一种配电网无功优化方法及系统技术方案

本发明专利技术公开了一种一种配电网无功优化方法，为解决传统多目标优化问题，针对NSGA

【技术实现步骤摘要】
一种配电网无功优化方法及系统


[0001]本专利技术属于配电网优化调度领域，具体涉及一种配电网无功优化方法及系统。

技术介绍

[0002]随着分布式电源在配电网中大量接入，传统配电网逐渐向主动配电网转变。为实现配电网的安全经济运行，在配电网中应当减少不必要的无功流动，实现无功就地平衡，减少系统网损。在传统配电网中，一般通过调节有载调压变压器分接头位置、电容器投切来进行配电网的无功优化。在主动配电网中，由于分布式电源可以在一定范围内吸收或发出无功功率、储能设备可以在一定范围内吸收或发出有功功率。因此可以通过调节分布式电源、储能功率输出来实现配电网的无功优化与经济运行。
[0003]在配电网的无功优化问题中，一般将网损最小、电压偏差最小设置为目标函数。传统的群体优化智能算法一般通过加权将多目标函数问题转化为单目标函数问题，各目标的加权占比由调度人员根据经验确定。通过经验确定的各目标权重相对模糊，该种方法得到的最优解往往不能准确地反映调度人员的真实需求。同时，传统的群体优化智能算法也存在极易陷入局部最优、计算复杂度过高等缺点。

技术实现思路

[0004]本专利技术所为了解决
技术介绍
中存在的技术问题，目的在于提供了一种一种配电网无功优化方法及系统，通过将NSGA
‑Ⅱ
算法和鲸鱼优化算法组合，对多目标配电网无功优化模型进行求解，得到最优解集。该方法通过将两种算法组合互补，避免了传统的群体优化智能算法容易陷入局部最优、计算复杂度过高等问题。同时得到的最优解集反映了网损和电压偏移两个目标的耦合关系，为电网调度人员决策提供了参考。
[0005]为了解决技术问题，本专利技术的技术方案是：
[0006]一种一种配电网无功优化方法，所述方法包括：
[0007]获取配电网运行参数与拓扑结构，搭建配电网节点系统；
[0008]基于配电网节点系统，以网损最小、电压偏移最小为目标函数构建多目标主动配电网无功优化模型；
[0009]利用NSGA
‑Ⅱ
和鲸鱼优化混合算法对所述多目标主动配电网无功优化模型进行求解，最终得到非支配解集；
[0010]对所述非支配解集，根据实际需求确定匹配的无功优化方案。
[0011]进一步，所述多目标主动配电网无功优化模型的目标函数为：
[0012](1)网损最小：
[0013][0014]式中，E表示支路集合；G
ij
表示支路ij的电导；U
i,t
表示t时段节点i的电压；θ
ij,t
表示t时段节点i和节点j的电压相角差；
[0015](2)电压偏移最小：
[0016][0017]式中，N表示节点集合；表示节点i的电压的额定值。
[0018]进一步，所述多目标主动配电网无功优化模型约束条件，包括：
[0019]潮流约束条件、节点电压约束、控制变量约束和储能运行约束。
[0020]进一步，所述多目标主动配电网无功优化模型的约束条件包括潮流约束条件：
[0021][0022]式中，P
DG,i,t
和Q
DG,i,t
分别表示t时段节点i所连接分布式电源有功和无功功率；P
L,i,t
和Q
L,i,t
分别表示t时段节点i负荷有功和无功功率；P
es,i,t
表示t时段节点i所连接储能有功功率；Q
C,i,t
表示t时段节点i所连接电容器输出无功功率；B
ij
表示支路ij的电纳；
[0023]所述多目标主动配电网无功优化模型的约束条件包括节点电压约束：
[0024]U
i,min
≤U
i,t
≤U
i,max
[0025]式中，U
i,max
和U
i,min
分别表示节点i允许的最高和最低电压；
[0026]所述多目标主动配电网无功优化模型的约束条件包括控制变量约束：
[0027][0028]式中，Q
DG,i,max
和Q
DG,i,min
分别表示节点i所连接分布式电源无功出力上下限；Q
C,i,max
和Q
C,i,min
分别表示节点i所连接电容器的无功上限和下限；P
ch,i,max
和P
dis,i,max
分别表示节点i所连接储能最大充放电功率；
[0029]所述多目标主动配电网无功优化模型的约束条件包括储能运行约束：
[0030][0031]式中，E
es,i,t
表示节点i所连接储能容量；E
es,i,0
和E
es,i,T
分别表示节点i所连接储能在初始时刻以及调度周期结束时刻容量；E
es,i,max
和E
es,i,min
分别表示节点i所连接储能容量上下限。
[0032]进一步，所述NSGA
‑Ⅱ
和鲸鱼优化混合算法包括以下步骤：
[0033]步骤3.1：设置混合算法参数，包括种群规模、最大迭代次数、交叉率、变异率；
[0034]步骤3.2：对所述无功优化模型中控制变量进行编码设置；
[0035]步骤3.3：种群初始化，随机产生种群初始值；
[0036]步骤3.4：将初始化种群随机划分为两个相同数量的种群S1和S2；对S1种群利用NSGA
‑Ⅱ
算法进行处理，包括种群适应度计算、选择/交叉/变异处理、精英策略&快速非支配
排序、基于拥挤度选择生成新的种群；
[0037]对S2种群利用鲸鱼优化算法进行处理，包括种群适应度函数计算，寻找最优鲸鱼个体位置、更新鲸鱼种群位置；
[0038]步骤3.5：将S1和S2种群中适应度前50％的个体重新组合成S3，并按下式进行优良特性交换：
[0039][0040]式中：x
i
(n)和y
i
(n)分别表示S1和S2种群属性中第n次迭代时第i个体；ρ表示为(0,1)的随机数；
[0041]步骤3.6：若未达到最大迭代次数，则对新产生的种群重复步骤3.4
‑
3.5；若达到最大迭代次数，则对种群进行非支配排序，输出Pareto最优解集。
[0042]进一步，所述混合算法参数包括：种群规模、最大迭代次数、交叉率和变异率。
[0043]进一步，对所述无功优化模型中控制变量进行编码设置，包括配电网中各节点所连接分布式电源无功功率、电容器无功功率和储能有功功率。
[0044]一种配电网无功优化系统，所述系统包括：
[0045]搭建模块，用于获取配电网运行参数与拓扑结构，搭建配电网节点系统；
[0046]构建模块，用于基于配电网节点系统，以网损最小、电压偏移最小为目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电网无功优化方法，其特征在于，所述方法包括：获取配电网运行参数与拓扑结构，搭建配电网节点系统；基于配电网节点系统，以网损最小、电压偏移最小为目标函数构建多目标主动配电网无功优化模型；利用NSGA
‑Ⅱ
和鲸鱼优化混合算法对所述多目标主动配电网无功优化模型进行求解，得到非支配解集；对所述非支配解集，根据实际需求确定匹配的无功优化方案。2.根据权利要求1所述的一种配电网无功优化方法，其特征在于，所述多目标主动配电网无功优化模型的目标函数为：(1)网损最小：式中，E表示支路集合；G
ij
表示支路ij的电导；U
i,t
表示t时段节点i的电压；θ
ij,t
表示t时段节点i和节点j的电压相角差；(2)电压偏移最小：式中，N表示节点集合；表示节点i的电压的额定值。3.根据权利要求1所述的一种配电网无功优化方法，其特征在于，所述多目标主动配电网无功优化模型的约束条件包括潮流约束条件：式中，P
DG,i,t
和Q
DG,i,t
分别表示t时段节点i所连接分布式电源有功和无功功率；P
L,i,t
和Q
L,i,t
分别表示t时段节点i负荷有功和无功功率；P
es,i,t
表示t时段节点i所连接储能有功功率；Q
C,i,t
表示t时段节点i所连接电容器输出无功功率；B
ij
表示支路ij的电纳；所述多目标主动配电网无功优化模型的约束条件包括节点电压约束：U
i,min
≤U
i,t
≤U
i,max
式中，U
i,max
和U
i,min
分别表示节点i允许的最高和最低电压；所述多目标主动配电网无功优化模型的约束条件包括控制变量约束：式中，Q
DG,i,max
和Q
DG,i,min
分别表示节点i所连接分布式电源无功出力上下限；Q
C,i,max
和Q
C,i,min
分别表示节点i所连接电容器的无功上限和下限；P
ch,i,max
和P
dis,i,max
分别表示节点i所连接储能最大充放电功率；
所述多目标主动配电网无功优化模型的约束条件包括储能运行约束：式中，E
es,i,t
表示节点i所连接储能容量；E
es,i,0
和E
es,i,T
分别表示节点i所连接储能在初始时刻以及调度周期结束时刻容量；E
es,i,max
和E
es,i,min
分别表示节点i所连接储能容量上下限。4.根据权利要求1所述的一种配电网无功优化方法，其特征在于，NSGA
‑Ⅱ
和鲸鱼优化混合算法包括以下步骤：步骤3.1：设置混合算法参数，包括种群规模、最大迭代次数、交叉率、变异率；步骤3.2：对所述无功优化模型中控制变量进行编码设...

【专利技术属性】
技术研发人员：黄牧涛，周胡钧，刘善峰，郭志民，卢明，周宁，李哲，文劲宇，
申请(专利权)人：国网河南省电力公司电力科学研究院，
类型：发明
国别省市：