CN112651634A - 基于序列运算的有源配电系统源网荷储日前有功调度方法 - Google Patents

Abstract

本发明公开了一种基于序列运算的有源配电系统源网荷储日前有功调度方法，第一，本发明针对上述有源配电系统有功优化运行中没有考虑配电网动态网络重构的问题做出改进，将动态网络重构、可中断负荷削减及储能系统充放电策略多种可控资源同时考虑进来；第二，有源配电系统日前综合运行成本最低为目标，构建有源配电系统源网荷储有功优化调度模型，并将风电、光伏出力及负荷预测概率模型离散化为概率性序列进行潮流计算，从而解决分布式可再生能源发电有功出力及负荷的不确定性问题；第三，将考虑动态网络重构的有源配电系统源网荷储有功优化调度模型，与萤火虫算法相结合，完成混合整数规划问题的求解。

Description

基于序列运算的有源配电系统源网荷储日前有功调度方法

技术领域

本发明涉及配电网运行技术领域，尤其涉及一种基于序列运算的有源配电系统源网荷储日前有功调度方法，充分考虑了风电、光伏出力及负荷预测不确定性的特点，适用于制定考虑不确定性的有源配电系统运行策略。

背景技术

当前，随着经济的发展和资源的无限制开发，全球正处于大量消耗能源的阶段，能源短缺问题已成为世界各国关注的焦点之一，可再生能源的开发利用是能够缓解能源短缺问题的重要手段。传统配电网无法满足可再生能源的接入条件，无法实现电网的优化调度，而主动配电网可以利用各种调节技术来控制电网的潮流，提高电网运行的经济性和可靠性，是未来智能电网的发展方向。有源配电系统中有大量的可再生能源接入，可再生能源的输出具有不确定性，这就意味着有源配电系统的优化调度策略比传统配电网更为复杂，迫切需要全面深入的研究，以保证电力系统安全稳定运行。

由于主动配电网存在大量的分布式电源和可控负荷，并且可以通过先进的电力电子、通讯、遥测遥控等技术对整个系统的运行进行实时的调度控制。所以，在对主动配电网进行规划设计时，考虑运行的状态也不应只考虑固定网络状态下的情况，应将主动配电网实际灵活变化的运行状态考虑进来。

配电网有功优化通过储能充放电策略、配电网动态网络重构以及可中断负荷调度改善配电网有功分布，减少各条馈线的峰谷差，降低网供负荷峰值对网架的冲击，适应不同水平负荷，同时减小对潮流分布、各节点电压及网络运行网损的影响。由于分布式可再生能源出力及负荷预测的不确定性会对配电网有功优化结果产生影响，考虑分布式可再生能源出力及负荷预测不确定性的源网荷储协同运行有功优化已成为当前领域关注的前沿热点。

目前考虑不确定性的源网荷储协同优化模型已经有很多学者进行研究，现有研究针对分布式可再生能源出力及负荷预测的不确定性提出了多场景划分、机会约束规划、区间预测、点估计、序列运算等可行方法，构建了主动配电网日前调度优化模型。但是，没有考虑配电网动态网络重构对系统优化运行的影响，降低了构建模型的适用性。另一方面，在考虑了配电网动态网络重构的同时，却未实现针对源荷双侧不确定性的多种可控资源相配合的综合优化运行，可控手段过于单一，已不能顺应未来主动配电网优化运行的发展趋势。因此，在源网荷储协同优化运行中，如何针对分布式可再生能源出力、负荷预测的不确定性，构建考虑配电网动态网络重构等多种可控手段的有源配电系统有功优化调度模型十分必要。

发明内容

本发明目的就是为了弥补已有技术的缺陷，提供一种基于序列运算的有源配电系统源网荷储日前有功调度方法，不仅能够解决源荷双侧不确定性问题，还将主动配电网实际灵活变化的运行状态考虑进来，以有源配电系统日内综合运行成本最低为目标函数构建模型，给出最佳有功优化调度方案。

本发明基于序列运算建立了考虑分布式可再生能源发电有功出力及负荷预测的不确定性的有源配电系统有功优化模型，对正常运行状态下的有源配电系统动态网络重构、可中断负荷及电池储能系统优化调度方案进行协同优化，以应对源荷双侧不确定性，保证有源配电系统运行的安全性和经济性。

本发明是通过以下技术方案实现的：

一种基于序列运算的有源配电系统源网荷储日前有功调度方法，具体包括以下步骤：

(1)以有源配电系统日前综合运行成本最低为目标，构建考虑动态网络重构的有源配电系统源网荷储有功优化调度模型；

(2)将风电出力、光伏出力及负荷预测概率模型离散化为概率性序列进行潮流计算；

(3)采用萤火虫优化算法对所述考虑动态网络重构的有源配电系统源网荷储有功优化调度模型求解。

所述步骤(1)具体过程如下：

1)目标函数

所述以有源配电系统日前综合运行成本最低为目标，包括向上级购电费用、网损成本、重构成本、储能运行维护成本及需求侧管理成本，目标函数如下：

min C＝C_up+C_loss+C_grid+C_ess+C_DSM (1)

式中，C表示配电网某时段综合运行成本；C_up表示向上级购电成本；C_loss为单位网损电价；C_grid表示重构成本；C_ess表示储能运行维护成本；C_DSM表示需求响应成本；各部分的表达式，如式(2)—(9)所示：

(a)有源配电系统向上级电网购电成本

式中，T为计算时间段；C_up为向上级购电单位费用；P_sup,t为时段t向上级电网购电量；

(b)有源配电系统网损成本

式中，C_loss为单位网损电价；P_loss,t为时段t的系统网损；J表示网络节点总数；G_ij节点i和节点j之间的电导；U_i,t、δ_i,t、U_j,t、δ_j,t、分别为时段t节点i和j的电压幅值和相角；

(c)正常运行状态下配电网重构成本

C_grid＝C_sw+C_ba (5)

式中，C_sw为开关动作总费用；C_ba为负荷均衡风险潜在费用；N_b表示系统中总的开关数目；c_sw表示一次开关费用；x_i,t表示时段t开关i的状态；C_risk为负荷不平衡预期成本系数；I_i和I_av分别为分别表示线路i的实际电流和系统的平均线路电流；

(d)储能系统运行维护成本

式中，N_ess为储能设备数量；C_inv为总投资成本；P_ess,i为第i台设备年充放电功率；T_a为年运行小时数；r为折旧率；n为使用寿命；P_ess,i,t为t时段蓄电池充放电功率；

(e)需求侧削减中断负荷管理成本

式中，Ω^DSM表示可削减负荷节点集合；c_DSM表示单位负荷削减费用；λ_i,t表示时段t节点i的负荷削减系数；P_load,i,t表示时段t节点i负荷的有功分量；

2)约束条件

有源配电系统有功优化的约束条件包括潮流约束、节点电压约束、分布式电源出力以及储能运行约束以及网络重构约束：

(f)潮流平衡约束

式中：P_DG,i,t为节点i第t个时间段内分布式可再生能源发电输出的有功功率；P_ess,i,t节点i第t个时间段内储能的有功功率，放电时为正，充电时为负；Q_load,i,t为节点i第t个时间段内负荷消耗的无功功率输出的无功功率；

(g)节点电压约束

U_jmin＜U_j＜U_jmax (11)

式中，U_{j min}，U_{j max}为有源配电系统节点j的上限电压和下限电压；

(h)支路容量约束

S_i≤S_imax (12)

式中，S_j、U_{j max}分别为支路i的视在功率和最大视在功率；

(i)分布式可再生能源发电出力约束

P_DG,imin＜P_DG,i＜P_DG,imax (13)

式中，P_{DG,i min}，P_{DG,i max}为分布式电源i输出的有功功率的上下限；

(j)储能充放电功率约束

其中，P_{c max}和P_{d max}表示储能的最大充放电功率；u_c,i,t、u_d,i,t分别为储能充放电的标志位；

储能的充放电标志位还满足以下约束：

(k)剩余容量约束

S_minE_S≤E_SOC,t≤S_maxE_S (16)

式中，E_S表示储能的额定安装容量；S_min和S_max分别表示储能的最小荷电状态和最大荷电状态；E_SOC,t为时段t储能剩余容量；

(l)负荷削减系数约束

λ_imin＜λ_i,t＜λ_imax (17)

式中，λ_{i min}和λ_{i max}分别为节点i的负荷削减系数的最小值和最大值；

(m)拓扑结构约束

配电网运行时必须保持辐射状，且网络中不存在孤岛和环网；

(n)网络重构开关的使用寿命及投切成本约束

在配电网动态网络重构过程中考虑到开关的使用寿命及投切成本，满足所有开关和单个开关的动作次数约束：

式中，x_{i max}表示单个开关最大动作次数；x_max表示配电系统中所有开关的最大动作次数之和。

所述步骤(2)具体内容如下：

根据风电出力、光伏出力及负荷预测的不确定性，分别建立双参数的Weibull分布、Beta分布、正态分布概率模型，并将其分别离散化为概率性序列；

风电出力和光伏出力共同随机出力的概率性序列求解表达式如下：

式中，S_WT(i_WT,t)、S_PV(i_PV,t)、S_WP(i_WP,t)分别为t时段内的风电、光伏及共同随机出力的概率性序列；N_WT、N_PV、N_WP分别为各自的序列长度；在此定义卷和运算：S_WP(i_WP,t)＝S_WT(i_WT,t)[+]S_PV(i_PV,t)，且有N_WP＝N_WT+N_PV。

等效负荷概率性序列求解表达式如下：

式中，S_LD(i_LD,t)和S_EL(i_EL,t)分别为t时段内的负荷和等效负荷概率性序列；N_LD和N_EL分别为各自的序列长度；在此定义卷差运算：S_EL(i_EL,t)＝S_LD(i_LD,t)[-]S_WP(i_WP,t)，且有N_EL＝A_EL+B_EL。

所述的萤火虫优化算法实现步骤如下：

1))将有源配电系统源网荷储有功优化模型的解即各项可调度资源的运行策略作为一个序列，表示为一个萤火虫个体；

2))分别对系统参数及算法参数初始化，包括：分布式电源出力及负荷预测概率模型参数，网架结构及参数，算法基本参数，最大迭代次数，种群规模，控制变量；

3))将分布式电源出力及负荷预测概率模型转换成概率性序列进行潮流计算，确定解空间的边界；

4))随机产生初始萤火虫种群，解析萤火虫位置，映射到配电网网架结构，判断是否满足网络拓扑结构，即辐射状结构：若是，根据给定网架结构计算运行成本；若否，将运行成本设为0，然后，指定运行成本作为个体目标值；

5))更新萤火虫位置和移动方向，产生新个体；

6))若在迭代过程中萤火虫飞出了解空间，即各项可调度资源的运行策略不满足约束条件时，需重置粒子的位置，强制令它处于边界处；

7))新旧萤火虫个体合并排序，选择最优个体进入下一次迭代；

8))新萤火虫位置个体目标值计算，同步骤4)；

9))判别算法是否结束，若是，则结束计算，输出当前的最优结果；若算法尚未结束，则前往步骤5)重新进行迭代优化；

10))将最优结果解码，得到最优的各项可调度资源的运行策略。

本发明的优点是：本发明提出的基于序列运算的有源配电系统有功优化方法，不仅考虑了分布式可再生能源发电有功出力不确定性对配电网运行的影响，与传统配电网相比，能够在有效地减少弃光弃风量的同时，提高新能源发电利用率，从而实现系统整体优化运行的经济性的提升；而且针对主动配电网的灵活性，考虑了配电网动态网络重构优化和需求侧管理两种重要的系统优化调节资源，以保证系统灵活运行。

附图说明

图1为本发明流程图。

具体实施方式

如图1所示，第一，本发明针对上述有源配电系统有功优化运行中没有考虑配电网动态网络重构的问题做出改进，将动态网络重构、可中断负荷削减及储能系统充放电策略多种可控资源同时考虑进来；第二，有源配电系统日前综合运行成本最低为目标，构建有源配电系统源网荷储有功优化调度模型，并将风电、光伏出力及负荷预测概率模型离散化为概率性序列进行潮流计算，从而解决分布式可再生能源发电有功出力及负荷的不确定性问题；第三，将考虑动态网络重构的有源配电系统源网荷储有功优化调度模型，与萤火虫算法相结合，完成混合整数规划问题的求解。

1.考虑动态网络重构的有源配电系统有功优化模型

1)目标函数

在得到风电出力、光伏出力及负荷预测模型后，构建考虑动态网络重构的有源配电系统有功优化模型，并以有源配电系统综合运行成本最低为目标，包括向上级购电费用、网损成本、重构成本、储能运行维护成本及需求侧管理成本，对配电网动态网络重构、可中断负荷及电池储能系统充放电策略调度方案进行优化。目标函数如下：

min C＝C_up+C_loss+C_grid+C_ess+C_DSM (1)

式中，C表示配电网某时段综合运行成本；C_up表示向上级购电成本；C_grid表示重构成本；C_ess表示储能运行维护成本；C_DSM表示需求响应成本。各部分的表达式，如式(2)—(9)所示：

(a)有源配电系统向上级电网购电成本

式中，T为计算时间段；C_up为向上级购电单位费用；P_sup,t为时段t向上级电网购电量；

(b)有源配电系统网损成本

式中，C_loss为单位网损电价；P_loss,t为时段t的系统网损；J表示网络节点总数；G_ij节点i和节点j之间的电导；U_i,t、δ_i,t、U_j,t、δ_j,t、分别为时段t节点i和j的电压幅值和相角；

(c)正常运行状态下配电网重构成本

C_grid＝C_sw+C_ba (5)

式中，C_sw为开关动作总费用；C_ba为负荷均衡风险潜在费用；N_b表示系统中总的开关数目；c_sw表示一次开关费用；x_i,t表示时段t开关i的状态；C_risk为负荷不平衡预期成本系数；I_i和I_av分别为分别表示线路i的实际电流和系统的平均线路电流；

(d)储能系统运行维护成本

式中，N_ess为储能设备数量；C_inv为总投资成本；P_ess,i为第i台设备年充放电功率；T_a为年运行小时数；r为折旧率；n为使用寿命；P_ess,i,t为t时段蓄电池充放电功率；

(e)需求侧削减可中断负荷管理成本

式中，Ω^DSM表示可削减负荷节点集合；c_DSM表示单位负荷削减费用；λ_i,t表示时段t节点i的负荷削减系数；P_load,i,t表示时段t节点i负荷的有功分量；

2)约束条件

有源配电系统有功优化主要的约束条件包括潮流约束、节点电压约束、分布式电源出力以及储能运行约束以及网络重构约束：

(f)潮流平衡约束

式中：P_DG,i,t为节点i第t个时间段内分布式可再生能源发电输出的有功功率；P_ess,i,t节点i第t个时间段内储能的有功功率，放电时为正，充电时为负，；Q_load,i,t为节点i第t个时间段内负荷消耗的无功功率输出的无功功率；

(g)节点电压约束

U_jmin＜U_j＜U_jmax (11)

式中，U_{j min}，U_{j max}为有源配电系统节点j的上限电压和下限电压；

(h)支路容量约束

S_i≤S_imax (12)

式中，S_j、U_{j max}分别为支路i的视在功率和最大视在功率；

(i)分布式可再生能源发电出力约束

P_DG,imin＜P_DG,i＜P_DG,imax (13)

式中，P_{DG,i min}，P_{DG,i max}为分布式电源i输出的有功功率的上下限；

(j)储能充放电功率约束

其中，P_{c max}和P_{d max}表示储能的最大充放电功率；u_c,i,t、u_d,i,t分别为储能充放电的标志位；

由于储能装置不可能同时进行充放电，因此储能的充放电标志位还将满足以下约束：

(k)剩余容量约束

S_minE_S≤E_SOC,t≤S_maxE_S (16)

式中，E_S表示储能的额定安装容量；S_min和S_max分别表示储能的最小荷电状态和最大荷电状态；E_SOC,t为时段t储能剩余容量；

(l)负荷削减系数约束

λ_imin＜λ_i,t＜λ_imax (17)

式中，λ_{i min}和λ_{i max}分别为节点i的负荷削减系数的最小值和最大值；

(m)拓扑结构约束

配电网运行时必须保持辐射状，且网络中不存在孤岛和环网；

(n)网络重构开关的使用寿命及投切成本约束

在配电网动态网络重构过程中考虑到开关的使用寿命及投切成本，应满足所有开关和单个开关的动作次数约束：

式中，x_{i max}表示单个开关最大动作次数；x_max表示配电系统中所有开关的最大动作次数之和。

2.计及随机变量相关性的概率潮流计算

根据风电、光伏出力及负荷预测的不确定性，分别建立双参数的Weibull分布、Beta分布、正态分布概率模型，并将其分别离散化为概率性序列。

风电和光伏共同随机出力的概率性序列求解表达式如下：

式中，S_WT(i_WT,t)、S_PV(i_PV,t)、S_WP(i_WP,t)分别为t时段内的风电、光伏及共同随机出力的概率性序列；N_WT、N_PV、N_WP分别为各自的序列长度；在此定义卷和运算：S_WP(i_WP,t)＝S_WT(i_WT,t)[+]S_PV(i_PV,t)，且有N_WP＝N_WT+N_PV。

等效负荷概率性序列求解表达式如下：

式中，S_LD(i_LD,t)和S_EL(i_EL,t)分别为t时段内的负荷和等效负荷概率性序列；N_LD和N_EL分别为各自的序列长度；在此定义卷差运算：S_EL(i_EL,t)＝S_LD(i_LD,t)[-]S_WP(i_WP,t)，且有N_EL＝A_EL+B_EL。

在计算概率潮流时，一般可考虑将等效负荷概率性序列代入线性化交流潮流模型进行求解。

3.求解方法

在有源配电系统有功优化中，配电网动态网络重构联络开关动作方案是离散的，可中断负荷的调度策略、储能的充放电策略是连续的。因此，考虑不确定性的有源配电系统有功优化模型属于混合整数非线性优化问题，为此，本发明采取萤火虫优化算法进行模型求解，通过群体智能搜索，只须设置相对较少的参数，具有搜索优化质量高、收敛速度快和寻优稳定性好等特点。

本发明采用萤火虫随机优化算法求解。萤火虫优化算法通过萤火虫彼此之间依据个体的相对亮度相互吸引，从而完成寻优过程。

萤火虫i对于萤火虫j的吸引力与在萤火虫j所在位置处观测萤火虫i发出的相对亮度呈正相关，记作β(i,i)，计算表达式如下：

式中，β(i,j)表示萤火虫i对萤火虫j的吸引力；β(i,i)为光源处萤火虫i的最大吸引力。

算法寻优过程中，每只萤火虫将会朝着所有亮度比自己高的所有萤火虫移动，由于被萤火虫i吸引，萤火虫j向其移动而更新自己的位置，其更新公式如下：

x′_j＝x_j+β(i,j)(x_i-x_j)+ε·rand() (22)

式中，x_i和x_j分别为萤火虫i和萤火虫j的空间位置；ε为给定系数，取值为[0,1]之间，作为扰动步长因子；rand()为保证模型的泛化能力而避免陷入局部最优而给定的随机数，一般rand()取值为[-0.5,0.5]范围内的均匀分布。

萤火虫算法实现步骤如下：

1))将有源配电系统源网荷储有功优化模型的解即各项可调度资源的运行策略作为一个序列，可以表示为一个萤火虫个体；

2))分别对系统参数及算法参数初始化，包括：分布式电源出力及负荷预测概率模型参数，网架结构及参数；算法基本参数，最大迭代次数，种群规模，控制变量；

3))将分布式电源出力及负荷预测概率模型转换成概率性序列进行潮流计算，确定解空间的边界；

4))随机产生初始萤火虫种群，解析萤火虫位置，映射到配电网网架结构，判断是否满足网络拓扑结构，即辐射状结构：若是，根据给定网架结构计算运行成本；若否，将运行成本设为0。然后，指定运行成本作为个体目标值(荧光亮度)；

5))更新萤火虫位置和移动方向，产生新个体；

6))若在迭代过程中萤火虫飞出了解空间，即各项可调度资源的运行策略不满足约束条件时，需重置粒子的位置，强制令它处于边界处；

7))新旧萤火虫个体合并排序，选择最优个体进入下一次迭代；

8))新萤火虫位置个体目标值计算，同步骤4)；

9))判别算法是否结束，若是，则结束计算，输出当前的最优结果；若算法尚未结束，则前往步骤5)重新进行迭代优化；

10))将最优结果解码，得到最优的各项可调度资源的运行策略。

Claims (4)

1.一种基于序列运算的有源配电系统源网荷储日前有功调度方法，其特征在于：具体包括以下步骤：

(1)以有源配电系统日前综合运行成本最低为目标，构建考虑动态网络重构的有源配电系统源网荷储有功优化调度模型；

(2)将风电出力、光伏出力及负荷预测概率模型离散化为概率性序列进行潮流计算；

(3)采用萤火虫优化算法对所述考虑动态网络重构的有源配电系统源网荷储有功优化调度模型求解。

2.根据权利要求1所述的一种基于序列运算的有源配电系统源网荷储日前有功调度方法，其特征在于：所述步骤(1)具体过程如下：

1)目标函数

所述以有源配电系统日前综合运行成本最低为目标，包括向上级购电费用、网损成本、重构成本、储能运行维护成本及需求侧管理成本，目标函数如下：

min C＝C_up+C_loss+C_grid+C_ess+C_DSM (1)

式中，C表示配电网某时段综合运行成本；C_up表示向上级购电成本；C_loss为单位网损电价；C_grid表示重构成本；C_ess表示储能运行维护成本；C_DSM表示需求响应成本；各部分的表达式，如式(2)—(9)所示：

(a)有源配电系统向上级电网购电成本

式中，T为计算时间段；C_up为向上级购电单位费用；P_sup,t为时段t向上级电网购电量；

(b)有源配电系统网损成本

式中，C_loss为单位网损电价；P_loss,t为时段t的系统网损；J表示网络节点总数；G_ij节点i和节点j之间的电导；U_i,t、δ_i,t、U_j,t、δ_j,t、分别为时段t节点i和j的电压幅值和相角；

(c)正常运行状态下配电网重构成本

C_grid＝C_sw+C_ba (5)

式中，C_sw为开关动作总费用；C_ba为负荷均衡风险潜在费用；N_b表示系统中总的开关数目；c_sw表示一次开关费用；x_i,t表示时段t开关i的状态；C_risk为负荷不平衡预期成本系数；I_i和I_av分别为分别表示线路i的实际电流和系统的平均线路电流；

(d)储能系统运行维护成本

式中，N_ess为储能设备数量；C_inv为总投资成本；P_ess,i为第i台设备年充放电功率；T_a为年运行小时数；r为折旧率；n为使用寿命；P_ess,i,t为t时段蓄电池充放电功率；

(e)需求侧削减中断负荷管理成本

式中，Ω^DSM表示可削减负荷节点集合；c_DSM表示单位负荷削减费用；λ_i,t表示时段t节点i的负荷削减系数；P_load,i,t表示时段t节点i负荷的有功分量；

2)约束条件

有源配电系统有功优化的约束条件包括潮流约束、节点电压约束、分布式电源出力以及储能运行约束以及网络重构约束：

(f)潮流平衡约束

式中：P_DG,i,t为节点i第t个时间段内分布式可再生能源发电输出的有功功率；P_ess,i,t为节点i第t个时间段内储能的有功功率，放电时为正，充电时为负；Q_load,i,t为节点i第t个时间段内负荷消耗的无功功率输出的无功功率；

(g)节点电压约束

U_jmin＜U_j＜U_jmax (11)

式中，U_jmin，U_jmax为有源配电系统节点j的上限电压和下限电压；

(h)支路容量约束

S_i≤S_imax (12)

式中，S_j、U_jmax分别为支路i的视在功率和最大视在功率；

(i)分布式可再生能源发电出力约束

P_DG,imin＜P_DG,i＜P_DG,imax (13)

式中，P_{DG,i min}，P_{DG,i max}为分布式电源i输出的有功功率的上下限；

(j)储能充放电功率约束

其中，P_{c max}和P_{d max}表示储能的最大充放电功率；u_c,i,t、u_d,i,t分别为储能充放电的标志位；

储能的充放电标志位还满足以下约束：

(k)剩余容量约束

S_minE_S≤E_SOC,t≤S_maxE_S (16)

式中，E_S表示储能的额定安装容量；S_min和S_max分别表示储能的最小荷电状态和最大荷电状态；E_SOC,t为时段t储能剩余容量；

(l)负荷削减系数约束

λ_imin＜λ_i,t＜λ_imax (17)

式中，λ_{i min}和λ_{i max}分别为节点i的负荷削减系数的最小值和最大值；

(m)拓扑结构约束

配电网运行时必须保持辐射状，且网络中不存在孤岛和环网；

(n)网络重构开关的使用寿命及投切成本约束

在配电网动态网络重构过程中考虑到开关的使用寿命及投切成本，满足所有开关和单个开关的动作次数约束：

式中，x_{i max}表示单个开关最大动作次数；x_max表示配电系统中所有开关的最大动作次数之和。

3.根据权利要求1所述的一种基于序列运算的有源配电系统源网荷储日前有功调度方法，其特征在于：所述步骤(2)具体内容如下：

根据风电出力、光伏出力及负荷预测的不确定性，分别建立双参数的Weibull分布、Beta分布、正态分布概率模型，并将其分别离散化为概率性序列；

风电出力和光伏出力共同随机出力的概率性序列求解表达式如下：

式中，S_WT(i_WT,t)、S_PV(i_PV,t)、S_WP(i_WP,t)分别为t时段内的风电、光伏及共同随机出力的概率性序列；N_WT、N_PV、N_WP分别为各自的序列长度；在此定义卷和运算：S_WP(i_WP,t)＝S_WT(i_WT,t)[+]S_PV(i_PV,t)，且有N_WP＝N_WT+N_PV。

等效负荷概率性序列求解表达式如下：

式中，S_LD(i_LD,t)和S_EL(i_EL,t)分别为t时段内的负荷和等效负荷概率性序列；N_LD和N_EL分别为各自的序列长度；在此定义卷差运算：S_EL(i_EL,t)＝S_LD(i_LD,t)[-]S_WP(i_WP,t)，且有N_EL＝A_EL+B_EL。

4.根据权利要求1所述的一种基于序列运算的有源配电系统源网荷储日前有功调度方法，其特征在于：所述的萤火虫优化算法实现步骤如下：

1))将有源配电系统源网荷储有功优化模型的解即各项可调度资源的运行策略作为一个序列，表示为一个萤火虫个体；

2))分别对系统参数及算法参数初始化，包括：分布式电源出力及负荷预测概率模型参数，网架结构及参数，算法基本参数，最大迭代次数，种群规模，控制变量；

3))将分布式电源出力及负荷预测概率模型转换成概率性序列进行潮流计算，确定解空间的边界；

4))随机产生初始萤火虫种群，解析萤火虫位置，映射到配电网网架结构，判断是否满足网络拓扑结构，即辐射状结构：若是，根据给定网架结构计算运行成本；若否，将运行成本设为0，然后，指定运行成本作为个体目标值；

5))更新萤火虫位置和移动方向，产生新个体；

6))若在迭代过程中萤火虫飞出了解空间，即各项可调度资源的运行策略不满足约束条件时，需重置粒子的位置，强制令它处于边界处；

7))新旧萤火虫个体合并排序，选择最优个体进入下一次迭代；

8))新萤火虫位置个体目标值计算，同步骤4)；

9))判别算法是否结束，若是，则结束计算，输出当前的最优结果；若算法尚未结束，则前往步骤5)重新进行迭代优化；

10))将最优结果解码，得到最优的各项可调度资源的运行策略。

Images