【技术实现步骤摘要】
本专利技术属于电力系统中优化配置，涉及电力系统分布式储能多目标优化配置，具体涉及一种基于改进被囊算法的配电网分布式储能配置优化方法及系统。
技术介绍
1、当前配电网潮流计算中火电、水电等传统机组具有较强的惯性，其稳定性分析方法研究主要通过如派克变换、等面积定则分析等方法，而对于含大量电力电子装置的弱惯性系统，考虑不同电力电子设备的运行特性、控制策略等是贴近配电网实际运行情况的。
2、当前，随着电动汽车的投入使用，未来将有大规模的电动汽车接入配电网，电动汽车的充放电行为将对配电网造成巨大压力。电动汽车在高峰时段集中充电，会扩大电网负荷的峰谷差，对配电网的正常运作形成挑战。而电动汽车用户充电行为的灵活性特点，会进一步增加配电网控制管理的复杂性。大规模的电动汽车充电行为将改变电网特性，尤其是配电网负荷结构和特性，传统的电网规划方法已经难以应对电动汽车大规模接入的情况。电动汽车充电负荷预测作为充电设施布局规划的研究基础。
3、电动汽车作为“双高”背景中的“一分子”，大量的汽车用户在充放电时使用的电力电子设备，存在着无传统机组阻尼和惯性、响应速度过快等问题，会引发电力系统整体的同步机制和调频功能的削弱，冲击系统的功率平衡。此外，电动汽车充电器朝着大电压高电流方向发展，在进行大功率充放电过程中，与电网存在的交互会产生电能质量问题，需注重电动汽车的充放电行为带来的电能质量问题。因此考虑以电动汽车为主的随机性负荷对配电网带来的电力电子影响是优化配置的基础。
4、解决分布式储能最优配置(oaess)的问题关键在
5、在众多智能算法中，利用被囊算法(tsa)求解多目标的应用场景并不多，其优点在于操作简单，调整的参数少以及跳出局部最优的能力强，更适合于单目标优化中。但在实际应用场景中，对于目标的优化往往是多个，需要考虑几个相互制约、可能存在冲突的目标函数，tsa算法在电力系统中有很多实际的应用案例，该算法更新步骤简单、功能强大，如何将tsa算法运用在多目标优化配置中是值得讨论的。
6、分布式储能配置优化可以分为单目标问题和多目标问题，对于多目标问题，传统的处理方法是将每个目标采用加权的方式转化为单目标，这种方式适用于决策者对某个目标具有明确偏向的情况，当前帕累托最优性搜索的可行最优集被广泛运用在多目标求解问题中，以获得没有任何主观偏向的帕累托前沿分配方案,与加权转化为单目标的多目标处理方法相比，采用帕累托最优搜索方法可以得到多种可行的目标组成方案，由于不能确定决策者对各个目标的侧重，如何从得到的多种可行目标组成方案确定一个最优折衷方案作为多目标优化配置问题的解决方案是一个非常值得研究的问题。
技术实现思路
1、为解决上述问题，本专利技术提供了一种基于改进被囊算法的配电网分布式储能配置优化方法及系统。
2、在第一方面，本专利技术提供的一种基于改进被囊算法的配电网分布式储能配置优化方法包括以下步骤：
3、s1.建立双因素电动汽车负荷预测模型，向其输入公共区预测时段的负荷数据得到双因素预测负荷数据；
4、s2.获取双因素预测负荷数据的采集位置信息，根据采集位置信息筛选出对应的充电桩，然后根据充电桩的种类建立对应类型的变流器模型；
5、s3.基于多类型的变流器模型，建立以最小化电压偏移比和静态电压稳定水平为目标的分布式储能多目标优化配置问题；初始化迭代次数t＝1，进入步骤s4；
6、s4.采用基于约束候选策略的改进被囊算法求解分布式储能多目标优化配置问题，得到配电网分布式储能配置优化方案；所述配电网分布式储能配置优化方案包括分布式储能的位置和出力情况；
7、s5.判断是否达到最大迭代次数tmax，若是，则执行步骤s6；若不是，则令t＝t+1，将所述配电网分布式储能配置优化方案接入配电网得到实际约束条件集，采用实际约束条件集优化分布式储能多目标优化配置问题并返回步骤s4；
8、s6.根据所述配电网分布式储能配置优化方案计算电力电子关系式，将电力电子关系式代入配电网潮流计算；所述电力电子关系式为：
9、j＝aj×soc
10、dp＝bd×soc
11、其中，j表示惯性系数，dp表示阻尼系数，aj表示电荷状态与惯性系数的转换矩阵，soc为储能的电荷状态，bd为电荷状态与阻尼系数的转换矩阵。
12、在第二方面，基于第一方面提出的方法，本专利技术还提供了一种基于改进被囊算法的配电网分布式储能配置优化系统，包括：
13、储能配置优化方案生成系统，其包括数据采集控制模块、数据处理模块、充电桩管理模块、变流器模型构建模块、分布式储能多目标优化配置建模模块和求解模块，其中：
14、数据采集控制模块，用于采集公共区预测时段的负荷数据集，所述负荷数据集包括预测时段中每日每个充电桩接收的每个电动汽车的有功功率和无功功率；采集每一条负荷数据时同时记录该负荷数据的采集位置信息；
15、数据处理模块，用于将公共区预测时段的负荷数据输入双因素电动汽车负荷预测模型，得到包括时间特征和电价特征的双因素预测负荷数据；
16、充电桩管理模块，用于统计管理负荷数据集中每一条负荷数据的采集位置信息所对应的充电桩，并记录每一充电桩的类型；
17、变流器模型构建模块，用于构建每一种类型充电桩所对应的变流器模型；
18、分布式储能多目标优化配置建模模块，用于根据多类型的变流器模型，建立以最小化电压偏移比和静态电压稳定水平为目标的分布式储能多目标优化配置问题；
19、求解模块，用于采用基于约束候选策略的改进被囊算法求解分布式储能多目标优化配置问题，最终得到配电网分布式储能配置优化方案；所述配电网分布式储能配置优化方案包括分布式储能的位置和出力情况；
20、方案判断系统，其包括方案有效性判断模块和实际配电网模拟模块，其中：
21、方案有效性判断模块，用于判断求解模块的计算次数是否达到最大迭代次数，若是，则根据所述配电网分布式储能配置优化方案计算电力电子关系式；若不是，则调用实际配电网模拟模块；
22、实际配电网模拟模块，用于将当前配电网分布式储能配置优化方案接入配电网得到实际约束条件集，采用实际约束条件集优化分布式储能多目标优化配置问题中的约束条件，然后返回求解模块。
23、本专利技术的有益效果：
24、分布式储能接入电网带来了供电新活力，为电力负荷高峰提供支持，但其运行特性的多变性和伴随的电力电子影响导致数学模型变得更为复杂，给潮流计算工作带来了挑战；
25、本专利技术在分布式储能的优化配置问题中考虑了电动汽车接入配电网的新场景的应本文档来自技高网...
【技术保护点】
1.一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，建立双因素电动汽车负荷预测模型的过程包括：
3.根据权利要求1所述的一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，步骤S2还包括划分公共区内的充电站类型，同时对充电站中的充电桩划分类型，其中充电站类型和充电桩类型划分包括：
4.根据权利要求3所述的一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，步骤S2根据充电桩的种类建立对应类型的变流器模型，包括：
5.根据权利要求3所述的一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，第一类充电机由工频变压器、不可控整流和斩波器组成；第二类充电机由工频变压器、三相不可控整流和高频变压器隔离DC/DC变换器组成；第三类充电机由三相PWM整流器和高频变压器隔离DC/DC变换器组成。
6.根据权利要求1所述的一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，
7.根据权利要求6所述的一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，每一个优化目标的等式约束集包括：
8.根据权利要求1所述的一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，步骤S4采用基于约束候选策略的改进被囊算法求解分布式储能多目标优化配置问题，得到配电网分布式储能配置优化方案，包括：
9.根据权利要求8所述的一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，步骤S42采用改进背囊算法求解分布式储能多目标优化配置问题得到多目标解，包括：
10.一种实现权利要求1-9任一项所述方法的基于改进被囊算法的配电网分布式储能配置优化系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，建立双因素电动汽车负荷预测模型的过程包括：
3.根据权利要求1所述的一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，步骤s2还包括划分公共区内的充电站类型，同时对充电站中的充电桩划分类型，其中充电站类型和充电桩类型划分包括：
4.根据权利要求3所述的一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，步骤s2根据充电桩的种类建立对应类型的变流器模型，包括：
5.根据权利要求3所述的一种基于改进被囊算法的配电网分布式储能配置优化方法，其特征在于，第一类充电机由工频变压器、不可控整流和斩波器组成；第二类充电机由工频变压器、三相不可控整流和高频变压器隔离dc/dc变换器组成；第三类充电机由三相pwm整流器和高频变压器隔离d...
【专利技术属性】
技术研发人员：龙虹毓，潘顺，陈昕，何维晟，陈功贵，徐扬，陈正新，江振光，
申请(专利权)人：重庆邮电大学，
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。