[发明专利]一种含分布式电源的配电网络重构方法

说明书

技术领域

本发明属于含分布式电源配电网优化控制相关领域，特别是涉及一种含分布式电源的配电网络重构方法。

背景技术

配电网作为联系发、输电系统和终端用户的重要纽带，直接面向终端电能用户，是保证供电质量、提高电网运行效率的关键环节之一。近年来，随着分布式电源在配电网的大量接入，配电网面临着前所未有的不确定性外部环境，从而给配电网的安全运行带来前所未有的挑战。一方面，分布式电源可充分利用风能、太阳能等清洁可再生能源进行发电，在实现电力系统的“低碳化、节能化”方面具有重要的现实意义；然而，基于风能、太阳能等可再生能源的分布式电源的出力具有间歇性和随机性的特点，会给配电网带来如潮流双向流动、馈线间潮流失衡、电压间歇性波动等一系列问题，结果严重影响了终端用户的电能品质。因此，寻求高效的优化控制手段来解决上述问题，成为分布式电源未来能否实现大规模应用的关键环节之一。

配电网络拓扑调整是提高配电网络运行的经济性和可靠性的重要手段之一。通过网络拓扑调整，不仅可以降低网损，均衡线路负荷，消除过载，还可有效提高供电可靠性和电压质量等。理论上，配电网络拓扑调整是一个复杂的非线性组合优化问题。目前，配电网络拓扑调整模型主要有静态模型和动态模型。静态拓扑调整模型简单易行，但没有考虑分布式电源接入后的随机出力特征，不符合配电网络的运行实际；而动态拓扑调整模型求解需要进行频繁的开关操作，当前的配电网自动化水平不能满足其动作要求，同时会降低开关使用寿命甚至引发系统故障。常用的配电网络拓扑调整方法大致可以分为两类：一是启发式算法，包括最优流模式法，支路交换法等；二是人工智能算法，如遗传算法、模拟退火法、人工神经网络、粒子群算法等智能化方法。启发式算法把开关的组合操作问题转化为开关的启发式单开问题，使复杂问题简单化，其缺点是拓扑调整结果与启发式规则关系密切，容易收敛于局部最优解。从理论上讲，智能化方法可以收敛到最优解，且算法对初始条件和目标函数要求较松，实现起来比较简单，但在迭代过程中会产生大量的不可行解，存在寻优时间长，有时会陷入局部最优解等缺点。

发明内容

为了解决上述问题，本发明的目的在于提供一种含分布式电源的配电网络重构方法。

为了达到上述目的，本发明提供的含分布式电源的配电网络重构方法包括按顺序执行的下列步骤：

步骤1)准备原始数据：根据配电网运行状态，收集配电网络原始数据，包括支路参数、各种负荷方式下的负荷及支路开关状态等；

步骤2)设置算法参数：设置粒子群算法参数，包括种群规模、惯性权重范围、加速系数和速度取值范围等；

步骤3)初始化：将迭代次数置0，初始化所有粒子位置和速度，根据步骤1)获得的原始数据进行各种方式下的潮流计算，按配电网络拓扑调整的数学模型求出每一组开关状态下的网络在该时段内的综合网损作为其初始适应值以及历史最优适应值，网损最小的粒子位置为全局最优粒子；

步骤4)速度和位置更新：基于上述算法参数，按粒子速度和位置更新公式进行粒子速度和位置更新，并检查粒子位置更新后各变量是否越限，若某一变量越限，则取其相应的限值；

步骤5)辐射状校验：校验更新后的粒子位置对应的开关状态组合下的网络结构是否满足辐射状约束，如果某些粒子不满足，重新初始化该粒子，直到都满足辐射状约束；

步骤6)计算适应值：即计算每一个粒子对应开关状态下的网络在各种负荷方式下的状态变量及有功网损，并校验粒子是否满足节点电压、支路电流的约束，若满足约束，按配电网络拓扑调整的数学模型计算其适应值；如果不满足，给适应值加罚函数；

步骤7)更新最优位置：更新粒子的历史最优位置以及全局最优粒子位置；

步骤8)惯性权重调整：依照动态惯性权重调整策略动态调整惯性权重w；

步骤9)结束判断：若满足结束条件，如达到最大允许迭代次数，则停止并输出结果；否则，迭代次数加1，转到步骤4)继续进行。

在步骤3)中，所述的配电网络拓扑调整的数学模型为：