[发明专利]一种基于单目标的新能源接入下的输电网规划的优化方法

说明书

本发明公开一种基于单目标的新能源接入下的输电网规划的优化方法，包括步骤：搭建含新能源的多目标输电网规划模型，将其通过选定权重系数转化为单目标函数；根据EPSO优化算法的粒子个体搭建相应的输电网网络拓扑结构并进行修补，使得输电网网络拓扑结构连通；利用概率直流潮流法求得粒子个体对应的输电网网络各个支路的潮流，判断修正不能满足输电网规划模型约束条件的粒子个体；根据所述单目标函数，利用自适应策略每次选择较高成功率的PSO策略进行多次迭代得到最优的全局粒子个体，获得规划方案。本发明解决了风险发生概率的不确定性信息建模，实现了控制过负荷风险条件下的输电网网络拓扑结构规划，增强了算法的择优性能。

技术领域

本发明属于输电网技术领域，特别是涉及一种基于单目标的新能源接入下的输电网规划的优化方法。

背景技术

在对电力系统的预测、规划、评估等各方面，大规模新能源的并网带来了巨大挑战。随着新能源并网装机容量的增加，其随机波动特性、反调峰特性等特点对电力系统整体的运行稳定性、安全性以及总体的经济性等方面提出了更高的要求。其中，对输电网规划方面主要带来的挑战是，对输电网潮流分布的影响。风电、光伏等新能源出力具有随机波动性，其会间接地导致输电网潮流的大小和方向发生变化。

输电网规划问题的实质是非线性规划，起源于二十世纪初的仿生学的现代启发式算法的出现，使得求解组合优化问题以及目标函数或某些约束条件不可微分的非线性优化问题有了新的发展。其较强的适应能力使其在电力系统优化研究领域取得了广泛的应用，形成了多种各具特色的优化算法，如遗传算法(GA)、粒子群算法(PSO)和非支配排序遗传算法(NSGA)等。GA算法计算复杂，不稳定，容易局部收敛；PSO算法则包含具有互补能力的不同PSO变体，随机性强；NSGA-Ⅱ是对于两个具有相同非支配排序的解，处于更小拥挤区域的解更优，重复挑选由父代种群通过遗传算法基本操作产生的次代种群，直至满足条件为止，NSGA-Ⅱ算法较为复杂，结果收敛性有待提高。现有的具有新能源接入的输电网规划方式，无法避免风险发生概率的不确定性，无法对控制过负荷风险条件下的输电网进行规划，优化性能差。

发明内容

为了解决上述问题，本发明提出了一种基于单目标的新能源接入下的输电网规划的优化方法，能够有效解决在风险发生概率的不确定性下进行信息建模，实现了控制过负荷风险条件下的输电网网络拓扑结构规划，增强了择优性能。

为达到上述目的，本发明采用的技术方案是：一种基于单目标的新能源接入下的输电网规划的优化方法，包括步骤：

S100，搭建含新能源的多目标输电网规划模型，将多目标输电网规划模型通过选定权重系数转化获得单目标函数；

S200，基于所述多目标输电网规划模型根据EPSO优化算法的粒子个体搭建相应的输电网网络拓扑结构；

S300，对所述输电网网络拓扑结构进行修补，使得输电网网络拓扑结构连通；

S400，利用概率直流潮流法求得粒子个体对应的输电网网络拓扑结构中各个支路的潮流，并根据潮流结果判断并修正不能满足输电网规划模型约束条件的粒子个体；

S500，根据所述单目标函数，利用自适应策略每次选择较高成功率的PSO策略进行多次迭代得到最优的全局粒子个体；

S600，把最优的全局粒子个体转化成相对应的规划方案。

进一步的是，在所述步骤S100中，综合考虑过负荷风险，以新建线路的输电投资成本等额年费用和网损功率构建目标函数，以线路的有功潮流过负荷随机变量的期望值构成过负荷风险约束，搭建含新能源的多目标输电网规划模型，再将其根据选定权重系数转化为单目标函数。

进一步的是，采用线性加权求和的方法，给建立的多目标输电网规划模型的目标函数分别乘以权重系数求和来得到粒子个体的适应度函数作为单目标函数；