[发明专利]基于孤岛划分的微网微源容量优化布址方法

摘要

一种新型的基于孤岛划分的微网微源容量优化布址方法，包括如下步骤：1)输入初始参数；2)典型日分析；3)设置量子进化算法初始参数；4)内层优化方法得出优化参数；5)计算粒子适应值；6)更新局部最优向量和全局最优向量；7)利用生物进化规则更新粒子位置值；8)局部搜索；9)收敛性检验；10)输出结果。本发明通过引入孤岛划分的概念，提出一种考虑孤岛划分的微网微源容量的优化布址方法。

主权项

1.基于孤岛划分的微网微源容量优化布址方法，包括如下步骤：1)输入网络参数、负荷参数和微源参数：输入配电网络的原始结构，各条支路的线路参数，各个节点的负荷有功和无功功率、待安装DG节点的风速和光照强度自然因素预测值，待安装DG节点上的DG容量参数和最大安装台数，各个节点负荷的可控有功功率和不可控有功功率，各个线路传输功率限值；2)典型日分析：为简化含DG配电网的孤岛划分优化流程，根据配电网一年中的负荷参数和风速光照参数，选取能够表征不同季节特征的春季最大负荷时段、春季最小负荷时段、夏季最大负荷时段、夏季最小负荷时段、秋季最大负荷时段、秋季最小负荷时段、冬季最大负荷时段、冬季最小负荷时段共八个时段，记为Ds，s＝1,2,…,8；并计算出相应典型日Ds所代表的时段，记为NDs；3)设置量子进化算法的维度M、粒子的个数N、迭代次数Itermax，以及初始旋转角和量子比特位集合；同时，分别设置初始的局部最优向量xp和全局最优向量xg为空集；设定粒子的旋转角集合和量子比特位集合，如公式(1)‑(10)所示；Θk＝(Θ1k Θ2k Λ Θik Λ ΘNk)    (1)其中，Θ^k为第k次迭代时所有粒子的旋转角集合，为第i个粒子在第k次迭代时旋转角集合；和分别表示旋转角集合中风机、光伏和燃料电池部分的旋转角集合，各个集合的表示方式由公式(3)‑(5)所示，N_wind、N_Pv和N_Fc分别表示风机、光伏和燃气轮机的待安装节点总数，N_wind+N_Pv+N_FE＝M；和分别为风机、光伏和燃气轮机旋转角集合中第i个粒子在第k次迭代时第l、m、n位的旋转角值；由此可见，在第i个粒子旋转角的集合中，1～N_wind位表示的是风机容量的旋转角，1～N_Pv位表示的是光伏容量的旋转角，1～N_FE位表示的是燃气轮机容量的旋转角；Q^k为第k次迭代时所有粒子的量子比特位集合，为第i个粒子在第k次迭代时量子比特位集合；和分别表示旋转角集合中风机、光伏和燃料电池部分的量子比特位集合，三个集合的表达式由公式(8)‑(10)所示；和分别为风机、光伏和燃气轮机旋转角集合中第i个粒子在第k次迭代时第l、m、n位的量子比特位值；由此可见，在第i个粒子的量子比特位集合中1～N_wind位表示的是风机容量的量子比特位，1～N_Pv位表示的是光伏容量的量子比特位，1～N_FE位表示的是燃气轮机容量的量子比特位；4)外层算法开始；4.1)更新粒子的位置值；根据旋转角集合，按公式(11)‑(13)分别确定各个粒子的位置值并根据公式(14)‑(15)设置粒子的位置值集合；其中，i＝1,2,…,N，l＝1,2,…,N_Wind，m＝1,2,…,N_Pv，n＝1,2,…,N_Fc，N_W,l、N_P,m和N_F,n分别是位置l、m和n上最大的风机、光伏和燃气轮机可装机的台数；X^k为粒子在第k次迭代时的位置值集合，为粒子i在第k次迭代时的位置值；4.2)更新各个节点的DG容量值；根据各个粒子的位置值，得出各个粒子中各个节点的DG容量值；其中，其中，i＝1,2,…,N，j＝1,2,…N_nod；N_nod为配电网中节点的数量，为粒子i在第k次迭代时微源功率的集合，为粒子i在第k次迭代时所表示的配电网中节点j上微源的最大可输出有功功率，和分别为粒子i在第k次迭代时所表示的配电网中节点j上风机、光伏和燃气轮机的最大可输出有功功率，P_W、P_P和P_F分别为风机、光伏和燃气轮机的单机容量，I_DG,j为节点j的DG微源类型集合；5)内层孤岛划分算法开始；根据以下步骤，分别计算每个粒子i所对应发配电网在各个典型日中每小时分别运行于孤岛状态的最大恢复量，得出各个微源在各个典型负荷日上的运行功率输出至外层规划模型；整个计算过程直至每个粒子计算完毕；5.1)设置孤岛划分优化变量；i)按公式(21)设置各个节点的得电状态变量：其中，其中，t表示每个典型日每小时内的单位时间，以一小时为间隔，t＝1,2,…,24，即t∈Ds，Ds为典型日集合，s＝1,2,…,8；xnod(t)为节点状态变量集合，xnod,j(t)为节点j在t时的得电状态，0为失电，1为得电，Nnod为配电网中节点的总数；ii)按公式(22)设置配电网中各条线路的开关状态变量：其中，t表示每个典型日每小时内的单位时间，以一小时为间隔，t＝1,2,…,24，即t∈Ds，Ds为典型日集合，s＝1,2,…,8；xline(t)为线路的开关状态变量集合，xline,p(t)为线路p在t时的开关状态，0为打开，1为闭合，Nline为配电网中线路的总数；iii)按公式(23)‑(27)配置各个节点上微源有功功率；pDG,j(t)＝pWind,j(t)+pPv,j(t)+pFc,j(t)    (27)其中，t表示每个典型日每小时内的单位时间，以一小时为间隔，t＝1,2,…,24，即t∈Ds，Ds为典型日集合，s＝1,2,…,8；pWind(t)、pPv(t)、pFc(t)和pDG(t)分别表示风机、光伏、燃气轮机和微源在t时的输出有功功率集合；pWind,j(t)、pPv,j(t)、pFc,j(t)和pDG,j(t)分别表示节点j上风机、光伏、燃料电池和微源在t时的有功功率；iv)按公式(28)‑(30)设置配电网中各个节点的负荷可控比例和负荷功率：pL,j(t)＝κj(t)PLc，j+xnod,j(t)PLuc，j    (30)其中，t表示每个典型日每小时内的单位时间，以一小时为间隔，t＝1,2,…,24，即t∈Ds，Ds为典型日集合，s＝1,2,…,8；pL(t)表示负荷在t时的有功功率集合，pL,j(t)表示节点j上负荷在t时的有功功率；κ(t)表示可控负荷比例集合，κj(t)表示节点j上在t时刻可控负荷部分的可控比例，取值为[0,1]；PLc,j为节点j上负荷可控有功功率，PLuc,j为节点j上负荷不可控有功功率；公式(30)表示每个节点上负荷的有功功率值为其可控有功容量和不可控有功容量的总和；v)按公式设置配电网中各个线路的输送有功功率：其中，t表示每个典型日每小时内的单位时间，以一小时为间隔，t＝1,2,…,24，即t∈Ds，Ds为典型日集合，s＝1,2,…,8；Δpline(t)表示在t时的线路传输功率集合，Δpline,p(t)表示线路p在t时的传输功率；5.2)设置孤岛划分的目标函数；孤岛划分的目标函数如公式(32)所示；其中，i＝1,2,…,N，k＝1,2,…,Iter_max；表示第i个粒子在第k次迭代时内层的目标函数值；该目标函数是以各个典型日为代表，计算各个典型日一天内24小时配电网处于孤岛状态下的负荷损失总量，然后乘以每个典型日所表示的天数，估算出一年内配电网处于孤岛状态下的负荷损失总量；5.3)设置孤岛划分的约束条件；内层孤岛划分方法的约束条件主要包括公式xnod,j≥xline,p p∈Jj    (33)‑xline,p(t)ΔPline,p≤Δpline,p(t)≤xline,p(t)ΔPline,p    (35)其中，i＝1,2,…,N，k＝1,2,…,Itermax；Jj为节点j相连的线路集合；ΔPline,p为线路p上所允许的最大有功功率，Il为第l个孤岛内的节点集合，Ll为第l个孤岛内的线路集合，l＝1,2,…Nisland，Nisland为配电网中最终的孤岛总数；cj为节点j上的微源类型，可调频微源为2，不可调频微源为1，没有微源为0；上述约束条件中，公式(33)表示每个节点的状态值与其相邻的线路状态有关，若相邻的线路任何一条得电，则该节点得电；公式(34)为功率平衡约束，即每个孤岛中，负荷和线路上消耗的功率必须等于微源发出的功率；公式(35)为线路幅值约束，即每条线路上的传输功率不得大于幅值限值；公式(36)‑(38)为微源的功率限值约束，即每个节点上可发有功功率必须小于等于外层规划时相对应粒子的功率容量配置值；公式(39)为微源的调频约束，即每个孤岛中必须包含具有调频功能的微源；公式(40)辐射状网络约束，即每个孤岛必须满足配电网辐射状结构；5.4)孤岛划分优化策略的计算；由于内层的孤岛划分模型为一个混合整数线性规划问题，因此使用求解器求得变量的最优解；以公式(32)为目标函数，运用商业求解器GurobiTM求解上述混合整数线性规划问题，得出粒子i所对应的内层孤岛划分优化得出的最优解为：其中，i＝1,2,…,N，t表示8个典型日中一天的时间，时间间隔为1小时；pWind,i(t)*、pPv,i(t)*、pFc,i(t)*分别表示粒子i对应的内层孤岛优化策略中风机、光伏、燃气轮机t时输出的最优有功功率集合；pWind,i,j(t)*、pPv,i,j(t)*和pFc,i,j(t)*分别表示表示粒子i对应的内层孤岛优化策略中节点j上风机、光伏、燃料电池在t时输出的最优有功功率；5.5)内层孤岛规划算法结束，输出内层孤岛划分算法的优化变量结果，即p_Wind,i(t)^*、p_Pv,i(t)^*、p_Fc,i(t)^*，同时输出相对应的目标函数最优解6)计算外层规划模型中各个粒子i的适应度函数；按以下步骤，根据外层粒子的位置值和内层输出的最优有功功率，分别计算各个粒子的适应度值，直至所有粒子均计算完毕；本发明方法中粒子的适应度包含三个方面，即废气排放费用、DG设备投资费用、运行设备的年维护费用和负荷断电损失；计算步骤如下：6.1)废气排放费用是指分布式能源因发电排放出废气而产生的费用，其计算公式如(44)所示：其中，i＝1,2,Λ,N,k＝1,2,Λ,Iter_max；表示粒子i的在第k次迭代时废气排放费用；a_Wind，a_Pv和a_Fc分别为风机、光伏和燃气轮机因排放废气产生的单位功率惩罚费用；6.2)DG设备投资费用是指投资分布式能源所需要支付的等值折现费用，其计算公式如式(45)所示：其中，i＝1,2,Λ,N,k＝1,2,Λ,Iter_max；表示粒子i的DG设备投资费用；A(r,Y_Wind)、A(r,Y_Pv)和A(r,Y_Fc)分别为按折现率r和风机、光伏和燃气轮机的使用寿命Y_Wind、Y_Pv和Y_Fc相关的现值函数；6.3)运行设备的年运行维护费用是指当DG运行时用于维护DG的费用支出，包括运行费用和维护费用，其计算公式如式(46)所示：其中，i＝1,2,Λ,N,k＝1,2,Λ,Iter_max；表示粒子i在第k次迭代时的运行费用，光由于伏和风机没有运行费用，因此只需要计算燃气轮机的运行费用；c_Fc为燃气轮机每单位功率的燃料费用；表示粒子i在第k次迭代时的维护费用，b_Wind、b_Pv和b_Fc为风机、光伏和燃气轮机每单位功率的维护费用；6.4)负荷断电损失是指内层优化时所得到的目标函数值，即6.5)按公式(47)计算粒子i的适应度值：其中，为粒子i的适应度值；7)更新外层粒子的局部最优向量xpi和全局最优向量xg；其中，i＝1,2,Λ,N，k＝1,2,Λ,Itermax；根据公式(48)更新各个粒子的局部最优向量；同时，选择当次迭代过程中粒子的适应度最小的粒子作为更新全局最优向量的参考值，根据公式(50)更新粒子的全局最优解；j4为所有粒子中适应值最小的粒子；8)更新粒子的位置值；根据生物进化算法中种群之间三种不同的相处方式，即互利共生、偏利共生和寄生，分别选择不同的进化方式，更新各个粒子的旋转角；针对每个粒子，随机选出与各个粒子处于互相利共生、偏利共生和寄生的粒子，按照以下公式(51)‑(53)进行旋转角度的更新，同时，更新粒子的位置值直至所有粒子更新完毕；8.1)互利共生；i)随机选择一个粒子j1作为粒子i的互利共生粒子，根据以下公式(24)‑(29)更新粒子i的旋转角和可控负荷比例；其中，i＝1,2,Λ,N，i≠j₁，k＝1,2,Λ,Iter_max；M_v为交互向量，计算公式为(53)；和为粒子i和粒子j₁旋转角的中间变量；BF₁和BF₂为随机为1或者2的数值；xg_Θ为全局最优解中对应于旋转角的部分；ii)根据粒子的旋转角值，按公式(54)‑(61)计算粒子i和粒子j1的量子比特位；其中,i＝1,2,Λ,N，i≠j₁，k＝1,2,Λ,Iter_max；和分别表示第i个粒子的中间变量所对应的风机、光伏和燃料电池部分的量子比特位集合，和分别为风机、光伏和燃气轮机旋转角集合中第i个粒子的中间变量中第l、m、n位的量子比特位值，其中，和分别为风机、光伏和燃气轮机旋转角集合中第i个粒子在第k次迭代时中间变量的第l、m、n位的旋转角值；和分别表示第j₁个粒子的中间变量所对应的风机、光伏和燃料电池部分的量子比特位集合，和分别为风机、光伏和燃气轮机旋转角集合中第j₁个粒子的中间变量在第k次迭代时第l、m、n位的量子比特位值，其中，和分别为风机、光伏和燃气轮机旋转角集合中第j₁个粒子在第k次迭代时中间变量的第l、m、n位的旋转角值；iii)根据公式(62)和公式(63),得出粒子i和粒子j1的中间变量的位置值；其中，i＝1,2,Λ,N，i≠j1，k＝1,2,Λ,Itermax；iv)根据公式(64)和(65)，更新粒子i和粒子j1的位置值和旋转角；其中，i＝1,2,Λ,N，i≠j1，k＝1,2,Λ,Itermax；8.2)偏利共生；i)随机选择一个粒子j2作为粒子i的偏利共生粒子，根据以下公式(66)更新粒子i的旋转角；其中，i＝1,2,Λ,N，i≠j₂，k＝1,2,Λ,Iter_max；为粒子i旋转角的中间变量；ii)根据粒子的旋转角值，按公式(67)‑(70)计算粒子i的量子比特位；其中,i＝1,2,Λ,N，k＝1,2,Λ,Itermax；iii)根据公式(71),得出粒子i的中间变量的位置值；其中，i＝1,2,Λ,N，k＝1,2,Λ,Itermax；iv)根据公式(72)，更新粒子i的位置值和旋转角；其中，i＝1,2,Λ,N，k＝1,2,Λ,Itermax；8.3)寄生；随机选择一个粒子j3作为粒子i的寄生粒子，根据公式(73)更新粒子i和的位置值；其中，i＝1,2,Λ,N，k＝1,2,Λ,Iter_max和分别表示粒子j₃在第k次迭代时的位置值集合和旋转角集合；9)局部搜索；检验当前迭代次数是否达到局部搜索次数的设定值，若达到设定值，则按照公式(64)进入局部搜索机制；若未达到，则进入步骤(11)；其中，i＝1,2,Λ,N，k＝1,2,Λ,Itermax；xpi,Θ表示粒子i的局部最优解中对应于旋转角Θ的部分；10)收敛性检验；检验算法是达到迭代的上限值，即迭代次数是否大于itermax；若是，则进入步骤11)；若不是，则回到步骤4)；11)输出最优粒子位置值xg；根据最优粒子的位置值xg得出相应的配电网中各个节点微源的容量值，以作为配电网规划的参考值。