有源配电网环境下带触发机制的变模型变参数优化方法技术

本发明专利技术公开了有源配电网环境下带触发机制的变模型变参数优化方法，属于配电网模型优化的技术领域。本发明专利技术先构建时变参数模型，再运用遗传算法优化时变参数模型。时变参数模型包括以经济性最优、开关启闭次数最少以及线路传输损耗最小为指标的目标函数，包含开关约束和负载平衡约束的等式约束条件，包含出力和充电约束、爬坡率约束、充电最小备用约束的不等式约束条件，在遗传算法中引入触发机制更新系统优化变量，进而简化复杂的多目标多约束问题的变结构变参数优化问题为单目标优化问题，在很大程度上简化了求解难度，大大减少了计算复杂度。

【技术实现步骤摘要】
有源配电网环境下带触发机制的变模型变参数优化方法
本专利技术公开了有源配电网环境下带触发机制的变模型变参数优化方法，属于配电网模型优化的

技术介绍
由于有源配电网中联络开关的频繁切换，导致其分布式能源优化调度过程呈现出变模型变参数特征，目前，变模型变参数优化过程往往需要对各种模型进行分别优化，而分别优化必然导致优化方法的频繁启动和终止，既增加了计算复杂度又很难获取全局最优解，导致实际优化调度过程无法及时响应电网需求，从而影响有源配电网的正常运行。针对变模型变参数的优化问题，传统的方法主要是采用多模型切换理论和优化理论相结合的方式，对模型进行优化求解。然而，由于有源配电网自身结构灵活、网络拓扑复杂，需切换的模型众多，使得优化过程面临“维数灾”问题，进而导致有源配电网分布式能源优化调度困难，难以获取满足全局规划要求的最优解。
技术实现思路
本专利技术所要解决的技术问题是针对上述
技术介绍
的不足，提供了有源配电网环境下带触发机制的变模型变参数优化方法，针对有源配电网考虑关联因素众多、优化模型结构复杂等问题，从有源配电网中的源网荷三者之间的关联关系出发，分析多种模型切换之间的关联关系，引入触发机制将复杂多目标约束的变结构参数优化问题转变为单目标优化问题，解决了计算复杂以及难以获取全局最优解的技术问题。本专利技术为实现上述专利技术目的采用如下技术方案：有源配电网环境下带触发机制的变模型变参数优化方法，包括如下步骤：A.构建时变参数模型：以经济性最优、开关启闭次数最少以及线路传输损耗最小为指标建立目标函数，构建包含开关约束和负载平衡约束的等式约束条件，构建包含出力和充电约束、爬坡率约束、充电最小备用约束的不等式约束条件：目标函数：开关约束：Nt++Nt-＝N，负荷平衡约束：出力和充电约束：爬坡率约束：充电最小备用约束：其中：f1、f2、f3分别为经济性、开关启闭次数、线路传输损耗函数，T为时间周期，Pt、Qt分别为发电电价和充电电价，Nt+为t时刻处于放电状态的柔性负荷数目，Nt-为t时刻处于充电或关闭状态的柔性负荷数目，N为柔性负荷总数，Ait、xit分别为t时刻处于放电状态的柔性负荷i的状态和发电量，Ajt、xjt分别为t时刻处于充电或关闭状态的柔性负荷j的状态和充电量，Am,t-1、Amt分别为t-1、t时刻任意柔性负荷m的状态，Vm、Vn分别为任意柔性负荷m、柔性负荷n的电压，θm、θn分别为任意柔性负荷m、柔性负荷n的相角，gmn为任意柔性负荷m、柔性负荷n的互电导，lt为用户侧在时刻t的负荷需求，Oi,max、Oi,min为处于放电状态的柔性负荷i发电量的上下限，Uj,max为处于充电或关闭状态的柔性负荷j的充电量上限，Zi,max、Zi,min分别为处于放电状态的柔性负荷i的爬坡率上下限，Yj,max、Yj,min分别为处于充电或关闭状态的柔性负荷j的爬坡率上下限，xi,t+1为t+1时刻处于放电状态的柔性负荷i的发电量、xj,t+1为t+1时刻处于充电或关闭状态的柔性负荷j的充电量，Umin为最小备用容量；B.运用遗传算法优化时变参数模型：以各电源状态及其充电量或发电量为优化变量，建立初始种群开始迭代，在每次迭代的过程中引入如下三种触发机制来更新粒子群中各个体后，再由自适应度函数选取最优粒子：触发机制a：当本地负荷需求大于本地发电量时，从邻近区域的柔性负荷中选择出力最大者作为补充电源以满足本地负荷的需求，将被选择的柔性负荷状态调整为放电状态；触发机制b：在充电成本价格大于放电利润价格时，按照由本地至远程的次序将处于充电状态的柔性负荷依据电容量由大至小的顺序调整为放电状态；触发机制c：柔性负荷在相邻两时刻的状态切换过时，标记该柔性负荷在前一时刻的状态为已切换，调整该柔性负荷在前一时刻的充电量或发电量为0。进一步的，所述有源配电网环境下带触发机制的变模型变参数优化方法中，步骤B运用混合整数规划粒子群优化时变参数模型，种群中任意个体Xa为：其中，x1,T-1、x2,T-1，……xN,T-1分别为T-1时刻第1至第N柔性负荷的发电量或充电量，A1,T-1、A2,T-1……AN,T-1分别为T-1时刻第1至第N柔性负荷的状态。再进一步的，所述有源配电网环境下带触发机制的变模型变参数优化方法，步骤B中的触发机制a下，调整当前时刻本地各柔性负荷以及补充电源的状态为发电状态，调节当前时刻本地各柔性负荷以及补充电源的发电量至最大值。更进一步的，所述有源配电网环境下带触发机制的变模型变参数优化方法中，步骤B利用如下表达式建立初始种群：其中：Ai0、xi0为初始时刻处于放电状态的柔性负荷i的状态和发电量，N0+为初始时刻处于发电状态的柔性负荷数目，rand(0,1)为随机函数。本专利技术采用上述技术方案，具有以下有益效果：遗传算法中引入触发机制以更新系统优化变量，进而简化复杂的多目标多约束问题的变结构变参数优化问题为单目标优化问题，在很大程度上简化了求解难度，大大减少了计算复杂度。附图说明图1为有源配电网网架结构图。具体实施方式下面结合附图对专利技术的技术方案进行详细说明。由于有源配电网中存在着大量的柔性负荷(以下案例以有源配电网下并网状态的微网群为主要研究对象)，而柔性负荷具有“即插即用”的特点，源荷之间的网络拓扑结构灵活，潮流呈双向流动特性，如图1所示。若要满足A，B，C的用电负荷需求，就必须对G1、G2、G3、G4、G5、G6、G7、G8和G9这9个柔性负荷的供电开关、供电时间、充电时机等行为进行合理调配，使得其既能保证用电的经济性，也能尽量降低由开关频繁启闭所引起的设备损耗。(一)构建时变参数模型其优化模型如下：(1)目标函数：其中，C1、C2、C3分别表示其经济性、开关启闭次数以及损耗目标，f1、f2、f3分别为经济性、开关启闭次数、线路传输损耗函数，T为时间周期，Pt、Qt分别为发电电价和充电电价，Nt+为t时刻处于放电状态的柔性负荷数目，Nt-为t时刻处于充电或关闭状态的柔性负荷数目，N为柔性负荷总数，Ait、xit分别为t时刻处于放电状态的柔性负荷i的状态和发电量，Ajt、xjt分别为t时刻处于充电或关闭状态的柔性负荷j的状态和充电量，Am,t-1、Amt分别为t-1、t时刻任意柔性负荷m的状态，Vm、Vn分别为任意柔性负荷m、柔性负荷n的电压，θm、θn分别为任意柔性负荷m、柔性负荷n的相角，gmn为任意柔性负荷m、柔性负荷n的互电导，lt为用户侧在时刻t的负荷需求，Oi,max、Oi,min为处于放电状态的柔性负荷i发电量的上下限，Uj,max为处于充电或关闭状态的柔性负荷j的充电量上限，Zi,max、Zi,min分别为处于放电状态的柔性负荷i的爬坡率上下限，Yj,max、Yj,min分别为处于充电或关闭状态的柔性负荷j的爬坡率上下限，xi,t+1为t+1时刻处于放电状态的柔性负荷i的发电量、xj,t+1为t+1时刻处于充电或关闭状态的柔性负荷j的充电量，Umin为最小备用容量，Ait,Ajt∈{-1,0,1}，Ait取值为1时表示处于柔性负荷放电状态，Ait取值为0时表示柔性负荷在下一时刻切换为充电状态，Ajt取值为-1时表示柔性负荷处于充电状态，Ajt取值为0时表示柔性负荷在下一时刻切换为放电状态。(本文档来自技高网...

【技术保护点】
有源配电网环境下带触发机制的变模型变参数优化方法，其特征在于，包括如下步骤：A.构建时变参数模型：以经济性最优、开关启闭次数最少以及线路传输损耗最小为指标建立目标函数，构建包含开关约束和负载平衡约束的等式约束条件，构建包含出力和充电约束、爬坡率约束、充电最小备用约束的不等式约束条件；B.运用遗传算法优化时变参数模型：以各电源状态及其充电量或发电量为优化变量，建立初始种群开始迭代，在每次迭代的过程中引入如下三种触发机制来更新粒子群中各个体后，再由自适应度函数选取最优粒子：触发机制a：当本地负荷需求大于本地发电量时，从邻近区域的柔性负荷中选择出力最大者作为补充电源以满足本地负荷的需求，将被选择的柔性负荷状态调整为放电状态；触发机制b：在充电成本价格大于放电利润价格时，按照由本地至远程的次序将处于充电状态的柔性负荷依据电容量由大至小的顺序调整为放电状态；触发机制c：柔性负荷在相邻两时刻的状态切换过时，标记该柔性负荷在前一时刻的状态为已切换，调整该柔性负荷在前一时刻的充电量或发电量为0。

【技术特征摘要】
1.有源配电网环境下带触发机制的变模型变参数优化方法，其特征在于，包括如下步骤：A.构建时变参数模型：以经济性最优、开关启闭次数最少以及线路传输损耗最小为指标建立目标函数，构建包含开关约束和负载平衡约束的等式约束条件，构建包含出力和充电约束、爬坡率约束、充电最小备用约束的不等式约束条件，开关约束：Nt++Nt-＝N，负荷平衡约束：出力和充电约束：爬坡率约束：充电最小备用约束：其中：f1、f2、f3分别为经济性、开关启闭次数、线路传输损耗函数，T为时间周期，Pt、Qt分别为发电电价和充电电价，为t时刻处于放电状态的柔性负荷数目，Nt-为t时刻处于充电或关闭状态的柔性负荷数目，N为柔性负荷总数，Ait、xit分别为t时刻处于放电状态的柔性负荷i的状态和发电量，Ajt、xjt分别为t时刻处于充电或关闭状态的柔性负荷j的状态和充电量，Am,t-1、Amt分别为t-1、t时刻任意柔性负荷m的状态，Vm、Vn分别为任意柔性负荷m、柔性负荷n的电压，θm、θn分别为任意柔性负荷m、柔性负荷n的相角，gmn为任意柔性负荷m、柔性负荷n的互电导，lt为用户侧在时刻t的负荷需求，Oi,max、Oi,min为处于放电状态的柔性负荷i发电量的上下限，Uj,max为处于充电或关闭状态的柔性负荷j的充电量上限，Zi,max、Zi,min分别为处于放电状态的柔性负荷i的爬坡率上下限，Yj,max、Yj,min分别为处于充电或关闭状态的柔性负荷j的爬坡率上下限，xi,t+1为t+1时刻处于放电状态的柔性负荷i的发电量、xj,t+1为t+1时刻处于充电或关闭状态的柔性负荷j的充电量，Umin为最小备用容量；B.运用遗传算法优化时...

【专利技术属性】
技术研发人员：张慧峰，岳东，解相朋，胡松林，黄崇鑫，翁盛煊，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32