[發(fā)明專利]基于改進(jìn)遺傳算法的分布式電源選址定容優(yōu)化方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201810461514.5
• 申請日: 2018-05-15
• 公開（公告）號: CN108734349B
• 公開（公告）日: 2020-11-17
• 發(fā)明（設(shè)計(jì)）人: 徐珂;聶萌;王洋;侯廣松;甄穎;荊樹志;張冰;田運(yùn)濤
• 申請（專利權(quán)）人: 國網(wǎng)山東省電力公司菏澤供電公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/12
• 代理公司: 濟(jì)南圣達(dá)知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 董雪

1.基于改進(jìn)遺傳算法的分布式電源選址定容優(yōu)化方法，其特征在于，包括以下步驟：

(1)采集當(dāng)?shù)嘏潆娫O(shè)備以及分布式電源的數(shù)據(jù)，搭建基于OpenDSS的分布式電源模型和含分布式電源的配電網(wǎng)仿真模型；

(2)根據(jù)搭建的含分布式電源的配電網(wǎng)仿真模型進(jìn)行仿真，得到配電網(wǎng)中各節(jié)點(diǎn)的電壓、電流數(shù)據(jù)，進(jìn)行潮流計(jì)算，得到接入分布式電源的配電網(wǎng)潮流分布；

(3)建立分布式電源并網(wǎng)的優(yōu)化目標(biāo)函數(shù)，并確定約束條件；

(4)對遺傳操作參數(shù)進(jìn)行編碼，采用二進(jìn)制編碼進(jìn)行個體的編碼，采用改進(jìn)遺傳算法對分布式電源的位置、容量進(jìn)行優(yōu)化；

所述步驟(3)中，如果構(gòu)建的優(yōu)化目標(biāo)函數(shù)為多目標(biāo)函數(shù)，則對多目標(biāo)進(jìn)行歸一化處理，歸一化后的目標(biāo)函數(shù)為改進(jìn)遺傳算法的適應(yīng)度函數(shù)；求解極大值時，所述適應(yīng)度函數(shù)設(shè)置為目標(biāo)函數(shù)與適當(dāng)小的正數(shù)之和；求解極小值時，所述適應(yīng)度函數(shù)設(shè)置為充分大的正數(shù)與目標(biāo)函數(shù)之差；

所述步驟(4)中，采用改進(jìn)遺傳算法對分布式電源的位置、容量進(jìn)行優(yōu)化具體為：

a.輸入配電網(wǎng)初始結(jié)構(gòu)信息，根據(jù)相關(guān)參數(shù)產(chǎn)生初始種群，設(shè)置染色體長度和最大迭代次數(shù)；在開始計(jì)算時，隨機(jī)選擇染色體構(gòu)成一個初始種群；

b.使用適應(yīng)度函數(shù)進(jìn)行個體適應(yīng)度評估，計(jì)算適應(yīng)度值，對種群中所有個體的適應(yīng)度值進(jìn)行排序，選擇適應(yīng)度值較高的個體遺傳到下一代，剔除適應(yīng)度值較低的個體；

c.模仿自然界生物染色體基因重組，設(shè)置交叉概率pcross進(jìn)行自適應(yīng)交叉操作，就是對父代兩個個體的部分基因進(jìn)行交換，產(chǎn)生新的子代，提供個體多樣性；

d.通過設(shè)置變異概率pmutation，對種群中的一些個體進(jìn)行自適應(yīng)變異操作，就是把染色體上的基因取反；

e.判斷當(dāng)前迭代次數(shù)是否達(dá)到最大迭代次數(shù)，如果是，則轉(zhuǎn)向步驟f，否則轉(zhuǎn)向步驟b；

f.輸出最優(yōu)解；

所述交叉概率pcross具體為：

所述變異概率pmutation具體為：

其中，gen為當(dāng)前迭代次數(shù)，maxgen為最大迭代次數(shù)。

2.基于改進(jìn)遺傳算法的分布式電源選址定容優(yōu)化系統(tǒng)，其特征在于，包括：

用于采集當(dāng)?shù)嘏潆娫O(shè)備以及分布式電源數(shù)據(jù)的數(shù)據(jù)采集裝置；

用于搭建基于OpenDSS的分布式電源模型和含分布式電源的配電網(wǎng)仿真模型的裝置；

用于根據(jù)搭建的含分布式電源的配電網(wǎng)仿真模型進(jìn)行仿真，得到配電網(wǎng)中各節(jié)點(diǎn)的電壓、電流數(shù)據(jù)，進(jìn)行潮流計(jì)算，得到接入分布式電源的配電網(wǎng)潮流分布的裝置；

用于建立分布式電源并網(wǎng)的優(yōu)化目標(biāo)函數(shù)，并確定約束條件的裝置；

用于對遺傳操作參數(shù)進(jìn)行編碼，采用二進(jìn)制編碼進(jìn)行個體的編碼的裝置；

用于采用改進(jìn)遺傳算法對分布式電源的位置、容量進(jìn)行優(yōu)化的裝置；

其中，所述用于建立分布式電源并網(wǎng)的優(yōu)化目標(biāo)函數(shù)，并確定約束條件的裝置具體包括：用于當(dāng)構(gòu)建的優(yōu)化目標(biāo)函數(shù)為多目標(biāo)函數(shù)，對多目標(biāo)進(jìn)行歸一化處理，歸一化后的目標(biāo)函數(shù)為改進(jìn)遺傳算法的適應(yīng)度函數(shù)的裝置；

所述用于采用改進(jìn)遺傳算法對分布式電源的位置、容量進(jìn)行優(yōu)化的裝置具體包括：

用于輸入配電網(wǎng)初始結(jié)構(gòu)信息，根據(jù)相關(guān)參數(shù)產(chǎn)生初始種群，設(shè)置染色體長度和最大迭代次數(shù)；在開始計(jì)算時，隨機(jī)選擇染色體構(gòu)成一個初始種群的裝置；

用于使用適應(yīng)度函數(shù)進(jìn)行個體適應(yīng)度評估，計(jì)算適應(yīng)度值，對種群中所有個體的適應(yīng)度值進(jìn)行排序，選擇適應(yīng)度值較高的個體遺傳到下一代，剔除適應(yīng)度值較低的個體的裝置；

用于模仿自然界生物染色體基因重組，設(shè)置交叉概率pcross進(jìn)行自適應(yīng)交叉操作，就是對父代兩個個體的部分基因進(jìn)行交換，產(chǎn)生新的子代的裝置；

用于通過設(shè)置變異概率pmutation，對種群中的一些個體進(jìn)行自適應(yīng)變異操作，就是把染色體上的基因取反的裝置；

用于判斷當(dāng)前迭代次數(shù)是否達(dá)到最大迭代次數(shù)的裝置；

用于輸出最優(yōu)解的裝置；

所述交叉概率pcross具體為：

所述變異概率pmutation具體為：

其中，gen為當(dāng)前迭代次數(shù)，maxgen為最大迭代次數(shù)。