CN111626594A - 一种多种需求侧资源协同的配电网扩展规划方法 - Google Patents

Abstract

本发明公开了一种多种需求侧资源协同的配电网扩展规划方法，具体包括如下步骤：步骤1，进行上层规划模型的设计，其具体步骤为设定上层规划模型的上层目标函数和上层约束条件；步骤2，进行下层优化运行模型的设计，其具体步骤为设定下层优化运行模型的下层目标函数和下层约束条件；步骤3，采用双层粒子群算法对上述上层规划模型和下层优化运行模型进行求解，从而输出最终的配电网扩容规划方案。本发明所设计的模型通过对配电网现有供电设备扩容和需求侧资源选址定容之间进行协调优化，从而求得包含配电网净成本和环境成本最小化的配电网扩展规划方案。

Description

一种多种需求侧资源协同的配电网扩展规划方法

技术领域

本发明涉及一种用于配电网规划领域的多种需求侧资源协同的配电 网扩展规划方法。

背景技术

传统的配电网规划扩展方案主要包括配电站、线路的新建和改造等供 给侧措施，具有投资成本大、建设周期长等问题。随着各类需求侧资源 (distri buted energyresource，DER)的推广应用，在配电网扩展规划 过程中需要统筹考虑DER的安装和接入，目前，计及DER的配电网规划方 法已成为国内外的研究热点。主要涉及的DER包括电动汽车(electric vehicle，EV)、分布式电源(distributed generation，DG)、主动负荷 响应(demand response，DR)等。

现有技术仅仅对个别需求侧资源单独参与配电网规划开展了研究。但 是当多样化的需求侧资源出现在电网中，不确定因素的增多将会对配电网 的规划方案产生影响。因此，亟需对多种不同类别需求侧资源协同参与和 交互的配电网规划问题开展研究。

发明内容

本发明的目的是为了克服现有技术的不足，提供一种多种需求侧资源 协同的配电网扩展规划方法，该方法设计的模型通过对配电网现有供电设 备扩容和需求侧资源选址定容之间进行协调优化，从而求得包含配电网净 成本和环境成本最小化的配电网扩展规划方案。

实现上述目的的一种技术方案是：1.一种多种需求侧资源协同的配 电网扩展规划方法，其特征在于，采用双层规划方法，具体包括如下步骤：

步骤1，以规划年限内配电网的净成本最小为目标进行上层规划模型 的设计，其具体步骤为设定上层规划模型的上层目标函数和上层约束条件；

步骤2，以典型场景内的日运营净成本和环境成本最小为目标进行下 层优化运行模型的设计，从而为上层规划模型设计的上层目标函数的计算 提供依据，其具体步骤为设定下层优化运行模型的下层目标函数和下层约 束条件；

步骤3，采用双层粒子群算法对上述上层规划模型和下层优化运行模 型进行求解，从而输出最终的配电网扩容规划方案。

进一步的，步骤1中，所述上层目标函数具体为：

min:C₁＝μ₁C_inv+μ₂C_op+μ₃C_main

式中：C_inv为投资建设成本，C_op为规划年限内的总运行成本，C_main为 总维护成本，μ₁、μ₂、μ₃分别为权重系数；

其中，投资建设成本C_inv为配电站增投变压器的费用、馈线电缆升级 费用和所有PV的建设安装费用之和，并通过资本年化率的方式进行年化 处理，如下式：

式中：n_T、n′_T分别为扩容前后配电站的变压器台数，p_T为单台配变 的建设费用，N_b为需要扩容的馈线数量，p_b,i为馈线i所用电缆的单位长 度造价，l_b,i为馈线i的长度，N_PV为分布式光伏安装待选节点的数量， p_PV,i为单位容量光伏的造价，c_PV,i为节点i处光伏安装容量，R为资本年 化率，y为规划年限，m为最低预期资本回收率；

其中，总运行成本C_op的计算采用典型场景等效的方法，首先由下层 模型计算各典型场景下的运行成本，再根据每个场景的出现概率进行加权， 最终求得配电网的年运行成本，如下式：

式中：D为一年中的天数，S为选取的典型场景数量；C_s,op为场景s 的运行费用，由下层优化运行模型给出，E(C_s,op)表示C_s,op的数学期望；π_s为场景s在一年中的出现概率；

其中，总维护成本C_main采用基于维护费用系数的简化计算公式如下：

式中：ε_T、ε_b、ε_PV分别为变压器、馈线、分布式光伏的年维护费用系 数。

步骤1中，所述上层约束条件具体为：

式中：

为配电站变压器的最大安装台数；

为节点i处的光伏 最大安装容量，c_b,i、c′_b,i分别为改造前后馈线i的载流量，

为最高 规格型号电缆的载流量。

进一步的，步骤2中，所述下层目标函数具体为：

minC₂＝μ₄C_s,op+μ₅C_s,env

式中：C_s,op、C_s,env分别为场景s下的运营净成本和环境成本，μ₄、 μ₅为权重系数；

其中，运营净成本C_s,op包括配电网向上级电网购电的费用、向参与需 求响应用户的补偿费用和向用户售电的收益，如下式：

C_s,op＝C_s,grid+C_s,com-C_s,sell

式中：

式中：T为一天中的总时段数量，N_user为电力用户数量，N_DR为参与 可中断负荷响应的用户数量，P_load,i(t)、P_DR,i(t)分别为t时段内用户i需求 的负荷功率和可中断负荷削减的负荷功率，P_grid(t)为t时段配电网向上级 电网的购电功率，p_grid(t)、p_sell(t)分别为t时刻配电网向上级电网的购 电价格和向用户的售电价格；c_com,i为用户i的需求响应补偿费用；△t为 一个时段的时间长度；

步骤2中，所述下层约束条件具体分为潮流约束、电压约束和可中断 符合响应约束：

对于潮流约束，有：

式中：P_i+1、Q_i+1分别为注入由节点i与节点i+1连接的支路i+1的 送端的有功功率和无功功率，P_PV,i+1和Q_PV,i+1分别为节点i+1接入的分布 式电源输出的有功功率与无功功率，P_load,i+1和Q_load,i+1分别为节点i+1处的 负荷有功功率与无功功率，U_i为节点i的电压幅值；r_i+1和x_i+1分别为支 路i+1的电阻与电抗；

对于电压约束，有：

式中：U_N为配电网的额定电压，β_V为电压约束的置信水平；

对于可中断符合响应约束，有：

式中：τ_max为可中断负荷的最大负荷削减深度，T_DR,i为可中断负荷i 的响应时段集合。

进一步的，步骤3，采用双层粒子群算法对上述上层规划模型和下层 优化运行模型进行求解的具体步骤为：

首先，根据负荷和需求侧资源的历史数据，通过聚类的方法选取若干 个典型场景；随后，上层模型生成粒子的初始位置，从而确定规划方案； 下层模型根据上层确定的规划方案，分别针对每个典型场景进行优化运行， 其中涉及到概率潮流的计算，并且其结果需满足机会约束条件；基于下层 模型的优化运行结果，计算年运营净成本和配电网传输阻塞情况，并将结 果反馈至上层模型；最后，上层模型对相应粒子的适应度进行计算，判断算法的收敛条件，并更新各粒子的位置，当上层模型收敛时，输出上层规 划模型和对应的下层优化运行模型。

本发明的一种多种需求侧资源协同的配电网扩展规划方法，基于随机 规划的思想，鉴于DER资源对配电网的影响与其运行策略密切相关，建立 了协调配电网规划与优化运行的双层规划模型，上层模型优化配电网的规 划方案，下层模型优化可中断负荷在多场景下的响应策略，同时通过基于 蒙特卡洛模拟的概率潮流计算和机会约束方法处理需求侧资源的多重不 确定性。通过上下层模型之间的交替递归，从而实现对配电网的规划和运行进行协调优化。

附图说明

图1为本发明的一种多种需求侧资源协同的配电网扩展规划方法的步 骤3中，采用双层粒子群算法对上述上层规划模型和下层优化运行模型进 行求解的流程示意图。

具体实施方式

为了能更好地对本发明的技术方案进行理解，下面通过具体地实施例 进行详细地说明：

本发明的一种多种需求侧资源协同的配电网扩展规划方法，采用双层 规划方法，具体包括如下步骤：

步骤1，以规划年限内配电网的净成本最小为目标进行上层规划模型 的设计，其具体步骤为设定上层规划模型的上层目标函数和上层约束条件。 上层为涉及选址定容的配电网规划模型，其作用是对参与可中断负荷的用 户位置以及电动汽车充电设施的接入位置进行优化选址，同时确定各光伏 待选安装节点的装机容量。上层模型的决策变量既参与目标函数的计算， 同时也作为下层模型的约束条件，实现上下两层模型的递归迭代。

步骤1中，上层规划模型以规划年限内配电网的净成本最小为目标， 计及的成本和效益有：配电站升级扩容成本、各馈线扩容成本、PV建设成 本、配电网总体运维成本和营收效益。其中，投资建设类成本属于一次性 支出且数额相对较大，因此本方法采用全寿命周期的成本-效益分析方法， 将所有成本和收益进行年化处理。所述上层目标函数具体为：

min:C₁＝μ₁C_inv+μ₂C_op+μ₃C_main

式中：C_inv为投资建设成本，C_op为规划年限内的总运行成本，C_main为 总维护成本，μ₁、μ₂、μ₃分别为权重系数；

其中，投资建设成本C_inv为配电站增投变压器的费用、馈线电缆升级 费用和所有PV的建设安装费用之和，并通过资本年化率的方式进行年化 处理，如下式：

式中：n_T、n′_T分别为扩容前后配电站的变压器台数，p_T为单台配变 的建设费用，N_b为需要扩容的馈线数量，p_b,i为馈线i所用电缆的单位长 度造价，l_b,i为馈线i的长度，N_PV为分布式光伏安装待选节点的数量， p_PV,i为单位容量光伏的造价，c_PV,i为节点i处光伏安装容量，R为资本年 化率，y为规划年限，m为最低预期资本回收率；

其中，总运行成本C_op的计算采用典型场景等效的方法，首先由下层 模型计算各典型场景下的运行成本，再根据每个场景的出现概率进行加权， 最终求得配电网的年运行成本，如下式：

式中：D为一年中的天数，S为选取的典型场景数量；C_s,op为场景s 的运行费用，由下层优化运行模型给出，E(C_s,op)表示C_s,op的数学期望；π_s为场景s在一年中的出现概率；

其中，维护成本与设备类型、安装容量、运维人员数量、故障概率和 检修次数等多重因素有关。总维护成本C_main采用基于维护费用系数的简化 计算公式如下：

式中：ε_T、ε_b、ε_PV分别为变压器、馈线、分布式光伏的年维护费用系 数。

分布式光伏的安装容量受到安装节点处的场地等因素限制，配电站中变 压器数量也会受限于前期建设时预留空间的限制。因此，需要考虑各设备 的最大安装数量约束。此外，馈线的载流量与所用电缆的型号有关。综上 所述，步骤1中，所述上层约束条件具体为：

式中：

为配电站变压器的最大安装台数；

为节点i处的光伏 最大安装容量，c_b,i、c′_b,i分别为改造前后馈线i的载流量，

为最高 规格型号电缆的载流量。

步骤2，以典型场景内的日运营净成本和环境成本最小为目标进行下 层优化运行模型的设计，从而为上层规划模型设计的上层目标函数的计算 提供依据，其具体步骤为设定下层优化运行模型的下层目标函数和下层约 束条件。当上层模型确定了配电网的规划方案之后，需要由下层模型来完 成运行成本的计算，从而为上层模型目标函数的计算提供依据。从本质上 讲，下层模型是一个含多种需求侧资源的配电网优化运行问题，其在给定配电网规划方案的情况下分别基于不同典型场景的需求侧时序性参数求 出对应的最优运行策略，进而计算出配电网相应的年运行成本并反馈至上 层模型。

步骤2中，下层模型以典型场景内的日运营净成本和环境成本最小为 目标，计及配电网向上级电网的购电费用、可中断负荷的补偿费用、向用 户售电所产生的收益和等效碳排放成本，所述下层目标函数具体为：

minC₂＝μ₄C_s,op+μ₅C_s,env

式中：C_s,op、C_s,env分别为场景s下的运营净成本和环境成本，μ₄、 μ₅为权重系数；

其中，运营净成本C_s,op包括配电网向上级电网购电的费用、向参与需 求响应用户的补偿费用和向用户售电的收益，如下式：

C_s,op＝C_s,grid+C_s,com-C_s,sell

式中：

式中：T为一天中的总时段数量，N_user为电力用户数量，N_DR为参与 可中断负荷响应的用户数量，P_load,i(t)、P_DR,i(t)分别为t时段内用户i需求 的负荷功率和可中断负荷削减的负荷功率，P_grid(t)为t时段配电网向上级 电网的购电功率，p_grid(t)、p_sell(t)分别为t时刻配电网向上级电网的购 电价格和向用户的售电价格；c_com,i为用户i的需求响应补偿费用；△t为 一个时段的时间长度。

其中，环境考虑配电网向上级电网购电所产生的等效碳排放成本，如 下式：

式中：

为电力系统中单位电量的碳排放系数。

步骤2中，所述下层约束条件具体分为潮流约束、电压约束和可中断 符合响应约束。由于本方法采用基于蒙特卡洛抽样的概率潮流计算方法， 若严格保证节点电压和支路潮流约束可能会使投资大幅增加。因此，本方 法在下层模型中采用基于置信度的机会约束，从而避免规划方案偏于保守 而造成不必要的过度投资。

对于潮流约束，本方法采用适用于放射状配电网的Distflow潮流模 型，有：

式中：P_i+1、Q_i+1分别为注入由节点i与节点i+1连接的支路i+1的 送端的有功功率和无功功率，P_PV,i+1和Q_PV,i+1分别为节点i+1接入的分布 式电源输出的有功功率与无功功率，P_load,i+1和Q_load,i+1分别为节点i+1处的 负荷有功功率与无功功率，U_i为节点i的电压幅值；r_i+1和x_i+1分别为支 路i+1的电阻与电抗；

各支路的潮流应满足馈线载流量约束和配电变压器容量约束：

式中：N_node为所有节点的集合；c_T为单台配电变压器的容量；Pr{·} 表示事件{·}成立的概率，β_S为载流量约束的置信水平。

对于电压约束，配电网各节点的电压波动应处于系统安全稳定范围内。 本方法取电压偏差的允许范围为±5％，有：

式中：U_N为配电网的额定电压，β_V为电压约束的置信水平；

对于可中断符合响应约束，参与需求响应用户的负荷由固定负荷和可 中断负荷两部分组成，其负荷的最大削减深度取决于其安装的可中断负荷 容量在所有负荷容量中的比例。因此，各用户的实际负荷削减量应满足最 大削减深度的约束，有：

式中：τ_max为可中断负荷的最大负荷削减深度，T_DR,i为可中断负荷i 的响应时段集合。

步骤3，采用双层粒子群算法对上述上层规划模型和下层优化运行模 型进行求解，从而输出最终的配电网扩容规划方案。由于上、下层模型均 为混合整数非线性非连续的规划问题，目前对该类问题尚不存在能够求出 精确解析解的数学规划算法。智能启发式搜索算法能以较高的搜索速度和 求解效率在合理时间内取得较好的优化结果，其中粒子群算法在配电网规 划领域已有较多应用，具有较好的搜索性能和收敛性能。因此，本方法采 用双层粒子群算法对模型进行求解。

请参阅图1，首先，根据负荷和需求侧资源的历史数据，通过聚类的 方法选取若干个典型场景；随后，上层模型生成粒子的初始位置，从而确 定规划方案；下层模型根据上层确定的规划方案，分别针对每个典型场景 进行优化运行，其中涉及到概率潮流的计算，并且其结果需满足机会约束 条件；基于下层模型的优化运行结果，计算年运营净成本和配电网传输阻 塞情况，并将结果反馈至上层模型；最后，上层模型对相应粒子的适应度 进行计算，判断算法的收敛条件，并更新各粒子的位置，当上层模型收敛 时，输出上层规划模型和对应的下层优化运行模型。

本方法针对多种需求侧资源协同参与的配电网扩展规划，提出了一种 考虑分布式光伏、可中断负荷和电动汽车充电的双层规划模型。该模型采 用粒子群算法进行启发式求解，能够实现配电网网架扩展、需求侧资源的 选址定容和运行策略之间的协同优化，从而提升了规划方案的综合效益。

本文提出的计及多种需求侧资源的配电网扩展规划模型具有以下特 点：①上下层模型具有不同的目标函数，其分别对应着配电网的规划和优 化运行环节。通过上下层之间相互递归迭代的求解方法，能够在实现协同 优化的前提下减少模型的维数，进而降低了其求解难度。②模型采用中值 拉丁超立方抽样方法进行样本生成，相比传统抽样方法能够在较少的抽样 次数下提高样本的精度，减少了计算量。③采用启发式优化算法进行求解，能够对大规模非线性规划问题进行直接计算，提升了模型的适应性和实用 性。

在IEEE33节点标准测试算例中对本文模型在三种不同方案下进行测 试。算例结果表明，在配电网扩展规划中考虑分布式光伏和可中断负荷的 参与，能够降低馈线的峰值负荷大小，进而减少了规划方案的网架扩容成 本；分布式光伏的参与能够减少配电网向上级电网的购电量，从而提升了 规划方案在运行中的环境效益。

通过算例测试，证明了本文所提出的模型能够实现配电网扩展和多种 需求侧资源之间的协同规划，并且能够得出在经济效益和环境效益之间取 得最佳平衡的规划方案，对实际的配电网规划工作具有指导意义。

本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说 明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围 内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

Claims (4)

1.一种多种需求侧资源协同的配电网扩展规划方法，其特征在于，采用双层规划方法，具体包括如下步骤：

步骤1，以规划年限内配电网的净成本最小为目标进行上层规划模型的设计，其具体步骤为设定上层规划模型的上层目标函数和上层约束条件；

步骤2，以典型场景内的日运营净成本和环境成本最小为目标进行下层优化运行模型的设计，从而为上层规划模型设计的上层目标函数的计算提供依据，其具体步骤为设定下层优化运行模型的下层目标函数和下层约束条件；

步骤3，采用双层粒子群算法对上述上层规划模型和下层优化运行模型进行求解，从而输出最终的配电网扩容规划方案。

2.根据权利要求1所述的一种多种需求侧资源协同的配电网扩展规划方法，其特征在于：

步骤1中，所述上层目标函数具体为：

min:C₁＝μ₁C_inv+μ₂C_op+μ₃C_main

式中：C_inv为投资建设成本，C_op为规划年限内的总运行成本，C_main为总维护成本，μ₁、μ₂、μ₃分别为权重系数；

其中，投资建设成本C_inv为配电站增投变压器的费用、馈线电缆升级费用和所有PV的建设安装费用之和，并通过资本年化率的方式进行年化处理，如下式：

式中：n_T、n′_T分别为扩容前后配电站的变压器台数，p_T为单台配变的建设费用，N_b为需要扩容的馈线数量，p_b,i为馈线i所用电缆的单位长度造价，l_b,i为馈线i的长度，N_PV为分布式光伏安装待选节点的数量，p_PV,i为单位容量光伏的造价，c_PV,i为节点i处光伏安装容量，R为资本年化率，y为规划年限，m为最低预期资本回收率；

其中，总运行成本C_op的计算采用典型场景等效的方法，首先由下层模型计算各典型场景下的运行成本，再根据每个场景的出现概率进行加权，最终求得配电网的年运行成本，如下式：

式中：D为一年中的天数，S为选取的典型场景数量；C_s,op为场景s的运行费用，由下层优化运行模型给出，E(C_s,op)表示C_s,op的数学期望；π_s为场景s在一年中的出现概率；

其中，总维护成本C_main采用基于维护费用系数的简化计算公式如下：

式中：ε_T、ε_b、ε_PV分别为变压器、馈线、分布式光伏的年维护费用系数。

步骤1中，所述上层约束条件具体为：

式中：

为配电站变压器的最大安装台数；

为节点i处的光伏最大安装容量，c_b,i、c′_b,i分别为改造前后馈线i的载流量，

为最高规格型号电缆的载流量。

3.根据权利要求1所述的一种多种需求侧资源协同的配电网扩展规划方法，其特征在于：

步骤2中，所述下层目标函数具体为：

minC₂＝μ₄C_s,op+μ₅C_s,env

式中：C_s,op、C_s,env分别为场景s下的运营净成本和环境成本，μ₄、μ₅为权重系数；

其中，运营净成本C_s,op包括配电网向上级电网购电的费用、向参与需求响应用户的补偿费用和向用户售电的收益，如下式：

C_s,op＝C_s,grid+C_s,com-C_s,sell

式中：

式中：T为一天中的总时段数量，N_user为电力用户数量，N_DR为参与可中断负荷响应的用户数量，P_load,i(t)、P_DR,i(t)分别为t时段内用户i需求的负荷功率和可中断负荷削减的负荷功率，P_grid(t)为t时段配电网向上级电网的购电功率，p_grid(t)、p_sell(t)分别为t时刻配电网向上级电网的购电价格和向用户的售电价格；c_com,i为用户i的需求响应补偿费用；Δt为一个时段的时间长度；

步骤2中，所述下层约束条件具体分为潮流约束、电压约束和可中断符合响应约束：

对于潮流约束，有：

式中：P_i+1、Q_i+1分别为注入由节点i与节点i+1连接的支路i+1的送端的有功功率和无功功率，P_PV,i+1和Q_PV,i+1分别为节点i+1接入的分布式电源输出的有功功率与无功功率，P_load,i+1和Q_load,i+1分别为节点i+1处的负荷有功功率与无功功率，U_i为节点i的电压幅值；r_i+1和x_i+1分别为支路i+1的电阻与电抗；

对于电压约束，有：

式中：U_N为配电网的额定电压，β_V为电压约束的置信水平；

对于可中断符合响应约束，有：

式中：τ_max为可中断负荷的最大负荷削减深度，T_DR,i为可中断负荷i的响应时段集合。

4.根据权利要求1所述的一种多种需求侧资源协同的配电网扩展规划方法，其特征在于，步骤3，采用双层粒子群算法对上述上层规划模型和下层优化运行模型进行求解的具体步骤为：

首先，根据负荷和需求侧资源的历史数据，通过聚类的方法选取若干个典型场景；随后，上层模型生成粒子的初始位置，从而确定规划方案；下层模型根据上层确定的规划方案，分别针对每个典型场景进行优化运行，其中涉及到概率潮流的计算，并且其结果需满足机会约束条件；基于下层模型的优化运行结果，计算年运营净成本和配电网传输阻塞情况，并将结果反馈至上层模型；最后，上层模型对相应粒子的适应度进行计算，判断算法的收敛条件，并更新各粒子的位置，当上层模型收敛时，输出上层规划模型和对应的下层优化运行模型。

Images