基于混合算法的含电动汽车换电站配电网孤岛划分方法
【技术领域】
[0001] 本发明涉及一种基于混合算法的含电动汽车换电站配电网孤岛划分方法，特别是 针对一种含电动汽车换电站的配电网短时孤岛划分方法。
【背景技术】
[0002] 随着配电网建设的加强和微电网技术的日趋成熟，分布式发电（distributed generation，DG)在电网中的渗透率不断提高。DG接入配电网虽然能够满足日益增长的负 荷需求、提高能源的综合利用率，但也使得配电网的结构变得越发的复杂。当对含有分布式 能源的配电网进行微源的容量配置问题时，由于微源出力的实变性，某一时刻确定的最优 容量配置可能不适用于另一时刻；而且，随着配电网定义的重新确立，鼓励其运行于孤岛状 态来保证其安全稳定性势在必行，因此，考虑到配电网的安全性，需要将配电网处于孤岛状 态这一因素考虑进容量的最优配置中，使得整个微源容量配置问题更为全面。
【发明内容】
[0003] 本发明要克服现有技术的上述缺点，提供一种结合量子进化算法和JADE算法的 优点的基于混合算法的含电动汽车换电站配电网孤岛划分方法。
[0004] 本发明方法将JADE优化方法和量子进化算法引入到含电动汽车换电站的配电网 孤岛划分中，提出一种新型的用于孤岛划分的混合算法：利用JADE进化算法优化包括电动 汽车换电站的充放电功率、微源的功率和等连续变量，同时利用量子进化算法优化配电网 中的开关状态等离散变量，从而得出含电动汽车换电站的配电网在短时间下处于孤岛状态 的供电恢复策略。主要的优化流程步骤叙述如下：
[0005] 1)输入配电网的各项参数：输入配电网络的原始结构，各条支路的线路参数，各 个节点的负荷有功和无功功率，各个节点负荷的可控有功功率和不可控有功功率，各个微 源的容量参数及成本参数，电动汽车的容量参数，孤岛运行时间T。
[0006] 2)设置混合优化算法参数。设置整个混合优化算法的迭代次数Iterniax和总的粒 子个数N，同时分别设置离散变量和连续变量的参数。
[0007] 2. 1)设置离散变量参数：设置混合算法中用于量子进化算法的维度M1、初始旋转 角集合和量子比特位集合Q k。
[0008] 设定粒子的旋转角集合和量子比特位集合，如公式⑴_(6)所示。
[0009]
[0010]
[0011]
[0012]
[0013]
[0015] 其中，Qk为第k次迭代时所有粒子的旋转角集合，#为第i个粒子在第k次迭代 时旋转角集合；表示第i个粒子在第k次迭代时第P维度的旋转角值，M 1= N llMXT，
[0014] 为中表示配电网的第P条线路在第t时的旋转角；Qk为第k次迭代时所有粒子的 量子比特位集合，gf为第i个粒子在第k次迭代时量子比特位集合；f Jr表示第i个粒子在 第k次迭代时第p位的量子比特位值，为中表示配电网的第P条线路在第t时的 状态。的计算方式为：若其相对于的旋转角的余弦值的平方小于一个〇至1之间的随 机数，则心:为0 ;否则，1，其计算公式表示如公式（7)所示：
[0016]
[0017] 2. 2)设置连续变量参数：在各个连续变量所对应限值范围内，初始化JADE进化算 法中的染色体值集合，如公式（8)-(20)所示
[0018]
[0019]
[0020]
[0021]
[0022]
[0023]
[0024]
[0025]
[0026]
[0027]
[0028]
[0029] LlN 丄 UO 丄丄 yz/z A I ^ J/U JM
[0030]
[0031] 其中，Pk为第k次迭代时所有粒子的染色体值集合，it.为第i个粒子在第k次 迭代时染色体值集合；表示第i个粒子在第k次迭代时第j维度的染色体值，M 2= N-X6XT ;爲中包含用于表示风机、光伏、电动汽车换电站和可控负荷比例这四个变量 的染色体，分别为<和同时，磅./j、说,·.,·、攻,,，、这,,、/、4,,和 分别表示第i个粒子在第k次迭代时其染色体值所对应的配电网中节点j上的风机有功 功率、风机无功功率、光伏有功功率、光伏无功功率、电动汽车换电站有功功率和可控负荷 比例信息；和⑴分别表示第i个粒子在第k次迭代时其染色体值所对应的配 电网中节点j在t时的风机有功功率和无功功率；#和分别表示第i个粒子 在第k次迭代时其染色体值所对应的配电网中节点j在t时的光伏有功功率和无功功率； d，)表示第i个粒子在第k次迭代时其染色体值所对应的配电网中节点j在t时的电动 汽车换电站的有功功率，正值为放电功率，负值为充电功率；表示第i个粒子在第k 次迭代时其染色体值所对应的配电网中节点j在t时的可控负荷的可控比例。Nncid为配电 网中节点的个数。
[0032] 2. 3)设置混合算法各个粒子的位置值。按公式（21)-(22)初始化各个粒子的位置 值。
[0033]
[0034]
[0035] 其中，Xk表示第k次迭代时混合算法的粒子位置值集合，束:表示第k次迭代时混 合算法粒子i的位置值集合。
[0036] 2. 4)初始化的局部最优向量集合xp和全局最优向量集合为Xg空集。
[0037] 2. 5)初始化JADE算法的初始优秀集合A为空集，同时初始化交互因子F和变异因 子CR的均值μ F、μ CR均为0· 5。
[0038] 2. 6)初始化JADE算法中用于存放交互因子和变异因子的集合S#P S CR为空集。
[0039] 3)计算粒子的适应值。
[0040] 按以下步骤分别计算每个粒子的适应值，直至所有粒子计算完毕。
[0041] 3. 1)约束项检查
[0042] 检测每个粒子的位置值是否满足以下约束，若不满足则按相应的步骤进行修正， 若满足则进入下一个步骤，直至每个粒子检查完毕。
[0043] 3. 3. 1)风机的有功和无功功率限值约束：检查各个粒子中相对于风机的有功功 率和无功功率项是否满足公式（23)-(24)，若满足，则进入下一步骤；若不满足，则随机在 其约束值范围内选择一个数值。
[0044]
(23) CN 105119272 A m ~P 4/13 页
[0045] (24)
[0046] 别为节点j上的风机在t时根据预测数据所能够发出的最 大有功功率和无功功率。
[0047] 3. 3. 2)光伏的有功和无功功率限值约束：检查各个粒子中相对于光伏的有功功 率和无功功率项是否满足公式（25)_(26)，若满足，则进入下一步骤；若不满足，则随机在 其约束值范围内选择一个数值。
[0048]
[0049]
[0050] 其中，和分别为节点j上的光伏在t时根据预测数据所能够发出的最大 有功功率和无功功率。
[0051] 3. 3. 3)电动汽车换电站的有功和无功功率限值约束：检查各个粒子中相对于电 动汽车充放电的有功功率项是否满足公式（27)，若满足，则进入下一步骤；若不满足，则随 机在其约束值范围内选择一个数值，直至满足约束为止。
[0052]
[0053]
[0054]
[0055] 其中，〇和^^ '分别为节点j上的电动汽车换电站在t时能够实现的最大充电 有功功率和最大放电有功功率；Sock ,,,⑴为第j个节点上的电动汽车换电站在t时刻的 Soc值，Eevs, j为节点j上的电动汽车换电站的电池总容量，和为第j个 节点上的电动汽车换电站的Soc值上限和下限，△ T为孤岛时间的单位计算时间。
[0056] 3. 3. 4)可控负荷比例系数限值约束：检查各个粒子中相对于可控负荷比例系数 项是否满足公式（30)，若满足，则进入下一步骤；若不满足，则随机在其约束值范围内选择 一个数值。
[0057]
(30)
[0058] 3. 3. 5)配电网中的功率平衡约束
[0059] i)按公式（31)-(32)配置各个节点上可用有功功率和无功功率。
[0060]
[0061]
[0062] 其中，it.,.#)和分别表示粒子i在第k次迭代时其位置值所代表的配电 网中节点j在t时可输出的有功功率和无功功率。
[0063] ii)按公式（33)-(34)设置配电网中各个节点的负荷有功功率和无功功率：
[0064] LlN 丄 Ut)丄丄 yz/z Λ Ij 0/丄
[0065]
[0066] 其中，/UO.和分别表示粒子i在第k次迭代时其位置值所代表的配电 网中节点j在t时负荷的有功功率和无功功率；Pk jP Q k j分别为节点j上负荷可控有功 功率和无功功率；j分别为节点j上负荷不