[发明专利]考虑三相不平衡的多目标光伏单相并网容量规划方法

说明书

本发明公开了一种考虑三相不平衡的多目标光伏单相并网容量规划方法，本发明采用BP神经网络模型预测得到规划年内的PV出力和负荷有功功率数据，基于DPC算法改进的K‑means聚类方法分别得到PV和负荷的典型场景和场景概率。根据PV典型场景的出力大小，得到PV单相并网容量和出力转换矩阵，建立以PV单相并网接入容量为优化变量，综合投资和碳排放成本最小、电压偏差最小、静态电压稳定裕度最大和三相不平衡度最小为目标的多目标优化问题，采用客观权重和主观权重结合的方法得到综合权重系数，将多目标优化问题转换成单目标优化问题，最后采用改进的QPSO算法对其进行求解。

技术领域

本发明涉及配电网规划的技术，具体是考虑了综合投资和碳排放成本、电压偏差、静态电压稳定裕度和配网三相不平衡的多目标分布式光伏(Photovoltaic，PV)单相接入配电网的容量规划问题。

背景技术

二十一世纪以来，经济发展和环境保护矛盾日益加重，可持续发展成为当今社会发展的重要目标。2020年，我国煤炭发电量高达4.63万亿千瓦时，占总发电量的60％以上，但风光等清洁能源发电量却不足10％。2020年9月我国明确提出了“双碳目标”：即在2030年前实现“碳达峰”和2060年前实现“碳中和”；我国进一步提出大力提高风光发电规模容量，加大分布式能源占总发电量的比重，实现绿色低碳的可持续发展。现有的配电网分布式PV容量规划主要考虑PV三相同时并网的问题，但实际上用户侧分布式PV很多时候是单相接入的，因此需考虑分布式PV单相并网容量的规划问题。另一方面，随着我国经济的大力发展，负荷需求和种类的不断提升，大量电动汽车(Electric Vehicle，EV)等单相负荷的接入，造成配电网三相不平衡问题的加剧，使系统电能损耗增加和设备使用寿命减少，因此，在进行分布式PV单相并网容量规划时，除了要考虑常规的经济性指标、电压偏差指标和静态电压稳定裕度外，还应考虑其对配电网三相不平衡度的影响。

此时得到的分布式PV单相并网容量规划问题是一个多目标优化问题，可通过客观权重法和主观权重法将其转换成单目标优化问题。针对该非线性优化问题，可采用智能算法求解，如遗传算法、量子粒子群算法(Quantum Particle Swarm Optimization，QPSO)、模拟退化法和蚁群算法等。其中QPSO算法不仅程序简单，而且在优化过程中根据量子力学中粒子轨迹不确定的原理，从而保证了粒子可以随机出现在整个解空间，提高了算法的全局搜索能力。

发明内容

本发明针对现有技术的不足，提出了一种考虑三相不平衡的多目标分布式光伏单相并网容量规划方法。

本发明主要考虑以PV单相并网容量为优化变量，综合投资和碳排放成本最小、电压偏差最小、静态电压稳定裕度最大和三相不平衡度最小为目标的分布式PV单相并网容量的规划问题。

由于PV出力和负荷受环境和人类活动等因素的影响较大，具有不确定性和波动性的特点。在PV容量规划研究中，规划的时间尺度往往按未来几年甚至十几年来考虑的。此时便存在两个问题：一是规划年份内的PV出力和负荷数据获取的问题；二是即使规划期间PV出力和负荷数据齐全，如果利用全部数据来计算三相潮流，会大大增加优化计算的时间。针对第一个问题，本发明根据历年的PV出力数据、天气数据(包含温度、湿度、风速)和负荷有功功率数据，采用BP神经网络模型对这些历史数据进行训练得到规划年份需要的PV出力大小和负荷有功功率的预测值；针对第二个问题，本发明基于密度峰值算法(Density peakclustering，DPC)改进K-means聚类算法，分别对规划年份的所有PV出力大小和负荷有功功率预测值进行聚类，改进的K-means聚类算法采用动态时间弯曲(dynamic time warping,DTW)距离计算公式，可以更好地体现时间序列之间的相似性，再对PV出力场景和负荷有功功率场景进行排列组合得到新的典型场景。