【技術實現步驟摘要】
本專利技術屬于配電調度策略領域，具體為一種基于人工蜂群算法配電調度策略方法及系統。
技術介紹
1、隨著現代社會對電力需求的不斷增長以及能源結構的多元化發展，分布式能源特別是光伏發電在電力系統中的應用日益廣泛。分布式光伏發電作為一種清潔、可再生的能源，具有安裝靈活、綠色環保、減少傳輸損耗等優點，受到廣泛關注和應用。然而，分布式光伏發電的間歇性和波動性對電網的穩定性和調度帶來了新的挑戰。
2、在傳統的電力系統中，配電網絡主要依賴集中式發電廠提供穩定的電力供應。這種集中式發電方式雖然能夠保證電力的持續供應，但存在單點故障風險高、傳輸損耗大等問題。集中式發電廠通常位于遠離負載中心的地方，電力需要長距離傳輸，導致傳輸過程中損耗增加。此外，集中式發電依賴化石燃料，產生大量的二氧化碳排放，不利于環境保護。
3、分布式光伏發電的引入可以減輕集中式發電的壓力，降低傳輸損耗，減少環境污染。然而，分布式光伏發電受天氣、日照等因素影響較大，其輸出功率具有較強的間歇性和波動性，給電網的穩定性和調度帶來了新的挑戰。
4、現有的電力調度方法通常依賴于集中式發電的預測和調度模型，這些模型對分布式光伏發電的波動性缺乏有效的應對策略。具體來說，傳統的預測模型往往無法準確捕捉分布式光伏發電的波動性，導致預測誤差較大，影響調度決策的準確性。這些模型通常基于歷史數據和統計方法，無法充分考慮天氣變化、日照強度等動態因素，并且對實時變化的響應速度較慢，難以及時調整配電策略，應對分布式光伏發電的快速變化。傳統調度系統通常采用集中控制方式，信
5、因此，目前亟需一種能夠綜合利用分布式光伏發電的實時數據，提高了電力系統的穩定性和效率的優化方法。
技術實現思路
1、針對上述問題，本專利技術提出了一種基于人工蜂群算法的配電調度策略方法及系統。通過設定相應大小的蜂群，并進行迭代搜索，隨機生成分布式光伏發電節點及其他分布式能源節點的有功功率和電網中的無功功率值，使得蜂群適應度值最高，從而選擇最優的分布式能源節點，降低整體電路損耗以及電壓跳動。此方法有效地利用了分布式光伏發電的實時數據，提高了電力系統的穩定性和效率。
2、為實現上述目的，本專利技術采取的技術方案是：
3、一種基于人工蜂群算法配電調度策略方法，具體步驟如下：
4、s1：需求配電節點有功功率預測；
5、對需求配電節點的有功功率值及其趨勢進行預測，需要考慮及時瞬態的分布式能源接入，對需求配電節點的有功功率值及其趨勢進行預測反饋，即是預測分鐘內的需求配電節點的有功功率值及其趨勢，其中需求配電節點有功功率趨勢該值為30秒前的需求配電節點有功功率減去當前需求配電節點的有功功率的值，針對于不同的區域單獨設定模型進行考慮，對常態化一般性特征不予考慮；
6、采用智能電表對需求配電節點每秒的實時用電數據的有功功率進行讀取，單位為千瓦時，并記錄為wp，讀取附近氣象站的天氣條件，包括所在區域實時的溫度t、濕度s以及風速值f，采用獨熱編碼記錄此時的時間刻度為d向量，該向量包括小時、分鐘、星期幾以及是否為節假日，其中具體分鐘貼近哪一刻度值即為該刻度值作為標記值，星期幾標記星期一至星期日，是否為節假日標記為是與否；
7、s2：分布式光伏能源節點有功功率輸出與波動性預測；
8、步驟s2對分布式光伏能源節點有功功率輸出與波動性預測；
9、首先對需求配電節點附近的分布式太陽能光伏預測時序性模型進行建立，預測分布式太陽能光伏有功功率變化趨勢值與太陽能光伏具體有功功率值，其中分布式太陽能光伏有功功率變化趨勢值為實時的太陽能光伏有功功率與30秒前分布式太陽能光伏有功功率的差值；
10、其中，分布式太陽能光伏預測時序性模型表示如下：
11、solartend,solarenergy＝rnn(soir,t,s,f,g,clc)
12、其中，solartend表示太太陽能光伏有功功率變化趨勢值，solarenergy表示太陽能下一秒的能提，rnn表示循環神經網絡，soir表示實時日照強度，clc表示實時云量,g為太陽輻射強度度，clc表示實時云量；
13、s3：電網拓撲模型構建；
14、確定需求配電節點的位置locx，并確認各個分布式能源的位置locf，進而通過阻抗計算公式近似計算電網的阻抗ri：
15、ri＝rline*l+j*xline*l
16、其中，ri為電網阻抗，rline為線路電阻，j為虛數單位，xline為線路電抗，l為分布式能源節點到需求配電節點的線路長度；
17、s4：分布式能源節點人工蜂群配電調度；
18、提出基于人工蜂群算法進行分布式能源節點的電力調度。
19、進一步的，所述步驟s1需求配電節點有功功率預測過程中包括增強動態負載因子公式，融合時序列特征，對短周期時間內的需求配電節點的有功功率使用波動進行考量：
20、
21、其中，difenhaced為增強動態負載因子，pavg問實時30秒內的平均有功功率，pmax為實時30秒內的最大有功功率，t為實時的一天當中的時間，單位為小時，t是一天當中的總小時數目為24，ε和δ問權重因子，g為太陽輻射強度，ppv為光伏發電系統的輸出功率，δppv為光伏發電系統輸出功率的變化量(即當前ppv減去30秒前的ppv)，γ和ρ和θ為光伏發電的權重因子；
22、進一步的，所述步驟s1需求配電節點有功功率預測過程中包括對變壓器的瞬時效率進行表征，當變壓器瞬時的輸出功率與輸入功率的比例較低時，雖然在需求配電節點沒有產生直接的有功功率需求，但是會增加電網總體能耗，進而需要更多有功功率：
23、
24、其中，traneffic為變壓器瞬時效率，pin(t),pout(t)分別為時間為t時刻的輸入功率與輸出功率，p'in(t)與p'out(t)為輸入功率和輸出功率的瞬時變化率，其中變化率取樣時間間隔為30秒。
25、進一步的，所述步驟s1需求配電節點有功功率預測過程中采用transformer網絡對需求配電節點下一秒的實時有功功率值及其趨勢進行預測，其中transformer網絡表示為：
26、acticeptend，acticepz＝transfomer(wp,t,s,f,d,difenhaced,ppv,δppv,traneffic)
27、其中，acticeptend表示有功功率趨勢，acticepz表示需求配電節點下一秒的有功功率值，transfomer為時序性網絡架構,ppv為光伏發電系統的輸出功率，δppv為光伏發電系統輸出功率的變化量；
28、進一步的，所述步驟s2分布式能源節點有功功率輸出與波動性預測過程中對需求配電節點附近的風能預測時序性模型進行建立，預測風能的有功功率變化本文檔來自技高網...
【技術保護點】
1.一種基于人工蜂群算法配電調度策略方法，其特征在于，具體步驟如下：
2.根據權利要求1所述的一種基于人工蜂群算法配電調度策略方法，其特征在于，
3.根據權利要求1所述的一種基于人工蜂群算法配電調度策略方法，其特征在于，
4.根據權利要求2或3所述的一種基于人工蜂群算法配電調度策略方法，其特征在于，所述步驟S1需求配電節點有功功率預測過程中采用Transformer網絡對需求配電節點下一秒的實時有功功率值及其趨勢進行預測，其中Transformer網絡表示為：
5.根據權利要求1所述的一種基于人工蜂群算法配電調度策略方法，其特征在于，所述步驟S2分布式能源節點有功功率輸出與波動性預測過程中對需求配電節點附近的風能預測時序性模型進行建立，預測風能的有功功率變化趨勢值以及風能的具體有功功率值，其中風能的有功功率變化趨勢值具體表示為風能有功功率值與30秒前風能有功功率的差值；
6.根據權利要求1所述的一種基于人工蜂群算法配電調度策略方法，其特征在于，所述S4分布式能源節點人工蜂群配電調度具體步驟如下：
7.根據權利
...【技術特征摘要】
1.一種基于人工蜂群算法配電調度策略方法，其特征在于，具體步驟如下：
2.根據權利要求1所述的一種基于人工蜂群算法配電調度策略方法，其特征在于，
3.根據權利要求1所述的一種基于人工蜂群算法配電調度策略方法，其特征在于，
4.根據權利要求2或3所述的一種基于人工蜂群算法配電調度策略方法，其特征在于，所述步驟s1需求配電節點有功功率預測過程中采用transformer網絡對需求配電節點下一秒的實時有功功率值及其趨勢進行預測，其中transformer網絡表示為：
5.根據權利要求1所述的一...
【專利技術屬性】
技術研發人員：徐大可，高輝，吳參林，隋永波，王維，陸思濤，
申請(專利權)人：南京大全自動化科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。