CN106099984A - 一种数据驱动的主动配电网分布式电源最大容量评估方法 - Google Patents
一种数据驱动的主动配电网分布式电源最大容量评估方法 Download PDFInfo
- Publication number
- CN106099984A CN106099984A CN201610618112.2A CN201610618112A CN106099984A CN 106099984 A CN106099984 A CN 106099984A CN 201610618112 A CN201610618112 A CN 201610618112A CN 106099984 A CN106099984 A CN 106099984A
- Authority
- CN
- China
- Prior art keywords
- formula
- node
- power source
- distributed power
- variable
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000013210 evaluation model Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000009183 running Effects 0.000 claims description 17
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 9
- 108010063499 Sigma Factor Proteins 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims description 2
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 claims 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 238000004364 calculation method Methods 0.000 claims 1
- 230000005611 electricity Effects 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 239000003245 coal Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- H02J3/382—
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- 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
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
- H02J3/0012—Contingency detection
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
- Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
-
- 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
-
- 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
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Abstract
本发明涉及一种数据驱动的主动配电网分布式电源最大容量评估方法,属于电力系统评估与规划领域。本方法包括:基于已知统计矩信息构建出一个不确定性量的概率分布集;建立一个数据驱动的分布式电源容量评估模型,包括构建最大化主动配电网中总的分布式电源装机容量的目标函数,及构建满足电网的各项技术约束和描述安全运行的分布鲁棒联合机会约束;通过等价变形和对偶化处理将上述约束转化为一个双线性矩阵不等式;采用序列凸优化算法对该转化后模型进行求解,最终获得该主动配电网允许接入的最大分布式电源容量,及分布式电源选址定容方案。本发明方法避免了对不确定性量的概率分布要求,且充分利用了统计矩信息,具有很强的实用性。
Description
技术领域
本发明涉及一种数据驱动的主动配电网分布式电源最大容量评估方法,属于电力系统评估与规划领域。
背景技术
为了应对以光伏为主的分布式电源在配电网中大规模接入所带来的技术问题,需要对配电网能够消纳的最大分布式电源容量进行评估,并制定出最优的分布式电源选址定容方案,以实现配电网中高分布式电源渗透率的目标。由于分布式电源出力受天气和环境因素的影响而具有显著的波动性和间歇性,现有的预测技术无法对分布式电源未来出力进行精准预测;同样的,现有预测技术也无法对配电网中的节点负荷进行准确预测。因此,分布式电源出力和负荷预测误差,为主动配电网中的分布式电源容量评估问题引入了大量的不确定性。然而,传统方法并未考虑上述不确定性的存在,在容量评估过程中仅采用分布式电源出力和负荷的预测值;倘若实际的分布式电源出力高于容量评估中采用的预测值,则传统方法生成的分布式电源选址定容决策可能会违反电网安全运行约束而不可行;倘若实际的分布式电源出力低于容量评估中采用的预测值,则传统方法生成的分布式电源选址定容决策过于保守,未能对可再生能源进行充分利用。因此,传统容量评估方法未考虑上述不确定性因素,这将使得评估结果过于乐观或悲观而偏离实际情况,并制定出错误的分布式电源选址定容方案。
发明内容
本发明的目的是为了克服已有技术的不足之处,针对主动配电网中负荷与分布式电源出力预测误差问题,提出一种数据驱动的主动配电网分布式电源最大容量评估方法。该方法根据调度中心所掌握的历史数据统计出负荷和分布式电源出力的均值和方差信息,基于这些矩信息(即均值和方差)对配电网中能够接入的最大分布式电源容量进行评估,并制定出相应的分布式电源接入位置和接入容量规划方案。
本发明提出的一种数据驱动的主动配电网分布式电源最大容量评估方法,其特征在于,该方法包括以下步骤:
1)基于已知的统计矩信息构建出一个不确定性量的概率分布集,将主动配电网中实际的负荷与分布式电源出力分别表示为式(1)和式(2)所示的形式:
其中,和分别为节点i在时期t已知的有功和无功预测负荷值;和分别为节点i在时期t实际的不确定有功和无功负荷值,而为对应的负荷不确定性变量;为节点i在时期t的分布式电源有功出力预测变量值;和分别为节点i在时期t实际的分布式电源不确定有功和无功出力值,而为对应的分布式电源出力不确定性变量;ηi,t为节点i处的分布式电源在时期t已知的功率因数;Ψn为主动配电网中所有节点的集合;ΨDG为主动配电网中所有分布式电源节点的集合;Γ为分布式电源容量评估所采用的时期集合;
2)将式(1)和式(2)中的所有负荷不确定性变量和分布式电源出力不确定性变量用不确定性向量ξ表示;调度中心根据历史数据统计得出该不确定性向量ξ的均值向量μ和协方差矩阵Σ,其中均值向量μ中的元素依次为和的统计均值,协方差矩阵Σ中的元素分别为和的统计自方差与协方差值;基于该均值向量μ和协方差矩阵Σ,构建出负荷与分布式电源出力不确定性量ξ的概率分布集Π(μ,Σ)如式(3)所示:
其中,F(ξ)表示不确定性量ξ服从的概率分布函数;概率分布集Π(μ,Σ)中包含所有关于ξ均值取μ、方差取Σ可能的概率分布;
3)建立一个数据驱动的分布式电源容量评估模型,其中目标函数为最大化主动配电网中总的分布式电源装机容量,该目标函数如式(4)所示:
其中,对于每个属于ΨDG的节点i,Si为节点i处的分布式电源装机容量变量,为非负变量;该目标函数的含义为最大化主动配电网中总的分布式电源装机容量;
4)设定所述主动配电网的分布式电源出力约束如式(5)所示:
其中,为节点i在时期t已知的分布式电源预测出力系数;
5)设定所述主动配电网的节点功率平衡约束如式(6)所示:
其中,对于每个属于Ψn的节点i,j∈i表示所有与节点i直接相连的节点j的集合;pij,t为支路ij在时期t时从节点i流向节点j的有功功率变量;qij,t为支路ij在时期t时从节点i流向节点j的无功功率变量;
6)设定所述主动配电网中每条支路的有功功率、无功功率和其两端节点电压幅值的潮流方程约束如式(7)所示:
其中,Φb为该主动配电网中所有支路的集合;Vi,t为节点i在时期t的电压幅值变量;Ui,t为节点i在时期t的电压幅值平方变量;对于每条属于Φb的支路ij,Ui,t和Uj,t分别为支路ij两端的节点i和节点j在时期t的电压幅值平方变量;rij为已知的支路ij的电阻值;xij为已知的支路ij的电抗值;
7)设定所述主动配电网中每条支路传输的功率容量约束如式(8)所示:
其中,对于每条属于Φb的支路ij,sij,max为支路ij已知的视在功率上限值;
8)设定所述主动配电网中每个节点的电压安全约束如式(9)所示:
其中,Ui,min和Ui,max分别为节点i已知的电压幅值平方的下限值和上限值;
9)根据上述等式约束式(1)、式(2)、式(5)、式(6)和式(7),将所有的潮流变量{pij,t,qij,t,Ui,t}表示为决策向量x和上述不确定性向量ξ的函数,继而将式(8)和式(9)所描述的电网安全运行约束改写为式(10)所示的分布鲁棒机会约束的形式:
其中,决策向量x的元素为各节点的分布式电源装机容量变量Si;K为式(8)和式(9)所描述的电网安全运行约束总的约束条件个数;和zk(x)分别为式(8)和式(9)所描述的电网安全运行约束推导出的关于决策向量x的第k个函数和函数向量;表示当不确定性向量ξ服从概率分布F(ξ)的情况下的概率大小;δ为人为设定的电网安全运行的风险水平系数,取值区间为(0,1);式(10)的含义为,在步骤2)建立的概率分布集Π(μ,Σ)中最恶劣的概率分布下,也要保证所有电网安全运行约束不违反的概率不低于1-δ;
10)对于步骤2)建立的概率分布集约束式(3)和步骤9)建立的分布鲁棒联合机会约束式(10),采用C-VaR(Conditional Value at Risk)近似和对偶理论将这两式联合等价转化为一个双线性矩阵不等式的形式,如式(11)所示:
其中,Y为已知的矩信息矩阵,定义如式(11)中所示;β为新引入的中间变量;Q为对偶变量构成的对称矩阵变量;Tr<Y,Q>表示对已知矩阵Y和对偶变量矩阵Q取矩阵的迹乘积运算;λk为新引入的非负尺度变量;
11)针对步骤3)建立的目标函数式(4)和步骤10)中等价转化而来的约束条件式(11),应用序列凸优化算法对其进行求解;最终求解获得的目标函数式(4)的值就是该主动配电网中分布式电源的容量评估结果。
本发明提出的这种数据驱动的主动配电网分布式电源最大容量评估方法,其优点是:
1、本发明方法考虑了主动配电网中的分布式电源出力预测和负荷预测的不确定性,由本发明方法做出的分布式电源容量评估结果更接近实际情况,其制定的分布式电源选址定容方案可以保证电网安全运行约束违反的概率不超过某一阈值;
2、本发明方法避免了对不确定性参数的概率分布要求,且充分利用了已知的统计矩信息,使得分布式电源容量评估结果不那么保守,具有很强的实用性;
3、通过调度中心设定不同的电网安全运行风险水平系数δ,可以调整该分布式电源容量评估方法的保守性,使得评估结果在保守性和鲁棒性中做权衡,并具有明确的物理意义。
具体实施方式
本发明提出的这种数据驱动的主动配电网分布式电源最大容量评估方法,包括以下步骤:
1)基于已知的统计矩信息构建出一个不确定性量的概率分布集,将主动配电网中实际的负荷与分布式电源出力分别表示为式(1)和式(2)所示的形式:
其中,和分别为节点i在时期t已知的有功和无功预测负荷值;和分别为节点i在时期t实际的不确定有功和无功负荷值,而为对应的负荷不确定性变量;为节点i在时期t的分布式电源有功出力预测变量值;和分别为节点i在时期t实际的分布式电源不确定有功和无功出力值,而为对应的分布式电源出力不确定性变量;ηi,t为节点i处的分布式电源在时期t已知的功率因数;Ψn为主动配电网中所有节点的集合;ΨDG为主动配电网中所有分布式电源节点的集合;Γ为分布式电源容量评估所采用的时期集合;
2)将式(1)和式(2)中的所有负荷不确定性变量和分布式电源出力不确定性变量用不确定性向量ξ表示;调度中心根据历史数据统计得出该不确定性向量ξ的均值向量μ和协方差矩阵Σ,其中均值向量μ中的元素依次为和的统计均值,协方差矩阵Σ中的元素分别为和的统计自方差与协方差值;基于该均值向量μ和协方差矩阵Σ,构建出负荷与分布式电源出力不确定性量ξ的概率分布集Π(μ,Σ)如式(3)所示:
其中,F(ξ)表示不确定性量ξ服从的概率分布函数;概率分布集Π(μ,Σ)中包含所有关于ξ均值取μ、方差取Σ可能的概率分布;
3)建立一个数据驱动的分布式电源容量评估模型,其中目标函数为最大化主动配电网中总的分布式电源装机容量,该目标函数如式(4)所示:
其中,对于每个属于ΨDG的节点i,Si为节点i处的分布式电源装机容量变量,为非负变量;该目标函数的含义为最大化主动配电网中总的分布式电源装机容量;
4)设定所述主动配电网的分布式电源出力约束如式(5)所示:
其中,为节点i在时期t已知的分布式电源预测出力系数;
5)设定所述主动配电网的节点功率平衡约束如式(6)所示:
其中,对于每个属于Ψn的节点i,j∈i表示所有与节点i直接相连的节点j的集合;pij,t为支路ij在时期t时从节点i流向节点j的有功功率变量;qij,t为支路ij在时期t时从节点i流向节点j的无功功率变量;
6)设定所述主动配电网中每条支路的有功功率、无功功率和其两端节点电压幅值的潮流方程约束如式(7)所示:
其中,Φb为该主动配电网中所有支路的集合;Vi,t为节点i在时期t的电压幅值变量;Ui,t为节点i在时期t的电压幅值平方变量;对于每条属于Φb的支路ij,Ui,t和Uj,t分别为支路ij两端的节点i和节点j在时期t的电压幅值平方变量;rij为已知的支路ij的电阻值;xij为已知的支路ij的电抗值;
7)设定所述主动配电网中每条支路传输的功率容量约束如式(8)所示:
其中,对于每条属于Φb的支路ij,sij,max为支路ij已知的视在功率上限值;
8)设定所述主动配电网中每个节点的电压安全约束如式(9)所示:
其中,Ui,min和Ui,max分别为节点i已知的电压幅值平方的下限值和上限值;
9)根据上述等式约束式(1)、式(2)、式(5)、式(6)和式(7),将所有的潮流变量{pij,t,qij,t,Ui,t}表示为决策向量x和上述不确定性向量ξ的函数,继而将式(8)和式(9)所描述的电网安全运行约束改写为式(10)所示的分布鲁棒机会约束的形式:
其中,决策向量x的元素为各节点的分布式电源装机容量变量Si;K为式(8)和式(9)所描述的电网安全运行约束总的约束条件个数;和zk(x)分别为式(8)和式(9)所描述的电网安全运行约束推导出的关于决策向量x的第k个函数和函数向量;表示当不确定性向量ξ服从概率分布F(ξ)的情况下的概率大小;δ为人为设定的电网安全运行的风险水平系数,取值区间为(0,1),典型值可取0.1;式(10)的含义为,在步骤2)建立的概率分布集Π(μ,Σ)中最恶劣的概率分布下,也要保证所有电网安全运行约束不违反的概率不低于1-δ;
10)对于步骤2)建立的概率分布集约束式(3)和步骤9)建立的分布鲁棒联合机会约束式(10),采用C-VaR(Conditional Value at Risk)近似和对偶理论将这两式联合等价转化为一个双线性矩阵不等式的形式,如式(11)所示:
其中,Y为已知的矩信息矩阵,定义如式(11)中所示;β为新引入的中间变量;Q为对偶变量构成的对称矩阵变量;Tr<Y,Q>表示对已知矩阵Y和对偶变量矩阵Q取矩阵的迹乘积运算;λk为新引入的非负尺度变量;
11)针对步骤3)建立的目标函数式(4)和步骤10)中等价转化而来的约束条件式(11),应用序列凸优化算法对其进行求解;最终求解获得的目标函数式(4)的值就是该主动配电网中分布式电源的容量评估结果,即能够接入的最大分布式电源容量;而求解获得的决策向量x的取值,就是为实现此最大容量相应的分布式电源最优的接入位置与接入容量方案。由于在步骤2)中,本方法在描述负荷与分布式电源出力不确定性时,使用了大量历史数据统计获得的均值和方差信息,且这些均值和方差信息对于模型决策与容量评估结果具有直接的影响,因此本发明方法是一种数据驱动的容量评估方法。
Claims (1)
1.一种数据驱动的主动配电网分布式电源最大容量评估方法,其特征在于,该方法包括以下步骤:
1)基于已知的统计矩信息构建出一个不确定性量的概率分布集,将主动配电网中实际的负荷与分布式电源出力分别表示为式(1)和式(2)所示的形式:
其中,和分别为节点i在时期t已知的有功和无功预测负荷值;和分别为节点i在时期t实际的不确定有功和无功负荷值,而为对应的负荷不确定性变量;为节点i在时期t的分布式电源有功出力预测变量值;和分别为节点i在时期t实际的分布式电源不确定有功和无功出力值,而为对应的分布式电源出力不确定性变量;ηi,t为节点i处的分布式电源在时期t已知的功率因数;Ψn为主动配电网中所有节点的集合;ΨDG为主动配电网中所有分布式电源节点的集合;Γ为分布式电源容量评估所采用的时期集合;
2)将式(1)和式(2)中的所有负荷不确定性变量和分布式电源出力不确定性变量用不确定性向量ξ表示;调度中心根据历史数据统计得出该不确定性向量ξ的均值向量μ和协方差矩阵Σ,其中均值向量μ中的元素依次为和的统计均值,协方差矩阵Σ中的元素分别为和的统计自方差与协方差值;基于该均值向量μ和协方差矩阵Σ,构建出负荷与分布式电源出力不确定性量ξ的概率分布集Π(μ,Σ)如式(3)所示:
其中,F(ξ)表示不确定性量ξ服从的概率分布函数;概率分布集Π(μ,Σ)中包含所有关于ξ均值取μ、方差取Σ可能的概率分布;
3)建立一个数据驱动的分布式电源容量评估模型,其中目标函数为最大化主动配电网中总的分布式电源装机容量,该目标函数如式(4)所示:
其中,对于每个属于ΨDG的节点i,Si为节点i处的分布式电源装机容量变量,为非负变量;该目标函数的含义为最大化主动配电网中总的分布式电源装机容量;
4)设定所述主动配电网的分布式电源出力约束如式(5)所示:
其中,为节点i在时期t已知的分布式电源预测出力系数;
5)设定所述主动配电网的节点功率平衡约束如式(6)所示:
其中,对于每个属于Ψn的节点i,j∈i表示所有与节点i直接相连的节点j的集合;pij,t为支路ij在时期t时从节点i流向节点j的有功功率变量;qij,t为支路ij在时期t时从节点i流向节点j的无功功率变量;
6)设定所述主动配电网中每条支路的有功功率、无功功率和其两端节点电压幅值的潮流方程约束如式(7)所示:
其中,Φb为该主动配电网中所有支路的集合;Vi,t为节点i在时期t的电压幅值变量;Ui,t为节点i在时期t的电压幅值平方变量;对于每条属于Φb的支路ij,Ui,t和Uj,t分别为支路ij两端的节点i和节点j在时期t的电压幅值平方变量;rij为已知的支路ij的电阻值;xij为已知的支路ij的电抗值;
7)设定所述主动配电网中每条支路传输的功率容量约束如式(8)所示:
其中,对于每条属于Φb的支路ij,sij,max为支路ij已知的视在功率上限值;
8)设定所述主动配电网中每个节点的电压安全约束如式(9)所示:
其中,Ui,min和Ui,max分别为节点i已知的电压幅值平方的下限值和上限值;
9)根据上述等式约束式(1)、式(2)、式(5)、式(6)和式(7),将所有的潮流变量{pij,t,qij,t,Ui,t}表示为决策向量x和上述不确定性向量ξ的函数,继而将式(8)和式(9)所描述的电网安全运行约束改写为式(10)所示的分布鲁棒机会约束的形式:
其中,决策向量x的元素为各节点的分布式电源装机容量变量Si;K为式(8)和式(9)所描述的电网安全运行约束总的约束条件个数;和zk(x)分别为式(8)和式(9)所描述的电网安全运行约束推导出的关于决策向量x的第k个函数和函数向量;表示当不确定性向量ξ服从概率分布F(ξ)的情况下的概率大小;δ为人为设定的电网安全运行的风险水平系数,取值区间为(0,1);式(10)的含义为,在步骤2)建立的概率分布集Π(μ,Σ)中最恶劣的概率分布下,也要保证所有电网安全运行约束不违反的概率不低于1-δ;
10)对于步骤2)建立的概率分布集约束式(3)和步骤9)建立的分布鲁棒联合机会约束式(10),采用C-VaR(Conditional Value at Risk)近似和对偶理论将这两式联合等价转化为一个双线性矩阵不等式的形式,如式(11)所示:
其中,Y为已知的矩信息矩阵,定义如式(11)中所示;β为新引入的中间变量;Q为对偶变量构成的对称矩阵变量;Tr<Y,Q>表示对已知矩阵Y和对偶变量矩阵Q取矩阵的迹乘积运算;λk为新引入的非负尺度变量;
11)针对步骤3)建立的目标函数式(4)和步骤10)中等价转化而来的约束条件式(11),应用序列凸优化算法对其进行求解;最终求解获得的目标函数式(4)的值就是该主动配电网中分布式电源的容量评估结果。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610618112.2A CN106099984B (zh) | 2016-07-29 | 2016-07-29 | 一种数据驱动的主动配电网分布式电源最大容量评估方法 |
US15/446,097 US10277033B2 (en) | 2016-07-29 | 2017-03-01 | Method and device for controlling distributed generator in distribution system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610618112.2A CN106099984B (zh) | 2016-07-29 | 2016-07-29 | 一种数据驱动的主动配电网分布式电源最大容量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106099984A true CN106099984A (zh) | 2016-11-09 |
CN106099984B CN106099984B (zh) | 2018-10-19 |
Family
ID=57478468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610618112.2A Active CN106099984B (zh) | 2016-07-29 | 2016-07-29 | 一种数据驱动的主动配电网分布式电源最大容量评估方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10277033B2 (zh) |
CN (1) | CN106099984B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108039739A (zh) * | 2017-11-27 | 2018-05-15 | 国网江西省电力有限公司经济技术研究院 | 一种主动配电网动态随机经济调度方法 |
CN108108518A (zh) * | 2017-11-27 | 2018-06-01 | 国家电网公司 | 一种基于机会约束的空气源热泵有序用电日前调度方法 |
CN108667010A (zh) * | 2018-05-04 | 2018-10-16 | 清华大学 | 一种基于分布鲁棒优化的配电网经济调度方法 |
CN108899910A (zh) * | 2018-08-14 | 2018-11-27 | 清华大学 | 一种对量测噪声鲁棒的数据驱动电网潮流方程线性化计算方法 |
CN109038636A (zh) * | 2018-08-06 | 2018-12-18 | 国家电网公司华东分部 | 数据驱动的直流受端电网动态无功储备需求评估方法 |
WO2019184132A1 (zh) * | 2018-03-29 | 2019-10-03 | 清华大学 | 一种基于数据驱动的电网潮流方程线性化求解方法 |
CN111931331A (zh) * | 2020-06-23 | 2020-11-13 | 河海大学 | 一种适用于配电网机组组合的分布鲁棒优化方法 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108039723B (zh) * | 2017-11-27 | 2020-09-25 | 国网江西省电力有限公司经济技术研究院 | 一种考虑功率随机性的配电网分布式电源容量评估方法 |
US20200012990A1 (en) * | 2018-07-06 | 2020-01-09 | Demisto Inc. | Systems and methods of network-based intelligent cyber-security |
CN109462255B (zh) * | 2018-11-20 | 2022-04-05 | 国网浙江省电力有限公司绍兴供电公司 | 一种基于储能系统的配电网光伏发电容量优化方法及系统 |
CN109449929B (zh) * | 2018-11-22 | 2022-03-01 | 南方电网科学研究院有限责任公司 | 分布式电源对配网馈线利用率影响预测评估方法及产品 |
CN109582921B (zh) * | 2018-12-05 | 2023-03-31 | 国网河北省电力有限公司电力科学研究院 | 配电变压器负载状态评估方法及终端设备 |
CN109980700B (zh) * | 2019-04-09 | 2023-01-10 | 广东电网有限责任公司 | 一种分布式电源多目标优化规划方法、装置和设备 |
CN110490375B (zh) * | 2019-08-02 | 2022-12-20 | 中南大学 | 一种炼锌配料优化方法和系统 |
CN111125637B (zh) * | 2019-12-06 | 2023-07-14 | 图灵人工智能研究院(南京)有限公司 | 储能装置的容量数据处理方法、系统及存储介质 |
CN111668877A (zh) * | 2020-04-28 | 2020-09-15 | 中国电力科学研究院有限公司 | 一种主动配电网分布鲁棒优化调度方法及系统 |
CN111884234B (zh) * | 2020-06-12 | 2022-07-08 | 国家电网公司东北分部 | 精准切机紧急控制方法、装置、电子设备和存储介质 |
CN113300412A (zh) * | 2021-05-11 | 2021-08-24 | 广东电网有限责任公司中山供电局 | 一种配电网分布式光伏优化调度方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077449A (zh) * | 2014-07-02 | 2014-10-01 | 中国南方电网有限责任公司 | 一种基于粒子群算法的逆变型dg准入容量计算方法 |
CN104836260A (zh) * | 2015-05-29 | 2015-08-12 | 国网山东省电力公司经济技术研究院 | 一种电压约束下主动配电网中dg准入容量的计算方法 |
CN105069704A (zh) * | 2015-08-14 | 2015-11-18 | 中国电力科学研究院 | 一种提高分布式电源渗透率的快速遍历配网重构方法 |
CN105140936A (zh) * | 2015-10-12 | 2015-12-09 | 贵州电网公司信息通信分公司 | 一种发电成本最低的微电网调频控制方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE60041385D1 (de) * | 2000-03-10 | 2009-03-05 | Abb Schweiz Ag | Verfahren und Vorrichtung zur Stabilitätsbewertung eines elektrischen Energieversorgungsnetzes |
US7660649B1 (en) * | 2004-07-02 | 2010-02-09 | Optimal Innovations Inc. | Resource management using calculated sensitivities |
GB0722519D0 (en) * | 2007-11-16 | 2007-12-27 | Univ Strathclyde | Active network management |
US7930070B2 (en) * | 2008-09-25 | 2011-04-19 | Kingston Consulting, Inc. | System, method, and module capable of curtailing energy production within congestive grid operating environments |
DE102010036966B4 (de) * | 2010-08-12 | 2013-02-28 | Sma Solar Technology Ag | Verfahren zum Betreiben eines Photovoltaikgenerators an einem Arbeitspunkt maximaler Leistung |
CA2858189C (en) * | 2011-12-05 | 2020-09-29 | Hatch Ltd. | System, method and controller for managing and controlling a micro-grid |
US10404067B2 (en) * | 2016-05-09 | 2019-09-03 | Utopus Insights, Inc. | Congestion control in electric power system under load and uncertainty |
-
2016
- 2016-07-29 CN CN201610618112.2A patent/CN106099984B/zh active Active
-
2017
- 2017-03-01 US US15/446,097 patent/US10277033B2/en not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077449A (zh) * | 2014-07-02 | 2014-10-01 | 中国南方电网有限责任公司 | 一种基于粒子群算法的逆变型dg准入容量计算方法 |
CN104836260A (zh) * | 2015-05-29 | 2015-08-12 | 国网山东省电力公司经济技术研究院 | 一种电压约束下主动配电网中dg准入容量的计算方法 |
CN105069704A (zh) * | 2015-08-14 | 2015-11-18 | 中国电力科学研究院 | 一种提高分布式电源渗透率的快速遍历配网重构方法 |
CN105140936A (zh) * | 2015-10-12 | 2015-12-09 | 贵州电网公司信息通信分公司 | 一种发电成本最低的微电网调频控制方法 |
Non-Patent Citations (3)
Title |
---|
ÁLVARO LORCA等: "Adaptive Robust Optimization With Dynamic Uncertainty Sets for Multi-Period Economic Dispatch Under Significant Wind", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
MENGLIN ZHANG等: "ROBUST ECONOMIC DISPATCH CONSIDERRING WIND UNCERTAINTY", 《RENEWABLE POWER GENERATION (RPG 2015), INTERNATIONAL CONFERENCE ON》 * |
YA-FENG LIU等: "Distributionally Robust Joint Power and Admission Control via SOCP Deflation", 《SIGNAL PROCESSING ADVANCES IN WIRELESS COMMUNICATIONS (SPAWC), 2013 IEEE 14TH WORKSHOP ON》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108039739A (zh) * | 2017-11-27 | 2018-05-15 | 国网江西省电力有限公司经济技术研究院 | 一种主动配电网动态随机经济调度方法 |
CN108108518A (zh) * | 2017-11-27 | 2018-06-01 | 国家电网公司 | 一种基于机会约束的空气源热泵有序用电日前调度方法 |
CN108039739B (zh) * | 2017-11-27 | 2020-09-25 | 国网江西省电力有限公司经济技术研究院 | 一种主动配电网动态随机经济调度方法 |
CN108108518B (zh) * | 2017-11-27 | 2021-04-02 | 国家电网公司 | 一种基于机会约束的空气源热泵有序用电日前调度方法 |
WO2019184132A1 (zh) * | 2018-03-29 | 2019-10-03 | 清华大学 | 一种基于数据驱动的电网潮流方程线性化求解方法 |
CN108667010A (zh) * | 2018-05-04 | 2018-10-16 | 清华大学 | 一种基于分布鲁棒优化的配电网经济调度方法 |
CN109038636A (zh) * | 2018-08-06 | 2018-12-18 | 国家电网公司华东分部 | 数据驱动的直流受端电网动态无功储备需求评估方法 |
CN109038636B (zh) * | 2018-08-06 | 2021-06-04 | 国家电网公司华东分部 | 数据驱动的直流受端电网动态无功储备需求评估方法 |
CN108899910A (zh) * | 2018-08-14 | 2018-11-27 | 清华大学 | 一种对量测噪声鲁棒的数据驱动电网潮流方程线性化计算方法 |
CN111931331A (zh) * | 2020-06-23 | 2020-11-13 | 河海大学 | 一种适用于配电网机组组合的分布鲁棒优化方法 |
CN111931331B (zh) * | 2020-06-23 | 2021-06-22 | 河海大学 | 一种适用于配电网机组组合的分布鲁棒优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106099984B (zh) | 2018-10-19 |
US20180034277A1 (en) | 2018-02-01 |
US10277033B2 (en) | 2019-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106099984A (zh) | 一种数据驱动的主动配电网分布式电源最大容量评估方法 | |
Wu et al. | An intuitionistic fuzzy multi-criteria framework for large-scale rooftop PV project portfolio selection: Case study in Zhejiang, China | |
CN102945507B (zh) | 基于模糊层次分析的分散式风电场优化选址方法及装置 | |
CN106295899B (zh) | 基于遗传算法与支持向量分位数回归的风电功率概率密度预测方法 | |
CN105868853B (zh) | 一种短期风电功率组合概率预测方法 | |
CN103488869A (zh) | 一种最小二乘支持向量机的风力发电短期负荷预测方法 | |
CN103218674A (zh) | 基于bp神经网络模型的光伏发电系统输出功率预测方法 | |
CN105741025A (zh) | 基于风电波动在线风险评估的预防控制方法 | |
CN105826944A (zh) | 一种微电网群的功率预测方法和系统 | |
CN103996079B (zh) | 一种基于条件概率的风电功率加权预测方法 | |
CN105160423A (zh) | 一种基于马尔科夫残差修正的光伏发电预测方法 | |
CN104616215A (zh) | 一种火电厂能效综合评价方法 | |
CN102479347A (zh) | 基于数据驱动的风电场短期风速预测方法和系统 | |
CN103985000A (zh) | 基于函数型非参数回归的中长期典型日负荷曲线预测方法 | |
Meng et al. | A stochastic multi-objective optimization model for renewable energy structure adjustment management–A case study for the city of Dalian, China | |
CN112215428B (zh) | 基于误差修正和模糊逻辑的光伏发电功率预测方法及系统 | |
CN108009745A (zh) | 工业园区内多元用户协同能量管理方法 | |
CN105224997A (zh) | 一种含有多种不确定性因素影响的规划负荷预测方法 | |
CN108039723A (zh) | 一种考虑功率随机性的配电网分布式电源容量评估方法 | |
CN103886223B (zh) | 功率预测方法和系统 | |
CN107766300A (zh) | 基于威布尔‑伽马模型的电力系统可靠性非精确分析方法 | |
CN109087215A (zh) | 多风电场输出功率联合概率密度预测方法 | |
CN105184672A (zh) | 一种针对三公调度发电计划的评估方法 | |
Ayik et al. | Selection of off-grid renewable energy systems using analytic hierarchy process: case of South Sudan | |
CN105279582A (zh) | 基于动态相关性特征的超短期风电功率预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |