CN110148971A - 一种分布式电源优化配置方法 - Google Patents

一种分布式电源优化配置方法 Download PDF

Info

Publication number
CN110148971A
CN110148971A CN201910438329.9A CN201910438329A CN110148971A CN 110148971 A CN110148971 A CN 110148971A CN 201910438329 A CN201910438329 A CN 201910438329A CN 110148971 A CN110148971 A CN 110148971A
Authority
CN
China
Prior art keywords
distributed generation
generation resource
algorithm
optimal configuration
configuration method
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
CN201910438329.9A
Other languages
English (en)
Inventor
李晓东
吴孔平
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.)
Anhui University of Science and Technology
Original Assignee
Anhui University of Science and Technology
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 Anhui University of Science and Technology filed Critical Anhui University of Science and Technology
Priority to CN201910438329.9A priority Critical patent/CN110148971A/zh
Publication of CN110148971A publication Critical patent/CN110148971A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明的目的是提供一种分布式电源优化配置方法:该分布式电源优化配置方法，首先结合某地近年的历史负荷数据和光照、温度、风速，结合神经网络算法对该地负荷数据、风速、光照和温度进行预测，其次运用改进的蜘蛛群算法对分布式电源优化配置模型求解，并在求解过程中根据时间用禁忌搜索算法进行重构。

Description

一种分布式电源优化配置方法
技术领域
本发明涉及分布式电源规划方面，具体是一种分布式电源优化配置方法。
背景技术
分布式电源是指安装容量在几千瓦至数十千瓦之间的小型发电装置，其大量利用风光等自然资源来发电，有利于改善火力发电带来的污染问题，若分布式电源接入配电网时选择的接入位置和接入容量不恰当，会使得配电网线路损耗增多，降低能源的利用率，不利于配电网的优化运行，因此需要找到一种合理的配置分布式电源的方法。
发明内容
本发明的目的是提供一种分布式电源优化配置方法:该分布式电源优化配置方法，首先结合某地近年的历史负荷数据和光照、温度、风速，结合神经网络算法对该地负荷数据、风速、光照和温度进行预测，其次运用改进的蜘蛛群算法对分布式电源优化配置模型求解，并在求解过程中根据时间用禁忌搜索算法进行重构。
本发明实现发明目的采用如下技术方案：
一种分布式电源优化配置方法，具体由神经网络数据预测环节对年负荷数据和风光温度数据进行预测.并用改进的蜘蛛群搜索算法对分布式电源优化配置问题求解，在求解过程中用太阳能电池的工程数学模型和风力发电模型并结合预测光照、温度、风速数据对电源输出数值进行求解，并按照时间规则运用禁忌搜索算法来对配电网进行重构。
作为优选，本发明提供一种分布式电源优化配置方法，首先运用神经网络对负荷数据、风、光、温度等数据进行预处理。
作为优选，本发明提供的一种分布式电源优化配置方法，考虑配电网重构对分布式电源优化配置的影响。
作为优选，本发明提供的一种分布式电源优化配置方法，根据时间段落运用禁忌搜索算法对配电网进行重构。
作为优选，本发明提供的一种分布式电源优化配置方法，运用改进的蜘蛛群算法进行求解。
作为优选，本发明提供的一种分布式电源优化配置方法，对蜘蛛群算法的震动公式环节进行改进以提高算法的搜索效率。
有益效果：
现有的分布式电源优化配置方法，多数是以历史负荷数据和历史光照、风速温度等数据进行求解，其所得方案具有一定的滞后性，未解决这一问题故首先运用神经网络对负荷等数据进行预处理，同时考虑到配电网实际运行过程中会在不同的时间段内对电网进行重构，以优化电网运行，在电网重构后可能会使得现有的电源配置方案并不是最优的因此使得总的电路损耗变多，故在电源优化配置的过程中对配电网进行重构，充分考虑重构的影响，使得分布式电源优化配置方案更加合理，并针对传统的蜘蛛群优化搜索算法震动公式不合理问题提出一种合适的改进方法，加强优化算法的搜索效率，加强搜索算法跳出局部最优解的能力。
附图说明
图1是分布式电源优化配置总体流程图
图2是配电网重构时的流程图.
图3是分布式电源优化配置中改进蜘蛛群算法流程图
具体实施方式
本发明分布式电源优化配置方法主要包括以下步骤：
(1)运用神经网络和当地历史负荷数据、风光数据等进行预测。
(2)确定分布式电源优化配置和配电网重构的优化目标函数和约束条件。
(3)运用风力发电模型和光伏模型对各个时间段的电源出力数值进行仿真。
(4)运用一种改进的蜘蛛群优化算法确定分布式电源安装位置和容量并且在潮流计算过程中运用禁忌搜索算法对配电网进行重构。
进一步地，所述步骤(4)中蜘蛛群优化算法解决分布式电源优化配置问题的具体步骤具体为：
a.初始化参数：蜘蛛群中雌性个体和雄性个体的数值、蜘蛛个数、蜘蛛个体维数(即分布式电源可安装位置)、算法迭代次数、蜘蛛个体的上限安装电源容量数值和下限安装电源容量数值。
b.根据下述公式确定雌雄蜘蛛个体数值
式中round表示将一个数值进行圆整，rand表示(0,1)之间的随机数，N，NF，NM分别表示的是蜘蛛群中个体总数，雌性蜘蛛的个数和雄性蜘蛛个数。
c.根据下述公式更新蜘蛛个体的数值
Sij＝Sijx+rand*(Sijs-Sijx)
d.Sij表示第i个，个体的第j维变量，Sijx表示第i个，个体的第j维变量的下限数值，Sijs表示第i个，个体的第j维变量上限数值，rand表示(0，1)之间的随机数。
e.将负荷数据、风光数据、温度按照24小时为一组进行划分，同时检测是否达到设定的电网重构时间TIME，若达到则进行步骤g否则进行步骤l。
f.检测配电网中的环路个数，并根据环路中线路个数分别设置不同长度的禁忌表，并根据产生的邻域线路组合个数设置合适的禁忌数值。
g.随机生成一组线路组合编号。
h.运用前推回代潮流计算求解各个线路组合的目标函数数值。
i.将选取第g次线路重构迭代中最优秀的组合，检测线路编号所对应的禁忌数值，并对禁忌表中不为零的数值减1；
j.迭代次数g>G则输出最优的线路组合并进行步骤l否则返回步骤h。
k.结合当前最优的线路组合编号运用前推回代潮流计算求解当前分布式电源方案的目标函数数值。
l.根据下述公式确定每个蜘蛛个体的权重
fit表示分布式电源配置方案所对应的适应度函数数值，max(fit)、min(fit)分别表示适应度数值中最大值和最小值。
m.根据下述公式更新蜘蛛个体接收的各种不同的震动信息
式中Vc，Vb，Vf分别表示离它最近且比他重的蜘蛛的震动信息，最优个体蜘蛛的震动信息，最近雌性个体的震动信息dij 2分别表示第i和第j个蜘蛛之间的欧式距离，若dij 2的数值大于6时运用以下公式重新确定dij 2的数值。
d雌性蜘蛛的位置更新
n.根据下述公式更新雌性蜘蛛个体的位置
式中α，β，γ，δ，ε都表示(0,1)之间的随机数，g表示当前的迭代次数，PF为阈值决定蜘蛛是吸引或排斥一般取值为0.5，Sc，Sb分别表示离第i个蜘蛛最近且权重比他大的个体和种群最优的个体。
o.根据下述公式更新雄性蜘蛛个体的位置
式中Sf表示的是离它最近的雌性蜘蛛的位置Wfh表示雌性蜘蛛所对应的权重,J为中间位置的蜘蛛。
p.根据下述公式确定蜘蛛个体的交配半径，并进行交配行为,其中交配行为引用遗传算法的交叉操作,求解新个体的目标函数数值，检测并替换较差的个体。
式中r表示蜘蛛个体所对应的交配半径，N为个体维数，Pj h,Pj l分别为个体维数的上限数值和下限数值。
q.检测当前迭代次数t>T若不满足条件返回步骤f否则输出符合某的情况的分布式电源配置方案。

Claims (5)

1.作为优选，本发明提供一种分布式电源优化配置方法，首先运用神经网络对负荷数据、风、光、温度等数据进行预处理。
2.作为优选，本发明提供的一种分布式电源优化配置方法，考虑配电网重构对分布式电源优化配置的影响。
3.作为优选，本发明提供的一种分布式电源优化配置方法，根据时间段落运用禁忌搜索算法对配电网进行重构。
4.作为优选，本发明提供的一种分布式电源优化配置方法，运用改进的蜘蛛群算法进行求解。
5.作为优选，本发明提供的一种分布式电源优化配置方法，对蜘蛛群算法的震动公式环节进行改进以提高算法的搜索效率。
CN201910438329.9A 2019-05-24 2019-05-24 一种分布式电源优化配置方法 Pending CN110148971A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910438329.9A CN110148971A (zh) 2019-05-24 2019-05-24 一种分布式电源优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910438329.9A CN110148971A (zh) 2019-05-24 2019-05-24 一种分布式电源优化配置方法

Publications (1)

Publication Number Publication Date
CN110148971A true CN110148971A (zh) 2019-08-20

Family

ID=67591921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910438329.9A Pending CN110148971A (zh) 2019-05-24 2019-05-24 一种分布式电源优化配置方法

Country Status (1)

Country Link
CN (1) CN110148971A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340272A (zh) * 2020-02-14 2020-06-26 迈拓仪表股份有限公司 一种基于蜘蛛群智算法的供热调度最优化方法
CN111369046A (zh) * 2020-02-29 2020-07-03 上海电力大学 一种基于灰色神经网络的风光互补功率预测方法
CN112557811A (zh) * 2020-11-19 2021-03-26 安徽理工大学 一种基于改进遗传算法的含分布式电源配电网故障定位
CN113657722A (zh) * 2021-07-26 2021-11-16 西安理工大学 基于群居蜘蛛优化算法的发电厂节能调度方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340272A (zh) * 2020-02-14 2020-06-26 迈拓仪表股份有限公司 一种基于蜘蛛群智算法的供热调度最优化方法
CN111369046A (zh) * 2020-02-29 2020-07-03 上海电力大学 一种基于灰色神经网络的风光互补功率预测方法
CN112557811A (zh) * 2020-11-19 2021-03-26 安徽理工大学 一种基于改进遗传算法的含分布式电源配电网故障定位
CN112557811B (zh) * 2020-11-19 2024-01-12 安徽理工大学 一种基于改进遗传算法的含分布式电源配电网故障定位
CN113657722A (zh) * 2021-07-26 2021-11-16 西安理工大学 基于群居蜘蛛优化算法的发电厂节能调度方法
CN113657722B (zh) * 2021-07-26 2023-07-21 西安理工大学 基于群居蜘蛛优化算法的发电厂节能调度方法

Similar Documents

Publication Publication Date Title
CN109980685B (zh) 一种考虑不确定性的主动配电网分布式优化运行方法
CN110148971A (zh) 一种分布式电源优化配置方法
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
CN112651634B (zh) 基于序列运算的有源配电系统源网荷储日前有功调度方法
CN105552940B (zh) 基于交替方向乘子算法的分布式全局最优能量管理系统
CN110070292B (zh) 基于交叉变异鲸鱼优化算法的微网经济调度方法
CN110620397B (zh) 一种高比例可再生能源电力系统的调峰平衡评估方法
CN110676849B (zh) 一种孤岛微电网群能量调度模型的构建方法
CN108681823A (zh) 一种含微电网的配电网分布式电源规划方法
JP7153289B1 (ja) クラスタ学習に基づく低炭素ｃｓｐシステム協調的最適化方法及び装置
CN110247428B (zh) 一种基于源网荷协同优化的配电网光储联合配置方法
CN114996908B (zh) 考虑智能软开关接入的主动配电网扩展规划方法及系统
Habib et al. Optimized management of reactive power reserves of transmission grid-connected photovoltaic plants driven by an IoT solution
CN105514986A (zh) 一种基于虚拟电厂技术的der用户竞价并网方法
CN116645089A (zh) 一种考虑退役电池容量退化的储能系统双层优化配置方法
CN113488990B (zh) 基于改进的蝙蝠算法的微电网优化调度方法
CN110190615A (zh) 一种微网储能系统控制策略优化方法
CN112350435A (zh) 一种基于微电网群和电力可控负荷的虚拟电厂管控装置
CN116885840A (zh) 一种基于实时数据的分布式新能源在线监测方法及系统
Wang et al. Analysis of Coordinated Operation of the Clean Energy System Based on the Multiobjective Optimization Model
CN113746104B (zh) 一种柴储供电模式的配电网协调控制方法及系统
CN109472716A (zh) 一种基于遗传算法的考虑多因素的产能端功率分配方法
CN113011718A (zh) 基于和声搜索算法的配电网有功-无功联合优化调度方法
CN108270237B (zh) 基于分布式光伏电源的并网控制以及调度的方法
CN109447369A (zh) 一种基于模拟退火算法的考虑多因素的产能端功率分配方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190820

WD01 Invention patent application deemed withdrawn after publication