CN113346501A - 基于头脑风暴算法的配电网电压优化方法及其*** - Google Patents

基于头脑风暴算法的配电网电压优化方法及其*** Download PDF

Info

Publication number
CN113346501A
CN113346501A CN202110560589.0A CN202110560589A CN113346501A CN 113346501 A CN113346501 A CN 113346501A CN 202110560589 A CN202110560589 A CN 202110560589A CN 113346501 A CN113346501 A CN 113346501A
Authority
CN
China
Prior art keywords
voltage
distribution network
power
network
individual
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.)
Granted
Application number
CN202110560589.0A
Other languages
English (en)
Other versions
CN113346501B (zh
Inventor
王大飞
王宝华
张文惠
张弛
王梓铭
余佳成
郦阳
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202110560589.0A priority Critical patent/CN113346501B/zh
Publication of CN113346501A publication Critical patent/CN113346501A/zh
Application granted granted Critical
Publication of CN113346501B publication Critical patent/CN113346501B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • 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]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30—Reactive power compensation

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于头脑风暴算法的配电网电压优化方法及其***，根据农村低压配电网拓扑结构和负荷端电压计算，确定相应的调压措施；综合考虑配网电压水平、网损和经济效益，构建目标函数、潮流约束和电压约束，得到电压优化模型，在保证电压质量的前提下，减小配网的网损，压缩投资成本，实现综合经济效益的最大化；采用头脑风暴算法来求解电压优化模型，并使用前推回代潮流计算方法计算每次头脑风暴算法迭代所需的电压和网损；输出调压措施的最优组合方案，完成配电网电压优化。本发明在提升农网电压质量的同时，有效降低了网损，实现了投资回报效益的最大化，对于农村电网的电网规划和改造具有较高的指导价值。

Description

基于头脑风暴算法的配电网电压优化方法及其***
技术领域
本发明涉及农村配电网调压技术，具体涉及一种基于头脑风暴算法的配电网电压优化方法及其***。
背景技术
近年来，乡镇工业和农村经济社会快速发展，中小企业开始大规模的转移到农村地区，同时，农村居民的生活质量日益提高，随着国家强农、惠农及“家电下乡”等政策的影响，农村地区用电负荷快速增长，负荷增长直接造成目前很多农村电网出现供电能力不足，电压质量下降的情况，严重影响了农村乡镇企业的发展和农村居民的生活水平。
为了解决农村电网低电压问题，我国进行了长期的努力来改善农网的电能质量，通过政策上的扶持和资金上的支持，农网电能质量逐步改善，但仍有部分地区的电能质量无法满足人民的生产生活。目前大多数的农村电网电压优化方法，基本针对于单一调压措施进行的电压优化方法研究，并且大部分的优化方法没有考虑农村电网改造预算有限，仅仅追求电压质量的提高，忽略了经济效益的最大化，无法从根本上提升农网的电能质量。
发明内容
本发明的目的在于提供一种基于头脑风暴算法的配电网电压优化方法及其***，以期通过多种调压措施实现农村低压配网电能质量的提高。
实现本发明目的的技术解决方案为：一种基于头脑风暴算法的配电网电压优化方法，包括以下步骤：
步骤1，根据农村低压配电网拓扑结构和负荷端电压计算，确定相应的调压措施；
步骤2，综合考虑配网电压水平、网损和经济效益，构建目标函数、潮流约束和电压约束，得到电压优化模型，在保证电压质量的前提下，减小配网的网损，压缩投资成本，实现综合经济效益的最大化；
步骤3，采用头脑风暴算法来求解电压优化模型，并使用前推回代潮流计算方法计算每次头脑风暴算法迭代所需的电压和网损；
步骤4，输出调压措施的最优组合方案，完成配电网电压优化。
进一步的，步骤1中，负荷端电压计算，确定相应的调压措施，具体如下：
农村配电网为树状辐射型网络，运行无环路，潮流单向流动，而且农村电网的总体配电线路过长、线径较小，且负荷的波动较大，因此造成了农村配电网普遍存在的低电压问题，尤其是线路末端地区，其电压偏离已经严重超过我国GB/T12325-2008《电能质量供电质量偏差》中对于居民220V单相供电电压波动在+7％～-10％的范围；
配电线路负荷端的电压计算公式为：
Figure BDA0003078806500000021
式中，V1为变电站低压母线电压；ΔV是线路电压损耗；V2是负荷侧电压；VN为基准电压；k为配电变压器变比，P和Q分别为负荷侧的有功功率和无功功率；R和X分别是配电线路的电抗和电阻；
结合式(1)，要提高电压质量，也就是对电压进行有效的控制，可以利用以下四个措施进行调压：
(1)通过有效的改变配电变压器的变比k；
(2)改变配电线路的网络参数，有效的降低线损；
(3)有效补偿无功功率改变负荷的功率分布；
(4)接入光伏以使各节点由单一电源供电变为多电源供电。
其中改变配电变变比来调节电压需要考虑***中的无功功率情况，且农村配电变设备陈旧，无法实现有载调压，无法从根本上改变农网中的低电压问题，对此措施不予考虑，因此对电压的优化措施采用措施(2)(3)(4)。
进一步的，步骤2中，综合考虑配网电压水平、网损和经济效益，构建目标函数、潮流约束和电压约束，得到电压优化模型，在保证电压质量的前提下，减小配网的网损，压缩投资成本，实现综合经济效益的最大化，具体方法为：
利用罚函数将多目标优化问题转化为单目标优化，目标函数为：
Figure BDA0003078806500000022
式中，M(∑ΔPi)为整个配网由于调压措施的实行而节约的费用，即每年可以减少的电能损失的费用；M(∑ΔCi)为总的改造费用，包括有各个改造措施的建设费用和维护费用；ΔPi为i节点在改造前后的最大负荷下的有功功率损耗的减小值；
Figure BDA0003078806500000023
为电压惩罚函数，ΔUi为每个0.4kV节点电压经过调整后与0.4kV的差值，λ为电压提升效果惩罚函数，加上惩罚函数后，使得调整后的配网既能够有效地降低网损，又能够最大程度的提升电压质量；
潮流约束是等式约束条件：
Figure BDA0003078806500000031
其中，Pi、Qi是节点i注入的有功功率和无功功率，n为***节点总数，Gij、Bij分别为节点导纳矩阵中对应节点i和节点j的元素，θij为节点i、j之间的相角差；
电压约束是不等式约束条件：
Vi.min≤Vi≤Vi.max i∈NA (4)
其中，Vi是各节点电压，Vi.min、Vi.max分别是各节点电压的上下限，NA为节点数。
进一步的，步骤3，利用头脑风暴算法求解带有约束的电压优化模型，具体方法为：
Step1：产生n个潜在的问题的解，并对个体进行初始化；
Step2：根据目标函数计算个体适应度值，每一次适应度值的计算时，都采用前推回代的潮流计算方法计算出配网的节点电压和网损情况；
Step3：然后利用k-means将这n个个体分为m类，通过评估这n个个体，将每一类中的个体进行排序，选出每一类的最优个体作为该类的中心个体；
Step4：随机选中一个类的中心个体，按概率大小确定它是否被一个随机产生的个体所替代；
Step5：进行个体的更新，通过下列某一种方式产生新个体，个体更新的4种方式如下：
a)随机选中一个类，将随机扰动加到类中心上产生新个体。
b)随机选中一个类，在选中的类中随机选出一个个体，加上一个随机扰动产生一个新个体；
c)随机选中两个类，将两个类中心进行融合加上随机扰动产生一个新个体；
d)随机选中两个类，每类中各随机选出一个个体，进行融合，加上随机扰动产生一个新个体；
Step6：新产生的个体适应度值与等待更新的个体的适应度值进行比较，适应度值大的个体将会被保留，成为新一代中一个个体；
Step7：对n个个体逐一更新，这样产生了n个新一代的个体；
Step8：如果达到最大迭代数，则停止迭代，否则转到Step2。
一种基于头脑风暴算法的配电网电压优化***，基于所述的方法实现基于头脑风暴算法的配电网电压优化。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，基于所述的方法实现基于头脑风暴算法的配电网电压优化。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，基于所述的方法实现基于头脑风暴算法的配电网电压优化。
本发明与现有技术相比，其显著优点为：(1)能够通过多种调压措施实现农网电压质量的提高，相比于单一的调压措施调压具有更高的可靠性和工程价值；(2)在提升电压质量和降低网损的前提下，最大程度的压缩投资成本，实现经济效益的最大化，更加适用于改造经费紧张的农网地区；(3)头脑风暴算法是一种基于模拟人类行为的优化算法，相比于其他优化算法，其搜索过程中具有明显的自适应性。
附图说明
图1是本发明基于头脑风暴算法的配电网电压优化方法的流程图；
图2是本发明头脑风暴算法的流程图；
图3是本发明实施例中的典型农村配电网模型图；
图4是本发明实施例中个体最优适应度值随着进化迭代数变化的曲线图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示，基于头脑风暴的配电网电压优化方法，包含以下步骤：
步骤1，根据农村低压配电网拓扑结构和负荷端电压计算公式，给出调压措施
农村配电网为树状辐射型网络，运行无环路，潮流单向流动，而且农村电网的总体配电线路过长、线径较小，且负荷的波动较大，因此造成了农村配电网普遍存在的低电压问题，尤其是线路末端地区，其电压偏离已经严重超过我国GB/T12325-2008《电能质量供电质量偏差》中对于居民220V单相供电电压波动在+7％～-10％的范围。
配电线路负荷端的电压计算公式为：
Figure BDA0003078806500000051
式中，V1为变电站低压母线(10kV侧)电压；V2是负荷侧(0.4kV侧)电压；VN为基准电压；k为配电变压器变比，P和Q分别为负荷侧的有功功率和无功功率；R和X分别是配电线路的电抗和电阻。
结合式(1)，要提高电压质量，也就是对电压进行有效的控制，可以利用以下四个措施进行调压：
(1)通过有效的改变配电变压器的变比k；
(2)改变配电线路的网络参数，有效的降低线损；
(3)有效补偿无功功率改变负荷的功率分布；
(4)接入光伏以使各节点由单一电源供电变为多电源供电。
其中改变配电变变比来调节电压需要考虑***中的无功功率情况，且农村配电变设备陈旧，无法实现有载调压，无法从根本上改变农网中的低电压问题，对此措施不予考虑，因此本专利对电压的优化措施采用措施(2)(3)(4)。
步骤2，建立电压优化模型
在提升配网电压水平的前提下，尽量降低网损，同时兼顾经济效益，组合优化三种调压措施，输出最佳电压优化方法。因此，要在保证电压质量的前提下，使得配网中的网损减小，压缩投资成本，实现综合经济效益的最大化。
电压优化模型由目标函数，潮流约束方程，电压约束方程构成。利用罚函数将多目标优化问题转化为单目标优化，目标函数为：
Figure BDA0003078806500000052
式中，M(∑ΔPi)为整个配网由于调压措施的实行而节约的费用，即每年可以减少的电能损失的费用；M(∑ΔCi)为总的改造费用，包括有各个改造措施的建设费用和维护费用。ΔPi为i节点在改造前后的最大负荷下的有功功率损耗的减小值；
Figure BDA0003078806500000053
为电压惩罚函数，ΔUi为每个0.4kV节点电压经过调整后与0.4kV的差值，λ为电压提升效果惩罚函数。加上惩罚函数后，使得调整后的配网既能够有效地降低网损，又能够最大程度的提升电压质量。
等式约束条件就是网络的功率潮流方程：
Figure BDA0003078806500000061
其中，Pi、Qi是节点i注入的有功功率和无功功率，n为***节点总数，Gij、Bij分别为节点导纳矩阵中对应节点i和节点j的元素，θij为节点i、j之间的相角差。
由电压偏差构成的不等式约束条件为：
Vi.min≤Vi≤Vi.max i∈NA (4)
其中，Vi是各节点电压，Vi.min、Vi.max分别是各节点电压的上下限，NA为节点数。
步骤3，采用头脑风暴算法来求解电压优化模型
头脑风暴算法的基本流程如图2所示，基本步骤如下所示：
Step1：产生n个(参与头脑风暴的人群规模)潜在的问题的解(个体)，并对个体进行初始化；
Step2：根据目标函数计算个体适应度值；
Step3：然后利用k-means将这n个个体分为m(预先设定的参数)类，通过评估这n个个体，将每一类中的个体进行排序，选出每一类的最优个体作为该类的中心个体
Step4：随机选中一个类的中心个体，按概率大小确定它是否被一个随机产生的个体所替代；
Step5：进行个体的更新，通过下列某一种方式产生新个体，个体更新的4种方式如下：
a)随机选中一个类(每一类被选中的概率与类内个体数量成正比)，将随机扰动加到类中心上产生新个体。
b)随机选中一个类(每一类被选中的概率与类内个体数量成正比)，在选中的类中随机选出一个个体，加上一个随机扰动产生一个新个体。
c)随机选中两个类，将两个类中心进行融合加上随机扰动产生一个新个体。
d)随机选中两个类，每类中各随机选出一个个体，进行融合，加上随机扰动产生一个新个体。
Step6：新产生的个体适应度值与等待更新的个体的适应度值进行比较，适应度值大的个体将会被保留，成为新一代中一个个体；
Step7：对n个个体逐一更新，这样产生了n个新一代的个体；
Step8：如果达到最大迭代数，则停止迭代，否则转到Step2。
在每一次适应度值计算时，都采用前推回代潮流计算方法输出配网的节点电压和网损情况。相比于牛顿-拉夫逊法和PQ潮流计算方法，前推回代更适用于农村配电网的拓扑结构，收敛接近于线性收敛，计算速度快，具有高效的计算效率和收敛特性。
前推回代法分为前推和回代两个过程，前推就是由***的末端向首端进行推算。利用末节点功率和对应的节点电压计算支路功率损耗，求得支路的首端功率。回代就是利用前推所得支路首端功率和本支路起始节点的电压，从电源点开始逐条支路计算，从而求得各支路终节点的电压。
本发明还提出一种基于头脑风暴算法的配电网电压优化***，基于所述的方法实现基于头脑风暴算法的配电网电压优化。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，基于所述的方法实现基于头脑风暴算法的配电网电压优化。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，基于所述的方法实现基于头脑风暴算法的配电网电压优化。
实施例
选取江苏省盱眙县某地典型10kV农村低压配网(如附图3所示)的电网基本数据，进行了电压优化方法的有效性验证。
在对个体进行初始化时，采用实数编码和二进制编码相结合的方式，其中，各节点无功补偿容量和光伏投入容量为实数编码，线路改造采用二进制(0表示不改造，1表示改造)，因此所用个体X的编码为：
X＝[Qc1,Qc2…Qc8,Ppv1,Ppv2…Ppv8,XLGZ1,XLGZ2…XLGZ7] (5)
其中，Qci为各节点的无功补偿容量，Ppvi为各节点的光伏投入容量，XLGZi表示每条线路是否改造。为了兼顾计算复杂度和计算准确性，个体的数量为50。
初始化个体后根据图2的头脑风暴算法求解电压优化模型，其求解过程中的每一代最优适应度值的变化曲线如附图4所示。由图可以看出，由于头脑风暴算法模拟了人类的群体讨论行为，因此每一次迭代(或者说每一次讨论中)会产生当前最优解，并被带入到下一次讨论中，其寻优过程不再具有盲目性，最终大致在进化到500代后，最优个体的适应度值达到最大且不再发生变化，证明此时基于目标函数的最优解已经被寻到，完成了农村配电网电压优化方法的研究。此时最优的电压调整措施为：
X＝[40 30 80 30 60 80 30 400 60 42 80 42 80 60 42 500 0 1 0 0 1 1 1](6)
根据问题的解组成的定义，各个10kV节点电容器补偿的容量为40kvar，30kvar，80kvar，30kvar，60kvar，80kvar，30kvar，400kvar。各节点分布式光伏的投入容量为60kW，42kW，80kW，42kW，80kW，60kW，42kW，500kW。需要进行线路改造的线路为10kV的2，5，6和7线路。
改造后的配电电压情况如表3所示。
表1电压优化后的配网节点电压
Figure BDA0003078806500000081
表1中是电压优化前后的10kV节点和0.4kV节点的电压对比情况，显然可以看出，通过应用综合调压措施，在保证了最大效益的前提下，各节点的电压水平有了明显的改善，说明了本发明在实际工程应用中的具有良好的效果。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (7)

1.一种基于头脑风暴算法的配电网电压优化方法，其特征在于，包括以下步骤：
步骤1，根据农村低压配电网拓扑结构和负荷端电压计算，确定相应的调压措施；
步骤2，综合考虑配网电压水平、网损和经济效益，构建目标函数、潮流约束和电压约束，得到电压优化模型，在保证电压质量的前提下，减小配网的网损，压缩投资成本，实现综合经济效益的最大化；
步骤3，采用头脑风暴算法来求解电压优化模型，并使用前推回代潮流计算方法计算每次头脑风暴算法迭代所需的电压和网损；
步骤4，输出调压措施的最优组合方案，完成配电网电压优化。
2.根据权利要求1所述的基于头脑风暴算法的配电网电压优化方法，其特征在于，步骤1中，负荷端电压计算，确定相应的调压措施，具体如下：
农村配电网为树状辐射型网络，运行无环路，潮流单向流动，而且农村电网的总体配电线路过长、线径较小，且负荷的波动较大，因此造成了农村配电网普遍存在的低电压问题，尤其是线路末端地区，其电压偏离已经严重超过我国GB/T12325-2008《电能质量供电质量偏差》中对于居民220V单相供电电压波动在+7％～-10％的范围；
配电线路负荷端的电压计算公式为：
Figure FDA0003078806490000011
式中，V1为变电站低压母线电压；ΔV是线路电压损耗；V2是负荷侧电压；VN为基准电压；k为配电变压器变比，P和Q分别为负荷侧的有功功率和无功功率；R和X分别是配电线路的电抗和电阻；
结合式(1)，要提高电压质量，也就是对电压进行有效的控制，可以利用以下四个措施进行调压：
(1)通过有效的改变配电变压器的变比k；
(2)改变配电线路的网络参数，有效的降低线损；
(3)有效补偿无功功率改变负荷的功率分布；
(4)接入光伏以使各节点由单一电源供电变为多电源供电。
其中改变配电变变比来调节电压需要考虑***中的无功功率情况，且农村配电变设备陈旧，无法实现有载调压，无法从根本上改变农网中的低电压问题，对此措施不予考虑，因此对电压的优化措施采用措施(2)(3)(4)。
3.根据权利要求1所述的基于头脑风暴算法的配电网电压优化方法，其特征在于，步骤2中，综合考虑配网电压水平、网损和经济效益，构建目标函数、潮流约束和电压约束，得到电压优化模型，在保证电压质量的前提下，减小配网的网损，压缩投资成本，实现综合经济效益的最大化，具体方法为：
利用罚函数将多目标优化问题转化为单目标优化，目标函数为：
Figure FDA0003078806490000021
式中，M(∑ΔPi)为整个配网由于调压措施的实行而节约的费用，即每年可以减少的电能损失的费用；M(∑ΔCi)为总的改造费用，包括有各个改造措施的建设费用和维护费用；ΔPi为i节点在改造前后的最大负荷下的有功功率损耗的减小值；
Figure FDA0003078806490000022
为电压惩罚函数，ΔUi为每个0.4kV节点电压经过调整后与0.4kV的差值，λ为电压提升效果惩罚函数，加上惩罚函数后，使得调整后的配网既能够有效地降低网损，又能够最大程度的提升电压质量；
潮流约束是等式约束条件：
Figure FDA0003078806490000023
其中，Pi、Qi是节点i注入的有功功率和无功功率，n为***节点总数，Gij、Bij分别为节点导纳矩阵中对应节点i和节点j的元素，θij为节点i、j之间的相角差；
电压约束是不等式约束条件：
Vi.min≤Vi≤Vi.max i∈NA (4)
其中，Vi是各节点电压，Vi.min、Vi.max分别是各节点电压的上下限，NA为节点数。
4.根据权利要求1所述的基于头脑风暴算法的配电网电压优化方法，其特征在于，步骤3，利用头脑风暴算法求解带有约束的电压优化模型，具体方法为：
Step1：产生n个潜在的问题的解，并对个体进行初始化；
Step2：根据目标函数计算个体适应度值，每一次适应度值的计算时，都采用前推回代的潮流计算方法计算出配网的节点电压和网损情况；
Step3：然后利用k-means将这n个个体分为m类，通过评估这n个个体，将每一类中的个体进行排序，选出每一类的最优个体作为该类的中心个体；
Step4：随机选中一个类的中心个体，按概率大小确定它是否被一个随机产生的个体所替代；
Step5：进行个体的更新，通过下列某一种方式产生新个体，个体更新的4种方式如下：
a)随机选中一个类，将随机扰动加到类中心上产生新个体。
b)随机选中一个类，在选中的类中随机选出一个个体，加上一个随机扰动产生一个新个体；
c)随机选中两个类，将两个类中心进行融合加上随机扰动产生一个新个体；
d)随机选中两个类，每类中各随机选出一个个体，进行融合，加上随机扰动产生一个新个体；
Step6：新产生的个体适应度值与等待更新的个体的适应度值进行比较，适应度值大的个体将会被保留，成为新一代中一个个体；
Step7：对n个个体逐一更新，这样产生了n个新一代的个体；
Step8：如果达到最大迭代数，则停止迭代，否则转到Step2。
5.一种基于头脑风暴算法的配电网电压优化***，其特征在于，基于权利要求1-4任一项所述的方法实现基于头脑风暴算法的配电网电压优化。
6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，基于权利要求1-4任一项所述的方法实现基于头脑风暴算法的配电网电压优化。
7.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，基于权利要求1-4任一项所述的方法实现基于头脑风暴算法的配电网电压优化。
CN202110560589.0A 2021-05-21 2021-05-21 基于头脑风暴算法的配电网电压优化方法及其*** Active CN113346501B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110560589.0A CN113346501B (zh) 2021-05-21 2021-05-21 基于头脑风暴算法的配电网电压优化方法及其***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110560589.0A CN113346501B (zh) 2021-05-21 2021-05-21 基于头脑风暴算法的配电网电压优化方法及其***

Publications (2)

Publication Number Publication Date
CN113346501A true CN113346501A (zh) 2021-09-03
CN113346501B CN113346501B (zh) 2022-11-11

Family

ID=77470825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110560589.0A Active CN113346501B (zh) 2021-05-21 2021-05-21 基于头脑风暴算法的配电网电压优化方法及其***

Country Status (1)

Country Link
CN (1) CN113346501B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117856264A (zh) * 2023-10-20 2024-04-09 三峡电能有限公司 一种电网线路损耗优化方法、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109038654A (zh) * 2018-07-18 2018-12-18 西安理工大学 一种考虑分布式风电高渗透并网的配电***优化运行方法
CN109800515A (zh) * 2019-01-24 2019-05-24 杭州电子科技大学 一种基于头脑风暴算法的太阳能电池参数求解方法
CN112054519A (zh) * 2020-09-07 2020-12-08 广东电网有限责任公司广州供电局 一种配电网低电压优化治理方法、***及设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109038654A (zh) * 2018-07-18 2018-12-18 西安理工大学 一种考虑分布式风电高渗透并网的配电***优化运行方法
CN109800515A (zh) * 2019-01-24 2019-05-24 杭州电子科技大学 一种基于头脑风暴算法的太阳能电池参数求解方法
CN112054519A (zh) * 2020-09-07 2020-12-08 广东电网有限责任公司广州供电局 一种配电网低电压优化治理方法、***及设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117856264A (zh) * 2023-10-20 2024-04-09 三峡电能有限公司 一种电网线路损耗优化方法、设备及介质

Also Published As

Publication number Publication date
CN113346501B (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN107301472B (zh) 基于场景分析法和电压调节策略的分布式光伏规划方法
CN110729765B (zh) 一种考虑sop的配电网灵活性评估指标体系和优化调度方法
CN111342461B (zh) 一种考虑网架动态重构的配电网优化调度方法及***
CN114362196B (zh) 一种多时间尺度主动配电网电压控制方法
CN106651628B (zh) 基于图论的区域冷热电综合能源优化配置方法及装置
Tang et al. Study on day-ahead optimal economic operation of active distribution networks based on Kriging model assisted particle swarm optimization with constraint handling techniques
CN109586298B (zh) 一种多直流受端电网综合负荷优化控制方法与***
CN111614110B (zh) 一种基于改进多目标粒子群算法的受端电网储能优化配置方法
CN111724064A (zh) 一种基于改进免疫算法的含储能配电网规划方法
CN113346501B (zh) 基于头脑风暴算法的配电网电压优化方法及其***
CN108110769A (zh) 基于灰狼算法的主动配电网电压协调控制策略
Ni et al. Multi-objective bi-level optimal dispatch method of active distribution network considering dynamic reconfigurations
CN107359614B (zh) 高渗透率可再生能源条件下配电网安全运行动态重构方法
CN110492493B (zh) 一种电力***无功补偿配置优化方法
CN110135640B (zh) 一种基于模糊聚类改进和声算法的风电配网优化调度方法
CN117610828A (zh) 一种步长逐密多目标梯级水电站群优化调度方法
CN116073448B (zh) 一种基于低碳效益的配电***源网荷储协同调峰方法
CN108734349A (zh) 基于改进遗传算法的分布式电源选址定容优化方法及***
CN114865649B (zh) 一种风光储一体化场站无功调节方法、装置及电子设备
CN108718084B (zh) 一种适应电力市场化改革的电源和电网协调规划方法
CN114996908B (zh) 考虑智能软开关接入的主动配电网扩展规划方法及***
CN113690930B (zh) 基于nsga-iii算法的分布式光伏电源中长期选址定容方法
CN114362239A (zh) 一种综合考虑多因素的电网电源极限配置策略
CN112952869B (zh) 一种计及风电接入的交直流混联***扩展规划方法及***
Li et al. The application of improved clonal genetic algorithm in distributed generation planning

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
CB03 Change of inventor or designer information

Inventor after: Wang Baohua

Inventor after: Wang Dafei

Inventor after: Zhang Wenhui

Inventor after: Zhang Chi

Inventor after: Wang Ziming

Inventor after: Yu Jiacheng

Inventor after: Li Yang

Inventor before: Wang Dafei

Inventor before: Wang Baohua

Inventor before: Zhang Wenhui

Inventor before: Zhang Chi

Inventor before: Wang Ziming

Inventor before: Yu Jiacheng

Inventor before: Li Yang

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant