CN107732958B - 一种计及源荷协同恢复的独立微电网黑启动优化方法 - Google Patents

Abstract

本发明公开一种计及源荷协同恢复的独立微电网黑启动优化方法，本发明综合考虑了具有黑启动能力的分布式电源技术特性、启动成本和负荷重要性等多种性能指标，采用二进制差分进化方法对独立微电网系统中分布式电源启动顺序和负荷投切顺序进行了高效优化，可实现独立微电网分布式电源与负荷协同恢复的黑启动优化效果，具有现有技术所不具备的以下优点：独立微电网系统黑启动响应时间更短，在保证不同等级负荷恢复的前提下可实现黑启动综合成本更低。

Description

一种计及源荷协同恢复的独立微电网黑启动优化方法

技术领域

本发明涉及新能源微电网系统运行管理领域智能优化技术，特别涉及一种计及源荷协同恢复的独立微电网黑启动优化方法。

背景技术

独立微电网黑启动是指在微电网因故障停运进入全黑状态后，在无法依赖大电网或其它微电网协助的情形下，仅仅通过启动微电网自身所具有黑启动能力的分布式电源，从而带动其它无黑启动能力的分布式电源，逐步扩大系统的恢复范围，最终实现整个微电网系统的重新启动。相比传统电网，微电网系统内部包含了大量控制灵活且响应速度较快的电力电子功率变换装置，过载能力、故障穿越能力和单机发电容量均远远小于传统电源，所以微电网系统黑启动技术无法直接借用传统电网黑启动技术方案。

目前，传统电网黑启动在机组恢复和负荷恢复等方面取得了较多研究进展，但国内外针对微电网的黑启动技术研发还处于起步阶段，仅有少数研究人员基于多代理技术、广义最小生成树以及粒子群优化方法对微电网或多微电网黑启动方法进行了研究探索。现有技术还没有综合考虑计及黑启动成本和负荷重要性等多性能指标的独立微电网系统分布式电源和负荷协同恢复的黑启动优化问题，因此如何设计独立微电网系统黑启动优化方案实现分布式电源和重要负荷快速且低成本的协同恢复已成为微电网系统领域亟待解决的技术难题之一。

发明内容

本发明的目的在于针对现有技术的不足，提供一种计及源荷协同恢复的独立微电网黑启动优化方法。

本发明的目的是通过以下技术方案来实现的：一种计及源荷协同恢复的独立微电网黑启动优化方法，该方法包括以下步骤：步骤一：将独立微电网拓扑结构、分布式电源和负荷点参数输入到监控计算机中，其中分布式电源参数包括分布式电源的类型、输出容量、启动时间、带载能力、调压调频能力和启动成本，负荷点参数包括负荷点容量、重要程度；

步骤二：设置优化方法的参数数值，包括种群规模N，最大迭代次数I_max，交叉概率CR；

步骤三：随机产生一个二进制编码的种群P＝{p₁,p₂,…,p_i,....,p_N}，i＝1,2,...,N,其中第i个个体p_i＝[p_i1,p_i2,...,p_ij,...,p_in]，j＝1,2,...,n，p_i表示对n个分布式电源和负荷点状态进行二进制编码的二进制向量，n＝n_G+n_L，n_G和n_L分别表示分布式电源和负荷点的数量，p_ij的定义为：若第j个分布式电源或负荷点启动，则p_ij＝1；若第j个分布式电源或负荷点未启动，则p_ij＝0；

步骤四：按照式(1)～(5)计算种群P中每个个体p_i的适应度值J(p_i)，将种群中的最大适应度值标记为当前最好适应度值F_best，即F_best＝max{J(p_i),i＝1,2,...,N}，将对应的个体标记为当前最好个体S_best；

其中，P_i(t)表示第i个分布式电源在t时刻的有功功率，L_i表示第i个分布式电源附近负荷的重要程度，ω_l表示l级负荷的权重系数，l＝1,2,3，L_il表示与第i个分布式电源相连接的所有节点负荷中l级负荷所占的比重，P_Lj表示第j个负荷的有功功率，α₁，α₂，α₃表示权重系数，ω_Lj表示负荷j的权重系数，s_ik表示第i个分布式电源的第k种性能归一化评价值，分布式电源包括风力发电机、光伏发电、柴油发电机、微型燃气轮机、燃料电池、蓄电池、超级电容器，性能指标包括分布式电源输出容量、启动时间、带载能力、调压调频能力和启动成本，n_p表示性能指标的数量，ω_ik表示性能归一化评价值s_ik的权重系数，S_imin表示满足黑启动最低要求的评价下限值；

步骤五：对种群P中每个个体p_i(i＝1,2,…,N)进行二进制变异，具体变异操作如式(6)～(8)所示，从而获得新的种群P_m＝{p_mi,i＝1,2,…,N}；

其中，p_i1,p_i2,p_i3是从种群P中随机选择的3个个体，r_mi为从0到1之间选取的随机数；

步骤六：按照式(9)对种群P_m进行交叉获得新的种群P_c＝{p_ci,i＝1,2,…,N}；

其中，CR表示交叉概率，r_ci为从0到1之间选取的随机数；

步骤七：按照式(10)对种群P_c＝{p_ci,i＝1,2,…,N}进行选择，获得种群P_n＝{p_ni,i＝1,2,…,N}；

步骤八：按照式(1)～(5)计算P_n的适应度值{J(p_ni),i＝1,2,…,N}，若F_best<max{J(p_ni),i＝1,2,…,N}，则F_best＝max{J(p_ni),i＝1,2,…,N}，将对应的个体替换S_best；否则，F_best和S_best保持不变；

步骤九：无条件地接受P＝P_n；

步骤十：重复步骤四～九直到满足最大迭代次数I_max；

步骤十一：输出当前最好个体S_best和对应的当前最好适应度值F_best，获得计及源荷协同恢复的独立微电网黑启动优化方案S_best＝(p_b1,p_b2,...,p_bj,...,p_bn)，j＝1,2,...,n，其中p_bj表示优化后的第j个分布式电源或负荷点启动状态。

与现有技术相比，本发明的优点是：本发明综合考虑了具有黑启动能力的分布式电源的技术特性、启动成本和负荷重要性等多种性能指标，对分布式电源启动顺序和负荷投切顺序进行了优化，采用本发明可实现独立微电网分布式电源与负荷协同恢复的黑启动优化效果，具有现有技术所不具备的以下优点：独立微电网系统黑启动响应时间更短，在保证不同等级负荷恢复的前提可实现黑启动综合成本更低。

附图说明

图1为本发明实施例中国内某独立微电网系统结构图；

图2为本发明计及源荷协同恢复的独立微电网黑启动优化方法的实现过程图。

具体实施方式

下面结合附图对本发明进一步说明，本发明的目的和效果将更加明显。

图1是国内某独立微电网系统结构图，图中G1为风力发电机、G2为燃料电池、G3为蓄电池、G8为柴油发电机、G13为风力发电机、G22为微型燃气轮机、G23为超级电容、G25为蓄电池、G27光伏阵列、L4，L5，…，L30为负荷节点。

图2是计及源荷协同恢复的独立微电网黑启动优化方法的实现过程图。

以国内某400V独立微电网系统为例，采用本发明提出的一种计及源荷协同恢复的独立微电网黑启动优化方法进行实施。

步骤一：将如图1所示的独立微电网拓扑结构、分布式电源和负荷点参数输入到监控计算机中，其中分布式电源参数包括分布式电源的类型、输出容量、启动时间、带载能力、调压调频能力和启动成本，负荷点参数包括负荷点容量、重要程度；

步骤二：设置优化方法的参数数值，包括种群规模N＝30，最大迭代次数I_max＝100，交叉概率CR＝0.9；

步骤三：随机产生一个二进制编码的种群P＝{p₁,p₂,…,p_i,....,p_N}，i＝1,2,...,N,其中第i个个体p_i＝[p_i1,p_i2,...,p_ij,...,p_in]，j＝1,2,...,n，p_i表示对n个分布式电源和负荷点状态进行二进制编码的二进制向量，n＝n_G+n_L，n_G和n_L分别表示分布式电源和负荷点的数量，p_ij的定义为：若第j个分布式电源或负荷点启动，则p_ij＝1；若第j个分布式电源或负荷点未启动，则p_ij＝0；

步骤四：按照式(1)～(5)计算种群P中每个个体p_i的适应度值J(p_i)，将种群中的最大适应度值标记为当前最好适应度值F_best，即F_best＝max{J(p_i),i＝1,2,...,N}，将对应的个体标记为当前最好个体S_best；

其中，P_i(t)表示第i个分布式电源在t时刻的有功功率，L_i表示第i个分布式电源附近负荷的重要程度，ω_l表示l级负荷的权重系数，l＝1,2,3，L_il表示与第i个分布式电源相连接的所有节点负荷中l级负荷所占的比重，P_Lj表示第j个负荷的有功功率，α₁，α₂，α₃表示权重系数，ω_Lj表示负荷j的权重系数，s_ik表示第i个分布式电源的第k种性能归一化评价值，分布式电源包括风力发电机、光伏发电、柴油发电机、微型燃气轮机、燃料电池、蓄电池、超级电容器，性能指标包括分布式电源输出容量、启动时间、带载能力、调压调频能力和启动成本，n_p表示性能指标的数量，ω_ik表示性能归一化评价值s_ik的权重系数，S_imin表示满足黑启动最低要求的评价下限值；

步骤五：对种群P中每个个体p_i(i＝1,2,…,N)进行二进制变异，具体变异操作如式(6)～(8)所示，从而获得新的种群P_m＝{p_mi,i＝1,2,…,N}；

其中，p_i1,p_i2,p_i3是从种群P中随机选择的3个个体，r_mi为从0到1之间选取的随机数；

步骤六：按照式(9)对种群P_m进行交叉获得新的种群P_c＝{p_ci,i＝1,2,…,N}；

其中，CR表示交叉概率，r_ci为从0到1之间选取的随机数；

步骤七：按照式(10)对种群P_c＝{p_ci,i＝1,2,…,N}进行选择，获得种群P_n＝{p_ni,i＝1,2,…,N}；

步骤八：按照式(1)～(5)计算P_n的适应度值{J(p_ni),i＝1,2,…,N}，若F_best<max{J(p_ni),i＝1,2,…,N}，则F_best＝max{J(p_ni),i＝1,2,…,N}，将对应的个体替换S_best；否则，F_best和S_best保持不变；

步骤九：无条件地接受P＝P_n；

步骤十：重复步骤四～九直到满足最大迭代次数I_max＝100；

步骤十一：输出当前最好个体S_best和对应的当前最好适应度值F_best，获得计及源荷协同恢复的独立微电网黑启动优化方案S_best＝(p_b1,p_b2,...,p_bj,...,p_bn)，j＝1,2,...,n，其中p_bj表示优化后的第j个分布式电源或负荷点启动状态。

通过对采用本发明技术与现有技术的实验结果对比分析，我们可以发现：采用本发明可实现独立微电网分布式电源与负荷协同恢复的黑启动优化效果，独立微电网系统黑启动响应时间比现有技术至少降低5％，在保证不同等级负荷恢复的前提可实现黑启动综合成本比现有技术至少降低3％。

以上所述仅为本发明的具体实施例，但本发明的技术特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。

Claims (1)

1.一种计及源荷协同恢复的独立微电网黑启动优化方法，其特征在于，该方法包括以下步骤：

步骤一：将独立微电网拓扑结构、分布式电源和负荷点参数输入到监控计算机中，其中分布式电源参数包括分布式电源的类型、输出容量、启动时间、带载能力、调压调频能力和启动成本，负荷点参数包括负荷点容量、重要程度；

步骤二：设置优化方法的参数数值，包括种群规模N，最大迭代次数I_max，交叉概率CR；

步骤三：随机产生一个二进制编码的种群P＝{p₁,p₂,…,p_i,....,p_N}，i＝1,2,...,N,其中第i个个体p_i＝[p_i1,p_i2,...,p_ij,...,p_in]，j＝1,2,...,n，p_i表示对n个分布式电源和负荷点状态进行二进制编码的二进制向量，n＝n_G+n_L，n_G和n_L分别表示分布式电源和负荷点的数量，p_ij的定义为：若第j个分布式电源或负荷点启动，则p_ij＝1；若第j个分布式电源或负荷点未启动，则p_ij＝0；

步骤四：按照式(1)～(5)计算种群P中每个个体p_i的适应度值J(p_i)，将种群中的最大适应度值标记为当前最好适应度值F_best，即F_best＝max{J(p_i),i＝1,2,...,N}，将对应的个体标记为当前最好个体S_best；

其中，P_i(t)表示第i个分布式电源在t时刻的有功功率，L_i表示第i个分布式电源附近负荷的重要程度，ω_l表示l级负荷的权重系数，l＝1,2,3，L_il表示与第i个分布式电源相连接的所有节点负荷中l级负荷所占的比重，P_Lj表示第j个负荷的有功功率，α₁，α₂，α₃表示权重系数，ω_Lj表示负荷j的权重系数，s_ik表示第i个分布式电源的第k种性能归一化评价值，分布式电源包括风力发电机、光伏发电、柴油发电机、微型燃气轮机、燃料电池、蓄电池、超级电容器，性能指标包括分布式电源输出容量、启动时间、带载能力、调压调频能力和启动成本，n_p表示性能指标的数量，ω_ik表示性能归一化评价值s_ik的权重系数，S_imin表示满足黑启动最低要求的评价下限值；

步骤五：对种群P中每个个体p_i(i＝1,2,…,N)进行二进制变异，具体变异操作如式(6)～(8)所示，从而获得新的种群P_m＝{p_mi,i＝1,2,…,N}；

其中，p_i1,p_i2,p_i3是从种群P中随机选择的3个个体，r_mi为从0到1之间选取的随机数；

步骤六：按照式(9)对种群P_m进行交叉获得新的种群P_c＝{p_ci,i＝1,2,…,N}；

其中，CR表示交叉概率，r_ci为从0到1之间选取的随机数；

步骤七：按照式(10)对种群P_c＝{p_ci,i＝1,2,…,N}进行选择，获得种群P_n＝{p_ni,i＝1,2,…,N}；

步骤八：按照式(1)～(5)计算P_n的适应度值{J(p_ni),i＝1,2,…,N}，若F_best<max{J(p_ni),i＝1,2,…,N}，则F_best＝max{J(p_ni),i＝1,2,…,N}，将对应的个体替换S_best；否则，F_best和S_best保持不变；

步骤九：无条件地接受P＝P_n；

步骤十：重复步骤四～九直到满足最大迭代次数I_max；

步骤十一：输出当前最好个体S_best和对应的当前最好适应度值F_best，获得计及源荷协同恢复的独立微电网黑启动优化方案S_best＝(p_b1,p_b2,...,p_bj,...,p_bn)，j＝1,2,...,n，其中p_bj表示优化后的第j个分布式电源或负荷点启动状态。