一种考虑分布式电源与软开关接入的配电网动态重构方法与流程

本发明涉及一种配电网动态重构方法。特别是涉及一种考虑分布式电源与软开关接入的配电网动态重构方法。

背景技术：

配电网作为电能从生产到用户的最后环节，在电力系统中的作用极为重要。配电网重构只需要改变网络中的联络开关或分段开关的状态，不需要增加其他的投资就能达到减少网络损耗、提高可靠性、经济性和供电效益的目的。实际配电系统的负荷是随时间动态变化的，因此研究一段时间周期内的配电网动态重构模型更符合实际配电网的运行，对配电系统的安全、优质、经济运行具有指导意义。

近年来面对资源逐渐短缺的实际情况，开发和利用可再生能源已成为解决资源问题的必由之路。分布式电源能够充分利用可再生能源，是集中供电的一种有益补充。但是风力、光伏等不可控分布式电源的出力具有很强的随机性与间歇性，给配电网重构带来了诸多问题，如电压越限、网络阻塞等。传统配电系统的调节手段有限，因此引入智能软开关十分必要。智能软开关作为新型智能配电装置，能够取代联络开关，其对配电系统的功率控制更加安全可靠，能够实现连续控制。大多数研究在考虑配电网重构时仅考虑了含分布式电源、智能软开关或动态重构的一方面或两方面，在研究中均没有充分考虑含分布式电源和智能软开关共同存在的智能配电网动态重构。

技术实现要素：

本发明所要解决的技术问题是，提供一种能够实现网络损耗最小的考虑分布式电源与软开关接入的配电网动态重构方法。

本发明所采用的技术方案是：一种考虑分布式电源与软开关接入的配电网动态重构方法，包括如下步骤：

1)建立源荷随机性模型并进行配电网随机潮流分析，所述的源荷随机性模型包括风力发电系统随机模型、太阳能光伏发电系统随机模型和负荷随机模型；所述的配电网随机潮流分析是基于半不变量法的配电网随机潮流分析；

2)建立智能软开关运行模型及动态网络重构模型，所述的智能软开关运行模型是由智能软开关变流器的容量约束表示；所述动态网络重构的数学模型包括目标函数和约束条件；

3)采用遗传算法对所建立的模型进行求解。

步骤1)中所述的：

(1)风力发电系统随机模型包括：

风速的概率密度函数f(v)：

式中，v为风速；k＝(σw/μw)^-1.086；c＝μw/г(1+1/k)；μw为风速的平均；σw为风速的标准差；г为伽马函数；

风电机组输出功率pw与风速v之间的函数关系：

式中，pr为风电机组额定容量；vci、vr、vco分别为切入风速、额定风速和切出风速；k1＝pr/(vr-vci)；k2＝-vci；

根据风力发电机输出有功功率与风速的函数表达式，得到风力发电有功功率概率密度f(pw)如下：

(2)太阳能光伏发电系统随机模型包括：

太阳光照强度由贝塔分布描述，太阳光照强度概率密度函数f(r)如下：

式中，r和rmax分别为计算时间段内的实际光强和最大光强；α和β为贝塔分布的参数；

式中，μs为光照强度平均值；σs为光照强度标准差；

由太阳光照强度概率密度函数f(r)得到太阳能电池方阵输出功率的概率密度函数f(pm)：

式中，pm为太阳能方阵实际输出功率；rm为太阳能方阵最大输出功率。

(3)负荷随机模型

配电网负荷具有时变性，负荷有功和无功功率的概率密度函数f(p)、f(q)分别为：

式中，p、q分别为负荷的有功和无功功率；μp、σp分别为负荷有功功率的数学期望和标准差；μq、σq分别为负荷无功功率的数学期望和标准差。

步骤1)中所述的基于半不变量法的随机潮流分析是采用如下公式进行分析：

电力系统潮流方程式为：

式中，pi、qi分别为节点i的有功和无功功率；vi、vj分别为节点i、j的电压；gij为节点i、j之间的电导；bij为节点i、j之间的电纳；θij为节点i、j之间的电压相角；

考虑节点注入功率的随机变化，将电力系统潮流方程在基准运行点线性化：

式中，x为节点的状态变量；x0为状态变量在基准运行状态下的期望值；j0为收敛点处的雅可比矩阵；s0为j0的逆矩阵，称为灵敏度矩阵；δw为节点注入的随机变量；

将各节点负荷功率半不变量和风机或光伏电池输出功率半不变量相加，得到节点注入功率的各阶半不变量δw^(k)：

式中，分别为负荷功率、风力发电机输出功率和光伏电池输出功率的k阶半不变量；

由随机注入各阶半不变量δw^(k)求出状态变量的各阶半不变量δx^(k)：

δx^(k)＝[s0(m,n)]^kaw^(k)

式中，s0(m,n)为灵敏度矩阵s0的第m行和第n列元素；

用gram-charlier级数展开得到状态变量△x的分布函数f(x)及概率密度函数f(x)：

式中，ψ(x)与分别为标准正态分布的分布函数和概率密度函数；系数c由各阶中心矩求出。

步骤1)中所述的智能软开关运行模型是选取pq-vdcq控制作为智能软开关的控制模式，智能软开关运行的约束条件构成智能软开关运行模型：

pk1(t)+pk2(t)＝0，k∈ωsop

式中，ωsop为智能软开关的集合；pk1(t)、pk2(t)、qk1(t)、qk2(t)分别为t时段第k个智能软开关中两个变流器的有功功率和无功功率；sk1max、sk2max分别为第k个智能软开关中两个变流器的接入容量。

步骤1)中以网络损耗最小为目标函数构建动态网络重构模型，目标函数minf如下：

式中，t为所计算的时间段，n为配电网支路总数；pi和qi为t时刻流过支路i首端的有功功率和无功功率；ui为t时刻支路i的电压；ri为t时刻支路i的阻抗；

(2)约束条件

在整个时间段t内应满足的约束条件包括：

智能软开关运行的约束条件：

pk1(t)+pk2(t)＝0，k∈ωsop

配电网的潮流约束条件：

电流约束条件：

il≤ipll＝1,......,li

电压约束条件：

vli≤vi≤vuij＝1,....,n

辐射状运行约束条件：

gp∈gp

开关约束条件：

nz≤nzmaxz∈s

式中，ωi为节点i的相邻节点的集合；vi、vj和θij分别为节点i和j的电压幅值和相角差；gii、bii、gij和bij分别为节点导纳矩阵中的自电导、自电纳、互电导和互电纳；il为流过元件的电流；ipl为元件的最大允许通过电流；li为元件数；vj为节点j的电压；vlj为节点j的电压下限；vui为节点j的电压上限；n为节点数，gp表示当前的网络结构；gp表示所有允许的辐射状网络配置；nz为开关动作次数；nzmax为开关总动作次数；s为开关号。

步骤3)包括：

(1)根据配电网原始数据，对遗传算法染色体编码；

(2)初始化，即随机产生n个初始串结构数据，每个串结构数据成为一个个体；

(3)判断网络结构是否符合辐射状；是进入下一步，否则，返回第(2)步；

(4)进行配电网潮流计算；

(5)判断计算结果是否满足设定的潮流约束条件；否，则进入第(6)步；是，则进入第(7)步；

(6)重新初始化，并判断网络结构是否符合辐射状；否，则用变异前个体代替变异后个体，并重新进行第(6)步；是，则返回第(5)步；

(7)更新遗传算法中的历史最优解与全局最优解，并计算交换产生的新个体的适应度；

(8)判断适应度是否满足要求设定的适应度要求；否，则进入第(9)步；是，则程序结束，得到符合要求的解；

(9)判断子代最优个体是否优于父代最优个体；否，则进入第(10)步；是，则进入第(11)步；

(10)用父代最优个体代替子代最优个体；

(11)对染色体进行交叉配对与变异，并确保适应度最高的染色体不被选中进行交叉配对与变异；返回第(3)步。

本发明的一种考虑分布式电源与软开关接入的配电网动态重构方法，通过建立包括开关动作次数约束的含智能软开关配电网动态重构模型，基于半不变量法分析含分布式电源的配电网负荷随时间变化的随机性，并提出一种加入了精英策略的改进遗传算法求解智能配电网动态重构模型，实现了含分布式电源与智能软开关的配电网网络损耗最小。本发明的方法解决含分布式电源与智能软开关的配电网的网络重构问题，平衡配电网馈线间的负载，改善系统整体的潮流分布，消除过载，改善电压水平，提高电能质量和供电可靠性，有效降低网络损耗，提高配电网运行经济性。

附图说明

图1是本发明采用遗传算法对所建立的模型进行求解的流程图；

图2是具有环路信息的ieee16节电网络图；

图3是ieee16节点网络拓扑图；

图4是ieee16节点网络动态重构网络损耗曲线图。

具体实施方式

下面结合实施例和附图对本发明的一种考虑分布式电源与软开关接入的配电网动态重构方法做出详细说明。

本发明的一种考虑分布式电源与软开关接入的配电网动态重构方法，包括如下步骤：

1)建立源荷随机性模型并进行配电网随机潮流分析，所述的源荷随机性模型包括风力发电系统随机模型、太阳能光伏发电系统随机模型和负荷随机模型；所述的配电网随机潮流分析是基于半不变量法的配电网随机潮流分析；其中：

(1)风力发电主要是通过原动机捕获风能，并将其转化为机械能。风速一般服从两参数的威布尔分布，所述的风力发电系统随机模型包括：

风速的概率密度函数f(v)：

式中，v为风速；k＝(σw/μw)^-1.086；c＝μw/г(1+1/k)；μw为风速的平均；σw为风速的标准差；г为伽马函数；

风电机组输出功率pw与风速v之间的函数关系：

式中，pr为风电机组额定容量；vci、vr、vco分别为切入风速、额定风速和切出风速；k1＝pr/(vr-vci)；k2＝-vci；

根据风力发电机输出有功功率与风速的函数表达式，得到风力发电有功功率概率密度f(pw)如下：

(2)太阳能光伏发电系统随机模型包括：

太阳光照强度由贝塔分布描述，太阳光照强度概率密度函数f(r)如下：

式中，r和rmax分别为计算时间段内的实际光强和最大光强；α和β为贝塔分布的参数；

式中，μs为光照强度平均值；σs为光照强度标准差；

由太阳光照强度概率密度函数f(r)得到太阳能电池方阵输出功率的概率密度函数f(pm)：

式中，pm为太阳能方阵实际输出功率；rm为太阳能方阵最大输出功率。

(3)负荷随机模型

配电网负荷具有时变性，负荷有功和无功功率的概率密度函数f(p)、f(q)分别为：

式中，p、q分别为负荷的有功和无功功率；μp、σp分别为负荷有功功率的数学期望和标准差；μq、σq分别为负荷无功功率的数学期望和标准差。

(4)基于半不变量法的概率潮流计算方法简单且计算速度快，在电力系统的随机潮流分析中得到了广泛的应用。随机潮流考虑的随机因素包括负荷的不确定性、发电机的强迫停运和线路的随机故障。对随机潮流计算的模型进行处理，在随机潮流计算模型中，系统状态变量是各独立注入功率变量的线性和，权重系数为灵敏度系数。所述的基于半不变量法的随机潮流分析是采用如下公式进行分析：

电力系统潮流方程式为：

式中，pi、qi分别为节点i的有功和无功功率；vi、vj分别为节点i、j的电压；gij为节点i、j之间的电导；bij为节点i、j之间的电纳；θij为节点i、j之间的电压相角；

考虑节点注入功率的随机变化，将电力系统潮流方程在基准运行点线性化：

式中，x为节点的状态变量；x0为状态变量在基准运行状态下的期望值；j0为收敛点处的雅可比矩阵；s0为j0的逆矩阵，称为灵敏度矩阵；δw为节点注入的随机变量；

将各节点负荷功率半不变量和风机或光伏电池输出功率半不变量相加，得到节点注入功率的各阶半不变量δw^(k)：

式中，分别为负荷功率、风力发电机输出功率和光伏电池输出功率的k阶半不变量；

由随机注入各阶半不变量δw^(k)求出状态变量的各阶半不变量δx^(k)：

δx^(k)＝[s0(m,n)]^kδw^(k)

式中，s0(m,n)为灵敏度矩阵s0的第m行和第n列元素；

用gram-charlier级数展开得到状态变量△x的分布函数f(x)及概率密度函数f(x)：

式中，ψ(x)与分别为标准正态分布的分布函数和概率密度函数；系数c由各阶中心矩求出。

2)建立智能软开关运行模型及动态网络重构模型，所述的智能软开关运行模型是由智能软开关变流器的容量约束表示；所述动态网络重构的数学模型包括目标函数和约束条件；其中，

当配电系统中出现分布式电源与负荷分配不均，有功潮流需要大范围转移的情况时，会产生一定的有功功率损耗。但是在进行整个配电系统尤其是大规模配电系统的运行优化时，单个或者少数装置的有功损耗相对系统损耗而言是非常小的，因此这里暂不考虑智能软开关的有功损耗。并且在每一个时间断面不仅存在配电网络重构的寻优问题，智能软开关同样有相应的优化问题。在本发明的研究中，假定智能软开关仅作为平衡其所连接两侧馈线的有功与无功功率的设备，不考虑智能软开关的优化问题。

所述的智能软开关运行模型是选取pq-vdcq控制作为智能软开关的控制模式，智能软开关运行的约束条件构成智能软开关运行模型：

pk1(t)+pk2(t)＝0，k∈ωsop

式中，ωsop为智能软开关的集合；pk1(t)、pk2(t)、qk1(t)、qk2(t)分别为t时段第k个智能软开关中两个变流器的有功功率和无功功率；sk1max、sk2max分别为第k个智能软开关中两个变流器的接入容量。

实际配电系统线路上供应的负荷是随时间动态变化的，因此需要研究其动态网络重构模型。所述的动态网络重构模型包括：

(1)目标函数

以网络损耗最小为目标函数构建动态网络重构模型，目标函数minf如下：

式中，t为所计算的时间段，n为配电网支路总数；pi和qi为t时刻流过支路i首端的有功功率和无功功率；ui为t时刻支路i的电压；ri为t时刻支路i的阻抗；

(2)约束条件

在整个时间段t内应满足的约束条件包括：

智能软开关运行的约束条件：

pk1(t)+pk2(t)＝0，k∈ωsop

配电网的潮流约束条件：

电流约束条件：

il≤ipll＝1,......,li

电压约束条件：

vli≤vi≤vuij＝1,....,n

辐射状运行约束条件：

gp∈gp

开关约束条件：

nz≤nzmaxz∈s

式中，ωi为节点i的相邻节点的集合；vi、vj和θij分别为节点i和j的电压幅值和相角差；gii、bii、gij和bij分别为节点导纳矩阵中的自电导、自电纳、互电导和互电纳；il为流过元件的电流；ipl为元件的最大允许通过电流；li为元件数；vj为节点j的电压；vlj为节点j的电压下限；vui为节点j的电压上限；n为节点数，gp表示当前的网络结构；gp表示所有允许的辐射状网络配置；nz为开关动作次数；nzmax为开关总动作次数；s为开关号。

3)采用遗传算法对所建立的模型进行求解

本发明所述的遗传算法是加入精英策略的遗传算法，其基本思想是最优先保留当代适应度最好的个体，让其不参与后续交叉、变异操作，替换当代适应度最低的染色体，直接进入下一代的进化阶段。包括：

(1)确定适应度函数：适应度函数的适应值是遗传算法指导搜索方向的重要依据，因此在寻优的过程中构造一个合适的适应度函数非常重要。本发明的适应度函数即为考虑约束条件后的网络损耗函数；

(2)交叉和变异：在遗传进化过程中，交叉操作采用随机定位、两点交叉的方式。在进行变异操作时，首先随机选定要变异的基因，然后在此基因所对应环路开关集合中随机选定一个其他开关来替换作为当前基因的开关。遗传算法参数中的交叉率和变异率的选取是影响算法性能的关键。

(3)最优个体的保留策略：在遗传操作中，对种群中的父代染色体进行交叉操作和变异操作时，会不断产生出新的子代染色体。但是，由于交叉、变异操作的随机性，其产生的新的子代染色体所代表的解并不一定比父代染色体所代表的解优秀，虽然随着种群的进化过程会产生越来越多的优秀染色体，但是也有几率导致当代种群中适应度最好的染色体被破坏。因此，为了避免这种情况的发生，在遗传操作中加入最优个体保留策略，其基本思想是最优先保留当代适应度最好的个体，让其不参与后续交叉、变异操作，替换当代适应度最低的染色体，直接进入下一代的进化阶段。最优个体保留策略的具体操作过程如下：

a.根据适应度函数计算当代种群所有染色体的适应度，求得适应度最高的染色体；

b.进行选择操作，确保适应度最高的染色体得以选中，若未选中，将选择操作后得以保留的适应度最低的染色体替换为适应度最高的染色体；

c.进行交叉操作，确保该染色体不被选中进行交叉配对；

d.进行变异操作，确保该染色体不被选中进行变异；

e.若下一代进行选择后出现适应度更好的染色体，则用该染色体代替上一代适应度最高的染色体。

如图1所示，本发明的采用遗传算法对所建立的模型进行求解包括：

(1)根据配电网原始数据，对遗传算法染色体编码；

(2)初始化，即随机产生n个初始串结构数据，每个串结构数据成为一个个体；

(3)判断网络结构是否符合辐射状；是进入下一步，否则，返回第(2)步；

(4)进行配电网潮流计算；

(5)判断计算结果是否满足设定的潮流约束条件；否，则进入第(6)步；是，则进入第(7)步；

(6)重新初始化，并判断网络结构是否符合辐射状；否，则用变异前个体代替变异后个体，并重新进行第(6)步；是，则返回第(5)步；

(7)更新遗传算法中的历史最优解与全局最优解，并计算交换产生的新个体的适应度；

(8)判断适应度是否满足要求设定的适应度要求；否，则进入第(9)步；是，则程序结束，得到符合要求的解；

(9)判断子代最优个体是否优于父代最优个体；否，则进入第(10)步；是，则进入第(11)步；

(10)用父代最优个体代替子代最优个体；

(11)对染色体进行交叉配对与变异，并确保适应度最高的染色体不被选中进行交叉配对与变异；返回第(3)步。

下面给出具体实例：

采用含分布式电源的ieee16节点配电网算例验证分布式电源和智能软开关的作用以及本发明的方法的有效性。在本发明算法中采用基于环路的编码策略，如图2所示。将每个环路中分别选择一个支路开关，三个环路开关构成初始的染色体，此为候选染色体。通过取消公共支路开关的编码设置，大幅度简化计算而且对最优解没有影响。环路1包含的开关集合为{12,15,19,18}；环路2包含的开关集合为{17,21,24}；环路3包含的开关集合为{13,14,26,25,23}。

ieee16节点配电网电源根节点的电压为10.5kv，线路额定电压为10.0kv。其中l、2、3为电源点，其电压为10.5kv，在节点5以及16分别接入1000kw的风力发电机组，其网络拓扑如图3所示。

配电网的支路参数如表1所示，负荷数据如表2所示。

表1ieee16节点网络的支路参数

表2ieee16节点网络负荷参数

(1)在某一时间断面对配电网进行静态优化重构

本发明实例根据ieee16节点算例对比不含分布式电源的配电网重构、含分布式电源的配电网重构和将联络开关5-11换成智能软开关的配电网重构，如表3。

表3ieee16节点网络静态重构结果

由表3分析得：配电网重构能有效降低配电网传输中的网络损耗；在加入了分布式电源后，网损降低更多，说明分布式电源是电力系统的有益补充；随着将一个联络开关5-11换成智能软开关，使两侧馈线的有功与无功功率变得均匀，网络损耗得到进一步降低。

(2)在24小时内配电网的动态潮流优化结果

因为分布式电源以及负荷具有时间随机性，所以需要考虑不同负荷情况下的配电网重构，同时也需要考虑开关的关断次数约束，本发明在一天中的24个小时分别进行配电网络重构，来研究动态网络重构情况。图4为在24小时的层面对ieee16节点网络进行动态潮流优化所得到的网络损耗曲线。

设定开关约束，开关总操作次数不超过4次，单个开关的操作次数不超过2次，那么动态重构后的计算结果如表4所示。

表4ieee16节点网络动态重构结果

本发明通过对ieee16节点网络的静态以及动态重构分析，能够看出配电网重构是降低网损的有效手段；分布式电源作为可再生能源，是现有电力系统的有益补充，能够有效地降低网络损耗；智能软开关作为新型潮流控制装置，能均衡两次馈线有功以及无功功率，改善电压水平，提高电能质量和供电可靠性，进一步降低网络损耗，提高配电网运行经济性。