[发明专利]一种配电网多目标鲁棒优化方法

权利要求书

1.一种配电网多目标鲁棒优化方法，其特征在于，包括如下步骤：

1)建立用于解决光伏预测最大出力不确定性的不确定集合；

2)在不确定集合基础上，建立配电网多目标鲁棒优化模型，所述配电网多目标鲁棒优化模型是以有功网损和弃光率极小极大值为目标函数，以潮流等式约束、无功补偿装置约束、节点电压约束、松弛节点功率约束和不确定集合场景下的分布式光伏运行约束为约束条件；

所述的以有功网损和弃光率极小极大值为目标函数，表示如下：

式中，P_i表示节点i的注入有功功率；N表示配电网的节点数；F₁则表示有功网损；表示节点i处的分布式光伏在不确定集合场景中的有功出力；表示节点i处分布式光伏预测的最大出力；F₂表示配电网的弃光率；Δ表示分布式光伏预测最大出力的不确定集合；x表示优化变量Q_i,SVC、Q_i,CB，其中，Q_i,SVC表示节点i的静态无功补偿器出力；Q_i,CB表示节点i处投切电容器的投运容量；X表示优化变量x的集合；F(x)表示目标函数

3)求解配电网多目标鲁棒优化模型，得到该模型的帕累托解集；是采用NSGA-II算法求解配电网多目标鲁棒优化模型，包括：

(3.1)设置NSGA-II算法的参数：交叉算子、变异算子、种群数量、进化代数；

(3.2)随机生成N个个体的种群；

(3.3)对种群中的个体在所有极端场景下分别进行潮流计算，得到有功网损和弃光率数值；

(3.4)每个个体分别以第(3.3)步计算结果的最大值当做目标函数值；

(3.5)对种群进行非支配排序；

(3.6)从种群中通过竞争选择父代个体；

(3.7)对父代个体采用交叉、变异算子，得到子代个体；

(3.8)将父代个体与子代个体相结合，进行非支配排序，获得设定数量的新种群；

(3.9)判断当前进化代数是否达到最大进化代数，若是，则结束，并输出帕累托解集；若否，返回第(3.6)步，进化代数加1。

2.根据权利要求1所述的一种配电网多目标鲁棒优化方法，其特征在于，步骤1)所述不确定集合，表示如下：

式中，Δ表示分布式光伏预测最大出力的不确定集合；和分别表示节点i处每个分布式光伏预测最大出力的下限和上限；α表示控制每个不确定区间的范围，α越小则表示不确定区间范围越小；表示节点i处分布式光伏预测的最大出力。

3.根据权利要求1所述的一种配电网多目标鲁棒优化方法，其特征在于，步骤2)所述约束条件中的：

(1)潮流等式约束，表示如下：

Q_i＝-Q_i,load+Q_i,VAR (7)

式中，P_i表示节点i的注入有功功率；U_i、U_j分别表示节点i和节点j的电压幅值；G_ij表示节点导纳矩阵中节点i与j对应元素的实部；B_ij表示节点导纳矩阵中节点i与j对应元素的虚部；e_ij表示节点i与j的电压相角差；j∈i表示节点i与j相关联；P_i,load表示节点i的有功负荷；表示节点i处的分布式光伏在不确定集合场景中的有功出力；Q_i表示节点i的注入无功功率；Q_i,load表示节点i的无功负荷；Q_i,VAR表示节点i的无功补偿装置出力情况；

(2)无功补偿装置约束，表示如下：

式中，Q_i,SVC表示节点i的静态无功补偿器出力；Q_i,SVC和分别表示静态无功补偿器出力下限和上限；Q_i,CB表示节点i处投切电容器的投运容量；Q_i,0表示节点i处投切电容器每一档位的容量；n表示投切电容器最大投运组数；a_m表示是否投运m个档位；

综合所述无功补偿装置约束，将所述潮流等式约束中的式(7)

Q_i＝-Q_i,load+Q_i,VAR

改写为下式：

Q_i＝-Q_i,load+Q_i,SVC+Q_i,CB (10)

(3)节点电压约束，表示如下：

式中，U_i和分别表示节点电压的下限和上限；

(4)松弛节点功率约束，表示如下：

式中，P₀和Q₀分别表示从松弛节点注入配电网的有功功率和无功功率；P₀和分别表示从松弛节点注入配电网的有功功率的下限和上限；Q₀和分别表示注入无功功率的下限和上限；

(5)不确定集合场景下的分布式光伏运行约束，表示如下：

式中，表示节点i处的分布式光伏在不确定集合场景中的有功出力；表示节点i处分布式光伏预测的最大出力。