[发明专利]计及分布式电源和负荷不确定性的多目标配网重构方法

摘要

本发明公布了计及分布式电源和负荷不确定性的多目标配网重构方法，该方法充分地考虑了风电出力、光伏发电以及负荷的不确定性。本发明首先给出配网优化运行的三个重要评估指标：有功损耗、节点最小电压值、负荷均衡度，即重构优化的三个目标。接着，采用场景分析法处理风电出力、光伏出力以及负荷中的不确定性因素。最后，利用多目标扰动生物地理学算法与模糊集理论获得最终重构方案。本发明能够快速找到多目标配网重构的决策解，具有较高的搜索效率，在消纳分布式电源的情况下，通过网络重构能够明显改善网络的各项指标，使得重构更加符合实际决策过程。

主权项

1.一种计及分布式电源和负荷不确定性的多目标配网重构方法，其特征在于：包括以下步骤：步骤1：建立重构优化的三个目标函数，即：有功损耗、节点最小电压值、负荷均衡度；所述步骤1包括以下步骤：步骤101：建立重构优化的第一个目标：配网系统有功损耗，即为：式中，N_b表示支路数；R_k表示支路k的电阻；P_k表示支路k的有功功率；Q_k表示支路k的无功功率；V_k表示支路k的末端电压；步骤102：建立重构优化的第二个目标：最大化电压最低节点电压，即为：式中，V_j表示节点j的电压标幺值，N表示节点数；步骤103：建立重构优化的第三个目标：负荷均衡，通过网络重构将负荷较重线路上的负荷部分转移到负荷较轻的线路上，用系统负荷均衡度指数进行衡量，其值越小越好，即为：式中，N_b表示支路数；S_j表示流经支路j的实际电流大小；表示允许流经支路j的最大电流；此外，潮流计算中，还需要考虑以下约束条件：式中：V^min，V^max分别表示配网正常运行时节点电压的上下限；S_k表示支路k的载流量，S^max表示线路k的最大载流量；步骤2：采用场景分析法处理风电出力、光伏出力以及负荷中的不确定性因素；所述步骤2中包括以下步骤：步骤201：对风机出力、光伏出力以及负荷进行场景划分：目前一般认为风速服从Weibull分布，概率密度函数如下式：式中，f_v为风速的概率密度函数，c和d分别是尺度参数和形状参数，可以根据现场实测风速的历史数据辨识，v表示风速m/s，在已知风速随机分布参数的条件下，可以求出任意风速区间的概率，计算公式如下：上式中case_i表示第i个场景，v_n和v_m分别表示风速场景区间的上下边界；太阳光照强度可以近似看成Beta分布：式中，s和s_max分别为一时间段内的实际光强和最大光强，α和β为一段时间内Beta分布的形状参数；太阳能电池方阵输出功率为：P_sun＝sAη其中，P_sun为电池方阵输出功率，A为太阳能电池方阵总面积，η为光电转化效率；采用与风电机组出力同样的场景划分方法，划分光强区间，根据光强概率密度函数计算不同区间即不同场景的概率；配电网络中，日负荷曲线、月负荷曲线和年负荷曲线都有较大的波动，随着分布式电源并网，负荷预测更加困难，因此使得配网重构中的不确定性更强，负荷分为三个典型场景：常态负荷场景，低负荷场景和高负荷场景；步骤202：场景数确定策略及方案综合最优性的评价：场景分析法将不确定性因素转化到确定性场景中来，风电、光伏并网后，配网重构中不确定性因素主要来自三个方面：风电机组输出功率、太阳能电池板输出功率、负荷，因而重构模型中选择的场景是以上三者所含场景的组合，采用同步回代缩减法对大规模的场景进行削减，对于方案的综合性能：比较基于场景发生概率的目标函数期望值大小，如下式：式中：n_s为削减后的场景数；PB_k为场景k发生的概率；F_ik为第k个场景下第i个优化方案的综合评价值；D_i为第i个优化方案，E[F(D_i)]为第i个优化方案的目标函数期望值；步骤3：利用多目标扰动生物地理学算法与模糊集理论获得最终重构方案；所述步骤3包括以下步骤：步骤301：采用扰动生物地理学算法来获得多目标重构方案；该算法采用扰动迁移算子和余弦迁移模型，根据最小化各子目标的原则设计栖息地适宜度评价指标以引导种群进化，用归档种群保存进化过程中的非支配解；其中，扰动迁移算子按下式获得：q_i,j＝p_k,j+ceil(ξ(p_k1,j‑p_k2,j))式中，ξ为0‑1的随机数；用轮盘赌确定第k个栖息地的第j个变量(p_k,j)迁移到第i个栖息地的第j个变量(q_i,j)位置，随机生成k1,k2∈{1,2,…,N}/{i}；余弦迁移模型如下：式中，λ_k为移入概率，μ_k为移出概率，I为最大移入概率，E为最大移出概率；定义为综合评价指标，用来引导种群进化：式中，F表示栖息地适宜度向量，f_i表示栖息地第i目标函数值向量，f_i,max，f_i,min分别表示所有栖息地第i个目标的最大最小值，rank表示栖息地非支配等级向量，ratio表示种群中非支配等级为1个体所占的比例，迭代前期，支配等级为1的个体较少，支配等级在综合指标中所占比重较大，随着种群迭代进化，非支配等级为1的个体越来越多，支配等级在综合评价指标中的作用降低；w₁，w₂，w₃初始值均设置为1，根据对各目标的重视程度，可以灵活设置权重，三者的和为1；步骤302：在实际的配网运行中，决策者需要从候选解中确定一个最佳的重构操作方案，采用模糊集理论来确定最佳折中解将每个子目标模糊化处理，定义如下：式中：i∈{1,2,...,N_obj}；f_i为目标函数；N_obj为目标函数个数；f_i^max,f_i^min分别为第i目标函数的最大值，最小值；h_i取0和1分别表示完全不满意和完全满意；非支配解集中各解的满意程度可以用下式标量化：h值最大的解定为最佳折中解。