CN112910012B - 一种配电系统弹性提升评估方法、存储介质及计算设备 - Google Patents
一种配电系统弹性提升评估方法、存储介质及计算设备 Download PDFInfo
- Publication number
- CN112910012B CN112910012B CN202110084345.XA CN202110084345A CN112910012B CN 112910012 B CN112910012 B CN 112910012B CN 202110084345 A CN202110084345 A CN 202110084345A CN 112910012 B CN112910012 B CN 112910012B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- distribution system
- power distribution
- node
- power
- 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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明公开了一种配电系统弹性提升评估方法、存储介质及计算设备,基于光伏电站的历史出力实际数据集,进行场景削减后得到不同天气条件下的典型分布式光伏出力曲线;对分布式光伏的可用状态进行评估,得到按照时间顺序排列的配电系统中各个分布式光伏的故障和正常工作状态的变化序列;以不同权重系数下的负荷恢复量最大为目标函数建立多时段故障恢复模型,并将非凸非线性部分进行凸松弛处理;建立二阶锥规划模型,得到综合不同天气条件下的配电系统负荷恢复结果,调整分布式光伏的接入容量和接入位置,并综合考虑对配电系统的恢复作用,计算分布式光伏对于配电系统的弹性提升作用的评估指标,能够定量分析分布式光伏对于配电系统灾后恢复能力的提升作用。
Description
技术领域
本发明属于配电系统恢复力提升技术领域,具体涉及一种配电系统弹性提升评估方法、存储介质及计算设备。
背景技术
近年来重大自然灾害如地震、洪水、台风等造成了一系列大规模停电事故,威胁电力系统及配电网的安全运行,影响工业、商业活动,造成严重的生命财产安全损失。如何应对极端事件,减少其对电力系统安全稳定运行造成的影响越来越受到社会各界的广泛关注。
相比于传统发电机组,光伏系统运行较为稳定,不会出现能源短缺的情况,虽然需要定期维护,但若有足够的太阳能资源为光伏电池充电,光伏和储能配合可在灾害时为配电系统提供较长时间的电力。美国加利福尼亚州Borrego Springs 的太阳能项目曾在输电线路遭到雷击时,成功脱离主网,为整个社区供电超过九个小时,为615个客户提供4.6MW的峰值负荷。但由于光伏系统离网运行时不能独立供电,且出力具有随机性和波动性,研究分布式光伏接入配电系统的优化配置以及与储能等其他可控资源的配合方法,评估其对于配电系统的弹性提升作用具有重要现实意义。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种配电系统弹性提升评估方法、存储介质及计算设备,在考虑多种天气场景的情况下,通过高比例分布式光伏与储能配合,形成动态微网对极端灾害后的故障配电系统进行恢复,并提出评估指标:光伏弹性提升能力(Photovoltaic Resilience Raise Ability,PRRA),基于灾后故障恢复结果衡量分布式光伏对配电系统弹性提升作用。
本发明采用以下技术方案:
一种配电系统弹性提升评估方法,建立光伏出力模型,通过历史数据得到全年光伏日出力场景,再通过场景削减的方法得到光伏在不同天气条件下的典型出力曲线,通过序贯蒙特卡洛模拟得到光伏可用状态的时序曲线;建立多时段配电系统负荷恢复模型;根据典型光伏出力曲线,基于多时段配电系统负荷恢复模型,在多种典型场景下分析配电系统负荷恢复结果,计算评估指标评估分布式光伏对于配电系统的弹性提升作用,完成配电系统弹性提升评估。
具体的,模拟得到光伏可用状态的时序曲线具体为:
将某地光伏电站实测全年的日出力数据作为原始场景集,并对原始光伏出力数据进行标幺化,设定期望的聚类数,应用K-means聚类方法进行场景削减;将配电系统中的分布式光伏进行编号,通过序贯蒙特卡洛方法对于光伏的可用状态进行分析,抽样得到按照时间顺序排列的配电系统中各个分布式光伏的正常/故障状态变化序列。
进一步的,光伏的正常工作时间TTF与故障时间TTR表示为:
其中,λ和μ分别表示故障率和修复率。
具体的,建立多时段配电系统负荷恢复模型具体为:
以不同权重系数下的负荷恢复量最大为目标,考虑网络辐射拓扑约束、光伏运行约束、储能约束、潮流约束、安全约束以及节点电压、电流约束建立多时段配电系统负荷恢复模型,引入旋转锥约束对模型中的非凸非线性部分进行简化,形成简化后的二阶锥规划模型。
进一步的,多时段配电系统负荷恢复模型的目标函数为:
其中,T为故障的时间集合;N为接入配网的节点集合;λi,t为二元决策变量,取值为1时代表该节点负荷已恢复,取值为0时代表负荷未恢复,表示t时刻负荷节点的恢复状态;为t时刻节点i处负荷需要系统供给的有功功率;
对恢复模型进行简化形成二阶锥规划模型:
ui,t-uj,t-2(RijPij,t+XijQij,t)+(Rij 2+Rij 2)iij,t+M(1-αij)≥0
ui,t-uj,t-2(RijPij,t+XijQij,t)+(Rij 2+Rij 2)iij,t-M(1-αij)≤0
进一步的,网络辐射拓扑约束为:
αij=βij+βji ij,ji∈B
其中,B为配网中馈线支路集合;N为接入配网的节点集合;G为配网中的电源节点集合;αij为线路状态,取值为1时代表线路连接,0为线路断开;βij为线路两端结点的父子连接关系对于支路传输功率方程;
光伏运行约束为:
储能约束为:
潮流约束以及节点电压、电流约束为:
其中,Pij,t和Qij,t为线路ij上传输的有功和无功功率;Iij,t为时刻t由节点i流向 j的电流绝对值;Pi,t和Qi,t为时刻t节点i上的有功和无功功率;Rij,t和Xij,t为线路 ij上的阻抗;为时刻t节点i上电压的幅值平方。
安全约束包含节点电压和支路电流约束,具体为:
具体的,计算评估指标评估分布式光伏对于配电系统的弹性提升作用具体为:
建立光伏弹性提升能力评估指标,调用商用求解器CPLEX、MOSEK、 CONOPT、SDPA对恢复模型进行求解,得到多时段的孤岛划分方案及负荷恢复结果;对不同恢复方案下的光伏弹性提升能力指标进行比较,得到不同光伏容量和接入位置下的负荷恢复方案及光伏对于配电系统弹性提升能力的定量评估结果。
进一步的,光伏弹性提升能力指标PRRA定义为接入光伏后系统的负荷恢复量与负荷总量的比值,具体为:
其中,分子为由于光伏的接入对于配电系统中的负荷拾取量,分母为配电系统中各个节点接入的负荷总量。
本发明的另一个技术方案是,一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行所述的方法中的任一方法。
本发明的另一个技术方案是,一种计算设备,包括:
一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
与现有技术相比,本发明至少具有以下有益效果:
本发明一种配电系统弹性提升评估方法,先建立光伏出力模型,通过历史数据结合场景削减方法得到光伏在不同天气条件下的典型出力曲线,并通过序贯蒙特卡洛模拟生产光伏可用状态的时序曲线。基于网络辐射拓扑约束、光伏运行约束、储能约束、潮流约束等建立多时段配电系统负荷恢复模型,对模型中的非凸非线性部分进行简化,引入旋转锥约束,形成二阶锥规划模型。基于上述模型在多种典型场景下分析配电系统负荷恢复结果,评估分布式光伏对于配电系统的弹性提升作用;进一步考虑多种天气情况下分布式光伏的出力情况,并在此基础上通过序贯蒙特卡洛分析灾害后分布式光伏的可用度,减少光伏出力波动性和随机故障的影响;能够在考虑网络辐射拓扑约束、潮流约束、光伏运行约束、储能约束以及安全约束的前提下较为全面的建立优化模型,并为配网负荷进行权重划分,更好的达到优先满足重要负荷供电的目标;能够在不同分布式光伏接入位置和接入容量的场景下综合考虑其对于配电系统的恢复作用,并以此为基础评估分布式光伏对于配电系统的弹性提升作用。
进一步的,通过步骤S1能够实现对多种天气条件下分布式光伏出力的准确建模,减少光伏出力波动性和不确定性的影响。
进一步的,光伏的正常工作时间TTF与故障时间TTR可以有效刻画恢复过程中分布式光伏的可用性,减少光伏随机故障的影响。
进一步的,通过步骤S2可以建立多时段故障恢复模型,实现灾后配电系统关键负荷快速恢复。
进一步的,多时段故障恢复模型的目标函数可以为配网负荷进行权重划分,更好的达到优先满足重要负荷供电的目标。
进一步的,网络拓扑、分布式电源等各类约束可以较为全面的建立优化模型,并形成二阶锥约束,简化求解过程。
进一步的,通过步骤S3可以通过负荷恢复结果评估分布式光伏对于配电系统的弹性提升作用。
进一步的,光伏弹性提升能力指标可以量化评估指标,定量计算对比不同方案下的恢复效果。
综上所述,本发明的方法能够在考虑光伏出力波动性和随机故障的基础上更好地评估分布式光伏对于配电系统的弹性提升作用,提高配电系统的灾后恢复能力。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明步骤S1分布式光伏预处理的流程图;
图2为本发明步骤S2灾后恢复模型建立的流程图;
图3为IEEE37节点系统配置结果图;
图4为采用本发明后的评估指标结果图;
图5为本发明流程图。
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做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,当在本说明书和所附权利要求书中使用时,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。
还应当理解,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。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“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。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的,其中为了清楚表达的目的,放大了某些细节,并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的,实际中可能由于制造公差或技术限制而有所偏差,并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明提供了一种配电系统弹性提升评估方法,基于光伏电站的历史出力实际数据集,应用K-means聚类方法进行场景削减,得到四种不同天气条件下的典型分布式光伏出力曲线;基于序贯蒙特卡洛模拟对分布式光伏的可用状态进行评估,得到按照时间顺序排列的配电系统中各个分布式光伏的故障和正常工作状态的变化序列,为建立负荷恢复模型打下基础;以不同权重系数下的负荷恢复量最大为目标函数,满足网络辐射拓扑约束、潮流约束、光伏运行约束、储能约束以及安全约束建立多时段故障恢复模型,并将非凸非线性部分进行凸松弛处理,得到二阶锥规划模型;调用Cplex求解器进行优化模型的求解,得到综合不同天气条件下的配电系统负荷恢复结果,调整分布式光伏的接入容量和接入位置,并综合考虑其对于配电系统的恢复作用,以此为基础计算分布式光伏对于配电系统的弹性提升作用的评估指标,定量分析分布式光伏对于配电系统灾后恢复能力的提升作用。
请参阅图5,本发明一种分布式光伏对于配电系统弹性提升作用的评估方法,包括以下步骤:
S1、基于历史光伏电站出力的实际数据集,应用K-means聚类方法进行场景削减,得到四种不同天气条件下的典型分布式光伏出力曲线及各种出力曲线对应的概率值,并采用序贯蒙特卡洛方法对光伏元件的可用状态进行分析;
请参阅图1,具体步骤如下:
S101、将某地光伏电站实测全年的日出力数据作为原始场景集,并对原始光伏出力数据进行标幺化,应用K-means聚类进行场景削减;
K-means聚类的核心思想是将数据点到聚类中心的距离和缩减到最小,从而使分类最具代表性。该算法将每一个数据分配到距离最近的聚类中心决定的聚类域,分配结束后计算出新的聚类中心,如此反复直到聚类中心收敛。
首先给定初始场景集合,即全年的光伏日出力数据集{ωj,j=1,…,N},对初值进行优化,给定聚类数目K,并随机指定K个聚类中心,聚类中心的场景集合为 {Ci,i=1,…,K},每个聚类中心所在的区域为{Oi,i=1,…,K},每个区域内的场景数为{Ni,i=1,…,K}设定初始迭代次数为s=1。
然后计算每一个数据点到聚类中心的距离,将距离表示为:
d(ωj,Ci [s]) (1)
根据最小距离将每一个场景划分到相应的聚类区域,增加迭代次数s。
在对于每一个聚类区域计算新的聚类中心:
其中,pit为场景ωt在区域Oi中的概率。
循环迭代选择离计算聚类中心最近的实际场景作为新的聚类中心,直到聚类中心收敛,输出聚类中心。
保留聚类中心场景即所要求得的不同天气条件下的典型光伏日出力曲线,其余场景为需要削减的场景,最后进行概率再分配得到每个典型场景的对应概率值。
S102、通过序贯蒙特卡洛对光伏的可用状态进行分析;
自然灾害可能会对配网中的分布式光伏系统造成损害,尤其是光伏系统作为配网的能量来源时,光伏的工作状态直接影响配网中负荷的供电,对其进行可用状态分析尤为重要。序贯蒙特卡罗方法通过序贯的方法来产生高维随机样本,将元件时序模型看成具有连续时间参数的马尔可夫过程,系统由函数模型和状态变量表示。
将分布式光伏的正常工作时间TTF和故障时间TTR表示如下:
其中,λ和μ分别表示故障率和修复率,λ和μ都为时间的函数,u为(0,1) 之间的随机数。
根据以上抽样方法得到按照时间顺序排列的配电系统中各个分布式光伏的正常/故障状态变化序列。
S2、以不同权重系数下的负荷恢复量最大为目标函数建立多时段故障恢复模型,得到配电系统的负荷恢复结果,在保证分布式电源正常工作的前提下最大限度地维持极端自然灾害后配电网内关键负荷的长时间稳定运行;
包括对配电系统中负荷分级,设置优化模型的目标函数,将网络辐射拓扑约束、潮流约束、光伏运行约束、储能约束以及安全约束中的非凸非线性部分进行线性化和凸松弛处理,得到各时序状态下各级负荷的恢复状态和网络拓扑,请参阅图2,具体如下:
S201、对配电系统中的负荷进行分级并设定目标函数;
配电网负荷恢复的目标是要尽可能保证故障期间关键负荷恢复量达到最大。一般来说,负荷根据重要程度被分为不同等级,例如医院、政府等负荷应该比娱乐场所更重要,因此对于自然灾害停电后的负荷恢复,应给予这些重要的关键负荷更高的优先级,优先级越高代表节点负荷的权重越大。
目标函数为:
其中,T为故障的时间集合;N为接入配网的节点集合;λi,t为二元决策变量,表示t时刻负荷节点的恢复状态,取值为1时代表该节点负荷已恢复,取值为0 时代表负荷未恢复;为t时刻节点i处负荷需要系统供给的有功功率。
S202、设置各类约束条件;
首先是配电系统辐射状运行约束,采用图论中的生成树模型:
其中,B为配网中馈线支路集合;N接入配网的节点集合;G为配网中的电源节点集合;αij为线路状态,取值为1时代表线路连接,0为线路断开;βij为线路两端结点的父子连接关系对于支路传输功率方程。
除上述约束外还需要描述节点和支路的关系,即恢复的支路个数等于节点总数减去子树(孤岛)的个数:
其中,∑ij∈Bαij为配网中恢复支路集合;|{N}|为节点总数;|{G}|为孤岛个数即子树个数。
接下来是分布式光伏运行约束:
对于分布式储能系统运行约束,一般需要考虑工作状态、储能总容量、自身充放电功率等:
除此之外还要满足配电系统潮流约束以及节点电压、电流约束:
其中,Pij,t和Qij,t为线路ij上传输的有功和无功功率;Iij,t为时刻t由节点i流向 j的电流绝对值;Pi,t和Qi,t为时刻t节点i上的有功和无功功率;Rij,t和Xij,t为线路 ij上的阻抗;为时刻t节点i上电压的幅值平方。
最后还要满足配电系统的安全约束,主要包含节点电压和支路电流约束:
由上述各类约束条件结合步骤S201提出的目标函数得到考虑高比例分布式光伏及储能接入的多时段配网负荷恢复模型。
S203、对优化模型中的非凸非线性部分进行凸松弛处理,得到二阶锥规划模型;
由于负荷恢复模型中存在非线性非凸的约束条件,需要对其进行简化处理。首先将非线性的约束线性化,即将二次项和乘积项进行变换,把Ui,t 2和Ii,t 2替换为ii,t和ui,t,则上述含有二次项的约束条件进行转化。
因此将配电系统潮流约束改写为:
除潮流约束外还要对配电系统安全约束进行简化处理,同理得:
接下来对分布式电源和分布式储能的运行约束进行旋转锥约束转化:
至此就已成功地用二阶锥规划模型代替了非凸非线性规划模型,为后续模型的求解打下基础。
S3、建立模型后调用商用求解器对于优化模型进行求解,并进行评估指标的计算。
包括评估指标的设定,对于不同场景下的恢复模型进行循环求解,定量评估分布式光伏对于配电系统的弹性提升作用,具体按照以下步骤实施:
S301、评估指标PRRA的设定及计算方法;
光伏弹性提升能力(Photovoltaic Resilience Raise Ability,PRRA)指标定义为接入光伏后系统的负荷恢复量与负荷总量的比值,即
其中,分子为由于光伏的接入对于配电系统中的负荷拾取量,分母为配电系统中各个节点接入的负荷总量。
S302、对不同场景下的恢复模型进行求解得到故障恢复结果并定量评估不同方案下分布式光伏的弹性提升作用。
调用商用求解器CPLEX、MOSEK、CONOPT、SDPA等对恢复模型进行求解,得到多时段的孤岛划分方案及负荷恢复结果。以未接入分布式光伏时的PRRA 为基准值,对不同恢复方案下的PPRA进行比较,得到不同光伏容量和接入位置下的负荷恢复方案及光伏对于配电系统弹性提升能力的评估指标。
本发明再一个实施例中,提供了一种终端设备,该终端设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,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,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的处理器可以用于配电系统弹性提升评估的操作,包括:建立光伏出力模型,通过历史数据得到全年光伏日出力场景,再通过场景削减的方法得到光伏在不同天气条件下的典型出力曲线,通过序贯蒙特卡洛模拟得到光伏可用状态的时序曲线;基于网络辐射拓扑约束、光伏运行约束、储能约束、潮流约束、安全约束以及节点电压、电流约束建立多时段配电系统负荷恢复模型;根据典型光伏出力曲线,基于多时段配电系统负荷恢复模型,在多种典型场景下分析配电系统负荷恢复结果,计算评估指标评估分布式光伏对于配电系统的弹性提升作用。
本发明再一个实施例中,本发明还提供了一种存储介质,具体为计算机可读存储介质(Memory),所述计算机可读存储介质是终端设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括终端设备中的内置存储介质,当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器 (non-volatile memory),例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中有关配电系统弹性提升评估的相应步骤;计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤:建立光伏出力模型,通过历史数据得到全年光伏日出力场景,再通过场景削减的方法得到光伏在不同天气条件下的典型出力曲线,通过序贯蒙特卡洛模拟得到光伏可用状态的时序曲线;基于网络辐射拓扑约束、光伏运行约束、储能约束、潮流约束、安全约束以及节点电压、电流约束建立多时段配电系统负荷恢复模型;根据典型光伏出力曲线,基于多时段配电系统负荷恢复模型,在多种典型场景下分析配电系统负荷恢复结果,计算评估指标评估分布式光伏对于配电系统的弹性提升作用。
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
本发明具体实施方式采用的IEEE37节点系统中,参见附图3。包含37个节点36条支路,电压等级为220V,系统总负荷为981.93kW+j545.01kvar。方案一设置为分别在节点2、20、34接入光伏,接入容量为150kW;方案二设置为分别在节点2、34接入光伏,接入容量为300kW;方案三设置为分别在节点8、20 接入光伏,接入容量为150kW;方案三设置为分别在节点8、20接入光伏,接入容量为300kW;采用本发明后,各种光伏配置方案下的PRRA指标计算如下表:
参阅上表及图4,采用本发明后,配电系统灾后恢复可以取得较好成果。对比不同方案的PRRA可知,分布式光伏的接入位置和接入容量都会对负荷恢复结果产生影响,随着光伏出力的增大可恢复的负荷数量增多,在考虑极端灾害的影响时光伏安装在用电需求大及权重系数高的节点附近会起到更好的恢复效果。
综上所述,本发明分布式光伏对于配电系统弹性提升作用的评估方法能够进一步考虑光伏出力波动性以及随机故障的基础上,在考虑各类约束条件的前提下较为全面的建立优化模型,并为配网负荷进行权重划分,更好的达到优先满足重要负荷供电的目标;能够在不同分布式光伏接入位置和接入容量的场景下综合考虑其对于配电系统的恢复作用,并以此为基础评估分布式光伏对于配电系统的弹性提升作用,提高配电系统的灾后恢复能力。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和 /或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (8)
1.一种配电系统弹性提升评估方法,其特征在于,建立光伏出力模型,通过历史数据得到全年光伏日出力场景,再通过场景削减的方法得到光伏在不同天气条件下的典型出力曲线,通过序贯蒙特卡洛模拟得到光伏可用状态的时序曲线;建立多时段配电系统负荷恢复模型;根据典型光伏出力曲线,基于多时段配电系统负荷恢复模型,在多种典型场景下分析配电系统负荷恢复结果,计算评估指标评估分布式光伏对于配电系统的弹性提升作用,完成配电系统弹性提升评估;
计算评估指标评估分布式光伏对于配电系统的弹性提升作用具体为:
建立光伏弹性提升能力评估指标,调用商用求解器CPLEX、MOSEK、CONOPT、SDPA对恢复模型进行求解,得到多时段的孤岛划分方案及负荷恢复结果;对不同恢复方案下的光伏弹性提升能力指标进行比较,得到不同光伏容量和接入位置下的负荷恢复方案及光伏对于配电系统弹性提升能力的定量评估结果;
光伏弹性提升能力指标PRRA定义为接入光伏后系统的负荷恢复量与负荷总量的比值,具体为:
2.根据权利要求1所述的方法,其特征在于,模拟得到光伏可用状态的时序曲线具体为:
将某地光伏电站实测全年的日出力数据作为原始场景集,并对原始光伏出力数据进行标幺化,设定期望的聚类数,应用K-means聚类方法进行场景削减;将配电系统中的分布式光伏进行编号,通过序贯蒙特卡洛方法对于光伏的可用状态进行分析,抽样得到按照时间顺序排列的配电系统中各个分布式光伏的正常/故障状态变化序列。
4.根据权利要求1所述的方法,其特征在于,建立多时段配电系统负荷恢复模型具体为:
以不同权重系数下的负荷恢复量最大为目标,考虑网络辐射拓扑约束、光伏运行约束、储能约束、潮流约束、安全约束以及节点电压、电流约束建立多时段配电系统负荷恢复模型,引入旋转锥约束对模型中的非凸非线性部分进行简化,形成简化后的二阶锥规划模型。
5.根据权利要求4所述的方法,其特征在于,多时段配电系统负荷恢复模型的目标函数objective为:
其中,T为故障的时间集合;N为接入配网的节点集合;λi,t为二元决策变量,取值为1时代表节点负荷已恢复,取值为0时代表负荷未恢复,表示t时刻负荷节点的恢复状态;为t时刻节点i处负荷需要系统供给的有功功率;
对恢复模型进行简化形成二阶锥规划模型:
ui,t-uj,t-2(RijPij,t+XijQij,t)+(Rij 2+Xij 2)iij,t+M(1-αij)≥0
ui,t-uj,t-2(RijPij,t+XijQij,t)+(Rij 2+Xij 2)iij,t-M(1-αij)≤0
其中,ui,t为时刻t节点i上电压幅值的平方,uj,t为时刻t节点j上电压幅值的平方,Rij为线路ij电阻,Pij,t为线路ij流过的有功功率,Xij为线路ij的电抗,Qij,t为线路ij流过的无功功率,iij,t为时刻t线路ij流过电流绝对值的平方,αij为线路状态,Pik,t为线路ik流过的有功功率,ik为线路ik的编号,ji为线路ji的编号,Pi,t为时刻t节点i处的流出有功功率,Qik,t为线路ik流过的无功功率,Qi,t为时刻t节点i处的流出无功功率。
6.根据权利要求4所述的方法,其特征在于,网络辐射拓扑约束为:
αij=βij+βji ij,ji∈B
其中,B为配网中馈线支路集合;N为接入配网的节点集合;G为配网中的电源节点集合;αij为线路状态,取值为1时代表线路连接,0为线路断开;βij为线路两端结点的父子连接关系对于支路传输功率方程;
光伏运行约束为:
储能约束为:
潮流约束以及节点电压、电流约束为:
其中,Pij,t和Qij,t为线路ij上传输的有功和无功功率;Iij,t为时刻t由节点i流向j的电流绝对值;Pi,t和Qi,t为时刻t节点i上的有功和无功功率;Rij,t和Xij,t为线路ij上的阻抗;为时刻t节点i上电压的幅值平方,为时刻t节点j上电压的幅值平方;
安全约束包含节点电压和支路电流约束,具体为:
7.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至6所述的方法中的任一方法。
8.一种计算设备,其特征在于,包括:
一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至6所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110084345.XA CN112910012B (zh) | 2021-01-21 | 2021-01-21 | 一种配电系统弹性提升评估方法、存储介质及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110084345.XA CN112910012B (zh) | 2021-01-21 | 2021-01-21 | 一种配电系统弹性提升评估方法、存储介质及计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112910012A CN112910012A (zh) | 2021-06-04 |
CN112910012B true CN112910012B (zh) | 2022-09-27 |
Family
ID=76118212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110084345.XA Active CN112910012B (zh) | 2021-01-21 | 2021-01-21 | 一种配电系统弹性提升评估方法、存储介质及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112910012B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657619B (zh) * | 2021-06-25 | 2024-02-09 | 国网浙江杭州市余杭区供电有限公司 | 考虑故障连锁的关键弹性提升元件辨识及故障恢复方法 |
CN114050608B (zh) * | 2021-10-28 | 2024-05-03 | 广东电网有限责任公司 | 光伏系统储能容量的优化配置方法、装置、设备及介质 |
CN115994631B (zh) * | 2023-03-24 | 2023-06-09 | 国网山东省电力公司威海供电公司 | 一种基于韧性提升的配电网容量规划方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107093007A (zh) * | 2017-03-31 | 2017-08-25 | 华南理工大学 | 一种考虑光储持续带载能力的配电网可靠性评估方法 |
-
2021
- 2021-01-21 CN CN202110084345.XA patent/CN112910012B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107093007A (zh) * | 2017-03-31 | 2017-08-25 | 华南理工大学 | 一种考虑光储持续带载能力的配电网可靠性评估方法 |
Non-Patent Citations (2)
Title |
---|
"基于二阶锥规划的有源配电网多时段负荷恢复方法";于浩等;《天津大学学报(自然科学与工程技术版)》;20191230;全文 * |
"极端天气下智能配电网的弹性评估";李振坤等;《电力系统自动化》;20200510;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112910012A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Distributed adaptive robust voltage/var control with network partition in active distribution networks | |
CN112910012B (zh) | 一种配电系统弹性提升评估方法、存储介质及计算设备 | |
Zhao et al. | An islanding partition method of active distribution networks based on chance-constrained programming | |
Zhang et al. | A multi-disaster-scenario distributionally robust planning model for enhancing the resilience of distribution systems | |
CN107123988B (zh) | 一种考虑恢复量不确定的停电电网负荷恢复二阶锥规划方法 | |
Phan et al. | Two-stage stochastic optimization for optimal power flow under renewable generation uncertainty | |
Home-Ortiz et al. | A mixed integer conic model for distribution expansion planning: Matheuristic approach | |
CN106803130B (zh) | 分布式电源接入配电网的规划方法 | |
Abushamah et al. | A novel approach for distributed generation expansion planning considering its added value compared with centralized generation expansion | |
Ersavas et al. | Optimum allocation of FACTS devices under load uncertainty based on penalty functions with genetic algorithm | |
CN107808200B (zh) | 配电网短时检修计划优化方法和装置 | |
CN114140022A (zh) | 一种多虚拟电厂分布式动态经济调度方法及系统 | |
Xiao et al. | Optimal sizing and siting of soft open point for improving the three phase unbalance of the distribution network | |
Wang et al. | Multi-objective robust optimization of hybrid AC/DC distribution networks considering flexible interconnection devices | |
Montoya et al. | Hybrid optimization strategy for optimal location and sizing of DG in distribution networks | |
Li et al. | A fast method for reliability evaluation of ultra high voltage AC/DC system based on hybrid simulation | |
CN113346484A (zh) | 一种考虑暂态不确定性的配电网弹性提升方法及系统 | |
Durgadevi et al. | Availability Capacity Evaluation and Reliability Assessment of Integrated Systems Using Metaheuristic Algorithm. | |
Sun et al. | Determining optimal generator start-up sequence in bulk power system restoration considering uncertainties: A confidence gap decision theory based robust optimization approach | |
CN115441440A (zh) | 一种基于分布式新能源聚合的配电网弹性提升方法及系统 | |
Zhang et al. | Flexible energy management of storage-based renewable energy hubs in the electricity and heating networks according to point estimate method | |
Khanjani et al. | Analysis of Observability Constraint on Optimal Feeder Reconfiguration of an Active Distribution Network with $\mu\mathrm {PMUs} $ | |
Liu et al. | Coupled stochastic and robust transmission expansion planning | |
Alshamrani et al. | A joint optimization model for transmission capacity and wind power investment considering system security | |
Sadeghi et al. | Fully decentralized multi-agent coordination scheme in smart distribution restoration: Multilevel consensus |
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 |