CN107248754A - 一种分布式电源的选址定容方法 - Google Patents
一种分布式电源的选址定容方法 Download PDFInfo
- Publication number
- CN107248754A CN107248754A CN201710532410.4A CN201710532410A CN107248754A CN 107248754 A CN107248754 A CN 107248754A CN 201710532410 A CN201710532410 A CN 201710532410A CN 107248754 A CN107248754 A CN 107248754A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- power source
- distributed power
- node
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种分布式电源的选址与定容方法，根据配电网络的拓扑结构建立网络模型，依据分布式电源位置容量配置方案，建立数学模型，同时，依据故障发生概率，生成故障集，依据经济密度，生成节点单位缺供电量造成的经济损失表；由配置信息，确定染色体编码，产生初始种群；对种群中每个个体生成计划孤岛，从故障集中按照轮盘赌法随机抽取生成单点故障，依据负荷停运时间对电网负荷节点进行分类，结合单位缺供电量造成的经济损失表评估个体适应度；开始遗传操作，实行精英策略及自适应交叉、变异，提高算法收敛速度，避免局部最优；进行分布式电源的选址定容。
Description
技术领域
本发明涉及分布式电源发电技术领域，具体涉及一种分布式电源的选址定容优化方法。
背景技术
近年来，以清洁能源为主分布式发电技术在全国范围内发展迅速，对社会来说，具有节能减排的积极作用，对电网而言，对于缓解用电矛盾有积极意义。从可持续发展、国家能源战略、降低环境污染和建设和谐社会来看，发展分布式电源技术是我国的必然选择。
分布式电源能够显著提高负荷可靠性。在发生故障时，能够迅速形成计划孤岛，确保重要负荷的运行。
当前电网的运行是以可靠性为首要因素的保守运行，这种运行状态使得变压器无法经济运行，造成大量的损耗，分布式电源的接入无疑可以减少压力。变压器可以更多的处于经济运行状态，同时分布式电源靠近负荷的特性，降低了电能在线路上的损耗，使线路处在正常工作状态。同时，在高密度负荷地区，出现低电压等电能质量较低的情况，分布式电源的接入可以极大的改善电能质量，提高可靠性。
目前，关于孤岛的研究，大部分是在分布式电源配置确定的情况下进行的，而分布式电源优化配置的研究并没有考虑孤岛划分的影响因素，大部分优化算法的目标函数是从损耗或投资角度出发的，并没有考虑分布式电源的可靠性因素。
有鉴于此，本发明人对此进行研究，专门开发出一种分布式电源选址定容的优化方法，本案由此产生。
发明内容
为了解决上述现有技术存在的问题，本发明的目的在于提供一种分布式电源选址定容的优化配置方法，以缺供电量造成的经济损失最小为目标函数，以提高重要负荷的可靠性为目的，为分布式电源的选址定容优化配置作出依据。
为了达到上述目的，本发明采用以下技术方案予以实现。
一种分布式电源的选址定容方法，其特征在于：
步骤1：据配电网络的拓扑结构建立网络模型，依据分布式电源位置容量配置方案，确定数学模型，同时，依据故障发生概率生成故障集，依据经济密度生成各个节点单位缺供电量造成的经济损失表；
步骤2：结合配置信息确定染色体编码，产生初始种群；对种群中每个个体生成计划孤岛，从故障集中按照轮盘赌法随机抽取生成单点故障，依据负荷停运时间对电网负荷节点进行分类，结合单位缺供电量造成的经济损失表评估个体适应度；
步骤3：开始遗传操作，实行精英策略及自适应交叉、变异，提高算法收敛速度，避免局部最优；
步骤4：进行分布式电源的选址定容。
进一步改进在于：所述网络模型要标记出负荷点容量、负荷等级、单位缺供电量造成的经济损失等信息；将分布式电源作为容量已定的发电机，不再考虑其功率输出变化；将负荷点负荷量作为定值，负荷点负荷量的选取依照典型日的最大负荷为基准。
进一步改进在于：分布式电源的选址定容优化数学模型，其目标函数如下：
式中，EL表示缺供电量造成的经济损失，i表示节点，N表示节点数量，Ei表示在i节点单位电能缺供造成的经济损失，Li表示节点i功率，Ti表示节点i的停电时间。
进一步改进在于：所述目标函数的约束条件如下：
输电线路的传输功率极限约束为
配电网DG穿透功率上限约束为
η为配电网允许穿透功率系数；K为DG个数。
进一步改进在于：所述故障集依据长期以来发生供电故障的大数据生成，包含每个可能造成负荷点停电的元件故障概率，在进行适应度计算时，随机生成多次单点故障。
进一步改进在于：所述节点单位缺供电量造成的经济损失表依据节点所在的国民生产总值与用电量的关系得出。
进一步改进在于：所述初始种群以节点数量、以0.05MW为单位容量限制要求，在电力可靠性需求、地理条件便利等生成。
进一步改进在于：所述计划孤岛为从分布式电源所在的节点出发，以容量为限制，对附近节点进行广度优先遍历，在保证分布式电源额定功率允许的前提下，尽量保证权值大的负荷优先纳入孤岛范围，以权重、负荷的乘积之和最大为目标即：
约束条件为：
孤岛内功率约束为
孤岛联通约束为
孤岛不相交约束为
d为孤岛范围，wi为节点负荷权重，Li为节点负荷，PDG为分布式电源容量，j为节点间线路，ti表示在i节点的孤岛范围。
进一步改进在于：依据负荷停运时间对电网负荷节点进行分类，包括以下过程，以轮盘赌法从故障集中随机选取，生成单点故障，检测故障位置，以此对负荷进行分类，分类规则如下：
(1)故障点与分布式电源在不同分支馈线上，则分布式电源不形成计划孤岛，故障点下游停止运行，停止时间为故障隔离+修复时间，故障点所在分支线路上游停运时间为故障隔离时间；
(2)故障点与分布式电源在同一分支馈线上，故障点在分布式电源下游，且不在分布式电源形成的孤岛范围内，故障点下游停止运行，停止时间为故障隔离+修复时间，故障点上游节点停运时间为故障隔离时间；
(3)故障点与分布式电源在同一分支馈线上，故障点在分布式电源上游，且不在分布式电源形成的孤岛范围内，故障点下游(不包括孤岛范围内的节点)停止运行，停止时间为故障隔离+修复时间，孤岛范围内停止时间为分布式电源停止+故障隔离+孤岛启动+分布式电源启动时间，分支馈线上的故障点上游停运时间为故障隔离时间；
(4)故障点与分布式电源在同一分支馈线上，故障点在分布式电源上游且在形成的孤岛范围内，则孤岛范围内(不包括故障点至计划孤岛同方向边缘上的节点)停运时间为分布式电源停止+故障隔离+孤岛启动+分布式电源启动时间，故障点下游孤岛范围外节点停运时间为故障隔离+修复时间，同一分支馈线上，其它节点停运时间为故障隔离时间；
(5)故障点处在分布式电源所在分支馈线所连母线的上游，则故障下游(不包括孤岛范围内的节点)停止运行，停止时间为故障隔离+修复时间，孤岛范围内停止时间为分布式电源停止+故障隔离+孤岛启动+分布式电源启动时间，故障上游节点停运时间为故障隔离时间；
(6)故障点处在分布式电源所在分支馈线所连母线的下游，则故障下游(停止运行，停止时间为故障隔离+修复时间，故障上游节点停运时间为故障隔离时间；
按照停运时间，将节点进行分类：
A类：故障隔离时间；
B类：故障隔离+修复时间；
C类：分布式电源停止+故障隔离+孤岛启动+分布式电源启动时间。
进一步改进在于：评估个体适应度，其过程包括：
(1)适应度评价函数与目标函数保持一致，表示为：
(2)重复对负荷进行分类并分别进行适应度评价，对多次评价结果取平均值为个体的最终适应度。
进一步改进在于：精英策略为将同代个体的适应值由小到大排序，选取前三个表现良好的个体，与子代三个适应值排序后三个比较，选取适应值大的个体进行替换或保留，确保优良个体的遗传。
进一步改进在于：当达到最大遗传代数或连续多代适应值不发生改变时停止遗传。
进一步改进在于：自适应遗传算子的交叉概率为：
式中：fmax是种群中最大的适应度值；favg是种群中平均适应度值；f′是即将交叉的两个个体中较大的适应度值，Pc1＝0.9，Pc2＝0.6。
进一步改进在于：自适应遗传算子的变异概率为：
式中：fmax是种群中最大的适应度值；favg是种群中平均适应度值；f是即将变异的个体适应度值。Pc1＝0.1，Pc2＝0.05。
与现有技术相比，本发明具有显著地技术效果。
本发明以缺供电量造成的经济损失最小为目标函数，计及分布式电源在配电网发生故障时产生的孤岛效应，对分布式电源的进行评估，充分体现了布式电源接入对于减少经济损失的积极作用，进一步提高了分布式电源优化配置的合理性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明基于遗传算法的分布式电源优化配置流程图。
具体实施方式
如图1所示，本发明的一种分布式电源的选址定容方法，包括以下步骤：步骤1，据配电网络的拓扑结构建立网络模型，依据分布式电源位置容量配置方案，确定数学模型，同时，依据故障发生概率生成故障集，依据经济密度生成各个节点单位缺供电量造成的经济损失表。
选取IEEE33点的电力系统，1号节点为平衡节点，对剩余节点建立以缺供电量损失最小为目标函数的数学模型：
式中，EL表示缺供电量造成的经济损失，i表示节点，N表示节点数量，表示在i节点单位电能缺供造成的经济损失，表示节点i功率，表示节点i的停电时间。
上述目标函数的约束条件为：
输电线路的传输功率极限约束为
配电网DG穿透功率上限约束为
η为配电网允许穿透功率系数；K为DG个数。
对各个节点负荷量，以典型日最大负荷为基准，忽略分布式电源随机性，出力恒定。
对建立的网络模型进行元件化处理，形成故障表，即每条连接两个相邻节点的线路对应与相应的故障发生概率，以Li，j表示节点i与节点j之间的线路，以Pi，j表示Li，j发生故障的概率，以此生成故障集，故障发生概率由大数据统计得出。
统计各个节点的经济产量与用电量，经济产量可通过国民经济生产总值得到，用电量由统计数据得到，根据国民经济生产总值与用电量的关系，得出节点单位缺供电量造成的经济损失表。
步骤2，结合配置信息确定染色体编码，产生初始种群；对种群中每个个体生成计划孤岛，从故障集中按照轮盘赌法随机抽取生成单点故障，依据负荷停运时间对电网负荷节点进行分类，结合单位缺供电量造成的经济损失表评估个体适应度。
对平衡节点以外进行二进制编码采用6位码长，每个节点的接入容量采用4位码长，单位容量为0.05MW，最终得到码长10位的单位个体。初始种群大小结合经济密度、地理信息、计划安装分布式电源数量等信息，本实施例中初始种群大小取20。
对负荷节点进行分类，第一类负荷节点(如政府、医院及一旦停运造成巨大经济损失的负荷)、第二类负荷节点(如公共设施集中、经济损失较大)、第三类负荷节点(如普通居民集中)权重系数分别设定wi为10、1、0.1。
对每个个体生成计划孤岛区域，以分布式电源为中心，以容量为半径对附近节点进行广度优先遍历，在保证分布式电源额定功率允许的前提下，尽量保证权值大的负荷优先纳入孤岛范围，以权重、负荷的乘积之和最大为目标，即：
约束条件为：
d为孤岛范围，wi为节点负荷权重，Li为节点负荷，PDG为分布式电源容量，j为节点间线路。
以轮盘赌法从故障集中随机选取，生成单点故障。检测故障位置，以此对负荷进行分类：
故障点与分布式电源在不同分支馈线上，则分布式电源不形成计划孤岛，故障点下游停止运行，停止时间为故障隔离+修复时间，故障点所在分支线路上游停运时间为故障隔离时间；
故障点与分布式电源在同一分支馈线上，故障点在分布式电源下游，且不在分布式电源形成的孤岛范围内，故障点下游停止运行，停止时间为故障隔离+修复时间，故障点上游节点停运时间为故障隔离时间；
故障点与分布式电源在同一分支馈线上，故障点在分布式电源上游，且不在分布式电源形成的孤岛范围内，故障点下游(不包括孤岛范围内的节点)停止运行，停止时间为故障隔离+修复时间，孤岛范围内停止时间为分布式电源停止+故障隔离+孤岛启动+分布式电源启动时间，分支馈线上的故障点上游停运时间为故障隔离时间；
故障点与分布式电源在同一分支馈线上，故障点在分布式电源上游且在形成的孤岛范围内，则孤岛范围内(不包括故障点至计划孤岛同方向边缘上的节点)停运时间为分布式电源停止+故障隔离+孤岛启动+分布式电源启动时间，故障点下游孤岛范围外节点停运时间为故障隔离+修复时间，同一分支馈线上，其它节点停运时间为故障隔离时间；
故障点处在分布式电源所在分支馈线所连母线的上游，则故障下游(不包括孤岛范围内的节点)停止运行，停止时间为故障隔离+修复时间，孤岛范围内停止时间为分布式电源停止+故障隔离+孤岛启动+分布式电源启动时间，故障上游节点停运时间为故障隔离时间；
故障点处在分布式电源所在分支馈线所连母线的下游，则故障下游(停止运行，停止时间为故障隔离+修复时间，故障上游节点停运时间为故障隔离时间；
按照停止时间，将节点进行分类。
A类：故障隔离时间；
B类：故障隔离+修复时间；
C类：分布式电源停止+故障隔离+孤岛启动+分布式电源启动时间。
适应度评价函数与目标函数保持一致，表示为：
重复进行分类并分别进行适应度评价，对多次评价结果取平均值为个体的最终适应度。
步骤3，开始遗传操作，实行精英策略及自适应交叉、变异，提高算法收敛速度，避免局部最优。
以目标函数为适应度评价函数，对父代种群个体进行适应值评价，按照从小到大的顺序进行排列，选出前三位适应度表现良好的个体，精英保留，参与遗传操作，等待替换，同时，被选出的个体仍然参与遗传操作。
对父代种群，计算其适应度，依据轮盘赌法选择两个个体进行自适应交叉概率和自适应变异。适应遗传算子的交叉概率为：
式中：fmax是种群中最大的适应度值；favg是种群中平均适应度值；f′是即将交叉的两个个体中较大的适应度值，Pc1＝0.9，Pc2＝0.6。
自适应遗传算子的变异概率为：
式中：fmax是种群中最大的适应度值；favg是种群中平均适应度值；f是即将变异的个体适应度值。Pc1＝0.1，Pc2＝0.05。
对子代种群进行适应度计算，将子代群体中表现最差的三个个体与父代群体中保留的三个精英个体比较，得到表现更好的三个个体，加入到当前种群中。
比较父代种群最优个体与子代种群最优个体适应度，当适应值差距连续3代趋于稳定时，停止遗传；或达到最大遗传代数50时，停止遗传以当前优解作为分布式电源选址定容最优方案。
Claims (10)
1.一种分布式电源的选址定容方法，其特征在于：
步骤1：据配电网络的拓扑结构建立网络模型，依据分布式电源位置容量配置方案，确定数学模型，同时，依据故障发生概率生成故障集，依据经济密度生成各个节点单位缺供电量造成的经济损失表；
步骤2：结合配置信息确定染色体编码，产生初始种群；对种群中每个个体生成计划孤岛，从故障集中按照轮盘赌法随机抽取生成单点故障，依据负荷停运时间对电网负荷节点进行分类，结合单位缺供电量造成的经济损失表评估个体适应度；
步骤3：开始遗传操作，实行精英策略及自适应交叉、变异，提高算法收敛速度，避免局部最优；
步骤4：进行分布式电源的选址定容。
2.根据权利要求1所述的分布式电源的选址定容方法，其特征在于：所述网络模型要标记出负荷点容量、负荷等级、单位缺供电量造成的经济损失等信息；将分布式电源作为容量已定的发电机，不再考虑其功率输出变化；将负荷点负荷量作为定值，负荷点负荷量的选取依照典型日的最大负荷为基准。
3.根据权利要求1所述的分布式电源的选址定容方法，其特征在于：分布式电源的选址定容优化数学模型，其目标函数如下：
<mrow>
<mi>min</mi>
<mi>E</mi>
<mi>L</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>E</mi>
<mi>i</mi>
</msub>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中，EL表示缺供电量造成的经济损失，i表示节点，N表示节点数量，Ei表示在i节点单位电能缺供造成的经济损失，Li表示节点i功率，Ti表示节点i的停电时间；
基于遗传算法以缺供电量最小为目标函数，目标函数的约束条件如下：
输电线路的传输功率极限约束为
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
配电网DG穿透功率上限约束为
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>D</mi>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>&le;</mo>
<mi>&eta;</mi>
<mi>P</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
η为配电网允许穿透功率系数；K为DG个数。
4.根据权利要求1所述的分布式电源的选址定容方法，其特征在于：所述故障集依据长期以来发生供电故障的大数据生成，包含每个可能造成负荷点停电的元件故障概率，在进行适应度计算时，随机生成多次单点故障；所述节点单位缺供电量造成的经济损失表依据节点所在的国民生产总值与用电量的关系得出；所述初始种群以节点数量、以0.05MW为单位容量限制要求，在电力可靠性需求、地理条件便利等生成。
5.根据权利要求1所述的分布式电源的选址定容方法，其特征在于：所述计划孤岛为从分布式电源所在的节点出发，以容量为限制，对附近节点进行广度优先遍历，在保证分布式电源额定功率允许的前提下，尽量保证权值大的负荷优先纳入孤岛范围，以权重、负荷的乘积之和最大为目标即：
<mrow>
<msub>
<mi>MAXd</mi>
<mi>t</mi>
</msub>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Subset;</mo>
<msub>
<mi>d</mi>
<mi>t</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
约束条件为：
孤岛内功率约束为
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Subset;</mo>
<mi>d</mi>
</mrow>
</munder>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>D</mi>
<mi>G</mi>
</mrow>
</msub>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
孤岛联通约束为
<mrow>
<mi>j</mi>
<mo>&Subset;</mo>
<mi>d</mi>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
孤岛不相交约束为
d为孤岛范围，wi为节点负荷权重，Li为节点负荷，PDG为分布式电源容量，j为节点间线路，ti表示在i节点的孤岛范围。
6.根据权利要求1所述的分布式电源的选址定容方法，其特征在于：依据负荷停运时间对电网负荷节点进行分类，包括以下过程，以轮盘赌法从故障集中随机选取，生成单点故障，检测故障位置，以此对负荷进行分类，分类规则如下：
(1)故障点与分布式电源在不同分支馈线上，则分布式电源不形成计划孤岛，故障点下游停止运行，停止时间为故障隔离+修复时间，故障点所在分支线路上游停运时间为故障隔离时间；
(2)故障点与分布式电源在同一分支馈线上，故障点在分布式电源下游，且不在分布式电源形成的孤岛范围内，故障点下游停止运行，停止时间为故障隔离+修复时间，故障点上游节点停运时间为故障隔离时间；
(3)故障点与分布式电源在同一分支馈线上，故障点在分布式电源上游，且不在分布式电源形成的孤岛范围内，故不包括孤岛范围内的节点的障点下游停止运行，停止时间为故障隔离+修复时间，孤岛范围内停止时间为分布式电源停止+故障隔离+孤岛启动+分布式电源启动时间，分支馈线上的故障点上游停运时间为故障隔离时间；
(4)故障点与分布式电源在同一分支馈线上，故障点在分布式电源上游且在形成的孤岛范围内，则孤岛范围内不包括故障点至计划孤岛同方向边缘上的节点的停运时间为分布式电源停止+故障隔离+孤岛启动+分布式电源启动时间，故障点下游孤岛范围外节点停运时间为故障隔离+修复时间，同一分支馈线上，其它节点停运时间为故障隔离时间；
(5)故障点处在分布式电源所在分支馈线所连母线的上游，则不包括孤岛范围内的节点的故障下游停止运行，停止时间为故障隔离+修复时间，孤岛范围内停止时间为分布式电源停止+故障隔离+孤岛启动+分布式电源启动时间，故障上游节点停运时间为故障隔离时间；
(6)故障点处在分布式电源所在分支馈线所连母线的下游，则故障下游停止运行，停止时间为故障隔离+修复时间，故障上游节点停运时间为故障隔离时间；
按照停运时间，将节点进行分类：
A类：故障隔离时间；
B类：故障隔离+修复时间；
C类：分布式电源停止+故障隔离+孤岛启动+分布式电源启动时间。
7.根据权利要求1所述的分布式电源的选址定容方法，其特征在于：评估个体适应度，其过程包括：
(1)适应度评价函数与目标函数保持一致，表示为：
<mrow>
<mi>min</mi>
<mi>E</mi>
<mi>L</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>E</mi>
<mi>i</mi>
</msub>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
(2)重复对负荷进行分类并分别进行适应度评价，对多次评价结果取平均值为个体的最终适应度。
8.根据权利要求1所述的分布式电源的选址定容方法，其特征在于：精英策略为将同代个体的适应值由小到大排序，选取前三个表现良好的个体，与子代三个适应值排序后三个比较，选取适应值大的个体进行替换或保留，确保优良个体的遗传，当达到最大遗传代数或连续多代适应值不发生改变时停止遗传。
9.根据权利要求1所述的分布式电源的选址定容方法，其特征在于：自适应遗传算子的交叉概率为：
<mrow>
<msub>
<mi>P</mi>
<mi>c</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>c</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msup>
<mi>f</mi>
<mo>&prime;</mo>
</msup>
<mo>&GreaterEqual;</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>c</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>*</mo>
<mfrac>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>c</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>c</mi>
<mn>2</mn>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>f</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<msup>
<mi>f</mi>
<mo>&prime;</mo>
</msup>
<mo>-</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msup>
<mi>f</mi>
<mo>&prime;</mo>
</msup>
<mo>&le;</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
式中：fmax是种群中最大的适应度值；favg是种群中平均适应度值；f′是即将交叉的两个个体中较大的适应度值，Pc1＝0.9，Pc2＝0.6。
10.根据权利要求1所述的分布式电源的选址定容方法，其特征在于：自适应遗传算子的变异概率为：
<mrow>
<msub>
<mi>P</mi>
<mi>m</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mo>&GreaterEqual;</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>*</mo>
<mfrac>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mn>2</mn>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>f</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>-</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mo>&le;</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
式中：fmax是种群中最大的适应度值；favg是种群中平均适应度值；f是即将变异的个体适应度值，Pc1＝0.1，Pc2＝0.05。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710532410.4A CN107248754A (zh) | 2017-07-03 | 2017-07-03 | 一种分布式电源的选址定容方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710532410.4A CN107248754A (zh) | 2017-07-03 | 2017-07-03 | 一种分布式电源的选址定容方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107248754A true CN107248754A (zh) | 2017-10-13 |
Family
ID=60014251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710532410.4A Pending CN107248754A (zh) | 2017-07-03 | 2017-07-03 | 一种分布式电源的选址定容方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107248754A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108599233A (zh) * | 2018-04-09 | 2018-09-28 | 中国电力科学研究院有限公司 | 一种含分布式电源的配电网接纳容量确定方法和装置 |
| CN109768568A (zh) * | 2018-12-24 | 2019-05-17 | 贵州电网有限责任公司 | 基于大数据分析的分布式电源接入配电网规划改造方法 |
| CN113326581A (zh) * | 2021-05-28 | 2021-08-31 | 江麓机电集团有限公司 | 一种基于组合生产和设备故障约束的遗传调度方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930078A (zh) * | 2012-09-28 | 2013-02-13 | 南方电网科学研究院有限责任公司 | 一种孤立微网分布式电源容量与布点优化方法 |
| CN103971299A (zh) * | 2014-05-26 | 2014-08-06 | 湖南大学 | 一种基于和声算法的配电网孤岛划分方法 |
| CN105488593A (zh) * | 2015-12-07 | 2016-04-13 | 嘉兴国电通新能源科技有限公司 | 一种基于遗传算法的定容分布式电源发电最优选址及容量分配方法 |
| CN106058859A (zh) * | 2016-07-04 | 2016-10-26 | 国网重庆市电力公司电力科学研究院 | 一种含微网的复杂配电网可靠性评估算法 |
-
2017
- 2017-07-03 CN CN201710532410.4A patent/CN107248754A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930078A (zh) * | 2012-09-28 | 2013-02-13 | 南方电网科学研究院有限责任公司 | 一种孤立微网分布式电源容量与布点优化方法 |
| CN103971299A (zh) * | 2014-05-26 | 2014-08-06 | 湖南大学 | 一种基于和声算法的配电网孤岛划分方法 |
| CN105488593A (zh) * | 2015-12-07 | 2016-04-13 | 嘉兴国电通新能源科技有限公司 | 一种基于遗传算法的定容分布式电源发电最优选址及容量分配方法 |
| CN106058859A (zh) * | 2016-07-04 | 2016-10-26 | 国网重庆市电力公司电力科学研究院 | 一种含微网的复杂配电网可靠性评估算法 |
Non-Patent Citations (3)
| Title |
|---|
| LEI LIU等: "Siting And Sizing Of Distributed Generation Based On The Minimum Transmission Losses Cost", 《 2011 IEEE POWER ENGINEERING AND AUTOMATION CONFERENCE》 * |
| 李亮等: "考虑时序特性的多目标分布式电源选址定容规划", 《电力系统自动化》 * |
| 李佳祥: "分布式电源选址与定容的研究现状综述", 《通信电源技术》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108599233A (zh) * | 2018-04-09 | 2018-09-28 | 中国电力科学研究院有限公司 | 一种含分布式电源的配电网接纳容量确定方法和装置 |
| CN108599233B (zh) * | 2018-04-09 | 2022-10-04 | 中国电力科学研究院有限公司 | 一种含分布式电源的配电网接纳容量确定方法和装置 |
| CN109768568A (zh) * | 2018-12-24 | 2019-05-17 | 贵州电网有限责任公司 | 基于大数据分析的分布式电源接入配电网规划改造方法 |
| CN113326581A (zh) * | 2021-05-28 | 2021-08-31 | 江麓机电集团有限公司 | 一种基于组合生产和设备故障约束的遗传调度方法 |
| CN113326581B (zh) * | 2021-05-28 | 2022-07-19 | 江麓机电集团有限公司 | 一种基于组合生产和设备故障约束的遗传调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Prakash et al. | Optimal sizing and siting techniques for distributed generation in distribution systems: A review | |
| CN104751246B (zh) | 一种基于随机机会约束的有源配电网规划方法 | |
| CN102945296B (zh) | 一种需求响应视角下的配电网不确定性重构建模方法 | |
| CN106487005A (zh) | 一种考虑输配电价的电网规划方法 | |
| CN107887903A (zh) | 考虑元件频率特性的微电网鲁棒优化调度方法 | |
| CN107316125A (zh) | 一种基于经济运行域的主动配电网经济运行评价方法 | |
| CN107248754A (zh) | 一种分布式电源的选址定容方法 | |
| CN105512472B (zh) | 大型风电基地功率汇集系统拓扑结构分层优化设计方法 | |
| CN107492908A (zh) | 一种基于分布式电源接入的馈线优化规划方法 | |
| CN113705962B (zh) | 一种基于分布鲁棒优化的虚拟电厂日前调度方法 | |
| CN106296451A (zh) | 一种基于遗传算法的故障限流器优化布点配置方法 | |
| CN102593829A (zh) | 计及关键支路的输电断面确定方法与装置 | |
| CN101320914B (zh) | 一种增强电网输送能力的应急调度方法 | |
| CN107681655A (zh) | 一种潮汐流能发电场协调规划方法 | |
| CN107194574A (zh) | 一种基于负荷损失的电网安全风险评估方法 | |
| CN106354985A (zh) | 一种考虑分布式电源的配电系统可靠性评估方法 | |
| Sarmiento et al. | Increasing the PV hosting capacity with OLTC technology and PV VAr absorption in a MV/LV rural Brazilian distribution system | |
| CN104866919A (zh) | 基于改进nsga-ii的含风电场电网多目标规划方法 | |
| CN107633320A (zh) | 一种基于气象预测和风险评估的电网线路重要度评估方法 | |
| CN107622360A (zh) | 一种综合考虑主客观因素的关键线路识别方法 | |
| CN109598377A (zh) | 一种基于故障约束的交直流混合配电网鲁棒规划方法 | |
| CN105356465A (zh) | 一种经济性与安全性协调的输电网规划平台及应用 | |
| CN105305488A (zh) | 一种考虑新能源并网对输电网利用率影响的评价方法 | |
| CN107123983A (zh) | 一种基于安全域的变电站接入方案辅助评估方法 | |
| Li et al. | Optimized energy storage system configuration for voltage regulation of distribution network with PV access |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171013 |