1.本发明涉及配电网新能源承载力评估技术领域，特别涉及一种基于蝠鲼觅食优化算法的配电网新能源承载力评估方法。
背景技术：2.我国地域辽阔，风光等可再生能源丰富，为了推动建设以新能源为主体的新型电力系统，助力我国实现“双碳目标”，国家大力推动新能源的建设和大规模的可再生能源并网。2021年6月20日，根据下发的《关于报送整县(市、区)屋顶分布式光伏开发试点方案的通知》，启动整县(市、区)推进屋顶分布式光伏开发试点工作，主要目的就是充分调动和发挥地方积极性，扩大屋顶分布式光伏建设规模。《国家能源局关于2021年风电、光伏发电开发建设有关事项的通知》鼓励大规模的新能源并网。
3.但是由于新能源出力的波动性和随机性，大规模的新能源并网不仅改变了潮流分布，也严重威胁到配电网的电能质量，引起电压偏差、电压波动、热稳定校验不合格等问题，影响电力系统的安全稳定运行。因此，在进行配电网新能源的规划建设前，对配电网的新能源承载力进行评估是十分有必要的。
4.配电网新能源的承载力是指在不违背系统正常运行技术指标的约束，分布式电源能够接入电网的最大容量极限值。影响分布式电源接入电网容量的因素很多，例如：电压偏差、电压波动、热稳定校验、短路电流等。
5.现有技术中关于分析影响分布式电源接入电网容量的因素的内容有：
6.邹宏亮、韩翔宇、廖清芬、刘涤尘、朱振山、陈炜等人于2016年在“电网技术”上发表的“考虑电压质量与短路容量约束的分布式电源准入容量分析”，该方案考虑了电压质量和短路容量的约束，采用遗传算法对配电网的新能源承载力进行评估。该方案只考虑了承载力评估中的电压质量和短路容量，并没有考虑承载力评估中的热稳定约束。除此之外，采用遗传算法进行求解容易陷入局部最优解，且需要迭代的次数多，求解效率不高。
7.另外，传统的配电网承载力计算方法多采用分段计算法，该方法将不同节点的新能源容量按照一定的步长δs划分为一系列离散的容量值，新能源容量按照步长δs逐段的变化，直到承载力评估中的其中任意一个指标发生越限。该方法的精度很大程度上取决于步长δs的大小，若步长选择不合适，则承载力评估的结果可信度不高，同时该方法的求解效率低下，不适用于大规模多节点的新能源接入的情况。
8.综上所述，基于传统遗传算法的考虑电压质量和短路电流的配电网新能源承载力的评估模型中考虑的约束并不全面，而且求解算法不能保证全局最优性和计算效率。
技术实现要素：9.本发明提出了一种基于多策略改进自适应蝠鲼觅食优化算法(msamrfo)的配电网新能源承载力评估方法。可以解决现有技术中评估模型中考虑的约束并不全面，求解算法不能保证全局最优性和计算效率的问题。
10.本发明采用了一种收敛速度更快、全局寻优能力更强的启发式算法——多策略改进自适应蝠鲼觅食优化算法(msamrfo)对配电网接入新能源的承载力进行计算。蝠鲼觅食优化算法(mrfo)是一种模仿蝠鲼在海洋中的觅食过程，针对不同的捕食策略进行数学建模，对蝠鲼个体的位置更新的方式进行数学描述。mrfo有为3种捕食策略，分别为链式觅食，螺旋觅食和翻滚觅食。
11.本发明的目的是通过以下技术方案实现的：
12.基于蝠鲼觅食优化算法的配电网新能源承载力评估方法，包括以下步骤：
13.输入要计算承载力的配电网网架数据，并根据配电网的资源禀赋情况，确定新能源的接入节点；
14.形成配电网新能源承载力指标评估体系，构建新能源接入的承载力评估计算模型；
15.采用msamrfo算法对所建立的承载力评估计算模型进行求解。
16.进一步的，所述形成配电网新能源承载力指标评估体系，构建新能源接入的承载力评估计算模型包括：
17.设定承载力评估计算模型的边界条件；
18.构建承载力指标评估体系；
19.计算新能源接入配电网的承载力。
20.进一步的，所述设定承载力评估计算模型的边界条件包括：
21.分析不同新能源类型的短路电流；
22.根据电压降公式计算电压参数。
23.进一步的，所述构建承载力指标评估体系包括：
24.根据电网运行方式计算反向负载率，确定热稳定性约束，即反向负载率的约束γ，γ≤80％；
25.确定电压偏差约束：其中：vn为电网的额定电压，ε为电压偏差率，vi为节点i电压；
26.确定电压波动约束：di≤d
max
，其中，di为相应运行方式下节点i的电压波动百分值；d
max
为技术导则规定的电压波动最大允许值；
27.确定短路电流约束：if＜i
fmax
，其中if为节点的短路电流，i
fmax
为配电系统允许的短路电流的限值。
28.进一步的，所述计算新能源接入配电网的承载力包括：
29.设置新能源允许接入配电网的最大容量的目标函数：其中，p
newi
为第i个新能源的并网功率，m为新能源的数量，为第i个新能源的功率因素，f为配电系统的最大新能源接入容量；
30.确定潮流方程约束；
31.确定新能源出力约束：其中，p
new,i
,q
new,i
分别为新能源有功出力和无功出力，p
newmax
,q
newmax
分别为新能源有功出力的最大值和无功出力的最大值，为功
率因素角；
32.确定新能源承载力评估指标约束。
33.进一步的，所述采用msamrfo算法对所建立的承载力评估计算模型进行求解的过程包括：
34.半数均匀初始化：将初始种群群体对半划分为两个子种群，分别记为子种群1和子种群2，子种群1采用和传统mrfo算法相同的随机初始化的方式，子种群2将采用半数均匀初始化策略来保证整个种群群体的多样化；
35.计算适应度函数：计算种群的适应度值，对于违反约束条件的种群加入罚函数值；
36.更新种群的位置：根据海洋生物蝠鲼的觅食行为分为三种更新种群的位置的策略，即自适应链式觅食、自适应螺旋觅食和自适应翻滚觅食；
37.种群的个体更新：若迭代后个体的适应度值大于迭代前的适应度值，则将用迭代后的个体代替迭代前的个体，否则，将不进行替换；
38.种群的收敛程度判断：采用群体适应度方差、种群平均聚集距离和聚集程度阈值来判断种群是否达到全局收敛或者陷入局部最优，若陷入局部最优，则通过对设定的变异概率的局部最优解进行变异操作使其跳出局部最优解。
39.进一步的，所述半数均匀初始化策略的数学模型为：
[0040][0041]
其中，p
low
,p
up
分别表示种群的搜索空间的下限和上限；rand()表示随机函数；p
i,1
,p
j,2
分别为子种群1的第i个个体的随机初始值和分别为子种群2的第j个个体的随机初始值；n为种群群体的个体数。
[0042]
进一步的，所述群体适应度方差的表达式为：
[0043]
式中，fiti为第i个个体的适应度函数值，fit
avg
是该种群适应度的均值，fit为归一化定标因子；
[0044]
所述种群平均聚集距离的表达式为：
[0045]
所述聚集程度阈值的表达式为：
[0046]
式中，为种群第t次迭代搜索到的最优解的第d维位置，为第i个个体的历史最优解的第d维位置；d表示种群的维数。
[0047]
进一步的，所述变异概率为0.1到0.3之间。
[0048]
进一步的，对局部最优解进行变异操作的公式如下：
[0049][0050]
式中，为局部最优解，η是一个服从标准正态分布的随机数。
[0051]
本发明的基于多策略改进自适应蝠鲼觅食优化算法的配电网新能源承载力评估方法，所建立的模型中考虑的指标约束较为全面。同时，本发明采取多策略改进自适应蝠鲼觅食优化算法(msamrfo)，该方法是一种更加高效和精确的求解方法。除此之外，本发明对一般的蝠鲼算法(mrfo)做了一些改进，首先在种群的初始化方面，提出了半数均匀初始化策略以提高种群的多样性；其次，采用新的指数变化权重因子，msamrfo在进行链式搜索和螺旋觅食中引入sigmoid函数，将原来的随机步长改为变步长，使得种群能更好的平衡全局寻优和局部搜索，同时还能加快全局寻优收敛速度；最后，为了保证全局收敛，判断种群是否落入局部最优，分别计算种群的适应度方差和粒子的聚集距离对种群是否落入局部最优进行判别，并对落入局部最优的种群按照一定的变异概率进行变异。
附图说明
[0052]
图1为本发明的基于多策略改进自适应蝠鲼觅食优化算法的配电网新能源承载力评估的求解框架；
[0053]
图2配电网新能源承载力计算评估指标体系；
[0054]
图3本发明配电网新能源承载力评估方法的流程图；
[0055]
图4为某10kv配电网模型示意图。
具体实施方式
[0056]
下面结合附图对本公开实施例进行详细描述。
[0057]
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
[0058]
本发明的基于多策略改进自适应蝠鲼觅食优化算法的配电网新能源承载力评估方法，如图1所示，包括以下步骤：
[0059]
步骤s1、输入要计算承载力的配电网网架数据，并根据配电网的资源禀赋情况，确定新能源的接入节点。
[0060]
对于一个配电网而言，节点所在的地理位置受到自然条件的限制，在配网中只有几个节点具备规划建设新能源的能力，配电网运营商在规划前是事先可知的，因此，在进行承载力的评估计算时，为了更加贴合实际情况，本发明认为新能源接入配电网的节点已知。
[0061]
步骤s2、形成配电网新能源承载力指标评估体系，构建新能源接入的承载力评估计算模型。
[0062]
步骤s2是根据《分布式电源接入电网承载力评估导则》(dl/t2041-2019)中的要求
进行的，具体的实现过程如下：
[0063]
步骤s201、设定承载力评估计算模型的边界条件。
[0064]
进一步的，在本技术的一种优选实施方式中，设定承载力评估计算模型的边界条件的过程包括：
[0065]
步骤s2011、分析不同新能源类型的短路电流。
[0066]
配电网接入新能源后，将由原来传统的单电源供电模式转变为双电源甚至多电源供电模式，配电网故障电流的大小、方向及持续时间会随之改变。新能源按照接口类型可分为逆变器接口类型(如光伏)、同步电机类型(如气电)、异步电机类型(风电)三类。这三类新能源电源有不同的短路电流特性。
[0067]
逆变器型新能源：不具备低电压穿越能力，一旦并网点电压低于0.9p.u.，电源直接从电网断开，提供的短路电流为0。当新能源电源具备低电压穿越能力时，短路电流的故障特性取决于逆变器的控制特性，为了保护变换器要保证在电力系统发生短路时的短路电流不能超过逆变器的限定值，通常在逆变器控制回路中的电流内环加入饱和模块。当发生故障时，内环参考电流将受到限制，通过设置饱和模块的上限，从而使故障电流限制在允许的范围内。各厂家所采用的逆变器控制策略不同——主要体现在短路瞬间冲击电流的幅值及持续时间略有不同，达到稳态以后，稳态值略有不同。但综合来看，稳定后短路电流最大约是额定电流的1.2～1.5倍。
[0068]
同步电机型新能源：根据相关研究，同步发电机类型的新能源电源在短路瞬间最高能提供10倍的冲击电流，随后逐渐衰减到2～4倍额定电流。
[0069]
感应发电机型新能源：结合相关学者的研究，异步发电机类型的新能源电源短路瞬间冲击电流最大可至10倍额定电流，10个周波后衰减至零。
[0070]
从结论可知，最大的故障电流注入能力可以达到10倍额定电流，该值可用于短路计算以确定最坏的故障情况。在分析其对继电保护的影响时，需要区分不同类型的电源注入短路电流的大小与周波次数，逆变器型电源短路电流小，影响相对较小。
[0071]
步骤s2012、根据电压降公式计算电压参数。
[0072]
忽略电压降落的横分量，新能源接入电网后，配电网馈线潮流分布随之变化。根据电压降公式：
[0073][0074]
式中：v0为首端电压，δv为电压降落，v为接入节点电压，当pl＜p0时，r、x为最大值时，即新能源集中接入线路末端为极端情况，若此时线路电压不越限，其他分布方式也可满足电压要求。
[0075]
步骤s202、构建承载力评估计算的指标体系。
[0076]
进一步的，在本技术的一种优选实施方式中，构建承载力指标评估体系包括：
[0077]
步骤s2021、根据电网运行的各种运行方式计算反向负载率，确定热稳定性约束，即反向负载率的约束。
[0078]
大规模的新能源并网，极大的改变的原来单向流动的潮流，会导致潮流发生双向流动，甚至向上级电网送电。配电网的输变电设备是热稳定性评估的对象，输变电设备的热稳定不能超过规定的限制。热稳定性评估根据电网运行的各种运行方式下计算反向负载
率。反向负载率的计算公式如下。
[0079][0080]
式中，p
new
为总的新能源出力，p
load
为总的负荷大小，s
tran
表示变压器的容量。
[0081]
反向负载率的约束如下：
[0082]
γ≤80％
ꢀꢀꢀꢀ
(3)
[0083]
热稳定性评估应采用评估周期内反向负载率γ的最大值γ
max
作为评估指标。待评估的配电网内可新增加新能源的容量为sm：
[0084]
sm＝(1-γ
max
)*s
tran
*krꢀꢀꢀꢀ
(4)
[0085]
式中，kr为变压器设备运行的裕度系数，通常为0.8。
[0086]
步骤s2022、确定电压偏差约束。
[0087]
忽略电压降落的横分量，线路上电压损耗为：
[0088][0089]
式中：ξ为线路的集合，节点i和j分别表示线路的首末端节点，p
ij
和q
ij
分别为线路的有功功率和无功功率，r
ij
和x
ij
分别为配电线路的电阻和电抗；vi为节点i电压。
[0090]
末端电压为首端电压与线路损耗电压之差，即
[0091][0092]
《电能质量-供电电压偏差》gb/t12325-2008对电压偏差做出了详尽规定，电压偏差率一般取ε＝0.07。新能源的最大准入容量计算模型的电压偏差约束采用国标相关规定值，具体式如下。
[0093][0094]
式中，vn为电网的额定电压。
[0095]
步骤s2023、确定电压波动约束。
[0096]
大规模新能源接入配电网，新能源出力的随机性，会对配电网的电压会在短时内发生一定的波动，为了保证电能质量，电压的波动不宜超过允许波动的最大值。电压波动的约束如下所示。
[0097]di
≤d
max
ꢀꢀꢀꢀ
(8)
[0098]
式中，di为相应运行方式下节点i的电压波动百分值；d
max
为技术导则规定的电压波动最大允许值，在中压配电网中其值取为3％。
[0099]
光伏和风电接入下的电压波动可由下式计算。
[0100][0101]dpv,k
为光伏引起的节点k处的电压波动；λ
p
为新能源受自然条件因素影响所引起的瞬时功率变化幅度占其额定输出功率的比例，p
pv,j
和q
pv,j
分别表示节点j处光伏出力的有功功率和无功功率。
[0102]
设分布式风机受外界风速和风向等因素的影响引起的瞬间功率变化幅度占其额定功率比例为λw。在恒定功率控制模式下，由新能源风机引起的电压波动计算公式整理为：
[0103][0104]
其中，p
win,j
和q
win,j
分别表示节点j处风电的有功功率和无功功率。
[0105]
步骤s2023、确定短路电流约束。
[0106]
新能源的接入会增加配电网故障点的短路电流，这给断路器的电流开断能力以及配电自动化故障处理带来挑战。短路电流校核应以接入新能源后系统各母线节点短路电流不超过相应断路器开断电流限值为原则。短路电流校验公式如下。
[0107]
if＜i
fmax
ꢀꢀꢀꢀ
(11)
[0108]
if为节点的短路电流，i
fmax
为配电系统允许的短路电流的限值，在中压配电系统中短路电流限值一般取为20ka。
[0109]
综上所述，承载力的评估指标体系如图2所示。
[0110]
步骤s203、计算新能源接入配电网的承载力。
[0111]
进一步的，在本技术的一种优选实施方式中，计算新能源接入配电网的承载力包括：
[0112]
步骤s2031、设置新能源允许接入配电网的最大容量的目标函数。
[0113]
新能源允许接入配电网的最大容量如下式：
[0114][0115]
上式中，p
newi
为第i个新能源的并网功率，m为新能源的数量，为第i个新能源的功率因素，f为配电系统的最大新能源接入容量。
[0116]
步骤s2032、确定潮流方程约束。
[0117]
配电网在正常运行的情况下，潮流方程可表示为：
[0118][0119][0120][0121]
上式中，pi,qi为流过节点i的有功功率和无功功率，p
new,i+1
,q
new,i+1
为i+1节点的处的新能源有功出力和无功出力。
[0122]
步骤s2033、确定新能源出力约束。
[0123]
受到自然条件的约束，新能源的出力功率会有一定的限制。
[0124]
[0125]
式中，p
new,i
,q
new,i
分别为新能源有功出力和无功出力，p
newmax
,q
newmax
分别为新能源有功出力的最大值和无功出力的最大值，为功率因素角。
[0126]
步骤s2034、确定新能源承载力评估指标约束。
[0127]
配电网新能源的承载力评估指标的约束有热稳定性约束中的反向负载率约束如式(3)所示，电压偏差约束如式(8)所示，电压波动约束如式(9)所示，短路电流约束如式(12)所示。
[0128]
步骤s3、采用msamrfo算法对所建立的承载力评估计算模型进行求解。
[0129]
采用msamrfo算法对所建立的承载力评估计算模型进行求解，具体的实现过程如下：
[0130]
步骤s301、半数均匀初始化。
[0131]
首先将初始种群群体(种群群体的个体数为n)对半划分为两个子种群，分别记为子种群1和子种群2。子种群1将采用和传统mrfo算法相同的随机初始化的方式，子种群2将采用半数均匀初始化策略来保证整个种群群体的多样化。半数初始化策略的数学模型为：
[0132][0133]
其中，p
low
,p
up
分别表示种群的搜索空间的下限和上限；rand()表示随机函数；p
i,1
,p
j,2
分别为子种群1的第i个个体的随机初始值和分别为子种群2的第j个个体的随机初始值；
[0134]
这样的初始化方式，不仅保留了传统mrfo算法的随机性，而且避免初始化个体集中分布，提高了种群的多样性，能有效的防止种群再迭代过程中陷入局部最优。
[0135]
步骤s302、计算适应度函数。
[0136]
根据目标函数(13)计算种群的适应度值，并根据承载力计算模型的约束条件，对于违反约束条件的种群加入罚函数值。
[0137]
步骤s303、更新种群的位置。
[0138]
msamrfo算法根据海洋生物蝠鲼的觅食行为分为三种更新种群的位置的策略，即自适应链式觅食、自适应螺旋觅食和自适应翻滚觅食。
[0139]
每一次在进行位置更新前，会生成一个随机数rand，若该随机数大于0.5，则采取自适应链式觅食法更新位置。否则，则采用自适应螺旋觅食。
[0140]
自适应链式觅食种群的位置更新如下式所示：
[0141][0142]
式中，p
di
(t)表示第i个种群的第d维在第t次迭代的位置；为第t次迭代的最优解在第d维的位置；n为种群的数量；β,α分别为权重系数，将在如下说明。
[0143]
传统的mrfo算法在进行位置更新时所采用的权重系数β是在某个范围内随机生成的，这样的权重系数设定会导致算法的收敛速度下降。本发明采用新的指数变化权重因子，
引入sigmoid函数，权重因子会随着迭代的次数和种群的收敛程度改变而改变，使得种群能更好的平衡全局寻优和局部搜索，同时还能加快全局寻优收敛速度。
[0144][0145][0146]
若生成的随机数小于0.5，且有t/t＜rand,其中t为当前迭代次数，t为全部迭代次数，则会采用自适应螺旋觅食策略1，若t/t＞rand则采用自适应螺旋觅食策略2。
[0147]
自适应螺旋觅食策略1的表达式：
[0148][0149]
自适应螺旋觅食策略2的表达式：
[0150][0151][0152]
上式中，为在t次迭代时第d维的随机产生的位置；和分别为变量在第d维的上下限，r1为[0,1]的随机数。
[0153]
在翻滚捕食中，蝠鲼个体以当前最优解作为翻滚支点，翻滚至与其当前位置成镜像关系的另一侧。其数学模型表达如下：
[0154][0155]
式中，r2,r3都是[0,1]上均匀分布的随机数。
[0156]
步骤s304、种群的个体更新：若迭代后个体的适应度值大于迭代前的适应度值，则将用迭代后的个体代替迭代前的个体，否则，将不进行替换。
[0157]
每一次迭代后，种群中一些个体的新的位置有时候会存在劣于原来的位置，为了加快种群达到全局收敛，需要判断种群中的个体是否用迭代后的位置代替迭代前的位置，具体如下：
[0158][0159]
其中，fit()为适应度函数。上式说明，若迭代后个体的适应度值大于迭代前的适应度值，则将用迭代后的个体代替迭代前的个体，否则，将不进行替换。
[0160]
步骤s305、种群的收敛程度判断。
[0161]
为了防止种群陷入局部最优解，本发明采用群体适应度方差、种群平均聚集距离和聚集程度阈值来判断种群是否达到全局收敛或者陷入局部最优，若陷入局部最优则通过以一定概率进行变异使其跳出局部最优解。
[0162]
进一步的，种群的群体适应度方差如下式所示：
[0163][0164]
式中，fiti为第i个个体的适应度函数值，fit
avg
是该种群适应度的均值，fit为归一化定标因子，其作用是用来限制δ2的大小，fit的取值如下所示。
[0165]
fit＝max{1,max{|fit
i-fit
avg
|}}
ꢀꢀꢀꢀ
(27)
[0166]
进一步的，种群平均聚集距离如下式所示：
[0167][0168]
进一步的，种群的聚集程度阈值如下式所示：
[0169][0170]
上式中，为种群第t次迭代搜索到的最优解的第d维位置，为第i个个体的历史最优解的第d维位置；d表示种群的维数。
[0171]
当种群的适应度方差趋近于0且种群的平均聚集距离大于聚集程度的阈值时，认为种群达到全局收敛，即全局收敛。否则，当种群的适应度方差趋近于0且种群的平均聚集距离小于聚集程度的阈值时，认为种群陷入了局部收敛，此时的一定时局部最优解。可以通过以下的方式进行变异，使种群跳出局部最优解。
[0172]
变异概率为0.1到0.3之间，对局部最优解进行变异操作，如下：
[0173][0174]
式中，为局部最优解，η是一个服从标准正态分布的随机数。
[0175]
为了说明本发明的具体实现过程和有益效果，下面结合具体案例对本发明的方法进一步描述如下：
[0176]
选取某10kv配电网模型，如图4所示，该配电网有45个节点，44条线路，节点和线路的数据如下表1和表2所示，该配电网拥有4个风电场接入点分别为2号节点，7号节点，11号节点和15号节点。拥有5个光伏接入点，分别为19号节点，22号节点，29号节点，30号节点和40号节点。利用本发明的上述评估方法，计算可得每个光伏并网节点的最大并网功率3mw，而每个风电节点的最大并网功率为2mw。说明由于该地区的光伏资源相较于风力资源而言较为丰富。
[0177]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接或彼此可通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0178]
以上仅为说明本发明的实施方式，并不用于限制本发明，对于本领域的技术人员来说，凡在本发明的精神和原则之内，不经过创造性劳动所作的任何修改、等同替换、改进
等，均应包含在本发明的保护范围之内。
技术特征：1.基于蝠鲼觅食优化算法的配电网新能源承载力评估方法，其特征在于，包括以下步骤：输入要计算承载力的配电网网架数据，并根据配电网的资源禀赋情况，确定新能源的接入节点；形成配电网新能源承载力指标评估体系，构建新能源接入的承载力评估计算模型；采用msamrfo算法对所建立的承载力评估计算模型进行求解。2.根据权利要求1所述的基于蝠鲼觅食优化算法的配电网新能源承载力评估方法，其特征在于，所述形成配电网新能源承载力指标评估体系，构建新能源接入的承载力评估计算模型包括：设定承载力评估计算模型的边界条件；构建承载力指标评估体系；计算新能源接入配电网的承载力。3.根据权利要求2所述的基于蝠鲼觅食优化算法的配电网新能源承载力评估方法，其特征在于，所述设定承载力评估计算模型的边界条件包括：分析不同新能源类型的短路电流；根据电压降公式计算电压参数。4.根据权利要求2所述的基于蝠鲼觅食优化算法的配电网新能源承载力评估方法，其特征在于，所述构建承载力指标评估体系包括：根据电网运行方式计算反向负载率，确定热稳定性约束，即反向负载率的约束γ，γ≤80％；确定电压偏差约束：其中：v
n
为电网的额定电压，ε为电压偏差率，v
i
为节点i电压；确定电压波动约束：d
i
≤d
max
，其中，d
i
为相应运行方式下节点i的电压波动百分值；d
max
为技术导则规定的电压波动最大允许值；确定短路电流约束：i
f
＜i
fmax
，其中i
f
为节点的短路电流，i
fmax
为配电系统允许的短路电流的限值。5.根据权利要求2所述的基于蝠鲼觅食优化算法的配电网新能源承载力评估方法，其特征在于，所述计算新能源接入配电网的承载力包括：设置新能源允许接入配电网的最大容量的目标函数：其中，p
newi
为第i个新能源的并网功率，m为新能源的数量，为第i个新能源的功率因素，f为配电系统的最大新能源接入容量；确定潮流方程约束；确定新能源出力约束：其中，p
new,i
,q
new,i
分别为新能源有功出力和无功出力，p
newmax
,q
newmax
分别为新能源有功出力的最大值和无功出力的最大值，为功率因素角；确定新能源承载力评估指标约束。
6.根据权利要求1所述的基于蝠鲼觅食优化算法的配电网新能源承载力评估方法，其特征在于，所述采用msamrfo算法对所建立的承载力评估计算模型进行求解的过程包括：半数均匀初始化：将初始种群群体对半划分为两个子种群，分别记为子种群1和子种群2，子种群1采用和传统mrfo算法相同的随机初始化的方式，子种群2将采用半数均匀初始化策略来保证整个种群群体的多样化；计算适应度函数：计算种群的适应度值，对于违反约束条件的种群加入罚函数值；更新种群的位置：根据海洋生物蝠鲼的觅食行为分为三种更新种群的位置的策略，即自适应链式觅食、自适应螺旋觅食和自适应翻滚觅食；种群的个体更新：若迭代后个体的适应度值大于迭代前的适应度值，则将用迭代后的个体代替迭代前的个体，否则，将不进行替换；种群的收敛程度判断：采用群体适应度方差、种群平均聚集距离和聚集程度阈值来判断种群是否达到全局收敛或者陷入局部最优，若陷入局部最优，则通过对设定的变异概率的局部最优解进行变异操作使其跳出局部最优解。7.根据权利要求6所述的基于蝠鲼觅食优化算法的配电网新能源承载力评估方法，其特征在于，所述半数均匀初始化策略的数学模型为：其中，p
low
,p
up
分别表示种群的搜索空间的下限和上限；rand()表示随机函数；p
i,1
,p
j,2
分别为子种群1的第i个个体的随机初始值和分别为子种群2的第j个个体的随机初始值；n为种群群体的个体数。8.根据权利要求6所述的基于蝠鲼觅食优化算法的配电网新能源承载力评估方法，其特征在于，所述群体适应度方差的表达式为：式中，fit
i
为第i个个体的适应度函数值，fit
avg
是该种群适应度的均值，fit为归一化定标因子；所述种群平均聚集距离的表达式为：所述聚集程度阈值的表达式为：式中，为种群第t次迭代搜索到的最优解的第d维位置，为第i个个体的历史最优解的第d维位置；d表示种群的维数。9.根据权利要求6所述的基于蝠鲼觅食优化算法的配电网新能源承载力评估方法，其特征在于，所述变异概率为0.1到0.3之间。
10.根据权利要求6所述的基于蝠鲼觅食优化算法的配电网新能源承载力评估方法，其特征在于，对局部最优解进行变异操作的公式如下：式中，为局部最优解，η是一个服从标准正态分布的随机数。
技术总结本发明提供一种基于多策略改进自适应蝠鲼觅食优化算法(MSAMRFO)的配电网新能源承载力评估方法，包括：输入要计算承载力的配电网网架数据，并根据配电网的资源禀赋情况，确定新能源的接入节点；形成配电网新能源承载力指标评估体系，构建新能源接入的承载力评估计算模型；采用MSAMRFO算法对所建立的承载力评估计算模型进行求解。本发明所建立的模型中考虑的指标约束较为全面。同时，本发明采取多策略改进自适应蝠鲼觅食优化算法，该方法是一种更加高效和精确的求解方法。加高效和精确的求解方法。加高效和精确的求解方法。
技术研发人员：岑剑峰 陶毅刚 李小伟 郭祚刚 张俊成 徐敏 黎敏 袁智勇 谭晓虹 崔志威 万松 黄柳军
受保护的技术使用者：南方电网科学研究院有限责任公司
技术研发日：2022.07.11
技术公布日：2022/11/1
