CN112699562A - 一种构建配电网架构的方法及终端 - Google Patents
一种构建配电网架构的方法及终端 Download PDFInfo
- Publication number
- CN112699562A CN112699562A CN202110002758.9A CN202110002758A CN112699562A CN 112699562 A CN112699562 A CN 112699562A CN 202110002758 A CN202110002758 A CN 202110002758A CN 112699562 A CN112699562 A CN 112699562A
- Authority
- CN
- China
- Prior art keywords
- power generation
- load
- power
- total
- power supply
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000010248 power generation Methods 0.000 claims abstract description 243
- 238000013439 planning Methods 0.000 claims abstract description 59
- 238000012163 sequencing technique Methods 0.000 claims abstract description 7
- 238000004146 energy storage Methods 0.000 claims description 27
- 230000009467 reduction Effects 0.000 claims description 24
- 238000005265 energy consumption Methods 0.000 claims description 18
- 238000011161 development Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000007774 longterm Effects 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 40
- 238000005457 optimization Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000035699 permeability Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
-
- 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—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
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种构建配电网架构的方法及终端，获取预设区域内的预测负荷值及各个发电方式的发电总量；将各个发电总量按照发电方式的成本由低到高排序得到第一队列；将预测负荷值根据第一队列的顺序逐个减去每一个发电方式的发电总量，直至减去第N个发电方式的发电总量时所得到的差小于或等于0，则将第一队列位于前N个且属于分布式电源的发电方式的发电总量作为第一发电和；根据第一发电和及电力系统技术导则确定配电网架构；本发明确定分布式电源消纳能力之后，根据所确定的分布式电源消纳能力和相关行业规范实现“网”规划，解决了传统配电网规划方法无法最大限度消纳、最大程度利用分布式电源优势及实现全局最优的问题。
Description
技术领域
本发明涉及电网领域，尤其涉及一种构建配电网架构的方法及终端。
背景技术
随着新能源的使用和推广越来越受到重视，在可预见的未来将会有大量分布式电源接入配电网；然而分布式电源接入电网之后将原来的无源电网变成了有源电网，使得电网的功率传输、电压分布、电能质量和短路电流发生变化，从而对电网的保护、控制、运行和规划产生重要影响，电网必须适应这一重大改变。目前，多类型分布式电源大量接入、客户与配电网的双向互动、电力电子装置的广泛应用等情况使传统配电网的确定性规划和运行理论难以满足现代配电网的发展要求。
目前传统配电网规划的主要任务是确定在规划期内何时、何地投建何种类型的输电线路及其回路数，以满足规划周期内的区域电力负荷需求，在确保达到线路载流能力、节点电压水平、供电可靠性等各类基本技术指标的前提下，追求系统投资成本的最小化。为适应节能减排政策对电力系统发展提出的新要求，近些年环境因素正被越来越多地考虑进配电网规划工作中，“成本最小化”(least cost)已不再是决定规划方案优劣的唯一准则。与此对应的数学规划模型无论在目标函数或是约束条件上均得到一定程度地拓展。然而，传统配电网属于标准的无源网络，其相关研究所采用的规划方法针对负荷预测结果采用必要的容量裕度即可应对所有可能的系统运行场景，并方便地找到各类准则下的最优解，因此相对简单，比较依赖灵活的网络结构和足够的容量裕度来应对负荷的不确定性，以保证系统的安全可靠性，且运行控制方法也相对简单。详细来说，传统配电网规划方法是针对某个负荷预测结果采用最大容量裕度(存在最严重工况为小概率时间的情况)，从而在规划阶段找到处理所有运行问题的最优解，传统规划方法相对简单。同时传统配电网规划处理分布式电源的基本原则是“即插即忘”，传统的运行模式和控制策略相对简单，出现电压越限情况分布式电源即离网运行，这样大大了降低分布式电源的渗透率。请参照图9，面向大规模分布式电源接入传统配电网规划体现出的特点为：(1)被动消纳：传统电网规划多以主网供电为主，体现“源-网”单向规划的形式，分布式电源大规模接入后，对传统电网电能质量、保护配置、控制方式带来一定影响，传统电网未做过多的调整，仅将分布式电源作为小的扰动，即插即忘，无法主动消纳大规模的分布式电源接入容量。因此，对分布式电源容量表现为被动消纳。(2)被动吸收：受分布式电源上网的相关政策影响，分布式电源多为自发自用，电网接入点配置逆功率保护。分布式电源接入电网被动消纳的这部分容量，其出力也并非完全主动吸收，弃风弃光现象较为普遍。因此，对分布式式电源出力表现为被动吸收。(3)被动控制：传统电网对分布式电源出力只有发或不发的指令控制，没有实时调节控制，仅将分布式电源作为负的负荷，无法最大限度发挥其作用，更没法优化其运行状态。因此，对分布式电源运行表现为被动控制。故，传统配电网规划只考虑“网-荷”即配电网和负荷，并未从“源-网-荷”即电源、配电网和负荷的综合角度进行配电网规划，难以经济处理高渗透率下的分布式电源接入配电网的问题。
发明内容
本发明所要解决的技术问题是：提供一种构建配电网架构的方法及终端，实现对分布式电源的主动管控。
为了解决上述技术问题，本发明采用的一种技术方案为：
一种构建配电网架构的方法，包括步骤：
S1、获取预设区域内的预测负荷值及各个发电方式的发电总量，所述发电方式包括分布式电源发电和固定电源发电；
S2、将各个所述发电总量按照所述发电方式的成本由低到高排序得到第一队列；
S3、将所述预测负荷值根据所述第一队列的顺序逐个减去每一个所述发电方式的所述发电总量，直至减去第N个所述发电方式的所述发电总量时所得到的差小于或等于0，则将所述第一队列位于前N个且属于所述分布式电源的所述发电方式的所述发电总量作为第一发电和；
S4、根据所述第一发电和及电力系统技术导则确定配电网架构。
为了解决上述技术问题，本发明采用的另一种技术方案为：
一种构建配电网架构的终端，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以下步骤：
S1、获取预设区域内的预测负荷值及各个发电方式的发电总量，所述发电方式包括分布式电源发电和固定电源发电；
S2、将各个所述发电总量按照所述发电方式的成本由低到高排序得到第一队列；
S3、将所述预测负荷值根据所述第一队列的顺序逐个减去每一个所述发电方式的所述发电总量，直至减去第N个所述发电方式的所述发电总量时所得到的差小于或等于0，则将所述第一队列位于前N个且属于所述分布式电源的所述发电方式的所述发电总量作为第一发电和；
S4、根据所述第一发电和及电力系统技术导则确定配电网架构。
本发明的有益效果在于：获取各种发电方式的发电总量，其中包括分布式电源发电的发电总量和固定电源发电的发电总量，综合各个发电方式的发电成本确定能够满足预测负荷值的各个发电方式所对应的发电总量，从需求、供给和成本入手进行配电网架构的规划，取代了传统仅从配电网的网架结构及硬件配置角度进行规划，在配电网架构的设计中使得分布式电源发电的优势能够充分发挥。
附图说明
图1为本发明实施例的一种构建配电网架构的方法的步骤流程图；
图2为本发明实施例的一种构建配电网架构的终端的结构示意图；
图3为本发明实施例的友好负荷和非友好负荷的组成示意图；
图4为本发明实施例的一种预测负荷值的计算过程；
图5为本发明实施例的可信光强曲线；
图6为本发明实施例的一种光伏系统日出力累计分布函数曲线；
图7为本发明实施例的一种确定分布式电源发电量的步骤示意图；
图8为本发明实施例的一种有源配电网接线模式评价体系示意图；
图9为现有技术电网的缺点示意图；
标号说明：
1、一种构建配电网架构的终端；2、处理器；3、存储器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
请参照图1及图3至图8，一种构建配电网架构的方法，包括步骤：
S1、获取预设区域内的预测负荷值及各个发电方式的发电总量，所述发电方式包括分布式电源发电和固定电源发电；
S2、将各个所述发电总量按照所述发电方式的成本由低到高排序得到第一队列；
S3、将所述预测负荷值根据所述第一队列的顺序逐个减去每一个所述发电方式的所述发电总量，直至减去第N个所述发电方式的所述发电总量时所得到的差小于或等于0，则将所述第一队列位于前N个且属于所述分布式电源的所述发电方式的所述发电总量作为第一发电和；
S4、根据所述第一发电和及电力系统技术导则确定配电网架构。
从上述描述可知，本发明的有益效果在于：获取各种发电方式的发电总量，其中包括分布式电源发电的发电总量和固定电源发电的发电总量，综合各个发电方式的发电成本确定能够满足预测负荷值的各个发电方式所对应的发电总量，从需求、供给和成本入手进行配电网架构的规划，取代了传统仅从配电网的网架结构及硬件配置角度进行规划，在配电网架构的设计中使得分布式电源发电的优势能够充分发挥。
进一步的，所述S1中获取预设区域内的预测负荷值具体为；
根据预设区域内预设的远景年友好负荷指标及预设数量年份的负荷历史数据，得到所述预测负荷值；
所述远景年友好负荷指标包括可中断负荷预期总量、可中断负荷预期分布、电动汽车总量、电动汽车分布、换电站总量、换电站分布、电动汽车分类比例、可调负荷总量、可调负荷分布及负荷响应系数；
其中，所述可中断负荷预期总量及所述可中断负荷预期分布是由可中断协议的发展预期得到；所述电动汽车总量、所述电动汽车分布、所述换电站总量、所述换电站分布及所述电动汽车分类比例是通过远景年电动汽车发展规划得到；所述可调负荷总量、所述可调负荷分布及所述负荷响应系数是依据实时电价发展规划，通过试点区域进行预设时期的试运行统计得到，或是根据国内外电价机制完善的先进规划区中的可调负荷总量、可调负荷分布及负荷响应系数获得；
所述远景年表示从当前年份算起第十年至第十五年之间的任一年份。
由上述描述可知，在进行负荷预测时综合各种规划数据，利用友好负荷的可预测性根据规划数据对友好负荷进行预测，减小了预测数据与实际数据之间的误差，将供给电动汽车充电的换电站作为友好负荷进行统计，以电动汽车总量作为估计值，因电动汽车除了更换电池维持电力外还可通过充电维持电力，在预测友好负荷时以电动车总量进行留出了一定范围避免实际负荷值超过预测负荷值导致根据预测负荷值构建的配电网超负荷。
进一步的，所述获取各个发电方式的发电总量包括：
若所述发电方式为分布式电源发电，则计算分布式电源的可信出力Pβ，根据所述可信出力计算所述发电总量；
所述可信出力表示所述分布式电源在预设的置信区间内至少能够达到的实际功率占总功率的比值。
由上述描述可知，根据分布式电源的可信出力计算发电总量，取代以分布式电源标定功率计算发电总量的方法，更加接近分布式电源的实际发电总量，避免实际的发电总量无法充足供应负荷的情况。
进一步的，所述S3具体为：
S31、所述预测负荷值根据所述第一队列的顺序逐个减去所述发电总量，直至得到的差小于或等于0，获取此时作为减数的各个第一发电总量及所述第一发电总量所对应的第一发电方式，并分别计算各个所述第一发电总量占所述第一发电总量的和的第一比例；
S32、根据所述第一比例及所述第一比例中所述第一发电总量所对应的所述第一发电方式以成本最低为目标进行生产模拟分析，得到第二发电量及所述第二发电量对应的第一发电方式；
S33、计算发电方式为分布式电源发电的所述第一发电方式所对应的第二发电量的第二发电和，将所述第二发电和作为新能源消纳能力，判断所述新能源消纳能力与前一次计算得到的新能源消纳能力的差是否小于阈值，若是，则将所述新能源消纳能力作为所述第一发电和执行所述S4；否则，标记所述第二发电量所对应的所述第一发电方式为固定电源发电并返回所述S2。
由上述描述可知，先初步计算出各个发电方式能够满足负荷需求的比例，再根据该比例进行生产模拟分析得到经济效益最优的各个发电方式及其所对应的发电量，在满足用电需求的同时兼顾发电成本实现经济效益的提升，循环过程中逐次对比新能源消纳能力，得到最优的新能源消纳能力，在考虑成本的同时也保证了环保性。
进一步的，所述S4包括变电站方案制定：
计算变电站最小总容量P2：PZ＝(P1-P2-P3-P4+P5-P6)×σ-P0；
其中，Pz为预设电压等级下的变电站总容量，P1为预测负荷，P2为大于预设电压等级的电压等级以下的负荷，P3为预设电压等级的电源及预设电压等级以下的电源所供的负荷，P4为预设电压及预设电压等级以上的直供负荷，P5为所述预设区域内供给的区外负荷，P6为所述预设区域内由所述预设区域外供给的区内负荷，σ为容载比；P0为所述预设区域内预设电压等级下现有的等级变电容量；
根据非友好负荷的最大值确定所述变电站的备用容量；
根据所述最小总容量、所述备用容量及所述确定变电站计划容量；
根据所述计划容量及所述电力系统技术导则确定变电站地址。
由上述描述可知，根据最小总容量和备用容量确定变电站的计划容量，并结合行业标砖确定变电站地址，实现对变电站的规划，在确保安全性的同时实现变电站的高效利用。
进一步的，所述S4包括储能规划：
计算储能设备实际充电功率：PBES[n]×ηES.C；
实际放电功率：PES[n]＝PBES[n]×ηES.D{PBES[n]≥0；
其中，PBES[n]＜0，PES[n]≥0，ηES.C为充电效率，ηES.D为放电效率；
确定所述储能设备的功率容量PESO＝max{PBES[n]}；
确定所述储能设备的能量容量EESO＝EES.Dmax+EES.Cmax×SOCup-SOClow；
其中，EES.Dmax为储能设备所需累计最大放电能量，EES.Cmax为储能设备所需累计最大充电能量，SOCup为储能荷电状态的上限约束，SOClow为储能荷电状态的下限约束。
由上述描述可知，对储能进行规划，结合实际充放电功率确定功率容量和能量容量，使得最终规划出的储能设备的容量适用于实际场景中。
进一步的，所述预测负荷值满足以下约束：
110kV网供负荷＝全社会用电负荷-工厂用电负荷-220kV及220kV以上电网直供负荷-110kV电网直供负荷-220kV直降35kV负荷-220kV直降10kV负荷-35kV及35kV以下上网常规电源发电负荷-分布式电源90％可信出力；
10kV公用网供负荷＝220kV直供10kV负荷+110kV直供10kV负荷+35kV直供10kV负荷+10kV分布式电源可信出力-10kV专线用户负荷-0.38kV分布式电源可信出力。
由上述描述可知，设定约束验证预测负荷值，能够避免预测负荷值偏离实际的情况发生，若预测负荷值不满足相关约束则说明得到的预测负荷值不符合常理，此时停止后续构建配电网的相关计算，防止最后计算出的配电网脱离实际情况。
进一步的，所述S4之后还包括配电网架构比选：
其中，NAV表示净年值，PBi表示第i年的总收入，ICi表示第i年的总支出，r表示折现率，n表示经济使用寿命，(P/F，r，i)表示一次支付现值系数，(A/P，r，n)表示资金回收系数；
选择净年值较大的所述配电网架构。
由上述描述可知，在选择配电网架构时以净年值作为标准，在确保清洁能源入网和发电方式即电源端的经济效益的同时，保证电网的构建过程中也能兼顾收益条件。
进一步的，所述友好负荷包括可控负荷及能够完全跟随预设引导机制的可调负荷。
由上述描述可知，将可调负荷进一步细分，将其中能够完全跟随预设引导机制的可调负荷和可控负荷一同记录为友好负荷，提高了后续对友好负荷进行预测的结构的准确性。
请参照图2，一种构建配电网架构的终端，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以下步骤：
S1、获取预设区域内的预测负荷值及各个发电方式的发电总量，所述发电方式包括分布式电源发电和固定电源发电；
S2、将各个所述发电总量按照所述发电方式的成本由低到高排序得到第一队列；
S3、将所述预测负荷值根据所述第一队列的顺序逐个减去每一个所述发电方式的所述发电总量，直至减去第N个所述发电方式的所述发电总量时所得到的差小于或等于0，则将所述第一队列位于前N个且属于所述分布式电源的所述发电方式的所述发电总量作为第一发电和；
S4、根据所述第一发电和及电力系统技术导则确定配电网架构。
本发明的有益效果在于：获取各种发电方式的发电总量，其中包括分布式电源发电的发电总量和固定电源发电的发电总量，综合各个发电方式的发电成本确定能够满足预测负荷值的各个发电方式所对应的发电总量，从需求、供给和成本入手进行配电网架构的规划，取代了传统仅从配电网的网架结构及硬件配置角度进行规划，在配电网架构的设计中使得分布式电源发电的优势能够充分发挥。
请参照图1，本发明的实施例一为：
一种构建配电网架构的方法，包括步骤：
S1、获取预设区域内的预测负荷值及各个发电方式的发电总量，所述发电方式包括分布式电源发电和固定电源发电；
其中，预测负荷值包括预测总体负荷值、预测友好负荷值及预测非友好负荷值，获取预设区域内的预测负荷值具体为：
根据先远后近的典型配电网预测方法得到预测总体负荷值，具体的，先对预设区域内远景年负荷值进行预测，再对近期负荷值进行预测；
根据预设区域内预设的远景年友好负荷指标及预设数量年份的负荷历史数据，得到预测友好负荷值；具体的，请参照图4，根据远景年用地规划和远景年负荷密度指标得到远景年整体负荷分布，根据远景年整体负荷分布及远景年友好负荷指标得到远景年友好负荷分布预测，进一步的，可根据远景年友好负荷分布预测进一步得到远景年友好负荷及电量预测，结合历史负荷数据得到中间年友好负荷、电量预测；
预测非友好负荷值＝预测总体负荷值-预测友好负荷值；
所述远景年友好负荷指标包括可中断负荷预期总量、可中断负荷预期分布、电动汽车总量、电动汽车分布、换电站总量、换电站分布、电动汽车分类比例、可调负荷总量、可调负荷分布及负荷响应系数；
其中，所述可中断负荷预期总量及所述可中断负荷预期分布是由可中断协议的发展预期得到；所述电动汽车总量、所述电动汽车分布、所述换电站总量、所述换电站分布及所述电动汽车分类比例是通过远景年电动汽车发展规划得到；所述可调负荷总量、所述可调负荷分布及所述负荷响应系数是依据实时电价发展规划，通过试点区域进行预设时期的试运行统计得到，或是根据国内外电价机制完善的先进规划区中的可调负荷总量、可调负荷分布及负荷响应系数获得；
所述远景年表示从当前年份算起第十年至第十五年之间的任一年份，常指2030、2035等年份；
规划年表示当前年份之后的任一年份；
水平年表示从当前年份算起第五年至第十年之间的任一年份；
友好负荷包括可控负荷及能够完全跟随引导机制的可调负荷；具体的，请参照图3，根据行业分类，依据负荷可参与电网调度程度不同将负荷分为不可控负荷、可控负荷和可调负荷；不可控负荷即传统负荷，这类负荷用电需求较为固定，是目前配电网负荷的主要组成部分，用L1表示；可控负荷主要为可中断负荷，通常通过经济合同(协议)实现。由电力公司与用户签订，在系统峰值时和紧急状态下，用户按照合同规定中断和削减负荷，是配电网需求侧管理的重要保证，用L3表示；可调负荷是指不能完全响应电网调度，但能在一定程度上跟随分时段阶梯电价等引导机制，从而调节其用电需求的负荷，用L2表示；则有源配电网整体负荷L＝L1+L2+L3；其中，可调负荷中包括完全跟随引导机制的可调负荷及无法跟随引导机制的可调负荷，前者归类为可控负荷，标记L2A，后者归类为不可控负荷，标记L2B，则将有源配电网整体负荷从是否受控角度分为两类：友好负荷和非友好负荷；友好负荷包含L3和L2A，非友好负荷包含L1和L2B；为了表征有源配电网中负荷的受控程度，定义负荷主动控制因子λ：λ＝(L2A+L3)/L，其中，λ为友好负荷在配电网整体负荷中的比例；
在一种可选的实施方式中，对于采用慢速充电、常规充电和快速充电方式的电动汽车，可通过响应阶梯电价的方式参与电网调度，这类负荷属于可调负荷；对于采用在换电站更换电池方式充电的电动汽车，可通过对换电站参与电网调度，这类负荷属于可控负荷；
所述预测负荷值满足以下约束：
110kV网供负荷＝全社会用电负荷-工厂用电负荷-220kV及220kV以上电网直供负荷-110kV电网直供负荷-220kV直降35kV负荷-220kV直降10kV负荷-35kV及35kV以下上网常规电源发电负荷-分布式电源90％可信出力；
10kV公用网供负荷＝220kV直供10kV负荷+110kV直供10kV负荷+35kV直供10kV负荷+10kV分布式电源可信出力-10kV专线用户负荷-0.38kV分布式电源可信出力；
获取各个发电方式的发电总量包括：
若所述发电方式为分布式电源发电，则计算分布式电源的可信出力Pβ，根据所述可信出力计算所述发电总量；其中β表示执行区间，如Pβ＝90％，β＝90％，表示分布式电源的实际功率有90％的概率占总功率的90％；
所述可信出力表示所述分布式电源在预设的置信区间内至少能够达到的实际功率占总功率的比值；
在一种可选的实施方式中，Pβ可由分布式电源处理的概率密度函数或累计分布函数计算得到；分布式电源出力风险度α＝1-β，可根据可靠性要求调整α的值；
请参照图5及图6，以进行固定某一地区的光伏发电出力预测为例：太阳光照强度夜间为0，白天时段近似服从正态分布，因此确定一定的置信度，即可得到光强曲线的可信值；图5中实线为典型日光强时序变化曲线，虚线表示可信光强曲线，Lα是对应于某风险度下的可信光强；
根据通用的光伏发电模型，光伏出力可近似看成仅由光照强度决定的一元线性函数，因此光伏出力与光强具有近似的分布趋势，下面用全天光伏出力的累积分布函数说明，如图6所示；图6中α表示光伏的出力风险度，P1-α表示风险度α对应的光伏可信出力，即光伏出力P位于[0，P1-α]的概率为α；PN表示光伏额定出力，当风险度达到100％时，可信出力为PN；设光伏出力的累积分布函数为F(P)，建立方程式F(P)＝α，即可得到风险度α下光伏的可信出力P1-α：最后结合地区分布式电源总装机和单位分布式电源可信出力值，可得到规划区远景年分布式电源可信出力预测模型Pzα＝Pz×Pα/P；
其中，Pzα为该地区远景年分布式电源可信出力；Pz为该地区远景年分布式电源装机总容量；Pα为单位分布式电源可信出力；P为单位分布式电源装机容量；
S2、将各个所述发电总量按照所述发电方式的成本由低到高排序得到第一队列；
S3、将所述预测负荷值根据所述第一队列的顺序逐个减去每一个所述发电方式的所述发电总量，直至减去第N个所述发电方式的所述发电总量时所得到的差小于或等于0，则将所述第一队列位于前N个且属于所述分布式电源的所述发电方式的所述发电总量作为第一发电和；
请参照图7，具体为：
S31、所述预测负荷值根据所述第一队列的顺序逐个减去所述发电总量，直至得到的差小于或等于0，获取此时作为减数的各个第一发电总量及所述第一发电总量所对应的第一发电方式，并分别计算各个所述第一发电总量占所述第一发电总量的和的第一比例；
因在预设区域内能开发的水电和火电等是有限的，并且目前水力发电和火力发电的增涨非常缓慢了，并且未来有大力发展新能源的趋势，故不考虑最终确定的第一发电方式中不包含分布式电源发电的情况；
S32、根据所述第一比例及所述第一比例中所述第一发电总量所对应的所述第一发电方式以成本最低为目标进行生产模拟分析，得到第二发电量及所述第二发电量对应的第一发电方式；
S33、计算发电方式为分布式电源发电的所述第一发电方式所对应的第二发电量的第二发电和，将所述第二发电和作为新能源消纳能力，判断所述新能源消纳能力与前一次计算得到的前次新能源消纳能力的差是否小于阈值，若是，则将所述新能源消纳能力与前次新能源消纳能力的和作为所述第一发电和执行所述S4(因计算本次新能源消纳能力时将前次的第一发电方式标记为了固定电源)；否则，标记所述第二发电量所对应的所述第一发电方式为固定电源发电并返回所述S2；
若为首次计算新能源消纳能力，则前次新能源消纳能力设置为0；
S34、根据DG接入配电网设计规范Q/GDW11147-2013，确定分布式电源的接入电压等级，参照表1；DG(Distributed Generation，分布式发电装置)；
表1
S4、根据所述第一发电和及电力系统技术导则确定配电网架构；
其中，电力系统技术导则指GB/T38969-2020；
S4包括变电站方案制定：
计算变电站最小总容量P2：PZ＝(P1-P2-P3-P4+P5-P6)×σ-P0；
其中，Pz为预设电压等级下的变电站总容量，P1为预测负荷，P2为大于预设电压等级的电压等级以下的负荷，P3为预设电压等级的电源及预设电压等级以下的电源所供的负荷，P4为预设电压及预设电压等级以上的直供负荷，P5为所述预设区域内供给的区外负荷，P6为所述预设区域内由所述预设区域外供给的区内负荷，σ为容载比；P0为所述预设区域内预设电压等级下现有的等级变电容量；
在一种可选的实施方式中，P1为预测非友好负荷值；
根据非友好负荷的最大值确定所述变电站的备用容量；
根据所述最小总容量、所述备用容量及所述确定变电站计划容量；
根据所述计划容量及所述电力系统技术导则确定变电站地址；
S4包括中压电网构建：
(1)接线模式确定：根据分布式电源出力、新型负荷受控或新型负荷主动调节后的负荷密度、供电区域内多电源点与负荷共存的状态进行接线模式分析；以网损最小、分布式电源最大利用或分布式电源可靠性最高为目标实现接线模式的主动重构，请参照图8，在确定的预测负荷值和第一发电和的基础上，从技术性、经济性和适应性三个方面建立接线模式的选择标准；
(2)出线回数确定：根据有源电网负荷密度较低的特点，减少变电站的出线回数，因有源配电网的发展变相降低了负荷密度(变电站直供负荷密度)增长速度，因此在其他条件相同时，规划年变电站出线回数也会有所减少，并且，新型负荷和分布式电源的发展受政府能源政策影响较大，使得有源配电网的负荷预测相对于传统配电网具有更大的不确定性；因此在有源配电网规划中应尽量控制出线回数，使有限的出线间隔资源能适应规划区未来不同的用电需求；
(3)线路选型确定：分布式电源和储能装置的接入使配电网具有多个电源点，有源配电网正常运行状态下的实时重构和故障状态下复杂的孤岛组合方式及负荷转带方式使得配电网各段线路潮流大小及方向存在多种可能，加之风光储系统出力和各类负荷大小的随机波动，有源配电网线路选型是一个复杂问题。在技术指标上，可以对有源配电网进行概率潮流计算，线路选型应满足一定置信区间内的N-1校验和可靠性要求。将技术指标作为约束条件，以全网经济性最优为目标函数可以建立线路选型优化模型；
①时序潮流分析：除常规方法中利用电网结构、元件参数等基本信息外，还需要额外利用这些随机变化元件的运行数据，如负荷运行曲线、发电机运行曲线和储能装置运行曲线等；负荷运行曲线通常是指其有功功率与时间的关系曲线，在特殊情况下，会考虑无功运行曲线。发电机运行曲线一般是指有功运行曲线与无功运行曲线；
②概率潮流计算：随着分布式电源的快速发展，未来电力系统将从“发电跟踪负荷”的单项调度模式发展到“源-网-荷”主动调度，同时，电源侧和负荷侧均具有不确定性。因此，概率潮流成为解决电力系统不确定因素的重要基础，并且也应在传统概率潮流计算的基础上增加随机注入量，使其潮流方向从单一(或固定)流向方式改变为源荷双侧互动方式，以适应AND(智能电网)的不确定性；
S4包括储能规划：
计算储能设备实际充电功率：PES[n]＝PBES[n]×ηES.C，PBES[n]＜0；
实际放电功率：PES[n]＝PBES[n]×ηES.D{PBES[n]≥0；
其中，PBES[n]＜0，PES[n]≥0，ηES.C为充电效率，ηES.D为放电效率；
确定所述储能设备的功率容量PESO＝max{PBES[n]}；
确定所述储能设备的能量容量EESO＝EES.Dmax+EES.Cmax×SOCup-SOClow；
其中，EES.Dmax为储能设备所需累计最大放电能量，EES.Cmax为储能设备所需累计最大充电能量，SOCup为储能荷电状态的上限约束，SOClow为储能荷电状态的下限约束。
本发明的实施例二为：
一种构建配电网架构的方法，其与实施例一的不同之处在于：
加入分布式电源之后的有源配电网在传统配电网规划电网现状时考虑“网”及“荷”的情况上，还需加入对“源”的考量，即在过去对电网设备情况、网架情况、运行情况三方面进行诊断分析电网满足负荷需求的瓶颈及找出电网薄弱缓解的基础上，还需增加分布式电源及储能系统的分析以及电网接纳分布式电源存在的瓶颈分析；
分布式电源包括光伏发电电源、风力发电电源等新能源发电电源；
在S1之前，还包括：
(1)分析分布式电源现状：
在设备方面，根据电力系统技术导则分析现有的各类型分布式电源的接入电压等级及装机容量是否合理；分布式电源保护装置是否按照标准配置，如是否配置高/低电压保护、高/低频率保护、防孤岛保护、恢复并网保护、过流与短路保护及事故解列装置等；
在运行方面，从发电情况、日有功曲线、电压质量分析分布式电源的运行情况：
发电情况：说明分布式电源的年发电量、发电量曲线，包括统计最近一年中每月的发电量曲线及设置分布式电源至今每年的发电量构成的曲线，重点分析分布式电源渗透率；分布式电源渗透率是衡量分布式电源接入电网后消纳水平的重要指标，分布式电源渗透率定义为分布式电源总发电量占系统用电量的比值；分布式电源渗透率如果高于合理值，会对电网的安全带来不利影响，增加电网改造成本，分布式电源的利用效率也会打折扣；
有功曲线：分析典型日发电功率曲线，计算分布式电源的出力负载率；对比电源出力与接入线路或变电站负荷，分析分布式电源对电网负荷的调峰作用；
上网点电压质量：配电网接入分布式电源后馈线各负荷节点处的电压提高。因此，需要分析各分布式电源的并网点是否过电压；
(2)分析分布式电源接入电网的瓶颈：
分布式电源能够接入配电网的容量主要受到变电站和线路两个方面的约束，其中变电站对分布式电源接入的限制条件主要包括变电站剩余间隔、最大负荷水平等；线路对分布式电源接入的限制条件包括线路型号、线路全长、负荷水平、无功补偿等。
其中，①变电站最大负荷：分布式电源接入后，不应通过主变压器向上级电网输送功率，因此分布式电源的发电量能否被接入节点所对应的变电站的最大负荷消纳，是制约分布式电源接入的重要影响因素；②变电站剩余间隔：针对大容量的分布式电源，需要采用专线接入变电站。变电站内的剩余间隔数目将制约分布式电源能否采用专线接入的方式；③负荷特性：分布式电源接入节点附近的负荷，对电能质量、电压水平的需求，以及负荷的波动性与分布式电源的发电特性的匹配有利于扩大分布式电源的就地接纳能力，提高分布式电源的接入容量；④线路传输：线路型号决定了线路的传输容量，当分布式电源扩容到一定程度时，线路的输送容量将不能满足分布式电源的最大送出功率，限制分布式电源的准入功率；此外，分布式电源在线路传输过程中，将带来网络损耗的变化，因此针对分布式发电接入需合理确定原有线路型号及长度，保证分布式电源并网后电网的经济运行；⑤备用容量：配电网为满足系统的安全可靠性，常留有一定的备用容量，用于系统负荷转代，分布式电源的接入，改变了系统原有的运行状态，影响了系统的备用容量和电压调节能力。当失去分布式电源出力后，将造成系统电压的波动。因此，针对分布式电源接入问题，可考虑增加储能等调节手段，实现就地备用；⑥电压偏差：分布式电源的接入在改变了原有电网有功功率流向的同时，也改变了电网的无功功率流向，进而影响电网的无功电压水平；当系统电压越限时将引起保护动作，影响电网安全运行；
综上所述，分布式电源接入后，应采取相应的无功补偿措施如并联电容器、安装无功补偿器等方式，提高分布式光电源的输出特性，提升分布式电源的建设规模。
本发明的实施例三为：一种构建配电网架构的方法，其与实施例一或实施例二的不同之处在于：
所述S4之后还包括配电网架构比选：
(1)净年值法
其中，NAV表示净年值，PBi表示第i年的总收入，ICi表示第i年的总支出，r表示折现率，n表示经济使用寿命，(P/F，r，i)表示一次支付现值系数，(A/P，r，n)表示资金回收系数；
选择净年值较大的所述配电网架构；
(2)最小费用法
计算各配电网架构方案的总成本费用，以成本费用年值较低的方案为优。最小费用法可用于效益相同或视同效益相当情况下互斥方案的比选；
(3)效益成本比较法
分别计算各配电网架构方案的效益年值和成本费用年值，以效益成本比大的方案为优；效益成本比法可用于效益、成本有可能不同的独立方案及项目包的比选；
E＝PB/IC
其中，E标识效益与成本的比值，PB表示总效益年值，单位：万元；IC表示总成本费用年值，单位：万元；
S4之后还包括电网架构方案评估：
(1)成本评估：
①初始投资成本：以项目投资总额为基值，计算项目投资成本年值ICn＝I0×(A/P,r,n)，其中，I0表示项目投资总额，单位：万元；ICn表示项目投资成本年值，单位：万元；r表示折现率，n表示经济使用寿命；(A/P,r,n)表示资金回收系数；
②运维成本：运维成本宜通过调研或统计确定，若获取困难，可采用比例系数法近似计算，公式为OCn＝kl×I0，其中，OCn表示项目运维成本年值，单位：万元；k1表示运维成本占投资总额的比例系数，一般采用该地区历史三年平均值；
③退役成本：退役成本应由处理成本扣减残值得出，可采用比例系数法近似计算，公式为OTn＝(k2-0.05)×I0×(A/F,r,n)，其中，OTn表示项目退役成本年值，单位：万元k2表示处理成本占投资总额的比例系数，一般采用该地区历史三年平均值；(A/F,r,n)表示终值转年值系数；
④总成本IC＝ICn+OCn+OTn，IC表示项目总成本年值，单位：万元；
(2)效益评估
①增供电量效益
供电能力计算：供电能力计算应采用基于配电网供电安全标准的供电算法(下简称算法1)或基于N-1安全准则的算法(下简称算法2)。针对高压变电站单线单变或中压线路单辐射运行的情况采用算法1，针对高压变电站非单线单变或中压线路有联络的情况采用算法2。
变电站为单线单变运行情况下，供电能力为N-1故障情况下供电安全标准允许损失的负荷，即变电站供电能力为12MW。变电站非单线单变运行情况下，供电能力为主变及进线的综合供电能力，主变、进线供电能力应为N-1故障时考虑一定过载系数下的最大供电负荷，公式如下：
SCi＝min(1.3×SCN-1,S,1.1×SCN-1,L)；
其中，SCN-1,S表示最大容量主变停运后剩余变压器所能供的最大负荷，单位：MW；SCN-1,L表示最大容量进线停运后剩余线路能供的最大负荷，单位：MW；SCi表示第i座变电站的最大供电能力，单位：MW；
高压关联电网供电能力应为关联电网范围内的变电站供电能力累加和，公式如下：
其中，N表示关联电网变电站座数；SC表示关联电网最大供电能力，单位：MW；
中压单辐射线路的供电能力为N-1故障情况下供电安全标准允许损失的负荷，即线路的供电能力为2MW；中压一组联络线路的供电能力应为联络馈线组N-1故障时的最大供电负荷，公式如下：
其中，Si表示第i条馈线的供电能力，单位：MW；
增供电量计算：仅考虑供电安全标准之内的增供电量，即安全增供负荷与最大负荷利用小时数之积。预测年安全供电负荷取供电能力与供电负荷的小者，计算公式如下：
VPi＝[LsafeA-LsafeB]×km×Tmax/10；
Lsafe＝min(L,SC)
其中，VPi表示第i年增供电量，单位：万kWh；L表示预测(实际)负荷，单位：MW；SC表示供电能力，单位：MW；LsafeB表示项目实施前关联电网安全供电负荷，单位：MW；LsafeA表示项目实施后关联电网安全供电负荷，单位：MW；SCBP表示项目实施前关联电网供电能力，单位：MW；SCAP表示项目实施后关联电网供电能力，单位：MW；Tmax表示最大负荷利用小时数，单位：h；km表示增供电量分摊系数，为关联电网供电能力提升值与供电裕度的比值；
中压配电网规划项目增供电量可按下式近似计算：
VPi＝(SCAP-SCBP)×Tmax/10
其中，SCBP表示项目投运前供电能力，单位：MW；SCAP表示项目投运后供电能力，单位：MW；VPi表示增供电量，单位：万kWh；
增供电量效益计算：逐年度计算规划项目的增供电量效益，并按各电压等级电网成本占总成本的比例分摊增供电量效益，将计算结果折算为现值，并计算效益年值。计算公式如下：
PBPn＝PBP×(A/P,a,n)
其中，PBP表示增供电量效益现值，PBPn表示增供电量效益年值，单位都为万元；ΔR表示购售电价差，单位：元\kWh；kU表示增供电量效益分摊系数；a表示折现率；mU表示某电压层级固定资产总额；mΣ表示区域电网固定资产总额(不计特高压、交直流及其他跨区联网工程)，单位：亿元；
②可靠性效益
户均停电小时数减小值计算：
对于高压规划项目，应计算关联电网范围内由于高压配网原因带来的户均停电小时数的减小值；
应计算项目实施前后关联电网的N-1损失负荷，进而得出可靠性提升值。公式如下：
其中，ΔT表示关联电网户均停电小时数降低值，单位：h；T表示项目投运前关联电网高压配网原因引起的停电小时数，近似以所在地区高压停电原因引起的停电小时数代替，单位：h；LN-1,SB表示项目实施前主变及线路N-1校验损失负荷，单位：MW；LN-1,SA表示项目实施后主变及线路N-1校验损失负荷，单位：MW；
对于中压规划项目，应计算关联电网范围内由于中压配网原因带来的户均停电小时数的减小值。应根据DL/T《配电网可靠性评估导则》计算规划项目实施前后关联电网停电小时数，进而求得停电小时数降低值；
缺供电量减小值计算：应根据项目实施前后户均停电时间减小值、项目实施后相关电网平均负荷值，计算缺供电量减小值。公式如下：
VPR＝(ΔT×PA×Tmax/8760)/10
其中，VPR表示规划项目缺供电量减小值，单位：万元；PA表示项目投运后关联电网最大负荷预测值，单位：MW；T max表示最大负荷利用小时数，单位：小时；
可靠性效益计算：根据项目实施前后缺供电量减小值，乘以单位电量停电损失费用，计算可靠性效益值。公式如下：
PBR＝kr×VPR
其中，kr表示单位电量停电损失费用，采用产电比取值，即地区GDP/地区供电量。
③降损效益
降损电量计算：根据DL/T686，计算规划项目实施前后关联电网网损值，进而求得降损电量计算：
ΔPB＝ΔAB-ΔAA
其中，ΔPB表示降损电量，单位：万kWh；ΔAB表示规划项目实施前关联电网网损电量，单位：万kWh；ΔAA表示规划项目实施后关联电网网损电量，单位：万kWh；
降损效益年值计算：
PBL＝ΔPB×PP
其中，PBL表示降损效益年值，单位：万元；ΔPB表示降损电量，单位：万kWh；PP表示购电单价，单位：元/kWh；
④延缓电网投资效益：计算由于分布式电源参与平衡负荷，进而减少线路及变电站的建设而带来的延缓投资效益：
PBG＝PG×Kp×(RG+RZ)×(A/P,a,n)
其中，PG表示分布式电源装机容量，单位：MW；Kp表示分布式电源可信出力，单位：MW；RG表示单位容量变电投资，单位：万元/MVA；RZ表示单位容量线路投资，单位：万元/MVA；
⑤总效益：应将增供电量效益年值、可靠性效益年值、降损效益年值、延缓电网投资累加求得规划项目实施后总效益年值：
PB＝PBP+PBR+PBL+PBG
其中，PB表示总效益年值，单位：万元。
请参照图2，本发明的实施例四为：
一种构建配电网架构的终端1，包括处理器2、存储器3及存储在存储器3上并可在所述处理器2上运行的计算机程序，所述处理器2执行所述计算机程序时实现实施例一、实施例二或实施例三中的各个步骤。
综上所述，本发明提供了一种构建配电网架构的方法及终端，在电网架构规划上，利用“源-网”协同性规划方法，确定分布式电源消纳能力之后，根据所确定的分布式电源消纳能力和相关行业规范实现“网”规划即高、中压配网方案的规划；通过“源”接入实现分布式电源接入方案的规划；通过“网”校验分布式电源接入规模及位置的合理性；解决了传统配电网规划方法无法最大限度消纳、最大程度利用分布式电源优势及实现全局最优的问题，为电网规划技术人员提供了有源配电网规划标准及决策依据，可突破传统配电网仅从电网网架结构及硬件配置角度的一次规划，且在规划过程中仅考虑经济效益而放弃接入分布式电源的问题，最大限度提升分布式电源消纳能力并最大限度发挥分布式电源的支撑作用，通过“网”校验分布式电源接入规模及位置的合理性，在电力电量平衡上，根据分布式电源全年8760小时数出力情况，分析分布式电源的不同概率的可信出力，结合多元化负荷的特征，扣减能效高效利用的非电网供电负荷，形成不同概率下的电力平衡结果，采用效益成本分析方法实现不同类型规划项目的经济技术分析，并研究规划项目的在不同约束条件下的优选排序方法，从各类项目的效益特征出发给出简化计算方法及内容；解决传统配电网规划的投资效益分析薄弱的问题，并重点分析给出分布式电源接入的技术经济比较分析方法。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种构建配电网架构的方法，其特征在于，包括步骤：
S1、获取预设区域内的预测负荷值及各个发电方式的发电总量，所述发电方式包括分布式电源发电和固定电源发电；
S2、将各个所述发电总量按照所述发电方式的成本由低到高排序得到第一队列；
S3、将所述预测负荷值根据所述第一队列的顺序逐个减去每一个所述发电方式的所述发电总量，直至减去第N个所述发电方式的所述发电总量时所得到的差小于或等于0，则将所述第一队列位于前N个且属于所述分布式电源的所述发电方式的所述发电总量作为第一发电和；
S4、根据所述第一发电和及电力系统技术导则确定配电网架构。
2.根据权利要求1所述的一种构建配电网架构的方法，其特征在于，所述S1中获取预设区域内的预测负荷值具体为；
根据预设区域内预设的远景年友好负荷指标及预设数量年份的负荷历史数据，得到所述预测负荷值；
所述远景年友好负荷指标包括可中断负荷预期总量、可中断负荷预期分布、电动汽车总量、电动汽车分布、换电站总量、换电站分布、电动汽车分类比例、可调负荷总量、可调负荷分布及负荷响应系数；
其中，所述可中断负荷预期总量及所述可中断负荷预期分布是由可中断协议的发展预期得到；所述电动汽车总量、所述电动汽车分布、所述换电站总量、所述换电站分布及所述电动汽车分类比例是通过远景年电动汽车发展规划得到；所述可调负荷总量、所述可调负荷分布及所述负荷响应系数是依据实时电价发展规划，通过试点区域进行预设时期的试运行统计得到，或是根据国内外电价机制完善的先进规划区中的可调负荷总量、可调负荷分布及负荷响应系数获得；
所述远景年表示从当前年份算起第十年至第十五年之间的任一年份。
3.根据权利要求1所述的一种构建配电网架构的方法，其特征在于，所述获取各个发电方式的发电总量包括：
若所述发电方式为分布式电源发电，则计算分布式电源的可信出力Pβ，根据所述可信出力计算所述发电总量；
所述可信出力表示所述分布式电源在预设的置信区间内至少能够达到的实际功率占总功率的比值。
4.根据权利要求1所述的一种构建配电网架构的方法，其特征在于，所述S3具体为：
S31、所述预测负荷值根据所述第一队列的顺序逐个减去所述发电总量，直至得到的差小于或等于0，获取此时作为减数的各个第一发电总量及所述第一发电总量所对应的第一发电方式，并分别计算各个所述第一发电总量占所述第一发电总量的和的第一比例；
S32、根据所述第一比例及所述第一比例中所述第一发电总量所对应的所述第一发电方式以成本最低为目标进行生产模拟分析，得到第二发电量及所述第二发电量对应的第一发电方式；
S33、计算发电方式为分布式电源发电的所述第一发电方式所对应的第二发电量的第二发电和，将所述第二发电和作为新能源消纳能力，判断所述新能源消纳能力与前一次计算得到的新能源消纳能力的差是否小于阈值，若是，则将所述新能源消纳能力作为所述第一发电和执行所述S4；否则，标记所述第二发电量所对应的所述第一发电方式为固定电源发电并返回所述S2。
5.根据权利要求1所述的一种构建配电网架构的方法，其特征在于，所述S4包括变电站方案制定：
计算变电站最小总容量P2：PZ＝(P1-P2-P3-P4+P5-P6)×σ-P0；
其中，Pz为预设电压等级下的变电站总容量，P1为预测负荷，P2为大于预设电压等级的电压等级以下的负荷，P3为预设电压等级的电源及预设电压等级以下的电源所供的负荷，P4为预设电压及预设电压等级以上的直供负荷，P5为所述预设区域内供给的区外负荷，P6为所述预设区域内由所述预设区域外供给的区内负荷，σ为容载比；P0为所述预设区域内预设电压等级下现有的等级变电容量；
根据非友好负荷的最大值确定所述变电站的备用容量；
根据所述最小总容量、所述备用容量及所述确定变电站计划容量；
根据所述计划容量及所述电力系统技术导则确定变电站地址。
6.根据权利要求3所述的一种构建配电网架构的方法，其特征在于，所述S4包括储能规划：
计算储能设备实际充电功率：PBES[n]×ηES.C；
实际放电功率：PES[n]＝PBES[n]×ηES.D{PBES[n]≥0；
其中，PBES[n]＜0，PES[n]≥0，ηES.C为充电效率，ηES.D为放电效率；
确定所述储能设备的功率容量PESO＝max{|PBES[n]|}；
确定所述储能设备的能量容量EESO＝EES.Dmax+EES.Cmax×SOCup-SOClow；
其中，EES.Dmax为储能设备所需累计最大放电能量，EES.Cmax为储能设备所需累计最大充电能量，SOCup为储能荷电状态的上限约束，SOClow为储能荷电状态的下限约束。
7.根据权利要求3所述的一种构建配电网架构的方法，其特征在于，所述预测负荷值满足以下约束：
110kV网供负荷＝全社会用电负荷-工厂用电负荷-220kV及220kV以上电网直供负荷-110kV电网直供负荷-220kV直降35kV负荷-220kV直降10kV负荷-35kV及35kV以下上网常规电源发电负荷-分布式电源90％可信出力；
10kV公用网供负荷＝220kV直供10kV负荷+110kV直供10kV负荷+35kV直供10kV负荷+10kV分布式电源可信出力-10kV专线用户负荷-0.38kV分布式电源可信出力。
8.根据权利要求1所述的一种构建配电网架构的方法，其特征在于，所述S4之后还包括配电网架构比选：
其中，NAV表示净年值，PBi表示第i年的总收入，ICi表示第i年的总支出，r表示折现率，n表示经济使用寿命，(P/F，r，i)表示一次支付现值系数，(A/P，r，n)表示资金回收系数；
选择净年值较大的所述配电网架构。
9.根据权利要求2所述的一种构建配电网架构的方法，其特征在于，所述友好负荷包括可控负荷及能够完全跟随预设引导机制的可调负荷。
10.一种构建配电网架构的终端，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权利要求1-9任一所述的一种构建配电网架构的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110002758.9A CN112699562B (zh) | 2021-01-04 | 2021-01-04 | 一种构建配电网架构的方法及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110002758.9A CN112699562B (zh) | 2021-01-04 | 2021-01-04 | 一种构建配电网架构的方法及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112699562A true CN112699562A (zh) | 2021-04-23 |
| CN112699562B CN112699562B (zh) | 2022-09-13 |
Family
ID=75514490
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110002758.9A Active CN112699562B (zh) | 2021-01-04 | 2021-01-04 | 一种构建配电网架构的方法及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112699562B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113570267A (zh) * | 2021-08-02 | 2021-10-29 | 福州万山电力咨询有限公司 | 一种确定分布式光伏发电自发自用比例的方法及终端 |
| CN114204597A (zh) * | 2021-12-13 | 2022-03-18 | 国网山东省电力公司东营市垦利区供电公司 | 基于多区域互联的新能源消纳优化方法 |
| CN117096955A (zh) * | 2023-10-08 | 2023-11-21 | 南京允能日新智慧能源有限公司 | 一种分布式光伏集群运行控制系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080114997A1 (en) * | 2006-11-15 | 2008-05-15 | Broadcom Corporation | System and method of dynamic power management |
| CN103971173A (zh) * | 2014-04-28 | 2014-08-06 | 广东电网公司电力科学研究院 | 主动配电网变电站容量控制方法与系统 |
| CN107832905A (zh) * | 2017-09-19 | 2018-03-23 | 国家电网公司 | 一种适应分布式发电和储能站发展的配电网规划方法 |
| CN109523060A (zh) * | 2018-10-22 | 2019-03-26 | 上海交通大学 | 高比例可再生能源在输配电网协同接入下的配比优化方法 |
| CN111860955A (zh) * | 2020-06-18 | 2020-10-30 | 国家电网有限公司 | 基于大数据的电网规划精益分析方法 |
-
2021
- 2021-01-04 CN CN202110002758.9A patent/CN112699562B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080114997A1 (en) * | 2006-11-15 | 2008-05-15 | Broadcom Corporation | System and method of dynamic power management |
| CN103971173A (zh) * | 2014-04-28 | 2014-08-06 | 广东电网公司电力科学研究院 | 主动配电网变电站容量控制方法与系统 |
| CN107832905A (zh) * | 2017-09-19 | 2018-03-23 | 国家电网公司 | 一种适应分布式发电和储能站发展的配电网规划方法 |
| CN109523060A (zh) * | 2018-10-22 | 2019-03-26 | 上海交通大学 | 高比例可再生能源在输配电网协同接入下的配比优化方法 |
| CN111860955A (zh) * | 2020-06-18 | 2020-10-30 | 国家电网有限公司 | 基于大数据的电网规划精益分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 韩俊等: "交直流配电网典型形态特征对比与应用模式", 《电力建设》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113570267A (zh) * | 2021-08-02 | 2021-10-29 | 福州万山电力咨询有限公司 | 一种确定分布式光伏发电自发自用比例的方法及终端 |
| CN114204597A (zh) * | 2021-12-13 | 2022-03-18 | 国网山东省电力公司东营市垦利区供电公司 | 基于多区域互联的新能源消纳优化方法 |
| CN117096955A (zh) * | 2023-10-08 | 2023-11-21 | 南京允能日新智慧能源有限公司 | 一种分布式光伏集群运行控制系统 |
| CN117096955B (zh) * | 2023-10-08 | 2024-03-19 | 南京允能日新智慧能源有限公司 | 一种分布式光伏集群运行控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112699562B (zh) | 2022-09-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ma et al. | Optimal allocation of hybrid energy storage systems for smoothing photovoltaic power fluctuations considering the active power curtailment of photovoltaic | |
| CN112699562B (zh) | 一种构建配电网架构的方法及终端 | |
| CN112734098B (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
| CN115765015A (zh) | 面向电网实际应用场景的源网荷储协同互动方案制定方法 | |
| Yao et al. | Energy storage sizing optimization for large-scale PV power plant | |
| CN110783959A (zh) | 一种新能源发电系统的稳定状态控制系统 | |
| Qu et al. | Toward a global green smart microgrid: An industrial park in China | |
| CN115663791A (zh) | 基于运行环境时变性的智能配电网多目标自适应调度方法 | |
| CN113690925B (zh) | 一种基于微电网的能量交互优化方法及系统 | |
| CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
| Zhang et al. | A High‐Proportion Household Photovoltaic Optimal Configuration Method Based on Integrated–Distributed Energy Storage System | |
| CN108667071A (zh) | 一种主动配电网负荷精准控制计算方法 | |
| CN112418950A (zh) | 计及光伏的微电网短期负荷预测及控制方法 | |
| Liu et al. | Transitioning to a New Power System with High Renewable Penetration in the Context of China’s Carbon Peak and Neutrality: Challenges and Key Technologies | |
| Li et al. | Multiobjective Optimization Model considering Demand Response and Uncertainty of Generation Side of Microgrid | |
| Bai et al. | Distributed Control of Photovoltaic-Energy Storage System for Low-Voltage Distribution Networks Considering the Consistency of Power and SOC | |
| Chen et al. | Optimal scheduling strategy with multi-time scales for PV-storage based charging station | |
| CN114094591B (zh) | 一种自动电压控制方法、装置、计算机设备和存储介质 | |
| Chen et al. | Research on Optimal Configuration of Battery Energy Storage System for Photovoltaic Systems with Different Load Demand | |
| Zhao et al. | Optimal dispatch of distribution network considering comprehensive carrying capacity | |
| Zhu et al. | A Multi-objective Chance-constrained Optimization Model for Distribution Networks Management Considering Source-Network-Load-Storage Interaction | |
| Tian et al. | Generation-grid-storage coordinated planning method with renewable portfolio standard | |
| Ruxian et al. | An Interval Optimized Blocking Scheduling Method Considering Power Uncertainty | |
| Micallef et al. | Utility-Scale Storage Integration in the Maltese Medium-Voltage Distribution Network. Energies 2022, 15, 2724 | |
| Deng et al. | Market Operation of Energy Storage System in Smart Grid: A Review. |
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 |