CN114123213B - 一种电网的时空功率均衡方法及系统 - Google Patents
一种电网的时空功率均衡方法及系统 Download PDFInfo
- Publication number
- CN114123213B CN114123213B CN202210077253.3A CN202210077253A CN114123213B CN 114123213 B CN114123213 B CN 114123213B CN 202210077253 A CN202210077253 A CN 202210077253A CN 114123213 B CN114123213 B CN 114123213B
- Authority
- CN
- China
- Prior art keywords
- power
- time
- day
- network
- flexible multi
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005457 optimization Methods 0.000 claims abstract description 100
- 238000004146 energy storage Methods 0.000 claims abstract description 92
- 230000035945 sensitivity Effects 0.000 claims abstract description 23
- 230000001105 regulatory effect Effects 0.000 claims abstract description 9
- 230000001276 controlling effect Effects 0.000 claims abstract description 8
- 238000009826 distribution Methods 0.000 claims description 129
- 239000000126 substance Substances 0.000 claims description 39
- 230000005611 electricity Effects 0.000 claims description 34
- 239000013598 vector Substances 0.000 claims description 23
- 239000003990 capacitor Substances 0.000 claims description 22
- 230000003068 static effect Effects 0.000 claims description 14
- 238000011160 research Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000010248 power generation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 239000002699 waste material Substances 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
-
- 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
- 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
- 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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- H02J2300/28—The renewable source being wind 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
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
-
- 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)
- Power Engineering (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种电网的时空功率均衡方法及系统，日前阶段考虑风电出力的不确定性，生成大量随机场景，对各网络进行等效建立网络间空间功率均衡模型，采用节点电压和支路电流对节点功率的灵敏度以防止节点电压和支路电流越限，得到柔性多状态开关的运行域；以日前网络间空间功率均衡柔性多状态开关的优化结果为基础，以各网络内时间功率均衡为目标，建立日前各网络内的模型，根据大量随机场景优化结果得到储能装置的运行域；日内阶段，基于柔性多状态开关和储能装置的运行域，以日内向上级电网购电费用和电压偏差加权和最小为目标，得到各时段各调控手段的最终功率。本发明相比于传统调控方式能够在降低运行费用的同时，改善了日内调控的灵活性。
Description
技术领域
本发明属于配电网运行优化领域，更具体地，涉及一种电网的时空功率均衡方法及系统。
背景技术
随着可再生能源发电的不断应用，配电网中的可再生能源发电渗透率不断提高，而常见的风力发电受天气影响较大，其出力呈现出不确定性和波动性。传统配电网难以有效应对风电出力的不确定性，因此，各种主动调控设备，如柔性多状态开关、储能装置、无功电容器组和无功补偿器等接入电网中形成了主动配电网。风电出力的不确定性加剧了不同网络间的空间功率不均衡以及网络内部的功率峰谷差的时间不均衡。这种功率的时空不均衡导致网络运行经济性下降，而且可能会出现电压越限等安全问题。合理调控主动控制设别可以改善网络时空功率均衡程度，提升网络运行经济性。
现有研究及技术存在的问题总结如下：
（1）现有主动配电网运行优化多集中于减小网络损耗、改善电压分布，且由于网络间因为电压等级和相位的差别无法采用联络线直连，无法对网络间的功率进行均衡；
（2）日前规划阶段，通常根据预测数据确定储能装置每个时段的充放电功率，且在日内不能随着小时级预测数据进行修正，同时，日前阶段舍弃了如柔性多状态开关的连续调控设备的功率优化结果，造成了运行数据的浪费；
（3）日前阶段网络间建立详细模型在大量场景优化时，会造成计算时间较长的问题。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种电网的时空功率均衡方法及系统，旨在解决配电网间及内部功率不均衡以及日内调控灵活性不足的问题
为实现上述目的，第一方面，本发明提供了一种电网的时空功率均衡方法，包括如下步骤：
第一步，对日前阶段配电网间功率进行空间均衡：在日前阶段，考虑风电出力的不确定性，生成大量的随机场景，并在各随机场景下调控柔性多状态开关的参数以对配电网功率进行优化，根据各随机场景下的柔性多状态开关参数的调控结果确定柔性多状态开关的运行域；在每个随机场景中将各个配电网等效为仅有净有功和无功负荷的节点，同时在柔性多状态开关接入配电网时，采用节点电压对节点功率的灵敏度和支路电流对节点功率的灵敏度以描述柔性多状态开关的功率变化带来的节点电压和支路电流变化量，对节点电压和支路电流进行约束；
第二步，对日前阶段配电网内功率进行时间均衡：以所述各随机场景下柔性多状态开关参数的调控结果为基础，以单个配电网为研究对象，考虑配电网内具体的潮流约束和储能装置运行约束，对配电网功率进行优化，根据各随机场景下的优化结果确定储能装置的运行域；
第三步，对日内阶段配电网进行逐时段运行优化：基于所述柔性多状态开关的运行域和储能装置的运行域，以日内向所述配电网的上一级电网的购电费用与电压偏差的加权和最小为目标，逐时段建立日内配电网运行优化模型，得到对柔性多状态开关和储能装置进行功率调控的最终方案。
在一个可能的示例中，所述对日前阶段配电网间功率进行空间均衡，具体包括如下步骤：
考虑日前风电出力预测的不确定性，采用拉丁超立方抽样方法在风电出力预测误差范围内生成大量随机场景；
将各配电网等效为仅有净有功负荷和净无功负荷的节点，采用节点电压和支路电流对节点功率的灵敏度分别描述柔性多状态开关功率变化对节点电压和支路电流的影响，防止节点电压和支路电流越限；
以空间功率均衡为目标，具体为以各配电网向上级电网获得的有功功率之和最小为目标，优化得到大量随机场景下柔性多状态开关在每个时段的有功功率，构成柔性多状态开关的有功功率运行域，以作为所述柔性多状态开关的运行域。
在一个可能的示例中，所述对日前阶段配电网内功率进行时间均衡，具体包括如下步骤：
基于日前配电网间空间功率均衡得到的柔性多状态开关在各随机场景下的功率优化结果，以单个配电网为研究对象；
以各配电网内时间功率均衡为目标，具体为以向上级电网获得的有功功率相关的功率值最小为目标，考虑具体的潮流运行约束和储能装置运行约束，建立日前各配电网内的运行优化模型；所述有功功率相关的功率值为第一功率值和第二功率值之和，所述第一功率值为一天内每个小时有功功率排序后首位配对峰谷差的加权和，首先将各时刻有功功率进行降序排序，然后分别对首尾功率进行配对，相减并取绝对值得到多对有功功率差值，差值求和乘以对应权重即为第一功率值，所述第二功率值为向上级电网获得的有功功率；
基于所述各配电网内的运行优化模型对大量随机场景进行优化，得到储能装置每个时段的荷电状态结果，依次构成储能装置的荷电状态运行域，以作为所述储能装置的运行域。
在一个可能的示例中，所述对日内阶段配电网进行逐时段运行优化，具体包括如下步骤：
对于每个时段，考虑风电的小时级预测值，计算得到日内风电预测值相比于日前风电预测值的预测误差；
根据每个时段的预测误差，结合日前优化得到的柔性多状态开关的运行域和储能装置的运行域，得到柔性多状态开关有功功率和储能装置荷电状态在每个时段的运行范围；
以日内向上级电网购电费用和电压偏差的加权和最小为目标，逐时段建立日内运行优化模型；
基于所述逐时段建立日内运行优化模型对配电网逐时段优化得到所有调控方式，得到对柔性多状态开关和储能装置进行功率调控的最终方案。
在一个可能的示例中，所述以空间功率均衡为目标，具体为以各配电网向上级电网获得的有功功率之和最小为目标，优化得到大量随机场景下柔性多状态开关在每个时段的有功功率，构成柔性多状态开关的有功功率运行域，具体为：
构建考虑所述灵敏度的日前配电网间空间功率均衡模型，空间功率均衡模型以配电网向上购入有功功率最小为目标，而单个配电网向上购入的有功功率等于该配电网的净有功负荷和有功损耗之和，场景ω下目标函数如下式所示：
其中，
为场景ω下的空间功率均衡目标函数，N为配电网个数，T为时段个数，
为场景ω时刻t网络m的净负荷，
为场景ω时刻t网络m所连柔性多状态开关的有功功率，
为网络m的支路集合，
为场景ω时刻t网络m支路ij的电流值平方，
为网络m支路ij的电阻；
所述日前配电网间空间功率均衡模型的约束条件包括：柔性多状态开关运行约束、节点电压约束以及支路电流约束，分别如下式所示：
其中，
和
分别为场景ω时刻t节点i处柔性多状态开关的有功功率和无功功率，
为场景ω时刻t节点i处柔性多状态开关的有功损耗，
为节点i处柔性多状态开关的容量，
为节点i处柔性多状态开关的有功损耗系数，
和
分别为场景ω时刻t网络m的优化前和优化后的节点电压幅值向量，
为场景ω时刻t网络m的节点电压幅值变化量向量，
和
分别为网络m的节点电压幅值最小值和最大值向量，
和
分别为场景ω时刻t网络m的优化前和优化后的支路电流平方值向量，
为场景ω时刻t网络m的支路电流平方值变化量向量，
为网络m的支路电流平方值最大值向量；
日前阶段，柔性多状态开关运行域是由各时段的运行域构成的；柔性多状态开关运行域是关于其有功功率在日内运行时的约束；对于时刻t，预测误差区间被等分为若干个小区间，每个小区间上的柔性多状态开关有功功率最小值和最大值作为运行域的边界，那么柔性多状态开关的运行域公式如下所示：
其中，
为时刻t第k个误差小区间节点i所连柔性多状态开关的有功功率，
和
分别为时刻t第k个误差小区间节点i所连柔性多状态开关的有功功率的最小值和最大值，
和
分别为预测误差最小值和最大值，
为误差小区间长度，
为第k个误差小区间的误差值，
为误差小区间的个数，
为属于第k个误差小区间的场景集合。
在一个可能的示例中，所述对日前阶段配电网内时间功率进行均衡，具体包括如下步骤：
输入所述大量随机场景的数据和柔性多状态开关在各场景各时段下的有功功率值；
计算优化前每个时段下配电网向上级电网购电的有功功率，得到目标函数中的相关参数；所述目标函数包括向上级电网购电有功功率和峰谷差加权和，具体如下：
其中，
为场景ω网络m的网络内时间功率均衡目标函数，
为场景ω时刻t网络m的向上级电网购电的有功功率，
为向上级电网购电的有功功率组合，根据优化前每个时段下配电网向上级电网购电的有功功率确定，
为场景ω网络m第c对向上级电网购电的有功功率组合的权重；
权重计算公式如下所示：
其中，
为场景ω时刻t网络m优化前向上级电网购电的有功功率；
和
分别为场景ω网络m时刻
和时刻
向上级电网购电的有功功率，时刻
和时刻
分别为向上级电网购电的有功功率组合对应的时间对；设1个小时为时间断面，那么优化前场景ω网络m一天内向上级电网购电的有功功率共有24个数据，对这24个数据进行降序排序，首尾进行组合可得到12组有功功率组合，分别计算可得到每组有功功率差值的绝对值，对绝对值进行归一化可得到有功功率组合的权重；
构建日前各配电网内的运行优化模型；约束条件包括潮流约束、柔性多状态开关约束、储能装置约束、静态无功补偿器约束和无功电容器组约束以及安全约束；
潮流约束如下所示：
其中，
和
分别为时刻t支路ij的有功和无功功率，
和
分别为支路ij的电阻和电抗，
为时刻t支路ij的电流幅值的平方，
为时刻t节点i的电压幅值的平方，
为时刻t节点i处日内小时级预测的风电系统有功功率，
和
分别为时刻t节点i处的储能装置放电和充电功率，
为时刻t节点i处的无功电容器组无功功率，
为时刻t节点i处的静态无功补偿器无功功率，
和
分别为时刻t节点i处的有功和无功负荷，
为节点i时刻t的净输出有功功率，
为节点i时刻t的净输出无功功率，
为时刻t节点i处SOP的有功功率，
为时刻t节点i处SOP的无功功率；
储能装置运行约束如下所示：
其中，
和
分别为时刻t节点i处储能装置的充电和放电0-1指标，
和
分别为时刻t节点i处储能装置的最大充电和放电功率，
为时刻t节点i处储能装置的荷电状态值，
和
分别为初始时刻和终止时刻节点i处储能装置的初始荷电状态值，
和
分别为节点i处储能装置的充放电效率，
为节点i处储能装置的容量，
和
分别为节点i处储能装置的荷电状态最小值和最大值；
静态无功补偿器运行约束如下所示：
其中，
和
分别为节点i处静态无功补偿器无功功率最小值和最大值；
无功电容器组运行约束如下所示：
其中，
为时刻t节点i处无功电容器组的投入组数，
为无功电容器组单组容量，
为单次投入组数的最大值，
和
分别为时刻t节点i处无功电容器组的投入和切除的0-1变量；
安全约束如下所示：
其中，U i,min 和U i,max 分别表示节点i电压的最小值和最大值，I ij,max 表示支路ij电流的最大值；
优化求解得到各场景各时段的储能装置荷电状态，构建储能装置荷电状态运行域，构建的储能装置荷电状态运行域如下式所示：
其中，
为时刻t第k个误差小区间节点i所连储能装置的荷电状态，
和
分别为时刻t第k个误差小区间节点i所连储能装置的荷电状态的最小值和最大值，
和
分别为预测误差最小值和最大值，
为误差小区间长度，
为第k个误差小区间的误差值，
为误差小区间的个数，
为属于第k个误差小区间的场景集合。
在一个可能的示例中，所述对日内阶段配电网进行逐时段运行优化，具体包括如下步骤：
输入每个时段风电预测数据和柔性多状态开关运行域、储能装置运行域以及无功电容器组的投入组数；
以日内向上级电网购电费用和电压偏差加权和最小为目标，构建目标函数，具体如下所示：
其中，
为日内运行的目标函数，
和
分别为向上购电费用和电压偏差的权重，
为时刻t的购电单价，
为网络m时刻t向上购电的有功功率，N为网络个数，T为时段个数，
为网络m时刻t节点i的电压幅值平方，
为网络m的节点集合，
和
分别为优化前向上购电费用和电压偏差值；
逐时段构建日内网络运行优化模型；约束条件包括潮流约束、柔性多状态开关运行域约束、储能装置运行域约束、静态无功补偿器约束；
基于所述日内网络运行优化模型得到所有调控方式的最终调控方案。
第二方面，本发明提供了一种电网的时空功率均衡系统，包括：
空间均衡单元，用于在日前阶段，考虑风电出力的不确定性，生成大量的随机场景，并在各随机场景下调控柔性多状态开关的参数以对配电网功率进行优化，根据各随机场景下的柔性多状态开关参数的调控结果确定柔性多状态开关的运行域；在每个随机场景中将各个配电网等效为仅有净有功和无功负荷的节点，同时在柔性多状态开关接入配电网时，采用节点电压对节点功率的灵敏度和支路电流对节点功率的灵敏度以描述柔性多状态开关的功率变化带来的节点电压和支路电流变化量，对节点电压和支路电流进行约束；
时间均衡单元，用于以所述各随机场景下柔性多状态开关参数的调控结果为基础，以单个配电网为研究对象，考虑配电网内具体的潮流约束和储能装置运行约束，对配电网功率进行优化，根据各随机场景下的优化结果确定储能装置的运行域；
日内优化单元，用于基于所述柔性多状态开关的运行域和储能装置的运行域，以日内向所述配电网的上一级电网的购电费用与电压偏差的加权和最小为目标，逐时段建立日内配电网运行优化模型，得到对柔性多状态开关和储能装置进行功率调控的最终方案。
在一个可能的示例中，所述空间均衡单元，考虑日前风电出力预测的不确定性，采用拉丁超立方抽样方法在风电出力预测误差范围内生成大量随机场景；将各配电网等效为仅有净有功负荷和净无功负荷的节点，采用节点电压和支路电流对节点功率的灵敏度分别描述柔性多状态开关功率变化对节点电压和支路电流的影响，防止节点电压和支路电流越限；以及以空间功率均衡为目标，具体为以各配电网向上级电网获得的有功功率之和最小为目标，优化得到大量随机场景下柔性多状态开关在每个时段的有功功率，构成柔性多状态开关的有功功率运行域，以作为所述柔性多状态开关的运行域。
在一个可能的示例中，所述时间均衡单元，基于日前配电网间空间功率均衡得到的柔性多状态开关在各随机场景下的功率优化结果，以单个配电网为研究对象；以各配电网内时间功率均衡为目标，具体为以向上级电网获得的有功功率相关的功率值最小为目标，考虑具体的潮流运行约束和储能装置运行约束，建立日前各配电网内的运行优化模型；所述有功功率相关的功率值为第一功率值和第二功率值之和，所述第一功率值为一天内每个小时有功功率排序后首位配对峰谷差的加权和，首先将各时刻有功功率进行降序排序，然后分别对首尾功率进行配对，相减并取绝对值得到多对有功功率差值，差值求和乘以对应权重即为第一功率值，所述第二功率值为向上级电网获得的有功功率；以及基于所述各配电网内的运行优化模型对大量随机场景进行优化，得到储能装置每个时段的荷电状态结果，依次构成储能装置的荷电状态运行域，以作为所述储能装置的运行域。
通过上述技术方案，本发明提供的考虑柔性多状态开关和储能装置运行域的时空功率均衡方法，是综合考虑日前网络间空间功率均衡和日前网络内时间功率均衡，为日内运行优化柔性多状态开关和储能设备的调控提供基于功率均衡的运行域，实现了功率均衡和网络经济性改善的方法。与现有技术相比，本发明的有益效果为：
（1）提出了考虑风电日前预测误差的日前网络间空间功率均衡方法：日前网络间优化阶段，以风电日前预测值为基础，考虑预测误差，生成大量随机场景；为了提高大量场景的计算效率，将各网络等效为仅有净有功负荷和净无功负荷的节点，以各网络与上级电网交换的有功功率之和最小为目标，构建网络间空间功率均衡模型，优化得到柔性多状态开关有功功率关于预测误差的运行域；相比已有的日前建立网络间详细模型的方法，本发明计算时间显著减少，且结果误差较小，充分利用日前优化运行结果产生运行域。
（2）提出了考虑风电日前预测误差的日前网络内时间功率均衡方法：日前网络内优化阶段，对各网络进行单独分析，以向上级电网获得有功功率的加权峰谷差及获得的有功功率之和为目标，构建日前网络内时间功率均衡模型，优化得到储能装置荷电状态关于预测误差的运行域；相比已有方法，本发明为日内每个时段的储能充放电功率优化提供了运行范围，而不是限定功率运行。
（3）提出了基于运行域的日内逐时段柔性互联网络运行优化方法：日内运行优化阶段，基于柔性多状态开关和储能装置的运行域，以每个时段向上级电网购电费用和电压偏差加权和最小为目标，逐时段构建日内运行优化模型，优化得到各调控手段日内逐时段运行的最优方案。相比于已有方法，本发明日内各时段调控更加灵活。
附图说明
图1为本发明实施例提供的考虑柔性多状态开关和储能装置运行域的时空功率均衡方法的流程图；
图2为本发明实施例柔性多状态开关拓扑结构图；
图3为本发明实施例两个IEEE33节点配电网柔性互联网架结构图；
图4为本发明实施例两个网络的24小时有功负荷曲线图；
图5为本发明实施例两个网络优化前24小时由上级电网获得的有功功率曲线图；
图6为本发明实施例网络中风电的日前和日内24小时出力曲线图；
图7为本发明实施例日前网络间空间功率均衡流程图；
图8为本发明实施例日前网络内时间功率均衡流程图；
图9为本发明实施例日内网络运行优化流程图；
图10(a)为本发明实施例日前功率均衡时刻19的SOP运行域；
图10(b)为本发明实施例日前功率均衡时刻19的ESS荷电状态SOC运行域；
图11(a)为本发明实施例日内运行优化的SOP有功功率调控图；
图11(b)为本发明实施例日内运行优化的SOP无功功率调控图；
图11(c)为本发明实施例日内运行优化的ESS荷电状态SOC调控图；
图11(d)为本发明实施例日内运行优化的SVC无功功率调控图；
图11(e)为本发明实施例日内运行优化的SCB投入组数调控图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
为解决上述问题，本发明提供了一种配电网的时空功率均衡方法及系统，以达到网络间和网络内时空功率均衡，且运行费用最优的目的。
参见图1，本发明提供了一种电网的时空功率均衡方法，包括以下步骤：
第一步，对日前阶段配电网间功率进行空间均衡：在日前阶段，考虑风电出力的不确定性，生成大量的随机场景，并在各随机场景下调控柔性多状态开关的参数以对配电网功率进行优化，根据各随机场景下的柔性多状态开关参数的调控结果确定柔性多状态开关的运行域；在每个随机场景中将各个配电网等效为仅有净有功和无功负荷的节点，同时在柔性多状态开关接入配电网时，采用节点电压对节点功率的灵敏度和支路电流对节点功率的灵敏度以描述柔性多状态开关的功率变化带来的节点电压和支路电流变化量，对节点电压和支路电流进行约束；
第二步，对日前阶段配电网内功率进行时间均衡：以所述各随机场景下柔性多状态开关参数的调控结果为基础，以单个配电网为研究对象，考虑配电网内具体的潮流约束和储能装置运行约束，对配电网功率进行优化，根据各随机场景下的优化结果确定储能装置的运行域；
第三步，对日内阶段配电网进行逐时段运行优化：基于所述柔性多状态开关的运行域和储能装置的运行域，以日内向所述配电网的上一级电网的购电费用与电压偏差的加权和最小为目标，逐时段建立日内配电网运行优化模型，得到对柔性多状态开关和储能装置进行功率调控的最终方案。
图2为本发明实施例柔性多状态开关拓扑结构图，柔性多状态开关（Soft openpoint, SOP）通常由两个及以上的电压源型变流器（Voltage source converter, VSC）通过电容器并联构成，可以灵活调节其有功功率和无功功率，图2为常见的两端口柔性多状态开关。
图3为本发明实施例两个IEEE33节点配电网柔性互联网架结构图，1个2端口SOP连接了2个IEEE33节点配电网，每个网络中还设置了风电系统（Windturbine, WT）、储能装置（Energy storage system, ESS）、无功电容器组（Shunt capacitor bank, SCB）和静态无功补偿器（Static var compensator, SVC）。
图4为本发明实施例两个网络的24小时有功负荷曲线图，可以从中看出两个网络的负荷明显存在不均衡，网络1在大部分时段要高于网络2，而网络2的负荷峰谷差明显较大。
图5为本发明实施例两个网络优化前24小时由上级电网获得的有功功率曲线图，与图4的趋势相似，由上级电网获得的有功功率等于网络净负荷和有功损耗之和。
图6为本发明实施例网络中风电的日前和日内24小时出力曲线图，可以看到日内1h预测值通常与日前24h预测值相差较大，如果直接将日前方案套用在日内可能会导致日内运行优化结果较差。
图7为本发明实施例日前网络间空间功率均衡流程图，具体步骤如下：
第一步，考虑日前风电出力的不确定性，生成大量随机场景。日前风电出力及其预测值上下限如图6所示，此处假设每个时段内预测值在误差范围内符合均匀分布，如式（1）所示。
其中，UD表示均匀分布，
节点i时刻t风电的实际值，
表示节点i时刻t风电的日前预测值。
第二步，各网络等效为仅有净有功负荷和净无功负荷的节点，即在优化前考虑风电出力计算每个时段网络的净有功和无功负荷值。
第三步，计算优化前节点电压和支路电流对节点注入功率的灵敏度。考虑潮流计算过程中的迭代式，如式（2）所示。那么节点电压幅值对节点功率的灵敏度计算公式如式（3）所示。
其中，
和
分别为场景ω时刻t网络m的节点有功功率和无功功率向量，
、
、
和
为雅可比矩阵的子矩阵，
和
分别为场景ω时刻t网络m的节点电压相位和幅值的变化量向量，
和
分别为优化前和优化后节点电压幅值向量。
支路电流平方变化量计算公式如式（4）所示。
其中，
和
分别为场景ω时刻t网络m优化前和优化后支路电流平方值向量，
为场景ω时刻t网络m支路电流变化量平方值向量，
为场景ω时刻t网络m支路电流平方对节点注入有功功率的灵敏度矩阵。
第四步，构建考虑灵敏度的日前网络间空间功率均衡模型。空间功率均衡以网络向上购入有功功率之和最小为目标，而单个网络的向上购入的有功功率等于该网络的净有功负荷和有功损耗之和，目标函数如式（5）所示。
其中，
为场景ω下的空间功率均衡目标函数，N为配电网个数，T为时段个数，
为场景ω时刻t网络m的净负荷，
为场景ω时刻t网络m所连柔性多状态开关的有功功率，
为网络m的支路集合，
为场景ω时刻t网络m支路ij的电流值平方，
为网络m支路ij的电阻；
约束条件包括SOP运行约束和节点电压、支路电流约束，如式（6）至式（8）所示。
其中，
和
分别为场景ω时刻t节点i处柔性多状态开关的有功功率和无功功率，
为场景ω时刻t节点i处柔性多状态开关的有功损耗，
为节点i处柔性多状态开关的容量，
为节点i处柔性多状态开关的有功损耗系数，
和
分别为场景ω时刻t网络m的优化前和优化后的节点电压幅值向量，
为场景ω时刻t网络m的节点电压幅值变化量向量，
和
分别为网络m的节点电压幅值最小值和最大值向量，
和
分别为场景ω时刻t网络m的优化前和优化后的支路电流平方值向量，
为场景ω时刻t网络m的支路电流平方值变化量向量，
为网络m的支路电流平方值最大值向量；
第五步，优化求解得到各场景各时段的SOP功率，构建SOP有功运行域。柔性多状态开关运行域是由各时段的运行域构成的；柔性多状态开关运行域是关于其有功功率在日内运行时的约束；对于时刻t，预测误差区间被等分为若干个小区间，每个小区间上的柔性多状态开关有功功率最小值和最大值作为运行域的边界，那么柔性多状态开关的运行域公式如式（9）所示。时刻19的SOP有功功率运行域如图10(a)所示。
其中，
为时刻t第k个误差小区间节点i所连柔性多状态开关的有功功率，
和
分别为时刻t第k个误差小区间节点i所连柔性多状态开关的有功功率的最小值和最大值，
和
分别为预测误差最小值和最大值，
为误差小区间长度，
为第k个误差小区间的误差值，
为误差小区间的个数，
为属于第k个误差小区间的场景集合。
图8为本发明实施例日前网络内时间功率均衡流程图，具体步骤如下：
第一步，输入大量随机场景数据和SOP功率数据。随机场景数据继承于日前网络间空间功率均衡生成的数据，SOP功率数据则为每个场景下所有时段的SOP的有功功率数据，无功功率则需要在日前网络内模型进行再次优化。
第二步，计算优化前每个时段的向上购电有功功率，得到目标函数每对峰谷差对应的权重。网络内时间功率均衡目标函数如式（10）所示，包括向上购电有功功率和峰谷差加权和。
其中，
为场景ω网络m的网络内时间功率均衡目标函数，
为场景ω时刻t网络m的向上级电网购电的有功功率，
为向上级电网购电的有功功率组合，根据优化前每个时段下配电网向上级电网购电的有功功率确定，
为场景ω网络m第c对向上级电网购电的有功功率组合的权重；
权重计算公式如下所述：
其中，
为场景ω时刻t网络m优化前向上级电网购电的有功功率；
和
分别为场景ω网络m时刻
和时刻
向上级电网购电的有功功率，时刻
和时刻
分别为向上级电网购电的有功功率组合对应的时间对；设1个小时为时间断面，那么优化前场景ω网络m一天内向上级电网购电的有功功率共有24个数据，对这24个数据进行降序排序，首尾进行组合可得到12组有功功率组合，分别计算可得到每组有功功率差值的绝对值，对绝对值进行归一化可得到有功功率组合的权重；
第三步，构建网络的功率均衡详细运行优化模型。约束条件包括潮流约束、SOP约束、ESS约束、SVC约束和SCB约束以及安全约束。
潮流约束如下所示：
其中，
和
分别为时刻t支路ij的有功和无功功率，
和
分别为支路ij的电阻和电抗，
为时刻t支路ij的电流幅值的平方，
为时刻t节点i的电压幅值的平方，
为时刻t节点i处日内小时级预测的风电系统有功功率，
和
分别为时刻t节点i处的储能装置放电和充电功率，
为时刻t节点i处的无功电容器组无功功率，
为时刻t节点i处的静态无功补偿器无功功率，
和
分别为时刻t节点i处的有功和无功负荷，
为节点i时刻t的净输出有功功率，
为节点i时刻t的净输出无功功率，
为时刻t节点i处SOP的有功功率，
为时刻t节点i处SOP的无功功率。
SOP约束见式（6）。
ESS运行约束如下所示：
其中，
和
分别为时刻t节点i处储能装置的充电和放电0-1指标，
和
分别为时刻t节点i处储能装置的最大充电和放电功率，
为时刻t节点i处储能装置的荷电状态值，
和
分别为初始时刻和终止时刻节点i处储能装置的初始荷电状态值，
和
分别为节点i处储能装置的充放电效率，
为节点i处储能装置的容量，
和
分别为节点i处储能装置的荷电状态最小值和最大值。
SVC运行约束如下所示：
其中，
和
分别为节点i处静态无功补偿器无功功率最小值和最大值。
SCB运行约束如下所示：
其中，
为时刻t节点i处无功电容器组的投入组数，
为无功电容器组单组容量，
为单次投入组数的最大值，
和
分别为时刻t节点i处无功电容器组的投入和切除的0-1变量。
安全约束如下所示：
第四步，优化求解得到各场景各时段的ESS荷电状态，构建SOC运行域。SOC的运行域构建过程和SOP的有功功率运行域的类似。同时确定SCB在日内每个时段的投切方案，统计每个场景的切换次数，最多的的作为最终切换次数n；然后统计每个场景的切换时刻，出现次数最多的前n个时刻作为最终切换时刻；最后对每个时段内的组数进行求平均，对平均值四舍五入取得的整数作为该时段SCB的最终投入组数。
图9为本发明实施例日内网络运行优化流程图，具体步骤如下：
第一步，输入每个时段风电预测数据和SOP、ESS运行域以及SCB的投入组数。
第二步，构建目标：日内向上级电网购电费用和电压偏差加权和最小。目标函数如下所示：
其中，
为日内运行的目标函数，
和
分别为向上购电费用和电压偏差的权重，
为时刻t的购电单价，
为网络m时刻t向上购电的有功功率，N为网络个数，T为时段个数，
为网络m时刻t节点i的电压幅值平方，
为网络m的节点集合，
和
分别为优化前向上购电费用和电压偏差值。
第三步，逐时段构建日内网络运行优化模型。约束条件包括潮流约束、SOP运行域约束、ESS运行域约束、SVC约束。
第四步，得到所有调控方式的最终调控方案。
本发明实施例日前功率均衡运行域图参见图10(a)和图10(b)，图10(a)和图10(b)分别为时刻19的SOP运行域和ESS荷电状态SOC运行域，进一步可以看出，在不同的预测误差，对应的最优值差别较大，如果日内ESS强行套用日前优化方案，那么显然无法适应日内的预测误差，导致优化结果较差。
本发明实施例日内运行优化各调控方式结果图参见图11(a)到图11(e)，图11(a)到图11(e)分别为SOP有功功率、SOP无功功率、ESS荷电状态SOC、SVC无功功率和SCB投入组数。
表1 日前功率均衡优化前后对比结果
表1为日前功率均衡优化前后对比结果，日前优化随机生成了1000个场景，对比了空间功率均衡指标和时间功率均衡指标，分别为网络向上购电有功功率之和和购电有功功率峰谷差加权和，表格中的数据均为1000个场景的平均值。由表1结果可以看出本发明所提方法既可以改善空间功率均衡，又可以改善时间功率均衡。
表2 日前功率均衡电压和电流结果对比误差结果
表2为本发明实施例日前功率均衡电压和电流结果对比误差结果，根据日前网络间考虑灵敏度的等效模型优化得到的SOP功率结果，将其代入原网络中进行潮流计算，对比等效模型得到的电压和电流与优化后潮流计算得到的电压和电流。由表1可以看出，误差整体均小于0.1，可以接受。
表3 日内运行优化各方案对比结果
表3为本发明实施例日内运行优化各方案对比结果，运行域是由大量随机场景的优化结果得到的，SOP运行域、ESS运行域和SCB调控方案是三位一体的。因此，主要对比不同的日前规划方案得到的日内优化结果，各方案如下所示：
方案1：不考虑风电的不确定性，日前优化采用确定性优化得到SCB和ESS的调控方案，且日内不再变动两者方案；
方案2：考虑风电的不确定性，日前优化采用随机优化得到SCB和ESS的调控方案，且日内不再变动两者方案；
方案3：考虑风电的不确定性，日前优化采用鲁棒优化得到SCB和ESS的调控方案，且日内不再变动两者方案；
方案4：考虑了风电的不确定性，日前优化采用本发明的方法优化得到SOP和ESS的运行域，且日内逐时段进行联合调控。
由表3可知，4个方案中只有本发明的方案4成功降低了向上级购电费用，且电压偏差降低程度均比其他方案要高，表明电压改善效果更好，显示了本发明的优越性。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。
在一个更具体的实施例中，本发明提供一种电网的时空功率均衡系统，包括：
空间均衡单元，用于在日前阶段，考虑风电出力的不确定性，生成大量的随机场景，并在各随机场景下调控柔性多状态开关的参数以对配电网功率进行优化，根据各随机场景下的柔性多状态开关参数的调控结果确定柔性多状态开关的运行域；在每个随机场景中将各个配电网等效为仅有净有功和无功负荷的节点，同时在柔性多状态开关接入配电网时，采用节点电压对节点功率的灵敏度和支路电流对节点功率的灵敏度以描述柔性多状态开关的功率变化带来的节点电压和支路电流变化量，对节点电压和支路电流进行约束；
时间均衡单元，用于以所述各随机场景下柔性多状态开关参数的调控结果为基础，以单个配电网为研究对象，考虑配电网内具体的潮流约束和储能装置运行约束，对配电网功率进行优化，根据各随机场景下的优化结果确定储能装置的运行域；
日内优化单元，用于基于所述柔性多状态开关的运行域和储能装置的运行域，以日内向所述配电网的上一级电网的购电费用与电压偏差的加权和最小为目标，逐时段建立日内配电网运行优化模型，得到对柔性多状态开关和储能装置进行功率调控的最终方案。
具体地，该系统中各个单元的详细功能实现可参见前述方法实施例中的介绍，在此不做赘述。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种电网的时空功率均衡方法，其特征在于，包括如下步骤：
第一步，对日前阶段配电网间功率进行空间均衡：在日前阶段，根据风电出力的不确定性，生成大量随机场景，并在各随机场景下调控柔性多状态开关的参数以对配电网功率进行优化，根据各随机场景下的柔性多状态开关参数的调控结果确定柔性多状态开关的运行域；在每个随机场景中将各个配电网等效为仅有净有功和无功负荷的节点，同时在柔性多状态开关接入配电网时，采用节点电压对节点功率的灵敏度和支路电流对节点功率的灵敏度以描述柔性多状态开关的功率变化带来的节点电压和支路电流变化量，对节点电压和支路电流进行约束；根据所述灵敏度构建日前配电网间空间功率均衡模型，空间功率均衡模型以配电网向上购入有功功率最小为目标，而单个配电网向上购入的有功功率等于该配电网的净有功负荷和有功损耗之和，场景ω下目标函数如下式所示：
其中，
为场景ω下的空间功率均衡目标函数，N为配电网个数，T为时段个数，
为场景ω时刻t网络m的净负荷，
为场景ω时刻t网络m所连柔性多状态开关的有功功率，
为网络m的支路集合，
为场景ω时刻t网络m支路ij的电流值平方，
为网络m支路ij的电阻；
第二步，对日前阶段配电网内功率进行时间均衡：以所述各随机场景下柔性多状态开关参数的调控结果为基础，以单个配电网为研究对象，根据配电网内具体的潮流约束和储能装置运行约束，对配电网功率进行优化，根据各随机场景下的优化结果确定储能装置的运行域；对日前阶段配电网内时间功率进行均衡，具体为：输入所述大量随机场景的数据和柔性多状态开关在各场景各时段下的有功功率值；计算优化前每个时段下配电网向上级电网购电的有功功率，得到目标函数中的相关参数；所述目标函数包括向上级电网购电有功功率和峰谷差加权和，具体如下：
其中，
为场景ω网络m的网络内时间功率均衡目标函数，
为场景ω时刻t网络m的向上级电网购电的有功功率，
为向上级电网购电的有功功率组合，根据优化前每个时段下配电网向上级电网购电的有功功率确定，
为场景ω网络m第c对向上级电网购电的有功功率组合的权重；
第三步，对日内阶段配电网进行逐时段运行优化：基于所述柔性多状态开关的运行域和储能装置的运行域，以日内向所述配电网的上一级电网的购电费用与电压偏差的加权和最小为目标，逐时段建立日内配电网运行优化模型，得到对柔性多状态开关和储能装置进行功率调控的最终方案；所述对日内阶段配电网进行逐时段运行优化，具体包括如下步骤：输入每个时段风电预测数据和柔性多状态开关运行域、储能装置运行域以及无功电容器组的投入组数；以日内向上级电网购电费用和电压偏差加权和最小为目标，构建目标函数，具体如下所示：
逐时段构建日内网络运行优化模型；约束条件包括潮流约束、柔性多状态开关运行域约束、储能装置运行域约束、静态无功补偿器约束；
基于所述日内网络运行优化模型得到所有调控方式的最终调控方案。
2.根据权利要求1所述的时空功率均衡方法，其特征在于，所述对日内阶段配电网进行逐时段运行优化，具体包括如下步骤：
对于每个时段，根据风电的小时级预测值，计算得到日内风电预测值相比于日前风电预测值的预测误差；
根据每个时段的预测误差，结合日前优化得到的柔性多状态开关的运行域和储能装置的运行域，得到柔性多状态开关有功功率和储能装置荷电状态在每个时段的运行范围；
以日内向上级电网购电费用和电压偏差的加权和最小为目标，逐时段建立日内运行优化模型；
基于所述逐时段建立日内运行优化模型对配电网逐时段优化得到所有调控方式，得到对柔性多状态开关和储能装置进行功率调控的最终方案。
3.根据权利要求1所述的时空功率均衡方法，其特征在于，以空间功率均衡为目标，具体为以各配电网向上级电网获得的有功功率之和最小为目标，优化得到大量随机场景下柔性多状态开关在每个时段的有功功率，构成柔性多状态开关的有功功率运行域，具体为：
所述日前配电网间空间功率均衡模型的约束条件包括：柔性多状态开关运行约束、节点电压约束以及支路电流约束，分别如下式所示：
其中，
和
分别为场景ω时刻t节点i处柔性多状态开关的有功功率和无功功率，
为场景ω时刻t节点i处柔性多状态开关的有功损耗，
为节点i处柔性多状态开关的容量，
为节点i处柔性多状态开关的有功损耗系数，
和
分别为场景ω时刻t网络m的优化前和优化后的节点电压幅值向量，
为场景ω时刻t网络m的节点电压幅值变化量向量，
和
分别为网络m的节点电压幅值最小值和最大值向量，
和
分别为场景ω时刻t网络m的优化前和优化后的支路电流平方值向量，
为场景ω时刻t网络m的支路电流平方值变化量向量，
为网络m的支路电流平方值最大值向量；
日前阶段，柔性多状态开关运行域是由各时段的运行域构成的；柔性多状态开关运行域是关于其有功功率在日内运行时的约束；对于时刻t，预测误差区间被等分为若干个小区间，每个小区间上的柔性多状态开关有功功率最小值和最大值作为运行域的边界，那么柔性多状态开关的运行域公式如下所示：
其中，
为时刻t第k个误差小区间节点i所连柔性多状态开关的有功功率，
和
分别为时刻t第k个误差小区间节点i所连柔性多状态开关的有功功率的最小值和最大值，
和
分别为预测误差最小值和最大值，
为误差小区间长度，
为第k个误差小区间的误差值，
为误差小区间的个数，
为属于第k个误差小区间的场景集合。
4.根据权利要求1所述的时空功率均衡方法，其特征在于，所述对日前阶段配电网内时间功率进行均衡，具体包括如下步骤：
权重计算公式如下所示：
其中，
为场景ω时刻t网络m优化前向上级电网购电的有功功率；
和
分别为场景ω网络m时刻
和时刻
向上级电网购电的有功功率，时刻
和时刻
分别为向上级电网购电的有功功率组合对应的时间对；设1个小时为时间断面，那么优化前场景ω网络m一天内向上级电网购电的有功功率共有24个数据，对这24个数据进行降序排序，首尾进行组合可得到12组有功功率组合，分别计算可得到每组有功功率差值的绝对值，对绝对值进行归一化可得到有功功率组合的权重；
构建日前各配电网内的运行优化模型；约束条件包括潮流约束、柔性多状态开关约束、储能装置约束、静态无功补偿器约束和无功电容器组约束以及安全约束；
潮流约束如下所示：
其中，
和
分别为时刻t支路ij的有功和无功功率，
和
分别为支路ij的电阻和电抗，
为时刻t支路ij的电流幅值的平方，
为时刻t节点i的电压幅值的平方，
为时刻t节点i处日内小时级预测的风电系统有功功率，
和
分别为时刻t节点i处的储能装置放电和充电功率，
为时刻t节点i处的无功电容器组无功功率，
为时刻t节点i处的静态无功补偿器无功功率，
和
分别为时刻t节点i处的有功和无功负荷，
为节点i时刻t的净输出有功功率，
为节点i时刻t的净输出无功功率，
为时刻t节点i处SOP的有功功率，
为时刻t节点i处SOP的无功功率；
储能装置运行约束如下所示：
其中，
和
分别为时刻t节点i处储能装置的充电和放电0-1指标，
和
分别为时刻t节点i处储能装置的最大充电和放电功率，
为时刻t节点i处储能装置的荷电状态值，
和
分别为初始时刻和终止时刻节点i处储能装置的初始荷电状态值，
和
分别为节点i处储能装置的充放电效率，
为节点i处储能装置的容量，
和
分别为节点i处储能装置的荷电状态最小值和最大值；
静态无功补偿器运行约束如下所示：
其中，
和
分别为节点i处静态无功补偿器无功功率最小值和最大值；
无功电容器组运行约束如下所示：
其中，
为时刻t节点i处无功电容器组的投入组数，
为无功电容器组单组容量，
为单次投入组数的最大值，
和
分别为时刻t节点i处无功电容器组的投入和切除的0-1变量；
安全约束如下所示：
其中，U i,min 和U i,max 分别表示节点i电压的最小值和最大值，I ij,max 表示支路ij电流的最大值；
优化求解得到各场景各时段的储能装置荷电状态，构建储能装置荷电状态运行域，构建的储能装置荷电状态运行域如下式所示：
其中，
为时刻t第k个误差小区间节点i所连储能装置的荷电状态，
和
分别为时刻t第k个误差小区间节点i所连储能装置的荷电状态的最小值和最大值，
和
分别为预测误差最小值和最大值，
为误差小区间长度，
为第k个误差小区间的误差值，
为误差小区间的个数，
为属于第k个误差小区间的场景集合。
5.一种电网的时空功率均衡系统，其特征在于，包括：
空间均衡单元，用于在日前阶段，根据风电出力的不确定性，生成大量随机场景，并在各随机场景下调控柔性多状态开关的参数以对配电网功率进行优化，根据各随机场景下的柔性多状态开关参数的调控结果确定柔性多状态开关的运行域；在每个随机场景中将各个配电网等效为仅有净有功和无功负荷的节点，同时在柔性多状态开关接入配电网时，采用节点电压对节点功率的灵敏度和支路电流对节点功率的灵敏度以描述柔性多状态开关的功率变化带来的节点电压和支路电流变化量，对节点电压和支路电流进行约束；根据所述灵敏度构建日前配电网间空间功率均衡模型，空间功率均衡模型以配电网向上购入有功功率最小为目标，而单个配电网向上购入的有功功率等于该配电网的净有功负荷和有功损耗之和，场景ω下目标函数如下式所示：
其中，
为场景ω下的空间功率均衡目标函数，N为配电网个数，T为时段个数，
为场景ω时刻t网络m的净负荷，
为场景ω时刻t网络m所连柔性多状态开关的有功功率，
为网络m的支路集合，
为场景ω时刻t网络m支路ij的电流值平方，
为网络m支路ij的电阻；
时间均衡单元，用于以所述各随机场景下柔性多状态开关参数的调控结果为基础，以单个配电网为研究对象，根据配电网内具体的潮流约束和储能装置运行约束，对配电网功率进行优化，根据各随机场景下的优化结果确定储能装置的运行域；对日前阶段配电网内时间功率进行均衡，具体为：输入所述大量随机场景的数据和柔性多状态开关在各场景各时段下的有功功率值；计算优化前每个时段下配电网向上级电网购电的有功功率，得到目标函数中的相关参数；所述目标函数包括向上级电网购电有功功率和峰谷差加权和，具体如下：
其中，
为场景ω网络m的网络内时间功率均衡目标函数，
为场景ω时刻t网络m的向上级电网购电的有功功率，
为向上级电网购电的有功功率组合，根据优化前每个时段下配电网向上级电网购电的有功功率确定，
为场景ω网络m第c对向上级电网购电的有功功率组合的权重；
日内优化单元，用于基于所述柔性多状态开关的运行域和储能装置的运行域，以日内向所述配电网的上一级电网的购电费用与电压偏差的加权和最小为目标，逐时段建立日内配电网运行优化模型，得到对柔性多状态开关和储能装置进行功率调控的最终方案；所述对日内阶段配电网进行逐时段运行优化，具体包括如下步骤：输入每个时段风电预测数据和柔性多状态开关运行域、储能装置运行域以及无功电容器组的投入组数；以日内向上级电网购电费用和电压偏差加权和最小为目标，构建目标函数，具体如下所示：
其中，
为日内运行的目标函数，
和
分别为向上购电费用和电压偏差的权重，
为时刻t的购电单价，
为网络m时刻t向上购电的有功功率，N为网络个数，T为时段个数，
为网络m时刻t节点i的电压幅值平方，
为网络m的节点集合，
和
分别为优化前向上购电费用和电压偏差值；逐时段构建日内网络运行优化模型；约束条件包括潮流约束、柔性多状态开关运行域约束、储能装置运行域约束、静态无功补偿器约束；基于所述日内网络运行优化模型得到所有调控方式的最终调控方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210077253.3A CN114123213B (zh) | 2022-01-24 | 2022-01-24 | 一种电网的时空功率均衡方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210077253.3A CN114123213B (zh) | 2022-01-24 | 2022-01-24 | 一种电网的时空功率均衡方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114123213A CN114123213A (zh) | 2022-03-01 |
| CN114123213B true CN114123213B (zh) | 2022-04-26 |
Family
ID=80361068
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210077253.3A Active CN114123213B (zh) | 2022-01-24 | 2022-01-24 | 一种电网的时空功率均衡方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114123213B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115187316B (zh) * | 2022-09-14 | 2022-11-29 | 国网湖北省电力有限公司经济技术研究院 | 一种适应现货市场交易的风储微电网分布式交易方法 |
| CN117728448B (zh) * | 2024-02-08 | 2024-04-23 | 北京智芯微电子科技有限公司 | 有源配电网的动态调控方法、装置、设备及介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3782254B1 (en) * | 2018-04-20 | 2022-07-27 | Enequi AB | A method and system for power balancing |
| CN110247418B (zh) * | 2019-07-08 | 2022-07-22 | 南京南瑞继保电气有限公司 | 基于柔性多状态开关的交直流混合配电网及控制试验方法 |
| CN111416357B (zh) * | 2020-03-26 | 2021-06-29 | 合肥工业大学 | 接入分布式电源的柔性多状态开关的功率潮流控制方法 |
| CN112039079B (zh) * | 2020-08-31 | 2024-03-19 | 上海大学 | 考虑电压安全的有源配电网储能优化系统配置方法 |
| CN112542835B (zh) * | 2020-12-08 | 2022-07-05 | 东南大学 | 一种高比例光伏接入的交直流混合微电网多层级控制方法 |
| CN112734116A (zh) * | 2021-01-14 | 2021-04-30 | 华北电力大学 | 一种含分布式储能的主动配电网优化调度方法 |
| CN113241760B (zh) * | 2021-05-18 | 2022-06-21 | 武汉大学 | 柔性多状态开关两阶段鲁棒规划方法及相关设备 |
| CN113794205A (zh) * | 2021-09-17 | 2021-12-14 | 清华大学 | 柔性多状态开关最优运行点的确定方法及装置 |
-
2022
- 2022-01-24 CN CN202210077253.3A patent/CN114123213B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114123213A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114123213B (zh) | 一种电网的时空功率均衡方法及系统 | |
| CN110676838B (zh) | 柔性配电系统故障自适应鲁棒优化恢复方法 | |
| Kumar et al. | Enhancement of dynamic stability by optimal location and capacity of UPFC: A hybrid approach | |
| CN107681664A (zh) | 一种基于内点法的分布式电源并网优化潮流计算方法 | |
| CN112039069A (zh) | 一种配电网储能与柔性开关的双层协同规划方法及系统 | |
| CN111244985B (zh) | 基于节点综合灵敏度系数的分布式储能序次优化配置方法 | |
| CN106374513B (zh) | 一种基于主从博弈的多微网联络线功率优化方法 | |
| Tang et al. | Study on day-ahead optimal economic operation of active distribution networks based on Kriging model assisted particle swarm optimization with constraint handling techniques | |
| CN114204547B (zh) | 考虑源网荷储协同优化的配电网多措施组合降损优化方法 | |
| CN111291978A (zh) | 一种基于Benders分解的两阶段储能方法及系统 | |
| CN105203869A (zh) | 一种基于极限学习机的微电网孤岛检测方法 | |
| CN114977320A (zh) | 一种配电网源网荷储多目标协同规划方法 | |
| CN112561273A (zh) | 一种基于改进pso的主动配电网可再生dg规划方法 | |
| Kumar et al. | Improving power quality and load profile using PV‐battery‐SAPF system with metaheuristic tuning and its HIL validation | |
| CN103515964A (zh) | 无功补偿控制方法和无功补偿控制装置 | |
| CN115912323A (zh) | 面向直流微电网暂态性能提升的混合储能控制方法和装置 | |
| Iqbal et al. | Multiple Contingency Analysis for optimal placement and estimate the value of SVC for power loss reduction employing Particle Swarm Optimization | |
| CN116645089A (zh) | 一种考虑退役电池容量退化的储能系统双层优化配置方法 | |
| CN116154791A (zh) | 一种协同多可控资源的功角稳定控制方法、系统及终端 | |
| Wang et al. | Optimizing strategy of spatial orderly charging for EVs based on complex network theory | |
| CN112636376A (zh) | 一种混合储能装置在配电网中的运行优化方法和架构 | |
| Shan et al. | A voltage control method for distribution networks based on TCN and MPGA under cloud edge collaborative architecture | |
| Yuan et al. | An Energy Management System Based on Adaptive Dynamic Programming for Microgrid Economic Operation | |
| Li et al. | Voltage stability control method of sending-end power grid based on combination of photovoltaic and storage | |
| CN109149561A (zh) | 一种基于光储充电塔接入的配电网静态优化方法 |
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 |