【技术实现步骤摘要】
本专利技术基于参考点的非支配遗传算法的区域配电网优化调度方法涉及的是区域配电网光储充多目标优化调度方法。
技术介绍
1、随着能源危机和环境问题的加剧，建设清洁、经济高效的多能协同的配电网系统是未来的发展趋势之一；但是多能互补配电网优化调度需要面对间歇性可再生能源出力和随机波动负荷等的不确定性，这些不确定性给系统调度带来了极大的挑战。
2、考虑源荷不确定性的多能互补配电网系统的优化调度本质上是一个随机序贯决策多目标问题，传统的单目标优化调度方法往往难以同时兼顾配电网经济性、稳定性、灵活性等目标，导致调度结果难以达到全面的优化。例如：单目标优化调度往往会以配电网网络损耗为优化目标，考虑其经济性，但未考虑配电网稳定性和灵活性，是否全面优化有待商榷。同时，对于区域配电网的多目标优化调度方法，虽然已有相关研究，但因为研究重点集中于多目标优化模型的建立和求解，并采用传统pso算法求解多目标优化模型，容易产生收敛困难、速度较慢等问题，难以满足系统的实时调度需求，因此仍然存在不足，所以有必要设计出一种新的技术方案来满足实际的需求。
技术实现思路
1、本专利技术旨在克服现有技术的局限性，提出基于参考点的非支配遗传算法的区域配电网优化调度方法，以系统运行总成本、系统网损、电压波动和多能互补需求指标最小为优化目标构建光、储、充多目标协调优化调度模型，通过基于参考点的非支配遗传算法来求解多目标优化问题，并使用基于熵权法的改进灰靶决策从pareto解集中选取最优折中解。上述方法克服了传统单目标优
2、本专利技术基于参考点的非支配遗传算法的区域配电网优化调度方法为：
3、构造优化调度模型，所述模型以系统总运行成本最小、系统网损最小、电压波动最小，以及电源和负荷的互补需求指标最小为多目标函数；构造优化调度模型分别包括如下s1-s4的步骤：
4、s1.建立需求侧响应分时电价模型；
5、s2.分别搭建光伏发电出力模型、储能充放电模型和电动汽车充电负荷模型；
6、s3.建立多种能源灵活性供需模型和互补性需求模型；
7、s4.建立光储充多目标优化调度模型；
8、s5.采用nsga-iii算法求解优化调度模型,并使用igtdm得出最佳折中解。
9、根据步骤s1.所述，建立配电网需求侧响应优化模型，包括分别建立分时电价模型和电量电价弹性矩阵模型，具体方法如下：
10、s1.1 分时电价模型
11、配电网需要消纳光伏出力。当光伏出力无法满足用户的用电需求时，用户需从主网进行购电。此时，管理者通过制定合理的分时电价，可平抑净负荷波动，减小负荷峰谷差。实施分时电价后，各时段的电价会在原有的基础上发生波动，即
12、(1)
13、(2)
14、 (3)
15、式中，为未实施分时电价前电价；分别为实施分时电价后峰、平、谷时段的电价；为各时段电价的波动；表示时刻；表示峰、平、谷时段。
16、s1.2 电量电价弹性矩阵模型
17、电量电价弹性矩阵反映了电价变化与用户用电变化之间的关系，为多时段响应。用户用电量不仅与当前时段的电价有关，还与其余时段的电价有关。用户用电量的改变与电价的变化关系如式(4)所示：
18、 (4)
19、式中，表示时段s的用电量与其改变量；为时段s的电价与其变化量；为需求价格弹性系数；下标s与z表示峰、平、谷时段，。
20、在分时电价模型中将一天内的负荷分为峰、平、谷3种时段。实施分时电价后，峰、平、谷时段的负荷变化如下所示：
21、 (5)
22、(6)
23、(7)
24、式中，表示用户从主网的购电量；分别表示实施分时电价前峰、平、谷时段的用户从主网的购电量(在本文中，用户从主网的购电量用净负荷表示)；为未实施分时电价前的电价，其均等于；为各时段电价的变化量；分别为负荷需求、光伏出力；电量电价弹性矩阵中的对角元素为自弹性系数，非对角元素为互弹性系数，本文采用文献中电量电价弹性矩阵的数据来反映负荷对电价变化的响应。
25、根据步骤s2所述，分别搭建光伏发电出力模型、储能充放电模型和电动汽车充电负荷模型，具体如下：
26、s2.1 光伏发电出力模型，包括有功出力模型和无功出力模型，具体方法如下：
27、s2.1.1 有功出力模型
28、太阳能光伏电池利用半导体材料(如单晶硅、多晶硅)在预定光照强度下产生的光电效应，通过单体电池串并联形成列阵，将太阳能转化为直流电储存在储能系统中，然后根据负荷需求通过并网逆变器将直流电转换为可以使用的交流电。光伏输出功率主要受太阳光照强度、温度影响。光伏发电具有无燃料消耗、无污染、不受地区限制、不受电网调度影响、灵活可靠、维护简单和安全经济等优点。基于基尔霍夫电流定律，光伏电池的输出电流可以用一个简单的表达式来描述：
29、(8)
30、式中，表示光伏电池产生的电流表示二极管的总扩散电流；是空载电势；和分别表示电子电荷和玻尔兹曼常数；是热力学温度；表示二极管特性拟合系数；和分别表示串联电阻和旁漏电阻。
31、光伏电池的输出功率受到当地太阳辐射强度和环境温度的影响，可以用下列公式来表示：
32、 (9)
33、式中，表示时刻光伏电池的出力；表示标准条件下光伏电池的装机容量；分别表示环境温度系数、实际温度系数和标准环境温度(通常取25℃)；分别表示太阳能辐照强度和标准参考辐照强度。
34、s2.1.2 无功出力模型
35、光伏逆变器除了可以完成光伏电池板直流输出向交流有功的转换外，仍有额外容量向系统提供/吸收无功（不影响有功出力的情况下）。相比于控制分布式储能有功、分接头设备等，光伏逆变器无功控制是一种有效的电压控制方法，该方案控制经济性最优。
36、逆变器可调无功容量与逆变器容量关系为：
37、 (10)
38、式中，为逆变器输出无功功率，为逆变器额定容量,为光伏发电的有功功率。
39、逆变器无功控制策略主要分为2种：1)功率因数控制，该方法以光伏并网有功功率p为控制输入量，通过逆变器无功功率调节从而实现光伏逆变器的并网功率因数控制：2)=控制，该方法以光伏并网点电压作为控制输入量，从而实现光伏逆变器无功功率q控制。
40、s2.2 储能充放电模型
41、电池储能系统(battery energy storage system，bess)既可充当负荷，也可等效为电源，其取决于bess从电网吸收电能还是释放电能，其充放电模型满足等式(11)。
42、 (11)
【技术保护点】
1.一种基于参考点的非支配遗传算法的区域配电网优化调度方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于参考点的非支配遗传算法的区域配电网优化调度方法，其特征在于：
3.根据权利要求2所述的基于参考点的非支配遗传算法的区域配电网优化调度方法，其特征在于：
4.根据权利要求2所述的基于参考点的非支配遗传算法的区域配电网优化调度方法，其特征在于：
5.根据权利要求1所述的基于参考点的非支配遗传算法的区域配电网优化调度方法，其特征在于：
6.根据权利要求5所述的基于参考点的非支配遗传算法的区域配电网优化调度方法，其特征在于：
7.根据权利要求1所述的基于参考点的非支配遗传算法的区域配电网优化调度方法，其特征在于：根据步骤S4所述，构建光储充多目标优化调度模型包括设立目标函数和约束条件。
8.根据权利要求7所述的基于参考点的非支配遗传算法的区域配电网优化调度方法，其特征在于：构建以系统总运行成本、系统网损和电压波动，以及电源和负荷的互补需求指标最小的多目标函数；
9.根据权利要求1
...【技术特征摘要】
1.一种基于参考点的非支配遗传算法的区域配电网优化调度方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于参考点的非支配遗传算法的区域配电网优化调度方法，其特征在于：
3.根据权利要求2所述的基于参考点的非支配遗传算法的区域配电网优化调度方法，其特征在于：
4.根据权利要求2所述的基于参考点的非支配遗传算法的区域配电网优化调度方法，其特征在于：
5.根据权利要求1所述的基于参考点的非支配遗传算法的区域配电网优化调度方法，其特征在于：
6.根据权利要求5所述的...
【专利技术属性】
技术研发人员：毛王清，王秀茹，赵航宇，夏泰宝，张雪楠，吴良谦，徐庆，徐彤，张章，陈楚，
申请(专利权)人：国网江苏省电力有限公司宿迁供电分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。