CN113779862B - 电力电子柔性开关接入规划方法、装置、设备和存储介质 - Google Patents

电力电子柔性开关接入规划方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN113779862B
CN113779862B CN202110850835.6A CN202110850835A CN113779862B CN 113779862 B CN113779862 B CN 113779862B CN 202110850835 A CN202110850835 A CN 202110850835A CN 113779862 B CN113779862 B CN 113779862B
Authority
CN
China
Prior art keywords
distribution network
electronic flexible
flexible switch
power electronic
power
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
Application number
CN202110850835.6A
Other languages
English (en)
Other versions
CN113779862A (zh
Inventor
马智远
莫文雄
许中
栾乐
饶毅
周凯
徐硕
王勇
叶石丰
唐宗顺
崔晓飞
李情
王荣富
杨帆
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.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong Power Grid 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 Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202110850835.6A priority Critical patent/CN113779862B/zh
Publication of CN113779862A publication Critical patent/CN113779862A/zh
Application granted granted Critical
Publication of CN113779862B publication Critical patent/CN113779862B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • General Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本申请涉及一种电力电子柔性开关接入规划方法、装置、计算机设备和存储介质。方法通过获取配电网运行参数；根据配电网运行参数建立电力电子柔性开关接入配电网的运行模型；通过预设双层决策模型对运行模型中的电力电子柔性开关进行优化配置，获取电力电子柔性开关接入配电网的优化模型；最后通过基于遗传算法和粒子群算法的混合优化算法对优化模型进行求解，获取电力电子柔性开关接入配电网的接入规划方案。通过本申请的电力电子柔性开关接入规划方法，可以有效实现可控负荷调控下的电力电子柔性开关接入规划。

Description

电力电子柔性开关接入规划方法、装置、设备和存储介质
技术领域
本申请涉及电网配电领域，特别是涉及一种电力电子柔性开关接入规划方法、装置、设备和存储介质。
背景技术
配电网是指从输电网或地区发电厂接受电能，通过配电设施就地分配或按电压逐级分配给各类用户的电力网。是由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿器及一些附属设施等组成的，在电力网中起重要分配电能作用的网络。电力电子柔性开关是在主动配电网概念提出后衍生出来的一种电力电子装置。相比于常规开关，电力电子柔性开关通过交-直-交变换和丰富的运行模式，可以实现不同频率和电压等级的电力网络的功率交换，同时也能避免同频率同电压等级电网在合环时因电压相角和幅值的不同产生的冲击。作为一种可控程度高的电力电子设备，电力电子柔性开关必将成为应对配电网灵活性不足和调节分布式新能源波动的关键技术。
目前已有的研究表明，电力电子柔性开关还能在较大范围内对传输功率进行调节，从而优化配电网潮流，实现减小网络损耗、提升供电质量、减少故障失负荷、提升新能源消纳率、均衡负荷等方面的功能。但是在同等设备容量下，电力电子柔性开关的设备生产和运行维护的费用要高于常规开关。对电力电子柔性开关进行合理的规划和配置是充分发挥其设备优势，实现配电网经济良好运行的先决条件。
目前，针对电力电子柔性开关出现了较多以不同建设目标为目的的接入规划方法，这些规划方法基于不同的运行场景，一般以降低配电网运行损耗或者提高配电网供电可靠性为目的来进行电力电子柔性开关的接入规划，然而这些规划方案并不适用于可控负荷调控下的电力电子柔性开关的接入规划。
发明内容
基于此，有必要针对上述技术问题，提供一种能有效在可控负荷调控下进行接入规划的电力电子柔性开关接入规划方法、装置、计算机设备和存储介质。
一种电力电子柔性开关接入规划方法，所述方法包括：
获取配电网运行参数；
根据所述配电网运行参数建立电力电子柔性开关接入所述配电网的运行模型；
通过预设双层决策模型对所述运行模型中的所述电力电子柔性开关进行优化配置，获取所述电力电子柔性开关接入所述配电网的优化模型，所述预设双层决策模型的上层以总投入资源最小为目标函数，选定所述电力电子柔性开关容量与接入位置，所述预设双层决策模型的下层以运行资源投入最小为目标函数，确定电力电子柔性开关运行状态及可控负荷响应程度；
通过基于遗传算法和粒子群算法的混合优化算法对所述优化模型进行求解，获取电力电子柔性开关接入所述配电网的接入规划方案。
在其中一个实施例中，所述根据所述配电网运行参数建立电力电子柔性开关接入所述配电网的运行模型之前，还包括：
获取满足预设功率约束和预设容量约束的电压源型变流器；
将所述电压源型变流器在直流侧并联，构建电力电子柔性开关。
在其中一个实施例中，所述通过预设双层决策模型对所述运行模型中的所述电力电子柔性开关进行优化配置之前，还包括：
获取电力电子柔性开关的建设资源投入、运行维护资源投入、配电网运行投入、配电网线路建设资源投入、需求侧响应补贴资源投入以及需求侧响应无法实现调峰目的惩罚资源投入；
根据所述电力电子柔性开关的建设资源投入、所述运行维护资源投入、所述配电网运行投入、所述配电网线路建设资源投入、所述需求侧响应补贴资源投入以及所述需求侧响应无法实现调峰目的惩罚资源投入构建上层决策目标函数；
获取用电高峰时段的线路损耗资源投入以及馈线负载率，获取非用电高峰时段线路损耗资源投入、可控负荷补偿资源投入以及调节惩罚资源投入；
根据所述用电高峰时段的线路损耗资源投入以及馈线负载率构建用电高峰时段对应的第一下层目标函数，根据所述非用电高峰时段线路损耗资源投入、可控负荷补偿资源投入以及调节惩罚资源投入构建非用电高峰时段对应的第二下层目标函数；
根据所述上层决策目标函数、第一下层目标函数以及所述第二下层目标函数构建预设双层决策模型。
在其中一个实施例中，所述通过基于遗传算法和粒子群算法的混合优化算法对所述优化模型进行求解，获取电力电子柔性开关接入所述配电网的接入规划方案包括：
通过遗传算法对所述优化模型中的电力电子柔性开关容量以及接入位置进行二进制编码，获取初始规划方案；
通过粒子群算法确定各个初始规划方案对应的总资源投入；
将总资源投入最小的方案作为遗传迭代方案；
根据所述遗传迭代方案获取电力电子柔性开关接入所述配电网的接入规划方案。
在其中一个实施例中，所述通过粒子群算法确定各个初始规划方案对应的总资源投入包括：
将当前初始规划方案内所述优化模型配电网的运行时段归类为非用电高峰时段，利用粒子群算法不断更新粒子的速度与位置，最终确定每个运行时段内，每时段下所述配电网内各条馈线的负载率；
根据所述负载率确定可控负荷参与调控下各条馈线对应的期望负载率；
将馈线对应的负载率超过期望负载率的运行时段重新按照用电高峰时段的运行目标进行优化，作为所述运行时段对应的优化结果；
根据各运行时段的优化结果，获取所述当前初始规划方案对应的总资源投入。
在其中一个实施例中，所述根据所述遗传迭代方案获取电力电子柔性开关接入所述配电网的接入规划方案包括：
获取所述遗传迭代方案对应的交叉规划方案以及变异规划方案；
将所述交叉规划方案以及变异规划方案作为初始规划方案，返回通过粒子群算法确定各个初始规划方案对应的总资源投入；
当迭代收敛或达到最大迭代次数时，将最新的遗传迭代方案作为电力电子柔性开关接入所述配电网的接入规划方案。
一种电力电子柔性开关接入规划装置，所述装置包括：
参数获取模块，用于获取配电网运行参数；
运行模型构建模块，用于根据所述配电网运行参数建立电力电子柔性开关接入所述配电网的运行模型；
优化模型构建模块，用于通过预设双层决策模型对所述运行模型中的所述电力电子柔性开关进行优化配置，获取所述电力电子柔性开关接入所述配电网的优化模型，所述预设双层决策模型的上层以总投入资源最小为目标函数，选定所述电力电子柔性开关容量与接入位置，所述预设双层决策模型的下层以运行资源投入最小为目标函数，确定电力电子柔性开关运行状态及可控负荷响应程度；
方案求解模块，用于通过基于遗传算法和粒子群算法的混合优化算法对所述优化模型进行求解，获取电力电子柔性开关接入所述配电网的接入规划方案。
在其中一个实施例中，还包括开关构建模块，用于：获取满足预设功率约束和预设容量约束的电压源型变流器；将所述电压源型变流器在直流侧并联，构建电力电子柔性开关。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取配电网运行参数；
根据所述配电网运行参数建立电力电子柔性开关接入所述配电网的运行模型；
通过预设双层决策模型对所述运行模型中的所述电力电子柔性开关进行优化配置，获取所述电力电子柔性开关接入所述配电网的优化模型，所述预设双层决策模型的上层以总投入资源最小为目标函数，选定所述电力电子柔性开关容量与接入位置，所述预设双层决策模型的下层以运行资源投入最小为目标函数，确定电力电子柔性开关运行状态及可控负荷响应程度；
通过基于遗传算法和粒子群算法的混合优化算法对所述优化模型进行求解，获取电力电子柔性开关接入所述配电网的接入规划方案。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取配电网运行参数；
根据所述配电网运行参数建立电力电子柔性开关接入所述配电网的运行模型；
通过预设双层决策模型对所述运行模型中的所述电力电子柔性开关进行优化配置，获取所述电力电子柔性开关接入所述配电网的优化模型，所述预设双层决策模型的上层以总投入资源最小为目标函数，选定所述电力电子柔性开关容量与接入位置，所述预设双层决策模型的下层以运行资源投入最小为目标函数，确定电力电子柔性开关运行状态及可控负荷响应程度；
通过基于遗传算法和粒子群算法的混合优化算法对所述优化模型进行求解，获取电力电子柔性开关接入所述配电网的接入规划方案。
上述电力电子柔性开关接入规划方法、装置、计算机设备和存储介质，通过获取配电网运行参数；根据配电网运行参数建立电力电子柔性开关接入配电网的运行模型；通过预设双层决策模型对运行模型中的电力电子柔性开关进行优化配置，获取电力电子柔性开关接入配电网的优化模型；最后通过基于遗传算法和粒子群算法的混合优化算法对优化模型进行求解，获取电力电子柔性开关接入配电网的接入规划方案。在本申请的方案中，先基于配电网运行参数来建立电力电子柔性开关接入配电网的运行模型，而后通过在可控负荷调控下进行接入规划的预设双层决策模型，来对运行模型中的电力电子柔性开关进行优化配置，得到相应的优化模型，通过求解优化模型，可以得到最佳的规划方案，通过本申请的电力电子柔性开关接入规划方法，可以有效实现可控负荷调控下的电力电子柔性开关接入规划。
附图说明
图1为一个实施例中电力电子柔性开关接入规划方法的应用环境图；
图2为一个实施例中电力电子柔性开关接入规划方法的流程示意图；
图3为一个实施例中电力电子柔性开关接入配电网的运行模型示意图；
图4为一个实施例中构建预设双层决策模型步骤的流程示意图；
图5为一个实施例中设双层决策模型的结构示意图；
图6为一个实施例中图2中步骤207的子流程示意；
图7为一个实施例中对电力电子柔性开关接入配电网的优化模型进行求解的具体流程示意图；
图8为一个实施例中计算每时段下各条馈线的负载率步骤的流程示意图；
图9为一个实施例中将馈线负载率超过期望负载率的运行时段重新按照用电高峰时段的运行目标进行优化处理对应步骤的流程示意图；
图10为一个实施例中电力电子柔性开关接入规划装置的结构框图；
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的电力电子柔性开关接入规划方法，可以应用于如图1所示的应用环境中。其中终端102与服务器104通过网络连接，其中终端102可以通过向服务器104发送配电网运行参数，来通过服务器104完成配电网在可控负荷调控下的电力电子柔性开关接入规划。服务器104可以获取配电网运行参数；根据配电网运行参数建立电力电子柔性开关接入配电网的运行模型；通过预设双层决策模型对运行模型中的电力电子柔性开关进行优化配置，获取电力电子柔性开关接入配电网的优化模型，预设双层决策模型的上层以总投入资源最小为目标函数，选定电力电子柔性开关容量与接入位置，预设双层决策模型的下层以运行资源投入最小为目标函数，确定电力电子柔性开关运行状态及可控负荷响应程度；通过基于遗传算法和粒子群算法的混合优化算法对优化模型进行求解，获取电力电子柔性开关接入配电网的接入规划方案。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现，也可以为云服务器。
在一个实施例中，如图2所示，提供了一种电力电子柔性开关接入规划方法，本实施例以该方法应用于图1中的服务器104为例进行说明。本实施例中，该方法包括以下步骤：
步骤201，获取配电网运行参数。
步骤203，根据配电网运行参数建立电力电子柔性开关接入配电网的运行模型。
其中，配电网运行参数对应的配电网是电力电子柔性开关接入的目标配电网。配电网运行参数具体包括了配电网的线路、运行情况、需求侧响应、用电高峰以及非用电高峰等类型的相关数据。配电网运行参数是当前进行电力电子柔性开关接入规划过程建模所用的基础数据。电力电子柔性开关是在主动配电网概念提出后衍生出来的一种电力电子装置。相比于常规开关，电力电子柔性开关通过交-直-交变换和丰富的运行模式，可以实现不同频率和电压等级的电力网络的功率交换，同时也能避免同频率同电压等级电网在合环时因电压相角和幅值的不同产生的冲击。电力电子柔性开关接入配电网的运行模型具体可以参照图3。该运行模型内，配电网系统包含配电变压器、母线和多条馈线，负荷和分布式电源通过常规开关连接在馈线节点上，不同馈线之间通过电力电子柔性开关实现合环运行。
具体地，在进行电力电子柔性开关接入规划，得出相应的规划方案时，可以先获取配电网运行参数，而后基于配电网运行参数来建立电力电子柔性开关接入配电网的运行模型，从而依据运行模型来确定电力电子柔性开关的接入规划方案，规划方案主要用于确定配电网中电力电子柔性开关容量以及接入位置。
步骤205，通过预设双层决策模型对运行模型中的电力电子柔性开关进行优化配置，获取电力电子柔性开关接入配电网的优化模型，预设双层决策模型的上层以总投入资源最小为目标函数，选定电力电子柔性开关容量与接入位置，预设双层决策模型的下层以运行资源投入最小为目标函数，确定电力电子柔性开关运行状态及可控负荷响应程度。
其中，双层决策模型是基于双层决策问题的一种数学模型，用于解决双层决策系统的优化，双层决策模型中上层决策者与下层决策者都有各自的目标函数与约束条件。上层先给一个决策变量，下层各子系统以决策变量为参量，根据自身的目标函数与约束条件，在可能的范围内求取最优值，并将其反馈至上层，上层再在下层最优值的基础上，在可能的范围内求取整体上的最优值。可控负荷指在供电部门要求下，按合同可以限制用电一段时间的特定用户的负荷。本申请主要通过电力电子柔性开关接入规划方法，来对可控负荷和电力电子柔性开关联合调控下的电力电子柔性开关的布置方案进行优化。因此，在优化模型的下层，以电力电子柔性开关运行状态及可控负荷响应程度进行优化。
具体地，在得到配电网的运行模型后，可以通过预设双层决策模型对运行模型中的电力电子柔性开关进行优化配置。这一过程具体用于构建优化模型。以双层决策模型的模式，在上层模型中确定电力电子柔性开关容量与接入位置，如何才能使得总投入资源最小，同时在下层模型中确定电力电子柔性开关运行状态及可控负荷响应程度。
步骤207，通过基于遗传算法和粒子群算法的混合优化算法对优化模型进行求解，获取电力电子柔性开关接入配电网的接入规划方案。
其中，遗传算法(Genetic Algorithm，GA)最早是由美国的John holland于20世纪70年代提出,该算法是根据大自然中生物体进化规律而设计提出的。是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。而粒子群优化算法又翻译为粒子群算法、微粒群算法、或微粒群优化算法。是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值，每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。
具体地，对于优化模型的求解，本申请中，通过结合遗传算法和粒子群算法的混合优化算法来对基于双层决策模型的优化模型进行求解，从不同电力电子柔性开关容量与接入位置的不同规划方案中，搜索的得到最优的规划方案，并将其作为最终的电力电子柔性开关接入配电网的接入规划方案。
上述电力电子柔性开关接入规划方法，通过获取配电网运行参数；根据配电网运行参数建立电力电子柔性开关接入配电网的运行模型；通过预设双层决策模型对运行模型中的电力电子柔性开关进行优化配置，获取电力电子柔性开关接入配电网的优化模型；最后通过基于遗传算法和粒子群算法的混合优化算法对优化模型进行求解，获取电力电子柔性开关接入配电网的接入规划方案。在本申请的方案中，先基于配电网运行参数来建立电力电子柔性开关接入配电网的运行模型，而后通过在可控负荷调控下进行接入规划的预设双层决策模型，来对运行模型中的电力电子柔性开关进行优化配置，得到相应的优化模型，通过求解优化模型，可以得到最佳的规划方案，通过本申请的电力电子柔性开关接入规划方法，可以有效实现可控负荷调控下的电力电子柔性开关接入规划。
在其中一个实施例中，步骤203之前，还包括：获取满足预设功率约束和预设容量约束的电压源型变流器；将电压源型变流器在直流侧并联，构建电力电子柔性开关。
具体地，构建电力电子柔性开关具体是指构建电力电子柔性开关的模型。在将电力电子柔性开关接入配电网的运行模型之前，还需要构建电力电子柔性开关的模型。因此，可以获取满足预设功率约束和预设容量约束的电压源型变流器；将电压源型变流器在直流侧并联，构建电力电子柔性开关。所建立的电力电子柔性开关模型由2个电压源型变流器在直流侧并联组成，每一端变流器输出的有功功率和无功功率都可独立控制，但需要满足功率约束和容量约束，具体表示如下：
P1+P2+P1,loss+P2,loss+Pd,loss＝0
Figure GDA0003635864590000101
Figure GDA0003635864590000102
Figure GDA0003635864590000103
Figure GDA0003635864590000104
Figure GDA0003635864590000105
式中，P1和P2分别表示两端变流器输出的有功功率P1,loss和P2,loss分别表示两端变流器损耗，Pd,loss表示直流线路损耗，S表示变流器容量，A1和A2分别表示变流器的损耗系数，Ad为直流线路的损耗系数。通过预先构建电力电子柔性开关的模型，可以更有效地建立电力电子柔性开关接入配电网的运行模型
在其中一个实施例中，如图4所示，步骤205之前，还包括：
步骤401，获取电力电子柔性开关的建设资源投入、运行维护资源投入、配电网运行投入、配电网线路建设资源投入、需求侧响应补贴资源投入以及需求侧响应无法实现调峰目的惩罚资源投入。
步骤403，根据电力电子柔性开关的建设资源投入、运行维护资源投入、配电网运行投入、配电网线路建设资源投入、需求侧响应补贴资源投入以及需求侧响应无法实现调峰目的惩罚资源投入构建上层决策目标函数。
步骤405，获取用电高峰时段的线路损耗资源投入以及馈线负载率，获取非用电高峰时段线路损耗资源投入、可控负荷补偿资源投入以及调节惩罚资源投入。
步骤407，根据用电高峰时段的线路损耗资源投入以及馈线负载率构建用电高峰时段对应的第一下层目标函数，根据非用电高峰时段线路损耗资源投入、可控负荷补偿资源投入以及调节惩罚资源投入构建非用电高峰时段对应的第二下层目标函数。
步骤409，根据上层决策目标函数、第一下层目标函数以及第二下层目标函数构建预设双层决策模型。
具体地，本申请的方案中，需要建立上层以总投入资源最小为目标函数选定电力电子柔性开关容量与接入位置，下层以运行资源投入最小为目标函数确定电力电子柔性开关运行状态及可控负荷响应程度的双层决策模型；因此，在构建模型的过程中，可以先获取电力电子柔性开关的建设资源投入、运行维护资源投入、配电网运行投入、配电网线路建设资源投入、需求侧响应补贴资源投入以及需求侧响应无法实现调峰目的惩罚资源投入；而后根据电力电子柔性开关的建设资源投入、运行维护资源投入、配电网运行投入、配电网线路建设资源投入、需求侧响应补贴资源投入以及需求侧响应无法实现调峰目的惩罚资源投入等整体上的资源投入来构建上层决策目标函数。
在其中一个实施例中，上层决策目标函数具体可以为：
min C
C＝C0+C1+C2+C3+C4+C5
Figure GDA0003635864590000111
Figure GDA0003635864590000112
Figure GDA0003635864590000113
Figure GDA0003635864590000114
Figure GDA0003635864590000115
Figure GDA0003635864590000116
C5＝REQUEST·request
其中，C0表示电力电子柔性开关的建设资源投入等年值，df为柔开贴现率，yf为柔开的经济使用年限，cf为单位容量柔开安装费用，N为安装的柔开个数，Sf,i为安装的第i台柔开容量。C1表示运行维护资源投入的运行维护资源投入，η为柔开年运行维护费用系数；C2表示配电网年运行资源投入，cp表示电价，Ploss,i表示一天中第i小时配电网网损，FINE为一天运行中是否存在电压越限的判断变量，fine表示电压越限惩罚资源投入；C3为安装柔开后满足配电网供电需求的配电线路建设资源投入，dline为配电线路贴现率，yline为配电线路的经济使用年限，cline为单位容量配电线路安装及维护费用，n为配电线路支路数，Sline,i为一天内流经第i条配电线路的最大功率容量；C4为需求侧响应对用户的补贴资源投入，Zi第i小时内的可控负荷补偿费用，ΔPi表示第i小时内可控负荷响应减少的负荷量，Dj表示第j段阶梯补偿的负荷量区间长度，Hj表示第j段阶梯补偿的单位补偿价格；C5为需求侧响应无法实现调峰目的惩罚资源投入，REQUEST表示调节负载峰值是否达到限制要求变量，request表示负载峰值越限惩罚资源投入。上层目标函数对应的决策变量为电力电子柔性开关的容量以及位置。
而对于下层目标函数，则因处于用电高峰时段或非用电高峰时段而不同，而需要分段来计算，高峰段通过获取用电高峰时段的线路损耗资源投入以及馈线负载率来确定，低峰段获取非用电高峰时段线路损耗资源投入、可控负荷补偿资源投入以及调节惩罚资源投入来构建。
在其中一个实施例中，在非用电高峰时段中每一时段的第二目标函数和约束条件为：
min f x(i)
fx(i)＝αPloss,i *+(1-α)Fi *
Figure GDA0003635864590000121
Figure GDA0003635864590000131
第i小时为非用电高峰时段(1≤i≤24)
Figure GDA0003635864590000132
式中，fx(i)表示第i小时内的优化目标函数；Ploss,i表示第i小时内线路损耗，Ploss,i *表示第i小时内线路损耗标幺值；Ploss,base表示线路损耗基准值，Fi *表示第i小时内馈线负载均衡度，IⅠ,i、IⅡ,i分别表示第i小时内两条馈线的首端电流；α为权重系数，取0到1；Ij,i表示第i小时内第j条支路的电流，Ij,max表示第j条支路的最大允许电流，Ui *表示第j条支路末端节点电压标幺值，ΔU表示配电网运行时电压允许偏差百分数；
在用电高峰时段中每一时段的第一目标函数和约束条件为：
min f x(i)
fx(i)＝Ploss,icp+ZI，i+ZII，i+106·Yi
Yi＝yI，i+yII，i
Figure GDA0003635864590000133
Figure GDA0003635864590000141
第i小时为非用电高峰时段(1≤i≤24)
Figure GDA0003635864590000142
式中，W表示可控负荷参与调控后负荷峰值的期望值，Yi表示第i小时内馈线负载与期望值偏差。下层规划模型的决策变量为网络损耗、线路负载均衡率自己需求侧可控负荷响应情况。在其中一个实施例中，预设双层决策模型的结构具体可以参照图5。
当得到上层决策目标函数、第一下层目标函数以及第二下层目标函数，即可基于目标函数以及函数对应的约束构建预设双层决策模型。而后基于预设双层决策模型来进行电子柔性开关接入规划。本实施例中，通过分别构建上层决策目标函数、第一下层目标函数以及第二下层目标函数来构建预设双层决策模型，从而可以更有效地构建预设双层决策模型，并获取电力电子柔性开关接入配电网的优化模型，保证模型构建的准确性。
在其中一个实施例中，如图6所示，步骤207包括：
步骤601，通过遗传算法对优化模型中的电力电子柔性开关容量以及接入位置进行二进制编码，获取初始规划方案。
步骤603，通过粒子群算法确定各个初始规划方案对应的总资源投入。
步骤605，将总资源投入最小的方案作为遗传迭代方案。
步骤607，根据遗传迭代方案获取电力电子柔性开关接入配电网的接入规划方案。
其中步骤607具体包括：获取遗传迭代方案对应的交叉规划方案以及变异规划方案；将交叉规划方案以及变异规划方案作为初始规划方案，返回通过粒子群算法确定各个初始规划方案对应的总资源投入；当迭代收敛或达到最大迭代次数时，将最新的遗传迭代方案作为电力电子柔性开关接入配电网的接入规划方案。
具体地，可以先通过遗传算法来对优化模型中的电力电子柔性开关容量以及接入位置进行二进制编码，来获取若干的初始规划方案。而后通过粒子群算法，计算每个初始规划方案对应的总资源投入，在得到计算结果后，则可以将总资源投入最小的方案，即初始规划方案中最优的方案作为遗传迭代过程的种子方案来进行迭代；基于将总资源投入最小的方案作为遗传迭代方案；而后获取遗传迭代方案对应的交叉规划方案以及变异规划方案；将交叉规划方案以及变异规划方案作为初始规划方案，返回通过粒子群算法确定各个初始规划方案对应的总资源投入；当迭代收敛或达到最大迭代次数时，将最新的遗传迭代方案作为电力电子柔性开关接入配电网的接入规划方案。在其中一个的实施例中，对电力电子柔性开关接入配电网的优化模型进行求解的具体流程可以参照图7所示。本实施例中，通过遗传算法以及粒子群算法来计算优化模型对应的最优方案，可以有效保证方案规划过程的准确性与效率。
在其中一个实施例中，步骤603包括：将当前初始规划方案内优化模型配电网的运行时段归类为非用电高峰时段，利用粒子群算法不断更新粒子的速度与位置，最终确定每个运行时段内，每时段下配电网内各条馈线的负载率；根据负载率确定可控负荷参与调控下各条馈线对应的期望负载率；将馈线对应的负载率超过期望负载率的运行时段重新按照用电高峰时段的运行目标进行优化，作为运行时段对应的优化结果；根据各运行时段的优化结果，获取当前初始规划方案对应的总资源投入。
具体的，对于计算方案对应总资源投入的流程，可以选定其中一种电力电子柔性开关规划方案，将所有运行时段归类为非用电高峰时段，而后利用粒子群算法不断更新粒子的速度与位置，最终确定每个运行时段电力电子柔性开关传输的有功功率、两侧输出的无功功率的连续变量，并计算每时段下各条馈线的负载率，而后根据负载率大致计算出可控负荷参与调控下的期望负载率后，将馈线负载率超过期望负载率的运行时段重新按照用电高峰时段的运行目标进行优化，作为这些时段的最终运行状态；根据各时段的优化结果，计算出该规划方案的总资源投入。在一个具体的实施例中，计算每时段下各条馈线的负载率，具体流程可以参照图8。而将馈线负载率超过期望负载率的运行时段重新按照用电高峰时段的运行目标进行优化，作为这些时段的最终运行状态处理的流程则可以参照图9。通过粒子群算法可以有效计算出各个初始规划方案对应的总资源投入。
应该理解的是，虽然图2-9的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-9中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图10所示，提供了一种电力电子柔性开关接入规划装置，包括：
参数获取模块1002，用于获取配电网运行参数。
运行模型构建模块1004，用于根据配电网运行参数建立电力电子柔性开关接入配电网的运行模型。
优化模型构建模块1006，用于通过预设双层决策模型对运行模型中的电力电子柔性开关进行优化配置，获取电力电子柔性开关接入配电网的优化模型，预设双层决策模型的上层以总投入资源最小为目标函数，选定电力电子柔性开关容量与接入位置，预设双层决策模型的下层以运行资源投入最小为目标函数，确定电力电子柔性开关运行状态及可控负荷响应程度。
方案求解模块1008，用于通过基于遗传算法和粒子群算法的混合优化算法对优化模型进行求解，获取电力电子柔性开关接入配电网的接入规划方案。
在其中一个实施例中，还包括开关构建模块，用于：获取满足预设功率约束和预设容量约束的电压源型变流器；将电压源型变流器在直流侧并联，构建电力电子柔性开关。
在其中一个实施例中，还包括决策模型构建模块，用于：获取电力电子柔性开关的建设资源投入、运行维护资源投入、配电网运行投入、配电网线路建设资源投入、需求侧响应补贴资源投入以及需求侧响应无法实现调峰目的惩罚资源投入；根据电力电子柔性开关的建设资源投入、运行维护资源投入、配电网运行投入、配电网线路建设资源投入、需求侧响应补贴资源投入以及需求侧响应无法实现调峰目的惩罚资源投入构建上层决策目标函数；获取用电高峰时段的线路损耗资源投入以及馈线负载率，获取非用电高峰时段线路损耗资源投入、可控负荷补偿资源投入以及调节惩罚资源投入；根据用电高峰时段的线路损耗资源投入以及馈线负载率构建用电高峰时段对应的第一下层目标函数，根据非用电高峰时段线路损耗资源投入、可控负荷补偿资源投入以及调节惩罚资源投入构建非用电高峰时段对应的第二下层目标函数；根据上层决策目标函数、第一下层目标函数以及第二下层目标函数构建预设双层决策模型。
在其中一个实施例中，方案求解模块1008具体用于：通过遗传算法对优化模型中的电力电子柔性开关容量以及接入位置进行二进制编码，获取初始规划方案；通过粒子群算法确定各个初始规划方案对应的总资源投入；将总资源投入最小的方案作为遗传迭代方案；根据遗传迭代方案获取电力电子柔性开关接入配电网的接入规划方案。
在其中一个实施例中，方案求解模块1008还用于：将当前初始规划方案内优化模型配电网的运行时段归类为非用电高峰时段，利用粒子群算法不断更新粒子的速度与位置，最终确定每个运行时段内，每时段下配电网内各条馈线的负载率；根据负载率确定可控负荷参与调控下各条馈线对应的期望负载率；将馈线对应的负载率超过期望负载率的运行时段重新按照用电高峰时段的运行目标进行优化，作为运行时段对应的优化结果；根据各运行时段的优化结果，获取当前初始规划方案对应的总资源投入。
在其中一个实施例中，方案求解模块1008还用于：获取遗传迭代方案对应的交叉规划方案以及变异规划方案；将交叉规划方案以及变异规划方案作为初始规划方案，返回通过粒子群算法确定各个初始规划方案对应的总资源投入；当迭代收敛或达到最大迭代次数时，将最新的遗传迭代方案作为电力电子柔性开关接入配电网的接入规划方案。
关于电力电子柔性开关接入规划装置的具体限定可以参见上文中对于电力电子柔性开关接入规划方法的限定，在此不再赘述。上述电力电子柔性开关接入规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储电力电子柔性开关接入规划相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电力电子柔性开关接入规划方法。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取配电网运行参数；
根据配电网运行参数建立电力电子柔性开关接入配电网的运行模型；
通过预设双层决策模型对运行模型中的电力电子柔性开关进行优化配置，获取电力电子柔性开关接入配电网的优化模型，预设双层决策模型的上层以总投入资源最小为目标函数，选定电力电子柔性开关容量与接入位置，预设双层决策模型的下层以运行资源投入最小为目标函数，确定电力电子柔性开关运行状态及可控负荷响应程度；
通过基于遗传算法和粒子群算法的混合优化算法对优化模型进行求解，获取电力电子柔性开关接入配电网的接入规划方案。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取满足预设功率约束和预设容量约束的电压源型变流器；将电压源型变流器在直流侧并联，构建电力电子柔性开关。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取电力电子柔性开关的建设资源投入、运行维护资源投入、配电网运行投入、配电网线路建设资源投入、需求侧响应补贴资源投入以及需求侧响应无法实现调峰目的惩罚资源投入；根据电力电子柔性开关的建设资源投入、运行维护资源投入、配电网运行投入、配电网线路建设资源投入、需求侧响应补贴资源投入以及需求侧响应无法实现调峰目的惩罚资源投入构建上层决策目标函数；获取用电高峰时段的线路损耗资源投入以及馈线负载率，获取非用电高峰时段线路损耗资源投入、可控负荷补偿资源投入以及调节惩罚资源投入；根据用电高峰时段的线路损耗资源投入以及馈线负载率构建用电高峰时段对应的第一下层目标函数，根据非用电高峰时段线路损耗资源投入、可控负荷补偿资源投入以及调节惩罚资源投入构建非用电高峰时段对应的第二下层目标函数；根据上层决策目标函数、第一下层目标函数以及第二下层目标函数构建预设双层决策模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过遗传算法对优化模型中的电力电子柔性开关容量以及接入位置进行二进制编码，获取初始规划方案；通过粒子群算法确定各个初始规划方案对应的总资源投入；
将总资源投入最小的方案作为遗传迭代方案；根据遗传迭代方案获取电力电子柔性开关接入配电网的接入规划方案。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将当前初始规划方案内优化模型配电网的运行时段归类为非用电高峰时段，利用粒子群算法不断更新粒子的速度与位置，最终确定每个运行时段内，每时段下配电网内各条馈线的负载率；根据负载率确定可控负荷参与调控下各条馈线对应的期望负载率；将馈线对应的负载率超过期望负载率的运行时段重新按照用电高峰时段的运行目标进行优化，作为运行时段对应的优化结果；根据各运行时段的优化结果，获取当前初始规划方案对应的总资源投入。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取遗传迭代方案对应的交叉规划方案以及变异规划方案；将交叉规划方案以及变异规划方案作为初始规划方案，返回通过粒子群算法确定各个初始规划方案对应的总资源投入；当迭代收敛或达到最大迭代次数时，将最新的遗传迭代方案作为电力电子柔性开关接入配电网的接入规划方案。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取配电网运行参数；
根据配电网运行参数建立电力电子柔性开关接入配电网的运行模型；
通过预设双层决策模型对运行模型中的电力电子柔性开关进行优化配置，获取电力电子柔性开关接入配电网的优化模型，预设双层决策模型的上层以总投入资源最小为目标函数，选定电力电子柔性开关容量与接入位置，预设双层决策模型的下层以运行资源投入最小为目标函数，确定电力电子柔性开关运行状态及可控负荷响应程度；
通过基于遗传算法和粒子群算法的混合优化算法对优化模型进行求解，获取电力电子柔性开关接入配电网的接入规划方案。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取满足预设功率约束和预设容量约束的电压源型变流器；将电压源型变流器在直流侧并联，构建电力电子柔性开关。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取电力电子柔性开关的建设资源投入、运行维护资源投入、配电网运行投入、配电网线路建设资源投入、需求侧响应补贴资源投入以及需求侧响应无法实现调峰目的惩罚资源投入；根据电力电子柔性开关的建设资源投入、运行维护资源投入、配电网运行投入、配电网线路建设资源投入、需求侧响应补贴资源投入以及需求侧响应无法实现调峰目的惩罚资源投入构建上层决策目标函数；获取用电高峰时段的线路损耗资源投入以及馈线负载率，获取非用电高峰时段线路损耗资源投入、可控负荷补偿资源投入以及调节惩罚资源投入；根据用电高峰时段的线路损耗资源投入以及馈线负载率构建用电高峰时段对应的第一下层目标函数，根据非用电高峰时段线路损耗资源投入、可控负荷补偿资源投入以及调节惩罚资源投入构建非用电高峰时段对应的第二下层目标函数；根据上层决策目标函数、第一下层目标函数以及第二下层目标函数构建预设双层决策模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：通过遗传算法对优化模型中的电力电子柔性开关容量以及接入位置进行二进制编码，获取初始规划方案；通过粒子群算法确定各个初始规划方案对应的总资源投入；将总资源投入最小的方案作为遗传迭代方案；根据遗传迭代方案获取电力电子柔性开关接入配电网的接入规划方案。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将当前初始规划方案内优化模型配电网的运行时段归类为非用电高峰时段，利用粒子群算法不断更新粒子的速度与位置，最终确定每个运行时段内，每时段下配电网内各条馈线的负载率；根据负载率确定可控负荷参与调控下各条馈线对应的期望负载率；将馈线对应的负载率超过期望负载率的运行时段重新按照用电高峰时段的运行目标进行优化，作为运行时段对应的优化结果；根据各运行时段的优化结果，获取当前初始规划方案对应的总资源投入。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取遗传迭代方案对应的交叉规划方案以及变异规划方案；将交叉规划方案以及变异规划方案作为初始规划方案，返回通过粒子群算法确定各个初始规划方案对应的总资源投入；当迭代收敛或达到最大迭代次数时，将最新的遗传迭代方案作为电力电子柔性开关接入配电网的接入规划方案。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(RandomAccessMemory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(StaticRandomAccessMemory，SRAM)或动态随机存取存储器(DynamicRandomAccessMemory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种电力电子柔性开关接入规划方法，所述方法包括：
获取配电网运行参数；
根据所述配电网运行参数建立电力电子柔性开关接入所述配电网的运行模型；
通过预设双层决策模型对所述运行模型中的所述电力电子柔性开关进行优化配置，获取所述电力电子柔性开关接入所述配电网的优化模型，所述预设双层决策模型的上层以总投入资源最小为目标函数，选定所述电力电子柔性开关容量与接入位置，所述预设双层决策模型的下层以运行资源投入最小为目标函数，确定电力电子柔性开关运行状态及可控负荷响应程度；
通过基于遗传算法和粒子群算法的混合优化算法对所述优化模型进行求解，获取电力电子柔性开关接入所述配电网的接入规划方案；
所述通过基于遗传算法和粒子群算法的混合优化算法对所述优化模型进行求解，获取电力电子柔性开关接入所述配电网的接入规划方案包括：
通过遗传算法对所述优化模型中的电力电子柔性开关容量以及接入位置进行二进制编码，获取初始规划方案；
通过粒子群算法确定各个初始规划方案对应的总资源投入；
将总资源投入最小的方案作为遗传迭代方案；
根据所述遗传迭代方案获取电力电子柔性开关接入所述配电网的接入规划方案；
所述通过粒子群算法确定各个初始规划方案对应的总资源投入包括：
将当前初始规划方案内所述优化模型配电网的运行时段归类为非用电高峰时段，利用粒子群算法不断更新粒子的速度与位置，最终确定每个运行时段内，每时段下所述配电网内各条馈线的负载率；
根据所述负载率确定可控负荷参与调控下各条馈线对应的期望负载率；
将馈线对应的负载率超过期望负载率的运行时段重新按照用电高峰时段的运行目标进行优化，作为所述运行时段对应的优化结果；
根据各运行时段的优化结果，获取所述当前初始规划方案对应的总资源投入。
2.根据权利要求1所述的方法，其特征在于，所述根据所述配电网运行参数建立电力电子柔性开关接入所述配电网的运行模型之前，还包括：
获取满足预设功率约束和预设容量约束的电压源型变流器；
将所述电压源型变流器在直流侧并联，构建电力电子柔性开关。
3.根据权利要求1所述的方法，其特征在于，所述通过预设双层决策模型对所述运行模型中的所述电力电子柔性开关进行优化配置之前，还包括：
获取电力电子柔性开关的建设资源投入、运行维护资源投入、配电网运行投入、配电网线路建设资源投入、需求侧响应补贴资源投入以及需求侧响应无法实现调峰目的惩罚资源投入；
根据所述电力电子柔性开关的建设资源投入、所述运行维护资源投入、所述配电网运行投入、所述配电网线路建设资源投入、所述需求侧响应补贴资源投入以及所述需求侧响应无法实现调峰目的惩罚资源投入构建上层决策目标函数；
获取用电高峰时段的线路损耗资源投入以及馈线负载率，获取非用电高峰时段线路损耗资源投入、可控负荷补偿资源投入以及调节惩罚资源投入；
根据所述用电高峰时段的线路损耗资源投入以及馈线负载率构建用电高峰时段对应的第一下层目标函数，根据所述非用电高峰时段线路损耗资源投入、可控负荷补偿资源投入以及调节惩罚资源投入构建非用电高峰时段对应的第二下层目标函数；
根据所述上层决策目标函数、第一下层目标函数以及所述第二下层目标函数构建预设双层决策模型。
4.根据权利要求1所述的方法，其特征在于，所述配电网运行参数包括：配电网的线路参数、运行情况参数、需求侧响应参数、用电高峰参数以及非用电高峰参数。
5.根据权利要求1所述的方法，其特征在于，所述配电网的运行模型中的配电网系统包含配电变压器、母线和多条馈线，负荷和分布式电源通过常规开关连接在馈线节点上，不同馈线之间通过电力电子柔性开关实现合环运行。
6.根据权利要求4所述的方法，其特征在于，所述根据所述遗传迭代方案获取电力电子柔性开关接入所述配电网的接入规划方案包括：
获取所述遗传迭代方案对应的交叉规划方案以及变异规划方案；
将所述交叉规划方案以及变异规划方案作为初始规划方案，返回通过粒子群算法确定各个初始规划方案对应的总资源投入；
当迭代收敛或达到最大迭代次数时，将最新的遗传迭代方案作为电力电子柔性开关接入所述配电网的接入规划方案。
7.一种电力电子柔性开关接入规划装置，其特征在于，所述装置包括：
参数获取模块，用于获取配电网运行参数；
运行模型构建模块，用于根据所述配电网运行参数建立电力电子柔性开关接入所述配电网的运行模型；
优化模型构建模块，用于通过预设双层决策模型对所述运行模型中的所述电力电子柔性开关进行优化配置，获取所述电力电子柔性开关接入所述配电网的优化模型，所述预设双层决策模型的上层以总投入资源最小为目标函数，选定所述电力电子柔性开关容量与接入位置，所述预设双层决策模型的下层以运行资源投入最小为目标函数，确定电力电子柔性开关运行状态及可控负荷响应程度；
方案求解模块，用于通过基于遗传算法和粒子群算法的混合优化算法对所述优化模型进行求解，获取电力电子柔性开关接入所述配电网的接入规划方案；
所述方案求解模块具体用于：通过遗传算法对所述优化模型中的电力电子柔性开关容量以及接入位置进行二进制编码，获取初始规划方案；通过粒子群算法确定各个初始规划方案对应的总资源投入；将总资源投入最小的方案作为遗传迭代方案；根据所述遗传迭代方案获取电力电子柔性开关接入所述配电网的接入规划方案；所述通过粒子群算法确定各个初始规划方案对应的总资源投入包括：将当前初始规划方案内所述优化模型配电网的运行时段归类为非用电高峰时段，利用粒子群算法不断更新粒子的速度与位置，最终确定每个运行时段内，每时段下所述配电网内各条馈线的负载率；根据所述负载率确定可控负荷参与调控下各条馈线对应的期望负载率；将馈线对应的负载率超过期望负载率的运行时段重新按照用电高峰时段的运行目标进行优化，作为所述运行时段对应的优化结果；根据各运行时段的优化结果，获取所述当前初始规划方案对应的总资源投入。
8.根据权利要求7所述的装置，其特征在于，还包括开关构建模块，用于：
获取满足预设功率约束和预设容量约束的电压源型变流器；
将所述电压源型变流器在直流侧并联，构建电力电子柔性开关。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202110850835.6A 2021-07-27 2021-07-27 电力电子柔性开关接入规划方法、装置、设备和存储介质 Active CN113779862B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110850835.6A CN113779862B (zh) 2021-07-27 2021-07-27 电力电子柔性开关接入规划方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110850835.6A CN113779862B (zh) 2021-07-27 2021-07-27 电力电子柔性开关接入规划方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN113779862A CN113779862A (zh) 2021-12-10
CN113779862B true CN113779862B (zh) 2022-08-02

Family

ID=78836345

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110850835.6A Active CN113779862B (zh) 2021-07-27 2021-07-27 电力电子柔性开关接入规划方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN113779862B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108306298A (zh) * 2018-01-17 2018-07-20 中国科学院电工研究所 一种柔性多状态开关接入配电网的设计方法
CN112039069A (zh) * 2020-09-04 2020-12-04 国网山东省电力公司济宁供电公司 一种配电网储能与柔性开关的双层协同规划方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150058061A1 (en) * 2013-08-26 2015-02-26 Magdy Salama Zonal energy management and optimization systems for smart grids applications

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108306298A (zh) * 2018-01-17 2018-07-20 中国科学院电工研究所 一种柔性多状态开关接入配电网的设计方法
CN112039069A (zh) * 2020-09-04 2020-12-04 国网山东省电力公司济宁供电公司 一种配电网储能与柔性开关的双层协同规划方法及系统

Also Published As

Publication number Publication date
CN113779862A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN110266038B (zh) 一种多虚拟电厂分布式协调调控方法
CN107968439B (zh) 基于混合整数线性规划的主动配电网联合优化算法
Alavi et al. Forecast-based consensus control for DC microgrids using distributed long short-term memory deep learning models
CN110826880A (zh) 一种大规模电动汽车接入的主动配电网优化调度方法
CN111682536B (zh) 虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法
CN111277004B (zh) 一种配电网“源-网-荷”两阶段多目标控制方法及系统
Tian et al. Coordinated planning with predetermined renewable energy generation targets using extended two-stage robust optimization
CN113159366A (zh) 一种多微电网系统多时间尺度自适应优化调度方法
CN114899885A (zh) 电力调度方法、系统和存储介质
CN108493943B (zh) 多微电网系统电能的调度方法、系统、装置及存储介质
CN112633699B (zh) 主动配电网网架规划方法、装置、计算机设备和存储介质
CN113779862B (zh) 电力电子柔性开关接入规划方法、装置、设备和存储介质
CN116865270A (zh) 一种含嵌入式直流的柔性互联配电网优化调度方法及系统
CN116054270A (zh) 电网调度优化方法、装置和非易失性存储介质
CN115967086A (zh) 一种有源配电网调配方法、装置、设备及存储介质
CN115764900A (zh) 一种考虑阻塞缓解效益的配网资源聚合方法及系统
CN115765035A (zh) 一种适应于全时段动态重构的柔性配电网扰动恢复方法
Dehghanpour et al. Intelligent microgrid power management using the concept of Nash bargaining solution
CN114418232A (zh) 储能系统运行优化方法、系统、服务器及存储介质
CN113780722A (zh) 配电网的联合规划方法、装置、计算机设备和存储介质
Shayeghi et al. FACTS devices allocation using a novel dedicated improved PSO for optimal operation of power system
Bagherinezhad et al. Real-Time Hierarchical Energy Flexibility Management of Integrated Hybrid Resources
Hu et al. Mixed strategy load management strategy for wireless communication network micro grid
CN117410990B (zh) 基于本地计算的配电网分布式能源的分散控制方法及系统
CN117996791B (zh) 变压器负载的调节方法、装置、存储介质和处理器

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