双极直流配电网中基于源荷极性切换的电压平衡控制方法

技术领域

本发明涉及直流配电网电压平衡技术领域，具体涉及双极直流配电网中基于源荷极性切换的电压平衡控制方法。

背景技术

相比于交流配电网，直流配电网具有变换环节少、线路损耗低、供电容量大、供电可靠性高等优势。直流配电网的拓扑结构可分为单极型与双极型。不同于单极直流配电网，双极直流配电网具有多电压等级、多供电回路、接地可靠等特点，其供电方式更为灵活，供电可靠性更高。

在双极直流配电网中，交流电先后经过交直流转换器和电压平衡器，被转为双极直流配电网中的直流电。电源与负载均可通过双极或单极的形式接入该配电网，其中单极接入又分为正极接入与负极接入。各单极源荷在双极直流配电网中极性分配的不均匀，将导致网络中出现电压不平衡问题。双极直流配电网的电压不平衡会导致电网的损耗加大，影响经济效益。

申请人发现，切换配电网中单极源荷的极性而使其在网络中均匀地分布，有助于抑制电网的电压不平衡。然而，现有方案在设计双极直流配电网中的源荷极性切换控制方法时，仅考虑到单一时刻内以较少的切换次数实现的负荷极性切换可改善双极直流配电网产生的电压不平衡，而未考虑将电源也作为切换对象的切换策略以及全天内过多的切换次数与过大的电压不平衡度对经济效益的损害，即未能有效兼顾源荷极性切换次数之和与全天的电压不平衡带来的影响，进而导致双极直流配电网中源荷极性切换控制的效果较差。因此，如何设计一种能够减少源荷极性切换次数之和并能够有效抑制全天的电压不平衡的方法是亟需解决的技术问题。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种双极直流配电网中基于源荷极性切换的电压平衡控制方法，能够减少源荷极性切换次数之和，并能够有效抑制全天的电压不平衡，从而能够提高双极直流配电网中基于源荷极性切换的电压平衡控制的效果。

为了解决上述技术问题，本发明采用了如下的技术方案：

双极直流配电网中基于源荷极性切换的电压平衡控制方法，包括：

S1：建立以切换次数之和与电压不平衡度之和为目标函数的多目标最优化模型；

S2：基于多目标最优化模型计算针对不同目标函数的初步投切方案；

S3：基于初步投切方案结合遗传算法求解多目标最优化模型，得到备选投切方案；

S4：基于模糊隶属度函数法从备选投切方案中确定能够平衡两个目标函数取值的最优投切方案，进而基于最优投切方案实施双极直流配电网中单极源荷的极性切换。

优选的，步骤S1中，通过如下公式表示多目标最优化模型的目标函数：

min F(X

式中：F(X

优选的，步骤S1中，通过如下公式表示多目标最优化模型的约束条件：

式中：I

将约束条件简写为下式：

C

式中：C(X

优选的，步骤S2中，需计算两个初步投切方案：第一个初步投切方案的目的在于计算当电压不平衡度之和为最小值时的最小切换次数之和；第二个初步投切方案的目的在于计算当切换次数之和为最小值时的最小电压不平衡度之和。

优选的，对于第一个初步投切方案：

通过如下公式表示时间段i的最优化模型：

式中：下标pre表示对该变量的求解结果将作为第一个初步投切方案的预求解结果；下标c表示约束条件向量的维度被缩减至适应单时间段的维度；

使用具有T个维度的向量Y中的元素y

通过如下公式表示第一个初步投切方案的最优化模型：

s.t.C

式中：X

优选的，通过如下公式表示第二个初步投切方案的最优化模型：

s.t.C

式中：下标second表示对该变量的求解结果将作为第二个初步投切方案。

优选的，步骤S3中，求解多目标最优化模型前，先将其调整为如下形式：

min F(X

s.t.C

式中：下标mul表示该变量为多目标最优化模型中的变量。

优选的，通过如下步骤求解多目标最优化模型：

S301：将计算得到的两个初步投切方案作为遗传算法初始种群中的两个初始个体，而初始种群中的其他初始个体随机生成；

S302：通过对种群中的个体执行选择、变异、交叉操作而得到后代；

S303：计算后代的目标函数值与可行性，再将后代加入原个体并依据各个体之间的距离及各个体的等级而保留l个最优的新的后代；其中，l表示规定数量；

S304：重复步骤S302至S303直至迭代满足设定条件，输出帕累托前沿；其中，帕累托前沿上的各点代表不同的备选投切方案。

优选的，步骤S4中，通过如下步骤确定最优投切方案：

S401：记多目标最优化模型中第一个目标函数在帕累托前沿上的最大值为f

S402：记帕累托前沿上每个点所代表的两个目标函数值分别为f

S403：根据上述定义的f

优选的，步骤S403中，通过如下公式计算帕累托前沿上每个点的满意度：

式中：u

本发明中双极直流配电网中基于源荷极性切换的电压平衡控制方法与现有技术相比，具有如下有益效果：

本发明将单极电源和单极负荷共同作为可切换对象，建立以切换次数之和与电压不平衡度之和为目标函数的多目标最优化模型，并结合遗传算法求解多目标最优化模型得到备选投切方案，使得能够得到兼顾切换次数之和与电压不平衡度之和的最优投切方案，进而能够减少源荷极性切换次数之和并能够有效抑制全天的电压不平衡，从而能够提高双极直流配电网中基于源荷极性切换的电压平衡控制的效果，能够为更经济地改善双极直流配电网电压平衡情况提供有效途径。

本发明中的多目标最优化模型的目标函数具有高度非线性的特点，用传统求解算法难以解决；同时，多目标最优化模型中的变量数为时间段数量与单极源荷数量的乘积，较为庞大。若采用现有遗传算法随机生成初始种群的方法，其中的初始个体或不满足安全约束，或使目标函数的值较大，进而导致遗传算法难以在较短的时间内经由后续的选择、变异、交叉等操作得到较好的解。因此，本发明在使用遗传算法求解多目标最优化模型时，通过多目标最优化模型计算针对不同目标的初步投切方案，进而将初步投切方案加入初始种群，使得初始种群中的初始个体均能够满足安全约束且限制目标函数的值，进而能够推进收敛进度，在较短的时间内得到更好的解，有利于求解得到最优投切方案，能够减少源荷极性切换次数之和并能够有效抑制全天的电压不平衡，从而能够提高双极直流配电网中基于源荷极性切换的电压平衡控制的效果。

本发明基于模糊隶属度函数法从备选投切方案中确定能够平衡两个目标函数取值的最优投切方案，帕累托前沿上的点均在两个目标函数的取值上做了取舍，不同的点在某一目标函数的取值上更大，而相应地在另一目标函数的取值上会更小，因此在帕累托前沿上筛选方案能够直观地体现两个目标函数的互相制约，使得能够更好地实现减少源荷极性切换次数之和并能够有效抑制全天的电压不平衡，从而能够进一步提高双极直流配电网中基于源荷极性切换的电压平衡控制的效果。

附图说明

为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为双极直流配电网中基于源荷极性切换的电压平衡控制方法的逻辑框图；

图2为双极直流配电网的网络结构图；

图3为帕累托前沿的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。此外，术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

下面通过具体实施方式进一步详细的说明：

实施例：

本实施例中公开了一种双极直流配电网中基于源荷极性切换的电压平衡控制方法。

如图1所示，双极直流配电网中基于源荷极性切换的电压平衡控制方法，包括：

S1：建立以切换次数之和与电压不平衡度之和为目标函数的多目标最优化模型；

S2：基于多目标最优化模型计算针对不同目标函数的初步投切方案；

S3：基于初步投切方案结合遗传算法求解多目标最优化模型，得到备选投切方案；

S4：基于模糊隶属度函数法从备选投切方案中确定能够平衡两个目标函数取值的最优投切方案，进而基于最优投切方案实施双极直流配电网中单极源荷的极性切换。

本发明将单极电源和单极负荷共同作为可切换对象，建立以切换次数之和与电压不平衡度之和为目标函数的多目标最优化模型，并结合遗传算法求解多目标最优化模型得到备选投切方案，使得能够得到兼顾切换次数之和与电压不平衡度之和的最优投切方案，进而能够减少源荷极性切换次数之和并能够有效抑制全天的电压不平衡，从而能够提高双极直流配电网中基于源荷极性切换的电压平衡控制的效果，能够为更经济地改善双极直流配电网电压平衡情况提供有效途径。

本发明中的多目标最优化模型的目标函数具有高度非线性的特点，用传统求解算法难以解决；同时，多目标最优化模型中的变量数为时间段数量与单极源荷数量的乘积，较为庞大。若采用现有遗传算法随机生成初始种群的方法，其中的初始个体或不满足安全约束，或使目标函数的值较大，进而导致遗传算法难以在较短的时间内经由后续的选择、变异、交叉等操作得到较好的解。因此，本发明在使用遗传算法求解多目标最优化模型时，通过多目标最优化模型计算针对不同目标的初步投切方案，进而将初步投切方案加入初始种群，使得初始种群中的初始个体均能够满足安全约束且限制目标函数的值，进而能够推进收敛进度，在较短的时间内得到更好的解，有利于求解得到最优投切方案，能够减少源荷极性切换次数之和并能够有效抑制全天的电压不平衡，从而能够提高双极直流配电网中基于源荷极性切换的电压平衡控制的效果。

本发明基于模糊隶属度函数法从备选投切方案中确定能够平衡两个目标函数取值的最优投切方案，使得能够更好地实现减少源荷极性切换次数之和并能够有效抑制全天的电压不平衡，从而能够进一步提高双极直流配电网中基于源荷极性切换的电压平衡控制的效果。

双极直流配电网的网络结构示意图如图2所示。交流电先后经过交直流转换器和电压平衡器，被转为双极直流配电网中的直流电。电源与负载均可通过双极或单极的形式接入该配电网，其中单极接入又分为正极接入与负极接入。各单极源荷在双极直流配电网中极性分配的不均匀将导致网络中出现电压不平衡问题，而这可通过切换单极源荷的极性(即在正极接入和负极接入这两种接入方式中转换)来解决。

切换向量X用于表示各单极源荷所在节点的源荷极性，当某一元素取1时表示对应节点的源荷处于正极，取0时表示对应节点的源荷处于负极。为便于矩阵运算，将切换向量X扩展为X

将双极直流配电网中源荷的功率和X

式中：下标p、n和b分别表示正极源荷、负极源荷和双极源荷的极性；P

首先考虑式(1)中X

式中：下标+、N和-分别表示正极线路、中性线和负极线路的极性；

将

式中：V

将式(1)、式(3)、式(4)以及改变向量维度的操作代入式(2)中，可知电流不匹配向量为以线路对地电压

当每个线路对地电压均为精确值时，I

式中：k为迭代次数；J为雅可比矩阵。

当I

需要说明的是，本实施例中计算双极直流配电网潮流的相关技术手段可参考现有技术手段实现。

优化变量为配电网中每个单极节点在一天内不同时间段的切换状态x

第一个目标函数为电压不平衡度之和，第二个目标函数为切换次数之和。通过如下公式表示多目标最优化模型的目标函数：

min F(X

式中：F(X

从初始时刻的极性配置情况切换至时间段1的切换次数不计入在SNSA内。

考虑网络的线路电流上限、线路对地电压上下限、源荷电压上下限与电压不平衡度上限为约束条件：

式中：I

为便于表示该约束，将约束条件简写为下式：

C

式中：C(X

至此，以求取电压不平衡度之和与切换次数之和的最小值为目标的优化模型建立完毕。

具体实施过程中，由于该模型具有高度非线性的特点，因此考虑使用遗传算法进行求解。一般的遗传算法采用随机生成初始种群的方法，通过对初始种群中的个体执行选择、变异、交叉等操作而得到本次的结果，而后将其作为新的种群并再次迭代。以上过程周而复始，直到迭代满足设定条件(如迭代次数到达设定的上限等)。由此可见，遗传算法生成后代的效率除了依赖于选择、变异、交叉等操作的具体方案以外，还与上一代的种群有密切的关系；追溯到迭代的源头，即与初始种群密切相关。因此，可首先针对不同的目标分别求取初步投切方案。

需计算两个初步投切方案：第一个初步投切方案的目的在于计算当电压不平衡度之和SVUF为最小值时的最小切换次数之和SNSA；第二个初步投切方案的目的在于计算当切换次数之和SNSA为最小值时的最小电压不平衡度之和SVUF。

对于第一个初步投切方案，首先忽略SNSA，待求得最小的SVUF对应的投切方案，再求取保持SVUF不变时具有最小SNSA的投切方案。对配电网中每个时间段都单独构建单目标最优化模型，并使用遗传算法进行求解。

具体的，通过如下公式表示时间段i的最优化模型：

式中：下标pre表示对该变量的求解结果将作为第一个初步投切方案的预求解结果；下标c表示约束条件向量的维度被缩减至适应单时间段的维度；

使用具有T个维度的向量Y中的元素y

本实施例中，当y

通过如下公式表示第一个初步投切方案的最优化模型：

s.t. C

式中：X

通过求解每个时间段的式(12)和式(13)中的最优化模型以及式(14)和式(15)中的最优化模型，可以得到第一个初步投切方案。

具体的，通过如下公式表示第二个初步投切方案的最优化模型：

s.t. C

式中：下标second表示对该变量的求解结果将作为第二个初步投切方案。

SNSA为0，即每个X

具体实施过程中，求解多目标最优化模型前，先将其调整为如下形式：

min F(X

s.t. C

式中：下标mul表示该变量为多目标最优化模型中的变量。

本发明通过遗传算法求解多目标最优化模型，但多目标最优化模型中的变量数为时间段数量与单极源荷数量的乘积，较为庞大，若采用现有遗传算法随机生成初始种群的方法，其中的初始个体或不满足安全约束，或使目标函数的值较大，进而导致遗传算法难以在较短的时间内经由后续的选择、变异、交叉等操作得到较好的解。因此，本发明在使用遗传算法求解多目标最优化模型时，将初步投切方案加入初始种群，使得初始种群中的初始个体能够满足安全约束且限制目标函数的值，进而能够推进收敛进度，在较短的时间内得到更好的解，有利于求解得到最优投切方案，能够减少源荷极性切换次数之和并能够有效抑制全天的电压不平衡，从而能够进一步提高双极直流配电网中基于源荷极性切换的电压平衡控制的效果。

需要说明的是，本实施例中通过遗传算法求解多目标最优化模型的相关技术手段可参考现有技术手段实现。具体通过如下步骤求解多目标最优化模型：

S301：将计算得到的两个初步投切方案作为遗传算法初始种群中的两个初始个体，而初始种群中的其他初始个体随机生成；

S302：通过对种群中的个体执行选择、变异、交叉操作而得到后代；

S303：计算后代的目标函数值与可行性，再将后代加入原个体并依据各个体之间的距离及各个体的等级而保留l个最优的新的后代；其中，l表示规定数量；

S304：重复步骤S302至S303直至迭代满足设定条件，输出帕累托前沿；其中，如图3所示，帕累托前沿上的各点代表不同的备选投切方案。

本实施例中，备选投切方案指的是完成计算之后由遗传算法输出的结果，由各备选投切方案对应的两个目标函数值来组成帕累托前沿。“个体”与“后代”指的是遗传算法内部在进行迭代计算时涉及的对象，经过计算与保留后得到的结果将参与下一轮迭代的计算。

具体实施过程中，通过遗传算法求解多目标最优化模型可得到帕累托前沿，帕累托前沿上的各点代表不同的备选投切方案。可采用如下的模糊隶属度函数法来筛选出能平衡两个目标函数取值的方案。

需要说明的是，本实施例中采用模糊隶属度函数法筛选出最优投切方案的相关技术手段可参考现有技术手段实现。

具体通过如下步骤确定最优投切方案：

S401：记多目标最优化模型中第一个目标函数在帕累托前沿上的最大值为f

S402：记帕累托前沿上每个点所代表的两个目标函数值分别为f

S403：根据上述定义的f

通过如下公式计算帕累托前沿上每个点的满意度：

式中：u

事实上，最终方案也可以依赖于决策者对不同目标函数的敏感度不同而自行决定，例如若决策者对电压不平衡更敏感，则可在备选方案中选择有着更多切换次数、但能使网络的电压不平衡情况被更好地改善的方案。

本发明基于模糊隶属度函数法从备选投切方案中确定能够平衡两个目标函数取值的最优投切方案，帕累托前沿上的点均在两个目标函数的取值上做了取舍，不同的点在某一目标函数的取值上更大，而相应地在另一目标函数的取值上会更小，因此在帕累托前沿上筛选方案能够直观地体现两个目标函数的互相制约，使得能够更好地实现减少源荷极性切换次数之和并能够有效抑制全天的电压不平衡，从而能够进一步提高双极直流配电网中基于源荷极性切换的电压平衡控制的效果。

最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。