一种需求响应视角下的配电网不确定性重构建模方法

摘要

本发明公开了一种需求响应视角下的配电网不确定性重构建模方法，包括以下步骤：1）建立配电网重构模型，所述配电网重构模型包括分布式电源参数和电动汽车参数；2）利用峰谷分时电价方法，将系统划分为相应的时段，分别进行重构；3）所述重构以网络损耗最小为目标函数，进行随机潮流计算得到目标函数的期望值，采用改进量子进化算法对配电网重构模型进行求解。本发明的重构模型根据需求侧响应的形式之一（峰谷分时电价）对负荷的影响进行分时段重构较好的避免了实时重构需要对开关进行大量操作的缺点，同时本发明不考虑需求响应对负荷的影响，使用某个断面的数据进行重构，克服了得到的拓扑结构在其他时间段内具有较大网损的缺点。

主权项

一种需求响应视角下的配电网不确定性重构建模方法，其特征在于，包括以下步骤：1)建立配电网重构模型，所述配电网重构模型包括分布式电源参数和电动汽车参数；2)利用峰谷分时电价方法，将系统划分为相应的时段，分别进行重构；3)所述重构以网络损耗最小为目标函数，进行随机潮流计算得到目标函数的期望值，采用改进量子进化算法对配电网重构模型进行求解，其中，所述重构具体包括以下步骤：d、设置种群数为M，以支路为单位，为每条支路分配一个量子比特位|w>＝a|0>+b|1>，组成一个个体；e、基于环路的量子坍塌策略，生成种群个体$g_j^t=\left[\begin{array}{c}{a}_1^t\\ b_1^t\end{array}\left|\begin{array}{c}{a}_2^t\\ b_2^t\end{array}\right|\begin{array}{c}{a}_3^t\\ b_3^t\end{array}\left|\begin{array}{c}\mathrm{...}\\ \mathrm{...}\end{array}\right|\begin{array}{c}{a}_m^t\\ b_m^t\end{array}\right],$表示第t代第j个个体的量子位编码，m表示支路数目；基于环路的量子坍塌策略具体包括以下步骤：首先随机选取一个环路，并在该环路中随机选取一位，其中，与电源点相连的支路和与孤立负荷相连的支路不参与选择，状态始终保持为1，进行所述量子坍塌，再随机遍历每个环，如果下一个环路中的支路含有断开的状态，不管有几个断开状态，都不对此环路进行量子坍塌操作，直到遍历结束，这样进化过程中生成的个体均是可行解，其中量子坍塌的过程为：首先产生0‑1之间的一个随机数s，如果s²＜|a|²，则该量子位的状态取1，否则取0，其中a表示该量子位取1的概率大小，a越大，该量子位的状态越容易取1；f、对所述种群个体依次进行适应度的计算，通过前推回代的随机潮流计算方法计算出网络损耗大小，并作为适应度函数的大小；其中，随机潮流计算方法采用两点估计法，具体包括以下步骤：将节点注入向量，设有m个随机变量，写为X＝[x₁,x₂,…,x_m]，在概率潮流计算中,节点注入量确定后,得到支路潮流的概率参数,则支路潮流表示为节点注入量的函数,即Z＝F(x₁,x₂,…,x_m)，节点注入量x_i(i＝1,2,…,m)为随机变量,设x_i的概率密度函数为两点估计法通过使用两个变量x_i,1和x_i,2来匹配随机量x_i的前三阶矩，所述前三阶矩为均值、方差和偏度,从而取代其中，x_i,1和x_i,2定义为：其中k＝1,2，式中:和分别为随机量x_i的均值和标准差；ε_i,k为位置度量,定义为：${ϵ}_{i,k}=\frac{{\gamma }_{i,3}}{2}+{(-1)}^{3-k}*\sqrt{m+{\left(\frac{{\gamma }_{i,3}}{2}\right)}^2}$式中：偏度系数${\gamma }_{i,3}=E\left[{(x_i-{\mu }_{x_i})}^3\right]/{\left({\sigma }_{x_i}\right)}^3,$其中，为随机量x_i的三阶中心矩；对变量x_i，取均值两侧的值x_i,1和x_i,2代替,同时其他不确定量x_j在均值处取值，其中j＝1,2…，m,且j≠i，即分别进行确定性潮流计算,则得到支路潮流变量的两个估计Zr(i,1)和Zr(i,2)，其中，r＝1,2,…,b，若用W_i,k表示x_i,k的概率集中度,即表示中x_i,k处位置集中的权重,则W_i,k的表达式为：$W_{i,k}=\frac{1}{m}*{(-1)}^k*\frac{{\gamma }_{i,3}-k}{{\tau }_i}$式中:W_i,k在0～1内取值，且所有W_i,k的总和为1；然后确定Z_r的j阶矩，由位置权重W_i,k,Z_r的j阶矩表示为：$E\left(Z_r^j\right)\cong {\Sigma }_{i=1}^m{\Sigma }_{k=1}^2(W_{i,k}\times {\left[Z_r\left(i,k\right)\right]}^j)$Z_r的标准差计算式为：${\sigma }_{z_{r_i}}=\sqrt{E\left(Z_r^2\right)-{\left(E\right(Z_r\left)\right)}^2}$由此,根据偏度系数确定位置度量,得到x_i处具有概率集中度的两点x_i,1和x_i,2，对此两点分别运行确定性潮流计算,即获得支路潮流解Z_r均值和方差；g、找出种群适应度最优即网络损耗最小的个体，种群其他个体的量子位概率幅按$\left[\begin{array}{c}{a_i}^{\prime }\\ {b_i}^{\prime }\end{array}\right]=U\left({\theta }_I\right)\left[\begin{array}{c}{a}_i\\ b_i\end{array}\right]=\left[\begin{array}{cc}\cos \left({\theta }_i\right)& -\sin \left({\theta }_i\right)\\ \sin \left({\theta }_i\right)& \cos \left({\theta }_i\right)\end{array}\right]\left[\begin{array}{c}{a}_i\\ b_i\end{array}\right]$进化，其中角度θ_i为旋转角，θ_i＝s(αi,βi)*Δθi，其中，通过查询下表获得：其中，x_i代表随机量，αi和βi分别代表量子位在不同方向的概率，s表示0‑1之间的一个随机数，如果s＜|a|²，则该量子位的状态取1，否则取0，其中a表示该量子位取1的概率大小，a越大，该量子位的状态越容易取1，Δθi表示旋转角的调整量，δ为无穷小量；h、重复步骤e、步骤f和步骤g，直到收敛，然后得到该时段内的重构结果。