CN111884254B - 基于双重随机模拟的分布式光伏消纳接入方法及装置 - Google Patents

基于双重随机模拟的分布式光伏消纳接入方法及装置 Download PDF

Info

Publication number
CN111884254B
CN111884254B CN202010738932.1A CN202010738932A CN111884254B CN 111884254 B CN111884254 B CN 111884254B CN 202010738932 A CN202010738932 A CN 202010738932A CN 111884254 B CN111884254 B CN 111884254B
Authority
CN
China
Prior art keywords
photovoltaic
node
access
load
load node
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.)
Active
Application number
CN202010738932.1A
Other languages
English (en)
Other versions
CN111884254A (zh
Inventor
吴悦
张忠会
赵升学
李国栋
赵永明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Gansu Electric Power Co Longnan Power Supply Co
Original Assignee
State Grid Gansu Electric Power Co Longnan Power Supply Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Gansu Electric Power Co Longnan Power Supply Co filed Critical State Grid Gansu Electric Power Co Longnan Power Supply Co
Priority to CN202010738932.1A priority Critical patent/CN111884254B/zh
Publication of CN111884254A publication Critical patent/CN111884254A/zh
Application granted granted Critical
Publication of CN111884254B publication Critical patent/CN111884254B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明实施例提供了一种基于双重随机模拟的分布式光伏消纳接入方法及装置，方法包括：确定对光伏接入消纳能力限制最大的时刻，基于光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性，进行双重随机模拟和容量模拟得到全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值，继而根据全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值确定分布式光伏消纳接入方案。本发明实施例提供的随机模拟过程无须再考虑负荷和光伏出力的随机性，而是将光伏接入限制最大时刻的负荷数据和光伏出力用以随机模拟即可求解配电网的光伏消纳能力，仅需考虑接入点数量和具体接入位置的不确定性。

Description

基于双重随机模拟的分布式光伏消纳接入方法及装置
技术领域
本发明涉及配电网分布式电源规划领域，尤其涉及一种基于双重随机模拟的分布式光伏消纳接入方法及装置。
背景技术
近年来，随着我国对分布式光伏建设的支持力度和补贴政策，我国农村配电网的分布式光伏并网需求逐年增加，这给电网的安全稳定经济运行带来了重大挑战，包括电能质量、网络损耗和电网可靠性等，其中，以电压越限问题的影响最为严重。同时，分布式光伏并网时存在接入节点数量和光伏具体接入位置两大不确定性，而在现有的随机模拟方法中，在应对复杂优化问题时，存在一个主要问题：因抽样函数选择不当而造成不必要的计算开销，既增加了重复抽样的概率，又增加了计算时间。
发明内容
针对现有技术中存在的问题，本发明实施例提供一种基于双重随机模拟的分布式光伏消纳接入方法及装置。
第一方面，本发明实施例提供一种基于双重随机模拟的分布式光伏消纳接入方法，包括：
S1、基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，确定对光伏接入消纳能力限制最大的时刻；
S2、获取所述光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性；
S3、基于所述各负荷节点在所述光伏接入限制最大的时刻的负荷水平和光伏出力特性，采用β分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量；
S4、基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，进行第二重随机抽样模拟，确定光伏接入点位置；
S5、对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值；
S6、根据所述光伏接入点位置、所述全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值，确定分布式光伏消纳接入方案；
S7、重复S3至S6的步骤，确定若干种分布式光伏消纳接入方案。
进一步地，所述基于所述各负荷节点在所述光伏接入限制最大的时刻的负荷水平和光伏出力特性，采用β分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量，具体包括：
基于所述各负荷节点在所述光伏接入限制最大的时刻的负荷水平和光伏出力特性，采用β(2，5)分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量。
进一步地，所述基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，进行第二重随机抽样模拟，确定光伏接入点位置，具体包括：
基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，重复进行第二重随机抽样模拟，直到抽取到满足所述光伏接入点数量的不同负荷节点，确定光伏接入点位置。
进一步地，所述基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，确定对光伏接入消纳能力限制最大的时刻，具体包括：
基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，采用二分法，按照第一关系模型，评估各负荷节点每一时刻的光伏接入消纳能力；
根据各负荷节点每一时刻的光伏接入消纳能力，确定对光伏接入消纳能力限制最大的时刻；
其中，所述二分法包括：
根据负荷节点电压值，按如下规则对所述负荷节点的消纳能力进行重复二分，每二分一次，相应地进行一次全网各负荷节点电压值校验；
若存在任一负荷节点电压值越限，则取二分区间的上边界，用于计算所述负荷节点的消纳能力；
若不存在任一负荷节点电压值越限，则取二分区间的下边界，用于计算所述负荷节点的消纳能力；
其中，第一关系模型包括：
Figure GDA0003309726930000021
其中，对于某时刻的负荷水平和光伏出力特性，Plim(n)(k)表示进行n次二分后的节点k的消纳能力，其中，n为大于等于0的正整数，表示二分次数，每一次验证中，消纳容量为区间中位值，Plim(n+1)(k)表示进行n+1次二分后节点k的消纳能力，Pdown(k)表示包含负荷节点k 消纳能力的二分区间的下边界，Pup(k)表示包含负荷节点k消纳能力的二分区间的上边界。
进一步地，所述根据负荷节点电压值，按如下规则对所述负荷节点的消纳能力进行重复二分，具体包括：
按照第二关系模型计算负荷节点电压值，根据负荷节点电压值，对所述负荷节点的消纳能力进行重复二分；
其中，第二关系模型包括：
Figure GDA0003309726930000031
Figure GDA0003309726930000032
其中，Ue(pu)表示负荷节点c接入光伏后，网络中节点e的电压标幺值，所述节点e在接入负荷节点c前；Uf(pu)表示负荷节点c接入光伏后，网络中节点f的电压标幺值，所述节点f在接入负荷节点c后；r表示线路基本参数单位长度电阻，x表示线路基本参数单位长度电抗，i、j表示节点编号变量，Li表示节点i与节点i-1之间的线路长度，Qj表示节点j的实时无功功率，U0表示网络额定电压，Plim1(c)表示接入负荷节点c的光伏向网络注入的功率，Pj表示节点j的实时有功功率。
进一步地，所述对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值，具体包括：
对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，按照第三关系模型，确定全网各接入负荷节点的消纳容量及全网负荷节点电压最大值；
其中，所述第三关系模型，包括：
Figure GDA0003309726930000041
其中，在某次容量模拟中，A表示接入光伏的节点编号序列，A(i)表示序列中的第i个节点的编号，D(i)表示抽样到的第i个节点接入的光伏容量，
Figure GDA0003309726930000042
表示电气距离系数，N表示网络的节点总数，min A(i)表示所有接入光伏的节点中编号最小的节点，PL(i)表示负荷节点的负荷水平，z表示累加系数，b表示容量模拟的次数；
Figure GDA0003309726930000043
其中，DPV(b)表示本次容量模拟的光伏消纳容量，M表示实际接入光伏的节点数量，D(i)表示抽样到的第i个节点接入的光伏容量；
Figure GDA0003309726930000044
其中，Ug(pu)表示网络中节点g的电压标幺值，r表示线路基本参数单位长度电阻，x表示线路基本参数单位长度电抗，i、j表示节点编号变量，Li表示节点i与节点i-1之间的线路长度，Qj表示节点j的实时无功功率，U0表示网络额定电压，Plim1(j)表示接入负荷节点j的光伏向网络注入的功率，Pj表示节点j的实时有功功率；
其中，若各负荷节点的电压标幺值均小于等于预设值，则满足电压约束；确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值；
若任一负荷节点的电压标幺值大于预设值，则再进行5次容量模拟后，重复进行S3至S5，直到完成预设次数的模拟过程，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值。
进一步地，所述方法，还包括：
将若干种分布式光伏消纳接入方案作为光伏消纳接入方案数据库；
基于目标接入光伏消纳容量，在所述光伏消纳数据库中筛选匹配的分布式光伏消纳接入方案；
基于所述匹配的分布式光伏消纳接入方案，将所述全网负荷节点电压最大值变化程度最小的分布式光伏消纳接入方案，作为最优分布式光伏消纳接入方案。
第二方面，本发明实施例提供了一种基于双重随机模拟的分布式光伏消纳接入装置，包括：
第一确定模块，用于基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，确定对光伏接入消纳能力限制最大的时刻；
获取模块，用于获取所述光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性；
第二确定模块，用于基于所述各负荷节点在所述光伏接入限制最大的时刻的负荷水平和光伏出力特性，采用β分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量；
第三确定模块，用于基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，进行第二重随机抽样模拟，确定光伏接入点位置；
第四确定模块，用于对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值；
第五确定模块，用于根据所述光伏接入点位置、所述全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值，确定分布式光伏消纳接入方案；
第六确定模块，用于重复第二确定模块至第五确定模块，确定若干种分布式光伏消纳接入方案。
第三方面，本发明实施例还提供了一种电子设备，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程序时实现如上第一方面所述的基于双重随机模拟的分布式光伏消纳接入方法的步骤。
第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上第一方面所述的基于双重随机模拟的分布式光伏消纳接入方法的步骤。
由上述技术方案可知，本发明实施例提供的一种基于双重随机模拟的分布式光伏消纳接入方法及装置，通过确定对光伏接入消纳能力限制最大的时刻，基于所述各负荷节点在所述光伏接入限制最大的时刻的负荷水平和光伏出力特性进行双重随机模拟，确定光伏接入点数量和光伏接入点的具体接入位置，从而使随机模拟过程无须再考虑负荷和光伏出力的随机性，而是将光伏接入限制最大时刻的负荷数据和光伏出力用以随机模拟即可求解配电网的光伏消纳能力，仅需考虑接入点数量和具体接入位置的不确定性，由此可见上述随机模拟能较好的应对负荷波动和分布式电源的不确定性，同时采用β分布函数作为第一重随机抽样函数，采用均匀分布函数作为第二重随机抽样函数，更适合来做光伏出力预测，能够较好的应对光伏出力预测随机场景，评估结果更为全面，求解过程清晰，提高计算效率，且易于生成多种分布式光伏消纳接入方案，为实际配电网规划提供指导。
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为本发明一实施例提供的基于双重随机模拟的分布式光伏消纳接入方法的流程示意图；
图2-图9为本发明另一实施例提供的基于双重随机模拟的分布式光伏消纳接入方法的示意图；
图10为本发明一实施例提供的基于双重随机模拟的分布式光伏消纳接入装置的结构示意图；
图11为本发明一实施例中电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明一实施例提供的基于双重随机模拟的分布式光伏消纳接入方法的流程示意图；如图1所示，该方法包括：
步骤S1：基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，确定对光伏接入消纳能力限制最大的时刻。
在本步骤中，根据目标配电网及其网络架构参数，确定配电网节点电压的限制数值，确定拟接入分布式光伏配电网范围内的所有负荷节点(即N个拟接入光伏配电网的负荷节点)、确定全年负荷特性PL(时间尺度为1小时，单位kW)、全年单位容量光伏出力特性PV(时间尺度为1小时，单位kW)，设定随机模拟参数：如总频次S，初始随机模拟频次a＝1，容量模拟频次b＝1，基于上述确定的配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，例如采用二分法，对各负荷节点每一时刻的光伏接入消纳能力进行评估，获取评估结果中的最小值，由于光伏接入消纳能力最小时表示此刻对光伏消纳的限制最大，因此可以确定对光伏接入消纳能力限制最大的时刻。
步骤S2：获取所述光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性。
在本步骤中，需要说明的是，通过步骤S1中评估各负荷节点每一时刻的光伏接入消纳能力，即可获取相应时刻的负荷水平和光伏出力特性，因此，本步骤可以直接确定所述光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性。
步骤S3：基于所述各负荷节点在所述光伏接入限制最大的时刻的负荷水平和光伏出力特性，采用β分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量。
在本步骤中，进行第a次随机模拟的第一重随机抽样，采用β分布函数作为第一重随机抽样函数，确定光伏接入点数量M，根据随机抽样组合函数
Figure GDA0003309726930000071
抽样特性，其值随M取值从1到N呈“中间大两头小”的分布趋势。
举例来说，进行第a次随机模拟的第一重随机抽样，采用β分布函数作为第一重随机抽样函数，抽样原理如图3所示，将N个负荷节点按1～N编号等比例投影到β分布函数上，对每一次随机抽样到的数值向上取整得到光伏接入点数量M，或节点编号值(参见图4中的85节点或者84节点等，85或84即为节点编号值)，即若抽取到的数值h位于区间[H-1，H](H≥2)，则有M＝H，或节点编号为H的节点被抽到。
步骤S4：基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，进行第二重随机抽样模拟，确定光伏接入点位置。
在本步骤中，进行第a次随机模拟的第二重随机抽样，确定具体的光伏接入位置AM×1，举例来说，对于具体接入光伏的M个负荷节点，为保证每个节点被抽取的概率，经对比分析各类抽样函数，最终选取均匀分布作为第二重随机抽样函数。其抽样原理类似于第一重随机抽样，不同之处在于抽样函数不同，且第二重随机抽样为多次重复抽样，直到抽取到M个不同的负荷节点抽样才结束，通过上述第二重随机抽样模拟即可确定具体的光伏接入点位置AM×1。
步骤S5：对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值。
在本步骤中，对所述光伏接入点位置上的各接入负荷节点，进行第a次随机模拟的第b次容量模拟，由于负荷节点i(即光伏接入点位置上的各接入负荷节点)与其距网络首端的电气距离成反相关，与其负荷水平PL(i)成正相关，计算第b次容量模拟的光伏消纳量，确定全网各接入负荷节点的光伏消纳容量，所述全网各接入负荷节点的光伏消纳容量为各光伏消纳量之和，(参见图4)如确定光伏接入点位置为图4中的节点65、71、75、77、85，计算节点65第b次容量模拟的光伏消纳量为305.78、计算节点71第b次容量模拟的光伏消纳量为584.45、计算节点75第b次容量模拟的光伏消纳量为389.29，计算节点77第b次容量模拟的光伏消纳量为242.71，计算节点82第b次容量模拟的光伏消纳量为87.43，则确定全网各接入负荷节点的光伏消纳容量为1609.66KW，同时对第b次容量模拟后的全网电压进行校验，确定全网负荷节点电压最大值，如全网负荷节点电压最大值1.069。
步骤S6：根据所述光伏接入点位置、所述全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值，确定分布式光伏消纳接入方案。
在本步骤中，可以理解的是，记录容量模拟的结果，随机模拟完成，将随机模拟的结果作为一种分布式光伏消纳接入方案。
步骤S7：重复S3至S6的步骤，确定若干种分布式光伏消纳接入方案。
在本步骤中，重复S3至S6的步骤，即重复进行第一重随机模拟、第二重随机模拟、容量模拟，最终得到若干种分布式光伏消纳接入方案，将该若干种分布式光伏消纳接入方案作为数据库，参见图9，如进行2000次随机模拟，共得到3599种不同的光伏接入方案，各次随机模拟及其容量模拟的过程如图7所示，图中每一个散点代表一种消纳方案。
由上面技术方案可知，本发明实施例提供的基于双重随机模拟的分布式光伏消纳接入方法，通过确定对光伏接入消纳能力限制最大的时刻，基于所述各负荷节点在所述光伏接入限制最大的时刻的负荷水平和光伏出力特性进行双重随机模拟，确定光伏接入点数量和光伏接入点的具体接入位置，从而使随机模拟过程无须再考虑负荷和光伏出力的随机性，而是将光伏接入限制最大时刻的负荷数据和光伏出力用以随机模拟即可求解配电网的光伏消纳能力，仅需考虑接入点数量和具体接入位置的不确定性，由此可见上述随机模拟能较好的应对负荷波动和分布式电源的不确定性，同时采用β分布函数作为第一重随机抽样函数，采用均匀分布函数作为第二重随机抽样函数，更适合来做光伏出力预测，能够较好的应对光伏出力预测随机场景，评估结果更为全面，求解过程清晰，提高计算效率，且易于生成多种分布式光伏消纳接入方案，为实际配电网规划提供指导。
在上述实施例的基础上，在本实施例中，所述基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，确定对光伏接入消纳能力限制最大的时刻，具体包括：
基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，采用二分法，按照第一关系模型，评估各负荷节点每一时刻的光伏接入消纳能力；
根据各负荷节点每一时刻的光伏接入消纳能力，确定对光伏接入消纳能力限制最大的时刻；
其中，所述二分法包括：
根据负荷节点电压值，按如下规则对所述负荷节点的消纳能力进行重复二分，每二分一次，相应地进行一次全网各负荷节点电压值校验；
若存在任一负荷节点电压值越限，则取二分区间的上边界，用于计算所述负荷节点的消纳能力；
若不存在任一负荷节点电压值越限，则取二分区间的下边界，用于计算所述负荷节点的消纳能力；
其中，第一关系模型包括：
Figure GDA0003309726930000091
其中，对于某时刻的负荷水平和光伏出力特性，Plim(n)(k)表示进行n次二分后的节点k的消纳能力，其中，n为大于等于0的正整数，表示二分次数，每一次验证中，消纳容量为区间中位值，Plim(n+1)(k)表示进行n+1次二分后节点k的消纳能力，Pdown(k)表示包含负荷节点k消纳能力的二分区间的下边界，Pup(k)表示包含负荷节点k消纳能力的二分区间的上边界。
在本实施例中，以某地区一85节点实际配电***为例进行说明，拓扑图如图4所示。
确定目标配电网及其网络架构如图4，线型LJG-35；确定可接入分布式光伏的配电网范围(节点63～85中的所有负荷节点，共12个)、全年负荷特性PL(以末端节点85为例的全年逐时负荷如图5所示)、全年单位容量光伏出力特性PV(100kW光伏全年出力特性如图6所示)；设定随机模拟参数：总频次S＝20000，初始随机模拟频次扩1，容量模拟频次b＝1。
评估单节点接入光伏的消纳能力。设初始二分区间为[0，5000]单位kW，设置二分次数T＝15，对63～85各节点逐日求解各自不同时刻的光伏消纳能力。以节点85为例，其逐日评估结果如图7所示。
由图7可知，1月1号到2月1号和11月1号到12月31号对光伏消纳的限制最小；2月1号到4月1号和9月1号到11月1号其次；4月1号到9月1号对光伏消纳的限制最大，同理，可得63～85各负荷节点的光伏消纳能力，如图8所示。
根据图8可以看出，节点的光伏消纳能力与其电气距离呈反相关，与负荷水平呈正相关。对比各节点全年极限消纳能力情况得知，全年对光伏接入限制最大的时刻为6月2日中午11点(见图6)，将此时刻的各点负荷水平及光伏出力特性(如表1所示)带入随机模拟过程，用以评估多节点消纳光伏时的消纳方案。
表1对光伏接入限制最大时刻的相关参数
Figure GDA0003309726930000101
Figure GDA0003309726930000111
在上述实施例基础上，在本实施例中，所述根据负荷节点电压值，按如下规则对所述负荷节点的消纳能力进行重复二分，具体包括：
按照第二关系模型计算负荷节点电压值，根据负荷节点电压值，对所述负荷节点的消纳能力进行重复二分；
其中，第二关系模型包括：
Figure GDA0003309726930000112
Figure GDA0003309726930000113
其中，Ue(pu)表示负荷节点c接入光伏后，网络中节点e的电压标幺值，所述节点e在接入负荷节点c前；Uf(pu)表示负荷节点c接入光伏后，网络中节点f的电压标幺值，所述节点f在接入负荷节点c后；r表示线路基本参数单位长度电阻，x表示线路基本参数单位长度电抗，i、j表示节点编号变量，Li表示节点i与节点i-1之间的线路长度，Qj表示节点j的实时无功功率，U0表示网络额定电压，Plim1(c)表示接入负荷节点c的光伏向网络注入的功率，Pj表示节点j的实时有功功率。
在本发明实施例中，需要说明的是，各负荷节点电压值按照第二关系模型求得，其中，线路基本参数单位长度电阻r和电抗x、线路长度L、负荷功率P+jQ、网络额定电压UN均为已知量，由网络架构和负荷数据可以给出。
由上面技术方案可知，本发明实施例提供的基于双重随机模拟的分布式光伏消纳接入方法，通过二分法评估各负荷节点每一时刻的光伏接入消纳能力，可以提高计算效率，计算过程简单，评估的单负荷节点接入光伏的消纳能力准确。
在上述实施例的基础上，在本实施例中，所述基于所述各负荷节点在所述光伏接入限制最大的时刻的负荷水平和光伏出力特性，采用β分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量，具体包括：
基于所述各负荷节点在所述光伏接入限制最大的时刻的负荷水平和光伏出力特性，采用β(2，5)分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量。
在本实施例中，参见图3，选用β(2，5)分布函数作为第一重随机抽样函数，将N个负荷节点按1～N编号等比例投影到分布函数β(2，5)上，对每一次随机抽样到的数值向上取整得到M或节点编号值，即若抽取到的数值h位于区间[H-1，H](H≥2)，则有M＝H，或节点编号为H的节点被抽到，例如经β(2，5)抽样，有M＝5。
本发明实施例选用β(2，5)分布函数作为第一重随机抽样函数，可以减少不必要的计算开销，降低重复抽样的概率。
在上述实施例的基础上，在本实施例中，所述基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，进行第二重随机抽样模拟，确定光伏接入点位置，具体包括：
基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，重复进行第二重随机抽样模拟，直到抽取到满足所述光伏接入点数量的不同负荷节点，确定光伏接入点位置。
在本实施例中，需要说明的是，选取均匀分布作为第二重随机抽样函数。其抽样原理类似于第一重随机抽样，不同之处在于抽样函数不同，且第二重随机抽样为多次重复抽样，直到抽取到M个不同的负荷节点抽样才结束，这M个节点即可组成光伏接入位置序列AM×1，例如经均匀分布抽样，先后抽样的M个节点为82、65、75、77、71，即光伏的具体接入位置序列AM×1为[65，71，75，77，82]T。
本发明实施例采用均匀分布函数作为第二重随机抽样函数，重复进行第二重随机抽样模拟，可以减少不必要的计算开销，降低重复抽样的概率，同时保证每个节点被抽到的概率。
本发明实施例双重随机抽样有两个不同对象，即光伏的接入点数量和具体接入光伏的负荷节点序列，二者分别对应第一重随机抽样和第二重随机抽样的抽样结果。组合函数
Figure GDA0003309726930000131
的取值随M取值从1到N呈“中间大两头小”的分布趋势，M越接近N/2，组合的可能性越多，即光伏的多节点接入方案越多，M＝N时，方案最少，仅一种。显然，对于第一重随机抽样，若在若干次随机抽样中M＝N/2的次数越多，则光伏接入方案的抽样结果重复率就越低，相反，若多次抽到M＝N，则抽样到的有效光伏接入方案仅一种，其他M＝N的抽样结果为重复抽样。而光伏接入点数量确定后，第二重随机抽样确定接入光伏的具体M个负荷节点则需保证每个负荷节点均等的抽样概率，如若不然，个别节点的被抽样概率过高或过低，抽样重复率都将明显高于等概率第二重抽样。
通过对本发明实施例的两个随机抽样对象的分析，可得出结论：第一重随机抽样函数应尽量负荷组合函数
Figure GDA0003309726930000132
的取值分布特性，第二重随机抽样函数应尽可能使各负荷节点被抽样到接入光伏的概率相等。进而，通过对比分析各类抽样函数的分布特性，发现β(2，5)的分布特性最接近组合函数
Figure GDA0003309726930000133
的取值分布特性，而均匀分布函数可保证各节点的等概率抽样，于是，得出β(2，5)和均匀分布函数分别作为第一、二重抽样函数的结论。
在上述实施例的基础上，在本实施例中，所述对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值，具体包括：
对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，按照第三关系模型，确定全网各接入负荷节点的消纳容量及全网负荷节点电压最大值；
其中，所述第三关系模型，包括：
Figure GDA0003309726930000134
其中，在某次容量模拟中，A表示接入光伏的节点编号序列，A(i)表示序列中的第i个节点的编号，D(i)表示抽样到的第i个节点接入的光伏容量，
Figure GDA0003309726930000135
表示电气距离系数，N表示网络的节点总数，min A(i)表示所有接入光伏的节点中编号最小的节点，PL(i)表示负荷节点的负荷水平，z表示累加系数，b表示容量模拟的次数；
Figure GDA0003309726930000141
其中，DPV(b)表示本次容量模拟的光伏消纳容量，M表示实际接入光伏的节点数量，D(i)表示抽样到的第i个节点接入的光伏容量；
Figure GDA0003309726930000142
其中，Ug(pu)表示网络中节点g的电压标幺值，r表示线路基本参数单位长度电阻，x表示线路基本参数单位长度电抗，i、j表示节点编号变量，Li表示节点i与节点i-1之间的线路长度，Qj表示节点j的实时无功功率，U0表示网络额定电压，Plim1(j)表示接入负荷节点j的光伏向网络注入的功率，Pj表示节点j的实时有功功率；
其中，若各负荷节点的电压标幺值均小于等于预设值，则满足电压约束；确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值；
若任一负荷节点的电压标幺值大于预设值，则再进行5次容量模拟后，重复进行S3至S5，直到完成预设次数的模拟过程，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值。
在本实施例中，需要说明的是，参见图2，第a次随机模拟的第b次容量模拟，节点i的光伏消纳能力大致与其距网络首端电气距离成反相关，与其负荷水平PL(i)成正相关，故第b次容量模拟中AM×1负荷节点i的光伏接入容量D(i)按第三关系模型计算，其中，在本实施例中容量累加参数如取2，D(i)乘以已确定的时刻的单位容量光伏出力(即为光伏注入节点i的功率)。
在本实施例中，需要说明的是，第b次容量模拟后的全网电压校验。多节点接入光伏时，光伏功率按照负的负荷考虑，网络中某节点g的电压标幺值Ug(pu)，若各节点电压标幺值均不大于1.07即满足电压约束。若网络任意节点电压标幺值超过1.07，此后再模拟5次后随即停止，开始进行第a+1次随机模拟，直到S次随机模拟全部完成。
举例来说，对AM×1进行容量模拟，极限消纳方案如表2所示。
表2第a＝1次随机模拟的极限消纳方案
Figure GDA0003309726930000151
容量模拟结果显示，第一次随机模拟的最终容量模拟次数为190次，全网节点电压最大值1.069，最多可消纳光伏1609.66kW。
S＝20000次随机模拟共得到3599种不同的光伏接入方案，各次随机模拟及其容量模拟的过程如图9所示，图中每一个散点代表一种消纳方案，根据其对电压的影响程度可实现分级评估。很明显，所选定配电网的光伏消纳能力最大为1789.44kW。
在上述实施例的基础上，在本实施例中，所述方法，还包括：
将若干种分布式光伏消纳接入方案作为光伏消纳接入方案数据库；
基于目标接入光伏消纳容量，在所述光伏消纳数据库中筛选匹配的分布式光伏消纳接入方案；
基于所述匹配的分布式光伏消纳接入方案，将所述全网负荷节点电压最大值变化程度最小的分布式光伏消纳接入方案，作为最优分布式光伏消纳接入方案。
在本实施例中，需要说明的是，对分布式光伏消纳接入方案进行对比与分析。根据若干种分布式光伏消纳接入方案生成的数据库，筛选出S次随机模拟中分布式光伏接入配电网可行方案数据集，其中包括具体接入光伏的节点及各自的接入容量。所有方案中的容量和最大值即为目标配电网的分布式光伏消纳能力，对应的接入位置序列即为最大消纳能力下的最优接入场景。在实际应用中，根据光伏安装空间等实际因素以及用户向电网公司申报的安装容量，可在数据集中筛选出最优的消纳方案，例如电网公司现收到光伏的报装容量为1500kW，则可通过数据库筛选出多种消纳方案。对比所有消纳方案，可选择其中对电压影响最小的方案。
在本实施中，需要说明的是，本发明实施例提供的方法，参见图9，还可以实现对光伏并网容量的分级评估：图中最优区域表明，当光伏容量小于521.29kW时，不论怎么接入，都不会对电网电压造成影响，此为最优接入容量；图中安全区域表明，当光伏容量在521.29-1352.26kW时，光伏并网会提升电网电压，但不论怎样接入，电网电压始终安全，此为安全接入容量；图中风险区域表明，当光伏容量位于1352.26-1789.44时，光伏并网可能会造成电网电压越限，1789.44kW为目标电网的极限消纳能力；当容量超过1789.44kW，不论怎么接入，一定会造成电网电压越限，对应图中危险区域，此时应禁止光伏并网。
由上面技术方案可知，本发明实施例提供的基于双重随机模拟的分布式光伏消纳接入方法，可以对比所有消纳方案，选择其中对电压影响最小且满足目标接入光伏消纳容量的消纳方案。
本发明实施例提供的基于双重随机模拟的分布式光伏消纳接入方法，可以实现分布式光伏消纳能力的分级评估，针对不同的接入容量需求，提供对应的最优消纳方案，为实际的配电网规划提供指导。
图10为本发明一实施例提供的基于双重随机模拟的分布式光伏消纳接入装置的结构示意图，如图10所示，该装置包括：第一确定模块201、获取模块202、第二确定模块203、第三确定模块204、第四确定模块205、第五确定模块206、第六确定模块207，其中：
其中，第一确定模块201，用于基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，确定对光伏接入消纳能力限制最大的时刻；
获取模块202，用于获取所述光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性；
第二确定模块203，用于基于所述各负荷节点在所述光伏接入限制最大的时刻的负荷水平和光伏出力特性，采用β分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量；
第三确定模块204，用于基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，进行第二重随机抽样模拟，确定光伏接入点位置；
第四确定模块205，用于对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值；
第五确定模块206，用于根据所述光伏接入点位置、所述全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值，确定分布式光伏消纳接入方案；
第六确定模块207，用于重复第二确定模块至第五确定模块，确定若干种分布式光伏消纳接入方案。
本发明实施例提供的风险评估***具体可以用于执行上述实施例的风险评估方法，其技术原理和有益效果类似，具体可参见上述实施例，此处不再赘述。
基于相同的发明构思，本发明实施例提供一种电子设备，参见图11，电子设备具体包括如下内容：处理器301、通信接口303、存储器302和通信总线304；
其中，处理器301、通信接口303、存储器302通过总线304完成相互间的通信；通信接口303用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输；处理器301用于调用存储器302中的计算机程序，处理器执行计算机程序时实现上述各方法实施例所提供的方法，例如，处理器执行计算机程序时实现下述步骤：S1、基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，确定对光伏接入消纳能力限制最大的时刻；S2、获取所述光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性；S3、基于所述各负荷节点在所述光伏接入限制最大的时刻的负荷水平和光伏出力特性，采用β分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量；S4、基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，进行第二重随机抽样模拟，确定光伏接入点位置；S5、对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值；S6、根据所述光伏接入点位置、所述全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值，确定分布式光伏消纳接入方案；S7、重复S3至S6的步骤，确定若干种分布式光伏消纳接入方案。
基于相同的发明构思，本发明又一实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法实施例提供的方法，例如，S1、基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，确定对光伏接入消纳能力限制最大的时刻；S2、获取所述光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性；S3、基于所述各负荷节点在所述光伏接入限制最大的时刻的负荷水平和光伏出力特性，采用β分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量；S4、基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，进行第二重随机抽样模拟，确定光伏接入点位置；S5、对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值；S6、根据所述光伏接入点位置、所述全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值，确定分布式光伏消纳接入方案；S7、重复S3至S6的步骤，确定若干种分布式光伏消纳接入方案。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于双重随机模拟的分布式光伏消纳接入方法，其特征在于，包括：
S1、基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，确定对光伏接入消纳能力限制最大的时刻，具体包括：
基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，采用二分法，按照第一关系模型，评估各负荷节点每一时刻的光伏接入消纳能力；
根据各负荷节点每一时刻的光伏接入消纳能力，确定对光伏接入消纳能力限制最大的时刻；
其中，所述二分法包括：
根据负荷节点电压值，按如下规则对所述负荷节点的消纳能力进行重复二分，每二分一次，相应地进行一次全网各负荷节点电压值校验；
若存在任一负荷节点电压值越限，则取二分区间的上边界，用于计算所述负荷节点的消纳能力；
若不存在任一负荷节点电压值越限，则取二分区间的下边界，用于计算所述负荷节点的消纳能力；
其中，第一关系模型包括：
Figure FDA0003314529240000011
其中，对于某时刻的负荷水平和光伏出力特性，Plim(n)(k)表示进行n次二分后的负荷节点k的消纳能力，其中，n为大于等于0的正整数，表示二分次数，每一次验证中，消纳容量为区间中位值，Plim(n+1)(k)表示进行n+1次二分后负荷节点k的消纳能力，Pdown(k)表示包含负荷节点k消纳能力的二分区间的下边界，Pup(k)表示包含负荷节点k消纳能力的二分区间的上边界；
所述根据负荷节点电压值，按如下规则对所述负荷节点的消纳能力进行重复二分，具体包括：
按照第二关系模型计算负荷节点电压值，根据负荷节点电压值，对所述负荷节点的消纳能力进行重复二分；
其中，所述第二关系模型包括：
Figure FDA0003314529240000021
Figure FDA0003314529240000022
其中，Ue(pu)表示负荷节点c接入光伏后，网络中节点e的电压标幺值，所述节点e在接入负荷节点c前；Uf(pu)表示负荷节点c接入光伏后，网络中节点f的电压标幺值，所述节点f在接入负荷节点c后；r表示线路基本参数单位长度电阻，x表示线路基本参数单位长度电抗，i、j表示节点编号变量，Li表示节点i与节点i-1之间的线路长度，Qj表示节点j的实时无功功率，U0表示网络额定电压，Plim1(c)表示接入负荷节点c的光伏向网络注入的功率，Pj表示节点j的实时有功功率，N表示网络的节点总数；
S2、获取所述光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性；
S3、基于所述各负荷节点在所述光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性，采用β分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量；
S4、基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，进行第二重随机抽样模拟，确定光伏接入点位置；
S5、对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值；
S6、根据所述光伏接入点位置、所述全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值，确定分布式光伏消纳接入方案；
S7、重复S3至S6的步骤，确定若干种分布式光伏消纳接入方案。
2.根据权利要求1所述的基于双重随机模拟的分布式光伏消纳接入方法，其特征在于，所述基于所述各负荷节点在所述光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性，采用β分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量，具体包括：
基于所述各负荷节点在所述光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性，采用β(2,5)分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量。
3.根据权利要求1所述的基于双重随机模拟的分布式光伏消纳接入方法，其特征在于，所述基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，进行第二重随机抽样模拟，确定光伏接入点位置，具体包括：
基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，重复进行第二重随机抽样模拟，直到抽取到满足所述光伏接入点数量的不同负荷节点，确定光伏接入点位置。
4.根据权利要求1所述的基于双重随机模拟的分布式光伏消纳接入方法，其特征在于，所述对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值，具体包括：
对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，按照第三关系模型，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值；
其中，所述第三关系模型，包括：
Figure FDA0003314529240000041
其中，在某次容量模拟中，A表示接入光伏的负荷节点编号序列，A(i)表示序列中的第i个负荷节点的编号，D(i)表示抽样到的第i个负荷节点接入的光伏容量，
Figure FDA0003314529240000042
表示电气距离系数，N表示网络的节点总数，min A(i)表示所有接入光伏的负荷节点中编号最小的负荷节点，PL(i)表示负荷节点的负荷水平，z表示累加系数，b表示容量模拟的次数；
Figure FDA0003314529240000043
其中，DPV(b)表示本次容量模拟的光伏消纳容量，M表示实际接入光伏的负荷节点数量，D(i)表示抽样到的第i个负荷节点接入的光伏容量；
Figure FDA0003314529240000044
其中，Ug(pu)表示网络中节点g的电压标幺值，r表示线路基本参数单位长度电阻，x表示线路基本参数单位长度电抗，i、j表示节点编号变量，Li表示节点i与节点i-1之间的线路长度，Qj表示节点j的实时无功功率，U0表示网络额定电压，Plim1(j)表示接入负荷节点j的光伏向网络注入的功率，Pj表示节点j的实时有功功率；
其中，若各负荷节点的电压标幺值均小于等于预设值，则满足电压约束；确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值；
若任一负荷节点的电压标幺值大于预设值，则再进行5次容量模拟后，重复进行S3至S5，直到完成预设次数的模拟过程，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值。
5.根据权利要求1所述的基于双重随机模拟的分布式光伏消纳接入方法，其特征在于，所述方法，还包括：
将若干种分布式光伏消纳接入方案作为光伏消纳接入方案数据库；
基于目标接入光伏消纳容量，在所述光伏消纳接入方案数据库中筛选匹配的分布式光伏消纳接入方案；
基于所述匹配的分布式光伏消纳接入方案，将所述全网负荷节点电压最大值变化程度最小的分布式光伏消纳接入方案，作为最优分布式光伏消纳接入方案。
6.一种基于双重随机模拟的分布式光伏消纳接入装置，其特征在于，包括：
第一确定模块，用于基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，确定对光伏接入消纳能力限制最大的时刻，具体用于：
基于配电网节点电压的限制数值、拟接入分布式光伏配电网范围内的所有负荷节点、全年负荷特性和全年单位容量光伏出力特性，采用二分法，按照第一关系模型，评估各负荷节点每一时刻的光伏接入消纳能力；
根据各负荷节点每一时刻的光伏接入消纳能力，确定对光伏接入消纳能力限制最大的时刻；
其中，所述二分法包括：
根据负荷节点电压值，按如下规则对所述负荷节点的消纳能力进行重复二分，每二分一次，相应地进行一次全网各负荷节点电压值校验；
若存在任一负荷节点电压值越限，则取二分区间的上边界，用于计算所述负荷节点的消纳能力；
若不存在任一负荷节点电压值越限，则取二分区间的下边界，用于计算所述负荷节点的消纳能力；
其中，第一关系模型包括：
Figure FDA0003314529240000061
其中，对于某时刻的负荷水平和光伏出力特性，Plim(n)(k)表示进行n次二分后的负荷节点k的消纳能力，其中，n为大于等于0的正整数，表示二分次数，每一次验证中，消纳容量为区间中位值，Plim(n+1)(k)表示进行n+1次二分后负荷节点k的消纳能力，Pdown(k)表示包含负荷节点k消纳能力的二分区间的下边界，Pup(k)表示包含负荷节点k消纳能力的二分区间的上边界；
所述根据负荷节点电压值，按如下规则对所述负荷节点的消纳能力进行重复二分，具体包括：
按照第二关系模型计算负荷节点电压值，根据负荷节点电压值，对所述负荷节点的消纳能力进行重复二分；
其中，所述第二关系模型包括：
Figure FDA0003314529240000062
Figure FDA0003314529240000063
其中，Ue(pu)表示负荷节点c接入光伏后，网络中节点e的电压标幺值，所述节点e在接入负荷节点c前；Uf(pu)表示负荷节点c接入光伏后，网络中节点f的电压标幺值，所述节点f在接入负荷节点c后；r表示线路基本参数单位长度电阻，x表示线路基本参数单位长度电抗，i、j表示节点编号变量，Li表示节点i与节点i-1之间的线路长度，Qj表示节点j的实时无功功率，U0表示网络额定电压，Plim1(c)表示接入负荷节点c的光伏向网络注入的功率，Pj表示节点j的实时有功功率，N表示网络的节点总数；
获取模块，用于获取所述光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性；
第二确定模块，用于基于所述各负荷节点在所述光伏接入消纳能力限制最大的时刻的负荷水平和光伏出力特性，采用β分布函数作为第一重随机抽样函数，进行第一重随机抽样模拟，确定光伏接入点数量；
第三确定模块，用于基于所述光伏接入点数量，采用均匀分布函数作为第二重随机抽样函数，进行第二重随机抽样模拟，确定光伏接入点位置；
第四确定模块，用于对所述光伏接入点位置上的各接入负荷节点，进行容量模拟，确定全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值；
第五确定模块，用于根据所述光伏接入点位置、所述全网各接入负荷节点的光伏消纳容量及全网负荷节点电压最大值，确定分布式光伏消纳接入方案；
第六确定模块，用于重复调用第二确定模块至第五确定模块，确定若干种分布式光伏消纳接入方案。
7.一种电子设备，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程序时实现如权利要求1～5任一项所述基于双重随机模拟的分布式光伏消纳接入方法。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1～5任一项所述基于双重随机模拟的分布式光伏消纳接入方法。
CN202010738932.1A 2020-07-28 2020-07-28 基于双重随机模拟的分布式光伏消纳接入方法及装置 Active CN111884254B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010738932.1A CN111884254B (zh) 2020-07-28 2020-07-28 基于双重随机模拟的分布式光伏消纳接入方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010738932.1A CN111884254B (zh) 2020-07-28 2020-07-28 基于双重随机模拟的分布式光伏消纳接入方法及装置

Publications (2)

Publication Number Publication Date
CN111884254A CN111884254A (zh) 2020-11-03
CN111884254B true CN111884254B (zh) 2022-01-28

Family

ID=73201803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010738932.1A Active CN111884254B (zh) 2020-07-28 2020-07-28 基于双重随机模拟的分布式光伏消纳接入方法及装置

Country Status (1)

Country Link
CN (1) CN111884254B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113922411A (zh) * 2021-08-05 2022-01-11 国网冀北电力有限公司承德供电公司 一种分布式光伏消纳能力的确定方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004064941A (ja) * 2002-07-31 2004-02-26 Hitachi Ltd 分散電源解析システム
CN103996082A (zh) * 2014-06-03 2014-08-20 华北电力大学（保定） 一种基于双重随机理论的太阳辐射强度预测方法
CN104836256A (zh) * 2015-05-29 2015-08-12 国家电网公司 一种配电网光伏消纳能力计算的方法及***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004064941A (ja) * 2002-07-31 2004-02-26 Hitachi Ltd 分散電源解析システム
CN103996082A (zh) * 2014-06-03 2014-08-20 华北电力大学（保定） 一种基于双重随机理论的太阳辐射强度预测方法
CN104836256A (zh) * 2015-05-29 2015-08-12 国家电网公司 一种配电网光伏消纳能力计算的方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
配电网光伏消纳能力定界模拟与消纳方案综合择优;薛蕾等;《电网技术》;20200331;第44卷(第3期);第908-916页 *

Also Published As

Publication number Publication date
CN111884254A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
CN107947164A (zh) 一种考虑多重不确定性及相关性的电力***日前鲁棒调度方法
CN109102146B (zh) 基于多参数线性规划的电力***风险评估加速方法
CN107124394A (zh) 一种电力通信网络安全态势预测方法和***
Karabulut et al. Long term energy consumption forecasting using genetic programming
Rossi et al. Stochastic evaluation of distribution network hosting capacity: Evaluation of the benefits introduced by smart grid technology
CN112329997A (zh) 电力需求负荷预测方法及***、电子设备和存储介质
CN111884254B (zh) 基于双重随机模拟的分布式光伏消纳接入方法及装置
CN112819258A (zh) 银行网点到店客户数量预测方法及装置
Zhang et al. Multi-objective interval prediction of wind power based on conditional copula function
CN112910012A (zh) 一种配电***弹性提升评估方法、存储介质及计算设备
CN115954910A (zh) 一种基于能量优化的分布式储能控制方法及***
CN107332239B (zh) 一种基于配电网等值的输配电网协调规划方法
CN106022590B (zh) 有源配电网的电压质量评估方法和装置
CN109193779B (zh) 一种分布式风力发电最大容量评估方法
Syed et al. Simultaneous optimal placement of DGs and fixed capacitor banks in radial distribution systems using BSA optimization
Lassila et al. Nearly optimal importance sampling for Monte Carlo simulation of loss systems
CN109787247A (zh) 一种基于多参数规划的无功补偿规划方法
CN111539086B (zh) 一种储能电站多点布局方法及***
CN111612233A (zh) 一种配电网线路重跳影响因素重要性得分获取方法及装置
CN114997549B (zh) 黑盒模型的解释方法、装置及设备
Jiang et al. The spatial statistics of self-organized in power system
CN112818537B (zh) 一种光伏并网***稳定性分析方法及装置
CN114825629B (zh) 一种智能输配电处理方法及***
CN112600221B (zh) 无功补偿装置配置方法、装置、设备及存储介质
CN110086209B (zh) 电力***运行状态的确定方法及装置

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
GR01 Patent grant
GR01 Patent grant