[发明专利]考虑节点注入功率不确定性的主动配电网鲁棒重构方法

权利要求书

1.考虑节点注入功率不确定性的主动配电网鲁棒重构方法，其特征在于：包括以下步骤：

(1)采用仿射数对节点注入功率的不确定性问题进行合理地建模与分析，该节点注入功率的不确定问题包括光伏发电、风力发电和电动汽车随机充电；

(2)在步骤(1)的基础上，建立以综合考虑网络开关动作次数最少与网络有功损耗最低为目标函数，以兼顾网络安全运行为约束条件的主动配电网鲁棒重构模型，该约束条件包括节点注入功率平衡约束、支路最大容量约束和辐射状网络拓扑约束；

(3)引入基于最佳等距思想的分段线性逼近方法对主动配电网鲁棒重构模型的目标函数松弛为线性可解形式，并且根据对偶定理将主动配电网鲁棒重构模型进一步等效转化为双层混合整数线性规划问题；

(4)采用列约束生成算法对转化后的主动配电网鲁棒重构模型进行分解求解，获得主动配电网最优重构方案；

其中，在步骤(1)中，在用仿射数表征光伏发电系统出力不确定性时，采用上下限估计方法通过建立双输出神经网络模型对光伏发电系统出力进行区间建模，并将区间数转化为仿射数形式添加至建立的鲁棒重构模型中；

用区间数表征风力发电系统出力不确定性时，采用基于在线序贯-极限学习机结构的双层神经网络风力预测模型，通过模型对风速进行修正，再利用第二层预测风力发电功率，得到以区间数表述的风机出力不确定性，并将区间数转化为仿射数形式添加至建立的鲁棒重构模型中；

对电动汽车随机充电进行区间建模分析时，采用基于统计数据规律的蒙特卡洛抽样法与区间数相结合的方式对电动汽车充电负荷需求进行区间预测，并将区间数转化为仿射数形式添加至建立的鲁棒重构模型中。

2.根据权利要求1所述的考虑节点注入功率不确定性的主动配电网鲁棒重构方法，其特征在于：采用上下限估计方法通过建立双输出神经网络模型对光伏发电系统出力进行区间预测，包括以下步骤：

1)设置神经网络训练系统输入值：按照一定的采样间隔收集历史光伏出力数据与对应时刻的气象数据，将处理过的数据作为神经网络的输入；

2)确定区间预测评估函数：衡量区间预测性能的重要因素包括区间覆盖率和区间宽度，计算公式分别如式(1)所示：

式中，PICP为区间覆盖率，PINAW为区间宽度，λ为进行确定性预测的次数，c_κ′为第κ′次预测值的评价指标；假设存在某一预测值y_κ′，当时，c_κ′＝1；否则，c_κ′＝0；和P_PV分别为区间预测的上界限和下界限；Λ为目标预测值的最小值与最大值的差；

需要通过综合评估区间覆盖率和区间宽度构建一个优化函数，将多目标优化转变为单目标优化，区间预测综合评估指标函数f如下所示：

式中，Ψ为置信度值；η为区间预测综合评估指标函数f的调节参数；

3)结合粒子群寻优算法，给出最优光伏出力区间预测，具体寻优步骤为：

①初始化设置粒子群参数，生成初始粒子种群，即为光伏出力预测的初始区间值；

②在搜索空间内随机初始化每个粒子的位置和速度，将每个粒子的个体最优位置设置为当前粒子位置，并得到群体最优位置；

③对粒子的位置和速度进行不断更新；

④计算每个粒子的适应值，更新每个粒子的个体最优位置与整个群体的最优位置；

⑤若满足停止条件，则停止搜索，否则返回步骤③继续搜索。

3.根据权利要求1或2所述的考虑节点注入功率不确定性的主动配电网鲁棒重构方法，其特征在于：光伏出力的不确定性表示为如下仿射数形式：

式中，ε_PV为影响光伏出力的不确定性扰动因子，且ε_PV＝[-1,+1]。