CN113780722A - 配电网的联合规划方法、装置、计算机设备和存储介质 - Google Patents

配电网的联合规划方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113780722A
CN113780722A CN202110870847.5A CN202110870847A CN113780722A CN 113780722 A CN113780722 A CN 113780722A CN 202110870847 A CN202110870847 A CN 202110870847A CN 113780722 A CN113780722 A CN 113780722A
Authority
CN
China
Prior art keywords
distribution network
power distribution
energy storage
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.)
Granted
Application number
CN202110870847.5A
Other languages
English (en)
Other versions
CN113780722B (zh
Inventor
马智远
莫文雄
王勇
许中
栾乐
饶毅
周凯
徐硕
叶石丰
唐宗顺
李情
叶志峰
刘雍
杨帆
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.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong Power Grid 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 Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202110870847.5A priority Critical patent/CN113780722B/zh
Publication of CN113780722A publication Critical patent/CN113780722A/zh
Application granted granted Critical
Publication of CN113780722B publication Critical patent/CN113780722B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Fuzzy Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及一种配电网的联合规划方法、装置、计算机设备和存储介质。所述方法包括：确定包括柔性开关在配电网中的节点位置和安装容量的第一规划集合，以及包括储能设备在配电网中的节点位置和安装容量的第二规划集合后，构建联合规划模型，联合规划模型包括最小化配电网的购电数据、柔性开关和储能设备的投资数据、柔性开关和储能设备的维护数据之和的上层目标函数，和最小化配电网的网络损耗数据和节点电压偏移数据之和的下层目标函数，求解上层目标函数和下层目标函数，得到柔性开关和储能设备在配电网中的目标位置和目标容量。采用本方法能够实现对于柔性开关和储能设备在配电网中的节点位置和安装容量(选址和定容)的合理规划。

Description

配电网的联合规划方法、装置、计算机设备和存储介质
技术领域
本申请涉及电力技术领域，特别是涉及一种配电网的联合规划方法、装置、 计算机设备和存储介质。
背景技术
随着电力电子技术的快速发展，未来会有越来越多的分布式能源 (DistributedGenerations，DGs)接入到配电网中，而DGs出力具有的强随机性 和波动性将会给配电网运行带来巨大的挑战。
配电网中的柔性开关(Soft Open Point，SOP)具备从空间上转移有功、作 为无功电源和无功负荷等功能，可实现潮流双向可控传输，配电网中的分布式 储能装置(Distributed Energy Storage System，DESS)可以对负荷进行调峰，使 得负荷波动与新能源出力之间达到时序匹配。SOP和DESS分别从空间和时间 上对配电网中的潮流进行改善，以应对配电网接入DGs确保配电网的稳定运行。
而SOP和DESS在配电网中安装存在占地面积大和安装费用高的问题，因 此需要对SOP和DESS在配电网中的安装进行合理规划，以在确保配电网的稳 定运行的同时降低成本。
发明内容
基于此，有必要针对上述技术问题，提供一种配电网的联合规划方法、装 置、计算机设备和存储介质。
一种配电网的联合规划方法，配电网中包括柔性开关和储能设备，方法包 括：
确定第一规划集合和第二规划集合；其中，第一规划集合中包括柔性开关 在配电网中的节点位置和安装容量，第二规划集合中包括储能设备在配电网中 的节点位置和安装容量；
构建联合规划模型，联合规划模型包括最小化配电网的购电数据、柔性开 关和储能设备的投资数据、柔性开关和储能设备的维护数据之和的上层目标函 数，和最小化配电网的网络损耗数据和节点电压偏移数据之和的下层目标函数；
遍历第一规划集合中的节点位置和安装容量，以及第二规划集合中的节点 位置和安装容量，求解上层目标函数和下层目标函数，得到柔性开关在配电网 中的目标位置和目标容量，以及储能设备在配电网中的目标位置和目标容量。
在其中一个实施例中，求解上层目标函数的过程包括：
以柔性开关在配电网中的节点位置和安装容量，以及储能设备在配电网中 的节点位置和安装容量为决策变量，以柔性开关安装容量的容量约束，以及储 能设备安装容量的容量约束为约束条件，采用自适应粒子群算法求解上层目标 函数。
在其中一个实施例中，配电网还包括分布式能源，获取配电网的购电数据， 包括：
对分布式能源的历史输出功率和配电网的用电负荷分别进行聚类，对应得 到能源聚类结果和负荷聚类结果；
将属于同一目标时段的能源聚类结果以及负荷聚类结果组合为一种电网运 行场景；
获取每一电网运行场景下，单位时间配电网馈线注入的有功功率、场景时 长以及单位电价计算得到配电网的购电数据；其中，配电网馈线注入的有功功 率为配电网通过与上级配电网连接的节点输入的有功功率。
在其中一个实施例中，求解下层目标函数的过程包括：
在确定柔性开关在配电网中的节点位置和安装容量，以及储能设备在配电 网中的节点位置和安装容量后，以柔性开关在配电网中的节点位置上传输的有 功功率和无功功率，以及储能设备在配电网中的节点位置上传输的有功功率为 决策变量，柔性开关的运行约束、储能设备的运行约束、配电网的潮流约束、 节点电流约束、支路电流约束、储能设备的能量日不变约束、潮流倒送约束以 及分布式能源的出力约束为约束条件，采用二阶锥规划算法求解下层目标函数 并得到配电网馈线注入的有功功率。
在其中一个实施例中，获取配电网的网络损耗数据，包括：
根据每一电网运行场景下，单位时间配电网中所有节点位置传输的有功功 率，配电网中所有柔性开关两端传输的有功功率之和、未设置柔性开关和储能 设备时配电网的初始网络损耗，以及单位电价计算得到配电网的网络损耗数据。
在其中一个实施例中，获取配电网的节点电压偏移数据，包括：
根据每一电网运行场景下，单位时间配电网中所有节点位置的电压与配电 网的额定电压之间的电压平方偏差，和未设置柔性开关和储能设备时配电网的 电压平方偏差计算得到配电网的节点电压偏移数据。
在其中一个实施例中，确定第一规划集合中节点位置的过程包括：
获取配电网中所有节点位置的电压-无功灵敏度；
获取电压-无功灵敏度大于灵敏度阈值的节点位置，得到第一规划集合中的 节点位置。
一种配电网的联合规划装置，配电网中包括柔性开关和储能设备，装置包 括：
确定模块，用于确定第一规划集合和第二规划集合；其中，第一规划集合 中包括柔性开关在配电网中的节点位置和安装容量，第二规划集合中包括储能 设备在配电网中的节点位置和安装容量；
规划模块，用于构建联合规划模型，联合规划模型包括最小化配电网的购 电数据、柔性开关和储能设备的投资数据、柔性开关和储能设备的维护数据之 和的上层目标函数，和最小化配电网的网络损耗数据和节点电压偏移数据之和 的下层目标函数；
算法模块，用于遍历第一规划集合中的节点位置和安装容量，以及第二规 划集合中的节点位置和安装容量，求解上层目标函数和下层目标函数，得到柔 性开关在配电网中的目标位置和目标容量，以及储能设备在配电网中的目标位 置和目标容量。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序， 所述处理器执行所述计算机程序时实现以下步骤：
确定第一规划集合和第二规划集合；其中，第一规划集合中包括柔性开关 在配电网中的节点位置和安装容量，第二规划集合中包括储能设备在配电网中 的节点位置和安装容量；
构建联合规划模型，联合规划模型包括最小化配电网的购电数据、柔性开 关和储能设备的投资数据、柔性开关和储能设备的维护数据之和的上层目标函 数，和最小化配电网的网络损耗数据和节点电压偏移数据之和的下层目标函数；
遍历第一规划集合中的节点位置和安装容量，以及第二规划集合中的节点 位置和安装容量，求解上层目标函数和下层目标函数，得到柔性开关在配电网 中的目标位置和目标容量，以及储能设备在配电网中的目标位置和目标容量。
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 理器执行时实现以下步骤：
确定第一规划集合和第二规划集合；其中，第一规划集合中包括柔性开关 在配电网中的节点位置和安装容量，第二规划集合中包括储能设备在配电网中 的节点位置和安装容量；
构建联合规划模型，联合规划模型包括最小化配电网的购电数据、柔性开 关和储能设备的投资数据、柔性开关和储能设备的维护数据之和的上层目标函 数，和最小化配电网的网络损耗数据和节点电压偏移数据之和的下层目标函数；
遍历第一规划集合中的节点位置和安装容量，以及第二规划集合中的节点 位置和安装容量，求解上层目标函数和下层目标函数，得到柔性开关在配电网 中的目标位置和目标容量，以及储能设备在配电网中的目标位置和目标容量。
上述配电网的联合规划方法、装置、计算机设备和存储介质，确定包括柔 性开关在配电网中的节点位置和安装容量的第一规划集合，以及包括储能设备 在配电网中的节点位置和安装容量的第二规划集合后，构建联合规划模型，联 合规划模型包括最小化配电网的购电数据、柔性开关和储能设备的投资数据、 柔性开关和储能设备的维护数据之和的上层目标函数，和最小化配电网的网络 损耗数据和节点电压偏移数据之和的下层目标函数，遍历第一规划集合中的节 点位置和安装容量，以及第二规划集合中的节点位置和安装容量，求解上层目 标函数和下层目标函数，得到柔性开关在配电网中的目标位置和目标容量，以 及储能设备在配电网中的目标位置和目标容量。通过上述方式实现对于柔性开 关和储能设备在配电网中的节点位置和安装容量(选址和定容)的合理规划， 确保配电网稳定运行的同时，降低了成本。
附图说明
图1为一个实施例中计算机设备的内部结构图；
图2为一个实施例中配电网的联合规划方法的流程示意图；
图3为一个实施例中柔性开关的拓扑示意图；
图4为一个实施例中求解联合规划模型的流程示意图；
图5为一个实施例中确定配电网的购电数据的流程示意图；
图6为一个实施例中确定第一规划集合中节点位置的流程示意图；
图7为一个实施例中配电网的联合规划装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实 施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅 用以解释本申请，并不用于限定本申请。
本申请提供的配电网的联合规划方法，可以应用于如图1所示的计算机设 备中。该计算机设备可以是服务器，其内部结构图可以如图1所示。该计算机 设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设 备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存 储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据 库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环 境。该计算机设备的数据库用于存储联合规划柔性开关和储能设备所需的数据。 该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序 被处理器执行时以实现一种配电网的联合规划方法。
本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关 的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定， 具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件， 或者具有不同的部件布置。
在一个实施例中，如图2所示，提供了一种配电网的联合规划方法，具体 是对柔性开关和储能设备在配电网中的节点位置和安装容量(选址和定容)进 行合理规划，以该方法应用于图1中的计算机设备为例进行说明，包括以下步 骤：
S210、确定第一规划集合和第二规划集合。
其中，第一规划集合中包括柔性开关在配电网中的节点位置和安装容量， 第二规划集合中包括储能设备在配电网中的节点位置和安装容量。柔性开关和 储能设备在配电网中的节点位置可以是配电网中任一节点位置。
可选地，单位SOP的安装容量ssop、单位DESS的安装功率pDESS以及单位 DESS的安装容量eDESS的约束条件如下：
Figure BDA0003188829400000061
其中，
Figure BDA0003188829400000062
均为非负整数；
Figure BDA0003188829400000063
分别代表在节点i上允许安装的SOP中变流器的最大容量、DESS的最大功率、和DESS的最 大容量。
可选地，柔性开关具体包括背靠背电压源型变流器、统一潮流控制器和静 止同步串联补偿器。电力电子柔性开关常见的拓扑结构包括二端口、三端口和 四端口，其中二端口拓扑结构的常见组合类型包括DC-DC、DC-AC、AC-AC和 AC-DC-AC。图3即为二端口DC-DC组合类型的柔性开关，直流侧的电容将两 个变流器耦合连接，起到稳定直流侧电压以及滤波的作用，两端的变流器通过 电抗L1、L2和等效电阻R1、R2接入配电网，PCC1和PCC2分别为接入配电 网的节点位置，L1和L2是滤波电抗器，起到低通滤波效果，R1和R2代表变 流器损耗与线路损耗的等效电阻，一般L1＝L2，R1＝R2。
可选地，储能设备可以是蓄电池储能、飞轮储能、超级电容器储能和抽水 蓄能等。
具体地，计算机设备在联合规划柔性开关和储能设备的选址和定容时，预 先确定配电网中可用于安装柔性开关的节点位置和安装容量，得到第一规划集 合，同时确定配电网中可用于安装分布式能源的节点位置和安装容量，得到第 二规划集合。
S220、构建联合规划模型，联合规划模型包括最小化配电网的购电数据、 柔性开关和储能设备的投资数据、柔性开关和储能设备的维护数据之和的上层 目标函数，和最小化配电网的网络损耗数据和节点电压偏移数据之和的下层目 标函数。
其中，配电网的购电数据表示配电网的上级购电数据，即由上级输电网(主 配电网)输入该配电网的电量所产生的数据，如购电费用。柔性开关和储能设 备的投资数据即安装柔性开关和储能设备所产生的数据，如安装费用。柔性开 关和储能设备的维护数据即后期维护柔性开关和储能设备所产生的数据，如维 护费用。
具体地，计算机设备以最小化配电网的购电数据、柔性开关和储能设备的 投资数据、柔性开关和储能设备的维护数据之和作为上层目标函数，以最小化 配电网的网络损耗数据和节点电压偏移数据之和作为下层目标函数。
S230、遍历第一规划集合中的节点位置和安装容量，以及第二规划集合中 的节点位置和安装容量，求解上层目标函数和下层目标函数，得到柔性开关在 配电网中的目标位置和目标容量，以及储能设备在配电网中的目标位置和目标 容量。
具体地，计算机设备以柔性开关和分布式储能设备的节点位置和安装容量 为决策变量，通过遍历第一规划集合中的节点位置和安装容量，以及第二规划 集合中的节点位置和安装容量的方式，基于自适应粒子群算法和二阶锥规划的 混合算法求解上层目标函数和下层目标函数，得到柔性开关在配电网中的目标 位置和目标容量，以及储能设备在配电网中的目标位置和目标容量。
本实施例中，计算机设备确定包括柔性开关在配电网中的节点位置和安装 容量的第一规划集合，以及包括储能设备在配电网中的节点位置和安装容量的 第二规划集合后，构建联合规划模型，联合规划模型包括最小化配电网的购电 数据、柔性开关和储能设备的投资数据、柔性开关和储能设备的维护数据之和 的上层目标函数，和最小化配电网的网络损耗数据和节点电压偏移数据之和的 下层目标函数，遍历第一规划集合中的节点位置和安装容量，以及第二规划集 合中的节点位置和安装容量，求解上层目标函数和下层目标函数，得到柔性开 关在配电网中的目标位置和目标容量，以及储能设备在配电网中的目标位置和 目标容量。通过上述方式实现对于柔性开关和储能设备在配电网中的节点位置和安装容量(选址和定容)的合理规划，确保配电网稳定运行的同时，降低了 成本。
在其中一个实施例中，如图4所示，求解上层目标函数的过程包括：以柔 性开关在配电网中的节点位置和安装容量，以及储能设备在配电网中的节点位 置和安装容量为决策变量，以柔性开关安装容量的容量约束，以及储能设备安 装容量的容量约束为约束条件，采用自适应粒子群算法求解上层目标函数。
其中，粒子群算法(Particle Swarm Optimization，PSO)源于复杂适应性系 统，是模拟鸟群行为的模型，主要目的是使粒子能够找到向解空间，并能找到 最优解。粒子群算法的核心是粒子速度更新与粒子位置更新，其数学表达式如 下：
Figure BDA0003188829400000081
式中：ω为惯性系数，代表粒子有维持自身先前的速度的趋势，取值通常 在[0.8，1.2]；t代表当前迭代次数；c1、c2为学习因子，根据经验通常取c1＝c2＝ 2；r1、r2为[0，1]范围内的均匀分布的随机数；
Figure BDA0003188829400000082
代表粒子i在第t次迭代 时的位置和速度；Pi和Pg代表第i个粒子的历史最优适应度函数值和全局历史 最优适应度函数值。
本发明对粒子群的编码规则采用实数编码规则。自适应粒子群算法在粒子 群算法基础上，引入变化惯性系数，使得粒子在前期收敛速度快并在后期局部 搜索时具有更强搜索能力。
Figure BDA0003188829400000083
式中：max_d为最大迭代次数；num为当前已经迭代的次数；ωmax、ωmin代表惯性系数的最大值和最小值。
将上述自适应粒子群算法应用于求解上层目标函数时，上述适应度函数值p 代表上层目标函数值，粒子位置x即为SOP和DESS安装的位置与容量，在考 虑SOP两侧的VSC容量可以不相等情况下，其编码规则如下所示。
Figure BDA0003188829400000091
粒子的总长度为3×NDESS+4×NSOP，其中Li、Pi和Ei分别代表第i个储能的 安装位置、额定功率和容量，L′i、L″i、S′i和S″i分别代表SOP两侧VSC的安装位 置与容量，NDESS和NSOP代表DESS和SOP的安装数量。
具体地，上层目标函数为：minF＝F1+F2+F3
其中，F1、F2、F3分别代表购电数据、柔性开关和分布式储能设备的总投 资费用和总维护费用。
在一可选地实施例中，为减少数据计算量，简化计算，如图5所示，获取 配电网的购电数据F1的过程包括：
S510、对分布式能源的历史输出功率和配电网的用电负荷分别进行聚类， 对应得到能源聚类结果和负荷聚类结果。
可选地，分布式能源包括风力发电设备、光伏发电设备中的至少一种。在 分布式能源包括风力发电设备的情况下，在设定切入风速、额定风速、切出风 速后，将历史风速转换为风力发电设备的历史输出功率。在分布式能源包括光 伏发电设备的情况下，在设定最大光照强度后，将历史光照强度转换为光伏发 电设备的历史输出功率。
具体地，计算机设备采用k-means聚类算法对一年365天24h的分布式能源 的历史输出功率和配电网的用电负荷进行聚类，以对应得到能源聚类结果和负 荷聚类结果。例如，采用平方误差和SSE确定聚类数，并根据个体与其余个体 欧式距离之和大小排序来确定初始聚类中心。
Figure BDA0003188829400000092
Figure BDA0003188829400000101
式中：SSE代表平方误差和，d(xi,Xj)代表个体xi与所属聚类中心Xj之间 的欧式距离，p代表个体的维度。
S520、将属于同一目标时段的能源聚类结果以及负荷聚类结果组合为一种 电网运行场景。
S530、获取每一电网运行场景下，单位时间配电网馈线注入的有功功率、 场景时长以及单位电价计算得到配电网的购电数据。
其中，配电网馈线注入的有功功率为配电网通过与主电网连接的节点输入 的有功功率。
具体地，
Figure BDA0003188829400000102
Figure BDA0003188829400000103
Figure BDA0003188829400000104
式中：F代表配网年综合成本；ct代表t时刻的电价，Pt,s,sub代表第s个场 景下任一t时刻配网馈线上注入的有功功率；Ns代表计算的电网运行场景数；ps代表第s个场景的概率；d代表年贴现率；yDESS、ySOP分别代表DESS和SOP 的使用年限；
Figure BDA0003188829400000105
分别代表DESS的单位能量投资费用和单位功率投资 费用；
Figure BDA0003188829400000106
代表SOP的单位容量投资成本；NDESS、NSOP分别代表DESS和SOP 的安装个数；λDESS、λSOP分别代表DESS和SOP的年运行维护费用系数。
可选地，Pt,s,sub为第s个场景下第t个时刻对应的配网馈线上注入的有功功 率。
本实施例中，计算机设备对分布式能源的历史输出功率和配电网的用电负 荷分别进行聚类，以将属于同一时段的历史输出功率和用电负荷分组合为同一 电网运行场景，由于每一电网运行场景表征同一数据特征的，进而采用每一电 网运行场景中任一时刻的配网馈线上注入的有功功率计算得到配电网的购电数 据，无需对同一电网运行场景中每一时刻配网馈线上注入的有功功率进行计算， 因此，减少了获取配电网的购电数据的数据计算量，简化了计算。
在其中一个实施例中，如图4所示，求解下层目标函数的过程包括：在确 定柔性开关在配电网中的节点位置和安装容量，以及储能设备在配电网中的节 点位置和安装容量后，以柔性开关在配电网中的节点位置上传输的有功功率和 无功功率，以及储能设备在配电网中的节点位置上传输的有功功率为决策变量， 柔性开关的运行约束、储能设备的运行约束、配电网的潮流约束、节点电流约 束、支路电流约束、储能设备的能量日不变约束、潮流倒送约束以及分布式能 源的出力约束为约束条件，采用二阶锥规划算法求解下层目标函数并得到配电 网馈线注入的有功功率。
其中，二端口的柔性开关的运行约束如下：
Figure BDA0003188829400000111
Figure BDA0003188829400000112
(SOP损耗约束)
Figure BDA0003188829400000113
Figure BDA0003188829400000114
式中：t代表第t个时刻；i和j代表SOP两端连接配电网的节点编号；
Figure BDA0003188829400000115
Figure BDA0003188829400000116
和
Figure BDA0003188829400000117
分别表示SOP两端传输的有功功率、 无功功率、变流器容量与有功损耗；
Figure BDA0003188829400000118
代表SOP两端的损耗系数；μi、μj代表SOP两侧的无功功率约束系数。
储能设备的运行约束如下：
Figure BDA0003188829400000119
Figure RE-GDA0003321534170000121
式中：E(t)和SOC(t)分别代表t时刻储能设备的存储能量和荷电状态； EDESS代表储能设备的额定能量容量；Pdischarge(t)和Pcharge(t)分别代表t时刻储能设 备充电功率和放电功率；ηc和ηd代表储能的充放电效率；Pdischarge,max、Pcharge,max代表储能设备的放电功率上限和充电功率上限。SOCmin、SOCmax代表储能设备 剩余电量的上限值和下限值，且上下限值都是介于0到1之间。
为了延长DESS的使用寿命，考虑DESS的充放电改变次数约束：
Figure BDA0003188829400000122
Figure BDA0003188829400000123
式中：Ddischarge、Dcharge为引入的0-1状态变量，Nlimit为限制的最大允许改变 充放电次数之和。
配电网的潮流约束如下：
Figure BDA0003188829400000124
Figure BDA0003188829400000125
Ui,min≤Ut,i≤Ui,max
节点电流约束和支路电流约束如下：
Figure BDA0003188829400000131
储能设备的能量日不变约束如下：
Ei,t＝24＝Ei,t＝0
潮流倒送约束如下：
Pt,sub≥0,Qt,sub≥0
分布式能源的出力约束如下：
Figure BDA0003188829400000132
式中：Ω(i)代表与节点i相连的节点的集合；Ut,i、Ut,j代表t时刻节点i、j 的电压幅值；Gij、Bij代表线路ij的互导纳和互电纳；Gii、Bii代表节点i的自导 纳和自电纳；Pt,i表示t时刻外界流入节点i的功率之和；
Figure BDA0003188829400000133
代表t时刻 节点i分布式电源传输的有功功率和无功功率；
Figure BDA0003188829400000134
代表t时刻节点i负荷 的有功功率和无功功率；
Figure BDA0003188829400000135
代表t时刻节点i储能设备放电和充电 的有功功率；
Figure BDA0003188829400000136
代表t时刻节点i上SOP传输的有功功率和无功功率；Ui,min、 Ui,max和Ut,i分别代表节点i电压最小值、电压最大值和正常运行值；It,ij表示t时 刻线路ij上所流过的电流幅值；Iij,max表示线路ij允许流过的最大电流；Ei,t＝0、 Ei,t＝24分别表示节点i上储能设备能量初始值和调度周期结束值；Pt,sub、Qt,sub表示 t时刻馈线流入配电网的有功功率和无功功率；
Figure BDA0003188829400000137
代表t时刻节点i上的 分布式能源的出力和分布式电源出力的上限。
其中，在下层目标函数的约束中，潮流约束、支路电流约束与SOP损耗约 束均不满足二阶锥规划约束，引入变量将非线性等式约束转换成线性等式约束。
Figure BDA0003188829400000141
Figure BDA0003188829400000142
Figure BDA0003188829400000143
Figure BDA0003188829400000144
同时引入变量之间会满足如下等式约束：
Figure BDA0003188829400000145
将上述二阶等式约束与SOP损耗的二阶等式约束进行松弛变换，得到：
Figure BDA0003188829400000146
Figure BDA0003188829400000147
||[Xt,i Xt,j Yt,ij Zt,ij]T||2≤Xt,i+Xt,j
最终，求解得到下层目标函数并得到配电网馈线注入的有功功率。
具体地，下层目标函数为：minf＝f1+f2
其中，f代表下层综合目标之和，f1代表网络损耗数据，f2代表节点电压偏 移数据。
获取配电网的网络损耗数据，包括：
根据每一电网运行场景下，单位时间配电网中所有节点位置传输的有功功 率，配电网中所有柔性开关两端传输的有功功率之和、未设置柔性开关和储能 设备时配电网的初始网络损耗，以及单位电价计算得到配电网的网络损耗数据。
具体地，
Figure BDA0003188829400000151
式中，Pt,i表示t时刻外界流入节点的i功率之和；NBus表示配电网节点个数； ΩSOP表示SOP安装位置的集合；Pt,loss表示在未安装DESS和SOP时配电网t时 刻的网络损耗。
获取配电网的节点电压偏移数据，包括：
根据每一电网运行场景下，单位时间配电网中所有节点位置的电压与配电 网的额定电压之间的电压平方偏差，和未设置柔性开关和储能设备时配电网的 电压平方偏差计算得到配电网的节点电压偏移数据。
具体地，
Figure BDA0003188829400000152
式中，Ut,i代表t时刻节点i的电压；Uref代表配电网的额定电压；ΔUt代表 未安装DESS和SOP时配电网t时刻总的电压平方偏差之和。
在其中一个实施例中，为进一步减少数据计算量，简化计算，如6所示， 确定第一规划集合中节点位置的过程包括：
S610、获取配电网中所有节点位置的电压-无功灵敏度。
具体地，电压-无功灵敏度的表达式如下：
Figure BDA0003188829400000153
式中：Ui代表节点i电压幅值；U0代表额定电压；
Figure BDA0003188829400000154
代表配电网 络的节点j在t时刻的电压-无功灵敏度和总的电压-无功灵敏度。
在辐射状配电网中，配电网中各个节点位置处的节点电压是与配电网的有 功负荷P和无功负荷Q有关，在节点电压与P、Q之间的函数进行一阶泰勒展 开后，可以得到电压-无功灵敏度数值大小，利用电压偏移作为灵敏度权重，最 终得到电压-无功灵敏度。
S620、获取电压-无功灵敏度大于灵敏度阈值的节点位置，得到第一规划集 合中的节点位置。
具体地，计算机设备中配电网的各个节点位置获取电压-无功灵敏度大于灵 敏度阈值的节点位置，得到第一规划集合中的节点位置。
本实施例中，计算机设备通过计算配电网中每一节点位置处的电压-无功灵 敏度，进而获取大于灵敏度阈值的节点位置，以此实现对于配电网中节点位置 的筛选，以得到第一规划集合中的节点位置，为后续求解上层目标函数和下层 目标函数进一步减少了决策变量(柔性开关的节点位置)的数据量，简化了计 算。
应该理解的是，虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示， 但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的 说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执 行。而且，图2-6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步 骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这 些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其 它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种配电网的联合规划装置，包括： 获取模块701、规划模块702和算法模块703，其中：
确定模块701用于确定第一规划集合和第二规划集合；其中，第一规划集 合中包括柔性开关在配电网中的节点位置和安装容量，第二规划集合中包括储 能设备在配电网中的节点位置和安装容量；
规划模块702用于构建联合规划模型，联合规划模型包括最小化配电网的 购电数据、柔性开关和储能设备的投资数据、柔性开关和储能设备的维护数据 之和的上层目标函数，和最小化配电网的网络损耗数据和节点电压偏移数据之 和的下层目标函数；
算法模块703用于遍历第一规划集合中的节点位置和安装容量，以及第二 规划集合中的节点位置和安装容量，求解上层目标函数和下层目标函数，得到 柔性开关在配电网中的目标位置和目标容量，以及储能设备在配电网中的目标 位置和目标容量。
在其中一个实施例中，算法模块703具体用于：
以柔性开关在配电网中的节点位置和安装容量，以及储能设备在配电网中 的节点位置和安装容量为决策变量，以柔性开关安装容量的容量约束，以及储 能设备安装容量的容量约束为约束条件，采用自适应粒子群算法求解上层目标 函数。
在其中一个实施例中，配电网还包括分布式能源，规划模块702具体用于：
对分布式能源的历史输出功率和配电网的用电负荷分别进行聚类，对应得 到能源聚类结果和负荷聚类结果；将属于同一目标时段的能源聚类结果以及负 荷聚类结果组合为一种电网运行场景；获取每一电网运行场景下，单位时间配 电网馈线注入的有功功率、场景时长以及单位电价计算得到配电网的购电数据； 其中，配电网馈线注入的有功功率为配电网通过与上级配电网连接的节点输入 的有功功率。
在其中一个实施例中，算法模块703具体用于：
在确定柔性开关在配电网中的节点位置和安装容量，以及储能设备在配电 网中的节点位置和安装容量后，以柔性开关在配电网中的节点位置上传输的有 功功率和无功功率，以及储能设备在配电网中的节点位置上传输的有功功率为 决策变量，柔性开关的运行约束、储能设备的运行约束、配电网的潮流约束、 节点电流约束、支路电流约束、储能设备的能量日不变约束、潮流倒送约束以 及分布式能源的出力约束为约束条件，采用二阶锥规划算法求解下层目标函数 并得到配电网馈线注入的有功功率。
在其中一个实施例中，规划模块702具体用于：
根据每一电网运行场景下，单位时间配电网中所有节点位置传输的有功功 率，配电网中所有柔性开关两端传输的有功功率之和、未设置柔性开关和储能 设备时配电网的初始网络损耗，以及单位电价计算得到配电网的网络损耗数据。
在其中一个实施例中，规划模块702具体用于：
根据每一电网运行场景下，单位时间配电网中所有节点位置的电压与配电 网的额定电压之间的电压平方偏差，和未设置柔性开关和储能设备时配电网的 电压平方偏差计算得到配电网的节点电压偏移数据。
在其中一个实施例中，确定模块701具体用于：
获取配电网中所有节点位置的电压-无功灵敏度；获取电压-无功灵敏度大于 灵敏度阈值的节点位置，得到第一规划集合中的节点位置。
关于配电网的联合规划装置的具体限定可以参见上文中对于配电网的联合 规划方法的限定，在此不再赘述。上述配电网的联合规划装置中的各个模块可 全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于 或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的 存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器 中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
确定第一规划集合和第二规划集合；其中，第一规划集合中包括柔性开关 在配电网中的节点位置和安装容量，第二规划集合中包括储能设备在配电网中 的节点位置和安装容量；构建联合规划模型，联合规划模型包括最小化配电网 的购电数据、柔性开关和储能设备的投资数据、柔性开关和储能设备的维护数 据之和的上层目标函数，和最小化配电网的网络损耗数据和节点电压偏移数据 之和的下层目标函数；遍历第一规划集合中的节点位置和安装容量，以及第二 规划集合中的节点位置和安装容量，求解上层目标函数和下层目标函数，得到 柔性开关在配电网中的目标位置和目标容量，以及储能设备在配电网中的目标 位置和目标容量。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
以柔性开关在配电网中的节点位置和安装容量，以及储能设备在配电网中 的节点位置和安装容量为决策变量，以柔性开关安装容量的容量约束，以及储 能设备安装容量的容量约束为约束条件，采用自适应粒子群算法求解上层目标 函数。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
对分布式能源的历史输出功率和配电网的用电负荷分别进行聚类，对应得 到能源聚类结果和负荷聚类结果；将属于同一目标时段的能源聚类结果以及负 荷聚类结果组合为一种电网运行场景；获取每一电网运行场景下，单位时间配 电网馈线注入的有功功率、场景时长以及单位电价计算得到配电网的购电数据； 其中，配电网馈线注入的有功功率为配电网通过与上级配电网连接的节点输入 的有功功率。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
在确定柔性开关在配电网中的节点位置和安装容量，以及储能设备在配电 网中的节点位置和安装容量后，以柔性开关在配电网中的节点位置上传输的有 功功率和无功功率，以及储能设备在配电网中的节点位置上传输的有功功率为 决策变量，柔性开关的运行约束、储能设备的运行约束、配电网的潮流约束、 节点电流约束、支路电流约束、储能设备的能量日不变约束、潮流倒送约束以 及分布式能源的出力约束为约束条件，采用二阶锥规划算法求解下层目标函数 并得到配电网馈线注入的有功功率。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据每一电网运行场景下，单位时间配电网中所有节点位置传输的有功功 率，配电网中所有柔性开关两端传输的有功功率之和、未设置柔性开关和储能 设备时配电网的初始网络损耗，以及单位电价计算得到配电网的网络损耗数据。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据每一电网运行场景下，单位时间配电网中所有节点位置的电压与配电 网的额定电压之间的电压平方偏差，和未设置柔性开关和储能设备时配电网的 电压平方偏差计算得到配电网的节点电压偏移数据。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取配电网中所有节点位置的电压-无功灵敏度；获取电压-无功灵敏度大于 灵敏度阈值的节点位置，得到第一规划集合中的节点位置。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程 序，计算机程序被处理器执行时实现以下步骤：
确定第一规划集合和第二规划集合；其中，第一规划集合中包括柔性开关 在配电网中的节点位置和安装容量，第二规划集合中包括储能设备在配电网中 的节点位置和安装容量；构建联合规划模型，联合规划模型包括最小化配电网 的购电数据、柔性开关和储能设备的投资数据、柔性开关和储能设备的维护数 据之和的上层目标函数，和最小化配电网的网络损耗数据和节点电压偏移数据 之和的下层目标函数；遍历第一规划集合中的节点位置和安装容量，以及第二 规划集合中的节点位置和安装容量，求解上层目标函数和下层目标函数，得到 柔性开关在配电网中的目标位置和目标容量，以及储能设备在配电网中的目标 位置和目标容量。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
以柔性开关在配电网中的节点位置和安装容量，以及储能设备在配电网中 的节点位置和安装容量为决策变量，以柔性开关安装容量的容量约束，以及储 能设备安装容量的容量约束为约束条件，采用自适应粒子群算法求解上层目标 函数。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对分布式能源的历史输出功率和配电网的用电负荷分别进行聚类，对应得 到能源聚类结果和负荷聚类结果；将属于同一目标时段的能源聚类结果以及负 荷聚类结果组合为一种电网运行场景；获取每一电网运行场景下，单位时间配 电网馈线注入的有功功率、场景时长以及单位电价计算得到配电网的购电数据； 其中，配电网馈线注入的有功功率为配电网通过与上级配电网连接的节点输入 的有功功率。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在确定柔性开关在配电网中的节点位置和安装容量，以及储能设备在配电 网中的节点位置和安装容量后，以柔性开关在配电网中的节点位置上传输的有 功功率和无功功率，以及储能设备在配电网中的节点位置上传输的有功功率为 决策变量，柔性开关的运行约束、储能设备的运行约束、配电网的潮流约束、 节点电流约束、支路电流约束、储能设备的能量日不变约束、潮流倒送约束以 及分布式能源的出力约束为约束条件，采用二阶锥规划算法求解下层目标函数 并得到配电网馈线注入的有功功率。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据每一电网运行场景下，单位时间配电网中所有节点位置传输的有功功 率，配电网中所有柔性开关两端传输的有功功率之和、未设置柔性开关和储能 设备时配电网的初始网络损耗，以及单位电价计算得到配电网的网络损耗数据。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据每一电网运行场景下，单位时间配电网中所有节点位置的电压与配电 网的额定电压之间的电压平方偏差，和未设置柔性开关和储能设备时配电网的 电压平方偏差计算得到配电网的节点电压偏移数据。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取配电网中所有节点位置的电压-无功灵敏度；获取电压-无功灵敏度大于 灵敏度阈值的节点位置，得到第一规划集合中的节点位置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程， 是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于 一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述 各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、 存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的 至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁 带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM) 或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述 实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特 征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细， 但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的 普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改 进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权 利要求为准。

Claims (10)

1.一种配电网的联合规划方法，所述配电网中包括柔性开关和储能设备，其特征在于，所述方法包括：
确定第一规划集合和第二规划集合；其中，所述第一规划集合中包括所述柔性开关在所述配电网中的节点位置和安装容量，所述第二规划集合中包括所述储能设备在所述配电网中的节点位置和安装容量；
构建联合规划模型，所述联合规划模型包括最小化所述配电网的购电数据、所述柔性开关和所述储能设备的投资数据、所述柔性开关和所述储能设备的维护数据之和的上层目标函数，和最小化所述配电网的网络损耗数据和节点电压偏移数据之和的下层目标函数；
遍历所述第一规划集合中的节点位置和安装容量，以及所述第二规划集合中的节点位置和安装容量，求解所述上层目标函数和所述下层目标函数，得到所述柔性开关在所述配电网中的目标位置和目标容量，以及所述储能设备在所述配电网中的目标位置和目标容量。
2.根据权利要求1所述的方法，其特征在于，求解所述上层目标函数的过程包括：
以所述柔性开关在所述配电网中的节点位置和安装容量，以及所述储能设备在所述配电网中的节点位置和安装容量为决策变量，以所述柔性开关安装容量的容量约束，以及所述储能设备安装容量的容量约束为约束条件，采用自适应粒子群算法求解所述上层目标函数。
3.根据权利要求1所述的方法，其特征在于，所述配电网还包括分布式能源，获取所述配电网的购电数据，包括：
对所述分布式能源的历史输出功率和所述配电网的用电负荷分别进行聚类，对应得到能源聚类结果和负荷聚类结果；
将属于同一目标时段的能源聚类结果以及负荷聚类结果组合为一种电网运行场景；
获取每一电网运行场景下，单位时间所述配电网馈线注入的有功功率、场景时长以及单位电价计算得到所述配电网的购电数据；其中，所述配电网馈线注入的有功功率为所述配电网通过与上级配电网连接的节点输入的有功功率。
4.根据权利要求3所述的方法，其特征在于，求解所述下层目标函数的过程包括：
在确定所述柔性开关在所述配电网中的节点位置和安装容量，以及所述储能设备在所述配电网中的节点位置和安装容量后，以所述柔性开关在所述配电网中的节点位置上传输的有功功率和无功功率，以及所述储能设备在所述配电网中的节点位置上传输的有功功率为决策变量，所述柔性开关的运行约束、所述储能设备的运行约束、所述配电网的潮流约束、节点电流约束、支路电流约束、所述储能设备的能量日不变约束、潮流倒送约束以及所述分布式能源的出力约束为约束条件，采用二阶锥规划算法求解所述下层目标函数并得到所述配电网馈线注入的有功功率。
5.根据权利要求3所述的方法，其特征在于，获取所述配电网的网络损耗数据，包括：
根据所述每一电网运行场景下，单位时间所述配电网中所有节点位置传输的有功功率，所述配电网中所有所述柔性开关两端传输的有功功率之和、未设置所述柔性开关和所述储能设备时所述配电网的初始网络损耗，以及所述单位电价计算得到所述配电网的网络损耗数据。
6.根据权利要求3所述的方法，其特征在于，获取所述配电网的节点电压偏移数据，包括：
根据所述每一电网运行场景下，单位时间所述配电网中所有节点位置的电压与所述配电网的额定电压之间的电压平方偏差，和未设置所述柔性开关和所述储能设备时所述配电网的电压平方偏差计算得到所述配电网的节点电压偏移数据。
7.根据权利要求1所述的方法，其特征在于，确定所述第一规划集合中节点位置的过程包括：
获取所述配电网中所有节点位置的电压-无功灵敏度；
获取所述电压-无功灵敏度大于灵敏度阈值的节点位置，得到所述第一规划集合中的节点位置。
8.一种配电网的联合规划装置，其特征在于，所述配电网中包括柔性开关和储能设备，所述装置包括：
获取模块，用于获取第一规划集合和第二规划集合；其中，所述第一规划集合中包括所述柔性开关在所述配电网中的节点位置和安装容量，所述第二规划集合中包括所述储能设备在所述配电网中的节点位置和安装容量；
规划模块，用于构建联合规划模型，所述联合规划模型包括最小化所述配电网的购电数据、所述柔性开关和所述储能设备的投资数据、所述柔性开关和所述储能设备的维护数据之和的上层目标函数，和以最最小化所述配电网的网络损耗数据和节点电压偏移数据之和的下层目标函数；
算法模块，用于遍历所述第一规划集合中的节点位置和安装容量，以及所述第二规划集合中的节点位置和安装容量，求解所述上层目标函数和所述下层目标函数，得到所述柔性开关在所述配电网中的目标位置和目标容量，以及所述储能设备在所述配电网中的目标位置和目标容量。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
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权利要求1至7中任一项所述的方法的步骤。
CN202110870847.5A 2021-07-30 2021-07-30 配电网的联合规划方法、装置、计算机设备和存储介质 Active CN113780722B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110870847.5A CN113780722B (zh) 2021-07-30 2021-07-30 配电网的联合规划方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110870847.5A CN113780722B (zh) 2021-07-30 2021-07-30 配电网的联合规划方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN113780722A true CN113780722A (zh) 2021-12-10
CN113780722B CN113780722B (zh) 2022-12-16

Family

ID=78836408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110870847.5A Active CN113780722B (zh) 2021-07-30 2021-07-30 配电网的联合规划方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN113780722B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115719967A (zh) * 2022-11-25 2023-02-28 国网上海市电力公司 一种用于提高供电可靠性的有源配电网储能装置优化配置方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815657A (zh) * 2017-01-05 2017-06-09 国网福建省电力有限公司 一种考虑时序性和可靠性的配电网双层规划方法
CN107301470A (zh) * 2017-05-24 2017-10-27 天津大学 一种配电网扩展规划与光储选址定容的双层优化方法
CN110148964A (zh) * 2019-05-27 2019-08-20 武汉理工大学 一种面向煤改电工程的分布式光伏发电系统的控制方法
CN111490542A (zh) * 2020-06-29 2020-08-04 广东电网有限责任公司佛山供电局 一种多端柔性多状态开关的选址定容方法
CN112039069A (zh) * 2020-09-04 2020-12-04 国网山东省电力公司济宁供电公司 一种配电网储能与柔性开关的双层协同规划方法及系统
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815657A (zh) * 2017-01-05 2017-06-09 国网福建省电力有限公司 一种考虑时序性和可靠性的配电网双层规划方法
CN107301470A (zh) * 2017-05-24 2017-10-27 天津大学 一种配电网扩展规划与光储选址定容的双层优化方法
CN110148964A (zh) * 2019-05-27 2019-08-20 武汉理工大学 一种面向煤改电工程的分布式光伏发电系统的控制方法
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
CN111490542A (zh) * 2020-06-29 2020-08-04 广东电网有限责任公司佛山供电局 一种多端柔性多状态开关的选址定容方法
CN112039069A (zh) * 2020-09-04 2020-12-04 国网山东省电力公司济宁供电公司 一种配电网储能与柔性开关的双层协同规划方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘源等: "考虑"风-光-荷-储"联合运行的配电网双层规划方法", 《电力建设》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115719967A (zh) * 2022-11-25 2023-02-28 国网上海市电力公司 一种用于提高供电可靠性的有源配电网储能装置优化配置方法

Also Published As

Publication number Publication date
CN113780722B (zh) 2022-12-16

Similar Documents

Publication Publication Date Title
Hua et al. Optimal energy management strategies for energy Internet via deep reinforcement learning approach
Wong et al. Review on the optimal placement, sizing and control of an energy storage system in the distribution network
CN109755967B (zh) 一种配电网中光储系统的优化配置方法
Alavi et al. Forecast-based consensus control for DC microgrids using distributed long short-term memory deep learning models
CN110266038B (zh) 一种多虚拟电厂分布式协调调控方法
Lo et al. Economic dispatch and optimal sizing of battery energy storage systems in utility load-leveling operations
CN107959301B (zh) 含光伏的低压配电网分布式储能优化配置与运行方法
CN109034587B (zh) 一种协调多种可控单元的主动配电系统优化调度方法
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
CN105207573A (zh) 基于离散概率模型的风光互补供电系统定量优化配置方法
Aaslid et al. Pricing electricity in constrained networks dominated by stochastic renewable generation and electric energy storage
Khasanov et al. Optimal planning DG and BES units in distribution system consideringuncertainty of power generation and time-varying load
CN113780722B (zh) 配电网的联合规划方法、装置、计算机设备和存储介质
CN111509784A (zh) 计及不确定性的虚拟电厂鲁棒出力可行域辨识方法及装置
CN112633699B (zh) 主动配电网网架规划方法、装置、计算机设备和存储介质
Dou et al. Double‐deck optimal schedule of micro‐grid based on demand‐side response
CN114358430A (zh) 一种基于鲁棒优化的新型农村配电网规划策略
CN113690916A (zh) 基于时序生产模拟的直流电网储能配置方法、设备及介质
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
CN117522014A (zh) 一种考虑多重不确定性的储配网联合规划方法
CN109638837B (zh) 一种面向新能源并网的动态负载管理方法及系统
CN116865270A (zh) 一种含嵌入式直流的柔性互联配电网优化调度方法及系统
CN107104429B (zh) 一种计及分布式储能系统的电力系统负荷调度方法
CN115545340A (zh) 一种考虑双重不确定性的综合能源站-网协同规划方法
CN114142460A (zh) 综合能源系统中储能双层目标优化配置方法及终端

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