配电台区的调度方法及装置制造方法及图纸

本发明专利技术涉及台区调度技术领域，提供一种配电台区的调度方法及装置，方法包括：建立配电台区的调度模型；对粒子群算法的惯性因子进行改进，并确定迭代次数阈值，基于迭代次数阈值对粒子群算法的种群多样性进行改进，以得到改进的粒子群算法；采用改进的粒子群算法对调度模型进行优化求解，以得到调度方案；采用调度方案对配电台区进行调度。由此，对粒子群算法的惯性因子和种群多样性进行改进，并基于改进的粒子群算法对配电台区进行调度，可以提高调度稳定性、安全性，可以提升调度效率。可以提升调度效率。可以提升调度效率。

【技术实现步骤摘要】
配电台区的调度方法及装置


[0001]本专利技术涉及台区调度
，具体涉及一种配电台区的调度方法和一种配电台区的调度装置。

技术介绍

[0002]对于配电台区的调度，相关技术中，在台区下光伏逆变器、储能侧安装即插即用通讯单元，实现与逆变器以及储能装置的通信。在配电台区安装智慧网关，通过电力载波通信方式与即插即用通讯单元进行通信，汇集整个台区光伏以及储能信息，将台区构建成一个基本自治单元，通过智慧网关实现台区内的功率和能量调度控制，完成分布式光伏就地消纳等功能。
[0003]然而，相关技术中采用上述方案进行调度时存在以下问题：（1）可能会导致电力系统的不稳定，因为可能会导致电力系统中的某些部分失去控制；（2）可能会导致电力系统的安全性降低、效率降低，因为可能会导致电力系统中的某些部分出现故障。

技术实现思路

[0004]本专利技术为解决在配电台区的调度中出现的不稳定、安全性降低、效率降低的问题，提出了如下技术方案。
[0005]本专利技术第一方面实施例提出了一种配电台区的调度方法，包括以下步骤：建立配电台区的调度模型；对粒子群算法的惯性因子进行改进，并确定迭代次数阈值，基于所述迭代次数阈值对所述粒子群算法的种群多样性进行改进，以得到改进的粒子群算法；采用改进的粒子群算法对所述调度模型进行优化求解，以得到调度方案；采用所述调度方案对所述配电台区进行调度。
[0006]另外，根据本专利技术上述实施例的配电台区的调度方法还可以具有如下附加的技术特征。
[0007]根据本专利技术的一个实施例，所述调度模型的目标函数为：
[0008]其中，f(x
i
)表示调度模型的目标函数，x
i
表示第i个粒子，N表示种群规模大小。
[0009]根据本专利技术的一个实施例，对粒子群算法的惯性因子进行改进，包括：使粒子群算法的惯性因子递减，其中，通过以下公式使所述惯性因子递减：
[0010]其中，和分别表示惯性因子的最大值和最小值，表示迭代次数，表示最大迭代次数，表示惯性因子的变换系数。
[0011]根据本专利技术的一个实施例，基于所述迭代次数阈值对所述粒子群算法的种群多样性进行改进，包括：获取当前迭代次数，判断所述当前迭代次数是否小于所述迭代次数阈值；如果所述当前迭代次数小于所述迭代次数阈值，则基于全局极值更新粒子的位置；如果当前迭代次数大于或者等于所述迭代次数阈值，则对全局极值添加扰动项后更新粒子的速度和位置。
[0012]根据本专利技术的一个实施例，通过以下公式基于全局极值更新粒子的位置：
[0013]其中，表示更新后迭代次数为t时粒子的位置，表示更新前迭代次数为t时粒子的位置，表示迭代次数为t时的全局极值。
[0014]根据本专利技术的一个实施例，所述扰动项的表达式为：
[0015]其中，k表示扰动项，rand表示0~1之间的随机数。
[0016]根据本专利技术的一个实施例，对全局极值添加扰动项后通过以下公式更新粒子的速度和位置：
[0017][0018]其中，表示迭代次数为t+1时第i个粒子的速度，表示惯性因子，表示迭代次数为t时第i个粒子的速度，和分别为学习因子，取值范围为，和分别表示在0~1之间的随机数，表示迭代次数为t时第i个粒子的个体极值，k表示扰动项，表示迭代次数为t时的全局极值。
[0019]根据本专利技术的一个实施例，采用改进的粒子群算法对所述调度模型进行优化求解，包括以下步骤：初始化改进的粒子群算法；对于每个粒子，根据所述调度模型计算粒子的位置、速度、以及适应度值，将粒子的适应度值与当前经过的个体最优位置进行比较，并根据比较结果得到个体极值；对于每个粒子，将粒子的适应度值与当前的全局最优位置进行比较，并根据比较结果得到全局极值；设置惯性因子，其中，所述惯性因子递减；根据改进后的种群多样性更新粒子的速度和位置；若迭代次数大于最大迭代次数，则停止算法，否则转到计算粒子的位置、速度、以及适应度值的步骤。
[0020]本专利技术第二方面实施例提出了一种配电台区的调度装置，包括：建立模块，用于建立配电台区的调度模型；改进模块，用于对粒子群算法的惯性因子进行改进，并确定迭代次数阈值，基于所述迭代次数阈值对所述粒子群算法的种群多样性进行改进，以得到改进的粒子群算法；求解模块，用于采用改进的粒子群算法对所述调度模型进行优化求解，以得到调度方案；调度模块，用于采用所述调度方案对所述配电台区进行调度。
[0021]根据本专利技术的一个实施例，所述改进模块在对粒子群算法的惯性因子进行改进时，具体用于：使粒子群算法的惯性因子递减，其中，通过以下公式使所述惯性因子递减：
[0022]其中，和分别表示惯性因子的最大值和最小值，表示迭代次数，表示最大迭代次数，表示惯性因子的变换系数。
[0023]本专利技术实施例的技术方案，对粒子群算法的惯性因子和种群多样性进行改进，并基于改进的粒子群算法对配电台区进行调度，可以提高调度稳定性、安全性，可以提升调度效率。
附图说明
[0024]图1为本专利技术实施例的配电台区的调度方法的流程图。
[0025]图2为本专利技术一个示例的配电台区统一调度运行策略逻辑示意图。
[0026]图3为本专利技术实施例的配电台区的调度装置的方框示意图。
具体实施方式
[0027]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]可以使用粒子群算法对配电台区的功率和能量进行调度：粒子群优化（ParticleSwarmOptimization，PSO）算法，是一种基于群体演化的进化算法以及基于迭代和群智能的优化算法，也称为粒子群算法。假设粒子群的种群大小为N，搜索空间维数为D，D也表示网络权值的个数。
[0029]第i个粒子在D维的空间位置表示为，，第i个粒子的速度为；则第i个粒子在D维搜索空间的当前所能发现的最佳极值为；种群全局的最优位置记为。在D维的解空间中，每一次的迭代，每个粒子的速度和位置都随自身的个体极值位置和当前全局最优位置变化，则速度更新和位置更新的表达式如式（1）和（2）：（1）（2）其中，t为迭代次数，为平衡全局和局部搜索能力的惯性因子，和为学习因子，一般为正常数，取值范围为，和表示在0~1之间的随机数字；，，和分别表示粒子速度的最大值和粒子位置的最大值，且分别用来限制粒子速度和位置。
[0030]需要说明的是，式（1）为标准粒子群算法，种群大小N根据要求而定，一般情况下种群规模大小N取值为20~40。当=0时，速度只取决于当前位置和历史最好位置，速度本身没
有记忆性；较大时，算法具有较强的全局搜索能力；较小时，算法具有较强的局部搜索能力。粒子的最大速度决定当前位置与最佳位置之间的区域精度，当过大时，粒子就会存在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电台区的调度方法，其特征在于，包括以下步骤：建立配电台区的调度模型；对粒子群算法的惯性因子进行改进，并确定迭代次数阈值，基于所述迭代次数阈值对所述粒子群算法的种群多样性进行改进，以得到改进的粒子群算法；采用改进的粒子群算法对所述调度模型进行优化求解，以得到调度方案；采用所述调度方案对所述配电台区进行调度。2.根据权利要求1所述的配电台区的调度方法，其特征在于，所述调度模型的目标函数为：，其中，f(x
i
)表示调度模型的目标函数，x
i
表示第i个粒子，N表示种群规模大小。3.根据权利要求1所述的配电台区的调度方法，其特征在于，对粒子群算法的惯性因子进行改进，包括：使粒子群算法的惯性因子递减，其中，通过以下公式使所述惯性因子递减：，其中，和分别表示惯性因子的最大值和最小值，表示迭代次数，表示最大迭代次数，表示惯性因子的变换系数。4.根据权利要求1所述的配电台区的调度方法，其特征在于，基于所述迭代次数阈值对所述粒子群算法的种群多样性进行改进，包括：获取当前迭代次数，判断所述当前迭代次数是否小于所述迭代次数阈值；如果所述当前迭代次数小于所述迭代次数阈值，则基于全局极值更新粒子的位置；如果当前迭代次数大于或者等于所述迭代次数阈值，则对全局极值添加扰动项后更新粒子的速度和位置。5.根据权利要求4所述的配电台区的调度方法，其特征在于，通过以下公式基于全局极值更新粒子的位置：，其中，表示更新后迭代次数为t时粒子的位置，表示更新前迭代次数为t时粒子的位置，表示迭代次数为t时的全局极值。6.根据权利要求4所述的配电台区的调度方法，其特征在于，所述扰动项的表达式为：，其中，k表示扰动项，rand表示0~1之间的随机数。7.根据权利要求4所述的配电台区的调度方法，其特征在于，对全局极值...

【专利技术属性】
技术研发人员：杨桂生，周琦，杨宗豪，赵静，黄溯，花颂杰，
申请(专利权)人：国网江苏省电力有限公司常州供电分公司，
类型：发明
国别省市：