CN108695848A - 主动配电网运行时序仿真方法 - Google Patents

Abstract

本发明公开了一种主动配电网运行时序仿真方法，包括进行主动配电网的中长期负荷预测；建立分布式发电装置接入容量的增长概率模型；分别建立主动配电网中光伏发电和风机发电的时序输出功率模型；根据主动配电网的中长期负荷预测和光伏发电、风机发电的输出功率，获取储能装置的充放电状态；选择经济效益高的主动配电网的互动运行策略，将分布式发电装置接入主动配电网容量的增长概率模型按照时间序列加入主动配电网的运行场景过程中，对主动配电网进行演进运行仿真，产生满足运行平衡约束并包含增长概率的主动配电网时序运行样本。本发明可有效用于后续的主动配电网投资规划中的技术路径与指标关联性分析。

Description

主动配电网运行时序仿真方法

技术领域

本发明涉及电力系统技术领域，尤其涉及一种主动配电网运行时序仿真方法。

背景技术

近年来，以风力和光伏为代表的间歇性可再生能源发电的快速发展，主动配电网中分布式发电(Distributed Generation，DG)渗透率增加、主动性元件的种类和数量增多，主动配电网的网络结构日趋复杂，系统分布式特点日渐凸显，对系统的自主操作性与控制延展性提出了新的要求。分布式可再生能源出力具有明显的随机性、波动性，大量分散的通讯数据会导致传统集中控制方法的通讯缓慢，以至于造成投资成本增加、资源浪费，使其难以实现分布式可再生能源的及时响应及全局优化。

现有的大多数研究仅是针对配电网的某些特征进行局部优化，例如探讨实时电价对配电网负荷造成的影响；在需求侧管理的模式下进行负荷分类，计算不同DG出力的概率特性，从而提出主动配电网的负荷预测和发电预测方法；将负荷对实时电价的响应剥离为负荷的附加项进行单独预测，再与传统负荷预测结果进行整合，从而实现较高的预测精度。传统配电网的DG与负荷管理力度较弱，控制方式也较为被动，无法对复杂多变的潮流进行有效的管理和控制。可见，传统的配电网无法应对如今柔性负荷变化、分布式能源接入以及多阶段多态势的市场行为影响下的配电网的实时控制，更不能实现未来主动配电网的投资规划决策。

发明内容

针对现有技术不能有效指导主动配电网投资规划决策的问题，本发明提供一种主动配电网运行时序仿真方法，通过对负荷、DG和储能的时序出力模拟以及主动配电网的多代理运行模拟，产生满足运行平衡约束并包含增长概率的主动配电网时序运行样本，用于主动配电网投资规划中的技术路径与指标关联性分析。

为实现上述目的，本发明的技术方案是：一种主动配电网运行时序仿真方法，包括：

进行主动配电网的中长期负荷预测；

根据主动配电网的中长期负荷预测和光伏发电、风机发电的输出功率，获取储能装置的充放电状态；

将分布式发电装置接入主动配电网容量的增长概率模型按照时间序列加入主动配电网的多代理运行场景过程中，根据主动配电网的中长期负荷预测、主动配电网中光伏发电和风机发电的时序输出功率模型以及储能装置的充放电状态，对主动配电网进行演进运行模拟，产生满足运行平衡约束并包含增长概率的主动配电网时序运行样本。

进一步地，所述主动配电网的中长期负荷预测具体包括：

将负荷分为居民用电负荷R、商业用电负荷C和工业用电负荷I，根据历史负荷统计估计数据获取每类负荷的日负荷水平因子和月负荷水平因子，进行月度负荷预测和年度负荷预测。

进一步地，所述月度负荷预测和年度负荷预测具体包括：基于日负荷水平因子和月负荷水平因子，计算主动配电网中任意节点i在时序上的有功负荷P_i和无功负荷Q_i：

P_i＝P_{i_0}·M(u,m)·D(u,d)·(1+α)^y·β_i

其中，P_i-0为节点i的基准负荷，M(u，m)为u类负荷的月负荷水平因子，D(u，d)为u类负荷的日负荷水平因子，u∈{R,C,I}，d∈{1,2,...,24}，m∈{1,2,...,12}，α为节点i的年均负荷增长率，y为节点i的时序模拟年数，β_i为不确定性因子，f_i-0为节点i的基准功率因数。

进一步地，所述分布式发电装置接入主动配电网容量的增长概率模型的建立具体包括：

对新增的分布式发电装置的接入容量进行预测，建立节点k上新增分布式发电装置的增长概率模型：

[(T_k,1,C_k,1)；(T_k,2,C_k,2)；...(T_k,n,C_k,n)]

其中，T_k,n为接装时间，C_k,n为接装容量，接装时间符合统计参数的正态分布，接装容量符合统计参数的均匀分布；T_k,max为最大接装时间，C_k,max为最大接装容量；对已有的分布式发电装置的容量增长，利用历史数据通过以下函数进行高斯多项式拟合，得到增长概率模型：

其中，C_k(t)为增长的容量，a_n、b_n和c_n为高斯函数形态参数，N为构成拟合高斯多项式的项数，t为接装时间。

进一步地，所述主动配电网中光伏发电和风机发电的时序输出功率模型的建立具体包括：

光伏发电在t时刻的稳态输出功率模型表示为光照与温度的函数：

其中，P_t为光伏电池组件在t时刻的实际有功输出，P_STC和r_STC分别为标准测试条件下光伏电池组件的最大输出功率和光照强度，r_t为t时刻的光照强度值，k、T_t和T_τ分别为光伏发电的功率温度系数、电池温度和参考温度；

风机在t时刻的稳态输出功率模型表示为风速的函数：

其中，P_i,t为第i个风机在t时刻的输出功率，v_t为t时刻的风速，v_c为切入风速，v_f为切出风速，v_s为额定风速，R_i为第i个风机的额定容量。

进一步地，所述获取储能装置的充放电状态具体包括：

当光伏发电输出功率大于并网功率时，储能装置充电，当光伏发电输出功率小于并网功率时，储能装置放电，储能装置的状态函数为：

SOC_i,t+1＝SOC_i,t+η_ch,tΔP_ch,i,tΔt-η_dis,tΔP_dis,i,tΔt

约束条件：

其中，SOC_i,t为第i个储能装置在t时刻的荷电状态，ΔP_ch,i,t和ΔP_dis,i,t分别为第i个储能装置在t时刻的充电功率和放电功率，η_ch,t和η_dis,t分别为充电效率和放电效率，Δt为充放电时长，ΔP_ch,i,max和ΔP_dis,i,max分别为储能装置的最大充电功率和最大放电功率，SOC_i,min和SOC_i,max分别为储能装置允许的最小荷电状态和最大荷电状态。

进一步地，对主动配电网进行演进运行模拟时选择经济效益高的主动配电网的互动运行策略，所述互动运行策略包括储能装置的互动策略、柔性负荷的互动策略和分布式发电装置的互动策略中的一种或多种。

进一步地，所述储能装置的互动策略具体为：在充放电次数范围内，储能装置在分时电价最低的时段进行充电，在分时电价最高的时段进放电，主动配电网的电价满足以下要求时，储能装置改变其充放电计划：

p_ADN(t)＜max{p_ADN,sch(T_cha)}

p_ADN(t)＞min{p_ADN,sch(T_discha)}

其中，T_cha和T_discha分别为未来一定时间内的充电和放电时段；p_ADN,sch为主动配电网的分时电价；p_ADN(t)为主动配电网在t时刻的电价；

当主动配电网的电价低于充电时段的最高价格或高于放电时段的最低价格，调整充放电时段，获取协调互动效益：

其中，P_EES为储能协调互动效益，ΔQ_ESS为储能装置的调整电量。

进一步地，所述柔性负荷的互动策略具体为：柔性负荷在互动过程中不断响应变动的指导电价，柔性负荷的协调互动效益为：

其中P_L为柔性负荷协调互动效益，Q_L,sch为计划负荷量，Q_L,DR为需求响应后负荷量，p_ADN,sch为主动配电网的分时电价，Q为柔性负荷量，p_ADN为主动配电网电价，ε为柔性负荷响应电价变化的灵敏性，

其中，Q_L为负荷用电量。

进一步地，所述分布式发电装置的互动策略具体为：当分布式发电装置每多发单位电量将增收对应的主动配电网电价，每少发单位电量将减收对应的主动配电网电价，分布式发电装置的协调互动效益为：

P_DG＝-p_ADN·ΔP_DG

其中，P_DG为分布式电源协调互动效益，p_ADN为主动配电网电价，ΔP_DG为分布式电源出力变化。

与现有技术相比，本发明具有有益效果：具有良好的自治性、适应性以及协调性，适应了主动配电网的发展变化趋势，多代理系统MAS((Multi-Agent System)的分布式特性与自主决策模型在解决复杂的主动配电网协调优化有着明显优势。多代理模型的分散自治管理模式与协调优化能力，能有效适应主动配电网中分布式资源的多元互动要求。通过对负荷、DG和储能的时序出力模拟以及主动配电网的多代理运行模拟，产生满足运行平衡约束并包含增长概率的主动配电网时序运行样本，可用于后续的主动配电网投资规划中的技术路径与指标关联性分析。

附图说明

图1是本发明一种主动配电网运行时序仿真方法流程示意图；

图2是本发明一实施例中各类负荷的日负荷水平因子示意图；

图3是本发明一实施例中各类负荷的月负荷水平因子示意图；

图4是序列预测方法的基本思想示意图；

图5是本发明一实施例中新增分布式发电装置接入容量的概率二元表示意图；

图6是本发明一实施例中不同类型的分布式发电装置自然单增模型示意图；

图7是本发明一实施例中用于拟合分布式发电装置容量增长模型的高斯函数形态；

图8是本发明一实施例中基于多代理互动的主动配电网运行时序仿真流程示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

如图1所示，一种主动配电网运行时序仿真方法，包括：

进行主动配电网的中长期负荷预测；

根据主动配电网的中长期负荷预测和光伏发电、风机发电的输出功率，获取储能装置的充放电状态；

将分布式发电装置接入主动配电网容量的增长概率模型按照时间序列加入主动配电网的多代理运行场景过程中，根据主动配电网的中长期负荷预测、主动配电网中光伏发电和风机发电的时序输出功率模型以及储能装置的充放电状态，对主动配电网进行演进运行模拟，产生满足运行平衡约束并包含增长概率的主动配电网时序运行样本，进行主动配电网投资规划决策。

(1)中长期负荷预测

中长期负荷预测主要包括年度预测与月度预测。将配电网各节点负荷视为恒功率因数PQ功率节点，考虑不同类型用户的负荷时序特征具有明显差异，将负荷分为最典型的居民、商业、工业用电3类。考虑负荷的日负荷水平因子和月均负荷因子进行负荷月度预测，应用序列预测方法进行年度负荷预测。基于负荷预测的日、月水平因子，对于配电网中任意节点在时序上的有、无功负荷进行计算。

a、负荷月度预测

将配电网各节点负荷视为恒功率因数PQ功率节点，考虑不同类型用户的负荷时序特征具有明显差异，将负荷分为最典型的居民R、商业C、工业用I电3类。以D(u，d)和M(u，m)分别表示某类负荷日负荷水平因子和月均负荷因子，2类负荷因子构成的常数向量反映了不同类型负荷的基本形态，可从历史负荷统计估计数据，如图2图3所示。

b、负荷年度预测

应用序列预测方法进行年度负荷预测，序列预测方法的基本思想如图4所示。

预测模型的抽象表达形式为：

p＝f(S,X,t)

式中：X为m种相关因素组成的向量，记为X＝[x1，x2，…，xm]T；t为时间序号；p为待预测量；S为预测模型的参数向量，设总共有k个参数，S＝[s1，s2，…，sk]T。

基于负荷预测的日、月水平因子，对于配电网中任意节点i在时序上的有、无功负荷可利用下列公式计算。

P_i＝P_{i_0}·M(u,m)·D(u,d)·(1+α)^y·β_i (1)

式中，P_i-0为节点i的基准负荷，α为节点i的年均负荷增长率，y为节点i的时序模拟年数，β_i为不确定性因子，通常可取0.85～1.15间的随机均匀分布，f_i-0为节点i的基准功率因数。式中均有u∈{R,C,I}，d∈{1,2,...,24}，m∈{1,2,...,12}。

(2)DG接入容量的增长概率模型

分散式清洁能源的接入需求来自不同利益主体，包括厂矿、园区、楼宇、甚至单户居民，可以通过报装计划管理、有效面积测算，气候参数收资、接入意愿调查、最大容量评估等方式进行DG的接入容量预测，形成关于节点k上DG接入的二元信息表，如式(3)所示。

[(T_k,1,C_k,1)；(T_k,2,C_k,2)；...(T_k,n,C_k,n)]

由于准确获取安装容量和时间点并非易事，因此采用概率处理方法，将二元信息表中接装时间T_n和容量C_n分别用符合统计参数的正态分布和均匀分布描述，用于量化DG接入容量评估工作中的不确定性，即在图5中的二元包络部分该节点或区域都有可能新增一定容量DG。

式(3)是对节点k上DG自然连续增长函数的离散采样，采样过程符合图4概率分布，在调研数据不全面条件下，理论上可依据已有信息插值拟合设计DG增长函数，再进行抽样处理。本处提出2类典型的DG自然单增模型，第1类模式为中后期快速增长，进而达到Cmax；第2类模式为前期快速增长，在较短期内达到其Cmax。这2类增长模型可囊括大部分新生事物的发展特点，如图6所示。

图6中曲线形态能较好地符合如图7所示的高斯函数拟合过程，实际工程中可采用平稳发展期预测、增长拐点预估、最大接装容量评估等手段确定若干关键时刻点与规模(据测试6-7组数据即可)，再通过式(4)函数形式进行高斯多项式拟合，可得到较好效果。

其中，C_k(t)为增长的容量，a_n、b_n和c_n为高斯函数形态参数，N为构成拟合高斯多项式的项数，一般取3-4即可。

(3)光伏与风机DG运行的序贯蒙特卡洛模拟

a、光伏运行模拟

中长期的太阳光照强度通常认为符合beta分布，概率密度函数形式为：

式中，r和r_max分别为实际光照强度和最大光照强度，α和β均为beta分布的形状参数，Г为Gamma函数。通过设置月份间最大光照强度和日照形状参数矩阵，可通过序贯蒙特卡洛方法按指定样本数对日照时间内的光照强度进行抽样。

光伏发电系统是根据光生伏特效应原理，利用太阳能电池板将太阳光能直接转化为电能。光伏电池板在t时刻的稳态输出功率模型可以表示为光照与温度的函数，可以利用下式计算得到：

式中，P_t为光伏电池组件在t时刻的实际有功输出，P_STC和r_STC分别为标准测试条件下光伏电池组件的最大输出功率和光照强度，r_t为t时刻抽取的光照强度值，k、T_t和T_τ分别为光伏发电的功率温度系数、电池温度和参考温度。正常运行时，光伏电池组件的逆变装置通常将功率因数设定为1，即无功出力为0。b、风机运行模拟

风力发电系统的运行受风速影响很大，中长期的风速通常认为符合威布尔分布，其概率密度函数形式为：

式中，v_t是风速，k_t是形状参数，c_t是尺度参数。当c_t＝1时为标准Weibull分布。形状参数k_t对曲线形状的影响相对较大。当k_t＝1时，分布呈指数型。k_t＝2时，便成为Rayleigh分布。k_t＝3.5时，Weibull分布实际已经类似于正态分布。

风机的在t时刻的稳态输出功率模型可以表示为风速的函数，风机的在t时刻的稳态输出功率模型可以利用下式计算得到：

式中，P_i,t为第i个风机在t时刻的输出功率，v_t为t时刻的风速，v_c为切入风速，v_f为切出风速，v_s为额定风速，R_i为第i个风机的额定容量。

(4)基于多代理协调的储能状态时序模拟

储能设备的剩余电量与该设备的充放电功率和初始荷电量有关。当光伏系统输出功率大于并网功率时，需要储能系统吸收多余的光伏输出功率，储能设备充电，当光伏系统输出功率小于并网功率时，需要储能系统补偿缺失的光伏输出功率，储能设备放电，储能装置的状态函数：

SOC_i,t+1＝SOC_i,t+η_ch,tΔP_ch,i,tΔt-η_dis,tΔP_dis,i,tΔt (9)

约束条件：

式中，SOC_i,t为第i个储能装置在t时刻的荷电状态，ΔP_ch,i,t和ΔP_dis,i,t分别为第i个储能装置在t时刻的充电功率和放电功率，η_ch,t和η_dis,t分别为充电效率和放电效率，Δt为充放电时长，ΔP_ch,i,max和ΔP_dis,i,max分别为储能装置的最大充电功率和最大放电功率，SOC_i,min和SOC_i,max分别为储能装置允许的最小荷电状态和最大荷电状态。

储能装置一天内的充放电策略决定于主动配电网的分时电价，储能装置在一天内根据分时电价的变化改变自身的状态。

(5)基于主动配电网多技术路径协调运行的发展时序模拟

基于多代理的发展模式演进模拟技术，分析主动配电网各参与主体的关键属性和行为模式，建立包含分布式电源、配电网、新型负荷等全部要素的主动配电网多代理模型。模拟主动配电网演进的关键场景，考虑主动配电网规模的发展，将其按照时间序列融入运行场景过程中，对主动配电网按照该序列场景进行演进运行模拟。基于多代理互动的主动配电网运行时序仿真流程示意图如图8所示，多代理系统进行互动的目标在于寻找主动配电网整体的经济运行方式。在本专利中采取基于经济性的协调互动效益作为排序的原则，即优先选择利润最大或成本最小的调整策略。

a、储能的互动策略模型

在充放电次数范围内，储能装置在分时电价最低的阶段进行充电，在分时电价最高的阶段进行放点，这种行为也正好符合负荷的高峰低谷需求。当出现某个时段负荷激增或骤减造成电价大幅度变动，如果电价低于储能的充电最高价格或高于放电最低价格，储能装置则变更充放电行为来达到自身优化并满足负荷需求。在多代理系统下，储能代理商主动对指导电价进行响应，为使到自身利益最大化，主动配电网价格满足如下要求时，储能改变其充放电计划：

p_ADN(t)＜max{p_ADN,sch(T_cha)} (11)

p_ADN(t)＞min{p_ADN,sch(T_discha)} (12)

式中，T_cha和T_discha分别为未来一定时间内的充电和放电时段；p_ADN,sch为主动配电网的分时电价。

储能的互动策略为当主动配电网中出现更低或更高的电价使，调整充放电时段，由此获取协调互动效益：

式中，ΔQ_ESS为储能的调整电量。

b、柔性负荷互动策略模型

在主动配电网中，存在部分具有柔性的负荷，这类负荷可以主动调整用电大小或用电时段。在趋利环境下，主动配电网电价同样可以指导该类负荷的运行方式。采用弹性系数来定义柔性负荷响应电价变化的灵敏性：

式中，QL为负荷用电量。

由于柔性负荷在互动过程中不断响应变动的指导电价，其需求响应曲线对应的既是其每单位使用电量产生的效益。除去其用电成本，其协调互动效益为：

c、分布式能源互动策略模型

分布式可再生能源由于不计发电运行成本，当它每多发单位电量将增收对应的主动配电网电价，而每少发单位电量也将减收对应的主动配电网电价。所以，其协调互动效益为：

P_DG＝-p_ADN·ΔP_DG (16)

主动配电网规划方案在线生成技术，能在任意指定时间尺度内根据电网运行典型参数数据，生成带时标的模拟场景序列。研究主动配电网规划场景的时序特征抽象技术，能利用多代理技术实现从历史、当前数据中衍生出主动配电网的场景演化轨迹与性能发展参数，能从不同时间尺度下筛选出均一化时间尺度的场景序列。将配电网运行历史数据经过状态估计等方法筛选出带统一时标的各行为主体以及各拓扑结构参数，并能通过既定的多代理平台时间粒度进行场景演化。根据演化的场景序列，能利用时序模拟方法模拟电网运行特征，并细化时间粒度生成更精细化时段的电网演进场景。

本发明将负荷分为居民、商业、工业几类，根据不同负荷的日因子、月因子和年因子得到负荷的预测模型，基于年增长概率得到DG的出力预测模型，根据主动配电网的分时电价得到储能装置的出力模型。基于多代理元件的建模和经济协调运行结果，结合其年增长概率模型，采用主动配电网多代理模拟技术对各类元件进行时序模拟，得到其预测曲线，协调不同元件相互合作以满足主动配电网运行优化目标。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (10)

1.一种主动配电网运行时序仿真方法，其特征在于，包括：

进行主动配电网的中长期负荷预测；

根据主动配电网的中长期负荷预测和光伏发电、风机发电的输出功率，获取储能装置的充放电状态；

将分布式发电装置接入主动配电网容量的增长概率模型按照时间序列加入主动配电网的多代理运行场景过程中，根据主动配电网的中长期负荷预测、主动配电网中光伏发电和风机发电的时序输出功率模型以及储能装置的充放电状态，对主动配电网进行演进运行模拟，产生满足运行平衡约束并包含增长概率的主动配电网时序运行样本。

2.根据权利要求1所述的主动配电网运行时序仿真方法，其特征在于，所述主动配电网的中长期负荷预测具体包括：

将负荷分为居民用电负荷R、商业用电负荷C和工业用电负荷I，根据历史负荷统计估计数据获取每类负荷的日负荷水平因子和月负荷水平因子，进行月度负荷预测和年度负荷预测。

3.根据权利要求2所述的主动配电网运行时序仿真方法，其特征在于，所述月度负荷预测和年度负荷预测具体包括：基于日负荷水平因子和月负荷水平因子，计算主动配电网中任意节点i在时序上的有功负荷P_i和无功负荷Q_i：

P_i＝P_{i_0}·M(u,m)·D(u,d)·(1+α)^y·β_i

其中，P_i-0为节点i的基准负荷，M(u，m)为u类负荷的月负荷水平因子，D(u，d)为u类负荷的日负荷水平因子，u∈{R,C,I}，d∈{1,2,...,24}，m∈{1,2,...,12}，α为节点i的年均负荷增长率，y为节点i的时序模拟年数，β_i为不确定性因子，f_i-0为节点i的基准功率因数。

4.根据权利要求1所述的主动配电网运行时序仿真方法，其特征在于，所述分布式发电装置接入主动配电网容量的增长概率模型的建立具体包括：

对新增的分布式发电装置的接入容量进行预测，建立节点k上新增分布式发电装置的增长概率模型：

[(T_k,1,C_k,1)；(T_k,2,C_k,2)；...(T_k,n,C_k,n)]

C_k,n≤C_k,max

其中，T_k,n为接装时间，C_k,n为接装容量，接装时间符合统计参数的正态分布，接装容量符合统计参数的均匀分布；T_k,max为最大接装时间，C_k,max为最大接装容量；对已有的分布式发电装置的容量增长，利用历史数据通过以下函数进行高斯多项式拟合，得到增长概率模型：

其中，C_k(t)为增长的容量，a_n、b_n和c_n为高斯函数形态参数，N为构成拟合高斯多项式的项数，t为接装时间。

5.根据权利要求1所述的主动配电网运行时序仿真方法，其特征在于，所述主动配电网中光伏发电和风机发电的时序输出功率模型的建立具体包括：

光伏发电在t时刻的稳态输出功率模型表示为光照与温度的函数：

其中，P_t为光伏电池组件在t时刻的实际有功输出，P_STC和r_STC分别为标准测试条件下光伏电池组件的最大输出功率和光照强度，r_t为t时刻的光照强度值，k、T_t和T_τ分别为光伏发电的功率温度系数、电池温度和参考温度；

风机在t时刻的稳态输出功率模型表示为风速的函数：

其中，P_i,t为第i个风机在t时刻的输出功率，v_t为t时刻的风速，v_c为切入风速，v_f为切出风速，v_s为额定风速，R_i为第i个风机的额定容量。

6.根据权利要求1所述的主动配电网运行时序仿真方法，其特征在于，所述获取储能装置的充放电状态具体包括：

当光伏发电输出功率大于并网功率时，储能装置充电，当光伏发电输出功率小于并网功率时，储能装置放电，储能装置的状态函数为：

SOC_i,t+1＝SOC_i,t+η_ch,tΔP_ch,i,tΔt-η_dis,tΔP_dis,i,tΔt

约束条件：

其中，SOC_i,t为第i个储能装置在t时刻的荷电状态，ΔP_ch,i,t和ΔP_dis,i,t分别为第i个储能装置在t时刻的充电功率和放电功率，η_ch,t和η_dis,t分别为充电效率和放电效率，Δt为充放电时长，ΔP_ch,i,max和ΔP_dis,i,max分别为储能装置的最大充电功率和最大放电功率，SOC_i,min和SOC_i,max分别为储能装置允许的最小荷电状态和最大荷电状态。

7.根据权利要求1所述的主动配电网运行时序仿真方法，其特征在于，对主动配电网进行演进运行模拟时选择经济效益高的主动配电网的互动运行策略，所述互动运行策略包括储能装置的互动策略、柔性负荷的互动策略和分布式发电装置的互动策略中的一种或多种。

8.根据权利要求7所述的主动配电网运行时序仿真方法，其特征在于，所述储能装置的互动策略具体为：在充放电次数范围内，储能装置在分时电价最低的时段进行充电，在分时电价最高的时段进放电，主动配电网的电价满足以下要求时，储能装置改变其充放电计划：

p_ADN(t)＜max{p_ADN,sch(T_cha)}

p_ADN(t)＞min{p_ADN,sch(T_discha)}

其中，T_cha和T_discha分别为未来一定时间内的充电和放电时段；p_ADN,sch为主动配电网的分时电价；p_ADN(t)为主动配电网在t时刻的电价；

当主动配电网的电价低于充电时段的最高价格或高于放电时段的最低价格，调整充放电时段，获取协调互动效益：

其中，P_EES为储能的协调互动效益，ΔQ_ESS为储能装置的调整电量。

9.根据权利要求7所述的主动配电网运行时序仿真方法，其特征在于，所述柔性负荷的互动策略具体为：柔性负荷在互动过程中不断响应变动的指导电价，柔性负荷的协调互动效益为：

其中，P_L为柔性负荷协调互动效益，Q_L,sch为计划负荷量，Q_L,DR为需求响应后负荷量，p_ADN,sch为主动配电网的分时电价，Q为柔性负荷量，p_ADN为主动配电网电价，ε为柔性负荷响应电价变化的灵敏性，

其中，Q_L为负荷用电量。

10.根据权利要求7所述的主动配电网运行时序仿真方法，其特征在于，所述分布式发电装置的互动策略具体为：当分布式发电装置每多发单位电量将增收对应的主动配电网电价，每少发单位电量将减收对应的主动配电网电价，分布式发电装置的协调互动效益为：

P_DG＝-p_ADN·ΔP_DG

其中，P_DG为分布式电源协调互动效益，p_ADN为主动配电网电价，ΔP_DG为分布式电源出力变化。