[发明专利]基于混合整数PSO算法的有源配电网日内滚动优化方法有效
申请号: | 201910436490.2 | 申请日: | 2019-05-23 |
公开(公告)号: | CN110059897B | 公开(公告)日: | 2021-03-09 |
发明(设计)人: | 吴红斌;曾希;徐斌;骆晨;丁津津;陈洪波 | 申请(专利权)人: | 合肥工业大学;国网安徽省电力有限公司电力科学研究院 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q50/06;H02J3/18;H02J3/38 |
代理公司: | 安徽省合肥新安专利代理有限责任公司 34101 | 代理人: | 陆丽莉;何梅生 |
地址: | 230009 安*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于混合整数PSO算法的有源配电网日内滚动优化方法,其步骤包括:1确定日内滚动优化的时间尺度、建立日内优化阶段的档位时间序列、建立档位变化时段变量;2建立考虑档位修正的日内滚动优化数学模型;3通过混合整数PSO算法输出优化结果。本发明能够对离散型调控设备的档位进行修正,克服分布式发电随机性和不确定性的影响,从而保障在分布式发电出力最恶劣场景下配电网的有功损耗和调控成本最小化。 | ||
搜索关键词: | 基于 混合 整数 pso 算法 有源 配电网 日内 滚动 优化 方法 | ||
【主权项】:
1.一种基于混合整数PSO算法的有源配电网日内滚动优化方法,所述有源配电网接入有分布式发电DG、离散型调控设备和连续型调控设备;所述分布式发电DG包含分布式光伏发电和分布式风力发电;所述离散型调控设备包含有载调压变压器OLTC和投切电容器组CB;所述连续型调控设备包含静止无功发生器SVC;其特征是,所述有源配电网日内滚动优化方法是按如下步骤进行:步骤一、建立日内优化阶段的档位时间序列:步骤1.1、确定日内滚动优化的时间尺度:日前调度阶段D以TD为时间尺度,以HD×TD为日前调度阶段的区间长度,其中HD为整数倍数;日内滚动优化以TIN为时间尺度,以HIN×TIN为日内滚动优化的区间长度,其中HIN为整数倍数;并有TD=M×TIN,M为整数倍数,上标IN表示日内优化阶段;步骤1.2、建立日前调度阶段的档位时间序列:由已知的日前调度阶段优化结果,分别建立有载调压变压器OLTC在日前调度阶段D的档位时间序列
投切电容器组CB在日前调度阶段D的档位时间序列
和配电网与大电网在日前调度阶段D的交互功率时间序列
其中,NOLTC表示有载调压变压器OLTC的总个数,
表示编号为i的有载调压变压器OLTC在日前调度阶段D的t时段的档位;
表示编号为i的投切电容器组CB在日前调度阶段D的t时段的档位,
表示配电网与大电网在日前调度阶段D的t时段的交互功率,下标grid表示配电网与大电网功率交互;步骤1.3、建立日内优化阶段的档位时间序列:根据时间尺度TD和TIN的设置情况,由日前调度阶段的各时间序列分别得到有载调压变压器OLTC在日内优化阶段的档位时间序列
投切电容器组CB在日内优化阶段的档位时间序列
和配电网与大电网在日内优化阶段的交互功率时间序列
其中,
和
分别表示编号为i的有载调压变压器OLTC在日内优化阶段的t时段的档位、编号为i的投切电容器组CB在日内优化阶段的t时段的档位,
表示配电网与大电网在日内优化阶段的t时段的交互功率;步骤二、日内滚动优化初始化:步骤2.1、建立档位变化时段变量:根据离散型调控设备发生档位变化的次数,建立编号为i且设备类型为
的离散型调控设备的第s次档位变化时段变量
且
的值为第s次档位变化发生时对应的时段编号,设备类型
取值为OLTC或CB,分别表示有载调压变压器、投切电容器组;定义由日前调度阶段的档位时间序列得到的日内优化阶段的档位时间序列为日内优化阶段的初始档位时间序列,并建立编号为i且设备类型为
的离散型调控设备的第s次初始档位变化时段变量
是常值变量,且
的值是
的初值,上标0表示初始信息;步骤2.2、日内滚动优化初始化:定义日内优化阶段的第K次日内滚动优化区间为[k,k+HIN‑1],k是日内滚动优化的起始时段,k+HIN‑1是日内滚动优化的最末时段,且有K=k,定义日内滚动优化的最大优化次数为Kmax;初始化当前日内滚动优化为第1次日内滚动优化,第1次日内滚动优化区间为[1,HIN];步骤三、建立考虑档位修正的日内滚动优化数学模型:步骤3.1、建立分布式发电DG出力不确定区间:根据当前滚动优化区间[k,k+HIN‑1]上分布式发电DG出力预测信息,利用式(1)得到编号为i的分布式发电DG的t时段的出力
的不确定区间:
式(1)中,NDG是配电网中分布式发电DG的总个数,
和
分别是编号为i的分布式发电DG的t时段的出力预测标准值和预测偏差最大值;步骤3.2、利用式(2)得到日内滚动优化的双层目标函数:
式(2)中,fp表示首端和末端节点分别是节点f和节点p的支路,Φ表示所有支路组成的集合,Ifp,t是t时段流过支路fp的电阻rfp上的电流,NSVC是静止无功发生器SVC的总个数,CSVC是折算后的静止无功发生器SVC的单位功率输出成本,
表示编号为i的静止无功发生器SVC的t时段的无功功率输出决策变量,α、β是权重系数;PDG表示所有分布式发电DG在当前滚动优化区间的各时段出力的集合,PDG的元素是内层优化的决策变量;
表示所有静止无功发生器SVC在当前滚动优化区间的各时段的无功功率输出决策变量的集合,
表示所有离散型调控设备在当前滚动优化区间的各时段的档位变化时段决策变量的集合,
和
的元素是外层优化的决策变量;步骤3.3、利用式(3)得到离散型调控设备的档位变化时段决策变量的调节约束:
式(3)中,
表示编号为i且设备类型为
的离散型调控设备的第s次档位变化时段决策变量;步骤3.4、利用式(4)得到t时段的含有载调压变压器OLTC的支路潮流约束:
式(4)中,Vf,t和Vp,t分别是节点f和节点p在t时段的电压幅值,Pfp,t和Qfp,t分别是t时段支路fp上的有功和无功功率,xfp是支路fp的电抗,
是接在节点p上的静止无功发生器SVC的t时段的无功功率输出,
和
分别是接在节点p上的负荷L的t时段的有功和无功功率,Kfp,t是接在支路fp上的有载调压变压器OLTC的t时段的变比,
是接在节点p上的投切电容器组CB的t时段的无功输出功率,U(p)表示所有以节点p为首端节点的支路的末端节点集合,r∈U(p)表示属于集合U(p)的节点r;步骤3.5、利用式(5)得到t时段的编号为i的静止无功发生器SVC无功功率输出的约束:
式(7)中,
和
分别是编号为i的静止无功发生器SVC的无功功率最大输出、最小输出;步骤3.6、利用式(6)得到t时段的配电网与大电网交互功率的约束:
式(6)中,kgrid表示在日内优化阶段配电网与大电网交互功率偏离日前调度的程度,Nnode是配电网中节点的总数;步骤3.7、利用式(7)和式(8)得到t时段的配电网的安全约束:![]()
式(7)中,
和
分别是支路fp允许流过的最小、最大电流;式(8)中,
和
分别是节点p允许的最小、最大电压;步骤四、利用混合整数PSO算法对日内滚动优化模型进行求解:步骤4.1、粒子编码:判断在当前日内滚动优化区间[k,k+HIN‑1]内各离散型调控设备是否发生档位变化,以及发生的是第几次档位变化,从而将发生档位变化的离散型调控设备的相关档位变化时段决策变量纳入粒子编码;利用式(9)得到由静止无功发生器SVC的无功功率输出决策变量、发生档位变化的有载调压变压器OLTC的档位变化时段决策变量和发生档位变化的投切电容器组CB的档位变化时段决策变量组成的粒子向量![]()
式(9)中,
表示编号为NSVC的静止无功发生器SVC的k+HIN‑1时段的无功输出功率决策变量;下标1,…,NSVC分别表示NSVC个静止无功发生器SVC的设备编号
表示编号为Ch的有载调压变压器OLTC的第SCh+NCh‑1次档位变化时段决策变量,下标C1、C2、…、Ch分别表示在当前滚动优化区间[k,k+HIN‑1]内h个发生档位变化的有载调压变压器OLTC的设备编号,下标SC1、…、SC1+NC1‑1分别表示编号为C1的有载调压变压器OLTC发生的第SC1次、…、第SC1+NC1‑1次档位变化;NC1表示在当前滚动优化区间[k,k+HIN‑1]内编号为C1的有载调压变压器OLTC共发生了NC1次档位变化;
表示编号为Dg的投切电容器组CB的第SDg+NDg‑1次档位变化时段决策变量,下标D1、D2、…、Dg分别表示在当前滚动优化区间[k,k+HIN‑1]内g个发生档位变化的投切电容器组CB的设备编号,下标SD1、…、SD1+ND1‑1分别表示编号为D1的投切电容器组CB发生的第SD1次、…、第SD1+ND1‑1次档位变化;ND1表示在当前滚动优化区间[k,k+HIN‑1]内编号为D1的投切电容器组CB共发生了ND1次档位变化;步骤4.2、粒子初始化:步骤4.2.1、对于粒子中分量![]()
的初值取
内的随机值;步骤4.2.2、对于粒子中分量
和![]()
的初值取
内的随机整数,max{·}表示取大括号内所有数的最大值,min{·}表示取大括号内所有数的最小值;步骤4.2.3、初始化得到h+g个原始粒子
其中,
表示编号为w的原始粒子;步骤4.3、粒子迭代初始化:初始化当前迭代代数z=1,最大迭代代数为zmax;将原始粒子
同时作为第1代粒子和第1代历史最优粒子,在h+g个原始粒子中选择一个使目标函数值最小的作为初始的粒子群最优粒子
上标best表示最佳,下标PS表示粒子群;步骤4.4、粒子更新:步骤4.4.1、粒子速度更新:利用式(10)对第z代粒子的第d个分量的运动速度
进行更新,从而得到第z+1代粒子的第d个分量的运动速度![]()
式(10)中,
表示编号为w的第z代粒子的第d个分量,
和
分别表示第z代历史最优粒子的第d个分量和粒子群最优粒子的第d个分量,π、
分别为衰减因子、学习因子,θ1、θ2为[0,1]范围的随机数;粒子的第da个分量的运动速度范围为
且da∈[1,(NSVC×HIN)],下标ida表示第da个分量对应的调控设备的设备编号,kSVC是运动速度调节参数;粒子的第dc个分量的运动速度范围为[‑1,1],且dc≠da;步骤4.4.2、粒子更新:利用式(11)对第z代粒子的第da个分量
进行更新,从而得到第z+1代粒子的第da个分量
且粒子的第da个分量的取值范围为![]()
利用式(12)、式(13)对第z代粒子的第dc个分量
进行更新,从而得到第z+1代粒子的第dc个分量
粒子的第dc个分量的取值范围为
内的整数:![]()
式(12)中,sigmoid(·)表示sigmoid函数,θ3和θ4为[0‑1]范围的随机数,ρ为取值为1或‑1的辅助变量;σ为取值为0或1的辅助变量;步骤4.4.3、通过粒子更新得到第z+1代粒子![]()
步骤4.5、粒子解码:步骤4.5.1、将得到的第z+1代粒子的离散型调控设备的档位变化时段决策变量转换为对应的离散型调控设备的档位时间序列:第一种情况,若
令
的值为gn,令
的值为km,定义
为第z+1代粒子解码转换后得到的编号为i的且设备类型为
的离散型调控设备的t时段的档位,则将
的值赋给
将
的值赋给
下标t1表示时段编号,且满足
和t1∈[k,k+HIN‑1];第二种情况,若
则将
的值赋给
将
的值赋给
下标t2表示时段编号,且满足
和t2∈[k,k+HIN‑1];第三种情况,若
则将
的值赋给
下标t3表示时段编号,且满足t3∈[k,k+HIN‑1];步骤4.5.2、得到第z+1代粒子对应的所有离散型调控设备的档位时间序列
利用式(14)得到由第z+1代粒子解码转换后得到的离散型调控设备档位时间序列![]()
式(14)中,
分别表示第z+1代粒子解码转换后得到的编号为i的有载调压变压器OLTC、投切电容器组CB的t时段的档位;将
和当前滚动优化区间[k,k+HIN‑1]上未发生档位变化的离散型调控设备的档位时间序列联合,从而得到第z+1代粒子对应的所有离散型调控设备的档位时间序列
步骤4.6、产生最优粒子:步骤4.6.1、利用式(15)得到接在支路fp上的载调压变压器OLTC的t时段的变比Kfp,t:
式(14)中,Kfp,0和ΔKfp分别是接在支路fp上的有载调压变压器OLTC的标准变比和调节步长,
表示
中对应接在支路fp上的有载调压变压器OLTC的t时段的档位,当支路中不含有载调压变压器OLTC,令Kfp,t=1;步骤4.6.2、利用式(16)得到编号为i的投切电容器组CB的t时段的无功输出功率![]()
式(15)中,
是编号为i的投切电容器组CB的单组电容器补偿功率;步骤4.6.3、利用式(17)得到决策变量集合
和
中元素的取值确定后的目标函数:
式(17)中,目标函数是单层目标函数,约束条件包括式(4)、式(6)、式(7)、式(8)、式(15)和式(16),对单层目标函数进行求解,得到第z+1代粒子
的目标函数值,再与当前第z代历史最优粒子
的目标函数值进行比较,若第z+1代粒子
的目标函数值小于当前第z代历史最优粒子
的目标函数值,则对历史最优粒子进行更新,将第z+1代粒子
作为第z+1代历史最优粒子
否则不进行更新,即将当前第z代历史最优粒子
作为第z+1代历史最优粒子
在所有历史最优粒子中选择目标函数值最小的粒子作为粒子群的最优粒子
步骤4.7、迭代结束判断和优化结果输出:将z+1赋值给z,并判断z>zmax是否成立,若不成立,返回步骤4.4,若成立,表示迭代结束,并将粒子群最优粒子
对应的有载调压变压器OLTC的k时段的档位
投切电容器组CB的k时段的档位
和静止无功发生器SVC的k时段的无功输出功率
分别作为有载调压变压器OLTC、投切电容器组CB和静止无功发生器SVC在当前k时段的实际控制输出,而舍去其余时段的档位和无功输出功率;步骤五、滚动优化结束判断:将K+1赋值给K,并判断K>Kmax是否成立,若成立,则表示滚动优化结束,否则,用得到的当前滚动优化区间[k,k+HIN‑1]上粒子群最优粒子
对应的所有离散型调控设备的档位时间序列
替换日内优化阶段区间[k,k+HIN‑1]上的离散型调控设备的档位时间序列
和
并返回步骤3.1。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥工业大学;国网安徽省电力有限公司电力科学研究院,未经合肥工业大学;国网安徽省电力有限公司电力科学研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910436490.2/,转载请声明来源钻瓜专利网。
- 上一篇:一种基于强化学习的股票预测方法及系统
- 下一篇:一种在线录入即时抽检方法
- 同类专利
- 专利分类
G06 计算;推算;计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理