CN106557832A - 一种微电网选址定容方法 - Google Patents
一种微电网选址定容方法 Download PDFInfo
- Publication number
- CN106557832A CN106557832A CN201610898834.8A CN201610898834A CN106557832A CN 106557832 A CN106557832 A CN 106557832A CN 201610898834 A CN201610898834 A CN 201610898834A CN 106557832 A CN106557832 A CN 106557832A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- micro
- capacitance sensor
- storage device
- capacity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004146 energy storage Methods 0.000 claims abstract description 145
- 238000011217 control strategy Methods 0.000 claims abstract description 22
- 238000012423 maintenance Methods 0.000 claims abstract description 15
- 238000005553 drilling Methods 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims description 19
- 230000005611 electricity Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 11
- 238000005520 cutting process Methods 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 2
- NUFBIAUZAMHTSP-UHFFFAOYSA-N 3-(n-morpholino)-2-hydroxypropanesulfonic acid Chemical compound OS(=O)(=O)CC(O)CN1CCOCC1 NUFBIAUZAMHTSP-UHFFFAOYSA-N 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
- Y02P80/14—District level solutions, i.e. local energy networks
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提出了一种微电网选址定容方法，该方法将微电网接入不同的位置，配置不同的储能装置的容量，根据微电网可靠性评估方法计算不同的微电网接入位置和储能装置的容量下，微电网的可靠性指标以及储能配置和运行维护总成本；以可靠性指标与储能配置和运行维护总成本为目标，以微电网的接入位置和储能装置的容量为决策量，进行优化规划，求取可靠性指标最高与储能配置和运行维护总成本最低的情况下的微电网的接入位置和储能装置的容量。其中，在计算微电网的可靠性指标时，考虑微电网的切负荷策略，切负荷策略涉及负荷点的重要程度权重和位置权重。本发明能够更为准确地评价微电网的可靠性，更为合理地对微电网进行优化规划。
Description
技术领域
本发明属于微电网技术领域，涉及一种微电网可靠性评估方法和选址定容方法。
背景技术
近年来，随着传统能源的枯竭、气候环境的恶化，世界范围内加快了对绿色清洁可再生能源的研究。微电网在接纳DG(Distributed Generation，分布式发电)和提高供电可靠性、改善电能质量方面起到了积极作用。但DG出力的间歇性和波动性对微电网的供电可靠性会产生负面影响。另外，以现阶段的技术水平而言，发展微电网在经济上并不占优势，提高供电可靠性是吸引投资的重要原因，即微电网的广泛应用必须建立在可靠性评估的基础上。
微电网中的储能装置可以有效平抑DG出力波动，提高微电网供电可靠性。但随着储能容量的增大和充放电功率的提高，设备的制造难度越来越大，造价也越来越昂贵，因此有必要兼顾微电网对经济性和可靠性的要求，优化配置储能装置的容量。另外，储能装置初期投资成本巨大，短时间内难以回收成本，评估微电网整个规划周期内储能装置的经济性效益更具实际意义。
微电网作为配电系统的有效补充，具有优先为高等级负荷供电和就近供电的特点，但现有可靠性评估方法中的切负荷策略，仅仅依照负荷点的重要程度进行负荷优化，无法准确模拟实际切负荷情景，更无法体现微电网的供电特性。因此，为确保可靠性评估结果和优化规划方案具有实际指导意义，寻求一种计及位置权重影响的可靠性评估和优化规划新方法具有重要的意义。
发明内容
本发明的目的在于提供一种微电网可靠性评估方法和选址定容方法，以更为准确地评价微电网的可靠性，更为合理地对微电网进行优化规划。
为了达到上述目的，本发明的解决方案是：
一种微电网选址定容方法，包括：将微电网接入不同的位置，配置不同的储能装置的容量，根据微电网可靠性评估方法计算不同的微电网接入位置和储能装置的容量下，微电网的可靠性指标以及储能配置和运行维护总成本；以所述可靠性指标与所述储能配置和运行维护总成本为目标，以微电网的接入位置和储能装置的容量为决策量，进行优化规划，求取所述可靠性指标最高与所述储能配置和运行维护总成本最低的情况下的微电网的接入位置和储能装置的容量；所述微电网可靠性评估方法中，在计算微电网的可靠性指标时，考虑微电网的切负荷策略，所述切负荷策略涉及负荷点的重要程度权重和位置权重。
所述微电网可靠性评估方法包括以下步骤：
(1)采集和处理原始数据，计算分布式发电在各时刻的出力值；预测在对应时刻所述微电网中各负荷点的负荷功率值；
(2)计算各时刻微电网的剩余出力值；所述剩余出力值等于在对应时刻所有分布式发电的出力值之和减去所述对应时刻预测的各负荷点的负荷功率值之和；
(3)根据各时刻微电网的剩余出力值，确定微电网中储能装置的充放电状态以及储能装置的预估容量Etemp(t)；其中，在分布式发电和储能装置不能满足负载需求时，按照所述切负荷策略进行切负荷，且在切负荷后计算所述储能装置的剩余容量；
(4)计算微电网的可靠性水平指标。
所述步骤(1)中的原始数据按时间序列排列，对应各时刻的风速和太阳辐照度；
优选地，所述步骤(1)中计算分布式发电在各时刻的出力值包括：基于风机出力模型，根据风速计算对应时刻的风机出力值；基于光伏出力模型，根据太阳辐照度计算对应时刻的光伏出力值；
优选地，所述步骤(1)中采用拉丁超立方抽样技术采样服从Weibull分布的风速，采用聂曼法生成服从Beta分布的太阳辐照度。
所述步骤(3)包括：在每个时刻，
当所述剩余出力值大于或者等于0时，则判定所述储能装置处于充电状态，并结合充电模型计算对应时刻储能装置的剩余容量；
当所述剩余出力值小于0时，计算对应时刻的预估容量，比较预估容量与储能最小剩余容量：当所述预估容量大于或者等于所述储能最小剩余容量时，判断储能装置进入放电状态，结合放电模型计算储能装置的剩余容量；当所述预估容量小于所述储能最小剩余容量时，按照切负荷策略对微电网进行负荷优化，优化后重新计算微电网的剩余出力值，并代入充电模型计算储能装置的剩余容量；所述储能最小剩余容量为设定值；
优选地，所述预估容量按照以下公式计算：
Etemp(t)＝(1-σ)Ebatt(t-1)+Pbatt(t)
其中：Etemp(t)表示第t时刻储能装置的预估容量；
Ebatt(t-1)表示第(t-1)时刻储能装置的剩余容量；
Pbatt(t)表示第t时刻储能装置的充放电功率；
σ为储能装置的自放电率；
进一步优选地，Pbatt(t)＝±min(|ΔP(t)|,Pmax)
其中：Pmax为储能装置的最大充放电功率；充电状态下Pbatt(t)>0，取正号；放电状态下Pbatt(t)<0，取负号。
所述切负荷策略为：满足以下约束条件即不等式且使得优化目标中取值最大时所对应的决策变量即xj(τ)值的序列中，xj(τ)为0的负荷点被切除：
其中：ω1j为负荷点j的重要程度权重；
ω2j为负荷点j的位置权重；
Ploadj(τ)表示第τ时刻负荷点j的负荷功率；
xj(τ)表示第τ时刻负荷点j状态的自变量，取值0表示负荷点j被切除，取值1表示未被切除；
Pout(τ)为第τ时刻微电网的总输出功率；
δ为网损率；
m为负荷点的总个数；
优选地，所述重要程度权重ω1j和所述位置权重ω2j通过层次分析模型得到；
进一步优选地，重要程度权重的层次分析模型中，最高层为重要程度权重；中间层为影响因素，包括负荷点的用户数、用户类型和负荷总量；最底层为各负荷点；
位置权重的层次分析模型中，最高层为位置权重；中间层为影响因素，包括负荷点距微电网的物理距离和电气距离；最底层为各负荷点。
所述储能装置的剩余容量按照以下公式计算：
其中：Ebatt(t+1)是第t+1时刻储能装置的剩余容量；
Ebatt(t)是第t时刻储能装置的剩余容量；
σ为储能装置的自放电率；
Pdch(t)、Pch(t)分别为第t时刻储能装置的放电功率和充电功率；
ηdch和ηch分别为储能装置的放电效率和充电效率；
Δt表示(t+1)时刻与t时刻的时间差。
所述可靠性水平指标λLPSP按照以下公式计算：
λLPSP＝(1-TLPSP)(1-LLPSP)
其中，TLPSP为微电网缺电时间概率指标，定义为停电时间与总供电时间的比值；
nshed为切负荷策略执行次数；
LLPSP为微电网负荷缺电率，定义为负荷缺电量与负荷总需求的比值；
xj(t)表示第t时刻负荷点j状态的自变量，取值0表示负荷点j被切除，取值1表示负荷点j未被切除；
Ploadj(t)表示第t时刻负荷点j的负荷功率；
m表示负荷点的总个数；
T为仿真时长。
所述储能配置和运行维护总成本Ctotal按照以下公式计算：
Ctotal＝Cini+Com+Crep
其中，Cini为初期投入成本；Com为运行维护成本；Crep为储能装置的置换成本；
cp和ce分别为单位功率和单位容量储能装置的配置成本；
Prated和Erated分别为储能装置的额定功率和额定容量；
cm为单位功率储能的运行维护成本；
ir和dr分别为通胀率和贴现率；
Ta为微电网规划周期；
Nchange为微电网规划周期Ta内储能装置的置换次数；
Y为储能装置的寿命；
采用吞吐量法预测储能装置的寿命Y；所述微电网规划周期Ta内储能装置的置换次数Nchange与所述储能装置的寿命Y满足以下公式：
Nchange＝Ta/Y。
所述优化规划采用多目标粒子群算法进行。
由于采用上述方案，本发明的有益效果是：本发明在评估微电网可靠性指标时，不仅考虑负荷点的重要程度权重，而且考虑各负荷点的位置权重，大大提高了所得可靠性指标的准确性；在对微电网进行选址定容时，以微电网的接入位置和储能装置的容量作为决策量，优化得到可靠性指标最高与储能配置和运行维护总成本最低的情况下微电网的接入位置和储能装置的容量，所得结果较传统方法更能兼具可靠性和经济性。
此外，本发明中选用拉丁超立方抽样技术(LHS)，可以确保采样值覆盖随机变量的整个样本空间，且采样效率高、算法稳健性好；本发明中分开求解负荷点重要程度权重和位置权重，一方面可全面考虑切负荷策略的影响因素；另一方面又可降低微电网接入不同支路时权重系数的求解复杂度，即微电网改变接入位置时，只需修改切负荷策略中的位置权重系数；本发明中选用多目标粒子群优化算法MOPSO求解规划问题，该算法在经典单目标粒子群算法的基础上，通过添加外部精英集实现多目标问题的求解，并添加了变异算子，以确保种群多样性。该算法原理简单，迭代效率高、收敛快，且其解集可覆盖整个Pareto前沿面。
附图说明
图1为本发明一实施例中微电网的结构示意图；
图2为本发明实施例中层次分析模型的示意图；
图3为利用软件代码实现本发明实施例中微电网选址定容方法的流程图。
具体实施方式
以下结合附图所示实施例对本发明作进一步的说明。
本发明提出了一种微电网选址定容方法，该选址定容方法为：将微电网接入不同的位置，配置不同的储能装置的容量，根据微电网可靠性评估方法计算不同的微电网接入位置和储能装置的容量下，微电网的可靠性指标以及储能配置和运行维护总成本；然后，以可靠性指标与储能配置和运行维护总成本为优化目标，以微电网的接入位置和储能装置的容量为决策量，采用多目标粒子群算法MOPSO进行优化规划，求取可靠性指标最高与储能配置和运行维护总成本最低的情况下的微电网的接入位置和储能装置的容量。
上述微电网可靠性评估方法的核心在于在计算微电网的可靠性指标的过程中，考虑微电网的切负荷策略，且该切负荷策略不仅涉及负荷点的重要程度权重，而且还涉及负荷点的位置权重，因而最终得到的可靠性指标的准确性得以大大提高。
该微电网可靠性评估方法包括以下步骤：
(1)采集和处理原始数据，计算分布式发电在各时刻的出力值；预测在对应时刻所述微电网中各负荷点的负荷功率值。
本实施例中，上述原始数据包括一系列时刻，对应各时刻的风速和太阳辐照度。对原始数据的采集和处理包括采用拉丁超立方抽样技术(LHS)采样服从Weibull分布的风速，采用聂曼法生成服从Beta分布的太阳辐照度。
上述步骤(1)中计算分布式发电在各时刻的出力值包括：基于风机出力模型，根据风速计算对应时刻的风机出力值；基于光伏出力模型，根据太阳辐照度计算对应时刻的光伏出力值。本发明中，除了风机和光伏以外，还可以包括其他类型的分布式发电，各分布式发电的出力值即为其输出的有功功率。
本实施例中，对风速v和太阳辐照度r分别进行N次采样，令N等于蒙特卡罗仿真时长T，则第t时刻风速和太阳辐照度的采样值可分别记为v(t)和r(t)。仿真时长T等于样本数N。仿真间隔Δt＝1h，每个时刻都对应一个风速和太阳辐照度样本。
本发明中，对各负荷点进行负荷功率预测是为了模拟微电网中负荷的不确定性，确保考虑实际系统中负荷需求存在波动的特性。第j个负荷点在第t时刻的负荷功率预测值记为Ploadj(t)。
(2)计算各时刻微电网的剩余出力值；该剩余出力值等于在对应时刻所有分布式发电的出力值之和减去该时刻预测的负荷功率值之和。
本实施例中，在t时刻微电网的剩余出力值记为ΔP(t)。
(3)根据各时刻微电网的剩余出力值，确定微电网中储能装置的充放电状态以及储能装置的剩余容量；其中，在分布式发电和储能装置不能满足负荷需求时，按照切负荷策略进行切负荷，且在切负荷后计算储能装置的剩余容量。
本实施例中，步骤(3)包括：
在每个时刻，
当所述剩余出力值大于或者等于0时，则判定所述储能装置处于充电状态，并结合充电模型计算对应时刻储能装置的剩余容量；
当所述剩余出力值小于0时，计算对应时刻的预估容量，比较预估容量与储能最小剩余容量EB min(储能最小剩余容量为设定值，其体现的是储能装置在能够安全放电的情形下储能装置的最小剩余容量)：当所述预估容量大于或者等于所述储能最小剩余容量时，判断储能装置进入放电状态，结合放电模型计算储能装置的剩余容量；当所述预估容量小于所述储能最小剩余容量时，按照切负荷策略对微电网进行负荷优化，优化后重新计算微电网的剩余出力值，并代入充电模型计算储能装置的剩余容量；
优选地，所述预估容量按照以下公式计算：
Etemp(t)＝(1-σ)Ebatt(t-1)+Pbatt(t)
其中：Etemp(t)表示第t时刻储能装置的预估容量；
Ebatt(t-1)表示第(t-1)时刻储能装置的剩余容量；
Pbatt(t)表示第t时刻储能装置的充放电功率；
σ为储能装置的自放电率。
上述Pbatt(t)满足：
Pbatt(t)＝±min(|ΔP(t)|,Pmax)
其中：Pmax为储能装置的最大充放电功率；充电状态下Pbatt(t)>0，取正号；放电状态下Pbatt(t)<0，取负号。
本实施例中，该切负荷策略为：满足以下约束条件即不等式且使得优化目标中取值最大时所对应的决策变量，xj(τ)为0的负荷点被切除：
其中：ω1j为负荷点j的重要程度权重；
ω2j为负荷点j的位置权重；
Ploadj(τ)表示第τ时刻负荷点j的负荷功率；
xj(τ)为表示第τ时刻负荷点j状态的自变量，取值0代表负荷点j被切除，取值1代表未被切除；
Pout(τ)为第τ时刻微电网的总输出功率；
δ为网损率；
m为负荷点的总个数。
上述重要程度权重ω1j和位置权重ω2j通过层次分析模型得到。本实施例中，重要程度权重的层次分析模型中，最高层为重要程度权重；中间层为影响因素，包括负荷点的用户数、用户类型和负荷总量；最底层为各负荷点；
位置权重的层次分析模型中，最高层为位置权重；中间层为影响因素，包括负荷点距微电网的物理距离和电气距离；最底层为各负荷点。
图1所示为本实施例中微电网的结构示意图。该微电网模型由四个DG和三个负荷点L1、L2、L3组成，这四个DG包括：风机WT、光伏PV、柴油发电机DE和储能装置ES。图1中，B1、B2、B3和B4均表示接入点。为求解各负荷点的位置权重系数ω2j，首先需要确定各负荷点与微电网接入点间的物理距离dphysj和电气距离delecj。delecj的大小与微电网的结构有关，与支路长度无关，相邻两负荷点的电气距离为1。假设该微电网接入支路B1，则各负荷点的dphysj和delecj如表1所示。
表1各负荷点的物理距离和电气距离
图2所示为本实施中层次分析模型的示意图。将表1中的数据代入层次分析模型(Analytic Hierarchy Process，AHP)中求解，即可确定微电网接入B1时各负荷点的位置权重系数。
前述ΔP(t)的求解取决于储能配置目的，主要包括：①削峰填谷，②备用电源，③平抑功率波动；储能的特性参数主要包括额定容量、最大充放电功率、充放电效率和自放电率等。计及上述影响的储能装置的剩余容量按照以下公式计算：
其中：Ebatt(t+1)是第t+1时刻储能装置的剩余容量；
Ebatt(t)是第t时刻储能装置的剩余容量；
σ为储能装置的自放电率；
Pdch(t)、Pch(t)分别为第t时刻储能装置的放电功率和充电功率；
ηdch和ηch分别为储能装置的放电效率和充电效率；
Δt表示(t+1)时刻与t时刻的时间差。
(4)计算微电网的可靠性水平指标。
本实施例中，兼顾系统供电不足时间和失负荷量，定义系统的可靠性水平指标λLPSP，用以衡量微电网供电可靠性水平。该可靠性水平指标λLPSP按照以下公式计算：
λLPSP＝(1-TLPSP)(1-LLPSP)
其中，TLPSP为微电网缺电时间概率指标，定义为停电时间与总供电时间的比值；
nshed为切负荷策略执行次数；
LLPSP为微电网负荷缺电率，定义为负荷缺电量与负荷总需求的比值；
xj(t)定义第t时刻负荷点j在优化问题中的自变量，取值0代表负荷点j被切除，取值1代表未被切除；
Ploadj(t)表示第t时刻负荷点j的负荷功率；
m表示负荷点的总个数；
T表示仿真时长。
在该微电网选址定容方法中，该储能配置和运行维护总成本Ctotal按照以下公式计算：
Ctotal＝Cini+Com+Crep
其中，Cini为初期投入成本；Com为运行维护成本；Crep为置换成本；
cp和ce分别为单位功率和单位容量的储能装置的配置成本；
Prated和Erated分别为储能装置的额定功率和额定容量；
cm为单位功率储能的运行维护成本；
ir和dr分别为通胀率和贴现率；
Ta为微电网规划周期；
Nchange为微电网规划周期Ta内储能置换次数；
Y为储能装置的寿命。
本实施例中，储能装置例如蓄电池的寿命可表示为可供使用的有效吞吐量之和，利用吞吐量法预测储能装置的寿命Y；微电网规划周期Ta内储能置换次数Nchange与所述储能装置的寿命Y满足：
Nchange＝Ta/Y。
本实施例中，利用编程实现上述方法，该程序的流程图如图3所示。其中：
执行总时长T＝100000h的模特卡罗仿真，统计计算可靠性指标，对比分析位置权重对微电网可靠性水平的影响；根据仿真结果预测储能装置寿命Y，确定优化目标Ctotal的数学表达形式；而后，应用MOPSO算法求解该多目标优化问题，确定微电网最佳接入支路和储能装置的最优容量。
基于此，结合本发明方法，借助MATLAB搭建微电网的数学模型，进行模特卡罗仿真实验；并编程实现MOPSO算法，实现微电网的优化规划。
本发明在评估微电网可靠性指标时，不仅考虑负荷点的重要程度权重，而且考虑各负荷点的位置权重，大大提高了所得可靠性指标的准确性；在对微电网进行选址定容时，以上述微电网的接入位置与储能装置的容量作为决策量，优化得到可靠性指标最高与储能配置和运行维护总成本最低的情况下微电网的接入位置和储能装置的容量，所得结果较传统方法更好地兼具可靠性和经济性。
此外，本发明中选用拉丁超立方抽样技术(LHS)，可以确保采样值覆盖随机变量的整个样本空间，且采样效率高、算法稳健性好；本发明中构建储能装置充放电模型，较全面地融入了各种影响因素，可确保可靠性评估结果符合实际，对优化规划问题也具有实际指导意义；本发明中分开求解负荷点重要程度权重和位置权重，一方面可全面考虑切负荷策略的影响因素；另一方面又可降低微电网接入不同支路时权重系数的求解复杂度，即微电网改变接入位置时，只需修改切负荷策略中的位置权重系数；本发明中选用多目标粒子群优化算法MOPSO求解规划问题，该算法在经典单目标粒子群算法的基础上，通过添加外部精英集实现多目标问题的求解，并添加了变异算子，以确保种群多样性。该算法原理简单，迭代效率高、收敛快，且其解集可覆盖整个Pareto前沿面。
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于这里的实施例，本领域技术人员根据本发明的揭示，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。
Claims (10)
1.一种微电网选址定容方法，其特征在于：所述选址定容方法包括：
将微电网接入不同的位置，配置不同的储能装置的容量，根据微电网可靠性评估方法计算不同的微电网接入位置和储能装置的容量下，微电网的可靠性指标以及储能配置和运行维护总成本；
以所述可靠性指标与所述储能配置和运行维护总成本为目标，以微电网的接入位置和储能装置的容量为决策量，进行优化规划，求取所述可靠性指标最高与所述储能配置和运行维护总成本最低的情况下的微电网的接入位置和储能装置的容量；
所述微电网可靠性评估方法中，在计算微电网的可靠性指标时，考虑微电网的切负荷策略，所述切负荷策略涉及负荷点的重要程度权重和位置权重。
2.根据权利要求1所述的微电网选址定容方法，其特征在于：所述微电网可靠性评估方法包括以下步骤：
(1)采集和处理原始数据，计算分布式发电在各时刻的出力值；预测在对应时刻所述微电网中各负荷点的负荷功率值；
(2)计算各时刻微电网的剩余出力值；所述剩余出力值等于在对应时刻所有分布式发电的出力值之和减去所述对应时刻预测的各负荷点的负荷功率值之和；
(3)根据各时刻微电网的剩余出力值，确定微电网中储能装置的充放电状态以及储能装置的预估容量Etemp(t)；其中，在分布式发电和储能装置不能满足负载需求时，按照所述切负荷策略进行切负荷，且在切负荷后计算所述储能装置的剩余容量；
(4)计算微电网的可靠性水平指标。
3.根据权利要求1所述的微电网选址定容方法，其特征在于：所述步骤(1)中的原始数据按时间序列排列，对应各时刻的风速和太阳辐照度；
优选地，所述步骤(1)中计算分布式发电在各时刻的出力值包括：基于风机出力模型，根据风速计算对应时刻的风机出力值；基于光伏出力模型，根据太阳辐照度计算对应时刻的光伏出力值；
优选地，所述步骤(1)中采用拉丁超立方抽样技术采样服从Weibull分布的风速，采用聂曼法生成服从Beta分布的太阳辐照度。
4.根据权利要求1所述的微电网选址定容方法，其特征在于：所述步骤(3)包括：在每个时刻，
当所述剩余出力值大于或者等于0时，则判定所述储能装置处于充电状态，并结合充电模型计算对应时刻储能装置的剩余容量；
当所述剩余出力值小于0时，计算对应时刻的预估容量，比较预估容量与储能最小剩余容量：当所述预估容量大于或者等于所述储能最小剩余容量时，判断储能装置进入放电状态，结合放电模型计算储能装置的剩余容量；当所述预估容量小于所述储能最小剩余容量时，按照切负荷策略对微电网进行负荷优化，优化后重新计算微电网的剩余出力值，并代入充电模型计算储能装置的剩余容量；所述储能最小剩余容量为设定值；
优选地，所述预估容量按照以下公式计算：
Etemp(t)＝(1-σ)Ebatt(t-1)+Pbatt(t)
其中：Etemp(t)表示第t时刻储能装置的预估容量；
Ebatt(t-1)表示第(t-1)时刻储能装置的剩余容量；
Pbatt(t)表示第t时刻储能装置的充放电功率；
σ为储能装置的自放电率；
进一步优选地，Pbatt(t)＝±min(|ΔP(t)|,Pmax)
其中：Pmax为储能装置的最大充放电功率；充电状态下Pbatt(t)>0，取正号；放电状态下Pbatt(t)<0，取负号。
5.根据权利要求1所述的微电网选址定容方法，其特征在于：所述切负荷策略为：满足以下约束条件即不等式且使得优化目标中取值最大时所对应的决策变量，xj(τ)为0的负荷点被切除：
其中：ω1j为负荷点j的重要程度权重；
ω2j为负荷点j的位置权重；
Ploadj(τ)表示第τ时刻负荷点j的负荷功率；
xj(τ)表示第τ时刻负荷点j状态的自变量，取值0表示负荷点j被切除，取值1表示未被切除；
Pout(τ)为第τ时刻微电网的总输出功率；
δ为网损率；
m为负荷点的总个数；
优选地，所述重要程度权重ω1j和所述位置权重ω2j通过层次分析模型得到；
进一步优选地，重要程度权重的层次分析模型中，最高层为重要程度权重；中间层为影响因素，包括负荷点的用户数、用户类型和负荷总量；最底层为各负荷点；
位置权重的层次分析模型中，最高层为位置权重；中间层为影响因素，包括负荷点距微电网的物理距离和电气距离；最底层为各负荷点。
6.根据权利要求1所述的微电网选址定容方法，其特征在于：所述储能装置的剩余容量按照以下公式计算：
其中：Ebatt(t+1)是第t+1时刻储能装置的剩余容量；
Ebatt(t)是第t时刻储能装置的剩余容量；
σ为储能装置的自放电率；
Pdch(t)、Pch(t)分别为第t时刻储能装置的放电功率和充电功率；
ηdch和ηch分别为储能装置的放电效率和充电效率；
Δt表示(t+1)时刻与t时刻的时间差。
7.根据权利要求1所述的微电网选址定容方法，其特征在于：所述可靠性水平指标λLPSP按照以下公式计算：
λLPSP＝(1-TLPSP)(1-LLPSP)
其中，TLPSP为微电网缺电时间概率指标，定义为停电时间与总供电时间的比值；
nshed为切负荷策略执行次数；
LLPSP为微电网负荷缺电率，定义为负荷缺电量与负荷总需求的比值；
xj(t)表示第t时刻负荷点j状态的自变量，取值0表示负荷点j被切除，取值1表示负荷点j未被切除；
Ploadj(t)表示第t时刻负荷点j的负荷功率；
m表示负荷点的总个数；
T为仿真时长。
8.根据权利要求1所述的微电网选址定容方法，其特征在于：所述储能配置和运行维护总成本Ctotal按照以下公式计算：
Ctotal＝Cini+Com+Crep
其中，Cini为初期投入成本；Com为运行维护成本；Crep为储能装置的置换成本；
cp和ce分别为单位功率和单位容量储能装置的配置成本；
Prated和Erated分别为储能装置的额定功率和额定容量；
cm为单位功率储能的运行维护成本；
ir和dr分别为通胀率和贴现率；
Ta为微电网规划周期；
Nchange为微电网规划周期Ta内储能装置的置换次数；
Y为储能装置的寿命；
9.根据权利要求8所述的微电网选址定容方法，其特征在于：采用吞吐量法预测储能装置的寿命Y；所述微电网规划周期Ta内储能装置的置换次数Nchange与所述储能装置的寿命Y满足以下公式：
Nchange＝Ta/Y。
10.根据权利要求8所述的微电网选址定容方法，其特征在于：所述优化规划采用多目标粒子群算法进行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610898834.8A CN106557832A (zh) | 2016-10-14 | 2016-10-14 | 一种微电网选址定容方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610898834.8A CN106557832A (zh) | 2016-10-14 | 2016-10-14 | 一种微电网选址定容方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106557832A true CN106557832A (zh) | 2017-04-05 |
Family
ID=58443220
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610898834.8A Pending CN106557832A (zh) | 2016-10-14 | 2016-10-14 | 一种微电网选址定容方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106557832A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108614538A (zh) * | 2018-06-21 | 2018-10-02 | 烟台东方能源科技有限公司 | 一种工业设备有序运行的控制策略 |
| CN109460845A (zh) * | 2018-05-24 | 2019-03-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种风光微电网站选址方式 |
| CN110690719A (zh) * | 2019-09-18 | 2020-01-14 | 国网重庆市电力公司电力科学研究院 | 一种微电网电池储能配置方法及可读存储介质 |
| CN112491046A (zh) * | 2020-11-25 | 2021-03-12 | 国网湖北省电力有限公司咸宁供电公司 | 一种负载接入位置决策方法、装置、设备及存储介质 |
| CN113128071A (zh) * | 2021-05-08 | 2021-07-16 | 南京工程学院 | 一种含光伏发电的发电系统可靠性评估方法 |
| CN113437756A (zh) * | 2021-06-21 | 2021-09-24 | 三峡大学 | 考虑配电网静态电压稳定性的微电网优化配置方法 |
-
2016
- 2016-10-14 CN CN201610898834.8A patent/CN106557832A/zh active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109460845A (zh) * | 2018-05-24 | 2019-03-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种风光微电网站选址方式 |
| CN109460845B (zh) * | 2018-05-24 | 2022-03-11 | 国网浙江省电力有限公司嘉兴供电公司 | 一种风光微电网站选址方式 |
| CN108614538A (zh) * | 2018-06-21 | 2018-10-02 | 烟台东方能源科技有限公司 | 一种工业设备有序运行的控制策略 |
| CN110690719A (zh) * | 2019-09-18 | 2020-01-14 | 国网重庆市电力公司电力科学研究院 | 一种微电网电池储能配置方法及可读存储介质 |
| CN112491046A (zh) * | 2020-11-25 | 2021-03-12 | 国网湖北省电力有限公司咸宁供电公司 | 一种负载接入位置决策方法、装置、设备及存储介质 |
| CN113128071A (zh) * | 2021-05-08 | 2021-07-16 | 南京工程学院 | 一种含光伏发电的发电系统可靠性评估方法 |
| CN113128071B (zh) * | 2021-05-08 | 2024-02-09 | 南京工程学院 | 一种含光伏发电的发电系统可靠性评估方法 |
| CN113437756A (zh) * | 2021-06-21 | 2021-09-24 | 三峡大学 | 考虑配电网静态电压稳定性的微电网优化配置方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106557832A (zh) | 一种微电网选址定容方法 | |
| CN107887903B (zh) | 考虑元件频率特性的微电网鲁棒优化调度方法 | |
| CN112467722B (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
| Kayal et al. | Optimal mix of solar and wind distributed generations considering performance improvement of electrical distribution network | |
| CN106602557B (zh) | 一种含电动汽车的主动配电网多时段优化重构方法 | |
| CN106203720B (zh) | 一种多时间尺度电动汽车集群可调度容量预测方法 | |
| CN103390116B (zh) | 采用分步方式的光伏电站发电功率预测方法 | |
| CN112131733B (zh) | 计及电动汽车充电负荷影响的分布式电源规划方法 | |
| CN108944531A (zh) | 一种电动汽车有序充电控制方法 | |
| Feng et al. | Optimization of photovoltaic battery swapping station based on weather/traffic forecasts and speed variable charging | |
| CN105976108A (zh) | 一种配电网分布式储能规划方法 | |
| CN110866636A (zh) | 一种综合考虑电动汽车充电站及分布式能源的微电网规划方法 | |
| CN105305490A (zh) | 一种考虑电能质量经济性最优的有源配电网规划方法 | |
| CN106786977B (zh) | 一种电动汽车充电站的充电调度方法 | |
| CN105337315A (zh) | 一种风光蓄互补独立微电网高维多目标优化配置方法 | |
| Ahmadian et al. | Optimal WDG planning in active distribution networks based on possibilistic–probabilistic PEVs load modelling | |
| CN105449675A (zh) | 优化分布式能源接入点和接入比例的电力网络重构方法 | |
| CN113326467B (zh) | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 | |
| CN110138006A (zh) | 考虑含有新能源电动汽车的多微电网协调优化调度方法 | |
| CN110276517A (zh) | 一种基于mopso算法的电动汽车充电站选址方法 | |
| CN112994092B (zh) | 一种基于功率预测的独立风光储微电网系统尺寸规划方法 | |
| CN109560574A (zh) | 一种考虑不确定因素的智能配电网网架规划方法 | |
| CN113343167A (zh) | 一种多场景置信间隙决策风光储联合规划方法 | |
| CN111064192A (zh) | 一种计及源荷不确定性的独立型微网容量优化配置方法 | |
| CN106779254A (zh) | 一种含分布式电源的充电站规划方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170405 |