[发明专利]分布式光伏并网准入容量的规划方法及系统

权利要求书

1.一种分布式光伏并网准入容量的规划方法，其特征在于，包括：

将光伏电源出力确定为第一随机变量，根据所述第一随机变量建立所述光伏电源出力的综合概率模型，将负荷出力确定为第二随机变量，根据所述第二随机变量建立所述负荷出力的概率模型；

从预存的典型负荷分布函数中获取目标典型负荷分布函数；

根据所述第一随机变量和所述第二随机变量之间的相关系数、所述光伏电源出力的综合概率模型和所述负荷出力的概率模型，采用基于等概率转换原则和平方根法的拉丁超立方抽样方法，生成所述光伏电源出力与所述负荷出力的相互独立的随机向量；

设置置信水平，根据所述置信水平和所述目标典型负荷分布函数，确定配电网系统接入的分布式光伏电源准入容量之和最大时的机会约束规划模型；

根据所述光伏电源出力与所述负荷出力的相互独立的随机向量，采用基于粒子群算法的布谷鸟搜索算法对所述机会约束规划模型进行求解，得到分布式光伏并网最大准入容量；

根据所述分布式光伏并网最大准入容量对所述配电网系统中各个节点的光伏并网容量进行规划；

其中，所述预存的典型负荷分布函数包括：末端集中分布函数、均匀分布函数、递增分布函数、递减分布函数、中间大两头小分布函数和中间小两头大分布函数，所述目标典型负荷分布函数为所述末端集中分布函数、所述均匀分布函数、所述递增分布函数、所述递减分布函数、所述中间大两头小分布函数和所述中间小两头大分布函数中的任一种；

所述机会约束规划模型包括第一目标函数和约束条件，所述约束条件包括潮流等式约束、机会约束和不等式约束，所述机会约束包括电压质量机会约束、线路载流量机会约束和配电网功率禁止倒送大电网机会约束，所述不等式约束包括光伏功率因数约束、节点光伏安装容量约束和容量渗透率约束；其中，所述第一目标函数为：

其中，ω_i＝1表示节点i接入光伏电源，ω_i＝0表示节点i没有接入光伏电源，N为配电网系统中节点总数，υ_i表示负荷出力在目标典型负荷分布函数下光伏电源在节点i接入容量的比例系数，S_pv.i为光伏电源在节点i的接入容量；

所述潮流等式约束为：

其中，P_Li、Q_Li分别为节点i处负荷有功功率和负荷无功功率，P_PVi、Q_PVi分别为节点i处光伏有功功率和光伏无功功率，U为电压幅值，R、X分别为线路的电阻和电抗；

所述机会约束中，所述电压质量机会约束为：

其中，s为拉丁超立方抽样模拟次数，ε_U为电压置信水平，在第j次模拟中，当电压U_i在上下限U_i.min、U_i.max之内时，g_j＝1，否则g_j＝0，为模拟s次下电压质量满足要求的概率值；

所述线路载流量机会约束为：

其中，I_k为流过第k条线路电流幅值，ε_l为线路置信水平，在第j次模拟中，当电流I_k小于下限I_k.max时，g_j＝1，否则g_j＝0，为模拟s次下线路电流满足要求的概率值；

所述配电网功率禁止倒送大电网机会约束为：

其中，P_PV、P_G分别为光伏并网总有功功率和主网提供的总有功功率，ε_Grid为配电网禁止倒送功率的置信水平，在第j次模拟中，当P_PV大于或者等于P_G时，g_j＝1，否则g_j＝0，为模拟s次下配电网不向大电网倒送功率的概率值；

所述不等式约束中，所述光伏功率因数约束为：

其中，分别为光伏运行功率因数的上限和下限；

所述节点光伏安装容量约束为：

0≤S_PV.i≤S_PV.i.max，其中，S_PV.i、S_PV.i.max分别为节点i处光伏安装容量和最大允许安装容量；

所述容量渗透率约束为：

其中，P_PV.max、P_L.max分别为某一时间段内光伏总有功样本值和负荷总有功样本值，P_SE.max为电网允许的光伏最大渗透率；

所述根据所述光伏电源出力与所述负荷出力的相互独立的随机向量，采用基于粒子群算法的布谷鸟搜索算法对所述机会约束规划模型进行求解，得到分布式光伏并网最大准入容量，包括：

步骤1：获取光伏电源数量m、拉丁超立方抽样模拟次数s、鸟窝数量n、最大迭代次数T、当前迭代次数t、鸟蛋被发现概率p、权重上限ω_max、权重下限ω_min、第一学习因子η和第二学习因子其中，初始时所述当前迭代次数t为0；

步骤2：根据所述鸟窝数量n、所述光伏电源数量m和所述光伏电源出力与所述负荷出力的相互独立的随机向量，随机生成所述光伏电源出力与所述负荷出力的第一位置矩阵和第一速度矩阵V₁^t，其中，所述第一位置矩阵和所述第一速度矩阵V₁^t都是n行m列的矩阵，所述第一位置矩阵由n个不同的光伏电源出力与负荷出力的相互独立的随机向量组成，所述第一速度矩阵为随机生成；

步骤3：若所述当前迭代次数小于所述最大迭代次数，则根据所述拉丁超立方抽样模拟次数和所述潮流等式约束，对所述第一位置矩阵进行潮流计算，得到潮流计算结果，并判断所述潮流计算结果是否满足所述约束条件；若当前迭代次数小于最大迭代次数，则根据所述潮流等式约束对所述第一位置矩阵进行s次潮流计算，得到潮流计算结果，并判断所述潮流计算结果是否满足约束条件；否则，输出此时的群体最优，此时的群体最优即为所述分布式光伏并网最大准入容量；

步骤4：若判定所述潮流计算结果满足所述约束条件，则根据所述第一目标函数计算得到所述第一位置矩阵中n个鸟窝的目标值，确定所述第一目标函数为当前目标函数，否则，将所述第一目标函数加上惩罚项得到第二目标函数，根据所述第二目标函数计算得到所述第一位置矩阵中n个鸟窝的目标值，确定所述第二目标函数为当前目标函数：

其中，-B为惩罚项；

步骤5：根据所述第一位置矩阵中各个鸟窝的目标值，得到个体最优和群体最优，其中，初始时，所述个体最优G_best与所述群体最优Z_best相同，都为所述第一位置矩阵的n个鸟窝目标值中的最大值；

步骤6：根据所述权重上限、所述权重下限、所述最大迭代次数和所述当前迭代次数计算得到动态权重ω，根据所述动态权重、所述第一学习因子、所述第二学习因子、所述个体最优、所述群体最优和所述第一速度矩阵得到第二速度矩阵根据所述第二速度矩阵和所述第一位置矩阵得到第二位置矩阵其中，所述动态权重计算公式为：

ω＝ω_max-(ω_max-ω_min)×t/T

其中，randn为正态分布的随机数；

步骤7：根据所述当前目标函数计算得到所述第二位置矩阵中n个鸟窝的目标值，依次比较所述第一位置矩阵和所述第二位置矩阵中相同位置的鸟窝的目标值，每个位置选取目标值较大的鸟窝组成第三位置矩阵G₃^t；

步骤8：为所述第三位置矩阵中的每个鸟窝赋予一个随机的服从均匀分布的淘汰概率，构成淘汰概率矩阵，根据所述淘汰概率矩阵、所述鸟蛋被发现概率和所述第三位置矩阵，得到第四位置矩阵；其中，所述淘汰概率矩阵为r＝(r₁,r₂,…,r_n)，根据以下公式得到所述第四位置矩阵

步骤9：根据所述当前目标函数分别计算得到所述第三位置矩阵中n个鸟窝的目标值和所述第四位置矩阵中n个鸟窝的目标值，依次比较所述第三位置矩阵和所述第四位置矩阵中相同位置的鸟窝的目标值，每个位置选取目标值较大的鸟窝组成第五位置矩阵

步骤10：根据所述当前目标函数计算所述第五位置矩阵中各个鸟窝的目标值，获取所述第五位置矩阵中目标值最大的鸟窝，并判断所述目标值最大的鸟窝的目标值是否达到误差要求；

步骤11：若所述目标值最大的鸟窝的目标值达到所述误差要求，则所述目标值最大的鸟窝的目标值即为所述分布式光伏并网最大准入容量，否则，更新所述个体最优，此时的所述个体最优为该目标值最大的鸟窝的目标值，更新所述群体最优，此时的所述群体最优为该目标值最大的鸟窝的目标值和之前的所述群体最优两者之中的较大值，令t＝t+1，用所述当前目标函数代替所述第一目标函数，返回步骤3继续迭代。