CN108446805A - 一种计及供电可靠性的多目标分布式电源选址定容方法 - Google Patents

Abstract

一种计及供电可靠性的多目标分布式电源选址定容方法，该方法进行分布式电源选址定容的多个目标函数计算，综合上述多个子目标函数建立计及供电可靠性的多目标分布式电源选址定容的目标函数，结合配电网功率平衡约束条件、分布式电源出力约束条件和配电网节点电压约束条件，建立计及供电可靠性的多目标分布式电源选址定容的优化模型，采用粒子群优化与非支配遗传排序协同进化算法进行模型求解，得到满足多个目标的分布式电源选址定容优化方案。本发明克服了目前选址定容算法多目标简单加权而不合实际的缺点，计算简单且收敛速度快，提高了分布式电源选址定容方案制定的科学性，能缓解分布式电源对配电网运行的影响，提高分布式电源的经济性。

Description

一种计及供电可靠性的多目标分布式电源选址定容方法

技术领域

本发明涉及一种计及供电可靠性的多目标分布式电源选址定容方法，属分布式电源技术领域。

背景技术

配电网中分布式电源的渗透率日趋提高，一方面对配电网电压起到了支撑作用，但同时也给配电网的供电可靠性、电能质量等造成不利的影响。这种影响的大小与分布式电源接入的位置及接入容量密切相关。科学的分布式电源选址定容方案对于缓解分布式电源对配电网运行的影响，提高分布式电源经济性具有重要意义。

从优化目标上来看，目标函数可划分为两方面，其一是经济性因素，其二是可靠性因素。目前的分布式选址定容方案大多都针对配电网中的经济性因素进行优化，主要考虑网损费用，DG成本、供电成本以及网络升级费用等经济性指标，较少考虑了供电可靠性，且已有的选址定容方案主要将各个描述经济利益指标的子目标加权归一成单目标函数，进行单目标优化求解，与实际情况不符。此外，常用的求解算法诸如遗传算法存在收敛速度较慢、精度低，易陷入局部最优的问题；粒子群算法只能对单目标进行优化。

发明内容

本发明的目的是，针对目前的分布式选址定容方案存在的问题，本发明提出一种计及供电可靠性的多目标分布式电源选址定容方法。

本发明实现的技术方案如下：一种计及供电可靠性的多目标分布式电源选址定容方法，所述方法进行分布式电源选址定容的多个目标函数计算，综合上述多个子目标函数建立计及供电可靠性的多目标分布式电源选址定容的目标函数，结合配电网功率平衡约束条件、分布式电源出力约束条件和配电网节点电压约束条件，建立计及供电可靠性的多目标分布式电源选址定容的优化模型，采用粒子群优化与非支配遗传排序协同进化算法进行模型求解，得到满足多个目标的分布式电源选址定容优化方案。

所述多个目标函数包括，反映选址定容方案经济性的目标函数；反映选址定容方案对配电网可靠性影响的目标函数；反映选址定容方案对配电网电压影响的目标函数。

所述反映选址定容方案经济性的目标函数，采用前推回代潮流计算方法计算配电网网损，根据分布式电源的投资成本和运行成本计算分布式电源DG的总费用。

配电网网损f₁：

其中，f₁为配电网总有功损耗；i和j分别为配网支路两端节点号；U_i和U_j分别为节点i和j的电压幅值；G_ij和θ_ij分别为节点i和j之间支路的电导和电压相角差；h为配电网支路集合；n为配电网支路总数。

DG总费用：

DG投资成本f₂计算公式为：

式中：f₂为DG投资成本；r为贴现率；m为DG使用年限；C₁为分布式电源单位投资成本；P_g为分布式电源额定容量。

DG运行成本f₃计算公式为：

f₃＝C₂×P_g

式中f₃为DG运行成本，C₂为分布式电源单位容量运行成本。

所述反映选址定容方案对配电网可靠性影响的目标函数，采用序贯蒙特卡洛模拟法计算配电网可靠性指标，得到系统平均停电持续时间和系统平均电量不足。

所述配电网可靠性指标包括：

式中：f₄为平均停电持续时间指标，h/户·年；f₅为系统平均电量不足指标，MWh/年；T_i为负荷点i的年平均停电时间；N_i为负荷点i的用户数；L_ai为接入负荷点i的平均负荷。

所述反映选址定容方案对配电网电压影响的目标函数，根据配电网节点电压计算总相对电压偏差。

节点电压偏差指标为：

式中：U_iload为节点i的节点电压标幺值；U_e为节点额定电压标幺值；U_p为节点电压允许偏差，一般规定为5％。

所述建立计及供电可靠性的多目标分布式电源选址定容的优化模型，包括：

优化目标函数为：

式中：F为优化目标函数；子目标函数f₁为配电网网损，f₂为DG投资成本，f₃为DG运行成本，f₄为DG接入后的系统平均停电持续时间，f₅为接入后的系统平均电量不足；f₆为节点电压偏差指标；ex_i为第i子目标函数的适应度函数值。

潮流等式约束为：

式中，N为配网总节点数；G_ij和B_ij分别为节点i和j间馈线电导和电纳；P_DGi和Q_DGi分别为节点i分布式电源注入的有功和无功功率；P_Li和Q_Li分别为节点i负荷的有功和无功功率；Q_Ci为节点i处无功补偿容量。

节点电压约束为：

U_i,min≤U_i≤U_i,max

式中，U_i,max和U_i,max分别为节点i电压的上下限；

DG注入功率约束为：

0≤P_DGi≤P_DGi,max

式中，P_DGi,max为节点i分布式电源注入有功功率的上限。

所述模型求解采用粒子群优化与非支配遗传排序协同进化算法，其步骤如下：

(1)初始化，包括在约束条件范围内随机产生粒子群的初始位置及速度，即各节点接入的分布式电源初始容量及每次迭代中的容量变化量，粒子种群大小，即每代种群中的接入方案数、设定最大迭代次数；

(2)据粒子初始位置，即初始各负荷节点的分布式电源接入容量，调用潮流程序计算网络损耗，再调用蒙特卡洛模拟程序计算可靠性；

(3)基于小生境技术对初始种群进行多目标全局寻优，首先初始化各方案适应度值为0；生成区间范围为[1,2]的随机数k，针对每一个子优化目标对方案进行排序，计某方案排序为i，若i＝1，即为该子目标下的最优方案，则适应度值为k×pop，pop为方案数，否则为(pop-i)²，即：

(4)对粒子速度函数进行更新，再更新粒子位置，判断粒子的速度和位置变量是否越限，对其进行约束；

(5)求得更新后各粒子的子目标函数值，形成混合种群，进行非支配排序，选择下一代种群；

(6)计算得到当前全局最优解，检查是否达到最大迭代次数，如果没有则转步骤(3)，否则转(7)；

(7)输出最优解，程序结束。

本发明的有益效果如下，本发明计及供电可靠性的多目标分布式电源选址定容方法，可在制定分布式电源选址定容方案时综合考虑供电可靠性和运行经济性，克服了目前选址定容算法多目标简单加权而不合实际的缺点，计算简单且收敛速度快，提高了分布式电源选址定容方案制定的科学性，对于缓解分布式电源对配电网运行的影响，提高分布式电源经济性具有重要意义。

附图说明

图1为本发明的计及供电可靠性的多目标分布式电源选址定容方法流程图；

图2为粒子群优化与非支配遗传排序协同进化算法流程图。

具体实施方式

以下结合附图对本发明作进一步说明。

图1是计及供电可靠性的多目标分布式电源选址定容方法流程图。具体实现步骤为：

Ⅰ、计算经济性指标

a、配电网网损f₁

式中：f₁为配电网总有功损耗，i和j分别为配网支路两端节点号；U_i和U_j分别为节点i和j的电压幅值；G_ij和θ_ij分别为节点i和j之间支路的电导和电压相角差；h为配电网支路集合；n为配电网支路总数。配电网总有功网损可通过现有成熟的基于前推回代的配电网潮流计算方法得到。

b、DG总费用

DG投资成本f₂计算公式为：

式中：f₂为DG投资成本，r为贴现率；m为DG使用年限；C₁为分布式电源单位投资成本；P_g为分布式电源额定容量。

DG运行成本f₃计算公式为：

f₃＝C₂×P_g

式中f₃为DG运行成本，C₂为分布式电源单位容量运行成本。

Ⅱ、计算可靠性指标

式中：f₄为平均停电持续时间指标(SAIDI，h/户·年)，f₅为系统平均电量不足指标(AENS，MWh/年)，T_i为负荷点i的年平均停电时间，N_i为负荷点i的用户数，L_ai为接入负荷点i的平均负荷。这些数据可根据配电网的历史统计数据计算得到。

Ⅲ、节点电压偏差指标

式中：U_iload为节点i的节点电压标幺值，U_e为节点额定电压标幺值；U_p为节点电压允许偏差，一般规定为5％。

Ⅳ、建立计及供电可靠性的多目标分布式电源选址定容模型

多目标分布式电源选址定容模型的优化目标函数为：

式中：F为优化目标函数；子目标函数f₁为配电网网损，f₂为DG投资成本，f₃为DG运行成本，f₄为DG接入后的系统平均停电持续时间，f₅为接入后的系统平均电量不足；f₆为节点电压偏差指标。ex_i为第i子目标函数的适应度函数值，通过粒子群优化与非支配遗传排序协同进化算法(CPSO-NSGA)求解得到。

约束条件：

a、潮流等式约束

式中，N为配网总节点数；G_ij和B_ij分别为节点i和j间馈线电导和电纳；P_DGi和Q_DGi分别为节点i分布式电源注入的有功和无功功率；P_Li和Q_Li分别为节点i负荷的有功和无功功率；Q_Ci为节点i处无功补偿容量。这些数据可根据配电网的拓扑结构和运行数据得到。

b、节点电压约束

U_i,min≤U_i≤U_i,max

式中，U_i,max和U_i,max分别为节点i电压的上下限。

C、DG注入功率约束

0≤P_DGi≤P_DGi,max

式中，P_DGi,max为节点i分布式电源注入有功功率的上限。

Ⅴ、采用CPSO-NSGA算法求解模型，具体实施步骤如附图2所示

(1)初始化。包括在约束条件范围内随机产生粒子群的初始位置及速度，即各节点接入的分布式电源初始容量及每次迭代中的容量变化量，粒子种群大小，即每代种群中的接入方案数、设定最大迭代次数等。

(2)据粒子初始位置，即初始各负荷节点的分布式电源接入容量，调用潮流程序计算网络损耗，再调用蒙特卡洛模拟程序计算可靠性；

(3)基于小生境技术对初始种群进行多目标全局寻优，首先初始化各方案适应度值为0；生成区间范围为[1,2]的随机数k，针对每一个子优化目标对方案进行排序，计某方案排序为i，若i＝1，即为该子目标下的最优方案，则适应度值为k×pop，pop为方案数，否则为(pop-i)²,即：

(4)对粒子速度函数进行更新，再更新粒子位置，判断粒子的速度和位置变量是否越限，对其进行约束；

(5)求得更新后各粒子的子目标函数值，形成混合种群，进行非支配排序，选择下一代种群；

(6)计算得到当前全局最优解，检查是否达到最大迭代次数，如果没有则转步骤(3)，否则转步骤(7)；

(7)输出最优解，程序结束。

Claims (6)

1.一种计及供电可靠性的多目标分布式电源选址定容方法，其特征在于，所述方法进行分布式电源选址定容的多个目标函数计算，综合上述多个子目标函数建立计及供电可靠性的多目标分布式电源选址定容的目标函数，结合配电网功率平衡约束条件、分布式电源出力约束条件和配电网节点电压约束条件，建立计及供电可靠性的多目标分布式电源选址定容的优化模型，采用粒子群优化与非支配遗传排序协同进化算法进行模型求解，得到满足多个目标的分布式电源选址定容优化方案；

所述多个目标函数包括，反映选址定容方案经济性的目标函数；反映选址定容方案对配电网可靠性影响的目标函数；反映选址定容方案对配电网电压影响的目标函数。

2.根据权利要求1所述的一种计及供电可靠性的多目标分布式电源选址定容方法，其特征在于，所述反映选址定容方案经济性的目标函数，采用前推回代潮流计算方法计算配电网网损，根据分布式电源的投资成本和运行成本计算分布式电源DG的总费用；

配电网网损f₁：

其中，f₁为配电网总有功损耗；i和j分别为配网支路两端节点号；U_i和U_j分别为节点i和j的电压幅值；G_ij和θ_ij分别为节点i和j之间支路的电导和电压相角差；h为配电网支路集合；n为配电网支路总数；

DG总费用：

DG投资成本f₂计算公式为：

式中：f₂为DG投资成本；r为贴现率；m为DG使用年限；C₁为分布式电源单位投资成本；P_g为分布式电源额定容量；

DG运行成本f₃计算公式为：

f₃＝C₂×P_g

式中f₃为DG运行成本，C₂为分布式电源单位容量运行成本。

3.根据权利要求1所述的一种计及供电可靠性的多目标分布式电源选址定容方法，其特征在于，所述反映选址定容方案对配电网可靠性影响的目标函数，采用序贯蒙特卡洛模拟法计算配电网可靠性指标，得到系统平均停电持续时间和系统平均电量不足；

所述配电网可靠性指标包括：

式中：f₄为平均停电持续时间指标，h/户·年；f₅为系统平均电量不足指标，MWh/年；T_i为负荷点i的年平均停电时间；N_i为负荷点i的用户数；L_ai为接入负荷点i的平均负荷。

4.根据权利要求1所述的一种计及供电可靠性的多目标分布式电源选址定容方法，其特征在于，所述反映选址定容方案对配电网电压影响的目标函数，根据配电网节点电压计算总相对电压偏差；

节点电压偏差指标为：

式中：U_iload为节点i的节点电压标幺值；U_e为节点额定电压标幺值；U_p为节点电压允许偏差，一般规定为5％。

5.根据权利要求1所述的一种计及供电可靠性的多目标分布式电源选址定容方法，其特征在于，所述建立计及供电可靠性的多目标分布式电源选址定容的优化模型；

优化目标函数为：

式中：F为优化目标函数；子目标函数f₁为配电网网损，f₂为DG投资成本，f₃为DG运行成本，f₄为DG接入后的系统平均停电持续时间，f₅为接入后的系统平均电量不足；f₆为节点电压偏差指标；ex_i为第i子目标函数的适应度函数值；

潮流等式约束为：

式中，N为配网总节点数；G_ij和B_ij分别为节点i和j间馈线电导和电纳；P_DGi和Q_DGi分别为节点i分布式电源注入的有功和无功功率；P_Li和Q_Li分别为节点i负荷的有功和无功功率；Q_Ci为节点i处无功补偿容量；

节点电压约束为：

U_i,min≤U_i≤U_i,max

式中，U_i,max和U_i,max分别为节点i电压的上下限；

DG注入功率约束为：

0≤P_DGi≤P_DGi,max

式中，P_DGi,max为节点i分布式电源注入有功功率的上限。

6.根据权利要求1所述的一种计及供电可靠性的多目标分布式电源选址定容方法，其特征在于，所述模型求解采用粒子群优化与非支配遗传排序协同进化算法，其步骤如下：

(1)初始化，包括在约束条件范围内随机产生粒子群的初始位置及速度，即各节点接入的分布式电源初始容量及每次迭代中的容量变化量，粒子种群大小，即每代种群中的接入方案数、设定最大迭代次数；

(2)据粒子初始位置，即初始各负荷节点的分布式电源接入容量，调用潮流程序计算网络损耗，再调用蒙特卡洛模拟程序计算可靠性；

(3)基于小生境技术对初始种群进行多目标全局寻优，首先初始化各方案适应度值为0；生成区间范围为[1,2]的随机数k，针对每一个子优化目标对方案进行排序，计某方案排序为i，若i＝1，即为该子目标下的最优方案，则适应度值为k×pop，pop为方案数，否则为(pop-i)²，即：

(4)对粒子速度函数进行更新，再更新粒子位置，判断粒子的速度和位置变量是否越限，对其进行约束；

(5)求得更新后各粒子的子目标函数值，形成混合种群，进行非支配排序，选择下一代种群；

(6)计算得到当前全局最优解，检查是否达到最大迭代次数，如果没有则转步骤(3)，否则转(7)；

(7)输出最优解，程序结束。