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

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

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

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，V_n,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，c_wind、c_PV、c_ess分别为风光储的运行维护成本，c_Th为火电购电成本，P_Th为上级电网火电机组出力，P_wind、P_PV、P_ess分别为风光储分布式电源的运行出力，c_ep、c_ee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；c_q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c_v，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＝c_vf₁+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，V_n,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，c_wind、c_PV、c_ess分别为风光储的运行维护成本，c_Th为火电购电成本，P_Th为上级电网火电机组出力，P_wind、P_PV、P_ess分别为风光储分布式电源的运行出力，c_ep、c_ee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；c_q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c_v，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＝c_vf₁+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，V_n,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，c_wind、c_PV、c_ess分别为风光储的运行维护成本，c_Th为火电购电成本，P_Th为上级电网火电机组出力，P_wind、P_PV、P_ess分别为风光储分布式电源的运行出力，c_ep、c_ee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；c_q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c_v，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＝c_vf₁+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。