考虑成本和效果的分布式光伏优化配置方法及装置制造方法及图纸

本发明专利技术涉及一种考虑成本和效果的分布式光伏优化配置方法及装置，基于光伏储能装置的年综合成本最小、发电占比最大目标函数，通过多目标优化方法求出光伏储能容量的最优解。基于网络安全性及经济性满意度最大目标函数，对光伏储能装置进行电压控制。本发明专利技术能够综合考虑配电网可靠性和经济性，对分布式光伏储能装置进行优化配置。置进行优化配置。置进行优化配置。

【技术实现步骤摘要】
system，ADS)的发展，大规模DG的并网，为电力系统的电压控制增添了更多的可控因素，同时也为ADS系统的电压控制开辟了新的途径。

技术实现思路

[0006]本专利技术的专利技术目的在于提供一种考虑成本和效果的分布式光伏优化配置方法及装置，能够综合考虑配电网可靠性和经济性，对分布式光伏储能装置进行优化配置。
[0007]基于同一专利技术构思，本专利技术具有两个独立的技术方案：
[0008]1、一种基于考虑成本和效果的分布式光伏优化配置方法，基于光伏储能装置的年综合成本最小、发电占比最大目标函数，通过多目标优化方法求出光伏储能容量的最优解。
[0009]进一步地，基于网络安全性及经济性满意度最大目标函数，对光伏储能装置进行电压控制。
[0010]进一步地，所述年综合成本最小目标函数为，
[0011]min C＝C
co
+C
op
[0012][0013][0014]X
s
∈{0，1}
[0015]式中，C为年综合成本；C
co
为建设成本；C
op
为运行成本；C
i.tr
为第i个DG的接网费用，此处表示为接纳光伏储能装置新建的接网线路费用；N
DG
为接入配电网的光伏储能装置个数；T1为新建线路的运行年限；C
vo.de
为分散式电压控制系统搭建费用；C
vo.ce
为集中式电压控制系统搭建费用；T
de
和T
cer/>分别为分散式和集中式控制系统的使用年限；α为银行利率；X
s
为决定控制系统的二状态变量；ΔP
losst
为时刻t总网损；λ为居民用电电价。
[0016]进一步地，所述发电占比最大目标函数为，
[0017][0018]式中，ξ为光伏储能装置的发电占比；T为调度总时间；N
G
为接入电网的光伏储能装置个数；P
DGn
(t)为时段t第n个光伏储能装置有功出力；N为配电网总节点数；P
Lm
(t)为时段t节点m的有功负荷；N
B
为配电网总支路数；ΔP
losst
为时段t的j支路的有功损耗。
[0019]进一步地，所述多目标优化方法包括约束条件，所述约束条件为光伏储能装置电压约束、年综合成本约束、潮流平衡方程约束、光伏储能装置容量约束。
[0020]进一步地，所述多目标优化方法采用多种群牵引差分进化算法。
[0021]进一步地，采用多种群牵引差分进化算法时，通过如下方法编码和生成混沌初始种群，
[0022]采用实数编码，每个染色体代表一种规划策略，基因标号即节点标号，基因数值即
该节点光伏储能装置的接入容量，编码表示为：
[0023][0024]式中:G
ij
为第i个个体染色体，也就是第i个配电网规划策略；g
ij
为第i个个体染色体上第j个基因，即第i个配电网规划策略中第j节点应该接入的单位分布式光伏容量；g
jmax
、g
jmin
分别为染色体上第j个基因的上限和下限，即第j个节点能够接入光伏储能装置容量的上限和下限；N
node
为配电网节点的个数；
[0025]种群初始化时，使用Logistic模型生成混沌序列x
k+1
，模型表示为：
[0026]x
x+1
＝λx
k
(1
‑
x
k
),x
k
∈[0,1][0027]式中：x
k
为0到1之间的随机数；λ为模型的控制参数，取值为0～4；
[0028]具体步骤如下：
[0029]步骤1：随机选择在区间[0,1]中的一条序列T0作为初始点，代表最初的配电网规划策略，T0如下：
[0030][0031]步骤2：T0作为初始点带入Logistic模型进行N
×
N
t
次迭代，并将得到的序列组合成一个矩阵，随后每间隔N
t
个向量取出一个向量，总共取出N条序列混沌种群TN，种群规模为N：
[0032]步骤3：将混沌种群T
N
映射到配电网规划策略中，得到混沌初始种群。
[0033]进一步地，所述网络安全性及经济性满意度最大目标函数为，
[0034][0035]λ
v*
＝K
VHC
(t)λ
v
(t)
[0036]λ
L*
(t)＝K
VHC
(t)(λ
L
(t)
‑
1)+1式中，λ
v*
(t)、λ
L*
(t)分别为t时刻经过修正的系统电压偏差和网络经济性的权重；T为时段数，N为系统支点数，α
j
为j点在系统的重要程度，f
Scy*
(ΔU
j
(t))为归一化后的.j.节点电压偏移满意度函数，f
*Econ
为归一化后网络经济性的满意度函数，K
VHC
(t)表示t时刻综合考虑电压越限及电压波动的网络安全性；
[0037]系统电压偏差满意度评价指标f
Scy
(ΔU
j
(t))为：
[0038][0039]式中，ΔU
max j
节点j最大可行电压偏差；ΔU
min j
节点j最小可行电压偏差；ΔU
j
为j节点的实际电压偏差；电压偏差ΔU
max j
、ΔU
min j
和ΔU
j
均取绝对值；
[0040]对网络经济性的满意度指标f
Econ
为：
[0041]f
Econ
＝aP
loss
+a
T
x
T
+a
c
x
c
[0042]式中，a为有功功率边际价格；P
loss
为当前有功网损；a
T
为OLTC的单位动作成本；x
T
为OLTC的动作次数；a
c
为电容器组的单位动作成本；x
c
为动作次数。
[0043]进一步地，对光伏储能装置进行电压控制的约束条件为，
[0044][0045][0046]ΔP
i
(t)＝P
DG，i
(t)
‑
P
L，i
(t)
[0047]ΔQ
i
(t)＝Q
C，i
(t)+Q
DG，i
(t)
‑
Q...

【技术保护点】

【技术特征摘要】
1.一种基于考虑成本和效果的分布式光伏优化配置方法，其特征在于：基于光伏储能装置的年综合成本最小、发电占比最大目标函数，通过多目标优化方法求出光伏储能容量的最优解。2.根据权利要求1所述的基于考虑成本和效果的分布式光伏优化配置方法，其特征在于：基于网络安全性及经济性满意度最大目标函数，对光伏储能装置进行电压控制。3.根据权利要求1所述的基于考虑成本和效果的分布式光伏优化配置方法，其特征在于：所述年综合成本最小目标函数为，min C＝C
co
+C
opop
X
s
∈{0，1}式中，C为年综合成本；C
co
为建设成本；C
op
为运行成本；C
i.tr
为第i个DG的接网费用，此处表示为接纳光伏储能装置新建的接网线路费用；N
DG
为接入配电网的光伏储能装置个数；T1为新建线路的运行年限；C
vo.de
为分散式电压控制系统搭建费用；C
vo.ce
为集中式电压控制系统搭建费用；T
de
和T
ce
分别为分散式和集中式控制系统的使用年限；α为银行利率；X
s
为决定控制系统的二状态变量；ΔP
losst
为时刻t总网损；λ为居民用电电价。4.根据权利要求1所述的基于考虑成本和效果的分布式光伏优化配置方法，其特征在于：所述发电占比最大目标函数为，式中，ξ为光伏储能装置的发电占比；T为调度总时间；N
G
为接入电网的光伏储能装置个数；P
DGn
(t)为时段t第n个光伏储能装置有功出力；N为配电网总节点数；P
Lm
(t)为时段t节点m的有功负荷；N
B
为配电网总支路数；ΔP
losst
为时段t的j支路的有功损耗。5.根据权利要求1所述的基于考虑成本和效果的分布式光伏优化配置方法，其特征在于：所述多目标优化方法包括约束条件，所述约束条件为光伏储能装置电压约束、年综合成本约束、潮流平衡方程约束、光伏储能装置容量约束。6.根据权利要求1所述的基于考虑成本和效果的分布式光伏优化配置方法，其特征在于：所述多目标优化方法采用多种群牵引差分进化算法。7.根据权利要求6所述的基于考虑成本和效果的分布式光伏优化配置方法，其特征在于：采用多种群牵引差分进化算法时，通过如下方法编码和生成混沌初始种群，采用实数编码，每个染色体代表一种规划策略，基因标号即节点标号，基因数值即该节点光伏储能装置的接入容量，编码表示为：
式中:G
ij
为第i个个体染色体，也就是第i个配电网规划策略；g
ij
为第i个个体染色体上第j个基因，即第i个配电网规划策略中第j节点应该接入的单位分布式光伏容量；g
jmax
、g
jmin
分别为染色体上第j个基因的上限和下限，即第j个节点能够接入光伏储能装置容量的上限和下限；N
node
为配电网节点的个数；种群初始化时，使用Logistic模型生成混沌序列x
k+1
，模型表示为：x
x+1
＝λx
k
(1
‑
x
k
),x
k
∈[0,1]式中：x
k
为0到1之间的随机数；λ为模型的控制参数，取值为0～4；具体步骤如下：步骤1：随机选择在区间[0,1]中的一条序列T0作为初始点，代表最初的配电网规划策略，T0如下：T0＝[T
01
,T
02
,
…
,T
0p
]步骤2：T0作为初始点带入Logistic模型进行N
×
N
t
次迭代，并将得到的序列组合成一个矩阵，随后每间隔N
t
个向量取出一个向量，总共取出N条序列混沌种群TN，种群规模为N：步骤3：将混沌种群T
N
映射到配电网规划策略中，得到...

【专利技术属性】
技术研发人员：邵京伟，华科，许军，周卫东，孙然，
申请(专利权)人：国网黑龙江省电力有限公司，
类型：发明
国别省市：