System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及配电网优化调度,特别涉及一种配电网调度方法、装置、设备及介质。
技术介绍
1、可再生能源出力所具有的间歇性和随机性特点对配电网的安全稳定运行产生了一定的影响,大规模分布式光伏接入配电网所带来的电压越限等问题愈发突出,负荷需求的峰谷差严重影响了配电网运行安全性和稳定性,如何提升配电网对可再生能源的消纳能力是目前智能电网发展的重要内容。如何协调配电网中分布式能源、储能设备以及需求侧可控负荷,并有效参与到当前电力市场中,从而改善配电网电压质量、提高配电网运行经济性,成为亟待解决的问题。传统多目标算法在以配电网多目标优化调度为代表的多维度优化问题中,暴露出了容易发生局部收敛,在大规模问题上收敛速度慢的问题。
2、综上,在配电网调度的多维度优化问题的过程中,如何实现提高收敛精度和速度,避免局部收敛,优化配电网调度是本领域有待解决的技术问题。
技术实现思路
1、有鉴于此,本专利技术的目的在于提供一种配电网调度方法、装置、设备及介质,在配电网调度的多维度优化问题的过程中,能够实现提高收敛精度和速度,避免局部收敛,优化配电网调度。其具体方案如下:
2、第一方面,本申请公开了一种配电网调度方法,包括:
3、确定每天各时段的负荷量,并基于所述负荷量构建配电网优化调度模型的基于最小化电压偏差、净负荷峰谷差和运行调度成本为的目标函数;
4、利用目标混沌差分进化多目标粒子群算法并基于所述配电网优化调度模型的约束条件确定所述配电网优化调度模型的所述
5、利用所述最优解生成所述配电网优化调度模型的配电网优化调度方案。
6、可选的,所述确定每天各时段的负荷量,包括:
7、对历史分时电价下的用户用电量分析,以基于各时段用户用电量分析结果并利用需求电价自弹性系数和需求电价交叉弹性系数构建需求电价弹性矩阵;
8、获取配电网的光伏出力预测和负荷预测值,并基于所述光伏出力预测和所述负荷预测值获取日前净负荷曲线,然后基于所述需求电价弹性矩阵和所述日前净负荷曲线划分每天各时段,以获取每天各时段的负荷量。
9、可选的,所述基于所述负荷量构建配电网优化调度模型的基于最小化电压偏差、净负荷峰谷差和运行调度成本为的目标函数之后,还包括:
10、以分时电价方案、分布式光伏逆变器无功出力和储能有功出力为决策变量,建立所述配电网优化调度模型。
11、可选的,所述利用目标混沌差分进化多目标粒子群算法并基于所述配电网优化调度模型的约束条件确定所述配电网优化调度模型的所述目标函数的最优解之前,还包括:
12、设置系统功率平衡约束条件、节点电压约束条件、传输线路功率约束条件、分布式电源约束条件、需求响应电价约束条件、储能运行约束条件为所述配电网优化调度模型的约束条件。
13、可选的,所述利用目标混沌差分进化多目标粒子群算法并基于所述配电网优化调度模型的约束条件确定所述配电网优化调度模型的所述目标函数的最优解之前,还包括:
14、初始化混沌差分进化多目标粒子群算法的群体规模、粒子维数、最大迭代次数、网格数目的算法参数,以得到目标混沌差分进化多目标粒子群算法。
15、可选的,所述利用目标混沌差分进化多目标粒子群算法并基于所述配电网优化调度模型的约束条件确定所述配电网优化调度模型的所述目标函数的最优解,包括:
16、利用所述目标混沌差分进化多目标粒子群算法的混沌序列和反向学习策略以及所述约束条件生成用于求解所述目标函数的初始种群,并基于所述目标函数计算所述初始种群的适应度值,以获取初始非劣解集;
17、利用差分进化算法迭代更新所述初始非劣解集,直至迭代次数达到预设次数阈值,获取更新后非劣解集;
18、将所述更新后非劣解集作为所述目标函数的最优解。
19、可选的,所述利用差分进化算法迭代更新所述初始非劣解集,直至迭代次数达到预设次数阈值,获取更新后非劣解集,包括:
20、选取所述初始非劣解集中的任一粒子作为所述目标函数的当前全局最优解,并从所述初始非劣解集中选择粒子当前位置的适应度值与粒子历史最优位置适应度值中确定满足预设适应度条件的粒子位置的目标粒子作为个体最优样本;
21、将所述当前全局最优解和所述个体最优样本作为参考点,以利用差分进化算法并基于所述参考点指导所述粒子的移动方向和速度,更新所述粒子的速度和位置;
22、计算所述粒子的适应度值并更新所述初始非劣解集,判断当前粒子是否满足预设支配规则条件,若满足,则表明当前粒子与所述初始非劣解集存在支配关系,并利用所述当前粒子替换被支配的粒子;若不满足,则表明所述当前粒子与所述初始非劣解集不存在支配关系,并将所述当前粒子新增到更新过程中的非劣解集中;
23、对所述更新过程中的非劣解集进行变异操作,并按照所述预设支配规则条件对所述更新过程中的非劣解集进行迭代更新,直至迭代次数达到预设次数阈值,获取更新后非劣解集。
24、第二方面,本申请公开了一种配电网调度装置,包括:
25、函数构建模块,用于确定每天各时段的负荷量,并基于所述负荷量构建配电网优化调度模型的基于最小化电压偏差、净负荷峰谷差和运行调度成本为的目标函数;
26、求解模块,用于利用目标混沌差分进化多目标粒子群算法并基于所述配电网优化调度模型的约束条件确定所述配电网优化调度模型的所述目标函数的最优解;
27、调度方案生成模块,用于利用所述最优解生成所述配电网优化调度模型的配电网优化调度方案。
28、第三方面,本申请公开了一种电子设备,包括:
29、存储器,用于保存计算机程序;
30、处理器,用于执行所述计算机程序,以实现前述公开的配电网调度方法的步骤。
31、第四方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现前述公开的配电网调度方法的步骤。
32、可见,本申请公开了一种配电网调度方法,包括:确定每天各时段的负荷量,并基于所述负荷量构建配电网优化调度模型的基于最小化电压偏差、净负荷峰谷差和运行调度成本为的目标函数;利用目标混沌差分进化多目标粒子群算法并基于所述配电网优化调度模型的约束条件确定所述配电网优化调度模型的所述目标函数的最优解;利用所述最优解生成所述配电网优化调度模型的配电网优化调度方案。由此可见,通过引入混沌序列结合差分进化算法得到目标混沌差分进化多目标粒子群算法及约束条件确定配电网优化调度模型的目标函数的最优解,这样一来,通过引入混沌序列生成初始化种群,并结合差分进化更新种群提高局部搜索能力,解决了多目标粒子群算法在解决配电网优化调度问题过程中收敛速度慢、容易产生局部收敛的问题,增强了全局搜索能力和寻优精度。
本文档来自技高网...【技术保护点】
1.一种配电网调度方法,其特征在于,包括:
2.根据权利要求1所述的配电网调度方法,其特征在于,所述确定每天各时段的负荷量,包括:
3.根据权利要求1所述的配电网调度方法,其特征在于,所述基于所述负荷量构建配电网优化调度模型的基于最小化电压偏差、净负荷峰谷差和运行调度成本为的目标函数之后,还包括:
4.根据权利要求1所述的配电网调度方法,其特征在于,所述利用目标混沌差分进化多目标粒子群算法并基于所述配电网优化调度模型的约束条件确定所述配电网优化调度模型的所述目标函数的最优解之前,还包括:
5.根据权利要求1所述的配电网调度方法,其特征在于,所述利用目标混沌差分进化多目标粒子群算法并基于所述配电网优化调度模型的约束条件确定所述配电网优化调度模型的所述目标函数的最优解之前,还包括:
6.根据权利要求1至5任一项所述的配电网调度方法,其特征在于,所述利用目标混沌差分进化多目标粒子群算法并基于所述配电网优化调度模型的约束条件确定所述配电网优化调度模型的所述目标函数的最优解,包括:
7.根据权利要求6所述的配电网调度方
8.一种配电网调度装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的配电网调度方法的步骤。
...【技术特征摘要】
1.一种配电网调度方法,其特征在于,包括:
2.根据权利要求1所述的配电网调度方法,其特征在于,所述确定每天各时段的负荷量,包括:
3.根据权利要求1所述的配电网调度方法,其特征在于,所述基于所述负荷量构建配电网优化调度模型的基于最小化电压偏差、净负荷峰谷差和运行调度成本为的目标函数之后,还包括:
4.根据权利要求1所述的配电网调度方法,其特征在于,所述利用目标混沌差分进化多目标粒子群算法并基于所述配电网优化调度模型的约束条件确定所述配电网优化调度模型的所述目标函数的最优解之前,还包括:
5.根据权利要求1所述的配电网调度方法,其特征在于,所述利用目标混沌差分进化多目标粒子群算法并基于所述配电网优化调度模型的约束条件确定所述配电网优化调...
【专利技术属性】
技术研发人员:陈勇,孟晓强,李锋,赵策,芮俊,
申请(专利权)人:杭州市电力设计院有限公司余杭分公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。