CN107766991A - 一种分布式电源接入配电网的规划优化方法及系统 - Google Patents

一种分布式电源接入配电网的规划优化方法及系统 Download PDF

Info

Publication number
CN107766991A
CN107766991A CN201711107439.4A CN201711107439A CN107766991A CN 107766991 A CN107766991 A CN 107766991A CN 201711107439 A CN201711107439 A CN 201711107439A CN 107766991 A CN107766991 A CN 107766991A
Authority
CN
China
Prior art keywords
distributed power
mrow
power source
bus
voltage
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
CN201711107439.4A
Other languages
English (en)
Inventor
黄晓明
徐玮韡
陈�峰
周丹
吴俊�
王博文
陆海清
黄弘扬
戴慧雯
任志伟
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.)
Zhejiang University of Technology ZJUT
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Zhejiang University of Technology ZJUT
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Zhejiang 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 Zhejiang University of Technology ZJUT, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Zhejiang University of Technology ZJUT
Priority to CN201711107439.4A priority Critical patent/CN107766991A/zh
Publication of CN107766991A publication Critical patent/CN107766991A/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"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • H02J3/382—
    • 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)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Biophysics (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (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

本发明公开了一种分布式电源接入配电网的规划优化方法及系统。现有的一些优化算法不能保证找到分布式电源的最佳位置和容量大小。本发明方法的技术方案为：建立模型，包括分布式电源及负荷建模、配电网建模和潮流计算建模；引入损耗敏感度因子，用损耗敏感度因子确定安装分布式电源的候选总线；建立目标函数，以配电系统节点有功功率损耗减小值、电压分布的改进值以及电压稳定指数之和的最小值为目标函数；确定约束条件，所述约束条件包括平等约束和不平等约束；采用蚁狮优化算法求解分布式电源位置及大小的最优解。本发明采用蚁狮优化算法优化可再生分布式电源的位置和容量大小，可降低有功功率损耗。

Description

一种分布式电源接入配电网的规划优化方法及系统
技术领域
本发明涉及电源接入配电网的优化，具体地说是一种分布式电源接入配电网的规划优化方法及系统。
背景技术
近年来为应对能源、环保和气候变化的挑战，可再生分布式电源接入配电网是今后的发展趋势，因此研究大量可再生分布式电源接入配电网的位置和大小显得极为重要。可再生分布式电源接入配电网的位置和规模大小影响了配电系统的网络损耗，故需要优化算法来求解可再生分布式电源的位置和大小。
近年来，在文献中已经讨论了许多优化算法来处理该问题。例如用组合算法、粒子群优化算法、萤火虫算法等。然而，由于问题的复杂性，这些优化算法不能保证找到分布式电源的最佳位置和容量大小。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种分布式电源接入配电网的规划优化方法，其利用蚁狮优化算法优化可再生分布式电源的位置和大小，以降低配电系统的有功功率损耗，并降低各种负载条件下的电压分布。
为此，本发明采用如下的技术方案：一种分布式电源接入配电网的规划优化方法，其包括如下步骤：
S1：建立模型，包括分布式电源及负荷建模、配电网建模和潮流计算建模；
S2：引入损耗敏感度因子，用损耗敏感度因子确定安装分布式电源的候选总线；
S3：建立目标函数，为使在步骤S2中确定的候选总线上安装的分布式电源达到最优位置和大小，以配电系统节点有功功率损耗减小值、电压分布的改进值以及电压稳定指数之和的最小值为目标函数；
S4：确定约束条件，所述约束条件包括平等约束和不平等约束，所述的平等约束包括功率守恒约束，所述的不平等约束包括电压约束、分布式电源的限制约束和线路容量约束；
S5：采用蚁狮优化算法求解分布式电源位置及大小的最优解。
作为上述技术方案的优选，步骤S1中，所述的分布式电源建立蒙特卡罗模型，负荷建模考虑分布式电源建模的相关性，采用相关性随机抽样方法；所述的潮流计算建模，用蒙特卡罗进行潮流计算。
作为上述技术方案的优选，步骤S2中，对于连接在i和k总线之间的传输线l，该线路中的有功功率损耗由求得，具体由下式计算：、
其中，Il代表在母线i和k之间线路l的电流值；Vk代表母线k处电压的大小；Pk、Qk分别代表在母线k之后产生的有功功率和无功功率；Rik表示在母线i和k之间线路l的电阻值；Pik-loss代表在母线i和k之间线路l的有功功率损耗。
损耗敏感度因子LSF从以下公式计算：
通过将基极电压除以0.95得到归一化电压，如果这些电压的值小于1.01，则将其视为用于安装分布式电源的候选总线。
作为上述技术方案的优选，所述的目标函数为Ft＝w1f1+w2f2+w3f3，式中，f1表示有功功率损耗的减小值，f2表示电压分布的改进值，f3表示电压稳定指数，w1、w2、w3均为加权因子，|w1|+|w2|+|w3|＝1。
作为上述技术方案的优选，所述的f1由下式表示：式中，(PLineloss(i))after DG表示候选总线接入分布式电源后的节点有功功率损耗，(PLineloss(i))before DG表示候选总线接入分布式电源前的节点有功功率损耗，L表示候选总线的数量。
作为上述技术方案的优选，所述的f2由下式表示：
其中，|Vi-Vi,ref|before DG表示候选总线接入分布式电源前的电压变化值，|Vi-Vi,ref|after DG表示候选总线接入分布式电源后的电压变化值，N表示节点的数量，Vi表示母线i处的电压，Vi,ref表示节点参考电压。
作为上述技术方案的优选，所述的f3由下式表示：其中，所述的VSI(k)after DG由下式表示：
VSI(k)after DG＝|Vi|4-4(Pk·Xik-Qk·Rik)2-4(Pk·Rik+Qk·Xik)·|Vi|2，
其中，Vi表示母线i处电压的大小；Pk、Qk分别表示母线k之后产生的有功功率和无功功率；Xik表示在母线i和k之间线路的电抗值；Rik表示在母线i和k之间线路的电阻值。
作为上述技术方案的优选，所述的w1取为0.5，w2取为0.25，w3取为0.25。
作为上述技术方案的优选，步骤S5中，所述蚁狮优化算法的步骤如下：
第1步：初始化蚂蚁、蚁狮、分布式电源的初值以及运行负荷流量，计算蚂蚁和蚁狮的适应度；
第2步：寻找最好的蚁狮，并且假定它作为精英；
第3步：对每一只蚂蚁，用轮盘赌选择一个蚁狮，蚂蚁围绕蚁狮和精英进行随机游走和学习，并保持在搜索空间内将其规范化，更新蚂蚁的位置，更新蚂蚁的随机行走半径；
第4步：运行负荷潮流并且计算所有蚂蚁的适应度；
第5步：如果有更适合的蚁狮，更换蚂蚁对应的蚁狮；
第6步：如果这个蚁狮比原先的精英更合适，更新精英；
第7步：重复第3步至第6步，直到满足停止标准。
本发明的另一目的是提供一种分布式电源接入配电网的规划优化系统，包括：
模型建立单元：建立模型，包括分布式电源及负荷建模、配电网建模和潮流计算建模；
候选总线确定单元：引入损耗敏感度因子，用损耗敏感度因子确定安装分布式电源的候选总线；
目标函数建立单元：建立目标函数，为使在步骤S2中确定的候选总线上安装的分布式电源达到最优位置和大小，以配电系统节点有功功率损耗减小值、电压分布的改进值以及电压稳定指数之和的最小值为目标函数；
约束条件确定单元：确定约束条件，所述约束条件包括平等约束和不平等约束，所述的平等约束包括功率守恒约束，所述的不平等约束包括电压约束、分布式电源的限制约束和线路容量约束；
最优解求解单元：采用蚁狮优化算法求解分布式电源位置及大小的最优解。
蚁狮优化算法(ALOA)作为一种新型的优化算法，它是最近仿效蚁狮狩猎机制的自然启发的算法之一。将ALOA的结果与各种技术进行比较，检测其在解决分布式电源的最佳位置和尺寸问题上的优势。
本发明具有的有益效果如下：本发明采用蚁狮优化算法优化可再生分布式电源的位置和容量大小，可降低有功功率损耗并降低各种负载条件下的电压分布。
附图说明
图1为本发明实施例1的优化方法流程图；
图2为本发明实施例1的配电系统等效电路图；
图3为本发明实施例1蚁狮优化算法的流程图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明作进一步说明。
实施例1
本实施例提供一种分布式电源接入配电网的规划优化方法，如图1所示，其包括如下步骤：
S1：建立模型，包括分布式电源及负荷建模、配电网建模和潮流计算建模；
S2：引入损耗敏感度因子，用损耗敏感度因子确定安装分布式电源的候选总线；
S3：建立目标函数，为使在步骤S2中确定的候选总线上安装的分布式电源达到最优位置和大小，以配电系统节点有功功率损耗减小值、电压分布的改进值以及电压稳定指数之和的最小值为目标函数；
S4：确定约束条件，所述约束条件包括平等约束和不平等约束，所述的平等约束包括功率守恒约束，所述的不平等约束包括电压约束、分布式电源的限制约束和线路容量约束；
S5：采用蚁狮优化算法求解分布式电源位置及大小的最优解。
上述方法的具体实施过程如下：
一、建立模型
本发明总共建立三个模型，包括分布式电源及负荷建模、配电网建模和潮流计算建模。所述的分布式电源建立蒙特卡罗模型，负荷建模需要考虑分布式电源建模的相关性；所述的潮流计算建模，用蒙特卡罗进行潮流计算。分布式电源及负荷建模：由于可再生分布式电源，例如光伏、风力等作为分布式电源不像传统发电那么稳定，因此分布式电源及负荷建模时采用相关性随机抽样方法，其步骤如下：
a)读入分布式电源和负荷的概率模型信息(分布类型及参数)、存在相关关系的变量数m、相关系数ρij，i,j＝1、2、...、m，并设定采样规模s；
b)由ρij计算得到Y的协方差矩阵Cy，并对Cy进行Cholesky分解，得到下三角矩阵L；
c)基于中值拉丁超立方抽样技术产生m×s维的标准正态随机样本矩阵H；
d)求取矩阵Y，此时Y的协方差矩阵即为Cy；
e)依次转换Y中各元素得到P，即为分布式电源和负荷的相关随机样本。
二、用损耗敏感度因子(LSF)确定安装分布式电源的候选总线
本发明使用LSF为分布式电源安装分配候选总线，搜索区域大大减少，因此通过使用LSF在优化过程中缩短了时间。对于连接在i和k总线之间的传输线l，如图2所示：
该线路中的有功功率损耗由求得，具体由下式计算：
其中，Il代表在母线i和k之间线路l的电流值；Vk代表母线k处电压的大小；Pk、Qk分别代表在母线k之后产生的有功功率和无功功率；Rik表示在母线i和k之间线路l的电阻值；Pik-loss代表在母线i和k之间线路l的有功功率损耗。
LSF可以从以下公式计算：
通过将基极电压除以0.95得到归一化电压。如果这些电压的值小于1.01，则可以将其视为用于安装DG的候选总线。因此，LSF决定了为了安装分布式电源所考虑的总线的顺序。
三、建立目标函数
目标函数Ft＝w1f1+w2f2+w3f3，Ft表示总的目标函数且该等式要达到最小化。
1)其中，f1表示有功损耗的减小，它可以由下式表示：
2)其中，f2表示电压分布的改进值，它可以由下式表示：
3)其中，f3表示电压稳定指数，它可以由下式表示：
其中VSI(电压稳定性指数)可以被下面等式取代
VSI(k)＝|Vi|4-4(Pk·Xik-Qk·Rik)2-4(Pk·Rik+Qk·Xik)·|Vi|2，
其中，Vi表示母线i处电压的大小；Pk、Qk分别表示母线k之后产生的有功功率和无功功率；Xik表示在母线i和k之间线路的电抗值；Rik表示在母线i和k之间线路的电阻值。
4)w1、w2和w3是加权因子
分配给所有影响的权重的绝对值之和加起来如下式所示：
|w1|+|w2|+|w3|＝1，
在本实施例中，w1取为0.5，w2取为0.25，w3取为0.25。
四、约束条件
1)平等约束
功率守恒约束
配电系统中所有输入和输出功率流的代数和应相等，从而
其中，Pswing、Qswing分别表示平衡节点的有功功率和无功功率，PDG(i)、QDG(i)分别表示接入第i个分布式电源的有功功率和无功功率，NDG表示分布式电源接入的数量，PLineloss(i)、QLineloss(i)分别表示第i条输电线路有功功率的损耗和无功功率的损耗，L表示分布式电源接入之后那一条输电线路的标号，Pd(q)、Qd(q)表示在母线q处有功功率和无功功率的需求，N表示总的母线的数量。
2)不平等约束
电压约束
每个总线上的电压大小必须由以下公式限制：
Vmin≤|Vi|≤Vmax，
其中Vmin、Vmax分别取为0.95和1.05。
DG的限制约束
为了防止反向电力流动，网络中DG的安装容量受到限制，不会超过变电站提供的电力
PDGmin≤PDG(i)≤PDGmax，
QDGmin≤QDG(i)≤QDGmax。
其中，PDGmin、PDGmax分别表示分布式电源实际输出的最小有功功率和最大有功功率，QDGmin、QDGmax分别表示分布式电源实际输出的最小无功功率和最大无功功率。
线路容量约束
通过任何线路的复功率必须小于其额定值，由下式给出：
SLi≤SLi(rated)，
式中，SLi表示复功率，SLi(rated)表示复功率的额定值。
五、蚁狮优化算法
如图3所示，蚁狮优化算法的步骤如下：
第1步：初始化蚂蚁、蚁狮、分布式电源的初值以及运行负荷流量，计算蚂蚁和蚁狮的适应度；
第2步：寻找最好的蚁狮，并且假定它作为精英；
第3步：对每一只蚂蚁，用轮盘赌选择一个蚁狮，蚂蚁围绕蚁狮和精英进行随机游走和学习，并保持在搜索空间内将其规范化，更新蚂蚁的位置，更新蚂蚁的随机行走半径；
第4步：运行负荷潮流并且计算所有蚂蚁的适应度；
第5步：如果有更适合的蚁狮，更换蚂蚁对应的蚁狮；
第6步：如果这个蚁狮比原先的精英更合适，更新精英；
第7步：重复第3步至第6步，直到满足停止标准。
实施例2
本实施例提供一种分布式电源接入配电网的规划优化系统，包括：
模型建立单元：建立模型，包括分布式电源及负荷建模、配电网建模和潮流计算建模；
候选总线确定单元：引入损耗敏感度因子，用损耗敏感度因子确定安装分布式电源的候选总线；
目标函数建立单元：建立目标函数，为使在步骤S2中确定的候选总线上安装的分布式电源达到最优位置和大小，以配电系统节点有功功率损耗减小值、电压曲线的改进值以及电压稳定指数之和的最小值为目标函数；
约束条件确定单元：确定约束条件，所述约束条件包括平等约束和不平等约束，所述的平等约束包括功率守恒约束，所述的不平等约束包括电压约束、分布式电源的限制约束和线路容量约束；
最优解求解单元：采用蚁狮优化算法求解分布式电源位置及大小的最优解。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种分布式电源接入配电网的规划优化方法，其包括如下步骤：
S1：建立模型，包括分布式电源及负荷建模、配电网建模和潮流计算建模；
S2：引入损耗敏感度因子，用损耗敏感度因子确定安装分布式电源的候选总线；
S3：建立目标函数，为使在步骤S2中确定的候选总线上安装的分布式电源达到最优位置和大小，以配电系统节点有功功率损耗减小值、电压分布的改进值以及电压稳定指数之和的最小值为目标函数；
S4：确定约束条件，所述约束条件包括平等约束和不平等约束，所述的平等约束包括功率守恒约束，所述的不平等约束包括电压约束、分布式电源的限制约束和线路容量约束；
S5：采用蚁狮优化算法求解分布式电源位置及大小的最优解。
2.根据权利要求1所述的分布式电源接入配电网的规划优化方法，其特征在于，步骤S1中，所述的分布式电源建立蒙特卡罗模型，负荷建模考虑分布式电源建模的相关性，采用相关性随机抽样方法；所述的潮流计算建模，用蒙特卡罗进行潮流计算。
3.根据权利要求1或2所述的分布式电源接入配电网的规划优化方法，其特征在于，步骤S2中，对于连接在i和k总线之间的传输线l，该线路中的有功功率损耗由Il 2Rik求得，具体由下式计算：
<mrow> <msub> <mi>P</mi> <mrow> <mi>i</mi> <mi>k</mi> <mo>-</mo> <mi>l</mi> <mi>o</mi> <mi>s</mi> <mi>s</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <mo>(</mo> <msubsup> <mi>P</mi> <mi>k</mi> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>Q</mi> <mi>k</mi> <mn>2</mn> </msubsup> <mo>)</mo> <msub> <mi>R</mi> <mrow> <mi>i</mi> <mi>k</mi> </mrow> </msub> </mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mfrac> <mo>,</mo> </mrow>
其中，Il代表在母线i和k之间线路l的电流值；Vk代表母线k处电压的大小；Pk、Qk分别代表在母线k之后产生的有功功率和无功功率；Rik表示在母线i和k之间线路l的电阻值；Pik-loss代表在母线i和k之间线路l的有功功率损耗；
损耗敏感度因子LSF由以下公式计算：
<mrow> <mfrac> <mrow> <mo>&amp;part;</mo> <msub> <mi>P</mi> <mrow> <mi>k</mi> <mo>-</mo> <mi>l</mi> <mi>o</mi> <mi>s</mi> <mi>s</mi> </mrow> </msub> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>Q</mi> <mi>k</mi> </msub> </mrow> </mfrac> <mo>=</mo> <mfrac> <mrow> <mn>2</mn> <msub> <mi>Q</mi> <mi>k</mi> </msub> <mo>*</mo> <msub> <mi>R</mi> <mrow> <mi>i</mi> <mi>k</mi> </mrow> </msub> </mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mfrac> <mo>,</mo> </mrow>
通过将基极电压除以0.95得到归一化电压，如果这些电压的值小于1.01，则将其视为用于安装分布式电源的候选总线。
4.根据权利要求1或2所述的分布式电源接入配电网的规划优化方法，其特征在于，所述的目标函数为Ft＝w1f1+w2f2+w3f3，式中，f1表示有功功率损耗的减小值，f2表示电压分布的改进值，f3表示电压稳定指数，w1、w2、w3均为加权因子，|w1|+|w2|+|w3|＝1。
5.根据权利要求4所述的分布式电源接入配电网的规划优化方法，其特征在于，所述的f1由下式表示：
其中，(PLineloss(i))after DG表示候选总线接入分布式电源后的节点有功功率损耗，(PLineloss(i))before DG表示候选总线接入分布式电源前的节点有功功率损耗，L表示候选总线的数量。
6.根据权利要求4所述的分布式电源接入配电网的规划优化方法，其特征在于，所述的f2由下式表示：
其中，|Vi-Vi,ref|before DG表示候选总线接入分布式电源前的电压变化值，|Vi-Vi,ref|after DG表示候选总线接入分布式电源后的电压变化值，N表示节点的数量，Vi表示母线i处电压的大小，Vi,ref表示节点参考电压。
7.根据权利要求4所述的分布式电源接入配电网的规划优化方法，其特征在于，所述的f3由下式表示：其中，所述的VSI(k)afterDG由下式表示：
VSI(k)after DG＝|Vi|4-4(Pk·Xik-Qk·Rik)2-4(Pk·Rik+Qk·Xik)·|Vi|2，
其中，Vi表示母线i处电压的大小；Pk、Qk分别表示母线k之后产生的有功功率和无功功率；Xik表示在母线i和k之间线路的电抗值；Rik表示在母线i和k之间线路的电阻值。
8.根据权利要求4所述的分布式电源接入配电网的规划优化方法，其特征在于，所述的w1取为0.5，w2取为0.25，w3取为0.25。
9.根据权利要求1或2所述的分布式电源接入配电网的规划优化方法，其特征在于，步骤S5中，所述蚁狮优化算法的步骤如下：
第1步：初始化蚂蚁、蚁狮、分布式电源的初值以及运行负荷流量，计算蚂蚁和蚁狮的适应度；
第2步：寻找最好的蚁狮，并且假定它作为精英；
第3步：对每一只蚂蚁，用轮盘赌选择一个蚁狮，蚂蚁围绕蚁狮和精英进行随机游走和学习，并保持在搜索空间内将其规范化，更新蚂蚁的位置，更新蚂蚁的随机行走半径；
第4步：运行负荷潮流并且计算所有蚂蚁的适应度；
第5步：如果有更适合的蚁狮，更换蚂蚁对应的蚁狮；
第6步：如果这个蚁狮比原先的精英更合适，更新精英；
第7步：重复第3步至第6步，直到满足停止标准。
10.一种分布式电源接入配电网的规划优化系统，包括：
模型建立单元：建立模型，包括分布式电源及负荷建模、配电网建模和潮流计算建模；
候选总线确定单元：引入损耗敏感度因子，用损耗敏感度因子确定安装分布式电源的候选总线；
目标函数建立单元：建立目标函数，为使在步骤S2中确定的候选总线上安装的分布式电源达到最优位置和大小，以配电系统节点有功功率损耗减小值、电压分布的改进值以及电压稳定指数之和的最小值为目标函数；
约束条件确定单元：确定约束条件，所述约束条件包括平等约束和不平等约束，所述的平等约束包括功率守恒约束，所述的不平等约束包括电压约束、分布式电源的限制约束和线路容量约束；
最优解求解单元：采用蚁狮优化算法求解分布式电源位置及大小的最优解。
CN201711107439.4A 2017-11-10 2017-11-10 一种分布式电源接入配电网的规划优化方法及系统 Pending CN107766991A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711107439.4A CN107766991A (zh) 2017-11-10 2017-11-10 一种分布式电源接入配电网的规划优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711107439.4A CN107766991A (zh) 2017-11-10 2017-11-10 一种分布式电源接入配电网的规划优化方法及系统

Publications (1)

Publication Number Publication Date
CN107766991A true CN107766991A (zh) 2018-03-06

Family

ID=61272920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711107439.4A Pending CN107766991A (zh) 2017-11-10 2017-11-10 一种分布式电源接入配电网的规划优化方法及系统

Country Status (1)

Country Link
CN (1) CN107766991A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108614242A (zh) * 2018-03-25 2018-10-02 哈尔滨工程大学 一种基于多目标蚁狮优化的雷达通信一体化波形设计方法
CN109921474A (zh) * 2019-03-04 2019-06-21 江苏师范大学 一种考虑不确定因素的配电网电能损耗随机分析方法
CN110247436A (zh) * 2019-06-05 2019-09-17 东华大学 一种基于改进蚁狮优化算法的电力系统经济负荷分配方法
CN110334391A (zh) * 2019-05-23 2019-10-15 明阳智慧能源集团股份公司 一种多维度约束风电场集电线路自动规划方法
CN111062515A (zh) * 2019-11-18 2020-04-24 深圳供电局有限公司 一种配电网分布式电源配置方法
CN111985598A (zh) * 2020-07-28 2020-11-24 国网山东省电力公司禹城市供电公司 一种分布式电源的配置方法
CN112766602A (zh) * 2021-01-30 2021-05-07 上海电机学院 一种改进的分布式电源选址定容方法
CN117955133A (zh) * 2024-02-01 2024-04-30 广东工业大学 一种配电网储能优化配置方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140277808A1 (en) * 2013-03-15 2014-09-18 Open Access Technology International, Inc. Use of Demand Response (DR) and Distributed Energy Resources (DER) to mitigate the impact of Variable Energy Resources (VER) in Power System Operation
CN105512774A (zh) * 2016-01-24 2016-04-20 浙江大学 接入分布式光伏发电的配电网检修计划优化方法
CN106253335A (zh) * 2016-06-16 2016-12-21 上海交通大学 一种分布式电源容量与接入位置不确定的配电网规划方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140277808A1 (en) * 2013-03-15 2014-09-18 Open Access Technology International, Inc. Use of Demand Response (DR) and Distributed Energy Resources (DER) to mitigate the impact of Variable Energy Resources (VER) in Power System Operation
CN105512774A (zh) * 2016-01-24 2016-04-20 浙江大学 接入分布式光伏发电的配电网检修计划优化方法
CN106253335A (zh) * 2016-06-16 2016-12-21 上海交通大学 一种分布式电源容量与接入位置不确定的配电网规划方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
栗然 等: "基于改进蚁狮算法的电力系统最优潮流计算", 《电力科学与工程》 *
欧家详: "基于损耗灵敏度因子优化配电网无功补偿位置的方法研究", 《贵州电力技术》 *
王瑶: "分布式电源接入配电网的优化配置研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108614242A (zh) * 2018-03-25 2018-10-02 哈尔滨工程大学 一种基于多目标蚁狮优化的雷达通信一体化波形设计方法
CN108614242B (zh) * 2018-03-25 2022-04-05 哈尔滨工程大学 一种基于多目标蚁狮优化的雷达通信一体化波形设计方法
CN109921474A (zh) * 2019-03-04 2019-06-21 江苏师范大学 一种考虑不确定因素的配电网电能损耗随机分析方法
CN110334391A (zh) * 2019-05-23 2019-10-15 明阳智慧能源集团股份公司 一种多维度约束风电场集电线路自动规划方法
CN110247436A (zh) * 2019-06-05 2019-09-17 东华大学 一种基于改进蚁狮优化算法的电力系统经济负荷分配方法
CN111062515A (zh) * 2019-11-18 2020-04-24 深圳供电局有限公司 一种配电网分布式电源配置方法
CN111062515B (zh) * 2019-11-18 2022-10-14 深圳供电局有限公司 一种配电网分布式电源配置方法
CN111985598A (zh) * 2020-07-28 2020-11-24 国网山东省电力公司禹城市供电公司 一种分布式电源的配置方法
CN112766602A (zh) * 2021-01-30 2021-05-07 上海电机学院 一种改进的分布式电源选址定容方法
CN117955133A (zh) * 2024-02-01 2024-04-30 广东工业大学 一种配电网储能优化配置方法及系统

Similar Documents

Publication Publication Date Title
CN107766991A (zh) 一种分布式电源接入配电网的规划优化方法及系统
Babacan et al. Siting and sizing of distributed energy storage to mitigate voltage impact by solar PV in distribution systems
Zhang et al. Multi-objective optimal reactive power dispatch of power systems by combining classification-based multi-objective evolutionary algorithm and integrated decision making
Gao et al. Multi-objective bilevel coordinated planning of distributed generation and distribution network frame based on multiscenario technique considering timing characteristics
Mohseni-Bonab et al. A two-point estimate method for uncertainty modeling in multi-objective optimal reactive power dispatch problem
Kayal et al. Optimal mix of solar and wind distributed generations considering performance improvement of electrical distribution network
CN112132427A (zh) 一种考虑用户侧多种资源接入的电网多层规划方法
Sood Evolutionary programming based optimal power flow and its validation for deregulated power system analysis
Pezzini et al. Optimization techniques to improve energy efficiency in power systems
CN107679658A (zh) 一种高比例清洁能源接入下的输电网规划方法
Zhong et al. Bayesian learning-based multi-objective distribution power network reconfiguration
CN113629778B (zh) 一种分布式光伏配电网光储系统设计方法
Gao et al. An iterative optimization and learning-based IoT system for energy management of connected buildings
Gutiérrez‐Alcaraz et al. Two‐stage heuristic methodology for optimal reconfiguration and Volt/VAr control in the operation of electrical distribution systems
US20150084432A1 (en) Power System Management Device and Method
Han et al. Multi‐objective robust dynamic VAR planning in power transmission girds for improving short‐term voltage stability under uncertainties
Li et al. Determination of local voltage control strategy of distributed generators in active distribution networks based on Kriging metamodel
CN109409730A (zh) 一种基于复杂网络特性评估的能源微网选址方法
CN109118120A (zh) 考虑水库调度方案可持续性利用的多目标决策方法
CN117374999B (zh) 一种配电网的电压调节资源双层优化配置方法及系统
CN116757406A (zh) 一种考虑不确定性的分布式电源接入配电网选址定容方法
CN108647838A (zh) 一种基于随机矩阵理论和在线序列极限学习机的电网态势感知方法
Musa et al. Optimal sizing and location of multiple distributed generation for power loss minimization using genetic algorithm
WO2017134045A1 (en) Common rank approximation in distribution grid probabilistic simulation
CN116316589A (zh) 一种考虑源荷不确定性的配网分布式光伏承载力评估方法

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

Application publication date: 20180306

RJ01 Rejection of invention patent application after publication