基于哈里斯鹰算法的交直流配电网光伏消纳能力预测方法与流程

1.本发明涉及交直流混联配电网技术领域，特别涉及一种基于哈里斯鹰算法的交直流配电网光伏消纳能力预测方法。


背景技术：

2.在“双碳”目标的驱动下，分布式光伏接入配电网的比例逐年增加，需要对配电网的光伏消纳能力进行预测，避免光伏过量接入对配电网的电能质量、电压控制产生影响，同时避免弃光现象的发生，为光伏的接入提供指导。而交直流混联配电网具备的直流供电技术可以有效解决谐波、三相不平衡等电能质量问题，建设交直流混合配电网是未来配电网的发展趋势。目前国内外在交流配电网上对光伏消纳能力已经有所研究，如何在交直流混联配电网上对光伏消纳能力作出预测成为电力工作者研究的重要课题。
3.本发明考虑交直流混联配电网的特点，结合群智能算法，提出了基于哈里斯鹰算法的交直流混联配电网消纳能力预测方法。


技术实现要素：

4.本发明的目的是提供一种基于哈里斯鹰算法的交直流配电网光伏消纳能力预测方法。
5.为此，本发明技术方案如下：
6.本发明提供了一种基于哈里斯鹰算法的交直流配电网光伏消纳能力预测方法，包括如下步骤：
7.步骤1：输入交直流配电网的基本参数，包括额定电压、额定容量、网络拓扑结构、节点常规负荷、线路参数以及光伏出力数据；
8.步骤2：建立交直流混联配电网光伏消纳能力预测模型，设置该模型的目标函数及约束条件，所述目标函数为：
[0009][0010]
式中，p
pv,m
代表第m个节点的光伏接入量，n
pv
代表系统中接入光伏的节点总数；
[0011]
步骤3：采用哈里斯鹰算法以目标函数值最大为目标并结合约束条件对光伏消纳能力预测模型进行求解，得到适应度最优的哈里斯鹰位置，即光伏消纳能力的最大值。
[0012]
进一步的，所述的约束条件包括交流侧潮流约束、直流侧潮流约束、运行安全约束；
[0013]
所述交流侧潮流约束为：
[0014][0015]
式中，pi,p
i+1
与qi,q
i+1
分别为流过节点i与i+1的有功和无功功率，p
li
与q
li
分别为节点i负荷的有功和无功功率，p
pvi
为节点i分布式光伏的有功出力，ri与xi分别为节点i-1与节点i间的电阻和阻抗，r
i+1
与x
i+1
分别为节点i与节点i+1间的电阻和电抗值，u
i-1
与u
i+1
分别为节点i-1与节点i+1处的电压值；
[0016]
所述直流侧潮流约束为：
[0017][0018]
式中，ω
ij
表示末节点为直流节点j的支路合集，ω
jk
表示首节点为直流节点j的支路合集，p
dc.jk
与p
dc.ij
分别表示直流支路jk与直流支路ij的有功功率，i
dc.ij
表示直流支路ij的电流，r
dc.ij
代表直流支路ij的电阻，u
dc.i
与u
dc.j
分别为直流节点i与j处的电压值；
[0019]
所述运行安全约束包括系统短路容量约束、光伏发电容量约束、电压偏差约束、电压波动约束、线路热稳定约束；具体如下：
[0020][0021]
式中，i
scmax
代表国标规定的最大短路电流值，s
pv,i
代表第i个节点的光伏发电容量，s
pv,max
代表第i个节点的光伏接入容量的上限值，un代表系统的标称电压值，ε1与ε2代表国标规定的允许电压偏差率，d
max
代表国标规定的电压波动范围的最大值，n1代表线路个数。
[0022]
进一步的，所述采用哈里斯鹰算法对模型求解的具体方法为：
[0023]
1)根据系统运行限制条件，确定哈里斯鹰算法上下界限；
[0024]
2)获取光伏并网点数d，在界限内利用tent混沌映射，得到n个d维的哈里斯鹰位置，其值即为各光伏并网点对应的光伏接入量，其中，n为种群规模；
[0025]
3)按哈里斯鹰算法进行第一代位置计算；
[0026]
4)更新哈里斯鹰位置，根据约束条件检查更新后的位置是否越界，对于越界的哈里斯鹰位置调整其位置为搜索空间的边界值；
[0027]
5)计算当前哈里斯鹰群中每只哈里斯鹰位置的适应度值，与前代最佳哈里斯鹰适
应度值进行比较，保留最佳哈里斯鹰个体位置；
[0028]
6)判断算法是否运行至总迭代次数t，若满足总迭代次数，算法结束，执行步骤7)，若未满足总迭代次数，则回到步骤4)并开始执行；
[0029]
7)得到适应度最优的哈里斯鹰位置，即光伏消纳能力的最大值。
[0030]
进一步的，所述采用tent混沌映射对哈里斯鹰算法的种群初始化进行改进的方法为：
[0031]
随机生成d维向量x1(t)；
[0032]
获取n个混沌序列xi(t)，获取方式如下：
[0033][0034]
其中，i＝1，2，
…
，n代表种群规模；t＝1，2，
…
，t代表迭代次数；
[0035]
将n个混沌序列xi(t)按下式逆映射到搜索空间中，来获得初始化的种群；
[0036]
yi(t)＝lbi+(ub
i-lbi)xi(t)
ꢀꢀꢀ
(6)
[0037]
其中，ubi与lbi分别为xi(t)搜索的上界与下界。
[0038]
本发明同时提供了一种计算机设备，包括
[0039]
存储器和处理器；
[0040]
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，其中，所述处理器执行所述计算机可执行指令时实现上述基于哈里斯鹰算法的交直流配电网光伏消纳能力预测方法。
[0041]
本发明同时也提供了一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现上述基于哈里斯鹰算法的交直流配电网光伏消纳能力预测方法。
[0042]
与现有技术相比，该基于哈里斯鹰算法的交直流配电网光伏消纳能力预测方法可以实现对交直流混联配电网的光伏消纳能力进行预测，得出消纳能力的最大值，避免弃光现象的发生，并且保障交直流混连配电网的电能质量，为促进光伏的消纳提供技术支撑。本方法通过混沌映射对哈里斯鹰算法进行了改进，改进后的算法在遍历性、均匀性、规律性和迭代速度方面具有更大优势，更易获得全局最优解。并且将改进后的哈里斯鹰算法应用于交直流混联配电网的光伏消纳能力评估，为分析和预测交直流配电系统的新能源接入奠定了技术基础。
附图说明
[0043]
图1为本发明提供的基于哈里斯鹰算法的交直流配电网光伏消纳能力预测方法的流程图。
具体实施方式
[0044]
下面结合附图及具体实施例对本发明做进一步的说明，但下述实施例绝非对本发明有任何限制。
[0045]
在本技术一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术一个或多个实施例。在本技术一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，包含一个或多个相关联的
列出项目的任何或所有可能组合。
[0046]
本发明提供了一种基于哈里斯鹰算法的交直流配电网光伏消纳能力预测方法，包括如下步骤：
[0047]
步骤1：输入交直流配电网的基本参数，包括额定电压、额定容量、网络拓扑结构、节点常规负荷、线路参数以及光伏出力数据；
[0048]
步骤2：建立交直流混联配电网光伏消纳能力预测模型，设置该模型的目标函数及约束条件，所述目标函数为：
[0049][0050]
式中，p
pv,m
代表第m个节点的光伏接入量，n
pv
代表系统中接入光伏的节点总数；
[0051]
需要说明的是，所述的约束条件包括交流侧潮流约束、直流侧潮流约束、运行安全约束；
[0052]
所述交流侧潮流约束为：
[0053][0054]
式中，pi,p
i+1
与qi,q
i+1
分别为流过节点i与i+1的有功和无功功率，p
li
与q
li
分别为节点i负荷的有功和无功功率，p
pvi
为节点i分布式光伏的有功出力，ri与xi分别为节点i-1与节点i间的电阻和阻抗，r
i+1
与x
i+1
分别为节点i与节点i+1间的电阻和电抗值，u
i-1
与u
i+1
分别为节点i-1与节点i+1处的电压值；
[0055]
所述直流侧潮流约束为：
[0056][0057]
式中，ω
ij
表示末节点为直流节点j的支路合集，ω
jk
表示首节点为直流节点j的支路合集，p
dc.jk
与p
dc.ij
分别表示直流支路jk与直流支路ij的有功功率，i
dc.ij
表示直流支路ij的电流，r
dc.ij
代表直流支路ij的电阻，u
dc.i
与u
dc.j
分别为直流节点i与j处的电压值；
[0058]
所述运行安全约束包括系统短路容量约束、光伏发电容量约束、电压偏差约束、电压波动约束、线路热稳定约束；具体如下：
[0059][0060]
式中，i
scmax
代表国标规定的最大短路电流值，s
pv,i
代表第i个节点的光伏发电容量，s
pv,max
代表第i个节点的光伏接入容量的上限值，un代表系统的标称电压值，ε1与ε2代表国标规定的允许电压偏差率，d
max
代表国标规定的电压波动范围的最大值，n1代表线路个数。
[0061]
步骤3：采用哈里斯鹰算法以目标函数值最大为目标并结合约束条件对光伏消纳能力预测模型进行求解，得到适应度最优的哈里斯鹰位置，即光伏消纳能力的最大值。
[0062]
其中，采用哈里斯鹰算法对模型求解的具体方法为：
[0063]
1)根据系统运行限制条件，确定哈里斯鹰算法上下界限；
[0064]
2)获取光伏并网点数d，在界限内利用tent混沌映射，得到n个d维的哈里斯鹰位置，其值即为各光伏并网点对应的光伏接入量，其中，n为种群规模；采用tent混沌映射对哈里斯鹰算法的种群初始化进行改进的方法为：
[0065]
随机生成d维向量x1(t)；
[0066]
获取n个混沌序列xi(t)，获取方式如下：
[0067][0068]
其中，i＝1，2，
…
，n代表种群规模；t＝1，2，
…
，t代表迭代次数；
[0069]
将n个混沌序列xi(t)按下式逆映射到搜索空间中，来获得初始化的种群；
[0070]
yi(t)＝lbi+(ub
i-lbi)xi(t)
ꢀꢀꢀ
(6)
[0071]
其中，ubi与lbi分别为xi(t)搜索的上界与下界。
[0072]
3)按哈里斯鹰算法进行第一代位置计算；
[0073]
4)更新哈里斯鹰位置，根据约束条件检查更新后的位置是否越界，对于越界的哈里斯鹰位置调整其位置为搜索空间的边界值；
[0074]
5)计算当前哈里斯鹰群中每只哈里斯鹰位置的适应度值，与前代最佳哈里斯鹰适应度值进行比较，保留最佳哈里斯鹰个体位置；
[0075]
6)判断算法是否运行至总迭代次数t，若满足总迭代次数，算法结束，执行步骤7)，若未满足总迭代次数，则回到步骤4)并开始执行；
[0076]
7)得到适应度最优的哈里斯鹰位置，即光伏消纳能力的最大值。
[0077]
哈里斯鹰算法是一种模拟哈里斯鹰不是行为的职能优化算法，主要由3部分构成：搜索阶段、搜索与开发的转换和开发阶段；
[0078]
一、搜索阶段
[0079]
哈里斯鹰随机栖息在某个地方，通过2种策略找到猎物：
[0080][0081]
式中，r1,r2,r3,r4,q为区间(0,1)内的随机数；x
rand
(t)为随机选取的第t代种群中的个体；xi(t)代表第t代种群中的第i个个体；x
rabbit
(t)代表截止第t代所得到的全局最优个体；ub和lb分别代表此阶段种群位置的上界与下界，xm(t)代表第t代种群的平均位置，公式如下：
[0082][0083]
二、搜索与开发的转换
[0084]
hho算法根据猎物的逃逸能量在搜索和不同的开发行为之间转换，e代表猎物的逃逸能量，计算公式如下：
[0085]
e＝2e0(1-t/t)
ꢀꢀꢀ
(9)
[0086]
式中，e0是(-1,1)间的随机数，代表猎物逃逸的初始能量，t为当前迭代次数，t表示总迭代次数。
[0087]
三、开发阶段
[0088]
模拟哈里斯鹰群捕食猎物的行为，根据(0,1)上的随机数r，逃逸能量e的不同取值，种群按如下四种机制进行更新。
[0089]
当r≥0.5,|e|≥0.5时，鹰群采取软包围策略，公式如下：
[0090]
xi(t+1)＝x
rabbit
(t)-xi(t)-e|jx
rabbit
(t)-xi(t)|
ꢀꢀꢀ
(10)
[0091]
式中，j＝2(1-r5)，代表猎物的跳跃强度，r5为(0,1)间的随机数。
[0092]
当r≥0.5,|e|＜0.5时，鹰群采取硬包围策略，公式如下：
[0093]
xi(t+1)＝x
rabbit
(t)-e|x
rabbit
(t)-xi(t)|
ꢀꢀꢀ
(11)
[0094]
当r＜0.5,|e|≥0.5时，鹰群采取渐进式快速俯冲的软包围策略，公式如下：
[0095][0096]
式中，f表示最优化的适应度值，即光伏消纳能力的最大值，y与z的公式如下：
[0097]
y＝x
rabbit
(t)-e|jx
rabbit
(t)-xi(t)|
ꢀꢀꢀ
(13)
[0098]
z＝y+s
×
lf(d)
ꢀꢀꢀ
(14)
[0099]
式中，d代表空间维度，s代表大小为(0,1)间的d
×
1方向上的随机向量，lf为levy飞行函数，计算公式如下：
[0100][0101]
式中，μ和v是(0,1)间的随机数，β＝1.5。
[0102]
当r＜0.5,|e|＜0.5时，鹰群采取渐进式快速俯冲的硬包围策略，公式如下：
[0103][0104]
y与z的计算公式如下：
[0105]
y＝x
rabbit
(t)-e|jx
rabbit
(t)-xm(t)|
ꢀꢀꢀ
(17)
[0106]
z＝y+s
×
lf(d)
ꢀꢀꢀ
(18)
[0107]
本发明同时提供了一种计算机设备，包括
[0108]
存储器和处理器；
[0109]
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，其中，所述处理器执行所述计算机可执行指令时实现上述基于哈里斯鹰算法的交直流配电网光伏消纳能力预测方法。
[0110]
本发明还提供了一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时上述基于哈里斯鹰算法的交直流配电网光伏消纳能力预测方法。
[0111]
述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的数据修复方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述数据修复方法的技术方案的描述。
[0112]
上述对本技术特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0113]
所述计算机指令包括计算机程序代码，所述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。所述计算机可读介质可以包括：能够携带所述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、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。