CN113222779A - 一种基于改进樽海鞘群算法的配电网电压波动抑制方法 - Google Patents

Abstract

本发明公开了一种基于改进樽海鞘群算法的配电网电压波动抑制方法，包括以下步骤：步骤1：通过控制柔性多状态开关各端口的有功及无功功率，以调节各端口所连接馈线的潮流分布。步骤2：建立含柔性多状态开关及分布式电源的主动配电网运行优化模型，分析柔性多状态开关及配电网的运行约束条件，建立同时考虑配电系统网损与电压水平波动的目标函数。步骤3：利用改进的樽海鞘群优化算法对步骤2建立的配电网运行优化模型进行求解，得到柔性多状态开关的有功功率及无功功率指令值。步骤4：利用步骤3得到的指令值对柔性多状态开关进行配置，从而实现对配电网的运行优化，以达到保证配电网各节点电压波动最小的同时系统网损最小的优化目标。

Description

一种基于改进樽海鞘群算法的配电网电压波动抑制方法

技术领域

本发明涉及电力电子设备控制技术领域，尤其涉及一种基于改进樽海鞘群算法及三端柔性多状态开关的配电网电压波动抑制方法。

背景技术

随着电力电子技术的发展，大量以光伏和风力发电为代表的分布式电源接入配电网。而由于分布式电源出力的波动性与随机性，会导致配电网电压发生波动甚至越限。为了防止电压越限带来的危害性后果，柔性多状态开关作为一种可替代传统配电网中的联络开关或分段开关的新型电力电子设备被逐渐应用于主动配电网中。柔性多状态开关的优势在于可以对其所连接馈线端的功率进行灵活调控，从而达到抑制配电网电压波动的目的。

为实现通过柔性多状态开关对配电网潮流进行优化的目标，优化算法的选择十分重要。现有研究主要采用粒子群算法、遗传算法等启发式算法。粒子群算法思想简单、收敛速度快，但其最大缺陷在于易陷入局部最优；遗传算法种群多样，适用于全局搜索，但收敛时间长。利用这些算法进行配电网潮流优化，虽然在一定程度上能够缓解电压波动的问题，但无法达到全局最优，且无法兼顾抑制电压波动与降低配电系统网损。

发明内容

本发明为克服上述现有技术的不足之处，提供一种基于改进樽海鞘群算法的配电网电压波动抑制方法，以期能够对接入分布式电源和柔性多状态开关的配电网进行合理潮流控制，从而抑制配电网电压波动，使配电网用户侧的电压处于正常范围之内，以保证配电网的正常安全运行。

本发明为达到上述发明目的，采用如下技术方案：

1.一种基于改进樽海鞘群算法的配电网电压波动抑制方法，其特征在于，包括以下步骤：

步骤1：通过控制柔性多状态开关各端口的有功及无功功率，以调节各端口所连接馈线的潮流分布；

步骤2：建立含柔性多状态开关及分布式电源的主动配电网运行优化模型，包括：柔性多状态开关及配电网的运行约束条件，以及同时考虑配电系统网损与电压水平的目标函数；

步骤3：改进传统的樽海鞘群优化算法并对所述主动配电网运行优化模型进行求解，得到柔性多状态开关的有功功率及无功功率指令值；

步骤3.1：种群初始化：

设定樽海鞘种群个体数量为N，优化变量为柔性多状态开关三个端口的有功功率及无功功率指令值，最大迭代次数为L、当前迭代次数为l，维数为D，上、下边界分别为ub、vb；

步骤3.2：初始化樽海鞘群中每个个体的位置，且每个个体的位置对应一组优化变量的值：

计算每个个体的适应值，且适应值是将个体的位置代入所述主动配电网运行优化模型所得到的目标函数值，将最小适应值的个体位置设为食物源位置；

令第一个樽海鞘个体为领导者，其余樽海鞘个体为追随者；

步骤3.3：生成自适应收敛因子，根据领导者位置更新公式改变领导者的当前位置；

步骤3.4：生成削弱因子k，根据追随者位置更新公式改变追随者的当前位置；

步骤3.5：比较更新后的个体适应值和当前食物源位置的适应值，根据两者适应值的优劣更新当前食物源位置；

步骤3.6：若当前迭代次数l达到预设迭代次数L，则结束迭代，输出当前食物源位置，即柔性多状态开关三个端口的有功功率及无功功率指令值，否则，返回执行步骤3.3；

步骤4：利用步骤3得到有功功率及无功功率指令值对柔性多状态开关进行配置，以实现对配电网的电压波动抑制。

本发明所述的基于改进樽海鞘群算法的配电网电压波动抑制方法的特点也在于：

所述步骤2中目标函数f是以配电系统网损最小以及电压波动水平最低为指标，并利用式(1)和式(2)建立：

U_t,i≥U^thr,max‖U_t,i≤U^thr,min (2)

式(1)中，T为优化计算的总时段数；N_N为配电系统的节点数；Ω_i为节点i的相邻节点的集合；R_ij为支路ij的电阻；I_t,ij为t时段节点i流向节点j的电流幅值；U_t,i为t时段节点i的电压幅值；α和β分别为配电系统网络损耗和电压越限的权重系数；

式(2)中，U_thr,max、U_thr,min分别为节点电压幅值的优化区间上下限。

所述步骤2中的运行约束条件包括：柔性多状态开关的运行容量约束以及配电网系统约束；所述配电网系统约束包括：系统潮流约束、运行电压水平约束和支路容量约束；

利用式(3)和式(4)建立所述柔性多状态开关的运行容量约束：

式(3)中：P₁ ^FMSS、

P₃ ^FMSS分别为柔性多状态开关的三个端口与配电系统间交换的有功功率；

式(4)中：

分别为柔性多状态开关的三个端口与配电系统间交换的无功功率；

分别为柔性多状态开关的三个端口的额定容量；

利用式(5)-式(7)建立所述系统潮流约束：

式(5)中：Φ_i为以节点i为末端节点的支路首端节点集合；Ψ_i为以节点i为首端节点的支路末端节点集合；X_ij为支路ij的电抗；

式(6)中：P_t,i、Q_t,i分别t时段节点i上注入的有功功率之和以及无功功率之和，

为t时段节点i上分布式电源注入的有功功率和无功功率，

为t时段节点i上FMSS注的有功功率和无功功率，

为t时段节点i上负荷消耗的有功功率和无功功率；

式(7)中：P_t,ij、Q_t,ij分别为t时段节点i流向节点j的有功功率和无功功率；

利用式(8)建立所述运行电压水平约束：

(U_i,min)²≤(U_t,i)²≤(U_i,max)² (8)

式(8)中：U_i,min和U_i,max分别为节点i的电压上、下限；

利用式(9)建立支路容量约束：

0≤(I_t,ji)²≤(I_ij,max)² (9)

式(9)中：I_ij,max为节点i流向节点j的电流幅值上限。

所述步骤3.3中的领导者位置更新公式如式(10)所示：

式(10)中：

为第l次迭代的第d维中第一个樽海鞘个体的当前位置，F_d为第d维中食物源的位置，

为第l次迭代的自适应收敛因子，且

c₂、c₃为[0,1]间的两个随机数，Δ表示樽海鞘个体移动方向的正反情况。

所述步骤3.4中是采用如式(11)所示的集成变异策略更新追随者的当前位置：

式(11)中：

为第l次迭代的第d维中第i个樽海鞘个体更新前的位置，且i>1，

为第l次迭代的第i个樽海鞘个体更新后的位置；k为削弱因子，且服从参数为0.5的指数分布；

为第l次迭代的第d维中第i个樽海鞘个体的位置

的适应值。

与现有技术相比，本发明的有益效果体现在：

1、本发明使用柔性多状态开关为工具对配电网进行电压波动抑制，该柔性多状态开关的接入位置灵活，可控容量大，在更大程度上抑制了电压波动并提高了分布式电源的利用率。

2、本发明建立的优化模型，优化目标函数包括配电系统网损与电压水平两个指标，且应用层次分析法对两个优化目标的权重系数进行了合理分配，在抑制配电网电压波动的同时使配电系统网损降低。

3、本发明采用改进的樽海鞘群算法来对该优化问题进行求解，该算法作为一种新型智能算法，模拟了樽海鞘链的群体行为，是一种较新颖的群智能优化算法，相比传统的粒子群算法等，每次迭代中，领导者指导追随者，以一种链式行为，向食物移动。移动过程中，领导者能进行全局探索，而追随者充分进行局部探索，大大减少陷入局部最优的情况，从而在较短的收敛时间内，求解出使配电网电压波动最小的优化方案，在使配电网电压波动降到最低的同时，使配电系统网损也达到最小。

4、本发明采用的改进的樽海鞘群算法中，在领导者位置更新阶段，引入自适应收敛因子，使得领导者位置更新范围随着迭代次数的增加而逐渐减小。收敛前期，搜索范围不受限，个体可以充分在全局移动，充分发挥了算法的全局搜索能力，避免了陷入局部极值；收敛后期，随着个体越来越逼近最优值，搜索范围也逐渐减小，个体在限制范围内进行精确搜索，增强局部搜索能力，以达到更高的求解精度，从而在求解该配电网优化问题过程中，遍历搜索空间，避免了陷入局部最优与局部极值，更准确地实现优化目标，使配电网电压波动与网损降到最低。

5、本发明采用的改进的樽海鞘群算法中，在追随者位置更新阶段，采用集成变异策略更新樽海鞘群追随者位置：通过比较两相连追随者位置的适应值，在适应值较大的位置(即离最优值距离较远的位置)上添加削弱因子，以削弱较差位置个体的影响权重，增强较优位置个体的影响权重。若两者适应值相同，则根据牛顿运动定律推导出的追随者位置更新公式来更新追随者位置。在收敛过程中，精英个体的权重更大，能更好的发挥协助作用，帮助领导者做决策，不断向食物源(目标)靠近，提高了优化效率，从而快速准确的求解出使配电网电压波动及网损最小的最优方案。

附图说明

图1是本发明中柔性多状态开关接入配电网示意图；

图2是本发明中电压波动抑制方法流程图；

图3是本发明中改进樽海鞘群算法流程图。

具体实施方式

本实施例中，由于分布式电源出力波动与随机的特性，会导致配电网电压波动。因此，利用可进行灵活调控的柔性多状态开关对配电网运行进行优化，优化目标包括抑制电压波动与减小网络损耗，优化方法采用改进的樽海鞘群算法。

基于改进樽海鞘群算法的配电网电压波动抑制方法是以IEEE 33节点系统为例，根据配电系统结构及接入的各元件参数，以节点电压波动与系统网损的加权之和为目标函数，考虑柔性多状态开关的运行容量约束以及配电网系统约束，建立配电网电压波动抑制优化模型。采用改进的樽海鞘群算法求解优化模型，最终得到柔性多状态开关三端口的有功功率及无功功率指令值。利用该指令值对柔性多状态开关进行配置，从而实现保证配电网各节点电压波动最小的同时系统网损最小的优化目标。

参见图1，该系统包括37条支路。柔性多状态开关处于功率连续可控状态，三端口分别接在节点18、25、33，每个VSC的容量均为6MVA。系统电压等级为12.66kV，基准功率为100MVA，节点电压幅值的优化区间为0.95-1.05。节点13、16、32分别接入750kW风电，节点7、27分别接入500kW光伏发电。

参见图2，具体实施中，一种基于改进樽海鞘群算法的配电网电压波动抑制方法是按照如下步骤进行的：

步骤1：通过控制柔性多状态开关各端口的有功及无功功率，以调节各端口所连接馈线的潮流分布。

具体实施中，参见图1，即控制柔性多状态开关的端口1、2、3的有功及无功功率的大小来调节这三个端口所连接馈线的潮流分布。

步骤2：建立含柔性多状态开关及分布式电源的主动配电网运行优化模型，包括：柔性多状态开关及配电网的运行约束条件，以及同时考虑配电系统网损与电压水平的目标函数。

具体实施中，相应约束条件分为柔性多状态开关运行容量约束和配电网系统约束。配电网系统约束包括：系统潮流约束、运行电压水平约束和支路容量约束。

具体实施中，利用式(1)和式(2)建立所述柔性多状态开关的运行容量约束：

式(1)中：P₁ ^FMSS、

P₃ ^FMSS分别为柔性多状态开关的三个端口与配电系统间交换的有功功率；

式(2)中：

分别为柔性多状态开关的三个端口与配电系统间交换的无功功率；

分别为柔性多状态开关的三个端口的额定容量；

利用式(3)-式(5)建立所述系统潮流约束：

式(3)中：Φ_i为以节点i为末端节点的支路首端节点集合；Ψ_i为以节点i为首端节点的支路末端节点集合；X_ij为支路ij的电抗；

式(4)中：P_t,i、Q_t,i分别t时段节点i上注入的有功功率之和以及无功功率之和，

为t时段节点i上分布式电源注入的有功功率和无功功率，

为t时段节点i上FMSS注的有功功率和无功功率，

为t时段节点i上负荷消耗的有功功率和无功功率；

式(5)中：P_t,ij、Q_t,ij分别为t时段节点i流向节点j的有功功率和无功功率；

利用式(6)建立所述运行电压水平约束：

(U_i,min)²≤(U_t,i)²≤(U_i,max)² (6)

式(6)中：U_i,min和U_i,max分别为节点i的电压上、下限；

利用式(7)建立支路容量约束：

0≤(I_t,ji)²≤(I_ij,max)² (7)

式(7)中：I_ij,max为节点i流向节点j的电流幅值上限。

具体实施中，利用式(8)和式(9)建立目标函数f：

(U_t,i≥U^thr,max‖U_t,i≤U^thr,min) (9)

式(8)中：T为优化计算的总时段数；N_N为系统节点数；Ω_i为节点i的相邻节点的集合；R_ij为支路ij的电阻；I_t,ij为t时段节点i流向节点j的电流幅值；U_t,i为t时段节点i的电压幅值；α和β分别为配电系统网络损耗和电压越限的权重系数；

式(9)中U_thr,max、U_thr,min分别为节点电压幅值的优化区间上下限，当节点电压不在优化区间[U_thr,min,U_thr,max]时，此时会通过电压无功控制使电压偏离优化区间的程度减小。对于目标函数式中的配电系统网络损耗的权重系数α和电压越限的权重系数β两个系数，应用层次分析法(analytic hierarchy process，AHP)可得α＝0.83，β＝0.17。

步骤3：如图3所示，改进传统的樽海鞘群优化算法并对步骤2建立的配电网运行优化模型进行求解，得到柔性多状态开关的有功功率及无功功率指令值。

步骤3.1：种群初始化。

设定种群个体数量N＝50，最大迭代次数L＝300，当前迭代次数为l，维数D＝6，搜索空间上下界ub＝100，vb＝-100，优化变量为柔性多状态开关三个端口的有功功率及无功功率指令值。

步骤3.2：在搜索范围内随机初始化樽海鞘群个体的位置，每个个体的位置对应一组优化变量的值；计算每个个体的适应值，适应值是将个体位置代入步骤2中所建立的含柔性多状态开关及分布式电源的主动配电网运行优化模型所得到的目标函数值，将最小适应值的个体位置设为食物源位置。

步骤3.3：令第一个樽海鞘个体为领导者(N＝1)，其余樽海鞘为追随者(2≤N≤50)。

步骤3.4：计算第l次迭代的自适应收敛因子

根据领导者位置更新公式改变领导者的当前位置。自适应领导者位置更新公式为：

式(10)中：

为第l次迭代的第d维中第一个樽海鞘个体的当前位置，F_d为第d维中食物源的位置，c₂、c₃为[0,1]间的两个随机数，Δ＝0.5，用以表示樽海鞘个体移动方向的正反。

步骤3.5：生成削弱因子k，采用集成变异策略更新樽海鞘群追随者的当前位置。追随者位置更新公式为：

式(11)中：

为第l次迭代的第d维中第i个樽海鞘个体更新前的位置，且i>1，

为第l次迭代的第i个樽海鞘个体更新后的位置；k为削弱因子，且服从参数为0.5的指数分布；

为第l次迭代的第d维中第i个樽海鞘个体的位置

的适应值。

步骤3.6：比较更新后的每个个体的适应值和当前食物源位置的适应值，根据适应值的优劣更新食物源位置，即将最小适应值的个体位置设为新的食物源位置。

步骤3.7：若当前迭代次数l达到预设迭代次数L，则结束迭代，执行步骤3.8，否则，返回执行步骤3.4。

步骤3.8：输出最优位置和最优适应值，即输出柔性多状态开关三个端口的功率指令值与配电网电压波动和网损加权和的最小值。

步骤4：利用步骤3得到的指令值对柔性多状态开关进行配置，从而实现对配电网的运行优化，以达到保证配电网各节点电压波动最小的同时系统网损最小的优化目标。

Claims (5)

1.一种基于改进樽海鞘群算法的配电网电压波动抑制方法，其特征在于，包括以下步骤：

步骤1：通过控制柔性多状态开关各端口的有功及无功功率，以调节各端口所连接馈线的潮流分布；

步骤2：建立含柔性多状态开关及分布式电源的主动配电网运行优化模型，包括：柔性多状态开关及配电网的运行约束条件，以及同时考虑配电系统网损与电压水平的目标函数；

步骤3：改进传统的樽海鞘群优化算法并对所述主动配电网运行优化模型进行求解，得到柔性多状态开关的有功功率及无功功率指令值；

步骤3.1：种群初始化：

设定樽海鞘种群个体数量为N，优化变量为柔性多状态开关三个端口的有功功率及无功功率指令值，最大迭代次数为L、当前迭代次数为l，维数为D，上、下边界分别为ub、vb；

步骤3.2：初始化樽海鞘群中每个个体的位置，且每个个体的位置对应一组优化变量的值：

计算每个个体的适应值，且适应值是将个体的位置代入所述主动配电网运行优化模型所得到的目标函数值，将最小适应值的个体位置设为食物源位置；

令第一个樽海鞘个体为领导者，其余樽海鞘个体为追随者；

步骤3.3：生成自适应收敛因子，根据领导者位置更新公式改变领导者的当前位置；

步骤3.4：生成削弱因子k，根据追随者位置更新公式改变追随者的当前位置；

步骤3.5：比较更新后的个体适应值和当前食物源位置的适应值，根据两者适应值的优劣更新当前食物源位置；

步骤3.6：若当前迭代次数l达到预设迭代次数L，则结束迭代，输出当前食物源位置，即柔性多状态开关三个端口的有功功率及无功功率指令值，否则，返回执行步骤3.3；

步骤4：利用步骤3得到有功功率及无功功率指令值对柔性多状态开关进行配置，以实现对配电网的电压波动抑制。

2.根据权利要求1所述的基于改进樽海鞘群算法的配电网电压波动抑制方法，其特征在于：所述步骤2中目标函数f是以配电系统网损最小以及电压波动水平最低为指标，并利用式(1)和式(2)建立：

U_t,i≥U^thr,max‖U_t,i≤U^thr,min (2)

式(1)中，T为优化计算的总时段数；N_N为配电系统的节点数；Ω_i为节点i的相邻节点的集合；R_ij为支路ij的电阻；I_t,ij为t时段节点i流向节点j的电流幅值；U_t,i为t时段节点i的电压幅值；α和β分别为配电系统网络损耗和电压越限的权重系数；

式(2)中，U_thr,max、U_thr,min分别为节点电压幅值的优化区间上下限。

3.根据权利要求2所述的基于改进樽海鞘群算法的配电网电压波动抑制方法，其特征在于：所述步骤2中的运行约束条件包括：柔性多状态开关的运行容量约束以及配电网系统约束；所述配电网系统约束包括：系统潮流约束、运行电压水平约束和支路容量约束；

利用式(3)和式(4)建立所述柔性多状态开关的运行容量约束：

P₁ ^FMSS+P₂ ^FMSS+P₃ ^FMSS＝0 (3)

式(3)中：P₁ ^FMSS、P₂ ^FMSS、P₃ ^FMSS分别为柔性多状态开关的三个端口与配电系统间交换的有功功率；

式(4)中：

分别为柔性多状态开关的三个端口与配电系统间交换的无功功率；

分别为柔性多状态开关的三个端口的额定容量；

利用式(5)-式(7)建立所述系统潮流约束：

式(5)中：Φ_i为以节点i为末端节点的支路首端节点集合；Ψ_i为以节点i为首端节点的支路末端节点集合；X_ij为支路ij的电抗；

式(6)中：P_t,i、Q_t,i分别t时段节点i上注入的有功功率之和以及无功功率之和，

为t时段节点i上分布式电源注入的有功功率和无功功率，

为t时段节点i上FMSS注的有功功率和无功功率，

为t时段节点i上负荷消耗的有功功率和无功功率；

式(7)中：P_t,ij、Q_t,ij分别为t时段节点i流向节点j的有功功率和无功功率；

利用式(8)建立所述运行电压水平约束：

(U_i,min)²≤(U_t,i)²≤(U_i,max)² (8)

式(8)中：U_i,min和U_i,max分别为节点i的电压上、下限；

利用式(9)建立支路容量约束：

0≤(I_t,ji)²≤(I_ij,max)² (9)

式(9)中：I_ij,max为节点i流向节点j的电流幅值上限。

4.根据权利要求1所述的基于改进樽海鞘群算法的配电网电压波动抑制方法，其特征在于：所述步骤3.3中的领导者位置更新公式如式(10)所示：

式(10)中：

为第l次迭代的第d维中第一个樽海鞘个体的当前位置，F_d为第d维中食物源的位置，

为第l次迭代的自适应收敛因子，且

c₂、c₃为[0,1]间的两个随机数，Δ表示樽海鞘个体移动方向的正反情况。

5.根据权利要求4所述的基于改进樽海鞘群算法的配电网电压波动抑制方法，其特征在于：所述步骤3.4中是采用如式(11)所示的集成变异策略更新追随者的当前位置：

式(11)中：

为第l次迭代的第d维中第i个樽海鞘个体更新前的位置，且i>1，

为第l次迭代的第i个樽海鞘个体更新后的位置；k为削弱因子，且服从参数为0.5的指数分布；

为第l次迭代的第d维中第i个樽海鞘个体的位置

的适应值。

Images