[发明专利]一种基于无精确建模潮流模型的配电网光伏最大接入容量测算方法

权利要求书

1.一种基于无精确建模潮流模型的配电网光伏最大接入容量测算方法，其特征在于：包括，

使用高速公路神经网络拟合配电网节点注入功率与节点电压之间的映射关系，构建无精确建模的潮流模型；

基于无精确建模潮流模型，以光伏接入容量最大为目标，并考虑系统安全运行约束，建立配电网光伏接入容量测算模型；

用多种群遗传算法对光伏接入容量测算模型进行求解，获得配电网最大光伏接入容量。

2.如权利要求1所述的基于无精确建模潮流模型的配电网光伏最大接入容量测算方法，其特征在于：上述步骤还包括，

针对配电网测量设备安装不全、网架参数难以准确获取，无法进行精确数学建模，从而配电网由于网架结构及线路参数的缺失会导致潮流约束难以建立，考虑建立无精确建模潮流模型用以重建潮流约束。

首先，对潮流方程中的变量关系进行分析，潮流方程可以用以下函数关系表示：

f(P,Q,V,θ)0

其中，P、Q和V分别为节点的有功向量、无功向量和节点电压的幅值向量。

雅可比矩阵可逆，根据隐函数定理，存在从P、Q到V的唯一且连续可微函数：

V＝g(P，Q)

搭建高速公路神经网络拟合上述函数关系，得到能够重建潮流约束的无精确建模的潮流模型。

3.如权利要求2所述的基于无精确建模潮流模型的配电网光伏最大接入容量测算方法，其特征在于：所述高速公路神经网络，由输入层、隐含层和输出层3层构成。对一个有n个节点的配电网，高速公路神经网络的输入神经元个数为2n，即：

X＝[P₁，…，P_n,Q₁，…,Q_n]

隐藏层激活函数σ(x)数学模型可以表示为：

a^l＝σ(x)＝za^l-1+(1-z)h

其中，l为网络层数标记，a^l为输出信息，z为门控单元函数，h为隐含层输出；隐含层神经元激活函数选择relu激活函数,门控单元激活函数选择sigmoid激活函数。

输出层的输出神经元个数为n，输出层使用identity激活函数，输出数据为节点的电压，即：

Y＝[V₁,…,V_i,…,V_n]

基于高速公路神经网络的无精确建模潮流模型的输入为节点有功负荷和无功负荷数据，输出为节点电压数据，通过梯度下降方法优化神经网络参数，拟合输入与输出之间的映射关系。

4.如权利要求1所述的基于无精确建模潮流模型的配电网光伏最大接入容量测算方法，其特征在于：还包括如下步骤，

基于无精确建模潮流模型，以光伏接入容量最大为目标，并考虑系统安全运行约束，建立配电网光伏接入容量测算模型。

所述配电网光伏接入容量测算模型，以光伏接入容量最大为目标函数：

其中，P_PV，i为节点i的光伏出力。

5.如权利要求4所述的基于无精确建模潮流模型的配电网光伏最大接入容量测算方法，其特征在于：考虑如下约束，具体包括：

潮流约束，此处潮流约束使用S1得到的无精确建模潮流模型代替传统潮流方程，

V＝g(ΔP,ΔQ)

其中，ΔP_i＝P_i-P_PV，i,ΔQ_i＝Q_i-Q_PV，i

节点电压偏差约束，

V_i^min≤V_i≤V_i^max

分布式光伏电源建设容量约束，

S_PV,i≤S_C,i

P_PV,i＝λS_PV,i

式中，S_C，i代表受地理、经济、政策等因素作用的节点i处允许建设的光伏电源最大容量；λ为光伏的最大效率，代表满发时光伏出力与容量的比值。