CN111738519A - 一种配电网规划方法、系统及设备 - Google Patents

一种配电网规划方法、系统及设备 Download PDF

Info

Publication number
CN111738519A
CN111738519A CN202010587471.2A CN202010587471A CN111738519A CN 111738519 A CN111738519 A CN 111738519A CN 202010587471 A CN202010587471 A CN 202010587471A CN 111738519 A CN111738519 A CN 111738519A
Authority
CN
China
Prior art keywords
distribution network
power distribution
planning
photovoltaic
parameter range
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.)
Pending
Application number
CN202010587471.2A
Other languages
English (en)
Inventor
高崇
曹华珍
何璇
张俊潇
唐俊熙
王天霖
吴亚雄
陈沛东
李�浩
李阳
黄烨
李卓环
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.)
Guangdong Power Grid Co Ltd
Grid Planning Research Center of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Grid Planning Research Center of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Grid Planning Research Center of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202010587471.2A priority Critical patent/CN111738519A/zh
Publication of CN111738519A publication Critical patent/CN111738519A/zh
Pending legal-status Critical Current

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q30/0283—Price estimation or determination
    • 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)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种配电网规划方法、系统及设备，包括：确定目标区域配电网的规划需求、光伏设备的参数范围、配电网的参数范围以及光伏出力预测值，构建配电网规划模型，采用多目标优化算法对配电网规划模型进行求解，得到配电网的规划方案。本发明根据规划需求来确定光伏设备的参数范围和配电网的参数范围，从实际需求出发来确定合适的参数范围，从而避免资源的浪费；通过对光伏出力进行预测从而保证光伏发电尽可能被消纳；之后构建配电网规划模型，通过对配电网规划模型的求解从而得到配电网的规划方案，实现了网架拓扑和光伏设备的协同规划，最大可能减少两者的相互制约并使得分布式光伏消纳率达到最高，减少电力资源和能源的浪费。

Description

一种配电网规划方法、系统及设备
技术领域
本发明涉及电力领域，尤其涉及一种配电网规划方法、系统及设备。
背景技术
近年来，随着新能源发电技术的迅速发展，新能源发电逐渐在电网中发 挥巨大的作用。随着光伏扶贫等项目的推广，配网侧光伏的渗透率也逐渐提 高，配网侧光伏的投资建设日益成为一个普遍关注的议题。
然而，目前对光伏设备投资建设往往是在已有的存量配电网中进行规划 和改造，在此过程中往往会受到配电网网架拓扑结构和配网输电能力等多方 面因素的制约，配电网为了适应光伏设备的接入也需要进行一定程度的改造， 给配电网带来了大量的建设成本和运行风险；同时，配电网对接入的光伏设 备发电往往不能全部消纳，造成了大量的资源和能源浪费，使光伏项目的意 义大打折扣。
综上所述，现有技术中配电网对接入的光伏设备发电往往不能全部消纳， 存在着浪费了大量的电力资源和能源的技术问题。
发明内容
本发明提供了一种配电网规划方法、系统及设备，用于解决现有技术中 配电网对接入的光伏设备发电往往不能全部消纳，存在着浪费了大量的电力 资源和能源的技术问题。
本发明提供的一种配电网规划方法，包括以下步骤：
获取目标区域的历史用电数据，根据历史用电数据确定目标区域配电网 的规划需求；
根据目标区域配电网的规划需求确定光伏设备的参数范围和配电网的参 数范围；
对目标区域配电网的光伏接入点进行光伏出力预测，得到光伏出力预测 值；
基于光伏设备的参数范围、配电网的参数范围以及光伏出力预测值构建 配电网规划模型，其中，电网规划模型的目标函数为最小的建设成本以及最 大的光伏设备年消纳率，电网规划模型的约束条件包括配电网运行约束、配 电网拓扑约束以及光伏出力约束；
采用多目标优化算法对配电网规划模型进行求解，得到配电网的规划方 案。
优选的，用电历史数据包括负荷历史数据以及用户用电行为特征历史数 据。
优选的，对目标区域配电网的光伏接入点进行光伏出力预测，得到光伏 出力预测值的具体过程为：
获取目标区域配电网的光伏接入点的历史光照强度数据；
根据历史光照强度数据进行构建ST-ARMA模型；
利用ST-ARMA模型对光伏出力进行预测，得到光伏出力预测值。
优选的，采用多目标优化算法对配电网规划模型进行求解的具体过程为：
Step1：搭建协同规划模型，将光伏设备的参数范围和配电网的参数范围 作为变量进行初始化，初始化的变量的集合即为第一代种群；
Step2：对第一代种群进行评价，计算建设成本和光伏年消纳率；
Step3：对种群个体进行非支配排序；
Step4：根据非支配排序的结果选择前N个个体作为新的父代，新的父代 交叉变异后得到新的子代；
Step5：对新的子代进行评价，并判断是否满足迭代终止条件，若满足则 输出最新子代种群，若不满足，则用新的子代种群替代上一代的种群，返回 Step3；
Step6：在最新子代种群的帕累托前沿中采用TOPSIS法选取折中解，即 得到规划的变量取值，从而得到配电网的规划方案。
优选的，迭代终止条件为种群迭代次数超过200次或优化时间超过阈值。
优选的，在最新子代种群的帕累托前沿中采用TOPSIS法选取折中解的具 体过程为：
求解帕托累前沿的非劣解；
计算非劣解代入到目标函数后的函数值，基于函数值建立决策矩阵；
基于决策矩阵确定正理想点A+和负理想点A－；
根据非劣解、正理想点A+和负理想点A－计算折中解。
优选的，基于函数值建立决策矩阵的具体过程为：
对函数值进行归一化处理，根据归一化处理后的函数值建立决策矩阵。
优选的，根据非劣解、正理想点A+和负理想点A－计算折中解的具体过 程为：
Figure BDA0002555185440000031
式中，dj +、dj －分别表示非劣解与A+、A－的欧氏距离；选取TJj值最大的 非劣解作为折中解。
一种配电网规划系统，包括规划需求确定模块、参数范围确定模块、光 伏出力预测模块、配电网规划模型模块以及规划模型求解模块；
规划需求确定模块用于获取目标区域的历史用电数据，根据历史用电数 据确定目标区域配电网的规划需求；
参数范围确定模块用于根据目标区域配电网的规划需求确定光伏设备的 参数范围和配电网的参数范围；
光伏出力预测模块用于对目标区域配电网的光伏接入点进行光伏出力进 行预测，得到光伏出力预测值；
配电网规划模型模块用于基于光伏设备的参数范围、配电网的参数范围 以及光伏出力预测值构建配电网规划模型，其中，电网规划模型的目标函数 为最小的建设成本以及最大的光伏设备年消纳率，电网规划模型的约束条件 包括配电网运行约束、配电网拓扑约束以及光伏出力约束；
规划模型求解模块用于采用多目标优化算法对配电网规划模型进行求 解，得到配电网的规划方案。
一种配电网规划设备，包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行上述的一种配电网规划 方法。
从以上技术方案可以看出，本发明实施例具有以下优点：
本发明实施例通过历史数据来确定目标区域配电网的规划需求，根据规 划需求来确定光伏设备的参数范围和配电网的参数范围，从实际需求出发来 确定合适的参数范围，从而避免资源的浪费；通过对光伏出力进行预测从而 保证光伏发电尽可能被消纳；之后构建以最小的建设成本以及最大的光伏设 备年消纳率为目标函数的配电网规划模型，通过对配电网规划模型的求解从 而得到配电网的规划方案，实现了网架拓扑和光伏设备的协同规划，最大可 能减少两者的相互制约并使得分布式光伏消纳率达到最高，减少电力资源和 能源的浪费。
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性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种配电网规划方法、系统及设备的方法流 程图。
图2为本发明实施例提供的一种配电网规划方法、系统及设备的系统框 架图。
图3为本发明实施例提供的一种配电网规划方法、系统及设备的设备框 架图。
具体实施方式
本发明实施例提供了一种配电网规划方法、系统及设备，用于解决现有 技术中配电网对接入的光伏设备发电往往不能全部消纳，存在着浪费了大量 的电力资源和能源的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部 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做出创造性 劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，图1为本发明实施例提供的一种配电网规划方法、系统及设 备的方法流程图。
实施例1
本发明实施例提供的一种配电网规划方法，包括以下步骤：
从电力系统后台服务器中，获取目标区域的历史用电数据，根据历史用 电数据确定目标区域的用电需求，从而确定配电网的规划需求，为后续建立 配电网规划模型做准备；进一步的，可根据政府规划片区划分、电网规划部 门提供的控制性详细规划图，明确线路规划要求。
根据目标区域配电网的规划需求确定光伏设备的参数范围和配电网的参 数范围；光伏设备的参数范围由市场可订购的设备类型和参数决定，光伏设 备的参数范围为光伏设备容量的上下限，配电网的参数范围主要为各负荷接 入点的电压允许上下限以及输电线路最大允许电流值。
对目标区域配电网的光伏接入点进行光伏出力预测，对光伏出力未来的 运行规律进行预估，确定光伏出力的预测值，从而保证光伏发电尽可能消纳， 减少资源浪费。
基于光伏设备的参数范围、配电网的参数范围以及光伏出力预测值构建 配电网规划模型，其中，电网规划模型的目标函数为最小的建设成本以及最 大的光伏设备年消纳率，建设成本包括每年的线路扩建和维护费用，每年的 换流站和整流逆变器的投资和维护费用，每年的断路器投资及维护费用以及 为网络损耗费用；电网规划模型的约束条件包括配电网运行约束、配电网拓 扑约束以及光伏出力约束，设置约束从而考虑了配电网网架拓扑和光伏设备 的协同规划，减少两者的相互制约。
采用多目标优化算法对配电网规划模型进行求解，从而得到最小的建设 成本下达到最大的光伏设备年消纳率的配电网的规划方案，减少电力资源和 能源的浪费。
实施例2
本实施例中提供了一种配电网规划方法，具体包括以下步骤：
从电力系统后台服务器中，获取目标区域的历史用电数据，用电历史数 据包括负荷历史数据以及用户用电行为特征历史数据。其中，用电行为特征 历史数据主要根据运行部门的用户负荷类型分类，获取该地区典型工业用户、 商业用户、居民用户的用电负荷曲线，从而初步获取待规划的各类型用电行 为特征历史数据；根据历史用电数据确定目标区域的用电需求，从而确定配 电网的规划需求，为后续建立配电网规划模型做准备；
根据目标区域配电网的规划需求确定光伏设备的参数范围和配电网的参 数范围；光伏设备的参数范围由市场可订购的设备类型和参数决定，光伏设 备的参数范围为光伏设备容量的上下限，配电网的参数范围主要为各负荷接 入点的电压允许上下限以及输电线路最大允许电流值。
对目标区域配电网的光伏接入点进行光伏出力预测，对光伏出力未来的 运行规律进行预估，确定光伏出力的预测值，从而保证光伏发电尽可能消纳， 减少资源浪费，具体过程如下：
获取目标区域配电网的光伏接入点的历史光照强度数据；
根据历史光照强度数据进行构建ST-ARMA模型，模型形式如下：
Figure BDA0002555185440000061
式中，l为空间矩阵的阶数；p、q分别为自回归和滑动阶数，γ(t)为拟合 时间序列，即收集到的光照强度数据集；ε(t)为白噪声序列；Wl为地理矩阵， 可以反映各接入点的地理相关性：
Wl(k,k')＝dkk' -1/∑dkk' -1
式中，k、k＇为各地理坐标的编号。
采用ST-ARMA模型进行场景生成，生成全年不同时段8760个场景时段 的光伏接入点光照强度集合w，从而得到光伏出力预测值。由于引入了空间 矩阵，集合w呈现极强的地理相关性，更能反映一年内各光伏接入点的光照 强度真实情况。
基于光伏设备的参数范围、配电网的参数范围以及光伏出力预测值构建 配电网规划模型，其中，电网规划模型的目标函数为最小的建设成本以及最 大的光伏设备年消纳率，建设成本包括每年的线路扩建和维护费用，每年的 换流站和整流逆变器的投资和维护费用，每年的断路器投资及维护费用以及 为网络损耗费用；电网规划模型的约束条件包括配电网运行约束、配电网拓 扑约束以及光伏出力约束，设置约束从而考虑；额配电网网架拓扑和光伏设 备的协同规划，减少两者的相互制约。
需要进一步说明的是，建设成本和光伏设备年消纳率的具体公式如下：
1)建设成本
min F1＝Cline+Cvsc+Cbreak+Closs
其中，F1是用等年值法折算后每年的总平均费用。Cline为折算至每年的线 路扩建和维护费用，Cvsc为折算至每年的换流站和整流逆变器的投资和维护费 用，Cbreak为折算至每年的断路器投资及维护费用，Closs为网络损耗费用。
a)折算至每年的线路扩建和维护费用
Figure BDA0002555185440000071
式中：
xi是0-1变量，0代表本条线路不建设，1代表要投建；
yi是0-1变量，0代表本条线路为交流线路，1代表为直流线路；
α1i是第i条线路固定投资年平均费用系数，具体公式如下：
Figure BDA0002555185440000072
其中，r＝0.04为预期投资收益率，s＝25为投资服务年限，i＝15为规划建 设年限；β1i是第i条线路的年维护费用系数；ni是配电网相应的线路编号；C1dci和Claci是第i条分别为交流或者直流线路的固定投资费用。
b)折算至每年的换流站和整流逆变器的投资和维护费用
Figure BDA0002555185440000073
式中：nsvc是配电网节点相应的VSC编号；α2i是第i个VSC的固定投资 年平均费用系数；β2i是第i个VSC的年维护费用系数；
c)折算至每年的断路器投资及维护费用
Figure BDA0002555185440000074
式中：
nbreak是配电网节点对应的断路器编号；α3i是第i个断路器的固定投资年 平均费用系数；β3i为第i个断路器的年维护费用系数；
d)网络损耗费用
Figure BDA0002555185440000081
式中：Cpu为单位电价，取0.5元/kWh；τmax为最大负荷损耗小时数；E(ΔP1i) 为第i条线路上的有功损耗期望，根据概率潮流计算得到；E(ΔPvsc)为第i个 换流站有功损耗期望，同样根据概率潮流计算得到。
2)光伏年消纳率
Figure BDA0002555185440000082
式中，η为光伏年消纳率；pj为场景j发生的概率，即当天的光照强度； Pxi,j为场景j下位置i处的光伏出力削减量；PGij为场景j下位置i处的光伏发 电出力，
Figure BDA0002555185440000083
代表位置i处是否建设分布式光伏，为0-1变量，0代表不投建， 1代表投建。
此规划问题为最小化两目标优化问题，故此将光伏消纳率的倒数作为第 二个目标，即
Figure BDA0002555185440000084
需要进一步说明的是，配电网规划模型的约束条件具体如下：a)配电网 运行约束
Figure BDA0002555185440000085
Figure BDA0002555185440000086
式中，Pl为馈线组l的支路功率，Pmax-l为馈线组l允许通过的最大功率， FEEDER表示馈线组构成的集合。
当配电网处于正常运行状态下，各个馈线组的变电站节点发出功率和负 荷节点消耗的功率以及网损消耗功率相平衡，满足如下的表达式：
Figure BDA0002555185440000087
式中l表示馈线组上所有节点的集合，PN-i为网络负荷节点i消耗的功率， PL-l为馈线l上的网损，PG-l为从变电站母线为馈线组l提供的功率，
Figure BDA0002555185440000091
为节 点的光伏发电功率。
b)配电网拓扑约束
为了保证连通性和辐射性，运用图论中的结论，则需要使节点的数量n 比支路的数量m大1，也即满足以下的关系式：
n＝m+1
c)光伏发电容量约束
Figure RE-GDA0002591763260000092
式中，
Figure BDA0002555185440000092
分别为节点i处装设的光伏设备容量上下限，取决于 设备的型号选择。
式中n为配电网节点总数，m为原有支路和新建支路之和。
采用多目标优化算法对配电网规划模型进行求解，从而得到最小的建设 成本下达到最大的光伏设备年消纳率的配电网的规划方案，从而减少电力资 源和能源的浪费，具体过程如下：
Step1：搭建协同规划模型，将xi、yi、
Figure BDA0002555185440000093
作为决策变 量，xi，yi，
Figure BDA0002555185440000094
分别代表第i条线路是否投建的0-1变量，投建交流/直流的 0-1变量，以及是否建设分布式光伏，为0-1变量；
Figure BDA0002555185440000095
取决于分布 式光伏的型号选择。对决策变量进行初始化，初始化的变量的集合即为第一 代种群；
Step2：对第一代种群进行评价，计算建设成本和光伏年消纳率；
Step3：对种群个体进行非支配排序；
Step4：根据非支配排序的结果选择前N个个体作为新的父代，新的父代 交叉变异后得到新的子代；
Step5：对新的子代进行评价，并判断是否满足迭代终止条件，迭代终止 条件为种群迭代次数超过200次或优化时间超过阈值。若满足则输出最新子 代种群，若不满足，则用新的子代种群替代上一代的种群，返回Step3；
Step6：在最新子代种群的帕累托前沿中采用TOPSIS法选取折中解，即 得到规划的变量取值，从而得到配电网的规划方案。
作为一个优选的实施例，在最新子代种群的帕累托前沿中采用TOPSIS 法选取折中解的具体过程为：
求解帕托累前沿的非劣解；
计算非劣解代入到目标函数后的函数值，基于函数值建立决策矩阵，具 体如下：
bij＝[fi max-fi(xj)]/[fi max-fi min]
式中，bij为决策矩阵，fi(xj)为非劣解xj关于目标i的函数值，非劣解xj由Step5求得的帕累托前沿上的解，fi max和fi min分别为所有非劣解关于目标i 的最大值和最小值；对函数值进行归一化处理，根据归一化处理后的函数值 建立决策矩阵。
基于决策矩阵确定正理想点A+和负理想点A－，具体公式如下：
Figure BDA0002555185440000101
其中，viM为决策矩阵的因素，M为非劣解的总个数。
根据非劣解、正理想点A+和负理想点A－计算折中解的具体过程为：
Figure BDA0002555185440000102
式中，dj +、dj －分别表示非劣解与A+、A－的欧氏距离；选取TJj值最大的 非劣解作为折中解，从而得到配电网的规划方案，规划方案中包括了第i条线 路是否投建、是否投建交流/直流、是否建设分布式光伏以及光伏设备的参数。
如图2所示，一种配电网规划系统，包括规划需求确定模块201、参数范 围确定模块202、光伏出力预测模块203、配电网规划模型模块204以及规划 模型求解模块205；
规划需求确定模块201用于获取目标区域的历史用电数据，根据历史用 电数据确定目标区域配电网的规划需求；
参数范围确定模块202用于根据目标区域配电网的规划需求确定光伏设 备的参数范围和配电网的参数范围；
光伏出力预测模块203用于对目标区域配电网的光伏接入点进行光伏出 力预测，得到光伏出力预测值；
配电网规划模型模块204用于基于光伏设备的参数范围、配电网的参数 范围以及光伏出力预测值构建配电网规划模型，其中，电网规划模型的目标 函数为最小的建设成本以及最大的光伏设备年消纳率，电网规划模型的约束 条件包括配电网运行约束、配电网拓扑约束以及光伏出力约束；
规划模型求解模块205用于采用多目标优化算法对配电网规划模型进行 求解，得到配电网的规划方案。
如图3所示，一种配电网规划设备30，所述设备包括处理器300以及存 储器301；
所述存储器301用于存储程序代码302，并将所述程序代码302传输给所 述处理器；
所述处理器300用于根据所述程序代码302中的指令执行上述的一种配 电网规划方法中的步骤。
示例性的，所述计算机程序302可以被分割成一个或多个模块/单元，所 述一个或者多个模块/单元被存储在所述存储器301中，并由所述处理器300 执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的 一系列计算机程序指令段，该指令段用于描述所述计算机程序302在所述终 端设备30中的执行过程。
所述终端设备30可以是桌上型计算机、笔记本、掌上电脑及云端服务器 等计算设备。所述终端设备可包括，但不仅限于，处理器300、存储器301。 本领域技术人员可以理解，图3仅仅是终端设备30的示例，并不构成对终端 设备30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或 者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、 总线等。
所称处理器300可以是中央处理单元(Central Processing Unit，CPU)，还 可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专 用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵 列(Field-ProgrammaBle Gate Array，FPGA)或者其他可编程逻辑器件、分立 门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者 该处理器也可以是任何常规的处理器等。
所述存储器301可以是所述终端设备30的内部存储单元，例如终端设备30的硬盘或内存。所述存储器301也可以是所述终端设备30的外部存储设备， 例如所述终端设备30上配备的插接式硬盘，智能存储卡(Smart Media Card, SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步 地，所述存储器301还可以既包括所述终端设备30的内部存储单元也包括外 部存储设备。所述存储器301用于存储所述计算机程序以及所述终端设备所 需的其他程序和数据。所述存储器301还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描 述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应 过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和 方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示 意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可 以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个 系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间 的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合 或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作 为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方， 或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或 者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中， 也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单 元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单 元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售 或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本 发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的 全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个 存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机， 服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步 骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘 等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制； 尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应 当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其 中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案 的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种配电网规划方法，其特征在于，包括以下步骤：
获取目标区域的历史用电数据，根据历史用电数据确定目标区域配电网的规划需求；
根据目标区域配电网的规划需求确定光伏设备的参数范围和配电网的参数范围；
对目标区域配电网的光伏接入点进行光伏出力预测，得到光伏出力预测值；
基于光伏设备的参数范围、配电网的参数范围以及光伏出力预测值构建配电网规划模型，其中，电网规划模型的目标函数为最小的建设成本以及最大的光伏设备年消纳率，电网规划模型的约束条件包括配电网运行约束、配电网拓扑约束以及光伏出力约束；
采用多目标优化算法对配电网规划模型进行求解，得到配电网的规划方案。
2.根据权利要求1所述的一种配电网规划方法，其特征在于，用电历史数据包括负荷历史数据以及用户用电行为特征历史数据。
3.根据权利要求1所述的一种配电网规划方法，其特征在于，对目标区域配电网的光伏接入点进行光伏出力预测，得到光伏出力预测值的具体过程为：
获取目标区域配电网的光伏接入点的历史光照强度数据；
根据历史光照强度数据进行构建ST-ARMA模型；
利用ST-ARMA模型对光伏出力进行预测，得到光伏出力预测值。
4.根据权利要求1所述的一种配电网规划方法，其特征在于，采用多目标优化算法对配电网规划模型进行求解的具体过程为：
Step1：搭建协同规划模型，将光伏设备的参数范围和配电网的参数范围作为变量进行初始化，初始化的变量的集合即为第一代种群；
Step2：对第一代种群进行评价，计算建设成本和光伏年消纳率；
Step3：对种群个体进行非支配排序；
Step4：根据非支配排序的结果选择前N个个体作为新的父代，新的父代交叉变异后得到新的子代；
Step5：对新的子代进行评价，并判断是否满足迭代终止条件，若满足则输出最新子代种群，若不满足，则用新的子代种群替代上一代的种群，返回Step3；
Step6：在最新子代种群的帕累托前沿中采用TOPSIS法选取折中解，即得到规划的变量取值，从而得到配电网的规划方案。
5.根据权利要求4所述的一种配电网规划方法，其特征在于，迭代终止条件为种群迭代次数超过200次或优化时间超过阈值。
6.根据权利要求4所述的一种配电网规划方法，其特征在于，在最新子代种群的帕累托前沿中采用TOPSIS法选取折中解的具体过程为：
求解帕托累前沿的非劣解；
计算非劣解代入到目标函数后的函数值，基于函数值建立决策矩阵；
基于决策矩阵确定正理想点A+和负理想点A－；
根据非劣解、正理想点A+和负理想点A－计算折中解。
7.根据权利要求6所述的一种配电网规划方法，其特征在于，基于函数值建立决策矩阵的具体过程为：
对函数值进行归一化处理，根据归一化处理后的函数值建立决策矩阵。
8.根据权利要求6所述的一种配电网规划方法，其特征在于，根据非劣解、正理想点A+和负理想点A－计算折中解的具体过程为：
Figure FDA0002555185430000021
式中，dj +、dj －分别表示非劣解与A+、A－的欧氏距离；选取TJj值最大的非劣解作为折中解。
9.一种配电网规划系统，其特征在于，包括规划需求确定模块、参数范围确定模块、光伏出力预测模块、配电网规划模型模块以及规划模型求解模块；
规划需求确定模块用于获取目标区域的历史用电数据，根据历史用电数据确定目标区域配电网的规划需求；
参数范围确定模块用于根据目标区域配电网的规划需求确定光伏设备的参数范围和配电网的参数范围；
光伏出力预测模块用于对目标区域配电网的光伏接入点进行光伏出力进行预测，得到光伏出力预测值；
配电网规划模型模块用于基于光伏设备的参数范围、配电网的参数范围以及光伏出力预测值构建配电网规划模型，其中，电网规划模型的目标函数为最小的建设成本以及最大的光伏设备年消纳率，电网规划模型的约束条件包括配电网运行约束、配电网拓扑约束以及光伏出力约束；
规划模型求解模块用于采用多目标优化算法对配电网规划模型进行求解，得到配电网的规划方案。
10.一种配电网规划设备，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1～权利要求8任一项所述的一种配电网规划方法。
CN202010587471.2A 2020-06-24 2020-06-24 一种配电网规划方法、系统及设备 Pending CN111738519A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010587471.2A CN111738519A (zh) 2020-06-24 2020-06-24 一种配电网规划方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010587471.2A CN111738519A (zh) 2020-06-24 2020-06-24 一种配电网规划方法、系统及设备

Publications (1)

Publication Number Publication Date
CN111738519A true CN111738519A (zh) 2020-10-02

Family

ID=72652047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010587471.2A Pending CN111738519A (zh) 2020-06-24 2020-06-24 一种配电网规划方法、系统及设备

Country Status (1)

Country Link
CN (1) CN111738519A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288244A (zh) * 2020-10-19 2021-01-29 国网甘肃省电力公司电力科学研究院 一种基于综合能源服务商的光伏电力消纳方法及系统
CN112581039A (zh) * 2020-12-30 2021-03-30 国网河北省电力有限公司南宫市供电分公司 一种主动配电网规划及运行联合优化方法
CN112784383A (zh) * 2021-01-29 2021-05-11 国网浙江省电力有限公司泰顺县供电公司 一种分布式光伏的接入规划方法
CN112862194A (zh) * 2021-02-08 2021-05-28 杭州市电力设计院有限公司余杭分公司 配电网供电规划方法、装置、设备、以及可读存储介质
CN113256055A (zh) * 2021-03-31 2021-08-13 国网河北省电力有限公司营销服务中心 配电网多元接入体规划方法及终端设备
CN113361805A (zh) * 2021-06-30 2021-09-07 国网内蒙古东部电力有限公司经济技术研究院 一种配电网规划方法及系统
CN113705874A (zh) * 2021-08-19 2021-11-26 国家电网有限公司 新能源电网演化预测方法、装置、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295853A (zh) * 2016-07-28 2017-01-04 华北电力大学（保定） 基于储能调度模式的分布式光伏两阶段多目标就地消纳法
CN106408131A (zh) * 2016-09-30 2017-02-15 安徽工程大学 一种基于需求侧管理的光伏微网多目标调度方法
CN106941256A (zh) * 2017-05-07 2017-07-11 东北电力大学 计及最大供电能力和最小联络建设费用的配电网主变联络结构优化规划方法
CN107910863A (zh) * 2017-05-25 2018-04-13 南京邮电大学 综合考虑光伏出力和负荷需求预测区间的配电网调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295853A (zh) * 2016-07-28 2017-01-04 华北电力大学（保定） 基于储能调度模式的分布式光伏两阶段多目标就地消纳法
CN106408131A (zh) * 2016-09-30 2017-02-15 安徽工程大学 一种基于需求侧管理的光伏微网多目标调度方法
CN106941256A (zh) * 2017-05-07 2017-07-11 东北电力大学 计及最大供电能力和最小联络建设费用的配电网主变联络结构优化规划方法
CN107910863A (zh) * 2017-05-25 2018-04-13 南京邮电大学 综合考虑光伏出力和负荷需求预测区间的配电网调度方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288244A (zh) * 2020-10-19 2021-01-29 国网甘肃省电力公司电力科学研究院 一种基于综合能源服务商的光伏电力消纳方法及系统
CN112288244B (zh) * 2020-10-19 2022-03-08 国网甘肃省电力公司电力科学研究院 一种基于综合能源服务商的光伏电力消纳方法及系统
CN112581039A (zh) * 2020-12-30 2021-03-30 国网河北省电力有限公司南宫市供电分公司 一种主动配电网规划及运行联合优化方法
CN112784383A (zh) * 2021-01-29 2021-05-11 国网浙江省电力有限公司泰顺县供电公司 一种分布式光伏的接入规划方法
CN112862194A (zh) * 2021-02-08 2021-05-28 杭州市电力设计院有限公司余杭分公司 配电网供电规划方法、装置、设备、以及可读存储介质
CN112862194B (zh) * 2021-02-08 2024-04-26 杭州市电力设计院有限公司余杭分公司 配电网供电规划方法、装置、设备、以及可读存储介质
CN113256055A (zh) * 2021-03-31 2021-08-13 国网河北省电力有限公司营销服务中心 配电网多元接入体规划方法及终端设备
CN113256055B (zh) * 2021-03-31 2022-06-10 国网河北省电力有限公司营销服务中心 配电网多元接入体规划方法及终端设备
CN113361805A (zh) * 2021-06-30 2021-09-07 国网内蒙古东部电力有限公司经济技术研究院 一种配电网规划方法及系统
CN113361805B (zh) * 2021-06-30 2023-02-07 国网内蒙古东部电力有限公司经济技术研究院 一种配电网规划方法及系统
CN113705874A (zh) * 2021-08-19 2021-11-26 国家电网有限公司 新能源电网演化预测方法、装置、计算机设备和存储介质
CN113705874B (zh) * 2021-08-19 2024-03-15 国家电网有限公司 新能源电网演化预测方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
CN111738519A (zh) 一种配电网规划方法、系统及设备
Ganguly et al. Distributed generation allocation on radial distribution networks under uncertainties of load and generation using genetic algorithm
Wang et al. Joint planning of active distribution networks considering renewable power uncertainty
Dong et al. Green scheduling of distributed two-stage reentrant hybrid flow shop considering distributed energy resources and energy storage system
Jiao et al. Online optimal dispatch based on combined robust and stochastic model predictive control for a microgrid including EV charging station
Ke et al. Coordinative real‐time sub‐transmission volt–var control for reactive power regulation between transmission and distribution systems
CN110162390B (zh) 一种雾计算系统的任务分配方法及系统
Lin et al. Normalised normal constraint algorithm applied to multi‐objective security‐constrained optimal generation dispatch of large‐scale power systems with wind farms and pumped‐storage hydroelectric stations
Xu et al. Stochastic multi-objective optimization of photovoltaics integrated three-phase distribution network based on dynamic scenarios
Li et al. Energy hub-based optimal planning for integrated energy systems considering part-load characteristics and synergistic effect of equipment
CN112803434A (zh) 有源配电网的无功优化方法、装置、设备和存储介质
CN111416352A (zh) 一种多能源耦合系统的调度方法及计算设备
Ikeda et al. A new optimization strategy for the operating schedule of energy systems under uncertainty of renewable energy sources and demand changes
CN115313519A (zh) 一种配电网储能优化配置方法、装置、设备及存储介质
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
Wang et al. Equilibrium allocation strategy of multiple ESSs considering the economics and restoration capability in DNs
Peng et al. Multi-objective robust optimization allocation for energy storage using a novel confidence gap decision method
Ebrahimi et al. Probabilistic optimal planning in active distribution networks considering non‐linear loads based on data clustering method
Ghaemi et al. Assessment of flexibility index integration into the expansion planning of clean power resources and energy storage systems in modern distribution network using benders decomposition
Nolan et al. Optimized network planning of mini-grids for the rural electrification of developing countries
Reddy et al. Stability constrained optimal operation of standalone DC microgrids considering load and solar PV uncertainties
Saric et al. Optimal DG allocation for power loss reduction considering load and generation uncertainties
Muthusamy et al. An intelligent hybrid interfacing converter of fuel cell powered telecom loads for efficient power conversion
Jin et al. Joint scheduling of electric vehicle charging and energy storage operation
Tang et al. Stochastic battery energy storage scheduling considering cell degradation and distributed energy resources

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201002