CN114498654B - 基于变尺度混沌算法的含小水电接入配电网电压优化方法 - Google Patents

基于变尺度混沌算法的含小水电接入配电网电压优化方法 Download PDF

Info

Publication number
CN114498654B
CN114498654B CN202210403372.3A CN202210403372A CN114498654B CN 114498654 B CN114498654 B CN 114498654B CN 202210403372 A CN202210403372 A CN 202210403372A CN 114498654 B CN114498654 B CN 114498654B
Authority
CN
China
Prior art keywords
variable
node
voltage
search
follows
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
CN202210403372.3A
Other languages
English (en)
Other versions
CN114498654A (zh
Inventor
李佳
吴虹剑
何伟
赵伟哲
熊俊杰
夏永洪
曾伟
熊永康
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.)
State Grid Corp of China SGCC
Nanchang University
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Nanchang University
Electric Power Research Institute of State Grid Jiangxi Electric Power 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 State Grid Corp of China SGCC, Nanchang University, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202210403372.3A priority Critical patent/CN114498654B/zh
Publication of CN114498654A publication Critical patent/CN114498654A/zh
Application granted granted Critical
Publication of CN114498654B publication Critical patent/CN114498654B/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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • 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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/46—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
    • 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)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种基于变尺度混沌算法的含小水电接入配电网电压优化方法，属于电力系统微电网技术领域。根据当地小水电的分布情况以及水电站的出力情况，针对小水电接入区域配电网所产生的电压越限问题，以配电网各节点电压大小为重要约束，以线路有功损耗最小和设备总投资最小为目标，以线路调压器、小水电运行方式以及调节变电站出口电压为主，智能软开关装置为辅作为调压措施，建立含小水电接入的区域配电网电压优化模型;采用变尺度混沌优化算法对目标函数进行优化求解，得到区域配电网最佳配置方式。该方法能够避免陷入局部最优，比随机搜索更具有优越性，易于跳出局部最优解，具有求解简单、搜索效率高、通用性强等优点。

Description

基于变尺度混沌算法的含小水电接入配电网电压优化方法
技术领域
本发明涉及基于变尺度混沌算法的含小水电接入配电网电压优化方法，属于电力系统微电网技术领域。
背景技术
面对日益增长的节能减排电力和譬如雾霾等严峻环境污染问题，小水电作为技术成熟、经济性高的清洁能源，具有强大的发展潜力。我国小水电资源丰富，广泛分布于农村地区及偏远的山区。作为重要能源，加大发展小水电并实现其大规模的利用，不仅可以解决偏远地区用电困难、供电不足的问题，而且可以促进农村电气化，并对实现农业现代化具有很重要的意义。
然而，小水电接入的配电网通常为负荷分散、供电半径大的配电网，具有随机性、间歇性和突变性等特点。在丰水期小水电满发，配电网电压将被抬高，尤其是小水接入点电压可能超过上限；而在枯水期小水电出力小，由于供电线路过长，将导致线路末端电压偏低。当前，配电网的运行控制仍主要通过对分布式电源的直接调度，以及对有载调压变压器、电容器、联络开关等辅助装置的调节控制来实现。但受制于分布式电源归属权问题和信息通信系统的局限性，并且常规的变压器分接头调整、补偿电容器投切等控制方式调节能力有限、精度不足，难以满足可再生能源和负荷频繁波动时配电网级高精度实时运行优化需求。
智能软开关装置(SNOP)技术通过可控电力电子变换器代替传统基于断路器的馈线联络开关，实现了馈线间常态化柔性“软连接”，能够提供灵活、快速、精确的功率交换控制与潮流优化能力。考虑到接入和运行成本，未来的配电系统运行可能要面临SNOP与传统调压方式并存的情形。
发明内容
本发明的目的是针对现有方法的不足，提出一种基于变尺度混沌算法的含小水电接入配电网电压优化方法。本发明充分分析了传统调压手段的局限性以及SNOP手段的投资成本问题，建立了以线路调压器、小水电运行方式以及调节变电站出口电压为主、智能软开关装置(SNOP)为辅的含小水电接入配电网电压优化方法，通过对现有混沌算法（Chaotic Optimization Algorithm，COA）的局部搜索能力进行改进，提出了变尺度混沌（MSCOA）算法，并通过其获得区域配电网最佳配置方式。
本发明的技术方案是：基于变尺度混沌算法的含小水电接入配电网电压优化方法，包括以下步骤：
步骤S1：获取当地小水电的分布情况、水电站的出力情况以及各负荷不同季节的用电情况，模拟区域内小水电集群的年发电输出曲线与负荷年需求曲线；
步骤S2：获取区域配电网在丰水期大负荷以及枯水期小负荷场景下各线路节点电压曲线；
步骤S3：以配电网各节点电压大小为重要约束，以线路有功损耗最小和设备总投资最小为目标，以线路调压器、小水电运行方式以及调节变电站出口电压为主, 智能软开关装置为辅作为调压措施，建立含小水电接入的区域配电网电压优化模型;
步骤S4：采用变尺度混沌算法对区域配电网电压优化模型的目标函数进行优化求解，得到区域配电网最佳配置方式。
进一步优选，所述区域配电网电压优化模型的目标函数为：
（1）线路有功损耗最小函数：
Figure 984140DEST_PATH_IMAGE001
式中， f loss 为线路有功损耗，n为配电网支路数；G d(i,j)为支路d的电导；i、j为支路d两端的节点号；V i 为节点i的电压值、V j 为节点j的电压值；δ i 为节点i的电相角、δ j 为节点j的电相角；
（2）设备总投资最小函数：
Figure 865508DEST_PATH_IMAGE002
式中，C total 为设备投资，c vr 为线路调压器投入与安装成本、c hy 为小水电机组励磁改造成本、c snop 为智能软开关装置投入与安装成本、c l 为人工费用、z为银行长期贷款利率、h为项目的还款年限。
进一步优选，所述区域配电网电压优化模型的约束条件为：
（1）网络潮流约束:
Figure 627928DEST_PATH_IMAGE003
式中，S B 为配电网所有节点的集合；G ii 为节点导纳矩阵中节点i的自电导、B ii 为节点导纳矩阵中节点i的自电纳、G ij 为节点导纳矩阵中节点i与节点j的互电导、B ij 为节点导纳矩阵中节点i与节点j的互电纳；P DG,i 为小水电站和变电站的节点i的有功出力、Q DG,i 为小水电站和变电站的节点i的无功出力、P SNOP,i 为智能软开关装置注入节点i的有功，Q SNOP,i 为智能软开关装置注入节点i的无功、P LD,i 为负荷注入节点i的有功、Q LD,i 为负荷注入节点i的无功；
（2）智能软开关装置运行约束：
Figure 402986DEST_PATH_IMAGE004
式中，S SNOP 为所有智能软开关装置的集合、P u1为第u个智能软开关装置第1个变流器的有功功率、P u2为第u个智能软开关装置第2个变流器的有功功率， Q u1为第u个智能软开关装置第1个变流器的无功功率、Q u2为第u个智能软开关装置第2个变流器的无功功率、S u1,max为第u个智能软开关装置第1个变流器的接入容量，S u2,max为第u个智能软开关装置第2个变流器的接入容量；
（3）小水电输出有功无功约束：
Figure 61500DEST_PATH_IMAGE005
式中，S G 为所有小水电节点和变电站节点集合；
Figure 571110DEST_PATH_IMAGE006
为小水电站和变电站节点 有功出力的下限、
Figure 606062DEST_PATH_IMAGE007
为小水电站和变电站节点有功出力的上限、
Figure 642152DEST_PATH_IMAGE008
为小水电站和 变电站节点无功出力的下限、
Figure 596201DEST_PATH_IMAGE009
为小水电站和变电站节点无功出力的上限；
（4）节点电压大小约束：
Figure 452162DEST_PATH_IMAGE010
式中，
Figure 431750DEST_PATH_IMAGE011
为节点i电压值下限、
Figure 791187DEST_PATH_IMAGE012
为节点i电压值上限；
（5）线路调压器分接头大小约束：
Figure 181717DEST_PATH_IMAGE013
式中，S V 为所有线路调压器节点集合、
Figure 524974DEST_PATH_IMAGE014
为线路调压器分接头大小下限、
Figure 167308DEST_PATH_IMAGE015
为线路调压器分接头大小上限；
（6）支路电流约束：
Figure 522197DEST_PATH_IMAGE016
式中，I ij 为节点i与节点j之间的电流幅值；I ij,max 为节点i与节点j之间的电流幅值上限。
更具体地，步骤S4中选择Logistic迭代映射函数产生混沌变量：
Figure 224574DEST_PATH_IMAGE017
式中，y k 为第k个混沌变量，m为迭代次数；
Figure 914181DEST_PATH_IMAGE018
为控制变量；
变尺度混沌算法的尺度变换公式如下：
Figure 360206DEST_PATH_IMAGE019
式中，r为搜索次数；N 0为优化变量的总数；
Figure 694235DEST_PATH_IMAGE020
为第c个优化变量当前最优解；
Figure 177300DEST_PATH_IMAGE021
为 第c个优化变量第r次搜索的上限；
Figure 495149DEST_PATH_IMAGE022
为第c个优化变量第r次搜索的下限；
Figure 338340DEST_PATH_IMAGE023
第c个优化 变量第r+1次搜索的上限、
Figure 792455DEST_PATH_IMAGE024
第c个优化变量第r+1次搜索的下限；
Figure 836635DEST_PATH_IMAGE025
为尺度变换系数。
进一步优选，变尺度混沌算法对区域配电网电压优化模型的目标函数进行优化求解的步骤如下：
步骤S41.初始化;设置迭代次数m=0，搜索次数r=0，最大搜索次数为T，给定迭代终 止次数为N 1和N 2，其中，N 1为粗搜索最优结果迭代终止次数，N 2为细搜索最优结果的迭代终 止次数；
Figure 251567DEST_PATH_IMAGE026
为第c个优化变量第0次搜索的下限，
Figure 39394DEST_PATH_IMAGE027
为第c个优化变量第0次搜索的上限，令
Figure 472650DEST_PATH_IMAGE028
，
Figure 422151DEST_PATH_IMAGE029
为第c个优化变量当前最优解平均值；进行粗搜索，直到连续N 1次 搜索后最优函数值保持不变时，终止粗搜索迭代，得到粗搜索最优解
Figure 449013DEST_PATH_IMAGE030
和粗搜索最优函数
Figure 650318DEST_PATH_IMAGE031
；
步骤S42.利用尺度变换公式得到第r+1次细搜索时的搜索范围
Figure 813446DEST_PATH_IMAGE032
， 迭代；
步骤S43.根据变换后的搜索范围作“载波反变换”,即将优化变量还原为混沌变量；
Figure 324062DEST_PATH_IMAGE033
式中，
Figure 838220DEST_PATH_IMAGE034
为第c个混沌变量当前最优解；
步骤S44.
Figure 577637DEST_PATH_IMAGE034
、
Figure 595272DEST_PATH_IMAGE035
线性组合成新的混沌变量
Figure 276789DEST_PATH_IMAGE036
，其中
Figure 12663DEST_PATH_IMAGE037
，
Figure 555771DEST_PATH_IMAGE038
为第c个优化变量第k次变换得到的混沌变量，δ为混沌变量的尺度变换系 数；
步骤S45.进行载波变换，
Figure 427912DEST_PATH_IMAGE039
为第c个优化变量第k次细搜索最优解，
Figure 421276DEST_PATH_IMAGE040
，将
Figure 769081DEST_PATH_IMAGE041
映射到r次尺度变换后的搜索区间，
Figure 240514DEST_PATH_IMAGE042
为第c个优化变量 第r次细搜索得到的混沌变量；
步骤S46.若
Figure 108107DEST_PATH_IMAGE043
，则置
Figure 6792DEST_PATH_IMAGE044
，
Figure 717259DEST_PATH_IMAGE045
；否则继续步骤 S47，其中，
Figure 851438DEST_PATH_IMAGE046
为第k次细搜索得到的最优解，
Figure 963750DEST_PATH_IMAGE047
为最优解
Figure 908703DEST_PATH_IMAGE048
对应的函数，
Figure 106467DEST_PATH_IMAGE049
为初 始解；
步骤S47.令载波变换次数为k+1，利用公式
Figure 919702DEST_PATH_IMAGE050
得到混沌 变量
Figure 11155DEST_PATH_IMAGE051
；重复步骤S44-步骤S47，直到N 2次细搜索后，优化目标函数值保持不变为止；
步骤S48.令细搜索次数r变为r+1，改变混沌变量的尺度变换系数δ的值，重复步骤 S43 -步骤S48，直到满足细搜索次数
Figure 986064DEST_PATH_IMAGE052
为止，寻优结束；
步骤S49.得到全局最优解
Figure 534771DEST_PATH_IMAGE053
和全局最优函数
Figure 151697DEST_PATH_IMAGE054
。
本发明根据当地小水电的分布情况、水电站的出力情况以及各负荷不同季节的用电情况，模拟出区域内小水电集群的年发电输出曲线与负荷年需求曲线；同时，获取区域配电网在丰水期大负荷以及枯水期小负荷场景下各线路节点电压曲线。以配电网各节点电压大小为重要约束，以线路有功损耗最小和设备总投资最小为目标，以线路调压器、小水电运行方式以及调节变电站出口电压为主,SNOP为辅作为调压措施，建立含小水电接入的区域配电网电压优化模型，并利用变尺度混沌（MSCOA）算法对目标函数进行优化求解，可得到区域配电网最佳配置方式。本发明具有如下优点：
（1）该方法考虑了当前最为先进的SNOP作为调压手段，结合了设备投资总成本，具有较强的通用性。
（2）与传统的智能算法（诸如遗传算法、粒子群算法等）相比，MSCOA算法能够避免陷入局部极小，比随机搜索更具有优越性，易于跳出局部最优解。
附图说明
图1是本发明的流程图。
具体实施方式
以下将结合附图对本发明作进一步说明。
参照图1，基于变尺度混沌算法的含小水电接入配电网电压优化方法，包括以下步骤：
步骤S1：获取当地小水电的分布情况、水电站的出力情况以及各负荷不同季节的用电情况，模拟区域内小水电集群的年发电输出曲线与负荷年需求曲线；
步骤S2：获取区域配电网在丰水期大负荷以及枯水期小负荷场景下各线路节点电压曲线；
步骤S3：以配电网各节点电压大小为重要约束，以线路有功损耗最小和设备总投资最小为目标，以线路调压器、小水电运行方式以及调节变电站出口电压为主, 智能软开关装置为辅作为调压措施，建立含小水电接入的区域配电网电压优化模型；
步骤S4：采用变尺度混沌算法对区域配电网电压优化模型的目标函数进行优化求解，得到区域配电网最佳配置方式。
下面针对本发明中涉及的含小水电接入配电网电压优化方法目标函数与约束条件作如下说明。
含小水电接入的区域配电网电压优化的目的是为了解决小水电接入所产生的电压越限问题，如丰水期大负荷场景下，小水电接入点及附近节点电压越上限；枯水期小负荷场景下，线路末端电压越下限。建立以线路有功损耗最小和设备总投资最小为目标，各节点电压大小为约束的优化模型，既可满足配电网电压在±7%范围内的目标，又可使得配电网整体的线路损耗最小。SNOP是一种取代传统调压方式的新型智能配电装置，SNOP的应用将极大地提高配电系统运行的灵活性和可控性。但考虑到接入和运行成本，未来的配电系统运行可能要面临 SNOP与传统调压方式并存的情形。本发明以线路调压器、小水电运行方式以及调节变电站出口电压为主、SNOP为辅作为调压措施，建立含小水电接入的区域配电网电压优化模型如下：
目标函数为：
（1）线路有功损耗最小函数：
Figure 97656DEST_PATH_IMAGE055
式中， f loss 为线路有功损耗，n为配电网支路数；G d(i,j)为支路d的电导；i、j为支路d两端的节点号；V i 为节点i的电压值、V j 为节点j的电压值；δ i 为节点i的电相角、δ j 为节点j的电相角。
（2）设备总投资最小
Figure 774625DEST_PATH_IMAGE056
式中，C total 为设备投资，c vr 为线路调压器投入与安装成本、c hy 为小水电机组励磁改造成本、c snop 为智能软开关装置投入与安装成本、c l 为人工费用、z为银行长期贷款利率、h为项目的还款年限，一般为小水电机组的使用年限。
约束条件为：
（1）网络潮流约束
Figure 681401DEST_PATH_IMAGE003
式中，S B 为配电网所有节点的集合；G ii 为节点导纳矩阵中节点i的自电导、B ii 为节点导纳矩阵中节点i的自电纳、G ij 为节点导纳矩阵中节点i与节点j的互电导、B ij 为节点导纳矩阵中节点i与节点j的互电纳；P DG,i 为小水电站和变电站的节点i的有功出力、Q DG,i 为小水电站和变电站的节点i的无功出力、P SNOP,i 为智能软开关装置注入节点i的有功，Q SNOP,i 为智能软开关装置注入节点i的无功、P LD,i 为负荷注入节点i的有功、Q LD,i 为负荷注入节点i的无功。
（2）智能软开关装置（SNOP）运行约束
Figure 711805DEST_PATH_IMAGE004
式中，S SNOP 为所有智能软开关装置的集合、P u1为第u个智能软开关装置第1个变流器的有功功率、P u2为第u个智能软开关装置第2个变流器的有功功率、 Q u1为第u个智能软开关装置第1个变流器的无功功率、Q u2为第u个智能软开关装置第2个变流器的无功功率、S u1,max为第u个智能软开关装置第1个变流器的接入容量、S u2,max为第u个智能软开关装置第2个变流器的接入容量。
（3）小水电输出有功无功约束
Figure 653216DEST_PATH_IMAGE057
式中，S G 为所有小水电节点和变电站节点集合；
Figure 94562DEST_PATH_IMAGE058
为小水电站和变电站节点有 功出力的下限、
Figure 488634DEST_PATH_IMAGE059
为小水电站和变电站节点有功出力的上限、
Figure 447363DEST_PATH_IMAGE060
为小水电站和变 电站节点无功出力的下限、
Figure 118647DEST_PATH_IMAGE061
为小水电站和变电站节点无功出力的上限。
（4）节点电压大小约束
Figure 137418DEST_PATH_IMAGE062
式中，
Figure 143421DEST_PATH_IMAGE063
为节点i电压值下限、
Figure 374682DEST_PATH_IMAGE064
为节点i电压值上限。根据GB/T 12325-2003《电 能质量与供电电压允许偏差》要求，10kV及以下三相供电电压允许偏差为额定电压的±7%， 故配电网的电压幅值要求额定电压的在±7%范围内。
（5）线路调压器分接头大小约束
Figure 290685DEST_PATH_IMAGE065
式中，S V 为所有线路调压器节点集合、
Figure 90145DEST_PATH_IMAGE066
为线路调压器分接头大小下限、
Figure 458809DEST_PATH_IMAGE067
为线路调压器分接头大小上限。通常调压器的分接头取值范围为-16 ~ +16，每一级的调压 范围0.00625，总范围是±10%。
（6）支路电流约束
Figure 883975DEST_PATH_IMAGE068
式中，I ij 为节点i与节点j之间的电流幅值；I ij,max 为节点i与节点j之间的电流幅值上限。
更具体地，步骤S4中所述的求解过程如下：
选择Logistic迭代映射函数产生混沌变量：
Figure 388905DEST_PATH_IMAGE069
式中，y k 为第k个混沌变量，m为迭代次数；
Figure 359266DEST_PATH_IMAGE070
为控制变量，当
Figure 215227DEST_PATH_IMAGE070
为4时，系统处于完 全混沌状态。利用混沌变量对初值敏感的特性，赋给上式y 0一个有微小差异的初值就可以 得到y 1到y m 共m个混沌变量。
变尺度混沌（MSCOA）算法可以根据寻优需要不断调整寻优尺度，从而可以保证在粗搜索时以较大变量进行全局优化，而在局部寻优中以很小的变量变化尺度进行寻优，使得变尺度混沌（MSCOA）算法的性能得到提高。
变尺度混沌（MSCOA）算法的尺度变换公式如下：
Figure 53870DEST_PATH_IMAGE071
式中，r为搜索次数；N 0为优化变量的总数；
Figure 803520DEST_PATH_IMAGE072
为第c个优化变量当前最优解；
Figure 69416DEST_PATH_IMAGE073
为第c个优化变量第r次搜索的上限；
Figure 288039DEST_PATH_IMAGE074
为第c个优化变量第r次搜索的下限；
Figure 930373DEST_PATH_IMAGE075
第c个优 化变量第r+1次搜索的上限、
Figure 534530DEST_PATH_IMAGE076
第c个优化变量第r+1次搜索的下限；λ为尺度变换系数，
Figure 971327DEST_PATH_IMAGE077
。
按照上述原理可得变尺度混沌（MSCOA）算法对区域配电网电压优化模型的目标函数进行优化求解的步骤：
步骤S41.初始化;设置迭代次数m=0，搜索次数r=0，最大搜索次数为T，给定迭代终 止次数为N1和N2，其中，N 1为粗搜索最优结果迭代终止次数，N 2为细搜索最优结果的迭代终 止次数；
Figure 411667DEST_PATH_IMAGE078
为第c个优化变量第0次搜索的下限，
Figure 592113DEST_PATH_IMAGE079
为第c个优化变量第0次搜索的上限，令
Figure 191721DEST_PATH_IMAGE080
，
Figure 189633DEST_PATH_IMAGE081
为第c个优化变量当前最优解平均值；进行粗搜索，直到连续N 1次 搜索后最优函数值保持不变时，终止粗搜索迭代，得到粗搜索最优解
Figure 241903DEST_PATH_IMAGE082
和粗搜索最优函数
Figure 835826DEST_PATH_IMAGE083
。
步骤S42.利用尺度变换公式得到第r+1次细搜索时的搜索范围
Figure 555521DEST_PATH_IMAGE084
， 迭代。
步骤S43.根据变换后的搜索范围作“载波反变换”,即将优化变量还原为混沌变量;
Figure 334121DEST_PATH_IMAGE085
式中，
Figure 998320DEST_PATH_IMAGE086
为第c个混沌变量当前最优解；
步骤S44.
Figure 786148DEST_PATH_IMAGE086
、
Figure 970136DEST_PATH_IMAGE087
线性组合成新的混沌变量
Figure 919637DEST_PATH_IMAGE088
，其中
Figure 946499DEST_PATH_IMAGE089
，
Figure 397072DEST_PATH_IMAGE090
为第c个优化变量第k次变换得到的混沌变量，δ为混沌变量的尺度变换系 数。
步骤S45. 进行载波变换，
Figure 825779DEST_PATH_IMAGE091
为第c个优化变量第k次细搜索最优解，
Figure 821548DEST_PATH_IMAGE092
，将
Figure 601285DEST_PATH_IMAGE093
映射到r次尺度变换后的搜索区间，
Figure 465336DEST_PATH_IMAGE094
为第c个优化变 量第r次细搜索得到的混沌变量。
步骤S46.若
Figure 607604DEST_PATH_IMAGE095
，则置
Figure 164488DEST_PATH_IMAGE096
，
Figure 775729DEST_PATH_IMAGE097
；否则继续步骤 S47，其中，
Figure 177891DEST_PATH_IMAGE098
为第k次细搜索得到的最优解，
Figure 440245DEST_PATH_IMAGE099
为最优解
Figure 168030DEST_PATH_IMAGE100
对应的函数，
Figure 988DEST_PATH_IMAGE101
为初 始解。
步骤S47.令载波变换次数为k+1，利用公式
Figure 738000DEST_PATH_IMAGE102
得到混沌变 量
Figure 854860DEST_PATH_IMAGE103
；重复步骤S44-步骤S47，直到N2次细搜索后，优化目标函数值保持不变为止。
步骤S48.令细搜索次数r变为r+1，改变
Figure 566595DEST_PATH_IMAGE104
的值，重复步骤S43 -步骤S48， 直到满足细搜索次数
Figure 277062DEST_PATH_IMAGE105
为止，寻优结束。
步骤S49.得到全局最优解
Figure 676820DEST_PATH_IMAGE106
和全局最优函数
Figure 523553DEST_PATH_IMAGE107
。

Claims (3)

1.基于变尺度混沌算法的含小水电接入配电网电压优化方法，其特征在于，包括以下步骤：
步骤S1：获取当地小水电的分布情况、水电站的出力情况以及各负荷不同季节的用电情况，模拟区域内小水电集群的年发电输出曲线与负荷年需求曲线；
步骤S2：获取区域配电网在丰水期大负荷以及枯水期小负荷场景下各线路节点电压曲线；
步骤S3：以配电网各节点电压大小为重要约束，以线路有功损耗最小和设备总投资最小为目标，以线路调压器、小水电运行方式以及调节变电站出口电压为主, 智能软开关装置为辅作为调压措施，建立含小水电接入的区域配电网电压优化模型;
步骤S4：采用变尺度混沌算法对区域配电网电压优化模型的目标函数进行优化求解，得到区域配电网最佳配置方式；
其中，步骤S3所述区域配电网电压优化模型的目标函数为：
线路有功损耗最小函数：
Figure 538907DEST_PATH_IMAGE001
式中， f loss 为线路有功损耗，n为配电网支路数；G d(i,j)为支路d的电导；i、j为支路d两端的节点号；V i 为节点i的电压值、V j 为节点j的电压值；δ i 为节点i的电相角、δ j 为节点j的电相角；
设备总投资最小函数：
Figure 509268DEST_PATH_IMAGE002
式中，C total 为设备投资，c vr 为线路调压器投入与安装成本、c hy 为小水电机组励磁改造成本、c snop 为智能软开关装置投入与安装成本、c l 为人工费用、z为银行长期贷款利率、h为项目的还款年限；
其中，步骤S3所述区域配电网电压优化模型的约束条件为：
网络潮流约束:
Figure 834070DEST_PATH_IMAGE003
式中，S B 为配电网所有节点的集合；G ii 为节点导纳矩阵中节点i的自电导、B ii 为节点导纳矩阵中节点i的自电纳、G ij 为节点导纳矩阵中节点i与节点j的互电导、B ij 为节点导纳矩阵中节点i与节点j的互电纳；P DG,i 为小水电站和变电站的节点i的有功出力、Q DG,i 为小水电站和变电站的节点i的无功出力、P SNOP,i 为智能软开关装置注入节点i的有功，Q SNOP,i 为智能软开关装置注入节点i的无功、P LD,i 为负荷注入节点i的有功、Q LD,i 为负荷注入节点i的无功；
智能软开关装置运行约束：
Figure 797347DEST_PATH_IMAGE004
式中，S SNOP 为所有智能软开关装置的集合、P u1为第u个智能软开关装置第1个变流器的有功功率、P u2为第u个智能软开关装置第2个变流器的有功功率、 Q u1为第u个智能软开关装置第1个变流器的无功功率、Q u2为第u个智能软开关装置第2个变流器的无功功率、S u1,max为第u个智能软开关装置第1个变流器的接入容量、S u2,max为第u个智能软开关装置第2个变流器的接入容量；
小水电输出有功无功约束：
Figure 219101DEST_PATH_IMAGE005
式中，S G 为所有小水电节点和变电站节点集合；
Figure 484997DEST_PATH_IMAGE006
为小水电站和变电站节点有功出 力的下限、
Figure 438041DEST_PATH_IMAGE007
为小水电站和变电站节点有功出力的上限、
Figure 814795DEST_PATH_IMAGE008
为小水电站和变电站节 点无功出力的下限、
Figure 418952DEST_PATH_IMAGE009
为小水电站和变电站节点无功出力的上限；
节点电压大小约束：
Figure 590171DEST_PATH_IMAGE010
式中，
Figure 30510DEST_PATH_IMAGE011
为节点i电压值下限、
Figure 7694DEST_PATH_IMAGE012
为节点i电压值上限；
线路调压器分接头大小约束：
Figure 341723DEST_PATH_IMAGE013
式中，S V 为所有线路调压器节点集合、
Figure 74056DEST_PATH_IMAGE014
为线路调压器分接头大小下限、
Figure 860746DEST_PATH_IMAGE015
为线路 调压器分接头大小上限；
支路电流约束：
Figure 720249DEST_PATH_IMAGE016
式中，I ij 为节点i与节点j之间的电流幅值；I ij,max 为节点i与节点j之间的电流幅值上限。
2.根据权利要求1所述的基于变尺度混沌算法的含小水电接入配电网电压优化方法，其特征在于，步骤S4中选择Logistic迭代映射函数产生混沌变量：
Figure 908785DEST_PATH_IMAGE017
式中，y k 为第k个混沌变量，m为迭代次数；
Figure 484122DEST_PATH_IMAGE018
为控制变量；
变尺度混沌算法的尺度变换公式如下：
Figure 148322DEST_PATH_IMAGE019
式中，
Figure 670570DEST_PATH_IMAGE020
为搜索次数；N 0为优化变量的总数；
Figure 588979DEST_PATH_IMAGE021
为第c个优化变量当前最优解；
Figure 538480DEST_PATH_IMAGE022
为第c 个优化变量第r次搜索的上限；
Figure 362080DEST_PATH_IMAGE023
为第c个优化变量第r次搜索的下限；
Figure 547073DEST_PATH_IMAGE024
第c个优化变量 第
Figure 710201DEST_PATH_IMAGE020
+1次搜索的上限、
Figure 705970DEST_PATH_IMAGE025
第c个优化变量第
Figure 954549DEST_PATH_IMAGE020
+1次搜索的下限；
Figure 943234DEST_PATH_IMAGE026
为尺度变换系数。
3.根据权利要求2所述的基于变尺度混沌算法的含小水电接入配电网电压优化方法，其特征在于，变尺度混沌算法对区域配电网电压优化模型的目标函数进行优化求解的步骤如下：
步骤S41.初始化;设置迭代次数m=0，搜索次数r=0，最大搜索次数为T，给定迭代终止次 数为N 1和N 2，其中，N 1为粗搜索最优结果迭代终止次数，N 2为细搜索最优结果的迭代终止次 数；
Figure 23185DEST_PATH_IMAGE027
为第c个优化变量第0次搜索的下限，
Figure 314489DEST_PATH_IMAGE028
为第c个优化变量第0次搜索的上限，令
Figure 660151DEST_PATH_IMAGE029
为第c个优化变量当前最优解平均值；进行粗搜索，直到连续N 1次搜索后最优函数值保持不变时，终止粗搜索迭代，得到粗搜索最优解
Figure 327893DEST_PATH_IMAGE030
和粗搜索最优 函数
Figure 590247DEST_PATH_IMAGE031
；
步骤S42.利用尺度变换公式得到第r+1次细搜索时的搜索范围
Figure 52452DEST_PATH_IMAGE032
，迭 代；
步骤S43.根据变换后的搜索范围作“载波反变换”,即将优化变量还原为混沌变量；
Figure 72361DEST_PATH_IMAGE033
式中，
Figure 153580DEST_PATH_IMAGE034
为第c个混沌变量当前最优解；
步骤S44.
Figure 880228DEST_PATH_IMAGE034
、
Figure 903548DEST_PATH_IMAGE035
线性组合成新的混沌变量
Figure 614015DEST_PATH_IMAGE036
，其中
Figure 154717DEST_PATH_IMAGE037
，
Figure 142396DEST_PATH_IMAGE038
为第c个优化变量第k次变换得到的混沌变量，δ为混沌变量的尺度变换系 数；
步骤S45.进行载波变换，
Figure 680825DEST_PATH_IMAGE039
为第c个优化变量第k次细搜索最优解，
Figure 3222DEST_PATH_IMAGE040
，将
Figure 347615DEST_PATH_IMAGE041
映射到r次尺度变换后的搜索区间，
Figure 314434DEST_PATH_IMAGE042
为第c个优化变 量第r次细搜索得到的混沌变量；
步骤S46.若
Figure 430289DEST_PATH_IMAGE043
，则置
Figure 849769DEST_PATH_IMAGE044
，
Figure 325750DEST_PATH_IMAGE045
；否则继续步骤S47，其 中，
Figure 147075DEST_PATH_IMAGE046
为第k次细搜索得到的最优解，
Figure 433831DEST_PATH_IMAGE047
为最优解
Figure 340607DEST_PATH_IMAGE048
对应的函数，
Figure 354700DEST_PATH_IMAGE049
为初始解；
步骤S47.令载波变换次数为k+1，利用公式
Figure 296111DEST_PATH_IMAGE050
得到混沌变量
Figure 488189DEST_PATH_IMAGE051
；重复步骤S44-步骤S47，直到N 2次细搜索后，优化目标函数值保持不变为止；
步骤S48.令细搜索次数r变为r+1，改变混沌变量的尺度变换系数δ的值，重复步骤S43 -步骤S48，直到满足细搜索次数
Figure 882261DEST_PATH_IMAGE052
为止，寻优结束；
步骤S49.得到全局最优解
Figure 700045DEST_PATH_IMAGE053
和全局最优函数
Figure 27121DEST_PATH_IMAGE054
。
CN202210403372.3A 2022-04-18 2022-04-18 基于变尺度混沌算法的含小水电接入配电网电压优化方法 Active CN114498654B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210403372.3A CN114498654B (zh) 2022-04-18 2022-04-18 基于变尺度混沌算法的含小水电接入配电网电压优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210403372.3A CN114498654B (zh) 2022-04-18 2022-04-18 基于变尺度混沌算法的含小水电接入配电网电压优化方法

Publications (2)

Publication Number Publication Date
CN114498654A CN114498654A (zh) 2022-05-13
CN114498654B true CN114498654B (zh) 2022-08-16

Family

ID=81489558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210403372.3A Active CN114498654B (zh) 2022-04-18 2022-04-18 基于变尺度混沌算法的含小水电接入配电网电压优化方法

Country Status (1)

Country Link
CN (1) CN114498654B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102043905B (zh) * 2010-12-23 2014-06-04 广东电网公司江门供电局 基于自适应算法的小水电群智能优化错峰调度方法
US9312698B2 (en) * 2012-12-19 2016-04-12 Robert Bosch Gmbh System and method for energy distribution
CN109886446B (zh) * 2018-12-14 2023-04-21 贵州电网有限责任公司 基于改进混沌粒子群算法的电力系统动态经济调度方法
CN112994063B (zh) * 2021-04-29 2022-11-01 重庆大学 基于储能有序充电和智能软开关控制模型的配电网优化运行方法
CN113517723A (zh) * 2021-07-08 2021-10-19 云南电网有限责任公司电力科学研究院 一种含小型水电站的配电网系统的无功电压优化方法

Also Published As

Publication number Publication date
CN114498654A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
CN107634518B (zh) 一种“源-网-荷”相协调的主动配电网经济调度方法
CN109120008A (zh) 一种应用于风光储能的能源路由器装置及控制方法
CN111049171B (zh) 一种主动配电网储能配置方法
CN112653154B (zh) 基于边缘计算的分布式光伏配电网无功优化控制方法
CN107221965B (zh) 一种基于分布式设计的日前计划计算方法
CN108695840A (zh) 一种直流配电网电压控制方法及系统
CN111614110B (zh) 一种基于改进多目标粒子群算法的受端电网储能优化配置方法
CN111952958A (zh) 一种考虑控制模式转换的配电网柔性软开关优化配置方法
CN114996908B (zh) 考虑智能软开关接入的主动配电网扩展规划方法及系统
CN116345466A (zh) 一种考虑配网重构的主动配电网两阶段潮流优化方法
CN114498654B (zh) 基于变尺度混沌算法的含小水电接入配电网电压优化方法
CN111541257B (zh) 一种基于高频交流母线的住宅微电网及运行方法
CN108667071A (zh) 一种主动配电网负荷精准控制计算方法
CN115693687B (zh) 一种考虑综合调节成本的台区配电网自治调控方法
CN111242389A (zh) 一种智能储能软开关规划方法、系统、设备及介质
Schonberger Distributed control of a nanogrid using dc bus signalling
CN108493974A (zh) 一种考虑充电成本的电动汽车参与调压的两级调度方法
CN113937798B (zh) 一种多站融合场景下考虑新能源消纳的储能系统配置方法
CN116093950A (zh) 基于双极性直接式ac/ac变换的双母线并供系统
CN110807538A (zh) 一种考虑居民区电动汽车渗透率的配电网规划方法
CN115860372A (zh) 一种直流配电网双时间尺度能量管理方法及装置
CN115719973A (zh) 一种分布式光伏并网电压综合治理方法及系统
CN113629784A (zh) 一种农村配电网多目标优化调度方法
CN212588095U (zh) 一种应用于电力传输的电力补偿变电系统
CN114977155A (zh) 基于运行灵活性价格引导的配电系统运行灵活性提升方法

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
CB02 Change of applicant information

Address after: 330096 No. 88, Minqiang Road, private science and Technology Park, Qingshanhu District, Nanchang City, Jiangxi Province

Applicant after: STATE GRID JIANGXI ELECTRIC POWER COMPANY LIMITED Research Institute

Applicant after: STATE GRID CORPORATION OF CHINA

Applicant after: Nanchang University

Address before: 330096 No.88 Minqiang Road, private science and Technology Park, high tech Zone, Nanchang City, Jiangxi Province

Applicant before: STATE GRID JIANGXI ELECTRIC POWER COMPANY LIMITED Research Institute

Applicant before: STATE GRID CORPORATION OF CHINA

Applicant before: Nanchang University

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant