CN112784383A - 一种分布式光伏的接入规划方法 - Google Patents

一种分布式光伏的接入规划方法 Download PDF

Info

Publication number
CN112784383A
CN112784383A CN202110133743.6A CN202110133743A CN112784383A CN 112784383 A CN112784383 A CN 112784383A CN 202110133743 A CN202110133743 A CN 202110133743A CN 112784383 A CN112784383 A CN 112784383A
Authority
CN
China
Prior art keywords
cost
distributed photovoltaic
photovoltaic
power
distributed
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.)
Pending
Application number
CN202110133743.6A
Other languages
English (en)
Inventor
董细炉
刘瑛瑛
丁上奔
林彬
潘攀
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.)
Taishun Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Taishun Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Taishun Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Taishun Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202110133743.6A priority Critical patent/CN112784383A/zh
Publication of CN112784383A publication Critical patent/CN112784383A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Geometry (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Biomedical Technology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Optimization (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)

Abstract

本发明公开了一种分布式光伏的接入规划方法。为了克服分布式电源接入规划方法适用于火力发电，缺少对分布式光伏接入的精准、全面的规划方法的问题；本发明包括以下步骤：S1：导入分布式光伏建立地区的历史光照以及各台区负荷需求；S2：根据历史光照以及负荷需求建立分布式光伏选址定容经济性模型；分布式光伏选址定容经济性模型包括分布式光伏渗透率的影响因素及影响因素对应的成本效益项；光伏渗透率影响因素包括电网建设、网损和供电可靠性；S3：通过改进的粒子群算法，利用十进制编码进行高维运算，求取最优规划。结合历史光照和台区负荷需求建立分布式光伏选址定容经济性模型，有针对性，更加全面、精准地获得分布式光伏接入的最优方法。

Description

一种分布式光伏的接入规划方法
技术领域
本发明涉及一种光伏接入规划领域，尤其涉及一种基于成本计算的分布式光伏的接入规划方法。
背景技术
随着一次能源的水解和电力系统运行模式的不断发展，分布式发电的优越性日渐显现，分布式电源(DG：Distributed Generation)并网运行不可避免地对配电网的电压、网损、短路电流等各方面产生复杂的影响。
在社会和环境因素驱动下，DG接入容量不断增大，传统电力系统规划模式需进行针对性调整。DG接入规划问题主要包括两个方面，一是选择接入点；其次是接入容量也就是渗透率问题。DG接入规划的研究方法主要有两种：最常见的方法是试探法。另一种研究方法是数学优化，即采用系统性能指标作为目标函数建立优化模型，并对其进行求解。
由于DG接入对电网的影响的多方面的，因此对DG研究普遍采用多目标优化模型，对多目标的处理，普遍采用加权法和模糊方法。加权法难以处理量纲不同的目标，而模糊方法隶属函数较难选取。故有采用粒子群算法对模型进行求解的方法，例如，一种在中国专利文献上公开的“一种含微电网的配电网分布式电源规划方法”，其公告号CN108681823A，包括以下步骤：步骤一，确定含微电网的配电网分布式电源规划应满足的约束为微电网运行域约束；步骤二，确定含微电网的配电网分布式电源规划应考虑的因素为经济性、环保性和可靠性，将可靠性和环保性转化为经济性指标进行加权求和作为规划目标；步骤三，采用粒子群算法对模型进行求解，得到最优规划方案。
但是该方案适用于传统的火力发电，随着新能源的发展，光伏发电逐渐代替部分的传统发电，光伏发电更加节能，更加环保，且光伏发电出力的影响因素众多，与火力发电不同。目前没有精准、全面地对分布式光伏接入的规划方法。
发明内容
本发明主要解决现有技术分布式电源接入规划方法适用于火力发电，缺少对分布式光伏接入的精准、全面的规划方法的问题；提供一种分布式光伏的接入规划方法，从电网建设、基于环境因素的供电可靠性和网损等因素考虑对分布式光伏的建设成本，建立分布式光伏选址定容经济性模型，利用粒子群算法求取最优规划。
本发明的上述技术问题主要是通过下述技术方案得以解决的：
本发明包括以下步骤：
S1：导入分布式光伏建立地区的历史光照以及各台区负荷需求；
S2：根据历史光照以及负荷需求建立分布式光伏选址定容经济性模型；所述分布式光伏选址定容经济性模型包括分布式光伏渗透率的影响因素及影响因素对应的成本效益项；光伏渗透率影响因素包括电网建设、网损和供电可靠性；
S3：通过改进的粒子群算法，利用十进制编码进行高维运算，求取最优规划。
本方案根据分布式光伏的特点，结合历史光照和台区负荷需求建立分布式光伏选址定容经济性模型，有针对性，更加全面、精准地获得分布式光伏接入的最优方法。求解时，采用十进制编码的离散粒子群算法，更加适合具有多维度的分布式光伏计算。
作为优选，所述的影响因素还包括环境因素；电网建设对应的成本效益项为投资成本；网损对应的成本效益项为网损费用；供电可靠性对应的成本效益项包括设备故障缺电成本和光伏出力不足缺电成本；环境因素对应的成本效益项为光伏转换收益。不同的影响因素对应不安的成本收益项，计算项目考虑全面，且考虑到了环境因素，尤其是光照因素对光伏出力的影响大，使得计算更加有针对性。
作为优选，所述的电网建设对应的投资成本包括固定部分和可变部分，投资效益由以下公式表示：
Figure BDA0002924196290000021
其中，cost(1)为分布式光伏年投资成本；a1为固定成本系数；n为分布式光伏数目；a2为可变成本系数；m为分布式光伏容量；
Figure BDA0002924196290000022
为资金的初值转等年金系数；
Figure BDA0002924196290000023
其中，
Figure BDA0002924196290000024
为利率；Y为分布式光伏的设计运行寿命，单位为年。
具体计算分布式光伏建设的投资成本，属于成本项目。
作为优选，所述的网损对应的网损费用如下式所示：
Figure BDA0002924196290000025
其中，cost(2)为网损费用；i为线路编号；Ni为线路总数；Ii为线路i的电流；li为线路的长度；r为线路电阻率；T为总时间；c为电价。
计算网损的费用，计算不同线路长度造成的不同成本。
作为优选，所述的供电可靠性对应的设备故障缺电成本由下式表示：
Figure BDA0002924196290000031
其中，cost(3)为设备故障缺电成本；λ为线路停电率；t为线路停电时间；i为线路编号；Ni为线路总数；li为线路的长度；ΔPj为第i条线路的故障停运所形成的孤岛或弱联系区域j的电能不足功率；T为总时间；c为电价；
Figure BDA0002924196290000032
其中，
Figure BDA0002924196290000033
为孤岛区域j中普通电源的最大出力；
Figure BDA0002924196290000034
为孤岛区域j中分布式光伏的最大出力；
Qj为孤岛区域j中的负荷。
计算设备故障断电时的缺电成本。
作为优选，所述供电可靠性对应的光伏出力不足缺电成本由下式表示：
Figure BDA0002924196290000035
其中，c1为煤价；p1为发电煤耗；μ为污染气体惩罚金额；ψ污染气体排放量；Pload为负荷所需电能；PPV为光伏出力，t为计算时间。
由于天气因素等原因，当光伏出力不足以满足负荷需求时，利用原有的火电进行供电，计算此种情况时火电所需的成本，作为计算的考虑因素，综合考虑多电网协作。
作为优选，所述的环境因素对应的光伏转换收益如下式所示：
Figure BDA0002924196290000036
其中，gain为一年的光伏转换收益；c为电价；β为光照强度；θ为光照强度阈值；ε为光电转换率；td1为一天中符合β≥θ条件的起始时间，td2为一天中符合β≥θ条件的终止时间；D为计算年的总天数。
计算光伏转换收益，与成本相减后求解最大收益。
作为优选，所述分布式光伏选址定容经济性模型为：
Figure BDA0002924196290000037
S.T.h(u，x)＝0
Figure BDA0002924196290000041
Figure BDA0002924196290000042
其中，决策变量x为各节点分布式光伏的离散序列；u为潮流状态；e为成本收益项的编号；h(u，x)＝0为潮流方程；
Figure BDA0002924196290000043
为潮流约束；
Figure BDA0002924196290000044
为决策变量x的固有约束。
以最大的经济效益为目标进行计算。
作为优选，所述的步骤S3包括以下步骤：
S31：形成初始种群，k＝0；
S32：判断算法是否达到终止条件，终止条件为结果收敛或达到设定的迭代次数；若是，则输出算法结果；若否，则进入下步骤S33；
S33：进行变量解码，根据适应度函数计算个体适应度，产生下一代粒子；
S34：粒子经过变异策略后迭代，k＝k+1；返回步骤S32。
采用改进的粒子群算法，求解时，采用十进制编码的离散粒子群算法，更加适合具有多维度的分布式光伏计算。
作为优选，所述的适应度函数如下：
Figure BDA0002924196290000045
其中，Ce为潮流约束惩罚项，当不满足潮流约束时，Ce＝105；否则Ce＝0。
通过惩罚项能够将不满足潮流约束的解在进化过程中淘汰掉。
本发明的有益效果是：
1.根据分布式光伏的特点，结合历史光照和台区负荷需求建立分布式光伏选址定容经济性模型，有针对性，更加全面、精准地获得分布式光伏接入的最优方法。
2.求解时，采用十进制编码的离散粒子群算法，更加适合具有多维度的分布式光伏计算。
3.由于天气因素等原因，当光伏出力不足以满足负荷需求时，利用原有的火电进行供电，计算此种情况时火电所需的成本，作为计算的考虑因素，综合考虑多电网协作。
附图说明
图1是本发明的一种分布式光伏接入方法的流程图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
本实施例的一种分布式光伏的接入规划方法，如图1所示，包括以下步骤：
S1：导入分布式光伏建立地区的历史光照以及各台区负荷需求。
导入历史光照，用于分析该地区不同季节、不同时间段的光照强度变化，用于作为计算年光伏转换效益的依据。
导入各台区的负荷需求，用于比较在同一时刻光伏出力与对应的光伏需求，光伏出力小于负荷需求，则需要用其他形式的电网，例如风电、传统的火力发电等形式来补足负荷需求或进行负荷调控。
S2：根据历史光照以及负荷需求建立分布式光伏选址定容经济性模型。
分布式光伏选址定容经济性模型包括分布式光伏渗透率的影响因素及影响因素对应的成本效益项。
光伏渗透率影响因素包括电网建设、网损、供电可靠性和环境因素。电网建设对应的成本效益项为投资成本；网损对应的成本效益项为网损费用；供电可靠性对应的成本效益项包括设备故障缺电成本和光伏出力不足缺电成本；环境因素对应的成本效益项为光伏转换收益。
电网建设对应的投资成本包括固定部分和可变部分，投资效益由以下公式表示：
Figure BDA0002924196290000051
其中，cost(1)为分布式光伏年投资成本；a1为固定成本系数；n为分布式光伏数目；a2为可变成本系数；m为分布式光伏容量；
Figure BDA0002924196290000052
为资金的初值转等年金系数。
Figure BDA0002924196290000053
其中，
Figure BDA0002924196290000054
为利率；Y为分布式光伏的设计运行寿命，单位为年。
网损对应的网损费用如下式所示：
Figure BDA0002924196290000055
其中，cost(2)为网损费用；i为线路编号；Ni为线路总数；Ii为线路i的电流；li为线路的长度；r为线路电阻率；T为总时间；c为电价。
供电可靠性对应的设备故障缺电成本由下式表示：
Figure BDA0002924196290000056
其中，cost(3)为设备故障缺电成本；λ为线路停电率；t为线路停电时间；i为线路编号；Ni为线路总数；li为线路的长度；ΔPj为第i条线路的故障停运所形成的孤岛或弱联系区域j的电能不足功率；T为总时间；c为电价。
Figure BDA0002924196290000061
其中，
Figure BDA0002924196290000062
为孤岛区域j中普通电源的最大出力；
Figure BDA0002924196290000063
为孤岛区域j中分布式光伏的最大出力；Qj为孤岛区域j中的负荷。
供电可靠性对应的光伏出力不足缺电成本由下式表示：
Figure BDA0002924196290000064
其中，c1为煤价；p1为发电煤耗；μ为污染气体惩罚金额；ψ污染气体排放量；Pload为负荷所需电能；PPV为光伏出力；t为计算时间。
环境因素对应的光伏转换收益如下式所示：
Figure BDA0002924196290000065
其中，gain为一年的光伏转换收益；c为电价；β为光照强度；θ为光照强度阈值；ε为光电转换率；td1为一天中符合β≥θ条件的起始时间，td2为一天中符合β≥θ条件的终止时间；D为计算年的总天数。
分布式光伏的整体数学模型如下：
Figure BDA0002924196290000066
S.T.h(u，x)＝0
Figure BDA0002924196290000067
Figure BDA0002924196290000068
其中，决策变量x为各节点分布式光伏的离散序列；u为潮流状态；e为成本收益项的编号；h(u，x)＝0为潮流方程；
Figure BDA0002924196290000069
为潮流约束；
Figure BDA00029241962900000610
为决策变量x的固有约束。
S3：通过改进的粒子群算法，利用十进制编码进行高维运算，求取最优规划。
采用十进制编码，单位容量为P。每个节点分配一位，0表示该节点不接入分布式光伏，n表示该节点接入容量为nP的分布式光伏。
S31：形成初始种群，k＝0；
S32：判断算法是否达到终止条件，终止条件为结果收敛或达到设定的迭代次数；若是，则输出算法结果；若否，则进入下步骤S33；
S33：进行变量解码，根据适应度函数计算个体适应度，产生下一代粒子。
Figure BDA0002924196290000071
其中，Ce为潮流约束惩罚项，当不满足潮流约束时，Ce＝105；否则Ce＝0。
粒子群算法中粒子易趋向一致。为克服这一缺点，采用基于粒子浓度的选择淘汰机制，将粒子i和j的欧几里德距离作为i和j的相似度Si，j。
Figure BDA0002924196290000072
根据粒子的相似度，将粒子i的浓度Pi定义为：
Figure BDA0002924196290000073
其中，J为粒子的个数；M为粒子的维度。计算出每个粒子的浓度后，将粒子按照浓度排序，随机淘汰浓度大的S个粒子，然后随机产生S个粒子来代替被淘汰的粒子，基于粒子相似度的选择淘汰机制保证了群体的多样性。
S34：粒子经过变异策略后迭代，k＝k+1；返回步骤S32。
每次迭代在群体中选择若干变异粒子，变异粒子数目由变异率决定。其中全局最优粒子每次都被选择。
本实施例的分布式光伏的接入规划方法根据分布式光伏的特点，结合历史光照和台区负荷需求建立分布式光伏选址定容经济性模型，有针对性，更加全面、精准地获得分布式光伏接入的最优方法。求解时，采用十进制编码的离散粒子群算法，更加适合具有多维度的分布式光伏计算。
应理解，实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (10)

1.一种分布式光伏的接入规划方法，其特征在于，包括以下步骤：
S1：导入分布式光伏建立地区的历史光照以及各台区负荷需求；
S2：根据历史光照以及负荷需求建立分布式光伏选址定容经济性模型；所述分布式光伏选址定容经济性模型包括分布式光伏渗透率的影响因素及影响因素对应的成本效益项；光伏渗透率影响因素包括电网建设、网损和供电可靠性；
S3：通过改进的粒子群算法，利用十进制编码进行高维运算，求取最优规划。
2.根据权利要求1所述的一种分布式光伏的接入规划方法，其特征在于，所述的影响因素还包括环境因素；电网建设对应的成本效益项为投资成本；网损对应的成本效益项为网损费用；供电可靠性对应的成本效益项包括设备故障缺电成本和光伏出力不足缺电成本；环境因素对应的成本效益项为光伏转换收益。
3.根据权利要1或2所述的一种分布式光伏的接入规划方法，其特征在于，所述的电网建设对应的投资成本包括固定部分和可变部分，投资效益由以下公式表示：
Figure FDA0002924196280000011
其中，cost(1)为分布式光伏年投资成本；a1为固定成本系数；n为分布式光伏数目；a2为可变成本系数；m为分布式光伏容量；
Figure FDA0002924196280000012
为资金的初值转等年金系数；
Figure FDA0002924196280000013
其中，
Figure FDA0002924196280000014
为利率；Y为分布式光伏的设计运行寿命，单位为年。
4.根据权利要求1或2所述的一种分布式光伏的接入规划方法，其特征在于，所述的网损对应的网损费用如下式所示：
Figure FDA0002924196280000015
其中，cost(2)为网损费用；i为线路编号；Ni为线路总数；Ii为线路i的电流；li为线路的长度；r为线路电阻率；T为总时间；c为电价。
5.根据权利要求1或2所述的一种分布式光伏的接入规划方法，其特征在于，所述的供电可靠性对应的设备故障缺电成本由下式表示：
Figure FDA0002924196280000021
其中，cost(3)为设备故障缺电成本；λ为线路停电率；t为线路停电时间；i为线路编号；Ni为线路总数；li为线路的长度；ΔPj为第i条线路的故障停运所形成的孤岛或弱联系区域j的电能不足功率；T为总时间；c为电价；
Figure FDA0002924196280000022
其中，
Figure FDA0002924196280000023
为孤岛区域j中普通电源的最大出力；
Figure FDA0002924196280000024
为孤岛区域j中分布式光伏的最大出力；Qj为孤岛区域j中的负荷。
6.根据权利要求1或2所述的一种分布式光伏的接入规划方法，其特征在于，所述供电可靠性对应的光伏出力不足缺电成本由下式表示：
Figure FDA0002924196280000025
其中，c1为煤价；p1为发电煤耗；μ为污染气体惩罚金额；ψ污染气体排放量；Pload为负荷所需电能；PPV为光伏出力，t为计算时间。
7.根据权利要求2所述的一种分布式光伏的接入规划方法，其特征在于，所述的环境因素对应的光伏转换收益如下式所示：
Figure FDA0002924196280000026
其中，gain为一年的光伏转换收益；c为电价；β为光照强度；θ为光照强度阈值；ε为光电转换率；td1为一天中符合β≥θ条件的起始时间，td2为一天中符合β≥θ条件的终止时间；D为计算年的总天数。
8.根据权利要求1所述的一种分布式光伏的接入规划方法，其特征在于，所述分布式光伏选址定容经济性模型为：
Figure FDA0002924196280000031
S.T.h(u，x)＝0
Figure FDA0002924196280000032
Figure FDA0002924196280000033
其中，决策变量x为各节点分布式光伏的离散序列；u为潮流状态；e为成本收益项的编号；h(u，x)＝0为潮流方程；
Figure FDA0002924196280000034
为潮流约束；
Figure FDA0002924196280000035
为决策变量x的固有约束。
9.根据权利要求8所述的一种分布式光伏的接入规划方法，其特征在于，所述的步骤S3包括以下步骤：
S31：形成初始种群，k＝0；
S32：判断算法是否达到终止条件，终止条件为结果收敛或达到设定的迭代次数；若是，则输出算法结果；若否，则进入下步骤S33；
S33：进行变量解码，根据适应度函数计算个体适应度，产生下一代粒子；
S34：粒子经过变异策略后迭代，k＝k+1；返回步骤S32。
10.根据权利要求9所述的一种分布式光伏的接入规划方法，其特征在于，所述的适应度函数如下：
Figure FDA0002924196280000041
其中，Ce为潮流约束惩罚项，当不满足潮流约束时，Ce＝105；否则Ce＝0。
CN202110133743.6A 2021-01-29 2021-01-29 一种分布式光伏的接入规划方法 Pending CN112784383A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110133743.6A CN112784383A (zh) 2021-01-29 2021-01-29 一种分布式光伏的接入规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110133743.6A CN112784383A (zh) 2021-01-29 2021-01-29 一种分布式光伏的接入规划方法

Publications (1)

Publication Number Publication Date
CN112784383A true CN112784383A (zh) 2021-05-11

Family

ID=75760175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110133743.6A Pending CN112784383A (zh) 2021-01-29 2021-01-29 一种分布式光伏的接入规划方法

Country Status (1)

Country Link
CN (1) CN112784383A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105140958A (zh) * 2015-08-24 2015-12-09 山东理工大学 含光伏电源的配电网规划方法
CN106451529A (zh) * 2016-08-09 2017-02-22 国网浙江省电力公司湖州供电公司 分布式电源和电容器容量的规划方法
CN107688879A (zh) * 2017-10-20 2018-02-13 云南电网有限责任公司 一种考虑源荷匹配度的主动配电网分布式电源规划方法
CN109325608A (zh) * 2018-06-01 2019-02-12 国网上海市电力公司 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN109508499A (zh) * 2018-11-15 2019-03-22 国网江苏省电力有限公司经济技术研究院 多时段多场景分布式电源最优接入位置与容量研究方法
CN109980700A (zh) * 2019-04-09 2019-07-05 广东电网有限责任公司 一种分布式电源多目标优化规划方法、装置和设备
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN111144655A (zh) * 2019-12-27 2020-05-12 国网河北省电力有限公司经济技术研究院 一种分布式电源选址定容与配电网网架联合优化方法
CN111738519A (zh) * 2020-06-24 2020-10-02 广东电网有限责任公司 一种配电网规划方法、系统及设备
CN112131733A (zh) * 2020-09-15 2020-12-25 燕山大学 计及电动汽车充电负荷影响的分布式电源规划方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105140958A (zh) * 2015-08-24 2015-12-09 山东理工大学 含光伏电源的配电网规划方法
CN106451529A (zh) * 2016-08-09 2017-02-22 国网浙江省电力公司湖州供电公司 分布式电源和电容器容量的规划方法
CN107688879A (zh) * 2017-10-20 2018-02-13 云南电网有限责任公司 一种考虑源荷匹配度的主动配电网分布式电源规划方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN109325608A (zh) * 2018-06-01 2019-02-12 国网上海市电力公司 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN109508499A (zh) * 2018-11-15 2019-03-22 国网江苏省电力有限公司经济技术研究院 多时段多场景分布式电源最优接入位置与容量研究方法
CN109980700A (zh) * 2019-04-09 2019-07-05 广东电网有限责任公司 一种分布式电源多目标优化规划方法、装置和设备
CN111144655A (zh) * 2019-12-27 2020-05-12 国网河北省电力有限公司经济技术研究院 一种分布式电源选址定容与配电网网架联合优化方法
CN111738519A (zh) * 2020-06-24 2020-10-02 广东电网有限责任公司 一种配电网规划方法、系统及设备
CN112131733A (zh) * 2020-09-15 2020-12-25 燕山大学 计及电动汽车充电负荷影响的分布式电源规划方法

Similar Documents

Publication Publication Date Title
CN106385025B (zh) 一种分布式电源与联络线多阶段协同规划方法
CN111030188A (zh) 一种含分布式和储能的分层分级控制策略
CN114243694B (zh) 考虑阶梯碳交易和需求响应的并网型微电网优化配置方法
CN113850474B (zh) 一种热电氢多能流综合能源系统及其优化调度方法
Zhou et al. A novel multi-objective scheduling model for grid-connected hydro-wind-PV-battery complementary system under extreme weather: A case study of Sichuan, China
CN110994606B (zh) 一种基于复杂适应系统理论的多能源电源容量配置方法
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
Suo et al. New energy wide area complementary planning method for multi-energy power system
CN114069687B (zh) 一种计及逆变器无功调节作用的分布式光伏规划方法
CN115017854A (zh) 一种基于多维评估指标体系的配电网dg最大准入容量计算方法
Shi et al. Comparison study of two meta-heuristic algorithms with their applications to distributed generation planning
CN105552896B (zh) 一种基于分布式光伏发电的配电网高峰负荷控制方法
CN113937825A (zh) 一种基于E-C-Kmeans聚类和SOP优化的DG双层优化配置方法
CN116191493A (zh) 一种火电机组深度调峰和复合储能协同规划方法与装置
CN111626558B (zh) 基于情景分析的综合能源系统模型比较方法和优化系统
CN105552941B (zh) 一种分布式电源调峰容量优化方法
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN114243766B (zh) 一种区域多能源系统优化配置方法及系统
CN110334856A (zh) 一种基于碳交易机制的风光储容量规划方法
Zhao et al. Research on Multiobjective Optimal Operation Strategy for Wind‐Photovoltaic‐Hydro Complementary Power System
CN112784383A (zh) 一种分布式光伏的接入规划方法
CN115411719A (zh) 一种基于源荷不确定性和电压稳定性的分布式电源规划方法
CN114204551A (zh) 一种含光伏热泵的多能互补型微电网多元化优化运行方法、设备
CN108270237B (zh) 基于分布式光伏电源的并网控制以及调度的方法
CN115374999B (zh) 一种适用制氢设备启停特性的水电制氢优化配置方法

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