主动配电网，使得主动配电网的结构由单电源辐射状结构变为多电源结构，导致主动配电网系统潮流、网络损耗、电压质量等发生变化。分布式电源和电动汽车负荷具有明显的随机性和波动性的特点，大规模的接入会对主动配电网系统带来冲击，将对主动配电网系统的安全、可靠、稳定运行带来不可预估的问题。
[0003]网络重构是主动配电网优化的重要手段之一，通过改变联络开关和分段开关的状态修改主动配电网的拓扑结构，达到降低系统损耗、改善电压质量、提升供电可靠性等一系列运行优化目的。目前已有大量着眼于主动配电网优化重构技术的研究，但现有的研究仍然存在着诸多缺陷与不足，主要表现在：
[0004](1)现有的主动配电网优化重构的研究主要关注主动配电网的网络损耗，而忽略了主动配电网的可靠性，因此，对于主动配电网进行优化重构后，主动配电网的可靠性往往得不到保证；
[0005](2)电动汽车相当于移动性储能装置，接入主动配电网后会对电网的功率等产生影响，但是，现有技术在对主动配电网进行优化重构时，往往没有考虑规模化电动汽车接入后对主动配电网优化重构的影响，因此，最终的优化结果往往并不是最优的；
[0006](3)电动汽车充电站的无功调节可以辅助完成对主动配电网的网络损耗的控制，而现有的主动配电网优化重构方法并没有利用电动汽车充电站的无功调节能力，因此，优化重构结果仍存在一定的优化空间。

技术实现思路

[0007]针对现有技术的缺陷和改进需求，本专利技术提供了一种考虑电动汽车接入的主动配电网优化重构方法，其目的在于，在考虑电动汽车接入的情况下对主动配电网进行优化重构，在降低网络损耗的同时保证主动配电网的可靠性。
[0008]为实现上述目的，按照本专利技术的一个方面，提供了一种考虑电动汽车接入的主动配电网优化重构方法，包括：
[0009]分别建立上层优化模型和下层优化模型；上层优化模型，其决策变量为主动配电网的线路开关状态组合，其目标函数为主动配电网的脆弱值最小，其约束条件包括节点电压约束、线路容量和功率约束、网络潮流平衡约束以及网络拓扑结构约束；下层优化模型，
其决策变量为电动汽车充电站各时段向主动配电网注入的无功功率，其目标函数为主动配电网的网络损耗最小，其约束条件包括节点电压约束、线路容量和功率约束、网络潮流平衡约束以及电动汽车充电站功率约束；
[0010]对上层优化模型和下层优化模型进行协同优化，求解使主动配电网的最弱值和网络损耗最小时，主动配电网的线路开关状态组合和电动汽车充电站各时段向主动配电网注入的无功功率。
[0011]进一步地，对上层优化模型和下层优化模型进行协同优化，包括：
[0012](S0)初始化下层优化模型的最优决策变量；
[0013](S1)针对当前下层优化模型的最优决策变量，以主动配电网的线路开关状态组合作为上层粒子，初始化上层粒子群；
[0014](S2)以主动配电网的脆弱值作为上层粒子适应函数，在满足上层优化模型的约束条件的情况下，计算上层粒子群中各上层粒子的适应值，将其中的最小适应值作为上层粒子的全局最优值，并将对应的上层粒子作为上层优化模型的最优决策变量；
[0015](S3)以更新粒子速度和位置的方式更新上层粒子，在满足上层优化模型的约束条件的情况下，计算上层粒子群中各上层粒子的适应值，将其中的最小适应值与上层粒子的全局最优值进行比较，取较小值作为新的全局最优值，并将对应的上层粒子作为上层优化模型新的最优决策变量；
[0016](S4)重复执行步骤(S3)，直至达到最大的迭代次数k
upmax
，将此时的上层粒子的全局最优值对应的上层粒子作为上层优化模型的最优决策变量输出，并输出主动配电网的最小脆弱值；
[0017](S5)针对当前上层优化模型的最优决策变量，将电动汽车充电站各时段向主动配电网注入的无功功率作为下层粒子，初始化下层粒子群；
[0018](S6)以主动配电网的网络损耗作为下层粒子适应函数，在满足下层优化模型的约束条件的情况下，计算下层粒子群中各下层粒子的适应值，将其中的最小适应值作为下层粒子的全局最优值，并将对应的下层粒子作为下层优化模型的最优决策变量；
[0019](S7)以更新粒子速度和位置的方式更新下层粒子，在满足下层优化模型的约束条件的情况下，计算下层粒子群中各下层粒子的适应值，将其中的最小值与下层粒子的全局最优值进行比较，取较小值作为新的全局最优值，并将对应的下层粒子作为下层优化模型新的最优决策变量；
[0020](S8)重复执行步骤(S7)，直至达到最大的迭代次数k
downmax
，将此时的下层粒子的全局最优值对应的下层粒子作为下层优化模型的最优决策变量输出，并输出主动配电网的最小网络损耗；
[0021](S9)重复执行步骤(S1)～(S8)，直至达到最大的迭代次数k
itermax
，输出此时上层优化模型和下层优化模型的最优决策变量，得到使主动配电网的最弱值和网络损耗最小时，主动配电网的线路开关状态组合和电动汽车充电站各时段向主动配电网注入的无功功率。
[0022]进一步地，电动汽车充电站功率约束，其表达式为：
[0023][0024]其中，i表示主动配电网中的节点，t表示当前时段；S
evlim
表示电动汽车充电站向主动配电网注入的最大视在功率，和分别表示t时段电动汽车充电站向节点i注入的有功功率和无功功率。
[0025]进一步地，节点电压约束，其表达式为：
[0026]U
imin
≤U
it
≤U
imax
[0027]线路容量和功率约束，其表达式为：
[0028](P
lt
)2+(Q
lt
)2≤S
lim2
[0029]网络潮流平衡约束，其表达式为：
[0030][0031]网络拓扑结构约束，其表达式为：
[0032]M∈D
C
[0033]其中，U
it
表示t时段节点i的电压，U
imin
和U
imax
分别表示节点i的电压下限和电压上限；S
lim
表示线路传输功率的最大值；l(i,:)、l(:,i)分别表示首端为节点i和末端为节点i的线路l；分别表示t时段节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑电动汽车接入的主动配电网优化重构方法，其特征在于，包括：分别建立上层优化模型和下层优化模型；所述上层优化模型，其决策变量为所述主动配电网的线路开关状态组合，其目标函数为所述主动配电网的脆弱值最小，其约束条件包括节点电压约束、线路容量和功率约束、网络潮流平衡约束以及网络拓扑结构约束；所述下层优化模型，其决策变量为电动汽车充电站各时段向所述主动配电网注入的无功功率，其目标函数为所述主动配电网的网络损耗最小，其约束条件包括节点电压约束、线路容量和功率约束、网络潮流平衡约束以及电动汽车充电站功率约束；对所述上层优化模型和所述下层优化模型进行协同优化，求解使所述主动配电网的最弱值和网络损耗最小时，所述主动配电网的线路开关状态组合和电动汽车充电站各时段向所述主动配电网注入的无功功率。2.如权利要求1所述的考虑电动汽车接入的主动配电网优化重构方法，其特征在于，对所述上层优化模型和所述下层优化模型进行协同优化，包括：(S0)初始化所述下层优化模型的最优决策变量；(S1)针对当前所述下层优化模型的最优决策变量，以主动配电网的线路开关状态组合作为上层粒子，初始化上层粒子群；(S2)以主动配电网的脆弱值作为上层粒子适应函数，在满足所述上层优化模型的约束条件的情况下，计算所述上层粒子群中各上层粒子的适应值，将其中的最小适应值作为上层粒子的全局最优值，并将对应的上层粒子作为上层优化模型的最优决策变量；(S3)以更新粒子速度和位置的方式更新上层粒子，在满足所述上层优化模型的约束条件的情况下，计算所述上层粒子群中各上层粒子的适应值，将其中的最小适应值与上层粒子的全局最优值进行比较，取较小值作为新的全局最优值，并将对应的上层粒子作为上层优化模型新的最优决策变量；(S4)重复执行步骤(S3)，直至达到最大的迭代次数k
upmax
，将此时的上层粒子的全局最优值对应的上层粒子作为所述上层优化模型的最优决策变量输出，并输出主动配电网的最小脆弱值；(S5)针对当前所述上层优化模型的最优决策变量，将电动汽车充电站各时段向所述主动配电网注入的无功功率作为下层粒子，初始化下层粒子群；(S6)以所述主动配电网的网络损耗作为下层粒子适应函数，在满足所述下层优化模型的约束条件的情况下，计算所述下层粒子群中各下层粒子的适应值，将其中的最小适应值作为下层粒子的全局最优值，并将对应的下层粒子作为下层优化模型的最优决策变量；(S7)以更新粒子速度和位置的方式更新下层粒子，在满足所述下层优化模型的约束条件的情况下，计算所述下层粒子群中各下层粒子的适应值，将其中的最小值与下层粒子的全局最优值进行比较，取较小值作为新的全局最优值，并将对应的下层粒子作为下层优化模型新的最优决策变量；(S8)重复执行步骤(S7)，直至达到最大的迭代次数k
downmax
，将此时的下层粒子的全局最优值对应的下层粒子作为所述下层优化模型的最优决策变量输出，并输出所述主动配电网的最小网络损耗；(S9)重复执行步骤(S1)～(S8)，直至达到最大的迭代次数k
itermax
，输出此时所述上层优化模型和所述下层优化模型的最优决策变量，得到使所述主动配电网的最弱值和网络损耗
最小时，所述主动配电网的线路开关状态组合和电动汽车充电站各时段向所述主动配电网注入的无功功率。3.如权利要求1或2所...

【专利技术属性】
技术研发人员：陈昌松，张竞月，徐志文，周鑫恒，倪康，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：