一种配电网储能电站选址定容优化方法、设备及介质与流程

1.本发明涉及电力系统领域，特别是涉及一种配电网储能电站选址定容优化方法、设备及介质。


背景技术：

2.储能电站在电网的“发-输-配-用”四个环节中均起到了良好的参与电网互动调节作用，在配电网中，确定储能电站的最优选址和定容可有效降低其运行成本。蜻蜓算法作为一种适用于多目标优化的新型群智能算法，具有优秀的全局搜索能力，能够对配电网中的储能电站选址定容问题进行求解。
3.由于每个蜻蜓个体在解空间中的位置坐标对应一种选址定容方案，在蜻蜓种群对解空间进行搜索时，若种群内存在较多经济技术不合理方案对应的蜻蜓个体，将对算法收敛的速度产生不利影响；此外，传统蜻蜓算法中的l
é
vy飞行虽然具有跳出局部最优解的能力，但受步长所限，需要经过多次迭代才能跳出局部最优解。
4.尽管传统蜻蜓算法在理论上具有全局寻优能力，但是在以储能电站选址定容为代表的多维度优化问题中，其收敛速度在很大程度上取决于蜻蜓个体在解空间中的初始坐标是否合理；传统蜻蜓算法中的l
é
vy飞行随机性很强，在多维度优化问题中对目标函数的优化作用有限。
5.因此，如何解决传统蜻蜓算法中初始值不合理导致的收敛速度慢的问题、以及l
é
vy飞行随机性强、受制于步长而需要多次迭代跳出局部最优解的问题，是本领域技术人员亟待解决的技术问题。


技术实现要素：

6.有鉴于此，本发明的目的在于提供一种配电网储能电站选址定容优化方法、设备及介质，可以避免算法陷入局部最优解，有效地提高算法的收敛速度和全局寻优能力。其具体方案如下：
7.一种配电网储能电站选址定容优化方法，包括：
8.在初始化阶段，随机生成初始蜻蜓种群，对所述初始蜻蜓种群中所有蜻蜓个体的适应度进行计算并排序，从高到低选取设定数量的适应度对应的蜻蜓个体组成优质蜻蜓种群；
9.迭代开始时，对所述优质蜻蜓种群中蜻蜓个体的目标函数值进行计算，生成食物源及天敌的位置坐标；
10.对于所述优质蜻蜓种群中的蜻蜓个体，若其领域半径内存在其他蜻蜓，则通过觅食行为和避敌行为，以设定步长向靠近食物源、远离天敌的方向移动，并通过分离、结队和聚集行为调整蜻蜓个体的位置坐标；若其领域半径内不存在其他蜻蜓，则通过l
é
vy飞行更新蜻蜓个体的位置坐标；
11.当所有蜻蜓个体的位置坐标更新完毕后，根据迭代次数及不同行为的权重值调整
设定步长及领域半径，直至在连续迭代多次后，每次迭代过程中食物源的位置坐标保持不变，或迭代次数达到预设上限值；
12.选取最后一次迭代中食物源的位置坐标对应的选址定容方案作为当前最优选址定容方案，根据当前最优选址定容方案进行配电网储能电站的规划。
13.优选地，在本发明实施例提供的上述配电网储能电站选址定容优化方法中，所述对所述初始蜻蜓种群中所有蜻蜓个体的适应度进行计算，包括：
14.根据配电网中各储能电站所在的节点之间的电气距离，计算配电网中各储能电站之间的电气距离的几何平均值；
15.根据配电网中各储能电站所在节点的负荷峰谷差值，计算配电网中所有储能电站所在节点的负荷峰谷差值的几何平均值；
16.根据计算出的两个几何平均值以及这两个几何平均值的权重，计算出所述初始蜻蜓种群中所有蜻蜓个体的适应度。
17.优选地，在本发明实施例提供的上述配电网储能电站选址定容优化方法中，配电网中各储能电站所在的节点之间的电气距离越大，所在的节点的负荷峰谷差值越大，蜻蜓个体的适应度越高。
18.优选地，在本发明实施例提供的上述配电网储能电站选址定容优化方法中，所述生成食物源及天敌的位置坐标，包括：
19.分别以所述目标函数值中最优值和最差值对应的蜻蜒位置坐标作为食物源及天敌的位置坐标。
20.优选地，在本发明实施例提供的上述配电网储能电站选址定容优化方法中，配电网中负荷峰谷差值越大的节点成为所述l
é
vy飞行的终点的概率越大；各储能电站的容量与所在节点的负荷峰谷差值成正比。
21.优选地，在本发明实施例提供的上述配电网储能电站选址定容优化方法中，在所述l
é
vy飞行中，配电网中第i个储能电站所在的节点变为当前最优选址定容方案中未设置储能电站的节点x(l)的概率p[x
t 1
(i)＝x(l)]为：
[0022][0023]
其中，s(l)表示节点x(l)的负荷峰谷差值，t表示迭代次数，k表示配电网已设置的储能站的总数量，n表示配电网中的节点总数量，s(j)表示未设置储能电站的节点中，第j个节点的负荷峰谷差值。
[0024]
优选地，在本发明实施例提供的上述配电网储能电站选址定容优化方法中，在所述l
é
vy飞行中，配电网中第i个储能电站的额定容量为：
[0025][0026]
其中，yf(i)表示当前最优选址定容方案中第i个储能电站的额定容量，xf(i)表示当前最优选址定容方案中第i个储能电站所在的节点，s[x(i)]表示x(i)节点的负荷峰谷差值。
[0027]
优选地，在本发明实施例提供的上述配电网储能电站选址定容优化方法中，所述
目标函数值为储能电站建设成本、网损成本及购电成本之和。
[0028]
本发明实施例还提供了一种电子设备，包括处理器和存储器，其中，所述处理器执行所述存储器中存储的计算机程序时实现如本发明实施例提供的上述配电网储能电站选址定容优化方法。
[0029]
本发明实施例还提供了一种计算机可读存储介质，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如本发明实施例提供的上述配电网储能电站选址定容优化方法。
[0030]
从上述技术方案可以看出，本发明所提供的一种配电网储能电站选址定容优化方法，包括：在初始化阶段，随机生成初始蜻蜒种群，对初始蜻蜒种群中所有蜻蜓个体的适应度进行计算并排序，从高到低选取设定数量的适应度对应的蜻蜓个体组成优质蜻蜓种群；迭代开始时，对优质蜻蜓种群中蜻蜓个体的目标函数值进行计算，生成食物源及天敌的位置坐标；对于优质蜻蜓种群中的蜻蜓个体，若其领域半径内存在其他蜻蜓，则通过觅食行为和避敌行为，以设定步长向靠近食物源、远离天敌的方向移动，并通过分离、结队和聚集行为调整蜻蜓个体的位置坐标；若其领域半径内不存在其他蜻蜓，则通过l
é
vy飞行更新蜻蜓个体的位置坐标；当所有蜻蜓个体的位置坐标更新完毕后，根据迭代次数及不同行为的权重值调整设定步长及领域半径，直至在连续迭代多次后，每次迭代过程中食物源的位置坐标保持不变，或迭代次数达到预设上限值；选取最后一次迭代中食物源的位置坐标对应的选址定容方案作为当前最优选址定容方案，根据当前最优选址定容方案进行配电网储能电站的规划。
[0031]
本发明提供的上述配电网储能电站选址定容优化方法经过初始化优质蜻蜓种群、蜻蜓个体的坐标迭代与l
é
vy飞行、最优解提取的整个过程来获取当前最优选址定容方案以进行配电网储能电站的规划，可以在保证蜻蜓算法的基本性能前提下，避免算法陷入局部最优解，有效地提高算法的收敛速度和全局寻优能力，更好地实现配电网储能电站的选址定容。
[0032]
此外，本发明还针对配电网储能电站选址定容优化方法提供了相应的装置、设备及计算机可读存储介质，进一步使得上述方法更具有实用性，该装置、设备及计算机可读存储介质具有相应的优点。
附图说明
[0033]
为了更清楚地说明本发明实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0034]
图1为本发明实施例提供的配电网储能电站选址定容优化方法的流程图；
[0035]
图2为本发明实施例提供的步骤s102对应的示意图；
[0036]
图3为本发明实施例提供的某地区中配电网的拓扑结构；
[0037]
图4为传统蜻蜓算法收敛过程；
[0038]
图5为本发明实施例提供的蜻蜓算法收敛过程。
具体实施方式
[0039]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0040]
本发明提供一种配电网储能电站选址定容优化方法，如图1所示，包括以下步骤：
[0041]
s101、在初始化阶段，随机生成初始蜻蜓种群，对初始蜻蜓种群中所有蜻蜓个体的适应度进行计算并排序，从高到低选取设定数量的适应度对应的蜻蜓个体组成优质蜻蜓种群；
[0042]
具体地，在初始化阶段在解空间中采用随机的方式产生初始种群，种群中的每一个蜻蜓个体在解空间中的多维坐标对应一种储能电站选址定容方案，选取适应度较高的蜻蜓个体组成优质蜻蜓种群，而适应度较高的蜻蜓个体的选择可以根据排序后的适应度，从高到低选出设定数量，例如设定数量为20，则按照排序后的适应度，从高到低选出20个蜻蜓个体组成优质蜻蜓种群。这样通过对适应度的比较与排序，可以剔除经济技术不合理方案对应的蜻蜓个体，避免了在迭代过程中由于这部分个体导致的收敛速度慢的问题。需要说明的是，之后的步骤只涉及优质蜻蜓种群，优质蜻蜓种群之外的蜻蜓不再参与迭代。
[0043]
s102、迭代开始时，对优质蜻蜓种群中蜻蜓个体的目标函数值进行计算，生成食物源及天敌的位置坐标；
[0044]
需要说明的是，在该步骤中对优质蜻蜓种群中蜻蜓个体的目标函数值进行计算之前，需要初始化步长与领域半径。计算出的蜻蜓个体的目标函数值可以为储能电站建设成本、网损成本及购电成本之和。
[0045]
s103、对于优质蜻蜓种群中的蜻蜓个体，若其领域半径内存在其他蜻蜓，则通过觅食行为和避敌行为，以设定步长向靠近食物源、远离天敌的方向移动，并通过分离、结队和聚集行为调整蜻蜒个体的位置坐标；若其领域半径内不存在其他蜻蜒，则通过l
é
vy飞行更新蜻蜒个体的位置坐标；
[0046]
在实际应用中，如图2所示，优质蜻蜒种群中的某一蜻蜒个体可以向着靠近食物源并远离天敌的方向通过觅食和避敌行为在解空间中进行移动(按规律的移动)，或，通过本发明的l
é
vy飞行进行移动(有一定随机性的移动)，其判据在于该蜻蜒个体的领域半径之内是否有其他蜻蜒个体。
[0047]
具体地，对于优质蜻蜒种群中的蜻蜒个体i，若其在解空间中的坐标与优质蜻蜒种群中的任意蜻蜒个体j的最小欧氏距离d
i.neibor
小于领域半径r，即：
[0048][0049]
其中，k表示解空间的维数，xh(i)、xh(j)分别表示蜻蜒个体i、j在第h维度中的坐标。
[0050]
上式成立则说明蜻蜒个体i的领域半径内存在其他蜻蜒个体，蜻蜒个体i将通过觅食行为和避敌行为，以某一步长向靠近食物源、远离天敌的方向移动，通过分离、结队和聚集行为调整个体在蜻蜒种群中的位置；反之，若d
i.eibor
大于等于领域半径r，则说明蜻蜒个体i的领域半径内不存在其他蜻蜒个体，蜻蜒个体i将通过本发明的l
é
vy飞行更新其位置坐
标。
[0051]
s104、当所有蜻蜒个体的位置坐标更新完毕后，根据迭代次数及不同行为的权重值调整设定步长及领域半径，直至在连续迭代多次后，每次迭代过程中食物源的位置坐标保持不变，或迭代次数达到预设上限值；
[0052]
具体地，当所有蜻蜒个体的坐标更新完毕后，更新步长与领域半径，进行下一轮迭代。当迭代次数达到上限或最小误差精度时满足要求时，根据食物源所在的多维空间坐标求得最优选址定容方案。
[0053]
s105、选取最后一次迭代中食物源的位置坐标对应的选址定容方案作为当前最优选址定容方案，根据当前最优选址定容方案进行配电网储能电站的规划；
[0054]
也就是说，在迭代终止后，食物源的位置坐标为最优搜索结果，其位置坐标对应的储能电站位置及容量即为当前最优选址定容方案。
[0055]
在本发明实施例提供的上述配电网储能电站选址定容优化方法中，经过初始化优质蜻蜒种群、蜻蜒个体的坐标迭代与l
é
vy飞行、最优解提取的整个过程来获取当前最优选址定容方案以进行配电网储能电站的规划，可以在保证蜻蜒算法的基本性能前提下，避免算法陷入局部最优解，有效地提高算法的收敛速度和全局寻优能力，更好地实现配电网储能电站的选址定容。
[0056]
进一步地，在具体实施时，在本发明实施例提供的上述配电网储能电站选址定容优化方法中，步骤s101对初始蜻蜒种群中所有蜻蜒个体的适应度进行计算，具体可以包括：
[0057]
首先，根据配电网中各储能电站所在的节点之间的电气距离，计算配电网中各储能电站之间的电气距离的几何平均值，具体公式如下：
[0058][0059]
其中，x(i)表示配电网中第i个储能电站所在的节点编号，z
x(i)，x(j)
表示配电网中x(i)、x(j)两节点之间的电气距离，l表示在配电网中各储能电站之间的电气距离的几何平均值。
[0060]
然后，根据配电网中各储能电站所在节点的负荷峰谷差值，计算配电网中所有储能电站所在节点的负荷峰谷差值的几何平均值，具体公式如下：
[0061][0062]
其中，s(i)表示配电网中第i个储能电站所在节点的负荷峰谷差值，e表示配电网中所有k个储能电站所在的节点负荷峰谷差值的几何平均值。
[0063]
最后，根据计算出的两个几何平均值以及这两个几何平均值的权重，计算出初始蜻蜒种群中所有蜻蜒个体的适应度，具体公式如下：
[0064]
a＝wl (1-w)e
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0065]
其中，w表示以上两个几何平均值的权重。
[0066]
在步骤s101根据配电网结构及各节点负荷大小，可以选取经济技术较为合理方案对应的蜻蜒个体，组成优质种群。
[0067]
由上式知，蜻蜒个体的适应度，与各储能电站之间的电气距离，以及各储能电站所在节点的负荷峰谷差值相关。在具体实施时，配电网中各储能电站所在的节点之间的电气
距离越大，所在的节点的负荷峰谷差值越大，蜻蜒个体的适应度越高。同理，各储能电站之间的电气距离越小、储能电站所在节点的负荷峰谷差值越小，其选址定容方案越不合理，同时其适应度越小。选择初始种群中适应度较高的个体，组成优质种群，可以加快迭代的收敛速度。
[0068]
在具体实施时，在本发明实施例提供的上述配电网储能电站选址定容优化方法中，步骤s102生成食物源及天敌的位置坐标，具体可以包括：分别以目标函数值中最优值和最差值对应的蜻蜒位置坐标作为食物源及天敌的位置坐标。也就是说，食物源的位置坐标是已记录的目标函数最优解，天敌的位置坐标则是已记录的目标函数最差解。
[0069]
在具体实施时，在本发明实施例提供的上述配电网储能电站选址定容优化方法中，蜻蜒个体在执行本发明的l
é
vy飞行后，其对应的选址定容方案为：配电网中负荷峰谷差值越大的节点成为l
é
vy飞行的终点的概率越大；各储能电站的容量与所在节点的负荷峰谷差值成正比。这样通过改进的l
é
vy飞行策略，能够使蜻蜒对解空间的搜索具有更强的目的性，提高算法的全局收敛性，减少传统蜻蜒算法l
é
vy飞行的随机性，在避免算法陷入局部最优解的同时，可以进一步提高全局寻优的速度，更加适用于配电网储能电站的选址定容问题求解。
[0070]
在具体实施时，在本发明实施例提供的上述配电网储能电站选址定容优化方法中，在本发明的l
é
vy飞行中，对于未处于其他蜻蜒个体领域半径内的蜻蜒个体，l
é
vy飞行后的坐标为：
[0071]
x
t 1
＝le
′
vy[x(1)，x(2)...x(k)|y(1)，y(2)...y(k)]
[0072]
＝[x
t 1
(1)，x
t 1
(2)...x
t 1
(k)|y
t 1
(1)，y
t 1
(2)...y
t 1
(k)]
ꢀꢀꢀꢀꢀꢀ
(4)
[0073]
其中，x(i)表示配电网中第i个储能电站所在的节点编号，y(i)表示第i个储能电站的额定容量，x
t
＝[x
t
(1)，x
t
(2)...x
t
(k)|y
t
(1)，y
t
(2)...y
t
(k)]表示进行第t次迭代中蜻蜒个体所在的多维空间坐标，f
t
＝[xf(1)，xf(2)...xf(k)|yf(1)，yf(2)...yf(k)]表示食物源所在的多维空间坐标。
[0074]
由于配电网中的一个节点不能同时设置两座以上储能电站，将x
t 1
(i)≠x
t 1
(j)(i≠j)设为约束条件，在本发明的l
é
vy飞行中，配电网中第i个储能电站所在的节点变为当前最优选址定容方案中未设置储能电站的节点x(l)的概率p[x
y 1
(i)＝x(l)]为：
[0075][0076]
其中，x(l)表示配电网中除xf(1)，xf(2)...xf(k)以外的节点，s(l)表示节点x(l)的负荷峰谷差值，t表示迭代次数，k表示配电网已设置的储能站的总数量，n表示配电网中的节点总数量，s(j)表示未设置储能电站的节点中，第j个节点的负荷峰谷差值。
[0077]
在本发明的l
é
vy飞行中，配电网中第i个储能电站的额定容量为：
[0078][0079]
其中，yf(i)表示当前最优选址定容方案中第i个储能电站的额定容量，xf(i)表示当前最优选址定容方案中第i个储能电站所在的节点，s[x(i)]表示x(i)节点的负荷峰谷差值。
[0080]
由上式知，除食物源所在的节点外，各节点的负荷峰谷差值越大，其越有可能成为本发明的l
é
vy飞行的终点，蜻蜒个体在本发明的l
é
vy飞行后，其对应的选址定容方案为：储能电站以较大的概率被设置在负荷峰谷差值较大的节点，各储能电站的容量与所在节点的负荷峰谷差值成正比，这一策略可以减少传统l
é
vy飞行的随机性，使蜻蜒种群跳出局部最优解，更有目的地搜索解空间，同时加快迭代的收敛速度。
[0081]
下面以某地区33节点中压配电网为例，对本发明实施例提供的上述配电网储能电站选址定容优化方法进行说明。图3为配电网的拓扑结构，电源网络首端基准电压12.66kv，系统参数见表一、表二。该地区高峰时段电价为0.6元/kwh，低谷时段电价为0.35元/kwh，电价划分高峰时段为08:00-21:00，低谷时段为21:00-08:00，储能电站设计使用寿命为5年。
[0082]
算法和模型参数如下：初始种群数量取50，优质种群数量取20；迭代次数上限100；权重值w＝0.2；收敛判据ε≤0.01；储能电站数量取3。
[0083]
首先选取目标函数，定义解空间中的各个维度和约束条件，接下来本发明实施例提供的上述配电网储能电站选址定容优化方法，具体可以包括以下步骤：
[0084]
步骤一、随机生成一组初始解，即初始种群。选取初始种群中适应度较高的个体，组成优质种群。
[0085]
步骤二、更新步长及领域半径，对蜻蜓个体的目标函数值进行计算，分别以目标函数最优、最差的蜻蜓位置坐标作为食物源及天敌的坐标。
[0086]
步骤三、处于其他蜻蜓个体领域半径中的蜻蜓，通过觅食行为和避敌行为，以某一步长向靠近食物源、远离天敌的方向移动，通过分离、结队和聚集行为调整个体在蜻蜓种群中的位置。未处于其他蜻蜓个体领域半径中的蜻蜓，则通过改进的l
é
vy飞行更新其位置坐标。
[0087]
步骤四、根据迭代次数及不同行为的权重值更新步长及领域半径。
[0088]
步骤五、进行结束判定并进行新一轮迭代。其终止条件有两条：一条是在连续迭代n次后，每次迭代过程中食物源的位置坐标保持不变时；另一条是达到预先设置的迭代次数上限时。
[0089]
步骤六、选取最后一次迭代中食物源的位置坐标，以其坐标对应的选址定容方案进行配电网储能电站的规划。
[0090]
下面以一具体算例对本发明实施例提供的上述配电网储能电站选址定容优化方法中所涉及的蜻蜓算法进行说明，具体在如图3所示的某地区中压配电网系统进行仿真分析。
[0091]
某地区中压配电网线路阻抗与节点负荷数据如表一和表二所示；
[0092]
表一 某地区中压配电网线路阻抗数据
[0093][0094][0095]
表二 某地区中压配电网节点负荷数据
[0096][0097]
采用标准蜻蜓算法和本发明的蜻蜓算法对配电网中的储能电站的位置及容量进行优化，两种算法收敛过程如附图4、5。
[0098]
本发明的蜻蜓算法在处理配电网储能电站选址定容问题时的迭代效率和收敛性好于传统蜻蜓算法，附图4、5表明在对配电网中的储能电站选址定容问题的求解上，本发明提出的蜻蜓算法是稳定且有效的。
[0099]
利用本发明的蜻蜓算法与传统蜻蜓算法进行配电网储能电站选址定容问题求解，结果见表三；
[0100]
表三 配电网储能电站选址定容仿真运行结果
[0101][0102][0103]
上述算例仿真结果表明，两种算法得出的储能电站选址定容方案，设置位置及容
量都较为接近，这说明本发明的蜻蜓算法依然保留了传统蜻蜓算法的基本性能，也证明了该选址定容方案的合理性。对于该配电网，本发明的蜻蜓算法得出的最优储能电站选址定容方案，相比于传统蜻蜓算法所得方案，网损成本下降约17.1％，总运行成本下降约4.6％，节省了23.82万元。同时，附录图4、5表明，本发明的蜻蜓算法相比于传统蜻蜓算法，收敛速度更快。
[0104]
结果表明，本发明的蜻蜓算法可有效对配电网储能电站的选址定容问题进行求解，在保证方案合理性的同时，降低网损成本及运行总成本，提高经济效益，本发明的蜻蜓算法相比于传统蜻蜓算法，迭代效率更高，全局寻优能力更强。
[0105]
相应地，本发明实施例还公开了一种电子设备，包括处理器和存储器；其中，处理器执行存储器中存储的计算机程序时实现前述实施例公开的配电网储能电站选址定容优化方法。
[0106]
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
[0107]
进一步地，本发明还公开了一种计算机可读存储介质，用于存储计算机程序；计算机程序被处理器执行时实现前述公开的配电网储能电站选址定容优化方法。
[0108]
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
[0109]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备、存储介质而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0110]
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0111]
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
[0112]
综上，本发明实施例提供的一种配电网储能电站选址定容优化方法，包括：在初始化阶段，随机生成初始蜻蜓种群，对初始蜻蜓种群中所有蜻蜓个体的适应度进行计算并排序，从高到低选取设定数量的适应度对应的蜻蜓个体组成优质蜻蜓种群；迭代开始时，对优质蜻蜓种群中蜻蜓个体的目标函数值进行计算，生成食物源及天敌的位置坐标；对于优质蜻蜓种群中的蜻蜓个体，若其领域半径内存在其他蜻蜓，则通过觅食行为和避敌行为，以设定步长向靠近食物源、远离天敌的方向移动，并通过分离、结队和聚集行为调整蜻蜓个体的位置坐标；若其领域半径内不存在其他蜻蜓，则通过l
é
vy飞行更新蜻蜓个体的位置坐标；当所有蜻蜓个体的位置坐标更新完毕后，根据迭代次数及不同行为的权重值调整设定步长及
领域半径，直至在连续迭代多次后，每次迭代过程中食物源的位置坐标保持不变，或迭代次数达到预设上限值；选取最后一次迭代中食物源的位置坐标对应的选址定容方案作为当前最优选址定容方案，根据当前最优选址定容方案进行配电网储能电站的规划。上述配电网储能电站选址定容优化方法经过初始化优质蜻蜓种群、蜻蜓个体的坐标迭代与l
é
vy飞行、最优解提取的整个过程来获取当前最优选址定容方案以进行配电网储能电站的规划，可以在保证蜻蜓算法的基本性能前提下，避免算法陷入局部最优解，有效地提高算法的收敛速度和全局寻优能力，更好地实现配电网储能电站的选址定容。此外，本发明还针对配电网储能电站选址定容优化方法提供了相应的装置、设备及计算机可读存储介质，进一步使得上述方法更具有实用性，该装置、设备及计算机可读存储介质具有相应的优点。
[0113]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0114]
以上对本发明所提供的配电网储能电站选址定容优化方法、设备及介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。