[发明专利]一种计及电压稳定性的配电网快速重构方法

摘要

一种计及电压稳定性的配电网快速重构方法，按以下步骤：(1)引入一种快速、便捷的、反应电压稳定性的电压稳定系数计算方法，构建含网损和电压稳定性系数的综合因子最小化优化模型；(2)构建快速、非迭代的线性化潮流计算方法以减少大量潮流计算耗时，并基于所构建潮流计算方法计算优化模型所需元素；(3)引入个体相关参数设置、个体相关变异策略和成功父代选择机制，并将其有机结合，用于改进差分进化算法，构建含个体相关和成功父代选择机制的差分进化算法，并用于求解计及电压稳定性的配电网快速重构。本发明能够客观反应重构中网损和电压水平的变化，通过调节参数，可得到不同意义下的网架结构，为实际运行提供指导。

主权项

1.一种计及电压稳定性的配电网快速重构方法，其特征在于按以下步骤：步骤(1)引入一种快速、便捷的、反应电压稳定性的电压稳定系数计算方法，构建含网损和电压稳定性系数的综合因子最小化优化模型；步骤(2)构建快速、非迭代的线性化潮流计算方法以减少大量潮流计算耗时，并基于所构建潮流计算方法计算优化模型所需元素；步骤(3)引入个体相关参数设置、个体相关变异策略和成功父代选择机制，并将其有机结合，用于改进差分进化算法，构建含个体相关和成功父代选择机制的差分进化算法，并用于求解计及电压稳定性的配电网快速重构；所述的配电网快速重构优化模型借鉴参数标幺化处理方法，将网损和电压稳定系数同时纳入其中，并满足一定约束条件：min c₁P_loss/P_loss0+c₂V_SF0/V_SF  (1)AP＝D  (4)I_j≤I_j,max j＝1,2,…,n_b  (5)V_i,min≤V_i≤V_i,max i＝1,2,…,n_n  (6)式中：P_loss0、V_SF0分别为重构前的配电网有功网损和电压稳定系数；P_loss、V_SF分别为重构后的配电网有功网损和电压稳定系数；c₁、c₂分别为各优化子项的权重因子，均大于或等于0且满足c₁+c₂＝1；R_j、X_j分别为支路j的电阻和电抗；n_b为网络支路数；V_H,_j、V_E,_j分别为支路j的首末端节点电压；A为节点‑支路关联矩阵；P为支路潮流向量；D为负荷需求向量；I_j、I_j,max分别为支路j的电流及其上限；V_i、V_i,min、V_i,max分别为节点i的电压以及其下限和上限，n_n为节点个数；其中，式(1)是优化模型；式(2)是网损计算公式；式(3)是电压稳定系数的计算公式，V_SF值越大，系统越稳定；两者均由潮流计算得到；式(4)是潮流约束；式(5)是支路容量约束；式(6)是节点电压约束；所述的线性化潮流计算方法在牛顿‑拉夫逊法基础上简化而来，借助式(7)、式(8)所示的两种节点注入电流表达式，以及式(9)所示的节点电压线性化处理，构建了式(10)所示的线性化潮流计算公式：式中：P_Li、Q_Li分别为节点i的有功负荷、无功负荷；I_i为节点i的节点电流；V_i为节点i的节点电压，V_i^*为V_i的共轭值；Y_SS表示根节点自导纳；Y_SN、Y_NS表示根节点与非根节点间的互导纳矩阵；Y_NN为非根节点间的导纳矩阵；diag表示对角化函数；P_LN、Q_LN分别表示非根节点负荷有功、无功功率列向量；G_NN、B_NN分别为非根节点的节点电导、电纳矩阵；G_NS、B_NS分别为非根节点对根节点的节点电导、电纳矩阵；I_S、V_S为根节点电流、电压值；I_N、V_N表示非根节点电流、电压列向量；下标Re、Im分别表示复数的实部和虚部；式中所有参数均为复数且均为标幺值；所述的含个体相关和成功父代选择机制的差分进化算法的构建，按如下步骤：在种群利用变异、交叉和选择操作产生下一代个体前，需先对当前种群所有个体按其适应度函数值升序排序；结合最优解的分布，按式(11)、式(12)所示进行个体相关参数设置，计算变异率F和交叉率C_R；考虑到不同个体扮演不同角色，动态划分群体中优秀个体和劣势个体的比例，如式(13)所示，并根据变异操作中基准个体的类型选择不同变异策略，通过衡量个体连续不成功更新计数与最大停滞计数间的关系选择变异操作的基准个体，将个体相关变异策略、交叉操作和成功父代选择相结合，如式(14)～式(18)所示，其中，式(14)选择进行变异操作和交叉操作的父代个体；式(15)为个体变异操作；式(16)为扰动个体第j个元素的计算公式，加速收敛；式(17)为交叉操作；式(18)为个体维度越限处理；F_b＝randn(b/n_P,0.1)0＜F_b＜1  (11)C_R,i＝randn(i/n_P,0.1)0＜C_R,i＜1  (12)u_ij,g＝rand(L_j,U_j)u_ij,g＜L_j or u_ij,g＞U_j  (18)式中：randn是正态分布函数；b、i分别是重新排序后基准个体以及普通个体的编号；n_P为群体个体数；X_O是种群集；X_S是成功个体集；F_b为变异操作中的基准个体所对应的变异率；C_R,i为个体i的交叉率；g_max为最大迭代次数；p_S为优秀个体比例；p_i,g为个体i在第g次迭代中相应操作的父代；C_Pi,g为个体i在第g次迭代中的连续不成功更新计数，C_S为最大停滞计数；b、r₁、r₂、r₃是从[1,n_P]中随机取出的整数，为第g次迭代中基准个体x_b, g与相应变异操作的父代个体的编号，且b≠r₁≠r₂≠r₃以及r₁、r₂、r₃均不等于i；下标b是基准个体的编号，当C_Pi,g＜C_S时，b＝i；x_better,g是第g次迭代随机从当前优秀个体集S中选择的相对优秀个体；I是劣势个体集；U_j、L_j分别是个体第j个元素的上下边界；rand(A,B)是区间[A,B]上一均匀分布随机数，rand_ij(0,1)是第i个个体第j个分量在交叉操作中对应的在区间[0,1]上一均匀分布随机数；v_i,g表示第i个个体的变异个体；u_ij,g为测试个体u_i,g的第j个分量；v_ij,g为变量个体v_i,g的第j个分量；x_ij,g为个体x_i,g的第j个分量；j_rand为区间[1,D]间的随机整数，D为变量的维数；根据“优胜劣汰”原则，按式(19)对比测试个体与目标个体的适应度函数值，保留优势个体，使群体趋向于最优解；分别按式(20)、式(21)更新X_S中第s个元素X_S(s)和个体连续不成功更新计数C_Pi,g；式中：f(u_i,g)为测试个体u_i,g的适应度函数值；f(x_i,g)为目标个体x_i,g的适应度函数值；s为成功个体集中被取代个体的编号；mod为求余函数。