基于改進nsga-ii的含風電場電網(wǎng)多目標規(guī)劃方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設及含風電場的電網(wǎng)規(guī)劃領(lǐng)域，尤其設及一種基于改進帶精英策略的快速 非支配排序遺傳算法（NSGA-II)W的含風電場電網(wǎng)多目標規(guī)劃方法。
【背景技術(shù)】
[0002] 由于風電裝機容量逐年增大，W及風速的隨機性和風電機組的運行特性，風電場 并網(wǎng)必然會引起一系列的電能質(zhì)量問題，而電網(wǎng)希望風電機組并網(wǎng)有良好的電能質(zhì)量品 質(zhì)，因此含風機的電網(wǎng)規(guī)劃考慮風機并網(wǎng)點的電能質(zhì)量是有必要的。
[0003] 目前已有不少含風電場的電網(wǎng)規(guī)劃的研究，也取得了很大的成果。文獻巧]W保 證電網(wǎng)經(jīng)濟性最優(yōu)為前提研究了含風電場的電網(wǎng)規(guī)劃，采用基于概率的方法有效地考慮了 風電的隨機性W及負荷的不確定性。文獻巧]W投資經(jīng)濟性和可靠性為主要優(yōu)化目標，并 給出了一種隨機模擬、神經(jīng)元網(wǎng)絡和NSGA-II相結(jié)合的混合智能算法，建立用于處理風電 場與電網(wǎng)聯(lián)合規(guī)劃的多目標規(guī)劃模型。該些研究大都關(guān)注于風電的不確定性對電網(wǎng)規(guī)劃的 影響，并未設及到風電并網(wǎng)所引起的電能質(zhì)量問題。文獻[4]對含風電場的電網(wǎng)規(guī)劃考慮 了電能質(zhì)量約束，采用傳統(tǒng)的遺傳算法優(yōu)化規(guī)劃方案。
[0004] 發(fā)明人在實現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)對于含風電場的多目標電網(wǎng)規(guī)劃，現(xiàn)有的多 目標規(guī)劃方法存在W下缺點和不足：
[0005] (1)傳統(tǒng)算法一般只得到一個解，但含風電場的多目標電網(wǎng)規(guī)劃問題往往會存在 一個互不支配的解集需要使用者根據(jù)條件的不同進行挾擇；
[0006] (2)傳統(tǒng)算法將多目標優(yōu)化問題轉(zhuǎn)化為單目標優(yōu)化問題后，往往不能有效地協(xié)調(diào) 含風電場電網(wǎng)規(guī)劃中各個目標的優(yōu)化程度；
[0007] (3)由于傳統(tǒng)算法中各個目標函數(shù)的權(quán)值是人為規(guī)定的，具有較大的主觀性，因 此，在含風電場的電網(wǎng)規(guī)劃中，傳統(tǒng)優(yōu)化算法不利于決策者根據(jù)實際情況作出合理的決策。 [000引 （4)多目標遺傳算法是解決多目標優(yōu)化問題的一種進化算法，其中NSGA-II算法 能夠克服傳統(tǒng)多目標優(yōu)化算法的缺點，最終得到多個"滿意解"的集合，即Pareto最優(yōu)解集 ，適用于含風電場的多目標電網(wǎng)規(guī)劃。但是為了保證得到最優(yōu)的含風電場的電網(wǎng)規(guī)劃優(yōu) 化方案，該算法需要在如何加強全局捜索能力，提高收斂性等方面進行改進W。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明提供了一種基于改進NSGA-II的含風電場電網(wǎng)多目標規(guī)劃方法，本發(fā)明通 過機會約束規(guī)劃方法構(gòu)建W線路總長度、公共連接點處閃變值為目標的風電場多目標電網(wǎng) 規(guī)劃模型，并用改進NSGA-II算法實現(xiàn)風機接入電能質(zhì)量的多目標電網(wǎng)規(guī)劃，使優(yōu)化出的 規(guī)劃方案更科學、更合理，詳見下文描述：
[0010] 一種改進NSGA-II的含風電場電網(wǎng)多目標規(guī)劃方法，所述含風電場電網(wǎng)多目標規(guī) 劃方法包括W下步驟：
[0011] 構(gòu)建風電場的出力模型；
[0012] 計算風電機組在公共連接點處引起的閃變值；
[0013] 構(gòu)建線路的總長度最短、風電場公共接入點處的閃變值最小的目標函數(shù)；
[0014] 通過基于NDX算子的NSGA-n算法、出力模型W及目標函數(shù)實現(xiàn)對含風電場電網(wǎng) 多目標的規(guī)劃。
[0015] 其中，所述通過基于NDX算子的NSGA-n算法、出力模型W及目標函數(shù)實現(xiàn)對含風 電場電網(wǎng)多目標的規(guī)劃的步驟具體為：
[0016] 通過直流潮流計算W及約束條件進行概率潮流分析；
[0017] 基于非劣解等級和擁擠距離，采用輪賽制選擇算子對個體進行篩選；
[001引通過NDX算子和多項式變異算子對選擇之后的個體進行交叉變異，最終利用快速 非支配排序由第一層的個體組成Pareto最優(yōu)解集。
[0019] 所述通過直流潮流計算W及約束條件進行概率潮流分析具體為：
[0020] 如果節(jié)點a-b之間的有功潮流在線路輸送容量限制之內(nèi)的抽樣分布情況大于a， 則認為節(jié)點a-b之間的線路無過負荷，否則就是有過負荷；a表示線路無過負荷的概率。
[0021] 在通過直流潮流計算W及約束條件進行概率潮流分析的步驟之前，所述含風電場 電網(wǎng)多目標規(guī)劃方法還包括：
[0022] W節(jié)點之間的擴建線路條數(shù)為控制變量，進行染色體的編碼；通過節(jié)點之間的原 有線路條數(shù)、擴建線路條數(shù)進行染色體解碼，獲取節(jié)點架設線路條數(shù)。
[0023]W節(jié)點之間最大可擴建回路數(shù)為控制變量的上限，隨機生成初始種群。
[0024] 在所述基于非劣解等級和擁擠距離，采用輪賽制選擇算子對個體進行篩選的步驟 之前，所述含風電場電網(wǎng)多目標規(guī)劃方法還包括：
[0025] 對線路無過負荷的個體利用快速非支配排序方法進行快速分層，獲得非劣解的等 級，并計算個體的擁擠距離。
[0026] 本發(fā)明提供的技術(shù)方案的有益效果是；本發(fā)明提出將NDX算子引入NSGA-II算法 中，并且將此改進的NSGA-II算法應用到考慮風機接入電能質(zhì)量的多目標電網(wǎng)規(guī)劃中，給 決策者提供盡可能多的具有代表性的非劣解，有利于其做出更合理的決策。結(jié)果表明，本發(fā) 明不僅克服了傳統(tǒng)的多目標優(yōu)化的主觀性W及一次優(yōu)化只能得到一個解的缺點，并且相對 于常規(guī)NSGA-II算法在加強全局捜索能力，提高收斂性等方面具有很大的優(yōu)越性；優(yōu)化后 所得的規(guī)劃方案不僅保證了線路投資的經(jīng)濟性，也降低了公共連接點處電能質(zhì)量的影響， 優(yōu)化的結(jié)果更為合理。
【附圖說明】
[0027] 圖1為多目標規(guī)劃優(yōu)化過程的流程圖；
[002引 圖2為局部擁擠距離示意圖；
[0029] 圖3為IE邸6節(jié)點原始系統(tǒng)圖；
[0030] 圖4為不同NSGA-II算法的Pareto解的分布示意圖；
[0031] 圖5為基于NDX算子NSGA-II算法的收斂變化的示意圖；
[003引圖6為常規(guī)NSGA-II算法的收斂變化的示意圖。
【具體實施方式】
[0033] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面對本發(fā)明實施方式作進一步 地詳細描述。
[0034] 本發(fā)明將正態(tài)分布交叉（ND幻算子引入到常規(guī)的NSGA-n算法，利用NDX算子的 空間開發(fā)能力，使捜索空間更為廣闊，提高了算法的全局捜索性能W及收斂性，從而獲得高 質(zhì)量且分布均勻的Pareto最優(yōu)解。
[003引一、基于NDX算子的NSGA-II算法
[0036] (l)NSGA-II算法的特點
[0037] 多目標遺傳算法的核屯、就是協(xié)調(diào)各目標函數(shù)之間的關(guān)系，找出使各目標函數(shù)能盡 量達到比較大（或比較?。┑淖顑?yōu)解集。Gol化ergW提出了基于Pareto最優(yōu)解的概念計 算個體適應度的方法，借助非劣解的等級和相應的選擇算子使種群在優(yōu)化過程中朝Pareto 最優(yōu)解的方向進化。在此基礎(chǔ)上誕生的NSGA算法，是基于非支配排序原理對種群中的個體 進行分類，可W得到分布均勻的非劣最優(yōu)解。但是該算法的缺點是計算復雜度偏高、進化過 程中非劣解被淘汰和共享參數(shù)需根據(jù)經(jīng)驗設定等。因此Deb?給出的NSGA-II算法，引入 快速非支配排序法和精英策略，定義擁擠度取代適應值共享，降低了算法的計算復雜性，提 高了計算效率。
[00測 似交叉算子
[0039] 1) SBX算子；
[0040] 模擬二進制交叉SBX(simulatedbinarycrossover,SB)〇算子在進化過程中，個 體產(chǎn)生方式如式（1):
[0041] si/2,i=(yi,i+y2,i)/2± 0 ? (yi,i-y2,i)/2(D
[0042] 其中，為子代個體上對應的第i個控制變量值，y和7 2,1為兩個父代個體上 對應的第i個控制變量值，0為隨機變量，i為第i個控制變量；
[0043] 在計算子代個體上的每一個控制變量時，0需要重新取值，其取值方式如式（2):
[0044]
【主權(quán)項】
1. 一種改進NSGA-II的含風電場電網(wǎng)多目標規(guī)劃方法，其特征在于，所述含風電場電 網(wǎng)多目標規(guī)劃方法包括以下步驟： 構(gòu)建風電場的出力模型； 計算風電機組在公共連接點處引起的閃變值； 構(gòu)建線路的總長度最短、風電場公共接入點處的閃變值最小的目標函數(shù)； 通過基于NDX算子的NSGA-II算法、出力模型以及目標函數(shù)實現(xiàn)對含風電場電網(wǎng)多目 標的規(guī)劃。
2. 根據(jù)權(quán)利要求1所述的一種改進NSGA-II的含風電場電網(wǎng)多目標規(guī)劃方法，其特征 在于，所述通過基于NDX算子的NSGA-II算法、出力模型以及目標函數(shù)實現(xiàn)對含風電場電網(wǎng) 多目標的規(guī)劃的步驟具體為： 通過直流潮流計算以及約束條件進行概率潮流分析； 基于非劣解等級和擁擠距離，采用輪賽制選擇算子對個體進行篩選； 通過NDX算子和多項式變異算子對選擇之后的個體進行交叉變異，最終利用快速非支 配排序由第一層的個體組成Pareto最優(yōu)解集。
3. 根據(jù)權(quán)利要求2所述的一種改進NSGA-II的含風電場電網(wǎng)多目標規(guī)劃方法，其特征 在于，所述通過直流潮流計算以及約束條件進行概率潮流分析具體為： 如果節(jié)點a-b之間的有功潮流在線路輸送容量限制之內(nèi)的抽樣分布情況大于a，則認 為節(jié)點a-b之間的線路無過負荷，否則就是有過負荷；a表示線路無過負荷的概率。
4. 根據(jù)權(quán)利要求3所述的一種改進NSGA-II的含風電場電網(wǎng)多目標規(guī)劃方法，其特征 在于，在通過直流潮流計算以及約束條件進行概率潮流分析的步驟之前，所述含風電場電 網(wǎng)多目標規(guī)劃方法還包括： 以節(jié)點之間的擴建線路條數(shù)為控制變量，進行染色體的編碼；通過節(jié)點之間的原有線 路條數(shù)、擴建線路條數(shù)進行染色體解碼，獲取節(jié)點架設線路條數(shù)。 以節(jié)點之間最大可擴建回路數(shù)為控制變量的上限，隨機生成初始種群。
5. 根據(jù)權(quán)利要求3所述的一種改進NSGA-II的含風電場電網(wǎng)多目標規(guī)劃方法，其特征 在于，在所述基于非劣解等級和擁擠距離，采用輪賽制選擇算子對個體進行篩選的步驟之 前，所述含風電場電網(wǎng)多目標規(guī)劃方法還包括： 對線路無過負荷的個體利用快速非支配排序方法進行快速分層，獲得非劣解的等級， 并計算個體的擁擠距離。
【專利摘要】本發(fā)明公開了一種改進NSGA-II的含風電場電網(wǎng)多目標規(guī)劃方法，所述含風電場電網(wǎng)多目標規(guī)劃方法包括以下步驟：構(gòu)建風電場的出力模型；計算風電機組在公共連接點處引起的閃變值；構(gòu)建線路的總長度最短、風電場公共接入點處的閃變值最小的目標函數(shù)；通過基于NDX算子的NSGA-II算法、出力模型以及目標函數(shù)實現(xiàn)對含風電場電網(wǎng)多目標的規(guī)劃。本發(fā)明不僅克服了傳統(tǒng)的多目標優(yōu)化的主觀性以及一次優(yōu)化只能得到一個解的缺點，并且相對于常規(guī)NSGA-II算法在加強全局搜索能力，提高收斂性等方面具有很大的優(yōu)越性。
【IPC分類】G06Q50-06, G06Q10-04
【公開號】CN104866919
【申請?zhí)枴緾N201510262470
【發(fā)明人】姜惠蘭, 吳玉璋, 安星, 王亞微, 高一武
【申請人】天津大學
【公開日】2015年8月26日
【申請日】2015年5月20日