本发明属于电力设备领域，特别涉及分布式电源和电容器容量的规划方法。
背景技术：
面临着当前能源形势和生存环境的双重压力下，人们开始不断寻求能源与环境问题的解决方法，其中分布式新能源发电由于采用清洁可再生能源作为其一级能源，具有可再生、无污染等优点，因而，分布式发电技术的发展受到世界各国的广泛关注和大力支持。
随着越来越多的分布式电源(Distributed Generation，DG)的并网运行，由于配电系统中的分布式电源的影响，使得配电网功率流动特性由传统的单向流动变成新的双向流动，因而给配电系统的稳定运行带来了诸多新挑战。尤其是构建含DG的配电系统规划配置模型时，如何准确的对含有DG的配电网的容量，已经成为亟待解决的问题。
技术实现要素：
为了解决现有技术中存在的缺点和不足，本发明提供了用于获取满足最大收益前提下的分布式电源和电容器的具体安装数量的规划方法。
为了达到上述技术目的，本发明提供了分布式电源和电容器容量的规划方法，所述规划方法，包括：
步骤一，基于分布式电源、电容器的收益期望值构建规划模型maxfs；
步骤二，获取安装分布式电源节点处的分布参数，基于分布参数获取安装节点处分布式电源输出功率的概率分布函数，对安装节点的分布式电源的数量以及待安装电容器的数量进行编码；
步骤三，设定遗传参数，根据编码后的参数生成初始种群，基于半不变量 法对初始种群中的每个个体进行概率潮流解析计算，获取初始种群中每个个体的适应度；
步骤四，通过带精英策略的改进遗传算法对规划模型maxfs求解，基于初始种群生成子代种群，基于半不变量法对子代种群中的每个个体进行概率潮流解析计算，获取子代种群中每个个体的适应度；
步骤五，如果子代种群中每个个体的适应度满足遗传终止条件，则确定则获取样本区域中包含分布式电源和电容器的无功动态调整优化结果；或
如果子代种群中每个个体的适应度不满足遗传终止条件，则重复步骤四的内容，直至子代种群中每个个体的适应度满足遗传终止条件；
步骤六，根据动态调整优化结果完成规划模型maxfs的求解。
可选的，所述目标函数maxfs的表达式为：
其中，Ginv为分布式电源和电容器的综合投资成本收益，为分布式电源和电容器的综合维护费用收益期望值，表示由分布式发电带来售电收益的期望值，表示系统节能减排后得到收益的期望值，表示系统节能降损后得到的收益的期望值，Gu、Gi、Gvol表示为防止电压、电流、分布式电源安装容量越限等技术安全因素的惩罚因子。
可选的，所述规划模型maxfs的约束条件为：
其中，
Nwd、Npv、Nc分别为配电系统中安装分布式风力发电、太阳能光伏发电、电容器的节点数；A1、A2、A3分别为节点安装的wd、pv和c的现值系数，取决于DG和C的使用寿命和折现率的大小；cwd、swdj分别表示wd的单位投资成本和节点j处wd的额定容量；cpv、spvj分别为pv的单位投资成本和节点j处pv的额定容量；cc、scj、Qcj分别为c的单位投资成本、节点j处c的额定容量和实际可投运容量；TM表示每年负荷得最大可利用总的小时数；cmwd、cswd、 分别表示wd单位时间内的维护成本、wd单位发电的卖电收益和节点j处wd输出有功功率的期望值；cmpv、cspv、分别表示pv单位时间内的维护成本、pv单位发电的卖电收益和节点j处pv输出有功功率的期望值；cmc为单位时间内，电容器c的单位容量维护成本；cco2、分别表示废气中二氧化碳气体的单位处理成本和规划后对应气体减少量的期望值；cso2、分别为废气中二氧化硫气体的单位处理成本和规划后对应气体减少量的期望值；分别表示废气中氮氧化物气体的单位处理成本和规划后对应气体减少量的期望值；closs、分别表示规划后系节能降损的单位电价和能量损耗减少量的期望值；Vi、Vimax、Vimin分别表示节点i的电压幅值以及节点i的上、下限电压幅值；Ij、Ijmax表示系统第j条支路的电流值和电流最大值；sDGi、sLi分别表示第i号节点处分布式电源的额定安装容量和负荷的额定功率；NDG为系统中安装有DG的节点数，包括wd和pv；Nbus、Nline分别表示系统中的节点数和支 路数；ku、ki、kvol分别表示系统中电压越限、电流越限、DG安装容量越限的惩罚系数。
可选的，所述编码基于整数编码与二进制编码的混合编码方式，每个染色体编码数组由三个部分构成；
第一部分表示相应节点的风力、太阳能光伏等分布式电源的安装容量，采用整数编码方式；
第二部分表示相应节点所安装的分布式电源的具体类型，采用二进制编码方式，用0表示风力发电类型，用1表示光伏发电类型；
第三部分为系统中节点电容器的安装容量，同样采用整数编码的方式。
可选的，所述带精英策略的改进遗传算法，包括：
首先，随机选取父代种群的N个个体，并比较其适应度大小，逐个保留适应度高的个体到子代种群中去一直到达到预设值M，其中N<M；
其次，将父代种群中适应度最高的个体直接加入到子代种群个体中，而不进行任何相关遗传操作；
最后，对子代种群个体进行染色体编码，所述编码采用二进制编码和整数编码相结合的混合编码方式，每个染色体编码数组由三个部分构成，第一部分表示相应节点的风力、太阳能光伏等分布式电源的安装容量，采用整数编码方式；第二部分表示相应节点所安装的分布式电源的具体类型，采用二进制编码方式，用0表示风力发电类型，用1表示光伏发电类型；第三部分为系统中节点电容器的安装容量，同样采用整数编码的方式；
其中，M、N均为正整数。
本发明提供的技术方案带来的有益效果是：
通过在选取规划目标函数时，尽可能多地考虑经济、环境、安全等方方面 面的影响，选取包含经济效益、环境效益和安全效益的综合效益为静态规划的目标函数，并通过引入混合编码的改进遗传算法进行求解，使得相对于现有技术，令获取到的规划方案能够尽可能的保证最大收益。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的分布式电源和电容器容量的规划方法的流程示意图。
具体实施方式
为使本发明的结构和优点更加清楚，下面将结合附图对本发明的结构作进一步地描述。
实施例一
本发明提供了分布式电源和电容器容量的规划方法，如图1所示，所述规划方法，包括：
步骤一，基于分布式电源、电容器的收益期望值构建规划模型maxfs；
步骤二，获取安装分布式电源节点处的分布参数，基于分布参数获取安装节点处分布式电源输出功率的概率分布函数，对安装节点的分布式电源的数量以及待安装电容器的数量进行编码；
步骤三，设定遗传参数，根据编码后的参数生成初始种群，基于半不变量法对初始种群中的每个个体进行概率潮流解析计算，获取初始种群中每个个体的适应度；
步骤四，通过带精英策略的改进遗传算法对规划模型maxfs求解，基于初 始种群生成子代种群，基于半不变量法对子代种群中的每个个体进行概率潮流解析计算，获取子代种群中每个个体的适应度；
步骤五，如果子代种群中每个个体的适应度满足遗传终止条件，则确定则获取样本区域中包含分布式电源和电容器的无功动态调整优化结果；或
如果子代种群中每个个体的适应度不满足遗传终止条件，则重复步骤四的内容，直至子代种群中每个个体的适应度满足遗传终止条件；
步骤六，根据动态调整优化结果完成规划模型maxfs的求解。
在实施中，选取规划目标函数时，尽可能多地考虑经济、环境、安全等方方面面的影响，选取包含经济效益、环境效益和安全效益的综合效益为静态规划的目标函数，并通过引入混合编码的改进遗传算法进行求解。
构建上面描述的DG和C的综合规划配置模型，并采用遗传算法进行求解，从而得到含DG的IEEE33配电系统的DG和C的最优配置情况。
可选的，所述目标函数maxfs的表达式为：
其中，Ginv为分布式电源和电容器的综合投资成本收益，为分布式电源和电容器的综合维护费用收益期望值，表示由分布式发电带来售电收益的期望值，表示系统节能减排后得到收益的期望值，表示系统节能降损后得到的收益的期望值，Gu、Gi、Gvol表示为防止电压、电流、分布式电源安装容量越限等技术安全因素的惩罚因子。
可选的，所述规划模型maxfs的约束条件为：
其中，
Nwd、Npv、Nc分别为配电系统中安装分布式风力发电、太阳能光伏发电、电容器的节点数；A1、A2、A3分别为节点安装的wd、pv和c的现值系数，取决于DG和C的使用寿命和折现率的大小；cwd、swdj分别表示wd的单位投资成本和节点j处wd的额定容量；cpv、spvj分别为pv的单位投资成本和节点j处pv的额定容量；cc、scj、Qcj分别为c的单位投资成本、节点j处c的额定容量和实际可投运容量；TM表示每年负荷得最大可利用总的小时数；cmwd、cswd、 分别表示wd单位时间内的维护成本、wd单位发电的卖电收益和节点j处wd输出有功功率的期望值；cmpv、cspv、分别表示pv单位时间内的维护成本、pv单位发电的卖电收益和节点j处pv输出有功功率的期望值；cmc为单位时间内，电容器c的单位容量维护成本；cco2、分别表示废气中二氧化碳气体的单位处理成本和规划后对应气体减少量的期望值；cso2、分别为废气中二氧化硫气体的单位处理成本和规划后对应气体减少量的期望值；分别表示废气中氮氧化物气体的单位处理成本和规划后对应气体减少量的期望值；closs、分别表示规划后系节能降损的单位电价和能量损耗减少量的期望 值；Vi、Vimax、Vimin分别表示节点i的电压幅值以及节点i的上、下限电压幅值；Ij、Ijmax表示系统第j条支路的电流值和电流最大值；sDGi、sLi分别表示第i号节点处分布式电源的额定安装容量和负荷的额定功率；NDG为系统中安装有DG的节点数，包括wd和pv；Nbus、Nline分别表示系统中的节点数和支路数；ku、ki、kvol分别表示系统中电压越限、电流越限、DG安装容量越限的惩罚系数。
可选的，所述编码基于整数编码与二进制编码的混合编码方式，每个染色体编码数组由三个部分构成；
第一部分表示相应节点的风力、太阳能光伏等分布式电源的安装容量，采用整数编码方式；
第二部分表示相应节点所安装的分布式电源的具体类型，采用二进制编码方式，用0表示风力发电类型，用1表示光伏发电类型；
第三部分为系统中节点电容器的安装容量，同样采用整数编码的方式。
可选的，所述带精英策略的改进遗传算法，包括：
首先，随机选取父代种群的N个个体，并比较其适应度大小，逐个保留适应度高的个体到子代种群中去一直到达到预设值M，其中N<M；
其次，将父代种群中适应度最高的个体直接加入到子代种群个体中，而不进行任何相关遗传操作；其中，M、N均为正整数。
最后，对子代种群个体进行染色体编码，所述编码采用二进制编码和整数编码相结合的混合编码方式，每个染色体编码数组由三个部分构成，第一部分表示相应节点的风力、太阳能光伏等分布式电源的安装容量，采用整数编码方式；第二部分表示相应节点所安装的分布式电源的具体类型，采用二进制编码方式，用0表示风力发电类型，用1表示光伏发电类型；第三部分为系统中节 点电容器的安装容量，同样采用整数编码的方式。
本发明提出了分布式电源和电容器容量的规划方法，包括构件规划模型，对分布式电源和电容器的数量进行编码，进而结合带精英策略的改进遗传算法对规划模型求解，从而获取满足最大收益前提下的分布式电源盒电容器的具体安装数量。通过在选取规划目标函数时，尽可能多地考虑经济、环境、安全等方方面面的影响，选取包含经济效益、环境效益和安全效益的综合效益为静态规划的目标函数，并通过引入混合编码的改进遗传算法进行求解，使得相对于现有技术，令获取到的规划方案能够尽可能的保证最大收益。
上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。