基于改进人工鱼群的光伏集群控制方法、装置及存储介质与流程

本发明涉及光伏集群电压控制，尤其涉及一种基于改进人工鱼群的光伏集群控制方法、装置及存储介质。

背景技术：

1、太阳能发电呈现分布式发展趋势，改变了传统的电力供应和消费特征。大规模分布式光伏发电的集成在配电网中形成高渗透率的光伏集群，其目的是组织和控制地理上分散的资源。然而，由于固有的不确定性，高渗透率光伏集群正遭受随机干扰和严重的电压风险。此外，光伏发电通过电力电子接口集成系统，通常跟踪系统频率，没有任何备用和调节能力，这对系统运行提出了重大挑战，并要求更大的电压控制灵活性。事实上，通过使用适当的方法，光伏逆变器可以以分布式方式自主调节无功功率输出，以改善集群中的电压分布。

2、现有的光伏配电网接入存在以下问题:高渗透率、间歇性的分布式光伏发电集群接入，改变了发电与负荷的比例，从根本上改变了电网特性，增加了电网的复杂性和管控难度，对电网的安全、可靠、经济运行产生重大影响，缺少对高渗透率、间歇性分布式发电集群进行管控。

3、为此，我们设计出了一种基于改进人工鱼群的光伏集群控制方法、装置及存储介质来解决以上问题。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的光伏配电网缺少对高渗透率、间歇性分布式发电集群进行管控缺点，而提出的一种基于改进人工鱼群的光伏集群控制方法、装置及存储介质，以电压和线损作为双重的优化目标，各节点的控制变量为可控节点的无功功率和储能有功功率，以最低的运行成本最大限度的改善分布式光伏集群并网条件。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种基于改进人工鱼群的光伏集群控制方法，包括：

4、基于人工鱼群算法获取改进人工鱼群算法模型；

5、基于改进人工鱼群算法模型创建配电网双层调控模型，包括上层控制算法和下层控制算法；

6、利用改进人工鱼群算法模型和配电网双层调控模型输出光伏集群控制结果。

7、进一步优化，所述基于人工鱼群算法获取改进人工鱼群算法模型包括以下内容：

8、将光伏节点上的有功功率和无功功率作为控制变量，配电网的控制目标最小电压偏差obj1和最小网络损耗obj2，如下式所示：

9、obj1＝min|v-vp.u.|    (1)

10、

11、式中，v为实际电压值，vp，u为偏差电压，j表示光伏网络节点，和分别为光伏节点k上的有功功率和无功功率，以潮流计算和装置自身能力条件作为约束，形成改进人工鱼群算法模型，如下式所示：

12、

13、

14、

15、上式中，i和j表示光伏网络节点，k表示可控光伏装置，nk表示光伏网络节点集合，pli和qli分别为第i个负荷节点的有功功率和无功功率输出；gij和bij为节点i和节点j的阻抗矩阵和导纳矩阵；θij为节点i和节点j之间的相位差；为第k个可控光伏装置的功率因数角，pgi和qgi分别为第i个节点的有功和无功出力，ui表示负荷节点i处的电压，uj表示第j个分布式电源电压，pmin表示最小有功功率，δpgk表示有功出力变化量，pmax表示最大有功功率，qmin表示最小无功功率，δqgk表示无功出力变化量，qmax表示最大无功功率。

16、进一步优化，利用改进人工鱼群算法模型优化apriori算法的数据库，实现apriori算法的改进包括以下步骤：

17、步骤1.1，起始阶段，通过改进人工鱼群算法模型扫描数据库d，找到满足需求的数据c1；

18、步骤1.2，改进人工鱼群算法模型觅食行为按照顺序原则对数据c1进行排列，形成频繁项集l1；

19、步骤1.3，通过鱼群的聚群和追尾行为形成数据群，排除掉数据群中异常且包含非频繁项集l1的数据，生成数据c2；

20、步骤1.4，计算各个项集的支持度，删除小于最小支持度的数据群，生成数据c3；

21、步骤1.5，执行删除结果不为空，则返回至步骤1.2，若执行删除结果为空，则输出新数据库ck。

22、进一步优化，基于改进人工鱼群算法模型创建配电网双层调控模型，所述双层调控模型包括上层控制算法和下层控制算法，所述上层控制算法是综合考虑负荷预测、光伏功率预测和配电网集群划分的非线性计算过程；所述下层控制算法是基于上层控制算法的计算结果快速响应使用线性模型，应用改进人工鱼群算法，实时控制对各集群内关键节点储能单元的有功功率和分布式光伏发电单元与储能单元的无功功率。

23、进一步优化，所述利用改进人工鱼群算法模型和配电网双层调控模型输出光伏集群控制结果包括以下步骤：

24、步骤3.1，选择预定的控制计算周期，当迭代满足预定的控制计算周期时，是则继续执行步骤3.2，否则转到步骤3.6；

25、步骤3.2，输入配电网n个节点的系统参数；

26、步骤3.3，进行负荷及光伏输出功率精确预测，计算结果输入到下一个断面；

27、步骤3.4，使用谱聚类算法对含高渗透率分布式光伏发电集群的配电网进行集群划分，并验证划分结果；

28、步骤3.5，计算并输出区域电网控制因子vsc，将计算结果传递给下层控制算法。

29、步骤3.6，设定改进人工鱼群算法模型的初始参数，并根据约束条件设定搜索空间；

30、步骤3.7，初始化改进人工鱼群算法模型中的每个集群关键位置的储能与光伏的有功功率和无功功率；

31、步骤3.8，判断误差是否满足收敛条件，若不满足，则继续执行步骤3.9，若满足，则转到步骤3.13；

32、步骤3.9，计算配电网电压和网损的适应度函数，如下式所示：

33、

34、其中，λ1和λ2是电压波动和有功网损的权重系数，u表示配电网实际电压，up.u.表示节点期望电压；在下层控制算法中，节点电压变化和网损变化由下式决定：

35、

36、式中，δloss表示损失函数，δv表示电压变化量，n表示总节点，表示区域电网控制因子，δqj表示无功功率变化量，δii表示节点i处电流变化量，rj表示节点j处阻抗变化量，ri表示节点i处阻抗变化量；

37、步骤3.10，计算改进人工鱼群算法模型的路径，设置改进人工鱼群算法模型的参数，根据可变量的物理束，确定搜索范围；

38、步骤3.11，按照一定淘汰概率，选择性能最差的群体进行丢弃，转换为指定搜索空间内随机生成的粒子，最后更新位置和速度；

39、步骤3.12，判断是否达到选代终止限制，若是，则继续执行步骤3.13，否则转到步骤3.8；

40、步骤3.13，输出可控分布式光伏和储能以及配变节点的最佳控制结果，并输出给装置。

41、一种基于改进人工鱼群的光伏集群控制装置，包括改进模块、创建模块和调控模块，

42、所述改进模块用于基于人工鱼群算法获取改进人工鱼群算法模型；

43、所述创建模块用于基于改进人工鱼群算法模型创建配电网双层调控模型；

44、所述调控模块用于利用改进人工鱼群算法模型和配电网双层调控模型输出光伏集群控制结果。

45、进一步优化，基于人工鱼群算法，运用所述改进模块获取改进人工鱼群算法模型包括以下内容：

46、将光伏节点上的有功功率和无功功率作为控制变量，配电网的控制目标最小电压偏差obj1和最小网络损耗obj2，如下式所示：

47、obj1＝min|v-vp.u.|    (1)

48、

49、式中，v为实际电压值，vp，u为偏差电压，j表示光伏网络节点，和分别为光伏节点k上的有功功率和无功功率，以潮流计算和装置自身能力条件作为约束，形成改进人工鱼群算法模型，如下式所示：

50、

51、

52、

53、上式中，i和j表示光伏网络节点，k表示可控光伏装置，nk表示光伏网络节点集合，pli和qli分别为第i个负荷节点的有功功率和无功功率输出；gij和bij为节点i和节点j的阻抗矩阵和导纳矩阵；θij为节点i和节点j之间的相位差；为第k个可控光伏装置的功率因数角，pgi和qgi分别为第i个节点的有功和无功出力，ui表示负荷节点i处的电压，uj表示第j个分布式电源电压，pmin表示最小有功功率，δpgk表示有功出力变化量，pmax表示最大有功功率，qmin表示最小无功功率，δqgk表示无功出力变化量，qmax表示最大无功功率；

54、利用改进人工鱼群算法模型优化apriori算法的数据库，实现apriori算法的改进包括以下步骤：

55、步骤1.1，起始阶段，通过改进人工鱼群算法模型扫描数据库d，找到满足需求的数据c1；

56、步骤1.2，改进人工鱼群算法模型觅食行为按照顺序原则对数据c1进行排列，形成频繁项集l1；

57、步骤1.3，通过鱼群的聚群和追尾行为形成数据群，排除掉数据群中异常且包含非频繁项集l1的数据，生成数据c2；

58、步骤1.4，计算各个项集的支持度，删除小于最小支持度的数据群，生成数据c3；

59、步骤1.5，执行删除结果不为空，则返回至步骤1.2，若执行删除结果为空，则输出新数据库ck。

60、进一步优化，使用所述创建模块创建的配电网双层调控模型包括上层控制算法和下层控制算法，所述上层控制算法是综合考虑负荷预测、光伏功率预测和配电网集群划分的非线性计算过程；所述下层控制算法是基于上层控制算法的计算结果快速响应使用线性模型，应用改进人工鱼群算法，实时控制对各集群内关键节点储能单元的有功功率和分布式光伏发电单元与储能单元的无功功率。

61、进一步优化，使用所述调控模块利用改进人工鱼群算法模型和配电网双层调控模型输出光伏集群控制结果，执行以下操作步骤：

62、步骤3.1，选择预定的控制计算周期，当迭代满足预定的控制计算周期时，是则继续执行步骤3.2，否则转到步骤3.6；

63、步骤3.2，输入配电网n个节点的系统参数；

64、步骤3.3，进行负荷及光伏输出功率精确预测，计算结果输入到下一个断面；

65、步骤3.4，使用谱聚类算法对含高渗透率分布式光伏发电集群的配电网进行集群划分，并验证划分结果；

66、步骤3.5，计算并输出区域电网控制因子vsc，将计算结果传递给下层控制算法。

67、步骤3.6，设定改进人工鱼群算法模型的初始参数，并根据约束条件设定搜索空间；

68、步骤3.7，初始化改进人工鱼群算法模型中的每个集群关键位置的储能与光伏的有功功率和无功功率；

69、步骤3.8，判断误差是否满足收敛条件，若不满足，则继续执行步骤3.9，若满足，则转到步骤3.13；

70、步骤3.9，计算配电网电压和网损的适应度函数，如下式所示：

71、

72、其中，λ1和λ2是电压波动和有功网损的权重系数，u表示配电网实际电压，up.u.表示节点期望电压；在下层控制算法中，节点电压变化和网损变化由下式决定：

73、

74、式中，δloss表示损失函数，δv表示电压变化量，n表示总节点，表示区域电网控制因子，δqj表示无功功率变化量，δii表示节点i处电流变化量，rj表示节点j处阻抗变化量，ri表示节点i处阻抗变化量；

75、步骤3.10，计算改进人工鱼群算法模型的路径，设置改进人工鱼群算法模型的参数，根据可变量的物理束，确定搜索范围；

76、步骤3.11，按照一定淘汰概率，选择性能最差的群体进行丢弃，转换为指定搜索空间内随机生成的粒子，最后更新位置和速度；

77、步骤3.12，判断是否达到选代终止限制，若是，则继续执行步骤3.13，否则转到步骤3.8；

78、步骤3.13，输出可控分布式光伏和储能以及配变节点的最佳控制结果，并输出给装置。

79、一种计算机可读存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行基于改进人工鱼群的光伏集群控制方法中的任意一个步骤。

80、与现有技术相比，本发明的有益效果是：本发明有效解决了光伏配电网缺少对高渗透率、间歇性分布式光伏发电集群进行管控的缺陷，以电压和线损作为双重的优化目标，光伏配电网各节点的控制变量为可控节点的无功功率和储能有功功率，以最低的运行成本，最大限度的改善分布式光伏集群并网条件。具有更高效、可靠和灵活的性能，能够有效地组织和控制光伏集群，提供相应的无功支持，对系统运行产生良好的影响。同时将该方法应用于配电网区域调控中，在指定周期内应用改进人工鱼群算法进行工作点位置辨识与快速调节(线性计算)；在每个控制步长内，基于节点电压与网损，对有源配电网的全局进行优化计算与精确调节(非线性计算)。