CN111614081A - 基于负荷预测模型的城市配电网降损优化方法 - Google Patents

基于负荷预测模型的城市配电网降损优化方法 Download PDF

Info

Publication number
CN111614081A
CN111614081A CN202010441452.9A CN202010441452A CN111614081A CN 111614081 A CN111614081 A CN 111614081A CN 202010441452 A CN202010441452 A CN 202010441452A CN 111614081 A CN111614081 A CN 111614081A
Authority
CN
China
Prior art keywords
distribution network
loss
optimization
urban
load
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
CN202010441452.9A
Other languages
English (en)
Inventor
张庆平
高博
黄鸣宇
闫振华
李学锋
夏绪卫
李秀广
郭飞
周秀
马瑞
罗海荣
李兴华
蔡建辉
亓亮
马波
何宁辉
王一波
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.)
Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
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 Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
Priority to CN202010441452.9A priority Critical patent/CN111614081A/zh
Publication of CN111614081A publication Critical patent/CN111614081A/zh
Pending legal-status Critical Current

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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
    • 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]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/10—The network having a local or delimited stationary reach
    • H02J2310/12—The local stationary network supplying a household or a building
    • H02J2310/14—The load or loads being home appliances
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • 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
    • 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
    • Y02E40/30—Reactive power compensation
    • 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
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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
    • 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
    • Y04S20/242—Home appliances

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明的基于负荷预测模型的城市配电网降损优化方法包括建立配电网损耗综合优化的数学模型，即综合考虑分布式配电网的网络损耗、开关次数、能效负荷优化管理和无功补偿电压偏移指数，建立配电网损耗综合优化的数学模型；确立城市配电网损耗综合优化的数学模型的约束条件；采用改进的和声搜寻算法，求解城市配电网损耗综合优化的数学模型。求解后的全局最优解即为一定范围内在约束条件下的配电网损耗最小值。电力人员即可按照全局最优解时的各个参数调整电网，从而达到达到配电网降耗的目的。

Description

基于负荷预测模型的城市配电网降损优化方法
技术领域
本发明涉及电力技术领域，尤其涉及一种基于负荷预测模型的城市配电网降损优化方法。
背景技术
随着21世纪以来电力资源日益稀缺，提高能效、节约资源成为中国社会经济发展的新要求。同时，过大的配电网损耗将严重影响电力公司的经济效益，造成社会资源的浪费。电力系统本身是一个能耗大户，而城镇配电网更是电力系统能量损耗的主体部分，实现配电网的节能降耗对供电企业提高经济效益，实现目标利润起着举足轻重的作用。由于负荷增长速度快而配电网建设投资滞后，配电网在节能降耗方面有着很大的挖掘潜力。通过配网节能降耗工程惠及千家万户，优质服务于社会也是供电局期望和追求的目标。因此，减少电网损失对于电力公司降低生产成本，增加经济效益，响应我国节能减排具有重要意义。
近年来，由于大量分布式电源的接入，城市配电网已由传统的无源单向供电逐渐演变为多种能源形式双向供电的有源配电网，有源配电网需要更加关注用户需求，虽然需求侧资源在不同时间段具有很大的随机性和波动性，但可以通过阶梯电价、峰谷电价、季节性电价、可中断电价、有序用电管理等经济方案和行政措施来调节能效负荷。此外，目前能源效率负荷管理技术在配电网损耗降低中的应用较少，有必要对现有传统损耗降低措施进行优化控制，以减少配电网的损耗，因此结合能效负荷管理技术，并考虑分布式电源对配电网网络损耗的影响，对城市配电网进行综合优化，以降低损耗，就显得特别重要。
发明内容
有鉴于此，有必要提供一种基于负荷预测模型的城市配电网降损优化方法，可以对城市配电网损耗降低措施进行优化控制和评价。
一种基于负荷预测模型的城市配电网降损优化方法包括以下步骤：
步骤S001，建立配电网损耗综合优化的数学模型，即综合考虑住宅能效负荷管理综合成本、分布式电源配电网的网络损耗、变压器损耗、开关次数和无功补偿电压偏移指数，建立配电网损耗综合优化的数学模型；
步骤S002，确立城市配电网损耗综合优化的数学模型的约束条件；
步骤S003，采用改进的和声搜寻算法，求解城市配电网损耗综合优化的数学模型。
优选的，在步骤S001中，城市配电网损耗综合优化的数学模型为：
minf＝λ1f1+λ2f2+λ3f3+λ4f4+λ5f5
式中，f1为住宅能效负荷管理综合成本，f2为分布式电源配电网损耗，f3为变压器损耗，f4为无功补偿电压偏移指数，f5为开关操作成本；λ1，λ2，λ3，λ4，λ5为各指示器与总目标函数之间的偶差转换系数。
优选的，在步骤S001中，所述住宅能效负荷管理综合成本的函数表达式为：
Figure BDA0002504149520000021
式中，M为住宅数量，
Figure BDA0002504149520000022
表示空调、照明和热水器负荷的总功耗，st为当前电价，τ为根据实际需要选择的优化时间间隔。
优选的，在步骤S001中，所述分布式电源配电网损耗的函数表达式为：
Figure BDA0002504149520000023
式中，N为分支的总数，ki为分支上的开关状态，它只有0和1两个值，当打开时，ki为0，当关闭时，ki为1；ri为树枝阻力，Pi为分支的有功功率，Qi为分支的无功率；PDGi为分支的有功功率，；QDGi为分支的无功率，Vi代表分支末端节点的电压幅值。
优选的，在步骤S001中，所述变压器损耗的函数表达式为：
f3＝po+β2pk
式中，p0为配电变压器的空载损耗，pk为配电变压器的短路损耗，β为引入系数。
优选的，在步骤S001中，无功补偿电压偏移指数的函数表达式为：
Figure BDA0002504149520000031
式中，n是节点的数量，ΔUi是节点的压降，ΔUi,max是指节点的最大电压，Ui,min是节点的最小电压。
优选的，在步骤S001中，开关操作成本的函数表达式为：
Figure BDA0002504149520000032
式中，m为开关数量，Oi＝1表示开关状态发生了变化；Oi＝0表示状态保持不变。
优选的，在步骤S002中，城市配电网损耗综合优化的数学模型的约束条件包括节点的电压Ui的约束条件、实际电流值的约束条件、空调负荷优化前后的室温差的约束条件、热水器负荷优化前后的水箱水温差的约束条件，其中，
节点的电压Ui的约束条件为
Figure BDA0002504149520000033
式中，
Figure BDA0002504149520000034
为设置的最小允许电压值，
Figure BDA0002504149520000035
为设置的最大允许电压值；
实际电流值的约束条件为实际电流值不大于设置的最大允许电流值；
空调负荷优化前后的室温差的约束条件为优化前后室温差异不能超过允许值；
热水器负荷优化前后的水箱水温差的约束条件为热水器负荷优化前后水箱水温差不能超过允许值；
优选的，在步骤S003中，“改进的和声搜寻算法，求解城市配电网损耗综合优化的数学模型”的具体步骤为：
步骤S101，融合遗传算法、和声搜索算法和精英保留策略，对城市配电网损耗综合优化的数学模型寻找全局最优解；
步骤S102，在和声搜索算法计算过程中增加交叉操作和变异操作，以防止出现局部最优解；
步骤S103，对算法中重要参数进行动态调整，再对城市配电网损耗综合优化的数学模型进行求解，直到达到预定迭代次数；
步骤S104，在预定迭代次数内选择出城市配电网的损耗的最小值并输出，城市配电网的损耗的最小值对应的参数为全局最优解。
有益效果：本发明的基于负荷预测模型的城市配电网降损优化方法包括建立配电网损耗综合优化的数学模型，即综合考虑分布式配电网的网络损耗、开关次数、能效负荷优化管理和无功补偿电压偏移指数，建立配电网损耗综合优化的数学模型；确立城市配电网损耗综合优化的数学模型的约束条件；采用改进的和声搜寻算法，求解城市配电网损耗综合优化的数学模型。求解后的全局最优解即为一定范围内在约束条件下的配电网损耗最小值。电力人员即可按照全局最优解时的各个参数调整电网，从而达到达到配电网降耗的目的。
附图说明
图1为某市10KV配电网节点示意图。
图2为用户可控能效负荷优化前后总负荷功率比较。
具体实施方式
为了更清楚地说明本发明实施例的技术方案，下面将结合实施例予以说明。
一种基于负荷预测模型的城市配电网降损优化方法包括以下步骤：
步骤S001，建立配电网损耗综合优化的数学模型，即综合考虑住宅能效负荷管理综合成本、分布式电源配电网的网络损耗、变压器损耗、开关次数和无功补偿电压偏移指数，建立配电网损耗综合优化的数学模型；
步骤S002，确立城市配电网损耗综合优化的数学模型的约束条件；
步骤S003，采用改进的和声搜寻算法，求解城市配电网损耗综合优化的数学模型。
进一步的，在步骤S001中，城市配电网损耗综合优化的数学模型为：
minf＝λ1f1+λ2f2+λ3f3+λ4f4+λ5f5
式中，f1为住宅能效负荷管理综合成本，f2为分布式电源配电网损耗，f3为变压器损耗，f4为无功补偿电压偏移指数，f5为开关操作成本；λ1，λ2，λ3，λ4，λ5为各指示器与总目标函数之间的偶差转换系数。
进一步的，在步骤S001中，所述住宅能效负荷管理综合成本的函数表达式为：
Figure BDA0002504149520000051
式中，M为住宅数量，
Figure BDA0002504149520000052
表示空调、照明和热水器负荷的总功耗，st为当前电价，τ为根据实际需要选择的优化时间间隔。
进一步的，在步骤S001中，所述分布式电源配电网损耗的函数表达式为：
Figure BDA0002504149520000053
式中，N为分支的总数，ki为分支上的开关状态，它只有0和1两个值，当打开时，ki为0，当关闭时，ki为1；ri为树枝阻力，Pi为分支的有功功率，Qi为分支的无功率；PDGi为分支的有功功率，；QDGi为分支的无功率，Vi代表分支末端节点的电压幅值。
进一步的，在步骤S001中，所述变压器损耗的函数表达式为：
f3＝po+β2pk
式中，p0为配电变压器的空载损耗，pk为配电变压器的短路损耗，β为引入系数。
进一步的，在步骤S001中，无功补偿电压偏移指数的函数表达式为：
Figure BDA0002504149520000061
式中，n是节点的数量，ΔUi是节点的压降，ΔUi,max是指节点的最大电压，Ui,min是节点的最小电压。
进一步的，在步骤S001中，开关操作成本的函数表达式为：
Figure BDA0002504149520000062
式中，m为开关数量，Oi＝1表示开关状态发生了变化；Oi＝0表示状态保持不变。
进一步的，在步骤S002中，城市配电网损耗综合优化的数学模型的约束条件为节点的电压Ui约束、实际电流值的约束、空调负荷优化前后的室温差约束、热水器负荷优化前后的水箱水温差约束，其中，
节点的电压Ui约束为
Figure BDA0002504149520000063
式中，
实际电流值的约束为实际电流值不大于设置的最大允许电流值；
空调负荷优化前后的室温差约束为优化前后室温差异不能超过允许值；
热水器负荷优化前后的水箱水温差约束为热水器负荷优化前后水箱水温差不能超过允许值；
进一步的，在步骤S003中，“采用改进的和声搜寻算法，求解城市配电网损耗综合优化的数学模型”的具体步骤为：
步骤S101，融合遗传算法、和声搜索算法和精英保留策略，进行寻优；
步骤S102，在和声搜索算法计算过程中增加交叉操作和变异操作，以防止出现局部最优解；
步骤S103，对算法中重要参数进行动态调整，再对城市配电网损耗综合优化的数学模型进行求解，直到达到预定迭代次数；
步骤S104，在预定迭代次数内选择出城市配电网的损耗的最小值并输出，城市配电网的损耗的最小值对应的参数为全局最优解。
以下将对步骤S003中的算法求解予以详细说明。
首先建立城市配电网损耗综合优化的数学模型，初始化和声搜索算法参数和遗传算法参数，之后利用城市配电网损耗综合优化的数学模型生成初始种群，通过精英保留策略将种群个体的交叉和变异的扰动概率进行微调，同时把种群在进化过程中出现的最好个体不进行配对交叉而直接复制到下一代中，如此进行迭代计算，直至迭代计算的次数达到了最大迭代次数，从中选出进化过程中的最好个体作为城市配电网的损耗的最小值并输出。得到城市配电网的损耗的最小值时，数学模型中的各项参数即为全局最优解。
在和声搜索算法的早期阶段，小的微调扰动概率PAR可以增强算法的局部搜索能力，提高算法的速度，在算法的后期，较大的微调扰动概率PAR可以避免仅仅得到局部最优性结果。在算法执行的不同阶段，不同的参数对搜寻效果有不同的影响，因此，本方案对微调扰动概率PAR、微调幅度bw，和记忆保持概率HMCR参数进行了动态调整。调整过程的计算公式如下。
Figure BDA0002504149520000081
Figure BDA0002504149520000082
Figure BDA0002504149520000083
其中n是当前迭代次数，PAR(n)表示相应的微调扰动概率，PARmax、PARmin分别表示微调扰动概率的上限和下限。bw(n)是相应的微调幅度，bwmax、bwmin分别表示微调幅度的上限和下限，HMCR(n)是相应的记忆保持概率。此外，HMCRmax、HMCRmin分别是记忆保持概率概率的上限和下限，T是迭代次数的上限。
以下将结合具体案例予以说明。请参看图1，该区是是一个10kV配电网，其中包括6个母线，7个联络开关，以及23个普通开关，此外该系统等效后有24个节点和30个分支。此外，总负荷为7806.7+j3030kW，风力和光伏单元的总额定功率为300kW。此外，风力发电机和光伏发电机连接在节点9处。
在模型求解过程中采用改进的和声算法，计算过程中的参数值如下。最大进化迭代次数T＝500，和声记忆库大小的值为HMS＝30，微调扰动概率范围为PARmin＝0.2、PARmax＝0.5，谐波微调幅度范围为bwmax＝10、bwmin＝1，记忆保持概率范围为HMCRmax＝0.9、HMCRmin＝0.7。在遗传算法中，采用单点交叉方式，其中交叉概率为Pc＝0.85a，采用基本位置突变法，其中突变概率Pv＝0.08。
在这种情况下，节点6、19和21的负载认为是可控能效负载，而功率侧是用户典型的功耗模式。即空调保持在25℃的恒温工作模式，热水器和照明负荷的工作时间一般为20时至22时，这段时间为负荷高峰。此外，负荷波动在不同时期是随机的，由于电力需求侧可以优化可控能效负荷，优化前后用户可控能效负荷的功率比较如图2所示，可以看出优化后的负荷相对稳定，峰值负荷值降低0.7kW，实现了峰值负荷传递。
在此基础上，采用本方案改进的优化算法和综合优化损耗降低措施，对该地区10kV配电网进行了网络损耗计算和分析，并与传统方法进行了计算结果比较，在相同条件下，用不同的方法计算该地区10kV配电网的损耗情况见表6-1所示。
表6-1某市10KV配电网网损计算结果
算法 开关编号 网损/kW 最小节点电压/(p.u.) 电压偏移
正常情况 5,18,21,23,28,29,30 64.7913 0.9790 0.0026
无功补偿与重建 5,13,21,27,28,29,30 35.0154 0.9861 0.0010
项目采用的方法 5,13,21,27,8,29,30 34.6127 0.9874 0.0009
从表6-1可以看出，虽然项目中的方法只操作了两次状态，但配电网的网络损耗从原来的正常条件下的64.7913kW大大降低到34.6127kW，下降了42.67％。此外，最小节点电压从0.9790增加到0.9874，电压偏移从0.0026下降到0.0009，配电网的可靠性也得到了很大的提高。此外，与无功补偿加重建的方法相比，虽然操作开关数量相同，但网络损耗和电压进一步提高，证明了本发明的基于负荷预测模型的城市配电网降损优化方法不仅有效地降低了网络损耗，而且优化了配电网的质量。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (10)

1.一种基于负荷预测模型的城市配电网降损优化方法，其特征在于：包括以下步骤：
步骤S001，建立配电网损耗综合优化的数学模型，即综合考虑住宅能效负荷管理综合成本、分布式电源配电网的网络损耗、变压器损耗、开关次数和无功补偿电压偏移指数，建立配电网损耗综合优化的数学模型；
步骤S002，确立城市配电网损耗综合优化的数学模型的约束条件；
步骤S003，采用改进的和声搜寻算法，求解城市配电网损耗综合优化的数学模型。
2.如权利要求1所述的基于负荷预测模型的城市配电网降损优化方法，其特征在于：在步骤S001中，城市配电网损耗综合优化的数学模型为：
minf＝λ1f1+λ2f2+λ3f3+λ4f4+λ5f5
式中，f1为住宅能效负荷管理综合成本，f2为分布式电源配电网损耗，f3为变压器损耗，f4为无功补偿电压偏移指数，f5为开关操作成本；λ1，λ2，λ3，λ4，λ5为各指示器与总目标函数之间的偶差转换系数。
3.如权利要求1所述的基于负荷预测模型的城市配电网降损优化方法，其特征在于：在步骤S001中，所述住宅能效负荷管理综合成本的函数表达式为：
Figure FDA0002504149510000011
式中，M为住宅数量，
Figure FDA0002504149510000012
表示空调、照明和热水器负荷的总功耗，st为当前电价，τ为根据实际需要选择的优化时间间隔。
4.如权利要求1所述的基于负荷预测模型的城市配电网降损优化方法，其特征在于：在步骤S001中，所述分布式电源配电网损耗的函数表达式为：
Figure FDA0002504149510000013
式中，N为分支的总数，ki为分支上的开关状态，它只有0和1两个值，当打开时，ki为0，当关闭时，ki为1；ri为树枝阻力，Pi为分支的有功功率，Qi为分支的无功率；PDGi为分支的有功功率，；QDGi为分支的无功率，Vi代表分支末端节点的电压幅值。
5.如权利要求1所述的基于负荷预测模型的城市配电网降损优化方法，其特征在于：在步骤S001中，所述变压器损耗的函数表达式为：
f3＝po+β2pk
式中，p0为配电变压器的空载损耗，pk为配电变压器的短路损耗，β为引入系数。
6.如权利要求1所述的基于负荷预测模型的城市配电网降损优化方法，其特征在于：在步骤S001中，无功补偿电压偏移指数的函数表达式为：
Figure FDA0002504149510000021
式中，n是节点的数量，ΔUi是节点的压降，ΔUi,max是指节点的最大电压，Ui,min是节点的最小电压。
7.如权利要求1所述的基于负荷预测模型的城市配电网降损优化方法，其特征在于：在步骤S001中，开关操作成本的函数表达式为：
Figure FDA0002504149510000022
式中，m为开关数量，Oi＝1表示开关状态发生了变化；Oi＝0表示状态保持不变。
8.如权利要求1所述的基于负荷预测模型的城市配电网降损优化方法，其特征在于：在步骤S002中，城市配电网损耗综合优化的数学模型的约束条件包括节点的电压Ui的约束条件、实际电流值的约束条件、空调负荷优化前后的室温差的约束条件、热水器负荷优化前后的水箱水温差的约束条件，其中，
节点的电压Ui的约束条件为
Figure FDA0002504149510000031
式中，
Figure FDA0002504149510000032
为设置的最小允许电压值，
Figure FDA0002504149510000033
为设置的最大允许电压值；
实际电流值的约束条件为实际电流值不大于设置的最大允许电流值；
空调负荷优化前后的室温差的约束条件为优化前后室温差异不能超过允许值；
热水器负荷优化前后的水箱水温差的约束条件为热水器负荷优化前后水箱水温差不能超过允许值。
9.如权利要求1所述的基于负荷预测模型的城市配电网降损优化方法，其特征在于：在步骤S003中，“改进的和声搜寻算法，求解城市配电网损耗综合优化的数学模型”的具体步骤为：
步骤S101，融合遗传算法、和声搜索算法和精英保留策略，对城市配电网损耗综合优化的数学模型寻找全局最优解；
步骤S102，在和声搜索算法计算过程中增加交叉操作和变异操作，以防止出现局部最优解；
步骤S103，对算法中重要参数进行动态调整，再对城市配电网损耗综合优化的数学模型进行求解，直到达到预定迭代次数；
步骤S104，在预定迭代次数内选择出城市配电网的损耗的最小值并输出，城市配电网的损耗的最小值对应的参数为全局最优解。
10.如权利要求9所述的基于负荷预测模型的城市配电网降损优化方法，其特征在于：在步骤S103中，动态调整的过程计算公式为：
Figure FDA0002504149510000041
Figure FDA0002504149510000042
Figure FDA0002504149510000043
其中n是当前迭代次数，PAR(n)表示相应的微调扰动概率，PARmax、PARmin分别表示微调扰动概率的上限和下限，bw(n)是相应的微调幅度，bwmax、bwmin分别表示微调幅度的上限和下限，HMCR(n)是相应的记忆保持概率，HMCRmax、HMCRmin分别是记忆保持概率概率的上限和下限，T是迭代次数的上限。
CN202010441452.9A 2020-05-22 2020-05-22 基于负荷预测模型的城市配电网降损优化方法 Pending CN111614081A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010441452.9A CN111614081A (zh) 2020-05-22 2020-05-22 基于负荷预测模型的城市配电网降损优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010441452.9A CN111614081A (zh) 2020-05-22 2020-05-22 基于负荷预测模型的城市配电网降损优化方法

Publications (1)

Publication Number Publication Date
CN111614081A true CN111614081A (zh) 2020-09-01

Family

ID=72205264

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010441452.9A Pending CN111614081A (zh) 2020-05-22 2020-05-22 基于负荷预测模型的城市配电网降损优化方法

Country Status (1)

Country Link
CN (1) CN111614081A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107508280A (zh) * 2017-08-08 2017-12-22 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
CN110649644A (zh) * 2018-06-26 2020-01-03 南京理工大学 一种含分布式电源的城市配电网优化降损方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107508280A (zh) * 2017-08-08 2017-12-22 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
CN110649644A (zh) * 2018-06-26 2020-01-03 南京理工大学 一种含分布式电源的城市配电网优化降损方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周琪等: "计及可控能效负荷的城市电网综合降损措施", 《南京理工大学学报》 *

Similar Documents

Publication Publication Date Title
Yang et al. Optimal energy flow control strategy for a residential energy local network combined with demand-side management and real-time pricing
CN109948868A (zh) 高渗透率分布式可再生能源发电集群优化规划方法
CN102930351B (zh) 一种综合节能优化调度日计划生成方法
CN106022515B (zh) 考虑不平衡度约束的单三相混联多微网日前优化方法
CN110956314A (zh) 一种基于改进型粒子群算法的混合储能系统容量规划方法
CN112018790B (zh) 基于分层分布式储能参与需求响应调节控制方法
CN114884110B (zh) 一种源网荷多约束条件下的电力系统储能优化运行方法
Yu et al. Towards energy-efficient and cost-effective DC nanaogrid: A novel pseudo hierarchical architecture incorporating V2G technology for both autonomous coordination and regulated power dispatching
Ye Research on reducing energy consumption cost of 5G Base Station based on photovoltaic energy storage system
CN112821412B (zh) 一种基于有功趋势判定的自动电压控制方法
CN105552941B (zh) 一种分布式电源调峰容量优化方法
CN107565548A (zh) 一种基于负荷侧灵活消纳弃风电量市场交易方法
CN111614081A (zh) 基于负荷预测模型的城市配电网降损优化方法
JP2013246455A (ja) エネルギー管理システム、サーバ装置、エネルギー管理方法およびプログラム
CN109193640B (zh) 一种改善配电网电压质量的分布式电源规划方法
CN110112775B (zh) 一种含分布式储能的微能源网系统
CN109447369B (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
Su et al. A Data-Driven Multi-Time Scale Coordinated Economic Dispatch Model for Flexible Interconnection Low-voltage Distribution Station Areas
Cui et al. ADN multi-objective planning considering collaborative optimization of rdg and GAEP
CN110414185A (zh) 一种用于多可再生能源发电系统的储能设备容量优化方法
Fei et al. Dynamic Assessment of Loss Reduction Effect in Smart Grid Based on Load Forecasting Model
Sun et al. Multi-station integration scenario planning and economic benefit analysis based on dynamic adjustment of capacity-load ratio
Wang et al. Energy Management for Coordinated Energy Hubs: From a Transaction Perspective
Guo et al. Access point and capacity optimization planning method of virtual power plant
Qiu et al. A Novel Multi-Scenario Operation Strategy of Park-Level Integrated Energy System

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200901