基于HTL-MOPSO算法的有源配电网储能多目标优化配置方法和系统与流程

本发明涉及综合能源背景下配电网分布式电源并网消纳及配电网络优化管理领域，具体是一种基于htl-mopso算法的有源配电网储能多目标优化配置方法和系统。

背景技术：

1、随着社会对能源需求的不断提升，同时传统能源逐渐枯竭，传统化石能源对环境造成巨大的污染问题无法得到有效解决，以光伏、风能为代表的可再生能源受到广泛关注。利用风能、太阳能发电的分布式电源在电力系统中逐渐普及，在很大程度上有效提高了能源利用率并极大减少温室气体排放。然而，由于分布式电源具有间歇性、随机性、不可预测性等特点，大规模并网后会对电力系统的安全稳定运行造成较大影响，如增加源荷之间的供需不平衡性、导致电网电压剧烈波动、节点电压及系统频率发生严重偏移、线路有功损耗增大等问题。

2、储能是应对新能源随机性、波动性、难预测性的重要调节手段，对于新型电力系统的构建具有重要意义。储能作为重要的调节手段，可以快速调节功率并吸收、释放多余电能，在分布式电源发电量充足的时候储存能量，在发电量匮乏的时候释放能量，充分发挥电量搬移的作用，提升新型电力系统的灵活调节能力。但是，目前储能装置价格昂贵，故储能装置的优化配置问题将直接影响到配电网运行经济性。

3、经过对现有技术领域的检索发现，中国专利申请号为202211197912.3，申请公布号为cn115622101a，专利名称为：一种促进可再生能源消纳的储能优化配置双层规划方法，该专利在内层优化中使用基于混沌搜索机制的量子粒子群优化算法，对电网系统负荷功率和各类机组出力进行优化求解；在外层优化中，构建以储能系统位置和容量为决策变量，以新能源弃用量、储能系统全寿命周期成本和节点频率偏差量最小为目标的优化模型，但该专利使用的粒子群算法易陷入局部最优的问题，收敛结果较差。

4、中国专利申请号为202211259700.3，申请公布号为cn115663854a，专利名称为：一种电网储能优化配置的方法，该专利通过电网下层优化调度模型和电网储能上层规划模型的配合，获取最优的储能配置方案，实现规划和运行层面的最大收益，但该专利在设置目标函数时仅考虑储能系统的运行成本及收益，为计及储能设备对电网电压频率等因素的影响，因此获得的储能配置方案并非最优解。

技术实现思路

1、本发明的目的是为了提供一种基于htl-mopso算法的有源配电网储能多目标优化配置方法和系统，收敛速度快，实现有源配电网储能的最优配置。

2、为解决以上技术问题，本发明的技术方案为：

3、第一方面，提供一种基于htl-mopso算法的有源配电网储能多目标优化配置方法，包括：

4、步骤s100：建立分布式储能模型，储能装置剩余容量与完全充电后的容量之比用荷电状态表示；

5、步骤s200：以经济性指标函数、有功网损函数、电压偏差函数、频率偏差函数为目标函数，建立有源配电网储能多目标优化配置模型；

6、步骤s300：基于htl-mopso多目标优化算法求解有源配电网储能多目标优化配置模型，获得分布式储能设备最优选址定容方案。

7、进一步地，步骤s100中，分布式储能模型为：

8、

9、式(1)中，为t时刻节点i安装储能的荷电状态；储能装置充电时α＝1，β＝0；储能装置放电时α＝0，β＝1；peiss,t为t时刻节点i安装储能的输出功率；为节点i安装储能容量；ηi为节点i安装储能装置的效率；δt为充放电时间间隔。

10、进一步地，分布式储能模型的约束条件为：

11、

12、

13、式(2)和(3)中，pess,min、pess,max分别为节点i安装的储能装置额定功率的下限及上限，eess,min、eess,max分别为节点i安装的储能装置容量的下限及上限。

14、进一步地，步骤s200中，经济指标函数f1为：

15、f1＝finp+fsta    (4)

16、

17、

18、式(4)、式(5)、式(6)中，finp为储能装置的投资费用，fsta为系统总运行费用；ce为和容量相关的价格，cp为和功率相关的价格；ness为储能装置安装个数；ndg分布式发电机组数量；ci(t)和pdg(t)分别为第i个分布式发电机t时刻出力成本及输出功率；

19、有功网损函数为：

20、

21、式(7)中，ml为有源配电网支路，gij为有源配电网节点i，j间的电导，ui,t、uj,t为t时刻有源配电网节点i，j的电压，δij,t为t时刻有源配电网节点i，j间的相角差；

22、电压偏差函数为：

23、

24、式(8)中，n为负荷节点数，ui(t)为t时刻节点i电压，uiexp为节点i参考电压，δui,max(t)为t时刻节点i最大允许电压偏差；

25、频率偏差函数为：

26、

27、

28、式(9)、式(10)中，f(t)为t时刻系统频率，fexp为系统参考频率，fcoi(t)为t时刻考虑有源配电网电力电子设备扰动下的系统惯性中心频率，mi为发电机i的惯性常量，fi(t)为t时刻发电机i频率，m为发电机数量。

29、进一步地，步骤s200中，有源配电网储能多目标优化配置模型为三层递阶结构，分为外层、中层、内层共三层；其中，

30、外层优化目标函数为经济指标函数f1和电压偏差函数f3；

31、中层优化目标函数为系统总运行费用fsta、有功网损函数f2和考虑有源配电网电力电子设备扰动下的系统惯性中心频率fcoi；

32、内层优化目标函数为频率偏差函数f4。

33、进一步地，步骤s300中，基于htl-mopso多目标优化算法求解有源配电网储能多目标优化配置模型的方法为：

34、步骤s310：在开始阶段读取有源配电网参数，包括配电网系统结构、分布式储能、分布式电源、节点电压、系统及各发电机频率参数和各自的约束条件；

35、步骤s320：设定htl-mopso算法的参数，依次对外层、中层、内层优化进行初始化：以储能的安装位置及容量为控制变量，初始化外层种群p1的位置、速度、最优个体的位置；以系统总运行费用、有功网损、惯性中心频率为控制变量，初始化中层种群p2的位置、速度、最优个体的位置；以系统频率偏差值为控制变量，初始化内层种群p3的位置、速度、最优个体的位置；

36、步骤s330：依次更新中层种群p2和内层种群p3：以最小化目标函数fsta、f2、fcoi为优化目标，采用多目标htl-mopso算法更新种群p2直到中层寻优结束，并选择最优折中运行方案返回到内层；以最小化目标函数f4为优化目标，采用多目标htl-mopso算法更新种群p3直到内层寻优结束，并选择最优折中运行方案经中层返回到外层；

37、步骤s340：采用多目标htl-mopso算法更新种群p1，输出储能最优配置方案pareto解。

38、进一步地，步骤s300中，htl-mopso算法分为pso算法和tlbo算法两部分，其中，在pso优化算法中，种群中每个粒子的迭代公式为：

39、vnew,i＝w×vi+c1*r1×(pbesti-xi)+c2×r2(gbest-xi)    (11)

40、xnew,i＝xi+vnew,i    (12)

41、式(11)、式(12)中，vi、xi分别表示第i个粒子的速度和位置，vnew,i、xnew,i分别表示第i个粒子迭代更新后的速度和位置，w为惯性系数，c1、c2为速度系数，r1、r2为0到1之间的随机常数，pbest、gbest分别为个体最优粒子、全局最优粒子；

42、在tlbo算法中，“教”与“学”的联合阶段表达式为：

43、xnew,i＝xi+d1*diff_ti+d2*diff_li    (13)

44、diff_ti＝r3*(m_new-tf*m)    (14)

45、

46、式(13)、式(14)、式(15)中，d1、d2分别为“教”与“学”系数，diff_ti、diff_li分别为“教”与“学”阶段目标函数值差异，r3、r4、r5为0到1之间的随机常数，tf为教学因子，m为班级中心位置，m_new为迭代更新后的班级中心位置，f(xi)、f(xj)分别为粒子位置为xi、xj时对应的目标函数值。

47、进一步地，步骤s300中，采用多目标htl-mopso算法更新种群的方法如下：

48、(1)设置算法所需的参数，包括种群p的个体总数n，精英档案集规模n_arv，pso与tlbo算法中的参数；

49、(2)初始化种群p中各个粒子的位置和速度；

50、(3)根据非支配解的概念获得种群p中的非支配解，同时将该解存在精英档案集arv中；

51、(4)利用pso和tlbo算法更新种群p中所有个体的位置，获取种群p更新后的非支配解nd_x，同时判断其是否需存入精英档案集arv中；

52、(5)判断arv是否需要筛选，若需要筛选，则进入(6)，若不需要，则进入(7)；

53、(6)通过循坏拥挤排序策略(ccs)对arv进行筛选；

54、(7)判断种群p中所有粒子的速度是否小于阈值vlimt，若小于，则对种群p进行多项式变异，反之，进入(8)；

55、(8)判断迭代次数是否达到最大值，若达到，则输出arv中的个体，否则返回(4)，重新利用pso和tlbo算法更新种群p中所有个体的位置。

56、第二方面，提供一种基于htl-mopso算法的有源配电网储能多目标优化配置系统，包括存储器和处理器；

57、其中，所述存储器存储有计算机程序，所述程序被处理器执行时能够实现上述的基于htl-mopso算法的有源配电网储能多目标优化配置方法。

58、第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于htl-mopso算法的有源配电网储能多目标优化配置方法。

59、本发明具有如下有益效果：本发明提出的一种基于htl-mopso算法的有源配电网储能多目标优化配置方法和系统，综合考虑储能设备运行经济性、有源配电网有功损耗、系统电压及频率偏差，利用基于粒子群和教学理论的htl-mopso多目标优化算法求解有源配电网储能多目标优化配置模型，实现有源配电网储能的最优配置。