[发明专利]一种基于智能优化技术的含新能源配电网状态估计方法

说明书

技术领域

本发明涉及一种基于智能优化技术的含新能源配电网状态估计方法，属于电力系统运行与控制技术领域。

背景技术

随着智能电网技术的不断发展和大量基于可再生能源分布式发电(Renewable Sources based Distributed Generations,REDGs)的接入，配电网状态估计在配电能量管理中心(Distribution Energy Management System,DEMS)的地位越来越重要。配电网状态估计能够准确的获取系统的运行状态，进而帮助系统操作员更好的完成网络重构、优化调度和系统安全评估。此外，配电网状态估计还能为更高级的配网能量能管理应用软件提供一个可靠而完整的电力系统实时数据库。因此，状态估计是电力系统运行、控制和安全评估等方面的基础。随着新能源的大量并网和电网规模的不断扩大，DEMS得到了广泛运用，同时也面临着新的挑战。REDGs并网不仅能够减少配电网能量损失还能减少输电线数量，缩减电网铺设成本，提高经济效益。然而REDGs并网的同时会对配电网的运行、保护、控制等方面产生重大影响。因此，如何使REDGs安全有效的并网是未来智能电网急需解决的问题，而解决这一问题的关键在于配电网状态估计。

配电网状态估计可以看作是一个混合整数非线性优化问题，它的目标是为了求得使状态变量的量测值和计算值的加权误差最小二乘和最小时的估计值，这些状态变量主要是指节点电压，支路有功功率和无功功率等。由于电压控制器、静止无功补偿和REDGs等非线性，以及离散操作设备的存在，导致了目标函数的不可微、离散，而传统的状态估计方法一般都是用牛顿或者内点法进行求解，但是这些非线性优化方法容易陷入局部最优解，即很难获得全局最优解，特别是一些鲁棒性状态估计；为了获得一个可以接受的解必须经过多次迭代，并且这些非线性问题有时候收敛困难，甚至不收敛，求解非常费时。因此，发明一种能有效解决这类非线性、离散的配电网状态估计问题的方法具有十分重要的实际意义，而且有利于未来智能电网的能量管理系统的不断完善。

发明内容

鉴于现有技术的以上缺点，本发明的目的是获得一种能有效求解含新能源配电网状态估计的智能优化方法，本发明方法将智能优化算法中量子进化算法(Quantum-inspired Evolutionary Algorithm,QIEA)全局寻优能力强、收敛速度快和贪婪随机自适应算法(GreedyRandomized Adaptive Search Procedures,GRASP)局部搜索能力强的优点相结合，给出一种混合量子进化算法(mQIEA),并将其首次运用于配电网状态估计中，该方法能有效处理配电网状态估计中的非线性、离散问题，它能够根据输入的REDG有功功率和负载功率的量测值实时的估计出REDGs的有功功率和负载功率的平均输出值,便于系统操作员有效地监控系统运行状态，进一步研究新能源并网对电网的影响。

本发明为解决其技术问题，所采用的步骤如下：

步骤1：读取系统的网络数据，包括网络结构和线路阻抗、量测值、REDGs有功功率和负载功率平均值以及它们的标准差；通过量测数据和负载率来初始化每个负载值；通过每个REDG的输出功率平均值来初始化每个REDG的有功功率；

步骤2：通过前推回代法计算配电网的潮流，并获得每个变量的上下限约束；

步骤3：产生初始种群Q(t)，(t=1),n为种群规模，t为进化代数，(i=1,2,...,n)为种群中第t代的第i个个体，其形式如下所示