CN117669980A - 一种多维性能评估的新型配电网光伏选址定容方法 - Google Patents

Abstract

本发明公开了属于新能源配电技术领域，特别涉及一种多维性能评估的新型配电网光伏选址定容方法，包括：使用配网潮流求解与启发式优化算法相结合的选址定容方法，遍历每组代表性光伏出力模式，获得给定光伏出力模式下对应的非支配方案解集；构建新型配电网技术性能评估模型，获得配电网技术性能指标；使用组合赋权－模糊评价的综合评价方法，对各非支配方案解集进行综合评定，获得综合评价值；根据每种出力模式的全年天数占比加权计算得到最终综合评价值；选取具有最大最终综合评价值的非支配解作为最优光伏选址定容方案。考虑多方面指标因素，获得在多技术性能指标上更均衡、总体性能更优的新型配电系统分布式光伏选址定容方案。

Description

一种多维性能评估的新型配电网光伏选址定容方法

技术领域

本发明属于新能源配电技术领域，特别涉及一种多维性能评估的新型配电网光伏选址定容方法。

背景技术

近年来，随着碳排放问题制约社会和经济发展，构建以光伏为基础的新型配电网系统是达成“双碳”目标的关键措施。分布式光伏电源发电呈现显著的波动性、间歇性，大规模光伏接入给新型电力系统带来电压越限、网损增加、运行风险增大等一系列危害。因此如何合理规划光伏电源的接入位置与容量是当下促进新型配电网系统高质量发展的重要技术问题。

新型配电系统中分布式光伏选址定容研究是针对光伏接入点位置、各点处光伏接入容量开展规划。由于不同接入方案对配网运行多维度、多指标的影响效果有所不同，因此选址定容研究本质上是解决一个多目标优化问题，即通过建立优化算法并求解以期获得具有多个设定目标共同最优结果的光伏接入点、接入容量参数。

一方面，受制于配电网系统运行原理约束，设定的优化目标间存在优化冲突，多个优化目标难以达到同时最优，需要在优化结果中选取最终的最佳接入方案。现有技术中分布式光伏选址定容方法难以实现考虑多方面指标因素，科学、合理地选取最终接入方案。

另一方面，受制于计算效率和求解难度，现有技术中的分布式光伏选址定容方法中的多目标优化算法仅设定2～3个优化目标，如网络节点电压偏差量、光伏消纳率以及网络损耗率等，难以全面覆盖光伏接入下的新型配电网性能指标。此时，优化算法实际考量的指标范围小于由于光伏接入所产生影响的指标范围，因此在有限优化目标数目下难以确保最终选取方案在较宽指标考量范围内具有良好的各指标综合性能。

因此现有技术中分布式光伏选址定容方法存在如下技术缺陷：

在多目标优化问题求解方面，存在两类方法。1)经典数学优化方法，其理论上可以获得全局最优解，然而光伏选址定容优化是一类具有非线性、多约束的混合整数规划问题，经典数学优化方法存在位数灾难问题，并且较难收敛无法获取最优解。2)启发式优化算法，包括遗传算法、粒子群算法、蚁群算法等，但现有研究侧重增强优化算法性能、求解效率，最优方案选取时仅考虑设定的数个优化指标的性能，缺乏对范围外指标性能的考虑。

在最优方案选取方面，虽然考虑到了多指标综合评价问题，有通过加权法求取综合评价值实现接入点优选，也有模糊数层次分析法、优劣解距离法和主成分分析法的应用。但当前技术仅采用单一方法或简单组合方法进行方案的综合评价与最终方案选取，缺乏对于量纲不同、类型不同的多维度、多指标光伏接入影响因素进行完善评价的技术方法。

在针对新型配电网系统的分布式光伏选址定容问题方面，虽然有考虑遗传算法、粒子群算法等方法的光伏接入位置、接入容量规划，但其主要用于促进优化算法求解性能及方法设定的2～3个优化目标结果的提升。在新型配电系统中，分布式光伏的广泛接入将对系统产生多维度、多指标的同时性影响，仅在较少数目优化目标中寻优的方法存在偏向增强设定优化指标，而范围外指标考虑不全面、存在性能劣化的问题。

在利用多目标优化算法获取了光伏位置、容量参数的接入方案集合后，仅采用模糊综合评价方法、加权法等单一或简单组合方法进行最终方案选取，没有完善考虑到多指标所占权重赋值过程中的主观、客观因素，赋权过程存在全面性、科学性不足的问题。

综上所述，亟需一种多维性能评估的新型配电网光伏选址定容方法，能够增强光伏选址定容方法的光伏接入下配网性能评价指标考量范围，提升最终方案选取的多维性能综合评价合理性，获得在多技术性能指标上更均衡、总体性能更优的新型配电系统分布式光伏选址定容方案。

发明内容

本发明的目的是提供一种多维性能评估的新型配电网光伏选址定容方法，其特征在于，包括以下步骤：

步骤S1:使用配网潮流求解与启发式优化算法相结合的选址定容方法，遍历每组代表性光伏出力模式，获得给定光伏出力模式下对应的非支配方案解集；构建新型配电网技术性能评估模型，获得配电网技术性能指标；

步骤S2：使用组合赋权－模糊评价的综合评价方法，在不同光伏出力模式下，对各非支配方案解集进行综合评定，获得综合评价值；根据每种出力模式的全年天数占比加权计算得到最终综合评价值；选取具有最大最终综合评价值的非支配解作为最优光伏选址定容方案，实现基于综合性能评价的评价-选取一体化分布式光伏选址定容。

所述步骤S1中构建新型配电网技术性能评估模型包括：电能质量评估模型、供电能力评估模型以及光伏并网特性评估模型；

所述电能质量评估模型包括：

平均电压偏差率ΔU：

式中：U_i为第i个监测位置的电压测量值；U_ie为第i个监测位置的系统标称电压；N为监测点数量；

平均电压波动率λ_U：

式中：U_i(j)为第i个测量点的电压监测值；为系统电压均值；n_c为电压监测周期内测量数；

综合电压合格率D_U：

D_U为根据负荷等级加权得到的综合电压合格率、U_A、U_B、U_C分别为根据新型配电网中负荷重要程度从高至低划分为A、B、C三个等级对应的电压，D_x为是各个监测点分别测量的电压合格率，x＝{A，B，C}；t_u为电压超上限运行时间；t_d为电压超下限运行时间；t₀为总运行统计时间；

所述供电能力评估模型包括：

主变压器重、过载率：

主变压器重、过载率＝(主变重载运行时间+主变过载运行时间)/总监测时间×100％；

配电线路重、过载率D_line：

式中：t_iz、t_ig、t_i分别为配网中第i条线路的重载、过载和总运行时间；l_i、l₀分别为第i条线路的长度和配电网线路总长度；M为配电网支路数量；

线路总损耗率D_loss

式中：I_i，t、R_i分别为t时刻第i条支路的电流和电阻；为t₀至T时刻内配电网传输的总电量。

所述光伏并网特性评估模型包括：

光伏容量渗透率：

光伏容量渗透率＝分布式光伏额定容量/最大负荷量×100％；

光伏最大盈余发用比μ：

式中：P_L，t和分别为t时刻负荷功率与时段内最大负荷功率；P_PV，t是分布式光伏电源在t时刻的输出功率；

源-荷归一化形态匹配率λ_GL：

式中：为分布式光伏电源在时段内的最大输出功率；

光伏弃光率：

光伏弃光率＝光伏弃电量/(光伏弃电量+光伏发电量)×100％。

所述步骤S1中配网潮流求解与启发式优化算法相结合的选址定容方法包括：

步骤S11：使用K-means方法对光伏全年出力数据进行聚类，得到多组代表性光伏出力模式；

步骤S12：遍历步骤S11中的多组代表性光伏出力模式，基于24小时配网负荷数据和光伏出力数据，使用基于NSGA-II算法的多目标优化方法进行优化求解；

步骤S13：进行配电网潮流计算，获得给定光伏出力模式下对应的非支配方案解集，并输出由非支配方案解集构成的Pareto超平面，作为最优接入方案选取的备选集。

所述步骤S12中使用基于NSGA-II算法的多目标优化方法进行优化求解包括：

步骤S121：基于分布式光伏接入问题的决策变量，确定编码方式x；所述分布式光伏接入问题的决策变量包括：每个光伏电源在系统中的接入点位置和接入容量，所述编码方式x为：

x＝[u₁,u₂,…,u_GN,v₁,v₂,…,v_GN] (21)

式中：GN为配电网中光伏电源接入数量；u_i为光伏的接入点编号算法中采用整数编码；v_i为u_i节点处光伏的安装容量；

步骤S122：设定目标函数为：平均电压偏差率ΔU、线路总损耗率D_loss以及光伏弃光率；

步骤S123：设定初始化参数，根据所述步骤S122中的目标函数，计算得到适应度值后，进行种群的快速非支配排序；所述初始化参数包括：初始化光伏接入点位置、光伏接入容量、种群规模、最大遗传代数、交叉与变异概率；

步骤S124：进行迭代优化：所述迭代优化包括：通过二元锦标赛算法选择、二进制交叉以及多项式变异获取子代种群Q_t，与父代合并后得到新种群P_t；通过计算适应度值和快速非支配排序后，根据预设置的比例选取下一代种群，若未满足停止条件，则重复所述迭代优化步骤；

所述停止条件为：所有目标函数连续I_c代经过最大最小归一化的最小适应度值均不再下降时，则认定当前Pareto超平面已包含近似最优非支配解，判定满足停止条件；

步骤S125：运行退出机制，当满足所述停止条件时，判定触发基于最小适应度值下降率判别的优化退出机制，停止优化求解。

所述步骤S2中组合赋权－模糊评价的综合评价方法包括：

步骤S21：使用AHP-灰色关联分析方法进行主观赋权；

步骤S22：使用CRITIC方法进行客观赋权；

步骤S23：使用最小鉴别信息法进行主-客观权重的组合赋权；

步骤S24：使用模糊综合评判法进行综合评价，获得综合评价值。

所述步骤S21中使用AHP-灰色关联分析方法进行主观赋权包括：

步骤S211：引入1-9标度法构建判断矩阵A；

A＝(t_ij)_n×n

式中，t_ij是指标y_i和指标y_j在光伏选址定容对电网性能影响程度的重要性对比，满足t_ji＝1/t_ij，t_ij＞0，t_ii＝1；n是判断矩阵阶数；

步骤S212：计算指标权重向量w，对各层级指标进行规范化，得到权重向量，获取判断矩阵A的最大特征值λ_max；

步骤S213：进行一致性检验，当满足C.R.＜0.1时，判定判断矩阵A的一致性在容许范围内：

式中：C.R.为一致性比率，C.I.为判断矩阵A的一致性指标，R.I.是随机一致性指标；

步骤S214：构建专家群体权重矩阵B＝(b_ij)_m×n：

式中：m为参与评估的专家数量，b_ij为第i位专家对第j项指标重要性判断的权重；为第m位专家的权重向量；

步骤S215：选择判断矩阵A中最大权重值作为参考权重B₀：

B₀＝max{b₁₁，b₁₂，...，b_1n，b₂₁，...，b_ij，...，b_mn}

步骤S216：计算专家群体权重矩阵B与参考权重B₀间的距离，经过规范化得到最终主观赋权结果

式中，为根据相对距离求取得到的赋权权重。

所述步骤S22中使用CRITIC方法进行客观赋权包括：

步骤S221：判断指标的正负性，完成数据标准化，得到标准化专家群体权重矩阵B′；所述判断指标的正负性包括：若待处理的指标值越大越好时，采用正向化处理，若待处理的指标值越小越好时，采用负向化处理；所述标准化专家群体权重矩阵B′＝(b′_ij)_m×n；

所述正向化处理为：

所述负向化处理为：

式中，b′_ij为标准化处理后的第i位专家对第j项指标重要性判断的权重；max{b_j}为标准化处理后第j项指标重要性判断的权重的最大值，min{b_j}为标准化处理后第j项指标重要性判断的权重的最小值；

步骤S222：计算标准化专家群体权重矩阵B′的标准差σ_j：

步骤S223：计算标准化专家群体权重矩阵B′的冲突性指标Rj_：

式中：cov()表示协方差算符；B′_i、B′_j分别表示B′的第i、j行向量；σ_i为第i个指标的标准差，σ_j第j个指标的标准差；

步骤S224：计算客观权重

式中：σ_jR_j项为第j个评价指标的信息量。

所述步骤S23中使用最小鉴别信息法进行主-客观权重的组合赋权包括：

步骤S231：定义最小鉴别信息法的目标函数为：

式中，w_c为采用最小鉴别信息原理获取的组合权重向量，为组合权重，/>为主观赋权权重，/>为客观赋权权重；

步骤S232：求解步骤S231中最小鉴别信息法的目标函数，得到组合权重w_c的表达式：

所述步骤S24中模糊综合评判法包括：

步骤S241：构建评价集，进行光伏选址定容方案的综合评定；所述评价集采用4级评价集划分；

步骤S242：构建模糊评价模型，基于步骤S1中新型配电网技术性能评估模型获得的各指标结果，利用隶属函数获取评判矩阵R＝(r_ij)_p×q，式中，p是评价指标数量，q是评价集等级划分数，r_ij为配电网技术性能指标，当r_ij为综合电压合格率、光伏容量渗透率、源-荷归一化形态匹配率时，采用成本型三角型隶属函数，当r_ij为其余配电网技术性能指标时，采用效益型三角形隶属函数模型；

步骤S243：获取综合评价值M：

M＝S·V^T (20)

式中，S为模糊评价隶属度，其中/>是基于最小信息鉴别原理获取的主客观组合赋权向量，V^T为评估赋值矩阵。

本发明的有益效果在于：

现有技术在仅设定2～3个优化目标，满足基本计算效率要求的基础上，无法实现分布式光伏接入多维度、多指标影响因素的综合考量，导致最终选取的接入方案仅在设定的优化指标方面具有良好性能，而其余指标性能劣化严重。本发明提出一种选取-评价一体化分布式光伏选址定容方法，其目的是在现有技术相同计算效率前提下，获取在更宽指标考虑范围内具有更优综合性能的分布式光伏选址定容方案。

现有技术在最终接入方案选取阶段，采用加权法、模糊综合评价法等，存在各优化目标重要性权重值设定简单、依靠专家打分主观性强的问题。本发明针对该问题提出一种基于组合赋权－模糊综合评价的综合评估方法，其目的是在指标权重赋权阶段融合考虑主观、客观两方面，并通过权重组合，实现更科学完善的接入方案性能综合评价。

附图说明

图1为本发明一种多维性能评估的新型配电网光伏选址定容方法流程示意图；

图2为配网潮流求解与启发式优化算法相结合的选址定容方法流程示意图；

图3为本发明新型配电网技术性能评价体系示意图；

图4为本发明组合赋权－模糊评价的综合评价方法流程示意图；

图5为基于NSGA-II算法的分布式光伏接入方案优化流程示意图。

具体实施方式

本发明提供一种多维性能评估的新型配电网光伏选址定容方法，以下结合附图对本发明作进一步的详细说明。

如图1所示的本发明实施例公开一种多维性能评估的新型配电网光伏选址定容方法，包括以下步骤：

步骤S1:使用配网潮流求解与启发式优化算法相结合的选址定容方法，遍历每组代表性光伏出力模式，获得给定光伏出力模式下对应的非支配方案解集；构建新型配电网技术性能评估模型，获得配电网技术性能指标；

步骤S2：使用组合赋权－模糊评价的综合评价方法，在不同光伏出力模式下，对各非支配方案解集进行综合评定，获得综合评价值；根据每种出力模式的全年天数占比加权计算得到最终综合评价值；选取具有最大最终综合评价值的非支配解作为最优光伏选址定容方案，实现基于综合性能评价的评价-选取一体化分布式光伏选址定容。

在本实施例中所述一种多维性能评估的新型配电网光伏选址定容方法包括优化求解和方案评估选取两个阶段。在第一阶段中，该模型遍历计算并记录不同光伏出力模式下对应的非支配方案解集，以及所提新型配电网评估体系中包含的各指标结果。待优化模型满足收敛判别条件时，第一阶段结束。在第二阶段，首先利用如图4所示的组合赋权－模糊评价的综合评价方法，在不同光伏出力模式下，对各非支配方案进行综合评定，获取评价分数。而后根据每种出力模式的全年天数占比加权计算最终的综合评价值。并选取具有最大评价值的非支配解作为最优光伏选址定容方案。实现基于综合性能评价与接入参数优化的评价-选取一体化新型配电网光伏选址定容。

所述步骤S1中构建新型配电网技术性能评估模型包括：电能质量评估模型、供电能力评估模型以及光伏并网特性评估模型；从电能质量、供电能力以及光伏并网特性三个角度建立新型配电网技术性能评估体系，如图3所示，实现新型配电系统中分布式光伏接入影响因素的多维度、多指标综合评价，建立新型配电网技术性能评估指标体系。

所述电能质量评估模型包括：

平均电压偏差率ΔU：

式中：U_i为第i个监测位置的电压测量值；U_ie为第i个监测位置的系统标称电压；N为监测点数量；

平均电压波动率λ_U：

式中：U_i(j)为第i个测量点的电压监测值；为系统电压均值；n_c为电压监测周期内测量数；

在本实施例中，平均电压波动率λ_U反映了分布式光伏接入引起的配电网电压波动程度。

综合电压合格率D_U：

D_U为根据负荷等级加权得到的综合电压合格率、U_A、U_B、U_C分别为根据新型配电网中负荷重要程度从高至低划分为A、B、C三个等级对应的电压，D_x为是各个监测点分别测量的电压合格率，x＝{A，B，C}；t_u为电压超上限运行时间；t_d为电压超下限运行时间；t₀为总运行统计时间；

在本实施例中A、B、C三个等级定义为：

A类供电电压监测点：带地区供电负荷的变电站10千伏母线电压。

B类供电电压监测点：35千伏专线供电和110千伏及以上供电的用户端电压。

C类供电电压监测点：35千伏非专线供电和10千伏供电的用户端电压。

所述供电能力评估模型包括：

主变压器重、过载率：

主变压器重、过载率＝(主变重载运行时间+主变过载运行时间)/总监测时间×100％；

配电线路重、过载率D_line：

式中：t_iz、t_ig、t_i分别为配网中第i条线路的重载、过载和总运行时间；l_i、l₀分别为第i条线路的长度和配电网线路总长度；M为配电网支路数量；

线路总损耗率D_loss

式中：I_i，t、R_i分别为t时刻第i条支路的电流和电阻；为t₀至T时刻内配电网传输的总电量。

所述光伏并网特性评估模型包括：

光伏容量渗透率：

光伏容量渗透率＝分布式光伏额定容量/最大负荷量×100％；

在本实施例中，光伏容量渗透率反映配网内光伏装机容量的饱和程度。

光伏最大盈余发用比μ：

式中：P_L，t和分别为t时刻负荷功率与时段内最大负荷功率；P_PV，t是分布式光伏电源在t时刻的输出功率；

在本实施例中，考虑到光伏电源出力受光照等因素影响存在时变性和出力峰值，在某些时刻对新型配电系统有较严重的不利影响。在发电量盈余时，网络返送功率较大，易导致系统设备和线路产生过载。光伏最大盈余发用比μ，能够反映配网在最不利时段下可能承受的最严苛运行情况。现有技术中光伏接入评价大多从光伏容量渗透率、供电质量等角度开展，而缺少光伏接入对配网设备影响作用方面的评价指标。因此，加入光伏最大盈余发用比μ，能够反映了配网在最不利时段下可能承受的最严苛运行情况，提升评价体系中指标考虑因素的维度和评价的广泛性。

源-荷归一化形态匹配率λ_GL：

式中：为分布式光伏电源在时段内的最大输出功率；

在本实施例中，源-荷归一化形态匹配率λ_GL表示某时间段内，负荷功率归一化曲线和光伏出力归一化曲线重叠面积与光伏出力归一化曲线所围面积的比值。其值越大，则光伏出力情况和负荷消耗情况的匹配率越好。源-荷归一化形态匹配率λ_GL从光伏出力曲线和负荷量曲线的形态的角度，反映了一段时间内的光伏出力能力与负荷需求量间的匹配程度。传统的光伏弃光量指标仅能衡量一段时间内的光伏电源发电量与负荷量间的偏差，而无法从时间变化的角度评价具有出力波动性和间歇性的光伏电源发电能力与负荷需求变化的契合性。匹配率越高则表明区域内源-荷间电能供需不平衡程度越低，返送给上级电网的功率也越低，有助于降低配网线路传输损耗和线路重、过载运行的概率。因此，评价体系中加入源-荷归一化形态匹配率λ_GL，能够提升评价体系中指标考虑因素的维度和评价的广泛性。

光伏弃光率：

光伏弃光率＝光伏弃电量/(光伏弃电量+光伏发电量)×100％。

在本实施例中，光伏弃光率反映光伏有效接入容量占比，低光伏弃光率表明配网中无效光伏设备少，光伏投资建设效率更高。

如图2所示，所述步骤S1中配网潮流求解与启发式优化算法相结合的选址定容方法，基于K-means方法聚类得到多个代表性光伏出力模式，以缩减全年光伏场景；基于24小时配网负荷数据、代表性光伏出力模式构建配网潮流求解与启发式优化算法相结合的选址定容模型，实现光伏接入参数优化。

所述步骤S1中配网潮流求解与启发式优化算法相结合的选址定容方法包括：

步骤S11：使用K-means方法对光伏全年出力数据进行聚类，得到多组代表性光伏出力模式；

步骤S12：遍历步骤S11中的多组代表性光伏出力模式，基于24小时配网负荷数据和光伏出力数据，使用基于NSGA-II算法的多目标优化方法进行优化求解；

步骤S13：进行配电网潮流计算，获得给定光伏出力模式下对应的非支配方案解集，并输出由非支配方案解集构成的Pareto超平面，作为最优接入方案选取的备选集。

如图5所示，所述步骤S12中使用基于NSGA-II算法的多目标优化方法进行优化求解包括：

步骤S121：基于分布式光伏接入问题的决策变量，确定编码方式x；所述分布式光伏接入问题的决策变量包括：每个光伏电源在系统中的接入点位置和接入容量，所述编码方式x为：

x＝[u₁,u₂,,u_GN,v₁,v₂,…,v_GN] (21)

式中：GN为配电网中光伏电源接入数量；u_i为光伏的接入点编号算法中采用整数编码；v_i为u_i节点处光伏的安装容量；

在本实施例中，首先确定编码方式。分布式光伏接入问题的决策变量包括每个光伏电源在系统中的接入点位置和接入容量。

步骤S122：设定目标函数为：平均电压偏差率ΔU、线路总损耗率D_loss以及光伏弃光率；

在本实施例中，为提升优化目标涵盖全面性，本发明分别在电压质量、供电能力和分布式光伏接入效果三个评价维度中各选取一个指标作为NSGA-II算法目标函数，即平均电压偏差率、线路总损耗率以及光伏弃光率。

步骤S123：设定初始化参数，根据所述步骤S122中的目标函数，计算得到适应度值后，进行种群的快速非支配排序；所述初始化参数包括：初始化光伏接入点位置、光伏接入容量、种群规模、最大遗传代数、交叉与变异概率；

在本实施例中进行参数初始化。初始化光伏接入点位置、光伏接入容量、种群规模、最大遗传代数、交叉与变异概率等参数。并根据目标函数计算得到适应度值后，进行种群的快速非支配排序。

步骤S124：进行迭代优化：所述迭代优化包括：通过二元锦标赛算法选择、二进制交叉以及多项式变异获取子代种群Q_t，与父代合并后得到新种群P_t；通过计算适应度值和快速非支配排序后，根据预设置的比例选取下一代种群，若未满足停止条件，则重复所述迭代优化步骤；

所述停止条件为：所有目标函数连续I_c代经过最大最小归一化的最小适应度值均不再下降时，则认定当前Pareto超平面已包含近似最优非支配解，判定满足停止条件；

在本实施例中迭代优化。首先通过二元锦标赛算法选择、二进制交叉以及多项式变异等操作，获取子代种群Q_t，并与父代合并后得到新种群P_t。之后，通过计算适应度值和快速非支配排序后，根据一定比例选取得到下一代种群。若未满足停止条件，则重复上述步骤。

步骤S125：运行退出机制，当满足所述停止条件时，判定触发基于最小适应度值下降率判别的优化退出机制，停止优化求解。

在本实施例中，运行退出机制。启发式优化算法计算量随种群数目、目标函数数量增加而增长，且新型配电网评价体系中指标计算涉及光伏接入下的潮流求解，造成模型计算效率降低。为此，本发明设计了一种基于最小适应度值下降率判别的优化退出机制。一旦所有目标函数连续I_c代经过最大最小归一化的最小适应度值均不再下降时，则认定当前Pareto超平面已包含近似最优非支配解，程序停止。

在本实施例中，考虑到分布式光伏选址定容的多个目标间存在优化冲突，全局可行解不唯一，难以转化为单目标优化问题。为此本发明采用带有精英策略的NSGA-II算法作为多目标优化方法，分布式光伏接入方案优化流程如图5所示。模型输出非支配方案解集构成的Pareto超平面，作为最优接入方案选取的备选集。

所述步骤S2中组合赋权－模糊评价的综合评价方法包括：

步骤S21：使用AHP-灰色关联分析方法进行主观赋权；

步骤S22：使用CRITIC方法进行客观赋权；

步骤S23：使用最小鉴别信息法进行主-客观权重的组合赋权；

步骤S24：使用模糊综合评判法进行综合评价，获得综合评价值。

在本实施例中，赋权方法包括主观与客观两种。主观赋权将多位专家的多轮独立评价意见统一，获取光伏接入下各评价因素的重要性占比，优势在于评价结果符合直觉经验。客观赋权则是通过挖掘评价指标的数字特征实现权重分配，优势是符合系统实际运行情况。本发明所述新型配电网技术性能评价体系包括三个方面、多种评价指标，通过专家打分获取的最终主观赋权结果往往和客观赋权结果存在较大差异。因此，如何科学地融合两者结果是获取各评价指标有效组合权重的关键。

在本实施例中，采用层次分析法-灰色关联分析结合方法，融合多位专家差异化打分结果获取主观赋权，以及在采用CRITIC获取客观赋权的基础上。采用了最小鉴别信息法获取最终的组合权重，既考虑到决策者的主观偏好，又兼顾到实际数量特征的客观性。并且与传统线性加权平均方法相比，该方法可以满足获取的组合权重的分布与主观权重分布和客观权重分布尽可能的接近，提升主客观权重融合的合理性。

在本实施例中层次分析法(analytic hierarchy process,AHP)-灰色关联分析与CRITIC相结合的主客观组合赋权方法，既考虑到专家知识和决策意图，又可反应客观数据的实际规律，实现主、客观评价方法的优劣互补。

所述步骤S21中使用AHP-灰色关联分析方法进行主观赋权包括：

步骤S211：引入1-9标度法构建判断矩阵A；

A＝(t_ij)_n×n

式中，t_ij是指标y_i和指标y_j在光伏选址定容对电网性能影响程度的重要性对比，满足t_ji＝l/t_ij，t_ij＞0，t_ii＝1；n是判断矩阵阶数；

在本实施例中，基于新型配电网技术性能评估指标体系，引入1-9标度法，构建判断矩阵A。

步骤S212：计算指标权重向量w，对各层级指标进行规范化，得到权重向量获取判断矩阵A的最大特征值λ_max；

在本实施例中，计算指标权重包括：首先对判断矩阵A进行列向量规范化，并进行行向量求和，得到指标权重向量w；在对各层级指标进行规范化，得到权重向量的基础上，获取判断矩阵A的最大特征值λ_max：

步骤S213：进行一致性检验，当满足C.R.＜0.1时，判定判断矩阵A的一致性在容许范围内：

式中：C.R.为一致性比率，C.I.为判断矩阵A的一致性指标，R.I.是随机一致性指标；

在本实施例中，不同专家的独立评价间可能存在较大差异性，需要进行权值一致性检验，当满足C.R.＜0.1时，判定判断矩阵A的一致性在容许范围内。

步骤S214：构建专家群体权重矩阵B＝(b_ij)_m×n：

式中：m为参与评估的专家数量，b_ij为第i位专家对第j项指标重要性判断的权重；为第m位专家的权重向量；

在本实施例中，重复步骤S211～步骤S213，获取所有专家的赋权结果，并构建构造专家群体权重矩阵B＝(b_ij)_m×n。

步骤S215：选择判断矩阵A中最大权重值作为参考权重B₀：

B₀＝max{b₁₁，b₁₂，...，b_1n，b₂₁，...，b_ij，...，b_mn}

在本实施例中，选择判断矩阵A中最大权重值作为参考值，确定参考权重B₀。

步骤S216：计算专家群体权重矩阵B与参考权重B₀间的距离，经过规范化得到最终主观赋权结果

式中，为根据相对距离求取得到的赋权权重。

在本实施例中，计算专家群体权重矩阵B与参考权重B0间的距离，经过规范化得到最终主观赋权结果

在本实施例中，采用CRITIC法进行客观赋权，通过指标对比强度和冲突性综合衡量数据所蕴含的信息量，从而确定不同指标的权重分配。CRITIC方法综合考虑数据的相关性和差异性，使得赋权更客观、准确。

所述步骤S22中使用CRITIC方法进行客观赋权包括：

步骤S221：判断指标的正负性，完成数据标准化，得到标准化专家群体权重矩阵B′；所述判断指标的正负性包括：若待处理的指标值越大越好时，采用正向化处理，若待处理的指标值越小越好时，采用负向化处理；所述标准化专家群体权重矩阵B′＝(b′_ij)_m×n；

所述正向化处理为：

所述负向化处理为：

式中，b′_ij为标准化处理后的第i位专家对第j项指标重要性判断的权重；max{b_j}为标准化处理后第j项指标重要性判断的权重的最大值，min{b_j}为标准化处理后第j项指标重要性判断的权重的最小值；

在本实施例中，为消除不同类型指标的量纲影响，需对数据进行标准化。首先判断指标的正负性，并分别采用正向化或负向化处理。从而得到标准化专家群体权重矩阵B′＝(b′_ij)_m×n。对于正向、负向指标分别采用式(13)和式(14)处理。

步骤S222：计算标准化专家群体权重矩阵B′的标准差σ_j：

在本实施例中，计算标准化专家群体权重矩阵B′的指标对比强度。根据B′的标准差σ_j衡量各指标的专家打分差异程度：

步骤S223：计算标准化专家群体权重矩阵B′的冲突性指标R_j：

式中：cov()表示协方差算符；B′_i、B′_j分别表示B′的第i、j行向量；σ_i为第i个指标的标准差，σ_j第j个指标的标准差；

在本实施例中，计算标准化专家群体权重矩阵B′的冲突性指标R_j。

步骤S224：计算客观权重

式中：σ_jRj_项为第j个评价指标的信息量。

在本实施例中，σ_jR_j项为第j个评价指标的信息量，该项数值越大则表明第j个评价指标越重要，其相应的权重也更大。

所述步骤S23中使用最小鉴别信息法进行主-客观权重的组合赋权包括：

步骤S231：定义最小鉴别信息法的目标函数为：

式中，w_c为采用最小鉴别信息原理获取的组合权重向量，为组合权重，/>为主观赋权权重，/>为客观赋权权重；

在本实施例中，定义最小鉴别信息法的目标函数确保组合权重尽可能地接近和

步骤S232：求解步骤S231中最小鉴别信息法的目标函数，得到组合权重w_c的表达式：

在本实施例中，求解步骤S231中最小鉴别信息法的目标函数,得到组合权重w_c的表达式。

在本实施例中，采用模糊综合评判模型实现多指标的综合判定，以实现光伏选址定容方案的最优决策。

所述步骤S24中模糊综合评判法包括：

步骤S241：构建评价集，进行光伏选址定容方案的综合评定；所述评价集采用4级评价集划分；

在本实施例中，根据光伏选址定容评价等级的细化程度，采用4级评价集划分，即(好，较好，一般，差)，进行光伏选址定容方案的综合评定，实现评价集构建。

步骤S242：构建模糊评价模型，基于步骤S1中新型配电网技术性能评估模型获得的各指标结果，利用隶属函数获取评判矩阵R＝(r_ij)_p×q，式中，p是评价指标数量，q是评价集等级划分数，r_ij为配电网技术性能指标，当r_ij为综合电压合格率、光伏容量渗透率、源-荷归一化形态匹配率时，采用成本型三角型隶属函数，当r_ij为其余配电网技术性能指标时，采用效益型三角形隶属函数模型；

在本实施例中，基于性能评估体系中各指标结果，利用隶属函数获取评判矩阵R＝(r_ij)_p×q，p是评价指标数量，q是评价集等级划分数。其中，综合电压合格率、光伏容量渗透率、源-荷归一化形态匹配率采用成本型三角型隶属函数，其余指标采用效益型三角形隶属函数模型。从而实现构建模糊评价模型。

步骤S243：获取综合评价值M：

M＝S·V^T (20)

式中，S为模糊评价隶属度，其中/>是基于最小信息鉴别原理获取的主客观组合赋权向量，V^T为评估赋值矩阵，在本实施例中，V^T＝[95，80，65，50]。

在本实施例中，模糊评价隶属度表示为其中/>是基于最小信息鉴别原理获取的主客观组合赋权向量。最终，根据下式获得综合评价分数，评估赋值矩阵V^T＝[95，80，65，50]，实现获取综合评价。

综上所述，本发明公开一种多维性能评估的新型配电网光伏选址定容方法：

1、提出了一种接入方案综合评价过程与方案选取过程一体化的分布式光伏选址定容方法新思路。

2、提出了一种针对新型配电网中分布式光伏接入的多维度、多指标技术性能评估体系。

3、通过AHP-灰色关联进行主观赋权、CRITIC法客观赋权、最小鉴别信息原理方法组合赋权，并在此基础上，通过模糊综合评价方法进行选址定容方案结果综合评估的评价方法(即基于组合赋权－模糊综合评价的综合评估方法)。

4、提出了一种基于新型配电网光伏接入下技术性能评估体系建立，并在此基础上构建主观客观组合赋权-模糊综合评价的综合评估方法，可实现在宽指标考量范围内具有更优综合性能的分布式光伏接入方案选取策略。

考虑到现有技术的优化目标设定数量有限(2～3个)，难以实现光伏接入下配电网多维度、多指标性能全面提升的问题。本发明通过建立评价过程与优化过程相结合的选址定容方法，在设定同样数目优化目标(2～3个)确保计算效率与当前技术相同的基础上，实现了最终选取方案具有更优的多指标综合性能。在选址定容方法的最终方案选取阶段，本发明采用首先建立配电网技术性能指标体系，在此基础上采用主观客观组合赋权-模糊综合评价的方法，提升了接入方案选取的指标考量范围、提升了指标权重赋权的合理性。

Claims (9)

1.一种多维性能评估的新型配电网光伏选址定容方法，其特征在于，包括以下步骤：

步骤S1:使用配网潮流求解与启发式优化算法相结合的选址定容方法，遍历每组代表性光伏出力模式，获得给定光伏出力模式下对应的非支配方案解集；构建新型配电网技术性能评估模型，获得配电网技术性能指标；

步骤S2：使用组合赋权－模糊评价的综合评价方法，在不同光伏出力模式下，对各非支配方案解集进行综合评定，获得综合评价值；根据每种出力模式的全年天数占比加权计算得到最终综合评价值；选取具有最大最终综合评价值的非支配解作为最优光伏选址定容方案，实现基于综合性能评价的评价-选取一体化分布式光伏选址定容。

2.根据权利要求1所述的多维性能评估的新型配电网光伏选址定容方法，其特征在于，所述步骤S1中构建新型配电网技术性能评估模型包括：电能质量评估模型、供电能力评估模型以及光伏并网特性评估模型；

所述电能质量评估模型包括：

平均电压偏差率ΔU：

式中：U_i为第i个监测位置的电压测量值；U_ie为第i个监测位置的系统标称电压；N为监测点数量；

平均电压波动率λ_U：

式中：U_i(j)为第i个测量点的电压监测值；为系统电压均值；n_c为电压监测周期内测量数；

综合电压合格率D_U：

D_U为根据负荷等级加权得到的综合电压合格率、U_A、U_B、U_C分别为根据新型配电网中负荷重要程度从高至低划分为A、B、C三个等级对应的电压，D_x为是各个监测点分别测量的电压合格率，x＝{A，B，C}；t_u为电压超上限运行时间；t_d为电压超下限运行时间；t₀为总运行统计时间；

所述供电能力评估模型包括：

主变压器重、过载率：

主变压器重、过载率＝(主变重载运行时间+主变过载运行时间)/总监测时间×100％；

配电线路重、过载率D_line：

式中：t_iz、t_ig、t_i分别为配网中第i条线路的重载、过载和总运行时间；l_i、l₀分别为第i条线路的长度和配电网线路总长度；M为配电网支路数量；

线路总损耗率D_loss

式中：I_i，t、R_i分别为t时刻第i条支路的电流和电阻；为t₀至T时刻内配电网传输的总电量。

所述光伏并网特性评估模型包括：

光伏容量渗透率：

光伏容量渗透率＝分布式光伏额定容量/最大负荷量×100％；

光伏最大盈余发用比μ：

式中：P_L，t和分别为t时刻负荷功率与时段内最大负荷功率；P_PV，t是分布式光伏电源在t时刻的输出功率；

源-荷归一化形态匹配率λ_GL：

式中：为分布式光伏电源在时段内的最大输出功率；

光伏弃光率：

光伏弃光率＝光伏弃电量/(光伏弃电量+光伏发电量)×100％。

3.根据权利要求1所述的多维性能评估的新型配电网光伏选址定容方法，其特征在于，所述步骤S1中配网潮流求解与启发式优化算法相结合的选址定容方法包括：

步骤S11：使用K-means方法对光伏全年出力数据进行聚类，得到多组代表性光伏出力模式；

步骤S12：遍历步骤S11中的多组代表性光伏出力模式，基于24小时配网负荷数据和光伏出力数据，使用基于NSGA-II算法的多目标优化方法进行优化求解；

步骤S13：进行配电网潮流计算，获得给定光伏出力模式下对应的非支配方案解集，并输出由非支配方案解集构成的Pareto超平面，作为最优接入方案选取的备选集。

4.根据权利要求3所述的多维性能评估的新型配电网光伏选址定容方法，其特征在于，所述步骤S12中使用基于NSGA-II算法的多目标优化方法进行优化求解包括：

步骤S121：基于分布式光伏接入问题的决策变量，确定编码方式x；所述分布式光伏接入问题的决策变量包括：每个光伏电源在系统中的接入点位置和接入容量，所述编码方式x为：

x＝[u₁,u₂,…,u_GN,v₁,v₂,…,v_GN] (21)

式中：GN为配电网中光伏电源接入数量；u_i为光伏的接入点编号算法中采用整数编码；v_i为u_i节点处光伏的安装容量；

步骤S122：设定目标函数为：平均电压偏差率ΔU、线路总损耗率D_loss以及光伏弃光率；

步骤S123：设定初始化参数，根据所述步骤S122中的目标函数，计算得到适应度值后，进行种群的快速非支配排序；所述初始化参数包括：初始化光伏接入点位置、光伏接入容量、种群规模、最大遗传代数、交叉与变异概率；

步骤S124：进行迭代优化：所述迭代优化包括：通过二元锦标赛算法选择、二进制交叉以及多项式变异获取子代种群Q_t，与父代合并后得到新种群P_t；通过计算适应度值和快速非支配排序后，根据预设置的比例选取下一代种群，若未满足停止条件，则重复所述迭代优化步骤；

所述停止条件为：所有目标函数连续I_c代经过最大最小归一化的最小适应度值均不再下降时，则认定当前Pareto超平面已包含近似最优非支配解，判定满足停止条件；

步骤S125：运行退出机制，当满足所述停止条件时，判定触发基于最小适应度值下降率判别的优化退出机制，停止优化求解。

5.根据权利要求1所述的多维性能评估的新型配电网光伏选址定容方法，其特征在于，所述步骤S2中组合赋权－模糊评价的综合评价方法包括：

步骤S21：使用AHP-灰色关联分析方法进行主观赋权；

步骤S22：使用CRITIC方法进行客观赋权；

步骤S23：使用最小鉴别信息法进行主-客观权重的组合赋权；

步骤S24：使用模糊综合评判法进行综合评价，获得综合评价值。

6.根据权利要求5所述的多维性能评估的新型配电网光伏选址定容方法，其特征在于，所述步骤S21中使用AHP-灰色关联分析方法进行主观赋权包括：

步骤S211：引入1-9标度法构建判断矩阵A；

A＝(t_ij)_n×n

式中，t_ij是指标y_i和指标y_j在光伏选址定容对电网性能影响程度的重要性对比，满足t_ji＝1/t_ij，t_ij＞0，t_ii＝1；n是判断矩阵阶数；

步骤S212：计算指标权重向量w，对各层级指标进行规范化，得到权重向量获取判断矩阵A的最大特征值λ_max；

步骤S213：进行一致性检验，当满足C.R.＜0.1时，判定判断矩阵A的一致性在容许范围内：

式中：C.R.为一致性比率，C.I.为判断矩阵A的一致性指标，R.I.是随机一致性指标；

步骤S214：构建专家群体权重矩阵B＝(b_ij)_m×n：

式中：m为参与评估的专家数量，b_ij为第i位专家对第j项指标重要性判断的权重；为第m位专家的权重向量；

步骤S215：选择判断矩阵A中最大权重值作为参考权重B₀：

B₀＝max{b₁₁，b₁₂，...，b_1n，b₂₁，...，b_ij，...，b_mn}

步骤S216：计算专家群体权重矩阵B与参考权重B₀间的距离，经过规范化得到最终主观赋权结果

式中，为根据相对距离求取得到的赋权权重。

7.根据权利要求5所述的多维性能评估的新型配电网光伏选址定容方法，其特征在于，所述步骤S22中使用CRITIC方法进行客观赋权包括：

步骤S221：判断指标的正负性，完成数据标准化，得到标准化专家群体权重矩阵B′；所述判断指标的正负性包括：若待处理的指标值越大越好时，采用正向化处理，若待处理的指标值越小越好时，采用负向化处理；所述标准化专家群体权重矩阵B′＝(b′_ij)_m×n；

所述正向化处理为：

所述负向化处理为：

式中，b′_ij为标准化处理后的第i位专家对第j项指标重要性判断的权重；max{b_j}为标准化处理后第j项指标重要性判断的权重的最大值，min{b_j}为标准化处理后第j项指标重要性判断的权重的最小值；

步骤S222：计算标准化专家群体权重矩阵B′的标准差σ_j：

步骤S223：计算标准化专家群体权重矩阵B′的冲突性指标R_j：

式中：cov()表示协方差算符；B′_i、B′_j分别表示B′的第i、j行向量；σ_i为第i个指标的标准差，σ_j第j个指标的标准差；

步骤S224：计算客观权重

式中：σ_jR_j项为第j个评价指标的信息量。

8.根据权利要求5所述的多维性能评估的新型配电网光伏选址定容方法，其特征在于，所述步骤S23中使用最小鉴别信息法进行主-客观权重的组合赋权包括：

步骤S231：定义最小鉴别信息法的目标函数为：

式中，w_c为采用最小鉴别信息原理获取的组合权重向量，w_c(j)为组合权重，为主观赋权权重，/>为客观赋权权重；

步骤S232：求解步骤S231中最小鉴别信息法的目标函数，得到组合权重w_c的表达式：

9.根据权利要求5所述的多维性能评估的新型配电网光伏选址定容方法，其特征在于，所述步骤S24中模糊综合评判法包括：

步骤S241：构建评价集，进行光伏选址定容方案的综合评定；所述评价集采用4级评价集划分；

步骤S242：构建模糊评价模型，基于步骤S1中新型配电网技术性能评估模型获得的各指标结果，利用隶属函数获取评判矩阵R＝(r_ij)_p×q，式中，p是评价指标数量，q是评价集等级划分数，r_ij为配电网技术性能指标，当r_ij为综合电压合格率、光伏容量渗透率、源-荷归一化形态匹配率时，采用成本型三角型隶属函数，当r_ij为其余配电网技术性能指标时，采用效益型三角形隶属函数模型；

步骤S243：获取综合评价值M：

M＝S·V^T (20)

式中，S为模糊评价隶属度，其中/>是基于最小信息鉴别原理获取的主客观组合赋权向量，V^T为评估赋值矩阵。