本公开实施例涉及发电，尤其涉及一种基于改进遗传算法的配电网电压波动治理方法。
背景技术：
1、目前，在能源问题日益突出和大力发展清洁能源的背景下，分布式光伏在配电网接入规模越来越大。分布式光伏发电效益高，投资风险小，极具前景和成本竞争力，电力供应有可以持续性；可靠性较高；接入位置及控制方式较为灵活，并网后有丰富无功电压调控手段。分布式光伏可以高效利用可再生资源，通过改变分布式光伏的接入位置与容量对配电网的无功进行有效地优化配置，改善配电网电压质量水平、优化升级电网结构，提升系统灵活性与韧性，符合智能电网发展趋势。
2、在现代配电网中，随着分布式光伏的广泛接入，网络架构变得复杂。科学规划分布式电源配置对于电网的安全与稳定至关重要。分布式光伏接入配电网的电压波动治理核心目标是优化分布式并网节点及其并网容量，减少系统中的电压波动，提升配电网的经济效益。现有的研究方法有建立适宜的分布式电源选址定容模型，利用研究求解模型的智能算法，如：遗传算法、人工神经网络算法、粒子群算法等。当前应用于电压波动治理智能算法的诸多方法，其目标函数的构建往往显得较为单一，未能充分捕捉并融合电力系统运行过程中的多维度、多层次特性，从而难以精准反映系统实际运行的复杂性与动态性。在利用智能算法进行配电网电压波动治理时，目标函数权重的设置通常依赖于直接赋权的方式，虽然简便易行，但容易忽视各指标之间可能存在的复杂关联与相互影响，直接赋权法可能导致权重分配的不合理，影响到遗传算法在搜索过程中的导向性与有效性，影响分布式光伏的并网位置和并网容量，限制对配电网电压波动治理效果。
3、可见，亟需一种治理效果和精准度高的基于改进遗传算法的配电网电压波动治理方法。
技术实现思路
1、有鉴于此，本公开实施例提供一种基于改进遗传算法的配电网电压波动治理方法，至少部分解决现有技术中存在治理效果和精准度较差的问题。
2、本公开实施例提供了一种基于改进遗传算法的配电网电压波动治理方法，包括：
3、步骤1，根据分布式光伏的接入位置、有功功率和无功功率限制建立分布式光伏配电网治理模型；
4、步骤2，根据层次分析法和线性加权综合法确定复合权重；
5、步骤3，根据复合权重构建目标函数，并结合分布式光伏配电网治理模型，采用改进的遗传算法，通过配置分布式光伏的并网点与并网容量对配电网电压波动进行治理。
6、根据本公开实施例的一种具体实现方式，所述步骤1具体包括：
7、步骤1.1，设定分布式光伏的接入位置、有功功率和无功功率限制；
8、步骤1.2，根据分布式光伏的接入位置、有功功率和无功功率限制设定配电网系统需满足的等式约束为:
9、
10、其中，pgi为接入在节点i电源的有功功率，pli为接入在节点i负荷的有功功率，ppvi为接入在节点i分布式光伏的的有功功率，qgi为接入在节点i电源的无功功率，qli为接入在节点i负荷的无功功率，qpvi为接入在节点i分布式光伏的无功功率，ui为节点i的电压幅值，uj为节点j的电压幅值，gij、bij分别表示节点i和节点j之间的电导和电纳，θij表示节点i和节点j之间的电压相角差，npv为接入分布式光伏的个数；
11、步骤1.3，根据分布式光伏的接入位置、有功功率和无功功率限制设定配电网系统需满足的不等式约束为
12、
13、其中，ppva为补偿节点a处分布式光伏的有功功率，ppva max为补偿节点a处分布式光伏的有功功率上限，ppva min为补偿节点a处分布式光伏的有功功率下限，qpva为a点处分布式光伏的无功功率，qpva max为a点处分布式光伏的无功功率上限，qpva min为a点处分布式光伏的无功功率下限，uk为节点k处电压幅值，ukmax为节点k处电压幅值的上限，ukmin为为节点k处电压幅值的下限，n为配电网节点个数。
14、根据本公开实施例的一种具体实现方式所述步骤2具体包括：
15、步骤2.1，建立层次分析法模型，将决策问题分解为三个层次，最上层为目标层m，即为遗传算法的目标函数，中间层为准则层，其中，准则层包括配电网的网损c1，配电网的电压稳定性c2和分布式光伏建设运维成本c3，最下层为方案层，其中，方案层包括配电网系统有功损耗p1，电压波动和p2，接入配电网分布式光伏建设维护费用p3，分布式光伏产生有功功率运行成本p4，分布式光伏产生无功功率成本p5；
16、步骤2.2，构建判断矩阵m-c:将准则层c中三个元素c1、c2、c3两两比较，得到比较矩阵；
17、步骤2.3，根据c3与方案层的关系构建判断矩阵c3-p；
18、步骤2.5，根据判断矩阵c3-p计算权重向量和一致性指标；
19、步骤2.5，基于根据线性加权综合法，根据比较矩阵、权重向量和一致性指标计算方案层中配电网系统有功损耗p1、电压波动和p2、接入配电网分布式光伏建设维护费用p3、分布式光伏产生有功功率运行成本p4、分布式光伏产生无功功率成本p5对应的权重，形成复合权重，其中，所述复合权重的表达式为
20、m＝λ1p1+λ2p2+λ3p3+λ4p4+λ5p5。
21、其中，λ1、λ2、λ3、λ4、λ5分别为p1、p2、p3、p4、p5的权重，λ1+λ2+λ3+λ4+λ5＝1。
22、根据本公开实施例的一种具体实现方式所述步骤3具体包括：
23、步骤3.1，采用二进制编码，自变量为分布式光伏的接入位置和容量，设置染色体的长度为23*pv，染色体形式为(xi,yi,zi)，设定种群规模并进行初始化随机生成初始种群，其中，pv表示分布式光伏接入的数量，xi为表示第i个分布式光伏的接入位置，yi表示第i个分布式光伏的有功容量，zi表示第i个分布式光伏的无功容量；
24、步骤3.2，以以有功损耗最小、电压波动最小和分布式光伏建设运维成本最小为目标，构建初始目标函数
25、
26、其中，系统有功损耗和f1与层次分析法模型中p1对应，电压波动和f2与层次分析法模型中p2对应，用接入配电网分布式光伏的数量npv对应层次分析法模型中p3，分布式光伏有功容量ppv对应层次分析法模型中p4，分布式光伏无功容量qpv对应层次分析法模型中p5，为分布式光伏最大接入个数，为分布式光伏最大有功容量，为分布式光伏最大无功容量，floss表示配电网系统的初始有功损耗，δv表示配电网初始电压波动和，ri为第i条线路的电阻，iij为节点i和节点j的电流，ui为第i个节点的电压；
27、步骤3.3，在初始目标函数中引入电压越限的惩罚函数，得到最终目标函数
28、
29、其中，uimax＝(1+7％)*电压基准值，uimin＝(1-7％)*电压基准值，f0为惩罚函数；
30、步骤3.4，取最终目标函数的倒数作为适应度函数
31、
32、步骤3.5，基于适应度函数、遗传算子和初始种群生成新种群并进行择优，得到目标种群并据此对配电网电压波动进行治理。
33、本公开实施例中的基于改进遗传算法的配电网电压波动治理方案，包括：步骤1，根据分布式光伏的接入位置、有功功率和无功功率限制建立分布式光伏配电网治理模型；步骤2，根据层次分析法和线性加权综合法确定复合权重；步骤3，根据复合权重构建目标函数，并结合分布式光伏配电网治理模型，采用改进的遗传算法，通过配置分布式光伏的并网点与并网容量对配电网电压波动进行治理。
34、本公开实施例的有益效果为：通过本公开的方案，结合了有功损耗最小化与电压稳定性提升，同时考虑了分布式光伏的安装和运维成本，增强了目标函数的实际应用价值，使得配电网电压波动得到有效治理，同时保证了配电网的经济效益；提出用层次分析法(ahp)分析各指标，科学计算最优权重，然后通过线性加权综合法(lwc)整合权重，形成复合权重体系。此方法提高了电压波动治理目标函数权重计算的效率和准确性，减少了主观干扰，为电压波动治理提供了有力技术支持。