考虑电能质量的高密度光伏优化配置方法与流程

本发明涉及电力系统规划领域，特别是涉及一种考虑电能质量的高密度光伏优化配置方法。
背景技术：
：现有技术通常利用粒子群算法来解决含光伏配网的优化配置问题，这种方法也非常适用于建设大型光伏电站。然而，由于地理和经济等原因，我国东南部地区并不适合建设大型的光伏电站，利用屋顶的闲置空间建设屋顶光伏更加符合我国东南部的地区特性。但是屋顶光伏的接入一方面会对配网的电能质量产生影响，另一方面，相对于大型光伏电站，屋顶光伏具有容量小、密度高的特点，如仍采用传统的粒子群算法进行配网规划，会导致配网的电能质量较差，求解容易陷入局部最优。因此亟需一种考虑电能质量的高密度光伏优化配置方法对含屋顶光伏的配网进行优化配置。技术实现要素：本发明的目的在于提出一种考虑电能质量的高密度光伏优化配置方法。该方法在电网规划阶段考虑到光伏接入对配网电能质量造成的影响，既能接入较大的光伏容量增大经济效益，亦能保障配网电能质量合格。实现本发明目的的技术解决方案为：一种考虑电能质量的高密度光伏优化配置方法，包括以下步骤：以光伏接入容量最大作为目标函数，以电压偏移、谐波含量、三相不平衡度这几项电能指标为约束条件，构建配网数学模型；利用改进的粒子群算法对数学模型进行求解，得到高密度光伏的规划结果；本发明与现有技术相比，其显著优点在于：1)配网模型考虑了电能质量，能够在接入较大光伏容量增大经济效益的同时，保障配网电能质量合格；2)在粒子群算法中引入人工鱼群算法中的聚群行为和觅食行为，能够对高维函数进行优化，规划结果更为合理。附图说明图1为本发明一种考虑电能质量的高密度光伏优化配置方法的流程图。图2为本发明高密度光伏接入仿真系统的接线图。具体实施例下面结合附图和具体实施例，进一步说明本发明方案。如图1所示，一种考虑电能质量的高密度光伏优化配置方法，包括以下步骤：步骤1、以光伏接入容量最大作为目标函数，以电压偏移、谐波含量、三相不平衡度这几项电能指标为约束条件，构建配网数学模型，具体如下：目标函数以总的光伏接入容量最大为目标，即：式中n为所有接入光伏的节点集合，pgi为节点i的光伏接入容量。约束条件包括潮流约束、节点光伏接入容量约束、节点电压偏移约束、谐波含量约束以及节点三相不平衡度约束，即：式中pi和qi是节点i的注入有功功率和无功功率，vi为节点i的电压幅值，vj为节点j的电压幅值，gij为ij支路的电导，bij为ij支路的电纳，θij为节点i、j之间的电压相角差，n为所有接入光伏的节点，pdgi是节点i的光伏接入容量，ui％表示节点i的电压偏移量,thdi表示节点i谐波含量,εi代表节点i的三相不平衡度。步骤2、利用改进的粒子群算法对数学模型进行求解得到高密度光伏的规划结果。具体如下：粒子群算法中光伏容量大小的进化遵循粒子群算法的进化原则，将各节点光伏接入容量作为粒子i，则粒子i在第k次迭代时速度满足下式。式中vik代表粒子i在第k次迭代时的速度，ω代表惯性系数，c1和c2分别代表粒子的个体学习因子和社会学习因子，rand1和rand2均代表一个[0,1]之间的随机数，代表k-1次迭代后粒子i的个体最优位置，代表k-1次迭代后粒群体的最优位置，代表粒子i第k-1次迭代后的所处位置。粒子i的位置可按下式进行更新。为了改善粒子群算法在高维函数优化中的表现，将人工鱼群算法中的聚群和觅食行为引入粒子群算法中，即改进粒子群中粒子速度vik和粒子位置更新的运算公式(3)和公式(4)，其他过程和步骤不变。改进的公式具体如下：首先比较粒子的自身位置与整个粒子群的中心位置xc的适应度函数，若xc所处的位置更佳则执行聚群行为，即粒子向xc的位置前进，将粒子速度改为如下公式：若粒子所处的位置好于xc，则执行觅食行为，即：step代表步长，若在最大觅食尝试次数try-number内找到了一个好于自身位置适应度函数的位置xbetter则移动至该位置；若在最大觅食尝试次数try-number内粒子未能找到更好的位置，则粒子将随机移动一步。然而，由于人工鱼群算法中的觅食行为过于盲目，高维情况下在最大尝试次数内很难通过随机的一步得到一个更优的位置，相反的在超过了最大尝试次数后粒子随机移动一步的位置往往会比当前位置更差。因此对觅食行为做出改进，即给粒子加入记忆机制，令粒子可以记住每次移动后的位置。在移动后没有找到比自身更好的位置则向相反的方向进行移动。相较于改进前的机制，这样可以使得粒子可以向一个相对较好的方向发展，不至于随机前进到一个很差的位置。为了验证本发明规划的效果，可以利用传统电能质量评估方法对电能质量进行评估，验证规划光伏接入后电能质量是否合格。步骤1、根据层次分析法得到各电能指标的权重系数，具体如下：首先对电压偏移、电压波动、谐波含量和三相不平衡度各指标的重要程度两两进行比较，构建判断矩阵c：其中cij代表指标i与指标j相比的重要程度，元素cij的值应据下表求取：表1各重要程度值的含义重要程度含义3表示指标i与指标j相比极端或强烈重要2表示指标i与指标j相比明显或稍微重要1表示指标i与指标j相同重要1/2表示指标j与指标i相比明显或稍微重要1/3表示指标j与指标i相比极端或强烈重要在确定判断矩阵后，即可计算各个指标的相对权重，可设w＝(w1,w2,…,wn)t是判断矩阵c的权重向量，当c为一致性判断矩阵时有下式：若c不满足一致性则说明在判断矩阵的构建中对于各指标间两两进行重要性判断时存在矛盾的判断，需要返回步骤3.1重新对判断矩阵进行修改直至满足一致性。用w＝(w1,w2,…,wn)t右乘式(8)，得到cw＝nw，表明w为c的特征向量，因此权重值的求取可以归结为计算判断矩阵的特征值及特征向量的问题。最后再对特征向量做归一化处理，即可得到权重系数w。步骤2、根据熵权法得到电能质量指标的熵权系数，具体如下：根据国标中电能质量各指标的具体规定，将各指标分为4等级，其中各级的范围分别为：其中x为国标对该项指标的限值。若各指标的偏移程度超出了国标的规定则为第5等级。1～5级分别对应优秀、良好、中等、合格、不合格5个评价。然后对采集的电能数据进行分析得到各项指标在各级别上的概率，综合后得到概率矩阵f。根据熵的定义，可以得出各个指标的熵值ei和熵权系数wei。式中i＝1,2,3,…,m；j＝1,2,3,…,n，n为指标等级数，m为电能指标个数，ei为各指标熵值，wei为各指标熵权系数，fij为概率矩阵f中第i行、第j列的元素。步骤3、根据步骤3.1和步骤3.2得到综合权重和综合评估结果，可由下式计算得出：wzi＝αwi+βwei(13)其中α和β应当满足α+β＝1，对于本文的方法可选取α＝β＝0.5，即认为综合权重由同等重要的两种权重组合而成。最终根据下式求出评估结果b。b＝wzi·f(14)最后对评估结果b加权平均即可得到最终的综合评估结果步骤4、根据步骤2得到的规划结果，利用传统电能质量评估方法对所有节点进行电能质量评估，验证规划光伏接入后电能质量是否合格。实施例为了验证本发方案的有效性，进行如下仿真实验，仿真实验采用标准的ieee33节点配电网络系统，该系统的基准电压为vb＝12.66kv，根节点参考电压为vroot＝1p.u.＝12.66kv，系统的基准容量为sb＝1mva，此系统中所有的输电线路都被简化为单相线路。步骤1、构建以光伏接入容量最大为目标函数，以电压偏移、谐波含量、三相不平衡电能指标为约束条件的数学模型，具体如下：目标函数：式中pgi为节点i的光伏接入容量。约束条件：式中pi和qi是节点i的注入有功功率和无功功率，vi为节点i的电压幅值，vj为节点j的电压幅值，gij为ij支路的电导，bij为ij支路的电纳，θij为节点i、j之间的电压相角差，n为所有接入光伏的节点，pdgi是节点i的光伏接入容量，ui％表示节点i的电压偏移量,thdi表示节点i谐波含量,εi代表节点i的三相不平衡度。步骤2、利用改进的粒子群算法对数学模型进行求解得到高密度光伏的规划结果。运行完改进粒子群算法后得到各个节点每相接入光伏如下表所示。表2各节点规划光伏接入容量步骤3、利用传统电能质量评估方法对电能质量进行评估，验证规划光伏接入后电能质量是否合格。根据工程经验，线路末端节点的电能质量最差，因此可对节点17进行电能质量评估。首先对采集所得到的电能质量各项指标进行分析处理，得到判断矩阵c和节点17的电能质量概率矩阵f。依据上文中所提到的权重求取办法，对判断矩阵c和概率矩阵f进行分析，得到层次分析法的权重系数w和熵权系数ws。w＝[0.2270.4230.2270.122]ws＝[0.07840.30550.11490.5011]再根据公式(13)得到节点17各项电能指标的综合权重wz。wz＝[0.15270.3640.1710.312]最终根据公式(14)和公式(15)得到最终的电能质量等级为1.722。其余各节点均可利用这种方式计算出节点的电能质量等级。各节点的电能质量综合评估结果如下表所示。表3各节点电能质量评估结果节点2345678评估结果11.0311.0941.1341.2781.2781.3节点9101112131415评估结果1.4451.5691.5691.5811.6771.6771.709节点16171819202122评估结果1.7021.7221.6911111节点23242627282930评估结果1.0441.0721.2581.2581.4221.531.554节点313233评估结果1.6021.6021.602由上表可看出各个节点的电能质量均在优秀与良好等级之间，因此电能质量满足要求，规划合理有效。综上所述，本发明针对粒子群算法面对高维函数进行优化时容易陷入局部最优的情况，对粒子群算法进行了改进，引入了人工鱼群算法中的聚群行为和觅食行为结合粒子群算法形成了一种新的混合优化算法，可以很好的解决高维函数的优化问题，对高密度光伏进行合理的规划。当前第1页12