CN114336636B - 一种交直流混合配电网系统双层储能配置方法 - Google Patents
一种交直流混合配电网系统双层储能配置方法 Download PDFInfo
- Publication number
- CN114336636B CN114336636B CN202210022738.2A CN202210022738A CN114336636B CN 114336636 B CN114336636 B CN 114336636B CN 202210022738 A CN202210022738 A CN 202210022738A CN 114336636 B CN114336636 B CN 114336636B
- Authority
- CN
- China
- Prior art keywords
- representing
- ess
- distribution network
- flexibility
- power distribution
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 150
- 238000004146 energy storage Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 9
- 230000002068 genetic effect Effects 0.000 claims abstract description 5
- 238000003860 storage Methods 0.000 claims abstract description 5
- 238000001803 electron scattering Methods 0.000 claims description 141
- 239000010410 layer Substances 0.000 claims description 66
- 238000007599 discharging Methods 0.000 claims description 26
- 238000013178 mathematical model Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 8
- 238000002347 injection Methods 0.000 claims description 7
- 239000007924 injection Substances 0.000 claims description 7
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 claims description 6
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 claims description 6
- 230000033228 biological regulation Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000007812 deficiency Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 239000002355 dual-layer Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000002402 nanowire electron scattering Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 101150067055 minC gene Proteins 0.000 claims 1
- 238000003064 k means clustering Methods 0.000 abstract description 2
- 239000000243 solution Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003827 upregulation Effects 0.000 description 1
Classifications
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种交直流混合配电网系统双层储能配置方法，首先，根据交直流混合配电网的灵活性需求和所考虑灵活性资源的运行特性，从源‑网‑荷‑储四个维度建立衡量配电网运行的灵活性定量计算指标；然后，采用K‑means聚类算法建立配电网中分布式光伏电源和负荷的典型运行场景集合；再则，构建交直流混合配电网潮流计算模型；最后，建立考虑灵活性的交直流混合配电网储能双层规划模型，上层以配电网年综合成本最小为优化目标，下层以配电网综合运行费用最小和系统灵活性水平最优为目标，结合非线性化主成分分析法和遗传算法求解规划模型。
Description
技术领域
本发明涉及配电网规划技术领域，更具体的说是涉及一种考虑灵活性的交直流混合配电网储能双层规划方法。
背景技术
目前，传统配电网规划主要是在满足配电系统电能质量及可靠性的约束下的包括负荷预测、网架规划及配电自动化等内容，使系统的总投资成本最小。从灵活性的角度分析，电力系统要想更好地接纳可再生能源，降低弃风、弃光比例，实现高比例可再生能源电力系统，唯一的方法是提高电力系统应对短时功率不平衡的灵活性。因此，配电网规划有了新的研究领域，其应充分分析各可再生能源所占比例和出力特征，细致分析系统的灵活性需求，优化规划以及调度系统中的灵活性资源。需求侧响应机制、储能的配置及出力优化等研究，对进一步增强电力系统的灵活性具有重要意义。
但是，传统规划中主要考虑的是电力电量平衡，目前的配电网运行中出现了各类因规划缺陷而导致的灵活性不足问题，缺乏一套考虑灵活性供需平衡的协调规划方法。在配电网规划中考虑灵活性具有重要意义，有利于提高配电网消纳分布式电源、接纳间歇性负荷的能力，有利于降低甚至消除高渗透率分布式电源接入的负面影响，降低配电网的升级改造成本。
因此，如何在配电网规划中考虑灵活性从而构建储能模型，实现储能配置，降低成本提高配电网系统稳定性是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种交直流混合配电网系统双层储能配置方法，首先，根据交直流混合配电网的灵活性需求和所考虑灵活性资源的运行特性，从源-网-荷-储四个维度建立衡量配电网运行的灵活性定量计算指标；然后，采用K-means聚类算法建立配电网中分布式光伏电源和负荷的典型运行场景集合；再则，构建交直流混合配电网潮流计算模型(DisFlow潮流模型)；最后，建立考虑灵活性的交直流混合配电网储能双层规划模型，上层以配电网年综合成本最小为优化目标，下层以配电网综合运行费用最小和系统灵活性水平最优为目标，结合非线性化主成分分析法和遗传算法求解规划模型。本发明有利于提高配电网消纳分布式电源、接纳间歇性负荷的能力，降低消除高渗透率分布式电源接入的负面影响，降低配电网的升级改造成本。
为了实现上述目的，本发明采用如下技术方案：
一种交直流混合配电网系统双层储能配置方法，包括以下步骤：
步骤1：采集交直流混合配电网系统的实时监测数据，根据交直流混合配电网的灵活性需求和灵活性资源构建灵活性定量计算指标；
步骤2：对所述实时监测数据采用K-means算法进行聚类，获得灵活性需求典型场景；
步骤3：根据所述灵活性需求典型场景构建DisFlow潮流模型；
步骤4：根据所述DisFlow潮流模型和所述灵活性定量计算指标构建计及灵活性的交直流混合配电网储能双层规划模型。
优选的，交直流混合配电网灵活性需求包括电源侧灵活性需求和负荷侧灵活性需求；所述电源侧灵活性需求源自分布式光伏的出力不确定性，分布式光伏的出力包括预测出力值和预测偏差值，表示公式如下：
Ppv(t)＝Ppv,F(t)+Ppv,E(t) (1)
其中，Ppv(t)表示t时刻分布式光伏出力；Ppv,F(t)、Ppv,E(t)分别表示分布式光伏出力的预测出力值与预测偏差值；
电源侧灵活性需求源自预测偏差值，根据当前时刻实时监测数据滚动预测分布式光伏出力，根据预测结果计算电源侧灵活性需求，采样周期为预测步长，保持采样周期与预测方法不变，默认平均绝对百分误差为固定值，基于平均绝对百分误差，衡量各不同时刻分布式光伏出力对交直流混合配电网电源侧灵活性需求，具体数学模型如公式(2)-(3)所示：
Ppv,E,AVE(t)＝±EMAPEPpv,F (2)
其中，Ppv,E,AVE表示分布式光伏出力预测平均误差；τ表示预测步长，即灵活性需求时间尺度；表示t时刻至t+τ时刻配电网的电源侧灵活性需求，下标D表示灵活性方向，分别为向上和向下；EMAPE表示平均绝对百分误差；
负荷侧灵活性需求源自交直流混合配电网系统故障等所切负荷，失负荷量取决于交直流混合配电网系统当前运行状态，交直流混合配电网系统失掉部分负荷，灵活性需求向下，具体数学模型如公式(4)-(6)所示：
FL(t)＝Pload-PL,F(t) (4)
FL(t)＝PloadLOLP (5)
其中，表示向下灵活性需求，即负荷侧灵活性需求；FL(t)表示交直流混合配电网系统负荷；Pload表示交直流混合配电网系统总负荷；PL,F(t)表示t时刻因故障失负荷量；LOLP表示失负荷概率，其值由交直流混合配电网系统运行状态决定。
优选的，灵活性资源包括需求侧灵活性资源和供给侧灵活性资源；
交直流混合配电网系统需求侧为可中断负荷，供给侧为储能装置，需求侧通过切断负荷提供向上灵活性调节能力，通过接通负荷提供向下灵活性调节能力，具体数学模型如式(7)所示：
其中，分别表示t时段节点j处可中断负荷所提供向上灵活性调节能力、向下灵活性调节能力，即分别表示t时段节点j处向上需求侧灵活性资源和向下需求侧灵活性资源；vj,t表示t时段节点j处可中断负荷状态变量，负荷中断为1，否则为0；表示t时段节点j处可控负荷聚集商的负荷中断量；
供给侧通过充电提供向上灵活性调节能力，通过放电提供向下灵活调节能力，具体数学模型如公式(8)所示：
其中，分别表示t时段节点i处ESS所提供向上灵活性调节能力、向下灵活性调节能力，即分别表示t时段节点i处向上供给侧灵活性资源和向下供给侧灵活性资源；PESS,i、EESS,i分别表示节点i处ESS额定功率、额定容量；表示t时段节点i处ESS充放电功率，正值表示放电，负值表示充电；表示t时段节点i处ESS储存电量下限；η表示充放电效率。
优选的，所述灵活性定量计算指标采用灵活性裕度根据灵活性资源反应交直流混合配电网灵活性，t时刻净负荷值量化交直流混合配电网灵活性需求，具体如公式(9)-(11)所示：
PNL,t＝PLoad,t+PCL,t-P′pv,t (11)
其中，分别表示t时刻交直流混合配电网系统向上灵活性需求、向下灵活性需求；PNL,t表示t时刻净负荷出力；Pload,t、P′pv,t分别表示t时刻交直流混合配电网系统总负荷、分布式光伏预测出力；
t时刻交直流混合配电网系统向上灵活性裕度向下灵活性裕度如式(12)所示：
均小于0时表明交直流混合配电网系统向上和向下灵活性不足。
优选的，由于交直流混合配电网系统灵活性需求源自分布式光伏出力和负荷的随机性与不确定性，其不同时间尺度具有不同特性，长时间尺度下主要受季节、天气变化影响，短时间尺度下则主要考虑预测偏差值影响；所述步骤2中采用场景分析法对不确定性进行处理，从而得到分布式可再生能源和负荷合理的典型场景，储能双层规划的基础之一是进行典型场景的生成，没有典型场景，无法进行储能规划，具体过程为：
实时监测数据为调度周期内采集的包括分布式可再生能源和负荷365天联合场景的数据，采用K-means算法对分布式可再生能源和负荷365天联合场景进行聚类，得到Gs1个典型场景及其在365天所发生概率；联合场景集合Φ1如公式(13)所示：
Φ1＝{ps,[Bpv,sB1,s]|s＝1,2,...,Gs1} (13)
其中，ps为典型场景s的发生概率；Bpv,s,B1,s分别为调度周期内典型场景s中的分布式光伏和负荷出力向量。得到的典型场景和概率用于规划模型。
优选的，所述步骤4中的双层规划模型包括上层规划模型和下层规划模型；上层规划模型为ESS配置层，以最小化配电网年综合成本为目标函数，优化ESS位置及其容量；下层规划模型为交直流混合配电网运行层，基于ESS配置层的配置方案，以配电网综合运行成本和日灵活性最优为目标函数，优化配电网各场景下综合运行成本，并将结果传递给上层规划模型；上层规划模型结合下层规划模型的返回参数，以经济性和灵活性最优为目标对规划决策进行优化；下层规划基于上层规划结果优化其目标函数，同时下层规划优化结果返回上层对上层规划参数反馈校正，通过上下层间传递最优解，实现双层信息的相互交流，最终使上下层目标函数值达到最优折中解。
优选的，上层规划模型以配电网年综合成本为优化目标进行经济性优化，ESS位置及容量为决策变量；其目标函数为：
min Ctotal＝COP+CEIN+CFL (14)
其中，Ctotal表示配电网年综合成本；COP表示配电网综合运行成本，主要包括灵活性资源运维成本、网络损耗成本、VSC功率损耗成本、调用可中断负荷后给予用户的补偿成本、向上级主网购电成本以及弃光惩罚成本；CEIN表示ESS年投资成本；CFL表示网络灵活性不足惩罚成本；
配电网综合运行成本如式(15)所示：
式中：COPESS表示灵活性资源运维成本，即ESS运维成本(储能设备运维成本)；cess表示ESS单位充放电成本；M表示典型场景总数；NESS表示网络中ESS待安装总数；表示第n个ESS在第s个典型场景中t时刻充放电功率，正值表示放电，负值表示充电；Closs表示网络损耗成本；表示t时刻单位有功损耗成本；表示t时刻线路有功损耗；Cvsc表示VSC功率损耗成本(电压源变流器功率损耗成本)；Ri,VSC分别表示t时刻第i个VSC流过的电流和自身电阻；Nvsc表示换流站节点集合；Ccl表示调用可中断负荷后给予用户的补偿成本；ccl表示可中断负荷单位成本；Ncl表示可中断负荷节点集合；表示t时刻电价；表示第s个典型场景在t时刻与主网联络支路上的功率；表示t时刻节点i弃光惩罚成本系数；分别表示分布式光伏预测出力与实际出力；T表示周期；表示节点i处的可中断负荷有功；Cgrid表示向上级电网购电成本，Cpv表示弃光惩罚成本；
ESS年投资成本计算公式如下：
其中，NESS表示网络中ESS待安装总数；r表示贴现率；yESS表示ESS运行寿命；ce、cp分别表示ESS单位容量与功率投资成本；EESS,n、PESS,n分别表示第n个ESS额定容量和第n个ESS额定功率；
网络灵活性不足惩罚成本计算公式如下：
其中，M表示典型场景总数；cup、cdown分别表示向上灵活性不足惩罚系数和向下灵活性不足惩罚系数；Wup,t、Wdown,t分别表示切负荷电量和弃光电量；ps表示典型场景s的发生概率；
ESS额定功率和ESS额定容量的上、下限约束分别表示为：
其中，EESS,n、PESS,n分别表示第n个ESS额定容量和第n个ESS额定功率；PESS,min、PESS,max分别表示ESS额定功率上限和ESS额定功率下限；EESS,min、EESS,max分别表示ESS额定容量上限和ESS额定容量下限。
优选的，所述下层规划模型为交直流混合配电网运行层，以配电网综合运行成本和日灵活性最优为目标函数进行灵活性优化，通过调用灵活性资源，优化灵活性裕度，在保证交直流混合配电网系统运行过程中源荷平衡的同时，使系统综合运行成本最低；
目标函数表示为：
f1＝min COP (19)
f1＝min COP (20)；
所述下层规划模型的约束条件包括潮流约束、可中断负荷约束、ESS运行约束、与主网交互功率约束和安全约束；
潮流约束是将交流区域DisFlow潮流模型中的非线性项通过二阶锥松弛转换得到凸化线性潮流约束，如公式(21)-(23)所示：
式中：rij、xij分别表示节点i→j之间电阻、电抗；u(j)、v(j)分别表示以节点j为末端和首端的支路节点集合；分别表示在节点j处注入总有功功率和无功功率；分别表示t时刻流过支路i→j的有功功率和无功功率；分别表示支路电流的平方、支路有功、支路电压的平方和支路无功；分别表示t时刻主网流向配电网的有功功率和无功功率；分别表示节点j处常规负荷有功和可中断负荷有功； 分别表示节点j处常规负荷无功和可中断负荷无功；表示支路电流，表示节点i电压；
直流区域DisFlow潮流模型经过线性化后获得的凸化线性潮流约束为：
式中：rij表示节点i→j之间电阻；表示t时刻流过支路i→j的有功功率；表示在节点j处注入总有功功率；分别表示t时刻节点i处ESS充电功率、放电功率；Pj,t、分别表示t时刻节点j处的总的有功功率和负荷有功功率；表示电压的平方；表示t时刻节点j处分布式光伏实际出力；表示t时刻节点j处可控负荷聚集商的负荷中断量；
可中断负荷约束公式如下：
式中：表示t时刻节点i处可控负荷聚集商的负荷中断量；分别表示节点i处可中断负荷中断容量上限、可中断负荷中断容量下限；表示节点i处可中断负荷最大中断时间；NCL表示最大中断次数；T表示周期；vi,t表示t时段节点i处可中断负荷状态变量；vi,t-1表示t-1时段节点i处可中断负荷状态变量；
ESS运行约束公式如下：
式中：分别表示t时刻节点i处ESS充电功率、放电功率； 分别表示t时刻节点i处ESS的最大充电功率、最大放电功率；NESS表示网络中ESS待安装总数；分别表示t时刻节点i处ESS充电状态、ESS放电状态，0表示充电，1表示放电；Ei,t、分别表示t时刻节点i处ESS电量与最大允许电量；ηi,ch、ηi,dis分别表示ESS充电效率、ESS放电效率；
与主网交互功率约束公式如下：
式中：分别表示变电站节点i注入有功下限、有功上限、无功下限和无功上限；分别表示t时刻节点i主网流向配电网的有功功率和无功功率；
安全约束公式如下：
式中：Ui表示节点i电压；Ui,max、Ui,min分别表示节点i电压安全运行上限、电压安全运行下限；分别表示t时刻交流支路i→j传输有功功率、无功功率；表示t时刻直流支路i→j传输有功功率；分别表示交流支路i→j最大传输容量、直流支路i→j最大传输容量。
优选的，上层规划模型和下层规划模型均采用遗传算法进行求解。
优选的，利用改进非线性化主成分分析法对上层规划模型的目标函数和下层规划模型的目标函数进行综合评估进一步优化所述上层规划模型和所述下层规划模型，改进非线性化主成分分析法基于传统主成分分析法，非线性处理原始数据的对数中心化，以提高主成分贡献率，从而使结果更加客观。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种交直流混合配电网系统双层储能配置方法，以供给侧储能装置(Energystoragesystem，ESS)、可中断类负荷作为灵活性调度资源，考虑分布式光伏与负荷的不确定性，构建交直流混合配电网储能双层规划模型，综合配置多种灵活性资源可优化网络潮流，在有效提高交直流混合配电网的灵活性，降低ESS投资成本、灵活性不足惩罚成本以及系统综合成本的同时，提高系统运行稳定性，本发明方法使得直流混合配电网具有高灵活性和高可控性特点在未来配电网中将得到广泛应用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的双层规划模型逻辑关系示意图；
图2附图为本发明提供的双层规划模型求解流程示意图；
图3附图为本发明提供的3种方案下灵活性裕度指标示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种交直流混合配电网系统双层储能配置方法。
S1：采集交直流混合配电网系统的实时监测数据，进行交直流混合配电网灵活性分析及灵活性定量计算指标构建；
S11：获取交直流混合配电网灵活性需求；
交直流混合配电网灵活性需求包括电源侧灵活性需求和负荷侧灵活性需求；电源侧灵活性需求源自分布式光伏的出力不确定性，分布式光伏的出力包括预测值和预测偏差值，表示公式如下：
Ppv(t)＝Ppv,F(t)+Ppv,E(t) (1)
其中，Ppv(t)表示t时刻分布式光伏出力；Ppv,F(t)、Ppv,E(t)分别表示分布式光伏出力的预测值与预测偏差值；
电源侧灵活性需求源自预测偏差值，根据当前时刻实时监测数据滚动预测分布式光伏出力，采样周期为预测步长，保持采样周期与预测方法不变，默认平均绝对百分误差为固定值，基于平均绝对百分误差，衡量各不同时刻分布式光伏出力对交直流混合配电网电源侧灵活性需求，具体数学模型如公式(2)-(3)所示：
Ppv,E,AVE(t)＝±EMAPEPpv,F (2)
其中，Ppv,E,AVE表示分布式光伏出力预测平均误差；τ表示预测步长，即灵活性需求时间尺度；下标D表示灵活性方向，分别为向上和向下；表示t时刻至t+τ时刻配电网电源侧灵活性需求量；EMAPE表示平均绝对百分误差；
负荷侧灵活性需求源自交直流混合配电网系统故障等所切负荷，失负荷量取决于交直流混合配电网系统当前运行状态，交直流混合配电网系统失掉部分负荷，灵活性需求向下，具体数学模型如公式(4)-(6)所示：
FL(t)＝Pload-PL,F(t) (4)
FL(t)＝PloadLOLP (5)
其中，表示向下灵活性需求，即负荷侧灵活性需求量；FL(t)表示交直流混合配电网系统负荷；Pload表示交直流混合配电网系统总负荷；PL,F(t)表示t时刻因故障失负荷量；LOLP表示失负荷概率，其值由交直流混合配电网系统运行状态决定。
S12：获取交直流混合配电网灵活性资源；
灵活性资源包括需求侧灵活性资源和供给侧灵活性资源；
交直流混合配电网系统需求侧为可中断负荷，供给侧为储能装置，需求侧通过切断负荷提供向上灵活性调节能力，通过接通负荷提供向下灵活性调节能力，具体数学模型如式(7)所示：
其中，分别表示t时段节点j处可中断负荷所提供向上、向下灵活性调节能力，即分别表示t时段节点j处向上需求侧灵活性资源和向下需求侧灵活性资源；vj,t表示t时段节点j处可中断负荷状态变量，负荷中断为1，否则为0；表示t时段节点j处可控负荷聚集商的负荷中断量；
供给侧通过充电提供向上灵活性调节能力，通过放电提供向下灵活调节能力，具体数学模型如公式(8)所示：
其中，分别表示t时段节点i处ESS所提供向上、向下灵活性调节能力，即分别表示t时段节点i处向上供给侧灵活性资源和向下供给侧灵活性资源；PESS,i、EESS,i分别表示节点i处储能装置额定功率、额定容量；表示t时段节点i处储能装置充放电功率，正值表示放电，负值表示充电；表示t时段节点i处储能装置储存电量下限；η表示充放电效率。
S13：计算灵活性裕度作为灵活性定量计算指标；
灵活性定量计算指标采用灵活性裕度根据灵活性资源反应交直流混合配电网灵活性，t时刻净负荷值量化交直流混合配电网灵活性需求，具体如公式(9)-(11)所示：
PNL,t＝PLoad,t+PCL,t-P′pv,t (11)
其中，分别表示t时刻交直流混合配电网系统向上、下灵活性需求；PNL,t表示t时刻净负荷出力；PLoad,t、P′pv,t分别表示t时刻交直流混合配电网系统总负荷、分布式光伏预测出力；
t时刻交直流混合配电网系统向上、下灵活性裕度如式(12)所示：
均小于0时表明交直流混合配电网系统向上、下灵活性不足；
S2：生成交直流混合配电网灵活性需求场景；
由于交直流混合配电网系统灵活性需求源自分布式光伏出力和负荷的随机性与不确定性，其不同时间尺度具有不同特性，长时间尺度下主要受季节、天气变化影响，短时间尺度下则主要考虑预测偏差值影响；采用场景分析法对不确定性进行处理，从而得到分布式可再生能源和负荷合理的典型场景；
根据实时监测数据，采用K-means算法对分布式可再生能源和负荷365天联合场景进行聚类，得到Gs1个典型场景及其在365天所发生概率；联合场景集合Φ1如公式(13)所示：
Φ1＝{ps,[Bpv,sB1,s]|s＝1,2,...,Gs1} (13)
其中，ps为典型场景s的发生概率；Bpv,s,B1,s分别为调度周期内典型场景s中的分布式光伏和负荷出力向量；
S3：根据灵活性需求典型场景构建DisFlow潮流模型；
S4：根据DisFlow潮流模型和灵活性定量计算指标构建计及灵活性的交直流混合配电网储能双层规划模型；
双层规划模型包括上层规划模型和下层规划模型；上层规划模型为ESS配置层，以最小化配电网年综合成本为目标函数，优化ESS位置及其容量；下层规划模型为交直流混合配电网运行层，基于ESS配置层的配置方案，以配电网综合运行成本和日灵活性最优为目标函数，优化配电网各场景下综合运行成本，并将结果传递给上层规划模型；上层规划模型结合下层规划模型的返回参数，以经济性和灵活性最优为目标对规划决策进行优化；
双层规划模型的逻辑关系如图1所示，下层规划基于上层规划结果优化其目标函数，同时下层规划优化结果返回上层对上层规划参数反馈校正，通过上下层间传递最优解，实现双层信息的相互交流，最终使上下层目标函数值达到最优折中解；
S31：构建上层规划模型；
上层规划模型以配电网年综合成本为优化目标，ESS位置及容量为决策变量；
S311：目标函数为：
min Ctotal＝COP+CEIN+CFL (14)
其中，Ctotal表示配电网年综合成本；COP表示配电网综合运行成本，主要包括灵活性资源运维成本、网络损耗成本、VSC功率损耗成本、调用可中断负荷后给予用户的补偿成本、向上级主网购电成本以及弃光惩罚成本；CEIN表示ESS年投资成本；CFL表示网络灵活性不足惩罚成本。
配电网综合运行成本如式(15)所示：
式中：COPESS表示灵活性资源运维成本，即ESS运维成本；cess表示ESS单位充放电成本；M表示典型场景总数；表示第n个ESS在第s个典型场景中t时刻充放电功率，正值表示放电，负值表示充电；Closs表示网络损耗成本；表示t时刻单位有功损耗成本，表示t时刻线路有功损耗；Cvsc表示VSC功率损耗成本；Ri,VSC分别表示t时刻第i个VSC流过的电流和自身电阻；Nvsc表示换流站节点集合；Ccl表示调用可中断负荷后给予用户的补偿成本；ccl表示可中断负荷单位成本；Ncl表示可中断负荷节点集合；表示t时刻电价；表示第s个典型场景在t时刻与主网联络支路上的功率；表示t时刻节点i弃光惩罚成本系数；分别表示分布式光伏预测出力与实际出力；T表示周期；表示节点i处的可中断负荷有功；Cgrid表示向上级电网购电成本，Cpv表示弃光惩罚成本；
ESS年投资成本计算公式如下：
其中，NESS表示网络中ESS待安装总数；r表示贴现率；yESS表示ESS运行寿命；ce、cp分别表示ESS单位容量与功率投资成本；EESS,n、PESS,n分别表示第n个ESS额定容量和第n个ESS额定功率；
网络灵活性不足惩罚成本计算公式如下：
其中，cup、cdown分别表示向上灵活性不足惩罚系数和向下灵活性不足惩罚系数；Wup,t、Wdown,t分别表示切负荷电量和弃光电量；
S312：上层规划模型的约束条件为ESS额定功率和ESS额定容量的上、下限约束，分别表示为：
其中，PESS,min、PESS,max分别表示ESS额定功率上限和ESS额定功率下限；EESS,min、EESS,max分别表示ESS额定容量上限和ESS额定容量下限。
S32：构建下层规划模型；
下层规划模型为交直流混合配电网运行层，以系统综合运行成本和日灵活性最优为目标函数，通过调用灵活性资源，优化灵活性裕度，在保证交直流混合配电网系统运行过程中源荷平衡的同时，使系统综合运行成本最低；
S321：目标函数表示为：
f1＝min COP (19)
f1＝min COP (20)；
S322：下层规划模型的约束条件包括潮流约束、可中断负荷约束、ESS运行约束、与主网交互功率约束和安全约束；
潮流约束是将交流区域DisFlow潮流模型中的非线性项通过二阶锥松弛转换得到凸化线性潮流约束，如公式(21)-(23)所示：
式中：rij、xij分别表示节点i→j之间电阻、电抗；u(j)、v(j)分别表示以节点j为末端和首端的支路节点集合；分别表示在节点j处注入总有功功率和无功功率；分别表示t时刻流过支路i→j的有功功率和无功功率；分别表示支路电流的平方、支路有功、支路电压的平方和支路无功；分别表示t时刻主网流向配电网的有功功率和无功功率；分别表示节点j处常规负荷有功和可中断负荷有功； 分别表示节点j处常规负荷无功和可中断负荷无功；表示支路电流，表示节点i电压；
直流区域DisFlow潮流模型经过线性化后获得的凸化线性潮流约束为：
式中：分别表示t时刻节点i处ESS充电功率、放电功率；Pj,t、分别表示t时刻节点j处的总的有功功率和负荷有功功率；表示电压的平方；表示t时刻节点j处分布式光伏实际出力；
可中断负荷约束公式如下：
式中：表示t时刻节点i处可控负荷聚集商的负荷中断量；分别表示节点i处可中断负荷中断容量上限、可中断负荷中断容量下限；表示节点i处可中断负荷最大中断时间；NCL表示最大中断次数；T表示周期；vi,t表示t时段节点i处可中断负荷状态变量；vi,t-1表示t-1时段节点i处可中断负荷状态变量；
ESS运行约束公式如下：
式中：分别表示t时刻节点i处ESS的最大充电功率、最大放电功率；分别表示t时刻节点i处ESS充电状态、ESS放电状态，0表示充电，1表示放电；Ei,t、分别表示t时刻节点i处ESS电量与最大允许电量；ηi,ch、ηi,dis分别表示ESS充电效率、ESS放电效率；
与主网交互功率约束公式如下：
式中：分别表示变电站节点i注入有功下限、有功上限、无功下限和无功上限；分别表示t时刻节点i主网流向配电网的有功功率和无功功率；
安全约束公式如下：
式中：Ui,max、Ui,min分别表示节点i电压安全运行上限、电压安全运行下限；分别表示t时刻交流支路i→j传输有功功率、无功功率；表示t时刻直流支路i→j传输有功功率；分别表示交流支路i→j最大传输容量、直流支路i→j最大传输容量。
S323：上层规划模型和下层规划模型均采用遗传算法进行求解，采用上述约束条件对模型中的目标函数进行求解；
S3231：输入光伏系统、负荷以及配电网网架结构参数；
S3232：初始化上层种群；
S3233：判断个体u是否连通，如果连通则判断是否满足上层规划模型中的ESS额定功率和ESS额定容量的上、下限约束；否则赋予个体u一个设定的较大的惩罚值，并进行选择、遗传和变异产生新一代种群，再次进行个体u是否连通的判断；
S3234：如果满足上层约束，则进行下层规划模型规划，计算获得下层规划模型目标函数；否则，赋予个体u一个设定的较大的惩罚值；
S3235：计算上层规划模型目标函数；
S3236：利用改进非线性化主成分分析法对上层规划模型的目标函数和下层规划模型的目标函数进行综合评估，计算适应度；
S3237：判断是否达到最大代数，如果是，则输出当前上层规划模型和下层规划模型的目标函数作为最优规划结果；如果否，则进行选择、遗传和变异产生新一代种群，并进入S3233。
利用改进非线性化主成分分析法对上层规划模型的目标函数和下层规划模型的目标函数进行综合评估，基于传统主成分分析法，非线性处理原始数据的对数中心化，以提高主成分贡献率，从而使结果更加客观。
基于某电力公司经济技术研究院所提供分布式电源与负荷数据，求解模型3种方案下的交直流混合配电网灵活性裕度指标如图3所示，下图纵坐标表示下调灵活性裕度，上图纵坐标表示上调灵活性裕度。
方案1为不考虑系统灵活性，即无灵活性资源参与，对现有系统利用双层规划模型计算各项成本；方案2为不考虑可中断负荷的需求响应，仅考虑供给侧灵活性资源，即ESS，对接入配电网ESS进行优化配置；方案3为综合考虑供、需两侧灵活性资源，利用双层规划模型对ESS进行优化配置。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
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。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种交直流混合配电网系统双层储能配置方法，其特征在于，包括以下步骤：
步骤1：采集交直流混合配电网系统的实时监测数据，根据交直流混合配电网的灵活性需求和灵活性资源构建灵活性定量计算指标；
步骤2：对所述实时监测数据采用K-means算法进行聚类，获得灵活性需求典型场景；
步骤3：根据所述灵活性需求典型场景构建DisFlow潮流模型；
步骤4：根据所述DisFlow潮流模型和所述灵活性定量计算指标构建计及灵活性的交直流混合配电网储能双层规划模型；
交直流混合配电网灵活性需求包括电源侧灵活性需求和负荷侧灵活性需求；所述电源侧灵活性需求源自分布式光伏的出力不确定性，分布式光伏的出力包括预测出力值和预测偏差值，表示公式如下：
Ppv(t)＝Ppv,F(t)+Ppv,E(t) (1)
其中，Ppv(t)表示t时刻分布式光伏出力；Ppv,F(t)、Ppv,E(t)分别表示分布光伏出力的预测出力值与预测偏差值；
电源侧灵活性需求源自预测偏差值，根据当前时刻实时监测数据滚动预测分布式光伏出力，根据预测结果计算电源侧灵活性需求，采样周期为预测步长，设定平均绝对百分误差为固定值，基于平均绝对百分误差获取各不同时刻分布式光伏出力对交直流混合配电网的电源侧灵活性需求，具体数学模型如公式(2)-(3)所示：
Ppv,E,AVE(t)＝±EMAPEPpv,F (2)
FD(t,τ)＝Ppv,E(t) (3)
其中，Ppv,E,AVE表示分布式光伏出力预测平均误差；τ表示预测步长，即灵活性需求时间尺度；FD(t,τ)表示t时刻至t+τ时刻配电网的电源侧灵活性需求，D表示灵活性方向，分别为向上和向下；EMAPE表示平均绝对百分误差；
负荷侧灵活性需求源自交直流混合配电网系统所切负荷，失负荷量取决于交直流混合配电网系统当前运行状态，交直流混合配电网系统失掉部分负荷，灵活性需求向下，具体数学模型如公式(4)-(6)所示：
FL(t)＝Pload-PL,F(t) (4)
FL(t)＝PloadLOLP (5)
其中，表示负荷侧灵活性需求，且为向下灵活性需求；FL(t)表示交直流混合配电网系统负荷；Pload表示交直流混合配电网系统总负荷；PL,F(t)表示t时刻因故障失负荷量；LOLP表示失负荷概率。
2.根据权利要求1所述的一种交直流混合配电网系统双层储能配置方法，其特征在于，灵活性资源包括需求侧灵活性资源和供给侧灵活性资源；交直流混合配电网系统需求侧为可中断负荷，供给侧为储能装置；
需求侧通过切断负荷提供向上灵活性调节能力，通过接通负荷提供向下灵活性调节能力，具体数学模型如式(7)所示：
其中，分别表示t时段节点j处可中断负荷所提供向上灵活性调节能力、向下灵活性调节能力；vj,t表示t时段节点j处可中断负荷状态变量，负荷中断为1，否则为0；表示t时段节点j处可控负荷聚集商的负荷中断量；
供给侧通过充电提供向上灵活性调节能力，通过放电提供向下灵活调节能力，具体数学模型如公式(8)所示：
其中，分别表示t时段节点i处ESS所提供向上灵活性调节能力、向下灵活性调节能力；PESS,i、EESS,i分别表示节点i处ESS额定功率、额定容量；表示t时段节点i处ESS充放电功率，正值表示放电，负值表示充电；表示t时段节点i处ESS储存电量下限；η表示充放电效率。
3.根据权利要求2所述的一种交直流混合配电网系统双层储能配置方法，其特征在于，所述灵活性定量计算指标采用灵活性裕度根据灵活性资源反应交直流混合配电网灵活性，t时刻净负荷值量化交直流混合配电网灵活性需求，具体如公式(9)-(11)所示：
其中，分别表示t时刻交直流混合配电网系统向上灵活性需求、向下灵活性需求；PNL,t表示t时刻净负荷出力；Pload,t、P′pv,t分别表示t时刻交直流混合配电网系统总负荷、分布式光伏预测出力；
t时刻交直流混合配电网系统向上灵活性裕度向下灵活性裕度如式(12)所示：
均小于0时表明交直流混合配电网系统向上和向下灵活性不足。
4.根据权利要求1所述的一种交直流混合配电网系统双层储能配置方法，其特征在于，实时监测数据为调度周期内采集的包括分布式光伏和负荷365天联合场景的数据，采用K-means算法对分布式光伏和负荷365天联合场景进行聚类，得到Gs1个典型场景及其在365天所发生概率；联合场景集合Φ1如公式(13)所示：
Φ1＝{ps,[Bpv,sB1,s]|s＝1,2,...,Gs1} (13)
其中，ps为典型场景s的发生概率；Bpv,s,B1,s分别为调度周期内典型场景s中的分布式光伏和负荷出力向量。
5.根据权利要求4所述的一种交直流混合配电网系统双层储能配置方法，其特征在于，所述步骤4中的双层规划模型包括上层规划模型和下层规划模型；上层规划模型为ESS配置层，以最小化配电网年综合成本为目标函数，优化ESS位置及其容量；下层规划模型为交直流混合配电网运行层，基于ESS配置层的配置方案，以配电网综合运行成本和日灵活性最优为目标函数，优化配电网各场景下综合运行成本，并将结果传递给上层规划模型；上层规划模型结合下层规划模型的返回结果，以经济性和灵活性最优为目标对规划决策进行优化。
6.根据权利要求5所述的一种交直流混合配电网系统双层储能配置方法，其特征在于，上层规划模型以配电网年综合成本为优化目标进行经济性优化，ESS位置及容量为决策变量；其目标函数为：
min Ctotal＝COP+CEIN+CFL (14)
其中，Ctotal表示配电网年综合成本；COP表示配电网综合运行成本；CEIN表示ESS年投资成本；CFL表示网络灵活性不足惩罚成本；
配电网综合运行成本如式(15)所示：
式中：COPESS表示灵活性资源运维成本；cess表示ESS单位充放电成本；M表示典型场景总数；NESS表示网络中ESS待安装总数；表示第n个ESS在第s个典型场景中t时刻充放电功率，正值表示放电，负值表示充电；Closs表示网络损耗成本；表示t时刻单位有功损耗成本；表示t时刻线路有功损耗；Cvsc表示VSC功率损耗成本；Ri,VSC分别表示t时刻第i个VSC流过的电流和自身电阻；Nvsc表示换流站节点集合；Ccl表示调用可中断负荷后给予用户的补偿成本；ccl表示可中断负荷单位成本；Ncl表示可中断负荷节点集合；表示t时刻电价；表示第s个典型场景在t时刻与主网联络支路上的功率；表示t时刻节点i弃光惩罚成本系数；分别表示分布式光伏预测出力与实际出力；T表示周期；表示节点i处的可中断负荷有功；Cgrid表示向上级电网购电成本，Cpv表示弃光惩罚成本；
ESS年投资成本计算公式如下：
其中，NESS表示网络中ESS待安装总数；r表示贴现率；yESS表示ESS运行寿命；ce、cp分别表示ESS单位容量与功率投资成本；EESS,n、PESS,n分别表示第n个ESS额定容量和第n个ESS额定功率；
网络灵活性不足惩罚成本计算公式如下：
其中，M表示典型场景总数；cup、cdown分别表示向上灵活性不足惩罚系数和向下灵活性不足惩罚系数；Wup,t、Wdown,t分别表示切负荷电量和弃光电量；ps表示典型场景s的发生概率；
ESS额定功率和ESS额定容量的上、下限约束分别表示为：
其中，EESS,n、PESS,n分别表示第n个ESS额定容量和第n个ESS额定功率；PESS,min、PESS,max分别表示ESS额定功率上限和ESS额定功率下限；EESS,min、EESS,max分别表示ESS额定容量上限和ESS额定容量下限。
7.根据权利要求6所述的一种交直流混合配电网系统双层储能配置方法，其特征在于，所述下层规划模型为交直流混合配电网运行层，以配电网综合运行成本和日灵活性最优为目标函数进行灵活性优化，通过调用灵活性资源，优化灵活性裕度，在保证交直流混合配电网系统运行过程中源荷平衡的同时，使系统综合运行成本最低；
目标函数表示为：
f1＝minCOP (19)
所述下层规划模型的约束条件包括潮流约束、可中断负荷约束、ESS运行约束、与主网交互功率约束和安全约束；
潮流约束是将交流区域DisFlow潮流模型中的非线性项通过二阶锥松弛转换得到凸化线性潮流约束，如公式(21)-(23)所示：
式中：rij、xij分别表示节点i→j之间电阻、电抗；u(j)、v(j)分别表示以节点j为末端和首端的支路节点集合；分别表示在节点j处注入总有功功率和无功功率；分别表示t时刻流过支路i→j的有功功率和无功功率；分别表示支路电流的平方、支路有功、支路电压的平方和支路无功；分别表示t时刻主网流向配电网的有功功率和无功功率；分别表示节点j处常规负荷有功和可中断负荷有功； 分别表示节点j处常规负荷无功和可中断负荷无功；表示支路电流，表示节点i电压；
直流区域DisFlow潮流模型经过线性化后获得的凸化线性潮流约束为：
式中：rij表示节点i→j之间电阻；表示t时刻流过支路i→j的有功功率；表示在节点j处注入总有功功率；分别表示t时刻节点i处ESS充电功率、放电功率；Pj,t、分别表示t时刻节点j处的总的有功功率和负荷有功功率；表示电压的平方；表示t时刻节点j处分布式光伏实际出力；表示t时刻节点j处可控负荷聚集商的负荷中断量；
可中断负荷约束公式如下：
式中：表示t时刻节点i处可控负荷聚集商的负荷中断量；分别表示节点i处可中断负荷中断容量上限、可中断负荷中断容量下限；表示节点i处可中断负荷最大中断时间；NCL表示最大中断次数；T表示周期；vi,t表示t时段节点i处可中断负荷状态变量；vi,t-1表示t-1时段节点i处可中断负荷状态变量；
ESS运行约束公式如下：
式中：分别表示t时刻节点i处ESS充电功率、放电功率； 分别表示t时刻节点i处ESS的最大充电功率、最大放电功率；NESS表示网络中ESS待安装总数；分别表示t时刻节点i处ESS充电状态、ESS放电状态，0表示充电，1表示放电；Ei,t、分别表示t时刻节点i处ESS电量与最大允许电量；ηi,ch、ηi,dis分别表示ESS充电效率、ESS放电效率；
与主网交互功率约束公式如下：
式中：分别表示变电站节点i注入有功下限、有功上限、无功下限和无功上限；分别表示t时刻节点i主网流向配电网的有功功率和无功功率；
安全约束公式如下：
式中：Ui表示节点i电压；Ui,max、Ui,min分别表示节点i电压安全运行上限、电压安全运行下限；分别表示t时刻交流支路i→j传输有功功率、无功功率；表示t时刻直流支路i→j传输有功功率；分别表示交流支路i→j最大传输容量、直流支路i→j最大传输容量。
8.根据权利要求7所述的一种交直流混合配电网系统双层储能配置方法，其特征在于，上层规划模型和下层规划模型均采用遗传算法进行求解；其中，利用非线性化主成分分析法对上层规划模型的目标函数和下层规划模型的目标函数进行综合评估进一步优化所述上层规划模型和所述下层规划模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210022738.2A CN114336636B (zh) | 2022-01-10 | 2022-01-10 | 一种交直流混合配电网系统双层储能配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210022738.2A CN114336636B (zh) | 2022-01-10 | 2022-01-10 | 一种交直流混合配电网系统双层储能配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114336636A CN114336636A (zh) | 2022-04-12 |
| CN114336636B true CN114336636B (zh) | 2023-10-03 |
Family
ID=81026646
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210022738.2A Active CN114336636B (zh) | 2022-01-10 | 2022-01-10 | 一种交直流混合配电网系统双层储能配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114336636B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114938040B (zh) * | 2022-06-10 | 2023-12-29 | 国网浙江省电力有限公司电力科学研究院 | 源-网-荷-储交直流系统综合优化调控方法和装置 |
| CN115036914B (zh) * | 2022-06-17 | 2024-04-30 | 国家电网公司华中分部 | 考虑灵活性与新能源消纳的电网储能双层优化方法及系统 |
| CN115395547B (zh) * | 2022-08-31 | 2024-05-07 | 国网河南省电力公司南阳供电公司 | 基于整县光伏推进下的灵活储能系统优化配置方法 |
| CN115564142B (zh) * | 2022-11-03 | 2023-06-02 | 国网山东省电力公司经济技术研究院 | 一种混合储能系统的选址定容优化方法及系统 |
| CN115967084A (zh) * | 2022-12-22 | 2023-04-14 | 武汉工程大学 | 电池储能和需求侧响应的交直流混合配电网动态重构方法 |
| CN118017563B (zh) * | 2024-04-08 | 2024-08-02 | 太湖能谷(杭州)科技有限公司 | 一种用户侧共享储能系统的配置方法和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107979092A (zh) * | 2017-12-18 | 2018-05-01 | 国网宁夏电力有限公司经济技术研究院 | 一种考虑分布式电源与软开关接入的配电网动态重构方法 |
| CN108471119A (zh) * | 2018-04-24 | 2018-08-31 | 长沙理工大学 | 含智慧社区的配电网三相不平衡动态潮流模型预测控制方法 |
| CN109508857A (zh) * | 2018-09-28 | 2019-03-22 | 国网浙江省电力有限公司经济技术研究院 | 一种主动配电网多阶段规划方法 |
| CN109559035A (zh) * | 2018-11-29 | 2019-04-02 | 国网(苏州)城市能源研究院有限责任公司 | 一种考虑灵活性的城市配电网双层规划方法 |
| WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 |
-
2022
- 2022-01-10 CN CN202210022738.2A patent/CN114336636B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107979092A (zh) * | 2017-12-18 | 2018-05-01 | 国网宁夏电力有限公司经济技术研究院 | 一种考虑分布式电源与软开关接入的配电网动态重构方法 |
| CN108471119A (zh) * | 2018-04-24 | 2018-08-31 | 长沙理工大学 | 含智慧社区的配电网三相不平衡动态潮流模型预测控制方法 |
| CN109508857A (zh) * | 2018-09-28 | 2019-03-22 | 国网浙江省电力有限公司经济技术研究院 | 一种主动配电网多阶段规划方法 |
| CN109559035A (zh) * | 2018-11-29 | 2019-04-02 | 国网(苏州)城市能源研究院有限责任公司 | 一种考虑灵活性的城市配电网双层规划方法 |
| WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 |
Non-Patent Citations (3)
| Title |
|---|
| 主动式配电网电源分区布点规划关键技术研究;张坤;党东升;马艳霞;徐鹏飞;靳盘龙;;电网与清洁能源(第03期);全文 * |
| 考虑"源-荷-储"灵活性资源协调的主动配电网双层规划;高慧;晏寒婷;黄春艳;;广东电力(第05期);全文 * |
| 计及灵活性的配电网储能优化配置;朱晓荣;鹿国微;;现代电力(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114336636A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114336636B (zh) | 一种交直流混合配电网系统双层储能配置方法 | |
| Fontenot et al. | Modeling and control of building-integrated microgrids for optimal energy management–a review | |
| CN110119886B (zh) | 一种主动配网动态规划方法 | |
| Tan et al. | Optimization of distribution network incorporating distributed generators: An integrated approach | |
| CN110782363A (zh) | 一种计及风电不确定性的交直流配电网调度方法 | |
| CN110690702B (zh) | 一种考虑综合承载力的主动配电网优化调度及运行方法 | |
| CN113364045A (zh) | 一种移动式储能参与的主动配电网故障恢复方法 | |
| Kapoor et al. | Optimal charge/discharge scheduling of battery storage interconnected with residential PV system | |
| CN112001598A (zh) | 基于储能选型的不同用户储能配置评估与运行优化方法 | |
| CN113794201B (zh) | 一种基于最优潮流的微电网等值建模方法 | |
| CN114498769B (zh) | 一种高比例风光孤岛微电网群能量调度方法及系统 | |
| CN117394366A (zh) | 一种含多微网的主动配电网不确定性分层调度方法 | |
| Miah et al. | Energy storage controllers and optimization schemes integration to microgrid: an analytical assessment towards future perspectives | |
| CN114091958A (zh) | 智能用电小区的综合能效评估方法及电网规划方法 | |
| Gangwar et al. | Management of energy storage dispatch in unbalanced distribution networks using opendss | |
| Kumar et al. | Optimal energy management and sizing of a community smart microgrid using demand side management with load uncertainty | |
| CN112564151A (zh) | 一种计及隐私意识的多微网云储能优化调度方法及系统 | |
| CN116742664A (zh) | 一种短期电池储能和季节性储氢协同规划方法及系统 | |
| CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
| Seervi et al. | Renewable Energy Forecasting for Energy Storage Sizing: A Review | |
| CN112039057A (zh) | 一种基于两阶段调度的低电压治理方法 | |
| Lin et al. | Research on Operation Strategy of User-side Energy System Based on Data Driving | |
| Luo et al. | Optimal scheduling for a multi-energy microgrid by a soft actor-critic deep reinforcement learning | |
| CN110474338A (zh) | 一种交直流混合微电网优化配置方法 | |
| CN117767369B (zh) | 一种考虑中长期规划的储能选址和分级配置方法 |
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 |