[发明专利]基于模拟退火算法的用户负荷组合优化方法

权利要求书

1.基于模拟退火算法的用户负荷组合优化方法，其特征在于：包括步骤：

步骤1：对日负荷进行处理并进行聚类分析，得到不同用户类型的日负荷曲线；

步骤2：建立组合优化模型：

MinF＝c₁·Max({f})+c₂·Max({|L₁-L₀|})

其中，c₁和c₂为权重系数，{f}为各变压器负荷峰谷差率的集合，L₁为各变压器平均负载率，L₀为变压器的理想运行负载率，{|L₁-L₀|}为变压器平均负载率与理想负载率偏差绝对值的集合；

约束条件包括：

(1)容量约束：l_max＜S_max；其中，l_max表示变压器上所有日负荷曲线叠加后得到的最大值，S_max表示变压器的最大容量；

(2)最大和最小接入量约束：j表示第j个用户，H_ij表示第i个变压器与第j个用户是否有连接，数值为0或1，m表示用户总量，h_min和h_max表示变压器上接入用户的数量的最小值和最大值；

(3)用户负荷的可移动性约束：配电网系统中有些重要负荷和大用户不宜移动，此类用户设置为不参与优化；在优化过程中，忽略网络结构的影响及无功损耗；

步骤3：采用模拟退火算法求解组合优化模型，得到用户负荷组合优化结果；包括步骤：

a、初始化负荷数据及退火温度；随机生成矩阵H作为系统的初始状态记为w1，并计算目标函数值g(w1)；

b、对初始状态w1扰动产生新解w2并计算目标函数值g(w2)；

c、计算dU＝g(w2)-g(w1)并判断dU0是否成立；若成立，则接受新解，w1＝w2，g(w1)＝g(w2)；否则按Metropolis准则接受新解；

d、判断是否达成迭代次数；若是，则判断是否满足终止条件；否则返回步骤b；

e、若满足终止条件，则结束算法，得到最优解；否则缓慢降低温度至预先设定的阈值温度，重置迭代次数并返回步骤b。

2.根据权利要求1所述的用户负荷组合优化方法，其特征在于：所述步骤1中具体为：以日负荷数据为样本，先用spss编程，对数据进行筛选，剔除错误数据，得到初步的数据；再采用K-means聚类算法，将日负荷数据进行聚类分析。