一种基于偏好多目标算法的交直流配电网规划方法和系统与流程

1.本发明涉及配电网规划技术领域，尤其涉及一种基于偏好多目标算法的交直流配电网规划方法和系统。


背景技术：

2.随着配电网中新能源渗透率的不断提高，电力平衡的不确定性不断增加，按照传统的配电网规划方法以最大负荷进行电源和网架的规划过于保守，经济性与可靠性差，且无法实现资源的最优配置。因此，研究适用于高渗透率新能源接入的交直流配电网规划方法是一门重要课题。
3.新能源接入交直流配电网后，会影响到交直流配电网的电压偏差、网络损耗以及新能源消纳特性，现有的交直流配电网多目标规划模型中，只考虑了经济成本和可靠性，不能适应于高渗透率新能源接入的交直流配电网规划。同时，在求解多目标规划模型过程中，帕累托解较为分散，无法将算力集中到决策者的偏好解上，寻优速度慢。


技术实现要素：

4.本发明提供了一种基于偏好多目标算法的交直流配电网规划方法和系统，用于解决现有的交直流配电网多目标规划模型只考虑了经济成本和可靠性，不能适应于高渗透率新能源接入的交直流配电网规划，且在求解多目标规划模型过程中，帕累托解较为分散，无法将算力集中到决策者的偏好解上，寻优速度慢的技术问题。
5.有鉴于此，本发明第一方面提供了一种基于偏好多目标算法的交直流配电网规划方法，包括：
6.获取待优化区域的配电网参数；
7.根据待优化区域的配电网参数，构建考虑经济成本最低、可靠性最高、新能源消纳最大、电压偏差最小和网络损耗最小的交直流配电网规划模型；
8.根据基于nsgaiii的偏好多目标优化算法对交直流配电网规划模型进行求解，得到满足用户偏好的最优解，其中，基于nsgaiii的偏好多目标优化算法为将用户偏好引入到nsgaiii算法中限制目标空间大小的算法。
9.可选地，交直流配电网规划模型的目标函数包括经济成本目标函数、可靠性目标函数、新能源消纳目标函数、电压偏差目标函数和网络损耗目标函数；
10.经济成本目标函数为：
11.min f1＝c
dg
c
line
c
vsc
c
rec
c
inv
12.其中，f1为配电网的经济成本，c
dg
为分布式电源投建成本，c
line
为线路投建成本，c
vsc
为换流器投建成本，c
rec
为整流器投建成本，c
inv
为逆变器投建成本；
[0013][0014]
其中，αw、α
p
和α
ess
分别为风电、光伏和储能设备投建费用折算到每一年的费用，cw、cp
和c
ess
分别为单位容量风电、光伏和储能设备的投建成本，和分别为节点i上接入风电、光伏和储能设备的容量，ωw、ω
p
和ω
ess
分别为待选风电、光伏和储能节点的集合；
[0015][0016]
其中，α
line
为线路投建费用折算到每一年的费用，c
line
为单位长度线路的投建成本，为线路i是否投建，投建则取值为1，不投建则取值为0，ω
line
为待选线路的集合；
[0017][0018]
其中，α
vsc
为换流器投建费用折算到每一年的费用，c
vsc
为单位容量换流器的投建成本，为换流器的投建容量，ω
vsc
为待选换流器的集合；
[0019][0020]
其中，α
rec
为整流器投建费用折算到每一年的费用，mi为节点i的母线类型，c
rec
为单位容量整流器的投建成本，为节点i中直流负荷的占比，p
iload
为节点i的负荷大小，ω
load
为所有负荷节点的集合；
[0021]cinv
＝α
inv
∑(1-mi)c
inv
(1-d
dc
)p
iload
[0022]
其中，α
inv
为逆变器投建费用折算到每一年的费用，c
inv
为单位容量逆变器的投建成本；
[0023]
可靠性目标函数为：
[0024]
min f2＝k1eens k2saidi k3(1-asai)
[0025]
其中，f2为配电网的可靠性，eens、saidi和asai分别为系统期望供电量、系统平均停电持续时间和系统平均供电可用率，k1、k2和k3分别为系统期望供电量、系统平均停电持续时间和系统平均供电可用率的目标权重；
[0026]
新能源消纳目标函数为：
[0027][0028]
其中，f3为配电网的新能源消纳率，为节点i处风电在场景s中t时刻下的最大出力，为考虑潮流约束后风电的实际出力，为节点i处光伏在场景s中t时刻下的最大出力，为考虑潮流约束后光伏的实际出力；
[0029]
电压偏差目标函数为：
[0030][0031]
其中，f4为配电网的电压偏差，u
i,s,t
为节点i在场景s中t时刻下的电压大小，u
base
为电压基准值；
[0032]
网络损耗目标函数为：
[0033][0034]
其中，f5为配电网的网络损耗，为线路k在场景s中t时刻下的损耗大小，为第k个换流器在场景s中t时刻下的损耗大小。
[0035]
可选地，交直流配电网规划模型的约束条件包括投建容量上限约束、潮流约束、节点电压约束和线路传输容量约束；
[0036]
投建容量上限约束为：
[0037][0038]
其中，和分别为节点i的风电投建容量、光伏投建容量、储能投建容量和换流器投建容量，和分别为节点i的风电投建容量上限、光伏投建容量上限、储能投建容量上限和换流器投建容量上限；
[0039]
节点电压约束为：
[0040][0041]
其中，u
i,s,t
为节点i在场景s中t时刻下的电压，和分别为节点i处允许的最小电压和最大电压；
[0042]
线路传输容量约束为：
[0043][0044][0045][0046][0047]
其中，为线路k允许的最大容量，为线路k在场景s中t时刻下的有功功率，为线路k在场景s中t时刻下的无功功率；
[0048]
潮流约束为：
[0049][0050]
其中，和分别为储能充电功率和放电功率，为第i个节点在场景s中t时刻下的有功功率，为第i个节点在场景s中t时刻下的无功功率，u
j,s,t
为节点j在
场景s中t时刻下的电压，ω
ij
为首端节点为i末端节点为j的线路集合，ω
ji
为首端节点为j末端节点为i的线路集合，为首端节点为i末端节点为j的线路在场景s中t时刻下的有功功率，为首端节点为i末端节点为j的线路在场景s中t时刻下的无功功率，xk为线路k的电抗。
[0051]
可选地，根据基于nsgaiii的偏好多目标优化算法对交直流配电网规划模型进行求解，得到满足用户偏好的最优解，包括：
[0052]
s1、随机产生2n个个体的初始父代种群，根据交直流配电网规划模型的目标函数计算初始父代种群的目标值，n为任意正整数；
[0053]
s2、对所有个体进行非支配排序，分成若干非支配层，每一层内的个体相互非支配，上一层的任意个体支配下一层的所有个体；
[0054]
s3、构建种群数量为n的子代种群，从最上层非支配层开始选择个体，若当前层个体数量加上已经选择的个体数量不足n，则从下一层非支配层随机挑选，直到子代种群中的个体数量等于n；
[0055]
s4、计算子代种群中所有个体在所有目标上的最大值和最小值，并根据最大值和最小值对所有个体进行归一化；
[0056]
s5、在目标维数的空间内生成均匀分布的参考向量，计算参考向量与偏好向量的夹角，对所有参考向量与偏好向量夹角大小进行排序，选择前m》0个参考向量作为后续个体选择的基准；
[0057]
s6、计算子代种群内所有个体与参考向量的距离，将每个个体与距离个体最近的参考向量进行关联，并记录下每个参考向量关联的个体数量；
[0058]
s7、构建新种群，从关联个体数量最少的参考向量开始选择个体，并加入到新种群中，直到新种群的个体数量等于n；
[0059]
s8、对新种群进行交叉和变异，生成下一代种群，判断是否满足迭代次数要求，若是，则重新计算最优种群内所有个体的目标值，得到满足用户偏好的最优解，否则，返回步骤s2。
[0060]
可选地，计算参考向量与偏好向量的夹角的公式为：
[0061][0062]
其中，θ为参考向量与偏好向量的夹角，λ
ref
为参考向量，λ
love
为偏好向量。
[0063]
本发明第二方面提供了一种基于偏好多目标算法的交直流配电网规划系统，包括：
[0064]
参数获取模块，用于获取待优化区域的配电网参数；
[0065]
规划模型构建模块，用于根据待优化区域的配电网参数，构建考虑经济成本最低、可靠性最高、新能源消纳最大、电压偏差最小和网络损耗最小的交直流配电网规划模型；
[0066]
模型求解模块，用于根据基于nsgaiii的偏好多目标优化算法对交直流配电网规划模型进行求解，得到满足用户偏好的最优解，其中，基于nsgaiii的偏好多目标优化算法为将用户偏好引入到nsgaiii算法中限制目标空间大小的算法。
[0067]
可选地，交直流配电网规划模型的目标函数包括经济成本目标函数、可靠性目标
函数、新能源消纳目标函数、电压偏差目标函数和网络损耗目标函数；
[0068]
经济成本目标函数为：
[0069]
min f1＝c
dg
c
line
c
vsc
c
rec
c
inv
[0070]
其中，f1为配电网的经济成本，c
dg
为分布式电源投建成本，c
line
为线路投建成本，c
vsc
为换流器投建成本，c
rec
为整流器投建成本，c
inv
为逆变器投建成本；
[0071][0072]
其中，αw、α
p
和α
ess
分别为风电、光伏和储能设备投建费用折算到每一年的费用，cw、c
p
和c
ess
分别为单位容量风电、光伏和储能设备的投建成本，和分别为节点i上接入风电、光伏和储能设备的容量，ωw、ω
p
和ω
ess
分别为待选风电、光伏和储能节点的集合；
[0073][0074]
其中，α
line
为线路投建费用折算到每一年的费用，c
line
为单位长度线路的投建成本，为线路i是否投建，投建则取值为1，不投建则取值为0，ω
line
为待选线路的集合；
[0075][0076]
其中，α
vsc
为换流器投建费用折算到每一年的费用，c
vsc
为单位容量换流器的投建成本，为换流器的投建容量，ω
vsc
为待选换流器的集合；
[0077][0078]
其中，α
rec
为整流器投建费用折算到每一年的费用，mi为节点i的母线类型，c
rec
为单位容量整流器的投建成本，为节点i中直流负荷的占比，p
iload
为节点i的负荷大小，ω
load
为所有负荷节点的集合；
[0079]cinv
＝α
inv
∑(1-mi)c
inv
(1-d
dc
)p
iload
[0080]
其中，α
inv
为逆变器投建费用折算到每一年的费用，c
inv
为单位容量逆变器的投建成本；
[0081]
可靠性目标函数为：
[0082]
min f2＝k1eens k2saidi k3(1-asai)
[0083]
其中，f2为配电网的可靠性，eens、saidi和asai分别为系统期望供电量、系统平均停电持续时间和系统平均供电可用率，k1、k2和k3分别为系统期望供电量、系统平均停电持续时间和系统平均供电可用率的目标权重；
[0084]
新能源消纳目标函数为：
[0085]
[0086]
其中，f3为配电网的新能源消纳率，为节点i处风电在场景s中t时刻下的最大出力，为考虑潮流约束后风电的实际出力，为节点i处光伏在场景s中t时刻下的最大出力，为考虑潮流约束后光伏的实际出力；
[0087]
电压偏差目标函数为：
[0088][0089]
其中，f4为配电网的电压偏差，u
i,s,t
为节点i在场景s中t时刻下的电压大小，u
base
为电压基准值；
[0090]
网络损耗目标函数为：
[0091][0092]
其中，f5为配电网的网络损耗，为线路k在场景s中t时刻下的损耗大小，为第k个换流器在场景s中t时刻下的损耗大小。
[0093]
可选地，交直流配电网规划模型的约束条件包括投建容量上限约束、潮流约束、节点电压约束和线路传输容量约束；
[0094]
投建容量上限约束为：
[0095][0096]
其中，和分别为节点i的风电投建容量、光伏投建容量、储能投建容量和换流器投建容量，和分别为节点i的风电投建容量上限、光伏投建容量上限、储能投建容量上限和换流器投建容量上限；
[0097]
节点电压约束为：
[0098][0099]
其中，u
i,s,t
为节点i在场景s中t时刻下的电压，和分别为节点i处允许的最小电压和最大电压；
[0100]
线路传输容量约束为：
[0101][0102][0103][0104][0105]
其中，为线路k允许的最大容量，为线路k在场景s中t时刻下的有功功
率，为线路k在场景s中t时刻下的无功功率；
[0106]
潮流约束为：
[0107][0108]
其中，和分别为储能充电功率和放电功率，为第i个节点在场景s中t时刻下的有功功率，为第i个节点在场景s中t时刻下的无功功率，u
j,s,t
为节点j在场景s中t时刻下的电压，ω
ij
为首端节点为i末端节点为j的线路集合，ω
ji
为首端节点为j末端节点为i的线路集合，为首端节点为i末端节点为j的线路在场景s中t时刻下的有功功率，为首端节点为i末端节点为j的线路在场景s中t时刻下的无功功率，xk为线路k的电抗。
[0109]
可选地，模型求解模块具体用于执行以下步骤：
[0110]
s1、随机产生2n个个体的初始父代种群，根据交直流配电网规划模型的目标函数计算初始父代种群的目标值，n为任意正整数；
[0111]
s2、对所有个体进行非支配排序，分成若干非支配层，每一层内的个体相互非支配，上一层的任意个体支配下一层的所有个体；
[0112]
s3、构建种群数量为n的子代种群，从最上层非支配层开始选择个体，若当前层个体数量加上已经选择的个体数量不足n，则从下一层非支配层随机挑选，直到子代种群中的个体数量等于n；
[0113]
s4、计算子代种群中所有个体在所有目标上的最大值和最小值，并根据最大值和最小值对所有个体进行归一化；
[0114]
s5、在目标维数的空间内生成均匀分布的参考向量，计算参考向量与偏好向量的夹角，对所有参考向量与偏好向量夹角大小进行排序，选择前m》0个参考向量作为后续个体选择的基准；
[0115]
s6、计算子代种群内所有个体与参考向量的距离，将每个个体与距离个体最近的参考向量进行关联，并记录下每个参考向量关联的个体数量；
[0116]
s7、构建新种群，从关联个体数量最少的参考向量开始选择个体，并加入到新种群中，直到新种群的个体数量等于n；
[0117]
s8、对新种群进行交叉和变异，生成下一代种群，判断是否满足迭代次数要求，若是，则重新计算最优种群内所有个体的目标值，得到满足用户偏好的最优解，否则，返回步骤s2。
[0118]
可选地，计算参考向量与偏好向量的夹角的公式为：
[0119][0120]
其中，θ为参考向量与偏好向量的夹角，λ
ref
为参考向量，λ
love
为偏好向量。
[0121]
从以上技术方案可以看出，本发明提供的基于偏好多目标算法的交直流配电网规
划方法和系统具有以下优点：
[0122]
本发明提供的基于偏好多目标算法的交直流配电网规划方法，构建的交直流配电网规划模型在考虑了经济成本最低和可靠性最高的同时，还考虑了新能源消纳最大、电压偏差最小和网络损耗最小，更加贴近高渗透率新能源接入的交直流配电网规划场景，在模型求解过程中使用基于nsgaiii的偏好多目标优化算法对交直流配电网规划模型求得满足用户偏好的最优解，提高了多目标规划的求解速度，解决了现有的交直流配电网多目标规划模型只考虑了经济成本和可靠性，不能适应于高渗透率新能源接入的交直流配电网规划，且在求解多目标规划模型过程中，帕累托解较为分散，无法将算力集中到决策者的偏好解上，寻优速度慢的技术问题。
[0123]
本发明提供的基于偏好多目标算法的交直流配电网规划系统，用于执行本发明提供的基于偏好多目标算法的交直流配电网规划方法，其原理和所达到的技术效果与本发明提供的基于偏好多目标算法的交直流配电网规划方法相同，在此不再赘述。
附图说明
[0124]
为了更清楚的说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其他相关的附图。
[0125]
图1为本发明中提供的一种基于偏好多目标算法的交直流配电网规划方法的流程示意图；
[0126]
图2为本发明中提供的基于nsgaiii的偏好多目标优化算法对交直流配电网规划模型进行求解的逻辑框图；
[0127]
图3为本发明中提供的一种基于偏好多目标算法的交直流配电网规划系统的结构示意图。
具体实施方式
[0128]
为了使本技术领域的人员更好地理解本发明方案，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。
[0129]
为了便于理解，请参阅图1，本发明中提供了一种基于偏好多目标算法的交直流配电网规划方法的实施例，包括：
[0130]
步骤101、获取待优化区域的配电网参数。
[0131]
需要说明的是，本发明实施例中，首先获取待优化区域配电网的参数，包括多目标优化参数和约束参数。多目标优化参数包括种群数量和最大迭代次数等，约束参数即交直流配电网规划模型中所需要的约束条件的参数。
[0132]
步骤102、根据待优化区域的配电网参数，构建考虑经济成本最低、可靠性最高、新能源消纳最大、电压偏差最小和网络损耗最小的交直流配电网规划模型。
[0133]
需要说明的是，新能源接入配电网后，配电网的新能源消纳特性、电压偏差和网络
损耗都会有影响，因此，在进行待优化区域进行多目标规划模型构建时，需考虑新能源消纳最大、电压偏差最小和网络损耗最小目标。交直流配电网规划模型包括目标函数和约束条件两个部分，因此，交直流配电网规划模型的目标函数包括经济成本目标函数、可靠性目标函数、新能源消纳目标函数、电压偏差目标函数和网络损耗目标函数。具体地，经济成本目标函数为：
[0134]
min f1＝c
dg
c
line
c
vsc
c
rec
c
inv
[0135]
其中，f1为配电网的经济成本，c
dg
为分布式电源投建成本，c
line
为线路投建成本，c
vsc
为换流器投建成本，c
rec
为整流器投建成本，c
inv
为逆变器投建成本；
[0136][0137]
其中，αw、α
p
和α
ess
分别为风电、光伏和储能设备投建费用折算到每一年的费用，cw、c
p
和c
ess
分别为单位容量风电、光伏和储能设备的投建成本，和分别为节点i上接入风电、光伏和储能设备的容量，ωw、ω
p
和ω
ess
分别为待选风电、光伏和储能节点的集合；
[0138][0139]
其中，α
line
为线路投建费用折算到每一年的费用，c
line
为单位长度线路的投建成本，为线路i是否投建，投建则取值为1，不投建则取值为0，ω
line
为待选线路的集合；
[0140][0141]
其中，α
vsc
为换流器投建费用折算到每一年的费用，c
vsc
为单位容量换流器的投建成本，为换流器的投建容量，ω
vsc
为待选换流器的集合；
[0142][0143]
其中，α
rec
为整流器投建费用折算到每一年的费用，mi为节点i的母线类型，若母线类型为交流母线，则mi取值为1，若母线类型为直流母线，则mi取值为0，，c
rec
为单位容量整流器的投建成本，为节点i中直流负荷的占比，p
iload
为节点i的负荷大小，ω
load
为所有负荷节点的集合；
[0144]cinv
＝α
inv
∑(1-mi)c
inv
(1-d
dc
)p
iload
[0145]
其中，α
inv
为逆变器投建费用折算到每一年的费用，c
inv
为单位容量逆变器的投建成本；
[0146]
可靠性目标函数为：
[0147]
min f2＝k1eens k2saidi k3(1-asai)
[0148]
其中，f2为配电网的可靠性，eens、saidi和asai分别为系统期望供电量、系统平均停电持续时间和系统平均供电可用率，k1、k2和k3分别为系统期望供电量、系统平均停电持续时间和系统平均供电可用率的目标权重；
[0149]
系统平均停电持续时间saidi的计算公式为：
[0150][0151]
系统期望供电量eens的计算公式为：
[0152][0153]
系统平均供电可用率asai的计算公式为：
[0154][0155]
其中，λ
l
为线路l的故障率，cidi为节点i的年平均停电时间，saidi的单位为小时/户*年，nci为节点i承载的用户数量，eens的单位为兆瓦/年，8760的含义是一年的小时数(即一年＝8760小时)。
[0156]
新能源消纳目标函数为：
[0157][0158]
其中，f3为配电网的新能源消纳率，为节点i处风电在场景s中t时刻下的最大出力，为考虑潮流约束后风电的实际出力，为节点i处光伏在场景s中t时刻下的最大出力，为考虑潮流约束后光伏的实际出力；
[0159]
电压偏差目标函数为：
[0160][0161]
其中，f4为配电网的电压偏差，u
i,s,t
为节点i在场景s中t时刻下的电压大小，u
base
为电压基准值；
[0162]
网络损耗目标函数为：
[0163][0164]
其中，f5为配电网的网络损耗，为线路k在场景s中t时刻下的损耗大小，为第k个换流器在场景s中t时刻下的损耗大小。
[0165]
交直流配电网规划模型的约束条件包括投建容量上限约束、潮流约束、节点电压约束和线路传输容量约束；
[0166]
投建容量上限约束为：
[0167]
[0168]
其中，和分别为节点i的风电投建容量、光伏投建容量、储能投建容量和换流器投建容量，和分别为节点i的风电投建容量上限、光伏投建容量上限、储能投建容量上限和换流器投建容量上限；
[0169]
节点电压约束为：
[0170][0171]
其中，u
i,s,t
为节点i在场景s中t时刻下的电压，和分别为节点i处允许的最小电压和最大电压；
[0172]
线路传输容量约束为：
[0173][0174][0175][0176][0177]
其中，为线路k允许的最大容量，为线路k在场景s中t时刻下的有功功率，为线路k在场景s中t时刻下的无功功率；
[0178]
潮流约束为：
[0179][0180]
其中，和分别为储能充电功率和放电功率，为第i个节点在场景s中t时刻下的有功功率，为第i个节点在场景s中t时刻下的无功功率，u
j,s,t
为节点j在场景s中t时刻下的电压，ω
ij
为首端节点为i末端节点为j的线路集合，ω
ji
为首端节点为j末端节点为i的线路集合，为首端节点为i末端节点为j的线路在场景s中t时刻下的有功功率，为首端节点为i末端节点为j的线路在场景s中t时刻下的无功功率，xk为线路k的电抗。
[0181]
步骤103、根据基于nsgaiii的偏好多目标优化算法对交直流配电网规划模型进行求解，得到满足用户偏好的最优解。
[0182]
需要说明的是，基于nsgaiii的偏好多目标优化算法为将用户偏好引入到nsgaiii算法中限制目标空间大小的算法。nsgaiii算法是一种基于非支配排序的智能算法，在每次迭代中，其根据参考向量以及每个个体是否受其它个体支配来决定下一代种群，这种算法能够给出特定问题下的多目标帕累托解集，解集中的每个解都在某个目标上优于所有其它解。然而，在高维的目标空间中，非支配排序非常耗时，且对整个目标空间进行搜索将消耗巨大算例。事实上，规划人员对各个目标的重要程度是有一定要求的，称为用户偏好。如果将用户偏好引入算法中，限制目标空间的大小，将能大幅提高求解速度，且能够给出让用户
满意的解。因此，本发明实施例中，将用户偏好引入到nsgaiii算法限制目标空间大小，用于提高求得用户偏好的最优解的速度。具体地，根据基于nsgaiii的偏好多目标优化算法对交直流配电网规划模型进行求解，得到满足用户偏好的最优解的过程如图2所示，包括以下步骤：
[0183]
s1、随机产生2n个个体的初始父代种群，根据交直流配电网规划模型的目标函数计算初始父代种群t
t
的目标值，n为任意正整数。
[0184]
s2、对所有个体进行非支配排序，分成若干非支配层(自上而下分别为u1,u2,...)，每一层内的个体相互非支配，上一层的任意个体支配下一层的所有个体。
[0185]
s3、构建种群数量为n的子代种群s
t
，从最上层(u1)非支配层开始选择个体，若当前层个体数量加上已经选择的个体数量不足n，则从下一层非支配层随机挑选，直到子代种群s
t
中的个体数量等于n。
[0186]
s4、计算子代种群s
t
中所有个体在所有目标上的最大值f
max
和最小值f
min
，并根据最大值f
max
和最小值f
min
对所有个体进行归一化。
[0187]
对于取min的目标(比如经济成本、电压偏差和网络损耗)，归一化公式为：
[0188][0189]
其中，fn为归一化后的数据，f为归一化前的数据。
[0190]
对于取max的目标(比如可靠性和新能源消纳率)，归一化公式为：
[0191][0192]
s5、在目标维数的空间内生成均匀分布的参考向量，计算参考向量与偏好向量的夹角，对所有参考向量与偏好向量夹角大小进行排序，选择前m》0个参考向量作为后续个体选择的基准。
[0193]
计算参考向量与偏好向量的夹角的公式为：
[0194][0195]
其中，θ为参考向量与偏好向量的夹角，λ
ref
为参考向量，λ
love
为偏好向量。
[0196]
cosθ的值越接近1，说明参考向量越接近偏好向量，其被选择的概率也就越大。
[0197]
s6、计算子代种群s
t
内所有个体与参考向量的距离，将每个个体与距离个体最近的参考向量进行关联，并记录下每个参考向量关联的个体数量。
[0198]
s7、构建新种群t
t 1
，从关联个体数量最少的参考向量开始选择个体，并加入到新种群t
t 1
中，直到新种群的个体数量等于n。
[0199]
s8、对新种群进行交叉和变异，生成下一代种群，判断是否满足迭代次数要求，若是，则重新计算最优种群内所有个体的目标值，得到满足用户偏好的最优解，否则，返回步骤s2。
[0200]
本发明提供的基于偏好多目标算法的交直流配电网规划方法，构建的交直流配电网规划模型在考虑了经济成本最低和可靠性最高的同时，还考虑了新能源消纳最大、电压偏差最小和网络损耗最小，更加贴近高渗透率新能源接入的交直流配电网规划场景，在模
型求解过程中使用基于nsgaiii的偏好多目标优化算法对交直流配电网规划模型求得满足用户偏好的最优解，提高了多目标规划的求解速度，解决了现有的交直流配电网多目标规划模型只考虑了经济成本和可靠性，不能适应于高渗透率新能源接入的交直流配电网规划，且在求解多目标规划模型过程中，帕累托解较为分散，无法将算力集中到决策者的偏好解上，寻优速度慢的技术问题。
[0201]
为了便于理解，请参阅图3，本发明中提供了一种基于偏好多目标算法的交直流配电网规划系统的实施例，包括：
[0202]
参数获取模块，用于获取待优化区域的配电网参数；
[0203]
规划模型构建模块，用于根据待优化区域的配电网参数，构建考虑经济成本最低、可靠性最高、新能源消纳最大、电压偏差最小和网络损耗最小的交直流配电网规划模型；
[0204]
模型求解模块，用于根据基于nsgaiii的偏好多目标优化算法对交直流配电网规划模型进行求解，得到满足用户偏好的最优解，其中，基于nsgaiii的偏好多目标优化算法为将用户偏好引入到nsgaiii算法中限制目标空间大小的算法。
[0205]
交直流配电网规划模型的目标函数包括经济成本目标函数、可靠性目标函数、新能源消纳目标函数、电压偏差目标函数和网络损耗目标函数；
[0206]
经济成本目标函数为：
[0207]
min f1＝c
dg
c
line
c
vsc
c
rec
c
inv
[0208]
其中，f1为配电网的经济成本，c
dg
为分布式电源投建成本，c
line
为线路投建成本，c
vsc
为换流器投建成本，c
rec
为整流器投建成本，c
inv
为逆变器投建成本；
[0209][0210]
其中，αw、α
p
和α
ess
分别为风电、光伏和储能设备投建费用折算到每一年的费用，cw、c
p
和c
ess
分别为单位容量风电、光伏和储能设备的投建成本，和分别为节点i上接入风电、光伏和储能设备的容量，ωw、ω
p
和ω
ess
分别为待选风电、光伏和储能节点的集合；
[0211][0212]
其中，α
line
为线路投建费用折算到每一年的费用，c
line
为单位长度线路的投建成本，为线路i是否投建，投建则取值为1，不投建则取值为0，ω
line
为待选线路的集合；
[0213][0214]
其中，α
vsc
为换流器投建费用折算到每一年的费用，c
vsc
为单位容量换流器的投建成本，为换流器的投建容量，ω
vsc
为待选换流器的集合；
[0215][0216]
其中，α
rec
为整流器投建费用折算到每一年的费用，mi为节点i的母线类型，c
rec
为单位容量整流器的投建成本，为节点i中直流负荷的占比，p
iload
为节点i的负荷大小，
ω
load
为所有负荷节点的集合；
[0217]cinv
＝α
inv
∑(1-mi)c
inv
(1-d
dc
)p
iload
[0218]
其中，α
inv
为逆变器投建费用折算到每一年的费用，c
inv
为单位容量逆变器的投建成本；
[0219]
可靠性目标函数为：
[0220]
min f2＝k1eens k2saidi k3(1-asai)
[0221]
其中，f2为配电网的可靠性，eens、saidi和asai分别为系统期望供电量、系统平均停电持续时间和系统平均供电可用率，k1、k2和k3分别为系统期望供电量、系统平均停电持续时间和系统平均供电可用率的目标权重；
[0222]
新能源消纳目标函数为：
[0223][0224]
其中，f3为配电网的新能源消纳率，为节点i处风电在场景s中t时刻下的最大出力，为考虑潮流约束后风电的实际出力，为节点i处光伏在场景s中t时刻下的最大出力，为考虑潮流约束后光伏的实际出力；
[0225]
电压偏差目标函数为：
[0226][0227]
其中，f4为配电网的电压偏差，u
i,s,t
为节点i在场景s中t时刻下的电压大小，u
base
为电压基准值；
[0228]
网络损耗目标函数为：
[0229][0230]
其中，f5为配电网的网络损耗，为线路k在场景s中t时刻下的损耗大小，为第k个换流器在场景s中t时刻下的损耗大小。
[0231]
交直流配电网规划模型的约束条件包括投建容量上限约束、潮流约束、节点电压约束和线路传输容量约束；
[0232]
投建容量上限约束为：
[0233][0234]
其中，和分别为节点i的风电投建容量、光伏投建容量、储能投建容量和换流器投建容量，和分别为节点i的风电投建容量
上限、光伏投建容量上限、储能投建容量上限和换流器投建容量上限；
[0235]
节点电压约束为：
[0236][0237]
其中，u
i,s,t
为节点i在场景s中t时刻下的电压，和分别为节点i处允许的最小电压和最大电压；
[0238]
线路传输容量约束为：
[0239][0240][0241][0242][0243]
其中，为线路k允许的最大容量，为线路k在场景s中t时刻下的有功功率，为线路k在场景s中t时刻下的无功功率；
[0244]
潮流约束为：
[0245][0246]
其中，和分别为储能充电功率和放电功率，为第i个节点在场景s中t时刻下的有功功率，为第i个节点在场景s中t时刻下的无功功率，u
j,s,t
为节点j在场景s中t时刻下的电压，ω
ij
为首端节点为i末端节点为j的线路集合，ω
ji
为首端节点为j末端节点为i的线路集合，为首端节点为i末端节点为j的线路在场景s中t时刻下的有功功率，为首端节点为i末端节点为j的线路在场景s中t时刻下的无功功率，xk为线路k的电抗。
[0247]
模型求解模块具体用于执行以下步骤：
[0248]
s1、随机产生2n个个体的初始父代种群，根据交直流配电网规划模型的目标函数计算初始父代种群的目标值，n为任意正整数；
[0249]
s2、对所有个体进行非支配排序，分成若干非支配层，每一层内的个体相互非支配，上一层的任意个体支配下一层的所有个体；
[0250]
s3、构建种群数量为n的子代种群，从最上层非支配层开始选择个体，若当前层个体数量加上已经选择的个体数量不足n，则从下一层非支配层随机挑选，直到子代种群中的个体数量等于n；
[0251]
s4、计算子代种群中所有个体在所有目标上的最大值和最小值，并根据最大值和最小值对所有个体进行归一化；
[0252]
s5、在目标维数的空间内生成均匀分布的参考向量，计算参考向量与偏好向量的
夹角，对所有参考向量与偏好向量夹角大小进行排序，选择前m》0个参考向量作为后续个体选择的基准；
[0253]
s6、计算子代种群内所有个体与参考向量的距离，将每个个体与距离个体最近的参考向量进行关联，并记录下每个参考向量关联的个体数量；
[0254]
s7、构建新种群，从关联个体数量最少的参考向量开始选择个体，并加入到新种群中，直到新种群的个体数量等于n；
[0255]
s8、对新种群进行交叉和变异，生成下一代种群，判断是否满足迭代次数要求，若是，则重新计算最优种群内所有个体的目标值，得到满足用户偏好的最优解，否则，返回步骤s2。
[0256]
计算参考向量与偏好向量的夹角的公式为：
[0257][0258]
其中，θ为参考向量与偏好向量的夹角，λ
ref
为参考向量，λ
love
为偏好向量。
[0259]
本发明提供的基于偏好多目标算法的交直流配电网规划系统，用于执行本发明提供的基于偏好多目标算法的交直流配电网规划方法，其原理和所达到的技术效果与本发明提供的基于偏好多目标算法的交直流配电网规划方法相同，在此不再赘述
[0260]
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。