CN111277004B - 一种配电网“源-网-荷”两阶段多目标控制方法及系统 - Google Patents

一种配电网“源-网-荷”两阶段多目标控制方法及系统 Download PDF

Info

Publication number
CN111277004B
CN111277004B CN202010085869.6A CN202010085869A CN111277004B CN 111277004 B CN111277004 B CN 111277004B CN 202010085869 A CN202010085869 A CN 202010085869A CN 111277004 B CN111277004 B CN 111277004B
Authority
CN
China
Prior art keywords
stage
harmony
objective function
node
power
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.)
Active
Application number
CN202010085869.6A
Other languages
English (en)
Other versions
CN111277004A (zh
Inventor
朱丽
叶学顺
张吉强
杨洋
孙勇
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN202010085869.6A priority Critical patent/CN111277004B/zh
Publication of CN111277004A publication Critical patent/CN111277004A/zh
Application granted granted Critical
Publication of CN111277004B publication Critical patent/CN111277004B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase networks
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/50—Arrangements for eliminating or reducing asymmetry in polyphase networks
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

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

Abstract

本发明公开了一种配电网“源‑网‑荷”两阶段多目标控制方法及系统，旨在提供一种能够实现配电系统安全运行的稳定性的控制方法及系统。该方法为：建立两阶段多目标的数学优化模型；建立第一阶段集中型优化控制目标函数及第二阶段分布型优化控制目标函数；采用多目标和声搜索算法求解当前日的第一阶段集中型优化控制目标函数；设置权重偏好，得到配电网网络结构及分区馈线总数；采用和声搜索算法求解分区馈线的第二阶段分布型优化控制目标函数；如果当前时刻点等于24小时,生成24时刻点的分布式电源、柔性负荷功率序列数据；如果当前日期等于预设值，则结束整个计算流程。该方法减少了全局信息传输处理的频度，增加了安全性。

Description

一种配电网“源-网-荷”两阶段多目标控制方法及系统
技术领域
本发明涉及配电网技术领域，更具体的说，是涉及一种配电网“源-网-荷”两阶段多目标控制方法及系统。
背景技术
随着技术的发展以及能源清洁化、互动化水平的提高，配电网逐步发展成为含有高渗透率分布式电源、柔性负荷、智能软开关的复杂系统，主要变化特征包括：
(1)在电源侧，随着风电、光伏等分布式电源的大量接入，传统配电网成为有源网络，且接入的电源呈现出分散、点多、面广、容量小等特点；
(2)在网侧，智能软开关、配电自动化终端等设备引入，导致配电网络更加灵活、可变、可控；
(3)在负荷侧，电动汽车、空调负荷等用电单元具备一定的柔性调度能力，可以参与电网控制。
在“源-网-荷”方面的变化一方面提升了配电网的灵活性，但分布式电源、负荷以及网络的无序动作可能导致配电网面临的安全风险激增。如何实现配电网中的分布式电源控制、网络结构控制以及柔性负荷控制的协调性、安全性是一个难点问题。
目前，主要技术方案包括将配电网络重构、分布式电源出力进行联合优化，以实现配电网中的分布式电源控制、网络结构控制以及柔性负荷控制的协调性。但是，由于将配电网络重构与分布式电源出力进行联合优化过程中未能考虑调控手段时间尺度差异性，以及联合优化后由于优化变量太多造成求解过程中优化变量过多导致求解所消耗的时间过长，以及优化变量维数过高，导致优化算法不收敛或者过早的进入局部最优，从而无法得到真正的最优解；同时，这种不考虑调控变量的时间差异方式，也会造成配电网任一时刻调控均处于全局型控制，对信息的传输频率和质量要求过高，而且容易导致配电线路中开关的频繁动作损毁。
发明内容
本发明的目的是针对现有技术中存在的技术缺陷，而提供一种能够实现配电系统安全运行的稳定性的配电网两阶段多目标控制方法。
本发明的另一个目的是提供一种能够实现配电系统安全稳定运行，提升多目标优化求解有效性的配电网两阶段多目标控制系统。
为实现本发明的目的所采用的技术方案是：
一种配电网“源-网-荷”两阶段多目标控制方法，包括下述步骤：
(1)建立两阶段多目标的数学优化模型，如式(1)所示：
Figure BDA0002382013500000021
式中，ftotal为总体优化目标函数；
Figure BDA0002382013500000022
为第一阶段集中型优化控制目标函数；
Figure BDA0002382013500000023
为第一阶段目标函数1；
Figure BDA0002382013500000024
为第一阶段目标函数2；
Figure BDA0002382013500000025
为第t时段、第j个分区馈线的第二阶段分布型优化控制目标函数；
Figure BDA0002382013500000026
为第二阶段目标函数1；
Figure BDA0002382013500000027
为第二阶段目标函数2；x为决定网络拓扑结构的开关状态序列；
Figure BDA0002382013500000028
为t时刻分布式电源出力功率；
Figure BDA0002382013500000029
为t时刻柔性负荷功率；
Figure BDA00023820135000000210
为分布式电源与柔性负荷的加权平均值；t为时刻点，t为正整数且t∈[1,24]；j为分区后第j条馈线；Nf为分区后馈线总数；
(2)建立所述第一阶段集中型优化控制目标函数及第二阶段分布型优化控制目标函数；
所述第一阶段集中型优化控制目标函数包括所述第一阶段目标函数1及所述第一阶段目标函数2；约束条件为网络拓扑辐射性约束、节点电压约束及线路载流量约束；所述第一阶段目标函数1为分布均衡度目标函数，所述第一阶段目标函数2为配电网分区馈线控制最长路径最小目标函数；
所述第二阶段分布型优化控制目标函数包括所述第二阶段目标函数1及所述第二阶段目标函数2；所述第二阶段目标函数1为每一条馈线中以静态电压稳定裕度最小目标函数；所述第二阶段目标函数2为馈线运行有功损耗最小目标函数；约束条件为潮流平衡约束、分布式电源出力约束、柔性负荷的可控功率的上下限约束、节点电压约束及线路载流量约束；
(3)初始化配电网“源-网-荷”两阶段控制参数，设置日期D＝1，时刻点t＝1；
(4)将第D天内24小时点分布式电源与柔性负荷的加权平均值
Figure BDA0002382013500000031
作为初始条件输入所述第一阶段集中型优化控制目标函数中，并输入配电网网络及其他不可调度负荷的运行数据；
(5)采用多目标和声搜索算法求解当前日D的所述第一阶段集中型优化控制目标函数；
(6)设置权重偏好，计算所述第一阶段目标函数1和所述第一阶段目标函数2的加权值，得到配电网网络结构及分区馈线总数Nf；
(7)输入t时刻点配电网网络及负荷的运行数据，采用和声搜索算法求解分区馈线中第j条分区馈线的所述第二阶段分布型优化控制目标函数；
(8)判断当前分区馈线j是否小于分区馈线总数Nf；如果当前分区馈线j小于分区馈线总数Nf，则j＝j+1，执行步骤(7)的操作，对第j+1条分区馈线进行优化操作；如果当前分区馈线j等于分区馈线总数Nf，则生成t时刻的分布式电源与柔性负荷功率值，作为控制指令下达各个分布式电源和负荷，并执行步骤(9)的操作；
(9)判断当前时刻点t是否小于24小时，如果当前时刻点t小于24小时，则t＝t+1，执行步骤(7)的操作，对第t+1时刻点进行优化调度；如果当前时刻点t等于24小时，则结束一天的求解,生成24时刻点的分布式电源、柔性负荷功率序列数据；
(10)判断当前日期D是否达小于预设值Dset，如果当前日期D小于预设值，则D＝D+1，将这一天24时刻的优化调度数据以及负荷数据作为下一日D+1的输入数据，执行步骤(4)的操作，求解D+1日网络结构，并进一步求取D+1日的24时刻点的分布式电源、柔性负荷的功率大小；如果当前日期D等于预设值，则结束整个计算流程。
所述第一阶段目标函数1的表达式为：
Figure BDA0002382013500000041
式中，B为线路分段总数，m为第m个线路分段；
Figure BDA0002382013500000042
为第m个线路分段上最大允许的有功；
Figure BDA0002382013500000043
为第m个线路分段上最大允许的无功；
Figure BDA0002382013500000044
为第m个线路分段上实际传输的有功；
Figure BDA0002382013500000045
为第m个线路分段上实际传输的无功；
所述第一阶段目标函数2的表达式为：
Figure BDA0002382013500000046
式中，
Figure BDA0002382013500000047
表示第1条分区馈线的长度；
Figure BDA0002382013500000048
表示第2条分区馈线的长度；
Figure BDA0002382013500000049
表示第Nf条分区馈线的长度；
所述第二阶段目标函数1的表达式如下：
Figure BDA0002382013500000051
式中，
Figure BDA0002382013500000052
为馈线j中第p线路段的静态电压稳定裕度指标；；N为馈线j中的线路段总数；q为馈线j中线路段p首端节点；s为馈线j中线路段p末端节点；
Figure BDA0002382013500000053
为s节点的有功功率；
Figure BDA0002382013500000054
为节点q、s之间的电抗；
Figure BDA0002382013500000055
为s节点的无功功率；
Figure BDA0002382013500000056
为节点q、s之间的电阻；
Figure BDA0002382013500000057
为q节点的电压。
第二阶段目标函数2的表达式为：
Figure BDA0002382013500000058
式中，
Figure BDA0002382013500000059
馈线j中线路段p上的电流的有效值；
Figure BDA00023820135000000510
为节点q、s之间的电阻。
所述网络拓扑辐射性约束为：
g∈G (4)，
式中，g为通过开关通断组合后的配电网络拓扑结构；G为所有可行的拓扑结构集合；所述配电网拓扑结构呈现辐射状且不包含孤岛；
所述节点电压约束为：
Figure BDA00023820135000000511
式中，Ui为节点i的电压；
Figure BDA00023820135000000512
为节点i电压上限值；
Figure BDA00023820135000000513
为节点i电压下限值；n为配电网节点总数；
所述线路载流量约束为：
Figure BDA00023820135000000514
式中，Sj为线路段j流过的功率；
Figure BDA00023820135000000515
为线路段j允许流过功率的最大值；Nb为线路段总数；
所述潮流平衡约束为：
Figure BDA0002382013500000061
式中，PDGi为节点i接入的分布式电源的有功功率；QDGi为节点i接入的分布式电源的无功功率；Pdi为节点i处柔性负荷的有功值；Qdi为节点i处柔性负荷的无功值；
Figure BDA0002382013500000062
为节点i处不可调控负荷的有功值；
Figure BDA0002382013500000063
为节点i处不可调控负荷的无功值；Ui为节点i处的电压；Uw为节点w处的电压；Nd为节点的总数；Giw为节点i、w之间的电导；θiw为节点i与节点w间电压的相位差；Biw为节点i、w之间的电纳；
所述分布式电源出力约束为：
Figure BDA0002382013500000064
式中，PDGi min为节点i接入的分布式电源的有功出力的下限；PDGi为节点i接入的分布式电源的有功出力；PDGi max为节点i接入的分布式电源的有功出力的上限；QDGi min为节点i接入的分布式电源的无功出力的下限；QDGi max为节点i接入的分布式电源的无功出力的上限；QDGi为节点i接入的分布式电源的无功出力；
所述柔性负荷的可控功率的上下限约束：
Figure BDA0002382013500000065
式中，Pdi min为节点i处柔性负荷可调有功的下限；Pdi为节点i处柔性负荷可调有功；Pdi max为节点i处柔性负荷可调有功的上限；Qdi min为节点i处柔性负荷可调无功的下限；Qdi为节点i处柔性负荷可调无功；Qdi max为节点i处柔性负荷可调无功的上限。
节点i处所述分布式电源与柔性负荷的加权平均值
Figure BDA0002382013500000071
的表达式为：
Figure BDA0002382013500000072
式中，
Figure BDA0002382013500000073
为t时刻节点i处分布式电源的出力功率值；
Figure BDA0002382013500000074
为t时刻节点i处柔性负荷的功率值。
5、根据权利要求1或2所述的配电网“源-网-荷”两阶段多目标控制方法，其特征在于，步骤(5)采用多目标和声搜索算法求解当前日D的所述第一阶段集中型优化控制目标函数的方法包括下述步骤：
Step1：初始化参数，包括迭代次数Num和声记忆库内存HMS、保留概率HMCR、扰动概率PAR、带宽BW；采用式(13)初始化和声记忆内存库HM：
Figure BDA0002382013500000075
式中，
Figure BDA0002382013500000076
表示第1组和声记忆内存组中第1个开关变量的状态，取0或1，0表示断开，1表示接通；
Figure BDA0002382013500000077
表示第2组和声记忆内存组中第1个开关变量的状态，取0或1,0表示断开，1表示接通；
Figure BDA0002382013500000078
表示第HMS组和声记忆内存组中第1个开关变量的状态，取0或1,0表示断开，1表示接通；Nbreak为配电网中开关的总数；HMS表示和声记忆内存库HM中和声记忆内存组数；在初始化时，和声记忆内存库HM中的任一个开关变量状态采用0或1的随机值进行赋值；
Step 2：计算和声记忆内存库HM中各序列的目标函数值，并校验约束套件，将满足约束条件的和声序列生成Pareto解集；
Step 3：根据Step 2得到的目标函数值的大小，将和声记忆内存库HM中各个和声进行非支配排序，其中，位于第1层级内的和声被保存在Pareto解集中，其他层级的和声被保留在和声记忆内存库HM中；
Step 4：创作新和声：从Pareto解集中随机选择一个非支配和声xnd，再从和声存储空间中随机选择一个被支配和声xd，按照以下规则进行：
Figure BDA0002382013500000081
式中，r为0-1之间的随机数；rand(0,1)表示0-1之间随机数生成函数；HMCR和声保留概率；xnew为新的和声变量；xnd为非支配和声；xd为和声存储空间中被支配和声；xmin为和声变量取值的下限；xmax为和声变量取值的上限；
重复HMS次，产生HMS个和声构成新生成的和声集；同时计算新生成和声的适应度值；
Step 5：更新Pareto解集以及和声记忆空间；合并当前的Pareto解集、和声记忆内存库HM以及新生成的和声生成和声记忆库，并将所合并生成的所述和声记忆库中的各和声序列进行非支配性排序；将第1层级内的和声被保存在Pareto解集；
Step 6：校验算法终止条件：如果已经达到最大迭代次数Num，转入Step 7；否则按照公式(15)动态调节和声记忆内存组数HMS大小，迭代次数增加1，并转入Step 2；
Figure BDA0002382013500000082
式中，η为收敛速度的表征量；n为迭代计算当前已经进行的次数；Obj(n)为第n次迭代时的目标函数值；HMS(n)为第n次迭代的和声记忆内存的组数；HMSmax表示最大的和声记忆内存组数、HMSmin表示最小的和声记忆内存组数；
Step 7：设置所述第一阶段目标函数1和第一阶段目标函数2的偏好权重进行加权，求取最优解作为配电网重构的开关序列，生成新的配电网结构。
6、根据权利要求1或2所述的配电网“源-网-荷”两阶段多目标控制方法，其特征在于，步骤(7)采用和声搜索算法求解分区馈线中第j条分区馈线的所述第二阶段分布型优化控制目标函数的方法包括下述步骤：
Step1：初始化参数，包括迭代次数Num和声记忆库内存HMS、保留概率HMCR、扰动概率PAR、带宽BW；和声记忆内存库HM的初始化方式如下：
Figure BDA0002382013500000091
式中，HM'(t)为t时刻分布式电源与柔性负荷组成的和声记忆内存库；
Figure BDA0002382013500000092
为第v组和声记忆内存组中第h个分布式电源的功率值；v为和声记忆内存组的编号，取值从1、2直至HMS；HMS为和声记忆内存组数；h为分布式电源的编号，取值从1、2直至nDG；nDG为分布式电源的总数；
Figure BDA0002382013500000093
为t时刻第h个分布式电源功率的最小值；
Figure BDA0002382013500000094
为t时刻第h个分布式电源功率的最大值；rand(0,1)表示0-1之间的随机数；
Figure BDA0002382013500000095
为第v组和声记忆内存组中第β个柔性负荷的功率值；β为柔性负荷的编号，取值从1、2直至nl；nl为柔性负荷的总数；
Figure BDA0002382013500000096
为t时刻第β个柔性负荷功率的最小值；
Figure BDA0002382013500000097
为t时刻第β个柔性负荷功率的最大值；
Step 2：计算和声记忆内存库HM中各序列的目标函数值，并校验约束套件，将满足约束条件的和声序列生成Pareto解集；
Step 3：根据目标函数值的大小，将和声记忆内存库HM中各个和声进行非支配排序，其中，位于第1层级内的和声被保存在Pareto解集中，其他层级的和声被保留在和声记忆内存库HM中；
Step 4：创作新和声；从Pareto解集中随机选择一个非支配和声xnd，再从和声存储空间中随机选择一个被支配和声xd，采用公式(14)进行；重复HMS次，产生HMS个和声构成新生成的和声集；同时计算新生成和声的适应度值；
Step 5：更新Pareto解集以及和声记忆空间；合并当前的Pareto解集、和声记忆内存库HM以及新生成的和声生成和声记忆库，并将所合并生成的所述和声记忆库中的各和声序列进行非支配性排序；将第1层级内的和声被保存在Pareto解集；
Step 6：校验算法终止条件：如果已经达到最大迭代次数Num，转入Step 7；否则按照公式(15)动态调整和声记忆内存组数HMS大小，迭代次数增加1，并转入Step 2；
Step 7：设置所述第二阶段目标函数1和第二阶段目标函数2的偏好权重进行加权，选择其中加权值最小的那一组和声变量，作为t时刻的分布式电源出力、柔性负荷的功率优化调度值；同时判断t是否小于24，如果t小于24，那么t＝t+1，并执行Step1；如果t等于24，则结束第二阶段分布型优化，D＝D+1，进入第一阶段集中优化；如果D达到Dset则，结束整个优化程序。
所述HMCR和声保留概率取0.5。
一种配电网“源-网-荷”两阶段多目标控制系统，包括全局在线数据处理模块、集中型优化控制模块、数据分发模块和分布型优化控制模块；所述全局在线数据处理模块用于每天处理配电自动化系统、采集终端、所述分布型优化控制模块传输的数据,所述全局在线数据处理模块包括天级分布式电源出力数据采集与处理模块、天级柔性负荷时序功率数据采集与处理模块及日前配电网拓扑数据加载模块，所述全局在线数据处理模块与所述集中型优化控制模块连接；所述集中型优化控制模块基于全局数据进行第一阶段网络结构形态优化，包括建立第一阶段多目标优化算法模型、基于和声记忆内存动态调节的多目标和声搜索算法的计算引擎和第一阶段多目标优化控制指令执行模块；所述集中型优化控制模块的结果传输进入所述数据分发模块；所述数据分发模块根据网络结构分区情况，进行数据的划分以及逻辑关系重组，并将各个分区的数据传递给各个所述分布型优化控制模块，所述数据分发模块包括第一阶段配电网馈线分区数据加载模块、动态分区数据整合模块、小时级分区馈线负荷数据处理模块、小时级分区馈线分布式电源出力数据处理模块；所述分布型优化控制模块用于按照第一阶段优化的网络结构分区结构，进行第二阶段的优化控制，所述分布型优化控制模块包括第二阶段多目标优化算法模型、基于和声搜索算法的计算引擎和第二阶段多目标优化控制指令执行模块。
与现有技术相比，本发明的有益效果是：
1、本发明的控制方法采用全局信息的集中控制进行日前配电网络结构优化，以及按各分区馈线的就地信息进行小时级分布优化调度分布式电源与柔性负荷，解决了天、小时级两个时间尺度的“源-网-荷”协同控制问题，同时这种“集中-分布”控制模式解决了多变量联合优化时的“维数灾”问题，减少了全局信息传输处理的频度，增加了安全性。
2、本发明的控制方法在全局层面优化了“源”、“荷”在各馈线上的分布均衡程度以及各条馈线控制长度范围的均衡程度，在每一条馈线上并行优化了该馈线的静态电压稳定裕度、有功损耗，有力提升配电网运行的均衡程度、缩短了供电距离，并有效提高了安全性与经济运行能力。
3、本发明的控制方法在优化求解时采用的是基于和声记忆内存动态调节的多目标和声搜索算法进行求解，在应用该算法时提出了和声内存记忆库大小动态修改方法，加速了优化模型的求解过程并减少了陷入局部最优的概率。
附图说明
图1所示为本发明配电网“源-网-荷”两阶段多目标控制架构示意图；
图2所示为本发明配电网“源-网-荷”两阶段多目标控制方法流程图；
图3所示为本发明配电网“源-网-荷”两阶段多目标控制系统的结构框图；
图4所示为配电网“源-网-荷”两阶段多目标控制架构实施案例示意图。
具体实施方式
以下结合附图和具体实施例对本发明进行详细说明。
本发明配电网“源-网-荷”两阶段多目标控制的架构示意图如图1所示，本发明的控制方法建立“日前调度-小时级控制”相结合的两阶段优化总体控制架构，第一阶段为集中型优化控制，即日前调度控制，控制变量为配电网中的线路中的开关；第二阶段为分布型优化控制，即为小时级控制，控制变量为分布式电源有功出力值、柔性负荷时序功率值控制时序为1-24小时，控制目标为馈线静态电压稳定裕度最小、馈线运行有功损耗最小。所述第一阶段与第二阶段的优化交互关系为：在每一天的开始，所述第一阶段优化为所述第二阶段优化提供配电网拓扑结构，第二阶段优化在每一天的结束时刻反馈该天全部的调控值以及负荷运行时序值。
本发明配电网“源-网-荷”两阶段多目标控制方法流程图如图2所示，包括下述步骤：
(1)基于图1所示的总体框架结构建立两阶段多目标的数学优化模型，如式(1)所示：
Figure BDA0002382013500000131
式中，ftotal为总体优化目标函数；
Figure BDA0002382013500000132
为第一阶段集中型优化控制目标函数；
Figure BDA0002382013500000133
为第一阶段目标函数1；
Figure BDA0002382013500000134
为第一阶段目标函数2；
Figure BDA0002382013500000135
为第t时段、第j个分区馈线的第二阶段分布型优化控制目标函数；
Figure BDA0002382013500000136
为第二阶段目标函数1；
Figure BDA0002382013500000137
为第二阶段目标函数2；x为决定网络拓扑结构的开关状态序列；
Figure BDA0002382013500000138
为t时刻分布式电源出力功率；
Figure BDA0002382013500000139
为t时刻柔性负荷功率；
Figure BDA00023820135000001310
为分布式电源与柔性负荷的加权平均值；t为时刻点，t为正整数且t∈[1,24]；j为分区后第j条馈线；Nf为分区后馈线总数。
(2)建立第一阶段集中型优化控制目标函数及第二阶段分布型优化控制目标函数；
所述第一阶段集中型优化控制目标函数包括所述第一阶段目标函数1及所述第一阶段优化目标函数2；所述第一阶段目标函数1为分布均衡度目标函数，所述第一阶段优化目标函数2为配电网分区馈线控制最长路径最小目标函数；约束条件为网络拓扑辐射性约束、节点电压约束及线路载流量约束。
第一阶段目标函数1：配电网“源-荷”分布均衡度
该目标函数是通过线路上分布的隔离开关、断路器以及联络开关的通断，改变拓扑结构，从而改变配电网中分布式电源与负荷的相对分布位置，在一定程度上让分布式电源与负荷的更加均衡。在本发明专利中，用线路上流动的功率比率最小来表征均衡程度，当线路上的流动功率相对较小时，说明分布式与负荷之间功率匹配距离较小，从而更加均衡。该目标函数的表达式为：
Figure BDA00023820135000001311
式中，B为线路分段总数，m为第m个线路分段；
Figure BDA0002382013500000141
为第m个线路分段上最大允许的有功和无功；
Figure BDA0002382013500000142
为第m个线路分段上实际传输的有功；
Figure BDA0002382013500000143
为第m个线路分段上实际传输的无功。
第一阶段目标函数2：配电网分区馈线控制最长路径最小
配电网网络拓扑结构改变后，可能造成一条馈线上的控制长度太长，过长的馈线容易导致故障后失去负荷风险剧增、同时尾端的低电压或过电压现象突出。本发明专利中提出采用配电网分区馈线控制最长路径最小作为优化目标，表达式如下：
Figure BDA0002382013500000144
式中，
Figure BDA0002382013500000145
分别表示第1、2、Nf条分区馈线的长度。
第一阶段的约束条件如下：
①网络拓扑辐射性约束：
g∈G (4)，
式中，g为通过开关通断组合后的配电网络拓扑结构；G为所有可行的拓扑结构集合，本发明专利约定配电网拓扑结构呈现辐射状且不包含孤岛。
②节点电压约束：
Figure BDA0002382013500000146
式中，Ui为节点i的电压；
Figure BDA0002382013500000147
为节点i电压上、下限值；n为配电网节点总数。
③所述线路载流量约束为：
Figure BDA0002382013500000148
式中，Sj为线路段j流过的功率；
Figure BDA0002382013500000149
为线路段j允许流过功率的最大值；Nb为线路段总数；
所述第二阶段分布型优化控制目标函数包括所述第二阶段优化目标函数1及所述第二阶段优化目标函数2；所述第二阶段优化目标函数1为每一条馈线中以静态电压稳定裕度最小目标函数；所述第二阶段优化目标函数2为馈线运行有功损耗最小目标函数；约束条件为潮流平衡约束、分布式电源出力约束、柔性负荷的可控功率的上下限约束、节点电压约束及线路载流量约束；
第二阶段目标函数1：馈线静态电压稳定裕度最小
分布式电源与柔性负荷的无序调控直接可能导致的系统安全稳定问题，本发明提出馈线静态电压稳定裕度指标来度量系统的安全稳定性，表达式如下：
Figure BDA0002382013500000151
式中，
Figure BDA0002382013500000152
为馈线j中第p线路段的静态电压稳定裕度指标；；x为决定网络拓扑结构的开关状态序列；
Figure BDA0002382013500000153
为t时刻分布式电源出力功率；
Figure BDA0002382013500000154
为t时刻柔性负荷功率；N为馈线j中的线路段总数；q为馈线j中线路段p首端节点；s为馈线j中线路段p末端节点；
Figure BDA0002382013500000155
为s节点的有功功率；
Figure BDA0002382013500000156
为节点q、s之间的电抗；
Figure BDA0002382013500000157
为s节点的无功功率；
Figure BDA0002382013500000158
为节点q、s之间的电阻；
Figure BDA0002382013500000159
为q节点的电压。第二阶段目标函数2：馈线运行有功损耗最小。
有功损耗是衡量运行经济性的重要指标，本发明在控制分布式电源、柔性负荷时尽可能降低系统运行损耗，表达式如下：
Figure BDA00023820135000001510
式中，
Figure BDA00023820135000001511
馈线j中线路段p上的电流的有效值；
Figure BDA00023820135000001512
为节点q、s之间的电阻。
第二阶段的约束条件如下：
①潮流平衡约束
Figure BDA0002382013500000161
式中，PDGi、QDGi为节点i接入的分布式电源的有功功率和无功功率；Pdi、Qdi为节点i处柔性负荷的有功值和无功值；
Figure BDA0002382013500000162
为节点i处不可调控负荷的有功值和无功值；Ui、Uj为节点i、j处的电压；Nd为节点的总数；Gij为节点i、j之间的导纳；θij为节点i与节点j之间电压的相位差。
②分布式电源出力约束
Figure BDA0002382013500000163
式中，PDGi min、PDGi max为节点i接入的分布式电源的有功出力的下、上限；QDGi min、QDGi max为节点i接入的分布式电源的无功出力的下、上限。
③柔性负荷的可控功率的上下限约束
Figure BDA0002382013500000164
式中，Pdi min、Pdi max为节点i处柔性负荷可调有功的下、上限；Qdi min、Qdi max为节点i处柔性负荷可调无功的下、上限。
节点电压约束以及线路传输功率约束与第一阶段相同，节点电压约束采用公式(5)、线路传输功率约束采用公式(6)计算。
(3)初始化配电网“源-网-荷”两阶段控制参数，设置日期D＝1，时点t＝1，(t∈[1,24])；
(4)将第D天内24小时点分布式电源、柔性负荷功率序列平均值
Figure BDA0002382013500000165
作为初始条件输入所述第一阶段集中型优化控制目标函数中，并输入配电网网络及其他不可调度负荷的运行数据；
Figure BDA0002382013500000171
式中，
Figure BDA0002382013500000172
为t时刻节点i处分布式电源的出力功率值；
Figure BDA0002382013500000173
为t时刻节点i处柔性负荷的功率值。
(5)采用多目标和声搜索算法求解当前日D的所述第一阶段集中型优化控制目标函数，并在求解过程中提出动态和声记忆内存库调节方法。具体求解流程如下：
Step1：初始化参数，包括迭代次数Num和声记忆库内存HMS、保留概率HMCR、扰动概率PAR、带宽BW。初始化和声记忆内存库HM：
Figure BDA0002382013500000174
式中，
Figure BDA0002382013500000175
表示第1组和声记忆内存组中第1个开关变量的状态，取0或1，0表示断开，1表示接通；
Figure BDA0002382013500000176
表示第2组和声记忆内存组中第1个开关变量的状态，取0或1,0表示断开，1表示接通；
Figure BDA0002382013500000177
表示第HMS组和声记忆内存组中第1个开关变量的状态，取0或1,0表示断开，1表示接通；Nbreak为配电网中开关的总数；HMS表示和声记忆内存库HM中和声记忆内存组数；在初始化时，和声记忆内存库HM中的任一个开关变量状态采用0或1的随机值进行赋值。
Step 2：计算和声记忆内存库HM中各序列的目标函数值，并校验约束套件，将满足约束条件的和声序列生成Pareto解集；
Step 3：根据目标函数值的大小，将HM中各个和声进行非支配排序，其中，位于第1层级内的和声被保存在Pareto解集中，其他层级的和声被保留在HM中。
Step 4：采用公式(14)创作新和声。从Pareto解集中随机选择一个非支配和声xnd，再从和声存储空间中随机选择一个被支配和声xd，按照以下规则进行：
Figure BDA0002382013500000181
重复HMS次，产生HMS个和声构成新生成的和声集。同时计算新生产和声的适应度值。
Step 5：更新Pareto解集以及和声记忆空间。合并当前的Pareto解集、HM以及新生成的和声，并将其基于快速非支配排序策略进行排序。将第1层级内的和声被保存在Pareto解集。
Step 6：采用公式(15)校验算法终止条件。如果已经达到最大迭代次数Num。转入Step 7；否则按照公式(14)动态调整和声记忆内存库HMS大小，迭代次数增加1，并转入Step2。
Figure BDA0002382013500000182
式中，η为收敛速度的表征量；i为当前迭代次数；Obj(i)为第i次迭代时的目标函数值；HMS(i)为第i次迭代的和声记忆内存的大小。通过公式(16)的修正，可以在算法收敛速度太快时，加大搜索的范围，避免陷入局部最优状态；当算法收敛速度缓慢后，相应缩小搜索的范围，加快得到最优解，从而在精度与速度之间达到平衡。
Step 7：设置各目标函数的偏好权重，求取最优解作为配电网重构的开关序列，生成新的配电网结构。
(6)设置权重偏好，计算所述计算第一阶段目标函数1和目标函数2的加权值，得到配电网网络结构及分区馈线Nf；
(7)将第一阶段集中型优化控制得到的开关序列，生成配电网当前的分区馈线结构。开始一天24时刻、分馈线的进行第二阶段分布型优化控制，控制的决策变量为分布式电源出力、柔性负荷的功率值。输入t(t∈[1,24])时刻点配电网网络及负荷的运行数据，采用和声搜索算法求解分区馈线中第j条分区馈线的所述第二阶段分布型优化控制目标函数；具体求解流程如下：
Step1：初始化参数，包括迭代次数Num和声记忆库内存HMS、保留概率HMCR、扰动概率PAR、带宽BW。和声记忆内存库的初始化方式如下：
Figure BDA0002382013500000191
式中，HM'(t)为t时刻分布式电源与柔性负荷组成的和声记忆内存库；
Figure BDA0002382013500000197
为第v组和声记忆内存组中第h个分布式电源的功率值；v为和声记忆内存组的编号，取值从1、2直至HMS；HMS为和声记忆内存组数；h为分布式电源的编号，取值从1、2直至nDG；nDG为分布式电源的总数；
Figure BDA0002382013500000192
为t时刻第h个分布式电源功率的最小值；
Figure BDA0002382013500000193
为t时刻第h个分布式电源功率的最大值；rand(0,1)表示0-1之间的随机数；
Figure BDA0002382013500000194
为第v组和声记忆内存组中第β个柔性负荷的功率值；β为柔性负荷的编号，取值从1、2直至nl；nl为柔性负荷的总数；
Figure BDA0002382013500000195
为t时刻第β个柔性负荷功率的最小值；
Figure BDA0002382013500000196
为t时刻第β个柔性负荷功率的最大值；
Step 2：计算和声记忆内存库HM中各序列的目标函数值，并校验约束套件，将满足约束条件的和声序列生成Pareto解集；
Step 3：根据目标函数值的大小，将HM中各个和声进行非支配排序，其中，位于第1层级内的和声被保存在Pareto解集中，其他层级的和声被保留在HM中。
Step 4：采用公式(14)创作新和声。从Pareto解集中随机选择一个非支配和声xnd，再从和声存储空间中随机选择一个被支配和声xd，按照以下规则进行：
Figure BDA0002382013500000201
重复HMS次，产生HMS个和声构成新生成的和声集。同时计算新生产和声的适应度值。
Step 5：更新Pareto解集以及和声记忆空间。合并当前的Pareto解集、HM以及新生成的和声，并将其基于快速非支配排序策略进行排序。将第1层级内的和声被保存在Pareto解集。
Step 6：采用公式(15)校验算法终止条件。如果已经达到最大迭代次数Num。转入Step 7；否则按照公式(14)动态调整和声记忆内存库HMS大小，迭代次数增加1，并转入Step2。
通过公式(16)的修正，可以在算法收敛速度太快时，加大搜索的范围，避免陷入局部最优状态；当算法收敛速度缓慢后，相应缩小搜索的范围，加快得到最优解，从而在精度与速度之间达到平衡。
Step 7：通过上述基于和声记忆内存动态调节的多目标和声搜索算法求取t时刻的分布式电源出力、柔性负荷的功率优化调度值，并下达控制指令。
(8)判断j是否小于分区馈线总数Nf；如果是，则j＝j+1，执行步骤(7)的操作，对第j+1条分区馈线进行优化操作；如果否，则生成t时刻的分布式电源与柔性负荷功率值，下达该功率控制指令并执行步骤(9)的操作；
(9)判断t是否小于24小时，如果是，则t＝t+1，执行步骤(7)的操作，对第t+1时刻点进行优化调度；如果否，结束一天的求解,则生成24时刻点的分布式电源、柔性负荷控制序列数据；
(10)判断当计算日期D是否达小于预设值Dset，如果是，则D＝D+1，将这一天24时刻的优化调度数据以及负荷数据作为下一日D+1的输入数据，再次执行步骤3。求解D+1日网络结构，并进一步求取D+1日的24时刻点的分布式电源、柔性负荷的功率调度值。如果否，说明配电网“源-网-荷”两阶段控制系统达到运行计算周期，结束整个计算流程。其中，Dset根据需要可以为7(周)、30(月)或365(年)。
本发明配电网“源-网-荷”两阶段多目标控制系统的结构框图如图3所示，包括全局在线数据处理模块、集中型优化控制模块、数据分发模块和分布型优化控制模块构成；所述全局在线数据处理模块用于每天处理配电自动化系统、采集终端、所述分布型优化控制模块传输的数据,所述全局在线数据处理模块包括天级分布式电源出力数据采集与处理模块、天级柔性负荷时序功率数据采集与处理模块与日前配电网拓扑数据加载模块，所述全局在线数据处理模块与所述集中型优化控制模块连接；所述集中型优化控制模块基于全局数据进行第一阶段网络结构形态优化，包括建立第一阶段多目标优化算法模型、基于和声记忆内存动态调节的多目标和声搜索算法的计算引擎和第一阶段多目标优化控制指令执行；所述集中型优化控制模块的结果传输进入所述数据分发模块；所述数据分发模块根据网络结构分区情况，进行数据的划分以及逻辑关系重组，并将各个分区的数据传递给各个所述分布型优化控制模块，所述数据分发模块包括第一阶段配电网馈线分区数据加载模块、动态分区数据整合模块、小时级分区馈线负荷数据处理模块、小时级分区馈线分布式电源出力数据处理模块；所述分布型优化控制模块用于按照第一阶段优化的网络结构分区结构，进行第二阶段的优化控制，所述分布型优化控制模块包括第二阶段多目标优化算法模型、基于和声记忆内存动态调节的多目标和声搜索算法的计算引擎和第二阶段多目标优化控制指令执行模块。
实施例：
图4所示为配电网“源-网-荷”两阶段多目标控制架构实施案例示意图，在上述实施案例中，每两个节点间的距离取2km，分布式电源可调容量范围为0-500kW，柔性负荷的可调范围为0-300kW，采用本发明专利所提出的配电网“源-网-荷”两阶段多目标控制方法后，结果如表1、2所示。
表1第一阶段集中型优化控制前、后效果对比
Figure BDA0002382013500000221
表2第二阶段分布型优化控制前、后效果对比
Figure BDA0002382013500000222
Figure BDA0002382013500000231
从表1中可以看出第一阶段日前优化控制后，配电网“源-网-荷”分布均衡度指标由优化前的0.5420降低至0.4704，该值越大代表越不均衡，所以优化后的配电网“源-网-荷”分布均衡程度提升13.21％；目标函数2配电网分区馈线控制最长路径由34km降低至20km，供电半径缩短41.17％，大幅减小了配电网运行检修、应急处置的难度。
从表2中可以看出第二阶段分布型优化控制的一天24时点的控制效果，经过优化后，目标函数1馈线静态电压稳定裕度和目标函数2馈线运行有功损耗得到了明显的改善。不失一般性，以t＝21时刻为例，优化前，馈线静态电压稳定裕度为0.0482，优化后为0.0435,该值越小代表稳定性越好，可以计算得出，优化后馈线静态电压稳定裕度提升9.75％；再看，t＝21时刻的目标函数2馈线运行有功损耗，优化前为30.2359kW，优化后为22.1577kW，馈线运行有功损耗降低26.72％。
本发明的配电网“源-网-荷”两阶段多目标控制方法及系统，采用的“日前调度-小时级控制”相结合的两阶段优化总体控制架构，将利用全局信息的网络结构分区优化以及局部信息的分馈线小时级分布式电源、柔性负荷调度相有机融合起来，实现了协同优化，解决了两个时间尺度下的复杂配电网“源-网-荷”协调控制问题；同时，第一阶段优化控制模型的优化目标为：配电网“源-荷”分布均衡度、配电网分区馈线控制最长路径最小；第二阶段优化控制模型的优化目标为：馈线静态电压稳定裕度最大、馈线运行有功损耗最小。两个阶段的优化目标的配合能够保证“源-网-荷”的有序控制，最大程度保证安全性、风险均衡以及运行经济性。另外，本发明的配电网“源-网-荷”两阶段多目标控制方法两阶段优化模型的求解过程中采用的是改机型多目标和声搜索算法，改进点在于引入考虑收敛梯度变化的动态和声记忆内存库调整方法，通过搜索过程中的和声内存记忆库大小自适应调节，能够减小陷入局部最优的风险并提升求解速度。
以上所述仅是本发明的优选实施方式，应当指出的是，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 (8)

1.一种配电网“源-网-荷”两阶段多目标控制方法，其特征在于，包括下述步骤：
(1)建立两阶段多目标的数学优化模型，如式(1)所示：
Figure FDA0002614304650000011
式中，ftotal为总体优化目标函数；
Figure FDA0002614304650000012
为第一阶段集中型优化控制目标函数；
Figure FDA0002614304650000013
为第一阶段目标函数1；
Figure FDA0002614304650000014
为第一阶段目标函数2；
Figure FDA0002614304650000015
为第t时段、第j个分区馈线的第二阶段分布型优化控制目标函数；
Figure FDA0002614304650000016
为第二阶段目标函数1；
Figure FDA0002614304650000017
为第二阶段目标函数2；x为决定网络拓扑结构的开关状态序列；
Figure FDA0002614304650000018
为t时刻分布式电源出力功率；
Figure FDA0002614304650000019
为t时刻柔性负荷功率；
Figure FDA00026143046500000110
为分布式电源与柔性负荷的加权平均值；t为时刻点，t为正整数且t∈[1,24]；j为分区后第j条馈线；Nf为分区后馈线总数；
(2)建立所述第一阶段集中型优化控制目标函数及第二阶段分布型优化控制目标函数；
所述第一阶段集中型优化控制目标函数包括所述第一阶段目标函数1及所述第一阶段目标函数2；约束条件为网络拓扑辐射性约束、节点电压约束及线路载流量约束；所述第一阶段目标函数1为分布均衡度目标函数，所述第一阶段目标函数2为配电网分区馈线控制最长路径最小目标函数；
所述第二阶段分布型优化控制目标函数包括所述第二阶段目标函数1及所述第二阶段目标函数2；所述第二阶段目标函数1为每一条馈线中以静态电压稳定裕度最小目标函数；所述第二阶段目标函数2为馈线运行有功损耗最小目标函数；约束条件为潮流平衡约束、分布式电源出力约束、柔性负荷的可控功率的上下限约束、节点电压约束及线路载流量约束；
(3)初始化配电网“源-网-荷”两阶段控制参数，设置日期D＝1，时刻点t＝1；
(4)将第D天内24小时点分布式电源与柔性负荷的加权平均值
Figure FDA00026143046500000111
作为初始条件输入所述第一阶段集中型优化控制目标函数中，并输入配电网网络及其他不可调度负荷的运行数据；
(5)采用多目标和声搜索算法求解当前日D的所述第一阶段集中型优化控制目标函数；
(6)设置权重偏好，计算所述第一阶段目标函数1和所述第一阶段目标函数2的加权值，得到配电网网络结构及分区馈线总数Nf；
(7)输入t时刻点配电网网络及负荷的运行数据，采用和声搜索算法求解分区馈线中第j条分区馈线的所述第二阶段分布型优化控制目标函数；
(8)判断当前分区馈线j是否小于分区馈线总数Nf；如果当前分区馈线j小于分区馈线总数Nf，则j＝j+1，执行步骤(7)的操作，对第j+1条分区馈线进行优化操作；如果当前分区馈线j等于分区馈线总数Nf，则生成t时刻的分布式电源与柔性负荷功率值，作为控制指令下达各个分布式电源和负荷，并执行步骤(9)的操作；
(9)判断当前时刻点t是否小于24小时，如果当前时刻点t小于24小时，则t＝t+1，执行步骤(7)的操作，对第t+1时刻点进行优化调度；如果当前时刻点t等于24小时，则结束一天的求解,生成24时刻点的分布式电源、柔性负荷功率序列数据；
(10)判断当前日期D是否达小于预设值Dset，如果当前日期D小于预设值，则D＝D+1，将这一天24时刻的优化调度数据以及负荷数据作为下一日D+1的输入数据，执行步骤(4)的操作，求解D+1日网络结构，并进一步求取D+1日的24时刻点的分布式电源、柔性负荷的功率大小；如果当前日期D等于预设值，则结束整个计算流程。
2.根据权利要求1所述的配电网“源-网-荷”两阶段多目标控制方法，其特征在于，所述第一阶段目标函数1的表达式为：
Figure FDA0002614304650000021
式中，B为线路分段总数，m为第m个线路分段；
Figure FDA0002614304650000022
为第m个线路分段上最大允许的有功；
Figure FDA0002614304650000023
为第m个线路分段上最大允许的无功；
Figure FDA0002614304650000024
为第m个线路分段上实际传输的有功；
Figure FDA0002614304650000025
为第m个线路分段上实际传输的无功；
所述第一阶段目标函数2的表达式为：
Figure FDA0002614304650000026
式中，
Figure FDA0002614304650000027
表示第1条分区馈线的长度；
Figure FDA0002614304650000028
表示第2条分区馈线的长度；
Figure FDA0002614304650000029
表示第Nf条分区馈线的长度；
所述第二阶段目标函数1的表达式如下：
Figure FDA00026143046500000210
式中，
Figure FDA00026143046500000211
为馈线j中第p线路段的静态电压稳定裕度指标；N为馈线j中的线路段总数；q为馈线j中线路段p首端节点；s为馈线j中线路段p末端节点；
Figure FDA00026143046500000212
为s节点的有功功率；
Figure FDA00026143046500000213
为节点q、s之间的电抗；
Figure FDA00026143046500000214
为s节点的无功功率；
Figure FDA00026143046500000215
为节点q、s之间的电阻；
Figure FDA00026143046500000216
为q节点的电压；
第二阶段目标函数2的表达式为：
Figure FDA00026143046500000217
式中，
Figure FDA00026143046500000218
馈线j中线路段p上的电流的有效值；
Figure FDA00026143046500000219
为节点q、s之间的电阻。
3.根据权利要求2所述的配电网“源-网-荷”两阶段多目标控制方法，其特征在于，所述网络拓扑辐射性约束为：
g∈G (4)，
式中，g为通过开关通断组合后的配电网络拓扑结构；G为所有可行的拓扑结构集合；所述配电网拓扑结构呈现辐射状且不包含孤岛；
所述节点电压约束为：
Figure FDA0002614304650000031
式中，Ui为节点i的电压；
Figure FDA0002614304650000032
为节点i电压下限值；
Figure FDA0002614304650000033
为节点i电压上限值；n为配电网节点总数；
所述线路载流量约束为：
Figure FDA0002614304650000034
式中，Sj为线路段j流过的功率；
Figure FDA0002614304650000035
为线路段j允许流过功率的最大值；Nb为线路段总数；
所述潮流平衡约束为：
Figure FDA0002614304650000036
式中，PDGi为节点i接入的分布式电源的有功功率；QDGi为节点i接入的分布式电源的无功功率；Pdi为节点i处柔性负荷的有功值；Qdi为节点i处柔性负荷的无功值；
Figure FDA0002614304650000037
为节点i处不可调控负荷的有功值；
Figure FDA0002614304650000038
为节点i处不可调控负荷的无功值；Ui为节点i处的电压；Uw为节点w处的电压；Nd为节点的总数；Giw为节点i、w之间的电导；θiw为节点i与节点w间电压的相位差；Biw为节点i、w之间的电纳；
所述分布式电源出力约束为：
Figure FDA0002614304650000039
式中，PDGi min为节点i接入的分布式电源的有功出力的下限；PDGi为节点i接入的分布式电源的有功出力；PDGi max为节点i接入的分布式电源的有功出力的上限；QDGi min为节点i接入的分布式电源的无功出力的下限；QDGi max为节点i接入的分布式电源的无功出力的上限；QDGi为节点i接入的分布式电源的无功出力；
所述柔性负荷的可控功率的上下限约束：
Figure FDA00026143046500000310
式中，Pdi min为节点i处柔性负荷可调有功的下限；Pdi为节点i处柔性负荷可调有功；Pdi max为节点i处柔性负荷可调有功的上限；Qdi min为节点i处柔性负荷可调无功的下限；Qdi为节点i处柔性负荷可调无功；Qdi max为节点i处柔性负荷可调无功的上限。
4.根据权利要求1或2所述的配电网“源-网-荷”两阶段多目标控制方法，其特征在于，节点i处所述分布式电源与柔性负荷的加权平均值
Figure FDA00026143046500000311
的表达式为：
Figure FDA00026143046500000312
式中，
Figure FDA0002614304650000041
为t时刻节点i处分布式电源的出力功率值；
Figure FDA0002614304650000042
为t时刻节点i处柔性负荷的功率值。
5.根据权利要求1或2所述的配电网“源-网-荷”两阶段多目标控制方法，其特征在于，步骤(5)采用多目标和声搜索算法求解当前日D的所述第一阶段集中型优化控制目标函数的方法包括下述步骤：
Step1：初始化参数，包括迭代次数Num和声记忆库内存HMS、保留概率HMCR、扰动概率PAR、带宽BW；采用式(13)初始化和声记忆内存库HM：
Figure FDA0002614304650000043
式中，
Figure FDA0002614304650000044
表示第1组和声记忆内存组中第1个开关变量的状态，取0或1，0表示断开，1表示接通；
Figure FDA0002614304650000045
表示第2组和声记忆内存组中第1个开关变量的状态，取0或1,0表示断开，1表示接通；
Figure FDA0002614304650000046
表示第HMS组和声记忆内存组中第1个开关变量的状态，取0或1,0表示断开，1表示接通；Nbreak为配电网中开关的总数；HMS表示和声记忆内存库HM中和声记忆内存组数；在初始化时，和声记忆内存库HM中的任一个开关变量状态采用0或1的随机值进行赋值；
Step2：计算和声记忆内存库HM中各序列的目标函数值，并校验约束套件，将满足约束条件的和声序列生成Pareto解集；
Step3：根据Step2得到的目标函数值的大小，将和声记忆内存库HM中各个和声进行非支配排序，其中，位于第1层级内的和声被保存在Pareto解集中，其他层级的和声被保留在和声记忆内存库HM中；
Step4：创作新和声：从Pareto解集中随机选择一个非支配和声xnd，再从和声存储空间中随机选择一个被支配和声xd，按照以下规则进行：
Figure FDA0002614304650000047
式中，r为0-1之间的随机数；rand(0,1)表示0-1之间随机数生成函数；HMCR和声保留概率；xnew为新的和声变量；xnd为非支配和声；xd为和声存储空间中被支配和声；xmin为和声变量取值的下限；xmax为和声变量取值的上限；
重复HMS次，产生HMS个和声构成新生成的和声集；同时计算新生成和声的适应度值；
Step5：更新Pareto解集以及和声记忆空间；合并当前的Pareto解集、和声记忆内存库HM以及新生成的和声生成和声记忆库，并将所合并生成的所述和声记忆库中的各和声序列进行非支配性排序；将第1层级内的和声被保存在Pareto解集；
Step6：校验算法终止条件：如果已经达到最大迭代次数Num，转入Step7；否则按照公式(15)动态调节和声记忆内存组数HMS大小，迭代次数增加1，并转入Step2；
Figure FDA0002614304650000051
式中，η为收敛速度的表征量；n为迭代计算当前已经进行的次数；Obj(n)为第n次迭代时的目标函数值；HMS(n)为第n次迭代的和声记忆内存的组数；HMSmax表示最大的和声记忆内存组数、HMSmin表示最小的和声记忆内存组数；
Step7：设置所述第一阶段目标函数1和第一阶段目标函数2的偏好权重进行加权，求取最优解作为配电网重构的开关序列，生成新的配电网结构。
6.根据权利要求1或2所述的配电网“源-网-荷”两阶段多目标控制方法，其特征在于，步骤(7)采用和声搜索算法求解分区馈线中第j条分区馈线的所述第二阶段分布型优化控制目标函数的方法包括下述步骤：
Step1：初始化参数，包括迭代次数Num和声记忆库内存HMS、保留概率HMCR、扰动概率PAR、带宽BW；和声记忆内存库HM的初始化方式如下：
Figure FDA0002614304650000052
式中，HM'(t)为t时刻分布式电源与柔性负荷组成的和声记忆内存库；
Figure FDA0002614304650000053
为第v组和声记忆内存组中第h个分布式电源的功率值；v为和声记忆内存组的编号，取值从1、2直至HMS；HMS为和声记忆内存组数；h为分布式电源的编号，取值从1、2直至nDG；nDG为分布式电源的总数；
Figure FDA0002614304650000054
为t时刻第h个分布式电源功率的最小值；
Figure FDA0002614304650000055
为t时刻第h个分布式电源功率的最大值；rand(0,1)表示0-1之间的随机数；
Figure FDA0002614304650000056
为第v组和声记忆内存组中第β个柔性负荷的功率值；β为柔性负荷的编号，取值从1、2直至nl；nl为柔性负荷的总数；
Figure FDA0002614304650000057
为t时刻第β个柔性负荷功率的最小值；
Figure FDA0002614304650000058
为t时刻第β个柔性负荷功率的最大值；
Step2：计算和声记忆内存库HM中各序列的目标函数值，并校验约束套件，将满足约束条件的和声序列生成Pareto解集；
Step3：根据目标函数值的大小，将和声记忆内存库HM中各个和声进行非支配排序，其中，位于第1层级内的和声被保存在Pareto解集中，其他层级的和声被保留在和声记忆内存库HM中；
Step4：创作新和声；从Pareto解集中随机选择一个非支配和声xnd，再从和声存储空间中随机选择一个被支配和声xd，采用公式(14)进行；重复HMS次，产生HMS个和声构成新生成的和声集；同时计算新生成和声的适应度值；
Step5：更新Pareto解集以及和声记忆空间；合并当前的Pareto解集、和声记忆内存库HM以及新生成的和声生成和声记忆库，并将所合并生成的所述和声记忆库中的各和声序列进行非支配性排序；将第1层级内的和声被保存在Pareto解集；
Step6：校验算法终止条件：如果已经达到最大迭代次数Num，转入Step7；否则按照公式(15)动态调整和声记忆内存组数HMS大小，迭代次数增加1，并转入Step2；
Step7：设置所述第二阶段目标函数1和第二阶段目标函数2的偏好权重进行加权，选择其中加权值最小的那一组和声变量，作为t时刻的分布式电源出力、柔性负荷的功率优化调度值；同时判断t是否小于24，如果t小于24，那么t＝t+1，并执行Step1；如果t等于24，则结束第二阶段分布型优化，D＝D+1，进入第一阶段集中优化；如果D达到Dset则，结束整个优化程序。
7.根据权利要求5所述的配电网“源-网-荷”两阶段多目标控制方法，其特征在于，所述HMCR和声保留概率取0.5。
8.一种配电网“源-网-荷”两阶段多目标控制系统，其特征在于，包括全局在线数据处理模块、集中型优化控制模块、数据分发模块和分布型优化控制模块；所述全局在线数据处理模块用于每天处理配电自动化系统、采集终端、所述分布型优化控制模块传输的数据,所述全局在线数据处理模块包括天级分布式电源出力数据采集与处理模块、天级柔性负荷时序功率数据采集与处理模块及日前配电网拓扑数据加载模块，所述全局在线数据处理模块与所述集中型优化控制模块连接；所述集中型优化控制模块基于全局数据进行第一阶段网络结构形态优化，包括建立第一阶段多目标优化算法模型、基于和声记忆内存动态调节的多目标和声搜索算法的计算引擎和第一阶段多目标优化控制指令执行模块；所述集中型优化控制模块的结果传输进入所述数据分发模块；所述数据分发模块根据网络结构分区情况，进行数据的划分以及逻辑关系重组，并将各个分区的数据传递给各个所述分布型优化控制模块，所述数据分发模块包括第一阶段配电网馈线分区数据加载模块、动态分区数据整合模块、小时级分区馈线负荷数据处理模块、小时级分区馈线分布式电源出力数据处理模块；所述分布型优化控制模块用于按照第一阶段优化的网络结构分区结构，进行第二阶段的优化控制，所述分布型优化控制模块包括第二阶段多目标优化算法模型、基于和声搜索算法的计算引擎和第二阶段多目标优化控制指令执行模块。
CN202010085869.6A 2020-02-11 2020-02-11 一种配电网“源-网-荷”两阶段多目标控制方法及系统 Active CN111277004B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010085869.6A CN111277004B (zh) 2020-02-11 2020-02-11 一种配电网“源-网-荷”两阶段多目标控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010085869.6A CN111277004B (zh) 2020-02-11 2020-02-11 一种配电网“源-网-荷”两阶段多目标控制方法及系统

Publications (2)

Publication Number Publication Date
CN111277004A CN111277004A (zh) 2020-06-12
CN111277004B true CN111277004B (zh) 2020-09-29

Family

ID=71000234

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010085869.6A Active CN111277004B (zh) 2020-02-11 2020-02-11 一种配电网“源-网-荷”两阶段多目标控制方法及系统

Country Status (1)

Country Link
CN (1) CN111277004B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111817306B (zh) * 2020-07-14 2023-11-24 上海电机学院 一种考虑可调控负荷的主动配电网重构方法
CN114123163B (zh) * 2021-02-20 2023-10-27 上海交通大学 一种基于信息物理融合模型的主动配电网优化控制方法
CN113078650B (zh) * 2021-04-25 2023-03-31 上海交通大学 一种混合系统模型的主动配电网信息物理融合控制方法
CN117578601B (zh) * 2023-03-22 2024-04-26 长沙学院 一种低碳电力系统源荷互动调度方法与装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103578047B (zh) * 2013-11-12 2017-04-05 河海大学 一种电力系统源‑网‑荷互动控制方法
CN105140913B (zh) * 2015-08-14 2018-04-03 中国电力科学研究院 一种基于不确定性的有源配电网重构方法
CN106611951B (zh) * 2015-10-21 2019-01-04 中国电力科学研究院 一种基于两阶段粒子群优化的配电网多目标无功优化方法
CN106849112B (zh) * 2016-12-30 2019-05-07 国网四川省电力公司经济技术研究院 基于非支配邻域免疫算法的配电网多目标无功优化方法
CN107508280B (zh) * 2017-08-08 2019-10-08 国网宁夏电力公司电力科学研究院 一种配电网重构方法及系统
US20200005354A1 (en) * 2018-06-30 2020-01-02 Microsoft Technology Licensing, Llc Machine learning techniques for multi-objective content item selection

Also Published As

Publication number Publication date
CN111277004A (zh) 2020-06-12

Similar Documents

Publication Publication Date Title
CN111277004B (zh) 一种配电网“源-网-荷”两阶段多目标控制方法及系统
CN109995075B (zh) 一种含分布式电源的主动配电网动态重构方法
CN110247438B (zh) 基于天牛须算法的主动配电网资源优化配置
CN105071433B (zh) 一种分布式电源的优化配置方案
CN107017640B (zh) 一种电力系统的最优潮流计算方法、装置及系统
CN109659963A (zh) 一种分布式储能参与电网削峰填谷的控制方法及装置
CN113378100B (zh) 考虑碳排放的配电网源网荷储协同优化调度模型和方法
CN111146821A (zh) 一种计及光伏不确定性的dstatcom优化配置方法
CN114362267B (zh) 考虑多目标优化的交直流混合配电网分散式协调优化方法
Askarzadeh Solving electrical power system problems by harmony search: a review
CN110445127A (zh) 一种面向多重随机不确定性的配电网无功优化方法及系统
CN116667325B (zh) 一种基于改进布谷鸟算法的微电网并网运行优化调度方法
CN108390387A (zh) 一种动态自律分散协调的源荷调峰控制方法
CN106451424B (zh) 含大规模光伏发电并网的输电网随机规划方法
Li et al. Active distribution network operational optimization problem: A multi-objective tuna swarm optimization model
Rafi et al. Optimal placement of time-varying distributed generators by using crow search and black widow-Hybrid optimization
CN107609690A (zh) 一种负荷主动管理决策优化的方法
Vempalle et al. Optimal Placement of Distributed Generators in Optimized Reconfigure Radial Distribution Network using PSO-DA Optimization Algorithm
CN115765035A (zh) 一种适应于全时段动态重构的柔性配电网扰动恢复方法
CN113270869B (zh) 一种含光伏配电网的无功优化方法
CN112365196A (zh) 基于Spark的分布式改进差分进化算法的电源规划方法
Duan et al. Optimization schedule of active distribution system based on improved harmony search algorithm
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
CN112531723A (zh) 一种辐射状配电网的电压调节方法和装置
CN113904340A (zh) 基于拓扑优化和可调度负荷优化的利用率提升方法及系统

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