本发明属于配电网技术领域，特别涉及一种配电网分布式储能单元电压薄弱性指数评估方法。
背景技术：
电力系统及其中众多的发电和储能设备组成了一个复杂的系统，如何根据区域电网和多个储能单元运行特点进行配电网分布式储能单元电压薄弱性指数评估，使每个区域电网都能发挥最大效益，同时也使系统都能最有效、最快速的利用电网资源，以往配电网分布式储能单元电压薄弱性指数评估的特点是忽略多储能单元的相互作用及其与电网间的作用过程，由区域电网或多储能单元系统内各个系统独立进行电压薄弱性分析运行，互相间的电压薄弱性分析不能协调同步，不能有效利用电网资源，评估准确度不高。
有鉴于此，本发明提供一种配电网分布式储能单元电压薄弱性指数评估方法，以满足实际应用需要。
技术实现要素：
本发明的目的是：为克服现有技术的不足，本发明提供一种配电网分布式储能单元电压薄弱性指数评估方法，从而获得配电网分布式储能单元电压薄弱性指数。
本发明所采用的技术方案是：一种配电网分布式储能单元电压薄弱性指数评估方法，其特征在于，包括如下步骤：
步骤1：建立配电网分布式储能单元电压薄弱性指数演化系统的时间序列：
在固定时间间隔对储能电压、温度、风速、储能无功进行测量，并网点电压变化率历史最大值与并网点电压变化率测量值之差除以配网电压变化率最大值作为配电网分布式储能单元电压薄弱性指数，即：
则，在一系列时刻tc1,tc2,...,tcn，n为自然数，n＝1,2,…，得到储能电压spc1、温度spc2、风速spc3、储能无功spc4的时间序列：
步骤2：构建测量数据时间序列的m维相空间：
设测量数据的时间序列为{spcki}，其中(i＝1,2,...,4n)，并利用此特征量构造一组m维向量
vspcki＝(spcki,spcki-τ,...,spcki-(m-1)τ)(2)
其中，τ为延迟时间，m为嵌入维数；
步骤3：相空间重构后的蚁群算法处理：
步骤3.1：建立带有惩罚因子和约束函数的目标函数：
yspc＝minfmb(spcxi)+gcf(spcxi)+rys(spcxi)(3)
其中，式中spcxi为优化变量，fmb(spcxi)为目标函数，gcf(spcxi)为目标函数的惩罚因子，rys(spcxi)为目标函数的约束项，yspc为待求的配电网分布式储能单元电压薄弱性指数；
步骤3.2：采用dijkstra算法寻找初始源点到所有节点的初始次优路径：
将所有节点分为两组，第一组为已确定最短路径的节点集合q，第二组为未确定最短路径的节点集合u，设初始化源点到其他节点的最短路径长度为d，当确定源点到i点的最短路径长度为d[i]时，把i点从集合u中取出放入集合q中，根据节点i修改更新数组d中源点到集合u中节点k对应的路径长度值，直到寻找出源点到所有节点的最短路径为止；
步骤3.3：采用蚁群算法模型解的表示：
设p1,p2,...,pd为次优路径经过的节点，节点对应的自由连接线依次为li，设pi(0)和pi(i)为li的两个端点，则其他点表示方法为：
pi(hi)＝pi0+(pi1-pi0)×hi,hi∈[0,1](4)
其中，hi为比例参数，蚁群算法的解即表示为(h1,h2,...,hd)，d为节点数；
步骤3.4：状态转移概率的计算：
当前结点i到下一节点j的状态转移概率pi,j的计算公式为：
其中，下标i表示为当前蚂蚁能选择的节点，
步骤3.5：信息素更新：
采用实时信息素更新，在每一只蚂蚁选择某个节点后，该节点的信息素进行如下更新：
τi,j＝(1-ρ)τi,j+ρτ0(5)
式中，τ0为信息素初始值，ρ为[0,1]区间上的可调参数；
步骤4：配电网分布式储能单元电压薄弱性指数计算：
当蚁群算法的迭代次数达到设定最大迭代次数nmax，算法终止，得到yspc即为配电网分布式储能单元电压薄弱性指数评估值。
本发明的有益效果是：本发明为配电网提供了一种配电网分布式储能单元电压薄弱性指数评估方法，对区域电网及其内储能单元运行参数及气象环境参数进行实时监测，并根据监测参数对配电网分布式储能单元电压薄弱性进行预测计算，根据计算结果实时地对电压水平进行控制，能够有效避免各个储能单元之间电压水平不平衡现象，显著提高区域电力系统可靠性与经济性。
附图说明
图1为本发明实施例的目标函数迭代运算图。
具体实施方式
为了更好地理解本发明，下面结合实施例进一步阐明本发明的内容，但本发明的内容不仅仅局限于下面的实施例。本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样在本申请所列权利要求书限定范围之内。
如图1所示，本发明实施例提供的一种配电网分布式储能单元电压薄弱性指数评估方法，包括如下步骤：
步骤1：建立配电网分布式储能单元电压薄弱性指数演化系统的时间序列：
在固定时间间隔对储能电压、温度、风速、储能无功进行测量，并网点电压变化率历史最大值与并网点电压变化率测量值之差除以配网电压变化率最大值作为配电网分布式储能单元电压薄弱性指数，即：
则，在一系列时刻tc1,tc2,...,tcn(n为自然数，n＝1,2,…)得到储能电压spc1、温度spc2、风速spc3、储能无功spc4的时间序列：
步骤2：构建测量数据时间序列的m维相空间：
设测量数据的时间序列为{spcki}，其中(i＝1,2,...,4n)，并利用此特征量构造一组m维向量
vspcki＝(spcki,spcki-τ,...,spcki-(m-1)τ)(2)
其中，τ为延迟时间，m为嵌入维数。
在本实施例中，τ＝5，m＝6。
步骤3：相空间重构后的蚁群算法处理：
步骤3.1：建立带有惩罚因子和约束函数的目标函数：
yspc＝minfmb(spcxi)+gcf(spcxi)+rys(spcxi)(3)
其中，式中spcxi为优化变量，fmb(spcxi)为目标函数，gcf(spcxi)为目标函数的惩罚因子，rys(spcxi)为目标函数的约束项，yspc为待求的配电网分布式储能单元电压薄弱性指数。
步骤3.2：采用dijkstra算法寻找初始源点到所有节点的初始次优路径：
将所有节点分为两组，第一组为已确定最短路径的节点集合q，第二组为未确定最短路径的节点集合u，设初始化源点到其他节点的最短路径长度为d，当确定源点到i点的最短路径长度为d[i]时，把i点从集合u中取出放入集合q中，根据节点i修改更新数组d中源点到集合u中节点k对应的路径长度值，直到寻找出源点到所有节点的最短路径为止。
步骤3.3：采用蚁群算法模型解的表示：
设p1,p2,...,pd为次优路径经过的节点，节点对应的自由连接线依次为li，设pi(0)和pi(i)为li的两个端点，则其他点表示方法为：
pi(hi)＝pi0+(pi1-pi0)×hi,hi∈[0,1](4)
其中，hi为比例参数，蚁群算法的解即表示为(h1,h2,...,hd)，d为节点数。
在本实施例中，d＝1000。
步骤3.4：状态转移概率的计算：
当前结点i到下一节点j的状态转移概率pi,j的计算公式为：
其中，下标i表示为当前蚂蚁能选择的节点，
在本实施例中，取b＝1.117。
步骤3.5：信息素更新：
采用实时信息素更新，在每一只蚂蚁选择某个节点后，该节点的信息素进行如下更新：
τi,j＝(1-ρ)τi,j+ρτ0(5)
式中，τ0为信息素初始值，ρ为[0,1]区间上的可调参数。
在本实施例中，τ＝0.88021，ρ＝0.7532。
步骤4：配电网分布式储能单元电压薄弱性指数计算：
当蚁群算法的迭代次数达到设定最大迭代次数nmax，算法终止，本实施例中，nmax＝500，解得yspc即为配电网分布式储能单元电压薄弱性指数评估值。
以上仅为本发明的实施例而已，并不用于限制本发明，因此，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。