CN114022038B - 一种配电网线路扩展规划方法及其规划结果评价方法 - Google Patents

一种配电网线路扩展规划方法及其规划结果评价方法 Download PDF

Info

Publication number
CN114022038B
CN114022038B CN202111415933.3A CN202111415933A CN114022038B CN 114022038 B CN114022038 B CN 114022038B CN 202111415933 A CN202111415933 A CN 202111415933A CN 114022038 B CN114022038 B CN 114022038B
Authority
CN
China
Prior art keywords
load
distribution network
power distribution
planning
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
Application number
CN202111415933.3A
Other languages
English (en)
Other versions
CN114022038A (zh
Inventor
张辉
朱刘柱
荣秀婷
吴润东
胡俊杰
马浩天
沈玉明
凌孺
郭汶璋
程啸
赵迎迎
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.)
North China Electric Power University
Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd
Original Assignee
North China Electric Power University
Economic and Technological Research Institute of State Grid Anhui Electric Power 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 North China Electric Power University, Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd filed Critical North China Electric Power University
Priority to CN202111415933.3A priority Critical patent/CN114022038B/zh
Publication of CN114022038A publication Critical patent/CN114022038A/zh
Application granted granted Critical
Publication of CN114022038B publication Critical patent/CN114022038B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (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

本发明涉及一种配电网线路扩展规划方法及其规划结果评价方法，与现有技术相比解决了配电网规划考虑不全的缺陷。本发明包括以下步骤：配电网基础数据的获取；新典型日负荷曲线的生成；配电网未来负荷预测；配电网线路扩展规划结果的获得。本发明充分考虑了新型数字基础设施负荷中可调负荷与不可调负荷的比例，在电网高峰时段将可调负荷移至次日低谷时段以削减峰谷差，保证了在配电网执行分时电价的情况下，在高峰时段电网购电开销的减少，同时避免了在传统线路规划方法中为应对最大负荷而铺设的多余线路。

Description

一种配电网线路扩展规划方法及其规划结果评价方法
技术领域
本发明涉及配电网线路规划技术领域，具体来说是一种配电网线路扩展规划方法及其规划结果评价方法。
背景技术
随着数据中心、5G基站等新型数字基础设施的逐渐普及与其负荷的快速增长，其对配电网运行与规划的影响日益凸显。新型数字基础设施具有负荷高峰值较大，与电网负荷峰谷变化较为一致的特点，它们的直接接入会对配网的规划产生很大的影响，如高峰时段购电开销大幅提升、潮流越限等。
而电网投资者在对电网线路规划决策时，需要考虑线路的成本、寿命、容量等多方面信息。传统的线路规划方法往往只考虑电网自身的传统负荷，一方面将其全部视为不可调负荷，高估了线路的容量需要，增加了规划的成本；另一方面并未考虑新型数字基础设施的接入，不适用于现在广泛存在的数据中心与逐渐普及的5G基站等含新型负荷的配电网。
因此，如何开发一个考虑新型数字基础设施负荷特性的配电网扩展规划方法就显得尤为必要。
发明内容
本发明的目的是为了解决现有技术中配电网规划考虑不全的缺陷，提供一种配电网线路扩展规划方法及其规划结果评价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：
一种配电网线路扩展规划方法，包括以下步骤：
配电网基础数据的获取：获取配电网中新型数字基础设施的元素和元素的负荷特性，元素的负荷特性包含负荷的变化趋势、负荷数量级和与其在配网中的数量、配置地点；
新典型日负荷曲线的生成：采集配电网各负荷实际运行数据，以此为基础生成配网的典型日负荷曲线，将其可平移高峰负荷移至次日低谷时段，以此生成新典型日负荷曲线；
配电网未来负荷预测：以新典型日负荷曲线和配电网基础数据为基础，采用配电网预测模型，预测配电网未来负荷预测值；
配电网线路扩展规划结果的获得：基于配电网的规划模型与负荷预测值，得到配电网线路扩展规划结果。
所述新典型日负荷曲线的生成包括以下步骤：
采集配电网各负荷实际运行数据，以年负荷数据为基础，按季节将一年中的负荷曲线以K-means聚类方法分为四个聚类，每个聚类中取一个典型日作为代表，并对该四个典型日的负荷进行分析，以此为基础生成配网的典型日负荷曲线；
由于电网中包含灵活性资源，在电网处于负荷高峰期或低谷期时发挥其灵活性，使得负荷在时间或空间上进行平移；以可延迟负荷为基础，在负荷处于日内峰值时，将其可平移负荷移至次日低谷时段，通过该特点生成新的典型日负荷曲线。
所述配电网未来负荷预测包括以下步骤：
建立ARMA预测模型，设定ARMA(p,q)模型预测数学表达式如下：
Yt＝c+φ1Yt-1+φ2Yt-2+...+φpYt-p+θ1εt-1+θ2εt-2+...+θqεt-q+εt，
其中，c为常数项，φ为自相关系数，Y为当前值，t、p、q为阶数，θ为系数，ε为白噪音过程；引入算子L，写成：
φ(L)Yt＝c+θ(L)εt，
其中
φ(L)＝1-φ1L-φ2L2-...-φpLp，
θ(L)＝1+θ1L+θ2L2+...+θqLq；
检验ARMA模型的平稳性，
ARMA过程的平稳性取决于它的自回归部分，若关于Z的方程：
1-φ1Z-φ2Z2-...-φpZp＝0的根全部落在单位圆以外时，ARMA(p,q)是一个平稳过程；
为数据建立AR模型；
取自回归阶数的上界这里用/>表示时间节点数N的整数部分，采用AIC定阶方法得到的AR模型的阶数p和自回归系数的估计(a'1,a'2,...a'p)，计算残差得：
其中：
t＝p'+1,p'+2,...,N，
之后得到近似的ARMA(p,q)模型：
t＝L+1,L+2,...,N
这里，L＝max(p’,p,q),a、b是待定参数，将自相关系数以及滑动平均系数代入该式，即由已知的历史数据预测未来的数据。
所述配电网线路扩展规划结果的获得包括以下步骤：
提出配电网规划的目标函数：设定规划的目标为电网公司在规划过程中的线路投资与运营成本最低，故将目标函数定义为网损支出与线路投资之和最小，即为：
minC＝min(Closs+Cline)，
其中，C为总成本，Closs为网损成本，Cline为线路成本，在十年的规划周期中，该成本需在每一年达到当年的最小，并假设所扩建的线路与初始存在的线路不会因为寿命衰退而退出运行；
提出配电网规划的约束条件：
系统潮流约束设定为：
其中，pj为节点j注入有功功率，Pij为线路ij间的有功功率，为线路ij间的电流平方值，rij为线路ij间的电阻，gj为线路ij间的电导，/>为节点j的电压平方，qj为节点j注入无功功率，Qij为线路ij间的无功功率；
二阶锥约束为：
电压平衡公式为：
节点电压约束与线路电流约束表达式为：
节点功率平衡为；
P5G+PDC-pj＝Pbuy；
其中，P5G为节点5G基站有功功率，PDC为节点数据中心有功功率，Pbuy为节点购电量；
提出新型数字基础设施的运行模型：
5G基站的运行模型
其中，PS为基础电路功耗，β为5G基站自身参数，PD为信号发射功耗；
数据中心的运行模型
PDC＝PW+f(PW)
PW＝Pwork+Pdelay
其中，PW为数据中心工作负载，f(PW)为数据中心制冷负载，Pwork为数据中心即时处理的负载，Pdelay为数据中心延迟处理的负载，k1,k2为制冷负荷参数，P0为数据中心制冷方式选择临界值；
计算规划结果：
根据配电网结构与新型数字基础设施的运行模型，在matlab2020b上通过gurobi求解器进行求解，得到配电网的线路规划结果。
一种配电网线路扩展规划结果评价方法，包括以下步骤：
将全寿命周期的资本性投入阶段成本、运维阶段成本、检修阶段成本、退役报废阶段成本分别记作A、B、C、D；
对于资本性投入阶段成本的分析，记系统资本性投入阶段成本为A，则有：
A＝Csj+Cinv+Csg，
其中，Csj为设计费用，Cinv为设备投资成本，Csg为施工成本；
对于运维阶段成本的分析，记系统每年的运维阶段成本为B，则有：
B＝Ch+Cm+Cr+CV，
其中，Ch为系统运行每年的总购电费用，Cr为系统运行每年的人工费用，CV为每年给线路扩容的成本，Cm为年其他成本；
对于检修阶段成本的分析，记系统每年的检修阶段成本为C，则有：
C＝0.22Cjy，
其中Cjy为系统运行每年的经营成本；
对于退役报废阶段成本的分析，记系统每年的退役报废阶段成本为D，则有：
D＝0.25Cinv，
得到A、B、C、D后，采用净现值法来表示系统的全寿命周期投资运营成本，即把全寿命周期各个阶段的成本通过折现并叠加后，转化为现阶段的成本；
全寿命周期投资运营成本LCC模型如下：
其中：A在第一年支出，不用折现，B和C在设备运行的T年期间，每一年都有支出需分别折现T次，最后一年的D只需折现一次；
针对规划问题，提出四种方案进行经济性评价，分别是：
方案一：将电网中所有负荷视为不可调负荷，且不设置光伏本方案结果将作为后续三种方案的对照参考；
方案二：在电网中引入光伏的建设，负荷仍视为不可调；
方案三：将电网中的数据中心与电动汽车视为可调负荷，但不进行光伏的建设；
方案四：在电网中同时配置可调负荷与光伏电站；
进行各方案经济性对比：
对四个规划方案在使用LCC和不使用LCC下，分别进行测算，得到评价结果。
有益效果
本发明的配电网线路扩展规划方法及其规划结果评价方法，与现有技术相比在充分分析新型数字基础设施与电网原传统负荷的负荷特点同时，考虑电网安全运行约束，以长期规划成本最低为目标，对新增线路的位置与时间进行决策。本发明所提出的方法充分考虑了新型数字基础设施负荷中可调负荷与不可调负荷的比例，在电网高峰时段将可调负荷移至次日低谷时段以削减峰谷差，保证了在配电网执行分时电价的情况下，在高峰时段电网购电开销的减少，同时避免了在传统线路规划方法中为应对最大负荷而铺设的多余线路。
附图说明
图1为本发明的方法顺序图；
图2为5G基站的典型日负荷曲线图；
图3为数据中心的典型日负荷分布图；
图4为IEEE33节点系统中各负荷节点分布图；
图5为现有技术方法所生成典型日总负荷负荷变化趋势及成分分布图；
图6为利用本发明所述方法生成典型日总负荷负荷变化趋势及成分分布图；
图7为现有技术方法所生成配电网规划结果图；
图8为利用本发明所述方法生成配电网规划结果图。
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，本发明所述的一种配电网线路扩展规划方法，包括以下步骤：
第一步，配电网基础数据的获取：获取配电网中新型数字基础设施的元素和元素的负荷特性，元素的负荷特性包含负荷的变化趋势、负荷数量级和与其在配网中的数量、配置地点。
在实际应用中，定义配网中包含的新型数字基础设施具体元素，明确各负荷的数量级与其在配网中的数量，配置地点。本发明采用IEEE33节点系统进行模拟仿真，其中包含4个数据中心，分别位于节点2，5，11，25；7个光伏电站，分别位于节点6，9，15，18，22，26，33；每个节点分配1个5G基站与电动汽车充电站；各节点负荷最大值与各线路阻抗值参考IEEE33节点标准数据。
分析各负荷的负荷特性与负荷的变化趋势。5G基站负荷对供电具有时延性低、可靠性高的要求，其话务量曲线与对应功率曲线变化趋势基本保持一致，且由于通信负荷与人的活动联系较大，高峰时段与电网的负荷高峰时段重合度较高。数据中心能耗来自于计算数据需求，而数据需求的到达率存在着明显的峰谷值，且与电网的高峰时段也具有较高的重合度，呈现凌晨低、上午较高、晚上最高的特征，因此其用电特性与5G通信基站也类似。
第二步，新典型日负荷曲线的生成：采集配电网各负荷实际运行数据，以此为基础生成配网的典型日负荷曲线，将其可平移高峰负荷移至次日低谷时段，以此生成新典型日负荷曲线。
新典型日负荷曲线的生成需采集多种新型数字基础设施的实际运行的年历史数据，此处的历史数据采集应基于同一地点的配电网进行，但类似于5G基站并未大规模建设缺乏历史数据的部分所需要的话务量等需求数据，可采用4G网络等替代部分的历史数据进行代替，同时通过划分集群的方式生成多个典型日负荷数据，集群的划分方式可以包括依据季节性的划分，依据工作日与节假日的划分等手段，最后得到各部分元素的需求数据。若需求数据并非电力负荷的形式，则需通过对应的负荷模型将其转化为相应的负荷曲线。
新典型日负荷曲线的生成具体步骤如下：
(1)采集实际配电网各负荷实际运行数据，以年负荷数据为基础，按季节将一年中的负荷曲线以K-means聚类方法分为四个聚类，每个聚类中取一个典型日作为代表，并对该四个典型日的负荷进行分析，以此为基础生成配网的典型日负荷曲线。
(2)由于电网中包含灵活性资源，在电网处于负荷高峰期或低谷期时发挥其灵活性，使得负荷在时间或空间上进行平移；以可延迟负荷为基础，在负荷处于日内峰值时，将其可平移负荷移至次日低谷时段，通过该特点生成新的典型日负荷曲线。
第三步，配电网未来负荷预测：以新典型日负荷曲线和配电网基础数据为基础，采用配电网预测模型，预测配电网未来负荷预测值。
在实际应用中，研究的是未来十年某配电网的扩展规划计划，故应对该地未来十年的负荷进行预测处理，首先要对历史数据进行分析筛选，删除或替换虚假数据与缺失数据，得到新的历史数据集，再依据新的数据集，采用ARIMA方法进行负荷的预测，得到各负荷未来十年的预测值。
配电网未来负荷预测的具体步骤如下：
(1)建立ARMA预测模型，设定ARMA(p,q)模型预测数学表达式如下：
Yt＝c+φ1Yt-1+φ2Yt-2+...+φpYt-p+θ1εt-1+θ2εt-2+...+θqεt-q+εt，
其中，c为常数项，φ为自相关系数，Y为当前值，t、p、q为阶数，θ为系数，ε为白噪音过程；引入算子L，写成：
φ(L)Yt＝c+θ(L)εt，
其中
φ(L)＝1-φ1L-φ2L2-...-φpLp，
θ(L)＝1+θ1L+θ2L2+...+θqLq。
(2)检验ARMA模型的平稳性，
ARMA过程的平稳性取决于它的自回归部分，若关于Z的方程：
1-φ1Z-φ2Z2-...-φpZp＝0的根全部落在单位圆以外时，ARMA(p,q)是一个平稳过程。
(3)为数据建立AR模型；
取自回归阶数的上界这里用/>表示时间节点数N的整数部分，采用AIC定阶方法得到的AR模型的阶数p和自回归系数的估计(a'1,a'2,...a'p)，计算残差得：
其中：
t＝p'+1,p'+2,...,N，
之后得到近似的ARMA(p,q)模型：
t＝L+1,L+2,...,N
这里，L＝max(p’,p,q),a、b是待定参数，将自相关系数以及滑动平均系数代入该式，即由已知的历史数据预测未来的数据。
第四步，配电网线路扩展规划结果的获得：基于配电网的规划模型与负荷预测值，得到配电网线路扩展规划结果。
考虑配网规划的目标函数与对应约束条件，进行配网的线路规划。当电流与线路传输功率约束超过其初始型号对应上限时，说明线路需要扩建，此时在对应线路添加新的同型号线路，并对新网络的潮流进行验算。
配电网线路扩展规划结果的获得具体步骤如下：
(1)提出配电网规划的目标函数：设定规划的目标为电网公司在规划过程中的线路投资与运营成本最低，故将目标函数定义为网损支出与线路投资之和最小，即为：
minC＝min(Closs+Cline)，
其中，C为总成本，Closs为网损成本，Cline为线路成本，在十年的规划周期中，该成本需在每一年达到当年的最小，并假设所扩建的线路与初始存在的线路不会因为寿命衰退而退出运行。
(2)在配电网规划中，所规划的各元素时刻满足运行平衡，而若在配电网中列写全部的平衡方程，由于网损等计算的需要，约束中会出现非线性元素，故采用二阶锥约束来对其进行转化，故提出配电网规划的约束条件如下：
A1)系统潮流约束设定为：
其中，pj为节点j注入有功功率，Pij为线路ij间的有功功率，为线路ij间的电流平方值，rij为线路ij间的电阻，gj为线路ij间的电导，/>为节点j的电压平方，qj为节点j注入无功功率，Qij为线路ij间的无功功率；
A2)二阶锥约束为：
A3)电压平衡公式为：
A4)节点电压约束与线路电流约束表达式为：
A5)节点功率平衡为；
P5G+PDC+Pgrid＝Pbuy；
其中，P5G为节点5G基站有功功率，PDC为节点数据中心有功功率，Pgrid为节点电网自身有功功率，Pbuy为节点购电量。
(3)提出新型数字基础设施的运行模型：
B1)5G基站的运行模型
其中，PS为基础电路功耗，β为5G基站自身参数，PD为信号发射功耗；
B2)数据中心的运行模型
PDC＝PW+f(PW)
PW＝Pwork+Pdelay
其中，PW为数据中心工作负载，f(PW)为数据中心制冷负载，Pwork为数据中心即时处理的负载，Pdelay为数据中心延迟处理的负载，k1,k2为制冷负荷参数，P0为数据中心制冷方式选择临界值。
(4)计算规划结果：
根据配电网结构与新型数字基础设施的运行模型，在matlab2020b上通过gurobi求解器进行求解，得到配电网的线路规划结果。
在此，还一种配电网线路扩展规划结果评价方法，采用全寿命周期综合效益评估对规划结果进行评价，构建了一个在资产形成期、运行期、维护期和退役期包含安全、效能、成本等三个方面的配电网规划综合效益评估体系。
配电网线路扩展规划结果评价方法包括以下步骤：
(1)将全寿命周期的资本性投入阶段成本、运维阶段成本、检修阶段成本、退役报废阶段成本分别记作A、B、C、D；
对于资本性投入阶段成本的分析，记系统资本性投入阶段成本为A，则有：
A＝Csj+Cinv+Csg，
其中，Csj为设计费用，Cinv为设备投资成本，Csg为施工成本；
对于运维阶段成本的分析，记系统每年的运维阶段成本为B，则有：
B＝Ch+Cm+Cr+CV，
其中，Ch为系统运行每年的总购电费用，Cr为系统运行每年的人工费用，CV为每年给线路扩容的成本，Cm为年其他成本；
对于检修阶段成本的分析，记系统每年的检修阶段成本为C，则有：
C＝0.22Cjy，
其中Cjy为系统运行每年的经营成本；
对于退役报废阶段成本的分析，记系统每年的退役报废阶段成本为D，则有：
D＝0.25Cinv，
得到A、B、C、D后，采用净现值法来表示系统的全寿命周期投资运营成本，即把全寿命周期各个阶段的成本通过折现并叠加后，转化为现阶段的成本；
全寿命周期投资运营成本LCC模型如下：
其中：A在第一年支出，不用折现，B和C在设备运行的T年期间，每一年都有支出需分别折现T次，最后一年的D只需折现一次。
(2)针对规划问题，提出四种方案进行经济性评价，分别是：
方案一：将电网中所有负荷视为不可调负荷，且不设置光伏本方案结果将作为后续三种方案的对照参考；
方案二：在电网中引入光伏的建设，负荷仍视为不可调；
方案三：将电网中的数据中心与电动汽车视为可调负荷，但不进行光伏的建设；
方案四：在电网中同时配置可调负荷与光伏电站。
(3)进行各方案经济性对比。
四个方案都在同一个已建成的电网的基础上进行规划，因此它们的资本入阶段成本相同，均为A＝4090.945万元。
对四种规划方案进行第1至10年间的运维成本B的计算，数据结果如表1所示：
表1第1至10年间的运维成本B
B(万元) 第1年 第2年 第3年 第4年 第5年 第6年 第7年 第8年 第9年 第10年
方案1 1285.51 1357.08 1434.77 1518.87 1609.64 1724.38 1991.64 2016.90 2505.03 2248.89
方案2 1285.29 1356.86 1434.53 1518.62 1609.36 1724.09 1902.38 2105.49 2346.58 2406.61
方案3 1264.06 1343.57 1429.87 1523.29 1624.11 1733.50 1852.02 2259.91 2355.80 2540.37
方案4 1263.87 1343.37 1429.66 1523.06 1623.86 1733.23 1851.73 2082.78 2225.95 2638.29
对四种规划方案进行第1至10年间的检修成本C的计算，数据结果如表2所示：
表2第1至10年间的检修成本C对比表
C(万元) 第1年 第2年 第3年 第4年 第5年 第6年 第7年 第8年 第9年 第10年
方案1 120.406 127.102 134.369 142.234 150.721 159.929 169.904 180.659 192.260 204.842
方案2 120.393 127.087 134.353 142.217 150.703 159.910 169.883 180.637 192.236 204.816
方案3 118.399 125.839 133.914 142.654 152.086 162.318 173.402 185.354 198.246 212.227
方案4 118.385 125.824 133.898 142.637 152.068 162.299 173.382 185.332 198.222 212.202
(4)对四个规划方案在使用LCC和不使用LCC下，分别进行测算，得到评价结果。LCC模型把研究周期定义为整个寿命，不会计较某个阶段成本的多少，更注重全寿命周期内成本的最少，从一个全局的角度考虑成本。
不考虑各负荷可调性时，其结果如图6所示。而基于上述步骤计算得到配电网的线路规划结果如图7所示：
表3使用LCC和不使用LCC的成本对比表
相较于不使用LCC，使用LCC均会降低各个方案的投资运营成本，且方案四是四个方案中LCC成本最低的。
不同于以往的配电网规划方法，本方法考虑了当前配电网中实际存在的新型数字基础设施非直接电力需求，包括数据中心的数据处理需求，5G基站的通信需求等，通过采集历史数据可知，5G基站的典型日负荷曲线如图2所示。数据中心的典型日负荷曲线如图3所示。配电网中各元素的分布如图4所示。本发明将其增长变化与特有的需求属性建立模型并纳入配电网的规划中，并面对该问题提出了新型数字基础设施负荷特性的配网扩展规划方法。
本发明的主要目的在于在配电网中存在新型数字基础设施的情况下，其负荷与配电网中负荷趋势较为接近，若不考虑其负荷特性的使用，则很容易出现“峰上加峰”的情况，使得配电网运行压力增大，规划所需线路条数增加。而本方法中考虑了其负荷特性，图5与图6列出了新型数字基础设施负荷可调负荷平移前后的典型日负荷曲线。从结果不难看出其移峰填谷的有效性。
通过将负荷预测数据代入规划模型，通过matlab进行仿真模拟可以得到规划的具体结果，线路规划的具体结果与对应的成本在图7中进行展示，而图8对比了同一配电网在十年中各负荷增加的情况下，采用本方法考虑负荷特性进行的规划与不采用本方法而仅考虑负荷最大值时规划的线路结果与对应成本的全寿命周期综合成本计算结果。通过对比可以发现，采用本方法可以有效降低线路规划的成本。从而说明本方法的有效性。
本发明所述方法考虑了电网中可调负荷的特性，使其在电网的峰谷时段均充当了负荷调节者的作用，有效的克服了的因负荷峰值过高带来的线路冗余规划问题。
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 (3)

1.一种配电网线路扩展规划方法，其特征在于，包括以下步骤：
11)配电网基础数据的获取：获取配电网中新型数字基础设施的元素和元素的负荷特性，元素的负荷特性包含负荷的变化趋势、负荷数量级和与其在配网中的数量、配置地点；
12)新典型日负荷曲线的生成：采集配电网各负荷实际运行数据，以此为基础生成配网的典型日负荷曲线，将其可平移高峰负荷移至次日低谷时段，以此生成新典型日负荷曲线；
13)配电网未来负荷预测：以新典型日负荷曲线和配电网基础数据为基础，采用配电网预测模型，预测配电网未来负荷预测值；
14)配电网线路扩展规划结果的获得：基于配电网的规划模型与负荷预测值，得到配电网线路扩展规划结果；
所述配电网线路扩展规划结果的获得包括以下步骤：
141)提出配电网规划的目标函数：设定规划的目标为电网公司在规划过程中的线路投资与运营成本最低，故将目标函数定义为网损支出与线路投资之和最小，即为：
min C＝min(Closs+Cline)，
其中，C为总成本，Closs为网损成本，Cline为线路成本，在十年的规划周期中，该成本需在每一年达到当年的最小，并假设所扩建的线路与初始存在的线路不会因为寿命衰退而退出运行；
142)提出配电网规划的约束条件：
1421)系统潮流约束设定为：
其中，pj为节点j注入有功功率，Pij为线路ij间的有功功率，为线路ij间的电流平方值，rij为线路ij间的电阻，gj为线路ij间的电导，/>为节点j的电压平方，qj为节点j注入无功功率，Qij为线路ij间的无功功率；
1422)二阶锥约束为：
1423)电压平衡公式为：
1424)节点电压约束与线路电流约束表达式为：
1425)节点功率平衡为；
P5G+PDC-pj＝Pbuy；
其中，P5G为节点5G基站有功功率，PDC为节点数据中心有功功率，Pbuy为节点购电量；
143)提出新型数字基础设施的运行模型：
1431)5G基站的运行模型
其中，PS为基础电路功耗，β为5G基站自身参数，PD为信号发射功耗；
1432)数据中心的运行模型
PDC＝PW+f(PW)
PW＝Pwork+Pdelay
其中，PW为数据中心工作负载，f(PW)为数据中心制冷负载，Pwork为数据中心即时处理的负载，Pdelay为数据中心延迟处理的负载，k1,k2为制冷负荷参数，P0为数据中心制冷方式选择临界值；
144)计算规划结果：
根据配电网结构与新型数字基础设施的运行模型，在matlab2020b上通过gurobi求解器进行求解，得到配电网的线路规划结果。
2.根据权利要求1所述的一种配电网线路扩展规划方法，其特征在于，所述新典型日负荷曲线的生成包括以下步骤：
21)采集配电网各负荷实际运行数据，以年负荷数据为基础，按季节将一年中的负荷曲线以K-means聚类方法分为四个聚类，每个聚类中取一个典型日作为代表，并对该四个典型日的负荷进行分析，以此为基础生成配网的典型日负荷曲线；
22)由于电网中包含灵活性资源，在电网处于负荷高峰期或低谷期时发挥其灵活性，使得负荷在时间或空间上进行平移；以可延迟负荷为基础，在负荷处于日内峰值时，将其可平移负荷移至次日低谷时段，通过该特点生成新的典型日负荷曲线。
3.根据权利要求1所述的一种配电网线路扩展规划方法，其特征在于，所述配电网未来负荷预测包括以下步骤：
31)建立ARMA预测模型，设定ARMA(p,q)模型预测数学表达式如下：
Yt＝c+φ1Yt-1+φ2Yt-2+...+φpYt-p+θ1εt-1+θ2εt-2+...+θqεt-q+εt，
其中，c为常数项，φ为自相关系数，Y为当前值，t、p、q为阶数，θ为系数，ε为白噪音过程；引入算子L，写成：
φ(L)Yt＝c+θ(L)εt，
其中
φ(L)＝1-φ1L-φ2L2-...-φpLp，
θ(L)＝1+θ1L+θ2L2+...+θqLq；
32)检验ARMA模型的平稳性，
ARMA过程的平稳性取决于它的自回归部分，若关于Z的方程：
1-φ1Z-φ2Z2-...-φpZp＝0的根全部落在单位圆以外时，ARMA(p,q)是一个平稳过程；
33)为数据建立AR模型；
取自回归阶数的上界这里用/>表示时间节点数N的整数部分，采用AIC定阶方法得到的AR模型的阶数p和自回归系数的估计(a1',a'2,K a'p)，计算残差得：
其中：
t＝p'+1,p'+2,K,N，
之后得到近似的ARMA(p,q)模型：
这里，L＝max(p’,p,q),a、b是待定参数，将自相关系数以及滑动平均系数代入该式，即由已知的历史数据预测未来的数据。
CN202111415933.3A 2021-11-25 2021-11-25 一种配电网线路扩展规划方法及其规划结果评价方法 Active CN114022038B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111415933.3A CN114022038B (zh) 2021-11-25 2021-11-25 一种配电网线路扩展规划方法及其规划结果评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111415933.3A CN114022038B (zh) 2021-11-25 2021-11-25 一种配电网线路扩展规划方法及其规划结果评价方法

Publications (2)

Publication Number Publication Date
CN114022038A CN114022038A (zh) 2022-02-08
CN114022038B true CN114022038B (zh) 2023-08-04

Family

ID=80066316

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111415933.3A Active CN114022038B (zh) 2021-11-25 2021-11-25 一种配电网线路扩展规划方法及其规划结果评价方法

Country Status (1)

Country Link
CN (1) CN114022038B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105552896A (zh) * 2015-12-31 2016-05-04 国家电网公司 一种基于分布式光伏发电的配电网高峰负荷控制方法
CN110071505A (zh) * 2019-06-04 2019-07-30 清华大学 含大规模风电接入的输电网扩建与储能配置联合规划方法
CN113239540A (zh) * 2021-05-11 2021-08-10 山东大学 一种城市配电网线路动态规划方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109412140B (zh) * 2018-03-29 2022-01-07 国家电网公司 一种提高10kV配电线路利用率的方法
CN109523095B (zh) * 2018-12-21 2021-06-08 合肥工业大学 基于负荷预测和场景聚类的城市配电网规划方法
CN110895638B (zh) * 2019-11-22 2022-12-06 国网福建省电力有限公司 考虑电动汽车充电站选址定容的主动配电网模型建立方法
CN112862317B (zh) * 2021-02-07 2023-07-28 国网山东省电力公司滨州供电公司 一种协调5g通讯基站选址接入的配电网网架规划方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105552896A (zh) * 2015-12-31 2016-05-04 国家电网公司 一种基于分布式光伏发电的配电网高峰负荷控制方法
CN110071505A (zh) * 2019-06-04 2019-07-30 清华大学 含大规模风电接入的输电网扩建与储能配置联合规划方法
CN113239540A (zh) * 2021-05-11 2021-08-10 山东大学 一种城市配电网线路动态规划方法及系统

Also Published As

Publication number Publication date
CN114022038A (zh) 2022-02-08

Similar Documents

Publication Publication Date Title
CN116646933B (zh) 一种基于大数据的电力负荷调度方法及系统
Matevosyan et al. Hydropower planning coordinated with wind power in areas with congestion problems for trading on the spot and the regulating market
CN105760993A (zh) 一种多源接入主动配电网评估方法
CN111525552A (zh) 一种基于特征信息的三阶段短期风电场群功率预测方法
Yi et al. Expansion planning of active distribution networks achieving their dispatchability via energy storage systems
Mansoor et al. Past vector similarity for short term electrical load forecasting at the individual household level
Xia et al. Planning district multiple energy systems considering year-round operation
CN111091223A (zh) 一种基于物联网智能感知技术的配变短期负荷预测方法
CN114022038B (zh) 一种配电网线路扩展规划方法及其规划结果评价方法
CN110689248A (zh) 一种基于云模型和可能度分析的一流城市配电网评估方法
CN106203742A (zh) 一种基于节能回报率的电网设备节能评价及选型方法
Abdolrezaei et al. Substation mid-term electric load forecasting by knowledge-based method
Kumru et al. Calendar-based short-term forecasting of daily average electricity demand
Hu et al. Transformer-customer relationship identification for low-voltage distribution networks based on joint optimization of voltage silhouette coefficient and power loss coefficient
CN113988550A (zh) 一种适用于混频数据的电力动态综合评价方法
Zhang et al. Load Forecasting Considering Demand Response Mechanism
Duan et al. Collaborative inference of missing smart electric meter data for a building
Zhang et al. Research on scheduling strategy of heterogeneous flexible load clusters with strong association consider dual-scale similarities
CN111368257A (zh) 煤改电负荷特性的分析预测方法及装置
CN110570124A (zh) 配网项目对配电网运行性能提升程度的经济量化模型
Kaewchird CUSTOMER SEGMENTATION AND TARGETING FOR DEMAND RESPONSE IN THAILAND
Xiaoqun et al. Optimal location and capacity of distributed generation based on scenario probability
Yang et al. The spatiotemporal distribution prediction method for distributed photovoltaic installed capacity based on power supply measurement data
Ugedo et al. Application of neural networks to the management of voltage constraints in the Spanish market
Scarlatache et al. Optimal coordination of wind and hydro power plants in power systems

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
CB03 Change of inventor or designer information

Inventor after: Zhang Hui

Inventor after: Cheng Xiao

Inventor after: Zhao Yingying

Inventor after: Zhu Liuzhu

Inventor after: Rong Xiuting

Inventor after: Wu Rundong

Inventor after: Hu Junjie

Inventor after: Ma Haotian

Inventor after: Shen Yuming

Inventor after: Ling Ru

Inventor after: Guo Menzhang

Inventor before: Rong Xiuting

Inventor before: Cheng Xiao

Inventor before: Zhao Yingying

Inventor before: Wu Rundong

Inventor before: Zhang Hui

Inventor before: Hu Junjie

Inventor before: Ma Haotian

Inventor before: Zhu Liuzhu

Inventor before: Shen Yuming

Inventor before: Ling Ru

Inventor before: Guo Menzhang

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant