[发明专利]一种基于改进粒子群的分布式光伏配电网规划方法

权利要求书

1.一种基于改进粒子群的分布式光伏配电网规划方法，其特征在于，包括：

步骤1：建立配电网网络结构模型以及初始化粒子群算法参数；

步骤2：根据各节点负荷信息确立聚类结果生成初始种群；

步骤3：通过采样分布式光伏的典型日出力曲线以及规划地区典型日负荷曲线，计算一天中各时段配电网各节点分布式光伏总体日出力数据；

步骤4：选定配电网网损以及各节点电压，结合惩罚函数建立目标函数模型；

步骤5：对于种群中每个粒子,应用前推回代法进行潮流计算和网损计算，以建立粒子优化模型；

步骤6：依据迭代次数更新惯性因子，计算每个粒子的速度以及每个粒子的位置；

步骤7：应用前推回推法进行潮流计算和网损计算，重新评估每个粒子的适应值；

步骤8：检查是否达到最大迭代次数，若满足条件输出最优解即迭代终止时的群体当前的最优解；如果没有达到最大迭代次数则转步骤4；

步骤2中所述根据各节点负荷信息确立聚类结果生成初始种群具体为：

各节点装入最大光伏数量由该节点负荷所决定，故而采用系统聚类法将各节点输入有功作为聚类元素进行比较，即先将所有节点依据自身负荷各自形成一类，然后依据迭代公式进行系统聚类，即将每次离差和增加量最小的两类合并，如下所示：

其中，代表p类中离差平方和大小，

代表q类中离差平方和大小，S_A代表p和q类合并为A类后的离差平方和，代表同类节点有功功率平均值，p_p,i代表p类节点中第i个节点有功功率，p_q,i代表q类节点中第i个节点有功功率；

由于生成初始种群中，可能出现光伏有功输出之和大于节点消耗有功，故而各节点应当依据自身聚类结果计算虚拟光伏最大输出，即保证每节点光伏有功输入不越限情况下，假设最大光伏安装数量不变而改变后的最大有功输出，如下所示：

式中，代表在聚类结果T中第a类的节点负荷最小值，p_pv代表单个光伏最大有功输出；

接着一天中配电网节点i分布式光伏总体日出力数据最大值p_s,i，如下所示：

其中n_i代表第i个节点的光伏装机数量，代表虚拟光伏最大有功输出；

步骤3中所述计算一天中各时段配电网各节点分布式光伏总体日出力数据为：

式中，p_t,i代表当前t时刻节点i分布式光伏总体日出力数据，α_t代表当前t时刻分布式光伏的典型日出力数据，α_max代表分布式光伏的典型日出力曲线中最大值，p_s,i代表计算一天中配电网节点i分布式光伏总体日出力数据最大值；

接着计算每小时配电网节点实际用电功率，具体为更新各节点每小时用电功率大小如下所示：

其中，P_i为节点i的负荷有功功率，β_t代表规划地区当前t时刻典型日负荷曲线数据，β_max代表规划地区典型日负荷曲线中最大值，p_t,i代表当前t时刻节点i分布式光伏总体日出力数据；

接着，依据最大负荷节点计算接入最大光伏数量J，形成下述初始种群矩阵：

2.根据权利要求1所述的基于改进粒子群的分布式光伏配电网规划方法，其特征在于：步骤1中所述建立配电网网络结构模型为：

获取配电网节点数为N、Z_i为节点i的支路阻抗、P_i+jQ_i为节点i的负荷，P_i为节点i的负荷有功功率，Q_i为节点i的负荷无功功率，确定电压上限为U_max，确定电压下限为U_min；i∈[1,N]；

步骤1中所述初始化粒子群算法参数：

粒子群体的规模为M、最大迭代次数为iter_max、第一权重因子为c₁、第二权重因子为c₂、粒子更新的最大速度为v^max，采集光伏出力数据为α，户用负荷变化数据为β。