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，g为第i个粒子在第k次迭代时量子比特位集合；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#p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'.为〇 ;否则，'为1，其计算公式表示如公式（7)所示：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)所示其中，Pk为第k次迭代时所有粒子的染色体值集合，对为第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，M2=Nnc]dX6XT; 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 A4和同时，私~、成w、吃./和0^/分别表不第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；枝，和 aU〇分别表示第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；乃和这,,、,(0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；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；Nnc]d为配电网中节点的个数。 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；Xk= (XikX2k …X,…XNk) (21)其中，Xk表示第k次迭代时混合算法的粒子位置值集合，尤表示第k次迭代时混合算 法粒子i的位置值集合； 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； 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yF、ym均为0. 5 ; 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$和SeR为空集； 3)计算粒子的适应值； 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； 3. 1)约束项检查 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； 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；其中，ah.和分别为节点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； 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；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； 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；其中，^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；,(〇为第j个节点上的电动汽车换电站在t时刻的Soc 值，EEvSi ,为节点j上的电动汽车换电站的电池总容量^声)和为第j个节点 上的电动汽车换电站的Soc值上限和下限，AT为孤岛时间的单位计算时间； 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 数估3. 3. 5)配电网中的功率平衡约束 i)按公式（31)_(32)配置各个节点上可用有功功率和无功功率；其中，和送^(0: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； 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：其中，和gL/.y(/)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；Quj分别为节点j上负荷可控有功功 率和无功功率；分别为节点j上负荷不可控有功功率和无功功率；公式（33)和 (34)表示每个节点上负荷的功率值为其可控容量和不可控容量的总和； iii) 潮流计算；采用牛拉法对配电网各个时间状态下进行潮流计算，得出各个时刻下 配电网内各个孤岛的网损总和和各条线路的网损值; iv) 检查粒子i在第k次迭代时是否满足公式（35)-(36)，若满足则进入下一步骤，若 不满足，则根据贪婪准则对粒子中量子算法部分的离散变量进行随机置0,直至其满足该约 束或达到贪婪准则的迭代上限；其中，为粒子i在第k次迭代时染色体的位置值所对应的配电网中节点j的得电 状态，0表示失电，1表示得电，计算公式为（37) 4为与节点j相连的线路集合； 3. 4)计算适应值 按以下步骤，分别计算各个粒子的适应度值，直至所有粒子均计算完毕；本发明方法中 粒子的适应度包含三个方面，即负荷断电损失、网损损失和电动汽车的充放电损失；计算步 骤如下： i)负荷断电损失其中，Gw/Lw;表示粒子i在第k次迭代时的负荷断电损失，K廣示节点j上的负荷 的断电损失常数；负荷的断电损失表示粒子i所表示的配电网在孤岛时间内的各个节点的 负荷断电损失总和； ii) 网损损失其中，Co对L.,:表示粒子i在第k次迭代时的网损损失，clin彥示每条线路上的每单位 功率网损损失常数；负荷的网损损失表示粒子i所表示的配电网在孤岛时间内的各条线路 网损的总和； iii) 电动汽车换电站充放电损失其中，nEvsd为电动汽车换电站的充放电损失系数；vi)按公式（41)计算粒子i的适应度值：其中，/7(A))为粒子i的适应度值； 4) 更新粒子的局部最优向量xpjP全局最优向量xg;其中，i= 1，2,…，N，k= 1，2,…，ItermaxJ|据公式（42)更新各个粒子的局部最优向 量；同时，选择当次迭代过程中粒子的适应度最小的粒子作为更新全局最优向量的参考值， 根据公式（44)更新粒子的全局最优解； 5) 更新粒子的位置值；根据JADE进化算法，更新各个粒子的位置值，直至所有粒子更 新完毕； 5. 1)计算中间粒子：按公式（45)-(48)计算用于位置值更新的中间粒子；Fi=randn; (yF, 0. 1) (47) CRi=randn; (yCR, 0? 1) (48) 其中，iL为随机在xP中选出的位置值，巧为随机在当前的粒子位置值集合xk中选 出的粒子6位置值；X:为在集合Xk和集合A的并集中随机选出的粒子r2位置值；Fi为第 i个粒子所对应的交互因子，其计算公式如（47)所示；CRi为第i个粒子所对应的变异因子， 其计算公式如（48)所示；yF、yeR为交互因子F和变异因子CR的均值。 5. 2)更新位置值：按公式（49)更新粒子i的位置值；同时，按照公式（50)-(52)更新 集合A、SeR和SF;5. 3)更新变异因子和交互因子的均值；按照公式（53)和公式（54)更新变异因子和交 互因子的均值； I1CR=(1_C)?I1CR+C?meanA(SCR)(53) yF= (1-c) ?yF+c?meanL (SF) (54) 其中，meanA(.)为求算数均值的函数;meanj.)为求Lehmer均值的函数；c为定义的权 重比例系数。 6) 收敛性检验；检验算法是达到迭代的上限值，即迭代次数是否大于若是，则 进入步骤7);若不是，则回到步骤3); 7) 输出最优粒子位置值xg;根据最优粒子的位置值xg得出相应的孤岛划分策略，即相 应的配电网的状态，包括各个节点上电动汽车换电站的充放电功率、各条线路的得电状态 以及各条线路的状态值。
【专利摘要】一种新型的基于混合算法的含电动汽车换电站的配电网孤岛划分方法，包括如下步骤：1)输入网络初始参数；2)设置混合算法的变量；3)初始化局部最优向量和全局最优向量；4)计算粒子适应值；5)更新局部最优向量和全局最优向量；6)更新粒子位置值；7)收敛性检验；8)输出结果。本发明结合量子进化算法和JADE算法，提出一种用于解决含电动汽车换电站的配电网孤岛划分方法。
【IPC分类】H02J3/00, G06Q10/04, G06Q50/06
【公开号】CN105119272
【申请号】CN201510497280
【发明人】王晶, 陈骏宇
【申请人】浙江工业大学
【公开日】2015年12月2日
【申请日】2015年8月13日