[发明专利]基于电压最大相关熵的配电网中分布式电源的规划方法

说明书

本发明公开的基于电压最大相关熵的配电网中分布式电源的规划方法，包括建立了以经济性指标最好和改善电压质量为优化目标的分布式电源的规划模型，选用Memetic算法研究分布式电源的最优接入位置与接入容量。本发明的的规划方法，引入最大相关熵为电压质量的代价函数，能够削弱噪声对节点电压的影响，很好地反映系统的节点电压，从而更加有利于对分布式电源的规划。运用Memetic算法作为优化算法，比传统优化算法得到的优化结果更好，而且算法的效率更高。

技术领域

本发明属于分布式电源规划方法技术领域，具体涉及一种基于电压最大相关熵的配电网中分布式电源的规划方法。

背景技术

随着全球能源需求持续增长、资源不断枯竭和气候不断恶化，这三大问题的突出，使可再生能源在各国能源战略中占有举足轻重的地位。其中，分布式电源(如风力发电、光伏发电等)以其清洁环保、投资小，得到了快速的发展。分布式电源(dispersedgeneration，DG)是指容量较小且布置在用户附近的高效、可靠、清洁的发电单元。当大量分布式电源接入配电网，将对节点电压、网络损耗、可靠性等带来显著影响，其影响程度与分布式电源接入配电网的位置、容量等因素密切相关。因此，对配电网中分布式电源接入进行规划及优化，能够使得自然资源更加充分地利用，在改善配电网的安全性和经济性方面也具有十分重要的基础性作用。

对分散式风电源的规划优化，国内外进行了一些比较深入的研究。规划模型多以风电厂固定投资、年运行费用最小为目标，未能考虑分散式电源接入对电网安全性带来的影响，计算趋于保守，限制了分散式风电源的接入容量。有些文献以分散式电源接入容量最大为目标，但未考虑接入过多会带来电压不稳定、波动大等影响。针对电压质量问题，大多以电压偏差为目标函数，代价函数均是以均方根误差(Mean Square Error，MSE)来表示，但在实际系统中，电压值变化会被一些不定因素所致。对分散式风电源规划的求解，大多采用智能优化算法，诸如遗传算法、粒子群算法等等，这些算法不可避免容易陷入局部最优，求解速度慢，迭代不收敛等。

发明内容

本发明的目的是提供一种基于电压最大相关熵的配电网中分布式电源的规划方法，在改善电压质量和降低经济性指标的基础上，打破均方误差在处理非高斯非线性噪声时的局限性，解决了现有配电网中规划的分布式电源之间无法兼顾和协调的问题。

本发明所采用的技术方案是，基于电压最大相关熵的配电网中分布式电源的规划方法，包括以下步骤：

步骤1，建立配电网中分布式电源的规划模型，其中规划模型中包括：

(a)以配电网运行成本和电压质量作为优化目标函数；

(b)配电网运行成本的函数；

(c)电压质量的函数；

(d)确定约束条件，包括配电网潮流约束、设备容量约束、节点电压约束和分布式电源的限制；

步骤2，采用Memetic算法分析处理步骤1建立的规划模型、从而确定分布式电源接入配电网的位置和容量、获得最优方案，具体包括以下步骤：

步骤2.1，初始种群的生成

在进行求解之前，先将解空间的可行解数据如分布式电源选址和定容的结果表示成搜索空间的数组结构数据如接入节点号以及该节点号对应的分布式电源容量，数组结构数据之间的不同组合构成了不同的可行解,设置初始种群个数为M；

选择函数维度至少为二维，一维表示接入节点，另一维表示接入容量；

以每个可行解对应为种群的一个个体，运用一种有限制的初始种群生成法，在种群生成的过程中就将电源的出力直接限制在所选测试系统总容量的最大范围内，得到初始种群；

步骤2.2，交叉