CN107688879A - 一种考虑源荷匹配度的主动配电网分布式电源规划方法 - Google Patents

Abstract

本发明公开了一种考虑源荷匹配度的主动配电网分布式电源规划方法，该方法考虑经济成本和运行指标建立双层规划模型；双层规划模型分别为：上层规划以规划年限内的年综合费用最小为目标，确定分布式电源接入位置和容量；下层规划引入源荷匹配度指标，以源荷匹配度最优为目标，模拟规划方案的运行过程，对分布式电源的时序出力进行优化。本发明通过改进粒子群双层规划算法对模型进行求解，决策出规划年限内分布式电源配置方案；同时在规划过程中考虑源荷匹配度能够实现分布式电源与负荷时序互补，保证规划方案的可靠性和经济性。

Description

一种考虑源荷匹配度的主动配电网分布式电源规划方法

技术领域

本发明涉及配电网规划领域，尤其涉及一种考虑源荷匹配度的主动配电网分布式电源规划方法。

背景技术

由于能源的日益匮乏，电力需求的不断增长等，配电网中分布式能源渗透率不断提高，分布式电源的接入会对系统电压、损耗、可靠性等产生影响，其影响优劣程度与分布式电源的类型、安装位置、容量及负荷等有着密切关系。为了充分发挥分布式电源的效益，抑制其负面影响，需要在规划阶段对分布式电源进行合理布局。

在传统配电网中，电力潮流单向流动，规划准则相对简单，规划考虑的主要问题是满足负荷需求的快速增长，即以需求为主导，基于历史数据进行负荷预测，通过计算分析，确定设备的最佳位置、容量和接入变电站的方式。在主动配电系统中，分布式电源的大规模接入及其出力的不确定性将深刻改变配电网的电气特性，使其运行控制方式发生重大变化，主动配电网规划需综合考虑运行和控制问题以获取经济价值。

近年来，研究已从单纯考虑经济性的分布式电源单层规划过渡到经济层面与运行层面的双层规划，并开始考虑各种不确定因素。有的技术计及间歇性分布式电源出力的随机性，建立以年综合费用及分布式电源有功出力切除量最小为目标的双层规划模型进行选址定容；还有的基于主动管理模式，上层模型考虑投资者利益，下层通过主动管理对分布式电源出力进行优化，算例结果彰显了主动管理对于提高分布式电源渗透率的有效性；还有的分析了分布式电源与负荷的时序特性，在考虑经济成本和运行成本两方面，对多类型分布式电源进行规划。

从现有的成果看，在分布式电源规划研究时，大多数都考虑了时序特性，同时从经济层面和运行层面进行规划，但在运行层面大都以分布式电源的接入容量最大为目标，并未考虑分布式电源出力与负荷特征不匹配出现的电压波动问题，这将影响规划方案的可靠性。针对以上不足，本发明在下层规划模型中引入源荷匹配度指标，在决策过程中定量评估分布式电源与负荷的匹配度，有效提高了规划方案中分布式电源与负荷时序互补性，充分发挥分布式电源改善电压质量的作用。

因此，现有技术还有待于改进和发展。

发明内容

本发明的目的在于提供一种考虑源荷匹配度的主动配电网分布式电源规划方法，该优化模型可提高配电区域的经济效益，有效改善高渗透率分布式能源并网对系统的影响。

本发明的技术方案如下：一种考虑源荷匹配度的主动配电网分布式电源规划方法，其包括以下步骤：

（1）获取网架信息、历史负荷数据及风速、光照和温度等气象数据，确定春、夏、秋、冬四季的典型日负荷数据和气象数据；

（2）根据典型日负荷数据和气象数据，结合分布式电源出力模型和实际负荷数据，建立分布式电源和负荷的时序出力模型；

（3）建立多时间尺度双层规划模型；所述双层规划模型包括上层规划模型和下层规划模型，所述上层规划模型以规划年限内的年综合费用最小为目标函数，约束条件是分布式电源接入数目约束；所述下层规划模型以源荷匹配度最优为目标函数，约束条件是功率平衡约束、节点电压约束、分布式电源弃电约束和爬坡率约束；

（4）采用改进粒子群双层规划算法求解模型，具体为初始化满足步骤（3）上层约束条件的粒子群位置和速度，每个粒子代表一种分布式电源规划方案；

（5）将每个粒子的位置即分布式电源规划方案代入步骤（3）中的下层模型，根据步骤（2）的分布式电源和负荷的时序出力模型，采用改进粒子群算法求解步骤（3）的下层模型，得到每个分布式电源规划方案对应的最优运行方案。

（6）根据步骤（5）中分布式电源规划方案和对应的运行方案，计算步骤（3）的上层目标函数，获取全局最优粒子适应度及位置即分布式电源最优配置方案。

（7）判断是否满足收敛条件；若是，则全局最优粒子的位置即为分布式电源规划方案；若否，则更新粒子的位置和速度，转至步骤（5）。

所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其中，所述分布式电源包括光伏、风电、储能和微型燃气轮机。

所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其中，在分布式电源时序出力模型中，光伏和风电为四季度典型日时序出力模型，储能起削峰填谷的作用，微型燃气轮机以最大功率输出。

所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其中，所述上层规划模型的目标函数为：

式中：t为年度规划阶段时间尺度编号；h为日内运行时段编号，H为日内总时段数；s为场景编号，s=1,2,3,4；i为节点编号；、、、、和分别为分布式电源投资成本、主网购电成本、微型燃气轮机发电成本、风电弃电成本、光伏弃电成本和网损成本；、、和分别为光伏、风电、微型燃气轮机和储能电池第t年的投资决策变量；、、和为分布式电源安装点候选集；、、和为分布式电源投资成本系数；、、、、和分别为主网购电量、微型燃气轮机发电量、风电弃电量、光伏弃电量和网损量；、、、、和分别为主网购电价格、微型燃气轮机发电成本价格、风电弃风惩罚价格、光伏弃电惩罚价格和网损价格。

所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其中，所述下层规划模型的目标函数为：

式中：为分布式电源安装点候选集；为源荷匹配度指标，用于衡量分布式电源与负荷的实时匹配度，由下式确定：

式中：为电压波动值；分别为规划年内电压变化过程中的最大及最小值；为额定电压；为分布式电源接入前计算周期内系统最大电压波动值；为分布式电源接入后最大电压波动值；当值为正，表明系统电压波动程度增加，值越大，情况越恶劣，与负荷的匹配度也越差；当值为负，表明系统电压波动程度减小，其绝对值越大，改善情况越好，与负荷的匹配度越好。

所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其中，所述上层规划模型的约束条件为：

式中：和为各DG节点最大接入数目。

所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其中，所述下层规划模型的约束条件为：

式中：N为系统总节点数目，其中节点1为主网节点；i、j为节点编号；、、、和分别为各DG有功注入量未进行时序调节下的有功负荷；、、、和分别各DG无功注入量和未进行时序调节下的无功负荷；表示节点j与节点i相连； 和分别为节点导纳矩阵的实部和虚部；为节点ij之间的相角差；、、、为MTG和主网的出力限值；和为MTG和主网的爬坡率限值；、和分别为电压及电压限值；为各季度清洁能源允许弃电比例；和分别为年运行第t天的风电和光伏发电总预测功率。

所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其中，改进粒子群双层规划算法是通过两个改进粒子群优化算法的交互迭代来求解双层规划问题，其中改进粒子群算法针对整型变量采用概率取整操作，概率由下式确定：

式中，是在t次迭代后的第个粒子的整型变量j，是整型变量到整数k的绝对距离，是整型变量取值为k的概率，[LB,UB]为整数变量的取值范围。

本发明的有益效果：本发明考虑经济和运行层面建立双层规划模型，上层以年综合费用最小为目标，保证规划方案的经济性；下层引入源荷匹配度指标，以源荷匹配度最优为目标，有效提高规划方案中分布式电源与负荷时序互补性，充分发挥分布式电源改善电压质量的作用。

附图说明

图1是双层规划求解流程图；

图2是风电时序出力模型；

图3是光伏时序出力模型；

图4是居民负荷时序模型；

图5是商业负荷时序模型；

图6是工业负荷时序模型；

图7是IEEE33节点配电系统拓扑图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。

如图1所示，本发明公开了一种适用于主动配电网的分布式电源优化配置技术，其包括以下步骤：

（1）获取网架信息、历史负荷数据及风速、光照和温度等气象数据，确定春、夏、秋、冬四季的典型日负荷数据和气象数据；

（2）根据典型日负荷数据和气象数据，结合分布式电源出力模型和实际负荷数据，建立分布式电源和负荷的时序出力模型，如图2、图3、图4、图5和图6所示；

（3）建立多时间尺度双层规划模型；所述双层规划模型包括上层规划模型和下层规划模型，所述上层规划模型以规划年限内的年综合费用最小为目标函数，由下式确定：

式中：t为年度规划阶段时间尺度编号；h为日内运行时段编号，H为日内总时段数；s为场景编号，s=1,2,3,4；i为节点编号；为每个场景发生的概率。、、、、和分别为分布式电源投资成本、主网购电成本、微型燃气轮机发电成本、风电弃电成本、光伏弃电成本和网损成本。、、和分别为光伏、风电、微型燃气轮机和储能电池第t年的投资决策变量；、、和为分布式电源安装点候选集；、、和为分布式电源投资成本系数。、、、、和分别为主网购电量、微型燃气轮机发电量、风电弃电量、光伏弃电量和网损量；、、、、和分别为主网购电价格、微型燃气轮机发电成本价格、风电弃风惩罚价格、光伏弃电惩罚价格和网损价格。

所述上层规划模型的约束条件是分布式电源接入数目约束，由下式确定：

式中：和为各DG节点最大接入数目。

所述下层规划模型引入源荷匹配度指标，以源荷匹配度最优为目标函数，由下式确定：

式中：为分布式电源安装点候选集；为源荷匹配度指标，用于衡量分布式电源与负荷的实时匹配度，由下式确定：

式中：为电压波动值；分别为规划年内电压变化过程中的最大及最小值；为额定电压；为分布式电源接入前计算周期内系统最大电压波动值；为分布式电源接入后最大电压波动值。值为正，表明系统电压波动程度增加，值越大，情况越恶劣，与负荷的匹配度也越差；当值为负，表明系统电压波动程度减小，其绝对值越大，改善情况越好，与负荷的匹配度越好。

所述下层规划模型的约束条件是功率平衡约束、节点电压约束、分布式电源弃电约束和爬坡率约束，由下式确定：

式中：N为系统总节点数目，其中节点1为主网节点；i、j为节点编号；、、和分别为各DG有功注入量未进行时序调节下的有功负荷；、和分别各DG无功注入量和未进行时序调节下的无功负荷；表示节点j与节点i相连；和分别为节点导纳矩阵的实部和虚部；为节点ij之间的相角差；、为MTG和主网的出力限值；和为MTG和主网的爬坡率限值；和分别为电压及电压限值；为各季度清洁能源允许弃电比例；和分别为年运行第t天的风电和光伏发电总预测功率。

（4）采用改进粒子群双层规划算法求解模型，具体为初始化满足步骤（3）上层约束条件的粒子群位置和速度，每个粒子代表一种分布式电源规划方案；

（5）将每个粒子的位置即分布式电源规划方案代入步骤（3）中的下层模型，根据步骤（2）的分布式电源和负荷的时序出力模型，采用改进粒子群算法求解步骤（3）的下层模型，得到每个分布式电源规划方案对应的最优运行方案。

（6）根据步骤（5）中分布式电源规划方案和对应的运行方案，计算步骤（3）的上层目标函数，获取全局最优粒子适应度及位置即分布式电源最优配置方案。

（7）判断是否满足收敛条件；若是，则全局最优粒子的位置即为分布式电源规划方案；若否，则更新粒子的位置和速度，转至步骤（5）。

步骤（4）中采用改进粒子群双层规划算法求解；所述改进粒子群双层规划算法是通过两个改进粒子群优化算法的交互迭代来求解双层规划问题，其中改进粒子群算法针对整型变量采用概率取整操作，概率由下式确定：

式中，是在t次迭代后的第i个粒子的整型变量j，是整型变量到整数k的绝对距离，是整型变量取值为k的概率，[LB,UB]为整数变量的取值范围。

算法求解模型的步骤如下：

1）初始化满足上层约束条件的粒子群位置和速度，每个粒子代表一种分布式电源规划方案；

2）将每个粒子的位置即分布式电源规划方案代入下层模型，采用改进粒子群算法求解下层模型，得到每个粒子对应的下层模型最优解即每个分布式电源规划方案对应的最优运行方案，返回上层模型；

3）将每个粒子及其对应的下层最优解代入上层目标函数进行计算，获取全局最优粒子适应度及位置即分布式电源最优配置方案；

4）判断是否满足收敛条件。若是，则全局最优粒子的位置即为分布式电源规划方案；若否，则更新粒子的位置和速度，转至步骤2）。

本发明基于IEEE33节点配电系统作为算例，网络拓扑如图7所示，其网络参数参考文献，徐迅.考虑环境成本和时序特性的微网多类型分布式电源选址定容规划[J]．电网技术，2013，37(4)：914-921．。

单位风电、光伏、微型燃气轮机和储能电池投资费用分别为48、63、100、96万元，单位安装容量：风电为0.1MW；光伏为0.2MW；微型燃气轮机为0.3MW；储能电池容量/电量为0.1MW/MWh。风电、光伏、微型燃气轮机和储能电池的待选节点接入数限制分别为10、5、2和15。求解模型相关参数如表1所示。

表1 求解模型相关参数

表1 求解模型相关参数

本发明选取两种规划方案进行对比：

方案1：根据双层规划模型对分布式电源进行规划；

方案2：不考虑源荷匹配度对分布式电源进行规划。

各方案规划结果和成本如表2和表3所示，源荷匹配度指标如表4所示。

表2 规划方案结果

表3 规划方案成本

表4 规划方案源荷匹配度

从规划结果可以看出，两种方案对风电和光伏的配置容量接近，而方案2储能的配置容量则较多。原因是在方案1中考虑了源荷匹配度，优化储能运行策略，减少了储能容量配置冗余，更为经济可行。从源荷匹配度指标可以看出，方案2的最大电压波动值达3.68%，已超出标准要求范围。而方案1符合电压波动标准，同时相比方案2的源荷匹配度提高了18%。从各部分成本的组成可以看出，方案1虽然多出了微型燃气轮机的投资成本和运行成本，但由于其考虑源荷匹配度，使得多种分布式电源形成互补，降低了网损和主网购电成本，从而在总成本上少于方案2。

综上分析，方案1的双层规划模型由于考虑了源荷匹配度，使得规划方案电压波动范围符合标准要求，保证了规划方案的可靠性，同时较方案2也更为经济，因此从经济层面和安全层面来看，方案1更具优越性。

以上对本发明所提供的考虑源荷匹配度的主动配电网分布式电源规划方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种考虑源荷匹配度的主动配电网分布式电源规划方法，其特征在于，包括以下步骤：

（1）获取网架信息、历史负荷数据及风速、光照和温度等气象数据，确定春、夏、秋、冬四季的典型日负荷数据和气象数据；

（2）根据典型日负荷数据和气象数据，结合分布式电源出力模型和实际负荷数据，建立分布式电源和负荷的时序出力模型；

（3）建立多时间尺度双层规划模型；所述双层规划模型包括上层规划模型和下层规划模型，所述上层规划模型以规划年限内的年综合费用最小为目标函数，约束条件是分布式电源接入数目约束；所述下层规划模型以源荷匹配度最优为目标函数，约束条件是功率平衡约束、节点电压约束、分布式电源弃电约束和爬坡率约束；

（4）采用改进粒子群双层规划算法求解模型，具体为初始化满足步骤（3）上层约束条件的粒子群位置和速度，每个粒子代表一种分布式电源规划方案；

（5）将每个粒子的位置即分布式电源规划方案代入步骤（3）中的下层模型，根据步骤（2）的分布式电源和负荷的时序出力模型，采用改进粒子群算法求解步骤（3）的下层模型，得到每个分布式电源规划方案对应的最优运行方案；

（6）根据步骤（5）中分布式电源规划方案和对应的运行方案，计算步骤（3）的上层目标函数，获取全局最优粒子适应度及位置即分布式电源最优配置方案；

（7）判断是否满足收敛条件；若是，则全局最优粒子的位置即为分布式电源规划方案；若否，则更新粒子的位置和速度，转至步骤（5）。

2.根据权利要求1所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其特征在于，所述分布式电源包括光伏、风电、储能和微型燃气轮机。

3.根据权利要求1所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其特征在于，在分布式电源时序出力模型中，光伏和风电为四季度典型日时序出力模型，储能起削峰填谷的作用，微型燃气轮机以最大功率输出。

4.根据权利要求1所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其特征在于，所述上层规划模型的目标函数为：

式中：t为年度规划阶段时间尺度编号；h为日内运行时段编号，H为日内总时段数；s为场景编号，s=1,2,3,4；i为节点编号；、、、、和分别为分布式电源投资成本、主网购电成本、微型燃气轮机发电成本、风电弃电成本、光伏弃电成本和网损成本；、、和分别为光伏、风电、微型燃气轮机和储能电池第t年的投资决策变量；、和为分布式电源安装点候选集；、和为分布式电源投资成本系数；、、和分别为主网购电量、微型燃气轮机发电量、风电弃电量、光伏弃电量和网损量；、、和分别为主网购电价格、微型燃气轮机发电成本价格、风电弃风惩罚价格、光伏弃电惩罚价格和网损价格。

5.根据权利要求1所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其特征在于，所述下层规划模型的目标函数为：

式中：为分布式电源安装点候选集；为源荷匹配度指标，用于衡量分布式电源与负荷的实时匹配度，由下式确定：

式中：为电压波动值；分别为规划年内电压变化过程中的最大及最小值；为额定电压；为分布式电源接入前计算周期内系统最大电压波动值；为分布式电源接入后最大电压波动值；当值为正，表明系统电压波动程度增加，值越大，情况越恶劣，与负荷的匹配度也越差；当值为负，表明系统电压波动程度减小，其绝对值越大，改善情况越好，与负荷的匹配度越好。

6.根据权利要求1所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其特征在于，所述上层规划模型的约束条件为：

式中：和为各DG节点最大接入数目。

7.根据权利要求1所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其特征在于，所述下层规划模型的约束条件为：

式中：N为系统总节点数目，其中节点1为主网节点；i、j为节点编号；、、、和分别为各DG有功注入量未进行时序调节下的有功负荷；、和分别各DG无功注入量和未进行时序调节下的无功负荷；表示节点j与节点i相连；和分别为节点导纳矩阵的实部和虚部；为节点ij之间的相角差； 为MTG和主网的出力限值；和为MTG和主网的爬坡率限值；和分别为电压及电压限值；为各季度清洁能源允许弃电比例；和分别为年运行第t天的风电和光伏发电总预测功率。

8.根据权利要求1所述的考虑源荷匹配度的主动配电网分布式电源规划方法，其特征在于，改进粒子群双层规划算法是通过两个改进粒子群优化算法的交互迭代来求解双层规划问题，其中改进粒子群算法针对整型变量采用概率取整操作，概率由下式确定：

式中，是在t次迭代后的第i个粒子的整型变量j，是整型变量到整数k的绝对距离，是整型变量取值为k的概率，[LB,UB]为整数变量的取值范围。