CN109447307A - 一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法 - Google Patents

一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法 Download PDF

Info

Publication number
CN109447307A
CN109447307A CN201810970086.9A CN201810970086A CN109447307A CN 109447307 A CN109447307 A CN 109447307A CN 201810970086 A CN201810970086 A CN 201810970086A CN 109447307 A CN109447307 A CN 109447307A
Authority
CN
China
Prior art keywords
distributed generation
generation resource
distribution network
empire
cost
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
CN201810970086.9A
Other languages
English (en)
Inventor
熊小萍
武文梁
谭建成
龙凤英
莫峻
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.)
Guangxi University
Original Assignee
Guangxi University
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 Guangxi University filed Critical Guangxi University
Priority to CN201810970086.9A priority Critical patent/CN109447307A/zh
Publication of CN109447307A publication Critical patent/CN109447307A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/043Optimisation of two dimensional placement, e.g. cutting of clothes or wood
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06Electricity, gas or water supply
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70Smart grids as climate change mitigation technology in the energy generation sector
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本发明提供一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,包括子目标函数的选取,多目标函数的选取,分布式电源选址和定容的总目标函数的构建,以及基于改进帝国殖民竞争算法的分布式电源选址优化模型的建立;本发明虑负荷增长和分布式电源接入配电网前后对网络损耗的影响,构建了包含分布式电源投资费用、网损费用以及配电网升级成本费用多目标数学优化模型;采用本申请提出的算法求解接入配电网中分布式电源选址和定容的优化问题,并与改进的遗传算法进行对比,表明本申请可有效降低分布式电源在选址和定容过程中的网损费用和线路升级成本,且系统规模越大经济效益越明显,为配电网的规划运行提供了有利依据。

Description

一种基于改进帝国殖民竞争算法的分布式电源选址模型优化 方法
技术领域
本发明涉及电源选址技术领域,尤其是一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法。
背景技术
随着能源互联网时代的到来,分布式电源接入配电网使得电力系统的规划及运行变得更加不确定,同时也使得负荷的增长难以准确预测,从而造成配电网规划困难,并引发一系列规划失误问题。除此之外,由于分布式电源间歇性和随机性太大,使得配电网系统中潮流分布和潮流方向极易改变。一般来说,分布式电源的容量过大会导致配电网反向潮流,从而影响其保护系统,并相应地增加整体运行成本。因此,分布式电源的选址和定容是一个多目标的优化问题,除了电力系统条件约束外,各子目标之间也存在着相互制约和影响。多目标优化问题的解决方案可以精确确定分布式电源在配电网中的最优分布和容量,从而使得分布式电源接入配电网后不会危及电力系统的正常运行。目前大量文献利用各种智能算法为分布式电源接入配电网的最优位置提供了有力的工具。但是,对于分布式电源的选址和定容方面仍有不足之处:(1)没有考虑负荷增长这一重要因素,配电网在规划运行时,负荷增长这一要素必不可少;(2)采用遗传算法、粒子群优化、蚁群优化等生物进化算法,其收敛速度比较慢、易陷入局部最优。
发明内容
针对现有技术的不足,本发明提供一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,本申请在考虑分布式电源投资费用、网损费用以及配电网升级成本费用情况下,采用改进帝国主义竞争算法(imperialist competitive algorithm,简称ICA)对接入配电网中分布式电源选址和定容问题进行优化求解。
本发明的技术方案为:一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,包括以下步骤:
S1)、改进帝国殖民竞争算法分布式电源选址优化模型子目标函数的选取,其中,子目标函数的选取包括分布式电源运行的总费用、电网网损费用、配电网线路改造升级成本费用模型的选取;
S2)、改进帝国殖民竞争算法分布式电源选址优化模型多目标函数的选取,包括电压约束、电流约束和分布式电源运行约束条件的选取,分布式电源接入配电网后,由于对线路的网络损耗和电压降有较大的影响,故对其进行电压、电流、分布式电源运行进行约束;
S3)、以电压约束、电流约束和分布式电源运行约束条件为基础,选取分布式电源运行总费用、网损费用以及配电网线路改造升级费用为变量,以配电网实际运行规划为基准,构建分布式电源选址和定容的总目标函数;
S4)、通过约束条件和总目标函数建立基于改进帝国殖民竞争算法的分布式电源选址优化模型。
进一步的,上述技术方案中,步骤S1)中,分布式电源主要包括内燃机组发电,燃气轮机发电,风力发电、太阳能光伏发电以及其他可再生能源发电,其运行的总费用包括设备投资费用和运行维护成本,分布式电源运行的总费用QDG的模型如下:
式中,m为分布式电源数,Tmax为分布式电源的最大发电时长,ηi为第i个分布式电源的功率因子,SeDGi为第i个分布式电源的发电容量费用,a为固定年利率,nDG为分布式电源的投资回收期,QDGi为第i个分布式电源的单位投资建设成本,QDM分布式电源的固定维护费用。
进一步的,上述技术方案中,步骤S1)中,所述电网网损费用QL的模型如下:
式中,Qe为电价,λjmax为第j条线路的年最大负荷损耗时长,为第j条线路的功率损耗,σj为流过线路的负荷功率因子,Rj为第j条支路电阻,Pj为第j条支路有功功率,UN为额定电压。
进一步的,上述技术方案中,步骤S1)中,由于节点负荷需求的不断增长,导致在规定年限内负荷超限,故配电网的线路需要进行适当的改造和升级以满足用户的需求,故述配电网线路改造升级成本费用QN的模型如下:
式中,L为配电网中线路的数量,βj为第j条线路的改造升级系数,若βj=1表示规划期内需要升级,βj=0表示规划期内不需要升级,为改造升级时间段内的等额分付资本回收系数,为规划期结束时间段内的等额分付资本回收系数,pj为第j条线路的改造升级的时间期限,kj为第j条线路规划期结束的时间期限,Qjl为第j条线路的固定投资建设费用,a为固定年利率。
进一步的,上述技术方案中,步骤S2)中,在构建多目标函数优化模型时,对配电网的规划运行作如下假设:
1、配电网在运行规划时,升级周期设为10年;
2、配电网中的电力负荷增长需求按照每年增长1%的速度来计算。
进一步的,上述技术方案中,步骤S2)中,电压约束条件模型具体如下:
式中,Ui为第i个负荷节点的电压,KU为负荷节点电压约束的惩罚因子,电力系统正常运行时其值为0,Uimin和Uimax分别为节点电压的上限值和下限值。
进一步的,上述技术方案中,步骤S2)中,电流约束条件模型具体如下:
式中,Ki为第i条线路中电流的惩罚因子,Ij为第j条支路的电流,Ijmax为第j条支路上所允许通过的最大电流值。
进一步的,上述技术方案中,步骤S2)中,分布式电源的接入位置对配电网的运行有着重要的影响,尤其是网络的损耗和电压降的改变尤为突出,假定接入分布式电源总容量不超过该区域最大负荷总量的10%,既保证配电网规划运行的经济性,也提高线路运行的可靠性,其分布式电源运行约束条件如下:
式中,S∑DG为分布式电源接入配电网的发电总容量,K∑DG为分布式电源发电容量的惩罚因子,SL为配电网最大电力负荷总量的10%。
进一步的,上述技术方案中,步骤S3)中,以步骤S2)中的假设为前提,以电压约束、电流约束和分布式电源运行约束条件为基础,选取分布式电源运行总费用、网损费用以及配电网线路改造升级费用为变量,以配电网实际运行规划为基准,构建分布式电源选址和定容的总目标函数,优化功能的主要目标是在接入分布式电源后,使得配电网规划运行效益最大化,总目标函数如下:
式中,Zcost为电网运行的总费用,QN为配电网线路改造升级成本费用,QDG为分布式电源运行的总费用,QL为电网网损费用,Ui为第i个负荷节点的电压,KU为负荷节点电压约束的惩罚因子,电力系统正常运行时其值为0,n负荷数量,Ki为第i个线路中电流的惩罚因子,Ij为第j个支路的电流,L为支路数量,K∑DG为分布式电源发电容量的惩罚因子,S∑DG为分布式电源接入配电网的发电总容量。
进一步的,步骤S4)中,通过约束条件和总目标函数建立基于改进帝国殖民竞争算法的分布式电源选址优化模型,具体包括以下步骤:
S401)、初始化输入配电网原始数据,将配电网节点信息和支路信息进行电压、电流约束条件的约束,并初始化算法参数,其中,算法参数包括殖民地国家的规模、最大迭代次数、惯性权重、殖民地国家更新的最大速度和收敛条件等;
S402)、对配电网规划期内的负荷增长总量进行计算,从而确定分布式电源的最大发电容量;对随机生成一个初始的国家群体的所有个体进行校验;若所有个体对应的分布式电源的容量均小于等于相应的负荷量,限制为负荷节点的10%的负荷量,且总接入容量不大于最大发电容量,即分布式电源的约束条件,则该国家群体作为分布式电源位置和容量的初始解,将国家群体按照设定的要求分成帝国主义国家和殖民地国家;
S403)、利用改进的ICA算法对分布式电源的最优安装位置和容量进行搜索,对殖民地国家采取DE改进策略,各国家之间相互竞争,选择势力较大的殖民地国家;
S404)、更新帝国主义国家的位置,殖民地向所属帝国主义国家移动,计算帝国集团的总势力,直到形成统一帝国,即电网运行总费用;
S405)、随着弱势帝国集团中的殖民地国家不断被其他帝国集团占有,当其集团内殖民地国家的数量减少到0时,整个群体只剩下一个帝国集团,则国家统一,寻得最优解,或达到算法最大迭代次数,算法结束。
本发明的有益效果为:本发明虑负荷增长和分布式电源接入配电网前后对网络损耗的影响,构建了包含分布式电源投资费用、网损费用以及配电网升级成本费用多目标数学优化模型;另外,采用本申请提出的算法求解接入配电网中分布式电源选址和定容的优化问题,并与改进的遗传算法进行对比,表明本申请可有效降低分布式电源在选址和定容过程中的网损费用和线路升级成本,且系统规模越大经济效益越明显,为配电网的规划运行提供了有利依据,具有重要的现实意义。
附图说明
图1为本发明基于改进ICA算法的分布式电源选址和定容流程示意图;
图2为本发明实施例中IEEE 30配电网线路架构网络图;
图3为本发明实施例中IEEE 57配电网线路架构网络图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明:
一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,包括以下步骤:
S1)、改进帝国殖民竞争算法分布式电源选址优化模型子目标函数的选取,其中,子目标函数的选取包括分布式电源运行的总费用、电网网损费用、配电网线路改造升级成本费用模型的选取,具体如下:
1、分布式电源运行的总费用QDG
分布式电源主要包括内燃机组发电,燃气轮机发电,风力发电、太阳能光伏发电以及其他可再生能源发电,其运行的总费用包括设备投资费用和运行维护成本,分布式电源运行的总费用QDG的模型如下:
式中,m为分布式电源数,Tmax为分布式电源的最大发电时长,ηi为第i个分布式电源的功率因子,SeDGi为第i个分布式电源的发电容量费用,a为固定年利率,nDG为分布式电源的投资回收期,QDGi为第i个分布式电源的单位投资建设成本,QDM分布式电源的固定维护费用;
2、电网网损费用QL
所述电网网损费用QL的模型如下:
式中,Qe为电价,λjmax为第j条线路的年最大负荷损耗时长,为第j条线路的功率损耗,σj为流过线路的负荷功率因子,Rj为第j条支路电阻,Pj为第j条支路有功功率,UN为额定电压。
3、配电网线路改造升级成本费用QN
由于节点负荷需求的不断增长,导致在规定年限内负荷超限,故配电网的线路需要进行适当的改造和升级以满足用户的需求,故配电网线路改造升级成本费用QN的模型如下:
式中,L为配电网中线路的数量,βj为第j条线路的改造升级系数,若βj=1表示规划期内需要升级,βj=0表示规划期内不需要升级,为改造升级时间段内的等额分付资本回收系数,为规划期结束时间段内的等额分付资本回收系数,pj为第j条线路的改造升级的时间期限,kj为第j条线路规划期结束的时间期限,Qjl为第j条线路的固定投资建设费用,a为固定年利率。
S2)、改进帝国殖民竞争算法分布式电源选址优化模型多目标函数的选取,包括电压约束、电流约束和分布式电源运行约束条件的选取。
在构建多目标函数优化模型时,对配电网的规划运行作如下假设:
1、配电网在运行规划时,升级周期设为10年;
2、配电网中的电力负荷增长需求按照每年增长1%的速度来计算。
分布式电源接入配电网后,由于对线路的网络损耗和电压降有较大的影响,故对其进行电压、电流、分布式电源运行进行约束,电压约束条件模型具体如下:
式中,Ui为第i个负荷节点的电压,KU为负荷节点电压约束的惩罚因子,电力系统正常运行时其值为0,Uimin和Uimax分别为节点电压的上限值和下限值。
电流约束条件模型具体如下:
式中,Ki为第i条线路中电流的惩罚因子,Ij为第j条支路的电流,Ijmax为第j条支路上所允许通过的最大电流值。
分布式电源的接入位置对配电网的运行有着重要的影响,尤其是网络的损耗和电压降的改变尤为突出,假定接入分布式电源总容量不超过该区域最大负荷总量的10%,既保证配电网规划运行的经济性,也提高线路运行的可靠性,其分布式电源运行约束条件如下:
式中,S∑DG为分布式电源接入配电网的发电总容量,K∑DG为分布式电源发电容量的惩罚因子,SL为配电网最大电力负荷总量的10%。
S3)、以电压约束、电流约束和分布式电源运行约束条件为基础,选取分布式电源运行总费用、网损费用以及配电网线路改造升级费用为变量,以配电网实际运行规划为基准,构建分布式电源选址和定容的总目标函数,优化功能的主要目标是在接入分布式电源后,使得配电网规划运行效益最大化,总目标函数如下:
式中,Zcost为电网运行的总费用,QN为配电网线路改造升级成本费用,QDG为分布式电源运行的总费用,QL为电网网损费用,Ui为第i个负荷节点的电压,KU为负荷节点电压约束的惩罚因子,电力系统正常运行时其值为0,n负荷数量,Ki为第i个线路中电流的惩罚因子,Ij为第j个支路的电流,L为支路数量,K∑DG为分布式电源发电容量的惩罚因子,S∑DG为分布式电源接入配电网的发电总容量。
S4)、通过约束条件和总目标函数建立基于改进帝国殖民竞争算法的分布式电源选址优化模型,具体包括以下步骤:
S401)、初始化输入配电网原始数据,将配电网节点信息和支路信息进行电压、电流约束条件的约束,并初始化算法参数,其中,算法参数包括殖民地国家的规模、最大迭代次数、惯性权重、殖民地国家更新的最大速度和收敛条件等;
S402)、对配电网规划期内的负荷增长总量进行计算,从而确定分布式电源的最大发电容量;对随机生成一个初始的国家群体的所有个体进行校验;若所有个体对应的分布式电源的容量均小于等于相应的负荷量,限制为负荷节点的10%的负荷量,且总接入容量不大于最大发电容量,即分布式电源的约束条件,则该国家群体作为分布式电源位置和容量的初始解,将国家群体按照设定的要求分成帝国主义国家和殖民地国家;
S403)、利用改进的ICA算法对分布式电源的最优安装位置和容量进行搜索,对殖民地国家采取DE改进策略,各国家之间相互竞争,选择势力较大的殖民地国家;
S404)、更新帝国主义国家的位置,殖民地向所属帝国主义国家移动,计算帝国集团的总势力,直到形成统一帝国,即电网运行总费用;
S405)、随着弱势帝国集团中的殖民地国家不断被其他帝国集团占有,当其集团内殖民地国家的数量减少到0时,整个群体只剩下一个帝国集团,则国家统一,寻得最优解,或达到算法最大迭代次数,算法结束,具体可参见图1。
为了更好的理解本发明思路,本实例采用IEEE 30节点系统图,如图2所示,按其约束条件进行设置之后,将接入配电网中分布式电源容量最小单位设置为0.1MVA,最大值不超过接入区域的总负荷量。对于分布式电源接入配电网的最佳位置和容量,除了应当遵循电力系统运行的约束条件,还应当根据实际情况进行合理的配置,本实施例只在配电网二次侧进行分布式电源的接入。
经过改进ICA算法优化后,得出分布式电源的最优接入位置和容量,安装在图2中5个负荷节点,各节点最优接入位置和最优安装容量见表1。
表1分布式电源的最优接入位置和容量
结果表明,分布式电源的接入会对配电网的潮流分布和网络损耗产生很大的影响,个别线路负荷出现了超限的情况,不难发现,优化后得出的分布式电源接入位置基本在整个配电网线路的终端。在配电网长期运营的过程中,线路负荷不断增加。将上述得出的分布式电源的最优位置和最优容量接入到该配电网中,通过潮流计算可以发现,在配电网接入分布式电源的容量之后,原本在规划期限内存在超限的线路得到其功率的补偿,可以满足线路负荷,从而省去改造线路升级的巨额费用。
但是,为进一步研究分布式电源接入配电网后电力系统整体的经济效益。本实施例将改进ICA算法优化后的配电网规划方案与改进遗传算法对分布式电源选址和定容的规划方案进行深入分析,如表2所示。数据结果表明线路改造获得的收益要高于分布式电源接入配电网之后运行产生的总费用。故两种方法对接入配电网中分布式电源的选址和定容都获得了较为理想的结果。但改进ICA算法的经济性要高于改进遗传算法,并且线路网损年费用和分布式电源投资运行费用相对较少。
表2改进遗传算法和改进ICA算法分布式电源规划方案的对比
结果表明,分布式电源的接入可以带来更多的经济效益。虽然分布式电源投资与维护将会产生巨额的费用,但按长远规划来看该方案具有巨大的社会效益,对分布式电源的接入位置和容量进行优化后,可以有效降低配电网的网络损耗,并对其线路改造升级节省巨大费用。除此之外,由于能源互联网时代的到来以及用户对能源需求的不断增长,致使分布式发电从间歇性能源向低压电网的渗透不断增加,故建设分布式电源所带来的社会效益和经济效益将会大大超过其投资运行成本。为进一步验证该算例普遍性和经济性,本文对IEEE 57节电系统图进行实例验证。采用以上两种的方法对IEEE 57节电系统图进行优化求解,如图3所示,得到以下结果如表3。
表3改进遗传算法和改进ICA算法分布式电源规划方案的对比(万元)
通过上例分析可得,改进ICA算法在负荷节电越多的配电网中,其获益效果越明显。而且分布式电源运行总费用和网损年费用明显减少。从总的净收益来看,相对于IEEE30节电系统,本实例改进ICA算法收益增长约64%,而改进遗传算法收益增长约42%。故从长远规划和多负荷节点的配电网来看,本实施列所提的分布式电源最优选址和定容的模型和算法,在配电网规划运行中具有重要的现实意义,并能带来巨大的经济效益。
本申请提出一种新的多目标选址和定容优化方法,并将配电网规划运行时的负荷增长这一实际重要因素考虑进来。采用改进ICA算法来求解分布式电源的最优选址和定容模型,通过IEEE 30节点和IEEE 57节点系统比较分析所提方法与传统的改进遗传算法。结果表明所提方案解决分布式电源的选址和定容问题是可行且有效的。
上述实施例和说明书中描述的只是说明本发明的原理和最佳实施例,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。

Claims (10)

1.一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,包括以下步骤:
S1)、改进帝国殖民竞争算法分布式电源选址优化模型子目标函数的选取,其中,子目标函数的选取包括分布式电源运行的总费用、电网网损费用、配电网线路改造升级成本费用模型的选取;
S2)、改进帝国殖民竞争算法分布式电源选址优化模型多目标函数的选取,包括电压约束、电流约束和分布式电源运行约束条件的选取,分布式电源接入配电网后,由于对线路的网络损耗和电压降有较大的影响,故对其进行电压、电流、分布式电源运行进行约束;
S3)、以电压约束、电流约束和分布式电源运行约束条件为基础,选取分布式电源运行总费用、网损费用以及配电网线路改造升级费用为变量,以配电网实际运行规划为基准,构建分布式电源选址和定容的总目标函数;
S4)、通过约束条件和总目标函数建立基于改进帝国殖民竞争算法的分布式电源选址优化模型。
2.根据权利要求1所述的一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,其特征在于:步骤S1)中,分布式电源主要包括内燃机组发电,燃气轮机发电,风力发电、太阳能光伏发电以及其他可再生能源发电,其运行的总费用包括设备投资费用和运行维护成本,分布式电源运行的总费用QDG的模型如下:
式中,m为分布式电源数,Tmax为分布式电源的最大发电时长,ηi为第i个分布式电源的功率因子,SeDGi为第i个分布式电源的发电容量费用,a为固定年利率,nDG为分布式电源的投资回收期,QDGi为第i个分布式电源的单位投资建设成本,QDM分布式电源的固定维护费用。
3.根据权利要求1所述的一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,其特征在于:步骤S1)中,所述电网网损费用QL的模型如下:
式中,Qe为电价,λjmax为第j条线路的年最大负荷损耗时长,为第j条线路的功率损耗,σj为流过线路的负荷功率因子,Rj为第j条支路电阻,Pj为第j条支路有功功率,UN为额定电压。
4.根据权利要求1所述的一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,其特征在于:步骤S1)中,由于节点负荷需求的不断增长,导致在规定年限内负荷超限,故配电网的线路需要进行适当的改造和升级以满足用户的需求,故述配电网线路改造升级成本费用QN的模型如下:
式中,L为配电网中线路的数量,βj为第j条线路的改造升级系数,若βj=1表示规划期内需要升级,βj=0表示规划期内不需要升级,为改造升级时间段内的等额分付资本回收系数,为规划期结束时间段内的等额分付资本回收系数,pj为第j条线路的改造升级的时间期限,kj为第j条线路规划期结束的时间期限,Qjl为第j条线路的固定投资建设费用,a为固定年利率。
5.根据权利要求1所述的一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,其特征在于:步骤S2)中,在构建多目标函数优化模型时,对配电网的规划运行作如下假设:
1)、配电网在运行规划时,升级周期设为10年;
2)、配电网中的电力负荷增长需求按照每年增长1%的速度来计算。
6.根据权利要求1所述的一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,其特征在于:电压约束条件的模型具体如下:
式中,Ui为第i个负荷节点的电压,KU为负荷节点电压约束的惩罚因子,电力系统正常运行时其值为0,Uimin和Uimax分别为节点电压的上限值和下限值。
7.根据权利要求1所述的一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,其特征在于:步骤S2)中,电流约束条件的模型具体如下:
式中,Ki为第i条线路中电流的惩罚因子,Ij为第j条支路的电流,Ijmax为第j条支路上所允许通过的最大电流值。
8.根据权利要求1所述的一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,其特征在于:步骤S2)中,分布式电源的接入位置对配电网的运行有着重要的影响,尤其是网络的损耗和电压降的改变尤为突出,假定接入分布式电源总容量不超过该区域最大负荷总量的10%,既保证配电网规划运行的经济性,也提高线路运行的可靠性,其分布式电源运行约束条件的模型如下:
式中,S∑DG为分布式电源接入配电网的发电总容量,K∑DG为分布式电源发电容量的惩罚因子,SL为配电网最大电力负荷总量的10%。
9.根据权利要求1所述的一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,其特征在于:步骤S3)中,以上述中的假顶为前提,以电压约束、电流约束和分布式电源运行约束条件为基础,选取分布式电源运行总费用、网损费用以及配电网线路改造升级费用为变量,以配电网实际运行规划为基准,构建分布式电源选址和定容的总目标函数,优化功能的主要目标是在接入分布式电源后,使得配电网规划运行效益最大化,总目标函数如下:
式中,Zcost为电网运行的总费用,QN为配电网线路改造升级成本费用,QDG为分布式电源运行的总费用,QL为电网网损费用,Ui为第i个负荷节点的电压,KU为负荷节点电压约束的惩罚因子,电力系统正常运行时其值为0,n负荷数量,Ki为第i个线路中电流的惩罚因子,Ij为第j个支路的电流,L为支路数量,K∑DG为分布式电源发电容量的惩罚因子,S∑DG为分布式电源接入配电网的发电总容量。
10.根据权利要求1所述的一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法,其特征在于:步骤S4)中,通过约束条件和总目标函数建立基于改进帝国殖民竞争算法的分布式电源选址优化模型,具体包括以下步骤:
S401)、初始化输入配电网原始数据,将配电网节点信息和支路信息进行电压、电流约束条件的约束,并初始化算法参数,其中,算法参数包括殖民地国家的规模、最大迭代次数、惯性权重、殖民地国家更新的最大速度和收敛条件等;
S402)、对配电网规划期内的负荷增长总量进行计算,从而确定分布式电源的最大发电容量;对随机生成一个初始的国家群体的所有个体进行校验;若所有个体对应的分布式电源的容量均小于等于相应的负荷量,限制为负荷节点的10%的负荷量,且总接入容量不大于最大发电容量,即分布式电源的约束条件,则该国家群体作为分布式电源位置和容量的初始解,将国家群体按照设定的要求分成帝国主义国家和殖民地国家;
S403)、利用改进的ICA算法对分布式电源的最优安装位置和容量进行搜索,对殖民地国家采取DE改进策略,各国家之间相互竞争,选择势力较大的殖民地国家;
S404)、更新帝国主义国家的位置,殖民地向所属帝国主义国家移动,计算帝国集团的总势力,直到形成统一帝国,即电网运行总费用;
S405)、随着弱势帝国集团中的殖民地国家不断被其他帝国集团占有,当其集团内殖民地国家的数量减少到0时,整个群体只剩下一个帝国集团,则国家统一,寻得最优解,或达到算法最大迭代次数,算法结束。
CN201810970086.9A 2018-08-24 2018-08-24 一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法 Pending CN109447307A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810970086.9A CN109447307A (zh) 2018-08-24 2018-08-24 一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810970086.9A CN109447307A (zh) 2018-08-24 2018-08-24 一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法

Publications (1)

Publication Number Publication Date
CN109447307A true CN109447307A (zh) 2019-03-08

Family

ID=65530055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810970086.9A Pending CN109447307A (zh) 2018-08-24 2018-08-24 一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法

Country Status (1)

Country Link
CN (1) CN109447307A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111638421A (zh) * 2020-05-20 2020-09-08 国网河北省电力有限公司电力科学研究院 一种含分布式发电并网的配电网故障区段定位方法
CN113872250A (zh) * 2021-09-23 2021-12-31 天津大唐国际盘山发电有限责任公司 基于火电的多能互补能源基地三级控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103353979A (zh) * 2013-05-31 2013-10-16 国家电网公司 一种分布式电源的优化选址与定容方法
CN105207195A (zh) * 2015-06-19 2015-12-30 河海大学 一种配电网分布式电源选址定容方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103353979A (zh) * 2013-05-31 2013-10-16 国家电网公司 一种分布式电源的优化选址与定容方法
CN105207195A (zh) * 2015-06-19 2015-12-30 河海大学 一种配电网分布式电源选址定容方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
梁毅: "基于改进ICA算法的分布式电源选址和定容研究", 《万方数据》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111638421A (zh) * 2020-05-20 2020-09-08 国网河北省电力有限公司电力科学研究院 一种含分布式发电并网的配电网故障区段定位方法
CN113872250A (zh) * 2021-09-23 2021-12-31 天津大唐国际盘山发电有限责任公司 基于火电的多能互补能源基地三级控制方法
CN113872250B (zh) * 2021-09-23 2023-10-20 天津大唐国际盘山发电有限责任公司 基于火电的多能互补能源基地三级控制方法

Similar Documents

Publication Publication Date Title
CN107301470B (zh) 一种配电网扩展规划与光储选址定容的双层优化方法
CN103049799B (zh) 一种基于多目标优化的电网规划设计方法
CN106712076B (zh) 一种海上风电场集群规模下的输电系统优化方法
CN109559035A (zh) 一种考虑灵活性的城市配电网双层规划方法
CN110071505A (zh) 含大规模风电接入的输电网扩建与储能配置联合规划方法
CN107769237B (zh) 基于电动汽车接入的多能源系统协同调度方法及装置
CN109508857A (zh) 一种主动配电网多阶段规划方法
CN109508499A (zh) 多时段多场景分布式电源最优接入位置与容量研究方法
CN109768573A (zh) 基于多目标差分灰狼算法的配电网无功优化方法
CN107688879A (zh) 一种考虑源荷匹配度的主动配电网分布式电源规划方法
CN105354646A (zh) 一种混合粒子群优化与极限学习机的电力负荷预测方法
CN107591830A (zh) 一种适于高比例可再生能源发展的能源电力规划方法
CN112467722A (zh) 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法
CN112016747B (zh) 一种适用于源荷储灵活资源统筹规划与运行的优化方法
CN107681655B (zh) 一种潮汐流能发电场协调规划方法
CN103854070A (zh) 独立微网系统的随机优化规划方法
CN109948849A (zh) 一种计及储能接入的配电网网架规划方法
CN111030188A (zh) 一种含分布式和储能的分层分级控制策略
CN109740808A (zh) 一种风光水互补发电计划计算方法及系统
Viola et al. An economic study about the installation of PV plants reconfiguration systems in Italy
CN109978404A (zh) 计及不确定性因素与场景削减的输电通道扩展规划方法
Kunya et al. Review of economic dispatch in multi-area power system: State-of-the-art and future prospective
CN111626594A (zh) 一种多种需求侧资源协同的配电网扩展规划方法
Tang et al. Multi-objective economic emission dispatch based on an extended crisscross search optimization algorithm
CN109447307A (zh) 一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法

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: 20190308

RJ01 Rejection of invention patent application after publication