DG-FMS模式优化设计方法、装置、设备及介质与流程

dg-fms模式优化设计方法、装置、设备及介质
技术领域
1.本发明属于电网优化调节技术领域，具体涉及一种dg-fms模式优化设计方法、装置、设备及介质。


背景技术：

2.在碳中和、碳达峰的双碳目标下，大力发展以新能源为主的新型电力系统是必然趋势，但与此同时，伴随分布式可再生能源、新能源电动汽车等高比例高渗透接入，配电网中电压越限、馈线均衡等问题也随之更加凸显；同时，由于负荷种类多样，不同馈线负荷水平的差异化，以及分布式能源和负荷的随机波动性，还将使得配电网中同一线路在一天内过载和轻载状态时常切换，而仅靠网络重构等传统拓扑结构调整手段，受制于动作次数限制及高成本，以及其固有的刚性调节属性，其在可再生能源消纳能力方面相当有限。随着电力电子技术的发展，柔性多状态开关(flexible multi-state switch，fms)为改善甚至解决这些问题提供了方案。fms不仅具有开通和关断功能，还可以连续调节每个端口的有功、无功功率。通过合理配置接入配网的fms容量和位置，实现直流闭环运行，不仅可以有效改善分布式可再生能源和负荷的波动性带来的电压和潮流越限问题，改善系统潮流分布，同时也对于提高可再生能源的消纳能力具有重要作用。目前，国内外已经开始广泛关注fms的研究与应用，其中针对fms接入配电网的规划配置与优化运行更是研究重点，在fms接入电网的优化运行方面，已有较多研究展开，如有部分文献介绍了fms对改善配网电压水平和提高分布式电源消纳能力的作用；有部分文献重点分析和研究了带储能的fms对缓解光伏出力波动的作用，部分文献则统一分析了包括fms装置在内的各种电力电子设备在支持分布式电源接入方面所发挥的作用，为fms接入运行提供了较好的参考。总体来看，目前文献多重点关注如何利用fms提升配电网消纳分布式电源能力，而较少涉及fms在运行可靠性提升方面的潜力，而实际上fms能够在电网发生故障时实现非故障部分的不间断供电，减小用户的停电损失，而现有关于fms运行优化乃至规划配置的研究对此鲜有虑及。
3.另一方面，在fms接入配电网的规划配置方面，也有相当的研究被关注，主要是通过fms规划运行的一体化设计，来实现fms接入电网的优化布局。如有部分文献综合考虑设备运行、连接损耗、网间交互和容量配置等成本因素，提出了含fms主动配电网的经济成本优化配置模型来优化fms接入位置和端口容量；部分文献提出了基于并查集的fms定容方法，能快速有效地确定fms实时运行模式，提升了定容问题的求解速度；部分文献综合考虑系统网损和电动汽车充放电的不确定性，构建了多目标的fms最优配置模型，实现了fms接入的选址定容；总体来看，目前文献虽考虑了fms的规划配置与运行优化的联合设计问题，但目前工作的研究大多聚焦在单一fms或单一分布式电源的优化配置问题，无法得到全面、兼顾的运行优化方案。


技术实现要素：

4.本发明的目的在于提供一种dg-fms模式优化设计方法、装置、设备及介质，通过
fms与分布式电源的协同运行增效和联合选址定容，不仅能更大限度的发挥两者之间的联合运行能力，同时还能充分利用两者的互补潜力，实现更优的系统运行。
5.为了实现上述目的，本发明采用如下技术方案：
6.本发明的第一方面，提供了一种dg-fms模式优化设计方法，包括如下步骤：
7.以年综合费用最小为目标优化fms和dg的安装位置和容量，构建外层优化模型；
8.以电网购电量最小为目标优化fms的功率，构建内层优化模型；
9.求解所述外层优化模型，优化所述fms和所述dg的接入位置和接入容量，得到第一优化方案并传递给内层优化模型；
10.求解所述内层优化模型，在所述外层优化模型给出的第一优化方案下优化所述fms的运行功率，得到第二优化方案并传递给外层优化模型，计算外层优化模型的目标函数并更新所述fms和所述dg的接入位置和接入容量；
11.外层优化模型和内层优化模型迭代求解，直至获得最优方案。
12.作为本发明的一种可选方案，所述构建外层优化模型的步骤中，构建的外层优化模型如下所示：
13.min f＝cc+ci+co+cb14.式中，cc为年购电费用，ci为fms和dre的年建设费用，co为fms和dre的运行维护费用，cb为用户年停电损失费用。
15.作为本发明的一种可选方案，年购电费用cc、fms和dre的年建设费用ci、fms和dre的运行维护费用co以及用户年停电损失费用cb的计算公式分别如下：
[0016][0017][0018]
[0019][0020]
式中，cb为电网购电电价，n
t
为计算时间总数；p1(s)为场景s下的购电功率；ps为场景s的发生概率；δt为计算时间步长；ns为场景数；c
fms
和为fms和j类dg的单位容量投资成本；和为fms和dg的安装容量；d
fms
和d
dg
为fms和dg的贴现率；y
fms
和y
dg
为fms和dg的使用年限；n
fms
和n
dg
为fms和dg的数量；η
fms
为fms的运行维护费用系数；为j类dg的单位电量运行维护费用；为场景s下第j个dg的出力；为场景s下支路i故障后形成孤岛中的节点j是否切掉的判断变量，若为1则切掉，为0则不切掉；p
l,j
(s)为场景s下节点j的负荷；tb(i)为节点i故障时间；cj为节点j负荷电价；n
l
为所有线路集合；nb(i)为线路i故障后形成孤岛中的节点集合；为节点j的负荷单位停电量的损失费用。
[0021]
作为本发明的一种可选方案，所述用户年停电损失费用cb的计算流程如下：
[0022]
s21、依据线路长度初始化各条线路的故障概率和修复时间，初始化线路编号l＝1；
[0023]
s22、第l条线路故障后，判断失去主网供电来源形成孤岛的负荷；
[0024]
s23、判断故障时间内dre和fms的端口功率之和是否能够满足孤岛内所有负荷需求；若能满足，则不会造成用户停电；若不能满足，则按照负荷停电损失从小到大切除负荷，直至孤岛内电量供需平衡；
[0025]
s24、判断线路l是否遍历所有线路，若是，则将每条线路故障的切负荷量与对应停电损失和故障概率相乘，求和得到最终的停电损失；若否，则令l＝l+1，返回步骤s22。
[0026]
作为本发明的一种可选方案，所述求解所述外层优化模型的步骤中，采用改进粒子群算法求解所述外层优化模型。
[0027]
作为本发明的一种可选方案，所述求解所述内层优化模型的步骤中，采用gams算法求解所述内层优化模型。
[0028]
作为本发明的一种可选方案，所述外层优化模型和内层优化模型迭代求解，直至获得最优方案的步骤，具体如下：
[0029]
s41、初始化pso算法参数，产生初始粒子群；
[0030]
s42、传递粒子群到内层优化模型，通过gams算法进行内层优化模型的优化，得到当前粒子群配置下的fms的功率和电网购电功率；
[0031]
s43、返回内层优化模型计算结果到外层，计算外层优化模型的目标值；
[0032]
s44、更新pso算法中粒子的速度、位置，生成新的粒子；同时采用非线性递减权值策略更新pso算法中的惯性因子；
[0033]
s45、判断是否达到收敛条件，若是，则结束计算，输出结果，否则返回步骤s42。
[0034]
本发明的第二方面，提供了一种dg-fms模式优化设计装置，包括：
[0035]
第一模型构建模块，用于以年综合费用最小为目标优化fms和dg的安装位置和容量，构建外层优化模型；
[0036]
第二模型构建模块，用于以电网购电量最小为目标优化fms的功率，构建内层优化模型；
[0037]
第一模型求解模块，用于求解所述外层优化模型，优化所述fms和所述dg的接入位置和接入容量，得到第一优化方案并传递给内层优化模型；
[0038]
第二模型求解模块，用于求解所述内层优化模型，在所述外层优化模型给出的第一优化方案下优化所述fms的运行功率，得到第二优化方案并传递给外层优化模型，计算外层优化模型的目标函数并更新所述fms和所述dg的接入位置和接入容量；
[0039]
迭代模块，用于外层优化模型和内层优化模型迭代求解，直至获得最优方案。
[0040]
本发明的第三方面，提供了一种电子设备，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现上述的dg-fms模式优化设计方法。
[0041]
本发明的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现上述的dg-fms模式优化设计方法。
[0042]
本发明的有益效果如下：
[0043]
1)本发明提供的dg-fms模式优化设计方法，包括步骤：以年综合费用最小为目标优化fms和dg的安装位置和容量，构建外层优化模型；以电网购电量最小为目标优化fms的功率，构建内层优化模型；求解所述外层优化模型，优化所述fms和所述dg的接入位置和接入容量，得到第一优化方案并传递给内层优化模型；求解所述内层优化模型，在所述外层优化模型给出的第一优化方案下优化所述fms的运行功率，得到第二优化方案并传递给外层优化模型，计算外层优化模型的目标函数并更新所述fms和所述dg的接入位置和接入容量；外层优化模型和内层优化模型迭代求解，直至获得最优方案。本发明方法详细考虑了柔性多状态开关和分布式电源的协同优化配置，充分计及柔性多状态开关接入带来的可靠性收益，提出了基于双层嵌套优化的fms和dg选址定容优化配置方法，能合理有效规划出fms和dg的接入位置和接入容量，降低系统运行总成本，提高用户供电可靠性。
[0044]
2)本发明提供的dg-fms模式优化设计方法，对fms和dg进行协调优化配置相比传统单一的fms配置或dg配置具有更好的经济效益，不仅能够更大程度减小电网年综合费用，同时能有效减少用户停电损失。
附图说明
[0045]
构成本技术的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0046]
图1为本发明dg-fms模式优化设计方法流程示意图。
[0047]
图2为用户停电损失计算流程示意图。
[0048]
图3为双层优化模型求解原理示意图。
[0049]
图4为多端口fms结构示意图。
[0050]
图5为vsc运行边界结构示意图。
[0051]
图6为双层优化模型求解流程示意图。
[0052]
图7为ieee33节点系统示意图。
[0053]
图8为wt、pv和三类负荷数据图；其中：(a)pv数据，(b)wt数据，(c)商业负荷数据(d)，工业负荷数据，(e)住宅负荷数据。
[0054]
图9为dg相关场景示意图。
[0055]
图10为不同方案下各类负荷的年失电量示意图。
[0056]
图11为本发明一种dg-fms模式优化设计装置的结构框图。
[0057]
图12为本发明一种电子设备的结构框图。
具体实施方式
[0058]
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
[0059]
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本技术所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
[0060]
本发明提供了一种dg-fms模式优化设计方法、装置、设备及介质，在规划配置阶段详细考虑含fms和dg的协同优化运行，并充分计及fms接入带来的可靠性收益，构建了基于嵌套优化的fms和dg选址定容双层优化配置模型；针对双层嵌套模型求解的复杂性，提出基于改进粒子群算法和gams相结合的双层优化配置模型求解策略，以改造后的ieee33节点算例系统为例，对所提出模型和方法的有效性进行了验证。本实施例第一方面提供的dg-fms模式优化设计方法，可以作为电力系统中的一个单独模块，参与到电力系统对的诸多应用中，例如作为电力系统重要用户感知保障系统功率分配和调度的重要参考，或者与电力系统中其他模块实现智能联动分析。
[0061]
实施例1
[0062]
如图1所示，本发明实施例1提供了一种dg-fms模式优化设计方法，包括如下步骤：
[0063]
s1、对fms进行建模。
[0064]
多端口fms结构如图4所示，多个vsc的交流侧接入不同的馈线，直流侧背靠背互联，多条馈线通过fms实现有功功率的互济，同时各个vsc可以独立为所连馈线提供无功功率。vsc能够分别控制有功功率和无功功率，二者间不存在耦合关系。不同的控制模式中，其直流母线电压、有功功率之间存在耦合关系，交流母线电压、无功功率之间存在耦合关系，控制方式分为6种：
[0065]
1)定有功功率和定无功功率；
[0066]
2)定直流电压和定无功功率；
[0067]
3)直流电压下垂和定无功功率；
[0068]
4)定直流电压和定交流电压；
[0069]
5)定有功功率和定交流电压；
[0070]
6)直流电压下垂和定交流电压。采用不同控制方式时，潮流计算过程中将vsc等效为不同的节点。
[0071]
正常运行情况下，fms中的一个vsc定直流电压和定无功功率，其余的vsc定有功功
率和定无功功率，进行互联馈线间的功率互济，能够在电能质量、经济性和可靠性等多个方面提升系统运行水平；所连馈线发生故障时，fms的vsc能够快速切换控制方式，为非故障区域提供电压和频率支撑，实现其不间断供电。
[0072]
fms中各vsc的运行边界示意图如图5所示。
[0073]
vsc运行功率不能超过额定功率：
[0074][0075]
式中，p
vsc
和q
vsc
分别为vsc的有功功率和无功功率；s
vscmax
为vsc的额定功率。
[0076]
fms中背靠背互联的多个vsc不仅需要各自满足功率约束，同时还保证互联情况下的有功功率平衡，即互联vsc的有功功率与其损耗之和为0，fms的运行约束如下：
[0077][0078][0079][0080]
式中，p
vsc,i
和q
vsc,i
为fms第i个端口的有功功率和无功功率；s
vsc,i
为fms第i个端口的额定容量；为fms第i个端口的有功损耗；n
fms
为fms的端口数；为fms第i个端口的损耗系数。
[0081]
vsc的有功损耗与配电网的网络损耗相比较小，可以忽略其有功损耗，用式(5)表示：
[0082][0083]
s2、构建柔性多状态开关fms和分布式发电装置dg协调优化配置的双层优化模型，其中，外层优化模型以年综合费用最小为目标优化fms和dg的安装位置和容量，内层优化模型以电网购电量最小为目标优化fms的功率，双层模型相互迭代，以获取最优配置方案。具体步骤如下：
[0084]
构建外层优化模型
[0085]
(1)目标函数
[0086]
外层优化模型的目标函数为系统年综合费用最小：
[0087]
min f＝cc+ci+co+cbꢀꢀꢀ
(6)
[0088]
式中，cc为年购电费用；ci为fms和dre的年建设费用；co为fms和dre的运行维护费用；cb为用户年停电损失费用。其中，
[0089][0090][0091][0092][0093]
式中，cb为电网购电电价，n
t
为计算时间总数；p1(s)为场景s下的购电功率；ps为场景s的发生概率；δt为计算时间步长；ns为场景数；c
fms
和为fms和j类dg的单位容量投资成本；和为fms和dg的安装容量；d
fms
和d
dg
为fms和dg的贴现率；y
fms
和y
dg
为fms和dg的使用年限；n
fms
和n
dg
为fms和dg的数量；η
fms
为fms的运行维护费用系数；为j类dg的单位电量运行维护费用；为场景s下第j个dg的出力；为场景s下支路i故障后形成孤岛中的节点j是否切掉的判断变量，若为1则切掉，为0则不切掉；p
l,j
(s)为场景s下节点j的负荷；tb(i)为节点i故障时间；cj为节点j负荷电价；n
l
为所有线路集合；nb(i)为线路i故障后形成孤岛中的节点集合；为节点j的负荷单位停电量的损失费用。
[0094]
对于用户年停电损失费用cb的计算，在n-1故障时，由于fms或dre故障时，系统并没有失去主网供电来源，因此该情况下用户不会发生停电状况，仅考虑线路故障下的用户停电情况。如图2所示，用户停电损失计算流程如下：
[0095]
s21、依据线路长度初始化各条线路的故障概率和修复时间，初始化线路编号l＝1；
[0096]
s22、第l条线路故障后，判断失去主网供电来源形成孤岛的负荷；
[0097]
s23、判断故障时间内dre和fms的端口功率之和是否能够满足孤岛内所有负荷需求；若能满足，则不会造成用户停电；若不能满足，则按照负荷停电损失从小到大切除负荷，直至孤岛内电量供需平衡；
[0098]
s24、判断线路l是否遍历所有线路，若是，则将每条线路故障的切负荷量与对应停电损失和故障概率相乘，求和得到最终的停电损失；若否，则令l＝l+1，返回步骤s22。
[0099]
(2)约束条件
[0100]
a.fms容量约束
[0101][0102][0103]
式中，为fms容量上限；为fms安装的单位容量；k
fms
为整数变量，代表fms安装个数。
[0104]
b.dg容量约束
[0105][0106][0107]
式中，为dg安装容量上限；为dg安装的单位容量，k
dg
为整数变量，代表dg安装个数。
[0108]
构建内层优化模型
[0109]
(1)目标函数
[0110]
内层优化模型的目标函数为每个场景下电网购电量最小：
[0111]
min f＝p1(s)
ꢀꢀꢀꢀꢀꢀ
(15)
[0112]
(2)约束条件
[0113]
a.系统潮流约束
[0114][0115][0116]
式中，pi(s)和qi(s)为场景s下节点i注入的有功功率和无功功率；ui(s)为场景s下节点i的电压幅值；g
ij
和b
ij
为节点导纳矩阵中的实部和虚部；n(i)为与节点i相邻节点的集合；θ
ij
(s)为场景s下节点i与节点j之间的相角差，其中，
[0117]
[0118][0119]
式中，为场景s下节点i接入dg的无功功率；和为场景s下fms的有功和无功功率；和为场景s下节点i的有功负荷和无功负荷。
[0120]
b.fms功率约束
[0121][0122][0123][0124]
式中，ω
fms
为每个fms接入节点的集合；为场景s下节点i接入fms的有功损耗；γ
fms
为fms的损耗系数；为节点i接入fms的容量。
[0125]
c.电压约束
[0126]umin
≤ui(s)≤u
max
ꢀꢀꢀꢀꢀꢀ
(23)
[0127]
式中，u
max
和u
min
分别为节点电压的上下限。
[0128]
d.线路容量约束
[0129][0130]
式中，为线路i和线路j之间的额定传输功率容量。
[0131]
s3、求解所述外层优化模型，优化所述fms和所述dg的接入位置和接入容量，得到第一优化方案并传递给内层优化模型。求解所述内层优化模型，在所述外层优化模型给出的第一优化方案下优化所述fms的运行功率，得到第二优化方案并传递给外层优化模型，计算外层优化模型的目标函数并更新所述fms和所述dg的接入位置和接入容量。外层优化模型和内层优化模型迭代求解，直至获得最优方案。
[0132]
本实施例中模型求解的方法如下：
[0133]
上述构建的fms和dg在配电网中的协调优化配置模型为典型的混合整数非线性规划模型，模型较为复杂，本文提出通过双层优化算法实现整数变量和连续变量解耦，外层优化模型采用改进粒子群算法(improved particle swarm optimization，ipso)求解，优化整数变量fms和dg的接入位置和接入容量，并将优化结果传递给下层模型，内层优化模型采用gams算法进行求解，在外层优化模型给出的规划方案下优化fms的运行功率，并将结果传
递给外层优化模型用于计算外层优化模型的目标函数并更新优化变量，迭代求解直至获取最优配置和运行方案，求解流程如图3和6所示。
[0134]
s41、初始化pso算法参数，产生初始粒子群；
[0135]
s42、传递粒子群到内层优化模型，通过gams算法进行内层优化模型的优化，得到当前粒子群配置下的fms的功率和电网购电功率；
[0136]
s43、返回内层优化模型计算结果到外层，计算外层优化模型的目标值；
[0137]
s44、判断是否达到收敛条件，若是，则结束计算，输出结果，否则返回步骤s42。
[0138]
为了进一步的阐述、证明本发明实施例的有效性以及技术效果，下面结合具体的算例进行说明。
[0139]
算例参数
[0140]
以改造后的ieee 33节点系统为例，对其进行fms和dg的协调优化配置，如图7所示，系统电压等级为12.66kv。考虑到fms的接入位置一般为线路末端，设置fms的待选位置有2个，风电机组(wind turbine，wt)和光伏(photovoltaic，pv)的待选位置也分别有2个，如表1所示。系统中负荷分为工业、商业和居民负荷三类，各节点的负荷类别及单位电量停电带来的损失费用如表2所示。fms和dg配置参数如表3所示。
[0141]
表1 fms和dre待选位置
[0142][0143][0144]
表2负荷类别及停电损失
[0145][0146]
表3 fms和dg的经济性配置参数
[0147]
[0148]
结果与讨论
[0149]
根据实测的wt、pv和三类负荷的年运行数据，如图8所示，首先通过核密度估计方法进行相应的概率分布的拟合，然后再结合拉丁方抽样的场景抽样以及同步回代法的场景削减，生成wt、pv等断面功率场景，如图9所示，不同断面功率场景发生概率如表4所示。
[0150]
表4各个场景发生概率
[0151][0152]
对以下三种方案分别进行fms和dg的优化配置：
[0153]
方案1：只对dg进行优化配置；
[0154]
方案2：只对fms进行优化配置；
[0155]
方案3：对fms和dg进行协调优化配置。
[0156]
采用所提方法对三种方案的优化模型进行求解，得到三种方案的优化配置结果如表5所示。不同规划方案的费用对比见表6。
[0157]
表5三种方案的配置结果
[0158][0159]
表6不同规划方案对比
[0160][0161]
从表5和表6中可以看到，仅对dg进行优化配置可以减少年综合费用61.72万元，仅对fms进行优化配置可以减少年综合费用16.42万元，对fms和dg进行协调优化配置可以减
少年综合费用68.68万元。fms和dg进行协调优化配置的结果具有最优的经济性。由于dg很难在故障形成的孤岛中实现对系统电压的控制，因此仅对dg优化配置难以减小用户的年停电损失费用，而fms可以实现孤岛的电压支撑，因此fms接入后能够减少用户的年停电损失，而通过dg和fms的协调配置能够进一步减小用户的停电损失，同时dg的接入可以减少系统的购电费用，因此对fms和dg进行协调优化配置的方案具有更好的经济性，能够最大程度的减小电网的年综合费用，同时减少用户因停电带来的损失。
[0162]
不同方案下的各类负荷年失电量如图10所示，从图中可以看到，由于可再生能源型dre难以独自为孤岛中的负荷供电，因此方案1的负荷损失量最大，方案2中fms的接入大大减少了用户的失电量，而方案3中通过对fms和dre的协调优化配置，进一步减少了单位停电量损失费用最高的工业和商业负荷的失电量，有效保障了用户的供电可靠性。
[0163]
由上述内容可知，本发明实施例提出的dg-fms模式优化设计方法，查阅双层嵌套的优化配置，能合理有效规划出fms和dg的接入位置和接入容量，降低系统运行总成本，提高用户供电可靠性，对fms和dg进行协调优化配置相比传统单一的fms配置或dg配置具有更好的经济效益。
[0164]
本发明实施例提供的dg-fms模式优化设计方法，具有很好的应用前景，应用于电力系统中，通过fms与分布式电源的协同运行增效和联合选址定容，不仅能更大限度的发挥两者之间的联合运行能力，同时还能充分利用两者的互补潜力，实现更优的系统运行。能够用于支撑新型电力系统重要用户感知保障系统功率分配和调度，作为整体电力系统的一个模块，具备和系统中其他功能子模块集成融合的功能，以实现后续工作中的智能联动分析。
[0165]
实施例2
[0166]
如图11所示，一种dg-fms模式优化设计装置装置，包括：
[0167]
第一模型构建模块，用于以年综合费用最小为目标优化fms和dg的安装位置和容量，构建外层优化模型；其中，所构建的外层优化模型为：
[0168]
min f＝cc+ci+co+cb[0169]
式中，cc为年购电费用，ci为fms和dre的年建设费用，co为fms和dre的运行维护费用，cb为用户年停电损失费用。
[0170]
所述用户年停电损失费用cb的计算流程如下：
[0171]
s21、依据线路长度初始化各条线路的故障概率和修复时间，初始化线路编号l＝1；
[0172]
s22、第l条线路故障后，判断失去主网供电来源形成孤岛的负荷；
[0173]
s23、判断故障时间内dre和fms的端口功率之和是否能够满足孤岛内所有负荷需求；若能满足，则不会造成用户停电；若不能满足，则按照负荷停电损失从小到大切除负荷，直至孤岛内电量供需平衡；
[0174]
s24、判断线路l是否遍历所有线路，若是，则将每条线路故障的切负荷量与对应停电损失和故障概率相乘，求和得到最终的停电损失；若否，则令l＝l+1，返回步骤s22。
[0175]
第二模型构建模块，用于以电网购电量最小为目标优化fms的功率，构建内层优化模型。
[0176]
内层优化模型如下：
[0177]
min f＝p1(s)
[0178]
第一模型求解模块，用于求解所述外层优化模型，优化所述fms和所述dg的接入位置和接入容量，得到第一优化方案并传递给内层优化模型。
[0179]
第二模型求解模块，用于求解所述内层优化模型，在所述外层优化模型给出的第一优化方案下优化所述fms的运行功率，得到第二优化方案并传递给外层优化模型，计算外层优化模型的目标函数并更新所述fms和所述dg的接入位置和接入容量。
[0180]
迭代模块，用于外层优化模型和内层优化模型迭代求解，直至获得最优方案。
[0181]
其中，迭代求解过程如下：
[0182]
s41、初始化pso算法参数，产生初始粒子群；
[0183]
s42、传递粒子群到内层优化模型，通过gams算法进行内层优化模型的优化，得到当前粒子群配置下的fms的功率和电网购电功率；
[0184]
s43、返回内层优化模型计算结果到外层，计算外层优化模型的目标值；
[0185]
s44、更新pso算法中粒子的速度、位置，生成新的粒子；同时采用非线性递减权值策略更新pso算法中的惯性因子；
[0186]
s45、判断是否达到收敛条件，若是，则结束计算，输出结果，否则返回步骤s42。
[0187]
实施例3
[0188]
如图12所示，本发明还提供一种用于实现dg-fms模式优化设计方法的电子设备100；电子设备100包括存储器101、至少一个处理器102、存储在存储器101中并可在至少一个处理器102上运行的计算机程序103及至少一条通讯总线104。存储器101可用于存储计算机程序103，处理器102通过运行或执行存储在存储器101内的计算机程序，以及调用存储在存储器101内的数据，实现实施例1dg-fms模式优化设计方法步骤。存储器101可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备100的使用所创建的数据(比如音频数据)等。此外，存储器101可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
[0189]
至少一个处理器102可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器102可以是微处理器或者该处理器102也可以是任何常规的处理器等，处理器102是电子设备100的控制中心，利用各种接口和线路连接整个电子设备100的各个部分。
[0190]
电子设备100中的存储器101存储多个指令以实现一种dg-fms模式优化设计方法，处理器102可执行多个指令从而实现：
[0191]
以年综合费用最小为目标优化fms和dg的安装位置和容量，构建外层优化模型；
[0192]
以电网购电量最小为目标优化fms的功率，构建内层优化模型；
[0193]
求解所述外层优化模型，优化所述fms和所述dg的接入位置和接入容量，得到第一优化方案并传递给内层优化模型；
[0194]
求解所述内层优化模型，在所述外层优化模型给出的第一优化方案下优化所述
fms的运行功率，得到第二优化方案并传递给外层优化模型，计算外层优化模型的目标函数并更新所述fms和所述dg的接入位置和接入容量；
[0195]
外层优化模型和内层优化模型迭代求解，直至获得最优方案。
[0196]
实施例4
[0197]
电子设备100集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器及只读存储器(rom，read-only memory)。
[0198]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0199]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0200]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0201]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0202]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。