CN112421673A - 基于多源协调的配电网网损优化控制方法及系统 - Google Patents

Abstract

本发明涉及基于多源协调的配电网网损优化控制方法及系统。以配电网平均电压偏差最小、有功网损最小和分布式电源经济损失最小为多优化目标，采用权重系数法构建单一优化目标，以节点电压受限、分布式电源出力受限、分布式储能出力受限为不等式约束，建立基于多源协调配置的配电网网损优化控制模型，采用精英筛选的GA‑PSO混合算法进行模型优化求解，得出目标函数最小情况下的最佳分布式电源及分布式储能协调配置策略。

Description

基于多源协调的配电网网损优化控制方法及系统

技术领域

本发明涉及配电网网损优化控制技术，尤其涉及基于多源协调的配电网网损优化控制方法及系统。

背景技术

随着风电、光伏发电等新能源的快速发展，配电网结构日趋复杂，高渗透率的分布式电源接入势必会对配电网电压、网损等指标带来新的挑战，比如节点电压偏差过大、配电网网损过高。考虑到分布式电源(Distributed Generation,DG)及储能电池的发展，多电源及储能系统(Energy Storage System,ESS)间有功优化配置将成为解决配电网网损有效手段。针对分布式电源并网引起的电能质量和有功网损问题进行优化治理，对于提高配电网供电质量、运行安全性，提高供电公司经济效益等具有重要的实用价值。

现阶段在解决分布式电源发电造成电压质量差、网损大的问题的过程中，为确保配电网运行安全性，配电网系统运行部门采取大规模弃风弃光的保守策略，同时配备无功补偿设备，尽管该举措有效降低了分布式电源给配电网运行造成的风险，但无功补偿设备投资较大，且弃风弃光造成大量电能浪费，严重损害投资者经济利益。在以分布式电源及分布式储能协调控制为手段解决配电网电能质量问题时，需充分考虑配电网的供电电压偏差、网损以及投资者的收益，制定合理的多源协调控制策略，在提高配电网供电电压水平、降低网损的同时尽量减少弃风弃光造成的分布式电源的经济损失。

发明内容

本发明的目的在于提供一种基于多源协调的配电网网损优化控制方法及系统，通过建立考虑供电电压质量、网损和分布式电源经济效益的多目标优化模型，采用精英筛选的GA-PSO优化算法进行模型求解，得出合理的分布式电源及分布式储能出力配置，指导分布式发电的运行。

根据本发明实施例的一方面，提供一种基于多源协调的配电网网损优化控制方法，包括：

以配电网平均电压偏差最小、有功网损最小和分布式电源经济损失最小为多优化目标，采用权重系数法将所述多优化目标转为单一优化目标函数，并以节点电压受限、分布式电源出力受限、分布式储能出力受限为不等式约束，建立基于多源协调配置的配电网网损优化控制模型；

采用GA-PSO混合算法对所述优化控制模型进行求解，所述求解方法包括：

计算优化前的平均电压偏差、有功网损及分布式电源理论发电量；

输入各分布式电源及分布式储能功率限制矩阵，初始化代表各分布式电源及分布式储能出力信息的遗传算法初始种群A，对所述种群A进行编码得到对应染色体，计算所述种群A各染色体对应的适应度函数值；

从所述种群A中选择适应度值最小的若干条染色体作为精英种群B；

计算所述种群A各染色体选择函数F值，从所述种群A中选择个体，并进行交叉、变异，产生子代种群C；

随机产生代表各分布式电源及分布式储能出力信息的种群D，合并所述B、C、D三个种群产生综合种群E，计算所述种群E各染色体对应的适应度函数值；

从所述种群E中选择适应度值最小的若干条染色体作为新的种群A₁，然后重复上述遗传过程，n代后选择适应度函数值最小的若干条染色体解码以作为粒子群算法的初始种群G；

初始化粒子群算法的速度及迭代次数；

通过前推回代法计算所述种群G各粒子对应的适应度值；

根据粒子对应的所述适应度值更新个体极值及全局极值；

粒子更新自己的速度与位置以进行下一次迭代；

若微粒群当前搜索到的最优位置满足最大迭代次数或全局最优位置满足最小界限则结束迭代，并输出各分布式电源及分布式储能系统最优配置。

根据本公开实施例的二方面，提供一种基于多源协调的配电网网损优化控制系统，该系统具有控制单元，该控制单元被构建为实施前面所述的方法。

本发明的有益效果是：

本发明的基于多源协调的配电网网损优化控制方法及系统，同时考虑分布式电源并网对配电网供电电压、有功网损的影响及分布式电源发电经济效益，可得出配电网平均电压偏差、有功网损和分布式电源经济损失最小情况下的最佳分布式电源及分布式储能协调出力配置。对于提高分布式电源并网后配电网运行的安全性和可靠性，提高供电企业和分布式电源的经济性等均具有重要现实意义。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细说明。

图1是基于GA-PSO混合算法的多源协调配电网网损优化模型求解流程图。

具体实施方式

本发明以分布式电源及分布式储能的协调控制为手段解决大规模分布式电源发电并网造成的配电网供电电压越限、网损较大问题，并进行分布式电源及分布式储能的配置优化。建立了优化模型的多个目标函数及约束条件，使用权重系数法进行归一化处理，采用精英筛选的GA-PSO混合算法进行模型求解。本发明在解决配电网电能质量问题的同时可有效提高供电企业和分布式电源的经济效益，具有重要的理论和实用价值。

1.优化模型的目标函数

(1)节点电压偏差是表征系统稳定性以及配电网电能质量的重要指标。大量分布式电源接入后会对配电网节点电压偏差产生影响。《电能质量供电电压允许偏差》(GB/T12325—2008)规定了各电压等级电力系统的电压允许偏差。为提高配电网电压水平，设计如下目标函数1：

式中：C_V为系统平均电压偏差函数；n为配电网节点的个数；V_i为标幺值形式的节点i电压的有效值，可根据潮流计算例如前推回代法得到；V_N为标幺值形式的额定电压。

(2)有功网损是衡量供电企业经济效益的综合性重要指标，网损越小经济效益越高。为提高供电企业经济效益，设计如下目标函数2：

式中：C_L为系统有功网损函数；m为配电网支路数；I_j为标幺值形式的支路j的电流有效值；R_j为标幺值形式的支路j的阻抗。

(3)分布式电源实际并网电量占比表征分布式电源经济效益，并网电量占比越大经济效益越高，为提高分布式电源投资者经济效益，设计如下目标函数3：

式中：C_P为分布式电源未上网电量占比函数；o为分布式电源总个数，P_k为分布式电源k的实际并网功率；P_S为各分布式电源理论发电总功率。

为解决三个目标函数量纲不同的问题，此处采用权重系数法将三个目标函数转为单一目标函数。综合考虑系统节点平均电压偏差、有功网损和分布式电源的经济效益，基于多电源协调控制的配电网网损控制方法的目标函数为：

式中：M₁、M₂、M₃分别为三个目标函数的惩罚因子；ω₁、ω₂、ω₃分别为三个目标函数的权重系数，ω₁+ω₂+ω₃＝1，本发明中主要考虑网损优化，故可取ω₁＝0.3，ω₂＝0.5，ω₃＝0.2；C'_V为优化前配电网节点平均电压偏差；C'_L为优化前配电网有功网损；V_min、V_max分别为当前电压等级下节点电压最小、最大允许值。

(4)约束条件

分布式电源出力约束：

P_{PVi min}≤P_PVi≤P_{PVi max} (8)

式中：P_{PVi max}、P_{PVi min}分别为节点i接入分布式电源有功出力的上、下限，P_PVi为节点i接入分布式电源实际输出的有功功率。

节点电压约束：

V_{i min}≤V_i≤V_{i max} (9)

式中：V_{i min}、V_{i max}分别为标幺值形式的节点i电压有效值的下限、上限。

分布式储能出力约束：

储能系统充放电时荷电状态(SOC)如下所示：

式中：P_ESS(t)为t时刻分布式储能的输出功率，P_ESS(t)>0时充电，P_ESS(t)<0时放电；η₁、η₂、分别为储能系统的充电效率和放电效率；Δt为时间间隔；S_ESS为分布式储能的额定容量。

考虑储能系统使用寿命，其SOC与充放电功率应满足如下约束条件：

SOC_min≤SOC≤SOC_max (12)

P_{ESS min}≤P_ESS≤P_{ESS max} (13)

式中：SOC_min、SOC_max分别为储能系统SOC最小值和最大值，一般可取SOC_min＝0.1，SOC_max＝0.9，当

时，储能系统停止工作，避免过度放电或过度充电对储能系统造成损害；P_{ESS min}、P_{ESS max}分别为储能系统的最大充电功率及最大放电功率。

2.GA-PSO优化算法求解流程

图1是基于GA-PSO混合算法的多源协调配电网网损优化模型求解流程图。

(1)通过前推回代法计算优化前的平均电压偏差、网损及分布式电源理论发电量。

(2)输入各分布电源及分布式储能功率限制矩阵，随机初始化遗传算法初始种群A(即各分布式电源、分布式储能出力信息，其中种群数量可以是N＝50，迭代次数可为20),对种群A进行二进制编码得到对应染色体，计算种群A对应的适应度函数值(即目标函数值)，并按适应度值大小对种群A排列。

(3)从种群A中选择适应度值最小的若干条(可为10条)染色体作为精英种群B。

(4)计算种群A各染色体选择函数F值。

F(x)＝Y-f(x) (14)

式中：Y为各染色体适应度函数值之和，f(x)为第x条染色体适应度函数值；F(x)为选择函数值。

采用轮盘赌选择法选择个体，选择函数值越大被选择概率越大，并进行交叉、变异，产生子代种群C，子代种群C数量与父代相同。

(5)随机产生新代表各分布式电源及分布式储能出力信息的种群D，种群D数量与B相同。合并B、C、D三个种群产生综合种群E，计算种群E各染色体对应的适应度函数值，并可按从小到大排列。

(6)从种群E中选择适应度值最小的若干条染色体(可以是前50条)作为新的种群A₁，重复(2)～(5)的遗传过程。n代(可以是20代)后选择适应度函数值较小的前若干条染色体(可以是前30条)解码后作为粒子群算法的初始种群G。

(7)粒子群算法每次更新一组迭代点，称为群。群中每个点称为粒子(即分布式电源与分布式储能出力信息)的初始位置X_l＝[X_l1,X_l2,…,X_lN]由GA算法给定。首先初始化粒子群算法的速度v_l＝[v_l1,v_l2,..,v_lN](第l个粒子迭代时X的变化大小)及迭代次数S；

(8)通过前推回代法可计算得到30个X对应的适应度值f(即目标函数)；

(9)第l个粒子s-1次迭代时搜索到的最优

称为个体极值，记为

整个粒子群迄今为止搜索到的最优X为全局极值，记为g^s-1。将第s次迭代后将所得f_l ^s与

比较，若

则更新

将第s代中每个粒子适应度与g^s-1若一起比较，若出现新的最小值，则将其对应的粒子位置作为全局最优g^s。

(10)找到个体最优值与全局最优值后，粒子根据公式(15)和公式(16)更新自己的速度与位置以进行下一次迭代。

为第l个粒子在第s次迭代中的速度；

为第l个粒子在第s次迭代中的位置；c₁是粒子跟踪自己历史最优值的权重系数，通常设置为2；c₂是粒子跟踪群体最优值的权重系数，通常设置为2；ξ、η是[0,1]区间内均匀分布的随机数；r是速度约束因子,通常设置为1。

(11)将新得到的

代入前推回代法中，计算各粒子的目标函数值，若微粒群迄今为止搜索到的最优位置满足最大迭代次数或全局最优位置满足最小界限则结束迭代，否则返回步骤(8)。

可以看到，本发明的基于多源协调的配电网网损优化控制方法，充分考虑分布式电源接入系统后的电能质量问题、网损问题及分布式发电的经济效益，对于制定合理的分布式电源及分布式储能优化配置方案，实现分布式发电并网后系统安全、可靠和经济运行具有重要理论和实用价值。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

Claims (9)

1.一种基于多源协调的配电网网损优化控制方法，其特征在于，包括：

以配电网平均电压偏差最小、有功网损最小和分布式电源经济损失最小为多优化目标，采用权重系数法将所述多优化目标转为单一优化目标函数，并以节点电压受限、分布式电源出力受限、分布式储能出力受限为不等式约束，建立基于多源协调配置的配电网网损优化控制模型；

采用GA-PSO混合算法对所述优化控制模型进行求解，所述求解方法包括：

计算优化前的平均电压偏差、有功网损及分布式电源理论发电量；

输入各分布式电源及分布式储能功率限制矩阵，初始化代表各分布式电源及分布式储能出力信息的遗传算法初始种群A，对所述种群A进行编码得到对应染色体，计算所述种群A各染色体对应的适应度函数值；

从所述种群A中选择适应度值最小的若干条染色体作为精英种群B；

计算所述种群A各染色体选择函数F值，从所述种群A中选择个体，并进行交叉、变异，产生子代种群C；

随机产生代表各分布式电源及分布式储能出力信息的种群D，合并所述B、C、D三个种群产生综合种群E，计算所述种群E各染色体对应的适应度函数值；

从所述种群E中选择适应度值最小的若干条染色体作为新的种群A₁，然后重复上述遗传过程，n代后选择适应度函数值最小的若干条染色体解码以作为粒子群算法的初始种群G；

初始化粒子群算法的速度及迭代次数；

通过前推回代法计算所述种群G各粒子对应的适应度值；

根据粒子对应的所述适应度值更新个体极值及全局极值；

粒子更新自己的速度与位置以进行下一次迭代；

若微粒群当前搜索到的最优位置满足最大迭代次数或全局最优位置满足最小界限则结束迭代，并输出各分布式电源及分布式储能系统最优配置。

2.根据权利要求1所述的基于多源协调的配电网网损优化控制方法，其特征在于，配电网平均电压偏差的目标函数为：

式中：C_V为系统平均电压偏差函数；n为配电网节点的个数；V_i为标幺值形式的节点i电压的有效值；V_N为标幺值形式的额定电压；

有功网损的目标函数为：

式中：C_L为系统有功网损函数；m为配电网支路数；I_j为标幺值形式的支路j的电流有效值；R_j为标幺值形式的支路j的阻抗；

分布式电源经济损失的目标函数为：

式中：C_P为分布式电源未上网电量占比函数；o为分布式电源总个数，P_k为分布式电源k的实际并网功率；P_S为各分布式电源理论发电总功率。

3.根据权利要求2所述的基于多源协调的配电网网损优化控制方法，其特征在于，所述单一优化目标函数为：

式中：M₁、M₂、M₃分别为所述配电网平均电压偏差的目标函数、有功网损的目标函数和所述分布式电源经济损失的目标函数的惩罚因子；ω₁、ω₂、ω₃分别为所述配电网平均电压偏差的目标函数、有功网损的目标函数和所述分布式电源经济损失的目标函数的权重系数，ω₁+ω₂+ω₃＝1；C'_V为优化前配电网节点平均电压偏差；C'_L为优化前配电网有功网损；V_min、V_max分别为当前电压等级下节点电压最小、最大允许值。

4.根据权利要求3所述的基于多源协调的配电网网损优化控制方法，其特征在于，分布式电源出力约束为：

P_PVimin≤P_PVi≤P_PVimax (8)

式中：P_PVimax、P_PVimin分别为节点i接入分布式电源有功出力的上、下限，P_PVi为节点i接入分布式电源实际输出的有功功率。

5.根据权利要求3所述的基于多源协调的配电网网损优化控制方法，其特征在于，

节点电压约束为：

V_imin≤V_i≤V_imax (9)

式中：V_imin、V_imax分别为标幺值形式的节点i电压有效值的下限、上限。

6.根据权利要求3所述的基于多源协调的配电网网损优化控制方法，其特征在于，分布式储能出力约束为：

储能系统充放电时荷电状态SOC如下所示：

式中：P_ESS(t)为t时刻分布式储能的输出功率，P_ESS(t)>0时充电，P_ESS(t)<0时放电；η₁、η₂、分别为储能系统的充电效率和放电效率；Δt为时间间隔；S_ESS为分布式储能的额定容量；

SOC与充放电功率满足如下约束条件：

SOC_min≤SOC≤SOC_max (12)

P_ESSmin≤P_ESS≤P_ESSmax (13)

式中：SOC_min、SOC_max分别为储能系统SOC最小值和最大值；P_ESSmin、P_ESSmax分别为储能系统的最大充电功率及最大放电功率。

7.根据权利要求1所述的基于多源协调的配电网网损优化控制方法，其特征在于，所述种群A各染色体选择函数F值为：

F(x)＝Y-f(x) (14)

式中：Y为各染色体适应度函数值之和，f(x)为第x条染色体适应度函数值；

F(x)为选择函数值。

8.根据权利要求1所述的基于多源协调的配电网网损优化控制方法，其特征在于，粒子根据公式(15)和公式(16)更新自己的速度与位置，

为第l个粒子在第s次迭代中的速度；

为第l个粒子在第s次迭代中的位置；c₁是粒子跟踪自己历史最优值的权重系数；c₂是粒子跟踪群体最优值的权重系数；ξ、η是[0,1]区间内均匀分布的随机数；r是速度约束因子；

为第l个粒子在第s次迭代中搜索到的个体极值；g^s为整个粒子群在第s次迭代中搜索到的全局极值。

9.一种基于多源协调的配电网网损优化控制系统，其特征在于，该系统具有控制单元，该控制单元被构建为实施根据权利要求1至8之一所述的方法。

Images