[发明专利]基于改进量子进化算法的移动应急电源容量最优配置方法

摘要

一种新型的基于改进量子进化方法的城市配电网中移动应急电源的容量优化配置方法，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。本发明结合改进量子进化方法，提出一种新型的基于双层优化的移动应急电源容量配置方法。

主权项

1.一种基于改进量子进化算法的移动应急电源容量最优配置方法，包括如下步骤：1)输入网络参数、负荷参数和移动应急电源参数：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，配电网中供电所的总个数Nsub、移动应急电源的总的类型个数Nmp和各种类型应急电源的成本参数，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，各个供电所到各个节点的移动时间；2)典型日分析：为简化移动应急电源的容量配置流程，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)‑(4)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；N_sub×N_mp＝M，记j Mod N_sub的商为l，余数为m，表示第i个粒子在第k次迭代时第j维度的旋转角值，对应第l个供电所第m种类型的移动应急电源；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；表示第i个粒子在第k次迭代时第j位的量子比特位值，对应于第l个供电所第m种类型的移动应急电源的个数；4)外层规划模型开始更新粒子的位置值；根据旋转角集合，按公式(5)‑(7)分别确定各个粒子的位置值；其中，i＝1,2,…,N，j＝1,2,…,M；N_l,m表示第l个供电中第m种移动应急电源的最大配置个数；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；5)内层含移动应急电源的配电网孤岛划分方法开始通过以下步骤，分别计算每个粒子i的在内层算法下的配电网最大恢复量，得出一年中处于孤岛状态下配电网的总最小失电量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)设置移动应急电源最优接入点划分的优化变量i)按公式(8)设置各个节点的得电状态变量：其中，th表示每个典型日每小时内的单位时间，以一分钟为间隔，th＝1,2,…,60，h表示每个典型日内的小时集合，即h∈Ds，h＝1,2,…,24，Ds为典型日集合，s＝1,2,…,8；xnod(th)为节点状态变量集合，xnod,j(th)为节点j在th时的得电状态，0为失电，1为得电，Nnod为城市配电网中节点的总数；ii)按公式(9)设置配电网中各条线路的开关状态变量：其中，th表示每个典型日每小时内的单位时间，th＝1,2,…,60，h∈Ds，h＝1,2,…,24，s＝1,2,…,8；xline(th)为线路的开关状态变量集合，xline,p(th)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(10)设置各个节点上的移动应急电源的状态量：其中，j＝1,2,…,Nnod；xj,l,m(t)表示在时间th时节点j上来自第l个供电所第m种类型的移动应急电源的状态量，0表示没有，1表示有；iv)按公式(11)‑(15)配置各个节点上可用有功功率和无功功率；Qgen,j(th)＝Qdg,j(th)     (15)其中，th表示每个典型日每小时内的单位时间，th＝1,2,…,60，h∈Ds，h＝1,2,…,24，s＝1,2,…,8；Pgen(th)和Qgen(th)表示在th时可输出的有功和无功功率集合；Pgen,j(th)和Pdg,j(th)分别表示节点j在th时可输出的有功功率和含有的微源有功功率；Qgen,j(th)和Qdg,j(th)分别表示节点j在th时可输出的无功功率和含有的微源的无功功率；Pmp,m表示每个第m种移动应急电源的有功容量；tcost,j,m,l为移动应急电源的移动时间，即第l个供电所中第m种移动应急电源移动至负荷j所需要的时间；f(j,m,l,th)是一个关于节点j和时间th的函数，其表示的含义为：在每个小时的计算周期内，当孤岛时间运行时间th小于变电站j中类型为m的应急电源到负荷j的移动时间时，该节点不可能有移动应急电源存在，因此取值为0，当时间超过之后，取值为1，即允许移动应急电源存在；v)按公式(16)‑(19)设置配电网中各个节点的负荷可控比例和负荷功率：PL,j(th)＝κj(th)PLc，j+xnod,j(th)PLuc，j    (17)QL,j(th)＝κj(th)QLc，j+xnod,j(th)QLuc，j     (19)其中，th表示每个典型日每小时内的单位时间，th＝1,2,…,60，h∈Ds，h＝1,2,…,24，s＝1,2,…,8；PL(th)表示负荷在th时的有功功率集合；PL,j(th)和QL,j(th)分别表示节点j上负荷在th时的有功功率和无功功率；κj(th)表示节点j上在th时刻可控负荷部分的可控比例，取值为[0,1]；PLc,j和PLc,j分别为节点j上负荷可控有功功率和无功功率；PLuc,j和QLuc,j分别为节点j上负荷不可控有功功率和无功功率；公式(17)和(19)表示每个节点上负荷的功率值为其可控容量和不可控容量的总和；vi)按公式设置配电网中各个线路的输送有功功率和无功功率：其中，th表示每个典型日每小时内的单位时间，th＝1,2,…,60，h∈Ds，h＝1,2,…,24，s＝1,2,…,8；ΔPline(th)和ΔQline(th)表示在th时的线路传输有功和无功功率集合；ΔPline,p(th)和ΔQline,p(th)表示线路p在th时的传输有功功率和无功功率；5.2)设置含移动应急电源的配电网孤岛划分方法的目标函数含移动应急电源的配电网孤岛划分方法的目标函数如公式(22)所示；其中，t_h表示每个典型日每小时内的单位时间，t_h＝1,2,…,60，h∈D_s，h＝1,2,…,24，s＝1,2,…,8；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；N_Ds表示典型日s所表示的天数；该目标函数是以各个典型日为代表，分别计算各个典型日每小时内，考虑移动应急电源的配电网处于孤岛状态下，总的负荷失电量，然后乘以每个典型日所表示的天数，估算出一年内配电网在考虑移动应急电源的情况下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(th)≥xline,p(th) p∈Jj    (23)‑xline,p(th)Pline,p≤ΔPline,p(th)≤xline,p(th)Pline,p p＝1,2,Λ,Nline   (27)0≤Pgenr,j(th)≤Pgen,j(th)    (28)0≤Qgenr,j(th)≤Qgen,j(th)   (29)Vp(i)(th)2≤Vp(j)(th)2‑2(rpΔPline,p(th)+xpΔQline,p(th))+M(1‑xline,p(th))  (34)Vp(i)(th)2≥Vp(j)(th)2‑2(rpΔPline,p(th)+xpΔQline,p(th))‑M(1‑xline,p(th))   (35)其中，t_h表示每个典型日每小时内的单位时间，t_h＝1,2,…,60，h∈D_s，h＝1,2,…,24，s＝1,2,…,8；i＝1,2,…,N，k＝1,2,…,Iter_max；i＝1,2,…,N，k＝1,2,…,Iter_max,j＝1,2,…,N_nod；J_j为节点j相连的线路集合，x_line,p(t_h)为线路p在t_h时的状态量，0表示打开，1表示闭合；I_l为第l个孤岛内的节点集合，L_l为第l个孤岛内的线路集合，l＝1,2,…,N_island，N_island为配电网内孤岛划分后的孤岛总数；ΔP_line,p(t_h)和ΔQ_line,p(t_h)分别为线路p上在t_h时传输的有功功率和无功功率；P_line,p为线路p上所能够传输的最大有功功率限值；P_genr,j(t_h)和Q_genr,j(t_h)分别为节点j上在t_h时所实际发出的有功功率和无功功率；r_p和x_p分别为线路p的电阻和电抗值；和分别为节点j在t_h时用于潮流计算的辅助有功功率和无功功率；M为一个很大的数值，V_p(i)(t_h)和V_p(j)(t_h)分别为线路p的两端、即节点i和节点j上在t_h时的电压；上述约束条件中，公式(23)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(24)和(25)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(26)为移动应急电源容量约束，即在t_h时所有节点上的移动应急电源总数不会超过其所在供电所中的容量上限值；公式(27)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(28)‑(29)为微源的功率限值约束，即每个节点上微源的实时发电有功功率和无功功率必须小于该节点上的功率限值；公式(31)辐射状网络约束，即每个孤岛必须满足配电网辐射状结构；公式(32)‑(35)为配电网用于潮流计算的潮流约束；5.4)孤岛划分优化策略的计算由于内层的孤岛划分模型可以转换为一个含二阶约束的混合整数线性规划问题，因此可以使用求解器求得变量的最优解；以公式(22)为目标函数，运用商业求解器Gurobi^TM求解上述混合整数线性规划问题，得出粒子i所对应的内层移动应急电源的最优接入点选择得出的最优解目标为5.5)内层孤岛规划算法结束，输出粒子i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二个方面，即移动应急电源的成本和负荷断电损失；计算步骤如下：6.1)移动应急电源的成本计算由公式(36)所示：其中，i＝1,2,Λ,N,k＝1,2,Λ,Iter_max；表示粒子i的购置移动应急电源的成本费用；c_mp(.)为移动应急电源的成本函数，输入量为应急电源的类型值，因此，c_mp(mod(j,l))即表示的是第m种应急电源的成本；6.2)负荷断电损失是指内层优化时所得到的目标函数值，即6.3)按公式(37)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(38)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(40)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，按照相应公式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(26)；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(44)‑(51)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(52)和公式(53),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(54)和(55)，更新粒子i和粒子j1的位置值；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(56)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(57)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(61),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(62)，更新粒子i的位置值；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(63)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(10)；其中，i＝1,2,Λ,N，k＝1,2,Λ,Itermax；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得出相应的孤岛划分策略，即相应的配电网的状态，包括各个节点的负荷功率、得电状态以及各条线路的状态值。