CN112952814A - 一种考虑城镇生长特性的区域能源互联网演化模拟方法 - Google Patents
一种考虑城镇生长特性的区域能源互联网演化模拟方法 Download PDFInfo
- Publication number
- CN112952814A CN112952814A CN202110240169.4A CN202110240169A CN112952814A CN 112952814 A CN112952814 A CN 112952814A CN 202110240169 A CN202110240169 A CN 202110240169A CN 112952814 A CN112952814 A CN 112952814A
- Authority
- CN
- China
- Prior art keywords
- load
- energy
- node
- regional
- energy internet
- 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.)
- Granted
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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑城镇生长特性的区域能源互联网演化模拟方法。首先根据城镇生长特性总结了空间负荷的增长特性,进而借鉴复杂网络理论中的随机几何图模型模拟城镇负荷的增长过程,然后以最小化投资建设成本为目标,规划得到区域能源互联网的能源站和综合管线分布,最后结合负荷增长和区域能源互联网规划模型设计了区域能源互联网的演化模拟流程。演化所得区域能源互联网符合城镇和负荷的生长特性,并且与实际电网具有相似的形态特征。本发明在区域能源互联网演化模拟中充分考虑了能源网演化与实际城镇生长特性之间的关系,提升了演化网络与实际能源网络的相似度,演化所得网络可为区域能源互联网的形态特征分析和规划运行分析提供依据。
Description
技术领域
本发明涉及区域能源互联网演化规律分析领域,尤其涉及一种考虑城镇生长特性的区域能源互联网演化模拟方法。
背景技术
当前中国正处于稳步、长期的城镇化进程,推进区域能源互联网的发展能够优化城镇用户的用能方式,是改善当前能源利用现状的重要手段之一。为了更有效地应对城镇化进程中高能耗、高污染等问题,区域能源互联网的规划、建设和运行需要与城镇的建设发展紧密结合。因此,根据城镇生长特性模拟区域能源互联网的演化过程,分析其演化规律和形态特征,对于指导区域能源互联网的规划、运行具有重要意义。
目前关于能源网的演化模拟和演化规律、网络特征分析已经有了初步的研究。王光增等人(王光增,曹一家,包哲静,等.一种新型电力网络局域世界演化模型[J].物理学报,2009,58(6):3597-3602.)根据局域世界演化模型模拟电网的演化过程,比较了演化所得网络与实际电网的度分布、聚类系数和特征路径长度等拓扑特征参数,其中度分布与实际电网具有类似的幂尾特性。梅生伟等人(梅生伟,龚媛,刘锋.三代电网演化模型及特性分析[J].中国电机工程学报,2014,34(7):1003-1012.)分析了小型电网、大型互联电网和智能电网三代电网的发展历程,归纳了负荷需求、电能供给和控制能力这三类驱动电网演化的因素,并指出当前世界各国电网总体处于互联电网向智能电网演进的阶段。鲁宗相等人(鲁宗相,黄瀚,单葆国,等.高比例可再生能源电力***结构形态演化及电力预测展望[J].电力***自动化,2017,41(9):12-18.)分析了高比例风电、光伏接入对电力***灵活性的要求及电网未来低碳化和电力电子化的发展趋势。谢宇翔等人(谢宇翔,张雪敏,罗金山,等.新能源大规模接入下的未来电力***演化模型[J].中国电机工程学报,2018,38(2):421-430.)利用新能源和负荷量的预测数据,考虑电量、电力、环保和调峰等约束,以电网建设成本最小为目标进行网络规划,对未来多个年份的电网演化进行模拟。张毓灵等人(张毓灵,武志刚.电网规模的异速生长规律初探[J].电力***自动化,2020,44(17):19-25.)基于复杂网络的异速生长规律研究电网规模发展变化规律,根据理想化的电网零阶模型得出电网规模和用电量之间存在亚线性的增长关系。
现有的能源网演化模型大多基于复杂网络理论中的某一理想网络模型,没有充分考虑电网演化与实际城镇生长特性之间的关系。此外,当前空间负荷预测的相关研究主要集中于预测方法的改进,缺乏对城镇空间负荷分布规律的总结,难以为能源网演化规律的分析提供指导。
发明内容
在现有研究的基础上,本发明设计了一种考虑城镇生长特性的区域能源互联网演化模拟方法。根据城镇生长特性总结了负荷的空间增长规律,并基于复杂网络理论中的随机几何图模型模拟城镇负荷的增长过程,以最小化投资建设成本为目标,规划得到区域能源互联网的能源站和综合管线分布,进而给出区域能源互联网的演化流程。
本发明的目的是通过以下技术方案来实现的:一种考虑城镇生长特性的区域能源互联网演化模拟方法,该方法包括如下步骤:
步骤1:根据城镇生长特性总结空间负荷的增长特性;
步骤2:基于复杂网络理论中的随机几何图模型,在平面区域中按照独立均匀分布逐个添加负荷节点,根据所添加节点与已有负荷节点的最短距离,确定是由自然条件或社会经济条件吸引负荷留存,并设置不同的留存概率,用高斯函数的组合表示所添加负荷的概率密度函数,模拟城镇负荷的增长过程;
步骤3:当负荷增长情况确定后,以最小化投资建设成本为目标,规划得到区域能源互联网的能源站和综合管线分布;当负荷量模拟增长到设定规模时,规划得到初始能源网络,随着负荷继续增长,在已有网络基础上进行扩展规划;
步骤4:结合步骤2和步骤3设计区域能源互联网的演化模拟流程。
进一步地,所述步骤1具体为:
城镇吸引人们聚居的条件主要包括:1)当地较优质的气候、资源、地形、地理位置等自然条件;2)城镇具有较发达的经济、文化、教育、交通、通信、医疗卫生等社会经济条件。
其中社会经济条件尤其与人的活动密切相关,人口在一定范围内的增长可创造更为优良的生产生活环境,从而进一步吸引人口聚集和增长。以人口数量表征城镇的规模,将城镇的生长特性抽象为:在城镇的生长阶段,人口密度高的区域对于外来人口相对更有吸引力,在该区域的人口增长速度更快,即在该区域城镇生长的速度更快。
城镇空间负荷分布与人口密度分布之间通常具有正相关性,因此根据城镇生长特性总结城镇空间负荷的增长特性:在城镇的生长阶段,负荷密度较高的区域,负荷增长速度更快。该特性表明城镇空间负荷增长具有集聚特征。
进一步地,所述步骤2包括以下子步骤:
步骤2.1:所述的复杂网络理论中的随机几何图是在欧氏空间中的一种随机网络模型,其定义为:N个独立的节点服从均匀分布随机地分布在大小为Ld的超方形区域内,给定距离r(r<<L),对于任意两个节点,若其欧氏距离小于r,则在这两个节点之间连接一条边,由此得到的图即为随机几何图。其中L为超方形区域的边长,d为欧氏空间的维数。
步骤2.2:在大小为L2的二维平面上模拟区域能源互联网的演化过程,借鉴随机几何图模型设计空间负荷增长的整体过程为:在给定平面区域中按照独立均匀分布逐个加入负荷节点,并设定负荷节点留存的规则,确定是否保留新增的节点。
空间负荷增长的集聚特征表明,在与已有负荷节点距离较近的区域,出现新的负荷的可能性更大,本发明通过概率模型表示空间中某点新增负荷的可能性。假定城镇由于自然条件吸引人口增长,从而使新增负荷节点留存的概率为q1;除自然条件以外,城镇由于社会经济条件吸引人口和负荷增长的影响范围半径为r,则与已有负荷节点的最短距离小于r(r<<L)的新增负荷节点留存的概率为q2,并且满足q1<<q2。由此,第i次添加的负荷节点能够留存的概率为:
其中:pi为第i次加入的负荷节点留存的概率;q1和q2分别为由于自然条件和社会经济条件吸引负荷节点留存的概率;dmin,i为第i次加入的负荷节点与已存在节点的最小距离。
城镇中通常包含居民、商业、工业、市政等多种不同类型的用户负荷。不同类型负荷的典型密度值可能存在较大差异,因而区域能源互联网中负荷的概率密度函数具有多个峰值的特征。采用高斯函数拟合每类负荷的概率密度函数,新增负荷节点的负荷量大小分布的概率密度函数由多个高斯函数组合而成:
其中:Pi为负荷量;f(·)为负荷量分布的概率密度函数;j为负荷的类别;kj为第j类负荷所占的比重;Pa,j为第j类负荷节点的负荷量均值;σj为第j类负荷节点的负荷量方差。
步骤2.3:区域能源互联网负荷增长模拟的过程如下:
1)给定大小为L2的平面区域,设定加入负荷节点的总数N和半径r;
2)在给定平面区域中,按照独立均匀分布随机加入一个负荷节点,其负荷量根据步骤2.2中给出的概率密度函数随机确定;
3)计算新生成负荷节点与已存在节点的最小距离dmin,i。若dmin,i>r,则按照概率q1保留该节点;若dmin,i≤r,则按照概率q2保留该节点;
4)若添加负荷节点的数量未超过N,则返回步骤2);否则,结束负荷增长过程。
进一步地,所述步骤3具体为:
当负荷增长情况确定后,采用规划的方法模拟区域能源互联网的能源站和管线演化。随着城镇的生长,区域能源互联网需要根据负荷增长情况进行多个阶段的规划和建设。在本发明方法中,当负荷量模拟增长到一定规模时,进行规划得到初始的区域能源互联网能源站和管线分布。进而随着负荷继续增长,在已有网络基础上进行扩展规划和建设。
按照步骤2的负荷增长模型,当给定区域中的负荷节点达到Nm个后,以最小化建设成本为目标,进行初始的区域能源互联网规划。其中能源站的投资建设成本如下式所示:
其中:Cs,i为第i个能源站的建设成本;Psbe,i和Psbh,i分别为第i个能源站的供电和供热设备容量;cs为供能设备的单位容量建设成本。
区域能源互联网的管线敷设成本包括综合管廊建设费用、施工费用和管线材料费用:
Cl,b=xblb(cp+cle|Plbe,b|+clh|Plbh,b|)
其中:Cl,b为第b条综合管线的敷设成本;xb为表示第b条管线敷设状态的二进制变量;lb为第b条管线的长度;cp为综合管廊的单位长度建设成本;Plbe,b和Plbh,b分别为第b条综合管线的电功率和热功率额定值;cle和clh分别为单位长度、单位容量的配电线路和供热管道的建设成本。
区域能源互联网规划的目标函数如下式所示:
其中:C为区域能源互联网的建设成本;μs和μl分别为能源站和供能管线的运行维护费用比例系数。
区域能源互联网规划的约束条件包括多能流平衡约束、能源站输出功率和供能管线功率流上下限约束,如下所示:
其中:nj为第j个节点;Γi为节点ni的邻接节点集合;Pe,i和Ph,i分别为第i个节点的负荷电功率和热功率;Pse,i和Psh,i分别为第i个节点的能源站输出电功率和热功率;Ple,ji和Plh,ji分别为由节点nj流向节点ni的电功率和热功率;αi为表示能源站建设状态的二进制变量;mg为考虑未来负荷增长的供能设备和管线建设容量的裕度系数;Ple,b和Plh,b分别为流经第b条综合管线的电功率和热功率。
形成初始的区域能源互联网络后,根据负荷增长模型继续向所考虑区域中增加负荷节点。每增长Nep个负荷节点后,对区域能源互联网进行一次扩展规划。
①若新增的负荷量尚未超过已有能源站中供能设备的容量裕度,则仅对供能管线进行扩展规划,目标函数如下式所示:
其中:Cep为区域能源互联网的扩建成本;γb为第b条供能管线;Υep为可扩建的管线集合;Clep,b为扩建管线的成本。
②若新增的负荷量超过了已有能源站的供能设备容量裕度,则需要扩充供能设备容量或建立新的能源站,此时目标函数为:
其中:Ωep为可扩建能源站的节点集合;Csep,i为扩建能源站的成本。
③在区域能源互联网扩展规划中,对于已建设的能源站和供能管线,在扩展规划中可充分利用其容量裕度,其功率上下限约束如下所示:
其中:Ωo为已建设能源站的节点集合;Υo为已建设的供能管线集合;Psbe,o,i和Psbh,o,i分别为已建设能源站的供电和供热设备容量;Plbe,o,b和Plbh,o,b分别为已建设综合管线的电功率和热功率额定值。
进一步地,所述步骤4中,结合步骤2的空间负荷增长模型和步骤3的能源站、综合管线演化模型,设计区域能源互联网的演化模拟流程,具体包括:
1)给定大小为L2的平面区域,设定加入负荷节点的总数N和半径r。初始在区域中心设置一个负荷节点,负荷量根据步骤2.2中的概率密度函数随机确定,初始化节点数量Nc=1;
2)根据步骤2.2中的概率密度函数随机确定负荷量,生成一个新的负荷节点,并按照独立均匀分布随机加入给定平面区域中;
3)计算新生成负荷节点与已存在节点的最小距离dmin,i;
4)判断dmin,i是否小于或等于r,若是则按概率q2保留新节点,若否则按概率q1保留新节点;
5)若新生成的节点得到保留,则转入6),否则转入2);
6)令Nc=Nc+1,判断Nc是否等于Nm,若是则进行初始的区域能源互联网规划;
7)判断(Nc-Nm)/Nep是否为正整数,若是则转入8),若否则转入9);
8)判断能源站的供能设备是否仍有裕度,若是则对区域能源互联网供能管线进行扩展规划,若否则进行区域能源互联网能源站和供能管线扩展规划;
9)判断Nc是否小于N,若是则转入2),若否则区域能源互联网络演化过程完成。
本发明具备的有益效果是:
1)在区域能源互联网演化模拟中充分考虑了能源网演化与实际城镇生长特性之间的关系,提升了演化网络与实际能源网络的相似度;
2)本发明借鉴复杂网络理论中的随机几何图模型模拟城镇负荷的增长过程,并通过规划的方法得到区域能源互联网的能源站和综合管线分布,相比现有方法可以模拟出区域能源互联网的空间分布。
附图说明
图1为本发明实施例中区域能源互联网演化流程图。
图2为本发明实施例中区域能源互联网演化结果图,(a)为N=100时的区域能源互联网,(b)为N=500时的区域能源互联网。
图3为本发明实施例中负荷量与供能管线材料用量的关系曲线图。
图4为本发明实施例中区域能源互联网演化模型的度分布曲线图。
具体实施方式
下面以具体实施例对本发明作进一步详细说明。
本发明实施例提供的一种考虑城镇生长特性的区域能源互联网演化模拟方法,该方法包括以下步骤:
步骤1:以人口数量表征城镇的规模,将城镇的生长特性抽象为:在城镇的生长阶段,人口密度高的区域对于外来人口相对更有吸引力,在该区域的人口增长速度更快,即在该区域城镇生长的速度更快。根据城镇生长特性总结城镇空间负荷的增长特性:在城镇的生长阶段,负荷密度较高的区域,负荷增长速度更快。
步骤2:在大小为L2的二维平面上模拟区域能源互联网的演化过程,借鉴随机几何图模型设计空间负荷增长的整体过程为:在给定平面区域中按照独立均匀分布逐个加入负荷节点,并设定负荷节点留存的规则,确定是否保留新增的节点。
通过概率模型表示空间中某点新增负荷的可能性。假定城镇由于自然条件吸引人口增长,从而使新增负荷节点留存的概率为q1;除自然条件以外,城镇由于社会经济条件吸引人口和负荷增长的影响范围半径为r,则与已有负荷节点的最短距离小于r(r<<L)的新增负荷节点留存的概率为q2,并且满足q1<<q2。由此,第i次添加的负荷节点能够留存的概率为:
其中:pi为第i次加入的负荷节点留存的概率;q1和q2分别为由于自然条件和社会经济条件吸引负荷节点留存的概率;dmin,i为第i次加入的负荷节点与已存在节点的最小距离。
采用高斯函数拟合城镇负荷的概率密度函数,新增负荷节点的负荷量大小分布的概率密度函数由多个高斯函数组合而成:
其中:Pi为负荷量;f(·)为负荷量分布的概率密度函数;j为负荷的类别;kj为第j类负荷所占的比重;Pa,j为第j类负荷节点的负荷量均值;σj为第j类负荷节点的负荷量方差。
区域能源互联网负荷增长模拟的过程如下:
1)给定大小为L2的平面区域,设定加入负荷节点的总数N和半径r;
2)在给定平面区域中,按照独立均匀分布随机加入一个负荷节点;
3)计算新生成负荷节点与已存在节点的最小距离dmin,i。若dmin,i>r,则按照概率q1保留该节点;若dmin,i≤r,则按照概率q2保留该节点;
4)若添加负荷节点的数量未超过N,则返回步骤2);否则,结束负荷增长过程。
步骤3:当负荷增长情况确定后,采用规划的方法模拟区域能源互联网的能源站和管线演化。当负荷量模拟增长到一定规模时,进行规划得到初始的区域能源互联网能源站和管线分布。进而随着负荷继续增长,在已有网络基础上进行扩展规划和建设。
按照步骤2的负荷增长模型,当给定区域中的负荷节点达到Nm个后,以最小化建设成本为目标,进行初始的区域能源互联网规划。其中能源站的投资建设成本如下式所示:
其中:Cs,i为第i个能源站的建设成本;Psbe,i和Psbh,i分别为第i个能源站的供电和供热设备容量;cs为供能设备的单位容量建设成本。
区域能源互联网的管线敷设成本包括综合管廊建设费用、施工费用和管线材料费用:
Cl,b=xblb(cp+cle|Plbe,b|+clh|Plbh,b|)
其中:Cl,b为第b条综合管线的敷设成本;xb为表示第b条管线敷设状态的二进制变量;lb为第b条管线的长度;cp为综合管廊的单位长度建设成本;Plbe,b和Plbh,b分别为第b条综合管线的电功率和热功率额定值;cle和clh分别为单位长度、单位容量的配电线路和供热管道的建设成本。
区域能源互联网规划的目标函数如下式所示:
其中:C为区域能源互联网的建设成本;μs和μl分别为能源站和供能管线的运行维护费用比例系数。
区域能源互联网规划的约束条件包括多能流平衡约束、能源站输出功率和供能管线功率流上下限约束,如下所示:
其中:nj为第j个节点;Γi为节点ni的邻接节点集合;Pe,i和Ph,i分别为第i个节点的负荷电功率和热功率;Pse,i和Psh,i分别为第i个节点的能源站输出电功率和热功率;Ple,ji和Plh,ji分别为由节点nj流向节点ni的电功率和热功率;αi为表示能源站建设状态的二进制变量;mg为考虑未来负荷增长的供能设备和管线建设容量的裕度系数;Ple,b和Plh,b分别为流经第b条综合管线的电功率和热功率。
形成初始的区域能源互联网络后,根据负荷增长模型继续向所考虑区域中增加负荷节点。每增长Nep个负荷节点后,对区域能源互联网进行一次扩展规划。
①若新增的负荷量尚未超过已有能源站中供能设备的容量裕度,则仅对供能管线进行扩展规划,目标函数如下式所示:
其中:Cep为区域能源互联网的扩建成本;γb为第b条供能管线;Υep为可扩建的管线集合;Clep,b为扩建管线的成本。
②若新增的负荷量超过了已有能源站的供能设备容量裕度,则需要扩充供能设备容量或建立新的能源站,此时目标函数为:
其中:Ωep为可扩建能源站的节点集合;Csep,i为扩建能源站的成本。
③在区域能源互联网扩展规划中,对于已建设的能源站和供能管线,在扩展规划中可充分利用其容量裕度,其功率上下限约束如下所示:
其中:Ωo为已建设能源站的节点集合;Υo为已建设的供能管线集合;Psbe,o,i和Psbh,o,i分别为已建设能源站的供电和供热设备容量;Plbe,o,b和Plbh,o,b分别为已建设综合管线的电功率和热功率额定值。
步骤4:结合步骤2的空间负荷增长模型和步骤3的能源站、综合管线演化模型,确定区域能源互联网的演化模拟流程,如图1所示,具体步骤如下:
1)给定大小为L2的平面区域,设定加入负荷节点的总数N和半径r。初始在区域中心设置一个负荷节点,负荷量根据步骤2中的概率密度函数随机确定,初始化节点数量Nc=1;
2)根据步骤2中的概率密度函数随机确定负荷量,生成一个新的负荷节点,并按照独立均匀分布随机加入给定平面区域中;
3)计算新生成负荷节点与已存在节点的最小距离dmin,i;
4)判断dmin,i是否小于或等于r,若是则按概率q2保留新节点,若否则按概率q1保留新节点;
5)若新生成的节点得到保留,则转入6),否则转入2);
6)令Nc=Nc+1,判断Nc是否等于Nm,若是则进行初始的区域能源互联网规划;
7)判断(Nc-Nm)/Nep是否为正整数,若是则转入8),若否则转入9);
8)判断能源站的供能设备是否仍有裕度,若是则对区域能源互联网供能管线进行扩展规划,若否则进行区域能源互联网能源站和供能管线扩展规划;
9)判断Nc是否小于N,若是则转入2),若否则区域能源互联网络演化过程完成。
实施例
根据考虑城镇生长特性的区域能源互联网演化模拟方法,在大小为L2=20km×20km的平面区域中模拟区域能源互联网的演化。取r=0.6km,负荷节点负荷量大小分布的概率密度函数如下所示:
考虑单个负荷集群对应能源网的演化情况,此时取q1=0,q2=1。根据电力电缆的电压等级和载流量数据,取管线所需材料用量与其载流量的比例系数vp=0.1mm2/kW。区域能源互联网能源站和供能管线规划模型所涉及的常量参数如表1所示。
表1常量参数
参数 | 值 | 参数 | 值 | 参数 | 值 |
c<sub>s</sub>/(元/kW) | 10000 | μ<sub>l</sub> | 0.045 | P<sub>lbe,b</sub>/MW | 10 |
c<sub>p</sub>/(万元/m) | 0.7 | N<sub>m</sub> | 100 | P<sub>lbh,b</sub>/MW | 10 |
c<sub>le</sub>/(元/(kW·km)) | 3.43 | N<sub>ep</sub> | 1 | m<sub>g</sub> | 20 |
c<sub>lh</sub>/(元/(kW·km)) | 4.78 | P<sub>sbe,j</sub>/MW | 10 | ||
μ<sub>s</sub> | 0.025 | P<sub>sbh,j</sub>/MW | 10 |
按照图1所示流程得到的区域能源互联网演化结果如图2所示,其中圆圈表示负荷节点,三角形表示能源站,线条表示供能管线。由图2可以看出随着区域能源互联网的演化,其所覆盖的城镇区域在平面上各个方向逐渐变得均匀。
在区域能源互联网的演化过程中,负荷量与供能管线材料用量的关系如图3所示。可看出在双对数坐标下,负荷量与供能管线材料用量之间近似为线性关系。在双对数坐标下采用线性函数对负荷量与供能管线材料用量的关系进行拟合,得到:
logPs=0.749logVs+3.554
其中:Ps为区域能源互联网的负荷量;Vs为区域能源互联网的供能管线材料用量。
由上式可得:
Ps=3.579×103×Vs 0.749
上式中供能管线材料用量Vs的指数为0.749<1,表明区域能源互联网的负荷量与供能管线材料用量之间存在亚线性关系,该特征与实际电网相符合。
演化所得区域能源互联网的度分布如图4所示。可以看出,在双对数坐标下,区域能源互联网演化模型的度分布曲线的后半部分接近于直线,这表明度分布具有幂尾特性,与实际电网络的度分布具有类似的特征。
上述分析表明,本发明所提考虑城镇生长特性的区域能源互联网演化模拟方法,演化得到的区域能源互联网符合城镇和负荷的生长特性,并且其负荷量与供能管线材料用量的亚线性关系、网络度分布的幂尾特性等特征与实际电网络一致,验证了所提演化模拟方法的合理性。现有的能源网演化模型尚未对网络在空间上的分布特征进行模拟,本发明为研究区域能源互联网的空间演化规律提供了方向,所得网络可为区域能源互联网的形态特征分析和规划运行分析提供依据。
以上列举的仅是本发明的具体实施例。显然,本发明不限于以上实施例,还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形,均应认为是本发明的保护范围。
Claims (7)
1.一种考虑城镇生长特性的区域能源互联网演化模拟方法,其特征在于,包括如下步骤:
步骤1:根据城镇生长特性总结空间负荷的增长特性;
步骤2:基于复杂网络理论中的随机几何图模型,在平面区域中按照独立均匀分布逐个添加负荷节点,根据所添加节点与已有负荷节点的最短距离,确定是由自然条件或社会经济条件吸引负荷留存,并设置不同的留存概率,用高斯函数的组合表示所添加负荷的概率密度函数,模拟城镇负荷的增长过程;
步骤3:当负荷增长情况确定后,以最小化投资建设成本为目标,规划得到区域能源互联网的能源站和综合管线分布;当负荷量模拟增长到设定规模时,规划得到初始能源网络,随着负荷继续增长,在已有网络基础上进行扩展规划;
步骤4:结合步骤2和步骤3设计区域能源互联网的演化模拟流程。
2.如权利要求1所述的一种考虑城镇生长特性的区域能源互联网演化模拟方法,其特征在于,所述步骤1中,将自然条件和社会经济条件作为城镇人口聚居的主要条件,得到城镇生长特性;根据城镇空间负荷分布与人口密度分布之间的正相关性,得到空间负荷增长的集聚特性,即:在城镇的生长阶段,负荷密度较高的区域,负荷增长速度更快。
3.如权利要求1所述的一种考虑城镇生长特性的区域能源互联网演化模拟方法,其特征在于,所述步骤2具体为:
在大小为L2的二维平面上模拟区域能源互联网的演化过程,借鉴随机几何图模型设计空间负荷增长的整体过程为:在给定平面区域中按照独立均匀分布逐个加入负荷节点,并设定负荷节点留存的规则,确定是否保留新增的节点。
通过概率模型表示空间中某点新增负荷的可能性。假定城镇由于自然条件吸引人口增长,从而使新增负荷节点留存的概率为q1;除自然条件以外,城镇由于社会经济条件吸引人口和负荷增长的影响范围半径为r,则与已有负荷节点的最短距离小于r(r<<L)的新增负荷节点留存的概率为q2,并且满足q1<<q2。由此,第i次添加的负荷节点能够留存的概率为:
其中:pi为第i次加入的负荷节点留存的概率;q1和q2分别为由于自然条件和社会经济条件吸引负荷节点留存的概率;dmin,i为第i次加入的负荷节点与已存在节点的最小距离。
采用高斯函数拟合每类负荷的概率密度函数,新增负荷节点的负荷量大小分布的概率密度函数由多个高斯函数组合而成:
其中:Pi为负荷量;f(·)为负荷量分布的概率密度函数;j为负荷的类别;kj为第j类负荷所占的比重;Pa,j为第j类负荷节点的负荷量均值;σj为第j类负荷节点的负荷量方差。
4.如权利要求3所述的一种考虑城镇生长特性的区域能源互联网演化模拟方法,其特征在于,所述步骤2中,区域能源互联网负荷增长模拟的过程如下:
1)给定大小为L2的平面区域,设定加入负荷节点的总数N和半径r;
2)在给定平面区域中,按照独立均匀分布随机加入一个负荷节点;
3)计算新生成负荷节点与已存在节点的最小距离dmin,i。若dmin,i>r,则按照概率q1保留该节点;若dmin,i≤r,则按照概率q2保留该节点;
4)若添加负荷节点的数量未超过N,则返回步骤2);否则,结束负荷增长过程。
5.如权利要求1所述的一种考虑城镇生长特性的区域能源互联网演化模拟方法,其特征在于,所述步骤3中,当给定区域中的负荷节点达到Nm个后,以最小化建设成本为目标,进行初始的区域能源互联网规划。其中能源站的投资建设成本如下式所示:
其中:Cs,i为第i个能源站的建设成本;Psbe,i和Psbh,i分别为第i个能源站的供电和供热设备容量;cs为供能设备的单位容量建设成本。
区域能源互联网的管线敷设成本包括综合管廊建设费用、施工费用和管线材料费用:
Cl,b=xblb(cp+cle|Plbe,b|+clh|Plbh,b|)
其中:Cl,b为第b条综合管线的敷设成本;xb为表示第b条管线敷设状态的二进制变量;lb为第b条管线的长度;cp为综合管廊的单位长度建设成本;Plbe,b和Plbh,b分别为第b条综合管线的电功率和热功率额定值;cle和clh分别为单位长度、单位容量的配电线路和供热管道的建设成本。
区域能源互联网规划的目标函数如下式所示:
其中:C为区域能源互联网的建设成本;μs和μl分别为能源站和供能管线的运行维护费用比例系数。
区域能源互联网规划的约束条件包括多能流平衡约束、能源站输出功率和供能管线功率流上下限约束,如下所示:
其中:nj为第j个节点;Γi为节点ni的邻接节点集合;Pe,i和Ph,i分别为第i个节点的负荷电功率和热功率;Pse,i和Psh,i分别为第i个节点的能源站输出电功率和热功率;Ple,ji和Plh,ji分别为由节点nj流向节点ni的电功率和热功率;αi为表示能源站建设状态的二进制变量;mg为考虑未来负荷增长的供能设备和管线建设容量的裕度系数;Ple,b和Plh,b分别为流经第b条综合管线的电功率和热功率。
6.如权利要求5所述的一种考虑城镇生长特性的区域能源互联网演化模拟方法,其特征在于,所述步骤3中,形成初始的区域能源互联网络后,根据负荷增长模型继续向所考虑区域中增加负荷节点。每增长Nep个负荷节点后,对区域能源互联网进行一次扩展规划。
①若新增的负荷量尚未超过已有能源站中供能设备的容量裕度,则仅对供能管线进行扩展规划,目标函数如下式所示:
其中:Cep为区域能源互联网的扩建成本;γb为第b条供能管线;γep为可扩建的管线集合;Clep,b为扩建管线的成本。
②若新增的负荷量超过了已有能源站的供能设备容量裕度,则需要扩充供能设备容量或建立新的能源站,此时目标函数为:
其中:Ωep为可扩建能源站的节点集合;Csep,i为扩建能源站的成本。
③在区域能源互联网扩展规划中,对于已建设的能源站和供能管线,在扩展规划中可充分利用其容量裕度,其功率上下限约束如下所示:
其中:Ωo为已建设能源站的节点集合;γo为已建设的供能管线集合;Psbe,o,i和Psbh,o,i分别为已建设能源站的供电和供热设备容量;Plbe,o,b和Plbh,o,b分别为已建设综合管线的电功率和热功率额定值。
7.如权利要求1所述的一种考虑城镇生长特性的区域能源互联网演化模拟方法,其特征在于,所述步骤4中,区域能源互联网的演化模拟流程如下:
1)给定大小为L2的平面区域,设定加入负荷节点的总数N和半径r。初始在区域中心设置一个负荷节点,初始化节点数量Nc=1;
2)根据步骤2中的概率密度函数随机确定负荷量,生成一个新的负荷节点,并按照独立均匀分布随机加入给定平面区域中;
3)计算新生成负荷节点与已存在节点的最小距离dmin,i;
4)判断dmin,i是否小于或等于r,若是则按概率q2保留新节点,若否则按概率q1保留新节点;
5)若新生成的节点得到保留,则转入6),否则转入2);
6)令Nc=Nc+1,判断Nc是否等于Nm,若是则进行初始的区域能源互联网规划;
7)判断(Nc-Nm)/Nep是否为正整数,若是则转入8),若否则转入9);
8)判断能源站的供能设备是否仍有裕度,若是则对区域能源互联网供能管线进行扩展规划,若否则进行区域能源互联网能源站和供能管线扩展规划;
9)判断Nc是否小于N,若是则转入2),若否则区域能源互联网络演化过程完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110240169.4A CN112952814B (zh) | 2021-03-04 | 2021-03-04 | 一种考虑城镇生长特性的区域能源互联网演化模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110240169.4A CN112952814B (zh) | 2021-03-04 | 2021-03-04 | 一种考虑城镇生长特性的区域能源互联网演化模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112952814A true CN112952814A (zh) | 2021-06-11 |
CN112952814B CN112952814B (zh) | 2022-12-09 |
Family
ID=76247607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110240169.4A Active CN112952814B (zh) | 2021-03-04 | 2021-03-04 | 一种考虑城镇生长特性的区域能源互联网演化模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112952814B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705874A (zh) * | 2021-08-19 | 2021-11-26 | 国家电网有限公司 | 新能源电网演化预测方法、装置、计算机设备和存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070150248A1 (en) * | 2005-12-02 | 2007-06-28 | Derek Chiou | Simulation method |
CN101826752A (zh) * | 2010-05-11 | 2010-09-08 | 国网电力科学研究院 | 自适应电网运行方式的备自投装置动作模拟方法 |
CN102035210A (zh) * | 2011-01-05 | 2011-04-27 | 河北省电力研究院 | 电力***放松约束的无功设备优化方法 |
CN103093104A (zh) * | 2013-01-24 | 2013-05-08 | 天津大学 | 基于概率潮流的输电线路利用率计算方法 |
CN103390198A (zh) * | 2013-07-15 | 2013-11-13 | 温州大学 | 一种用于电力网络故障诊断的社团自组织检测方法 |
CN104700318A (zh) * | 2015-01-30 | 2015-06-10 | 国家电网公司 | 基于设备功率流拓扑的配电网薄弱环节辨识方法 |
EP3073245A2 (en) * | 2015-03-24 | 2016-09-28 | Bell Helicopter Textron Inc. | System and method for determining direct damage tolerance allowables |
CN106055592A (zh) * | 2016-05-20 | 2016-10-26 | 浙江大学 | 一种地图中电力***电压或负荷的监控方法 |
CN107591841A (zh) * | 2017-09-26 | 2018-01-16 | 清华大学 | 适用于新能源大规模接入下的电网演化模拟方法 |
CN108123434A (zh) * | 2017-11-17 | 2018-06-05 | 华北电力大学 | 一种计算pv曲线斜率以求取pv曲线运行点的方法 |
CN108205721A (zh) * | 2016-12-16 | 2018-06-26 | 国家电网公司 | 基于聚类的样条插值典型日负荷曲线选取装置 |
CN109063902A (zh) * | 2018-07-17 | 2018-12-21 | 广东工业大学 | 一种短期负荷预测方法、装置、设备及存储介质 |
CN110574044A (zh) * | 2017-05-23 | 2019-12-13 | 英特尔公司 | 用于使用依赖树来增强二进制权重神经网络的方法和装置 |
CN110717226A (zh) * | 2019-09-30 | 2020-01-21 | 国网浙江杭州市萧山区供电有限公司 | 一种考虑能源网拓扑特性的区域综合能源***布局规划方法 |
CN110796286A (zh) * | 2019-09-25 | 2020-02-14 | 国网山西省电力公司经济技术研究院 | 一种适用于电动汽车规模化应用的配电***的灵活规划方法 |
CN111160716A (zh) * | 2019-12-10 | 2020-05-15 | 国网经济技术研究院有限公司 | 基于潮流介数的大电网脆弱性评估方法 |
CN112217202A (zh) * | 2020-09-29 | 2021-01-12 | 东南大学 | 考虑灵活性投资的分布式新能源、储能与配电网规划方法 |
-
2021
- 2021-03-04 CN CN202110240169.4A patent/CN112952814B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070150248A1 (en) * | 2005-12-02 | 2007-06-28 | Derek Chiou | Simulation method |
CN101826752A (zh) * | 2010-05-11 | 2010-09-08 | 国网电力科学研究院 | 自适应电网运行方式的备自投装置动作模拟方法 |
CN102035210A (zh) * | 2011-01-05 | 2011-04-27 | 河北省电力研究院 | 电力***放松约束的无功设备优化方法 |
CN103093104A (zh) * | 2013-01-24 | 2013-05-08 | 天津大学 | 基于概率潮流的输电线路利用率计算方法 |
CN103390198A (zh) * | 2013-07-15 | 2013-11-13 | 温州大学 | 一种用于电力网络故障诊断的社团自组织检测方法 |
CN104700318A (zh) * | 2015-01-30 | 2015-06-10 | 国家电网公司 | 基于设备功率流拓扑的配电网薄弱环节辨识方法 |
EP3073245A2 (en) * | 2015-03-24 | 2016-09-28 | Bell Helicopter Textron Inc. | System and method for determining direct damage tolerance allowables |
CN106055592A (zh) * | 2016-05-20 | 2016-10-26 | 浙江大学 | 一种地图中电力***电压或负荷的监控方法 |
CN108205721A (zh) * | 2016-12-16 | 2018-06-26 | 国家电网公司 | 基于聚类的样条插值典型日负荷曲线选取装置 |
CN110574044A (zh) * | 2017-05-23 | 2019-12-13 | 英特尔公司 | 用于使用依赖树来增强二进制权重神经网络的方法和装置 |
CN107591841A (zh) * | 2017-09-26 | 2018-01-16 | 清华大学 | 适用于新能源大规模接入下的电网演化模拟方法 |
CN108123434A (zh) * | 2017-11-17 | 2018-06-05 | 华北电力大学 | 一种计算pv曲线斜率以求取pv曲线运行点的方法 |
CN109063902A (zh) * | 2018-07-17 | 2018-12-21 | 广东工业大学 | 一种短期负荷预测方法、装置、设备及存储介质 |
CN110796286A (zh) * | 2019-09-25 | 2020-02-14 | 国网山西省电力公司经济技术研究院 | 一种适用于电动汽车规模化应用的配电***的灵活规划方法 |
CN110717226A (zh) * | 2019-09-30 | 2020-01-21 | 国网浙江杭州市萧山区供电有限公司 | 一种考虑能源网拓扑特性的区域综合能源***布局规划方法 |
CN111160716A (zh) * | 2019-12-10 | 2020-05-15 | 国网经济技术研究院有限公司 | 基于潮流介数的大电网脆弱性评估方法 |
CN112217202A (zh) * | 2020-09-29 | 2021-01-12 | 东南大学 | 考虑灵活性投资的分布式新能源、储能与配电网规划方法 |
Non-Patent Citations (4)
Title |
---|
ZAIB ULLAH,等: "Applications of Artificial Intelligence and Machine learning in smart cities", 《SCIENCEDIRECT》 * |
侯方心 等: "实现《巴黎协定》目标下的全球能源互联网情景展望分析", 《全球能源互联网》 * |
梁海峰 等: "智能电网下基于负荷识别的居民电动汽车需求响应特性建模方法研究", 《现代电力》 * |
邵乾虔 等: "基于可达性分析的电商"最后一公里"配送调度优化*", 《***工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705874A (zh) * | 2021-08-19 | 2021-11-26 | 国家电网有限公司 | 新能源电网演化预测方法、装置、计算机设备和存储介质 |
CN113705874B (zh) * | 2021-08-19 | 2024-03-15 | 国家电网有限公司 | 新能源电网演化预测方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112952814B (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nassar et al. | Adaptive self-adequate microgrids using dynamic boundaries | |
CN105449713B (zh) | 考虑分布式电源特性的有源配电网智能软开关规划方法 | |
Fathy et al. | Grey wolf optimizer for optimal sizing and siting of energy storage system in electric distribution network | |
Grigoras et al. | An assessment of the renewable energy potential using a clustering based data mining method. Case study in Romania | |
Rajesh et al. | Generation expansion planning based on solar plants with storage | |
CN109242177B (zh) | 有源配电网规划方法 | |
Kefale et al. | Optimal Design of Grid‐Connected Solar Photovoltaic System Using Selective Particle Swarm Optimization | |
Kumar et al. | Optimal sizing of stand alone hybrid renewable energy system with load shifting | |
Breuer et al. | Determination of alternative bidding areas based on a full nodal pricing approach | |
Zhang et al. | Efficient design of energy microgrid management system: a promoted Remora optimization algorithm-based approach | |
CN106803130B (zh) | 分布式电源接入配电网的规划方法 | |
Chen et al. | A novel technique for the optimal design of offshore wind farm electrical layout | |
García et al. | Comprehensive sizing methodology of smart photovoltaic irrigation systems | |
Zuo et al. | Offshore wind farm collector system layout optimization based on self‐tracking minimum spanning tree | |
Oates et al. | Energy balancing accross cities: Virtual Power Plant prototype and iURBAN case studies | |
CN112952814B (zh) | 一种考虑城镇生长特性的区域能源互联网演化模拟方法 | |
Li et al. | Research on short-term joint optimization scheduling strategy for hydro-wind-solar hybrid systems considering uncertainty in renewable energy generation | |
Chellappan et al. | Real power loss minimization considering multiple DGs and battery in distribution system | |
Rosenberg et al. | Finding an optimised infrastructure for electricity distribution networks in rural areas-A comparison of different approaches | |
Prakash | Optimal distributed generation planning considering economic and operational aspects | |
Ragab et al. | Optimal energy management applying load elasticity integrating renewable resources | |
CN115313377B (zh) | 一种电力负荷预测方法及*** | |
Koca et al. | Using genetic algorithms for estimating Weibull parameters with application to wind speed | |
Rahim et al. | Assessing the performance of DG in distribution network | |
CN109447431A (zh) | 一种基于粒子群算法的城市能源互联网下的配电网规划方法 |
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 |