资源数字化融合技术的县域配电网网格化规划方法及系统与流程

本发明涉及电网网格化规划，具体为资源数字化融合技术的县域配电网网格化规划方法及系统。

背景技术：

1、随着电网智能化战略的快速推进，新能源发电如太阳能和风能发电代替传统的火力发电已成为趋势。但是分布式资源接入会给配电网规划带来很多挑战和问题。网格化规划是配电网规划的发展方向。采用网格化的思路是将配电网大而化小、简而治之，分区运行，是配电网降低控制难度和维度的重要方式。

2、传统的网格划分方法仅从地形的角度进行划分，没有考虑分布式资源接入的影响。本方法，在传统网格划分的基础上，针对不同县域地形地貌、负荷运行情况和分布式资源发展形式不同，提出一种基于资源数字化融合技术的县域配电网网格化规划策略，对配电网进行场景化、差异化和标准化规划。

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：现有的县域配电网网格化规划方法存在成本较高，以及划分不合理等问题。

3、为解决上述技术问题，本发明提供如下技术方案：资源数字化融合技术的县域配电网网格化规划方法，包括：

4、采集县域地区的地理信息，并进行供电网格的初步划分；

5、通过k-means聚类算法，对供电网格进行第二次划分；

6、通过自适应多目标鲸鱼优化算法，选择最佳的规划策略，对供电网格进行第三次划分。

7、作为本发明所述的多目标县域配电网网格优化方法的一种优选方案，其中：所述初步划分包括，在电网数字化平台根据县域内山体、水域、交通、不同的功能区的地理情况进行供电网格的第一次划分。

8、作为本发明所述的多目标县域配电网网格优化方法的一种优选方案，其中：所述k-means聚类算法包括，以初步的网格划分结果，确定县域地区聚类数k，以网格几何中心作为每个簇的中心点；

9、确定归类的条件，将变电站与负荷点、分布式资源的供电距离作为归类条件；

10、根据供电范围的测量方式，将每个节点与最近的聚类中心进行比较，将其分配到距离最近的簇中；

11、对每个簇中的数据点进行重新计算，即每个簇中节点对象均值，同时计算所有簇的聚类结果；

12、若结果值发生变化，重复确定归类的条件的步骤，否则算法结束，输出第二次网格划分结果。

13、作为本发明所述的多目标县域配电网网格优化方法的一种优选方案，其中：所述第三次划分包括，建立县域配电网网格化多目标协调规划模型，通过对多目标优化模型求解实现第三次划分；

14、所述县域配电网网格化多目标协调规划模型包括，网格规划投资总费用：

15、

16、其中，ceco表示网格规划投资总费用；ε＝k1+k2，k1、k2分别为运行维护费用系数和折旧的投资回收系数；cij,m表示第m个站间供电网格主干线路的总费用，为所有主干线路全长的线路综合造价；cih,n表示第n个非站间供电网格中自环供电单元主干线路的综合造价；cfs,n表示第n个非站间供电网格中辐射供电单元主干线路的综合造价；表示第m个站间供电网格的主干线路电能损耗年费用；表示第n个非站间供电网格的主干线路停电损失年费用；cin表示分布式资源投资建设成本；cop表示分布式资源运行维护成本；cpro表示分布式资源收益；cl表示网格间数字化联络投资；

17、设联络线路沿电力线路架设，同时各个节点均存在数字化联络子站，且联络子站离变电站的距离不远；设置数字化联络投资为：

18、

19、其中，n表示网格数量，dm表示网格m的支路线长，pl表示数据传输线单价，pc表示网格控制单元单价；

20、停电损失描述配电网整体可靠性指标，表示为：

21、

22、其中，clos是配电网可靠性指标，表示全网总停电损失；plo,m,j表示网格m内第j个节点的停电概率；nlos表示规划期内配电网停电次数；t表示单次停电持续时间；n表示每个网格内负荷节点的数量；sm,j为网格m内负荷节点j的供电状态，0表示失电，1表示正常；pm,j(t)为t时刻网格m内负荷节点j实际消耗的功率；

23、pm,j(t)＝pden,m,j(t)-pdis,m,j(t)

24、其中，pden,m,j(t)表示t时刻网格m内负荷节点j的功率需求；pdis,m,j(t)表示t时刻网格m内负荷节点j分布式资源发出的功率；

25、设置网格间功率交互目标函数：

26、

27、其中，pij表示网格间支路i的有功潮流，qij表示网格间支路i的无功潮流，k表示网格间支路数，pp、pq表示功率交互系数。

28、作为本发明所述的多目标县域配电网网格优化方法的一种优选方案，其中：所述多目标优化模型求解包括，多目标优化问题的数学模型表示为：

29、min f(x)＝(ceco,clos,em,n)

30、引入pareto支配关系，对于m个目标函数fi(x),i＝1,2,...,m给定任意两个决策变量x1和x2若满足如下方程，则称解x1支配x2；

31、

32、鲸鱼的捕食策略作为一个不断逼近优化问题最优解的过程，其中每头鲸鱼可以看作是优化问题中的一个解，猎物看作是需要求得的最优解，模仿鲸鱼的捕食过程来解决优化问题为；

33、环绕猎物：在优化问题中把具有最佳适应度函数的个体视为种群的最优个体，种群中其他个体朝着最优个体变化位置的过程用数学模型表示为：

34、

35、其中，t表示当前的迭代次数，表示当前鲸鱼的位置，表示目前得到的最优鲸鱼位置，表示更新位置后的鲸鱼位置，表示鲸鱼移动距离，a和c为相关系数；

36、a＝2ar1-a,c＝2r2,a＝2(tmax-t)/tmax

37、其中，r1和r2表示[0，1]上的随机浮点数，tmax表示设定的最大迭代次数，a表示收敛因子会随着迭代次数的增加逐渐递减至0；

38、气泡网狩猎包括，螺旋游动：鲸鱼会螺旋游向猎物，用数学模型表示为：

39、

40、其中，表示鲸鱼与最优个体之间的距离；b表示一个用来定义螺旋形状的常数，通常取1；l为(-1，1)上的随机浮点数。

41、作为本发明所述的多目标县域配电网网格优化方法的一种优选方案，其中：所述捕食策略还包括，引入行动概率p来决定鲸鱼是选择收缩包围和螺旋游动的方式接近猎物，鲸鱼个体在生成的随机数小于p时进行收缩包围，不小于p时进行螺旋游动，鲸鱼气泡网狩猎的数学模型为：

42、

43、其中，p表示区间[0，1]上的随机浮点数；p表示行动概率常数，通常设置为0.5；

44、搜索狩猎：鲸鱼在全局搜索猎物，其数学模型表示为：

45、

46、其中，表示在种群随机选择的鲸鱼位置；

47、当a≥1时，鲸鱼随机选择种群中的个体进行位置的更新，增强算法的全局搜索能力。

48、作为本发明所述的多目标县域配电网网格优化方法的一种优选方案，其中：对网格信息计算的数学模型表示为：

49、

50、其中，m表示个体所处的网格编号，[·]表示取小于括号内数的最大整数，grid表示网格要划分的网格数，t表示迭代次数，yi(t)表示第t代个体i的目标函数值，max y(t)表示第t代种群所有个体中对应目标函数的最大值，min y(t)表示第t代种群所有个体中对应目标函数的最小值；

51、得到所有个体的网格编号元组，利用轮盘赌法选择最优个体，当选中的网格有多个个体时随机选择其中一个个体作为最优个体。

52、一种采用如本发明所述方法的多目标县域配电网网格优化系统，其特征在于：

53、第一划分单元，采集县域地区的地理信息，并进行供电网格的初步划分；

54、第二划分单元，通过k-means聚类算法，对供电网格进行第二次划分；

55、第三划分单元，通过自适应多目标鲸鱼优化算法，选择最佳的规划策略，对供电网格进行第三次划分。

56、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。

57、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。

58、本发明的有益效果：本发明提供的多目标县域配电网网格优化方法，在电网数字化平台根据县域的山体、水域、交通、不同的功能区等地理情况进行供电网格的初步划分。考虑划分后的供电网格网架结构、变电站供电范围、分布式资源发展现状，依据饱和负荷预测结果，通过k-means聚类算法，对供电网格进行第二次划分。以提升分布式资源的消纳利用率、减少规划资金、提高县域配电网可靠性为目标，构建配电网多目标协同规划模型，通过自适应多目标鲸鱼优化算法，选择最佳的规划策略，对供电网格进行第三次划分。通过县域配电网时间、空间、资源维度上的发展演变机理，将县域配电网的规划与运行方法相结合进行资源数字化融合，对县域配电网进行网格划分。并从经济和安全的角度构建配电网多目标协同规划模型，选择最佳的规划方案。