CN107506839A - 基于并行遗传算法的交直流混合配电网分区规划方法 - Google Patents

基于并行遗传算法的交直流混合配电网分区规划方法 Download PDF

Info

Publication number
CN107506839A
CN107506839A CN201610412440.7A CN201610412440A CN107506839A CN 107506839 A CN107506839 A CN 107506839A CN 201610412440 A CN201610412440 A CN 201610412440A CN 107506839 A CN107506839 A CN 107506839A
Authority
CN
China
Prior art keywords
mrow
msub
transformer station
direct current
alternating current
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
Application number
CN201610412440.7A
Other languages
English (en)
Inventor
孙国萌
韩蓓
李国杰
黄仁乐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
State Grid Beijing Electric Power Co Ltd
Original Assignee
Shanghai Jiaotong University
State Grid Beijing Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University, State Grid Beijing Electric Power Co Ltd filed Critical Shanghai Jiaotong University
Priority to CN201610412440.7A priority Critical patent/CN107506839A/zh
Publication of CN107506839A publication Critical patent/CN107506839A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Evolutionary Biology (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于并行遗传算法的交直流混合配电网分区规划方法，包括步骤：1)设定交直流混合配电网分区方法；2)设定交直流混合配电网规划方法，具体包括变电站规划方法、分布式电源规划方法；3)采用并行遗传算法对规划方案进行求解。本发明可以对由柔性直流装置、交流线路、直流线路、交流负载、直流负载构成的交直流混合配电网进行规划求解。本发明有效提高了规划精度，避免了信息无法交互的问题，使结果更加可靠。

Description

基于并行遗传算法的交直流混合配电网分区规划方法
技术领域
本发明涉及交直流混合配电网优化规划，特别是一种基于并行遗传算法的交直流混合配电网分区规划方法。
背景技术
配电网规划是配电网建设的重要组成部分，城市配电网作为对可靠性、供电能力和经济性的要求都很高，良好的网架结构对提高可靠性、供电能力和经济性起到关键作用。传统的配电网规划方法已日趋成熟，随着直流源、荷和柔性直流技术的发展，交直流混合配电网在技术经济性上体现出更大的优势，是未来配电网的重要发展方向。
经过近十年的高速发展,我国的电力系统和城市电网规模不断扩大，伴随而来的是短路电流不断增大。为了使系统中短路电流不超过断路器的可开断容量同时为避免形成电磁环网，城市交直流混合配电网采用分区运行的方式，所以，需要在电网的规划阶段就考虑分区规划，增加规划结果的准确性和实用性。相比于传统配电网，一方面交直流混合配电网包括了很多直流源荷，另一方面采用分区规划，就会极大的增加了规划目标的复杂性和问题的求解规模，需要一个快速、收敛性优的算法来实现上述目的。
发明内容
本发明目的是提供一种基于并行遗传算法的交直流混合配电网分区规划方法，该方法解决了传统配电网规划方法不能适应交直流配电网规划、计算缓慢的问题。在保证规划方法的准确性和实用性的基础上，具有仿真速度快和良好的收敛性。
本发明的技术解决方案如下：
一种基于并行遗传算法的交直流混合配电网分区规划方法，该方法包括如下步骤：
步骤1、设定交直流混合配电网分区方法；
步骤2、设定交直流混合配电网规划方法，具体包括变电站规划方法、分布式电源规划方法；
步骤3、结合步骤2、步骤3的交直流混合配电网分区规划方法，建立优化模型，再利用并行遗传算法对其进行优化求解。
所述的交直流混合配电网分区方法，具体步骤如下：
1)生成泰森多边形：
将需要进行规划的交直流混合配电网区域(以下简称“规划区”)内的n个变电站抽象为生成元，由规划区内n个点组成的集合S＝{a1,a2,...,an}生成以点a为生成元的泰森多边形：
其中，ai(i＝1,2,...,n)为已知的n个变电站的位置；d(a,ai)为点a到点ai的欧氏距离；区域V(ai)为ai的泰森多边形区域，由规划区内所有到ai的距离比其他点的距离都小的点组成。
2)增加权重：
给定平面上n个点的点集，Wi(i＝1,2,...,n)是给定的n个正实数。
其中，x为规划区内的任意点，Wi为ai的权重。
3)确定权重：
权重主要考虑变电站带载能力、供电半径及供电分区的行政区划，构造权重为：
wi＝fpsi+gpLi+hpdi+kpbi+mpqi+npmi
其中，psi为主变容量系数，变电站i的容量为Si，所有变电站容量的算术平均值为则变电站i的主变容量系数为pLi为主变负载率，psi＝(1-Li/Si)/0.5；pdi为供电距离系数，pqi为归属地系数，在供电局同一管辖区取1，不在同一管辖区取0；pmi为负荷密度系数，是此分区的负荷密度系数与规划区平均负荷密度的商；f,g,h,k,m,n为加权系数。
所述的交直流混合配电网规划方法，具体步骤如下：
1)变电站规划：
1A.采用最小费用模型，选择变电站及线路的投资费用最小、变电站及网络运行费用最低为目标函数，其表达式为：
min Csub＝C1+C2+C3
式中，Csub为变电站的年度总成本，C1为变电站投资与年运行费用，C2为线路投资费用，C3为线路损耗费用。
1B.变电站的投资与年运行费用可表示为：
式中，f(hi)为第i个变电站的容量，r0为项目的贴现率，Nsub为变电站的总数量，msub为所需投建变电站的投资成本年限，u(hi)为所需投建变电站的运行成本。
1C.线路投资总费用可表示为：
式中，α为线路初始投资费用；为第j个负荷点的负荷值；dij为第i个变电站到第j个负荷点的距离，Nline为线路的总条数，mline为所需投建线路的投资成本年限。
1D.线路损耗费用可表示为：
式中，β为线路年损耗费用；为第j个负荷点的负荷值；dij为第i个变电站到第j个负荷点的距离，Nline为线路的总条数。
1E.约束条件为：
dij≤dmax
式中，dij为第i个变电站到第j个负荷点的距离，dmax为已知最大允许供电半径。
2)分布式电源规划：
2A.以费用最小为目标函数，其表达式为：
min CDG＝Cinv+Cf+Closs
式中，CDG为分布式电源总费用。Cinv为分布式电源投资费用；Cf为分布式电源产生的燃料费用；Closs为分布式电源损耗费用。
分布式电源投资费用可表示为：
Cinv＝NDG·EDG·PDG
式中，NDG为分布式电源的数量，EDG是分布式电源的单位造价，PDG已知的每台分布式电源的额定功率。
分布式电源产生的燃料费用可表示为：
Cf＝kfCinv
式中，Cinv为分布式电源投资费用，kf为比例系数，此处取0.15。
分布式电源损耗费用可表示为：
Closs＝klossCinv
式中，Cinv为分布式电源投资费用，kloss为比例系数，此处取0.02。
本发明的有益效果是：
1)传统配电网规划方法只考虑交流电源和交流负载，本发明考虑直流电源和直流负载，采用经济性最优的原理规划变电站、线路和分布式电源。
2)城市配电网一般规模较大，在实际规划前首先采用V图法，对交直流混合配电网进行分区，有效提高了规划精度。
3)采用并行遗传算法计算规划模型，避免了传统遗传算法种群信息无法交互的问题，使得计算结果更加可靠。
4)针对交直流混合配电网实际工程进行规划，结果证明了该方法的有效性和实用性。
附图说明
图1是本发明基于并行遗传算法的交直流混合配电网分区规划方法的流程图
图2是本发明规划结果示意图。
图3是本发明规划费用示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明，但不应以此限制本发明的保护范围。
先请参阅图1，图1是本发明基于并行遗传算法的交直流混合配电网分区规划方法的流程图，由图可见，本发明首先通过分区方法将待规划的交直流混合配电网进行分区；然后通过交直流混合配电网规划方法(主要包括变电站规划和分布式电源规划)建立分区内的规划模型；最后利用并行遗传算法求解规划模型，得到最终方案。下面详细介绍图1所示的流程。
第一步：交直流混合配电网分区方法。
1)生成泰森多边形：
将需要进行规划的交直流混合配电网区域(以下简称“规划区”)内的n个变电站抽象为生成元，由规划区内n个点组成的集合S＝{a1,a2,...,an}生成以点a为生成元的泰森多边形：
其中，ai(i＝1,2,...,n)为已知的n个变电站的位置；d(a,ai)为点a到点ai的欧氏距离；区域V(ai)为ai的泰森多边形区域，由规划区内所有到ai的距离比其他点的距离都小的点组成。
2)增加权重：
给定平面上n个点的点集，Wi(i＝1,2,...,n)是给定的n个正实数。
其中，x为规划区内的任意点，Wi为ai的权重。
3)确定权重：
权重主要考虑变电站带载能力、供电半径及供电分区的行政区划，构造权重为：
wi＝fpsi+gpLi+hpdi+kpbi+mpqi+npmi
其中，psi为主变容量系数，变电站i的容量为Si，所有变电站容量的算术平均值为则变电站i的主变容量系数为pLi为主变负载率，psi＝(1-Li/Si)/0.5；pdi为供电距离系数，pqi为归属地系数，在供电局同一管辖区取1，不在同一管辖区取0；pmi为负荷密度系数，是此分区的负荷密度系数与规划区平均负荷密度的商；f,g,h,k,m,n为加权系数。
第二步：交直流混合配电网规划方法。
1)变电站、线路规划：
1A.采用最小费用模型，选择变电站及线路的投资费用最小、变电站及网络运行费用最低为目标函数，其表达式为：
minCsub＝C1+C2+C3
式中，Csub为变电站的年度总成本，C1为变电站投资与年运行费用，C2为线路投资费用，C3为线路损耗费用。
1B.变电站的投资与年运行费用可表示为：
式中，f(hi)为第i个变电站的容量，r0为项目的贴现率，Nsub为变电站的总数量，msub为所需投建变电站的投资成本年限，u(hi)为所需投建变电站的运行成本。
1C.线路投资总费用可表示为：
式中，α为线路初始投资费用；为第j个负荷点的负荷值；dij为第i个变电站到第j个负荷点的距离，Nline为线路的总条数，mline为所需投建线路的投资成本年限。
1D.线路损耗费用可表示为：
式中，β为线路年损耗费用；为第j个负荷点的负荷值；dij为第i个变电站到第j个负荷点的距离，Nline为线路的总条数。
1E.约束条件为：
dij≤dmax
式中，dij为第i个变电站到第j个负荷点的距离，dmax为已知最大允许供电半径。
2)分布式电源规划：
2A.以费用最小为目标函数，其表达式为：
min CDG＝Cinv+Cf+Closs
式中，CDG为分布式电源总费用。Cinv为分布式电源投资费用；Cf为分布式电源产生的燃料费用；Closs为分布式电源损耗费用。
分布式电源投资费用可表示为：
Cinv＝NDG·EDG·PDG
式中，NDG为分布式电源的数量，EDG是分布式电源的单位造价，PDG已知的每台分布式电源的额定功率。
分布式电源产生的燃料费用可表示为：
Cf＝kfCinv
式中，Cinv为分布式电源投资费用，kf为比例系数，此处取0.15。
分布式电源损耗费用可表示为：
Closs＝klossCinv
式中，Cinv为分布式电源投资费用，kloss为比例系数，此处取0.02。
第三步：采用并行遗传算法进行求解。
并行遗传算法已有较为成熟的理论，分别将变电站规划、分布式电源规划、作为并行遗传算法的二个子种群进行求解，在此不再赘述。通过以上步骤，可以得到基于并行遗传算法的交直流混合配电网分区规划结果，还可以进行多次求解，结果显示该算法具有快速收敛性。
应用于交直流混合配电网规划中，假设线路投资与长度成正比，计算中可用长度代替费用表示；线路电抗采用每公里标么值表示，计算标么值时，功率基准值取为100MW；线路投资费用为50万元/km；支路容量限制依据统计数据给出,其中表中所示距离较长路径其允许输送容量少些，规划结果如下图2和图3所示。
仿真结果证明，该发明提出的一种基于并行遗传算法的交直流混合配电网分区规划方法采用并行遗传算法对电网的网络结构能够进行有效规划，算法具有很好的收敛性。

Claims (3)

1.一种基于并行遗传算法的交直流混合配电网分区规划方法，其特征在于，该方法包括如下步骤：
步骤1、设定交直流混合配电网分区方法；
步骤2、设定交直流混合配电网规划方法，具体包括变电站规划方法、分布式电源规划方法；
步骤3、结合步骤2、步骤3的交直流混合配电网分区规划方法，建立优化模型，利用并行遗传算法求解。
2.根据权利要求1所述的基于并行遗传算法的交直流混合配电网分区规划方法，其特征在于，所述的步骤1中设定交直流混合配电网分区方法，步骤如下：
1)生成泰森多边形：
将需要进行规划的交直流混合配电网区域内的n个变电站抽象为生成元，由规划区内n个点组成的集合S＝{a1,a2,...,an}生成以点a为生成元的泰森多边形：
<mrow> <mi>V</mi> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <munder> <mrow> <mi></mi> <mo>&amp;cap;</mo> </mrow> <mrow> <mi>j</mi> <mo>&amp;NotEqual;</mo> <mi>i</mi> </mrow> </munder> <mo>{</mo> <mi>a</mi> <mo>|</mo> <mi>d</mi> <mrow> <mo>(</mo> <mi>a</mi> <mo>,</mo> <msub> <mi>a</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>&lt;</mo> <mi>d</mi> <mrow> <mo>(</mo> <mi>a</mi> <mo>,</mo> <msub> <mi>a</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mo>}</mo> <mo>,</mo> <mrow> <mo>(</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>n</mi> <mo>)</mo> </mrow> </mrow>
其中，ai(i＝1,2,...,n)为已知的n个变电站的位置；d(a,ai)为点a到点ai的欧氏距离；区域V(ai)为ai的泰森多边形区域；
2)增加权重：
给定平面上n个点的点集，Wi(i＝1,2,...,n)是给定的n个正实数；
<mrow> <mi>V</mi> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>W</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mrow> <mi></mi> <mo>&amp;cap;</mo> </mrow> <mrow> <mi>j</mi> <mo>&amp;NotEqual;</mo> <mi>i</mi> </mrow> </munder> <mo>{</mo> <mi>x</mi> <mo>&amp;Element;</mo> <mi>V</mi> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>W</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>|</mo> <mfrac> <mrow> <mi>d</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <msub> <mi>a</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> <msub> <mi>W</mi> <mi>i</mi> </msub> </mfrac> <mo>&lt;</mo> <mfrac> <mrow> <mi>d</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <msub> <mi>a</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> <msub> <mi>W</mi> <mi>j</mi> </msub> </mfrac> <mo>}</mo> <mo>,</mo> <mrow> <mo>(</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>n</mi> <mo>,</mo> <mo>&amp;NotEqual;</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow>
其中，x为规划区内的任意点，Wi为ai的权重；
3)确定权重：
考虑变电站带载能力、供电半径及供电分区的行政区划，构造权重如下：
wi＝fpsi+gpLi+hpdi+kpbi+mpqi+npmi
其中，psi为主变容量系数，变电站i的容量为Si，所有变电站容量的算术平均值为则变电站i的主变容量系数为pLi为主变负载率，psi＝(1-Li/Si)/0.5；pdi为供电距离系数，pqi为归属地系数，在供电局同一管辖区取1，不在同一管辖区取0；pmi为负荷密度系数，是此分区的负荷密度系数与规划区平均负荷密度的商；f,g,h,k,m,n为加权系数。
3.根据权利要求1所述的基于并行遗传算法的交直流混合配电网分区规划方法，其特征在于，所述的步骤2中设定交直流混合配电网规划方法，步骤如下：
1)所述的变电站规划方法如下：
1A.采用最小费用模型，选择变电站及线路的投资费用最小、变电站及网络运行费用最低为目标函数，其表达式为：
minCsub＝C1+C2+C3
式中，Csub为变电站的年度总成本，C1为变电站投资与年运行费用，C2为线路投资费用，C3为线路损耗费用；
1B.变电站的投资与年运行费用表示为：
<mrow> <msub> <mi>C</mi> <mn>1</mn> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mrow> <mi>s</mi> <mi>u</mi> <mi>b</mi> </mrow> </msub> </munderover> <mo>{</mo> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>h</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>&amp;lsqb;</mo> <mfrac> <mrow> <msub> <mi>r</mi> <mn>0</mn> </msub> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msub> <mi>r</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <msub> <mi>m</mi> <mrow> <mi>s</mi> <mi>u</mi> <mi>b</mi> </mrow> </msub> </msup> </mrow> <mrow> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msub> <mi>r</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <msub> <mi>m</mi> <mrow> <mi>s</mi> <mi>u</mi> <mi>b</mi> </mrow> </msub> </msup> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <mo>&amp;rsqb;</mo> <mo>}</mo> <mo>+</mo> <mi>u</mi> <mrow> <mo>(</mo> <msub> <mi>h</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>}</mo> </mrow>
式中，f(hi)为第i个变电站的容量，r0为项目的贴现率，Nsub为变电站的总数量，msub为所需投建变电站的投资成本年限，u(hi)为所需投建变电站的运行成本；
1C.线路投资总费用表示为：
<mrow> <msub> <mi>C</mi> <mn>2</mn> </msub> <mo>=</mo> <mi>&amp;alpha;</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mrow> <mi>l</mi> <mi>i</mi> <mi>n</mi> <mi>e</mi> </mrow> </msub> </munderover> <mo>&amp;Sigma;</mo> <msub> <mover> <mi>p</mi> <mo>~</mo> </mover> <mi>j</mi> </msub> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&amp;lsqb;</mo> <mfrac> <mrow> <msub> <mi>r</mi> <mn>0</mn> </msub> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msub> <mi>r</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <msub> <mi>m</mi> <mrow> <mi>li</mi> <mi>n</mi> <mi>e</mi> </mrow> </msub> </msup> </mrow> <mrow> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msub> <mi>r</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <msub> <mi>m</mi> <mrow> <mi>li</mi> <mi>n</mi> <mi>e</mi> </mrow> </msub> </msup> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <mo>&amp;rsqb;</mo> </mrow>
式中，α为线路初始投资费用；为第j个负荷点的负荷值；dij为第i个变电站到第j个负荷点的距离，Nline为线路的总条数，mline为所需投建线路的投资成本年限。
1D.线路损耗费用表示为：
<mrow> <msub> <mi>C</mi> <mn>3</mn> </msub> <mo>=</mo> <mi>&amp;beta;</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mrow> <mi>l</mi> <mi>i</mi> <mi>n</mi> <mi>e</mi> </mrow> </msub> </munderover> <mo>&amp;Sigma;</mo> <msubsup> <mover> <mi>p</mi> <mo>~</mo> </mover> <mi>j</mi> <mn>2</mn> </msubsup> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow>
式中，β为线路年损耗费用；为第j个负荷点的负荷值；dij为第i个变电站到第j个负荷点的距离，Nline为线路的总条数；
1E.约束条件为：
dij≤dmax
式中，dij为第i个变电站到第j个负荷点的距离，dmax为已知最大允许供电半径；
2)分布式电源规划：
2A.以费用最小为目标函数，表达式为：
minCDG＝Cinv+Cf+Closs
式中，CDG为分布式电源总费用，Cinv为分布式电源投资费用；Cf为分布式电源产生的燃料费用；Closs为分布式电源损耗费用；
分布式电源投资费用表示为：
Cinv＝NDG·EDG·PDG
式中，NDG为分布式电源的数量，EDG是分布式电源的单位造价，PDG已知的每台分布式电源的额定功率。
分布式电源产生的燃料费用表示为：
Cf＝kfCinv
式中，Cinv为分布式电源投资费用，kf为比例系数，取0.15；
分布式电源损耗费用表示为：
Closs＝klossCinv
式中，Cinv为分布式电源投资费用，kloss为比例系数，取0.02。
CN201610412440.7A 2016-06-14 2016-06-14 基于并行遗传算法的交直流混合配电网分区规划方法 Pending CN107506839A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610412440.7A CN107506839A (zh) 2016-06-14 2016-06-14 基于并行遗传算法的交直流混合配电网分区规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610412440.7A CN107506839A (zh) 2016-06-14 2016-06-14 基于并行遗传算法的交直流混合配电网分区规划方法

Publications (1)

Publication Number Publication Date
CN107506839A true CN107506839A (zh) 2017-12-22

Family

ID=60678387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610412440.7A Pending CN107506839A (zh) 2016-06-14 2016-06-14 基于并行遗传算法的交直流混合配电网分区规划方法

Country Status (1)

Country Link
CN (1) CN107506839A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109118005A (zh) * 2018-08-16 2019-01-01 杭州东信网络技术有限公司 一种通信传输线路路由智能规划方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116812A (zh) * 2013-02-20 2013-05-22 重庆市电力公司电力科学研究院 一种新型的变电站布点方法
CN104156884A (zh) * 2014-08-01 2014-11-19 国网上海市电力公司 考虑经济性的含微网配电网接线模式规划及评估信息系统
CN105095971A (zh) * 2014-05-07 2015-11-25 国网山东省电力公司泰安供电公司 一种按配电网分区为基础的综合评估规划方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116812A (zh) * 2013-02-20 2013-05-22 重庆市电力公司电力科学研究院 一种新型的变电站布点方法
CN105095971A (zh) * 2014-05-07 2015-11-25 国网山东省电力公司泰安供电公司 一种按配电网分区为基础的综合评估规划方法
CN104156884A (zh) * 2014-08-01 2014-11-19 国网上海市电力公司 考虑经济性的含微网配电网接线模式规划及评估信息系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘笠: "基于分区的含电动汽车充换电站配电网规划研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109118005A (zh) * 2018-08-16 2019-01-01 杭州东信网络技术有限公司 一种通信传输线路路由智能规划方法

Similar Documents

Publication Publication Date Title
Jia et al. Optimal siting and sizing of electric vehicle charging stations
CN104156884B (zh) 考虑经济性的含微网配电网接线模式规划及评估信息系统
Wang et al. Robust planning of electric vehicle charging facilities with an advanced evaluation method
CN106127377A (zh) 一种智能电网多能源综合协调水平评价方法
Zhang et al. Yen’s algorithm-based charging facility planning considering congestion in coupled transportation and power systems
CN109598377B (zh) 一种基于故障约束的交直流混合配电网鲁棒规划方法
CN104281737A (zh) 一种海上风电场集电系统拓扑结构选型方法
CN101192754A (zh) 一种在电力系统中考虑配电网络综合负荷模型的实现方法
CN101895116A (zh) 基于分布因子的在线可用输电能力计算方法
Gupta et al. A review on optimal sizing and siting of distributed generation system: Integrating distributed generation into the grid
CN104766142A (zh) 基于eeac和轨迹灵敏度的暂态稳定约束最优潮流计算方法
Hu et al. Optimal energy management of a DC power traction system in an urban electric railway network with dogleg method
CN108665133A (zh) 一种配电系统运行效率评价模型的构建方法及系统
CN103020729A (zh) 甘肃电网短路电流限制的综合评价方法
CN107085939A (zh) 一种基于路网等级划分的高速公路vms布局优化方法
CN114722714A (zh) 一种考虑交通均衡的电力-交通耦合网络扩展规划方法
CN104598991B (zh) 考虑外送电交易、跨省跨区联络线交易与安全约束的机组组合获取方法
Zelensky et al. Development of a distributed multi-agent system monitoring and control networks of 0.4–35 kV
CN110690700B (zh) 一种基于混合整数规划的能源互联网规划方法
Žarković et al. Reliability improvement of distribution system through distribution system planning: MILP vs. GA
CN107563591A (zh) 一种基于单元制的区域配电网建设优先级计算方法
CN107506839A (zh) 基于并行遗传算法的交直流混合配电网分区规划方法
Chen Cascaded stalling of induction motors in fault-induced delayed voltage recovery (FIDVR)
Raikar et al. Assessment of transmission congestion for major electricity markets in the US
Sharifzadeh et al. Power system challenges and issues

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171222