CN109861295A - 多目标新能源规划方法及装置 - Google Patents

Abstract

本发明提供了一种多目标新能源规划方法及装置，该方法应用于新能源规划技术领域，所述方法包括：采集典型风电场和光伏电站出力数据；对区域内不同并网方式的新能源，以就近消纳、系统网损最小、购电成本最小为优化目标构建多目标优化模型；根据所述出力数据和所述多目标优化模型确定新能源接网位置和装机容量。本发明提供的多目标新能源规划方法及装置能够有效提高区域内新能源厂站发电利用效率，减少弃风弃光风险。

Description

多目标新能源规划方法及装置

技术领域

本发明属于新能源规划技术领域，更具体地说，是涉及一种多目标新能源规划方法及装置。

背景技术

近年来，国内外针对新能源的选址定容问题开展了深入研究，分别从配电网运行费用最小、配电网平均停电量最小、配电网有功损耗最小、系统等效碳排放量最小、系统电压质量最优或综合以上多个优化目标等多个维度构建优化模型。相关研究大多依据新能源的控制策略不同，将其分别处理为PQ型、PI型、PV型和PQ(V)型。

但现有技术中，目前该领域研究多未考虑风、光等多类型新能源出力时序特性差异影响以及区域内分布式新能源与集中式新能源的建设规模分配、布局优化等问题。因此，区域内不同并网方式下的多类型能源因缺乏合理规划导致了现有的新能源开发利用效率较低。

发明内容

本发明的目的在于提供一种多目标新能源规划方法及装置，以解决现有技术中存在的新能源开发利用效率较低的技术问题。

本发明实施例的第一方面，提供了一种多目标新能源规划方法，包括：

采集典型风电场和光伏电站出力数据；

对不同并网方式下的新能源，以就近消纳、系统网损最小、购电成本最小为优化目标构建多目标优化模型，所述不同并网方式包括集中式并网和分布式并网；

根据所述出力数据和所述多目标优化模型确定新能源接网位置和装机容量。

本发明实施例的第二方面，提供了一种多目标新能源规划装置，包括：

数据采集模块，用于采集典型风电场和光伏电站出力数据；

模型建立模块，用于以不同并网方式下新能源就近消纳、系统网损最小、购电成本最小为优化目标构建多目标优化模型，所述不同并网方式包括集中式并网和分布式并网；

模型求解模块，用于根据所述出力数据和所述多目标优化模型确定新能源接网位置和装机容量。

本发明实施例的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。

本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。

本发明提供的多目标新能源规划方法及装置的有益效果在于：与现有技术相比，本发明实施例提供的多目标新能源规划方法及装置考虑了不同并网方式下多种类型的优化目标，以新能源就近消纳、系统网损最小、购电成本最小为优化目标构建了多目标优化模型，全方位地考虑了电网规划的各个影响因素，可有效提高区域内新能源厂站发电利用效率，减少弃风弃光风险。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的多目标新能源规划方法的流程示意图；

图2为本发明另一实施例提供的多目标新能源规划方法的流程示意图；

图3为本发明再一实施例提供的多目标新能源规划方法的流程示意图；

图4为本发明一实施例提供的多目标新能源规划装置的结构框图；

图5为本发明一实施例提供的终端设备的示意框图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参考图1，图1为本发明一实施例提供的一种多目标新能源规划方法的流程示意图。该方法包括：

S101：采集典型风电场和光伏电站出力数据。

在本实施例中，采集典型风电场和光伏电站出力数据时，可从两个维度确定新能源的时序特征。一方面，可从年时间尺度上，计算新能源的出力系数时间分布，统计典型风电厂、光伏电站的年出力数据，确定新能源不同出力区间的年时间分布情况。另一方面，可从日时间尺度上，统计全年新能源日最大出力出现的时间分布情况。其中，在进行风电、光伏出力分析时，可选取无弃风、弃光的新能源厂站，以保证新能源出力时序特征的完整性。

S102：对不同并网方式下的新能源，以就近消纳、系统网损最小、购电成本最小为优化目标构建多目标优化模型，不同并网方式包括集中式并网和分布式并网。

在本实施例中，可以不同并网方式下新能源就近消纳、系统网损最小、购电成本最小为优化目标构建多目标优化模型。其中，不同并网方式包括集中式并网和分布式并网。

S103：根据出力数据和多目标优化模型确定新能源接网位置和装机容量。

在本实施例中，可采用改进粒子群算法对多目标优化模型进行求解，从而确定新能源的接网位置和装机容量。

从上述描述可知，本发明实施例提供的多目标新能源规划方法考虑了不同并网方式下多种类型的优化目标，以新能源就近消纳、系统网损最小、购电成本最小为优化目标构建了多目标优化模型，全方位地考虑了新能源规划的各个影响因素，可有效提高区域内新能源厂站发电利用效率，减少弃风弃光风险。

可选地，作为本发明提供的多目标新能源规划方法的一种具体实施方式，以新能源就近消纳为优化目标的目标函数，可以为：

其中，F₁为新能源就近消纳目标函数，N为新能源开发区域内的电网节点个数，为时刻t节点i分布式光伏出力，为时刻t节点i分布式风电出力，为时刻t节点i的负荷，为时刻t节点i集中式光伏出力，为时刻t节点i集中式风电出力，μ为外送系数。

在本实施例中，分布式光伏、风电以并网节点消纳为主，集中式光伏、风电以新能源开发区域整体消纳为主，允许外送消纳。其中，外送系数μ根据新能源开发区域发展定位确定，新能源开发集中外送区域该外送系数取0，新能源资源集中程度一般区域该外送系数取1。

可选地，作为本发明提供的多目标新能源规划方法的一种具体实施方式，以系统网损最小为优化目标的目标函数，可以为：

其中，F₂为系统网损最小目标函数，Ω_F为支路阻抗集合，Z_ij为支路的阻抗值，P_ij为流过支路ij的有功功率，Q_ij为流过支路ij的无功功率，U_j为支路ij的末端电压。

在本实施例中，随着多个类型的新能源装机的增加，未被区域内负荷消纳的新能源出力将通过电网远距离送出，会引起网损增加。因此，可建立以系统网损最小为优化目标的目标函数。

可选地，作为本发明提供的多目标新能源规划方法的一种具体实施方式，以购电成本最小为优化目标的目标函数，可以为：

minF₃＝W_集，光α₁+W_集，风β₁+W_分，光α₂+W_分，风β₂

其中，F₃为购电成本最小目标函数，W_集，光为集中式光伏年发电量，W_集，风为集中式风电年发电量，W_分，光为分布式光伏年发电量，W_分，风为分布式风电年发电量，α₁为集中式光伏上网电价，β₁为集中式风电上网电价，α₂为分布式光伏度电补贴，β₂为分布式风电上网电价。

在本实施例中，可在上述实施例的基础上，确定多目标优化模型的整体目标函数：

min(F₁,F₂,F₃)＝σ₁F₁+σ₂F₂+σ₃F₃

式中，σ₁，σ₂，σ₃分别表示各个目标函数的权重。

可选地，请参考图2，作为本发明提供的多目标新能源规划方法的一种具体实施方式，在将出力数据输入至多目标优化模型确定新能源接网位置和装机容量之前，还可以包括：

S201：输入区域电气网络参数和模型求解参数至多目标优化模型。

在本实施例中，可采用改进粒子群算法CLPSO对多目标优化模型进行求解，则模型求解参数为CLPSO参数。

可选地，请参考图2，作为本发明提供的多目标新能源规划方法的一种具体实施方式，将出力数据输入至多目标优化模型确定新能源接网位置和装机容量，可以包括：

S202：基于出力数据确定区域内新能源并网待选节点集合。

S203：基于待选节点集合确定候选并网组合方式。

S204：将候选并网组合方式输入至多目标优化模型。

S205：求解多目标优化模型确定新能源接网位置和装机容量。

在本实施例中，可采用改进粒子群算法CLPSO对多目标优化模型进行求解，将候选并网组合方式输入至多目标优化模型后，生成每种并网组合方式下的随机粒子，并初始化每个随机粒子的速度和位置，调用潮流程序，根据目标函数计算每个粒子的适应度值和全体最优值，不断更新各粒子的速度和位置直至满足预设结束条件，计算程序结束后可以得到各个并网组合方式下的最优适应度值，比较各个并网组合方式下的最优适应度值可确定最优的新能源接网位置和装机容量。

可选地，请参考图3，作为本发明提供的多目标新能源规划方法的一种具体实施方式，多目标优化模型的求解方法，包括：

S301：确定多目标优化模型的基本粒子，基本粒子包括离散位置变量和连续装机变量。

在本实施例中，可采用改进粒子群算法CLPSO对多目标优化模型进行求解，以区域内所有节点接入的不同类型、不同并网方式的新能源装机为基本粒子：

其中，X_j表示第j个粒子，x_i1表示新能源并网的位置信息，x₁₂、x₁₃、x₁₄、x₁₅分别表示接入节点1的分布式光伏装机、集中式光伏装机、分散式风电装机、集中式风电装机。x_i2、x_i3、x_i4、x_i5分别表示接入节点i的分布式光伏装机、集中式光伏装机、分散式风电装机、集中式风电装机。x_N2、x_N3、x_N4、x_N5分别表示接入节点N的分布式光伏装机、集中式光伏装机、分散式风电装机、集中式风电装机。

其中，x₁₁、x_i1和x_N1分别表示节点1、i和N是否接入新能源。数值为0表示该节点未接入新能源，1表示该节点接入新能源。

S302：确定基本粒子的速度更新方法和位置更新方法。

在本实施例中，基本粒子的速度更新方法和位置更新方法为：

其中，为粒子的当前速度，为粒子的历史速度，ω为粒子的惯性权重，c为学习因子，为粒子的当前位置，为粒子的历史位置。为第j个粒子跟随的某粒子的历史最优位置，它由学习概率Pc通过以下策略实现：每个粒子生成一个[0,1]内的随机数r，如果该随机数大于Pc，表示本粒子自身的历史最优位置。若该随机数小于Pc，依据锦标赛选择策略从种群内随机选取的两个个体中选出较优个体(适应度较优)的历史最优位置作为学习对象。

S303：更新基本粒子并求解多目标优化模型的目标函数。

在本实施例中，既包含了离散位置变量x_i1，又包含了连续装机变量x_i2、x_i3、x_i4、x_i5。为解决模型求解问题，可对两类变量进行分离处理。其中，对于离散的位置变量，由于风、光等新能源受自然条件限制明显，通常集中于限定区域内，可供选择节点有限且明确。因此，可首先基于枚举法生成全部可能的新能源并网节点组合，然后将生成的位置变量x_i1依次反馈给连续装机变量进行优化，最后基于每组位置变量的最优适应度值比较结果得到最终的区域内不同类型新能源(风电、光伏)、不同并网方式(集中式、分布式)的接网位置和装机容量。

对应于上文实施例的多目标新能源规划方法，图4为本发明一实施例提供的多目标新能源规划装置的结构框图。为了便于说明，仅示出了与本发明实施例相关的部分。参考图4，该装置包括：数据采集模块100，模型建立模块200，模型求解模块300。

其中，数据采集模块100，用于采集典型风电场和光伏电站出力数据。

模型建立模块200，用于对不同并网方式下的新能源，以就近消纳、系统网损最小、购电成本最小为优化目标构建多目标优化模型，其中，不同并网方式包括集中式并网和分布式并网。

模型求解模块300，用于根据出力数据和多目标优化模型确定新能源接网位置和装机容量。

可选地，作为本发明实施例提供的多目标新能源规划装置的一种具体实施方式，以新能源就近消纳为优化目标的目标函数，可以为：

其中，F₁为新能源就近消纳目标函数，N为新能源开发区域内的电网节点个数，为时刻t节点i分布式光伏出力，为时刻t节点i分布式风电出力，为时刻t节点i的负荷，为时刻t节点i集中式光伏出力，为时刻t节点i集中式风电出力，μ为外送系数。

可选地，作为本发明实施例提供的多目标新能源规划装置的一种具体实施方式，以系统网损最小为优化目标的目标函数，可以为：

其中，F₂为系统网损最小目标函数，Ω_F为支路阻抗集合，Z_ij为支路的阻抗值，P_ij为流过支路ij的有功功率，Q_ij为流过支路ij的无功功率，U_j为支路ij的末端电压。

可选地，作为本发明实施例提供的多目标新能源规划装置的一种具体实施方式，以购电成本最小为优化目标的目标函数，可以为：

minF₃＝W_集，光α₁+W_集，风β₁+W_分，光α₂+W_分，风β₂

其中，F₃为购电成本最小目标函数，W_集，光为集中式光伏年发电量，W_集，风为集中式风电年发电量，W_分，光为分布式光伏年发电量，W_分，风为分布式风电年发电量，α₁为集中式光伏上网电价，β₁为集中式风电上网电价，α₂为分布式光伏度电补贴，β₂为分布式风电上网电价。

可选地，作为本发明实施例提供的多目标新能源规划装置的一种具体实施方式，在将出力数据输入至多目标优化模型确定新能源接网位置和装机容量之前，还可以包括：

输入区域电气网络参数和模型求解参数至多目标优化模型。

可选地，作为本发明实施例提供的多目标新能源规划装置的一种具体实施方式，将出力数据输入至多目标优化模型确定新能源接网位置和装机容量，可以包括：

基于出力数据确定区域内新能源并网待选节点集合。

基于待选节点集合确定候选并网组合方式。

将候选并网组合方式输入至多目标优化模型。

求解多目标优化模型确定新能源接网位置和装机容量。

可选地，作为本发明实施例提供的多目标新能源规划装置的一种具体实施方式，多目标优化模型的求解方法，可以包括：

确定多目标优化模型的基本粒子，基本粒子包括离散位置变量和连续装机变量。

确定基本粒子的速度更新方法和位置更新方法。

更新基本粒子并求解多目标优化模型的目标函数。

参见图5，图5为本发明一实施例提供的终端设备的示意框图。如图5所示的本实施例中的终端600可以包括：一个或多个处理器601、一个或多个输入设备602、一个或多个则输出设备603及一个或多个存储器604。上述处理器601、输入设备602、则输出设备603及存储器604通过通信总线605完成相互间的通信。存储器604用于存储计算机程序，计算机程序包括程序指令。处理器601用于执行存储器604存储的程序指令。其中，处理器601被配置用于调用程序指令执行以下操作上述各装置实施例中各模块/单元的功能，例如图4所示模块100至300的功能。

应当理解，在本发明实施例中，所称处理器601可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

输入设备602可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备603可以包括显示器(LCD等)、扬声器等。

该存储器604可以包括只读存储器和随机存取存储器，并向处理器601提供指令和数据。存储器604的一部分还可以包括非易失性随机存取存储器。例如，存储器604还可以存储设备类型的信息。

具体实现中，本发明实施例中所描述的处理器601、输入设备602、输出设备603可执行本发明实施例提供的多目标新能源规划方法的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例所描述的终端的实现方式，在此不再赘述。

在本发明的另一实施例中提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令被处理器执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种多目标新能源规划方法，其特征在于，包括：

采集典型风电场和光伏电站出力数据；

对区域内不同并网方式的新能源，以就近消纳、系统网损最小、购电成本最小为优化目标构建多目标优化模型，所述不同并网方式包括集中式并网和分布式并网；

根据所述出力数据和所述多目标优化模型确定新能源接网位置和装机容量。

2.如权利要求1所述的多目标新能源规划方法，其特征在于，所述以新能源就近消纳为优化目标的目标函数为：

其中，F₁为新能源就近消纳目标函数，N为新能源开发区域内的电网节点个数，为时刻t节点i分布式光伏出力，为时刻t节点i分布式风电出力，为时刻t节点i的负荷，为时刻t节点i集中式光伏出力，为时刻t节点i集中式风电出力，μ为外送系数。

3.如权利要求1所述的多目标新能源规划方法，其特征在于，所述以系统网损最小为优化目标的目标函数为：

其中，F₂为系统网损最小目标函数，Ω_F为支路阻抗集合，Z_ij为支路的阻抗值，P_ij为流过支路ij的有功功率，Q_ij为流过支路ij的无功功率，U_j为支路ij的末端电压。

4.如权利要求1所述的多目标新能源规划方法，其特征在于，所述以购电成本最小为优化目标的目标函数为：

min F₃＝W_集，光α₁+W_集，风β₁+W_分，光α₂+W_分，风β₂

其中，F₃为购电成本最小目标函数，W_集，光为集中式光伏年发电量，W_集，风为集中式风电年发电量，W_分，光为分布式光伏年发电量，W_分，风为分布式风电年发电量，α₁为集中式光伏上网电价，β₁为集中式风电上网电价，α₂为分布式光伏度电补贴，β₂为分布式风电上网电价。

5.如权利要求1所述的多目标新能源规划方法，其特征在于，在所述根据所述出力数据和所述多目标优化模型确定新能源接网位置和装机容量之前，所述方法还包括：

输入区域电气网络参数和模型求解参数至所述多目标优化模型。

6.如权利要求5所述的多目标新能源规划方法，其特征在于，所述根据所述出力数据和所述多目标优化模型确定新能源接网位置和装机容量，包括：

基于所述出力数据确定区域内新能源并网待选节点集合；

基于所述待选节点集合确定候选并网组合方式；

将所述候选并网组合方式输入至所述多目标优化模型；

求解所述多目标优化模型确定新能源接网位置和装机容量。

7.如权利要求1至6任意一项所述的多目标新能源规划方法，其特征在于，所述多目标优化模型的求解方法，包括：

确定所述多目标优化模型的基本粒子，所述基本粒子包括离散位置变量和连续装机变量；

确定所述基本粒子的速度更新方法和位置更新方法；

更新所述基本粒子并求解所述多目标优化模型的目标函数。

8.一种多目标新能源规划装置，其特征在于，包括：

数据采集模块，用于采集典型风电场和光伏电站出力数据；

模型建立模块，用于对不同并网方式下的新能源，以就近消纳、系统网损最小、购电成本最小为优化目标构建多目标优化模型，所述不同并网方式包括集中式并网和分布式并网。

模型求解模块，用于根据所述出力数据和所述多目标优化模型确定新能源接网位置和装机容量。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。