一种配电网无功优化方法及系统

本发明属于配电网优化调度领域，具体涉及一种配电网无功优化方法及系统。

背景技术：

1、随着分布式电源在配电网中大量接入，传统配电网逐渐向主动配电网转变。为实现配电网的安全经济运行，在配电网中应当减少不必要的无功流动，实现无功就地平衡，减少系统网损。在传统配电网中，一般通过调节有载调压变压器分接头位置、电容器投切来进行配电网的无功优化。在主动配电网中，由于分布式电源可以在一定范围内吸收或发出无功功率、储能设备可以在一定范围内吸收或发出有功功率。因此可以通过调节分布式电源、储能功率输出来实现配电网的无功优化与经济运行。

2、在配电网的无功优化问题中，一般将网损最小、电压偏差最小设置为目标函数。传统的群体优化智能算法一般通过加权将多目标函数问题转化为单目标函数问题，各目标的加权占比由调度人员根据经验确定。通过经验确定的各目标权重相对模糊，该种方法得到的最优解往往不能准确地反映调度人员的真实需求。同时，传统的群体优化智能算法也存在极易陷入局部最优、计算复杂度过高等缺点。

技术实现思路

1、本发明所为了解决背景技术中存在的技术问题，目的在于提供了一种一种配电网无功优化方法及系统，通过将nsga-ⅱ算法和鲸鱼优化算法组合，对多目标配电网无功优化模型进行求解，得到最优解集。该方法通过将两种算法组合互补，避免了传统的群体优化智能算法容易陷入局部最优、计算复杂度过高等问题。同时得到的最优解集反映了网损和电压偏移两个目标的耦合关系，为电网调度人员决策提供了参考。

2、为了解决技术问题，本发明的技术方案是：

3、一种一种配电网无功优化方法，所述方法包括：

4、获取配电网运行参数与拓扑结构，搭建配电网节点系统；

5、基于配电网节点系统，以网损最小、电压偏移最小为目标函数构建多目标主动配电网无功优化模型；

6、利用nsga-ⅱ和鲸鱼优化混合算法对所述多目标主动配电网无功优化模型进行求解，最终得到非支配解集；

7、对所述非支配解集，根据实际需求确定匹配的无功优化方案。

8、进一步，所述多目标主动配电网无功优化模型的目标函数为：

9、(1)网损最小：

10、

11、式中，e表示支路集合；gij表示支路ij的电导；ui,t表示t时段节点i的电压；θij,t表示t时段节点i和节点j的电压相角差；

12、(2)电压偏移最小：

13、

14、式中，n表示节点集合；表示节点i的电压的额定值。

15、进一步，所述多目标主动配电网无功优化模型约束条件，包括：

16、潮流约束条件、节点电压约束、控制变量约束和储能运行约束。

17、进一步，所述多目标主动配电网无功优化模型的约束条件包括潮流约束条件：

18、

19、式中，pdg,i,t和qdg,i,t分别表示t时段节点i所连接分布式电源有功和无功功率；pl,i,t和ql,i,t分别表示t时段节点i负荷有功和无功功率；pes,i,t表示t时段节点i所连接储能有功功率；qc,i,t表示t时段节点i所连接电容器输出无功功率；bij表示支路ij的电纳；

20、所述多目标主动配电网无功优化模型的约束条件包括节点电压约束：

21、ui,min≤ui,t≤ui,max

22、式中，ui,max和ui,min分别表示节点i允许的最高和最低电压；

23、所述多目标主动配电网无功优化模型的约束条件包括控制变量约束：

24、

25、式中，qdg,i,max和qdg,i,min分别表示节点i所连接分布式电源无功出力上下限；qc,i,max和qc,i,min分别表示节点i所连接电容器的无功上限和下限；pch,i,max和pdis,i,max分别表示节点i所连接储能最大充放电功率；

26、所述多目标主动配电网无功优化模型的约束条件包括储能运行约束：

27、

28、式中，ees,i,t表示节点i所连接储能容量；ees,i,0和ees,i,t分别表示节点i所连接储能在初始时刻以及调度周期结束时刻容量；ees,i,max和ees,i,min分别表示节点i所连接储能容量上下限。

29、进一步，所述nsga-ⅱ和鲸鱼优化混合算法包括以下步骤：

30、步骤3.1：设置混合算法参数，包括种群规模、最大迭代次数、交叉率、变异率；

31、步骤3.2：对所述无功优化模型中控制变量进行编码设置；

32、步骤3.3：种群初始化，随机产生种群初始值；

33、步骤3.4：将初始化种群随机划分为两个相同数量的种群s1和s2；对s1种群利用nsga-ⅱ算法进行处理，包括种群适应度计算、选择/交叉/变异处理、精英策略&快速非支配排序、基于拥挤度选择生成新的种群；

34、对s2种群利用鲸鱼优化算法进行处理，包括种群适应度函数计算，寻找最优鲸鱼个体位置、更新鲸鱼种群位置；

35、步骤3.5：将s1和s2种群中适应度前50％的个体重新组合成s3，并按下式进行优良特性交换：

36、

37、式中：xi(n)和yi(n)分别表示s1和s2种群属性中第n次迭代时第i个体；ρ表示为(0,1)的随机数；

38、步骤3.6：若未达到最大迭代次数，则对新产生的种群重复步骤3.4-3.5；若达到最大迭代次数，则对种群进行非支配排序，输出pareto最优解集。

39、进一步，所述混合算法参数包括：种群规模、最大迭代次数、交叉率和变异率。

40、进一步，对所述无功优化模型中控制变量进行编码设置，包括配电网中各节点所连接分布式电源无功功率、电容器无功功率和储能有功功率。

41、一种配电网无功优化系统，所述系统包括：

42、搭建模块，用于获取配电网运行参数与拓扑结构，搭建配电网节点系统；

43、构建模块，用于基于配电网节点系统，以网损最小、电压偏移最小为目标函数构建多目标主动配电网无功优化模型；

44、求解模块，用于利用nsga-ⅱ和鲸鱼优化混合算法对所述多目标主动配电网无功优化模型进行求解，最终得到非支配解集；

45、确定模块，用于对得到的非支配解集，根据实际需求确定匹配的无功优化方案。

46、进一步，所述求解模块，包括：

47、设置单元：用于设置算法参数，包括种群规模、最大迭代次数、交叉率、变异率；

48、编码单元：用于对所述无功优化模型中控制变量进行编码设置，包括配电网中各节点所连接分布式电源无功功率、电容器无功功率、储能有功功率；

49、初始化单元：用于种群初始化，随机产生种群初始值；

50、第一处理子单元：用于将初始化种群随机划分为两个相同数量的种群s1和s2；对s1种群利用nsga-ⅱ算法进行处理，包括种群适应度计算、选择/交叉/变异处理、精英策略&快速非支配排序、基于拥挤度选择生成新的种群；

51、对s2种群利用鲸鱼优化算法进行处理，包括种群适应度函数计算，寻找最优鲸鱼个体位置、更新鲸鱼种群位置；

52、第二处理子单元：用于将s1和s2种群中适应度前50％的个体重新组合成s3，并按下式进行优良特性交换：

53、

54、式中：xi(n)和yi(n)分别表示s1和s2种群属性中第n次迭代时第i个体；ρ表示为(0,1)的随机数；

55、输出单元：若未达到最大迭代次数，用于对新产生的种群重复输入第一处理单元和第二处理单元；若达到最大迭代次数，则对种群进行非支配排序，输出pareto最优解集。

56、一种计算机存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上述任一项所述的方法。

57、与现有技术相比，本发明的优点在于：

58、本发明公开了一种一种配电网无功优化方法及系统。相比于传统的单目标配电网无功优化模型，本发明所述方法得到的配电网无功方案能更好地反映无功优化模型中网损、电压偏移等目标的耦合关系，为电力系统调度人员提供决策依据。同时将nsga-ⅱ和鲸鱼优化算法组合形成全局寻优互补，加速收敛速度，使得算法搜索能力增强，显著提高了无功优化方案的求解精度与求解速度，具有重要的学术意义和工程实用价值。