CN110363351A - 一种分布式电源接入增量配电网评估优化规划方法及系统 - Google Patents

一种分布式电源接入增量配电网评估优化规划方法及系统 Download PDF

Info

Publication number
CN110363351A
CN110363351A CN201910635245.4A CN201910635245A CN110363351A CN 110363351 A CN110363351 A CN 110363351A CN 201910635245 A CN201910635245 A CN 201910635245A CN 110363351 A CN110363351 A CN 110363351A
Authority
CN
China
Prior art keywords
generation resource
distribution network
distributed generation
power distribution
increment
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
Application number
CN201910635245.4A
Other languages
English (en)
Inventor
宁亮
姚玉永
王涛
袁天梦
汪志鹏
尹维波
肖恩颂
刘兰兰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Tangshan Power Supply Co of State Grid Jibei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Tangshan Power Supply Co of State Grid Jibei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Tangshan Power Supply Co of State Grid Jibei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910635245.4A priority Critical patent/CN110363351A/zh
Publication of CN110363351A publication Critical patent/CN110363351A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/383—
    • H02J3/386—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Power Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)

Abstract

本发明涉及一种分布式电源接入增量配电网评估优化规划方法及系统，属于电网智能优化技术领域。技术方案是：包括分布式电源接入对增量配电网影响的综合评估系统、分布式电源容量配置优化系统和有分布式电源接入增量配电网的变电站规划系统。本发明的积极效果：将评估、优化和规划三功能集于一体，通过对有分布式电源接入的增量配电网进行综合评估、优化容量配置和变电站规划进行有效集成，可实现增量配电网综合优化。

Description

一种分布式电源接入增量配电网评估优化规划方法及系统
技术领域
本发明涉及一种分布式电源接入增量配电网评估优化规划方法及系统，属于电网智能优化技术领域。
背景技术
目前，增量配电网已经是电力系统的重要组成部分，早期的配电网规划主要包括变电站的选址定容以及网架结构的优化，但是，近年来分布式电源并网的发展和区域型增量配电网的单独运行，对配电网的规划模型和规划方法提出了新的要求；分布式电源装置是指功率为数千瓦至50MW小型模块式的、与环境兼容的独立电源。这些电源由电力部门、电力用户或第3方所有，用以满足电力系统和用户特定的要求。如调峰、为边远用户或商业区和居民区供电，节省输变电投资、提高供电可靠性等等。国内外已有部分学者开展了含分布式电源的微网评估、优化、规划的相关研究工作，但是，分布式电源并入增量配电网的优化和规划还处于探索研究阶段，一方面现有的增量配电网区域所含的分布式电源并不多，另一方面，增量配电网的优化和网架规划依旧遵循于旧有的配电网优化规划，没有考虑到未来增量配电网区域内供电模式的转变。
发明内容
本发明目的是提供一种分布式电源接入增量配电网评估优化规划方法及系统，将评估、优化和规划三功能集于一体，通过对有分布式电源接入的增量配电网进行综合评估、优化容量配置、变电站规划进行有效集成，可实现增量配电网综合优化，解决已有技术存在的上述问题。
本发明的技术方案是：
一种分布式电源接入增量配电网评估优化规划系统，包括：分布式电源接入对增量配电网影响的综合评估系统、分布式电源容量配置优化系统和有分布式电源接入增量配电网的变电站规划系统；分布式电源接入对增量配电网影响的综合评估系统通过对有分布式电源接入的增量配电网进行综合评估，选出最佳方案；分布式电源容量配置优化系统通过上层选取的最佳方案，采用免疫遗传算法对分布式电源和电动汽车充电桩进行初步优化，然后采用基于改进可行性规则的IP-MOEA算法进行多目标优化，得到增量配电网容量最优配置方案；然后采用基于改进可行性规则的IP-MOEA算法进行多目标优化，得到增量配电网容量最优配置方案；有分布式电源接入增量配电网的变电站规划系统利用IPSO求解变电站选址定容模型，得到增量配电网区域内变电站最优规划方案。
所述的分布式电源接入对增量配电网影响的综合评估系统采用基于层次分析法的模糊综合评价方法对有分布式电源接入的增量配电网进行综合评估。
分布式电源容量配置优化系统进行初步优化和多目标优化，初步优化采用免疫遗传算法优化分布式电源和电动汽车充电桩，多目标优化采用基于改进可行性规则的IP-MOEA算法对分布式电源线路损耗费用、引入分布式电源后的购电费用和投资收回年限三个目标进行优化，得到最优配置。
所述的有分布式电源接入增量配电网的变电站规划系统通过上层分布式电源最优配置后，采用IPSO求解变电站选址定容模型，得到变电站最优规划方案。
一种分布式电源接入增量配电网评估优化规划方法，包含如下步骤：
分布式电源分布采取分散就地原则，采用基于层次分析法的模糊综合评价方法对分布式电源接入的增量配电网进行综合评估，评估方法分为四步骤，第一步是将分布式电源接入对增量配电网影响的评估指标分解为三个层次结构，分别是准则层、指标层和方案层；第二步是构造判断矩阵，首先定性分析确定各层次各指标之间的权重，将各项指标通过确定其权重的方式来统一成一个综合判断指标，分布式电源接入的增量配电网进行综合评估所需要的各项指标通过实用效用函数进行模糊化后成为统一的量纲指标，依照互反性标准，对总目标A下的N个评价指标每两个相互评价，形成一个判断矩阵E；第三步是层次单排序及其一致性检验，判断矩阵E最大特征根的特征向量，经归一化后记为W，W为同一层次元素对于上一层次元素某因素相对重要性的排序权值，然后进行一致性检验；第四步是层次总排序及其一致性检验，计算最下层对最上层总排序的权向量，最后利用各个评价指标效用值和评价指标的权重系数，求得综合评分，评分最高的五个方案暂时设定为最佳方案；
分布式电源容量配置优化系统进行初步优化和多目标优化，初步优化采用免疫遗传算法优化分布式电源和电动汽车充电桩，以风电和光伏发电为主的分布式电源和电动汽车充电桩概率模型为基础，建立以分布式电源供电可靠性、总费用和有功网损为目标函数的优化配置模型，最后采用免疫遗传算法对分布式电源和电动汽车充电桩进行优化配置，具体步骤分为三步，第一步构建风电、光伏发电和电动汽车充电桩的概率模型，第二步构建分布式电源总费用、供电可靠性和有功网损的目标函数和确定约束条件，第三步将WG，PV,PEV可接入的位置数为M，M的前i个表示WG信息，后N-i个表示PV信息，M-N个表示PEV信息。在拓扑图中依次对这些位置进行编号，组成抗体X，采用免疫遗传算法对分布式电源和电动汽车充电桩进行优化配置；多目标优化以风机模型、光伏阵列模型和蓄电池模型为基础，建立以分布式电源线路损耗费用、引入分布式电源后的购电费用、投资收回年限为目标函数的优化配置模型，以电源出力、蓄电池放电、供电可靠性和分布式电源接入功率为约束条件，最后采用基于改进可行性规则的IP-MOEA算法进行多目标优化，得到DG容量最优配置方案，具体步骤分为四步，第一步：构建风机模型、光伏阵列模型和蓄电池模型，第二步：建立分布式电源线路损耗费用、引入分布式电源后的购电费用和投资收回年限的目标函数，第三步：以电源出力、蓄电池放电和供电可靠性建立约束条件，第四步：采用基于改进可行性规则的IP-MOEA算法进行多目标优化，得到DG容量最优配置方案；
获得分布式电源接入的增量配电网的最佳配置后，进行增量配电网的变电站规划，首先建立变电站数量、变电站容量模型、双源变电站选址模型，以可靠性、变电站供电范围和功率配置为约束条件，利用IPSO求解变电站选址定容模型，具体分为四步，第一步：建立变电站数量、变电站容量模型和双源变电站选址模型；第二步：建立分布式电源接入的增量配电网年综合费用的目标函数；第三步：确立可靠性、变电站供电范围和N-1容量约束；第四步：利用IPSO求解变电站选址定容模型。
本发明的积极效果：将评估、优化和规划三功能集于一体，通过对有分布式电源接入的增量配电网进行综合评估、优化容量配置和变电站规划进行有效集成，可实现增量配电网综合优化。
附图说明
图1为本发明所提出的分布式电源接入增量配电网评估优化规划三功能一体化系统图；
图2为本发明所提出的免疫遗传算法流程图；
图3为本发明所提出的多目标优化流程图；
图4为本发明所提出的IPSO求解变电站选址定容流程图。
具体实施方式
下面结合附图，通过实施例对本发明做进一步说明。
一种分布式电源接入增量配电网评估优化规划系统，包括：分布式电源接入对增量配电网影响的综合评估系统、分布式电源容量配置优化系统和有分布式电源接入增量配电网的变电站规划系统；分布式电源接入对增量配电网影响的综合评估系统通过对有分布式电源接入的增量配电网进行综合评估，选出最佳方案；分布式电源容量配置优化系统通过上层选取的最佳方案，采用免疫遗传算法对分布式电源和电动汽车充电桩进行初步优化，然后采用基于改进可行性规则的IP-MOEA算法进行多目标优化，得到增量配电网容量最优配置方案；然后采用基于改进可行性规则的IP-MOEA算法进行多目标优化，得到增量配电网容量最优配置方案；有分布式电源接入增量配电网的变电站规划系统利用IPSO求解变电站选址定容模型，得到增量配电网区域内变电站最优规划方案。
一种分布式电源接入增量配电网评估优化规划方法，具体步骤如下：
参照附图1的分布式电源接入增量配电网评估优化规划三功能一体化系统图；
一、分布式电源接入对增量配电网综合影响评估
分布式电源分布采取分散就地原则，采用基于层次分析法的模糊综合评价方法对分布式电源接入的增量配电网进行综合评估，第一步将分布式电源接入对增量配电网影响的评估指标分解为三个层次结构，分别是准则层、指标层和方案层；准则层是分布式电源接入对增量配电网影响的综合评估，评估指标是分布式电源接入对增量配电网的单方面影响，包括：对供电安全可靠性影响、对电能质量的影响、对增量配电网运行经济性影响、对增量配电网系统灵活性影响；指标层是实现预定总目标所涉及到的中间环节；方案层表示最佳的问题解决方案；
第二步是构造判断矩阵。首先定性分析确定各层次各指标之间的权重，将各项指标通过确定其权重的方式来统一成一个综合判断指标。分布式电源接入的增量配电网进行综合评估所需要的各项指标通过实用效用函数进行模糊化后成为统一的量纲指标，依照互反性标准，对总目标A下的N个评价指标每两个相互评价，形成一个判断矩阵E。具体步骤如下：
(1)构建不同层次的备选方案集合；根据现有的增量配电网运行和规划方案，不同的方案划分根据分布式电源不同的渗透率来划分，用M＝{M1，M2，...Mn}表示，n是方案个数；
(2)确定各层指标集；指标层需要计算，准则层和方案层指标参照相关标准。目标层指标量化求取如下：
中压线路“N-1”通过率：式中nt是可转供线路数量，n1是该地区中压线路总数。
分布式电源并入增量配电网后的短路容量：P＝(Ishort+∑Ii)×Ushort，Iskort是最大运行方式下短路电流，Ii是第i个分布式电源向短路点注入的短路电流，Ushort是短路点电压。
第三步是层次单排序及其一致性检验。判断矩阵E最大特征根的特征向量，经归一化后记为w，w为同一层次元素对于上一层次元素某因素相对重要性的排序权值，然后进行一致性检验。检验公式如下：
N为评价指标个数，RI为平均随机一致性指标，RI和判断矩阵阶数有关。
第四步是层次总排序及其一致性检验，计算最下层对最上层总排序的权向量，最后利用各个评价指标效用值和评价指标的权重系数，求得综合评分。计算公式如下：
Uij是方案i的第j个指标的评分值也是效用值，Bj，bj分别是指标j的满意值和不允许值，C取值为60，D为40。
根据所建立的三个层次，对每两个层次的每个因素进行相对比较，采用下表获得具体数值，对于有n个因素的情况，求得如下比较矩阵N。
式中，nij是层次i的因素相对于层次j的因素的重要程度，其中参考表如下表所示
每个层次的指标权重采用根法计算如下：
层次总排序的结果必须具有一致性，并根据指标的评分高低对方案进行评估比较。
二、有分布式电源接入的增量配电网系统优化规划方法
(1)分布式电源优化配置
本发明以风电、光伏发电为主的分布式电源和电动汽车充电桩概率模型为基础，建立以分布式电源供电可靠性、总费用和有功网损为目标函数的优化配置模型，最后采用免疫遗传算法对分布式电源和电动汽车充电桩进行优化配置。
第一步：构建风电、光伏发电和电动汽车充电桩的概率模型
WG概率密度函数：c为规模参数，k为形状参数，v为风速。
PV概率密度函数：其中α，β分别为Beta分布的2个形状参数，r为太阳辐射量。
PEV概率模型：
S为电动汽车日行程里程，T为起始充电时刻。
第二步：构建分布式电源总费用、供电可靠性和有功网损的目标函数和确定约束条件。
①DG运行总成本：
式中，CBDG为DG设备运行总成本，分别是分布式电源的投资成本、运维成本、替换成本和继电保护成本，Ni为分布式电源个数，Pi为电源i的装机容量。
②供电可靠性：Ccb＝Cneed×γneed，Ccb为增量配电网区域内总缺供电量成本，Cneed为单位缺供电量成本，γneed为期望缺供电量指标。
③有功损耗费用：Closs为增量配电网区域年有功损耗总费用，Cp为单位电价，Ploss为增量配电网网损，Tmax为年最大负荷利用时间。
约束条件：
①分布式电源接入的增量配电网功率平衡约束：
式中，Pgrid(t)为t时刻外部电网向增量配电网系统输送的功率，Ploss(t)为t时刻增量配电网系统内的网损，Pli(t)为第i个分布式电源微网在t时刻内负荷消耗功率，PDGi(t)为分布式电源输出功率，N为分布式电源个数。
②DG接入容量和DG渗透率采用不等式约束限制
SDGi≤SDGimax
PEN为DG渗透率，SDGi为DG接入容量。
第三步：将WG，PV，PEV可接入的位置数为M，M的前i个表示WG信息，后N-i个表示PV信息，M-N个表示PEV信息。在拓扑图中依次对这些位置进行编号，组成抗体X，采用免疫遗传算法对分布式电源和电动汽车充电桩进行优化配置。具体流程，参照附图2所示。
(2)分布式电源容量优化，参照附图3。
以风机模型、光伏阵列模型和蓄电池模型为基础，建立以分布式电源线路损耗费用、引入分布式电源后的购电费用和投资收回年限为目标函数的优化配置模型，以电源出力、蓄电池放电、供电可靠性和分布式电源接入功率为约束条件，最后采用基于改进可行性规则的IP-MOEA算法进行多目标优化，得到DG容量最优配置方案。
第一步：构建风机模型、光伏阵列模型和蓄电池模型
风机模型：
其中，Pw(v)为风力发电机在风速为v时的输出功率；vci为切入风速，vco为切出风速，vr为风力发电机的额定风速；P为风力发电机的额定输出功率。
光伏阵列模型：其中PSTC、GSTC、TSTC分别为标准测试环境下的光照强度、最大输出功率和池温度；k为温度系数；T(t)为t时刻的电池实际温度，其值可由该时刻的环境温度Th(t)和辐照度G(t)表示：
蓄电池模型：Ebat(t)＝ESTC(t)[1+δB(Tbat(t)-25)]，Ebat(t)为实际可用容量，Tbat(t)为工作点蓄电池温度，ESTC(t)为电池额定容量，δB为容量温度系数。
第二步：建立分布式电源线路损耗费用、引入分布式电源后的购电费用、投资收回年限的目标函数。
线路损耗费用：式中，CL，CH为分布式电源线路损耗费用的下限和上限，C为单位电价，τmax为支路最大负荷损耗小时数，PL，PH为第i条支路上的有功损耗下限和上限，N为总支路数。
引入分布式电源后的购电费用：[GGL，GGH]＝Tmax×([PXL，PXH]-[P∑DGL，P∑DGH])×C，GGL和GGH为购电费用下限和上限，PXL和PXH为新增负荷总量下限和上限，P∑DGL和P∑DGH为分布式电源总有功出力下限和上限。
投资收回年限：C0是初始投资总额，Rt每年净收益，Ct投资收回年限。
第三步：以电源出力、蓄电池放电、供电可靠性建立约束条件。
①电源出力约束PV分别为单台风机的额定功率和单台额定组件的额定功率。
②蓄电池充放电约束SOC(t+1)为t+1时刻的电池储存电量，Pbat(t)为t时刻蓄电池充放电功率。
③供电可靠性fnl≤fxmax，fnl为年缺电率，fxmax系统允许的年最大缺电率。
第四步：采用基于改进可行性规则的IP-MOEA算法进行多目标优化，得到DG容量最优配置方案。优化流程图3所示：
在获得分布式电源接入的增量配电网的最佳配置后，进行增量配电网的变电站规划，首先建立变电站数量、变电站容量模型和双源变电站选址模型，以可靠性、变电站供电范围和功率配置为约束条件，利用IPSO求解变电站选址定容模型。
第一步：建立变电站数量、变电站容量模型、双源变电站选址模型。
变电站数量模型：k为容载比，∑P1为增量配电网供电区域外的负荷总量，∑P2为增量配电网供电区域内的负荷总量，∑PDGmin为PV，WG最小功率之和，SN为单座变电站初始计算容量。
变电站容量模型：式中，β为满足N-1条件下的变电站负载率，cosθ为功率因数。ΔP为增量配电网为变电站节省的最大容量。
双源连续选址方法求解的选址模型：
式中δki，δmi为0-1变量，1表示变电站k向i点供电，0则相反；Pi为负荷i点的功率；PM，max为增量配电网的最大吸收功率；(uk，vk)为变电站k的坐标；Ns为变电站的数量；(xi，yi)为负荷i的坐标；为配电网内所有的负荷节点。
第二步：建立分布式电源接入的增量配电网年综合费用的目标函数。
Cmin＝C1+C2-C3，C1为增量配电网线路建设和运行费用，C2为增量配电网损耗费用，C3为加入分布式电源可减免的停电损失费用。
第三步：确立可靠性、变电站供电范围、N-1容量约束。
可靠性约束：Rqk≤Rxk，Rqk为分布式电源加入前第k座变电站供电范围内的可靠性指标；Rxk为分布式电源后的可靠性指标。
变电站供电范围约束：Ls≤Rs，δ为区域负荷密度，Ls为第k座变电站供电区域内负荷到变电站k的距离，Rs为第k座变电站最大供电范围。
N-1容量约束：Sk≤Smax，Sk为N-1情况下第k座变电站的容量。
第四步：利用IPSO求解变电站选址定容模型，具体流程参见附图4。

Claims (5)

1.一种分布式电源接入增量配电网评估优化规划系统，其特征在于：包括：分布式电源接入对增量配电网影响的综合评估系统、分布式电源容量配置优化系统和有分布式电源接入增量配电网的变电站规划系统；分布式电源接入对增量配电网影响的综合评估系统通过对有分布式电源接入的增量配电网进行综合评估，选出最佳方案；分布式电源容量配置优化系统通过上层选取的最佳方案，采用免疫遗传算法对分布式电源和电动汽车充电桩进行初步优化，然后采用基于改进可行性规则的IP-MOEA算法进行多目标优化，得到增量配电网容量最优配置方案；然后采用基于改进可行性规则的IP-MOEA算法进行多目标优化，得到增量配电网容量最优配置方案；有分布式电源接入增量配电网的变电站规划系统利用IPSO求解变电站选址定容模型，得到增量配电网区域内变电站最优规划方案。
2.根据权利要求1所述的一种分布式电源接入增量配电网评估优化规划系统，其特征在于：所述的分布式电源接入对增量配电网影响的综合评估系统采用基于层次分析法的模糊综合评价方法对有分布式电源接入的增量配电网进行综合评估。
3.根据权利要求1或2所述的一种分布式电源接入增量配电网评估优化规划系统，其特征在于：分布式电源容量配置优化系统进行初步优化和多目标优化，初步优化采用免疫遗传算法优化分布式电源和电动汽车充电桩，多目标优化采用基于改进可行性规则的IP-MOEA算法对分布式电源线路损耗费用、引入分布式电源后的购电费用和投资收回年限三个目标进行优化，得到最优配置。
4.根据权利要求1或所述的一种分布式电源接入增量配电网评估优化规划系统，其特征在于：所述的有分布式电源接入增量配电网的变电站规划系统通过上层分布式电源最优配置后，采用IPSO求解变电站选址定容模型，得到变电站最优规划方案。
5.一种分布式电源接入增量配电网评估优化规划方法，其特征在于包含如下步骤：
分布式电源分布采取分散就地原则，采用基于层次分析法的模糊综合评价方法对分布式电源接入的增量配电网进行综合评估，评估方法分为四步骤，第一步是将分布式电源接入对增量配电网影响的评估指标分解为三个层次结构，分别是准则层、指标层和方案层；第二步是构造判断矩阵，首先定性分析确定各层次各指标之间的权重，将各项指标通过确定其权重的方式来统一成一个综合判断指标，分布式电源接入的增量配电网进行综合评估所需要的各项指标通过实用效用函数进行模糊化后成为统一的量纲指标，依照互反性标准，对总目标A下的N个评价指标每两个相互评价，形成一个判断矩阵E；第三步是层次单排序及其一致性检验，判断矩阵E最大特征根的特征向量，经归一化后记为，为同一层次元素对于上一层次元素某因素相对重要性的排序权值，然后进行一致性检验；第四步是层次总排序及其一致性检验，计算最下层对最上层总排序的权向量，最后利用各个评价指标效用值和评价指标的权重系数，求得综合评分，评分最高的五个方案暂时设定为最佳方案；
分布式电源容量配置优化系统进行初步优化和多目标优化，初步优化采用免疫遗传算法优化分布式电源和电动汽车充电桩，以风电和光伏发电为主的分布式电源和电动汽车充电桩概率模型为基础，建立以分布式电源供电可靠性、总费用和有功网损为目标函数的优化配置模型，最后采用免疫遗传算法对分布式电源和电动汽车充电桩进行优化配置，具体步骤分为三步，第一步：构建风电、光伏发电和电动汽车充电桩的概率模型，第二步构建分布式电源总费用、供电可靠性和有功网损的目标函数和确定约束条件，第三步将WG，PV,PEV可接入的位置数为M，M的前i个表示WG信息，后N-i个表示PV信息，M-N个表示PEV信息；
在拓扑图中依次对这些位置进行编号，组成抗体X，采用免疫遗传算法对分布式电源和电动汽车充电桩进行优化配置；多目标优化以风机模型、光伏阵列模型和蓄电池模型为基础，建立以分布式电源线路损耗费用、引入分布式电源后的购电费用和投资收回年限为目标函数的优化配置模型，以电源出力、蓄电池放电、供电可靠性和分布式电源接入功率为约束条件，最后采用基于改进可行性规则的IP-MOEA算法进行多目标优化，得到DG容量最优配置方案，具体步骤分为四步，第一步：构建风机模型、光伏阵列模型和蓄电池模型，第二步：建立分布式电源线路损耗费用、引入分布式电源后的购电费用和投资收回年限的目标函数，第三步：以电源出力、蓄电池放电和供电可靠性建立约束条件，第四步：采用基于改进可行性规则的IP-MOEA算法进行多目标优化，得到DG容量最优配置方案；
获得分布式电源接入的增量配电网的最佳配置后，进行增量配电网的变电站规划，首先建立变电站数量、变电站容量模型和双源变电站选址模型，以可靠性、变电站供电范围和功率配置为约束条件，利用IPSO求解变电站选址定容模型，具体分为四步，第一步：建立变电站数量、变电站容量模型和双源变电站选址模型；第二步：建立分布式电源接入的增量配电网年综合费用的目标函数；第三步：确立可靠性、变电站供电范围和N-1容量约束；第四步：利用IPSO求解变电站选址定容模型。
CN201910635245.4A 2019-07-15 2019-07-15 一种分布式电源接入增量配电网评估优化规划方法及系统 Pending CN110363351A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910635245.4A CN110363351A (zh) 2019-07-15 2019-07-15 一种分布式电源接入增量配电网评估优化规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910635245.4A CN110363351A (zh) 2019-07-15 2019-07-15 一种分布式电源接入增量配电网评估优化规划方法及系统

Publications (1)

Publication Number Publication Date
CN110363351A true CN110363351A (zh) 2019-10-22

Family

ID=68219452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910635245.4A Pending CN110363351A (zh) 2019-07-15 2019-07-15 一种分布式电源接入增量配电网评估优化规划方法及系统

Country Status (1)

Country Link
CN (1) CN110363351A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110768306A (zh) * 2019-10-31 2020-02-07 广州供电局有限公司 一种提高保底电网中微电网应急能力的电源容量配置方法
CN111401786A (zh) * 2020-04-09 2020-07-10 南京工程学院 一种基于路况信息考虑双边利益权衡的电动汽车充电调度方法
CN111967733A (zh) * 2020-07-29 2020-11-20 国网甘肃省电力公司电力科学研究院 一种聚合群电源调峰潜力模糊综合评估方法
CN112434881A (zh) * 2020-12-09 2021-03-02 长春理工大学 一种充电站位置筛选方法及系统
CN112819279A (zh) * 2020-12-31 2021-05-18 国网山东省电力公司聊城供电公司 分布式能源与配电网扩展适应性的规划评估方法及系统
CN112952876A (zh) * 2021-02-04 2021-06-11 国网福建省电力有限公司厦门供电公司 一种分布式数据中心型变电站协同运行与优化调度方法
CN115313371A (zh) * 2022-08-22 2022-11-08 国网冀北电力有限公司经济技术研究院 一种基于源荷不确定性的配电网网架规划装置
CN117543722A (zh) * 2024-01-09 2024-02-09 国网湖北省电力有限公司经济技术研究院 一种考虑分布式电源的配电网网元规划方法、系统及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130166270A1 (en) * 2011-12-23 2013-06-27 East China Grid Company Limited Method of substation-control center two-level distributed modeling for power grid
CN103414181A (zh) * 2013-05-16 2013-11-27 中国能源建设集团广东省电力设计研究院 一种微电网系统设计方法
CN104766140A (zh) * 2015-04-15 2015-07-08 国家电网公司 一种分层分区模式化电网规划方法
CN109325694A (zh) * 2018-09-30 2019-02-12 国网宁夏电力有限公司经济技术研究院 基于承载能力的配电网优选方法
CN109934414A (zh) * 2019-03-19 2019-06-25 国网福建省电力有限公司 一种含电动车充电站的增量配电网规划方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130166270A1 (en) * 2011-12-23 2013-06-27 East China Grid Company Limited Method of substation-control center two-level distributed modeling for power grid
CN103414181A (zh) * 2013-05-16 2013-11-27 中国能源建设集团广东省电力设计研究院 一种微电网系统设计方法
CN104766140A (zh) * 2015-04-15 2015-07-08 国家电网公司 一种分层分区模式化电网规划方法
CN109325694A (zh) * 2018-09-30 2019-02-12 国网宁夏电力有限公司经济技术研究院 基于承载能力的配电网优选方法
CN109934414A (zh) * 2019-03-19 2019-06-25 国网福建省电力有限公司 一种含电动车充电站的增量配电网规划方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
徐迅等: "含微电网的配电网优化规划研究", 《电网与清洁能源》 *
李二超 等: ""含分布式电源的区间多目标微网规划"", 《机械设计与制造工程》 *
杨昆 等: ""考虑微电网接入下的配电网优化规划"", 《电测与仪表》 *
林利祥: ""计及不确定因素的多目标分布式电源优化配置研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
林民仲等: "分布式电源接入对配电网影响的层次综合评估方法", 《湖北民族学院学报(自然科学版)》 *
潘超等: "广义电源多目标优化配置与运行", 《电网技术》 *
王守相 等: ""高可再生能源渗透率下的区域多微网系统优化规划方法"", 《电力自动化设备》 *
陈岭 等: ""一种改进的离散粒子群算法用于分布式电源容量优化"", 《计算机与数字工程》 *
陈罡 等: ""一种分布式电源选址定容的两阶段优化规划方法"", 《电测与仪表》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110768306A (zh) * 2019-10-31 2020-02-07 广州供电局有限公司 一种提高保底电网中微电网应急能力的电源容量配置方法
CN111401786A (zh) * 2020-04-09 2020-07-10 南京工程学院 一种基于路况信息考虑双边利益权衡的电动汽车充电调度方法
CN111967733A (zh) * 2020-07-29 2020-11-20 国网甘肃省电力公司电力科学研究院 一种聚合群电源调峰潜力模糊综合评估方法
CN112434881A (zh) * 2020-12-09 2021-03-02 长春理工大学 一种充电站位置筛选方法及系统
CN112434881B (zh) * 2020-12-09 2023-07-25 长春理工大学 一种充电站位置筛选方法及系统
CN112819279A (zh) * 2020-12-31 2021-05-18 国网山东省电力公司聊城供电公司 分布式能源与配电网扩展适应性的规划评估方法及系统
CN112952876A (zh) * 2021-02-04 2021-06-11 国网福建省电力有限公司厦门供电公司 一种分布式数据中心型变电站协同运行与优化调度方法
CN112952876B (zh) * 2021-02-04 2024-04-09 国网福建省电力有限公司厦门供电公司 一种分布式数据中心型变电站协同运行与优化调度方法
CN115313371A (zh) * 2022-08-22 2022-11-08 国网冀北电力有限公司经济技术研究院 一种基于源荷不确定性的配电网网架规划装置
CN115313371B (zh) * 2022-08-22 2024-04-19 国网冀北电力有限公司经济技术研究院 一种基于源荷不确定性的配电网网架规划装置
CN117543722A (zh) * 2024-01-09 2024-02-09 国网湖北省电力有限公司经济技术研究院 一种考虑分布式电源的配电网网元规划方法、系统及介质
CN117543722B (zh) * 2024-01-09 2024-03-29 国网湖北省电力有限公司经济技术研究院 一种考虑分布式电源的配电网网元规划方法、系统及介质

Similar Documents

Publication Publication Date Title
CN110363351A (zh) 一种分布式电源接入增量配电网评估优化规划方法及系统
Sun A multi-objective optimization model for fast electric vehicle charging stations with wind, PV power and energy storage
Güven et al. Design optimization of a stand-alone green energy system of university campus based on Jaya-Harmony Search and Ant Colony Optimization algorithms approaches
CN107832905B (zh) 一种适应分布式发电和储能站发展的配电网规划方法
CN103177395B (zh) 一种基于社会期望的智能配电网节能减排综合评价方法
CN111291963B (zh) 一种协调经济性与可靠性的园区综合能源系统规划方法
CN106327006A (zh) 一种基于综合效益分析的微电网优化配置方法
CN102609792B (zh) 一种特高压交直流输电方式适用选择方法及其装置
CN104021300B (zh) 一种基于分布式电源接入对配电网影响的综合评估方法
CN106127377A (zh) 一种智能电网多能源综合协调水平评价方法
CN106339779A (zh) 一种配电网中分布式电源配置方案评价方法
CN106228258A (zh) 一种计及需求侧管理的家庭能源局域网能量优化控制方法
CN107147152A (zh) 新能源配电网多类型有功无功源协同优化配置方法及系统
CN109888806A (zh) 一种含电动汽车的微电网储能优化配置方法
CN107784410A (zh) 区域能源互联网集成系统以及优化其配置和运行的方法
CN107145707A (zh) 一种计及光伏出力不确定性和全寿命周期成本的配电网变压器规划方法
CN105305488B (zh) 一种考虑新能源并网对输电网利用率影响的评价方法
CN110350527A (zh) 一种含分布式电源的增量配电网双层优化配置方法
CN113437756B (zh) 考虑配电网静态电压稳定性的微电网优化配置方法
CN107437135A (zh) 一种新型储能选型方法
CN104361250A (zh) 一种光伏并网安全性评价方法
CN107122924A (zh) 一种智能配用电系统承载能力评估方法
CN105225074A (zh) 一种智能配用电系统低碳性能综合评价系统
CN105574632A (zh) 一种交直流混合城市配电网综合效益评估方法
CN106096285A (zh) 一种储能系统应对高风电渗透率系统调频需求效用评估方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191022