[发明专利]一种改进的分布式电源选址定容方法

说明书

本发明涉及一种改进的分布式电源选址定容方法，包括以下步骤：获取待研究区域的典型场景数据；基于典型场景数据，考虑需求侧响应成本，建立年综合成本目标函数，获取待研究区域的约束条件；求解目标函数，得到使目标函数值最优的分布式电源接入位置和接入容量。与现有技术相比，本发明建立目标函数时，考虑需求侧响应成本，可以建立更加精确的目标函数，考虑更加全面；通过场景分析方法得到典型场景，具有代表性的典型场景为后续目标函数的建立提供了依据；利用多目标蚁狮算法对目标函数进行求解，得出更加精准的分布式电源接入位置和接入容量，可以有效的降低配电网线路损耗，提高节点电压，提高电力系统的供电可靠性。

技术领域

本发明涉及配电网优化规划技术领域，尤其是涉及一种改进的分布式电源选址定容方法。

背景技术

分布式电源接入配电网的选址与定容是在不改变配电系统馈线和变电站配置的情况下，建立合理准确的优化模型对分布式电源的安装位置和安装容量进行优化。这是一个多目标寻优问题，各个子目标之间相互制约、相互影响。

目前，关于主动配电网中分布式电源的选址及定容求解方法主要有经典数学优化方法、启发式算法、以及智能算法三种。经典数学优化方法常见的有混合整数规划、拉格朗日法、割平面法、动态规划法等；启发式算法主要有灵敏度分析法和支路交换法；智能算法主要有遗传算法、粒子群算法、蚁群算法、模拟退火算法、人工神经网络算法等。

经典数学优化方法适合较为精确的数学模型，但目前大部分的配电网规划问题都是复杂的多维数问题，经典数学优化算法就显得不够灵活，需与其它智能算法相结合进行求解，这也就增加了算法的复杂度。灵敏度分析法和支路分析法实质上不是在算法性能方面求得最优解，只是得出关于时间解的多项式，因此得出的只是近似解，不能得出真正的最优解。智能算法虽然有数学模型简单、普遍适应性等优点，但是大部分算法容易陷入局部最优，不能得出真正的最优解。

另外，目前，关于分布式电源选址定容求解的优化方法有很多，如CN201310215314.9公开的一种分布式电源的优化选址与定容方法，但大多方法是基于分布式电源的运行维护费用、网络损耗成本以及环境成本建立年综合成本最小目标函数，在进行分布式电源选址定容时，没有考虑到需求侧的相关成本。需求侧响应成本一直未受到关注，分布式电源的选址定容方法仍需继续改进。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种改进的分布式电源选址定容方法，建立目标函数时，考虑需求侧响应成本，可以建立更加精确的目标函数，考虑更加全面；通过场景分析方法，基于历史数据，通过场景生成和场景缩减得到典型场景，具有代表性的典型场景为后续目标函数的建立提供了依据；利用多目标蚁狮算法对目标函数进行求解，得出更加精准的分布式电源接入位置和接入容量，可以有效的降低配电网线路损耗，提高节点电压，提高电力系统的供电可靠性。

本发明的目的可以通过以下技术方案来实现：

一种改进的分布式电源选址定容方法，包括以下步骤：

S1：通过场景分析方法，获取待研究区域的典型场景数据；

S2：基于典型场景数据，建立待研究区域的目标函数，获取待研究区域的约束条件；

S3：利用蚁狮算法求解目标函数，得到满足约束条件且目标函数值最优的分布式电源接入位置和接入容量；

所述步骤S2中，目标函数为年综合成本最小目标函数：

MinF＝C_DG+C_loss+C_f+C_r+C_s