CN110854928B - 面向分布式电源和电动汽车的大型配电网风险控制优化方法 - Google Patents

Abstract

本发明公开了面向分布式电源和电动汽车的大型配电网风险控制优化方法，DG由于能源来源具有出力不确定性的特点，如风电，有风时即并网发电，无风则无输出、太阳能在光照强度大时输出高，在晚上时基本无输出。这种DG出力的不确定性可能使节点电压过高或过低，线路过负荷等，将给电网带来风险。本发明通过在DG中配置储能装置，实现对DG的优化控制。储能装置在DG出力满足电网需求的前提下将剩余电量储存起来，在DG出力不足的时候补充不足的部分。因此在一段时间内可将DG的出力视为恒定，减少了DG出力的不确定性。

Description

面向分布式电源和电动汽车的大型配电网风险控制优化方法

技术领域

本发明涉及电网的技术领域，尤其涉及到面向分布式电源和电动汽车的大型配电网风险控制优化方法。

背景技术

根据风险的定义，风险大小是由风险出现的概率以及后果的严重度两方面决定的，因此对于含DG(分布式电源)和EV(电动汽车)的大型配电网风险而言，也可从事故概率和后果严重度两方面对风险大小进行控制。

含DG和EV的大型配电网风险出现的可能性包括两方面，第一是***元件故障导致的***故障，第二是由于运行条件发生变化而产生的风险。对于第一种可能性，主要影响因素是***元件的故障率，可以通过更换故障率低的元件提高***供电的可靠性，减少故障发生的可能性，从而降低风险。对于第二种可能性，即运行条件发生变化，其中情况非常复杂，包括DG出力的不确定性，电动汽车充电的不确定性，负荷的不确定性，由于外力(台风，人为误操作等)造成的故障等，这些情况分析困难，而且难以控制，降低风险概率来降低风险的效果不明显。

含DG和EV的大型配电网的风险评估是传统配电网风险评估的发展，除了对***故障的概率及后果进行评估外，前者具有新的特性，主要体现DG和EV的不确定性对电网的冲击。由于两者的不确定性会时刻造成电网运行情况的波动，这种波动有时会使电网运行在相当不利的情况下，如DG出力降至最小，EV充电功率达到最大，负荷水平达到最高的情况，电网将要承受巨大的运行压力，倘若此时再发生故障，***运行情况进一步恶化，将导致不可估量的损失，因此，含DG和EV的网络需对DG和EV的不确定性进行分析研究，通过一定的措施进行风险控制和优化。

发明内容

本发明的目的在于克服现有技术的不足，提供一种面向分布式电源和电动汽车的大型配电网风险控制优化方法。

为实现上述目的，本发明所提供的技术方案为：

面向分布式电源和电动汽车的大型配电网风险控制优化方法，在每台DG处增添储能设备，并控制DG出力，使网损风险最低，同时控制电压风险和线路过负荷风险。

进一步地，通过以下步骤得出DG出力的最优配置以及电压、线路、网损结果：

S1、通过蒙特卡罗模拟第i个时段电动汽车和负荷的波点情况，i＝1,2，...，24；

S2、以网损风险最小为目标函数搜索第i个时段的最优DG配置,若超过迭代次数，则该时段无最优DG配置，记录不满足的节点、线路数据，i＝i+1，并返回步骤S1；否则进入步骤S3；

S3、通过蒙特卡罗模拟第i个时段DG拨动情况；

S4、判断电网电压是否满足电压95％CVar约束，若满足，则进入步骤S5，否则返回步骤S2；

S5、判断电网支路是否满足线路功率95％CVar约束，若满足，则进入步骤S6，否则返回步骤S2；

S6、记录第i时段下DG最优处理配置；

S7、判断时段i是否大于24，若是，则输出24小时最优DG配置和电压、线路、网损结果；否则，i＝i+1，并返回步骤S1

进一步地，所述步骤S4中，电网电压允许的偏移范围通过风险约束函数的锥处理得出，具体如下：

其中，V_i为原变量，X_i、y为新变量，α和β均为系数。

进一步地，所述步骤S5中，电网支路过负荷通过风险约束函数的锥处理得出，具体如下：

其中，V_i、V_j为原变量，G_ij、B_ij、Y_ij、X_i、X_j、y为新变量，α和β均为系数；

新变量与原变量之间的关系如下：

Y_ij＝V_iV_jcosθ_ij。

进一步地，步骤S2中，所述网损风险的约束如下：

其中，P_G总为所有电源输出功率总和，包括***电源与所有的DG出力，G_ij、V_i、V_j为原变量，y为新变量，α和β均为系数。

与现有技术相比，本方案原理及优点如下：

DG由于能源来源具有出力不确定性的特点，如风电，有风时即并网发电，无风则无输出、太阳能在光照强度大时输出高，在晚上时基本无输出。这种DG出力的不确定性可能使节点电压过高或过低，线路过负荷等，将给电网带来风险。本方案通过在DG中配置储能装置，实现对DG的优化控制。储能装置在DG出力满足电网需求的前提下将剩余电量储存起来，在DG出力不足的时候补充不足的部分。因此在一段时间内可将DG的出力视为恒定，减少了DG出力的不确定性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的服务作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明面向分布式电源和电动汽车的大型配电网风险控制优化方法的结构示意图。

具体实施方式

下面结合具体实施例对本发明作进一步说明：

如图1所示，本实施例所述的面向分布式电源和电动汽车的大型配电网风险控制优化方法，在每台DG处增添储能设备，并控制DG出力，使网损风险最低，同时控制电压风险和线路过负荷风险。

其中，通过以下步骤得出DG出力的最优配置以及电压、线路、网损结果：

S1、通过蒙特卡罗模拟第i个时段电动汽车和负荷的波点情况，i＝1,2，...，24；

S2、以网损风险最小为目标函数搜索第i个时段的最优DG配置,若超过迭代次数，则该时段无最优DG配置，记录不满足的节点、线路数据，i＝i+1，并返回步骤S1；否则进入步骤S3；

S3、通过蒙特卡罗模拟第i个时段DG拨动情况；

S4、判断电网电压是否满足电压95％CVar约束，若满足，则进入步骤S5，否则返回步骤S2；

本步骤中，电网电压允许的偏移范围通过风险约束函数的锥处理得出，具体如下：

其中，V_i为原变量，X_i、y为新变量，α和β均为系数。

S5、判断电网支路是否满足线路功率95％CVar约束，若满足，则进入步骤S6，否则返回步骤S2；

本步骤中，电网支路过负荷通过风险约束函数的锥处理得出，具体如下：

其中，V_i、V_j为原变量，G_ij、B_ij、Y_ij、X_i、X_j、y为新变量，α和β均为系数；

新变量与原变量之间的关系如下：

Y_ij＝V_iV_jcosθ_ij。

S6、记录第i时段下DG最优处理配置；

S7、判断时段i是否大于24，若是，则输出24小时最优DG配置和电压、线路、网损结果；否则，i＝i+1，并返回步骤S1。

上述步骤S2中，所述网损风险的约束如下：

其中，P_G总为所有电源输出功率总和，包括***电源与所有的DG出力，G_ij、V_i、V_j为原变量，y为新变量，α和β均为系数。

以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (1)

1.面向分布式电源和电动汽车的大型配电网风险控制优化方法，其特征在于，在每台DG处增添储能设备，并控制DG出力，使网损风险最低，同时控制电压风险和线路过负荷风险；

通过以下步骤得出DG出力的最优配置以及电压、线路、网损结果：

S1、通过蒙特卡罗模拟第i个时段电动汽车和负荷的波点情况，i＝1,2，...，24；

S2、以网损风险最小为目标函数搜索第i个时段的最优DG配置,若超过迭代次数，则该时段无最优DG配置，记录不满足的节点、线路数据，i＝i+1，并返回步骤S1；否则进入步骤S3；

S3、通过蒙特卡罗模拟第i个时段DG拨动情况；

S4、判断电网电压是否满足电压95％CVaR约束，若满足，则进入步骤S5，否则返回步骤S2；

S5、判断电网支路是否满足线路功率95％CVaR约束，若满足，则进入步骤S6，否则返回步骤S2；

S6、记录第i时段下DG最优处理配置；

S7、判断时段i是否大于24，若是，则输出24小时最优DG配置和电压、线路、网损结果；否则，i＝i+1，并返回步骤S1；

所述步骤S4中，电网电压允许的偏移范围通过风险约束函数的锥处理得出，具体如下：

其中，V_i为原变量，X_i、y为新变量，α和β均为系数；

所述步骤S5中，电网支路过负荷通过风险约束函数的锥处理得出，具体如下：

其中，V_i、V_j为原变量，G_ij、B_ij、Y_ij、X_i、X_j、y为新变量，α和β均为系数；

新变量与原变量之间的关系如下：

Y_ij＝V_iV_jcosθ_ij；

步骤S2中，所述网损风险的约束如下：

其中，P_G总为所有电源输出功率总和，包括***电源与所有的DG出力，G_ij、V_i、V_j为原变量，y为新变量，α和β均为系数。