CN114723114A - 考虑碳排放成本的分布式电源选址定容优化方法、系统及介质 - Google Patents

考虑碳排放成本的分布式电源选址定容优化方法、系统及介质 Download PDF

Info

Publication number
CN114723114A
CN114723114A CN202210310801.2A CN202210310801A CN114723114A CN 114723114 A CN114723114 A CN 114723114A CN 202210310801 A CN202210310801 A CN 202210310801A CN 114723114 A CN114723114 A CN 114723114A
Authority
CN
China
Prior art keywords
carbon
node
power
distributed power
branch
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.)
Pending
Application number
CN202210310801.2A
Other languages
English (en)
Inventor
彭和平
栾乐
许中
莫文雄
王勇
黄青丹
霍建彬
马智远
王海靖
范伟男
肖天为
刘田
陈泽涛
罗惠雄
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 CN202210310801.2A priority Critical patent/CN114723114A/zh
Publication of CN114723114A publication Critical patent/CN114723114A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • 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)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑碳排放成本的分布式电源选址定容优化方法、系统及介质。该方法包括以下步骤：计算系统的节点碳势以及支路碳流密度；建立含分布式电源的配电网优化模型，构建优化目标函数和约束条件；基于混沌粒子群算法对配电网选址进行优化计算。本发明提出的方法可以确定分布式电源最优的并网策略，基于碳流理论和配电网安全稳定约束建立了考虑碳排放成本的配电网优化模型，并提出利用混沌粒子群算法对优化模型进行求解。本发明还在CloudPSS平台搭建了IEEE33节点测试算例，仿真结果测试了算法的有效性和有用性。该方法可以为配电网低碳运行的发展提供参考意义。

Description

考虑碳排放成本的分布式电源选址定容优化方法、系统及 介质
技术领域
本发明属于分布式电源选址定容的技术领域，具体涉及一种考虑碳排放成本的分布式电源选址定容优化方法、系统及介质。
背景技术
随着全球能源危机和环境污染问题的日益加剧，实现节能减排、绿色低碳发展，促进资源、环境与经济可持续发展已成为全人类的共同目标。电力系统作为能源供应的重要支柱，在生产电能的同时也排放了大量温室气体。在保证电网安全高效传输的同时，实现系统内部资源的优化配置，降低能源损耗和碳排放是实现可持续发展的必然选择。
分布式电源作为一种高效、经济、灵活、清洁的能源在电网中的渗透率逐渐升高。大量分布式电源的并网不仅会改变系统的潮流分布和安全稳定域，也会影响系统的碳排放量。合理的并网策略不仅会保证分布式电源的稳定运行，也能给系统带来一定的经济效益。分布式电源定容选址就是系统根据不同的规划目标，获得最优的分布式电网并网位置和容量。为了减少系统碳排放量，促进能源资源高效利用，应该将低碳目标作为分布式电源选址定容的重要指标。
到目前为止，针对分布式电源选址定容优化算法已经开展了相关研究。
其中，基于粒子群算法的多类型分布式电源并网位置与运行出力综合优化算法采用交叉反馈粒子群算法进行求解，该方法具有较好的收敛精度和求解效率。但是，该算法没有考虑分布式电源并网对系统碳排放量的影响。双阶段鲁棒优化模型综合考虑了系统的经济性和环保性。但是，该算法没有考虑分布式电源并网位置和容量对优化算法的影响。以上算法还存在模型复杂，无法适用于应用于实际工程的问题。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足，提供一种考虑碳排放成本的分布式电源选址定容优化方法、系统及介质。
为了达到上述目的，本发明采用以下技术方案：
本发明的一个方面，提供了一种考虑碳排放成本的分布式电源选址定容优化方法，包括下述步骤：
计算系统的节点碳势以及支路碳流密度；
建立含分布式电源的配电网优化模型，构建优化目标函数和约束条件；
基于混沌粒子群算法对配电网选址进行优化计算。
作为优选的技术方案，所述计算系统的节点碳势以及支路碳流密度，具体为：
节点碳势eNi为：
Figure BDA0003568147360000021
式中，ρs为支路s的碳流密度；eGi为发电机i的碳排放强度；PBS为支路注入节点的有功功率；PGi为发电机注入节点i的有功功率；
所有从节点流出潮流的支路碳流密度等于该节点的碳势，即：
ρs＝EN(s)
式中，EN(s)为支路s流出节点的碳势；
忽略系统网损时，系统所有节点的碳势为：
Figure BDA0003568147360000031
EN＝[eN1 eN2…eNN]T
PN＝(Pnij)N×N
PB＝(Pbij)N×N
PG＝(PGki)K×N
EG＝[eG1 eG2…eGK]T
式中：N为节点数量，K为发电机组数，EN为节点碳势向量，eNN为节点N的碳势，PN为节点有功通量向量，PB为支路潮流功率向量，PG为发电机注入功率向量，Pnij为节点有功通量，Pbij为支路潮流功率，PGki为发电机注入功率，EG为发电机组碳排放强度向量，eGK为发电机组K的碳排放强度；
将有损网络等效为无损网络，具体为：
建立系统各节点有功潮流和发电机注入功率的关系，如下式：
Au·Pg＝PG
式中：Pg表示等效为无损网络后各节点的有功潮流向量；Au为n×n阶矩阵，具体为：
Figure BDA0003568147360000032
式中：
Figure BDA0003568147360000033
为从节点i直接流入有功潮流的节点集合，cij为功率分摊系数，Pj-i为节点j流向节点i的有功功率，Pj为节点j流过的有功功率，
根据系统拓扑和发电机输入功率计算出Pj，进而计算出等效无损网络后支路有功潮流和节点等效负荷，具体为：
支路i-j的等效有功潮流|P(g) i-j|为：
Figure BDA0003568147360000041
式中：
Figure BDA0003568147360000042
为等效无损网络下节点i的有功功率，PGK为等效发电机节点发出的功率；
节点i的等效有功负荷为：
Figure BDA0003568147360000043
式中：PLi为负荷i在单位时间的实际负荷；L为负荷数量。
作为优选的技术方案，所述构建优化目标函数具体为：
Figure BDA0003568147360000044
Figure BDA0003568147360000045
式中：KC为碳交易价格；Pgrid和Egrid为单位时间主网的功率和碳势；PDG，i和EDG，i为分布式电源i并网功率和碳势；Ef为系统免费分配到的碳排放；η为区域单位电量排放碳强度；PLi为负荷i在单位时间的实际负荷；L为负荷数量。
作为优选的技术方案，所述约束条件包括：
潮流方程约束：
Figure BDA0003568147360000046
Figure BDA0003568147360000047
式中：Ps，Qs为主电网注入有功和无功功率；M为分布式电源并网个数；PDG，i和EDG，i为分布式电源i并网功率和碳势；L为负荷数量；PLi为负荷i在单位时间的实际负荷；QLi为负荷i在单位时间的消耗的无功功率，b为传输线条数；Rs，Xs为支路阻抗；
分布式电源出力：
对于PQ节点类型分布式电源，出力约束如下式：
Figure BDA0003568147360000051
式中：SDG，max为PQ节点类型分布式电源最大视在功率；
对于PV节点类型分布式电源，机端电压受励磁电流限制，出力约束如下式：
Figure BDA0003568147360000052
VDG，min≤VDG，i≤VDG，max
式中：VDG，min为分布式电源机端允许最小运行电压；VDG，max为最大运行电压；VDG，i为分布式电源i并网电压；
节点电压约束：
Vk，min≤Vk≤Vk，max
式中：Vk为母线k的电压；Vk，min为系统最小允许工作电压；Vk，max为系统最大允许工作电压；
支路最大传输容量约束：
Ps，t≤Ps max
Qs，t≤Qs max
式中：Ps，t、Qs，t为支路s在t时刻传输的有功、无功功率；Ps max，Qs max为支路s最大允许传输容量。
作为优选的技术方案，所述基于混沌粒子群算法对配电网选址进行优化计算具体为：
输入配电网拓扑信息，确定系统约束条件，初始化优化算法参数，各微粒位置和速度；
对每个粒子进行潮流和碳流计算，并根据计算结果评价粒子的适应度；将各粒子的当前位置和适应度存在Pbest中；将Pbest中适应度最优的位置和适应度存在Gbest中；
根据Pbest和Gbest更新各粒子的速度和位置；
计算各粒子的目标函数值，对种群微粒以性能高低进行排序，以一定比例保留种群中性能高的微粒；
对种群中的最佳粒子实施混沌局部搜索，并更新Pbest和Gbest；
若满足条件或达到最大迭代次数，算法结束，输出结果；否则收缩搜索区域，如下式：
Figure BDA0003568147360000061
Figure BDA0003568147360000062
式中：xmax，d和xmin，d为决策变量的搜索上下限，
Figure BDA0003568147360000063
为当前Pbest的第d维变量的值，
在收缩后的空间内随机产生群体中剩余比例的粒子，转入对每个粒子进行潮流和碳流计算的步骤。
作为优选的技术方案，所述根据Pbest和Gbest更新各粒子的速度和位置具体为：
Figure BDA0003568147360000064
Figure BDA0003568147360000065
其中，ω为惯性权重因子，c1和c2为学习因子，r1和r2为0-1间随机分布的随机数；
Figure BDA0003568147360000066
是个体最优解；
Figure BDA0003568147360000067
是全局最优解；
Figure BDA0003568147360000068
和
Figure BDA0003568147360000069
为粒子i在第k+1次迭代的速度和位置。
作为优选的技术方案，以20％的比例保留种群中性能较高的微粒。
作为优选的技术方案，所述对种群中的最佳粒子实施混沌局部搜索具体为：
将决策变量
Figure BDA0003568147360000071
转换成0-1间的混沌变量
Figure BDA0003568147360000072
如下式：
Figure BDA0003568147360000073
其中，xmax，d和xmin，d为决策变量
Figure BDA0003568147360000074
的搜索上下限；
对混沌变量进行更新，如下式：
Figure BDA0003568147360000075
将混沌变量
Figure BDA0003568147360000076
转换成决策变量
Figure BDA0003568147360000077
如下式：
Figure BDA0003568147360000078
根据决策变量
Figure BDA0003568147360000079
对新解进行评价，如果新解优于初始解
Figure BDA00035681473600000710
或混沌搜索已达最大迭代步数，将新解作为混沌搜索的搜索结果，否则令k＝k+1，转入对混沌变量进行更新的步骤。
本发明的另一个方面，提供了一种考虑碳排放成本的分布式电源选址定容优化系统，应用于上述的考虑碳排放成本的分布式电源选址定容优化方法，包括节点碳势及支路碳流密度计算模块、配电网优化模型构建模块以及混沌粒子群优化计算模块；
所述节点碳势及支路碳流密度计算模块用于计算系统的节点碳势以及支路碳流密度；
所述配电网优化模型构建模块用于建立含分布式电源的配电网优化模型，构建优化目标函数和约束条件；
所述混沌粒子群优化计算模块用于根据混沌粒子群算法对配电网选址进行优化计算。
本发明的另一个方面，提供了一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的考虑碳排放成本的分布式电源选址定容优化方法。
本发明与现有技术相比，具有如下优点和有益效果：
(1)本发明提出了一种面向配电网低碳运行的分布式电源选址定容优化算法，该算法可以确定分布式电源最优的并网策略。基于碳流理论和配电网安全稳定约束建立了考虑碳排放成本的配电网优化模型。提出利用混沌粒子群算法对优化模型进行求解。在CloudPSS平台搭建了IEEE33节点测试算例，仿真结果测试了算法的有效性和有用性。该算法可以为配电网低碳运行的发展提供一点的参考意义。
附图说明
图1是本发明实施例所述的考虑碳排放成本的分布式电源选址定容优化方法的流程图；
图2是本发明实施例所述修改的IEEE33节点系统的拓扑示意图；
图3是本发明实施例所述修改的IEEE33节点系统节点17一天24小时内负荷变化情况示意图；
图4是本发明实施例所述的考虑碳排放成本的分布式电源选址定容优化方法的优化过程收敛曲线；
图5是本发明实施例所述的考虑碳排放成本的分布式电源选址定容优化系统的结构示意图；
图6是本发明实施例所述的存储介质的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例
如图1所示，本实施例提供了一种考虑碳排放成本的分布式电源选址定容优化方法，包括以下步骤：
S1、计算系统的节点碳势以及支路碳流密度；
1.碳排放流理论
1.1碳流算法
碳排放流定义为电力潮流存在且用于表征电力系统中维持任一支路潮流的碳排放所形成的虚拟网络流。与潮流计算对应，碳排放流是在已知系统功率分布和发电机碳排放强度的基础上，确定系统碳流分布。碳排放流理论中要两项重要的指标：节点碳势和支路碳流密度。
其中，节点碳势的计算公式如下所示：
Figure BDA0003568147360000091
式中：ρs为支路s的碳流密度；eGi为发电机i的碳排放强度；PBS为支路注入节点的有功功率；PGi为发电机注入节点i的有功功率。
所有从节点流出潮流的支路碳流密度等于该节点的碳势，即满足：
ρs＝EN(s)...(2)
式中：EN(s)为支路s流出节点的碳势。
计算出系统节点碳势，便可以确定各支路碳流密度，在忽略系统网损时，系统所有节点的碳势计算公式为：
Figure BDA0003568147360000101
EN＝[eN1 eN2…eNN]T...(4)
PN＝(Pnij)N×N…(5)
PB＝(Pbij)N×N…(6)
PG＝(PGki)K×N...(7)
EG＝[eG1 eG2…eGK]T...(8)
式中：N为节点数量，K为发电机组数，EN为节点碳势向量，eNN为节点N的碳势，PN为节点有功通量向量，PB为支路潮流功率向量，PG为发电机注入功率向量，Pnij为节点有功通量，Pbij为支路潮流功率，PGki为发电机注入功率，EG为发电机组碳排放强度向量，eGK为发电机组K的碳排放强度。
1.2无损系统等效
由于实际系统不能忽略网损，因此在进行碳流计算时，需要考虑网损的影响。为此，需要将有损网络等效为无损网络，等效方法如下所示：
1.2.1、首先建立系统各节点有功潮流和发电机注入功率的关系式，如式(9)所示：
Au·Pg＝PG...(9)
式中：Pg表示等效为无损网络后各节点的有功潮流向量；Au为n×n阶矩阵，具体表达式如式(10)所示：
Figure BDA0003568147360000102
式中：
Figure BDA0003568147360000103
为从节点i直接流入有功潮流的节点集合，cij为功率分摊系数，Pj-i为节点j流向节点i的有功功率，Pj为节点j流过的有功功率。
1.2.2、根据系统拓扑和发电机输入功率可以计算出Pj，进而可以计算出等效无损网络后支路有功潮流和节点等效负荷。
支路i-j的等效有功潮流|P(g) i-j|为：
Figure BDA0003568147360000111
式中：Pi (g)为等效无损网络下节点i的有功功率，PGK为等效发电机节点发出的功率；
进而可求出节点i的等效有功负荷为：
Figure BDA0003568147360000112
式中：PLi为负荷i在单位时间的实际负荷；L为负荷数量。
S2、建立含分布式电源的配电网优化模型，构建优化目标函数和约束条件；
2.含分布式电源的配电网优化模型
2.1目标函数
配电网优化运行的目的是在保证能源电力高效传输的同时，实现电力系统内部资源的优化配置，降低能源损耗实现碳减排。分布式电源的并网不仅会给系统的安全稳定运行带来挑战，也会对系统的碳排放量带来影响。为此，本文对配电网中分布式电源的并网位置和容量进行优化，使系统年碳排放成本最小，促进电网可持续运行。本模型的优化目标如式(13)所示：
Figure BDA0003568147360000113
Figure BDA0003568147360000114
式中：KC为碳交易价格；Pgrid和Egrid为单位时间主网的功率和碳势；PDG，i和EDG，i为分布式电源i并网功率和碳势；Ef为系统免费分配到的碳排放；η为区域单位电量排放碳强度；PLi为负荷i在单位时间的实际负荷。L为负荷数量。
2.2约束条件
1)潮流方程约束
Figure BDA0003568147360000121
Figure BDA0003568147360000122
式中：Ps，Qs为主电网注入有功和无功功率；M为分布式电源并网个数；PDG，i和EDG，i为分布式电源i并网功率和碳势；L为负荷数量；PLi为负荷i在单位时间的实际负荷；QLi为负荷i在单位时间的消耗的无功功率，b为传输线条数；Rs，Xs为支路阻抗。
2)分布式电源出力
对于PQ节点类型分布式电源，出力满足如下约束：
Figure BDA0003568147360000123
式中：SDG，max为PQ节点类型分布式电源最大视在功率。
对于PV节点类型分布式电源，机端电压受励磁电流限制，出力满足如下约束：
Figure BDA0003568147360000124
VDG，min≤VDG，i≤VDG，max...(19)
式中：VDG，min为分布式电源机端允许最小运行电压；VDG，max为最大运行电压；VDG，i为分布式电源i并网电压。
3)节点电压约束
Vk，min≤Vk≤Vk，max...(20)
式中：Vk为母线k的电压；Vk，min为系统最小允许工作电压；Vk，max为系统最大允许工作电压；
4)支路最大传输容量约束
Ps，t≤Ps max...(21)
Qs，t≤Qs max...(22)
式中：Ps，t、Qs，t为支路s在t时刻传输的有功，无功功率；Ps max，Qs max为支路s最大允许传输容量。
S3、基于混沌粒子群算法对配电网选址进行优化计算。
3.基于混沌粒子群算法的配电网优化求解
3.1 PSO算法
PSO算法首先初始化一群随机粒子，这些粒子根据自己和同伴发现的最好位置在解空间中进行搜索，直至找到最优解。
在每次迭代中，各粒子通过个体最优解Pbest和种群最优解Gbest更新自己的速度和位置，如式(23)和(24)所示：
Figure BDA0003568147360000131
Figure BDA0003568147360000132
式中：ω是惯性权重因子，c1和c2为学习因子，r1和r2为0-1间随机分布的随机数；
Figure BDA0003568147360000133
是个体最优解；
Figure BDA0003568147360000134
是全局最优解。
Figure BDA0003568147360000135
和
Figure BDA0003568147360000136
为粒子i在第k+1次迭代的速度和位置。
3.2混沌粒子群算法
混沌粒子群算法是将混沌优化算法与粒子群优化算法进行结合。通过将搜索过程对应为混沌轨道的遍历过程，可以避免粒子群算法陷入局部最优的缺陷。
混沌算法的主要步骤如下所示：
a)将决策变量
Figure BDA0003568147360000137
按式(25)转换成0-1间的混沌变量
Figure BDA0003568147360000138
Figure BDA0003568147360000139
式中：xmax，d和xmin，d为变量
Figure BDA00035681473600001310
的搜索上下限。
b)按式(26)对混沌变量进行更新：
Figure BDA0003568147360000141
c)按式(27)将混沌变量
Figure BDA0003568147360000142
转换成决策变量
Figure BDA0003568147360000143
Figure BDA0003568147360000144
d)根据决策变量
Figure BDA0003568147360000145
对新解进行评价，如果新解优于初始解
Figure BDA0003568147360000146
或混沌搜索已达最大迭代步数，将新解作为混沌搜索的搜索结果，否则令k＝k+1，转入步骤b)。
PSO算法主要用于全局搜索，混沌算法根据PSO的结果进行局部搜索。
3.3基于混沌粒子群算法的分布式电源规划步骤
1)初始化：输入配电网拓扑信息，确定系统约束条件。初始化优化算法参数，各微粒位置和速度。
2)对每个粒子进行潮流和碳流计算，并根据计算结果评价粒子的适应度。将各粒子的当前位置和适应度存在Pbest中；将Pbest中适应度最优的位置和适应度存在Gbest中。
3)更新各粒子的速度和位置。
4)计算各粒子的目标函数值，保留种群中性能最好的20％的微粒；
5)对种群中的最佳粒子实施混沌局部搜索，并更新Pbest和Gbest。
6)若满足条件或达到最大迭代次数，算法结束，输出结果。否则转入步骤7)；
7)按式(28)、(29)收缩搜索区域：
Figure BDA0003568147360000147
Figure BDA0003568147360000148
式中：xmax，d和xmin，d为决策变量的搜索上下限，
Figure BDA0003568147360000149
为当前Pbest的第d维变量的值，
8)在收缩后的空间内随机产生群体中剩余的80％的粒子，转入步骤2)。
在本申请的另一个实施例中，在CloudPSS平台搭建了改进的IEEE33节点系统，并在该平台研究了本发明的分布式电源选址定容优化方法。
该测试系统的拓扑如图2所示。该系统由包括一台平衡机，32条传输线，32个负荷。该系统基准等级为12.26kV，基准容量为100MVA。
系统中需要接入三台分布式燃气轮机GT1，GT2和GT3，以及一台光伏发电机组PV1；其中分布式电源基本参数如表1所示：
参数 GT1 GT2 GT3 PV
最大容量/kw 270 320 220 250
碳势/(kgCO<sup>2</sup>/kwh) 0.55 0.7 0.65 0
表1.分布式电源并网参数
节点17一天24小时内负荷变化情况如图3所示：
混沌粒子群优化算法中：粒子数为N为50，学习因子c1为2.1，c2为2.05，惯性权重因子ω为0.8，混沌迭代最大步数为10。
优化过程中算法的收敛曲线如图4所示，可以看出，系统在经过45次迭代后收敛，系统碳排放量由2.74×104t降低为2.66×104t。表明本发明提出的优化方法具有较好的优化效果和收敛速度。
通过本专利提出的优化方法得到的分布式电源并网位置和容量如表2所示：
Figure BDA0003568147360000151
Figure BDA0003568147360000161
表2.优化结果
通过计算可得，当分布式电源未并网时，系统的碳排放量为3.45×104t；分布式电源并网后，系统碳排放量为2.66×104t，优化后碳排放量降低了7.9×103t，表明分布式电源的并网可以降低系统碳排放量，给系统带来节能减排效益。
表3为分布式电源并网前后系统平均电压偏差和网损的比较。从表3可得，分布式电网未并网时，系统平均电压偏差为0.06225p.u.，网损为0.2091MW；分布式电源并网后，系统平均电压偏差为0.043p.u.，网损为0.1387MW；可以看出，分布式电源的并网给系统带来了一定的经济效益和安全稳定性。
指标 接入位置/node 并网容量/kW
系统电压偏差/p.u. 0.06225 0.043
网损/MW 0.2091 0.1387
表3.分布式电源并网前后电压和网损比较
如图5所示，在本申请的另一个实施例中，提供了一种考虑碳排放成本的分布式电源选址定容优化系统，该系统包括节点碳势及支路碳流密度计算模块、配电网优化模型构建模块以及混沌粒子群优化计算模块；
所述节点碳势及支路碳流密度计算模块用于计算系统的节点碳势以及支路碳流密度；
所述配电网优化模型构建模块用于建立含分布式电源的配电网优化模型，构建优化目标函数和约束条件；
所述混沌粒子群优化计算模块用于根据混沌粒子群算法对配电网选址进行优化计算。
在此需要说明的是，上述实施例提供的系统仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能，该系统是应用于上述实施例的考虑碳排放成本的分布式电源选址定容优化方法。
如图6所示，在本申请的另一个实施例中，还提供了一种存储介质，存储有程序，所述程序被处理器执行时，实现上述实施例的考虑碳排放成本的分布式电源选址定容优化方法，具体为：
计算系统的节点碳势以及支路碳流密度；
建立含分布式电源的配电网优化模型，构建优化目标函数和约束条件；
基于混沌粒子群算法对配电网选址进行优化计算。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.考虑碳排放成本的分布式电源选址定容优化方法，其特征在于，包括下述步骤：
计算系统的节点碳势以及支路碳流密度；
建立含分布式电源的配电网优化模型，构建优化目标函数和约束条件；
基于混沌粒子群算法对配电网选址进行优化计算。
2.根据权利要求1所述的考虑碳排放成本的分布式电源选址定容优化方法，其特征在于，所述计算系统的节点碳势以及支路碳流密度，具体为：
节点碳势eNi为：
Figure FDA0003568147350000011
式中，ρs为支路s的碳流密度；eGi为发电机i的碳排放强度；PBS为支路注入节点的有功功率；PGi为发电机注入节点i的有功功率；
所有从节点流出潮流的支路碳流密度等于该节点的碳势，即：
ρs＝EN(s)
式中，EN(s)为支路s流出节点的碳势；
忽略系统网损时，系统所有节点的碳势为：
Figure FDA0003568147350000012
EN＝[eN1 eN2 … eNN]T
PN＝(Pnij)N×N
PB＝(Pbij)N×N
PG＝(PGki)K×N
EG＝[eG1 eG2 … eGK]T
式中：N为节点数量，K为发电机组数，EN为节点碳势向量，eNN为节点N的碳势，PN为节点有功通量向量，PB为支路潮流功率向量，PG为发电机注入功率向量，Pnij为节点有功通量，Pbij为支路潮流功率，PGki为发电机注入功率，EG为发电机组碳排放强度向量，eGK为发电机组K的碳排放强度；
将有损网络等效为无损网络，具体为：
建立系统各节点有功潮流和发电机注入功率的关系，如下式：
Au·Pg＝PG
式中：Pg表示等效为无损网络后各节点的有功潮流向量；Au为n×n阶矩阵，具体为：
Figure FDA0003568147350000021
式中：
Figure FDA0003568147350000022
为从节点i直接流入有功潮流的节点集合，cij为功率分摊系数，Pj-i为节点j流向节点i的有功功率，Pj为节点j流过的有功功率，
根据系统拓扑和发电机输入功率计算出Pj，进而计算出等效无损网络后支路有功潮流和节点等效负荷，具体为：
支路i-j的等效有功潮流|P(g) i-j|为：
Figure FDA0003568147350000023
式中：Pi (g)为等效无损网络下节点i的有功功率，PGK为等效发电机节点发出的功率；
节点i的等效有功负荷为：
Figure FDA0003568147350000024
式中：PLi为负荷i在单位时间的实际负荷；L为负荷数量。
3.根据权利要求1所述的考虑碳排放成本的分布式电源选址定容优化方法，其特征在于，所述构建优化目标函数具体为：
Figure FDA0003568147350000025
Figure FDA0003568147350000026
式中：KC为碳交易价格；Pgrid和Egrid为单位时间主网的功率和碳势；pDG,i和EDG,i为分布式电源i并网功率和碳势；Ef为系统免费分配到的碳排放；η为区域单位电量排放碳强度；pLi为负荷i在单位时间的实际负荷；L为负荷数量。
4.根据权利要求1所述的考虑碳排放成本的分布式电源选址定容优化方法，其特征在于，所述约束条件包括：
潮流方程约束：
Figure FDA0003568147350000031
Figure FDA0003568147350000032
式中：Ps，Qs为主电网注入有功和无功功率；M为分布式电源并网个数；PDG,i和EDG,i为分布式电源i并网功率和碳势；L为负荷数量；PLi为负荷i在单位时间的实际负荷；QLi为负荷i在单位时间的消耗的无功功率，b为传输线条数；Rs，Xs为支路阻抗；
分布式电源出力：
对于PQ节点类型分布式电源，出力约束如下式：
Figure FDA0003568147350000033
式中：SDG,max为PQ节点类型分布式电源最大视在功率；
对于PV节点类型分布式电源，机端电压受励磁电流限制，出力约束如下式：
Figure FDA0003568147350000034
VDG,min≤VDG,i≤VDG,max
式中：VDG,min为分布式电源机端允许最小运行电压；VDG,max为最大运行电压；VDG,i为分布式电源i并网电压；
节点电压约束：
Vk,min≤Vk≤Vk,max
式中：Vk为母线k的电压；Vk,min为系统最小允许工作电压；Vk,max为系统最大允许工作电压；
支路最大传输容量约束：
Ps,t≤Ps max
Qs,t≤Qs max
式中：Ps,t、Qs,t为支路s在t时刻传输的有功、无功功率；Ps max，Qs max为支路s最大允许传输容量。
5.根据权利要求1所述的考虑碳排放成本的分布式电源选址定容优化方法，其特征在于，所述基于混沌粒子群算法对配电网选址进行优化计算具体为：
输入配电网拓扑信息，确定系统约束条件，初始化优化算法参数，各微粒位置和速度；
对每个粒子进行潮流和碳流计算，并根据计算结果评价粒子的适应度；将各粒子的当前位置和适应度存在Pbest中；将Pbest中适应度最优的位置和适应度存在Gbest中；
根据Pbest和Gbest更新各粒子的速度和位置；
计算各粒子的目标函数值，对种群微粒以性能高低进行排序，以一定比例保留种群中性能高的微粒；
对种群中的最佳粒子实施混沌局部搜索，并更新Pbest和Gbest；
若满足条件或达到最大迭代次数，算法结束，输出结果；否则收缩搜索区域，如下式：
Figure FDA0003568147350000041
Figure FDA0003568147350000042
式中：xmax,d和xmin,d为决策变量的搜索上下限，
Figure FDA0003568147350000043
为当前Pbest的第d维变量的值，
在收缩后的空间内随机产生群体中剩余比例的粒子，转入对每个粒子进行潮流和碳流计算的步骤。
6.根据权利要求5所述的考虑碳排放成本的分布式电源选址定容优化方法，其特征在于，所述根据Pbest和Gbest更新各粒子的速度和位置具体为：
Figure FDA0003568147350000044
Figure FDA0003568147350000051
其中，ω为惯性权重因子，c1和c2为学习因子，r1和r2为0-1间随机分布的随机数；
Figure FDA0003568147350000052
是个体最优解；
Figure FDA0003568147350000053
是全局最优解；
Figure FDA0003568147350000054
和
Figure FDA0003568147350000055
为粒子i在第k+1次迭代的速度和位置。
7.根据权利要求5所述的考虑碳排放成本的分布式电源选址定容优化方法，其特征在于，以20％的比例保留种群中性能较高的微粒。
8.根据权利要求1所述的考虑碳排放成本的分布式电源选址定容优化方法，其特征在于，所述对种群中的最佳粒子实施混沌局部搜索具体为：
将决策变量
Figure FDA0003568147350000056
转换成0-1间的混沌变量
Figure FDA0003568147350000057
如下式：
Figure FDA0003568147350000058
其中，xmax,d和xmin,d为决策变量
Figure FDA0003568147350000059
的搜索上下限；
对混沌变量进行更新，如下式：
Figure FDA00035681473500000510
将混沌变量
Figure FDA00035681473500000511
转换成决策变量
Figure FDA00035681473500000512
如下式：
Figure FDA00035681473500000513
根据决策变量
Figure FDA00035681473500000514
对新解进行评价，如果新解优于初始解
Figure FDA00035681473500000515
或混沌搜索已达最大迭代步数，将新解作为混沌搜索的搜索结果，否则令k＝k+1，转入对混沌变量进行更新的步骤。
9.考虑碳排放成本的分布式电源选址定容优化系统，其特征在于，应用于权利要求1-8中任一项所述的考虑碳排放成本的分布式电源选址定容优化方法，包括节点碳势及支路碳流密度计算模块、配电网优化模型构建模块以及混沌粒子群优化计算模块；
所述节点碳势及支路碳流密度计算模块用于计算系统的节点碳势以及支路碳流密度；
所述配电网优化模型构建模块用于建立含分布式电源的配电网优化模型，构建优化目标函数和约束条件；
所述混沌粒子群优化计算模块用于根据混沌粒子群算法对配电网选址进行优化计算。
10.一种存储介质，存储有程序，其特征在于：所述程序被处理器执行时，实现权利要求1-8任一项所述的考虑碳排放成本的分布式电源选址定容优化方法。
CN202210310801.2A 2022-03-28 2022-03-28 考虑碳排放成本的分布式电源选址定容优化方法、系统及介质 Pending CN114723114A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210310801.2A CN114723114A (zh) 2022-03-28 2022-03-28 考虑碳排放成本的分布式电源选址定容优化方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210310801.2A CN114723114A (zh) 2022-03-28 2022-03-28 考虑碳排放成本的分布式电源选址定容优化方法、系统及介质

Publications (1)

Publication Number Publication Date
CN114723114A true CN114723114A (zh) 2022-07-08

Family

ID=82239674

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210310801.2A Pending CN114723114A (zh) 2022-03-28 2022-03-28 考虑碳排放成本的分布式电源选址定容优化方法、系统及介质

Country Status (1)

Country Link
CN (1) CN114723114A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115473230A (zh) * 2022-10-09 2022-12-13 国网江苏省电力有限公司电力科学研究院 考虑用户侧碳排放约束的最优潮流计算方法、设备及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115473230A (zh) * 2022-10-09 2022-12-13 国网江苏省电力有限公司电力科学研究院 考虑用户侧碳排放约束的最优潮流计算方法、设备及介质
CN115473230B (zh) * 2022-10-09 2023-11-17 国网江苏省电力有限公司电力科学研究院 考虑用户侧碳排放约束的最优潮流计算方法、设备及介质

Similar Documents

Publication Publication Date Title
CN109165788B (zh) 一种冷热电联供系统的优化方法
CN110620402B (zh) 电-气混联系统分布式规划运行联合优化方法及系统
WO2023060815A1 (zh) 一种提高配电网可靠性的储能容量优化配置方法
CN112270456A (zh) 一种热电联供系统多目标优化调度方法及装置
CN106651628B (zh) 基于图论的区域冷热电综合能源优化配置方法及装置
CN105226691A (zh) 一种孤立微电网混合储能优化配置方法
CN113410900B (zh) 基于自适应差分鲸鱼优化的微电网hess优化配置方法及系统
CN103217900A (zh) 基于实时电价的中压微网混沌pso最优潮流实现方法
CN112736926A (zh) 一种分布式新能源接入配电网区间仿射潮流动态优化方法
CN106159944B (zh) 低碳环境下基于二层规划模型的多阶段输电网规划方法
Deng et al. A novel operation strategy based on black hole algorithm to optimize combined cooling, heating, and power-ground source heat pump system
CN112290601A (zh) 一种柔性互联交直流配电系统优化调度方法及系统
CN115841187A (zh) 柔性配电网运行策略的优化方法、装置、设备及存储介质
CN114723114A (zh) 考虑碳排放成本的分布式电源选址定容优化方法、系统及介质
CN111030149A (zh) 一种基于复合储能装置的微电网供电方法及电子设备
CN116799856A (zh) 一种多微网系统的能量控制方法、控制器及系统
CN108416459B (zh) 一种电池储能电站的选址方法
CN111525596B (zh) 一种风储联合系统中双电池波动越限优化方法
CN103812120B (zh) 一种基于离散型均匀分布函数的配电网无功优化方法
Rani et al. Multi-objective generation dispatch using Particle Swarm Optimisation
Liu et al. A cloud-edge cooperative scheduling model and its optimization method for regional multi-energy systems
CN114239252B (zh) 电力系统运行方式生成方法、系统、计算机及存储介质
Hermawan et al. Determination of PV Hosting Capacity on the 20 kV Distribution Network considering Network Configuration
CN114336696B (zh) 一种兆瓦级氢储能电站容量配置方法及系统
CN113032940B (zh) 考虑供需互动和风险管理的城镇多能网络规划方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination