CN109409730A - 一种基于复杂网络特性评估的能源微网选址方法 - Google Patents

Abstract

本发明公开了一种基于复杂网络特性评估的能源微网选址方法，包括以下步骤：步骤1：构建能源系统复杂网络特性评估指标集，形成选址评估决策矩阵；步骤2：采用模糊层次分析法和粒子群优化算法确定选址评估指标权重；步骤3：计算规范化选址评估决策矩阵，根据指标权重求得加权规范化选址评估决策矩阵；步骤4：根据加权规范化选址评估决策矩阵计算正负理想解，采用逼近理想解排序法求得所有能源节点与理想能源节点的相对接近度，从而给出能源微网的接入节点确定选址；本发明通过综合评估所有能源节点在能源系统中的复杂网络特性，保证了能源微网选址的合理性。

Description

一种基于复杂网络特性评估的能源微网选址方法

技术领域

本发明涉及一种基于复杂网络特性评估的能源微网选址方法，属于能源电力系统领域。

背景技术

2017年10月，中国国家电网公司发布的《关于在各省公司开展综合能源服务业务的意见》指出，提供多元化分布式能源服务，构建终端一体化多能互补的能源供应体系是综合能源服务的重点任务。综合能源服务发展下的能源微网是一个由物质、能量、信息深度耦合的复杂网络系统，可同时实现冷/热/电/气/交通等多种能源输出，综合利用风能、太阳能等可再生能源以及电动汽车、柔性负荷等需求侧资源，是提升综合能源系统效能的有效途径和发展趋势。在众多技术中，结合能源互联网背景，对能源微网进行选址规划，促进能源、社会、经济之间的协调发展，是学术研究与工业应用的首要任务。现有研究多以分布式能源具体实例的系统设计为主，缺少能源微网选址规划的通用方法。鉴于此，本发明提出一种基于复杂网络特性评估的能源微网选址方法，通过对能源系统中各节点的复杂网络特性进行综合评估，确定能源微网的接入节点。

发明内容

本发明的目的是综合评估所有能源节点在能源系统中的复杂网络特性，为选出能源微网的接入节点提供有力支撑。

本发明提供一种基于复杂网络特性评估的能源微网选址方法，包括以下步骤：

步骤1：构建能源系统的复杂网络特性评估指标集，形成选址评估决策矩阵

(1)首先，建立能源系统网络的图论模型：

将能源系统网络抽象为一个由点集V和边集E组成的图G＝(V,E)，将能源系统的物理设备抽象为图G的顶点V，能源传输路径抽象为图G的边E；

(2)接着，构建能源系统的复杂网络特性评估指标集：

为确定能源微网的接入节点，采用以下4个指标表征能源系统节点的中心性和集聚性：

a、能源节点的度中心性：

能源节点i的度中心性为

式中，η_i为能源节点i的近邻集；j表示与能源节点i相近邻的能源节点，i和j的连接边记为边ij；w_ij为边ij的权重；能源节点的度中心性越大，则表示该能源节点与邻居节点的关系越紧密；

b、能源节点的紧密度：

能源节点i与其他所有节点的紧密度是与其他所有节点的加权距离之和：

式中，d_ij为能源节点i与j的最短距离；能源节点的紧密度越小，则表示该能源节点与网络中其他节点的距离越近；

c、能源节点的介数：

能源节点m的介数为：

式中，b_ij(m)为连接能源节点i与j之间最短路径中经过节点m的边数；能源节点的介数越大，则表示该能源节点的负载越重；

d、能源节点的集聚系数：

若能源节点i有k_i个邻接点，这k_i个节点之间实际有t_i条边，则能源节点i的集聚系数为：

能源节点的集聚系数越大，则表示该能源节点与邻居节点的关系越紧密；

(3)形成能源微网选址评估决策矩阵：

将m个待评估的能源节点记作E_i，i＝1,2,…,m∈M，其中第j个选址评估指标为x_j，j＝1,2,…,n∈N，M和N分别表示能源节点和评估指标下标的集合，则能源节点E_i的指标集合为I_i＝{x_i1,x_i2,…,x_ij,…,x_in}，x_ij表示第i个能源节点第j个评估指标的取值；所有的x_ij构成选址评估决策矩阵为：

步骤2：采用模糊层次分析法和粒子群优化算法确定选址评估指标权重

(1)将不确定比较判断表示为三角模糊数：

采用模糊集理论将不确定比较判断表示为三角模糊数，以表征模糊相对重要性，在给定论域U上，对任何χ∈U，一个三角模糊集都有一个三角模糊隶属度与之对应，其表达式如下：

式中，l,m,u分别表示描述模糊事件的最小可能值、最有可能值和最大可能值，表示模糊数，记为(l,m,u)；

(2)建立模糊层次分析模型：

a、构建决策层次结构：与传统的层次分析法类似，首先是将决策问题分解为层次结构；

b、生成成对模糊比较矩阵：对具有n个元素的优先级问题，其中成对比较判断由模糊三角数表示，在此基础上，构造正则模糊倒数比较矩阵：

c、一致性检验和优先级推导:此步骤检验一致性，并根据成对比较矩阵推导优先级，若则正则模糊比较矩阵是一致的，其中，表示模糊乘法，≈表示模糊等于；一旦成对比较矩阵通过一致性检验，即可采用传统层次分析方法计算模糊优先级然后，利用成对比较矩阵得到局部优先级权重向量(w₁,w₂,…,w_n)^T；

d、全局优先级的汇总，即最终权重值的确定：将在决策层次的不同级别获得的局部优先级权重汇总为基于加权和方法综合全局优先级，即最终权重值；

(3)建立模糊优化模型：

判断矩阵的元素是由模糊三角数表示的成对比较比率组成，其中i,j＝1,2,...,n；此外，假设当i≠j时l_ij＜m_ij＜u_ij，如果i＝j，那么因此，由正则模糊数成对比较矩阵推导出的权重值向量(w₁,w₂,…,w_n)^T必须满足模糊不等式：

式中，w_i＞0,w_j＞0,i≠j，表示模糊小于或等于；

为了衡量不同比率对于上式双边不等式的满意度，将新的隶属函数定义为：

式中，i≠j，μi_j(w_i/w_j)的值可以大于1，并且在区间(0,m_ij]上线性减小，在区间[m_ij,∞)上线性增加；μ_ij(w_i/w_j)的越小则表明w_i/w_j值越可接受；

为了确定权重值向量(w₁,w₂,…,w_n)^T，所有w_i/w_j的精确比率应该满足n(n-1)/2个模糊比较判断，即w_i/w_j应该尽可能满足：其中，由此，μ_ij(w_i/w_j)的最小化模型可以用来求解权重值向量(w₁,w₂,…,w_n)^T，如下式所示：

上式需满足：

式中，i≠j，δ是Heaviside函数：

该最小化模型是一个约束非线性优化模型，可以改写为

上式的非线性方程组等价于优化问题：

应用粒子群优化算法进行求解，得到权重值向量，具体求解步骤如下所示：

a)设置控制参数和迭代次数t＝1；

b)初始化粒子i的位置χ_i和速度v_i；

c)更新每个粒子的位置p_i；

d)评估每个粒子的目标(适应度)函数

e)更新每个粒子的个体最佳位置p_id(t)和群体最佳位置p_gd(t)；

f)如果则输出最佳位置(全局解)；

g)否则，更新迭代次数，t＝t+1，并重复步骤c～f。

步骤3：计算加权规范化选址评估决策矩阵

为消除各选址评估指标的量纲不一致，作规范化处理，指标分为效益型和成本型两类，其中效益型越大越好，成本型越小越好；

经规范化的效益型指标为

经规范化的成本型指标为

至此，可得规范化选址评估决策矩阵R＝[r_ij]，r_ij是规范化决策矩阵R中的元素；

在步骤1所述的选址评估指标中，度中心性、介数和集聚系数为效益型指标，紧密度为成本型指标；

选址评估指标的权重W＝[w₁,w₂,…,w_i,…,w_n]，对是规范化决策矩阵R赋予相应的权重后得到加权规范化选址评估决策矩阵V，其中v_ij为V中元素，v_ij＝w_jr_ij，i＝1,2,…,m；j＝1,2,…,n。

步骤4：采用逼近理想解排序法选定能源微网的接入节点，确定选址

(1)确定评估指标理想解：

根据加权规范化选址决策评估矩阵V，确定各选址评估指标的理想解F⁺和负理想解F^-；将矩阵V中相对同一个指标各能源节点指标中的最大值作为该指标的正理想解，最小值作为该指标的负理想解；正理想解记为负理想解记为其中，

(2)计算与正负理想解的距离：

计算各能源节点与正理想解和负理想解的距离，记能源节点E_i与正理想解F+的距离为与负理想解F^-的距离为则有

(3)根据与理想能源节点的相对接近度进行排序确定选址：

根据各能源节点与理想能源节点的相对接近度C_i对各元素进行排序，其中：C_i越大则该能源节点越接近理想能源节点，越优先接入能源微网；进而选定能源微网的接入节点，确定选址。

与现有技术相比，本发明的有益效果是：

本发明提出一种一种基于复杂网络特性评估的能源微网选址方法，建立了包括度中心性、紧密度、介数和集聚系数的选址评估指标体系，能较全面反映能源节点的复杂网络特性；同时，采用三角模糊数、模糊层次分析和粒子群优化算法给出评估指标的权重，能较好地考虑的指标相对重要度的模糊性，更接近于专家认知；此外，基于逼近理想解排序法给出能源节点的选址排序，易于理解和实施。

附图说明

图1为能源微网选址方法的流程图；

图2为IEEE118节点系统拓扑图；

图3为各能源节点与正理想解的距离；

图4为各能源节点与负理想解的距离；

图5为各能源节点与理想能源节点的相对接近度。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步的详细说明。

图1为本发明的流程图。

现采用IEEE 118节点电力系统为算例进行仿真计算，用复杂网络理论进行系统建模，发电容量和负荷容量仅取初始值，线路间的连接权重取电抗的标么值。图2为该IEEE118节点系统拓扑图。

(1)首先，计算各能源节点的选址评估指标值，如表1所示。

表1 各能源节点的选址评估指标值(即选址评估决策矩阵的元素)

(2)接着，采用模糊层次分析法和粒子群优化算法计算各选址评估指标权重。其中，相对重要性的三角模糊数表示如下：

采用粒子群优化算法求得的选址评估指标权重为：

W＝[0.1484 0.2720 0.4985 0.0810]

(3)进而，计算规范化选址评估决策矩阵和加权规范化选址评估决策矩阵，它们的元素分别如表2和表3所示。

表2 规范化选址评估决策矩阵元素

表3 加权规范化选址评估决策矩阵元素

(4)计算正负理想解和各能源节点与理想能源节点的相对接近度。

正理想解F⁺：

F⁺＝[0.1484 0.2720 0.4985 0.0810]^T

负理想解F^-：

F^-＝[0.0000 0.0000 0.0000 0.0000]^T

各能源节点与正理想解的距离如图3所示，与负理想解的距离如图4所示；各能源节点与理想能源节点的相对接近度如图5所示。表4给出了排名前10能源节点编号及其相对接近度值，这些节点作为优先接入能源微网的备选节点。

表4 排名前10能源节点的编号及其相对接近度值

Claims (5)

1.一种基于复杂网络特性评估的能源微网选址方法，其特征在于，包括以下步骤：

步骤1：构建能源系统的复杂网络特性评估指标集，形成选址评估决策矩阵；

步骤2：采用模糊层次分析法和粒子群优化算法确定选址评估指标权重；

步骤3：计算加权规范化选址评估决策矩阵；

步骤4：采用逼近理想解排序法选定能源微网的接入节点，确定选址。

2.如权利要求1所述的一种基于复杂网络特性评估的能源微网选址方法，其特征在于，所述步骤1中形成选址评估决策矩阵的方法为：

(1)首先，建立能源系统网络的图论模型：

将能源系统网络抽象为一个由点集V和边集E组成的图G＝(V,E)，将能源系统的物理设备抽象为图G的顶点V，能源传输路径抽象为图G的边E；

(2)接着，构建能源系统的复杂网络特性评估指标集：

为确定能源微网的接入节点，采用以下4个指标表征能源系统节点的中心性和集聚性：

a、能源节点的度中心性：

能源节点i的度中心性为

式中，η_i为能源节点i的近邻集；j表示与能源节点i相近邻的能源节点，i和j的连接边记为边ij；w_ij为边ij的权重；能源节点的度中心性越大，则表示该能源节点与邻居节点的关系越紧密；

b、能源节点的紧密度：

能源节点i与其他所有节点的紧密度是与其他所有节点的加权距离之和：

式中，d_ij为能源节点i与j的最短距离；能源节点的紧密度越小，则表示该能源节点与网络中其他节点的距离越近；

c、能源节点的介数：

能源节点m的介数为：

式中，b_ij(m)为连接能源节点i与j之间最短路径中经过节点m的边数；能源节点的介数越大，则表示该能源节点的负载越重；

d、能源节点的集聚系数：

若能源节点i有k_i个邻接点，这k_i个节点之间实际有t_i条边，则能源节点i的集聚系数为：

能源节点的集聚系数越大，则表示该能源节点与邻居节点的关系越紧密；

(3)形成能源微网选址评估决策矩阵：

将m个待评估的能源节点记作E_i，i＝1,2,…,m∈M，其中第j个选址评估指标为x_j，j＝1,2,…,n∈N，M和N分别表示能源节点和评估指标下标的集合，则能源节点E_i的指标集合为I_i＝{x_i1,x_i2,…,x_ij,…,x_in}，x_ij表示第i个能源节点第j个评估指标的取值；所有的x_ij构成选址评估决策矩阵为：

3.如权利要求1所述的一种基于复杂网络特性评估的能源微网选址方法，其特征在于，所述步骤2中确定选址评估指标权重的方法为：

(1)将不确定比较判断表示为三角模糊数：

采用模糊集理论将不确定比较判断表示为三角模糊数，以表征模糊相对重要性，在给定论域U上，对任何χ∈U，一个三角模糊集都有一个三角模糊隶属度与之对应，其表达式如下：

式中，l,m,u分别表示描述模糊事件的最小可能值、最有可能值和最大可能值，表示模糊数，记为(l,m,u)；

(2)建立模糊层次分析模型：

a、构建决策层次结构：与传统的层次分析法类似，首先是将决策问题分解为层次结构；

b、生成成对模糊比较矩阵：对具有n个元素的优先级问题，其中成对比较判断由模糊三角数表示，在此基础上，构造正则模糊倒数比较矩阵：

c、一致性检验和优先级推导:此步骤检验一致性，并根据成对比较矩阵推导优先级，若则正则模糊比较矩阵是一致的，其中，i,j,k＝1,2,…,n，表示模糊乘法，≈表示模糊等于；一旦成对比较矩阵通过一致性检验，即可采用传统层次分析方法计算模糊优先级然后，利用成对比较矩阵得到局部优先级权重向量(w₁,w₂,…,w_n)^T；

d、全局优先级的汇总，即最终权重值的确定：将在决策层次的不同级别获得的局部优先级权重汇总为基于加权和方法综合全局优先级，即最终权重值；

(3)建立模糊优化模型：

判断矩阵的元素是由模糊三角数表示的成对比较比率组成，其中i,j＝1,2,...,n；此外，假设当i≠j时l_ij＜m_ij＜u_ij，如果i＝j，那么因此，由正则模糊数成对比较矩阵推导出的权重值向量(w₁,w₂,…,w_n)^T必须满足模糊不等式：

式中，w_i＞0,w_j＞0,i≠j，表示模糊小于或等于；

为了衡量不同比率对于上式双边不等式的满意度，将新的隶属函数定义为：

式中，i≠j，μi_j(w_i/w_j)的值可以大于1，并且在区间(0,mi_j]上线性减小，在区间[m_ij,∞)上线性增加；μ_ij(w_i/w_j)的越小则表明w_i/w_j值越可接受；

为了确定权重值向量(w₁,w₂,…,w_n)^T，所有w_i/w_j的精确比率应该满足n(n-1)/2个模糊比较判断，即w_i/w_j应该尽可能满足：其中，由此，μi_j(w_i/w_j)的最小化模型可以用来求解权重值向量(w₁,w₂,…,w_n)^T，如下式所示：

上式需满足：

式中，i≠j，δ是Heaviside函数：

该最小化模型是一个约束非线性优化模型，可以改写为

上式的非线性方程组等价于优化问题：

应用粒子群优化算法进行求解，得到权重值向量，具体求解步骤如下所示：

a)设置控制参数和迭代次数t＝1；

b)初始化粒子i的位置χ_i和速度v_i；

c)更新每个粒子的位置p_i；

d)评估每个粒子的目标(适应度)函数

e)更新每个粒子的个体最佳位置p_id(t)和群体最佳位置p_gd(t)；

f)如果则输出最佳位置(全局解)；

g)否则，更新迭代次数，t＝t+1，并重复步骤c～f。

4.如权利要求1-3任一所述的一种基于复杂网络特性评估的能源微网选址方法，其特征在于，所述步骤3计算加权规范化选址评估决策矩阵的方法为：

为消除各选址评估指标的量纲不一致，作规范化处理，指标分为效益型和成本型两类，其中效益型越大越好，成本型越小越好；

经规范化的效益型指标为

经规范化的成本型指标为

至此，可得规范化选址评估决策矩阵R＝[r_ij]，r_ij是规范化决策矩阵R中的元素；

在步骤1所述的选址评估指标中，度中心性、介数和集聚系数为效益型指标，紧密度为成本型指标；

选址评估指标的权重W＝[w₁,w₂,…,w_i,…,w_n]，对是规范化决策矩阵R赋予相应的权重后得到加权规范化选址评估决策矩阵V，其中v_ij为V中元素，v_ij＝w_jr_ij，i＝1,2,…,m；j＝1,2,…,n。

5.如权利要求1所述的一种基于复杂网络特性评估的能源微网选址方法，其特征在于，所述步骤4中确定能源微网选址的方法为：

(1)确定评估指标理想解：

根据加权规范化选址决策评估矩阵V，确定各选址评估指标的理想解F⁺和负理想解F-；将矩阵V中相对同一个指标各能源节点指标中的最大值作为该指标的正理想解，最小值作为该指标的负理想解；正理想解记为负理想解记为其中，

(2)计算与正负理想解的距离：

计算各能源节点与正理想解和负理想解的距离，记能源节点E_i与正理想解F⁺的距离为与负理想解F^-的距离为则有

(3)根据与理想能源节点的相对接近度进行排序确定选址：

根据各能源节点与理想能源节点的相对接近度C_i对各元素进行排序，其中：C_i越大则该能源节点越接近理想能源节点，越优先接入能源微网；进而选定能源微网的接入节点，确定选址。