配电网及分布式电源并网技术的优化调度算法制造技术

本发明专利技术涉及配电网技术领域，尤其为配电网及分布式电源并网技术的优化调度算法，包括如下步骤：S1：搭建配电网及分布式电源并网技术的调度模型；S2：确定配电网及分布式电源并网技术的调度模型的约束函数；S3：确定配电网及分布式电源并网技术的调度模型的优化目标；S4：通过布谷鸟搜索算法对配电网及分布式电源并网技术的调度模型进行优化。本发明专利技术搭建配电网及分布式电源并网技术的调度模型，并基于布谷鸟搜索算法对调度模型的加权参数进行自适应寻优，其参数较少，全局搜索能力较强，稳定性较强，且通过自适应参数进行搜索优化，可以满足不同搜索阶段的搜索需求，提高了搜索优化的收敛速度和搜索速度，提升配电网调度效率。提升配电网调度效率。提升配电网调度效率。

【技术实现步骤摘要】
配电网及分布式电源并网技术的优化调度算法


[0001]本专利技术涉及配电网
，尤其是配电网及分布式电源并网技术的优化调度算法。

技术介绍

[0002]近年来，随着分布式电源逐步接入配电网运行，传统的配电网管理方式已经无法适应配电网的发展要求，通过先进的通信技术及电力电子技术对配电网中的分布式电源进行高效管理是主动配电网的发展方向。分布式电源(DG)不仅能够提高配电网供电可靠性，减少环境污染、改善供电质量，而且也能够减少配电网运行投资成本。因此对于分布式电源进行合理规划具有极为重要的意义。
[0003]现有技术以相变储能热阻模型为基础，以CCHP型微能源网为研究对象，对具体的优化调度策略进行研究，能在一定程度上提高配电网输出的利用率，但是稳定性较差。故本专利技术提出了配电网及分布式电源并网技术的优化调度算法，搭建配电网及分布式电源并网技术的调度模型，并基于布谷鸟搜索算法对调度模型的加权参数进行自适应寻优，其参数较少，全局搜索能力较强，稳定性较强，且通过自适应参数进行搜索优化，提高了搜索优化的收敛速度和搜索速度。

技术实现思路

[0004]本专利技术的目的是通过提出配电网及分布式电源并网技术的优化调度算法，以解决上述
技术介绍
中提出的缺陷。
[0005]本专利技术采用的技术方案如下：
[0006]提供配电网及分布式电源并网技术的优化调度算法，包括如下步骤：
[0007]S1：搭建配电网及分布式电源并网技术的调度模型；
[0008]S2：确定配电网及分布式电源并网技术的调度模型的约束函数；
[0009]S3：确定配电网及分布式电源并网技术的调度模型的优化目标；
[0010]S4：通过布谷鸟搜索算法对配电网及分布式电源并网技术的调度模型进行优化。
[0011]作为本专利技术的一种优选技术方案：所述S1中，搭建配电网最小投资成本函数模型f1如下：
[0012][0013]其中，P
a
表示第a个节点的分布式电源额定容量，N为配电网中分布式电源节点数，A
a1
和A
a2
分别表示第a个节点中分布式电源安装成本和综合成本；
[0014]搭建配电网网损函数模型f2如下：
[0015][0016]其中，f2表示配电网损耗成本，T
max
表示配电网负荷小时数，p
t
表示电价，G
k
表示分布式电源节点g和h支路k电导，U
g
和U
h
分别表示分布式电源节点g和h电压幅值，表示分布式电源节点g和h电压相角差，K表示配电网支路数；
[0017]搭建配电网电压质量函数模型如下：
[0018][0019]其中，f3表示电压质量函数，λ表示电压越限的罚因子，ΔR
k
表示电压越限偏差值，R
kmax
和R
kmin
分别表示电压越限偏差值的最大值和最小值。
[0020]作为本专利技术的一种优选技术方案：所述S1中，搭建配电网及分布式电源并网技术的调度模型F如下：
[0021]min F＝αf1+βf2+γf3[0022]其中，α、β和γ分别表示加权系数，且α+β+γ＝1。
[0023]作为本专利技术的一种优选技术方案：所述S2中，基于所述配电网及分布式电源并网技术的调度模型F搭建如下的函数约束方程：
[0024][0025][0026]其中，P1和P2分别表示配电网的有功功率和无功功率，B
k
示分布式电源节点g和h支路k电纳；
[0027]配电网的电压U
f
具有如下约束：
[0028]U
fmin
≤U
f
≤U
fmax
(f∈[1,K])
[0029]其中，U
fmin
和U
fmax
分别为分布式电源节点f的电压下限值和上限值；
[0030]极限传输功率P
f
具有如下约束：
[0031]P
fmin
≤P
f
≤P
fmax
(f∈[1,K])
[0032]其中，P
fmin
和P
fmax
分别为分布式电源节点f的功率下限值和上限值。
[0033]作为本专利技术的一种优选技术方案：所述S3中，设置配电网的有功功率网络损耗情况为优化目标函数。
[0034]作为本专利技术的一种优选技术方案：所述S4中，所述布谷鸟搜索算法对配电网及分布式电源并网技术的调度模型进行优化具体如下：
[0035]S4.1：设定适应度函数、最大迭代次数、巢主鸟发现非本巢卵的概率P0、种群数量和鸟巢初始化位置；
[0036]S4.2：对鸟巢位置进行更新，对比当代鸟巢与上一代鸟巢，并基于适应度函数对鸟巢进行选择，替换适应度差的鸟巢位置或新建一个鸟巢；
[0037]S4.3：比较随机数r(r∈(0,1))与P0的大小，并根据比较结果进行随机更新，并根据得到的较优的鸟巢位置并输出最优的适应度值；
[0038]S4.4：若循环至最大迭代次数，输出全局最优适应度值，否则重复S4.2
‑
S4.3直至输出全局最优适应度值。
[0039]作为本专利技术的一种优选技术方案：所述S4.1中，所述适应度函数设定为优化目标函数，设定鸟巢位置对应所述配电网及分布式电源并网技术的调度模型F中的加权系数值。
[0040]作为本专利技术的一种优选技术方案：所述S4.2中，对鸟巢的位置更新具体如下：
[0041][0042]其中，和分别表示第t代和第t+1代第i个鸟巢的位置，δ表示步长控制参数，
⊕
表示点对点乘法，L(ε)表示随机搜索路径，服从莱维分布，其中，莱维分布的步长参数为ε，且1<ε≤3；
[0043][0044]其中，τ表示分布常数，u和v为服从如下的正态分布的随机数：
[0045][0046][0047][0048]σ
v
＝1
[0049]其中，和分别为u和v对应的正态分布，σ
u
和σ
v
分别为u和v为服从的正态分布的标准差，Γ为阶乘函数。
[0050]作为本专利技术的一种优选技术方案：所述步长控制参数基于如下算法进行自适应迭代：
[0051]δ＝0.5
‑
0.499log
T
t
[0052]其中，T为设置的最大迭代次数。
[0053]作为本专利技术的一种优选技术方案：所述S4.3中，判断随机数r和P0的大小，当r>P0时，按照下式更新鸟巢位置：
[0054][0055]否则不更新鸟巢。
[0056]本专利技术提供的配电网及分布式电源并网技术的优化调度算法，与现有技术相比，其有益效果有：
...

【技术保护点】

【技术特征摘要】
1.配电网及分布式电源并网技术的优化调度算法，其特征在于：包括如下步骤：S1：搭建配电网及分布式电源并网技术的调度模型；S2：确定配电网及分布式电源并网技术的调度模型的约束函数；S3：确定配电网及分布式电源并网技术的调度模型的优化目标；S4：通过布谷鸟搜索算法对配电网及分布式电源并网技术的调度模型进行优化。2.根据权利要求1所述的配电网及分布式电源并网技术的优化调度算法，其特征在于：所述S1中，搭建配电网最小投资成本函数模型f1如下：其中，P
a
表示第a个节点的分布式电源额定容量，N为配电网中分布式电源节点数，A
a1
和A
a2
分别表示第a个节点中分布式电源安装成本和综合成本；搭建配电网网损函数模型f2如下：其中，f2表示配电网损耗成本，T
max
表示配电网负荷小时数，p
t
表示电价，G
k
表示分布式电源节点g和h支路k电导，U
g
和U
h
分别表示分布式电源节点g和h电压幅值，表示分布式电源节点g和h电压相角差，K表示配电网支路数；搭建配电网电压质量函数模型如下：其中，f3表示电压质量函数，λ表示电压越限的罚因子，ΔR
k
表示电压越限偏差值，R
kmax
和R
kmin
分别表示电压越限偏差值的最大值和最小值。3.根据权利要求2所述的配电网及分布式电源并网技术的优化调度算法，其特征在于：所述S1中，搭建配电网及分布式电源并网技术的调度模型F如下：min F＝αf1+βf2+γf3其中，α、β和γ分别表示加权系数，且α+β+γ＝1。4.根据权利要求1所述的配电网及分布式电源并网技术的优化调度算法，其特征在于：所述S2中，基于所述配电网及分布式电源并网技术的调度模型F搭建如下的函数约束方程：所述S2中，基于所述配电网及分布式电源并网技术的调度模型F搭建如下的函数约束方程：其中，P1和P2分别表示配电网的有功功率和无功功率，B
k
示分布式电源节点g和h支路k电纳；配电网的电压U
f
具有如下约束：U
fmin
≤U
f
≤U
fmax
(f∈[1,K])
其中，U
fmin
和U
fmax
分别为分布式电源节点f的电压下限值和上限值；极限传输功率P
f
具有如下约束：P
fmin
≤P

【专利技术属性】
技术研发人员：刘斌，乐利民，卢波，姚华，王华，耿军，罗建勤，林秋华，张喜斌，马元波，曹艳，刘晓璇，陈焱，伍华，殷乐，徐龙，
申请(专利权)人：上海舒盈科技股份有限公司，
类型：发明
国别省市：