CN114243708A - 一种基于交流模型的输电网扩展规划优化方法 - Google Patents

一种基于交流模型的输电网扩展规划优化方法 Download PDF

Info

Publication number
CN114243708A
CN114243708A CN202111410933.4A CN202111410933A CN114243708A CN 114243708 A CN114243708 A CN 114243708A CN 202111410933 A CN202111410933 A CN 202111410933A CN 114243708 A CN114243708 A CN 114243708A
Authority
CN
China
Prior art keywords
semi
invariant
branch
power
transmission network
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.)
Granted
Application number
CN202111410933.4A
Other languages
English (en)
Other versions
CN114243708B (zh
Inventor
张雪霞
裴文慧
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202111410933.4A priority Critical patent/CN114243708B/zh
Publication of CN114243708A publication Critical patent/CN114243708A/zh
Application granted granted Critical
Publication of CN114243708B publication Critical patent/CN114243708B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in 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
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/388—Islanding, i.e. disconnection of local power supply from the network
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02E40/30—Reactive power compensation
    • 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
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Abstract

本发明公开一种基于交流模型的输电网扩展规划优化方法，包括建立两目标的输电网扩展规划优化模型；根据随机原则在决策变量上下限范围内产生初始决策变量，得到初始种群P，所述决策变量为输电网线路拓扑；对初始种群中每个个体初始生成的线路拓扑进行优化，通过扩建线路去除孤立节点和孤岛，根据最终优化完成的拓扑，计算个体的线路扩建成本；使用粒子群优化算法计算无功补偿成本；建立负荷、风电和光电的随机交流概率模型，使用半不变量方法得到支路潮流的半不变量，利用半不变量计算有功及无功的网损期望值；使用多目标优化算法对初始种群进行循环进化，得到多目标规划结果。本发明能得到更精确，而且能同时考虑到无功功率影响进行无功补偿。

Description

一种基于交流模型的输电网扩展规划优化方法
技术领域
本发明属于输电网技术领域，特别是涉及一种基于交流模型的输电网扩展规划优化方法。
背景技术
随着中国社会的不断前进和发展，人们的经济水平和生活水平不断提高，社会的各个方面，如工业，商业和居民，对电能质量提出了越来越高的要求，对电能的需求量也在增加。随着对电能的需求的增加，能源行业必须继续扩大能源系统的建设规模。电力系统规模的扩大将不可避免地导致电网规模的扩大。电网互联是中国电网发展的重要方向。而电网在电能传输中起重要作用，合理，正确地规划电网可以使电能传输更加经济，安全和可靠。电网规划的质量直接影响着电力系统的安全可靠运行。
很久以来，我国发电厂建设和输电网建设之间并不平衡，重发电而轻输电的格局也导致电网成为我国电力工业的一个薄弱的地方。与此同时，能源生产地与负荷需求地的距离越来越远，风光等新能源接入地越来越多，再加上信息化与工业化的融合发展趋势，使得电网建设在未来的电力工业发展中进一步加大投入力度成为很有必要的一件事。
随着电力工业的不断发展，我国的发电工业也一直在建设发展，风力、光伏等新能源发电逐渐发展起来。新能源大规模并入电网是将来电力系统发展的重要趋势，比起我国传统所使用的化石能源来说，这些新能源具有污染小、生态环保等优点，不仅能有效使能源短缺问题得到缓解，还能在一定程度上缓和环境污染问题。随着新能源生产发电、转换和储存等技术的发展和成熟，新能源的应用成本越来越低，在技术的支撑下，使得新能源的装机容量得以逐年提升。在技术和政策的双重支持下，新能源今后将能够更广泛地与电网连接，从而在一定程度上缓解能源短缺的压力和环境污染的压力。
长期以来，大部分的输电网规划工作都是建立在直流模型的基础上。虽然计算简单，但是在实际应用时，往往与交流的输电网不适配，规划方案不适用于交流输电网络，造成规划方案的成本等结果不够准确。
电压不稳定和网络损耗太高被认为是电力系统运行中最重要的不安全因素，特别是对于那些承受重负荷需求且输电和发电推广不足的系统。无功补偿和优化是保证电能质量的重要手段，无功功率的处理在电力系统中具有重要意义，引起了研究人员的关注。而现有的直流模型规划方法完全无法实现无功规划，无法贴近实际应用。
发明内容
为了解决上述问题，本发明提出了一种基于交流模型的输电网扩展规划优化方法，本发明采用交流模型，采用多目标输电网优化模型，同时对费用和网损两个目标进行优化，采用多目标优化算法，得到考虑负荷及新能源不确定性的输电网扩展规划的最优前沿解，不仅能得到更精确，贴近于实际的规划结果，而且在规划时能同时考虑到无功功率的影响并进行无功补偿，减少无功功率在线路中的传输，进而减少有功和无功网损。
为达到上述目的，本发明采用的技术方案是：一种基于交流模型的输电网扩展规划优化方法，包括步骤：
Step1:设置初始参数迭代次数、种群大小和决策变量范围，建立两目标的输电网扩展规划优化模型；
Step2:根据随机原则在决策变量上下限范围内产生初始决策变量，得到初始种群P，所述决策变量为输电网线路拓扑；
Step3:对初始种群中每个个体初始生成的线路拓扑进行优化，通过扩建线路去除孤立节点和孤岛，根据最终优化完成的拓扑，计算个体的线路扩建成本；
Step4：使用粒子群优化算法计算无功补偿成本；
Step5：建立负荷、风电和光电的随机交流概率模型，使用半不变量方法得到支路潮流的半不变量，利用半不变量计算有功及无功的网损期望值；
Step6：使用多目标优化算法对初始种群进行循环进化，得到最后的多目标规划结果；
Step7：判断是否达到了设定的最大迭代次数，若达到了，则结束进化循环，否则，转到Step3，继续优化下一代种群。
进一步的是，构建包含两个目标的输电网扩展规划优化模型，两目标分别为成本目标f1和网损目标f2。
进一步的是，成本目标f1包括线路建设成本系数和无功补偿成本系数：
min f1＝ω1+ω2
其中，ω1表示线路扩建成本，ω2表示无功补偿成本；
所述线路扩建成本以清除孤立节点和孤岛为原则，在每条可建设线路的支路的线路建设上下限范围内，寻求线路建设成本最少的输电网络扩建规划拓扑方案，计算公式为：
Figure BDA0003373791010000031
其中，Nl表示可扩建线路的支路数目，ni表示支路i上扩建线路的数目，Ci表示支路i上扩建单位长度的成本，li表示支路i的线路长度；
所述无功补偿成本通过建立以有功网损为目标的模型，应用粒子群优化算法，求解到最优的无功补偿方案，计算公式为：
Figure BDA0003373791010000032
其中，rqj表示节点j处的单位无功补偿成本，Qj表示节点j处的无功补偿容量，rpj表示节点j处的单位切负荷成本，Pj表示节点j处的有功切负荷容量。
进一步的是，去除孤立节点及孤岛的线路扩建，包括步骤：
初始化线路拓扑的邻接矩阵、可扩建矩阵和状态矩阵；
判断邻接矩阵是否存在全为0的行向量，若存在则修正邻接矩阵并返回再次判断，若不存在则更新状态矩阵并进行下一步；
判断状态矩阵中是否有所有的节点好，若没有则修正状态矩阵并返回再次判断。
进一步的是，使用粒子群优化算法计算无功补偿成本，包括步骤：
设置粒子群大小并随机产生粒子的初始位置和速度；
计算每个粒子的有功网损值；
比较并得到每个粒子的自身最优位置；
比较并得到所有粒子的全局最优位置；
更新全部粒子的速度和位置。
进一步的是，采用半不变量方法解决随机交流概率模型包括步骤：
确定算例及算例的具体参数，确定负荷节点号以及风机、光伏发电机接入的节点编号，确定它们的随机变量的概率密度模型的参数；
进行一次确定性交流潮流计算，得到末次迭代的雅克比矩阵J0，表示同时利用负荷、发电机的功率随机变量的均值，得到电力网络中每个节点的电压幅值向量和相位角向量X的均值X0和网络中支路有功功率及无功功率的向量Z的均值Z0，计算Z对X在X取值为均值X0处求导的灵敏度矩阵S0；
计算负荷、发电机的变量的各阶原点矩；
计算负荷、发电机的变量的半不变量；
得到节点电压幅值和支路潮流的半不变量；
根据半不变量，拟合概率分布函数。
进一步的是，计算所有负荷节点的有功和无功功率的1到8阶半不变量；负荷服从正态分布概率模型，其一阶半不变量等于均值，二阶半不变量等于方差，3到8阶半不变量均为0；对接入风机和光伏发电机的节点，计算风机和光伏发电机输出有功功率及无功功率的1到8阶原点矩，根据半不变量与原点矩的关系，计算这些随机变量的1到8阶半不变量；同时对于接入常规发电机的节点，用同样的方法计算其各阶半不变量；
进一步的是，采用半不变量方法解决随机交流概率模型，并得到网损期望值目标函数值，利用负荷、风电及光电出力随机变量的8阶半不变量求解得到支路潮流的8阶半不变量，并通过支路潮流的半不变量得到有功和无功网损期望值，计算公式为：
Figure BDA0003373791010000041
将上式转化为：
Figure BDA0003373791010000042
其中，
Figure BDA0003373791010000043
表示支路i上初始的线路数目，ni表示规划后在支路i上扩建的线路数目，ri表示支路i的电阻，Pli表示支路i的有功潮流；xi表示支路i的电抗，Qli表示支路i的无功潮流；D(Pli)表示支路潮流的方差，即支路潮流的二阶半不变量；E(Pli)表示支路潮流的数学期望，即支路潮流的一阶半不变量。
进一步的是，利用基于增强型反世代距离指标的多目标进化算法来处理该多目标输电网扩展规划模型；
通过计算每个在真实普鲁托前沿面上的个体到算法获取的个体集合之间的最小距离和，来评价算法的收敛性能和分布性能；值越小，算法的综合性能包括收敛性和分布性能越好。
进一步的是，所述多目标进化算法中还采用计算每一代增强型反世代距离指标的参考点自适应方法，多目标进化算法中包括初始种群P，初始参考点集R，档案库A和适应的参考点集R’，包括步骤：
根据P中非支配解的范围对R中的点进行缩放，然后将P中的新候选解复制到A；
根据R中的点将A截断；
在R和A的基础上创建R’，其中R提供了均匀分布，而A描述帕累托前沿的几何形状；
根据相对于R’计算的增强型反世代距离指标值将P截断。
采用本技术方案的有益效果：
本发明在输电扩展规划中通常考虑的直流模型相比，交流模型可提供更准确的规划结果。然而，基于交流的输电扩展规划是一个复杂的问题，具有组合和非线性的特点。考虑到负荷需求、风力发电和太阳能发电的不确定性，本发明解决多目标输电扩展规划。同时，将无功补偿问题作为目标之一加以解决。应用一种基于增强型反向代际距离指示器的多目标进化算法来处理该多目标输电扩展规划。
本发明在电力市场放松管制、可再生能源不断渗透以及电力网络向复杂化发展的背景下，提供了一种使用交流模型求解输电网扩展规划优化的方法，获得比以往的直流输电网规划方法更精确的规划方案，使规划者通过更准确的规划成本和损耗等结果选择更适合的规划方法。
本发明所采用的的研究基于增强型反世代距离指标的多目标进化算法来处理该多目标输电网扩展规划模型，与多目标算法进行对比，无论是从解的多样性、帕累托前沿的收敛性来看，还是从规划结果中成本费用和网损的值更小上体现，都具有优越性。
本发明在规划中综合考虑了负荷、风和光等可再生能源的不确定性，解决了交流概率潮流问题，在新能源应用的大趋势下，有效地解决电网中接入可再生能源后对输电网规划造成的不确定性影响。另外，利用交流模型对比直流的有利性，在规划时同步进行无功补偿措施，从而降低系统的网损。
附图说明
图1为本发明的一种基于交流模型的输电网扩展规划优化方法流程示意图；
图2为本发明实施例中去除孤立节点及孤岛的线路扩建流程示意图；
图3为本发明实施例中利用粒子群算法解决无功补偿的流程示意图；
图4为本发明实施例中利用半不变量法解决交流概率潮流的流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
在本实施例中，参见图1所示，本发明提出了一种基于交流模型的输电网扩展规划优化方法，包括步骤：
Step1:设置初始参数迭代次数、种群大小和决策变量范围，建立两目标的输电网扩展规划优化模型；
Step2:根据随机原则在决策变量上下限范围内产生初始决策变量，得到初始种群P，所述决策变量为输电网线路拓扑；
Step3:对初始种群中每个个体初始生成的线路拓扑进行优化，通过扩建线路去除孤立节点和孤岛，根据最终优化完成的拓扑，计算个体的线路扩建成本；
Step4：使用粒子群优化算法计算无功补偿成本；
Step5：建立负荷、风电和光电的随机交流概率模型，使用半不变量方法得到支路潮流的半不变量，利用半不变量计算有功及无功的网损期望值；
Step6：使用多目标优化算法对初始种群进行循环进化，得到最后的多目标规划结果；
Step7：判断是否达到了设定的最大迭代次数，若达到了，则结束进化循环，否则，转到Step3，继续优化下一代种群。
作为上述实施例的优化方案，构建包含两个目标的输电网扩展规划优化模型，两目标分别为成本目标f1和网损目标f2。
成本目标f1包括线路建设成本系数和无功补偿成本系数：
min f1＝ω1+ω2
其中，ω1表示线路扩建成本，ω2表示无功补偿成本；
所述线路扩建成本以清除孤立节点和孤岛为原则，在每条可建设线路的支路的线路建设上下限范围内，寻求线路建设成本最少的输电网络扩建规划拓扑方案，计算公式为：
Figure BDA0003373791010000071
其中，Nl表示可扩建线路的支路数目，ni表示支路i上扩建线路的数目，Ci表示支路i上扩建单位长度的成本，li表示支路i的线路长度；
所述无功补偿成本通过建立以有功网损为目标的模型，应用粒子群优化算法，求解到最优的无功补偿方案，计算公式为：
Figure BDA0003373791010000072
其中，rqj表示节点j处的单位无功补偿成本，Qj表示节点j处的无功补偿容量，rpj表示节点j处的单位切负荷成本，Pj表示节点j处的有功切负荷容量。
作为上述实施例的优化方案，如图2所示，去除孤立节点及孤岛的线路扩建，包括步骤：
初始化线路拓扑的邻接矩阵、可扩建矩阵和状态矩阵；
判断邻接矩阵是否存在全为0的行向量，若存在则修正邻接矩阵并返回再次判断，若不存在则更新状态矩阵并进行下一步；
判断状态矩阵中是否有所有的节点好，若没有则修正状态矩阵并返回再次判断。
作为上述实施例的优化方案，如图3所示，使用粒子群优化算法计算无功补偿成本，包括步骤：
设置粒子群大小并随机产生粒子的初始位置和速度；
计算每个粒子的有功网损值；
比较并得到每个粒子的自身最优位置；
比较并得到所有粒子的全局最优位置；
更新全部粒子的速度和位置。
作为上述实施例的优化方案，如图4所示，采用半不变量方法解决随机交流概率模型包括步骤：
确定算例及算例的具体参数，确定负荷节点号以及风机、光伏发电机接入的节点编号，确定它们的随机变量的概率密度模型的参数；
进行一次确定性交流潮流计算，得到末次迭代的雅克比矩阵J0，表示同时利用负荷、发电机的功率随机变量的均值，得到电力网络中每个节点的电压幅值向量和相位角向量X的均值X0和网络中支路有功功率及无功功率的向量Z的均值Z0，计算Z对X在X取值为均值X0处求导的灵敏度矩阵S0，计算公式为：
Figure BDA0003373791010000081
Figure BDA0003373791010000082
计算负荷、发电机的变量的各阶原点矩；计算负荷、发电机的变量的半不变量；得到节点电压幅值和支路潮流的半不变量；
计算所有负荷节点的有功和无功功率的1到8阶半不变量；负荷服从正态分布概率模型，其一阶半不变量等于均值，二阶半不变量等于方差，3到8阶半不变量均为0；对接入风机和光伏发电机的节点，计算风机和光伏发电机输出有功功率及无功功率的1到8阶原点矩，根据半不变量与原点矩的关系，计算这些随机变量的1到8阶半不变量；同时对于接入常规发电机的节点，用同样的方法计算其各阶半不变量。
根据半不变量，拟合概率分布函数；
求得节点电压X和支路潮流Z的各阶半不变量，并拟合得到X和Z的概率密度函数或者累计分布函数；
求得节点电压X和支路潮流Z的各阶半不变量的计算公式为：
Figure BDA0003373791010000083
采用半不变量方法解决随机交流概率模型，并得到网损期望值目标函数值，利用负荷、风电及光电出力随机变量的8阶半不变量求解得到支路潮流的8阶半不变量，并通过支路潮流的半不变量得到有功和无功网损期望值，计算公式为：
Figure BDA0003373791010000084
将上式转化为：
Figure BDA0003373791010000085
其中，
Figure BDA0003373791010000086
表示支路i上初始的线路数目，ni表示规划后在支路i上扩建的线路数目，ri表示支路i的电阻，Pli表示支路i的有功潮流；xi表示支路i的电抗，Qli表示支路i的无功潮流；D(Pli)表示支路潮流的方差，即支路潮流的二阶半不变量；E(Pli)表示支路潮流的数学期望，即支路潮流的一阶半不变量。
为建立交流概率潮流模型，需建立负荷、风电和光电的随机概率模型，其中负荷采用正态分布模型，风电采用二参数威布尔模型，光电采用贝塔模型。
作为上述实施例的优化方案，利用基于增强型反世代距离指标的多目标进化算法来处理该多目标输电网扩展规划模型；
通过计算每个在真实普鲁托前沿面上的个体到算法获取的个体集合之间的最小距离和，来评价算法的收敛性能和分布性能；值越小，算法的综合性能包括收敛性和分布性能越好。
基于增强型反世代距离指标：
Figure BDA0003373791010000091
其中，P为均匀分布在真实Pareto面上的点集，|P|为分布在真实Pareto面上的点集的个体数，Q为算法获取的最优Pareto最优解集，而d(v,Q)为P中个体v到种群Q的最小欧几里得距离。
IGD-NS指标的开发是为了区分在IGD计算中没有任何贡献的非支配解。设X是一个MOEA发现的一组非支配解，Y是一组参考点，IGD计算中的一个非支配解x′∈X可以用数学公式表示为:
Figure BDA0003373791010000092
x′∈X y∈Y；
根据非贡献解的定义，IGD-NS定义为:
Figure BDA0003373791010000093
其中，X*表示X中的非贡献解集。
作为上述实施例的优化方案，所述多目标进化算法中还采用计算每一代增强型反世代距离指标的参考点自适应方法，多目标进化算法中包括初始种群P，初始参考点集R，档案库A和适应的参考点集R’，包括步骤：
根据P中非支配解的范围对R中的点进行缩放，然后将P中的新候选解复制到A；
根据R中的点将A截断；
在R和A的基础上创建R’，其中R提供了均匀分布，而A描述帕累托前沿的几何形状；
根据相对于R’计算的增强型反世代距离指标值将P截断。
为了评估所提出的输电扩展规划模型的效率和可行性，在IEEE-24总线测试系统和中国52总线系统上实现了该模型。结果证实了AR-MOEA在求解该多目标TEP方面的优越性能，并证明了该模型在中小型电力系统中的适用性和能力。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种基于交流模型的输电网扩展规划优化方法，其特征在于，包括步骤：
Step1:设置初始参数迭代次数、种群大小和决策变量范围，建立两目标的输电网扩展规划优化模型；
Step2:根据随机原则在决策变量上下限范围内产生初始决策变量，得到初始种群P，所述决策变量为输电网线路拓扑；
Step3:对初始种群中每个个体初始生成的线路拓扑进行优化，通过扩建线路去除孤立节点和孤岛，根据最终优化完成的拓扑，计算个体的线路扩建成本；
Step4：使用粒子群优化算法计算无功补偿成本；
Step5：建立负荷、风电和光电的随机交流概率模型，使用半不变量方法得到支路潮流的半不变量，利用半不变量计算有功及无功的网损期望值；
Step6：使用多目标优化算法对初始种群进行循环进化，得到最后的多目标规划结果；
Step7：判断是否达到了设定的最大迭代次数，若达到了，则结束进化循环，否则，转到Step3，继续优化下一代种群。
2.根据权利要求1所述的一种基于交流模型的输电网扩展规划优化方法，其特征在于，构建包含两个目标的输电网扩展规划优化模型，两目标分别为成本目标f1和网损目标f2。
3.根据权利要求2所述的一种基于交流模型的输电网扩展规划优化方法，其特征在于，成本目标f1包括线路建设成本系数和无功补偿成本系数：
min f1＝ω1+ω2
其中，ω1表示线路扩建成本，ω2表示无功补偿成本；
所述线路扩建成本以清除孤立节点和孤岛为原则，在每条可建设线路的支路的线路建设上下限范围内，寻求线路建设成本最少的输电网络扩建规划拓扑方案，计算公式为：
Figure FDA0003373790000000011
其中，Nl表示可扩建线路的支路数目，ni表示支路i上扩建线路的数目，Ci表示支路i上扩建单位长度的成本，li表示支路i的线路长度；
所述无功补偿成本通过建立以有功网损为目标的模型，应用粒子群优化算法，求解到最优的无功补偿方案，计算公式为：
Figure FDA0003373790000000021
其中，rqj表示节点j处的单位无功补偿成本，Qj表示节点j处的无功补偿容量，rpj表示节点j处的单位切负荷成本，Pj表示节点j处的有功切负荷容量。
4.根据权利要求1所述的一种基于交流模型的输电网扩展规划优化方法，其特征在于，去除孤立节点及孤岛的线路扩建，包括步骤：
初始化线路拓扑的邻接矩阵、可扩建矩阵和状态矩阵；
判断邻接矩阵是否存在全为0的行向量，若存在则修正邻接矩阵并返回再次判断，若不存在则更新状态矩阵并进行下一步；
判断状态矩阵中是否有所有的节点好，若没有则修正状态矩阵并返回再次判断。
5.根据权利要求1所述的一种基于交流模型的输电网扩展规划优化方法，其特征在于，使用粒子群优化算法计算无功补偿成本，包括步骤：
设置粒子群大小并随机产生粒子的初始位置和速度；
计算每个粒子的有功网损值；
比较并得到每个粒子的自身最优位置；
比较并得到所有粒子的全局最优位置；
更新全部粒子的速度和位置。
6.根据权利要求1所述的一种基于交流模型的输电网扩展规划优化方法，其特征在于，采用半不变量方法解决随机交流概率模型包括步骤：
确定算例及算例的具体参数，确定负荷节点号以及风机、光伏发电机接入的节点编号，确定它们的随机变量的概率密度模型的参数；
进行一次确定性交流潮流计算，得到末次迭代的雅克比矩阵J0，表示同时利用负荷、发电机的功率随机变量的均值，得到电力网络中每个节点的电压幅值向量和相位角向量X的均值X0和网络中支路有功功率及无功功率的向量Z的均值Z0，计算Z对X在X取值为均值X0处求导的灵敏度矩阵S0；
计算负荷、发电机的变量的各阶原点矩；
计算负荷、发电机的变量的半不变量；
得到节点电压幅值和支路潮流的半不变量；
根据半不变量，拟合概率分布函数。
7.根据权利要求6所述的一种基于交流模型的输电网扩展规划优化方法，其特征在于，计算所有负荷节点的有功和无功功率的1到8阶半不变量；负荷服从正态分布概率模型，其一阶半不变量等于均值，二阶半不变量等于方差，3到8阶半不变量均为0；对接入风机和光伏发电机的节点，计算风机和光伏发电机输出有功功率及无功功率的1到8阶原点矩，根据半不变量与原点矩的关系，计算这些随机变量的1到8阶半不变量；同时对于接入常规发电机的节点，用同样的方法计算其各阶半不变量。
8.根据权利要求7所述的一种基于交流模型的输电网扩展规划优化方法，其特征在于，采用半不变量方法解决随机交流概率模型，并得到网损期望值目标函数值，利用负荷、风电及光电出力随机变量的8阶半不变量求解得到支路潮流的8阶半不变量，并通过支路潮流的半不变量得到有功和无功网损期望值，计算公式为：
Figure FDA0003373790000000031
将上式转化为：
Figure FDA0003373790000000032
其中，
Figure FDA0003373790000000033
表示支路i上初始的线路数目，ni表示规划后在支路i上扩建的线路数目，ri表示支路i的电阻，Pli表示支路i的有功潮流；xi表示支路i的电抗，Qli表示支路i的无功潮流；D(Pli)表示支路潮流的方差，即支路潮流的二阶半不变量；E(Pli)表示支路潮流的数学期望，即支路潮流的一阶半不变量。
9.根据权利要求1所述的一种基于交流模型的输电网扩展规划优化方法，其特征在于，利用基于增强型反世代距离指标的多目标进化算法来处理该多目标输电网扩展规划模型；
通过计算每个在真实普鲁托前沿面上的个体到算法获取的个体集合之间的最小距离和，来评价算法的收敛性能和分布性能；值越小，算法的综合性能包括收敛性和分布性能越好。
10.根据权利要求9所述的一种基于交流模型的输电网扩展规划优化方法，其特征在于，所述多目标进化算法中还采用计算每一代增强型反世代距离指标的参考点自适应方法，多目标进化算法中包括初始种群P，初始参考点集R，档案库A和适应的参考点集R’，包括步骤：
根据P中非支配解的范围对R中的点进行缩放，然后将P中的新候选解复制到A；
根据R中的点将A截断；
在R和A的基础上创建R’，其中R提供了均匀分布，而A描述帕累托前沿的几何形状；
根据相对于R’计算的增强型反世代距离指标值将P截断。
CN202111410933.4A 2021-11-25 2021-11-25 一种基于交流模型的输电网扩展规划优化方法 Active CN114243708B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111410933.4A CN114243708B (zh) 2021-11-25 2021-11-25 一种基于交流模型的输电网扩展规划优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111410933.4A CN114243708B (zh) 2021-11-25 2021-11-25 一种基于交流模型的输电网扩展规划优化方法

Publications (2)

Publication Number Publication Date
CN114243708A true CN114243708A (zh) 2022-03-25
CN114243708B CN114243708B (zh) 2023-04-18

Family

ID=80751034

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111410933.4A Active CN114243708B (zh) 2021-11-25 2021-11-25 一种基于交流模型的输电网扩展规划优化方法

Country Status (1)

Country Link
CN (1) CN114243708B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116667467A (zh) * 2023-08-01 2023-08-29 齐齐哈尔市君威节能科技有限公司 一种智控磁悬浮微风发电增容䃼偿装置
CN117277446A (zh) * 2023-11-23 2023-12-22 浙江优能电力设计有限公司 多目标配电网规划方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015042654A1 (en) * 2013-09-30 2015-04-02 National Ict Australia Limited Alternating current (ac) power flow analysis in an electrical power network
CN106487005A (zh) * 2016-11-14 2017-03-08 国网浙江省电力公司经济技术研究院 一种考虑输配电价的电网规划方法
CN107591807A (zh) * 2017-10-17 2018-01-16 成都城电电力工程设计有限公司 一种新能源接入下的输电网规划的优化方法
CN110336298A (zh) * 2019-08-17 2019-10-15 广东博慎智库能源科技发展有限公司 一种基于混合智能算法的含分布式电源配网无功规划方法
CN110348598A (zh) * 2019-06-03 2019-10-18 国网新疆电力有限公司昌吉供电公司 一种电网网架规划方法
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015042654A1 (en) * 2013-09-30 2015-04-02 National Ict Australia Limited Alternating current (ac) power flow analysis in an electrical power network
CN106487005A (zh) * 2016-11-14 2017-03-08 国网浙江省电力公司经济技术研究院 一种考虑输配电价的电网规划方法
CN107591807A (zh) * 2017-10-17 2018-01-16 成都城电电力工程设计有限公司 一种新能源接入下的输电网规划的优化方法
CN110348598A (zh) * 2019-06-03 2019-10-18 国网新疆电力有限公司昌吉供电公司 一种电网网架规划方法
CN110336298A (zh) * 2019-08-17 2019-10-15 广东博慎智库能源科技发展有限公司 一种基于混合智能算法的含分布式电源配网无功规划方法
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116667467A (zh) * 2023-08-01 2023-08-29 齐齐哈尔市君威节能科技有限公司 一种智控磁悬浮微风发电增容䃼偿装置
CN116667467B (zh) * 2023-08-01 2023-10-13 齐齐哈尔市君威节能科技有限公司 一种智控磁悬浮微风发电增容䃼偿装置
CN117277446A (zh) * 2023-11-23 2023-12-22 浙江优能电力设计有限公司 多目标配电网规划方法及系统
CN117277446B (zh) * 2023-11-23 2024-03-29 浙江优能电力设计有限公司 多目标配电网规划方法及系统

Also Published As

Publication number Publication date
CN114243708B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN114243708B (zh) 一种基于交流模型的输电网扩展规划优化方法
CN104050517A (zh) 基于grnn神经网络的光伏发电预测方法
CN110265991B (zh) 一种直流微电网的分布式协调控制方法
CN113783224A (zh) 一种考虑多种分布式能源运行的配电网双层优化规划方法
CN112381262B (zh) 考虑负荷电压特性及新能源强不确定性的微电网规划方法
CN108448628B (zh) 交直流混合系统中优化配置分布式可再生能源方法及系统
Phuangpornpitak et al. Optimal photovoltaic placement by self-organizing hierarchical binary particle swarm optimization in distribution systems
CN111884203B (zh) 基于双层非支配排序遗传算法的微电网协调优化配置方法
CN115017854A (zh) 一种基于多维评估指标体系的配电网dg最大准入容量计算方法
CN116667325A (zh) 一种基于改进布谷鸟算法的微电网并网运行优化调度方法
Al-Majidi et al. Maximum Power Point Tracking Technique based on a Neural-Fuzzy Approach for Stand-alone Photovoltaic System
Asghar et al. RECLAIM: Renewable energy based demand-side management using machine learning models
CN111478335B (zh) 一种计及分布式光伏的配电网潮流计算方法及系统
Liu et al. Effects of reliability index on optimal configuration of hybrid solar/battery energy system by optimization approach: a case study
CN116485139A (zh) 一种基于多特征融合的短期光伏发电量预测方法
Sarfi et al. A new multi-objective economic-emission dispatch in microgrids
Wang et al. Analysis of Coordinated Operation of the Clean Energy System Based on the Multiobjective Optimization Model
Manjang et al. Distributed photovoltaic integration as complementary energy: consideration of solutions for power loss and load demand growth problems
CN108233373B (zh) 考虑天气场景的分布式光伏接入配电网的概率谐波分析方法
Wartana et al. Application of voltage and lines stability index for optimal placement of wind energy with a system load increase scenario
CN114709836B (zh) 基于ag-mopso的含风电配电网无功优化方法
CN113410838B (zh) 一种配电网多目标鲁棒优化模型帕累托最优解分析方法
CN113690930B (zh) 基于nsga-iii算法的分布式光伏电源中长期选址定容方法
Chen et al. Short-Term Photovoltaic Power Prediction Algorithm Based on Improved BP Neural Network
Choudhury et al. Power Tracking Capability Enhancement of a Grid-Tied Partially Shaded Photovoltaic System Through MPC Based Maximum Power Point Technique

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