基于改进狼群算法的分布式储能选址定容方法及系统与流程

本发明涉及电力系统储能，具体为基于改进狼群算法的分布式储能选址定容方法及系统。

背景技术：

1、储能已成为电力系统不可或缺的一部分，而分布式电池储能系统在能量密度方面有较大优势，已被大量配置于电力系统当中,其本身可作为一种及充及放的设备，可配合光伏出力与负荷特性来合理充放电。

2、由于光伏出力的不稳定性，对台区用户影响较大，光伏与台区负荷有功出力得到净负荷曲线，根据净负荷曲线的特性确定合理的储能的接入容量。

3、目前关于分布式储能的选址定容方面，多集中在馈线侧，较少考虑具体台区内负荷状况，大多数研究以负荷与电压波动、光伏消纳等作为储能选址定容的目标，较少考虑储能的削峰填谷。

4、混沌映射作为一种生成随机粒子的方法，应用于群体智能算法后能够增加解的随机性、多样性，更加容易找到全局最优解，而且能够提高算法初始化过程中产生的粒子的适应度。传统智能优化算法在寻优过程中具有容易陷入局部最优，收敛速度慢和收敛精度不高等缺点，需要对算法的控制参数进行改进。低压台区中光伏有功出力与负荷有功出力存在时间尺度上的不匹配，造成电压越限、净负荷曲线峰谷较大差等问题。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明解决的技术问题是：现有的云服务平台计算方法存在功耗耗损较大，负载率奖惩，成本较高，以及如何将任务请求分配到各个主机上实现负载平衡的优化问题。

3、为解决上述技术问题，本发明提供如下技术方案：一种基于改进狼群算法的分布式储能选址定容方法，包括：

4、采集台区负荷和光伏运行数据；

5、以节点电压越限裕度、峰谷差、网损为目标函数，将改进的tent混沌初始化策略和自适应t分布策略引入多目标狼群优化算法；

6、对算法寻优后得到分布式储能的最优接入位置与容量，得到24小时分布式储能充放电策略及对应的储能容量变化情况；

7、根据储能充放电策略对算法进行寻优，得到分布式储能的选址定容策略。

8、作为本发明所述的基于改进狼群算法的分布式储能选址定容方法的一种优选方案，其中：所述储能的最优接入位置与容量包括，储能接入容量范围配置策略的具体步骤如下：

9、

10、其中，eess表示储能容量；pload-avg表示台区日平均负荷；epv表示光伏日发电量；α表示光伏消纳系数；β表示负荷用电系数；通过α、β权重的设置范围并结合上下限约束条件确定储能的最大接入容量与最小接入容量，保证负荷低谷时，储能能够消纳光伏，负荷高峰时，能够为负荷供电，降低变压器负载率；pavg表示光伏平日均发电功率；光伏发电量简化公式表示为；

11、

12、

13、分布式储能充放电功率范围公式表示为：

14、

15、其中，tpv表示光伏投入运行时段；pnet表示净负荷，由台区有功负荷与光伏有功出力之差得到；pess表示储能的充放电功率；η表示充放电效率；pnet-high表示净负荷曲最高峰的有功功率；确定储能充放电功率范围为[-pess，pess]，其中pess>0，得到分布式储能的功率约束。

16、作为本发明所述的基于改进狼群算法的分布式储能选址定容方法的一种优选方案，其中：所述充放电功率范围配置包括，设定初始分布式储能的初始容量为50％，充放电步长不超过确定的充放电功率范围，约束条件表示为；

17、

18、其中，r表示[0，1]之间的随机数；e0表示储能初始容量；soc表示储能剩余容量比例；pess，i0表示算法迭代之前全天各时段的初始充放电功率；pemin表示确定的充放电功率范围的下限；pemax表示确定的充放电功率范围的上限；初始化后开始进行迭代，迭代过程中储能容量的变化公式表示为；

19、

20、

21、其中，esi表示储能在i时刻的剩余容量；μpessi表示储能在i时刻的充放电功率，其中μ＝1，表示储能放电，μ＝-1，表示储能充电；soc(t)表示储能在t时刻的剩余容量比值。

22、作为本发明所述的基于改进狼群算法的分布式储能选址定容方法的一种优选方案，其中：所述改进狼群算法包括，设定具体目标函数，表示为；

23、

24、其中，目标函数f1表示全天中的总网损，其中iij表示j时刻支路i流过的电流；zi表示支路i的阻抗值；目标函数f2表示最大峰谷差；ppeak，max表示24小时内最大有功功率；plow，min表示24小时内最小有功功率；二者之差表示全天中最大峰谷差；目标函数f3表示节点电压裕度指标，表示全天中节点电压越限裕度总和；目标函数为最小值，将节点电压裕度指标乘以-1，则f3越小，表示电压越限裕度越大。

25、作为本发明所述的基于改进狼群算法的分布式储能选址定容方法的一种优选方案，其中：所述改进的tent混沌初始化策略包括，在原始的tent混沌映射表达式中加入了随机变量，改进后的tent混沌序列分布表达式表示为；

26、

27、经过贝努利变换后的表达式如下：

28、

29、其中，nt表示混沌序列中粒子的数量，rand(0，1)表示[0，1]之间的随机数；本文采用改进的tent混沌映射来初始化种群，使初始种群的位置分布更均匀；

30、策略步骤包括，设产生(0，1)之间的随机数x0，设定i＝o；进行迭代计算，产生一个x序列，i自增1；当i到达最大迭代次数时，保存x序列；将x序列的元素映射到狼群个体上，公式表示为：

31、

32、其中，ub表示搜索空间的上界；lb表示搜索空间的下界。

33、作为本发明所述的基于改进狼群算法的分布式储能选址定容方法的一种优选方案，其中：所述自适应t分布策略包括，狼群位置利用自适应t分布进行更新表示为；

34、

35、其中，表示经过t变异后的灰狼的位置，xi表示第i个灰狼个体的位置；t(k)表明选择当前迭代次数为参数自由度的t分布；

36、考虑节点电压约束、台区内功率平和约束、储能的充放电功率约束、容量约束、储能充放电功率平衡约束分别表示为：

37、

38、其中，vmin表示节点电压下限；vmax分别表示节点电压上下限；ptrans，i、ppv、μpess表示台区配变发出的功率、分布式光伏发出的功率、储能充放电功率，其中μ＝1，表示储能放电；μ＝-1，表示储能充电；表示储能全天充放电功率之和。

39、作为本发明所述的基于改进狼群算法的分布式储能选址定容方法的一种优选方案，其中：所述分布式储能的选址定容策略包括，将配电网初始化，输入配电网的原始信息、光伏与负荷日有功出力曲线；

40、对网络结构进行拓扑分析，判断配网系统是否满足辐射状约束，若不满足，则重新初始化；

41、结合前推回代法进行配电网潮流计算，获取配网潮流并判断是否满足约束条件，若不满足则返回第三步；

42、根据问题设置狼群算法参数，并利用混沌映射初始化狼群；

43、对狼群位置进行t分布变异扰动；

44、计算个体适应度，根据适应度值选取狼的位置，并在每次迭代后对狼群个体的控制变量进行更新，得到t+1代进行下一次搜索；

45、判断对更新后的狼群位置是否满足辐射状约束，若满足进行下一步迭代，若不满足，返回适应度计算步骤，从候选解中更新狼位置；

46、若狼群位置稳定在一个值，或迭代次数达到最大值，则停止算法流程，输出稳定的狼群位置信息或最后一次迭代后产生的狼群位置信息作为最优解输出；否则返回适应度计算步骤继续迭代。

47、一种采用如本发明任一所述方法的基于改进狼群算法的分布式储能选址定容系统，其中：

48、数据采集模块，收集和预处理所有相关数据；需要采集的数据包括光伏有功出力数据、台区负荷数据、配电网的拓扑结构数据；

49、网络分析与潮流计算模块，此对配电网络结构进行拓扑分析并进行潮流计算；判断系统是否满足辐射状约束，并基于光伏发电和负荷数据来确定网络的电流和电压分布；

50、多目标优化模块，采用改进的多目标狼群算法来确定储能的最优选址和容量；改进的tent混沌初始化策略和自适应t分布策略被用于增强算法的性能，确保储能系统能够有效地削峰填谷、维持电压稳定，并减少网络损耗；

51、决策支持与可视化模块，呈现优化结果并提供决策支持；展示储能系统的最佳位置、容量配置以及24小时充放电策略。

52、一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现本发明中任一项所述的方法的步骤。

53、一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现本发明中任一项所述的方法的步骤。

54、本发明的有益效果：本发明提供的基于改进狼群算法的分布式储能选址定容方法，用于生成优化算法的搜索范围，将其应用至分布式储能选址定容，以节点电压越限裕度、峰谷差、网损为目标函数，并将改进的tent混沌初始化策略和自适应t分布策略引入多目标狼群优化算法，寻优后得到分布式储能的选址定容策略。