CN112531707B - 一种含风储联合系统的配电网运行风险动态评估方法 - Google Patents

一种含风储联合系统的配电网运行风险动态评估方法 Download PDF

Info

Publication number
CN112531707B
CN112531707B CN202011509057.6A CN202011509057A CN112531707B CN 112531707 B CN112531707 B CN 112531707B CN 202011509057 A CN202011509057 A CN 202011509057A CN 112531707 B CN112531707 B CN 112531707B
Authority
CN
China
Prior art keywords
node
wind
power
distribution network
power distribution
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.)
Active
Application number
CN202011509057.6A
Other languages
English (en)
Other versions
CN112531707A (zh
Inventor
刘泽槐
梁伟斌
蔡仲宁
黄国尊
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.)
Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Dongguan Power Supply Bureau 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 Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Dongguan Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202011509057.6A priority Critical patent/CN112531707B/zh
Publication of CN112531707A publication Critical patent/CN112531707A/zh
Application granted granted Critical
Publication of CN112531707B publication Critical patent/CN112531707B/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
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种含风储联合系统的配电网运行风险动态评估方法，实现配电网运行状态快速在线评估与量化。其具体步骤为：首先，采集配电网的网络拓扑及原始数据，设置风速、光照强度、负荷的概率分布参数；其次，运用虚拟节点解耦法实现风储联合系统风电出力与储能设备出力的解耦；再次，建立配电网运行风险关键评估指标，并运用基于半不变量法的含QV节点概率潮流解析算法计算各指标数值；最后，输出配电网运行风险评估结果。本发明能够解决含并网点电压控制的风储联合系统配电网的运行风险动态评估问题，可为配电网的运行调度，风储联合系统并网点电压整定等提供决策指导，有利于管控电网运行风险、提高系统安全运行水平。

Description

一种含风储联合系统的配电网运行风险动态评估方法
技术领域
本发明涉及含风储联合系统的配电网运行风险动态评估方法，特别涉及含并网点电压控制的风储联合系统的配电网运行风险动态评估方法。
背景技术
我国作为世界上能源消费大国，经济发展面临资源和环境等多方面挑战。随着“清洁低碳、安全高效”能源体系的提出与建立，以风电、光伏发电为代表的可再生能源将成为我国未来能源转型与发展的重点方向。电力系统作为能源生产和消费的重要载体，势必需要对可再生能源的兼容包并。
近年来，分布式风电在配电网的渗透率快速提升。然而，风电出力固有的波动性与间歇性，大规模接入配电系势必给电网的调度运行带来巨大挑战。具体表现为：1)分布式风电的接入，使配电网潮流形态由传统单向流动向双向流动的特点，由此引起局部馈线传输功率阻塞问题不容忽视；2)风电出力的不确定性，会对配电网节点电压造成扰动，进而引起电压越限和频繁波动等问题，直接影响配电系统的电压质量。
为解决上述问题，在风电并网点处配置储能设备构建风储联合系统成为有效解决方案。通过对风储联合系统的并网点运行电压进行合理控制已被证明在含规模化分布式可再生能源的配电网具有良好的电压质量控制效果。
对于含高比例风电的配电网，准确评估配电网运行风险，能够为系统调度运行决策等提供辅助信息，有助于量化与管控电网运行风险。此外，运用风险指标识别电网中的高运行风险区域与薄弱环节，有助于提出针对性的风险防范措施，提高配电网运行的安全性与可靠性水平。
现有技术中，广泛采用概率潮流对含可再生能源(风电、光伏)配电网的运行风险进行评估。然而，对于含风储联合系统的配电网运行风险的评估，现有技术与方法存在以下几个方面的不足。1)在评估对象方面，现有针对含可再生能源配电网的运行风险评估通常仅研究可再生能源出力不确定性对系统运行风险的影响，缺乏考虑储能设备的引入对可再生能源出力行为的改变以及对评估结果的影响，现有技术尚未有针对并网点电压控制的风储联合系统的配电网的运行风险评估方法。2)在评估指标方面，现有的配电网运行风险评估指标主要关注节点电压和支路功率越限的问题，而对于衡量电压质量的另一个重要指标电压波动的刻画不足。3)在评估方法方面，现有的运行风险评估所涉及的概率潮流计算方法多基于蒙特卡洛模拟法，存在计算量巨大和计算机时过长等问题，不利于在线动态风险评估。
针对上述问题，本发明提出了一种含风储联合系统的配电网运行风险评估方法。该方法通过引入虚拟节点实现风电出力和储能设备运行功率的解耦，并建立了反映配电网运行风险的关键指标集合，最后，运用基于半不变量法的含QV节点概率潮流解析算法求解含风储联合系统的配电网概率潮流。该方法能够实现含并网点电压控制的风储联合系统配电网的运行风险动态评估，可为配电网的运行调度，风储联合系统并网点电压整定等提供决策指导，有利于识别电网薄弱环节，管控电网运行风险，提高系统运行安全性，促进配电网对高比例可再生能源的综合消纳。
发明内容
本发明的目的在于提供一种含风储联合系统的配电网运行风险动态评估方法，实现含并网点电压控制的风储联合系统的配电网运行风险动态评估，有利于识别配电网中的高运行风险区域，提高含可再生能源配电网的运行风险的管控能力。本发明既可为含风储联合系统的配电网的风险调度提供决策依据，也能为含风储联合系统的配电网薄弱环节的技术改造提供参考。
本发明提出一种含风储联合系统的配电网运行风险动态评估方法，包括以下步骤：
(1)采集含风储联合系统的配电网的网络拓扑结构，在该拓扑结构中对各节点进行编号并确定节点类型；
(2)输入原始数据；
(3)采集配电网中风机、光伏电源的技术参数；所述的技术参数包括：接于节点iWT的风机的额定容量
Figure BDA0002845818520000031
切入风速
Figure BDA0002845818520000032
额定风速
Figure BDA0002845818520000033
和切出风速
Figure BDA0002845818520000034
接于节点iPV的光伏电源的额定容量
Figure BDA0002845818520000035
额定光照强度
Figure BDA0002845818520000036
最大光照强度
Figure BDA0002845818520000037
其中，iWT∈ΩWT，iPV∈ΩPV，ΩWT和ΩPV分别为配电网内风电、光伏电源接入节点的集合；
(4)采用Weibull分布表征节点iWT的风电的风速的概率分布，采用Beta分布表征节点iPV的光伏电源的光照强度的概率分布，采用正态分布表征节点iL的负荷的概率分布，并基于历史统计数据设置风速、光照强度以及负荷的概率分布参数；
(5)由风速与风电出力映射关系计算节点iWT的风电出力，以及由光照强度与光伏电源出力映射关系计算节点iPV的光伏电源出力，具体计算表达式为：
Figure BDA0002845818520000041
Figure BDA0002845818520000042
式中，
Figure BDA0002845818520000043
为节点iWT处的风电的输出功率，，
Figure BDA0002845818520000044
为节点iWT处的风速，
Figure BDA0002845818520000045
为节点iPV处的光伏电源的输出功率，
Figure BDA0002845818520000046
为节点iPV处的光照强度；
(6)基于历史统计数据，设置配电网内各风电，光伏电源出力之间的相关系数矩阵R；
(7)运用虚拟节点解耦法对风储联合系统的风电出力与储能设备出力进行解耦；
(8)运用基于半不变量法的含QV节点概率潮流解析算法，计算含风储联合系统的配电网概率潮流；
(9)构建含风储联合系统的配电网运行风险关键评估指标；
(10)基于步骤(8)的概率潮流结果，计算步骤(9)所建立的运行风险关键评估指标值；
(11)输出含风储联合系统的配电网运行风险评估结果。
进一步的，步骤(1)所述的确定节点类型是根据配电网中各节点的运行特性，对各节点在潮流计算中的节点类型进行设定，包括：在含风储联合系统的配电网的网络拓扑结构中，把并网点电压控制的风储联合系统所在的节点设定为QV节点，把负荷、以及未配有储能设备的光伏电源、未配有储能设备的风电接入的节点设定为PQ节点，把与上层电网连接的节点设定为平衡节点。
进一步的，步骤(2)所述的原始数据包括：在含风储联合系统的配电网的网络拓扑结构中，相邻节点i、节点j之间线路电阻rij、线路电抗xij、线路接地电纳bi0和bj0、系统平衡节点电压幅值Ubalance、风储联合系统所在节点e的并网点控制电压Upcc,e。
进一步的，步骤(4)所述的基于历史统计数据设置风速、光照强度以及负荷的概率分布参数，包括：通过各节点采集的风速、光照强度、负荷的历史统计信息，设置风速、光照强度以及负荷的概率分布参数。
进一步的，所述概率分布参数包括：位于节点iWT的风速在Weibull分布函数中的形状参数
Figure BDA0002845818520000051
位于节点iWT的风速在Weibull分布函数中的尺度参数
Figure BDA0002845818520000052
位于节点iPV的光照强度在Beta分布函数中的形状参数
Figure BDA0002845818520000053
及
Figure BDA0002845818520000054
节点iL的有功负荷的期望值
Figure BDA0002845818520000055
节点iL的有功负荷标准差
Figure BDA0002845818520000056
节点iL的无功负荷的期望值
Figure BDA0002845818520000057
节点iL的无功负荷的标准差
Figure BDA0002845818520000058
其中，iL∈ΩL，ΩL为配电网内负荷接入节点的集合。
进一步的，步骤(7)所述的虚拟节点解耦法是一种通过引入虚拟节点，实现风储联合系统的风电出力与储能设备出力解耦的方法，具体步骤如下：
(1)引入虚拟PQ节点用以表示风储联合系统中风电的并网点；
(2)引入虚拟QV节点用以表示风储联合系统中储能设备的并网点。
进一步的，步骤(9)所述的含风储联合系统的配电网运行风险关键评估指标是用以反映和量化含风储联合系统的配电网运行风险的关键指标集合，包括：系统节点电压越限概率，置信度电压波动范围，线路传输功率越限概率。
进一步的，所述的系统节点电压越限概率采用配电网内所有节点电压越限概率的最大值进行表示，具体表达式为：
Figure BDA0002845818520000061
式中：λvoltage为系统节点电压越限概率，ΩB为配电网内全部节点集合，Ui为节点i的电压幅值，ProbUi为节点i电压越限概率，Uimax和Uimin分别为节点i电压安全运行的上下限，Pr{·}定义为事件{·}发生的概率。
进一步的，所述的置信度电压波动范围分别采用在一给定的置信度下系统所有节点电压波动范围的平均值和最大值进行表示，具体表达式为：
Figure BDA0002845818520000062
式中：
Figure BDA0002845818520000063
和
Figure BDA0002845818520000064
分别为在置信度α下配电网内所有节点电压波动范围的平均值和最大值，
Figure BDA0002845818520000065
和
Figure BDA0002845818520000066
分别为在置信度α下节点i的电压的上边界和下边界，n为配电网内节点总数，ΩB为配电网内全部节点集合。
进一步的，所述的线路传输功率越限概率采用配电网内所有支路传输功率越限概率的最大值进行表示，具体表达式为：
Figure BDA0002845818520000067
式中：λpower为线路传输功率越限概率，l为配电网内支路编号，ΩS为配电网内全部支路的集合，Pl为支路l的传输功率，ProbPl为支路l传输功率越限概率，Plmax和Plmin分别为支路l允许传输功率的上下限，Pr{·}定义为事件{·}发生的概率。
与现有技术相比，本发明的有益效果在于：
(1)提出针对含并网点电压控制的风储联合系统的配电网运行风险动态评估方法，引入虚拟节点实现风储联合系统的风电出力与储能设备出力的解耦，考虑了储能设备的引入对可再生能源出力行为改变的影响，解决了现有技术中尚未有针对并网点电压控制的风储联合系统的配电网的运行风险评估的难题。
(2)所提出的配电网运行风险评估方法通过建立反映配电网运行风险的关键指标集，并基于半不变量法的含QV节点概率潮流解析算法求解计算各指标值，实现了含风储联合系统的配电网运行风险的动态评估与量化，为配电网的运行调度，风储联合系统并网点电压整定等提供决策指导，有利于管控电网运行风险、提高系统安全运行水平。
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，还可以根据提供的附图获得其他的附图。
图1是本发明提供的一种含风储联合系统的配电网运行风险动态评估方法的流程示意图。
图2是虚拟节点解耦示意图。
图3是本发明实施例提供的含风储联合系统的配电网拓扑结构示意图。
图4是本发明实施例提供的引入虚拟节点解耦示意图。
图5是本发明实施例提供的场景1节点电压期望值和90％置信区间。
图6是本发明实施例提供的场景2节点电压期望值和90％置信区间。
图7是本发明实施例提供的两种方法下节点15的电压PDF和CDF对比。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种含风储联合系统的配电网运行风险动态评估方法，图1为本发明实施例提供的一种含风储联合系统的配电网运行风险动态评估方法的流程示意图，参照图1，该方法包括：
(1)采集含风储联合系统的配电网的网络拓扑结构，在该拓扑结构中对各节点进行编号并确定节点类型；
其中，所述的确定节点类型是根据配电网中各节点的运行特性，对各节点在潮流计算中的节点类型进行设定，包括：在含风储联合系统的配电网的网络拓扑结构中，把并网点电压控制的风储联合系统所在的节点设定为QV节点，把负荷、以及未配有储能设备的光伏电源、未配有储能设备的风电接入的节点设定为PQ节点，把与上层电网连接的节点设定为平衡节点。
(2)输入原始数据；
其中，所述的原始数据包括：在含风储联合系统的配电网的网络拓扑结构中，相邻节点i、节点j之间线路电阻rij、线路电抗xij、线路接地电纳bi0和bj0、系统平衡节点电压幅值Ubalance、风储联合系统所在节点e的并网点控制电压Upcc,e。
(3)采集配电网中风机、光伏电源的技术参数；所述的技术参数包括：接于节点iWT的风机的额定容量
Figure BDA0002845818520000091
切入风速
Figure BDA0002845818520000092
额定风速
Figure BDA0002845818520000093
和切出风速
Figure BDA0002845818520000094
接于节点iPV的光伏电源的额定容量
Figure BDA0002845818520000095
额定光照强度
Figure BDA0002845818520000096
最大光照强度
Figure BDA0002845818520000097
其中，iWT∈ΩWT，iPV∈ΩPV，ΩWT和ΩPV分别为配电网内风电、光伏电源接入节点的集合。
(4)可选的，采用Weibull分布表征节点iWT的风电的风速的概率分布，采用Beta分布表征节点iPV的光伏电源的光照强度的概率分布，采用正态分布表征节点iL的负荷的概率分布，并基于历史统计数据设置风速、光照强度以及负荷的概率分布参数。
其中，所述的采用Weibull分布表征节点iWT的风电的风速的概率分布，具体函数表达式为：
Figure BDA0002845818520000098
式中，
Figure BDA0002845818520000099
为位于节点iWT的风速，
Figure BDA00028458185200000910
分别为位于节点iWT的风速在Weibull分布函数中的形状参数和尺度参数；
其中，所述的采用Beta分布表征节点iPV的光伏电源的光照强度的概率分布，具体函数表达式为：
Figure BDA00028458185200000911
式中，
Figure BDA00028458185200000912
为位于节点iPV的光照强度，
Figure BDA00028458185200000913
分别为位于节点iPV的光照强度在Beta分布函数中的形状参数；
其中，所述的采用正态分布表征节点iL的负荷的概率分布，具体函数表达式为：
Figure BDA0002845818520000101
式中，
Figure BDA0002845818520000102
和
Figure BDA0002845818520000103
分别为节点iL的有功负荷和无功负荷的随机量，
Figure BDA0002845818520000104
和
Figure BDA0002845818520000105
分别为节点iL的有功负荷和无功负荷的期望值，
Figure BDA0002845818520000106
和
Figure BDA0002845818520000107
分别为节点iL的有功负荷和无功负荷的标准差，iL∈ΩL，ΩL为配电网内负荷接入节点的集合；
其中，所述的基于历史统计数据设置风速、光照强度以及负荷的概率分布参数，包括：通过各节点采集的风速、光照强度、负荷的历史统计信息，设置风速、光照强度以及负荷的概率分布参数；
其中，所述的概率分布参数，包括：位于节点iWT的风速在Weibull分布函数中的形状参数
Figure BDA0002845818520000108
位于节点iWT的风速在Weibull分布函数中的尺度参数
Figure BDA0002845818520000109
位于节点iPV的光照强度在Beta分布函数中的形状参数
Figure BDA00028458185200001010
及
Figure BDA00028458185200001011
节点iL的有功负荷的期望值
Figure BDA00028458185200001012
节点iL的有功负荷标准差
Figure BDA00028458185200001013
节点iL的无功负荷的期望值
Figure BDA00028458185200001014
节点iL的无功负荷的标准差
Figure BDA00028458185200001015
其中，iL∈ΩL，ΩL为配电网内负荷接入节点的集合。
(5)由风速与风电出力映射关系计算节点iWT的风电出力，以及由光照强度与光伏电源出力映射关系计算节点iPV的光伏电源出力，具体计算表达式为：
Figure BDA00028458185200001016
Figure BDA0002845818520000111
式中，
Figure BDA0002845818520000112
为节点iWT处的风电的输出功率，
Figure BDA0002845818520000113
为节点iWT处的风速，
Figure BDA0002845818520000114
为节点iPV处的光伏电源的输出功率，
Figure BDA0002845818520000115
为节点iPV处的光照强度。
(6)基于历史统计数据，设置配电网内各风电，光伏电源出力之间的相关系数矩阵R。
其中，所述的相关系数矩阵R可基于步骤(4)所获取的关于各风电、光伏电源接入节点的风速、光照强度的历史统计信息进行设置。
(7)运用虚拟节点解耦法对风储联合系统的风电出力与储能设备出力进行解耦。
参照图2，所述的虚拟节点解耦法是一种通过引入虚拟节点，实现风储联合系统的风电出力与储能设备出力解耦的方法，具体步骤如下：
1)引入虚拟PQ节点用以表示风储联合系统中风电的并网点；
2)引入虚拟QV节点用以表示风储联合系统中储能设备的并网点。
(8)运用基于半不变量法的含QV节点概率潮流解析算法，计算含风储联合系统的配电网概率潮流。
例如将相关参数代入评估方法中，在MATLAB平台上编写基于半不变量法的含QV节点概率潮流解析算法，进而计算含风储联合系统的配电网概率潮流。
(9)构建含风储联合系统的配电网运行风险关键评估指标。
其中，所述的含风储联合系统的配电网运行风险关键评估指标是用以反映和量化含风储联合系统的配电网运行风险的关键指标集合，包括系统节点电压越限概率、置信度电压波动范围，线路传输功率越限概率；
其中，所述的系统节点电压越限概率采用配电网内所有节点电压越限概率的最大值进行表示，具体表达式为：
Figure BDA0002845818520000121
式中：λvoltage为系统节点电压越限概率，ΩB为配电网内全部节点集合，Ui为节点i的电压幅值，ProbUi为节点i电压越限概率，Uimax和Uimin分别为节点i电压安全运行的上下限，Pr{·}定义为事件{·}发生的概率；
其中，所述的置信度电压波动范围分别采用在一给定的置信度下系统所有节点电压波动范围的平均值和最大值进行表示，具体表达式为：
Figure BDA0002845818520000122
式中：
Figure BDA0002845818520000123
和
Figure BDA0002845818520000124
分别为在置信度α下配电网内所有节点电压波动范围的平均值和最大值，
Figure BDA0002845818520000125
和
Figure BDA0002845818520000126
分别为在置信度α下节点i的电压的上边界和下边界，n为配电网内节点总数，ΩB为配电网内全部节点集合，；
其中，所述的线路传输功率越限概率采用配电网内所有支路传输功率越限概率的最大值进行表示，具体表达式为：
Figure BDA0002845818520000127
式中：λpower为线路传输功率越限概率，l为配电网内支路编号，ΩS为配电网内全部支路的集合，Pl为支路l的传输功率，ProbPl为支路l传输功率越限概率，Plmax和Plmin分别为支路l允许传输功率的上下限，Pr{·}定义为事件{·}发生的概率。
(10)基于步骤(8)的概率潮流结果，计算步骤(9)所建立的运行风险关键评估指标值。
(11)输出含风储联合系统的配电网运行风险评估结果。
本发明实施例提供的技术方案，通过采集含风储联合系统的配电网的网络拓扑结构，在该拓扑结构中对各节点进行编号并确定节点类型；输入原始数据，采集配电网中风机、光伏电源的技术参数；基于历史统计数据设置风速、光照强度以及负荷的概率分布参数；由风速与风电出力映射关系以及光照强度与光伏电源出力映射关系分别计算风电出力和光伏电源出力；设置配电网内各风电，光伏电源出力之间的相关系数矩阵；运用虚拟节点解耦法对风储联合系统的风电出力与储能设备出力进行解耦；运用基于半不变量法的含QV节点概率潮流解析算法，计算含风储联合系统的配电网概率潮流；构建含风储联合系统的配电网运行风险关键评估指标；基于概率潮流结果，计算所建立的运行风险关键评估指标值；输出含风储联合系统的配电网运行风险评估结果。总体思路为利用数据采集以及参数设置后进行含QV节点的概率潮流求解，并计算相应的评估指标数值，实现含风储联合系统的配电网运行风险动态评估。本发明能够解决含并网点电压控制的风储联合系统配电网的运行风险动态评估问题，有利于管控电网运行风险、提高系统安全运行水平。
本发明实施例提供一种含风储联合系统的配电网运行风险动态评估方法，以IEEE33节点配电系统作为本发明的实施例进行仿真计算。
示例性的，图3为本发明实施例提供的含风储联合系统的配电网拓扑结构示意图，其中附图中的数字为对应的节点编号。
(1)采集含风储联合系统的配电网的网络拓扑结构，在该拓扑结构中对各节点进行编号并确定节点类型。
所述的确定节点类型是根据配电网中各节点的运行特性，对各节点在潮流计算中的节点类型进行设定，包括：在含风储联合系统的配电网的网络拓扑结构中，把并网点电压控制的风储联合系统所在的节点设定为QV节点，把负荷、以及未配有储能设备的光伏电源、未配有储能设备的风电接入的节点设定为PQ节点，把与上层电网连接的节点设定为平衡节点。
网络拓扑结构及节点编号参见图3。在图3中，节点1为首端节点，与外部电网相连，设为平衡节点。未配有储能设备的光伏电源接入节点为节点11和节点30；未配有储能设备的风电接入节点为节点5、节点22；节点18为风储联合系统，并采用并网点电压控制运行。因此，节点1为平衡节点，节点18为QV节点，其余为PQ节点。
(2)输入原始数据。
所述的原始数据包括：在含风储联合系统的配电网的网络拓扑结构中，相邻节点i、节点j之间线路电阻rij、线路电抗xij、线路接地电纳bi0和bj0、系统平衡节点电压幅值Ubalance、风储联合系统所在节点e的并网点控制电压Upcc,e。
本实施例网络拓扑结构中(参见图3)，网架线路参数见表1，系统平衡节点电压幅值Ubalance设为1.05(标幺值，以下同)，节点18风储联合系统并网点控制电压Upcc,e设为1.0。
表1实施例网架线路参数
Figure BDA0002845818520000141
Figure BDA0002845818520000151
Figure BDA0002845818520000161
(3)采集配电网中风机、光伏电源的技术参数；所述的技术参数包括：接于节点iWT的风机的额定容量
Figure BDA0002845818520000162
切入风速
Figure BDA0002845818520000163
额定风速
Figure BDA0002845818520000164
和切出风速
Figure BDA0002845818520000165
接于节点iPV的光伏电源的额定容量
Figure BDA0002845818520000166
额定光照强度
Figure BDA0002845818520000167
最大光照强度
Figure BDA0002845818520000168
其中，iWT∈ΩWT，iPV∈ΩPV，ΩWT和ΩPV分别为配电网内风电、光伏电源接入节点的集合。
本实施例中，节点5和节点22的风机的额定容量均为300kW，即
Figure BDA0002845818520000169
节点18风机额定容量为500kW，
Figure BDA00028458185200001610
切入风速
Figure BDA00028458185200001611
额定风速
Figure BDA00028458185200001612
和切出风速
Figure BDA00028458185200001613
近似的，
Figure BDA00028458185200001614
ΩWT＝[5,18,22]，ΩPV＝[11,30]。
(4)可选的，采用Weibull分布表征节点iWT的风电的风速的概率分布，采用Beta分布表征节点iPV的光伏电源的光照强度的概率分布，采用正态分布表征节点iL的负荷的概率分布，并基于历史统计数据设置风速、光照强度以及负荷的概率分布参数。
本实施例中，
Figure BDA0002845818520000171
各节点
Figure BDA0002845818520000172
和
Figure BDA0002845818520000173
的取值如表2所示。
表2各节点有功负荷和无功负荷期望值
节点名 有功负荷/kW 无功负荷/kW 节点名 有功负荷/kW 无功负荷/kW
2 100 60 18 90 40
3 90 40 19 90 40
4 120 80 20 90 40
5 60 30 21 90 40
6 60 20 22 90 40
7 200 100 23 90 50
8 200 100 24 420 200
9 60 20 25 420 200
10 60 20 26 60 25
11 45 30 27 60 25
12 60 35 28 60 20
13 60 35 29 120 70
14 120 80 30 200 600
15 60 10 31 150 70
16 60 20 32 210 100
17 60 20 33 60 40
各节点
Figure BDA0002845818520000174
和
Figure BDA0002845818520000175
均设为期望值的10％，即
Figure BDA0002845818520000176
(5)由风速与风电出力映射关系计算节点iWT的风电出力，以及由光照强度与光伏电源出力映射关系计算节点iPV的光伏电源出力，具体计算表达式为：
Figure BDA0002845818520000181
Figure BDA0002845818520000182
式中，
Figure BDA0002845818520000183
为节点iWT处的风电的输出功率，
Figure BDA0002845818520000184
为节点iWT处的风速，
Figure BDA0002845818520000185
为节点iPV处的光伏电源的输出功率，
Figure BDA0002845818520000186
为节点iPV处的光照强度。
(6)基于历史统计数据，设置配电网内各风电，光伏电源出力之间的相关系数矩阵R。
所述的相关系数矩阵R可基于步骤(4)所获取的关于各风电、光伏电源接入节点的风速、光照强度的历史统计信息进行设置。
实施例中，光伏电源和风电相关性系数为-0.5；各节点光伏电源之间相关性系数为0.7；各节点风电之间相关性系数为0.4，由此R可设置为：
Figure BDA0002845818520000187
(7)运用虚拟节点解耦法对风储联合系统的风电出力与储能设备出力进行解耦。
图4为本实施例提供的针对节点18风储联合系统所引入虚拟节点解耦示意图，参照图4，引入虚拟节点对节点18进行解耦包括：
1)引入虚拟PQ节点(节点34)用以表示风储联合系统中风电的并网点；
2)引入虚拟QV节点(节点35)用以表示风储联合系统中储能设备的并网点。
(8)运用基于半不变量法的含QV节点概率潮流解析算法，计算含风储联合系统的配电网概率潮流。
(9)构建含风储联合系统的配电网运行风险关键评估指标。
其中，所述的含风储联合系统的配电网运行风险关键评估指标是用以反映和量化含风储联合系统的配电网运行风险的关键指标集合，包括系统节点电压越限概率、置信度电压波动范围，线路传输功率越限概率，具体计算方法如下：
其中，所述的系统节点电压越限概率采用配电网内所有节点电压越限概率的最大值表示，具体表达式为：
Figure BDA0002845818520000191
式中：λvoltage为系统节点电压越限概率，ΩB为配电网内全部节点集合，Ui为节点i的电压幅值，ProbUi为节点i电压越限概率，Uimax和Uimin分别为节点i电压安全运行的上下限，Pr{·}定义为事件{·}发生的概率。
本实施例中，Uimax和Uimin分别设置为1.07和0.93，Pr{Uimin≤Ui≤Uimax}由步骤(8)概率潮流计算结果求得。
其中，所述的置信度电压波动范围分别采用在一给定的置信度下系统所有节点电压波动范围的平均值和最大值进行表示，具体表达式为：
Figure BDA0002845818520000201
式中：
Figure BDA0002845818520000202
和
Figure BDA0002845818520000203
分别为在置信度α下配电网内所有节点电压波动范围的平均值和最大值，
Figure BDA0002845818520000204
和
Figure BDA0002845818520000205
分别为在置信度α下节点i的电压的上边界和下边界，n为配电网内节点总数，ΩB为配电网内全部节点集合。
本实施例中，置信度α设置为0.9，n＝33，
Figure BDA0002845818520000206
和
Figure BDA0002845818520000208
由步骤(8)概率潮流计算结果求得。
其中，所述的线路传输功率越限概率采用配电网内所有支路传输功率越限概率的最大值进行表示，具体表达式为：
Figure BDA0002845818520000207
式中：λpower为线路传输功率越限概率，l为配电网内支路编号，ΩS为配电网内全部支路的集合，Pl为支路l的传输功率，ProbPl为支路l传输功率越限概率，Plmax和Plmin分别为支路l允许传输功率的上下限，Pr{·}定义为事件{·}发生的概率。
本实施例中，Plmax和Plmin分别设置为3000kW和-3000kW，Pr{Plmin≤Pl≤Plmax}由步骤(8)概率潮流计算结果求得。
(10)基于步骤(8)的概率潮流结果，计算步骤(9)所建立的运行风险关键评估指标值。
(11)输出含风储联合系统的配电网运行风险评估结果。
将相关参数代入评估方法中，在MATLAB平台上编写基于半不变量法的含QV节点概率潮流解析算法，进而计算含风储联合系统的配电网概率潮流，基于概率潮流结果计算运行风险关键评估指标，各评估指标的计算结果如表3所示。
表3各评估指标的计算结果
Figure BDA0002845818520000211
为了验证本发明所提的评估方法的合理性与准确性，设计了如下对比场景。
场景1：节点18不接入储能设备。
场景2：采用本实施例的运行方案，在节点18接入储能设备构成风储联合系统。
两种场景下评估指标对比见表4，图5和图6分别为发明实施例提供的场景1和场景2节点电压的期望值和90％置信区间。
表4两种场景下的评估指标对比
Figure BDA0002845818520000212
通过实施例分析表4、图5和图6，可得出如下结论：
1)场景1没有储能设备提供功率的灵活调节，本发明所提的3个运行风险关键评估指标：系统节点电压越限概率、置信度电压波动范围、线路传输功率越限概率均明显高于场景2。其中，系统节点电压越限概率和线路传输功率越限概率分别高达19.73％和34.67％，表明此时系统存在较大的电压越限和传输功率越限的风险。图5的90％概率边界能够直观显示在可再生能源出力和负荷波动的环境下系统节点电压可能的运行范围，表明：光伏电源、风电所接入的节点会引起电压波动的增大，同时，越靠近线路末端，节点电压的波动范围也越大。节点18因为处于主干线最末端，且有风电接入，属于系统的薄弱节点，其波动范围高达0.0822p.u.，并伴有一定概率的电压越限风险。
2)场景2在节点18处接入储能设备构建并网点电压控制的风储联合系统，评估指标中：电压越限概率、置信度电压波动范围、线路传输功率越限概率均得到大幅降低(电压越限概率仅为0.033％，线路传输功率越限概率仅为2.4％)，充分体现在薄弱节点处接入储能设备并采用并网点电压控制能够有效提升全系统电压质量水平，改善线路潮流分布。由图6可知，由于节点18为QV节点，附近的节点也得益于其并网点电压控制，相比图5电压质量得到明显提升。
3)表4的两个场景下的评估结果对比表明，本发明所提的运行风险评估指标能够直接反映系统电压越限和波动，线路传输功率越限等关键表征运行风险的指标，评估结果的对比也表明所提指标的合理性与有效性。此外，本发明所提的评估方法所需输入的电气量为目前电力系统常用的基本电气量，无需额外增加传感器等其他量测装置，具备指标易获取的优点。
为进一步验证本发明所提的含QV节点概率潮流解析算法的准确性和优越性，将本发明的方法与传统基于蒙特卡洛概率潮流算法进行对比。采用采样规模为10000次的蒙特卡洛法求取的概率潮流结果与本发明所提的含QV节点概率潮流解析算法的结果进行对比，以评估本发明所提评估方法的准确性。表5列出本发明所提的概率潮流解析算法与蒙特卡洛法的相对误差情况。图7为节点15的电压的概率密度函数(probability densityfunction，PDF)和累计分布函数(cumulative distribution function，CDF)的对比。
表5误差情况
Figure BDA0002845818520000231
分析由表5和图7可知，本发明所提的含QV节点概率潮流解析算法与传统基于蒙特卡洛法的概率潮流计算算法结果非常接近，期望值的相对误差基本在0.5％以内，标准差的相对误差基本在5％以内，满足工程应用需求。图7的PDF和CDF曲线对比可以看出，两条曲线高度重叠，表明本发明所提的含QV节点概率潮流解析算法能够获得高精度的PDF和CDF曲线。
在计算耗时对比方面，本发明仅需1.62秒即可完成一次含风储联合系统配电网的运行风险评估，而基于蒙特卡洛法的运行风险评估则总耗时高达628.3秒，由此表明本发明提供的含风储联合系统的配电网运行风险评估方法在计算机时和效率方面具有明显优势，具备应用于在线计算与运行风险动态评估的可行性。
通过实施例分析表明，本发明所提的一种含风储联合系统的配电网运行风险动态评估方法具有以下几个方面的优势：
1)本发明能够解决含并网点电压控制的风储联合系统配电网运行风险评估问题，考虑了储能设备对风电出力行为的影响，丰富了配电网运行风险评估的对象；
2)所构建的运行风险关键评估指标能够充分合理反映可再生能源与负荷不确定性对系统运行的影响，实现运行风险的量化，有利于运行人员管控电网运行风险；
3)本发明的运行风险评估方法在计算机时与效率方面具有明显优势，具备应用于在线计算与运行风险动态评估的可行性，满足未来智能电网运行风险实时在线评估的需求。
最后应说明的是：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 (9)

1.一种含风储联合系统的配电网运行风险动态评估方法，其特征在于包括以下步骤：
(1)采集含风储联合系统的配电网的网络拓扑结构，在该拓扑结构中对各节点进行编号并确定节点类型；
(2)输入原始数据；
(3)采集配电网中风机、光伏电源的技术参数；所述的技术参数包括：接于节点iWT的风机的额定容量
Figure FDA0003905170620000011
切入风速
Figure FDA0003905170620000012
额定风速
Figure FDA0003905170620000013
和切出风速
Figure FDA0003905170620000014
接于节点iPV的光伏电源的额定容量
Figure FDA0003905170620000015
额定光照强度
Figure FDA0003905170620000016
最大光照强度
Figure FDA0003905170620000017
其中，iWT∈ΩWT，iPV∈ΩPV，ΩWT和ΩPV分别为配电网内风电、光伏电源接入节点的集合；
(4)采用Weibull分布表征节点iWT的风电的风速的概率分布，采用Beta分布表征节点iPV的光伏电源的光照强度的概率分布，采用正态分布表征节点iL的负荷的概率分布，并基于历史统计数据设置风速、光照强度以及负荷的概率分布参数；
(5)由风速与风电出力映射关系计算节点iWT的风电出力，以及由光照强度与光伏电源出力映射关系计算节点iPV的光伏电源出力，具体计算表达式为：
Figure FDA0003905170620000018
Figure FDA0003905170620000019
上式中，
Figure FDA0003905170620000021
为节点iWT处的风电的输出功率，
Figure FDA0003905170620000022
为节点iWT处的风速，
Figure FDA0003905170620000023
为节点iPV处的光伏电源的输出功率，
Figure FDA0003905170620000024
为节点iPV处的光照强度；
(6)基于历史统计数据，设置配电网内各风电，光伏电源出力之间的相关系数矩阵R；
(7)运用虚拟节点解耦法对风储联合系统的风电出力与储能设备出力进行解耦；
(8)运用基于半不变量法的含QV节点概率潮流解析算法，计算含风储联合系统的配电网概率潮流；
(9)构建含风储联合系统的配电网运行风险关键评估指标；
(10)基于步骤(8)的概率潮流结果，计算步骤(9)所建立的运行风险关键评估指标值；
(11)输出含风储联合系统的配电网运行风险评估结果；
其中，步骤(7)所述的虚拟节点解耦法是一种通过引入虚拟节点，实现所述风储联合系统的风电出力与储能设备出力解耦的方法，具体步骤如下：
(1)引入虚拟PQ节点用以表示所述风储联合系统中风电的并网点；
(2)引入虚拟QV节点用以表示所述风储联合系统中储能设备的并网点。
2.根据权利要求1所述的一种含风储联合系统的配电网运行风险动态评估方法，其特征在于：步骤(1)所述的确定节点类型是根据配电网中各节点的运行特性，对各节点在潮流计算中的节点类型进行设定，包括：
在含风储联合系统的配电网的网络拓扑结构中，把并网点电压控制的风储联合系统所在的节点设定为QV节点，把负荷、以及未配有储能设备的光伏电源、未配有储能设备的风电接入的节点设定为PQ节点，把与上层电网连接的节点设定为平衡节点。
3.根据权利要求1所述的一种含风储联合系统的配电网运行风险动态评估方法，其特征在于：步骤(2)所述的原始数据包括：
在含风储联合系统的配电网的网络拓扑结构中，相邻节点i、节点j之间线路电阻rij、线路电抗xij、线路接地电纳bi0和bj0、系统平衡节点电压幅值Ubalance、风储联合系统所在节点e的并网点控制电压Upcc,e。
4.根据权利要求1所述的一种含风储联合系统的配电网运行风险动态评估方法，其特征在于：步骤(4)所述的基于历史统计数据设置风速、光照强度以及负荷的概率分布参数，包括：
通过各节点采集的风速、光照强度、负荷的历史统计信息，设置风速、光照强度以及负荷的概率分布参数。
5.根据权利要求4所述的一种含风储联合系统的配电网运行风险动态评估方法，其特征在于：所述概率分布参数包括：
位于节点iWT的风速在Weibull分布函数中的形状参数
Figure FDA0003905170620000031
位于节点iWT的风速在Weibull分布函数中的尺度参数
Figure FDA0003905170620000032
位于节点iPV的光照强度在Beta分布函数中的形状参数
Figure FDA0003905170620000033
及
Figure FDA0003905170620000034
节点iL的有功负荷的期望值
Figure FDA0003905170620000035
节点iL的有功负荷标准差
Figure FDA0003905170620000036
节点iL的无功负荷的期望值
Figure FDA0003905170620000037
节点iL的无功负荷的标准差
Figure FDA0003905170620000038
其中，iL∈ΩL，ΩL为配电网内负荷接入节点的集合。
6.根据权利要求1所述的一种含风储联合系统的配电网运行风险动态评估方法，其特征在于：步骤(9)所述的含风储联合系统的配电网运行风险关键评估指标是用以反映和量化含风储联合系统的配电网运行风险的关键指标集合，包括：
系统节点电压越限概率，置信度电压波动范围，线路传输功率越限概率。
7.根据权利要求6所述的一种含风储联合系统的配电网运行风险动态评估方法，其特征在于：所述的系统节点电压越限概率采用配电网内所有节点电压越限概率的最大值进行表示，具体表达式为：
Figure FDA0003905170620000041
上式中：λvoltage为系统节点电压越限概率，ΩB为配电网内全部节点集合，Ui为节点i的电压幅值，ProbUi为节点i电压越限概率，Uimax和Uimin分别为节点i电压安全运行的上下限，Pr{·}定义为事件{·}发生的概率。
8.根据权利要求6所述的一种含风储联合系统的配电网运行风险动态评估方法，其特征在于：所述的置信度电压波动范围分别采用在一给定的置信度下系统所有节点电压波动范围的平均值和最大值进行表示，具体表达式为：
Figure FDA0003905170620000042
上式中：
Figure FDA0003905170620000043
和
Figure FDA0003905170620000044
分别为在置信度α下配电网内所有节点电压波动范围的平均值和最大值，
Figure FDA0003905170620000045
和
Figure FDA0003905170620000046
分别为在置信度α下节点i的电压的上边界和下边界，n为配电网内节点总数，ΩB为配电网内全部节点集合。
9.根据权利要求6所述的一种含风储联合系统的配电网运行风险动态评估方法，其特征在于：所述的线路传输功率越限概率采用配电网内所有支路传输功率越限概率的最大值进行表示，具体表达式为：
Figure FDA0003905170620000047
上式中：λpower为线路传输功率越限概率，l为配电网内支路编号，ΩS为配电网内全部支路的集合，Pl为支路l的传输功率，ProbPl为支路l传输功率越限概率，Plmax和Plmin分别为支路l允许传输功率的上下限，Pr{·}定义为事件{·}发生的概率。
CN202011509057.6A 2020-12-18 2020-12-18 一种含风储联合系统的配电网运行风险动态评估方法 Active CN112531707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011509057.6A CN112531707B (zh) 2020-12-18 2020-12-18 一种含风储联合系统的配电网运行风险动态评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011509057.6A CN112531707B (zh) 2020-12-18 2020-12-18 一种含风储联合系统的配电网运行风险动态评估方法

Publications (2)

Publication Number Publication Date
CN112531707A CN112531707A (zh) 2021-03-19
CN112531707B true CN112531707B (zh) 2023-02-21

Family

ID=75002103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011509057.6A Active CN112531707B (zh) 2020-12-18 2020-12-18 一种含风储联合系统的配电网运行风险动态评估方法

Country Status (1)

Country Link
CN (1) CN112531707B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013123443A1 (en) * 2012-02-16 2013-08-22 Lazaris Spyros System and method for managing the generation, transmission and distribution of power
CN104578157A (zh) * 2015-01-04 2015-04-29 云南电网有限责任公司电力科学研究院 一种分布式电源接入电网的潮流计算方法
CN108898287A (zh) * 2018-06-11 2018-11-27 国网江西省电力有限公司电力科学研究院 大规模光伏并网的配电网运行风险评估方法
CN111224399A (zh) * 2020-02-25 2020-06-02 山东大学 一种用于分析电网不确定性潮流的方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013123443A1 (en) * 2012-02-16 2013-08-22 Lazaris Spyros System and method for managing the generation, transmission and distribution of power
CN104578157A (zh) * 2015-01-04 2015-04-29 云南电网有限责任公司电力科学研究院 一种分布式电源接入电网的潮流计算方法
CN108898287A (zh) * 2018-06-11 2018-11-27 国网江西省电力有限公司电力科学研究院 大规模光伏并网的配电网运行风险评估方法
CN111224399A (zh) * 2020-02-25 2020-06-02 山东大学 一种用于分析电网不确定性潮流的方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
含风储一体化电站的电力系统多目标风险调度模型;孙辉 等;《电力系统自动化》;20180310;第42卷(第5期);第94-101页 *

Also Published As

Publication number Publication date
CN112531707A (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
Rezaeian-Marjani et al. Optimal allocation of D-STATCOM in distribution networks including correlated renewable energy sources
CN108306303B (zh) 一种考虑负荷增长和新能源出力随机的电压稳定评估方法
CN109638870B (zh) 一种特高压直流送端电网的调相机配置方法
CN107480825B (zh) 一种计及容量可信度的光伏电站优化规划方法
CN106786608B (zh) 一种适用于分布式电源接入的不确定谐波潮流计算方法
Rawat et al. Probabilistic approach to determine penetration of hybrid renewable DGs in distribution network based on voltage stability index
Musa et al. Optimal sizing and location of multiple distributed generation for power loss minimization using genetic algorithm
CN116388174A (zh) 一种适应层次化调度的分布式光伏集群短期出力预测方法
CN112531707B (zh) 一种含风储联合系统的配电网运行风险动态评估方法
CN107332239B (zh) 一种基于配电网等值的输配电网协调规划方法
CN111293687B (zh) 一种基于三维粒子群算法的分布式电源选址定容的方法
CN110571788A (zh) 基于动态等值电路的静态电压稳定域边界系数的计算方法
Nikmehr et al. Solving probabilistic load flow in smart distribution grids using heuristic methods
CN109586309B (zh) 基于大数据自由熵理论和场景匹配的配电网无功优化方法
CN117239792A (zh) 一种区域化分布式储能选址定容方法及装置
Attar et al. Impacts of integration of wind farms on voltage stability margin
CN107590211B (zh) 智能电网信息系统
Saad et al. Optimal placement and sizing of distributed generation based on MVMO-SH
Sun et al. Assessing wind curtailment under different wind capacity considering the possibilistic uncertainty of wind resources
CN115173421A (zh) 一种基于渐进拉丁超立方采样的概率最优潮流计算方法
CN114996635A (zh) 一种配电网参数确定方法、装置、设备及存储介质
CN110829440B (zh) 一种三相中低压一体化配电网电压控制方法及系统
CN109193813B (zh) 一种电力系统热稳定安全域雷达图绘制方法
CN115017735B (zh) 一种用于高维系统的多代理概率电压稳定计算方法
CN110619436A (zh) 主动配电网规划方法

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