CN108564249B - 计及分布式光伏随机性的配电网置信削峰效益评估方法 - Google Patents
计及分布式光伏随机性的配电网置信削峰效益评估方法 Download PDFInfo
- Publication number
- CN108564249B CN108564249B CN201810183200.3A CN201810183200A CN108564249B CN 108564249 B CN108564249 B CN 108564249B CN 201810183200 A CN201810183200 A CN 201810183200A CN 108564249 B CN108564249 B CN 108564249B
- Authority
- CN
- China
- Prior art keywords
- peak clipping
- node
- confidence
- distribution network
- daily
- 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
- 230000008901 benefit Effects 0.000 title claims abstract description 83
- 238000011156 evaluation Methods 0.000 title abstract description 19
- 238000013210 evaluation model Methods 0.000 claims abstract description 14
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06—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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Photovoltaic Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供计及分布式光伏随机性的配电网置信削峰效益评估方法,包括如下步骤:(1)获取配电网的网架参数、负荷模型和光伏出力模型;(2)获取分布式光伏接入的节点编号和节点容量;(3)采用蒙特卡洛法抽样模拟各节点的日负荷曲线和光伏出力曲线;(4)计算各节点的置信日削峰度;(5)建立同时计及变电站、线路和配变三类设备削峰效益的概率评估模型;(6)对配电网的置信日削峰效益期望进行评估。本发明提出了一种计及分布式光伏随机性的配电网置信削峰效益评估方法,可用于对含分布式光伏的配电网进行概率性地削峰效益评估,评估模型还能有效地辨识出分布式光伏以不同位置和不同电压等级接入对配网削峰效益的影响差异。
Description
技术领域
本发明涉及配电网的削峰效益评估方法领域,特别涉及一种计及分布式光伏随机性的概率评估方法。
背景技术
在配电网优化规划和优化运行的相关研究中,配网削峰效益指标常作为电网侧总收益目标函数中的重要组成部分。分布式光伏作为清洁电源接入配网的渗透率日益增大,但由于其出力受光照等不确定因素的影响将具有较强的随机性。因此,对含分布式光伏的配网进行确定性的削峰效益评估不够贴切。
目前,配网的削峰效益评估模型基本没考虑分布式光伏随机性对评估结果的影响,同时评估计算模型较为粗糙,或者忽略线路和配变方面的削峰效益只考虑变电站方面的削峰效益,或者采用配变、线路和变电站三方面的平均削峰效益去计算,而针对不同配网平均削峰效益的取值也难以确定。
综上所述,现有的配网削峰效益评估模型和方法还需要进一步的改进。
发明内容
本发明的目的在于改善配网削峰效益的评估模型,在计及分布式光伏随机性的基础上,旨在提供一种对分布式光伏接入配网不同位置和电压等级辨识能力更强的削峰效益评估方法。
本发明提出一种计及分布式光伏随机性的配电网置信削峰效益的评估方法,包括以下步骤:
(1)获取配电网的网架参数、负荷模型和光伏出力模型,网架参数包括配电网的线路阻抗、各配电变压器的阻抗;负荷模型为考虑负荷预测误差的负荷概率模型;光伏出力模型为考虑光伏出力波动性和时序性以及天气类型预测误差的光伏出力概率模型;
(3)根据负荷模型和光伏出力模型,采用蒙特卡洛法抽样模拟各节点的日负荷曲线和光伏出力曲线,两者做差得到各节点的等效负荷曲线样本;
(4)根据等效负荷曲线样本与原负荷曲线样本,计算各节点的置信日削峰度;
(5)计算变电站、线路和配变单位削峰量的削峰效益,建立同时计及变电站、线路和配变三类设备总削峰效益的概率评估模型,计算配网的置信日削峰效益;
(6)重复步骤(3)~(5),评估不同天气类型下配电网的置信日削峰效益,然后考虑不同天气类型出现的概率,对配电网的置信日削峰效益期望进行评估。
上述的计及分布式光伏随机性的配电网置信削峰效益评估方法中,所述的节点置信削峰度是指在设定置信水平下节点日削峰度的最大值,各节点的置信削峰度的计算方法如下:
(1)针对配变低压侧和高压侧节点i的置信日削峰度XD,i,其计算公式如下:
式中:α表示设定的置信度;fi(x)表示在考虑光伏出力波动和负荷预测误差下i节点下送功率日削峰度x的概率密度函数;Xi为与fi(x)对应的概率分布函数Fi(x)在函数值为设定的α置信度条件下所确定的自变量的值。
(2)针对配网首端节点的置信日削峰度XD0,其计算方法为①在光伏接入条件下根据各节点等效负荷曲线样本计算出各节点的八阶半不变量,②基于半不变量法的概率潮流计算方法得到首端节点下送功率在全天各断面下的概率密度函数,③根据首端节点下送功率在全天各断面下的概率密度函数,给定一置信度得到首端节点的置信日下送功率曲线,该曲线最大值记为S0.max.pv,最后重复①~③步骤计算不考虑光伏接入前提下的置信日下送功率曲线,最大值记为S0.max,则XD0=S0.max-S0.max.pv。
上述的计及分布式光伏随机性的配电网置信削峰效益评估方法中,所述同时计及变电站削峰效益BS、线路削峰效益BL和配变削峰效益BT三类设备的配网总削峰效益BPC的概率评估模型为:
BPC=BT+BL+BS (2)
其中:
式中:αi为逻辑变量,表示分布式光伏接入的i节点为配变0.4kV低压侧母线时取值为1,为配变10kV高压侧母线时取值为0;di为i节点单位削峰量的配变削峰效益(单位为元/kW);RT、RS分别为配变、变电站投资的等年值系数;XD,i表示节点i的置信日削峰度(单位为kW);Nd为分布式光伏的并网点数量;CLMCC,i表示节点i的节点边际容量成本等年值,其值近似为各节点单位削峰量的线路削峰效益等年值(单位为元/kW);s0为线路首端节点单位削峰量的变电站削峰效益(单位为元/kW);XD0为线路首端节点的置信日削峰度。
式中:BPC,j表示第j种天气类型下的置信日削峰效益;Pj表示在一个周期内第j种广义天气类型出现的概率;n为广义天气类型数量。
与现有技术相比,本发明的有益效果在于:
(1)通过考虑负荷和天气类型的预测误差以及光伏出力的随机性对配网削峰效益的影响,能够给出在某置信水平下的配网削峰效益,概率评估模型更贴合实际;
(2)所建立的配网削峰效益概率评估模型通过考虑变电站、线路和配变三类设备的削峰效益,能够有效地辨识出分布式光伏以不同位置和不同电压等级接入对配网削峰效益的影响差异,模型可有效地用于分布式光伏的选址定容规划研究中。
附图说明
图1是本发明提供的计及分布式光伏随机性的配电网置信削峰效益评估方法的流程示意图。
图2是某10kV配网线路拓扑结构示意图。
图3是配网中不同负荷类型的负荷曲线形状。
具体实施方式
以下结合附图和实例对本发明的具体实施做进一步说明,需指出的是,以下若有未特别详细说明之处(如图2中的符号)均是本领域技术人员可以根据现有技术理解或实现的。
图1反映了计及分布式光伏随机性的配电网置信削峰效益评估方法的具体流程,包括如下步骤:
(1)获取配电网的网架参数、负荷模型和光伏出力模型,网架参数包括配电网的线路阻抗、各配电变压器的阻抗;负荷模型为考虑负荷预测误差的负荷概率模型;光伏出力模型为考虑光伏出力波动性和时序性以及天气类型预测误差的光伏出力概率模型;
(3)根据负荷模型和光伏出力模型,采用蒙特卡洛法抽样模拟各节点的日负荷曲线和光伏出力曲线,两者做差得到各节点的等效负荷曲线样本;
(4)根据等效负荷曲线样本与原负荷曲线样本,计算各节点的置信日削峰度;
(5)计算变电站、线路和配变单位削峰量的削峰效益,建立同时计及变电站、线路和配变三类设备总削峰效益的概率评估模型,计算配网的置信日削峰效益;
(6)重复步骤(3)~(5),评估不同天气类型下配电网的置信日削峰效益,然后考虑不同天气类型出现的概率,对配电网的置信日削峰效益期望进行评估。
以下是本发明方法的一个实际算例,以某10kV配网线路为例进行评估计算,图2给出了该配电网的拓扑结构。
(1)获取配电网的网架参数如图2所示,其中主干线线型为LGJ-240,支干线线型为LGJ-120,线路参数如表1所示,各支路的长度在图中已给出,各节点负荷全天取96个断面,有功负荷全天最大值为配变容量的60%,负荷功率因数为0.95,负荷出力模型的预测误差为5%,配网区域是晴天的概率为12.8%,阴天概率为50.4%、变化天气的概率为36.8%;
表1线路参数
(2)获取分布式光伏接入的节点编号和接入容量如表2所示,其中场景1为光伏在10kV母线接入配网末端的工业负荷区域1处(如图2所示),其他区域节点的负荷类型为综合负荷,工业负荷和综合负荷曲线形状如图3所示。另外设置场景2和3作为对照组分别进行削峰效益评估,下面以晴天天气下的场景1为例说明评估步骤。
表2不同场景下光伏接入信息
(3)根据负荷模型和光伏出力模型,采用蒙特卡洛法抽样10000次,模拟各节点的日负荷曲线和光伏出力曲线,两者做差得到各节点的等效负荷曲线样本10000个。
(4)根据等效负荷曲线样本与原负荷曲线样本,取置信度为0.9,计算各节点在晴天天气下的置信日削峰度如表3所示。
表3节点置信日削峰度
(5)根据配网削峰效益的概率评估模型,计算配网在晴天天气下的置信日削峰效益。
(5-1)计算变电站和配变单位削峰量的削峰效益,结果如表4所示,其中等年值系数的计算公式如下:
式中,η表示折现率,取8%,T为设备的投资回报年限,取值如表4所示。
表4各设备单位削峰量的削峰效益
(5-2)计算各节点的节点边际容量成本,其值近似为各节点单位削峰量的线路削峰效益,结果如表5所示:
表5单位削峰量的线路削峰效益
(5-3)计算配网在晴天天气下的置信日削峰效益,结果如表6场景1的第1行所示:
表6单位削峰量的线路削峰效益
(6)重复步骤(3)~(5)计算出不同天气类型下配网的置信日削峰效益,结果如表6场景1的第2、3行所示,然后考虑不同天气类型出现的概率,计算出配网的置信日削峰效益期望,计算结果如表6场景1的第4行所示。
为进一步体现本发明的有益效果,增加场景2和场景3分别与场景1进行对照说明,其中场景2为光伏在10kV母线接入配网中部的工业负荷区域2中,场景3为光伏在0.4kV母线接入配网末端的工业负荷区域1中,不同场景下光伏接入信息如表2和图2所示,评估结果如表6所示。
由表6可知,不同天气类型下,含分布式光伏配电网的置信削峰效益差别较大,晴天削峰效益约为阴天的3倍,变化天气约为阴天的2倍;由场景1和场景2可知,相同容量的分布式光伏接入配网末端的削峰效益比接入配网中部的要大,且光伏接入位置越靠近线路末端,配变和线路方面的削峰效益占总削峰效益的比重将逐渐增大,最大可达到60%左右,因此,尤其当光伏接入线路末端时,线路和配变方面的削峰效益不能忽略;由场景1和3可知,相同容量的分布式光伏接入同一区域的0.4kV母线比接入10kV母线的削峰效益要增加50%左右;综上可见,本发明的评估模型由于考虑了配变和线路方面的削峰效益,在配网总削峰效益方面对分布式光伏以不同位置和电压等级接入具有辨识能力。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他任何未背离本发明的精神实质和原理下所作的修改、修饰、替代、组合、简化,均应为等效的置换方式,都应包含在本发明的保护范围之内。
Claims (1)
1.计及分布式光伏随机性的配电网置信削峰效益评估方法,其特征在于包括以下步骤:
(1)获取配电网的网架参数、负荷模型和光伏出力模型,网架参数包括配电网的线路阻抗、各配电变压器的阻抗;负荷模型为考虑负荷预测误差的负荷概率模型;光伏出力模型为考虑光伏出力波动性和时序性以及天气类型预测误差的光伏出力概率模型;
(3)根据负荷模型和光伏出力模型,采用蒙特卡洛法抽样模拟各节点的日负荷曲线和光伏出力曲线,两者做差得到各节点的等效负荷曲线样本;
(4)根据等效负荷曲线样本与原负荷曲线样本,计算各节点的置信日削峰度;
各节点的置信日削峰度的计算方法如下:
(4.1)首先定义节点置信日削峰度为在设定置信水平下节点日削峰度的最大值;
(4.2)针对配变低压侧和高压侧节点i的置信日削峰度XD,i,其计算公式如下:
式中:α表示设定的置信度;fi(x)表示在考虑光伏出力波动和负荷预测误差下i节点下送功率日削峰度x的概率密度函数;Xi为与fi(x)对应的概率分布函数Fi(x)在函数值为设定的α置信度条件下所确定的自变量的值;
(4.3)针对配电网首端节点的置信日削峰度XD0,其计算方法为①在光伏接入条件下根据各节点等效负荷曲线样本计算出各节点的八阶半不变量,②基于半不变量法的概率潮流计算方法得到首端节点下送功率在全天各断面下的概率密度函数,③根据首端节点下送功率在全天各断面下的概率密度函数,给定一置信度得到首端节点的置信日下送功率曲线,该功率 曲线最大值记为S0.max.pv,最后重复①~③步骤计算不考虑光伏接入前提下的置信日下送功率曲线,最大值记为S0.max,则XD0=S0.max-S0.max.pv;
(5)计算变电站、线路和配变单位削峰量的削峰效益,建立同时计及变电站、线路和配变三类设备总削峰效益的概率评估模型,计算配电网的置信日削峰效益;
步骤(5)中所建立的同时计及变电站削峰效益BS、线路削峰效益BL和配变削峰效益BT三类设备的配电网总削峰效益BPC的概率评估模型为:
BPC=BT+BL+BS (2)
其中:
式中:αi为逻辑变量,表示分布式光伏接入的i节点为配变0.4kV低压侧母线时取值为1,为配变10kV高压侧母线时取值为0;di为i节点单位削峰量的配变削峰效益;RT、RS分别为配变、变电站投资的等年值系数;XD,i表示节点i的置信日削峰度;Nd为分布式光伏的并网点数量;CLMCC,i表示节点i的节点边际容量成本,其值近似为各节点单位削峰量的线路削峰效益;s0为线路首端节点单位削峰量的变电站削峰效益;XD0为线路首端节点的置信日削峰度;
(6)重复步骤(3)~(5),评估不同天气类型下配电网的置信日削峰效益,然后考虑不同天气类型出现的概率,对配电网的置信日削峰效益期望进行评估;
式中:BPC,j表示第j种天气类型下的置信日削峰效益;Pj表示在一个周期内第j种广义天气类型出现的概率;n为广义天气类型数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810183200.3A CN108564249B (zh) | 2018-03-06 | 2018-03-06 | 计及分布式光伏随机性的配电网置信削峰效益评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810183200.3A CN108564249B (zh) | 2018-03-06 | 2018-03-06 | 计及分布式光伏随机性的配电网置信削峰效益评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108564249A CN108564249A (zh) | 2018-09-21 |
CN108564249B true CN108564249B (zh) | 2022-02-15 |
Family
ID=63531400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810183200.3A Active CN108564249B (zh) | 2018-03-06 | 2018-03-06 | 计及分布式光伏随机性的配电网置信削峰效益评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108564249B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113158566B (zh) * | 2021-04-21 | 2023-08-15 | 内蒙古电力(集团)有限责任公司乌兰察布供电分公司 | 一种基于需求侧的用户有序用电控制方法、系统和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008131446A2 (en) * | 2007-04-23 | 2008-10-30 | Scrutiny, Inc. | Computing infrastructure |
CN103199554A (zh) * | 2013-03-15 | 2013-07-10 | 国家电网公司 | 一种实现电网光储系统容量配置及优化分布的方法 |
CN103353979A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种分布式电源的优化选址与定容方法 |
CN103793612A (zh) * | 2014-02-18 | 2014-05-14 | 广西大学 | 一种适合于考虑风电随机特性的电力系统的电网规划方法 |
-
2018
- 2018-03-06 CN CN201810183200.3A patent/CN108564249B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008131446A2 (en) * | 2007-04-23 | 2008-10-30 | Scrutiny, Inc. | Computing infrastructure |
CN103199554A (zh) * | 2013-03-15 | 2013-07-10 | 国家电网公司 | 一种实现电网光储系统容量配置及优化分布的方法 |
CN103353979A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种分布式电源的优化选址与定容方法 |
CN103793612A (zh) * | 2014-02-18 | 2014-05-14 | 广西大学 | 一种适合于考虑风电随机特性的电力系统的电网规划方法 |
Non-Patent Citations (1)
Title |
---|
主动配电网下分布式能源系统规划运行及效益评价研究;彭丽霖;《华北电力大学博士学位论文》;20181101;第24-59页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108564249A (zh) | 2018-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110212521B (zh) | 配电网线损计算方法及系统 | |
CN106532778B (zh) | 一种计算分布式光伏并网最大准入容量的方法 | |
CN100367620C (zh) | 基于混成状态估计的电力网络拓扑错误辨识方法 | |
CN110350517B (zh) | 一种基于运行风险的电动汽车并网配电网络重构方法 | |
CN104716641B (zh) | 一种含分布式电源的配电网供电能力评估方法 | |
CN107994582A (zh) | 含分布式电源的配电网重构方法和系统 | |
CN114742283A (zh) | 一种基于深度学习网络的中压线路合环电流估算与风险评估方法 | |
CN112649642A (zh) | 一种窃电位置判断方法、装置、设备和存储介质 | |
CN111654392A (zh) | 基于互信息的低压配电网拓扑识别方法及系统 | |
CN116031887A (zh) | 一种电网仿真分析算例数据生成方法、系统、设备及介质 | |
CN108564249B (zh) | 计及分布式光伏随机性的配电网置信削峰效益评估方法 | |
CN111756075B (zh) | 一种含分布式电源的配电系统算例设计与测试方法 | |
CN107959287B (zh) | 一种两个电压等级电网生长演化模型的构建方法 | |
CN107301499B (zh) | 一种基于ami数据的配电馈线统计线损率数据清洗方法 | |
CN112103950B (zh) | 一种基于改进gn分裂算法的电网分区方法 | |
CN105207255B (zh) | 一种适用于风电出力的电力系统调峰计算方法 | |
CN109918612B (zh) | 一种基于稀疏学习的台区拓扑结构校验方法 | |
CN107767060B (zh) | 配网线路理论线损计算系统及方法 | |
CN107565555B (zh) | 长线路多分枝供电区域电压质量的评估方法及评估系统 | |
CN111697607A (zh) | 一种多端柔性直流输电受端电网接入方法及系统 | |
CN110829440B (zh) | 一种三相中低压一体化配电网电压控制方法及系统 | |
CN109390946B (zh) | 一种基于多参数规划理论的最优概率潮流快速计算方法 | |
CN109494747B (zh) | 一种基于交替梯度算法的电网概率潮流计算方法 | |
Wang et al. | An alternative method for estimating wind-power capacity credit based on reliability evaluation using intelligent search | |
CN111461462A (zh) | 基于TrellisNet-LSTM的日负荷预测方法 |
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 |