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】
本专利技术属于光伏配电网领域,具体涉及一种基于鲸鱼优化算法的配电网一二次协同规划方法和系统。
技术介绍
1、在电力系统中,一次设备是指直接用于生产、传输和分配电能的高压电气设备,二次设备是用来监测、测量、控制和保护一次设备的各种辅助设备。配电网中的一、二次协同规划,可以使一次设备相关指标计算更加准确,同时充分发挥二次设备的辅助作用。
2、随着配电网的发展和电网可靠性要求的提高,实现配电网一、二次设备的协调规划具有越来越重要的意义。然而,在传统的配电网规划中,一二次规划工作彼此孤立,缺乏相得益彰的互联关系。在一次设备规划方面,有研究者建立了多目标优化规划模型来规划电网线路,有效地提高了配电网的tsc值和配电网的电压质量;有研究者从用户满意度和分布式发电经济的角度出发规划分布式电源的位置和容量等。在二次规划方面,有研究者提出了一种优化分支配电网中故障指示器和截面开关配置的方法,也有研究者考虑到成本最小化、冗余性和效率最大化的目标,提出了一种求解最优pmu布局的方法,以减少网络完整观测所需的pmu总数等。
3、目前的研究主要集中在一次设备和二次设备的单独规划上,而在一二次系统协同规划方面存在一些空白。随着供电形式逐渐向分布式供电模式发展,分布式光伏大规模接入配电系统会对配电网的潮流、电压分布、供电可靠性、电能质量和保护控制产生影响。同时,在极端天气场景下,含有分布式光伏配电网系统的故障场景呈现出多样性和不确定性。传统配电管理系统对一次电网能量流的监测以及二次信息流的保护和控制能力稍显不足。
1、为了优化电网的规划和管理,实现对配电网运行的精确感知和优化控制,并提高电网的运行效率,减少能源的浪费和降低能源供给成本,解决配电网在分布式光伏大规模接入时面临的供电不稳定的问题,并将其纳入规划和管理的考量范围,以实现更可靠、高效和可持续的配电网运行,本专利技术提出一种本专利技术提出一种基于鲸鱼优化算法的配电网一二次协同规划方法和系统。
2、鲸鱼优化算法(woa)是一种受自然界中鲸鱼行为启发的启发式优化算法。该算法通过引入随机性和多样性的操作,具备出色的全局搜索能力。同时,通过调整算法参数,它能够平衡探索和利用的比例,表现出良好的自适应性,适合整合一次设备和二次设备的规划,确保它们相互协调和配合工作的同时,有效解决配电网在分布式光伏大规模接入时面临的供电不稳定的问题。
3、实现本专利技术目的之一的一种基于鲸鱼优化算法的配电网一二次协同规划方法,包括:
4、构建多个故障场景并进行分类,每一故障场景包含一条或多条线路;计算每类故障场景下用户的故障恢复时长;
5、构建配电网一二次网架协同规划模型,所述模型用于计算故障场景下用户的停电损失和网络损耗最低时一次设备和二次设备的最优配置;
6、采用鲸鱼优化算法对所述配电网一二次网架协同规划模型进行求解,得到目标函数最小时配电网一次设备和二次设备的最优配置。
7、进一步地,所述配电网一二次网架协同规划模型的目标函数包括:
8、
9、式中:
10、weightk是第k类故障场景的权重;
11、g是故障场景总数;
12、是第k类故障场景下用户i的故障恢复时长;
13、w是所有的用户集合;
14、ri是用户i的负载;
15、cout是单位电力停电损失的平均成本;
16、ploss为网络总损耗;
17、σ为网损优化系数。
18、进一步地,所述配电网一二次网架协同规划模型的约束条件包括:
19、cd ginv+cd gom+cdtinv+cdtom≤b
20、pdgi-∑i∈wri-ploss>0
21、
22、
23、式中:
24、cd ginv、cd gom、cdtinv和cdtom分别表示配电网投资成本、配电网运行与维护费用、配电终端投资成本和配电终端运行与维护费用;
25、b为设备最高预算;
26、pdgi为岛i的光伏功率输出;
27、w为所有用户集合;
28、ri为用户i的负载;
29、ploss表示岛的网损;
30、为配电网最大容量;
31、pi为分布式光伏中节点i的有功功率;
32、π(i)表示节点i的父节点;
33、表示从节点k到节点i的操作状态;
34、ω表示电源节点。
35、进一步地,将一次设备中的分布式电源的容量和位置、二次设备中的配电终端的位置和类型作为鲸鱼优化算法中鲸鱼的位置向量。
36、进一步地,构建多个故障场景的方法包括:
37、根据不同天气场景下线路的故障率,采用非顺序蒙特卡罗模拟方法对线路运行进行模拟,生成故障情景集,故障情景集中包含多个故障场景,每个故障场景包含一条或多条线路及其故障状态,非顺序蒙特卡罗模拟通过对修正后的线路故障率λ进行采样来确定每条线路故障状态是否正常。
38、进一步地,还包括根据天气场景对线路故障率进行修正,所述修正方法包括:
39、λ=λ0[ρ+σeη(q-ω)]q≥ω
40、式中:
41、λ是基于实时天气条件修正后的线路故障率;
42、λ0是线路的初始故障率;
43、ρ、σ和η是纠正线路故障率的设定参数;
44、q是综合气象因素值;综合气象因素的值越大,反映天气对输电线路带来的风险也相应更大,对线路故障率的影响也越大;
45、ω是线路故障率符合健康指数模型的综合气象因素的最低阈值。
46、进一步地,还包括对故障情景集中的故障场景进行筛选,提取出典型的故障场景,方法包括:
47、将每两种故障场景的相似性作为聚类变量间的距离进行分层聚类得到多个类簇;
48、计算每个类簇所包含的故障场景的数目占故障场景总数的比例,将此比例作为该类簇的权重;
49、遍历每个类簇中每个故障场景,计算每个故障场景与类内其它故障场景的相似性之和,选取相似性之和最小的故障场景作为从每个类簇中提取出的典型的故障场景。
50、进一步地,每两种故障场景的相似性的计算方法包括:
51、获取故障场景m中所有线路与另一个故障场景n的最近故障距离之和
52、获取故障场景n中所有线路与故障场景m的最近故障距离之和
53、erm和ern分别为故障场景m和故障场景n中故障线路的集合;
54、fdi,n表示故障场景n到故障线路i的最近故障距离;
55、fdk,m表示故障场景m到故障线路k的最近故障距离;
56、和之和即为两个故障场景m和n的相似性。
57、进一步地,两条线路之间的距离的计算方法包括:
<本文档来自技高网...【技术保护点】
1.一种基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,包括:
2.如权利要求1所述的基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,所述配电网一二次网架协同规划模型的目标函数包括:
3.如权利要求1或2所述的基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,所述配电网一二次网架协同规划模型的约束条件包括:
4.如权利要求1所述的基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,将一次设备中的分布式电源的容量和位置、二次设备中的配电终端的位置和类型作为鲸鱼优化算法中鲸鱼的位置向量。
5.如权利要求1所述的基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,构建多个故障场景的方法包括:
6.如权利要求5所述的基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,还包括根据天气场景对线路故障率进行修正,所述修正方法包括:
7.如权利要求5或6所述的基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,还包括对故障情景集中的故障场景进行筛选,提取出典型的故障场景,方法包括:
>8.如权利要求7所述的基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,每两种故障场景的相似性的计算方法包括:
9.如权利要求8所述的基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,两条线路之间的距离的计算方法包括:
10.一种采用权利要求1所述方法的基于鲸鱼优化算法的配电网一二次协同规划系统,其特征在于,包括故障恢复时长计算模块、配电网一二次网架协同规划模型构建模块和一次设备和二次设备的最优配置求解模块;
...【技术特征摘要】
1.一种基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,包括:
2.如权利要求1所述的基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,所述配电网一二次网架协同规划模型的目标函数包括:
3.如权利要求1或2所述的基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,所述配电网一二次网架协同规划模型的约束条件包括:
4.如权利要求1所述的基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,将一次设备中的分布式电源的容量和位置、二次设备中的配电终端的位置和类型作为鲸鱼优化算法中鲸鱼的位置向量。
5.如权利要求1所述的基于鲸鱼优化算法的配电网一二次协同规划方法,其特征在于,构建多个故障场景的方法包括:
6.如权利要求5所述的基于鲸鱼优化算法的配...
【专利技术属性】
技术研发人员:杨鑫源,范传光,郭峰,葛磊蛟,彭奕洲,郭梦琪,范黎,李猛虎,
申请(专利权)人:湖北省电力规划设计研究院有限公司,
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。