CN111564854A - 基于能源互联网分区域脆弱性分析的储能装置布放方法 - Google Patents
基于能源互联网分区域脆弱性分析的储能装置布放方法 Download PDFInfo
- Publication number
- CN111564854A CN111564854A CN202010526466.0A CN202010526466A CN111564854A CN 111564854 A CN111564854 A CN 111564854A CN 202010526466 A CN202010526466 A CN 202010526466A CN 111564854 A CN111564854 A CN 111564854A
- Authority
- CN
- China
- Prior art keywords
- energy
- node
- nodes
- information
- fault
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种基于能源互联网分区域脆弱性分析的分布式储能装置布放方法，包括：收集能源互联网在分布式储能装置位置布放时所需的数据，基于电力网络拓扑信息和电力特性信息对能源互联网中的能量节点进行分区，得到多个能量子网，对每个能量子网所需的分布式能源装置数量进行初始分配；在每个能量子网内进行基于信息物理融合仿真的脆弱性分析，选择出脆弱性大的关键性节点；在所述关键性节点附近，布放分布式储能装置。本发明能够提高保障区域内能源系统的安全平稳运行，实现区域间能源的高效共享，也有利于通过分布式储能装置的协同控制，实现分布式储能对整个网络的全面支撑，最大化收益/投资比，为系统的整体性能提升提供坚实的保障。
Description
技术领域
本发明属于能源生产和消费领域，尤其涉及一种应用于能源互联网的分布式储能装置部署方法。
背景技术
通常，在能源互联网架构中，储能/用电缓冲是能源互联网架构的重要组件，以打破供电和用电间的同步性。储能装置既是负荷也是电源。电源是智能的，能够预计供电状况并发送相关信息；负荷也是智能的，能够根据接收到的供电信息调整自身工作。它们必须通过控制算法，根据电网和分布式发电的电量或电价，决定是充电以备将来使用，还是放电以供当前使用。现在用电就等于提前了负荷的工作时间，调峰用电则是延后了负荷的工作时间，这个过程就是用电缓冲的过程。
分布式储能装置是能源互联网系统的重要组成部分，在以下三个方面发挥重要作用：
第一，储能装置对于能源正常有效的持续供应起到保障作用。在分布式发电装置不能正常工作时，如太阳能发电的夜间或风力发电无风时，储能装置能够起到过渡的作用，持续向用户供电储能装置能够起到过渡作用，持续向用户稳定供应能源。
第二，储能装置能够改善电能质量，维持系统稳定。应用储能装置是改善发电机输出电压和频率质量的有效途径，同时增加了分布式发电机组与电网并网运行时的可靠性。可靠的分布式发电单元与储能装置的结合是解决诸如电压跌落、涌流和瞬时供电中断等动态电能质量问题的有效手段之一。
第三，储能装置是能源合理调度的必要支持，根据需求提供调峰和紧急功率支持等服务，同时提高分布式发电单元拥有者的经济效益。在电力市场的环境下，分布式发电单元与电网并网运行，有了足够的储存电力，分布式发电单元成为可调度的机组单元，发电单元拥有者可以根据不同情况向电力公司卖电，提供调峰和紧急功率支持等服务，获取最大的经济效益。
然而，发明人表示：为了实现分布式储能装置的合理利用，优化系统性能和提升网络的平稳性和鲁棒性，需要实现储能装置的优化布放甚至于最优位置布放，以更加经济的代价甚至于最小的代价实现优良甚至最高的网络性能增益。有鉴于此，本申请提出了一种针对能源互联网基于区域分区和区内脆弱性分析的分布式储能装置布放方法。
发明内容
本发明的目的在于解决现有技术存在的上述不足中的至少一项。例如，本发明的目的之一在于解决针对能源互联网的分布式储能装置布放问题，以提高分布式储能装置布放位置的合理性。
为了实现上述目的，本发明的一方面提供了一种基于能源互联网分区域脆弱性分析的分布式储能装置布放方法，所述方法包括：步骤1、收集能源互联网在分布式储能装置位置布放时所需的数据，所述数据包括所述能源互联网的电力网络拓扑信息和电力特性信息；步骤2、基于电力网络拓扑信息和电力特性信息对能源互联网中的能量节点进行分区，得到多个能量子网，同时基于信息节点与能量节点的一一对应，也能够相应得到多个信息子网；步骤3、根据所述多个能量子网的数目和分布式能源装置的数目，对所述多个能量子网中的每个能量子网所需的分布式能源装置数量进行初始分配，且保证每个能量子网至少能被分配一个分布式能源装置；步骤4、在每个能量子网内进行基于信息物理融合仿真的脆弱性分析，选择出脆弱性大的关键性节点；步骤5、在所述关键性节点附近，布放分布式储能装置。
本发明的另一方面提供了一种基于能源互联网分区域脆弱性分析的分布式储能装置布放方法，所述方法包括以下步骤：A、收集能源互联网在分布式储能装置位置布放时所需的数据，所述数据包括所述能源互联网的电力网络拓扑信息和电力特性信息；B、基于电力网络拓扑信息和电力特性信息对能源互联网中的节点进行分区，得到多个能量子网；C、根据所述多个能量子网的数目和分布式能源装置的数目，对所述多个能量子网中的每个能量子网所需的分布式能源装置数量进行初始分配，且保证每个能量子网至少能被分配一个分布式能源装置；D、在每个能量子网内选择出脆弱性大的关键性节点，所述关键性节点为电源和负荷显著不平衡的节点；E、在每个能量子网内的所述关键性节点附近布放分布式储能装置。
与现有技术相比，本发明的有益效果包括以下内容中的一项或多项：
能够针对能源互联网内部节点和区域的异构性，更加高效和合理地布放分布式储能装置，从而更好地发挥分布式储能装置既满足本地的短时储能和调峰、调频需求，也满足能源互联网长期的整体分布式储能需求；
能够在能源互联网中更加合理的布放分布式储能装置，从而有利于解决因分布式可再生能源的大规模接入和广泛采用大容量非线性负荷，而导致的能源互联网的电压和电流随机波动变得更加频繁和严重，发电和负荷的短/长期平衡越来越难得到保障，甚至可能严重影响电力系统的正常运行等问题；
能够通过更加合理的布放分布式储能装置，提高保障区域内能源系统的安全平稳运行，实现区域间能源的高效共享，也有利于通过分布式储能装置的协同控制，实现分布式储能对整个网络的全面支撑，最大化收益/投资比，为系统的整体性能提升提供坚实的保障。
附图说明
图1示出了本发明的基于能源互联网分区域脆弱性分析的储能装置布放方法的一个示例性实施例的示意流程图。
图2示出了本发明的基于能源互联网分区域脆弱性分析的储能装置布放方法的一个示例性实施例中基于信息物理耦合的脆弱性分析示意图。
具体实施方式
在下文中，将结合附图和示例性实施例来详细说明本发明的基于能源互联网分区域脆弱性分析的储能装置布放方法。
经研究，发明人表示：能源互联网运行过程中，可能会产生随机的电能波动，电压电流会产生不同频率的震荡，有功或无功可能出现短缺或冗余，其影响会扩散到相邻节点。因此，需要在波动严重的位置附近布放分布式储能装置，以实现对本区域的调峰调频和有功、无功支撑，并通过分散协同，保障整个能源互联网的可持续能源供应。根据本发明的方法，可以选择出性能较优的布放位置，为局部和全局的电能质量稳定提供保证。
实施例1
图1示出了本发明的基于能源互联网分区域脆弱性分析的储能装置布放方法的一个示例性实施例的示意流程图。
在本发明的一个示例性实施例中，基于能源互联网分区域脆弱性分析的分布式储能装置布放方法可通过以下步骤实现：
步骤1、收集能源互联网在分布式储能装置位置布放时所需的数据，所述数据包括所述能源互联网的电力网络拓扑信息和电力特性信息。
具体来讲，在针对能源互联网对象进行分布式储能装置布设时，可系统性地收集分布式储能位置布放所需的各种数据。例如，这些数据可以包括电力网络相关拓扑和电力特性信息（如，信息拓扑、能源拓扑、带宽限制、容量限制、连接时延等），以及对不同时间、空间规模网络节点能源生产能力和消费能力的历史数据和预测数据。
步骤2、基于电力网络拓扑信息和电力特性信息对能源互联网中的能量节点进行分区，得到多个能量子网（也可称为多个分区），同时基于信息节点与能量节点的一一对应，也能够相应得到多个信息子网。分区时同时考虑能量网络拓扑和节点能源电力特性相关信息，有利于实现区域内节点的高度连接性和电力特征相似性。此外，基于分区可以实现后续脆弱性分析的并行性计算，从而显著降低时间复杂度。
具体来讲，基于电力网络拓扑信息和电力特性信息对能源互联网中的能量节点进行分区时，可采用各种典型的分区或聚类算法（如，k均值（k-means）聚类算法、模糊（fuzzy）聚类算法等）。分区数目可以参考现已提出的各种分区数目确定准则（基于各类指标）。继而，基于信息节点与能量节点的一一对应，也能够相应得到多个信息子网。例如，对于采用信息-能源基础设施一体化技术的能源互联网，信息节点与能量节点一一对应。在信息节点和能量节点呈一对一的映射关系的情况下，任何一个信息节点的故障会导致与之相连的能量节点的故障（失去系统控制）；同样的，任何一个能量节点的故障会导致与之相连的信息节点的故障（失去能源支持）。能源互联网中用于分区的节点可包括能源生产节点、能源传输节点和能源消费节点。这些节点均与信息传输节点相连接，并同时用于步骤4的脆弱性分析。
步骤3、根据所述多个能量子网的数目和分布式能源装置的数目，对所述多个能量子网中的每个能量子网所需的分布式能源装置数量进行初始分配，且保证每个能量子网至少能被分配一个分布式能源装置。
步骤4、在每个能量子网内进行基于信息物理融合仿真的脆弱性分析，选择出脆弱性大的关键性节点。
具体来讲，步骤4可通过以下多个子步骤来实现：
子步骤4.1、获取每个能量子网和每个信息子网内所有能量链路的容量信息、能量节点和信息节点的拓扑信息和映射关系信息、以及管理节点位置信息，同时按照预定比例，分配每个能量子网内的每个能量节点的能量传输需求。管理节点位置信息可以为人为预先在未被分区的信息网络中部署的若干管理节点，也就是说，信息子网中的一些信息节点为管理节点。
例如，对每个能量子网内的每个能量节点的能量传输需求的分配可通过式（1）得到。
其中，
表示能量节点i的能量传输需求；
表示能量节点i的最大能量需求限制；u为能量传输需求相关系数，其可在0到1之间选择，优选地，u可以为在0到1之间平均分布的随机变量。例如，可以规定u的取值集合为[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9]；也可以规定u为在0至1之前的其它具体组合方式。例如，随机分配，或在0至1的区域内等值分配等。
子步骤4.2、随机或按预定顺序选择一个能量节点作为能量故障节点，将该能量故障节点的能量传输需求在相邻能量节点间根据相邻能量节点的容量大小按比例分配，并将该能量故障节点在能量子网拓扑中标记，然后去除该能量故障节点和该能量故障节点的所有连接线路。
例如，子步骤4.2中，将该能量故障节点的能量传输需求在相邻能量节点间根据相邻能量节点的容量大小按比例分配（可称为再分配或重新分配）的具体方式可以为：将该能量故障节点的能量传输需求（即子步骤4.1中分配给该能量故障节点的能量传输需求），分别分配给与该能量故障节点直接相邻的各个能量节点，且每个直接相邻的能量节点所分配得到的增量（即，该直接相邻的能量节点相对于故障能量节点的能量传输需求改变值）可通过式（2）得到。
其中，j表示能量故障节点（可简称为节点j），k表示与能量故障节点j直接相邻的某一能量节点（可称为j的邻居节点k，也可简称为节点k）；
表示节点j故障时，节点k的能量传输需求改变值；
表示节点j在子步骤4.1或子步骤4a中所分配得到的能量传输需求；
表示节点k的最大能量需求限制（或最大能量传输容量）；
表示节点j的所有邻居节点的最大能量需求限制（或最大能量传输容量）之和。或者，
表示节点k的能量传输冗余；相应地，
表示节点j的所有邻居节点的能量传输冗余之和。
子步骤4.3、对于子步骤4.2中按比例分配后的能量节点，在某一能量节点的能量传输需求大于自身的最大容量限制（或最大能量需求限制）的情况下，则将该某一能量节点标记为能量故障节点并去除该某一能量节点和及其连接线路（可简称为线路）。
表1 能量节点的初始分配和去掉故障节点后再分配的示例
| 能量节点 | 最大能量需求限制 | u | 初始分配的能量传输需求 | 能量传输冗余 | 能量传输需求变化值 | 重新分配的能量传输需求 | 是否故障点 |
| 1 | 200 | 0.3 | 54.8 | 145.2 | 0.0 | 54.8 | 145.2 |
| 2 | 400 | 0.7 | 289.6 | 110.4 | 0.0 | 289.6 | 110.4 |
| 3 | 200 | 0.4 | 71.6 | 128.4 | 56.2 | 127.7 | 72.3 |
| 4 | 200 | 0.1 | 25.6 | 174.4 | 56.2 | 81.8 | 118.2 |
| 5 | 200 | 0.4 | 76.7 | 123.3 | 56.2 | 132.9 | 67.1 |
| 6 | 200 | 0.4 | 70.9 | 129.1 | - | - | - |
| 7 | 400 | 0.7 | 289.9 | 110.1 | 112.4 | 402.3 | (-2.3) |
| 8 | 200 | 0.4 | 86.9 | 113.1 | 56.2 | 143.1 | 56.9 |
| 9 | 200 | 0.1 | 12.6 | 187.4 | 56.2 | 68.8 | 131.2 |
| 10 | 400 | 0.3 | 131.5 | 268.5 | 112.4 | 243.9 | 156.1 |
| 11 | 200 | 0.3 | 54.3 | 145.7 | 56.2 | 110.5 | 89.5 |
| 12 | 200 | 0.6 | 121.5 | 78.5 | 56.2 | 177.7 | 22.3 |
| 13 | 200 | 0.1 | 28.9 | 171.1 | 56.2 | 85.1 | 114.9 |
| 14 | 300 | 0.0 | 2.6 | 297.4 | 84.3 | 86.9 | 213.1 |
| 15 | 200 | 0.3 | 69.4 | 130.6 | 56.2 | 125.6 | 74.4 |
| 16 | 200 | 0.2 | 41.1 | 158.9 | 56.2 | 97.3 | 102.7 |
| 17 | 200 | 0.6 | 122.1 | 77.9 | 56.2 | 178.3 | 21.7 |
| 18 | 400 | 0.8 | 330.6 | 69.4 | 112.4 | 443.0 | (-43.0) |
| 19 | 200 | 0.5 | 102.4 | 97.6 | 56.2 | 158.6 | 41.4 |
| 20 | 300 | 0.6 | 168.6 | 131.4 | 84.3 | 252.9 | 47.1 |
这里，作为示例，表1所对应的能量子网拓扑为五横四竖形成的网格结构，其各个节点的相对位置关系如下所示：
1 2 3 4
5 6 7 8
9 10 11 12
13 14 15 16
17 18 19 20。
如表1所示，将能量节点6选择为故障节点，在去掉该能量故障节点及其线路（即，节点6分别与节点2、5、7和10的之间的线段）后，新产生的能量故障节点为能量节点7和18。然后，分别将能量节点7和18标记为能量故障节点，并去除能量节点7及其线路（即，节点7分别与节点3、8和11的之间的线段））和能量节点18和及其线路（即，节点18分别与节点14、17和19的之间的线段）。
子步骤4.4、根据信息节点和能量节点的对应关系，将能量子网中的能量故障节点对应的信息节点和信息节点之间的传输线路（可简称为线路）标记为信息故障节点和线路。
也就是说，将子步骤4.2中选择的能量故障节点及其线路、以及子步骤4.3中新产生的能量故障节点及其线路对应的信息节点及其线路标记为信息故障节点和线路。
子步骤4.5、在信息子网中，如果去掉所标记的信息故障节点和线路后，信息子网拓扑出现节点数目小于3个的独立子网（可称为第一独立子网），则将该独立子网的所有节点标记为信息故障节点，断开该独立子网的所有线路。
子步骤4.6、当信息故障节点导致信息子网中出现不与任一管理节点相连接（或可达）的独立子网（可称为第二独立子网）时，将该独立子网所有节点标记为信息故障节点，断开该独立子网的所有线路。
子步骤4.7、通过信息子网和能量子网之间的映射关系，将与信息故障节点直接相对应（或直接相连）的能量节点标记为能量故障节点，断开该能量故障节点和线路。
子步骤4.8、将新增的能量故障节点的能量传输需求按比例分配给相邻节点后，重新运行子步骤4.3至4.8，直到再无新增的能量故障节点，进入随后的子步骤4.9。
子步骤4.9、从子步骤4.2开始进行迭代，能量故障节点的所述选择（例如，子步骤4.2中的选择）以在能量子网中完成节点遍历或实现足够多的随机采样的方式进行，记录每次出现的能量故障节点。
子步骤4.10、可采用式（1）重新分配每个能量子网内的每个能量节点的能量传输需求，从步骤4.1开始迭代。
子步骤4.11、统计每个能量节点总的出故障次数（仿真中被标记为故障节点的次数），根据故障次数多少确定关键性节点。例如，关键性节点可以为出故障次数最多的节点；或者可以为出故障次数最多和次多的两个节点。
图2示出了本发明的基于能源互联网分区域脆弱性分析的储能装置布放方法的一个示例性实施例中基于信息物理耦合的脆弱性分析示意图。如图2所示，上层L1示意性地示出了信息网络，下层L2示意性地示出了能源网络（或称能量网络），上层和下层之间的连线表示信息网络和能源网络的融合（或信息物理融合或耦合），标号I、II、III所对应的椭圆分别示意性地示出了不同的故障范围，P示意性地示出了脆弱性节点。
步骤5、在所述关键性节点附近，布放分布式储能装置。
具体来讲，布放位置可以为从由所述关键性节点以及该关键性节点的一跳邻居节点构成的集合中选择；并且所述布放位置所对应的节点能够满足一跳邻居节点最多，或满足可用带宽最大，或满足与周围节点的平均通信时延最小，或满足具有最大的加权平均值。这里，加权平均值可通过对一跳邻居节点数目和相邻节点的最大电力容量进行加权平均得到。
优选地，布放位置从由所述关键性节点以及该关键性节点的一跳邻居节点构成的集合中选择，且布放位置所对应的节点能够满足具有最大的加权平均值。
实施例2
在本发明的另一个示例性实施例中，基于能源互联网分区域脆弱性分析的分布式储能装置布放方法采用与上述实施例1中类似的步骤进行，不同在于子步骤4.9。
具体来讲，对于子步骤4.9，从步骤4.2开始进行迭代，能量故障节点的所述选择（例如，子步骤4.2中的选择）以在能量子网中完成节点遍历或实现足够多的随机采样的方式进行，记录每次出现的能量故障节点；在随机选择或选择并遍历单个节点作为故障能量节点进行仿真后，继续选择多个节点作为一组故障能量节点进行仿真，且每次仿真所选择的故障能量节点的数目不超过3个，并记录每次出现的能量故障节点。类似地，选择多个能量故障节点进行仿真时，也能够以在能量子网中完成节点遍历或实现足够多的随机采样的方式进行。
实施例3
在本发明的另一个示例性实施例中，基于能源互联网分区域脆弱性分析的分布式储能装置布放方法采用与上述实施例1中类似的步骤进行，不同在于步骤4通过以下各个子步骤实现：
子步骤4a、获取每个能量子网和每个信息子网内所有能量链路的容量信息、能量节点和信息节点的拓扑信息和映射关系信息，同时按照预定比例，分配每个能量子网内的每个能量节点的能量传输需求。例如，对每个能量子网内的每个能量节点的能量传输需求的分配可通过上述式（1）得到。
子步骤4b、随机或按预定顺序选择一个能量节点作为能量故障节点，将该能量故障节点的能量传输需求在相邻能量节点间根据相邻能量节点的容量大小按比例分配，并将该能量故障节点在能量子网拓扑中标记，然后去除该能量故障节点和该能量故障节点的所有连接线路。
例如，子步骤4b中，将该能量故障节点的能量传输需求在相邻能量节点间根据相邻能量节点的容量大小按比例分配（可称为再分配或重新分配）的具体方式可以为：将该能量故障节点的能量传输需求（即子步骤4a中分配给该能量故障节点的能量传输需求），分别分配给与该能量故障节点直接相邻的各个能量节点，且每个直接相邻的能量节点所分配得到的增量（即，该直接相邻的能量节点相对于故障能量节点的能量传输需求改变值）可通过上述式（2）得到。
子步骤4c、对于子步骤4b中按比例分配后的能量节点，如果某一能量节点的能量传输需求大于自身的最大容量限制（或最大能量需求限制），则将该某一能量节点标记为能量故障节点并去除该某一能量节点和线路。
子步骤4d、根据信息节点和能量节点的对应关系，将能量子网中的能量故障节点对应的信息节点和信息节点之间的传输线路（可简称为线路）标记为信息故障节点和线路。
也就是说，将子步骤4b中选择的能量故障节点及其线路、以及子步骤4c中新产生的能量故障节点及其线路对应的信息节点及其线路标记为信息故障节点和线路。
子步骤4e、在信息子网中，如果去掉所标记的信息故障节点和线路后，信息子网拓扑出现节点数目小于3个的独立子网（可称为第一独立子网），则将该独立子网的所有节点标记为信息故障节点，断开该独立子网的所有线路。
子步骤4f、通过信息子网和能量子网之间的映射关系，将与信息故障节点直接相对应（或直接相连）的能量节点标记为能量故障节点，断开该能量故障节点和线路。
子步骤4g、将新增的能量故障节点的能量传输需求按比例分配给相邻节点后，重新运行子步骤4c至4g，直到再无新增的能量故障节点，进入随后的子步骤4h。
子步骤4h、从子步骤4b开始进行迭代，能量故障节点的所述选择（例如，子步骤4b中的选择）以在能量子网中完成节点遍历或实现足够多的随机采样的方式进行，记录每次出现的能量故障节点。
子步骤4i、可采用式（1）重新分配每个能量子网内的每个能量节点的能量传输需求，从步骤4a开始迭代。
子步骤4j、统计每个能量节点总的出故障次数，根据故障次数多少确定所述关键性节点。例如，关键性节点可以为出故障次数最多的节点；或者可以为出故障次数最多和次多的两个节点。
实施例4
在本发明的另一个示例性实施例中，基于能源互联网分区域脆弱性分析的分布式储能装置布放方法采用与上述实施例3中类似的步骤进行，不同在于子步骤4h。
具体来讲，对于子步骤4h，从子步骤4b开始进行迭代，能量故障节点的所述选择（例如，子步骤4b中的选择）以在能量子网中完成节点遍历或实现足够多的随机采样的方式进行，记录每次出现的能量故障节点；在随机选择或选择并遍历单个节点作为故障能量节点进行仿真后，继续选择多个节点作为一组故障能量节点进行仿真，且每次仿真所选择的故障能量节点的数目不超过3个，并记录每次出现的能量故障节点。类似地，选择多个能量故障节点进行仿真时，也能够以在能量子网中完成节点遍历或实现足够多的随机采样的方式进行。
实施例5
在本发明的另一个示例性实施例中，基于能源互联网分区域脆弱性分析的分布式储能装置布放方法通过以下步骤实现：
A、收集能源互联网在分布式储能装置位置布放时所需的数据，所述数据包括所述能源互联网的电力网络拓扑信息和电力特性信息。
具体来讲，在针对能源互联网对象进行分布式储能装置布设时，可系统性地收集分布式储能位置布放所需的各种数据。例如，这些数据可以包括电力网络相关拓扑和电力信息（如，信息拓扑、能源拓扑、带宽限制、容量限制、连接时延等），以及对不同时间、空间规模网络节点能源生产能力和消费能力的历史数据和预测数据。
B、基于电力网络拓扑信息和电力特性信息对能源互联网中的节点进行分区，得到多个能量子网（也可称为多个分区）。此外，还可进一步基于信息节点与能量节点的一一对应，相应得到多个信息子网。
具体来讲，基于电力网络拓扑信息和电力特性信息对能源互联网中的能量节点进行分区时，可采用各种典型的分区或聚类算法（如，k均值（k-means）聚类算法、模糊（fuzzy）聚类算法等）。此外，还可进一步基于信息节点与能量节点的一一对应，相应得到多个信息子网。例如，对于采用信息-能源基础设施一体化技术的能源互联网，信息节点与能量节点一一对应。
C、根据所述多个能量子网的数目和分布式能源装置的数目，对所述多个能量子网中的每个能量子网所需的分布式能源装置数量进行初始分配，且保证每个能量子网至少能被分配一个分布式能源装置。
D、在每个能量子网内选择出脆弱性大的关键性节点，所述关键性节点为电源和负荷显著不平衡的节点。例如，所述关键性节点可以用能量子网中各个节点的用电能力减去发电能力为正的值构成集合，并从该集合中选出具有最大值的节点作为关键性节点。或者，所述关键性节点可以用能量子网中各个节点的用电能力减去发电能力为正的值构成集合，并从该集合中选出具有最大值和次大值的两个节点作为关键性节点。
E、在每个能量子网内的所述关键性节点附近布放分布式储能装置。
具体来讲，布放位置可以为从由所述关键性节点以及该关键性节点的一跳邻居节点构成的集合中选择；并且所述布放位置所对应的节点能够满足一跳邻居节点最多，或满足可用带宽最大，或满足与周围节点的平均通信时延最小，或满足具有最大的加权平均值。这里，加权平均值可通过对一跳邻居节点数目和相邻节点的最大电力容量进行加权平均得到。
优选地，布放位置从由所述关键性节点以及该关键性节点的一跳邻居节点构成的集合中选择，且布放位置所对应的节点能够满足具有最大的加权平均值。
综上所述，本发明的基于能源互联网分区域脆弱性分析的储能装置布放方法的优点包括：
通过网络节点分区，可以将网络分为具有不同电力特性的区域，对每个区域研究相应的分布式储能布放策略，从而增强脆弱性分析的针对性和有效性，增加分布式储能装置位置布放的网络覆盖范围和整体性能增益，并能够有效的实现并行运行，减少时间复杂度；
随着可布放的分布式储能装置数目的增加，储能装置能有效覆盖的网络的脆弱性节点和区域也将扩大，能源的补偿、控制和分享能力得到加强，系统的整体储能增益随之增强，而本发明的方法有利于实现分布式储能装置的优化配置，使得分布式储能装置的投入和产出效率得到增强，避免不必要的成本和安装代价；
通过对分布式储能装置的高效配置和利用，能够以较小或最小的储能成本，最大限度的保障系统的整体安全性和鲁棒性。
尽管上面已经结合示例性实施例及附图描述了本发明，但是本领域普通技术人员应该清楚，在不脱离权利要求的精神和范围的情况下，可以对上述实施例进行各种修改。
Claims (10)
1.一种基于能源互联网分区域脆弱性分析的分布式储能装置布放方法，其特征在于，所述方法包括：
步骤1、收集能源互联网在分布式储能装置位置布放时所需的数据，所述数据包括所述能源互联网的电力网络拓扑信息和电力特性信息；
步骤2、基于电力网络拓扑信息和电力特性信息对能源互联网中的能量节点进行分区，得到多个能量子网，同时基于信息节点与能量节点的一一对应，也能够相应得到多个信息子网；
步骤3、根据所述多个能量子网的数目和分布式能源装置的数目，对所述多个能量子网中的每个能量子网所需的分布式能源装置数量进行初始分配，且保证每个能量子网至少能被分配一个分布式能源装置；
步骤4、在每个能量子网内进行基于信息物理融合仿真的脆弱性分析，选择出关键性节点；
步骤5、在所述关键性节点附近，布放分布式储能装置。
2.根据权利要求1所述的分布式储能装置布放方法，其特征在于，所述步骤4包括：
子步骤4.1、获取每个能量子网和每个信息子网内所有能量链路的容量信息、能量节点和信息节点的拓扑信息和映射关系信息、以及管理节点位置信息，同时按照预定比例，分配每个能量子网内的每个能量节点的能量传输需求；
子步骤4.2、选择一个能量节点作为能量故障节点，将该能量故障节点的能量传输需求在相邻能量节点间根据相邻能量节点的容量大小按比例分配，并将该能量故障节点在能量子网拓扑中标记，然后去除该能量故障节点和该能量故障节点的所有连接线路；
子步骤4.3、对于子步骤4.2中按比例分配后的能量节点，如果某一能量节点的能量传输需求大于自身的最大容量限制，则将该某一能量节点标记为能量故障节点并去除该某一能量节点和线路；
子步骤4.4、根据信息节点和能量节点的对应关系，将能量子网中的能量故障节点对应的信息节点和信息节点之间的传输线路标记为信息故障节点和线路；
子步骤4.5、在信息子网中，如果去掉所标记的信息故障节点和线路后，信息子网拓扑出现第一独立子网，且所述第一独立子网的节点数目小于3个，则将所述第一独立子网的所有节点标记为信息故障节点，断开所述第一独立子网的所有线路；
子步骤4.6、当信息故障节点导致信息子网中出现不与任一管理节点相连接的第二独立子网时，将所述第二独立子网所有节点标记为信息故障节点，断开所述第二独立子网的所有线路；
子步骤4.7、通过信息子网和能量子网之间的映射关系，将与信息故障节点直接相连的能量节点标记为能量故障节点，断开该能量故障节点和线路；
子步骤4.8、将新增的能量故障节点的能量传输需求按比例分配给相邻节点后，重新运行子步骤4.3至4.8，直到再无新增的能量故障节点；
子步骤4.9、从子步骤4.2开始进行迭代，能量故障节点的选择以在能量子网中完成节点遍历或随机采样的方式进行，记录每次出现的能量故障节点；
子步骤4.10、重新分配每个能量子网内的每个能量节点的能量传输需求，从步骤4.1开始迭代；
子步骤4.11、统计每个能量节点总的出故障次数，根据出故障次数确定所述关键性节点。
3.根据权利要求2所述的分布式储能装置布放方法，其特征在于，所述子步骤4.9为：从子步骤4.2开始进行迭代，能量故障节点的选择以在能量子网中完成节点遍历或随机采样的方式进行，记录每次出现的能量故障节点；在选择单个节点作为故障能量节点进行仿真后，继续选择多个节点作为一组故障能量节点进行仿真，且每次仿真的故障能量节点数目不超过3个，并记录每次出现的能量故障节点。
4.根据权利要求1所述的分布式储能装置布放方法，其特征在于，所述步骤4包括：
子步骤4a、获取每个能量子网和每个信息子网内所有能量链路的容量信息、能量节点和信息节点的拓扑信息和映射关系信息，同时按照预定比例，分配每个能量子网内的每个能量节点的能量传输需求；
子步骤4b、选择一个能量节点作为能量故障节点，将该能量故障节点的能量传输需求在相邻能量节点间根据相邻能量节点的容量大小按比例分配，并将该能量故障节点在能量子网拓扑中标记，然后去除该能量故障节点和该能量故障节点的所有连接线路；
子步骤4c、对于子步骤4b中按比例分配后的能量节点，如果某一能量节点的能量传输需求大于自身的最大容量限制，则将该某一能量节点标记为能量故障节点并去除该某一能量节点和线路；
子步骤4d、根据信息节点和能量节点的对应关系，将能量子网中的能量故障节点对应的信息节点和信息节点之间的传输线路标记为信息故障节点和线路；
子步骤4e、在信息子网中，如果去掉所标记的信息故障节点和线路后，信息子网拓扑出现第一独立子网，且所述第一独立子网的节点数目小于3个，则将所述第一独立子网的所有节点标记为信息故障节点，断开所述第一独立子网的所有线路；
子步骤4f、通过信息子网和能量子网之间的映射关系，将与信息故障节点直接相连的能量节点标记为能量故障节点，断开该能量故障节点和线路；
子步骤4g、将新增的能量故障节点的能量传输需求按比例分配给相邻节点后，重新运行子步骤4c至4g，直到再无新增的能量故障节点；
子步骤4h、从子步骤4b开始进行迭代，能量故障节点的选择以在能量子网中完成节点遍历或随机采样的方式进行，记录每次出现的能量故障节点；
子步骤4i、重新分配每个能量子网内的每个能量节点的能量传输需求，从步骤4a开始迭代；
子步骤4j、统计每个能量节点总的出故障次数，根据出故障次数确定所述关键性节点。
5.根据权利要求4所述的分布式储能装置布放方法，其特征在于，所述子步骤4h为：从子步骤4b开始进行迭代，能量故障节点的选择以在能量子网中完成节点遍历或随机采样的方式进行，记录每次出现的能量故障节点；在选择单个节点作为故障能量节点进行仿真后，继续选择多个节点作为一组故障能量节点进行仿真，且每次仿真的故障能量节点数目不超过3个，并记录每次出现的能量故障节点。
6.根据权利要求2或4所述的分布式储能装置布放方法，其特征在于，所述子步骤4.1或子步骤4a中，分配每个能量子网内的每个能量节点的能量传输需求通过式1得到，所述式1为：
其中，
表示节点i的能量传输需求，
表示节点i的最大能量需求限制，u为在0到1之间平均分布的随机变量。
7.根据权利要求6所述的分布式储能装置布放方法，其特征在于，所述子步骤4.3或子步骤4c中，所述某一能量节点的能量传输需求为该某一能量节点在子步骤4.1或子步骤4a中所分配得到的能量传输需求与该某一能量节点相对于故障能量节点的能量传输需求改变值之和，所述能量传输需求改变值通过式2得到，式2为：
其中，j表示能量故障节点，k表示所述某一能量节点，且为j的一个邻居节点；
表示j故障时，k的能量传输需求改变值；
表示所述某一能量节点在子步骤4.1或子步骤4a中所分配得到的能量传输需求；
表示节点k的最大能量传输容量或能量传输冗余；相应地，
表示节点j的所有邻居节点的最大能量传输容量之和或能量传输冗余之和。
8.根据权利要求1所述的分布式储能装置布放方法，其特征在于，所述步骤5中分布式储能装置的布放位置为从由所述关键性节点以及该关键性节点的一跳邻居节点构成的集合中选择；且所述布放位置所对应的节点满足一跳邻居节点最多，或满足可用带宽最大，或满足与周围节点的平均通信时延最小，或满足具有最大的加权平均值，所述加权平均值通过对一跳邻居节点数目和相邻节点的最大电力容量进行加权平均得到。
9.一种基于能源互联网分区域脆弱性分析的分布式储能装置布放方法，其特征在于，所述方法包括以下步骤：
A、收集能源互联网在分布式储能装置位置布放时所需的数据，所述数据包括所述能源互联网的电力网络拓扑信息和电力特性信息；
B、基于电力网络拓扑信息和电力特性信息对能源互联网中的节点进行分区，得到多个能量子网；
C、根据所述多个能量子网的数目和分布式能源装置的数目，对所述多个能量子网中的每个能量子网所需的分布式能源装置数量进行初始分配，且保证每个能量子网至少能被分配一个分布式能源装置；
D、在每个能量子网内选择出关键性节点，所述关键性节点为电源和负荷不平衡的节点；
E、在每个能量子网内的所述关键性节点附近布放分布式储能装置。
10.根据权利要求9所述的分布式储能装置布放方法，其特征在于，所述步骤E中分布式储能装置的布放位置为从由所述关键性节点以及该关键性节点的一跳邻居节点构成的集合中选择；且所述布放位置所对应的节点满足一跳邻居节点最多，或满足可用带宽最大，或满足与周围节点的平均通信时延最小，或满足具有最大的加权平均值，所述加权平均值通过对一跳邻居节点数目和相邻节点的最大电力容量进行加权平均得到。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010526466.0A CN111564854B (zh) | 2020-06-11 | 2020-06-11 | 基于能源互联网分区域脆弱性分析的储能装置布放方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010526466.0A CN111564854B (zh) | 2020-06-11 | 2020-06-11 | 基于能源互联网分区域脆弱性分析的储能装置布放方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111564854A true CN111564854A (zh) | 2020-08-21 |
| CN111564854B CN111564854B (zh) | 2020-10-27 |
Family
ID=72075219
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010526466.0A Active CN111564854B (zh) | 2020-06-11 | 2020-06-11 | 基于能源互联网分区域脆弱性分析的储能装置布放方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111564854B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070395A (zh) * | 2020-09-07 | 2020-12-11 | 四川华泰电气股份有限公司 | 能源互联网可靠性评估体系、模型建立方法和评估方法 |
| CN116307654A (zh) * | 2023-05-25 | 2023-06-23 | 潍坊学院 | 一种基于实时拓扑信息的能源枢纽平衡调节方法 |
| CN116667475A (zh) * | 2023-03-13 | 2023-08-29 | 深圳库博能源科技有限公司 | 一种基于云计算的储能管理系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150084407A1 (en) * | 2013-05-09 | 2015-03-26 | Expansion Energy Llc | Systems and methods of semi-centralized power storage and power production for multi-directional smart grid and other applications |
| CN106130007A (zh) * | 2016-06-27 | 2016-11-16 | 华北电力大学 | 一种基于脆弱性理论的主动配电网储能规划方法 |
| CN109256792A (zh) * | 2018-10-10 | 2019-01-22 | 华南理工大学 | 一种面向分布式储能需求的储能集聚系统及其优化方法 |
| CN109802396A (zh) * | 2019-02-18 | 2019-05-24 | 国网山西省电力公司长治供电公司 | 一种基于电压灵敏度配置的光伏台区电能质量治理系统 |
| CN109948695A (zh) * | 2019-03-18 | 2019-06-28 | 云南电网有限责任公司 | 一种基于近邻传播聚类算法的电网脆弱节点自动识别方法 |
-
2020
- 2020-06-11 CN CN202010526466.0A patent/CN111564854B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150084407A1 (en) * | 2013-05-09 | 2015-03-26 | Expansion Energy Llc | Systems and methods of semi-centralized power storage and power production for multi-directional smart grid and other applications |
| CN106130007A (zh) * | 2016-06-27 | 2016-11-16 | 华北电力大学 | 一种基于脆弱性理论的主动配电网储能规划方法 |
| CN109256792A (zh) * | 2018-10-10 | 2019-01-22 | 华南理工大学 | 一种面向分布式储能需求的储能集聚系统及其优化方法 |
| CN109802396A (zh) * | 2019-02-18 | 2019-05-24 | 国网山西省电力公司长治供电公司 | 一种基于电压灵敏度配置的光伏台区电能质量治理系统 |
| CN109948695A (zh) * | 2019-03-18 | 2019-06-28 | 云南电网有限责任公司 | 一种基于近邻传播聚类算法的电网脆弱节点自动识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王一帆: ""考虑主动配电网脆弱性的储能配置"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 陈世明 等: ""电力信息-物理系统的建模与脆弱性分析"", 《计算机应用与软件》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070395A (zh) * | 2020-09-07 | 2020-12-11 | 四川华泰电气股份有限公司 | 能源互联网可靠性评估体系、模型建立方法和评估方法 |
| CN112070395B (zh) * | 2020-09-07 | 2024-02-13 | 四川华泰电气股份有限公司 | 能源互联网可靠性评估体系、模型建立方法和评估方法 |
| CN116667475A (zh) * | 2023-03-13 | 2023-08-29 | 深圳库博能源科技有限公司 | 一种基于云计算的储能管理系统及方法 |
| CN116667475B (zh) * | 2023-03-13 | 2024-05-07 | 深圳库博能源科技有限公司 | 一种基于云计算的储能管理系统及方法 |
| CN116307654A (zh) * | 2023-05-25 | 2023-06-23 | 潍坊学院 | 一种基于实时拓扑信息的能源枢纽平衡调节方法 |
| CN116307654B (zh) * | 2023-05-25 | 2023-08-04 | 潍坊学院 | 一种基于实时拓扑信息的能源枢纽平衡调节方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111564854B (zh) | 2020-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111564854B (zh) | 基于能源互联网分区域脆弱性分析的储能装置布放方法 | |
| Jiang et al. | Two-step optimal allocation of stationary and mobile energy storage systems in resilient distribution networks | |
| RU2613350C2 (ru) | Способ и устройство для пространственно-временного управления потреблением электроэнергии телекоммуникационной сети в зависимости от состояний системы энергоснабжения | |
| Jarrah et al. | A hierarchical optimization model for energy data flow in smart grid power systems | |
| KR20110034510A (ko) | 마이크로그리드 에너지 저장장치 용량 산정 시스템 및 방법 | |
| JP2010279238A (ja) | 系統監視制御システム | |
| Zuo et al. | Collector system topology design for offshore wind farm's repowering and expansion | |
| CN112615368A (zh) | 一种基于分布式感知的台区拓扑生成方法及感知终端装置 | |
| CN111652411A (zh) | 分布式电源双层规划方法 | |
| CN113762792A (zh) | 固定式与移动式混合储能系统优化配置系统及方法 | |
| Deng et al. | Resilience-oriented dynamic distribution network with considering recovery ability of distributed resources | |
| CN110879913A (zh) | 一种用于电网离线和在线数据的异构网架拓扑映射方法 | |
| CN115207919A (zh) | 一种适用于农村架空配电网的网架系统以及网架构建方法 | |
| Amleh et al. | Impact of smart restoration and energy storage systems on the reliability of electric microgrid | |
| CN113241758A (zh) | 一种平衡配电台区间不同源荷结构的柔性互联拓扑设计方法及系统 | |
| CN113675846A (zh) | 基于聚合效应的配电网分布式储能优化调度方法 | |
| Martins et al. | Fault resilience in energy community microgrids | |
| Kunkolienkar et al. | Creating Active and Reactive Power Reserve Zones for Large-Scale Electric Grids | |
| Xu et al. | Distributed coordination control of multiple VPPs in an active distribution network | |
| Shimim et al. | A Graph-Theory-Based Clustering Method for Improving Resiliency of Distribution Systems | |
| Alsharif et al. | Toward optimal cost-energy management green framework for sustainable future wireless networks | |
| Chen et al. | 5G and Energy Internet Planning for Power and Communication Network Expansion | |
| Zhang et al. | A Multilevel Edge Computing Architecture and Edge Generation Method of Distribution Networks | |
| CN111030099B (zh) | 配电系统的控制方法及装置 | |
| Zalzar et al. | A multi-area assisted rotational load shedding plan for mutual support of power systems under abnormal situations |
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 |