[发明专利]考虑负荷电压特性及新能源强不确定性的微电网规划方法

权利要求书

1.一种考虑负荷电压特性及新能源强不确定性的微电网规划方法，其特征在于：包括以下步骤：

S1：新能源模型的建立；

S1-1：光伏出力预测模型

光伏出力主要受到建设所在地的太阳辐射强度影响；太阳光照强度变化符合Beta分布，表示如下，

式中：E为太阳辐射强度，E_max为最大太阳辐射强度；Γ为Gamma函数，α和β分别为Beta分布的形状参数和尺寸参数；

光伏出力与当地的光照辐射强度成正比，因此光伏出力可以表示为

P_PV＝E·S·τ

式中：P_PV为光伏预测出力；S为太阳能电池板面积；τ为太阳能光电转换效率；

通过对光伏出力的多次预测可以获得在其在各个时段内的预测的均值和方差，进而t时段的光伏出力的区间的上下限可以表示为，

式中，分别为t时段光伏预测出力的上下限；σ_PV,t分别为预测出力的期望和误差；

区间数转换为仿射数需要增加噪声元标记信息ω，假设一个区间数为[x]＝[x^l,x^u]，那么对应的仿射形式为，

利用仿射数进一步降低光伏预测出力的不确定性，表示如下

式中，ω_PV,t为影响光伏出力不确定性的参数，ω_PV,t∈[-1,1]；

S1-2：风机出力预测模型

风机的出力主要受风速的影响；风速的变化符合Weibull分布，

式中：c和k分别为Weibull分布的尺度参数和形状参数；σ和μ分别为其标准差和期望；v为风速；

由于风速具有极强的随机性，也就使得风机的输出功率在0到额定功率之间波动；此时，结合风速模型，可以将风机出力的数学模型表示为：

式中：P_WT和P_ra分别为风机出力的有功出力以及额定出力；v_in、v_out和v_n分别为风机的切入、切出以及额定风速；

多次对风机出力进行多次预测获得各个时段的预测的均值与误差，则t时段的风机出力的区间的上下限可以表示为

式中，分别为t时段风机预测出力的上下限；σ_WT,t分别为t时段风机预测出力的均值和误差；

同理根据式可得将风机出力变化区间转换为仿射形式如下表示，

式中，ω_WT,t为影响风机出力不确定性的参数，ω_WT,t∈[-1,1]；

S2：建立各类负荷静态电压特性模型

负荷分为商业负荷、工业负荷、住宅负荷三大类；未接入新能源前，系统中整体负荷可以表示为

式中：P_o为原始微电网整体负荷功率；P_so,i、P_go,j、P_zo,k分别为整合前节点i的商业负荷功率、节点j的工业负荷功率、节点k的住宅负荷功率；Ω_I、Ω_J、Ω_K分别表示各类负荷节点的集合；

负荷的负荷功率与其接入的电压和频率，表示如下：

P＝F(V,f)

式中：P为负荷的有功功率；V、f分别为接入负荷母线的电压和频率；

选择幂函数模型来表示负荷静态电压特性，如下式所示：

式中：P_sc,i、P_gc,j、P_zc,k分别为加入新能源后的商业负荷功率、工业负荷功率以及住宅负荷功率；V_oi、V_oj、V_ok分别为新能源电源接入前的节点i、j、k的原始电压；V_ci、V_cj、V_ck分别为接入后的对应节点的电压；a、b、c分别为各类负荷电压指数；

考虑新能源接入后的微电网负荷可以表示为

式中：P_c为新能源接入后的微电网负荷；λ_s、λ_g、λ_z为其他影响因素造成不同负荷波动的影响系数；

S3：建立计及负荷分类及新能源的微电网规划综合数学模型

以网络损耗和电压波动最小为目标函数建立数学模型，表示如下，

min f＝ρ₁F₁+ρ₂F₂

式中：f表示加权处理后的目标函数；F₁、F₂分别表示网络损耗和电压波动；ρ₁、ρ₂分别为可将F₁、F₂转换为同一单位的权重系数，二者均大于零，且ρ₁+ρ₂＝1；

采用负荷分类的方法，对不同类型的负荷考虑给予不同的权重系数，因而网损表示为：

式中：P_i^loss,s、分别表示节点i的商业负荷、节点j的工业负荷、节点k的住宅负荷产生的网络损耗；

各节点电压的平均波动率可以表示为：

式中：U_m和U_m0分别表示节点m的当前电压幅值和额定电压幅值；Ω_M为在微电网中所有节点的集合，M为节点总数；

S4：基于自适应遗传算法的优化求解算法

S4-1：优化求解算法

采取自适应遗传算法进行模型的求解；

根据个体适应值调整交叉率和变异率使得整体进化方向向着最优解前进；具体的交叉率和变异率如下所示，

式中：P_c为交叉率；y₁、y₂、y₃分别为选定的初始交叉率，且有0＜y₃＜y₂＜y₁＜1；f_min、f_avg、f_max分别为种群当前适应度最小值、平均值、最大值；f为当前种群即将变异的父代适应度；

式中：P_m为变异率；z₁、z₂、z₃分别为选定的初始变异率，且有0＜z₃＜z₂＜z₁＜1；

S4-2：求解流程

基于自适应遗传算法求解所提出的计及负荷分类的新能源在微电网中的规划模型，按照流程图求解。