CN117764401A - 考虑风险评估的柔性配电网多资源协调规划方法及装置 - Google Patents
考虑风险评估的柔性配电网多资源协调规划方法及装置 Download PDFInfo
- Publication number
- CN117764401A CN117764401A CN202410039272.6A CN202410039272A CN117764401A CN 117764401 A CN117764401 A CN 117764401A CN 202410039272 A CN202410039272 A CN 202410039272A CN 117764401 A CN117764401 A CN 117764401A
- Authority
- CN
- China
- Prior art keywords
- representing
- distribution network
- planning
- power distribution
- stage
- 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 269
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012502 risk assessment Methods 0.000 title claims abstract description 28
- 230000004044 response Effects 0.000 claims abstract description 41
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 239000000243 solution Substances 0.000 claims description 41
- 238000009434 installation Methods 0.000 claims description 25
- 238000010276 construction Methods 0.000 claims description 23
- 230000035699 permeability Effects 0.000 claims description 17
- 239000000203 mixture Substances 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 12
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 8
- 230000035515 penetration Effects 0.000 claims description 7
- 238000011084 recovery Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 5
- 238000002347 injection Methods 0.000 claims description 5
- 239000007924 injection Substances 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 101150041305 Picot gene Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 101150069635 glrx3 gene Proteins 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229940012982 picot Drugs 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种考虑风险评估的柔性配电网多资源协调规划方法及装置,属于配电网规划技术领域。该方法包括:基于目标配电网的配电网确定性参数和配电网规划参数构建约束模型;其中,约束模型包括风险水平约束;基于目标配电网的配电网随机性参数确定电网响应参数;基于电网响应参数将风险水平约束转换为迭代求解格式,得到迭代求解格式的约束模型;建立目标配电网的多资源协调规划模型,多资源协调规划模型以目标配电网的投资成本与运行成本之和最小为优化目标,以迭代求解格式的约束模型为约束条件;对多资源协调规划模型求解,得到目标配电网的资源规划结果。本发明能够得到目标配电网的考虑风险水平的资源规划结果。
Description
技术领域
本发明涉及配电网规划技术领域,尤其涉及一种考虑风险评估的柔性配电网多资源协调规划方法及装置。
背景技术
电能的生产和消费在全球低碳化转型的背景下逐渐发生变革。分布式光伏等可再生能源以配电网为主要承载平台大规模接入,电动汽车作为新的负荷需求发展迅猛。但是,新型源荷出力具有较强的随机性,随着它们渗透率不断提高,容易引发电压越限和线路过载等问题,如何在配电网中合理规划光伏和电动汽车充电站成为新的挑战。新建变电站和线路扩容等传统规划方式由于配置灵活性不足,导致资产利用率较低。
为了应对新型源荷高比例接入给配电网带来的安全风险,基于先进电力电子技术的柔性配电装置因为强大的调控能力和更具优势的经济效益被广泛应用,驱动传统配电网逐步发展成为柔性配电网。在柔性配电网中,各供电区域间的电能供需平衡能力被大大增强,成为平抑配电网运行状态随机波动的有效手段。配电网规划通过经济合理地配置各种资源来满足未来一段时间内源荷发展的需要,并保证电网的安全运行。智能软开关作为典型的柔性配电装置,其端口数和换流器容量都可以根据发展要求进行拓展,有利于维护规划方案的延续性和一致性,避免投资的重置和浪费。因此,长时间尺度上的配电网规划需要考虑智能软开关的多阶段动态演变。此外,光伏和电动汽车充电站的接入将直接改变原有配电网的潮流分布和电压质量,从而影响智能软开关规划方案的制定,因此,有必要开展智能软开关与光伏、电动汽车充电站的动态协调规划。
由于规划与运行高度耦合,柔性配电网动态协调规划模型需要考虑分布式光伏和电动汽车充电负荷的不确定性影响,以保证规划方案在实际运行中可以满足配电网安全运行的要求。处理不确定性主要有多场景分析、鲁棒和机会约束等方法。其中,多场景分析方法通过聚类方法生成若干典型场景,假设完全知道源荷在每个时刻的出力,在严格意义上可以归类为确定性模型。鲁棒方法通过生成不确定性集,针对最恶劣场景制定优化策略,可以有效应对源荷的随机波动,但是具有较强的保守性。机会约束方法可以对源荷不确定性进行概率化表征,在求解过程中可以根据置信水平控制允许的越限风险,然而机会约束为不等式约束,引入机会约束会导致配电网规划模型求解存在困难,难以结合配电网的运行风险进行配电网规划。
发明内容
本发明实施例提供了一种考虑风险评估的柔性配电网多资源协调规划方法及装置,以解决结合配电网的运行风险进行配电网规划的问题。
第一方面,本发明实施例提供了一种考虑风险评估的柔性配电网多资源协调规划方法,包括:
基于目标配电网的配电网确定性参数和配电网规划参数构建约束模型;其中,约束模型包括风险水平约束;
基于目标配电网的配电网随机性参数确定电网响应参数;
基于电网响应参数将风险水平约束转换为迭代求解格式,得到迭代求解格式的约束模型;
建立目标配电网的多资源协调规划模型,多资源协调规划模型以目标配电网的投资成本与运行成本之和最小为优化目标,以迭代求解格式的约束模型为约束条件;
对多资源协调规划模型求解,得到目标配电网的资源规划结果。
第二方面,本发明实施例提供了一种考虑风险评估的柔性配电网多资源协调规划装置,包括:
约束构建模块,用于基于目标配电网的配电网确定性参数和配电网规划参数构建约束模型;其中,约束模型包括风险水平约束;
响应确定模块,用于基于目标配电网的配电网随机性参数确定电网响应参数;
约束转换模块,用于基于电网响应参数将风险水平约束转换为迭代求解格式,得到迭代求解格式的约束模型;
建模模块,用于建立目标配电网的多资源协调规划模型,多资源协调规划模型以目标配电网的投资成本与运行成本之和最小为优化目标,以迭代求解格式的约束模型为约束条件;
求解模块,用于对多资源协调规划模型求解,得到目标配电网的资源规划结果。
本发明实施例提供一种考虑风险评估的柔性配电网多资源协调规划方法及装置,通过配电网确定性参数和配电网规划参数构建约束模型,描述目标配电网中各类参数之间的关系,基于配电网随机性参数确定电网响应参数,并通过电网响应参数将风险水平约束转换为迭代求解格式,得到确定性可求解的目标配电网的多资源协调规划模型,进行求解可得到目标配电网的考虑风险水平的资源规划结果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的考虑风险评估的柔性配电网多资源协调规划方法的实现流程图;
图2是本发明另一实施例提供的考虑风险评估的柔性配电网多资源协调规划方法的实现流程图;
图3是本发明一实施例提供的配电网拓扑结构图;
图4是本发明一实施例提供的负荷、电动汽车充电负荷和光伏的相关系数矩阵示意图;
图5(a)是本发明一实施例提供的负荷的历史数据示意图;
图5(b)是本发明一实施例提供的负荷的概率密度函数示意图;
图5(c)是本发明一实施例提供的电动汽车充电负荷的历史数据示意图;
图5(d)是本发明一实施例提供的电动汽车充电负荷的概率密度函数示意图;
图5(e)是本发明一实施例提供的光伏的历史数据示意图;
图5(f)是本发明一实施例提供的光伏的概率密度函数示意图;
图6(a)是本发明一实施例提供的柔性配电网多资源协调规划第一阶段结果示意图;
图6(b)是本发明一实施例提供的柔性配电网多资源协调规划第二阶段结果示意图;
图6(c)是本发明一实施例提供的柔性配电网多资源协调规划第三阶段结果示意图;
图6(d)是本发明一实施例提供的柔性配电网多资源协调规划第四阶段结果示意图;
图7(a)是本发明一实施例提供的柔性配电网电压越下限风险示意图;
图7(b)是本发明一实施例提供的柔性配电网电压越上限风险示意图;
图7(c)是本发明一实施例提供的柔性配电网电流越上限风险示意图;
图8是本发明一实施例提供的考虑风险评估的柔性配电网多资源协调规划装置的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
图1为本发明实施例提供的考虑风险评估的柔性配电网多资源协调规划方法的实现流程图,详述如下:
步骤101,基于目标配电网的配电网确定性参数和配电网规划参数构建约束模型;其中,约束模型包括风险水平约束。
在一种可能的实现方式中,配电网确定性参数包括网络拓扑连接关系、线路电阻电抗、负荷额定功率和安装位置;
配电网随机性参数包括负荷历史数据、光照强度历史数据、电动汽车充电负荷历史数据以及配电网概率空间中随机变量间相关系数;
配电网规划参数包括规划周期、规划阶段划分数量、年利率、最大允许的风险水平、智能软开关可连接节点、各阶段负荷年增长率、各阶段光伏渗透率、各阶段电动汽车充电负荷渗透率、光伏待安装位置和换流器最大安装容量、电动汽车充电站待安装位置和换流器最大安装容量、各阶段场地和每公里线路建设价格、各阶段换流器单位容量价格和各阶段电价;
约束模型还包括智能软开关多阶段拓展规划方案的关联约束、智能软开关多阶段拓展规划约束、电动汽车充电站多阶段规划约束、光伏多阶段规划约束、智能软开关运行约束和配电网运行约束;
资源规划结果包括智能软开关拓展规划的拓扑结构及规划容量、电动汽车充电站规划位置和容量、光伏规范位置和容量,以及配电网投资运行成本。
在一种可能的实现方式中,智能软开关多阶段拓展规划方案的关联约束为:
其中,表示智能软开关规划方案集合;Nk表示智能软开关规划方案的总数量;表示由第k种智能软开关规划方案拓展得到的规划方案集合;/>表示由第k种智能软开关规划方案拓展得到的具有τ个端口的规划方案集合;Mτ表示智能软开关端口最大规划数量;∪表示集合取并集操作;/>表示包含节点i的所有智能软开关规划方案集合,Ωs表示配电网中智能软开关可连接节点集合;
智能软开关多阶段拓展规划约束为:
其中,表示阶段u上规划方案k的智能软开关端口i换流器容量,/>表示规划方案k的智能软开关换流器的最大安装容量,π表示较小的正数;
电动汽车充电站多阶段规划约束为:
βi,u-1≤βi,u
其中,表示节点i上电动汽车充电站的最大安装容量,/>表示阶段u节点i上电动汽车充电负荷的基准容量,/>表示阶段u上电动汽车充电负荷的总渗透容量;
光伏多阶段规划约束为:
δi,u-1≤δi,u
其中,δi,u为二进制变量,表示是否采用在节点i建设光伏;表示节点i上光伏的最大安装容量,/>表示阶段u节点i上光伏的基准容量,/>表示阶段u上光伏的总渗透容量;/>表示节点i上光伏运行的最小功率因数;
智能软开关运行约束为:
其中,表示智能软开关换流器端口损耗系数;
配电网运行约束为:
其中,Pij,u表示阶段u上线路ij的有功功率,Qij,u表示阶段u上线路ij的无功功率,Rij表示线路ij的电阻,Xij表示线路ij的电抗,cij,u表示阶段u上线路ij电流的平方,vi,u表示阶段u上节点i电压的平方,Pi,u表示阶段u节点i上注入的有功功率,Qi,u表示阶段u节点i上注入的无功功率,表示阶段u节点i上平衡节点注入的有功功率,/>表示阶段u节点i上平衡节点注入的无功功率,/>表示阶段u节点i上光伏注入的有功功率,/>表示阶段u节点i上光伏注入的无功功率,/>表示阶段u上规划方案k的智能软开关在节点i注入的有功功率,/>表示阶段u上规划方案k的智能软开关在节点i注入的无功功率,/>表示阶段u节点i上负荷消耗的有功功率,/>表示阶段u节点i上负荷消耗的无功功率,/>表示阶段u节点i上电动汽车消耗的有功功率,/>表示阶段u节点i上负荷的基准容量, 表示阶段u上负荷年增长率,/>表示阶段u节点i上负荷,/>表示阶段u节点i上电动汽车的随机出力水平,/>表示阶段u节点i上光伏的随机出力水平。
在本实施例中,风险水平约束用于限制目标电网的越限风险不超过最大允许的风险水平,风险水平约束的形式为机会约束,此类约束在进行求解时存在困难。
步骤102,基于目标配电网的配电网随机性参数确定电网响应参数。
在一种可能的实现方式中,基于目标配电网的配电网随机性参数确定电网响应参数,包括:
基于配电网随机性参数的历史值构建配电网随机性参数的高斯混合模型;
采用拟蒙特卡洛方法在标准正态空间中对高斯混合模型抽样,得到标准正态空间中的多个随机变量样本;
对多个随机变量样本进行纳塔夫变换,得到多个配电网随机性参数样本;
基于低秩逼近方法估算每个配电网随机性参数样本对应的配电网响应参数,得到多个配电网响应参数。
在本实施例中,拟蒙特卡洛方法采用低差序列进行采样,能够得到多个相互独立的随机变量样本,增加配电网随机性参数的yang根本数量。拟蒙特卡洛方法比采用伪随机数的蒙特卡洛方法采样效率更高。基于Sobol低差序列的拟蒙特卡罗方法在计算速度和高维问题求解中具有优势,表示如下:
以数字2作为基底,采用范德科皮特序列(Van der Corput)来表示任意小数,如下所示。
式中,M是满足M≥log2(n)的最小整数,ak(n)是0-1二进制变量。构造多项式F=xd+h1xd-1+h2xd-2+…+hd-1x+1,其中hi(i=1,2,…,d-1)表示0-1二进制变量,整数d表示多项式幂次。因此,正整数mk(k=1,2,…,M,M>d)的序列可以由以下递归关系表示。
式中,表示按位异或运算操作。初始值m1,m2,…可以任意选取,mk(1≤k≤d)是奇数且小于2k。因此,Sobol低差序列中的第n个点,可表示如下。
式中,vk(k=1,2,…,M)表示方向数,且vk=mk/2k。
进行纳塔夫变换的具体步骤包括:
根据配电网概率空间中随机变量间相关系数ρij,求解标准正态空间中相关系数矩阵ρφ。
式中,是标准正态空间中第i个随机变量/>的累积分布函数;Gi(ξi)和Gi -1(ξi)分别是配电网概率空间中第i个随机变量ξi的累积分布函数和逆累计分布函数;/>是标准正态空间中第i个随机变量/>和第j个随机变量/>的相关系数,即标准正态空间中相关系数矩阵ρφ的第i行第j列元素;ρij是配电网概率空间中第i个随机变量ξi和第j个随机变量ξj的相关系数;φ2是二元标准正态分布的概率密度函数;μi和μj分别是配电网概率空间中第i个随机变量ξi和第j个随机变量ξj的期望,σi和σj分别是配电网概率空间中第i个随机变量ξi和第j个随机变量ξj的标准差。
将标准正态空间中相关系数矩阵ρφ进行平方根分解,从而根据标准正态空间中相互独立的随机变量ζ样本得到配电网概率空间中随机变量ξ=(ξ1,ξ2,…,ξn)样本,如下所示。
ρφ=LLT
式中,L表示下三角矩阵,ζ表示标准正态空间中相互独立的随机变量。
配电网概率空间中的随机变量样本是指可以直接使用的配电网随机性参数。
在一种可能的实现方式中,高斯混合模型为:
其中,ξ表示随机变量,p(ξ)表示随机变量ξ的概率分布,M表示高斯混合模型的最大分量数,πm为权重系数,N(ξ;μm,∑m)表示高斯分布,μm表示第m分量的均值向量,∑m表示第m分量的方差矩阵,det(·)表示求行列式运算。
在本实施例中,高斯混合模型用于描述配电网随机性参数的概率分布,作为拟蒙特卡洛方法抽样的基础。
在一种可能的实现方式中,配电网响应参数的估算公式为:
其中,bl表示秩为l时的归一化权重因子,ωl(ξ)表示秩为l时配电网概率空间中随机变量ξ的秩一函数,表示秩为l时配电网概率空间中第i个随机变量ξi的单变量函数,r表示低秩逼近估计最大展开秩数,/>表示配电网概率空间中第i个随机变量ξi的第q阶多项式,/>表示秩为l时配电网概率空间中第i个随机变量ξi的第q阶多项式系数,θ表示多项式最大展开阶数。
在本实施例中,考虑相互独立的随机变量ξ=(ξ1,…,ξi,…,ξn),分别满足边缘分布pi(i=1,2,…,n)。配电网中的目标响应h,例如节点电压和线路电流等,可以估计为本实施例中的形式。
步骤103,基于电网响应参数将风险水平约束转换为迭代求解格式,得到迭代求解格式的约束模型。
在一种可能的实现方式中,风险水平约束为:
其中,vmin表示节点电压安全下限的平方,vmax表示节点电压安全上限的平方,cmax表示线路允许电流上限的平方,表示求概率运算,γ表示配电网最大允许的越限风险;
迭代求解格式的风险水平约束为:
其中,表示配电网响应参数的均值,/>表示第k次迭代的不等式约束的下边界值,/>表示第k次迭代的不等式约束的上边界值,/>表示在第k-1次迭代中得到下边界值的修正值,/>表示在第k-1次迭代中得到上边界值的修正值,/>表示在第k-1次迭代中求解得到的计算结果,/>zmin表示风险水平约束置信范围/>的下边界值,zmax表示风险水平约束置信范围/>的上边界值。
在本实施例中,响应参数是电网中输入随机性参数后产生的输出量,将多个随机性参数产生的响应参数计算均值,可减少输入参数的随机性影响。
步骤104,建立目标配电网的多资源协调规划模型,多资源协调规划模型以目标配电网的投资成本与运行成本之和最小为优化目标,以迭代求解格式的约束模型为约束条件。
在一种可能的实现方式中,目标函数为:
λyu=(1+d)-[(u-1)Y+y]
ε=d(1+d)L/[(1+d)L-1]
其中,ΩY表示年份集合,ΩU表示规划阶段集合,Y表示每个规划阶段持续的年数,U表示规划阶段数,u表示当前规划阶段,y表示当前阶段已经历的年数,d表示年利率,L表示投资回收期,λyu表示现值系数,ε表示资本回收系数,表示阶段u上产生的投资成本,表示阶段u上产生的年化运行成本;
阶段u上产生的投资成本的计算公式为:
其中,表示阶段u上的智能软开关的土建成本,/>表示阶段u上的智能软开关的换流器成本,/>表示阶段u上的智能软开关的线路建设成本,/>表示阶段u上的电动汽车充电站的土建成本,/>表示阶段u上的电动汽车充电站的换流器成本,/>表示阶段u上的光伏换流器成本,/>表示阶段u上土建价格,/>表示阶段u上换流器单位容量价格,/>表示阶段u上智能软开关单位长度线路建设价格,αk,u表示在阶段u上是否采用智能软开关规划方案k,βi,u表示是否采用在节点i建设电动汽车充电站,αk,u和βi,u为二进制变量,/>表示阶段u上规划方案k的智能软开关换流器容量,Dk表示规划方案k的智能软开关须建设的线路长度,规划方案k中涉及到已有联络开关的线路,不用再新建,表示阶段u上安装在节点i的电动汽车充电站的换流器容量,/>表示阶段u上安装在节点i的光伏换流器容量,Ωe表示电动汽车充电站规划位置集合,Ωg表示光伏规划位置集合;
阶段u上产生的年化运行成本的计算公式为:
其中,表示阶段u上配电网线路损耗成本,/>表示阶段u上智能软开关换流损耗成本,/>表示阶段u上单位千瓦时价格,Rij表示线路ij的电阻,cij,u表示线路ij电流的平方,/>表示阶段u上采用规划方案k的智能软开关端口i换流器的损耗,Ωb表示配电网线路集合,Ωk表示规划方案k的智能软开关端口节点集合。
在本实施例中,考虑风险评估的柔性配电网多资源动态协调规划模型属于含机会约束的优化问题,其紧凑形式可以表示如下。
g(x,w,ξ)=0
式中,x表示配电网节点电压、线路电流等状态变量,w表示智能软开关拓展规划的拓扑结构及规划容量、电动汽车充电站规划位置和容量、光伏规范位置和容量等决策变量,ξ表示负荷、电动汽车充电负荷和光出力等随机变量,γ表示最大允许的风险水平,g(x,w,ξ)和z(x,w,ξ)分别表示等式约束和不等式约束;表示机会约束的置信范围。
本实施例中将含机会约束的优化问题的紧凑形式中的随机变量取均值运算,构建迭代求解格式,从而将含机会约束的优化问题转化成可以迭代求解的确定性优化问题。
步骤105,对多资源协调规划模型求解,得到目标配电网的资源规划结果。
在一种可能的实现方式中,对多资源协调规划模型求解,得到目标配电网的资源规划结果,包括:
对多资源协调规划模型进行迭代求解;其中,在第k次迭代时,基于配电网最大允许的越限风险、不等式约束z(x,w,ξ)不满足风险校验的累积次数以及引入惩罚机制的风险水平更新公式计算第k次迭代的最大允许的风险水平,并基于第k次迭代的最大允许的风险水平更新迭代求解格式的风险水平约束,基于更新后的迭代求解格式的风险水平约束进行迭代优化;其中,1≤k≤kmax,引入惩罚机制的风险水平更新公式为:
其中,表示第k次迭代的最大允许的风险水平,kmax表示允许的最大迭代次数,ak表示前k次迭代过程中不等式约束不满足风险校验的累积次数,/>表示求分位数运算。
在本实施例中,对多资源协调规划模型求解时,迭代求解格式的风险水平约束在每次迭代时为不同的不等式,能够简化求解过程。同时,迭代求解格式的风险水平约束在每次迭代时基于惩罚机制更新,能够结合前面迭代过程中不满足风险校验的经验,提高收敛速度。
本发明实施例通过配电网确定性参数和配电网规划参数构建约束模型,描述目标配电网中各类参数之间的关系,基于配电网随机性参数确定电网响应参数,并通过电网响应参数将风险水平约束转换为迭代求解格式,得到确定性可求解的目标配电网的多资源协调规划模型,进行求解可得到目标配电网的考虑风险水平的资源规划结果。
在一个具体的实施例中,基于上述步骤对某配电网进行多资源动态协调规划,具体步骤如图2所示。
1)首先输入该配电网的网络拓扑连接关系、线路电阻电抗、负荷额定功率和安装位置、各阶段负荷年增长率、各阶段光伏渗透率、各阶段电动汽车充电负荷渗透率、光伏待安装位置和换流器最大安装容量、电动汽车充电负荷待安装位置和换流器最大安装容量、各阶段场地和每公里线路建设价格、各阶段换流器单位容量价格和各阶段电价,详细参数见表1~表4,其中,表1示出了该配电网中网络拓扑连接关系和线路电阻电抗,表2示出了该配电网中负荷额定功率和安装位置,表3示出了该配电网中各阶段负荷年增长率、光伏渗透率和电动汽车充电负荷渗透率,表4示出了该配电网中各阶段负荷年增长率、光伏渗透率和电动汽车充电负荷渗透率。
表1
表2
表3
阶段 | 1 | 2 | 3 | 4 |
负荷年增长率 | 2% | 1.5% | 1% | 0.5% |
光伏渗透率 | 15% | 30% | 50% | 60% |
电动汽车渗透率 | 5% | 15% | 25% | 30% |
表4
阶段 | 1 | 2 | 3 | 4 |
换流器成本(103CNY/kVA) | 0.8 | 0.6 | 0.4 | 0.2 |
场地土建成本(106CNY) | 3.0 | 3.5 | 4.0 | 5.0 |
线路新建成本(106CNY/km) | 0.1 | 0.12 | 0.16 | 0.2 |
电价成本(CNY/kWh) | 0.35 | 0.3 | 0.25 | 0.2 |
改进的配电网包含11条11.4kV馈线和6条联络开关线路。设定智能软开关规划周期是20年,划分为4个阶段。设定智能软开关可连接节点为联络线端点,如图2虚线段端点所示,分别为节点[7,12,13,20,29,53,60,64,72,76和83]。设定智能软开关换流器损耗系数为0.01,每个智能软开关规划方案的最大换流器安装容量为10MVA。节点电压安全上下限取[0.95,1.05];现状配电网线路的电流额定值400A,最大负载率取1.0;变电站段电压设置为1.0。电动汽车充电站待安装位置为节点[28,49,68,72,82,83],电动汽车充电站换流器最大安装容量为2MVA。光伏待安装位置为节点[10,11,24,29,39,40,55,60,63,64,76],如图2绿色圆圈所示。光伏换流器最大安装容量为3MVA,光伏换流器功率因数取0.95。允许最大迭代次数设置为k_max=30,允许的越限风险为γ=5%。
2)依据步骤1)提供的配电网随机性参数,以负荷、光照强度和电动汽车充电负荷作为配电网概率空间中的随机变量ξ,采用高斯混合模型对负荷、光照强度和电动汽车充电负荷的概率分布进行量化建模,如图5所示。采用拟蒙特卡罗方法获得标准正态空间中相互独立的随机变量样本,利用纳塔夫变换求得配电网概率空间中随机变量样本。
3)依据步骤1)提供的配电网确定性参数和配电网规划参数,构建智能软开关多阶段拓展规划方案的关联约束。
4)依据步骤1)提供的配电网确定性参数和配电网规划参数,以及步骤2)提供的智能软开关多阶段拓展规划约束,建立考虑风险评估的柔性配电网多资源动态协调规划模型,该模型包括:设定配电网投资成本和运行成本之和最小为目标函数,分别考虑智能软开关多阶段拓展规划约束、电动汽车充电站多阶段规划约束、光伏多阶段规划约束、智能软开关运行约束、配电网运行约束和配电网风险水平约束。
5)将步骤4)得到的考虑风险评估的柔性配电网多资源动态协调规划模型采用迭代算法进行求解,该算法包括:基于低秩逼近方法将配电网风险水平约束进行解析化表达、构建迭代求解格式、采用惩罚机制计算迭代修正值;输出求解结果包括:智能软开关拓展规划的拓扑结构及规划容量、电动汽车充电站规划位置和容量、光伏规范位置和容量,以及配电网投资运行成本。
采用本发明方法获取智能软开关、电动汽车充电站和光伏的多阶段协调规划方案,和各阶段对应成本。执行优化计算的计算机硬件环境为Intel(R)Core(TM)i7-9700,主频为3GHz,内存为40GB;软件环境为Windows 11操作***。
智能软开关、电动汽车充电站和光伏的多阶段协调规划方案如图6(a)-图6(d)所示,智能软开关、电动汽车充电站和光伏多阶段协调规划结果如表5所示。
表5
由结果可知,在初始阶段电动汽车充电负荷和光伏渗透率低,配电网尚可以支撑新型源荷的接入,***运行风险在预设水平之内,所以初始阶段没有规划智能软开关。由于规划电动汽车充电站存在场地土建成本,因此规划容量更倾向于集中在少数位置,而光伏为避免过于集中而导致越限风险,规划呈现更为分散的特征。在后续阶段,源荷渗透率进一步提高,电动汽车充电站和光伏规划的位置和容量都在增多。随着配电网电压越限和线路过载的风险逐渐提高,配电网在阶段二规划了两端口智能软开关,功率传输线沿着地理边界,原有的联络线路(12,72)被直接使用,不产生新建成本。智能软开关在阶段三演变为三端口拓扑,将馈线A、I和K进行柔性联络,各端口换流器容量也逐阶段增加。在阶段四,馈线H上规划的光伏驱动智能软开关演变为四端口结构,使光伏发出的过剩电能被转移到其他区域,从而保证***在预设的风险水平内实现光伏就地100%消纳。此外,一个新的二端口智能软开关被投建,联络线路(29,39)被直接使用,以满足馈线G和馈线H在高比例光伏接入下的安全运行。
原来配电网多分段多联络的供电结构,在新型源荷大规模接入的驱动下,逐渐发展成为具有多端柔性互联结构的新形态。由于考虑了光伏和电动汽车充电站的协调规划,所以可以更好地延缓投资,更好地提升多类型资源整体规划的成本效益。智能软开关、电动汽车充电站和光伏多阶段协调规划成本如表6所示,所有成本都是归算到当前基础年的数值,总成本为34.77×106CNY。
表6
通过迭代修正模型参数,推动规划模型的求解结果逐步限制在预设风险水平之内。对于该算例,经过4次迭代过程,配电网节点电压和线路电流的越限风险被控制在5%以下,如图7(a)-图7(c)所示。
将长时间跨度划分成若干规划阶段,充分发挥智能软开关的灵活拓展能力,对配电网开展动态规划。利用智能软开关的就地无功补偿和潮流转移能力,考虑光伏和电动汽车充电站的优化配置,在每个规划阶段开展对配电网拓扑的升级改造,可以有效应对源荷出力的不确定性。采用风险水平约束,以机会约束的形式刻画配电网的越限风险,提出了改进的迭代求解方法,改善了收敛特性。模型可以根据预设的置信水平调整规划方案,实现兼顾经济与安全的协调发展。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图8示出了本发明实施例提供的考虑风险评估的柔性配电网多资源协调规划装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图8所示,考虑风险评估的柔性配电网多资源协调规划装置8包括:
约束构建模块81,用于基于目标配电网的配电网确定性参数和配电网规划参数构建约束模型;其中,约束模型包括风险水平约束;
响应确定模块82,用于基于目标配电网的配电网随机性参数确定电网响应参数;
约束转换模块83,用于基于电网响应参数将风险水平约束转换为迭代求解格式,得到迭代求解格式的约束模型;
建模模块84,用于建立目标配电网的多资源协调规划模型,多资源协调规划模型以目标配电网的投资成本与运行成本之和最小为优化目标,以迭代求解格式的约束模型为约束条件;
求解模块85,用于对多资源协调规划模型求解,得到目标配电网的资源规划结果。
在一种可能的实现方式中,风险水平约束为:
其中,vmin表示节点电压安全下限的平方,vmax表示节点电压安全上限的平方,cmax表示线路允许电流上限的平方,表示求概率运算,γ表示配电网最大允许的越限风险;
迭代求解格式的风险水平约束为:
其中,表示配电网响应参数的均值,/>表示第k次迭代的不等式约束的下边界值,/>表示第k次迭代的不等式约束的上边界值,/>表示在第k-1次迭代中得到下边界值的修正值,/>表示在第ξ-1次迭代中得到上边界值的修正值,/>表示在第k-1次迭代中求解得到的计算结果,/>zmin表示风险水平约束置信范围z的下边界值,zmax表示风险水平约束置信范围z的上边界值。
在一种可能的实现方式中,求解模块85具体用于:
对多资源协调规划模型进行迭代求解;其中,在第k次迭代时,基于配电网最大允许的越限风险、不等式约束z(x,w,ξ)不满足风险校验的累积次数以及引入惩罚机制的风险水平更新公式计算第k次迭代的最大允许的风险水平,并基于第ξ次迭代的最大允许的风险水平更新迭代求解格式的风险水平约束,基于更新后的迭代求解格式的风险水平约束进行迭代优化;其中,1≤k≤kmax,引入惩罚机制的风险水平更新公式为:
其中,表示第k次迭代的最大允许的风险水平,kmax表示允许的最大迭代次数,ak表示前k次迭代过程中不等式约束不满足风险校验的累积次数,/>表示求分位数运算。
在一种可能的实现方式中,响应确定模块82具体用于:
基于配电网随机性参数的历史值构建配电网随机性参数的高斯混合模型;
采用拟蒙特卡洛方法在标准正态空间中对高斯混合模型抽样,得到标准正态空间中的多个随机变量样本;
对多个随机变量样本进行纳塔夫变换,得到多个配电网随机性参数样本;
基于低秩逼近方法估算每个配电网随机性参数样本对应的配电网响应参数,得到多个配电网响应参数。
在一种可能的实现方式中,高斯混合模型为:
其中,ξ表示随机变量,p(ξ)表示随机变量ξ的概率分布,M表示高斯混合模型的最大分量数,πm为权重系数,N(ξ;μm,∑m)表示高斯分布,μm表示第m分量的均值向量,∑m表示第m分量的方差矩阵,det(·)表示求行列式运算。
在一种可能的实现方式中,配电网响应参数的估算公式为:
其中,bl表示秩为l时的归一化权重因子,ωl(ξ)表示秩为l时配电网概率空间中随机变量ξ的秩一函数,表示秩为l时配电网概率空间中第i个随机变量ξi的单变量函数,r表示低秩逼近估计最大展开秩数,/>表示配电网概率空间中第i个随机变量ξi的第q阶多项式,/>表示秩为l时配电网概率空间中第i个随机变量ξi的第q阶多项式系数,θ表示多项式最大展开阶数。
在一种可能的实现方式中,配电网确定性参数包括网络拓扑连接关系、线路电阻电抗、负荷额定功率和安装位置;
配电网随机性参数包括负荷历史数据、光照强度历史数据、电动汽车充电负荷历史数据以及配电网概率空间中随机变量间相关系数;
配电网规划参数包括规划周期、规划阶段划分数量、年利率、最大允许的风险水平、智能软开关可连接节点、各阶段负荷年增长率、各阶段光伏渗透率、各阶段电动汽车充电负荷渗透率、光伏待安装位置和换流器最大安装容量、电动汽车充电站待安装位置和换流器最大安装容量、各阶段场地和每公里线路建设价格、各阶段换流器单位容量价格和各阶段电价;
约束模型还包括智能软开关多阶段拓展规划方案的关联约束、智能软开关多阶段拓展规划约束、电动汽车充电站多阶段规划约束、光伏多阶段规划约束、智能软开关运行约束和配电网运行约束;
资源规划结果包括智能软开关拓展规划的拓扑结构及规划容量、电动汽车充电站规划位置和容量、光伏规范位置和容量,以及配电网投资运行成本。
在一种可能的实现方式中,智能软开关多阶段拓展规划方案的关联约束为:
其中,表示智能软开关规划方案集合;Nk表示智能软开关规划方案的总数量;表示由第k种智能软开关规划方案拓展得到的规划方案集合;/>表示由第k种智能软开关规划方案拓展得到的具有τ个端口的规划方案集合;Mτ表示智能软开关端口最大规划数量;∪表示集合取并集操作;/>表示包含节点i的所有智能软开关规划方案集合,Ωs表示配电网中智能软开关可连接节点集合;
智能软开关多阶段拓展规划约束为:
其中,表示阶段u上规划方案k的智能软开关端口i换流器容量,/>表示规划方案k的智能软开关换流器的最大安装容量,π表示较小的正数;
电动汽车充电站多阶段规划约束为:
βi,u-1≤βi,u
其中,表示节点i上电动汽车充电站的最大安装容量,/>表示阶段u节点i上电动汽车充电负荷的基准容量,/>表示阶段u上电动汽车充电负荷的总渗透容量;
光伏多阶段规划约束为:
δi,u-1≤δi,u
其中,δi,u为二进制变量,表示是否采用在节点i建设光伏;表示节点i上光伏的最大安装容量,/>表示阶段u节点i上光伏的基准容量,/>表示阶段u上光伏的总渗透容量;/>表示节点i上光伏运行的最小功率因数;
智能软开关运行约束为:
其中,表示智能软开关换流器端口损耗系数;
配电网运行约束为:
/>
其中,Pij,u表示阶段u上线路ij的有功功率,Qij,u表示阶段u上线路ij的无功功率,Rij表示线路ij的电阻,Xij表示线路ij的电抗,cij,u表示阶段u上线路ij电流的平方,vi,u表示阶段u上节点i电压的平方,Pi,u表示阶段u节点i上注入的有功功率,Qi,u表示阶段u节点i上注入的无功功率,表示阶段u节点i上平衡节点注入的有功功率,/>表示阶段u节点i上平衡节点注入的无功功率,/>表示阶段u节点i上光伏注入的有功功率,/>表示阶段u节点i上光伏注入的无功功率,/>表示阶段u上规划方案k的智能软开关在节点i注入的有功功率,/>表示阶段u上规划方案k的智能软开关在节点i注入的无功功率,/>表示阶段u节点i上负荷消耗的有功功率,/>表示阶段u节点i上负荷消耗的无功功率,/>表示阶段u节点i上电动汽车消耗的有功功率,/>表示阶段u节点i上负荷的基准容量, 表示阶段u上负荷年增长率,/>表示阶段u节点i上负荷,/>表示阶段u节点i上电动汽车的随机出力水平,/>表示阶段u节点i上光伏的随机出力水平。
在一种可能的实现方式中,目标函数为:
λyu=(1+d)-[(u-1)Y+y]
ε=d(1+d)L/[(1+d)L-1]
其中,ΩY表示年份集合,ΩU表示规划阶段集合,Y表示每个规划阶段持续的年数,U表示规划阶段数,u表示当前规划阶段,y表示当前阶段已经历的年数,d表示年利率,L表示投资回收期,λyu表示现值系数,ε表示资本回收系数,表示阶段u上产生的投资成本,表示阶段u上产生的年化运行成本;
阶段u上产生的投资成本的计算公式为:
/>
其中,表示阶段u上的智能软开关的土建成本,/>表示阶段u上的智能软开关的换流器成本,/>表示阶段u上的智能软开关的线路建设成本,/>表示阶段u上的电动汽车充电站的土建成本,/>表示阶段u上的电动汽车充电站的换流器成本,/>表示阶段u上的光伏换流器成本,/>表示阶段u上土建价格,/>表示阶段u上换流器单位容量价格,/>表示阶段u上智能软开关单位长度线路建设价格,αk,u表示在阶段u上是否采用智能软开关规划方案k,βi,u表示是否采用在节点i建设电动汽车充电站,αk,u和βi,u为二进制变量,/>表示阶段u上规划方案k的智能软开关换流器容量,Dk表示规划方案k的智能软开关须建设的线路长度,规划方案k中涉及到已有联络开关的线路,不用再新建,表示阶段u上安装在节点i的电动汽车充电站的换流器容量,/>表示阶段u上安装在节点i的光伏换流器容量,Ωe表示电动汽车充电站规划位置集合,Ωg表示光伏规划位置集合;
阶段u上产生的年化运行成本的计算公式为:
其中,表示阶段u上配电网线路损耗成本,/>表示阶段u上智能软开关换流损耗成本,/>表示阶段u上单位千瓦时价格,Rij表示线路ij的电阻,cij,u表示线路ij电流的平方,/>表示阶段u上采用规划方案k的智能软开关端口i换流器的损耗,Ωb表示配电网线路集合,Ωk表示规划方案k的智能软开关端口节点集合。
本发明实施例通过配电网确定性参数和配电网规划参数构建约束模型,描述目标配电网中各类参数之间的关系,基于配电网随机性参数确定电网响应参数,并通过电网响应参数将风险水平约束转换为迭代求解格式,得到确定性可求解的目标配电网的多资源协调规划模型,进行求解可得到目标配电网的考虑风险水平的资源规划结果。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模板、单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所述模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个考虑风险评估的柔性配电网多资源协调规划方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。
以上所述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;而这些修改或者替换,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,均应包含在本发明的保护范围之内。
Claims (10)
1.一种考虑风险评估的柔性配电网多资源协调规划方法,其特征在于,包括:基于目标配电网的配电网确定性参数和配电网规划参数构建约束模型;其中,所述约束模型包括风险水平约束;
基于所述目标配电网的配电网随机性参数确定电网响应参数;
基于所述电网响应参数将所述风险水平约束转换为迭代求解格式,得到迭代求解格式的约束模型;
建立所述目标配电网的多资源协调规划模型,所述多资源协调规划模型以所述目标配电网的投资成本与运行成本之和最小为优化目标,以所述迭代求解格式的约束模型为约束条件;
对所述多资源协调规划模型求解,得到所述目标配电网的资源规划结果。
2.根据权利要求1所述的考虑风险评估的柔性配电网多资源协调规划方法,其特征在于,所述风险水平约束为:
其中,vmin表示节点电压安全下限的平方,vmax表示节点电压安全上限的平方,cmax表示线路允许电流上限的平方,表示求概率运算,γ表示配电网最大允许的越限风险;
迭代求解格式的风险水平约束为:
其中,表示配电网响应参数的均值,/>表示第k次迭代的不等式约束的下边界值,/>表示第k次迭代的不等式约束的上边界值,/>表示在第k-1次迭代中得到下边界值的修正值,/>表示在第k-1次迭代中得到上边界值的修正值,/>表示在第k-1次迭代中求解得到的计算结果,/>zmin表示风险水平约束置信范围/>的下边界值,zmax表示风险水平约束置信范围/>的上边界值。
3.根据权利要求2所述的考虑风险评估的柔性配电网多资源协调规划方法,其特征在于,所述对所述多资源协调规划模型求解,得到所述目标配电网的资源规划结果,包括:
对所述多资源协调规划模型进行迭代求解;其中,在第k次迭代时,基于配电网最大允许的越限风险、不等式约束z(x,w,ξ)不满足风险校验的累积次数以及引入惩罚机制的风险水平更新公式计算第k次迭代的最大允许的风险水平,并基于所述第k次迭代的最大允许的风险水平更新所述迭代求解格式的风险水平约束,基于更新后的迭代求解格式的风险水平约束进行迭代优化;其中,1≤k≤kmax,所述引入惩罚机制的风险水平更新公式为:
其中,表示第k次迭代的最大允许的风险水平,kmax表示允许的最大迭代次数,ak表示前k次迭代过程中不等式约束不满足风险校验的累积次数,/>表示求分位数运算。
4.根据权利要求1所述的考虑风险评估的柔性配电网多资源协调规划方法,其特征在于,所述基于所述目标配电网的配电网随机性参数确定电网响应参数,包括:
基于配电网随机性参数的历史值构建配电网随机性参数的高斯混合模型;
采用拟蒙特卡洛方法在标准正态空间中对所述高斯混合模型抽样,得到标准正态空间中的多个随机变量样本;
对所述多个随机变量样本进行纳塔夫变换,得到多个配电网随机性参数样本;
基于低秩逼近方法估算每个配电网随机性参数样本对应的配电网响应参数,得到多个配电网响应参数。
5.根据权利要求4所述的考虑风险评估的柔性配电网多资源协调规划方法,其特征在于,所述高斯混合模型为:
其中,ξ表示随机变量,p(ξ)表示随机变量ξ的概率分布,M表示高斯混合模型的最大分量数,πm为权重系数,N(ξ;μm,∑m)表示高斯分布,μm表示第m分量的均值向量,∑m表示第m分量的方差矩阵,det(·)表示求行列式运算。
6.根据权利要求4所述的考虑风险评估的柔性配电网多资源协调规划方法,其特征在于,配电网响应参数的估算公式为:
其中,bl表示秩为l时的归一化权重因子,ωl(ξ)表示秩为l时配电网概率空间中随机变量ξ的秩一函数,表示秩为l时配电网概率空间中第i个随机变量ξi的单变量函数,r表示低秩逼近估计最大展开秩数,/>表示配电网概率空间中第i个随机变量ξi的第q阶多项式,/>表示秩为l时配电网概率空间中第i个随机变量ξi的第q阶多项式系数,θ表示多项式最大展开阶数。
7.根据权利要求1所述的考虑风险评估的柔性配电网多资源协调规划方法,其特征在于,所述配电网确定性参数包括网络拓扑连接关系、线路电阻电抗、负荷额定功率和安装位置;
所述配电网随机性参数包括负荷历史数据、光照强度历史数据、电动汽车充电负荷历史数据以及配电网概率空间中随机变量间相关系数;
所述配电网规划参数包括规划周期、规划阶段划分数量、年利率、最大允许的风险水平、智能软开关可连接节点、各阶段负荷年增长率、各阶段光伏渗透率、各阶段电动汽车充电负荷渗透率、光伏待安装位置和换流器最大安装容量、电动汽车充电站待安装位置和换流器最大安装容量、各阶段场地和每公里线路建设价格、各阶段换流器单位容量价格和各阶段电价;
所述约束模型还包括智能软开关多阶段拓展规划方案的关联约束、智能软开关多阶段拓展规划约束、电动汽车充电站多阶段规划约束、光伏多阶段规划约束、智能软开关运行约束和配电网运行约束;
所述资源规划结果包括智能软开关拓展规划的拓扑结构及规划容量、电动汽车充电站规划位置和容量、光伏规范位置和容量,以及配电网投资运行成本。
8.根据权利要求7所述的考虑风险评估的柔性配电网多资源协调规划方法,其特征在于,所述智能软开关多阶段拓展规划方案的关联约束为:
其中,表示智能软开关规划方案集合;Nk表示智能软开关规划方案的总数量;/>表示由第k种智能软开关规划方案拓展得到的规划方案集合;/>表示由第k种智能软开关规划方案拓展得到的具有τ个端口的规划方案集合;Mτ表示智能软开关端口最大规划数量;∪表示集合取并集操作;/>表示包含节点i的所有智能软开关规划方案集合,Ωs表示配电网中智能软开关可连接节点集合;
所述智能软开关多阶段拓展规划约束为:
其中,表示阶段u上规划方案k的智能软开关端口i换流器容量,/>表示规划方案k的智能软开关换流器的最大安装容量,π表示较小的正数;
所述电动汽车充电站多阶段规划约束为:
βi,u-1≤βi,u
其中,表示节点i上电动汽车充电站的最大安装容量,/>表示阶段u节点i上电动汽车充电负荷的基准容量,/>表示阶段u上电动汽车充电负荷的总渗透容量;
所述光伏多阶段规划约束为:
δi,u-1≤δi,u
其中,δi,u为二进制变量,表示是否采用在节点i建设光伏;表示节点i上光伏的最大安装容量,/>表示阶段u节点i上光伏的基准容量,/>表示阶段u上光伏的总渗透容量;/>表示节点i上光伏运行的最小功率因数;
所述智能软开关运行约束为:
其中,表示智能软开关换流器端口损耗系数;
所述配电网运行约束为:
其中,Pij,u表示阶段u上线路ij的有功功率,Qij,u表示阶段u上线路ij的无功功率,Rij表示线路ij的电阻,Xij表示线路ij的电抗,cij,u表示阶段u上线路ij电流的平方,vi,u表示阶段u上节点i电压的平方,Pi,u表示阶段u节点i上注入的有功功率,Qi,u表示阶段u节点i上注入的无功功率,表示阶段u节点i上平衡节点注入的有功功率,/>表示阶段u节点i上平衡节点注入的无功功率,/>表示阶段u节点i上光伏注入的有功功率,/>表示阶段u节点i上光伏注入的无功功率,/>表示阶段u上规划方案k的智能软开关在节点i注入的有功功率,表示阶段u上规划方案k的智能软开关在节点i注入的无功功率,/>表示阶段u节点i上负荷消耗的有功功率,/>表示阶段u节点i上负荷消耗的无功功率,/>表示阶段u节点i上电动汽车消耗的有功功率,/>表示阶段u节点i上负荷的基准容量, 表示阶段u上负荷年增长率,/>表示阶段u节点i上负荷,/>表示阶段u节点i上电动汽车的随机出力水平,/>表示阶段u节点i上光伏的随机出力水平。
9.根据权利要求1所述的考虑风险评估的柔性配电网多资源协调规划方法,其特征在于,所述目标函数为:
λyu=(1+d)-[(u-1)Y+y]
ε=d(1+d)L/[(1+d)L-1]
其中,ΩY表示年份集合,ΩU表示规划阶段集合,Y表示每个规划阶段持续的年数,U表示规划阶段数,u表示当前规划阶段,y表示当前阶段已经历的年数,d表示年利率,L表示投资回收期,λyu表示现值系数,ε表示资本回收系数,表示阶段u上产生的投资成本,/>表示阶段u上产生的年化运行成本;
阶段u上产生的投资成本的计算公式为:
其中,表示阶段u上的智能软开关的土建成本,/>表示阶段u上的智能软开关的换流器成本,/>表示阶段u上的智能软开关的线路建设成本,/>表示阶段u上的电动汽车充电站的土建成本,/>表示阶段u上的电动汽车充电站的换流器成本,表示阶段u上的光伏换流器成本,/>表示阶段u上土建价格,/>表示阶段u上换流器单位容量价格,/>表示阶段u上智能软开关单位长度线路建设价格,αk,u表示在阶段u上是否采用智能软开关规划方案k,βi,u表示是否采用在节点i建设电动汽车充电站,αk,u和βi,u为二进制变量,/>表示阶段u上规划方案k的智能软开关换流器容量,Dk表示规划方案k的智能软开关须建设的线路长度,规划方案k中涉及到已有联络开关的线路,不用再新建,/>表示阶段u上安装在节点i的电动汽车充电站的换流器容量,/>表示阶段u上安装在节点i的光伏换流器容量,Ωe表示电动汽车充电站规划位置集合,Ωg表示光伏规划位置集合;
阶段u上产生的年化运行成本的计算公式为:
其中,表示阶段u上配电网线路损耗成本,/>表示阶段u上智能软开关换流损耗成本,/>表示阶段u上单位千瓦时价格,Rij表示线路ij的电阻,cij,u表示线路ij电流的平方,/>表示阶段u上采用规划方案k的智能软开关端口i换流器的损耗,Ωb表示配电网线路集合,Ωk表示规划方案k的智能软开关端口节点集合。
10.一种考虑风险评估的柔性配电网多资源协调规划装置,其特征在于,包括:
约束构建模块,用于基于目标配电网的配电网确定性参数和配电网规划参数构建约束模型;其中,所述约束模型包括风险水平约束;
响应确定模块,用于基于所述目标配电网的配电网随机性参数确定电网响应参数;
约束转换模块,用于基于所述电网响应参数将所述风险水平约束转换为迭代求解格式,得到迭代求解格式的约束模型;
建模模块,用于建立所述目标配电网的多资源协调规划模型,所述多资源协调规划模型以所述目标配电网的投资成本与运行成本之和最小为优化目标,以所述迭代求解格式的约束模型为约束条件;
求解模块,用于对所述多资源协调规划模型求解,得到所述目标配电网的资源规划结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410039272.6A CN117764401A (zh) | 2024-01-10 | 2024-01-10 | 考虑风险评估的柔性配电网多资源协调规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410039272.6A CN117764401A (zh) | 2024-01-10 | 2024-01-10 | 考虑风险评估的柔性配电网多资源协调规划方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117764401A true CN117764401A (zh) | 2024-03-26 |
Family
ID=90325956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410039272.6A Pending CN117764401A (zh) | 2024-01-10 | 2024-01-10 | 考虑风险评估的柔性配电网多资源协调规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117764401A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570098A (zh) * | 2019-08-19 | 2019-12-13 | 天津大学 | 考虑换电需求与光伏不确定性电动汽车充换电站控制方法 |
US20200106385A1 (en) * | 2018-09-28 | 2020-04-02 | Johnson Controls Technology Company | Photovoltaic energy system with stationary energy storage control |
US20210155111A1 (en) * | 2019-11-22 | 2021-05-27 | State Grid Fujian Electric Power Co., Ltd. | Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station |
CN114169609A (zh) * | 2021-12-08 | 2022-03-11 | 国网宁夏电力有限公司经济技术研究院 | 一种考虑光伏耦合的电动汽车充电站规划方法 |
CN114897414A (zh) * | 2022-05-31 | 2022-08-12 | 天津大学 | 含高比例光伏和电动汽车配电网关键不确定因素辨识方法 |
CN115375006A (zh) * | 2022-07-20 | 2022-11-22 | 广东电网有限责任公司广州供电局 | 计及pv和ev的新型城市配电网双层联合拓展规划方法 |
CN115733178A (zh) * | 2022-11-02 | 2023-03-03 | 长沙理工大学 | 基于成本和风险多目标的光储充电站容量配置方法及*** |
CN115907339A (zh) * | 2022-10-31 | 2023-04-04 | 贵州电网有限责任公司 | 一种基于gmm的配电网光伏与电动汽车充电站协同规划方法 |
-
2024
- 2024-01-10 CN CN202410039272.6A patent/CN117764401A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200106385A1 (en) * | 2018-09-28 | 2020-04-02 | Johnson Controls Technology Company | Photovoltaic energy system with stationary energy storage control |
CN110570098A (zh) * | 2019-08-19 | 2019-12-13 | 天津大学 | 考虑换电需求与光伏不确定性电动汽车充换电站控制方法 |
US20210155111A1 (en) * | 2019-11-22 | 2021-05-27 | State Grid Fujian Electric Power Co., Ltd. | Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station |
CN114169609A (zh) * | 2021-12-08 | 2022-03-11 | 国网宁夏电力有限公司经济技术研究院 | 一种考虑光伏耦合的电动汽车充电站规划方法 |
CN114897414A (zh) * | 2022-05-31 | 2022-08-12 | 天津大学 | 含高比例光伏和电动汽车配电网关键不确定因素辨识方法 |
CN115375006A (zh) * | 2022-07-20 | 2022-11-22 | 广东电网有限责任公司广州供电局 | 计及pv和ev的新型城市配电网双层联合拓展规划方法 |
CN115907339A (zh) * | 2022-10-31 | 2023-04-04 | 贵州电网有限责任公司 | 一种基于gmm的配电网光伏与电动汽车充电站协同规划方法 |
CN115733178A (zh) * | 2022-11-02 | 2023-03-03 | 长沙理工大学 | 基于成本和风险多目标的光储充电站容量配置方法及*** |
Non-Patent Citations (3)
Title |
---|
徐晓: "面向多元需求的居民区电动汽车共享充电策略", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 6, 15 June 2022 (2022-06-15) * |
王丽娜;: "考虑不确定性因素的配电网分布式电源选址定容", 分布式能源, no. 02, 15 April 2018 (2018-04-15) * |
耿晓娜;刘伟东;范振亚;: "光伏电源与电动汽车充电站在配电网中的选址定容", 陕西电力, no. 10, 20 October 2015 (2015-10-20) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112217202B (zh) | 考虑灵活性投资的分布式新能源、储能与配电网规划方法 | |
CN103955864B (zh) | 基于改进和声搜索算法的电力***多目标差异化规划方法 | |
Ke et al. | Coordinative real‐time sub‐transmission volt–var control for reactive power regulation between transmission and distribution systems | |
CN111738519A (zh) | 一种配电网规划方法、***及设备 | |
CN103793612A (zh) | 一种适合于考虑风电随机特性的电力***的电网规划方法 | |
Wang et al. | Renewable energy sources planning considering approximate dynamic network reconfiguration and nonlinear correlations of uncertainties in distribution network | |
CN112508279A (zh) | 基于空间相关性的区域分布式光伏预测方法及*** | |
CN116169698A (zh) | 一种新能源平稳消纳的分布式储能优化配置方法及*** | |
CN116822719A (zh) | 一种配电网的多目标规划方法及装置 | |
Zhang et al. | Planning of electric vehicle charging stations and distribution system with highly renewable penetrations | |
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 | |
CN111193295A (zh) | 一种考虑动态重构的配网灵活性提升鲁棒优化调度方法 | |
CN117522014A (zh) | 一种考虑多重不确定性的储配网联合规划方法 | |
Zhang et al. | An efficient approach for robust SCOPF considering load and renewable power uncertainties | |
CN117764401A (zh) | 考虑风险评估的柔性配电网多资源协调规划方法及装置 | |
CN114897414B (zh) | 含高比例光伏和电动汽车配电网关键不确定因素辨识方法 | |
Zhang et al. | Data-Driven Distributionally Robust Optimization-Based Coordinated Dispatching for Cascaded Hydro-PV-PSH Combined System | |
Ding et al. | Continuation power flow model for interconnected systems considering the electricity market influence and its corresponding distributed algorithm | |
CN115514001A (zh) | 一种配电网光伏接纳能力计算方法、装置、设备及介质 | |
CN114329317B (zh) | 基于混合发电机组的输出功率调度方法、装置及终端 | |
Odonkor et al. | Optimization of energy use strategies in building clusters using pareto bands | |
Ma et al. | Distributed control of battery energy storage system in a microgrid | |
Chen et al. | Dynamic optimal power flow model incorporating interval uncertainty applied to distribution network | |
KR102562761B1 (ko) | 스마트 그리드에서 p2p 프로슈머 커뮤니티의 지능형 사전 에너지 공유 스케줄링 방법 | |
CN114418232A (zh) | 储能***运行优化方法、***、服务器及存储介质 |
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 |