CN114530848B - 一种光储虚拟电厂多时间尺度动态划分方法 - Google Patents

Abstract

本发明公开了一种光储虚拟电厂多时间尺度动态划分方法，包括：步骤1：获取初始可行的划分方案,并设置动态划分的初始划分线路；步骤2：建立以ΔT为时间尺度的动态划分模型，进行模型求解，将在MΔT时间内的求解结果作为第一个ΔT时间内的动态划分方案；步骤3：对步骤2获得的动态划分方案进行反馈校正；步骤4：判断优化时间是否结束，若未满足优化时间，重复步骤2至步骤3，时间窗口不断移动，完成整个优化时间内的多时间尺度动态划分，直至优化时间结束为止。本发明以动态划分方法获得与电网实际运行工况匹配的最优划分方案。

Description

一种光储虚拟电厂多时间尺度动态划分方法

技术领域

本发明涉及一种光储虚拟电厂多时间尺度动态划分方法，属于配电网技术领域。

背景技术

储能装置接入含有分布式光伏的配电网可以很好的提高分布式光伏的消纳能力，提高分布式光伏的利用率，但分布式光伏接入点多且分散，导致配电网的控制难度增加，采用光储虚拟电厂划分技术可以将配电网区块进行划分以提高虚拟电厂的独立自治能力，实现由面到点的控制，降低配电网的控制难度。

在现有技术中，公开日期为2017年2月的文献《改进粒子群优化算法及其在电网无功分区中的应用》(于琳等，山东大学)建立电力系统加权网络模型，采用改进的粒子群算法得到全域最优解。上述文献的技术方案存在的缺点为：采用启发式优化算法，通用性不足。公开日期为2019年4月的文献《基于AP聚类的含分布式光伏的配电网分区方法》(刘颖等，华北电力大学)从电压控制的角度，建立节点间电气距离期望矩阵，采用AP聚类算法对配电网进行分区。上述文献存在的技术缺点为：未考虑配电网各节点间的功率互补特性，源网荷储间的配合不够。公开日期为2020年3月的文献《含可再生分布式电源参与调控的配电网动态分区实时无功优化方法》考虑可再生分布式电源无功调节特性，基于配电网拓扑结构标进行初始分区，并结合模块度指标和无功储备约束进行实时调整，得到最优分区方案，进行无功电压调控。上述文献存在的缺点为：该动态集群划分方法还有一定的不足，电压调控过程中各分区间仍存在相互影响，难以精确匹配电网实际运行工况的变化。

上述文献提到的配电网划分方法均未能考虑全天中配电网的实际运行状况，对划分出的区块进行实时跟踪并做出及时调整，且上述方法以配电网的电压调控为主，难以反映出划分后的区块的本身特点。因此，现有技术未解决如何通过配电网动态划分方法，确立光储虚拟电厂优化划分模型，获得与电网实际运行工况匹配的最优划分方案。

发明内容

本发明的目的在于提供一种光储虚拟电厂多时间尺度动态划分方法，考虑全天中配电网的实际运行状况，对划分出的区块进行实时跟踪并做出及时调整，获得与电网实际运行工况匹配的最优划分方案。

本发明的目的通过以下技术方案予以实现：

一种光储虚拟电厂多时间尺度动态划分方法，包括如下步骤：

步骤1：根据电网拓扑结构，对电网线路进行编号，采用枚举法得到基本划分方案，并把不满足光储虚拟电厂基本条件的划分方案进行删减获取初始可行的划分方案,并设置动态划分的初始划分线路；

步骤2：建立以ΔT为时间尺度的动态划分模型，获取MΔT时间窗口内的日前光伏、储能预测出力数据，并进行潮流计算获取配电网线路功率、节点功率和节点电压电流值，基于获取的配电网线路功率、节点功率和电压电流值进行模型求解，将在MΔT时间内的求解结果作为第一个ΔT时间内的动态划分方案；

步骤3：对步骤2获得的动态划分方案进行反馈校正，建立以Δt为时间尺度的反馈校正划分模型，求解反馈校正模型，判断反馈校正次数是否满足设定次数，不满足则继续进行反馈校正，直至满足为止，并以反馈校正后的划分结果为ΔT时间内最终划分方案；

步骤4：判断优化时间是否结束，若未满足优化时间，则取步骤3中在ΔT时间内最后一个Δt的划分方案设置为动态划分的初始划分线路，动态划分窗口移动ΔT,进行下一个时间窗口的动态划分，重复步骤2至步骤3，时间窗口不断移动，完成整个优化时间内的多时间尺度动态划分，直至优化时间结束为止。

本发明的目的还可以通过以下技术措施来进一步实现：

前述一种光储虚拟电厂多时间尺度动态划分方法，步骤1中，满足光储虚拟电厂基本条件的划分方案是指，光储虚拟电厂需同时存在分布式光伏和储能装置，且形成的虚拟电厂需存在至少两个电网节点形成电网拓扑结构，划分方案用不同光储虚拟电厂间的线路编号来表示，通过枚举法并进行筛选后获得初始可行的划分方案为：

H^*＝H-H_d-H₀

式中H^*为光储虚拟电厂初始可行的划分方案，H为枚举法获取的基本划分方案，H_d为光储虚拟电厂只含有单一节点的划分方案，H₀为光储虚拟电厂未同时含有至少一个分布式光伏和储能装置且存在至少两个节点的划分方案，l为划分时虚拟电厂间线路数量；N为配电网节点数，C为排列组合符号。

前述一种光储虚拟电厂多时间尺度动态划分方法，步骤2中，建立以ΔT为时间尺度的动态划分模型，动态划分模型包括目标函数与约束条件，动态划分模型的建立过程为：

步骤1：建立动态划分总目标函数：

其中T₀为动态划分的初始时刻，MΔT为动态划分时间窗口，F₁为光储虚拟电厂消纳目标函数，F₂为虚拟电厂供电能力目标函数，F₃为光储电厂间功率流动目标函数，F₄为光储虚拟电厂维度目标函数，F₅为光储虚拟电厂分区变动目标函数；

对于光储虚拟电厂消纳目标函数F₁，因光储虚拟电厂可以提高光伏的消纳能力，于是定义光储虚拟电厂消纳目标函数F₁为：

F₁＝α₁×max(P_PV,k(T)+P_E,k(T)-P_L,k(T))

其中P_PV,k(T)为T时刻第k个光储虚拟电厂的总光伏出力；P_E,k(T)为T时刻第k个光储虚拟电厂的总储能功率；P_L,k(T)为T时刻第k个光储虚拟电厂的总负荷，α₁为光储消纳能力权重系数；

对于目标函数F₂，每个光储虚拟电厂中光伏储能出力需达到一定的电力功率支撑，实现光储虚拟电厂的自治运行，供电能力目标函数F₂为：

其中p_k(T)为T时刻第k个光储虚拟电厂的供电率，供电率即光储虚拟电厂中光伏和储能的输出功率对虚拟电厂内负荷的供应程度，供电率过大会使光储的功率过剩，过小会导致光储虚拟电厂无法正常运行，因此需寻求一个合适的值；P_i,pv(T)为T时刻节点i光伏输出的有功功率；P_i,E(T)为T时刻节点i储能装置的有功功率，大于0为释放功率作为电源，小于0为吸入功率作为负荷；P_i,load(T)为T时刻节点i负荷所消耗的有功功率；n_p.pv为虚拟电厂中分布式光伏的个数；n_p.E为虚拟电厂中储能装置的个数；n_p.load为虚拟电厂中节点数，α₂为供电独立性权重系数，n_p(T)为T时刻的光储虚拟电厂数；

对于目标函数F₃，光储虚拟电厂线路间功率流动越小，可以降低光储虚拟电厂的控制难度，光储电厂间功率流动目标函数F₃为：

其中P_s(T)和Q_s(T)分别为T时刻第s条光储虚拟电厂间线路上的有功和无功功率，α₃为光储虚拟电厂间流动权重系数，m(T)是T时刻光储电厂间的线路数，n_p(T)为T时刻的光储虚拟电厂数；

对于目标函数F₄，光储虚拟电厂划分可以减少控制维度，光储虚拟电厂维度目标函数F₄为：

F₄＝α₄×max(n_k(T))k＝1,2，...，n_k

其中α₄为光储虚拟电厂维度权重系数；n_k(T)为T时刻第k个光储虚拟电厂内的总节点数；

对于目标函数F₅，光储虚拟电厂划分不易变动过大，需控制在一定范围，光储虚拟电厂分区变动目标函数F₅为；

其中α₅为光储虚拟电厂间线路变动权重系数，l_j(T)和l_j(T-ΔT)分别为T时刻和T-ΔT时刻第j条光储虚拟电厂间的线路编号；n_p(T)-1为T时刻光储虚拟电厂间线路总数；

步骤2：因各子目标表示的性质和量纲不同，采用离差排序法和归一法将多个不同子目标函数聚合为单一目标函数:

针对k个子目标，先求出各子目标函数minF_i(i＝1,2,…,k)对应的最优解x_i(i＝1,2,…,k),在解x_i(i＝1,2,…,k)下计算各子目标函数离差，离差为：

δ_i＝F_i ^j(x_j)-F_i ⁱ(x_i),i＝1,2,...,k；j＝1,2,...,k

其中δ_i为子目标函数F_i的离差，x_i为minF_i时的最优解；F^j _i(x_j)为F_i的解取x_j时的目标函数值，Fⁱ _i(x_i)为F_i的解取x_i时的目标函数值；

子目标函数minF_i(i＝1,2,…,k)的离差平均值η_i(i＝1,2,…,k)为：

其中η_i为F_i的离差平均值；k为子目标函数个数；δ^j _i为F_i的解取x_j时的离差；

得到权重系数α_i为：

其中η_j为F_j(j＝1,2,…,k)的离差平均值，再将权重系数和目标函数均差按大小顺序分布排列，将较大的权重系数赋给较小的子目标函数，将较小的权重系数赋给较大的目标函数；α₁、α₂、α₃、α₄、α₅经计算得分别为：0.3165,0.2341,0.2014,0.1356,0.1124；

最后将子目标函数采用min-max归一化方法，得到归一化后的子目标函数：

式中：F*_i为目标函数F_i归一化后的目标函数；F_i.min为函数F_i在解集为{x|x_i,i＝1,2,…,k}的最小值；F_i.max为函数F_i在解集为{x|x_i,i＝1,2,…,k}的最大值；

步骤3：最终得到对含大量光伏和储能的配电网进行光储虚拟电厂划分的长时间尺度优化划分目标函数F^*为：

其中：F^* ₁、F^* ₂、F^* ₃、F^* ₄、F^* ₅分别为子目标函数F₁、F₂、F₃、F₄、F₅进行归一化后的子目标函数；

步骤4：建立动态划分的约束条件，动态划分约束条件主要包括：

(1)分布式光伏需要满足功率约束条件为：

(P_PV,ki(T))²+(Q_PV,ki(T))²≤(S_PV,ki,max)²

其中P_PV,ki(T)和Q_PV,ki(T)分别为T时刻第k个光储虚拟电厂中节点i的光伏有功和无功功率；S_PV,ki,max为第k个光储虚拟电厂中节点i的光伏视在功率上限值，视在功率上限值设置为装机容量；

(2)储能装置需要满足的约束条件为：

SOC_min＜SOC(T)＜SOC_max

其中SOCmin、SOCmax分别表示储能装置的荷电量最小值和最大值；SOC(T)表示T时刻储能装置的剩余荷电量；

(3)光储虚拟电厂需具有一定的独立性，因此光储虚拟电厂供电率的约束条件为：

p_k(T)＞p_k.min

其中p_k(T)为T时刻第k个光储虚拟电厂的供电率，p_k,min为第k个光储虚拟电厂一级重要负荷比；

(4)光储虚拟电厂的节点电压和线路的电流需在一定的安全范围内，需满足的约束条件为：

U_i,min≤U_i≤U_i,max

|I_ij|≤I_ij,max

其中U_i,min和U_i,max分别是i节点电压最小值和最大值；I_ij和I_ij,max分别是支路ij流过的电流和允许流过电流的最大值。

前述一种光储虚拟电厂多时间尺度动态划分方法，步骤3中，反馈校正划分是根据日内配电网分布式光伏和储能的实际功率数据对动态划分结果进行校正，防止划分结果变动过于频繁，反馈校正划分模型包括目标函数和约束条件；

反馈校正模型的目标函数F_f为：

其中l_j(t)和l_j(t-1)分别为t时刻和t-1时刻第j条光储虚拟电厂间的线路编号；n_p(t)-1为t时刻不同光储虚拟电厂间线路总数，n_p(t)为t时刻的光储虚拟电厂数；

反馈校正模型的约束条件为：

p_k(t)＞p_k.min

其中p_k(t)为t时刻第k个光储虚拟电厂的供电率，p_k,min为第k个光储虚拟电厂一级重要负荷比。

与现有技术相比，本发明的有益效果是：全天划分结果稳定，分区变动小，实现了配电网降维及减小控制难度。在动态划分下，光储虚拟电厂仅通过电厂内光伏和储能就可以很大程度上实现独立自治，所需电厂间的交换功率以及大电网电力支撑均少于静态划分方法，体现了所提出的动态划分方法的合理性与优越性，获得了与电网实际运行工况匹配的最优划分方案。

附图说明

图1是光储虚拟电厂多时间尺度动态划分流程图；

图2是多时间尺度动态划分时间窗口移动图；

图3是虚拟电厂间线路为4、6的划分结果图；

图4是虚拟电厂间线路为6的划分结果图；

图5是静态和动态划分光储最小供电率图；

图6是静态和动态划分电厂间功率流动指标图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

本发明的多时间尺度动态划分方法总体框架和优化理论为：提出多时间尺度总体框架，包含以ΔT为时间尺度的动态优化划分和以Δt(Δt<ΔT)为时间尺度的反馈校正划分。动态优化划分是以MΔT为时间窗口进行优化划分，并将MΔT时间内的划分结果作为MΔT中的第一个ΔT时间内的划分结果，随后反馈校正对获得的ΔT时间内的划分结果进行反馈校正，以反馈校正结果为最终的划分结果。每次时间窗口移动ΔT时间段，通过时间窗口不断移动实现对整个优化过程的动态划分过程。其中M表示时间尺度个数，ΔT表示动态划分时间窗口的划分时间段，Δt表示反馈校正划分时间段，M、ΔT、Δt可根据需求设定，本发明中是对全天24小时进行动态划分，设定动态划分时间窗口为2个小时，动态划分时间尺度为30分钟，反馈校正时间段为10分钟，即动态划分时间窗口为4ΔT,每个ΔT时间内需要进行3次反馈校正，对全天24小时进行动态划分动态时间窗口需要移动48次。

动态优化划分：针对光伏和储能间的互补特性，提出了一个光储虚拟电厂划分的综合性能模型，对未来MΔT时间内进行划分，并将动态划分时间窗口不断移动，实现全天配电网的动态划分。

反馈校正划分：反馈校正环节中，每隔一个Δt的时间尺度进行一次反馈校正，将ΔT内的划分结果设为反馈校正参考值，以反馈校正参考值与实际划分结果误差最小为目标，对光储虚拟电厂划分优化结果进行修正。反馈校正环节将当前配电网划分好的划分方案信息反馈回优化控制系统，形成闭环优化的划分，校正由预测偏差带来的集群划分方案误差，提升配电网的控制效果。

如图1、2所示，本发明的光储虚拟电厂多时间尺度动态划分方法，包括如下步骤：

步骤1：根据电网拓扑结构，对电网线路进行编号，采用枚举法得到基本划分方案，并把不满足光储虚拟电厂基本条件的划分方案进行删减获取初始可行的划分方案,并设置动态划分的初始划分线路；

步骤2：建立以ΔT为时间尺度的动态划分模型，获取MΔT时间窗口内的日前光伏、储能预测出力数据，并进行潮流计算获取配电网线路功率、节点功率和节点电压电流值，基于获取的配电网线路功率、节点功率和电压电流值进行模型求解，将在MΔT时间内的求解结果作为第一个ΔT时间内的动态划分方案；

步骤3：对步骤2获得的动态划分方案进行反馈校正，建立以Δt为时间尺度的反馈校正划分模型，求解反馈校正模型，判断反馈校正次数是否满足设定次数，不满足则继续进行反馈校正，直至满足为止，并以反馈校正后的划分结果为ΔT时间内最终划分方案；

步骤4：判断优化时间是否结束，若未满足优化时间，则取步骤3中在ΔT时间内最后一个Δt的划分方案设置为动态划分的初始划分线路，动态划分窗口移动ΔT,进行下一个时间窗口的动态划分，重复步骤2至步骤3，时间窗口不断移动，完成整个优化时间内的多时间尺度动态划分，直至优化时间结束为止。

进一步的，前述光储虚拟电厂多时间尺度动态划分方法，步骤1中，满足光储虚拟电厂基本条件的划分方案是指，光储虚拟电厂需同时存在分布式光伏和储能装置，且形成的虚拟电厂需存在至少两个电网节点形成电网拓扑结构，划分方案用不同光储虚拟电厂间的线路编号来表示，通过枚举法并进行筛选后获得初始可行的划分方案为：

H^*＝H-H_d-H₀

式中H^*为光储虚拟电厂初始可行的划分方案，H为枚举法获取的基本划分方案，H_d为光储虚拟电厂只含有单一节点的划分方案，H₀为光储虚拟电厂未同时含有至少一个分布式光伏和储能装置且存在至少两个节点的划分方案，l为划分时虚拟电厂间线路数量；N为配电网节点数，C为排列组合符号。

进一步的，前述光储虚拟电厂多时间尺度动态划分方法，步骤2中，建立以ΔT为时间尺度的动态划分模型，动态划分模型包括目标函数与约束条件，动态划分模型的建立过程为：

步骤1：建立动态划分总目标函数：

其中T₀为动态划分的初始时刻，MΔT为动态划分时间窗口，F₁为光储虚拟电厂消纳目标函数，F₂为虚拟电厂供电能力目标函数，F₃为光储电厂间功率流动目标函数，F₄为光储虚拟电厂维度目标函数，F₅为光储虚拟电厂分区变动目标函数；

对于光储虚拟电厂消纳目标函数F₁，因光储虚拟电厂可以提高光伏的消纳能力，于是定义光储虚拟电厂消纳目标函数F₁为：

F₁＝α₁×max(P_PV,k(T)+P_E,k(T)-P_L,k(T))

其中P_PV,k(T)为T时刻第k个光储虚拟电厂的总光伏出力；P_E,k(T)为T时刻第k个光储虚拟电厂的总储能功率；P_L,k(T)为T时刻第k个光储虚拟电厂的总负荷，α₁为光储消纳能力权重系数；

对于目标函数F₂，每个光储虚拟电厂中光伏储能出力需达到一定的电力功率支撑，实现光储虚拟电厂的自治运行，供电能力目标函数F₂为：

其中p_k(T)为T时刻第k个光储虚拟电厂的供电率，供电率即光储虚拟电厂中光伏和储能的输出功率对虚拟电厂内负荷的供应程度，供电率过大会使光储的功率过剩，过小会导致光储虚拟电厂无法正常运行，因此需寻求一个合适的值；P_i,pv(T)为T时刻节点i光伏输出的有功功率；P_i,E(T)为T时刻节点i储能装置的有功功率，大于0为释放功率作为电源，小于0为吸入功率作为负荷；P_i,load(T)为T时刻节点i负荷所消耗的有功功率；n_p.pv为虚拟电厂中分布式光伏的个数；n_p.E为虚拟电厂中储能装置的个数；n_p.load为虚拟电厂中节点数，α₂为供电独立性权重系数，n_p(T)为T时刻的光储虚拟电厂数；

对于目标函数F₃，光储虚拟电厂线路间功率流动越小，可以降低光储虚拟电厂的控制难度，光储电厂间功率流动目标函数F₃为：

其中P_s(T)和Q_s(T)分别为T时刻第s条光储虚拟电厂间线路上的有功和无功功率，α₃为光储虚拟电厂间流动权重系数，m(T)是T时刻光储电厂间的线路数，n_p(T)为T时刻的光储虚拟电厂数；

对于目标函数F₄，光储虚拟电厂划分可以减少控制维度，光储虚拟电厂维度目标函数F₄为：

F₄＝α₄×max(n_k(T))k＝1,2，...，n_k

其中α₄为光储虚拟电厂维度权重系数；n_k(T)为T时刻第k个光储虚拟电厂内的总节点数；

对于目标函数F₅，光储虚拟电厂划分不易变动过大，需控制在一定范围，光储虚拟电厂分区变动目标函数F₅为；

其中α₅为光储虚拟电厂间线路变动权重系数，l_j(T)和l_j(T-ΔT)分别为T时刻和T-ΔT时刻第j条光储虚拟电厂间的线路编号；n_p(T)-1为T时刻光储虚拟电厂间线路总数；

步骤2：因各子目标表示的性质和量纲不同，采用离差排序法和归一法将多个不同子目标函数聚合为单一目标函数:

针对k个子目标(k值根据子目标函数的个数取值，本发明设置k＝5)，先求出各子目标函数minF_i(i＝1,2,…,k)对应的最优解x_i(i＝1,2,…,k),在解x_i(i＝1,2,…,k)下计算各子目标函数离差，离差为：

δ_i＝F_i ^j(x_j)-F_i ⁱ(x_i),i＝1,2,...,k；j＝1,2,...,k

其中δ_i为子目标函数F_i的离差，x_i为minF_i时的最优解；F^j _i(x_j)为F_i的解取x_j时的目标函数值，Fⁱ _i(x_i)为F_i的解取x_i时的目标函数值；

子目标函数minF_i(i＝1,2,…,k)的离差平均值η_i(i＝1,2,…,k)为：

其中η_i为F_i的离差平均值；k为子目标函数个数；δ^j _i为F_i的解取x_j时的离差；

得到权重系数α_i为：

其中η_j为F_j(j＝1,2,…,k)的离差平均值，再将权重系数和目标函数均差按大小顺序分布排列，将较大的权重系数赋给较小的子目标函数，将较小的权重系数赋给较大的目标函数；α₁、α₂、α₃、α₄、α₅经计算得分别为：0.3165,0.2341,0.2014,0.1356,0.1124；

最后将子目标函数采用min-max归一化方法，得到归一化后的子目标函数：

式中：F*_i为目标函数F_i归一化后的目标函数；F_i.min为函数F_i在解集为{x|x_i,i＝1,2,…,k}的最小值；F_i.max为函数F_i在解集为{x|x_i,i＝1,2,…,k}的最大值；

步骤3：最终得到对含大量光伏和储能的配电网进行光储虚拟电厂划分的长时间尺度优化划分目标函数F^*为：

其中：F^* ₁、F^* ₂、F^* ₃、F^* ₄、F^* ₅分别为子目标函数F₁、F₂、F₃、F₄、F₅进行归一化后的子目标函数；

步骤4：建立动态划分的约束条件，动态划分约束条件主要包括：

(1)分布式光伏需要满足功率约束条件为：

(P_PV,ki(T))²+(Q_PV,ki(T))²≤(S_PV,ki,max)²

其中P_PV,ki(T)和Q_PV,ki(T)分别为T时刻第k个光储虚拟电厂中节点i的光伏有功和无功功率；S_PV,ki,max为第k个光储虚拟电厂中节点i的光伏视在功率上限值，视在功率上限值设置为装机容量；

(2)储能装置需要满足的约束条件为：

SOC_min＜SOC(T)＜SOC_max

其中SOCmin、SOCmax分别表示储能装置的荷电量最小值和最大值，本发明荷电量最小值和最大值分别设置为0.2和0.8；SOC(T)表示T时刻储能装置的剩余荷电量；

(3)光储虚拟电厂需具有一定的独立性，因此光储虚拟电厂供电率的约束条件为：

p_k(T)＞p_k.min

其中p_k(T)为T时刻第k个光储虚拟电厂的供电率，p_k,min为第k个光储虚拟电厂一级重要负荷比，设置为0.2；

(4)光储虚拟电厂的节点电压和线路的电流需在一定的安全范围内，需满足的约束条件为：

U_i,min≤U_i≤U_i,max

|I_ij|≤I_ij,max

其中U_i,min和U_i,max分别是i节点电压最小值和最大值；I_ij和I_ij,max分别是支路ij流过的电流和允许流过电流的最大值。

进一步的，前述光储虚拟电厂多时间尺度动态划分方法，步骤3中，反馈校正划分是根据日内配电网分布式光伏和储能的实际功率数据对动态划分结果进行校正，防止划分结果变动过于频繁，反馈校正划分模型包括目标函数和约束条件；

反馈校正模型的目标函数F_f为：

其中l_j(t)和l_j(t-1)分别为t时刻和t-1时刻第j条光储虚拟电厂间的线路编号；n_p(t)-1为t时刻不同光储虚拟电厂间线路总数，n_p(t)为t时刻的光储虚拟电厂数；

反馈校正模型的约束条件为：

p_k(t)＞p_k.min

其中p_k(t)为t时刻第k个光储虚拟电厂的供电率，p_k,min为第k个光储虚拟电厂一级重要负荷比，设置为0.2。

进一步的，前述光储虚拟电厂多时间尺度动态划分方法，步骤4中，多时间尺度动态划分是以不同时间尺度随着动态划分时间窗口移动逐步进行的动态划分过程，其中反馈校正环节是在每次动态划分结束后立即进行的，动态划分与反馈校正结束后才完成一个时间窗口的动态划分过程。多时间尺度动态划分主要过程为：步骤4.1：以MΔT为动态划分的时间移动窗口，从初始时刻T₀开始进行MΔT时间内的划分，取本次时间窗口的结果作为第一个ΔT的划分结果。步骤4.2：动态划分结束就开始进行反馈校正。对步骤4.1的结果，以Δt(Δt<ΔT)的时间尺度，逐步进行校正，当反馈校正次数满足要求则结束反馈校正过程，至此，一次MΔT时间窗口的动态划分完成。步骤4.3：若动态划分没结束，则获取ΔT内最后一次反馈校正划分方案设置为动态划分初始划分线路，时间窗口移动ΔT，进行下一次的动态划分。步骤4.4：当MΔT时间窗口移动满优化时间，则完成整个多时间尺度动态划分。

下面以具体实施例和具体检测数据对本发明产生的效果作出说明。

1.动态划分：在IEEE33节点中接入大量光伏和储能来进行情景模拟，系统总负荷为10MW，光伏总装机容量为8.7MW，储能总装机容量为1.5MW，各机组安装容量如表1所示。

表1各机组安装容量

采用本发明提出的光储虚拟电厂多时间尺度动态优化划分方法，所得划分结果如表2所示，其中虚拟电厂间线路为4、6划分出的3个光储虚拟电厂如图3所示，虚拟电厂间线路为6划分出的2个光储虚拟电厂如图4所示。如表2和图3-4所示，3个光储虚拟电厂下，分区数目和分区维度均适中，各电厂包含2个及以上分布式能源，满足供电率要求。2个光储虚拟电厂结果均处于夜间光伏不发力阶段，为满足负荷偏大时供电要求，由3个电厂减少为2个。全天划分结果稳定，分区变动很小，实现了配电网降维及减小控制难度。

表2动态划分结果

2.与静态划分对比：取配电网在12:00时刻的运行数据，采用静态划分方法，所得划分结果如表3所示。各光储虚拟电厂的光储最小供电率以及各电厂间功率流动指标对比如图5和图6所示。

表3静态划分结果

如表3和图5-6所示，静态划分得到4个光储虚拟电厂，虽然控制难度大大减小，但其光储最小供电率远小于动态划分。另外，动态划分下电厂间的功率交换指标远低于静态划分，即动态划分下，光储虚拟电厂仅通过电厂内光伏和储能就可以很大程度上实现独立自治，所需电厂间的交换功率以及大电网电力支撑均少于静态划分，体现了所提出的动态划分方法的合理性与优越性。

除上述实施例外，本发明还可以有其他实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围内。

Claims (2)

1.一种光储虚拟电厂多时间尺度动态划分方法，其特征在于，包括如下步骤：

步骤1：根据电网拓扑结构，对电网线路进行编号，采用枚举法得到基本划分方案，并把不满足光储虚拟电厂基本条件的划分方案进行删减获取初始可行的划分方案,并设置动态划分的初始划分线路；

满足光储虚拟电厂基本条件的划分方案是指，光储虚拟电厂需同时存在分布式光伏和储能装置，且形成的虚拟电厂需存在至少两个电网节点形成电网拓扑结构，划分方案用不同光储虚拟电厂间的线路编号来表示，通过枚举法并进行筛选后获得初始可行的划分方案为：

H^*＝H-H_d-H₀

式中H^*为光储虚拟电厂初始可行的划分方案，H为枚举法获取的基本划分方案，H_d为光储虚拟电厂只含有单一节点的划分方案，H₀为光储虚拟电厂未同时含有至少一个分布式光伏和储能装置且存在至少两个节点的划分方案，l为划分时虚拟电厂间线路数量；N为配电网节点数，C为排列组合符号；

步骤2：建立以ΔT为时间尺度的动态划分模型，获取MΔT时间窗口内的日前光伏、储能预测出力数据，并进行潮流计算获取配电网线路功率、节点功率和节点电压电流值，基于获取的配电网线路功率、节点功率和电压电流值进行模型求解，将在MΔT时间内的求解结果作为第一个ΔT时间内的动态划分方案，M表示时间尺度个数；

建立以ΔT为时间尺度的动态划分模型，动态划分模型包括目标函数与约束条件，动态划分模型的建立过程为：

步骤(1)：建立动态划分总目标函数：

其中T₀为动态划分的初始时刻，MΔT为动态划分时间窗口，F₁为光储虚拟电厂消纳目标函数，F₂为虚拟电厂供电能力目标函数，F₃为光储电厂间功率流动目标函数，F₄为光储虚拟电厂维度目标函数，F₅为光储虚拟电厂分区变动目标函数；

定义光储虚拟电厂消纳目标函数F₁为：

F₁＝α₁×max(P_PV,k(T)+P_E,k(T)-P_L,k(T))

其中P_PV,k(T)为T时刻第k个光储虚拟电厂的总光伏出力；P_E,k(T)为T时刻第k个光储虚拟电厂的总储能功率；P_L,k(T)为T时刻第k个光储虚拟电厂的总负荷，α₁为光储消纳能力权重系数；

虚拟电厂供电能力目标函数F₂为：

其中p_k(T)为T时刻第k个光储虚拟电厂的供电率，供电率即光储虚拟电厂中光伏和储能的输出功率对虚拟电厂内负荷的供应程度；P_i,pv(T)为T时刻节点i光伏输出的有功功率；P_i,E(T)为T时刻节点i储能装置的有功功率；P_i,load(T)为T时刻节点i负荷所消耗的有功功率；n_p.pv为虚拟电厂中分布式光伏的个数；n_p.E为虚拟电厂中储能装置的个数；n_p.load为虚拟电厂中节点数，α₂为供电独立性权重系数，n_p(T)为T时刻的光储虚拟电厂数；

光储电厂间功率流动目标函数F₃为：

其中P_s(T)和Q_s(T)分别为T时刻第s条光储虚拟电厂间线路上的有功和无功功率，α₃为光储虚拟电厂间流动权重系数，m(T)是T时刻光储电厂间的线路数，n_p(T)为T时刻的光储虚拟电厂数；

光储虚拟电厂维度目标函数F₄为：

F₄＝α₄×max(n_k(T))k＝1,2，...，N_k

其中α₄为光储虚拟电厂维度权重系数；n_k(T)为T时刻第k个光储虚拟电厂内的总节点数；

光储虚拟电厂分区变动目标函数F₅为；

其中α₅为光储虚拟电厂间线路变动权重系数，l_j(T)和l_j(T-ΔT)分别为T时刻和T-ΔT时刻第j条光储虚拟电厂间的线路编号；n_p(T)-1为T时刻光储虚拟电厂间线路总数；

步骤(2)：因各子目标表示的性质和量纲不同，采用离差排序法和归一法将多个不同子目标函数聚合为单一目标函数:

针对z个子目标，先求出各子目标函数minF_h(h＝1,2,…,z)对应的最优解x_h(h＝1,2,…,z),在解x_h(h＝1,2,…,z)下计算各子目标函数离差，离差为：

其中δ_h为子目标函数F_h的离差，x_h为minF_h时的最优解；F^g _h(x_g)为F_h的解取x_g时的目标函数值，F^h _h(x_h)为F_h的解取x_h时的目标函数值；

子目标函数minF_h(h＝1,2,…,z)的离差平均值η_h(h＝1,2,…,z)为：

其中η_h为F_h的离差平均值；z为子目标函数个数；δ^g _h为F_h的解取x_g时的离差；

得到权重系数α_h为：

其中η_g为F_g(g＝1,2,…,z)的离差平均值，再将权重系数和目标函数均差按大小顺序分布排列，将较大的权重系数赋给较小的子目标函数，将较小的权重系数赋给较大的目标函数；α₁、α₂、α₃、α₄、α₅经计算得分别为：0.3165,0.2341,0.2014,0.1356,0.1124；

然后将子目标函数采用min-max归一化方法，得到归一化后的子目标函数：

式中：F*_h为目标函数F_h归一化后的目标函数；F_h.min为函数F_h在解集为{x|x_h,h＝1,2,…,z}的最小值；F_h.max为函数F_h在解集为{x|x_h,h＝1,2,…,z}的最大值；

步骤(3)：最终得到对含大量光伏和储能的配电网进行光储虚拟电厂划分的长时间尺度优化划分目标函数F^*为：

其中：F^* ₁、F^* ₂、F^* ₃、F^* ₄、F^* ₅分别为子目标函数F₁、F₂、F₃、F₄、F₅进行归一化后的子目标函数；

步骤(4)：建立动态划分的约束条件，动态划分约束条件主要包括：

(1)分布式光伏需要满足功率约束条件为：

(P_PV,ki(T))²+(Q_PV,ki(T))²≤(S_PV,ki,max)²

其中P_PV,ki(T)和Q_PV,ki(T)分别为T时刻第k个光储虚拟电厂中节点i的光伏有功和无功功率；S_PV,ki,max为第k个光储虚拟电厂中节点i的光伏视在功率上限值，视在功率上限值设置为装机容量；

(2)储能装置需要满足的约束条件为：

SOC_min＜SOC(T)＜SOC_max

其中SOCmin、SOCmax分别表示储能装置的荷电量最小值和最大值，SOC(T)表示T时刻储能装置的剩余荷电量；

(3)光储虚拟电厂供电率的约束条件为：

p_k(T)＞p_k.min

其中p_k(T)为T时刻第k个光储虚拟电厂的供电率，p_k,min为第k个光储虚拟电厂一级重要负荷比；

(4)光储虚拟电厂的节点电压和线路的电流需在一定的安全范围内，需满足的约束条件为：

U_i,min≤U_i≤U_i,max

|I_ij|≤I_ij,max

其中U_i,min和U_i,max分别是i节点电压最小值和最大值；I_ij和I_ij,max分别是支路ij流过的电流和允许流过电流的最大值；

步骤3：对步骤2获得的动态划分方案进行反馈校正，建立以Δt为时间尺度的反馈校正划分模型，求解反馈校正模型，判断反馈校正次数是否满足设定次数，不满足则继续进行反馈校正，直至满足为止，并以反馈校正后的划分结果为ΔT时间内最终划分方案；

步骤4：判断优化时间是否结束，若未满足优化时间，则取步骤3中在ΔT时间内最后一个Δt的划分方案设置为动态划分的初始划分线路，动态划分窗口移动ΔT,进行下一个时间窗口的动态划分，重复步骤2至步骤3，时间窗口不断移动，完成整个优化时间内的多时间尺度动态划分，直至优化时间结束为止。

2.根据权利要求1所述的一种光储虚拟电厂多时间尺度动态划分方法，其特征在于，步骤3中，反馈校正划分是根据日内配电网分布式光伏和储能的实际功率数据对动态划分结果进行校正，防止划分结果变动过于频繁，反馈校正划分模型包括目标函数和约束条件；

反馈校正模型的目标函数F_f为：

其中l_j(t)和l_j(t-Δt)分别为t时刻和t-Δt时刻第j条光储虚拟电厂间的线路编号；n_p(t)-1为t时刻不同光储虚拟电厂间线路总数，n_p(t)为t时刻的光储虚拟电厂数；

反馈校正模型的约束条件为：

p_k(t)＞p_k.min

其中p_k(t)为t时刻第k个光储虚拟电厂的供电率，p_k,min为第k个光储虚拟电厂一级重要负荷比。