CN106886842A - 一种分布式供电系统的部署方法、装置和计算设备 - Google Patents

一种分布式供电系统的部署方法、装置和计算设备 Download PDF

Info

Publication number
CN106886842A
CN106886842A CN201710173699.5A CN201710173699A CN106886842A CN 106886842 A CN106886842 A CN 106886842A CN 201710173699 A CN201710173699 A CN 201710173699A CN 106886842 A CN106886842 A CN 106886842A
Authority
CN
China
Prior art keywords
distributed power
power supply
supply system
power source
cost
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
CN201710173699.5A
Other languages
English (en)
Inventor
曾博
冯家欢
董厚琦
刘宗歧
曾鸣
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 CN201710173699.5A priority Critical patent/CN106886842A/zh
Publication of CN106886842A publication Critical patent/CN106886842A/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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Abstract

本发明公开了一种分布式供电系统的部署方法，适于在计算设备中执行，该方法包括：建立分布式供电系统的发电容量规划模型，其控制变量包括每个分布式电源的安装位置和发电容量，并以分布式供电系统的线损最小化和发电容量最大化为目标；采用预定算法对发电容量规划模型进行迭代求解，分别得到分布式电源的安装位置和发电容量的最优解，并将该最优解作为分布式供电系统的规划方案；以及根据所述规划方案计算分布式供电系统的净现值，以对所述规划方案进行可行性分析，并根据分析结果调整所述规划方案。本发明还公开了对应的分布式供电系统的部署装置和计算设备。

Description

一种分布式供电系统的部署方法、装置和计算设备
技术领域
本发明涉及智能用电管理技术领域，尤其涉及一种分布式供电系统的部署方法、装置和计算设备。
背景技术
与传统的集中式能源相比，分布式电源(Distributed Generation，DG)具有低能耗、低排放、高能效、高节能潜力等优点，合理的分布式电源并网规划不仅能够有效提高资源综合利用效率，还可以减少主网投资、改善电网公司效益。因此，发展分布式电源已成为许多国家或地区能源战略发展的重要选择之一。然而，分布式电源由于其间歇性和随机性特征，其大规模并网对电网的电压稳定性、电能质量、电能供应的可靠性都有一定影响；同时，分布式电源是直接接入配电网或用户侧的灵活发电系统，将改变配电网的潮流分布，对网损产生重大影响。
因此，分布式电源的大规模并网对配电网的结构和运行都产生不同程度的影响，原有的线损分摊定价机制和容量分配机制已难以为分布式电源的发展提供足够的激励。制定新形势下的配电网线损分摊定价方案和分布式电源容量规划，对于提高分布式电源并网的经济效益，激励分布式发电的可持续发展都有重要意义。
发明内容
为此，本发明提供一种分布式供电系统的部署方法、装置和计算设备，以力图解决或至少缓解上面存在的问题。
根据本发明的一个方面，提供了一种分布式供电系统的部署方法，适于在计算设备中执行，该方法包括：建立分布式供电系统的发电容量规划模型，其控制变量包括每个分布式电源的安装位置和发电容量，并以分布式供电系统的线损最小化和发电容量最大化为目标；采用预定算法对发电容量规划模型进行迭代求解，分别得到分布式电源的安装位置和发电容量的最优解，并将该最优解作为分布式供电系统的规划方案；以及根据规划方案计算分布式供电系统的净现值，以对该规划方案进行可行性分析，并根据分析结果调整规划方案。
可选地，在根据本发明的方法中，预定算法为粒子群算法，将每个分布式电源置看作为粒子群中的一个粒子，每个粒子在多维搜索空间中的速度向量和位置向量的迭代更新公式分别为：
其中，和分别是第k次迭代时粒子u的速度、位置和最优位置；是所有粒子中的最优位置；分别是粒子群算法中两个加速度的系数；ψ1,ψ2是两个随机数字；χ是系数因子。
可选地，在根据本发明的方法中，采用粒子群算法对发电容量规划模型进行迭代求解的过程包括：初始化每个分布式电源个体的速度向量和位置向量，并计算得到对每个分布式电源个体的适应值；记录分别用来代表个体和群体的当前位置最优解的个体极值和全局极值，并根据这两个极值以及所述适应值的大小来更新每个个体的位置向量和速度向量；当达到终止标准时停止迭代更新，并得到每个分布式电源个体的最优解。
可选地，在根据本发明的方法中，还包括：建立分布式供电系统的线损分摊模型，其线损分摊费用为其中，M是根据分布式供电系统的总成本费用；MS是用户支付的电费与发电企业收取的费用之间的交易盈余；Qi是用户i的有功功率需求。
可选地，在根据本发明的方法中，
其中，P为电源供应点的有功功率价格；FM和XM分别是发电机接入母线M后产生的有功功率和无功功率；YK和XK分别是终端负荷母线K消耗的有功功率和无功功率；L是线损函数，其被假定为增长的凸函数且连续可微；n是指母线K或母线M的总数。
可选地，在根据本发明的方法中，M＝Mz+Ml+Mnl，其中，Mz、Ml和Mnl分别是分布式供电系统中与资本成本、线损成本和除去线损成本后的运营成本相关的费用。
可选地，在根据本发明的方法中，净现值的计算公式为:r是资金的时间价值，y为第y时刻，n是项目计算期，RDG(y)为分布式发电收益，CDG(y)为分布式发电成本，CBat(y)为分布式发电电池成本，RInc为分布式发电激励措施带来的收益。
可选地，在根据本发明的方法中，其中，P(t)是第i个分布式电源第t小时的销售电价；Qi(t)是第i个分布式电源第t小时的发电量；ΔQLass是销售电价为P(t)时，采用第i个分布式电源能减少的传统电厂发电容量；m是分布式电源的总数；8760指一年的小时数。
可选地，在根据本发明的方法中，
其中，和分别是m个分布式电源的税收成本、年资金成本总值、运行和维护成本、燃料成本、重置成本和空置能源成本；CC(i)、SDG(i)、COM(i)、TDG(i)、θi、ρi、ηi、γi和Cf(i)分别是第i个分布式电源的资金成本、装机容量、运行和维护成本、运行时间、热回收比率、能源加热比、效率、使用燃料的净热值，以及在第D天的燃料成本；νDG(i)、λDG(i)(r,m)、ξDG(i)、Cu(i)(t)和Qu(i)(t)分别是第i个分布式电源的重置成本、重置因子、生命周期内的偿债基金因子、拆余值、空置能源成本，以及在空置时间t时的空置能源。
可选地，在根据本发明的方法中，
其中，和分别是l个电池的年资金成本总值、年运行和维护成本、重置成本；PBat(i)、WBat(i)和CO分别是第i个电池的电能转换成本、功率、能源资金成本、电能容量和运行成本；TBat(i)、CM、νBat(i)、λBat(i)(r,l)、ξBat(i)分别是第i个电池的运行时间、维护成本、重置成本、重置因子、生命周期内的偿债基金因子和拆余值。
根据本发明的另一个方面，提供一种分布式供电系统的部署装置，适于驻留在计算设备中，该装置包括：模型建立单元，适于建立分布式供电系统的发电容量规划模型，其控制变量包括每个分布式电源的安装位置和发电容量，并以分布式供电系统的线损最小化和发电容量最大化为目标；模型求解单元，适于采用预定算法对发电容量规划模型进行迭代求解，分别得到分布式电源的安装位置和发电容量的最优解，并将该最优解作为分布式供电系统的规划方案；以及方案调整单元，适于根据规划方案计算分布式供电系统的净现值，并根据计算结果调整规划方案。
根据本发明的又一个方面，提供一种计算设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行如上所述的方法的指令。
根据本发明的又一个方面，提供一种存储一个或多个程序的计算机可读存储介质，其中一个或多个程序包括指令，该指令当由计算设备执行时，使得计算设备执行如上所述的方法。
根据本发明提供的技术方案，首先在节点因子定价方法的基础上，构建了含有分布式电源的配电网线损分摊模型，研究分布式发电容量规划对配电网的影响。通过和没有接入分布式电源基本情况的算例结果对比分析可知，相对于传统的线损分摊方法，根据本发明建立的模型可以有效地降低线损和电价，从而为分布式电源并网的发展提供更好的价格激励。此外，通过构建发电容量规划模型，进一步研究出了在确保电网企业损失最小化情况下的最优分布式发电容量。
附图说明
为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的示例计算设备100的结构框图；
图2示出了根据本发明一个实施例的分布式供电系统的部署方法200的流程图；
图3示出了根据本发明一个实施例的粒子群算法的图解示意图；
图4示出了根据本发明一个实施例的某电力交换市场的价格波动示意图；
图5示出了根据本发明一个实施例的负荷比例因子的示意图；
图6示出了根据本发明一个实施例的城市区域配电网的示意图；以及
图7示出了为实现根据本发明一个实施例的分布式供电系统的部署装置300的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1布置为实现根据本发明的分布式供电系统的部署装置300的示例计算设备100的框图。在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。
取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于：微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中，应用122可以布置为在操作系统上利用程序数据124进行操作。
计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
计算设备100可以实现为小尺寸便携(或者移动)电子设备的一部分。计算设备100还可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。在一些实施例中，计算设备100被配置为执行根据本发明的分布式供电系统的部署方法200，其中应用122包括根据本发明的分布式供电系统的部署装置300。
在全球电力行业内，分布式发电正在被广泛的接受和应用。分布式发电大致的可以分为可再生能源分布式发电和不可再生能源分布式发电。可再生能源分布式发电包括了太阳能光伏发电、风能发电和生物质发电，而不可再生能源分布式发电包括了内燃机分布式发电、联合循环分布式发电、微型燃气轮机分布式发电和复合燃料技术分布式发电等。总体来说，分布式电源可以是静态的也可以是旋转式的，不同类型的分布式电源接入电网的方式不同，使得电网接入口的功率转换机组效率对整个分布式发电的可行性有较大影响。如果分布式电源通过功率转换机组接入电网，那么它的无功功率处理能力也取决于转换机组的控制方案。
伴随着一些社会、技术及经济利益方面的问题，分布式发电技术被广泛应用的同时，对配电网也产生了一定负面影响，主要表现为低效率、间歇现象(主要发生在太阳能光伏分布式发电和风能分布式发电之间)以及高成本(在使用后备电池的时候成本甚至更高)。为了在系统损失最小化的同时实现分布式发电容量的最大化，研究分布式发电容量规划及其可行性是十分必要的。为此，本发明将采用分布式电源规划的净现值分析找出在双边市场和竞争市场环境下分布式电源的可行性，并采用收缩因子的粒子群算法来确定分布式电源的最优定位及最优规格。
图2示出了根据本发明一个实施例的分布式供电系统的部署方法的流程图。如图2所述，该方法适于步骤S220。
在步骤S220中，建立分布式供电系统的发电容量规划模型，其控制变量包括每个分布式电源的安装位置和发电容量，并以分布式供电系统的线损最小化和发电容量最大化为目标。
随后，在步骤S240中，采用预定算法对发电容量规划模型进行迭代求解，分别得到分布式电源的安装位置和发电容量的最优解，并将该最优解作为分布式供电系统的规划方案。
根据一个实施例，预定算法可以为粒子群算法，这种算法最早由Kennedy和Eberhart在1995年提出，就是一群粒子在多维空间中对应的某一可能的领域中，不断寻求最优点或接近最优点的方法，这些粒子被称为群，群里的每个粒子都以自适应速度移向最优点。本发明中采用收缩因子的粒子群算法来确定分布式电源的最优定位(即安装位置)以及最优规格(即发电容量)。每个粒子在多维搜索空间中的位置和速度变化如图3所示，其速度向量和位置向量的迭代更新公式为：
其中，和分别是第k次迭代时粒子u的速度、位置和最优位置；和分别是第k+1次迭代时粒子u的速度和位置；是所有粒子中的最优位置；分别是粒子群算法中两个加速度的系数；ψ1,ψ2是两个随机数字；χ是系数因子。
采用粒子群算法对发电容量规划模型进行迭代求解的过程包括：初始化每个分布式电源个体的速度向量和位置向量，并计算得到对每个分布式电源个体的适应值；记录分别用来代表个体和群体的当前位置最优解的个体极值和群体极值，并根据这两个极值以及所述适应值的大小来更新每个个体的位置向量和速度向量；当达到终止标准(如达到最大迭代次数)时停止迭代更新，并得到每个分布式电源个体的最优解。其中，在初始化操作之前，还可以先确定分布式电源的总数。
一般地，个体极值也称为个体最优解，是粒子个体自身找到的最优解。全局极值又叫全局最优解，即整个种群此次迭代所找到的最优解。在第k次迭代时，粒子根据上述迭代公式更新自己的速度和位置。之后，对比每个粒子的适应值和当前个体极值，如果适应值优于当前个体极值，则更新个体极值和该粒子的位置。如果所有粒子的个体极值中最好的优于当前全局极值，则更新全局极值和该粒子的位置。如果当前迭代次数达到了预设的最大迭代次数，则停止迭代，输出最优解，否则继续进行迭代，直到满足要求。
另外，本发明中的分布式电源的定位算法也能够用于在一个阶段或者多个阶段内，无功辅助服务(电容器/同步调相机)和分布式电源的规划，只需要通过设置相应的粒子群使得有功功率为0(只有无功粒子群)。
随后，在步骤S260中，根据所述规划方案计算分布式供电系统的净现值，，以对分布式供电系统进行可行性分析，并根据分析结果调整所述规划方案。
实际上，分布式电源的发电成本非常高，部分分布式电源还需要储备电池来提供持续的电能，尤其对于间歇性分布式电源来说并网发电的成本更高。因此，在研究分布式发电容量规划对配电网的影响时，分布式电源规划的可行性分析是必不可少的环节。在不同市场环境下，分布式电源规划的可行性分析可以通过净现值(Net Present Value，NPV)来实现，其计算公式为：
其中，r是资金的时间价值(％)，y代表第y时刻，n是项目计算期，RDG(y)为分布式发电收益、CDG(y)为分布式发电成本、CBat(y)为分布式发电电池成本、RInc为分布式发电激励措施带来的收益，这四个参数的计算公式分别如下：
(1)分布式发电收益RDG(y)
式中各参数的含义为：P(t)是第i个分布式电源第t小时的销售电价(元/MWh)；Qi(t)是第i个分布式电源第t小时的发电量(MWh)；ΔQLoss是销售电价为P(t)时，采用第i个分布式电源能减少的传统电厂发电容量(MWh)；m是分布式电源的总数；8760指一年的小时数。
(2)分布式发电成本CDG(y)
式中各参数的含义如表1所示：
表1
注：365指一年的天数(可以调整为实际情况下的一年天数)，24指一天的小时数
(3)分布式发电电池成本CBat(y)
式中各参数的含义如表2所示
表2
(4)激励措施带来的收益RInc
激励措施带来的收益是由于环境和能源需求，政府提出的有关支持可再生分布式电源的激励措施而产生的收益。例如，为了满足负荷需求，以前主要通过增加传统电厂产能容量以及应用输配网的的方式来增加容量，引入分布式发电后，可以在负荷终端附近建立分布式电源，不仅可以减少系统扩张所带来的昂贵的费用(如电力站的扩张、输电线的扩张以及变压器容量的扩张等)，而且可以实现节能减排。激励措施带来的收益主要包括减少能源损耗带来的收益、分布式能源削峰填谷带来的收益、减少污染物排放所带来的收益等等。
根据一个实施例，分布式电源可以包括风能分布式发电电源、生物质分布式发电电源、太阳能光伏分布式发电和基于柴油机的分布式发电中的至少一种。根据规划方案计算分布式供电系统的净现值，以进行可行性分析，并根据计算结果调整规划方案的步骤还可以包括：计算每种分布式电源的净现值，并根据计算结果调整该类分布式电源的安装位置和发电容量的规划方案。
通过计算分布式电源系统的净现值可以分析规划方案的可行性，下面将在综合考虑双边交易和竞争电力市场结构的情况下，研究四个综合的模拟环境中的分布式电源规划的可行性。
在双边交易市场中，假设为了满足系统负荷需求中额外的负荷需求，如果风能/太阳能光伏等分布式电源不能提供电能，电能将会通过双边合同被购买。通常认为基准年期间平均市场价格为453元/MWh。假设市场价格的通货膨胀率为10％。针对双边合同将模拟两个情景：1)在整个规划期间，假定负荷是不变；2)基准年的年负荷增长率为5％。
在现货市场中也将模拟两个情景：1)在整个规划期间，假定负荷是不变。2)基准年的年负荷增长率为5％。假设电价每小时是变动的，在开放性市场运行中，以某典型电力交换市场中的价格波动为例，其价格波动被认为是具有真实代表性的，图4示出了某日该典型电力交换市场价格(元/兆瓦时)。
对于不同的分布式发电技术，本发明对其的假设条件如下所示：
1)风能分布式发电——平均风速为6.07m/s，最低限制和最高限制风速分别为4m/s和25m/s。
2)生物质和柴油机分布式发电——假设这两种分布式电源的厂用容量因子为0.85，并且不考虑分布式电源输出功率的间歇性。
3)太阳能光伏分布式发电——在双边合同市场中，太阳能光伏分布式电源的厂用容量因子假定为0.2，该数值假设是在光照效果非常好的地区获得的。在竞争市场模型分析中，太阳能光伏分布式电源假定是在厂用容量因子为0.25的情况下工作的，并且有着25％的电池储备。
4)基于柴油机的分布式发电——资本成本在1617-3234元/kW之间，柴油的价格为5元/L。
5)转换器——电能转换系统的成本取决于多方面，如电能存储周期、技术类型等。系统的转换器的成本被设为1294元/kW。
6)电池——本发明以钒氧化液流电池为例，用于太阳能光伏和风能分布式电源的储备，储备容量分别为25％和40％。
负荷-时间变化曲线被认为是恒定不变的，并且其负荷比例因子如图5所示。分布式电源的激励措施通常是减轻税收，假设激励措施规定每千瓦的集成分布式电源为13元/年，二氧化碳，氮氧化物，硫氧化物的排放收费分别为171、6831、51228元/吨。由于不同的分布式电源拥有不同的生命周期，为了计算简便，假设所有分布式电源的生命周期都为15年，贴现率为12％。为了方便起见，假设馈线容量与总系统需求相同。各类分布式电源的成本数据如表3所示。
表3分布式电源成本数据
基于以上基本情况，本发明对规划好的分布式电源的定位和容量进行了可行性分析。考虑到分布式电源的规格与大型传统电源相比显得非常小，并且有效功率的成本比无效功率高得多。因此，分布式电源的首选模式应该是整功率模式。收缩因子粒子群算法的粒子群数量在整个过程中都被设为是一个常数25。一个、两个、三个分布式电源在系统16节点单一阶段的定位的最大迭代次数分别为25、75、100次。一个、两个、三个分布式电源在系统33节点单一阶段的定位的最大迭代次数分别为25、100、150次。一个、两个、三个分布式电源在系统69节点单一阶段的定位的最大迭代次数分别为25、150、200次。采用收缩粒子群算法得出的分布式电源定位结果如表4所示。如在两个分布式电源在16节点系统中，第一个分布式电源的最佳发电容量是12.97MW，最优定位为第9个节点处；第二个分布式电源的最佳发电容量为5.86MW，最优定位为第6个节点处。
表4分布式电源规划结果
在最大渗透性水平下对分布式电源规划进行可行性分析，可以检查整个系统在三个分布式电源并且在整功率因数下运行时的经济性。分布式电源渗透水平为系统馈电容量的分布式发电功率乘以容量因子的值。一般地，风能、太阳能光伏和生物质分布式电源的厂用容量因数分别为0.35、0.25和0.85。，没有任何储备电池，其电力单位成本分别为0.32、3、0.4和0.81元/千瓦时。
情景1测试：分布式电源在双边合同市场下提供电力，并且负荷增长假定为零。
情景2测试：类似于情景1，但基准年期间每年的负荷增长率为5％。
情景3测试：分布式电源在现货市场下提供电力，电价每小时都会变化，采用阿姆斯特丹电力市场中的电价。负荷增长率假定为零。在该情景和情景4中，将会考虑到太阳能光伏和风能分布式电源电池储备的情况。
情景4测试：类似于情景3，但基准年期间每年的负荷增长率为5％。
在双边合同市场下，风能和生物质分布式电源的测试结果如表5所示：
表5分布式电源规划的经济性(净现值)分析结果(万元)
通过对每种分布式电源的净现值进行计算，可以对每种分布式电源进行规划分析与调整。如太阳能光伏分布式电源的净现值比较小，且它不能很好的存在于能源市场中，因为其有着高技术资本成本和低厂用容量因数。如果有着合适的合同价格，柴油机分布式电源就能存在于双边合同市场，但是不无法存在于现货市场中，因为有着比生物质分布式电源高很多的单位能源成本，还有年税，并且没有污染降低鼓励政策。电池的成本是关键问题，因为它大量的增加了单位能源成本。因此，针对可再生分布式电源的间歇性问题，有必要选择比较经济性的电池作为储备。对于风能和太阳能光伏分布式电源来说，有着较多的政府补贴政策，用于加强绿色电力举措和市场的运行。
另外，本发明还针对分布式发电容量规划对配电网的影响进行了分析，深入研究了分布式电源并网后的配电网线损分摊问题，建立了基于节点电价的含分布式电源的配电网节点电力供应优化模型以及线损分摊节点因子定价模型。在考虑节点价格、节点因子和交易盈余三方面因素的基础上，利用交易盈余弥补线损成本，将剩余费用在用户间进行分摊，降低了电价，从而激励用户投资发展分布式电源。
首先是节点价格的考虑，假设一条母线只可能是供电母线或终端负荷母线。配电网供电的优化问题可以表示为下式的最小成本问题：其约束条件为：其中，FM和XM分别是发电机接入母线M后产生的有功功率(MW)和无功功率(MW)；YK和XK分别是终端负荷母线K消耗的有功功率(MW)和无功功率(MW)；CM是发电机接入母线M的总成本(元)；L是线损函数，假定其为增长的凸函数，并且连续可微；n是指母线K或母线M的总数。
其次是对节点因子的考虑，假定P为电源供应点的有功功率价格，而且不存在电网约束，则供电母线的有功功率和无功功率价格，以及需求母线的有功功率和无功功率价格可以表示为： 和当不存在电网约束时，供电母线的有功功率边际价格为节点因子与P的乘积；需求母线的有功功率边际价格为节点因子与P的乘积。
对变量做以下改变：令FM＝-Gf和YK＝Gf，上述公式可转换为：因此，有功节点因子(也称作惩罚因子)和无功节点因子可以分别表示为：和(Qf＝XK＝-XM)。
最后是对交易盈余的考虑，用户支付的电费与发电企业收取的费用之间的差额即为交易盈余MS，其计算公式为：可以进一步转换为：
如果不存在电网约束，那么交易盈余MS近似等于线损成本LS：MS＝-PL+2PL＝PL；但在存在电网约束的情况下，交易盈余将大于线损成本。
传统的线损分摊费用Dl是直接将与线损成本相关的费用Ml除以用户i的有功功率需求Qi，但是，该分摊方案没有考虑到个性用户，比如分布式电源由于接入配电网或者用户侧，减少了电能的输送距离，可以降低线损。
因此，根据本发明的一个实施例，方法200还可以包括：建立一种新的分布式供电系统的线损分摊模型，其基于节点电价的线损分摊费用为其中，M是根据分布式供电系统的总成本费用，其计算公式为M＝Mz+Ml+Mnl，其中，Mz、Ml和Mnl分别是分布式供电系统中与资本成本、线损成本和除去线损成本后的运营成本相关的费用。
通过这种配电网损线损分摊方案可以有效降低线损成本。假设发电机在Hk小时内提供稳定的有功功率FM和无功功率XM，分布式电源并网后，本方案与传统方案的净收入之差(即线损成本的降低值)为：
其中，D是配电网费用，其为配电网的资本成本Dz、线损成本Dl和运营成本Dnl这三者之和。
下面将以具体例子说明本发明的线损分摊模型的实际效果。以某城市区域配电网(110/35kV)为例进行模拟仿真分析。该配电网简化图如图6所示，它由一条母线和三条馈线(a，b，c)组成。简便起见，本发明仅考虑馈线c。馈线c由30千伏的架空线组成，支持5条母线(3，4，5，6，7)。除了母线3是商业用户案例外，其他母线都是向低压用户(基本是住宅)供电。该配电网的信息数据如表6所示.
表6城市区域配电网的相关数据
发送母线 接受母线 长度(km)
1 2 12
2 3 2.5
2 4 30
4 5 1.5
5 6 6.6
6 7 14.5
该城区区域住宅用户的负荷分为三个时段：低谷时段为0-9点；平谷时段为9-18点以及23-24点；高峰时段为18-23点。因此，模拟分析中根据这个四个时间段的不同设置了以下四种情景：(a)0-9点，共9h；(b)从9-18点，共9h；(c)18-23点，共5h；(d)23-24点，共1h。为了方便起见，本发明只考虑一个季节。已知不同情景下的母线价格，与母线7连接的是分布式电源，假设这种分布式发电机组在所有时段都能正常运行，并且低于所有工时的价格，则四种不同情景下母线在接入分布式电源和不接入分布式电源情况下的线损计算结果如表7至表14所示。其中，根据图6中所示，3、4、5、6、7都是负荷母线M，其对应的参数应该是UM和VM；1和2是供电母线K，其对应的参数应该是UK和VK，但为了简便起见，下表都用U和V来统一表示。
表7情景a的母线功率预算结果(MW)
表8情景a的结果对比
没有DG 有DG
交易盈余(元) 1839.4 1717.7
网损成本(元) 1806.8 1773.4
线损率(元/MWh) 25.8 16.3
表9情景b的母线功率预算结果(MW)
表10情景b的结果对比
没有DG 有DG
交易盈余(元) 442622.9 265985.4
线损成本(元) 338763.1 216558.2
线损率 2075.8 1327
表11情景c的母线功率预算结果(MW)
表12情景c的结果对比
没有DG 有DG
交易盈余(元) 211090.4 118966
线损成本(元) 158808.6 96721.2
线损率 778.5 474.1
表13情景d的母线功率预算结果(MW)
表14情景d的结果对比
没有DG 有DG
交易盈余(元) 13721 4738.2
线损成本(元) 12272 4448.6
线损率 75.2 27.3
从表7-14的计算结果可以看出，在配电网中接入分布式电源对配电网的影响主要表现在以下两个方面：
1)在没有接入分布式电源的基本情况下，四种情景下的线损成本总和为51.17万元，交易盈余总和为66.76万元；而在接入分布式电源的情况下，四种情景下的线损成本总和为32万元，交易盈余总和为39万元。因此，在考虑节点价格、节点因子和交易盈余三方面因素的基础上，接入分布式电源后，交易盈余能够有效弥补线损成本，将剩余费用在用户间进行分摊，降低了电价，从而激励用户投资发展分布式电源。
2)四种情景中配电网接入分布式电源后，线损率都相应下降。情景a中线损率下降了37％；情景b中线损率下降36％；情景c中线损率下降39％；情景d中线损率下降63.7％。分布式电源接入配电网后，缩短了电网的输送距离，线损都有明显下降，尤其是高峰时段线损率的下降程度最大。因此，通过和没有接入分布式电源的基本情况的对比发现，分布式电源并网不仅能够降低线损，而且能够移峰填谷，减少电网成本，从而激励电网企业投资分布式电源并网。
图7示出了根据本发明一个实施例的分布式供电系统的部署装置300的结构图，该装置驻留于计算设备中。如图7所示，装置300包括模型建立单元320、模型求解单元340和可行性分析单元360。
模型建立单元320适于建立分布式供电系统的发电容量规划模型，其控制变量包括每个分布式电源的安装位置和发电容量，并以分布式供电系统的线损最小化和发电容量最大化为目标。模型建立单元320执行的处理与步骤S220类似，此处不再赘述。
模型求解单元340适于采用预定算法对发电容量规划模型进行迭代求解，分别得到分布式电源的安装位置和发电容量的最优解，并将该最优解作为分布式供电系统的规划方案。模型求解单元340执行的处理与步骤S240类似，此处不再赘述。
可行性分析单元360根据所述规划方案计算分布式供电系统的净现值，以对所述规划方案进行可行性分析，并根据分析结果调整所述规划方案。可行性分析单元360执行的处理与步骤S260类似，此处不再赘述。
关于本发明的分布式供电系统的部署装置300，其具体细节已在基于图1-图6的描述中详细公开，在此不再赘述。
A8、如7所述的方法，其中，其中，P(t)是第i个分布式电源第t小时的销售电价；Qi(t)是第i个分布式电源第t小时的发电量；ΔQLass是销售电价为P(t)时，采用第i个分布式电源能减少的传统电厂发电容量；m是分布式电源的总数。
A9、如A7所述的方法，其中，
其中，和分别是m个分布式电源的税收成本、年资金成本总值、运行和维护成本、燃料成本、重置成本，以及空置能源成本；CC(i)、SDG(i)、COM(i)、TDG(i)、θi、ρi、ηi、γi和Cf(i)分别是第i个分布式电源的资金成本、装机容量、运行和维护成本、运行时间、热回收比率、能源加热比、效率、使用燃料的净热值，以及在第D天的燃料成本；νDG(i)、λDG(i)(r,m)、ξDG(i)、Cu(i)(t)和Qu(i)(t)分别是第i个分布式电源的重置成本、重置因子、生命周期内的偿债基金因子、拆余值、空置能源成本，以及在空置时间t时的空置能源。
A10、如A7所述的方法，其中，
其中，和分别是l个电池的年资金成本总值、年运行和维护成本，以及重置成本；PBat(i)、WBat(i)和CO分别是第i个电池的电能转换成本、功率、能源资金成本、电能容量，以及运行成本；TBat(i)、CM、νBat(i)、λBat(i)(r,l)、ξBat(i)分别是第i个电池的运行时间、维护成本、重置成本、重置因子、生命周期内的偿债基金因子，以及拆余值。
B12、如B11所述的装置，其中，所述预定算法为粒子群算法，将每个分布式电源置看作为粒子群中的一个粒子，每个粒子在多维搜索空间中的速度向量和位置向量的迭代更新公式分别为： 其中，和分别是第k次迭代时粒子u的速度、位置和最优位置；是所有粒子中的最优位置；分别是粒子群算法中两个加速度的系数；ψ1,ψ2是两个随机数字；χ是系数因子。
B13、如B12所述的装置，其中模型求解单元适于：初始化每个分布式电源个体的速度向量和位置向量，并计算得到对每个分布式电源个体的适应值；记录分别用来代表个体和群体的当前位置最优解的个体极值和全局极值，并根据这两个极值以及所述适应值的大小来更新每个个体的位置向量和速度向量；当达到终止标准时停止迭代更新，并得到每个分布式电源个体的最优解。
B14、如B11所述的装置，所述模型建立单元还适于：建立分布式供电系统的线损分摊模型，其线损分摊费用为其中，M是根据分布式供电系统的总成本费用；MS是用户支付的电费与发电企业收取的费用之间的交易盈余；Qi是用户i的有功功率需求。
B15、如B14所述的装置，其中，
其中，P为电源供应点的有功功率价格；FM和XM分别是发电机接入母线M后产生的有功功率和无功功率；YK和XK分别是终端负荷母线K消耗的有功功率和无功功率；L是线损函数，其被假定为增长的凸函数且连续可微；n是指母线K或母线M的总数。
B16、如B14所述的装置，M＝Mz+Ml+Mnl Mz、Ml和Mnl分别是分布式供电系统中与资本成本、线损成本和除去线损成本后的运营成本相关的费用。
B17、如B11所述的装置，其中，净现值NPV的计算公式为:
其中，r是资金的时间价值，y代表在第y时刻，n是项目计算期，RDG(y)为分布式发电收益，CDG(y)为分布式发电成本，CBat(y)为分布式发电电池成本，RInc为分布式发电激励措施带来的收益。
B18、如B17所述的装置，其中，
其中，P(t)是第i个分布式电源第t小时的销售电价；Qi(t)是第i个分布式电源第t小时的发电量；ΔQLass是销售电价为P(t)时，采用第i个分布式电源能减少的传统电厂发电容量；m是分布式电源的总数。
B19、如B17所述的装置，其中，
其中，和分别是m个分布式电源的税收成本、年资金成本总值、运行和维护成本、燃料成本、重置成本和空置能源成本；CC(i)、SDG(i)、COM(i)、TDG(i)、θi、ρi、ηi、γi和Cf(i)分别是第i个分布式电源的资金成本、装机容量、运行和维护成本、运行时间、热回收比率、能源加热比、效率、使用燃料的净热值，以及在第D天的燃料成本；νDG(i)、λDG(i)(r,m)、ξDG(i)、Cu(i)(t)和Qu(i)(t)分别是第i个分布式电源的重置成本、重置因子、生命周期内的偿债基金因子、拆余值、空置能源成本，以及在空置时间t时的空置能源。
B20、如B17所述的装置，其中，
其中，和分别是l个电池的年资金成本总值、年运行和维护成本、重置成本；PBat(i)、WBat(i)和CO分别是第i个电池的电能转换成本、功率、能源资金成本、电能容量和运行成本；TBat(i)、CM、νBat(i)、λBat(i)(r,l)、ξBat(i)分别是第i个电池的运行时间、维护成本、重置成本、重置因子、生命周期内的偿债基金因子和拆余值。
B21、如B11所述的装置，其中所述分布式电源包括风能分布式发电电源、生物质分布式发电电源、太阳能光伏分布式发电和基于柴油机的分布式发电中的至少一种；所述方案调整单元适于计算每种分布式电源的净现值，并根据计算结果调整该类分布式电源的安装位置和发电容量的规划方案。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的分布式供电系统的部署方法。

Claims (10)

1.一种分布式供电系统的部署方法，适于在计算设备中执行，该方法包括：
建立分布式供电系统的发电容量规划模型，其控制变量包括每个分布式电源的安装位置和发电容量，并以分布式供电系统的线损最小化和发电容量最大化为目标；
采用预定算法对发电容量规划模型进行迭代求解，分别得到分布式电源的安装位置和发电容量的最优解，并将该最优解作为分布式供电系统的规划方案；以及
根据所述规划方案计算分布式供电系统的净现值，以对所述规划方案进行可行性分析，并根据分析结果调整所述规划方案。
2.如权利要求1所述的方法，其中，所述预定算法为粒子群算法，将每个分布式电源置看作为粒子群中的一个粒子，每个粒子在多维搜索空间中的速度向量和位置向量的迭代更新公式分别为：
X u d k + 1 = X u d k + V u d k + 1
其中，和分别是第k次迭代时粒子u的速度、位置和最优位置；是所有粒子中的最优位置；分别是粒子群算法中两个加速度的系数；ψ1,ψ2是两个随机数字；χ是系数因子。
3.如权利要求2所述的方法，其中，所述采用预定算法对发电容量规划模型进行迭代求解的过程包括：
初始化每个分布式电源个体的速度向量和位置向量，并计算得到对每个分布式电源个体的适应值；
记录分别用来代表个体和群体的当前位置最优解的个体极值和全局极值，并根据这两个极值以及所述适应值的大小来更新每个个体的位置向量和速度向量；
当达到终止标准时停止迭代更新，并得到每个分布式电源个体的最优解。
4.如权利要求1所述的方法，还包括：
建立分布式供电系统的线损分摊模型，其线损分摊费用为其中，M是根据分布式供电系统的总成本费用；MS是用户支付的电费与发电企业收取的费用之间的交易盈余；Qi是用户i的有功功率需求。
5.如如权利要求4所述的方法，其中，
M S = P [ Σ K = 1 n Y K - Σ M = 1 n F M ] + P [ Σ K = 1 n ∂ L ∂ Y K Y k + Σ M = 1 n ∂ L ∂ F M F M ] + P [ Σ K = 1 n ∂ L ∂ Y K X K + Σ M = 1 n ∂ L ∂ F M X M ]
其中，P为电源供应点的有功功率价格；FM和XM分别是发电机接入母线M后产生的有功功率和无功功率；YK和XK分别是终端负荷母线K消耗的有功功率和无功功率；L是线损函数，其被假定为增长的凸函数且连续可微；n是指母线K或母线M的总数。
6.如权利要求4所述的方法，其中，M＝Mz+Ml+Mnl
其中，Mz、Ml和Mnl分别是分布式供电系统中与资本成本、线损成本和除去线损成本后的运营成本相关的费用。
7.如权利要求1所述的方法，其中，净现值的计算公式为:
其中，r是资金的时间价值，y代表在第y时刻，n是项目计算期；RDG(y)为分布式发电收益；CDG(y)为分布式发电成本；CBat(y)为分布式发电电池成本；RInc为分布式发电激励措施带来的收益。
8.一种分布式供电系统的部署装置，适于驻留在计算设备中，该装置包括：
模型建立单元，适于建立分布式供电系统的发电容量规划模型，其控制变量包括每个分布式电源的安装位置和发电容量，并以分布式供电系统的线损最小化和发电容量最大化为目标；
模型求解单元，适于采用预定算法对发电容量规划模型进行迭代求解，分别得到分布式电源的安装位置和发电容量的最优解，并将该最优解作为分布式供电系统的规划方案；以及
可行性分析单元，适于根据所述规划方案计算分布式供电系统的净现值，以对所述规划方案进行可行性分析，并根据分析结果调整所述规划方案。
9.一种计算设备，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求8所述的方法。
10.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求8所述的方法。
CN201710173699.5A 2017-03-22 2017-03-22 一种分布式供电系统的部署方法、装置和计算设备 Pending CN106886842A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710173699.5A CN106886842A (zh) 2017-03-22 2017-03-22 一种分布式供电系统的部署方法、装置和计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710173699.5A CN106886842A (zh) 2017-03-22 2017-03-22 一种分布式供电系统的部署方法、装置和计算设备

Publications (1)

Publication Number Publication Date
CN106886842A true CN106886842A (zh) 2017-06-23

Family

ID=59182223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710173699.5A Pending CN106886842A (zh) 2017-03-22 2017-03-22 一种分布式供电系统的部署方法、装置和计算设备

Country Status (1)

Country Link
CN (1) CN106886842A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107833101A (zh) * 2017-11-10 2018-03-23 国家电网公司西北分部 一种基于节点电价机制的可再生能源交易费用的计算方法
CN108322218A (zh) * 2017-11-27 2018-07-24 中科观世（北京）科技有限公司 基于信息分布模式的随机采样方法
CN108320085A (zh) * 2018-01-23 2018-07-24 太原理工大学 一种基于粒子群随机优化的分布式电源接纳能力评估方法
CN112072648A (zh) * 2020-08-28 2020-12-11 武汉大学 抑制间谐波谐振的电能质量治理装置最佳接入点判断方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107833101A (zh) * 2017-11-10 2018-03-23 国家电网公司西北分部 一种基于节点电价机制的可再生能源交易费用的计算方法
CN107833101B (zh) * 2017-11-10 2021-08-27 国家电网公司西北分部 一种基于节点电价机制的可再生能源交易费用的计算方法
CN108322218A (zh) * 2017-11-27 2018-07-24 中科观世（北京）科技有限公司 基于信息分布模式的随机采样方法
CN108322218B (zh) * 2017-11-27 2021-09-07 中科观世（北京）科技有限公司 基于信息分布模式的随机采样方法
CN108320085A (zh) * 2018-01-23 2018-07-24 太原理工大学 一种基于粒子群随机优化的分布式电源接纳能力评估方法
CN112072648A (zh) * 2020-08-28 2020-12-11 武汉大学 抑制间谐波谐振的电能质量治理装置最佳接入点判断方法

Similar Documents

Publication Publication Date Title
Han et al. Incentivizing prosumer coalitions with energy management using cooperative game theory
Papaefthymiou et al. Optimum sizing of wind-pumped-storage hybrid power stations in island systems
Zou et al. Electricity markets evolution with the changing generation mix: An empirical analysis based on China 2050 High Renewable Energy Penetration Roadmap
Johnson et al. Equity and efficiency of unit commitment in competitive electricity markets
Chen et al. Economic analysis and optimal energy management models for microgrid systems: A case study in Taiwan
Lund et al. Optimal operation strategies of compressed air energy storage (CAES) on electricity spot markets with fluctuating prices
Rathore et al. Impact of wind uncertainty, plug-in-electric vehicles and demand response program on transmission network expansion planning
Valenzuela et al. Modeling and simulation of consumer response to dynamic pricing with enabled technologies
Yi et al. Coordinated operation strategy for a virtual power plant with multiple DER aggregators
CN106886842A (zh) 一种分布式供电系统的部署方法、装置和计算设备
Gupta et al. Optimal location identification for aggregated charging of electric vehicles in solar photovoltaic powered microgrids with reduced distribution losses
Kazhamiaka et al. Practical strategies for storage operation in energy systems: design and evaluation
CN109829834A (zh) 一种储能系统配置方法、装置和存储介质
CN109272353A (zh) 计及综合需求响应不确定性的系统动态概率能流分析方法
CN114662319A (zh) 计及数据中心的主动配电网规划模型的构建方法
Veselov et al. Integrated modelling and information technology for strategic planning in the energy sector of Russia
CN113988714A (zh) 计及多重不确定性的园区综合能源系统动态规划方法、设备及介质
CN112966883A (zh) 综合能源系统运行优化方法及终端设备
CN115062831A (zh) 计及电力零售商和产消者的电价优化模型的构建方法
CN109191017A (zh) 一种综合能源系统的仿真方法、装置、设备及存储介质
Wang et al. A Stackelberg game-based approach to transaction optimization for distributed integrated energy system
Peng et al. Sequential coalition formation for wind-thermal combined bidding
CN105514988B (zh) 一种计及动态时空特征的微电网电源规划方案优选方法
Xing et al. Optimal coordinated energy management in active distribution system with battery energy storage and price-responsive demand
Wu et al. Low-carbon economic dispatch optimization of a virtual power plant based on deep reinforcement learning in China's carbon market environment

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20170623

RJ01 Rejection of invention patent application after publication