考虑主动配电系统动态路径优化的分布式电源配置方法与流程

本发明涉及分布式电源优化配置领域，尤其是涉及一种考虑主动配电系统动态路径优化的分布式电源配置方法。

背景技术：

主动配电系统作为配电技术的一个重要发展方向，预示着未来配电网将成为具有主动控制和运行能力的有机系统；预示着未来配电网势必要满足对各种形式dg的兼容包并，实现dg在配电网中广泛接入及高度渗透的目的。但dg的大量接入也使得配电网由简单辐射受电无源网络变成了复杂的有源网络，dg接入的位置、容量及运行方式对配电网的电压、潮流、网络损耗等也带来了不同程度的影响。因此，研究dg的优化配置对ads(主动配电系统)的经济可靠运行具有重要意义。

由于ads中间歇性dg出力的时变性和系统负荷功率的不确定性，各个时刻对应的最优网架结构可能不同，在研究dg优化配置问题时，需要考虑ads网架结构的动态优化。本文建立了计及ads动态路径优化的dg双层优化配置模型，分时段优化ads中分段联络开关组合，在动态网架结构下，综合考虑运行调度因素，研究dg的优化配置问题。实施例分析中设置不同的优化方案进行对比，验证所提模型、方法的合理性和dg优化配置方案的适用性。

技术实现要素：

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考虑主动配电系统动态路径优化的分布式电源配置方法。

本发明的目的可以通过以下技术方案来实现：

一种考虑主动配电系统动态路径优化的分布式电源配置方法，包括以下步骤：

1)建立考虑主动配电系统动态路径优化的分布式电源双层优化配置模型；

2)根据改进ofcmc方法，将主动配电系统动态路径优化问题转化成c个代表负荷数据为聚类中心的静态路径优化问题；

3)对分布式电源双层优化配置模型进行求解，获取最优的配置方案。

所述的步骤1)中，考虑主动配电系统动态路径优化的分布式电源双层优化配置模型包括上层优化模型和下层优化模型，所述的上层优化模型以待优化配电系统的综合年费用最小为目标函数，所述的下层优化模型以ads日运行费用最小为目标函数。

所述的上层优化模型目标函数的表达式为：

f＝min(cenergy+cpollution+cinvest+com+cfuel)

其中，cenergy为向主网购电年费用，cpollution为环境成本年费用，cinvest为dg投资年费用，com为dg运行维护年费用，cfuel为mt燃料成本年费用，cbuy为时段t的电价，pload,t为时段t的系统负荷功率，pwg,t为时段t对应风力发电有功功率，ppv,t为时段t对应光伏发电有功功率；pmt,t为时段t对应微型燃气轮机有功功率，ploss,t为时段t的系统总网损，δt为时段长度，ngas为污染气体类型数，αq为第q类污染气体每克成本费用，βq为mt单位电量产生的第q类气体的排放量，i表示节点，ndg为dg接入节点的集合，λdgi为第i个节点的单位容量dg投资费用，wdgi为第i个节点接入dg的容量，r为折现率，tdg为dg的投资使用年限，λomi为dg发出单位电量所对应的维护费用，λmti为接入第i个节点的mt的燃料成本；为接入第i个节点的mt在t时段的有功功率。

所述的上层优化模型的约束条件包括：

a、各节点dg安装容量约束：

其中，pwgimax、ppvimax、pmtimax分别为节点i接入风电、光伏和微型燃气轮机最大有功出力，pwgi、ppvi、pmti为对应的有功出力；

b、系统dg渗透率约束：

式中：pwgi、ppvi、pmti分别为风电、光伏和微型燃气轮机对应的有功出力，ρ为dg的最大渗透率，pload,max为系统最大负荷。

所述的下层优化模型目标函数的表达式为：

其中，cbuy为时段t的电价，pload,t为时段t的系统负荷功率，pwg,t为时段t对应风力发电有功功率，ppv,t为时段t对应光伏发电有功功率，pmt,t为时段t对应微型燃气轮机有功功率，ploss,t为时段t的系统总网损，λmti为接入第i个节点的mt的燃料成本，为接入第i个节点的mt在t时段的有功功率，cop为日开关费用。

所述的下层优化模型的约束条件包括：

c、潮流方程约束：

其中，pi,t和qi,t分别为节点i在时段t注入的有功和无功功率，pdgi,t和qdgi,t分别为节点i在t时段dg输入的有功和无功功率，pli,t和qli,t分别为负荷节点在t时段的有功功率和无功功率，ui,t和uj,t分别为节点i和节点j在t时段的电压，gij,t和bij,t分别为节点i、j组成的线路在t时段的电导和电纳，σij,t为节点i和j的相角差，n为系统中的节点个数；

d、节点电压约束

其中，与为节点i在时段t对应的电压下限和上限；

e、支路潮流约束：

其中，为支路ij在时段t的传输功率，和分别为节点i和节点j在t时段的电压，gij和bij分别为节点i、j组成的线路在t时刻的电导和电纳，为节点i和j的相角差，为支路ij的上限传输功率；

f、微型燃气轮机出力约束：

其中，为接入第i个节点的mt在t时段的有功功率，wmti为节点i接入mt的容量；

g、dg有功和无功出力约束：

其中，pdgi,t和qdgi,t分别为节点i在t时段dg输入的有功和无功功率，和分别为接入第i节点的pv、wt和mt在t时段的有功功率，和分别为接入第i节点的pv、wt和mt在t时段的有功功率，分别为不同dg对应的功率因数角，spv、swt、smt分别为不同dg对应的节点集合。

所述的步骤2)中，采用改进ofcmc方法对ads等值负荷进行聚类，并通过isodata迭代求解目标函数，使得数据点到聚类中心之间差值最小，ads典型日负荷x的最优模糊c均值聚类表示为：

其中，j为类中距，u为隶属度矩阵，v为聚类中心集合，c为聚类数，dmk为第k时段的负荷状态xk与第m个聚类中心vm的欧式距离，μmk为第k时段的负荷状态xk隶属于第m类的程度，n1为典型日被等时间间隔划分的时段总数，上标h为isodata迭代技术收敛因子。

所述的步骤3)中，采用两层嵌套的基于模拟退火的改进粒子群优化算法进行求解。

与现有技术相比，本发明具有以下优点：

本发明中充分考虑主动配电系统运行调度因素，间歇性dg出力时变性和系统负荷功率不确定性，建立了计及ads动态路径优化的dg双层优化配置模型。并利用改进ofcmc方法，将ads动态路径优化问题转化成c个代表负荷数据为聚类中心的静态路径优化问题，采用两层嵌套的pso-sa优化搜索算法对该双层优化问题进行求解，并设置不同的优化方案进行对比，验证了所提模型的合理性以及考虑ads动态路径优化的dg优化配置方案的适用性。实施例结果表明，在动态网架结构下进行dg优化配置，可以有效减小网络损耗，提高配电系统dg消纳能力，得到经济性指标综合最优的方案。

附图说明

图1为本发明的发明流程图。

图2为双层优化模型框架。

图3为负荷聚类流程图。

图4为某配电系统典型日负荷曲线图。

图5为某配电系统典型日负荷聚类结果图。

图6为pso-sa算法流程图。

图7为基于pso-sa算法的双层优化模型求解流程图。

图8为ieee33节点系统图。

图9为典型日负荷-不可控dg等值曲线图。

图10为典型日等值负荷最优聚类结果图。

图11为两种方案下mt各时段的有功出力图。

图12为两种方案下各时段的系统网络损耗图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

如图1所示，本发明提供一种考虑主动配电系统动态路径优化的分布式电源优化配置方法，包括以下步骤：

s1建立计及主动配电系统动态路径优化的分布式电源双层优化配置模型；

s2利用改进ofcmc方法，将主动配电系统动态路径优化问题转化成c个代表负荷数据为聚类中心的静态路径优化问题；

s3采用两层嵌套的pso-sa优化搜索算法对该双层优化问题进行求解，并设置不同的优化方案进行对比。；

步骤s1中建立计及主动配电系统动态路径优化的分布式电源双层优化配置模型，上层模型求解接入ads的各类型dg最优容量，确定运行问题的目标值并传递给下层；下层模型求解各时段可控dg微型燃气轮机有功出力和ads网架结构，为上层目标提供网架基础。上下两层优化模型相互作用，最终确定问题的最优方案。双层优化模型框架如图2所示。

具体包括以下步骤：

步骤s11：上层模型的目标函数为待优化配电系统的综合年费用最小，包括向主网购电年费用cenergy、环境成本年费用cpollution、dg投资年费用cinvest、dg运行维护年费用com和mt燃料成本年费用cfuel，其表达式为：

f＝min(cenergy+cpollution+cinvest+com+cfuel)

1)向主网购电年费用

式中：cbuy为时段t的电价；pload,t为时段t的系统负荷功率；pwg,t为时段t对应风力发电有功功率；ppv,t为时段t对应光伏发电有功功率；pmt,t为时段t对应微型燃气轮机有功功率；ploss,t为时段t的系统总网损；δt为时段长度(本文取1h)。

2)环境成本年费用

式中：ngas为污染气体类型数；αq为第q类污染气体每克成本费用，单位为元/g；βq为mt单位电量产生的第q类气体的排放量，单位为g/kwh；pmt,t为时段t对应微型燃气轮机有功功率；δt为时段长度(本文取1h)。

3)dg投资年费用

式中：i表示节点，ndg为含dg节点个数；λdgi为第i个节点的单位容量dg投资费用；wdgi为第i个节点接入dg的容量；ndg为dg接入节点的集合；r为折现率；tdg为dg的投资使用年限。

4)dg运行维护年费用

式中：λomi为dg发出单位电量所对应的维护费用；wdgi为第i个节点接入dg的容量；δt为时段长度(本文取1h)。

5)mt燃料成本费用

式中：λmti为接入第i节点的mt的燃料成本；为接入第i节点的mt在t时段的有功功率。δt为时段长度(本文取1h)。

上层优化约束条件为：

1)各节点dg安装容量约束。

式中：pwgimax、ppvimax、pmtimax分别为节点i接入风电、光伏和微型燃气轮机最大有功出力；pwgi、ppvi、pmti为其对应的有功出力。

2)系统的dg渗透率约束。

式中：pwgi、ppvi、pmti为风电、光伏和微型燃气轮机对应的有功出力。ρ为dg的最大渗透率；pload,max为系统最大负荷。

步骤s12：下层优化模型目标函数为ads日运行费用最小，优化变量为各时段mt有功出力和分段联络开关调度方案。

式中：cbuy为时段t的电价，pload,t为时段t的系统负荷功率；pwg,t为时段t对应风力发电有功功率；ppv,t为时段t对应光伏发电有功功率；pmt,t为时段t对应微型燃气轮机有功功率；ploss,t为时段t的系统总网损；λmti为接入第i节点的mt的燃料成本；为接入第i节点的mt在t时段的有功功率；cop为日开关费用。

下层优化约束条件为：

1)潮流方程约束。

式中：pi,t和qi,t分别为节点i在时段t注入的有功和无功功率；pdgi,t和qdgi,t分别为节点i在t时段dg输入的有功和无功功率；pli,t和qli,t分别为负荷节点在t时段的有功功率和无功功率；ui,t和uj,t分别为节点i和节点j在t时段的电压；gij,t和bij,t分别为节点i、j组成的线路在t时刻的电导和电纳；σij,t为节点i和j的相角差；n为系统中的节点个数。

2)节点电压约束。

式中：与为节点i在时段t对应的电压下限和上限。

3)支路潮流约束。

式中：为支路ij在时段t的传输功率，和分别为节点i和节点j在t时段的电压，gij和bij分别为节点i、j组成的线路在t时刻的电导和电纳；为节点i和j的相角差；为支路ij的上限传输功率。

4)微型燃气轮机出力约束。

式中：为接入第i节点的mt在t时段的有功功率；wmti为节点i接入mt的容量。

5)dg有功和无功出力约束。

潮流计算时将所有的dg简化为pq节点，作为负的负荷处理，故dg的有功和无功出力约束可表示为

式中：pdgi,t和qdgi,t分别为节点i在t时段dg输入的有功和无功功率；和分别为接入第i节点的pv、wt和mt在t时段的有功功率。和分别为接入第i节点的pv、wt和mt在t时段的有功功率。分别为不同dg对应的功率因数角；spv、swt、smt分别为不同dg对应的节点集合。

所述的步骤s2中利用改进ofcmc方法，将主动配电系统动态路径优化问题转化成c个代表负荷数据为聚类中心的静态路径优化问题。

将ads典型日负荷及风力、光伏发电预测值合成得到分时段的负荷-不可控dg等值曲线，基于改进ofcmc对ads等值负荷进行聚类。典型日被等时间间隔的划分为n1个时段，假定在各时段内对应节点的负荷为恒定值，则第k时段(k＝1,2,…,n1)对应的负荷状态为xk＝[xk1,xk2,…,xkn]，xk为一个n维向量，n为网络节点数，xki为k时段节点i(i＝1,2,...,n)的复功率。典型日所有负荷状态x＝{x1,x2,…,xn1},聚类后将x分为c类(c∈[2，n1-1])，对应的聚类中心v＝{v1,v2,...,vc}，第m个聚类中心为vm＝[vm1,vm2,...,vmn]，vmi为第m个聚类中心节点i的复功率。

ads典型日负荷x的最优模糊c均值聚类可表示为

式中：j为类中距，dmk为xk与vm的欧式距离，μmk为xk隶属于m类的程度。

通过isodata迭代技术求解目标函数，使得数据点到聚类中心之间差值最小。首先随机生成初始隶属度矩阵u＝(μmk)c×n1，得到初始聚类中心，运用拉格朗日乘子法按照式上式不断迭代修正聚类中心，其中h为isodata迭代技术收敛因子。

另外在处理负荷数据时，为便于对其进行比较加权，按照下式对其进行标准化处理。

本文在采用改进ofcmc进行动态路径优化时段划分时，考虑了负荷时序特性，在得到初始分段后对曲线进行平滑处理，所得的分段数严格小于一天内最大路径优化允许次数。负荷聚类流程如图3所示。

利用改进ofcmc对某配电网络典型日24小时的负荷数据进行最优分类，负荷曲线如图4所示，得到负荷最优聚类结果如图5所示。

同一聚类下的时间段，其负荷状态具有相似性，若以网损最小为目标，其路径优化结果也相同或相近，因此利用该思想可以将主动配电网动态路径优化问题转化成c个代表负荷数据为聚类中心的静态路径优化问题。

所述的步骤s3中采用两层嵌套的pso-sa优化搜索算法对该双层优化问题进行求解，并设置不同的优化方案进行对比。具体步骤如下：

步骤s31：引入sa算法中的mertropolis准则与pso算法相结合，形成基于模拟退火的改进粒子群优化算法(pso-sa)，以串行的方式进行双重优化，利用模拟退火算法的突跳性，抑制pso算法的“早熟”现象，得到全局最优值。与单一的pso算法相比，pso-sa算法具有更高的搜索能力及收敛精度。

pso-sa算法求解主动配电网重构问题的具体步骤如下：

step1：参数初始化，输入主动配电网初始信息参数，设定粒子群规模为r，随机产生r个初始解和r个初始速度，惯性权重系数w，一般取0.8，最大迭代次数itermax，学习因子c1,c2(c1+c2≤4)，最大速度vmax，起、止温度t、t0，退火速度α。

step2：若当前迭代次数小于最大迭代次数，根据粒子当前位置xk和当前速度vk产生该粒子新的位置。

step3：进行潮流计算，计算每个粒子新位置的适应度值，若当前粒子适应度值优于之前的个体历史最优值pbest,k，则设置当前适应度值为pbest,k。当前全局最优值qbest取pbest,k中的最小值，其对应的位置为xbest。

step4：按照式vk+1＝wvk+c1(pbest,k-xk)+c2(qbest,k-xk)更新各粒子的速度vk，得到新速度vk+1∈[-vmax,vmax]，按照式xk+1＝xk+vk+1更新各粒子位置xk，得到当前位置xk+1。

step5：计算粒子k两个位置变化后适应度值的变化量δe＝f(xk+1)-f(xk)。若δe≤0，则粒子k接受新的位置xk+1和新的速度vk+1为当前值，进行粒子最优位置更新。否则若exp(-δe/t)＞rand(0,1)，粒子k接受新的位置xk+1和新的速度vk+1为当前值，进行粒子最优位置更新。否则xk，vk不变，粒子最优位置不更新。更新全局最优值qbest及其对应的最优位置xbest。

step6：若粒子接受了新的位置和速度，进行降温t→αt，否则不进行降温操作。判断是否达到最大迭代次数itermax，若是则停止计算，否则迭代次数加一，返回step4继续更新计算。

pso-sa算法流程图如图6所示。

步骤s32：采用两层嵌套的基于模拟退火的改进粒子群优化算法对模型进行求解，上下层优化有不同的决策变量。

(1)上层优化模型编码方法。

dg的位置和容量优化思路是在确定单位容量dg的情况下进行dg安装数量的优化，算法中采用整数编码，假设风机、光伏、燃气轮机待选安装节点个数分别为n1、n2、n3，第i种dg在其待选节点上的安装个数表示为ni＝[n1,…,nni]，其中矩阵ni中的元素都是整数，从而算法中每个粒子的位置表示为x＝[n1,n2,n3]。

(2)下层优化模型编码方法。

配电网络路径优化是整数规划问题，开关只有闭合、打开两种选择，以0，1变量表示开关的连通状态，1表示开关闭合，0反之。下层模型采用二进制编码，网架和联络线混合编码，在原有ads网架基础上确定开关组合方案。对于有nline条线路的配电网，定义nline×1阶矩阵x1，x2分别表示线路和联络线的状态，矩阵的元素都是0，1变量，从而粒子的位置表示如下：

采用这种混合编码的方法同时优化网架和联络线，可以减小算法的寻优时间。

(3)上下层模型联合优化流程。

综上可知，上层算法优化dg的接入容量，其粒子采用整数编码；下层算法在原有ads网架基础上确定开关组合方案，其粒子采用二进制编码。在两层算法分别编码的基础上，对双层优化模型进行联合求解，流程图如图7所示。

实施例为ieee33节点配电系统，系统结构如图8所示，表1为各dg相关参数，表2为mt污染物治理费用和排放系数。

表1dg相关参数

表2mt污染物治理费用及排放系数

单台dg的额定容量为100kw，wg的待接入节点为5、6、17、32，对应节点的安装上限为4台；pv的待接入节点为16、18、31，对应节点的安装上限为15台；mt的待接入节点为28、30，对应节点的安装上限为15台。系统的dg渗透率小于60％。各时段电价为0.6元/(kw·h)。开关的最大日操作次数为15次。cfpso-sa算法参数设置为：种群规模取50，最大迭代次数为100，初始退火温度为10000。

设置两种不同的dg优化配置方案进行对比分析如下：上层优化模型均为确定接入ads的各类型dg最优容量。下层优化模型中，方案一进行含dg的ads动态路径优化过程，同时优化各个时段mt的有功出力；方案二不进行含dg的ads动态路径优化过程，仅优化各时段mt的有功出力。具体的dg的优化配置方案如表3所示。

表3考虑和不考虑动态路径优化的dg优化配置方案

注：32(4)表示节点32安装4台dg，以此类推。

两种dg优化配置方案的综合年费用如表4所示。

表4两种方案的综合年费用

对比表3中不同方案下dg配置结果得到，两种方案中dg的接入节点不同，且方案一中wg接入容量比方案二wg接入容量多100kw，方案一mt的接入容量比方案二mt接入容量多300kw。因此考虑ads动态路径优化的dg优化配置方案的dg消纳能力更强。

对比表4中不同方案的综合年费用，虽然方案一的运行维护、投资、燃料成本费用高于方案二，但购电、环境成本费用小于方案二，且综合年费用比方案二低69.1万元。

本文选取某典型日为例，分析比较考虑和不考虑ads动态路径优化两种情况下该系统的运行情况，分别对应方案一、方案二。典型日各时段负荷功率、风力发电、光伏发电预测值分别如表5、6、7所示。

表5典型日各时段负荷功率

表6典型日各时段wg发电预测值

表7典型日各时段pv发电预测值

在考虑ads动态路径优化情况下，将典型日负荷及风力、光伏发电预测值合成，得到分时段的负荷-不可控dg等值曲线，如图9所示，基于改进ofcmc对配电网络等值负荷进行聚类，如图10所示。

对应聚类中心对应的路径优化结果如表8所示，该典型日开关操作的总次数为14次，符合约束条件。

表84个聚类中心的路径优化方案

由图11可知考虑动态路径优化情况下，可控dg燃气轮机的出力为17650kwh，不考虑动态路径优化的情况下出力为15360kwh，前者比后者出力增长14.9％。因此，考虑ads动态路径优化的dg优化配置能够提高配电系统中dg的渗透率，增强配电网对dg的消纳能力。

由图12得到考虑动态路径优化的优化方案各时段的网损均低于不考虑动态路径优化的方案。因此，考虑ads动态路径优化的dg优化配置能够有效改善系统潮流，降低网络损耗。

表9两种方案下的日运行费用

由表9可知，在经济性指标上，方案一的综合日运行费用为36225元，方案二的综合日运行费用为38495元，前者总费用少2270元，大约降低5.9％，其中购电费用少2878元，网损费用少601元。综上所述，考虑主动配电网动态路径优化的dg优化配置能够获得综合最优的方案。