一种多分布式光伏并网节点优化方法及系统与流程

[0001]
本发明涉及含新能源配电网的优化运行领域，尤其是涉及一种多分布式光伏并网节点优化方法及系统。


背景技术：

[0002]
全面推广节能环保的分布式发光伏电能有效减少化石燃料的消耗，有利于解决当前突出的环境问题、社会问题。但是，分布式光伏发电的功率输出具有波动性、随机性、间歇性等特点，也给城市配电网带来许多问题。城市配电网作为大电网的有机组成部分，直接关系到主动配电网和智能电网的发展安全性和可靠性，具有显著的综合经济效益。分布式光伏接入传统配电网，一方面改变了配电系统的网络结构和运行方式，另一方面也极大地影响了配电网线损计算过程。随着分布式光伏发电系统的发展，分布式光伏发电系统接入系统的量越来越大，特别是居民及非居民侧接入的量越来越大。
[0003]
现有的10千伏配网线路中，一般一条馈线中只接入一个分布式光伏台区，考虑到配电网中分布式光伏高渗透率的发展趋势，一条接入单分布式光伏的10千伏馈线线路中会有多个不同容量的分布式光伏接入，同时，配电网馈线中分布式光伏的接入点会越来越多，但并非分布式光伏接入越多越好，考虑到接入点的地理情形及用户接入意愿，每个接入点的成本及对电网运行的影响都不一样，在传统的分布式光伏并网的优化过程中，大多以光伏的接入成本最大或光伏接入后配网的线损最小为目标，无法统筹衡量多种目的时的接入效果，而且未考虑所有分布式光伏接入同一节点与不同节点的对比，考虑的接入方案不完整，有可能所有光伏接入同一节点会让线损率更低。


技术实现要素：

[0004]
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种多分布式光伏并网节点优化方法及系统，操作简单，适应性强，效率高，精度高。
[0005]
本发明的目的可以通过以下技术方案来实现：
[0006]
一种多分布式光伏并网节点优化方法，具体为：
[0007]
建立多分布式光伏并网节点优化的综合数学模型；
[0008]
利用差分进化入侵杂草算法优化综合数学模型，获得多分布式光伏接入配电网的最优方案；
[0009]
分布式光伏接入配电网中后，线路上的潮流方向会随着分布式光伏的出力大小而改变，不再是单向流动方式，每条馈线上会有多个接入点，在接入相同容量的前提下，对比多分布式光伏接入同一节点与多分布式光伏接入不同节点的对配电网线损的影响也不相同，每个接入点的节点增益度不同，所述的综合数学模型如下：
[0010]
maxk＝max(λ1k
lii
+λ2k
sg
)
[0011]
其中，k
lii
为电网线损改善度，k
sg
为电网增益度，λ1和λ2分别为k
lii
和k
sg
的加权系数；
[0012]
所述的k
lii
的计算公式为：
[0013][0014]
其中，为多分布式光伏接入同一节点的配电网总线损，为多分布式光伏接入不同节点的配电网总线损；
[0015]
所述的k
sg
的计算公式为：
[0016][0017]
其中，ω
n
为配电网中分布式光伏接入点的集合，p
pv,n
为节点n的光伏注入有功功率，ρ
n
为节点n的节点增益度，p
pv
为配电网中的光伏注入总有功功率。
[0018]
进一步地，所述的和的计算公式为：
[0019][0020]
其中，为或ω
b
为节点集，φ
i
为第i个节点之后的所有节点的集合，为φ
i
的有功功率之和，为第i个节点之后所有光伏节点的有功功率之和，为φ
i
的无功功率之和，为第i个节点之后所有光伏节点的无功功率之和，为分布式光伏接入后的节点电压。
[0021]
进一步地，所述的p
pv,n
、ρ
n
和p
pv
满足以下条件：
[0022][0023][0024]
进一步地，所述的综合数学模型的优化过程具体为：
[0025]
确定光伏待接入节点的数目及待接入多分布式光伏的数目及容量；
[0026]
计算多分布式光伏接入同一节点的配电网线损该节点为增益度最高的待接入节点；
[0027]
初始化种群参数，个体包括各个待接入节点接入的多分布式光伏的数目和容量；
[0028]
以综合数学模型为个体适应度函数，结合进行个体的迭代，达到迭代次数后输出适应度值最优的个体，根据该个体获得各个光伏待接入节点接入的多分布式光伏的数目和容量。
[0029]
进一步地，所述的综合数学模型在优化过程中的约束条件为：
[0030][0031]
[0032]
v
min
≤v
pv,i
≤v
max
[0033][0034]
其中，p
s
和q
s
分别为配电网主网提供的有功功率和无功功率，p
d,i
和q
d,i
分别为节点i的有功和无功功率，p
pv,n
和q
pv,n
分别为节点n的分布式光伏注入的有功功率和无功功率，为分布式光伏接入后配电网的无功损耗，v
max
和v
min
分别为节点i的电压上限值和电压下限值，i
pv,ij
和分别为流过支路ij的电流值和电流最大值。
[0035]
一种多分布式光伏并网节点优化系统，包括增益度计算模块、改善度计算模块和模型优化模块；
[0036]
所述的增益度计算模块用于计算配电网线损改善度k
lii
；
[0037]
所述的改善度计算模块用于计算电网增益度k
sg
；
[0038]
所述的模型优化模块用于根据k
lii
和k
sg
建立多分布式光伏并网节点优化的综合数学模型，利用差分进化入侵杂草算法优化综合数学模型，获得最优多分布式光伏接入方案；
[0039]
其中，所述的综合数学模型如下：
[0040]
maxk＝max(λ1k
lii
+λ2k
sg
)
[0041]
其中，λ1和λ2分别为k
lii
和k
sg
的加权系数；
[0042]
所述的k
lii
的计算公式为：
[0043][0044]
其中，为多分布式光伏接入同一节点的配电网总线损，为多分布式光伏接入不同节点的配电网总线损；
[0045]
所述的k
sg
的计算公式为：
[0046][0047]
其中，ω
n
为配电网中分布式光伏接入点的集合，p
pv,n
为节点n的光伏注入有功功率，ρ
n
为节点n的节点增益度，p
pv
为配电网中的光伏注入总有功功率。
[0048]
进一步地，所述的和的计算公式为：
[0049][0050]
其中，为或ω
b
为节点集，φ
i
为第i个节点之后的所有节点的集合，为φ
i
的有功功率之和，为第i个节点之后所有光伏节点的有功功率之和，为φ
i
的无功功率之和，为第i个节点之后所有光伏节点的无功功率之和，为分布式光伏接入后的节点电压。
[0051]
进一步地，所述的p
pv,n
、ρ
n
和p
pv
满足以下条件：
[0052]
[0053][0054]
进一步地，所述的综合数学模型的优化过程具体为：
[0055]
确定光伏待接入节点的数目及待接入多分布式光伏的数目及容量；
[0056]
计算多分布式光伏接入同一节点的配电网线损该节点为增益度最高的待接入节点；
[0057]
初始化种群参数，个体包括各个待接入节点接入的多分布式光伏的数目和容量；
[0058]
以综合数学模型为个体适应度函数，结合进行个体的迭代，达到迭代次数后输出适应度值最优的个体，根据该个体获得各个光伏待接入节点接入的多分布式光伏的数目和容量。
[0059]
进一步地，所述的模型优化模块在优化综合数学模型的过程中的约束条件为：
[0060][0061][0062]
v
min
≤v
pv,i
≤v
max
[0063][0064]
其中，p
s
和q
s
分别为配电网主网提供的有功功率和无功功率，p
d,i
和q
d,i
分别为节点i的有功和无功功率，p
pv,n
和q
pv,n
分别为节点n的分布式光伏注入的有功功率和无功功率，为分布式光伏接入后配电网的无功损耗，v
max
和v
min
分别为节点i的电压上限值和电压下限值，i
pv,ij
和分别为流过支路ij的电流值和电流最大值。
[0065]
与现有技术相比，本发明具有以如下有益效果：
[0066]
本发明综合配电网线损改善度和电网增益度，利用多目标加权法建立综合数学模型，在相同容量下综合考虑多分布式光伏接入同一节点和多分布式光伏接入不同节点对配电网线损的影响，同时利用差分进化入侵杂草算法对综合数学模型进行优化，计算的效率和精度高，获得最优多分布式光伏接入方案，有利于为配电网中分布式光伏的滚动规划，操作简单，适应性强。
附图说明
[0067]
图1为本发明的方法流程图。
具体实施方式
[0068]
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0069]
实施例1
[0070]
一种多分布式光伏并网节点优化方法，如图1，具体为：
[0071]
s1：计算配电网线损改善度k
lii
和电网增益度k
sg
，建立多分布式光伏并网节点优化
的综合数学模型，
[0072]
s2：利用差分进化入侵杂草算法优化综合数学模型，获得最优多分布式光伏接入方案；
[0073]
综合数学模型如下：
[0074]
maxk＝max(λ1k
lii
+λ2k
sg
)
[0075]
其中，λ1和λ2分别为k
lii
和k
sg
的加权系数；
[0076]
k
lii
的计算公式为：
[0077][0078]
其中，为多分布式光伏接入同一节点的配电网总线损，为多分布式光伏接入不同节点的配电网总线损；
[0079]
k
sg
的计算公式为：
[0080][0081]
其中，ω
n
为配电网中分布式光伏接入点的集合，p
pv,n
为节点n的光伏注入有功功率，ρ
n
为节点n的节点增益度，p
pv
为配电网中的光伏注入总有功功率。
[0082]
分布式光伏接入配电网中后，线路上的潮流方向会随着分布式光伏的出力大小而改变，不再是单向流动方式，每条馈线上会有多个接入点，在接入相同容量的前提下，对比多分布式光伏接入同一节点与多分布式光伏接入不同节点的对配电网线损的影响也不相同，每个接入点的节点增益度不同。
[0083]
和的计算公式为：
[0084][0085]
其中，为或ω
b
为节点集，φ
i
为第i个节点之后的所有节点的集合，为φ
i
的有功功率之和，为第i个节点之后所有光伏节点的有功功率之和，为φ
i
的无功功率之和，为第i个节点之后所有光伏节点的无功功率之和，为分布式光伏接入后的节点电压。
[0086]
p
pv,n
、ρ
n
和p
pv
满足以下条件：
[0087][0088][0089]
综合数学模型的优化过程具体为：
[0090]
101)确定光伏待接入节点的数目及待接入多分布式光伏的数目及容量，计算多分布式光伏接入同一节点的配电网线损该节点为增益度最高的待接入节点；
[0091]
102)初始化种群参数，种群中的个体包括各个待接入节点接入的多分布式光伏的数目和容量；
[0092]
103)以综合数学模型为个体适应度函数，根据p
l
posv
s
计算个体的适应度值，并生成种子数，初始化进化代数；
[0093]
104)进行子代繁殖，子代个体以柯西分布随机分布在父代杂草个体周围，并依据适应度高低计算子代个体的种子数。
[0094]
105)判断是否达到最大种群规模，若是则执行步骤106)，否则执行步骤104)；
[0095]
106)执行竞争生存操作，按适应度值的高低将杂草个体和种子个体进行排序，将优秀的个体保留；
[0096]
107)将保留的优秀个体进行变异、交叉、选择操作，生成新的临时种群并计算每个个体的适应度值；
[0097]
108)判断是否达到最大迭代次数，若是则输出最优解，即输出适应度值最优的个体，否则执行步骤103)；
[0098]
109)根据适应度值最优的个体获得k
lii
和k
sg
。
[0099]
若k
lii
为负值，说明相比多分布式光伏接入同一节点，多分布式光伏接入不同节点会引起配电网线损增加，反之，若k
lii
为正值，说明多分布式光伏接入不同节点比接入同一节点更能改善配电网线损。
[0100]
综合数学模型在优化过程中需要满足功率平衡约束、节点电压不越限以及线路上电流不越限，具体的约束条件如下：
[0101][0102][0103]
v
min
≤v
pv,i
≤v
max
[0104][0105]
其中，p
s
和q
s
分别为配电网主网提供的有功功率和无功功率，p
d,i
和q
d,i
分别为节点i的有功和无功功率，p
pv,n
和q
pv,n
分别为节点n的分布式光伏注入的有功功率和无功功率，为分布式光伏接入后配电网的无功损耗，v
max
和v
min
分别为节点i的电压上限值和电压下限值，i
pv,ij
和分别为流过支路ij的电流值和电流最大值。
[0106]
本实施例将k
lii
的加权系数λ1设为0.7，k
sg
的加权系数λ2设为0.3，以ieee-33配电系统为算例进行仿真分析，假设在节点3、9、12、14、18、20、23、27、30和32分别为待接入节点，各节点的节点增益度分别为0.1623、0.0228、0.1636、0.1133、0.0175、0.0499、0.0980、0.1716、0.1729、0.0282，接入3个分布式光伏pv1、pv2、pv3，出力分别为0.3mw、0.4mw、0.5mw，电压设置为额定值，运用差分进化入侵杂草算法计算出最大线损改善度为20.54％，接入方案为：pv1接入节点20、pv2接入节点3、pv3接入节点27。
[0107]
实施例2
[0108]
与实施例1对应的一种多分布式光伏并网节点优化系统，包括增益度计算模块、改善度计算模块和模型优化模块；
[0109]
增益度计算模块用于计算配电网线损改善度k
lii
，改善度计算模块用于计算节点增益度k
sg
，模型优化模块用于根据k
lii
和k
sg
建立多分布式光伏并网节点优化的综合数学模型，利用差分进化入侵杂草算法优化综合数学模型，获得多分布式光伏接入配电网的最优方案；
[0110]
其中，综合数学模型如下：
[0111]
maxk＝max(λ1k
lii
+λ2k
sg
)
[0112]
其中，λ1和λ2分别为k
lii
和k
sg
的加权系数；
[0113]
k
lii
的计算公式为：
[0114][0115]
其中，为多分布式光伏接入同一节点的配电网总线损，为多分布式光伏接入不同节点的配电网总线损；
[0116]
k
sg
的计算公式为：
[0117][0118]
其中，ω
n
为配电网中分布式光伏接入点的集合，p
pv,n
为节点n的光伏注入有功功率，ρ
n
为节点n的节点增益度，p
pv
为配电网中的光伏注入总有功功率。
[0119]
和的计算公式为：
[0120][0121]
其中，为或ω
b
为节点集，φ
i
为第i个节点之后的所有节点的集合，为φ
i
的有功功率之和，为第i个节点之后所有光伏节点的有功功率之和，为φ
i
的无功功率之和，为第i个节点之后所有光伏节点的无功功率之和，为分布式光伏接入后的节点电压。
[0122]
p
pv,n
、ρ
n
和p
pv
满足以下条件：
[0123][0124][0125]
传统的智能算法，如粒子群算法、模拟退火法和遗传算法，在求可行解时易陷入局部最优，计算过程中收敛性差，差分进化入侵杂草算法是差分进化算法和入侵杂草优化算法的混合算法，解决了优化计算过程中的局部最优问题，提高了计算速度。
[0126]
综合数学模型的优化过程具体为：
[0127]
101)确定光伏待接入节点的数目及待接入多分布式光伏的数目及容量，计算多分布式光伏接入同一节点的配电网线损该节点为增益度最高的待接入节点；
[0128]
102)初始化种群参数，种群中的个体包括各个待接入节点接入的多分布式光伏的数目和容量；
[0129]
103)以综合数学模型为个体适应度函数，根据计算个体的适应度值，并生成种子数，初始化进化代数；
[0130]
104)进行子代繁殖，子代个体以柯西分布随机分布在父代杂草个体周围，并依据适应度高低计算子代个体的种子数。
[0131]
105)判断是否达到最大种群规模，若是则执行步骤106)，否则执行步骤104)；
[0132]
106)执行竞争生存操作，按适应度值的高低将杂草个体和种子个体进行排序，将优秀的个体保留；
[0133]
107)将保留的优秀个体进行变异、交叉、选择操作，生成新的临时种群并计算每个个体的适应度值；
[0134]
108)判断是否达到最大迭代次数，若是则输出最优解，即输出适应度值最优的个体，否则执行步骤103)；
[0135]
109)根据适应度值最优的个体获得k
lii
和k
sg
。
[0136]
若k
lii
为负值，说明相比多分布式光伏接入同一节点，多分布式光伏接入不同节点会引起配电网线损增加，反之，若k
lii
为正值，说明多分布式光伏接入不同节点比接入同一节点更能改善配电网线损。
[0137]
综合数学模型在优化过程中需要满足功率平衡约束、节点电压不越限以及线路上电流不越限，具体的约束条件如下：
[0138][0139][0140]
v
min
≤v
pv,i
≤v
max
[0141][0142]
其中，p
s
和q
s
分别为配电网主网提供的有功功率和无功功率，p
d,i
和q
d,i
分别为节点i的有功和无功功率，p
pv,n
和q
pv,n
分别为节点n的分布式光伏注入的有功功率和无功功率，为分布式光伏接入后配电网的无功损耗，v
max
和v
min
分别为节点i的电压上限值和电压下限值，i
pv,ij
和分别为流过支路ij的电流值和电流最大值。
[0143]
实施例1和实施例2提出了一种多分布式光伏并网节点优化方法及系统，利用多目标加权法建立多分布式光伏并网节点优化的综合数学模型，该模型综合考虑多分布式光伏接入同一节点与多分布式光伏接入不同节点的对配电网线损的影响，利用差分进化入侵杂草算法，以综合数学模型为个体适应度函数，筛选最优多分布式光伏接入方案，可以在保证在线损不降低的前提下，优化多分布式光伏的接入方案，具有应用广泛、方法简单和适应性强的优点，对提高分布式光伏发展水平、提升配电网线损管理水平、促进社会经济发展具有重要意义。
[0144]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术
人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。