CN114336793B - 交直流混合配电网灵活性确定方法 - Google Patents
交直流混合配电网灵活性确定方法 Download PDFInfo
- Publication number
- CN114336793B CN114336793B CN202111401258.9A CN202111401258A CN114336793B CN 114336793 B CN114336793 B CN 114336793B CN 202111401258 A CN202111401258 A CN 202111401258A CN 114336793 B CN114336793 B CN 114336793B
- Authority
- CN
- China
- Prior art keywords
- distribution network
- flexibility
- power distribution
- maximum
- stage
- 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 84
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims description 29
- 230000007704 transition Effects 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 7
- 239000000243 solution Substances 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003828 downregulation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000003827 upregulation Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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灵活性确定方法,包括:获取单阶段和多阶段的配电网典型场景;在单阶段配电网典型场景下,根据直流混合配电网的可再生能源最大准入容量、主网交换功率灵活性范围以及最大供电能力建立运行灵活性指标体系;在多阶段配电网典型场景下,根据交直流混合配电网规划方案的期望成本、最小化最大总成本以及最小化最大遗憾成本建立投资灵活性指标体系;在单阶段和多阶段场景下采用层次分析法对交直流混合配电网规划灵活性进行确定,本发明从投资灵活性和运行灵活性两个角度,可有效确定交直流混合配电网是否有足够的灵活性来应对大规模新能源的接入。
Description
技术领域
本发明属于配电网优化技术领域,尤其涉及一种交直流混合配电网灵活性确定方法。
背景技术
在配电网中,灵活性反映了配电网充分利用系统内的各种灵活性资源,应对运行中出现的多种不确定性因素扰动,灵活适应各种复杂运行环境并维持安全可靠运行的能力。高渗透率可再生能源和大规模电动汽车接入配电网,将导致网络潮流呈现间歇性、随机性、模糊性等特征,使得系统整体不确定性显著增强,对配电网的灵活性提出了很高的要求。
直流配电网在可再生能源灵活、便捷接入方面具有比交流配电网更好的性能,可以充分发挥分布式新能源的价值,因而受到了较大的关注。得益于电力电子技术的发展,直流配电网在近年来得到了迅速发展,在交流配电网的基础上建设交直流混合配电网是未来的一大发展趋势,然而目前并无较好方法对配电网灵活性进行确定。
发明内容
为了解决现有技术存在的问题,本发明提供一种交直流混合配电网灵活性确定方法,能够准确对配电网的灵活性进行确定。
本发明所要解决的技术问题是通过以下技术方案实现的:
提供了一种交直流混合配电网灵活性确定方法,包括:
获取单阶段和多阶段的配电网典型场景;
在单阶段配电网典型场景下,根据直流混合配电网的可再生能源最大准入容量、主网交换功率灵活性范围以及最大供电能力建立运行灵活性指标体系;
在多阶段配电网典型场景下,根据交直流混合配电网规划方案的期望成本、最小化最大总成本以及最小化最大遗憾成本建立投资灵活性指标体系;
在单阶段和多阶段场景下采用层次分析法对交直流混合配电网规划灵活性进行确定。
进一步的,所述获取单阶段和多阶段的配电网典型场景包括:
基于密度峰值聚类生成单阶段配电网典型场景;
基于马尔科夫链蒙特卡洛方法生成多阶段的配电网典型场景。
进一步的,所述基于密度峰值聚类生成单阶段配电网典型场景包括:
设原始数据集S={x1,x2,...xi...,xn},xi为原始数据集S中的第i个样本,每个样本xi包含K维属性,表示为:
采用欧式距离定义任意两样本之间的距离,即
设置截断距离参数dc,取c=|0.02n(n-1)/2|,基于具有连续性的高斯核计算局部密度值ρi
令,i=1,2,3...n,将ρi降序排列生成序列,Q={q1,q2,...,qn},定义距离指标δi为样本i到具有更高局部密度的数据点的最短距离,当ρi为局部密度最大值时,取δi为该样本与其他样本间的最大距离
定义簇中心权值如下式所示:
γi=ρiδi (4)
以斜率衡量簇中心权值的下降趋势,定义拐点x为偏离度总体趋势变化最快的点
以权值降序排列的样本点{1,2,...,ip}为簇中心点,即聚类中心。
进一步的,所述基于马尔科夫链蒙特卡洛方法生成多阶段的配电网典型场景包括:
1)设共有A种初始状态,令a=1;
2)取得初始状态X(0)=[x1(0),x2(0),...,xk(0),...,xK(0)],K为状态维数,N为场景转移总次数,令特征状态数k=1,场景转移数n=1;
3)设特征状态k的初值M为该状态可能出现的转移状态数;
4)由标准均匀分布产生随机数u;
5)根据状态转移矩阵Pk(n)计算状态转移概率
6)将u与进行比较,取/>
7)若k<K,令返回4),否则进入8)
8)取得状态X(n)=[x1(n),x2(n),...,xk(n),...,xK(n)],若n<N,令n=n+1,返回4),否则进入9);
9)若a<A,令a=a+1,返回2),否则进入10);
10)统计历次抽样结果,得到阶段间状态链发生概率。
进一步的,所述建立运行灵活性指标体系包括:
将可再生能源最大准入容量表示为:
其中,PDG,i表示节点i分布式新能源接入容量,NDG为分布式新能源节点集合;
将与主网交换功率灵活性范围表示为:
其中,NSub表示变电站节点的集合,PSub,i表示变电站注入节点i的有功功率;将最大供电能力表示为:
其中Ns表示新能源典型出力场景的数量,αs表示系统在第s种场景下考虑正常运行和各主变N-1情景的最大负荷放大倍数,βs表示对应场景出现的概率。
进一步的,所述建立投资灵活性指标体系包括:
将期望成本表示为:
其中,pn表示场景n发生概率,cm,n表示方案m在场景n下的投资成本,Nsce表示场景数量;
将最小化最大总成本表示为:
其中,cm,n表示方案m在场景n下的总成本;
将最小化最大遗憾成本表示为:
其中,cm,n表示方案m在场景n下的总成本。
进一步的,所述对交直流混合配电网规划灵活性进行确定包括:
建立层次结构模型;
构造判断矩阵,确定权重;
指标值的模糊隶属度归一化;
层次权重的确定及判断矩阵的一致性校验;
灵活性综合确定。
进一步的,所述建立层次结构模型包括:首先将交直流配电网综合评价体系所包含的因素分组,每一组作为一个层次,按照最高层、中间层和基础层的形式排列,构成的阶层次结构图;最高层为:灵活性评估指标体系;中间层为:分布式新能源最大准入容量、与主网交换功率灵活性范围、最大供电能力、期望成本、最小化最大总成本、最小化最大遗憾成本;最底层为交直流混合配电网。
进一步的,所述灵活性综合确定包括:
在各个底层指标和中层指标已经计算并归一化的基础上,结合同级指标的权重,利用层次分析法逐层向上计算,直至计算得出交直流混合配电网灵活性属性的综合评分从而对灵活性进行确定。
本发明有益效果:本发明所建立的交直流混合配电网灵活性评估方法,从投资灵活性和运行灵活性两个角度,可有效确定交直流混合配电网是否有足够的灵活性来应对大规模新能源的接入,根据指标对系统中的灵活性资源进行优化规划,从而间接提高网络对于可再生能源的消纳水平。
附图说明
图1是本发明的流程图;
图2是本发明中基于24节点交流系统与7节点直流系统的交直流配电网拓扑图。
具体实施方式
为了进一步描述本发明的技术特点和效果,以下结合附图和具体实施方式对本发明做进一步描述。
本发明所提出的一种交直流混合配电网灵活性确定方法,包括如下步骤:
在本实施例的步骤1中,基于密度峰值聚类算法和马尔科夫链蒙特卡洛方法,生成包含阶段内与阶段间的配电网多阶段典型场景;
考虑交直流混合配电网的风-光-荷特性,构建交直流混合配电网多阶段典型运行场景集,场景生成方法分为阶段内场景生成与阶段间场景生成两个步骤。对于阶段内场景,基于风光荷出力历史数据,采用基于密度峰值的聚类算法对风、光、荷进行同步聚类,形成阶段内典型场景。
基于密度峰值聚类的阶段内场景生成方法如下。
1)设原始数据集S={x1,x2,...,xn}共包含n个样本,每个样本含有K维属性,
2)采用欧式距离定义任意两样本之间的距离,即
3)设置截断距离参数dc,将现有样本距离集合D按升序排列,取基于具有连续性的高斯核计算局部密度值。
4)定义ρi的降序排列下标序列为Q={q1,q2,…,qn},定义距离指标δi为样本i到具有更高局部密度的数据点的最短距离,当ρi为局部密度最大值时,取δi为该样本与其他样本间的最大距离。
5)定义簇中心权值
γi=ρiδi (4)
计算各样本点的权值并将其降序排列。
6)以斜率衡量簇中心权值的下降趋势,定义拐点x为偏离度总体趋势变化最快的点
由式(5)、(6)求ip。
7)以权值降序排列的样本点{1,2,…,ip}为簇中心点,即聚类中心。
针对阶段间场景生成需求,提出基于马尔科夫链蒙特卡洛方法的场景生成方法如下。
1)设共有A种初始状态,令a=1;
2)取得初始状态X(0)=[x1(0),x2(0),…,xk(0),…,xK(0)],K为状态维数,N为场景转移总次数,令特征状态数k=1,场景转移数n=1;
3)设特征状态k的初值M为该状态可能出现的转移状态数;
4)由标准均匀分布产生随机数u;
5)根据状态转移矩阵Pk(n)计算状态转移概率
6)将u与进行比较,取/>
7)若k<K,令返回4),否则进入8);
8)取得状态X(n)=[x1(n),x2(n),…,xk(n),…,xK(n)],若n<N,令n=n+1,返回4),否则进入9);
9)若a<A,令a=a+1,返回2),否则进入10);
10)统计历次抽样结果,得到阶段间状态链发生概率。
在本实施例的步骤2中,在阶段内典型场景下,综合考虑交直流混合配电网的可再生能源最大准入容量、与主网交换功率灵活性范围、最大供电能力,建立运行灵活性指标体系;
1)可再生能源最大准入容量
其中,PDG,i表示节点i分布式新能源接入容量,NDG为分布式新能源节点集合。
新能源最小削减比例——具体指在调度周期内(通常为24h),交直流配电网弃风弃光总量与新能源实际总发电量的比值。主要反映系统整体的新能源消纳情况。
新能源削减时间占比——具体指在调度周期内,各分布式新能源发生功率削减的总时长占新能源实际出力总时长的比例。主要反映交直流混合配电网整体的新能源削减情况。
新能源本地消纳率——具体是指调度周期内,各分布式电源节点本身所消纳的分布式新能源总量与该节点实际总发电量的比值。主要反映局部的新能源消纳情况。
2)与主网交换功率灵活性范围
式中,NSub表示变电站节点的集合,PSub,i表示变电站注入节点i的有功功率。
可用联络线占比——表示交直流混合配电网实际运行过程中,可以通过网络重构实现功率转供的线路占所有线路数量的比例。主要反映交直流混合配电网网架的功率传输灵活性。
主变容量裕度——表示变电站内主变压器传输容量的充裕度,包括功率向上调节裕度和向下调节裕度。主要反映主变压器对功率波动的灵活性调节空间。
线路容量裕度——表示交直流混合配电网各运行线路传输容量的充裕度,包括功率向上调节裕度和向下调节裕度。主要反映运行线路对功率波动的灵活性调节空间。
3)最大供电能力
Ns表示新能源典型出力场景的数量,αs表示系统在第s种场景下考虑正常运行和各主变N-1情景的最大负荷放大倍数,βs表示对应场景出现的概率。
可用供电能力——表示在保证N-1安全条件下,一定供电区域内交直流混合配电网在现有负荷的基础上可以增加的供电能力。
变电站供电能力——表示一定供电区域内交直流混合配电网变电站容量配置及站内联络提供的供电能力,等于在无任何站间联络时的交直流混合配电网的最大供电能力。
可扩展供电能力——表示一定供电区域内交直流混合配电网通过增加变电站间联络的数量与容量至全联络且联络容量足够大时所新获得的供电能力。
在本实施例的步骤3中,在投资灵活性层面,在阶段间典型场景下,综合考虑交直流混合配电网规划方案的期望成本,最小化最大总成本,最小化最大遗憾成本,建立投资灵活性指标体系;
1)期望成本
其中,pn表示场景n发生概率,cm,n表示方案m在场景n下的投资成本,Nsce表示场景数量。
期望投资成本——具体是指考虑多阶段发展不确定性时,所有场景路线下的最小投资成本与对应场景发生概率的乘积之和。反映不确定性环境下预计需要的平均投资成本。
期望运行成本——具体是指不确定性场景发展路线下,最小运行成本与对应场景发生概率的乘积之和。反映不确定性环境下系统正常运行所需要的平均成本。
新能源期望消纳率——具体是指不确定性场景发展路线下,系统的新能源总消纳率与对应场景发生概率的乘积之和。反映不确定性环境下系统新能源的平均消纳情况。
b)最小化最大总成本
其中,cm,n表示方案m在场景n下的总成本。
最小化最大投资成本——取使方案投资成本最大的方案为最恶劣场景,最小化最大投资成本表示候选方案集中各方案在其最恶劣场景下投资成本的最小值。
最小化最大运行成本——最小化最大投资成本表示候选方案集中各方案在其最恶劣场景下运行成本的最小值。
最小化最大弃风弃光量——最小化最大弃风弃光量表示候选方案集中各方案在其最恶劣场景下弃风弃光量的最小值。
c)最小化最大遗憾成本
其中,cm,n表示方案m在场景n下的总成本。
最小化最大遗憾投资成本——取所有场景路线下方案投资成本的最大值与最小值之间的差值为最大遗憾投资成本,最小化最大遗憾投资成本表示候选方案集中各方案投资成本遗憾值的最小值。
最小化最大遗憾运行成本——最小化最大遗憾运行成本表示候选方案集中各方案在所有不确定性场景下,运行成本遗憾值的最小值。
最小化最大弃风弃光遗憾值——最小化最大遗憾运行成本表示候选方案集中各方案弃风弃光量遗憾值的最小值。
在本实施例的步骤4中,在多阶段典型场景下,采用层次分析法对交直流混合配电网规划方案的灵活性属性进行综合评估,其中层次分析法实现步骤如下。
1)建立层次结构模型
运用层次分析法进行系统分析时,首先将交直流配电网综合评价体系所包含的因素分组,每一组作为一个层次,按照最高层、中间层和基础层的形式排列,构成的阶层次结构图。最高层为:灵活性评估指标体系;中间层为:分布式新能源最大准入容量、与主网交换功率灵活性范围、最大供电能力、期望成本、最小化最大总成本、最小化最大遗憾成本;最底层为交直流混合配电网。
2)构造判断矩阵,确定权重
在建立了层次结构模型后,层次之间目标准则的隶属度关系也就确定了,可以在此基础上构造判断矩阵,为了便于将比较判断定量化,引入1~9比率标度法,通过两两比较各评价因素间的重要性,从而建立灵活性指标间的判断矩阵。
3)指标值的模糊隶属度归一化
将每个指标所得实际值带入其对应的模糊函数,便可以将指标结果模糊归一化,可为下一步综合评价奠定基础。
4)层次权重的确定及判断矩阵的一致性校验
各层元素对于其上一层直属元素的重要度即为元素的层次权重。通过判断矩阵A,求解其特征根(AX=λA),得到最大特征值λ及其对应特征向量X,归一化后得到层次权重。为避免主观判断出现不一致的矛盾,确立判断矩阵后,需对其进行一致性校验,若不具备满意一致性,则需不断调整矩阵元素,直到其具备满意一致性。
矩阵A具备一致性的条件如下:
当以上关系式成立时,矩阵A的最大特征根λmax=n,余下的特征根全部为零。实际应用中,判断矩阵常常因精度等问题无法严格的满足一致性,而在判断矩阵具有满意一致性时,λmax稍大于n,余下的特征根近似为零。
根据矩阵中对特征根的定义可知,若矩阵B的特征根是λ1,λ2,...,λn,可得Bλ=λx,并且若Bii=1,有因此,当判断矩阵中各元素满足式(13)时,有λ1=λmax=n,λ2=····λn=0,反之,则有
λ1=λmax>n (14)
因此,一致性的变化将导致征根跟随其变化。通过指标BI来判断矩阵偏离一致性情况可应用于层次分析法中,即
为了解决判断矩阵的计算误差随阶数的增高而变大的问题,以及准确判断当判断矩阵的阶数不同时,对满意一致性的影响,引入RI(平均随机一致性指标),当n≥3时,以BR作为为“随机一致性比例”指标,有
当BR≤0.1时,则具备满意一致性;反之,则不具备;层次权重的确定取决于判断矩阵具备满意一致性,权重的取值为归一化的最大特征值所对应的特征向量。
5)灵活性综合评价。
为了表征交直流混合配电网灵活性属性的整体状况,在各个底层指标和中层指标已经计算并归一化的基础上,结合同级指标的权重,利用层次分析法逐层向上计算,直至计算得出交直流混合配电网灵活性属性的综合评分。
下面举一实例。以图2所示的系统为例,对三套交直流规划方案进行综合评估,过程如表1到表4所示。
表1判断矩阵A-B
表2判断矩阵B-C
表3 A-B层次计算权向量及校验结果表
表4 B-C层次计算权向量及校验结果表
由上表可知,所有判断矩阵计算得到的C.R.<0.1,满足一致性校验,结合层级计算权向量的结果进入下一步,进行灵活性综合评估。三套方案的灵活性综合评估结果分别为0.384、0.386、0.230。由综合评估的结果可知,改造方案2最优。以上实施例结果验证了本发明所提方法的准确性和实用性。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (7)
1.一种交直流混合配电网灵活性确定方法,其特征在于,包括:
获取单阶段和多阶段的配电网典型场景;
在单阶段配电网典型场景下,根据直流混合配电网的可再生能源最大准入容量、主网交换功率灵活性范围以及最大供电能力建立运行灵活性指标体系;
在多阶段配电网典型场景下,根据交直流混合配电网规划方案的期望成本、最小化最大总成本以及最小化最大遗憾成本建立投资灵活性指标体系;
在单阶段和多阶段场景下采用层次分析法对交直流混合配电网规划灵活性进行确定;
所述对交直流混合配电网规划灵活性进行确定包括:
建立层次结构模型;
构造判断矩阵,确定权重;
指标值的模糊隶属度归一化;
层次权重的确定及判断矩阵的一致性校验;
灵活性综合确定;
所述建立层次结构模型包括:首先将交直流配电网综合评价体系所包含的因素分组,每一组作为一个层次,按照最高层、中间层和基础层的形式排列,构成的阶层次结构图;最高层为:灵活性评估指标体系;中间层为:分布式新能源最大准入容量、与主网交换功率灵活性范围、最大供电能力、期望成本、最小化最大总成本、最小化最大遗憾成本;最底层为交直流混合配电网;
所述最小化最大遗憾成本表示为:
其中,cm,n表示方案m在场景n下的总成本。
2.根据权利要求1所述的一种交直流混合配电网灵活性确定方法,其特征在于,所述获取单阶段和多阶段的配电网典型场景包括:
基于密度峰值聚类生成单阶段配电网典型场景;
基于马尔科夫链蒙特卡洛方法生成多阶段的配电网典型场景。
3.根据权利要求2所述的一种交直流混合配电网灵活性确定方法,其特征在于,所述基于密度峰值聚类生成单阶段配电网典型场景包括:
设原始数据集S={x1,x2,...xi...,xn},xi为原始数据集S中的第i个样本,每个样本xi包含K维属性,表示为:
采用欧式距离定义任意两样本之间的距离,即
设置截断距离参数dc,取c=|0.02n(n-1)/2|,基于具有连续性的高斯核计算局部密度值ρi
令,i=1,2,3...n,将ρi降序排列生成序列,Q={q1,q2,...,qn},定义距离指标δi为样本i到具有更高局部密度的数据点的最短距离,当ρi为局部密度最大值时,取δi为该样本与其他样本间的最大距离
定义簇中心权值如下式所示:
γi=ρiδi (4)
以斜率衡量簇中心权值的下降趋势,定义拐点x为偏离度总体趋势变化最快的点
以权值降序排列的样本点{1,2,...,ip}为簇中心点,即聚类中心。
4.根据权利要求3所述的一种交直流混合配电网灵活性确定方法,其特征在于,所述基于马尔科夫链蒙特卡洛方法生成多阶段的配电网典型场景包括:
1)设共有A种初始状态,令a=1;
2)取得初始状态X(0)=[x1(0),x2(0),...,xk(0),…,xK(0)],K为状态维数,N为场景转移总次数,令特征状态数k=1,场景转移数n=1;
3)设特征状态Xk的初值M为该状态可能出现的转移状态数;
4)由标准均匀分布产生随机数u;
5)根据状态转移矩阵Pk(n)计算状态转移概率
6)将u与进行比较,取/>
7)若k<K,令k=k+1,返回4),否则进入8)
8)取得状态若n<N,令n=n+1,返回4),否则进入9);
9)若a<A,令a=a+1,返回2),否则进入10);
10)统计历次抽样结果,得到阶段间状态链发生概率。
5.根据权利要求1所述的一种交直流混合配电网灵活性确定方法,其特征在于,所述建立运行灵活性指标体系包括:
将可再生能源最大准入容量表示为:
其中,PDG,i表示节点i分布式新能源接入容量,NDG为分布式新能源节点集合;
将与主网交换功率灵活性范围表示为:
其中,NSub表示变电站节点的集合,PSub,i表示变电站注入节点i的有功功率;
将最大供电能力表示为:
其中Ns表示新能源典型出力场景的数量,αs表示系统在第s种场景下考虑正常运行和各主变N-1情景的最大负荷放大倍数,βs表示对应场景出现的概率。
6.根据权利要求1所述的一种交直流混合配电网灵活性确定方法,其特征在于,所述建立投资灵活性指标体系包括:
将期望成本表示为:
其中,pn表示场景n发生概率,cm,n表示方案m在场景n下的总成本,Ns表示新能源典型出力场景的数量;
将最小化最大总成本表示为:
其中,cm,n表示方案m在场景n下的总成本。
7.根据权利要求1所述的一种交直流混合配电网灵活性确定方法,其特征在于,所述灵活性综合确定包括:
在各个底层指标和中层指标已经计算并归一化的基础上,结合同级指标的权重,利用层次分析法逐层向上计算,直至计算得出交直流混合配电网灵活性属性的综合评分从而对灵活性进行确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111401258.9A CN114336793B (zh) | 2021-11-19 | 2021-11-19 | 交直流混合配电网灵活性确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111401258.9A CN114336793B (zh) | 2021-11-19 | 2021-11-19 | 交直流混合配电网灵活性确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114336793A CN114336793A (zh) | 2022-04-12 |
CN114336793B true CN114336793B (zh) | 2024-03-29 |
Family
ID=81046690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111401258.9A Active CN114336793B (zh) | 2021-11-19 | 2021-11-19 | 交直流混合配电网灵活性确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114336793B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018157691A1 (zh) * | 2017-02-28 | 2018-09-07 | 国网江苏省电力公司常州供电公司 | 有源配电网的安全性量化方法 |
CN112072703A (zh) * | 2020-09-10 | 2020-12-11 | 华北电力大学 | 一种适用新能源接入规划的灵活性评价方法及系统 |
CN112217202A (zh) * | 2020-09-29 | 2021-01-12 | 东南大学 | 考虑灵活性投资的分布式新能源、储能与配电网规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112011105049T5 (de) * | 2011-03-18 | 2013-12-19 | Fujitsu Limited | Betriebsplanvorbereitungsverfahren, Betriebsplanvorbereitungsvorrichtung und Betriebsplanvorbereitungsprogramm |
-
2021
- 2021-11-19 CN CN202111401258.9A patent/CN114336793B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018157691A1 (zh) * | 2017-02-28 | 2018-09-07 | 国网江苏省电力公司常州供电公司 | 有源配电网的安全性量化方法 |
CN112072703A (zh) * | 2020-09-10 | 2020-12-11 | 华北电力大学 | 一种适用新能源接入规划的灵活性评价方法及系统 |
CN112217202A (zh) * | 2020-09-29 | 2021-01-12 | 东南大学 | 考虑灵活性投资的分布式新能源、储能与配电网规划方法 |
Non-Patent Citations (2)
Title |
---|
AC/DC Hybrid Distribution System Expansion Planning Under Long-Term Uncertainty Considering Flexible Investment;Zhi Wu等;《IEEE Access》;第8卷;第94956-949667页 * |
Flexible expansion planning of distribution system integrating multiple renewable energy sources: An approximate dynamic programming approach;Sun, QR (Sun, Qirun) 等;《Energy》;第226卷;第1-13页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114336793A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112217202B (zh) | 考虑灵活性投资的分布式新能源、储能与配电网规划方法 | |
CN107316113B (zh) | 一种输电网规划方法及系统 | |
CN109102146B (zh) | 基于多参数线性规划的电力系统风险评估加速方法 | |
CN110380444B (zh) | 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法 | |
CN110659693A (zh) | 基于k近邻分类的配电网快速拓扑识别方法、系统及可读存储介质 | |
CN110009141B (zh) | 基于sdae特征提取和svm分类模型的爬坡事件预测方法及系统 | |
CN107834540B (zh) | 一种基于概率约束的分布式光伏接入容量的确定方法 | |
CN115441457A (zh) | 新能源电力系统的快速可靠性评估方法、设备及存储介质 | |
CN112132283A (zh) | 一种基于遗传算法的非信号注入式户变拓扑关系识别方法 | |
CN111697572B (zh) | 基于多阶段随机规划理论的电源及电力流结构优化方法 | |
CN113837812A (zh) | 节点电价联合概率预测方法及装置 | |
CN116662412B (zh) | 一种电网配用电大数据的数据挖掘方法 | |
CN114336793B (zh) | 交直流混合配电网灵活性确定方法 | |
CN117196668A (zh) | 一种基于边际收益大规模新能源基地接入规划方法及系统 | |
CN113627655B (zh) | 一种配电网灾前故障场景模拟预测方法及装置 | |
CN116865318A (zh) | 基于两阶段随机优化的输电网和储能联合规划方法及系统 | |
CN112967154B (zh) | 一种电力系统Well-being的评估方法及装置 | |
CN113112296B (zh) | 一种集中式现货市场的典型场景库构建方法及装置 | |
CN111697607A (zh) | 一种多端柔性直流输电受端电网接入方法及系统 | |
CN110571791B (zh) | 一种新能源接入下的输电网规划的优化配置方法 | |
CN114139964A (zh) | 一种电气综合能源系统可靠性评估方法及装置 | |
CN113222216A (zh) | 冷热电负荷预测方法、装置及系统 | |
CN112036553A (zh) | 一种基于遗传算法的非信号注入式户相拓扑关系识别方法 | |
CN112564085A (zh) | 电采暖配变最大用电负荷预测方法及系统 | |
Nayak et al. | Capacity value of wind power using kd tree and nearest neighbor search algorithm |
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 |