CN111210068B - 一种基于集群划分的配电网扩展双层规划方法 - Google Patents

Abstract

本发明公开了一种基于集群划分的配电网扩展双层规划方法，其步骤包括：1将配电网扩展规划分为两层迭代求解；2上层进行网源联合规划，以线路选择以及分布式电源安装位置容量作为决策变量并传递给下层；3下层规划以集群综合指标最优为目标函数，通过智能优化算法求解得到集群个数与各群内线路、节点，并传递给上层。4上下层迭代寻优，获得最优解本发明采用上下层迭代寻优的方式，克服集群划分不能够适应分布式电源与网络的动态变化的问题，从而使扩展规划结果能够利用分布式电源与负荷的集群元荷匹配特性，以达到提高配电网线路规划结构强度以及对分布式电源的消纳能力配电网线路规划结构强度以及对分布式电源的消纳能力的目的。

Description

一种基于集群划分的配电网扩展双层规划方法

技术领域

本发明涉及电力系统技术领域，尤其是一种基于集群划分的配电网扩展双层规划方法。

背景技术

能源短缺与环境污染问题的日益严重，使人们越来越关注分布式能源(Distributed Generation，DG)发电技术在电力系统领域的应用。随着大量分布式电源接入电网，部分地区已经出现渗透率大于100％的情况，给系统的安全经济运行带来影响，导致电压越限、功率倒送、网损增加等问题。因此，有必要研究分布式电源高渗透率接入配网情况下的网源协调规划问题，这对配电网的安全稳定运行有着重要意义，同时也有利于提高电网消纳分布式电源出力的积极性。

现有的诸多配电网规划方法，往往聚焦于分布式电源低渗透率情况下配电网的经济性，在大规模分布式电源接入时不再适用。基于集群的分布式能源发电模式由于其稳定、高效、灵活、友好的并网特性，为分布式能源的大规模消纳提供了新模式。因此，以集群为单元进行配电网和分布式电源扩展规划和运行控制已经成为一种发展趋势。

集群划分综合性能指标主要包括考虑结构性的模块度指标与考虑功能性的平衡度指标。当线路选择发生变化时，节点间的电气耦合关系发生改变进而影响模块度指标；分布式电源接入位置容量改变则会直接影响到平衡度指标。传统的集群划分方法建立在网络拓扑结构与分布式电源出力已知的前提下，目前为止，基于集群划分的规划方法尚未考虑网源规划的协调性以及集群划分结果不能适应分布式电源和网络的动态变化问题。

发明内容

本发明为克服上述现有技术的不足之处，提供一种基于集群划分的配电网扩展双层规划方法，以期能在网络拓扑结构以及分布式电源安装位置容量未知情况下可以对配网进行集群划分，并且能够将划分结果反馈给网源联合扩展规划，从而能利用分布式电源集群元荷匹配特性，提高配电网线路规划结构强度以及对分布式电源的消纳能力。

为实现上述目的，本发明采用了以下技术方案：

本发明一种基于集群划分的配电网扩展双层规划方法的特点是，将配电网扩展规划分为上层网源规划和下层集群规划，并按如下步骤进行：

步骤1：建立上层网源规划模型及其约束条件；

步骤2：初始化上层遗传算法的种群：

定义当前迭代次数为G，最大迭代次数为Gmax；

初始化G＝1；

生成第G代染色体，所述第G代染色体中包含：第G代配电网拓扑结构及其分布式电源安装位置和容量；

所述第G代配电网拓扑结构是采用Prim最小生成树法产生，其中，所述第G代配电网拓扑结构中的线路采用0-1编码方式，“1”表示建设，“0”表示不建设；

所述分布式电源安装位置和容量是采用隐形编码方式得到；其中，分布式电源是安装在所述第G代网络拓扑结构中的负荷节点上；

以d_DG作为所述分布式电源的单个安装容量，以n_i作为第i个负荷节点上分布式电源的安装数量；则第i个负荷节点上安装的总容量为n_i×d_DG，当n_i＝0时，表示第i个负荷节点不安装分布式电源；

步骤3：根据第G代染色体中所包含的第G代配电网拓扑结构及其分布式电源的安装位置和容量进行第G次潮流计算，得到第G次潮流计算结果并用于上层网源规划模型的计算；

步骤4：建立下层集群划分模型；

步骤5：根据第G代配电网拓扑结构及其分布式电源的安装位置和容量，采用下层遗传算法对所述第G代配电网拓扑结构中的线路和负荷节点进行集群划分，得到集群划分信息，即相应线路和负荷节点各自所属集群，并用于上层网源规划模型的计算；

步骤6：根据所述集群划分信息，利用上层遗传算法对上层网源规划模型进行寻优求解，得到前G代最优配电网拓扑结构及其分布式电源的安装位置和容量；

步骤7：G+1赋值给G后，判断G大于Gmax是否成立，若成立，则表示得到前Gmax代最优配电网拓扑结构及其分布式电源的安装位置和容量，否则，执行步骤8；

步骤8：对第G-1代染色体进行选择、交叉和变异操作，得到第G代染色体后返回步骤3。

本发明所述的配电网扩展双层规划方法的特点也在于，所述步骤1是按如下过程进行：

步骤1.1、利用式(1)建立上层网源规划模型的目标函数：

式(1)中：Ω_l、Ω_n分别表示配电网中的线路集合与负荷节点集合；l_k表示第k条线路的长度；x_l,k表示第k条线路是否投建的0-1变量；H表示集群个数；N_c,l表示第c个集群内包含的线路数；Z_l为单位长度线路的电阻值；

表示第k条线路的电流平方值；T表示年最大负荷损耗小时数；P_c为配电网流入第c个集群的净功率；

步骤1.2、建立条件约束：

步骤1.2.1、利用式(2)建立配电网的潮流约束：

式(2)中：P_Gi和Q_Gi分别为第i个负荷节点处的分布式电源的有功出力和无功出力；P_Li和Q_Li分别为第i个负荷节点处的有功负荷和无功负荷；U_i和U_j分别为第i个负荷节点和第j个负荷节点处的电压幅值；G_ij和B_ij分别为第i个负荷节点与第j个负荷节点间线路的电导、电纳；θ_ij为第i个负荷节点和第j个负荷节点间的相角差；j∈i表示与第i个负荷节点相邻的节点；

步骤1.2.2、利用式(3)建立节点电压与线路电流约束：

式(3)中：U_i,min、U_i,max分别为第i个负荷节点电压的上下限；I_k为第k条线路的电流幅值；I_k,max为允许通过第k条线路的电流上限；

步骤1.2.3、利用式(4)建分布式电源在配电网中的渗透率约束：

式(4)中：λ_sys表示分布式电源在所述配电网中的渗透率，Ω_DG表示分布式电源安装节点集合；

为第i个负荷节点处的最大负荷值；

为第i个分布式电源安装节点的分布式电源安装容量；

为所设定的渗透率上限；

步骤1.2.4、利用式(5)建立分布式电源在集群内的渗透率约束：

式(5)中：λ_c表示分布式电源在集群内的渗透率；Ω_c,DG表示第c个集群内分布式电源的安装节点集合；Ω_c,n表示第c个集群内的负荷节点集合。

所述步骤4是按如下过程进行：

利用式(6)建立下层集群划分模型的适应度值：

式(6)中：ρ为集群综合性能指标；

为集群结构强度度指标；并有：

式(7)中：δ(i,j)表示第i个负荷节点与第j个负荷节点是否在同一个集群中，若是，则δ(i,j)为1，否则，δ(i,j)为0；A_ij为第i个负荷节点与第j个负荷节点的电气距离函数，即两节点间电气距离权重；并有：

式(8)中：e_ij为第i个负荷节点与第j个负荷节点间的电气距离；

式(7)中：m为所有边权之和，并有：

式(7)中：k_i为与第i个负荷节点相连线路的权重之和；

式(6)中：

为集群有功平衡度指标；并有：

式(11)中：ω_c表示第c个集群的有功平衡度，并有：

式(12)中：P_c,i为集群i的净功率特性。

与现有技术相比，本发明的有益效果在于：

本发明将配电网扩展规划分为两层迭代求解，上层进行网源联合规划，以线路选择以及分布式电源安装位置容量作为决策变量并传递给下层；下层规划以集群综合指标最优为目标函数，通过智能优化算法求解得到集群个数与各群内线路、节点，并传递给上层。通过采用上下层迭代寻优的方式，克服了集群划分不能够适应分布式电源与网络的动态变化的问题，从而使扩展规划结果能够利用分布式电源与负荷的集群元荷匹配特性，提高了配电网线路规划结构强度以及对分布式电源的消纳能力配电网线路规划结构强度以及对分布式电源的消纳能力。

附图说明

图1为本发明一种基于集群划分的配电网扩展双层规划模型架构图；

图2为本发明混合遗传算法的流程图。

图3为本发明初始网络拓扑结构图；

图4为本发明支路参数图；

图5为本发明上层模型遗传算法染色体结构图；

图6为本发明上下层模型遗传算法染色体转换图；

图7为本发明集群划分及线路规划结果图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。

本实施例中，一种基于集群划分的配电网扩展双层规划方法，其模型框架结构与算法流程分别如图1、图2所示，包括下列顺序的步骤：

步骤1：建立上层网源规划模型及其约束条件；

步骤1.1、获取本实施例初始网络拓扑结构，如图3所示。图中实线为已有线路，虚线为待选线路，该网络具有10个节点、2条已有支路和14条待选扩建线路，其中节点1与高压系统相连。线路参数如图4所示。节点1-10有功负荷数据(单位MW)分别为0、1.2、1.5、0.6、0.4、1.2、0.75、0.80、0.50、0.55。

步骤1.2、利用式(1)建立上层网源规划模型的目标函数：

式(1)中：Ω_l、Ω_n分别表示配电网中的线路集合与负荷节点集合；l_k表示第k条线路的长度；x_l,k表示第k条线路是否投建的0-1变量；H表示集群个数；N_c,l表示第c个集群内包含的线路数；Z_l为单位长度线路的电阻值；

表示第k条线路的电流平方值；T表示年最大负荷损耗小时数，T＝3000；P_c为配电网流入第c个集群的净功率；

步骤1.3、建立条件约束：

步骤1.3.1、利用式(2)建立配电网的潮流约束：

式(2)中：P_Gi和Q_Gi分别为第i个负荷节点处的分布式电源的有功出力和无功出力；P_Li和Q_Li分别为第i个负荷节点处的有功负荷和无功负荷；U_i和U_j分别为第i个负荷节点和第j个负荷节点处的电压幅值；G_ij和B_ij分别为第i个负荷节点与第j个负荷节点间线路的电导、电纳；θ_ij为第i个负荷节点和第j个负荷节点间的相角差；j∈i表示与第i个负荷节点相邻的节点；

步骤1.3.2、利用式(3)建立节点电压与线路电流约束：

式(3)中：U_i,min、U_i,max分别为第i个负荷节点电压的上下限，U_i,min＝0.95,U_i,max＝1.05；I_k为第k条线路的电流幅值；I_k,max为允许通过第k条线路的电流上限；

步骤1.3.3、利用式(4)建分布式电源在配电网中的渗透率约束：

式(4)中：λ_sys表示分布式电源在配电网中的渗透率，Ω_DG表示分布式电源安装节点集合；

为第i个负荷节点处的最大负荷值；

为第i个分布式电源安装节点的分布式电源安装容量；

为所设定的渗透率上限；

步骤1.3.4、利用式(5)建立分布式电源在集群内的渗透率约束：

式(5)中：λ_c表示分布式电源在集群内的渗透率；Ω_c,DG表示第c个集群内分布式电源的安装节点集合；Ω_c,n表示第c个集群内的负荷节点集合；

步骤2：初始化上层遗传算法的种群；

定义当前迭代次数为G，最大迭代次数为Gmax＝200；

初始化G＝1；

生成第G代上层染色体，第G代上层染色体中包含：第G代配电网拓扑结构及其分布式电源安装位置和容量；

第G代配电网拓扑结构是采用Prim最小生成树法产生，其中，第G代配电网拓扑结构中的线路采用0-1编码方式，“1”表示建设，“0”表示不建设；

分布式电源安装位置和容量是采用隐形编码方式得到；其中，分布式电源是安装在第G代网络拓扑结构中的负荷节点上；

以d_DG作为分布式电源的单个安装容量，以n_i作为第i个负荷节点上分布式电源的安装数量；则第i个负荷节点上安装的总容量为C_iDG＝n_i×d_DG，当n_i＝0时，表示第i个负荷节点不安装分布式电源，本发明取d_DG＝100kVA。上层染色体结构如图5所示；

步骤3：根据第G代染色体中所包含的第G代配电网拓扑结构及其分布式电源的安装位置和容量进行第G次潮流计算，得到第G次潮流计算结果并用于上层网源规划模型的计算；

步骤4：建立下层集群划分模型；

本发明集群划分指标同时兼具结构性指标与功能性指标。在结构上，集群内部节点间电气联系紧密，集群之间联系松散，便于集群的运行管理，其评价指标采用基于电气距离的模块度表示。在功能上，分布式电源集群规划是通过集群划分，以集群代替传统节点的规划方法，主要以功率匹配为原则，因而规划类集群应能充分发挥节点间的源荷协调性，提高有功功率互补和匹配程度，其评价指标采用有功平衡度表示。利用式(6)建立下层集群划分模型的适应度值：

式(6)中：ρ为集群综合性能指标；

为集群结构强度指标；并有：

式(7)中：δ(i,j)表示第i个负荷节点与第j个负荷节点是否在同一个集群中，若是，则δ(i,j)为1，否则，δ(i,j)为0；A_ij为第i个负荷节点与第j个负荷节点的电气距离函数，即两节点间电气距离权重；并有：

式(8)中：e_ij为第i个负荷节点与第j个负荷节点间的电气距离。模块度常用于复杂网络的社区检测，以衡量网络的社区结构强度，当网络边权表达发生变化时模块度指标表示不同的意义。本发明以电气距离定义边权，用来表征两个节点之间联系的密切程度，由电压与功率间的灵敏度关系求得。对于包含n个节点的系统，基于无功电压灵敏度矩阵的电气距离可表示为：

式(9)中,

为无功电压灵敏度矩阵中第i行j列元素，表示节点j注入单位无功功率与节点i电压变化量的关系，其值越大，两节点间联系越紧密，基于无功电压灵敏度的电气距离越小。同理可得基于有功电压灵敏度矩阵的电气距离

考虑到有功、无功功率改变均影响节点电压，因此定义基于灵敏度矩阵的电气距离：

式(7)中：m为所有边权之和，并有：

式(7)中：k_i为与第i个负荷节点相连线路的权重之和；

式(6)中：

为集群有功平衡度指标。在分布式电源安装容量不均衡的情况下，为了实现分布式电源的协同规划，以电网侧集群特性指标——有功平衡度来对集群进行划分，指导分布式电源的具体安装位置及容量。集群有功平衡度高表示现有分布式电源分布式电源安装容量及输出功率与负荷匹配程度高，有功平衡度低的集群匹配程度低，可继续增加分布式电源分布式电源。以集群净功率表征的有功平衡度为：

式(13)中：ω_c表示第c个集群的有功平衡度，并有：

式(14)中：P_c,i为集群i的净功率特性。

步骤5：根据第G代配电网拓扑结构及其分布式电源的安装位置和容量，采用下层遗传算法对第G代配电网拓扑结构中的线路和负荷节点进行集群划分，得到集群划分信息，即相应线路和负荷节点各自所属集群，并用于上层网源规划模型的计算，。其中下层遗传算法基于网络拓扑的邻接矩阵编码，上下层间编码转换如图6所示；

步骤6：根据集群划分信息，利用上层遗传算法对上层网源规划模型进行寻优求解，得到前G代最优配电网拓扑结构及其分布式电源的安装位置和容量；

步骤7：G+1赋值给G后，判断G大于Gmax是否成立，若成立，则表示得到前Gmax代最优配电网拓扑结构及其分布式电源的安装位置和容量，否则，执行步骤8；

步骤8：对第G-1代染色体进行选择、交叉和变异操作，得到第G代染色体后返回步骤3。

其中，本实施例中一种基于集群划分的配电网扩展双层规划的集群划分及线路规划结果如图7所示，且负荷节点分布式电源安装数量n₂～n₁₀分别为12、3、6、14、1、2、2、1、0。不划分集群时，为了避免分布式电源分布式电源安装容量因超过节点的最大负荷功率而被削减，分布式电源分布式电源主要被配置在负荷较大的节点。而划分集群后，由于允许集群作为反向功率流通范围，集群内各节点分布式电源分布式电源安装容量可能会超过该节点的最大负荷功率，多余的出力将会被外送到该集群内其他分布式电源分布式电源安装容量较小的节点。采用本发明方法获得的规划结果，分布式电源出力削减比例由9.52％下降为2.44％，分布式发电实际渗透率由82.67％提高到86.87％，集群有功平衡度指标ω_c由0.402提高到0.418，表示结构强度的模块度指标由0.914提高到0.947。从规划结果可以看出，集群划分的引入改变了网络拓扑结构，使得规划后的线路结构强度更高，路径设置更加合理。划分集群后由于集群内部分布式电源与负荷的功率交互，提高了集群内源荷匹配水平，增大了分布式电源渗透率，降低了分布式电源的削减比例。有功平衡度指标的提升说明集群划分充分发挥了群内各节点源荷特性之间的互补，进一步验证了集群划分对于DG消纳能力的提升。

综上所述，本发明通过一种基于集群划分的配电网扩展双层规划方法，采用上下层迭代寻优的方式，克服了集群划分不能够适应分布式电源与网络的动态变化的问题，从而使扩展规划结果能够利用分布式电源与负荷的集群元荷匹配特性，提高配电网线路规划结构强度以及对分布式电源的消纳能力。

Claims (1)

1.一种基于集群划分的配电网扩展双层规划方法，其特征是，将配电网扩展规划分为上层网源规划和下层集群规划，并按如下步骤进行：

步骤1：建立上层网源规划模型及其约束条件；

步骤1.1、利用式(1)建立上层网源规划模型的目标函数：

式(1)中：Ω_l、Ω_n分别表示配电网中的线路集合与负荷节点集合；l_k表示第k条线路的长度；x_l,k表示第k条线路是否投建的0-1变量；H表示集群个数；N_c,l表示第c个集群内包含的线路数；Z_l为单位长度线路的电阻值；

表示第k条线路的电流平方值；T表示年最大负荷损耗小时数；P_c为配电网流入第c个集群的净功率；

步骤1.2、建立条件约束：

步骤1.2.1、利用式(2)建立配电网的潮流约束：

式(2)中：P_Gi和Q_Gi分别为第i个负荷节点处的分布式电源的有功出力和无功出力；P_Li和Q_Li分别为第i个负荷节点处的有功负荷和无功负荷；U_i和U_j分别为第i个负荷节点和第j个负荷节点处的电压幅值；G_ij和B_ij分别为第i个负荷节点与第j个负荷节点间线路的电导、电纳；θ_ij为第i个负荷节点和第j个负荷节点间的相角差；j∈i表示与第i个负荷节点相邻的节点；

步骤1.2.2、利用式(3)建立节点电压与线路电流约束：

式(3)中：U_i,min、U_i,max分别为第i个负荷节点电压的上下限；I_k为第k条线路的电流幅值；I_k,max为允许通过第k条线路的电流上限；

步骤1.2.3、利用式(4)建分布式电源在配电网中的渗透率约束：

式(4)中：λ_sys表示分布式电源在所述配电网中的渗透率，Ω_DG表示分布式电源安装节点集合；

为第i个负荷节点处的最大负荷值；

为第i个负荷节点上分布式电源的分布式电源安装容量；

为所设定的渗透率上限；

步骤1.2.4、利用式(5)建立分布式电源在集群内的渗透率约束：

式(5)中：λ_c表示分布式电源在集群内的渗透率；Ω_c,DG表示第c个集群内分布式电源的安装节点集合；Ω_c,n表示第c个集群内的负荷节点集合；

步骤2：初始化上层遗传算法的种群：

定义当前迭代次数为G，最大迭代次数为Gmax；

初始化G＝1；

生成第G代染色体，所述第G代染色体中包含：第G代配电网拓扑结构及其分布式电源安装位置和容量；

所述第G代配电网拓扑结构是采用Prim最小生成树法产生，其中，所述第G代配电网拓扑结构中的线路采用0-1编码方式，“1”表示建设，“0”表示不建设；

所述分布式电源安装位置和容量是采用隐形编码方式得到；其中，分布式电源是安装在所述第G代配电网拓扑结构中的负荷节点上；

以d_DG作为所述分布式电源的单个安装容量，以n_i作为第i个负荷节点上分布式电源的安装数量；则第i个负荷节点上安装的总容量为n_i×d_DG，当n_i＝0时，表示第i个负荷节点不安装分布式电源；

步骤3：根据第G代染色体中所包含的第G代配电网拓扑结构及其分布式电源的安装位置和容量进行第G次潮流计算，得到第G次潮流计算结果并用于上层网源规划模型的计算；

步骤4：建立下层集群划分模型；

利用式(6)建立下层集群划分模型的适应度值：

式(6)中：ρ为集群综合性能指标；

为集群结构强度度指标；并有：

式(7)中：δ(i,j)表示第i个负荷节点与第j个负荷节点是否在同一个集群中，若是，则δ(i,j)为1，否则，δ(i,j)为0；A_ij为第i个负荷节点与第j个负荷节点的电气距离函数，即两节点间电气距离权重；并有：

式(8)中：e_ij为第i个负荷节点与第j个负荷节点间的电气距离；

式(7)中：m为所有边权之和，并有：

式(7)中：k_i为与第i个负荷节点相连线路的权重之和；

式(6)中：

为集群有功平衡度指标；并有：

式(11)中：ω_c表示第c个集群的有功平衡度，并有：

式(12)中：P_c,i为第c个集群中第i个负荷节点的净功率特性；

步骤5：根据第G代配电网拓扑结构及其分布式电源的安装位置和容量，采用下层遗传算法对所述第G代配电网拓扑结构中的线路和负荷节点进行集群划分，得到集群划分信息，即相应线路和负荷节点各自所属集群，并用于上层网源规划模型的计算；

步骤6：根据所述集群划分信息，利用上层遗传算法对上层网源规划模型进行寻优求解，得到前G代最优配电网拓扑结构及其分布式电源的安装位置和容量；

步骤7：G+1赋值给G后，判断G大于Gmax是否成立，若成立，则表示得到前Gmax代最优配电网拓扑结构及其分布式电源的安装位置和容量，否则，执行步骤8；

步骤8：对第G-1代染色体进行选择、交叉和变异操作，得到第G代染色体后返回步骤3。

Images