CN109685287A - 增量配电网电源容量多目标优化配置方法 - Google Patents
增量配电网电源容量多目标优化配置方法 Download PDFInfo
- Publication number
- CN109685287A CN109685287A CN201910033249.5A CN201910033249A CN109685287A CN 109685287 A CN109685287 A CN 109685287A CN 201910033249 A CN201910033249 A CN 201910033249A CN 109685287 A CN109685287 A CN 109685287A
- Authority
- CN
- China
- Prior art keywords
- power
- distribution network
- increment
- power supply
- electricity
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 101
- 238000005457 optimization Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000010276 construction Methods 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims abstract description 6
- 230000005611 electricity Effects 0.000 claims description 52
- 238000004146 energy storage Methods 0.000 claims description 22
- 230000008901 benefit Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 11
- 238000010248 power generation Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 239000002699 waste material Substances 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 2
- 238000013468 resource allocation Methods 0.000 claims description 2
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 238000013439 planning Methods 0.000 description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 5
- 229910052799 carbon Inorganic materials 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000002411 adverse Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010348 incorporation Methods 0.000 description 2
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
- 238000004804 winding 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种增量配电网电源容量多目标优化配置方法。本发明结合增量配电网的特点,构建了能量调度策略;针对未来增量配电网可能存在的两种模式,构建了电源容量配置与电网运行相结合多目标电源容量优化配置模型。采用改进后的多目标黑洞算法进行优化,结合D‑S证据理论对优化所得的一组配置方案进行决策排序。既实现了对各项性能指标同时进行优化,又能够根据决策者意愿调整和控制决策过程,最终得到一个整体最优的配置方案。分析了联络线功率约束、风光补贴价格等因素变化对配置决策的影响。本发明能够适应多种变化情况,能为增量配电网提供最优的电源容量配置方案,为未来增量配电网的投资建设及运营方式提供了参考。
Description
技术领域
本发明属于电力系统技术领域,具体是涉及增量配电网电源容量多目标优化配置方法。
背景技术
随着电力体制改革的推进,增量配电网投资业务放开已经从顶层设计进入了实施操作阶段,这使得增量配电网市场面临巨大的竞争压力。增量配电网投资运营者基于成本效益原则,在投资方案的评估或比选中已逐渐重视设备全寿命周期投资经济指标,在关注投资回报的同时,亦期望通过量化风险和相应策略,尽可能地降低投资风险。同时,配电网的形态正在发生巨大变化,风电、光伏等分布式电源供电模式替代传统集中供电模式是增量配电网发展的重要趋势。增量配电网的电源容量优化配置直接影响投资收益、能源的利用效率以及供电可靠性。但是,分布式电源的单机投资成本较高,且出力具有随机性、不确定性等问题,若规划不合理,不仅不能发挥增量配电网的优势,可能还会由于投资过高造成亏损或对电网造成负面影响。在此背景下,合理规划风、光、储等分布式电源的容量配置,优化投资成本及运行性能已成为当前增量配电网规划研究领域中的一个重要课题。
目前的研究大多数是针对传统配电网电源容量的配置进行优化,且未考虑配电网与大电网之间进行双向功率流通的情况。目前还缺乏结合增量配电网的特点,考虑增量配电网与大电网之间进行双向功率流通,对风光储电源容量优化配置的研究。另外,已有研究中大多是单目标优化或多目标优化,单目标优化无法对各项性能指标同时进行优化,而多目标优化只能得到一组最优解集合,无法确定一个整体最优的配置方案。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷,提供一种增量配电网电源容量多目标优化配置的方法,该方法针对未来增量配电网可能存在的“建设运营一体”与“建设运营独立”两种模式,根据电源建设运行成本与增量配电网运行性能间存在的矛盾关系,建立配置与运行相结合的电源容量配置多目标优化模型。并采用自适应多目标黑洞算法求解得到一组最优解集合,为增量配电网配置电源容量提供一组相对较优的配置方案。继而,基于D-S证据理论对得到的配置方案进行多目标决策,在兼顾指标客观作用的情况下考虑决策者的意愿,得到整体最优的分布式电源配置方案。
本发明方法包括以下步骤:
步骤1:针对含风、光、储三类分布式电源的增量配电网运行过程中出现的两种情况:配电网内部提供的电量能或不能满足负荷用电量需求,构建能量调度策略。
步骤2:分析未来增量配电网可能存在的两种常见运营模式:建设运营独立模式及建设运营一体模式。
步骤3:构建增量配电网中电源的全寿命周期成本计算模型。
步骤4:针对建设运营独立、建设运营一体两种运营模式,建立不同利益主体的全寿命周期效益计算模型。
步骤5:提出负荷缺电率(LOLP)及可再生能源非就近消纳率(NCP)两个性能指标,分别表征系统供电可靠性和能源利用效率。两个性能指标越小,表征增量配电网运行性能越好。
步骤6:建立以全寿命周期效益最大,负荷缺电率及可再生能源非就近消纳率最小为优化目标的多目标优化模型,并给出相应约束条件。
步骤7:采用改进后的多目标黑洞算法对优化模型进行求解,得到含有多个电源容量配置方案的解集。
步骤8:基于D-S证据理论对得到的多个配置方案进行决策,在兼顾指标客观作用的情况下考虑到了决策者的意愿,能够根据决策者意愿调整和控制决策过程,最终得到一个整体最优的电源容量配置方案。
本发明提出了一种增量配电网电源容量多目标优化配置的方法,将电源容量配置与电网运行相结合。利用本发明既能够实现多个目标同时优化,又能够考虑决策者的意愿最终得到一个整体最优的电源容量配置方案。且本发明的优化决策模型能够适应多种变化情况,为增量配电网的电源容量进行科学合理的配置提供了具体的解决方法,能够为未来增量配电网的投资建设及运营方式提供参考。
附图说明
图1为增量配电网能量调度流程图;
图2为增量配电网电源容量优化流程图;
图3为基于D-S证据理论的电源容量配置决策模型图。
具体实施方式
以下结合附图对本发明作进一步说明,本发明包括以下步骤:
步骤1:构建能量调度策略。
风、光等分布式电源出力具有随机性、不确定性等特点,入网时会给电网的运行带来不良影响。储能电池与风光发电相配合,可以使风光发电的输出功率更平稳,同时可以对能量进行跨时调度,参与配电网的优化运行。针对此类增量配电网构建了如下能量调度策略:
(1)风光发电能满足负荷需求。风光资源充足时,直接与电力用户交易为其供电,多余的电能充入储能电池。若储能电池充满电后还有剩余功率且功率满足联络线约束,则向大电网售电,若不满足约束,则会造成能源浪费。
(2)风光发电不能满足负荷需求。当风、光出力不足,由储能电池放电能满足用户需求时,负荷由风、光、储共同供电;此时若仍不满足用户需求,不足电量满足联络线约束则由大电网提供;若不满足联络线约束,则造成供电不足。
具体能量调度流程如图1所示,图1中,P1t、P2t、PLt分别表示风机、光伏电池及负荷的时刻功率;P3ct、P3ft分别为每时刻储能电池实际的充、放电功率;P3cmaxt、P3fmaxt分别为对应时刻储能电池所能充、放电的最大功率;SOCt、SOCmin、SOCmax分别为每时刻储能电池的荷电状态及对其约束的上下限;Pllt、Pllmin、Pllmax分别为每个时刻增量配电网与大电网之间的联络功率及联络功率约束的上下限,大电网向增量配电网提供功率时为正,增量配电网向大电网传输功率时为负;Plft、Plosst分别为每时刻增量配电网的能量浪费功率和供电不足功率。
步骤2:确定未来增量配电网的两种运营模式
随着增量配电网业务的有序放开,社会资本开始进入投资、建设、运营增量配电网领域,未来增量配电网可能存在多种运营模式,两种常见模式为:(1)建设运营独立模式。该模式下增量配电网内存在建设者与运营者两个利益主体。由建设者投资建设配电网,委托给有经验的电网企业运营。(2)建设运营一体模式。该模式下投资、建设、运营配电网的项目业主为同一主体,这一主体可能是社会资本、电网企业或两者通过股权合作等方式成立产权多元化公司。
步骤3:构建增量配电网中电源的全寿命周期成本计算模型。
通常方案比较时,省略相同的内容,只比较不同部分。假设电源容量优化配置是在增量配电网负荷及内部网架结构已确定的前提下进行的,故分析效益构成时只考虑增量配电网不同电源容量配置的差异,不考虑内部网架。增量配电网中电源的全寿命周期成本主要包括各类电源设备的初始投资成本、运行维护成本、设备更换成本及报废成本。鉴于下文中负荷缺电率作为优化目标之一,能够反映增量配电网停电损失的程度,为减少优化模型中目标函数之间的冗余性,未计入停电损失成本。由于风机和光伏电池的使用寿命较长,而储能电池寿命较短,所以规划周期内只考虑储能电池的设备更换成本。针对研究的增量配电网主要由分布式电源供电的特点,全周期寿命成本中计入可再生能源发电补贴。
上述成本的具体计算公式如下:
CBF=(kbf-kcz)CI(1+r)-N
式中各变量的含义见下表:
表1变量含义说明
注:储能电池年发电量为充放电量的总和。
步骤4:建立两种运营模式的全寿命周期效益计算模型。
通常,电源建设者的收益主要包括分布式发电直接与用户交易的收益及多余电量出售给大电网获得的收益;电网运营者的主要盈利来源于配电服务费及在分布式发电与用户进行电力交易时向其收取的“过网费”。其中,建设运营一体模式下,分布式电源发电收益与电网运营效益为一个利益主体所拥有,分布式发电缴纳的“过网费”与电网运营者收取的“过网费”相抵消,即无需缴纳过网费。相关计算公式如下所示:
Rfdk=(mjyk-mgwk)Qjyk+mswkQswk
Rpdk=mpdkQpdk+mgwkQjyk
式中,Rfdk、Rpdk分别为第k年发电收益与配电服务收益;Qjyk、Qswk、Qpdk分别为第k年增量配电网中分布式电源与用户的交易电量、分布式电源发电充足时向大电网传输的上网电量及发电不足时大电网提供的配电量。mjyk、mswk、mpdk分别为第k年分布式发电与用户的交易电价、上网电价及增量配电网配电价。mgwk为单位交易电量所收取的过网费,其等于电力用户接入电压等级对应的输配电价减去分布式发电市场化交易所涉最高电压等级输配电价。
另外,从环保的角度考虑增量配电网中分布式电源发电可参与核证自愿减排量(CCER)协议转让交易,由企业购买抵扣碳排放缺少的配额,从而产生CCER转让收益,计算公式如下:
Rcek=(Q1k+Q2k)mcekρ
式中,Rcek为第k年CCER转让收益;mcek为第k年单位碳排放量交易价格;ρ表示分布式清洁能源所减少碳排放量的强度,单位为g/kWh。
因分布式电源发电已有政府给予补贴,且碳减排量属于电网运营范畴,故建设运营独立模式下,CCER转让收益计入运营者收益部分。因此,有:
RJ=RF-CZ
其中:CZ=CI+COC+CRC+CBF-RB,为增量配电网电源全寿命周期总成本;为全寿命周期发电收益;RJ、RY分别为电源建设者及电网运营者的全寿命周期效益。
建设运营一体模式下,增量配电网只存在一个利益主体,所有运营效益整体计算,公式如下:
RZ=RG-CZ
其中:RZ为增量配电网电源全寿命周期总效益。
步骤5:增量配电网性能指标
增量配电网规划时除了要考虑经济性,还需兼顾供电可靠性、能源利用效率等性能。用负荷缺电率(LOLP)表征系统供电可靠性其定义如下:
式中:LOLP(k)为第k年负荷缺电率;Qlossk为第k年负荷供电不足电量,由能量调度过程得到的时刻能量供电不足功率Plosst计算求取;QLk为第k年的负荷总电量。显然LOLP越小,供电可靠性越高。
由于风电、光伏属于不稳定电源,对电网有一定的冲击,可再生能源出力应尽可能在增量配电网内部消纳,而不向大电网传输;同时为合理利用可再生能源,对储能电池中剩余的电量也要有一定的要求。因此,提出了可再生能源非就近消纳率(NCP)这一性能指标。表达式为:
式中:NCP(k)为第k年的可再生能源非就近消纳率;Qlfk为第k年增量配电网浪费的电量,由能量调度过程得到的时刻能量浪费功率Plft计算求取;Qcfk为第k年储能电池最终剩余的电量,分母为第k年风光发电的总电量。显然NCP越小,可再生能源利用效率越高。
步骤6:建立多目标优化模型
电源建设者以最少的投资成本获得最大的发电收益为目标,而电网运营企业更关注配电网运营效益及运行性能。建设运营独立模式下,电源建设者与电网运营企业的收益需要分开优化,而建设运营一体模式下,收益不需要分开优化。两种模式对应的优化目标函数见下式:
(1)功率约束。增量配电网中风、光时刻出力及增量配电网与大电网之间的联络功率需满足以下约束:
0≤P1t≤S1B
0≤P2t≤S2B
Pllmin≤Pllt≤Pllmax
增量配电网内部的功率平衡情况受能量调度策略约束,由t时刻各电源出力、负荷大小及联络线功率决定。
(2)储能电池充放电约束。考虑到储能电池寿命因素,系统运行过程蓄电池的荷电状态(SOC)及充放电功率需满足一定的约束:
SOCmin≤SOCt≤SOCmax
其中,t时刻的SOCt、P3cmaxt、P3fmaxt都与上一时刻的荷电状态有关。
步骤7:多目标黑洞算法求解
采用自适应多目标黑洞算法对电源容量优化模型进行求解,选取S1B、S2B、S3B作为算法的决策变量,选用目标函数作为算法优化过程中的适应度函数。同时,适应度值比较时针对LOLP和NCP这两个目标函数对应不同的星体出现相同适应度值时,进一步比较选择对应其他目标函数最优的星体,避免了原算法陷入局部最优。最后在约束条件下得出含有多个电源容量配置方案的最优解集,具体优化配置流程如图2所示。
步骤8:基于D-S证据理论的决策模型。
配置方案Dj=(S1Bj,S2Bj,S3Bj),(j=1,…,M),方案数量M为黑洞算法的最优Pareto解集中解的个数,故识别框架为Θ={D1,D2,…,DM}。如图3所示的配置方案决策模型,建设运营独立模式下,决策指标集v=[v1,v2,v3,v4],分别为发电收益、配电收益、LOLP、NCP;决策者集J=[J1,J2,J3],分别为电源建设者、电网运营者、大电网管理者。建设运营一体化模式下,可类似确定决策指标集和决策者集。然后根据优化得到的电源容量配置方案集合及其对应的指标值,并采用比例标度法和熵权法结合的综合权重法计算不同决策者对各性能指标的权重;进而,将每个决策者的合成意见附上各自的权重之后,对所有的决策意见进行一致性检验。若不满足一致性要求需对决策意见进行调整;若满足一致性要求,则将所有决策者决策结果用D-S合成法则合成,随后根据基本信任度最大决策准则,最终确定一个达到整体最优的配置方案。
为验证本发明所述增量配电网电源容量多目标优化配置方法的有效性和合理性,设某增量配电网项目投资规划周期N为20年,所建区域为高新技术产业开发区,电压等级为10kV。采用6个典型日下的风光出力数据代表一年的风光出力情况,负荷大小由历史数据得到并假定负荷容量的年增长率为5%。蓄电池取SOCmin=0.1,SOCmax=0.9,设定荷电状态初值SOC(0)=0.5。假设分布式电源的交易电价、上网电价及碳排放交易电价等价格每年均相同。优化模型中所涉及参数具体数据见表2。设置多目标黑洞算法的最大迭代次数为600,种群规模为1000,最大学习率为0.3,最小学习率为0.1,最优Pareto解集中解的个数为30。三个决策变量的上限设置为3500kW、3500kW、5000kWh,下限设置为1000kW、500kW、10kWh,联络线功率上下限分别为500kW、-100kW,决策者赋予指标表3所示的主观权重时,得出的最终电源容量配置方案如表4中第1种情况所示。
表2增量配电网参数
表3两种运营模式下的性能指标分配权重
对比两种模式下的配置结果,建设运营独立模式下储能电池的配置容量较高,风机、光伏电池的配置容量略低,即针对两种运营模式,增量配电网电源容量的配置是不同的。同时,从表4中目标函数的优化结果可以看出,优化决策得到的配置方案均能够保证增量配电网电网具有良好的运行性能。故针对未来增量配电网可能存在的不同的运营模式,本发明所述方法能够为增量配电网的不同利益主体提供合理的风、光、储配置容量方案。
为充分验证本发明所述方法的合理性和适用性,下面分别对联络线功率及风光补贴价格两种因素变化时电源容量的配置结果进行分析:
(1)有风光补贴的情况下,联络线功率取值范围的变化情况及其对应的优化决策结果如表4所示。序号1、2、3和1、4、5的设置分别是为了发现随着大电网能够向增量配电网传输最大功率的提高,以及增量配电网能够向大电网传输最大功率的提高,决策变量及决策指标的变化规律。结果发现,由于是多目标优化,方案决策时会综合选取各项指标较好的方案,故没有特别明确的线性规律。进一步增大联络线功率取值范围,如序号6、7,可以看出如下定性规律:总体上,当联络线功率有更大的取值范围时,能够保证增量配电网有更高的供电可靠性和可再生能源就近消纳率,但并不绝对,因为上述指标受风、光、储容量配置影响。经济运营一体模式下,第7种情况下的全寿命周期效益最大;建设运营独立模式下,第5种情况下发电收益最大,第7种情况下配电收益最大。故决策者可根据实际情况,共同商定合理联络线功率范围。
表4两种运营模式下的电源容量配置方案
注:其中RZ、RY的单位为百万,P1N、P2N单位为kW,P3N单位为kWh;*表示无此项数值
(2)考虑到国家政策变化对补贴价格的影响,本发明对有无补贴两种情况下的电源容量配置进行优化决策,在联络线功率选择为[-100,500]时得到的配置结果如表5所示。可以看出,建设运营一体模式下,无风光补贴时风光电源的配置容量均降低,储能的配置容量有较大提高,且全寿命周期效益明显降低。建设运营独立模式下,无风光补贴时风电的配置容量有明显提高,光伏电池的配置容量略有提高,而储能电池的配置容量有明显的降低;这是因为独立模式下虽没有风光补贴,但受配电服务收益、供电可靠性、风光储互补等多种因素的约束,仍要合理配置风光电源容量。同时,发电收益有明显下降,而配电收益变化很小;NCP提高了4.84%,能源利用性能有所下降。采用本文的优化决策模型可根据日后实际补贴价格的变化对电源的容量进行配置,适应未来政策的变化。
表5两种运营模式下的电源容量配置方案
注:其中RZ、RY的单位为百万,S1B、S2B单位为kW,S3B单位为kWh,*表示无此项数值
本发明结合增量配电网的特点,针对其未来可能存在的“建设运营一体”与“建设运营独立”两种模式,构建了电源容量配置与电网运行相结合多目标电源容量优化配置模型。将多目标黑洞算法与D-S决策方法相结合,既实现了对各项性能指标同时进行优化,又能够根据决策者意愿调整和控制决策过程,最终得到一个整体最优的配置方案。通过分析联络线功率约束、价格波动及政策变化等对配置方案的影响,表明本发明能够适应多种变化情况,为增量配电网的电源容量进行科学合理的配置提供了具体的解决方法,能够为未来增量配电网的投资建设及运营方式提供参考。
Claims (5)
1.增量配电网电源容量多目标优化配置方法,其特征在于该方法针对“建设运营一体”与“建设运营独立”两种模式,根据电源建设运行成本与增量配电网运行性能间存在的矛盾关系,建立了配置与运行相结合的电源容量配置多目标优化决策模型,并采用自适应多目标黑洞算法对配置模型求解,得到一组最优解的集合;然后基于D-S证据理论对得到的最优解集进行决策,得到整体最优的分布式电源配置方案,其具体步骤如下:
步骤1:构建能量调度策略;
针对含风、光、储三类分布式电源的增量配电网运行过程中出现的两种情况:配电网内部提供的电量能或不能满足负荷用电量需求,构建能量调度策略;
步骤2:确定未来增量配电网的两种运营模式;
包括建设运营一体模式和建设运营独立模式;
步骤3:构建增量配电网中电源的全寿命周期成本计算模型;
假设电源容量优化配置是在增量配电网负荷及内部网架结构已确定的前提下进行的,故分析效益构成时只考虑增量配电网不同电源容量配置的差异,不考虑内部网架;增量配电网中电源的全寿命周期成本包括各类电源设备的初始投资成本、运行维护成本、设备更换成本及报废成本;
步骤4:建立不同主体的全寿命周期效益计算模型;
电源建设者的收益包括分布式发电直接与用户交易的收益及多余电量出售给大电网获得的收益;
电网运营者的收益来源于配电服务费及在分布式发电与用户进行电力交易时向其收取的过网费;
步骤5:确定增量配电网性能指标;
采用负荷缺电率及可再生能源非就近消纳率两个性能指标,分别表征系统供电可靠性和可再生能源利用效率;两个性能指标越小,表征增量配电网运行性能越好;
步骤6:建立多目标优化模型
电源建设者以最少的投资成本获得最大的发电收益为目标,而电网运营企业更关注配电网运营效益及运行性能;建设运营独立模式下,电源建设者与电网运营企业的收益需要分开优化,而建设运营一体模式下,收益不需要分开优化;建立以全寿命周期效益最大,负荷缺电率及可再生能源非就近消纳率最小为优化目标的多目标优化模型,并给出相应约束条件;
步骤7:多目标黑洞算法求解
采用自适应多目标黑洞算法对电源容量优化模型进行求解,选取风、光、储配置容量作为算法的决策变量,选用目标函数作为算法优化过程中的适应度函数;同时,适应度值比较时,针对两类模式下的两个目标函数对应不同的星体出现相同适应度值时,进一步比较选择对应其他目标函数最优的星体;最后得出含有多个电源容量配置方案的最优解集;
步骤8:基于D-S证据理论的决策;
基于D-S证据理论对得到的多个配置方案进行决策,采用比例标度法和熵权法结合的综合权重法计算不同决策者对各性能指标的权重,在兼顾指标客观作用的情况下考虑到了决策者的意愿,能够根据决策者意愿调整和控制决策过程;将所有决策者决策结果用D-S合成法则合成,随后根据基本信任度最大决策准则,最终确定一个达到整体最优的电源容量配置方案。
2.根据权利要求1所述的增量配电网电源容量多目标优化配置方法,其特征在于:步骤1中所述的能量调度策略如下:
(1)风光发电能满足负荷需求;
风光资源充足时,直接与电力用户交易为其供电,多余的电能充入储能电池;若储能电池充满电后还有剩余功率且功率满足联络线约束,则向大电网售电,若不满足约束,则会造成能源浪费;
(2)风光发电不能满足负荷需求;
当风、光出力不足,由储能电池放电能满足用户需求时,负荷由风、光、储共同供电;此时若仍不满足用户需求,不足电量满足联络线约束则由大电网提供;若不满足联络线约束,则造成供电不足。
3.根据权利要求1所述的增量配电网电源容量多目标优化配置方法,其特征在于:步骤4中建设运营一体模式下,分布式电源发电收益与电网运营效益为一个主体所拥有,分布式发电缴纳的过网费与电网运营者收取的过网费相抵消,即无需缴纳过网费。
4.根据权利要求1所述的增量配电网电源容量多目标优化配置方法,其特征在于:步骤5中所述的负荷缺电率表征系统供电可靠性,其定义如下:
式中:LOLP(k)为第k年负荷缺电率;Qlossk为第k年负荷供电不足电量;QLk为第k年的负荷总电量;
所述的可再生能源非就近消纳率,其定义如下:
式中:NCP(k)为第k年的可再生能源非就近消纳率;Qswk为第k年分布式电源发电充足时向大电网传输的上网电量,Qlfk为第k年增量配电网浪费的电量;Qcfk为第k年储能电池最终剩余的电量,分母为第k年风光发电的总电量。
5.根据权利要求1所述的增量配电网电源容量多目标优化配置方法,其特征在于:步骤6中的约束条件包括功率约束和储能电池充放电约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910033249.5A CN109685287A (zh) | 2019-01-14 | 2019-01-14 | 增量配电网电源容量多目标优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910033249.5A CN109685287A (zh) | 2019-01-14 | 2019-01-14 | 增量配电网电源容量多目标优化配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109685287A true CN109685287A (zh) | 2019-04-26 |
Family
ID=66192292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910033249.5A Pending CN109685287A (zh) | 2019-01-14 | 2019-01-14 | 增量配电网电源容量多目标优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685287A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111200281A (zh) * | 2019-12-23 | 2020-05-26 | 北京交通大学 | 互联微网储能配置扩容优化方法 |
CN112258024A (zh) * | 2020-10-20 | 2021-01-22 | 齐鲁工业大学 | 一种基于熵权法的混合储能容量配置方法及系统 |
CN112598299A (zh) * | 2020-12-25 | 2021-04-02 | 国网陕西省电力公司经济技术研究院 | 一种负荷中心750千伏供电区联合供电网架模式构建方法 |
CN114362153A (zh) * | 2021-12-27 | 2022-04-15 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种并网型风光储系统多目标容量优化配置方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732444A (zh) * | 2013-12-18 | 2015-06-24 | 国家电网公司 | 用于微电网的数据处理方法和装置 |
CN106327006A (zh) * | 2016-08-09 | 2017-01-11 | 国网四川省电力公司经济技术研究院 | 一种基于综合效益分析的微电网优化配置方法 |
CN106887841A (zh) * | 2017-03-23 | 2017-06-23 | 东北大学 | 一种含电动汽车微电网容量配置的多种群遗传粒子群优化方法 |
CN107834601A (zh) * | 2017-11-17 | 2018-03-23 | 燕山大学 | 一种考虑柔性负荷的独立微电网系统容量优化配置方法 |
CN108964098A (zh) * | 2018-06-13 | 2018-12-07 | 燕山大学 | 一种独立微电网系统容量优化配置方法 |
-
2019
- 2019-01-14 CN CN201910033249.5A patent/CN109685287A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732444A (zh) * | 2013-12-18 | 2015-06-24 | 国家电网公司 | 用于微电网的数据处理方法和装置 |
CN106327006A (zh) * | 2016-08-09 | 2017-01-11 | 国网四川省电力公司经济技术研究院 | 一种基于综合效益分析的微电网优化配置方法 |
CN106887841A (zh) * | 2017-03-23 | 2017-06-23 | 东北大学 | 一种含电动汽车微电网容量配置的多种群遗传粒子群优化方法 |
CN107834601A (zh) * | 2017-11-17 | 2018-03-23 | 燕山大学 | 一种考虑柔性负荷的独立微电网系统容量优化配置方法 |
CN108964098A (zh) * | 2018-06-13 | 2018-12-07 | 燕山大学 | 一种独立微电网系统容量优化配置方法 |
Non-Patent Citations (1)
Title |
---|
窦晓波: "并网型风光储微电网容量改进优化配置方法", 《电力自动化设备》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111200281A (zh) * | 2019-12-23 | 2020-05-26 | 北京交通大学 | 互联微网储能配置扩容优化方法 |
CN111200281B (zh) * | 2019-12-23 | 2021-06-08 | 北京交通大学 | 互联微网储能配置扩容优化方法 |
CN112258024A (zh) * | 2020-10-20 | 2021-01-22 | 齐鲁工业大学 | 一种基于熵权法的混合储能容量配置方法及系统 |
CN112258024B (zh) * | 2020-10-20 | 2022-06-10 | 齐鲁工业大学 | 一种基于熵权法的混合储能容量配置方法及系统 |
CN112598299A (zh) * | 2020-12-25 | 2021-04-02 | 国网陕西省电力公司经济技术研究院 | 一种负荷中心750千伏供电区联合供电网架模式构建方法 |
CN112598299B (zh) * | 2020-12-25 | 2023-08-18 | 国网陕西省电力公司经济技术研究院 | 一种负荷中心750千伏供电区联合供电网架模式构建方法 |
CN114362153A (zh) * | 2021-12-27 | 2022-04-15 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种并网型风光储系统多目标容量优化配置方法及系统 |
CN114362153B (zh) * | 2021-12-27 | 2023-06-30 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种并网型风光储系统多目标容量优化配置方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108599373B (zh) | 高比例可再生能源电力系统输配协调调度目标级联分析法 | |
Zhang et al. | Optimal bidding strategy and profit allocation method for shared energy storage-assisted VPP in joint energy and regulation markets | |
CN105160451B (zh) | 一种含电动汽车的微电网多目标优化调度方法 | |
Chen et al. | Research on day-ahead transactions between multi-microgrid based on cooperative game model | |
CN109685287A (zh) | 增量配电网电源容量多目标优化配置方法 | |
CN112001598A (zh) | 基于储能选型的不同用户储能配置评估与运行优化方法 | |
CN107492886A (zh) | 一种区域电力市场下含风电的电网月度购电方案优化方法 | |
CN109462258A (zh) | 一种基于机会约束规划的家庭能量优化调度方法 | |
Li et al. | Two-stage community energy trading under end-edge-cloud orchestration | |
CN115358519A (zh) | 一种虚拟电厂优化调度方法及装置 | |
Zeng et al. | Optimal configuration planning of vehicle sharing station-based electro-hydrogen micro-energy systems for transportation decarbonization | |
CN115000985A (zh) | 一种用户侧分布式储能设施聚合管控方法及系统 | |
Han et al. | A game theory‐based coordination and optimization control methodology for a wind power‐generation hybrid energy storage system | |
CN113364043A (zh) | 一种基于条件风险价值的微电网群优化方法 | |
Abdel-Raouf et al. | A survey of game theory applications in electrical power micro-grid systems | |
CN116402307A (zh) | 考虑可调度柔性资源运行特性的电网规划容量分析方法 | |
CN116488218A (zh) | 工业园区储能配置方法、装置、电子设备及存储介质 | |
CN112651544B (zh) | 一种增量配电多主体协调优化方法 | |
Liu et al. | Optimal economic dispatch policy for prosumer with energy storage considering self-consumption demand | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
CN112270432B (zh) | 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 | |
Fuxing et al. | Optimizing Hierarchical Power Distribution of Multiple Local Energy Network Systems in Grid-Connected Mode. | |
Zhao et al. | Optimal Allocation of Power Capacity Configuration in Incremental Distribution Network Under Different Operation Modes | |
Zhu et al. | Two Stage Optimal Dispatching of Distribution Network With User Side Energy Storage | |
Li et al. | Battery Swapping Control for Centralized Electric Vehicle Charging System with Photovoltaic |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190426 |
|
WD01 | Invention patent application deemed withdrawn after publication |