CN113629778A - 一种分布式光伏配电网光储系统设计方法 - Google Patents
一种分布式光伏配电网光储系统设计方法 Download PDFInfo
- Publication number
- CN113629778A CN113629778A CN202110902047.7A CN202110902047A CN113629778A CN 113629778 A CN113629778 A CN 113629778A CN 202110902047 A CN202110902047 A CN 202110902047A CN 113629778 A CN113629778 A CN 113629778A
- Authority
- CN
- China
- Prior art keywords
- scene
- photovoltaic power
- storage system
- risk
- probability
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013461 design Methods 0.000 title claims abstract description 18
- 238000010248 power generation Methods 0.000 claims abstract description 43
- 230000003287 optical effect Effects 0.000 claims abstract description 16
- 238000012502 risk assessment Methods 0.000 claims abstract description 13
- 238000005286 illumination Methods 0.000 claims description 28
- 238000004146 energy storage Methods 0.000 claims description 16
- 238000003064 k means clustering Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000010348 incorporation Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000011161 development Methods 0.000 description 2
- 101150067055 minC gene Proteins 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- 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
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Power Engineering (AREA)
- Finance (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Water Supply & Treatment (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Photovoltaic Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种分布式光伏配电网光储系统设计方法,与现有技术相比解决了未充分考虑风险评估对光储系统设计影响而导致存在较大风险隐患的缺陷。本发明包括以下步骤:建立光伏发电随机出力概率模型、电负荷的概率模型;构建分布式光伏配电网光储系统的典型应用场景;进行典型应用场景下的运行风险评估;光储系统规划模型的建立;分布式光伏配电网光储系统的设计。本发明能够对园区失负荷进行合理有效的评估,提高设计的准确性,实现分布式光伏配电网光储系统的自动设计。
Description
技术领域
本发明涉及光储系统技术领域,具体来说是一种分布式光伏配电网光储系统设计方法。
背景技术
风险价值理论的发展为光伏发电的并网提供了良好的基础。由于分布式光伏发电的大力发展,其大规模地分散接入会对园区供电系统产生较大影响,其固有的出力随机波动可能会对电网的能量平衡特性造成一定的影响,进而导致用户短时失负荷,增加园区供电系统的运行风险,因此基于风险评估对大规模分散光伏的接入进行规划具有重要意义。
目前现有的分布式光伏配电网光储系统规划设计方法大多仅针对含少量分布式光伏的配电网,且未考虑风险评估问题对规划的影响。但若大量光伏分散地接入配电网,为抑制光伏出力的波动性,降低光伏出力可能对负荷造成的影响,如何配置光伏及储能的容量?现有的规划方法均未能充分考虑光储系统对园区负荷供电风险产生影响因素,存在很大的风险隐患。
发明内容
本发明的目的是为了解决现有技术中未充分考虑风险评估对光储系统设计影响而导致存在较大风险隐患的缺陷,提供一种分布式光伏配电网光储系统设计方法来解决上述问题。
为了实现上述目的,本发明的技术方案如下:
一种分布式光伏配电网光储系统设计方法,包括以下步骤:
11)建立光伏发电随机出力概率模型、电负荷的概率模型;
12)构建分布式光伏配电网光储系统的典型应用场景:基于光伏发电随机出力概率模型和电负荷的概率模型,利用场景分析法建立光储系统的典型应用场景;
13)进行典型应用场景下的运行风险评估:根据建立的园区光储系统的典型应用场景,基于CvaR技术,对园区光储系统在典型应用场景下的运行风险评估;
14)光储系统规划模型的建立:建立计及投资费用、运行费用及运行风险损失最小的园区光储系统规划模型;
15)分布式光伏配电网光储系统的设计:将待设计的园区光储系统的运行费用、失负荷风险费用和投资费用输入光储系统规划模型,自动得到分布式光伏配电网光储系统的设计结果。
所述建立光伏发电随机出力概率模型、电负荷的概率模型包括以下步骤:
21)基于贝塔分布,设定光伏发电随机出力概率模型的概率密度函数f(γ),其表达式如下:
式中:α、β为Beta分布的两个形状参数;γ、γmax分别为光照强度及其最大值,Γ()为伽玛函数;
22)利用实际可用光照强度γ近似表示光伏发电的出力PPV,具体表达式如下所示:
式中:γc为设定的某个辐射点下的光照强度,γs为光照强度的标准值;PN为光伏发电在标准条件下的额定功率;
23)设定电负荷的概率模型的概率密度函数f(Pe),如下所示:
式中:μe和σe分别为电负荷的期望值和方差,Pe为电负荷实际值。
所述构建分布式光伏配电网光储系统的典型应用场景包括以下步骤:
31)根据光照强度将光伏发电出力划分成n种出力状态,每种状态下光伏发电出力取各自光照强度中间值对应的出力,相应的光照强度连续概率密度函数被划分成n个确定性状态,每个确定性状态发生的概率由概率密度函数 pPV(状态n)求得,具体表达式如下所示:
式中:γi-1和γi分别为状态n对应的光照强度的上下限值,f(γ)为受光照强度影响的光伏发电出力分布特性曲线;
根据大小将电负荷划分成m种状态,每种状态下电负荷取各中间值,相应的电负荷概率密度函数被划分成m个确定性状态,每个确定性状态发生的概率由概率密度函数pe(状态m)求得,具体表达式如下所示:
式中:κi-1和κi分别为状态m对应的负荷上下限值,f(κ)为电负荷概率密度函数;
32)设光伏发电出力及电负荷的场景数分别为n和m,则总场景数为 N=n·m,假设光照强度落在场景ni,电负荷落在场景mj,则该场景发生的概率为p=p(ni)p(mj);
33)利用Canopy+K-means聚类算法对场景进行消减:
331)选取场景集中任一场景ωm为初始聚类中心,设定距离阈值定值d1> d2;
332)遍历计算场景集中每一个场景ωi与始聚类中心场景ωm的欧几里得距离,若dist(ωi,ωm)<d1则将场景ωi纳入场景ωm所在的簇中,若dist(ωi,ωm)<d2则将该场景ωi从整个场景集中删去,不再参与下一次聚类;
333)遍历场景集后,选取距离最大值maxdist(ωi,ωm)对应的场景ωi作为新的聚类簇的聚类中心,重复步骤331)、步骤332),循环至场景集中所有场景点都被删除;
334)根据Canopy聚类算法,得到初始聚类结果簇的粗糙聚类中心和初始选取簇的个数h值;
作为K均值聚类算法的初始聚类中心对所述样本场景集进行K均值聚类算法,得到h个聚类结果;
所述进行典型应用场景下的运行风险评估包括以下步骤:
概率密度函数为ρ(x),置信水平为β,损失函数为f(x,y),则风险理论值 VaRβ的数学表达式如下:
VaRβ=min{α∈R,∫f(x,y)≤αρ(y)dy≥β},
式中:积分∫f(x,y)≤αρ(y)dy≥β的含义为函数f(x,y)不大于α的概率,VaRβ越小,意味着在β置信度下的风险损失越小,反之也然,R为实数集合,α为风险边界值;
42)引用条件风险价值理论来修正风险损失,其表达式如下:
式中:[h(x,ωi)-VaRβ]+表示max{h(x,ωi)-VaRβ,0},π(ωi)为场景i出现的概率,h(x,ωi)为ωi场景下的风险损失,Ω为场景集合,CVaR为失负荷风险费用。
所述光储系统规划模型的建立包括以下步骤:
51)设定规划模型的目标函数:
设Cop、CCVaR和Cinvest分别为典型场景下园区光储系统的运行费用、失负荷风险费用和投资费用,λ为风险偏好相关系数,则园区光储系统规划模型的目标函数为:
minC=Cop+λCCVaR-Cinvest,
失负荷风险费用CCVaR的计算如进行典型应用场景下的运行风险评估步骤所述;
投资费用Cinvest如下式所示:
52)设定规划模型的约束函数,其中储能约束表达式如下:
能量平衡约束表达式如下:
有益效果
本发明的一种分布式光伏配电网光储系统设计方法,与现有技术相比能够对园区失负荷进行合理有效的评估,提高设计的准确性,实现分布式光伏配电网光储系统的自动设计。
本发明开展了基于Canopy+K-means聚类算法对园区光储系统的场景进行了大幅消减,确保典型场景精度的同时,降低了规划的复杂性;同时,本发明将风险价值理论应用于园区光储系统的风险评估,克服了传统风险评估不能够对超过置信度的风险损失进行刻画的缺点,能够对尾部风险进行度量,提高了风险损失评估的精度,从而提高了园区光储系统规划的精度,对园区分布式配电网光储系统的规划具有一定的技术意义。
附图说明
图1为本发明的方法顺序图;
图2为本发明中Canopy+K-means聚类算法对场景进行消减流程图。
具体实施方式
为使对本发明的结构特征及所达成的功效有更进一步的了解与认识,用以较佳的实施例及附图配合详细的说明,说明如下:
如图1所示,本发明所述的一种分布式光伏配电网光储系统设计方法,可通过计算机设备执行以下步骤,其包括以下步骤:
第一步,建立光伏发电随机出力概率模型、电负荷的概率模型。随着大规模分布式光伏电源接入电力系统,人们越来越关注其输出功率的波动性对电网规划的影响。建立光伏电源随机出力概率模型及电负荷的概率模型将有助于运行人员更好地实现对含光伏电源的电力系统的规划设计。
其具体步骤如下:
(1)大量研究分析表明贝塔(Beta)分布在表征光照概率分布特性方面准确性较好,在此基于贝塔分布,设定光伏发电随机出力概率模型的概率密度函数f(γ),其表达式如下:
式中:α、β为Beta分布的两个形状参数;γ、γmax分别为光照强度及其最大值,Γ()为伽玛函数;
(2)利用实际可用光照强度γ近似表示光伏发电的出力PPV,具体表达式如下所示:
式中:γc为设定的某个辐射点下的光照强度,γs为光照强度的标准值;PN为光伏发电在标准条件下的额定功率;
(3)设定电负荷的概率模型的概率密度函数f(Pe),如下所示:
式中:μe和σe分别为电负荷的期望值和方差,Pe为电负荷实际值。
第二步,构建分布式光伏配电网光储系统的典型应用场景。基于光伏发电随机出力概率模型和电负荷的概率模型,利用场景分析法建立光储系统的典型应用场景。其具体步骤如下:
(1)根据光照强度将光伏发电出力划分成n种出力状态,每种状态下光伏发电出力取各自光照强度中间值对应的出力,相应的光照强度连续概率密度函数被划分成n个确定性状态,每个确定性状态发生的概率由概率密度函数 pPV(状态n)求得,具体表达式如下所示:
式中:γi-1和γi分别为状态n对应的光照强度的上下限值,f(γ)为受光照强度影响的光伏发电出力分布特性曲线。
同理,电负荷的不确定性处理方法与光伏发电出力不确定性处理方法类似,通过对负荷概率密度函数进行多个区间划分,以多个确定性场景表征负荷的不确定性。
根据大小将电负荷划分成m种状态,每种状态下电负荷取各中间值,相应的电负荷概率密度函数被划分成m个确定性状态,每个确定性状态发生的概率由概率密度函数pe(状态m)求得,具体表达式如下所示:
式中:κi-1和κi分别为状态m对应的负荷上下限值,f(κ)为电负荷概率密度函数。
(2)设光伏发电出力及电负荷的场景数分别为n和m,则总场景数为 N=n·m,假设光照强度落在场景ni,电负荷落在场景mj,则该场景发生的概率为p=p(ni)p(mj);
(3)多场景分析是处理难以用数学模型描述的不确定性问题的实用方法之一,其核心为将具有不确定性的随机变量的可能取值通过某一规则列举出来,从而形成一系列“规划场景”,其中的每一“规划场景”对应一组确定的规划参数,再通过某种规则对每个“规划场景”进行评估,选出最典型的“规划场景”,近而将不确定性问题转换成一系列确定性问题,避免复杂模型的建立,降低计算难度以方便求解。如图2所示,利用Canopy+K-means聚类算法对场景进行消减:
A1)选取场景集中任一场景ωm为初始聚类中心,设定距离阈值定值d1>d2;
A2)遍历计算场景集中每一个场景ωi与始聚类中心场景ωm的欧几里得距离,若dist(ωi,ωm)<d1则将场景ωi纳入场景ωm所在的簇中,若dist(ωi,ωm)<d2则将该场景ωi从整个场景集中删去,不再参与下一次聚类;
A3)遍历场景集后,选取距离最大值maxdist(ωi,ωm)对应的场景ωi作为新的聚类簇的聚类中心,重复步骤331)、步骤332),循环至场景集中所有场景点都被删除;
A4)根据Canopy聚类算法,得到初始聚类结果簇的粗糙聚类中心和初始选取簇的个数h值;
作为K均值聚类算法的初始聚类中心对所述样本场景集进行K均值聚类算法,得到h个聚类结果;
第三步,进行典型应用场景下的运行风险评估:考虑到光伏发电出力和负荷需求的不确定性,根据建立的园区光储系统的典型应用场景,基于CvaR技术,对园区光储系统在典型应用场景下的运行风险评估。风险评估的意义在于将以往只能定性分析或根据运行经验判断的电网场景和事件予以量化,从而更加明了地评估风险大小。
其具体步骤如下:
概率密度函数为ρ(x),置信水平为β,损失函数为f(x,y),则风险理论值VaRβ的数学表达式如下:
VaRβ=min{α∈R,∫f(x,y)≤αρ(y)dy≥β},
式中:积分∫f(x,y)≤αρ(y)dy≥β的含义为函数f(x,y)不大于α的概率,VaRβ越小,意味着在β置信度下的风险损失越小,反之也然,R为实数集合,α为风险边界值。
风险价值理论VaR刻画了投资商在风险置信度下的最大可能损失值,但并未对超过置信度的风险损失进行刻画,缺少对尾部风险的度量,从而影响到风险损失决策。为克服上述缺陷,引用条件风险价值CVaR理论来修正风险损失。
(2)引用条件风险价值理论来修正风险损失,其表达式如下:
式中:[h(x,ωi)-VaRβ]+表示max{h(x,ωi)-VaRβ,0},π(ωi)为场景i出现的概率,h(x,ωi)为ωi场景下的风险损失,Ω为场景集合,CVaR为失负荷风险费用。
第四步,光储系统规划模型的建立:建立计及投资费用、运行费用及运行风险损失最小的园区光储系统规划模型。采用CVaR风险度量指标可以评估不确定性带来的投资、运行风险,定性定量分析各种不确定性的影响因素与风险值之间的关系,实现光储系统的最优规划。
其具体步骤如下:
(1)设定规划模型的目标函数:
设Cop、CCVaR和Cinvest分别为典型场景下园区光储系统的运行费用、失负荷风险费用和投资费用,λ为风险偏好相关系数,则园区光储系统规划模型的目标函数为:
minC=Cop+λCCVaR-Cinvest,
失负荷风险费用CCVaR的计算如进行典型应用场景下的运行风险评估步骤所述;
投资费用Cinvest如下式所示:
(2)设定规划模型的约束函数,其中储能约束表达式如下:
能量平衡约束表达式如下:
第五步,分布式光伏配电网光储系统的设计:获取待设计的园区光储系统的运行费用、失负荷风险费用和投资费用,将其输入光储系统规划模型,自动得到分布式光伏配电网光储系统的设计结果。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (5)
1.一种分布式光伏配电网光储系统设计方法,其特征在于,包括以下步骤:
11)建立光伏发电随机出力概率模型、电负荷的概率模型;
12)构建分布式光伏配电网光储系统的典型应用场景:基于光伏发电随机出力概率模型和电负荷的概率模型,利用场景分析法建立光储系统的典型应用场景;
13)进行典型应用场景下的运行风险评估:根据建立的园区光储系统的典型应用场景,基于CvaR技术,对园区光储系统在典型应用场景下的运行风险评估;
14)光储系统规划模型的建立:建立计及投资费用、运行费用及运行风险损失最小的园区光储系统规划模型;
15)分布式光伏配电网光储系统的设计:将待设计的园区光储系统的运行费用、失负荷风险费用和投资费用输入光储系统规划模型,自动得到分布式光伏配电网光储系统的设计结果。
2.根据权利要求1所述的一种分布式光伏配电网光储系统设计方法,其特征在于,所述建立光伏发电随机出力概率模型、电负荷的概率模型包括以下步骤:
21)基于贝塔分布,设定光伏发电随机出力概率模型的概率密度函数f(γ),其表达式如下:
式中:α、β为Beta分布的两个形状参数;γ、γmax分别为光照强度及其最大值,Γ()为伽玛函数;
22)利用实际可用光照强度γ近似表示光伏发电的出力PPV,具体表达式如下所示:
式中:γc为设定的某个辐射点下的光照强度,γs为光照强度的标准值;PN为光伏发电在标准条件下的额定功率;
23)设定电负荷的概率模型的概率密度函数f(Pe),如下所示:
式中:μe和σe分别为电负荷的期望值和方差,Pe为电负荷实际值。
3.根据权利要求1所述的一种分布式光伏配电网光储系统设计方法,其特征在于,所述构建分布式光伏配电网光储系统的典型应用场景包括以下步骤:
31)根据光照强度将光伏发电出力划分成n种出力状态,每种状态下光伏发电出力取各自光照强度中间值对应的出力,相应的光照强度连续概率密度函数被划分成n个确定性状态,每个确定性状态发生的概率由概率密度函数pPV(状态n)求得,具体表达式如下所示:
式中:γi-1和γi分别为状态n对应的光照强度的上下限值,f(γ)为受光照强度影响的光伏发电出力分布特性曲线;
根据大小将电负荷划分成m种状态,每种状态下电负荷取各中间值,相应的电负荷概率密度函数被划分成m个确定性状态,每个确定性状态发生的概率由概率密度函数pe(状态m)求得,具体表达式如下所示:
式中:κi-1和κi分别为状态m对应的负荷上下限值,f(κ)为电负荷概率密度函数;
32)设光伏发电出力及电负荷的场景数分别为n和m,则总场景数为N=n·m,假设光照强度落在场景ni,电负荷落在场景mj,则该场景发生的概率为p=p(ni)p(mj);
33)利用Canopy+K-means聚类算法对场景进行消减:
331)选取场景集中任一场景ωm为初始聚类中心,设定距离阈值定值d1>d2;
332)遍历计算场景集中每一个场景ωi与始聚类中心场景ωm的欧几里得距离,若dist(ωi,ωm)<d1则将场景ωi纳入场景ωm所在的簇中,若dist(ωi,ωm)<d2则将该场景ωi从整个场景集中删去,不再参与下一次聚类;
333)遍历场景集后,选取距离最大值maxdist(ωi,ωm)对应的场景ωi作为新的聚类簇的聚类中心,重复步骤331)、步骤332),循环至场景集中所有场景点都被删除;
334)根据Canopy聚类算法,得到初始聚类结果簇的粗糙聚类中心和初始选取簇的个数h值;
作为K均值聚类算法的初始聚类中心对所述样本场景集进行K均值聚类算法,得到h个聚类结果;
4.根据权利要求1所述的一种分布式光伏配电网光储系统设计方法,其特征在于,所述进行典型应用场景下的运行风险评估包括以下步骤:
概率密度函数为ρ(x),置信水平为β,损失函数为f(x,y),则风险理论值VaRβ的数学表达式如下:
VaRβ=min{α∈R,∫f(x,y)≤αρ(y)dy≥β},
式中:积分∫f(x,y)≤αρ(y)dy≥β的含义为函数f(x,y)不大于α的概率,VaRβ越小,意味着在β置信度下的风险损失越小,反之也然,R为实数集合,α为风险边界值;
42)引用条件风险价值理论来修正风险损失,其表达式如下:
式中:[h(x,ωi)-VaRβ]+表示max{h(x,ωi)-VaRβ,0},π(ωi)为场景i出现的概率,h(x,ωi)为ωi场景下的风险损失,Ω为场景集合,CVaR为失负荷风险费用。
5.根据权利要求1所述的一种分布式光伏配电网光储系统设计方法,其特征在于,所述光储系统规划模型的建立包括以下步骤:
51)设定规划模型的目标函数:
设Cop、CCVaR和Cinvest分别为典型场景下园区光储系统的运行费用、失负荷风险费用和投资费用,λ为风险偏好相关系数,则园区光储系统规划模型的目标函数为:
min C=Cop+λCCVaR-Cinvest,
失负荷风险费用CCVaR的计算如进行典型应用场景下的运行风险评估步骤所述;
投资费用Cinvest如下式所示:
52)设定规划模型的约束函数,其中储能约束表达式如下:
能量平衡约束表达式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110902047.7A CN113629778B (zh) | 2021-08-06 | 2021-08-06 | 一种分布式光伏配电网光储系统设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110902047.7A CN113629778B (zh) | 2021-08-06 | 2021-08-06 | 一种分布式光伏配电网光储系统设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113629778A true CN113629778A (zh) | 2021-11-09 |
CN113629778B CN113629778B (zh) | 2023-07-21 |
Family
ID=78383201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110902047.7A Active CN113629778B (zh) | 2021-08-06 | 2021-08-06 | 一种分布式光伏配电网光储系统设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113629778B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113972694A (zh) * | 2021-11-18 | 2022-01-25 | 国网重庆市电力公司 | 一种配电网分布式光伏与储能电站投资决策方法 |
CN113991742A (zh) * | 2021-11-19 | 2022-01-28 | 国网重庆市电力公司 | 一种配电网分布式光伏双层协同优化投资决策方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106058917A (zh) * | 2016-05-31 | 2016-10-26 | 国网山东省电力公司济南供电公司 | 一种计及光伏发电的电力系统动态经济调度方法 |
CN106600459A (zh) * | 2016-12-09 | 2017-04-26 | 范征 | 一种用于解决光伏接入点电压偏差的优化方法 |
CN108074035A (zh) * | 2017-11-27 | 2018-05-25 | 国网宁夏电力有限公司经济技术研究院 | 多场景分布式光伏接入配电网运行风险评估方法体系 |
US20210155111A1 (en) * | 2019-11-22 | 2021-05-27 | State Grid Fujian Electric Power Co., Ltd. | Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station |
-
2021
- 2021-08-06 CN CN202110902047.7A patent/CN113629778B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106058917A (zh) * | 2016-05-31 | 2016-10-26 | 国网山东省电力公司济南供电公司 | 一种计及光伏发电的电力系统动态经济调度方法 |
CN106600459A (zh) * | 2016-12-09 | 2017-04-26 | 范征 | 一种用于解决光伏接入点电压偏差的优化方法 |
CN108074035A (zh) * | 2017-11-27 | 2018-05-25 | 国网宁夏电力有限公司经济技术研究院 | 多场景分布式光伏接入配电网运行风险评估方法体系 |
US20210155111A1 (en) * | 2019-11-22 | 2021-05-27 | State Grid Fujian Electric Power Co., Ltd. | Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station |
Non-Patent Citations (1)
Title |
---|
叶斌;李万启;王绪利;葛斐;熊世旺;周贤正;郭创新;: "考虑不同光伏渗透率影响的配电网风险规划研究", 机电工程, no. 05 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113972694A (zh) * | 2021-11-18 | 2022-01-25 | 国网重庆市电力公司 | 一种配电网分布式光伏与储能电站投资决策方法 |
CN113972694B (zh) * | 2021-11-18 | 2024-03-22 | 国网重庆市电力公司 | 一种配电网分布式光伏与储能电站投资决策方法 |
CN113991742A (zh) * | 2021-11-19 | 2022-01-28 | 国网重庆市电力公司 | 一种配电网分布式光伏双层协同优化投资决策方法 |
CN113991742B (zh) * | 2021-11-19 | 2024-04-16 | 国网重庆市电力公司 | 一种配电网分布式光伏双层协同优化投资决策方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113629778B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Optimal sizing of a wind-energy storage system considering battery life | |
CN113629778A (zh) | 一种分布式光伏配电网光储系统设计方法 | |
CN106992519B (zh) | 一种基于信息间隙决策理论的电网负荷恢复鲁棒优化方法 | |
CN112884270B (zh) | 一种考虑不确定性因素的多场景配电网规划方法及系统 | |
CN112785027B (zh) | 风光储联合发电系统置信容量评估方法及系统 | |
CN110137952B (zh) | 一种实现源-荷-储协调运行的优化模型与方法 | |
CN111950900A (zh) | 一种电力系统源网荷储本质安全风险评估方法 | |
CN115496273A (zh) | 一种可再生能源集群分布鲁棒优化配置方法及系统 | |
CN111126760A (zh) | 一种基于灰狼算法的用户侧储能装置容量配置方法 | |
CN114037209A (zh) | 分布式光伏接入直流配电系统综合效益分析方法及装置 | |
CN112713621B (zh) | 一种交直流混合系统的多目标优化配置方法和系统 | |
CN107563641B (zh) | 一种计及灾害偏好的配电网抗灾多场景差异化规划方法 | |
CN115912421A (zh) | 一种配电网储能选址定容多目标优化方法及系统 | |
CN113824161B (zh) | 一种DoS攻击下的交直流微电网集群系统控制方法 | |
CN115544871A (zh) | 考虑可再生电源空间相关性的分布鲁棒型储能规划方法 | |
CN115528664A (zh) | 一种微电网有功功率机会约束优化方法及系统 | |
CN112861376B (zh) | 一种基于单元调度模型的评估方法及装置 | |
CN115409317A (zh) | 基于特征选择和机器学习的台区线损检测方法及装置 | |
CN114759579A (zh) | 一种基于数据驱动的电网有功优化控制系统、方法和介质 | |
CN111311032B (zh) | 一种基于扇形雷达图模型的微网系统容量优化配置方法 | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
Bao et al. | Stochastic Optimal Scheduling of Photovoltaic-Energy Storage Charging Station Based on WGAN-GP Scenario Generation | |
CN116757406A (zh) | 一种考虑不确定性的分布式电源接入配电网选址定容方法 | |
CN114065878A (zh) | 一种基于多参量物联融合技术的电量缺失值填补方法 | |
CN117669972A (zh) | 一种新能源电力系统保供规划的方法及终端 |
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 |