一种考虑演化驱动的有源配电网多阶段规划方法和系统与流程

1.本发明涉及配电网规划技术领域，尤其涉及一种考虑演化驱动的有源配电网多阶段规划方法和系统。


背景技术：

2.配电网规划是指为满足未来年负荷增长和电网发展的要求，确定何时、何地、建设何种类型的线路、变电站或者分布式电源(dg)等设备。传统配电网规划的主要目标是在保证配电网安全运行的同时，以最小的成本确定配电网投资的时间、地点和容量，以满足负荷增长需求和新增负荷。配电网规划结果直接影响配电网投资、收益及未来年配电网运行的安全性、经济性、稳定性。
3.电力系统结构形态，是指电力系统的组成设备及其参与者的连接组织形式及交互作用方式。电力系统形态演化的驱动力来源于三个方面：政府主导的激励行为驱动因素、市场管理行为驱动因素和创新技术驱动因素。电力系统形态演化在配电网规划中扮演着至关重要的角色，影响着配电网新能源的利用率和承载力。然而，现有的考虑演化驱动的有源配电网多阶段规划中，缺乏考虑电力系统形态演化的驱动力因素，在规划方案的适应性方面有待于提升。


技术实现要素：

4.本发明提供了一种考虑演化驱动的有源配电网多阶段规划方法和系统，用于解决现有的考虑演化驱动的有源配电网多阶段规划缺乏考虑电力系统形态演化的驱动力因素，且规划方案的适应性薄弱的技术问题。
5.有鉴于此，本发明第一方面提供了一种考虑演化驱动的有源配电网多阶段规划方法，包括：
6.构建配电网多阶段规划模型，配电网多阶段规划模型包括考虑电力系统演化驱动因素的配电网规划目标函数和多阶段约束条件，电力系统演化驱动因素包括公共驱动因素、市场驱动因素和创新技术驱动因素；
7.获取目标参数，目标参数包括规划阶段内的配电网预测负荷和当前待规划区域的网络结构参数；
8.根据目标参数，采用sgo算法求解配电网多阶段规划模型，得到配电网多阶段规划模型的最优解；
9.根据配电网多阶段规划模型的最优解对应的配电网规划方案对配电网进行规划。
10.可选地，考虑电力系统演化驱动因素的配电网规划目标函数为：
11.min(c
line
+c
loss
+c
dg
+c
ess
)
12.其中，c
line
为网架升级成本，c
dg
为分布式电源设备的投资成本，c
loss
为网络损耗年费用，c
ess
为分布式储能设备的安装成本；
[0013][0014]
其中，为用于表示在规划阶段th内是否新建支路ij的0-1决策变量， th为规划阶段，为规划阶段集合，r为资金回收系数，为单位长度线路的建设费用，ω
line
为待新建线路位置集合，η
line
为线路运行维护费用系数，l
ij
为新建线路长度；
[0015][0016]
其中，为用于表示规划阶段th在节点i处是否安装分布式电源的0-1 决策变量，为单位容量分布式电源的安装费用，ω
dg
为分布式电源安装节点集合，r为通货膨胀率，t为分布式电源设备的使用年限，s
dg
为分布式电源设备的技术成熟度，b
dg
为光伏补贴系数，为规划阶段th节点i处安装分布式电源的容量；
[0017][0018]
其中，ω
br
为配电网络中所有支路的集合，r
ij
为线路ij的电阻，和分别为在规划阶段th内时刻t时线路ij流经的有功和无功功率，λ
t
为t时刻的电价，δt为时间间隔，sc为场景日，n
sc
为场景日数；
[0019][0020]
其中，ce和c
p
分别为储能系统的单位容量和单位功率投资成本，s
ess
为储能设备技术成熟度，为用于表示在规划阶段th内在节点i处是否安装储能的0-1决策变量，ω
ess
为储能安装节点集合，为规划阶段th节点i安装储能的容量，为规划阶段th节点i安装储能的最大充放电功率。
[0021]
可选地，多阶段约束条件包括：
[0022][0023][0024][0025]
g∈gr[0026]
logitic混沌映射的表达式生成l+2n个向量：
[0043]
x
m+1,n
＝f(x
m,n
),m＝1,2,...,l+2n；n＝1,2,...,d
[0044]
其中，n为个体数量，l为预设整数，logitic混沌映射的表达式为：
[0045][0046]
其中，xi为[0,1]之间的随机量，μ为logitic参数，3.5699≤μ≤4；
[0047]
取最后2n个向量：x
l+1
,x
l+2
,...,x
l+2n
；
[0048]
根据z
mn
＝minn+x
mn
(max
n-minn)，将x
mn
的第n个分量映射到区间[minn,maxn] 内，其中，z
mn
为映射后维度为d的第m个体基因向量；
[0049]
根据配电网多阶段规划模型计算每个个体的适应度值，选择适应度值最小的n个向量作为初始种群位置。
[0050]
本发明第二方面提供了一种考虑演化驱动的有源配电网多阶段规划系统，包括：
[0051]
建模单元，用于构建配电网多阶段规划模型，配电网多阶段规划模型包括考虑电力系统演化驱动因素的配电网规划目标函数和多阶段约束条件，电力系统演化驱动因素包括公共驱动因素、市场驱动因素和创新技术驱动因素；
[0052]
获取单元，用于获取目标参数，目标参数包括规划阶段内的配电网预测负荷和当前待规划区域的网络结构参数；
[0053]
模型求解单元，用于根据目标参数，采用sgo算法求解配电网多阶段规划模型，得到配电网多阶段规划模型的最优解；
[0054]
规划单元，用于根据配电网多阶段规划模型的最优解对应的配电网规划方案对配电网进行规划。
[0055]
可选地，考虑电力系统演化驱动因素的配电网规划目标函数为：
[0056]
min(c
line
+c
loss
+c
dg
+c
ess
)
[0057]
其中，c
line
为网架升级成本，c
dg
为分布式电源设备的投资成本，c
loss
为网络损耗年费用，c
ess
为分布式储能设备的安装成本；
[0058][0059]
其中，为用于表示在规划阶段th内是否新建支路ij的0-1决策变量， th为规划阶段，为规划阶段集合，r为资金回收系数，为单位长度线路的建设费用，ω
line
为待新建线路位置集合，η
line
为线路运行维护费用系数，l
ij
为新建线路长度；
[0060][0061]
其中，为用于表示规划阶段th在节点i处是否安装分布式电源的0-1 决策变量，为单位容量分布式电源的安装费用，ω
dg
为分布式电源安装节点集合，r为通货膨胀率，t为分布式电源设备的使用年限，s
dg
为分布式电源设备的技术成熟度，b
dg
为光伏补贴系
数，为规划阶段th节点i处安装分布式电源的容量；
[0062][0063]
其中，ω
br
为配电网络中所有支路的集合，r
ij
为线路ij的电阻，和分别为在规划阶段th内时刻t时线路ij流经的有功和无功功率，λ
t
为t时刻的电价，δt为时间间隔，sc为场景日，n
sc
为场景日数；
[0064][0065]
其中，ce和c
p
分别为储能系统的单位容量和单位功率投资成本，s
ess
为储能设备技术成熟度，为用于表示在规划阶段th内在节点i处是否安装储能的0-1决策变量，ω
ess
为储能安装节点集合，为规划阶段th节点i安装储能的容量，为规划阶段th节点i安装储能的最大充放电功率。
[0066]
可选地，多阶段约束条件包括：
[0067][0068][0069][0070]
g∈gr[0071][0072][0073][0074][0075][0076][0077][0078][0079]
其中，p
i,sc,t
和q
i,sc,t
分别为场景日sc时刻t时节点i的有功注入功率和无功注入功
率，ω0为节点集合，g
ij
和b
ij
分别为支路ij的电导和电纳，θ
ij,sc,t
为场景日sc时刻t时节点i和节点j之间的电压相角差，i
l,sc,t
为场景日sc时刻t时支路l的电流，为支路l允许通过的电流上限，u
i,sc,t
为场景日sc时刻t时节点i的电压，u
j,sc,t
为场景日sc时刻t时节点j的电压，为节点i的电压下限，为节点i的电压上限，g为目标网架，gr为所有可能的辐射状连通网络构成的集合，ess
i,t
为节点i的储能系统在t时刻下的存储电量，为节点 i的储能装置在t时刻下发出的有功功率，e
ess,i
为节点i的储能系统的容量， soc
max
和soc
min
分别为储能系统荷电状态的上限和下限，为节点i的储能系统的额定功率，p
dg
为分布式电源的有功功率，和分别为分布式电源的有功功率下限和上限，和分别为整个规划阶段内允许新建线路的最大数量、分布式电源数量和储能系统最大数量。
[0080]
可选地，模型求解单元包括：
[0081]
初始化子单元，用于基于logitic混沌映射进行种群初始化，根据配电网多阶段规划模型计算每个个体的适应度值，确定初始种群位置，其中，每个个体表示一组规划结果，包括扩建线路数、分布式电源位置和储能位置；
[0082]
第一更新子单元，用于基于sgo算法提高阶段的种群更新公式更新种群，对新个体进行评价，若新解优于当前解，则将新解替换为当前解，否则，不进行更新操作；
[0083]
最优解子单元，用于确定本次迭代种群的全局最优解；
[0084]
第二更新子单元，用于基于sgo算法获得阶段的种群更新公式更新种群，对新个体进行评价，若新解优于全局最优解，则将新解替换为当前解，否则，不进行更新操作；
[0085]
输出子单元，用于判断是否达到最大迭代次数，若是，则输出全局最优解，否则，返回根据配电网多阶段规划模型计算每个个体的适应度值。
[0086]
可选地，初始化子单元具体用于：
[0087]
随机产生一个数值分量在(0,1)之间的d维向量x1＝(x
11
,x
12
,...,x
1d
)，根据 logitic混沌映射的表达式生成l+2n个向量：
[0088]
x
m+1,n
＝f(x
m,n
),m＝1,2,...,l+2n；n＝1,2,...,d
[0089]
其中，n为个体数量，l为预设整数，logitic混沌映射的表达式为：
[0090][0091]
其中，xi为[0,1]之间的随机量，μ为logitic参数，3.5699≤μ≤4；
[0092]
取最后2n个向量：x
l+1
,x
l+2
,...,x
l+2n
；
[0093]
根据z
mn
＝minn+x
mn
(max
n-minn)，将x
mn
的第n个分量映射到区间[minn,maxn] 内，其中，z
mn
为映射后维度为d的第m个体基因向量；
[0094]
根据配电网多阶段规划模型计算每个个体的适应度值，选择适应度值最小的n个向量作为初始种群位置。
[0095]
从以上技术方案可以看出，本发明提供的考虑演化驱动的有源配电网多阶段规划方法和系统具有以下优点：
[0096]
本发明提供的考虑演化驱动的有源配电网多阶段规划方法和系统，综合考虑了电力系统形态演化的公共驱动因素、市场驱动因素和创新技术驱动因素，建立了包括多阶段
generation)、储能系统(ess，energystorage system)的技术成熟度系数和资金回收系数。
[0108]
如图2所示，在一个实施例中，考虑电力系统演化驱动因素的配电网规划目标函数为：
[0109]
min(c
line
+c
loss
+c
dg
+c
ess
)
[0110]
其中，c
line
为网架升级成本，c
dg
为分布式电源设备的投资成本，c
loss
为网络损耗年费用，c
ess
为分布式储能设备的安装成本；
[0111][0112]
其中，为用于表示在规划阶段th内是否新建支路ij的0-1决策变量， th为规划阶段，为规划阶段集合，r为资金回收系数，为单位长度线路的建设费用，ω
line
为待新建线路位置集合，η
line
为线路运行维护费用系数，l
ij
为新建线路长度；
[0113][0114]
其中，为用于表示规划阶段th在节点i处是否安装分布式电源的0-1 决策变量，为单位容量分布式电源的安装费用，ω
dg
为分布式电源安装节点集合，r为通货膨胀率，t为分布式电源设备的使用年限，s
dg
为分布式电源设备的技术成熟度，b
dg
为光伏补贴系数，为规划阶段th节点i处安装分布式电源的容量；
[0115]
根据季节与典型日中的时间段，将负荷时序特性分成4个典型日场景，分别表示春夏秋冬四季。网络损耗年费用可以表示为：
[0116][0117]
其中，ω
br
为配电网络中所有支路的集合，r
ij
为线路ij的电阻，和分别为在规划阶段th内时刻t时线路ij流经的有功和无功功率，λ
t
为t时刻的电价，δt为时间间隔，本发明中设置时间间隔δt为1h，sc为场景日，n
sc
为场景日数；
[0118][0119]
其中，ce和c
p
分别为储能系统的单位容量和单位功率投资成本，s
ess
为储能设备技术成熟度，为用于表示在规划阶段th内在节点i处是否安装储能的0-1决策变量，ω
ess
为储能安装节点集合，为规划阶段th节点i安装储能的容量，为规划阶段th节点i安装储能的最大充放电功率。
[0120]
如图2所示，多阶段约束条件包括：功率平衡约束、支路电流约束、节点电压约束、辐射状拓扑约束、储能系统运行约束、分布式电源出力约束和多阶段规划约束。
[0121]
功率平衡约束：
[0122][0123]
其中，p
i,sc,t
和q
i,sc,t
分别为场景日sc时刻t时节点i的有功注入功率和无功注入功率，ω0为节点集合，g
ij
和b
ij
分别为支路ij的电导和电纳，θ
ij,sc,t
为场景日sc时刻t时节点i和节点j之间的电压相角差，u
i,sc,t
为场景日sc时刻t时节点i的电压，u
j,sc,t
为场景日sc时刻t时节点j的电压。
[0124]
支路电流约束：
[0125][0126]
其中，i
l,sc,t
为场景日sc时刻t时支路l的电流，为支路l允许通过的电流上限。
[0127]
节点电压约束：
[0128][0129]
其中，为节点i的电压下限，为节点i的电压上限。
[0130]
辐射状拓扑约束：
[0131]
g∈gr[0132]
其中，g为目标网架，gr为所有可能的辐射状连通网络构成的集合。
[0133]
储能系统(ess)运行约束：
[0134][0135]
其中，ess
i,t
为节点i的储能系统在t时刻下的存储电量，为节点i的储能装置在t时刻下发出的有功功率，其值为正，表明ess在放电，其值为负，表明ess在充电，e
ess,i
为节点i的储能系统的容量，soc
max
和soc
min
分别为储能系统荷电状态的上限和下限，为节点i的储能系统的额定功率。
[0136]
分布式电源出力约束：
[0137][0138]
其中，p
dg
为分布式电源的有功功率，和分别为分布式电源的有功功率下限和上限。
[0139]
假设整个规划阶段中所有线路的建设或改造类型唯一，线路需满足先建设后运行且新建后不再进行改造的约束。同时，规划周期内配电线路、分布式电源和储能的新建数量也应有一定约束，具体限制数值可由实际配电网规划需求而定。通过添加多阶段规划约束可以提高规划方案的合理性和适应性。
[0140]
多阶段规划约束：
[0141]
[0142][0143][0144][0145][0146]
其中，和分别为整个规划阶段内允许新建线路的最大数量、分布式电源数量和储能系统最大数量。
[0147]
步骤102、获取目标参数，目标参数包括规划阶段内的配电网预测负荷和当前待规划区域的网络结构参数。
[0148]
需要说明的是，规划阶段内的配电网预测负荷和当前待规划区域的网络结构参数是与求解最优配电网规划方案相关的参数，因此需要获取规划阶段内的配电网预测负荷和当前待规划区域的网络结构参数。
[0149]
步骤103、根据目标参数，采用sgo算法求解配电网多阶段规划模型，得到配电网多阶段规划模型的最优解。
[0150]
需要说明的是，本发明中的配电网多阶段规划模型的求解问题是复杂的多目标求解问题，复杂问题的解决需要多方面因素的参与，当某个个体不足以解决复杂问题时，需要想周围或拥有此项能力的个体学习，以便于提高自身解决问题的能力，因此，本发明中采用sgo(social group optimization)算法求解配电网多阶段规划模型，采用sgo算法求解配电网多阶段规划模型的原理流程图如图3所示。
[0151]
同时，为了提高sgo算法的探索效率，本发明采用了混沌理论对其种群初始化方式进行改进。混沌具有随机性、遍历性、以及对初始条件敏感等特点，能在一定范围内按本身规律不重复地遍历所有状态。通过混沌运动的这些性质可以把种群初始化，提高了初始种群的多样性。
[0152]
具体地，sgo算法求解配电网多阶段规划模型的流程包括：
[0153]
s1、基于logitic混沌映射进行种群初始化，根据配电网多阶段规划模型计算每个个体的适应度值，确定初始种群位置，其中，每个个体表示一组规划结果，包括扩建线路数、分布式电源位置和储能位置。
[0154]
具体地：
[0155]
(1)随机产生一个数值分量在(0,1)之间的d维向量x1＝(x
11
,x
12
,...,x
1d
)，根据logitic混沌映射的表达式生成l+2n个向量：
[0156]
x
m+1,n
＝f(x
m,n
),m＝1,2,...,l+2n；n＝1,2,...,d
[0157]
其中，n为个体数量，l为预设整数，logitic混沌映射的表达式为：
[0158]
[0159]
取最后2n个向量：x
l+1
,x
l+2
,...,x
l+2n
；
[0160]
(2)根据z
mn
＝minn+x
mn
(max
n-minn)，将x
mn
的第n个分量映射到区间 [minn,manx]内，其中，z
mn
为映射后维度为d的第m个体基因向量；
[0161]
(3)根据配电网多阶段规划模型计算每个个体的适应度值，如果个体满足配电网多阶段规划模型的各项约束，根据考虑电力系统演化驱动因素的配电网规划目标函数计算个体适应度，否则，令个体适应度值等于正无穷，选择适应度值最小的n个向量作为初始种群位置。
[0162]
种群中每个个体x表示一组规划结果，包括扩建线路数、分布式电源位置和储能位置：
[0163][0164]
其中，|dg|为待安装dg的总个数，|ess|为待安装ess的总个数，在x中， dg安装位置处的变量为整数，若x
l+1
＝0，则表示不安装dg，反之，则安装 dg的容量为为dg的单位容量。在x中，储能安装位置的变量为整数，若x
l+|dg|+1
＝0，则表示不安装ess，反之，安装ess的容量为安装ess的容量为为ess的单位容量。
[0165]
s2、初始化种群后，基于sgo算法提高阶段的种群更新公式更新种群，对新个体进行评价，若新解优于当前解，则将新解替换为当前解，否则，不进行更新操作。具体地，sgo算法提高阶段的种群更新公式为：
[0166]
x new
m,n
＝c
×
xold
m,n
+v
×
(gbest
m-xold
m,n
)
[0167]
其中，xold
m,n
和xnew
m,n
分别为第m个个体更新前后的第n维基因，gbestm为当前迭代阶段最优个体的第m维基因，c为自我反省系数，其取值通常为 0～1，c取0.2时，效果最好，v为[0,1]的随机数。
[0168]
s3、确定本次迭代种群的全局最优解。
[0169]
s4、基于sgo算法获得阶段的种群更新公式更新种群，对新个体进行评价，若新解优于全局最优解，则将新解替换为当前解，否则，不进行更新操作。
[0170]
s5、判断是否达到最大迭代次数，若是，则输出全局最优解，否则，返回步骤s1中的根据配电网多阶段规划模型计算每个个体的适应度值的步骤，继续往下执行。
[0171]
步骤104、根据配电网多阶段规划模型的最优解对应的配电网规划方案对配电网进行规划。
[0172]
需要说明的是，确定最终输出的全局最优解之后，即确定了最优的配电网规划方案，即对应最优的x包括的扩建线路数、分布式电源位置和储能位置。
[0173]
本发明提供的考虑演化驱动的有源配电网多阶段规划方法，综合考虑了电力系统形态演化的公共驱动因素、市场驱动因素和创新技术驱动因素，建立了包括多阶段约束条件的配电网多阶段规划模型，并利用sgo算法求得配电网多阶段规划模型的最优解，得到最优的配电网规划方案，在降低了配电网的建设改造成本的同时，以储能和新能源协同规划的方式，提升了新能源的利用率和规划方案的适应性，解决了现有的考虑演化驱动的有源配电网多阶段规划缺乏考虑电力系统形态演化的驱动力因素，且规划方案的适应性薄弱的
技术问题。
[0174]
本发明提供的考虑演化驱动的有源配电网多阶段规划方法，同时考虑了功率平衡约束、支路电流约束、节点电压约束、辐射状拓扑约束、储能系统运行约束、分布式电源出力约束和多阶段规划约束，提高了配电网规划方案的合理性和适应性，能有效提高配电网的能源利用效率。
[0175]
同时，本发明提供的考虑演化驱动的有源配电网多阶段规划方法利用logitic混沌运动性质对种群进行初始化，混沌运动的随机性、遍历性、以及对初始条件敏感特点，提高了初始种群的多样性，为求解全局最优配电网规划方案提供了保证。
[0176]
为了便于理解，请参阅图4，本发明提供了一种考虑演化驱动的有源配电网多阶段规划系统的实施例，包括：
[0177]
建模单元，用于构建配电网多阶段规划模型，配电网多阶段规划模型包括考虑电力系统演化驱动因素的配电网规划目标函数和多阶段约束条件，电力系统演化驱动因素包括公共驱动因素、市场驱动因素和创新技术驱动因素；
[0178]
获取单元，用于获取目标参数，目标参数包括规划阶段内的配电网预测负荷和当前待规划区域的网络结构参数；
[0179]
模型求解单元，用于根据目标参数，采用sgo算法求解配电网多阶段规划模型，得到配电网多阶段规划模型的最优解；
[0180]
规划单元，用于根据配电网多阶段规划模型的最优解对应的配电网规划方案对配电网进行规划。
[0181]
考虑电力系统演化驱动因素的配电网规划目标函数为：
[0182]
min(c
line
+c
loss
+c
dg
+c
ess
)
[0183]
其中，c
line
为网架升级成本，c
dg
为分布式电源设备的投资成本，c
loss
为网络损耗年费用，c
ess
为分布式储能设备的安装成本；
[0184][0185]
其中，为用于表示在规划阶段th内是否新建支路ij的0-1决策变量， th为规划阶段，为规划阶段集合，r为资金回收系数，为单位长度线路的建设费用，ω
line
为待新建线路位置集合，η
line
为线路运行维护费用系数，l
ij
为新建线路长度；
[0186][0187]
其中，为用于表示规划阶段th在节点i处是否安装分布式电源的0-1 决策变量，为单位容量分布式电源的安装费用，ω
dg
为分布式电源安装节点集合，r为通货膨胀率，t为分布式电源设备的使用年限，s
dg
为分布式电源设备的技术成熟度，b
dg
为光伏补贴系数，为规划阶段th节点i处安装分布式电源的容量；
[0188][0189]
其中，ω
br
为配电网络中所有支路的集合，r
ij
为线路ij的电阻，和分别为在规划阶段th内时刻t时线路ij流经的有功和无功功率，λ
t
为t时刻的电价，δt为时间间隔，sc为场景日，n
sc
为场景日数；
[0190][0191]
其中，ce和c
p
分别为储能系统的单位容量和单位功率投资成本，s
ess
为储能设备技术成熟度，为用于表示在规划阶段th内在节点i处是否安装储能的0-1决策变量，ω
ess
为储能安装节点集合，为规划阶段th节点i安装储能的容量，为规划阶段th节点i安装储能的最大充放电功率。
[0192]
多阶段约束条件包括：
[0193][0194][0195][0196]
g∈gr[0197][0198][0199][0200][0201][0202][0203][0204][0205]
其中，p
i,sc,t
和q
i,sc,t
分别为场景日sc时刻t时节点i的有功注入功率和无功注入功
率，ω0为节点集合，g
ij
和b
ij
分别为支路ij的电导和电纳，θ
ij,sc,t
为场景日sc时刻t时节点i和节点j之间的电压相角差，i
l,sc,t
为场景日sc时刻t时支路l的电流，为支路l允许通过的电流上限，u
i,sc,t
为场景日sc时刻t时节点i的电压，u
j,sc,t
为场景日sc时刻t时节点j的电压，为节点i的电压下限，为节点i的电压上限，g为目标网架，gr为所有可能的辐射状连通网络构成的集合，ess
i,t
为节点i的储能系统在t时刻下的存储电量，为节点 i的储能装置在t时刻下发出的有功功率，e
ess,i
为节点i的储能系统的容量， soc
max
和soc
min
分别为储能系统荷电状态的上限和下限，为节点i的储能系统的额定功率，p
dg
为分布式电源的有功功率，和分别为分布式电源的有功功率下限和上限，和分别为整个规划阶段内允许新建线路的最大数量、分布式电源数量和储能系统最大数量。
[0206]
模型求解单元包括：
[0207]
初始化子单元，用于基于logitic混沌映射进行种群初始化，根据配电网多阶段规划模型计算每个个体的适应度值，确定初始种群位置，其中，每个个体表示一组规划结果，包括扩建线路数、分布式电源位置和储能位置；
[0208]
第一更新子单元，用于基于sgo算法提高阶段的种群更新公式更新种群，对新个体进行评价，若新解优于当前解，则将新解替换为当前解，否则，不进行更新操作；
[0209]
最优解子单元，用于确定本次迭代种群的全局最优解；
[0210]
第二更新子单元，用于基于sgo算法获得阶段的种群更新公式更新种群，对新个体进行评价，若新解优于全局最优解，则将新解替换为当前解，否则，不进行更新操作；
[0211]
输出子单元，用于判断是否达到最大迭代次数，若是，则输出全局最优解，否则，返回根据配电网多阶段规划模型计算每个个体的适应度值。
[0212]
初始化子单元具体用于：
[0213]
随机产生一个数值分量在(0,1)之间的d维向量x1＝(x
11
,x
12
,...,x
1d
)，根据 logitic混沌映射的表达式生成l+2n个向量：
[0214]
x
m+1,n
＝f(x
m,n
),m＝1,2,...,l+2n；n＝1,2,...,d
[0215]
其中，n为个体数量，l为预设整数，logitic混沌映射的表达式为：
[0216][0217]
其中，xi为[0,1]之间的随机量，μ为logitic参数，3.5699≤μ≤4；
[0218]
取最后2n个向量：x
l+1
,x
l+2
,...,x
l+2n
；
[0219]
根据z
mn
＝minn+x
mn
(max
n-minn)，将x
mn
的第n个分量映射到区间[minn,maxn] 内，其中，z
mn
为映射后维度为d的第m个体基因向量；
[0220]
根据配电网多阶段规划模型计算每个个体的适应度值，选择适应度值最小的n个向量作为初始种群位置。
[0221]
本发明提供的考虑演化驱动的有源配电网多阶段规划系统，综合考虑了电力系统形态演化的公共驱动因素、市场驱动因素和创新技术驱动因素，建立了包括多阶段约束条件的配电网多阶段规划模型，并利用sgo算法求得配电网多阶段规划模型的最优解，得到最优的配电网规划方案，在降低了配电网的建设改造成本的同时，以储能和新能源协同规划
的方式，提升了新能源的利用率和规划方案的适应性，解决了现有的考虑演化驱动的有源配电网多阶段规划缺乏考虑电力系统形态演化的驱动力因素，且规划方案的适应性薄弱的技术问题。
[0222]
本发明提供的考虑演化驱动的有源配电网多阶段规划系统，同时考虑了功率平衡约束、支路电流约束、节点电压约束、辐射状拓扑约束、储能系统运行约束、分布式电源出力约束和多阶段规划约束，提高了配电网规划方案的合理性和适应性，能有效提高配电网的能源利用效率。
[0223]
同时，本发明提供的考虑演化驱动的有源配电网多阶段规划系统利用 logitic混沌运动性质对种群进行初始化，混沌运动的随机性、遍历性、以及对初始条件敏感特点，提高了初始种群的多样性，为求解全局最优配电网规划方案提供了保证。
[0224]
本发明实施例提供的考虑演化驱动的有源配电网多阶段规划系统用于执行前述考虑演化驱动的有源配电网多阶段规划方法实施例中的考虑演化驱动的有源配电网多阶段规划方法，其原理与前述考虑演化驱动的有源配电网多阶段规划方法实施例中的考虑演化驱动的有源配电网多阶段规划方法相同，在此不再进行赘述。
[0225]
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。