CN112990581B - 一种馈线与分布式电源规划的优化方法 - Google Patents
一种馈线与分布式电源规划的优化方法 Download PDFInfo
- Publication number
- CN112990581B CN112990581B CN202110285183.6A CN202110285183A CN112990581B CN 112990581 B CN112990581 B CN 112990581B CN 202110285183 A CN202110285183 A CN 202110285183A CN 112990581 B CN112990581 B CN 112990581B
- Authority
- CN
- China
- Prior art keywords
- planning
- distributed power
- feeder
- power supply
- model
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000010276 construction Methods 0.000 claims abstract description 36
- 238000013210 evaluation model Methods 0.000 claims abstract description 27
- 238000012423 maintenance Methods 0.000 claims abstract description 21
- 230000005611 electricity Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000008439 repair process Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供的一种馈线与分布式电源规划的优化方法,首先获取多组馈线与分布式电源的规划方案并构建初始规划集合,以及获取规划约束参数并生成规划约束模型。并基于初始规划集合和规划约束模型,生成馈线建设费用模型、分布式电源建设维护费用模型和网损模型,进而生成用于评价规划方案优劣的规划总体评价模型。然后根据教与学算法的基本思想,并结合局部搜索策略对规划集合进行遍历寻优,能够有效对待建馈线与分布式电源接入问题进行合理规划,实现建设支出费用和系统线损最小化。
Description
技术领域
本申请涉及电力系统智能优化技术领域,尤其涉及一种馈线与分布式电源规划的优化方法。
背景技术
电力系统与人们的日常生活息息相关,在可预见的未来将会有大量馈线扩建以及分布式电源接入的电网规划。作为电网建设的重要内容,电网规划的科学与否直接影响到电网的供电质量,而电网的规划和建设又涉及多方面因素,这就对电网的规划和建设造成了诸多阻碍。
现有技术中,将含有较多馈线扩建及分布式电源接入问题的约束条件,隐式地包含在所设计的解的编码、解码规则中处理,并利用某种拟人、拟物的机制不断生成新的可行个体或解,从而引导算法执行搜索,往往可在几秒或十几秒内就能获得其满意解。但是这种算法在寻找到某个较优解后,便不在进行寻找,这样很容易陷入局部最优,导致规划效果不佳。
发明内容
本申请公开了一种馈线与分布式电源规划的优化方法,以解决在求解含有较多馈线扩建及分布式电源接入的问题时,最终确定的规划方案,容易陷入局部最优,规划效果不佳的技术问题。
本申请公开了一种馈线与分布式电源规划的优化方法,包括:
获取初始规划集合,所述初始规划集合包括多组馈线与分布式电源的规划方案,且任一所述馈线与分布式电源的规划方案均包括:待建馈线数量、待建馈线状态、接入分布式电源数量和接入分布式电源状态;
获取规划约束参数,并根据所述规划约束参数,生成规划约束模型;
获取馈线年固定投资费用,并根据所述初始规划集合、所述规划约束模型、所述馈线年固定投资费用和预设的馈线固定投资年平均费用系数,生成馈线建设费用模型;
获取分布式电源年固定投资费用和分布式电源年检修费用,并根据所述初始规划集合、所述规划约束模型、预设的分布式电源固定投资年平均费用系数、所述分布式电源年固定投资费用和所述分布式电源年检修费用,生成分布式电源建设维护费用模型;
获取馈线上有功损耗,并根据所述初始规划集合、所述规划约束模型、预设的单位电价、所述馈线上有功损耗和预设的馈线年最大负荷损耗小时数,生成网损模型;
根据所述馈线建设费用模型、所述分布式电源建设维护费用模型和所述网损模型,生成规划总体评价模型;所述规划总体评价模型用于判断所述规划方案的优劣程度;
根据所述规划总体评价模型,利用教与学算法对所述初始规划集合进行第一遍历处理,确定第一优化规划集合;
对所述第一优化规划集合进行遍历寻优,确定第二优化规划集合;
利用局部搜索策略,对所述第二优化规划集合,进行第二遍历处理,确定第三优化规划集合;
对所述第三优化规划集合进行遍历寻优,确定最终馈线和分布式电源的规划方案。
可选的,所述初始规划集合中,所述规划方案的数量由所述待建馈线数量和所述接入分布式电源数量确定。
可选的,所述规划约束模型包括负荷平衡约束模型和潮流约束模型。
可选的,所述获取规划约束参数,并根据所述规划约束参数,生成规划约束模型,包括:
所述规划约束参数包括:分布式电源的有功功率、分布式电源的无功功率、预设的分布式电源有功功率的上下限值、预设的分布式电源无功功率的上下限值、馈线的有功功率、预设的馈线的最大有功功率、接入配电网分布式电源的有功功率、预设的接入配电网分布式电源的最大有功功率、节点的总数、节点的线电压、预设的节点线电压的上下限值、节点间的电导、节点间的电纳和节点间的向量角;
具体通过如下公式生成所述规划约束模型:
其中,PDGi表示分布式电源i的有功功率,QDGi表示分布式电源i的无功功率,Vi表示节点 i的线电压,Vj表示节点j的线电压,b表示节点j总数,Gij表示节点i到节点j之间的电导,Bij表示节点i到节点j之间的电纳,θij表示节点i到节点j之间的向量角;PDGmax、PDGmin表示所述分布式电源有功功率的上下限值,QDGmax、QDGmin表示所述分布式电源无功功率的上下限值, Vimax、Vimin表示所述节点线电压的上下限值,PL表示所述馈线的有功功率,PLmax表示所述馈线的最大有功功率,∑PDG表示所述接入配电网分布式电源的有功功率,Pmax表示所述接入配电网分布式电源的最大有功功率。
可选的,所述馈线建设费用模型,具体通过如下公式生成:
其中,f1表示所述馈线建设费用,m表示所述待建馈线数量,ai表示第i条馈线的固定投资年平均费用系数,cLi表示馈线i的年固定投资费用,xi表示0或1,表示待建馈线状态,1 表示该馈线选中,0表示该馈线未选中。
可选的,所述分布式电源建设维护费用模型,具体通过如下公式生成:
其中,f2表示分布式电源建设维护费用,n表示接入分布式电源数量,βi表示第i个分布式电源的固定投资年平均费用系数,CDGi表示第i个分布式电源的年固定投资费用,WDGi表示第i个分布式电源的年检修费用。
可选的,所述网损模型,具体通过如下公式生成:
其中,f3表示系统网损,Cpu表示单位电价,τmaxi表示馈线i的年最大负荷损耗小时数,ΔPLi表示第i条馈线上的有功损耗。
可选的,所述规划总体评价模型,具体通过如下公式生成:
ftotal=f1+f2+f3
其中,ftotal表示规划值;根据所述规划方案和所述规划总体评价模型,确定所述规划值,且所述规划值越小,表示所述规划方案越优秀。
可选的,所述第一遍历处理通过以下步骤进行:
根据所述规划总体评价模型,对所述初始规划集合进行遍历寻优,确定最优规划方案;
根据所述初始规划集合、所述规划总体评价模型、教学公式和所述最优规划方案,确定教学规划集合;
根据所述规划总体评价模型和学习公式,对所述教学规划集合进行遍历处理。
可选的,所述第二遍历处理包括,依次进行Insert、Swap、2-Opt和Exchange四种领域搜索操作。
本申请提供的一种馈线与分布式电源规划的优化方法,首先获取多组馈线与分布式电源的规划方案并构建初始规划集合,以及获取规划约束参数并生成规划约束模型。并基于初始规划集合和规划约束模型,生成馈线建设费用模型、分布式电源建设维护费用模型和网损模型,进而生成用于评价规划方案优劣的规划总体评价模型。然后根据教与学算法的基本思想,并结合局部搜索策略对规划集合进行遍历寻优,能够有效对待建馈线与分布式电源接入问题进行合理规划,实现建设支出费用和系统线损最小化。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种馈线与分布式电源规划的优化方法的工作流程示意图;
图2为本申请实施例提供的一种馈线与分布式电源规划的优化方法中,局部搜索策略各领域搜索的操作示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
本申请实施例公开了一种馈线与分布式电源规划的优化方法,具体参见图1所示的工作流程示意图,具体包括以下步骤:
步骤S101,获取初始规划集合,所述初始规划集合包括多组馈线与分布式电源的规划方案,且任一所述馈线与分布式电源的规划方案均包括:待建馈线数量、待建馈线状态、接入分布式电源数量和接入分布式电源状态。
在本申请的部分实施例中,待建馈线数量、待建馈线状态、接入分布式电源数量和接入分布式电源状态,使用二进制编码方式进行表示。由于该问题的特殊性,需把实数编码先转为十进制整数编码,并根据待建馈线数量和接入分布式电源数量来限定十进制整数的范围。二进制编码方式可表示为:
Xi=[x1,x2,…,xm,x1,x2,…,xn],或1
其中Xi表示一组馈线与分布式电源的规划方案,xi为x1,x2,…,xm,x1,x2,…,xn, xi用于表示待建馈线状态和接入分布式电源状态,m为待建馈线数量,n为接入分布式电源数量。可将Xi中[x1,x2,…,xm]和[x1,x2,…,xn]转为十进制整数表示。例如,有4条待建馈线和3个接入分布式电源,表示为Xi=[1,0,0,1,1,1,0],其中,前四位[1,0,0, 1]表示第1条馈线和第4条馈线选中用于扩建,后三位[1,1,0]表示第1和第3节点接入分布式电源,基于此二进制编码转为十进制整数编码为[9,6]。
进一步的,所述初始规划集合中,所述规划方案的数量由所述待建馈线数量和所述接入分布式电源数量确定。
具体来说,采用随机方法产生所述初始规划集合中,馈线与分布式电源的规划方案,直到所述规划方案的总数达到NP组,其中NP=10*(m+n)。
步骤S102,获取规划约束参数,并根据所述规划约束参数,生成规划约束模型。
进一步的,所述规划约束模型包括负荷平衡约束模型和潮流约束模型。
进一步的,所述规划约束参数包括:分布式电源的有功功率、分布式电源的无功功率、预设的分布式电源有功功率的上下限值、预设的分布式电源无功功率的上下限值、馈线的有功功率、预设的馈线的最大有功功率、接入配电网分布式电源的有功功率、预设的接入配电网分布式电源的最大有功功率、节点的总数、节点的线电压、预设的节点线电压的上下限值、节点间的电导、节点间的电纳和节点间的向量角。
具体通过如下公式生成所述规划约束模型:
负荷平衡约束模型:
其中,PDGi表示分布式电源i的有功功率,QDGi表示分布式电源i的无功功率,Vi表示节点 i的线电压,Vj表示节点j的线电压,b表示节点j总数,Gij表示节点i到节点j之间的电导,Bij表示节点i到节点j之间的电纳,θij表示节点i到节点j之间的向量角。
潮流约束模型:
其中,PDGmax、PDGmin表示所述分布式电源有功功率的上下限值,QDGmax、QDGmin表示所述分布式电源无功功率的上下限值,Vimax、Vimin表示所述节点线电压的上下限值,PL表示所述馈线的有功功率,PLmax表示所述馈线的最大有功功率,∑PDG表示所述接入配电网分布式电源的有功功率,Pmax表示所述接入配电网分布式电源的最大有功功率。
步骤S103,获取馈线年固定投资费用,并根据所述初始规划集合、所述规划约束模型、所述馈线年固定投资费用和预设的馈线固定投资年平均费用系数,生成馈线建设费用模型。
进一步的,所述馈线建设费用模型,具体通过如下公式生成:
其中,f1表示所述馈线建设费用,m表示所述待建馈线数量,ai表示第i条馈线的固定投资年平均费用系数,cLi表示馈线i的年固定投资费用,xi表示0或1,表示待建馈线状态,1 表示该馈线选中,0表示该馈线未选中。
步骤S104,获取分布式电源年固定投资费用和分布式电源年检修费用,并根据所述初始规划集合、所述规划约束模型、预设的分布式电源固定投资年平均费用系数、所述分布式电源年固定投资费用和所述分布式电源年检修费用,生成分布式电源建设维护费用模型。
进一步的,所述分布式电源建设维护费用模型,具体通过如下公式生成:
其中,f2表示分布式电源建设维护费用,n表示接入分布式电源数量,βi表示第i个分布式电源的固定投资年平均费用系数,CDGi表示第i个分布式电源的年固定投资费用,WDGi表示第i个分布式电源的年检修费用。
步骤S105,获取馈线上有功损耗,并根据所述初始规划集合、所述规划约束模型、预设的单位电价、所述馈线上有功损耗和预设的馈线年最大负荷损耗小时数,生成网损模型。
进一步的,所述网损模型,具体通过如下公式生成:
其中,f3表示系统网损,Cpu表示单位电价,τmaxi表示馈线i的年最大负荷损耗小时数,ΔPLi表示第i条馈线上的有功损耗。
在执行完步骤S101和步骤S102后,步骤S103、步骤S104以及步骤S105可以同时进行,当执行完步骤S103、步骤S104和步骤S105后,继续执行步骤S106。
步骤S106,根据所述馈线建设费用模型、所述分布式电源建设维护费用模型和所述网损模型,生成规划总体评价模型;所述规划总体评价模型用于判断所述规划方案的优劣程度。
进一步的,所述规划总体评价模型,具体通过如下公式生成:
ftotal=f1+f2+f3
其中,ftotal表示规划值;根据所述规划方案和所述规划总体评价模型,确定所述规划值,且所述规划值越小,表示所述规划方案越优秀。。
步骤S107,根据所述规划总体评价模型,利用教与学算法对所述初始规划集合进行第一遍历处理,确定第一优化规划集合。
进一步的,所述第一遍历处理通过以下步骤进行:
根据所述规划总体评价模型,对所述初始规划集合进行遍历寻优,确定最优规划方案。具体来说,确定最优规划方案Xteacher,Xteacher即为初始规划集合众规划值最小的规划方案。
根据所述初始规划集合、所述规划总体评价模型、教学公式和所述最优规划方案,确定教学规划集合。具体来说,利用教与学算法中的教学公式,对所述初始规划集合中的所有规划方案进行遍历处理,把教学后规划值较小的规划方案,替代教学前的规划方案,将教学后的规划集合确定为教学规划集合。
教学公式:
difference=int(ri*(Xteacher-TFi*mean))
TFi=1+rand(0,1)
ri=rand(0,1)
其中,和/>分别表示第i个规划方案学习前和学习后的值,mean为初始规划集合中,所有规划方案规划值的平均值,TFi为教学因子,ri为学习步长,rand(0,1)表示0 至1之间的随机数,int表示四舍五入取整。
根据所述规划总体评价模型和学习公式,对所述教学规划集合进行遍历处理。
具体对所述教学规划集合中的每一组规划方案Xi(i=1,…,NP),再从所述教学规划集合中随机选取一组规划方案Xj(j=1,…,NP),利用教与学算法中的学习公式对Xj进行学习。把学习后规划较小的规划方案,替代学习前的规划方案,将学习后的模型确定为第一优化规划集合。
学习公式:
ri=rand(0,1)
其中,ri表示规划方案i的学习因子,f(Xi)为Xi的规划值,f(Xj)为Xj的规划值。
步骤S108,对所述第一优化规划集合进行遍历寻优,确定第二优化规划集合。
具体来说,将第一优化规划集合中,规划值最小的前rand(0.2*NP)个规划方案,作为优势方案。再根据这些优势方案,确定第二优化规划集合。
步骤S109,利用局部搜索策略,对所述第二优化规划集合,进行第二遍历处理,确定第三优化规划集合。
具体来说,所述局部搜索策略参见图2,设定4种领域搜索操作Insert、Swap、2-Opt、 Exchange,每种邻域搜索操作的最大迭代次数均预设为localgenmax。先进行Insert搜索操作次数达到localgenmax,若发现有规划方案替换搜索前的规划方案,则开始执行下一个邻域搜索操作,否则执行Insert领域搜索操作localgenmax次后再进入下一个邻域搜索操作。重复上述领域搜索操作直至,第二优化规划集合中的规划方案完成全部领域搜索操作为止,确定第三优化规划集合。
步骤S110,判断当前迭代次数gen是否超过最大迭代次数genmax。最大迭代次数设置为 genmax=100。
步骤S111,对所述第三优化规划集合进行遍历寻优,确定最终馈线和分布式电源的规划方案。
具体来说,对所述第三优化规划集合进行遍历寻优,选取其中规划值最小的规划方案,作为最终馈线和分布式电源的规划方案。
为了验证本申请提供的一种馈线与分布式电源规划的优化方法的有效性和鲁棒性,将本申请与现有技术进行对比。具体的对比试验采用随机生成的方法生成不同规模的待建馈线数量和接入分布式电源数量组合,组合包含:10×5,20×5,30×5,50×5,40×10,50×10, 60×10,70×10,80×10,90×20,90×30和100×30。每种组合均独立重复运行20次,如表1所示:
表1
从表1可知,本实施例提供系统的最优规划值均值均优于现有技术的算法,表明了本实施例提供方法的有效性。
由以上技术方案可知,本申请提供的一种馈线与分布式电源规划的优化方法,首先获取多组馈线与分布式电源的规划方案并构建初始规划集合,以及获取规划约束参数并生成规划约束模型。并基于初始规划集合和规划约束模型,生成馈线建设费用模型、分布式电源建设维护费用模型和网损模型,进而生成用于评价规划方案优劣的规划总体评价模型。
在实际应用中,根据教与学算法的基本思想,并结合局部搜索策略对规划集合进行遍历寻优,能够有效对待建馈线与分布式电源接入问题进行合理规划,实现建设支出费用和系统线损最小化。
以上结合具体实施方式和范例性实例对本申请进行了详细说明,不过这些说明并不能理解为对本申请的限制。本领域技术人员理解,在不偏离本申请精神和范围的情况下,可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。
Claims (10)
1.一种馈线与分布式电源规划的优化方法,其特征在于,包括:
获取初始规划集合,所述初始规划集合包括多组馈线与分布式电源的规划方案,且任一所述馈线与分布式电源的规划方案均包括:待建馈线数量、待建馈线状态、接入分布式电源数量和接入分布式电源状态;
获取规划约束参数,并根据所述规划约束参数,生成规划约束模型;
获取馈线年固定投资费用,并根据所述初始规划集合、所述规划约束模型、所述馈线年固定投资费用和预设的馈线固定投资年平均费用系数,生成馈线建设费用模型;
获取分布式电源年固定投资费用和分布式电源年检修费用,并根据所述初始规划集合、所述规划约束模型、预设的分布式电源固定投资年平均费用系数、所述分布式电源年固定投资费用和所述分布式电源年检修费用,生成分布式电源建设维护费用模型;
获取馈线上有功损耗,并根据所述初始规划集合、所述规划约束模型、预设的单位电价、所述馈线上有功损耗和预设的馈线年最大负荷损耗小时数,生成网损模型;
根据所述馈线建设费用模型、所述分布式电源建设维护费用模型和所述网损模型,生成规划总体评价模型;所述规划总体评价模型用于判断所述规划方案的优劣程度;
根据所述规划总体评价模型,利用教与学算法对所述初始规划集合进行第一遍历处理,确定第一优化规划集合;
对所述第一优化规划集合进行遍历寻优,确定第二优化规划集合;
利用局部搜索策略,对所述第二优化规划集合,进行第二遍历处理,确定第三优化规划集合;
对所述第三优化规划集合进行遍历寻优,确定最终馈线和分布式电源的规划方案。
2.根据权利要求1所述的馈线与分布式电源规划的优化方法,其特征在于,所述初始规划集合中,所述规划方案的数量由所述待建馈线数量和所述接入分布式电源数量确定。
3.根据权利要求1所述的馈线与分布式电源规划的优化方法,其特征在于,所述规划约束模型包括负荷平衡约束模型和潮流约束模型。
4.根据权利要求1所述的馈线与分布式电源规划的优化方法,其特征在于,所述获取规划约束参数,并根据所述规划约束参数,生成规划约束模型,包括:
所述规划约束参数包括:分布式电源的有功功率、分布式电源的无功功率、预设的分布式电源有功功率的上下限值、预设的分布式电源无功功率的上下限值、馈线的有功功率、预设的馈线的最大有功功率、接入配电网分布式电源的有功功率、预设的接入配电网分布式电源的最大有功功率、节点的总数、节点的线电压、预设的节点线电压的上下限值、节点间的电导、节点间的电纳和节点间的向量角;
具体通过如下公式生成所述规划约束模型:
其中,PDGi表示分布式电源i的有功功率,QDGi表示分布式电源i的无功功率,Vi表示节点i的线电压,Vj表示节点j的线电压,b表示节点j总数,Gij表示节点i到节点j之间的电导,Bij表示节点i到节点j之间的电纳,θij表示节点i到节点j之间的向量角;PDGmax、PDGmin表示所述分布式电源有功功率的上下限值,QDGmax、QDGmin表示所述分布式电源无功功率的上下限值,Vimax、Vimin表示所述节点线电压的上下限值,PL表示所述馈线的有功功率,PLmax表示所述馈线的最大有功功率,∑PDG表示所述接入配电网分布式电源的有功功率,Pmax表示所述接入配电网分布式电源的最大有功功率。
5.根据权利要求1所述的馈线与分布式电源规划的优化方法,其特征在于,所述馈线建设费用模型,具体通过如下公式生成:
其中,f1表示所述馈线建设费用,m表示所述待建馈线数量,ai表示第i条馈线的固定投资年平均费用系数,cLi表示馈线i的年固定投资费用,xi表示0或1,表示待建馈线状态,1表示该馈线选中,0表示该馈线未选中。
6.根据权利要求1所述的馈线与分布式电源规划的优化方法,其特征在于,所述分布式电源建设维护费用模型,具体通过如下公式生成:
其中,f2表示分布式电源建设维护费用,n表示接入分布式电源数量,βi表示第i个分布式电源的固定投资年平均费用系数,CDGi表示第i个分布式电源的年固定投资费用,WDGi表示第i个分布式电源的年检修费用。
7.根据权利要求1所述的馈线与分布式电源规划的优化方法,其特征在于,所述网损模型,具体通过如下公式生成:
其中,f3表示系统网损,Cpu表示单位电价,τmaxi表示馈线i的年最大负荷损耗小时数,ΔPLi表示第i条馈线上的有功损耗。
8.根据权利要求1所述的馈线与分布式电源规划的优化方法,其特征在于,所述规划总体评价模型,具体通过如下公式生成:
ftotal=f1+f2+f3
其中,ftotal表示规划值;根据所述规划方案和所述规划总体评价模型,确定所述规划值,且所述规划值越小,表示所述规划方案越优秀。
9.根据权利要求1所述的馈线与分布式电源规划的优化方法,其特征在于,所述第一遍历处理通过以下步骤进行:
根据所述规划总体评价模型,对所述初始规划集合进行遍历寻优,确定最优规划方案;
根据所述初始规划集合、所述规划总体评价模型、教学公式和所述最优规划方案,确定教学规划集合;
根据所述规划总体评价模型和学习公式,对所述教学规划集合进行遍历处理。
10.根据权利要求1所述的馈线与分布式电源规划的优化方法,其特征在于,所述第二遍历处理包括,依次进行Insert、Swap、2-Opt和Exchange四种领域搜索操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285183.6A CN112990581B (zh) | 2021-03-17 | 2021-03-17 | 一种馈线与分布式电源规划的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285183.6A CN112990581B (zh) | 2021-03-17 | 2021-03-17 | 一种馈线与分布式电源规划的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112990581A CN112990581A (zh) | 2021-06-18 |
CN112990581B true CN112990581B (zh) | 2023-09-22 |
Family
ID=76334096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110285183.6A Active CN112990581B (zh) | 2021-03-17 | 2021-03-17 | 一种馈线与分布式电源规划的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990581B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107492908A (zh) * | 2017-09-25 | 2017-12-19 | 国网冀北电力有限公司秦皇岛供电公司 | 一种基于分布式电源接入的馈线优化规划方法 |
CN108023364A (zh) * | 2017-11-24 | 2018-05-11 | 天津大学 | 基于凸差规划的配电网分布式电源最大接入能力计算方法 |
CN111125638A (zh) * | 2019-12-13 | 2020-05-08 | 国网山东省电力公司经济技术研究院 | 一种有源配电网规划模型的构建方法、装置和计算设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106451556B (zh) * | 2016-11-24 | 2021-10-12 | 中国电力科学研究院有限公司 | 一种确定配电网馈线接纳分布式电源能力的方法和装置 |
-
2021
- 2021-03-17 CN CN202110285183.6A patent/CN112990581B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107492908A (zh) * | 2017-09-25 | 2017-12-19 | 国网冀北电力有限公司秦皇岛供电公司 | 一种基于分布式电源接入的馈线优化规划方法 |
CN108023364A (zh) * | 2017-11-24 | 2018-05-11 | 天津大学 | 基于凸差规划的配电网分布式电源最大接入能力计算方法 |
CN111125638A (zh) * | 2019-12-13 | 2020-05-08 | 国网山东省电力公司经济技术研究院 | 一种有源配电网规划模型的构建方法、装置和计算设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112990581A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112132427B (zh) | 一种考虑用户侧多种资源接入的电网多层规划方法 | |
CN109066692A (zh) | 一种分布式能源接入的电力网络潮流优化方法 | |
CN112036611B (zh) | 一种计及风险的电网优化规划方法 | |
CN110460091B (zh) | 一种新能源接入下的输电网最优规划的获取方法 | |
CN107256441B (zh) | 基于非支配排序遗传算法的配电网规划建设方案设计方法 | |
CN110445167A (zh) | 一种光伏接入配网的优化方法及系统 | |
CN111582903A (zh) | 考虑电力期货变化影响的发电商智能体及报价方法 | |
CN109995059B (zh) | 基于遗传算法的低压配电系统三相负荷优化平衡配置方法 | |
CN112990581B (zh) | 一种馈线与分布式电源规划的优化方法 | |
CN112671045B (zh) | 一种基于改进遗传算法的分布式电源优化配置方法 | |
CN111047071B (zh) | 基于深度迁移学习和Stackelberg博弈的电力系统实时供需互动方法 | |
CN117394366A (zh) | 一种含多微网的主动配电网不确定性分层调度方法 | |
CN108695854B (zh) | 一种用于电网多目标最优潮流控制方法、装置及设备 | |
Mendoza et al. | Automatic voltage regulators siting in distribution systems considering hourly demand | |
CN110571791B (zh) | 一种新能源接入下的输电网规划的优化配置方法 | |
CN111724064A (zh) | 一种基于改进免疫算法的含储能配电网规划方法 | |
CN111697607A (zh) | 一种多端柔性直流输电受端电网接入方法及系统 | |
CN112036654B (zh) | 基于协同进化的光伏电站与电动汽车充电网络规划方法 | |
CN111835005B (zh) | 确定新能源基地电网输送能力的方法、装置及相关设备 | |
CN110492493B (zh) | 一种电力系统无功补偿配置优化方法 | |
Rahmani et al. | A combinatorial approach for transmission expansion & reactive power planning | |
Olamaei et al. | Impact of distributed generators on distribution feeder reconfiguration | |
CN114254558A (zh) | 综合能源变电站规划方法、装置和终端设备 | |
CN114548266A (zh) | 基于曲线聚类和覆盖法的变电站无功优化配置方法及装置 | |
CN111079966B (zh) | 一种广义负荷空间预测方法和系统 |
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 |