(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 202211333962.X (22)申请日 2022.10.28 (71)申请人 国网四川省电力公司成 都供电公司 地址 610000 四川省成 都市锦江区东 风路 17号西院西一楼及档案楼部分房屋 (72)发明人 郝文斌　张勇　孟志高　谢波　 李欢欢　薛静　胡一鸣　涂艳　 陈建华　 (74)专利代理 机构 成都行之专利代理事务所 (普通合伙) 51220 专利代理师 张杨 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01)G06K 9/62(2022.01) G06N 3/00(2006.01) G06N 3/04(2006.01) H02J 3/00(2006.01) H02J 3/38(2006.01) (54)发明名称 一种新型配电网系统的协调规划方法 (57)摘要 本发明涉及配电网技术领域， 公开了一种新 型配电网系统的协调规划方法， 包括： S100、 建立 配电网系统的全寿命周期成本框架， 以成本最小 作为所述配电网系统的优化目标； S200、 采集可 再生能源发电系统的出力及配网负荷， 基于人工 神经网络算法实现典型日聚类分析及选取， 得到 典型场景； S300、 构建含有多种分布式发电单元 的新型配电网系统模型； S400、 基于自适应启发 式算法的分层优化， 将所述新型配电网系统模型 的规划问题在典型场景中划分为由自适应启发 式算法求解的全局最优问题和由线性规划算法 求解的日内最优运行问题并进行分层优化求解， 并得到最终规划方案。 本发明专利考虑到新型配 电网系统全寿命周期成本， 能够为配电网规划进 行较为深入的分析。 权利要求书5页 说明书10页 附图4页 CN 115511215 A 2022.12.23 CN 115511215 A 1.一种新型配电网系统的协调规划方法， 其特 征在于， 包括： S100、 建立配电网系统的全寿命周期成本框架， 以成本最小作为所述配电网系 统的优 化目标； S200、 采集可再生能源发电系统的出力及配网负荷， 基于人工神经网络算法实现典型 日聚类分析及选取， 得到典型场景； S300、 构建含有 多种分布式发电单 元的新型配电网系统模型； S400、 基于自适应启发式算法的分层优化， 将所述新型配电网系统模型的规划问题在 典型场景中划分为由自适应启发式算法求解的全局 最优问题和由线性规划 算法求解的日 内最优运行问题并进行分层优化 求解， 并得到最终规划方案 。 2.根据权利要求1所述的一种新型配电网系 统的协调规划方法， 其特征在于， S100中， 所述配电网系统的全寿命周期成本框架包括配电网系统的设备购置成本、 运行维护成本、 老化成本以及更 换成本。 3.根据权利要求2所述的一种新型配电网系统 的协调规划方法， 其特征在于， 所述全寿 命周期成本 框架具体为： Csys＝min(Cinv+Co&m+Cod+Cp)； 其中， Csys为配电网系统的总成本， Cinv为设备购置 成本， Co&m为运行维护成本， Cod为老化 成本， Cp为更换成本； 所述设备购置成本的具体 计算方法为： Cinv＝Cpv/wi+Ctra+Cl+Cbat+Csvc； 式中， Cpv/wi为可再生能源发电系统成本， Ctra为变电站成本， Cl为线路成本， Cbat为蓄电 池成本， Csvc为无功补偿器成本； 所述运维成本的具体 计算方法为： 式中， mday为某一场景下总持续天数， nday为该场景下的编号， kd为每天的离散点数， Co&m_bat(t)为蓄电池运维成本， Co&m_pv(t)为光伏运维成本， Co&m_wi(t)为风机运维成本， Co&m_tra (t)为变电站运维成本， Co&m_svc(t)为无功补偿器运维成本， t为当前时刻； 所述老化成本计算方法为： 式中， Cod_bat(t)为蓄电池老化成本， Cod_pv(t)为光伏老化成本， Cod_wi(t)为风机老化成 本， Cod_tra(t)为变电站老化成本， Cod_svc(t)为无功补偿器老化成本， Cod_l(t)为线路老化成 本； 所述更换成本计算方法为： 式中， li为配电网系统设计的寿命年限， ltol_d为配电网系统中单一设备寿命估计年限，权　利　要　求　书 1/5 页 2 CN 115511215 A 2Cd为设备更换成本。 4.根据权利要求1所述的一种新型配电网系统 的协调规划方法， 其特征在于， S200的具 体步骤为： S210、 初始化变量， 输入建设配电网系统所在地全年可再生资源发电系 统的发电量及 负荷需求数据； S220、 采用SOM方法输入所述发电量及负荷需求数据以对所述发电量及负荷需求数据 进行聚类， 计算聚类DBI 参数获得最优聚类； S230、 采用场景树生成方法对负荷、 风光出力场景进行生成， 选取典型日的场景作 为典 型场景， 输出典型场景作为 规划方法数据基础。 5.根据权利要求4所述的一种新型配电网系统 的协调规划方法， 其特征在于， S210的具 体实现步骤为： S211、 初始化SOM网络连接 权作为随机值； S212、 初始化聚类数、 最大迭代数、 领域初始值， 确定学习初值、 输入向量初值确及输出 的神经元节点的个数， 所述输出的神经 元节点即聚类数。 6.根据权利要求5所述的一种新型配电网系统 的协调规划方法， 其特征在于， S220的具 体实现步骤为： S221、 通过欧氏距离公式计算并比较S OM网络领域中输出的神经元节点之间的距离， 找 出最小距离， 确认获胜神经 元节点； S222、 更新所述获胜神经元节点的BMU半径内的神经元节点的权重， 使用高斯函数对每 次迭代的领域大小 进行收缩， 使所述邻域的学习率和邻域随着时间的推移而调整； S223、 重复S2 22直至最大迭代数， 输出聚类结果； S224、 选取所述聚类结果中DBI 参数最小的聚类情况作为 最后结果。 7.根据权利要求6所述的一种新型配电网系 统的协调规划方法， 其特征在于， S222中， 所述领域的邻域半径可表示 为： e(n)＝e0exp(‑n/b)； 式中， e(n)为第n次更新的领域半径， e0为初始值， b为常数， 通过SOM神经网络自行设定； S224中， 所述DBI 参数的计算方法为： 式中， N为聚类总个数， Ri,j描述了聚类结果 中第i类和第j类的关系， 其值越小越好， Mi,j 表示聚类i和j的距离， Si为聚类i的欧氏距离， Sj为聚类j的欧式距离 。 8.根据权利要求7所述的一种新型配电网系统 的协调规划方法， 其特征在于， S230的具 体步骤为： S231、 计算各聚类中每一种场景之间的欧氏距离； S232、 初始化每一个时间段被选择的场景的二进制标志位， 其中， 场景被选择， 令该场 景的二进制标志 位为1， 场景被舍弃， 令该场景的二进制标志 位为0， 然后初始 化场景的概率 及场景的末时刻分支数， 其中初始状态下各场景概率为其在数据中出现的次数与数据总数 的比值；权　利　要　求　书 2/5 页 3 CN 115511215 A 3