本發明涉及電力系統的配電網重構領域，具體地說是一種基于博弈論的含電動汽車入網的配電網重構方法。
背景技術：
配電網在實際運行中可根據不同的負荷需求，操控相應的開關使其拓撲結構發生變化，實現配電網重構。合理的配電網重構方案既可降低配電網的網損、提高系統經濟性，也可均衡負荷、消除過載、提高供電電壓質量。
當前，作為清潔能源代表電動汽車得到了廣泛的應用，其充放電行為在時間和空間上都具有一定的隨機性和不確定性。大規模電動汽車接入對配電系統運行的經濟性、可靠性和靈活性提出了更高的要求。尤其是對大規模電動汽車所產生的充放電負荷不進行有效引導時，充放電負荷與配電網的高峰負荷疊加，將加劇配電網的負荷峰谷差，對配電網安全運行造成威脅。因此配電網重構如何既有效地考慮電動汽車的接入，又保證系統安全可靠供電，具有非常重大的研究意義。
傳統的配電網重構不考慮電動汽車隨機接入，即使有含電動汽車的配電網重構，也僅僅是研究電動汽車有序充電對配電網的影響，少有考慮電動汽車放電負荷的影響。如：河海大學衛志農等人提出的一種需求響應視角下的配電網不確定性重構建模方法(專利申請號：CN201210390762.8)就僅考慮了電動汽車充電負荷對于配電網的影響重構。在實際生活中電動汽車充放電行為完全由車主的意愿來控制，而現有大多配電網重構的研究工作主要從配電網的角度出發以運行的安全性和經濟性為優化目標，少有從電動汽車用戶的角度來考慮其意愿和利益。
技術實現要素：
本發明是為避免上述現有技術所存在的不足，提供一種基于博弈論的含電動汽車入網的配電網重構方法，以期能實現配電網與電動汽車用戶的利益雙贏，同時減少電動汽車接入對配電網的負面影響，從而降低配電網損耗，使配電網的運行得到最大程度的優化。
本發明為解決技術問題采用如下技術方案：
本發明一種基于博弈論的含電動汽車入網的配電網重構方法的特點是按如下步驟進行：
步驟1、讀取配電網原始網絡數據和電動汽車相關數據；
步驟2、建立以配電網為上層、電動汽車用戶為下層的主從博弈模型；
步驟3、采用遺傳算法求解下層的電動汽車用戶成本優化問題，得到電動汽車用戶成本優化策略；
步驟4、調用所述電動汽車用戶成本優化策略并采用粒子群算法求解上層的配電網運行成本最小優化問題，得到最小運行成本及其對應的重構網絡拓撲；
步驟5、重復步驟3和步驟4，直到滿足納什均衡條件時，停止計算并輸出最終的配電網最小運行成本及對應的重構網絡拓撲。
本發明所述基于博弈論的含電動汽車入網的配電網重構方法的特點也在于，所述步驟2中的主從博弈模型的上層決策者是配電網，下層決策者是電動汽車用戶；
以配電網運行成本最小化為優化目標，建立如式(1)所示的博弈上層目標函數：
式(1)中：F為所述配電網的運行成本；T為時間段總數；N為網絡支路總數；k表示支路編號；rk為第k條支路的電阻；Ikj為第j個時間段的第k條支路上的電流；n為電動汽車總數量；Cj、分別為第j個時間段的配電網電價、電動汽車充電電價和放電電價；分別為第z輛電動汽車在j個時間段的充電功率和放電功率；η為電動汽車放電效率；以所述第j個時間段的配電網電價Cj、電動汽車充電電價和放電電價作為上層決策變量a1，即
所述博弈上層目標函數F的約束條件包括：潮流約束、節點電壓約束和拓撲約束；
所述潮流約束如式(2)所示：
f(Pi,Qi,Ui)＝0 (2)
式(2)中：Pi、Qi分別為注入第i個節點的有功功率和無功功率，Ui為第i個節點的電壓；
所述電壓約束如式(3)所示：
Uimin≤Ui≤Uimax (3)
式(3)中：Uimax和Uimin分別為第i個節點電壓的上限和下限；
所述拓撲約束包括：環路約束和孤島約束；
所述環路約束為：在選擇斷開支路時，每個環路只能選擇一條支路斷開，即斷開的支路數等于網絡中所含的環路數，從而使得所述配電網不存在環路；
所述孤島約束為：在選擇斷開支路時，若兩個環路間有若干條公共支路，且其中一個環路已斷開任意一條公共支路，則另一環路不能再選擇斷開其他的公共支路，從而使得所述配電網不存孤島；
以電動汽車用戶充放電運行成本為優化目標，建立如式(4)所示的博弈下層目標函數：
式(4)中：G為電動汽車用戶的充放電運行成本；S為電動汽車充放電時的損耗；以所述第z輛電動汽車在j個時間段的充電功率和放電功率作為下層決策變量a2，即
所述博弈下層目標函數G的約束條件如式(5)所示：
式(5)中：和分別為第z輛電動汽車的充電功率的上限和放電功率的上限；SOCzj為第z輛電動汽車在第j個時間段的荷電狀態；SOCzjmax和SOCzjmin分別為第j個時間段下第z輛電動汽車荷電狀態的上限和下限。
所述步驟3中的電動汽車用戶成本優化策略為最小適應度值所對應的下層決策變量作為最優下層策略
所述步驟4中，是將所述最優下層策略代入所述博弈上層目標函數F中進行求解，得到最小適應度值所對應的上層決策變量作為最優上層策略
所述步驟5納什均衡條件為
與已有技術相比，本發明有益效果體現在：
1、本發明提出了一種基于博弈論的含電動汽車入網的配電網重構方法，建立以配電網為上層、電動汽車用戶為下層的主從博弈模型，利用主從博弈優化過程中生成的策略集，發揮了分時上網電價的引導作用，實現了配電網和電動汽車用戶在利益上的雙贏，對電動汽車一天的充放電負荷進行了優化，減小了電動汽車對電網的負面影響，同時也實現了含電動汽車的配電系統優化重構，達到降低有功網損的目的，保證了配電網在運行中的經濟性和可靠性。
2、本發明以電動汽車用戶為博弈下層決策者，將電動汽車用戶充放電成本作為優化目標。在配電網給出的電價下，電動汽車用戶自主的選擇充放電時間以降低自身的充放電成本，同時對電動汽車一天的充放電負荷進行了優化，降低了電動汽車無序充放電對配電網安全與經濟運行帶來的威脅。
3、本發明以配電網為博弈上層決策者，上層的配電網在保證下層的電動汽車用戶最小成本的前提下以運行成本最小為優化目標。雙方的利益在主從博弈的均衡處均可達到最大，實現了配電網和電動汽車用戶在利益上的雙贏，也實現了含電動汽車的配電網優化重構，達到降低有功網損的目的，保證了配電網在運行中的經濟性和可靠性。
附圖說明
圖1是本發明的流程示意圖。
具體實施方式
本實施例中，一種基于博弈論的含電動汽車入網的配電網重構方法的以主從博弈為模型，在實現配電網與電動汽車用戶雙贏的前提下，對電動汽車一天的充放電負荷進行優化。上層優化模型以配電網運行成本最小化為優化目標，采用粒子群算法進行優化，調用下層優化策略并計算每個網絡拓撲適應值，找出與配電網最小運行成本相對應的重構拓撲，重復迭代直到滿足迭代停止條件，得到最佳重構方案；下層優化模型為在配電網給出的電價前提下，電動汽車用戶通過選擇充、放電時間以降低成本。本發明能夠實現配電網與電動汽車用戶的利益雙贏，同時減少電動汽車接入對配電網的負面影響，顯著降低配電網損耗，使配電網的運行得到最大程度的優化。具體的說，如圖1所示，該方法是按如下步驟進行：
步驟1、讀取配電網原始網絡數據和電動汽車相關數據；
該步驟中配電網原始網絡數據包括：配電網的節點編號、節點電壓和節點注入功率，支路編號、支路阻抗，節點與支路的連接關系，以及聯絡開關的信息；
電動汽車相關數據包括：電動汽車用戶日行駛里程近似服從對數正態分布，其概率密度函數為式(1)所示：
式(1)中：d為行駛路程，μd＝3.20，σd＝0.88；
電動汽車開始充電時刻滿足正態分布，其概率密度函數為式(2)所示：
式(2)中：μ＝17.6，σ＝3.4；
電動汽車充電前電池荷電狀態與其日行使里程d近似滿足線性關系，如式(3)所示：
式(3)中：SOC為電池荷電狀態；D為電動汽車充滿電的最大行駛里程。
單個電動汽車的充電功率Pc在2-3kW范圍內滿足均勻分布，如式(4)所示：
步驟2、建立以配電網為上層、電動汽車用戶為下層的主從博弈模型；
步驟2中的主從博弈是最常見的完全信息非合作博弈模型，其存在兩種類型的決策者:處于較高決策層次的主導者和處于下級決策層的跟隨者。主從博弈的問題可以表示成兩層規劃問題，如式(5)所示：
主從博弈轉化為雙層優化模型：上層決策者是電網，下層決策者是電動汽車用戶；
以配電網運行成本最小化為優化目標，建立如式(6)所示的博弈上層目標函數：
式(6)中：F為配電網的運行成本；T為時間段總數；N為網絡支路總數；k表示支路編號；rk為第k條支路的電阻；Ikj為第j個時間段的第k條支路上的電流；n為電動汽車總數量；Cj、分別為第j個時間段的配電網電價、電動汽車充電電價和放電電價；分別為第z輛電動汽車在j個時間段的充電功率和放電功率；η為電動汽車放電效率；以第j個時間段的配電網電價Cj、電動汽車充電電價和放電電價作為上層決策變量a1，即
博弈上層目標函數F的約束條件包括：潮流約束、節點電壓約束和拓撲約束；
潮流約束如式(7)所示：
f(Pi,Qi,Ui)＝0 (7)
式(7)中：Pi、Qi分別為注入第i個節點的有功功率和無功功率，Ui為第i個節點的電壓；
電壓約束如式(8)所示：
Uimin≤Ui≤Uimax (8)
式(8)中：Uimax和Uimin分別為第i個節點電壓的上限和下限；
拓撲約束包括：環路約束和孤島約束；
環路約束為：在選擇斷開支路時，每個環路只能選擇一條支路斷開，即斷開的支路數等于網絡中所含的環路數，從而使得配電網不存在環路；
孤島約束為：在選擇斷開支路時，若兩個環路間有若干條公共支路，且其中一個環路已斷開任意一條公共支路，則另一環路不能再選擇斷開其他的公共支路，從而使得配電網不存孤島；
以電動汽車用戶充放電運行成本為優化目標，建立如式(9)所示的博弈下層目標函數：
式(9)中：G為電動汽車用戶的充放電運行成本；S為電動汽車充放電時的損耗；以第z輛電動汽車在j個時間段的充電功率和放電功率作為下層決策變量a2，即
博弈下層目標函數G的約束條件如式(10)所示：
式(10)中：和分別為第z輛電動汽車的充電功率的上限和放電功率的上限；
SOCzj為第z輛電動汽車在第j個時間段的荷電狀態；SOCzjmax和SOCzjmin分別為第j個時間段下第z輛電動汽車荷電狀態的上限和下限。
步驟3、采用遺傳算法求解下層的電動汽車用戶成本優化問題，得到電動汽車用戶成本優化策略；
步驟3中，電動汽車用戶成本優化策略為最小適應度值所對應的下層決策變量作為最優下層策略。
3.1、獲取步驟1中數據；
3.2、設置種群數量、交叉概率、變異概率、最大迭代次數等參數；
3.3、初始化種群，計算適應度值；
3.4、進行選擇、交叉、變異遺傳操作，產生子代種群，計算適應度值；
3.5、若達到最大迭代次數，則停止計算輸出最優下層策略否則返回步驟3.4。
步驟4、調用所述電動汽車用戶成本優化策略并采用粒子群算法求解上層的配電網運行成本最小優化問題，得到最小運行成本及其對應的重構網絡拓撲；
步驟4中，是將最優下層策略代入博弈上層目標函數F中進行求解，得到最小適應度值所對應的上層決策變量作為最優上層策略
4.1、獲取步驟1中數據；
4.2、設置種群數量、慣性權重系數、加速系數、最大迭代次數等參數；
4.3、初始化種群，調用下最優下層策略計算適應度值；
4.4、更新粒子種群、慣性權重系數，計算適應度值，更新歷史個體最優值和全局最優值；
4.5、若達到最大迭代次數，則停止計算輸出最優上層策略否則返回步驟4.4。
步驟5、重復步驟3和步驟4，直到滿足納什均衡條件時，停止計算并輸出最終的配電網最小運行成本及對應的重構網絡拓撲；
步驟5中，下層以minG為優化目標，得到得下層策略上層以minF為優化目標，選取回應下層中的最優上層策略作為主從博弈模型的納什均衡點，即納什均衡條件為