[发明专利]基于改进遗传算法的分布式电源选址定容优化方法及系统

权利要求书

1.基于改进遗传算法的分布式电源选址定容优化方法，其特征在于，包括以下步骤：

(1)采集当地配电设备以及分布式电源的数据，搭建基于OpenDSS的分布式电源模型和含分布式电源的配电网仿真模型；

(2)根据搭建的含分布式电源的配电网仿真模型进行仿真，得到配电网中各节点的电压、电流数据，进行潮流计算，得到接入分布式电源的配电网潮流分布；

(3)建立分布式电源并网的优化目标函数，并确定约束条件；

(4)对遗传操作参数进行编码，采用二进制编码进行个体的编码，采用改进遗传算法对分布式电源的位置、容量进行优化；

所述步骤(3)中，如果构建的优化目标函数为多目标函数，则对多目标进行归一化处理，归一化后的目标函数为改进遗传算法的适应度函数；求解极大值时，所述适应度函数设置为目标函数与适当小的正数之和；求解极小值时，所述适应度函数设置为充分大的正数与目标函数之差；

所述步骤(4)中，采用改进遗传算法对分布式电源的位置、容量进行优化具体为：

a.输入配电网初始结构信息，根据相关参数产生初始种群，设置染色体长度和最大迭代次数；在开始计算时，随机选择染色体构成一个初始种群；

b.使用适应度函数进行个体适应度评估，计算适应度值，对种群中所有个体的适应度值进行排序，选择适应度值较高的个体遗传到下一代，剔除适应度值较低的个体；

c.模仿自然界生物染色体基因重组，设置交叉概率pcross进行自适应交叉操作，就是对父代两个个体的部分基因进行交换，产生新的子代，提供个体多样性；

d.通过设置变异概率pmutation，对种群中的一些个体进行自适应变异操作，就是把染色体上的基因取反；

e.判断当前迭代次数是否达到最大迭代次数，如果是，则转向步骤f，否则转向步骤b；

f.输出最优解；

所述交叉概率pcross具体为：

所述变异概率pmutation具体为：

其中，gen为当前迭代次数，maxgen为最大迭代次数。

2.基于改进遗传算法的分布式电源选址定容优化系统，其特征在于，包括：

用于采集当地配电设备以及分布式电源数据的数据采集装置；

用于搭建基于OpenDSS的分布式电源模型和含分布式电源的配电网仿真模型的装置；

用于根据搭建的含分布式电源的配电网仿真模型进行仿真，得到配电网中各节点的电压、电流数据，进行潮流计算，得到接入分布式电源的配电网潮流分布的装置；

用于建立分布式电源并网的优化目标函数，并确定约束条件的装置；

用于对遗传操作参数进行编码，采用二进制编码进行个体的编码的装置；

用于采用改进遗传算法对分布式电源的位置、容量进行优化的装置；

其中，所述用于建立分布式电源并网的优化目标函数，并确定约束条件的装置具体包括：用于当构建的优化目标函数为多目标函数，对多目标进行归一化处理，归一化后的目标函数为改进遗传算法的适应度函数的装置；

所述用于采用改进遗传算法对分布式电源的位置、容量进行优化的装置具体包括：

用于输入配电网初始结构信息，根据相关参数产生初始种群，设置染色体长度和最大迭代次数；在开始计算时，随机选择染色体构成一个初始种群的装置；

用于使用适应度函数进行个体适应度评估，计算适应度值，对种群中所有个体的适应度值进行排序，选择适应度值较高的个体遗传到下一代，剔除适应度值较低的个体的装置；

用于模仿自然界生物染色体基因重组，设置交叉概率pcross进行自适应交叉操作，就是对父代两个个体的部分基因进行交换，产生新的子代的装置；

用于通过设置变异概率pmutation，对种群中的一些个体进行自适应变异操作，就是把染色体上的基因取反的装置；

用于判断当前迭代次数是否达到最大迭代次数的装置；

用于输出最优解的装置；

所述交叉概率pcross具体为：

所述变异概率pmutation具体为：

其中，gen为当前迭代次数，maxgen为最大迭代次数。