CN108898305A - 主动配电网规划方法及其系统 - Google Patents
主动配电网规划方法及其系统 Download PDFInfo
- Publication number
- CN108898305A CN108898305A CN201810671896.4A CN201810671896A CN108898305A CN 108898305 A CN108898305 A CN 108898305A CN 201810671896 A CN201810671896 A CN 201810671896A CN 108898305 A CN108898305 A CN 108898305A
- Authority
- CN
- China
- Prior art keywords
- source
- distribution end
- model
- distribution
- nest
- 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.)
- Pending
Links
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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明提供了一种主动配电网规划方法,包括参数确定步骤:确定预设参数组、目标函数组;其中,所述预设参数组包括供源端预设参数、配电端预设参数;所述目标函数组包括供源端目标函数、配电端目标函数;供源端建模步骤:根据供源端预设参数、供源端目标函数,建立供源端模型;配电端建模步骤:根据配电端预设参数、配电端目标函数,建立配电端模型;模型求解步骤:根据供源端模型、配电端模型,建立双层非线性模型;根据双层非线性模型,计算求解双层非线性模型。本发明在分布式电源和静止无功补偿装置分属于不同利益主体的情况下充分考虑了分布式电源对电压暂降抑制的积极作用,实现了包含多利益主体的主动配电网协调规划,有利于实现多方共赢。
Description
技术领域
本发明属于主动配电领域,具体地,涉及一种主动配电网规划方法及其系统,尤其涉及一种基于主体利益的主动配电网规划系统。
背景技术
主动配电网可以定义为一种具有灵活拓扑结构、能够对分布式能源实现主动控制和主动管理的配电系统,其概念最早由2006年国际大电网会议提出。在主动配电网规划问题中,根据规划对象的不同可以将其分为以分布式发电装置(Distributed Generation,DG)为代表的电源规划和DG与变电站或馈线协调的配电网扩展规划。其中,电源规划就是在不改变配电网拓扑结构的基础上提出DG的选址定容方案。
由于大量分布式可再生能源的接入会导致配电网的不确定性增强,因此在主动配电网的规划过程中有必要对运行中可能出现的状态进行考虑,对每一种可能出现的场景进行详尽分析,即采用多场景分析的系统。其实质是将复杂的不确定因素随机模型转换为多个确定性场景下的确定性模型进行处理,来降低建模和求解的复杂程度。在以电力市场化为特征的新型配电模式下,区域能源供应商将会对配网公司的产生重要的影响,但现有的研究中鲜有在兼顾供电电能质量的同时考虑配电网中的电力设备分属于不同利益主体的情况。因此,有必要进一步丰富在主动配电网的规划中考虑的利益主体,不同利益主体的成本与收益划分及相互间的博弈策略还有待进一步研究。在主动配电网规划问题的求解方面,由于优化模型中存在复杂的非线性,采用仿生智能算法并进行适当改进是求解该类问题的有效途径。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种主动配电网规划方法及其系统。
根据本发明提供的一种主动配电网规划方法,包括如下步骤:
参数确定步骤:确定预设参数组、目标函数组;
其中,所述预设参数组包括供源端预设参数、配电端预设参数;
所述目标函数组包括供源端目标函数、配电端目标函数;
供源端建模步骤:根据供源端预设参数、供源端目标函数,建立供源端模型;
配电端建模步骤:根据配电端预设参数、配电端目标函数,建立配电端模型;
模型求解步骤:根据供源端模型、配电端模型,建立双层非线性模型;根据双层非线性模型,计算求解双层非线性模型。
优选地,通过两层嵌套的改进布谷鸟算法求解双层非线性模型;
其中,所述布谷鸟算法采用固定步长比例因子作为一个变量;
固定步长比例因子通过下列公式得到:
式中,
α为固定步长比例因子
αmax为步长比例因子的最大值;
αmin为步长比例因子的最小值;
Nmax为最大迭代次数;
N为当前迭代次数;
其中,通过获得固定步长比例因子,进而求解双层非线性模型;
所述两层嵌套的改进布谷鸟算法,包括如下步骤:
数据读取步骤:读取双层非线性模型的数据;
次数初始步骤:根据双层非线性模型的数据,初始化双层非线性模型的迭代次数;
供源初始步骤:根据双层非线性模型的迭代次数,初始化供源端模型的变量;
配电初始步骤:根据初始化供源端模型的变量,初始化配电端模型的变量;
配电端适应度排序步骤:根据初始化配电端模型的变量,获取配电端的适应度并按照优劣排序;
配电端异类发现步骤:根据配电端的适应度及排序,判断是否发现异类;若是,则进入配电端废弃鸟窝步骤;若否,则进入配电端条件满足步骤;
配电端废弃鸟窝步骤:选择配电端的废弃鸟窝并进入配电端的新鸟窝生成步骤;
配电端条件满足步骤:判断是否满足终止条件;若是,则进入供源端适应度排序步骤;若否,则进入配电端新鸟窝生成步骤;
配电端新鸟窝生成步骤:根据选择配电端的废弃鸟窝,生成配电端的新鸟窝并进入配电初始步骤;
供源端适应度排序步骤:根据初始化供源端模型的变量,获取供源端的适应度并按照优劣排序;
供源端异类发现步骤:根据供源端的适应度及排序,判断是否发现异类;若是,则进入供源端废弃鸟窝步骤;若否,则进入供源端条件满足步骤;
供源端废弃鸟窝步骤:选择供源端的废弃鸟窝并进入供源端新鸟窝生成步骤;
供源端条件满足步骤:判断是否满足终止条件;若是,则输出结果;若否,则进入供源端新鸟窝生成步骤;
供源端新鸟窝生成步骤:根据选择供源端的废弃鸟窝,生成供源端的新鸟窝并进入供源初始步骤。
优选地,通过蒙特卡洛方法获取可再生能源出力与负荷功率之间的关系;
所述电压暂降损失成本参数包括电压暂降事件发生概率和相应损失成本。
优选地,在参数确定步骤中:
供源端目标函数通过下列公式得到:
max C1=Cs+Cb-CI-CM
式中,
C1为供源端目标函数;
max C1为供源端目标函数的最大值;
Cs为区域能源供应商售电收益;
Cb为可再生能源发电补贴;
CI为初始投资成本;
CM为运行维护成本。
优选地,在参数确定步骤中:
配电端目标函数通过下列公式得到:
min C2=CI,stat+CM,stat+Csag+Closs+Cbuy-Csale
式中,
C2为配电端目标函数;
min C2为配电端目标函数的最小值;
CI,stat为STATCOM的初始投资成本;
CM,stat为STATCOM的年运维成本;
Csag为年暂降损失成本;
Closs为年线损成本;
Cbuy为配电公司购电成本;
Csale为配电公司售电收益。
本发明还提供了一种主动配电网规划系统,包括如下模块:
参数确定模块:确定预设参数组、目标函数组;
其中,所述预设参数组包括供源端预设参数、配电端预设参数;
所述目标函数组包括供源端目标函数、配电端目标函数;
供源端建模模块:根据供源端预设参数、供源端目标函数,建立供源端模型;
配电端建模模块:根据配电端预设参数、配电端目标函数,建立配电端模型;
模型求解模块:根据供源端模型、配电端模型,建立双层非线性模型;根据双层非线性模型,计算求解双层非线性模型。
优选地,通过两层嵌套的改进布谷鸟算法求解双层非线性模型;
其中,所述布谷鸟算法采用固定步长比例因子作为一个变量;
固定步长比例因子通过下列公式得到:
式中,
α为固定步长比例因子
αmax为步长比例因子的最大值;
αmin为步长比例因子的最小值;
Nmax为最大迭代次数;
N为当前迭代次数;
其中,通过获得固定步长比例因子,进而求解双层非线性模型;
所述两层嵌套的改进布谷鸟算法,包括如下模块:
数据读取模块:读取双层非线性模型的数据;
次数初始模块:根据双层非线性模型的数据,初始化双层非线性模型的迭代次数;
供源初始模块:根据双层非线性模型的迭代次数,初始化供源端模型的变量;
配电初始模块:根据初始化供源端模型的变量,初始化配电端模型的变量;
配电端适应度排序模块:根据初始化配电端模型的变量,获取配电端的适应度并按照优劣排序;
配电端异类发现模块:根据配电端的适应度及排序,判断是否发现异类;若是,则进入配电端废弃鸟窝模块;若否,则进入配电端条件满足模块;
配电端废弃鸟窝模块:选择配电端的废弃鸟窝并进入配电端的新鸟窝生成模块;
配电端条件满足模块:判断是否满足终止条件;若是,则进入供源端适应度排序模块;若否,则进入配电端新鸟窝生成模块;
配电端新鸟窝生成模块:根据选择配电端的废弃鸟窝,生成配电端的新鸟窝并进入配电初始模块;
供源端适应度排序模块:根据初始化供源端模型的变量,获取供源端的适应度并按照优劣排序;
供源端异类发现模块:根据供源端的适应度及排序,判断是否发现异类;若是,则进入供源端废弃鸟窝模块;若否,则进入供源端条件满足模块;
供源端废弃鸟窝模块:选择供源端的废弃鸟窝并进入供源端新鸟窝生成模块;
供源端条件满足模块:判断是否满足终止条件;若是,则输出结果;若否,则进入供源端新鸟窝生成模块;
供源端新鸟窝生成模块:根据选择供源端的废弃鸟窝,生成供源端的新鸟窝并进入供源初始模块。
优选地,通过蒙特卡洛方法获取可再生能源出力与负荷功率之间的关系;所述电压暂降损失成本参数包括电压暂降事件发生概率和相应损失成本。
优选地,在参数确定模块中:供源端目标函数通过下列公式得到:
max C1=Cs+Cb-CI-CM
式中,
C1为供源端目标函数;
max C1为供源端目标函数的最大值;
Cs为区域能源供应商售电收益;
Cb为可再生能源发电补贴;
CI为初始投资成本;
CM为运行维护成本。
优选地,在参数确定模块中:
配电端目标函数通过下列公式得到:
min C2=CI,stat+CM,stat+Csag+Closs+Cbuy-Csale
式中,
C2为配电端目标函数;
min C2为配电端目标函数的最小值;
CI,stat为STATCOM的初始投资成本;
CM,stat为STATCOM的年运维成本;
Csag为年暂降损失成本;
Closs为年线损成本;
Cbuy为配电公司购电成本;
Csale为配电公司售电收益。
与现有技术相比,本发明具有如下的有益效果:
本发明在分布式电源和静止无功补偿装置分属于不同利益主体的情况下充分考虑了分布式电源对电压暂降抑制的积极作用,实现了包含多利益主体的主动配电网协调规划,有利于实现多方共赢。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明提供的主动配电网规划方法的框架图。
图2为本发明提供的规划区域内光照资源场景统计结果。
图3为本发明实施例中规划区域内负荷场景统计结果。
图4为本发明实施例中K均值聚类结果。
图5为本发明提供的双层优化模型求解流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提供了一种主动配电网规划方法,包括如下步骤:参数确定步骤:确定预设参数组、目标函数组;其中,所述预设参数组包括供源端预设参数、配电端预设参数;所述目标函数组包括供源端目标函数、配电端目标函数;供源端建模步骤:根据供源端预设参数、供源端目标函数,建立供源端模型;配电端建模步骤:根据配电端预设参数、配电端目标函数,建立配电端模型;模型求解步骤:根据供源端模型、配电端模型,建立双层非线性模型;根据双层非线性模型,计算求解双层非线性模型。
通过两层嵌套的改进布谷鸟算法求解双层非线性模型;其中,所述布谷鸟算法采用固定步长比例因子作为一个变量;固定步长比例因子通过下列公式得到:
式中,
α为固定步长比例因子
αmax为步长比例因子的最大值;
αmin为步长比例因子的最小值;
Nmax为最大迭代次数;
N为当前迭代次数;
其中,通过获得固定步长比例因子,进而求解双层非线性模型;
所述两层嵌套的改进布谷鸟算法,包括如下步骤:数据读取步骤:读取双层非线性模型的数据;次数初始步骤:根据双层非线性模型的数据,初始化双层非线性模型的迭代次数;供源初始步骤:根据双层非线性模型的迭代次数,初始化供源端模型的变量;配电初始步骤:根据初始化供源端模型的变量,初始化配电端模型的变量;配电端适应度排序步骤:根据初始化配电端模型的变量,获取配电端的适应度并按照优劣排序;配电端异类发现步骤:根据配电端的适应度及排序,判断是否发现异类;若是,则进入配电端废弃鸟窝步骤;若否,则进入配电端条件满足步骤;配电端废弃鸟窝步骤:选择配电端的废弃鸟窝并进入配电端的新鸟窝生成步骤;配电端条件满足步骤:判断是否满足终止条件;若是,则进入供源端适应度排序步骤;若否,则进入配电端新鸟窝生成步骤;配电端新鸟窝生成步骤:根据选择配电端的废弃鸟窝,生成配电端的新鸟窝并进入配电初始步骤;供源端适应度排序步骤:根据初始化供源端模型的变量,获取供源端的适应度并按照优劣排序;供源端异类发现步骤:根据供源端的适应度及排序,判断是否发现异类;若是,则进入供源端废弃鸟窝步骤;若否,则进入供源端条件满足步骤;供源端废弃鸟窝步骤:选择供源端的废弃鸟窝并进入供源端新鸟窝生成步骤;供源端条件满足步骤:判断是否满足终止条件;若是,则输出结果;若否,则进入供源端新鸟窝生成步骤;供源端新鸟窝生成步骤:根据选择供源端的废弃鸟窝,生成供源端的新鸟窝并进入供源初始步骤。
通过蒙特卡洛方法获取可再生能源出力与负荷功率之间的关系;所述电压暂降损失成本参数包括电压暂降事件发生概率和相应损失成本。
在参数确定步骤中:供源端目标函数通过下列公式得到:
max C1=Cs+Cb-CI-CM
式中,
C1为供源端目标函数;
max C1为供源端目标函数的最大值;
Cs为区域能源供应商售电收益;
Cb为可再生能源发电补贴;
CI为初始投资成本;
CM为运行维护成本。
在参数确定步骤中:配电端目标函数通过下列公式得到:
min C2=CI,stat+CM,stat+Csag+Closs+Cbuy-Csale
式中,
C2为配电端目标函数;
min C2为配电端目标函数的最小值;
CI,stat为STATCOM的初始投资成本;
CM,stat为STATCOM的年运维成本;
Csag为年暂降损失成本;
Closs为年线损成本;
Cbuy为配电公司购电成本;
Csale为配电公司售电收益。
在上述一种本发明主动配电网规划方法的基础上,本发明还提供了一种主动配电网规划系统,包括如下模块:参数确定模块:确定预设参数组、目标函数组;其中,所述预设参数组包括供源端预设参数、配电端预设参数;所述目标函数组包括供源端目标函数、配电端目标函数;供源端建模模块:根据供源端预设参数、供源端目标函数,建立供源端模型;配电端建模模块:根据配电端预设参数、配电端目标函数,建立配电端模型;模型求解模块:根据供源端模型、配电端模型,建立双层非线性模型;根据双层非线性模型,计算求解双层非线性模型。
在本发明提供的主动配电网规划系统中,通过两层嵌套的改进布谷鸟算法求解双层非线性模型;其中,所述布谷鸟算法采用固定步长比例因子作为一个变量;固定步长比例因子通过下列公式得到:
式中,
α为固定步长比例因子
αmax为步长比例因子的最大值;
αmin为步长比例因子的最小值;
Nmax为最大迭代次数;
N为当前迭代次数;
其中,通过获得固定步长比例因子,进而求解双层非线性模型;
所述两层嵌套的改进布谷鸟算法,包括如下模块:数据读取模块:读取双层非线性模型的数据;次数初始模块:根据双层非线性模型的数据,初始化双层非线性模型的迭代次数;供源初始模块:根据双层非线性模型的迭代次数,初始化供源端模型的变量;配电初始模块:根据初始化供源端模型的变量,初始化配电端模型的变量;配电端适应度排序模块:根据初始化配电端模型的变量,获取配电端的适应度并按照优劣排序;配电端异类发现模块:根据配电端的适应度及排序,判断是否发现异类;若是,则进入配电端废弃鸟窝模块;若否,则进入配电端条件满足模块;配电端废弃鸟窝模块:选择配电端的废弃鸟窝并进入配电端的新鸟窝生成模块;配电端条件满足模块:判断是否满足终止条件;若是,则进入供源端适应度排序模块;若否,则进入配电端新鸟窝生成模块;配电端新鸟窝生成模块:根据选择配电端的废弃鸟窝,生成配电端的新鸟窝并进入配电初始模块;供源端适应度排序模块:根据初始化供源端模型的变量,获取供源端的适应度并按照优劣排序;供源端异类发现模块:根据供源端的适应度及排序,判断是否发现异类;若是,则进入供源端废弃鸟窝模块;若否,则进入供源端条件满足模块;供源端废弃鸟窝模块:选择供源端的废弃鸟窝并进入供源端新鸟窝生成模块;供源端条件满足模块:判断是否满足终止条件;若是,则输出结果;若否,则进入供源端新鸟窝生成模块;供源端新鸟窝生成模块:根据选择供源端的废弃鸟窝,生成供源端的新鸟窝并进入供源初始模块。
所述供源端预设参数包括DG使用寿命、DG单位容量投资成本和运行维护成本、投资成本贴现率、单位电价、可再生能源单位发电量补贴、DG安装容量上限、可再生能源出力以及负荷功率;所述配电端预设参数包括节点负荷的电能质量需求指标、STATCOM单位容量投资成本和运行维护成本、电压暂降损失成本参数、单位线损成本、配电公司单位购电成本、售电电价以及配电网线路参数。
在本发明提供的主动配电网规划系统中,通过蒙特卡洛方法获取可再生能源出力与负荷功率之间的关系;所述电压暂降损失成本参数包括电压暂降事件发生概率和相应损失成本。
在本发明提供的主动配电网规划系统中,在参数确定模块中:供源端目标函数通过下列公式得到:
max C1=Cs+Cb-CI-CM
式中,
C1为供源端目标函数;
max C1为供源端目标函数的最大值;
Cs为区域能源供应商售电收益;
Cb为可再生能源发电补贴;
CI为初始投资成本;
CM为运行维护成本。
在本发明提供的主动配电网规划系统中,在参数确定模块中:配电端目标函数通过下列公式得到:
min C2=CI,stat+CM,stat+Csag+Closs+Cbuy-Csale
式中,
C2为配电端目标函数;
min C2为配电端目标函数的最小值;
CI,stat为STATCOM的初始投资成本;
CM,stat为STATCOM的年运维成本;
Csag为年暂降损失成本;
Closs为年线损成本;
Cbuy为配电公司购电成本;
Csale为配电公司售电收益。
这里需要说明的是,所述供源端指的是提供能源的机构,例如能源供应商;所述配电端指的是将源机构提供的能源传送至用电端的机构,例如配电公司;所述用电端指的是使用能源的端部,例如用户等。
下面对本发明提供的主动配电网规划方法及其系统做进一步说明,并以供源端为区域能源供应商,配电端为配电公司;用电端为用户为例,但本发明提供的主动配电网规划方法和系统中的这三个主体,并不限定于此:
本发明提供的主动配电网规划方法及其系统中,优选地,考虑了三种主体,即区域能源供应商,即供源端,也可以理解为源、配电公司,即配电端,可以理解为网以及用户,即用电端,可以理解为荷这三个主体的利益需求,其中,源层,即供电端从区域能源供应商的利益最大化出发,进行分布式电源DG的选址定容,并将满足配电公司要求和满足自身约束条件下的DG位置、DG容量传递到网层;同时,配电公司从用户暂降损失成本最小的角度最大化用户的满意度,进行静止无功补偿器STATCOM的选址定容,决策出STATCOM的位置和容量,进行主动管理,并将决策值传递至源层,开始新一轮迭代;本发明提供的主动配电网规划方法具体地包括以下步骤:
参数确定步骤:确定主动配电网双层规划参数,即预设参数组;上层规划模型参数,即供源端预设参数包括DG使用寿命、DG单位容量投资成本和运行维护成本、投资成本贴现率、单位电价、可再生能源单位发电量补贴、DG安装容量上限、可再生能源出力与负荷功率等;下层规划模型参数,即配电端预设参数包括节点负荷的电能质量需求指标、STATCOM单位容量投资成本和运行维护成本、电压暂降损失成本参数、单位线损成本、配电公司单位购电成本和售电电价、配电网线路参数等;
供源端建模步骤:建立主动配电网上层规划模型;决策者为区域能源供应商,目标函数设定为区域能源供应商在规划阶段的投资和运营成本最低,决策变量为各个节点的分布式发电DG安装容量,约束条件包括各节点DG安装容量限制和DG安装总容量限制。
配电端建模步骤:建立主动配电网下层规划模型;决策者为配电公司,目标函数设定为配电公司在规划阶段的投资和运营成本最低,决策变量为各个节点的STATCOM安装容量,约束条件包括潮流约束、节点电压约束、支路载流量约束和STATCOM无功出力约束。
模型求解步骤:选用两层嵌套的改进布谷鸟算法求解供源端建模步骤和配电端建模步骤中建立的双层非线性优化模型。
参数确定步骤中可再生能源出力与负荷功率存在不确定性,采用场景分析的系统进行处理:蒙特卡洛方法用于模拟全年各时段的可再生能源出力与负荷功率大小;K均值聚类算法用于对全年场景进行缩减。
参数确定步骤中电压暂降损失成本参数包括电压暂降事件发生概率和相应损失成本;配网线路参数包括配网拓扑结构、线路导纳、节点电压上下限、支路极限有功功率和传输电流、与主网交互功率上下限等。
供源端建模步骤中上层规划模型目标函数为:
max C1=Cs+Cb-CI-CM
其中,Cs为区域能源供应商售电收益,Cb为可再生能源发电补贴,CI为初始投资成本,CM为运行维护成本。CI,stat+CM,stat
步骤3配电端建模步骤中下层规划模型目标函数为:
min C2=CI,stat+CM,stat+Csag+Closs+Cbuy-Csale
其中,CI,stat为STATCOM的初始投资成本,CM,stat为STATCOM的年运维成本,Csag为年暂降损失成本,Closs为年线损成本,Cbuy为配电公司购电成本,Csale为配电公司售电收益。
在本发明提供的主动配电网规划方法,以下简称方法,如图1所示,所述方法更具体地包括以下步骤:
优选地,在参数确定步骤中:确定主动配电网双层规划参数。本实施例选取IEEE33节点配电系统为研究对象进行分析。分布式电源DG选用太阳能光伏发电动力系统(photovoltaicelectricity,PV)设备,考虑低电压穿越。安装的候选节点为7、11、15、18、29、32。方法中分布式电源DG总安装容量不可超过总负荷的50%。PV和STATCOM的投资成本分别为10000元/kWh、200元/kWh,年维护成本分别为初始投资成本的9%和5%,主动配电网和主网的购电单价均为0.5元/kWh,售电单价均为0.7元/kWh,使用寿命均为20年,贴现率为5%。
光伏发电功率数据和负荷数据采用某地采集的历史数据,综合负载率数据和光伏出力效率数据,采用蒙特卡洛模拟全年8760h下的光伏发电功率和负载率,从而构造出8760个场景,每个基础场景均包含光照强度和负荷功率这两个参数。图2和图3中分别给出了所有场景中的光照强度和负荷功率参数。采用K均值聚类系统对生成的8760个场景进行聚类,将缩减后的场景数设定为30个,聚类结果如图4所示。缩减后的30个场景数据如表1所示。
表1
供源端建模步骤:建立主动配电网上层规划模型。在上层规划模型中,区域能源供应商为利益主体,不考虑存在电压暂降风险的无功优化问题。本实施例中上层规划模型的决策变量为各个节点的光伏发电装置安装容量;考虑的约束条件包括各节点光伏发电装置的安装容量限制和配电系统光伏发电装置安装总容量限制。
配电端建模步骤:建立主动配电网下层规划模型。在下层规划模型中,配电公司为利益主体,分布式电源的选址定容结果已由上层规划模型给出,只需考虑计及负荷节点电压暂降损失的静止无功补偿器选址定容问题。本实施例中下层规划模型的决策变量为各个节点的STATCOM安装容量;考虑的约束条件包括配电系统潮流约束、节点电压约束、支路载流量约束,STATCOM的无功出力约束。
模型求解步骤:选用两层嵌套的改进布谷鸟算法求解供源端建模步骤和配电端建模步骤中建立的双层非线性优化模型,更具体地说,在供源端建模步骤中建立的供源端模型,和在配电端建模步骤中建立的配电端模型,根据这两个模型,建立双层非线性模型;通过两层嵌套的改进布谷鸟算法求解双层非线性模型;具体算法流程图如图5所示。本实施例中采用的改进布谷鸟算法是将标准布谷鸟算法中的固定步长比例因子α设置为一个变量:
其中,αmax和αmin分别为步长比例因子的最大值和最小值,Nmax为算法的最大迭代次数,N为算法的当前迭代次数。该设置方式使得α在迭代初期取较大值,能够加速定位全局最优的区域,而在迭代后期取较小值,加快算法收敛。
本发明为体现考虑不同主体利益后对规划结果的影响,提出以下两种实施例进行对比:
实施例一:考虑访问量(Page View,PV)对电压暂降的补偿,进行协调规划,访问量PV由配网投资;
实施例二:考虑PV对电压暂降的补偿,进行协调规划,PV由区域能源供应商投资;
以上实施例的配置结果如表2和表3所示。
表2
表3
配置方案 | 实施例一 | 实施例二 |
DG投资成本 | 129.12 | 137.14 |
DG维护成本 | 11.62 | 12.34 |
网损费用 | 84.88 | 82.26 |
STATCOM成本 | 24.06 | 20.85 |
暂降损失成本 | 307.84 | 307.77 |
年综合成本 | 677.98 | - |
区域能源供应商收益 | - | 138.29 |
配网公司成本 | 677.98 | 495.37 |
对比可知,实施例二相对实施例一接纳了更多的分布式电源,同时降低了电压暂降治理成本。
PV由配网公司投资运营的情况下,接纳PV容量为1.61MW,而PV由区域能源供应商投资运营的情况下,接纳PV容量为1.71MW,增加6.21%。这是因为,如果PV由配网公司投资运营,尽管考虑了PV对电压暂降的抑制作用,相对不考虑PV电压暂降治理作用的方案来说提高了PV的接纳量,但由于在电压暂降治理中,PV相对STATCOM在经济上没有优势,因而配网公司更倾向于采用STATCOM进行电压暂降的治理。而如果PV由区域能源供应商投资运营,更高的PV接纳量就意味着更少的电压暂降治理成本,因此会在满足电网运行约束的条件下增大PV的接纳量。
PV由配网公司投资运营的情况下,需要投入15MVA的STATCOM以治理电压暂降,而PV由区域能源供应商投资运营的情况下,需要投入13MVA的STATCOM以治理电压暂降,减少15.38%。实施例一和实施例二的电压暂降损失成本分别为307.84万元和307.77万元,差别仅0.35%,治理效果相同。这是因为考虑到PV对电压暂降抑制的积极影响,配网公司在进行电压暂降时可以降低治理成本,从而达到相同的治理效果。同时,由于更多分布式电源接入,网损成本由84.88万元降为82.26万元,降幅为3.19%。
因此,当考虑由区域能源供应商投资运营分布式电源的时候,对PV和STATCOM进行综合协调规划有利于实现双方利益的最大化。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种主动配电网规划方法,其特征在于,包括如下步骤:
参数确定步骤:确定预设参数组、目标函数组;
其中,所述预设参数组包括供源端预设参数、配电端预设参数;
所述目标函数组包括供源端目标函数、配电端目标函数;
供源端建模步骤:根据供源端预设参数、供源端目标函数,建立供源端模型;
配电端建模步骤:根据配电端预设参数、配电端目标函数,建立配电端模型;
模型求解步骤:根据供源端模型、配电端模型,建立双层非线性模型并求解。
2.根据权利要求1所述的主动配电网规划方法,其特征在于,通过两层嵌套的改进布谷鸟算法求解双层非线性模型;
其中,所述布谷鸟算法采用固定步长比例因子作为一个变量;
固定步长比例因子通过下列公式得到:
式中,
α为固定步长比例因子
αmax为步长比例因子的最大值;
αmin为步长比例因子的最小值;
Nmax为最大迭代次数;
N为当前迭代次数;
其中,通过获得固定步长比例因子,进而求解双层非线性模型;
所述两层嵌套的改进布谷鸟算法,包括如下步骤:
数据读取步骤:读取双层非线性模型的数据;
次数初始步骤:根据双层非线性模型的数据,初始化双层非线性模型的迭代次数;
供源初始步骤:根据双层非线性模型的迭代次数,初始化供源端模型的变量;
配电初始步骤:根据初始化供源端模型的变量,初始化配电端模型的变量;
配电端适应度排序步骤:根据初始化配电端模型的变量,获取配电端的适应度并按照优劣排序;
配电端异类发现步骤:根据配电端的适应度及排序,判断是否发现异类;若是,则进入配电端废弃鸟窝步骤;若否,则进入配电端条件满足步骤;
配电端废弃鸟窝步骤:选择配电端的废弃鸟窝并进入配电端的新鸟窝生成步骤;
配电端条件满足步骤:判断是否满足终止条件;若是,则进入供源端适应度排序步骤;若否,则进入配电端新鸟窝生成步骤;
配电端新鸟窝生成步骤:根据选择配电端的废弃鸟窝,生成配电端的新鸟窝并进入配电初始步骤;
供源端适应度排序步骤:根据初始化供源端模型的变量,获取供源端的适应度并按照优劣排序;
供源端异类发现步骤:根据供源端的适应度及排序,判断是否发现异类;若是,则进入供源端废弃鸟窝步骤;若否,则进入供源端条件满足步骤;
供源端废弃鸟窝步骤:选择供源端的废弃鸟窝并进入供源端新鸟窝生成步骤;
供源端条件满足步骤:判断是否满足终止条件;若是,则输出结果;若否,则进入供源端新鸟窝生成步骤;
供源端新鸟窝生成步骤:根据选择供源端的废弃鸟窝,生成供源端的新鸟窝并进入供源初始步骤。
3.根据权利要求1所述的主动配电网规划方法,其特征在于,通过蒙特卡洛方法获取可再生能源出力与负荷功率之间的关系;
所述电压暂降损失成本参数包括电压暂降事件发生概率和相应损失成本。
4.根据权利要求2所述的主动配电网规划方法,其特征在于,在参数确定步骤中:
供源端目标函数通过下列公式得到:
maxC1=Cs+Cb-CI-CM
式中,
C1为供源端目标函数;
maxC1为供源端目标函数的最大值;
Cs为区域能源供应商售电收益;
Cb为可再生能源发电补贴;
CI为初始投资成本;
CM为运行维护成本。
5.根据权利要求3所述的主动配电网规划方法,其特征在于,在参数确定步骤中:
配电端目标函数通过下列公式得到:
minC2=CI,stat+CM,stat+Csag+Closs+Cbuy-Csale
式中,
C2为配电端目标函数;
minC2为配电端目标函数的最小值;
CI,stat为STATCOM的初始投资成本;
CM,stat为STATCOM的年运维成本;
Csag为年暂降损失成本;
Closs为年线损成本;
Cbuy为配电公司购电成本;
Csale为配电公司售电收益。
6.一种主动配电网规划系统,其特征在于,包括如下模块:
参数确定模块:确定预设参数组、目标函数组;
其中,所述预设参数组包括供源端预设参数、配电端预设参数;
所述目标函数组包括供源端目标函数、配电端目标函数;
供源端建模模块:根据供源端预设参数、供源端目标函数,建立供源端模型;
配电端建模模块:根据配电端预设参数、配电端目标函数,建立配电端模型;
模型求解模块:根据供源端模型、配电端模型,建立双层非线性模型;根据双层非线性模型,计算求解双层非线性模型。
7.根据权利要求6所述的主动配电网规划系统,其特征在于,通过两层嵌套的改进布谷鸟算法求解双层非线性模型;
其中,所述布谷鸟算法采用固定步长比例因子作为一个变量;
固定步长比例因子通过下列公式得到:
式中,
α为固定步长比例因子
αmax为步长比例因子的最大值;
αmin为步长比例因子的最小值;
Nmax为最大迭代次数;
N为当前迭代次数;
其中,通过获得固定步长比例因子,进而求解双层非线性模型;
所述两层嵌套的改进布谷鸟算法,包括如下模块:
数据读取模块:读取双层非线性模型的数据;
次数初始模块:根据双层非线性模型的数据,初始化双层非线性模型的迭代次数;
供源初始模块:根据双层非线性模型的迭代次数,初始化供源端模型的变量;
配电初始模块:根据初始化供源端模型的变量,初始化配电端模型的变量;
配电端适应度排序模块:根据初始化配电端模型的变量,获取配电端的适应度并按照优劣排序;
配电端异类发现模块:根据配电端的适应度及排序,判断是否发现异类;若是,则进入配电端废弃鸟窝模块;若否,则进入配电端条件满足模块;
配电端废弃鸟窝模块:选择配电端的废弃鸟窝并进入配电端的新鸟窝生成模块;
配电端条件满足模块:判断是否满足终止条件;若是,则进入供源端适应度排序模块;若否,则进入配电端新鸟窝生成模块;
配电端新鸟窝生成模块:根据选择配电端的废弃鸟窝,生成配电端的新鸟窝并进入配电初始模块;
供源端适应度排序模块:根据初始化供源端模型的变量,获取供源端的适应度并按照优劣排序;
供源端异类发现模块:根据供源端的适应度及排序,判断是否发现异类;若是,则进入供源端废弃鸟窝模块;若否,则进入供源端条件满足模块;
供源端废弃鸟窝模块:选择供源端的废弃鸟窝并进入供源端新鸟窝生成模块;
供源端条件满足模块:判断是否满足终止条件;若是,则输出结果;若否,则进入供源端新鸟窝生成模块;
供源端新鸟窝生成模块:根据选择供源端的废弃鸟窝,生成供源端的新鸟窝并进入供源初始模块。
8.根据权利要求6所述的主动配电网规划系统,其特征在于,通过蒙特卡洛方法获取可再生能源出力与负荷功率之间的关系;
所述电压暂降损失成本参数包括电压暂降事件发生概率和相应损失成本。
9.根据权利要求7所述的主动配电网规划系统,其特征在于,在参数确定模块中:
供源端目标函数通过下列公式得到:
maxC1=Cs+Cb-CI-CM
式中,
C1为供源端目标函数;
maxC1为供源端目标函数的最大值;
Cs为区域能源供应商售电收益;
Cb为可再生能源发电补贴;
CI为初始投资成本;
CM为运行维护成本。
10.根据权利要求8所述的主动配电网规划系统,其特征在于,在参数确定模块中:配电端目标函数通过下列公式得到:
minC2=CI,stat+CM,stat+Csag+Closs+Cbuy-Csale
式中,
C2为配电端目标函数;
minC2为配电端目标函数的最小值;
CI,stat为STATCOM的初始投资成本;
CM,stat为STATCOM的年运维成本;
Csag为年暂降损失成本;
Closs为年线损成本;
Cbuy为配电公司购电成本;
Csale为配电公司售电收益。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810671896.4A CN108898305A (zh) | 2018-06-26 | 2018-06-26 | 主动配电网规划方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810671896.4A CN108898305A (zh) | 2018-06-26 | 2018-06-26 | 主动配电网规划方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108898305A true CN108898305A (zh) | 2018-11-27 |
Family
ID=64346357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810671896.4A Pending CN108898305A (zh) | 2018-06-26 | 2018-06-26 | 主动配电网规划方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108898305A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109995050A (zh) * | 2019-05-15 | 2019-07-09 | 广东电网有限责任公司 | 计及电压暂降经济损失不确定性的补偿设备优化配置方法 |
CN110766200A (zh) * | 2019-09-23 | 2020-02-07 | 广东工业大学 | 一种基于K-means均值聚类的风电机组发电功率预测方法 |
CN111652411A (zh) * | 2020-05-15 | 2020-09-11 | 三峡大学 | 分布式电源双层规划方法 |
CN112270432A (zh) * | 2020-10-14 | 2021-01-26 | 国网四川省电力公司经济技术研究院 | 一种考虑多主体利益均衡的综合能源系统的能量管理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013099182A (ja) * | 2011-11-04 | 2013-05-20 | Hitachi Ltd | 地域エネルギー管理システムおよび需給調整量の補正方法 |
CN105279578A (zh) * | 2015-10-27 | 2016-01-27 | 天津大学 | 一种主动配电网区域电源优化配置双层规划方法 |
CN105956714A (zh) * | 2016-05-21 | 2016-09-21 | 华能澜沧江水电股份有限公司 | 一种梯级水库群优化调度新型群体搜索方法 |
-
2018
- 2018-06-26 CN CN201810671896.4A patent/CN108898305A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013099182A (ja) * | 2011-11-04 | 2013-05-20 | Hitachi Ltd | 地域エネルギー管理システムおよび需給調整量の補正方法 |
CN105279578A (zh) * | 2015-10-27 | 2016-01-27 | 天津大学 | 一种主动配电网区域电源优化配置双层规划方法 |
CN105956714A (zh) * | 2016-05-21 | 2016-09-21 | 华能澜沧江水电股份有限公司 | 一种梯级水库群优化调度新型群体搜索方法 |
Non-Patent Citations (2)
Title |
---|
谢海波 等: "基于改进布谷鸟算法的分布式电源优化配置", 《宁夏电力》 * |
马瑞 等: "基于机会约束规划的主动配电网分布式风光双层优化配置", 《电工技术学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109995050A (zh) * | 2019-05-15 | 2019-07-09 | 广东电网有限责任公司 | 计及电压暂降经济损失不确定性的补偿设备优化配置方法 |
CN110766200A (zh) * | 2019-09-23 | 2020-02-07 | 广东工业大学 | 一种基于K-means均值聚类的风电机组发电功率预测方法 |
CN111652411A (zh) * | 2020-05-15 | 2020-09-11 | 三峡大学 | 分布式电源双层规划方法 |
CN111652411B (zh) * | 2020-05-15 | 2022-07-15 | 三峡大学 | 分布式电源双层规划方法 |
CN112270432A (zh) * | 2020-10-14 | 2021-01-26 | 国网四川省电力公司经济技术研究院 | 一种考虑多主体利益均衡的综合能源系统的能量管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Purlu et al. | Optimal allocation of renewable distributed generations using heuristic methods to minimize annual energy losses and voltage deviation index | |
Reddy | Optimal scheduling of thermal-wind-solar power system with storage | |
Usman et al. | Losses management strategies in active distribution networks: A review | |
CN108898305A (zh) | 主动配电网规划方法及其系统 | |
CN107634518B (zh) | 一种“源-网-荷”相协调的主动配电网经济调度方法 | |
CN109508823B (zh) | 一种基于场景分析法的配电网中分布式电源规划方法 | |
CN106385025B (zh) | 一种分布式电源与联络线多阶段协同规划方法 | |
CN109934487A (zh) | 一种考虑多主体利益博弈的主动配电网协调规划方法 | |
CN107579518B (zh) | 基于mhba的电力系统环境经济调度方法和装置 | |
Kayalvizhi et al. | Optimal planning of active distribution networks with hybrid distributed energy resources using grid-based multi-objective harmony search algorithm | |
CN107123988B (zh) | 一种考虑恢复量不确定的停电电网负荷恢复二阶锥规划方法 | |
CN107706921B (zh) | 基于纳什博弈的微电网电压调节方法和装置 | |
CN107591841B (zh) | 适用于新能源大规模接入下的电网演化模拟方法 | |
CN109711706A (zh) | 考虑分布式电源和需求响应的主动配电网变电站规划方法 | |
CN106779313A (zh) | 基于混合整数规划的多目标分布式电源选址定容方法 | |
CN109301882A (zh) | 一种基于admm的电力系统分散式经济调度方法 | |
CN109038605A (zh) | 一种考虑电压响应特性的电网无功规划方法 | |
CN115640963A (zh) | 一种考虑投资运营模式的海上风电接入系统鲁棒规划方法 | |
CN111277004A (zh) | 一种配电网“源-网-荷”两阶段多目标控制方法及系统 | |
CN110120673A (zh) | 基于戴维南等值参数辨识的分布式输配协同无功优化方法及系统 | |
CN109038653A (zh) | 一种追求分散式风电高效消纳的配电网优化运行方法 | |
Yang et al. | Storage-transmission joint planning method to deal with insufficient flexibility and transmission congestion | |
CN111768036A (zh) | 一种综合能源配电系统与上级电网交互运行的功率优化方法 | |
CN110867902A (zh) | 基于发电预测的微电网分布式电源去中心优化运行方法 | |
CN115811070A (zh) | 辅助火电机组调频的飞轮储能自适应容量配置方法及系统 |
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 |