本發(fā)明涉及智能配電，特別涉及一種動(dòng)態(tài)節(jié)能配電方法。

背景技術(shù)：

隨著智能電網(wǎng)技術(shù)的日益發(fā)展，世界各國(guó)投入了大量精力研究節(jié)能調(diào)度技術(shù)和加大新能源接入電網(wǎng)的力度，其目的就是減少常規(guī)能源的消耗以及降低溫室氣體的排放量，這對(duì)于節(jié)能減排具有重大的現(xiàn)實(shí)意義。電力系統(tǒng)優(yōu)化調(diào)度是電力系統(tǒng)分析和控制中的一個(gè)非常重要的問(wèn)題。其主要任務(wù)是保證用戶用電需求和電力系統(tǒng)安全穩(wěn)定的條件下，通過(guò)安排電源運(yùn)行方式，使系統(tǒng)的總發(fā)電成本最低。然而對(duì)于風(fēng)電這種不穩(wěn)定性的能源，給電力系統(tǒng)優(yōu)化調(diào)度帶來(lái)了極大的挑戰(zhàn)。雖然基于風(fēng)電的隨機(jī)優(yōu)化技術(shù)已經(jīng)應(yīng)用于風(fēng)電電力系統(tǒng)經(jīng)濟(jì)調(diào)度中，但是這些現(xiàn)有技術(shù)主要是模糊和概率建模，存在一定的局限性，從實(shí)際效果來(lái)看不夠理想。

技術(shù)實(shí)現(xiàn)要素：

為解決上述現(xiàn)有技術(shù)所存在的問(wèn)題，本發(fā)明提出了一種動(dòng)態(tài)節(jié)能配電方法，包括：

讀取配電網(wǎng)初始參數(shù)；令每一個(gè)粒子的位置為決策約束向量；

在決策變量可行域內(nèi)隨機(jī)初始化每一個(gè)粒子的位置和速度，計(jì)算損耗期望和標(biāo)準(zhǔn)差；

如果當(dāng)前迭代次數(shù)未超過(guò)預(yù)設(shè)的最大迭代次數(shù)，則更新全局和個(gè)體最優(yōu)位置，然后更新粒子的慣性權(quán)值，迭代計(jì)算損耗期望和標(biāo)準(zhǔn)差。

優(yōu)選地，所述配電方法的目標(biāo)設(shè)置為以下約束優(yōu)化問(wèn)題：

min[F_obj+E(∑τ_idec_i)+τ_α·max(α_PL-σ_Ploss/E(P_loss)，0)]

若h_i＞h_i，min,則dec_i＝h_i-h_i，max

若h_i≤h_i，min,則dec_i＝h_i，min-h_i

其中h_i為第i個(gè)與決策變量約束有關(guān)的狀態(tài)變量，h_i，min和h_i，max分別為h_i的下限和上限；dec_i為與第i個(gè)狀態(tài)約束有關(guān)的狀態(tài)變量的減分項(xiàng)；τ_i為第i個(gè)狀態(tài)變量越限的減分因數(shù)，τ_α為損耗降低性約束的減分因數(shù)；

其中目標(biāo)函數(shù)F_obj為損耗期望E(P_loss)，并設(shè)置如下?lián)p耗成本降低約束：

σ_Ploss/E(P_loss)≤α_PL

其中，σ_Ploss為損耗分布的標(biāo)準(zhǔn)差，α_PL為成本降低閾值；

并且，決策變量包括分布式發(fā)電組件的有功出力、無(wú)功補(bǔ)償功率、平衡節(jié)點(diǎn)電壓幅值；其中，

無(wú)功補(bǔ)償量約束為

Q^C_i，min<Q^C_i<Q^C_i，max

Q^C_i是無(wú)功補(bǔ)償量；Q^C_i，min和Q^C_i，max分別是Q^C_i的下限和上限；

平衡節(jié)點(diǎn)電壓約束為

V_sw，min<V_sw<V_sw，max

V_sw是平衡節(jié)點(diǎn)的電壓幅值；V_sw，min和V_sw，max分別是V_sw的下限和上限；

風(fēng)電的出力與風(fēng)速密切相關(guān)，給定風(fēng)速值v，風(fēng)電的有功出力P^w_i通過(guò)以下函數(shù)關(guān)系獲得：

P^w_i＝0,v<v_ci，或v>v_co

P^w_i＝P^w,r_i(v-v_ci)/(v_r-v_ci)，v_r≥v≥v_ci

P^w_i＝P^w,r_i,v<v_ci，v_co≥v≥v_r

其中，v_ci和v_co分別為風(fēng)電機(jī)組的切入風(fēng)速和切出風(fēng)速，v_r是額定風(fēng)速，P^w,r_i為最大出力。

優(yōu)選地，所述更新粒子的慣性權(quán)值，進(jìn)一步包括：

根據(jù)以下公式更新粒子第k次的慣性權(quán)值w^k：

w^k＝w_max-(w_max-w_min)×k/k_max；

w_max和w_min分別為w^k的上下限，k_max為關(guān)聯(lián)于最大迭代次數(shù)的參數(shù)；

更新迭代次數(shù)標(biāo)記，然后返回計(jì)算損耗期望和標(biāo)準(zhǔn)差的步驟。

本發(fā)明相比現(xiàn)有技術(shù)，具有以下優(yōu)點(diǎn)：

本發(fā)明提出的動(dòng)態(tài)節(jié)能配電方法，僅獲得風(fēng)電分布的部分概率參數(shù)的情況下，保證線路在各個(gè)狀態(tài)約束不越限，并同時(shí)優(yōu)化配電網(wǎng)線路損耗，實(shí)現(xiàn)運(yùn)行經(jīng)濟(jì)性的提升。

附圖說(shuō)明

附圖1是本發(fā)明動(dòng)態(tài)節(jié)能配電方法流程圖

具體實(shí)施方式

下文提供對(duì)本發(fā)明一個(gè)或者多個(gè)實(shí)施例的詳細(xì)描述。結(jié)合這樣的實(shí)施例描述本發(fā)明，但是本發(fā)明不限于任何實(shí)施例。本發(fā)明的范圍僅由權(quán)利要求書限定，并且本發(fā)明涵蓋諸多替代、修改和等同物。在下文描述中闡述諸多具體細(xì)節(jié)以便提供對(duì)本發(fā)明的透徹理解。出于示例的目的而提供這些細(xì)節(jié)，并且無(wú)這些具體細(xì)節(jié)中的一些或者所有細(xì)節(jié)也可以根據(jù)權(quán)利要求書實(shí)現(xiàn)本發(fā)明。

本發(fā)明的配電網(wǎng)調(diào)度方法，目的是在僅獲得風(fēng)電分布的部分概率參數(shù)的情況下，保證線路在各個(gè)狀態(tài)約束不越限，并同時(shí)優(yōu)化配電網(wǎng)線路損耗，實(shí)現(xiàn)運(yùn)行經(jīng)濟(jì)性的提升。與此同時(shí)，保證損耗標(biāo)準(zhǔn)差和期望值之間的比值不會(huì)過(guò)高，因此可以對(duì)配網(wǎng)運(yùn)行經(jīng)濟(jì)性的降低性進(jìn)行有效控制。

本發(fā)明模型采用損耗的期望值作為目標(biāo)函數(shù)：

F_obj＝E(P_loss)

設(shè)置如下?lián)p耗成本降低約束：

σ_Ploss/E(P_loss)≤α_PL

其中，σ_Ploss為損耗分布的標(biāo)準(zhǔn)差，α_PL為成本降低閾值。即損耗分布的標(biāo)準(zhǔn)差和期望值的比值不能太高。

本發(fā)明的配電網(wǎng)調(diào)度方法中，決策變量包括分布式發(fā)電組件的有功出力、無(wú)功補(bǔ)償功率、平衡節(jié)點(diǎn)電壓幅值。其中，有功出力約束為：

P^DDG_i，min<P^DDG_i<P^DDG_i，max

P^DDG_i是有功出力；P^DDG_i，min和P^DDG_i，max分別是P^DDG_i的下限和上限。

無(wú)功補(bǔ)償量約束為

Q^C_i，min<Q^C_i<Q^C_i，max

Q^C_i是無(wú)功補(bǔ)償量；Q^C_i，min和Q^C_i，max分別是Q^C_i的下限和上限。

平衡節(jié)點(diǎn)電壓約束為

V_sw，min<V_sw<V_sw，max

V_sw是平衡節(jié)點(diǎn)的電壓幅值；V_sw，min和V_sw，max分別是V_sw的下限和上限。

對(duì)于潮流約束，采用的潮流方程為隨機(jī)調(diào)度模型的等式約束，具體如下：

Pⁱⁿ_i-V_i∑V_j(G_ijcosδ_ij+B_ijsinδ_ij)＝0

Qⁱⁿ_i-V_i∑V_j(G_ijcosδ_ij-B_ijsinδ_ij)＝0

其中，Pⁱⁿ_i和Qⁱⁿ_i分別是母線集合內(nèi)節(jié)點(diǎn)i的有功總輸入功率和無(wú)功總輸入功率，G_ij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的轉(zhuǎn)移電導(dǎo)，B_ij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的轉(zhuǎn)移電納，V_i和V_j分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j的電壓幅值，δ_ij為節(jié)點(diǎn)i和j之間的電壓相角差。

風(fēng)電的出力與風(fēng)速密切相關(guān)，給定風(fēng)速值v，風(fēng)電的有功出力P^w_i通過(guò)以下函數(shù)關(guān)系獲得：

P^w_i＝0,v<v_ci，或v>v_co

P^w_i＝P^w,r_i(v-v_ci)/(v_r-v_ci)，v_r≥v≥v_ci

P^w_i＝P^w,r_i,v<v_ci，v_co≥v≥v_r

其中，v_ci和v_co分別為風(fēng)電機(jī)組的切入風(fēng)速和切出風(fēng)速，v_r是額定風(fēng)速，P^w,r_i為最大出力。

本發(fā)明的隨機(jī)調(diào)度模型本質(zhì)上是一個(gè)約束優(yōu)化數(shù)學(xué)問(wèn)題。采用絕對(duì)值減分函數(shù)方法將以上相關(guān)公式轉(zhuǎn)化如下的等效模型：

min[F_obj+E(∑τ_idec_i)+τ_α·max(α_PL-σ_Ploss/E(P_loss)，0)]

若h_i＞h_i，min,則dec_i＝h_i-h_i，max

若h_i≤h_i，min,則dec_i＝h_i，min-h_i

h_i為第i個(gè)與決策變量約束有關(guān)的狀態(tài)變量，h_i，min和h_i，max分別為h_i的下限和上限；dec_i為與第i個(gè)狀態(tài)約束有關(guān)的狀態(tài)變量的減分項(xiàng)；τ_i為第i個(gè)狀態(tài)變量越限的減分因數(shù)，τ_α為損耗降低性約束的減分因數(shù)。

對(duì)于以上含離散優(yōu)化變量和連續(xù)優(yōu)化變量的復(fù)雜數(shù)學(xué)優(yōu)化問(wèn)題，本發(fā)明采用粒子群算法作為優(yōu)化求解工具。首先利用因數(shù)k對(duì)決策約束進(jìn)行加強(qiáng)，具體如下：

h_i，min+(1-k)|h_i，min|≤h_i≤h_i，max-(1-k)|h_i，max|

根據(jù)上述描述，本發(fā)明將通過(guò)粒子群算法聯(lián)合求解上述配電網(wǎng)隨機(jī)調(diào)度問(wèn)題，具體算法流程如下：

1.讀取配電網(wǎng)數(shù)據(jù)、分布式電源參數(shù)、風(fēng)速概率參數(shù)，確定決策變量及其可行域；設(shè)置粒子群的控制參數(shù)，令每一個(gè)粒子的位置為決策約束向量；

2.在決策變量可行域內(nèi)隨機(jī)初始化每一個(gè)粒子的位置，并初始化粒子的速度；

3.根據(jù)上述利用因數(shù)k對(duì)決策約束進(jìn)行加強(qiáng)的公式，縮小決策變量的可行域，然后根據(jù)兩點(diǎn)估計(jì)算法計(jì)算E(∑τ_idec_i)，以及損耗的期望值和標(biāo)準(zhǔn)差；

4.如果當(dāng)前迭代次數(shù)超過(guò)預(yù)設(shè)的最大迭代次數(shù)，則結(jié)束粒子群算法的優(yōu)化過(guò)程，輸出E(∑τ_idec_i)；否則，進(jìn)入步驟5；

5.更新全局最優(yōu)位置和個(gè)體最優(yōu)位置，然后根據(jù)以下公式更新粒子第k次的慣性權(quán)值w^k：

w^k＝w_max-(w_max-w_min)×k/k_max；

w_max和w_min分別為w^k的上下限，k_max為關(guān)聯(lián)于最大迭代次數(shù)的參數(shù)；

6.更新迭代次數(shù)標(biāo)記，然后返回步驟3。

應(yīng)當(dāng)理解的是，本發(fā)明的上述具體實(shí)施方式僅僅用于示例性說(shuō)明或解釋本發(fā)明的原理，而不構(gòu)成對(duì)本發(fā)明的限制。因此，在不偏離本發(fā)明的精神和范圍的情況下所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。此外，本發(fā)明所附權(quán)利要求旨在涵蓋落入所附權(quán)利要求范圍和邊界、或者這種范圍和邊界的等同形式內(nèi)的全部變化和修改例。