CN112651177A - 考虑灵活性服务费用的配电网灵活型资源配置方法及系统 - Google Patents

考虑灵活性服务费用的配电网灵活型资源配置方法及系统 Download PDF

Info

Publication number
CN112651177A
CN112651177A CN202011583730.0A CN202011583730A CN112651177A CN 112651177 A CN112651177 A CN 112651177A CN 202011583730 A CN202011583730 A CN 202011583730A CN 112651177 A CN112651177 A CN 112651177A
Authority
CN
China
Prior art keywords
power
flexible
node
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.)
Granted
Application number
CN202011583730.0A
Other languages
English (en)
Other versions
CN112651177B (zh
Inventor
牛焕娜
钱立
葛绪伍
李宗晟
杨璐
井天军
王江波
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.)
China Agricultural University
Original Assignee
China Agricultural University
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 China Agricultural University filed Critical China Agricultural University
Priority to CN202011583730.0A priority Critical patent/CN112651177B/zh
Publication of CN112651177A publication Critical patent/CN112651177A/zh
Application granted granted Critical
Publication of CN112651177B publication Critical patent/CN112651177B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种考虑灵活性服务费用的配电网灵活型资源配置方法及系统，方法包括：根据配电网中各节点功率波动量对配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置；建立灵活型资源优化配置模型并基于遗传算法求解获取的配置模型，确定各灵活型资源在安装位置的安装容量；根据安装位置及安装容量，对灵活型资源进行配置。所述系统用于执行上述方法。本发明提供的考虑灵活性服务费用的配电网灵活型资源配置方法及系统，基于各灵活型资源的安装位置和安装容量，完成对各灵活型资源的配置，考虑灵活性供给辅助服务的年运行费用，减少配电网对上级电网灵活性供给的依赖，同时提高配电网对短时间大幅的功率波动问题的适应性。

Description

考虑灵活性服务费用的配电网灵活型资源配置方法及系统
技术领域
本发明涉及电力系统技术领域，尤其涉及一种考虑灵活性服务费用的配电网灵活型资源配置方法及系统。
背景技术
随着可再生能源渗透率不断提高和电气化的推广，配电网的不确定性逐渐增强，传统以源/网与负荷的被动匹配为主的配电网规划方法，在未来配电网多场景变化运行中存在严重的灵活性不足，需要针对性地开展考虑源储荷的多维集成互动下的灵活性规划。规划设计问题与运行问题具有强耦合性，必须在规划设计时充分考虑系统运行策略和工况的影响。
现有技术中规划模型从某一个或某一类视角开展了联合规划，但是配电网灵活型资源分布在源、荷、储各侧，应该进行综合协调规划以达到更好的经济效益，提高各设备的利用率。另外，规划设计问题与运行问题具有强耦合性，必须在规划设计时充分考虑系统运行策略和工况的影响，现有技术中的规划方法均是基于能量平衡和功率平衡展开，没有考虑到配电网功率波动引起的功率调节与响应问题，对高渗透率可再生能源配电网短时间大幅的功率波动问题适应性不强。
目前尚难有一种有效方法，能够通过规划配电网，减少配电网对上级电网灵活性供给的依赖，同时提高配电网对短时间大幅的功率波动问题的适应性。
发明内容
本发明提供的考虑灵活性服务费用的配电网灵活型资源配置方法及系统，用于克服现有技术中存在对高渗透率可再生能源配电网短时间大幅的功率波动引起的灵活性调节能力不足的缺陷，能够通过在配电网中对关口节点功率波动影响较大的节点处安装灵活型资源，完成对配电网的规划，减少了配电网对上级电网灵活性供给的依赖，同时提高了配电网对短时间大幅的功率波动问题的适应性。
本发明提供一种考虑灵活性服务费用的配电网灵活型资源配置方法，包括：
根据配电网中各节点功率波动量对所述配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置；
以年投资费用和考虑灵活性供给辅助服务的年运行费用最小为目标，结合所述各灵活型资源的灵活性供给约束条件和上级配电网传输功率约束条件，建立灵活型资源优化配置模型；
基于遗传算法优化求解所述灵活型资源优化配置模型，确定所述各灵活型资源在所述安装位置的安装容量；
根据所述安装位置及所述安装容量，对所述灵活型资源进行配置；
其中，所述灵活型资源包括：可控制的发电类设备、储能设备以及综合能源系统；
所述灵活型资源优化配置模型的目标函数由公式(1)计算获得：
min f＝Ccon+Crun (1)
式中，min f代表灵活型资源优化配置模型的目标函数，Ccon代表所述年投资费用，Crun代表所述年运行费用；
所述影响指标由公式(2)计算得到：
Figure BDA0002865743640000021
式中，
Figure BDA0002865743640000022
为所述影响指标，s为典型场景，U为场景数，ts为典型场景s的总天数，
Figure BDA0002865743640000023
为典型场景s时刻t关口功率波动程度指标；
Figure BDA0002865743640000031
为典型场景s时刻t节点j有功功率波动量对关口节点有功功率预期波动量的灵敏度因子。
根据本发明提供的一种考虑灵活性服务费用的配电网灵活型资源配置方法，所述根据配电网中各节点功率波动量对所述配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置，包括：
将所述影响指标按照由大到小顺序进行排序；
选取前第一预设数量个影响指标，并确定与所述前第一预设数量个影响指标对应的各节点在所述配电网中的位置；
根据所述各节点在所述配电网中的位置，确定所述安装位置。
根据本发明提供的一种考虑灵活性服务费用的配电网灵活型资源配置方法，获取所述灵活型资源优化配置模型的目标函数，包括：
基于公式(3)获取所述年投资费用Ccon，以及基于公式(4)获取所述年运行费用Crun；
根据所述年投资费用Ccon和所述年运行费用Crun，并基于所述公式(1)获取所述目标函数；
Figure BDA0002865743640000032
式中，n为配电网的节点数，w为灵活型资源类型数，r为贴现率，eψ为第ψ类灵活型资源的使用寿命，Ci，ψ为第i节点第ψ类灵活型资源的单位容量投资成本，Si，ψ为第i个节点第ψ类灵活型资源的安装容量；
Crun＝CT+CG+CE+CR+CB (4)
式中，CT为向上级电网购电费用和向上级电网购买灵活性辅助服务的年费用，CG为发电类设备年运行费用，CE为储能设备年运行费用，CR为综合能源系统的年补偿费用，CB为弃风弃光、弃负荷年惩罚费用。
根据本发明提供的一种考虑灵活性服务费用的配电网灵活型资源配置方法，获取所述向上级电网购电费用和向上级电网购买灵活性辅助服务的年费用CT，包括：
根据所述配电网的可再生能源和各节点负荷样本，确定所述配电网中第二预设数量个典型场景；
根据所述典型场景的场景数以及公式(5)至公式(7)，获取向上级电网购电费用和向上级电网购买灵活性辅助服务的年费用CT；
Figure BDA0002865743640000041
式中，U为所述场景数，ts为典型场景s的总天数，λT购电电价，
Figure BDA0002865743640000042
为典型场景s时刻t与上级电网交互功率，Δt为时间尺度，fT(·)为购买上级电网灵活性辅助服务费用函数，
Figure BDA0002865743640000043
表示典型场景s时刻t配电网对上级电网灵活性服务的需求，由公式(6)计算获得：
Figure BDA0002865743640000044
式中，
Figure BDA0002865743640000045
为典型场景s时刻t各节点有功功率、无功功率预期波动量对关口节点有功功率预期波动量的灵敏度行向量矩阵，
Figure BDA0002865743640000046
和
Figure BDA0002865743640000047
分别为典型场景s时刻t配电网各节点有功功率和无功功率预期波动量列向量矩阵，
Figure BDA0002865743640000048
为典型场景s时刻t各节点灵活型资源有功功率灵活性服务供给量列向量矩阵，
Figure BDA0002865743640000049
为典型场景s时刻t各节点弃风弃光、弃负荷的有功功率列向量矩阵，其中H为功率因数角的正切值对角矩阵：
Figure BDA00028657436400000410
式中，
Figure BDA00028657436400000411
为节点i的功率因数角。根据本发明提供的一种考虑灵活性服务费用的配电网灵活型资源配置方法，获取所述各灵活型资源的灵活性供给约束条件，包括：
基于公式(8)至公式(13)获取所述各灵活型资源的灵活性供给约束条件；
Figure BDA0002865743640000051
式中，Pi，G，t+1为t+1时刻节点i发电类设备的有功功率值，Pi，G，t为t时刻i节点发电类设备的有功功率值，γi，G，t为t时刻i节点发电类设备的有功功率灵活性服务供给功率，Pi，G，min及Pi，G，max分别为节点i发电类设备的有功功率下限值和有功功率上限值，
Figure BDA0002865743640000052
及
Figure BDA0002865743640000053
功功率灵活性供给量和下调有功功率灵活性供给量；
Figure BDA0002865743640000054
式中，
Figure BDA0002865743640000055
及
Figure BDA0002865743640000056
为i节点发电类设备的上调爬坡率和下调爬坡率，Δt为时间尺度；
Figure BDA0002865743640000057
式中，Pi，R，t及Pi，R，t+1分别为i节点区域综合能源系统t时刻和t+1时刻对外输出的有功功率，γi，R，t为t时刻i节点综合能源系统的有功功率灵活性服务供给功率，Pi，R，max及Pi，R，min为i节点区域综合能源系统最大功率和最小功率，
Figure BDA0002865743640000058
及
Figure BDA0002865743640000059
分别为t时刻i节点区域综合能源系统提供的下调有功功率灵活性供给量和上调有功功率灵活性供给量；
Figure BDA00028657436400000510
式中，
Figure BDA00028657436400000511
及
Figure BDA00028657436400000512
为i节点区域综合能源系统向下和向上调整率；
Figure BDA0002865743640000061
式中，
Figure BDA0002865743640000062
及
Figure BDA0002865743640000063
分别为t时刻i节点储能类设备的充电功率和放电功率，γi，E，t为t时刻i节点储能类设备的有功功率灵活性服务供给功率，
Figure BDA0002865743640000064
及
Figure BDA0002865743640000065
分别为i节点储能类设备的最大充电功率和最大放电功率，soci,E,t为t时刻i节点储能类设备的储能状态，soci,E,min及soci,E,max为i节点储能类设备的储能状态最小值和最大值，η为充放电系数，Δt为时间尺度，Si,E为i节点储能类设备的额定容量，
Figure BDA0002865743640000066
及
Figure BDA0002865743640000067
分别为t时刻i节点储能类设备提供的下调有功功率灵活性供给量和上调有功功率灵活性供给量；
Figure BDA0002865743640000068
式中，Pi,E,t为t时刻i节点储能类设备的有功功率值，
Figure BDA0002865743640000069
及
Figure BDA00028657436400000610
分别为i节点储能类设备的充电效率和放电效率。根据本发明提供的一种考虑灵活性服务费用的配电网灵活型资源配置方法，获取所述上级配电网传输功率约束条件，包括：
基于公式(14)至公式(15)获取所述上级配电网传输功率约束条件；
Figure BDA00028657436400000611
式中，PT，t及PT,t+1分别为时刻t和时刻t+1上级电网向配电网的传输功率，γT，t为时刻t上级电网向配电网提供的灵活性服务供给功率，γT，t为典型场景s时刻t配电网对上级电网灵活性服务的需求，PT,min及PT，max分别为上级电网向配电网输电的最小功率和最大功率，
Figure BDA0002865743640000071
及
Figure BDA0002865743640000072
分别为时刻t上级电网向下灵活性供给量和向上灵活性供给量；
Figure BDA0002865743640000073
式中，
Figure BDA0002865743640000074
分别为上级电网向下和向上最大功率调整率。
根据本发明提供的一种考虑灵活性服务费用的配电网灵活型资源配置方法，所述基于遗传算法优化求解所述灵活型资源优化配置模型，确定所述各灵活型资源在所述安装位置的安装容量，包括：
获取包括所述各灵活型资源在所述安装位置的安装容量的初始群体；
基于遗传算法对所述初始群体进行迭代训练，并以所述年运行费用和所述年投资费用最小为目标，优化所述各灵活型资源的安装容量；
直至达到预设迭代次数；或
连续迭代若干次数后的群体中每个个体适应度的变化值满足预设值时停止训练；
根据优化后的各灵活型资源的安装容量，确定所述安装容量。
本发明还提供一种配电网灵活型资源规划系统，包括：安装位置确定模块、灵活型资源优化配置模型建立模块、安装容量确定模块以及灵活型资源配置模块；
所述安装位置确定模块，用于根据配电网中各节点功率波动量对所述配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置；
所述灵活型资源优化配置模型建立模块，用于以年投资费用和考虑灵活性供给辅助服务的年运行费用最小为目标，结合所述各灵活型资源的灵活性供给约束条件和上级配电网传输功率约束条件，建立灵活型资源优化配置模型；
所述安装容量确定模块，用于基于遗传算法优化求解所述灵活型资源优化配置模型，确定所述各灵活型资源在所述安装位置的安装容量；
所述灵活型资源配置模块，用于根据所述安装位置及所述安装容量，对所述灵活型资源进行配置；
其中，所述灵活型资源包括：可控制的发电类设备、储能设备以及综合能源系统；
所述灵活型资源优化配置模型的目标函数由公式(1)计算获得：
min f＝Ccon+Crun (1)
式中，min f代表灵活型资源优化配置模型的目标函数，Ccon代表所述年投资费用，Crun代表所述年运行费用；
所述影响指标由公式(2)计算得到：
Figure BDA0002865743640000081
式中，
Figure BDA0002865743640000082
为所述影响指标，s为典型场景，U为场景数，ts为典型场景s的总天数，
Figure BDA0002865743640000083
为典型场景s时刻t关口功率波动程度指标；
Figure BDA0002865743640000084
为典型场景s时刻t节点j有功功率波动量对关口节点有功功率预期波动量的灵敏度因子。
本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一种考虑灵活性服务费用的配电网灵活型资源配置方法的步骤。
本发明还提供一种非暂态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上述任一种考虑灵活性服务费用的配电网灵活型资源配置方法的步骤。
本发明提供的考虑灵活性服务费用的配电网灵活型资源配置方法及系统，根据配电网中各节点功率波动量对配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置，基于遗传算法优化求解以年投资费用和考虑灵活性供给辅助服务的年运行费用最小为目标，结合各灵活型资源的灵活性供给约束，建立的灵活型资源优化配置模型，从而获取各灵活型资源在对应的安装位置的安装容量，通过获取的各灵活型资源的安装位置和安装容量，完成对配电网各灵活型资源的配置，由于在对各灵活型资源的安装容量进行优化时，考虑了灵活性供给辅助服务的年运行费用，减少了对上级电网灵活性供给的依赖，同时提高了配电网对短时间大幅的功率波动问题的适应性。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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是本发明提供的灵活型资源考虑灵活性服务费用的配电网灵活型资源配置方法的流程示意图之一；
图2是本发明提供的配电网中各节点功率波动量对配电网中关口功率预期波动量的影响指标分布示意图；
图3是本发明提供的灵活型资源考虑灵活性服务费用的配电网灵活型资源配置方法的流程示意图之二；
图4是本发明提供的灵活型资源考虑灵活性服务费用的配电网灵活型资源配置系统的结构示意图；
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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。
图1是本发明提供的灵活型资源考虑灵活性服务费用的配电网灵活型资源配置方法的流程示意图之一，如图1所示，方法包括：
S1、根据配电网中各节点功率波动量对配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置；
S2、以年投资费用和考虑灵活性供给辅助服务的年运行费用最小为目标，结合各灵活型资源的灵活性供给约束条件和上级配电网传输功率约束条件，建立灵活型资源优化配置模型；
S3、基于遗传算法优化求解灵活型资源优化配置模型，确定各灵活型资源在安装位置的安装容量；
S4、根据安装位置及安装容量，对灵活型资源进行配置；
其中，灵活型资源包括：可控制的发电类设备、储能设备以及综合能源系统；
灵活型资源优化配置模型的目标函数由公式(1)计算获得：
min f＝Ccon+Crun (1)
式中，min f代表灵活型资源优化配置模型的目标函数，Ccon代表年投资费用，Crun代表年运行费用；
影响指标由公式(2)计算得到：
Figure BDA0002865743640000101
式中，
Figure BDA0002865743640000102
为影响指标，s为典型场景，U为场景数，ts为典型场景s的总天数，
Figure BDA0002865743640000103
为典型场景s时刻t关口功率波动程度指标；
Figure BDA0002865743640000104
为典型场景s时刻t节点j有功功率波动量对关口节点有功功率预期波动量的灵敏度因子。
需要说明的是，上述方法的执行主体可以是电子设备、电子设备中的部件、集成电路、或芯片。该电子设备可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本发明不作具体限定。
具体地，配电网中各节点可再生能源与不确定性负荷引起各节点功率波动，从而导致配电网的关口节点功率波动增大，为了减少配电网对上级电网灵活性供给的依赖，需要在配电网中对关口节点功率波动影响程度较大的节点处安装灵活型资源。
通过定义配电网中各节点有功功率波动量对关口节点有功功率预期波动量的影响指标，并以各节点有功功率波动量对关口节点有功功率预期波动量的影响指标
Figure BDA0002865743640000111
来衡量对配电网中关口功率的影响程度。
然后，根据灵活型资源例如微型燃气机、储能设备以及综合能源系统在配电网中的具体安装位置，得到上述灵活型资源安装在配电网中各节点对应安装位置的安装容量，并基于遗传算法对初始群体进行训练，并以年运行费用和年投资费用最小为目标函数，调试最终得到最优的灵活型资源的安装容量。
具体地，获取包括各灵活型资源在各安装位置的安装容量的初始群体，基于优化工具箱，产生各灵活型资源的安装容量的可行解，并将产生的各灵活型资源到的安装容量的可行解作为初始群体，其中，初始群体中的个体为各灵活型资源在安装位置的安装容量。
基于遗传算法对初始群体进行迭代训练，并将年运行费用作为适应度函数，优化各灵活型资源的安装容量，直至满足预设条件时，停止训练，得到优化后的各灵活型资源的安装容量。其中，初始群体由各灵活型字眼在各安装位置的初始的安装容量组成；目标函数可以由上述公式(1)计算获得。
根据最终得到的灵活型资源的安装容量以及各灵活型资源的安装位置，对配电网各灵活型资源进行配置。
本发明提供的考虑灵活性服务费用的配电网灵活型资源配置方法，根据配电网中各节点功率波动量对配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置，基于遗传算法优化求解以年投资费用和考虑灵活性供给辅助服务的年运行费用最小为目标，结合各灵活型资源的灵活性供给约束，建立的灵活型资源优化配置模型，从而获取各灵活型资源在对应的安装位置的安装容量，通过获取的各灵活型资源的安装位置和安装容量，完成对配电网各灵活型资源的配置，由于在对各灵活型资源的安装容量进行优化时，考虑了灵活性供给辅助服务的年运行费用，减少了对上级电网灵活性供给的依赖，同时提高了配电网对短时间大幅的功率波动问题的适应性。
进一步地，在一个实施例中，步骤S1可以具体包括：
S11、将影响指标按照由大到小顺序进行排序；
S12、选取前第一预设数量个影响指标，并确定与前第一预设数量个影响指标对应的各节点在配电网中的位置；
S13、根据各节点在配电网中的位置，确定安装位置。
具体地，通过获取全规划年待规划配电网中各节点有功功率波动量对关口节点有功功率预期波动量的影响指标，并将全规划年待规划配电网中各节点有功功率波动量对关口节点有功功率预期波动量的影响指标按照由大到小顺序排序。
选择前第一预设数量个例如Z个影响指标，并找到Z个影响指标对应的各节点所在配电网的Z个位置，然后将Z个位置作为灵活型资源的安装位置；
其中，影响指标由公式(2)计算得到：
Figure BDA0002865743640000131
式中，
Figure BDA0002865743640000132
为影响指标，s为典型场景，U为场景数，ts为典型场景s的总天数，
Figure BDA0002865743640000133
为典型场景s时刻t关口功率波动程度指标；
Figure BDA0002865743640000134
为典型场景s时刻t节点j有功功率波动量对关口节点有功功率预期波动量的灵敏度因子。
具体地，将典型场景s各时刻关口功率波动程度指标与节点j有功功率波动量对关口节点有功功率预期波动量的影响因子相乘，然后在全规划年内对其进行累加，得到全规划年内节点j有功功率波动量对关口节点有功功率预期波动量的影响指标
Figure BDA0002865743640000135
如公式(2)所示。
根据待规划配电网的可再生能源和各节点负荷样本，确定待规划配电网中第二预设数量个典型场景；
将满足第一预设条件的可再生能源和各节点负荷样本作为各第二预设数量个典型场景的各典型场景日的输出，以确定各典型场景日的可再生能源输出功率和各节点功率；
根据可再生能源输出功率和各节点功率，确定待规划配电网中各节点功率波动量对待规划配电网中关口功率预期波动量的影响指标
Figure BDA0002865743640000136
具体地，输入配电网规划年的可再生能源和各节点负荷样本，利用分层聚类算法进行聚类分析，并采用离差平方和作为聚类数的判定依据得到第二预设数量个例如U个典型场景。
将满足第一预设条件的可再生能源和各节点负荷样本作为各个典型场景的各典型场景日的输出，如每个典型场景根据样本曲线的波动大小、密集程度等特征选取峰谷差最大的负荷样本作为典型场景日的输出，从而使得典型场景日的可再生能源输出功率与负荷变化最大程度地描述规划期内场景的波动程度。其中，样本曲线可以由配电网中可再生能源历史输出功率以及各节点负荷样本历史输出功率得到。
将得到的不同典型场景日内各时刻的可再生能源输出功率和各节点功率进行潮流计算，计算各典型场景日下时刻t节点j有功功率预期波动量对关口节点有功功率波动量的灵敏度因子
Figure BDA0002865743640000141
进而得到关口功率波动程度指标
Figure BDA0002865743640000142
进而根据公式(2)计算获取待规划配电网中各节点功率波动量对待规划配电网中关口功率预期波动量的影响指标
Figure BDA0002865743640000143
对可再生能源输出功率和各节点功率进行潮流计算，确定各典型场景日的所述节点j有功功率预期波动量对关口节点有功功率波动量的灵敏度因子
Figure BDA0002865743640000144
根据灵敏度因子
Figure BDA0002865743640000145
确定关口功率波动程度指标
Figure BDA0002865743640000146
根据关口功率波动程度指标
Figure BDA0002865743640000147
以及各节点功率波动量对关口功率预期波动量的影响因子，确定影响指标
Figure BDA0002865743640000148
具体地，得到的不同典型场景日内各时刻的可再生能源输出功率和各节点功率进行潮流计算，计算s场景t时刻节点j有功功率预期波动量对关口节点有功功率波动量的灵敏度因子
Figure BDA0002865743640000149
进而得到关口功率波动程度指标
Figure BDA00028657436400001410
其中，各节点有功功率预期波动量对关口节点有功功率波动量的灵敏度行向量矩阵
Figure BDA00028657436400001411
通过计算获得：
Figure BDA00028657436400001412
式中，H、N、J、L分别为当前状态下牛顿-拉夫逊法潮流计算最后一次迭代的雅克比系数矩阵的分块矩阵A,B，分块矩阵A,B中的元素Aj，Bj可以通过计算获得：
Figure BDA0002865743640000151
式中，Aj，Bj分别为式中分块矩阵A,B对应的第j个元素。V0为关口节点的电压幅值；Vj为节点j的电压幅值；Goj、Boj分别为节点j到关口节点支路的电导值和电纳值；θ0j为节点j与关口节点的电压相角值。
其中，关口功率波动程度指标
Figure BDA0002865743640000152
可以通过计算获得：
Figure BDA0002865743640000153
式中，
Figure BDA0002865743640000154
为典型场景s时刻t关口节点有功功率波动量，
Figure BDA0002865743640000155
和
Figure BDA0002865743640000156
分别为典型场景s时刻t节点有功功率和无功功率波动量列向量，
Figure BDA0002865743640000157
为典型场景s时刻t各节点有功功率、无功功率预期波动量对关口节点有功功率预期波动量的灵敏度行向量矩阵，其中
Figure BDA0002865743640000158
可以通过计算获得：
Figure BDA0002865743640000159
将各时刻关口功率波动程度指标
Figure BDA00028657436400001510
与节点j有功功率波动量对关口节点有功功率预期波动量的影响因子相乘，然后在全规划年内对其进行累加，得到全规划年内节点j有功功率预期波动量对关口节点有功功率波动量的影响指标，如公式(2)所示。
进而获得配电网中各节点功率波动量对配电网中关口功率预期波动量的影响指标分布示意图，如图2所示。
本发明提供的考虑灵活性服务费用的配电网灵活型资源配置方法，通过将各节点功率波动量对待规划配电网中关口功率预期波动量的影响指标按照从大到小顺序排序，并将前若干个影响指标对应的节点作为灵活型资源的安装位置，相比现有技术中通过随机安装灵活型资源，进行调试并最终确定灵活型资源的安装位置而言，由于能够快速确定灵活型资源的安装位置，进而提高规划配电网的效率。
进一步地，在一个实施例中，获取灵活型资源优化配置模型的目标函数，包括：
基于公式(3)获取年投资费用Ccon，以及基于公式(4)获取年运行费用Crun；
根据年投资费用Ccon和年运行费用Crun，并基于公式(1)获取目标函数；
Figure BDA0002865743640000161
式中，n为配电网的节点数，w为灵活型资源类型数，r为贴现率，eψ为第ψ类灵活型资源的使用寿命，Ci，ψ为第i节点第ψ类灵活型资源的单位容量投资成本，Si，ψ为第i个节点第ψ类灵活型资源的安装容量；
Crun＝CT+CG+CE+CR+CB (4)
式中，CT为向上级电网购电费用和向上级电网购买灵活性辅助服务的年费用，CG为发电类设备年运行费用，CE为储能设备年运行费用，CR为综合能源系统的年补偿费用，CB为弃风弃光、弃负荷年惩罚费用。
进一步地，在一个实施例中，获取向上级电网购电费用和向上级电网购买灵活性辅助服务的年费用CT，包括：
根据配电网的可再生能源和各节点负荷样本，确定配电网中第二预设数量个典型场景；
根据典型场景的场景数以及公式(5)至公式(7)，获取向上级电网购电费用和向上级电网购买灵活性辅助服务的年费用CT；
Figure BDA0002865743640000162
式中，U为场景数，ts为典型场景s的总天数，λT购电电价，
Figure BDA0002865743640000163
为典型场景s时刻t与上级电网交互功率，Δt为时间尺度，fT(·)为购买上级电网灵活性辅助服务费用函数，
Figure BDA0002865743640000164
表示典型场景s时刻t配电网对上级电网灵活性服务的需求，由公式(6)计算获得：
Figure BDA0002865743640000171
式中，
Figure BDA0002865743640000172
为典型场景s时刻t各节点有功功率、无功功率预期波动量对关口节点有功功率预期波动量的灵敏度行向量矩阵，
Figure BDA0002865743640000173
和
Figure BDA0002865743640000174
分别为典型场景s时刻t配电网各节点有功功率和无功功率预期波动量列向量矩阵，
Figure BDA0002865743640000175
为典型场景s时刻t各节点灵活型资源有功功率灵活性服务供给量列向量矩阵，
Figure BDA0002865743640000176
为典型场景s时刻t各节点弃风弃光、弃负荷的有功功率列向量矩阵，其中H为功率因数角的正切值对角矩阵：
Figure BDA0002865743640000177
式中，
Figure BDA0002865743640000178
为节点i的功率因数角。
本发明提供的考虑灵活性服务费用的配电网灵活型资源配置方法，由于在对各灵活型资源的安装容量进行优化时，考虑了向上级配电网购电费用和向上级配电网购买灵活性服务的年费用，削弱配电网对灵活性的需求，进而减少了对上级电网灵活性供给的依赖，提高配电网对短时间大幅的功率波动问题的适应性。
进一步地，在一个实施例中，获取各灵活型资源的灵活性供给约束条件，包括：
基于公式(8)至公式(13)获取各灵活型资源的灵活性供给约束条件；
Figure BDA0002865743640000179
式中，Pi，G，t+1为t+1时刻节点i发电类设备的有功功率值，Pi，G，t为t时刻i节点发电类设备的有功功率值，γi，G，t为t时刻i节点发电类设备的有功功率灵活性服务供给功率，Pi，G，min及Pi，G，max分别为节点i发电类设备的有功功率下限值和有功功率上限值，
Figure BDA0002865743640000181
及
Figure BDA0002865743640000182
功功率灵活性供给量和下调有功功率灵活性供给量；
Figure BDA0002865743640000183
式中，
Figure BDA0002865743640000184
及
Figure BDA0002865743640000185
为i节点发电类设备的上调爬坡率和下调爬坡率，Δt为时间尺度；
Figure BDA00028657436400001812
式中，Pi，R，t及Pi，R，t+1分别为i节点区域综合能源系统t时刻和t+1时刻对外输出的有功功率，γi，R，t为t时刻i节点综合能源系统的有功功率灵活性服务供给功率，Pi，R，max及Pi，R，min为i节点区域综合能源系统最大功率和最小功率，
Figure BDA0002865743640000186
及
Figure BDA0002865743640000187
分别为t时刻i节点区域综合能源系统提供的下调有功功率灵活性供给量和上调有功功率灵活性供给量；
Figure BDA0002865743640000188
式中，
Figure BDA0002865743640000189
及
Figure BDA00028657436400001810
为i节点区域综合能源系统向下和向上调整率；
Figure BDA00028657436400001811
式中，
Figure BDA0002865743640000191
及
Figure BDA0002865743640000192
分别为t时刻i节点储能类设备的充电功率和放电功率，γi，E，t为t时刻i节点储能类设备的有功功率灵活性服务供给功率，
Figure BDA0002865743640000193
及
Figure BDA0002865743640000194
分别为i节点储能类设备的最大充电功率和最大放电功率，soci,E,t为t时刻i节点储能类设备的储能状态，soci,E,min及soci,E,max为i节点储能类设备的储能状态最小值和最大值，η为充放电系数，Δt为时间尺度，Si,E为i节点储能类设备的额定容量，
Figure BDA0002865743640000195
及
Figure BDA0002865743640000196
分别为t时刻i节点储能类设备提供的下调有功功率灵活性供给量和上调有功功率灵活性供给量；
Figure BDA0002865743640000197
式中，Pi,E,t为t时刻i节点储能类设备的有功功率值，
Figure BDA0002865743640000198
及
Figure BDA0002865743640000199
分别为i节点储能类设备的充电效率和放电效率。
在上述实施例的基础上，进一步地，CG可以通过公式计算获得：
Figure BDA00028657436400001910
式中，λG为发电类设备单位功率的发电成本，
Figure BDA00028657436400001911
为典型场景s时刻t节点i发电类设备的有功功率，fG(·)为发电类设备灵活性辅助服务费用函数，
Figure BDA00028657436400001912
为典型场景s时刻t节点i发电类设备提供的灵活性供给量。
其中，CE可以通过公式计算获得：
Figure BDA00028657436400001913
式中，λE为储能类设备单位功率的运行成本，
Figure BDA00028657436400001914
为典型场景s时刻t节点i储能类设备的有功功率，fE(·)为储能类设备提供的灵活性辅助服务费用函数，
Figure BDA00028657436400001915
为典型场景s时刻t节点i储能类设备提供的灵活性供给量。
其中，CR可以通过公式计算获得：
Figure BDA0002865743640000201
式中，λR为综合能源系统单位功率的运行成本，
Figure BDA0002865743640000202
为典型场景s时刻t节点i的综合能源有功功率，fR(·)为综合能源系统提供的灵活性辅助服务费用函数，
Figure BDA0002865743640000203
为典型场景s时刻t节点i综合能源系统提供的灵活性供给量。
其中，CB可以通过公式计算获取：
Figure BDA0002865743640000204
式中，λB为单位功率的弃风弃光、弃负荷惩罚费用，
Figure BDA0002865743640000205
为典型场景s时刻t节点i弃风弃光、弃负荷功率。
进一步地，在一个实施例中，获取上级配电网传输功率约束条件，包括：
基于公式(14)至公式(15)获取上级配电网传输功率约束条件；
Figure BDA0002865743640000206
式中，PT，t及PT,t+1分别为时刻t和时刻t+1上级电网向配电网的传输功率，γT，t为时刻t上级电网向配电网提供的灵活性服务供给功率，γT，t为典型场景s时刻t配电网对上级电网灵活性服务的需求，PT,min及PT，max分别为上级电网向配电网输电的最小功率和最大功率，
Figure BDA0002865743640000207
及
Figure BDA0002865743640000208
分别为时刻t上级电网向下灵活性供给量和向上灵活性供给量；
Figure BDA0002865743640000209
式中，
Figure BDA00028657436400002010
分别为上级电网向下和向上最大功率调整率。
实际场景中，配电网与上级电网之间的灵活性供/需平衡，常常会受到有功功率平衡约束、线路传输容量约束及上级电网传输功率约束。其中，有功功率约束
Figure BDA00028657436400002011
可以通过公式计算获得：
Figure BDA00028657436400002012
式中，α为配电网系统的网损率，
Figure BDA0002865743640000211
为典型场景s时刻t节点i的负荷值，
Figure BDA0002865743640000212
为典型场景s时刻t节点i第ψ类灵活型资源的有功功率值，
Figure BDA0002865743640000213
为典型场景s时刻t与上级电网的交互功率。
线路传输容量约束可以通过下式计算获得：
Figure BDA0002865743640000214
式中，
Figure BDA0002865743640000215
为线路传输容量，fl，lim为线路l的功率传输容量，gl，i为节点i到线路l的功率转移分布因子，
Figure BDA0002865743640000216
为典型场景s时刻t节点i的负荷值；
Figure BDA0002865743640000217
典型场景s时刻t节点i第ψ类灵活型资源的有功功率值。
上级电网传输功率约束条件，可以由公式(14)计算获得；
其中，上级电网传输功率约束的公式(14)中的
Figure BDA0002865743640000218
及
Figure BDA0002865743640000219
分别为时刻t上级电网向下灵活性供给量和向上灵活性供给量可以通过公式计算获得：
Figure BDA00028657436400002110
式中，
Figure BDA00028657436400002111
及
Figure BDA00028657436400002112
分别为上级电网向下和向上最大功率调整率，Δt为时间尺度。
在实际进行配电网规划时还需要综合考虑各类型灵活型资源灵活性供给约束条件，其中第一约束条件包括：可控制的发电类设备约束如微型燃气轮机约束和柴油机约束、区域综合能源系统约束及储能约束。其中，微型燃气轮机约束可以由公式(8)计算获得；区域综合能源系统约束可以由公式(10)计算获得；储能约束可以由公式(12)计算获得；
根据优化后的各灵活型资源的安装容量，获得各灵活型资源的安装容量，并根据各灵活型资源的安装容量以及各灵活型资源的安装位置，对配电网灵活型资源进行配置。
本发明提供的考虑灵活性服务费用的配电网灵活型资源配置方法，在对灵活型资源的安装容量进行求解时，基于有功功率平衡约束、线路传输容量约束以及各灵活型资源约束如微型燃气轮机约束、储能约束和区域综合能源系统约束，确定各灵活型资源的安装容量，充分考虑了配电网与上级电网间的灵活性供/需平衡，能够减少了配电网对上级电网灵活性供给的依赖。
进一步地，在一个实施例中，步骤S3可以具体包括：
S31、获取包括各灵活型资源在安装位置的安装容量的初始群体；
S32、基于遗传算法对初始群体进行迭代训练，并以年运行费用和年投资费用最小为目标，优化各灵活型资源的安装容量；
S33、直至达到预设迭代次数；或
连续迭代若干次数后的群体中每个个体适应度的变化值满足预设值时停止训练；
S34、根据优化后的各灵活型资源的安装容量，确定安装容量。
具体地，步骤1、在基于遗传算法对初始群体进行迭代训练时，首先设定初始迭代次数g＝1，可以采用随机编码产生N个个体一共V组构成初始群体；
步骤2、利用优化工具箱产生各灵活型资源在安装位置的安装容量的可行解集合；从可行解集合中随机选择一个元素作为初始安装容量，将通过上述公式(3)计算获得在初始安装容量下的年运行费用，并将获得初始安装容量下的年运行费用作为适应度函数。
步骤3、根据适应度函数计算出群体中每个个体适应度，按照个体适应度进行排序，保留最优的Y个个体直接添加到新一代群体中，将剩余N-Y个个体通过选择、交叉以及变异操作，产生新一代个体，通上述最优的Y个个体一并添加到新一代群体中，然后将迭代次数置g＝g+1。
步骤4、重复步骤2-3，并判断是否满足预设条件：达到预设迭代次数M，即(g＞M)；或连续迭代若干次数后的群体中每个个体适应度的变化值满足预设值σ，其中，σ接近于0。
本发明提供的灵活型资源考虑灵活性服务费用的配电网灵活型资源配置方法，基于遗传算法对各灵活型资源的安装容量进行优化，搜索从群体出发，可以多个个体同时比较，具有并行性，能够快速收敛到最优安装容量。
在上述实施例的基础上，可以采用图3所示的灵活型资源考虑灵活性服务费用的配电网灵活型资源配置方法，可以通过步骤A1-A10完成对规划年配电网的规划，具体地：
A1、输入规划年的可再生能源输出功率和负荷样本，利用分层聚类算法进行聚类分析得到U个典型场景；
A2、每个典型场景根据样本曲线的波动大小、密集程度等特征选取峰谷差最大的样本作为典型场景日的输出；
A3、依据不同典型场景日的可再生能源输出功率和各节点负荷值进行潮流计算，计算各典型场景日下t时刻关口功率波动程度指标和灵敏度矩阵；
A4、计算出各节点有功功率波动量对关口节点有功功率预期波动量的影响指标；
A5、对各节点的影响指标大小进行排序，确定灵活型资源安装节点；
A6、置迭代次数g＝1，编码并按初始群体产生方法产生N个个体V组成初始群体，即各类型灵活型资源在安装节点的安装容量；
A7、将年运行费用作为适应度函数；
A8、判断：g>最大迭代次数M或连续迭代若干次数后的群体中每个个体适应度的变化值满足预设值不成立；
A9、若步骤A8判断后输出为否，则基于遗传算法按照上述步骤2-3对初始群体进行迭代训练；
A10，若判断：g>最大迭代次数M或连续迭代若干次数后的群体中每个个体适应度的变化值满足预设值成立，输出微型燃气机、储能设备、综合能源系统的安装容量及安装位置。
根据输出的微型燃气机、储能设备、综合能源系统的安装容量及安装位置对规划年配电网灵活型资源进行配置。
本发明提供的考虑灵活性服务费用的配电网灵活型资源配置方法，根据待规划配电网中各节点功率波动量对待规划配电网中关口功率预期波动量的影响指标，通过在配电网中对关口节点功率波动影响较大的节点处安装灵活型资源，完成对配电网的规划，减少了配电网对上级电网灵活性供给的依赖，同时提高了配电网对短时间大幅的功率波动问题的适应性。
图4是本发明提供的配电网灵活型资源规划系统的结构示意图，如图4所示，系统包括：安装位置确定模块410、灵活型资源优化配置模型建立模块420、安装容量确定模块430以及灵活型资源配置模块440；
安装位置确定模块410，用于根据配电网中各节点功率波动量对配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置；
灵活型资源优化配置模型建立模块420，用于以年投资费用和考虑灵活性供给辅助服务的年运行费用最小为目标，结合各灵活型资源的灵活性供给约束条件和上级配电网传输功率约束条件，建立灵活型资源优化配置模型；
安装容量确定模块430，用于基于遗传算法优化求解灵活型资源优化配置模型，确定各灵活型资源在安装位置的安装容量；
灵活型资源配置模块440，用于根据安装位置及安装容量，对灵活型资源进行配置；
其中，各灵活型资源的灵活性供给约束包括第一约束条件和第二约束条件；
灵活型资源包括：可控制的发电类设备、储能设备以及综合能源系统；
灵活型资源优化配置模型的目标函数由公式(1)计算获得：
min f＝Ccon+Crun (1)
式中，min f代表灵活型资源优化配置模型的目标函数，Ccon代表所述年投资费用，Crun代表所述年运行费用；
影响指标由公式(2)计算得到：
Figure BDA0002865743640000251
式中，
Figure BDA0002865743640000252
为影响指标，s为典型场景，U为场景数，ts为典型场景s的总天数，
Figure BDA0002865743640000253
为典型场景s时刻t关口功率波动程度指标；
Figure BDA0002865743640000254
为典型场景s时刻t节点j有功功率波动量对关口节点有功功率预期波动量的灵敏度因子。
本发明提供的考虑灵活性服务费用的配电网灵活型资源配置系统，根据配电网中各节点功率波动量对配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置，基于遗传算法优化求解以年投资费用和考虑灵活性供给辅助服务的年运行费用最小为目标，结合各灵活型资源的灵活性供给约束，建立的灵活型资源优化配置模型，从而获取各灵活型资源在对应的安装位置的安装容量，通过获取的各灵活型资源的安装位置和安装容量，完成对配电网各灵活型资源的配置，由于在对各灵活型资源的安装容量进行优化时，考虑了灵活性供给辅助服务的年运行费用，减少了对上级电网灵活性供给的依赖，同时提高了配电网对短时间大幅的功率波动问题的适应性。
图5是本发明提供的一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(communication interface)511、存储器(memory)512和总线(bus)513，其中，处理器510，通信接口511，存储器512通过总线513完成相互间的通信。处理器510可以调用存储器512中的逻辑指令，以执行考虑灵活性服务费用的配电网灵活型资源配置方法，方法包括：
根据配电网中各节点功率波动量对配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置；
以年投资费用和考虑灵活性供给辅助服务的年运行费用最小为目标，结合各灵活型资源的灵活性供给约束条件和上级配电网传输功率约束条件，建立灵活型资源优化配置模型；
基于遗传算法优化求解灵活型资源优化配置模型，确定各灵活型资源在安装位置的安装容量；
根据安装位置及安装容量，对灵活型资源进行配置；
其中，各灵活型资源的灵活性供给约束包括第一约束条件和第二约束条件；
灵活型资源包括：可控制的发电类设备、储能设备以及综合能源系统；
灵活型资源优化配置模型的目标函数由公式(1)计算获得：
min f＝Ccon+Crun (1)
式中，min f代表灵活型资源优化配置模型的目标函数，Ccon代表年投资费用，Crun代表年运行费用；
影响指标由公式(2)计算得到：
Figure BDA0002865743640000261
式中，
Figure BDA0002865743640000262
为影响指标，s为典型场景，U为场景数，ts为典型场景s的总天数，
Figure BDA0002865743640000263
为典型场景s时刻t关口功率波动程度指标；
Figure BDA0002865743640000264
为典型场景s时刻t节点j有功功率波动量对关口节点有功功率预期波动量的灵敏度因子。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地，本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的考虑灵活性服务费用的配电网灵活型资源配置方法，方法包括：
根据配电网中各节点功率波动量对配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置；
以年投资费用和考虑灵活性供给辅助服务的年运行费用最小为目标，结合各灵活型资源的灵活性供给约束条件和上级配电网传输功率约束条件，建立灵活型资源优化配置模型；
基于遗传算法优化求解灵活型资源优化配置模型，确定各灵活型资源在安装位置的安装容量；
根据安装位置及安装容量，对灵活型资源进行配置；
其中，各灵活型资源的灵活性供给约束包括第一约束条件和第二约束条件；
灵活型资源包括：可控制的发电类设备、储能设备以及综合能源系统；
灵活型资源优化配置模型的目标函数由公式(1)计算获得：
min f＝Ccon+Crun (1)
式中，min f代表灵活型资源优化配置模型的目标函数，Ccon代表年投资费用，Crun代表年运行费用；
影响指标由公式(2)计算得到：
Figure BDA0002865743640000281
式中，
Figure BDA0002865743640000282
为影响指标，s为典型场景，U为场景数，ts为典型场景s的总天数，
Figure BDA0002865743640000283
为典型场景s时刻t关口功率波动程度指标；
Figure BDA0002865743640000284
为典型场景s时刻t节点j有功功率波动量对关口节点有功功率预期波动量的灵敏度因子。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的考虑灵活性服务费用的配电网灵活型资源配置方法，例如包括：
根据配电网中各节点功率波动量对配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置；
以年投资费用和考虑灵活性供给辅助服务的年运行费用最小为目标，结合各灵活型资源的灵活性供给约束条件和上级配电网传输功率约束条件，建立灵活型资源优化配置模型；
基于遗传算法优化求解灵活型资源优化配置模型，确定各灵活型资源在安装位置的安装容量；
根据安装位置及安装容量，对灵活型资源进行配置；
其中，各灵活型资源的灵活性供给约束包括第一约束条件和第二约束条件；
灵活型资源包括：可控制的发电类设备、储能设备以及综合能源系统；
灵活型资源优化配置模型的目标函数由公式(1)计算获得：
min f＝Ccon+Crun (1)
式中，min f代表灵活型资源优化配置模型的目标函数，Ccon代表年投资费用，Crun代表年运行费用；
影响指标由公式(2)计算得到：
Figure BDA0002865743640000291
式中，
Figure BDA0002865743640000292
为影响指标，s为典型场景，U为场景数，ts为典型场景s的总天数，
Figure BDA0002865743640000293
为典型场景s时刻t关口功率波动程度指标；
Figure BDA0002865743640000294
为典型场景s时刻t节点j有功功率波动量对关口节点有功功率预期波动量的灵敏度因子。
以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
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 (10)

1.一种考虑灵活性服务费用的配电网灵活型资源配置方法，其特征在于，包括：
根据配电网中各节点功率波动量对所述配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置；
以年投资费用和考虑灵活性供给辅助服务的年运行费用最小为目标，结合所述各灵活型资源的灵活性供给约束条件和上级配电网传输功率约束条件，建立灵活型资源优化配置模型；
基于遗传算法优化求解所述灵活型资源优化配置模型，确定所述各灵活型资源在所述安装位置的安装容量；
根据所述安装位置及所述安装容量，对所述灵活型资源进行配置；
其中，所述灵活型资源包括：可控制的发电类设备、储能设备以及综合能源系统；
所述灵活型资源优化配置模型的目标函数由公式(1)计算获得：
minf＝Ccon+Crun (1)
式中，minf代表灵活型资源优化配置模型的目标函数，Ccon代表所述年投资费用，Crun代表所述年运行费用；
所述影响指标由公式(2)计算得到：
Figure FDA0002865743630000011
式中，
Figure FDA0002865743630000012
为所述影响指标，s为典型场景，U为场景数，ts为典型场景s的总天数，Ft s,p为典型场景s时刻t关口功率波动程度指标；
Figure FDA0002865743630000013
为典型场景s时刻t节点j有功功率波动量对关口节点有功功率预期波动量的灵敏度因子。
2.根据权利要求1所述的考虑灵活性服务费用的配电网灵活型资源配置方法，其特征在于，所述根据配电网中各节点功率波动量对所述配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置，包括：
将所述影响指标按照由大到小顺序进行排序；
选取前第一预设数量个影响指标，并确定与所述前第一预设数量个影响指标对应的各节点在所述配电网中的位置；
根据所述各节点在所述配电网中的位置，确定所述安装位置。
3.根据权利要求1所述的考虑灵活性服务费用的配电网灵活型资源配置方法，其特征在于，获取所述灵活型资源优化配置模型的目标函数，包括：
基于公式(3)获取所述年投资费用Ccon，以及基于公式(4)获取所述年运行费用Crun；
根据所述年投资费用Ccon和所述年运行费用Crun，并基于所述公式(1)获取所述目标函数；
Figure FDA0002865743630000021
式中，n为配电网的节点数，w为灵活型资源类型数，r为贴现率，eψ为第ψ类灵活型资源的使用寿命，Ci，ψ为第i节点第ψ类灵活型资源的单位容量投资成本，Si，ψ为第i个节点第ψ类灵活型资源的安装容量；
Crun＝CT+CG+CE+CR+CB (4)
式中，CT为向上级电网购电费用和向上级电网购买灵活性辅助服务的年费用，CG为发电类设备年运行费用，CE为储能设备年运行费用，CR为综合能源系统的年补偿费用，CB为弃风弃光、弃负荷年惩罚费用。
4.根据权利要求3所述的考虑灵活性服务费用的配电网灵活型资源配置方法，其特征在于，获取所述向上级电网购电费用和向上级电网购买灵活性辅助服务的年费用CT，包括：
根据所述配电网的可再生能源和各节点负荷样本，确定所述配电网中第二预设数量个典型场景；
根据所述典型场景的场景数以及公式(5)至公式(7)，获取向上级电网购电费用和向上级电网购买灵活性辅助服务的年费用CT；
Figure FDA0002865743630000031
式中，U为所述场景数，ts为典型场景s的总天数，λT购电电价，
Figure FDA0002865743630000032
为典型场景s时刻t与上级电网交互功率，Δt为时间尺度，fT(·)为购买上级电网灵活性辅助服务费用函数，
Figure FDA0002865743630000033
表示典型场景s时刻t配电网对上级电网灵活性服务的需求，由公式(6)计算获得：
Figure FDA0002865743630000034
式中，
Figure FDA0002865743630000035
为典型场景s时刻t各节点有功功率、无功功率预期波动量对关口节点有功功率预期波动量的灵敏度行向量矩阵，ΔPt s和
Figure FDA0002865743630000036
分别为典型场景s时刻t配电网各节点有功功率和无功功率预期波动量列向量矩阵，
Figure FDA0002865743630000037
为典型场景s时刻t各节点灵活型资源有功功率灵活性服务供给量列向量矩阵，
Figure FDA0002865743630000038
为典型场景s时刻t各节点弃风弃光、弃负荷的有功功率列向量矩阵，其中H为功率因数角的正切值对角矩阵：
Figure FDA0002865743630000039
式中，
Figure FDA00028657436300000310
为节点i的功率因数角。
5.根据权利要求1所述的考虑灵活性服务费用的配电网灵活型资源配置方法，其特征在于，获取所述各灵活型资源的灵活性供给约束条件，包括：
基于公式(8)至公式(13)获取所述各灵活型资源的灵活性供给约束条件；
Figure FDA00028657436300000311
式中，Pi，G，t+1为t+1时刻节点i发电类设备的有功功率值，Pi，G，t为t时刻i节点发电类设备的有功功率值，γi，G，t为t时刻i节点发电类设备的有功功率灵活性服务供给功率，Pi，G，min及Pi，G，max分别为节点i发电类设备的有功功率下限值和有功功率上限值，
Figure FDA0002865743630000041
及
Figure FDA0002865743630000042
功功率灵活性供给量和下调有功功率灵活性供给量；
Figure FDA0002865743630000043
式中，
Figure FDA0002865743630000044
及
Figure FDA0002865743630000045
为i节点发电类设备的上调爬坡率和下调爬坡率，Δt为时间尺度；
Figure FDA0002865743630000046
式中，Pi，R，t及Pi，R，t+1分别为i节点区域综合能源系统t时刻和t+1时刻对外输出的有功功率，γi，R，t为t时刻i节点综合能源系统的有功功率灵活性服务供给功率，Pi，R，max及Pi，R，min为i节点区域综合能源系统最大功率和最小功率，
Figure FDA0002865743630000047
及
Figure FDA0002865743630000048
分别为t时刻i节点区域综合能源系统提供的下调有功功率灵活性供给量和上调有功功率灵活性供给量；
Figure FDA0002865743630000049
式中，
Figure FDA00028657436300000410
及
Figure FDA00028657436300000411
为i节点区域综合能源系统向下和向上调整率；
Figure FDA0002865743630000051
式中，
Figure FDA0002865743630000052
及
Figure FDA0002865743630000053
分别为t时刻i节点储能类设备的充电功率和放电功率，γi，E，t为t时刻i节点储能类设备的有功功率灵活性服务供给功率，
Figure FDA0002865743630000054
及
Figure FDA0002865743630000055
分别为i节点储能类设备的最大充电功率和最大放电功率，soci,E,t为t时刻i节点储能类设备的储能状态，soci,E,min及soci,E,max为i节点储能类设备的储能状态最小值和最大值，η为充放电系数，Δt为时间尺度，Si,E为i节点储能类设备的额定容量，
Figure FDA0002865743630000056
及
Figure FDA0002865743630000057
分别为t时刻i节点储能类设备提供的下调有功功率灵活性供给量和上调有功功率灵活性供给量；
Figure FDA0002865743630000058
式中，Pi,E,t为t时刻i节点储能类设备的有功功率值，
Figure FDA0002865743630000059
及
Figure FDA00028657436300000510
分别为i节点储能类设备的充电效率和放电效率。
6.根据权利要求1所述的考虑灵活性服务费用的配电网灵活型资源配置方法，其特征在于，获取所述上级配电网传输功率约束条件，包括：
基于公式(14)至公式(15)获取所述上级配电网传输功率约束条件；
Figure FDA0002865743630000061
式中，PT，t及PT,t+1分别为时刻t和时刻t+1上级电网向配电网的传输功率，γT，t为时刻t上级电网向配电网提供的灵活性服务供给功率，γT，t为典型场景s时刻t配电网对上级电网灵活性服务的需求，PT,min及PT，max分别为上级电网向配电网输电的最小功率和最大功率，
Figure FDA0002865743630000062
及
Figure FDA0002865743630000063
分别为时刻t上级电网向下灵活性供给量和向上灵活性供给量；
Figure FDA0002865743630000064
式中，
Figure FDA0002865743630000065
分别为上级电网向下和向上最大功率调整率。
7.根据权利要求1-6任一项所述的考虑灵活性服务费用的配电网灵活型资源配置方法，其特征在于，所述基于遗传算法优化求解所述灵活型资源优化配置模型，确定所述各灵活型资源在所述安装位置的安装容量，包括：
获取包括所述各灵活型资源在所述安装位置的安装容量的初始群体；
基于遗传算法对所述初始群体进行迭代训练，并以所述年运行费用和所述年投资费用最小为目标，优化所述各灵活型资源的安装容量；
直至达到预设迭代次数；或
连续迭代若干次数后的群体中每个个体适应度的变化值满足预设值时停止训练；
根据优化后的各灵活型资源的安装容量，确定所述安装容量。
8.一种考虑灵活性服务费用的配电网灵活型资源配置系统，其特征在于，包括：安装位置确定模块、灵活型资源优化配置模型建立模块、安装容量确定模块以及灵活型资源配置模块；
所述安装位置确定模块，用于根据配电网中各节点功率波动量对所述配电网中关口功率预期波动量的影响指标，确定各灵活型资源的安装位置；
所述灵活型资源优化配置模型建立模块，用于以年投资费用和考虑灵活性供给辅助服务的年运行费用最小为目标，结合所述各灵活型资源的灵活性供给约束条件和上级配电网传输功率约束条件，建立灵活型资源优化配置模型；
所述安装容量确定模块，用于基于遗传算法优化求解所述灵活型资源优化配置模型，确定所述各灵活型资源在所述安装位置的安装容量；
所述灵活型资源配置模块，用于根据所述安装位置及所述安装容量，对所述灵活型资源进行配置；
其中，所述灵活型资源包括：可控制的发电类设备、储能设备以及综合能源系统；
所述灵活型资源优化配置模型的目标函数由公式(1)计算获得：
minf＝Ccon+Crun (1)
式中，minf代表灵活型资源优化配置模型的目标函数，Ccon代表所述年投资费用，Crun代表所述年运行费用；
所述影响指标由公式(2)计算得到：
Figure FDA0002865743630000071
式中，
Figure FDA0002865743630000072
为所述影响指标，s为典型场景，U为场景数，ts为典型场景s的总天数，Ft s,p为典型场景s时刻t关口功率波动程度指标；
Figure FDA0002865743630000073
为典型场景s时刻t节点j有功功率波动量对关口节点有功功率预期波动量的灵敏度因子。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述灵活型资源考虑灵活性服务费用的配电网灵活型资源配置方法的步骤。
10.一种非暂态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如权利要求1至7任一项所述灵活型资源考虑灵活性服务费用的配电网灵活型资源配置方法的步骤。
CN202011583730.0A 2020-12-28 2020-12-28 考虑灵活性服务费用的配电网灵活型资源配置方法及系统 Active CN112651177B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011583730.0A CN112651177B (zh) 2020-12-28 2020-12-28 考虑灵活性服务费用的配电网灵活型资源配置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011583730.0A CN112651177B (zh) 2020-12-28 2020-12-28 考虑灵活性服务费用的配电网灵活型资源配置方法及系统

Publications (2)

Publication Number Publication Date
CN112651177A true CN112651177A (zh) 2021-04-13
CN112651177B CN112651177B (zh) 2024-03-22

Family

ID=75363707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011583730.0A Active CN112651177B (zh) 2020-12-28 2020-12-28 考虑灵活性服务费用的配电网灵活型资源配置方法及系统

Country Status (1)

Country Link
CN (1) CN112651177B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113595136A (zh) * 2021-07-13 2021-11-02 国网山东省电力公司经济技术研究院 能源互联网综合服务站资源优化配置方法和系统
CN114398777A (zh) * 2022-01-07 2022-04-26 国家电网公司华中分部 一种基于巴什博弈理论的电力系统灵活性资源配置方法
CN117439090A (zh) * 2023-12-19 2024-01-23 浙江大学 以灵活调节系数为指标的灵活性资源配置或调度方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109559035A (zh) * 2018-11-29 2019-04-02 国网(苏州)城市能源研究院有限责任公司 一种考虑灵活性的城市配电网双层规划方法
CN110429649A (zh) * 2019-08-13 2019-11-08 合肥工业大学 考虑灵活性的高渗透率可再生能源集群划分方法
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation
CN112016747A (zh) * 2020-08-26 2020-12-01 国网四川省电力公司经济技术研究院 一种适用于源荷储灵活资源统筹规划与运行的优化方法
CN112072640A (zh) * 2020-08-13 2020-12-11 清华大学 一种虚拟电厂聚合资源的容量优化方法
CN112103941A (zh) * 2020-08-11 2020-12-18 云南电网有限责任公司 考虑电网灵活性的储能配置双层优化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109559035A (zh) * 2018-11-29 2019-04-02 国网(苏州)城市能源研究院有限责任公司 一种考虑灵活性的城市配电网双层规划方法
CN110429649A (zh) * 2019-08-13 2019-11-08 合肥工业大学 考虑灵活性的高渗透率可再生能源集群划分方法
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation
CN112103941A (zh) * 2020-08-11 2020-12-18 云南电网有限责任公司 考虑电网灵活性的储能配置双层优化方法
CN112072640A (zh) * 2020-08-13 2020-12-11 清华大学 一种虚拟电厂聚合资源的容量优化方法
CN112016747A (zh) * 2020-08-26 2020-12-01 国网四川省电力公司经济技术研究院 一种适用于源荷储灵活资源统筹规划与运行的优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙庆凯;王江波;熊雄;井天军;陈义;: "基于改进社团结构划分理论的主动配电网资源优化配置", 电器与能效管理技术, no. 17, 15 September 2018 (2018-09-15) *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113595136A (zh) * 2021-07-13 2021-11-02 国网山东省电力公司经济技术研究院 能源互联网综合服务站资源优化配置方法和系统
CN114398777A (zh) * 2022-01-07 2022-04-26 国家电网公司华中分部 一种基于巴什博弈理论的电力系统灵活性资源配置方法
CN114398777B (zh) * 2022-01-07 2024-07-12 国家电网公司华中分部 一种基于巴什博弈理论的电力系统灵活性资源配置方法
CN117439090A (zh) * 2023-12-19 2024-01-23 浙江大学 以灵活调节系数为指标的灵活性资源配置或调度方法
CN117439090B (zh) * 2023-12-19 2024-04-02 浙江大学 以灵活调节系数为指标的灵活性资源配置或调度方法

Also Published As

Publication number Publication date
CN112651177B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
CN112651177A (zh) 考虑灵活性服务费用的配电网灵活型资源配置方法及系统
CN107301470B (zh) 一种配电网扩展规划与光储选址定容的双层优化方法
CN104376410B (zh) 一种配电网中分布式电源的规划方法
Ghadimi et al. PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives
Li et al. Bi-level optimal planning model for energy storage systems in a virtual power plant
CN107392395A (zh) 一种基于价格激励机制的配电网和微电网协调优化方法
CN111244985B (zh) 基于节点综合灵敏度系数的分布式储能序次优化配置方法
US20160301216A1 (en) Method of determining an islanding solution for an electrical power system
Kargarian et al. Stochastic reactive power market with volatility of wind power considering voltage security
CN103715688B (zh) 并网型微网优化配置方法及装置
CN110867852B (zh) 计及全寿命周期成本的微电网储能优化配置方法及装置
CN110350518A (zh) 一种用于调峰的电网储能容量需求评估方法及系统
Feng et al. Scenario reduction for stochastic unit commitment with wind penetration
CN111509700A (zh) 一种基于电价预测的电网运行管理方法及装置
CN114977217A (zh) 一种电-氢混合储能系统配置方法及装置
Wen et al. Optimal distributed energy storage investment scheme for distribution network accommodating high renewable penetration
Du et al. Applying deep convolutional neural network for fast security assessment with N-1 contingency
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
CN111539086B (zh) 一种储能电站多点布局方法及系统
CN117522014A (zh) 一种考虑多重不确定性的储配网联合规划方法
CN112183903B (zh) 一种水火电系统多时间尺度联合优化调度方法及系统
CN107147139A (zh) 一种计及线路传输损耗的电力系统负荷调度方法
CN110690720B (zh) 基于概率离散化的配电网分布式储能优化配置方法
Nick et al. A robust optimization framework for the day-ahead scheduling of active distribution networks including energy storage systems
CN118432199B (zh) 基于电能量和电力调节的虚拟电厂交易机制确定方法

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