一种含共享储能的配电网潮流优化方法

技术领域

本发明涉及配电网调度技术领域，尤其涉及一种含共享储能的配电网潮流优化方法。

背景技术

新能源发电(例如光伏(Photovoltaic,PV)、风机(Wind Turbine,WT)、燃气轮机(Gas Turbine,GT))已成为配电网的一个重要组成部分，大量新能源的接入会使配电网潮流发生变化。但是，新能源供应通常不稳定，比如，光照时间长的地区可采集的太阳能多，地势高的地区可采集的风能较多，等等。

传统储能由于其容量固定等弊端，只能在一定程度上优化配电网的潮流，因此如何更好的优化配电潮流成为亟待解决的问题。

发明内容

有鉴于此，本发明的目的在于提出一种含共享储能的配电网潮流优化方法，以解决如何优化配电潮流的问题。

基于上述目的，本发明提供了一种含共享储能的配电网潮流优化方法，包括：

构建IEEE33节点配电网模型，所述模型包括多个供电设备及多个用电节点，所述供电设备包括PV设备、WT设备以及GT设备中任意两种或者三种构成的组合以及至少一个SES设备；

获得初始种群，所述初始种群由多个个体组成，每个个体代表供电设备的一种出力组合；

前推求解各用电节点的功率；

计算该功率与前一次前推计算获得的用电节点的功率的差值，若所述差值大于阈值，则回代求解用电节点的电压，并将所述电压替换前推求解过程中的电压，返回执行前推求解各用电节点的功率的步骤；若所述差值小于阈值，求初始种群中每个个体的适应度值，若迭代次数没有达到预设次数，则基于所述适应度值构建平衡状态池，基于所述平衡状态池对所述初始种群中的个体进行更新，获得更新后的种群，返回执行前推求解各用电节点的功率的步骤；若迭代次数达到预设次数，则输出最优的适应度值所对应的调度策略。

作为一种可选的实施方式，所述个体为

作为一种可选的实施方式，所述前推求解各用电节点的功率，包括：

/>

其中n为迭代次数，r

作为一种可选的实施方式，所述回代求解用电节点的电压，包括：

其中I

作为一种可选的实施方式，所述基于所述适应度值构建平衡状态池，包括：

从初始种群中挑出适应度值最优的N个个体，并计算N个所述个体对应的平均值个体，由N个所述个体和平均值个体构成平衡状态池，其中，N为小于个体数的正整数。

作为一种可选的实施方式，所述N取4，平衡状态池为X

作为一种可选的实施方式，所述基于所述平衡状态池对所述初始种群中的个体进行更新，包括：

其中，r

本发明的有益效果：本发明实施例提供了一种含共享储能的配电网潮流优化方法，通过在IEEE33节点配电网模型中引入DGs，首先构建种群，利用前推回代法对种群进行求解，同时为了避免种群陷入局部最优解，基于均衡优化算法构建平衡状态池，利用平衡状态池优化种群，从而求解出最优的适应度值及对应的调度策略。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的IEEE33节点配电网模型示意图；

图2为本发明实施例的逻辑示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。

需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。

作为本发明的一种可选的实施方式，提供了一种含共享储能的配电网潮流优化方法，考虑到所建模型高维非线性的特点，采用改进的均衡优化算法进行求解，包括：

构建IEEE33节点配电网模型，所述模型包括多个供电设备及多个用电节点，所述供电设备包括PV设备、WT设备以及GT设备中任意两种或者三种构成的组合以及至少一个SES设备；

获得初始种群，所述初始种群由多个个体组成，每个个体代表供电设备的一种出力组合；

前推求解各用电节点的功率；

计算该功率与前一次前推计算获得的用电节点的功率的差值，若所述差值大于阈值，则回代求解用电节点的电压，并将所述电压替换前推求解过程中的电压，返回执行前推求解各用电节点的功率的步骤；若所述差值小于阈值，求初始种群中每个个体的适应度值，若迭代次数没有达到预设次数，则基于所述适应度值构建平衡状态池，基于所述平衡状态池对所述初始种群中的个体进行更新，获得更新后的种群，返回执行前推求解各用电节点的功率的步骤；若迭代次数达到预设次数，则输出最优的适应度值所对应的调度策略。

本发明实施例中，本发明实施例提供了一种含共享储能的配电网潮流优化方法，通过在IEEE33节点配电网模型中引入DGs，首先构建种群，利用前推回代法对种群进行求解，同时为了避免种群陷入局部最优解，基于均衡优化算法构建平衡状态池，利用平衡状态池优化种群，从而求解出最优的适应度值及对应的调度策略。

本发明实施例提出一种含共享储能的配电网潮流优化方法，如图2所示，通过在IEEE33节点配电网模型中引入DGs(分布式电源，distributed generations)如光伏(Photovoltaic,PV)、风机(Wind Turbine,WT)、燃气轮机(Gas Turbine,GT)和共享储能(Shared Energy Storage,SES)，构建IEEE33节点配电网模型，所述模型包括多个供电设备及多个用电节点，所述供电设备包括PV设备、WT设备以及GT设备中任意两种或者三种构成的组合以及至少一个SES设备，如图1所示。

IEEE33节点配电网模型中，为了获得最优的调度方法，即以最小网损为目标函数，其模型如下所示：

其中P

约束条件如下所示：

其中，P

为了实现上述目的，本发明采用的求解方案为改进均衡优化算法整合前推回代法，其步骤如下所示：

初始化种群：由于该模型中存在DGs，其出力会影响整个系统的潮流分布，首先需要对其出力进行初始化，以获得初始种群，所述初始种群由多个个体组成，每个个体代表DGs中供电设备的一种出力组合；所述个体为

前推求解功率分布，不计电压损耗，只计算功率损耗，推算出支路首端功率和支路网损情况，如下所示。

其中n为迭代次数，r

计算该功率与前一次前推计算获得的用电节点的功率的差值：

若所述差值大于阈值，则回代求解用电节点的电压：由始端电压、功率向末端推算电压降落，不再另算功率损耗，计算各母线电压，节点i的电压的回代计算公式为：

其中I

将求解出的电压替换前推求解过程中的电压，返回执行前推求解各用电节点功率的步骤；

若所述差值小于阈值，求初始种群中每个个体的适应度值：将求出的支路网损进行求和，得到初始化种群中每个个体的适应度值(种群出力情况下的系统网损)。再判断迭代次数是否满足要求，若迭代次数没有达到预设次数，则基于所述适应度值构建平衡状态池：从初始种群中挑出适应度值最优的N个个体，并计算N个所述个体对应的平均值个体，由N个所述个体和平均值个体构成平衡状态池，其中，N为小于个体数的正整数。可选的，所述N取4，平衡状态池为X

种群更新：改进均衡优化算法在平衡池中的当前最佳解和候选解之间进行选择，它有50％的概率直接选择最优个体，还有50％的概率选择其他四个个体，根据下式更新种群。

其中，iter是迭代次数，r

其中，a

t

其中G

获得更新后的种群，返回执行前推求解各用电节点的功率的步骤；若迭代次数达到预设次数，则输出最优的适应度值所对应的调度策略。

需要说明的是：一个种群有多个个体形成，每个个体代表着各个DG的出力组合，每个个体都能求解对应出力下的系统网损。例如：一个种群有120个个体，则就有120中DG的组合策略，就能求解出120个策略下的网损，从这120个网损中可以选取最优的四个形成平衡状态池，更新种群是根据更新的公式对种群中的每个个体的DG组合进行更新。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。

本发明旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。