一种基于帝国主义竞争算法的智能配电网随机潮流方法

文档序号:9869171
一种基于帝国主义竞争算法的智能配电网随机潮流方法
【技术领域】
[0001] 本发明设及电力系统技术领域,特别是设及一种基于帝国主义竞争算法的智能配 电网随机潮流方法。
【背景技术】
[0002] 分布式发电(Dist;r;Lbuted generation,DG)是解决当前能源危机和环境污染问题 的有效手段,随着单位电能生产成本的不断降低和政策的大力支持,含分布式电源的微网 将是未来智能配电网的重要组成部分。由于可再生能源如风能、太阳能等W及负荷功率具 有很大的不确定性,微网的运行控制将面临新的挑战。
[0003] 潮流计算是电力系统运行分析和规划设计的基础,传统潮流方法如适合福射型网 络的前推回代法和环状结构的N-R法都无法全面反映系统不确定因素的影响,并且大量DG 的接入改变了原来配电网的拓扑结构(由纯福射型变为弱环型),使得单一的潮流算法具有 很大的局限,因此研究适应未来智能配电网特点的潮流计算方法具有重要意义。

【发明内容】

[0004] 发明目的:本发明的目的是提供一种能够加快算法的计算速度,提升算法的有效 性和实用性的基于帝国主义竞争算法的智能配电网随机潮流方法。
[0005] 技术方案:本发明所述的基于帝国主义竞争算法的智能配电网随机潮流方法,具 体包括W下几个步骤:
[0006] SI:建立负荷、风力发电系统和太阳能光伏发电系统的随机模型,并产生输入随机 变量的样本;
[0007] S2:初始化电压幅值和相角;计算适应度函数F的值并确定初始帝国;
[0008] S3:进行帝国的同化和革命操作;
[0009] S4:比较帝国主义国家和殖民地的适应度函数。胃、。。。1,交换帝国主义国家和殖民 地的位置;
[0010] S5:计算整个帝国的适应度函数值并进行帝国合并;
[0011] S6:引入克隆进化算子,加快算法的收敛速度,得到输出变量的概率分布。
[0012] 进一步,所述步骤Sl中,系统随机模型的构建方法包括W下的步骤:
[0013] S1.1:计算负荷的有功功率的概率密度函数f (P)和无功功率的概率密度函数f (Q):
(1)
[001引式(1)中,帖、Op分别为负荷的有功功率的期望值、方差,叫、則分别为负荷的无功功 率的期望值、方差;
[0016] SI.2:采用双参数Weibull函数拟合风电机组有功出力的概率密度函数f(v):
(2)
[001引式(2)中,V为风速,k和C分别为We化Ull分布的两个参数;将式(2)产生的风速序列 代入式(3),求得风电机组有功出力的概率分布函数P(V):
(3)
[0020] 式(3)中,扣为风电机组的额定功率;VR、Vin和VDUt分别为额定风速、切入风速和切 出风速;
[0021] SI.3:计算太阳能光伏发电系统的输出功率P:
(4)
[0023] 式(4)中,Pstc为标准状态太阳能光伏发电系统的额定功率,Ging、Gstc分别为实际的 福射强度和标况下的福射强度,k为最大功率溫度系数,T。和Tr分别为实际溫度和参考溫度。
[0024] 进一步,所述步骤S2中,初始帝国的确定方法如下:
[0025] S2.11:随机产生Npnp个国家,在约束范围内随机选取电压幅值和相角的值,得到输 入向量X= [Vi,,Si,82,…],其中Vi为电压幅值,S功相角的值;
[0026] S2.12:选取适应度函数F较大的前Nimp个国家作为帝国主义国家,剩下的都作为殖 民地,并为每个帝国主义国家分配殖民地形成初始的Nimp个帝国。
[0027] 进一步,计算适应度函数F的方法如下:
[0028] S2.21:计算基本潮流方程:
(.5)
[0030] 式(5)中,巧,,和么/分别为节点i的计算有功功率和计算无功功率,IYuI为节点i 导纳矩阵的元素,01功i、j两节点的相角差,S功节点i的电压相角,S功节点j的电压相角;
[0031] S2.22:计算节点i的最大有功变化率A P和最大无功变化率A Q:
(6)
[0033]式(6)中,瑞讀P0^,,分别为节点i的计划有功功率和计划无功功率,巧、0二,分别 为墙的初值和觀的初值,r为(-1,1)之间的常数;
[0034] S2.23:计算除平衡节点W外的适应度函数F:
[0035] 首先,确定目标函数Z为各节点适应度函数Fi之和,求解目标函数Z的最小值,如式 (7)、(8)所示,并保证各节点的电压幅值和相角在约束范围之内,如式(9)、(10)所示;
[0036] Min: {Z = sunKFi)} (7)
[0037] 巧二巧 +巧 (8)
[003引 |Vi,min|<|Vi|<|Vi'丽I (9)
[0039] Si,min<Si<Si,max (10)
[0040] 式(8)中的Fpi和FQi如下:
(11) (U)
[0043] 式(11)中,时i包括了PQ和PV节点;式(12)中,FQi只含PQ节点。
[0044] 进一步,所述步骤S3中,帝国的同化和革命操作方法如下:
[0045] 同化操作方法为:W殖民地向其所属帝国主义国家移动来模拟同化过程;
[0046] 革命操作方法为:殖民地的坐标位置随机发生改变。
[0047] 进一步,所述步骤S4中,交换帝国主义国家和殖民地位置的方法如下:
[0048] 当一个殖民地国家到达新的位置后,比较帝国主义国家和殖民地的适应度函数 Flmp、Fc。l,若殖民地的适应度函数Fc。l超过所属帝国主义国家的适应度函数Flmp,则交换两者 位置,该殖民地成为新的帝国主义国家,而原来的帝国主义国家沦为殖民地。
[0049] 进一步,所述步骤S5中,进行帝国合并的步骤为:
[0050] S5.1:计算整个帝国的适应度函数值;
[0051] S5.2:帝国之间通过竞争实现扩张,适应度函数大的帝国控制并占有适应度函数 小的帝国的殖民地,适应度函数小的帝国不断丢失殖民地,当最后一个殖民地丢失时帝国 灭亡,当只剩一个帝国时结束帝国合并运算。
[0052] 进一步,所述步骤S6包括W下的步骤:
[0053] S6.1:将帝国主义国家按适应度函数从大到小排序,并依次进行克隆,克隆个数Nci 可由式(13)得到:
[0054] 訪〇 = L义 *Wai/」 (巧)
[0化5]式(13)中,A为克隆系数,Ncoi,1为第i个帝国主义国家的殖民地个数,L」表示向下 取整运算符;
[0056] S6.2:对第i个帝国的克隆群体Cl进行变异,产生新的变异群体出:
(14) (巧)
[0059] 式(14)中,n是问题维度,與为变异概率,馬。"表示一个NciXn阶矩阵,Imax为适应度 函数最大的帝国主义国家;式(15)中,m为帝国个数;
[0060] S6.3:将变异群体出随机划分为四组,即出,1、出,2、出,3和出,4,每组按式(16)进行交 叉计算:
[0061] Ki =出,广出,2+出,3-出,4 (16)
[0062] S6.4:取Ki和出中适应度函数最大的k个克隆变异个体取代当前适应度函数最小的 k个帝国主义国家,统计输入样本的计算结果,求得输出变量的概率分布。
[0063] 有益效果:本发明方法能反映大量DG接入下系统的不确定性,在原始ICA的基础上 引入克隆进化的思想,加强了帝国间的信息交互,能够适应不同DG渗透率下纯福射型、弱环 型和纯环状的配电网络,并具有良好的收敛性。
【附图说明】
[0064] 图1是本发明方法的步骤框图;
[0065] 图2是本发明方法的流程图;
[0066] 图3是本发明实施例提供的IE邸-33节点系统案例模型图;
[0067] 图4是本发明实施例提供的光伏输出功率样本分布示意图;
[0068] 图5是本发明实施例提供的风电输出功率样本分布示意图;
[0069] 图6是本发明实施例提供的系统各节点的平均电压分布示意图;
[0070] 图7是本发明实施例提供的两种场景下(有无 DG)节点23电压的CDF对比图;
[0071] 图8是本发明实施例提供的方法与MCS的误差特性(期望)曲线对比图;
[0072] 图9是本发明实施例提供的方法与MCS的误差特性(方差)曲线对比图。
【具体实施方式】
[0073] 下面结合【具体实施方式】对本发明的技术方案作进一步的介绍。
[0074] 本发明公开了一种基于帝国主义竞争算法(ICA)的智能配电网随机潮流方法,用 于解决现有的潮流算法在解决未来智能配电网中大量DG的接入所带来的不确定因素增多, 网络拓扑结构改变等方面的不足,在原始ICA的基础上引入克隆进化的思想,加强了帝国间 的信息交互,能够适应不同DG渗透率下纯福射型、弱环型和纯环状的配电网络,并具有良好 的收敛性。
[0075] 下面结合附图对本发明的应用原理作详细的描述。
[0076] 如图1、图2所示,本发明方法包括W下步骤:
[0077] SI:建立负荷、风力发电系统和太阳能光伏发电系统的随机模型,并产生输入随机 变量的样本;
[0078] S2:初始化电压幅值和相角;计算适应度函数F的值并确定初始帝国;
[0079] S3:进行帝国的同化和革命操作;
[0080] S4:比较帝国主义国家和殖民地的适应度函数。胃、。。。1,交换帝国主义国家和殖民 地的位置;
[0081 ] S5:计算整个帝国的适应度函数值并进行帝国合并;
[0082] S6:引入克隆进化算子,加快算法的收敛速度,得到输出变量的概率分布。
[0083] 步骤SI中,系统随机模型的构建方法包括W下的步骤:
[0084] S1 . 1:计算负荷的有功功率的概率密度函数f (P)和无功功率的概率密度函数f (Q):
Cl)
[0086] 式(1)中,帖、Op分别为负荷的有功功率的期望值、方差,叫、Oq分别为负荷的无功功 率的期望值、方差;
[0087] SI.2:采用双参数Weibull函数拟合风电机组有功出力的概率密度函数f(v):
(2)
[0089]式(2)中,V为风速,k和C分别为We化Ull分布的两个参数;将式(2)产生的风速序列 代入式(3),求得风电机组有功出力的概率分布函数P(V):
(3)
[0091] 式(3)中,扣为风电机组的额定功率;VR、Vin和VDUt分别为额定风速、切入风速和切 出风速;
[0092] SI.3:计算太阳能光伏发电系统的输出功率P:
(4)
[0094]式(4)中,Pstc为标准状态太阳能光伏发电系统的额定功率,Ging、Gstc分别为实际的 福射强度和标况下的福射强度,k为最大功率溫度系数,T。和Tr分别为实际溫度和参考溫度。 光伏和风电输出功率的样本分布如图4、图5所示。
[00M]步骤S2中,初始帝国的确定方法如下:
[0096] S2.11:随机产生Npnp个国家,在约束范围内随机选取电压幅值和相角的值,得到输 入向量X= [Vi,,Si,82,…],其中Vi为电压幅值,S功相角的值;
[0097] S2.12:选取适应度函数F较大的前Nimp个国家作为帝国主义国家,剩下的都作为殖 民地,并为每个帝国主义国家分配殖民地形成初始的Nimp个帝国。
[0098] 计算适应度函数F的方法如下:
[0
再多了解一些
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1