基于NSGA-III算法的分布式光伏电源中长期选址定容方法技术

基于NSGA

【技术实现步骤摘要】
基于NSGA
‑
III算法的分布式光伏电源中长期选址定容方法


[0001]本专利技术涉及光伏规划
，尤其涉及一种基于NSGA
‑
III算法的分布式光伏电源中长期选址定容方法。

技术介绍

[0002]针对10kV配电网，分布式光伏电源的接入改变了潮流单向流动的现状，原来辐射型无源电网变成了有源环网。相较于辐射状的配电网，含分布式电源的配电网规划难度更大。研究结果表明，负荷节点电压变化与分布式电源接入点和母线间的距离、接入容量以及有功、无功配比密切相关。合理的规划分布式电源接入位置、接入容量，以及有效的协调分布式电源输出的有、无功配比，能使得分布式电源出力对配电网电压，尤其是末端电压起到良好的支撑作用。所以，科学、智能的分布式电源布点规划方案，将可以降低分布式电源对配电网安全和经济运行的影响。
[0003]配电系统的拓扑结构、线路参数和分布式电源的接入点、装机容量决定了分布式电源接入对网络损耗、电能质量以及可靠性的影响。准确、实时的配电网拓扑和线路物理参数可以为分布式电源规划问题提供可感知的配电网状态，为量化分析分布式电源接入对配电网的影响提供数据基础。
[0004]目前，我国各地用电量(即负荷总量)仍基本处于逐年增长的状态。负荷的增长可能会导致原有的光伏装机量不能满足配电网的实际需求，从而影响电能质量。因此，规划光伏电站的安装容量，需要提前考虑未来负荷的增长量，有必要精确评估中长期负荷变化对配电网带来的影响。

技术实现思路

[0005]本专利技术为了解决现有技术中存在的问题，提供一种基于NSGA
‑
III算法的分布式光伏电源中长期选址定容方法，该方法考虑了中长期负荷变化对优化结果的影响，能够为该地区未来光伏装机容量扩容提供决策依据。
[0006]本专利技术的技术方案为：包括如下步骤：
[0007]步骤一、获取历史时刻的电力负荷和光伏电站输出功率数据；
[0008]步骤二、以概率电压灵敏度和网络损耗为目标函数构建分布式光伏选址优化模型；
[0009]步骤三、分布式光伏选址优化模型使用NSGA
‑
III算法进行优化求解得到Pareto解集，并使用层次分析法将多个目标转化为单目标，从而得到光伏选址方案；
[0010]步骤四、在光伏选址方案确定的基础上，以电压越限风险、年网络损耗、以及光伏总装机量为目标函数构建分布式光伏选址容量优化模型；
[0011]步骤五、分布式光伏选址容量优化模型采用NSGA
‑
III算法求解Pareto解集，得到若干个光伏容量和无功补偿设备安装方案；
[0012]步骤六、使用偏最小二乘回归法预测未来的负荷增长；
[0013]步骤七、使用未来负荷预测值替代原先的负荷数据，以年为单位对分布式光伏选址容量优化模型进行滚动求解，获得不同时期分布式光伏接入方案。
[0014]分布式光伏选址优化模型为：
[0015][0016]式中，G
ij
为各线路电导，V
i
,V
j
为线路两端节点电压幅值，θ
ij
为线路两端节点电压相角差，E(ΔV
j
)表示节点j电压波动量幅值的期望；
[0017]f1表示各节点电压波动量幅值的期望值之和，
[0018]f2表示网络损耗P
loss
，对于f1和f2，均以求其最小值为优化目标。
[0019]步骤二中，分布式光伏选址优化模型的约束条件包括：
[0020](1)潮流方程约束
[0021][0022]式中，P
i
表示节点i处的有功注入功率，Q
i
表示节点i处的无功注入功率；V
i
，V
j
为节点i，j的电压幅值；θ
ij
，G
ij
，B
ij
为节点i，j之间的相角差、电导和电纳；N
bra
是配电网的节点数量；
[0023](2)电压幅值约束
[0024]对于配电网中任意节点i，需要满足：
[0025]V
imin
≤V
i
≤V
imax
[0026]式中，V
imin
和V
imax
分别表示节点i允许的电压下限和电压上限；
[0027](3)潮流方向约束
[0028]P
Grid,PV
≥0
[0029]式中：P
Grid,PV
为主网向接入光伏后的配网提供的有功功率。
[0030]步骤四中，
[0031]分布式光伏选址容量优化模型为：
[0032][0033]式中，f1表示电压越限风险P
risk
；P
i
代表节点i电压越限风险的概率，S
i
代表节点电压越限的严重程度，n为安装光伏发电机组的数量；
[0034]f2表示年网络损耗，P
loss,t
为配电网在某一时间段t上的各线路网损之和；
[0035]f3表示各节点光伏电站装机量之和，S
PV,i
为节点i光伏电站装机量，n为安装光伏发
电机组的数量。
[0036]步骤七中，
[0037]在得到某一年份的负荷预测结果之后，和前一年的年用电量历史数据对比，可以计算负荷的年增长率，据此更新负荷曲线，重新进行光伏容量优化，从而可以得到该年份的容量优化结果。
[0038]与现有技术相比，本专利技术的有益效果在于：
[0039]本专利技术为分布式光伏选址优化提供了合理的方法，提出的基于NSGA
‑
III遗传算法的分布式光伏接入方案优化技术利用良好分布的参考点来保持种群的多样性，取代了前一代算法使用的拥挤度距离法，解决了对于多目标优化问题，拥挤度距离法无法平衡算法的多样性和收敛性的问题。
[0040]本专利技术具有较强的实用性，有助于配电网规划人员合理安排分布式光伏电源的布点和运行方式，有助于提高配电网规划决策的科学性，有助于充分利用分布式电源接入时对电压的抬升作用，进而降低网络损耗，提高供电稳定性。
[0041]本专利技术应用到分布式光伏选址过程中，对于广泛地提升用户电压合格率、实现节能减排具有重要意义。
附图说明
[0042]图1是本专利技术选址定容方法的整体框架图；
[0043]图2是NSGA—III算法流程图；
[0044]图3是本专利技术实施例配电网系统接线图；
[0045]图4是本专利技术选址模型评价函数随迭代次数的变化；
[0046]图5是本专利技术实施例生成的Pareto解集；
[0047]图6是偏最小二乘回归分析流程图；
[0048]图7是考虑中长期负荷变化的优化模型流程图；
[0049]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于NSGA
‑
III算法的分布式光伏电源中长期选址定容方法，其特征在于，包括如下步骤：步骤一、获取历史时刻的电力负荷和光伏电站输出功率数据；步骤二、以概率电压灵敏度和网络损耗为目标函数构建分布式光伏选址优化模型；步骤三、分布式光伏选址优化模型使用NSGA
‑
III算法进行优化求解得到Pareto解集，并使用层次分析法将多个目标转化为单目标，从而得到光伏选址方案；步骤四、在光伏选址方案确定的基础上，以电压越限风险、年网络损耗、以及光伏总装机量为目标函数构建分布式光伏选址容量优化模型；步骤五、分布式光伏选址容量优化模型采用NSGA
‑
III算法求解Pareto解集，得到若干个光伏容量和无功补偿设备安装方案；步骤六、使用偏最小二乘回归法预测未来的负荷增长；步骤七、使用未来负荷预测值替代原先的负荷数据，以年为单位对分布式光伏选址容量优化模型进行滚动求解，获得不同时期分布式光伏接入方案。2.根据权利要求1所述的基于NSGA
‑
III算法的分布式光伏电源中长期选址定容方法，其特征在于，步骤二中，分布式光伏选址优化模型为：式中，G
ij
为各线路电导，V
i
,V
j
为线路两端节点电压幅值，θ
ij
为线路两端节点电压相角差，E(ΔV
j
)表示节点j电压波动量幅值的期望；f1表示各节点电压波动量幅值的期望值之和，f2表示网络损耗P
loss
，对于f1和f2，均以求其最小值为优化目标。3.根据权利要求2所述的基于NSGA
‑
III算法的分布式光伏电源中长期选址定容方法，其特征在于，步骤二中，分布式光伏选址优化模型的约束条件包括：(1)潮流方程约束式中，P
i
表示节点i处的有功注入功率，Q
...

【专利技术属性】
技术研发人员：吴予乐，黄振勇，濮实，蒋玮，陈颢元，王秋军，倪黎，包成，
申请(专利权)人：国网江苏省电力有限公司，
类型：发明
国别省市：