CN109242271B - 分布式光伏接入配电网电能质量治理的节点灵敏度分析法 - Google Patents
分布式光伏接入配电网电能质量治理的节点灵敏度分析法 Download PDFInfo
- Publication number
- CN109242271B CN109242271B CN201810947951.8A CN201810947951A CN109242271B CN 109242271 B CN109242271 B CN 109242271B CN 201810947951 A CN201810947951 A CN 201810947951A CN 109242271 B CN109242271 B CN 109242271B
- Authority
- CN
- China
- Prior art keywords
- node
- energy storage
- particle
- composite energy
- storage device
- 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.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000010206 sensitivity analysis Methods 0.000 title claims abstract description 17
- 238000003908 quality control method Methods 0.000 title claims abstract description 11
- 239000002245 particle Substances 0.000 claims abstract description 83
- 238000004146 energy storage Methods 0.000 claims abstract description 68
- 239000002131 composite material Substances 0.000 claims abstract description 59
- 238000009434 installation Methods 0.000 claims abstract description 41
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 230000035945 sensitivity Effects 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 239000002253 acid Substances 0.000 claims description 2
- 239000003990 capacitor Substances 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims 1
- 230000002068 genetic effect Effects 0.000 description 5
- 239000013589 supplement Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
-
- H02J3/383—
-
- 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]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种分布式光伏接入配电网电能质量治理的节点灵敏度分析法。本发明的技术方案包括:提出节点电压偏差总和、电流总谐波畸变率和安装成本优化目标函数;构建复合储能装置选址定容多目标优化模型;分别在各个节点安装同一容量的复合储能装置,并进行潮流计算获得各个节点的电压偏差和电流总谐波畸变率变化量;应用粒子群算法,设定粒子群大小和迭代次数;求解获得复合储能装置安装位置和安装容量。本发明利用节点灵敏度分析法对节点预处理减少计算节点个数,从而大大减小计算量,提高优化效率;同时采用自适应动态权重的改进粒子群算法,根据目标函数值与全局平均值的差值动态改变权重系数,提高了全局寻优速度。
Description
技术领域
本发明涉及配电网电能质量治理领域,尤其是一种高功率密度分布式光伏接入配电网后进行电能质量治理的节点灵敏度分析方法。
背景技术
当前世界能源枯竭,能源变革势在必行,高功率密度分布式光伏发电迅速发展。但其自身波动性和间歇性的特点以及大量的电力电子装置的接入会导致配电网出现严重的电压质量问题。研究表明在相应节点配置一定容量的储能装置,可以达到改善电能质量的目标。储能系统接入位置与容量的不同对电能质量的治理影响很大,因此如何利用算法计算出储能系统的最优安装位置和安装容量是亟待解决的热点问题,而如何在复杂多节点的配电网系统中快速、高效的求解出储能系统的最优安装位置和容量更是一个难点问题。
近年来,对储能系统的最优安装位置和安装容量的求解有一些科研成果,一些学者提出了基于遗传算法的优化算法,并在算法中加入容量修正环节,从而大大节约安装成本;也有一些学者利用粒子群算法和遗传算法的交叉变异操作结合,从而提高求解的速度和效率;但从整体而言,目前针对储能系统的最优安装位置和安装容量的求解算法均只在算法本身进行了改进,仅仅提升了算法本身的求解速率,但均未考虑配电网本身结构复杂、节点个数多所带来计算量大、求解效率低的影响。
在复合储能系统选址定容求解方法方面,国内外学者大都采用遗传算法、粒子群算法等智能算法以及相关改进的智能算法进行求解。国外一些学者采用粒子群算法进行优化模型的求解;国内一些学者提出配电网中选址定容的双层优化方案,该方案采用了遗传算法,外层以成本最低为目标,内层以降低网损为目标,内外层相互配合并利用内层结果修正储能容量,使得计算结果最优。也有学者提出了粒子群算法和遗传算法相结合的混合智能算法,该方法既吸收了粒子群算法寻优速度快的特点,同时又加入遗传算法的交叉变异操作,避免所求解陷入局部最优的情况。
发明内容
针对现有技术中存在的问题,本发明提供一种高功率密度分布式光伏接入配电网电能质量治理的节点灵敏度分析方法,该方法一方面用节点灵敏度分析法对所有节点预处理,以减少计算节点个数,从而大大减小计算量,提高优化效率;另一方面该方法采用自适应动态权重的改进粒子群算法,根据目标函数值与全局平均值的差值动态改变权重系数,极大提高全局寻优速度。
为解决现有技术中存在的技术问题,本发明采用如下技术方案:分布式光伏接入配电网电能质量治理的节点灵敏度分析法,其包括如下步骤:
步骤1,提出节点电压偏差总和、电流总谐波畸变率和安装成本优化目标函数;
步骤2,构建由超级电容和铅酸电池组成的复合储能装置选址定容多目标优化模型;
步骤3,分别在各个节点安装同一容量的复合储能装置,并进行潮流计算获得各个节
点的电压偏差和电流总谐波畸变率变化量;
步骤4,计算每个节点的灵敏度系数αstorek,采用如下公式(1);
式中,ΔfU为电压偏差总和变化量;ΔfTHD为电流总谐波畸变率变化量;β1和β2为灵敏度系数权重,其取值范围介于0到1之间,且满足β1+β2=1;ΔS为复合储能装置的变化容量;
步骤5,对节点灵敏度系数从大到小排序;
步骤6,根据需求设定安装节点比例k,取前k%×N的节点作为可行安装节点备选集合,N表示配电网的节点总数;
步骤7,采用粒子群算法,设定粒子群大小和迭代次数;
步骤8,计算每个粒子的适应度,并根据适应度更新个体最优值和全局最优值;
步骤9,更新粒子的速度、位置和惯性权重,采用如下公式(2)和公式(3);
式中,ω为惯性权重,c1和c2为正的加速因子,r1和r2为在(0,1)区间的随机数;vij(t+1)表示第t+1次迭代时粒子的速度;vij(t)表示第t次迭代时粒子的速度;pij表示第t次迭代时粒子的最佳位置;xij(t)表示第t次迭代时粒子的位置;xij(t+1)表示第t+1次迭代时粒子的最佳位置;pgj表示第t次迭代时粒子群的最佳位置;d表示迭代的总次数;
式中,ωmin和ωmax分别代表ω的最大值和最小值,f代表目前粒子的目标函数值,fmin和favg分别代表当前所有粒子目标函数的最小值和平均值;
步骤10,求解获得复合储能装置安装位置和安装容量。
本发明从配电网系统本身出发,先利用节点灵敏度法对所有节点进行预处理,计算各节点灵敏度系数并进行筛选,从而有效减少计算节点个数,以提高计算速度和效率。本发明采用自适应动态权重的改进粒子群算法,根据目标函数值与全局平均值的差值动态改变权重系数,提高了全局寻优速度。
作为上述技术方案的补充,所述步骤1中,各目标函数的定义式如下:
式中,fU为节点电压偏差总和目标函数;N为系统节点个数,T为检测时刻数,Uij为j时刻i节点的电压,UN为系统额定电压;
式中,fTHDI为电流总谐波畸变率目标函数;Ih为第h次谐波电流的方均根值,I1为基波电流方均根值;M表示谐波电流的总次数;
式中,fP为安装成本优化目标函数;PC和Pb为系统中需要配置的超级电容器和蓄电池的容量,η1和η2分别表示超级电容器和蓄电池的能量转换效率,c1a和c2a为超级电容器和蓄电池单位容量的价格,Psum为复合储能装置总容量,cm表示复合储能装置的日常维护成本。
所述的优化目标函数综合考虑了复合储能系统的经济性和改善电能质量的效果。
作为上述技术方案的补充,所述步骤2中,建立的复合储能装置选址定容多目标优化模型如下所示:
式中,Vi为第i个节点电压,Vmin和Vmax为系统电压下限和系统电压上限;PS为输入配网总功率,PLi为第i个节点负荷功率,PDGj为第j个节点接入分布式光伏出力,Pstorek为第k个复合储能装置容量,储能放电时为正;Poc_min为复合储能装置输出功率下限,Poc_max为复合储能装置输出功率上限;Poc_i为复合储能装置输出功率。
作为上述技术方案的补充,所述步骤3中,首先求解未安装复合储能装置各节点的电压偏差和电流总谐波畸变率,其次通过固定复合储能装置的安装容量,分别在各个节点安装同一容量的复合储能装置,求解各个节点安装复合储能装置时的电流偏差总和变化量和电流总谐波电流变化量,有效抑制了其它因素的干扰,更好的体现出了每个节点对于电压偏差和电流总谐波畸变率的敏感程度。
作为上述技术方案的补充,所述步骤6中,设定的安装比例k的大小决定最终计算节点的个数,其数值自行调节更改。当现场对精确度要求较高时,可以将k的值设置的大一些,此时节点个数相对多,求解获得的安装位置和安装容量更优,但计算时长增长;当现场对于计算速度要求较高时,可以将k的值设置的小一些,此时节点个数相对少,求解速度快,但求得的安装位置和容量相对于节点个数较多时差一些。
作为上述技术方案的补充,所述步骤7中,粒子群算法属于一种随机优化算法,其初始化为一群随机的粒子,粒子在解空间中根据自身的信息和群体信息共同决定自身的速度和方向,通过不断迭代来获取最优解,假设搜索空间为2N维,那么每个粒子各自的速度和位置如式(8)所示:
式中,Vi为第i个粒子的速度,Xi为第i个粒子的位置;复合储能装置所接入的系统节点为Xi的前N维,复合储能装置的容量为Xi的后N维。
作为上述技术方案的补充,所述步骤9中,当粒子目标函数值大于所有粒子平均目标函数值时,ω取最大值,此时粒子可快速接近全局最优解;当粒子目标函数值小于所有粒子平均目标函数值时,ω则是在最小值的基础上加一动态值,从而提高局部寻优能力,且目标函数值越小,ω越小。惯性权重有效平衡粒子群算法的全局寻优能力和局部搜索能力。
本发明采用了自适应权重的改进粒子群算法,该算法能够根据粒子当前适应度与全局总体平均适应度进行比较,从而动态改变权重,有效平衡算法的全局寻优能力和局部搜索能力,提高了寻优效率。
本发明具有的有益效果如下:本发明提出高功率密度分布式光伏接入配电网电能质量治理的节点灵敏度分析法,该方法将灵敏度法合理应用到电能质量治理优化计算过程中,通过计算节点灵敏度系数,从而减小安装节点个数,解决了常规优化算法在节点个数较多时计算量大、效率低的问题。
附图说明
图1是本发明分布式光伏接入配电网电能质量治理的节点灵敏度分析法的流程图。
具体实施方式
下面结合说明书附图对本发明作进一步详细地说明。
如图1所示,本发明的高功率密度分布式光伏接入配电网电能质量治理的节点灵敏度分析法流程图,包括如下步骤:
101步骤1,提出节点电压偏差总和、电流总谐波畸变率和安装成本优化目标函数,该目标函数综合考虑了复合储能装置的经济性和改善电能质量的效果,各目标函数的定义式如下:
式中,fU为节点电压偏差总和目标函数;N为系统节点个数,T为检测时刻数,Uij为j时刻i节点的电压,UN为系统额定电压。
式中,fTHDI为电流总谐波畸变率目标函数;Ih为第h次谐波电流的方均根值,I1为基波电流方均根值,M表示谐波电流的总次数。
式中,fP为安装成本优化目标函数;PC和Pb为系统中需要配置的超级电容器和蓄电池的容量,η1和η2分别表示超级电容器和蓄电池的能量转换效率,c1a和c2a为超级电容器和蓄电池单位容量的价格,Psum为复合储能装置总容量,cm表示复合储能装置的日常维护成本。
102步骤2,构建复合储能装置选址定容多目标优化模型,其优化模型可由公式(4)表示:
式中,Vi为第i个节点电压,Vmin和Vmax为系统电压下限和系统电压上限;PS为输入配网总功率,PLi为第i个节点负荷功率,PDGj为第j个节点接入分布式光伏出力,Pstorek为第k个复合储能装置容量,储能放电时为正;Poc_min为复合储能装置输出功率下限,Poc_max为复合储能装置输出功率上限;Poc_i为复合储能装置输出功率。
103步骤3,首先对未安装复合储能装置的配电网系统进行潮流计算,根据公式(1)和公式(2)计算出节点的电压偏差总和和电流总谐波畸变率,其次取复合储能装置的安装容量为固定容量S,接下来分别在每个节点安装S容量的复合储能装置,每在一个节点安装复合储能装置后就进行一次潮流计算,计算该情况下节点的电压偏差总和和电流总谐波畸变率,通过与未安装复合储能装置的计算值相减获得变化量,直至计算完所有节点。
104步骤4,计算每个节点的灵敏度系数αstorek,采用如下公式(5);
式中,ΔfU为电压偏差总和变化量;ΔfTHD为电流总谐波畸变率变化量;β1和β2为灵敏度系数权重,其取值范围介于0到1之间,且满足β1+β2=1。β1和β2大小的不同体现了配电系统网络对于电压偏差和谐波含量的重视程度,其数值可根据实际需求进行更改;ΔS为复合储能装置的变化容量。
105步骤5,对节点灵敏度系数从大到小排序。通过公式(5)可知灵敏度系数越大,在该节点安装复合储能装置所改善的电能质量效果越好,因此对节点灵敏度系数从大到小排序可以清晰的体现出各个节点对于改善电能质量的敏感程度。
106步骤6,根据需求设定安装节点比例k,取前k%×N的节点作为可行安装节点备选集合,N表示配电网的节点总数。安装比例k的大小决定了最终计算节点的个数,其数值可以自行调节更改。当现场对精确度要求较高时,可以将k的值设置的大一些,此时节点个数相对多,求解获得的安装位置和安装容量更优,但计算时长增长;当现场对于计算速度要求较高时,可以将k的值设置的小一些,此时节点个数相对少,求解速度快,但求得的安装位置和容量相对于节点个数较多时可能差一些。
107步骤7,采用粒子群算法,设定粒子群大小和迭代次数。粒子群算法属于一种随机优化算法,其初始化为一群随机的粒子,粒子在解空间中根据自身的信息和群体信息共同决定自身的速度和方向,通过不断迭代来获取最优解。假设搜索空间为2N维,那么每个粒子各自的速度和位置如式(6)所示:
式中,Vi为第i个粒子的速度,Xi为第i个粒子的位置。复合储能装置所接入的系统节点为Xi的前N维,复合储能装置的容量为Xi的后N维。
108步骤8,计算每个粒子的适应度,并根据适应度更新个体最优值和全局最优值。其中粒子的适应度即为复合储能装置选址定容优化模型的三个目标函数值。
109步骤9,更新粒子的速度、位置和惯性权重,采用如下公式(7)和公式(8);
式中,ω为惯性权重,c1和c2为正的加速因子,r1和r2为在(0,1)区间的随机数;vij(t+1)表示第t+1次迭代时粒子的速度;vij(t)表示第t次迭代时粒子的速度;pij表示第t次迭代时粒子的最佳位置;xij(t)表示第t次迭代时粒子的位置;xij(t+1)表示第t+1次迭代时粒子的最佳位置;pgj表示第t次迭代时粒子群的最佳位置;d表示迭代的总次数。
式中,ωmin和ωmax分别代表ω的最大值和最小值,f代表目前粒子的目标函数值,fmin和favg分别代表了当前所有粒子目标函数的最小值和平均值。
惯性权重ω有效平衡粒子群算法的全局寻优能力和局部搜索能力,当粒子目标函数值大于所有粒子平均目标函数值时,ω取最大值,此时粒子可快速接近全局最优解;当粒子目标函数值小于所有粒子平均目标函数值时,ω则是在最小值的基础上加一动态值,从而提高局部寻优能力,且目标函数值越小,ω越小。
110步骤10,求解获得复合储能装置安装位置和安装容量。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.分布式光伏接入配电网电能质量治理的节点灵敏度分析法,其特征在于,包括如下步骤:
步骤1,提出节点电压偏差总和、电流总谐波畸变率和安装成本优化目标函数;
步骤2,构建由超级电容和铅酸电池组成的复合储能装置选址定容多目标优化模型;
步骤3,分别在各个节点安装同一容量的复合储能装置并进行潮流计算获得各个节点的电压偏差和电流总谐波畸变率变化量;
步骤4,计算每个节点的灵敏度系数αstorek,采用如下公式:
式中,ΔfU为电压偏差总和变化量;ΔfTHD为电流总谐波畸变率变化量;β1和β2为灵敏度系数权重,其取值范围介于0到1之间,且满足β1+β2=1;ΔS为复合储能装置的变化容量;
步骤5,对节点灵敏度系数从大到小排序;
步骤6,根据需求设定安装节点比例k,取前k%×N的节点作为可行安装节点备选集合,N表示配电网的节点总数;
步骤7,采用粒子群算法,设定粒子群大小和迭代次数;
步骤8,计算每个粒子的适应度,并根据适应度更新个体最优值和全局最优值;
步骤9,更新粒子的速度、位置和惯性权重,采用如下公式:
式中,ω为惯性权重,c1和c2为正的加速因子,r1和r2为在(0,1)区间的随机数;vij(t+1)表示第t+1次迭代时粒子的速度;vij(t)表示第t次迭代时粒子的速度;pij表示第t次迭代时粒子的最佳位置;xij(t)表示第t次迭代时粒子的位置;xij(t+1)表示第t+1次迭代时粒子的最佳位置;pgj表示第t次迭代时粒子群的最佳位置;d表示迭代的总次数;
式中,ωmin和ωmax分别代表ω的最大值和最小值,f代表目前粒子的目标函数值,fmin和favg分别代表当前所有粒子目标函数的最小值和平均值;
步骤10,求解获得复合储能装置安装位置和安装容量;
所述步骤1中,各目标函数的定义式如下:
式中,fU为节点电压偏差总和目标函数;N为系统节点个数,T为检测时刻数,Uij为j时刻i节点的电压,UN为系统额定电压;
式中,fP为安装成本优化目标函数;PC和Pb为系统中需要配置的超级电容器和蓄电池的容量,η1和η2分别表示超级电容器和蓄电池的能量转换效率,c1a和c2a为超级电容器和蓄电池单位容量的价格,Psum为复合储能装置总容量,cm表示复合储能装置的日常维护成本。
3.根据权利要求1所述的分布式光伏接入配电网电能质量治理的节点灵敏度分析法,其特征在于,所述步骤3中,首先求解未安装复合储能装置各节点的电压偏差和电流总谐波畸变率,其次通过固定复合储能装置的安装容量,分别在各个节点安装同一容量的复合储能装置,求解各个节点安装复合储能装置时的电流偏差总和变化量和电流总谐波电流变化量。
4.根据权利要求1所述的分布式光伏接入配电网电能质量治理的节点灵敏度分析法,其特征在于,所述步骤6中,设定的安装比例k的大小决定最终计算节点的个数,其数值自行调节更改。
6.根据权利要求1所述的分布式光伏接入配电网电能质量治理的节点灵敏度分析法,其特征在于,所述步骤9中,当粒子目标函数值大于所有粒子平均目标函数值时,ω取最大值,此时粒子可快速接近全局最优解;当粒子目标函数值小于所有粒子平均目标函数值时,ω则是在最小值的基础上加一动态值,从而提高局部寻优能力,且目标函数值越小,ω越小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810947951.8A CN109242271B (zh) | 2018-08-20 | 2018-08-20 | 分布式光伏接入配电网电能质量治理的节点灵敏度分析法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810947951.8A CN109242271B (zh) | 2018-08-20 | 2018-08-20 | 分布式光伏接入配电网电能质量治理的节点灵敏度分析法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242271A CN109242271A (zh) | 2019-01-18 |
CN109242271B true CN109242271B (zh) | 2021-10-01 |
Family
ID=65071741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810947951.8A Active CN109242271B (zh) | 2018-08-20 | 2018-08-20 | 分布式光伏接入配电网电能质量治理的节点灵敏度分析法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242271B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109713673B (zh) * | 2019-02-25 | 2022-12-09 | 上海电力学院 | 售电环境下并网型微电网系统配置及优化运行的方法 |
CN113433423B (zh) * | 2019-04-10 | 2022-06-03 | 三峡大学 | T型线路沿线电压交叉修正故障测距方法 |
CN110797889B (zh) * | 2019-11-18 | 2021-02-23 | 国电南瑞科技股份有限公司 | 一种解决潮流拥塞问题的储能电站布置方法 |
CN111446728A (zh) * | 2020-04-29 | 2020-07-24 | 国网浙江省电力有限公司电力科学研究院 | 一种基于灵敏度分析的光储容量优化方法与系统 |
CN111950913A (zh) * | 2020-08-17 | 2020-11-17 | 浙江工业大学 | 一种基于节点电压灵敏度的微电网电能质量综合评价方法 |
CN112448393B (zh) * | 2020-11-09 | 2023-03-17 | 广西电网有限责任公司电力科学研究院 | 基于自适应算法的配电网有源电力滤波器配置方法 |
CN114597899A (zh) * | 2022-03-01 | 2022-06-07 | 深圳供电局有限公司 | 智能配电网电能质量治理设备配置方法及装置 |
CN115207921B (zh) * | 2022-09-14 | 2022-12-30 | 国网江西省电力有限公司电力科学研究院 | 一种光伏接入配电网的位置优化方法及系统 |
CN115425654B (zh) * | 2022-09-30 | 2023-06-27 | 四川大学 | 一种配电网光伏和储能协同谐波治理的优化运行方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034912A (zh) * | 2012-12-20 | 2013-04-10 | 诸暨市供电局 | 一种分布式电源选址定容的优化方法 |
CN103956734A (zh) * | 2014-05-09 | 2014-07-30 | 深圳市海亿达能源科技股份有限公司 | 一种多目标电能质量综合控制与优化装置 |
CN104659816A (zh) * | 2015-03-13 | 2015-05-27 | 贵州电力试验研究院 | 一种基于改进粒子群算法的分布式电源接入配电系统优化配置方法 |
CN106849057A (zh) * | 2016-12-30 | 2017-06-13 | 西安理工大学 | 基于现代内点法和灵敏度分析法的分布式风电源优化方法 |
CN107039995A (zh) * | 2016-11-28 | 2017-08-11 | 国网湖北省电力公司宜昌供电公司 | 一种考虑电能质量问题的分布式光伏电源接入规划方法 |
CN107067344A (zh) * | 2017-05-27 | 2017-08-18 | 东北电力大学 | 考虑配电网谐波管理的分布式电源多目标接入规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8849715B2 (en) * | 2012-10-24 | 2014-09-30 | Causam Energy, Inc. | System, method, and apparatus for settlement for participation in an electric power grid |
-
2018
- 2018-08-20 CN CN201810947951.8A patent/CN109242271B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034912A (zh) * | 2012-12-20 | 2013-04-10 | 诸暨市供电局 | 一种分布式电源选址定容的优化方法 |
CN103956734A (zh) * | 2014-05-09 | 2014-07-30 | 深圳市海亿达能源科技股份有限公司 | 一种多目标电能质量综合控制与优化装置 |
CN104659816A (zh) * | 2015-03-13 | 2015-05-27 | 贵州电力试验研究院 | 一种基于改进粒子群算法的分布式电源接入配电系统优化配置方法 |
CN107039995A (zh) * | 2016-11-28 | 2017-08-11 | 国网湖北省电力公司宜昌供电公司 | 一种考虑电能质量问题的分布式光伏电源接入规划方法 |
CN106849057A (zh) * | 2016-12-30 | 2017-06-13 | 西安理工大学 | 基于现代内点法和灵敏度分析法的分布式风电源优化方法 |
CN107067344A (zh) * | 2017-05-27 | 2017-08-18 | 东北电力大学 | 考虑配电网谐波管理的分布式电源多目标接入规划方法 |
Non-Patent Citations (2)
Title |
---|
"Optimized capacity configuration of an integrated power system of wind, photovoltaic and energy storage device based on improved particle swarm optimizer";Xiaogang Wu 等;《2017 IEEE Conference on Energy Internet and Energy System Integration (EI2)》;20180104;第1-6页 * |
"计及电能质量的分布式电源选址定容优化配置研究";芦火青;《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》;20170215(第2期);第C042-1723页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109242271A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242271B (zh) | 分布式光伏接入配电网电能质量治理的节点灵敏度分析法 | |
CN105846461B (zh) | 一种大规模储能电站自适应动态规划的控制方法和系统 | |
CN110247438B (zh) | 基于天牛须算法的主动配电网资源优化配置 | |
CN109510234B (zh) | 一种微电网储能电站的混合储能容量优化配置方法及装置 | |
CN112564135A (zh) | 一种新能源与储能电站群频率/电压协调控制方法及装置 | |
CN107666155B (zh) | 基于Markov模型的多能互补系统随机稳定性分析方法 | |
CN103217900A (zh) | 基于实时电价的中压微网混沌pso最优潮流实现方法 | |
CN115577864B (zh) | 基于多模型组合运算的配电网运行优化调度方法 | |
CN113988384A (zh) | 一种提高配电网可靠性的储能容量优化配置方法 | |
CN107732945A (zh) | 一种基于模拟退火粒子群算法的储能单元优化方法 | |
CN111614110B (zh) | 一种基于改进多目标粒子群算法的受端电网储能优化配置方法 | |
CN111628558A (zh) | 混合储能系统的能量管理和容量配置的优化系统及方法 | |
CN115764849A (zh) | 一种混合储能容量优化配置方法及其配置系统 | |
CN111030149A (zh) | 一种基于复合储能装置的微电网供电方法及电子设备 | |
CN113644674A (zh) | 基于量子粒子群的氢混合储能容量配置系统、方法及应用 | |
CN115173433A (zh) | 一种平抑风电波动的储能容量优化方法及系统 | |
CN110323779B (zh) | 一种分布式发电与储能装置的功率动态聚合的方法和系统 | |
CN111049246A (zh) | 一种混合储能系统容量配置方法 | |
CN115912421A (zh) | 一种配电网储能选址定容多目标优化方法及系统 | |
CN113471995B (zh) | 一种提升新能源高占比区域频率稳定性的储能配置方法 | |
CN114552634A (zh) | 一种分布式电源规模化并网多目标动态集群划分方法及装置 | |
CN113555901A (zh) | 基于改进s型函数粒子群优化算法的混合储能容量优化方法 | |
CN115995840A (zh) | 基于风、光、储能协调的新能源系统调峰优化方法和装置 | |
Haiyun et al. | Optimal Capacity Allocation Method of Multi-types of Energy Storage for Wind Power Plant | |
CN113013909A (zh) | 一种基于平抑牵引的储能容量改进方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |