CN107301470B - 一种配电网扩展规划与光储选址定容的双层优化方法 - Google Patents

一种配电网扩展规划与光储选址定容的双层优化方法 Download PDF

Info

Publication number
CN107301470B
CN107301470B CN201710371769.8A CN201710371769A CN107301470B CN 107301470 B CN107301470 B CN 107301470B CN 201710371769 A CN201710371769 A CN 201710371769A CN 107301470 B CN107301470 B CN 107301470B
Authority
CN
China
Prior art keywords
distribution network
power
representing
cost
power distribution
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.)
Active
Application number
CN201710371769.8A
Other languages
English (en)
Other versions
CN107301470A (zh
Inventor
刘洪�
范博宇
唐翀
李腾
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN201710371769.8A priority Critical patent/CN107301470B/zh
Publication of CN107301470A publication Critical patent/CN107301470A/zh
Application granted granted Critical
Publication of CN107301470B publication Critical patent/CN107301470B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Coloring Foods And Improving Nutritive Qualities (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种配电网扩展规划与光储选址定容的双层优化方法：建立主动配电网扩展规划上层优化模型，包括：确立上层模型目标函数和确定上层模型约束条件；构建光储容量配置下层优化模型，包括：确定下层模型目标函数和下层的约束条件；双层模型的求解，包括：上层模型优化方法、下层模型优化方法和双层优化方法。本发明建立的以配网企业和用户为主体，以求取经济性成本最优为目标的双层优化模型，综合分析了光储系统接入和配电网的扩展规划对配网企业和用户的经济性影响，以年成本费用为目标函数的规划模型，可很好地评估配电网经济性。本发明的方法可以合理配置光储系统，从而有效降低用户的购电成本，增大光伏能源的就地消纳量，可有效降低配电系统网络损耗。

Description

一种配电网扩展规划与光储选址定容的双层优化方法
技术领域
本发明涉及一种配电网优化方法。特别是涉及一种配电网扩展规划与光储选址定容的双层优化方法。
背景技术
分布式发电是为了满足一些特殊用户的需求，支持已有配电网经济运行而设计和安装的在用户处或其附近的小型发电机组，或坐落在用户附近使负荷供电可靠性及电能质量都得到增强的发电形式。分布式电源一般位于配电网的终端用户附近，可为用户和电力输配电系统提供利益。分布式电源应对高峰期电力负荷比集中供电更加经济、有效，是集中供电有益的补充。同时，储能系统的合理配置可以有效减少光伏出力和弃风功率，增加可再生能源的消耗。光伏和储能对于配电网的潮流、电压等影响显著，而主动配电网的扩展规划对于提高光储的渗透率和综合利用率具有重要意义。
随着越来越多的分布式电源接入配电网，配电系统将发生根本性的变化。配电网络将变成一个遍布电源和用户互联的网络，配电系统的控制和运行将更加复杂，配电网络规划和运行将彻底改变且其影响程度与分布式电源的位置和容量息息相关。合理的安装位置及容量可有效改善配电网电压质量、减小有功损耗、提高系统负荷率，反之配置不合理甚至将威胁电网的安全稳定运行。且电网公司的经济效益与分布式电源和储能接入位置、容量密切相关。合理的选址定容规划可延缓电网线路等设备升级，从而降低电网公司投资成本，提高经济效益。
近年来，随着分布式电源的规划工作的深入进行，已有研究从不同角度建立了分布式电源和储能的优化配置模型，但没有与主动配电网的扩展规划相结合。同时，对从配网企业和 DG所有者角度考虑先后顺序决策的最优规划问题的研究相对较少。针对这些问题如何进行配电网扩展规划与光储选址定容的双层优化，成为讨论的焦点。
发明内容
本发明所要解决的技术问题是，提供一种能够很好地评估配电网经济性的配电网扩展规划与光储选址定容的双层优化方法。
本发明所采用的技术方案是：一种配电网扩展规划与光储选址定容的双层优化方法，包括如下步骤：
1)建立主动配电网扩展规划上层优化模型，包括：
(1)确立上层模型目标函数，针对配电网企业解决配电网规划以及光储的选址问题，考虑配电网企业总成本/收益最优的目标函数如下：
Figure DEST_PATH_GDA0001368175480000011
式中，
Figure DEST_PATH_GDA0001368175480000012
表示配电网企业的总成本/收益，当值为正时，表示配电网企业获得收益，值为负时，表示配电网企业亏损；
Figure DEST_PATH_GDA0001368175480000021
表示与用户交易所取得的收益，即配电网企业与用户进行电能交易的收益，若用户向配电网倒送功率，配电网企业向用户支付上网费用，若配电网向用户输送功率满足负荷需求，配电网企业从用户侧获取售电收益；
Figure DEST_PATH_GDA0001368175480000022
表示线路投资成本，即配电网企业在进行扩展规划的过程中新建线路和转供路径的投资成本，本发明中采用线路投资成本等年值进行计算；
Figure DEST_PATH_GDA0001368175480000023
表示网损成本，即配电网在运行过程中产生的网络损耗成本；
Figure DEST_PATH_GDA0001368175480000024
表示购电成本，即配电网企业向上级电网购置电能的购电成本，各项成本/收益的具体计算公式如下：
Figure DEST_PATH_GDA0001368175480000025
式中，ΨPV表示安装光储系统的节点集合，
Figure DEST_PATH_GDA0001368175480000026
表示节点i上的用户向电网购电的购电成本，
Figure DEST_PATH_GDA0001368175480000027
表示节点i上的用户向电网倒送功率所获取的收益；
Figure DEST_PATH_GDA0001368175480000028
式中，cnl表示投资建设单位长度线路的费用，
Figure DEST_PATH_GDA0001368175480000029
表示第k条待新建线路或转供路径的状态，
Figure DEST_PATH_GDA00013681754800000210
为1表示第k条待新建线路被选择新建，
Figure DEST_PATH_GDA00013681754800000211
为0表示未被选择新建，lk表示第k条待新建线路或转供路径的长度，Nb表示网络中待新建线路和转供路径的总数，r表示贴现率；
Figure DEST_PATH_GDA00013681754800000212
式中，closs表示单位网损电量的费用，
Figure DEST_PATH_GDA00013681754800000213
表示第d天第t小时的系统网损功率；
Figure DEST_PATH_GDA00013681754800000214
式中，cup表示配电网企业向上级电网购电的单位购电电价，
Figure DEST_PATH_GDA00013681754800000215
表示第i个节点第d 天第t小时的网供负荷功率，ΨLD表示节点集合；
(2)确定上层模型约束条件；
2)构建光储容量配置下层优化模型，包括：
(1)下层模型目标函数
考虑用户总成本/收益最优的目标函数如下：
Figure DEST_PATH_GDA00013681754800000216
Figure DEST_PATH_GDA00013681754800000217
其中，nPV表示安装光储系统的用户总数；
Figure DEST_PATH_GDA00013681754800000218
表示节点i上的用户的总成本/收益，
Figure DEST_PATH_GDA00013681754800000219
值为正时，表示用户获得收益，
Figure DEST_PATH_GDA00013681754800000220
值为负时，表示用户亏损；
Figure DEST_PATH_GDA00013681754800000221
表示光伏发电补贴；
Figure DEST_PATH_GDA00013681754800000222
表示设备安装成本；
Figure DEST_PATH_GDA00013681754800000223
表示设备置换成本；
Figure DEST_PATH_GDA00013681754800000224
表示设备维护成本；
Figure DEST_PATH_GDA00013681754800000225
表示电能交易成本；各项成本的具体计算公式如下：
Figure DEST_PATH_GDA00013681754800000226
式中，
Figure DEST_PATH_GDA00013681754800000227
表示节点i上的用户向电网购电的购电成本，
Figure DEST_PATH_GDA00013681754800000228
表示节点i上的用户向电网倒送功率所获取的收益；
Figure DEST_PATH_GDA0001368175480000031
式中，r表示贴现率，α表示设备残值占设备初值的百分比，Npv(i)表示光伏安装数，Ness(i)表示储能安装数，
Figure DEST_PATH_GDA0001368175480000032
表示单个光伏安置成本，
Figure DEST_PATH_GDA0001368175480000033
表示单个储能安置成本；
Figure DEST_PATH_GDA0001368175480000034
Rpv(i)表示整个工程周期内光伏的置换数，Ress(i)表示储能的置换数，Lpv表示光伏使用寿命， Less表示储能使用寿命，T表示工程周期；
Figure DEST_PATH_GDA0001368175480000035
Figure DEST_PATH_GDA0001368175480000036
Figure DEST_PATH_GDA0001368175480000037
表示单个光伏装置的维护成本，
Figure DEST_PATH_GDA0001368175480000038
表示单个储能装置的维护成本；
(2)确定下层的约束条件；
3)双层模型的求解，包括：
(1)上层模型优化方法
对上层模型的优化是采用二进制粒子群算法，选择上层模型的目标函数，即配电网企业的总成本/收益
Figure DEST_PATH_GDA0001368175480000039
作为粒子群优化的适应度值，具体编码方法如下：假定配电网络中有Nb条待新建的线路，Nt条转供路径，和Np个安装光伏及储能装置的负荷节点，则第u个粒子的位置和速度如下式所示：
Figure DEST_PATH_GDA00013681754800000310
其中，Xu表示全部粒子的集合，集合中的任一元素取值为0或者1，M表示粒子数量；
(2)下层模型优化方法
本发明采用完全信息环境下非合作Nash博弈理论构建的非合作Nash博弈模型中，各用户的决策变量为各自的光伏安装容量、储能安装容量以及节点处最大倒送功率，若在博弈中存在均衡点，则Nash博弈模型如下：
Figure DEST_PATH_GDA00013681754800000311
式中，
Figure DEST_PATH_GDA00013681754800000312
表示节点i上光伏安装数、储能安装数和最大倒送功率的均衡解值；
(3)双层优化流程
上层以配电网企业新建线路和光储系统的位置为决策变量，优化配电网企业线路投资成本和运营成本，下层以用户配置光储的容量为决策变量，优化用户光储投资成本和运营成本；下层将局部优化结果反馈上层，上层再进行整体优化，如此迭代反复，最后完成整个优化过程。
步骤1)第(2)步所述的约束条件包括：
(a)配电网络的潮流约束：
Figure DEST_PATH_GDA0001368175480000041
式中：Pi、Qi为节点i处有功、无功注入；Ui、Uj为节点i、j处电压幅值；Gij、Bij为支路ij的电导、电纳；θij为节点i、j间电压相角差；
(b)节点电压与潮流越限约束：
Uimin<Ui<Uimax (7)
Pj<Pjmax (8)
其中，Ui为第i个节点的节点电压，Uimin、Uimax为Ui上下限；Pj为第j条支路的传输功率，Pjmax表示Pj上限；
(c)环状结构消除约束：
Figure DEST_PATH_GDA0001368175480000042
其中，ΨLL表示环状结构所含支路集，ΨEL表示原有线路支路集，ΨNL表示待新建线路支路集，NLL表示支路集ΨLL中所含支路总数；
(d)馈线接线模式约束：
Figure DEST_PATH_GDA0001368175480000043
Figure DEST_PATH_GDA0001368175480000044
Figure DEST_PATH_GDA0001368175480000045
Figure DEST_PATH_GDA0001368175480000046
其中，
Figure DEST_PATH_GDA0001368175480000047
表示变电站q和变电站w间相连的支路集合，ΨEL表示原有线路支路集，ΨNL表示联络线集，
Figure DEST_PATH_GDA0001368175480000048
表示支路集合
Figure DEST_PATH_GDA0001368175480000049
中所含支路总数；
(e)围栏约束：
任何带有负荷的节点，及由该节点和邻近节点构成的集合，都有支路与大电网相连，即为围栏约束。
(f)线路负载率约束：
线路的负载率约束按照单联络供电模型来考虑，不得超过50％。
步骤2)第(2)步所述的约束条件包括：
(a)充放电功率约束
Figure DEST_PATH_GDA00013681754800000410
式中，uc,t为t时刻的充电标志位，即储能装置充电时为1，不充电时为0；ud,t为t时刻的放电标志位，即储能装置放电时为1，不放电时为0；
Figure DEST_PATH_GDA0001368175480000051
式中，pc,t表示t时刻的实际充电功率，pd,t表示t时刻的实际放电功率，pcmax表示最大充电功率，pd max表示最大放电功率；
(b)剩余容量约束
SOCminES≤ESOC,t≤SOCmaxES (22)
式中，ESOC,t表示t时刻的储能剩余容量，ES表示储能额定容量，SOCmin表示最小荷电状态，SOCmax表示最大荷电状态，其中，ESOC,t的具体推导公式如下：
Figure DEST_PATH_GDA0001368175480000052
式中，ηc表示储能装置的充电效率，ηd表示储能装置的放电效率，Δt表示储能装置的充放电时间间隔，本发明记为1h；
(c)始末容量约束
Figure DEST_PATH_GDA0001368175480000053
其中，TN表示一个完整的充放电周期时段数；
(d)倒送功率约束
Figure DEST_PATH_GDA0001368175480000054
其中，
Figure DEST_PATH_GDA0001368175480000055
为节点i上安装的光伏或储能装置向电网传输的倒送功率，Pgrid max(i)为倒送功率允许的最大值。
步骤3)第(2)步所述的博弈模型求解流程如下：
(a)设定均衡点初值，本发明在策略空间随机选定初值；
(b)各博弈参与者依次进行独立优化决策，各参与者根据上一轮优化结果，通过粒子群算法得到最优组合，具体如下：
假定博弈过程中进行了多轮优化，记第t-1轮的优化结果为
Figure DEST_PATH_GDA0001368175480000056
则计算求得第t轮的优化结果如下式所示：
Figure DEST_PATH_GDA0001368175480000057
(c)信息共享，将各用户最优配置策略进行信息共享，并判定最优组合是否满足约束条件，若满足约束条件，第(d)步，若不满足，则返回第(a)步；
(d)判断系统是否找到Nash均衡点，若各博弈参与者在相邻2轮得到的最优解相同，则在第t-1轮的优化结果
Figure DEST_PATH_GDA0001368175480000058
下博弈达到了Nash均衡点：
Figure DEST_PATH_GDA0001368175480000059
步骤3)第(3)步具体包括：
(a)上层编码：对待新建线路以及光伏储能的安装位置进行二进制编码，随机产生上层初始粒子群；
(b)更新上层初始粒子群，并作为基础参数输入下层开始优化；
(c)下层编码：对光伏和储能装置的安装个数进行整数编码，随机产生下层初始粒子群；
(d)更新下层粒子群，并作为博弈均衡点的初值输入至Nash博弈模型中；
(e)进行博弈求解，找到博弈均衡点并计算适应度值，更新下层目标函数的极值，若满足下层收敛条件，到第(f)步；若不满足下层收敛条件，返回第(b)步；
(f)根据下层优化结果计算上层目标函数适应度值，并更新上层粒子群的全局极值，若满足上层收敛条件，输出最优方案；若不满足上层收敛条件，返回第(d)步。
所述的下层收敛条件，是各博弈参与者在相邻两轮得到的最优解相同。
所述的上层收敛条件，是局部最优解与全局最优解之差的绝对值不超过设定的误差裕度。
本发明的一种配电网扩展规划与光储选址定容的双层优化方法，建立的以配网企业和用户为主体，以求取经济性成本最优为目标的双层优化模型，综合分析了光储系统接入和配电网的扩展规划对配网企业和用户的经济性影响，以年成本费用为目标函数的规划模型，可很好地评估配电网经济性。本发明的方法可以合理配置光储系统，从而有效降低用户的购电成本，并带来较为客观的收益，增大光伏能源的就地消纳量。同时，可有效降低配电系统网络损耗，延缓线路改造，降低常规能源的消耗。本发明通过优化配电网运营商和用户的总成本，实现光伏的完全利用。
附图说明
图1是本发明中双层优化流程图；
图2是规划区配电网络结构图；
图3a是光伏出力全年小时曲线图；
图3b是负荷功率全年小时曲线图；
图4是用户全年成本分析对比图；
图5a不考虑光伏和储能接入的配电网规划结果图；
图5b是考虑光伏和储能接入的配电网规划结果图。
具体实施方式
下面结合实施例和附图对本发明的一种配电网扩展规划与光储选址定容的双层优化方法做出详细说明。
本发明的一种配电网扩展规划与光储选址定容的双层优化方法，包括如下步骤：
1)建立主动配电网扩展规划上层优化模型，包括：
(1)确立上层模型目标函数，针对配电网企业解决配电网规划以及光储的选址问题，考虑配电网企业总成本/收益最优的目标函数如下：
Figure DEST_PATH_GDA0001368175480000061
式中，
Figure DEST_PATH_GDA0001368175480000071
表示配电网企业的总成本/收益，当值为正时，表示配电网企业获得收益，值为负时，表示配电网企业亏损；
Figure DEST_PATH_GDA0001368175480000072
表示与用户交易所取得的收益，即配电网企业与用户进行电能交易的收益，若用户向配电网倒送功率，配电网企业向用户支付上网费用，若配电网向用户输送功率满足负荷需求，配电网企业从用户侧获取售电收益；
Figure DEST_PATH_GDA0001368175480000073
表示线路投资成本，即配电网企业在进行扩展规划的过程中新建线路和转供路径的投资成本，本发明中采用线路投资成本等年值进行计算；
Figure DEST_PATH_GDA0001368175480000074
表示网损成本，即配电网在运行过程中产生的网络损耗成本；
Figure DEST_PATH_GDA0001368175480000075
表示购电成本，即配电网企业向上级电网购置电能的购电成本，各项成本/收益的具体计算公式如下：
Figure DEST_PATH_GDA0001368175480000076
式中，ΨPV表示安装光储系统的节点集合，
Figure DEST_PATH_GDA0001368175480000077
表示节点i上的用户向电网购电的购电成本，
Figure DEST_PATH_GDA0001368175480000078
表示节点i上的用户向电网倒送功率所获取的收益；
Figure DEST_PATH_GDA0001368175480000079
式中，cnl表示投资建设单位长度线路的费用，
Figure DEST_PATH_GDA00013681754800000710
表示第k条待新建线路或转供路径的状态，
Figure DEST_PATH_GDA00013681754800000711
为1表示第k条待新建线路被选择新建，
Figure DEST_PATH_GDA00013681754800000712
为0表示未被选择新建，lk表示第k条待新建线路或转供路径的长度，Nb表示网络中待新建线路和转供路径的总数，r表示贴现率；
Figure DEST_PATH_GDA00013681754800000713
式中，closs表示单位网损电量的费用，
Figure DEST_PATH_GDA00013681754800000714
表示第d天第t小时的系统网损功率；
Figure DEST_PATH_GDA00013681754800000715
式中，cup表示配电网企业向上级电网购电的单位购电电价，
Figure DEST_PATH_GDA00013681754800000716
表示第i个节点第d 天第t小时的网供负荷功率，ΨLD表示节点集合；
(2)确定上层模型约束条件；所述的约束条件包括：
(a)配电网络的潮流约束：
Figure DEST_PATH_GDA00013681754800000717
式中：Pi、Qi为节点i处有功、无功注入；Ui、Uj为节点i、j处电压幅值；Gij、Bij为支路ij的电导、电纳；θij为节点i、j间电压相角差；
(b)节点电压与潮流越限约束：
为维护配电网的安全运行，配电网中各节点电压和各支路潮流不可超出其约束范围，但该约束并不严格，允许短时间某种程度上的过电压和潮流越限，对于该问题可以用机会约束条件解决：
Uimin<Ui<Uimax (7)
Pj<Pjmax (8)
其中，Ui为第i个节点的节点电压，Uimin、Uimax为Ui上下限；Pj为第j条支路的传输功率，Pjmax表示Pj上限；
(c)环状结构消除约束：
配电线路在规划设计时需要满足“闭环设计、开环运行”的原则，因此，在进行配电网扩展规划的过程中，应避免出现环状供电结构，具体表达式如下：
Figure DEST_PATH_GDA0001368175480000081
其中，ΨLL表示环状结构所含支路集，ΨEL表示原有线路支路集，ΨNL表示待新建线路支路集，NLL表示支路集ΨLL中所含支路总数；
(d)馈线接线模式约束：
正常运行状态下，同一负荷节点仅允许由一台主变进行供电。同时，应满足每条10kV 馈线至少有一条转供路径与其他10kV馈线相连，且每两条10kV馈线之间最多有一条转供路径，具体表达式如下：
Figure DEST_PATH_GDA0001368175480000082
Figure DEST_PATH_GDA0001368175480000083
Figure DEST_PATH_GDA0001368175480000084
Figure DEST_PATH_GDA0001368175480000085
其中，
Figure DEST_PATH_GDA0001368175480000086
表示变电站q和变电站w间相连的支路集合，ΨEL表示原有线路支路集，ΨNL表示联络线集，
Figure DEST_PATH_GDA0001368175480000087
表示支路集合
Figure DEST_PATH_GDA0001368175480000088
中所含支路总数；
(e)围栏约束：
任何带有负荷的节点，及由该节点和邻近节点构成的集合，都有支路与大电网相连，即为围栏约束。
(f)线路负载率约束：
线路的负载率约束按照单联络供电模型来考虑，不得超过50％。
2)构建光储容量配置下层优化模型
光伏发电具有一定的不确定性，其发电方式非恒功率发电，当前较多文献研究通过构建光伏发电的概率模型来反映光伏发电的不确定性。但是考虑到光伏发电具有较强的时序特性和季节特性，采用单一的概率模型无法完整体现光伏发电的时序特性，选用典型场景下光伏发电的时序出力模型更为适合。
同时，本发明的研究重点在于考虑峰谷电价的前提下，光伏、储能以及负荷之间相互匹配的特性，由于储能的充放电过程与负荷功率也存在一定的不确定性，采用概率模型将大大增加求解难度。因此，本发明通过选用典型场景的方法，计算全年365个场景下，考虑光伏发电时序出力模型和负荷功率时序模型的目标函数值。
构建光储容量配置下层优化模型，包括：
(1)下层模型目标函数
配电公司确定安装光伏和储能的位置之后，用户投资光伏和储能，光伏和储能的投资和维护费用由用户承担。考虑用户总成本/收益最优的目标函数如下：
Figure DEST_PATH_GDA0001368175480000091
Figure DEST_PATH_GDA0001368175480000092
其中，nPV表示安装光储系统的用户总数；
Figure DEST_PATH_GDA0001368175480000093
表示节点i上的用户的总成本/收益，
Figure DEST_PATH_GDA0001368175480000094
值为正时，表示用户获得收益，
Figure DEST_PATH_GDA0001368175480000095
值为负时，表示用户亏损；
Figure DEST_PATH_GDA0001368175480000096
表示光伏发电补贴，为鼓励用户安装光伏，政府通常会根据光伏发电量进行政策性补贴；
Figure DEST_PATH_GDA0001368175480000097
表示设备安装成本，即安装光伏和储能装置的成本费用，本发明中采用等年值进行计算，认为光伏和储能完全对应；
Figure DEST_PATH_GDA0001368175480000098
表示设备置换成本，考虑到光伏与储能装置具有使用寿命，当达到使用寿命的终期时，需要及时进行置换，光伏或储能装置在整个投资周期内进行置换所花费的成本，记为设备置换成本，本发明采用等年值进行计算；
Figure DEST_PATH_GDA0001368175480000099
表示设备维护成本，即设备运行过程中所需维护的成本费用；
Figure DEST_PATH_GDA00013681754800000910
表示电能交易成本，当光储系统无法完全满足用户的用电需求时，用户需要通过向电网支付购电费用获取所需电量；当光储系统具有富余电量时，用户可将富余电量反送电网获取收益。各项成本的具体计算公式如下：
Figure DEST_PATH_GDA00013681754800000911
式中，
Figure DEST_PATH_GDA00013681754800000912
表示节点i上的用户向电网购电的购电成本，
Figure DEST_PATH_GDA00013681754800000913
表示节点i上的用户向电网倒送功率所获取的收益；
Figure DEST_PATH_GDA00013681754800000914
式中，r表示贴现率，α表示设备残值占设备初值的百分比，Npv(i)表示光伏安装数，Ness(i)表示储能安装数，
Figure DEST_PATH_GDA00013681754800000915
表示单个光伏安置成本，
Figure DEST_PATH_GDA00013681754800000916
表示单个储能安置成本；
Figure DEST_PATH_GDA00013681754800000917
Rpv(i)表示整个工程周期内光伏的置换数，Ress(i)表示储能的置换数，Lpv表示光伏使用寿命， Less表示储能使用寿命，T表示工程周期；
Figure DEST_PATH_GDA00013681754800000918
Figure DEST_PATH_GDA00013681754800000919
Figure DEST_PATH_GDA00013681754800000920
表示单个光伏装置的维护成本，
Figure DEST_PATH_GDA00013681754800000921
表示单个储能装置的维护成本；
(2)确定下层的约束条件；在储能的运行过程中，通常要考虑的约束条件主要包括充放电功率约束、剩余容量约束以及始末容量约束。所述的约束条件包括：
(a)充放电功率约束
Figure DEST_PATH_GDA00013681754800000922
式中，uc,t为t时刻的充电标志位，即储能装置充电时为1，不充电时为0；ud,t为t时刻的放电标志位，即储能装置放电时为1，不放电时为0；
Figure DEST_PATH_GDA0001368175480000101
式中，pc,t表示t时刻的实际充电功率，pd,t表示t时刻的实际放电功率，pcmax表示最大充电功率，pdmax表示最大放电功率；
(b)剩余容量约束
储能装置的寿命一般与充放电深度相关，过冲过放都会增加储能装置的寿命损耗，所以需要对t时刻储能装置的剩余容量以及荷电状态进行约束：
SOCminES≤ESOC,t≤SOCmaxES (22)
式中，ESOC,t表示t时刻的储能剩余容量，ES表示储能额定容量，SOCmin表示最小荷电状态，SOCmax表示最大荷电状态，其中，ESOC,t的具体推导公式如下：
Figure DEST_PATH_GDA0001368175480000102
式中，ηc表示储能装置的充电效率，ηd表示储能装置的放电效率，Δt表示储能装置的充放电时间间隔，本发明记为1h；
(c)始末容量约束
一个完整的充电周期内，需保证储能装置的起始时刻剩余电量与终止时刻的剩余电量相等，即在一个周期内，储能充电电量与储能放电电量需一致。
Figure DEST_PATH_GDA0001368175480000103
其中，TN表示一个完整的充放电周期时段数；
(d)倒送功率约束
光储倒送功率过大会对电网的稳定性与经济性造成不利影响，故需对微电网的倒送功率有所限制。
Figure DEST_PATH_GDA0001368175480000104
其中，
Figure DEST_PATH_GDA0001368175480000105
为节点i上安装的光伏或储能装置向电网传输的倒送功率，Pgrid max(i)为倒送功率允许的最大值。
3)双层模型的求解，包括：
(1)上层模型优化方法
对上层模型的优化是采用二进制粒子群算法，选择上层模型的目标函数，即配电网企业的总成本/收益
Figure DEST_PATH_GDA0001368175480000106
作为粒子群优化的适应度值，具体编码方法如下：假定配电网络中有Nb条待新建的线路，Nt条转供路径，和Np个安装光伏及储能装置的负荷节点，则第u个粒子的位置和速度如下式所示：
Figure DEST_PATH_GDA0001368175480000111
其中，Xu表示全部粒子的集合，集合中的任一元素取值为0或者1，M表示粒子数量；
(2)下层模型优化方法
当通过上层模型确定了光伏储能装置的安装节点以及网架结构之后，下层模型根据节点处光伏出力与负荷功率的差额大小及储能运行策略，计算求取用户的总成本，由于配电网存在潮流约束和倒送功率约束，用户对自身光储容量优化配置的同时，还需考虑其他用户的配置策略，因此，不同节点处的用户利益间相互制约。本发明采用完全信息环境下非合作Nash 博弈理论，研究不同决策主体(安装光储设备的各个用户)在上层模型给定信息的条件下如何配置自身设备容量以实现自身利益最大化。
本发明采用完全信息环境下非合作Nash博弈理论构建的非合作Nash博弈模型中，各用户的决策变量为各自的光伏安装容量、储能安装容量以及节点处最大倒送功率，若在博弈中存在均衡点，则Nash博弈模型如下：
Figure DEST_PATH_GDA0001368175480000112
式中，
Figure DEST_PATH_GDA0001368175480000113
表示节点i上光伏安装数、储能安装数和最大倒送功率的均衡解值；
所述的博弈模型求解流程如下：
(a)设定均衡点初值，本发明在策略空间随机选定初值；
(b)各博弈参与者依次进行独立优化决策，各参与者根据上一轮优化结果，通过粒子群算法得到最优组合，具体如下：
假定博弈过程中进行了多轮优化，记第t-1轮的优化结果为
Figure DEST_PATH_GDA0001368175480000114
则计算求得第t轮的优化结果如下式所示：
Figure DEST_PATH_GDA0001368175480000115
(c)信息共享，将各用户最优配置策略进行信息共享，并判定最优组合是否满足约束条件，若满足约束条件，第(d)步，若不满足，则返回第(a)步；
(d)判断系统是否找到Nash均衡点，若各博弈参与者在相邻2轮得到的最优解相同，则在第t-1轮的优化结果
Figure DEST_PATH_GDA0001368175480000116
下博弈达到了Nash均衡点：
Figure DEST_PATH_GDA0001368175480000117
(3)双层优化流程
本发明没有将不同主体的利益直接加和或处理为多目标问题，而是通过双层优化的方法使不同主体之间达到利益均衡。上层以配电网企业新建线路和光储系统的位置为决策变量，优化配电网企业线路投资成本和运营成本，下层以用户配置光储的容量为决策变量，优化用户光储投资成本和运营成本；下层将局部优化结果反馈上层，上层再进行整体优化，如此迭代反复，最后完成整个优化过程。具体包括：
(a)上层编码：对待新建线路以及光伏储能的安装位置进行二进制编码，随机产生上层初始粒子群；
(b)更新上层初始粒子群，并作为基础参数输入下层开始优化；
(c)下层编码：对光伏和储能装置的安装个数进行整数编码，随机产生下层初始粒子群；
(d)更新下层粒子群，并作为博弈均衡点的初值输入至Nash博弈模型中；
(e)进行博弈求解，找到博弈均衡点并计算适应度值，更新下层目标函数的极值，若满足下层收敛条件，到第(f)步；若不满足下层收敛条件，返回第(b)步，所述的下层收敛条件，是各博弈参与者在相邻两轮得到的最优解相同；
(f)根据下层优化结果计算上层目标函数适应度值，并更新上层粒子群的全局极值，若满足上层收敛条件，输出最优方案；若不满足上层收敛条件，返回第(d)步，所述的上层收敛条件，是局部最优解与全局最优解之差的绝对值不超过设定的误差裕度。
本发明实例是以某地区的实际配电网结构作为算例，规划区配电网网络结构如附图2所示，包含3个35/10kV变电站，容量均为2×16MVA，包含3个电源节点(节点1、节点14和节点21)和57个负荷节点。
其中，节点44-60为新增负荷节点，节点25-50均可安装光伏及储能装置，实线代表已建馈线线路，虚线代表待新建馈线线路。单位长度的线路阻抗假定为0.025+0.0006iΩ/km。各条馈线的线路长度等于位于该馈线上的两节点之间的直线距离。
本算例中，峰时用电时段为10:00-14:00以及18:00-21:00，谷时用电时段为00:00-9:00、 15:00-17:00以及22:00-23:00。优化算法的种群数量为20，迭代次数为200。其他参数详见表 1至3。光伏出力和负荷功率全年小时数据选用某地的实测数据，并对其标幺化，详见图3a 和图3b。
表1 基本参数
参数名称 参数大小
光伏安装成本 8000元/kW
储能安装成本 1000元/个
光伏维护成本 20元/kW
储能维护成本 5元/个
光伏装置使用寿命 25a
储能装置使用寿命 10a
贴现率 3％
残值率 5％
工程周期 20a
线路建设成本 15万元/km
表2 储能参数
参数名称 参数大小
单体容量 2V/1000Ah
最大充电速率 100Ah
最大放电速率 150Ah
充电效率 0.86
放电效率 0.86
最大荷电状态 0.9
表3 价格参数
参数名称 参数大小
峰时电价 0.8元/kWh
谷时电价 0.35元/kWh
上网电价 0.4元/kWh
主网购电电价 0.33元/kWh
网损费用 0.4元/kWh
光伏发电补贴 0.42元/kWh
考虑30节点处，当最大反送功率改变时，光伏安装容量与用户总成本的函数关系曲线以及储能安装容量与用户总成本的函数关系曲线的变化情况，如附图4所示。图4表明，接入光储系统前，用户的全年日交易成本皆为正值，即用户需要全部从配网企业购取电能，同时，在180d附近取得峰值成本，说明该地夏季为全年用电高峰；接入光储系统后，用户的全年日交易成本曲线整体上移，并开始产生正值，且于180d附近取得谷值成本，说明该地夏季的光伏资源较为充裕，可以有效缓解用户的高负荷用电。
分别考虑两种不同方案下的配电网络规划结果。方案1为不引入光伏和储能的规划方案；方案2为引入光伏和储能的规划方案。两种规划方案的结果如附图5a和图5b所示。图中，加粗实线表示新建线路，实心节点表示安装光伏储能装置的节点。
两种方案下的配网企业最优成本分解详见表4。光储选址定容的具体规划结果在表5中给出。
表4 不同方案下配网企业成本
Figure DEST_PATH_GDA0001368175480000131
表5 光储选址定容规划结果
Figure DEST_PATH_GDA0001368175480000132
Figure DEST_PATH_GDA0001368175480000141
从表4可以看出，配网企业的购电成本和电能交易成本占比较大，接入光储系统后，配网企业的网损成本减少了64.7％，向上级购电成本减少了40.9％，而电能交易成本则增加了 40.1％，这主要是因为光储接入后，减少了网供负荷的大小，降低了系统中的线路传输功率和网损功率，致使网损成本和向上级购电成本减少。同时配网企业向用户获取的购电收益也随之减少，并需要额外向用户支付上网费用，造成配网企业的交易成本升高。

Claims (7)

1.一种配电网扩展规划与光储选址定容的双层优化方法，其特征在于，包括如下步骤：
1)建立主动配电网扩展规划上层优化模型，包括：
(1)确立上层模型目标函数，针对配电网企业解决配电网规划以及光储的选址问题，考虑配电网企业总成本/收益最优的目标函数如下：
Figure FDA0002721862280000011
式中，
Figure FDA0002721862280000012
表示配电网企业的总成本/收益，当值为正时，表示配电网企业获得收益，值为负时，表示配电网企业亏损；
Figure FDA0002721862280000013
表示与用户交易所取得的收益，即配电网企业与用户进行电能交易的收益，若用户向配电网倒送功率，配电网企业向用户支付上网费用，若配电网向用户输送功率满足负荷需求，配电网企业从用户侧获取售电收益；
Figure FDA0002721862280000014
表示线路投资成本，即配电网企业在进行扩展规划的过程中新建线路和转供路径的投资成本，采用线路投资成本等年值进行计算；
Figure FDA0002721862280000015
表示网损成本，即配电网在运行过程中产生的网络损耗成本；
Figure FDA0002721862280000016
表示购电成本，即配电网企业向上级电网购置电能的购电成本，各项成本/收益的具体计算公式如下：
Figure FDA0002721862280000017
式中，ΨPV表示安装光储系统的节点集合，
Figure FDA0002721862280000018
表示节点i上的用户向电网购电的购电成本，
Figure FDA0002721862280000019
表示节点i上的用户向电网倒送功率所获取的收益；
Figure FDA00027218622800000110
式中，cnl表示投资建设单位长度线路的费用，
Figure FDA00027218622800000111
表示第k条待新建线路或转供路径的状态，
Figure FDA00027218622800000112
为1表示第k条待新建线路被选择新建，
Figure FDA00027218622800000113
为0表示未被选择新建，lk表示第k条待新建线路或转供路径的长度，Nb表示网络中待新建线路和转供路径的总数，r表示贴现率；
Figure FDA00027218622800000114
式中，closs表示单位网损电量的费用，
Figure FDA00027218622800000115
表示第d天第t小时的系统网损功率；
Figure FDA00027218622800000116
式中，cup表示配电网企业向上级电网购电的单位购电电价，
Figure FDA00027218622800000117
表示第i个节点第d天第t小时的网供负荷功率，ΨLD表示节点集合；
(2)确定上层模型约束条件；
2)构建光储容量配置下层优化模型，包括：
(1)下层模型目标函数
考虑用户总成本/收益最优的目标函数如下：
Figure FDA0002721862280000021
Figure FDA0002721862280000022
其中，nPV表示安装光储系统的用户总数；
Figure FDA0002721862280000023
表示节点i上的用户的总成本/收益，
Figure FDA0002721862280000024
值为正时，表示用户获得收益，
Figure FDA0002721862280000025
值为负时，表示用户亏损；
Figure FDA0002721862280000026
表示光伏发电补贴；
Figure FDA0002721862280000027
表示设备安装成本；
Figure FDA0002721862280000028
表示设备置换成本；
Figure FDA0002721862280000029
表示设备维护成本；
Figure FDA00027218622800000210
表示电能交易成本；各项成本的具体计算公式如下：
Figure FDA00027218622800000211
式中，
Figure FDA00027218622800000212
表示节点i上的用户向电网购电的购电成本，
Figure FDA00027218622800000213
表示节点i上的用户向电网倒送功率所获取的收益；
Figure FDA00027218622800000214
式中，r表示贴现率，α表示设备残值占设备初值的百分比，Npv(i)表示光伏安装数，Ness(i)表示储能安装数，
Figure FDA00027218622800000215
表示单个光伏安置成本，
Figure FDA00027218622800000216
表示单个储能安置成本；
Figure FDA00027218622800000217
Rpv(i)表示整个工程周期内光伏的置换数，Ress(i)表示储能的置换数，Lpv表示光伏使用寿命，Less表示储能使用寿命，T表示工程周期；
Figure FDA00027218622800000218
Figure FDA00027218622800000219
Figure FDA00027218622800000220
表示单个光伏装置的维护成本，
Figure FDA00027218622800000221
表示单个储能装置的维护成本；
(2)确定下层的约束条件；
3)双层模型的求解，包括：
(1)上层模型优化方法
对上层模型的优化是采用二进制粒子群算法，选择上层模型的目标函数，即配电网企业的总成本/收益
Figure FDA00027218622800000222
作为粒子群优化的适应度值，具体编码方法如下：假定配电网络中有Nb条待新建的线路，Nt条转供路径，和Np个安装光伏及储能装置的负荷节点，则第u个粒子的位置和速度如下式所示：
Figure FDA00027218622800000223
其中，Xu表示全部粒子的集合，集合中的任一元素取值为0或者1，M表示粒子数量；
(2)下层模型优化方法
采用完全信息环境下非合作Nash博弈理论构建的非合作Nash博弈模型中，各用户的决策变量为各自的光伏安装容量、储能安装容量以及节点处最大倒送功率，若在博弈中存在均衡点，则Nash博弈模型如下：
Figure FDA0002721862280000031
式中，
Figure FDA0002721862280000032
表示节点i上光伏安装数、储能安装数和最大倒送功率的均衡解值；Pgrid max(i)表示节点i最大倒送功率；
(3)双层优化流程
上层以配电网企业新建线路和光储系统的位置为决策变量，优化配电网企业线路投资成本和运营成本，下层以用户配置光储的容量为决策变量，优化用户光储投资成本和运营成本；下层将局部优化结果反馈上层，上层再进行整体优化，如此迭代反复，最后完成整个优化过程。
2.根据权利要求1所述的一种配电网扩展规划与光储选址定容的双层优化方法，其特征在于，步骤1)第(2)步所述的约束条件包括：
(a)配电网络的潮流约束：
Figure FDA0002721862280000033
式中：Pi、Qi为节点i处有功、无功注入；Ui、Uj为节点i、j处电压幅值；Gij、Bij为支路ij的电导、电纳；θij为节点i、j间电压相角差；
(b)节点电压与潮流越限约束：
Uimin＜Ui＜Uimax (7)
Pj＜Pjmax (8)
其中，Ui为第i个节点的节点电压，Uimin、Uimax为Ui上下限；Pj为第j条支路的传输功率，Pjmax表示Pj上限；
(c)环状结构消除约束：
Figure FDA0002721862280000034
其中，ΨLL表示环状结构所含支路集，ΨEL表示原有线路支路集，ΨNL表示待新建线路支路集，NLL表示支路集ΨLL中所含支路总数；
(d)馈线接线模式约束：
Figure FDA0002721862280000035
Figure FDA0002721862280000036
Figure FDA0002721862280000037
Figure FDA0002721862280000041
其中，
Figure FDA0002721862280000042
表示变电站q和变电站w间相连的支路集合，ΨEL表示原有线路支路集，ΨNL表示联络线集，
Figure FDA0002721862280000043
表示支路集合
Figure FDA0002721862280000044
中所含支路总数；
(e)围栏约束：
任何带有负荷的节点，及由该节点和邻近节点构成的集合，都有支路与大电网相连，即为围栏约束；
(f)线路负载率约束：
线路的负载率约束按照单联络供电模型来考虑，不得超过50％。
3.根据权利要求1所述的一种配电网扩展规划与光储选址定容的双层优化方法，其特征在于，步骤2)第(2)步所述的约束条件包括：
(a)充放电功率约束
Figure FDA0002721862280000045
式中，uc,t为t时刻的充电标志位，即储能装置充电时为1，不充电时为0；ud,t为t时刻的放电标志位，即储能装置放电时为1，不放电时为0；
Figure FDA0002721862280000046
式中，pc,t表示t时刻的实际充电功率，pd,t表示t时刻的实际放电功率，pcmax表示最大充电功率，pdmax表示最大放电功率；
(b)剩余容量约束
SOCminES≤ESOC,t≤SOCmaxES (22)
式中，ESOC,t表示t时刻的储能剩余容量，ES表示储能额定容量，SOCmin表示最小荷电状态，SOCmax表示最大荷电状态，其中，ESOC,t的具体推导公式如下：
Figure FDA0002721862280000047
式中，ηc表示储能装置的充电效率，ηd表示储能装置的放电效率，Δt表示储能装置的充放电时间间隔，取1h；
(c)始末容量约束
Figure FDA0002721862280000048
其中，TN表示一个完整的充放电周期时段数；
(d)倒送功率约束
Figure FDA0002721862280000049
其中，
Figure FDA00027218622800000410
为节点i上安装的光伏或储能装置向电网传输的倒送功率，Pgridmax(i)为倒送功率允许的最大值。
4.根据权利要求1所述的一种配电网扩展规划与光储选址定容的双层优化方法，其特征在于，步骤3)第(2)步所述的Nash博弈模型求解流程如下：
(a)设定均衡点初值，在策略空间随机选定初值；
(b)各博弈参与者依次进行独立优化决策，各参与者根据上一轮优化结果，通过粒子群算法得到最优组合，具体如下：
假定博弈过程中进行了多轮优化，记第t-1轮的优化结果为
Figure FDA0002721862280000051
则计算求得第t轮的优化结果如下式所示：
Figure FDA0002721862280000052
其中，Pgrid max(i)为节点i最大倒送功率；
(c)信息共享，将各用户最优配置策略进行信息共享，并判定最优组合是否满足约束条件，若满足约束条件，第(d)步，若不满足，则返回第(a)步；
(d)判断系统是否找到Nash均衡点，若各博弈参与者在相邻2轮得到的最优解相同，则在第t-1轮的优化结果
Figure FDA0002721862280000053
下博弈达到了Nash均衡点：
Figure FDA0002721862280000054
5.根据权利要求1所述的一种配电网扩展规划与光储选址定容的双层优化方法，其特征在于，步骤3)第(3)步具体包括：
(a)上层编码：对待新建线路以及光伏储能的安装位置进行二进制编码，随机产生上层初始粒子群；
(b)更新上层初始粒子群，并作为基础参数输入下层开始优化；
(c)下层编码：对光伏和储能装置的安装个数进行整数编码，随机产生下层初始粒子群；
(d)更新下层粒子群，并作为博弈均衡点的初值输入至Nash博弈模型中；
(e)进行博弈求解，找到博弈均衡点并计算适应度值，更新下层目标函数的极值，若满足下层收敛条件，到第(f)步；若不满足下层收敛条件，返回第(b)步；
(f)根据下层优化结果计算上层目标函数适应度值，并更新上层粒子群的全局极值，若满足上层收敛条件，输出最优方案；若不满足上层收敛条件，返回第(d)步。
6.根据权利要求5所述的一种配电网扩展规划与光储选址定容的双层优化方法，其特征在于，所述的下层收敛条件，是各博弈参与者在相邻两轮得到的最优解相同。
7.根据权利要求5所述的一种配电网扩展规划与光储选址定容的双层优化方法，其特征在于，所述的上层收敛条件，是局部最优解与全局最优解之差的绝对值不超过设定的误差裕度。
CN201710371769.8A 2017-05-24 2017-05-24 一种配电网扩展规划与光储选址定容的双层优化方法 Active CN107301470B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710371769.8A CN107301470B (zh) 2017-05-24 2017-05-24 一种配电网扩展规划与光储选址定容的双层优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710371769.8A CN107301470B (zh) 2017-05-24 2017-05-24 一种配电网扩展规划与光储选址定容的双层优化方法

Publications (2)

Publication Number Publication Date
CN107301470A CN107301470A (zh) 2017-10-27
CN107301470B true CN107301470B (zh) 2020-12-01

Family

ID=60137174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710371769.8A Active CN107301470B (zh) 2017-05-24 2017-05-24 一种配电网扩展规划与光储选址定容的双层优化方法

Country Status (1)

Country Link
CN (1) CN107301470B (zh)

Families Citing this family (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944686A (zh) * 2017-11-17 2018-04-20 国网新疆电力有限公司 考虑电网输送风电适应性的网架扩展方法
CN108134385A (zh) * 2018-01-02 2018-06-08 国网冀北电力有限公司秦皇岛供电公司 主动配电网规划方法以及装置
CN110059840B (zh) * 2018-01-18 2024-04-19 中国电力科学研究院有限公司 一种受端电网中电池储能系统选址方法及系统
CN108470239B (zh) * 2018-03-01 2020-09-04 国网福建省电力有限公司 计及需求侧管理和储能的主动配电网多目标分层规划方法
CN108599235B (zh) * 2018-04-20 2021-03-09 国网湖北省电力有限公司宜昌供电公司 一种分布式光伏入网的定容方法
CN108711878B (zh) * 2018-05-03 2021-07-06 天津大学 考虑出力特性的光伏电站多类型组件容量配置方法
CN108830479A (zh) * 2018-06-12 2018-11-16 清华大学 一种计及电网全成本链的主配协同规划方法
CN108711860B (zh) * 2018-06-13 2020-12-01 国网山东省电力公司经济技术研究院 一种基于并行计算的配电网变电站-线路联合规划方法
CN108695868B (zh) * 2018-06-26 2021-10-01 上海交通大学 基于电力电子变压器的配电网储能选址定容方法
CN108985502B (zh) * 2018-07-02 2022-02-15 国网江西省电力有限公司经济技术研究院 基于两层电能替代规划模型的规划方法及算法框架
CN109034563B (zh) * 2018-07-09 2020-06-23 国家电网有限公司 一种多主体博弈的增量配电网源网荷协同规划方法
CN109193754B (zh) * 2018-09-03 2021-10-19 国网江西省电力有限公司电力科学研究院 一种分布式光伏规划方法及系统
CN109492815B (zh) * 2018-11-15 2021-05-11 郑州大学 一种市场机制下面向电网的储能电站选址定容优化方法
CN109327046A (zh) * 2018-11-15 2019-02-12 国网江苏省电力有限公司经济技术研究院 考虑多主体的分布式电源最优接入位置与容量规划方法
CN109670981B (zh) * 2018-11-30 2022-12-13 国网江西省电力有限公司经济技术研究院 基于利益均衡及规划运行交替优化的主动配电网规划方法
CN109546683B (zh) * 2018-12-12 2022-06-14 国网江苏省电力有限公司电力科学研究院 一种配电网节点分布式光伏接纳能力裕度优化方法
CN111369032B (zh) * 2018-12-25 2022-12-09 华中科技大学 一种扶贫光伏布点定容方法
CN109787259B (zh) * 2019-01-23 2020-10-27 西安交通大学 一种基于新能源随机波动的多类型储能联合规划方法
CN109948849B (zh) * 2019-03-19 2022-12-06 国网福建省电力有限公司 一种计及储能接入的配电网网架规划方法
CN110034571A (zh) * 2019-03-21 2019-07-19 国网浙江省电力有限公司经济技术研究院 一种考虑可再生能源出力的分布式储能选址定容方法
CN109978408B (zh) * 2019-04-09 2022-09-20 南方电网科学研究院有限责任公司 综合能源系统规划运行联合优化方法、装置、设备及介质
CN110245799B (zh) * 2019-06-18 2023-04-07 国网江西省电力有限公司经济技术研究院 考虑负荷柔性需求的配电网架结构过渡的多目标规划方法
CN111027807B (zh) * 2019-11-12 2024-02-06 国网河北省电力有限公司经济技术研究院 一种基于潮流线性化的分布式发电选址定容方法
CN112884187A (zh) * 2019-11-29 2021-06-01 国网天津市电力公司 一种含光储配电网的网架结构优化方法
CN111342461B (zh) * 2020-03-30 2022-08-05 国网福建省电力有限公司 一种考虑网架动态重构的配电网优化调度方法及系统
CN111490554B (zh) * 2020-04-16 2023-07-04 国网江苏省电力有限公司淮安供电分公司 分布式光伏-储能系统多目标优化配置方法
CN111626594B (zh) * 2020-05-21 2023-05-09 国网上海市电力公司 一种多种需求侧资源协同的配电网扩展规划方法
CN111626633B (zh) * 2020-06-04 2023-10-03 南京工程学院 基于综合评价指标的自储能柔性互联配电网扩展规划方法
CN111864742B (zh) * 2020-07-29 2021-10-08 国网河北省电力有限公司经济技术研究院 一种主动配电系统扩展规划方法、装置及终端设备
CN112103941B (zh) * 2020-08-11 2023-09-01 云南电网有限责任公司 考虑电网灵活性的储能配置双层优化方法
CN112149875A (zh) * 2020-08-27 2020-12-29 国网能源研究院有限公司 一种主动配电网分布式储能系统优化配置方法及装置
CN112329991B (zh) * 2020-10-21 2021-06-15 南京电力设计研究院有限公司 基于资源共享的地铁供电系统双层规划模型构建方法
CN112380694B (zh) * 2020-11-13 2022-10-18 华北电力大学（保定） 一种基于差异化可靠性需求的配电网优化规划方法
CN112529251B (zh) * 2020-11-16 2022-04-05 广西大学 一种天然气发电机组选址定容优化规划方法及系统
CN112653195B (zh) * 2020-11-27 2022-10-14 国网甘肃省电力公司经济技术研究院 一种并网型微电网鲁棒优化容量配置方法
CN112330228B (zh) * 2020-12-02 2023-01-24 国网山东省电力公司经济技术研究院 一种配电网双层适应性扩展规划方法和系统
CN112712199B (zh) * 2020-12-25 2023-01-10 杭州鸿晟电力设计咨询有限公司 基于激励的需求响应下综合能源系统元件选址定容方法
CN113541127B (zh) * 2021-06-18 2023-04-07 国网湖北省电力有限公司电力科学研究院 一种有源配电网中广义储能系统分布式配置方法
CN113364051B (zh) * 2021-06-22 2023-01-17 国网山东省电力公司经济技术研究院 考虑海上风电接入的多电源系统容量配置调度方法及装置
CN113394777A (zh) * 2021-07-07 2021-09-14 国网天津市电力公司 基于配电网运行与用户侧能源系统需求响应协同优化方法
CN113780722B (zh) * 2021-07-30 2022-12-16 广东电网有限责任公司广州供电局 配电网的联合规划方法、装置、计算机设备和存储介质
CN114142460B (zh) * 2021-11-17 2024-03-15 浙江华云电力工程设计咨询有限公司 综合能源系统中储能双层目标优化配置方法及终端
CN115395547B (zh) * 2022-08-31 2024-05-07 国网河南省电力公司南阳供电公司 基于整县光伏推进下的灵活储能系统优化配置方法
CN115545465B (zh) * 2022-09-30 2024-07-05 国网山东省电力公司潍坊供电公司 一种分布式光伏和储能的多目标联合规划方法及系统
CN115841217B (zh) * 2022-09-30 2023-10-24 四川大学 计及逆变器无功支撑能力的主动配电网双层优化配置方法
CN115564142B (zh) * 2022-11-03 2023-06-02 国网山东省电力公司经济技术研究院 一种混合储能系统的选址定容优化方法及系统
CN116342197B (zh) * 2023-01-05 2023-11-14 上海朗晖慧科技术有限公司 一种结合地理位置信息的实时价格方案生成方法
CN116029532B (zh) * 2023-02-23 2023-07-14 国网江西省电力有限公司经济技术研究院 一种面向配电网承载力提升的储能规划方法
CN118228868A (zh) * 2024-03-22 2024-06-21 浙江大学 一种制造业企业分布式光伏及储能系统容量配置优化方法及系统
CN118034066B (zh) * 2024-04-11 2024-08-16 国网江苏省电力有限公司常州供电分公司 多能耦合舱能源系统协调运行控制方法、设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761582A (zh) * 2014-01-07 2014-04-30 国家电网公司 一种高适应度的互动型微电网配置规划方法
CN105591406A (zh) * 2015-12-31 2016-05-18 华南理工大学 一种基于非合作博弈的微电网能量管理系统的优化算法
CN105719015A (zh) * 2016-01-19 2016-06-29 国网河北省电力公司电力科学研究院 一种基于pepso的分布式电源优化选址定容方法
CN106230026A (zh) * 2016-08-30 2016-12-14 华北电力大学（保定） 基于时序特性分析的含分布式电源的配电网双层协调规划方法
CN106451552A (zh) * 2016-11-17 2017-02-22 华南理工大学 一种基于势博弈的微电网能量管理系统分布式优化算法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761582A (zh) * 2014-01-07 2014-04-30 国家电网公司 一种高适应度的互动型微电网配置规划方法
CN105591406A (zh) * 2015-12-31 2016-05-18 华南理工大学 一种基于非合作博弈的微电网能量管理系统的优化算法
CN105719015A (zh) * 2016-01-19 2016-06-29 国网河北省电力公司电力科学研究院 一种基于pepso的分布式电源优化选址定容方法
CN106230026A (zh) * 2016-08-30 2016-12-14 华北电力大学（保定） 基于时序特性分析的含分布式电源的配电网双层协调规划方法
CN106451552A (zh) * 2016-11-17 2017-02-22 华南理工大学 一种基于势博弈的微电网能量管理系统分布式优化算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"分布式光伏发电并网的成本/效益分析";苏剑等;《中国电机工程学报》;20131205;第50-56页 *
"配电网络公共储能位置与容量的优化方法";肖峻等;《电力系统自动化》;20151010;第54-60页 *

Also Published As

Publication number Publication date
CN107301470A (zh) 2017-10-27

Similar Documents

Publication Publication Date Title
CN107301470B (zh) 一种配电网扩展规划与光储选址定容的双层优化方法
CN109508857B (zh) 一种主动配电网多阶段规划方法
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
CN107958300B (zh) 一种考虑互动响应的多微网互联运行协调调度优化方法
CN110119886B (zh) 一种主动配网动态规划方法
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN109980685B (zh) 一种考虑不确定性的主动配电网分布式优化运行方法
Dadashi-Rad et al. Modeling and planning of smart buildings energy in power system considering demand response
CN109787261B (zh) 电网侧及用户侧储能系统容量优化配置方法
Shang et al. Internet of smart charging points with photovoltaic Integration: A high-efficiency scheme enabling optimal dispatching between electric vehicles and power grids
CN108037667B (zh) 基于虚拟电厂的基站电能优化调度方法
CN113904372A (zh) 考虑5g基站接入的主动配电网多目标优化运行方法
CN111626594B (zh) 一种多种需求侧资源协同的配电网扩展规划方法
CN112381421B (zh) 一种考虑电力市场全维度的源网荷多主体博弈规划方法
Li et al. Two-stage community energy trading under end-edge-cloud orchestration
CN114977320A (zh) 一种配电网源网荷储多目标协同规划方法
CN110690702A (zh) 一种考虑综合承载力的主动配电网优化调度及运行方法
Yu et al. A game theoretical pricing mechanism for multi-microgrid energy trading considering electric vehicles uncertainty
Liu Energy station and distribution network collaborative planning of integrated energy system based on operation optimization and demand response
CN113690877A (zh) 一种考虑能源消纳的有源配电网与集中能源站互动方法
CN116402307A (zh) 考虑可调度柔性资源运行特性的电网规划容量分析方法
CN112561273A (zh) 一种基于改进pso的主动配电网可再生dg规划方法
CN116436048A (zh) 一种多目标驱动的微电网群云储能优化配置方法及装置
CN105514986A (zh) 一种基于虚拟电厂技术的der用户竞价并网方法
CN116777235A (zh) 一种商业和公共动态博弈的电力系统风险规避投资方法

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
GR01 Patent grant
GR01 Patent grant