CN110955971A - 基于改进遗传算法的电力弹簧优化配置方法 - Google Patents
基于改进遗传算法的电力弹簧优化配置方法 Download PDFInfo
- Publication number
- CN110955971A CN110955971A CN201911186549.3A CN201911186549A CN110955971A CN 110955971 A CN110955971 A CN 110955971A CN 201911186549 A CN201911186549 A CN 201911186549A CN 110955971 A CN110955971 A CN 110955971A
- Authority
- CN
- China
- Prior art keywords
- power spring
- power
- spring
- genetic algorithm
- voltage
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于改进遗传算法的电力弹簧优化配置方法,包括以下步骤:分析电力弹簧拓扑结构,建立电力弹簧调节模型,确定电力系统潮流算法;以网络损耗、电压偏差、电力弹簧投资成本最小为目标函数,功率平衡、节点电压、电力弹簧容量与配置数量为约束条件,建立电力弹簧配置优化模型;采用改进遗传算法求解电力弹簧配置优化模型,得到电力弹簧的配置位置和容量。本发明能明显的提高电能质量、降低网损,最大程度地降低弃风弃光等浪费能源的情况,协调规划方法相比传统的方法能更加适合配电网。
Description
技术领域
本发明涉及配电网技术领域,尤其涉及一种基于改进遗传算法的电力弹簧优化配置方法。
背景技术
由于新能源发电具有不确定性,在并网时会对电网产生冲击,为了实现电网的功率平衡和电压稳定,通常对新能源并网发电做了诸多限制,甚至出现了严重的弃风、弃水以及光伏无法充分利用等能源严重浪费情况。
多种新型负荷不断涌现,智能化程度不断提高,面对电网的运行需求,可以接受有目的性的调节。如何发挥需求侧的调节潜力,提高含有可再生能源配电网的运行效率和经济性,成为当前配电网优化运行中面临的重要问题。
与其他现有的提高微电网电能质量方法相比,电力弹簧(以下简称ES)与非关键负载串联构成的智能负载具有较强的负载响应能力,能将分布式能源波动转移到非关键负载,也能参与频率调节。而其他微电网电压调整方法,一般直接与关键负载串联,如静止同步串联补偿器、动态电压补偿器,或直接与关键负载并联,如静止无功补偿器,在某些情况下,电力弹簧的调整效率比普通无功补偿装置更高。
发明内容
发明目的:针对现有技术中存在的问题,本发明公开了一种基于改进遗传算法的电力弹簧优化配置方法,在分析分布式发电的随机性和电力弹簧的调节基础上,构建了兼顾配电网运行经济性与系统电压质量的运行优化模型。
技术方案:本发明采用如下技术方案:一种基于改进遗传算法的电力弹簧优化配置方法,其特征在于,包括以下步骤:
步骤1)、分析电力弹簧拓扑结构,建立电力弹簧调节模型,确定电力系统潮流算法;
步骤2)、以网络损耗、电压偏差、电力弹簧投资成本最小为目标函数,功率平衡、节点电压、电力弹簧容量与配置数量为约束条件,建立电力弹簧配置优化模型;
步骤3、采用改进遗传算法求解电力弹簧配置优化模型,得到电力弹簧的配置位置和容量。
优选的,所述步骤1)中电力弹簧调节模型以无功补偿为手段为关键负载提供自适应电压。
优选的,所述步骤2)中电力弹簧配置优化模型为:
A、目标函数:以系统网络损耗Closs、电压偏差CV、电力弹簧投资成本CCR作为3个目标子函数,对电力弹簧的位置、容量进行多目标优化:
min fup=ξ1CV+ξ2Closs+ξ3CCR
其中,网络损耗目标子函数:
其中,ΔPd,t为Δt时间的有功损耗;
电压偏差目标子函数:
其中,Un,t为n节点t时刻的电压,UN表示考察时间段内节点电压额定值,Nnode表示系统节点数;
电力弹簧投资成本目标子函数:
CCR=Cfix+λiSes,i
其中,Cfix为投资固定成本,λi为电力弹簧单位容量成本,Ses,i为节点i的电力弹簧容量;
B、约束条件:
功率平衡约束:
其中,Gij、Bij、δij表示节点i、j之间的电导、电纳、电压与电流之间的相角差;
节点电压约束:
Ui,min≤Ui≤Ui,max
其中,Ui,min、Ui,max分别为电压Ui的下限和上限;
电力弹簧容量约束:
Ses,i≤Ses,max
其中,Ses,max为电力弹簧的最大容量;
电力弹簧配置数量约束:
其中,Xi为0-1二值变量,为1表示节点i配置电力弹簧,为0表示节点i不配置电力弹簧;Nes为预配电力弹簧的数量。
优选的,所述步骤3)中改进遗传算法的改进方法包括:
A、改进选择步骤:使用基于种群个体适应度大小排序的选择算法代替轮盘赌选择;
B、改进交叉步骤:随机选择出父本和母本后,先进行n次交叉,产生2n个个体,再从中选出2个最优个体加入新种群;
C、采用自适应交叉率和变异率。
优选的,所述步骤3)中采用改进遗传算法求解流程包括:
步骤31)、输入网络原始数据、不同典型日微电网并网点负荷特性数据、配电网负荷数据;
步骤32)、采用无功二次精确矩求取无功配置备选点;
步骤33)、随机生成初始种群,置迭代次数T=1;
步骤34)、通过改进遗传算法获得最优解,并计算上层每个染色体的适应度;
步骤35)、采用选择、交叉、变异遗传操作,产生新种群;
步骤36)、进行终止条件判断,若遗传代数T大于最大遗传代数,计算结束,输出结果;否则,T=T+1,转至步骤33)。
有益效果:本发明具有如下有益效果:
(1)、本发明应用电力弹簧将连接的非关键负载转换为智能负载,提供电压支持和电压抑制功能,从而减轻可再生分布式发电中不确定性引起的电压越限,通过配置合理的容量与位置,使配电网的性能得到提升;
(2)、本发明通过配置合理的智能负载,将发电端和负载端联合起来考虑配电网电压质量和功率平衡,利用智能负载的电能需求弹性特点,最大程度地降低弃风弃光等浪费能源的情况;
(3)、本发明能明显的提高电能质量、降低网损,协调规划方法相比传统的方法能更加适合配电网;
(4)、本发明采用改进遗传算法,避免了早期高适应度个体迅速占据种群和后期的种群因个体适应度相差不大使得种群停止进化,避免了陷入局优解的可能,同时加快了种群进化速度又可以提高算法的整体性能。
附图说明
图1为本发明的电力弹簧模型结构图;
图2为本发明的电力弹簧配置步骤流程图;
图3为本发明案例分析的改进IEEE-33节点仿真模型图;
图4为本发明求解结果的节点电压分布曲线对比图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
本发明公开了一种基于改进遗传算法的电力弹簧优化配置方法,如图2所示,包括以下步骤:
步骤1)、如图1所示,分析电力弹簧拓扑结构,建立电力弹簧调节模型,确定电力系统潮流算法。
关键负载在含有较高比例可再生能源接入的微电网中依然有高可靠用电的需求。牺牲非关键负载的电压质量并非没有代价,非关键负载能否接受调节一方面取决于自身负载特性,另一方面还取决于补贴情况和用户意愿。本发明中,电力弹簧调节模型以无功补偿为手段为关键负载提供自适应电压。
步骤2)、以网络损耗、电压偏差、电力弹簧运行成本最小为目标函数,功率平衡、节点电压、电力弹簧容量与配置数量为约束条件,建立电力弹簧配置优化模型。
A、标函数:以系统网络损耗Closs、电压偏差CV、电力弹簧投资成本CCR作为3个目标子函数,对电力弹簧的位置、容量进行多目标优化:
min fup=ξ1CV+ξ2Closs+ξ3CCR
其中,网络损耗目标子函数:
其中,ΔPd,t为Δt时间的有功损耗;
电压偏差目标子函数:
其中,Un,t为n节点t时刻的电压,UN表示考察时间段内节点电压额定值,Nnode表示系统节点数;
电力弹簧投资成本目标子函数:
CCR=Cfix+λiSes,i
其中,Cfix为投资固定成本,λi为电力弹簧单位容量成本,Ses,i为节点i的电力弹簧容量;
B、约束条件:
任意时刻满足功率平衡约束:
其中,Gij、Bij、δij表示节点i、j之间的电导、电纳、电压与电流之间的相角差;
节点电压约束:
Ui,min≤Ui≤Ui,max
其中,Ui,min、Ui,max分别为电压Ui的下限和上限;
电力弹簧容量约束:
Ses,i≤Ses,max
其中,Ses,max为电力弹簧的最大容量;
电力弹簧配置数量约束:
其中,Xi为0-1二值变量,为1表示节点i配置电力弹簧,为0表示节点i不配置电力弹簧;Nes为预配电力弹簧的数量。
步骤3)、采用改进遗传算法求解电力弹簧配置优化模型,得到电力弹簧的配置位置和容量。
改进遗传算法的改进方法包括:
A、改进选择步骤:使用基于种群个体适应度大小排序的选择算法代替轮盘赌选择,以避免造成早期高适应度个体迅速占据种群和后期的种群因个体适应度相差不大使得种群停止进化;
B、改进交叉步骤:随机选择出父本和母本后,先进行n次交叉,产生2n个个体,再从中选出2个最优个体加入新种群;
C、采用自适应交叉率和变异率。
算法求解流程如下:
步骤31)、输入网络原始数据、不同典型日微电网并网点负荷特性数据、配电网负荷数据;
步骤32)、采用无功二次精确矩求取无功配置备选点;
步骤33)、随机生成初始种群,置迭代次数T=1;
步骤34)、通过改进遗传算法获得最优解,并计算上层每个染色体的适应度;
步骤35)、采用选择、交叉、变异遗传操作,产生新种群;
步骤36)、进行终止条件判断,若遗传代数T大于最大遗传代数,计算结束,输出结果;否则,T=T+1,转至步骤33)。
本发明针对配电网的改善电压质量提出了一种改进遗传算法的电力弹簧优化配置方法,并用MATLAB进行仿真验证。图3为修改的IEEE-33节点算例模型,由此求出的电力弹簧预配节点为6、14、17、26、29、31、32。从图4可以看出经改进遗传算法后电压分布更加合理,电压偏差显著变小。优化结果如下表1、表2所示:
表1
表2
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种基于改进遗传算法的电力弹簧优化配置方法,其特征在于,包括以下步骤:
步骤1)、分析电力弹簧拓扑结构,建立电力弹簧调节模型,确定电力系统潮流算法;
步骤2)、以网络损耗、电压偏差、电力弹簧投资成本最小为目标函数,功率平衡、节点电压、电力弹簧容量与配置数量为约束条件,建立电力弹簧配置优化模型;
步骤3)、采用改进遗传算法求解电力弹簧配置优化模型,得到电力弹簧的配置位置和容量。
2.根据权利要求1所述的一种基于改进遗传算法的电力弹簧优化配置方法,其特征在于,所述步骤1)中电力弹簧调节模型以无功补偿为手段为关键负载提供自适应电压。
3.根据权利要求1所述的一种基于改进遗传算法的电力弹簧优化配置方法,其特征在于,所述步骤2)中电力弹簧配置优化模型为:
A、目标函数:以系统网络损耗Closs、电压偏差CV、电力弹簧投资成本CCR作为3个目标子函数,对电力弹簧的位置、容量进行多目标优化:
min fup=ξ1CV+ξ2Closs+ξ3CCR
其中,网络损耗目标子函数:
其中,ΔPd,t为Δt时间的有功损耗;
电压偏差目标子函数:
其中,Un,t为n节点t时刻的电压,UN表示考察时间段内节点电压额定值,Nnode表示系统节点数;
电力弹簧投资成本目标子函数:
CCR=Cfix+λiSes,i
其中,Cfix为投资固定成本,λi为电力弹簧单位容量成本,Ses,i为节点i的电力弹簧容量;
B、约束条件:
功率平衡约束:
其中,Gij、Bij、δij表示节点i、j之间的电导、电纳、电压与电流之间的相角差;
节点电压约束:
Ui,min≤Ui≤Ui,max
其中,Ui,min、Ui,max分别为电压Ui的下限和上限;
电力弹簧容量约束:
Ses,i≤Ses,max
其中,Ses,max为电力弹簧的最大容量;
电力弹簧配置数量约束:
其中,Xi为0-1二值变量,为1表示节点i配置电力弹簧,为0表示节点i不配置电力弹簧;Nes为预配电力弹簧的数量。
4.根据权利要求1所述的一种基于改进遗传算法的电力弹簧优化配置方法,其特征在于,所述步骤3)中改进遗传算法的改进方法包括:
A、改进选择步骤:使用基于种群个体适应度大小排序的选择算法代替轮盘赌选择;
B、改进交叉步骤:随机选择出父本和母本后,先进行n次交叉,产生2n个个体,再从中选出2个最优个体加入新种群;
C、采用自适应交叉率和变异率。
5.根据权利要求4所述的一种基于改进遗传算法的电力弹簧优化配置方法,其特征在于,所述步骤3)中采用改进遗传算法求解流程包括:
步骤31)、输入网络原始数据、不同典型日微电网并网点负荷特性数据、配电网负荷数据;
步骤32)、采用无功二次精确矩求取无功配置备选点;
步骤33)、随机生成初始种群,置迭代次数T=1;
步骤34)、通过改进遗传算法获得最优解,并计算上层每个染色体的适应度;
步骤35)、采用选择、交叉、变异遗传操作,产生新种群;
步骤36)、进行终止条件判断,若遗传代数T大于最大遗传代数,计算结束,输出结果;否则,T=T+1,转至步骤33)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911186549.3A CN110955971B (zh) | 2019-11-27 | 2019-11-27 | 基于改进遗传算法的电力弹簧优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911186549.3A CN110955971B (zh) | 2019-11-27 | 2019-11-27 | 基于改进遗传算法的电力弹簧优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110955971A true CN110955971A (zh) | 2020-04-03 |
CN110955971B CN110955971B (zh) | 2023-09-22 |
Family
ID=69978652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911186549.3A Active CN110955971B (zh) | 2019-11-27 | 2019-11-27 | 基于改进遗传算法的电力弹簧优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110955971B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112332407A (zh) * | 2020-10-21 | 2021-02-05 | 国网青海省电力公司西宁供电公司 | 一种10kV电压偏高的优化方法 |
CN113872242A (zh) * | 2021-10-26 | 2021-12-31 | 华北电力科学研究院有限责任公司 | 采用电力弹簧的主动配电网能量优化方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5867397A (en) * | 1996-02-20 | 1999-02-02 | John R. Koza | Method and apparatus for automated design of complex structures using genetic programming |
CN105488593A (zh) * | 2015-12-07 | 2016-04-13 | 嘉兴国电通新能源科技有限公司 | 一种基于遗传算法的定容分布式电源发电最优选址及容量分配方法 |
CN105868281A (zh) * | 2016-03-23 | 2016-08-17 | 西安电子科技大学 | 基于非支配排序多目标方法的位置感知推荐系统 |
CN107979092A (zh) * | 2017-12-18 | 2018-05-01 | 国网宁夏电力有限公司经济技术研究院 | 一种考虑分布式电源与软开关接入的配电网动态重构方法 |
CN109599894A (zh) * | 2018-12-10 | 2019-04-09 | 贵州电网有限责任公司 | 一种基于改进遗传算法的dg并网优化配置方法 |
CN109657846A (zh) * | 2018-12-04 | 2019-04-19 | 国网浙江省电力有限公司经济技术研究院 | 电网交叉补贴规模影响因子筛选方法 |
-
2019
- 2019-11-27 CN CN201911186549.3A patent/CN110955971B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5867397A (en) * | 1996-02-20 | 1999-02-02 | John R. Koza | Method and apparatus for automated design of complex structures using genetic programming |
CN105488593A (zh) * | 2015-12-07 | 2016-04-13 | 嘉兴国电通新能源科技有限公司 | 一种基于遗传算法的定容分布式电源发电最优选址及容量分配方法 |
CN105868281A (zh) * | 2016-03-23 | 2016-08-17 | 西安电子科技大学 | 基于非支配排序多目标方法的位置感知推荐系统 |
CN107979092A (zh) * | 2017-12-18 | 2018-05-01 | 国网宁夏电力有限公司经济技术研究院 | 一种考虑分布式电源与软开关接入的配电网动态重构方法 |
CN109657846A (zh) * | 2018-12-04 | 2019-04-19 | 国网浙江省电力有限公司经济技术研究院 | 电网交叉补贴规模影响因子筛选方法 |
CN109599894A (zh) * | 2018-12-10 | 2019-04-09 | 贵州电网有限责任公司 | 一种基于改进遗传算法的dg并网优化配置方法 |
Non-Patent Citations (3)
Title |
---|
余健明, 蔡利敏, 杨文宇: "基于改进遗传算法的多目标配电网络重构", 电工技术杂志, pages 60 - 63 * |
李军等: "基于人工蜂群算法的电力弹簧优化配置方法", 信息技术, pages 72 - 78 * |
王天恒;郭兴众;: "基于免疫遗传算法的电力弹簧稳压控制策略", 赤峰学院学报(自然科学版), pages 57 - 60 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112332407A (zh) * | 2020-10-21 | 2021-02-05 | 国网青海省电力公司西宁供电公司 | 一种10kV电压偏高的优化方法 |
CN113872242A (zh) * | 2021-10-26 | 2021-12-31 | 华北电力科学研究院有限责任公司 | 采用电力弹簧的主动配电网能量优化方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110955971B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Decentralized multi-agent system-based cooperative frequency control for autonomous microgrids with communication constraints | |
CN110429649B (zh) | 考虑灵活性的高渗透率可再生能源集群划分方法 | |
CN110729765A (zh) | 一种考虑sop的配电网灵活性评估指标体系和优化调度方法 | |
CN107947192B (zh) | 一种下垂控制型孤岛微电网的无功优化配置方法 | |
CN107979092A (zh) | 一种考虑分布式电源与软开关接入的配电网动态重构方法 | |
CN113612239B (zh) | 配电台区多目标三相负荷不平衡相序调整方法及系统 | |
CN110955971B (zh) | 基于改进遗传算法的电力弹簧优化配置方法 | |
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 | |
CN107947183B (zh) | 基于微分进化的含三端snop的配电网自适应优化方法 | |
Liu et al. | Fully distributed control to coordinate charging efficiencies for energy storage systems | |
CN114928057A (zh) | 一种适用于新能源多端柔直系统的多目标潮流优化方法 | |
CN114389277B (zh) | 基于蜉蝣算法的配电网无功优化方法 | |
CN112467748A (zh) | 三相不平衡主动配电网双时标分布式电压控制方法及系统 | |
CN106655253A (zh) | 单三相多微网区域动态划分方法 | |
CN116054213A (zh) | 一种基于集群划分的分布式储能群间协同的电压控制方法 | |
CN108599277A (zh) | 一种提升运行安全的智能配电网鲁棒优化方法 | |
CN115222195A (zh) | 考虑源-网-荷-储灵活性资源的配电网优化调度方法 | |
CN108376997B (zh) | 一种考虑分布式电源不确定性的有源配电网孤岛划分方法 | |
CN115021308A (zh) | 一种考虑负荷脱网的配电网中分布式光伏承载能力计算方法 | |
Zhang et al. | Service restoration based on dynamic programming | |
CN114626613A (zh) | 考虑风光互补的输储联合规划方法 | |
CN110492493B (zh) | 一种电力系统无功补偿配置优化方法 | |
Zhang et al. | Research on dynamic reconfiguration of distribution network based on reconfiguration effectiveness | |
CN113629784A (zh) | 一种农村配电网多目标优化调度方法 | |
CN109390970B (zh) | 基于多Agent通信网络的海岛微电网分布式控制方法及系统 |
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 |