CN109586279A - 一种互联电网规划方法 - Google Patents

Abstract

一种互联电网规划方法，首先根据规模化风电并网体系尽可能提高电力系统的灵活性，使风电最大程度并网，且考虑搭建互联电网经济性成本的基本思路，建立互联电网的双层规划的数学模型；该模型分为上层规划模型和下层规划模型，上层确定电网的拓扑结构以做总体决策，在上层规划模型的约束下,下层规划模型考虑经济成本并对上层规划模型进行校验。上层规划模型中将风电视为负值负荷，比较广义电力负荷与负荷之间的特征指数，以确定电网搭建的拓扑结构及平衡区域的划分，下层规划模型根据上层规划模型的决策信息，以“电网的投资费用、运行成本、缺电成本”为目标函数；最后，利用粒子群算法求解数学模型。

Description

一种互联电网规划方法

技术领域

本发明涉及一种互联电网的规划方法。

背景技术

近年来全球电力需求增长加快，电力结构不合理，电力能源短缺问题十分严重。日益增长的能源危机对人民的生活造成严重的影响，严重制约了经济增长。用电高峰电力需求能量巨大，电力需求缺口十分严峻。由于短期内存在巨大的电力需求缺口，这为周边电力资源相对丰富的地区提供了电力出口的机会。随着经济走廊的建设，中亚地区已经完成为全球投资的热点。而我国西部处于“丝绸之路经济带的核心区”具有资源禀赋的优势，但是伴随着风电的快速发展，弃风率居高不下，这不仅造成了能源的浪费，而且对电网的安全运行产生了重大的影响。因此，提高风电并网消纳能力且兼顾经济性是大规模发展风电的基础和保证风电安全并网的基本要素，也是实现互联电网的关键。

国内外学者虽然对研究提高风电并网的消纳能力提出了很多的方法，但是这些方法受到经济成本、地理位置以及储能技术的制约而不能有效的提高风电消纳能力。

现有的提高风电并网消纳能力的方法多是配备常规火电或者是应用储能等方法，其基本的思路都是多存少补，鲜有把风电作为一种常规能源，或者看作负的负荷，通过研究风电平衡区域电网负荷来提高风电消纳能力。

发明内容

本发明的目的在于克服现有技术的上述缺点，并提出一种互联电网的规划方法。本发明科学合理地提出如何搭建电网及搭建电网的经济成本，将风电视为负值负荷，在上层模型中通过比较广义电力负荷与负荷之间的特征指数，确定电网搭建的拓扑结构及平衡区域的划分，下层模型以经济性对上层模型校验，从而合理地解决风电并网的问题，实现电网的互联。

本发明采用的技术方案如下：

首先根据规模化风电并网体系尽可能提高电力系统的灵活性，使风电最大程度并网的基本思路，并且考虑搭建互联电网的经济成本，建立互联电网的数学模型。该数学模型分为上层规划模型和下层规划模型，上层规划模型确定电网的拓扑结构以便做总体决策，下层规划模型在上层规划模型的约束下考虑经济成本，并对上层规划模型进行校验。上层规划模型中将风电视为负值负荷，比较广义电力负荷与负荷之间的特征指数，以确定电网搭建的拓扑结构及平衡区域的划分；下层规划模型根据上层规划模型的决策信息，以“电网的投资费用、运行成本、缺电成本”为目标函数；最后，利用粒子群算法对所述的数学模型进行求解，上层规划模型做出决策后，下层规划模型利用粒子群算法寻找最优解并返回给上层，如此循环，最终完成互联电网的双层规划模型求解。

具体步骤如下：

1、根据尽可能提高电力系统的灵活性，使风电最大程度并网的基本思路，建立互联电网的数学模型。该数学模型分为上层规划模型和下层规划模型。所述的上层规划模型分析风电平衡区域电网的负荷与其广义电力负荷特征指数的差异。上层规划模型所分析的风电平衡区域电网的负荷与其广义电力负荷特征指数的相似度越高，则越有利于风电的消纳：

式(1)中：P_L(t)为年负荷数据，i为节点序号，节点为电路中三条以上支路的交汇点，为t时段的广义电力负荷数据；P_wind(t)为t时段的风电出力数据。

互联电网的统计数据有限，且现有数据灰度较大，本发明利用灰色理论的灰色关联度度量负荷曲线之间的相似度，该数学模型以负荷曲线相似度最优为目标函数：

maxγ＝max[γ(P_L,P_gpl1),γ(P_L,P_gpl2),…,γ(P_L,P_gpln)] (4)

式(2)中，X_i(t)可视为规范后风电平衡区域电网中负荷的时间序列，Y_i(t)可视为规范后广义电力负荷的时间序列，min(X_i(t)-Y_i(t))为规范后的电力负荷与规范后的广义电力负荷之间的最小差值，max(X_i(t)-Y_i(t))为规范后风电平衡区域电网中的负荷与规范后的广义电力负荷之间的最大差值，i为节点序号，t为时间序列，ψ为灰色关联度，ξ为分辨系数，取值区间为[0,1]，其取值在一定程度上影响灰色关联度的大小，计算得到最优ξ＝0.69；

式(3)中，γ为负荷主导特征指标，n为时段序号，N代表总的时段数目，ψ为灰色关联度，权函数α(t)是构造的，α(t)≥0，α(t)是实现时间对负荷主导特征指标的度量值，权函数α(t)需要根据风电平衡区域的电源结构、负荷特性、历史风电、外送通道等元素综合考虑提出，并在具体实践中不断修正；

式(4)中，maxγ为负荷曲线相似度最优的目标函数，γ为负荷主导特征指标，P_L年负荷曲线，P_gpl为第1时段的广义电力负荷，P_gpln为第n时段的广义电力负荷。

2、在满足上层规划模型确定的风电平衡区域的前提下，下层规划模型以建设投资、线路运行费用及需求侧的缺电成本合计最小minF为目标函数：

minF＝min(C_wi+C_Bi+C_qi) (5)

式(5)中，F为电网建设投资、线路运行费用及需求侧缺电成本的合计，C_wi为建设投资费用、C_Bi为线路运行费用、C_qi为需求侧的缺电成本，min(C_wi+C_Bi+C_qi)为最小的建设投资、线路运行费用及需求侧的缺电成本合计。

各项费用计算方法具体如下：

建设投资费用：

式(6)中，m是两个节点之间新建输电线路的数量；x_i表示节点之间线路是否存在，x_i＝[0,1]，当x＝0代表节点之间不存在输电线路，x＝1代表节点之间存在新建输电线路，d代表节点之间的距离，c_i表示单位长度的造价；

线路运行费用：

式(7)中，β为电价，H为年发电小时，I为线路的始端节点，J为线路的末端节点，U_I为线路始端电压、U_J为线路末端电压，G_IJ为线路电导、θ_IJ为线路阻抗角；

需求侧的缺电成本：

式(8)、(9)中，r为负荷的种类，P_r为第r种负荷水平出现的概率，M为节点数，T_r为第r种负荷水平的持续时间，I_i为缺电损失评价率，E_i为缺电损失期望值，L_i为切负荷量，s为故障集合，k为故障种类的数量，t_i为s种故障的持续时间；

为了使风电的经济成本最小，下层规划模型的约束条件为：

P_i＝B_iθ_i (10)

P_w,min≤P_w≤P_w,max (11)

|P_i|≤(n⁰+nⁱ)P_i,max (12)

0≤L≤P_L (13)

其中，式(10)为支路潮流方程，B为支路电纳对角矩阵，θ支路相角差向量，i为节点的序号；

式(11)中，P_w为风电场出力，P_w,max为最大风电场出力，P_w,min为最小风电场出力；

式(12)中，P_i为支路传输的有功功率，P_i，_max为单条线路传输的最大有功功率；

式(13)中，L为切负荷量，P_L该节点的负荷。

3、最后，利用粒子群算法对建立的数学模型求解，上层规划模型做出决策后，下层规划模型利用粒子群算法寻找最优解并返回给上层规划模型，如此循环，最终完成提高风电消纳能力且兼顾经济成本的互联电网的双层规划模型求解。

PSO算法即模拟一群鸟寻找食物的过程，每个鸟就是PSO中的粒子，也就是需要求解问题的可能解，这些鸟在寻找食物的过程中，不停地改变自己在空中飞行的位置和速度。

PSO初始化为一群随机粒子，然后通过迭代找到最优解。在每一次迭代中，粒子通过跟踪两个极值来更新自己；第一个极值是粒子本身所找到的最优解，这个解称为个体极值；另一个极值是整个种群目前找到的最优解，这个极值是全局极值。

假设在一个D维的目标搜索空间中，由F个粒子组成一个群落，其中第f个粒子表示一个D维的向量，X_f代表粒子的位置、D代表空间的维数。

X_f＝(x_f1,x_f2,…,x_fD),f＝1,2,…,F

第f个粒子的“飞行”速度也是一个D维的向量，速度V_f记为：V_f＝(v_f1,v_f2,…,v_fD),f＝1,2,...,F

迄今为止搜素到第f个粒子的最优位置称为个体极值，记为p_best＝(p_f1,p_f2,…,p_fD),f＝1,2,...,F

其中，p_best为第f个粒子的最优位置，p_f1,p_f2,…,p_fD为D维空间中粒子历史最优位置，f代表第f个粒子。

整个粒子群迄今为止搜索到的最优位置称为全局极值，记为：

g_best＝(p_g1,p_g2,…,p_gD)

其中，g_best粒子群体的最优位置p_g1,p_g2,…,p_gD为整个粒子群体历史最优位置。

在找到这两个最优值时，粒子根据下述式(14)和式(15)来更新自己的速度和位置：

v_fd＝w*v_fd+c₁r₁(p_fd-x_fd)+c₂r₂(p_gd-x_gd) (14)

x_fd＝x_fd+v_fd (15)

其中，c1和c2为学习因子，也称加速度常数，r1和r2为[0,1]范围内的均匀随机数，w为惯性权值，v_fd是粒子的速度，p_fd是粒子的历史最优位置，x_fd为粒子最开始的位置，p_gd整个粒子群体最优位置。

首先产生上层规划模型的初始种群，得到上层规划模型的可行解，然后将上层规划模型的决策带入下层规划模型，利用粒子群算法求解出最优决策，下层规划模型得到最优解的同时返回给上层规划模型，求解出上层规划模型的当时的电网拓扑结构和电网平衡区域划分即适应度值。然后将上层决策种群通过迭代不断更新粒子的速度和位置。按照此步骤循环一定的次数后，得到全局最优解，最终完成提高风电消纳能力且兼顾经济成本的互联电网的双层规划模型求解。

附图说明

图1是本发明互联电网的规划方法的流程图。

具体实施方式

以下结合附图及具体实施方式进一步说明本发明。

如图1所示，本发明互联电网的规划方法的流程如下：

1、建立互联电网的双层规划的数学模型：根据尽可能大的提高电力系统的灵活性，使风电最大程度的并网的基本思路，且考虑搭建互联电网的经济成本，建立互联电网的双层规划的数学模型。

该数学模型分为上层规划模型和下层规划模型，上层规划模型确定电网的拓扑结构以做总体决策，下层规划模型在上层规划模型的约束下考虑经济成本并对上层规划模型进行校验。上层规划模型中将风电视为负值负荷，比较广义电力负荷与负荷之间的特征指数，以确定电网搭建的拓扑结构及平衡区域的划分，下层规划模型根据上层规划模型的决策信息，以“电网的投资建设费用、运行成本、需求侧的缺电成本”为目标函数；

2、确定电网搭建的拓扑结构及平衡区域的划分：将风电视为负值负荷，把已有的统计数据利用灰色关联度来度量负荷曲线的相似度，比较广义电力负荷与负荷之间的特征指数，确定电网搭建的拓扑结构及平衡区域的划分。

3、以下层规划模型目标函数对上层规划模型进行校验：下层规划模型根据上层规划模型中的决策信息，下层规划模型以“电网的投资建设费用、运营成本、需求侧的缺电成本”为目标函数对上层规划模型进行校验。

4、最后，利用粒子群算法对所述的数学模型进行迭代求解：利用粒子群算法对所述的数学模型求解，上层规划模型做出决策后，下层规划模型利用粒子群算法寻找最优解并返回给上层规划模型，如此循环，最终完成提高风电消纳能力且兼顾经济成本的面向互联电网的双层规划模型求解。

综上所述，本发明有益于科学合理地规划如何搭建互联电网以及搭建的经济成本，可以有效地提高风电并网消纳能力，保证系统的稳定运行，为互联电网的稳定运行提供保证。

Claims (4)

1.一种互联电网规划方法，其特征在于：所述的规划方法首先根据规模化风电并网体系提高电力系统的灵活性，使风电最大程度的并网的基本思路,并考虑搭建互联电网的经济成本，建立“面向互联电网的双层规划”的数学模型；该模型分为上层规划模型和下层规划模型，上层规划模型确定电网的拓扑结构以做总体决策，下层规划模型在上层规划模型的约束下考虑经济成本，并对上层规划模型进行校验；上层规划模型将风电视为负值负荷，比较广义电力负荷与负荷之间的特征指数，以确定电网搭建的拓扑结构，即平衡区域的划分；下层模型根据上层模型的决策信息，以“电网的投资费用、运行成本、需求侧的缺电成本”为目标函数；最后，利用粒子群算法对所述的数学模型求解，上层规划模型做出决策后，下层规划模型利用粒子群算法寻找最优解并返回给上层规划模型，如此循环，最终完成提高风电消纳能力且兼顾经济成本的面向互联电网的双层规划模型求解。

2.根据权利要求1所述的规划方法，其特征在于：所述建立“面向互联电网的双层规划”的数学模型的方法如下：

为了提高电网对风电的接纳能力，该数学模型的上层模型分析风电平衡区域电网中的负荷与其广义电力负荷特征指数的差异，两者相似度越高，则越有利于风电的消纳：

式(1)中：P_L(t)为年负荷数据，i为节点序号，节点为电路中三条以上支路的交汇点，为t时段的广义电力负荷数据；P_wind(t)为t时段的风电出力数据；

利用灰色理论中的灰色关联度度量负荷曲线之间的相似度，该数学模型以负荷曲线相似度最优为目标函数：

maxγ＝max[γ(P_L,P_gpl1),γ(P_L,P_gpl2),…,γ(P_L,P_gpln)] (4)

式(2)中，X_i(t)为规范后风电平衡区域电网中负荷的时间序列，Y_i(t)为规范后广义电力负荷的时间序列，min(X_i(t)-Y_i(t))为规范后的电力负荷与规范后的广义电力负荷之间的最小差值，max(X_i(t)-Y_i(t))为规范后风电平衡区域电网中的负荷与规范后的广义电力负荷之间的最大差值，i为节点序号，t代表时间序列，ψ为灰色关联度，ξ为分辨系数，取值区间为[0,1]，其取值在一定程度上影响灰色关联度的大小，计算得到最优ξ＝0.69；

式(3)中，γ为负荷主导特征指标，n为时段序号，N为时段数目，α(t)≥0，α(t)是实现时间对负荷主导特征指标的度量值，权函数α(t)需要根据风电平衡区域的电源结构、负荷特性、历史风电、外送通道等元素综合考虑构造，并在具体实践中不断修正；

式(4)中，maxγ为负荷曲线相似性最优的目标函数，γ为负荷主导特征指标，P_L年负荷曲线，P_gpl第一时段的广义电力负荷，P_gpln为第n时段的广义电力负荷。

3.根据权利要求1所述的规划方法，其特征在于：在满足上层确定的风电平衡区域的前提下，下层规划模型以建设投资、线路运行费用及需求侧的缺电成本最小为目标函数：

minF＝min(C_wi+C_Bi+C_qi) (5)

式(5)中，F为电网建设投资、线路运行费用及需求侧缺电成本费用的合计，C_wi为建设投资、C_Bi为线路运行费用和C_qi为需求侧的缺电成本，min(C_wi+C_Bi+C_qi)为最小的建设投资、线路运行费用及需求侧的缺电成本合计；

各项费用的计算方法具体如下：

(1)建设投资：

式(6)中，m是两个节点之间新建输电线路的数量；x_i＝[0,1]代表节点之间线路是否存在，当x＝0代表节点之间不存在输电线路，x＝1代表节点之间存在新建输电线路，d代表节点之间的距离，c_i表示单位长度输电线路的造价；

(2)线路运行费用：

式(7)中，β为电价，H为年发电小时，I为线路的始端节点，J为线路的末端节点，U_I为线路始端电压、U_J为线路末端电压，G_IJ为线路电导、θ_IJ为线路阻抗角；

(3)需求侧的缺电成本：

式(8)、(9)中，r为负荷种类，P_r为第r种负荷水平出现的概率，M为节点数，T_r为第r种负荷持续的水平时间，I_i为缺电损失评价率，E_i缺电损失期望值，L_i为负荷量，s为故障集合，k为故障情况种数，t_i为S种故障持续时间；

为了使风电的经济性成本最小，下层模型的约束条件为：

P_i＝B_iθ_i (10)

P_w,min≤P_w≤P_w,max (11)

|P_i|≤(n⁰+nⁱ)P_i,max (12)

0≤L≤P_L (13)

其中，式(10)为支路潮流方程，式(10)中，B为支路电纳对角矩阵，θ为支路相角差向量，i为节点序号；

式(11)中，P_w为风电场出力，P_w,max为最大风电场出力P_w,min为最小风电场出力；

式(12)中，P_i为支路传输的有功功率，P_i，_max为单条线路传输的最大有功功率；

式(13)中，L为切负荷量，P_L该节点的负荷。

4.根据权利要求1所述的规划方法，其特征在于：利用粒子群算法对模型进行求解，上层规划模型做出决策后，下层规划模型利用粒子群算法寻找最优解并返回给上层规划模型，如此循环，最终完成提高风电消纳能力且兼顾经济成本的互联电网的双层规划模型求解。