CN109119985A - 一种主动配电网能源优化配置方法 - Google Patents

Abstract

本发明公开了一种主动配电网能源优化配置方法，步骤为：1)建立主动配电网间歇性分布式电源双层优化配置模型；2)对每个场景进行优化，提出了四个主动管理措施，削减分布式电源有功出力、调节无功补偿大小、调节有载变压器抽头以及需求侧管理；3)利用K‑均值聚类法对场景进行削减，并提出采用和声搜索算法和粒子群算法相结合对主动配电网双层规划模型进行求解。本发明提出多场景双层优化配置，采用和声搜索算法和粒子群算法相结合并对其进行相应的改进的方式对所提模型进行求解，快速获取最优个体适应值及对应的最优解。

Description

一种主动配电网能源优化配置方法

技术领域

本发明属于智能电网领域，特别涉及一种主动配电网间歇性分布式能源优化配置的方法。

背景技术

随着世界经济的发展，石油、煤炭等传统化石能源消耗日益加剧的同时造成了环境的污染，近些年来，以光伏和风力发电为代表的分布式发电技术得到了快速发展，由于分布式能源发电受到环境因素的影响很大，具有间歇性、波动性的特点，采用“安装即忘记”的管理方式的传统配电网无法接纳大规模间歇性分布式电源。CIGRE C6提出了主动配电网的概念，即：通过使用灵活的网络拓扑结构来管理潮流，以便对局部的分布式能源进行主动控制和主动管理的配电系统。其中，分布式能源包括分布式电源、储能及可控负荷等。近年来，一些研究主要是站在配电公司的角度上，以年综合费用最小为目标函数对主动配电网进行规划，设定分布式电源由配电公司进行投资建设不具有典型性。

如今在随着电力市场环境的不断开放，分布式电源技术的成熟以及相关政策、法规的提出和完善，刺激了区域能源供应商投资主体建设分布式电源的积极性。因此，由区域能源供应商承担分布式电源建设成本更加符合目前的国内配电网实际发展趋势，但是也未考虑主动管理措施，不能体现主动配电网的特征。目前急需一种主动配电网能源优化配置方法。

发明内容

本发明的目的是提供一种主动配电网能源优化配置方法。

实现本发明目的的技术解决方案为：一种主动配电网能源优化配置方法，包括以下步骤：

步骤1、建立主动配电网间歇性分布式电源双层优化配置模型；

步骤2、对每个场景进行优化，具体是削减分布式电源有功出力、调节无功补偿大小、调节有载变压器抽头以及对需求侧进行优化；

步骤3、利用K-均值聚类法对场景进行削减，采用和声搜索算法和粒子群算法结合的方法对主动配电网双层规划模型进行求解。

本发明与现有技术相比，其显著优点为：1)本发明的方法更加简单易行；2)本发明的方法可以提高分布式电源的接入容量，增加区域能源供应商的综合收益，更好的发挥分布式电源在减少碳排放量方面的积极作用；3)本发明的方法采用和声搜索算法和粒子群算法相结合并对其进行相应的改进的方式对所提模型进行求解，实现效果好；4)本发明的方法提高清洁能源的利用率，减少对环境的污染。

附图说明

图1是主动配电网间歇性分布式能源优化配置方法的流程图。

图2是主动配电网间歇性分布式能源优化配置方法实现结构图。

图3是混合算法流程图。

图中编号代表的含义为：1为主动配电网双层规划模型，2为四种主动配电网管理措施，3为改进的和声搜索算法和粒子群算法相结合的混合算法。

具体实施方式

结合附图，本发明的一种主动配电网能源优化配置方法，包括以下步骤：

步骤1、建立主动配电网间歇性分布式电源双层优化配置模型；

所述间歇性分布式电源为风力发电和光伏发电单元，其中风力发电单元的有功出力与风速相关，光伏发电单元的有功出力与光照强度有关；

风电的有功出力与风速的关系可以表示为：

式中：P_ratcd为分布式风电的额定功率；ν_ci、ν_co、ν_ratcd分别为切入风速、切出风速和额定风速。

光伏发电的有功出力与光照强度的关系可以表示为：

式中：P_PVS表示光伏的额定功率；r_s表示额定光照强度；

上层规划目标函数为

maxC＝C_S+C_B-C_T-C_OM-C_CL

上层约束条件为

0≤P_gi≤P_max,i

P_gi＝n_iP_i,DG

式中：P_max,i为第i个节点所允许安装分布式电源的安装容量上限；n_i为第i个节点所安装的分布式电源台数；P_i,DG为第i个待选安装节点单台分布式电源的容量；

其中，

式中：N_S为场景总数；N_DWG、N_PV分别为待选安装分布式风能、分布式光伏的节点数；c为单位电价；p_S为场景s发生的概率；P_i,S,DWG为第i个节点风电在场景s的发电量，n为分布式电源的经济适用年限；r为贴现率；c_t,DWG为风电单位容量投资费用；c_t,PV为光伏的单位容量投资费用；P_i,DWG为第i个节点的风能额定安装容量；P_j,PV为第j个节点的光伏额定安装容量，c_om,DWG为分布式风能单位电量运行维护费用；c_om,PV为光伏单位电量运行维护费用，N_CL为可中断负荷数；P_k,s,CL为第k个可中断负荷的单位电量中断补偿费用；

下层规划目标函数为：

每个场景的等约束条件为：

U_min,i≤U_i,s≤U_max,i

P_sub,s≥0

Q_sub,s≥0

式中：P_i,s、Q_i,s分别为节点i的注入有功功率和无功功率；U_i,s、U_j,s分别为节点i、j的电压幅值；为待安装节点i的分布式电源所允许切除的最大有功功率；Q_ci,s为节点i无功补偿大小；分别为节点i无功补偿最大值和最小值；分别为有载变压器二次侧电压上下限；S_ij,s为支路的电容；为支路ij允许的最大容量；P_sub,s、Q_sub,s分别为联络变电站低压侧向规划系统注入的有功和无功功率。

步骤2、对每个场景进行优化，具体是削减分布式电源有功出力、调节无功补偿大小、调节有载变压器抽头以及对需求侧进行优化；

步骤3、利用K-均值聚类法对场景进行削减，采用和声搜索算法和粒子群算法结合的方法对主动配电网双层规划模型进行求解。具体为：

上层规划采用改进的和声搜索算法，算法步骤为：

步骤3‐1、确定和声搜索算法的参数，并初始化和声记忆库；

步骤3‐2、以概率p_HMCR在和声记忆库中随机选择新解，否则以概率(1-p_HMCR)在和声记忆库中随机选择一个新解，如果在和声记忆库内选择一个新解，需要以概率p_PAR对新解进行局部扰动，扰动变量为b_W；

步骤3‐3、更新和声记忆库；

步骤3‐4、判断是否满足结束条件，若满足，则输出结果，否则重复步骤3‐2和步骤3‐3；并通过对p_PAR和b_W进行动态调整对算法进行优化；

下层规划采用改进的粒子群算法，对惯性权重系数进行如下改进：

式中：w_max、w_min分别为惯性权重系数的最大值与最小值；T_max、T分别为设定的最大迭代次数与当前的迭代次数。

本发明的方法可以提高分布式电源的接入容量，增加区域能源供应商的综合收益，更好的发挥分布式电源在减少碳排放量方面的积极作用。

下面进行更详细的描述。

本发明是主动配电网间歇性分布式能源优化配置方法，包括以下步骤：

步骤1、考虑能源供应商综合收益以及环境效益建立主动配电网间歇性分布式电源双层优化配置模型；

步骤2、对每个场景进行优化，提出了四种主动管理措施，削减分布式电源有功出力、调节无功补偿大小、调节有载变压器抽头以及需求侧管理；

步骤3、利用K-均值聚类法对场景进行削减，并提出采用和声搜索算法和粒子群算法相结合对主动配电网双层规划模型进行求解。

进一步，步骤1中，间歇性分布式电源包括分布式风电和分布式光伏。风电的有功出力与风速的关系可以表示为：

式中：P_ratcd为分布式风电的额定功率；ν_ci、ν_co、ν_ratcd分别为切入风速、切出风速和额定风速。

光伏发电的有功出力与光照强度的关系可以表示为：

式中：P_PVS表示光伏的额定功率；r_s表示额定光照强度。

进一步，步骤1中，设定分布式电源的建设由区域能源供应商承担，即上层规划目标为区域能源供应商的售电收益、政府补贴收益、分布式电源的投资建设成本、运行维护成本及需求侧管理费用综合收益最大为目标函数，各部分表达式为：

1)区域能源供应商年售电收益C_S。

式中：N_S为场景总数；N_DWG、N_PV分别为待选安装分布式风能、分布式光伏的节点数；c为单位电价；p_S为场景s发生的概率；P_i,S,DWG为第i个节点风电在场景s的发电量。

2)政府补贴年收益C_B。

利用清洁能源能避免环境污染治理成本，采用政府补贴来反映节省的成本。政府补贴是政府为了刺激发电商更多利用清洁能源而对其进行的奖励。

3)折算到每年的分布式电源投资成本C_T.

式中：n为分布式电源的经济适用年限；r为贴现率；c_t,DWG为风电单位容量投资费用；c_t,PV为光伏的单位容量投资费用；P_i,DWG为第i个节点的风能额定安装容量；P_j,PV为第j个节点的光伏额定安装容量。

3)分布式电源的每年运行维护费用C_OM。

式中：c_om,DWG为分布式风能单位电量运行维护费用；c_om,PV为光伏单位电量运行维护费用。

4)需求侧管理费用C_CL。

主要采用可中断负荷控制措施，该措施通过对用户进行电价刺激促使用户在系统峰荷或紧急状态下按事先签订的合同要求中断或削减负荷。区域能源供应商通过控制可中断负荷，保证系统安全运行，但是需要对被中断的用户补偿一定的经济损失，即需求侧管理费用。

式中:N_CL为可中断负荷数；P_k,s,CL为第k个可中断负荷的单位电量中断补偿费用。

综上，可得上层规划目标函数为

maxC＝C_S+C_B-C_T-C_OM-C_CL (8)

上层约束条件为

0≤P_gi≤P_max,i (9)

P_gi＝n_iP_i,DG (10)

式中：P_max,i为第i个节点所允许安装分布式电源的安装容量上限；n_i为第i个节点所安装的分布式电源台数；P_i,DG为第i个待选安装节点单台分布式电源的容量。

进一步，步骤1中，下层规划是在满足电压约束和潮流计算约束的条件下，对每个场景进行优化。下层规划目标函数为：

每个场景的等约束条件为：

考虑到国内配电系统规划和运行的实际情况，每个场景的不等式约束条件为：

U_min,i≤U_i,s≤U_max,i (14)

P_sub,s≥0 (19)

Q_sub,s≥0 (20)

式中：P_i,s、Q_i,s分别为节点i的注入有功功率和无功功率；U_i,s、U_j,s分别为节点i、j的电压幅值；为待安装节点i的分布式电源所允许切除的最大有功功率；Q_ci,s为节点i无功补偿大小；分别为节点i无功补偿最大值和最小值；分别为有载变压器二次侧电压上下限；S_ij,s为支路的电容；为支路ij允许的最大容量；P_sub,s、Q_sub,s分别为联络变电站低压侧向规划系统注入的有功和无功功率。

进一步，步骤2中，对每个场景进行优化，提出了四种主动管理措施，削减分布式电源有功出力、调节无功补偿大小、调节有载变压器抽头以及需求侧管理，这一主动管理主要运用在下层规划的场景优化中，提高配网在接纳分布式电源时的主动协调稳定性能。

进一步，步骤3中，采用K‐均值聚类法进行场景的缩减，并通过差异度评估场景缩减精度验证场景缩减的有效性，在提高计算速度的基础上，保证削减后的场景具有多样性。

进一步，步骤3中，上层规划采用改进的和声搜索算法，算法步骤为：1)确定和声搜索算法的参数，并初始化和声记忆库；2)以概率p_HMCR在和声记忆库中随机选择新解，否则以概率(1-p_HMCR)在和声记忆库中随机选择一个新解，如果在和声记忆库内选择一个新解，需要以概率p_PAR对新解进行局部扰动，扰动变量为b_W；3)更新和声记忆库；4)判断是否满足结束条件，若满足，则输出结果，否则重复步骤2和3。并通过对p_PAR和b_W进行动态调整对算法进行优化，改进后的和声搜索算法有利于在迭代前期进行全局搜索，在迭代后期进行精细化搜索。

进一步，步骤3中，下层规划采用改进的粒子群算法，对惯性权重系数进行如下改进：

式中：w_max、w_min分别为惯性权重系数的最大值与最小值；T_max、T分别为设定的最大迭代次数与当前的迭代次数。cos函数在0‐π之间是单调递减的，满足惯性权重系数初始时比较大、结束时比较小的单调递减的要求，有利于寻找最优解。

进一步，步骤3中，所提出的改进的和声搜索与粒子群算法相结合而成的混合算法，求解流程图如图3所示。

本文采用的主动配电网间歇性分布式能源优化配置方法，可以增加配电网对分布式电源的接纳能力，增加分布式能源供应商的综合利益，提高清洁能源的利用率，减少对环境的污染。

Claims (3)

1.一种主动配电网能源优化配置方法，其特征在于，包括以下步骤：

步骤1、建立主动配电网间歇性分布式电源双层优化配置模型；

步骤2、对每个场景进行优化，具体是削减分布式电源有功出力、调节无功补偿大小、调节有载变压器抽头以及对需求侧进行优化；

步骤3、利用K-均值聚类法对场景进行削减，采用和声搜索算法和粒子群算法结合的方法对主动配电网双层规划模型进行求解。

2.如权利要求1所述的主动配电网能源优化配置方法，其特征在于，步骤1中，间歇性分布式电源为风力发电和光伏发电单元，其中风力发电单元的有功出力与风速相关，光伏发电单元的有功出力与光照强度有关；

风电的有功出力与风速的关系可以表示为：

式中：P_ratcd为分布式风电的额定功率；ν_ci、ν_co、ν_ratcd分别为切入风速、切出风速和额定风速；

光伏发电的有功出力与光照强度的关系可以表示为：

式中：P_PVS表示光伏的额定功率；r_s表示额定光照强度；

上层规划目标函数为

max C＝C_S+C_B-C_T-C_OM-C_CL

上层约束条件为

0≤P_gi≤P_max,i

P_gi＝n_iP_i,DG

式中：P_max,i为第i个节点所允许安装分布式电源的安装容量上限；n_i为第i个节点所安装的分布式电源台数；P_i,DG为第i个待选安装节点单台分布式电源的容量；

其中，

式中：N_S为场景总数；N_DWG、N_PV分别为待选安装分布式风能、分布式光伏的节点数；c为单位电价；p_S为场景s发生的概率；P_i,S,DWG为第i个节点风电在场景s的发电量，n为分布式电源的经济适用年限；r为贴现率；c_t,DWG为风电单位容量投资费用；c_t,PV为光伏的单位容量投资费用；P_i,DWG为第i个节点的风能额定安装容量；P_j,PV为第j个节点的光伏额定安装容量，c_om,DWG为分布式风能单位电量运行维护费用；c_om,PV为光伏单位电量运行维护费用，N_CL为可中断负荷数；P_k,s,CL为第k个可中断负荷的单位电量中断补偿费用；

下层规划目标函数为：

每个场景的等约束条件为：

U_min,i≤U_i,s≤U_max,i

P_sub,s≥0

Q_sub,s≥0

式中：P_i,s、Q_i,s分别为节点i的注入有功功率和无功功率；U_i,s、U_j,s分别为节点i、j的电压幅值；为待安装节点i的分布式电源所允许切除的最大有功功率；Q_ci,s为节点i无功补偿大小；分别为节点i无功补偿最大值和最小值；分别为有载变压器二次侧电压上下限；S_ij,s为支路的电容；为支路ij允许的最大容量；P_sub,s、Q_sub,s分别为联络变电站低压侧向规划系统注入的有功和无功功率。

3.如权利要求1所述的主动配电网能源优化配置方法，其特征在于，步骤3利用K-均值聚类法对场景进行削减，采用和声搜索算法和粒子群算法结合的方法对主动配电网双层规划模型进行求解，具体为：

上层规划采用改进的和声搜索算法，算法步骤为：

步骤3‐1、确定和声搜索算法的参数，并初始化和声记忆库；

步骤3‐2、以概率p_HMCR在和声记忆库中随机选择新解，否则以概率(1-p_HMCR)在和声记忆库中随机选择一个新解，如果在和声记忆库内选择一个新解，需要以概率p_PAR对新解进行局部扰动，扰动变量为b_W；

步骤3‐3、更新和声记忆库；

步骤3‐4、判断是否满足结束条件，若满足，则输出结果，否则重复步骤3‐2和步骤3‐3；并通过对p_PAR和b_W进行动态调整对算法进行优化；

下层规划采用改进的粒子群算法，对惯性权重系数进行如下改进：

式中：w_max、w_min分别为惯性权重系数的最大值与最小值；T_max、T分别为设定的最大迭代次数与当前的迭代次数。