CN112186764A - 一种配电网设备的接入优化方法、装置及电子设备 - Google Patents

一种配电网设备的接入优化方法、装置及电子设备 Download PDF

Info

Publication number
CN112186764A
CN112186764A CN202011102684.8A CN202011102684A CN112186764A CN 112186764 A CN112186764 A CN 112186764A CN 202011102684 A CN202011102684 A CN 202011102684A CN 112186764 A CN112186764 A CN 112186764A
Authority
CN
China
Prior art keywords
optimization
access
power
level
network
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
Application number
CN202011102684.8A
Other languages
English (en)
Other versions
CN112186764B (zh
Inventor
郑伟民
陈飞
黄锦华
陈轶玮
邹波
高强
孙轶恺
王蕾
张利军
张笑弟
戴攀
张全明
潘弘
张西竹
汤易
周洪青
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.)
State Grid Zhejiang Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Zhejiang Electric Power 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 State Grid Zhejiang Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202011102684.8A priority Critical patent/CN112186764B/zh
Publication of CN112186764A publication Critical patent/CN112186764A/zh
Application granted granted Critical
Publication of CN112186764B publication Critical patent/CN112186764B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了一种配电网设备的接入优化方法、装置及电子设备，通过对配电网中的接入设备按照电压等级进行划分，进而分别建立下级电网和上级电网的优化模型，而优化模型均以多个不确定性变量为决策变量并以可再生能源的容量为优化目标，基于此，分别对下级电网和上级电网的优化模型进行优化求解，最终优化得到的接入优化参数能够指示配电网进行设备接入并实现最大的可再生能源容量，从而降低了优化过程中分布式电源、负荷等不确定变量的数量，从而提高的计算速率，降低了求解难度，避免优化过于保守的情况，从而实现快速的配电网优化。

Description

一种配电网设备的接入优化方法、装置及电子设备
技术领域
本申请涉及配电优化技术领域，尤其涉及一种配电网设备的接入优化方法、装置及电子设备。
背景技术
现有的面向配电网的灵活性资源接入鲁棒优化方法往往是将配电网视为一个整体，将配电网内所有的可再生能源设备与负荷设备作为具有不确定性的优化决策变量进行优化。但随着可再生能源渗透率的提高，接入配电网的可再生能源数量逐步增多，且规模逐步多样化，既有接入低电压等级的分布式电源，也有经过统一规划后形成可再生能源集群、经过升压站直接接入中压电网的可再生能源发电场站。
因此，目前现有的鲁棒优化方法中会因为优化过程中的不确定性变量太多，而存在优化速度慢、效率低的缺陷。
因此，亟需一种能够对配电网的接入进行快速优化的技术方案。
发明内容
有鉴于此，本申请提供一种配电网设备的接入优化方法、装置及电子设备，如下：
一种配电网设备的接入优化方法，包括：
对所述配电网的接入设备进行电网等级划分，以得到上级电网和至少一个下级电网，所述下级电网分别通过配电变压器接入到所述上级电网，所述上级电网的电压等级高于所述下级电网的电压等级；
分别建立所述上级网络和所述下级网络各自的优化模型，所述优化模型中以不确定性变量为决策变量且以所述配电网的可再生容量为优化目标；所述不确定性变量至少包含储能装置的储能容量、静止无功补偿器SVC的接入容量、接入设备的接入位置与有载调压变压器的分接头档位中的任一项或任意多项；
分别对每个所述下级网络的优化模型进行优化处理，以得到每个所述下级网络的接入优化参数，所述接入优化参数包含所述接入设备的接入位置、所述接入设备的接入容量、所述SVC的接入容量、有载调压变压器的分接头档位和所述储能装置的储能容量；
根据每个所述下级网络中的接入设备的接入容量和负荷数据，获得所述下级网络与所述上级网络之间的实际交换功率上限和实际交换功率下限；
至少根据所述实际交换功率上限和所述实际交换功率下限和所述接入设备与有载调压变压器的分接头档位，获得极端情况下所述下级网络与所述上级网络之间的相连线路的线路潮流数据；
在所述线路潮流数据满足线路容量约束条件的情况下，对所述上级电网的优化模型进行优化处理，以得到所述配电网的接入优化参数；
在对所述上级电网的优化模型的优化处理收敛的情况下，输出所述配电网的接入优化参数，所述配电网的接入优化参数用于指示所述接入设备接入所述配电网的配置参数。
上述方法，优选的，在所述线路潮流不满足线路容量约束条件的情况下，所述方法还包括：
调整所述优化模型中的所述下级网络与所述上级网络之间的预设交换功率上限，返回重新执行所述步骤：分别对每个所述下级网络的优化模型进行优化处理，直到对所述上级电网的优化模型的优化处理收敛，输出重新获得到的接入优化参数。
上述方法，优选的，调整所述优化模型中的所述下级网络与所述上级网络之间的预设交换功率上限，包括：
获得所述接入设备的输出有功功率；
根据所述输出有功功率和预设输出功率，获得调整值；
分别将所述优化模型中的所述下级网络与所述上级网络之间的预设交换功率上限减小所述调整值。
上述方法，优选的，根据所述输出有功功率和预设输出功率，获得调整值，包括：
获得所述输出有功功率与预设输出功率之间的功率差值；
根据所述功率差值，获得调整值。
上述方法，优选的，所述优化模型中还包含有保守度因子，所述保守度因子表征所述优化模型的保守程度；
其中，在对所述上级电网的优化模型的优化处理不收敛的情况下，所述方法还包括：
调整所述优化模型中所述保守度因子的数值，返回重新执行所述步骤：分别对每个所述下级网络的优化模型进行优化处理，直到对所述上级电网的优化模型的优化处理收敛，输出重新获得到的接入优化参数。
上述方法，优选的，调整所述优化模型中所述保守度因子的数值，包括：
将所述优化模型中所述保守度因子的数值减小1。
上述方法，优选的，所述保守度因子的初始值为所述不确定性变量的个数值。
上述方法，优选的，所述优化模型包含可再生能源接入模型和所述可再生能源接入模型的多个约束模型，所述可再生能源接入模型以所述配电网的可再生容量为优化目标，所述约束模型为至少关于所述储能装置的储能容量、所述SVC的接入容量、所述接入设备的接入位置与有载调压变压器的分接头档位的约束条件。
一种配电网设备的接入优化装置，包括：
电网划分单元，用于对所述配电网的接入设备进行电网等级划分，以得到上级电网和至少一个下级电网，所述下级电网分别通过配电变压器接入到所述上级电网，所述上级电网的电压等级高于所述下级电网的电压等级；
模型建立单元，用于分别建立所述上级网络和所述下级网络各自的优化模型，所述优化模型中以不确定性变量为决策变量且以所述配电网的可再生容量为优化目标；所述不确定性变量至少包含储能装置的储能容量、静止无功补偿器SVC的接入容量、所述接入设备的接入位置与有载调压变压器的分接头档位中的任一项或任意多项；
下级网络优化单元，用于分别对每个所述下级网络的优化模型进行优化处理，以得到每个所述下级网络的接入优化参数，所述接入优化参数包含所述接入设备的接入位置、所述接入设备的接入容量、所述SVC的接入容量、有载调压变压器的分接头档位和所述储能装置的储能容量；
功率上下限获得单元，用于根据每个所述下级网络中的接入设备的接入容量和负荷数据，获得所述下级网络与所述上级网络之间的实际交换功率上限和实际交换功率下限；
潮流获得单元，用于至少根据所述实际交换功率上限和所述实际交换功率下限和所述接入设备与有载调压变压器的分接头档位，获得极端情况下所述下级网络与所述上级网络之间的相连线路的线路潮流数据；
上级电网优化单元，用于在所述线路潮流数据满足线路容量约束条件的情况下，对所述上级电网的优化模型进行优化处理，以得到所述配电网的接入优化参数；
参数输出单元，用于在对所述上级电网的优化模型的优化处理收敛的情况下，输出所述配电网的接入优化参数，所述配电网的接入优化参数用于指示所述接入设备接入所述配电网的配置参数。
一种电子设备，包括：
存储器，用于存储应用程序以及所述应用程序运行所产生的数据；
处理器，用于执行所述应用程序，以实现：对所述配电网的接入设备进行电网等级划分，以得到上级电网和至少一个下级电网，所述下级电网分别通过配电变压器接入到所述上级电网，所述上级电网的电压等级高于所述下级电网的电压等级；分别建立所述上级网络和所述下级网络各自的优化模型，所述优化模型中以不确定性变量为决策变量且以所述配电网的可再生容量为优化目标；所述不确定性变量至少包含储能装置的储能容量、静止无功补偿器SVC的接入容量、所述接入设备的接入位置与有载调压变压器的分接头档位中的任一项或任意多项；分别对每个所述下级网络的优化模型进行优化处理，以得到每个所述下级网络的接入优化参数，所述接入优化参数包含所述接入设备的接入位置、所述接入设备的接入容量、所述SVC的接入容量、有载调压变压器的分接头档位和所述储能装置的储能容量；根据每个所述下级网络中的接入设备的接入容量和负荷数据，获得所述下级网络与所述上级网络之间的实际交换功率上限和实际交换功率下限；至少根据所述实际交换功率上限和所述实际交换功率下限和所述接入设备与有载调压变压器的分接头档位，获得极端情况下所述下级网络与所述上级网络之间的相连线路的线路潮流数据；在所述线路潮流数据满足线路容量约束条件的情况下，对所述上级电网的优化模型进行优化处理，以得到所述配电网的接入优化参数；在对所述上级电网的优化模型的优化处理收敛的情况下，输出所述配电网的接入优化参数，所述配电网的接入优化参数用于指示所述接入设备接入所述配电网的配置参数。
由上述方案可知，本申请提供的一种配电网设备的接入优化方法、装置及电子设备中，通过对配电网中的接入设备按照电压等级进行划分，进而分别建立下级电网和上级电网的优化模型，而优化模型均以多个不确定性变量为决策变量并以可再生能源的容量为优化目标，基于此，分别对下级电网和上级电网的优化模型进行优化求解，最终优化得到的接入优化参数能够指示配电网进行设备接入并实现最大的可再生能源容量，从而大大降低了优化过程中分布式电源、负荷等不确定变量的数量，从而提高的计算速率，降低了求解难度，避免优化过于保守的情况，从而实现快速的配电网优化。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例一提供的一种配电网设备的接入优化方法的流程图；
图2为本申请实施例中配电网分级的示意图；
图3为本申请实施例一提供的一种配电网设备的接入优化方法的另一流程图；
图4为本申请实施例一提供的一种配电网设备的接入优化方法的部分流程图；
图5为本申请实施例一提供的一种配电网设备的接入优化方法的又一流程图；
图6为本申请实施例二提供的一种配电网设备的接入优化装置的结构示意图；
图7-图8分别为本申请实施例二提供的一种配电网设备的接入优化装置的另一结构示意图；
图9为本申请实施例三提供的一种电子设备的结构示意图；
图10为本申请适用于配电网接入优化中的流程图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
参考图1，为本申请实施例一提供的一种配电网设备的接入优化方法的实现流程图，该方法可以适用于能够进行数据处理的电子设备中，如计算机或服务器等。本实施例中的技术方案主要用于对设备接入到配电网的配置进行优化，使得配电网能够具有最大化的可再生能源容量。
具体的，本实施例中的方法可以包括以下步骤：
步骤101：对配电网的接入设备进行电网等级划分，以得到上级电网和至少一个下级电网。
如图2中所示，本实施例中可以按照配电网中接入设备所在网络中的电压等级并以配电网变压器为界限对接入设备进行电网等级划分，进而得到上级电网和n个下级电网，此时，下级电网分别通过配电变压器接入到上级电网，而上级电网的电压等级高于下级电网的电压等级。
具体的，下级电网可以理解为电压等级相同且最低的子网络，每个子网络包含从电压等级最低的变压器至其馈线终端，而上级电网为从上级变压器至下级电网的配电变压器。
步骤102：分别建立上级网络和下级网络各自的优化模型。
其中，优化模型中以不确定性变量为决策变量且以配电网的可再生容量为优化目标，这里的不确定性变量至少包含储能装置的储能容量、静止无功补偿器SVC的接入容量、接入设备的接入位置与有载调压变压器的分接头档位中的任一项或任意多项变量。
具体的，本实施例中分别为上级网络和每个下级网络建立相应的鲁棒优化模型，而鲁棒优化模型中可以包含有：可再生能源接入模型和可再生能源接入模型的多个约束模型，其中，可再生能源接入模型以配电网的可再生容量为优化目标，而约束模型分别为至少关于储能装置的储能容量、SVC的接入容量、接入设备的接入位置与有载调压变压器的分接头档位的约束条件。
在本实施例的一种实现方式中，假设所有负载和可再生能源都维持恒定的功率因素，以上可再生能源接入模型将配电系统即配电网能够容纳的最大可再生容量作为目标函数，而约束模型中分别包含关于储能装置的储能容量、SVC的接入容量、接入设备的接入位置与有载调压变压器的分接头档位的约束条件。
步骤103：分别对每个下级网络的优化模型进行优化处理，以得到每个下级网络的接入优化参数。
其中，接入优化参数包含接入设备的接入位置如接入设备的节点号码等、接入设备的接入容量、SVC的接入容量、接入设备的接入位置与有载调压变压器的分接头档位和储能装置的储能容量。
具体的，本实施例中可以以实际下级电网的网络参数与负荷数据为已知变量，根据步骤102中所建立的优化模型，给定可再生能源、储能装置和SVC可能接入的节点号，以配电网的可再生容量、储能装置的储能容量、静止无功补偿器SVC的接入容量、接入设备的接入位置与有载调压变压器的分接头档位为决策变量，在各个约束模型的约束下，对各下级电网的优化模型分别进行优化计算，例如，可以采用商业求解器等方式对各下级电网分别进行求解优化，就可以得到各下级电网的可再生能源的接入设备的接入位置、接入容量、SVC的接入容量、有载调压变压器的分接头档位和储能装置的储能容量等优化参数。
步骤104：根据每个下级网络中的接入设备的接入容量和负荷数据，获得下级网络与上级网络之间的实际交换功率上限和实际交换功率下限。
其中，下级电网与上级电网之间的实际交换功率的最小值为下级电网总负荷减去上级电网计算得到的总的可再生能源接入容量的最大出力，该值可能为负，在该值为负的情况下，下级电网向上级电网反向馈送功率；而下级电网与上级电网之间的实际交换功率的最大值即为下级电网总负荷，基于此，本实施例中根据每个下级网络中的接入设备的接入容量，获得到上级电网的总的可再生能源接入容量，之后，在负荷数据中下级电网的总负荷值中减去该容量，就可以得到下级网络与上级网络之间的实际交换功率的下限，并将负荷数据中下级电网的总负荷值作为下级网络与上级网络之间的实际交换功率的上限。
步骤105：至少根据实际交换功率上限和实际交换功率下限和接入设备与有载调压变压器的分接头档位，获得极端情况下下级网络与上级网络之间的相连线路的线路潮流数据。
其中，由于可能存在多个下级电网通过邻近线路接入上级电网的情况，因此各下级电网对上级电网的影响会叠加，可能导致上级电网潮流越限，因此，本实施例中需要对上级电网的潮流数据进行计算，以判断出上级电网是否存在潮流越限的情况。极端情况是指下级电网对上级电网的影响最大即最多个的下级电网通过邻近线路接入上级电网的情况。
具体的，本实施例中可以根据前文中计算得到的下级电网与上级电网之间的实际交换功率上限和实际交换功率下限、接入设备与有载调压变压器的分接头档位、上级电网的网络参数如接入设备的节点数量、节点线路、节点之间的连接方式、节点线路的电阻、电抗值等和负荷数据，来计算下级电网与上级电网之间的相连线路的线路潮流数据。
步骤106：判断线路潮流数据是否满足线路容量约束条件，在线路潮流数据满足线路容量约束条件的情况下，执行步骤107。
具体的，可以将线路潮流数据中各节点的净有功负荷和净无功负荷求平方和，再与节点上允许长时间流过线路的最大视在功率的平方进行比对，其中，最大视在功率为根据具体的线路型号得到的额定参数，基于此，在各节点的净有功负荷和净无功负荷求平方和小于或等于节点上允许长时间流过线路的最大视在功率的平方时，可以确定线路潮流数据满足线路容量约束条件，而如果各节点的净有功负荷和净无功负荷求平方和大于节点上允许长时间流过线路的最大视在功率的平方，则可以确定线路潮流数据不满足线路容量约束条件。
基于此，本实施例中在确定线路潮流数据满足线路容量约束条件即上级电网潮流不越限的情况下，执行以下步骤107。
步骤107：对上级电网的优化模型进行优化处理，以得到配电网的接入优化参数。
其中，本实施例中在上级电网潮流不越限的情况下，将各下级电网等效为出力特性等于其功率交换上下限的负荷或分布式电源，其出力上下限即为各下级电网与上级电网交换功率的上下限，基于此，对上级电网的优化模型进行优化计算，即以实际上级电网的网络参数与负荷数据为已知变量，根据步骤102中所建立的上级电网的优化模型，给定可再生能源、储能装置和SVC可能接入的节点号，以配电网的可再生容量、储能装置的储能容量、静止无功补偿器SVC的接入容量、接入设备与有载调压变压器的分接头档位为决策变量，在约束模型的约束下，对上级电网的优化模型进行优化计算，例如，可以采用商业求解器等方式对上级电网分别进行求解优化，就可以得到配电网的可再生能源的接入设备的接入位置、接入容量，SVC的接入容量，有载调压变压器的分接头档位和储能装置的储能容量等接入优化参数。
需要说明的是，配电网的接入优化参数中包含有下级电网的经过上级电网优化处理的接入优化参数。
步骤108：判断对上级电网的优化模型的优化处理是否收敛，在对上级电网的优化模型的优化处理收敛的情况下，执行步骤109。
步骤109：输出配电网的接入优化参数。
其中，配电网的接入优化参数用于指示接入设备接入配电网的配置参数。
具体的，由于下级电网与上级电网的交换功率范围可能存在过大的情况，即优化场景过于保守而考虑了发生概率极低的情况，因此，对上级优化可能存在不收敛而无法得到上级电网的优化模型的优化解的情况，因此，本实施例中需要先对上级电网的优化模型是否有优化解进行判断，只有在有优化解即模型收敛的情况下，才输出配电网的接入优化参数，用以指示接入设备按照相应的配置参数接入到配电网中，使得配电网能够容量最大的可再生能源，实现配电网优化。
由上述方案可知，本申请实施例一提供的一种配电网设备的接入优化方法中，通过对配电网中的接入设备按照电压等级进行划分，进而分别建立下级电网和上级电网的优化模型，而优化模型均以多个不确定性变量为决策变量并以可再生能源的容量为优化目标，基于此，分别对下级电网和上级电网的优化模型进行优化求解，最终优化得到的接入优化参数能够指示配电网进行设备接入并实现最大的可再生能源容量，从而大大降低了优化过程中分布式电源、负荷等不确定变量的数量，从而提高的计算速率，降低了求解难度，避免优化过于保守的情况，从而实现快速的配电网优化。
在一种实现方式中，在步骤106中判断出线路潮流数据不满足线路容量约束条件的情况下，本实施例中的方法还可以包括以下步骤，如图3中所示：
步骤110：调整优化模型中的下级网络与上级网络之间的预设交换功率上限，返回重新执行步骤103，以分别对每个下级网络的优化模型进行优化处理，直到步骤108中对上级电网的优化模型的优化处理收敛，并在步骤109中输出重新获得到的接入优化参数。
具体的，本实施例中在调整优化模型中的下级网络与上级网络之间的预设交换功率上限时，具体可以根据接入设备的输出有功功率来实现，如图4中所示：
步骤401：获得接入设备的输出有功功率。
其中，接入设备作为一个配电网接入节点，其输出有功功率可以用p来表示，本实施例中可以通过对接入设备进行实时数据采集，以得到接入设备的输出有功功率。
步骤402：根据输出有功功率和预设输出功率，获得调整值。
其中，预设输出功率是预设的线路正常运行的上下限值，具体是根据线路生产厂家给出的参数或电网运营者的规定来确定。
基于此，本实施例中可以首先获得输出有功功率与预设输出功率之间的功率差值，之后，再根据功率差值，获得调整值。例如，将调整值取值为功率差值的一半。
步骤403：分别将优化模型中的下级网络与上级网络之间的预设交换功率上限减小调整值。
基于此，本实施例中在每次判断出线路潮流不满足线路容量约束条件的情况下，均可以以实时计算出的调整值为步长，对优化模型中的下级网络与上级网络之间的预设交换功率上限和预设交换功率下限进行逐步减小，直到线路潮流数据满足线路容量约束条件，即上级电网不越限，继续执行后续步骤107，对上级电网的优化模型进行优化处理，直到输出配电网的接入优化参数。
在一种实现方式中，以上上级电网和各下级网络的优化模型中，所有的不确定变量，包含分布式电源、负荷的取值集合均为不确定集合，由于鲁棒优化是考虑最差情况下的优化求解方法，针对极端情况下的优化模型可能会出现所有不确定变量都在集合上下界进行优化的情况，然而实际上该情况发生的概率极低或者不会发生，因此，可能优化场景过度保守，为此，本实施例中可以采用Bertsimas&Sims鲁棒对等模型对上述含不确定性变量的可再生能源接入模型和相应的约束模型进行转换，并引入保守度因子Γ来调节优化模型的保守程度，该保守度因子表征优化模型的保守程度。而在初始状态下，保守度因子的初始值为为不确定性变量的个数值，即最大值，以表征初始优化时，是在最保守的场景下进行优化。
基于此，步骤108中判断出对上级电网的优化模型的优化处理不收敛的情况下，本实施例中的方法还可以包括以下步骤，如图5中所示：
步骤111：调整优化模型中保守度因子的数值，返回重新执行步103，以分别对每个下级网络的优化模型进行优化处理，直到步骤108中对上级电网的优化模型的优化处理收敛，并在步骤109中输出重新获得到的接入优化参数。
具体的，步骤111中可以按照从大到小的顺序依次调整优化模型中保守度因子的数值，例如，在每次判断出优化模型不收敛的情况下，均对保守度因子进行降低，如将保守度因子减小1，直到上级电网的优化模型的优化处理收敛，继续执行后续步骤109，输出配电网的接入优化参数。
参考图6，为本申请实施例二提供的一种配电网设备的接入优化装置的结构示意图，该装置可以配置在能够进行数据处理的电子设备中，如计算机或服务器等。本实施例中的技术方案主要用于对设备接入到配电网的配置进行优化，使得配电网能够具有最大化的可再生能源容量。
具体的，本实施例中的装置可以包括以下单元：
电网划分单元601，用于对配电网的接入设备进行电网等级划分，以得到上级电网和至少一个下级电网，下级电网分别通过配电变压器接入到上级电网，上级电网的电压等级高于下级电网的电压等级；
模型建立单元602，用于分别建立上级网络和下级网络各自的优化模型，优化模型中以不确定性变量为决策变量且以配电网的可再生容量为优化目标；不确定性变量至少包含储能装置的储能容量、静止无功补偿器SVC的接入容量、接入设备的接入位置与有载调压变压器的分接头档位中的任一项或任意多项；
下级网络优化单元603，用于分别对每个下级网络的优化模型进行优化处理，以得到每个下级网络的接入优化参数，接入优化参数包含接入设备的接入位置、接入设备的接入容量、SVC的接入容量、有载调压变压器的分接头档位和储能装置的储能容量；
功率上下限获得单元604，用于根据每个下级网络中的接入设备的接入容量和负荷数据，获得下级网络与上级网络之间的实际交换功率上限和实际交换功率下限；
潮流获得单元605，用于至少根据实际交换功率上限和实际交换功率下限和接入设备与有载调压变压器的分接头档位，获得极端情况下下级网络与上级网络之间的相连线路的线路潮流数据；
上级电网优化单元606，用于在线路潮流数据满足线路容量约束条件的情况下，对上级电网的优化模型进行优化处理，以得到所述配电网的接入优化参数；
参数输出单元607，用于在对上级电网的优化模型的优化处理收敛的情况下，输出配电网的接入优化参数，配电网的接入优化参数用于指示接入设备接入配电网的配置参数。
由上述方案可知，本申请实施例二提供的一种配电网设备的接入优化装置中，通过对配电网中的接入设备按照电压等级进行划分，进而分别建立下级电网和上级电网的优化模型，而优化模型均以多个不确定性变量为决策变量并以可再生能源的容量为优化目标，基于此，分别对下级电网和上级电网的优化模型进行优化求解，最终优化得到的接入优化参数能够指示配电网进行设备接入并实现最大的可再生能源容量，从而大大降低了优化过程中分布式电源、负荷等不确定变量的数量，从而提高的计算速率，降低了求解难度，避免优化过于保守的情况，从而实现快速的配电网优化。
在一种实现方式中，本实施例中的装置还可以包括以下结构，如图7中所示：
第一调整单元608，用于在所述线路潮流不满足线路容量约束条件的情况下，调整所述优化模型中的所述下级网络与所述上级网络之间的预设交换功率上限和预设交换功率下限，返回重新触发所述下级网络优化单元603，以分别对每个所述下级网络的优化模型进行优化处理，直到上级电网优化单元606对所述上级电网的优化模型的优化处理收敛，由参数输出单元607输出重新获得到的接入优化参数。
具体的，第一调整单元608在调整所述优化模型中的所述下级网络与所述上级网络之间的预设交换功率上限和预设交换功率下限时，具体可以通过以下方式实现：
获得所述接入设备的输出有功功率；根据所述输出有功功率和预设输出功率，获得调整值，例如，获得所述输出有功功率与预设输出功率之间的功率差值，再根据所述功率差值，获得调整值；分别将所述优化模型中的所述下级网络与所述上级网络之间的预设交换功率上限和预设交换功率下限减小所述调整值。
在一种实现方式中，所述优化模型中还包含有保守度因子，所述保守度因子表征所述优化模型的保守程度；
基于此，本实施例中的装置还可以包括以下结构，如图8中所示：
第二调整单元609，用于在对所述上级电网的优化模型的优化处理不收敛的情况下，调整所述优化模型中所述保守度因子的数值，例如，将所述优化模型中所述保守度因子的数值减小1，返回重新触发下级电网优化单元603，以分别对每个所述下级网络的优化模型进行优化处理，直到上级电网优化单元606对所述上级电网的优化模型的优化处理收敛，由参数输出单元607输出重新获得到的接入优化参数。
可选的，所述保守度因子的初始值为所述不确定性变量的个数值。
在一种实现方式中，所述优化模型包含可再生能源接入模型和所述可再生能源接入模型的多个约束模型，所述可再生能源接入模型以所述配电网的可再生容量为优化目标，所述约束模型为至少关于所述储能装置的储能容量、所述SVC的接入容量、所述接入设备的接入位置与有载调压变压器的分接头档位的约束条件。
需要说明的是，本实施例中各单元的具体实现可以参考前文中的相应描述，此处不再详述。
参考图9，为本申请实施例三提供的一种电子设备的结构示意图，该电子设备可以为能够进行数据处理的电子设备，如计算机或服务器等。本实施例中的技术方案主要用于对设备接入到配电网的配置进行优化，使得配电网能够具有最大化的可再生能源容量。
具体的，本实施例中的电子设备可以包括以下结构：
存储器901，用于存储应用程序以及应用程序运行所产生的数据；
处理器902，用于执行应用程序，以实现：对配电网的接入设备进行电网等级划分，以得到上级电网和至少一个下级电网，下级电网分别通过配电变压器接入到上级电网，上级电网的电压等级高于下级电网的电压等级；分别建立上级网络和下级网络各自的优化模型，优化模型中以不确定性变量为决策变量且以配电网的可再生容量为优化目标；不确定性变量至少包含储能装置的储能容量、静止无功补偿器SVC的接入容量、接入设备的接入位置与有载调压变压器的分接头档位中的任一项或任意多项；分别对每个下级网络的优化模型进行优化处理，以得到每个下级网络的接入优化参数，接入优化参数包含接入设备的接入位置、接入设备的接入容量、SVC的接入容量、有载调压变压器的分接头档位和储能装置的储能容量；根据每个下级网络中的接入设备的接入容量和负荷数据，获得下级网络与上级网络之间的实际交换功率上限和实际交换功率下限；至少根据实际交换功率上限和实际交换功率下限和接入设备与有载调压变压器的分接头档位，获得极端情况下下级网络与上级网络之间的相连线路的线路潮流数据；在线路潮流数据满足线路容量约束条件的情况下，对上级电网的优化模型进行优化处理，以得到所述配电网的接入优化参数；在对上级电网的优化模型的优化处理收敛的情况下，输出配电网的接入优化参数，配电网的接入优化参数用于指示接入设备接入配电网的配置参数。
由上述方案可知，本申请实施例三提供的一种电子设备中，通过对配电网中的接入设备按照电压等级进行划分，进而分别建立下级电网和上级电网的优化模型，而优化模型均以多个不确定性变量为决策变量并以可再生能源的容量为优化目标，基于此，分别对下级电网和上级电网的优化模型进行优化求解，最终优化得到的接入优化参数能够指示配电网进行设备接入并实现最大的可再生能源容量，从而大大降低了优化过程中分布式电源、负荷等不确定变量的数量，从而提高的计算速率，降低了求解难度，避免优化过于保守的情况，从而实现快速的配电网优化。
需要说明的是，本实施例中处理器的具体实现可以参考前文中的相应描述，此处不再详述。
以配电网的分布式电源设备接入为例，对本申请的技术方案进行举例说明：
基于以上实现方案，在实际应用中本申请提出了一种多层级的鲁棒优化方法，将配电网分为：多个低电压等级的下级网络与和各下级网络进行功率交换的上级电网，分别进行优化求解，从而大大降低了优化问题中分布式电源、负荷等具有不确定性的灵活性资源的数目，提高了计算速度，降低了求解难度，避免了优化结果过于保守的情况。
具体实现方案主要分为如下S1-S4四个主要步骤，结合图10中所示的流程图，具体如下：
S1：对配电网中分布式电源的接入优化进行建模：
1、配电网模型
由于目前配电网一般是闭环建设，开环运行，因此本模型假设配电网为单辐射网络。采用DistFlow潮流模型描述任意配电网节点i的潮流。对于
Figure BDA0002725925030000177
存在如以下公式(1)-公式(6)所示模型：
V0＝Vsub(1+tp·a) (1)
Figure BDA0002725925030000171
Figure BDA0002725925030000172
Figure BDA0002725925030000173
Figure BDA0002725925030000174
Figure BDA0002725925030000175
其中，N是由除了根节点0外配电网所有节点组成的集合，Vsub是节点0的变压器低压侧额定电压，tp代表有载调压变压器抽头档位(只有具有变压器的节点有变压器抽头可以调节)，a为每档之间的电压变化率。Vi代表节点i的电压。Pi、Qi分别代表由节点i流向节点i+1的有功功率与无功功率
Figure BDA0002725925030000176
分别为节点i处负荷的有功与无功功率。
Figure BDA0002725925030000181
为节点i处分布式电源的输出功率。
Figure BDA0002725925030000182
分别为节点i处储能装置的充电功率和放电功率。
Figure BDA0002725925030000183
是节点i处SVC装置输出的无功功率。ri+jxi为节点i与节点i+1之间的支路阻抗。pi是节点i的净有功负荷，qi是节点i处的净无功负荷。
具体实现中，以上公式可以被简化如下，以消除DistFolow潮流模型中的非线性，如下公式(7)-公式(9)所示：
Pi+1＝Pi-pi+1 (7)
Qi+1＝Qi-qi+1 (8)
Vi+1＝Vi-(riPi+xiQi)/Vsub (9)
因此，潮流方程可以用根节点的电压大小和各节点的注入功率(即-pi-jqi)进行表示。
上述包含N个独立N+1个节点的辐射型网络，由N个独立节点与一个根节点以及N条线路组成。在辐射型网络中，对于每个独立节点i，均存在且仅存在一条由从根节点0指向该节点i的路径，该路径可由其经过的支路所表示。因此，通过建立路径-支路关联矩阵[Tij]，可以准确而清晰地描述辐射型配电网网络拓扑结构。即如果以根节点为起点，以节点i为终点的路径i经过线路j，则Tij＝1；否则，Tij＝0。若定义[Bij]为路径-线路关联矩阵[Tij]的转置，则根据基尔霍夫定律，流经各线路的有功、无功功率可以用下列公式(10)公式(11)表示：
Pi＝∑j∈NBijpj (10)
Qi＝∑j∈NBijqj (11)
即可以用网络拓扑关系及各独立节点的注入功率表示线路i传输的有功、无功功率。
然后，推导出节点电压的数学表达式：通过对公式(9)中的i赋不同值，可以推导出一组电压方程。通过迭代消除中间变量后，可以将节点电压方程重新表示为如下公式(12)：
Vi＝V0-∑j∈N(pjRij+qjXij)/Vsub (12)
其中，Rij为路径i与路径j重叠部分所包含的所有线路的电阻之和，Xij为路径i与路径j重叠部分所包含的所有线路的电抗之和。
2、可再生能源模型
基于灵活性资源的不确定性，分别构建源、网、荷、储四类灵活性资源模型，具体包括可再生能源、有载调压与静止无功补偿器SVC、需求响应、储能系统(为简化计算，忽略PCS的控制，认为储能装置充放能功率因素固定为1)等。
(1)可再生能源
在本申请中，令M为已经安装有分布式电源的节点的集合，G为考虑后续安装分布式电源的节点的集合。将可再生能源出力视为置信出力和随机出力的叠加。假设其最大出力与置信出力之差等于置信出力与最小出力之差，即如下公式(13)：
Figure BDA0002725925030000191
其中，
Figure BDA0002725925030000192
为可再生能源的置信有功出力，
Figure BDA0002725925030000193
为可再生能源的随机有功出力，
Figure BDA0002725925030000194
为可再生能源的实际有功出力。
具体的，本申请需要最终确定各节点处后续可承载的新增可再生能源装机容量
Figure BDA0002725925030000195
为了求得
Figure BDA0002725925030000196
引入可再生能源出力系数
Figure BDA0002725925030000197
定义公式(14)：
Figure BDA0002725925030000198
从而有公式(15)：
Figure BDA0002725925030000199
其中，
Figure BDA00027259250300001910
为可再生能源的置信出力系数，
Figure BDA00027259250300001911
为可再生能源的随机出力系数，
Figure BDA00027259250300001912
为可再生能源的实际出力系数。
(2)有载调压变压器
在本申请中，如公式(16)：
tpmin≤tp≤tpmax,tp∈J (16)
其中，tp为有载调压变压器分接头档位，tpmax、tpmin分别为有载调压变压器分接头档位上下限。J为一个整数集，代表有载调压变压器可能的分接头档位。
(3)SVC
在本申请中，如公式(17)：
Figure BDA0002725925030000201
其中，
Figure BDA0002725925030000202
为节点i处SVC输出的无功功率，
Figure BDA0002725925030000203
分别为节点i处SVC输出无功功率的上下限。
(4)储能装置
储能装置一方面可以有效平抑外界分布式可再生能源的输入波动，另一方面可以根据需要跟踪负荷出力。
储能装置的模型可采用简化线性模型加以描述。假定储能装置在某一时间段Δt内充放电功率恒定，则在该时间段前后储能系统存储的能量关系为公式(18)：
Figure BDA0002725925030000204
其中，
Figure BDA0002725925030000205
分别为时刻t时节点i处储能装置的储能容量、充电功率和放电功率；ηc、ηd分别为储能装置的充放电效率。
在电能存储系统实际工作过程中，假设其端电压恒定，但需保证其运行在一定的荷电状态(State of Charge，SOC)范围内，其充放电功率也会受到一定的限制，这一条件可用下述约束公式(19)-公式(21)表示：
Figure BDA0002725925030000206
Figure BDA0002725925030000207
Figure BDA0002725925030000208
其中，
Figure BDA0002725925030000209
分别为充放电功率的最大值，
Figure BDA00027259250300002010
分别为储能装置储能容量的上下限。
考虑到储电装置在一个调度时段内不能同时充电和放电，因此，存在下述约束公式(22)：
Figure BDA0002725925030000211
(5)负荷管理
由于负荷响应是由需求侧根据激励主动响应，其实际负荷削减情况更为复杂，出于忽略无关因素进而简化计算的目的，本报告不考虑负荷响应型需求侧管理，而认为负荷侧灵活性资源都是接受统一管理，具有较强确定性的可中断负荷。可中断负荷的出力由两个方面综合决定，一方面为合同规定的最大出力变化的限制，另一方面为用户自身用电需求的限制。因此，可中断负荷的出力约束可描述为公式(23)：
max{0,pIL,0-ΔpIL,max}≤pIL≤min{pIL,max,pIL,0+ΔpIL,max} (23)
其中，pIL代表可中断负荷的出力，pIL,0为可中断负荷当前时刻的出力、pIL,max为可中断负荷的出力上限，ΔpIL,max表示可中断负荷的最大出力调节能力、该限制通常由用户合同确定。
可认为所有负荷也为置信负荷与随机波动的叠加，如公式(24)：
Figure BDA0002725925030000212
其中，
Figure BDA0002725925030000213
为置信负荷，
Figure BDA0002725925030000214
为负荷的最大波动值，
Figure BDA0002725925030000215
为实际负荷。
3、网络约束
根据配电网灵活性资源承载能力的主要限制因素构建系统运行约束的数学表达。
(1)电压偏差约束
本申请中电压偏差约束遵循相关预设的电能质量标准，具体如公式(25)所示：
Figure BDA0002725925030000216
其中Vmin为标准规定的电压下限值，取0.93p.u.，Vmax为标准规定的电压上限值，取1.07p.u.。
(2)变压器容量约束
流经配电变压器的复功率受到变压器允许通过的最大视在功率的限制，如公式(26)所示：
Figure BDA0002725925030000221
(3)线路传输容量约束
当线路输送功率过大时，线路面临过载的危险，影响线路的热稳定性。为保证线路的安全运行，流经线路的功率应满足如下约束公式(27)：
Figure BDA0002725925030000222
其中，Si，max为允许长时间流过线路的最大视在功率。由于上述变压器容量约束与线路热稳定约束并不是线性约束，其可行域是一个圆，因此采用一种多边形内近似方法对其进行线性化，线性化后的约束如下公式(28)-公式(29)：
Figure BDA0002725925030000223
Figure BDA0002725925030000224
其中，αc、βc、γc为线性化系数即多边形顶点坐标。
(4)与上级电网的功率交换约束
配电网通过配电变压器与上级电网相连。为了保证上级电网的安全运行，与上级电网交换的功率应该满足以下约束公式(30)-公式(31)：
psub，min≤psub≤psub，max (30)
qsub，min≤qsub≤qsub，max (31)
其中，psub，max、psub，min是与上级电网交换的有功功率的上下限；qsub，max、qsub，min是与上级电网交换的无功功率的上下限。
4、优化模型
优化问题的目标是评估配电系统能够容纳的最大可再生能源容量。为了保证配电系统的安全，需要考虑不同灵活性资源的输出水平以及网络约束。
Figure BDA0002725925030000225
知
Figure BDA0002725925030000226
分别代表电源和负荷的功率因素。为了简化计算，在本申请中，假设所有负载和可再生能源都维持恒定的功率因数。根据前述可再生能源接入模型，将配电系统能够容纳的最大可再生容量作为目标函数，由如下公式(32)表示：
Figure BDA0002725925030000227
相应的，约束模型如下公式(33)-公式(46)表示：
tpmin≤tp≤tpmax,tp∈J (33)
Figure BDA0002725925030000231
Figure BDA0002725925030000232
Figure BDA0002725925030000233
Figure BDA0002725925030000234
Figure BDA0002725925030000235
Figure BDA0002725925030000236
Figure BDA0002725925030000237
Figure BDA0002725925030000238
Figure BDA0002725925030000239
Figure BDA00027259250300002310
Figure BDA00027259250300002311
Figure BDA0002725925030000241
Figure BDA0002725925030000242
S2、求解下级电网鲁棒优化子问题：
根据上述模型，所有的不确定参数，包括分布式电源、负荷的取值集合均为盒式不确定集[a,b]，其中a＜b，盒式不确定集是最简单的不确定集，也被称作区间集。由于鲁棒优化是考虑最差情况下的优化求解方法，针对于极端情况的模型可能会出现所有不确定参数都在区间集上下界进行优化的情况，然而实际中该情况发生的概率极低或不会发生，因此，可能优化场景可能过度保守，为此，本申请中可以采用Bertsimas&Sims鲁棒对等模型对上述含不确定性变量的约束模型进行转换，并引入保守度因子Γ调节模型的保守程度。
在此，以节点电压约束为例，构建其Bertsimas&Sims鲁棒对等模型如公式(47)所示：
Figure BDA0002725925030000243
其中，保守度因子τv,i是决定优化方法的保守程度的系数，其为整数变量，最大值为系统中具有不确定性的变量的个数，最小值为0。通过改变τv,i，目标函数的最优解将发生变化。对于目标函数式(32)即最大化可再生能源接入量而言，这相当于改变了负荷与分布式电源出力水平的不确定性，减小了同时取得最坏情况的不确定性参数个数。τv,i越大，优化就将在越保守的情况下进行，可接入的分布式电源容量就会越小。
对于一个涵盖多电压等级的配电网，以配电变压器为界，根据电网的电压等级，将其划分为多层的配电网络，如图2所示。其中，具体而言，下级电网即电压等级相同且最低的各子网络，每个子网络包含电压等级最低的变压器至其馈线终端。上级电网为上级变压器至下级电网配电变压器。
基于此，本申请中首先对下级电网的优化模型进行优化，具体如下：
首先，令τv,i为最大值，以实际低级配电网的网络参数与负荷数据为已知变量，根据步骤S1所述优化问题模型即公式(32)-公式(46)，给定可再生能源、储能和SVC可能接入的节点i，以新增可再生能源、储能和SVC的实际接入容量与接入节点与有载调压变压器分接头档位为决策变量，采用商业求解器对各低级配电网分别进行求解优化，可以得到各下级子网络的可再生能源接入位置、接入容量及SVC、有载调压、储能系统等灵活性资源的配置方案。
S3、计算下级电网与上级电网实际交换功率的上下限，验证是否满足上级电网潮流约束：
由于优化模型中含有与上级电网的交换功率约束，因此步骤S2得到的结果必然满足交换功率的限值要求。因此，可以根据步骤S2中得到的各下级电网可再生能源接入容量及作为已知量的负荷数据，采用如下公式(48)及公式(49)计算该下级电网与上层电网实际交换功率的上下限：
Figure BDA0002725925030000251
Figure BDA0002725925030000252
该上下限应该小于上级电网的交换功率约束上下限。其中从上级电网吸收功率的最小值为下级电网总负荷减去上网计算得到的总可再生能源接入容量的最大出力，该值可能为负，即下级电网向上级电网反向馈送功率。从上级电网吸收功率的最大值即为下级电网总负荷。然而，由于可能存在多个下级电网通过邻近线路接入上级电网的情况，各下级电网对上级电网的影响叠加，可能导致上级电网潮流越限，因此根据计算得到的下级电网与上级电网功率交换上下限与配电变压器的抽头位置以及已知的上级电网的网络参数和负荷数据计算上级电网潮流。将各线路潮流pi带入公式(27)，以判断上级电网线路是否可能出现超出线路容量约束的情况，若出现超出线路容量约束的情况，为了保证上级电网的安全运行，以越限值的1/2为步长减小各下级电网允许的与上级电网交换的最大功率，越限值即为pi与pmax的差，pmax为预设输出功率，重复步骤S2，求解新约束下的下级配电网优化子问题，直至上级电网线路不发生潮流越限的情况。
S4、求解上层电网灵活性资源接入鲁棒优化问题：
将各下级电网等效为出力特性等于其功率交换上下限的负荷或分布式电源，其出力上下限即为各下级电网与上级电网交换功率的上下限。采用步骤S1所述模型将模型约束公式(33)到公式(46)、目标函数与网络参数和负荷数据输入商业求解器，利用商业求解器对上述模型进行鲁棒优化，若计算不收敛，则说明目前的下级电网与上级电网交换功率范围过大，即之前的优化场景过于保守，考虑了发生概率极低的极端情况，因此减小鲁棒保守度因子τv,i，令τv,i＝τv,i-1，重新回到步骤S2对各下级电网进行鲁棒优化求解，以求得保守度更低的解，重复上述步骤直至模型收敛，求得可再生能源、储能和SVC的实际接入容量与接入节点与有载调压变压器分接头档位，可以用所求得的结果指导各类设备接入配电网。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种配电网设备的接入优化方法，其特征在于，包括：
对所述配电网的接入设备进行电网等级划分，以得到上级电网和至少一个下级电网，所述下级电网分别通过配电变压器接入到所述上级电网，所述上级电网的电压等级高于所述下级电网的电压等级；
分别建立所述上级网络和所述下级网络各自的优化模型，所述优化模型中以不确定性变量为决策变量且以所述配电网的可再生容量为优化目标；所述不确定性变量至少包含储能装置的储能容量、静止无功补偿器SVC的接入容量、所述接入设备的接入位置与有载调压变压器的分接头档位中的任一项或任意多项；
分别对每个所述下级网络的优化模型进行优化处理，以得到每个所述下级网络的接入优化参数，所述接入优化参数包含所述接入设备的接入位置、所述接入设备的接入容量、所述SVC的接入容量、有载调压变压器的分接头档位和所述储能装置的储能容量；
根据每个所述下级网络中的接入设备的接入容量和负荷数据，获得所述下级网络与所述上级网络之间的实际交换功率上限和实际交换功率下限；
至少根据所述实际交换功率上限和所述实际交换功率下限和所述接入设备与有载调压变压器的分接头档位，获得极端情况下所述下级网络与所述上级网络之间的相连线路的线路潮流数据；
在所述线路潮流数据满足线路容量约束条件的情况下，对所述上级电网的优化模型进行优化处理，以得到所述配电网的接入优化参数；
在对所述上级电网的优化模型的优化处理收敛的情况下，输出所述配电网的接入优化参数，所述配电网的接入优化参数用于指示所述接入设备接入所述配电网的配置参数。
2.根据权利要求1所述的方法，其特征在于，在所述线路潮流不满足线路容量约束条件的情况下，所述方法还包括：
调整所述优化模型中的所述下级网络与所述上级网络之间的预设交换功率上限，返回重新执行所述步骤：分别对每个所述下级网络的优化模型进行优化处理，直到对所述上级电网的优化模型的优化处理收敛，输出重新获得到的接入优化参数。
3.根据权利要求2所述的方法，其特征在于，调整所述优化模型中的所述下级网络与所述上级网络之间的预设交换功率上限，包括：
获得所述接入设备的输出有功功率；
根据所述输出有功功率和预设输出功率，获得调整值；
分别将所述优化模型中的所述下级网络与所述上级网络之间的预设交换功率上限减小所述调整值。
4.根据权利要求3所述的方法，其特征在于，根据所述输出有功功率和预设输出功率，获得调整值，包括：
获得所述输出有功功率与预设输出功率之间的功率差值；
根据所述功率差值，获得调整值。
5.根据权利要求1所述的方法，其特征在于，所述优化模型中还包含有保守度因子，所述保守度因子表征所述优化模型的保守程度；
其中，在对所述上级电网的优化模型的优化处理不收敛的情况下，所述方法还包括：
调整所述优化模型中所述保守度因子的数值，返回重新执行所述步骤：分别对每个所述下级网络的优化模型进行优化处理，直到对所述上级电网的优化模型的优化处理收敛，输出重新获得到的接入优化参数。
6.根据权利要求5所述的方法，其特征在于，调整所述优化模型中所述保守度因子的数值，包括：
将所述优化模型中所述保守度因子的数值减小1。
7.根据权利要求5所述的方法，其特征在于，所述保守度因子的初始值为所述不确定性变量的个数值。
8.根据权利要求1所述的方法，其特征在于，所述优化模型包含可再生能源接入模型和所述可再生能源接入模型的多个约束模型，所述可再生能源接入模型以所述配电网的可再生容量为优化目标，所述约束模型为至少关于所述储能装置的储能容量、所述SVC的接入容量、所述接入设备的接入位置与有载调压变压器的分接头档位的约束条件。
9.一种配电网设备的接入优化装置，其特征在于，包括：
电网划分单元，用于对所述配电网的接入设备进行电网等级划分，以得到上级电网和至少一个下级电网，所述下级电网分别通过配电变压器接入到所述上级电网，所述上级电网的电压等级高于所述下级电网的电压等级；
模型建立单元，用于分别建立所述上级网络和所述下级网络各自的优化模型，所述优化模型中以不确定性变量为决策变量且以所述配电网的可再生容量为优化目标；所述不确定性变量至少包含储能装置的储能容量、静止无功补偿器SVC的接入容量、所述接入设备的接入位置与有载调压变压器的分接头档位中的任一项或任意多项；
下级网络优化单元，用于分别对每个所述下级网络的优化模型进行优化处理，以得到每个所述下级网络的接入优化参数，所述接入优化参数包含所述接入设备的接入位置、所述接入设备的接入容量、所述SVC的接入容量、有载调压变压器的分接头档位和所述储能装置的储能容量；
功率上下限获得单元，用于根据每个所述下级网络中的接入设备的接入容量和负荷数据，获得所述下级网络与所述上级网络之间的实际交换功率上限和实际交换功率下限；
潮流获得单元，用于至少根据所述实际交换功率上限和所述实际交换功率下限和所述接入设备与有载调压变压器的分接头档位，获得极端情况下所述下级网络与所述上级网络之间的相连线路的线路潮流数据；
上级电网优化单元，用于在所述线路潮流数据满足线路容量约束条件的情况下，对所述上级电网的优化模型进行优化处理，以得到所述配电网的接入优化参数；
参数输出单元，用于在对所述上级电网的优化模型的优化处理收敛的情况下，输出所述配电网的接入优化参数，所述配电网的接入优化参数用于指示所述接入设备接入所述配电网的配置参数。
10.一种电子设备，其特征在于，包括：
存储器，用于存储应用程序以及所述应用程序运行所产生的数据；
处理器，用于执行所述应用程序，以实现：对所述配电网的接入设备进行电网等级划分，以得到上级电网和至少一个下级电网，所述下级电网分别通过配电变压器接入到所述上级电网，所述上级电网的电压等级高于所述下级电网的电压等级；分别建立所述上级网络和所述下级网络各自的优化模型，所述优化模型中以不确定性变量为决策变量且以所述配电网的可再生容量为优化目标；所述不确定性变量至少包含储能装置的储能容量、静止无功补偿器SVC的接入容量、所述接入设备的接入位置与有载调压变压器的分接头档位中的任一项或任意多项；分别对每个所述下级网络的优化模型进行优化处理，以得到每个所述下级网络的接入优化参数，所述接入优化参数包含所述接入设备的接入位置、所述接入设备的接入容量、所述SVC的接入容量、有载调压变压器的分接头档位和所述储能装置的储能容量；根据每个所述下级网络中的接入设备的接入容量和负荷数据，获得所述下级网络与所述上级网络之间的实际交换功率上限和实际交换功率下限；至少根据所述实际交换功率上限和所述实际交换功率下限和所述接入设备与有载调压变压器的分接头档位，获得极端情况下所述下级网络与所述上级网络之间的相连线路的线路潮流数据；在所述线路潮流数据满足线路容量约束条件的情况下，对所述上级电网的优化模型进行优化处理，以得到所述配电网的接入优化参数；在对所述上级电网的优化模型的优化处理收敛的情况下，输出所述配电网的接入优化参数，所述配电网的接入优化参数用于指示所述接入设备接入所述配电网的配置参数。
CN202011102684.8A 2020-10-15 2020-10-15 一种配电网设备的接入优化方法、装置及电子设备 Active CN112186764B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011102684.8A CN112186764B (zh) 2020-10-15 2020-10-15 一种配电网设备的接入优化方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011102684.8A CN112186764B (zh) 2020-10-15 2020-10-15 一种配电网设备的接入优化方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN112186764A true CN112186764A (zh) 2021-01-05
CN112186764B CN112186764B (zh) 2022-03-25

Family

ID=73950315

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011102684.8A Active CN112186764B (zh) 2020-10-15 2020-10-15 一种配电网设备的接入优化方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN112186764B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7393104B2 (ja) 2021-01-21 2023-12-06 トヨタ自動車株式会社 車両の制御装置
CN117910836A (zh) * 2024-03-19 2024-04-19 浙江大学 一种提升大电网灵活性的储能电站规划方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140249688A1 (en) * 2012-10-10 2014-09-04 New Jersey Institute Of Technology Decentralized controls and communications for autonomous distribution networks in smart grid
CN108695853A (zh) * 2017-04-07 2018-10-23 山东大学 计及信息系统不确定性的主动配电网优化调度模型及方法
CN110460036A (zh) * 2019-05-10 2019-11-15 四川大学 一种考虑风电不确定性的交直流配电网分布式优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140249688A1 (en) * 2012-10-10 2014-09-04 New Jersey Institute Of Technology Decentralized controls and communications for autonomous distribution networks in smart grid
CN108695853A (zh) * 2017-04-07 2018-10-23 山东大学 计及信息系统不确定性的主动配电网优化调度模型及方法
CN110460036A (zh) * 2019-05-10 2019-11-15 四川大学 一种考虑风电不确定性的交直流配电网分布式优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LEI WANG: "Coordination of Multiple Energy Storage Units in a Low-Voltage Distribution Network", 《IEEE TRANSACTIONS ON SMART GRID》 *
XIAOBO TANG: "Optimal Location and Capacity of the Distributed Energy Storage System in a Distribution Network", 《IEEE ACCESS》 *
王家怡等: "考虑风电不确定性的交直流混合配电网分布式优化运行", 《中国电机工程学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7393104B2 (ja) 2021-01-21 2023-12-06 トヨタ自動車株式会社 車両の制御装置
CN117910836A (zh) * 2024-03-19 2024-04-19 浙江大学 一种提升大电网灵活性的储能电站规划方法
CN117910836B (zh) * 2024-03-19 2024-05-28 浙江大学 一种提升大电网灵活性的储能电站规划方法

Also Published As

Publication number Publication date
CN112186764B (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
Das et al. Optimal placement of distributed energy storage systems in distribution networks using artificial bee colony algorithm
CN106329523B (zh) 考虑不确定性的有源配电网智能软开关鲁棒优化建模方法
Das et al. Optimal sizing of a utility-scale energy storage system in transmission networks to improve frequency response
CN109524979B (zh) 一种含vsc-mtdc的交直流互联电网连续潮流模型
CN111209710B (zh) 一种潮流计算收敛的自动调整方法及装置
CN110380450B (zh) 一种光伏控制方法、装置、设备及计算机可读存储介质
CN112186764B (zh) 一种配电网设备的接入优化方法、装置及电子设备
CN112994022A (zh) 一种源储荷分布式协同电压控制方法及其系统
Korab et al. Application of particle swarm optimization for optimal setting of Phase Shifting Transformers to minimize unscheduled active power flows
Kalantari Khandani et al. Optimal MV/LV transformer allocation in distribution network for power losses reduction and cost minimization: A new multi‐objective framework
Wen et al. Optimal distributed energy storage investment scheme for distribution network accommodating high renewable penetration
Faried et al. Probabilistic technique for sizing FACTS devices for steady-state voltage profile enhancement
Pires et al. Integration of storage systems in distribution networks through multiobjective optimization
CN117096962B (zh) 考虑光伏的电网动态无功补偿优化方法及系统
Zheng et al. Evaluation of intermittent-distributed-generation hosting capability of a distribution system with integrated energy-storage systems
Kumar et al. An artificial bee colony algorithm based distribution system state estimation including renewable energy sources
CN115967086A (zh) 一种有源配电网调配方法、装置、设备及存储介质
CN108281964A (zh) 一种基于运行和网架风险的配电网运行方式优化方法
Sanjari et al. HSA-based optimal placement of shunt FACTS devices in the smart grid considering voltage stability
CN111416361B (zh) 一种低网损的配电环网开环运行选址方法
Tavakoli et al. Determining optimal location and capacity of DG units based on system uncertainties and optimal congestion management in transmission network
Doagou-Mojarrad et al. Probabilistic interactive fuzzy satisfying generation and transmission expansion planning using fuzzy adaptive chaotic binary PSO algorithm
CN117910836B (zh) 一种提升大电网灵活性的储能电站规划方法
Kavousi-Fard et al. Multi-objective optimal operation of smart reconfigurable distribution grids.
Tavakkoli et al. A new AC OPF tool for sub‐transmission networks considering distribution switching actions and load‐transferring capability

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