CN111092451A - 一种基于配电网网格的光伏消纳预警方法 - Google Patents
一种基于配电网网格的光伏消纳预警方法 Download PDFInfo
- Publication number
- CN111092451A CN111092451A CN201811234405.6A CN201811234405A CN111092451A CN 111092451 A CN111092451 A CN 111092451A CN 201811234405 A CN201811234405 A CN 201811234405A CN 111092451 A CN111092451 A CN 111092451A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- grid
- capacity
- output
- scheme
- 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
Links
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
- G06Q10/04—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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
Abstract
本发明公开了一种基于配电网网格的光伏消纳预警方法,利用已有的地区全年的光伏出力与负荷波动曲线,利用统计学计算方法,获取春、夏、秋、冬典型日的光伏典型出力曲线与负荷曲线;并基于现有区域配电网的单元格规划,对单个网格采用模拟退火粒子群优化算法计算可接入的光伏容量与位置,并进一步获取网格极限消纳容量与整个区域网格极限消纳容量,从而对整个区域的光伏消纳给出预警等级。本发明具有计算方法简单、计算速度快等优势,可为应用于实际电网的地区光伏建设规划提供依据。
Description
技术领域
本发明涉及一种基于配电网网格的光伏消纳预警方法,属于配电网光伏消纳技术领域。
背景技术
随着光伏产业的迅猛发展,我国迎来了大规模光伏项目建设并网的高峰期。大量光伏的接入给电网带来了潮流波动、电压波动、电能质量下降等问题。由于光伏项目的建设既有上网发电的经济效益,同时又涵盖有引导当地光伏产业发展的政治效益为确保新能源与电网协调发展,需要引导新能源合理布局,明确各区域新能源接纳能力及预警等级。电网作为大型基础设施,从规划决策到建成投产的周期较长,远远大于新能源特别是光伏电站的建设周期。因此,在安排光伏开发计划布局时,应充分考虑电网建设合理工期,在既定电网网架的基础上,充分考虑既定电网的接纳能力,有序、合理地接入新能源。新能源接纳能力研究和预警等级的建立方法是:在电网发展现状的基础上,以已有、在建和已核准电源为边界,确定目标年份分地区新能源的接纳能力,并以可新增装机裕度大小为原则划分预警等级。
目前,配电网的运行控制已经实现了网格化运行控制。网格化的运行控制以110kV公用变电站为核心对区域负荷实现切割,一个区域内按照负荷的水平由一至两个110kV变电站为电源点,向下级配电网辐射供电。在单个配电网网格内,网格的主变升压容量、负荷水平与线路潮流限额数据清楚,网架简单同时潮流流向单一,光伏消纳的容量可以基于此定量分析,为后续光伏的规划建设提供有力的依据。
发明内容
本发明的目的在于提供一种基于配电网网格的光伏消纳预警方法,利用已有的地区光伏数据以及负荷水平,结合现有的配电网网格规划成果,对区域内电网极限消纳容量进行详尽的计算模拟,制定出整体光伏消纳的预警等级。
为达到上述目的,本发明采用的技术方案为:
基于配电网网格的光伏消纳预警方法,包括以下步骤:
1)根据地区已经接入的光伏全年的出力数据,统计计算光伏在各个出力区间的置信概率,形成以春、夏、秋、冬四个季节的光伏典型出力曲线;
2)根据地区全年的负荷数据,选取四个季节的峰谷差最大的典型日,形成春、夏、秋、冬四个季节的典型日负荷曲线;
3)利用系统网损变化率、节点电压波动率为双目标构建多目标优化函数,采用模拟退火粒子群算法根据典型日的不同时段的光伏出力与负荷水平,计算单个网格的全天光伏极限消纳容量;
4)对于一年四季,按四个典型日的光伏典型出力曲线与典型日负荷曲线,计算完成四个季节的全天光伏极限消纳容量,取光伏极限消纳容量最小的一个季节作为一年四季内该网格能够接入的光伏极限消纳容量:再依据该极限消纳容量给出该网格的光伏消纳预警等级;
5)对区域内所有网格按照步骤3)、步骤4)进行光伏极限消纳容量计算,获得区域内每个网格的消纳预警等级,从而给出整个区域内的光伏预警方案。
前述的步骤1)中,形成光伏典型出力曲线的具体过程为:
11)对网格内已有的光伏在各个出力区间的概率加以统计,形成出力区间概率统计表,单个区间内光伏出力概率计算如下:
Ti%=∑Δt(k×i≤PΔt%<k×(i+1))*100/Ttotal
其中,Ti%指在统计的总时间段内光伏出力率PΔt%位于[k×i,k×(i+1))占总时间的比例,Δt(k×i≤PΔt%<k×(i+1))指在某一个Δt的时间段内,光伏出力率PΔt%位于[k×i,k×(i+1))的区间,其中,k为百分比的分段值,i指第i个百分比分段区间,Ttotal指统计的光伏出力率的总时间;
12)考虑到光伏出力受辐照强度的影响,光伏出力满足贝塔分布,其概率密度函数为:
其中,f(P%)为光伏出力率为P%的贝塔概率密度函数,Γ(·)为伽马函数,P%为实际光伏出力的百分比,α,β为贝塔分布的形状参数;
13)根据下式通过迭代计算获得贝塔分布的形状参数α、β值:
14)绘制形成四个季节的光伏典型出力曲线。
前述的同一网格内多个光伏项目采用一个光伏典型出力曲线作为代表。
前述的步骤3)中,多目标优化函数为:
minF(x)=[IP(x),Iv(x)]
其中,x=[x1,x2,…xi,…xN-1]为系统接入的各个节点的光伏容量方案,xl代表接入第l个节点的容量,N为配电网网格内节点总数;
IP(x)为系统网损变化率,IP(x)=PLDG/PL
其中,PL和PLDG分别代表安装新的光伏前、后的系统网损值;
其中,Vl为第l个节点电压,V0为该网格平衡节点电压。
前述的多目标优化函数需满足以下约束条件:
光伏安装最大节点数约束:
其中,Ul代表是否在第l个节点安装光伏项目,1代表安装,0代表不安装,D为光伏安装最大节点数;
功率平衡约束:
其中,Ps、Pl、PLoad、PLoss分别代表网格内电源点供电有功出力、第l个节点的光伏出力,系统总负荷和总网损;
节点电压约束:
Vlmin≤Vl≤Vlmax
其中,Vlmin和Vlmax分别为第l个节点的最小允许电压值和最大允许电压值;
线路电流约束:
Ij≤Ijmax
其中,Ij为第j条线路的电流值,Ijmax为第j条线路的最大热稳定电流限值;
变电站主变容量约束为:
前述的模拟退火粒子群算法采用带压缩因子的PSO算法和SA算法相结合,具体实现过程为:
61)形成整个区域的光伏接入容量方案初始矩阵:
其中,gξ(x)为初始状态下第ξ个整个区域含N-1个节点的光伏接入容量方案,xl,ξ代表初始状态下第ξ个整个区域第l个节点的光伏接入容量方案,n为粒子数;
62)对n个光伏接入方案进行潮流计算,获得优化函数minF(x)=[IP(x),Iv(x)]所对应的全局最优的光伏接入容量初始方案:gbest-ini(x)=[xbest-ini,1,…,xbest-ini,l,…,xbest-ini,N-1],xbest-ini,l表示第l个节点的全局最优光伏接入容量初始方案;
63)依据初始方案和更新公式对整个区域的光伏接入容量方案矩阵
{g1[x(m)],…,gξ[x(m)],…,gn[x(m)]}T进行更新:
vl,ξ(m+1)=χ[vl,ξ(m)+c1r1(xbest,l(m)-xl,ξ(m))+c2r2(Xbest,l(m)-xl,ξ(m))]
xl,ξ(m+1)=xl,ξ(m)+vl,ξ(m+1)
其中,m为当前的迭代次数,gξ[x(m)]代表第m次迭代过程第ξ个整个区域含N-1个节点的光伏接入方案,xl,ξ(m)和vl,ξ(m)为第m次迭代时第l个节点可接入的第ξ个光伏容量方案以及接入光伏容量的变化量,c1、c2为加速常数,r1、r2为0~1均匀分布的随机数,xbest,l(m)为第m次迭代时刻的区域最优方案gbest[x(m)]=[xbest,1(m),…,xbest,l(m),…,xbest,N-1(m)]中第l个节点接入的光伏容量,Xbest,l(m)为第m次迭代后的全局最优方案
Gbest=[Xbest,1(m),…,Xbest,l(m),…,Xbest,N-1(m)]中第l个节点接入的光伏容量;
64)若第m+1次迭代后的区域最优方案gbest[x(m+1)]小于第m次迭代后的全局最优方案Gbest,则将全局最优方案替代为:Gbest=gbest[x(m+1)];
65)重复步骤63)-64),依据xl,ξ(m)和vl,ξ(m)的更新公式进行迭代计算,获得每次迭代后的最优方案gbest[x(m)],并与全局最优方案Gbest比较,不断更新全局最优方案;
66)若迭代10次全局最优方案均未发生变化或者超过迭代次数上限,退出迭代,输出全局最优的光伏接入方案Gbest。
前述的计算单个网格的全天光伏极限消纳容量的具体过程,包括以下步骤:
31)输入单个网格的线路参数、主变参数以及节点电压限制参数、线路电流限制参数,构建系统潮流计算的约束条件;
32)对于某个季节的典型日,选取某个时刻t,读取该时刻t的光伏典型出力曲线对应的光伏出力率以及典型日负荷曲线对应的负荷率,从而得到该时刻该网格内已投运的光伏出力以及将要估算的单位光伏出力值,并获得该时刻该网格内的总负荷,然后基于模拟退火粒子群算法计算该时刻t所对应的光伏接入容量的最优方案Gbest,t;
33)对于白天内的各个时刻重复步骤32),从而获取了一个典型日内各个时刻所对应的光伏接入容量最优方案,再从中选取一个接入容量最小的方案,即典型日全天光伏可接入的极限消纳容量:
Gbest,s=min(Gbest,t),tmin≤t≤tmax
其中,Gbest,s为第s个季节全天光伏可接入的极限消纳容量;
s=1,2,3,4,分别代表春、夏、秋、冬;tmin为日出光伏开始工作的时刻,tmax为日落光伏结束发电的时刻。
前述的步骤4)中,网格的光伏消纳预警等级划分如下:
其中,Pstmax为单个网格内变电站的最大升压能力,Gtotal-best为网格内光伏可消纳的总容量,εhigh为绿色预警最低比例,εlow为橙色预警最低比例。
前述的单个网格内变电站的最大升压能力计算如下:
其中,S2min=min[S1,S2],S3min=S1+S2+S3-max[S1,S2,S3],
本发明的有益效果为:
本发明可以利用已有的地区光伏数据以及负荷水平,结合现有的配电网网格规划成果,对区域内电网极限消纳容量进行详尽的计算模拟,并给出整体光伏消纳的预警等级,为政府制定光伏建设规划提供有利指导。
本发明一方面从整体给出区域消纳的极限容量与预警等级,另外一方面也给出了细化到节点及支路层面的光伏接入最优容量与位置,为后续光伏接入系统提供具体的建设指导。
附图说明
图1为本发明方法的流程图;
图2为本发明中计算光伏可接入的最优容量与位置的流程图。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明的基于配电网网格的光伏消纳预警方法,参见图1,包括以下步骤:
1)根据地区已经接入的光伏全年的出力数据,统计计算光伏在各个出力区间的置信概率,形成以春、夏、秋、冬四个季节的光伏典型出力曲线;其中,形成四季的光伏典型出力曲线的详细过程为:
11)考虑到网格内光伏具有强相关性,同一网格内多个光伏项目可采用单个出力曲线加以代表。因此对网格内已有的光伏在各个出力区间的概率加以统计,形成出力区间概率统计表。单个区间内光伏出力概率的公式如下:
Ti%=∑Δt(k×i≤PΔt%<k×(i+1))*100/Ttotal
式中,Δt(k×i≤PΔt%<k×(i+1))指在某一个Δt的时间段内,光伏出力率PΔt%位于[k×i,k×(i+1))的区间,其中,k为百分比的分段值,通常取10;i指第i个百分比分段区间;Ttotal指统计的光伏出力率的总时间,通常取一个季节的总时间。Ti%指在统计的总时间段内光伏出力率PΔt%位于[k×i,k×(i+1))占总时间的比例。
12)获取了光伏出力率位于各个出力区间的分布时间之后,依据此拟合生成光伏一天的典型出力曲线。依据现有理论成果,考虑辐照强度的影响,光伏的随机出力满足贝塔分布,该概率密度方程为:
式中,f(P%)为光伏出力率为P%的贝塔概率密度函数,Γ(·)为伽马函数,P%为实际光伏出力的百分比,α,β为贝塔分布的形状参数。
则依据该概率密度方程和光伏分布时间Ti%,可得如下方程:
依据上式通过迭代计算获得光伏出力率位于[k×i,k×(i+1))的贝塔概率密度函数的α、β值,并进一步分段绘制形成四个季节的光伏典型出力曲线。
2)根据地区全年的负荷数据,选取四个季节的峰谷差最大的典型日,形成春、夏、秋、冬四个季节的典型日负荷曲线;
3)根据区域配电网网格化的划分,以单个网格为研究对象,形成以单一变电站为电源点的辐射状网络结构。利用系统网损变化率、节点电压波动率为双目标构建目标优化函数,利用模拟退火粒子群算法按典型日的不同时段的光伏出力与负荷水平计算光伏可接入的最优容量与位置;
具体计算过程参见图2,具体为:
31)确定多目标优化函数:采用系统网损变化率、电压波动率构建多目标优化函数:
光伏接入配电网能够带来的一个明显的节能效益就是降低网损,提高能源利用率,系统网损变化率定义如下:
IP=PLDG/PL
式中,IP为系统网损变化率,PL和PLDG分别代表安装新的光伏前、后的系统网损值。
光伏的接入同时可以改善辐射式配电网网络末端电压的降落情况,使得电压分布更为合理,电压偏移保持在较小范围内,电压波动率的具体公式如下:
式中,Iv为电压波动率,N为配电网网格内节点总数,以NT-HA-BH-001网格为例,N=4,Vl为第l个节点电压,V0为该网格平衡节点电压,一般为110kV公用变电站,在NT-HA-BH-001网格内为110kV角斜变。
综合考虑系统网损变化率、电压波动率的多目标优化函数为:
minF(x)=[IP(x),Iv(x)]
式中,x为系统接入的各个节点的光伏容量方案,x=[x1,x2,…xi,…xN-1],xl代表接入第l个节点的容量。
32)确定光伏接入位置与容量的目标优化函数的约束条件:
光伏安装最大节点数约束:
式中,Ul代表是否在第l个节点安装光伏项目,1代表安装,0代表不安装,D为光伏安装最大节点数。
功率平衡约束:
式中,Ps、Pl、PLoad、PLoss分别代表网格内电源点供电有功出力、第l个节点的光伏出力,系统总负荷和总网损。
节点电压约束:
Vlmin≤Vl≤Vlmax
式中,Vlmin和Vlmax分别为第l个节点的最小允许电压值和最大允许电压值。
线路电流约束:
Ij≤Ijmax
式中,Ij为第j条线路的电流值,Ijmax为第j条线路的最大热稳定电流限值。
由于网格内的电源点通常为单个110kV变电站,该变电站主变容量约束为:
33)确定光伏接入位置与容量的优化算法所选取的模拟退火粒子群算法(SA-PSO算法)。本发明所选取的算法采用带压缩因子的PSO算法,在搜索过程中增加了SA算法的优势,具有概率突跳能力,能够有效避免搜索过程中陷入局部极小解。采用SA-PSO算法获得光伏接入的最优容量的过程如下:
a)设置粒子数为n,则对于第l个节点初始生成光伏接入容量的数组[xl,1,xl,2,…,xl,ξ,…,xl,n]T,式中,xl,ξ代表第l个节点的第ξ个光伏接入容量方案的初始值。对整个区域,形成整个区域的光伏接入容量方案的矩阵,如下:
式中,gξ(x)为初始状态下第ξ个整个区域含N-1个节点的光伏接入方案,对n个光伏接入方案进行潮流计算,获得优化函数minF(x)=[IP(x),Iv(x)]所对应的全局最优的光伏接入初始方案gbest-ini(x)=[xbest-ini,1,…,xbest-ini,l,…,xbest-ini,N-1],xbest-ini,l表示第l个节点的全局最优光伏接入初始方案。
b)依据初始方案和下述的更新公式对整个区域的光伏接入容量方案矩阵{g1[x(m)],…,gξ[x(m)],…,gn[x(m)]}T进行更新,该式中,gξ[x(m)]代表第m次迭代过程汇总第ξ个整个区域含N-1个节点的光伏接入方案。假定xl,ξ(m)和vl,ξ(m)为第m次迭代时第l个节点可接入的第ξ个光伏容量方案以及接入光伏容量的变化量,则第l个节点的光伏容量方案以及容量变化量的更新公式可表示为:
vl,ξ(m+1)=χ[vl,ξ(m)+c1r1(xbest,l(m)-xl,ξ(m))+c2r2(Xbest,l(m)-xl,ξ(m))]
xl,ξ(m+1)=xl,ξ(m)+vl,ξ(m+1)
式中,m为当前的迭代次数;c1、c2为加速常数;r1、r2为0~1均匀分布的随机数;xbest,l(m)为第m次迭代时刻的区域最优方案gbest[x(m)]=[xbest,1(m),…,xbest,l(m),…,xbest,N-1(m)]中第l个节点接入的光伏容量,Xbest,l(m)为第m次迭代后的全局最优方案
Gbest=[Xbest,1(m),…,Xbest,l(m),…,Xbest,N-1(m)]中第l个节点接入的光伏容量;χ为压缩因子,取决于加速常数,其计算公式为:
若发现第m+1次迭代后的区域最优方案gbest[x(m+1)]所对应的优化函数值Fm(x)小于第m次迭代后的全局最优方案Gbest对用的优化函数值Fbest(x),则将全局最优方案替代为:Gbest=gbest[x(m+1)]。
c)重复步骤b),依据xl,ξ(m)和vl,ξ(m)的更新公式进行迭代计算,获得每次迭代后的最优方案gbest[x(m)],并与全局最优方案Gbest比较,不断更新全局最优方案。
若迭代10次全局最优方案均未发生变化或者超过迭代次数上限,退出迭代,输出全局最优的光伏接入方案Gbest。
34)在确定了优化目标函数、约束条件与优化算法之后,进行基于SA-PSO算法的网格内光伏极限消纳容量计算,具体如下:
a)输入单个网格的线路参数、主变参数以及节点电压限制参数、线路电流限制参数,构建系统潮流计算必须的约束条件;
b)对于某个季节的典型日确定光伏的极限消纳容量,选取某个时刻t,读取该时刻的光伏典型出力曲线对应的光伏出力率以及典型日负荷曲线对应的负荷率,从而得到此时刻网格内已投运的光伏出力以及将要估算的单位光伏出力值,并获得此时网格内的总负荷,利用SA-PSO算法,在该光伏出力率以及负荷率的约束条件下,利用潮流计算该时刻t所对应的光伏接入的最优方案Gbest,t,Gbest,t=[Xbest,t,1,…,Xbest,t,l,…,Xbest,t,N-1]。
c)对于白天(通常为上午6时~下午6时)内的各个时刻t重复步骤b),从而获取了一个典型日内各个时刻所对应的光伏接入最优方案,再从中选取一个接入容量最小的方案,即典型日全天光伏可接入的极限方案:
Gbest,s=min(Gbest,t),tmin≤t≤tmax
式中,Gbest,t为该时刻t所对应的光伏接入的全局最优方案;Gbest,s为第s个季节全天光伏可接入的极限方案;s=1,2,3,4,分别代表春、夏、秋、冬;tmin为日出光伏开始工作的时刻,tmax为日落光伏结束发电的时刻。
4)对于一年四季,按四个典型日的光伏典型出力曲线与典型日负荷曲线,计算完成四个季节的全天光伏可接入的极限消纳容量,取光伏极限消纳容量最小的一个季节作为一年四季内该网格能够接入的光伏极限消纳容量:
Gbest-final=min(Gbest,s),s=1,2,3,4
式中,Gbest-final为全年网格内光伏消纳的极限方案。
然后,依据该极限消纳容量给出该网格的光伏消纳预警等级。该网格的光伏消纳预警等级界定的具体方法为:
41)首先计算单个网格内110kV变电站的最大升压能力,通常单个110kV变电站主变不超过三台:只有1台主变的110kV变电站最大升压能力式中Pstmax代表网格内变电站主变升压的最大能力,S1为该变电站1号主变容量,为主变功率因数;只有2台主变的110kV变电站最大升压能力式中Pstmax代表网格内变电站主变升压的最大能力,S2min=min[S1,S2]为该变电站容量最小的主变容量,S1为该变电站1号主变容量,S2为该变电站2号主变容量,为主变功率因数;3台主变的110kV变电站最大升压能力式中Pstmax代表网格内变电站主变升压的最大能力,S3min=S1+S2+S3-max[S1,S2,S3]为该变电站扣除最大的一台容量主变的其余主变总容量,S1为该变电站1号主变容量,S2为该变电站2号主变容量,S3为该变电站3号主变容量,为主变功率因数。
42)对于已经获得的全年网格内光伏消纳的极限方案Gbest-final=[Xbest-final,1,…,Xbest-final,l,…Xbest-final,N-1],则网格内光伏可消纳的总容量为由总容量确定预警等级,公式如下:
式中,Xbest-final,l为第l个节点的全年极限光伏消纳容量,Gtotal-best为网格内全年光伏可消纳总容量,εhigh为绿色预警最低比例,本例中取70%,εlow为橙色预警最低比例,本例中取30%。
5)对区域内所有网格按照步骤3)、步骤4)进行光伏极限消纳容量计算,获得区域内每个网格的消纳预警等级,从而给出整个区域内的光伏预警方案。该方案涵盖每个网格的极限消纳容量与预警等级,为今后光伏的进一步接入提供指导。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (9)
1.一种基于配电网网格的光伏消纳预警方法,其特征在于,包括以下步骤:
1)根据地区已经接入的光伏全年的出力数据,统计计算光伏在各个出力区间的置信概率,形成以春、夏、秋、冬四个季节的光伏典型出力曲线;
2)根据地区全年的负荷数据,选取四个季节的峰谷差最大的典型日,形成春、夏、秋、冬四个季节的典型日负荷曲线;
3)利用系统网损变化率、节点电压波动率为双目标构建多目标优化函数,采用模拟退火粒子群算法根据典型日的不同时段的光伏出力与负荷水平,计算单个网格的全天光伏极限消纳容量;
4)对于一年四季,按四个典型日的光伏典型出力曲线与典型日负荷曲线,计算完成四个季节的全天光伏极限消纳容量,取光伏极限消纳容量最小的一个季节作为一年四季内该网格能够接入的光伏极限消纳容量:再依据该极限消纳容量给出该网格的光伏消纳预警等级;
5)对区域内所有网格按照步骤3)、步骤4)进行光伏极限消纳容量计算,获得区域内每个网格的消纳预警等级,从而给出整个区域内的光伏预警方案。
2.根据权利要求1所述的一种基于配电网网格的光伏消纳预警方法,其特征在于,所述步骤1)中,形成光伏典型出力曲线的具体过程为:
11)对网格内已有的光伏在各个出力区间的概率加以统计,形成出力区间概率统计表,单个区间内光伏出力概率计算如下:
Ti%=∑Δt(k×i≤PΔt%<k×(i+1))*100/Ttotal
其中,Ti%指在统计的总时间段内光伏出力率PΔt%位于[k×i,k×(i+1))占总时间的比例,Δt(k×i≤PΔt%<k×(i+1))指在某一个Δt的时间段内,光伏出力率PΔt%位于[k×i,k×(i+1))的区间,其中,k为百分比的分段值,i指第i个百分比分段区间,Ttotal指统计的光伏出力率的总时间;
12)考虑到光伏出力受辐照强度的影响,光伏出力满足贝塔分布,其概率密度函数为:
其中,f(P%)为光伏出力率为P%的贝塔概率密度函数,Γ(·)为伽马函数,P%为实际光伏出力的百分比,α,β为贝塔分布的形状参数;
13)根据下式通过迭代计算获得贝塔分布的形状参数α、β值:
14)绘制形成四个季节的光伏典型出力曲线。
3.根据权利要求2所述的一种基于配电网网格的光伏消纳预警方法,其特征在于,同一网格内多个光伏项目采用一个光伏典型出力曲线作为代表。
5.根据权利要求4所述的一种基于配电网网格的光伏消纳预警方法,其特征在于,所述多目标优化函数需满足以下约束条件:
光伏安装最大节点数约束:
其中,Ul代表是否在第l个节点安装光伏项目,1代表安装,0代表不安装,D为光伏安装最大节点数;
功率平衡约束:
其中,Ps、Pl、PLoad、PLoss分别代表网格内电源点供电有功出力、第l个节点的光伏出力,系统总负荷和总网损;
节点电压约束:
Vlmin≤Vl≤Vlmax
其中,Vlmin和Vlmax分别为第l个节点的最小允许电压值和最大允许电压值;
线路电流约束:
Ij≤Ijmax
其中,Ij为第j条线路的电流值,Ijmax为第j条线路的最大热稳定电流限值;
变电站主变容量约束为:
6.根据权利要求5所述的一种基于配电网网格的光伏消纳预警方法,其特征在于,所述模拟退火粒子群算法采用带压缩因子的PSO算法和SA算法相结合,具体实现过程为:
61)形成整个区域的光伏接入容量方案初始矩阵:
其中,gξ(x)为初始状态下第ξ个整个区域含N-1个节点的光伏接入容量方案,xl,ξ代表初始状态下第ξ个整个区域第l个节点的光伏接入容量方案,n为粒子数;
62)对n个光伏接入方案进行潮流计算,获得优化函数minF(x)=[IP(x),Iv(x)]所对应的全局最优的光伏接入容量初始方案:gbest-ini(x)=[xbest-ini,1,…,xbest-ini,l,…,xbest-ini,N-1],xbest-ini,l表示第l个节点的全局最优光伏接入容量初始方案;
63)依据初始方案和更新公式对整个区域的光伏接入容量方案矩阵{g1[x(m)],…,gξ[x(m)],…,gn[x(m)]}T进行更新:
vl,ξ(m+1)=χ[vl,ξ(m)+c1r1(xbest,l(m)-xl,ξ(m))+c2r2(Xbest,l(m)-xl,ξ(m))]
xl,ξ(m+1)=xl,ξ(m)+vl,ξ(m+1)
其中,m为当前的迭代次数,gξ[x(m)]代表第m次迭代过程第ξ个整个区域含N-1个节点的光伏接入方案,xl,ξ(m)和vl,ξ(m)为第m次迭代时第l个节点可接入的第ξ个光伏容量方案以及接入光伏容量的变化量,c1、c2为加速常数,r1、r2为0~1均匀分布的随机数,xbest,l(m)为第m次迭代时刻的区域最优方案gbest[x(m)]=[xbest,1(m),…,xbest,l(m),…,xbest,N-1(m)]中第l个节点接入的光伏容量,Xbest,l(m)为第m次迭代后的全局最优方案Gbest=[Xbest,1(m),…,Xbest,l(m),…,Xbest,N-1(m)]中第l个节点接入的光伏容量;
64)若第m+1次迭代后的区域最优方案gbest[x(m+1)]小于第m次迭代后的全局最优方案Gbest,则将全局最优方案替代为:Gbest=gbest[x(m+1)];
65)重复步骤63)-64),依据xl,ξ(m)和vl,ξ(m)的更新公式进行迭代计算,获得每次迭代后的最优方案gbest[x(m)],并与全局最优方案Gbest比较,不断更新全局最优方案;
66)若迭代10次全局最优方案均未发生变化或者超过迭代次数上限,退出迭代,输出全局最优的光伏接入方案Gbest。
7.根据权利要求6所述的一种基于配电网网格的光伏消纳预警方法,其特征在于,所述计算单个网格的全天光伏极限消纳容量的具体过程,包括以下步骤:
31)输入单个网格的线路参数、主变参数以及节点电压限制参数、线路电流限制参数,构建系统潮流计算的约束条件;
32)对于某个季节的典型日,选取某个时刻t,读取该时刻t的光伏典型出力曲线对应的光伏出力率以及典型日负荷曲线对应的负荷率,从而得到该时刻该网格内已投运的光伏出力以及将要估算的单位光伏出力值,并获得该时刻该网格内的总负荷,然后基于模拟退火粒子群算法计算该时刻t所对应的光伏接入容量的最优方案Gbest,t;
33)对于白天内的各个时刻重复步骤32),从而获取了一个典型日内各个时刻所对应的光伏接入容量最优方案,再从中选取一个接入容量最小的方案,即典型日全天光伏可接入的极限消纳容量:
Gbest,s=min(Gbest,t),tmin≤t≤tmax
其中,Gbest,s为第s个季节全天光伏可接入的极限消纳容量;
s=1,2,3,4,分别代表春、夏、秋、冬;tmin为日出光伏开始工作的时刻,tmax为日落光伏结束发电的时刻。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811234405.6A CN111092451B (zh) | 2018-10-23 | 2018-10-23 | 一种基于配电网网格的光伏消纳预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811234405.6A CN111092451B (zh) | 2018-10-23 | 2018-10-23 | 一种基于配电网网格的光伏消纳预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111092451A true CN111092451A (zh) | 2020-05-01 |
CN111092451B CN111092451B (zh) | 2022-06-07 |
Family
ID=70391393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811234405.6A Active CN111092451B (zh) | 2018-10-23 | 2018-10-23 | 一种基于配电网网格的光伏消纳预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111092451B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112003282A (zh) * | 2020-08-28 | 2020-11-27 | 国网山东省电力公司电力科学研究院 | 一种基于电网调峰能力预测新能源装机规模的方法 |
CN112242703A (zh) * | 2020-09-14 | 2021-01-19 | 河海大学 | 一种基于pso优化蒙特卡洛算法的配电网光伏消纳评估方法 |
CN113570267A (zh) * | 2021-08-02 | 2021-10-29 | 福州万山电力咨询有限公司 | 一种确定分布式光伏发电自发自用比例的方法及终端 |
CN113837498A (zh) * | 2021-11-08 | 2021-12-24 | 华北电力大学 | 一种充电设施规模预测方法及系统 |
CN115293468A (zh) * | 2022-10-10 | 2022-11-04 | 佰聆数据股份有限公司 | 电网区域分布式光伏消纳潜力长期预测方法、系统及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103138256A (zh) * | 2011-11-30 | 2013-06-05 | 国网能源研究院 | 一种新能源电力消纳全景分析系统及方法 |
CN104794545A (zh) * | 2015-04-28 | 2015-07-22 | 国家电网公司 | 一种配电网光伏并网方案的优化规划方法 |
CN105279346A (zh) * | 2015-11-20 | 2016-01-27 | 国网能源研究院 | 一种用于评估配电网接纳分布式光伏能力的方法 |
-
2018
- 2018-10-23 CN CN201811234405.6A patent/CN111092451B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103138256A (zh) * | 2011-11-30 | 2013-06-05 | 国网能源研究院 | 一种新能源电力消纳全景分析系统及方法 |
CN104794545A (zh) * | 2015-04-28 | 2015-07-22 | 国家电网公司 | 一种配电网光伏并网方案的优化规划方法 |
CN105279346A (zh) * | 2015-11-20 | 2016-01-27 | 国网能源研究院 | 一种用于评估配电网接纳分布式光伏能力的方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112003282A (zh) * | 2020-08-28 | 2020-11-27 | 国网山东省电力公司电力科学研究院 | 一种基于电网调峰能力预测新能源装机规模的方法 |
CN112003282B (zh) * | 2020-08-28 | 2022-04-26 | 国网山东省电力公司电力科学研究院 | 一种基于电网调峰能力预测新能源装机规模的方法 |
CN112242703A (zh) * | 2020-09-14 | 2021-01-19 | 河海大学 | 一种基于pso优化蒙特卡洛算法的配电网光伏消纳评估方法 |
CN112242703B (zh) * | 2020-09-14 | 2022-10-11 | 河海大学 | 一种基于pso优化蒙特卡洛算法的配电网光伏消纳评估方法 |
CN113570267A (zh) * | 2021-08-02 | 2021-10-29 | 福州万山电力咨询有限公司 | 一种确定分布式光伏发电自发自用比例的方法及终端 |
CN113837498A (zh) * | 2021-11-08 | 2021-12-24 | 华北电力大学 | 一种充电设施规模预测方法及系统 |
CN113837498B (zh) * | 2021-11-08 | 2024-01-30 | 华北电力大学 | 一种充电设施规模预测方法及系统 |
CN115293468A (zh) * | 2022-10-10 | 2022-11-04 | 佰聆数据股份有限公司 | 电网区域分布式光伏消纳潜力长期预测方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111092451B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111092451B (zh) | 一种基于配电网网格的光伏消纳预警方法 | |
CN107301472B (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
CN110474339B (zh) | 一种基于深度发电负荷预测的电网无功控制方法 | |
JP2020517227A (ja) | 超大規模の水力発電所群の短期間実用化スケジューリング方法 | |
CN105680474B (zh) | 一种储能抑制光伏电站快速功率变化的控制方法 | |
CN111709109B (zh) | 一种考虑源荷时序相关性的光伏消纳容量计算方法及装置 | |
CN112734098B (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
CN103729685A (zh) | 基于改进rbf神经网络的光伏电站群区域功率预测方法 | |
CN112803495A (zh) | 基于能量共享的5g基站微网光储系统容量优化配置方法 | |
CN114069687B (zh) | 一种计及逆变器无功调节作用的分布式光伏规划方法 | |
CN113452033B (zh) | 分区自治的含高比例光伏配电网电压控制方法及存储介质 | |
CN110912177A (zh) | 一种多端柔性直流输电系统多目标优化设计方法 | |
CN110994606A (zh) | 一种基于复杂适应系统理论的多能源电源容量配置方法 | |
CN114243794A (zh) | 风光水多能互补系统灵活性需求量化及协调优化方法 | |
CN116388262A (zh) | 基于多目标优化的含分布式光伏配网无功优化方法及系统 | |
CN109829599B (zh) | 基于高比例可再生能源的配电网的集群划分方法及装置 | |
CN108694475B (zh) | 基于混合模型的短时间尺度光伏电池发电量预测方法 | |
CN109034587B (zh) | 一种协调多种可控单元的主动配电系统优化调度方法 | |
CN108667071B (zh) | 一种主动配电网负荷精准控制计算方法 | |
CN114336762A (zh) | 风光发电及电网负荷波动日前调度储能配置优化方法 | |
CN113270898A (zh) | 一种基于两阶段规划的分布式光伏优化配置方法 | |
CN105207255B (zh) | 一种适用于风电出力的电力系统调峰计算方法 | |
CN108416132B (zh) | 一种分布式光伏集群的自动变步长仿真加速方法 | |
CN113435730B (zh) | 一种变电站储能容量的协同配置方法、装置及系统 | |
CN113312779B (zh) | 一种低碳型柔性配电网高满意度动态综合规划方法 |
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 |