(19)中华 人民共和国 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 202111391347.X (22)申请日 2021.11.23 (71)申请人 上海电力大 学 地址 200090 上海市杨 浦区平凉 路2103号 (72)发明人 于艾清　濮梦燕　王育飞　张宇华　 薛花　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 代理人 叶敏华 (51)Int.Cl. G06F 30/18(2020.01) G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/12(2006.01) H02J 3/38(2006.01)G06F 111/04(2020.01) G06F 111/08(2020.01) G06F 113/04(2020.01) G06F 113/06(2020.01) (54)发明名称 一种基于改进鲸鱼算法的分布式电源规划 方法 (57)摘要 本发明涉及一种基于改进鲸鱼算法的分布 式电源规划方法， 包括： 采用LHS方法对风、 光和 负荷进行场景构建， 得到初始场景， 并通过K ‑ means聚类算法对初始场景进行削减， 得到典型 场景； 以改进的电压稳定指标最小及年综合费用 最小作为目标， 建立分布式电源规划模型； 根据 改进的电压稳定指标数值大小排序， 确定出分布 式电源的待规划节点； 采用改进的鲸鱼算法对分 布式电源规划模 型进行求解， 得到待规划节点对 应的规划结果。 与现有技术相比， 本发明改善了 原有鲸鱼算法收敛速度慢容易陷至局部最优解 的弊端， 其Pareto前沿面能够提升解的多样性和 均匀性， 且解更靠近Pareto最优前沿， 由此加快 求解速度、 同时避免求解陷入局部最优， 使得规 划结果能够保证并 网后的电压稳定性。 权利要求书3页 说明书10页 附图2页 CN 114329857 A 2022.04.12 CN 114329857 A 1.一种基于改进鲸鱼算法的分布式电源规划方法， 其特 征在于， 包括以下步骤： S1、 获取网络拓扑和源荷信息， 采用LHS方法对风、 光和负荷进行场景构 建， 得到初始场 景， 并通过 K‑means聚类算法对初始场景进行削减， 得到典型场景； S2、 基于典型场景， 以改进的电压稳定指标最小及年综合费用最小作为目标， 建立分布 式电源规划模型； S3、 根据改进的电压稳定指标 数值大小排序， 确定出分布式电源的待规划节点； S4、 采用改进的鲸鱼算法对分布式电源规划模型进行求解， 得到待规划节点对应的规 划结果。 2.根据权利要求1所述的一种基于改进鲸鱼算法的分布式电源规划方法， 其特征在于， 所述步骤S1具体包括以下步骤： S11、 对风电、 光伏和负荷分别进行概率建模， 其中， 风电概率模型采用两参数的 Weibull分布表示， 光伏概 率模型采用Beta分布 表示， 负荷概 率模型采用正态分布 表示； S12、 通过LHS方法对每个随机变量进行采样， 以生成大量初始场景， 然后通过改进的K ‑ means聚类算法对初始场景进行聚类， 以削减得到典型场景。 3.根据权利要求2所述的一种基于改进鲸鱼算法的分布式电源规划方法， 其特征在于， 所述步骤S11中风电概 率模型具体为： 采用两参数的Weibul l分布对风速进行描述， 其 概率密度函数为： 其中， v为实际风速， k和c分别为形状参数和尺度参数； 风机的实际出力Pw与风速v之间的关系表示 为： 其中， Pwr为风机的额定功率， vci、 vco和vr分别为风机的切入、 切出和额定风速 。 4.根据权利要求2所述的一种基于改进鲸鱼算法的分布式电源规划方法， 其特征在于， 所述步骤S11中光伏概 率模型具体为： 采用Beta分布对太阳辐射度进行描述， 其 概率密度函数为： 其中， α 和β 为Beta分布的两个形状参数， I和Ir分别为太阳辐射度的实际值和最大值； 光伏的实际出力Pt与太阳辐射度I之间的关系如下：权　利　要　求　书 1/3 页 2 CN 114329857 A 2其中， Ptr为光伏额定功率。 5.根据权利要求2所述的一种基于改进鲸鱼算法的分布式电源规划方法， 其特征在于， 所述步骤S11中负荷概 率模型具体为： 负荷的大小采用正态分布来表示， 其 概率密度函数为： 其中， PG为有功负荷， μ和σ 分别为其期望和标准差， QG为无功负荷； 为负荷功率因数 角。 6.根据权利要求2所述的一种基于改进鲸鱼算法的分布式电源规划方法， 其特征在于， 所述步骤S12中通过改进的K ‑means聚类算法对初始场景进行聚类的具体过程 为： 首先确定待聚类的场景集 为： X＝{xi∈Xp,|i＝1,2,...,n} 其中， xi为第i个初始场景， n 为场景集中的初始场景总个数； 之后设定 聚类数为K， 选择方差S(xc)最小的前K个场 景当作初始聚类中心， 其中， c＝1, 2,…,n， 方差S(xc)的计算公式为； 其中， d为欧氏距离， 为场景集中所有 待聚类场景的均值； 再计算剩余场景与各聚类中心 的欧式距离， 并分别归类到最接近的聚类中心所在簇， 重新求得每一簇的聚类中心； 最后将除聚类中心以外的场景删除， 并将场景概率加到作为聚类中心 的场景上， 从而 得到K个典型场景和相应的场景概 率。 7.根据权利要求1所述的一种基于改进鲸鱼算法的分布式电源规划方法， 其特征在于， 所述步骤S2中建立的分布式电源规划模型包括目标函数和约束条件， 所述目标函数具体 为： f＝min[f1,f2] 其中， f1为年综合费用， f2为改进的电压稳定指标； 所述约束条件 包括功率平衡约束、 支路容 量约束、 节点电压约束和DG渗透率约束。 8.根据权利要求7所述的一种基于改进鲸鱼算法的分布式电源规划方法， 其特征在于， 所述年综合费用包括DG投资费用、 运行维护费用和网损费用：权　利　要　求　书 2/3 页 3 CN 114329857 A 3