CN119416918A 基于改进多目标淘金算法的港区配电网无功优化方法和系统 （国网江苏省电力有限公司常州供电分公司）

基于改进多目标淘金算法的港区配电网无本发明公开了一种基于改进多目标淘金算要包括三个方面，采用K_means聚类算法将大规据运行模式选择SST节点所对应的等效节点类型进行求解，得到对多种分布式能源的调度策源并网时引发的港区配电网电压波动越限以及2利用考虑时空特性的K_means聚类算法对配电网中不同类型能源的出力场景进行聚根据固态变压器SST的外特性选择其对应的运行模式，并建立含SS2.如权利要求1所述的基于改进多目标淘金算法的港区配电网无功优化方法，其特征在于，利用考虑时空特性的K_means聚类算法对配电网中不同类型能源的出力场景进行聚重复上述步骤直至达到设定的迭代次数，得到能够代表不同时空特性的典型出力场3.如权利要求1所述的基于改进多目标淘金算法的港区配电网无功优化方法，其特征建立以最小化网损和电压偏差为目标函数的双目标4.如权利要求1所述的基于改进多目标淘金算法的港区配电网无功优化方法，其特征对趋优式更新引入自适应模糊系数C1，随迭代进行由大到小动态;;3i;;;5.如权利要求1所述的基于改进多目标淘金算法的港区配电网无功优化方法，其特征若未达到最大迭代次数，分别计算出当前的决定因子、从最终Archive集的Pareto最优解中选择满足实际需求的无在求解过程中，每隔若干代对当前种群进行自适应网格划分，将4对个体数过多的网格进行聚类，并从每个聚类中选取一个代表性个6.如权利要求1所述的基于改进多目标淘金算法的港区配电网无功优化方法，其特征iimin和Fimax分别为第i个目标函数值的最小值和最大值；对优化算法新生成的Pareto解进行实时评价和筛选，自动化、高效地从根据优化结果对各类型分布式能源的有功出力、无功功率以及储7.如权利要求1所述的基于改进多目标淘金算法的港区配电网无功优化方法，其特征在于，所述利用考虑时空特性的K_means聚类算法对配电网中不同类型能源的出力场景进 5P(i))/∑i=1n(μ(i，j)m)更新聚类中心，为克服固定步长的局限，每次迭代通过C(j)new=Cτ分别控制初始步长和衰减速率；2)/(n8.如权利要求1所述的基于改进多目标淘金算法的港区配电网无功优化方法，其特征引入联络线开关状态变量matrix{x}和连续变量matrix{f}，将网络拓扑优化与潮流求ij9.如权利要求1所述的基于改进多目标淘金算法的港区配电网无功优化方法，其特征在以上两个指标的Pareto前沿上选取最终的最优拓扑和对应的所述存储器存储有可被所述处理器执行的指令，所述指令用于被所现权利要求1至9任一项所述的基于改进多目标淘金算法的港区配电6无功优化调度的研究引起了国内外学者广泛关注。固态变压器作为一种新型电力电子器[0007]利用考虑时空特性的K_means聚类算法对配电网中不同类型能源的出力场景进行[0011]根据本申请的一个方面，所述利用考虑时空特性的K_means聚类算法对配电网中7[0016]根据本申请的一个方面，所述根据固态变压器SST的外特性选择其对应的运行模[0021]根据本申请的一个方面，所述调用多目标淘金算法MOGRO，并引入自适应模糊系[0025]对合作式更新引入双向指引，利用前后两次迭代个体位置变化的矢量和引导更;;8[0045]利用遗传算法的二进制交叉原理对种群进行二次更新，将更新后的种群与Archive混合形成9[0058]根据本申请的一个方面，所述利用考虑时空特性的K_means聚类算法对配电网中nn为负荷节点2))[0082]根据本申请的另一个方面，还提供一种基于改进MOGRO的港区配电网无功优化系[0092]利用考虑时空特性的K_means聚类算法对配电网中不同类型能源的出力场景进行配电网运行数据划分为若干典型场景，每个场景具有相似的负荷需求和新能源出力特征。[0100]根据本申请的一个方面，所述利用考虑时空特性的K_means聚类算法对配电网中[0105]根据本申请的一个方面，所述利用考虑时空特性的K_means聚类算法对配电网中nn为负荷节点2)/(n[0117]通过蒙特卡洛仿真，生成B个与D具有相同维度和样本数的参考数据集D1，D2，=1..n[0147]其中ai为样本xi与同簇其他样本的平均距离，bi为xi与其他簇样本的最小平均距[0150]大规模配电网通常包含大量的负荷节点和电源节点，其运行场景呈现出高维度、[0152]配电网负荷具有明显的地域分布特征，相邻区域的负荷变化趋势往往具有相似向量和学习率衰减策略，可根据数据分布的特点自适应调节各属性的重要程度和更新步[0155]根据本申请的一个方面，所述根据固态变压器SST的外特性选择其对应的运行模[0205]根据本申请的一个方面，所述调用多目标淘金算法MOGRO，并引入自适应模糊系[0209]对合作式更新引入双向指引，利用前后两次迭代个体位置变化的矢量和引导更;;[0229]利用遗传算法的二进制交叉原理对种群进行二次更新，将更新后的种群与Archive混合形成2和j之间联络线的通断状态；[0290]在本申请的另一实施例中，从最终Archive集中提取出所有的非支配解，记为[0294]其中floss(Si)和fdevdevmin分别为PS中网损和电压偏差的最大最小值。[0302]在本申请的另一实施例中，对PS中每个解Si的多个目标函数值进行模糊化处理。ihighN[0340]根据本申请的另一个方面，还提供一种基于改进MOGRO的港区配电网无功优化系[0345]根据本申请的一个方面，所述K_means聚类算法的原理是通过迭代实现样本与其[0346]实施例一、提供一种基于改进多目标淘金算法的港区配电网无功优化方法和系统。所述K_means聚类算法可以将不同时空特性的大规模分布式能源出力场景聚类成典型maxD1[0426]为了对收敛程度较低的种群进行全面的局部搜索，又不破坏收敛程度较高的种