一种配电网重构方法及系统与流程

本发明涉及配电网规划
技术领域：
，特别是涉及一种配电网重构方法及系统。
背景技术：
：配电网络重构是一个对网络中联络开关和分段开关的开断状态进行切换调整的过程。通过网络重构，使得新的拓扑网络能降低网损，提高运行可靠性。在重构过程中，时序影响和环境因素将不可避免地导致数据产生不确定性。这些不确定性通常表现为负荷的波动、设备维护参数的波动等等。以负荷不确定性为例，在负荷预测中常常需要用不确定的数值区间来描述未来一段时间的负荷。这样的数值更符合客观需求。而利用不确定数值得出的预测结果，在电网规划、风险分析、可靠性评估等方面更为可靠和科学。传统的配电网重构方法考虑的重构因素有限，使得产生的重构结果有一定的偏差。技术实现要素：本发明实施例提供一种配电网重构方法及系统，以解决现有技术的重构方法考虑的重构因素有限，使得重构结果有一定偏差的问题。第一方面，提供一种配电网重构方法，包括：建立负荷和分布式能源的区间模型；分别建立有功网损费用、期望缺供电量和开关操作费用的第一目标优化函数；确定所述第一目标优化函数的约束条件；根据所述负荷和分布式能源的区间模型、所述约束条件和每一所述第一目标优化函数的权重，对所述第一目标优化函数进行归一化处理，得到第二目标优化函数；设定所述配电网的节点的开关的通断初值；采用和声搜索算法求解所述第二目标优化函数；按照最小的所述第二目标优化函数的解对应的所述配电网的节点的开关的通断初值，进行配电网重构。第二方面，提供一种配电网重构系统，包括：第一建立模块，用于建立负荷和分布式能源的区间模型；第二建立模块，用于分别建立有功网损费用、期望缺供电量和开关操作费用的第一目标优化函数；确定模块，用于确定所述第一目标优化函数的约束条件；归一化模块，用于根据所述负荷和分布式能源的区间模型、所述约束条件和每一所述一目标优化函数的权重，对所述第一目标优化函数进行归一化处理，得到第二目标优化函数；设定模块，用于设定所述配电网的节点的开关的通断初值；求解模块，用于采用和声搜索算法求解所述第二目标优化函数；重构模块，用于按照最小的所述第二目标优化函数的解对应的所述配电网的节点的开关的通断初值，进行配电网重构。这样，本发明实施例中，综合考虑了负荷、分布式能源的随机波动带来的不确定性，与实际状况有高度的一致性，具有较高的准确性；设计了配电网重构多目标模型，计及了运行网损、供电可靠性、开关操作费用，优化目标覆盖全面，有利于优化配电网供电路径，提高配电网运行效率，实现降低网损、消除过载、平衡负荷、提高电压质量、提升供电可靠性与经济效益等目的；直接反应了重构决策过程中的考虑因素，具有较强的实用性；基于采用和声搜索算法求解多目标、非线性的含区间不确定性计算的配电网重构模型，求解性能良好，收敛快、精度高。附图说明为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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性的前提下，还可以根据这些附图获得其他的附图。图1是本发明实施例的配电网重构方法的流程图；图2是感应电动机的运行特性示意图；图3是风力发电机的出力曲线示意图；图4是本发明实施例的和声搜索算法生成的网络的拓扑结构变化的示意图；图5是本发明实施例的采用和声搜索算法求解第二目标优化函数的步骤流程图；图6是本发明实施例的配电网重构系统的结构框图；图7是ieee33节点配电网络重构前的示意图；图8是采用本发明实施例的配电网重构方法对ieee33节点配电网络重构后的示意图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本发明实施例公开一种配电网重构方法。如图1所示，该方法包括如下的步骤：步骤s10：建立负荷和分布式能源的区间模型。步骤s20：分别建立有功网损费用、期望缺供电量和开关操作费用的第一目标优化函数。步骤s30：确定第一目标优化函数的约束条件。步骤s40：根据负荷和分布式能源的区间模型、约束条件和每一一目标优化函数的权重，对第一目标优化函数进行归一化处理，得到第二目标优化函数；步骤s50：设定配电网的节点的开关的通断初值。步骤s60：采用和声搜索算法求解第二目标优化函数。步骤s70：按照最小的第二目标优化函数的解对应的配电网的节点的开关的通断初值，进行配电网重构。具体的，步骤s10中：该负荷和分布式能源的区间模型包括：负荷不确定性模型、风力发电有功功率区间模型、风力发电无功功率区间模型、光伏发电有功功率区间模型和光伏发电无功功率区间模型。(1)负荷不确定性模型负荷不确定性模型为：其中，[s]表示感应电动机的实际复功率s的波动区间。[p]表示感应电动机的实际有功功率p的波动区间。[q]表示感应电动机的实际无功功率q的波动区间。表示感应电动机的功率因数的波动区间。配电网负荷占比最大的负荷为感应电动机。表征感应电动机运行特性的参数主要有效率η、功率因数和转速n。这些参数均是感应电动机负载率β的函数。如图2所示，为感应电动机的运行特性示意图，其中，m和s分别为感应电动机的电磁转矩和转差率。感应电动机功率因数随负载率β的降低而下降，而且负载率越低，功率因数下降越快。从效率和功率因数来看，感应电动机的负载率β在0.75～0.85范围内为最佳运行工况。受实际负荷变动的影响，可以设定感应电动机一般运行在负载率β为0.3～0.9范围内。当感应电动机的负载率β在此范围内变动时，从感应电动机的功率因数特性可以看出，功率因数的变化幅度很小，可近似认为在±1％上下浮动。因此，当给定感应电动机的额定有功功率pn和功率因数时，可假定其实际有功功率p在区间[0.3pn，0.9pn]范围内波动，记为[p]；而功率因数在范围内变动，记为则感应电动机的实际复功率s可认为在区间[s]上变动。(2)风力发电有功功率区间模型风力发电是将传统的风能转换为电能的技术。风是风力发电机组的原动力。风机的功率出力与风速密切相关。风速具有随机性，本发明采用典型的威布尔分布描述风速。威布尔分布具体如下：其中，k为形状系数，取值一般在1.8～2.3之间，体现在威布尔分布概率密度函数的曲线形状上。μ为尺度系数，表示所观测地区在某一时段内的平均风速。一般认为，风力发电机组的功率出力与风机轮毂高度处的风速的三次方相关联，即其中，pr为风力发电机组的额定出力。pw(v)为风速为v时的风力发电机组功率出力。n为风力发电机的数量。ρ为空气密度。cp为能量转换效率。r为风轮扫过面积的半径。vr为额定风速。vci为切入风速。vco为切出风速。当实际风速大于切入风速vci时，风力发电机启动，发出电能；当实际风速大于额定风速vr时，风力发电机保持额定功率输出；当风速小于切入风速vci或高于切出风速vco时，风力发电机停止运行并与电网解列。风力发电机的出力曲线大致如图3所示。风力发电机出力的区间建模，即指定一个区间[pwdown,pwup]，使其满足下列两个条件：1)风力发电机的出力有足够大的概率处于区间[pwdown,pwup]内；2)区间[pwdown,pwup]的宽度应尽可能小，至少其是一个宽度有限的区间，不是一个无限的范围。因此，可以通过风力发电有功功率区间模型描述的概率形式表征风力发电有功功率区间模型所需满足的要求。具体的，风力发电有功功率区间模型为：其中，表示事件为真的概率，εw表示与风力发电机的出力处于区间模型中的概率相关的参数，pw表示风力发电有功功率，pwdown和pwup分别为风力发电有功功率的下限和上限。(3)风力发电无功功率区间模型风力发电机在发出有功功率的同时也发出无功功率，通常认为风力发电机的功率因数是确定的，则通过风力发电有功功率区间模型[pwdown,pwup]可以计算得到其无功功率区间模型[qwdown,qwup]。具体的，风力发电无功功率区间模型为：其中，cosθw为风力发电机的的功率因数，qwdown和qwup分别为风力发电无功功率的下限和上限。(4)光伏发电有功功率区间模型对于光伏发电，光伏发电系统的输出功率与所受的太阳光照强度密切相关，因此，太阳光照强度变化的随机性给光伏发电系统的输出功率带来了随机性。在发明实施例中，采用贝塔分布来计算光照强度，其概率密度函数如下：其中，s为太阳光照强度，其取值范围为a≤s≤b，a、b分别为某地某段时间内太阳光照强度的最小值与最大值。γ为gamma函数。基于太阳光照强度，可以根据下式计算光伏发电系统的输出功率：ppv＝ξ×cosθ×ηm×ap×ηp。其中，ξ为太阳光照强度。θ为太阳光的入射角。ηm为mppt(maximumpowerpointtracking，最大功率点跟踪)效率。ap为光伏电池板面积。ηp为光伏电池的转换效率。采用区间[ppvdown,ppvup]表征光伏发电系统的输出功率，该区间需满足光伏发电有功功率区间模型的要求。具体的，光伏发电有功功率区间模型为：其中，表示事件为真的概率，εpv表示与光伏发电系统的出力处于区间模型中的概率相关的参数，ppv表示光伏发电有功功率，和分别为光伏发电有功功率的下限和上限。针对确定的εpv，由于参数ppvdown和ppvup很难通过太阳光照强度的概率分布确切得到，因此，可以根据太阳光照强度概率密度函数，通过蒙特卡洛模拟的方法，得到光伏发电系统输出功率的区间模型。(5)光伏发电无功功率区间模型与风电相同，通常认为光伏并网发电系统的功率因数是确定的，则通过光伏发电有功功率区间模型[pwdown,pwup]可以计算得到其无功功率区间模型具体的，光伏发电无功功率区间模型为：其中，cosθpv为光伏发电系统的的功率因数，和分别为光伏发电无功功率的下限和上限。具体的，负荷不确定性模型、风力发电有功功率区间模型、风力发电无功功率区间模型、光伏发电有功功率区间模型和光伏发电无功功率区间模型的区间均可采用前推回代潮流计算方法获得。具体的，功率不确定性区间计算公式为：其中，{x}和{y}表示两个集合。区间计算可以用上下限计算来代替，即x，y，本发明实施例中，区间计算被应用于配电网前推回代潮流计算。其中，迭代分为两个步骤：1)前推过程。由距离电源点最远的节点开始向首端推算，设全网电压都为额定电压，逆着功率传送的方向依次计算各段线路的功率分布，不计算电压降落。首先，采用下式计算各节点注入电流：式中：ija、ijb、ijc表示节点j各相注入电流，sja、sjb、sjc表示节点j各相负荷功率，uja、ujb、ujc表示节点j各相电压，yja、yjb、yjc表示节点j各相对地导纳，k表示迭代次数。然后，计算支路电流：从馈线末端开始，逆着潮流方向，根据kcl(基尔霍夫电流定律)计算各支路电流，并求得根节点电流：式中：ija、ijb、ijc表示节点j各相注入电流，m表示与节点j直接相连的所有下层支路的集合，ima、imb、imc表示各下层支路m的电流。2)回代过程。利用给定的始端电压和第一步求得的功率分布，从电源点开始，顺着功率传送方向，由始端向末端逐段计算各段线路的电压降落，求出各节点电压，但这时不再重新计算功率损耗。从馈线首端开始，顺着潮流方向，由已知根节点电压和求得的三相电流，根据kvl(基尔霍夫电压定律)计算节点j各相电压：式中：uia、uib、uic表示节点i各相电压。表示节点阻抗矩阵，ila、ilb、ilc表示各根节点l的电流。通过以上前推和回代两个过程，便完成了一轮的迭代计算。下一轮前推迭代中，计算功率损耗时可利用上一轮回代过程求得的节点电压。每次前推迭代中，由网络电压求得潮流分布；回代迭代中由功率分布推算电压分布，如此迭代几次，直到前后两次迭代的节点电压差的模值满足精度要求，即可停止迭代。区间之间有时需要比较优劣。取两个区间[e]和[f]，当[e]和[f]没有重叠区域时，只需比较上下限就可以区别二者优劣。例如，[0.1,0.2]与[0.5,0.8]相比，后者的变动范围内的最小值0.5大于前者变动范围内的最大值0.2，因此，后者较大。当[e]和[f]存在重叠区域时，需要如下比较方法：假设从服从正态分布的区间[e]和[f]中分别取一个随机变量ξe,ξf。记ξe＞ξf为事件p，其发生概率就代表了从[e]中取值优于[f]的概率，即[e]优于[f]。例如，[0.3,0.8]与[0.4,0.7]比较大小，抽样100次。每次抽样，这两个区间中取出来一个数比大小，记从第一个区间中取出来的数大于第二个区间中取出来的数的概率为p，如果p>0.5，则认为第一个区间大，反之则反。具体的，步骤s20中：(1)有功网损费用的第一目标优化函数为：f1(x)＝ptlossd。其中，f1(x)表示有功网损费用。d为单位电价。且其中，ptloss表示网络总损耗。ploss,k和qloss,k分别为节点k前的有功损耗和无功损耗。uk为节点电压。pk和qk别为节点的有功流出功率和无功流出功率。rk表示下游支路的电阻。n表示节点数。两个相邻节点的功率关系为：其中，pl,k和ql,k分别为节点有功注入功率和无功注入功率。本发明中采用前推回代法(fbsm)计算潮流，其中前推和回代过程的迭代方程如下式：其中，和分别表示第k次迭代中的节点注入电流与节点电压。和分别表示第k次迭代中的支路电流与电压矢量。y和z分别为导纳和阻抗矩阵。f表示以电压矢量为自变量的函数，代表由恒定负载引起的节点注入电流。a表示包含了与被计算节点相关联的所有节点的关联矩阵子矩阵。(2)期望缺供电量的第一目标优化函数为：其中，其中，f2(x)表示期望缺供电量。pa,i表示节点i处的平均负荷，ti表示年平均断电时间，且m为节点i处的设备总数。λ为设备年平均故障率。γ为设备平均检修时间。(3)开关操作费用的第一目标优化函数为：f3(x)＝nop×q。其中，q为单次开关操作费用。开关操作费用包含了多种费用。操作本身将对开关造成损耗，使之寿命下降。同时，联络开关的闭合将使得网络瞬时进入环网运行状态，此间发生的额外费用也需要计入操作费用中。因此，将上述的这些费用量化为单次开关操作费用q。nop为操作次数。具体的，步骤s30中：约束条件包括：配电网拓扑结构约束、潮流平衡约束和电压偏差约束。(1)配电网拓扑结构约束包括：g∈g。其中，g为重构后的拓扑结构。g为所有满足约束条件的拓扑结构的集合。(2)潮流平衡约束包括：其中，pi和qi分别为节点i的有功负荷和无功负荷。pdg,i和qdg,i分别为分布式电源的有功输出和无功输出。ui为节点i的电压。gij和bij分别为导纳矩阵的实部和虚部。δij为节点i的功率因数角。(3)电压偏差约束包括：其中，uimin和分别为节点i的电压的上限和下限。为节点i的最大流出电流。为节点i的分布式电源的最大有功输出。具体的，步骤s40中：该第二目标优化函数通过如下的方式获得：上述的配电网拓扑约束通过下述的步骤s603中的连通性判别记性保证。上述的潮流平衡约束通过潮流计算进行保证。上述的电压偏差、支路极限功率约束通过罚函数修正多目标优化模型。因此，通过对等式和不等式约束附加惩罚因子并整合入目标函数中，使原本带有约束条件的优化问题可以转化为无约束优化问题，如下所示：考虑步骤s10中的负荷和分布式能源的区间模型的区间数值后，第二目标优化函数如下：其中，w1、w2和w3分别表示有功网损费用的第一目标优化函数、期望缺供电量的第一目标优化函数和开关操作费用的第一目标优化函数的权重因子。w4和w5分别表示电压和电流约束项的惩罚因子。和ui分别表示节点i电压区间值的上下界。表示节点i电流区间值的上界。具体的，如图4所示，步骤s60包括如下的步骤：步骤s601：构造和声目标函数，初始化和声内存和相关参数。其中，相关参数包括：迭代次数、乐器(即开关)个数、和声记忆库hm、和声记忆库保留概率hmcr、记忆库扰动概率par。迭代次数可根据运算量和实际需求设定。该和声目标函数为第二目标优化函数。该初始化的和声内存包括：至少一个和声。每一和声都包括和声解向量。每一和声的和声解向量表示预先设定的一种配电网的节点的开关的通断初值(即预先对乐器赋值)。例如，断开初值为0，导通初值为1。步骤s602：创作新和声。其中，该新和声对应的和声解向量为与和声内存中的和声解向量表示的配电网的节点的开关的通断初值不同的配电网的节点的开关的通断初值。步骤s603：将新和声对应的和声解向量进行拓扑结构验证。通过拓扑结构验证，可确定新和声对应的和声解向量表示的配电网的节点的开关的通断初值是否使配电网满足辐射性和连通性的约束条件。该拓扑结构验证为：检测和声生成的网络是否含有环网或者孤岛。由于上述和声搜索算法的粒子生成过程决定了所生成的网络不可能含有环网，拓扑分析只需要检测网络中是否含有孤岛即可。对一个由和声搜索算法生成的网络，记其节点关联矩阵为b。该矩阵每一行都代表一个节点与其他节点的连接关系：1代表相连，0代表不相连。每一行(列)元素的总和称作该节点的连接度，表示该节点与其他节点相连的紧密程度。孤立节点的度为0，网络首末节点的度为1，其他节点的度均不小于2。以图5示出的系统为例，对本发明实施例的拓扑分析方法进行简单说明。正常状态下的图5(a)的系统节点关联矩阵如下：本发明实施例的拓扑分析步骤为：1)计算矩阵b中所有节点的连接度。若有度为0的节点，则说明网络含有孤立节点，即不可行，无法通过拓扑结构验证。2)若网络不含度为0的节点，则删除该网络中度为1且编号最大的节点，即删除该点对应的行与列，然后返回步骤1)，直到系统只剩下两个节点。3)若系统剩下的两个节点的度均为1，则说明该网络不含孤岛，是可行的，可以通过拓扑结构验证；否则不可行，不能通过拓扑结构验证。每次循环矩阵b都会缩小一阶。例如经过4次循环后，矩阵b将缩减为下式所示的形式：在缩减后的矩阵b中，度为1的行(列)为1、5和7，对应原系统中的节点1、5和7。因此，步骤2)仅仅是缩小了原系统的规模，并不破坏其拓扑特性。随着该过程继续进行，最终矩阵b将剩下节点1与2，它们的度均为1。这说明原系统通过了拓扑验证，即不含孤岛。若通过验证，则进行步骤s604；否则进行步骤s602。步骤s604：采用潮流计算方法，获得该新和声对应的和声目标函数的解。步骤s605：判断新和声的和声目标函数的解是否优于和声内存中的最差的和声对应的和声目标函数的解。若优于，则进行步骤s606；否则，进行步骤s602。步骤s606：将新和声替代和声内存中的最差和声。步骤s607：判断是否达到最大迭代次数。若达到最大迭代次数，则进行步骤s608；否则进行步骤s602，并将迭代次数增加一次。步骤s608：输出和声内存。具体的，步骤s70中：输出的和声内存包括至少一个第二目标优化函数的解。在这些解中，获取最小的解。如果最小的解有多个，则可根据实际情况，选择其中一个最小解。采用最小解对应的配电网的节点的开关的通断初值对配电网进行重构。综上，本发明实施例的配电网重构方法综合考虑了负荷、分布式能源的随机波动带来的不确定性，与实际状况有高度的一致性，具有较高的准确性；设计了配电网重构多目标模型，计及了运行网损、供电可靠性、开关操作费用，优化目标覆盖全面，有利于优化配电网供电路径，提高配电网运行效率，实现降低网损、消除过载、平衡负荷、提高电压质量、提升供电可靠性与经济效益等目的；直接反应了重构决策过程中的考虑因素，具有较强的实用性；基于采用和声搜索算法求解多目标、非线性的含区间不确定性计算的配电网重构模型，求解性能良好，收敛快、精度高。本发明实施例还提供一种配电网重构系统。如图6所示，该配电网重构系统包括：第一建立模块601，用于建立负荷和分布式能源的区间模型。第二建立模块602，用于分别建立有功网损费用、期望缺供电量和开关操作费用的第一目标优化函数。确定模块603，用于确定第一目标优化函数的约束条件。归一化模块604，用于根据负荷和分布式能源的区间模型、约束条件和每一一目标优化函数的权重，对第一目标优化函数进行归一化处理，得到第二目标优化函数。设定模块605，用于设定配电网的节点的开关的通断初值。求解模块606，用于采用和声搜索算法求解第二目标优化函数。重构模块607，用于按照最小的第二目标优化函数的解对应的配电网的节点的开关的通断初值，进行配电网重构。综上，本发明实施例的配电网重构系统综合考虑了负荷、分布式能源的随机波动带来的不确定性，与实际状况有高度的一致性，具有较高的准确性；设计了配电网重构多目标模型，计及了运行网损、供电可靠性、开关操作费用，优化目标覆盖全面，有利于优化配电网供电路径，提高配电网运行效率，实现降低网损、消除过载、平衡负荷、提高电压质量、提升供电可靠性与经济效益等目的；直接反应了重构决策过程中的考虑因素，具有较强的实用性；基于采用和声搜索算法求解多目标、非线性的含区间不确定性计算的配电网重构模型，求解性能良好，收敛快、精度高。下面以一具体的应用实例对本发明的技术方案做进一步说明。如图7所示，为含分布式电源的ieee33节点网络，其中dg1～dg3采用光伏发电，dg4～dg5采用风机发电。区间波动为[0.3,0.9]，分布式能源上下限为[0.3prated,0.9prated]，即dg1-dg5的分布式光伏、风电的波动区间为30％-90％的额定功率值。负荷波动考虑10％的波动，因此，区间为[0.9pl,1.1pl]，即负荷的波动区间取得的是90％-110％的额定值。ieee33节点网络是一个12.66kv标准辐射配电网，包含33个联络开关和5个分段开关。如图8所示，为采用本发明实施例的配电网重构方法对ieee33节点配电网络重构后的示意图。图7中的虚线表示联络线，两个负荷节点之间有闭合的线路连接，也有常开的线路连接，常开开关的线路在必要时可以选择闭合，改变供电路径。如表1所示，为相关设备可靠性参数。如表2所示，为重构前和重构后的结果对比。表1相关设备可靠性参数设备类型λ×r(h/year)架空线[0.282,0.358]断路器[0.0418,0.0508]开关[0.036,0.044]根据不同的设备类型，可以获得不同的λ×r的可靠性参数，进而可以得到年平均断电时间ti，并根据ti可计算得到表2含分布式能源的ieee33节点系统重构前、后结果对比从表1中，可以看出，重构前网损为[108.85,266.06]，期望缺供电量为[2438.5,2880.3]，最小电压标幺值为[0.8718,0.8178]，均明显大于重构后网损[75.41,161.33]，期望缺供电量[2425.1,2864.5]，最小电压标幺值[0.8282,0.8536]，从而证明了本发明的重构方法的有效性。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。当前第1页12