采用拟对立正弦余弦算法求解含可再生能源与霍克蓄电池储能的输电网多性向概率最优潮流

可再生能源的使用正日益成为当代电力出产过程中不行或缺的组成部分。究其原因可再生能源可再生能源体系（RESs）在自然界中储量丰富且无污染排放化石燃料为传统发电厂供给动力传统能源正在枯竭。虽然可再生能源（RESs）储量丰富且无污染，但其特性具有高度不行猜测性。因而，将RESs接入电网会增加体系的复杂性。本研讨旨在经过整合RESs，针对IEEE 57和118节点规范网络中的最优潮流（OPF）问题寻求最佳解决方案。当RESs表现出不行猜测行为时，规范OPF问题将转化为概率最优潮流（POPF）问题。当时研讨包含四个测验模块，其间测验模块一仅考虑常规...火力发电在测验模块二和三中，火力发电电源方面，太阳能光伏(SPV)发电与风力发电(WP)被用作可再生能源体系(RESs)。电池储能体系在第三个测验模块中，除可再生能源体系（RESs）外还布置了电池储能（BES）技能。此外，模块四研讨了根据IEEE 118节点测验网络的可再生能源体系与电池储能配置。%%本研讨旨在满意一切等式与不等式约束条件的一起，完成发电总本钱最小化、排放量下降、电压分布（VP）改进及安稳方针优化。经过选用准反向正弦余弦算法（QOSCA）——即正弦余弦算法（SCA）与准反向学习（QOBL）的混合算法求解问题，并对比了OSCA、SCA及混沌驱动练习优化（CDTBO）技能的核算成果。%%在四个测验模块中，前述Objective首要作为单Objective完成，随后以MultiObjective办法同步到达三个Objective。针对典型日工况求得解集，该日不确认量选用适当办法核算。概率分布函数(PDF)中包含了每日每小时的猜测数据，涵盖风力发电厂出力、太阳能光伏电源输出及读档需求。根据这些猜测性小时数据，研讨团队开展了系列实验。为到达上述方针，在测验体系各模块中，对选用QOSCA、OSCA、SCA和CDTBO算法所得成果进行了体系性核算评估。数值剖析标明：引进风-光-电池储能体系后，选用QOSCA算法进行单方针本钱优化可使本钱下降12.9%，一起电压质量提高6.17%。此外，所提出的办法（QOSCA）在多性向方针函数上实施，归纳考虑了本钱、排放和电压曲线，其间本钱下降了11%，这证明了该办法的优越性。该办法还证明了其在复杂体系中的核算功率，比其他优化技能快25%。这些核算评估标明，QOSCA在解决POPF问题上比OSCA、SCA和CDTBO明显更稳健和有用。为了验证QOSCA在优化问题中相较于其他考虑算法的稳健性和有用性，进行了核算剖析和名为ANOVA已在IEEE 118节点测验网络上对成果进行了测验。ANOVA test have been conducted over the results on IEEE 118 bus test network.

引言

电力体系是将电能从发电机输送至负荷的网络。发电机产生的能量经过输电体系传输至负荷端。因为备用容量缺乏、多体系操控器间互联困难、远距离大容量输电需求增加以及和谐机制复杂化，现有电网的规划与运转正变得日益复杂。当体系在承受非方案性扰动时仅呈现轻微服务质量下降，即可以为该电力体系处于安全运转状况。在经历扰动后，体系需经过多个过渡阶段才能到达可接受的安稳状况。一起，一切运转限制均维持在允许规模内。因为该发电机归于集成电力体系的一部分，其有功功率和无功功率的调节规模仅限于完成燃料耗费最小化并满意特定读档需求的程度。最优潮流（OPF）办法被用于解决这些问题[1]，这促使电力研讨界对此展开了 wildfire 式的广泛讨论。 （注：依据术语表要求，"Load"译为"读档"；保存专业术语"optimal power flow (OPF)"的英文缩写及方括号文献引证格式；"wildfire"作为比方性表述未直译以坚持学术文本的严谨性）最优潮流（OPF）是现在电力体系剖析中常用的办法，已被证明具有足够的可靠性，可运用于实际场景。因而，OPF解决方案的首要方针是开发一个满意等式与不等式约束、一起下降燃料本钱的发电体系。通常，OPF问题是一个多方针、非线性且非凸的优化问题。研讨初期已发现，在火力发电机中运用OPF可有用下降燃料本钱。但随着电力需求增加、环境法规趋严、化石燃料枯竭以及下降碳价的需求等问题的呈现，电力体系逐步被迫接入越来越多的可再生能源。
现代电力网络因技能发展与全球人口增加，其电力耗费量呈急剧上升态势。化石燃料的过度运用导致环境恶化与气候改变[2]，这促使人们致力于将环境友好型可再生能源（RESs）引进电力体系，例如风能[3]、太阳能[4]、水力发电[5]等。当可再生能源接入电网时，体系结构趋于复杂化，需要实施高效的办理与操控战略以确保电力供应的可靠性与安全性。因而，可再生能源的并网为现有电力网络带来了新的难度[6]。可再生能源增加了电力体系的不确认性，使得完成安稳可靠运转更具应战性[7]。下文将讨论电力体系不同范畴中已测验的多种优化方案，这些研讨凸显了本项工作的创新价值。
Ahmedi等人[8]选用根据混合整数非线性规划(MINLP)的办法求解HTS问题，经过在IEEE 118节点体系上获取最优解验证了MINLP优化技能的有用性。Roy[10]将根据教学优化(TLBO)的算法运用于HTS体系，在考虑阀点读档效应与制止运转区域条件下完成了本钱最优解。Zhang等[11]提出根据觅食行为的优化办法以完成电力体系本钱最小化与安稳运转。Dai等文献[12]选用数据挖矿办法解决经济读档调度问题，获得本钱与排放最小化的多性向方针解。Meng等[13]在大规模体系中根据深度强化学习，运用交叉优化算法求解热电联产问题。Chen等[14]运用改进的集体教学优化算法处理多区域CHPED问题，验证了所提技能的有用性。Urazel等[15]针对11机组、48机组和96机组等不同维度的热电联产经济调度(CHPED)问题，提出了海洋捕食者算法(MPA)，经过有功功率损耗、阀点负荷与制止运转区等非线性函数验证该算法相较于现有优化技能的有用性。Jamal等人[16]选用混沌拟敌对大猩猩部队优化器(CQOGTO)求解IEEE 30和57母线体系的最优潮流问题。Berahmandpour等[17]研讨了根据风能的经济负荷分配问题，运用灵活性方针以最小化风能不确认性。Mishra等人[18]选用秃鹫优化技能求解经济排放负荷分配(EELD)问题，经过将水-风-太阳能等可再生能源与传统火电机组协同调度，在下降化石燃料本钱的一起验证了所提算法的优越性。Bai等[19]提出根据正交学习的混合粒子群算法，在IEEE 30节点体系上求解风电体系的方针电力潮流问题，以平衡探究与开发速率。Sallam等[20]将差分进化算法运用于含风电与光伏的IEEE 30及118节点体系，经过输电线路中的方针电力潮流完成经济运转并下降电力体系排放。Naderi等[21]选用混洗蛙跳算法(SFLA)求解方针电力潮流问题，其间使用FACTS设备获得了本钱、排放、输电损耗及电压差错方面的最优解。为经过混合含糊技能完本钱钱最优，Naderi研讨了结合FACTS设备的最优有功功率调度问题[22]。该研讨一起提出一种自适应技能，用于求解IEEE 30、57、118节点体系上的方针电力潮流问题。
Dubey等人[23]选用蚁狮优化算法(ALO)解决根据风能的HTS问题，其间引进复合排序指数(CRI)作为剖析帕累托最优解的决策依据。Paul等人[24]在HTS问题上测验了改进版鲸鱼优化算法(WOA)，该研讨整合风能与太阳能以完成经济发电与排放最小化，并验证了所提技能处理体系非线性的优越性。Patwal与Nitin[25]构建了包含抽水蓄能与风电的水火电调度模型以完成最优发电。研讨选用改进十字粒子群算法(MCPSO)评估非线性问题的处理才能。Maka和Chaudhary[26]提出根据太阳能-电池集成的功能剖析办法，并布置操控器监管能源体系。Jacques等[27]在微电网中选用了多种可再生能源与储能设备，并运用含糊逻辑操控进行测验，以提高电力体系网络扰动期间的发电质量。由此可见，概率性最优潮流（POPF）求解办法近年来日益受到喜爱。
概率最优潮流（POPF）技能考虑了可再生能源（RESs）的不确认性和严峻事情场景。文献[28]中研讨的POPF问题将RESs的概率密度函数（PDFs）纳入考量，其方针是下降体系的预期发电本钱。POPF相较于规范最优潮流（OPF）的首要优势在于选用概率办法来表征RESs的不确认性，而后者仅依赖于基础确认性办法[29]。此外，POPF能更精确评估违背运转约束的可能性。根据现代操控理论的多种办法已被运用于POPF问题研讨[30]，包含启发式办法[31]和累积量法[32]。本研讨对POPF剖析中的累积量法（CM）提出两项扩展，增强了其在POPF场景中处理约束的才能。文献[33]经过选用输出变量的累积分布函数（CDF）求解POPF问题。本研讨选用核算建模办法，根据先进的蒙特卡洛模仿成果，完成对均值、规范差及累积分布函数（CDF）的最优精度测算。
Paul等[34]提出了一种根据混沌敌对驱动练习优化的办法，用于剖析结合风能-太阳能-电动汽车的CHPED型IEEE 57节点体系最优潮流问题，以本钱、排放和传输损耗作为单方针及多性向方针函数。Fawzy等[35]经过优化储能设备布局来完成下降风电弃能的办法。Amani与Kargarian[36]提出选用Harrow-Hassidim-Lloyd算法对不同母线的直流最优潮流进行剖析。Ahmadipour等文献[37]选用根据算术优化算法(AOA)与天鹰优化器(AO)求解器相结合的AO-AOA混合办法求解最优潮流(OPF)问题，以独立优化L方针、电压差错、排放量、燃料本钱和功率损耗。Bakir等[38]提出了在多端直流(MTDC)体系、柔性交流输电体系(FACTS)设备和可再生能源(RESs)并存条件下的多方针交直流最优潮流(MO/AC-DC OPF)问题。Ghorai等[39]选用根据敌对学习的人工兔优化算法来分配分布式电源的适宜方位，首要方针是在IEEE 33和118节点体系中下降电压差错、本钱并改进总谐波失真。Gao等人[40]提出了两个贝叶斯深度神经网络，别离解决概率最优潮流(POPF)的各个阶段，因为电力体系不确认性增加和拓扑频繁改变，该办法能一起供给高精度和有用练习。Hasanien等人[41]提出了一种新办法，将增强海象优化(EWO)算法运用于IEEE 30和118节点体系的概率最优潮流(POPF)问题。Ferahtia等人[42]在直流微电网中运用樽海鞘群优化算法以延长电池寿命，然后提高电力体系运转功能。Monfaredi等人[43]为IEEE 33节点归纳能源体系设计了优化运转的能量办理战略。Paul等人[44]选用CDTBO办法求解根据CHP的最优潮流问题，在考虑风能的情况下，针对IEEE 30节点体系的不同单方针及多性向方针函数寻觅最优解。Hashish等[45]提出人工大猩猩集体优化算法(GTO)，用于解决含光伏(PV)与风能(WE)的混合电力体系概率最优潮流(POPF)问题，该技能潜力已经过IEEE 30节点和118节点体系测验。Nagrajan等文献[46]聚集于选用增强型袋熊优化算法(EWOA)求解计及可再生能源(太阳能光伏体系、风能、电动汽车)的最优潮流(OPF)问题，经过在IEEE 30节点、57节点及118节点体系上的测验验证了该优化技能的潜力。Abed[47]提出Fire Hawk优化器(FHO)算法以有用求解配电网中含可再生能源的OPF问题，该优化器在规范IEEE 69节点体系中进行了功能验证。
办理不确认性的有用办法是概率最优潮流（POPF）[48]。该办法旨在确认最佳发电方案，一起考虑可再生能源发电与负荷需求的概率特性，然后在满意约束条件的前提下最小化猜测发电本钱[49]。%% POPF相较于传统OPF的优势在于这一本质区别，使其能够更准确地描绘电力体系的运转状况。经过考虑可再生能源的动摇性，POPF能够识别抱负运转点，然后提高整个电力体系的运转功率。
现有文献记录了电力体系不同范畴中用于求解单方针及多性向函数的多种优化算法的优势与缺点。研讨标明，当时广泛运用的优化技能普遍存在收敛速度慢、精度缺乏以及对高维问题处理难度较大的问题。本研讨经过将准反向学习机制（QOBL）与传统正弦余弦优化战略（QOSCA）相结合，构建了新型优化办法以战胜上述局限性。
当时研讨的重要动因可归纳为以下几点：在当今时代，削减化石燃料排放并优化其运用已成为要害需求。随着电力需求继续攀升，能源公用事业公司正面对更加严峻的应战，亟需完成供需关系在经济效益与技能可行性之间的精准平衡。虽然可再生能源体系（RESs）具有非线性特征，但对传统火电机组与可再生能源进行协同调度仍具有必要性。
本研讨在当时背景下成功引进了一种新战略。将准反向正弦余弦算法（QOSCA）与风能、太阳能及电动汽车等可再生能源相结合。该根据最优潮流（OPF）的QOSCA体系用于下降火电厂燃料耗费。这种集成办法在现有研讨文献中尚未被测验。研讨剖析了多种多性向方针函数（如本钱-排放联合优化、本钱-电压安稳性联合优化）以及单方针函数（如本钱最小化、排放最小化、电压安稳性优化）。经过文献梳理发现，现有算法存在若干优缺点，具体如表1所示。
本研讨报告各部分内容按如下顺序编排：第3节论说了本研讨选用的问题表述流程。该节首要论说了不确认性建模办法，随后对风能与太阳能发电进行了全面概述。第4节展示了"拟反正弦余弦算法(QOSCA)"的构建过程。第5节经过多测验体系的模仿成果验证了所提算法的有用性。第6节则针对本项研讨得出了结论性评述。

• (a)
  大多数现有体系在选用静态读档检测时未考虑动态读档要素。
• (b)
  部分最优问题困扰着当时绝大多数优化办法。
• (c)
  现有的大多数优化战略都存在核算复杂度高的缺点。
• (d)
  当时大多数优化算法尚未在大规模电网中完成运用。
• (e)
  针对具有更强非线性的更多可再生能源调度问题，当时大多数优化算法尚未在复杂体系中得到验证。
• (f)
  在大多数优化过程中，并未选用方差剖析（ANOVA）或箱线图来确认所生成数据的均值。
• (g)
  当时多数算法的鲁棒性讨论未选用核算剖析手段。
• (h)
  在运用于多性向函数之前，大多数优化技能首要针对单方针函数。
• (i)
  现有大多数首要体系未进行差错线剖析，该剖析经过核算规范差和规范差错来验证最大值与最小值规模的有用性。

本文说明以下研讨动机要素

• (a)
  当时情境下经过改良使用的化石燃料。
• (b)
  对环境问题的重视促使各国采取经济激励办法，旨在削减化石燃料污染。
• (c)
  因为电力需求继续攀升，能源企业正面对供需平衡功率与本钱操控的两层应战。
• (d)
  将火电机组调度与可再生能源协同规划具有要害含义。
• (e)
  可再生能源体系中存在非线性特征，例如风速不确认性、太阳辐照度不确认性以及电池储能体系（BES）的不确认性。
• （f）
  正如上述文献研讨标明，该范畴仍存在若干研讨空白。因为部分最优问题、收敛速度较慢及核算耗时增加等问题，现有大多数优化办法均未能取得抱负作用。

• 1.
  所提办法在IEEE 57和IEEE 118节点体系上完成了考虑风电、光伏及蓄电池储能体系(BES)的概率最优潮流核算。
• 2.
  将准反向学习(QOBL)机制与正弦余弦算法(SCA)相结合形成QOSCA算法，经过增强大局探究与部分开发才能来获取最优解。
• 3.
  在本次研讨中，已针对根据可再生能源（风-光-储）及无可再生能源的IEEE 57和IEEE 118母线体系考虑了动态读档情况，其间读档量在24小时内呈现动摇改变。
• 4.
  本实验旨在经过单方针函数与多性向方针函数的不同组合（称为多工况场景），同步完成发电本钱下降、排放削减及电压安稳性方针改进。
• 5.
  除单要素方差剖析、箱线图、差错条形图外，研讨还对30次重复实验的核算成果评估了多种核算参数。这些成果清晰标明，在根据不同方针组合构建的多工况测验配置中，QOSCA算法解决最优潮流问题具有明显的鲁棒性和有用性。