[发明专利]一种计及配电网重构的固态变压器选址方法

说明书

一种计及配电网重构的固态变压器选址方法，所述方法包括步骤：A.建立计及配电网重构的固态变压器选址双层优化模型，包括目标函数和约束条件；B.确定配电网、融合变速社会学习的改进型细菌觅食算法的具体参数；C.利用融合变速社会学习的改进型细菌觅食算法进行求解；D.对结果进行分析，得到固态变压最优安装位置以及配网重构结果。通过本发明的计及配电网重构的固态变压器选址方法，能够实现固态变压器的最优选址，提高配电网的运行稳定性与经济性，同时，改进型细菌觅食算法在计算环网较多、拓扑较复杂的网络时，收敛速度快，寻优精度高。

技术领域

本发明涉及电力系统领域，特别是涉及到配电网重构的优化运行技术。

背景技术

固态变压器作为一种新型高效智能化电力电子设备，对能源互联网的发展起到进一步推动作用。它作为能源互联网的能流量执行设备，不仅可以实现常规变压器电压变换与电气隔离的功能，还可实现分布式能源、储能设备及负载的有效管理，能量的双向流动，控制系统中的潮流分布等功能。若选取合适的位置将固态变压器加入电网，可降低系统损耗，提高输电能力与电压稳定性，故而无论从经济性还是稳定性角度固态的优化选址都显得尤为重要。

配电网重构是配电网优化的重要手段，通过改变配电网中分段开关和联络开关的开断状态，调整配电网网络结构，达到降低网损、提高电压质量、均衡负荷等目的。目前，求解配电网重构的方法主要分为三类：1)数学优化算法，2)启发式算法，3)人工智能算法。其中，人工智能算法具有编码简单以及全局收敛的特点，已被广泛应用于求解配电网重构，如遗传算法、粒子群算法、二进制纵横交叉算法等。细菌觅食算法是一种新型仿生群智能优化算法，因其群体并行搜索、寻优能力强、实现简单等优点已在电力系统领域得到了广泛应用，其在配网重构应用方面尚处于起步阶段，

目前，国内外对固态变压的研究在潮流调控与规划问题上研究较为空白。一般的细菌迷失算法在求解配网重构问题时，会出现算法早熟，计算效率低等问题，无法满足实际需求。本发明针对固态变压器选址及细菌觅食算法优化进行了详细的分析与研究，通过双层优化模型确定了固态变压器最优位置，通过改进算法提高了运算效率，在配网重构的应用方面有着良好的发展前景。

发明内容

本发明的目的是提供一种计及配电网重构的固态变压器选址方法，实现固态变压器的优化选址，并解决细菌觅食算法在求解重构问题时计算效率低下的问题。

为了实现此目的，本发明采用的技术方案为如下。

一种计及配电网重构的固态变压器选址方法，所述方法包括步骤：

A.建立计及配电网重构的固态变压器选址双层优化模型，包括目标函数和约束条件；

B.确定配电网、融合变速社会学习的改进型细菌觅食算法的具体参数；

C.利用融合变速社会学习的改进型细菌觅食算法进行求解；

D.对结果进行分析，得到固态变压最优安装位置以及配网重构结果。

特别地，在所述步骤A中，提出了一种计及配电网重构的固态变压器选址双层优化模型，上层进行配电网重构确定最优网架，下层实现固态变压器的最优选址，上下层之间相对独立并能够通过交替迭代计算，最终求得系统网损最小时最佳的固态变压器位置与网络拓扑。

特别地，在所述步骤C中，改进后的最优个体移动方向为变速社会学习方向，具体方向调整公式如下：

其中，PHI_best为变速社会学习方向，gbest_P为该次趋化中群体最优个体的位置，P(:,i,j,k,l)为细菌i在该次趋化中的位置。

特别地，在所述步骤C中，改进后细菌的位置更新由三部分构成：细菌现在位置，在随机翻转方向上的趋化，变速社会学习方向，计算过程如下：