CN114977320A - 一种配电网源网荷储多目标协同规划方法 - Google Patents
一种配电网源网荷储多目标协同规划方法 Download PDFInfo
- Publication number
- CN114977320A CN114977320A CN202210613576.XA CN202210613576A CN114977320A CN 114977320 A CN114977320 A CN 114977320A CN 202210613576 A CN202210613576 A CN 202210613576A CN 114977320 A CN114977320 A CN 114977320A
- Authority
- CN
- China
- Prior art keywords
- node
- power
- distribution network
- power distribution
- constraint
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000009434 installation Methods 0.000 claims abstract description 49
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000004146 energy storage Methods 0.000 claims description 41
- 230000005611 electricity Effects 0.000 claims description 20
- 238000007599 discharging Methods 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000002040 relaxant effect Effects 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
- H02J3/38—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
- H02J3/28—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
- 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]
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种配电网源网荷储多目标协同规划方法,包括:步骤S1,获取含可调节负荷的配电网源网荷储规划数据;步骤S2,确定目标函数、电气约束条件及决策变量,构建考虑可调节负荷的配电网源网荷储多目标协同规划模型;步骤S3,以配电网年综合成本最小和分布式新能源安装容量最大为目标,利用ε‑约束法对配电网源网荷储进行多目标优化配置;步骤S4,获取配电网源网荷储多目标协同规划的最优方案集。本发明充分考虑可调节负荷构建配电网源网荷储多目标协同规划模型,实现考虑可调节负荷的配电网源网荷储多目标协同规划方法的研究,提高了配电网运行的灵活可靠性。
Description
技术领域
本发明属于配电网规划技术领域,具体涉及一种配电网源网荷储多目标协同规划方法。
背景技术
科学合理的配电网规划是确保电网结构合理的基本举措,关系到供电区域内社会经济的稳定发展。传统以投资成本或网络损耗最小的单一目标配电网,已无法满足配电网源网荷储协同规划的需要。在此背景下,多目标配电网规划因为能统一协调配电网的经济性、安全性要求等多个具有不同重要性甚至相互矛盾的目标受到了国内外研究人员的广泛关注。
传统的配电网规划方法在进行配电网规划的过程中,没有充分考虑到可调节负荷资源,无法进行电力供应侧与需求侧各种资源的优化配置和合理利用。
发明内容
本发明所要解决的技术问题在于,提供一种配电网源网荷储多目标协同规划方法,以在考虑可调节负荷的情况下,优化电力供应侧与需求侧各种资源。
为解决上述技术问题,本发明提供一种配电网源网荷储多目标协同规划方法,包括:
步骤S1,获取含可调节负荷的配电网源网荷储规划数据;
步骤S2,确定目标函数、电气约束条件及决策变量,构建考虑可调节负荷的配电网源网荷储多目标协同规划模型;
步骤S3,以配电网年综合成本最小和分布式新能源安装容量最大为目标,利用ε-约束法对配电网源网荷储进行多目标优化配置;
步骤S4,获取配电网源网荷储多目标协同规划的最优方案集。
进一步地,所述步骤S2中,目标函数如下:
其中,f1、f2分别为年综合成本、分布式新能源安装容量; 分别为线路投资费用、风电投资费用、光伏投资费用、储能投资费用、变电站投资费用、变电站购电费用、设备运行维护费用;Pi PVG、Pi WTG分别为光伏和风电的安装容量;M、L分别为光伏、风电接入配电网的总数。
进一步地,所述目标函数中线路投资费用、风电投资费用、光伏投资费用、储能投资费用、变电站投资费用、变电站购电费用、设备运行维护费用的具体计算公式如下:
线路投资费用:
风电投资费用:
其中,yWTG为风电的使用年限,ΩWTG为风电待安装节点的集合,cWTG为风电投资费用;
光伏投资费用:
其中,yPVG为光伏的使用年限,ΩPVG为光伏待安装节点的集合,cPVG为光伏单位容量投资费用;
储能投资费用:
其中,yESS为储能的使用年限,ΩESS为储能待安装节点的集合,cESS为储能单位容量投资费用,Pi ESS是储能安装容量;
变电站投资费用:
变电站购电费用:
其中,ft sub为t时刻的变电站单位购电费用,Psub,s,t为s季度t时刻变电站向上级电网的购电量;
设备运行维护费用:
其中,Ds为季度s的天数,ΛWTG为风电接入的节点集合,为风电单位电量运行维护费用,为s季度t时刻节点i处的风电有功功率,Δt为时间段;ΛPVG为光伏接入的节点集合,为光伏单位电量运行维护费用,为s季度t时刻节点i处的光伏有功功率;ΛESS为储能接入的节点集合,为储能单位电量运行维护费用,分别为s季度t时刻节点i处的储能充放电功率。
进一步地,所述电气约束条件具体包括:
变电站容量约束:
网络拓扑结构约束:
单节点安装分布式电源容量约束:
节点电压与支路电流约束:
节点功率平衡约束:
其中,Pis,t、Qis,t分别为在t时刻节点i的注入有功、无功功率;Vi,t、Vj,t为t时刻节点i、j电压;Gij、Bij为支路ij的电导和电纳,δij,t为t时刻支路ij的电压相角差;C(i)为与节点i相连的节点集合;
分布式新能源输出功率约束:
其中,PWTG,i,t、PPVG,i,t、QWTG,i,t、QPVG,i,t为t时刻节点i处新能源的有功和无功出力;为t时刻节点i处新能源的有功和无功出力上限;为t时刻节点i处新能源的有功和无功出力下限;
储能充放电状态及功率约束:
其中,分别代表节点i处储能在t时刻充、放电状态,为0-1变量;分别表示节点i处储能的充放电的最大功率;表示节点i处储能在t时刻充放电功率;为t时刻节点i处储能的剩余容量;和为节点i处储能的容量上下限;ηch、ηdis分别为储能的充放电效率;
可调节负荷约束:
进一步地,所述步骤S3中,利用ε-约束法对配电网源网荷储进行多目标优化配置的具体步骤包括:
步骤S301,输入考虑可调节负荷的配电网源网荷储多目标协同规划模型;
步骤S307,[f1 (0),f1 (1),f1 (2),...,f1 (n)]和[f2 (0),f2 (1),f2 (2),...,f2 (n)]即构成此优化问题的parato前沿。
进一步地,所述方法还包括将网络损耗和各项电气约束条件转化为二阶锥约束。
进一步地,所述将网络损耗和各项电气约束条件转化为二阶锥约束,具体为:运用潮流松弛方法,根据网络结构约束对网络损耗与各项电气约束条件中的二次项进行等价替换,替换过程如下:
Cij,t=Vi,tVj,tcos(δij,t);
Dij,t=Vi,tVj,tsin(δij,t);
其中,ui,t、Cij,t、Dij,t均为引入中间变量,无实际物理意义;
根据上述各式可得:
将其松弛得到如下公式:
再将此式变形,得到二阶锥形式:
经二阶锥转化与松弛后可得到如下函数及方程:
节点功率平衡约束公式转化为:
节点电压约束公式转化为:
(Vi min)2≤ui,t≤(Vi max)2;
储能约束转化为:
实施本发明具有如下有益效果:本发明以配电网年综合成本最小和分布式新能源安装容量最大为目标,利用ε-约束法配电网源网荷储多目标协同规划模型的目标函数进行优化配置,提高了配电网运行的灵活可靠性。
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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一种配电网源网荷储多目标协同规划方法的流程示意图。
图2是本发明实施例中的ε-约束法规划配置的流程示意图。
图3是本发明实施例中的Portugal 54节点待规划系统示意图。
图4是本发明实施例中风电、光伏、电动汽车充电站和负荷典型日数据示意图。
图5是本发明实施例中不同情景下的Parato前沿示意图。
图6是本发明实施例中方案1规划结果示意图。
图7是本发明实施例中方案2规划结果示意图。
具体实施方式
以下各实施例的说明是参考附图,用以示例本发明可以用以实施的特定实施例。
请参照图1所示,本发明实施例提供一种配电网源网荷储多目标协同规划方法,包括:
步骤S1,获取含可调节负荷的配电网源网荷储规划数据;
步骤S2,确定目标函数、约束条件及决策变量,构建考虑可调节负荷的配电网源网荷储多目标协同规划模型;
步骤S3,以配电网年综合成本最小和分布式新能源安装容量最大为目标,利用ε-约束法对配电网源网荷储进行多目标优化配置;
步骤S4,获取配电网源网荷储多目标协同规划的最优方案集。
具体地,以配电网年综合成本最小和分布式新能源安装容量最大为目标,目标函数如下:
其中,f1、f2分别为年综合成本、分布式新能源安装容量; 分别为线路投资费用、风电投资费用、光伏投资费用、储能投资费用、变电站投资费用、变电站购电费用、设备运行维护费用;Pi PVG、Pi WTG分别为光伏和风电的安装容量;M、L分别为光伏、风电接入配电网的总数。
目标函数中线路投资费用、风电投资费用、光伏投资费用、储能投资费用、变电站投资费用、变电站购电费用、设备运行维护费用的具体计算公式如下,
线路投资费用:
风电投资费用:
其中,yWTG为风电的使用年限,ΩWTG为风电待安装节点的集合,cWTG为风电投资费用;
光伏投资费用:
其中,yPVG为光伏的使用年限,ΩPVG为光伏待安装节点的集合,cPVG为光伏单位容量投资费用;
储能投资费用:
其中,yESS为储能的使用年限,ΩESS为储能待安装节点的集合,cESS为储能单位容量投资费用,Pi ESS是储能安装容量;
变电站投资费用:
变电站购电费用:
其中,ft sub为t时刻的变电站单位购电费用,Psub,s,t为s季度t时刻变电站向上级电网的购电量;
设备运行维护费用
其中,Ds为季度s的天数,ΛWTG为风电接入的节点集合,为风电单位电量运行维护费用,为s季度t时刻节点i处的风电有功功率,Δt为时间段;ΛPVG为光伏接入的节点集合,为光伏单位电量运行维护费用,为s季度t时刻节点i处的光伏有功功率;ΛESS为储能接入的节点集合,为储能单位电量运行维护费用,分别为s季度t时刻节点i处的储能充放电功率。
进一步的,需满足各项电气约束条件,具体包括:
(1)变电站容量约束
(2)网络拓扑结构约束
(3)单节点安装分布式电源容量约束
(4)节点电压与支路电流约束
(5)节点功率平衡约束
其中,Pis,t、Qis,t分别为在t时刻节点i的注入有功、无功功率;Vi,t、Vj,t为t时刻节点i、j电压;Gij、Bij为支路ij的电导和电纳,δij,t为t时刻支路ij的电压相角差;C(i)为与节点i相连的节点集合;
(6)分布式新能源输出功率约束
其中,PWTG,i,t、PPVG,i,t、QWTG,i,t、QPVG,i,t为t时刻节点i处新能源的有功和无功出力;为t时刻节点i处新能源的有功和无功出力上限;为t时刻节点i处新能源的有功和无功出力下限;
(7)储能充放电状态及功率约束
其中,分别代表节点i处储能在t时刻充、放电状态,为0-1变量;分别表示节点i处储能的充放电的最大功率;表示节点i处储能在t时刻充放电功率;为t时刻节点i处储能的剩余容量;和为节点i处储能的容量上下限;ηch、ηdis分别为储能的充放电效率;
(8)可调节负荷约束
进一步的,如图2所示,所述利用ε-约束法对配电网源网荷储进行多目标优化配置的具体步骤包括:
步骤S301,输入考虑可调节负荷的配电网源网荷储多目标协同规划模型;
进一步的,还包括将所述网络损耗和各项电气约束转化为二阶锥约束。
在一种实施方式中,所述将网络损耗和各项电气约束转化为二阶锥约束,具体为,运用潮流松弛方法,根据网络结构约束对网络损耗与各项电气约束中的二次项进行等价替换,替换过程如下:
Cij,t=Vi,tVj,tcos(δij,t);
Dij,t=Vi,tVj,tsin(δij,t);
式中:ui,t、Cij,t、Dij,t均为引入中间变量,无实际物理意义;
根据上述各式可得:
由于此式中存在二次项,将其松弛得到如下公式:
再将此式变形,得到二阶锥形式:
经二阶锥转化与松弛后可得到如下函数及方程:
节点功率平衡约束公式转化为:
节点电压约束公式转化为:
(Vi min)2≤ui,t≤(Vi max)2;
储能约束转化为:
下面对本发明一种可选的实施方式进行详细说明。
作为一种可选的实施例,将上述配电网规划方法在如图3所示的Portugal 54节点配电网系统上进行了测试,Portugal 54算例总负荷为76.3MW。新能源类型包括风电(WTG)、光伏(PVG),分布式新能源待安装信息、投资成本如表1-表3所示所示。WTG、PVG、电动汽车负荷以及常规负荷的典型日数据如图4所示。
表1待安装新能源信息
表2各项成本参数
表3 Portugal 54节点系统变电站信息
为了分析考虑可调负荷和不考虑可调负荷对规划结果的影响,在算例中设置两个规划场景,分别为:
情景1:考虑可调负荷的配电网源网荷储多目标协同规划
情景2:不考虑可调负荷的配电网源网荷储多目标协同规划
通过多目标算法求解,得到不同情景下的Parato前沿如图5所示。由图5可知,考虑可调负荷的情况下系统的年综合成本较低,系统的分布式新能源安装容量较少,该结果表明考虑可调负荷的有效性。为深入分析情景1和情景2情况下的规划结果,分别选择情景1和情景2的最优方案进行对比。
表4方案1和方案2规划水平年内的各项成本
表4为方案1和方案2规划水平年内的各项成本对比,由表4可知,方案1与方案2线路规划结果基本相同,因此线路投资费用基本一致。方案2中新能源安装总量较低,投资费用较低,而购电量增多,购电费用上升。费用中主要支出是购电费用,因此在总费用上方案2的总费用大于方案1的总费用。综合分析各类费用,在规划中考虑可调负荷可以降低系统的年综合成本。
方案1的分布式新能源安装情况如图6所示。方案1中,节点15风机安装容量5.1MW,节点32风机安装容量1.2MW,节点39风机安装容量5.5MW,总的风机安装容量11.8MW。节点8光伏安装容量9.6MW,节点43光伏安装容量10.1MW,总的光伏安装容量19.7MW。总的新能源容量为31.5MW,总的负荷为76.3MW,新能源渗透率为41.3%。
方案2的分布式新能源安装情况图7所示。方案2中,节点15风机安装容量4.5MW,节点32风机安装容量1.2MW,节点39风机安装容量4.8MW,总的风机安装容量10.5MW。节点8光伏安装容量9.7MW,节点43光伏安装容量8.3MW,总的光伏安装容量18MW。总的新能源容量为28.5MW,总的负荷为76.3MW,新能源渗透率为37.4%。
表5线路规划结果
表6变电站扩展规划结果
表7方案1和方案2新能源和储能规划结果
表5为线路规划结果,表6为变电站扩展规划结果,表7为方案1和方案2新能源和储能规划结果。由表7可知,方案1安装的分布式新能源总量比方案2多。这是因为方案1考虑了可调负荷,将用电高峰时期的部分负荷转移至用电低谷期,通过削峰填谷的作用提升分布式新能源的安装容量。
通过上述说明可知,与现有技术相比,本发明的有益效果在于:本发明以配电网年综合成本最小和分布式新能源安装容量最大为目标,利用ε-约束法配电网源网荷储多目标协同规划模型的目标函数进行优化配置,提高了配电网运行的灵活可靠性。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明的权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (7)
1.一种配电网源网荷储多目标协同规划方法,其特征在于,包括:
步骤S1,获取含可调节负荷的配电网源网荷储规划数据;
步骤S2,确定目标函数、电气约束条件及决策变量,构建考虑可调节负荷的配电网源网荷储多目标协同规划模型;
步骤S3,以配电网年综合成本最小和分布式新能源安装容量最大为目标,利用ε-约束法对配电网源网荷储进行多目标优化配置;
步骤S4,获取配电网源网荷储多目标协同规划的最优方案集。
3.根据权利要求2所述的方法,其特征在于,所述目标函数中线路投资费用、风电投资费用、光伏投资费用、储能投资费用、变电站投资费用、变电站购电费用、设备运行维护费用的具体计算公式如下:
线路投资费用:
风电投资费用:
其中,yWTG为风电的使用年限,ΩWTG为风电待安装节点的集合,cWTG为风电投资费用;
光伏投资费用:
其中,yPVG为光伏的使用年限,ΩPVG为光伏待安装节点的集合,cPVG为光伏单位容量投资费用;
储能投资费用:
其中,yESS为储能的使用年限,ΩESS为储能待安装节点的集合,cESS为储能单位容量投资费用,Pi ESS是储能安装容量;
变电站投资费用:
变电站购电费用:
其中,ft sub为t时刻的变电站单位购电费用,Psub,s,t为s季度t时刻变电站向上级电网的购电量;
设备运行维护费用:
4.根据权利要求1所述的方法,其特征在于,所述电气约束条件具体包括:
变电站容量约束:
网络拓扑结构约束:
单节点安装分布式电源容量约束:
其中,Pi PVG、Pi WTG、Ei ESS分别为节点i的光伏、风电安装功率以及储能安装容量,Pi PVG,max、Pi WTG,max、Ei ESS,max分别为节点i的光伏、风电最大安装功率以及储能最大安装容量;
节点电压与支路电流约束:
节点功率平衡约束:
其中,Pis,t、Qis,t分别为在t时刻节点i的注入有功、无功功率;Vi,t、Vj,t为t时刻节点i、j电压;Gij、Bij为支路ij的电导和电纳,δij,t为t时刻支路ij的电压相角差;C(i)为与节点i相连的节点集合;
分布式新能源输出功率约束:
其中,PWTG,i,t、PPVG,i,t、QWTG,i,t、QPVG,i,t为t时刻节点i处新能源的有功和无功出力;为t时刻节点i处新能源的有功和无功出力上限;为t时刻节点i处新能源的有功和无功出力下限;
储能充放电状态及功率约束:
其中,分别代表节点i处储能在t时刻充、放电状态,为0-1变量;分别表示节点i处储能的充放电的最大功率;表示节点i处储能在t时刻充放电功率;为t时刻节点i处储能的剩余容量;和为节点i处储能的容量上下限;ηch、ηdis分别为储能的充放电效率;
可调节负荷约束:
5.根据权利要求4所述的方法,其特征在于,所述步骤S3中,利用ε-约束法对配电网源网荷储进行多目标优化配置的具体步骤包括:
步骤S301,输入考虑可调节负荷的配电网源网荷储多目标协同规划模型;
步骤S302,以f1为单目标进行优化,得到一组解(f1 α,f2 α);
步骤S303,以f2为单目标进行优化,得到一组解(f1 β,f2 β);
步骤S304,以(f1 α,f2 α)和(f1 β,f2 β)为对角顶点构成矩形区域;
步骤S305,将在f2(f2 α,f2 β)区间内等分成n段,形成向量[f2 (0),f2 (1),f2 (2),...,f2 (n)];
步骤S306,以f1为优化目标逐次进行n-1次单目标优化,新增如下约束:f2(x)≤f2 (i)i∈[1,n-1]求得目标函数的解集[f1 (0),f1 (1),f1 (2),...,f1 (n)];
步骤S307,[f1 (0),f1 (1),f1 (2),...,f1 (n)]和[f2 (0),f2 (1),f2 (2),...,f2 (n)]即构成此优化问题的parato前沿。
6.根据权利要求5所述的方法,其特征在于,还包括将网络损耗和各项电气约束条件转化为二阶锥约束。
7.根据权利要求6所述的方法,其特征在于,所述将网络损耗和各项电气约束条件转化为二阶锥约束,具体为:运用潮流松弛方法,根据网络结构约束对网络损耗与各项电气约束条件中的二次项进行等价替换,替换过程如下:
Cij,t=Vi,tVj,tcos(δij,t);
Dij,t=Vi,tVj,tsin(δij,t);
其中,ui,t、Cij,t、Dij,t均为引入中间变量,无实际物理意义;
根据上述各式可得:
将其松弛得到如下公式:
再将此式变形,得到二阶锥形式:
经二阶锥转化与松弛后可得到如下函数及方程:
节点功率平衡约束公式转化为:
节点电压约束公式转化为:
(Vi min)2≤ui,t≤(Vi max)2;
储能约束转化为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210613576.XA CN114977320A (zh) | 2022-06-01 | 2022-06-01 | 一种配电网源网荷储多目标协同规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210613576.XA CN114977320A (zh) | 2022-06-01 | 2022-06-01 | 一种配电网源网荷储多目标协同规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114977320A true CN114977320A (zh) | 2022-08-30 |
Family
ID=82958608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210613576.XA Pending CN114977320A (zh) | 2022-06-01 | 2022-06-01 | 一种配电网源网荷储多目标协同规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114977320A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115395521A (zh) * | 2022-10-25 | 2022-11-25 | 国网天津市电力公司营销服务中心 | 一种可再生能源、储能和充电桩协同规划方法及系统 |
CN115511274A (zh) * | 2022-09-15 | 2022-12-23 | 东南大学 | 一种配电网与氢能系统的联合规划方法 |
CN115545465A (zh) * | 2022-09-30 | 2022-12-30 | 国网山东省电力公司潍坊供电公司 | 一种分布式光伏和储能的多目标联合规划方法及系统 |
CN116029532A (zh) * | 2023-02-23 | 2023-04-28 | 国网江西省电力有限公司经济技术研究院 | 一种面向配电网承载力提升的储能规划方法 |
CN117522054A (zh) * | 2023-11-21 | 2024-02-06 | 中交机电工程局有限公司 | 一种配电网源网荷储多目标协同规划方法 |
CN117977658A (zh) * | 2024-02-02 | 2024-05-03 | 中国电力工程顾问集团有限公司 | 提升新能源消纳能力的电池储能协同规划方法及装置 |
CN118297284A (zh) * | 2024-05-31 | 2024-07-05 | 广东电网有限责任公司 | 一种计及源荷储负载均衡的馈线容量规划方法及装置 |
-
2022
- 2022-06-01 CN CN202210613576.XA patent/CN114977320A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511274A (zh) * | 2022-09-15 | 2022-12-23 | 东南大学 | 一种配电网与氢能系统的联合规划方法 |
CN115511274B (zh) * | 2022-09-15 | 2023-04-21 | 东南大学 | 一种配电网与氢能系统的联合规划方法 |
CN115545465A (zh) * | 2022-09-30 | 2022-12-30 | 国网山东省电力公司潍坊供电公司 | 一种分布式光伏和储能的多目标联合规划方法及系统 |
CN115395521A (zh) * | 2022-10-25 | 2022-11-25 | 国网天津市电力公司营销服务中心 | 一种可再生能源、储能和充电桩协同规划方法及系统 |
CN116029532A (zh) * | 2023-02-23 | 2023-04-28 | 国网江西省电力有限公司经济技术研究院 | 一种面向配电网承载力提升的储能规划方法 |
CN117522054A (zh) * | 2023-11-21 | 2024-02-06 | 中交机电工程局有限公司 | 一种配电网源网荷储多目标协同规划方法 |
CN117977658A (zh) * | 2024-02-02 | 2024-05-03 | 中国电力工程顾问集团有限公司 | 提升新能源消纳能力的电池储能协同规划方法及装置 |
CN118297284A (zh) * | 2024-05-31 | 2024-07-05 | 广东电网有限责任公司 | 一种计及源荷储负载均衡的馈线容量规划方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325608B (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
CN110739725B (zh) | 一种配电网优化调度方法 | |
CN114977320A (zh) | 一种配电网源网荷储多目标协同规划方法 | |
CN112467722B (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
CN107832905B (zh) | 一种适应分布式发电和储能站发展的配电网规划方法 | |
CN110148969B (zh) | 基于模型预测控制技术的主动配电网优化运行方法 | |
CN112734098B (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
CN107968439A (zh) | 基于混合整数线性规划的主动配电网联合优化算法 | |
CN106295853A (zh) | 基于储能调度模式的分布式光伏两阶段多目标就地消纳法 | |
CN111342450B (zh) | 考虑不确定光伏与负荷的牵引供电系统鲁棒能量管理方法 | |
CN110808597A (zh) | 主动配电网中考虑三相不平衡的分布式电源规划方法 | |
CN111049171A (zh) | 一种主动配电网储能配置方法 | |
CN111144655A (zh) | 一种分布式电源选址定容与配电网网架联合优化方法 | |
Tian et al. | Coordinated control strategy assessment of a virtual power plant based on electric public transportation | |
Han et al. | Optimal sizing considering power uncertainty and power supply reliability based on LSTM and MOPSO for SWPBMs | |
CN114358430A (zh) | 一种基于鲁棒优化的新型农村配电网规划策略 | |
CN109615193A (zh) | 一种考虑光伏与混合储能的综合能源系统规划方法 | |
CN114722615A (zh) | 一种基于生产运营模拟的储能容量优化配置方法 | |
CN114123171A (zh) | 一种基于势博弈的增量配电网分布式优化规划方法及介质 | |
Ye et al. | Optimal Scheduling Method of Virtual Power Plant Based on Model Predictive Control | |
Alguhi et al. | Battery energy storage planning in distribution network with renewable resources | |
Cuiqing et al. | A hybrid ac/dc microgrid energy management strategy based on neural network | |
Fan et al. | Optimal allocation strategy of energy storage to improve the voltage quality of distribution network | |
CN113361864B (zh) | 一种基于纳什均衡的配电网分布式协同优化调控方法 | |
Zhou et al. | Optimization method of distribution network energy storage and capacity planning considering uncertainty of new energy sources |
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 |