CN113315150B - 低压配电网三相不平衡度优化方法、系统、设备及介质 - Google Patents

Abstract

本发明公开了一种低压配电网三相不平衡度优化方法、系统、设备及介质，所述方法包括：获取预设时间的单相光伏预测出力数据及负荷预测数据，使用三相四线潮流模型对低压配电网建模，得到初始模型；构建所述初始模型的低压配电网三相不平衡度优化控制模型；根据所述优化控制模型，进行区间约束确定化处理及逻辑变量连续化处理，生成目标模型；求解所述目标模型，生成最优解；利用所述最优解控制单相光伏选相并网、光伏逆变器无功出力以及储能的充放电功率。本发明通过光伏选相投切以及储能的调节作用，改善了低压配电网的三相不平衡度，提升了低压配电网的电能质量。

Description

低压配电网三相不平衡度优化方法、系统、设备及介质

技术领域

本发明涉及低压配电网优化技术领域，具体涉及一种低压配电网三相不平衡度优化方法、系统、设备及介质。

背景技术

目前，由于低压配电网的管理方式尚未完善，大量低压配电网中线路存在参数不对称，系统负荷三相不平衡问题。在实际的台区规划过程中，一般会将负荷均匀地接入A、B、C各相，但由于各用户负荷的差异，三相不平衡现象无法避免。随着居民负荷的日益增大及光伏的广泛接入，进一步加剧了低压配电网的三相不平衡度。尤其当单相光伏接入时，现有的低压配电网规划方案为了追求光伏的最大可能消纳，通常会选择影响配电网潮流，这样以来就会导致电压电流出现较大的不平衡，为系统运行带来了较大的风险。

综上所述，亟需一种低压配电网三相不平衡度优化方法，改善三相不平衡度，以提升低压配电网电能质量。

发明内容

本发明的目的在于提供一种低压配电网三相不平衡度优化方法、系统、设备及介质，以解决现有低压配电网管理中出现的三相不平衡度大、电网电能质量低下的技术问题。

为了克服上述现有技术中的缺陷，本发明提供了一种低压配电网三相不平衡度优化方法，包括：

获取预设时间的单相光伏预测出力数据及负荷预测数据，使用三相四线潮流模型对低压配电网建模，得到初始模型；

构建所述初始模型的低压配电网三相不平衡度优化控制模型；

根据所述优化控制模型，进行区间约束确定化处理及逻辑变量连续化处理，生成目标模型；

求解所述目标模型，生成最优解；利用所述最优解控制单相光伏选相并网、光伏逆变器无功出力以及储能的充放电功率。

进一步地，所述构建所述初始模型的低压配电网三相不平衡度优化控制模型，包括：

构建目标函数f_A：

式中，F_d为低压配电网三相不平衡度指标，P_{PV_pre,t}和P_PV,t分别为t时刻光伏出力的预测值和调度值，且P_{PV_pre，t} ^*＝[P_{PV_predn，t},P_{PV_preup，t}]，P_{PV_predn，t}、P_{PV_preup，t}分别为t时刻光伏预测出力的最小值、最大值；

其中，F_d的计算公式为：

式中，下标m为母线编号，母线m的三相不平衡度U_vuF,m的计算式为：

式中，V_neg和V_pos分别指负序电压和正序电压；V_a、V_b和V_c分别为a、b、c三相电压；参数α＝1∠120°；

确定所述目标函数的约束条件。

进一步地，所述约束条件包括：光伏调度出力约束、光伏选相并网约束、光伏逆变器无功出力约束、储能运行状态约束、储能充放电功率及容量约束、网络潮流约束、电流与电压约束及三相不平衡约束。

进一步地，所述区间约束确定化处理为：

将P_{PV_pre，t} ^*＝[P_{PV_predn，t},P_{PV_preup，t}]转化实数表达式：

式中，ξ为置信水平，用于表征区间约束的满意程度，ξ的取值范围为[0,1]。

进一步地，所述逻辑变量连续化处理为：

将逻辑变量的取值范围扩充为连续实数范围[0,1]

式中，δ_t为储能充放电的逻辑变量，

为光伏选相并网约束的逻辑变量。

进一步地，利用SNOPT求解器求解所述目标模型，生成最优解。

进一步地，利用GAMS软件生成所述目标模型。

本发明还提供了一种低压配电网三相不平衡度优化系统，包括：

初始模型构建单元，用于获取预设时间的单相光伏预测出力数据及负荷预测数据，使用三相四线潮流模型对低压配电网建模，得到初始模型；

优化控制模型构建单元，用于构建所述初始模型的低压配电网三相不平衡度优化控制模型；

目标模型构建单元，用于根据所述优化控制模型，进行区间约束确定化处理及逻辑变量连续化处理，生成目标模型；

最优解生成单元，用于求解所述目标模型，生成最优解；利用所述最优解控制单相光伏选相并网、光伏逆变器无功出力以及储能的充放电功率。

本发明还提供了一种终端设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述的低压配电网三相不平衡度优化方法。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行实现如上任一项所述的低压配电网三相不平衡度优化方法。

相对于现有技术，本发明的有益效果在于：

本发明公开的一种低压配电网三相不平衡度优化方法，包括：获取预设时间的单相光伏预测出力数据及负荷预测数据，使用三相四线潮流模型对低压配电网建模，得到初始模型；构建所述初始模型的低压配电网三相不平衡度优化控制模型；根据所述优化控制模型，进行区间约束确定化处理及逻辑变量连续化处理，生成目标模型；求解所述目标模型，生成最优解；利用所述最优解控制单相光伏选相并网、光伏逆变器无功出力以及储能的充放电功率。

本发明以低压配配电网三相不平衡度最小为目标函数构建了含光储的低压配电网三相不平衡度优化模型，改善了电网中的三相不平衡度，提升了低压配电网电能质量，并提出了互补约束对模型中的逻辑变量进行连续化处理，提高了所构建模型的求解效率。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明某一实施例提供的低压配电网三相不平衡度优化方法的流程示意图；

图2是本发明某一实施例提供的母线低压配电网系统图；

图3是本发明某一实施例提供的光伏出力特性曲线图；

图4是本发明某一实施例提供的系统三相负荷特性曲线；

图5是本发明某一实施例提供的考虑光伏选相并网与否的三相不平衡度对比图；

图6是本发明某一实施例提供的光伏选相并网有功功率情况图；

图7是本发明某一实施例提供的母线B4三相电压不均衡情况图；

图8是本发明某一实施例提供的光伏并网逆变器无功出力情况图；

图9是本发明某一实施例提供的储能的充放电功率情况图；

图10是本发明某一实施例提供的低压配电网三相不平衡度优化系统的结构示意图；

图11是本发明某一实施例提供的终端设备的结构示意图。

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。

第一方面：

请参阅图1，本发明某一实施例提供了一种低压配电网三相不平衡度优化方法，包括：

S10、获取预设时间的单相光伏预测出力数据及负荷预测数据，使用三相四线潮流模型对低压配电网建模，得到初始模型。

本步骤中，预设时间通常设为未来某一天，例如可以选择次日的单相光伏预测出力数据及负荷预测数据，然后进行初始模型的建模。

S20、构建所述初始模型的低压配电网三相不平衡度优化控制模型。

需要说明的是，本步骤中，主要以三相不平衡度最小化且兼顾分布式光伏消纳为目标，构件含光储的低压配电网三相不平衡度优化控制模型。

在某一实施例中，步骤S20又包括以下子步骤：

2.1)构建目标函数。

具体地，根据步骤S20所构建含光储的低压配电网三相不平衡度优化模型，以三相不平衡度为关键考察指标，同时考虑分布式光伏的消纳，以单相光伏换相并网以及储能调节为控制手段，建立目标函数f_A如下：

式中，F_d为低压配电网三相不平衡度指标，P_{PV_pre,t}和P_PV,t分别为t时刻光伏出力的预测值和调度值，

为弃光罚项。弃光罚项的引入是为了系统尽可能全额消纳光伏。P_{PV_pre，t} ^*指光伏预测的区间数，由于光伏预测值具有不确定性，故本发明将不确定性通过区间的形式表示，即P_{PV_pre，t} ^*＝[P_{PV_predn，t},P_{PV_preup，t}]，其中，P_{PV_predn，t}、P_{PV_preup，t}分别为t时刻光伏预测出力的最小值、最大值。

另外，对于三相不平衡度指标F_d，该低压配网关键节点母线的三相不平衡度之和，F_d的具体计算公式为：

式中，下标m为母线编号，母线m的三相不平衡度U_vuF,m的计算式为：

式中，V_neg和V_pos分别指负序电压和正序电压；V_a、V_b和V_c分别为a、b、c三相电压；参数α＝1∠120°；

2.2)确定所述目标函数的约束条件。

在某一实施例中，步骤S20所构建含光储的低压配电网三相不平衡度优化模型需要满足以下的约束：光伏调度出力约束、光伏选相并网约束、光伏逆变器无功出力约束、储能运行状态约束、储能充放电功率及容量约束、网络潮流约束、电流与电压约束及三相不平衡约束。具体地，

2.2.1)光伏调度出力约束：

0≤P_PV,t≤P_{PV_pre,t} ^*＝[P_{PV_predn,t},P_{PV_preup,t}]

式中，P_{PV_pre} ^*为光伏预测出力区间，P_{PV_predn,t},P_{PV_preup,t}为光伏预测出力的下限和上限。

结合对太阳辐射强度的预测值，对t时刻光伏电站的有功预测出力P_{PV_pre,t}可近似表达为：

式中，S_pv为实际太阳辐射强度，S_{pv_rated}为太阳辐射强度额定值。P _{PV_rated}为光伏面板的额定输出功率。

考虑到太阳辐射强度受太阳位置和天气变化等因素影响，具有不确定性，对该参数的不确定性采用区间数处理，将太阳辐射预测的区间上下限代入上式获得光伏预测出力区间数P_{PV_pre} ^*＝[P_{PV_predn},P_{PV_preup}]。

2.2.2)光伏选相并网约束：

式中，

为逻辑变量；其中，下标变量

取a、b、c，分别指代a、b、c三相。

取1时，则代表光伏选择

相并网，

指的是t时刻光伏并网母线

相并网有功功率。

2.2.3)光伏逆变器无功出力约束：

式中，

为光伏逆变器在

相t时刻的无功出力，

为光伏逆变器在

相t时刻发出或者吸收的无功功率的最大值；S_INV为光伏逆变器的额定容量。

2.2.4)储能运行状态约束：

对于储能设备，其在t时段的储能系统的储能比例与该时段的充/放能功率及前一时段的储能比例有关，具体如下：

式中，η_ch和η_dis分别为储能系统的充、放电效率，E_ess,t为储能系统在时刻t的能量。

2.2.5)储能充放电功率及容量约束：

式中，E_CAP是储能系统的容量，P_chmax和P_dismax分别为储能系统充、放电功率的上限。δ为储能充放电的逻辑变量，δ取1表示充电，取0时表示放电；式中设置储能的充电功率小于光伏出力，光伏不出力时刻不进行充电，保证光伏消纳可再生能源出力的作用，不从电网吸收功率，避免加重电网负担。

2.2.6)网络潮流约束：

根据低压线路拓扑结果可推导得低压配电节点导纳矩阵Y，进而获得三相四线制潮流模型的节点电压方程如下所示：

I(t)＝YU(t)

式中，I(t)表示t时刻该配电网所有节点的节点注入电流复向量，U(t)表示t时刻该配电网所有节点的节点电压复向量。

其中，对于向量I(t)中的每个元素，可由任一节点i、第

相注入的电流

得到，其中：

式中，P_LOAD和Q_LOAD分别表示有功、无功负荷值，电流I和电压U均为复数，U^*表示电压复数的共轭。

2.2.7)电流与电压约束：

|I_ij,t|≤I_max,ij

式中，I_ij,t和I_max,ij分别指流过支路ij的电流以及最大允许电流值；U_min和U_max分别为电压最小、最大允许值。

2.2.8)三相不平衡约束：

U_VUF,m,t≤U_VUF，max

式中，U_VUF,max为三相不平衡度允许最大值。

S30、根据所述优化控制模型，进行区间约束确定化处理及逻辑变量连续化处理，生成目标模型。

3.1)区间约束确定化处理：

需要说明的是，步骤S20所构建的数学模型中，将描述光伏预测出力的不确定性用区间描述。区间数P_{PV_pre} ^*存在于目标函数及不等式约束中，引入置信水平ξ来表征区间约束的满意程度，取值范围[0,1]，并将含区间数的表达形式转换为一般的实数表达式。对于S201中目标函数式及S202中光伏预测出力的约束式，有：

式中，ξ为置信水平，用于表征区间约束的满意程度，ξ的取值范围为[0,1]。

3.2)逻辑变量连续化处理：

需要说明的是，步骤S20所构建的数学模型中存在描述储能充放电状态的逻辑变量δ，以及描述光伏并网选相控制的逻辑变量

为降低模型复杂程度，引入互补约束对逻辑变量进行连续化，具体做法是，将逻辑变量的取值范围扩充为连续实数范围[0,1]：

式中，δ_t为储能充放电的逻辑变量，

为光伏选相并网约束的逻辑变量。

经过处理后，模型转换为确定性的非线性连续模型。

S40、求解所述目标模型，生成最优解；利用所述最优解控制单相光伏选相并网、光伏逆变器无功出力以及储能的充放电功率。

本步骤中，基于步骤S40得到的非线性连续模型，选取商业优化软件GAMS进行数学建模并通过调用SNOPT求解器求解，基于优化结果在调度周期内控制单相光伏选相并网、光伏逆变器的无功出力以及储能的充放电功率。

本发明实施例提供的低压配电网三相不平衡度优化方法，以低压配配电网三相不平衡度最小为目标函数构建了含光储的低压配电网三相不平衡度优化模型，改善了电网中的三相不平衡度，提升了低压配电网电能质量，并提出了互补约束对模型中的逻辑变量进行连续化处理，提高了所构建模型的求解效率。

第二方面：

为了帮助理解本发明提供的方法，在某一实施例中，采用瑞典的6用户11母线的三相四线制低压配电网进行仿真分析。

具体地，仿真系统结构如图2所示：设置首端节点为平衡节点，线电压幅值为10kV，标幺值为1。光伏并网点为母线9，光伏发电额定功率为10kW，逆变器容量与光伏额定有功容量一致，光伏配置换相开关，可切换连接至三相中的任意一相。电化学储能配置于母线9，储能三相接入且三相可独立调节，额定容量为20kWh，充放电功率限值为额定容量的1/4，充放电效率为0.90。将母线4视为关键节点进行优化。光伏最大出力预测区间为7.5kW～10kW。其中，图3给出一天24小时光伏预测出力(光伏出力区间约束置信水平取0)特性曲线，用标幺值表示，而系统三相负荷特性曲线如图4所示。

在以上所述的基础数据场景基础上，暂不考虑储能配置。分析并网光伏动态选相和无功调节对仿真结果的影响。基于上述参数进行仿真试验，得到考虑光伏选相以及无功调节与否后低压配网三相不平衡度及等值线损(优化周期内配电网注入电能与负荷消耗电能的差值)的对比，如表1所示。同时，图5还给出了是否考虑光伏选相以及无功调节低压配网各时刻的三相电压不平衡度对比情况。

表1考虑光伏选相并网与否的结果对比

由表1及图5可知，在考虑光伏动态选相以及逆变器无功调节之前，光伏接入A、B、C相后都将造成多数时刻三相不平衡度相对较高(超过2％)，当考虑光伏动态选相并网以及逆变器无功调节能力后，光伏可以灵活地转移功率到不同的相序并进行无功调节，由于调控手段的增加，最小化目标函数的控制变量自由度更大，因此改善了配电网的电能质量，最大三相不平衡度和综合三相不平衡度相较于最严重的情况分别下降了30％和53.8％。

同时，相对于没有考虑逆变器无功调节的场景，考虑逆变器无功调节能力之后三相不平衡度得到了较大的改善，但由于调节三相不平衡的时候，算例中出现大幅吸收无功的情况，因此等值线损有所增加。进一步地考虑换相之后，在三相不平衡进一步改善的情况下，由于接入的是负荷最高相，可减缓白天吸收无功的程度，进而降低等值线损。因此同时考虑换相以及无功调节有利于改善整体电能质量。为进一步分析光伏并网选相结果，图6给出了并网光伏的分相并网有功功率情况。

具体地，在优化结果中，光伏主要选择B相和选择C相并网，这与光伏出力及该区域所带三相负荷的匹配程度相关。在7～11时，光伏出力由小渐增，B相负荷大小比其它相负荷稍大，光伏出力趋向于选择B相并网，就地消纳B相负荷，调整三相负载较为均衡。而随着午后时间的推移，12～15时负荷均有较高的抬升，C相负荷抬升绝对量较大，故而光伏出力趋向于选择C相并网，就地消纳部分的C相负荷，16～18时则趋向于消纳B相负荷，以追求三相负载相对均衡。

由此可见，考虑光伏选相后，光伏接入自动灵活切换，调度结果趋于为某相较大的负载提供就地电力来源，从而可更好地调节三相负载，减少三相不平衡度。

在某一实施例中，本发明考虑了光伏逆变器无功电压调节能力，为分析光伏逆变器无功电压调节带来的效果，增加两种情况做对比分析：(1)不接光伏；(2)光伏选相只考虑有功出力。

其中，三种情形下一天当中母线B4的三相电压不平衡度如图7所示。

由图7可知，接入光伏并考虑其动态选相和无功调节能力后，三相电压的不均衡程度进一步降低，有利于进一步改善电压质量。结合图8所示的光伏逆变器无功出力情况做进一步说明如下。如15时，光伏选择接入负荷最大的C相以抵消部分负荷，但由于负荷削减过多导致电压显著抬升，造成了更大程度的三相电压不平衡，此时光伏可进一步调节无功以降低C相电压，减小消纳光伏有功出力带来的影响；另一方面，光伏只在白天发出有功，晚上处于闲置状态，此时利用其光伏逆变器的无功调节能力可改善夜晚由于负荷较低带来的电压偏高情况，如19～24时接入负荷最低的C相调节无功出力达到降低电压的效果，减少三相电压不平衡，到了1～6时则转接到负荷最低的A相，改善该时段的电压质量。

由图4可以发现，在考虑光伏的分相控制及逆变器无功调节能力时，仍存在局部三相不平衡度较高的时刻，如在光伏出力较大的14时。其主要原因是该时刻光伏有功出力较大，受光伏逆变器容量的限制，无功出力较低。这种情况下无法解决由于消纳光伏造成的电压升高，导致在14时三相不平衡越限，因此为了进行进一步的分析，考虑了储能的配置，储能配置参数如上所述。

进一步地，表2给出了是否考虑储能下的配网电能质量对比。

表2考虑储能配置与否的电能质量对比

由表2可知，当配置储能后，配网电能质量有了进一步地改善，三相不平衡度和等值线损均有所降低，最大三相不平衡度也降到了2％以内。

进一步地，图9给出了储能在调度时期的充放电功率情况。结合图9及负荷及光伏出力特性可知，负荷特性主要呈晚高白天较低的情况，而中午光伏出力较大，储能可吸收部分光伏出力待负荷较高时释放，一方面可削弱午间时段光伏高发时段引起的局部电压过高实现电压均衡的目的，一方面通过负荷时空转移的手段有利于调节负载平衡。

具体地，针对本算例，全天的调控方案如下：光伏1～6时并入A相，7～11时并入B相，12～15时并入C相，16～18时并入B相，19～24时并入C相。光伏逆变器1～24时的无功出力如图8所示。储能1～24时的有功出力如图9所示。

综上所述，本发明考虑光伏选相及逆变器无功调节能力、储能有功调节后，可进一步增加LVDN调控的灵活度，进一步改善低压配网三相不平衡度并对等值线损明显的积极作用。

第三方面：

请参阅图10，本发明某一实施例还提供了一种低压配电网三相不平衡度优化系统，包括：

初始模型构建单元01，用于获取预设时间的单相光伏预测出力数据及负荷预测数据，使用三相四线潮流模型对低压配电网建模，得到初始模型；

优化控制模型构建单元02，用于构建所述初始模型的低压配电网三相不平衡度优化控制模型；

目标模型构建单元03，用于根据所述优化控制模型，进行区间约束确定化处理及逻辑变量连续化处理，生成目标模型；

最优解生成单元04，用于求解所述目标模型，生成最优解；利用所述最优解控制单相光伏选相并网、光伏逆变器无功出力以及储能的充放电功率。

本发明实施例提供的低压配电网三相不平衡度优化系统用于执行如第一方面所述的低压配电网三相不平衡度优化方法。该方法以低压配配电网三相不平衡度最小为目标函数构建了含光储的低压配电网三相不平衡度优化模型，改善了电网中的三相不平衡度，提升了低压配电网电能质量，并提出了互补约束对模型中的逻辑变量进行连续化处理，提高了所构建模型的求解效率。

第四方面

请参阅图11，本发明某一实施例还提供了一种终端设备，该终端设备包括：

处理器、存储器和总线；

所述总线，用于连接所述处理器和所述存储器；

所述存储器，用于存储操作指令；

所述处理器，用于通过调用所述操作指令，可执行指令使处理器执行如本申请的第一方面所示的低压配电网三相不平衡度优化方法对应的操作。

在一个可选实施例中提供了一种终端设备，如图7所示，图7所示的终端设备包括：处理器001和存储器003。其中，处理器001和存储器003相连，如通过总线002相连。可选地，终端设备还可以包括收发器004。需要说明的是，实际应用中收发器004不限于一个，该终端设备的结构并不构成对本申请实施例的限定。

处理器001可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线002可包括一通路，在上述组件之间传送信息。总线002可以是PCI总线或EISA总线等。总线002可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器003用于存储执行本申请方案的应用程序代码，并由处理器001来控制执行。处理器001用于执行存储器003中存储的应用程序代码，以实现前述任一方法实施例所示的内容。

其中，终端设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。

本申请的又一实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中的相应内容。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (9)

1.一种低压配电网三相不平衡度优化方法，其特征在于，包括：

获取预设时间的单相光伏预测出力数据及负荷预测数据，使用三相四线潮流模型对低压配电网建模，得到初始模型；

构建所述初始模型的低压配电网三相不平衡度优化控制模型，包括：

构建目标函数f_A：

式中，F_d为低压配电网三相不平衡度指标，P_{PV_pre,t}和P_PV,t分别为t时刻光伏出力的预测值和调度值，且P_{PV_pre，t} ^*＝[P_{PV_predn，t},P_{PV_preup，t}]，P_{PV_predn，t}、P_{PV_preup，t}分别为t时刻光伏预测出力的最小值、最大值，

为弃光罚项；

其中，F_d的计算公式为：

式中，下标m为母线编号，母线m的三相不平衡度U_vuF,m的计算式为：

式中，V_neg和V_pos分别指负序电压和正序电压；V_a、V_b和V_c分别为a、b、c三相电压；参数α＝1∠120°；

确定所述目标函数的约束条件；

根据所述优化控制模型，进行区间约束确定化处理及逻辑变量连续化处理，生成目标模型；

求解所述目标模型，生成最优解；利用所述最优解控制单相光伏选相并网、光伏逆变器无功出力以及储能的充放电功率。

2.根据权利要求1所述的低压配电网三相不平衡度优化方法，其特征在于，所述约束条件包括：光伏调度出力约束、光伏选相并网约束、光伏逆变器无功出力约束、储能运行状态约束、储能充放电功率及容量约束、网络潮流约束、电流与电压约束及三相不平衡约束。

3.根据权利要求2所述的低压配电网三相不平衡度优化方法，其特征在于，所述区间约束确定化处理为：

将P_{PV_pre，t} ^*＝[P_{PV_predn，t},P_{PV_preup，t}]转化实数表达式：

式中，ξ为置信水平，用于表征区间约束的满意程度，ξ的取值范围为[0,1]。

4.根据权利要求2所述的低压配电网三相不平衡度优化方法，其特征在于，所述逻辑变量连续化处理为：

将逻辑变量的取值范围扩充为连续实数范围[0,1]

式中，δ_t为储能充放电的逻辑变量，

为光伏选相并网约束的逻辑变量。

5.根据权利要求1-4任一项所述的低压配电网三相不平衡度优化方法，其特征在于，利用SNOPT求解器求解所述目标模型，生成最优解。

6.根据权利要求1-4任一项所述的低压配电网三相不平衡度优化方法，其特征在于，利用GAMS软件生成所述目标模型。

7.一种低压配电网三相不平衡度优化系统，其特征在于，包括：

初始模型构建单元，用于获取预设时间的单相光伏预测出力数据及负荷预测数据，使用三相四线潮流模型对低压配电网建模，得到初始模型；

优化控制模型构建单元，用于构建所述初始模型的低压配电网三相不平衡度优化控制模型，包括：

构建目标函数f_A：

式中，F_d为低压配电网三相不平衡度指标，P_{PV_pre,t}和P_PV,t分别为t时刻光伏出力的预测值和调度值，且P_{PV_pre，t} ^*＝[P_{PV_predn，t},P_{PV_preup，t}]，P_{PV_predn，t}、P_{PV_preup，t}分别为t时刻光伏预测出力的最小值、最大值，

为弃光罚项；

其中，F_d的计算公式为：

式中，下标m为母线编号，母线m的三相不平衡度U_vuF,m的计算式为：

式中，V_neg和V_pos分别指负序电压和正序电压；V_a、V_b和V_c分别为a、b、c三相电压；参数α＝1∠120°；

确定所述目标函数的约束条件；

目标模型构建单元，用于根据所述优化控制模型，进行区间约束确定化处理及逻辑变量连续化处理，生成目标模型；

最优解生成单元，用于求解所述目标模型，生成最优解；利用所述最优解控制单相光伏选相并网、光伏逆变器无功出力以及储能的充放电功率。

8.一种终端设备，其特征在于，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的低压配电网三相不平衡度优化方法。

9.一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实现如权利要求1至6任一项所述的低压配电网三相不平衡度优化方法。

Images