[發明專利]基于改進的MOEA/D的主動配電網日前高維目標優化調度方法

有效

• 申請號: 201911197696.0
• 申請日: 2019-11-29
• 公開（公告）號: CN110956324B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 張景瑞;朱曉晴;余雁琳;何良宗;陳騰鵬
• 申請（專利權）人: 廈門大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/00
• 代理公司: 廈門市精誠新創知識產權代理有限公司 35218
• 代理人: 何家富

1.基于改進的MOEA/D的主動配電網日前高維目標優化調度方法，其特征在于，包括以下步驟：

S1、建立主動配電網日前高維目標優化調度模型的目標函數及相應約束條件，具體地以主動配電網運行總成本最小、系統有功網絡損耗最小、電壓偏移程度最小以及可再生能源的總出力削減率最小為目標函數，約束條件包括潮流有功與無功約束、節點電壓約束、上級電網有功與無功約束、分布式電源有功出力約束、燃氣輪機爬坡約束、儲能系統約束、可控負荷中斷量約束和電容器檔位約束；

S2、采用改進的MOEA/D求解主動配電網日前高維目標優化調度模型，具體地包括以下過程：

S21、設置種群參數和電力系統參數，并選擇m個目標函數f₁(x),...,f_m(x)進行優化，其中種群參數包括輸入種群大小N，最大替換鄰域大小T_max，交配鄰域大小T₀＝T_max，最大迭代次數k和間隔代數Δgen，交叉概率CR、交叉率F、變異率prob；電力系統參數包括總調度時間T，調度時間間隔Δt，系統網絡結構參數，決策變量上下限，分時電價信息，風機、光伏和負荷日前預測數據；

S22、初始化，包括以下過程：

S221、生成子問題的權重向量λ＝[λ¹,...,λ^N]，計算權重向量之間的歐氏距離，并對其進行排序，查找到距離每個權重向量最近的T₀個權重向量對應的子問題并作為其交配鄰域，為每個子問題分配計算效用值pⁱ＝1,i＝1,...,N；

S222、在個調度時間段中，產生各個時段所有子問題的決策變量，此時第j個調度時間段所有子問題的決策變量為第i個子問題的決策變量為種群決策變量為x＝[x¹,...,x^N]，并進行約束處理，根據約束處理結果得到各個時間段下的每個子問題的每個目標函數的函數值，此時第j個調度時間段第i個子問題的目標函數值為其中，

S223、對于每個子問題，將每個目標函數的所有調度時間段的函數值分別累加，此時將FV＝[FV¹,...,FV^N]作為初始種群的目標函數值，并將所有子問題的所有調度時間段的決策變量記錄下來作為當前種群的決策變量；

S224、產生初始理想點z^*＝(z₁,z₂,...,z_m)和參考點ref_max＝[max(f₁),...,max(f_m)]，ref_min＝[min(f₁),...,min(f_m)]，并初始化每個子問題的目標函數點距離理想點的目標函數點的水平距離和垂直距離gen為代數，此時gen＝0；

S23、進化與更新，包括以下過程：

S231、對于每子問題，隨機產生一個0到1之間的數b，對于子問題i，如果bpⁱ,將該子問題的各個時刻的決策變量分別與其鄰居子問題的對應時刻的決策變量進行交配，產生各個時刻的子代決策變量解并進行約束處理，根據約束處理結果得到各個時段下每個目標的函數值

S232、對于每個子問題，將該子問題的子代解y'_i的所有調度時段的各目標函數值分別相加，并將其作為該子代解y'_i的目標函數值；

S233、根據公式計算子問題的替換鄰域大小T_r，T_max為迭代最終的替換鄰居大小，γ為控制T_r增長的參數，k是最大迭代次數；計算權重向量之間的歐式距離，查找到距離每個權重向量最近的T_r個權重向量，對每個子問題i＝1,…,N，令是λⁱ最近的T_r個權重向量，B(i)是子問題i的替換鄰域；

S234、將y'＝[y'₁,...,y'_N]代入到電網進行潮流計算，如果潮流收斂，那么種群的目標函數值為FV＝[FV¹,...,FV^N]，判斷母線上所有節點的電壓、包括平衡節點在內的發電機節點的有功功率和無功功率是否越限，若越限則采用外點罰函數法，將懲罰值計入目標函數值中；若潮流不收斂，令f₁(y'_i)＝10¹²,f₂(y'_i)＝10⁹,...,f_m(y'_i)＝10⁹；更新理想點z^*和參考點ref_max、ref_min，找到min(ge^tch(xⁱ|λ^l,z^*))，其中ge^tch(xⁱ|λ^l,z^*)為切比雪夫值，并將B(l)作為更新范圍；對于s∈B(l),如果ge^tch(y'|λ^s,z^*)≤ge^tch(x^s|λ^s,z^*),令x^s＝y'，FV^s＝F(y')；如果bpⁱ,子問題i不進化；

S235、如果gen能被Δgen整除,則計算當前第gen代所有子問題的目標函數點與理想點的目標函數點之間的水平距離和垂直距離并根據公式計算每個子問題迭代Δgen次前后的聚合函數的變化量，其中，α為水平距離的權重，1-α為垂直距離的權重，以及根據公式計算每個子問題的效用值，即進化概率pⁱ，其中ε為一常數；

S24、判斷是否滿足終止條件，如果不滿足，繼續迭代；如果滿足，則輸出最終種群的決策變量PS{x¹,...,x^N}和目標函數值PF{F(x¹),...,F(x^N)}。