CN114465276A - 一种配电网风储联合优化配置方法及其相关装置 - Google Patents
一种配电网风储联合优化配置方法及其相关装置 Download PDFInfo
- Publication number
- CN114465276A CN114465276A CN202210126486.8A CN202210126486A CN114465276A CN 114465276 A CN114465276 A CN 114465276A CN 202210126486 A CN202210126486 A CN 202210126486A CN 114465276 A CN114465276 A CN 114465276A
- Authority
- CN
- China
- Prior art keywords
- power
- wind
- distribution network
- optimization
- voltage
- 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.)
- Pending
Links
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
- H02J3/38—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
- H02J3/007—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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种配电网风储联合优化配置方法及其相关装置,根据配电网系统的实际运行状态获取各电能质量指标的指标值和指标权重,计算各节点的电能质量综合评估值;构建风储联合双层优化模型,风储联合双层优化模型包括下层日运行优化调度模型和上层年优化配置模型,下层日运行优化调度模型以配电网系统各节点售电电能质量综合结果最优为目标函数,上层年优化配置模型以发电系统年总收益和总弃风率为目标函数,优化求解风储联合双层优化模型,获取最优规划方案,改善了现有技术在规划过程中只将电能质量问题作为约束来进行模型目标函数的计算,未进一步分析各新能源接入对电网的影响,无法获取最优的规划配置方案的技术问题。
Description
技术领域
本申请涉及配电网技术领域,尤其涉及一种配电网风储联合优化配置方法及其相关装置。
背景技术
随着“碳达峰、碳中和”战略目标的提出,大力使用和发展非化石能源,尤其是大规模开发利用清洁高效能源,构建清洁低碳安全高效的能源体系,已成为目前能源转型发展的趋势。大规模分布式可再生能源电站(Distribution Generate,DG)接入改变了原有电网的潮流分布,其出力的随机波动性和间歇性等引起的电能质量问题也日渐突出,与配电网中现代化生产设备日益提高的供电质量的要求之间的矛盾越发明显,因电能质量(PowerQuality,PQ)问题导致的巨大的损失已成为限制新能源大规模并网的瓶颈之一。
目前针对新能源并网规划过程涉及电能质量问题,在规划过程中只将电能质量问题作为约束来进行模型目标函数的计算,未进一步分析各新能源接入对电网的影响,无法获取最优的优化配置方案。
发明内容
本申请提供了一种配电网风储联合优化配置方法及其相关装置,用于改善现有技术在规划过程中只将电能质量问题作为约束来进行模型目标函数的计算,未进一步分析各新能源接入对电网的影响,无法获取最优的规划配置方案的技术问题。
有鉴于此,本申请第一方面提供了一种配电网风储联合优化配置方法,包括:
在确定配电网系统各节点的电能质量指标后,根据该配电网系统的实际运行状态获取各所述电能质量指标的指标值;
获取各所述电能质量指标的指标权重,并根据各所述电能质量指标的指标值和所述指标权重计算各节点的电能质量综合评估值;
构建风储联合双层优化模型,所述风储联合双层优化模型包括下层日运行优化调度模型和上层年优化配置模型,所述下层日运行优化调度模型以配电网系统各节点售电电能质量综合结果最优为目标函数,所述上层年优化配置模型以发电系统年总收益和总弃风率为目标函数;
将上层产生的配电网风电机组和储能机组的接入位置和容量传递至下层,对所述下层日运行优化调度模型进行优化,根据得到的下层日优化调度结果更新所述上层年优化配置模型的目标函数值后进行寻优,获取最优配置容量。
可选的,所述电能质量指标包括电压偏差、电压闪变和电压谐波;
所述电压偏差的计算公式为:
所述电压闪变的计算公式为:
式中,Plt,c为风电机组并网点持续运行过程中的电压闪变值,Sk为发电机组并网点的短路容量,为风电机组并网点电网等效阻抗的阻抗值,va为年平均风速,为风电机组的闪变系数,Sn,i为风电机组i的额定视在功率,Nw,n为风电机组数量;
所述电压谐波采用电压总谐波畸变率进行衡量,所述电压总谐波畸变率的计算公式为:
式中,THDu为电压总谐波畸变率,Uh为第h次谐波电压,U1为基波电压。
可选的,所述获取各所述电能质量指标的指标权重,包括:
根据各所述电能质量指标之间的重要性,构建判断矩阵;
通过所述判断矩阵计算各所述电能质量指标的主观权重;
对各所述电能质量指标的指标值进行归一化,计算各归一化后电能质量指标的标准差,得到各所述电能质量指标的指标对比强度;
根据各归一化后电能质量指标之间的相关系数计算指标冲突性;
根据各所述电能质量指标的指标对比强度和指标冲突性计算各所述电能质量指标的客观权重;
综合各所述电能质量指标的主观权重和客观权重,得到各所述电能质量指标的指标权重。
可选的,所述下层日运行优化调度模型的目标函数为:
式中,fpq为配电网系统典型日售电电能质量综合结果,Si,t为节点i在t时刻的电能质量综合评估值,Pload,i,t为节点i在t时刻的负荷功率,n为配电网节点数;
所述下层日运行优化调度模型在优化过程中的约束条件包括系统潮流约束、储能能量约束、储能充放电约束、风电场出力约束和传输线功率约束。
可选的,所述上层年优化配置模型的目标函数为:
式中,fsum,in为发电系统年总收益,N为发电系统节点数,Pload,k,t,n为第k天t时刻节点n的负荷功率,为全年各电源总运维成本,为风电机组年均安装成本,为储能机组年均安装成本,pk,t,n为第k天t时刻节点n的波动售电电价,fwc为总弃风率,为t时刻第n个风电场的最大出力,Pwind,i,t为t时刻风电场的实际出力,Nw为风电场个数;
所述上层年优化配置模型在优化过程中的约束条件包括节点风电安装容量约束和电网系统总安装容量约束。
本申请第二方面提供了一种配电网风储联合优化配置装置,包括:
获取单元,用于在确定配电网系统各节点的电能质量指标后,根据该配电网系统的实际运行状态获取各所述电能质量指标的指标值;
计算单元,用于获取各所述电能质量指标的指标权重,并根据各所述电能质量指标的指标值和所述指标权重计算各节点的电能质量综合评估值;
构建单元,用于构建风储联合双层优化模型,所述风储联合双层优化模型包括下层日运行优化调度模型和上层年优化配置模型,所述下层日运行优化调度模型以配电网系统各节点售电电能质量综合结果最优为目标函数,所述上层年优化配置模型以发电系统年总收益和总弃风率为目标函数;
优化单元,用于将上层产生的配电网风电机组和储能机组的接入位置和容量传递至下层,对所述下层日运行优化调度模型进行优化,根据得到的下层日优化调度结果更新所述上层年优化配置模型的目标函数值后进行寻优,获取最优配置容量。
可选的,所述电能质量指标包括电压偏差、电压闪变和电压谐波;
所述电压偏差的计算公式为:
所述电压闪变的计算公式为:
式中,Plt,c为风电机组并网点持续运行过程中的电压闪变值,Sk为发电机组并网点的短路容量,为风电机组并网点电网等效阻抗的阻抗值,va为年平均风速,为风电机组的闪变系数,Sn,i为风电机组i的额定视在功率,Nw,n为风电机组数量;
所述电压谐波采用电压总谐波畸变率进行衡量,所述电压总谐波畸变率的计算公式为:
式中,THDu为电压总谐波畸变率,Uh为第h次谐波电压,U1为基波电压。
可选的,所述下层日运行优化调度模型的目标函数为:
式中,fpq为配电网系统典型日售电电能质量综合结果,Si,t为节点i在t时刻的电能质量综合评估值,Pload,i,t为节点i在t时刻的负荷功率,n为配电网节点数;
所述下层日运行优化调度模型在优化过程中的约束条件包括系统潮流约束、储能能量约束、储能充放电约束、风电场出力约束和传输线功率约束;
所述上层年优化配置模型的目标函数为:
式中,fsum,in为发电系统年总收益,N为发电系统节点数,Pload,k,t,n为第k天t时刻节点n的负荷功率,为全年各电源总运维成本,为风电机组年均安装成本,为储能机组年均安装成本,pk,t,n为第k天t时刻节点n的波动售电电价,fwc为总弃风率,为t时刻第n个风电场的最大出力,Pwind,i,t为t时刻风电场的实际出力,Nw为风电场个数;
所述上层年优化配置模型在优化过程中的约束条件包括节点风电安装容量约束和电网系统总安装容量约束。
本申请第三方面提供了一种配电网风储联合优化配置设备,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的配电网风储联合优化配置方法。
本申请第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码被处理器执行时实现第一方面任一种所述的配电网风储联合优化配置方法。
从以上技术方案可以看出,本申请具有以下优点:
本申请提供了一种配电网风储联合优化配置方法,包括:在确定配电网系统各节点的电能质量指标后,根据该配电网系统的实际运行状态获取各电能质量指标的指标值;获取各电能质量指标的指标权重,并根据各电能质量指标的指标值和指标权重计算各节点的电能质量综合评估值;构建风储联合双层优化模型,风储联合双层优化模型包括下层日运行优化调度模型和上层年优化配置模型,下层日运行优化调度模型以配电网系统各节点售电电能质量综合结果最优为目标函数,上层年优化配置模型以发电系统年总收益和总弃风率为目标函数;将上层产生的配电网风电机组和储能机组的接入位置和容量传递至下层,对下层日运行优化调度模型进行优化,根据得到的下层日优化调度结果更新上层年优化配置模型的目标函数值后进行寻优,获取最优配置容量。
本申请中,在对新能源并网规划过程涉及的电能质量问题,采用多个电能质量指标,综合考虑风电机组并网对配电网的影响,获取电能质量综合评估值,构建的风储联合双层规划模型为双层模型,下层为短时间尺度的日优化调度运行层,保证配电网系统电能质量处于高水平,上层为长时间尺度的年优化配置层,通过引入“以质定电价”机制下以电能质量综合评估为基础的动态波动电价模型,保证了配电网系统风储并网的经济性、可靠性和绿色性,提高了新能源与储能的规划配置、消纳运行和安全运行水平,从而改善现有技术在规划过程中只将电能质量问题作为约束来进行模型目标函数的计算,未进一步分析各新能源接入对电网的影响,无法获取最优的规划配置方案的技术问题。
附图说明
为了更清楚地说明本申请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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例提供的一种配电网风储联合优化配置方法的一个流程示意图;
图2为本申请实施例提供的风储联合双层优化模型的一个结构示意图;
图3为本申请实施例提供的一种配电网风储联合优化配置装置的一个结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
为了便于理解,请参阅图1,本申请实施例提供了一种配电网风储联合优化配置方法,包括:
步骤101、在确定配电网系统各节点的电能质量指标后,根据该配电网系统的实际运行状态获取各电能质量指标的指标值。
本申请结合风电机组并网背景选取电能质量指标。在实际运行时,非轻载运行条件下DG配置可以改善接入电网线路的电压偏差,提高电能质量水平,在轻载运行条件下易导致并网点电压升高,电压偏差增大,降低电网的可靠性,因此需要对DG并网点处的电压偏差进行考察;同时,由于风资源的波动性及风电机组自身特性,分布式风电引起的谐波问题是对电网电能质量的主要负面影响之一;其次,由于风电机组自身的一些固有特性,如风剪切、塔影效应、叶片重力误差以及偏航误差等,电压闪变是风力发电引起的主要电能质量问题。新能源并网规划是一个长时间尺度的决策过程,电压波动与电压暂降发生时间较短,在长时间尺度模型易产生较大误差,因此,本申请实施例选取电压偏差、电压闪变和电压谐波作为电能质量指标。
电压偏差的计算公式为:
由于本申请主要针对长时间尺度的并网规划,电压闪变仅参考长时间闪变数据进行指标评价。风电机组并网点长时间闪变值按照其产生原因可分为持续运行过程和切换操作过程,持续运行过程导致长时间闪变值远大于切换操作过程的闪变值,因此,本申请实施例仅选取持续运行过程中产生的长时间闪变值,具体计算公式为:
式中,Plt,c为风电机组并网点持续运行过程中的电压闪变值,Sk为发电机组并网点的短路容量,为风电机组并网点电网等效阻抗的阻抗值,va为年平均风速,为风电机组的闪变系数,Sn,i为风电机组i的额定视在功率,Nw,n为风电机组数量。
在得到风电机组并网点电压闪变值后,可以通过电压闪变传递公式对系统其它节点进行传递计算,电压闪变传递公式为:
PltA=TBA·PltB;
式中,为节点B的电压闪变值传递到节点A的传递系数,PltA为节点B的电压闪变值传递到节点A,在节点A引起的电压闪变值;PltB为节点B上的电压闪变值,S′scA为节点B短路时节点A流向节点B的短路容量,SscA为节点A的短路容量,S′scB为节点A短路时节点B流向节点A的短路容量。
电压谐波采用电压总谐波畸变率进行衡量,计算公式为:
式中,THDu为电压总谐波畸变率,Uh为第h次谐波电压,U1为基波电压。本申请实施例是基于风电机组注入谐波电流采用线性分析法确定各节点谐波电压,具体的,由调度模型确定各风电场出力,计算配电网基波潮流,从而确定各风电场并网点电压值,根据风电场出力及对应并网点电压值确定风电场注入电网电流,确定注入谐波电流Ih大小,然后根据各次谐波网络参数Yh计算谐波电压Uh,其中,Ih=YhUh。
通过上述公式可以计算得到各电能质量指标的指标值。
步骤102、获取各电能质量指标的指标权重,并根据各电能质量指标的指标值和指标权重计算各节点的电能质量综合评估值。
S1021、根据各电能质量指标之间的重要性,构建判断矩阵;
将各电能质量指标之间的重要性依次进行比较,通过表1确定相应的标度ti。
表1标度含义
在确定各标度值后,按照各指标重要程度的传递性计算其他元素值并建立判断矩阵A:
其中,n为电能质量指标个数。
S1022、通过判断矩阵计算各电能质量指标的主观权重;
通过判断矩阵A计算各电能质量指标的主观权重,即:
式中,si为第i个电能质量指标的主观权重,aij为判断矩阵A中的第i行第j列的元素。
S1023、对各电能质量指标的指标值进行归一化,计算各归一化后电能质量指标的标准差,得到各电能质量指标的指标对比强度;
计算各归一化后电能质量指标的标准差,得到各电能质量指标的指标对比强度CI=Sj,Sj为第j个电能质量指标的标准差;指标对比强度CI反映了某一确定指标在不同方案取值差异的大小,通常用样本中各指标的标准差来体现,标准差越大,表示该指标取值差异越大,其包含信息量越大,权重值应越大。
S1024、根据各归一化后电能质量指标之间的相关系数计算指标冲突性;
指标冲突性CT反映了指标间相关性的强弱,可以用各指标相关系数进行表示,某指标与其他指标相关系数越小,表明指标间冲突性大,其包含相异信息越多,赋予权重值应越大。指标冲突性CT计算公式为:
式中,rij为指标i与j之间的相关系数,具体计算过程属于现有技术,在此不再进行赘述,n为指标数。
S1025、根据各电能质量指标的指标对比强度和指标冲突性计算各电能质量指标的客观权重;
S1026、综合各电能质量指标的主观权重和客观权重,得到各电能质量指标的指标权重;
S1027、根据各电能质量指标的指标值和指标权重计算各节点的电能质量综合评估值;
将各电能质量指标的指标值与对应的指标权重加权求和,得到各节点的电能质量综合评估值。假设测量得到的各电能质量指标的指标值的向量为M=[m1,m2,...,mn],指标权重向量为Q=[q1,q2,...,qn],则电能质量综合评估值S=M×QT。
步骤103、构建风储联合双层优化模型,风储联合双层优化模型包括下层日运行优化调度模型和上层年优化配置模型,下层日运行优化调度模型以配电网系统各节点售电电能质量综合结果最优为目标函数,上层年优化配置模型以发电系统年总收益和总弃风率为目标函数。
构建风储联合双层优化模型,其由下层日运行优化调度模型和上层年优化配置模型双层构成,如图2所示。下层为短时间尺度的日优化调度运行层,目标函数为配电网系统各节点售电电能质量综合结果最优,由于综合评估值越小代表该节点电能质量水平越高,因此其目标函数为:
式中,fpq为配电网系统典型日售电电能质量综合结果,Si,t为节点i在t时刻的电能质量综合评估值,Pload,i,t为节点i在t时刻的负荷功率,n为配电网节点数;
下层日运行优化调度模型决策变量为各风电场出力、储能机组出力和外电网出力,下层日运行优化调度模型为单目标优化问题,下层日运行优化调度模型在优化过程中的约束条件如下:
系统潮流约束:式中,Pi.t、Qi.t分别为t时刻节点i注入的有功功率、无功功率,Ui.t、Uj.t分别为t时刻节点i和节点j的实际电压,Gij、Bij和θij分别为节点i和节点j间的电导、电纳和功率角,N为系统的节点总数;
储能能量约束:式中,Ses,i.t为储能系统在t时刻的荷电状态,δ为储能系统的自放电率,分别为储能系统在t时刻的充电功率、放电功率;ηc、ηd分别为储能系统的充电效率、放电效率;Es为储能系统的容量,Smax、Smin分别为储能系统荷电状态上下限
传输线功率约束:Pi-j≤Pi-j,max,式中,Pi-j、Pi-j,max分别为节点i与节点j间的传输线功率、传输线功率上限值。
上层为长时间尺度的年优化配置层,目标函数包括发电系统年总收益和总弃风率,发电系统年总收益的计算公式为:
式中,fsum,in为发电系统年总收益,N为发电系统节点数,Pload,k,t,n为第k天t时刻节点n的负荷功率,为全年各电源总运维成本,为风电机组年均安装成本,为储能机组年均安装成本,pk,t,n为第k天t时刻节点n的波动售电电价,基于电能质量评估结果的阶梯售电电价可以设置为两部分,一部分是基础上网电价,另一部分是由发电商提供电能的电能质量所决定,即p=p0+Q·p1,p为各电源售电电价,p0为基础电价,p1为电能质量奖惩电价,可设置为基础电价的1/2或1/3,Q为波动电价加权系数。
总弃风率的计算公式为:
上层年优化配置模型为多目标优化问题,决策变量为风电机组和储能机组的安装位置及容量,约束条件包括:
节点风电安装容量约束:Pi min≤Pi≤Pi max,式中,Pi max、Pi min为各节点风电机组安装容量上下限;
步骤104、将上层产生的配电网风电机组和储能机组的接入位置和容量传递至下层,对下层日运行优化调度模型进行优化,根据得到的下层日优化调度结果更新上层年优化配置模型的目标函数值后进行寻优,获取最优配置容量。
在上层产生配电网风电机组和储能机组的接入位置和容量后,将配置参数(即风电机组和储能机组的接入位置和容量)传递至下层进行优化调度;下层日运行优化调度模型在采用蒙特卡洛算法抽取典型日运行场景后,以配电网系统各节点售电电能质量综合结果最优进行优化计算,从而获得各风电场出力、储能机组出力及外电网出力;上层年优化配置模型以下层日优化调度结果更新目标函数值从而进行寻优,获取最优配置容量。通过优化求解风储联合双层优化模型,获得满足约束条件的配电网风储联合最优规划方案。
本申请实施例中,在对新能源并网规划过程涉及的电能质量问题,采用多个电能质量指标,综合考虑风电机组并网对配电网的影响,获取电能质量综合评估值,构建的风储联合双层规划模型为双层模型,下层为短时间尺度的日优化调度运行层,保证配电网系统电能质量处于高水平,上层为长时间尺度的年优化配置层,通过引入“以质定电价”机制下以电能质量综合评估为基础的动态波动电价模型,保证了配电网系统风储并网的经济性、可靠性和绿色性,提高了新能源与储能的规划配置、消纳运行和安全运行水平,从而改善现有技术在规划过程中只将电能质量问题作为约束来进行模型目标函数的计算,未进一步分析各新能源接入对电网的影响,无法获取最优的规划配置方案的技术问题。
以上为本申请提供的一种配电网风储联合优化配置方法的一个实施例,以下为本申请提供的一种配电网风储联合优化配置装置的一个实施例。
请参考图3,本申请实施例提供的一种配电网风储联合优化配置装置,包括:
获取单元,用于在确定配电网系统各节点的电能质量指标后,根据该配电网系统的实际运行状态获取各电能质量指标的指标值;
计算单元,用于获取各电能质量指标的指标权重,并根据各电能质量指标的指标值和指标权重计算各节点的电能质量综合评估值;
构建单元,用于构建风储联合双层优化模型,风储联合双层优化模型包括下层日运行优化调度模型和上层年优化配置模型,下层日运行优化调度模型以配电网系统各节点售电电能质量综合结果最优为目标函数,上层年优化配置模型以发电系统年总收益和总弃风率为目标函数;
优化单元,用于将上层产生的配电网风电机组和储能机组的接入位置和容量传递至下层,对下层日运行优化调度模型进行优化,根据得到的下层日优化调度结果更新上层年优化配置模型的目标函数值后进行寻优,获取最优配置容量。
作为进一步地改进,电能质量指标包括电压偏差、电压闪变和电压谐波;
电压偏差的计算公式为:
电压闪变的计算公式为:
式中,Plt,c为风电机组并网点持续运行过程中的电压闪变值,Sk为发电机组并网点的短路容量,为风电机组并网点电网等效阻抗的阻抗值,va为年平均风速,为风电机组的闪变系数,Sn,i为风电机组i的额定视在功率,Nw,n为风电机组数量;
电压谐波采用电压总谐波畸变率进行衡量,电压总谐波畸变率的计算公式为:
式中,THDu为电压总谐波畸变率,Uh为第h次谐波电压,U1为基波电压。
作为进一步地改进,下层日运行优化调度模型的目标函数为:
式中,fpq为配电网系统典型日售电电能质量综合结果,Si,t为节点i在t时刻的电能质量综合评估值,Pload,i,t为节点i在t时刻的负荷功率,n为配电网节点数;
下层日运行优化调度模型在优化过程中的约束条件包括系统潮流约束、储能能量约束、储能充放电约束、风电场出力约束和传输线功率约束;
上层年优化配置模型的目标函数为:
式中,fsum,in为发电系统年总收益,N为发电系统节点数,Pload,k,t,n为第k天t时刻节点n的负荷功率,为全年各电源总运维成本,为风电机组年均安装成本,为储能机组年均安装成本,pk,t,n为第k天t时刻节点n的波动售电电价,fwc为总弃风率,为t时刻第n个风电场的最大出力,Pwind,i,t为t时刻风电场的实际出力,Nw为风电场个数;
上层年优化配置模型在优化过程中的约束条件包括节点风电安装容量约束和电网系统总安装容量约束。
本申请实施例中,在对新能源并网规划过程涉及的电能质量问题,采用多个电能质量指标,综合考虑风电机组并网对配电网的影响,获取电能质量综合评估值,构建的风储联合双层规划模型为双层模型,下层为短时间尺度的日优化调度运行层,保证配电网系统电能质量处于高水平,上层为长时间尺度的年优化配置层,通过引入“以质定电价”机制下以电能质量综合评估为基础的动态波动电价模型,保证了配电网系统风储并网的经济性、可靠性和绿色性,提高了新能源与储能的规划配置、消纳运行和安全运行水平,从而改善现有技术在规划过程中只将电能质量问题作为约束来进行模型目标函数的计算,未进一步分析各新能源接入对电网的影响,无法获取最优的规划配置方案的技术问题。
本申请实施例还提供了一种配电网风储联合优化配置设备,设备包括处理器以及存储器;
存储器用于存储程序代码,并将程序代码传输给处理器;
处理器用于根据程序代码中的指令执行前述方法实施例中的配电网风储联合优化配置方法。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质用于存储程序代码,程序代码被处理器执行时实现前述方法实施例中的配电网风储联合优化配置方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以通过一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种配电网风储联合优化配置方法,其特征在于,包括:
在确定配电网系统各节点的电能质量指标后,根据该配电网系统的实际运行状态获取各所述电能质量指标的指标值;
获取各所述电能质量指标的指标权重,并根据各所述电能质量指标的指标值和所述指标权重计算各节点的电能质量综合评估值;
构建风储联合双层优化模型,所述风储联合双层优化模型包括下层日运行优化调度模型和上层年优化配置模型,所述下层日运行优化调度模型以配电网系统各节点售电电能质量综合结果最优为目标函数,所述上层年优化配置模型以发电系统年总收益和总弃风率为目标函数;
将上层产生的配电网风电机组和储能机组的接入位置和容量传递至下层,对所述下层日运行优化调度模型进行优化,根据得到的下层日优化调度结果更新所述上层年优化配置模型的目标函数值后进行寻优,获取最优配置容量。
2.根据权利要求1所述的配电网风储联合优化配置方法,其特征在于,所述电能质量指标包括电压偏差、电压闪变和电压谐波;
所述电压偏差的计算公式为:
所述电压闪变的计算公式为:
式中,Plt,c为风电机组并网点持续运行过程中的电压闪变值,Sk为发电机组并网点的短路容量,为风电机组并网点电网等效阻抗的阻抗值,va为年平均风速,为风电机组的闪变系数,Sn,i为风电机组i的额定视在功率,Nw,n为风电机组数量;
所述电压谐波采用电压总谐波畸变率进行衡量,所述电压总谐波畸变率的计算公式为:
式中,THDu为电压总谐波畸变率,Uh为第h次谐波电压,U1为基波电压。
3.根据权利要求1所述的配电网风储联合优化配置方法,其特征在于,所述获取各所述电能质量指标的指标权重,包括:
根据各所述电能质量指标之间的重要性,构建判断矩阵;
通过所述判断矩阵计算各所述电能质量指标的主观权重;
对各所述电能质量指标的指标值进行归一化,计算各归一化后电能质量指标的标准差,得到各所述电能质量指标的指标对比强度;
根据各归一化后电能质量指标之间的相关系数计算指标冲突性;
根据各所述电能质量指标的指标对比强度和指标冲突性计算各所述电能质量指标的客观权重;
综合各所述电能质量指标的主观权重和客观权重,得到各所述电能质量指标的指标权重。
6.一种配电网风储联合优化配置装置,其特征在于,包括:
获取单元,用于在确定配电网系统各节点的电能质量指标后,根据该配电网系统的实际运行状态获取各所述电能质量指标的指标值;
计算单元,用于获取各所述电能质量指标的指标权重,并根据各所述电能质量指标的指标值和所述指标权重计算各节点的电能质量综合评估值;
构建单元,用于构建风储联合双层优化模型,所述风储联合双层优化模型包括下层日运行优化调度模型和上层年优化配置模型,所述下层日运行优化调度模型以配电网系统各节点售电电能质量综合结果最优为目标函数,所述上层年优化配置模型以发电系统年总收益和总弃风率为目标函数;
优化单元,用于将上层产生的配电网风电机组和储能机组的接入位置和容量传递至下层,对所述下层日运行优化调度模型进行优化,根据得到的下层日优化调度结果更新所述上层年优化配置模型的目标函数值后进行寻优,获取最优配置容量。
7.根据权利要求6所述的配电网风储联合优化配置装置,其特征在于,所述电能质量指标包括电压偏差、电压闪变和电压谐波;
所述电压偏差的计算公式为:
所述电压闪变的计算公式为:
式中,Plt,c为风电机组并网点持续运行过程中的电压闪变值,Sk为发电机组并网点的短路容量,为风电机组并网点电网等效阻抗的阻抗值,va为年平均风速,为风电机组的闪变系数,Sn,i为风电机组i的额定视在功率,Nw,n为风电机组数量;
所述电压谐波采用电压总谐波畸变率进行衡量,所述电压总谐波畸变率的计算公式为:
式中,THDu为电压总谐波畸变率,Uh为第h次谐波电压,U1为基波电压。
8.根据权利要求6所述的配电网风储联合优化配置装置,其特征在于,所述下层日运行优化调度模型的目标函数为:
式中,fpq为配电网系统典型日售电电能质量综合结果,Si,t为节点i在t时刻的电能质量综合评估值,Pload,i,t为节点i在t时刻的负荷功率,n为配电网节点数;
所述下层日运行优化调度模型在优化过程中的约束条件包括系统潮流约束、储能能量约束、储能充放电约束、风电场出力约束和传输线功率约束;
所述上层年优化配置模型的目标函数为:
式中,fsum,in为发电系统年总收益,N为发电系统节点数,Pload,k,t,n为第k天t时刻节点n的负荷功率,为全年各电源总运维成本,为风电机组年均安装成本,为储能机组年均安装成本,pk,t,n为第k天t时刻节点n的波动售电电价,fwc为总弃风率,为t时刻第n个风电场的最大出力,Pwind,i,t为t时刻风电场的实际出力,Nw为风电场个数;
所述上层年优化配置模型在优化过程中的约束条件包括节点风电安装容量约束和电网系统总安装容量约束。
9.一种配电网风储联合优化配置设备,其特征在于,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的配电网风储联合优化配置方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码被处理器执行时实现权利要求1-5任一项所述的配电网风储联合优化配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210126486.8A CN114465276A (zh) | 2022-02-10 | 2022-02-10 | 一种配电网风储联合优化配置方法及其相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210126486.8A CN114465276A (zh) | 2022-02-10 | 2022-02-10 | 一种配电网风储联合优化配置方法及其相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114465276A true CN114465276A (zh) | 2022-05-10 |
Family
ID=81412828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210126486.8A Pending CN114465276A (zh) | 2022-02-10 | 2022-02-10 | 一种配电网风储联合优化配置方法及其相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114465276A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118017563A (zh) * | 2024-04-08 | 2024-05-10 | 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 |
-
2022
- 2022-02-10 CN CN202210126486.8A patent/CN114465276A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118017563A (zh) * | 2024-04-08 | 2024-05-10 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679658B (zh) | 一种高比例清洁能源接入下的输电网规划方法 | |
CN113609649B (zh) | 一种构建基于机会约束的配电网中压线路规划模型的方法 | |
CN110288208B (zh) | 一种辐射型配电网可靠性与经济性的综合评估方法 | |
CN109818369B (zh) | 一种计及出力模糊随机性的分布式电源规划方法 | |
CN102915472A (zh) | 基于基因修复混沌遗传算法的配电网综合优化规划方法 | |
Džamarija et al. | Autonomous curtailment control in distributed generation planning | |
CN112952807B (zh) | 考虑风电不确定性与需求响应的多目标优化调度方法 | |
Abou El-Ela et al. | Optimal placement and sizing of distributed generation units using different cat swarm optimization algorithms | |
CN111950900B (zh) | 一种电力系统源网荷储本质安全风险评估方法 | |
CN113240261A (zh) | 一种区域电能质量监测分析系统 | |
CN113112114A (zh) | 一种储能电站在线评估方法和装置 | |
CN112531689A (zh) | 受端电力系统的源网荷储协调控制能力评估方法和设备 | |
CN114465276A (zh) | 一种配电网风储联合优化配置方法及其相关装置 | |
CN110661250A (zh) | 含风光储发输电系统的可靠性评估方法及系统 | |
CN114037209A (zh) | 分布式光伏接入直流配电系统综合效益分析方法及装置 | |
CN114662809A (zh) | 一种综合能源园区内供电电源的电能质量评价方法和系统 | |
CN113364043A (zh) | 一种基于条件风险价值的微电网群优化方法 | |
CN112653185B (zh) | 一种分布式可再生能源发电系统的效率评估方法和系统 | |
CN112016838B (zh) | 配电网能效指标体系的贡献率计算方法、系统及终端设备 | |
CN114925962A (zh) | 基于节点边际电价的有源配电网运行灵活性量化分析方法 | |
CN113793022A (zh) | 基于分布式云储能的电网投资规划方案生成方法及系统 | |
CN112734274A (zh) | 一种低碳电网运营主导影响因素挖掘及综合评估方法 | |
Wang et al. | Evaluation Methods for the Development of New Power Systems Based on Cloud Model | |
CN116050945B (zh) | 一种用于配电网末端低压台区降损分析评价系统及方法 | |
CN117639107B (zh) | 配电网电能质量评估方法及系统 |
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 |