CN112633699A - 主动配电网网架规划方法、装置、计算机设备和存储介质 - Google Patents
主动配电网网架规划方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112633699A CN112633699A CN202011556646.XA CN202011556646A CN112633699A CN 112633699 A CN112633699 A CN 112633699A CN 202011556646 A CN202011556646 A CN 202011556646A CN 112633699 A CN112633699 A CN 112633699A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- information
- planning
- energy storage
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004146 energy storage Methods 0.000 claims abstract description 120
- 238000004590 computer program Methods 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010248 power generation Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 125000004432 carbon atom Chemical group C* 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q10/06—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
-
- 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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
Abstract
本申请涉及一种主动配电网网架规划方法、装置、计算机设备和存储介质。所述方法通过获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据;根据预测负荷数据以及分布式发电出力数据确定配电网日场景;根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息;根据配电线路信息、储能系统配置信息以及日场景运行变量信息,获取主动配电网网架规划结果。本申请根据预测负荷以及发电出力,将配电网划分为多种配电网日场景,而后进行主动配电网的规划,可以从规划决策以及运行决策等方面有效地适应主动配电网运行场景的变化。
Description
技术领域
本申请涉及配电网领域,特别是涉及一种主动配电网网架规划方法、装置、计算机设备和存储介质。
背景技术
主动配电网(active distribution network,ADN)通过主动管理的措施来控制和管理分布式发电(distributed generation,DG)、储能系统(energy storage system,ESS)和客户双向负荷等,对于提高可再生能源在配电网中的渗透率和利用率具有重要意义。其中,通过合理调节接入ADN中的ESS的充/放电运行方式,可以实现削峰填谷、降低网络损耗、提高电网稳定性等目的。
现有技术中心,一般可以基于配网集群划分结果配置ESS,采用嵌入潮流计算的双层迭代混合粒子群算法进行求解规划模型,从而进行配电网网架规划。然而这些已有的储能规划以及储能-网架联合规划方法,其规划的结果都是在规划期内采用固定(容量与接入点)的储能配置。这种规划方法下,储能配置缺乏灵活性,无法有效地适应运行场景的变化。
发明内容
基于此,有必要针对上述技术问题,提供一种能够有效保证储能配置过程灵活性的主动配电网网架规划方法、装置、计算机设备和存储介质。
一种主动配电网网架规划方法,所述方法包括:
获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据;
根据所述预测负荷数据以及所述分布式发电出力数据确定配电网日场景;
根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息;
根据所述配电线路信息、所述储能系统配置信息以及所述日场景运行变量信息,获取主动配电网网架规划结果。
在其中一个实施例中,所述根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行方式信息包括:
根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据构建混合整数二次规划模型;
求解所述混合整数二次规划模型,获取配电线路信息、储能系统配置信息以及日场景运行方式信息。
在其中一个实施例中,所述根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据构建混合整数二次规划模型包括:
根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据获取模型输入数据;
获取模型决策变量、模型优化目标以及模型约束,所述模型决策变量包括规划决策变量以及运行决策变量,所述规划决策变量包括配电线路信息、储能系统配置信息,所述运行决策变量包括日场景运行方式信息,所述优化目标包括最大化主动配电网资源收益,所述模型约束包括节点电能约束以及储能动态配置规划约束;
根据所述模型输入数据、所述模型决策变量、模型优化目标以及所述模型约束构建混合整数二次规划模型。
在其中一个实施例中,所述求解所述混合整数二次规划模型,获取配电线路信息包括:
通过预设潮流计算公式以及所述节点电能约束,获取配电线路信息中的节点电压信息以及支路电压信息。
在其中一个实施例中,所述求解所述混合整数二次规划模型,获取配电线路信息以及储能系统配置信息包括:
通过预设生成树算法以及所述储能动态配置规划约束,获取配电线路信息中的线路选型信息以及储能系统配置信息。
在其中一个实施例中,所述根据所述配电线路信息、所述储能系统配置信息以及所述日场景运行变量信息,获取主动配电网网架规划结果之后,还包括:
反馈所述主动配电网网架规划结果。
一种主动配电网网架规划装置,所述装置包括:
数据获取模块,用于获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据;
场景确定模块,用于根据所述预测负荷数据以及所述分布式发电出力数据确定配电网日场景;
信息求解模块,用于根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息;
配电网规划模块,用于根据所述配电线路信息、所述储能系统配置信息以及所述日场景运行变量信息,获取主动配电网网架规划结果。
在其中一个实施例中,所述信息求解模块具体用于:根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据构建混合整数二次规划模型;求解所述混合整数二次规划模型,获取配电线路信息、储能系统配置信息以及日场景运行方式信息。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据;
根据所述预测负荷数据以及所述分布式发电出力数据确定配电网日场景;
根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息;
根据所述配电线路信息、所述储能系统配置信息以及所述日场景运行变量信息,获取主动配电网网架规划结果。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据;
根据所述预测负荷数据以及所述分布式发电出力数据确定配电网日场景;
根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息;
根据所述配电线路信息、所述储能系统配置信息以及所述日场景运行变量信息,获取主动配电网网架规划结果。
上述主动配电网网架规划方法、装置、计算机设备和存储介质,通过获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据;根据预测负荷数据以及分布式发电出力数据确定配电网日场景;根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息;根据配电线路信息、储能系统配置信息以及日场景运行变量信息,获取主动配电网网架规划结果。本申请根据主动配电网规划对应预测负荷以及发电出力,将配电网划分为多种配电网日场景,而后基于节点数据、配电日场景、预测负荷数据以及分布式发电出力数据,来进行主动配电网的规划,通过日场景运行变量信息来对各种日场景下的储能系统配置进行调整,从而可以从规划决策以及运行决策等方面有效地让主动配电网适应其运行场景的变化。
附图说明
图1为一个实施例中主动配电网网架规划方法的应用环境图;
图2为一个实施例中主动配电网网架规划方法的流程示意图;
图3为一个实施例中图2中步骤205的子流程示意图;
图4为一个实施例中主动配电网网架规划装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的主动配电网网架规划方法,可以应用于如图1所示的应用环境中。其中终端102通过网络与服务器104进行通信。终端102用于输出配电网规划所需要的基础数据,如配电网规划的区域、区域内的节点、配电网规划对应的预测负荷数据以及分布式发电出力数据等,并将这些规划相关数据发送给服务器104以进行相应的主动配电网网架规划。而服务器104获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据;根据预测负荷数据以及分布式发电出力数据确定配电网日场景;根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息;根据配电线路信息、储能系统配置信息以及日场景运行变量信息,获取主动配电网网架规划结果。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现,也可以为云服务器。
在一个实施例中,如图2所示,提供了一种主动配电网网架规划方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
步骤201,获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据。
其中,预测负荷数据具体主动配电网网架规划的规划周期内规划对应区域内的具体负荷数据,包括了总的负荷以及各个节点对应的负荷,而分布式发电出力数据具体是指规划对应区域内规划周期内的发电相关数据。
具体地,本申请的主动配电网网架规划方法具体用于结合具体地配电网日场景来对配电情况进行划分,从而使得主动配电网网架规划更加符合各个不同场景下的供配电需求,因此在进行规划前,需要先获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据,以进行后续的主动配电网的场景划分以及供配电规划。
步骤203,根据预测负荷数据以及分布式发电出力数据确定配电网日场景。
其中,配电网日场景具体是指以周期性形式分布的供配电场景。具体地,在本申请的方案中,可以将规划周期内预测负荷数据和分布式发电出力按周期特性划分为几个典型日场景。在其中一个实施例中,可以将一年内的场景划分为春日场景、夏日场景、秋日场景以及冬日场景四种典型的配电网日场景,分别对应不同季节下的供配电情况。本申请的主动配电网网架规划方法,通过优化每个日场景下储能的接入点、额定功率和容量、运行功率。同时考虑储能接入对供配电效益的影响,综合求解主动配电网网架规划中的网架建设、储能配置和运行变量。
步骤205,根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息。
步骤207,根据配电线路信息、储能系统配置信息以及日场景运行变量信息,获取主动配电网网架规划结果。
其中,配电线路信息具体是指主动配电网网架规划对应的区域内各个节点间线路以及线路支路的架设规划结果。而储能系统,在主动配电网中配置储能站点以及储能配送中心,其中储能站点类似于电网的节点,用于供应电动汽车等充放电设备的充电。而储能配送中心作为储能装置的中转与检测、维护平台。日场景运行变量信息则是指当配电网的日场景更迭、其对应的储能配置需要更新时,某节点多余的储能模块将被运回配送中心,运回的储能经过维护与检修或更替后,将其由配送中心运送至需要增加储能的节点。
具体地,可以根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据,来构建相应的规划模型,而后通过求解规划模型,来确定主动配电网网架规划所需要的配电线路信息、储能系统配置信息以及日场景运行变量信息,从而根据这些信息获得相应的主动配电网网架规划结果。在其中一个实施例中,具体可以以配电网网架规划对应的资源收益最高为目标函数构建混合整数二次规划模型,而后通过求解模型获取相应的配电线路信息、储能系统配置信息以及日场景运行变量信息,从而进行配电网网架规划。
上述主动配电网网架规划方法,通过获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据;根据预测负荷数据以及分布式发电出力数据确定配电网日场景;根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息;根据配电线路信息、储能系统配置信息以及日场景运行变量信息,获取主动配电网网架规划结果。本申请根据主动配电网规划对应预测负荷以及发电出力,将配电网划分为多种配电网日场景,而后基于节点数据、配电日场景、预测负荷数据以及分布式发电出力数据,来进行主动配电网的规划,通过日场景运行变量信息来对各种日场景下的储能系统配置进行调整,从而可以从规划决策以及运行决策等方面有效地让主动配电网适应其运行场景的变化。
在一个实施例中,如图3所示,步骤203包括:
步骤302,根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据构建混合整数二次规划模型。
步骤304,求解混合整数二次规划模型,获取配电线路信息、储能系统配置信息以及日场景运行方式信息。
其中,混合整数规划指部分决策变量限制为整数的整数规划问题。具体地,本申请中混合整数二次规划模型的求解目标主要包括规划决策变量以及运行决策变量,其中规划决策变量包括配电线路信息、储能系统配置信息,而运行决策变量包括日场景运行方式信息。可以根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据构建混合整数二次规划模型,而后通过求解该模型来确定主动配电网网架规划所需要的具体数据。本实施例中,基于主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据来构建相应的混合整数二次规划模型,通过求解模型进行主动配电网网架规划,可以有效保证主动配电网网架规划的有效性。
在其中一个实施例中,步骤302包括:
根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据获取模型输入数据;
获取模型决策变量、模型优化目标以及模型约束,模型决策变量包括规划决策变量以及运行决策变量,规划决策变量包括配电线路信息、储能系统配置信息,运行决策变量包括日场景运行方式信息,优化目标包括最大化主动配电网资源收益,模型约束包括节点电能约束以及储能动态配置规划约束;
根据模型输入数据、模型决策变量、模型优化目标以及模型约束构建混合整数二次规划模型。
其中,模型输入数据是指输入至混合整数二次规划模型,用于求解最终规划结果的参数。本申请中模型的输入数据具体包括了各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据等相关的数据。而优化目标是混合整数二次规划模型的规划所需要达成的目标结果,在其中一个实施例中,优化目标为使得规划构建的主动配电网资源收益最大化。决策变量具体是指就是主动配电网规划及建设过程中可以能够掌握的事情。又叫做可控变量,即可以控制的变量。具体包括了规划决策变量中的配电线路信息、储能系统配置信息,以及运行决策变量中的日场景运行方式信息。而模型约束是指模型所构建的主动配电网网架需要限制在哪些约束条件之内,模型约束具体包括了节点电能约束以及储能动态配置规划约束等约束条件。在确定模型输入数据、模型决策变量、模型优化目标以及模型约束后,即可根据这些数据来构建相应的混合整数二次规划模型,而后通过混合整数二次规划模型来求解主动配电网的网架规划。在其中一个实施例中,基于上述信息以及一些其他类似资源成本数据的信息,可以得出模型的目标函数为:
其中:
上式中,Y表示规划期年数,y代表第y年;ir表示通货膨胀率;dr表示贴现率;Ds表示一年内四个配电网日场景对应的天数;n为主动配电网中的节点数;ηs,h表示第s季度、第h小时的电价;为节点i的电力用户在第s季度、第h小时的用电功率;表示配电网在在第s季度、第h小时的网损功率;为节点i安装的储能在第s季节、第h小时的运行功率,表示储能充电,表示储能放电;为节点i的DG在第s季度、第h小时的发电功率;K为待选的线路型号种类数;Lij为节点i与节点j之间的安装线路的长度,与节点地理位置有关;LGJk为第k种线路单位长度造价;γ为回收系数;为四个季节中接入主动配电网储能最大总容量;CSESS是储能单位额定容量造价;OMESS储能设备年运营维护成本;m表示日场景运行变量信息中储能配置更新的次数,且m=4×Y;第j次更新储能配置相应的运输费用为TCj。本实施例中,基于模型输入、决策变量、优化目标以及模型约束等条件来构建相应的混合整数二次规划模型,通过求解模型进行主动配电网网架规划,可以有效保证主动配电网网架规划的有效性。
在其中一个实施例中,步骤304包括:通过预设潮流计算公式以及节点电能约束,获取配电线路信息中的节点电压信息以及支路电压信息。
具体地,在求解模型的过程中,本申请提出一种简化的DistFlow潮流公式,由于公式中的二阶项表示支路上的网损,远小于式中其他部分,因而可将二阶项去除来得到简化的DistFlow潮流公式(增加引用)。如下:
vj,s,h≤vi,s,h-2(rij·Pij,s,h+xij·Qij,s,h)+M(1-Aij)
vj,s,h≥vi,s,h-2(rij·Pij,s,h+xij·Qij,s,h)-M(1-Aij)
上式中,Pij,s,h和Qij,s,h分别表示线路ij(节点i到节点j)在第s季、第h小时的首端有功功率和无功功率;C表示与节点j相连线路的集合;和分别为i节点的用户、ESS和DG无功功率;xij和rij分别表示线路ij的电抗和电阻;vi,s,h为节点i在第s季、第h小时的电压的平方;M为辅助参数;Aij为0/1变量,为0/1表示节点i与节点j之间是/否建设线路。
此外,节点电压和支路容量[23]约束如下:
vmin≤vi,s,h≤vmax
上式中,vmin和vmax分别代表节点电压平方的下限和上限;和表示节点i与节点j之间第k种待选支路上流过的有功和无功功率;为节点i与节点j之间建设的第k种支路的额定容量。通过预设潮流计算公式以及节点电能约束,可以有效获取配电线路信息中的节点电压信息以及支路电压信息。
在其中一个实施例中,步骤304包括:通过预设生成树算法以及储能动态配置规划约束,获取配电线路信息中的线路选型信息以及储能系统配置信息。
具体地,本发明在生成树方法的基础上提出一种改进生成树算法来实现线路选型以及储能配置,其中,生成树的约束包括:
上式中,N(0)表示变压器节点集合;公式表明节点i与节点j之间最多建设一种类型的线路,且母节点只有一个;公式表示除变压器节点外,任一节点的母节点有且只有一个;公式表示主动配电网中网络结构的支路数为节点数减去变压器节点数ns。因此公式中Pij,s,h、Qij,s,h和Aij有以下扩展:
储能节点的容量约束则具体为:
上式中,和分别是接入主动配电网的储能装置总的额定功率和容量;PESS,min;PESS,max分别是能够接入主动配电网的最小、最大总储能功率;SESS,min、SESS,max分别是能够接入主动配电网的最小、最大的总储能容量。
而假设储能处于日循环运行方式,则荷电状态约束包括:
上式中,为节点i的储能设备在第s季节、第h小时的荷电状态;βch为储能设备充电效率;βdis为储能设备放电效率;本申请具体根据峰谷电价提前确定储能的充电或放电时刻,其中,Hp为储能放电时段;Ho为储能充电时段;Hn为其余的时段;γDC为储能的允许充放电深度。
而配电网规划中的储能建设约束地计算如下:
上式,PESS,s和SESS,s均为n×1维的向量,分别表示第s季节主动配电网中各节点储能的额定功率和容量配置;分别表示第s季节的节点i接入的储能额定功率和容量;当与均为0时,代表节点i上没有安装储能。
同时,目标函数的公式中,TCj代表主动配电网运行场景或季节更替时,储能配置更新所产生的费用。每次变换场景时,储能配置变换过程产生的运输费用与路程公里数以及储能重量体积有关。假设每个节点到配送中心的最短路径已知,第j次更新储能配置的TCj可以由以下式子表示:
TCj=d·|SESS,after(j)-SESS,before(j)|·DS
其中,d表示节点1~节点n到配送中心的最短径构成的向量(1×n维);SESS ,before(j)、SESS,after(j)分别表示第j次更新前、后对应季节的储能容量配置;DS表示单位距离运输单位容量的储能的费用。
该式属于伪线性形式,为将其转化为线性形式,引入辅助变量yj,进行如下处理:
TCj=d·yj·DS
由于公式在目标函数中是minimize,因此在最优解中yj和绝对值是等效的。规划模型的约束条件均为线性约束。通过预设生成树算法以及储能动态配置规划约束,获取配电线路信息中的线路选型信息以及储能系统配置信息,从而进行更有效地主动配电网网架规划。
在其中一个实施例中,步骤207之后,还包括:反馈主动配电网网架规划结果。
具体地,当服务器104得到最终的主动配电网规划结果,可以根据最终的主动配电网规划结果向终端102进行反馈,而终端102方的工作人员可以参考服务器104提供主动配电网网架规划方案,进行实际的主动配电网网架规划以及网架建设。本实施例中通过反馈主动配电网网架规划结果,可以有效保证主动配电网网架规划的顺利进行
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种主动配电网网架规划装置,包括:数据获取模块401、场景确定模块403、信息求解模块405和配电网规划模块407,其中:
数据获取模块401,用于获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据。
场景确定模块403,用于根据预测负荷数据以及分布式发电出力数据确定配电网日场景。
信息求解模块405,用于根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息。
配电网规划模块407,用于根据配电线路信息、储能系统配置信息以及日场景运行变量信息,获取主动配电网网架规划结果。
在其中一个实施例中,信息求解模块405具体用于:根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据构建混合整数二次规划模型;求解混合整数二次规划模型,获取配电线路信息、储能系统配置信息以及日场景运行方式信息。
在其中一个实施例中,信息求解模块405具体用于:根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据获取模型输入数据;获取模型决策变量、模型优化目标以及模型约束,模型决策变量包括规划决策变量以及运行决策变量,规划决策变量包括配电线路信息、储能系统配置信息,运行决策变量包括日场景运行方式信息,优化目标包括最大化主动配电网资源收益,模型约束包括节点电能约束以及储能动态配置规划约束;根据模型输入数据、模型决策变量、模型优化目标以及模型约束构建混合整数二次规划模型。
在其中一个实施例中,信息求解模块405具体用于:通过预设潮流计算公式以及节点电能约束,获取配电线路信息中的节点电压信息以及支路电压信息。
在其中一个实施例中,信息求解模块405具体用于:通过预设生成树算法以及储能动态配置规划约束,获取配电线路信息中的线路选型信息以及储能系统配置信息。
在其中一个实施例中,还包括数据反馈模块,用于:反馈主动配电网网架规划结果。
关于主动配电网网架规划装置的具体限定可以参见上文中对于主动配电网网架规划方法的限定,在此不再赘述。上述主动配电网网架规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储主动配电网网架规划数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种主动配电网网架规划方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据;
根据预测负荷数据以及分布式发电出力数据确定配电网日场景;
根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息;
根据配电线路信息、储能系统配置信息以及日场景运行变量信息,获取主动配电网网架规划结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据构建混合整数二次规划模型;求解混合整数二次规划模型,获取配电线路信息、储能系统配置信息以及日场景运行方式信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据获取模型输入数据;获取模型决策变量、模型优化目标以及模型约束,模型决策变量包括规划决策变量以及运行决策变量,规划决策变量包括配电线路信息、储能系统配置信息,运行决策变量包括日场景运行方式信息,优化目标包括最大化主动配电网资源收益,模型约束包括节点电能约束以及储能动态配置规划约束;根据模型输入数据、模型决策变量、模型优化目标以及模型约束构建混合整数二次规划模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过预设潮流计算公式以及节点电能约束,获取配电线路信息中的节点电压信息以及支路电压信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过预设生成树算法以及储能动态配置规划约束,获取配电线路信息中的线路选型信息以及储能系统配置信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:反馈主动配电网网架规划结果。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据;
根据预测负荷数据以及分布式发电出力数据确定配电网日场景;
根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息;
根据配电线路信息、储能系统配置信息以及日场景运行变量信息,获取主动配电网网架规划结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据构建混合整数二次规划模型;求解混合整数二次规划模型,获取配电线路信息、储能系统配置信息以及日场景运行方式信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据主动配电网网架规划对应的各个节点数据、配电日场景、预测负荷数据以及分布式发电出力数据获取模型输入数据;获取模型决策变量、模型优化目标以及模型约束,模型决策变量包括规划决策变量以及运行决策变量,规划决策变量包括配电线路信息、储能系统配置信息,运行决策变量包括日场景运行方式信息,优化目标包括最大化主动配电网资源收益,模型约束包括节点电能约束以及储能动态配置规划约束;根据模型输入数据、模型决策变量、模型优化目标以及模型约束构建混合整数二次规划模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过预设潮流计算公式以及节点电能约束,获取配电线路信息中的节点电压信息以及支路电压信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过预设生成树算法以及储能动态配置规划约束,获取配电线路信息中的线路选型信息以及储能系统配置信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:反馈主动配电网网架规划结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种主动配电网网架规划方法,所述方法包括:
获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据;
根据所述预测负荷数据以及所述分布式发电出力数据确定配电网日场景;
根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息;
根据所述配电线路信息、所述储能系统配置信息以及所述日场景运行变量信息,获取主动配电网网架规划结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行方式信息包括:
根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据构建混合整数二次规划模型;
求解所述混合整数二次规划模型,获取配电线路信息、储能系统配置信息以及日场景运行方式信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据构建混合整数二次规划模型包括:
根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据获取模型输入数据;
获取模型决策变量、模型优化目标以及模型约束,所述模型决策变量包括规划决策变量以及运行决策变量,所述规划决策变量包括配电线路信息、储能系统配置信息,所述运行决策变量包括日场景运行方式信息,所述优化目标包括最大化主动配电网资源收益,所述模型约束包括节点电能约束以及储能动态配置规划约束;
根据所述模型输入数据、所述模型决策变量、模型优化目标以及所述模型约束构建混合整数二次规划模型。
4.根据权利要求3所述的方法,其特征在于,所述求解所述混合整数二次规划模型,获取配电线路信息包括:
通过预设潮流计算公式以及所述节点电能约束,获取配电线路信息中的节点电压信息以及支路电压信息。
5.根据权利要求3所述的方法,其特征在于,所述求解所述混合整数二次规划模型,获取配电线路信息以及储能系统配置信息包括:
通过预设生成树算法以及所述储能动态配置规划约束,获取配电线路信息中的线路选型信息以及储能系统配置信息。
6.根据权利要求1所述的方法,其特征在于,所述根据所述配电线路信息、所述储能系统配置信息以及所述日场景运行变量信息,获取主动配电网网架规划结果之后,还包括:
反馈所述主动配电网网架规划结果。
7.一种主动配电网网架规划装置,其特征在于,所述装置包括:
数据获取模块,用于获取主动配电网网架规划对应的预测负荷数据以及分布式发电出力数据;
场景确定模块,用于根据所述预测负荷数据以及所述分布式发电出力数据确定配电网日场景;
信息求解模块,用于根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据,获取配电线路信息、储能系统配置信息以及日场景运行变量信息;
配电网规划模块,用于根据所述配电线路信息、所述储能系统配置信息以及所述日场景运行变量信息,获取主动配电网网架规划结果。
8.根据权利要求7所述的装置,其特征在于,所述信息求解模块具体用于:根据所述主动配电网网架规划对应的各个节点数据、所述配电日场景、所述预测负荷数据以及所述分布式发电出力数据构建混合整数二次规划模型;求解所述混合整数二次规划模型,获取配电线路信息、储能系统配置信息以及日场景运行方式信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011556646.XA CN112633699B (zh) | 2020-12-24 | 主动配电网网架规划方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011556646.XA CN112633699B (zh) | 2020-12-24 | 主动配电网网架规划方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112633699A true CN112633699A (zh) | 2021-04-09 |
CN112633699B CN112633699B (zh) | 2024-05-17 |
Family
ID=
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256168A (zh) * | 2021-06-24 | 2021-08-13 | 广东电网有限责任公司 | 一种电力系统规划方法、装置、设备及存储介质 |
CN113673912A (zh) * | 2021-09-16 | 2021-11-19 | 国网山东省电力公司潍坊供电公司 | 考虑输电网影响的配电-气网分布式协同规划方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815657A (zh) * | 2017-01-05 | 2017-06-09 | 国网福建省电力有限公司 | 一种考虑时序性和可靠性的配电网双层规划方法 |
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 |
CN109818369A (zh) * | 2018-11-28 | 2019-05-28 | 河海大学 | 一种计及出力模糊随机性的分布式电源规划方法 |
CN109948849A (zh) * | 2019-03-19 | 2019-06-28 | 国网福建省电力有限公司 | 一种计及储能接入的配电网网架规划方法 |
CN111756075A (zh) * | 2020-06-29 | 2020-10-09 | 国网经济技术研究院有限公司 | 一种含分布式电源的配电系统算例设计与测试方法 |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815657A (zh) * | 2017-01-05 | 2017-06-09 | 国网福建省电力有限公司 | 一种考虑时序性和可靠性的配电网双层规划方法 |
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 |
CN109818369A (zh) * | 2018-11-28 | 2019-05-28 | 河海大学 | 一种计及出力模糊随机性的分布式电源规划方法 |
CN109948849A (zh) * | 2019-03-19 | 2019-06-28 | 国网福建省电力有限公司 | 一种计及储能接入的配电网网架规划方法 |
CN111756075A (zh) * | 2020-06-29 | 2020-10-09 | 国网经济技术研究院有限公司 | 一种含分布式电源的配电系统算例设计与测试方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256168A (zh) * | 2021-06-24 | 2021-08-13 | 广东电网有限责任公司 | 一种电力系统规划方法、装置、设备及存储介质 |
CN113673912A (zh) * | 2021-09-16 | 2021-11-19 | 国网山东省电力公司潍坊供电公司 | 考虑输电网影响的配电-气网分布式协同规划方法及系统 |
CN113673912B (zh) * | 2021-09-16 | 2024-03-08 | 国网山东省电力公司潍坊供电公司 | 考虑输电网影响的配电-气网分布式协同规划方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiong et al. | Optimal planning of storage in power systems integrated with wind power generation | |
Nick et al. | Optimal siting and sizing of distributed energy storage systems via alternating direction method of multipliers | |
Abedini et al. | Optimal management of microgrids including renewable energy scources using GPSO-GM algorithm | |
Suchitra et al. | Optimal design of hybrid power generation system and its integration in the distribution network | |
Levron et al. | Power systems’ optimal peak-shaving applying secondary storage | |
CN108446796A (zh) | 考虑电动汽车负荷需求响应的网-源-荷协调规划方法 | |
Ranamuka et al. | Flexible AC power flow control in distribution systems by coordinated control of distributed solar-PV and battery energy storage units | |
Adetunji et al. | An optimization planning framework for allocating multiple distributed energy resources and electric vehicle charging stations in distribution networks | |
CN112994022A (zh) | 一种源储荷分布式协同电压控制方法及其系统 | |
Bhadoria et al. | Artificial immune system based approach for size and location optimization of distributed generation in distribution system | |
Zaree et al. | An MILP formulation for centralized energy management strategy of microgrids | |
CN111049171A (zh) | 一种主动配电网储能配置方法 | |
Maulik | Probabilistic power management of a grid-connected microgrid considering electric vehicles, demand response, smart transformers, and soft open points | |
Wen et al. | Optimal distributed energy storage investment scheme for distribution network accommodating high renewable penetration | |
Khasanov et al. | Optimal planning DG and BES units in distribution system consideringuncertainty of power generation and time-varying load | |
Feizi et al. | Data-driven distributionally robust unbalanced operation of distribution networks with high penetration of photovoltaic generation and electric vehicles | |
KR20190088127A (ko) | 전력계통 구성요소 모델링 및 빅데이터 처리를 통한 송전손실계수 제공 방법 및 그 장치 | |
CN117035335A (zh) | 一种多阶段储能与输电网协同规划方法及系统 | |
Abdelaziz Mohamed et al. | A novel smart grid application for optimal sizing of hybrid renewable energy systems | |
CN112633699B (zh) | 主动配电网网架规划方法、装置、计算机设备和存储介质 | |
Sanjari et al. | HSA-based optimal placement of shunt FACTS devices in the smart grid considering voltage stability | |
CN112633699A (zh) | 主动配电网网架规划方法、装置、计算机设备和存储介质 | |
US20220140601A1 (en) | Automation tool to create chronological ac power flow cases for large interconnected systems | |
Fortenbacher | Power flow modeling and grid constraint handling in power grids with high res in-feed, controllable loads, and storage devices | |
Meyer-Huebner et al. | Dynamic optimal power flow in ac networks with multi-terminal HVDC and energy storage |
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 |