CN110956332A - 一种直流配电网中换流站的选址定容方法 - Google Patents

一种直流配电网中换流站的选址定容方法 Download PDF

Info

Publication number
CN110956332A
CN110956332A CN201911247405.4A CN201911247405A CN110956332A CN 110956332 A CN110956332 A CN 110956332A CN 201911247405 A CN201911247405 A CN 201911247405A CN 110956332 A CN110956332 A CN 110956332A
Authority
CN
China
Prior art keywords
load
cost
converter station
distribution network
converter
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.)
Granted
Application number
CN201911247405.4A
Other languages
English (en)
Other versions
CN110956332B (zh
Inventor
李锰
王利利
陈鹏浩
胡扬宇
李鹏
田春筝
李慧璇
李秋燕
李科
全少理
郭新志
杨卓
丁岩
马杰
张艺涵
罗潘
郭勇
孙义豪
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
Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Henan 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, Economic and Technological Research Institute of State Grid Henan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911247405.4A priority Critical patent/CN110956332B/zh
Publication of CN110956332A publication Critical patent/CN110956332A/zh
Application granted granted Critical
Publication of CN110956332B publication Critical patent/CN110956332B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/12Computing arrangements based on biological models using genetic models
    • G06N3/126Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313Resource planning in a project environment
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Water Supply & Treatment (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)

Abstract

本发明提出了一种直流配电网中换流站的选址定容方法,其步骤为:首先,将分布式电源接入直流配电网中,并利用曲折系数、负荷同时使用率、标志参数对传统的负荷距模型进行改进,构建改进负荷距的目标函数;其次,利用遗传算法对目标函数进行寻优,得到候选的换流站站址;最后,计算候选的换流站站址的平均值,并将平均值作为换流站的最优站址。本发明考虑负荷同时使用率、曲折系数以及分布式电源的季节波动性,对传统负荷距法进行改进,利用遗传算法对其寻优得出最优站址,与由传统负荷矩得出的站址进行比较可知最优站址更接近负荷中心;再利用全寿命周期成本对比本发明和传统的负荷距模型表明本发明的换流站容量配置的经济性更高。

Description

一种直流配电网中换流站的选址定容方法
技术领域
本发明涉及换流站规划技术领域,特别是指一种直流配电网中换流站的选址定容方法。
背景技术
随着经济的飞速发展,供电负荷不断增大,分布式电源接入增加,传统的交流配电网难以满足供电需求,直流配电网具有线损小、可靠性高等优势,从交流到交直流混联的过渡势在必行。然而,目前直流电网存在直流配电网网络拓扑、直流电网电压序列选取、换流站选址定容等诸多技术性问题需要解决,以保证直流配电网经济、可靠与环保运行。换流站的选址定容是直流配电网规划的一个基础而重要的环节,直接影响着直流配电网的网络结构和经济效益。
文献[变电站选址定容两阶段优化规划方法[J].电力系统自动化,2005(04):100-104.]提出了一种变电站两阶段优化规划方法,采用层次分析法将变电站规划问题分为选址与定容两个阶段。文献[胡劲松.高压直流换流站的关键建站条件[J].中国电力,2006,39(12):20-23.]在换流站建址时考虑了噪声、水源等因素,但并未计及用户负荷以及线路损耗对选址带来的偏差。三峡工程直流换流站规划选址仅在已有待选站址中择优,并无备选站址,因而站址选取的局限性很大。文献[冯超,钱璟,黄宏盛,et al.基于负荷矩理论的配电线路规划与变压器选址优化[J].浙江电力,2015(2).]应用传统负荷距最小的方法,尽管可以得到相对准确的负荷中心,但是由于用户负荷同时使用率以及曲折系数的关系,仍然与实际负荷中心存在一定的偏差。
发明内容
针对上述背景技术中存在的不足,本发明提出了一种直流配电网中换流站的选址定容方法,解决了现有换流站选址规划技术中选址偏差较大的技术问题。
本发明的技术方案是这样实现的:
一种直流配电网中换流站的选址定容方法,其步骤如下:
S1、将分布式电源接入直流配电网中,并利用曲折系数、负荷同时使用率、标志参数对传统的负荷距模型进行改进,构建改进负荷距的目标函数;
S2、利用遗传算法对步骤S1中的目标函数进行寻优,得到候选的换流站站址;
S3、计算步骤S2中候选的换流站站址的平均值,并将平均值作为换流站的最优站址。
所述步骤S1中传统的负荷距模型为:
Figure BDA0002308074980000021
Figure BDA0002308074980000022
其中,(xi,yi)为负荷坐标,(u,v)为传统负荷距中心坐标,Pi为负荷大小,n为负荷个数。
所述改进负荷距的目标函数为:
Figure BDA0002308074980000023
其中,(uj,vj)为改进负荷距换流站的中心坐标,δji表示换流站j是否向负荷点i提供电能的标志参数,m为改进负荷距中心个数,Peqi为负荷点i的等效负荷容量,ki为负荷点i的曲折系数。
所述负荷点i的等效负荷容量Peqi为:
Figure BDA0002308074980000024
其中,
Figure BDA0002308074980000025
为负荷同时使用率,
Figure BDA0002308074980000026
为负荷点i处分布式电源的容量。
所述负荷点i的曲折系数ki为传统负荷距中心(u,v)和负荷坐标(xi,yi)之间的实际距离li'与直线距离li之比:
Figure BDA0002308074980000027
其中,xiz和xi(z-1)均为实际线路的转折点横坐标,yiz和yi(z-1)均为实际线路的转折点纵坐标。
所述分布式电源接入直流配电网后产生的费用目标函数为:
minCtol=Com+Ci'+Cp (6),
其中,Ctol为分布式电源总投资费用,Com为分布式电源运行维护费用,Ci'为分布式电源年等效投资费用,Cp为环保补贴费用;
所述分布式电源运行维护费用Com为:
Figure BDA0002308074980000028
其中,χ为DG单位发电量的运行维护费用,Ei'(t)是第i'个节点所接DG在t时段的发电量,NDG为DG安装节点集合;
所述分布式电源年等效投资费用Ci'为:
Figure BDA0002308074980000031
其中,r为贴现率,ny为DG回收期,ci'为第i'个节点处安装DG的投资费用,H(i')为第i'个待选节点处DG的安装数量;
所述环保补贴费用Cp为:
Figure BDA0002308074980000032
式中,cpv为光伏电池单位发电量的环保补贴费用,cwg为风力发电机单位发电量的环保补贴费用,Epv,i'(t)为t时段第i'个光伏发电待选节点处的出力,Ewg,i'(t)为t时段第i'个风力发电待选节点处的出力,Npv为光伏电池安装节点集合,Nwg为风力发电机安装节点集合。
所述换流站的全寿命周期成本为:
LCC=CI+CO+CM+CF+CD (10),
其中,CI为换流站的前期投入建设成本,CO为直流配电网运行成本,CM为换流站维护费用,CF为换流站建设的故障成本,CD为报废成本。
所述换流站的前期投入建设成本CI为:
Figure BDA0002308074980000033
其中,lji为负荷点i到换流站j的直线距离,ki为曲折系数,λ为换流站低压侧每公里投资费用,g(Si)为换流站站内所有设备在确定容量为Si时所对应的前期投资费用。
所述直流配电网运行成本CO为:
Figure BDA0002308074980000034
其中,η=(η1η2η3)/U2为线路的网损折算系数,η1是当前电力电价,η2为10kV线路每公里的电阻,η3为年损耗小时数,U为直流电压,PJ为负荷点j所对应的有功功率损耗,f(Si)为换流站运行过程所有费用。
所述换流站维护费用CM为:
CM=τ×CI (13),
其中,τ为维护折算系数;
所述换流站建设的故障成本CF为:
Figure BDA0002308074980000041
式中,σ是赔偿协议中电网公司每单位售电量应向用户赔偿的费用,Ec是规划区域内电力企业的缺售电量,Bpow是单位售电量的平均利率,h是停电间隔数,μ是设备故障率,Cr是平均停电修复成本,ART是平均设备修复时间,SES是社会缺电量,GDP是供电区域内GDP总和,ES是区域内各个行业的供电量;
所述报废成本CD为:CD=5%CI (15)。
本技术方案能产生的有益效果:本发明考虑负荷同时使用率、线路曲折系数以及分布式电源的季节波动性,对传统负荷距法进行改进,通过遗传算法寻优得出最优站址,与由传统负荷矩得出的站址进行比较可知最优站址更接近负荷中心;并通过两种模型的全寿命周期成本比较表明本发明换流站容量配置的经济性更高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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为本发明的流程图;
图2为本发明的光伏发电出力时序曲线;
图3为本发明的风力发电机出力时序曲线;
图4为本发明的改进负荷距模型图;
图5为本发明与传统负荷距的对比图;
图6为本发明的确定换流站最优站址流程图;
图7为本发明的实例某市规划区负荷分布图;
图8为本发明计及分布式电源四季波动的换流站选址区域。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种直流配电网中换流站的选址定容方法,具体步骤如下:
S1、将分布式电源接入直流配电网中,并利用曲折系数、负荷同时使用率、标志参数对传统的负荷距模型进行改进,构建改进负荷距的目标函数。
负荷矩是指电压损耗一定时,用户负荷P与输电线路的长度l之积Pl。所述传统的负荷距模型为:
Figure BDA0002308074980000051
Figure BDA0002308074980000052
其中,(xi,yi)为负荷坐标,(u,v)为传统负荷距中心坐标,Pi为负荷大小,n为负荷个数。
传统负荷距法由于没有考虑负荷性质的不同以及同一时间负荷使用率的差异,故而将其应用于实际工程时会导致所计算出的负荷中心与实际的负荷中心之间出现偏差,因此为了减小这种偏差对换流站选址定容产生的不利影响,将分布式电源接入、曲折系数、标志参数和负荷同时使用率综合考量进换流站规划问题中,提出一种改进负荷距模型。所述改进负荷距的目标函数为:
Figure BDA0002308074980000053
其中,(uj,vj)为改进负荷距中心坐标,δji表示换流站j是否向负荷点i提供电能的标志参数,m为改进负荷距中心个数,Peqi为负荷点i的等效负荷容量,ki为负荷点i的曲折系数。
传统负荷距模型与改进负荷距模型对比如图5所示,其中(u,v)为传统负荷距中心坐标,(u',v')为改进负荷距中心坐标,由于引入
Figure BDA0002308074980000054
ki以及
Figure BDA0002308074980000055
使得后者更接近实际负荷中心(m,n)。
通常任意时刻每个负荷点只允许由一个换流站进行供电。δji=1表示换流站j向负荷点i提供电能,δji=0表示换流站j不向负荷点i供电。
所述负荷点i的等效负荷容量Peqi为:
Figure BDA0002308074980000056
其中,
Figure BDA0002308074980000061
为负荷同时使用率,
Figure BDA0002308074980000062
为负荷点i处分布式电源的容量。一个电网按照不同的要求可以将其划分为若干小的子网,负荷同时使用率
Figure BDA0002308074980000063
就是在同一时刻,若干子网的最大负荷之和与整个电网的最大负荷之比,其数值小于1。同一时间因负荷使用率不同导致区域配电往往高于实际用电,造成不必要的经济损失。
如图4所示,所述负荷点i的曲折系数ki为传统负荷距中心(u,v)和负荷坐标(xi,yi)之间的实际距离li'与直线距离li之比:
Figure BDA0002308074980000064
其中,xiz和xi(z-1)均为实际线路的转折点横坐标,yiz和yi(z-1)均为实际线路的转折点纵坐标。曲折系数ki通常采用经验数值或者直接计算得出,一般不超过1.4。
由于分布式电源发电功率相较于区域内负荷占比甚小,因此可近似将分布式电源看作直接对用户负荷供电。考虑到分布式电源发电具有波动性和间歇性,受光照、风力等环境影响,在春、夏、秋、冬四季表现出一定程度上的一致性。光伏电池和风力发电机随季节变化的出力时序曲线分别如图2和图3所示,可以看到两种分布式电源出力随季节变化明显,同时也具有很强的互补性,这种互补性有利于配电网供电。
通过处理光伏电池与风力发电机每一季的出力时序曲线,即将每一季的平均出力作为该季的实际出力,得到如表1所示的四季实际出力/峰值功率。
表1光伏电池与风力发电机四季实际出力/峰值功率
Figure BDA0002308074980000065
所述分布式电源接入直流配电网后产生的费用目标函数为:
minCtol=Com+Ci'+Cp (6),
其中,Ctol为分布式电源总投资费用,Com为分布式电源运行维护费用,Ci'为分布式电源年等效投资费用,Cp为环保补贴费用。
所述分布式电源运行维护费用Com为:
Figure BDA0002308074980000066
其中,χ为DG单位发电量的运行维护费用,单位:万元/MW·h,Ei'(t)是第i'个节点所接DG在t时段的发电量,单位:MW·h,NDG为DG安装节点集合;
所述分布式电源年等效投资费用Ci'为:
Figure BDA0002308074980000071
其中,r为贴现率,ny为DG回收期,ci'为第i'个节点处安装DG的投资费用,单位:万元,H(i')为第i'个待选节点处DG的安装数量。
所述环保补贴费用Cp为:
Figure BDA0002308074980000072
式中,cpv为光伏电池单位发电量的环保补贴费用,单位:万元/MW·h,cwg为风力发电机单位发电量的环保补贴费用,单位:万元/MW·h,Epv,i'(t)为t时段第i'个光伏发电待选节点处的出力,Ewg,i'(t)为t时段第i'个风力发电待选节点处的出力,Npv为光伏电池安装节点集合,Nwg为风力发电机安装节点集合。
S2、利用遗传算法对步骤S1中的目标函数进行寻优,得到候选的换流站站址;由于分布式电源的实际出力随季节更替而变化,因此负荷点实际负荷存在波动性,故而会造成改进负荷距中心出现偏移,为此需要确定四个季节下分布式电源的改进负荷距中心,从而得出换流站站址的大致区域,计算流程如图6所示。实际工程中在利用改进负荷距模型寻优的同时,还可以结合具体情况,绕过现有建筑设施,例如医院、学校、商场等地,在所圈定区域对换流站站址进行人工微调。
S3、计算步骤S2中候选的换流站站址的平均值,并将平均值作为换流站的最优站址。通过步骤S3中遗传算法寻优的得出的四季下换流站站址,然后取其算术平均值为最优站址。
所述换流站的全寿命周期成本为:
LCC=CI+CO+CM+CF+CD (10),
其中,CI为换流站的前期投入建设成本,CO为直流配电网运行成本,CM为换流站维护费用,CF为换流站建设的故障成本,CD为报废成本。
换流站的前期投入建设成本CI可以分成两部分:换流站站内设施成本投资与线路前期投资。包含设计规划阶段的设计人员的设计成本支出,工程建设阶段的购买设施支出、土地征收成本支出、技术改进等支出。所述换流站的前期投入建设成本CI为:
Figure BDA0002308074980000081
其中,lji为负荷点i到换流站j的直线距离,ki为曲折系数,λ为换流站低压侧每公里投资费用,g(Si)为换流站站内所有设备在确定容量为Si时所对应的前期投资费用。
直流配电网运行成本CO为直流配电网换流站选址定容优化筹划工程在运行期间所需总支出,包含设施耗能支出、运行人员薪资、技术人员骨干培养支出等。本发明忽略占比较少的部分,仅保留主要的两部分即线路运行时的网络电能损耗和运转时的电气设备损耗,因此直流配电网运行成本CO为:
Figure BDA0002308074980000082
其中,η=(η1η2η3)/U2为线路的网损折算系数,η1是当前电力电价,η2为10kV线路每公里的电阻,η3为年损耗小时数,U为直流电压,PJ为负荷点j所对应的有功功率损耗,f(Si)为换流站运行过程所有费用,一般取设备投资的10%即0.1g(Si”)。
所述换流站维护费用CM主要由两部分组成即站内绿化管理和设备日常检修。由于CM在换流站建设的全寿命周期费用中占比很小,故采用一个折算系数τ乘上换流站初始投资CI进行简化计算,即:
CM=τ×CI (13),
其中,τ为维护折算系数,一般取0.013。
一般情况下用社会停电损失来衡量换流站建设的故障成本CF,该损失分为供电部门直接经济损失、故障造成供电部门维修损失和用户因停电造成的产业损失三部分,即:
Figure BDA0002308074980000083
式中,σ是赔偿协议中电网公司每单位售电量应向用户赔偿的费用,Ec是规划区域内电力企业的缺售电量,Bpow是单位售电量的平均利率,h是停电间隔数,μ是设备故障率,Cr是平均停电修复成本,ART是平均设备修复时间,SES是社会缺电量,GDP是供电区域内GDP总和,ES是区域内各个行业的供电量。
所述报废成本CD是指直流配电网中选用的电气设施达到寿命期,更新换代过程中由于处理销毁工作而耗费的成本支出。电气设备报废时,会遗留少量的残值,因此应综合考虑设备残值与报废成本之间的联系,为简化计算可认为报废成本CD为设备原值CI的5%左右,即:
CD=5%CI (15)。
实验分析
本发明选取某市规划区,如图7所示,其南北宽度为6km,东西长度为8km,总面积为28.87km2。规划区依照负荷性质分为六类区域,依次为工业区、住宅区、商业区、教育文化区、行政区和生态绿化区。以负荷的几何中心点的坐标近似代替负荷,得出该地区的各负荷点数据如表2~8所示。规划区内计划新建5座换流站,接入5台1.8MW风力发电机和10块0.162MW光伏电池,相关参数如表9~11所示。
表2六类区域负荷数据
Figure BDA0002308074980000091
表3工业区负荷
Figure BDA0002308074980000092
表4商业区负荷
Figure BDA0002308074980000093
表5住宅区负荷
Figure BDA0002308074980000101
表6行政区负荷
Figure BDA0002308074980000102
表7生态绿化区负荷
Figure BDA0002308074980000103
表8文化教育区负荷
Figure BDA0002308074980000104
表9光伏电池参数
Figure BDA0002308074980000111
表10风力发电机出力数据
Figure BDA0002308074980000112
表11分布式电源费用数据
Figure BDA0002308074980000113
表12换流站选型投资造价表
Figure BDA0002308074980000121
由于预期新建五座换流站,因此将规划区内的负荷分成五个区块,用不同颜色标识。运用遗传算法寻优得出四季下计及分布式电源接入的改进负荷距中心区域,如图8所示,‘*’表示考虑季节波动性的换流站站址,‘+’表示最优站址,其坐标为四季下换流站站址的平均值。由于17、18号负荷较大,造成2、5号换流站站址向其偏移。表13为应用改进负荷距模型得出的分布式电源接入、负荷分区结果以及换流站最优站址坐标。
表13分布式电源接入、负荷分区及换流站最优站址
Figure BDA0002308074980000122
表14LCC模型参数表
Figure BDA0002308074980000131
结合表14中数据,可得全寿命周期成本计算公式为
Figure BDA0002308074980000132
式中,前两项为运行费用,第三项为换流站设备造价。由于改进负荷矩模型主要影响了边界负荷的分块,换流站的供电负荷存在差异,导致换流站费用和运行费用不同,但同一规划区故障成本CF相同,不影响两种模型的全寿命周期成本大小关系。因此通过比较传统负荷距模型与计及四季下分布式电源接入的改进负荷矩模型的全寿命周期下换流站设备造价和运行费用来进行经济性评价,如表15所示,换流站容载比取1.8。
表15全寿命周期费用
Figure BDA0002308074980000133
利用改进负荷距模型所得的运行费用以及换流站设备费用均有所减少,全寿命周期总费用减少2%,经济性得到明显改善。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种直流配电网中换流站的选址定容方法,其特征在于,其步骤如下:
S1、将分布式电源接入直流配电网中,并利用曲折系数、负荷同时使用率、标志参数对传统的负荷距模型进行改进,构建改进负荷距的目标函数;
S2、利用遗传算法对步骤S1中的目标函数进行寻优,得到候选的换流站站址;
S3、计算步骤S2中候选的换流站站址的平均值,并将平均值作为换流站的最优站址。
2.根据权利要求1所述的直流配电网中换流站的选址定容方法,其特征在于,所述步骤S1中传统的负荷距模型为:
Figure FDA0002308074970000011
Figure FDA0002308074970000012
其中,(xi,yi)为负荷坐标,(u,v)为传统负荷距中心坐标,Pi为负荷大小,n为负荷个数。
3.根据权利要求1或2所述的直流配电网中换流站的选址定容方法,其特征在于,所述改进负荷距的目标函数为:
Figure FDA0002308074970000013
其中,(uj,vj)为改进负荷距换流站的中心坐标,δji表示换流站j是否向负荷点i提供电能的标志参数,m为改进负荷距中心个数,Peqi为负荷点i的等效负荷容量,ki为负荷点i的曲折系数。
4.根据权利要求3所述的直流配电网中换流站的选址定容方法,其特征在于,所述负荷点i的等效负荷容量Peqi为:
Figure FDA0002308074970000014
其中,
Figure FDA0002308074970000015
为负荷同时使用率,
Figure FDA0002308074970000016
为负荷点i处分布式电源的容量。
5.根据权利要求3所述的直流配电网中换流站的选址定容方法,其特征在于,所述负荷点i的曲折系数ki为传统负荷距中心(u,v)和负荷坐标(xi,yi)之间的实际距离li'与直线距离li之比:
Figure FDA0002308074970000017
其中,xiz和xi(z-1)均为实际线路的转折点横坐标,yiz和yi(z-1)均为实际线路的转折点纵坐标。
6.根据权利要求1所述的直流配电网中换流站的选址定容方法,其特征在于,所述分布式电源接入直流配电网后产生的费用目标函数为:
minCtol=Com+Ci'+Cp (6),
其中,Ctol为分布式电源总投资费用,Com为分布式电源运行维护费用,Ci'为分布式电源年等效投资费用,Cp为环保补贴费用;
所述分布式电源运行维护费用Com为:
Figure FDA0002308074970000021
其中,χ为DG单位发电量的运行维护费用,Ei'(t)是第i'个节点所接DG在t时段的发电量,NDG为DG安装节点集合;
所述分布式电源年等效投资费用Ci'为:
Figure FDA0002308074970000022
其中,r为贴现率,ny为DG回收期,ci'为第i'个节点处安装DG的投资费用,H(i')为第i'个待选节点处DG的安装数量;
所述环保补贴费用Cp为:
Figure FDA0002308074970000023
式中,cpv为光伏电池单位发电量的环保补贴费用,cwg为风力发电机单位发电量的环保补贴费用,Epv,i'(t)为t时段第i'个光伏发电待选节点处的出力,Ewg,i'(t)为t时段第i'个风力发电待选节点处的出力,Npv为光伏电池安装节点集合,Nwg为风力发电机安装节点集合。
7.根据权利要求1所述的直流配电网中换流站的选址定容方法,其特征在于,所述换流站的全寿命周期成本为:
LCC=CI+CO+CM+CF+CD (10),
其中,CI为换流站的前期投入建设成本,CO为直流配电网运行成本,CM为换流站维护费用,CF为换流站建设的故障成本,CD为报废成本。
8.根据权利要求7所述的直流配电网中换流站的选址定容方法,其特征在于,所述换流站的前期投入建设成本CI为:
Figure FDA0002308074970000031
其中,lji为负荷点i到换流站j的直线距离,ki为曲折系数,λ为换流站低压侧每公里投资费用,g(Si)为换流站站内所有设备在确定容量为Si时所对应的前期投资费用。
9.根据权利要求7所述的直流配电网中换流站的选址定容方法,其特征在于,所述直流配电网运行成本CO为:
Figure FDA0002308074970000032
其中,η=(η1η2η3)/U2为线路的网损折算系数,η1是当前电力电价,η2为10kV线路每公里的电阻,η3为年损耗小时数,U为直流电压,PJ为负荷点j所对应的有功功率损耗,f(Si)为换流站运行过程所有费用。
10.根据权利要求7所述的直流配电网中换流站的选址定容方法,其特征在于,所述换流站维护费用CM为:
CM=τ×CI (13),
其中,τ为维护折算系数;
所述换流站建设的故障成本CF为:
Figure FDA0002308074970000033
式中,σ是赔偿协议中电网公司每单位售电量应向用户赔偿的费用,Ec是规划区域内电力企业的缺售电量,Bpow是单位售电量的平均利率,h是停电间隔数,μ是设备故障率,Cr是平均停电修复成本,ART是平均设备修复时间,SES是社会缺电量,GDP是供电区域内GDP总和,ES是区域内各个行业的供电量;
所述报废成本CD为:CD=5%CI (15)。
CN201911247405.4A 2019-12-09 2019-12-09 一种直流配电网中换流站的选址定容方法 Active CN110956332B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911247405.4A CN110956332B (zh) 2019-12-09 2019-12-09 一种直流配电网中换流站的选址定容方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911247405.4A CN110956332B (zh) 2019-12-09 2019-12-09 一种直流配电网中换流站的选址定容方法

Publications (2)

Publication Number Publication Date
CN110956332A true CN110956332A (zh) 2020-04-03
CN110956332B CN110956332B (zh) 2023-01-06

Family

ID=69980307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911247405.4A Active CN110956332B (zh) 2019-12-09 2019-12-09 一种直流配电网中换流站的选址定容方法

Country Status (1)

Country Link
CN (1) CN110956332B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111504356A (zh) * 2020-05-28 2020-08-07 淮南联合大学(安徽广播电视大学淮南分校淮南职工大学) 一种用于微电网dg选址定容的信息采集装置
CN112949898A (zh) * 2021-01-04 2021-06-11 国网上海市电力公司 一种多站融合选址规划的优化方法
CN113410843A (zh) * 2021-08-09 2021-09-17 华北电力大学 一种基于负荷矩和分布式电源接入配电网的低电压治理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116812A (zh) * 2013-02-20 2013-05-22 重庆市电力公司电力科学研究院 一种新型的变电站布点方法
CN103559553A (zh) * 2013-10-25 2014-02-05 国家电网公司 基于负荷矩理论的配电线路规划与配变选址优化方法
CN109658510A (zh) * 2018-12-10 2019-04-19 中国电建集团江西省电力设计院有限公司 变电站选址的方法、装置和服务器
US20190121836A1 (en) * 2017-10-23 2019-04-25 State Grid Zhejiang Electric Power Company Limited Support tensor machine based neutral point grounding mode decision method and system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116812A (zh) * 2013-02-20 2013-05-22 重庆市电力公司电力科学研究院 一种新型的变电站布点方法
CN103559553A (zh) * 2013-10-25 2014-02-05 国家电网公司 基于负荷矩理论的配电线路规划与配变选址优化方法
US20190121836A1 (en) * 2017-10-23 2019-04-25 State Grid Zhejiang Electric Power Company Limited Support tensor machine based neutral point grounding mode decision method and system
CN109658510A (zh) * 2018-12-10 2019-04-19 中国电建集团江西省电力设计院有限公司 变电站选址的方法、装置和服务器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
戴世翔 等;: "《电力规划中变电站选址问题研究》", 《中国电力教育》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111504356A (zh) * 2020-05-28 2020-08-07 淮南联合大学(安徽广播电视大学淮南分校淮南职工大学) 一种用于微电网dg选址定容的信息采集装置
CN112949898A (zh) * 2021-01-04 2021-06-11 国网上海市电力公司 一种多站融合选址规划的优化方法
CN113410843A (zh) * 2021-08-09 2021-09-17 华北电力大学 一种基于负荷矩和分布式电源接入配电网的低电压治理方法

Also Published As

Publication number Publication date
CN110956332B (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
Fang Life cycle cost assessment of wind power–hydrogen coupled integrated energy system
CN110866627B (zh) 一种考虑阶梯气价的多区域电-气耦合综合能源系统优化调度方法
CN110956332B (zh) 一种直流配电网中换流站的选址定容方法
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
Ceran The concept of use of PV/WT/FC hybrid power generation system for smoothing the energy profile of the consumer
CN105761161A (zh) 一种交直流配电网供电模式评价方法
CN109214713B (zh) 含有分布式电源的主动配电网规划方法
CN106529737A (zh) 一种配电网供给侧调峰电源规划布局方法
Wang et al. A novel energy-water nexus based CHP operation optimization model under water shortage
Machado et al. Multi-source distributed energy resources management system based on pattern search optimal solution using nonlinearized power flow constraints
Xiang et al. Coordinated DG-Tie planning in distribution networks based on temporal scenarios
CN114118535A (zh) 一种考虑工程实用性的园区综合能源系统优化配置方法
CN113746105A (zh) 电力需求响应的优化控制方法、装置、设备和存储介质
CN110688619A (zh) 一种配电网的理论线损计算系统及方法
Salam et al. Analyze the Impact of Demand Side Management on Grid Power for an Isolate Zone in a Sustainable IEEE 14 Bus System
CN116468302A (zh) 建筑园区能源结构评估方法、系统、电子设备及存储介质
CN109861272B (zh) 考虑电量外送的多电压等级电网分布式电源优化配置方法
Cui et al. ADN multi-objective planning considering collaborative optimization of rdg and GAEP
de Sousa Lima et al. Impacts of Photovoltaic Insertion on Distribution Losses in a Amazonian Distribution System
CN112087041A (zh) 一种光伏全电厨房及能量管理优化系统
Wang et al. Analysis of renewable energy influence for demand side resources participate in ancillary services
Yu et al. Analysis of DC distribution efficiency based on metered data in a typical Hong Kong office building
Cao et al. Optimal capacity configuration of battery storage system for zero energy office building on campus
CN110619436A (zh) 主动配电网规划方法
Chen et al. Evaluation indices set and decision-making method for regional “coal to electricity” optimal development mode

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