CN107392418B - 一种城市配电网网络重构方法及*** - Google Patents

一种城市配电网网络重构方法及*** Download PDF

Info

Publication number
CN107392418B
CN107392418B CN201710428595.4A CN201710428595A CN107392418B CN 107392418 B CN107392418 B CN 107392418B CN 201710428595 A CN201710428595 A CN 201710428595A CN 107392418 B CN107392418 B CN 107392418B
Authority
CN
China
Prior art keywords
node
distribution network
power
objective optimization
urban
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710428595.4A
Other languages
English (en)
Other versions
CN107392418A (zh
Inventor
罗海荣
焦龙
田蓓
杨雪红
梁剑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Ningxia Electric Power Co Ltd
Priority to CN201710428595.4A priority Critical patent/CN107392418B/zh
Publication of CN107392418A publication Critical patent/CN107392418A/zh
Application granted granted Critical
Publication of CN107392418B publication Critical patent/CN107392418B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Water Supply & Treatment (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种城市配电网网络重构方法和***。该方法包括：建立***年缺供电量、***平均断电持续时间、***平均断电频率和城市配电网的网损最小的多目标优化函数；确定多目标优化函数的约束条件和每一目标优化函数的权重；设定城市配电网中的每一负荷节点的开关的通断初值；根据每一负荷节点的开关的通断初值、多目标优化函数和约束条件，采用基于分解和差分进化的多目标粒子群优化算法求解多目标优化函数；按照加权和最小的多目标优化函数的解对应的城市配电网中的每一负荷节点的开关的通断，进行城市配电网网络重构。本发明能够优化含有分布式电源及汽车充电站的城市配电网的网络损耗，降低运行费用，同时对城市配电网供电电压质量进行提高。

Description

一种城市配电网网络重构方法及***
技术领域
本发明涉及配电网规划技术领域，特别是涉及一种城市配电网网络重构方法及***。
背景技术
近年来，随着城镇经济的迅猛发展，对电能的需求势头见涨，电力负荷逐年增加，城市配电网结构日趋复杂，造成城市配电网网损逐年在增大。同时，近年来我国各种能源的发电量远不能满足人们的用电需求，拉闸限电现象日趋明显，供需矛盾日益加剧，对城市经济发展和人民生活质量的影响逐年加重。为了解决以上问题，国家正大力推进城市配电网智能化建设和改造工作，随着大规模分布式能源和电动汽车充电站逐步接入城市配电网，城市配电网规模大、节点多、设备杂、运行方式多等特点更加明显。需要通过某种方法来提高城市配电网运行的经济性、可靠性和安全性。
网络重构是提高城市配电网运行的经济性、供电可靠性和安全性的重要手段。通过网络重构对城市配电网进行规划、调整***结构，可以使城市配电网更经济的同时使网络具有更优的电能品质。但是，目前城市配电网网络重构的方法对新型能源及新型负荷接入的考虑相对较少。同时，目前的城市配电网网络重构算法存在一定问题，如基于二进制编码粒子群算法在进行粒子群解析时容易陷入局部收敛，且产生大量的非可行解，计算量巨大、耗时长，求解有非常大的局限性，难以应对日趋复杂的城市配电网。
发明内容
本发明实施例提供一种城市配电网网络重构方法及***，针对分布式能源和电动汽车等新型负荷接入的城市配电网，有利于城市配电网经济、安全和可靠运行。
第一方面，提供一种城市配电网网络重构方法，包括：建立***年缺供电量、***平均断电持续时间、***平均断电频率和城市配电网的网损最小的多目标优化函数；确定所述多目标优化函数的约束条件和每一目标优化函数的权重；设定所述城市配电网中的每一负荷节点的开关的通断初值；根据所述每一负荷节点的开关的通断初值、所述多目标优化函数和所述约束条件，采用基于分解和差分进化的多目标粒子群优化算法求解所述多目标优化函数；按照所述加权和最小的所述多目标优化函数的解对应的所述城市配电网中的每一负荷节点的开关的通断，进行城市配电网网络重构。
第二方面，提供一种城市配电网网络重构***，包括：建立模块，用于建立***年缺供电量、***平均断电持续时间、***平均断电频率和城市配电网的网损最小的多目标优化函数；确定模块，用于确定所述多目标优化函数的约束条件和每一目标优化函数的权重；设定模块，用于设定所述城市配电网中的每一负荷节点的开关的通断初值；求解模块，用于根据所述每一负荷节点的开关的通断初值、所述多目标优化函数和所述约束条件，采用基于分解和差分进化的多目标粒子群优化算法求解所述多目标优化函数；重构模块，用于按照所述加权和最小的所述多目标优化函数的解对应的所述城市配电网中的每一负荷节点的开关的通断，进行城市配电网网络重构。
这样，本发明实施例能够优化含有分布式电源及汽车充电站的城市配电网的网络损耗，降低运行费用，同时对城市配电网供电电压质量进行提高。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的城市配电网网络重构方法的流程图；
图2是本发明实施例的采用基于分解和差分进化的多目标粒子群优化算法求解多目标优化函数的步骤的流程图；
图3是本发明实施例的更新个体最优粒子的步骤的流程图；
图4是本发明实施例的更新全局最优粒子的步骤的流程图；
图5是本发明实施例的城市配电网网络重构***的结构框图；
图6是本发明实施例的IEEE69节点配电网络的结构图；
图7是本发明实施例的IEEE69节点配电网中网络重构前后各节点电压的效果图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开一种城市配电网网络重构方法，是针对在大规模分布式能源和充电站接入城市配电网新场景下提出的一种计及运行成本、供电可靠性、电能质量的城市配电网多目标优化网络重构方法。如图1所示，该方法包括如下的步骤：
本发明实施例中的粒子为配电网中各开关状态集合(0或1)，粒子位置为配电网对应开关状态，粒子速度为配电网对应开关状态修正量。
步骤S10：建立***年缺供电量、***平均断电持续时间、***平均断电频率和城市配电网的网损最小的多目标优化函数。
其中，***年缺供电量的目标优化函数为：
Figure BDA0001316823520000041
***平均断电持续时间的目标优化函数为：
Figure BDA0001316823520000042
***平均断电频率的目标优化函数为：
Figure BDA0001316823520000043
其中，i为***内的负荷节点，m为***内的负荷节点总和，La(i)为负荷节点i的平均负荷，Ψi为负荷节点i的年平均停运时间，λi为负荷节点i的年平均停运频率，Si为负荷节点i的视在功率。
城市配电网的网损最小的目标优化函数为：
Figure BDA0001316823520000044
其中，f1为***网损，L为***支路数，ki为开关状态变量，0表示打开，1表示闭合，ri为支路i电阻，Pi和Qi分别为支路i末端流过的有功和无功功率，Vi为支路末端节点电压。
步骤S20：确定多目标优化函数的约束条件和每一目标优化函数的权重。
优选的，约束条件包括：配电网络拓扑结构约束、节点功率平衡约束、线路功率约束、分布式电源功率约束、节点电压约束和节点电流约束。
具体的，配电网络拓扑结构约束包括：g∈G，其中，g为配电网重构的目标找到的网络拓扑结构，G为所有满足网络约束条件的拓扑结构。
节点功率平衡约束包括：
Figure BDA0001316823520000051
和
Figure BDA0001316823520000052
其中，Pis和Qis分别为节点i有功注入和无功注入；Ui为节点i电压幅值；j∈i表示节点j与节点i相连；Gij和Bij分别为节点导纳矩阵的实部和虚部；θij为节点i和j之间的电压相角差。
线路功率约束包括：Si＜Simax，i＝1，2，……，n，其中，Si为线路实际传输功率，Simax为线路i的输送的最大容量，n为节点的个数。
分布式电源功率约束包括：
Figure BDA0001316823520000053
其中，SDGi,max为第i个分布式电源的最大视在功率，PDGi为第i个分布式电源的有功功率，QDGi为第i个分布式电源的无功功率。
节点电压约束包括：Uimin≤Ui≤Uimax，i＝1，2，……，m，其中，Uimin为节点i最小允许电压，Uimax为节点i最大允许电压，m为节点的个数；
节电电流约束包括：Iimin≤Ii≤Iimax，i＝1，2，……，m，其中，Iimin为节点i最小允许电流，Iimax为节点i最大允许电流，m为节点的个数。
权重设置方法：经验判断目标函数组合后各目标函数对优化预期的影响占比，例如***年缺供电量的目标优化函数的权重为0.1，***平均断电持续时间的目标优化函数的权重为0.3，***平均断电频率的目标优化函数的权重为0.4，城市配电网的网损最小的目标优化函数的权重为0.2，则步骤S40中总目标函数值为每个目标函数值的解乘以对应的权重后加和。
步骤S30：设定城市配电网中的每一负荷节点的开关的通断初值。
通过该步骤对城市配电网中的每一负荷节点的开关的通断初值进行预设。根据每一预设结果，可采用后续的步骤求解多目标优化函数。
步骤S40：根据每一负荷节点的开关的通断初值、多目标优化函数和约束条件，采用基于分解和差分进化的多目标粒子群优化算法求解所述多目标优化函数。
具体的，步骤S40可基于分解和差分进化的多目标粒子群优化算法求解目标优化参数。如图2所示，该算法的具体步骤如下：
步骤S401：输入城市配电网初始信息，设定粒子群规模。
该城市配电网的初始信息包括求解多目标优化函数所需的参数。
步骤S402：根据均匀化方向向量产生N个惯性权重向量，并设定迭代次数。
该步骤相当于设置各目标优化函数的权重，即将N个目标优化函数的多目标优化问题转化为N个单目标函数优化问题的加权求和问题。
步骤S403：更新个体最优粒子。
具体的，如图3所示，步骤S403包括如下的过程：
步骤S4031：输入粒子群信息。
步骤S4032：进行潮流计算。
通过该步骤可求出当前状态的目标优化函数值。
汽车充电站和分布式电源并入配电网后，根据其在网络中的接入运行情况，分布式电源DG可用三类节点表示：PQ恒定型节点，PV恒定型节点和PI恒定型节点。在进行配电网潮流计算时，需针对不同节点类型构造相应的数学模型。
(1)PQ恒定DG模型
目前新建并网的风电机组多使用同步直驱和双馈感应发电机，此类DG与功率大小相等的负荷相比，只是功率流向相反，因此，可视为PQ恒定型节点。当分布式电源为PQ恒定型节点时，潮流计算的模型为：
Figure BDA0001316823520000061
其中，P1s和Q1s分别为PQ恒定型DG的有功功率和无功功率。
(2)PV恒定DG模型
汽车充电站和储能电池并网的输出电压恒定，输出有功功率可控，对于储能装置在电网中既可作为负载储存电能，又可以作为分布式电源向电网供电。当工作在整流状态时，储能装置处于充电状态，能量从电网侧流向直流侧；当工作在逆变状态时，储能装置处于放电状态，将直流侧的能量回馈给电网。因此可视其为PV恒定型节点。当分布式电源为PV恒定型节点时，处于放电状态储能电池的潮流计算的模型为：
Figure BDA0001316823520000071
其中，P2s和V2s分别为PV恒定型DG的有功功率和电压。
电动汽车充电及处于充电状态储能电池的潮流计算的模型为：
Figure BDA0001316823520000072
其中，P3s和V3s分别为电动汽车充电及处于充电状态储能电池的有功功率和电压。
(3)PI恒定DG模型
光伏并网多采用电压源型电流控制逆变器。因此，进行潮流计算时视光伏为PI恒定型节点。当分布式电源为PI恒定型节点时，光伏的潮流计算的模型为：
Figure BDA0001316823520000073
其中，P4s和I4s分别为PI恒定型DG的有功功率和电流。
步骤S4033：更新粒子速度及位置。
根据下式分别更新粒子速度及位置：
Figure BDA0001316823520000081
Figure BDA0001316823520000082
其中：
Figure BDA0001316823520000083
为第t代的第i个粒子的速度和位置，
Figure BDA0001316823520000084
为第t代的第i个粒子个体最优粒子和全局最优粒子，w为惯性常量取0.5，c1、c2为两个学习因子，r1、r2为两个(0，1)之间的随机数。
本发明实施例中由于粒子为开关状态集合，仅包含0，1两种状态，故更新粒子位置仅进行取反。
步骤S4034：根据更新后的粒子位置，再次进行潮流计算。
步骤S4035：判断更新后的粒子位置是否优于未更新的粒子位置。
若是，则进行步骤S4036；否则，进行步骤S4037。
步骤S4036：更新个体粒子最优位置。
步骤S4037：保持个体粒子最优位置。
步骤S4038：将个体粒子的信息写入新集合对应位置。
步骤S4039：判断是否已遍历所有粒子。
若是，则进行步骤S40310；否则，进行步骤S4033。
步骤S40310：输出个体最优粒子群。
步骤S404：更新全局最优粒子。
具体的，如图4所示，步骤S404包括如下的过程：
步骤S4041：将新的粒子群与旧的粒子群合并，形成规模为2N的粒子群。
步骤S4042：获取每个粒子对应目标优化函数的聚合权重ω。
ω＝ω0+ρ(1-ω0)。
其中：ω0取0.5；ρ服从[0,1]均匀分布的随机数。
步骤S4043：在规模为2N的粒子群中求取加权后使目标优化函数求和最小的规模为N的全局最优粒子群。
步骤S4044：输出全局最优粒子群。
步骤S405：判断是否达到最大迭代次数。
若是，则进行步骤S406；否则，返回步骤S403，直到达到最大迭代次数。
步骤S406：输出粒子群。
通过步骤S40，将该算法应用于分布式能源和汽车充电站接入城市配电网场景，求解同时考虑降低网损和提高供电可靠性的多目标城市配电网络重构问题。通过所构建的基于分解和差分进化的多目标粒子群优化算法可降低城市配电网的网络损耗以优化运行成本，同时整体提升城市配电网的供电可靠性水平。因此，该方法具有显著社会和经济效益。
步骤S50：按照加权和最小的多目标优化函数的解对应的城市配电网中的每一负荷节点的开关的通断，进行城市配电网网络重构。
其中，该加权和根据多目标优化函数的解和每一目标优化函数的权重获取。具体的，每个目标优化函数的解乘以其对应的权重得到的乘积，再求和。
综上，本发明实施例的城市配电网网络重构方法，通过选取***年缺供电量、***平均停电频率、***平均停电时间作为可靠性优化目标，分别从***的停电电量、频率、时间三个角度对可靠性作较为全面的评价，同时选取有功损耗作为网损优化目标，基于分解和差分进化的多目标粒子群优化算法在城市配电网网络重构中的多变量优化机制和多变量编码机制，对城市配电网中可选节点进行了重构，同时对分布式能源和电动汽车充电站多项变量进行了优化，保证配电网络呈辐射状，满足馈线热容、电压降落要求和变压器容量等前提下，考虑城市配电网特有的分布式能源发电以及电动汽车充电的问题，通过改变线路开关的开关状态，改变用户的供电途径，以保证城市配电网网损和供电电压质量处于最佳的配网运行方式，能够优化含有分布式电源及汽车充电站的城市配电网的网络损耗，降低运行费用，同时对城市配电网可靠性进行提高；本方法自动生成多组推荐方案，操作人员可以自行根据实际需要权衡经济性和可靠性要求，灵活选择合适方案。
本发明实施例还提供一种城市配电网网络重构***。如图5所示，该***包括：
建立模块501，用于建立***年缺供电量、***平均断电持续时间、***平均断电频率和城市配电网的网损最小的多目标优化函数；
确定模块502，用于确定多目标优化函数的约束条件；
设定模块503，用于设定城市配电网中的每一负荷节点的开关的通断。
求解模块504，用于根据每一负荷节点的开关的通断、多目标优化函数和约束条件，采用基于分解和差分进化的多目标粒子群优化算法求解多目标优化函数。
重构模块505，用于按照加权和最小的多目标优化函数的解对应的城市配电网中的每一负荷节点的开关的通断，进行城市配电网网络重构。
综上，本发明实施例的城市配电网网络重构***，能够优化含有分布式电源及汽车充电站的城市配电网的网络损耗，降低运行费用，同时对城市配电网可靠性进行提高；本方法自动生成多组推荐方案，操作人员可以自行根据实际需要权衡经济性和可靠性要求，灵活选择合适方案。
具体的，采用IEEE69节点配电网络作为算例，该***有69个节点，74条线路，5个联络开关，总负荷为3802.2kW+j2694.6kvar，该网络结构图如图6所示。通过上述具体的实例验证本发明实施例的方法。
在IEEE69节点测试算例中，节点27、30、39接风力电站，额定容量为200kW；节点41、48、56接光伏电站，额定容量为100kW；节点4、50、68接储能电站，额定容量为125kW；节点3、19、49接汽车充电站，最大容量为100kW。重构前断开的开关为：11-66、13-20、15-69、27-54、39-48。通过优化算法重构后，确定断开的开关为：14-15、44-45、50-51、11-66、13-20，多目标优化函数的加权和最小。
采用本发明实施例的方法，选择最佳重构方案之后的配电网，网损降低了42.92％，电压偏移指数改善了53.21％。本专利仅展示目标函数之一的电压偏移指数，如图7所示，为在69节点配电网中网络重构前后各节点电压。该重构方法对69节点配网的最低节点电压进行了提升，改善了全网电压分布，有效提高了城市配电网的经济性和供电可靠性。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种城市配电网网络重构方法，其特征在于，包括：
建立***年缺供电量、***平均断电持续时间、***平均断电频率和城市配电网的网损最小的多目标优化函数；
确定所述多目标优化函数的约束条件和每一目标优化函数的权重；
所述约束条件包括：配电网络拓扑结构约束、节点功率平衡约束、线路功率约束、分布式电源功率约束、节点电压约束和节点电流约束；
所述配电网络拓扑结构约束包括：g∈G，其中，g为通过重构找到的网络结构，G为所有满足网络约束条件的拓扑结构的集合；
所述节点功率平衡约束包括：
Figure FDA0003059723700000011
和
Figure FDA0003059723700000012
其中，Pis和Qis分别为节点i有功注入和无功注入；Ui为节点i电压幅值；j∈i表示节点j与节点i相连；Gij和Bij分别为节点导纳矩阵的实部和虚部；θij为节点i和j之间的电压相角差；
所述线路功率约束包括：Sl<Slmax，l＝1，2，……，L，其中，Sl为线路l实际传输功率，Slmax为线路l的输送的最大容量；
所述分布式电源功率约束包括：
Figure FDA0003059723700000013
其中，SDGo,max为第o个分布式电源的最大视在功率，PDGo为第o个分布式电源的有功功率，QDGo为第o个分布式电源的无功功率；
所述节点电压约束包括：Uimin≤Ui≤Uimax，i＝1，2，……，m，其中，Uimin为节点i最小允许电压，Uimax为节点i最大允许电压，m为节点的个数；
所述节点电流约束包括：Iimin≤Ii≤Iimax，i＝1，2，……，m，其中，Iimin为节点i最小允许电流，Iimax为节点i最大允许电流，m为节点的个数；其中，所述节点均为负荷节点；
设定所述城市配电网中的每一负荷节点的开关的通断初值；
根据所述每一负荷节点的开关的通断初值、所述多目标优化函数和所述约束条件，采用基于分解和差分进化的多目标粒子群优化算法求解所述多目标优化函数；
包括：输入城市配电网初始信息，设定粒子群规模；所述城市配电网的初始信息包括求解多目标优化函数所需的参数；
根据均匀化方向向量产生N个惯性权重向量，并设定迭代次数；该步骤相当于设置各目标优化函数的权重，即将N个目标优化函数的多目标优化问题转化为N个单目标函数优化问题的加权求和问题；更新个体最优粒子；包括：
输入粒子群信息；进行潮流计算；更新粒子速度及位置；
根据更新后的粒子位置，再次进行潮流计算；
判断更新后的粒子位置是否优于未更新的粒子位置；
若是，则更新个体粒子最优位置；否则，保持个体粒子最优位置；
将所述更新后的个体粒子最优位置的信息写入新集合对应位置；
判断是否已遍历所有粒子；
若是，则输出个体最优粒子群；否则，返回更新粒子速度及位置步骤；
更新全局最优粒子；包括：
将新的粒子群与旧的粒子群合并，形成规模为2N的粒子群；
获取每个粒子对应的目标优化函数的聚合权重；在规模为2N的粒子群中求取加权后使目标优化函数求和最小的规模为N的全局最优粒子群；
输出全局最优粒子群；
判断是否达到最大迭代次数；
若是，则输出粒子群；否则，返回到更新个体最优粒子的步骤、更新全局最优粒子的步骤和判断是否达到最大迭代次数的步骤，直到达到最大迭代次数；
按照加权和最小的所述多目标优化函数的解对应的所述城市配电网中的每一负荷节点的开关的通断，进行城市配电网网络重构。
2.根据权利要求1所述的方法，其特征在于，
所述***年缺供电量的目标优化函数为：
Figure FDA0003059723700000031
所述***平均断电持续时间的目标优化函数为：
Figure FDA0003059723700000032
所述***平均断电频率的目标优化函数为：
Figure FDA0003059723700000033
其中，i为***内的负荷节点，m为***内的负荷节点总和，La(i)为负荷节点i的平均负荷，Ψi为负荷节点i的年平均停运时间，λi为负荷节点i的年平均停运频率，Si为负荷节点i的视在功率。
3.根据权利要求1所述的方法，其特征在于，所述城市配电网的网损最小的目标优化函数为：
Figure FDA0003059723700000034
其中，f1为***网损，L为***线路数，kl为开关状态变量，0表示打开，1表示闭合，rl为线路l电阻，Pl和Ql分别为线路l末端流过的有功和无功功率，Vl为线路末端节点电压。
4.根据权利要求1所述的方法，其特征在于：
当所述分布式电源为PQ恒定型节点时，所述潮流计算的模型为：
Figure FDA0003059723700000041
其中，P1s和Q1s分别为PQ恒定型DG的有功功率和无功功率；
当所述分布式电源为PV恒定型节点时，处于放电状态储能电池的所述潮流计算的模型为：
Figure FDA0003059723700000042
其中，P2s和V2s分别为PV恒定型DG的有功功率和电压；电动汽车充电及处于充电状态储能电池的所述潮流计算的模型为：
Figure FDA0003059723700000043
其中，P3s和V3s分别为电动汽车充电及处于充电状态储能电池的有功功率和电压；
当所述分布式电源为PI恒定型节点时，光伏的所述潮流计算的模型为：
Figure FDA0003059723700000044
其中，P4s和I4s分别为PI恒定型DG的有功功率和电流。
5.一种城市配电网网络重构***，其特征在于，包括：
建立模块，用于建立***年缺供电量、***平均断电持续时间、***平均断电频率和城市配电网的网损最小的多目标优化函数；
确定模块，用于确定所述多目标优化函数的约束条件和每一目标优化函数的权重；所述约束条件包括：配电网络拓扑结构约束、节点功率平衡约束、线路功率约束、分布式电源功率约束、节点电压约束和节点电流约束；
所述配电网络拓扑结构约束包括：g∈G，其中，g为通过重构找到的网络结构，G为所有满足网络约束条件的拓扑结构的集合；
所述节点功率平衡约束包括：
Figure FDA0003059723700000051
和
Figure FDA0003059723700000052
其中，Pis和Qis分别为节点i有功注入和无功注入；Ui为节点i电压幅值；j∈i表示节点j与节点i相连；Gij和Bij分别为节点导纳矩阵的实部和虚部；θij为节点i和j之间的电压相角差；
所述线路i功率约束包括：Sl<Slmax，l＝1，2，……，L，其中，Sl为线路l实际传输功率，Simax为线路i的输送的最大容量；
所述分布式电源功率约束包括：
Figure FDA0003059723700000053
其中，SDGo,max为第o个分布式电源的最大视在功率，PDGo为第o个分布式电源的有功功率，QDGo为第o个分布式电源的无功功率；
所述节点电压约束包括：Uimin≤Ui≤Uimax，i＝1，2，……，m，其中，Uimin为节点i最小允许电压，Uimax为节点i最大允许电压，m为节点的个数；
所述节点电流约束包括：Iimin≤Ii≤Iimax，i＝1，2，……，m，其中，Iimin为节点i最小允许电流，Iimax为节点i最大允许电流，m为节点的个数；其中，所述节点均为负荷节点；
设定模块，用于设定所述城市配电网中的每一负荷节点的开关的通断初值；
求解模块，用于根据所述每一负荷节点的开关的通断初值、所述多目标优化函数和所述约束条件，采用基于分解和差分进化的多目标粒子群优化算法求解所述多目标优化函数；
包括：输入城市配电网初始信息，设定粒子群规模；所述城市配电网的初始信息包括求解多目标优化函数所需的参数；
根据均匀化方向向量产生N个惯性权重向量，并设定迭代次数；该步骤相当于设置各目标优化函数的权重，即将N个目标优化函数的多目标优化问题转化为N个单目标函数优化问题的加权求和问题；更新个体最优粒子；包括：
输入粒子群信息；进行潮流计算；更新粒子速度及位置；
根据更新后的粒子位置，再次进行潮流计算；
判断更新后的粒子位置是否优于未更新的粒子位置；
若是，则更新个体粒子最优位置；否则，保持个体粒子最优位置；
将所述更新后的个体粒子最优位置的信息写入新集合对应位置；
判断是否已遍历所有粒子；
若是，则输出个体最优粒子群；否则，返回更新粒子速度及位置步骤；
更新全局最优粒子；包括：
将新的粒子群与旧的粒子群合并，形成规模为2N的粒子群；
获取每个粒子对应的目标优化函数的聚合权重；在规模为2N的粒子群中求取加权后使目标优化函数求和最小的规模为N的全局最优粒子群；
输出全局最优粒子群；
判断是否达到最大迭代次数；
若是，则输出粒子群；否则，返回到更新个体最优粒子的步骤、更新全局最优粒子的步骤和判断是否达到最大迭代次数的步骤，直到达到最大迭代次数；
重构模块，用于按照所述加权和最小的所述多目标优化函数的解对应的所述城市配电网中的每一负荷节点的开关的通断，进行城市配电网网络重构。
CN201710428595.4A 2017-06-08 2017-06-08 一种城市配电网网络重构方法及*** Active CN107392418B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710428595.4A CN107392418B (zh) 2017-06-08 2017-06-08 一种城市配电网网络重构方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710428595.4A CN107392418B (zh) 2017-06-08 2017-06-08 一种城市配电网网络重构方法及***

Publications (2)

Publication Number Publication Date
CN107392418A CN107392418A (zh) 2017-11-24
CN107392418B true CN107392418B (zh) 2021-08-13

Family

ID=60332187

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710428595.4A Active CN107392418B (zh) 2017-06-08 2017-06-08 一种城市配电网网络重构方法及***

Country Status (1)

Country Link
CN (1) CN107392418B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108173265B (zh) * 2018-01-15 2020-09-25 国网吉林省电力有限公司电力科学研究院 一种基于线性化潮流的配电网网络重构方法
CN109995075B (zh) * 2018-09-29 2022-03-08 国网上海市电力公司 一种含分布式电源的主动配电网动态重构方法
CN109713670B (zh) * 2019-01-28 2022-03-15 合肥工业大学 基于三端口柔性多状态开关的故障恢复控制优化方法
CN110739688A (zh) * 2019-10-31 2020-01-31 中国南方电网有限责任公司 基于scada大数据的城市电网负载均衡方法
CN112436512B (zh) * 2020-11-20 2022-11-11 中国联合网络通信集团有限公司 一种配电网的优化方法及装置
CN113629743B (zh) * 2021-08-06 2023-06-13 广东电网有限责任公司 基于遗传算法的电动汽车充电站配电网重构方法及***
CN114336638B (zh) * 2022-01-28 2023-11-03 国网山东省电力公司德州供电公司 一种基于冒泡模型的中压有源配电网动态重构方法
CN115392795A (zh) * 2022-10-27 2022-11-25 国网浙江省电力有限公司宁波市北仑区供电公司 配电网的改造评估方法、***、设备及介质
CN116093995B (zh) * 2023-03-07 2023-07-14 国网江西省电力有限公司经济技术研究院 一种配电***多目标网络重构方法及***

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2566002A2 (en) * 2011-08-29 2013-03-06 General Electric Company Analytical and combinatorial fault restoration
CN103353979A (zh) * 2013-05-31 2013-10-16 国家电网公司 一种分布式电源的优化选址与定容方法
CN103514570A (zh) * 2013-08-14 2014-01-15 国家电网公司 一种含分布式电源的配电网扩展规划综合优化方法
CN103699950A (zh) * 2013-09-07 2014-04-02 国家电网公司 一种考虑交通网络流量的电动汽车充电站规划方法
CN104240150A (zh) * 2014-09-10 2014-12-24 中国能源建设集团广东省电力设计研究院 配电网重构方法及***
CN104361403A (zh) * 2014-10-27 2015-02-18 国家电网公司 一种分布式电源与微电网的优化分组配置方法
CN105117517A (zh) * 2015-07-28 2015-12-02 中国电力科学研究院 一种基于改进粒子群算法的配网重构方法
CN105140913A (zh) * 2015-08-14 2015-12-09 中国电力科学研究院 一种基于不确定性的有源配电网重构方法
CN105186500A (zh) * 2015-09-17 2015-12-23 浙江工商大学 一种基于重加权加速Lagrangian的配电网能量分散协调优化方法
CN105449675A (zh) * 2015-12-29 2016-03-30 吉林大学 优化分布式能源接入点和接入比例的电力网络重构方法
CN105790315A (zh) * 2016-04-26 2016-07-20 安徽工程大学 一种基于粒子群算法的储能变流下垂控制方法
CN106058855A (zh) * 2016-06-16 2016-10-26 南京工程学院 协调储能与柔性负荷的主动配电网多目标优化调度方法
CN106408452A (zh) * 2016-09-26 2017-02-15 浙江工业大学 含多分布式电源配电网的电动汽车充电站优化配置方法
CN106602557A (zh) * 2017-02-24 2017-04-26 三峡大学 一种含电动汽车的主动配电网多时段优化重构方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2566002A2 (en) * 2011-08-29 2013-03-06 General Electric Company Analytical and combinatorial fault restoration
CN103353979A (zh) * 2013-05-31 2013-10-16 国家电网公司 一种分布式电源的优化选址与定容方法
CN103514570A (zh) * 2013-08-14 2014-01-15 国家电网公司 一种含分布式电源的配电网扩展规划综合优化方法
CN103699950A (zh) * 2013-09-07 2014-04-02 国家电网公司 一种考虑交通网络流量的电动汽车充电站规划方法
CN104240150A (zh) * 2014-09-10 2014-12-24 中国能源建设集团广东省电力设计研究院 配电网重构方法及***
CN104361403A (zh) * 2014-10-27 2015-02-18 国家电网公司 一种分布式电源与微电网的优化分组配置方法
CN105117517A (zh) * 2015-07-28 2015-12-02 中国电力科学研究院 一种基于改进粒子群算法的配网重构方法
CN105140913A (zh) * 2015-08-14 2015-12-09 中国电力科学研究院 一种基于不确定性的有源配电网重构方法
CN105186500A (zh) * 2015-09-17 2015-12-23 浙江工商大学 一种基于重加权加速Lagrangian的配电网能量分散协调优化方法
CN105449675A (zh) * 2015-12-29 2016-03-30 吉林大学 优化分布式能源接入点和接入比例的电力网络重构方法
CN105790315A (zh) * 2016-04-26 2016-07-20 安徽工程大学 一种基于粒子群算法的储能变流下垂控制方法
CN106058855A (zh) * 2016-06-16 2016-10-26 南京工程学院 协调储能与柔性负荷的主动配电网多目标优化调度方法
CN106408452A (zh) * 2016-09-26 2017-02-15 浙江工业大学 含多分布式电源配电网的电动汽车充电站优化配置方法
CN106602557A (zh) * 2017-02-24 2017-04-26 三峡大学 一种含电动汽车的主动配电网多时段优化重构方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于分解和差分进化的多目标粒子群优化算法;李飞等;《控制与决策》;20170331;第32卷(第3期);第403-406页 *
基于无重访NSGA-II 算法的配电网多目标重构;程虹等;《电力***保护与控制》;20161201;第44卷(第23期);第10-13页 *

Also Published As

Publication number Publication date
CN107392418A (zh) 2017-11-24

Similar Documents

Publication Publication Date Title
CN107392418B (zh) 一种城市配电网网络重构方法及***
CN105449675B (zh) 优化分布式能源接入点和接入比例的电力网络重构方法
CN107681664A (zh) 一种基于内点法的分布式电源并网优化潮流计算方法
CN111291978A (zh) 一种基于Benders分解的两阶段储能方法及***
CN112561273B (zh) 一种基于改进pso的主动配电网可再生dg规划方法
Kaysal et al. Hierarchical energy management system with multiple operation modes for hybrid DC microgrid
CN115545290A (zh) 一种含光伏发电配电网中的分布式储能经济优化配置方法
CN106451504A (zh) 一种混合储能***配置成本的控制方法及装置
Patel et al. Distribution network reconfiguration for loss reduction
Dixit et al. Optimal placement of PV array in distribution system for power loss minimization considering feeder reconfiguration
Zahedmanesh et al. Consensus-based decision making approach for techno-economic operation of largescale battery energy storage in industrial microgrids
CN112467717A (zh) 一种基于模糊控制的混合能源***实时负荷分配方法
CN116544977A (zh) 考虑5g基站备用储能与可靠性的配电网重构方法
CN114759616A (zh) 一种考虑电力电子器件特性的微电网鲁棒优化调度方法
Ahmadi et al. Multi-Objective Advanced Grey Wolf Optimization Framework for Smart Charging Scheduling of EVs in Distribution Grids
Zhang et al. Calculation Method for Maximum Accommodation Capacity of Distributed Photovoltaic in Distribution Network Considering Various Electrical Constraints
Gong et al. Reactive Power Optimization of Active Distribution Network with Distributed Generation
Shan et al. A voltage control method for distribution networks based on TCN and MPGA under cloud edge collaborative architecture
CN109149561A (zh) 一种基于光储充电塔接入的配电网静态优化方法
Li et al. Voltage stability control method of sending-end power grid based on combination of photovoltaic and storage
CN118157133B (zh) 一种基于电动汽车激励策略的主动配电网双层优化调度方法
Zhou et al. Multi-objective distribution network reconfiguration with DG integration using improved fireworks algorithm
Yoon et al. Application of Reinforcement Learning to Operate the Unbalanced Distribution System
Qi et al. Distributed Control Strategy of DC Link based on Q-Learning for Distribution Network Operation
Katta et al. An Efficient Andean Condor Algorithm for Optimal Charging Stations for Electric Vehicle

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant