基于GSA-GWO算法的含分布式电源局部电网孤岛划分方法及系统技术方案

本发明专利技术属于电力系统调控技术领域，本发明专利技术所述方法包括，采用最优‑最劣法对负荷进行评价以得到负荷权重值，确定局部电网故障下孤岛划分重要负荷恢复优先级；其次，结合负荷优先级确定负荷等级权重系数值，构建含分布式电源的局部电网孤岛划分模型；然后，引入混沌反向学习和遗传退火算法(GSA)对灰狼优化算法(GWO)进行改进；最后，采用改进GSA‑GWO算法对局部配电网故障模型进行求解，得到更佳的孤岛划分结果。本发明专利技术充分考虑负荷的多样性以及用户对重要负荷的偏好，并采用改进的算法对模型进行求解，加快了求解效率，实现了局部电网故障下孤岛划分最优策略，保证了重要负荷的恢复供电。

【技术实现步骤摘要】

本专利技术涉及电力系统调控，尤其涉及一种基于gsa-gwo算法的含分布式电源局部电网孤岛划分方法，属于配电网孤岛运行领域。

技术介绍

1、随着分布式电源渗透率越来越高，对传统局部配电网产生了新的冲击。在局部电网发生故障时，可以通过切换至独立供电模式，使周边区域在孤立运行状态下继续提供电力。在局部电网发生故障时，借助孤岛运行的特点，不仅能够利用dg确保关键负载的持续供电，而且还可以通过合理的规划和有效的控制手段，防止dg对整个系统安全性产生负面影响。因此，建立科学合理的孤岛运行机制能够有效发挥dg的优势，增强对重要负荷的持续供电能力。

2、孤岛划分就是求解一组合理的解列，目前孤岛划分求解方法主要分为启发类算法、人工智能算法和数学优化算法。针对启发类算法，通常易于实现，具有较好的计算效率，但是，缺乏全局优化保证，可能陷入局部最优解，对于复杂的问题，可能无法找到全局最优；针对人工智能算法，具有一定的全局搜索能力，能够在解空间中寻找较好的解，但是，算法参数的设置对性能影响较大，需要经验调整，在处理大规模问题时，计算成本也可能较高；针对数学优化算法，提供本文档来自技高网...

【技术保护点】

1.基于GSA-GWO算法的含分布式电源局部电网孤岛划分方法，其特征在于：包括，

2.如权利要求1所述的基于GSA-GWO算法的含分布式电源局部电网孤岛划分方法，其特征在于：所述采用最优-最劣法对负荷进行评价以得到负荷权重值包括构建一组指标集合{C1,C2,…,Cn}，选择出最优指标CB和最差指标CW描述对目标主体的评价，这组指标集合总共包括n个评估对象的指标；

3.如权利要求2所述的基于GSA-GWO算法的含分布式电源局部电网孤岛划分方法，其特征在于：所述构建含分布式电源的局部电网孤岛划分模型包括确定负荷等级权重系数值包括将一级、二级、三级负荷集合中的负荷赋予等...

【技术特征摘要】

1.基于gsa-gwo算法的含分布式电源局部电网孤岛划分方法，其特征在于：包括，

2.如权利要求1所述的基于gsa-gwo算法的含分布式电源局部电网孤岛划分方法，其特征在于：所述采用最优-最劣法对负荷进行评价以得到负荷权重值包括构建一组指标集合{c1,c2,…,cn}，选择出最优指标cb和最差指标cw描述对目标主体的评价，这组指标集合总共包括n个评估对象的指标；

3.如权利要求2所述的基于gsa-gwo算法的含分布式电源局部电网孤岛划分方法，其特征在于：所述构建含分布式电源的局部电网孤岛划分模型包括确定负荷等级权重系数值包括将一级、二级、三级负荷集合中的负荷赋予等比例递减的权重系数；

4.如权利要求3所述的基于gsa-gwo算法的含分布式电源局部电网孤岛划分方法，其特征在于：所述引入混沌反向学习和遗传退火算法gsa对灰狼优化算法gwo进行改进包括基于混沌反向学习的参数优化、引入遗传模拟退火算法；

5.如权利要求4所述的基于gsa-gwo算法的含分布式电源局部电网孤岛划分方法，其特征在于：所述引入遗传模拟退火算法包括，...

【专利技术属性】
技术研发人员：曾丕江，罗尧，李劲秋，武明康，朱益华，常东旭，瞿佳刘，夏尚学，
申请(专利权)人：云南电网有限责任公司，
类型：发明
国别省市：