一种用于提高配电网分布式发电承载能力的方法专利检索-飞行包线空气动力学专利检索查询-专利查询网

一种用于提高配电网分布式发电承载能力的方法

阅读：853发布：2020-05-08

专利汇可以提供一种用于提高配电网分布式发电承载能力的方法专利检索，专利查询，专利分析的服务。并且本发明公开一种用于提高配电网分布式发电承载能力的方法，其通过改进的粒子群算法对配电网分布式发电网络进行优化，利用不同线路段的电流限制，电压限制，负载限制等，合理布置分布式发电机组的位置，合理分配不同位置的分布式发电机组容量，提升配电网分布式发电网络的负载能力。，下面是一种用于提高配电网分布式发电承载能力的方法专利的具体信息内容。

权利要求

1.一种用于提高配电网分布式发电承载能力的方法，其特征在于，包括如下步骤：
步骤1、提供配电网的运行树状网络模型G，分布式发电机组个数M和总容量SDG；设置粒子群规模N，初始化粒子群粒子位置飞行速度Vi1，初始惯性因子ωmax，终止惯性因子ωmin，初始学习因子最大迭代次数K，初始粒子个体极值与初始全局最优解步骤2、更新迭代次数和惯性因子，根据更新后的惯性因子、粒子距全局最优解的距离调节学习因子，根据调节后的学习因子更新粒子的位置Xi、飞行速度Vi；
步骤3、计算满足约束条件的粒子所在位置对应配电网分布式发电最大承载能力的目标函数值，并取目标函数值最大的值为目标函数最优解；
步骤4、将步骤3所得到的目标函数最优解与保存的目标函数最优解进行比较，若步骤3所得的目标函数最优解较优，则用其替代保存的目标函数最优解，否则不替代；
步骤5、判断迭代运算是否达到最大迭代次数条件或者保存的目标函数最优解是否满足设定条件，若任一条件满足，则迭代运算终止，否则返回步骤2。
2.根据权利要求1所述的提高配电网分布式发电承载能力的优化方法，其特征在于，所述配电网的运行树状网络模型用下式描述：
G＝(V，Eij) i，j＝1，…，n
其中，V为配电网网络所有节点集合，n为配电网网络中的节点个数，Eij为第i个节点与第j个节点之间的开关状态，且电流方向由i节指向j节点，Eij＝1为开关闭合状态，Eij＝0为开关断开状态，G为对应矩阵，横列数代表对应的节点，其中对应元素为Eij。
3.根据权利要求1所述的提高配电网分布式发电承载能力的优化方法，其特征在于，所述步骤2中，更新迭代次数，根据粒子距全局最优解的距离调节学习因子和惯性因子的取值，由以下公式计算：
k＝k+1 k＝1，…，K
其中，k为更新前迭代次数，k+1为更新后迭代次数，K为总迭代次数，ω(k)为引入优化权重更新后的惯性因子，ωmax为开始时惯性因子取值，ωmin为结束时惯性因子，δ为优化因子，为更新前粒子距全局最优解，为更新前第i个粒子的位置，为调节后
的学习因子。
4.根据权利要求3所述的提高配电网分布式发电承载能力的优化方法，其特征在于，在步骤2中，更新粒子的位置Xi和飞行速度Vi，由以下公式计算：
其中，为学习因子，r1、r2为区间[0，1]上的随机数，为更新前第i个粒子在速度变量，为更新前第i个粒子位置变量，pi为第i个粒子个体极值，为更新前全局最优解。
5.根据权利要求1所述的提高配电网分布式发电承载能力的优化方法，其特征在于，步骤3中，约束条件包括：
(1)电流约束
式中，Ii为流过第i线路段的电流，为流过第i线路段的电流上限，l为配电网网络的线路段数；
(2)电压约束
其中，Ui为节点i的电压，为节点i的电压下限，为节点i的电压上限，n为配电网网络的节点个数；
(3)容量约束
其中，Sj为第j个分布式发电机组的容量，SDG为允许接入配电网的分布式发电机组的总容量，M为接入配电网的分布式发电机组个数；
(4)功率平衡约束
其中，PDG，i，QDG，i分别为第i个节点上的分布式发电机组注入节点i的有功功率和无功功率，Pi，Qi分别为配电网注入节点i的有功功率和无功功率，PL，i，QL，i分别为节点i处负荷的有功功率和无功功率，Ui，Uj分别为节点i，j的电压幅值，其中节点j是指所有与节点i相连的节点，Gi，j为在相连的节点i和节点j之间支路的电导，Bi，j为在相连的节点i和节点j之间支路上的电纳，θi，j为相连的节点i和节点j两个节点的相角差。
6.根据权利要求1所述的提高配电网分布式发电承载能力的优化方法，其特征在于，步骤4中，配电网分布式发电网络最大承载能力的目标函数：
其中，Fload为配电网分布式发电网络的线路负载率，为第i个负载功率最大值，m为配电网网络上总的负载数量，为第i个负荷的功率因数，P为配电网允许的最大传输有功功率；
从满足约束条件的粒子编组计算的Fload值中选取最大值，该最大值记为其对应的粒子位置即为当前全局最优解将与之前保存的目标函数最优解比较，保留数值较大的一个，记为运算结束后，根据最后保留的确定M个分布式发电机组的位置和容量。

说明书全文

一种用于提高配电网分布式发电承载能力的方法

技术领域

[0001] 本发明属于配电网技术领域，特别涉及一种用于提高配电网分布式发电承载能力的方法。

背景技术

[0002] 分布式发电技术(包括光伏和风能发电等)向配电网的渗透在全球范围内呈上升趋势。这种发展趋势已经导致了几个系统运行问题，包括电压违规和系统设备过载。在这种情况下，提升分布式发电网络的承载能力就显得尤为重要。为了提高分布式发电网络的承载能力，分布式发电机组的容量合理规划，位置合理分布是有效的方法。配电网的规划要考虑到给定发电机组的位置布置，然后结合不同网络段的负载、电压限制、电流限制等合理分配对应位置发电机组的容量。

发明内容

[0003] 本发明旨在提出一种用于提高配电网分布式发电承载能力的方法，以解决配电网分布式发电机组位置分布和容量规划问题，最大限度提高分布式发电网络的承载能力。

[0004] 本发明实施例提出一种用于提高配电网分布式发电承载能力的方法，包括如下步骤：

[0005] 步骤1、提供配电网的运行树状网络模型G，分布式发电机组个数M和总容量SDG；设置粒子群规模N，初始化粒子群粒子位置飞行速度初始惯性因子ωmax，终止惯性因子ωmin，初始学习因子最大迭代次数K，初始粒子个体极值与初始全局最优解[0006] 步骤2、更新迭代次数和惯性因子，根据更新后的惯性因子、粒子距全局最优解的距离调节学习因子，根据调节后的学习因子更新粒子的位置Xi、飞行速度Vi；

[0007] 步骤3、计算满足约束条件的粒子所在位置对应配电网分布式发电最大承载能力的目标函数值，并取目标函数值最大的值为目标函数最优解；

[0008] 步骤4、将步骤3所得到的目标函数最优解与保存的目标函数最优解进行比较，若步骤3所得的目标函数最优解较优，则用其替代保存的目标函数最优解，否则不替代；

[0009] 步骤5、判断迭代运算是否达到最大迭代次数条件或者保存的目标函数最优解是否满足设定条件，若任一条件满足，则迭代运算终止，否则进入步骤2。

[0010] 其中，所述配电网的运行树状网络模型用下式描述：

[0011] G＝(V,Eij) i,j＝1,…,n

[0012] 其中，V为配电网网络所有节点集合，n为配电网网络中的节点个数，Eij为第i个节点与第j个节点之间的开关状态，且电流方向由i节指向j节点，Eij＝1为开关闭合状态，Eij＝0为开关断开状态，G为对应矩阵，横列数代表对应的节点，其中对应元素为Eij。

[0013] 其中，所述步骤2中，更新迭代次数，根据粒子距全局最优解的距离调节学习因子和惯性因子的取值，由以下公式计算：

[0014] k＝k+1 k＝1,…,K

[0015]

[0016]

[0017]

[0018] 其中，k为更新前迭代次数，k+1为更新后迭代次数，K为总迭代次数，ω(k)为引入优化权重更新后的惯性因子，ωmax为开始时惯性因子取值，ωmin为结束时惯性因子，δ为优化因子，为更新前粒子距全局最优解，为更新前第i个粒子的位置，为调节后的学习因子。

[0019] 其中，在步骤2中，更新粒子的位置Xi和飞行速度Vi，由以下公式计算：

[0020]

[0021] 其中，为学习因子，r1、r2为区间[0,1]上的随机数，为更新前第i个粒子在速度变量，为更新前第i个粒子位置变量，pi为第i个粒子个体极值，为更新前全局最优解。

[0022] 其中，步骤3中，约束条件包括：

[0023] (1)电流约束

[0024]

[0025] 式中，Ii为流过第i线路段的电流，为流过第i线路段的电流上限，l为配电网网络的线路段数；

[0026] (2)电压约束

[0027]

[0028] 其中，Ui为节点i的电压，为节点i的电压下限，为节点i的电压上限，n为配电网网络的节点个数；

[0029] (3)容量约束

[0030]

[0031] 其中，Sj为第j个分布式发电机组的容量，SDG为允许接入配电网的分布式发电机组的总容量，M为接入配电网的分布式发电机组个数；

[0032] (4)功率平衡约束

[0033]

[0034] 其中，PDG,i，QDG,i分别为第i个节点上的分布式发电机组注入节点i的有功功率和无功功率，Pi，Qi分别为配电网注入节点i的有功功率和无功功率，PL,i，QL,i分别为节点i处负荷的有功功率和无功功率，Ui，Uj分别为节点i，j的电压幅值，其中节点j是指所有与节点i相连的节点，Gi,j为在相连的节点i和节点j之间支路的电导，Bi,j为在相连的节点i和节点j之间支路上的电纳，θi,j为相连的节点i和节点j两个节点的相角差。

[0035] 其中，步骤4中，配电网分布式发电网络最大承载能力的目标函数：

[0036]

[0037] 其中，Fload为配电网分布式发电网络的线路负载率，为第i个负载功率最大值，m为配电网网络上总的负载数量，为第i个负荷的功率因数，P为配电网允许的最大传输有功功率；

[0038] 从满足约束条件的粒子编组计算的Fload值中选取最大值，该最大值记为其对应的粒子位置即为当前全局最优解将与之前保存的目标函数最优解比较，保留数值较大的一个，记为运算结束后，根据最后保留的确定M个分布式发电机组的位置和容量。

[0039] 本发明实施例提出一种用于提高配电网分布式发电承载能力的方法，对配电网分布式发电网络进行优化，利用不同线路段的电流限制，电压限制，负载限制等，合理布置分布式发电机组的位置，合理分配不同位置的分布式发电机组容量，提升配电网分布式发电网络的负载能力。

[0040] 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而得以体现。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

[0041] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

[0042] 图1为本发明实施例中一种用于提高配电网分布式发电承载能力的方法流程图。

[0043] 图2为本发明实施例中待优化的配电网节点图。

具体实施方式

[0044] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。

[0045] 在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的结构，而省略了与本发明关系不大的其他细节。

[0046] 如图1所示，本发明实施例提出一种用于提高配电网分布式发电承载能力的方法，图2为待优化的配电网节点图，图2有7个节点，参阅图1，所述方法包括如下步骤：

[0047] 步骤1、提供配电网的运行树状网络模型G，分布式发电机组个数M＝3和总容量SDG＝120kw；设置粒子群规模N，初始化粒子群粒子位置飞行速度初始惯性因子ωmax＝0.9，终止惯性因子ωmin＝0.4，初始学习因子最大迭代次数K＝100，设置初始粒子个体极值与初始全局最优解

[0048] 步骤2、更新迭代次数和惯性因子，根据更新后的惯性因子、粒子距全局最优解的距离调节学习因子，根据调节后的学习因子更新粒子的位置Xi、飞行速度Vi；

[0049] 步骤3、计算满足约束条件的粒子所在位置对应配电网分布式发电最大承载能力的目标函数值，并取目标函数值最大的值为目标函数最优解；

[0050] 步骤4、将步骤3所得到的目标函数最优解与保存的目标函数最优解进行比较，若步骤3所得的目标函数最优解较优，则用其替代保存的目标函数最优解，否则不替代；

[0051] 步骤5、判断迭代运算是否达到最大迭代次数条件或者保存的目标函数最优解是否满足设定条件，若任一条件满足，则迭代运算终止，否则返回步骤2。

[0052] 其中，所述配电网的运行树状网络模型用下式描述：

[0053] G＝(V,Eij) i,j＝1,…,7

[0054] 其中，V为配电网网络所有节点集合，n为配电网网络中的节点个数，Eij为第i个节点与第j个节点之间的开关状态，且电流方向由i节指向j节点，Eij＝1为开关闭合状态，Eij＝0为开关断开状态，G为对应矩阵，横列数代表对应的节点，其中对应元素为Eij，其中E12＝1，E23＝1，E25＝1，E34＝1，E36＝1，E67＝1。

[0055] 其中，所述步骤2中，更新迭代次数，根据粒子距全局最优解的距离调节学习因子和惯性因子的取值，由以下公式计算：

[0056] k＝k+1 k＝1,…,100

[0057]

[0058]

[0059]

[0060] 其中，k为更新前迭代次数，k+1为更新后迭代次数，K为总迭代次数，ω(k)为引入优化权重更新后的惯性因子，ωmax为开始时惯性因子取值，ωmin为结束时惯性因子，δ为优化因子，为更新前粒子距全局最优解，为更新前第i个粒子的位置，为调节后的学习因子。

[0061] 其中，在步骤2中，更新粒子的位置Xi和飞行速度Vi，由以下公式计算：

[0062]

[0063] 其中，为学习因子，其值由优化因子δ确实， r1、r2为区间[0,1]上的随机数，为更新前第i个粒子在速度变量，为更新前第i个粒子位置变量，pi为第i个粒子个体极值，为更新前全局最优解。

[0064] 其中，步骤3中，约束条件包括：

[0065] (1)电流约束

[0066]

[0067] 式中，Ii为流过第i线路段的电流，为流过第i线路段的电流上限，配电网网络的线路段数为6。

[0068] (2)电压约束

[0069]

[0070] 其中，Ui为节点i的电压，为节点i的电压下限，为节点i的电压上限，7为配电网网络的节点个数。

[0071] (3)容量约束

[0072]

[0073] 其中，Sj为第j个分布式发电机组的容量，SDG为允许接入配电网的分布式发电机组的总容量，接入配电网的分布式发电机组个数为3。

[0074] (4)功率平衡约束

[0075]

[0076] 其中，PDG,i，DG,i分别为第i个节点上的分布式发电机组注入节点i的有功功率和无功功率，Pi，Qi分别为配电网注入节点i的有功功率和无功功率，PL,i，QL,i分别为节点i处负荷的有功功率和无功功率，Ui，Uj分别为节点i，j的电压幅值，其中节点j是指所有与节点i相连的节点，Gi,j为在相连的节点i和节点j之间支路的电导，Bi,j为在相连的节点i和节点j之间支路上的电纳，θi,j为相连的节点i和节点j两个节点的相角差。

[0077] 其中，步骤4中，当前迭代次数下，保留满足上述约束条件的粒子，且任意三个粒子编组(分布式发电机组个数M＝3)，通过计算配电网络计算配电网分布式发电网络最大承载能力的目标函数：

[0078]

[0079] 其中，Fload为配电网分布式发电网络的线路负载率，为第i个负载功率最大值，m为配电网网络上总的负载数量，为第i个负荷的功率因数，P为配电网允许的最大传输有功功率；

[0080] 从满足约束条件的粒子编组计算的Fload值中选取最大值，该最大值记为其对应的粒子位置即为当前全局最优解将与之前保存的目标函数最优解比较，保留数值较大的一个，记为运算结束后，根据最后保留的确定3个分布式发电机组的位置和容量。

[0081] 本发明实施例提出一种用于提高配电网分布式发电承载能力的方法，利用粒子算法对配电网分布式发电网络进行优化，利用不同线路段的电流限制，电压限制，负载限制等，合理布置分布式发电机组的位置，合理分配不同位置的分布式发电机组容量，提升配电网分布式发电网络的负载能力，其中粒子群算法属于智能算法的一种，算法模拟鸟群飞行捕食的行为，通过鸟之间的集体协作使群体达到最优。粒子群算法具有基于粒子群的多点并行全局搜索的特点，根据粒子的速度和当前位置决定搜索路径，没有复杂的进化操作，因此粒子群算法易于实现且计算速度较快。

[0082] 以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

标题	发布/更新时间	阅读量
一种基于房产信息数据的智能服务防护方法及其系统	2020-05-08	801
一种基于相似结构试验的疲劳寿命评估方法	2020-05-08	210
飞行器的无线测试发射控制系统及方法	2020-05-08	443
一种无人机正射多架次作业航迹规划算法	2020-05-11	918
一种机载激光雷达点云的自适应滤波方法	2020-05-08	444
一种改进型非线性PID的四旋翼飞行器控制方法	2020-05-11	910
线号增强型车载无人机控制平台	2020-05-08	219
一种基于试飞管控业务的周期性任务管理调度方法	2020-05-08	20
无人机飞行任务执行判断方法、装置及系统	2020-05-08	221
一种基于无人机的飞行急救装置	2020-05-08	463

一种用于提高配电网分布式发电承载能力的方法

一种用于提高配电网分布式发电承载能力的方法

技术领域

背景技术

发明内容

附图说明

具体实施方式

该功能需要专业版企业版VIP权限，您可以：