[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

说明书

本发明提出了一种基于改进粒子群的分布式光伏配电网规划方法。本发明建立配电网网络结构模型以及初始化粒子群算法参数；根据各节点负荷信息确立聚类结果生成初始种群；通过采样光伏典型日出力曲线以及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；依据配电网损及节点电压建立目标函数模型；对于种群中粒子,应用前推回代法进行潮流和网损计算，以建立优化模型；通过迭代结果依据预设参数更新粒子位置，重新评估粒子适应值；若粒子达到最大迭代次数条件则输出最优解即迭代终止时群体当前的最优解，否则重新规划安装方案。本发明能够在电压不越限的情况下在并网点位置安装更多分布式光伏发电系统以满足用电需求。

技术领域

本发明属于非有效接地配电网技术领域，具体涉及一种基于改进粒子群的分布式光伏配电网规划方法。

背景技术

根据2016年国家发展改革委发布的《可再生能源发展“十三五”规划》以及2018年国家能源局发布的《2018年能源工作指导意见》，分布式户用屋顶光伏发电已成为我国提高可再生能源消纳比重的主要手段之一，是我国实现2020年太阳能发电并网装机达到1.1亿千瓦目标的重要举措。

由于典型居民负荷的高峰与低谷时段和光照时段的不匹配，高比例户用屋顶光伏的并网将造成低压配电网电压越限，即低压配电网在白天容易出现过电压风险，而夜间容易面临欠电压风险，其已成为影响光伏消纳的最重要因素之一。目前处理配电网规划的算法主要分为两类:一是传统的优化算法，如线性规划法、非线性规划法、混合整数规划法、动态规划法等，但是面对多节点规划难以得到全局最优解；二是粒子群算法等人工智能的优化算法，能较好地处理离散、多目标的优化问题。在处理配电网分布式光伏发电系统规划时，采用粒子群算法时能够较好地实现电压不越限情况下光伏装机数量最多的规划目标并解决数据实时变化以及装机数量与容量不确定的问题。但现有方法中的求解规划模型往往假定负荷沿馈线按一定规律分布，与实际配电网中的负荷随机分布特性不一致，无法满足配电网分布式光伏发电精益化规划的需要。

因此，需寻找一种依据节点负荷大小，并能够考虑到实时光照变化以及户用负荷变化的分布式光伏配电网规划新方法，能够在保证电压不越限的情况下在给定并网点位置安装更多分布式光伏发电系统以满足用电需求。

发明内容

本发明的目的是提供一种基于改进粒子群的分布式光伏配电网规划方法，可用于可靠确定配电网中分布式光伏在每个节点的最优安装数量及容量，以克服背景技术中存在的问题。

为了实现上述目的，本发明的技术方案为一种基于改进粒子群的分布式光伏配电网规划方法，具体包括以下步骤：

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。

作为优选，步骤1中所述建立配电网网络结构模型为：