技术领域本发明涉及一种电网用户侧能效优化调度方法，属于配电系统的技术领域。
背景技术：
近些年来，随着工业的不断发展进步，社会对电力需求不断增加，我国的电网发展正在经历一个迅猛发展过程。但是随着电网规模的不断扩大，也逐渐暴露了其中存在的弊端，如电网运行成本大、各种存在的安全隐患存等，这使得人们需要寻求一种更为安全有效的发电模式，分布式发电由此应运而生。分布式发电具有小型模块化、分散式等特点，通常分布在用户附近，是一种高效可靠发电单元。但是，分布式发电主要是通过太阳能、风能、生物质能参与发电。这就导致分布式发电系统的稳定性往往受到季节、昼夜以及阴晴等气象状况的影响。因此，发电系统中需要有储能装置来对输出功率曲线削峰填谷，实现功率的平滑输出，使整个电网系统保持稳定。但是，传统的分布式电网的调度方法仅对发电输出功率进行平滑控制，却没有考虑到分布式系统还存在着高渗透率的问题，这将导致电压超出界定范围，致使功率反向流向发电站变压器，如果不能很好的进行监控，将会导致分布式系统的损耗增加。
技术实现要素：
本发明的目的在于克服现有技术的不足，提出了一种电网用户侧能效优化调度方法，解决了由于分布式发电高渗透率带来的能耗损失的问题。本发明是通过如下方案予以实现的：一种电网用户侧能效优化调度方法，步骤如下：步骤1，控制中心通过信号采集控制器获取各个分布式电网中被控对象的信息，所述被控对象的信息包括：电网各个连接点的有功功率PPCC和无功功率QPCC、电源能源管理器的有功功率PB和无功功率QB以及变压器的抽头位置T；步骤2，利用粒子群算法，设置各个初始参数值，将被控对象的信息作为粒子的位置信息；在约束范围内随机初始化一个粒子群；步骤3，根据被控对象的信息的总能量损耗的最小值建立适应度函数；步骤4，将粒子群中的粒子代入到适应度函数中求取粒子个体极值和全局极值并对粒子群进行更新，通过多次反复迭代，生成最优的电网各个连接点的有功功率和无功功率、电源能源管理器的有功功率和无功功率以及变压器的抽头位置。进一步的，步骤3中所述的适应度函数的表达式如下：min:F(PB,QB,PPCC,QPCC,T)=Σi=1NPLn(i)]]>其中，PLn(i)为电网中所有支路的总能耗损失。进一步的，步骤2中所述的约束范围为：1)PPCCmin≤PPCC≤PPCCmax2)QPCCmin≤QPCC≤QPCCmax3)PBmin≤PB≤PBmax4)QPCCmin≤QPCC≤QPCCmax5)Tmin≤T≤Tmax6)|QPCC(i)|≤PPCC(i)tan(cos-1PPCCmin)]]>其中，PPCCmin和PPCCmax分别表示电网各个连接点有功功率安全运行的最小值和最大值；QPCCmin和QPCCmax分别表示电网各个连接点无功功率安全运行的最小值和最大值；PBmin和PBmax分别表示电源能源管理器的有功功率安全运行的最小值和最大值；QPCCmin和QPCCmax分别表示电源能源管理器的无功功率安全运行的最小值和最大值；Tmin和Tmax分别表示可变抽头位置的最小值和最大值。进一步的，步骤2中所述的初始参数值包括：粒子数目、第一学习因子、第二学习因子、惯性权重和迭代次数。进一步的，步骤4中所述的个体极值是通过适应度函数求取的最小值，所述的全局极值是通过适应度函数求取的次最小值。本发明和现有技术相比的有益效果是：分布式发电系统中存在着高渗透率问题，这将导致电压超出界定范围，功率反向流向发电站变压器，从而发生电网系统能量损耗增加的问题。本发明提出了一种电网用户侧能效优化调度方法，充分考虑到电网各个连接点的有功功率和无功功率、电源能源管理器的有功功率和无功功率以及变压器的抽头位置对系统能量损耗的问题，利用粒子群算法对电网系统调度进行优化，使分布式电源、连接点与变压器之间协调控制，有效的减少了分布式发电高渗透率造成的能耗损失的问题。附图说明图1是本发明实施例的流程图；图2是本发明实施例中应用于分布式电网系统的实例图。具体实施方式下面结合附图和实施例对本发明做进一步详细的说明。本发明提出了一种电网用户侧能效优化调度方法，分布式电网系统的各个电源分布区域均设有信号采集控制器，各个信号采集控制器采集所在区域被控对象的信息；其中，所述被控对象的信息包括：电网各个连接点的有功功率PPCC和无功功率QPCC、电源能源管理器的有功功率PB和无功功率QB以及变压器的抽头位置T。电网的各个连接点是指一个分布式电网区域中若干负荷的连接汇总处，具体的可以是一个住宅小区的连接点或一个企业的连接点；电源能源管理器是指一个具有控制中心的储能装置，可以通过控制中心实现储能装置的充放电。如图2所示，本实施例中选取3个电源分布区域，每个区域中各选择3个电网连接点，则各被控对象的信息具体表示例如：PPCC＝[PPCC1,PPCC2...PPCC9]QPCC＝[QPCC1,QPCC2...QPCC9]PB＝[PB1,PB2,PB3]QB＝[QB1,QB2,QB3]T＝[T1,T2,T3]能效管理控制中心(EMCC)负责接受来自各个信号采集控制器传来的数据，并结合粒子群算法分析得出最优的控制量并传送给各个区域的信号采集控制器，实现对整个分布式电网系统的调配。能效管理控制中心对各被控对象信息的具体分析过程如下：(1)设置初始参数：将能效管理控制中心接受到电网各个连接点的有功功率PPCC和无功功率QPCC、电源能源管理器的有功功率PB和无功功率QB以及变压器的抽头位置T的总数作为搜索空间中的维度M＝27；并对粒子数目N＝100，第一学习因子C1＝1.5、第二学习因子C2＝1.5、惯性权重ω＝1、最大迭代次数Max＝24进行设置；那么则有，定义初始化的粒子群为：X＝(x1,x2,...,xN)T，xN(1,…,N)表示粒子群中的各个粒子；粒子i的位置信息为：xip＝(PiPCC1,...,QiPCC1,...,PiB1,...,QiB1,...,Ti1,...)T；粒子i的速度信息为：vip＝(vi1,vi2,...,viM)T(2)建立初始粒子群：在粒子控制变量和粒子状态向量约束范围内随机初始化一个粒子数目为N的粒子群，如下式表示：xip=Rand()*(pipmax-xipmin)+xipmin]]>vip=Rand()*vipmax]]>其中，xip代表初始化离子群中第i个粒子的位置信息，vip代表初始化粒子群中第i个粒子的速度信息。Rand()是一个在0～1之间产生的一组随机数。代表约束范围内粒子的位置信息的最大值，代表约束范围内粒子的位置信息的最小值。将此次种群作为第0代状态，同时设定每个粒子的适应度值为无穷大，以确保粒子的速度不受限制。上述所述的约束范围满足如下条件：PPCCmin≤PPCC≤PPCCmaxQPCCmin≤QPCC≤QPCCmaxPBmin≤PB≤PBmaxQPCCmin≤QPCC≤QPCCmaxTmin≤T≤Tmax|QPCC(i)|≤PPCC(i)tan(cos-1PPCCmin)]]>其中，PPCCmin和PPCCmax分别表示电网各个连接点有功功率安全运行的最小值和最大值；QPCCmin和QPCCmax分别表示电网各个连接点无功功率安全运行的最小值和最大值；PBmin和PBmax分别表示电源能源管理器的有功功率安全运行的最小值和最大值；QPCCmin和QPCCmax分别表示电源能源管理器的无功功率安全运行的最小值和最大值；Tmin和Tmax分别表示可变抽头位置的最小值和最大值。(3)根据从分布式电网中采集到的被控对象的信息对待优化的分布式电网进行预测。(4)构建适应度函数：根据当前种群中粒子的速度和位置对待优化的分布式电网进行潮流计算，获得系统总的能耗损失。这里所述的系统总的能耗损失即为电网系统中各连接点，抽头变压器以及电源能源管理器能量之和。根据系统总能量损耗的最小值建立适应度函数，如下式所示：min:F(PB,QB,PPCC,QPCC,T)=Σn=1NΣi=1NPLn(i)]]>其中，PLn(i)为电网中所有支路的总能耗损失。(5)将粒子群中的粒子代入到适应度函数中求得各个粒子的适应度值，将最小的适应度值替换为全局极值，将次最小的适应度值替换为个体极值，这样便可以生成新一代粒子群，具体生成方式如下式；vp(t+1)＝vp(t)+1.5*Rand1()*(p(t)-xp(t))+1.5*Rand2()*(g(t)-xp(t))xp(t+1)＝xp(t)+vp(t+1)其中，vp(t)和xp(t)是t时刻粒子p的速度和位置，p(t)和g(t)是在时间t时刻的个体极值和全局极值。参数w是惯性权重，c1和c2是学习因子。r1和r2是每一速度时刻的随机数。(6)返回第(3)步，进行下一次迭代计算，并代入新一代粒子的位置和速度进行计算，如此反复多次迭代，直到满足设定的迭代次数，终止计算。(7)通过迭代计算获取最终的粒子种群，从而获得电网各连接点的最优有功功率，最优无功功率，电源能源管理器的最优有功功率和最优无功功率，以及变压器的最优抽头位置。实现整个分布式电网能耗损失最小。本发明的主要思路在于：首先选取电网各个连接点的有功功率PPCC和无功功率QPCC、电源能源管理器的有功功率PB和无功功率QB以及变压器的抽头位置T用于构建粒子，设置初始参数(如：粒子数目、学习因子、权重、迭代次数等)，然后利用粒子群算法。建立适应度函数求解电网各连接点的最优有功功率，最优无功功率，电源能源管理器的最优有功功率和最优无功功率，以及变压器的最优抽头位置。对于初始参数的设定、粒子数目的选取等都可以采用现有技术中的其他方式进行，并不限于以上实施例中的具体手段。在本发明给出的思路下，采用对本领域技术人员而言容易想到的方式对上述实施例中的技术手段进行变换、替换、修改，并且起到的作用与本发明中的相应技术手段基本相同、实现的发明目的也基本相同，这样形成的技术方案是对上述实施例进行微调形成的，这种技术方案仍落入本发明的保护范围内。