一种含柔性多状态开关的配电网运行优化方法及系统与流程

1.本公开属于配电网技术领域，具体涉及一种含柔性多状态开关的配电网运行优化方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
3.由于分布式电源出力和负荷波动的随机性，配电网中双向潮流、电压越限等问题加剧，采用常规开关等传统调控手段难以有效解决。近年来，电力电子技术的突飞猛进为这一难题的解决提供了契机，以动态电压恢复器(dynamic voltage restorer,dvr)、有源电力滤波器(active power filter，apf)、固态变压器(solid state transformer,sst)等为代表的新型柔性配电装备正逐渐扮演起更加重要的角色。其中，低压侧面向高比例新能源接入的智能微电网的智能软开关(soft open point,sop)技术正引发新一次的研究热潮。sop技术旨在以可控电力电子变换器代替传统基于断路器的馈线联络开关，从而实现馈线间常态化柔性“软连接”，能够提供灵活、快速、精确的功率交换控制与潮流优化能力。
4.基于sop的柔性互联理念将进一步逐渐渗透到从电网到用户的各个物理层面当中，共同构成以sop为核心的智能配电网柔性互联技术体系；这不仅对sop自身装备性能提出了更高的要求，同时也对配电系统从规划到运行的各个技术环节提出了巨大挑战。
5.柔性开关设备通过准确控制两侧有功功率交换，并根据需要向两侧分别提供无功补偿来优化全网潮流分布，提供了现有配电自动化体系所不具备的实时精细潮流调节优化能力，能够快速跟踪分布式能源和负荷的动态变化，确保配电网实时处在优化的运行状态。与传统优化调度手段相比，柔性开关设备在装备特性与性能上有着巨大差异，其运行优化问题在分析手段、优化策略、协调机制等方面均面临着巨大挑战。


技术实现要素：

6.为了解决上述问题，本公开提出了一种含柔性多状态开关的配电网运行优化方法及系统，采用可控电力电子装置-柔性多状态开关来替代传统的联络开关，增加配电网运行控制的灵活性，使得配电网的运行效率达到最高。
7.根据一些实施例，本公开的第一方案提供了一种含柔性多状态开关的配电网运行优化方法，采用如下技术方案：
8.一种含柔性多状态开关的配电网运行优化方法，包括：
9.在配电网中接入含柔性多状态开关；
10.以多时段配电网运行成本最低和电压偏离最小为目标，构建含柔性多状态开关的配电网的运行模型；
11.基于改进粒子群算法对所构建的含柔性多状态开关的配电网的运行模型进行优化求解，实现配电网的优化运行。
12.作为进一步的技术限定，所述柔性多状态开关采用背靠背电压源型变流器结构，各个变流器单元直流侧通过直流母线连接，交流侧连接不同的馈线端。
13.作为进一步的技术限定，柔性多状态开关通过控制所在馈线端的有功功率和无功功率，实时调节配电网的状态。
14.作为进一步的技术限定，所述多时段配电网运行成本最低的子目标函数与传统的发电成本、分布式发电的补贴成本、输配电成本和可控负荷调度成本相关。
15.作为进一步的技术限定，所述电压偏离最小的子目标函数与节点电压幅值相关，当电压超出预设的优化区间时，通过无功控制减小电压偏移分布。
16.作为进一步的技术限定，所构建的含柔性多状态开关的配电网的运行模型的约束条件包括配电网运行约束和需求响应约束；
17.所述配电网运行约束包括潮流约束、节点电压约束和线路功率约束，所述需求响应约束包括中断容量约束、最小中断时间约束、最大中断时间约束、中断持续时间约束、中断次数约束和转移容量约束。
18.作为进一步的技术限定，所述基于改进粒子群算法对所构建的含柔性多状态开关的配电网的运行模型进行优化求解的具体过程为：
19.(1)设置粒子总数i，粒子的总维数d，最大迭代次数t
max
，初始化粒子位置x
ti
，速度v
ti
，个体最优值pbest
ti
、全局最优值gbest
t
；
20.(2)计算获得第i个粒子的动态半径ri，构建多种群，引入拓扑机制v_topo
ti
，更新惯性权重因子w、学习因子c1和c2、拓扑因子c3和种群交流因子c4；
21.(3)计算各子种群的种群最优值，得到每个子种群的种群种子x
ti.seed
；
22.(4)根据粒子个体最优值pbest
ti
、全局最优值gbest
t
、拓扑机制v_topo
ti
及种群种子x
ti.seed
更新粒子群速度v
ti
和位置x
ti
，计算适应度值fitness，更新第i个粒子在第t代的pbest
ti
，以及更新第t代的gbest
t
；
23.(5)判断此时是不是到达t
max
，如果没有，返回到(2)；若达到，算法停止并输出优化结果。
24.根据一些实施例，本公开的第二方案提供了一种含柔性多状态开关的配电网运行优化系统，采用如下技术方案：
25.一种含柔性多状态开关的配电网运行优化系统，包括：
26.接入模块，其被配置为在配电网中接入含柔性多状态开关；
27.建模模块，其被配置为以多时段配电网运行成本最低和电压偏离最小为目标，构建含柔性多状态开关的配电网的运行模型；
28.优化模块，其被配置为基于改进粒子群算法对所构建的含柔性多状态开关的配电网的运行模型进行优化求解，实现配电网的优化运行。
29.根据一些实施例，本公开的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
30.一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的含柔性多状态开关的配电网运行优化方法中的步骤。
31.根据一些实施例，本公开的第四方案提供了一种电子设备，采用如下技术方案：
32.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程
序，所述处理器执行所述程序时实现如本公开第一方面所述的含柔性多状态开关的配电网运行优化方法中的步骤。
33.与现有技术相比，本公开的有益效果为：
34.本公开建立了以多时段配电网运行成本最低和电压偏离最小为目标的含三端口柔性多状态开关的配电网运行优化模型，基于改进粒子群算法进行含柔性多状态开关配电网的运行，可有效降低网损，减小配电网运行成本，改善电压水平，使配电网更加安全经济运行；以可控负荷和柔性多状态开关协调控制，缓解了柔性多状态开关设备造价高昂、容量有限以及对配电网损耗的改善随设备数量增多而减小的问题，采用改进动态多种群粒子群算法兼顾算法的局部搜索能力，动态调整粒子群种群规模，提高了多样性，有效改进标准粒子群算法易陷入局部最优的缺点，得到理想的寻优结果。
附图说明
35.构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
36.图1是本公开实施例一中的含柔性多状态开关的配电网运行优化方法的流程图；
37.图2是本公开实施例一中的三端口柔性多状态开关接入配电网示意图；
38.图3是本公开实施例一中的改进粒子群算法流程图；
39.图4是本公开实施例一中的ieee33节点算例示意图；
40.图5是本公开实施例一中的静态优化时节点电压优化前后对比示意图；
41.图6是本公开实施例一中的静态优化时网损优化前后对比示意图；
42.图7(a)是本公开实施例一中的静态优化时柔性多状态开关各端口输出有功功率示意图；
43.图7(b)是本公开实施例一中的静态优化时柔性多状态开关各端口输出无功功率示意图；
44.图8是本公开实施例一中的分布式电源与负荷日运行曲线示意图；
45.图9(a)是本公开实施例一中的优化前后柔性多状态开关三端口所在节点18一天电压变化示意图；
46.图9(b)是本公开实施例一中的优化前后柔性多状态开关三端口所在节点25一天电压变化示意图；
47.图9(c)是本公开实施例一中的优化前后柔性多状态开关三端口所在节点33一天电压变化示意图；
48.图10(a)是本公开实施例一中的不同节点的柔性多状态开关的有功传输示意图；
49.图10(b)是本公开实施例一中的不同节点的柔性多状态开关的无功补偿示意图；
50.图11是本公开实施例一中的优化前后网损对比示意图；
51.图12是本公开实施例一中的改进粒子群算法(ipso)和标准粒子群算法(pso)的收敛曲线示意图；
52.图13是本公开实施例一中的优化前后20:00电压分布示意图；
53.图14是本公开实施例二中的含柔性多状态开关的配电网运行优化系统的结构框图。
具体实施方式
54.下面结合附图与实施例对本公开作进一步说明。
55.应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
56.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
57.在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
58.实施例一
59.本公开实施例一介绍了一种含柔性多状态开关的配电网运行优化方法。
60.如图1所示的一种含柔性多状态开关的配电网运行优化方法，包括：
61.在配电网中接入含柔性多状态开关；
62.以多时段配电网运行成本最低和电压偏离最小为目标，构建含柔性多状态开关的配电网的运行模型；
63.基于改进粒子群算法对所构建的含柔性多状态开关的配电网的运行模型进行优化求解，实现配电网的优化运行。
64.柔性多状态开关不同于传统配电网中联络开关的硬连接，是一种软连接，因此在联络开关的通和断两种运行状态之外，增加了功率连续可控状态。柔性多状态开关运行模式能够灵活切换，控制方式灵活多样，其功能是通过对全控型电力电子器件的控制来实现的，装置主要有三种：背靠背电压源型变流器(b2b vsc)、统一潮流控制器(upfc)和串联补偿器(sssc)。
65.在本实施例中，柔性多状态开关采用三端口柔性多状态开关。
66.采用如图2所示的背靠背电压源型变流器结构：各变流器单元直流侧通过直流母线连接，交流侧连接不同的馈线端。通过相应的控制策略，可以实现各端口间的功率互济，提高分布式电源消纳。调节端口无功，能实时缓解电压波动，实现电压支撑，改善电能质量。
67.柔性多状态开关能够对其所在馈线端的有功功率和无功功率进行控制，因此在设置时控制变量也就是每个端口变流器输出的有功功率和无功功率。
68.选取正常运行条件下的pq/pq/u
dc
q模式，考虑各变流器的有功损耗，三端口柔性多状态开关运行控制需满足如下约束：
69.1)传输有功功率约束：
[0070][0071][0072]
式中，p
f,1
(t)、p
f,2
(t)、p
f,3
(t)分别为t时段柔性多状态开关三端口1、2、3输出的有功功率和无功功率；p
loss,m
(t)为t时段柔性多状态开关第m个端口的有功损耗；a
f,m
(t)、p
f,m
(t)、q
f,m
(t)分别为柔性多状态开关第m个端口损耗系数、传输有功功率、输出无功功率。
[0073]
2)发出无功功率限制
[0074][0075]
式中，q
f,m
为柔性多状态开关第m个端口输出无功功率上限值。
[0076]
3)容量限制
[0077]
由于直流环节的存在，变流器的无功输出相互隔离，在建模时只需考虑各变流器的容量约束。
[0078][0079]
式中，s
f,m
为柔性多状态开关第m个端口变流器接入容量。
[0080]
柔性多状态开关的接入可以实时调节系统状态，但考虑到柔性多状态开关投资和运行维护成本较高，以及随着柔性多状态开关设备接入数量增多对配电网网损改善有限，需要考虑柔性多状态开关的协调优化。主动配电网的出现及运用，需求侧资源在电力市场中的也逐渐占据重要地位，通过削峰填谷来保障电力系统的安全可靠运行。需求响应(demand response，dr)指电力用户改变固有用电模式来响应价格信号或激励机制的市场化参与行为。
[0081]
主动配电网的发展使得配电网中的可控单元更加灵活，信息之间的交互也很迅速便捷，需求响应作为馈线端的一种控制手段，在主动配电网中有更多的应用空间。需求侧的负荷可以分为固定负荷、可中断负荷和可转移负荷。本实施例考虑对可中断负荷和可转移负荷的调控。
[0082]
假设可中断负荷和可转移负荷可根据能量管理的需求，在合同规定范围内，任意中断或连续供电，灵活参与日前或日内dr项目。
[0083][0084][0085]
式中，节点i在t时刻可作为dr的最大工业、居民用电负荷记为式中，节点i在t时刻可作为dr的最大工业、居民用电负荷记为t时段节点i的有功负荷记为p
ld.i
(t)；工业和居民用电负荷平移响应系数和中断响应系数记作γ1、γ2和η1、η2，且非0即1，是t时段节点i中当作可平移或者可中断负荷的dr；节点i中可作为dr的工业、居民用电负荷占总负荷的比例记作λi、μi、。
[0086]
针对不同问题，一般应该根据配电网的运行实际状态选取相应的目标函数，从而建立理想的优化模型。配电网运行优化中常见的目标函数有：降低网络有功损耗，改善电压水平，均衡馈线负荷等。
[0087]
为了保证配电网经济可靠运行，充分利用需求响应资源，本实施例以多时段配电网运行成本最低和电压偏离最小为优化目标，优化变量为可控负荷以及柔性多状态开关输出的有功功率、无功功率。
[0088]
配电网运行成本最低：
[0089]
min(f1)＝cg c
dg
c
l
c
dr
ꢀꢀꢀ
(7)
[0090]
其中
[0091][0092][0093]
式中，传统发电成本用cg表示；dg发电补贴成本用c
dg
表示；线路功率损耗成本，即输配电成本用c
l
表示；可控负荷调度成本记作c
dr
；优化总时间段记作t；n为系统总节点数；λ
t
为t时段电价；p
loss
(t)为线路功率损耗，包含柔性多状态开关变流器损耗；节点i相邻节点集合记作ωi；支路ij电阻记作r
ij
；i
ij
(t)为t时段节点i流向节点j的电流幅值；k为负荷类型，1表示工业负荷，2表示居民用电负荷；λ
kcl
、λ
ksl
分别为第k类可中断负荷和可转移负荷的调度成本；p
kcl,i
(t)、p
ksl,i
(t)、d
kcl,i
(t)、d
ksl,i
(t)、分别为t时段节点i第k类可中断负荷和可转移负荷的容量及调度状态(0为未调度，1为调度)。
[0094]
2)电压偏移最小
[0095]
当电压超出优化区间时，通过无功控制使电压偏移优化区间程度减少，从而改善电压分布情况。
[0096][0097]
式中，ui(t)为t时段节点i的电压幅值；u
max,i
、u
min,i
分别为节点i电压幅值上下限。
[0098]
基于判断矩阵法，确定两个目标函数各自的权重，转换为单目标函数。综合目标函数可表示为
[0099]
min f＝min(αf1 βf2)
ꢀꢀꢀ
(11)
[0100]
式中：α、β分别为各子目标的权重系数。f'1、f'2分别为f1、f2归一化，(也就是将其转换到区间[0,1]后的值,减小单位量纲不同所带来的影响)。
[0101]
所构建的含柔性多状态开关的配电网的运行模型的约束条件包括配电网运行约束和需求响应约束：
[0102]
(1)系统运行约束
[0103]
三端口柔性多状态开关运行约束采用支路潮流形式来构建辐射状配电网模型,用如下数学表达式描述：
[0104]
1)潮流约束
[0105][0106]
[0107][0108]
式中，ψi以节点i为起始节点的支路终端节点集合；фi为以节点i为终端节点的支路起始节点集合；t时段节点i流向节点k的p、q记作p
ik
(t)、q
ik
(t)；支路ji电抗记作x
ji
；pi(t)、qi(t)t时段节点i上注入p、q总和；t时段节点i上分布式电源和柔性多状态开关注入的p、q记作p
dg,i
(t)、q
dg,i
(t)和p
f,i
(t)、q
f,i
(t)；p
dr,i
(t)分别为t时段节点i上参与响应的可控负荷的有功功率和无功功率。
[0109]
2)节点电压约束
[0110]umin，i
≤ui(t)≤u
max，i
ꢀꢀꢀ
(15)
[0111]
3)线路功率约束
[0112][0113]
式中，i
max,ij
节点i流向节点j的电流最大值。
[0114]
(2)需求响应约束
[0115]
可中断负荷的中断容量和中断持续时间不能超过合同规定的上限值，且在一个调度周期内，应避免短时间频繁中断负荷，中断次数不能超过最大值。可平移负荷的转移功率和连续供电时间也不能超过上限值，且一日内只能调度一次。
[0116]
1)中断容量约束
[0117][0118]
2)最小中断时间约束
[0119][0120][0121]
3)最大中断时间约束
[0122][0123]
4)中断持续时间约束
[0124][0125]
5)中断次数约束
[0126][0127]
6)转移容量约束
[0128][0129]
7)连续供电时间约束
[0130][0131]
8)转移次数约束
[0132][0133]
式中：t
kcl,min
、t
kcl,max
、t
kcl
分别为中断持续时间、最小和最大中断时间；n
cl
为最大中断次数；t
ksl,max
为可转移负荷最大供电时间；n
sl
为可转移负荷最大转移次数。
[0134]
在本实施例中，为避免算法陷入局部最优，采用改进的粒子群算法(pso)和二进制粒子群算法(bpso)相结合求解优化时序模型；即在每次迭代过程中，对柔性多状态开关输出功率采用改进的pso进行优化，对可控负荷调度状态采用改进的bpso进行优化。
[0135]
假设配电网节点数为n，三端柔性多状态开关三端口所在节点已确定，粒子编码应由柔性多状态开关三端有功出力、无功出力、参与调度的可控负荷容量及调度状态四部分信息组成。
[0136]
x＝[p
1 p
2 p
3 q
1 q
2 q
3 p
r1 p
r2
…
p
rn d
r1 d
r2
··drn
]
ꢀꢀꢀ
(26)
[0137]
前1～6维量表示三端柔性多状态开关发出有功功率和传输无功功率，p
r1
p
r2
...p
rn
表示n个参与调度的节点的可控负荷的容量，d
r1dr2
...d
rn
表示n个参与调度的节点可控负荷的调度状态。
[0138]
如图3所示，基于柔性多状态开关的主动配电网多目标运行优化步骤为：
[0139]
(1)设置粒子总数i，粒子的总维数d，最大迭代次数t
max
，初始化粒子位置x
ti
，速度v
ti
，个体最优值pbest
ti
、全局最优值gbest
t
；
[0140]
(2)计算获得第i个粒子的动态半径ri，构建多种群，引入拓扑机制v_topo
ti
，更新惯性权重因子w、学习因子c1和c2、拓扑因子c3和种群交流因子c4；
[0141]
(3)计算各子种群的种群最优值，得到每个子种群的种群种子x
ti.seed
；
[0142]
(4)根据粒子个体最优值pbest
ti
、全局最优值gbest
t
、拓扑机制v_topo
ti
及种群种子x
ti.seed
更新粒子群速度v
ti
和位置x
ti
，计算适应度值fitness，更新第i个粒子在第t代的pbest
ti
，以及更新第t代的gbest
t
；
[0143]
(5)判断此时是不是到达t
max
，如果没有，返回到(2)；若达到，算法停止并输出优化结果。
[0144]
下面，结合实际算例分析来验证本实施例中方法的有效性：
[0145]
分析不含分布式电源的传统配电网接入柔性多状态开关时的情况，即配电网的静态潮流优化，此时配电网的波动不明显，在单一时间断面上分析柔性多状态开关的作用。
[0146]
本实施例在改进的ieee33节点算例进行分析验证，该系统包括37条支路，结构如图4所示。柔性多状态开关处于功率连续可控状态，三端口分别接在节点18、25、33，每个vsc的容量均为6mva，损耗系数均为0.02。系统电压等级为12.66kv，基准功率为100mva，节点电压幅值的优化区间为0.95-1.05。学习因子c
1i
＝c
2f
＝2.5，c
1f
＝c
2i
＝0.5，惯性权重w的上下限分别为0.9和0.4，最大迭代次数为500，种群规模为40，粒子维度为30。
[0147]
由表1及图5可知，在这个时间断面，优化前大部分节点的电压都产生了越限，其中节点18的电压明显是电压分布的最小点，此时标幺值为0.913，电压过低会危害到用电设备的正常工作状态，也会使系统的网络损耗增加。而加入三端口柔性多状态开关进行优化后，可明显看到各节点电压均被限制在优化区间内，电压波动情况明细得到改善，电压最低点18节点变为电压标幺值0.974，得到明显优化，且优化前系统网络损耗为202.67kw，优化后网络损耗为114.81kw，系统网络损耗也得到了改善，具体如图6所示。
[0148]
表1静态优化时优化前后各节点电压标幺值
[0149]
[0150]
[0151][0152]
如图7(a)和图7(b)所示的静态优化时三端柔性多状态开关各端口输出的有功功率及传输的无功功率示意图，可以看出在优化前节点18及节点33的电压均超出优化区间的下限，因此柔性多状态开关主要向各节点发出无功功率，使各节点电压得到提升。
[0153]
考虑分布式电源接入及负荷对配电网带来的波动，进行含柔性多状态开关的配电网动态潮流优化；同样在如图4所示的ieee33节点系统中进行验证分析，参数设置同静态时一致，另外在节点13、16、32分别接入750kw风电，节点7、27分别接入500kw光伏发电。节点11、21、29为可作为dr的负荷节点，作为dr的工业负荷、居民用电负荷占总负荷的比例均为30％，其中可中断负荷和可转移负荷分别占15％。工业负荷和居民用电负荷中的可中断负荷和可转移负荷各调度参数如表2所示。
[0154]
表2可控负荷参数
[0155][0156]
由于柔性多状态开关要能及时消除电压越限，因此本文考虑系统1天的运行优化，负荷曲线可由负荷预测得到，取1个小时一个点，ieee33节点系统的分布式电源和负荷日运行曲线如图8所示，可以看出，在一天之内，负荷在中午及傍晚迎来高峰期，光伏发电也主要集中在6:00到14:00点，而风力发电则在时刻处于波动中，因此整个电力系统在一天之内的运行状态处于波动中，也会带来电压波动及网络损耗问题。
[0157]
如图9(a)、图9(b)和图9(c)所示的优化前后柔性多状态开关三端口所在节点18、
25、33一天电压变化情况示意图，结合分布式电源和负荷日运行曲线可知，当dg出力较大，负荷较小时，电网电压易越优化区间上限；相反，当负荷较大，dg出力较小时，电网电压易越优化区间下限。节点18和节点33所在馈线都接入了dg，因此可看出优化前电压波动比节点25大。优化后三端口电压波动均减弱，且电压均控制在优化区间内，电压偏差为0。
[0158]
如图10(a)和图10(b)所示的三端口柔性多状态开关的有功传输和无功补偿示意图，其中无功功率上限为300kva，分布式电源无功功率设为0，因此柔性多状态开关发出无功功率主要和负荷无功功率变化相一致。当配电网运行状态维持正常时，柔性多状态开关传输有功功率；发生电压超过最低值的情况时，柔性多状态开关主要发出无功功率。
[0159]
如表3所示的优化前后配电网运行成本对比，假设传统发电成本和dg发电补贴成本保持不变，可以看出本实施例中方法优化前总成本为1509元，优化后总成本为535.2元，减少了配电网运行成本，保证系统更加经济运行。其中线路损耗由优化前的1.2575mw变为优化后的0.2865mw，如图11，极大改善了系统网损。
[0160]
表3优化前后配电网运行成本对比
[0161][0162]
基于本实施例所提出的改进动态多种群粒子群算法，结合测试函数证明了其相较与标准粒子群算法的改善能力，再次将其和标准粒子群算法同时用来计算，将两种算法得出的寻优结果进行对比分析，如图12所示的改进粒子群算法(ipso)和标准粒子群算法(pso)的收敛曲线示意图，可以看出ipso算法收敛于适应度值0.2924，而标准pso算法收敛于适应度值0.3184，即本实施例中的改进粒子群算法获得了更好的全局最优解。
[0163]
结合表4可知，本实施例所提出的ipso算法总成本及算法计算时间均优于pso算法，证明了本实施例中改进粒子群算法的优越性。
[0164]
表4改进前后算法结果对比
[0165][0166]
为了分析需求响应在优化过程中的作用，选取一个叫极端的场景进行分析，如由图10(b)可知，在20：00左右，柔性多状态开关发出无功功率达到上限，无法充分优化电压质量。此时主要依靠对可控负荷的调节来改善配电网的运行状态，在20：00时分别进行：未考虑需求响应仅基于柔性多状态开关的配电网运行优化，及考虑需求响应和柔性多状态开关协调作用的配电网运行优化。两种优化电压标幺值结果如图13所示，可以看出节点11,21,29中可作为dr的负荷通过削峰，改善了潮流分布，使电压偏差得到进一步减小。
[0167]
本实施例建立了以多时段配电网运行成本最低和电压偏离最小为目标的含三端口柔性多状态开关的配电网运行优化模型，基于改进粒子群算法进行含柔性多状态开关配
电网的运行，可有效降低网损，减小配电网运行成本，改善电压水平，使配电网更加安全经济运行；以可控负荷和柔性多状态开关协调控制，缓解了柔性多状态开关设备造价高昂、容量有限以及对配电网损耗的改善随设备数量增多而减小的问题，采用改进动态多种群粒子群算法兼顾算法的局部搜索能力，动态调整粒子群种群规模，提高了多样性，有效改进标准粒子群算法易陷入局部最优的缺点，得到理想的寻优结果。
[0168]
实施例二
[0169]
本公开实施例二介绍了一种含柔性多状态开关的配电网运行优化系统。
[0170]
如图14所示的一种含柔性多状态开关的配电网运行优化系统，包括：
[0171]
接入模块，其被配置为在配电网中接入含柔性多状态开关；
[0172]
建模模块，其被配置为以多时段配电网运行成本最低和电压偏离最小为目标，构建含柔性多状态开关的配电网的运行模型；
[0173]
优化模块，其被配置为基于改进粒子群算法对所构建的含柔性多状态开关的配电网的运行模型进行优化求解，实现配电网的优化运行。
[0174]
详细步骤与实施例一提供的含柔性多状态开关的配电网运行优化方法相同，在此不再赘述。
[0175]
实施例三
[0176]
本公开实施例三提供了一种计算机可读存储介质。
[0177]
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例一所述的含柔性多状态开关的配电网运行优化方法中的步骤。
[0178]
详细步骤与实施例一提供的含柔性多状态开关的配电网运行优化方法相同，在此不再赘述。
[0179]
实施例四
[0180]
本公开实施例四提供了一种电子设备。
[0181]
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的含柔性多状态开关的配电网运行优化方法中的步骤。
[0182]
详细步骤与实施例一提供的含柔性多状态开关的配电网运行优化方法相同，在此不再赘述。
[0183]
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。