(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211150372.3 (22)申请日 2022.09.21 (71)申请人 宁波市电力设计院有限公司 地址 315000 浙江省宁波市江北区北岸财 富中心 (72)发明人 姚艳　郑晓　谢宇哲　郭高鹏　 贺艳华　陈玄俊　刘玉婷　冯怿彬　 余萃卓　康家乐　 (74)专利代理 机构 杭州斯可 睿专利事务所有限 公司 33241 专利代理师 王利强 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01)G06N 3/00(2006.01) G06F 30/27(2020.01) H02J 3/16(2006.01) H02J 3/24(2006.01) H02J 3/32(2006.01) H02J 3/38(2006.01) G06F 111/04(2020.01) G06F 111/06(2020.01) G06F 113/04(2020.01) (54)发明名称 一种具有 储能系统的配电网优化 运行方法 (57)摘要 一种具有储能系统的配电网优化运行方法， 考虑了配电网中的分布式发电资源会影响电网 的电压分布和频率的问题； 基于混合群体智能的 配电网能量管理多目标算法， 将粒子群算法PSO 和灰狼优化算法GWO结合使用并用于解决配电系 统中提出的多目标能量管理问题， 将初始群体分 为两个子群体， 两个子群体的个体数量相等， 每 个子组通过一种GW O或PSO算法移动， 在每次迭代 中， 都会得到最佳解， 然后总体将再次组合在一 起。 本发明以最大限度的解决配电系统中提出的 多目标能量管理问题。 权利要求书4页 说明书9页 CN 115545282 A 2022.12.30 CN 115545282 A 1.一种具有储能系统的配电网优化 运行方法， 其特 征在于， 所述方法包括以下步骤： 步骤1、 设定配电网优化 运行目标函数， 过程如下： 1.1运营成本最小化 系统运行成本包括从输电系统购买的能源成本和分布式发电资源成本， 建模为(1)所 示： 式中， 和 分别为每小时从第k个变电站接收的电量及其相应的价格， 和 分 别是每小时第k个分布式发电资源的接收能量及其相应的价格， NSS是网络中的子站数， NDG 代表分布式电源的数量； 1.2可靠性评估 在可靠性评估中起重要作用的未 供应能量被视为本研究的目标， 即(2)： 其中， V包括从一个馈线馈电的所有总线， Uj,m和 是分别与 m相关的所有分支机构的 年度维修和恢复时间， NB是系统总线的数量和Pm是第m总线的有功 功率； 步骤2， 计算收回投资成本 投资成本和成本效益分析是一个对业务决策进行分析、 汇总， 然后减去与采取该行动 相关的成本的过程， 光伏和储能系统分期付 款的成本效益分析如下： 式中， OCnew是存在光伏资源和储能系统时的运营成本， 而OCold的运营成本不考虑这些 资源， npv是指净现值的系数； 式中， IC为光伏资源、 储能系统和转换器的投资成本， Npv、 Nconv和Nbat分别是光伏资源、 转换器和储能系统的数量， nage是储能系统中电池的使用寿命， ICpv,i、 ICconv,j光伏资源和第 j台变流器的投资成本， 类似地， ICbat,k是第k个储能系统的投资成本； 步骤3、 给定约束和限制 与能量管理问题对应的所有等式和不等式约束 组织为(5) ‑(14)， 其中， (5)与发电和需 求平衡有关， (6) ‑(9)是电池运行的限制， 其中电池应在一天内保存， (10) ‑(12)是功率流方 程， (13)与配电线路的容 量有关， (14)是母线电压大小的可接受边界； 权　利　要　求　书 1/4 页 2 CN 115545282 A 2式中， 是每小时从变电站接收的 电力， 是光伏资源每小时的功率， 是柴油发 电机DG每h小时的功率， 是储能系统每h小时的功率， 和 是每h小时的系统需求和有 功功率损耗， Wj,h， Wj,h‑1是每h小时和每h ‑1小时的第j个蓄电池存储器内的能量， Pch,j,h、 Pdis,j,h是第j个蓄电池在第h个小时的特定时间段(Δt＝1h)内的允许充电率、 放电率， ρch,j、 ρdis,j是第j节电池在充电、 放电过程中的效率， 是蓄电池储能中的最大、 最小能 量， 是每个时间间隔Δt＝1h内第j个蓄电池的最大充电率、 放电率， Si是通过第 i总线注入的视在功率， Pi和Qi分别是通过第i总线注入有功功率和无功功率， Vi和Vj分别为 母线i和j的电压幅值， δi和 δj分别为母线i和j的电压相角， Yij是母线i和j之间的导纳振幅， θij是母线i和j之间的导纳相位角， B是电池的最大容量， PFk和 分别是为 分支的功率流 和功率流的最大边界， 和 分别是电压幅值的最小和最大边界； 步骤4、 PSO算法和GWO算法联合处 理， 过程如下： 4.1、 GWO算法处 理过程为： GWO算法是基于灰狼的活动过程， 在狩猎时在GWO中， 前三个解决方案包括α、 β和δ， 此 外， ω表示 其余解， ω狼的数学模型写成如下： 式中， 是狼的位置向量， 是猎物的位置向量， 参数t是迭代次数， 运算符是组件式权　利　要　求　书 2/4 页 3 CN 115545282 A 3