CN114676902A - 高比例可再生能源的园区配电***优化规划方法及*** - Google Patents

高比例可再生能源的园区配电***优化规划方法及*** Download PDF

Info

Publication number
CN114676902A
CN114676902A CN202210273764.2A CN202210273764A CN114676902A CN 114676902 A CN114676902 A CN 114676902A CN 202210273764 A CN202210273764 A CN 202210273764A CN 114676902 A CN114676902 A CN 114676902A
Authority
CN
China
Prior art keywords
renewable energy
power
optimal
power distribution
power station
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
Application number
CN202210273764.2A
Other languages
English (en)
Other versions
CN114676902B (zh
Inventor
李启娟
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.)
Terminus Technology Group Co Ltd
Original Assignee
Terminus Technology Group Co Ltd
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 Terminus Technology Group Co Ltd filed Critical Terminus Technology Group Co Ltd
Priority to CN202210273764.2A priority Critical patent/CN114676902B/zh
Publication of CN114676902A publication Critical patent/CN114676902A/zh
Application granted granted Critical
Publication of CN114676902B publication Critical patent/CN114676902B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • 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
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Power Engineering (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Water Supply & Treatment (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种高比例可再生能源的园区配电***优化规划方法及***，涉及可再生能源优化配电技术领域，该方法包括对园区的含有可再生能源电站的主动配电网的当前网络结构进行调研，获取主动配电网的节点数量和节点位置，以及可再生能源电站的接入节点位置；根据可再生能源电站接入主动配电网产生的潮流影响，通过潮流模型优化分析，得到可再生能源电站的最优接入节点位置；利用可再生能源电站的最优接入节点位置优化配置主动配电网的网络结构，得到园区配电***最优规划。本发明能够有效降低可再生能源发电接入主动配电网所带来的影响，提高主动配电网对可再生能源发电的接纳能力，有效避免***过电压、功率倒送等问题的出现。

Description

高比例可再生能源的园区配电***优化规划方法及***
技术领域
本发明涉及可再生能源优化配电技术领域，具体涉及一种高比例可再生能源的园区配电***优化规划方法及***。
背景技术
能源对人类的生存与社会的发展来说是不可或缺的重要部分，随着电力需求的持续增长、传统能源紧缺形式的不断加深以及环境问题的日益突出，可再生能源发电技术的发展获得了广泛支持。可再生能源发电接入配电网，对于节约能源、减少碳排放有积极作用。然而，当可再生能源发电的发电量占各类电源总发电量的20％-30％时，可再生能源发电出力的间歇性和随机性会导致***过电压、功率倒送等问题。因此，为了提高配电网对可再生能源发电的接纳能力，有必要在规划阶段考虑可再生能源发电对***运行的影响。
主动配电网能够利用先进的自动化、通信和电力电子等新技术实现对接入配电网的可再生能源发电和其他设备进行主动管理。主动配电网通过控制开关的开断可以实现网络的动态重构，有利于减小网损，平衡负荷。目前，国内外学者利用主动配电网进行规划已有一定成果。例如，中国专利CN201910086985.7公开了一种含分布式电源的配电网分层规划方法，利用PSCO优化算法得到最终网架结构和DG接入位置与容量配置，提高了供电可靠性。但是，其没有将可再生能源发电出力的间歇性和随机性考虑在内，忽略其对***的具体影响，从而导致与实际的电网运行相差较大。
发明内容
因此，为了克服上述缺陷，本发明实施例提供一种高比例可再生能源的园区配电***优化规划方法及***，充分考虑了可再生能源发电接入配电网的影响，提高了配电网对可再生能源发电的接纳能力，有效避免了***过电压、功率倒送等问题的出现。
为此，本发明实施例一种高比例可再生能源的园区配电***优化规划方法，包括以下步骤：
对园区的含有可再生能源电站的主动配电网的当前网络结构进行调研，获取主动配电网的节点数量和节点位置，以及可再生能源电站的接入节点位置；所述可再生能源电站包括光伏电站和风力电站；
根据可再生能源电站接入主动配电网产生的潮流影响，通过潮流模型优化分析，得到可再生能源电站的最优接入节点位置；
利用所述可再生能源电站的最优接入节点位置优化配置主动配电网的网络结构，得到园区配电***最优规划。
优选地，所述根据可再生能源电站接入主动配电网产生的潮流影响，通过潮流模型优化分析，得到可再生能源电站的最优接入节点位置的步骤包括：
优选地，所述S2的步骤包括：
分析任一接入节点位置的综合功率度量和其与各相邻节点之间线路的综合有功损耗度量；
设置接入估计节点，根据所述潮流模型，获得各接入估计节点的综合功率度量和综合有功损耗度量；
根据接入节点位置和接入估计节点的综合功率度量和综合有功损耗度量，确定出可再生能源电站的最优接入节点位置。
优选地，所述根据接入节点位置和接入估计节点的综合功率度量和综合有功损耗度量，确定出可再生能源电站的最优接入节点位置的步骤包括：
分别判断各接入估计节点的综合功率度量与接入节点位置的综合功率度量之间的第一差值是否大于第一预设阈值；
根据判断结果选取第一差值大于第一预设阈值的接入估计节点作为预选优化节点；
分别判断各预选优化节点的综合有功损耗度量与接入节点位置的综合有功损耗度量之间的第二差值是否大于第二预设阈值；
根据判断结果选取第二差值大于第二预设阈值的预选优化节点作为可再生能源电站的最优接入节点位置。
优选地，所述利用所述可再生能源电站的最优接入节点位置优化配置主动配电网的网络结构，得到园区配电***最优规划的步骤包括：
基于所述最优接入节点位置，确定主动配电网的规划模型，所述规划模型的优化目标为成本最低，决策变量包括最优接入节点位置的可再生能源电站的类型和容量；
优化求解所述规划模型，获得具有可再生能源电站最优类型分配和容量设置的园区配电***最优规划。
优选地，采用遗传算法优化求解所述规划模型，获得可再生能源电站的最优类型分配和最佳装机容量，得到园区配电***的最优规划。
将运行时长、光伏电站机组总数和风力电站机组总数的组合作为染色体；
随机产生初始种群，使运行时长可以获得一个最长时长和最短时长之间的随机值、光伏电站机组总数可以获得一个最大总数和最小总数之间的随机值以及风力电站机组总数可以获得一个最大总数和最小总数之间的随机值；
根据所述规划模型，生成适应值函数；
根据每个染色体被选择的概率，根据赌轮盘选择法将上一代的优先个体传递到下一代；
采用交叉算子，选取一个随机交叉点，通过在交叉点上交换亲代的基因得到若干个子代染色体；
采用变异算子进行优化，通过改变一个或若干个基因的值，增加种群的多样性。
本发明实施例的一种高比例可再生能源的园区配电***优化规划***，包括：
主动配电网节点位置获取装置，用于对园区的含有可再生能源电站的主动配电网的当前网络结构进行调研，获取主动配电网的节点数量和节点位置，以及可再生能源电站的接入节点位置；
节点位置优化装置，用于根据可再生能源电站接入主动配电网产生的潮流影响，通过潮流模型优化分析，得到可再生能源电站的最优接入节点位置；
主动配电网优化规划装置，用于利用所述可再生能源电站的最优接入节点位置优化配置主动配电网的网络结构，得到园区配电***最优规划。
优选地，所述节点位置优化装置包括：
潮流模型建立单元，用于分析任一接入节点位置的综合功率度量和其与各相邻节点之间线路的综合有功损耗度量；
接入估计节点设置单元，用于设置接入估计节点，根据所述潮流模型，获得各接入估计节点的综合功率度量和综合有功损耗度量；将围绕所述接入节点位置的预设地理范围内的各节点作为接入估计节点，并假设将与所述接入节点位置的可再生能源电站的容量和类型相同的可再生能源电站接入所述接入估计节点，根据所述潮流模型，获得各接入估计节点的综合功率度量和综合有功损耗度量；
最优接入节点位置确定单元，用于根据接入节点位置和接入估计节点的综合功率度量和综合有功损耗度量，确定出可再生能源电站的最优接入节点位置。
优选地，所述最优接入节点位置确定单元包括：
第一判断单元，用于分别判断各接入估计节点的综合功率度量与接入节点位置的综合功率度量之间的第一差值是否大于第一预设阈值；
第一筛选单元，用于根据判断结果选取第一差值大于第一预设阈值的接入估计节点作为预选优化节点；
第二判断单元，用于分别判断各预选优化节点的综合有功损耗度量与接入节点位置的综合有功损耗度量之间的第二差值是否大于第二预设阈值；
第二筛选单元，用于根据判断结果选取第二差值大于第二预设阈值的预选优化节点作为可再生能源电站的最优接入节点位置。
优选地，所述主动配电网优化规划装置包括：
规划模型建立单元，用于基于所述最优接入节点位置，确定主动配电网的规划模型，所述规划模型的优化目标为成本最低，决策变量包括最优接入节点位置的可再生能源电站的类型和容量；
优化求解单元，用于优化求解所述规划模型，获得具有可再生能源电站最优类型分配和容量设置的园区配电***最优规划。
优选地，所述优化求解单元包括：
参数初始化单元，用于从所述最优接入节点位置组成的集合中随机选取50个数据作为Φ＝50种情景，读取50种情景下全部参数光伏电站机组u的单位容量投资费用eu和投资容量cu、风力电站机组v的单位容量投资费用ev和投资容量cv、光伏电站机组u的单位输出功率成本yu和输出功率pu、风力电站机组v的单位输出功率成本yv和输出功率pv的值，设总代数GEN＝200，种群大小POP＝20，交叉概率pc＝0.6，变异概率pm＝0.1；
初始种群产生单元，用于为每个运行时长分配一个最长时长和最短时长之间的随机值、光伏电站机组总数分配一个最大总数和最小总数之间的随机值以及风力电站机组总数分配一个最大总数和最小总数之间的随机值生成初始种群；
交叉变异运算单元，用于根据每个染色体被选择的概率选择个体，采用交叉概率pc和变异概率pm分别进行交叉运算和变异运算，重复以上过程直至新一代种群产生；
最佳个体筛选单元，用于根据适应值函数公式计算当前种群中每个个体的适应值，选出适应值最大的最佳个体；
最优解获得单元，用于当迭代次数达到预设总代数时，输出最佳个体，所述最佳个体即为最优解，从而获得了可再生能源电站的最优类型分配和最佳装机容量，得到园区配电***的最优规划。否则，迭代次数加1，继续优化求解过程。
本发明实施例的高比例可再生能源的园区配电***优化规划方法及***，具有如下优点：
基于园区的含有可再生能源电站的主动配电网的当前网络结构，建立潮流模型，进行可再生能源电站的接入节点位置的优化分析，从而充分考虑了可再生能源发电接入主动配电网所带来的影响，提高了主动配电网对可再生能源发电的接纳能力，有效避免了***过电压、功率倒送等问题的出现。
附图说明
为了更清楚地说明本发明具体实施方式中的技术方案，下面将对具体实施方式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方式，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为本发明实施例1中高比例可再生能源的园区配电***优化规划方法的一个具体示例的流程图；
图2为本发明实施例2中高比例可再生能源的园区配电***优化规划***的一个具体示例的原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，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。
在本发明的描述中，需要说明的是，本文所用的术语仅用于描述特定实施例的目的，而并非旨在限制本发明。除非上下文明确指出，否则如本文中所使用的单数形式“一”、“一个”和“该”等意图也包括复数形式。使用“包括”和/或“包含”等术语时，是意图说明存在该特征、整数、步骤、操作、元素和/或组件，而不排除一个或多个其他特征、整数、步骤、操作、元素、组件、和/或其他组合的存在或增加。术语“和/或”包括一个或多个相关列出项目的任何和所有组合。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，本说明书中的某些图式是用于例示方法的流程图。应了解，这些流程图中的每一个方块、及这些流程图中方块的组合可通过计算机程序指令来实施。这些计算机程序指令可加载至一计算机或其他可编程的设备上来形成一机器，以使在所述计算机或其他可编程设备上执行的指令形成用于实施在所述流程图方块中所规定功能的结构。这些计算机程序指令也可储存于一计算机可读存储器中，所述计算机可读存储器可指令一计算机或其他可编程设备以一特定方式工作，以使储存于所述计算机可读存储器中的指令形成一包含用于实施在所述流程图方块中所规定功能的指令结构的制品。所述计算机程序指令也可加载至一计算机或其他可编程设备上，以便在所述计算机或其他可编程设备上执行一系列操作步骤来形成一由计算机实施的过程，从而使在所述计算机或其他可编程设备上执行的指令提供用于实施在所述流程图方块中所规定功能的步骤。
相应地，各流程图中的方块支持用于执行所规定功能的结构的组合及用于执行所规定功能的步骤的组合。还应了解，所述流程图中的每一个方块、及所述流程图中方块的组合可由执行所规定功能或步骤的基于专用硬件的计算机***、或者专用硬件与计算机指令的组合来实施。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例提供一种高比例可再生能源的园区配电***优化规划方法，如图1所示，包括以下步骤：
S1、对园区的含有可再生能源电站的主动配电网的当前网络结构进行调研，获取主动配电网的节点数量和节点位置，以及可再生能源电站的接入节点位置；
S2、根据可再生能源电站接入主动配电网产生的潮流影响，通过潮流模型优化分析，得到可再生能源电站的最优接入节点位置；
S3、利用所述可再生能源电站的最优接入节点位置优化配置主动配电网的网络结构，得到园区配电***最优规划。
上述高比例可再生能源的园区配电***优化规划方法，基于园区的含有可再生能源电站的主动配电网的当前网络结构，建立潮流模型，进行可再生能源电站的接入节点位置的优化分析，从而充分考虑了可再生能源发电接入主动配电网所带来的影响，提高了主动配电网对可再生能源发电的接纳能力，有效避免了***过电压、功率倒送等问题的出现。
优选地，所述可再生能源电站包括光伏电站、风力电站等。
优选地，所述S2的步骤包括：
S21、分析任一接入节点位置的综合功率度量和其与各相邻节点之间线路的综合有功损耗度量；首先，建立潮流模型，公式如下：
Figure BDA0003555048200000071
Figure BDA0003555048200000072
Figure BDA0003555048200000073
Figure BDA0003555048200000074
Figure BDA0003555048200000075
其中，Fk为节点k(接入节点位置)的综合功率度量，
Figure BDA0003555048200000076
为节点k的有功出力期望值，
Figure BDA0003555048200000077
为节点k的有功功率波动值，
Figure BDA0003555048200000078
为节点k的有功负荷，
Figure BDA0003555048200000079
为从节点k的相邻节点j流向节点k的有功功率，λkj为节点k和相邻节点j之间的有功损耗因子，n为节点k的相邻节点的个数，
Figure BDA0003555048200000081
为节点k的无功出力期望值，
Figure BDA0003555048200000082
为节点k的无功功率波动值，
Figure BDA0003555048200000083
为节点k的无功负荷，
Figure BDA0003555048200000084
为从节点k的相邻节点j流向节点k的无功功率，γkj为节点k和相邻节点j之间的无功损耗因子；
Figure BDA0003555048200000085
为节点k的风力电站的输出功率，
Figure BDA0003555048200000086
为节点k的光伏电站的输出功率，C1、C2为存在因子，取值为0或1；vk为节点k所在位置处的风速，可根据风速的双参数Weibull分布确定，vci为切入风速，vco为切出风速，vr为额定风速，
Figure BDA0003555048200000087
为节点k的风力电站的风机额定输出功率；Sk为节点k所在位置处的光照强度，可根据光照强度的Beta分布确定，
Figure BDA0003555048200000088
为节点k的光伏电站的额定输出功率，Sr为额定光照强度，
Figure BDA0003555048200000089
为节点k的与各相邻节点j之间线路的综合有功损耗度量，Uk为节点k的电压，Uj为相邻节点j的电压，δjk为节点k和相邻节点j的电压相位差，gjk为节点k与相邻节点j之间线路的电导；
其次，基于所述潮流模型，获得所述可再生能源电站的接入节点位置的综合功率度量和综合有功损耗度量；
S22、设置接入估计节点，根据所述潮流模型，获得各接入估计节点的综合功率度量和综合有功损耗度量；
优选地，将围绕所述接入节点位置的预设地理范围内的各节点作为接入估计节点，并假设将与所述接入节点位置的可再生能源电站的容量和类型相同的可再生能源电站接入所述接入估计节点，根据所述潮流模型，获得各接入估计节点的综合功率度量和综合有功损耗度量；预设地理范围优选为考虑了优化成本、可再生能源电站建设成本和可行性等因素后所确定的地理范围，从而排除了实际建设可再生能源电站不可行的位置，提高了模拟规划与实际建设的结合度，提高了所规划方案的可行性；
S23、根据接入节点位置和接入估计节点的综合功率度量和综合有功损耗度量，确定出可再生能源电站的最优接入节点位置。
优选地，分别比较各接入估计节点和接入节点位置的综合功率度量的差值的以及综合有功损耗度量的差值，根据比较结果确定出可再生能源电站的最优接入节点位置。
所述S23的步骤包括：
S231、分别判断各接入估计节点的综合功率度量与接入节点位置的综合功率度量之间的第一差值是否大于第一预设阈值；第一预设阈值可根据实际需求进行设置；
S232、根据判断结果选取第一差值大于第一预设阈值的接入估计节点作为预选优化节点；
S233、分别判断各预选优化节点的综合有功损耗度量与接入节点位置的综合有功损耗度量之间的第二差值是否大于第二预设阈值；第二预设阈值可根据实际需求进行设置；
S234、根据判断结果选取第二差值大于第二预设阈值的预选优化节点作为可再生能源电站的最优接入节点位置。
优选地，所述S3的步骤包括：
S31、基于所述最优接入节点位置，确定主动配电网的规划模型，所述规划模型的优化目标为成本最低，决策变量包括最优接入节点位置的可再生能源电站的类型和容量；
S32、优化求解所述规划模型，获得具有可再生能源电站最优类型分配和容量设置的园区配电***最优规划。
优选地，所述规划模型的公式为：
Figure BDA0003555048200000091
Figure BDA0003555048200000092
min Fcost＝f1+f2
其中，f1为可再生能源电站的投资费用，f2为主动配电网的运行费用，eu、cu为光伏电站机组u的单位容量投资费用和投资容量，ev、cv为风力电站机组v的单位容量投资费用和投资容量，X1为光伏电站机组总数，X2为风力电站机组总数，T为预设运行时长，yu、pu为光伏电站机组u的单位输出功率成本和输出功率，yv、pv为风力电站机组v的单位输出功率成本和输出功率。
优选地，所述S32的步骤包括：
采用遗传算法优化求解所述规划模型，获得可再生能源电站的最优类型分配和最佳装机容量，得到园区配电***的最优规划。
S321、将运行时长、光伏电站机组总数和风力电站机组总数的组合作为染色体π＝(π1,π2,…,πl,…,πL)；
S322、随机产生初始种群，使运行时长可以获得一个最长时长和最短时长之间的随机值、光伏电站机组总数可以获得一个最大总数和最小总数之间的随机值以及风力电站机组总数可以获得一个最大总数和最小总数之间的随机值；
S323、根据所述规划模型，生成适应值函数，公式优选为：
Figure BDA0003555048200000101
其中，f(l)为当前代中第l个染色体对应的适应值，πl为第l个染色体，在所述最优接入节点位置中选出的Φ种情景下如果min Fcost的值越小，则个体的适应值越大；
S324、根据赌轮盘选择法将上一代的优先个体传递到下一代，每个染色体被选择的概率为：
Figure BDA0003555048200000102
S325、采用交叉算子，选取一个随机交叉点，通过在交叉点上交换亲代的基因得到若干个子代染色体，其中交叉概率为pc；优选地，交叉算子为单点交叉算子；
S326、通过交叉算子获得子代染色体后，再采用变异算子进行优化，通过改变一个或若干个基因的值，增加种群的多样性，其中变异概率为pm。优选地，变异算子为均匀变异算子、增量变异算子或非均匀变异算子。
具体步骤包括：
(1)参数初始化，从所述最优接入节点位置组成的集合中随机选取50个数据作为Φ＝50种情景，读取50种情景下全部参数光伏电站机组u的单位容量投资费用eu和投资容量cu、风力电站机组v的单位容量投资费用ev和投资容量cv、光伏电站机组u的单位输出功率成本yu和输出功率pu、风力电站机组v的单位输出功率成本yv和输出功率pv的值，设总代数GEN＝200，种群大小POP＝20，交叉概率pc＝0.6，变异概率pm＝0.1；
(2)为每个运行时长分配一个最长时长和最短时长之间的随机值、光伏电站机组总数分配一个最大总数和最小总数之间的随机值以及风力电站机组总数分配一个最大总数和最小总数之间的随机值生成初始种群，根据适应值函数公式计算每个个体的适应值；
(3)根据每个染色体被选择的概率选择个体，采用交叉概率pc和变异概率pm分别进行交叉运算和变异运算；
(4)重复步骤(3)，直至新一代种群产生；
(5)根据适应值函数公式计算当前种群中每个个体的适应值，选出适应值最大的最佳个体；
(6)当迭代次数达到预设总代数时，转步骤(7)；否则，迭代次数加1，返回步骤(3)；
(7)输出最佳个体，所述最佳个体即为最优解，从而获得了可再生能源电站的最优类型分配和最佳装机容量，得到园区配电***的最优规划。
实施例2
本实施例提供一种高比例可再生能源的园区配电***优化规划***，如图2所示，包括：
主动配电网节点位置获取装置1，用于对园区的含有可再生能源电站的主动配电网的当前网络结构进行调研，获取主动配电网的节点数量和节点位置，以及可再生能源电站的接入节点位置；
节点位置优化装置2，用于根据可再生能源电站接入主动配电网产生的潮流影响，通过潮流模型优化分析，得到可再生能源电站的最优接入节点位置；
主动配电网优化规划装置3，用于利用所述可再生能源电站的最优接入节点位置优化配置主动配电网的网络结构，得到园区配电***最优规划。
上述高比例可再生能源的园区配电***优化规划***，基于园区的含有可再生能源电站的主动配电网的当前网络结构，建立潮流模型，进行可再生能源电站的接入节点位置的优化分析，从而充分考虑了可再生能源发电接入主动配电网所带来的影响，提高了主动配电网对可再生能源发电的接纳能力，有效避免了***过电压、功率倒送等问题的出现。
优选地，所述可再生能源电站包括光伏电站、风力电站等。
优选地，所述节点位置优化装置包括：
潮流模型建立单元，用于分析任一接入节点位置的综合功率度量和其与各相邻节点之间线路的综合有功损耗度量；
接入估计节点设置单元，用于设置接入估计节点，根据所述潮流模型，获得各接入估计节点的综合功率度量和综合有功损耗度量；
将围绕所述接入节点位置的预设地理范围内的各节点作为接入估计节点，并假设将与所述接入节点位置的可再生能源电站的容量和类型相同的可再生能源电站接入所述接入估计节点，根据所述潮流模型，获得各接入估计节点的综合功率度量和综合有功损耗度量；预设地理范围优选为考虑了优化成本、可再生能源电站建设成本和可行性等因素后所确定的地理范围，从而排除了实际建设可再生能源电站不可行的位置，提高了模拟规划与实际建设的结合度，提高了所规划方案的可行性；
最优接入节点位置确定单元，用于根据接入节点位置和接入估计节点的综合功率度量和综合有功损耗度量，确定出可再生能源电站的最优接入节点位置。
优选地，分别比较各接入估计节点和接入节点位置的综合功率度量的差值的以及综合有功损耗度量的差值，根据比较结果确定出可再生能源电站的最优接入节点位置。
优选地，所述最优接入节点位置确定单元包括：
第一判断单元，用于分别判断各接入估计节点的综合功率度量与接入节点位置的综合功率度量之间的第一差值是否大于第一预设阈值；
第一筛选单元，用于根据判断结果选取第一差值大于第一预设阈值的接入估计节点作为预选优化节点；
第二判断单元，用于分别判断各预选优化节点的综合有功损耗度量与接入节点位置的综合有功损耗度量之间的第二差值是否大于第二预设阈值；
第二筛选单元，用于根据判断结果选取第二差值大于第二预设阈值的预选优化节点作为可再生能源电站的最优接入节点位置。
优选地，所述主动配电网优化规划装置包括：
规划模型建立单元，用于基于所述最优接入节点位置，确定主动配电网的规划模型，所述规划模型的优化目标为成本最低，决策变量包括最优接入节点位置的可再生能源电站的类型和容量；
优化求解单元，用于优化求解所述规划模型，获得具有可再生能源电站最优类型分配和容量设置的园区配电***最优规划。
优选地，所述优化求解单元包括：
参数初始化单元，用于从所述最优接入节点位置组成的集合中随机选取50个数据作为Φ＝50种情景，读取50种情景下全部参数光伏电站机组u的单位容量投资费用eu和投资容量cu、风力电站机组v的单位容量投资费用ev和投资容量cv、光伏电站机组u的单位输出功率成本yu和输出功率pu、风力电站机组v的单位输出功率成本yv和输出功率pv的值，设总代数GEN＝200，种群大小POP＝20，交叉概率pc＝0.6，变异概率pm＝0.1；
初始种群产生单元，用于为每个运行时长分配一个最长时长和最短时长之间的随机值、光伏电站机组总数分配一个最大总数和最小总数之间的随机值以及风力电站机组总数分配一个最大总数和最小总数之间的随机值生成初始种群；
交叉变异运算单元，用于根据每个染色体被选择的概率选择个体，采用交叉概率pc和变异概率pm分别进行交叉运算和变异运算，重复以上过程直至新一代种群产生；
最佳个体筛选单元，用于根据适应值函数公式计算当前种群中每个个体的适应值，选出适应值最大的最佳个体；
最优解获得单元，用于当迭代次数达到预设总代数时，输出最佳个体，所述最佳个体即为最优解，从而获得了可再生能源电站的最优类型分配和最佳装机容量，得到园区配电***的最优规划。否则，迭代次数加1，继续优化求解过程。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种高比例可再生能源的园区配电***优化规划方法，其特征在于，包括以下步骤：
对园区的含有可再生能源电站的主动配电网的当前网络结构进行调研，获取主动配电网的节点数量和节点位置，以及可再生能源电站的接入节点位置；
根据可再生能源电站接入主动配电网产生的潮流影响，通过潮流模型优化分析，得到可再生能源电站的最优接入节点位置；
利用所述可再生能源电站的最优接入节点位置优化配置主动配电网的网络结构，得到园区配电***最优规划。
2.根据权利要求1所述的方法，其特征在于，所述可再生能源电站包括光伏电站和风力电站。
3.根据权利要求2所述的方法，其特征在于，所述根据可再生能源电站接入主动配电网产生的潮流影响，通过潮流模型优化分析，得到可再生能源电站的最优接入节点位置的步骤包括：
分析任一接入节点位置的综合功率度量和其与各相邻节点之间线路的综合有功损耗度量，建立潮流模型；
设置接入估计节点，根据所述潮流模型，获得各接入估计节点的综合功率度量和综合有功损耗度量；
根据接入节点位置和接入估计节点的综合功率度量和综合有功损耗度量，确定出可再生能源电站的最优接入节点位置。
4.根据权利要求3所述的方法，其特征在于，所述设置接入估计节点，根据所述潮流模型，获得各接入估计节点的综合功率度量和综合有功损耗度量的步骤包括：
将围绕所述接入节点位置的预设地理范围内的各节点作为接入估计节点，并假设将与所述接入节点位置的可再生能源电站的容量和类型相同的可再生能源电站接入所述接入估计节点，根据所述潮流模型，获得各接入估计节点的综合功率度量和综合有功损耗度量。
5.根据权利要求3或4所述的方法，其特征在于，所述根据接入节点位置和接入估计节点的综合功率度量和综合有功损耗度量，确定出可再生能源电站的最优接入节点位置的步骤包括：
分别比较各接入估计节点和接入节点位置的综合功率度量的差值的以及综合有功损耗度量的差值，根据比较结果确定出可再生能源电站的最优接入节点位置。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述利用所述可再生能源电站的最优接入节点位置优化配置主动配电网的网络结构，得到园区配电***最优规划的步骤包括：
基于所述最优接入节点位置，确定主动配电网的规划模型，所述规划模型的优化目标为成本最低，决策变量包括最优接入节点位置的可再生能源电站的类型和容量；
优化求解所述规划模型，获得具有可再生能源电站最优类型分配和容量设置的园区配电***最优规划。
7.根据权利要求6所述的方法，其特征在于，所述优化求解所述规划模型，获得具有可再生能源电站最优类型分配和容量设置的园区配电***最优规划的步骤包括：
采用遗传算法优化求解所述规划模型，获得可再生能源电站的最优类型分配和最佳装机容量，得到园区配电***的最优规划。
8.一种高比例可再生能源的园区配电***优化规划***，其特征在于，包括：
主动配电网节点位置获取装置，用于对园区的含有可再生能源电站的主动配电网的当前网络结构进行调研，获取主动配电网的节点数量和节点位置，以及可再生能源电站的接入节点位置；
节点位置优化装置，用于根据可再生能源电站接入主动配电网产生的潮流影响，通过潮流模型优化分析，得到可再生能源电站的最优接入节点位置；
主动配电网优化规划装置，用于利用所述可再生能源电站的最优接入节点位置优化配置主动配电网的网络结构，得到园区配电***最优规划。
9.一种高比例可再生能源的园区配电***优化规划***，其特征在于，所述***包括：
一个或多个处理器；以及
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-7任一项所述的高比例可再生能源的园区配电***优化规划方法。
10.一种计算机可读存储介质，所述存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7任一项所述的高比例可再生能源的园区配电***优化规划方法。
CN202210273764.2A 2022-03-19 2022-03-19 高比例可再生能源的园区配电***优化规划方法及*** Active CN114676902B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210273764.2A CN114676902B (zh) 2022-03-19 2022-03-19 高比例可再生能源的园区配电***优化规划方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210273764.2A CN114676902B (zh) 2022-03-19 2022-03-19 高比例可再生能源的园区配电***优化规划方法及***

Publications (2)

Publication Number Publication Date
CN114676902A true CN114676902A (zh) 2022-06-28
CN114676902B CN114676902B (zh) 2022-10-18

Family

ID=82074146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210273764.2A Active CN114676902B (zh) 2022-03-19 2022-03-19 高比例可再生能源的园区配电***优化规划方法及***

Country Status (1)

Country Link
CN (1) CN114676902B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014201849A1 (zh) * 2013-06-18 2014-12-24 国网辽宁省电力有限公司电力科学研究院 配有储能电站的分散式风电场有功优化调控方法
CN109066692A (zh) * 2018-09-14 2018-12-21 吉林大学 一种分布式能源接入的电力网络潮流优化方法
CN112561273A (zh) * 2020-12-08 2021-03-26 上海电机学院 一种基于改进pso的主动配电网可再生dg规划方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014201849A1 (zh) * 2013-06-18 2014-12-24 国网辽宁省电力有限公司电力科学研究院 配有储能电站的分散式风电场有功优化调控方法
CN109066692A (zh) * 2018-09-14 2018-12-21 吉林大学 一种分布式能源接入的电力网络潮流优化方法
CN112561273A (zh) * 2020-12-08 2021-03-26 上海电机学院 一种基于改进pso的主动配电网可再生dg规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙智等: "主动配电网重构中一种最优潮流计算方法研究", 《电气应用》 *
王振浩等: "基于改进自适应遗传算法的分布式电源优化配置", 《电测与仪表》 *

Also Published As

Publication number Publication date
CN114676902B (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
CN107147152B (zh) 新能源配电网多类型有功无功源协同优化配置方法及***
CN102510108B (zh) 一种用于求取地区电网最大风电装机容量的方法
CN106803130B (zh) 分布式电源接入配电网的规划方法
CN108365608A (zh) 一种区域能源互联网不确定优化调度方法及***
CN107994582B (zh) 含分布式电源的配电网重构方法和***
CN105140958A (zh) 含光伏电源的配电网规划方法
CN110783925A (zh) 一种两级部署的电网调控模型中心控制***及方法
CN110929931A (zh) 考虑分布式电源和负荷时序特性的配电网协调规划方法
CN112561273B (zh) 一种基于改进pso的主动配电网可再生dg规划方法
Noorollahi et al. A scenario-based approach for optimal operation of energy hub under different schemes and structures
CN109888817B (zh) 对光伏电站和数据中心进行位置部署和容量规划方法
CN116822719A (zh) 一种配电网的多目标规划方法及装置
CN116402210A (zh) 一种综合能源***多目标优化方法、***、设备和介质
CN107392350B (zh) 含分布式能源及充电站的配电网扩展规划综合优化方法
CN116739187B (zh) 水库优化调度决策方法、装置、计算机设备及存储介质
CN114676902B (zh) 高比例可再生能源的园区配电***优化规划方法及***
CN108734349A (zh) 基于改进遗传算法的分布式电源选址定容优化方法及***
Afzali et al. A stochastic multi‐objective model for energy efficiency and renewable resource planning in energy communities: A sustainably cost‐effective trade‐off
Wang et al. Pareto optimization of power system reconstruction using NSGA-II algorithm
CN116562921A (zh) 一种基于动态预测的工业电源储能优化方法、***及介质
CN116681178A (zh) 一种分布式能源选址方法
CN111342456A (zh) 一种台区能源***建模方法及***
CN110867902A (zh) 基于发电预测的微电网分布式电源去中心优化运行方法
Mosbah et al. Differential evolution method for optimal size and localization of photovoltaic in the Algerian transmission power system
CN114548790A (zh) 一种综合能源***碳排放分配方法、装置及相关组件

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