CN108039723B - 一种考虑功率随机性的配电网分布式电源容量评估方法 - Google Patents
一种考虑功率随机性的配电网分布式电源容量评估方法 Download PDFInfo
- Publication number
- CN108039723B CN108039723B CN201711206865.3A CN201711206865A CN108039723B CN 108039723 B CN108039723 B CN 108039723B CN 201711206865 A CN201711206865 A CN 201711206865A CN 108039723 B CN108039723 B CN 108039723B
- Authority
- CN
- China
- Prior art keywords
- power
- node
- distribution network
- distributed power
- period
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 64
- 238000011156 evaluation Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 4
- 238000013210 evaluation model Methods 0.000 claims abstract description 4
- 239000000126 substance Substances 0.000 claims description 12
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 241000764238 Isis Species 0.000 claims description 3
- 238000011426 transformation method Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Abstract
本发明提出一种考虑功率随机性的配电网分布式电源容量评估方法,属于电力系统规划与评估技术领域。该方法首先建立由目标函数和约束条件构成的配电网分布式电源容量评估模型;然后,对模型约束条件进行转化,收集配电网中所有节点在每个时段有功负荷的预测误差值集合和分布式电源功率预测误差值集合,并根据统计信息分别构建对应的不确定量的概率分布集合,构建包含传输功率和节点电压的机会约束,并利用凸松弛将其转化为确定性线性约束;最后,应用凸规划算法对模型求解,得到配电网可装最大分布式电源容量总和。本发明在考虑功率随机性时对配电网分布式电源容量进行高效评估,结果具备更强的可信度和鲁棒性,可针对大规模复杂配电网快速求解。
Description
技术领域
本发明属于电力系统规划与评估技术领域,特别涉及一种考虑功率随机性的配电网分布式电源容量评估方法。
背景技术
为了应对以光伏为主的分布式电源在配电网中大规模接入所带来的技术问题,需要对配电网能够消纳的最大分布式电源容量进行评估,并制定出最优的分布式电源选址定容方案,以实现配电网中高分布式电源渗透率的目标。
对配电网分布式电源容量的评估需要基于对分布式电源未来功率的预测,由于分布式电源功率受天气和环境因素的影响而具有显著的波动性和间歇性,现有的预测技术无法对分布式电源未来功率进行精准预测,包括全天分布式电源的有功和无功功率;同样的,现有预测技术也无法对配电网中的节点负荷进行准确预测。因此,分布式电源功率和负荷预测误差,为配电网中的分布式电源容量评估问题引入了很强的不确定性。
然而,现有的确定性分布式电源容量评估方法并未考虑上述不确定性的存在,在容量评估过程中仅采用分布式电源功率和负荷的预测值。另一方面,传统基于机会约束的随机容量评估方法在实际应用中面临两大问题:(1)需要精确的随机变量概率密度函数,而该函数在现实中大多数难以获得;(2)该方法建立的随机优化模型基本上基于抽样场景法,计算量过大。
发明内容
本发明的目的是为克服已有技术的不足之处,提出一种考虑功率随机性的配电网分布式电源容量评估方法。本发明实现在考虑功率随机性时对配电网分布式电源容量进行高效评估,使评估结果具备更强的可信度和鲁棒性,同时针对大规模复杂配电网可以快速高效求解。
本发明提出一种考虑功率随机性的配电网分布式电源容量评估方法,其特征在于,该方法包括以下步骤:
1)建立考虑功率随机性的配电网分布式电源容量评估模型,该模型由目标函数和约束条件构成;具体步骤如下:
1-1)建立模型的目标函数,表达式如式(1)所示:
其中,Si为节点i处的分布式电源装机容量,Ψn为配电网中所有节点的集合;
1-2)确定模型的约束条件;具体如下:
1-2-1)配电网的分布式电源功率约束,如式(2)所示:
1-2-2)配电网的节点功率平衡约束,如式(3)和(4)所示:
其中,为节点i在t时段有功分布式电源实际功率,为节点i在t时段无功分布式电源实际功率;为节点i在t时段有功负荷实际功率,为节点i在t时段无功负荷实际功率;对于每个属于Ψn的节点i,j∈i代表所有与节点i直接相连的节点j的集合;pij,t为支路ij在t时段从节点i流向节点j的有功功率;qij,t为支路ij在t时段从节点i流向节点j的无功功率;
1-2-3)配电网中每条支路的有功功率、无功功率和其两端节点电压幅值的潮流方程约束,如式(5)至(7)所示:
U0,t=U0,ref (6)
Ui,t-Uj,t=2(rijpij,t+xijqij,t) (7)
其中,Φb为该配电网中所有支路的集合;Vi,t为节点i在t时段的电压幅值;Ui,t为节点i在t时段的电压幅值平方,U0,ref为参考节点电压幅值平方;对于每条属于Φb的支路ij,Ui,t和Uj,t分别为支路ij两端的节点i和节点j在t时段的电压幅值平方;rij和xij分别为支路ij的电阻和电抗值;
1-2-4)配电网中每条支路传输的功率容量约束,如式(8)所示:
其中,对于每条属于Φb的支路ij,sij,max为支路ij视在功率上限值;Γ为分布式电源容量评估所采用的时段集合;
1-2-5)配电网中每个节点的电压安全约束,如式(9)所示:
其中,Ui,min和Ui,max分别为节点i电压幅值平方的下限值和上限值;
2)对步骤1)的约束条件进行转化;具体步骤如下:
2-1)根据约束条件式(8)和(9)构建机会约束,如式(10)所示:
其中,Pr(A)为事件A发生的概率,ξ为该不等式约束被破坏的概率;
2-2)收集配电网中所有节点在每个时段的有功负荷的预测误差值集合记为收集配电网中所有节点在每个时段的分布式电源功率预测误差值集合记为其中为节点i在t时段的有功负荷预测误差,为节点i在t时段的分布式电源功率预测误差;
2-3)将配电网中有功负荷实际功率,无功负荷实际功率,有功分布式电源实际功率与无功分布式电源实际功率分别表示为式(13)至(16)所示的形式:
2-5)将式(17)至(19)代入约束条件式(10)中,根据机会约束凸松弛转化方法,则式(10)转化为如式(20)所示的形式:
3)对模型求解;
根据目标函数式(1),约束条件式(2)、(3)、(4)、(5)、(6)、(7)、(11)、(12)、(20)、(21)、(22)、(23)、(24)、(25),应用凸规划算法对步骤1)建立的模型求解;最终求解获得的目标函数值即是该配电网中分布式电源的容量评估结果。
本发明的特点及有益效果在于:
本发明提出一种考虑功率随机性的配电网分布式电源容量评估方法,并根据已知的统计信息构建出一个不确定量的概率分布集,使评估结果具备更强的可信度和鲁棒性,同时针对大规模复杂配电网可以快速高效求解。
具体实施方式
本发明提出一种考虑功率随机性的配电网分布式电源容量评估方法,下面结合具体实施例进一步详细说明如下。
本发明提出一种考虑功率随机性的配电网分布式电源容量评估方法,包括以下步骤:
1)建立考虑功率随机性的配电网分布式电源容量评估模型,该模型由目标函数和约束条件构成;具体步骤如下:
1-1)建立模型的目标函数,表达式如式(1)所示:
其中,Si为节点i处的分布式电源装机容量,Ψn为配电网中所有节点的集合;
1-2)确定模型的约束条件;具体如下:
1-2-1)配电网的分布式电源功率约束,如式(2)所示:
1-2-2)配电网的节点功率平衡约束,如式(3)和(4)所示:
其中,为节点i在t时段有功分布式电源实际功率,为节点i在t时段无功分布式电源实际功率;为节点i在t时段有功负荷实际功率,为节点i在t时段无功负荷实际功率;对于每个属于Ψn的节点i,j∈i代表所有与节点i直接相连的节点j的集合;pij,t为支路ij在t时段从节点i流向节点j的有功功率;qij,t为支路ij在t时段从节点i流向节点j的无功功率;
1-2-3)配电网中每条支路的有功功率、无功功率和其两端节点电压幅值的潮流方程约束,如式(5)至(7)所示:
U0,t=U0,ref (6)
Ui,t-Uj,t=2(rijpij,t+xijqij,t) (7)
其中,Φb为该配电网中所有支路的集合;Vi,t为节点i在t时段的电压幅值;Ui,t为节点i在t时段的电压幅值平方,U0,ref为参考节点电压幅值平方;对于每条属于Φb的支路ij,Ui,t和Uj,t分别为支路ij两端的节点i和节点j在t时段的电压幅值平方;rij和xij分别为支路ij的电阻和电抗值;
1-2-4)配电网中每条支路传输的功率容量约束,如式(8)所示:
其中,对于每条属于Φb的支路ij,sij,max为支路ij视在功率上限值;Γ为分布式电源容量评估所采用的时段集合;
1-2-5)配电网中每个节点的电压安全约束,如式(9)所示:
其中,Ui,min和Ui,max分别为节点i电压幅值平方的下限值和上限值;
2)对步骤1)的约束条件进行转化;具体步骤如下:
2-1)根据约束条件式(8)和(9)构建机会约束,如式(10)所示:
其中,Pr(A)为事件A发生的概率,ξ为该不等式约束被破坏的概率;
2-2)收集配电网中所有节点在每个时段的有功负荷的预测误差值集合记为收集配电网中所有节点在每个时段的分布式电源功率预测误差值集合记为其中为节点i在t时段的有功负荷预测误差,为节点i在t时段的分布式电源功率预测误差;
2-3)将配电网中有功负荷实际功率,无功负荷实际功率,有功分布式电源实际功率与无功分布式电源实际功率分别表示为式(13)至(16)所示的形式:
2-5)将式(17)至(19)代入约束条件式(10)中,根据机会约束凸松弛转化方法,则式(10)转化为如式(20)所示的形式:
3)对模型求解;
根据目标函数式(1),约束条件式(2)、(3)、(4)、(5)、(6)、(7)、(11)、(12)、(20)、(21)、(22)、(23)、(24)、(25),应用凸规划算法对步骤1)建立的模型求解;最终求解获得的目标函数值即是该配电网中分布式电源的容量评估结果。
Claims (1)
1.一种考虑功率随机性的配电网分布式电源容量评估方法,其特征在于,该方法包括以下步骤:
1)建立考虑功率随机性的配电网分布式电源容量评估模型,该模型由目标函数和约束条件构成;具体步骤如下:
1-1)建立模型的目标函数,表达式如式(1)所示:
其中,Si为节点i处的分布式电源装机容量,Ψn为配电网中所有节点的集合;
1-2)确定模型的约束条件;具体如下:
1-2-1)配电网的分布式电源功率约束,如式(2)所示:
1-2-2)配电网的节点功率平衡约束,如式(3)和(4)所示:
其中,为节点i在t时段有功分布式电源实际功率,为节点i在t时段无功分布式电源实际功率;为节点i在t时段有功负荷实际功率,为节点i在t时段无功负荷实际功率;对于每个属于Ψn的节点i,j∈i代表所有与节点i直接相连的节点j的集合;pij,t为支路ij在t时段从节点i流向节点j的有功功率;qij,t为支路ij在t时段从节点i流向节点j的无功功率;
1-2-3)配电网中每条支路的有功功率、无功功率和其两端节点电压幅值的潮流方程约束,如式(5)至(7)所示:
U0,t=U0,ref (6)
Ui,t-Uj,t=2(rijpij,t+xijqij,t) (7)
其中,Φb为该配电网中所有支路的集合;Vi,t为节点i在t时段的电压幅值;Ui,t为节点i在t时段的电压幅值平方,U0,ref为参考节点电压幅值平方;对于每条属于Φb的支路ij,Ui,t和Uj,t分别为支路ij两端的节点i和节点j在t时段的电压幅值平方;rij和xij分别为支路ij的电阻和电抗值;
1-2-4)配电网中每条支路传输的功率容量约束,如式(8)所示:
其中,对于每条属于Φb的支路ij,sij,max为支路ij视在功率上限值;Γ为分布式电源容量评估所采用的时段集合;
1-2-5)配电网中每个节点的电压安全约束,如式(9)所示:
其中,Ui,min和Ui,max分别为节点i电压幅值平方的下限值和上限值;
2)对步骤1)的约束条件进行转化;具体步骤如下:
2-1)根据约束条件式(8)和(9)构建机会约束,如式(10)所示:
其中,Pr(A)为事件A发生的概率,ξ为该不等式约束被破坏的概率;
2-2)收集配电网中所有节点在每个时段的有功负荷的预测误差值集合记为收集配电网中所有节点在每个时段的分布式电源功率预测误差值集合记为其中为节点i在t时段的有功负荷预测误差,为节点i在t时段的分布式电源功率预测误差;
2-3)将配电网中有功负荷实际功率,无功负荷实际功率,有功分布式电源实际功率与无功分布式电源实际功率分别表示为式(13)至(16)所示的形式:
2-5)将式(17)至(19)代入约束条件式(10)中,根据机会约束凸松弛转化方法,则式(10)转化为如式(20)所示的形式:
3)对模型求解;
根据目标函数式(1),约束条件式(2)、(3)、(4)、(5)、(6)、(7)、(11)、(12)、(20)、(21)、(22)、(23)、(24)、(25),应用凸规划算法对步骤1)建立的模型求解;最终求解获得的目标函数值即是该配电网中分布式电源的容量评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711206865.3A CN108039723B (zh) | 2017-11-27 | 2017-11-27 | 一种考虑功率随机性的配电网分布式电源容量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711206865.3A CN108039723B (zh) | 2017-11-27 | 2017-11-27 | 一种考虑功率随机性的配电网分布式电源容量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108039723A CN108039723A (zh) | 2018-05-15 |
CN108039723B true CN108039723B (zh) | 2020-09-25 |
Family
ID=62093810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711206865.3A Active CN108039723B (zh) | 2017-11-27 | 2017-11-27 | 一种考虑功率随机性的配电网分布式电源容量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108039723B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255102B (zh) * | 2018-09-04 | 2020-02-04 | 云南电网有限责任公司 | 一种基于凸松弛的光伏发电最大并网容量评估方法 |
CN109829563B (zh) * | 2018-12-18 | 2023-08-29 | 广东电网有限责任公司电力调度控制中心 | 一种基于多参数规划的馈线传输极限容量评估方法 |
CN110263391B (zh) * | 2019-05-31 | 2023-05-26 | 广东电网有限责任公司 | 一种基于机会约束的有源配电网智能软开关规划方法 |
CN110311422B (zh) * | 2019-07-23 | 2022-08-02 | 南方电网科学研究院有限责任公司 | 一种分布式电源并网功率的控制方法、装置及设备 |
CN112886596B (zh) * | 2021-01-22 | 2022-08-30 | 河海大学 | 一种基于不确定性最优潮流的配电网可再生能源消纳能力计算方法 |
CN113887837A (zh) * | 2021-11-09 | 2022-01-04 | 国网江苏省电力有限公司电力科学研究院 | 一种基于分布式电源出力高维联合分布的配电网消纳能力评估方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376410A (zh) * | 2014-11-06 | 2015-02-25 | 国家电网公司 | 一种配电网中分布式电源的规划方法 |
CN105552965A (zh) * | 2016-02-18 | 2016-05-04 | 中国电力科学研究院 | 一种基于机会约束规划的分布式能源优化配置方法 |
CN107069814A (zh) * | 2017-04-14 | 2017-08-18 | 广东电网有限责任公司东莞供电局 | 配网分布式电源容量布点的模糊机会约束规划方法与系统 |
CN106099984B (zh) * | 2016-07-29 | 2018-10-19 | 清华大学 | 一种数据驱动的主动配电网分布式电源最大容量评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8972070B2 (en) * | 2010-07-02 | 2015-03-03 | Alstom Grid Inc. | Multi-interval dispatch system tools for enabling dispatchers in power grid control centers to manage changes |
-
2017
- 2017-11-27 CN CN201711206865.3A patent/CN108039723B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376410A (zh) * | 2014-11-06 | 2015-02-25 | 国家电网公司 | 一种配电网中分布式电源的规划方法 |
CN105552965A (zh) * | 2016-02-18 | 2016-05-04 | 中国电力科学研究院 | 一种基于机会约束规划的分布式能源优化配置方法 |
CN106099984B (zh) * | 2016-07-29 | 2018-10-19 | 清华大学 | 一种数据驱动的主动配电网分布式电源最大容量评估方法 |
CN107069814A (zh) * | 2017-04-14 | 2017-08-18 | 广东电网有限责任公司东莞供电局 | 配网分布式电源容量布点的模糊机会约束规划方法与系统 |
Non-Patent Citations (2)
Title |
---|
A planning method for siting and sizing of distributed generation based on chance-constrained programming;zhaoxia sun et al.;《2015 5th International Conference on Electric Utility Deregulation and Restructuring and Power Technologies (DRPT)》;20160314;第527-531页 * |
含分布式能源的配电网规划综述;姜淼等;《华东电力》;20140531;第42卷(第5期);第865-872页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108039723A (zh) | 2018-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108039723B (zh) | 一种考虑功率随机性的配电网分布式电源容量评估方法 | |
CN109524993B (zh) | 用于中长期优化调度的风电光伏典型周出力场景生成方法 | |
CN108491682B (zh) | 降雨径流预报系统 | |
CN109657881A (zh) | 一种适用于小样本的神经网络光伏发电预测方法及系统 | |
CN104376389A (zh) | 基于负载均衡的主从式微电网功率负荷预测系统及其方法 | |
CN103679288A (zh) | 一种径流式小水电集群发电功率短期预测方法及预测系统 | |
Huang et al. | Ultra‐short‐term photovoltaic power forecasting of multifeature based on hybrid deep learning | |
CN116050595A (zh) | 一种注意力机制与分解机制耦合的径流量预测方法 | |
CN108334696B (zh) | 一种考虑功率随机性的配电网日前网络重构方法 | |
CN114357670A (zh) | 一种基于bls和自编码器的配电网用电数据异常预警方法 | |
CN107968397B (zh) | 一种考虑运行随机性的配电网传输能力计算方法 | |
Ding et al. | Forecast of pv power generation based on residual correction of markov chain | |
CN108039739B (zh) | 一种主动配电网动态随机经济调度方法 | |
CN111177278A (zh) | 一种网格用户短期负荷预测实时处理工具 | |
Chen et al. | Research on medium-long term power load forecasting method based on load decomposition and big data technology | |
Lu et al. | Forecasting China’s per capita living energy consumption by employing a novel DGM (1, 1, tα) model with fractional order accumulation | |
Luo et al. | Long-term optimal scheduling of cascade hydropower stations using fuzzy multi-objective dynamic programming approach | |
CN112651540A (zh) | 一种配电网规划项目投资优化方法 | |
Fan et al. | Research on influence factors analysis and countermeasures of improving prediction accuracy of run-of-river small hydropower | |
Mi et al. | Renewable Energy Capacity Credit Assessment Method Considering Source-load Correlation | |
Zhang et al. | Research on short-term power load forecasting based on ARIMA-LSTM model | |
Labeau et al. | Mathematics of PRA applied to Distributed Generation curtailment in saturated grids | |
CN110874611B (zh) | 风电集群功率超短期预测误差等级分级补偿方法 | |
Ke et al. | Short-term wind power dynamic prediction based on GA-BP neural network | |
CN114006392B (zh) | 分布式电源系统储能节点容量需求估算系统 |
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 |