[发明专利]多种群牵引差分进化法配电网规划方法、设备及存储介质

说明书

本发明公开了多种群牵引进化法配电网规划方法、设备及存储介质，基于多种群牵引差分进化算法，用于确定分布式光伏布点的接入位置，包括：通过K‑means算法对获取的特征量数据进行聚类，得到聚类数据；根据聚类数据构建分布式电源接入的配电网规划模型；配电网规划模型的投资成本的求取模型、运行成本的求取模型及性能指标的求取模型构成目标函数，以潮流方程、节点电压约束、支路电流约束及单个负荷节点接入分布式光伏上限为约束条件；利用基于多种群牵引差分进化算法对所述配电网规划模型进行求解，确定光伏节点接入位置。通过实施该方法，提高迭代速度和质量，且保证迭代过程中采用的种群的多样性，保证分布式光伏布点的接入更合理。

技术领域

本发明涉及配电网规划技术领域，具体涉及一种多种群牵引差分进化法配电网规划方法、设备及存储介质。

背景技术

电力能源作为国家能源产业的重要组成部分，是在国民生活中必不可少的重要能源，也是国家发展的重要支柱，然而传统电力系统存在着投资成本过高、电能传输损耗大、运行协调困难等诸多问题。而分布式电源由于具有灵活、分散、高效、环境友好等特点被广泛接入配电网。

然而，分布式发电(DistributedGeneration，简称DG)的接入彻底改变了配电网的运行结构，使配电网由单电源辐射状结构变为多电源供电的复杂结构，致使潮流方向改变，网络损耗随之发生变化。若DG接入位置和容量合理，便可以有效的降低系统的网络损耗，提高系统运行的稳定性；相反地，如果盲目的安装DG和增加其安装容量，将会对系统的电压、网络损耗等产生负面影响。因此，对DG进行合理的规划具有重要的意义。

配电网规划是一个多目标规划问题，而DG的加入使规划维数和难度都有所增加。

在配电网规划问题上，中国电机工程学报第38卷增刊中李响在基于DE 算法的10kV网架结构多目标规划中，采用DE算法，以各个影响因素建立初始种群，以单位负荷供电总成本最低为适应度目标，通过变异、交叉、选择，最终绘制连续的负荷密度区间内的最优网架结构曲线。南昌大学王永跃在硕士学位论文中在一种动态差分进化算法的基础上引入了反向学习机制和局部搜索策略，提出了一种改进的动态差分进化算法进行配电网规划。中国石油大学的李东在硕士学位论文中将量子计算与差分进化相结合，染色体为量子比特编码形式，引入差分进化中的交叉和变异操作，求解配电网规划中分布式电源的接入容量和网架结构。国家专利局申请号为 CN201710431841.1的一种计及需求侧响应不确定性的主动配电网双层规划方法，计及风力发电及光伏发电的不确定性,建立风电机组和光伏电池的时序模型；计及负荷用电的随机性,建立负荷的时序模型；对直接负荷控制类型的需求侧响应不确定性进行分析,构建其成本函数；构建计及需求侧响应不确定性的主动配电网双层规划的上层规划模型,并采用差分进化算法对上层规划模型进行求解；构建计及需求侧响应不确定性的主动配电网双层规划的下层规划模型并采用非支配排序遗传算法对下层规划模型进行求解。现有的这些方法中，使用的算法的收敛速度相对较低，迭代过程中采用的种群缺乏多样性，迭代速度较慢。

发明内容

因此，本发明要解决求现有配电网规划问题中算法的收敛速度相对较低，迭代过程中采用的种群缺乏多样性，迭代速度较慢技术问题，从而提供了一种多种群牵引差分进化法配电网规划方法、设备及存储介质。

第一方面，根据本发明实施例提供了一种多种群牵引差分进化法配电网规划方法，基于多种群牵引差分进化算法，用于确定分布式光伏布点的接入位置，包括：

通过K-means算法对获取的特征量数据进行聚类，得到聚类数据；所述特征量数据包括分布式光伏出力数据和负荷历史数据；

根据所述聚类数据构建分布式电源接入的配电网规划模型；所述配电网规划模型以投资成本的求取模型、运行成本的求取模型及性能指标的求取模型构成目标函数，以潮流方程、节点电压约束、支路电流约束及单个负荷节点接入分布式光伏上限为约束条件；

利用基于多种群牵引差分进化算法对所述配电网规划模型进行求解，确定光伏节点接入位置。