一种黑启动电源优化布点的供电方法及计算机可读介质

本发明属于电力系统恢复，尤其涉及一种黑启动电源优化布点的供电方法及计算机可读介质。

背景技术：

1、近年来，由于人为操作因素、电力设备故障以及极端天气灾害等方面的影响电力系统大面积停电事件依旧时有发生。黑启动电源是电力系统停电恢复的基础，已成为制约电网恢复效率的关键因素，黑启动电源的布点方案将直接影响到电力系统的恢复效果。

2、当前对于黑启动电源布点方案的求解，大多研究依赖人工手段，优化求解手段有待提升。例如采用递推法求解最优的黑启动机组布点方案，对于机组和负荷数量众多的大规模电网适应性不足；采用序优化理论简化处理复杂的电力系统恢复模型，对fcb机组布点优化方案进行求解，确保在符合实际工程需求的基础上提升优化效率；采用推广理想点法进行求解，但需要优先确定最优解集范围。

3、现存优化算法可归为两类：传统优化算法和人工智能算法。传统的线性规划法、非线性规划法、内点法等算法，都是先随机选择一个初始点，从该点出发，在目标函数和约束条件的导函数的指引下，在解空间中移动寻找最优点。因此传统优化算法要求目标函数和约束条件可微，无法求解连续变量和和离散变量混合的问题，对初始解依赖性强，且容易陷入局部最优。而人工智能算法全局寻优能力强，在求解适应度函数和约束条件复杂、连续变量和离散变量混合的优化问题上性能更优。目前已有研究将人工智能算法用于黑启动电源布点优化求解，例如基于遗传算法求解黑启动电源规划模型，或是基于粒子群算法搜索最优布点方案，但求解的精度和稳定性有待提升。现存智能优化算法众多，需要选择合适的算法用于黑启动电源布点优化问题的求解，提高求解精度和效率。

技术实现思路

1、本发明针对现有技术的不足，提出了一种黑启动电源优化布点的供电方法及计算机可读介质。

2、本发明方法的技术方案为一种黑启动电源优化布点的供电方法，包括以下步骤：

3、步骤1：构建多电源节点配电网模型，在多电源节点配电网模型分别选择多个电源节点作为多个黑启动电源节点、多个非黑启动电源节点，通过dijkstra算法获取每个非黑启动电源节点与每个黑启动电源节点之间的最短路径，计算每个非黑启动电源节点的特性指标、距离指标，计算每个非黑启动电源节点的综合指标；

4、步骤2：构建黑启动电源节点布点规划约束条件，以非黑启动电源节点的黑启动恢复时间最短作为目标函数，在多个黑启动电源节点中优化选择多个作为恢复供电的黑启动电源节点、恢复供电的黑启动电源节点的容量作为决策变量；

5、步骤3：改善郊狼优化算法中郊狼个体的成长模式，引入全局最优郊狼影响因子指导郊狼个体的成长方向，对成长后的郊狼进行自适应莱维飞行；

6、步骤4：在郊狼优化算法中引入混沌优化扰动机制，采用logistic混沌映射对当前全局最优郊狼个体进行混沌搜索，评估所得混沌序列中所有郊狼个体的适应能力，取适应力最优的郊狼替代适应力最差的郊狼个体；

7、步骤5：通过步骤3、4对步骤2的目标函数进行优化求解，得到多个优化选择的恢复供电的黑启动电源节点和多个优化选择的恢复供电的黑启动电源节点的容量，得到多个优化选择的恢复供电的黑启动电源节点和多个优化选择的恢复供电的黑启动电源节点的容量，用于多电源节点配电网模型的恢复供电。

8、作为优选，步骤1所述计算每个非黑启动电源节点的特性指标，具体如下：

9、o(k)＝p*(k)-s*(k)-c*(k)

10、k∈[1,ng]

11、式中，o(k)为第k个非黑启动电源节点的特性指标，p*(k)为第k个非黑启动电源节点的启动功率的归一化值，s*(k)为第k个非黑启动电源节点的容量的归一化值，c*(k)为第k个非黑启动电源节点的爬坡率的归一化值，ng表示非黑启动电源节点的数量；

12、步骤1所述计算每个非黑启动电源节点的距离指标，具体如下：

13、在每个非黑启动电源节点与所有启动电源节点之间的多条最短路径中，筛选出距离最短的路径，将距离最短的路径对应的距离作为非黑启动电源节点的距离指标，定义为d(k)；

14、步骤1所述计算每个非黑启动电源节点的综合指标，具体如下：

15、z(k)＝o(k)+d(k)

16、式中，z(k)为第k非黑启动电源节点的启动综合指标，o(k)为第k台非黑启动电源节点的特性指标，d(k)为第k非黑启动电源节点的距离指标。

17、作为优选，步骤2中所述的黑启动电源节点布点规划约束条件包括：

18、黑启动电源节点的安装位置约束、黑启动电源节点的安装容量约束、非黑启动电源节点的启动时间约束、黑启动电源节点的启动功率约束、非黑启动电源节点的恢复路径充电时间约束、非黑启动电源节点的功率约束、多电源节点配电网模型的支路功率约束。

19、作为优选，所述黑启动电源节点的安装位置约束，具体为：

20、sblack,i∈[1,k]

21、i∈[1,p]

22、其中，p表示恢复供电的黑启动电源节点的数量，sblack,i表示第i个恢复供电的黑启动电源节点的对应的多电源节点配电网模型中黑启动电源节点的序号，k代表多节点配电网模型中黑启动电源节点的数量；

23、所述黑启动电源节点的安装容量约束，具体为：

24、

25、式中，代表第i个恢复供电的黑启动电源节点的安装容量，cmax代表黑启动电源节点的容量上限；

26、所述非黑启动电源节点的启动时间约束，具体为：

27、

28、式中，ts为非黑启动电源节点的启动时刻，为非黑启动电源节点的最大热启动时间限制；

29、

30、式中，ts为非黑启动电源节点的启动时刻，为非黑启动电源节点的最小冷启动时间限制；

31、所述黑启动电源节点的启动功率约束，具体为：

32、

33、式中，p表示恢复供电的黑启动电源节点的数量，表示t时刻第i个恢复供电的黑启动电源节点向外输出的有功功率，即表示t时刻第sblack,i个黑启动电源节点向外输出的有功功率，q表示已恢复的非黑启动电源节点的数量，表示t时刻第j个已恢复的非黑启动电源节点向外输出的有功功率，即表示t时刻第snblack,j个非黑启动电源节点向外输出的有功功率，pst表示下一个待启动的非黑启动电源节点所需的启动功率；

34、所述非黑启动电源节点的恢复路径充电时间约束，具体为：

35、

36、式中，表示第m个待恢复非黑启动电源节点的启动时刻，即第soblack,m个非黑启动电源节点的启动时刻，表示第j个已恢复的非黑启动电源节点的启动时刻，即第snblack,j个非黑启动电源节点的启动时刻，表示第j个已恢复的非黑启动电源节点向第m个待恢复非黑启动电源节点送电的恢复路径充电时间；

37、所述非黑启动电源节点的功率约束，具体为：

38、

39、式中，pg,k代表第k个非黑启动电源节点出的有功，代表第i个非黑启动电源节点允许输出的最小有功，代表第k个非黑启动电源节点允许输出的最大有功；qg,k为第k个非黑启动电源节点发出的无功功率，为第k个非黑启动电源节点允许输出的最小无功功率，为第k个非黑启动电源节点允许输出的最大无功功率，ng为非黑启动电源节点的数量。

40、作为优选，步骤2所述目标函数，具体如下：

41、mintgrid＝t

42、

43、式中，tgrid表示配电网黑启动时间，t表示所有机组恢复时间的最大值，ti,black表示第i个黑启动电源节点的恢复时间，tk,nblack表示第k个非黑启动电源节点的恢复时间，min表示最小化，max表示最大化。

44、作为优选，步骤3中所述的改善郊狼优化算法中郊狼个体的成长模式具体如下：

45、步骤3.1：郊狼种群初始化：设置郊狼种群规模n，郊狼个体维度为d，郊狼的社会状态代表了优化问题的决策变量，第p组的第c头郊狼个体在第t次迭代过程中社会状态表示为：

46、

47、其中，t表示当前迭代次数；表示第t次迭代过程中郊狼种群中第c个个体解向量的黑启动电源安装位置，表示第t次迭代过程中郊狼种群中第c个个体解向量的黑启动电源安装容量；

48、将郊狼分为np组，组内郊狼数量为nc，则n＝np×nc，对郊狼进行初始化操作；

49、

50、式中，lbj代表郊狼第j维社会状态的下限，ubj代表郊狼第j维社会状态的上限，rj为[0,1]内的随机数；

51、计算评估郊狼个体的适应度：

52、

53、其中，表示第p组的第c头郊狼个体在第t次迭代时的适应能力，表示第p组的第c头郊狼个体在第t次迭代时的社会状态，f(*)表示以非黑启动电源节点的黑启动恢复时间最短作为的目标函数；

54、步骤3.2：组内郊狼成长：求取每个郊狼组群的组内最优个体：

55、

56、其中，alphap,t表示第p组在第t次迭代时的头狼，表示第p组的第c头郊狼个体在第t次迭代时的社会状态，表示使目标函数取最小值时的变量值；

57、将组内的郊狼按照适应度大小排列得到op,t序列，以该序列中位数评估郊狼组群的组文化趋势，代表郊狼组群的平均社会情况：

58、

59、其中，表示第p组在第t次迭代时郊狼群体的文化趋势，表示当nc是奇数时，第p组在第t次迭代时所有郊狼第j维度的中位数，表示当nc是偶数时，第p组在第t次迭代时所有郊狼第j维度的中位数；

60、以组内最优个体和组内文化趋势来引导组内郊狼个体的成长：

61、

62、

63、

64、式中，alphap,t代表第p组在第t次迭代时组内最优个体郊狼，cultp,t代表第p组在第t次迭代时组内文化趋势，和分别为第p组在第t次迭代时组内随机选择的两头郊狼，r1、r2分别表示第一、第二成长控制参数，均为[0,1]内的随机数，δ1代表组内最优个体影响因子，δ2代表组内文化趋势影响因子，代表第p组的第c头郊狼个体在第t次迭代时郊狼成长后的社会状态；

65、根据适应度函数评估郊狼成长前后的社会适应力，保留适应能力较优的郊狼社会状态；

66、

67、

68、其中，表示第p组的第c头郊狼个体在第t次迭代时郊狼成长后的适应能力，表示第p组的第c头郊狼个体在第t次迭代时郊狼成长后的社会状态，soc表示第p组的第c头郊狼个体在第t次迭代时适应能力较优的郊狼社会状态；

69、在郊狼优化算法的成长模式中加入全局最优郊狼影响因子δ3，该因子能引导组群内的个体向迄今为止的全局最优郊狼的方向成长，从而提高算法全局寻优能力和收敛速度，改进后的郊狼组内成长方式为：

70、

71、式中，alphap,t代表第p组在第t次迭代时组内最优个体郊狼，cultp,t代表第p组在第t次迭代时组文化趋势，galphap,t表示第p组在第t次迭代时迄今全局最优郊狼，和分别为第p组在第t次迭代时组内随机选择的三头郊狼，r1、r2、r3分别表示第一、第二、第三成长控制参数，均为[0,1]内的随机数；

72、步骤3.3：郊狼出生与死亡：新郊狼的出生是组内随机选择的两头父母郊狼结合，加之环境影响因素共同作用的结果；

73、

74、式中，代表第p组在第t次迭代时第j维度新出生的幼郊狼，和分别表示第p组在第t次迭代时第j维度随机选取的两头父母郊狼，rndj为[0,1]内的随机数，rj是在第j维郊狼社会状态范围内随机产生的变异值；

75、ps＝1/d

76、pa＝(1-ps)/2

77、式中，ps为遗传概率，pa代表变异概率，d代表郊狼个体维度；

78、采用mantegna算法来生成服从莱维分布的随机步长，具体为：

79、

80、其中，s代表服从莱维分布的随机步长，γ代表莱维参数，μ代表服从高斯分布的随机数，ν代表服从高斯分布的随机数；

81、

82、其中，σμ代表随机数μ的方差，σv代表随机数ν的方差，γ代表伽玛函数，是阶乘函数在实数与复数上的扩展，no表示正态分布；

83、郊狼个体c社会状态每一维的飞行步长集合sc＝[s1,s2,…,sd]，郊狼在迭代过程中以一定的飞行概率进行莱维飞行：

84、

85、其中，rnd代表随机数，代表第p组的第c头郊狼个体在第t次迭代时的社会状态，pl代表莱维飞行的概率，sd代表飞行步长集合中第d个子向量，d∈[1,d]；

86、提高莱维飞行的概率，具体为：

87、

88、其中，pl代表莱维飞行的概率，pmin代表莱维飞行概率的最小值，pmax代表莱维飞行概率的最大值，n代表迭代次数，nmax代表迭代次数的最大值；

89、采取精英飞行豁免策略，即当前全局最优郊狼个体不参与莱维飞行，保留其相应的社会状态；

90、步骤3.4：郊狼迁移：郊狼种群被随机分组后并非保持固定不变的，有时会在郊狼组群间发生迁移现象，一方面可以保证郊狼组群的多样性，同时还能进行不同组群间的信息交流；

91、

92、式中，pe代表郊狼被组驱赶并被他组接纳的概率，nc代表组内郊狼规模，ε代表郊狼迁移的概率系数。

93、作为优选，步骤3中所述的自适应莱维飞行具体如下：

94、采用mantegna算法来生成服从莱维分布的随机步长，具体为：

95、

96、其中，γ代表莱维参数，μ代表服从高斯分布的随机数，ν代表服从高斯分布的随机数；

97、

98、其中，σμ代表随机数μ的方差，σv代表随机数ν的方差，γ代表伽玛函数，是阶乘函数在实数与复数上的扩展，no表示正态分布；

99、郊狼个体c社会状态每一维的飞行步长集合sc＝[s1,s2,…,sd]，郊狼在迭代过程中以一定的飞行概率进行莱维飞行：

100、

101、其中，代表第p组的第c头郊狼个体在第t次迭代时的社会状态，pl代表莱维飞行的概率，sd代表飞行步长集合中第d个子向量，d∈[1,d]；

102、提高莱维飞行的概率，具体为：

103、

104、其中，pl代表莱维飞行的概率，pmin代表莱维飞行概率的最小值，pmax代表莱维飞行概率的最大值，n代表迭代次数，nmax代表迭代次数的最大值；

105、采取精英飞行豁免策略，即当前全局最优郊狼个体不参与莱维飞行，保留其相应的社会状态。

106、作为优选，步骤4中所述的混沌优化扰动机制具体如下：

107、设置混沌变异概率ph，随机产生[0,1]内的实数，若小于ph则进行混沌扰动，否则直接进入下次迭代；

108、将t时刻的全局最优郊狼个体的每一维映射到混沌空间，具体为：

109、

110、式中，为第t次迭代局最优郊狼的第j维混沌值，为第t次迭代局最优郊狼的第j维值；和分别为郊狼第j维的上、下限；

111、进行n-1次logistic混沌搜索，得到混沌序列

112、

113、其中，为第t次迭代全局最优郊狼的的第n个混沌变量的第j维混沌值，为第t次迭代全局最优郊狼的的第n+1个混沌变量的第j维混沌值，为第t次迭代全局最优郊狼的第j维值，代表郊狼第j维的上限，代表郊狼第j维的下限，n∈[1,n]；

114、将混沌序列内的n个混沌变量按下式映射到优化问题的解空间，产生全新的n个郊狼个体；

115、

116、其中，代表第t次迭代全局最优郊狼的第n个混沌变量的第j维值，代表郊狼第j维的上限，代表郊狼第j维的下限，zn,j代表全局最优郊狼的第n个混沌变量的第j维混沌值；

117、根据适应度函数评估新郊狼个体的适应能力，保留适应力最优的郊狼个体，记为以郊狼替代t时刻适应力最差的郊狼个体。

118、本发明还提供了一种计算机可读介质，所述计算机可读介质存储电子设备执行的计算机程序，当所述计算机程序在电子设备上运行时，使得所述黑启动电源优化布点的供电方法的步骤。

119、本发明具有如下优点：

120、本发明改进后的郊狼优化算法具有更强的全局寻优能力，算法精度高，稳定性强，提出的黑启动电源优化布点的供电方法能较均衡地将多个黑启动电源分布于拓扑网络上，缩短系统恢复时间。