[发明专利]一种考虑配电网潮流约束的最优分时电价获取方法

摘要

本发明公开一种考虑配电网潮流约束的最优分时电价获取方法，其步骤包括：1获取不同节点的配电网年小时负荷曲线以及月典型日负荷曲线；2利用边界移动方法进行典型日负荷的时段划分；3建立基于电价弹性矩阵的用户响应模型，并利用比例分配方法计算分时电价后的小时负荷；4建立潮流计算模型，提出日节点电压波动率与日有功网络损耗作为分析指标；5根据相应指标构造电价优化的目标函数，利用含收缩因子的粒子群算法进行电价优化。本发明能降低配电网的节点电压波动与有功网络损耗，从而实现配电网的安全经济运行。

主权项

1.一种考虑配电网潮流约束的最优分时电价获取方法，其特征是按如下步骤进行；步骤一、获取不同节点的配电网年小时负荷曲线以及月典型日负荷曲线：步骤1.1、获取不同节点的配电网年小时负荷曲线，包括：配电网总节点数N；配电网N个节点对应的年小时负荷数据；步骤1.2、获取月典型日负荷曲线：步骤1.2.1、对步骤1.1得到的N个节点的年小时负荷任选某月计算该月典型日负荷，如第r月，按照节点计算其均值，得到第r月的节点平均负荷；步骤1.2.2、将第r月的节点平均负荷按照一天对应的小时计算均值，得到第r月的典型日负荷；步骤二、利用边界移动方法进行典型日负荷的时段划分：步骤2.1、利用步骤1.2获得典型日负荷L＝{L₁,L₂,…,L_i,…,L₂₄}；其中，i＝1,2,…,24为小时；L_i表示第i小时的负荷；步骤2.2、对典型日负荷L进行升序排序，获得新的负荷序列L'＝{L'₁,L'₂,…,L'_j,…,L'₂₄}；其中，j表示负荷次序；L'_j表示按升序排序后排在第j位的负荷；步骤2.3、设置边界变量B＝{B₁,B₂}，其中，B₁为平时段与谷时段的边界变量，B₁属于谷时段负荷；B₂为峰时段与平时段的边界变量；B₂属于平时段负荷；步骤2.4、定义变量a与b，并分别初始化为1和2；步骤2.5、将L'_a赋值给B₁、将L'_b赋值给B₂，利用边界变量B₁和B₂确定峰时段p、平时段f、谷时段v所包含的负荷；并利用式(1)计算对应的均方距离F(B₁,B₂)：式(1)中，m表示不同的时段，且m∈{p,f,v}；表示m时段所包含负荷对应的聚类中心，并有：式(2)中，N_m为m时段所包含的负荷数目；步骤2.6、将a+1赋值给a，并判断a＝b是否成立，若成立，则执行步骤2.7；否则返回步骤2.5；步骤2.7、将b+1赋值给b，并判断b＝24且a＝23是否成立，若成立，执行步骤2.8；否则将1赋值给a并返回步骤2.5；步骤2.8、选取最小的均方距离及其对应的边界变量，再以所对应的边界变量求得隶属于峰平谷各个时段的负荷及其对应的小时；步骤三、建立基于电价弹性矩阵的用户响应模型，并利用比例分配方法计算分时电价后的小时负荷：步骤3.1、电价弹性矩阵是由电价弹性系数构成，可由式(3)和式(4)计算电价弹性系数：式(3)和(4)中，n表示不同的时段，且n∈{p,f,v}，n≠m；ΔE_m为实施分时电价前后m时段的电量变化量；E_m为实施分时电价前m时段的电量；P₀表示分时电价前的电价；ΔP_m和ΔP_n分别为实施分时电价前后m时段和n时段的电价变化量；ξ_mm表示自弹性系数；ξ_mn表示互弹性系数；步骤3.2、根据电价弹性系数可以构造电价弹性矩阵，可由式(5)计算分时电价后的时段电量变化量：式(5)中，E_p,E_f,E_v分别表示分时电价前的峰时段电量、平时段电量以及谷时段电量；ΔE_p,ΔE_f,ΔE_v分别表示分时电价前后的峰时段电量差、平时段电量差以及谷时段电量差；ΔP_p,ΔP_f,ΔP_v分别表示分时电价前后的峰时段电价差、平时段电价差以及谷时段电价差；为电价弹性矩阵。步骤3.3、利用式(6)按照比例分配方法得到分时电价后的第i小时负荷式(6)中，为分时电价前第i小时的负荷；步骤四、建立潮流计算模型，提出日节点电压波动率与日有功网络损耗作为分析指标：步骤4.1、利用式(7)进行潮流计算：式(7)中，e和f表示节点标号；ΔP_e和ΔQ_e分别表示节点e的有功和无功功率的不平衡量；P_e和Q_e分别表示节点e的注入有功和无功功率；U_e和U_f分别表示节点e和节点f的电压幅值；δ_ef为节点e和节点f之间的电压相角差；G_ef,B_ef分别表示节点e和节点f之间的互导与互纳；步骤4.2、利用式(8)计算节点e第c天的日节点电压波动率式(8)中，c表示一个月中不同的天数；为节点e第c天第i小时的电压幅值；为节点e第c天的日节点电压均值，并有：步骤4.3、利用式(10)计算第c天的日有功网络损耗P_loss,c：式(10)中，为第c天第i小时的有功网络损耗，并有：式(11)中，表示第c天第i小时的无功网络损耗；为节点e第c天第i小时的注入功率；步骤五、根据相应指标构造电价优化的目标函数，利用含收缩因子的粒子群算法进行电价优化：步骤5.1、根据相应指标构造电价优化的目标函数：步骤5.1.1、利用式(12)和式(13)分别建立最小化峰值负荷f₁和最小化峰谷差f₂：f₁＝min{L_max}       (12)f₂＝min{L_max‑L_min}        (13)式(12)和(13)中，L_max和L_min分别表示分时电价后典型日的最大负荷和最小负荷；步骤5.1.2、利用式(14)建立目标函数f₃，并与上述最小化峰值负荷f₁和最小化峰谷差f₂共同作为考虑日节点电压波动率下的电价优化的目标函数：步骤5.1.3、利用式(15)建立目标函数f₄，并与上述最小化峰值负荷f₁和最小化峰谷差f₂共同作为考虑日有功网络损耗下的电价优化的目标函数：步骤5.2、考虑电价优化过程中的约束函数：步骤5.2.1、利用式(16)建立供电方收益约束：式(16)中，E₀表示分时电价前的总电量；E'_m表示分时电价后m时段的电量；P_m表示分时电价后m时段的电价；S₁表示供电方收益约束函数；步骤5.2.2、利用式(17)建立用户侧支出约束：式(17)中，ε表示让利系数；S₂表示用户侧支出约束函数；步骤5.2.3、利用式(18)和式(19)建立峰平谷电价约束：S₃＝P_p‑P_f＞0      (18)S₄＝P_f‑P_v＞0        (19)式(18)和式(19)中，P_p表示峰时段电价；P_f表示平时段电价；P_v表示谷时段电价；S₃与S₄共同组成峰平谷电价约束函数；步骤5.2.4、利用式(20)建立边际成本约束：S₅＝P_v‑P_d＞0        (20)式(20)中，P_d表示边际成本，S₅表示边际成本约束函数；步骤5.2.5、利用式(21)建立峰谷倒置约束：S₆＝L_p,min‑L_v,max＞0       (21)式(21)中，L_p,min和L_v,max分别表示分时电价之后的峰时段最小负荷与谷时段最大负荷；S₆表示峰谷倒置约束函数；步骤5.3、利用惩罚函数将原本带约束的优化问题转换为求解无约束条件下的适应值函数最小值，并利用式(22)和式(23)分别计算相应的适应值函数：F₁＝αf₁+βf₂+γ₁f₃+T        (22)F₂＝αf₁+βf₂+γ₂f₄+T        (23)式(22)和(23)中，α,β,γ₁,γ₂分别表示最小化峰值负荷、最小化峰谷差、最小化日节点电压波动率以及最小化日有功网络损耗的权重系数；F₁表示考虑日节点电压波动率的适应值函数；F₂表示考虑日有功网络损耗的适应值函数；T表示越限惩罚项，并利用式(24)计算：式(24)中，为第k次迭代的惩罚力度；G为惩罚因子，并有：式(25)中，为常数；式(26)中，t＝1,…,6表示约束函数的标号；g_t表示优化结果对约束的违背程度；h[g_t]是一个多段映射函数；μ[g_t]表示惩罚函数的强度；并有：g_t＝max{0,‑S_t}        (27)式(27)中，S_t表示约束函数；步骤5.4、利用含收缩因子的粒子群算法进行电价优化：步骤5.4.1、设置群体规模M，迭代总次数为H，初始化迭代次数k＝0；利用式(28)和式(29)分别计算第k次迭代中第q个粒子第w维的位置变量与速度变量式(28)和式(29)中，q＝1,2,…,M表示粒子的标号；w＝1,2,3表示粒子的维度；R_q,w为[0,1]上均匀分布的随机数；X_max,X_min,V_max,V_min分别表示位置变量的最大值、最小值以及速度变量的最大值、最小值；步骤5.4.2、计算第k次迭代中第q个粒子的适应值并作为个体最优值记录第k次迭代中第q个粒子的个体最优电价序列步骤5.4.3、从第k次迭代中第q个粒子的个体最优值中选取最小值记为并赋给全局最优值记录第k次迭代中全体最优值对应的粒子的全局最优电价序列u表示全体最优值对应的粒子标号；步骤5.4.4、根据式(30)和式(31)更新第k次迭代中第q个粒子第w维的速度和位置变量得到第k+1次迭代中第q个粒子第w维的速度和位置变量式(32)和(33)中，c₁和c₂表示学习因子；r₁和r₂为[0,1]上均匀分布的随机数；χ为收缩因子。步骤5.4.5、利用第k+1次迭代中第q个粒子第w维的位置变量计算其适应值并将与进行比较，若则将赋给并更新个体最优电价序列为否则，则将赋给并更新个体最优电价序列为步骤5.4.6、从第k+1次迭代中第q个粒子的个体最优值中选取最小值，记为并与全局最优值比较，若则将赋给并更新全局最优电价序列为否则，将赋给并更新全局最优电价序列为步骤5.4.7、将k+1赋值给k后，判断k>H是否成立，若成立，则输出全局最优值和全局最优电价序列，否则返回步骤5.4.4顺序执行。