CN110852565B - 一种考虑不同功能属性的输电网网架规划方法 - Google Patents
一种考虑不同功能属性的输电网网架规划方法 Download PDFInfo
- Publication number
- CN110852565B CN110852565B CN201910957914.XA CN201910957914A CN110852565B CN 110852565 B CN110852565 B CN 110852565B CN 201910957914 A CN201910957914 A CN 201910957914A CN 110852565 B CN110852565 B CN 110852565B
- Authority
- CN
- China
- Prior art keywords
- power
- grid
- wind
- load
- planning
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000005540 biological transmission Effects 0.000 claims abstract description 63
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000005265 energy consumption Methods 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000005611 electricity Effects 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 239000003245 coal Substances 0.000 claims description 7
- 230000006978 adaptation Effects 0.000 claims description 5
- 238000003064 k means clustering Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 108090000623 proteins and genes Proteins 0.000 claims description 4
- 230000006798 recombination Effects 0.000 claims description 4
- 238000005215 recombination Methods 0.000 claims description 4
- 230000000452 restraining effect Effects 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000010521 absorption reaction Methods 0.000 abstract description 3
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Wind Motors (AREA)
Abstract
一种考虑不同功能属性的输电网网架规划方法,该方法先根据采集的风速数据构建待规划电网的新能源出力和负荷模型,计算得到多个风电出力典型场景,再根据电网的新能源消纳、负荷中心供电、水电外送、通道互联这四个功能属性建立多目标输电网网架结构规划模型,并根据各典型场景下的风电平均出力标幺值、各典型场景下的负荷平均大小以及各典型场景出现的概率求解该模型,得出多个网架结构规划方案,然后采用基于熵权的多目标决策方法计算各方案的贴近度,以贴近度最大的方案作为目标方案。本设计不仅能够满足电网的不同功能需求,而且显著改善了电网的供电可靠性、风电消纳能力以及区域电网功率传输能力,同时减少了计算时间。
Description
技术领域
本发明属于输电网规划领域,具体涉及一种考虑不同功能属性的输电网网架规划方法。
背景技术
在电网规划过程中往往需要根据待建电网所要承载的不同功能来规划合适的网架结构。但随着电网规模进一步扩大,同一区域电网所承载的功能往往具有多种,不同的功能属性对电网网架的影响和安全可靠性要求不同,在投资资金有限的情况下,需要对待建电网所承载的不同功能进行分析,以此选择合适的电网网架规划方案进行投资建设。
传统的输电网网架规划大多从电网的某一功能属性出发,因此构建的输电网网架结构只能体现某一方面的优劣,无法针对电网的不同功能需求进行规划。
发明内容
本发明的目的是针对现有技术存在的上述问题,提供一种考虑电网新能源消纳、负荷中心供电、水电外送和通道互联这四个不同功能属性的输电网网架规划方法。
为实现以上目的,本发明的技术方案如下:
一种考虑不同功能属性的输电网网架规划方法,依次包括以下步骤:
步骤A、根据采集的风速数据构建待规划电网的新能源出力和负荷模型,计算得到多个风电出力典型场景;
步骤B、根据电网的新能源消纳、负荷中心供电、水电外送、通道互联这四个功能属性建立多目标输电网网架结构规划模型。
步骤C、根据各典型场景下的风电平均出力标幺值、各典型场景下的负荷平均大小以及各典型场景出现的概率求解步骤B得到的模型,得出多个网架结构规划方案;
步骤D、采用基于熵权的多目标决策方法计算步骤C得到的各方案的贴近度,以贴近度最大的方案作为目标方案。
步骤B中,所述规划模型的目标函数为:
F=min(C1+C2+ω3C3+ω4C4-ω5C5+ω6C6)
上式中,F为目标函数适应值;C1为线路建设费用;C2为火电机组发电费用;C3为弃风惩罚总费用,ω3为取值0、1的变量,当电网存在风电并网时为1,否则为0;C4为负荷中心切负荷惩罚总费用,ω4为取值0、1的变量,当电网存在负荷中心时为1,否则为0;C5是水电外送盈利,ω5为取值0、1的变量,当电网存在水电外送时为1,否则为0;C6是网架在N、N-1状态下运行时联络线传输功率之和,ω6为惯性权重。
所述目标函数的约束条件包括:
功率平衡约束:
上式中,PG,i,QG,i分别为节点i处风电场或同步机的有功、无功出力,PL,i、QL,i分别为节点i的有功、无功负荷,Ei、Ej分别为节点i、j处的电压,n为节点j的个数,Gij、Bij分别为节点导纳矩阵的电导、电纳,θij为节点i、j之间的相角差;
传输容量约束:
|Pij|≤Pijmax
上式中,Pijmax为支路容量的最大值;
发电机节点出力约束:
PGmin≤PG≤PGmax
上式中,PG为发电机出力,PGmin、PGmax分别为发电机出力最小、最大值;
新建线路架设回路数约束:
0≤li≤limax(i∈ml)
上式中,limax为第i条线路最大新建回路数,ml为线路集合。
所述C1采用下式计算得到:
上式中,a为资金贴现率,r为支付年限,k1为单位长度线路建设费用,li为第i条线路新建回路数,Li为第i条线路的长度,ml为线路集合;
所述C2采用下列公式计算得到:
上式中,分别为火电机组g在时段t的煤耗费用、开机费用和关机费用,ug,t为发电机g在t时刻的状态,分别用0和1表示停机和运行状态,T为24,N为火电机组台数,Co为发电机单位出力的煤耗费用,PG,g为发电机g的出力, 分别为火电机组g的启动、关机费用;
所述C3采用下式计算得到:
上式中,UW为弃风惩罚费用,PW,k为风电场在典型场景k下的平均出力;PT为线路传输容量,K为风电出力典型场景的个数;
所述C4采用下式计算得到:
上式中,Cload为负荷中心切负荷惩罚费用,PL为负荷中心正常及N-1故障状态下的切负荷量,nload为电网负荷中心集合;
所述C5采用下式计算得到:
所述C6采用下式计算得到:
C6=Ptie,N+Ptie,N-1
上式中,Ptie,N、Ptie,N-1分别为电网在N、N-1状态下运行时联络线传输功率。
所述步骤C采用PSD-BPA和matlab联合仿真求解规划模型,依次包括以下步骤:
步骤C1、在matlab中采用遗传算法对输电线路进行编码,并根据基于分解的多目标优化算法产生初始种群及权向量;
步骤C2、利用基于分解的多目标进化算法进行基因重组,得到改进种群即改进后的输电线路配置方案:
步骤C3、通过PSD-BPA反编码读取改进后的输电线路配置方案,并根据各典型场景下的风电平均出力标幺值和负荷平均大小进行时域仿真,得到潮流计算结果;
步骤C4、在matlab中读取潮流计算结果,根据潮流计算结果以及各典型场景出现的概率计算改进后的各输电线路配置方案的目标函数适应值,并通过目标函数评判变量优劣程度并进行变量更新与保存,直至达到迭代条件,得到多个网架结构规划方案。
所述风电平均出力标幺值Pi wind采用下式计算得到:
所述负荷平均大小是指根据采集的某一时段内的负荷水平数据得到的该时段下电网负荷大小的平均值;
所述各典型场景出现的概率为各典型场景中的风速数据点个数与风速数据点总个数的比值。
步骤D中,所述采用基于熵权的多目标决策方法计算步骤C得到的各方案的贴近度依次包括以下步骤:
步骤D1、先将由步骤C得到的多个网架结构规划方案组合而成的非模糊评价矩阵R’通过下式进行标准化,得到标准化评价矩阵R:
R=(rij)s×t
R’=(r’ij)s×t
上式中,s为规划方案的个数,t为每个规划方案的目标函数中目标参数的个数,r’ij为第i个规划方案的目标函数中第j个目标参数的适应值;
步骤D2、利用熵权值ki对矩阵R进行归一化约束,得到属性矩阵B:
B=(bij)s×t=(ki×rij)s×t
上式中,Hi为第i个评价指标的熵,ki为第i个评价指标的熵权;
步骤D3、采用下列公式计算各方案与理想点的贴近度:
P*=(p1 *,p2 *,…,ps *)
pi *=maxj(bij:j=1,2,…,t;i=1,2,…,s)
上式中,Tj为第j个方案与理想点的贴近度,P*为理想点。
所述步骤A依次包括以下步骤:
步骤A1、从采集的风速数据集中选择点密度最大的数据点作为第一个初始聚类中心;
步骤A2、采用以下评价函数选取评价值最高的数据点作为下一个初始聚类中心,直至计算出全部初始聚类中心:
上式中,Zi为数据点xi的密度,dij为数据点xi、xj之间的兰氏距离,e为点密度阈值,n为数据点个数;
步骤A3、对于数据集中的每一个数据点i,计算该点与最近聚类中心的距离D(i),以得到sum(D(i));
步骤A4、根据D(i)越大、被选中聚类中心的概率越高的原则,将sum(D(i))乘以随机值random得到临界值sum1,然后计算sum2+=D(i),直至sum2>sum1,此时i即为下一个聚类中心;
步骤A5、循环重复步骤A3和A4,直至选出多个聚类中心;
步骤A6、对得到的多个聚类中心进行k-means聚类,生成多个风电出力典型场景。
与现有技术相比,本发明的有益效果为:
1、本发明一种考虑不同功能属性的输电网网架规划方法先根据采集的风速数据构建待规划电网的新能源出力和负荷模型,计算得到多个风电出力典型场景,再根据电网的新能源消纳、负荷中心供电、水电外送、通道互联这四个功能属性建立多目标输电网网架结构规划模型,并根据各典型场景下的风电平均出力标幺值、各典型场景下的负荷平均大小以及各典型场景出现的概率求解该模型,得出多个网架结构规划方案,然后采用基于熵权的多目标决策方法计算各方案的贴近度,以贴近度最大的方案作为目标方案,该方法针对现有网架的特点,从源-网-荷的角度提出新能源消纳、负荷中心供电、水电外送和通道互联这四个电网基本功能属性建立规划模型,利用该模型对各指标量化规范处理以进行输电网网架结构规划,得到满足当前网架功能需求的综合最优规划方案,相比传统单一目标的输电网规划方法,一方面,其不仅能针对电网的不同功能需求进行规划,而且能够显著改善电网的供电可靠性、风电消纳能力以及区域电网功率传输能力,另一方面,该方法通过直接计算各方案的贴近度,避免计算惯性权重,能更加快速的得到综合最优解。因此,本发明不仅能够满足电网的不同功能需求,而且显著改善了电网的供电可靠性、风电消纳能力以及区域电网功率传输能力,同时减少了计算时间。
2、本发明一种考虑不同功能属性的输电网网架规划方法采用PSD-BPA和matlab联合仿真求解规划模型,首先利用matlab生成规划方案,然后对PSD-BPA中的大电网数据进行相应修改并进行潮流计算,再利用matlab读取潮流结果,计算目标函数适应值,该方法能够有效处理数据庞大的大电网规划求解的问题。因此,本发明有效处理了数据庞大的大电网规划求解的问题。
3、本发明一种考虑不同功能属性的输电网网架规划方法采用改进的k-means聚类算法构建待规划电网的新能源出力和负荷模型,该算法通过引入点密度函数对初始聚类中心选择进行改进,使得聚类结果不会受到随机选择的初始聚类中心的影响,避免了算法的随机性,有效减少了算法迭代的次数,同时引入兰氏距离可以避免数据孤立点导致的聚类结果异常的情况。因此,本发明能够显著改善聚类结果,进一步减少计算时间。
附图说明
图1为本发明的流程图。
图2为本发明实施例1得到的输电网网架结构规划结果。
图3为传统考虑经济性的输电网网架结构规划结果。
具体实施方式
下面结合具体实施方式对本发明作进一步详细的说明。
参见图1,一种考虑不同功能属性的输电网网架规划方法,依次包括以下步骤:
步骤A、根据采集的风速数据构建待规划电网的新能源出力和负荷模型,计算得到多个风电出力典型场景;
步骤B、根据电网的新能源消纳、负荷中心供电、水电外送、通道互联这四个功能属性建立多目标输电网网架结构规划模型。
步骤C、根据各典型场景下的风电平均出力标幺值、各典型场景下的负荷平均大小以及各典型场景出现的概率求解步骤B得到的模型,得出多个网架结构规划方案;
步骤D、采用基于熵权的多目标决策方法计算步骤C得到的各方案的贴近度,以贴近度最大的方案作为目标方案。
步骤B中,所述规划模型的目标函数为:
F=min(C1+C2+ω3C3+ω4C4-ω5C5+ω6C6)
上式中,F为目标函数适应值;C1为线路建设费用;C2为火电机组发电费用;C3为弃风惩罚总费用,ω3为取值0、1的变量,当电网存在风电并网时为1,否则为0;C4为负荷中心切负荷惩罚总费用,ω4为取值0、1的变量,当电网存在负荷中心时为1,否则为0;C5是水电外送盈利,ω5为取值0、1的变量,当电网存在水电外送时为1,否则为0;C6是网架在N、N-1状态下运行时联络线传输功率之和,ω6为惯性权重。
所述目标函数的约束条件包括:
功率平衡约束:
上式中,PG,i,QG,i分别为节点i处风电场或同步机的有功、无功出力,PL,i、QL,i分别为节点i的有功、无功负荷,Ei、Ej分别为节点i、j处的电压,n为节点j的个数,Gij、Bij分别为节点导纳矩阵的电导、电纳,θij为节点i、j之间的相角差;
传输容量约束:
|Pij|≤Pijmax
上式中,Pijmax为支路容量的最大值;
发电机节点出力约束:
PGmin≤PG≤PGmax
上式中,PG为发电机出力,PGmin、PGmax分别为发电机出力最小、最大值;
新建线路架设回路数约束:
0≤li≤limax(i∈ml)
上式中,limax为第i条线路最大新建回路数,ml为线路集合。
所述C1采用下式计算得到:
上式中,a为资金贴现率,r为支付年限,k1为单位长度线路建设费用,li为第i条线路新建回路数,Li为第i条线路的长度,ml为线路集合;
所述C2采用下列公式计算得到:
上式中,分别为火电机组g在时段t的煤耗费用、开机费用和关机费用,ug,t为发电机g在t时刻的状态,分别用0和1表示停机和运行状态,T为24,N为火电机组台数,Co为发电机单位出力的煤耗费用,PG,g为发电机g的出力, 分别为火电机组g的启动、关机费用;
所述C3采用下式计算得到:
上式中,UW为弃风惩罚费用,PW,k为风电场在典型场景k下的平均出力;PT为线路传输容量,K为风电出力典型场景的个数;
所述C4采用下式计算得到:
上式中,Cload为负荷中心切负荷惩罚费用,PL为负荷中心正常及N-1故障状态下的切负荷量,nload为电网负荷中心集合;
所述C5采用下式计算得到:
所述C6采用下式计算得到:
C6=Ptie,N+Ptie,N-1
上式中,Ptie,N、Ptie,N-1分别为电网在N、N-1状态下运行时联络线传输功率。
所述步骤C采用PSD-BPA和matlab联合仿真求解规划模型,依次包括以下步骤:
步骤C1、在matlab中采用遗传算法对输电线路进行编码,并根据基于分解的多目标优化算法产生初始种群及权向量;
步骤C2、利用基于分解的多目标进化算法进行基因重组,得到改进种群即改进后的输电线路配置方案:
步骤C3、通过PSD-BPA反编码读取改进后的输电线路配置方案,并根据各典型场景下的风电平均出力标幺值和负荷平均大小进行时域仿真,得到潮流计算结果;
步骤C4、在matlab中读取潮流计算结果,根据潮流计算结果以及各典型场景出现的概率计算改进后的各输电线路配置方案的目标函数适应值,并通过目标函数评判变量优劣程度并进行变量更新与保存,直至达到迭代条件,得到多个网架结构规划方案。
所述风电平均出力标幺值Pi wind采用下式计算得到:
所述负荷平均大小是指根据采集的某一时段内的负荷水平数据得到的该时段下电网负荷大小的平均值;
所述各典型场景出现的概率为各典型场景中的风速数据点个数与风速数据点总个数的比值。
步骤D中,所述采用基于熵权的多目标决策方法计算步骤C得到的各方案的贴近度依次包括以下步骤:
步骤D1、先将由步骤C得到的多个网架结构规划方案组合而成的非模糊评价矩阵R’通过下式进行标准化,得到标准化评价矩阵R:
R=(rij)s×t
R’=(r’ij)s×t
上式中,s为规划方案的个数,t为每个规划方案的目标函数中目标参数的个数,r’ij为第i个规划方案的目标函数中第j个目标参数的适应值;
步骤D2、利用熵权值ki对矩阵R进行归一化约束,得到属性矩阵B:
B=(bij)s×t=(ki×rij)s×t
上式中,Hi为第i个评价指标的熵,ki为第i个评价指标的熵权;
步骤D3、采用下列公式计算各方案与理想点的贴近度:
P*=(p1 *,p2 *,…,ps *)
pi *=maxj(bij:j=1,2,…,t;i=1,2,…,s)
上式中,Tj为第j个方案与理想点的贴近度,P*为理想点。
所述步骤A依次包括以下步骤:
步骤A1、从采集的风速数据集中选择点密度最大的数据点作为第一个初始聚类中心;
步骤A2、采用以下评价函数选取评价值最高的数据点作为下一个初始聚类中心,直至计算出全部初始聚类中心:
上式中,Zi为数据点xi的密度,dij为数据点xi、xj之间的兰氏距离,e为点密度阈值,n为数据点个数;
步骤A3、对于数据集中的每一个数据点i,计算该点与最近聚类中心的距离D(i),以得到sum(D(i));
步骤A4、根据D(i)越大、被选中聚类中心的概率越高的原则,将sum(D(i))乘以随机值random得到临界值sum1,然后计算sum2+=D(i),直至sum2>sum1,此时i即为下一个聚类中心;
步骤A5、循环重复步骤A3和A4,直至选出多个聚类中心;
步骤A6、对得到的多个聚类中心进行k-means聚类,生成多个风电出力典型场景。
本发明的原理说明如下:
风速数据:本发明所采用的风速数据可以为风电场每小时监测得到的风速数据。
线路建设费用C1;系统规划需要新建设线路的建设成本的等年值。
弃风惩罚总费用C3:考虑到风电消纳主要受到线路传输容量的限制,当风电送出量大于线路传输容量时就会导致弃风现象的发生,由此可以得到本发明所采用的弃风惩罚费用公式。
为负荷中心切负荷费用C4:为保障负荷中心供电可靠性,将负荷中心停电可能性降到最低,本发明以系统正常及N-1故障状态下切负荷量最小为优化目标。
水电外送盈利C5:为了能在建设水电外送通道与水电盈利之间实现均衡,同时考虑到受端电网负荷的波动性变化,可利用得到的几个典型场景里的外送电网负荷量作为水电外送量,以水电盈利最大为目标。
联络线传输功率C6:为满足未来负荷需求,区域电网联络线既要满足正常运行时的功率传输,还要最大程度适应未来系统发展的需要,因此本发明将区域联络线正常和极限方式下的传输功率作为规划联络线输电能力反映电网通道互联程度的指标,以提高送、受端电网间功率支援水平。
实施例1:
参见图1,一种考虑不同功能属性的输电网网架规划方法,该方法以IEEE-18节点系统为对象(其节点和线路数据参见表1、2),依次按照以下步骤进行:
表1 IEEE-18系统的节点数据
表2 IEEE-18系统的线路数据
步骤1、从采集的风速数据集中选择点密度最大的数据点作为第一个初始聚类中心;
步骤2、采用以下评价函数选取评价值最高的数据点作为下一个初始聚类中心,直至计算出全部初始聚类中心:
上式中,Zi为数据点xi的密度,dij为数据点xi、xj之间的兰氏距离,e为点密度阈值,n为数据点个数;
步骤3、对于数据集中的每一个数据点i,计算该点与最近聚类中心的距离D(i),以得到sum(D(i));
步骤4、根据D(i)越大、被选中聚类中心的概率越高的原则,将sum(D(i))乘以随机值random得到临界值sum1,然后计算sum2+=D(i),直至sum2>sum1,此时i即为下一个聚类中心;
步骤5、循环重复步骤3和4,直至选出多个聚类中心;
步骤6、对得到的多个聚类中心进行k-means聚类,生成4个风电出力典型场景,计算各场景的风电出力标幺值、负荷大小以及各场景的出现概率,其中,所述负荷平均大小是指根据采集的某一时段内的负荷水平数据得到的该时段下电网负荷大小的平均值,所述各典型场景出现的概率为各典型场景中的风速数据点个数与风速数据点总个数的比值,所述风电平均出力标幺值Pi wind采用下式计算得到:
上式中,为风电场的额定功率,vci为风电场的切入风速,本实施例为3m/s,vi为风速,vrated为风电场的额定风速,本实施例为13m/s,vco为风电场的切出风速,本实施例为24m/s,各场景下的数据如表3所示:
表3不同典型场景下风机出力和负荷聚类结果
步骤7、根据电网的新能源消纳、负荷中心供电、水电外送、通道互联这四个功能属性建立多目标输电网网架结构规划模型,该模型的目标函数由六个目标参数组成,具体为:
F=min(C1+C2+ω3C3+ω4C4-ω5C5+ω6C6)
C6=Ptie,N+Ptie,N-1
上式中,F为目标函数适应值,C1为线路建设费用,C2为火电机组发电费用;C3为弃风惩罚总费用,ω3为取值0、1的变量,当电网存在风电并网时为1,否则为0,C4为负荷中心切负荷惩罚总费用,ω4为取值0、1的变量,当电网存在负荷中心时为1,否则为0,C5是水电外送盈利,ω5为取值0、1的变量,当电网存在水电外送时为1,否则为0,C6是网架在N、N-1状态下运行时联络线传输功率之和,ω6为惯性权重,a为资金贴现率,r为支付年限,k1为单位长度线路建设费用,li为第i条线路新建回路数,Li为第i条线路的长度,ml为线路集合,分别为火电机组g在时段t的煤耗费用、开机费用和关机费用,ug,t为发电机g在t时刻的状态,分别用0和1表示停机和运行状态,T为24,N为火电机组台数,Co为发电机单位出力的煤耗费用,PG,g为发电机g的出力,分别为火电机组g的启动、关机费用,UW为弃风惩罚费用,PW,k为风电场在典型场景k下的平均出力;PT为线路传输容量,K为风电出力典型场景的个数,Cload为负荷中心切负荷惩罚费用,PL为负荷中心正常及N-1故障状态下的切负荷量,nload为电网负荷中心集合,Ch为水电机组h售电价与上网价的差值,为水电机组h的外送电量,H为水电机组集合,Ptie,N、Ptie,N-1分别为电网在N、N-1状态下运行时联络线传输功率;
所述目标函数的约束条件包括:
功率平衡约束:
上式中,PG,i,QG,i分别为节点i处风电场或同步机的有功、无功出力,PL,i、QL,i分别为节点i的有功、无功负荷,Ei、Ej分别为节点i、j处的电压,n为节点j的个数,Gij、Bij分别为节点导纳矩阵的电导、电纳,θij为节点i、j之间的相角差;
传输容量约束:
|Pij|≤Pijmax
上式中,Pijmax为支路容量的最大值;
发电机节点出力约束:
PGmin≤PG≤PGmax
上式中,PG为发电机出力,PGmin、PGmax分别为发电机出力最小、最大值;
新建线路架设回路数约束:
0≤li≤limax(i∈ml)
上式中,limax为第i条线路最大新建回路数,ml为线路集合;
步骤8、在matlab中采用遗传算法对输电线路进行编码,并根据基于分解的多目标优化算法产生初始种群及权向量;
步骤9、利用基于分解的多目标进化算法进行基因重组,得到改进种群即改进后的输电线路配置方案:
步骤10、通过PSD-BPA反编码读取改进后的输电线路配置方案,并根据各典型场景下的风电平均出力标幺值和负荷平均大小进行时域仿真,得到潮流计算结果;
步骤11、在matlab中读取潮流计算结果,根据潮流计算结果以及各典型场景出现的概率计算改进后的各输电线路配置方案的目标函数适应值,并通过目标函数评判变量优劣程度并进行变量更新与保存,直至达到迭代条件,得到多个网架结构规划方案;
步骤12、先将由得到的多个网架结构规划方案组合而成的非模糊评价矩阵R’通过下式进行标准化,得到标准化评价矩阵R:
R=(rij)s×t
R’=(r’ij)s×t
上式中,s为规划方案的个数,t为每个规划方案的目标函数中目标参数的个数,r’ij为第i个规划方案的目标函数中第j个目标参数的适应值;
步骤13、利用熵权值ki对矩阵R进行归一化约束,得到属性矩阵B:
B=(bij)s×t=(ki×rij)s×t
上式中,Hi为第i个评价指标的熵,ki为第i个评价指标的熵权;
步骤14、采用下列公式计算各方案与理想点的贴近度,并以贴近度最大的方案作为目标方案:
P*=(p1 *,p2 *,…,ps *)
pi *=maxj(bij:j=1,2,…,t;i=1,2,…,s)
上式中,Tj为第j个方案与理想点的贴近度,P*为理想点。
为考察本发明所述方法的有效性,以实施例1所得到的结果作为方案1(其网架规划结果参见图2),以采用常规考虑经济性的输电网规划模型使用matlab和PSD-BPA联合仿真求解结果作为方案2(其网架规划结果参见图3),将方案1与方案2进行对比,结果参见表4:
表4方案1与方案2的结果对比
根据表4中所列出的数据不难发现:与方案2相比,虽然方案1的经济性略差,但其弃风惩罚总费用为0,N、N-1时的切负荷费用要小得多,联络线传输功率却更大,因此能够显著改善能够显著改善供电可靠性、风电消纳能力和区域电网功率传输能力,即本发明所述方法能够显著改善供电可靠性、风电有效消纳和支撑区域电网功率传输能力。
Claims (7)
1.一种考虑不同功能属性的输电网网架规划方法,其特征在于:
所述方法依次包括以下步骤:
步骤A、根据采集的风速数据构建待规划电网的新能源出力和负荷模型,计算得到多个风电出力典型场景;
步骤B、根据电网的新能源消纳、负荷中心供电、水电外送、通道互联这四个功能属性建立多目标输电网网架结构规划模型,其中,所述规划模型的目标函数为:
F=min(C1+C2+ω3C3+ω4C4-ω5C5+ω6C6)
上式中,F为目标函数适应值;C1为线路建设费用;C2为火电机组发电费用;C3为弃风惩罚总费用,ω3为取值0、1的变量,当电网存在风电并网时为1,否则为0;C4为负荷中心切负荷费用,ω4为取值0、1的变量,当电网存在负荷中心时为1,否则为0;C5是水电外送盈利,ω5为取值0、1的变量,当电网存在水电外送时为1,否则为0;C6是网架在N、N-1状态下运行时联络线传输功率之和,ω6为惯性权重;
步骤C、根据各典型场景下的风电平均出力标幺值、各典型场景下的负荷平均大小以及各典型场景出现的概率求解步骤B得到的模型,得出多个网架结构规划方案;
步骤D、采用基于熵权的多目标决策方法计算步骤C得到的各方案的贴近度,以贴近度最大的方案作为目标方案。
2.根据权利要求1所述的一种考虑不同功能属性的输电网网架规划方法,其特征在于:
所述目标函数的约束条件包括:
功率平衡约束:
上式中,PG,i,QG,i分别为节点i处风电场或同步机的有功、无功出力,PL,i、QL,i分别为节点i的有功、无功负荷,Ei、Ej分别为节点i、j处的电压,n为节点j的个数,Gij、Bij分别为节点导纳矩阵的电导、电纳,θij为节点i、j之间的相角差;
传输容量约束:
|Pij|≤Pijmax
上式中,Pijmax为支路容量的最大值;
发电机节点出力约束:
上式中,PG为发电机出力,PGmin、PGmax分别为发电机出力最小、最大值;
新建线路架设回路数约束:
0≤li≤limax (i∈ml)
上式中,limax为第i条线路最大新建回路数,ml为线路集合。
3.根据权利要求1所述的一种考虑不同功能属性的输电网网架规划方法,其特征在于:
所述C1采用下式计算得到:
上式中,a为资金贴现率,r为支付年限,k1为单位长度线路建设费用,li为第i条线路新建回路数,Li为第i条线路的长度,ml为线路集合;
所述C2采用下列公式计算得到:
上式中,分别为火电机组g在时段t的煤耗费用、开机费用和关机费用,ug,t为发电机g在t时刻的状态,分别用0和1表示停机和运行状态,T为24,N为火电机组台数,Co为发电机单位出力的煤耗费用,PG,g为发电机g的出力, 分别为火电机组g的启动、关机费用;
所述C3采用下式计算得到:
上式中,UW为弃风惩罚费用,PW,k为风电场在典型场景k下的平均出力;PT为线路传输容量,K为风电出力典型场景的个数;
所述C4采用下式计算得到:
上式中,Cload为负荷中心切负荷惩罚费用,PL为负荷中心正常及N-1故障状态下的切负荷量,nload为电网负荷中心集合;
所述C5采用下式计算得到:
所述C6采用下式计算得到:
C6=Ptie,N+Ptie,N-1
上式中,Ptie,N、Ptie,N-1分别为电网在N、N-1状态下运行时联络线传输功率。
4.根据权利要求1-3中任一项所述的一种考虑不同功能属性的输电网网架规划方法,其特征在于:
所述步骤C采用PSD-BPA和matlab联合仿真求解规划模型,依次包括以下步骤:
步骤C1、在matlab中采用遗传算法对输电线路进行编码,并根据基于分解的多目标优化算法产生初始种群及权向量;
步骤C2、利用基于分解的多目标进化算法进行基因重组,得到改进种群即改进后的输电线路配置方案:
步骤C3、通过PSD-BPA反编码读取改进后的输电线路配置方案,并根据各典型场景下的风电平均出力标幺值和负荷平均大小进行时域仿真,得到潮流计算结果;
步骤C4、在matlab中读取潮流计算结果,根据潮流计算结果以及各典型场景出现的概率计算改进后的各输电线路配置方案的目标函数适应值,并通过目标函数评判变量优劣程度并进行变量更新与保存,直至达到迭代条件,得到多个网架结构规划方案。
6.根据权利要求1-3中任一项所述的一种考虑不同功能属性的输电网网架规划方法,其特征在于:
步骤D中,所述采用基于熵权的多目标决策方法计算步骤C得到的各方案的贴近度依次包括以下步骤:
步骤D1、先将由步骤C得到的多个网架结构规划方案组合而成的非模糊评价矩阵R’通过下式进行标准化,得到标准化评价矩阵R:
R=(rij)s×t
R’=(r’ij)s×t
上式中,s为规划方案的个数,t为每个规划方案的目标函数中目标参数的个数,r’ij为第i个规划方案的目标函数中第j个目标参数的适应值;
步骤D2、利用熵权值ki对矩阵R进行归一化约束,得到属性矩阵B:
B=(bij)s×t=(ki×rij)s×t
上式中,Hi为第i个评价指标的熵,ki为第i个评价指标的熵权;
步骤D3、采用下列公式计算各方案与理想点的贴近度:
P*=(p1 *,p2 *,…,ps *)
pi *=maxj(bij:j=1,2,…,t;i=1,2,…,s)
上式中,Tj为第j个方案与理想点的贴近度,P*为理想点。
7.根据权利要求1-3中任一项所述的一种考虑不同功能属性的输电网网架规划方法,其特征在于:
所述步骤A依次包括以下步骤:
步骤A1、从采集的风速数据集中选择点密度最大的数据点作为第一个初始聚类中心;
步骤A2、采用以下评价函数选取评价值最高的数据点作为下一个初始聚类中心,直至计算出全部初始聚类中心:
上式中,Zi为数据点xi的密度,dij为数据点xi、xj之间的兰氏距离,e为点密度阈值,n为数据点个数;
步骤A3、对于数据集中的每一个数据点i,计算该点与最近聚类中心的距离D(i),以得到sum(D(i));
步骤A4、根据D(i)越大、被选中聚类中心的概率越高的原则,将sum(D(i))乘以随机值random得到临界值sum1,然后计算sum2+=D(i),直至sum2>sum1,此时i即为下一个聚类中心;
步骤A5、循环重复步骤A3和A4,直至选出多个聚类中心;
步骤A6、对得到的多个聚类中心进行k-means聚类,生成多个风电出力典型场景。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910957914.XA CN110852565B (zh) | 2019-10-10 | 2019-10-10 | 一种考虑不同功能属性的输电网网架规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910957914.XA CN110852565B (zh) | 2019-10-10 | 2019-10-10 | 一种考虑不同功能属性的输电网网架规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110852565A CN110852565A (zh) | 2020-02-28 |
CN110852565B true CN110852565B (zh) | 2023-05-12 |
Family
ID=69596536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910957914.XA Active CN110852565B (zh) | 2019-10-10 | 2019-10-10 | 一种考虑不同功能属性的输电网网架规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852565B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612272B (zh) * | 2020-05-28 | 2021-11-30 | 国家电网公司西南分部 | 考虑龙头水库的水电集群送出网架优化方法 |
CN111799793B (zh) * | 2020-07-31 | 2022-08-30 | 国网山东省电力公司经济技术研究院 | 一种源网荷协同的输电网规划方法与系统 |
CN111799842B (zh) * | 2020-07-31 | 2023-11-10 | 国网山东省电力公司经济技术研究院 | 一种考虑火电机组灵活性的多阶段输电网规划方法及系统 |
CN111799841B (zh) * | 2020-07-31 | 2023-11-28 | 国网山东省电力公司经济技术研究院 | 一种火电机组灵活性改造与输电规划联合决策方法及系统 |
CN112836957B (zh) * | 2021-01-29 | 2023-05-26 | 西安理工大学 | 一种考虑供电可靠性的区域综合能源系统规划方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376410B (zh) * | 2014-11-06 | 2017-08-08 | 国家电网公司 | 一种配电网中分布式电源的规划方法 |
JP6646182B2 (ja) * | 2017-07-06 | 2020-02-14 | 大連理工大学 | 省跨ぎ連通水力発電所群の長期間連合ピーキングスケジューリング方法 |
CN107506854B (zh) * | 2017-08-04 | 2021-04-20 | 国网浙江省电力公司经济技术研究院 | 一种考虑差异化场景的220kV电网网架结构规划方法 |
CN108304972B (zh) * | 2018-02-10 | 2021-11-19 | 国家电网公司 | 一种基于供需互动和dg运行特性的主动配电网网架规划方法 |
CN109728605A (zh) * | 2019-03-01 | 2019-05-07 | 西安交通大学 | 基于机会约束igdt的风电场-输电网-储能联合规划方法 |
CN110071505B (zh) * | 2019-06-04 | 2020-09-11 | 清华大学 | 含大规模风电接入的输电网扩建与储能配置联合规划方法 |
-
2019
- 2019-10-10 CN CN201910957914.XA patent/CN110852565B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110852565A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110852565B (zh) | 一种考虑不同功能属性的输电网网架规划方法 | |
CN109523060A (zh) | 高比例可再生能源在输配电网协同接入下的配比优化方法 | |
Ghadimi et al. | PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives | |
CN108306303A (zh) | 一种考虑负荷增长和新能源出力随机的电压稳定评估方法 | |
CN107437824A (zh) | 一种基于遗传算法的地区分布式电源准入容量的计算方法 | |
Tao et al. | Joint optimization of wind turbine micrositing and cabling in an offshore wind farm | |
CN112036611A (zh) | 一种计及风险的电网优化规划方法 | |
CN112952807B (zh) | 考虑风电不确定性与需求响应的多目标优化调度方法 | |
CN109560574A (zh) | 一种考虑不确定因素的智能配电网网架规划方法 | |
CN112561273B (zh) | 一种基于改进pso的主动配电网可再生dg规划方法 | |
CN113783224A (zh) | 一种考虑多种分布式能源运行的配电网双层优化规划方法 | |
CN113705962A (zh) | 一种基于分布鲁棒优化的虚拟电厂日前调度方法 | |
CN113937825A (zh) | 一种基于E-C-Kmeans聚类和SOP优化的DG双层优化配置方法 | |
CN115640963A (zh) | 一种考虑投资运营模式的海上风电接入系统鲁棒规划方法 | |
CN107834540B (zh) | 一种基于概率约束的分布式光伏接入容量的确定方法 | |
CN115439000A (zh) | 考虑风光荷功率不确定性和相关性的配电网区块划分方法 | |
CN115912330A (zh) | 一种有源配电网拓扑演化模型的两阶段机会约束优化方法和系统 | |
CN112994011B (zh) | 考虑电压风险约束的多源电力系统日前优化调度方法 | |
CN117057523A (zh) | 一种基于负荷预测的配电网储能双层规划方法 | |
CN113991742B (zh) | 一种配电网分布式光伏双层协同优化投资决策方法 | |
CN115411719A (zh) | 一种基于源荷不确定性和电压稳定性的分布式电源规划方法 | |
CN111967646A (zh) | 一种虚拟电厂可再生能源优化配置方法 | |
Doagou-Mojarrad et al. | Probabilistic interactive fuzzy satisfying generation and transmission expansion planning using fuzzy adaptive chaotic binary PSO algorithm | |
CN109711644A (zh) | 基于改进花粉算法的火电机组负荷优化分配方法 | |
CN112446521B (zh) | 考虑经济性和安全性的风电场接入系统多目标规划方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |