CN104376373A - 基于时序特性和环境效益的分布式电源规划方法 - Google Patents

基于时序特性和环境效益的分布式电源规划方法 Download PDF

Info

Publication number
CN104376373A
CN104376373A CN201410633933.4A CN201410633933A CN104376373A CN 104376373 A CN104376373 A CN 104376373A CN 201410633933 A CN201410633933 A CN 201410633933A CN 104376373 A CN104376373 A CN 104376373A
Authority
CN
China
Prior art keywords
distributed power
power source
sequence
daily
daily load
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
Application number
CN201410633933.4A
Other languages
English (en)
Inventor
李虹
赵阳
张姿姿
高亚静
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN201410633933.4A priority Critical patent/CN104376373A/zh
Publication of CN104376373A publication Critical patent/CN104376373A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于时序特性和环境效益的分布式电源规划方法，其解决了现有分布式电源规划技术成本高、效率低、资源利用率差的技的技术问题，其包括的步骤是：获取配电网日负荷数据，对日负荷序列分类；将配电网每个负荷点全年的日负荷序列按照季节和日期类型划分为A类，记录每个类别所包含的天数；确定典型日负荷序列；确定单位容量分布式电源典型日出力序列；确定分布式电源典型日出力序列；确定目标函数得出最优方案。其可广泛应用于分布式电源资源的优化配置。

Description

基于时序特性和环境效益的分布式电源规划方法
技术领域
本发明涉及一种分布式电源规划方法，具体说是一种基于时序特性和环境效益的分布式电源规划方法。
背景技术
能源危机和环境污染的日益严重推动了分布式发电技术的迅速发展，据有关统计，2010年之前全球累计新增发电容量的25%~30%为分布式发电。分布式电源一般按照所消耗的能源是否可再生而分为两类：一类是利用可再生能源的分布式电源，主要包括风能、太阳能、地热能、海洋能等发电形式；另一类是利用不可再生能源的分布式电源，主要包括微型燃气轮机、燃料电池、燃动机、内燃机、热电联产等发电形式。
由于分布式电源的出力一般具有随机性和间歇性的特点，它们的大量接入会给配电网带来一系列的影响，因此实际电网一般同时接入多种类型的分布式电源进行互补发电以弥补各自独立发电的不足，这便涉及到多类型分布式电源的选址定容规划问题。要准确地描述这一问题，就必须在规划模型中考虑分布式电源出力的时序特性，只有这样才能真实反映配电网的各项经济技术指标以实现资源的优化配置。
分布式电源通常是指功率为数千瓦至50兆瓦的小型模块式、分布在负荷附近、与环境兼容的独立电源，这一新型能源因具有灵活、高效、环保等多项优点而日益成为传统电网的重要补充，并终将代替一些效率低下、污染严重的传统发电方式。然而分布式电源的环境价值至今未能得到很好的体现，主要原因是我国发电公司的发电成本并未将环境成本考虑在内，这样一来，常规燃煤电厂发展迅速而清洁可再生能源的开发利用受到了限制。因此，分布式电源的规划问题不可避免地要考虑环境效益，这样才能更加客观地评价分布式电源的价值，从而使规划结果更加接近于实际。
现有的有关分布式电源规划技术正朝着考虑多因素、多目标的方向发展。有的技术是基于购电成本、缺电成本、损耗成本以及延缓网络更新成本等因素完成的，有的技术是基于负荷及分布式电源出力的时序特性完成的，还有基于时序特性并以分布式电源投资费用、燃料费用、网络损耗费用和环境赔偿费用最小为目标函数，建立了微网分布式电源选址定容的规划方法。但是上述方法对分布式电源的经济效益分析和环境效益分析尚不够全面，使得成本高、效率低、资源利用率差，且单目标优化方式不利于重点考察某一项或者几项指标对分布式电源规划的影响，因此具有一定的局限性。 
发明内容                                               
本发明就是为了解决现有分布式电源规划技术成本高、效率低、资源利用率差的技术问题，提供一种成本低、效率高、资源利用率更好更全面的基于时序特性和环境效益的分布式电源规划方法。
本发明的技术方案是，提供一种基于时序特性和环境效益的分布式电源规划方法，包括以下步骤：
（1）获取配电网日负荷数据，对日负荷序列分类。将配电网每个负荷点全年的日负荷序列按照季节和日期类型划分为A类，记录每个类别所包含的天数；
（2）确定典型日负荷序列；
（3）确定单位容量分布式电源典型日出力序列；
（4）确定分布式电源典型日出力序列；
（5）确定目标函数得出最优方案。
进一步优选地，步骤（2）具体是：针对日负荷序列的每一个类别，定义该类别的典型日负荷序列为：                                                ，其中，F i 为典型日负荷序列上的第i个数据点，nl为日负荷序列的总条数，f ji 为第j条日负荷序列上的第i个数据点，m为日负荷序列上数据点的总个数；
若用n L 表示配电网中负荷点的数目，则计算结束后得到典型日负荷序列的总条数为An L ；
步骤（3）具体是：针对日负荷序列的每一个类别，将一定条数的分布式电源日出力序列进行归一化、单位化即可得到单位容量分布式电源典型日出力序列，其中，H i 为典型日出力序列上的第i个数据点；s为分布式电源的容量；n d 为日出力序列的总条数；h ji 为第j条日出力序列上的第i个数据点；n为日出力序列上数据点的总个数；
如果用B表示待选分布式电源的类数，则计算结束后得到单位容量分布式电源典型日出力序列的总条数为ABn L ；
步骤（4）具体是：针对个体中的每一个负荷点，按照分布式电源的类型和容量选择单位容量分布式电源的典型日出力序列并进行折算，即可得到各个负荷点处分布式电源的典型日出力序列；
步骤（5）具体是：定义由并网分布式电源所带来的净收益项目与净投资项目构成的目标函数为：
其中，分布式电源的全年累计降损收益定义为：，式中，c 1 为损耗电价，N S 为典型日负荷序列的条数，d k 为第k条典型日负荷序列所包含的日负荷序列的条数，N T 为典型日负荷序列所划分的时段数，t i 为第i个时段的持续时间，N L 为配网中支路的总条数，I kil 和I' kil 分别为接入分布式电源前后第k条典型日负荷序列、第i个时段、第l条支路上的电流，R l 为第l条支路的电阻；
分布式电源每年因延迟线路升级而产生的收益定义为：，式中，C Up 为分布式电源每年因延迟线路升级而产生的收益，e i 为0-1变量，0表示第i条线路未被选中，1表示被选中，、为第i条线路的投资回收系数，r为固定年利率，n 1i 为不接入分布式电源的情况下第i条线路从起用到升级所经过的年限，n 2i 为接入分布式电源的情况下第i条线路从起用到升级所经过的年限，C Li 为第i条线路的固定投资；
分布式电源的环保收益定义为：，式中，，N D 为并网分布式电源的个数，Q a 为第a个分布式电源的年发电量，N P 为污染物的类数，C FPi 、C DPi 分别为火电厂、分布式电源第i种污染物的环境价值成本，P akj 为第a个分布式电源在第k条典型日负荷序列、第j个时段的有功功率；
分布式电源每年的节燃净收益定义为：  ，式中，C F 为火电厂生产单位电能所消耗燃料的平均费用，C Da 为第a个分布式电源生产单位电能所消耗燃料的平均费用，若无需消耗燃料则此项为零；
分布式电源所有者每年获得的电能交易与补贴收益定义为：，式中，，C Buy 为购电电价，C Sal 为售电电价，C Sub 为补贴电价，α、β分别为购电电量和售电电量的比例系数；
分布式电源折算到每年的固定投资与维护费用定义为： ，式中，为第i个分布式电源的投资回收系数，n Di 为第个分布式电源的经济使用年限，V Di 为第个分布式电源的固定投资，W Di 为第i个分布式电源每年的维护费用；
当λ 1=λ 2=λ 3=λ 4=λ 6=1且λ 5=0时，目标函数即为分布式电源所带来的最大净收益；
上述目标函数的约束条件为：
， ，    ，                          
，，   ，                       
式中：P Gi 、P Di 和P Li 分别表示节点i处发电机、分布式电源和负荷的有功功率；Q Gi 、Q Di 和Q Li 分别表示节点i处发电机、分布式电源和负荷的无功功率；G ij 和B ij 分别表示支路的电导和电纳；θ ij 为节点i、j之间的功率角；、、分别为节点i处的电压及其上下限；、、分别为节点i处允许接入分布式电源的有功功率及其上下限；、分别为配电网中允许接入分布式电源有功功率的上下限；n L 为配电网中负荷点的数目；P Dki 为节点i处类型编号为k的分布式电源的有功功率；、分别为配电网中允许接入类型编号为k的分布式电源有功功率的上下限。
进一步优选地，对于步骤（5），若仅从分布式电源所有者的利益出发，则分布式电源的所有者需向有关部门缴纳排污罚款，此时分布式电源的环境价值收益不在其所有者的收益范围之内，分布式电源的环保收益定义为：，式中，D Pi 为第i种污染物的罚款标准；
若仅从分布式电源所有者的利益出发，分布式电源每年的节燃净收益定义为：；
若不考虑利益主体之间的利益关系时，分布式电源所有者每年获得的电能交易与补贴收益就不存在。
本发明的有益效果是，在考虑负荷及分布式电源出力的时序特性的基础上，结合传统火电厂的发电成本，通过综合分析分布式电源并网的净收益项目与净投资项目，从降损、延迟线路升级、环保、节燃、电能交易与补贴以及分布式电源的固定投资与维护六个方面出发，建立了分布式电源选址、择类、定容的多目标多类型优化的规划方法。
采用改进自适应遗传算法对IEEE14节点配电系统的实例进行分析来验证所提算法和模型的可行性和有效性。
本发明综合考虑并网分布式电源所带来的净收益项目与净投资项目，主要致力于使分布式电源的净收益最大并衡量净收益额的大小，而非简单地使某些指标(如网损、成本等)最小。这样不仅有利于定量描述分布式电源并网所产生的经济效益，而且有利于重点考察某一项或者几项指标对分布式电源规划的影响，从而使不同的利益主体能够根据自己所关心的指标对分布式电源的规划方案进行决策。
本发明进一步的特征和方面，将在以下参考附图的具体实施方式的描述中，得以清楚地记载。 
附图说明
图1为不同日期类型下负荷的时序特性曲线；
图2为不同季节下风电出力的时序特性曲线；
图3为不同季节下光伏出力的时序特性曲线；
图4为日负荷序列的分类示意图；
图5为遗传算法流程图；
图6为IEEE14节点系统结构图；
图7为收敛性分析图。    
具体实施方式    
以下参照附图，以具体实施例对本发明作进一步详细说明。
本实施例以风电和光伏这两种分布式电源为例进行说明。
负荷的时序特性主要与日期类型和气象因素有关，日期类型可分为工作日、双休日和节假日，对于工作日和双休日，电力负荷一般会呈现出周期性的变化规律，而对于国家法定节假日如元旦、春节、五一、十一等，电力负荷具有与工作日和双休日明显不同的变化规律。气象因素包括温度、湿度、风速、日照和降水等，它们对负荷时序特性的影响一般会随着季节的变化而呈现出不同的规律。如图1所示，以春季为例，图中某地区不同日期类型下负荷的时序特性曲线表明，同一季节不同日期类型下负荷的时序特性具有较大差异，一般是工作日负荷最高，双休日次之，节假日负荷最低。
如图2所示，风电出力的时序特性主要取决于风速的变化，风速的有、无、强、弱造成了风电出力的随机性和间歇性。据统计，风速的日变化特性主要受季节类型的影响，图中给出了不同季节下风电出力的时序特性曲线。可以看出，风电在全天的大部分时间内均低于额定功率运行且风电出力具有较强的随机性和波动性。
如图3所示，光伏出力的时序特性主要受光照强度的影响。一般来说，光照强度的日变化特性与季节类型有关：夏季最强，冬季最弱，春秋季介于两者之间，因此，光伏出力具有明显的间歇性和较强的规律性。
根据上述特性可建立多目标多类型分布式电源规划方法，步骤包括：
步骤一，获取配电网日负荷数据，对日负荷序列分类。将配电网每个负荷点全年的日负荷序列按照季节和日期类型划分为A类（A类表示若干类），记录每个类别所包含的天数。
如图4所示，针对前文所述电力负荷的变化规律，可以根据季节和日期类型的不同将全年的日负荷序列划分为若干个类别，每个类别下的日负荷序列具有相似的变化规律，这样就可以对同一类别下的日负荷序列簇做进一步的归一化处理，以便减小计算量。具体是，全年分为春季、夏季、秋季和冬季，每个季节又分别分为工作日、双休日和节假日。对于图4的分类方法，先按照季节划分为4类，然后在每个类别下继续划分为3类，这样A=12。
步骤二，计算典型日负荷序列。针对日负荷序列的每一个类别，按照式公式(1)计算该类别的典型日负荷序列F i 。若用n L 表示配电网中负荷点的数目，则计算结束后得到典型日负荷序列的总条数为An L 。
         (1)
(1)式中：F i 为典型日负荷序列上的第i个数据点；nl为日负荷序列的总条数；f ji 为第j条日负荷序列上的第i个数据点；m为日负荷序列上数据点的总个数。
步骤三，计算单位容量分布式电源典型日出力序列。针对日负荷序列的每一个类别，将一定条数的分布式电源日出力序列进行归一化、单位化即可得到单位容量分布式电源典型日出力序列，按照式(2)计算单位容量分布式电源的典型日出力序列H i 。如果用B表示待选分布式电源的类数，则计算结束后得到单位容量分布式电源典型日出力序列的总条数为ABn L 。
    (2) 
该式中：H i 为典型日出力序列上的第i个数据点；s为分布式电源的容量；n d 为日出力序列的总条数；h ji 为第j条日出力序列上的第i个数据点；n为日出力序列上数据点的总个数。
步骤四，计算分布式电源典型日出力序列。针对个体中的每一个负荷点，按照分布式电源的类型和容量选择单位容量分布式电源的典型日出力序列并进行折算，即可得到各个负荷点处分布式电源的典型日出力序列。
步骤五，潮流计算。将分布式电源典型日出力序列与典型日负荷序列进行叠加然后进行潮流计算并判断参数是否越限，如果越限，则个体的适应度直接取0，否则就按适应度函数进行计算。
该步骤关键是建立由并网分布式电源所带来的净收益项目与净投资项目构成的目标函数。
涉及到的净收益项目有降损、延迟线路升级、环保、节燃、电能交易与补贴等，净投资项目为分布式电源的固定投资与维护。
降损定义为：
       (3)
式中，C Loss 为分布式电源的全年累计降损收益；c 1 为损耗电价；N S 为典型日负荷序列的条数；d k 为第k条典型日负荷序列所包含的日负荷序列的条数；N T 为典型日负荷序列所划分的时段数；t i 为第i个时段的持续时间；N L 为配网中支路的总条数；I kil 和I' kil 分别为接入分布式电源前后第k条典型日负荷序列、第i个时段、第l条支路上的电流；R l 为第l条支路的电阻。
延迟线路升级定义为：
 (4)
式中：C Up 为分布式电源每年因延迟线路升级而产生的收益；e i 为0-1变量，0表示第i条线路未被选中，1表示被选中；、为第i条线路的投资回收系数，r为固定年利率；n 1i 为不接入分布式电源的情况下第i条线路从起用到升级所经过的年限；n 2i 为接入分布式电源的情况下第i条线路从起用到升级所经过的年限；C Li 为第i条线路的固定投资。
环保定义如下：
一般来说，火力发电的污染物主要有SO2、NOx、CO2、CO、TSP、粉煤灰和炉渣等，分布式电源的开发利用能够有效地减少这些污染物的排放，从而在很大程度上提高环境质量。通常，火力发电和常见的分布式发电生产单位电能各类污染物所造成的环境价值成本如表1所示。 
表1 各类污染物的环境价值成本(元/MWh)
Tab.1 Costs of environmental values of various pollutants
分布式电源的环保收益定义为：
       (5)
                (6)
式中：C Env 为分布式电源每年的环保净收益；N D 为并网分布式电源的个数；Q a 为第a个分布式电源的年发电量；N P 为污染物的类数；C FPi 、C DPi 分别为火电厂、分布式电源第i种污染物的环境价值成本；P akj 为第a个分布式电源在第k条典型日负荷序列、第j个时段的有功功率。
若仅从分布式电源所有者的利益出发，则分布式电源的所有者需向有关部门缴纳排污罚款，此时分布式电源的环境价值收益不在其所有者的收益范围之内，式(5)可重写如下：
                (7)
式中：D Pi 为第i种污染物的罚款标准。
节燃定义为：
             (8)
式中：C Fuel 为分布式电源每年的节燃净收益；C F 为火电厂生产单位电能所消耗燃料的平均费用；C Da 为第a个分布式电源生产单位电能所消耗燃料的平均费用，若无需消耗燃料则此项为零。
同样，若仅从分布式电源所有者的利益出发，则式(8)应重写如下：
                   (9)
电能交易与补贴定义为：
       (10)
                               (11)
式中：C Sasb 为分布式电源所有者每年获得的电能交易与补贴收益；C Buy 为购电电价；C Sal 为售电电价；C Sub 为补贴电价；α、β分别为购电电量和售电电量的比例系数。
仅从分布式电源所有者的利益出发时，此项存在，不考虑利益主体之间的利益关系时，此项不存在。
分布式电源的固定投资与维护定义为：
           (12)
式中：C DG 为分布式电源折算到每年的固定投资与维护费用；为第i个分布式电源的投资回收系数；n Di 为第个分布式电源的经济使用年限；V Di 为第个分布式电源的固定投资；W Di 为第i个分布式电源每年的维护费用。
综合以上因素，定义目标函数为：
  (13)
可见，当λ 1=λ 2=λ 3=λ 4=λ 6=1且λ 5=0时，式（13）即为分布式电源所带来的最大净收益。此外，不同的利益主体对分布式电源进行规划时，可以根据自己所关心的指标对相应的权重进行调整以便实现自身利益的最大化。
步骤六，确定约束。
约束条件为：
       (14)
       (15)
                               (16)
                               (17)
                               (18)
                             (19)
式中：P Gi 、P Di 和P Li 分别表示节点i处发电机、分布式电源和负荷的有功功率；Q Gi 、Q Di 和Q Li 分别表示节点i处发电机、分布式电源和负荷的无功功率；G ij 和B ij 分别表示支路的电导和电纳；θ ij 为节点i、j之间的功率角；、、分别为节点i处的电压及其上下限；、、分别为节点i处允许接入分布式电源的有功功率及其上下限；、分别为配电网中允许接入分布式电源有功功率的上下限；n L 为配电网中负荷点的数目；P Dki 为节点i处类型编号为k的分布式电源的有功功率；、分别为配电网中允许接入类型编号为k的分布式电源有功功率的上下限。
下面对可行性和有效性的验证进行描述：
遗传算法是一种模拟生物进化的随机搜索优化算法，无需目标函数满足连续、可微等苛刻条件，已经被广泛应用于电力系统规划问题的研究中。考虑到基本遗传算法存在收敛速度慢、稳定性差以及易造成早熟现象等问题，参考图5，求解验证采用改进自适应遗传算法，如下：
1)染色体编码。为了便于分析，假设分布式电源均位于负荷节点上，算法中的染色体采用二进制编码，每个负荷点所对应的二进制位串由分布式电源的类型和容量两部分构成。具体形式如下：
                       (20)
式中：Φ为染色体；T i S i 为负荷点i处分布式电源的类型和容量，其中T代表类型，S代表容量。
2)选择算子。采用最优保存策略，即将上一代种群中的若干最优个体直接复制到本代。数学上可以证明此举能够保证算法以概率“1”收敛至全局最优解。
3)交叉算子。采用改进自适应交叉算子，算法的交叉概率按下式进行自适应调整。
    (21)
式中：P c 为调整后的交叉概率；f max 为群体中最大的适应度；f ave 为每代群体的平均适应度；f mor 为要交叉的两个个体中较大的适应度；交叉概率选择为P c1 =0.9，P c2 =0.4。
4)变异算子。采用改进自适应变异算子，变异概率的自适应调整公式如下：
       (22)
式中：P e 为调整后的变异概率；f e 为要变异个体的适应度；变异概率选择为P e1 =0.1，P e2 =0.001。
参考图6，选用IEEE14节点系统进行多类型分布式电源规划。考虑到配电网在正常情况下一般开环运行，所以移除了14、15、16三条支路，使系统成为14节点13条支路的单电源辐射型网络。
图中节点0为平衡节点，其余节点为负荷节点，系统基准功率为100MVA，基准电压为23kV，总负荷为28.7+7.75MVA。假设网络中所有的负荷节点均允许接入分布式电源，待选类型为风电(Wind Power Generation,WG)、光伏(Photovoltaic Power Generation,PV)、微型燃气轮机(Micro Gas Turbine,MT)和燃料电池(Fuel Cell,FC)，待选容量为K×100kVA(K=1,2,…,7),其他参数及取值见表2。
表2 算例中的参数及取值
Tab.2 Parameters and values in calculation example
参数 取值
WG装机成本 7000元/kW
PV装机成本 10000元/kW
MT装机成本 3000元/kW
FC装机成本 12000元/kW
固定年利率 3%
负荷增长速率 1%
损耗电价 0.35元/kWh
购电电价 0.35元/kWh
售电电价 0.5元/kWh
补贴电价 1.0元/kWh
分布式电源功率因数 0.9
分布式电源经济使用年限 25年
分布式电源的类型采用2位二进制编码，00表示WG，01表示PV，10表示MT，11表示FC，每个负荷点处接入分布式电源的容量采用3位二进制编码。为了达到互补的效果并保证系统运行的稳定性，本文限定每类分布式电源的最低接入容量为总接入容量的10%，总接入容量不超过系统总负荷的10%。
采用不同优化方案分析：
1）不考虑利益主体之间的利益关系。取λ 1=λ 2=λ 3=λ 4=λ 6=1，λ 5=0，优化后可得分布式电源每年所带来的最大净收益。利用本文的模型和算法得到的分布式电源优化方案如表3所示，各项子目标的计算值如表4所示。
容易看出，在接入容量上MT和WG之间的差距并不十分明显，这说明环境成本和燃料费用在很大程度上淡化了MT的经济优势，而PV和FC由于装机成本较高，短时间内还难以得到广泛应用。另外，由于不考虑利益主体之间的利益关系，火力发电污染物的减排收益以及燃料消耗的缩减收益均属于分布式电源所带来的收益，这些收益构成了分布式电源经济效益的主体，从而使分布式电源盈利成为可能。可见，不考虑主体之间的利益关系时，分布式电源的经济效益得到了更为客观的体现。 
表3 分布式电源的优化方案
Tab.3 The optimization scheme of distributed generation
          节点编号             接入容量/kVA             接入类型
            2             300             FC
            4             400             PV
      6       200       MT
         8       700        WG
      9       300       WG
      10       500       MT
      11       400       MT
      13       100       PV
表4 各项子目标的计算值
Tab.4 The calculated value of each subgoals
发电方式 SO2 NOx CO2 CO TSP 粉煤灰 炉渣
火电 41.47 23.04 27.42 0.09 0.32 47.52 1.08
风电 0 0 0 0 0 0 0
光伏 0 0 0 0 0 0 0
燃气轮机 0.01 9.92 17.69 0 0.10 0 0
燃料电池 0.01 7.75 13.82 0 0.08 0 0
2)仅考虑分布式电源所有者的利益。设分布式电源归供电公司所有，根据供电公司的利益，可令λ 1=λ 2=λ 3=λ 4=λ 5=λ 6=1，优化后可得供电公司每年的最大净收益。表5为优化后分布式电源的位置、容量和类型信息，各项子目标的计算值如表6所示。
与方案1）相比，分布式电源总的接入容量略有减少而MT的接入容量略有增加，这主要是因为MT的排污罚款远低于污染物的环境价值成本。此外，如果没有国家补贴，供电公司将出现亏损。这说明仅考虑分布式电源所有者的利益时，分布式电源的经济效益未能很好地体现出来，这也是分布式电源难以普及的原因之一。
表5 分布式电源的优化结果
Tab.5 The optimization result of distributed generation
      节点编号       接入容量/kVA       接入类型
      1       200       MT
      3       100       PV
     4       300       WG
      6       300       PV
      8       600       WG
      9       400       MT
      10       400       MT
      11       300       FC
      12       200       MT
表6 各项子目标的计算值
Tab.6 The calculated value of each subgoals
      目标函数        计算值/万元
      降损       13.81
      延迟线路升级       9.78
      环保        -6.05
      节燃        -103.28
      售电与补贴        616.52
      分布式电源的投资与维护       101.40
       供电公司的最大净收益       429.38
参考图7，描述算法的收敛性分析：
图7为方案1）的过程，它反映了解的变化情况。由该图可知，遗传到70代左右时，计算结果稳定下来，显示了该算法良好的收敛性。
以上所述方法详细分析了并网分布式电源所带来的净收益项目与净投资项目，不仅适用于客观地衡量分布式电源的经济效益而且能够使不同的利益主体根据自身利益对分布式电源的规划方案进行决策。算例结果表明，该方法是可行的、有效的，能够为分布式发电的规划设计提供重要的参考依据。
不考虑利益主体之间的利益关系时，分布式电源的经济效益能够得到最为客观的体现，此时分布式电源处于盈利状态；仅考虑分布式电源所有者的利益时，分布式电源的经济效益大部分被掩盖，分布式电源的所有者只能通过获取国家补贴来维持盈利状态。
当前形势下，并网分布式电源所带来的净收益并不十分乐观，然而随着分布式电源成本的降低以及常规能源价格的攀升，分布式发电的经济效益将会越来越显著。
以上所述仅为本发明的较佳实施例，对本发明而言仅仅是说明性的，而非限制性的。本领域的技术人员理解，在权利要求所限定的精神和范围内可对其进行许多改变，修改，甚至等效，但都将落入本发明的保护范围内。

Claims (3)

1.一种基于时序特性和环境效益的分布式电源规划方法，其特征是，包括以下步骤：
（1）获取配电网日负荷数据，对日负荷序列分类；
 将配电网每个负荷点全年的日负荷序列按照季节和日期类型划分为A类，记录每个类别所包含的天数；
（2）确定典型日负荷序列；
（3）确定单位容量分布式电源典型日出力序列；
（4）确定分布式电源典型日出力序列；
（5）确定目标函数得出最优方案。
2.根据权利要求1所述的基于时序特性和环境效益的分布式电源规划方法，其特征在于：
所述步骤（2）具体是：针对日负荷序列的每一个类别，定义该类别的典型日负荷序列为：                                                ，其中，F i 为典型日负荷序列上的第i个数据点，nl为日负荷序列的总条数，f ji 为第j条日负荷序列上的第i个数据点，m为日负荷序列上数据点的总个数；
若用n L 表示配电网中负荷点的数目，则计算结束后得到典型日负荷序列的总条数为An L ；
所述步骤（3）具体是：针对日负荷序列的每一个类别，将一定条数的分布式电源日出力序列进行归一化、单位化即可得到单位容量分布式电源典型日出力序列，其中，H i 为典型日出力序列上的第i个数据点；s为分布式电源的容量；n d 为日出力序列的总条数；h ji 为第j条日出力序列上的第i个数据点；n为日出力序列上数据点的总个数；
如果用B表示待选分布式电源的类数，则计算结束后得到单位容量分布式电源典型日出力序列的总条数为ABn L ；
所述步骤（4）具体是：针对个体中的每一个负荷点，按照分布式电源的类型和容量选择单位容量分布式电源的典型日出力序列并进行折算，即可得到各个负荷点处分布式电源的典型日出力序列；
所述步骤（5）具体是：定义由并网分布式电源所带来的净收益项目与净投资项目构成的目标函数为：
其中，分布式电源的全年累计降损收益定义为：，式中，c 1 为损耗电价，N S 为典型日负荷序列的条数，d k 为第k条典型日负荷序列所包含的日负荷序列的条数，N T 为典型日负荷序列所划分的时段数，t i 为第i个时段的持续时间，N L 为配网中支路的总条数，I kil 和I' kil 分别为接入分布式电源前后第k条典型日负荷序列、第i个时段、第l条支路上的电流，R l 为第l条支路的电阻；
分布式电源每年因延迟线路升级而产生的收益定义为：，式中，C Up 为分布式电源每年因延迟线路升级而产生的收益，e i 为0-1变量，0表示第i条线路未被选中，1表示被选中，、为第i条线路的投资回收系数，r为固定年利率，n 1i 为不接入分布式电源的情况下第i条线路从起用到升级所经过的年限，n 2i 为接入分布式电源的情况下第i条线路从起用到升级所经过的年限，C Li 为第i条线路的固定投资；
分布式电源的环保收益定义为：，式中，，N D 为并网分布式电源的个数，Q a 为第a个分布式电源的年发电量，N P 为污染物的类数，C FPi 、C DPi 分别为火电厂、分布式电源第i种污染物的环境价值成本，P akj 为第a个分布式电源在第k条典型日负荷序列、第j个时段的有功功率；
分布式电源每年的节燃净收益定义为：  ，式中，C F 为火电厂生产单位电能所消耗燃料的平均费用，C Da 为第a个分布式电源生产单位电能所消耗燃料的平均费用，若无需消耗燃料则此项为零；
分布式电源所有者每年获得的电能交易与补贴收益定义为：，式中，，C Buy 为购电电价，C Sal 为售电电价，C Sub 为补贴电价，α、β分别为购电电量和售电电量的比例系数；
分布式电源折算到每年的固定投资与维护费用定义为： ，式中，为第i个分布式电源的投资回收系数，n Di 为第个分布式电源的经济使用年限，V Di 为第个分布式电源的固定投资，W Di 为第i个分布式电源每年的维护费用；
当λ 1=λ 2=λ 3=λ 4=λ 6=1且λ 5=0时，目标函数即为分布式电源所带来的最大净收益；
上述目标函数的约束条件为：
， ，    ，                          
，，   ，                       
式中：P Gi 、P Di 和P Li 分别表示节点i处发电机、分布式电源和负荷的有功功率；Q Gi 、Q Di 和Q Li 分别表示节点i处发电机、分布式电源和负荷的无功功率；G ij 和B ij 分别表示支路的电导和电纳；θ ij 为节点i、j之间的功率角；、、分别为节点i处的电压及其上下限；、、分别为节点i处允许接入分布式电源的有功功率及其上下限；、分别为配电网中允许接入分布式电源有功功率的上下限；n L 为配电网中负荷点的数目；P Dki 为节点i处类型编号为k的分布式电源的有功功率；、分别为配电网中允许接入类型编号为k的分布式电源有功功率的上下限。
3.根据权利要求2所述的基于时序特性和环境效益的分布式电源规划方法，其特征在于：对于所述步骤（5），若仅从分布式电源所有者的利益出发，则分布式电源的所有者需向有关部门缴纳排污罚款，此时分布式电源的环境价值收益不在其所有者的收益范围之内，分布式电源的环保收益定义为：，式中，D Pi 为第i种污染物的罚款标准；
若仅从分布式电源所有者的利益出发，分布式电源每年的节燃净收益定义为：；
若不考虑利益主体之间的利益关系时，分布式电源所有者每年获得的电能交易与补贴收益就不存在；
 本发明涉及一种基于时序特性和环境效益的分布式电源规划方法，其解决了现有分布式电源规划技术成本高、效率低、资源利用率差的技的技术问题，其包括的步骤是：获取配电网日负荷数据，对日负荷序列分类；将配电网每个负荷点全年的日负荷序列按照季节和日期类型划分为A类，记录每个类别所包含的天数；确定典型日负荷序列；确定单位容量分布式电源典型日出力序列；确定分布式电源典型日出力序列；确定目标函数得出最优方案，其可广泛应用于分布式电源资源的优化配置。
CN201410633933.4A 2014-11-12 2014-11-12 基于时序特性和环境效益的分布式电源规划方法 Pending CN104376373A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410633933.4A CN104376373A (zh) 2014-11-12 2014-11-12 基于时序特性和环境效益的分布式电源规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410633933.4A CN104376373A (zh) 2014-11-12 2014-11-12 基于时序特性和环境效益的分布式电源规划方法

Publications (1)

Publication Number Publication Date
CN104376373A true CN104376373A (zh) 2015-02-25

Family

ID=52555268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410633933.4A Pending CN104376373A (zh) 2014-11-12 2014-11-12 基于时序特性和环境效益的分布式电源规划方法

Country Status (1)

Country Link
CN (1) CN104376373A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104836243A (zh) * 2015-05-27 2015-08-12 华北电力大学（保定） 计及负荷时序特性的配电网无功补偿方法
CN105140958A (zh) * 2015-08-24 2015-12-09 山东理工大学 含光伏电源的配电网规划方法
CN105552941A (zh) * 2015-12-31 2016-05-04 国家电网公司 一种分布式电源调峰容量优化方法
CN105977966A (zh) * 2016-05-10 2016-09-28 国家电网公司 一种考虑分布式电源和配电自动化装置的配电网规划方法
CN107681655A (zh) * 2017-09-08 2018-02-09 重庆大学 一种潮汐流能发电场协调规划方法
CN107886187A (zh) * 2017-10-18 2018-04-06 中国南方电网有限责任公司电网技术研究中心 考虑负荷敏感性分级及其概率性损失的配电网规划方法
CN111680891A (zh) * 2020-05-21 2020-09-18 国网能源研究院有限公司 一种跨时空多能源基地新能源互补能力评估方法及系统
CN112712190A (zh) * 2020-09-04 2021-04-27 中国石油大学(华东) 一种计及多约束的油田自备热电厂机组调峰调度方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103414213A (zh) * 2013-08-13 2013-11-27 中国能源建设集团广东省电力设计研究院 一种海岛型微电网的电源优化配置方法
CN103473446A (zh) * 2013-08-29 2013-12-25 国家电网公司 用于有源配电网可靠性评估的负荷削减模型及其实现方法
CN103840457A (zh) * 2014-03-20 2014-06-04 上海电力学院 考虑电动汽车充放电影响的配电网内dg优化配置方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103414213A (zh) * 2013-08-13 2013-11-27 中国能源建设集团广东省电力设计研究院 一种海岛型微电网的电源优化配置方法
CN103473446A (zh) * 2013-08-29 2013-12-25 国家电网公司 用于有源配电网可靠性评估的负荷削减模型及其实现方法
CN103840457A (zh) * 2014-03-20 2014-06-04 上海电力学院 考虑电动汽车充放电影响的配电网内dg优化配置方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YAJIN GAO,ET AL: "Multi-Objective Planning of Multi-Type Distributed Generation Considering Timing Characteristics and Environmental Benefits", 《ENERGIES》 *
徐迅 等: "考虑环境成本和时序特性的微网多类型分布式电源选址定容规划", 《电网技术》 *
李亮 等: "考虑时序特性的多目标分布式电源选址定容规划", 《电力系统自动化》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104836243A (zh) * 2015-05-27 2015-08-12 华北电力大学（保定） 计及负荷时序特性的配电网无功补偿方法
CN104836243B (zh) * 2015-05-27 2018-08-14 华北电力大学（保定） 计及负荷时序特性的配电网无功补偿方法
CN105140958A (zh) * 2015-08-24 2015-12-09 山东理工大学 含光伏电源的配电网规划方法
CN105552941B (zh) * 2015-12-31 2018-05-04 国家电网公司 一种分布式电源调峰容量优化方法
CN105552941A (zh) * 2015-12-31 2016-05-04 国家电网公司 一种分布式电源调峰容量优化方法
CN105977966A (zh) * 2016-05-10 2016-09-28 国家电网公司 一种考虑分布式电源和配电自动化装置的配电网规划方法
CN105977966B (zh) * 2016-05-10 2018-09-21 国家电网公司 一种考虑分布式电源和配电自动化装置的配电网规划方法
CN107681655A (zh) * 2017-09-08 2018-02-09 重庆大学 一种潮汐流能发电场协调规划方法
CN107681655B (zh) * 2017-09-08 2020-07-17 重庆大学 一种潮汐流能发电场协调规划方法
CN107886187A (zh) * 2017-10-18 2018-04-06 中国南方电网有限责任公司电网技术研究中心 考虑负荷敏感性分级及其概率性损失的配电网规划方法
CN107886187B (zh) * 2017-10-18 2021-07-20 中国南方电网有限责任公司电网技术研究中心 考虑负荷敏感性分级及其概率性损失的配电网规划方法
CN111680891A (zh) * 2020-05-21 2020-09-18 国网能源研究院有限公司 一种跨时空多能源基地新能源互补能力评估方法及系统
CN112712190A (zh) * 2020-09-04 2021-04-27 中国石油大学(华东) 一种计及多约束的油田自备热电厂机组调峰调度方法

Similar Documents

Publication Publication Date Title
Yan et al. Stochastic multi-scenario optimization for a hybrid combined cooling, heating and power system considering multi-criteria
Wang et al. Capacity planning and optimization of business park-level integrated energy system based on investment constraints
Kamal et al. Optimal sizing of standalone rural microgrid for sustainable electrification with renewable energy resources
Ghasempour et al. Multi-Criteria Decision Making (MCDM) Approach for Selecting Solar Plants Site and Technology: A Review.
CN104376373A (zh) 基于时序特性和环境效益的分布式电源规划方法
Zhao et al. Multi-objective optimization of stand-alone hybrid PV-wind-diesel-battery system using improved fruit fly optimization algorithm
CN106385025B (zh) 一种分布式电源与联络线多阶段协同规划方法
Zangeneh et al. Promotion strategy of clean technologies in distributed generation expansion planning
Yang et al. Modelling, applications, and evaluations of optimal sizing and placement of distributed generations: A critical state‐of‐the‐art survey
Mojumder et al. Prospects and challenges of renewable energy-based microgrid system in Bangladesh: a comprehensive review
Zhang et al. Nested optimization design for combined cooling, heating, and power system coupled with solar and biomass energy
CN102930343A (zh) 一种分布式发电供能系统能量优化方法
Li et al. A decision-making and planning optimization framework for multi-regional rural hybrid renewable energy system
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
Pakere et al. Solar power or solar heat: What will upraise the efficiency of district heating? Multi-criteria analyses approach
CN114069687A (zh) 一种计及逆变器无功调节作用的分布式光伏规划方法
Wang et al. Quantitative analysis of distributed and centralized development of renewable energy
Kamal et al. Efficient two‐layer rural electrification planning and techno‐economic assessment integrating renewable sources
Ebrahimi et al. A multi-objective decision model for residential building energy optimization based on hybrid renewable energy systems
CN114154744A (zh) 综合能源系统的扩容规划方法、装置及电子设备
Uyan et al. An integrated GIS-based ANP analysis for selecting solar farm installation locations: Case study in Cumra region, Turkey
Gebremedhin et al. Power system analysis: The case of Albania
Muleta et al. Techno-economic analysis and design of hybrid renewable energy microgrid for rural electrification
Yu et al. Dual-layer optimization design method for collaborative benefits of renewable energy systems in building clusters: Case study of campus buildings
Ran et al. A bi-level optimization method for regional integrated energy system considering uncertainty and load prediction under climate change

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150225