[发明专利]一种基于模糊聚类改进和声算法的风电配网优化调度方法

说明书

本发明公开一种基于模糊聚类改进和声算法的风电配网优化调度方法，步骤包括：S1.参照模糊聚类思想，对和声算法中部分参数的生成方式进行改进，提出一种基于模糊聚类的改进和声算法；S2.以可控分布式电源的有功和无功出力作为决策变量，节点电压幅值偏差和系统网络损耗最小为目标函数来构建风电配网优化调度模型；S3.利用改进和声算法对上述模型进行求解，并论证该算法的优越性。本发明实现过程简单，所提出的改进和声算法计算简单高效，搜索能力优，能够更好地解决风电配网优化调度问题。

技术领域

本发明涉及电力系统优化调度技术领域，尤其涉及一种基于模糊聚类改进和声算法的风电配网优化调度方法。

背景技术

风电等可再生能源发电并网比重的不断增加，其出力不确定性对电力系统安全经济调度的影响日趋增大，含风电系统的电力优化调度模型逐渐由以往的确定性建模转变为不确定性建模。以可控分布式电源的有功和无功出力作为决策变量，节点电压幅值偏差和系统网络损耗均取其区间数最小为目标函数来构建风电配网优化调度模型，通过计算区间数潮流，得到皆为区间数描述的节点电压、线路电流及支路功率。通过引入区间数优化理论，将风电出力、电价、负荷等不确定性因素作为区间数处理，然后采用区间序关系将所刻画的不确定性问题转化为确定型函数形式。

深入分析和声算法基本原理，参照模糊聚类思想，对算法中部分参数的生成方式进行改进，使算法在迭代求解过程中有利于自适应解的生成，提出一种基于模糊聚类的改进和声算法。并利用所提出的改进和声算法对上述风电配网优化调度模型进行求解。

和声算法搜索新解的三种方式有利用较大概率的HMCR在HM中搜索新解，或以概率1-HMCR在HM外搜索新解，或利用较小概率的PAR(取值—般在0.2和0.5之间)扰动和声记忆库中搜索到的新解。若依据最初的算法，HMCR和PAR均取固定值，则会影响算法中新解的多样性，且没有充分利用HM的累计信息。因此，为兼顾算法全局和局部搜索能力，参数改进的基本思路是新解搜索前期以较大概率在和声记忆库外搜寻新解，这样全局搜索能力较优。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种求解方法简单、优化协调性能好的基于模糊聚类改进和声算法的风电配网优化调度方法，改善了风电配网节点电压分布以及降低了电力系统的网络损耗，同时改进和声算法的计算更加简单高效，有利于工程优化问题的求解。

为解决上述技术问题，本发明提出的技术方案为：

一种基于模糊聚类改进和声算法的风电配网优化调度方法，步骤包括：

S1.深入分析和声算法基本原理，参照模糊聚类思想，对和声算法中部分参数的生成方式进行改进，提出一种基于模糊聚类的改进和声算法；

S2.以可控分布式电源的有功和无功出力作为决策变量，节点电压幅值偏差和系统网络损耗最小为目标函数来构建风电配网优化调度模型；

S3.利用改进和声算法对上述模型进行求解，并论证该算法的优越性。

作为本发明的进一步改进：所述步骤S1中，为兼顾和声算法全局和局部搜索能力，参数改进的基本思路是新解搜索前期以较大概率在和声记忆库外搜寻新解。

作为本发明的进一步改进：改进和声算法以目标函数作为其适应度函数，若搜索到新解的适应度值小于原和声库中最差解的适应度值，则取代最差值，当搜索进行到一定阶段，和声库外搜索不到更优的解时，会出现新解适应度值大于和声库中解的适应度值，此时不需要对和声库进行修改，而将HMCR增大，从而增大算法后期局部搜索能力。

作为本发明的进一步改进：基于模糊聚类思想，和声算法的具体改进方式如下：