[发明专利]含低风速分散式风电的配电网多目标动态鲁棒重构方法

权利要求书

1.一种含低风速分散式风电的配电网多目标动态鲁棒重构方法，其特征在于：该方法包括下列顺序的步骤：

(1)获取当地的风速、光照强度的概率特征参数；

(2)从电网监控模块获取配电网连接状态和配网负荷的概率特征参数；

(3)形成多种配电网重构方案，构建初始种群；

(4)基于拉丁超立方抽样的蒙特卡洛法求解概率潮流，获得配电网网损和三相电流不平衡度的期望值；

(5)利用半不变量法分别求解低风速分散式风电有功出力的八阶半不变量、无功出力的八阶半不变量、光伏出力的八阶半不变量及负荷的八阶半不变量，并获得节点电压的越限概率和支路潮流的越限概率；

(6)利用图论中的代数连通度来判断网络拓扑结构是否满足辐射状约束；

(7)基于复合型微分进化算法求解配电网重构问题，不断迭代，获得最优种群，从而得到最优动态重构方案；

(8)将最优动态重构方案应用于目标配电网，按照该最优动态重构方案控制联络开关开断；

所述步骤(4)中的配电网网损的计算公式如下：

式中：t、T为时间；φ表示相数；i、j为节点编号；Ω_b为支路集合；P、Q分别为线路有功和无功潮流；U_i为节点i的电压；r_ij为支路ij的电阻；

所述步骤(4)中的三相电流不平衡度期望值通过以下方式求得：

首先，通过不断迭代直至收敛，求得重构前后的各相支路电流和各相节点电压：

式中：下标i、l分别为节点编号和支路编号；上标t_s、^分别表示采样时刻、共轭运算；φ表示相数；U、I、S分别为节点相电压、支路或节点电流和负荷功率；B_I、B_Z分别为支路节点关联矩阵和支路阻抗矩阵；U₀为每次迭代的初始节点电压矩阵；

变压器出口侧三相电流的不平衡度为：

式中：D为t时刻某一相的电流不平衡度；I₁为变压器出口侧电流；I_av为电流平均值；下标A、B、C分别表示三相；

在计及负荷连续时变性前提下，三相电流不平衡度表示为：

式中：D为重构周期内的总体三相电流不平衡度；T_t为总时段数；

由此可得，三相电流不平衡度期望值为：

式中：n为蒙特卡洛法求解次数；D_k为第k次蒙特卡洛法所得三相电流不平衡度；

所述步骤(5)具体包括以下步骤：

利用半不变量法求解低风速分散式风电的有功出力和无功出力、光伏出力及负荷的八阶半不变量，并获得节点电压的越限概率和支路潮流的越限概率；

1)低风速分散式风电机组有功出力的八阶半不变量根据半不变量与各阶矩的关系得到，若采用三参数Weibull分布，其r阶矩为：

式中：α_r为低风速分散式风电机组有功出力的r阶矩；r为阶数；m从0计数到r，k和c分别为Weibull分布的形状参数和尺度参数，两者可通过平均风速和标准差近似求出；Γ为Gamma函数；k₁、k₂满足：

式中：P_r、v_r、v_cut-in分别为低风速分散式风电机组的额定有功功率、额定风速和切入风速；

随机变量的各阶半不变量与各阶矩的关系为：

式中：K₁为一阶半不变量法，K₂为二阶半不变量法，K₃为三阶半不变量法，K₄为四阶半不变量法，K₅为五阶半不变量法，K₆为六阶半不变量法，K₇为七阶半不变量法，K₈为八阶半不变量法；μ为随机变量的期望值；α₁为一阶矩，α₂为二阶矩，α₃为三阶矩，α₄为四阶矩，α₅为五阶矩，α₆为六阶矩，α₇为七阶矩，α₈为八阶矩；

低风速分散式风电机组无功出力的八阶半不变量根据下式求得：

式中：为功率因数角；P_w、Q_w分别为低风速分散式风电机组有功和无功出力；

2)光伏出力的八阶半不变量根据半不变量与各阶矩的关系得到，其各阶矩为：

式中：α_k为光伏出力的k阶矩；k为阶数；α、β为Beta分布形状参数；m从0计数到k-1；

3)假设有功负荷或无功负荷的均值和标准差分别为μ_L、σ_L，则负荷的八阶半不变量由下式求得：

式中：α_l为负荷的l阶矩；l为阶数；μ_L、σ_L分别为负荷的均值和标准差；

4)节点电压的越限概率为：

P{V_i^min≤V_i^t,φ≤V_i^max}≥β_u

式中：P{}表示概率；i为节点数；V_i^max、V_i^min分别为节点i的电压幅值上下限；V_i^t,φ为t时刻节点i第φ相的电压；β_u表示电压约束的置信水平；

5)支路潮流的越限概率为：

式中：表示t时刻支路ij第φ相的传输功率；为支路ij第φ相的传输功率最大值；β_I为支路潮流约束的置信水平；

所述步骤(6)具体是指：

首先，构造配电网的邻接矩阵A(G)：

式中：G表示将配电网视为简单图G；当节点i与j相邻连接时，a_ij为1，否则为0；M为节点数；

网络拓扑结构满足辐射状约束的条件：

rank(L(G))＝M-1

式中：rank表示矩阵的秩；L(G)表示图G的拉普拉斯矩阵；

所述步骤(7)具体是指：

导入配电网网络参数，以及负荷、风速和光照强度的概率特征参数，重构开关方案；

设置最大迭代次数Gmax，种群优劣分割比例度p；

令进化代数g＝0，计算初始种群中各个体的目标函数值；

所有个体根据适应度大小进行排序，按个体优劣顺序和分割比例度将种群分割为优群部落C_g和劣群部落C_b，分别按照随机选择个体作为变异基向量的变异策略和以当前最优个体作为变异基向量的变异策略进化并更新；

种群重组，令C＝C_g∪C_b，并计算新种群C中各个体目标函数值，继续迭代直到g＝G_max，否则g＝g+1，所有个体重新根据适应度大小进行排序。

当g＝G_max时迭代终止，所得新种群C即为最优种群。