CN108960628A - 一种光伏发电接入配电网的风险评估方法及系统 - Google Patents
一种光伏发电接入配电网的风险评估方法及系统 Download PDFInfo
- Publication number
- CN108960628A CN108960628A CN201810727265.XA CN201810727265A CN108960628A CN 108960628 A CN108960628 A CN 108960628A CN 201810727265 A CN201810727265 A CN 201810727265A CN 108960628 A CN108960628 A CN 108960628A
- Authority
- CN
- China
- Prior art keywords
- power generation
- photovoltaic power
- voltage
- host node
- probability
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 171
- 238000009826 distribution Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012502 risk assessment Methods 0.000 title claims abstract description 24
- 230000001186 cumulative effect Effects 0.000 claims abstract description 68
- 238000005315 distribution function Methods 0.000 claims abstract description 57
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000035945 sensitivity Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000002347 injection Methods 0.000 claims description 7
- 239000007924 injection Substances 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 4
- 239000004744 fabric Substances 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 25
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000243 solution Substances 0.000 description 3
- 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 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000039077 Copula Species 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种光伏发电接入配电网的风险评估方法及系统，包括：在预先划分的光伏发电集群中，任选一个光伏发电节点作为主节点；基于所述光伏发电集群和所述主节点计算主节点电压的累积分布函数和支路潮流的累积分布函数；基于所述主节点电压的累积分布函数和支路潮流的累积分布函数，计算配电网电压越限风险指标和各光伏发电集群的支路潮流越限风险指标。本发明将大规模分散的光伏发电划分为光伏发电集群，计及光伏发电和负荷的相关性，从而克服了不能计算多节点风险指标的缺陷，提高了概率潮流分布的准确性，并根据各节点风险指标计算配电网电压越限风险指标，提高了评估准确度。
Description
技术领域
本发明涉及电力系统运行风险评估领域，具体涉及一种光伏发电接入配电网的风险评估方法及系统。
背景技术
今年来，由于电网方面的技术快速发展，分布式光伏的大规模分散接入配电网已成为未来配电网的一种形态。大量具有随机性和波动性出力的分布式光伏并网，必然对配电网的电压无功平衡特性造成一定的影响，使得配电网运行的风险进一步增大，因此对大规模分散的光伏并网进行风险评估具有重要意义。
现有的风险评估方法仅针对集中式光伏发电并网的电力系统，但若大量光伏发电分散地接入配电网，光伏和负荷之间出力的相关性必然使配电网原有的潮流分布受到影响；同时，配电网中需要评估的节点数量增多，但现有的风险评估方法并未计及这些因素，不能很好地适应大规模分散的光伏发电并网的现状。
发明内容
为了解决现有技术中所存在的上述不足，本发明提供一种光伏发电接入配电网的风险评估方法及系统。
本发明提供的技术方案是：一种光伏发电接入配电网的风险评估方法，包括：
在预先划分的光伏发电集群中，任选一个光伏发电节点作为主节点；
基于所述光伏发电集群和所述主节点计算主节点电压的累积分布函数和支路潮流的累积分布函数；
基于所述主节点电压的累积分布函数和支路潮流的累积分布函数，计算配电网电压越限风险指标和各光伏发电集群的支路潮流越限风险指标。
优选的，所述光伏发电集群的划分，包括：
将光伏发电注入配电网的点作为节点，任意两个节点连接建立分布式光伏发电网络；
对每个节点的划分指标进行归一化处理，并设定各划分指标的权重；
基于每个节点归一化处理后的划分指标和各划分指标的权重计算任意两节点之间的权值；
在所述分布式光伏发电网络中，基于聚类社团划分算法和权值将光伏发电节点划分为光伏发电集群；
其中，所述划分指标，包括：无功调节范围、有功调节范围、无功电压灵敏度和有功电压灵敏度。
优选的，所述在所述分布式光伏发电网络中，基于聚类社团划分算法和权值将光伏发电节点划分为光伏发电集群，包括：
将所述分布式光伏发电网络中的每个节点作为一个社团，基于每个社团之间边的权值计算社团模块度指标，作为初始值；
选择两个社团合并为新社团，基于所述新社团和其余社团之间边的权值计算社团模块度指标，作为当前值；
将所述当前值与初始值的差作为社团模块度指标增量；
当所述社团模块度指标增量大于零时，则当前新社团成立，且用当前值更新初始值，继续循环；
否则社团模块度指标增量不大于零的次数加一，且当前新社团内的两个社团位置不动，继续选择两个社团合并为新社团进行计算；
当所述社团模块度指标增量不大于零的次数超过阈值时，当前各社团内的节点对应各光伏发电集群。
优选的，所述基于所述光伏发电集群和所述主节点计算主节点电压的累积分布函数和支路潮流的累积分布函数，包括：
基于所述光伏发电集群建立光伏发电随机出力概率模型和负荷概率模型；
基于所述光伏发电随机出力概率模型和负荷概率模型计算主节点状态变量的各阶半不变量和支路潮流的各阶半不变量；
基于所述主节点状态变量的各阶半不变量和支路潮流的各阶半不变量，利用格莱姆‐查理级数得到主节点电压的累积分布函数和支路潮流的累积分布函数。
优选的，所述基于所述光伏发电集群建立光伏发电随机出力概率模型和负荷概率模型，包括：
基于获取的光伏发电集群中分布式光伏发电出力值组成的样本空间，得到光伏发电随机出力的累积概率分布；
基于获取的负荷有功功率、负荷有功功率的期望值和方差得到负荷有功功率概率密度函数；
基于获取的负荷无功功率、负荷无功功率的期望值和方差，得到负荷无功功率概率密度函数；
其中，所述光伏发电随机出力的累积概率分布为所述光伏发电随机出力概率模型；
所述负荷有功功率概率密度函数和负荷无功功率概率密度函数为所述负荷概率模型。
优选的，所述基于所述光伏发电随机出力概率模型、负荷概率模型和主节点计算主节点状态变量的各阶半不变量和支路潮流的各阶半不变量，包括：
基于所述光伏发电随机出力的累积概率分布、负荷有功功率概率密度函数和负荷无功功率概率密度函数求解所述主节点的密度函数；
基于所述密度函数计算主节点注入功率的各阶半不变量；
基于获取的主节点状态变量期望值以及最后一次迭代所用的雅克比矩阵得到灵敏度矩阵；
基于所述各阶半不变量和所述灵敏度矩阵计算主节点状态变量的各阶半不变量和支路潮流的各阶半不变量。
优选的，所述基于所述主节点电压的累积分布函数和支路潮流的累积分布函数，计算配电网电压越限风险指标和各光伏发电集群的支路潮流越限风险指标，包括：
基于主节点电压的累积分布函数，计算主节点电压越上限的概率和主节点电压越下限的概率；
基于主节点电压越上限的概率和主节点电压越下限的概率，计算光伏发电集群中主节点电压的越限指标；
基于各光伏发电集群中主节点电压的越限指标进行加权平均，得到所述配电网节点电压越限风险指标；
基于所述支路潮流的累积分布函数，计算支路潮流越上限的概率；
基于各所述支路潮流越上限的概率计算各光伏发电集群的支路潮流越限风险指标。
优选的，所述基于主节点电压的累积分布函数，计算主节点电压越上限的概率和主节点电压越下限的概率，包括：
按下式计算的主节点电压越上限的概率：
式中：主节点电压越上限的概率；主节点电压的上限值；Pr：节点电压越限的概率；Vf：主节点的电压幅值；F(Vfmax)：主节点电压的累积分布函数；Vfmax：主节点电压幅值的最大值；f：主节点；
按下式计算的主节点电压越下限的概率：
Pr(Vf )＝Pr(Vf＜Vf min)＝F(Vf min)
式中：Pr(Vf )：主节点电压越下限的概率；Vf ：主节点电压的下限值；Vf min：主节点电压幅值的最小值。
优选的，所述基于各光伏发电集群中主节点电压的越限指标进行加权平均，得到所述配电网节点电压越限风险指标，如下式所示：
式中：配电网节点电压越上限的概率；配电网节点电压越上限的严重度指标；配电网节点电压的上限值；第m个光伏发电集群中主节点电压越上限的概率；第m个光伏发电集群中主节点电压越上限的严重度指标；Pr(V)：配电网节点电压越下限的概率；Sev(V)：配电网节点电压越下限的严重度指标；V：配电网节点电压的下限值；Prm(Vf )：第m个光伏发电集群中主节点电压越下限的概率；Sevm(Vf )：第m个光伏发电集群中主节点电压越下限的严重度指标；nm：第m个光伏发电集群中的节点数。
优选的，所述基于所述支路潮流的累积分布函数，计算支路潮流越上限的概率，如下式所示：
Pr(Sij)＝Pr(Sij＞Sij max)＝1-F(Sij max)
式中：Pr(Sij)：支路潮流越上限的概率；Sij：支路ij的有功潮流；Sij max：支路ij所允许的有功潮流的上限；F(Sij max)：支路潮流的累积分布函数。
优选的，所述各光伏发电集群的支路潮流越限风险指标，如下式所示：
Rs＝Pr(Sij)Sev(Sij)
式中：Rs：支路潮流越限风险指标；Pr(Sij)：支路ij潮流越限的概率；Sev(Sij)：支路ij潮流越限的严重度指标；Sij：支路ij的有功潮流。
基于同一发明构思，本发明还提供了一种光伏发电接入配电网的风险评估系统，包括：
划分模块，用于在预先划分的光伏发电集群中，任选一个光伏发电节点作为主节点；
第一计算模块，用于基于所述光伏发电集群和所述主节点计算主节点电压的累积分布函数和支路潮流的累积分布函数；
第二计算模块，用于基于所述主节点电压的累积分布函数和支路潮流的累积分布函数，计算配电网电压越限风险指标和各光伏发电集群的支路潮流越限风险指标。
优选的，所述划分模块包括：
建立单元，用于将光伏发电注入配电网的点作为节点，任意两个节点连接建立分布式光伏发电网络；
处理单元，用于对每个节点的划分指标进行归一化处理，并设定各划分指标的权重；
计算权值单元，用于基于每个节点归一化处理后的划分指标和各划分指标的权重计算任意两节点之间边的权值；
划分单元，用于在所述分布式光伏发电网络中，基于聚类社团划分算法和权值将光伏发电节点划分为光伏发电集群；
其中，所述划分指标，包括：无功调节范围、有功调节范围、无功电压灵敏度和有功电压灵敏度。
与最接近的现有技术相比，本发明提供的技术方案具有以下有益效果：
本发明提供的技术方案，在预先划分的光伏发电集群中，任选一个光伏发电节点作为主节点；基于所述光伏发电集群和所述主节点计算主节点电压的累积分布函数和支路潮流的累积分布函数；基于所述主节点电压的累积分布函数和支路潮流的累积分布函数，计算配电网电压越限风险指标和各光伏发电集群的支路潮流越限风险指标，将大规模分散的光伏发电划分为光伏发电集群，计及光伏发电和负荷的相关性，从而克服了不能计算多节点风险指标的缺陷，提高了概率潮流分布的准确性，并根据各节点风险指标计算配电网电压越限风险指标，提高了评估准确度。
本发明提供的技术方案，对大规模分散的光伏发电进行集群划分，能够有效计算各集群主节点的风险指标来获取各集群的综合风险指标，对大规模分散的光伏发电接入配电网进行风险评估具有一定的借鉴意义。
附图说明
图1为本发明提供的一种光伏发电接入配电网的风险评估方法流程图。
具体实施方式
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
图1为本发明提供的一种光伏发电接入配电网的风险评估方法流程图，如图1所示，包括：
步骤S1、在预先划分的光伏发电集群中，任选一个光伏发电节点作为主节点；
步骤S2、基于所述光伏发电集群和所述主节点计算主节点电压的累积分布函数和支路潮流的累积分布函数；
步骤S3、基于所述主节点电压的累积分布函数和支路潮流的累积分布函数，计算配电网电压越限风险指标和各光伏发电集群的支路潮流越限风险指标。
步骤S1、在预先划分的光伏发电集群中，任选一个光伏发电节点作为主节点，主要为大规模分散光伏发电集群划分，包括：
首先，对划分指标进行归一化，并确定各指标权重；
其次，将大规模分散的光伏发电注入配电网的点作为节点；将任意节点之间相连建立分布式光伏发电网络；
最后，在分布式光伏发电网络中，基于社团模块度指标实现聚类社团划分算法，完成光伏发电集群划分。
其中，划分指标为：无功调节范围Qa和有功调节范围Pa、无功电压灵敏度JQ和有功电压灵敏度JP。
1)对每个节点的划分指标进行归一化处理公式如式(1)所示：
式(1)中：xi,k为第i个节点的第k个划分指标，为第k个指标的平均值，sk为第k个指标的标准差，x′i,k为归一化处理之后得到的第i个节点的第k个指标值。
2)基于每个节点归一化处理后的划分指标和各划分指标的权重，计算节点之间的权值，如公式如式(2)所示：
式(2)中：Aij为连接节点i与节点j边的权值；M：向量数量级的最大值；αk为第k个指标的权重，x′i,k为第i个节点的第k个指标值，h为指标总数，x′j,k为第j个节点的第k个划分指标。
3)将任意两个节点之间的权值计算分布式光伏发电网络的社团模块度指标R，如式(3)所示：
式(3)中：Aij为连接节点i与节点j边的权值；Ki为所有和节点i相连的边的权值和；Kj为所有和节点j相连的边的权值和；Ci是节点i所在的社团；δ为0‐1函数，若Ci＝Cj，则δ(Ci,Cj)＝1，否则为0；m是分布式光伏发电网络的边数总和，
4)聚类社团划分算法为：
首先，将分布式光伏发电网络中每个节点作为一个社团，计算分布式光伏发电网络的社团模块度指标的初始值R0；
其次，随机选择任意节点i和j组合成新社团，计算分布式光伏发电网络的社团模块度指标的当前值R′；
然后，计算社团模块度指标的增量值ΔR＝R′-R0；
若ΔR＞0，将节点i和j并入同一社团，否则节点i和j位置不变；
最后，将已合并的社团看作新节点参与下一层划分，继续随机选择任意节点计算，直至社团模块度指标的增量值ΔR不再增加的次数大于阈值时，当前的一个社团对应一个光伏发电集群。
步骤S2、基于所述光伏发电集群和所述主节点计算主节点电压的累积分布函数和支路潮流的累积分布函数，具体包括：
步骤S201、基于光伏发电集群建立光伏发电随机出力概率模型和负荷概率模型；
步骤S202、基于光伏发电随机出力概率模型和负荷概率模型计算主节点电压的累积分布函数和支路潮流的累积分布函数。
其中，步骤S201包括：
大规模分散的光伏发电随机出力概率模型采用核密度估计法为：光伏发电随机出力的累积概率分布；
负荷概率模型采用正态分布函数为：负荷有功功率概率密度函数和负荷无功功率概率密度函数；
1)集群中分布式光伏发电出力值为P，其对应的概率密度为
令P的样本空间为(P1,P2...Pe,...Pn)；
则核密度估计如式(4)所示：
式(4)中：为核密度估计；K(·)为核密度估计的核函数，q为核密度估计的光滑参数，n为样本容量；Pe表示样本空间中的第e个样本。
其中，核密度估计的核函数K(·)如式(5)所示：
2)光伏发电随机出力概率模型采用核密度估计法表示为：光伏发电随机出力的累积概率分布，如式(6)所示：
式(6)中：FPV(P)为光伏发电出力的累积概率分布。
3)负荷有功功率概率密度函数如式(7)所示：
式(7)中：f(Pv)表示负荷有功功率概率密度函数；Pv表示负荷有功功率， 分别为负荷有功功率的期望值和方差。
4)负荷无功功率概率密度函数如式(8)所示：
式(8)中：f(Q)表示负荷无功功率概率密度函数；Q表示负荷无功功率，μQ、σQ 2分别为负荷无功功率的期望值和方差。
其中，步骤S202包括：
步骤2.1、输入配电网的原始数据。涵盖配电网中所有节点电压初始值、所有线路阻抗等潮流计算所需的原始数据；
步骤2.2、在各集群中选取一个含分布式光伏发电注入的主节点，对该主节点使用copula函数(相关性函数)建立该主节点光伏发电及负荷的联合概率分布模型，进而得到其密度函数f(x)；其中联合概率分布模型是根据光伏发电随机出力概率模型和负荷概率模型建立的。
步骤2.3、采用牛顿-拉夫逊法(以下简称：牛拉法)计算正常情况的潮流分布，基于牛拉法求解得到主节点状态变量期望值X0以及最后一次迭代所用的雅克比矩阵J0，进一步求出灵敏度矩阵
步骤2.4、根据公式计算各主节点注入功率随机变量的各阶矩，并进一步由各阶矩求出主节点注入功率的各阶半不变量ΔS(k)；
步骤2.5、根据公式由步骤2.3和2.4得到的和ΔS(k)计算主节点状态变量ΔX的各阶半不变量ΔX(k)和支路潮流ΔZ的各阶半不变量ΔZ(k)；
步骤2.6、利用Gram-Charlier级数(格莱姆-查理级数)得到节点电压以及支路潮流的累积分布函数。
步骤S3、基于所述主节点电压的累积分布函数和支路潮流的累积分布函数，计算配电网电压越限风险指标和各光伏发电集群的支路潮流越限风险指标，具体包括：
1)主节点电压越限风险指标如式(9)所示：
式(9)中：Pr为主节点电压越限的概率；Sev为主节点电压越限的严重度指标；为电压的上限值；Vf 为电压的下限值；为主节点电压越上限的概率，Pr(Vf )为主节点电压越下限的概率，为主节点电压越上限的严重度指标，Sev(Vf )为主节点电压越下限的严重度指标。
其中，主节点电压越上限的概率和主节点电压越下限的概率Pr(Vf )计算公式如式(10)所示：
式(10)中：Vf表示当前节点f的电压幅值，Vf max和Vf min为主节点f所允许的电压幅值的上下限，F()表示主节点电压的累积分布函数；
其中，主节点电压越上限的严重度指标和主节点电压越下限的严重度指标Sev(Vf )计算公式如式(11)所示：
根据公式(9)对各集群中主节点的越限指标进行加权平均，计算综合风险指标，如式(12)所示：
式(12)中：第m个光伏发电集群中主节点电压越上限的概率；第m个光伏发电集群中主节点电压越上限的严重度指标；Prm(Vf )：第m个光伏发电集群中主节点电压越下限的概率；Sevm(Vf )：第m个光伏发电集群中主节点电压越下限的严重度指标；nm：第m个光伏发电集群中的节点数；nm为第m个集群中的节点数。
2)支路潮流越限风险指标如式(13)所示：
Rs＝Pr(Sij)Sev(Sij) (13)
式(13)中：Rs为支路潮流越限风险指标；Pr(Sij)为支路ij潮流越限的概率；Sev(Sij)为支路ij潮流越限的严重度指标；Sij为支路ij的有功潮流；
其中，支路潮流越上限的概率Pr(Sij)，计算公式如式(14)所示：
Pr(Sij)＝Pr(Sij＞Sij max)＝1-F(Sij max) (14)
式(14)中：Sij为支路ij的有功潮流，Sij max为支路ij所允许的有功潮流的上限，F(Sij max)为支路潮流的累积分布函数；
支路ij潮流越限的严重度指标Sev(Sij)，计算公式如式(15)所示：
式(15)中：Sij为支路ij的有功潮流，Sij max为支路ij所允许的有功潮流的上限。
本实施可以用于在线计算，指每隔15min进行一次计算，获得实时数据。
基于同一发明构思，本实施例中还提供了一种光伏发电接入配电网的风险评估系统，包括：
划分模块，用于在预先划分的光伏发电集群中，任选一个光伏发电节点作为主节点；
第一计算模块，用于基于所述光伏发电集群和所述主节点计算主节点电压的累积分布函数和支路潮流的累积分布函数；
第二计算模块，用于基于所述主节点电压的累积分布函数和支路潮流的累积分布函数，计算配电网电压越限风险指标和各光伏发电集群的支路潮流越限风险指标。
实施例中，所述划分模块包括：
建立单元，用于将光伏发电注入配电网的点作为节点，任意两个节点连接建立分布式光伏发电网络；
处理单元，用于对每个节点的划分指标进行归一化处理，并设定各划分指标的权重；
计算权值单元，用于基于每个节点归一化处理后的划分指标和各划分指标的权重计算任意两节点之间边的权值；
划分单元，用于在所述分布式光伏发电网络中，基于聚类社团划分算法和权值将光伏发电节点划分为光伏发电集群；
其中，所述划分指标，包括：无功调节范围、有功调节范围、无功电压灵敏度和有功电压灵敏度。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (13)
1.一种光伏发电接入配电网的风险评估方法，其特征在于，包括：
在预先划分的光伏发电集群中，任选一个光伏发电节点作为主节点；
基于所述光伏发电集群和所述主节点计算主节点电压的累积分布函数和支路潮流的累积分布函数；
基于所述主节点电压的累积分布函数和支路潮流的累积分布函数，计算配电网电压越限风险指标和各光伏发电集群的支路潮流越限风险指标。
2.如权利要求1所述的风险评估方法，其特征在于，所述光伏发电集群的划分，包括：
将光伏发电注入配电网的点作为节点，任意两个节点连接建立分布式光伏发电网络；
对每个节点的划分指标进行归一化处理，并设定各划分指标的权重；
基于每个节点归一化处理后的划分指标和各划分指标的权重计算任意两节点之间的权值；
在所述分布式光伏发电网络中，基于聚类社团划分算法和权值将光伏发电节点划分为光伏发电集群；
其中，所述划分指标，包括：无功调节范围、有功调节范围、无功电压灵敏度和有功电压灵敏度。
3.如权利要求2所述的风险评估方法，其特征在于，所述在所述分布式光伏发电网络中，基于聚类社团划分算法和权值将光伏发电节点划分为光伏发电集群，包括：
将所述分布式光伏发电网络中的每个节点作为一个社团，基于每个社团之间边的权值计算社团模块度指标，作为初始值；
选择两个社团合并为新社团，基于所述新社团和其余社团之间边的权值计算社团模块度指标，作为当前值；
将所述当前值与初始值的差作为社团模块度指标增量；
当所述社团模块度指标增量大于零时，则当前新社团成立，且用当前值更新初始值，继续循环；
否则社团模块度指标增量不大于零的次数加一，且当前新社团内的两个社团位置不动，继续选择两个社团合并为新社团进行计算；
当所述社团模块度指标增量不大于零的次数超过阈值时，当前各社团内的节点对应各光伏发电集群。
4.如权利要求1所述的风险评估方法，其特征在于，所述基于所述光伏发电集群和所述主节点计算主节点电压的累积分布函数和支路潮流的累积分布函数，包括：
基于所述光伏发电集群建立光伏发电随机出力概率模型和负荷概率模型；
基于所述光伏发电随机出力概率模型和负荷概率模型计算主节点状态变量的各阶半不变量和支路潮流的各阶半不变量；
基于所述主节点状态变量的各阶半不变量和支路潮流的各阶半不变量，利用格莱姆‐查理级数得到主节点电压的累积分布函数和支路潮流的累积分布函数。
5.如权利要求4所述的风险评估方法，其特征在于，所述基于所述光伏发电集群建立光伏发电随机出力概率模型和负荷概率模型，包括：
基于获取的光伏发电集群中分布式光伏发电出力值组成的样本空间，得到光伏发电随机出力的累积概率分布；
基于获取的负荷有功功率、负荷有功功率的期望值和方差得到负荷有功功率概率密度函数；
基于获取的负荷无功功率、负荷无功功率的期望值和方差，得到负荷无功功率概率密度函数；
其中，所述光伏发电随机出力的累积概率分布为所述光伏发电随机出力概率模型；
所述负荷有功功率概率密度函数和负荷无功功率概率密度函数为所述负荷概率模型。
6.如权利要求5所述的风险评估方法，其特征在于，所述基于所述光伏发电随机出力概率模型、负荷概率模型和主节点计算主节点状态变量的各阶半不变量和支路潮流的各阶半不变量，包括：
基于所述光伏发电随机出力的累积概率分布、负荷有功功率概率密度函数和负荷无功功率概率密度函数求解所述主节点的密度函数；
基于所述密度函数计算主节点注入功率的各阶半不变量；
基于获取的主节点状态变量期望值以及最后一次迭代所用的雅克比矩阵得到灵敏度矩阵；
基于所述各阶半不变量和所述灵敏度矩阵计算主节点状态变量的各阶半不变量和支路潮流的各阶半不变量。
7.如权利要求1所述的风险评估方法，其特征在于，所述基于所述主节点电压的累积分布函数和支路潮流的累积分布函数，计算配电网电压越限风险指标和各光伏发电集群的支路潮流越限风险指标，包括：
基于主节点电压的累积分布函数，计算主节点电压越上限的概率和主节点电压越下限的概率；
基于主节点电压越上限的概率和主节点电压越下限的概率，计算光伏发电集群中主节点电压的越限指标；
基于各光伏发电集群中主节点电压的越限指标进行加权平均，得到所述配电网节点电压越限风险指标；
基于所述支路潮流的累积分布函数，计算支路潮流越上限的概率；
基于各所述支路潮流越上限的概率计算各光伏发电集群的支路潮流越限风险指标。
8.如权利要求7所述的风险评估方法，其特征在于，所述基于主节点电压的累积分布函数，计算主节点电压越上限的概率和主节点电压越下限的概率，包括：
按下式计算的主节点电压越上限的概率：
式中：主节点电压越上限的概率；主节点电压的上限值；Pr：节点电压越限的概率；Vf：主节点的电压幅值；F(Vfmax)：主节点电压的累积分布函数；Vfmax：主节点电压幅值的最大值；f：主节点；
按下式计算的主节点电压越下限的概率：
Pr(Vf )＝Pr(Vf＜Vfmin)＝F(Vfmin)
式中：Pr(Vf )：主节点电压越下限的概率；Vf ：主节点电压的下限值；Vfmin：主节点电压幅值的最小值。
9.如权利要求8所述的风险评估方法，其特征在于，所述基于各光伏发电集群中主节点电压的越限指标进行加权平均，得到所述配电网节点电压越限风险指标，如下式所示：
式中：配电网节点电压越上限的概率；配电网节点电压越上限的严重度指标；配电网节点电压的上限值；第m个光伏发电集群中主节点电压越上限的概率；第m个光伏发电集群中主节点电压越上限的严重度指标；Pr(V)：配电网节点电压越下限的概率；Sev(V)：配电网节点电压越下限的严重度指标；V：配电网节点电压的下限值；Prm(Vf )：第m个光伏发电集群中主节点电压越下限的概率；Sevm(Vf )：第m个光伏发电集群中主节点电压越下限的严重度指标；nm：第m个光伏发电集群中的节点数。
10.如权利要求7所述的风险评估方法，其特征在于，所述基于所述支路潮流的累积分布函数，计算支路潮流越上限的概率，如下式所示：
Pr(Sij)＝Pr(Sij＞Sijmax)＝1-F(Sijmax)
式中：Pr(Sij)：支路潮流越上限的概率；Sij：支路ij的有功潮流；Sijmax：支路ij所允许的有功潮流的上限；F(Sijmax)：支路潮流的累积分布函数。
11.如权利要求10所述的风险评估方法，其特征在于，所述各光伏发电集群的支路潮流越限风险指标，如下式所示：
Rs＝Pr(Sij)Sev(Sij)
式中：Rs：支路潮流越限风险指标；Pr(Sij)：支路ij潮流越限的概率；Sev(Sij)：支路ij潮流越限的严重度指标；Sij：支路ij的有功潮流。
12.一种光伏发电接入配电网的风险评估系统，其特征在于，包括：
划分模块，用于在预先划分的光伏发电集群中，任选一个光伏发电节点作为主节点；
第一计算模块，用于基于所述光伏发电集群和所述主节点计算主节点电压的累积分布函数和支路潮流的累积分布函数；
第二计算模块，用于基于所述主节点电压的累积分布函数和支路潮流的累积分布函数，计算配电网电压越限风险指标和各光伏发电集群的支路潮流越限风险指标。
13.如权利要求12所述的风险评估系统，其特征在于，所述划分模块包括：
建立单元，用于将光伏发电注入配电网的点作为节点，任意两个节点连接建立分布式光伏发电网络；
处理单元，用于对每个节点的划分指标进行归一化处理，并设定各划分指标的权重；
计算权值单元，用于基于每个节点归一化处理后的划分指标和各划分指标的权重计算任意两节点之间边的权值；
划分单元，用于在所述分布式光伏发电网络中，基于聚类社团划分算法和权值将光伏发电节点划分为光伏发电集群；
其中，所述划分指标，包括：无功调节范围、有功调节范围、无功电压灵敏度和有功电压灵敏度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810727265.XA CN108960628A (zh) | 2018-07-04 | 2018-07-04 | 一种光伏发电接入配电网的风险评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810727265.XA CN108960628A (zh) | 2018-07-04 | 2018-07-04 | 一种光伏发电接入配电网的风险评估方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108960628A true CN108960628A (zh) | 2018-12-07 |
Family
ID=64485782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810727265.XA Pending CN108960628A (zh) | 2018-07-04 | 2018-07-04 | 一种光伏发电接入配电网的风险评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108960628A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110112790A (zh) * | 2019-06-06 | 2019-08-09 | 南方电网科学研究院有限责任公司 | 有源配电网运行效率的评价方法、装置、设备及存储介质 |
| CN110137974A (zh) * | 2019-05-14 | 2019-08-16 | 中国电力科学研究院有限公司 | 一种分布式光伏集群电压控制方法及系统 |
| CN110189061A (zh) * | 2019-06-24 | 2019-08-30 | 合肥工业大学 | 一种基于风险评估的大规模分散光伏接入规划方法 |
| CN110232499A (zh) * | 2019-04-26 | 2019-09-13 | 中国电力科学研究院有限公司 | 一种配电网信息物理侧风险预警方法及系统 |
| CN110378578A (zh) * | 2019-07-03 | 2019-10-25 | 中国科学院电工研究所 | 一种基于点估计的交直流混联配电网风险评估方法 |
| CN110932288A (zh) * | 2019-11-25 | 2020-03-27 | 国网安徽省电力有限公司六安供电公司 | 一种基于分布式发电集群的去中心化电压优化方法 |
| CN111740415A (zh) * | 2020-07-03 | 2020-10-02 | 西安交通大学 | 电力系统稳态潮流风险辨识预防方法、存储介质及设备 |
| CN112751336A (zh) * | 2020-12-28 | 2021-05-04 | 浙江大学 | 一种计及源荷波动的综合能源系统风险评估方法 |
| CN112965872A (zh) * | 2021-02-24 | 2021-06-15 | 刘志欣 | 系统集群节点的风险预测方法、装置、终端及存储介质 |
| CN115102178A (zh) * | 2022-07-14 | 2022-09-23 | 苏州瑞城电力科技有限公司 | 高渗透率光伏场景的配电网双级电压风险控制策略的方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108063456A (zh) * | 2017-12-19 | 2018-05-22 | 国家电网公司 | 分布式光伏发电并网规划方法及终端设备 |
| CN108233416A (zh) * | 2018-01-19 | 2018-06-29 | 广东电网有限责任公司河源供电局 | 一种考虑电压越限风险的配电网单光伏消纳能力评估方法 |
-
2018
- 2018-07-04 CN CN201810727265.XA patent/CN108960628A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108063456A (zh) * | 2017-12-19 | 2018-05-22 | 国家电网公司 | 分布式光伏发电并网规划方法及终端设备 |
| CN108233416A (zh) * | 2018-01-19 | 2018-06-29 | 广东电网有限责任公司河源供电局 | 一种考虑电压越限风险的配电网单光伏消纳能力评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 吴雅琪: "含分布式电源的配电网风险评估研究", 《中国优秀硕士学位论文全文数据库》, 15 June 2017 (2017-06-15), pages 2 - 68 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110232499A (zh) * | 2019-04-26 | 2019-09-13 | 中国电力科学研究院有限公司 | 一种配电网信息物理侧风险预警方法及系统 |
| CN110137974A (zh) * | 2019-05-14 | 2019-08-16 | 中国电力科学研究院有限公司 | 一种分布式光伏集群电压控制方法及系统 |
| CN110112790A (zh) * | 2019-06-06 | 2019-08-09 | 南方电网科学研究院有限责任公司 | 有源配电网运行效率的评价方法、装置、设备及存储介质 |
| CN110112790B (zh) * | 2019-06-06 | 2023-10-20 | 南方电网科学研究院有限责任公司 | 有源配电网运行效率的评价方法、装置、设备及存储介质 |
| CN110189061A (zh) * | 2019-06-24 | 2019-08-30 | 合肥工业大学 | 一种基于风险评估的大规模分散光伏接入规划方法 |
| CN110378578A (zh) * | 2019-07-03 | 2019-10-25 | 中国科学院电工研究所 | 一种基于点估计的交直流混联配电网风险评估方法 |
| CN110378578B (zh) * | 2019-07-03 | 2021-09-28 | 中国科学院电工研究所 | 一种基于点估计的交直流混联配电网风险评估方法 |
| CN110932288B (zh) * | 2019-11-25 | 2021-05-25 | 国网安徽省电力有限公司六安供电公司 | 一种基于分布式发电集群的去中心化电压优化方法 |
| CN110932288A (zh) * | 2019-11-25 | 2020-03-27 | 国网安徽省电力有限公司六安供电公司 | 一种基于分布式发电集群的去中心化电压优化方法 |
| CN111740415A (zh) * | 2020-07-03 | 2020-10-02 | 西安交通大学 | 电力系统稳态潮流风险辨识预防方法、存储介质及设备 |
| CN111740415B (zh) * | 2020-07-03 | 2022-02-11 | 西安交通大学 | 电力系统稳态潮流风险辨识预防方法、存储介质及设备 |
| CN112751336A (zh) * | 2020-12-28 | 2021-05-04 | 浙江大学 | 一种计及源荷波动的综合能源系统风险评估方法 |
| CN112751336B (zh) * | 2020-12-28 | 2022-05-03 | 浙江大学 | 一种计及源荷波动的综合能源系统风险评估方法 |
| CN112965872A (zh) * | 2021-02-24 | 2021-06-15 | 刘志欣 | 系统集群节点的风险预测方法、装置、终端及存储介质 |
| CN115102178A (zh) * | 2022-07-14 | 2022-09-23 | 苏州瑞城电力科技有限公司 | 高渗透率光伏场景的配电网双级电压风险控制策略的方法 |
| CN115102178B (zh) * | 2022-07-14 | 2024-10-01 | 苏州瑞城电力科技有限公司 | 高渗透率光伏场景的配电网双级电压风险控制策略的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108960628A (zh) | 一种光伏发电接入配电网的风险评估方法及系统 | |
| Milano et al. | A systematic method to model power systems as stochastic differential algebraic equations | |
| Kowsalya | Optimal distributed generation and capacitor placement in power distribution networks for power loss minimization | |
| Tungadio et al. | Particle swarm optimization for power system state estimation | |
| Ma et al. | Analysis of voltage stability uncertainty using stochastic response surface method related to wind farm correlation | |
| Bhattacharyya et al. | PSO based bio inspired algorithms for reactive power planning | |
| US20180357335A1 (en) | Systems for solving general and user preference-based constrained multi-objective optimization problems | |
| Papadopoulos et al. | Black‐box dynamic equivalent model for microgrids using measurement data | |
| Tzounas et al. | Modal participation factors of algebraic variables | |
| CN112183641B (zh) | 融合预估-校正深度学习的暂态频率稳定评估方法及系统 | |
| Xu et al. | A decision tree-based on-line preventive control strategy for power system transient instability prevention | |
| CN104113061B (zh) | 一种含分布式电源的配电网三相潮流计算方法 | |
| Idema et al. | Towards faster solution of large power flow problems | |
| CN110224392A (zh) | 一种用于分析含风电系统电压稳定概率的无迹变换方法 | |
| Kardoš et al. | BELTISTOS: A robust interior point method for large-scale optimal power flow problems | |
| Ye et al. | Combined Gaussian mixture model and cumulants for probabilistic power flow calculation of integrated wind power network | |
| Weng et al. | A geometric analysis of power system loadability regions | |
| Sajan et al. | Genetic algorithm based artificial neural network model for voltage stability monitoring | |
| CN106227767A (zh) | 一种基于领域相关性自适应的协同过滤方法 | |
| Chang et al. | Data-driven estimation of voltage-to-power sensitivities considering their mutual dependency in medium voltage distribution networks | |
| Kyesswa et al. | Impact of grid partitioning algorithms on combined distributed AC optimal power flow and parallel dynamic power grid simulation | |
| Syed et al. | Simultaneous optimal placement of DGs and fixed capacitor banks in radial distribution systems using BSA optimization | |
| Prabakaran et al. | Economic dispatch using hybrid particle swarm optimization with prohibited operating zones and ramp rate limit constraints | |
| Rergis et al. | Fourier‐series approach to model order reduction and controller interaction analysis of large‐scale power system models | |
| Kim et al. | Probabilistic optimal power flow-based spectral clustering method considering variable renewable energy sources |
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 |