CN105117796B - 基于量子进化算法的微网孤岛划分方法 - Google Patents
基于量子进化算法的微网孤岛划分方法 Download PDFInfo
- Publication number
- CN105117796B CN105117796B CN201510496704.7A CN201510496704A CN105117796B CN 105117796 B CN105117796 B CN 105117796B CN 201510496704 A CN201510496704 A CN 201510496704A CN 105117796 B CN105117796 B CN 105117796B
- Authority
- CN
- China
- Prior art keywords
- particle
- formula
- value
- iteration
- kth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 14
- 239000002245 particle Substances 0.000 claims abstract description 268
- 238000005192 partition Methods 0.000 claims abstract description 6
- 239000002096 quantum dot Substances 0.000 claims description 43
- 230000013368 commensalism Effects 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 230000013370 mutualism Effects 0.000 claims description 7
- 230000003071 parasitic effect Effects 0.000 claims description 6
- 230000024241 parasitism Effects 0.000 claims description 6
- 240000002853 Nelumbo nucifera Species 0.000 claims description 5
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 5
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 5
- 230000001939 inductive effect Effects 0.000 claims description 4
- KDYAPQVYJXUQNY-OPHDRXFHSA-N 1,2-di-(alpha-linolenoyl)-3-[alpha-D-galactosyl-(1->6)-beta-D-galactosyl]-sn-glycerol Chemical compound O[C@@H]1[C@H](O)[C@@H](O)[C@H](OC[C@@H](COC(=O)CCCCCCC\C=C/C\C=C/C\C=C/CC)OC(=O)CCCCCCC\C=C/C\C=C/C\C=C/CC)O[C@@H]1CO[C@@H]1[C@H](O)[C@@H](O)[C@@H](O)[C@@H](CO)O1 KDYAPQVYJXUQNY-OPHDRXFHSA-N 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 claims 1
- 230000002452 interceptive effect Effects 0.000 claims 1
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Superconductor Devices And Manufacturing Methods Thereof (AREA)
Abstract
一种新型的基于量子进化算法的微网孤岛划分方法，包括如下步骤：1)输入网络初始参数、负荷参数和微源参数；2)设置量子进化算法的初始参数；3)计算各个粒子的适应度值；4)更新局部最优向量和全局最优向量；5)采用生物进化规则更新粒子位置值；6)局部搜索；7)收敛性检验；8)输出孤岛划分结果。本发明通过引入量子进化算法，解决考虑微源频率特性、负荷等级的微网孤岛划分问题。
Description
技术领域
本发明涉及一种基于量子进化算法的微网孤岛划分方法，特别是针对含分布式电源、考虑负荷等级和微源可控性的配电网孤岛划分方法。
背景技术
随着配电网建设的加强和微电网技术的日趋成熟，分布式发电(distributedgeneration，DG)在电网中的渗透率不断提高。DG接入配电网虽然能够满足日益增长的负荷需求、提高能源的综合利用率，但也使得配电网的结构变得越发的复杂，一旦配电网发生故障，若无法快速制定相应的故障恢复策略，有可能导致停电面积的扩大，造成巨大的经济损失。2003年制定的IEEE Std 1547-2003支持通过DG之间的协调控制等技术手段来实现孤岛运行。2011年修订的IEEE Std1547.4-2011则将微网的定义延伸至含DG的配电网系统中，且具有并网和孤岛两种运行新模式。当配电网区域发生故障或其他原因而造成与上级大电网脱离时，可以通过合理的孤岛划分来实现对孤岛区域内的负荷恢复供电，提高配电网的供电可靠性。因此，含DG配电网的孤岛划分策略对于配网的安全性至关重要。
发明内容
本发明要克服现有技术的上述缺点，提供一种基于量子进化算法的微网孤岛划分方法。
本发明方法结合量子进化算法和SOS生物进化算法的选择机制，用于制定考虑微源的调频特性、负荷的优先等级、负荷的可控性、配电网的潮流等约束的配电网孤岛划分方法。整个方法的流程图如图1所示，发明方法详细步骤叙述如下：
1)输入网络参数：配电网络的原始结构，各条支路的线路参数，各个节点的负荷有功和无功功率、DG的有功功率PDG,j，负荷的可控性、DG的类型，网络中节点总数为Nnod，线路总数为Nline。
2)将配电网与大电网相连的PCC点的开关状态置0，开始进入孤岛划分算法。
3)设置量子进化算法的维度M、粒子的个数N、迭代次数Itermax，设定初始的旋转角集合、量子比特位集合、局部最优向量和全局最优向量。
设定粒子的旋转角集合和量子比特位集合，和可控负荷比例集合，如公式(1)-(6)所示。
xp＝0，xg＝0 (7)
其中，Θk为第k次迭代时所有粒子的旋转角集合，为第i个粒子在第k次迭代时旋转角集合；为第i个粒子在第k次迭代时第m位的旋转角值；Qk为第k次迭代时所有粒子的量子比特位集合，为第i个粒子在第k次迭代时量子比特位集合；为第i个粒子在第k次迭代时第m位的量子比特位值；Ak为第k次迭代时所有粒子的可控负荷比例集合，为第i个粒子在第k次迭代时可控负荷比例集合；为第i个粒子在第k次迭代时第j位的可控负荷比例值。
4)配电网状态确定。根据以下步骤，分别确定各个粒子位置值所对应的配电网状态，直至所有粒子计算完毕。
4.1)根据公式(8)得出各个粒子的量子比特位，结合公式(6)中各个可控负荷的比例，按照公式(9)-(10)设定为各个粒子的位置值
其中，Xk为第k次迭代时粒子的位置集合；为第i个粒子第k次迭代时的位置值；M＝Nnod+Nline。
4.2)网络状态矩阵生成。根据粒子的量子比特位值，设定相应开关的状态。若某一位量子比特位的值为1，则对应开关的状态为闭合；若某一位量子比特位的值为0，则对应开关的状态为打开。
4.3)网络区域划分。结合图论和floodfill算法，根据配电网中各个开关的状态，确定配电网中的孤岛区域，记为第k次迭代时粒子i中所有孤岛的节点集合；为第k次迭代时粒子i中孤岛内的线路集合。
4.4)根据公式(11)和公式(12)确定配电网中各个节点的得电状态以及各个节点上的负荷有功功率。
其中，m∈Jj,i＝1,2,…,N,j＝1,2,…,Nnod,k＝1,2,…,Itermax；为在第k次迭代时粒子i中节点j的得电状态，Jj为节点j相连的线路集合；为第k次迭代时粒子i中节点j上负荷的有功功率，PLc,j为节点j上负荷可控有功功率；PLuc,j为节点j上负荷不可控有功功率；公式(11)表示每个节点的状态值与其相邻的线路状态有关，若相邻的线路任何一条得电，则该节点得电；公式(12)表示每个节点上负荷的有功功率值为其可控有功容量和不可控有功容量的总和；
5)贪婪选择。由于随机生成的配电网状态可能不满足一定的约束条件，即公式(13)-(16)。因此，根据贪婪选择，随机置粒子i中某一位量子比特位为0或1，直至每个粒子满足其满足约束条件或达到贪婪选择允许的最大次数。
其中，i＝1,2,…,N，j＝1,2,…,Nnod,k＝1,2,…,Itermax；PDG,j为节点j上微源的有功功率；为第k次迭代时粒子i中线路m上有功网损；为第k次迭代时粒子i中第l个孤岛内的节点集合，为第k次迭代时粒子i中所有孤岛的节点集合；为第k次迭代时粒子i中第l个孤岛内的线路集合，为第k次迭代时粒子i中所有孤岛的线路集合；cj为节点j上的微源类型，可调频微源为2，不可调频微源为1，没有微源为0；为第k次迭代时粒子i中节点j的电压值，Vmax和Vmin分别为节点上电压允许的最大值和最小值；上述约束条件中，公式(13)为功率平衡约束，即每个孤岛中，负荷和线路上消耗的功率必须等于微源发出的功率；公式(14)为微源的调频约束，即每个孤岛中必须包含具有调频功能的微源；公式(15)辐射状网络约束，即每个孤岛必须满足配电网辐射状结构。
5.1)设定孤岛中调频微源所在的节点为平衡节点，其余微源为PV节点，所有的负荷节点为PQ节点，运用牛拉法计算整个配电网的潮流状态，并得出各个线路上的有功功率损耗
5.2)检验各个粒子的位置值所对应的配电网状态是否满足约束条件，即公式(13)-(15)，若满足，则进入步骤(6)，若不满足，则随机置粒子i中表示线路状态的某一位的量子比特位状态为其相反值，再次检验其是否满足约束条件，直至其满足所有的约束条件或达到贪婪机制的最大允许次数。
6)粒子的适应度计算
按以下步骤，根据各个粒子的位置值分别计算粒子的适应度值，直至所有粒子均计算完毕。本发明中粒子的适应度包含三个方面，即负荷断电损失、潮流损失和开关动作次数损失。计算步骤如下：
6.1)负荷断电损失是指当配网发生故障后，不同负荷等级的负荷因切除所造成的损失。其相应的表达式为：
其中，i＝1,2,…,N,k＝1,2,…,Itermax；表示第k次迭代时粒子i的负荷断电损失。
6.2)开关动作次数
开关动作次数相应的表达式如公式(17)所示:
其中，i＝1,2,…,N,k＝1,2,…,Itermax；表示第k次迭代时粒子i的开关动作损失；表示线路m原先的状态。
6.3)有功功率损耗
故障恢复方案确定后，应保证整个连通的配网以及各个孤岛的有功功率损耗最小，相应的表达式为：
其中，i＝1,2,…,N,k＝1,2,…,Itermax；表示第k次迭代时粒子i的线路网损；为第k次迭代时粒子i中线路m上有功网损；
根据上述三个表达式，计算出粒子的适应值，即目标函数，表达式如公式(19)所示：
其中，i＝1,2,…,N,k＝1,2,…,Itermax；为第k次迭代时粒子i的适应度函数。公式中，三个参数和在计算时均已归一化；α、β、γ分别表示三者相应的权重因子。
7)更新粒子的局部最优向量xpi和全局最优向量xg。
其中，i＝1,2,…,N，k＝1,2,…,Itermax；根据公式(20)更新各个粒子的局部最优向量。同时，选择当次迭代过程中粒子的适应度最小的粒子作为更新全局最优向量的参考值，根据公式(22)更新粒子的全局最优解。j4为所有粒子中适应值最小的粒子。
8)更新粒子的位置值。根据生物进化算法中种群之间三种不同的相处方式，即互利共生、偏利共生和寄生，分别选择不同的进化方式，更新各个粒子的旋转角。针对每个粒子，随机选出与各个粒子处于互相利共生、偏利共生和寄生的粒子，按照相应公式进行旋转角度和可控负荷比例的更新，同时，更新粒子的位置值和比特位值，直至所有粒子更新完毕。
8.1)互利共生
i)随机选择一个粒子j1作为粒子i的互利共生粒子，根据以下公式(23)-(28)更新粒子i的旋转角和可控负荷比例。
其中，i＝1,2,…,N，i≠j1，k＝1,2,…,Itermax；Mv和Mv’分别为相应粒子的交互向量，计算公式为(25)和(28)；和为粒子i和粒子j1旋转角的中间变量；BF1和BF2为随机为1或者2的数值。xgΘ和xgA为全局最优解中对应于旋转角和可控负荷比例的部分。
ii)根据粒子的旋转角值，按公式(30)和(31)计算粒子i和粒子j1的量子比特位。
其中,i＝1,2,…,N，i≠j1，k＝1,2,…,Itermax；和分别为粒子i中间变量的量子比特位和旋转角。和分别为粒子j1中间变量的量子比特位和旋转角。
iii)根据公式(31)和公式(32),得出粒子i和粒子j1的中间变量的位置值。
其中，i＝1,2,…,N，i≠j1，k＝1,2,…,Itermax。
iv)根据公式(33)和(34)，更新粒子i和粒子j1的位置值。
其中，i＝1,2,…,N，i≠j1，k＝1,2,…,Itermax。
8.2)偏利共生
i)随机选择一个粒子j2作为粒子i的偏利共生粒子，根据以下公式(35)-(36)更新粒子i的旋转角和可控负荷比例。
其中，i＝1,2,…,N，i≠j2，k＝1,2,…,Itermax；为粒子i旋转角的中间变量。
ii)根据粒子的旋转角值，按公式(37)计算粒子i的量子比特位。
其中,i＝1,2,…,N，k＝1,2,…,Itermax；和分别为粒子i中间变量的量子比特位和旋转角。
iii)根据公式(38),得出粒子i的中间变量的位置值。
其中，i＝1,2,…,N，k＝1,2,…,Itermax。
iv)根据公式(39)，更新粒子i的位置值。
其中，i＝1,2,…,N，k＝1,2,…,Itermax。
8.3)寄生
随机选择一个粒子j3作为粒子i的寄生粒子，根据公式(40)更新粒子i和的位置值。
其中，i＝1,2,…,N，k＝1,2,…,Itermax。
10)局部搜索
检验当前迭代次数是否达到局部搜索次数的设定值，若达到设定值，则按照公式(41)进入局部搜索机制；若未达到，则进入步骤(11)。
其中，i＝1,2,…,N，k＝1,2,…,Itermax。
11)收敛性检验。检验算法是达到迭代的上限值，即迭代次数是否大于itermax。若是，则进入步骤12)；若不是，则回到步骤4)。
12)输出最优粒子位置值xg。根据最优粒子的位置值xg得出相应的孤岛划分策略，即相应的配电网的状态，包括各个节点的负荷功率、得电状态以及各条线路的状态值。
本发明的优点主要包含以下几个方面：
1)量子进化算法其量子位的随机性能够很好的保证种群的多样性，防止孤岛划分策略陷入局部最优策略。并且量子进化算法在0-1背包问题上有较好的应用效果，而孤岛划分问题从本质上来说就是一个带约束的0-1背包问题，因此，量子进化算法非常适用于孤岛划分策略。
2)考虑了负荷的可控性、负荷优先等级、微源的种类以及联络开关的作用，模型较为完善。
3)通过将生物进化理论的进化方式应用于量子进化算法中theta值的更新，使整个算法免于陷入局部最优解。
附图说明
图1基于量子粒子群的含DG配电网的孤岛划分方法流程
图2粒子适应值的计算流程
图3用于更新粒子位置值的生物进化算法流程
具体实施方式
发明方法详细步骤叙述如下：
1)输入网络参数：配电网络的原始结构，各条支路的线路参数，各个节点的负荷有功和无功功率、DG的有功功率PDG,j，负荷的可控性、DG的类型，网络中节点总数为Nnod，线路总数为Nline。
2)将配电网与大电网相连的PCC点的开关状态置0，开始进入孤岛划分算法。
3)设置量子进化算法的维度M、粒子的个数N、迭代次数Itermax，设定初始的旋转角集合、量子比特位集合、局部最优向量和全局最优向量。
设定粒子的旋转角集合和量子比特位集合，和可控负荷比例集合，如公式(1)-(6)所示。
xp＝0，xg＝0 (7)
其中，Θk为第k次迭代时所有粒子的旋转角集合，为第i个粒子在第k次迭代时旋转角集合；为第i个粒子在第k次迭代时第m位的旋转角值；Qk为第k次迭代时所有粒子的量子比特位集合，为第i个粒子在第k次迭代时量子比特位集合；为第i个粒子在第k次迭代时第m位的量子比特位值；Ak为第k次迭代时所有粒子的可控负荷比例集合，为第i个粒子在第k次迭代时可控负荷比例集合；为第i个粒子在第k次迭代时第j位的可控负荷比例值。
4)配电网状态确定。根据以下步骤，分别确定各个粒子位置值所对应的配电网状态，直至所有粒子计算完毕。
4.1)根据公式(8)得出各个粒子的量子比特位，结合公式(6)中各个可控负荷的比例，按照公式(9)-(10)设定为各个粒子的位置值
其中，Xk为第k次迭代时粒子的位置集合；为第i个粒子第k次迭代时的位置值；M＝Nnod+Nline。
4.2)网络状态矩阵生成。根据粒子的量子比特位值，设定相应开关的状态。若某一位量子比特位的值为1，则对应开关的状态为闭合；若某一位量子比特位的值为0，则对应开关的状态为打开。
4.3)网络区域划分。结合图论和floodfill算法，根据配电网中各个开关的状态，确定配电网中的孤岛区域，记为第k次迭代时粒子i中所有孤岛的节点集合；为第k次迭代时粒子i中孤岛内的线路集合。
4.4)根据公式(11)和公式(12)确定配电网中各个节点的得电状态以及各个节点上的负荷有功功率。
其中，m∈Jj,i＝1,2,…,N,j＝1,2,…,Nnod,k＝1,2,…,Itermax；为在第k次迭代时粒子i中节点j的得电状态，Jj为节点j相连的线路集合；为第k次迭代时粒子i中节点j上负荷的有功功率，PLc,j为节点j上负荷可控有功功率；PLuc,j为节点j上负荷不可控有功功率；公式(11)表示每个节点的状态值与其相邻的线路状态有关，若相邻的线路任何一条得电，则该节点得电；公式(12)表示每个节点上负荷的有功功率值为其可控有功容量和不可控有功容量的总和；
5)贪婪选择。由于随机生成的配电网状态可能不满足一定的约束条件，即公式(13)-(16)。因此，根据贪婪选择，随机置粒子i中某一位量子比特位为0或1，直至每个粒子满足其满足约束条件或达到贪婪选择允许的最大次数。
其中，i＝1,2,…,N，j＝1,2，…,Nnod,k＝1,2,…,Itermax；PDG,j为节点j上微源的有功功率；为第k次迭代时粒子i中线路m上有功网损；为第k次迭代时粒子i中第l个孤岛内的节点集合，为第k次迭代时粒子i中所有孤岛的节点集合；为第k次迭代时粒子i中第l个孤岛内的线路集合，为第k次迭代时粒子i中所有孤岛的线路集合；cj为节点j上的微源类型，可调频微源为2，不可调频微源为1，没有微源为0；为第k次迭代时粒子i中节点j的电压值，Vmax和Vmin分别为节点上电压允许的最大值和最小值；上述约束条件中，公式(13)为功率平衡约束，即每个孤岛中，负荷和线路上消耗的功率必须等于微源发出的功率；公式(14)为微源的调频约束，即每个孤岛中必须包含具有调频功能的微源；公式(15)辐射状网络约束，即每个孤岛必须满足配电网辐射状结构。
5.1)设定孤岛中调频微源所在的节点为平衡节点，其余微源为PV节点，所有的负荷节点为PQ节点，运用牛拉法计算整个配电网的潮流状态，并得出各个线路上的有功功率损耗
5.2)检验各个粒子的位置值所对应的配电网状态是否满足约束条件，即公式(13)-(15)，若满足，则进入步骤(6)，若不满足，则随机置粒子i中表示线路状态的某一位的量子比特位状态为其相反值，再次检验其是否满足约束条件，直至其满足所有的约束条件或达到贪婪机制的最大允许次数。
6)粒子的适应度计算
按以下步骤，根据各个粒子的位置值分别计算粒子的适应度值，直至所有粒子均计算完毕。本发明中粒子的适应度包含三个方面，即负荷断电损失、潮流损失和开关动作次数损失。计算步骤如下：
6.1)负荷断电损失是指当配网发生故障后，不同负荷等级的负荷因切除所造成的损失。其相应的表达式为：
其中，i＝1,2,…,N,k＝1,2,…,Itermax；表示第k次迭代时粒子i的负荷断电损失。
6.2)开关动作次数
开关动作次数相应的表达式如公式(17)所示:
其中，i＝1,2,…,N,k＝1,2,…,Itermax；表示第k次迭代时粒子i的开关动作损失；表示线路m原先的状态。
6.3)有功功率损耗
故障恢复方案确定后，应保证整个连通的配网以及各个孤岛的有功功率损耗最小，相应的表达式为：
其中，i＝1,2,…,N,k＝1,2,…,Itermax；表示第k次迭代时粒子i的线路网损；为第k次迭代时粒子i中线路m上有功网损；
根据上述三个表达式，计算出粒子的适应值，即目标函数，表达式如公式(19)所示：
其中，i＝1,2,…,N,k＝1,2,…,Itermax；为第k次迭代时粒子i的适应度函数。公式中，三个参数和在计算时均已归一化；α、β、γ分别表示三者相应的权重因子。
7)更新粒子的局部最优向量xpi和全局最优向量xg。
其中，i＝1,2,…,N，k＝1,2,…,Itermax；根据公式(20)更新各个粒子的局部最优向量。同时，选择当次迭代过程中粒子的适应度最小的粒子作为更新全局最优向量的参考值，根据公式(22)更新粒子的全局最优解。j4为所有粒子中适应值最小的粒子。
8)更新粒子的位置值。根据生物进化算法中种群之间三种不同的相处方式，即互利共生、偏利共生和寄生，分别选择不同的进化方式，更新各个粒子的旋转角。针对每个粒子，随机选出与各个粒子处于互相利共生、偏利共生和寄生的粒子，按照相应公式进行旋转角度和可控负荷比例的更新，同时，更新粒子的位置值和比特位值，直至所有粒子更新完毕。
8.1)互利共生
i)随机选择一个粒子j1作为粒子i的互利共生粒子，根据以下公式(23)-(28)更新粒子i的旋转角和可控负荷比例。
其中，i＝1,2,…,N，i≠j1，k＝1,2,…,Itermax；Mv和Mv’分别为相应粒子的交互向量，计算公式为(25)和(28)；和为粒子i和粒子j1旋转角的中间变量；BF1和BF2为随机为1或者2的数值。xgΘ和xgA为全局最优解中对应于旋转角和可控负荷比例的部分。
ii)根据粒子的旋转角值，按公式(30)和(31)计算粒子i和粒子j1的量子比特位。
其中,i＝1,2,…,N，i≠j1，k＝1,2,…,Itermax；和分别为粒子i中间变量的量子比特位和旋转角。和分别为粒子j1中间变量的量子比特位和旋转角。
iii)根据公式(31)和公式(32),得出粒子i和粒子j1的中间变量的位置值。
其中，i＝1,2,…,N，i≠j1，k＝1,2,…,Itermax。
iv)根据公式(33)和(34)，更新粒子i和粒子j1的位置值。
其中，i＝1,2,…,N，i≠j1，k＝1,2,…,Itermax。
8.2)偏利共生
i)随机选择一个粒子j2作为粒子i的偏利共生粒子，根据以下公式(35)-(36)更新粒子i的旋转角和可控负荷比例。
其中，i＝1,2,…,N，i≠j2，k＝1,2,…,Itermax；为粒子i旋转角的中间变量。
ii)根据粒子的旋转角值，按公式(37)计算粒子i的量子比特位。
其中,i＝1,2,…,N，k＝1,2,…,Itermax；和分别为粒子i中间变量的量子比特位和旋转角。
iii)根据公式(38),得出粒子i的中间变量的位置值。
其中，i＝1,2,…,N，k＝1,2,…,Itermax。
iv)根据公式(39)，更新粒子i的位置值。
其中，i＝1,2,…,N，k＝1,2,…,Itermax。
8.3)寄生
随机选择一个粒子j3作为粒子i的寄生粒子，根据公式(40)更新粒子i和的位置值。
其中，i＝1,2,…,N，k＝1,2,…,Itermax。
10)局部搜索
检验当前迭代次数是否达到局部搜索次数的设定值，若达到设定值，则按照公式(41)进入局部搜索机制；若未达到，则进入步骤(11)。
其中，i＝1,2,…,N，k＝1,2,…,Itermax。
11)收敛性检验。检验算法是达到迭代的上限值，即迭代次数是否大于itermax。若是，则进入步骤12)；若不是，则回到步骤4)。
12)输出最优粒子位置值xg。根据最优粒子的位置值xg得出相应的孤岛划分策略，即相应的配电网的状态，包括各个节点的负荷功率、得电状态以及各条线路的状态值。
Claims (1)
1.一种基于量子进化算法的微网孤岛划分方法，包括如下步骤：
1)输入网络参数：配电网络的原始结构，各条支路的线路参数，各个节点的负荷有功和无功功率、DG的有功功率PDG,j，负荷的可控性、DG的类型，网络中节点总数为Nnod，线路总数为Nline；
2)将配电网与大电网相连的PCC点的开关状态置0，开始进入孤岛划分算法；
3)设置量子进化算法的维度M、粒子的个数N、迭代次数Itermax，设定初始的旋转角集合、量子比特位集合、局部最优向量和全局最优向量；
设定粒子的旋转角集合和量子比特位集合，和可控负荷比例集合，如公式(1)-(6)所示；
Θk＝(Θ1 k Θ2 k … Θi k … ΘN k) (1)
xp＝0，xg＝0 (7)
其中，Θk为第k次迭代时所有粒子的旋转角集合，为第i个粒子在第k次迭代时旋转角集合；为第i个粒子在第k次迭代时第m位的旋转角值；Qk为第k次迭代时所有粒子的量子比特位集合，为第i个粒子在第k次迭代时量子比特位集合；为第i个粒子在第k次迭代时第m位的量子比特位值；Ak为第k次迭代时所有粒子的可控负荷比例集合，为第i个粒子在第k次迭代时可控负荷比例集合；为第i个粒子在第k次迭代时第j位的可控负荷比例值；
4)配电网状态确定；根据以下步骤，分别确定各个粒子位置值所对应的配电网状态，直至所有粒子计算完毕；
4.1)根据公式(8)得出各个粒子的量子比特位，结合公式(6)中各个可控负荷的比例，按照公式(9)-(10)设定为各个粒子的位置值
其中，Xk为第k次迭代时粒子的位置集合；为第i个粒子第k次迭代时的位置值；M＝Nnod+Nline；
4.2)网络状态矩阵生成；根据粒子的量子比特位值，设定相应开关的状态；若某一位量子比特位的值为1，则对应开关的状态为闭合；若某一位量子比特位的值为0，则对应开关的状态为打开；
4.3)网络区域划分；结合图论和floodfill算法，根据配电网中各个开关的状态，确定配电网中的孤岛区域，记为第k次迭代时粒子i中所有孤岛的节点集合；为第k次迭代时粒子i中孤岛内的线路集合；
4.4)根据公式(11)和公式(12)确定配电网中各个节点的得电状态以及各个节点上的负荷有功功率；
其中，m∈Jj,i＝1,2,…,N,j＝1,2,…,Nnod,k＝1,2,…,Itermax；为在第k次迭代时粒子i中节点j的得电状态，Jj为节点j相连的线路集合；为第k次迭代时粒子i中节点j上负荷的有功功率，PLc,j为节点j上负荷可控有功功率；PLuc,j为节点j上负荷不可控有功功率；公式(11)表示每个节点的状态值与其相邻的线路状态有关，若相邻的线路任何一条得电，则该节点得电；公式(12)表示每个节点上负荷的有功功率值为其可控有功容量和不可控有功容量的总和；
5)贪婪选择；由于随机生成的配电网状态可能不满足一定的约束条件，即公式(13)-(15)；因此，根据贪婪选择，随机置粒子i中某一位量子比特位为0或1，直至每个粒子满足其满足约束条件或达到贪婪选择允许的最大次数；
其中，i＝1,2,…,N，j＝1,2,…,Nnod,k＝1,2,…,Itermax；PDG,j为节点j上微源的有功功率；为第k次迭代时粒子i中线路m上有功网损；为第k次迭代时粒子i中第l个孤岛内的节点集合，为第k次迭代时粒子i中所有孤岛的节点集合；为第k次迭代时粒子i中第l个孤岛内的线路集合，为第k次迭代时粒子i中所有孤岛的线路集合；cj为节点j上的微源类型，可调频微源为2，不可调频微源为1，没有微源为0；为第k次迭代时粒子i中节点j的电压值，Vmax和Vmin分别为节点上电压允许的最大值和最小值；上述约束条件中，公式(13)为功率平衡约束，即每个孤岛中，负荷和线路上消耗的功率必须等于微源发出的功率；公式(14)为微源的调频约束，即每个孤岛中必须包含具有调频功能的微源；公式(15)辐射状网络约束，即每个孤岛必须满足配电网辐射状结构；
5.1)设定孤岛中调频微源所在的节点为平衡节点，其余微源为PV节点，所有的负荷节点为PQ节点，运用牛拉法计算整个配电网的潮流状态，并得出各个线路上的有功功率损耗
5.2)检验各个粒子的位置值所对应的配电网状态是否满足约束条件，即公式(13)-(15)，若满足，则进入步骤(6)，若不满足，则随机置粒子i中表示线路状态的某一位的量子比特位状态为其相反值，再次检验其是否满足约束条件，直至其满足所有的约束条件或达到贪婪机制的最大允许次数；
6)粒子的适应度计算
按以下步骤，根据各个粒子的位置值分别计算粒子的适应度值，直至所有粒子均计算完毕；本发明中粒子的适应度包含三个方面，即负荷断电损失、潮流损失和开关动作次数损失；计算步骤如下：
6.1)负荷断电损失是指当配网发生故障后，不同负荷等级的负荷因切除所造成的损失；其相应的表达式为：
其中，i＝1,2,…,N,k＝1,2,…,Itermax；表示第k次迭代时粒子i的负荷断电损失；
6.2)开关动作次数
开关动作次数相应的表达式如公式(17)所示:
其中，i＝1,2,…,N,k＝1,2,…,Itermax；表示第k次迭代时粒子i的开关动作损失；表示线路m原先的状态；
6.3)有功功率损耗
故障恢复方案确定后，应保证整个连通的配网以及各个孤岛的有功功率损耗最小，相应的表达式为：
其中，i＝1,2,…,N,k＝1,2,…,Itermax；表示第k次迭代时粒子i的线路网损；
为第k次迭代时粒子i中线路m上有功网损；
根据上述三个表达式，计算出粒子的适应值，即目标函数，表达式如公式(19)所示：
其中，i＝1,2,…,N,k＝1,2,…,Itermax；为第k次迭代时粒子i的适应度函数；公式中，三个参数和在计算时均已归一化；α、β、γ分别表示三者相应的权重因子；
7)更新粒子的局部最优向量xpi和全局最优向量xg；
其中，i＝1,2,…,N，k＝1,2,…,Itermax；根据公式(20)更新各个粒子的局部最优向量；同时，选择当次迭代过程中粒子的适应度最小的粒子作为更新全局最优向量的参考值，根据公式(22)更新粒子的全局最优解；j4为所有粒子中适应值最小的粒子；
8)更新粒子的位置值；根据生物进化算法中种群之间三种不同的相处方式，即互利共生、偏利共生和寄生，分别选择不同的进化方式，更新各个粒子的旋转角；针对每个粒子，随机选出与各个粒子处于互利共生、偏利共生和寄生的粒子，按照相应公式进行旋转角度和可控负荷比例的更新，同时，更新粒子的位置值和比特位值，直至所有粒子更新完毕；
8.1)互利共生
i)随机选择一个粒子j1作为粒子i的互利共生粒子，根据以下公式(23)-(28)更新粒子i的旋转角和可控负荷比例；
其中，i＝1,2,…,N，i≠j1，k＝1,2,…,Itermax；Mv和Mv’分别为相应粒子的交互向量，计算公式为(25)和(28)；和为粒子i和粒子j1旋转角的中间变量；BF1和BF2为随机为1或者2的数值；xgΘ和xgA为全局最优解中对应于旋转角和可控负荷比例的部分；
ii)根据粒子的旋转角值，按公式(29)和(30)计算粒子i和粒子j1的量子比特位；
其中,i＝1,2,…,N，i≠j1，k＝1,2,…,Itermax；和分别为粒子i中间变量的量子比特位和旋转角；和分别为粒子j1中间变量的量子比特位和旋转角；
iii)根据公式(31)和公式(32),得出粒子i和粒子j1的中间变量的位置值；
其中，i＝1,2,…,N，i≠j1，k＝1,2,…,Itermax；
iv)根据公式(33)和(34)，更新粒子i和粒子j1的位置值；
其中，i＝1,2,…,N，i≠j1，k＝1,2,…,Itermax；
8.2)偏利共生
i)随机选择一个粒子j2作为粒子i的偏利共生粒子，根据以下公式(35)-(36)更新粒子i的旋转角和可控负荷比例；
其中，i＝1,2,…,N，i≠j2，k＝1,2,…,Itermax；为粒子i旋转角的中间变量；
ii)根据粒子的旋转角值，按公式(37)计算粒子i的量子比特位；
其中,i＝1,2,…,N，k＝1,2,…,Itermax；和分别为粒子i中间变量的量子比特位和旋转角；
iii)根据公式(38),得出粒子i的中间变量的位置值；
其中，i＝1,2,…,N，k＝1,2,…,Itermax；
iv)根据公式(39)，更新粒子i的位置值；
其中，i＝1,2,…,N，k＝1,2,…,Itermax；
8.3)寄生
随机选择一个粒子j3作为粒子i的寄生粒子，根据公式(40)更新粒子i和的位置值；
其中，i＝1,2,…,N，k＝1,2,…,Itermax；
9)局部搜索
检验当前迭代次数是否达到局部搜索次数的设定值，若达到设定值，则按照公式(41)进入局部搜索机制；若未达到，则进入步骤(10)；
其中，i＝1,2,…,N，k＝1,2,…,Itermax；
10)收敛性检验；检验算法是达到迭代的上限值，即迭代次数是否大于itermax；若是，则进入步骤11)；若不是，则回到步骤4)；
11)输出最优粒子位置值xg；根据最优粒子的位置值xg得出相应的孤岛划分策略，即相应的配电网的状态，包括各个节点的负荷功率、得电状态以及各条线路的状态值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510496704.7A CN105117796B (zh) | 2015-08-13 | 2015-08-13 | 基于量子进化算法的微网孤岛划分方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510496704.7A CN105117796B (zh) | 2015-08-13 | 2015-08-13 | 基于量子进化算法的微网孤岛划分方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105117796A CN105117796A (zh) | 2015-12-02 |
| CN105117796B true CN105117796B (zh) | 2018-11-13 |
Family
ID=54665778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510496704.7A Active CN105117796B (zh) | 2015-08-13 | 2015-08-13 | 基于量子进化算法的微网孤岛划分方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105117796B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110190615A (zh) * | 2019-05-22 | 2019-08-30 | 国网浙江省电力有限公司经济技术研究院 | 一种微网储能系统控制策略优化方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102545138A (zh) * | 2012-02-07 | 2012-07-04 | 中国电力科学研究院 | 一种模式化的供电恢复方法 |
| CN104112165A (zh) * | 2014-05-19 | 2014-10-22 | 浙江工业大学 | 基于多目标离散粒子群的智能配电网故障恢复方法 |
| CN104820865A (zh) * | 2015-03-31 | 2015-08-05 | 浙江工业大学 | 基于图论的智能配电网故障恢复智能优化方法 |
-
2015
- 2015-08-13 CN CN201510496704.7A patent/CN105117796B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102545138A (zh) * | 2012-02-07 | 2012-07-04 | 中国电力科学研究院 | 一种模式化的供电恢复方法 |
| CN104112165A (zh) * | 2014-05-19 | 2014-10-22 | 浙江工业大学 | 基于多目标离散粒子群的智能配电网故障恢复方法 |
| CN104820865A (zh) * | 2015-03-31 | 2015-08-05 | 浙江工业大学 | 基于图论的智能配电网故障恢复智能优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105117796A (zh) | 2015-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Moradi et al. | Power flow analysis in islanded Micro-Grids via modeling different operational modes of DGs: A review and a new approach | |
| CN109950907B (zh) | 含电力电子变压器的交直流混合配电网的调度方法及系统 | |
| Taher et al. | Optimal location and sizing of UPQC in distribution networks using differential evolution algorithm | |
| Duman et al. | Development of the multi-objective adaptive guided differential evolution and optimization of the MO-ACOPF for wind/PV/tidal energy sources | |
| Xia et al. | Distributed control method for economic dispatch in islanded microgrids with renewable energy sources | |
| CN103093037B (zh) | 基于主从问题交替优化的电力系统解列断面搜索方法 | |
| Shaheen et al. | Improved heap-based optimizer for DG allocation in reconfigured radial feeder distribution systems | |
| CN105870949B (zh) | 一种基于分布式梯度算法的微电网储能单元优化控制方法 | |
| CN106374513B (zh) | 一种基于主从博弈的多微网联络线功率优化方法 | |
| Tang et al. | Study on day-ahead optimal economic operation of active distribution networks based on Kriging model assisted particle swarm optimization with constraint handling techniques | |
| Yin et al. | Multi-layer distributed multi-objective consensus algorithm for multi-objective economic dispatch of large-scale multi-area interconnected power systems | |
| CN104734154B (zh) | 基于多源主动配电网的输电阻塞管理多级分层控制方法 | |
| Li et al. | Robust high-voltage direct current stabilising control using wide-area measurement and taking transmission time delay into consideration | |
| CN107947175A (zh) | 一种基于分布式网络控制的微电网经济调度方法及系统 | |
| CN109617049A (zh) | 一种风电汇集区的upfc配置方法 | |
| Mohammadi et al. | Bacterial graphical user interface oriented by particle swarm optimization strategy for optimization of multiple type DFACTS for power quality enhancement in distribution system | |
| Xiao et al. | Optimal sizing and siting of soft open point for improving the three phase unbalance of the distribution network | |
| CN105117796B (zh) | 基于量子进化算法的微网孤岛划分方法 | |
| Ma et al. | An adaptive hierarchical control method for microgrid considering generation cost | |
| Bai et al. | Weighted matrix based distributed optimization method for economic dispatch of microgrids via multi-step gradient descent | |
| Akbari-Zadeh et al. | Dstatcom allocation in the distribution system considering load uncertainty | |
| Dixit et al. | An overview of placement of TCSC for enhancement of power system stability | |
| Refaat et al. | AC and DC Transmission Line Expansion Planning Using Coronavirus Herd Immunity Optimizer | |
| Okafor et al. | Optimal placement of BESS in a power system network for frequency support during contingency | |
| Nguyen | Optimal distribution network configuration using improved backtracking search algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20191226 Address after: Building 19, xiangyangrenjia, No. 358, Xiangyang Road, Gangkou Town, Gaogang District, Taizhou City, Jiangsu Province 225300 Patentee after: Lin Yaogeng Address before: 310018 Room 1004-1006, 17 Block 57, Baiyang Street Science Park Road, Hangzhou Economic and Technological Development Zone, Zhejiang Province Patentee before: Zhejiang Qibo Intellectual Property Operation Co.,Ltd. Effective date of registration: 20191226 Address after: 310018 Room 1004-1006, 17 Block 57, Baiyang Street Science Park Road, Hangzhou Economic and Technological Development Zone, Zhejiang Province Patentee after: Zhejiang Qibo Intellectual Property Operation Co.,Ltd. Address before: 310014 Hangzhou city in the lower reaches of the city of Zhejiang Wang Road, No. 18 Patentee before: Zhejiang University of Technology |
|
| TR01 | Transfer of patent right | ||
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 241000 No.39, Yinhu North Road, economic and Technological Development Zone, Wuhu City, Anhui Province Patentee after: Lin Yaogeng Address before: Building 19, xiangyangrenjia, no.358, Xiangyang Road, Gangkou Town, Gaogang District, Taizhou City, Jiangsu Province 225300 Patentee before: Lin Yaogeng |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210402 Address after: 1766, No.4, Lane 5000, Gonghexin Road, Baoshan District, Shanghai, 201900 Patentee after: Chen Juan Address before: 241000 No.39, Yinhu North Road, economic and Technological Development Zone, Wuhu City, Anhui Province Patentee before: Lin Yaogeng |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210428 Address after: 200241 room 0485, 2nd floor, jilou, 555 Dongchuan Road, Minhang District, Shanghai Patentee after: Shanghai Zu TA Technology Co.,Ltd. Address before: 1766, No.4, Lane 5000, Gonghexin Road, Baoshan District, Shanghai, 201900 Patentee before: Chen Juan |