申请/专利权人：国网江西省电力有限公司电力科学研究院

申请日：2024-03-20

公开（公告）日：2024-07-05

公开（公告）号：CN117911197B

主分类号：G06Q50/06

分类号：G06Q50/06;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开了一种基于改进多目标粒子群算法的光伏选址定容方法及系统，方法包括：获取配电网历史数据，配电网历史数据包括配电网各个节点的负荷数据、线路参数以及配电网环境参数；根据配电网历史数据在预设的约束条件下以配电网网损和配电网节点电压偏差最小为目标函数构建分布式光伏选址定容优化模型；基于改进多目标粒子群算法对分布式光伏选址定容优化模型进行求解，得到分布式光伏在配电网中的并网位置和并网容量。采用新的阶段自适应惯性权重策略，使得粒子根据自身状态进行下一步迭代，提高算法中个体的能动性，以及根据自适应学习因子策略，平衡了粒子全局搜索和局部开发两个过程，在维持收敛速度的同时达到更好的寻优效果。

主权项：1.一种基于改进多目标粒子群算法的光伏选址定容方法，其特征在于，包括：获取配电网历史数据，所述配电网历史数据包括配电网各个节点的负荷数据、线路参数以及配电网环境参数；根据所述配电网历史数据在预设的约束条件下以配电网网损和配电网节点电压偏差最小为目标函数构建分布式光伏选址定容优化模型；基于改进多目标粒子群算法对所述分布式光伏选址定容优化模型进行求解，得到分布式光伏在配电网中的并网位置和并网容量，其中，基于改进多目标粒子群算法对所述分布式光伏选址定容优化模型进行求解包括：初始化粒子群数量、最大迭代次数、配电网节点负荷和配电网支路信息，根据配电网节点个数，使用编码设计随机生成初始种群，其中，初始化后的种群为： ，式中，为在第一个粒子解中，配电网在第1个节点处接入的光伏并网容量，为在第一个粒子解中，配电网在第2个节点处接入的光伏并网容量，为在第一个粒子解中，配电网在第N个节点处接入的光伏并网容量，为在第二个粒子解中，配电网在第1个节点处接入的光伏并网容量，为在第二个粒子解中，配电网在第2个节点处接入的光伏并网容量，为在第二个粒子解中，配电网在第N个节点处接入的光伏并网容量，为在第个粒子解中，配电网在第1个节点处接入的光伏并网容量，为第个粒子解中，配电网在第2个节点处接入的光伏并网容量，为第个粒子解中，配电网在第N个节点处接入的光伏并网容量；将一个初始种群划分为两倍目标函数的数量，以两个种群服务于一个目标函数为结构，每个种群都具有各自的全局最优值，在迭代过程中，以种群方差值判断所有全局最优值的优先级，当方差值最小的全局最优值同时支配其余全局最优值时，所有粒子群的全局最优解替换成方差最小种群的全局最优值，其中，粒子的速度更新表达式为： ，式中，为第个粒子在第次迭代时第维度上的速度分量，为第个粒子在第次迭代时第维度上的速度分量，和均为0到1之间的随机数，为第个粒子在第次迭代后在第维上的个体达到的最优位置分量，为第个粒子在第次迭代时第维度上的位置分量，为群体粒子在经过第次迭代后在维上所达到的最优位置；粒子的位置更新表达式为： ，式中，为第个粒子在第次迭代时第维度上的位置分量；其中，计算种群方差值的表达式为： ，式中，为第种群的方差，为第个粒子的适应度值，为目标种群的平均适应度值，为第种群的粒子数；根据预设的惯性权重策略和自适应学习因子策略更新所有粒子的速度和位置，所述惯性权重策略的表达式为： ，式中，为惯性权重，为当前迭代次数，为最大迭代次数，为0~1内的随机数，为惯性权重的最终值，为惯性权重的初始值，为当前迭代次数下目标粒子适应度值所在的空间位置在直线上的投影坐标，为当前迭代次数下全局最差适应度值在空间中的第一位置，为当前迭代次数下选中的全局最优适应度值在空间中的第二位置，、分别为等分由第一位置和第二位置构成的直线段的两个点；自适应学习因子策略的表达式为： ，式中，为个体学习因子，为群体学习因子；重复迭代，直到最大迭代次数，输出最优解粒子，得到分布式光伏在配电网中的并网位置和并网容量。

全文数据：

权利要求：

百度查询： 国网江西省电力有限公司电力科学研究院 基于改进多目标粒子群算法的光伏选址定容方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD