CN112910001B - 多电压等级交直流混合系统三阶段优化配置方法及系统 - Google Patents
多电压等级交直流混合系统三阶段优化配置方法及系统 Download PDFInfo
- Publication number
- CN112910001B CN112910001B CN202110205144.0A CN202110205144A CN112910001B CN 112910001 B CN112910001 B CN 112910001B CN 202110205144 A CN202110205144 A CN 202110205144A CN 112910001 B CN112910001 B CN 112910001B
- Authority
- CN
- China
- Prior art keywords
- hybrid system
- power
- grid
- stage
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种多电压等级交直流混合系统三阶段优化配置方法,包括:第一阶段在可选的电网接入点,以交直流混合系统经济性指标为优化目标,基于蒙特卡洛法和k-means方法构造的可再生能源和负荷基本场景,同时优化交直流混合系统并网点功率因数、电力电子变压器、可再生能源发电和储能容量;第二阶段考虑储能充放电深度、放电功率与储能寿命的关系,进一步对各母线储能容量、储能充放电判断参数、最大放电功率和充放电深度进行优化;第三阶段以交直流混合系统并网后所属配网电压裕度和网损建立并网优劣函数,采用基本场景计算,得到交直流混合系统优化配置方案及接入点。本发明能够实现交直流混合系统内容量配置、并网接入和运行策略的协同优化。
Description
技术领域
本发明涉及分布式可再生能源发电技术领域,特别是涉及一种多电压等级交直流混合系统三阶段优化配置方法、系统、计算机终端设备和计算机可读存储介质。
背景技术
微电网是一种小型电力系统,由分布式电源、负载、储能和控制单元组成。相比于交流微电网和直流微电网,交直流微电网可以最大程度减少交流、直流网络和设备之间的电力转换损耗,有利于间歇性分布式能源接入微电网系统。交直流混合微电网采用多端口电力电子变压器进行组网,是近年来发展起来的新型灵活配用电系统。电力电子变压器在交直流微网中,发挥着重要作用,例如无功补偿、调压、电源电压下垂控制等。如何对该类多电压等级的交直流混合系统进行经济、可靠、安全的配置成为微电网系统规划人员需要解决的重要问题。
多电压等级交直流混合系统优化配置有必要考虑所有重要的技术和物理约束。随着分布式能源渗透率增加和电力系统惯性降低,电力系统电压会发生波动。目前,对分布式发电微电网系统的最优配置问题通常只考虑了经济性、可靠性、环保性等指标,安全性常被忽视。但是,不合理的优化配置方案可能引起线路过载、节点电压越限等问题,对电力系统的安全稳定运行造成危害。
发明内容
本发明的目的是:提供一种多电压等级交直流混合系统三阶段优化配置方法,本发明将交直流混合系统的优化配置方法分为三个阶段进行优化,从而对优化配置模型进行降维,降低计算复杂度,实现交直流混合系统内容量配置、并网接入和运行策略的协同优化。
为了实现上述目的,本发明提供了一种多电压等级交直流混合系统三阶段优化配置方法,包括:获取交直流混合系统所属配网的拓扑结构和网络参数,并根据所述拓扑结构和网络参数,建立交直流混合系统的运行模型;
根据所述交直流混合系统的运行模型和经济性指标,建立目标函数,并为所述目标函数设置配网电压偏差约束条件和运行约束条件;
通过蒙特卡洛法生成可再生能源和负荷的随机时间序列,提取所述随机时间序列的特征参数,并以所述可再生能源和负荷随机时间序列的特征参数建立聚类样本,采用k-means方法对聚类样本进行聚类,得到基本场景;
根据所述目标函数和所述基本场景,对所述交直流混合系统的并网点功率因数、电力电子变压器容量、不同电压等级母线上的可再生能源发电容量和储能容量进行优化,获得第一阶段优化配置方案;
根据储能充放电深度、放电功率与储能寿命的关系、多储能系统协同运行充放电策略,对所述第一阶段优化配置方案的储能配置和运行约束条件进行优化,获得第二阶段优化配置方案;
对所述第一阶段优化配置方案建立配网总电压裕度和网损计算模型,并通过设置目标权值建立并网优劣函数;
根据所述并网优劣函数,对所述第二阶段优化配置方案的接入点进行求解,获得第二阶段优化配置方案中的每个接入点的并网优劣值;
对所述并网优劣值进行排序,并将所述并网优劣值最小的接入点的配置方案作为最优配置方案。
进一步地,所述获取交直流混合系统所属配网的拓扑结构和网络参数,根据所述拓扑结构和网络参数,建立交直流混合系统的运行模型,具体为:
获取交直流混合系统所属配网的拓扑结构和网络参数,并根据所述拓扑结构和网络参数,建立交直流混合系统的运行模型;其中,所述交直流混合系统运行模型的输入为各母线可再生能源发电功率、负荷、电价和储能度电成本;输出为各母线储能功率、电力电子变压器各端口有功和无功功率。
进一步地,所述网络参数包括:线路阻抗、节点类型和节点负荷情况。
进一步地,所述经济性指标包括:投资成本、运维成本、购电成本、置换成本、售电收益、碳补贴收益和设备残值。
进一步地,所述根据储能充放电深度、放电功率与储能寿命的关系、多储能系统协同运行充放电策略,对所述第一阶段优化配置方案的储能配置和运行约束条件进行优化,获得第二阶段优化配置方案,具体为:
根据储能最大放电功率、充放电深度与寿命的函数关系,获取储能充放电循环次数;
将每个母线可再生能源发电功率、负荷、电价、储能度电成本,根据电价、各母线功率平衡、储能充放电判断参数和电力电子变压器容量,输入到所述交直流混合系统运行模型,获得所述交直流混合系统的每个母线储能充放电功率和电力电子变压器并网端口功率。
进一步地,所述对所述第一阶段优化配置方案建立配网总电压裕度和网损计算模型,并通过设置目标权值建立并网优劣函数,具体为:
对所述第一阶段优化配置方案建立配网总电压裕度和网损计算模型,并通过对配网总电压裕度和网损赋予不同的权值后求和,建立优化配置方案并网优劣函数。
进一步地,所述根据所述并网优劣函数,对所述第二阶段优化配置方案的接入点进行求解,获得第二阶段优化配置方案中的每个接入点的并网优劣值,具体为:
将所述第二阶段优化配置方案作为候选解,基于所述基本场景计算候选解在各个接入点的并网优劣值。
本发明实施例还提供一种多电压等级交直流混合系统三阶段优化配置系统,包括:第一阶段优化模块、第二阶段优化模块和第三阶段优化模块,其中,
所述第一阶段优化模块,用于获取交直流混合系统所属配网的拓扑结构和网络参数,并根据所述拓扑结构和网络参数,建立交直流混合系统的运行模型;根据所述交直流混合系统的运行模型和经济性指标,建立目标函数,并为所述目标函数设置配网电压偏差约束条件和运行约束条件;通过蒙特卡洛法生成可再生能源和负荷的随机时间序列,提取所述随机时间序列的特征参数,并以所述可再生能源和负荷随机时间序列的特征参数建立聚类样本,采用k-means方法对聚类样本进行聚类,得到基本场景;根据所述目标函数和所述基本场景,对所述交直流混合系统的并网点功率因数、电力电子变压器容量、不同电压等级母线上的可再生能源发电容量和储能容量进行优化,获得第一阶段优化配置方案;
所述第二阶段优化模块,用于根据储能充放电深度、放电功率与储能寿命的关系、多储能系统协同运行充放电策略,对所述第一阶段优化配置方案的储能配置和运行约束条件进行优化,获得第二阶段优化配置方案;
所述第三阶段优化模块,用于对所述第一阶段优化配置方案建立配网总电压裕度和网损计算模型,并通过设置目标权值建立并网优劣函数;根据所述并网优劣函数,对所述第二阶段优化配置方案的接入点进行求解,获得第二阶段优化配置方案中的每个接入点的并网优劣值;对所述并网优劣值进行排序,并将所述并网优劣值最小的接入点的配置方案作为最优配置方案。
本发明实施例还提供一种计算机终端设备,包括:一个或多个处理器;存储器,与所述处理器耦接,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述任一项所述的多电压等级交直流混合系统三阶段优化配置方法。
本发明实施例还提供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如上述任一项所述的多电压等级交直流混合系统三阶段优化配置方法。
本发明实施例一种多电压等级交直流混合系统三阶段优化配置方法及系统与现有技术相比,其有益效果在于:
1、本发明在多电压等级交直流混合系统的优化配置过程中考虑微网系统接入配网的电压安全约束,在保证并网安全性的前提下提高微网系统配置的经济性。
2、本发明通过蒙特卡洛法和k-means方法构造可再生能源和负荷的基本场景,既考虑了随机因素的影响,又减少了计算量,实现了配置方案的期望优化。
3、本发明建立了多储能系统协同运行充放电策略,考虑各母线上储能互济,减少交直流混合系统储能配置总量,可以指定系统后续运行时储能的使用量,提高规划和运行的经济性。
4、本发明将交直流混合系统的优化配置方法分为三个阶段进行优化,从而对优化配置模型进行降维,降低计算复杂度,实现混合系统内容量配置(可再生能源发电、储能、电力电子变压器)、并网接入(并网接入点、功率因数)和运行策略(电力电子变压器无功补偿、多储能协同运行、储能最大放电功率、充放电深度、充放电判断)的协同优化。
附图说明
图1是本发明某一实施例提供的一种多电压等级交直流混合系统三阶段优化配置方法的流程示意图;
图2是本发明某一实施例提供的多电压等级交直流混合并网系统结构示意图;
图3为本发明某一实施例提供的一种多电压等级交直流混合系统三阶段优化配置系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
应当理解,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
本发明第一实施例:
如图1所示,本发明实施例优选实施例的一种多电压等级交直流混合系统三阶段优化配置方法,至少包括如下步骤:
S101、获取交直流混合系统所属配网的拓扑结构和网络参数,并根据所述拓扑结构和网络参数,建立交直流混合系统的运行模型;
具体地,获取交直流混合系统所属配网的拓扑结构和网络参数,并根据所述拓扑结构和网络参数,建立交直流混合系统的运行模型;其中,所述交直流混合系统运行模型的输入为各母线可再生能源发电功率、负荷、电价和储能度电成本;输出为各母线储能功率、电力电子变压器各端口有功和无功功率。
需要说明的是,所述网络参数包括:线路阻抗、节点类型和节点负荷情况。
S102、根据所述交直流混合系统的运行模型和经济性指标,建立目标函数,并为所述目标函数设置配网电压偏差约束条件和运行约束条件;
需要说明的是,所述经济性指标包括:所述经济性指标包括:投资成本、运维成本、购电成本、置换成本、售电收益、碳补贴收益和设备残值。
S103、通过蒙特卡洛法生成可再生能源和负荷的随机时间序列,提取所述随机时间序列的特征参数,并以所述可再生能源和负荷随机时间序列的特征参数建立聚类样本,采用k-means方法对聚类样本进行聚类,得到基本场景;
具体地,通过蒙特卡洛法生成可再生能源和负荷的随机时间序列,提取所述随机时间序列的特征参数,并以所述可再生能源和负荷随机时间序列的特征参数建立聚类样本,采用k-means方法对聚类样本进行聚类,得到基本场景;
S104、根据所述目标函数和所述基本场景,对所述交直流混合系统的并网点功率因数、电力电子变压器容量、不同电压等级母线上的可再生能源发电容量和储能容量进行优化,获得第一阶段优化配置方案;
具体地,通过蒙特卡洛法和k-means方法构造可再生能源和负荷基本场景,通过基本场景计算,同时优化交直流混合系统并网点功率因数、电力电子变压器容量以及不同电压等级母线上的可再生能源发电容量和储能容量;
S105、根据储能充放电深度、放电功率与储能寿命的关系、多储能系统协同运行充放电策略,对所述第一阶段优化配置方案的储能配置和运行约束条件进行优化,获得第二阶段优化配置方案;
具体地,根据储能最大放电功率、充放电深度与寿命的函数关系,获取储能充放电循环次数;
将每个母线可再生能源发电功率、负荷、电价、储能度电成本,根据电价、各母线功率平衡、储能充放电判断参数和电力电子变压器容量,输入到所述交直流混合系统运行模型,获得所述交直流混合系统的每个母线储能充放电功率和电力电子变压器并网端口功率。
S106、对所述第一阶段优化配置方案建立配网总电压裕度和网损计算模型,并通过设置目标权值建立并网优劣函数;
具体地,对所述第一阶段优化配置方案建立配网总电压裕度和网损计算模型,并通过对配网总电压裕度和网损赋予不同的权值后求和,建立优化配置方案并网优劣函数。
S107、根据所述并网优劣函数,对所述第二阶段优化配置方案的接入点进行求解,获得第二阶段优化配置方案中的每个接入点的并网优劣值;
具体地,将所述第二阶段优化配置方案作为候选解,基于所述基本场景计算候选解在各个接入点的并网优劣值。
S108、对所述并网优劣值进行排序,并将所述并网优劣值最小的接入点的配置方案作为最优配置方案。
需要说明的是,并网优劣值越小表示并网后效果越好,将并网优劣值进行排序,选取排序靠前的优化配置方案及其接入点作为可选的优化配置方案,并将所述并网优劣值最小的接入点的配置方案作为最优配置方案。
为了更好的理解本发明,下面结合图2和具体例子对本发明的内容做进一步详细说明。
如图2所示,为交直流混合系统38通过多端口电力电子变压器34端口34A接入配电网39。多端口电力电子变压器34包括端口34A、34B、34C和34D,其中端口34A用于接收来自配电网39的功率,端口34B用于为10kV DC母线35供电或反向送电,端口34C用于为±375V DC母线36供电或反向送电,端口34D用于为380V AC母线37供电或反向送电。配电网39为节点数为33的网络,节点1为平衡节点。交直流混合系统38包括电力电子变压器34、母线35、母线36和母线37。进一步的,交直流混合系统母线35包括直流负荷35A、光伏发电系统35B、风力发电机35C和蓄电池35D,母线36包括直流负荷36A、光伏发电系统36B和蓄电池36C,母线37包括交流负荷37A、光伏发电系统37B、风力发电机37C和蓄电池37D。蓄电池35D、36C和37D用于存储交直流混合系统中过剩的光伏发电和风力发电,或者当电网电价低于某个判断标准时进行充电。当电网电价高于某个判断标准或电网供电不足时,蓄电池放电为交直流混合电网供电。
当上述示例采用本发明方案时,具体如下所述:
1)第一阶段优化交直流混合系统38并网点34A的功率因数、电力电子变压器34端口34A、34B、34C、34D的容量以及母线35、36和37上的可再生能源发电单元35B、35C、36B、37B、37C的容量和储能35D、36C、37D的容量,具体步骤如下。
(1)获取交直流混合系统38所属配网39的拓扑结构及网络参数,网络参数包括线路阻抗、节点类型和节点负荷情况;
(2)获取交直流混合系统38接入电网可选接入点,包括节点5、6、20和25;
(3)获取接入点电价及功率因数调整电费,接入点电价为两部制分时电价,接入点功率因数调整电费采用标准0.9,即当用户功率因数的水平高于0.9时减收电费,低于0.9时增收电费;
(4)建立交直流混合系统38全生命周期净现成本作为经济性优化目标函数,具体包括投资成本、运维成本、购电成本、置换成本、售电收益、碳补贴收益和设备残值;
(5)建立光伏发电35B、36B、37B和风力发电元35C、37C的模型,光伏发电模型的输入为太阳辐照、环境温度、安装容量、并网方式(组串式或集中式),风力发电模型的输入为风速、单机容量、安装数量,两种可再生能源发电模型输出均为发电功率;
(6)建立储能35D、36C、37D的模型,输入为充电/放电功率、容量、荷电状态、最大充放电功率、最小荷电状态和最大充放电循环次数,输出为荷电状态和充放电循环次数;
(7)建立多端口电力电子变压器34的效率模型,输入为端口34B、34B、34D的功率,输出为端口34A的功率;
(8)建立多端口电力电子变压器34的无功补偿模型,无功补偿端口包括34A和34D,最大无功补偿功率为容性和感性最大视在功率;
(9)建立交直流混合系统38运行模型,输入为母线35、36和37上的可再生能源发电单元(35B、35C、36B、37B、37C)功率,负荷(35A、36A、37A)功率、两部制电价、功率因数调整电费、储能度电成本,根据各母线功率平衡、两部制电价和功率因数调整电费情况,输出储能35D、36C、37D的功率、电力电子变压器34端口34A、34B、34C、34D的功率;
(10)建立交直流混合系统38并网后所属配网39各节点电压约束,这里取电压上限为+10%,电压下限为-10%;
(11)建立交直流混合系统38所属配网39潮流计算模型,设定节点1为平衡节点,其他节点为PQ节点,潮流计算模型已知线路阻抗以及各节点接入负荷,由于接入交直流混合系统38导致接入点负荷发生变化,因此先由交直流混合系统38模型得到34A功率情况,更新并网点功率情况后通过前推回代法求解各节点电压幅值和相角;
(12)设定交直流混合系统38中光伏发电35B、36B、37B、风力发电元35C、37C、储能元件35D、36C、37D、电力电子变压器端口34A、34B、34C、34D的成本和寿命,以及储能元件35D、36C、37D的置换成本;
(13)获取交直流混合系统38地理信息,根据地理信息建立太阳辐射的Beta分布函数和风速的Weibull分布函数;
(14)获取负荷35A、36A、37A的类型和运行特性及历史数据信息,负荷35A为工业设备老化测试设备,负荷36A为机柜负载、直流空调和直流充电桩,负荷37A为功率因数不为1的动力负载。其中直流充电桩为新建负荷,无历史数据信息。既有负荷通过统计历史数据建立随机分布函数,新建负荷通过分析负荷特性建立随机分布函数;
(15)通过蒙特卡洛法生成太阳辐射、风速和负荷35A、36A、37A的随机时间序列1000个,即形成1000个随机场景;
(16)提取随机时间序列特征参数,特征参数包括太阳辐射总量、太阳辐射方差、太阳辐射绝对差分均值、风速均值、有效风能密度、风速绝对差分均值、负荷均值、负荷方差、负荷绝对差分均值,进一步以可再生能源和负荷随机时间序列的特征参数建立聚类样本;
(17)采用k-means方法对聚类样本进行聚类,给定聚类数目为1,得到基本场景;
(18)设定决策变量为交直流混合系统38并网点34A功率因数、多端口电力电子变压器端口34A、34B、34C、34D安装容量、光伏发电单元35B、36B、37B装机容量、风力发电元35C、37C安装类型和数量、储能元件35D、36C、37D安装容量,基于步骤(1)~(17)形成交直流混合系统38的优化配置模型,采用启发式算法进行求解。
2)第二阶段对储能35D、36C、37D的容量配置及运行进一步优化。基于第一阶段优化配置模型进行修改,得到第二阶段优化配置模型,采用启发式算法求解第二阶段接入点5、6、20和25的优化配置方案。
基于第一阶段优化配置模型修改如下。
(1)建立储能35D、36C、37D最大放电功率、充放电深度与寿命的函数关系,输入储能最大放电功率和充放电深度,输出储能充放电循环次数;
(2)设定储能35D、36C、37D充电判断参数A和放电判断参数B,为待优化参数,其中充电判断参数A和放电判断参数B在可再生能源发电少于负荷时生效,当可再生能源发电多于负荷时直接触发储能充电,当电网供电不足时直接触发储能放电;
(3)建立交直流混合系统38的运行模型,输入为母线35、36和37上的可再生能源发电单元35B、35C、36B、37B、37C的发电功率、负荷35A、36A、37A的功率、两部制电价、功率因数调整电费、储能35D、36C、37D的度电成本,根据两部制电价和功率因数调整电费的综合电价、母线35、36和37的功率平衡、储能35D、36C、37D充放电判断参数A和B、电力电子变压器34各个端口容量,输出系统储能总充放电功率C,进一步考虑母线35、36和37上储能35D、36C、37D的互济,输出优化后的储能35D、36C、37D的充放电功率和电力电子变压器并网端口34A功率,使得储能总充放电功率达到C且减少功率在交直流混合系统38内的传输和弃电;
(4)将第一阶段所得优化配置方案中的母线35、36和37上可再生能源发电单元35B、35C、36B、37B、37C的容量配置、电力电子变压器34端口34A、34B、34C、34D的容量配置和并网点34A功率因数作为第二阶段模型的常量;
(5)将母线35、36和37上储能35D、36C、37D的容量、储能充电判断参数A、储能放电判断参数B、最大放电功率和充放电深度作为第二阶段优化配置模型的决策变量;
(6)删除第一阶段优化配置模型中步骤(10)配网各节点电压约束和步骤(11)潮流计算模型。
3)第三阶段对交直流混合系统38并网接入点5、6、20和25及配置方案进行优化,在第一阶段优化配置模型的基础上进行模型修改,具体如下。
(1)在第一阶段优化配置模型步骤(11)里增加配网39总电压裕度和网损计算模型,其中配网39总电压裕度为配网39各节点距离电压偏差约束的裕度绝对值的总和,配网39网损为优化配置1年仿真周期内的功率传输的损耗总和;
(2)分别赋予配网39总电压裕度和网损权值D和E后求和,建立优化配置方案并网优劣函数,其中D为负数、E为正数,并网优劣值越小表示并网后效果越好;
(3)将第二阶段所得优化配置方案作为候选解,基于基本场景计算候选解在各个接入点5、6、20和25的并网优劣值;
(4)对并网优劣值进行按从小到大的顺序进行排序,选取排序靠前的优化配置方案及其对应的接入点作为可选的优化配置方案。
本发明实施例一种多电压等级交直流混合系统三阶段优化配置方法与现有技术相比,其有益效果在于:
1、本发明在多电压等级交直流混合系统的优化配置过程中考虑微网系统接入配网的电压安全约束,在保证并网安全性的前提下提高微网系统配置的经济性。
2、本发明通过蒙特卡洛法和k-means方法构造可再生能源和负荷的基本场景,既考虑了随机因素的影响,又减少了计算量,实现了配置方案的期望优化。
3、本发明建立了多储能系统协同运行充放电策略,考虑各母线上储能互济,减少交直流混合系统储能配置总量,可以指定系统后续运行时储能的使用量,提高规划和运行的经济性。
4、本发明将交直流混合系统的优化配置方法分为三个阶段进行优化,从而对优化配置模型进行降维,降低计算复杂度,实现混合系统内容量配置(可再生能源发电、储能、电力电子变压器)、并网接入(并网接入点、功率因数)和运行策略(电力电子变压器无功补偿、多储能协同运行、储能最大放电功率、充放电深度、充放电判断)的协同优化。
本发明第二实施:
如图3所示,本发明实施例还提供一种多电压等级交直流混合系统三阶段优化配置系统200,包括:第一阶段优化模块201、第二阶段优化模块202和第三阶段优化模块203,其中,
所述第一阶段优化模块201,用于获取交直流混合系统所属配网的拓扑结构和网络参数,并根据所述拓扑结构和网络参数,建立交直流混合系统的运行模型;根据所述交直流混合系统的运行模型和经济性指标,建立目标函数,并为所述目标函数设置配网电压偏差约束条件和运行约束条件;通过蒙特卡洛法生成可再生能源和负荷的随机时间序列,提取所述随机时间序列的特征参数,并以所述可再生能源和负荷随机时间序列的特征参数建立聚类样本,采用k-means方法对聚类样本进行聚类,得到基本场景;根据所述目标函数和所述基本场景,对所述交直流混合系统的并网点功率因数、电力电子变压器容量、不同电压等级母线上的可再生能源发电容量和储能容量进行优化,获得第一阶段优化配置方案;
所述第二阶段优化模块202,用于根据储能充放电深度、放电功率与储能寿命的关系、多储能系统协同运行充放电策略,对所述第一阶段优化配置方案的储能配置和运行约束条件进行优化,获得第二阶段优化配置方案;
所述第三阶段优化模块203,用于对所述第一阶段优化配置方案建立配网总电压裕度和网损计算模型,并通过设置目标权值建立并网优劣函数;根据所述并网优劣函数,对所述第二阶段优化配置方案的接入点进行求解,获得第二阶段优化配置方案中的每个接入点的并网优劣值;对所述并网优劣值进行排序,并将所述并网优劣值最小的接入点的配置方案作为最优配置方案。
本发明第三实施例:
本发明实施例还提供一种计算机终端设备,包括:一个或多个处理器;
存储器,与所述处理器耦接,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述任一项所述的多电压等级交直流混合系统三阶段优化配置方法。
需要说明的是,所述处理器可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,通用处理器可以是微处理器,或者所述处理器也可以是任何常规的处理器,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区,其中,程序存储区可存储操作系统、至少一个功能所需的应用程序等,数据存储区可存储相关数据等。此外,所述存储器可以是高速随机存取存储器,还可以是非易失性存储器,例如插接式硬盘,智能存储卡(SmartMediaCard,SMC)、安全数字(SecureDigital,SD)卡和闪存卡(FlashCard)等,或所述存储器也可以是其他易失性固态存储器件。
需要说明的是,上述终端设备可包括,但不仅限于,处理器、存储器,本领域技术人员可以理解,上述终端设备仅仅是示例,并不构成对终端设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件。
本发明第四实施例:
本发明实施例还提供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如上述任一项所述的多电压等级交直流混合系统三阶段优化配置方法。
需要说明的是,所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序),所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种多电压等级交直流混合系统三阶段优化配置方法,其特征在于,包括:
获取交直流混合系统所属配网的拓扑结构和网络参数,并根据所述拓扑结构和网络参数,建立交直流混合系统的运行模型;
根据所述交直流混合系统的运行模型和经济性指标,建立目标函数,并为所述目标函数设置配网电压偏差约束条件和运行约束条件;
通过蒙特卡洛法生成可再生能源和负荷的随机时间序列,提取所述随机时间序列的特征参数,并以所述可再生能源和负荷随机时间序列的特征参数建立聚类样本,采用k-means方法对聚类样本进行聚类,得到基本场景;
根据所述目标函数和所述基本场景,对所述交直流混合系统的并网点功率因数、电力电子变压器容量、不同电压等级母线上的可再生能源发电容量和储能容量进行优化,获得第一阶段优化配置方案;
根据储能充放电深度、放电功率与储能寿命的关系、多储能系统协同运行充放电策略,对所述第一阶段优化配置方案的储能配置和运行约束条件进行优化,获得第二阶段优化配置方案;
对所述第一阶段优化配置方案建立配网总电压裕度和网损计算模型,并通过设置目标权值建立并网优劣函数;
根据所述并网优劣函数,对所述第二阶段优化配置方案的接入点进行求解,获得第二阶段优化配置方案中的每个接入点的并网优劣值;
对所述并网优劣值进行排序,并将所述并网优劣值最小的接入点的配置方案作为最优配置方案。
2.根据权利要求1所述的多电压等级交直流混合系统三阶段优化配置方法,其特征在于,所述获取交直流混合系统所属配网的拓扑结构和网络参数,根据所述拓扑结构和网络参数,建立交直流混合系统的运行模型,具体为:
获取交直流混合系统所属配网的拓扑结构和网络参数,并根据所述拓扑结构和网络参数,建立交直流混合系统的运行模型;其中,所述交直流混合系统运行模型的输入为各母线可再生能源发电功率、负荷、电价和储能度电成本;输出为各母线储能功率、电力电子变压器各端口有功和无功功率。
3.根据权利要求1所述的多电压等级交直流混合系统三阶段优化配置方法,其特征在于,所述网络参数包括:线路阻抗、节点类型和节点负荷情况。
4.根据权利要求1所述的多电压等级交直流混合系统三阶段优化配置方法,其特征在于,所述经济性指标包括:投资成本、运维成本、购电成本、置换成本、售电收益、碳补贴收益和设备残值。
5.根据权利要求1所述的多电压等级交直流混合系统三阶段优化配置方法,其特征在于,所述根据储能充放电深度、放电功率与储能寿命的关系、多储能系统协同运行充放电策略,对所述第一阶段优化配置方案的储能配置和运行约束条件进行优化,获得第二阶段优化配置方案,具体为:
根据储能最大放电功率、充放电深度与寿命的函数关系,获取储能充放电循环次数;
将每个母线可再生能源发电功率、负荷、电价、储能度电成本,根据电价、各母线功率平衡、储能充放电判断参数和电力电子变压器容量,输入到所述交直流混合系统运行模型,获得所述交直流混合系统的每个母线储能充放电功率和电力电子变压器并网端口功率。
6.根据权利要求1所述的 多电压等级交直流混合系统三阶段优化配置方法,其特征在于,所述对所述第一阶段优化配置方案建立配网总电压裕度和网损计算模型,并通过设置目标权值建立并网优劣函数,具体为:
对所述第一阶段优化配置方案建立配网总电压裕度和网损计算模型,并通过对配网总电压裕度和网损赋予不同的权值后求和,建立优化配置方案并网优劣函数。
7.根据权利要求1所述的 多电压等级交直流混合系统三阶段优化配置方法,其特征在于,所述根据所述并网优劣函数,对所述第二阶段优化配置方案的接入点进行求解,获得第二阶段优化配置方案中的每个接入点的并网优劣值,具体为:
将所述第二阶段优化配置方案作为候选解,基于所述基本场景计算候选解在各个接入点的并网优劣值。
8.一种多电压等级交直流混合系统三阶段优化配置系统,其特征在于,包括:第一阶段优化模块、第二阶段优化模块和第三阶段优化模块,其中,
所述第一阶段优化模块,用于获取交直流混合系统所属配网的拓扑结构和网络参数,并根据所述拓扑结构和网络参数,建立交直流混合系统的运行模型;根据所述交直流混合系统的运行模型和经济性指标,建立目标函数,并为所述目标函数设置配网电压偏差约束条件和运行约束条件;通过蒙特卡洛法生成可再生能源和负荷的随机时间序列,提取所述随机时间序列的特征参数,并以所述可再生能源和负荷随机时间序列的特征参数建立聚类样本,采用k-means方法对聚类样本进行聚类,得到基本场景;根据所述目标函数和所述基本场景,对所述交直流混合系统的并网点功率因数、电力电子变压器容量、不同电压等级母线上的可再生能源发电容量和储能容量进行优化,获得第一阶段优化配置方案;
所述第二阶段优化模块,用于根据储能充放电深度、放电功率与储能寿命的关系、多储能系统协同运行充放电策略,对所述第一阶段优化配置方案的储能配置和运行约束条件进行优化,获得第二阶段优化配置方案;
所述第三阶段优化模块,用于对所述第一阶段优化配置方案建立配网总电压裕度和网损计算模型,并通过设置目标权值建立并网优劣函数;根据所述并网优劣函数,对所述第二阶段优化配置方案的接入点进行求解,获得第二阶段优化配置方案中的每个接入点的并网优劣值;对所述并网优劣值进行排序,并将所述并网优劣值最小的接入点的配置方案作为最优配置方案。
9.一种计算机终端设备,其特征在于,包括:
一个或多个处理器;
存储器,与所述处理器耦接,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至7任一项所述的多电压等级交直流混合系统三阶段优化配置方法。
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如权利要求1至7任一项所述的多电压等级交直流混合系统三阶段优化配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110205144.0A CN112910001B (zh) | 2021-02-23 | 2021-02-23 | 多电压等级交直流混合系统三阶段优化配置方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110205144.0A CN112910001B (zh) | 2021-02-23 | 2021-02-23 | 多电压等级交直流混合系统三阶段优化配置方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112910001A CN112910001A (zh) | 2021-06-04 |
CN112910001B true CN112910001B (zh) | 2022-05-27 |
Family
ID=76107102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110205144.0A Active CN112910001B (zh) | 2021-02-23 | 2021-02-23 | 多电压等级交直流混合系统三阶段优化配置方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112910001B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108808691A (zh) * | 2018-07-09 | 2018-11-13 | 国网上海市电力公司 | Avc的三级无功电压优化控制方法 |
CN108988316A (zh) * | 2018-06-15 | 2018-12-11 | 四川大学 | 一种交直流混合配电系统网架结构优化配置方法 |
CN109190824A (zh) * | 2018-09-04 | 2019-01-11 | 东北大学 | 基于用户侧区域综合能源系统的联盟博弈优化运行方法 |
CN110034572A (zh) * | 2019-04-17 | 2019-07-19 | 中国科学院广州能源研究所 | 含多端口电力电子变压器的交直流混合系统储能配置方法 |
CN110086195A (zh) * | 2019-03-28 | 2019-08-02 | 清华大学 | 交直流混合配用电系统的优化方法 |
CN110739725A (zh) * | 2019-09-27 | 2020-01-31 | 上海电力大学 | 一种配电网优化调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110571789B (zh) * | 2018-06-06 | 2020-10-20 | 南京工程学院 | 数据驱动下基于风电不确定性的电热气网三阶段调度方法 |
-
2021
- 2021-02-23 CN CN202110205144.0A patent/CN112910001B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108988316A (zh) * | 2018-06-15 | 2018-12-11 | 四川大学 | 一种交直流混合配电系统网架结构优化配置方法 |
CN108808691A (zh) * | 2018-07-09 | 2018-11-13 | 国网上海市电力公司 | Avc的三级无功电压优化控制方法 |
CN109190824A (zh) * | 2018-09-04 | 2019-01-11 | 东北大学 | 基于用户侧区域综合能源系统的联盟博弈优化运行方法 |
CN110086195A (zh) * | 2019-03-28 | 2019-08-02 | 清华大学 | 交直流混合配用电系统的优化方法 |
CN110034572A (zh) * | 2019-04-17 | 2019-07-19 | 中国科学院广州能源研究所 | 含多端口电力电子变压器的交直流混合系统储能配置方法 |
CN110739725A (zh) * | 2019-09-27 | 2020-01-31 | 上海电力大学 | 一种配电网优化调度方法 |
Non-Patent Citations (1)
Title |
---|
李旭东.含高比例非常规机组的多元电源联合调峰策略研究.《中国优秀硕士学位论文全文数据库》.2020,(第1期), * |
Also Published As
Publication number | Publication date |
---|---|
CN112910001A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Das et al. | Optimal placement of distributed energy storage systems in distribution networks using artificial bee colony algorithm | |
Yang et al. | Battery energy storage system size determination in renewable energy systems: A review | |
Gush et al. | Optimal smart inverter control for PV and BESS to improve PV hosting capacity of distribution networks using slime mould algorithm | |
Li et al. | Cooperative planning model of renewable energy sources and energy storage units in active distribution systems: A bi-level model and Pareto analysis | |
Li et al. | Optimal planning of energy storage system in active distribution system based on fuzzy multi-objective bi-level optimization | |
Sedghi et al. | Optimal storage planning in active distribution network considering uncertainty of wind power distributed generation | |
Eid et al. | Efficient operation of battery energy storage systems, electric-vehicle charging stations and renewable energy sources linked to distribution systems | |
Katsanevakis et al. | A novel voltage stability and quality index demonstrated on a low voltage distribution network with multifunctional energy storage systems | |
Navesi et al. | Switchable capacitor bank coordination and dynamic network reconfiguration for improving operation of distribution network integrated with renewable energy resources | |
CN110808597A (zh) | 主动配电网中考虑三相不平衡的分布式电源规划方法 | |
Tang et al. | Multi-stage sizing approach for development of utility-scale BESS considering dynamic growth of distributed photovoltaic connection | |
Soltowski et al. | A simulation-based evaluation of the benefits and barriers to interconnected solar home systems in East Africa | |
Martinez-Rico et al. | Energy storage sizing based on automatic frequency restoration reserve market participation of hybrid renewable power plants | |
Saini et al. | Optimal siting and sizing of battery in varying PV generation by utilizing genetic algorithm in distribution system | |
CN112910001B (zh) | 多电压等级交直流混合系统三阶段优化配置方法及系统 | |
CN109119988B (zh) | 基于动态批发市价的光伏-电池微电网能量调度管理方法 | |
Liu et al. | Modeling simulation technology research for distribution network planning | |
Hu et al. | Two-stage energy scheduling optimization model for complex industrial process and its industrial verification | |
Mahdavi et al. | A New Loss Minimization Model for Coordinated Network Reconfiguration, Capacitor Placement and DG Allocation Under Variable Loading Conditions | |
Meyer-Huebner et al. | Dynamic optimal power flow in ac networks with multi-terminal HVDC and energy storage | |
Hartmann et al. | Development of steady state and dynamic energy storage models for DIgSILENT PowerFactory | |
Malmer et al. | Network reconfiguration for renewable generation maximization | |
Mohseni et al. | Power quality considerations in the planning phase of stand-alone wind-powered micro-grids | |
Zhang et al. | Calculation Method for Maximum Accommodation Capacity of Distributed Photovoltaic in Distribution Network Considering Various Electrical Constraints | |
Krsteski et al. | Energy management and voltage regulation of grid-connected microgrid using genetic algorithm |
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 |