CN111753438A - 一种基于时序特性的配电网分布式电源及储能双层优化规划方法 - Google Patents
一种基于时序特性的配电网分布式电源及储能双层优化规划方法 Download PDFInfo
- Publication number
- CN111753438A CN111753438A CN202010646436.3A CN202010646436A CN111753438A CN 111753438 A CN111753438 A CN 111753438A CN 202010646436 A CN202010646436 A CN 202010646436A CN 111753438 A CN111753438 A CN 111753438A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- time sequence
- energy storage
- power distribution
- power
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种配电网分布式电源及储能双层优化规划方法,具体位置一种基于时序特性的配电网分布式电源及储能双层优化规划方法,具体步骤如下:S1采用聚类分析法,确定分布式电源的时序特性曲线;S2在外层模型随机生成初始规划配置方案;S3在内层模型进行配电网运行时序仿真;S4根据内层仿真结果得到外层适应度函数值;S5采用人工智能算法多次迭代获取最优配置结果。采用该方法,可以在规划尺度下考虑配电网对风光储协调运行的最优潮流方案,提高对新能源的消纳潜力。
Description
技术领域
本发明涉及配电网分布式电源及储能配置方法,具体为一种基于时序特性的配电网分布式电源及储能双层优化规划方法。
背景技术
随着光伏扶贫和风电扶贫等工程落实,风电、光伏等分布式电源(DistributedGeneration,DG)大量接入配电网,一定程度上提升了配电网的供电能力;但同时,由于DG扶贫等项目大多接入在农村配电网,其网架结构较为薄弱,且用电负荷小,大量DG无序并网,可能会造成过度建设、财政浪费、弃风弃光,甚至还会影响配电网安全经济运行。随着储能技术的发展和应用,储能接入可以提高新能源利用率和渗透率,但储能成本较高。对配电网分布式电源及储能进行合理规划配置,对于充分发挥分布式电源潜在效益十分重要,对于光伏风电等扶贫工程的合理建设与全面落实也至关重要。
配电网DG的优化配置集中于解决规划期内电网安全稳定性、新能源随机性以及成本经济性问题。然而,限于规划问题的计算规模,大多数的规划研究基于简单消纳运行状态,将分布式电源作为负的负荷,忽略分布式电源时序波动对功率输出的限制、忽略实际潮流对运行消纳的限制、或未充分考虑储能对功率的连续调整。储能配置时,大多将DG以确定的容量接入,未考虑到风光储联合的分布式电源与储能容量协调运行调度电网的影响。工程实践表明,长时间尺度下的规划结果,忽略了短时间尺度下分布式电源与储能不确定性等潮流运行特征,降低了实际运行中分布式电源的使用效率。
若在规划阶段计及DG的时序特性和系统运行约束,实现运行水平与规划水平的协调统一,是提升配电网对分布式电源的消纳能力和利用率的重要措施。系统规划和运行分属不同时间尺度,本发明考虑风光等分布式电源的时序特性,计及配电网运行过程中的经济性及电网最优潮流运行约束,从运行和规划两个时间尺度,采用双层优化规划方法,提出了一种基于时序特性的配电网分布式电源及储能双层优化规划方法。
发明内容
本发明考虑风光等分布式电源的时序特性,计及配电网运行过程中的经济性及电网最优潮流运行约束,从运行和规划两个时间尺度,采用双层优化规划方法,提出了一种基于时序特性的配电网分布式电源及储能双层优化规划方法。
本发明是采用如下的技术方案实现的:一种基于时序特性的配电网分布式电源及储能双层优化规划方法,包括以下步骤:
S1:通过聚类分析方法,构建DG的时序特性模型,由时序特性模型确定规划网架中所有可能安装点的DG时序波动特性,并根据最大功率跟踪等方法,确定规划网架中各实际安装节点并网DG时序波动特性;
S2:在外层模型采用蒙特卡洛的方法随机生成一定数量的初始规划配置方案,初始配置方案包含不同类型DG及储能电池的位置和容量;
S3:在内层模型进行配电网运行时序仿真,以时序特性模型确定DG出力波动曲线,将外层优化生成的分布式电源及储能的位置与容量代入,以配电网和DG在典型日内有功出力的成本最低为运行目标函数,考虑DG时序特性约束进行模拟日内全天的最优潮流分布与节点电压分布,每个初始规划配置方案分别得到对应的运行指标值,包括节点电压波动偏差指标f1、配电网运行成本指标f2、弃光弃风惩罚指标f3:
式中,T为考察的运行时刻数,N为配电网节点数,Vn,t为配电网节点电压值,V0为节点电压的基准电压;M为接入的分布式电源数,cwind、cPV、cess分别为风光储的运行维护成本,cTh为火电购电成本,PTh为上级电网火电机组出力,Pwind、PPV、Pess分别为风光储分布式电源的运行出力,cep、cee分别为储能电池的功率容量成本和能量容量成本,τ为储能电池在考察时刻内的折算使用率;cq为弃风弃光惩罚系数,为风电在时刻t的最大出力,为光伏在时刻t的最大出力;为储能电池的功率容量,为储能电池的能量容量;
S4:对内层模型得到的运行指标采用加权法,通过隶属度函数法确定节点电压波动偏差指标权重系数cv,使节点电压波动偏差指标转化为经济性指标,与配电网运行成本指标和弃光弃风惩罚指标相加,转化为外层模型的适应度目标函数值F,其为一个综合考虑配电网典型日内电压波动、运行成本、弃电惩罚的经济性适应度函数:minF=cvf1+f2+f3,在外层模型根据适应度值采用人工智能进化算法迭代处理,得到向优化方向迭代更新后的一定数量规划配置方案;
S5:重复步骤S3、S4,直到外层模型迭代次数满足终止条件或适应度函数满足计算偏差要求,输出外层模型多次迭代更新后得到一定数量的规划配置方案,并从中挑选出符合决策要求的全局最优规划配置方案,即作为对分布式电源及储能的优化配置结果。
本发明在内层考虑风光储多种类型分布式电源和储能的时序特性和协调优化调度策略,计及电网安全运行约束对分布式电源的消纳限制,采用最优潮流模拟系统运行;在外层采用人工智能算法,考虑配电网电压波动偏差、新能源弃风弃光惩罚、配电网及分布式电源运行费用、储能电池建设成本等,确定分布式电源与储能的优化规划结果。采用该方法,可以在规划尺度下考虑配电网对风光储协调运行的最优潮流方案,提高对新能源的消纳潜力。
具体实施方式
一种基于时序特性的配电网分布式电源及储能双层优化规划方法,包括以下步骤:
S1:通过聚类分析方法,构建风光等分布式电源的时序特性模型,由时序特性模型确定规划网架中所有可能安装点的DG时序波动特性,并根据最大功率跟踪等方法,确定规划网架各实际安装节点并网DG时序波动特性。
S2:在外层模型采用蒙特卡洛的方法随机生成一定数量的初始规划配置方案,初始规划配置方案包含不同类型DG及储能电池的位置和容量。
S3:在内层模型进行配电网运行时序仿真,以风光分布式电源时序特性模型确定DG出力波动曲线,将外层优化生成的分布式电源及储能的位置与容量代入,以配电网和DG在典型日内有功出力的成本最低为运行目标函数,考虑DG时序特性约束进行模拟日内全天的最优潮流分布与节点电压分布,分别得到配置方案对应的运行指标值,包括节点电压波动偏差指标f1、配电网运行成本指标f2、弃光弃风惩罚指标f3:
式中,T为考察的运行时刻数,N为配电网节点数,Vn,t为配电网节点电压值,V0为节点电压的基准电压;M为接入的分布式电源数,cwind、cPV、cess分别为风光储的运行维护成本,cTh为火电购电成本,PTh为上级电网火电机组出力,Pwind、PPV、Pess分别为风光储分布式电源的运行出力,cep、cee分别为储能电池的功率容量成本和能量容量成本,τ为储能电池在考察时刻内的折算使用率;cq为弃风弃光惩罚系数,为风电在时刻t的最大出力,为光伏在时刻t的最大出力;为储能电池的功率容量,为储能电池的能量容量。
S4:对内层模型得到的运行指标采用加权法,通过隶属度函数法确定节点电压波动偏差指标权重系数cv,使节点电压波动偏差指标转化为经济性指标,与配电网运行成本指标和弃光弃风惩罚指标相加,转化为外层模型的适应度目标函数值F,其为一个综合考虑配电网典型日内电压波动、运行成本、弃电惩罚的经济性适应度函数:
minF=cvf1+f2+f3
在外层模型根据适应度值采用人工智能进化算法迭代处理,得到向优化方向(优化方向即使目标函数值F最小)迭代更新后的一定数量规划配置方案。
S5:重复步骤S3、S4,直到外层模型迭代次数满足终止条件或适应度函数满足计算偏差要求,输出外层模型多次迭代更新后得到一定数量的规划配置方案,并从中挑选出符合决策要求的全局最优规划配置方案,即作为对分布式电源及储能的优化配置结果。
本发明提供的一种基于时序特性的配电网分布式电源及储能双层优化规划方法,通过双层优化模型实现了运行水平与规划水平的协调统一,可以实现内层模型DG与储能系统的最优潮流消纳运行方式,提高配电网对新能源的消纳能力,同时实现外层模型DG和储能联合的容量协调优化配置,提高配电网对DG及储能的规划水平。该方法在确定规划配置时考虑配电网电压偏差、新能源弃风弃光惩罚、配电网及分布式电源运行费用、储能电池建设成本的目标函数,可以提高配电网在规划尺度下对风光储协调运行的最优潮流消纳能力。
Claims (1)
1.一种基于时序特性的配电网分布式电源及储能双层优化规划方法,其特征在于:包括以下步骤:
S1:通过聚类分析方法,构建DG的时序特性模型,由时序特性模型确定规划网架中所有可能安装点的DG时序波动特性,并根据最大功率跟踪等方法,确定规划网架中各实际安装节点并网DG时序波动特性;
S2:在外层模型采用蒙特卡洛的方法随机生成一定数量的初始规划配置方案,初始配置方案包含不同类型DG及储能电池的位置和容量;
S3:在内层模型进行配电网运行时序仿真,以时序特性模型确定DG出力波动曲线,将外层优化生成的分布式电源及储能的位置与容量代入,以配电网和DG在典型日内有功出力的成本最低为运行目标函数,考虑DG时序特性约束进行模拟日内全天的最优潮流分布与节点电压分布,每个初始规划配置方案分别得到对应的运行指标值,包括节点电压波动偏差指标f1、配电网运行成本指标f2、弃光弃风惩罚指标f3:
式中,T为考察的运行时刻数,N为配电网节点数,Vn,t为配电网节点电压值,V0为节点电压的基准电压;M为接入的分布式电源数,cwind、cPV、cess分别为风光储的运行维护成本,cTh为火电购电成本,PTh为上级电网火电机组出力,Pwind、PPV、Pess分别为风光储分布式电源的运行出力,cep、cee分别为储能电池的功率容量成本和能量容量成本,τ为储能电池在考察时刻内的折算使用率;cq为弃风弃光惩罚系数,为风电在时刻t的最大出力,为光伏在时刻t的最大出力;为储能电池的功率容量,为储能电池的能量容量;
S4:对内层模型得到的运行指标采用加权法,通过隶属度函数法确定节点电压波动偏差指标权重系数cv,使节点电压波动偏差指标转化为经济性指标,与配电网运行成本指标和弃光弃风惩罚指标相加,转化为外层模型的适应度目标函数值F,其为一个综合考虑配电网典型日内电压波动、运行成本、弃电惩罚的经济性适应度函数:min F=cvf1+f2+f3,在外层模型根据适应度值采用人工智能进化算法迭代处理,得到向优化方向迭代更新后的一定数量规划配置方案;
S5:重复步骤S3、S4,直到外层模型迭代次数满足终止条件或适应度函数满足计算偏差要求,输出外层模型多次迭代更新后得到一定数量的规划配置方案,并从中挑选出符合决策要求的全局最优规划配置方案,即作为对分布式电源及储能的优化配置结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010646436.3A CN111753438B (zh) | 2020-07-07 | 2020-07-07 | 一种基于时序特性的配电网分布式电源及储能双层优化规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010646436.3A CN111753438B (zh) | 2020-07-07 | 2020-07-07 | 一种基于时序特性的配电网分布式电源及储能双层优化规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111753438A true CN111753438A (zh) | 2020-10-09 |
CN111753438B CN111753438B (zh) | 2022-03-15 |
Family
ID=72679875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010646436.3A Active CN111753438B (zh) | 2020-07-07 | 2020-07-07 | 一种基于时序特性的配电网分布式电源及储能双层优化规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753438B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113644670A (zh) * | 2021-10-14 | 2021-11-12 | 中国电力科学研究院有限公司 | 一种储能容量优化配置的方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110231320A1 (en) * | 2009-12-22 | 2011-09-22 | Irving Gary W | Energy management systems and methods |
CN104376377A (zh) * | 2014-11-11 | 2015-02-25 | 国家电网公司 | 基于粒子群优化算法的对配电网中分布式电源的管理方法 |
CN107239847A (zh) * | 2017-04-12 | 2017-10-10 | 广州供电局有限公司 | 一种主动配电网储能系统动态规划方法 |
CN109508857A (zh) * | 2018-09-28 | 2019-03-22 | 国网浙江省电力有限公司经济技术研究院 | 一种主动配电网多阶段规划方法 |
CN110929931A (zh) * | 2019-11-20 | 2020-03-27 | 国网福建省电力有限公司 | 考虑分布式电源和负荷时序特性的配电网协调规划方法 |
-
2020
- 2020-07-07 CN CN202010646436.3A patent/CN111753438B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110231320A1 (en) * | 2009-12-22 | 2011-09-22 | Irving Gary W | Energy management systems and methods |
CN104376377A (zh) * | 2014-11-11 | 2015-02-25 | 国家电网公司 | 基于粒子群优化算法的对配电网中分布式电源的管理方法 |
CN107239847A (zh) * | 2017-04-12 | 2017-10-10 | 广州供电局有限公司 | 一种主动配电网储能系统动态规划方法 |
CN109508857A (zh) * | 2018-09-28 | 2019-03-22 | 国网浙江省电力有限公司经济技术研究院 | 一种主动配电网多阶段规划方法 |
CN110929931A (zh) * | 2019-11-20 | 2020-03-27 | 国网福建省电力有限公司 | 考虑分布式电源和负荷时序特性的配电网协调规划方法 |
Non-Patent Citations (3)
Title |
---|
DUAN GUIZHONG 等: ""Wind Turbine Reliability Analysis Considering Operating Environment"", 《2018 IEEE POWER & ENERGY SOCIETY GENERAL MEETING (PESGM)》 * |
LIJING ZHANG 等: ""Optimal Power Flow Using Particle Swarm Intelligence Algorithm and Non-stationary Multi-stage Assignment Penalty Function"", 《2012 FOURTH INTERNATIONAL CONFERENCE ON COMPUTATIONAL AND INFORMATION SCIENCES》 * |
王之阳: ""考虑分布式电源接入的配电网规划研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113644670A (zh) * | 2021-10-14 | 2021-11-12 | 中国电力科学研究院有限公司 | 一种储能容量优化配置的方法及系统 |
CN113644670B (zh) * | 2021-10-14 | 2022-01-25 | 中国电力科学研究院有限公司 | 一种储能容量优化配置的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111753438B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS | |
CN105846461B (zh) | 一种大规模储能电站自适应动态规划的控制方法和系统 | |
CN110247438B (zh) | 基于天牛须算法的主动配电网资源优化配置 | |
CN105186499A (zh) | 一种配电网多目标概率最优潮流模糊建模与求解方法 | |
CN114707767B (zh) | 一种新能源电力系统低谷时段可调峰功率预测方法 | |
Gao et al. | Optimal model for complementary operation of a photovoltaic-wind-pumped storage system | |
CN115017854A (zh) | 一种基于多维评估指标体系的配电网dg最大准入容量计算方法 | |
Wang et al. | Day-ahead multi-objective optimal operation of Wind–PV–Pumped Storage hybrid system considering carbon emissions | |
CN111144633A (zh) | 一种cchp微电网运行优化方法 | |
CN111753438B (zh) | 一种基于时序特性的配电网分布式电源及储能双层优化规划方法 | |
Pan et al. | Dual-layer optimal dispatching strategy for microgrid energy management systems considering demand response | |
Luo et al. | Load management for multiple datacenters towards demand response in the smart grid integrating renewable energy | |
CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
CN113937767B (zh) | 一种基于改进鲸鱼算法的微电网容量优化配置方法 | |
Qi et al. | The optimal dispatch with combination of wind power and photovoltaic power systems | |
CN113807566A (zh) | 基于可再生能源和内部负荷不确定的社区能源的调度方法 | |
Kai et al. | Optimization for PV-ESS in Distribution Network Based on CSBO | |
CN112117772A (zh) | 一种新能源接入下计及输电阻塞的储能快速优化配置方法 | |
CN110224434A (zh) | 一种基于随机鲁棒优化的电力系统调度方法 | |
Yuanyuan et al. | Research on the available power supply capacity assessment method considering the access of large-scale new energy generation and electric vehicle charging facilities | |
Zhang et al. | Capacity Optimization of Hybrid Energy Storage System Based on Improved Golden Eagle Optimization | |
Zhong et al. | Double-Layer-Optimizing Method of Hybrid Energy Storage Microgrid Based on Improved Grey Wolf Optimization. | |
Ling et al. | Bi-level Optimization of Energy Storage Considering Flexibility and New Energy Consumption | |
CN116404646B (zh) | 一种计及备用风险的电力系统调度方法及系统 | |
Sidi et al. | Optimization of the Placement and Size of Photovoltaic Source |
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 |