[发明专利]一种配网分布式电源容量规划方法

说明书

 

技术领域    

    本发明涉及一种配网分布式电源容量规划方法，属电力系统分布式电源配网技术领域。

背景技术    

分布式电源（DG）是指功率为数千瓦至50兆瓦小型模块式的，与环境兼容的独立电源。这些电源由电力部门、电力用户或第三方所有，用以满足电力系统和特定用户的要求。

大电网与分布式电源相结合的方式是能够节省投资、降低能耗、提高电力系统可靠性和灵活性的重要方式，也是未来电网的主要发展方向。虽然分布式电源接入可对电网运行带来一系列的好处，但大量的分布式电源接入也同样会对配网的结构和运行产生很大的影响，其最根本的原因是分布式电源接入后配网潮流将不再是单方向流动，从而改变了传统电力系统的运行模式，由此产生诸多的问题，其中分布式电源容量的规划问题即是其中很重要的一个方面。分布式电源容量的规划是指针对不同的分布式电源并网点，探讨具体接入容量在多大的情况下最有利于配网的运行，是一个比较典型的多目标优化问题。

发明内容    

本发明的目的是，为了充分发挥分布式电源的效益，确保分布式电源的有序并网，本发明提供了一种配网分布式电源容量规划方法。

本发明的技术方案是，以含分布式电源的配网中所消耗的系统有功最小为优化目标，以供电电压偏差和分布式电源容量范围为约束条件，将分布式电源节点视为PQ节点，采用牛顿-拉夫逊法进行潮流计算，通过遗传算法进行优化。

本发明所述的目标函数为                                               ，其中P₀为配电网消耗系统的有功功率，P为系统提供的有功出力，Q为系统提供的无功出力，为分布式电源的有功出力，为分布式电源的无功出力，作为约束条件的供电电压偏差根据不同电压等级按照国标GB12325-1990《电能质量供电电压允许偏差》的要求进行选取；作为约束条件的分布式电源容量要求不大于10MVA。

本发明所述遗传算法的具体步骤如下：

（1）根据分布式电源自身的容量约束产生100组数据构成初始种群；

（2）输入配电网中负荷、线路等基本参数形成潮流计算的初值；

（3）对每一组分布式电源对应的初值利用牛顿-拉夫逊法进行潮流计算，潮流计算的迭代次数为100次；

（4）进行目标函数P₀的计算；

（5）判断每一组分布式电源接入后，配电网的电压是否符合电压偏差的约束，舍弃不符合要求的数据，对符合要求的数据进行适应度排序，目标函数越小，即配电网从上一级电力系统吸收的有功越少，或者配电网向上一级电力系统输送的有功越多该组数据的适应度越高；

（6）把每一代中适应度最高的目标函数存入P_best（k）中，判断与上一代目标函数的差值。如果两代目标函数之间的差值不大于（设定某一极小值），说明目标函数P₀为最优值，遗传算法迭代结束，输出最优结果。如果大于，则进行遗传、交叉、变异操作，形成100组分布式电源有功出力的数据，构成新子代进行遗传算法的迭代。

本发明的有益效果在于：本发明提出了一种配网分布式电源容量规划方法，可以在确保供电质量的前提条件下，尽可能应用分布式电源提供的电力。

    本发明适用于配网分布式电源容量规划。

附图说明    

图1为基于遗传算法的分布式电源规划方法流程图。

具体实施方式

本发明的具体实施方式如图1所示。

参见图1，首先根据分布式电源自身的容量约束产生100组数据构成初始种群，每一组数据表示节点1到节点n所接入的分布式电源的出力。节点0为平衡节点，不接入分布式电源。然后输入配电网中负荷、线路等基本参数形成潮流计算的初值。将分布式电源节点视为PQ节点，对每一组分布式电源对应的初值利用牛顿-拉夫逊法进行潮流计算。潮流计算的迭代次数设为100次，如果进行100次迭代后潮流计算不满足精度要求则跳出循环并且输出迭代不收敛。100组数据的潮流计算结束后，进行目标函数P₀的计算；判断每一组分布式电源接入后，配电网的电压是否符合电压偏差的国家标准的约束。降低不符合要求数据的适应度，即舍弃这些值，不进入后续程序的遗传、交叉、变异等操作。对符合要求的数据进行适应度排序。目标函数越小，即配电网从上一级电力系统吸收的有功越少，或者配电网向上一级电力系统输送的有功越多该组数据的适应度越高。把每一代中适应度最高的目标函数存入P_best（k）中。每一代的适应度排序结束后，判断与上一代目标函数的差值。如果两代目标函数之间的差值不大于（设定某一极小值），说明目标函数P₀为最优值，认为程序收敛。遗传算法迭代结束，输出最优结果。如果大于，则进行遗传、交叉、变异操作，形成100组分布式电源有功出力的数据。构成新子代进行遗传算法的迭代。