CN116094053B - 一种构网型电源多机并联控制方法 - Google Patents

一种构网型电源多机并联控制方法 Download PDF

Info

Publication number
CN116094053B
CN116094053B CN202310358161.7A CN202310358161A CN116094053B CN 116094053 B CN116094053 B CN 116094053B CN 202310358161 A CN202310358161 A CN 202310358161A CN 116094053 B CN116094053 B CN 116094053B
Authority
CN
China
Prior art keywords
power supply
network
machine parallel
node
structured
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
CN202310358161.7A
Other languages
English (en)
Other versions
CN116094053A (zh
Inventor
熊俊杰
赵伟哲
李佳
熊健豪
何伟
辛建波
范瑞祥
肖戎
曾伟
杨本星
支研力
陈拓新
朱志杰
彭哲续
刘彩云
伍太萍
匡德兴
吴康
马兆兴
庞清乐
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.)
Nanchang Kechen Electric Power Test And Research Co ltd
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
Nanchang Kechen Electric Power Test And Research Co ltd
State Grid Corp of China SGCC
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 Nanchang Kechen Electric Power Test And Research Co ltd, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical Nanchang Kechen Electric Power Test And Research Co ltd
Priority to CN202310358161.7A priority Critical patent/CN116094053B/zh
Publication of CN116094053A publication Critical patent/CN116094053A/zh
Application granted granted Critical
Publication of CN116094053B publication Critical patent/CN116094053B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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
    • H02J2203/20—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Water Supply & Treatment (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种构网型电源多机并联控制方法，包括：获取含分布式电源接入的构网型电源多机并联系统拓扑结构，基于拓扑结构建立用于构网型电源多机并联系统运行控制的优化模型，优化模型中包含约束条件以及在约束条件下的目标函数，其中，目标函数中包含根据构网型电源多机并联系统实际运行状态适时变化的各目标的变权调节系数；获取构网型电源多机并联系统的运行数据信息，根据运行数据信息对目标函数中各目标的变权调节系数进行重新确定，使得到目标优化模型；基于改进海洋捕食者智能算法对目标优化模型进行求解计算，得到运行控制结果。解决了在系统运行时无法及时有效地调控系统运行，不能适应系统实时运行需求的技术问题。

Description

一种构网型电源多机并联控制方法
技术领域
本发明属于构网型电源多机并联控制技术领域，尤其涉及一种构网型电源多机并联控制方法。
背景技术
目前，关于构网型电源多机并联系统优化运行控制的研究思路，主要集中于经济运行最优和网络拓扑重构两个方面。经济运行最优的控制方法，考虑了多种分布式能源类型，在各自不同约束条件下建立优化目标函数，最终使得运行的经济性达到较好效果，该种思路主要考虑了经济性，很少计及稳定安全性，这对构网型电源多机并联系统运行来说存在不足。如若优先考虑经济性的运行方式，将在很大程度上对安全可靠运行产生不利影响。
多机并联系统重构主要解决的是网络损耗和电压质量，重构的分析方法一般有静态重构、动态重构，两种不同的重构方法主要区别在于时间范围上，动态重构较为复杂，是对网络拓扑进行实时重构。含有分布式电源的构网型电源多机并联系统进行网络重构，对分布式电源接入点进行开合闸控制时，会存在一定的限制性，最终使得优化运行控制效果大打折扣。
因此，含分布式电源接入的构网型电源多机并联系统，要实现优化运行，首先应该考虑的多机并联系统安全可靠运行，电压变化、频率波动尽可能小，若某一指标偏低或偏高，应尽快调控，同时兼顾经济性，这应该是关注的焦点，这也是本发明研究含分布式电源的构网型电源多机并联系统优化运行控制策略的出发点和落脚点。
发明内容
本发明提供一种构网型电源多机并联控制方法，用于解决在系统运行时无法及时有效地调控系统运行，不能适应系统实时运行需求的技术问题。
第一方面，本发明提供一种构网型电源多机并联控制方法，包括：获取含分布式电源接入的构网型电源多机并联系统拓扑结构，基于所述拓扑结构建立用于构网型电源多机并联系统运行控制的优化模型，所述优化模型中包含约束条件以及在所述约束条件下的目标函数，其中，所述目标函数中包含根据构网型电源多机并联系统实际运行状态适时变化的各目标的变权调节系数；
获取所述构网型电源多机并联系统的运行数据信息，根据所述运行数据信息对所述目标函数中各目标的变权调节系数进行重新确定，使得到目标优化模型，其中，对所述变权调节系数进行重新确定的表达式为：
，
式中，为第/>个目标在第/>时刻的变权调节系数，/>为第/>个目标的常调节系数，/>为评价矩阵X中的元素，/>为变权参数；
基于改进海洋捕食者智能算法对所述目标优化模型进行求解计算，得到运行控制结果。
第二方面，本发明提供一种构网型电源多机并联控制系统，包括：建立模块，配置为获取含分布式电源接入的构网型电源多机并联系统拓扑结构，基于所述拓扑结构建立用于构网型电源多机并联系统运行控制的优化模型，所述优化模型中包含约束条件以及在所述约束条件下的目标函数，其中，所述目标函数中包含根据构网型电源多机并联系统实际运行状态适时变化的各目标的变权调节系数；
确定模块，配置为获取所述构网型电源多机并联系统的运行数据信息，根据所述运行数据信息对所述目标函数中各目标的变权调节系数进行重新确定，使得到目标优化模型，其中，对所述变权调节系数进行重新确定的表达式为：
，
式中，为第/>个目标在第/>时刻的变权调节系数，/>为第/>个目标的常调节系数，/>为评价矩阵X中的元素，/>为变权参数；
求解模块，配置为基于改进海洋捕食者智能算法对所述目标优化模型进行求解计算，得到运行控制结果。
第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的构网型电源多机并联控制方法的步骤。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行本发明任一实施例的构网型电源多机并联控制方法的步骤。
本申请的一种构网型电源多机并联控制方法，在建立目标函数时，考虑了影响含分布式电源的构网型电源多机并联系统的综合优化运行问题，给出了各目标函数的惩罚性变权重策略，若某个指标过低对其进行必要“惩罚”，从而避免了多机并联系统中，因某个指标过低影响系统优化运行的问题，相比于不计权重或仅考虑常权重的方法，具有明显优势。若不计权重或仅考虑常权重，系统运行时不能随每个指标的变化而出现相应控制的变化，无法及时有效地调控系统运行，不能适应系统实时运行的需求。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种构网型电源多机并联控制方法的流程图；
图2为本发明一实施例提供一个具体实施例的改进海洋捕食者优化智能算法计算流程图；
图3为本发明一实施例提供的一种构网型电源多机并联控制系统的结构框图；
图4是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其示出了本申请的一种构网型电源多机并联控制方法的流程图。
如图1所示，构网型电源多机并联控制方法具体包括以下步骤：
步骤S101，获取含分布式电源接入的构网型电源多机并联系统拓扑结构，基于所述拓扑结构建立用于构网型电源多机并联系统运行控制的优化模型，所述优化模型中包含约束条件以及在所述约束条件下的目标函数，其中，所述目标函数中包含根据构网型电源多机并联系统实际运行状态适时变化的各目标的变权调节系数。
在本实施例中，含分布式电源接入的构网型电源多机并联系统潮流模型，采用如下形式表示：
，(1a)
，(1b)
式中，、/>分别为节点/>的负荷有功功率、节点/>的负荷无功功率，/>为节点/>的电压幅值，/>为节点/>的电压幅值，/>为节点/>和节点/>间的相角差，/>为线路/>的电导，/>为线路/>的电纳，n为节点数量。
为方便下文书写，在泰勒级数中忽略高阶项，将式(1a)和式(1b)简写为：
，(2)
式中，x=(U，δ)，为电压的向量，/>为相角的向量。
对式(2)用泰勒级数展开，忽略高阶项，表示如下：
，(3)
式中，为泰勒级数中的雅克比矩阵，/>为泰勒级数展开式中的常数项，/>为电压、相角的变化量。
对式(3)做进一步整理，写成矩阵表示的形式，得到如下表达式：
， (4)
式中，、/>、/>、/>均为式(3)中雅克比矩阵的逆矩阵的分块矩阵表示形式，/>为电压的变化量，/>为相角的变化量，/>为有功功率的变化量，/>为无功功率的变化量。
针对含分布式电源的构网型电源多机并联系统，消除或减小节点电压偏差，能够保证多机并联系统区域内节点电压偏差期望值最小，建立节点电压控制的优化运行模型，其中控制电压节点的为多机并联系统中关键节点，主要包含有分布式电源接入点、线路末端节点和无功可调节点，计算t时段的构网型电源多机并联系统电压偏差的表达式为：
，(5a)
式中，为节点/>的实际电压值，/>为节点/>的参考电压值，/>为节点/>的有功调节量，/>为节点/>的有功电压灵敏度，/>为节点/>的无功调节量，/>为节点/>的无功电压灵敏度，/>为多机并联系统关键节点中含有分布式电源的接入点集合，/>为不含有功和无功调节容量的线路末端节点集合，/>为多机并联系统关键节点中具有无功调节容量，且不含分布式电源接入的节点集合；
其中，约束条件为:
， (5b)
， (5c)
， (5d)
式中，为节点/>允许的电压最小值，/>为节点/>允许的电压最大值，为节点/>的有功功率注入，/>为节点/>有功功率注入的最大值，/>为节点/>的无功功率注入，/>为节点/>无功功率注入的最大值。
当系统受到大的扰动或者负荷波动较大，频率出现较大变化，高于允许范围，需要含分布式电源的多机并联系统参与频率调节，此时构网型电源多机并联系统接受调控指令，调控各分布式电源的出力。频率与有功功率间的调节关系表示如下：
， (6)
式中，为系统功率变化量，/>为系统频率变化量，/>为第/>个分布式电源有功出力相对于频率变化的调节系数。
通过式(6)表明，减小系统功率变化可以有效降低频率的波动，从而能够间接达到系统频率控制的目的；因此，调节分布式电源出力，减少大幅波动是构网型电源多机并联系统参与调频的主要手段，在一个时间段内，构网型电源多机并联系统功率变化量的表达式为：
，(7a)
式中，为调控周期内，所有节点注入有功功率的最小值，/>为调控周期内，所有节点注入有功功率的最大值，/>为调控周期内所分的时间段数，/>为节点/>的有功调节量，/>为多机并联系统关键节点中含有分布式电源的接入点集合，/>为时段；
其中，约束条件为:
，(7b)
式中，为节点/>的有功功率注入，/>为节点/>有功功率注入的最大值。
某时段t，构网型多机并联系统总有功网损可表示如下：
t时段的构网型电源多机并联系统总有功网损的表达式为：
，(8)
式中，为构网型电源多机并联系统支路集合，/>为线路/>的电导，/>为节点的电压幅值，/>为节点/>的电压幅值，/>为节点/>和节点/>间的相角差。
据以上分析，本发明建立优化运行控制的目标函数如下：
，(9)
式中，为以构网型电源多机并联系统电压偏差、构网型电源多机并联系统功率变化量以及构网型电源多机并联系统总有功网损综合最小为目标的函数，/>为第1个目标在第/>时刻的变权调节系数，/>为t时段的构网型电源多机并联系统电压偏差，/>为构网型电源多机并联系统功率变化量，/>为t时段的构网型电源多机并联系统总有功网损，/>为第2个目标在第/>时刻的变权调节系数，/>为第3个目标在第/>时刻的变权调节系数，/>为调控周期内所分的时间段数。
本实施例的方法，建立了含分布式电源的构网型多机并联系统优化运行控制策略，提出了电压调控、频率调控和网损最小的综合调控目标，综合调控目标中计及了多个因素的权重问题，并且采用含惩罚性的变权重调控策略，这样既保证了系统电压、频率运行在合理区间，又降低了系统网损，使构网型多机并联系统在经济运行区间运行的同时，提升系统运行的可靠性和安全性。传统仅考虑单一目标或单一时间断面下的调控运行方法，难以应付波动性较大的分布式电源快速响应问题，因此，相比于传统方法本发明更加符合系统实际运行需求，并且能够有效降低网损，提升经济性。
步骤S102，获取所述构网型电源多机并联系统的运行数据信息，根据所述运行数据信息对所述目标函数中各目标的变权调节系数进行重新确定，使得到目标优化模型。
在本实施例中，对于式(9)建立的优化目标函数，如若调节系数为常值，、、/>发生不同幅度的变化时，则不能起到很好优化控制目的，具有明显的缺陷，因此，本发明根据构网型多机并联系统实际运行状况，给出变调节系数的方法，以适应系统运行的控制需要。首先采用层次分析方法确定常调节系数，然后在此基础上建立变调节系数。详细计算步骤表述如下：
步骤1、应用熵权法计算控制目标、/>、/>的各自常调节系数。建立评价值矩阵X，X所含元素可以用/>表示，运行层次分析法建立判断矩阵，记为E，E所含元素用表示，应用层次分析法得到各控制目标/>、/>、/>的常调节系数/>，如下式计算：
，(10a)
，(10b)
，(10c)
式中， 为判断矩阵E的阶数，/>为判断矩阵E中列向量元素的乘积，/>、/>均为开n次根号数值，/>为第j个指标；
步骤2、变调节系数的确定。为了实现系统优化运行的控制目的，本发明提出了一种变权函数，根据构网型多机并联系统实际运行状态，适时变化各目标的调节系数，以适应运行需要，第r个控制目标函数第l时刻的变权调节系数，表示如下：
，(11)
式中，为第/>个目标在第/>时刻的变权调节系数，/>为第/>个目标的常调节系数，/>为评价矩阵X中的元素，/>为变权参数；其中，/>，/>关于/>单调下降，能够体现出对控制目标函数的惩罚性。
本实施例的方法，在建立目标函数时，考虑了影响含分布式电源构网型多机并联系统的综合优化运行问题，给出了各目标函数的惩罚性变权重策略，若某个指标过低对其进行必要“惩罚”，从而避免了系统中因某个指标过低影响系统优化运行的问题，相比于不计权重或仅考虑常权重的方法，具有明显优势。若不计权重或仅考虑常权重，系统运行时不能随每个指标的变化而出现相应控制的变化，无法及时有效地调控系统运行，不能适应系统实时运行的需求。
步骤S103，基于改进海洋捕食者智能算法对所述目标优化模型进行求解计算，得到运行控制结果。
在本实施例中，针对所建目标函数，本发明采用改进的海洋捕食者算法对函数模型寻优求解，海洋捕食者算法相对于其他优化算法而言，是近几年新提出的新型智能优化算法，该算法根据迭代次数平均分为三个阶段，每个阶段使用不同的随机策略计算步长并移动猎物的位置，如果猎物的位置优于捕食者的位置，那么捕食者就移动到猎物的位置。
原始海洋捕食者算法
在算法的初始化阶段，捕食者的初始种群可表示为：
，(12)
式中，为初始化形成的种群，/>和/>分别为解空间的最大值和最小值，为0-1之间的随机数。
若最大迭代次数为，则该算法寻优的各个阶段可表述如下：
阶段一：迭代次数在内，猎物的新位置计算公式为：
，(13a)
，(13b)
式中，为第/>个猎物的运动步长，/>为基于非正态分布的随机数向量，代表布朗运动，/>为精英矩阵中第/>个捕食者；捕食者根据/>矩阵更新自己的位置，/>为常数，取值为0.5，/>是随机数向量，介于0-1之间。
阶段二：迭代次数在内，该阶段种群被分为两组，其中第一组的猎物位置更新公式可表示为：
，(14a)
，(14b)
式中，为基于levy分布的随机数向量，代表levy运动。
第二组猎物的位置更新公式可表示为：
，(15a)
，(15b)
，(15c)
式中，为当前迭代次数，/>为控制捕食者移动步长的自适应参数，该参数随当前迭代次数的变化而变化，以更好的发挥算法的寻优性能；
阶段三：迭代次数在内，该阶段猎物的位置更新公式为：
，(16a)
，(16b)
迭代完成后，捕食者根据猎物的位置决定自己的位置是否需要调整，若自己的位置优于猎物的位置，则不需要调整，若自己的位置不如猎物的位置，则需要调整到猎物的位置。
根据鱼群聚集效应更新猎物的位置，具体更新公式如下：
，(17)
式中，为对优化过程的影响概率，取值为0.2，/>是二进制向量，包含0和1，通过在0-1中生成随机向量来构造，如果数组小于0.2，则将其数组改为0，反之改为1，/>是0-1之间的随机数，/>和/>是包含维数下界和上界的向量，/>和/>表示猎物矩阵的随机指标。
对原始算法的改进
该算法在寻优过程中，每一个阶段的随机数过多，且随机数大都介于0-1之间，这样对算法的寻优速度造成了一定的影响，若单纯在算法中增加常数因子来提高搜索速度，又会对算法的寻优精度造成一定影响，因此，本发明对原始算法进行了改进：在算法寻优的三个阶段中引入凹函数形式的动态惯性权重，在算法搜索前期可以增加算法的搜索速度，由于前期的适应度非最优，因此前期搜索速度的加快不会对最终结果产生影响，而到了搜索后期，由于接近寻优结果的最优值，因此搜索速度要减慢，以此增加算法的搜索精度。凹函数形式的动态惯性权重如下式(18)所示。
，(18)
式中，为一常数，该常数可直接决定算法的搜索速度，本发明中H取值为3。
该函数图像的斜率在前期近似呈直线下降，在中后期较为平缓，引入该权重后，算法在阶段一的步长更新公式(13a)变为：
，(19)
阶段二中两组的步长更新公式(14a)和(15a)分别变为：
，(20)
，(21)
阶段三中的步长更新公式(16a)变为：
，(22)
引入该凹函数形式的动态惯性权重后，算法在迭代的过程中，前期的搜索速度得到提升，而到了后期，搜索步长变小，在逐次迭代过程中，寻优精度得到提升，这使算法的性能得到了提升。
将所建函数模型带入已知数据，整理成规划问题的标准型，目标函数的最小值值即为该算法最终的寻优值，在算法中，约束条件的上下边界决定了算法在初始化阶段搜索区域的大小，即限定了猎物和捕食者的搜索空间，随着算法的迭代，目标函数值在逐步向最优值靠近，具体改进后的海洋捕食者智能算法流程如图2所示。
本实施例的方法，提出改进海洋捕食者智能算法，相较于传统算法，本发明提出的改进捕食者算法能够较好地平衡精度和速度的关系，同时很好地摆脱了陷入局部最优不是全局最优的问题。
请参阅图3，其示出了本申请的一种构网型电源多机并联控制系统的结构框图。
如图3所示，构网型电源多机并联控制系统200，包括建立模块210、确定模块220以及求解模块230。
其中，建立模块210，配置为获取含分布式电源接入的构网型电源多机并联系统拓扑结构，基于所述拓扑结构建立用于构网型电源多机并联系统运行控制的优化模型，所述优化模型中包含约束条件以及在所述约束条件下的目标函数，其中，所述目标函数中包含根据构网型电源多机并联系统实际运行状态适时变化的各目标的变权调节系数；确定模块220，配置为获取所述构网型电源多机并联系统的运行数据信息，根据所述运行数据信息对所述目标函数中各目标的变权调节系数进行重新确定，使得到目标优化模型，其中，对所述变权调节系数进行重新确定的表达式为：，式中，/>为第/>个目标在第/>时刻的变权调节系数，/>为第/>个目标的常调节系数，/>为评价矩阵X中的元素，/>为变权参数；求解模块230，配置为基于改进海洋捕食者智能算法对所述目标优化模型进行求解计算，得到运行控制结果。
应当理解，图3中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征以及相应的技术效果同样适用于图3中的诸模块，在此不再赘述。
在另一些实施例中，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行上述任意方法实施例中的构网型电源多机并联控制方法；
作为一种实施方式，本发明的计算机可读存储介质存储有计算机可执行指令，计算机可执行指令设置为：
获取含分布式电源接入的构网型电源多机并联系统拓扑结构，基于所述拓扑结构建立用于构网型电源多机并联系统运行控制的优化模型，所述优化模型中包含约束条件以及在所述约束条件下的目标函数，其中，所述目标函数中包含根据系统实际运行状态适时变化的各目标的变权调节系数；
获取所述构网型电源多机并联系统的运行数据信息，根据所述运行数据信息对所述目标函数中各目标的变权调节系数进行重新确定，使得到目标优化模型；
基于改进海洋捕食者智能算法对所述目标优化模型进行求解计算，得到运行控制结果。
计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据构网型电源多机并联控制系统的使用所创建的数据等。此外，计算机可读存储介质可以包括高速随机存取存储器，还可以包括存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至构网型电源多机并联控制系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图4是本发明实施例提供的电子设备的结构示意图，如图4所示，该设备包括：一个处理器310以及存储器320。电子设备还可以包括：输入装置330和输出装置340。处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图4中以通过总线连接为例。存储器320为上述的计算机可读存储介质。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例构网型电源多机并联控制方法。输入装置330可接收输入的数字或字符信息，以及产生与构网型电源多机并联控制系统的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
作为一种实施方式，上述电子设备应用于构网型电源多机并联控制系统中，用于客户端，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
获取含分布式电源接入的构网型电源多机并联系统拓扑结构，基于所述拓扑结构建立用于构网型电源多机并联系统运行控制的优化模型，所述优化模型中包含约束条件以及在所述约束条件下的目标函数，其中，所述目标函数中包含根据构网型电源多机并联系统实际运行状态适时变化的各目标的变权调节系数；
获取所述构网型电源多机并联系统的运行数据信息，根据所述运行数据信息对所述目标函数中各目标的变权调节系数进行重新确定，使得到目标优化模型；
基于改进海洋捕食者智能算法对所述目标优化模型进行求解计算，得到运行控制结果。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种构网型电源多机并联控制方法，其特征在于，包括：
获取含分布式电源接入的构网型电源多机并联系统拓扑结构，基于所述拓扑结构建立用于构网型电源多机并联系统运行控制的优化模型，所述优化模型中包含约束条件以及在所述约束条件下的目标函数，其中，所述目标函数中包含根据构网型电源多机并联系统实际运行状态适时变化的各目标的变权调节系数，所述目标函数是以构网型电源多机并联系统电压偏差、功率变化量以及系统总有功网损综合最小为目标的函数，其中，计算所述目标函数的表达式为：
，
式中，为以构网型电源多机并联系统电压偏差、构网型电源多机并联系统功率变化量以及构网型电源多机并联系统总有功网损综合最小为目标的函数，/>为第1个目标在第/>时刻的变权调节系数，/>为t时段的构网型电源多机并联系统电压偏差，为构网型电源多机并联系统功率变化量，/>为t时段的构网型电源多机并联系统总有功网损，/>为第2个目标在第/>时刻的变权调节系数，/>为第3个目标在第/>时刻的变权调节系数，/>为调控周期内所分的时间段数；
获取所述构网型电源多机并联系统的运行数据信息，根据所述运行数据信息对所述目标函数中各目标的变权调节系数进行重新确定，使得到目标优化模型，其中，对所述变权调节系数进行重新确定的表达式为：
，
式中，为第/>个目标在第/>时刻的变权调节系数，/>为第/>个目标的常调节系数，为评价矩阵X中的元素，/>为变权参数；
基于改进海洋捕食者智能算法对所述目标优化模型进行求解计算，得到运行控制结果。
2.根据权利要求1所述的一种构网型电源多机并联控制方法，其特征在于，其中，计算t时段的构网型电源多机并联系统电压偏差的表达式为：
，
式中，为节点/>的实际电压值，/>为节点/>的参考电压值，/>为节点/>的有功调节量，/>为节点/>的有功电压灵敏度，/>为节点/>的无功调节量，/>为节点/>的无功电压灵敏度，/>为系统关键节点中含有分布式电源的接入点集合，/>为不含有功和无功调节容量的线路末端节点集合，/>为多机并联系统关键节点中具有无功调节容量，且不含分布式电源接入的节点集合；
其中，约束条件为:
,
,
,
式中，为节点/>允许的电压最小值，/>为节点/>允许的电压最大值，/>为节点/>的有功功率注入，/>为节点/>有功功率注入的最大值，/>为节点/>的无功功率注入，/>为节点/>无功功率注入的最大值。
3.根据权利要求1所述的一种构网型电源多机并联控制方法，其特征在于，其中，计算构网型电源多机并联系统功率变化量的表达式为：
，
式中，为调控周期内，所有节点注入有功功率的最小值，/>为调控周期内，所有节点注入有功功率的最大值，/>为调控周期内所分的时间段数，/>为节点/>的有功调节量，/>为系统关键节点中含有分布式电源的接入点集合，/>为时段；
其中，约束条件为:
，
式中，为节点/>的有功功率注入，/>为节点/>有功功率注入的最大值。
4.根据权利要求1所述的一种构网型电源多机并联控制方法，其特征在于，其中，t时段的构网型电源多机并联系统总有功网损的表达式为：
，
式中，为构网型电源多机并联系统支路集合，/>为线路/>的电导，/>为节点/>的电压幅值，/>为节点/>的电压幅值，/>为节点/>和节点/>间的相角差。
5.根据权利要求1所述的一种构网型电源多机并联控制方法，其特征在于，所述基于改进海洋捕食者智能算法对所述目标优化模型进行求解计算，得到运行控制结果括：
将包含目标函数的优化模型带入已知数据，整理规划问题的标准型，其中，所述目标函数的最小值即为最终的寻优值；
根据约束条件的上下边界确定在初始化阶段搜索区域的大小；
初始化种群；
在不同迭代阶段选择不同的猎物的新位置；
更新捕食者；
根据FADS更新猎物；
是否达到最大迭代次数；
达到最大迭代次数，输出优化控制结果。
6.根据权利要求5所述的一种构网型电源多机并联控制方法，其特征在于，其中，所述在不同迭代阶段选择不同的猎物的新位置包括：
迭代次数在内，猎物的新位置计算公式为：
，
，
式中，为第/>个猎物的运动步长，/>为第/>次迭代时的动态惯性权重，/>为基于非正态分布的随机数向量，/>为精英矩阵中第/>个捕食者，/>为猎物的位置矩阵，/>为常数，/>为最大迭代次数，/>为猎物数量；
迭代次数在内，该阶段种群被分为两组，其中，第一组猎物的新位置计算公式表示为：
，
式中，为基于levy分布的随机数向量；
第二组猎物的新位置计算公式表示为：
，
迭代次数在内，该阶段猎物的新位置计算公式表示为：
。
CN202310358161.7A 2023-04-06 2023-04-06 一种构网型电源多机并联控制方法 Active CN116094053B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310358161.7A CN116094053B (zh) 2023-04-06 2023-04-06 一种构网型电源多机并联控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310358161.7A CN116094053B (zh) 2023-04-06 2023-04-06 一种构网型电源多机并联控制方法

Publications (2)

Publication Number Publication Date
CN116094053A CN116094053A (zh) 2023-05-09
CN116094053B true CN116094053B (zh) 2023-08-15

Family

ID=86208642

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310358161.7A Active CN116094053B (zh) 2023-04-06 2023-04-06 一种构网型电源多机并联控制方法

Country Status (1)

Country Link
CN (1) CN116094053B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109768573A (zh) * 2019-01-29 2019-05-17 三峡大学 基于多目标差分灰狼算法的配电网无功优化方法
CN110635478A (zh) * 2019-10-23 2019-12-31 西南交通大学 一种基于单目标的新能源接入下的输电网规划的优化方法
CN112465365A (zh) * 2020-12-02 2021-03-09 四川大学 一种配电网每日运行效能评价方法
WO2022134596A1 (zh) * 2020-12-23 2022-06-30 南京邮电大学 一种计及新能源影响的主动配电网脆弱节点辨识方法
CN114997040A (zh) * 2022-05-06 2022-09-02 河海大学 一种基于改进支持向量回归的滑坡模拟参数反演方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109768573A (zh) * 2019-01-29 2019-05-17 三峡大学 基于多目标差分灰狼算法的配电网无功优化方法
CN110635478A (zh) * 2019-10-23 2019-12-31 西南交通大学 一种基于单目标的新能源接入下的输电网规划的优化方法
CN112465365A (zh) * 2020-12-02 2021-03-09 四川大学 一种配电网每日运行效能评价方法
WO2022134596A1 (zh) * 2020-12-23 2022-06-30 南京邮电大学 一种计及新能源影响的主动配电网脆弱节点辨识方法
CN114997040A (zh) * 2022-05-06 2022-09-02 河海大学 一种基于改进支持向量回归的滑坡模拟参数反演方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于变权和改进优劣解距离法的电能质量综合评估;李国欣等;《智慧电力》;第49卷(第7期);第86-92页 *

Also Published As

Publication number Publication date
CN116094053A (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
CN116610025B (zh) 一种基于改进元启发式算法的pid控制器优化方法
CN112734014A (zh) 基于置信上界思想的经验回放采样强化学习方法及系统
CN110134165A (zh) 一种用于环境监测与控制的强化学习方法及系统
CN113919217B (zh) 自抗扰控制器自适应参数整定方法及装置
CN113762603A (zh) 基于改进麻雀算法优化的光伏基站短期光伏功率预测方法
CN115293052A (zh) 电力系统有功潮流在线优化控制方法、存储介质和装置
CN111768028A (zh) 一种基于深度强化学习的gwlf模型参数调节方法
CN113381441A (zh) 一种基于哈里斯鹰算法的三相并网逆变器控制参数整定方法
CN117910329B (zh) 基于改进粒子群优化算法的海洋时序数据预测方法及系统
CN116231679A (zh) 一种基于深度强化学习的自适应虚拟同步机控制方法
CN115629607A (zh) 一种融合历史信息的强化学习路径规划方法
CN114063438B (zh) 一种数据驱动的多智能体系统pid控制协议自学习方法
CN116094053B (zh) 一种构网型电源多机并联控制方法
CN111488208B (zh) 基于可变步长蝙蝠算法的边云协同计算节点调度优化方法
CN117192966A (zh) 一种化工流程多回路pid参数的整定方法及其应用
CN113420863A (zh) 一种基于哈里斯鹰算法的储能双向变流器控制参数整定方法
CN117478538A (zh) 一种基于深度强化学习的物联网设备探测与控制方法
CN116663637A (zh) 一种多层级智能体同步嵌套训练方法
CN115333125A (zh) 基于深度q网络优化运行方式的次同步振荡抑制方法
CN113721655B (zh) 一种控制周期自适应的强化学习无人机稳定飞行控制方法
CN114583714A (zh) 电力系统无功优化控制参数求解方法、系统、设备及介质
CN110518644B (zh) 风电场的无功优化方法、装置及风电场
Wang et al. Mean field equilibrium in multi-armed bandit game with continuous reward
CN118151524B (zh) 一种基于改进非垄断搜索算法的位置式pid优化方法
CN112182948A (zh) 基于向量角粒子群的农田多目标控制排水模型的求解方法

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
GR01 Patent grant
GR01 Patent grant