【技术实现步骤摘要】
本专利技术涉及电网控制领域，尤其涉及一种配电系统的控制参数优化方法、系统及计算机可读存储介质。
技术介绍
1、随着经济与工业的快速发展，如何减少资源对于环境的危害，实现资源的永续发展已经成为电网技术主要的研究方向。因此绿色能源得到了广泛应用，例如风力发电，光伏发电等，它们已经逐步并入电网中进行民用或商用。然而，绿色能源配电系统的智能控制较为复杂，其结构包括绿色能源和储能系统，一方面要保证配电系统的供电质量，同时还要尽可能降低配电系统的功率损失，提高电压的稳定性，需要同时考虑的因素较多，因此如何实现绿色能源配电系统的最优运行控制，确定最优的控制参数是本领域亟待解决的技术问题。
2、为了确定配电系统的最优控制参数，传统的方法是根据经验值来计算控制参数，然而这种方式存在诸多的缺陷，因为配电系统的控制参数优化考虑的目标函数和限制条件较多，而仅仅依靠经验值无法适应多目标优化问题的求解，基于经验值设置的控制参数并不准确；同时在设置经验值时需要相关技术人员具备较为丰富的电网优化经验，且结果也会由于技术人员的水平不同而产生较大的差异，并且由于参数众多，技术人员在设置控制参数时需要较多的时间来计算控制参数。因此现有技术中对配电系统的控制参数优化过程存在计算效率低，计算结果不够准确等技术问题。
技术实现思路
1、本专利技术的目的在于提供一种绿色能源配电系统的控制参数优化方法，该方法可以解决现有技术存在的对配电系统的控制参数优化过程存在计算效率低，计算结果不够准确等技术问题。
2
3、s1：获取配电系统的运行参数，搭建所述配电系统的网络拓扑结构；所述配电系统包括汇流排，光伏发电系统，风力发电系统，储能系统和电容器组；
4、s2：基于所述配电系统，以馈线上的总实功率损失最小、汇流排电压偏移量最小、汇流排电压稳定性最高、实功率潮流变化量最小为目标函数，结合约束条件构建多目标配电系统优化模型；
5、s3：将变压器分接头位置、输入电容器组的虚功率、风力发电机输出的虚功率和储能系统的放电功率作为所述优化模型的决策变量；
6、s4：采用象群搜索算法对所述优化模型进行求解，并得到最优的决策变量，将所述最优的决策变量作为所述配电系统的最优控制参数。
7、作为本专利技术的进一步改进，将所述决策变量映射为所述象群搜索算法的象群成员，所述算法具体包括以下步骤：
8、s41：初始化算法参数：设定参数α、β、γ，α为象群首领对象群成员的影响因子，β为确定象群成员向象群中心移动的影响因子，γ为象群成员随机移动的影响因子，β,γ∈(0，1)，象群数量nc和各个象群的成员数量nci，最大迭代次数t，当前迭代次数ti，α＝cos(π·ti/2t)，对象群成员的位置进行随机初始化，设置所述算法的目标函数f＝{fi},i＝1～4和适应度函数af；
9、s42：计算各个象群中象群成员的适应度函数的适应值并对其进行排序，获得适应值最好的象群成员；
10、s43：将各个象群成员所对应的目标函数值采用帕累托优化算法进行优化，得到帕累托最优解集，计算所述解集的聚集距离，并将结果中数值最大的象群成员确定为象群的象群首领；
11、s44：对各个象群成员的位置进行更新，并利用修正算法对更新后的位置进行修正，最后将适应度函数最差的象群成员进行取代；
12、s45：计算修正后每个象群成员的适应度函数的函数值，并对其进行排序以获得适应度函数最好的象群成员；
13、s46：将各个象群成员的目标函数值再次采用帕累托优化算法进行优化，得到帕累托最优解集，计算所述解集的聚集距离，并将结果中数值最大的象群成员确定为象群首领；
14、s47：判断迭代次数是否达到最大值，若否，重复步骤s44-s46，直到符合停止条件为止；
15、s48：输出最优结果。
16、作为本专利技术的进一步改进，所述目标函数为f1～f4，具体包括：
17、
18、其中，f1为每天馈线上的实功率损失，nb为汇流排的数量，rij为汇流排i到汇流排j的馈线电阻，pih为第h小时流出汇流排i的实功率，qih为第h小时流出汇流排i的虚功率，vih为第h小时汇流排i的电压，f2为每天汇流排的电压偏差，vref为参考电压，f3为每天汇流排电压稳定性的倒数，xij为汇流排i到汇流排j的馈线电抗，f4为每天实功率变化量，p1,h为第h小时注入变电站的实功率，p1,ref为参考实功率。
19、作为本专利技术的进一步改进，所述约束条件包括：电力守恒：
20、储能系统能源守恒：ebk,h＝ebk,h-1+ρb,chpbk,ch,h-pbk,dis,h/ρb,dis,k＝1,2,…nbess；变压器接头切换次数限制：电容器组切换次数限制：其中，pjh为第h小时流出汇流排j的实功率，qjh为第h小时流出汇流排j的虚功率，pgjh为第h小时汇流排j的发电机注入的实功率，pbj,dis,h为第h小时汇流排j的储能系统放电功率，pbj,ch,h为第h小时汇流排j的储能系统充电功率，pdjh为第h小时汇流排j实功率负载需求，qwjh为第h小时汇流排j的风力发电机注入的虚功率，qcjh为第h小时汇流排j的电容器注入的虚功率，qdjh为第h小时汇流排j虚功率负载需求，taph为第h小时变压器有载分接头位置，cs,h为第h小时第s个电容器开闭状态，1为on，0为off，ns,max为第s个电容器的最大切换次数，ebk,h为第h小时第k个储能系统电量，pbk,dis,h为第h小时第k个储能系统放电功率，pbk,ch,h为第h小时第k个储能系统充电功率，ρb,ch为储能系统充电效率，ρb,dis为储能系统放电效率，nbess为储能系统总数。
21、作为本专利技术的进一步改进，步骤s43包括：所述聚集距离计算方法为：
22、其中us为所述帕累托最优解集的第s个解，cds为us的聚集距离，fn(us+1)是us+1输入到第n个目标函数fn所得的函数值，fnmin为第n个目标函数作最小化的值，nsol为所有解的总数。
23、作为本专利技术的进一步改进：所述对各个象群成员的位置进行更新具体为：
24、p(c,j,t+1)＝p(c,j,t)(1-α-β)+αp(c,b,t)+βp(c,ct,t)+γr
25、其中c是象群的索引，p(c,j,t+1)为象群c的成员j更新后的位置，p(c,j,t)为象群c的成员j当前的位置，p(c,b,t)为象群首领的位置，p(c,ct,t)为象群c的中心位置，r＝(2rand-1)(pmax-pmin)，rand为0到1的随机数，pmax和pmin为象群成员位置的上限和下限；所述修正算法为：q(c,j,t+1)＝θp(c,j,t+1)+ω1q(c,j1,t)+ω2q(c,j2,t-1)+ω1q(c,j3,t-2本文档来自技高网...
【技术保护点】
1.一种配电系统的控制参数优化方法，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于：将所述决策变量映射为所述象群搜索算法的象群成员，所述算法具体包括以下步骤：
3.根据权利要求2所述的方法，其特征在于：所述目标函数为f1～f4，具体包括：
4.根据权利要求3所述的方法，其特征在于：所述约束条件包括：电力守恒：
5.根据权利要求2所述的方法，其特征在于：步骤S43包括：所述聚集距离计算方法为：
6.根据权利要求5所述的方法，所述对各个象群成员的位置进行更新具体为：P(c,j,T+1)＝P(c,j,T)(1-α-β)+αP(c,b,T)+βP(c,ct,T)+γr其中c是象群的索引，P(c,j,T+1)为象群c的成员j更新后的位置，P(c,j,T)为象群c的成员j当前的位置，P(c,b,T)为象群首领的位置，P(c,ct,T)为象群c的中心位置，r＝(2rand-1)(Pmax-Pmin)，rand为0到1的随机数，Pmax和Pmin为象群成员位置的上限和下限；所述修正算法为：
7.根据权利要求6所述的
8.根据权利要求3所述的方法，其特征在于：步骤S41中所述适应度函数为：AF＝b1f1+b2f2+b3f3+b4f4，其中b1～b4是比例因子，0＜{b1～b4}＜1。
9.一种配电系统的控制参数优化系统，其特征在于，包括参数获取模块、模型构建模块、决策变量确定模块、模型最优求解模块，其中，
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序可被处理器执行，以实现如权利要求1-8所述的配电系统的控制参数优化方法。
...【技术特征摘要】
1.一种配电系统的控制参数优化方法，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于：将所述决策变量映射为所述象群搜索算法的象群成员，所述算法具体包括以下步骤：
3.根据权利要求2所述的方法，其特征在于：所述目标函数为f1～f4，具体包括：
4.根据权利要求3所述的方法，其特征在于：所述约束条件包括：电力守恒：
5.根据权利要求2所述的方法，其特征在于：步骤s43包括：所述聚集距离计算方法为：
6.根据权利要求5所述的方法，所述对各个象群成员的位置进行更新具体为：p(c,j,t+1)＝p(c,j,t)(1-α-β)+αp(c,b,t)+βp(c,ct,t)+γr其中c是象群的索引，p(c,j,t+1)为象群c的成员j更新后的位置，p(c,j,t)为象群c的成员j当前的位置，p(c,b,t)为象群首领的位置，p(c,ct,t)为象群c...
【专利技术属性】
技术研发人员：杨正，王伟，陈亚成，
申请(专利权)人：国网冀北综合能源服务有限公司，
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。