一種基于不確定性的有源配電網(wǎng)重構(gòu)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種重構(gòu)方法，具體設(shè)及一種基于不確定性的有源配電網(wǎng)重構(gòu)方法。
【背景技術(shù)】
[0002] 網(wǎng)絡(luò)重構(gòu)是一個(gè)對(duì)網(wǎng)絡(luò)中聯(lián)絡(luò)開關(guān)和分段開關(guān)的開斷狀態(tài)進(jìn)行切換調(diào)整的過程。 通過網(wǎng)絡(luò)重構(gòu)，使得新的拓?fù)渚W(wǎng)絡(luò)能降低網(wǎng)損，提高運(yùn)行可靠性。
[0003] 在重構(gòu)過程中，時(shí)序影響和環(huán)境因素將不可避免地導(dǎo)致數(shù)據(jù)產(chǎn)生不確定性。運(yùn)些 不確定性通常表現(xiàn)為負(fù)荷的波動(dòng)、設(shè)備維護(hù)參數(shù)的波動(dòng)等等。W負(fù)荷不確定性為例，在負(fù)荷 預(yù)測(cè)中常常需要用不確定的數(shù)值區(qū)間來(lái)描述未來(lái)一段時(shí)間的負(fù)荷。運(yùn)樣的數(shù)值更負(fù)荷客觀 需求。而利用不確定數(shù)值得出的預(yù)測(cè)結(jié)果，在電網(wǎng)規(guī)劃、風(fēng)險(xiǎn)分析、可靠性評(píng)估等方面更為 可靠和科學(xué)。

【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有技術(shù)的缺陷，本文提出一種基于不確定性的有源配電網(wǎng)重構(gòu)方法，對(duì)配 電網(wǎng)重構(gòu)方法進(jìn)行改進(jìn)，合理地調(diào)節(jié)潮流分布，更符合實(shí)際需求的優(yōu)化效果。 陽(yáng)〇化]本發(fā)明的目的是采用下述技術(shù)方案實(shí)現(xiàn)的：
[0006] 一種基于不確定性的有源配電網(wǎng)重構(gòu)方法，所述方法包括， 陽(yáng)007] (1)構(gòu)建網(wǎng)損及成本最小化的多目標(biāo)重構(gòu)模型；
[0008] (2)采用區(qū)間層次分析法處理該模型的負(fù)荷參數(shù)；
[0009] (3)結(jié)合二進(jìn)制粒子群算法和包含DG的和聲捜索算法，獲取所述多目標(biāo)重構(gòu)模型 的最優(yōu)解；所述最優(yōu)解包括開關(guān)狀態(tài)、DG的位置和出力大小。
[0010] 優(yōu)選的，所述步驟（1)中多目標(biāo)重構(gòu)模型為：
[0011]
陽(yáng)〇1引式（1)中，F(xiàn)為目標(biāo)函數(shù)，Xi為二進(jìn)制離散粒子群優(yōu)化算法控制變量，S為HAS控 制變量；Wi、W2和W3分別為電量不足期望值、網(wǎng)損和開關(guān)操作的權(quán)重因子；W4和W5分別為電 壓、電流約束項(xiàng)的懲罰因子；巧和&為節(jié)點(diǎn)i處電壓區(qū)間值的上下界，寫為節(jié)點(diǎn)i輸出電 流的區(qū)間值上界；CT"和'為節(jié)點(diǎn)i電壓上下界；為節(jié)點(diǎn)i最大輸出電流，皆''為節(jié)點(diǎn)i最小輸出電流；Pa,i為節(jié)點(diǎn)i處的平均負(fù)荷；[T1]為區(qū)間形式的年平均斷電時(shí)間，N表示節(jié) 點(diǎn)數(shù)；[PtkJ為區(qū)間形式的總損耗，T為一年的時(shí)間常數(shù)，d為單位電價(jià)；q為單次操作費(fèi) 用，N。。為操作次數(shù)。
[0013] 優(yōu)選的，所述步驟（2)中采用區(qū)間層次分析法處理模型的負(fù)荷參數(shù)包括，當(dāng)負(fù)荷 功率為[Pl]+i陽(yáng)1]，則化]和陽(yáng)1]的區(qū)間分別為巧胃，巧胃巧日松胃，避胃];其中，巧和巧-分別為節(jié)點(diǎn)i的注入有功功率上下界，這""和0,""分別為節(jié)點(diǎn)i的注入無(wú)功功率上下界； [0014] 當(dāng)區(qū)間變量為[X]、[y]時(shí)，其上下限分別為X、心巧、王，則區(qū)間層次分析表達(dá)式 為： 陽(yáng)01引
尚。
[0016] 優(yōu)選的，所述步驟（3)中獲取多目標(biāo)重構(gòu)模型的最優(yōu)解包括；
[0017] 3-1輸入初始開關(guān)狀態(tài)，粒子群規(guī)模Npw和最大迭代次數(shù)tm。、;初始化二進(jìn)制粒子 群優(yōu)化算法中的變量和矢量，令迭代次數(shù)t= 0,生成粒子群，利用二進(jìn)制粒子群算法輸出 開關(guān)狀態(tài)最優(yōu)解；并將其保存為向量NodeIn化；
[0018] 3-2執(zhí)行靈敏度分析，確定DG位置；
[0019] 3-3初始化HAS的變量、矢量和內(nèi)存，利用所述向量NodeIn化生成服A的目標(biāo)函 數(shù)；該目標(biāo)函數(shù)自變量即為DG的出力；并通過HSA的DG優(yōu)化定容，獲取DG出力的和聲矢 量。
[0020] 進(jìn)一步地，所述步驟（3-1)中輸出開關(guān)狀態(tài)最優(yōu)解具體包括：
[002Ua)將開關(guān)狀態(tài)設(shè)為數(shù)組矩陣A，所述數(shù)組矩陣A中各元素取值為"1"或"0"，分別 表示開關(guān)斷開和閉合；利用所述數(shù)組矩陣A計(jì)算原始網(wǎng)絡(luò)適應(yīng)度值，并將該值作為評(píng)價(jià)指 標(biāo)；
[0022] b)生成原始網(wǎng)絡(luò)的鄰接支路矩陣和節(jié)點(diǎn)關(guān)聯(lián)矩陣，從電源點(diǎn)開始捜尋由閉合開關(guān) 組成的環(huán)網(wǎng)，記錄其開關(guān)編號(hào)，記作數(shù)組化J，生成粒子群；
[0023] 所述生成粒子群的方法包括，斷開數(shù)組化J各環(huán)網(wǎng)中的任一開關(guān)，使其變?yōu)殚_環(huán)； 當(dāng)所有環(huán)網(wǎng)均為開環(huán)時(shí)，生成新的粒子Xi;循環(huán)步驟化），直到粒子群規(guī)模達(dá)到預(yù)定標(biāo)準(zhǔn)；
[0024]C)制定約束條件，避免數(shù)組化J中各環(huán)網(wǎng)存在重疊；
[0025] d)驗(yàn)證開關(guān)狀態(tài)最優(yōu)解的拓?fù)淇尚行?，并?jì)算適應(yīng)度值，若優(yōu)于歷史最優(yōu)值則更 新評(píng)價(jià)指標(biāo)；
[0026]e)重復(fù)步驟（d)和（e)，直到達(dá)到最大迭代次數(shù)tm。、，輸出開關(guān)狀態(tài)最優(yōu)解和相應(yīng) 拓?fù)鋱D。 陽(yáng)027] 進(jìn)一步地，所述步驟化）中的粒子群包括位移矢量Xi和速度矢量V i;所述速度矢 量Vi影響位移矢量發(fā)生變化，其概率為： 陽(yáng) 02 引{Xi}，IvJ (i=1，2,3. ..D)做
[0029] 式（3)中，D為粒子的維度；
[0030] 開環(huán)過程中，粒子群各粒子的位移矢量與速度矢量的關(guān)系表達(dá)式為： 123 .(.+D=If嚴(yán)。城 (1 ;? <S巧moid(v,(〇) 2 式（4)中，r為預(yù)設(shè)闊值，默認(rèn)取值0.5 ;Sigmoid為S型生長(zhǎng)函數(shù)。 3 進(jìn)一步地，所述步驟（3-2)中執(zhí)行靈敏度分析，確定DG位置具體包括，定義支路k 至k+1之間的損耗對(duì)節(jié)點(diǎn)k有功的靈敏度為邱。+ /巧，則：
[0034]
試
[0035]式巧）中，Pk為節(jié)點(diǎn)k的有功功率，Rk為下游支路電阻，V k為節(jié)點(diǎn)k電壓幅值。
[0036] 進(jìn)一步地，所述步驟（3-3)中獲取DG最優(yōu)出力的和聲矢量具體包括下述步驟：
[0037] 4-1所述DG出力的和聲矢量，包括和聲記憶庫(kù)HM，和聲記憶庫(kù)容量歷S、記憶庫(kù)考 慮概率HMCR，調(diào)距速度PAR和算法迭代次數(shù)NI;
[0038] 4-2將所述調(diào)距速度PAR定義為一個(gè)變量，其表達(dá)式為；
[0039] PAR = (PARmax-PARm J X (tu/tmJ +PARmm做 柳4〇]式（6)中，PARmm和PARmax分別為PAR的上下界，t。為當(dāng)前迭代次數(shù)，tmax為最大 迭代次數(shù)； 陽(yáng)0川重新定義變量PAR的距離帶寬bw，如下式所示：
[0042]多W三臟、X f'W' (巧
[0043]
姑） W44] 其中，bWmi。和bWm。、分別表示bw的上、下界；n用于調(diào)節(jié)bw的相關(guān)系數(shù)； W45] 4-3所述PAR和bw隨著聲記憶庫(kù)容量HAS的迭代自動(dòng)更新；根據(jù)式（7)和做更 新和聲記憶庫(kù)歷；
[0046] 4-4若當(dāng)前迭代次數(shù)小于最大迭代次數(shù)tm。、則返回步驟（4-3);否則結(jié)束迭代，并 輸出當(dāng)前最優(yōu)解。
[0047] 進(jìn)一步地，所述步驟（d)驗(yàn)證開關(guān)狀態(tài)最優(yōu)解的拓?fù)淇尚行园ㄏ率霾襟E：
[0048] d-1構(gòu)建節(jié)點(diǎn)關(guān)聯(lián)矩陣B，計(jì)算B中所有節(jié)點(diǎn)的連接度，若其中包含連接度為0的 節(jié)點(diǎn)，即表示該網(wǎng)絡(luò)中含有孤立節(jié)點(diǎn)，則不可行； W例 d-2若未包含連接度為0的節(jié)點(diǎn)，則刪除網(wǎng)絡(luò)中連接度為1且編號(hào)最大的節(jié)點(diǎn)，即 刪除該點(diǎn)對(duì)應(yīng)的行與列，返回步驟d-1，直到剩余兩個(gè)節(jié)點(diǎn)；
[0050] d-3若剩余的兩個(gè)節(jié)點(diǎn)連接度均為1表示該網(wǎng)絡(luò)不含孤島，則可行；否則不可行。
[0051] 與現(xiàn)有技術(shù)相比，本發(fā)明達(dá)到的有益效果是：
[0052] (1)在考慮負(fù)荷和設(shè)備參數(shù)不確定性的基礎(chǔ)上，將DG出力與開關(guān)狀態(tài)量相結(jié)合， 考慮了網(wǎng)損、可靠性、操作費(fèi)用多個(gè)目標(biāo)。
[0053](2)通過分兩步采用二進(jìn)制離散粒子群優(yōu)化算法與HSA算法，將整型變量與連續(xù) 變量分開處理，有效地解決了含分布式電源的網(wǎng)絡(luò)重構(gòu)問題。
[0054] (3)在二進(jìn)制離散粒子群優(yōu)化算法中，引入有針對(duì)性的拓普分析方法輔助篩選可 行解，提升了計(jì)算效率。
【附圖說(shuō)明】 陽(yáng)化5] 圖1為一種基于不確定性的有源配電網(wǎng)重構(gòu)方法流程圖。
【具體實(shí)施方式】
[0056] 下面結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】做進(jìn)一步的詳細(xì)說(shuō)明。
[0057] 如圖1所示，在此基礎(chǔ)上，引入了區(qū)間分析來(lái)處理參數(shù)的不確定性。
[0058] 一種基于不確定性的有源配電網(wǎng)重構(gòu)方法，所述方法包括，
[0059] (1)構(gòu)建網(wǎng)損及成本最小化的多目標(biāo)重構(gòu)模型；具體包括最小化網(wǎng)損、最小化供 電不足期望巧xpected化ergyNotServe,EEN巧和最小化開關(guān)操作費(fèi)用；
[0060] 步驟（1)中多目標(biāo)重構(gòu)模型為：
[0061]
狂）
[00創(chuàng)式（1)中，F(xiàn)為目標(biāo)函數(shù)，Xi為二進(jìn)制離散粒子群優(yōu)化算法控制變量，S為HAS控 制變量；Wi、W2和W3分別為電量不足期望值、網(wǎng)損和開關(guān)操作的權(quán)重因子；W4和W5分別為電 壓、電流約束項(xiàng)的懲罰因子；氏和Ui為節(jié)點(diǎn)i處電壓區(qū)間值的上下界，辜為節(jié)點(diǎn)i輸出電流 的區(qū)間值上界；巧m"和JT,"…為節(jié)點(diǎn)i電壓上下界；為節(jié)點(diǎn)i最大輸出電流，野為節(jié)點(diǎn)i最 小輸出電流；Pg,i為節(jié)點(diǎn)i處的平均負(fù)荷；[Tl]為區(qū)間形式的年平均斷電時(shí)間，N表示節(jié)點(diǎn) 數(shù)；[PthJ為區(qū)間形式的總損耗，T為一年的時(shí)間常數(shù)，d為單位電價(jià)；q為單次操作費(fèi)用， N。。為操作次數(shù)。
[0063] (2)采用區(qū)間層次分析法處理該模型的負(fù)荷參數(shù)；引入了區(qū)間分析從而處理參數(shù) 的不確定性。 W64] 步驟似中，采用區(qū)間層次分析法處理模型的負(fù)荷參數(shù)包括，當(dāng)負(fù)荷功率為
[Pi]+i陽(yáng)1]，則化]和陽(yáng)1]的區(qū)間分別為巧min,早氣和的-n，紹;其中，巧mi"和野胃分別為節(jié) 點(diǎn)i的注入有功功率上下界，gmm和分別為節(jié)點(diǎn)i的注入無(wú)功功率上下界； W65] 當(dāng)區(qū)間變量為[X]、[y]時(shí)，其上下限分別為？、心7、王，則區(qū)間層次分析表達(dá)式 為： 村+|_'別=|_立+互，了十刃 「 1 時(shí)-[>'】 =[互-7.，萬(wàn)-主] ,。、 陽(yáng)066] < [.中山']=阿虹(杳.馬，毎'玉巧心3乂(而哩，毎.玉巧] 一。 W/W=L王，了Hi局，]/互] 仍￡六）
[0067] (3)結(jié)合二進(jìn)制粒子群算法度inaryParticleSwarmOptimization,BPSO)和包 含DG的和聲捜索算法，獲取所述多目標(biāo)重構(gòu)模型的最優(yōu)解；所述最優(yōu)解包括開關(guān)狀態(tài)、DG 的位置和出力大小。
[0068] 步驟（3)中獲取多目標(biāo)重構(gòu)模型的最優(yōu)解包括；
[0069] 3-1輸入初始開關(guān)狀態(tài)，粒子群規(guī)模Npw和最大迭代次數(shù)tm。、;初始化二進(jìn)制粒子 群優(yōu)化算法中的變量和矢量，令迭代次數(shù)t= 0,生成粒子群，利用二進(jìn)制粒子群算法輸出 開關(guān)狀態(tài)最優(yōu)解；并將其保存為向量NodeIn化；步驟（3