[发明专利]基于多模型组合运算的配电网运行优化调度方法

说明书

本发明公开了基于多模型组合运算的配电网运行优化调度方法，包括：S1、根据历史风光机组出力值、火电出力值、负载值以及充放电值构建修正调度策略组合；S2、构建目标函数；S3、采用模糊自适应粒子群模型计算目标函数；S4、获取群体最优值；S5、构建第一数据集合和第二数据集合；S6、构建第一神经网络模型，得到第一权值集合，构建第二数据集合、得到第二权值集合；S7、基于实时变量值得到最优目标值；S8、基于第一目标参数得到群体的第一预期目标值；S9、将第一目标参数代入模糊自适应粒子群模型得到第二预期目标值；S10、根据第一预期目标值和第二预期目标值确定最优调度策略。本方案极大的缩减了粒子群寻优的时间，提高了寻优的准确可靠性。

技术领域

本发明涉及数据处理技术领域，具体的，涉及基于多模型组合运算的配电网运行优化调度方法。

背景技术

 对于配电网中各种降损措施的研究上，最有效的是对于电力调度运行方式进行优化。电力调度运行方式通过开合网络中的分段开关改变网络的拓扑结构，从而改变网络中的潮流分布达到降低线损的目的。运行优化问题在数学上是一个非线性的最优化问题，最初，国内外的研究学者大都采用传统的最优化方法，例如线性规划，非线性规划，动态规划等解决配电网运行优化问题。新的解决运行方式优化问题的方法主要集中在基于人工智能（Artificial Intelligence AI）算法方面，包括：遗传算法（Genetic Algorithm GA），人工神经网络（Artificial Neutral Network ANN）和专家系统（Expert System ES）等。

基于人工智能算法的电力优化调度方式比传统的方法具有更快的计算速度，但是由于优化的同时要进行配电网重构的复杂性，基于现有常规计算机的算力，计算速度还是不能满足实时运行的要求，因此当前运行方式优化的计算只局限于应用在网络规划中。

现有技术中，中国专利，公开号：CN101888090A，公开了基于能量法的静态无功补偿装置及控制方法，采用基于模糊控制理论的改进粒子群智能算法从而有效地避免了算法陷入局部最优，未能兼顾实际中更需要考虑的系统网损、平均电压水平及节点总谐波电压畸变率等多目标下的优化，使得分布式电源的优化配置计算缺乏多样性和灵活性；

公开号：CN113036774A，公开了一种配电网无功补偿优化方法及装置，通过改进后的免疫粒子群法求解配电网无功优化模型，在保证抗体粒子多样性的同时，提升了算法迭代速度，但是并未考虑柔性负荷协调成本的影响，且优化模型较为复杂，优化配置计算方案和计算结果缺乏工程实际应用性；

公开号：CN108198091A，公开了一种基于改进粒子群算法的风电系统无功优化方法，基于建立的电网无功优化模型，以电网中控制无功优化的若干变量构建种群规模，采用有效群体利用策略的粒子群优化算法，更新粒子位置，用当前群体中粒子位置作为粒子的初始位置进行迭代，输出最优节点电压及有功网损。该方案虽然可以在一定程度上减少粒子群的寻优时间，但粒子群的寻优结果和收敛速度并不理想；由于粒子群的寻优结果和收敛速度主要取决于两方面的因素，一方面和运算单元本身的算力有关；另一方面还与粒子群的种群数量以及初始化参数有关，而现有技术缺乏对粒子群本身的寻优结果和各初始化参数的耦合分析，导致粒子群的初始化参数和种群规模都是随机设置的，缺乏有针对性的设计过程；这样势必会导致寻优过程较长，收敛效果不佳的问题。

在所述背景技术部分公开的上述信息仅用于加强对本申请的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容