CN107834540B - 一种基于概率约束的分布式光伏接入容量的确定方法 - Google Patents

Abstract

本发明属于新能源配电系统规划技术领域，特别涉及一种基于概率约束的分布式光伏接入容量的确定方法；包括：读取数据、初始化差分算法参数、基于牛拉‑半不变量法、结果判断、计算惩罚函数项h(t)、适应度值计算、判断是否满足终止条件、种群更新；本发明的有益效果在于：本发明将概率约束纳入到分布式光伏接入容量的计算，能够保证接入容量的准确性，使整个确定过程更加合理准确、科学有效，可以提高搜索能力与搜索速度。

Description

一种基于概率约束的分布式光伏接入容量的确定方法

技术领域

本发明属于新能源配电系统规划技术领域，特别涉及一种基于概率约束的分布式光伏接入容量的确定方法。

背景技术

随着能源危机和环境保护压力的日益增大，可再生能源的利用越来越受到重视。其中，太阳能发电技术是近年来国际上发展速度最快的可再生能源技术，分布式光伏并网发电已经成为利用太阳能的主要方式之一。新能源与可再生能源的开发利用,是解决当前能源紧张、能源利用与环境保护之间矛盾的必然选择。从节能减排的角度来看，光伏发电是一种最具吸引力的可再生能源形式。由于光照具有一定的随机性，这给配电网的规划带来很大的挑战。为了保证配电网系统安全性和可靠性，分布式光伏电站的接入必须克服分布式光伏发电的间歇性所带来的技术上和经济上的影响。

在现有的规划问题中往往只以单一目标作为定容原则，并且未计及分布式电源随机性的点，而概率潮流法可以由输入随机变量的统计特征得到输出变量的统计特征，如概率密度函数、期望和方差等，从而能够更好地刻画光伏出力的不确定性。基于此现状，本发明将概率潮流算法应用于配网中DG规划问题，提出了一种基于概率约束的分布式光伏接入容量确定方法，可以为实际配电网规划提供一定的指导。

发明内容

本发明的目的是为了解决现有技术中将单一目标作为定容原则而导致的分布式光伏接入容量的不确定性，提供一种符合分布式光伏接入容量要求的基于概率约束的确定方法。

为了解决上述问题，本发明提供了如下的技术方案：

一种基于概率约束的分布式光伏接入容量的确定方法，具体步骤如下：

S1：读取原始数据，以经济性和技术性为接入容量制定原则，同时将配网安全运行和可靠性水平作为约束条件，建立基于概率约束的规划优化模型；

S2：初始化差分算法参数，随机生成种群个体，这里的个体指分布式光伏电站装机容量；

S3：基于牛拉-半不变量法进行含分布式光伏的概率潮流计算；

S31：计算分布式光伏出力的概率密度函数；

S31.1：根据该地区光照样本数据计算光照强度平均值μ和方差σ；

S31.2：计算光强Beta分布的参数α、β；

S31.3：根据光伏出力与光照之间的关系，建立分布式光伏概率密度函数

式中，P_max为分布式电源并网最大输出有功功率；

S32：将初始装机容量接入已知节点，采用牛顿-拉夫孙法求解基准运行下的状态量X₀，灵敏度矩阵S₀，G₀等；

S33计算各节点注入功率的各阶矩及其半不变量；

S33.1：节点负荷服从正态分布，则其半不变量前两阶分别为期望值和标准差，其余各阶为0；

S33.2：根据分布式光伏的概率密度函数计算原点矩；

S33.3：根据半不变量和原点矩之间的关系计算分布式光伏的半不变量；

S34：根据半不变量的可加性，各个节点注入功率的各阶半不变量等于该节点上的负荷功率和分布式光伏的半不变量对应阶之和，计算各节点电压和线路潮流以及有功网损的各阶半不变量；

△X^(k)＝[S₀(i,j)]^(k)△W^(k)

△Z^(k)＝[G₀(i,j)]^(k)[S₀(i,j)]^(k)△W^(k)

△P_loss ^(k)＝[G(i,j)]^(k)△W^(k)

S35：随机变量x(即求解量)转换成标准化变量ξ

式中：m，δ为随机变量x的均值和标准差；

S36：根据Cornish-Fisher级数展开求解电压，线路潮流以及有功网损的概率密度函数及累积分布函数

F(ξ)＝f^-1(ξ)

式中：ξ为随机变量x的标准形式，即

为标准正态分布式的概率密度函数；k_i为标准随机变量ξ的i阶半不变量

S37：根据累积分布函数计算电压越限，线路过载的概率以及电压偏差和有功网损的期望值；

S4：根据步骤S3计算的概率潮流结果判断是否满足步骤S1中约束条件，如果满足，进入步骤S6，否则进入步骤S5；

S5：计算惩罚函数项h(t)；

S6：适应度值计算，将目标函数值f与惩罚函数项h(t)相加；

S7：判断是否满足终止条件，如果满足，输出最优结果；否则，进入步骤S8；

S8：根据差分进化和禁忌搜索混合算法中的变异，修复，遗传，选择操作进行种群更新，重复步骤S3-S6，直至满足终止条件。

优选的，基于概率约束的规划优化模型，以接入容量最大和经济性相结合作为目标函数：

式中：α为网损电价，△P_loss接入DG后系统节约的网损；n_DG为有DG接入的节点个数，约束条件

式中，P_Gi、Q_Gi为节点i电源的有功、无功出力；P_Di、Q_Di为节点i负荷的有功、无功功率；P_line、P_max为配电网各支路的实际有功功率与最大有功功率限制；U₁、U₂分别为配电网电压上下限定值，U为配网实际电压；L_DG、L_dis为配电网加入与不加入DG时的电压水平指标；ε介于0～1之间，根据具体规划方案对DG并网后系统电压水平的要求进行取值。

优选的，惩罚函数项为在电压、线路潮流及电压偏差未满足步骤S1所述的约束条件时设立：

式中：w_pl、w_u、w_pu分别为线路过载、电压越限以及未达到设定的配网电压水平的惩罚系数。

优选的，差分进化和禁忌搜索混合算法，包括以下步骤:

S81：初始化，产生初始群体X，设置最大允许迭代次数m

S82：对群体X中的每个个体

执行以下操作：

S82.1：根据变异策略产生一个变异向量

式中，r1,r2,r3,r4,r5分别为不超过种群规模NP的随机产生5个整数，F为缩放因子；

S82.2：判断变异向量

的可行性，若不可行，则采用修复操作进行修复:

式中，U_j,L_j分别表示上下界

S82.3：根据交叉策略执行交叉操作，生成尝试向量

S82.4：进行选择操作，确定进入下一代种群中的个体

S83：构造适应度函数，并将每代最优个体适应度值记录下来；

S84：若连续n次记录的适应度值都不变，则利用禁忌搜索更新种群最优个体；否则转到步骤S85中；

S85：如果n<m,并且经过禁忌搜索后计算出来的最优个体的适应值大于禁忌搜索前的最优个体的适应度值某个设定的，则算法转到S82，否则输出结果。

与现有技术相比，本发明具有如下优点：

1.本发明考虑了分布式光伏出力的随机性以及地区负荷的波动性，将分布式光伏接入容量和降低配网有功网损得到的经济收益最大作为配网规划原则，基于配网运行安全稳定，引入置信容量的概念建立概率约束条件。

2.本发明中的采用目标函数值和惩罚函数项综合评价适度值，其中，惩罚项用于处理约束条件，通过概率潮流求解配网电压、线路潮流以及电压偏差是否满足概率约束条件从而分段建立惩罚函数。

3.本发明采用禁忌搜索改进差分算法求解规划模型，该算法综合了差分算法的全局搜索能力和禁忌搜索算法的局部搜索能力优点，可以避免出现“早熟”现象，提高了最优解的搜索能力，加快了搜索速度。

本发明的有益效果在于：本发明将概率约束纳入到分布式光伏接入容量的计算，能够保证接入容量的准确性，使整个确定过程更加合理准确、科学有效，可以提高搜索能力与搜索速度。

附图说明

图1是本发明一种基于概率约束的分布式光伏接入容量的确定方法总体方法流程图；

图2是本发明一种基于概率约束的分布式光伏接入容量的确定方法差分进化-禁忌搜素混合算法流程图；

具体实施方式

以下结合附图及实施例对本发明进行详细说明，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的其他实施例，都属于本发明所保护的范围。

如附图所示，一种基于概率约束的分布式光伏接入容量的确定方法，具体步骤如下：

S1：读取原始数据，以经济性和技术性为接入容量制定原则，同时将配网安全运行和可靠性水平作为约束条件，建立基于概率约束的规划优化模型；

S2：初始化差分算法参数，随机生成种群个体，这里的个体指分布式光伏电站装机容量；

S3：基于牛拉-半不变量法进行含分布式光伏的概率潮流计算；

S4：根据步骤S3计算的概率潮流结果判断是否满足步骤S1中约束条件，如果满足，进入步骤S6，否则进入步骤S5；

S5：计算惩罚函数项h(t)；

S6：适应度值计算，将目标函数值f与惩罚函数项h(t)相加；

S7：判断是否满足终止条件，如果满足，输出最优结果；否则，进入步骤S8；

S8：根据差分进化和禁忌搜索混合算法中的变异，修复，遗传，选择操作进行种群更新，重复步骤S3-S6，直至满足终止条件。

步骤S3具体为：

S31：计算分布式光伏出力概率密度函数；

S32：将初始装机容量接入已知节点，采用牛顿-拉夫孙法求解基准运行下的状态量X0，灵敏度矩阵S0，G0等；

S33:计算各节点注入功率的各阶矩及其半不变量；

S34:根据半不变量性质，计算各节点电压和线路潮流以及有功网损的半不变量；

S35:根据Cornish-Fisher级数展开求解电压，线路潮流以及有功网损的概率密度函数及累积分布函数；

S36：计算电压越限，线路过载的概率以及电压偏差和有功网损的期望值。

在一种实施方式中，基于概率约束的规划优化模型，以接入容量最大和经济性相结合作为目标函数：

式中：α为网损电价，△P_loss接入DG后系统节约的网损；n_DG为有DG接入的节点个数；

约束条件

式中，P_Gi、Q_Gi为节点i电源的有功、无功出力；P_Di、Q_Di为节点i负荷的有功、无功功率；P_l、P_l.max为配电网各支路的实际有功功率与最大有功功率限制；U₁、U₂分别为配电网电压上下限定值，U为配网实际电压；L_DG、L_dis为配电网加入与不加入DG时的电压水平指标；ε介于0～1之间，根据具体规划方案对DG并网后系统电压水平的要求进行取值。

在一种实施方式中，惩罚函数项为在电压、线路潮流及电压偏差未满足步骤S1所述的约束条件时设立：

式中：w_pl、w_u、w_pu分别为出现线路过载、电压越限以及未达到设定的配网电压水平这三种情况下的惩罚系数。

在一种实施方式中，差分进化-禁忌搜索混合算法，包括以下步骤:

S51：初始化，产生初始群体X，设置最大允许迭代次数m

S52：对群体X中的每个个体

执行以下操作：

S52.1：根据变异策略产生一个变异向量

式中，r1,r2,r3,r4,r5分别为不超过种群规模NP的随机产生5个整数，F为缩放因子；

S52.2：判断变异向量

的可行性，若不可行，则采用修复操作进行修复:

式中，U_j,L_j分别表示上下界；

S52.3：根据交叉策略执行交叉操作，生成尝试向量

S52.4：进行选择操作，确定进入下一代种群中的个体

S53：构造适应度函数，并将每代最优个体适应度值记录下来；

S54：若连续n次记录的适应度值都不变，则利用禁忌搜索更新种群最优个体；否则转到步骤S55中；

S55：如果n<m,并且经过禁忌搜索后计算出来的最优个体的适应值大于禁忌搜索前的最优个体的适应度值某个设定的，则算法转到步骤S52，否则输出结果。

实施例1：

如图1所示，本发明提出一种基于概率约束的分布式光伏接入容量的确定方法，该方法包含以下步骤：

S1：读取原始数据，包括配电网系统参数，即线路参数，负荷水平；分布式光伏电站以伏安装候选节点；节点注入功率的随机分布参数，如负荷波动呈正态分布的期望及标准差；

S2：初始化差分算法参数，随机生成种群个体，这里的个体指光伏装机容量；

S3：采用半不变量-牛拉法进行含分布式光伏的概率潮流计算；

S31：计算分布式光伏出力的概率密度函数；

S31.1：根据该地区光照样本数据计算光照强度平均值μ和方差σ；

S31.2：计算光强Beta分布的参数α、β；

S31.3：根据光伏出力与光照之间的关系，建立分布式光伏概率密度函数

式中，P_max为分布式电源并网最大输出有功功率,P_max＝μ·A·η·r_max；

S32：将初始装机容量接入已知节点，采用牛顿-拉夫孙法求解基准运行下的状态量X₀，灵敏度矩阵S₀，G₀等；

S33计算各节点注入功率的各阶矩及其半不变量；

S33.1：节点负荷服从正态分布，则其半不变量前两阶分别为期望值和标准差，其余各阶为0；

S33.2：根据分布式光伏的概率密度函数计算原点矩；

S33.3：根据半不变量和原点矩之间的关系计算分布式光伏的半不变量；

S34：根据半不变量的可加性，各个节点注入功率的各阶半不变量等于该节点上的负荷功率和分布式光伏的半不变量对应阶之和，计算各节点电压和线路潮流以及有功网损的各阶半不变量；

△X^(k)＝[S₀(i,j)]^(k)△W^(k)

△Z^(k)＝[G₀(i,j)]^(k)[S₀(i,j)]^(k)△W^(k)

△P_loss ^(k)＝[G(i,j)]^(k)△W^(k)

S35：随机变量x(即求解量)转换成标准化变量ξ

式中：m，δ为随机变量x的均值和标准差；

S36：根据Cornish-Fisher级数展开求解电压，线路潮流以及有功网损的概率密度函数及累积分布函数

F(ξ)＝f^-1(ξ)

式中：ξ为随机变量x的标准形式，即

为标准正态分布式的概率密度函数；k_i为标准随机变量ξ的i阶半不变量

S37：根据累积分布函数计算电压越限，线路过载的概率以及电压偏差和有功网损的期望值；

S4：根据步骤S3计算的概率潮流结果判断是否满足步骤1)中约束条件，如果满足，进入步骤S6，否则进入步骤S5；

S5：计算惩罚函数项h(t)；

S51：当各支路潮流分布不满足S1给出功率约束条件h₁(t)＝w_pl·(max(P_i,k)-P_max),其中w_pl取100；

S52：当各节点电压不满足步骤S1给出电压约束条件,h₂(t)＝w_u(α₁-β₁)，其中w_u取10；

S53：当各支节点电压偏差不满足步骤S1给出配电网电压水平约束条件，h₃(t)＝w_pu(α₂-β₂)，其中w_pu取10；

S6:适应度值计算，将目标函数值f与惩罚函数项h(t)相加，其中由于都满足步骤S1中的约束条件，h(t)＝0:

obj＝f+h(t)

S7：判断是否满足终止条件，如果是，输出最优结果；否则，进入步骤S8；

S8：根据差分和禁忌搜索混合算法中的变异，修复，遗传，选择操作进行种群更新，重复步骤S3-S6，直至满足终止条件。

进一步，本发明以经济性和技术性为接入容量制定原则，同时将配网安全运行和可靠性水平作为约束条件，建立基于概率约束的规划优化模型，具体过程如下：

规划模型中的目标函数中以降低配电系统网损得到的经济收益作为经济性目标，且以分布式电源接入有功功率最大为目标:

1.经济性目标

max f₁＝α△P_loss

式中：α为网损电价，△P_loss接入DG后系统节约的网损。

2.技术目标

式中：n_DG为有DG接入的节点个数。

3.约束条件

3.1潮流方程约束

式中，P_Gi、Q_Gi为节点i电源的有功、无功出力；P_Di、Q_Di为节点i负荷的有功、无功功率；

3.2线路潮流约束

Pr{-P_max<P_line<P_max}>β₁

式中，P_line、P_max为配电网各支路的实际有功功率与最大有功功率限制，β₁为潮流约束下的置信容量；

3.3节点电压约束

Pr{U₁<U<U₂}>β₂

式中，U₁、U₂分别为配电网电压上下限定值，U为配网实际电压；β₂为节点电压约束下的置信容量；

3.4电压水平约束

Pr{L_DG<εL_dis}>β₃

式中，L_DG、L_dis为配电网加入与不加入DG时的电压水平指标；ε介于0～1之间，根据具体规划方案对DG并网后系统电压水平的要求进行取值。β₃为节点电压约束下的置信容量。

实施例2：

如图2所示，差分-禁忌搜索混合算法，本发明采用该算法求解配网分布式光伏接入的容量规划问题，其中每个个体为分布式光伏接入容量，具体步骤为：

步骤1：初始化，产生初始群体X，设置最大允许迭代次数m；

步骤2：对群体X中的每个个体

执行以下操作；

步骤2.1：根据变异策略产生一个变异向量

式中，r1,r2,r3,r4,r5分别为不超过种群规模NP的随机产生5个整数，F为缩放因子；

步骤2.2：判断变异向量

的可行性，若不可行，则采用修复操作进行修复:

式中，U_j,L_j分别表示上下界；

步骤2.3：根据交叉策略执行交叉操作，生成尝试向量

步骤2.4：进行选择操作，确定进入下一代种群中的个体

步骤3：构造适应度函数，并将每代最优个体适应度值记录下来；

步骤4：若连续n次记录的适应度值都不变，则利用禁忌搜索更新种群最优个体；否则转到步骤5；

步骤5：如果n<m,并且经过禁忌搜索后计算出来的最优个体的适应值大于禁忌搜索前的最优个体的适应度值某个设定的，则算法转到步骤2，否则输出结果。

Claims (4)

1.一种基于概率约束的分布式光伏接入容量的确定方法，其特征在于，具体步骤如下：

S1：读取原始数据，以经济性和技术性为接入容量制定原则，同时将配网安全运行和可靠性水平作为约束条件，建立基于概率约束的规划优化模型；

S2：初始化差分算法参数，随机生成种群个体，这里的个体指分布式光伏电站装机容量；

S3：基于牛拉-半不变量法进行含分布式光伏的概率潮流计算；

S31：计算分布式光伏出力的概率密度函数；

S31.1：根据地区光照样本数据计算光照强度平均值μ和方差σ；

S31.2：计算光强Beta分布的参数α、β；

S31.3：根据光伏出力与光照之间的关系，建立分布式光伏概率密度函数

式中，P_max为分布式电源并网最大输出有功功率；

S32：将初始装机容量接入已知节点，采用牛顿-拉夫孙法求解基准运行下的状态量X₀，灵敏度矩阵S₀，G₀等；

S33计算各节点注入功率的各阶矩及其半不变量；

S33.1：节点负荷服从正态分布，则其半不变量前两阶分别为期望值和标准差，其余各阶为0；

S33.2：根据分布式光伏的概率密度函数计算原点矩；

S33.3：根据半不变量和原点矩之间的关系计算分布式光伏的半不变量；

S34：根据半不变量的可加性，各个节点注入功率的各阶半不变量等于该节点上的负荷功率和分布式光伏的半不变量对应阶之和，计算各节点电压和线路潮流以及有功网损的各阶半不变量；

△X^(k)＝[S₀(i,j)]^(k)△W^(k)

△Z^(k)＝[G₀(i,j)]^(k)[S₀(i,j)]^(k)△W^(k)

△P_loss ^(k)＝[G(i,j)]^(k)△W^(k)

S35：随机变量x(即求解量)转换成标准化变量ξ

式中：m，δ为随机变量x的均值和标准差；

S36：根据Cornish-Fisher级数展开求解电压，线路潮流以及有功网损的概率密度函数及累积分布函数

F(ξ)＝f^-1(ξ)

式中：ξ为随机变量x的标准形式，即

为标准正态分布式的概率密度函数；k_i为标准随机变量ξ的i阶半不变量；

S37：根据累积分布函数计算电压越限，线路过载的概率以及电压偏差和有功网损的期望值；

S4：根据步骤S3计算的概率潮流结果判断是否满足步骤S1中约束条件，如果满足，进入步骤S6，否则进入步骤S5；

S5：计算惩罚函数项h(t)；

S6：适应度值计算，将目标函数值f与惩罚函数项h(t)相加；

S7：判断是否满足终止条件，如果满足，输出最优结果；否则，进入步骤S8；

S8：根据差分进化和禁忌搜索混合算法中的变异，修复，遗传，选择操作进行种群更新，重复步骤S3-S6，直至满足终止条件。

2.根据权利要求1所述的基于概率约束的分布式光伏接入容量的确定方法，其特征在于：所述的基于概率约束的规划优化模型，以接入容量最大和经济性相结合作为目标函数：

式中：α为网损电价，△P_loss接入DG后系统节约的网损；n_DG为有DG接入的节点个数

约束条件

式中，P_Gi、Q_Gi为节点i电源的有功、无功出力；P_Di、Q_Di为节点i负荷的有功、无功功率；P_line、P_max为配电网各支路的实际有功功率与最大有功功率限制；U₁、U₂分别为配电网电压上下限定值，U为配网实际电压；L_DG、L_dis为配电网加入与不加入DG时的电压水平指标；ε介于0～1之间，根据具体规划方案对DG并网后系统电压水平的要求进行取值。

3.根据权利要求1所述的基于概率约束的分布式光伏接入容量的确定方法，其特征在于：所述的惩罚函数项h(t)为在电压、线路潮流及电压偏差未满足步骤S1所述的约束条件时设立：

式中：w_pl、w_u、w_pu分别为出现线路过载、电压越限以及未达到设定的配网电压水平这三种情况下的惩罚系数。

4.根据权利要求1所述的基于概率约束的分布式光伏接入容量的确定方法，其特征在于：所述的差分进化和禁忌搜索混合算法，包括以下步骤:

S81：初始化，产生初始群体X，设置最大允许迭代次数m；

S82：对群体X中的每个个体

执行以下操作：

S82.1：根据变异策略产生一个变异向量

式中，r1,r2,r3,r4,r5分别为不超过种群规模NP的随机产生5个整数，F为缩放因子；

S82.2：判断变异向量

的可行性，若不可行，则采用修复操作进行修复:

式中，U_j,L_j分别表示上下界；

S82.3：根据交叉策略执行交叉操作，生成尝试向量

S82.4：进行选择操作，确定进入下一代种群中的个体

S83：构造适应度函数，并将每代最优个体适应度值记录下来；

S84：若连续n次记录的适应度值都不变，则利用禁忌搜索更新种群最优个体；否则转到步骤S85中；

S85：如果n<m,并且经过禁忌搜索后计算出来的最优个体的适应值大于禁忌搜索前的最优个体的适应度值某个设定的，则算法转到S82，否则输出结果。

Images