[发明专利]一种基于改进多目标粒子群算法的受端电网储能优化配置方法

权利要求书

1.一种基于改进多目标粒子群算法的受端电网储能优化配置方法，其特征在于包括如下步骤：

(1)在原有受端电网中加入储能装置，建立以系统静态电压稳定、发电机功率波动以及系统成本为优化目标的储能优化配置模型；

储能优化配置模型的目标函数具体表达式如下：

式中，f₁、f₂、f₃分别为系统静态电压稳定指标、发电机功率波动和系统成本；M、k分别为电网支路总数和支路号；L_PQk为第k条支路静态电压稳定指标；n_g为发电机组台数；P_G,i(t)、分别为第i个发电机组在t时刻的有功出力以及整个时间段T内的有功出力平均值；C_ESS、C_OM、C_GEN分别为储能投资成本、系统日常运行维护成本和日发电成本，且满足：

其中：

式中，分别为支路k首末两端节点的静态电压稳定指标，其值根据静态电压稳定指标中的L指标求得；r为折现率；y为储能系统生命周期；n_ess为储能个数；α_i、β_i分别为储能i的单位容量成本和单位功率成本；E_SOC,i、P_ESS,i分别为第i个储能装机容量和额定功率；c_svg、c_cb分别为储能有功、储能无功、SVG和并联电容器组的单位控制成本；P_ess,i(t)、ΔQ_ess,i(t)、ΔQ_svg(t)、ΔQ_cb(t)分别为t时刻储能i的有功出力、无功调节量、SVG无功调节量和并联电容器组无功调节量；a、b、c为火电机组发电的成本系数；P_G(t)是发电机组在t时刻的有功出力；

(2)以所述储能优化配置模型中的优化目标作为改进多目标粒子群算法的适应度函数，对储能优化配置模型进行求解并生成一组Pareto解集；

(3)采用基于信息熵的TOPSIS法从最后一次迭代生成的Pareto解集中确立储能优化配置模型的最佳方案。

2.根据权利要求1所述的基于改进多目标粒子群算法的受端电网储能优化配置方法，其特征在于：所述步骤(2)中以储能优化配置模型中的优化目标作为改进多目标粒子群算法的适应度函数，对储能优化配置模型进行求解并生成一组Pareto解集；具体改进措施如下：

(1)Pareto解集更新策略：判断Pareto解集是否超出规模，如果是，每次删除极小粒距向量组中值最小的两个粒子中任意一个，如此动态调整，直至pareto解集符合规模；将极小粒距向量组和极大粒距向量组值最大的各两个粒子作为最优粒子，以此多迭代方向来更新pareto解集；极小粒距向量组和极大粒距向量组定义如下：

其中，

式中，n为pareto解集规模数；f_ik、f′_ik分别为粒子i第k个实际的目标函数值和规范化后的目标函数值；m为目标函数个数，分别为极小粒距向量组和极大粒距向量组第i个元素；分别为第k个目标函数绝对正负理想解；

(2)自适应惯性权重：在一次迭代过程中，依据当前粒子与最优粒子之间的速度位置相似度设定相似度系数，并以此为基础随迭代次数自适应改变惯性权重，公式如下：

其中：

式中，X_i、gx分别是无量纲化处理前的当前粒子和最优粒子；X′_i、gx'分别为经无量纲化处理后的当前粒子和最优粒子；cos_i为第i个粒子的最优相似度；w_i为第i个粒子的权重；w_up和w_down分别为权重的最大和最小；X_max、X_min分别为粒子各位置上的最大值和最小值。

3.根据权利要求1所述的基于改进多目标粒子群算法的受端电网储能优化配置方法，其特征在于：所述步骤(3)中采用基于信息熵的TOPSIS法从最后一次迭代生成的Pareto解集中确立储能优化配置模型的最佳方案，具体步骤如下：

(3-1)按式(5)对目标函数进行规范化处理；

式中，n为pareto解集规模数；f_ik、f′_ik分别为粒子i第k个实际的目标函数值和规范化后的目标函数值；分别为第k个目标函数绝对正负理想解；

(3-2)求各适应度函数权重，公式如下：

其中：

式中：m为目标函数个数；E_k和λ_k分别为第k个属性的信息熵和权重；

(3-3)计算距离尺度和贴合度，公式如下：

其中：

式中，m为目标函数个数，分别为粒子i的正、负理想距离；为规范化后的第k个目标函数的正理想解，f′_k-为规范化后的第k个目标函数的负理想解，C_i为粒子i的贴合度，其值越大越优。