CN111079972A - 一种主动配电网可靠性规划方法、设备及介质 - Google Patents
一种主动配电网可靠性规划方法、设备及介质 Download PDFInfo
- Publication number
- CN111079972A CN111079972A CN201911065330.8A CN201911065330A CN111079972A CN 111079972 A CN111079972 A CN 111079972A CN 201911065330 A CN201911065330 A CN 201911065330A CN 111079972 A CN111079972 A CN 111079972A
- Authority
- CN
- China
- Prior art keywords
- planning
- node
- cost
- year
- representing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000010276 construction Methods 0.000 claims abstract description 41
- 238000005457 optimization Methods 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000003462 Bender reaction Methods 0.000 claims abstract description 15
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 14
- 238000012795 verification Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 41
- 238000012423 maintenance Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 235000006679 Mentha X verticillata Nutrition 0.000 claims description 6
- 235000002899 Mentha suaveolens Nutrition 0.000 claims description 6
- 235000001636 Mentha x rotundifolia Nutrition 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 230000009977 dual effect Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 5
- 230000005855 radiation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Finance (AREA)
- Mathematical Optimization (AREA)
- Accounting & Taxation (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种主动配电网可靠性规划方法、设备及介质,包括:步骤S1,将ADN可靠性规划分成主项和子项,主项为ADN规划成本优化,子项为在主项的电网规划下进行可靠性校验;步骤S2,构建以年均综合费用数值最小为标准的成本优化目标函数;步骤S3,分别对配电网的辐射状、配电网设备建设、配电网运行潮流及馈线容量及电压幅值进行相关约束,求得各项的约束公式;步骤S4,构建以年缺供电费最小为标准的可靠性费用目标函数;步骤S5,利用广义Benders分解算法,对成本优化目标函数和可靠性费用目标函数进行求解。实施本发明,实现了配电网可靠性校验、配电网网架规划建设和DG规划建设的协同求解,用混合整数线性规划对配电网进行最大供电能力评估。
Description
技术领域
本发明属于通信领域,涉及一种主动配电网可靠性规划方法、设备及介质。
背景技术
近年来分布式电源DG,即Distributed Generation,被广泛地应用在配电网的建设中,既满足了用电需求,同时也为用户提供了清洁的能源。
但对于传统的配电网运行和规划产生了严峻的考验,主动配电网,即ActiveDistribution Network,简称ADN,能够实现对配电网内的分布式能源主动控制和主动管理,改善潮流分布。ADN依托高可靠性的保护设备、高效电力电子控制器、双向高速的通信网络、灵活的拓扑结构、完善的智能量测***等基础设施设备,对其管辖范围内的各类型DER进行主动调节与控制,使其主动参与***响应过程之中,实现配电网乃至整个电力***的优化运行。
合理的开展ADN规划既能提高供电质量,又可以节省投资,还能达到消纳大规模间歇式可再生能源的目的,可靠性和经济性是考量ADN规划的两大重要指标,但二者通常是对立的。
为了提升配电网的可靠性,不可避免要加强电网的联络关系,势必造成建设成本的增加;另一方面,控制电网的建设投资又可能影响可靠性和供电质量,所以考虑建立投资与可靠性的平衡关系是主动配电网规划研究的重点。主动配电网可靠性规划包括了电网网架规划、变电站规划、DG的定容选址、无功补偿装置配置等内容,规划涉及的因素中同时包含连续变量和整数变量,属于一个复杂的混合整数非线性规划(MINLP)问题,且其目标函数以及其约束条件是非线性的,很容易在求解的过程中形成局部最优。
目前,针对于主动配电网可靠性规划中涉及的MINLP问题求解方法可以分为2类:确定性方法和随机性方法。确定性方法主要有分支定界法、外逼近法、和扩展割平面法等;随机性方法主要有模拟退火算法、禁忌搜索、进化算法等。
总结当前的主动配电网可靠性规划涉及的MINLP问题求解方法,对于确定性方法,如分支定界法、外逼近法和扩展割平面法等,它们仅对凸MINLP才能解得全局最优,而对非凸MINLP则很难找到全局最优,且随整数变量的增多,计算时间将急剧增加。而近年来采用随机性方法,如模拟退火算法、禁忌搜索、进化算法等,它们可以同时处理整数变量和连续变量,但是,这些随机性方法往往耗时较多,有时也会陷入局部最优。
发明内容
本发明实施例所要解决的技术问题在于,提供了一种主动配电网可靠性规划方法、设备及介质,解决现有规划方法中多种因素导致大规模、非线性、多约束,容易形成局部最优,可行性低,成本高的问题。
本发明提供主动配电网可靠性规划方法,具体包括以下步骤:
步骤S1,将ADN可靠性规划分成主项和子项,主项为ADN规划成本优化,直到年均综合费用数值达到最小,子项为在主项的电网规划下进行可靠性校验,直到年均缺供电费数值达到最小;
步骤S2,构建以年均综合费用数值最小为标准的成本优化目标函数;
步骤S3,分别对配电网的辐射状、配电网设备建设、配电网运行潮流及馈线容量及电压幅值进行相关约束,求得各项的约束公式;
步骤S4,构建以年缺供电费最小为标准的可靠性费用目标函数;
步骤S5,利用广义Benders分解算法,对成本优化目标函数和可靠性费用目标函数进行求解。
进一步,在步骤S2中,所述成本优化目标函数具体为以下公式:
minT=Iv+Mv+Sv+Lv
其中,T表示投资的总费用;Mv表示设备运维费用;Sv表示停电补偿费用;Iv表示网架建设和DG建设的投资费用;Lv表示ADN规划的可靠性费用;r表示折现率;Nt表示配电网规划年限;Nk表示计划建设线路的回数;Ng表示计划并网DG的节点数;c1表示线路建设费;c2表示DG建设费;c3表示设备运维费用;c4表示停电补偿单价费用;i表示节点编号,αij,t、γij,t、δij,t表示01变量,αij,t=1表示第t个规划年间线路ij连通;γij,t=1表示第t个规划年间在节点i处接入DG;δij,t=1表示节点i负荷在第t个规划年投运;αij,t-1、γij,t-1为t-1年相应情况。
进一步,在步骤S3中,所述配电网的辐射状约束具体通过以下公式进行,设置变电站所在节点为根节点,网架规划从根节点逐渐延伸而成,
其中,Nr为变电站节点数目,Ωr为根节点集合;当βij=1,βji=0时,则节点i是节点j的父节点;当二者均为0时,则代表ij两节点没有连通。
进一步,在步骤S3中,所述配电网的设备建设约束具体通过以下公式进行,
其中,αij,t、γij,t、δij,t表示01变量;αij,t表示第t个规划年间线路ij连通;γij,t表示第t个规划年间在节点i处接入DG;δij,t表示节点i负荷在第t个规划年投运。
进一步,在步骤S3中,所述配电网的潮流约束具体通过以下公式进行,
进一步,结合变量αij,t、γij,t、δij,t,可得到最终潮流模型:
其中,Vi为节点i的电压幅值;Vj为节点j的电压幅值;Pij为线路ij流通的有功功率;Qij为线路ij流通的无功功率;Rij为线路ij的电阻;Xij为线路ij的电抗;PGi,t为第t个规划年中第i个DG的有功出力;QGi,t为第t个规划年中第i个DG的无功出力;PLi,t为第t个规划年中节点i的有功负荷;QLi,t为第t个规划年中节点i的无功负荷;表示第t个规划年线路潮流流入节点i的方向;表示第t个规划年线路潮流流出节点i的方向;Pij,t为第t个规划年线路ij流通的有功功率;Qij,t为第t个规划年线路ij流通的无功功率;M1为足够大的常数;Vi,t为第t个规划年中节点i的电压幅值;Vj,t为第t个规划年中节点j的电压幅值。
进一步,在步骤S3中,所述构建馈线容量及电压幅值约束具体通过以下公式进行,
其中,Vi,max为节点i电压幅值的上限;Vi,min为节点i电压幅值的下限;Iij,max为线路ij电流幅值上限;Iij,min为线路ij电流幅值下限。
进一步,所述步骤S4中,所述可靠性费用目标函数具体为以下公式:
约束条件为以下计算式:
其中,Lv为年缺供电费;C5为缺供电量的单位电价;NS为场景数目,对应的是第S段支路断开;σi,s,3、μij,s,t为01变量,σi,s,3表示在第3个规划年第S个场景下第i个负荷节点的切除情况,当σi,s,3=0时,表示负荷切除;μij,s,t表示第S场景下线路使孤岛形成的开关状态,当μij,s,t=0,表示线路断开;λs表示在第S段支路发生故障概率;PGi,s,t为第t个规划年S场景下第i个DG的有功出力;QGi,s,t为第t个规划年S场景下第i个DG的无功出力;PLi,t为第t个规划年中节点i的有功负荷;QLi,t为第t个规划年中节点i的无功负荷;表示第t个规划年线路潮流流入节点i的方向;表示第t个规划年线路潮流流出节点i的方向;Pij,s,t为第t个规划年S场景下线路ij流通的有功功率;Qij,s,t为第t个规划年S场景下线路ij流通的无功功率;M1为足够大的常数;Vi,s,t为第t个规划年S场景下节点i的电压幅值;Vj,s,t为第t个规划年S场景下节点j的电压幅值。
进一步,所述步骤S4中,所述利用广义Benders分解算法进行求解的具体过程为:
关于主项的计算,在广义Benders分解算法的框架下,将成本优化目标函数改写为以下紧凑形式,
minT=C(αij,t,γi,t,δi,t)+ω(n)
s.t.αij,t (n),γi,t (n),δi,t (n)∈f(αij,t,γi,t,δi,t)
ω(n)≥ω-
其中,C(αij,t,γi,t,δi,t)表示网架和DG的建设费用、设备维护费以及停电补偿费用;ω表示子问题的优化结果;f(αij,t,γi,t,δi,t)表示由主问题的约束条件确定的变量αij,t,γi,t,δi,t的取值范围;n为迭代次数,表示第n次迭代后的子问题函数值;是第n次迭代子问题得到的对偶变量,分别是第n次迭代得到变量αij,s,t,γi,t,δi,t的值;ω-是ω初始化的下限值,
进一步,子项是在主项基础上通过以下公式进行求解,
minD(σi,s,t)
其中,g(σi,s,t)是子项的约束条件。
另一方面,本发明提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现下述方法的步骤:
将ADN可靠性规划分成主项和子项,主项为ADN规划成本优化,直到年均综合费用数值达到最小,子项为在主项的电网规划下进行可靠性校验,直到年均缺供电费数值达到最小;
构建以年均综合费用数值最小为标准的成本优化目标函数;
分别对配电网的辐射状、配电网设备建设、配电网运行潮流及馈线容量及电压幅值进行相关约束,求得各项的约束公式;
构建以年缺供电费最小为标准的可靠性费用目标函数;
利用广义Benders分解算法,对成本优化目标函数和可靠性费用目标函数进行求解。
另一方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现下述的方法的步骤:
将ADN可靠性规划分成主项和子项,主项为ADN规划成本优化,直到年均综合费用数值达到最小,子项为在主项的电网规划下进行可靠性校验,直到年均缺供电费数值达到最小;
构建以年均综合费用数值最小为标准的成本优化目标函数;
分别对配电网的辐射状、配电网设备建设、配电网运行潮流及馈线容量及电压幅值进行相关约束,求得各项的约束公式;
构建以年缺供电费最小为标准的可靠性费用目标函数;
利用广义Benders分解算法,对成本优化目标函数和可靠性费用目标函数进行求解。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的主动配电网可靠性规划方法、设备及介质,实现了配电网可靠性校验、配电网网架规划建设和DG规划建设的协同求解,从而获得主动配电网可靠性规划的最优方案;
提出新的模型求解方法能够更好地收敛到主动配电网的最优规划方案,在保证求解准确性的基础上仍有较快的求解速度;
引入了多场景下分析模拟,协同考虑了DG选址规划、网架规划以及DG接入位置对ADN规划的影响,从而获得整体最优的主动配电网规划方案;
在配电网最大供电能力评估的基础上,考虑了配电网快速重构、N-1安全约束、潮流约束,采用优化求解的思路,用混合整数线性规划对配电网进行最大供电能力评估。
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附图作简单地介绍,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性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明提供的主动配电网可靠性规划方法的主流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1所示,示出了本发明提供的主动配电网可靠性规划方法的一个实施例的示意图,在本实施例中,该方法具体包括步骤:
步骤S1,将ADN可靠性规划分成主项和子项,主项为ADN规划成本优化,直到年均综合费用数值达到最小,子项为在主项的电网规划下进行可靠性校验,直到年均缺供电费数值达到最小;
具体实施例中,将ADN可靠性规划分为主问题和子问题,主问题为ADN规划成本优化问题,以年均综合费用最小为目标,包括配网网架和分布式电源的建设费用,运行维护费用以及对未供电负荷节点的停电补偿;子问题为主问题涉及的配网规划下进行的N-1安全校验,以年均缺供电费最小为目标。
步骤S2,构建以年均综合费用数值最小为标准的成本优化目标函数;
具体的实施例中,所述成本优化目标函数具体为以下公式:
minT=Iv+Mv+Sv+Lv
其中,T表示投资的总费用;Mv表示设备运维费用;Sv表示停电补偿费用;Iv表示网架建设和DG建设的投资费用;Lv表示ADN规划的可靠性费用;r表示折现率,取为8%;Nt表示配电网规划年限,取为3年;Nk表示计划建设线路的回数;Ng表示计划并网DG的节点数;c1表示线路建设费;c2表示DG建设费;c3表示设备运维费用;c4表示停电补偿单价费用;i表示节点编号,αij,t、γij,t、δij,t表示01变量,αij,t=1表示第t个规划年间线路ij连通;γij,t=1表示第t个规划年间在节点i处接入DG;δij,t=1表示节点i负荷在第t个规划年投运;αij,t=1、γij,t-1为t-1年相应情况。
步骤S3,分别对配电网的辐射状、配电网设备建设、配电网运行潮流及馈线容量及电压幅值进行相关约束,求得各项的约束公式;
具体实施例中,所述配电网的辐射状约束具体通过以下公式进行,设置变电站所在节点为根节点,网架规划从根节点逐渐延伸而成,
其中,Nr为变电站节点数目,Ωr为根节点集合;当βij=1,βji=0时,则节点i是节点j的父节点;当二者均为0时,则代表ij两节点没有连通。
具体的,所述配电网的设备建设约束具体通过以下公式进行,
其中,αij,t、γij,t、δij,t表示01变量;αij,t表示第t个规划年间线路ij连通;γij,t表示第t个规划年间在节点i处接入DG;δij,t表示节点i负荷在第t个规划年投运,馈线、DG等设备的投资建设是不可逆转的。
更具体的,所述配电网的潮流约束具体通过以下公式进行,设定Vi为节点i的电压幅值;Vj为节点j的电压幅值;Pij为线路ij流通的有功功率;Qij为线路ij流通的无功功率;Rij为线路ij的电阻;Xij为线路ij的电抗,为提供算法收敛性,进行简化如下:
进一步,结合变量αij,t、γij,t、δij,t,可得到最终潮流模型:
其中,PGi,t为第t个规划年中第i个DG的有功出力;QGi,t为第t个规划年中第i个DG的无功出力;PLi,t为第t个规划年中节点i的有功负荷;QLi,t为第t个规划年中节点i的无功负荷;表示第t个规划年线路潮流流入节点i的方向;表示第t个规划年线路潮流流出节点i的方向;Pij,t为第t个规划年线路ij流通的有功功率;Qij,t为第t个规划年线路ij流通的无功功率;M1为足够大的常数;Vi,t为第t个规划年中节点i的电压幅值;Vj,t为第t个规划年中节点j的电压幅值。
更具体的,所述构建馈线容量及电压幅值约束具体通过以下公式进行,
其中,Vi,max为节点i电压幅值的上限;Vi,min为节点i电压幅值的下限;Iij,max为线路ij电流幅值上限;Iij,min为线路ij电流幅值下限。
步骤S4,构建以年缺供电费最小为标准的可靠性费用目标函数;
具体实施例中,在得到主动配电网规划方案后进行N-1安全性校验以验证规划方案的可靠性。子问题为可靠性费用,以缺供电量最小为目标,所述可靠性费用目标函数具体为以下公式:
约束条件为以下计算式:
其中,Lv为年缺供电费;C5为缺供电量的单位电价;NS为场景数目,对应的是第S段支路断开;σi,s,3、μij,s,t为01变量,σi,s,3表示在第3个规划年第S个场景下第i个负荷节点的切除情况,当σi,s,3=0时,表示负荷切除;μij,s,t表示第S场景下线路使孤岛形成的开关状态,当μij,s,t=0,表示线路断开;λs表示在第S段支路发生故障概率;PGi,s,t为第t个规划年S场景下第i个DG的有功出力;QGi,s,t为第t个规划年S场景下第i个DG的无功出力;PLi,t为第t个规划年中节点i的有功负荷;QLi,t为第t个规划年中节点i的无功负荷;表示第t个规划年线路潮流流入节点i的方向;表示第t个规划年线路潮流流出节点i的方向;Pij,s,t为第t个规划年S场景下线路ij流通的有功功率;Qij,s,t为第t个规划年S场景下线路ij流通的无功功率;M1为足够大的常数;Vi,s,t为第t个规划年S场景下节点i的电压幅值;Vj,s,t为第t个规划年S场景下节点j的电压幅值。
步骤S5,利用广义Benders分解算法,对成本优化目标函数和可靠性费用目标函数进行求解,
具体实施例中,所述利用广义Benders分解算法进行求解的具体过程为:
关于主项的计算,在广义Benders分解算法的框架下,将成本优化目标函数改写为以下紧凑形式,
minT=C(αij,t,γi,t,δi,t)+ω(n)
s.t.αij,t (n),γi,t (n),δi,t (n)∈f(αij,t,γi,t,δi,t)
ω(n)≥ω-
其中,C(αij,t,γi,t,δi,t)包括网架和DG的建设费用、设备维护费以及停电补偿费用;ω表示子问题的优化结果,是一个连续变量;f(αij,t,γi,t,δi,t)表示由主问题的约束条件确定的变量αij,t,γi,t,δi,t的取值范围;n表示迭代次数,表示第n次迭代后的子问题函数值;是第n次迭代子问题得到的对偶变量,分别是第n次迭代得到变量αij,s,t,γi,t,δi,t的值;ω-是ω初始化的下限值;ω(n)≥ω-为Benders割集,
进一步,子项是在主项基础上通过以下公式进行求解年缺供电的最小费用,
minD(σi,s,t)
其中,g(σi,s,t)是子项的约束条件,由上述的约束条件确定σi,s,t的取值范围。
另一方面,本发明提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现下述方法的步骤:
将ADN可靠性规划分成主项和子项,主项为ADN规划成本优化,直到年均综合费用数值达到最小,子项为在主项的电网规划下进行可靠性校验,直到年均缺供电费数值达到最小;
构建以年均综合费用数值最小为标准的成本优化目标函数;
分别对配电网的辐射状、配电网设备建设、配电网运行潮流及馈线容量及电压幅值进行相关约束,求得各项的约束公式;
构建以年缺供电费最小为标准的可靠性费用目标函数;
利用广义Benders分解算法,对成本优化目标函数和可靠性费用目标函数进行求解。
另一方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现下述的方法的步骤:
将ADN可靠性规划分成主项和子项,主项为ADN规划成本优化,直到年均综合费用数值达到最小,子项为在主项的电网规划下进行可靠性校验,直到年均缺供电费数值达到最小;
构建以年均综合费用数值最小为标准的成本优化目标函数;
分别对配电网的辐射状、配电网设备建设、配电网运行潮流及馈线容量及电压幅值进行相关约束,求得各项的约束公式;
构建以年缺供电费最小为标准的可靠性费用目标函数;
利用广义Benders分解算法,对成本优化目标函数和可靠性费用目标函数进行求解。
更多的细节,可以参照并结合前述对附图的描述,在此不进行详述。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的主动配电网可靠性规划方法、设备及介质,
实现了配电网可靠性校验、配电网网架规划建设和DG规划建设的协同求解,从而获得主动配电网可靠性规划的最优方案;
提出新的模型求解方法能够更好地收敛到主动配电网的最优规划方案,在保证求解准确性的基础上仍有较快的求解速度;
引入了多场景下分析模拟,协同考虑了DG选址规划、网架规划以及DG接入位置对ADN规划的影响,从而获得整体最优的主动配电网规划方案;
在配电网最大供电能力评估的基础上,考虑了配电网快速重构、N-1安全约束、潮流约束,采用优化求解的思路,用混合整数线性规划对配电网进行最大供电能力评估。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种主动配电网可靠性规划方法,其特征在于,包括以下步骤:
步骤S1,将ADN可靠性规划分成主项和子项,主项为ADN规划成本优化,直到年均综合费用数值达到最小,子项为在主项的电网规划下进行可靠性校验,直到年均缺供电费数值达到最小;
步骤S2,构建以年均综合费用数值最小为标准的成本优化目标函数;
步骤S3,分别对配电网的辐射状、配电网设备建设、配电网运行潮流及馈线容量及电压幅值进行相关约束,求得各项的约束公式;
步骤S4,构建以年缺供电费最小为标准的可靠性费用目标函数;
步骤S5,利用广义Benders分解算法,对成本优化目标函数和可靠性费用目标函数进行求解。
2.如权利要求1所述的方法,其特征在于,在步骤S2中,所述成本优化目标函数具体为以下公式:
minT=Iv+Mv+Sv+Lv
其中,T表示投资的总费用;Mv表示设备运维费用;Sv表示停电补偿费用;Iv表示网架建设和DG建设的投资费用;Lv表示ADN规划的可靠性费用;r表示折现率;Nt表示配电网规划年限;Nk表示计划建设线路的回数;Ng表示计划并网DG的节点数;c1表示线路建设费;c2表示DG建设费;c3表示设备运维费用;c4表示停电补偿单价费用;i表示节点编号,αij,t、γij,t、δij,t表示01变量,αij,t=1表示第t个规划年间线路ij连通;γij,t=1表示第t个规划年间在节点i处接入DG;δij,t=1表示节点i负荷在第t个规划年投运;αij,t-1、γij,t-1为t-1年相应情况。
5.如权利要求4所述的方法,其特征在于,在步骤S3中,所述配电网的潮流约束具体通过以下公式进行,
进一步,结合变量αij,t、γij,t、δij,t,可得到最终潮流模型:
其中,Vi为节点i的电压幅值;Vj为节点j的电压幅值;Pij为线路ij流通的有功功率;Qij为线路ij流通的无功功率;Rij为线路ij的电阻;Xij为线路ij的电抗;PGi,t为第t个规划年中第i个DG的有功出力;QGi,t为第t个规划年中第i个DG的无功出力;PLi,t为第t个规划年中节点i的有功负荷;QLi,t为第t个规划年中节点i的无功负荷;表示第t个规划年线路潮流流入节点i的方向;表示第t个规划年线路潮流流出节点i的方向;Pij,t为第t个规划年线路ij流通的有功功率;Qij,t为第t个规划年线路ij流通的无功功率;M1为足够大的常数;Vi,t为第t个规划年中节点i的电压幅值;Vj,t为第t个规划年中节点j的电压幅值。
7.如权利要求6所述的方法,其特征在于,所述步骤S4中,所述可靠性费用目标函数具体为以下公式:
约束条件为以下计算式:
其中,Lv为年缺供电费;C5为缺供电量的单位电价;NS为场景数目,对应的是第S段支路断开;σi,s,3、μij,s,t为01变量,σi,s,3表示在第3个规划年第S个场景下第i个负荷节点的切除情况,当σi,s,3=0时,表示负荷切除;μij,s,t表示第S场景下线路使孤岛形成的开关状态,当μij,s,t=0,表示线路断开;λs表示在第S段支路发生故障概率;PGi,s,t为第t个规划年S场景下第i个DG的有功出力;QGi,s,t为第t个规划年S场景下第i个DG的无功出力;PLi,t为第t个规划年中节点i的有功负荷;QLi,t为第t个规划年中节点i的无功负荷;表示第t个规划年线路潮流流入节点i的方向;表示第t个规划年线路潮流流出节点i的方向;Pij,s,t为第t个规划年S场景下线路ij流通的有功功率;Qij,s,t为第t个规划年S场景下线路ij流通的无功功率;M1为足够大的常数;Vi,s,t为第t个规划年S场景下节点i的电压幅值;Vj,s,t为第t个规划年S场景下节点j的电压幅值。
8.如权利要求7所述的方法,其特征在于,所述步骤S5中,所述利用广义Benders分解算法进行求解的具体过程为:
在广义Benders分解算法的框架下,将成本优化目标函数改写为以下紧凑形式,
minT=C(αij,t,γi,t,δi,t)+ω(n)
s.t.αij,t (n),γi,t (n),δi,t (n)∈f(αij,t,γi,t,δi,t)
ω(n)≥ω-
其中,C(αij,t,γi,t,δi,t)表示网架和DG的建设费用、设备维护费以及停电补偿费用;ω表示子项的优化结果;f(αij,t,γi,t,δi,t)表示由主项的约束条件确定的变量αij,t,γi,t,δi,t的取值范围;n表示迭代次数,表示第n次迭代后的子问题函数值;是第n次迭代子问题得到的对偶变量,分别是第n次迭代得到变量αij,s,t,γi,t,δi,t的值;ω-是ω初始化的下限值,
进一步,子项是在主项基础上通过以下公式进行求解,
minD(σi,s,t)
其中,g(σi,s,t)是子项的约束条件。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911065330.8A CN111079972A (zh) | 2019-11-04 | 2019-11-04 | 一种主动配电网可靠性规划方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911065330.8A CN111079972A (zh) | 2019-11-04 | 2019-11-04 | 一种主动配电网可靠性规划方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111079972A true CN111079972A (zh) | 2020-04-28 |
Family
ID=70310760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911065330.8A Pending CN111079972A (zh) | 2019-11-04 | 2019-11-04 | 一种主动配电网可靠性规划方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111079972A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723980A (zh) * | 2020-06-05 | 2020-09-29 | 贵州电网有限责任公司 | 一种规模化负荷调控的配电网变电站容量优化方法 |
CN112990596A (zh) * | 2021-03-31 | 2021-06-18 | 东南大学 | 一种主动配电网和虚拟电厂协同运行的分布式优化方法 |
CN113379127A (zh) * | 2021-06-11 | 2021-09-10 | 沈阳工程学院 | 基于广义Benders分解法的地区综合能源***联合规划方法 |
CN113887837A (zh) * | 2021-11-09 | 2022-01-04 | 国网江苏省电力有限公司电力科学研究院 | 一种基于分布式电源出力高维联合分布的配电网消纳能力评估方法及装置 |
CN115545465A (zh) * | 2022-09-30 | 2022-12-30 | 国网山东省电力公司潍坊供电公司 | 一种分布式光伏和储能的多目标联合规划方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1322020A1 (en) * | 2001-12-20 | 2003-06-25 | Abb Research Ltd. | Power system expansion planning |
US20160099567A1 (en) * | 2014-10-02 | 2016-04-07 | Mitsubishi Electric Research Laboratories, Inc. | Dynamic and Adaptive Configurable Power Distribution System |
CN106815657A (zh) * | 2017-01-05 | 2017-06-09 | 国网福建省电力有限公司 | 一种考虑时序性和可靠性的配电网双层规划方法 |
CN107330568A (zh) * | 2017-08-16 | 2017-11-07 | 东南大学 | 基于Benders解耦的储能、分布式电源与配电网协调规划方法 |
CN107358337A (zh) * | 2017-06-08 | 2017-11-17 | 上海电力学院 | 一种基于网络重构的有源配电网规划方法 |
US20180041036A1 (en) * | 2016-08-02 | 2018-02-08 | Tsinghua University | Reactive power optimization method |
CN108470239A (zh) * | 2018-03-01 | 2018-08-31 | 国网福建省电力有限公司 | 计及需求侧管理和储能的主动配电网多目标分层规划方法 |
CN109871989A (zh) * | 2019-01-29 | 2019-06-11 | 国网山西省电力公司吕梁供电公司 | 一种含分布式电源的配电网分层规划方法 |
CN110289611A (zh) * | 2019-03-29 | 2019-09-27 | 国网浙江海宁市供电有限公司 | 一种提升分布式电源消纳能力的主动配电网规划方法 |
-
2019
- 2019-11-04 CN CN201911065330.8A patent/CN111079972A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1322020A1 (en) * | 2001-12-20 | 2003-06-25 | Abb Research Ltd. | Power system expansion planning |
US20160099567A1 (en) * | 2014-10-02 | 2016-04-07 | Mitsubishi Electric Research Laboratories, Inc. | Dynamic and Adaptive Configurable Power Distribution System |
US20180041036A1 (en) * | 2016-08-02 | 2018-02-08 | Tsinghua University | Reactive power optimization method |
CN106815657A (zh) * | 2017-01-05 | 2017-06-09 | 国网福建省电力有限公司 | 一种考虑时序性和可靠性的配电网双层规划方法 |
CN107358337A (zh) * | 2017-06-08 | 2017-11-17 | 上海电力学院 | 一种基于网络重构的有源配电网规划方法 |
CN107330568A (zh) * | 2017-08-16 | 2017-11-07 | 东南大学 | 基于Benders解耦的储能、分布式电源与配电网协调规划方法 |
CN108470239A (zh) * | 2018-03-01 | 2018-08-31 | 国网福建省电力有限公司 | 计及需求侧管理和储能的主动配电网多目标分层规划方法 |
CN109871989A (zh) * | 2019-01-29 | 2019-06-11 | 国网山西省电力公司吕梁供电公司 | 一种含分布式电源的配电网分层规划方法 |
CN110289611A (zh) * | 2019-03-29 | 2019-09-27 | 国网浙江海宁市供电有限公司 | 一种提升分布式电源消纳能力的主动配电网规划方法 |
Non-Patent Citations (1)
Title |
---|
徐笑等: "主动配电网可靠性规划", 《电气自动化》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723980A (zh) * | 2020-06-05 | 2020-09-29 | 贵州电网有限责任公司 | 一种规模化负荷调控的配电网变电站容量优化方法 |
CN112990596A (zh) * | 2021-03-31 | 2021-06-18 | 东南大学 | 一种主动配电网和虚拟电厂协同运行的分布式优化方法 |
CN112990596B (zh) * | 2021-03-31 | 2024-05-17 | 东南大学 | 一种主动配电网和虚拟电厂协同运行的分布式优化方法 |
CN113379127A (zh) * | 2021-06-11 | 2021-09-10 | 沈阳工程学院 | 基于广义Benders分解法的地区综合能源***联合规划方法 |
CN113887837A (zh) * | 2021-11-09 | 2022-01-04 | 国网江苏省电力有限公司电力科学研究院 | 一种基于分布式电源出力高维联合分布的配电网消纳能力评估方法及装置 |
CN115545465A (zh) * | 2022-09-30 | 2022-12-30 | 国网山东省电力公司潍坊供电公司 | 一种分布式光伏和储能的多目标联合规划方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Hierarchically-coordinated voltage/VAR control of distribution networks using PV inverters | |
Zhuo et al. | Incorporating massive scenarios in transmission expansion planning with high renewable energy penetration | |
Ding et al. | Multi-stage distributionally robust stochastic dual dynamic programming to multi-period economic dispatch with virtual energy storage | |
CN111079972A (zh) | 一种主动配电网可靠性规划方法、设备及介质 | |
Montoya et al. | Dynamic active and reactive power compensation in distribution networks with batteries: A day-ahead economic dispatch approach | |
Ghadimi et al. | PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives | |
Liu et al. | Multi-objective optimization scheduling of wind–photovoltaic–hydropower systems considering riverine ecosystem | |
Rajesh et al. | Least cost generation expansion planning with wind power plant incorporating emission using differential evolution algorithm | |
CN103106544B (zh) | 一种基于t-s型模糊神经网络的光伏发电预测*** | |
Gupta et al. | Deployment of distributed generation with D-FACTS in distribution system: a comprehensive analytical review | |
CN103514570A (zh) | 一种含分布式电源的配电网扩展规划综合优化方法 | |
Ke et al. | Coordinative real‐time sub‐transmission volt–var control for reactive power regulation between transmission and distribution systems | |
Varzaneh et al. | Optimal energy management for PV‐integrated residential systems including energy storage system | |
Bahmanifirouzi et al. | Multi-objective stochastic dynamic economic emission dispatch enhancement by fuzzy adaptive modified theta particle swarm optimization | |
CN104037790A (zh) | 一种基于时序蒙特卡罗模拟的新能源接纳能力评估方法 | |
CN105305488A (zh) | 一种考虑新能源并网对输电网利用率影响的评价方法 | |
Shi et al. | Research on energy management of hydrogen electric coupling system based on deep reinforcement learning | |
Vardhan et al. | Cost effective day-ahead scheduling with stochastic load and intermittency forecasting for distribution system considering distributed energy resources | |
CN115481856A (zh) | 考虑综合需求响应的综合能源***多尺度调度方法及*** | |
Li et al. | Improving voltage profile of unbalanced Low‐Voltage distribution networks via optimal placement and operation of distributed energy storage systems | |
Qin et al. | SR‐based chance‐constrained economic dispatch for power systems with wind power | |
Luo et al. | Energy efficiency evaluation and optimization of active distribution networks with building integrated photovoltaic systems | |
Lu et al. | Voltage limit violation risk evaluation method considering communication failures in distributed voltage regulation system | |
Šemić et al. | Distributed generation allocation in low voltage distribution network using artificial neural network | |
Qiu et al. | Local integrated energy system operational optimization considering multi‐type uncertainties: A reinforcement learning approach based on improved TD3 algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200428 |