开云优惠体育网页版入口

专利名称：一种高海拔地区配电网规划研究方法

专利类型：发明专利

专利申请号：CN202210079414.2

专利申请（专利权）人：燕山大学
权利人地址：河北省秦皇岛市海港区河北大街438号

专利发明（设计）人：窦春霞,李桐舟

专利摘要：本发明公开了一种高海拔地区配电网规划研究方法，根据高海拔地区自然资源情况及负荷变化状态，构建配电网系统；根据当地各类单元的基本情况和特性，建立了各单元稳态功率输出模型，绘制典型日光照、风力及负荷曲线；根据绘制的典型日光照、风力及负荷曲线建立以年等值初始投资成本、运维成本以及弃风弃电惩罚成本为目标的优化模型，对系统分布式电源的位置和容量进行合理规划；综合考虑三个目标函数的相互影响，利用线性加权求和方法，将多目标问题转化为单目标问题进行求解；改进了一种自适应遗传算法，既保持了种群之间的多样性，又防止了进化后期陷入局部最优，本发明解决了高海拔藏区配电网分布式电源选址定容的规划问题。

主权利要求：
1.一种高海拔地区配电网规划研究方法，其特征在于，包括如下步骤：S1、根据高海拔地区自然资源情况及用户负荷变化状态，构建配电网系统，所述配电网系统包括光伏发电机单元、风力发电机单元、柴油发电机单元和储能电池单元；
S2、根据当地配电网系统各单元的基本情况和特性，建立了各单元稳态功率输出模型，绘制典型日光照、风力及负荷曲线；
所述各单元稳态功率输出模型包括风力发电机功率输出模型和光伏发电系统功率输出模型；
所述风力发电机功率输出模型选用常规功率输出模型，只考虑风速对输出功率的影响，其模型如下：式(1)中：Pw为风力发电机的实际输出功率；Pr为风力发电机额定功率；v为实际风速，单位：m/s；vr为额定风速，单位：m/s；vci为切入风速，单位：m/s；vco为切出风速，单位：m/s；
所述光伏发电系统功率输出模型选用常规功率输出模型，模型如下：式(2)中：Ppv为光伏发电系统实际输出功率；Pstc为光伏发电系统在标准太阳辐射强度2
和温度时的输出功率；I为实际太阳辐射强度，单位w/m ；Istc标准太阳辐射强度，取1000w/2
m；βt为光伏发电系统的功率温度系数；T为实际温度；Tstc为标准温度，取25℃；
S3、根据绘制的典型日光照、风力及负荷曲线建立以年等值初始投资成本、运维成本以及弃风弃电惩罚成本为目标的优化模型，对光伏发电机单元和风力发电机单元的位置和容量进行合理规划；
S4、综合考虑步骤S3中三个目标函数的相互影响，利用线性加权求和方法，将多目标问题转化为单目标问题进行求解；
S5、针对分布式电源位置容量规划求解方法，改进了一种自适应遗传算法，通过改变遗传过程中的交叉、变异算子，充分发挥其在遗传进化中适应度集中分散程度，既保持了种群之间的多样性，又防止了进化后期陷入局部最优。
2.根据权利要求1所述的一种高海拔地区配电网规划研究方法，其特征在于：所述步骤S3中的优化模型包括：等年值初始投资成本优化模型：
式中：
F1—等年值初始投资成本，单位：元；
N—系统设备种类；
Ceq,i—系统各设备初始投资总成本；
r—银行利率；
n—系统各设备使用年限；
α—高原系数；
运维成本优化模型：
F2＝α(Fop+Fma)(4)，式中：
F2—系统运维成本，单位：元；
Fop—系统运行管理成本，单位：元；
Fma—系统维护成本，单位：元；
弃风弃电惩罚成本优化模型：
F3＝CwasteEi(5)，式中：
F3—弃风弃电惩罚成本，单位：元；
Cwaste—未利用电量惩罚系数，单元：元/kwh；
Ei—未利用电量，单位：kwh。
3.根据权利要求1所述的一种高海拔地区配电网规划研究方法，其特征在于：步骤S4得到的函数如下：式中，ω1、ω2、ω3分别为三个目标的权重，满足ω1+ω2+ω3＝1。
4.根据权利要求1所述的一种高海拔地区配电网规划研究方法，其特征在于：所述自适应遗传算法的流程如下：(1)种群初始化，并设置种群大小、染色体大小及收敛条件；
(2)计算个体的适应度、平均适应度及最大适应度；
(3)判断 是否成立，如果成立，则说明平均适应度和最大适应度相差不多，种群差异性较。蝗绻怀闪，则说明平均适应度与最大适应度相差很大，种群差异性较大；通过这样的判据，再执行之后的交叉、变异选择；
(4)进行交叉、变异、选择操作，判断是否满足收敛条件，如满足，则输出结果；如不满足，则返回至第(2)步；
并提出自适应交叉、变异概率公式：
当fav/fmax≤1/2时，说明种群适应度平均值与种群最大适应度值相差很大，此时的种群差异度大，种类丰富，具有很好的种群多样性，所以要提高交叉概率和操作，交换染色体基因，达到优质进化；反之，fav/fmax≥1/2时，说明种群适应度平均值与种群适应度最大值相差不大，此时的种群差异度。嘌圆，所以要提高变异概率和操作，防止算法进入局部最优。
5.根据权利要求4所述的一种高海拔地区配电网规划研究方法，其特征在于：根据提出的自适应遗传算法，规划内容流程如下：(1)根据自然条件和现场环境的实际情况输入参数，对参数进行编码，产生初始种群；
(2)通过前推回代法对系统进行潮流计算；
(3)计算每个个体的适应度函数；
(4)改进自适应遗传算法操作；
(5)生成新一代种群；
判断是否满足终止条件，如果不是，则返回到(2)中，如果是，则输出最优结果。 说明书 : 一种高海拔地区配电网规划研究方法技术领域[0001] 本发明涉及一种高海拔地区配电网规划研究方法，属于配电网规划方法。背景技术[0002] 随着科学技术的不断发展和经济水平的持续提升，国内外社会对于能源的需求日益攀升，煤、石油及天然气等不可再生资源，其开采成本高、存储容量低，大量的开采会导致资源损失不可逆甚至枯竭，尤其化石燃料大量使用时会产生大量的污染性气体，对环境造成污染，而风能、太阳能等可再生能源具有能源充足、污染小、分布广泛的特点，对其大量开发利用会缓解能源和环境的双重压力，因此利用可再生能源分布式发电也成为了现如今工程建设和科学研究的重要内容，分布式发电因其分散的位置分布，能很好的依据实际能源分布情况合理的满足实际的电力需求，为系统的可靠运行提供了保障。[0003] 高海拔地区是海拔1000米以上的地域，这些地域由于其天然的地理位置，长期处于群山环绕，交通闭塞的环境之中，其供电运行可靠性差，供电运维难度高，传统供电很难抵抗住因高海拔地区自然条件恶劣所导致的经常性停电的问题，然而高海拔地区因其空气稀薄、大气透明度高，接受的太阳辐射较高，所以太阳能资源极度丰富，由于高海拔地区四面环山，风能汇聚在高海拔地区的群山之内，形成天然的风口，这也为以后搭建风力发电奠定了基。栽诟吆０蔚厍撑涞缤幕∩，充分合理的利用当地丰富的自然资源，构建含风光储的高海拔地区配电网是具有一定的现实意义的。发明内容[0004] 本发明需要解决的技术问题是提供一种更具现实性的用于高海拔地区配电网规划方法，解决了高海拔藏区配电网分布式电源选址定容的规划问题。[0005] 为解决上述技术问题，本发明所采用的技术方案是：[0006] 一种高海拔地区配电网规划研究方法，包括如下步骤：[0007] S1、根据高海拔地区自然资源情况及用户负荷变化状态，构建配电网系统，所述配电网系统包括光伏发电机单元、风力发电机单元、柴油发电机单元和储能电池单元；[0008] S2、根据当地配电网系统各单元的基本情况和特性，建立了各单元稳态功率输出模型，绘制典型日光照、风力及负荷曲线；[0009] S3、根据绘制的典型日光照、风力及负荷曲线建立以年等值初始投资成本、运维成本以及弃风弃电惩罚成本为目标的优化模型，对光伏发电机单元和风力发电机单元的位置和容量进行合理规划；[0010] S4、综合考虑步骤S3中三个目标函数的相互影响，利用线性加权求和方法，将多目标问题转化为单目标问题进行求解；[0011] S5、针对分布式电源位置容量规划求解方法，改进了一种自适应遗传算法，通过改变遗传过程中的交叉、变异算子，充分发挥其在遗传进化中适应度集中分散程度，既保持了种群之间的多样性，又防止了进化后期陷入局部最优。[0012] 本发明技术方案的进一步改进在于：所述各单元稳态功率输出模型包括风力发电机功率输出模型和光伏发电系统功率输出模型。[0013] 本发明技术方案的进一步改进在于：所述风力发电机功率输出模型选用常规功率输出模型，只考虑风速对输出功率的影响，其模型如下：[0014][0015] 式(1)中：Pw为风力发电机的实际输出功率；Pr为风力发电机额定功率；v为实际风速，单位：m/s；vr为额定风速，单位：m/s；vci为切入风速，单位：m/s；vco为切出风速，单位：m/s。[0016] 本发明技术方案的进一步改进在于：所述光伏发电系统功率输出模型选用常规功率输出模型，模型如下：[0017][0018] 式(2)中：Ppv为光伏发电系统实际输出功率；Pstc为光伏发电系统在标准太阳辐射2强度和温度时的输出功率；I为实际太阳辐射强度，单位w/m ；Istc标准太阳辐射强度，取21000w/m；βt为光伏发电系统的功率温度系数；T为实际温度；Tstc为标准温度，取25℃。[0019] 本发明技术方案的进一步改进在于：所述步骤S3中的优化模型包括：[0020] 等年值初始投资成本优化模型：[0021][0022] 式中：[0023] F1—等年值初始投资成本，单位：元；[0024] N—系统设备种类；[0025] Ceq,i—系统各设备初始投资总成本；[0026] r—银行利率；[0027] n—系统各设备使用年限；[0028] α—高原系数；[0029] 运维成本优化模型：[0030] F2＝α(Fop+Fma)(4)，[0031] 式中：[0032] F2—系统运维成本，单位：元；[0033] Fop—系统运行管理成本，单位：元；[0034] Fma—系统维护成本，单位：元；[0035] 弃风弃电惩罚成本优化模型：[0036] F3＝CwasteEi(5)，[0037] 式中：[0038] F3—弃风弃电惩罚成本，单位：元；[0039] Cwaste—未利用电量惩罚系数，单元：元/kwh；[0040] Ei—未利用电量，单位：kwh。[0041] 本发明技术方案的进一步改进在于：步骤S4得到的函数如下：[0042][0043] 式中，ω1、ω2、ω3分别为三个目标的权重，满足ω1+ω2+ω3＝1。[0044] 本发明技术方案的进一步改进在于：所述自适应遗传算法的流程如下：[0045] (5)种群初始化，并设置种群大小、染色体大小及收敛条件；[0046] (6)计算个体的适应度、平均适应度及最大适应度；[0047] (7)判断 是否成立，如果成立，则说明平均适应度和最大适应度相差不多，种群差异性较。蝗绻怀闪，则说明平均适应度与最大适应度相差很大，种群差异性较大；通过这样的判据，再执行之后的交叉、变异选择；[0048] (8)进行交叉、变异、选择操作，判断是否满足收敛条件，如满足，则输出结果；如不满足，则返回至第(2)步。[0049] 并提出自适应交叉、变异概率公式：[0050][0051][0052] 当fav/fmax≤1/2时，说明种群适应度平均值与种群最大适应度值相差很大，此时的种群差异度大，种类丰富，具有很好的种群多样性，所以要提高交叉概率和操作，交换染色体基因，达到优质进化；反之，fav/fmax≥1/2时，说明种群适应度平均值与种群适应度最大值相差不大，此时的种群差异度。嘌圆，所以要提高变异概率和操作，防止算法进入局部最优。[0053] 本发明技术方案的进一步改进在于：根据提出的自适应遗传算法，规划内容流程如下：[0054] (1)根据自然条件和现场环境的实际情况输入参数，对参数进行编码，产生初始种群；[0055] (2)通过前推回代法对系统进行潮流计算；[0056] (3)计算每个个体的适应度函数；[0057] (4)改进自适应遗传算法操作；[0058] (5)生成新一代种群；[0059] 判断是否满足终止条件，如果不是，则返回到(2)中，如果是，则输出最优结果。[0060] 由于采用了上述技术方案，本发明取得的技术进步是：[0061] 本发明综合考虑高海拔地区自然资源、负荷需求以及系统各单元工作特性等因素，建立了以年等值初始投资成本、运维成本以及弃风弃电惩罚成本最优的经济成本模型，利用线性加权求和方法与改进自适应遗传算法相结合，为西藏地区配电网分布式电源选址定容问题提供了一种实用的解决方案。[0062] 本发明利用四川省甘孜州稻城县的实际测量数据，能充分反映当地实际情况，具有现实性。[0063] 本发明考虑高海拔地区实际环境情况，建立经济成本模型，在构建优化模型和约束模型时，考虑设备运行高原系数等指标，和平原地区配电网做出区分。[0064] 本发明利用线性加权求和方法与改进遗传算法相结合，对优化模型求解，得到相应的配电网规划方，具有稳定性和实用性。附图说明[0065] 图1是本发明的流程图；[0066] 图2是本发明改进自适应遗传算法流程图；[0067] 图3是本发明分布式电源选址定容规划结果。具体实施方式[0068] 下面结合实施例对本发明做进一步详细说明：[0069] 如图1所示，一种高海拔地区配电网规划方法包括以下步骤：[0070] S1、根据高海拔地区自然资源情况及负荷变化状态，构建配电网系统(系统包括分光伏发电机单元、风力发电机单元、柴油发电机单元和储能电池单元)；[0071] S2、根据当地各类单元的基本情况和特性，建立了各单元稳态功率输出模型，绘制典型日光照、风力及负荷曲线，功率输出模型如下：[0072] 风力发电机功率输出模型：[0073] 风力发电机是将自然环境中的风能转化为电能的装置，其输出功率与风速、风向以及控制方式等因素有关，本发明选用常规功率输出模型，只考虑风速对输出功率的影响，其模型如下：[0074][0075] 式(1)中：Pw为风力发电机的实际输出功率；Pr为风力发电机额定功率；v为实际风速(单位：m/s)；vr为额定风速(单位：m/s)；vci为切入风速(单位：m/s)；vco为切出风速(单位：m/s)。[0076] 光伏发电系统功率输出模型：[0077] 光伏发电系统是将自然环境中的光能转化为电能的装置，其输出功率与太阳辐射强度、温度以及温度系数有关，本发明选用常规功率输出模型，模型如下：[0078][0079] 式(2)中：Ppv为光伏发电系统实际输出功率；Pstc为光伏发电系统在标准太阳辐射2强度和温度时的输出功率；I为实际太阳辐射强度(单位w/m)；Istc标准太阳辐射强度(取21000w/m)；βt为光伏发电系统的功率温度系数；T为实际温度；Tstc为标准温度(取25℃)。[0080] S3、根据绘制的典型日光照、风力及负荷曲线建立以年等值初始投资成本、运维成本以及弃风弃电惩罚成本为目标的优化模型，对系统分布式电源(光伏发电机、风力发电机)的位置和容量进行合理规划；[0081] 优化模型包括：[0082] 等年值初始投资成本优化模型：[0083][0084] 式中：[0085] F1—等年值初始投资成本，单位：元；[0086] N—系统设备种类；[0087] Ceq,i—系统各设备初始投资总成本；[0088] r—银行利率；[0089] n—系统各设备使用年限；[0090] α—高原系数；[0091] 运维成本优化模型：[0092] F2＝α(Fop+Fma)(4)，[0093] 式中：[0094] F2—系统运维成本，单位：元；[0095] Fop—系统运行管理成本，单位：元；[0096] Fma—系统维护成本，单位：元；[0097] 弃风弃电惩罚成本优化模型：[0098] F3＝CwasteEi(5)，[0099] 式中：[0100] F3—弃风弃电惩罚成本，单位：元；[0101] Cwaste—未利用电量惩罚系数，单元：元/kwh；[0102] Ei—未利用电量，单位：kwh。[0103] S4、综合考虑三个目标函数的相互影响，利用线性加权求和方法，将多目标问题转化为单目标问题进行求解，如下式所示：[0104][0105] 式中，ω1、ω2、ω3分别为三个目标的权重，满足ω1+ω2+ω3＝1。[0106] S5、针对分布式电源位置容量规划求解方法，本发明改进了一种自适应遗传算法，通过改变遗传过程中的交叉、变异算子，充分发挥其在遗传进化中适应度集中分散程度，既保持了种群之间的多样性，又防止了进化后期陷入局部最优，该算法流程如下：[0107] (1)如图2所示，种群初始化，并设置种群大小、染色体大小及收敛条件；[0108] (2)计算个体的适应度、平均适应度及最大适应度；[0109] (3)判断 是否成立，如果成立，则说明平均适应度和最大适应度相差不多，种群差异性较。蝗绻怀闪，则说明平均适应度与最大适应度相差很大，种群差异性较大；通过这样的判据，再执行之后的交叉、变异选择；[0110] (4)进行交叉、变异、选择操作，判断是否满足收敛条件，如满足，则输出结果；如不满足，则返回至第(2)步。[0111] 并提出自适应交叉、变异概率公式：[0112][0113][0114] 当fav/fmax≤1/2时，说明种群适应度平均值与种群最大适应度值相差很大，此时的种群差异度大，种类丰富，具有很好的种群多样性，所以要提高交叉概率和操作，交换染色体基因，达到优质进化；反之，fav/fmax≥1/2时，说明种群适应度平均值与种群适应度最大值相差不大，此时的种群差异度。嘌圆，所以要提高变异概率和操作，防止算法进入局部最优。[0115] 根据提出的自适应遗传算法，规划内容流程如下：[0116] (1)根据自然条件和现场环境的实际情况输入参数，对参数进行编码，产生初始种群；[0117] (2)通过前推回代法对系统进行潮流计算；[0118] (3)计算每个个体的适应度函数；[0119] (4)改进自适应遗传算法操作；[0120] (5)生成新一代种群；[0121] 判断是否满足终止条件，如果不是，则返回到(2)中，如果是，则输出最优结果。[0122] 图3是本发明分布式电源选址定容规划结果，本发明采用IEEE33节点为测试系统，系统手段电压为12.66kv，分布式电源采用稳定输出功率的PQ型节点，功率因数为1，系统可接入的分布式电源容量均为50kVA，遗传算法中迭代最大系数为100，选择概率为0.2，初试交叉概率为0.8，初始变异概率为0.2，并截取四川省甘孜州稻城县的地形图及图中各个节点的信息作为配电网地图，采用MATLAB软件对配电网分布式电源的选址定容进行合理规划。[0123] 本领域的技术人员容易理解，以上所述仅为本发明较佳实施方案而已，并不用以限制本发明，凡是在本发明的精神和原则之内所做的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

专利地区：河北

专利申请日期：2022-01-24

专利公开日期：2024-11-29

专利公告号：CN114492983B