CN115017854A - 一种基于多维评估指标体系的配电网dg最大准入容量计算方法 - Google Patents
一种基于多维评估指标体系的配电网dg最大准入容量计算方法 Download PDFInfo
- Publication number
- CN115017854A CN115017854A CN202210494200.1A CN202210494200A CN115017854A CN 115017854 A CN115017854 A CN 115017854A CN 202210494200 A CN202210494200 A CN 202210494200A CN 115017854 A CN115017854 A CN 115017854A
- Authority
- CN
- China
- Prior art keywords
- power
- distribution network
- index
- capacity
- 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 75
- 238000011156 evaluation Methods 0.000 title claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 116
- 230000003068 static effect Effects 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 38
- 238000004146 energy storage Methods 0.000 claims description 29
- 238000004088 simulation Methods 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 18
- 238000010521 absorption reaction Methods 0.000 claims description 11
- 238000011084 recovery Methods 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 238000012804 iterative process Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000000354 decomposition reaction Methods 0.000 description 8
- 238000007599 discharging Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000012821 model calculation Methods 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 230000029087 digestion Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- Physiology (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Power Engineering (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Analysis (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Water Supply & Treatment (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
Abstract
本发明公开了一种基于多维评估指标体系的配电网DG最大准入容量计算方法,包括以下步骤:S1:选取分析评估维度,基于评估维度建立配电网接纳DG能力评估指标体系;S2:分析建立基于加权平均电压偏移率、平均静态电压稳定性、平均供电可用率、期望缺供电能量、加权节点电压谐波总畸变率和电负荷均负荷率的约束目标函数,基于约束目标函数建立配电网DG最大准入容量计算模型;S3:基于配电网DG最大准入容量计算模型,通过刚性约束阶段和柔性约束阶段计算DG最大准入容量。本发明的有益效果是:综合考虑了影响配电网接纳DG能力的多维影响因素,采用刚性约束阶段和柔性约束阶段进行求解,保证了配电网接纳DG的准确度和潜力。
Description
技术领域
本发明涉及电力技术领域,特别涉及一种基于多维评估指标体系的配电网DG最大准入容量计算方法。
背景技术
目前,以分布式光伏为主的分布式电源(Distributed Generation,DG)并网给配电网的运行带来了一系列的影响,在改善潮流,提升网络电压质量并降低网络损耗的同时,过高的渗透率也将影响电网的安全运行。研究配电网对DG的接纳能力对于合理规划利用DG实现高效节能配电具有十分重要的意义。借助仿真软件如MATLAB、PSCAD、OpenDSS进行DG的接纳能力分析,其优点是可以实现配电网各运行参数指标的可视化展示,原理和操作过程相对简单,但仿真过程需重复验算,仿真验证工作量较大,传统的对于DG接入配电网最大渗透率的计算评估,是构建一个最优化的规划计算模型,利用优化算法求解一个以接入容量最大为目标函数,计及多种安全约束,控制变量为DG的最优接入方式的规划问题。对DG接纳能力评估方法主要有解析法、进化算法及随机场景模拟法三种方式,其中解析法包含内点法、线性规划方法、牛顿法等求解非线性优化模型的数学方法;进化算法包含遗传算法、粒子群算法、深度神经网络等人工智能方法;随机场景模拟法主要通过蒙特卡洛抽样依照对象的概率密度函数和分布函数生成抽样样本,并计及各种安全约束计算其接纳能力。此种方法的优势在于其数学建模准确,计算结果可靠,但由于需要计及多个约束条件,建模复杂且计算量极大,对优化算法的计算精度要求高。
现有技术中,研究往往着眼于限制DG有效接纳的某一因素进行深入分析建模,并用数学优化方法进行求解,然而影响DG接纳能力的因素众多,若将所有影响因素均在数学模型中进行考虑则会造成建模复杂、计算量大的问题,难以求解。
例如,一种在中国专利文献上公开的“一种区域电网新能源消纳容量计算方法和系统”,其公告号:CN108390415A,其申请日:2018年01月30日,该发明根据电网运行方式计算考虑调峰约束后的区域电网新能源消纳容量;将不大于区域电网新能源消纳容量的新能源接入容量分解至区域电网的各分区电网;当各分区电网的新能源接入容量均满足安全稳定要求时,根据各分区电网的新能源接入容量确定区域电网新能源消纳容量,但是存在影响维度片面,模型计算结果准确度低的问题。
发明内容
针对现有技术影响维度片面,模型计算结果准确度低的不足,本发明提出了一种基于多维评估指标体系的配电网DG最大准入容量计算方法,综合考虑了影响配电网接纳DG能力的多维影响因素,采用刚性约束阶段和柔性约束阶段进行求解,保证了配电网接纳DG的准确度和潜力。
以下是本发明的技术方案,一种基于多维评估指标体系的配电网DG最大准入容量计算方法,包括以下步骤:
S1:选取分析评估维度,所述评估维度包括配电网运行指标维度、电气设备约束维度、DG消纳能力维度和投资及运行经济性维度,基于所述评估维度建立配电网接纳DG能力评估指标体系;
S2:分析建立基于加权平均电压偏移率、平均静态电压稳定性、平均供电可用率、期望缺供电能量、加权节点电压谐波总畸变率和电负荷均负荷率的约束目标函数,基于所述约束目标函数建立配电网DG最大准入容量计算模型;
S3:基于所述配电网DG最大准入容量计算模型,通过刚性约束阶段和柔性约束阶段计算DG最大准入容量。
本方案中,从配电网限制DG接入的四个维度建立了配电网接纳DG能力评估指标体系,结合指标体系建立DG最大准入容量计算模型,综合考虑了影响配电网接纳DG能力的多维影响因素,实现了影响因素的多维融合保证了计算结果的有效性,分析建立基于加权平均电压偏移率、平均静态电压稳定性、平均供电可用率、期望缺供电能量、加权节点电压谐波总畸变率和电负荷均负荷率的约束目标函数,基于所述约束目标函数建立配电网DG最大准入容量计算模型,本模型通过刚性约束、柔性约束的两阶段计算策略改进基于分解的多目标进化算法进行计算模型的求解,旨在减少计算的复杂程度和计算用时,增强模型的实用性。
作为优选,步骤S1中,所述配电网运行指标维度包括节点电压偏差维度、静态电压稳定性维度、供电可靠性维度和谐波维度,在所述节点电压偏差维度,选取加权平均电压偏移率指标,其算式如下:
式中,UCS为加权平均电压偏移率指标,λi为第i个节点的电压偏移权重系数,Ui,t为第i个节点在t时刻的电压幅值,UN为系统标称电压,K为配电网总节点个数,T为整个计算周期;
在所述静态电压稳定性维度,选取平均静态电压稳定性指标,所述静态电压稳定性指标为周期内静态电压最大值;
在所述供电可靠性维度,选取平均供电可用率指标和期望缺供电能量指标,其算式如下:
式中:ASAI为平均供电可用率指标,EENS为缺供电能量指标,Cij为第i次停电事件中负荷点j的切负荷总量,T为模拟周期时间,S为模拟周期时间内发生停电的事件集合,N为模拟周期时间内停电次数,D为模拟周期时间内总停电时间,Dij为第i次停电事件中负荷点j的停电时间;
在所述谐波维度,选取加权平均谐波偏移率指标,其算式如下:
式中,THDμ为加权节点电压谐波总畸变率指标,THDi为第i个节点在计算周期内的电压总谐波畸变率,Uh,i为第i节点的h次谐波电压均方根值,M为所考虑的最高谐波次数,μi为第i个节点的电压谐波权重系数,K为配电网总节点个数。
本方案中,主要针对以上四点建立配电网运行指标维度的指标集,选取了共计五个指标:在节点电压偏差方面,选取加权平均电压偏移率指标;在静态电压稳定性方面,选取平均静态电压稳定性指标;在供电可靠性方面,选取平均供电可用率指标和期望缺供电能量;在谐波方面,选取加权平均谐波偏移率指标,提高指标维度的广度和数据的有效性。
作为优选,步骤S1中,DG消纳能力维度满足发电、用电的动态平衡关系和调节能力的约束,算式如下:
Pa(t)=Pl(t)+Pt(t)-PR(t)-PPCC(t),
Pt,min(t)≤Pt(t)≤Pt,max(t),
式中,v为电负荷均负荷率指标,Pa(t)为最大消纳DG电力,Pl(t)为t时刻的负荷功率,Pt(t)为t时刻该配网通过联络线向其他电网外送的功率,以下简称联络线功率,送出方向为正,PR(t)为t时刻配网内储能装置的总出力,输出功率为正,蓄能为负,PPCC(t)为上级电网的PCC传输功率,E1为计算周期T内平均负荷量,Pt,min(t)、Pt,max(t)为联络线在t时刻输送功率的最大值和最小值限制。
作为优选,步骤S1中,基于投资成本费用、运维成本费用、运行线损和等价现值计算投资回收期,算式如下:
式中,Tinv为投资回收期,Cinv为各项治理措施的总投资成本,Cope(t)为电网规划治理投资项目的运行维护成本,CR(t)为储能装置运行成本,CDR(t)为需求侧响应投入成本,Ct(t)为通过联络线传输外送功率收益,Cl(t)为系统线损成本,Cori(t)为治理前原电网的运行成本。
本方案中,投资及运行经济性指标用于提升配电网DG接纳能力的各项措施的效能分析,为电网规划提出最佳辅助决策。
作为优选,步骤S2中,基于加权平均电压偏移率指标、平均静态电压稳定性指标、平均供电可用率指标、期望缺供电能量指标、加权节点电压谐波总畸变率指标和电负荷均负荷率指标构建约束目标函数,步骤如下:
S21:计算控制变量的指标值;
S22:计算指标的标准值的偏移量,经过线性变换和归一化处理得到指标的计算值;
S23:采用最小二乘法和DARE-熵权法确定指标的权重;
S24:组合指标的计算值和权重,形成约束目标函数。
本方案中,配电网运行指标维度涵盖了DG并网对配电网各节点电压、支路静态稳定性、供电可靠性和谐波畸变四个方面的影响,其偏离额定值的绝对值越小越好。由于负荷及DG出力的不确定性,用电负荷往往达不到最小负荷的极限状态,DG出力也极少达到理论最大出力的情况,部分设备对电压升高等运行状态也有短暂的过载承受能力,配电网运行指标维度在DG最大准入容量计算模型可以量化为约束目标函数,作为柔性约束进行建模,相比将运行指标设置为约束条件的刚性约束计算方法可以更加充分地挖掘配电网DG接纳潜力,在工程实践中具有更好的适应性。
作为优选,步骤S2中,所述配电网DG最大准入容量计算模型如下:
式中,f1为主目标函数,f2为约束目标函数,PDG,i为第i个节点配置的DG最大准入功率,N为所有可以接入DG的节点,Tinv为投资回收期,Ai分别为第i个指标的计算值,λi为Ai对应的权重,k1,k2体现了DG最大准入容量同经济性指标的权衡关系,在计算理论最大准入容量时可以将k2取0,具体工程项目中可以根据实际情况对k1,k2进行调整。
本方案中,选取DG配置的位置及对应节点的配置容量为控制变量,以DG最大配置容量和投资及运行经济性指标的组合函数作为主目标函数,计算模型在连续时间序列上建立约束目标函数,并将其作为柔性约束,采用基于刚性约束、柔性约束的两阶段计算方法求解,充分挖掘了配电网接纳DG的潜力。
作为优选,所述配电网DG最大准入容量计算模型满足配电网运行潮流约束、系统内电气设备约束、各时刻消纳平衡约束、计算周期内消纳平衡约束、计算周期内储能装置充放电容量约束、储能装置充放电功率约束和联络线传输功率约束。
本方案中,从配电网运行潮流约束、系统内电气设备约束、各时刻消纳平衡约束、计算周期内消纳平衡约束、计算周期内储能装置充放电容量约束、储能装置充放电功率约束和联络线传输功率约束的角度对模型进行约束,提高模型的实用性。
作为优选,所述配电网DG最大准入容量计算模型采用MOEA/D算法进行求解,将多目标最优前沿的逼近问题转化为多个子目标模型的求解问题,对每一个子问题,在迭代过程中利用与其相邻的子问题的信息实现求解。
作为优选,步骤S3中,通过刚性约束阶段和柔性约束阶段计算DG最大准入容量的步骤如下:
S31:准备数据,对所述数据进行预处理;
S32:建立基于刚性约束的单目标模型,求解得到计算初值;
S33:建立基于刚性约束和柔性约束的双目标模型,将所述双目标模型分解为两个子目标模型进行求解,得到所述计算初值临近区域内的多目标帕累托前沿解集。
本方案中,通过刚性约束、柔性约束的两阶段计算策略改进基于分解的多目标进化算法进行计算模型的求解,减少计算的复杂程度和计算用时,增强模型的实用性。
本发明的有益效果是:综合考虑了影响配电网接纳DG能力的多维影响因素,采用刚性约束阶段和柔性约束阶段进行求解,保证了配电网接纳DG的准确度和潜力。
附图说明
图1本发明一种基于多维评估指标体系的配电网DG最大准入容量计算方法的流程图。
图2本发明一种基于多维评估指标体系的配电网DG最大准入容量计算方法的DG消纳空间限制示意图。
图3本发明一种基于多维评估指标体系的配电网DG最大准入容量计算方法的计算模型指标的处理方法。
图4本发明一种基于多维评估指标体系的配电网DG最大准入容量计算方法的MOEA/D算法计算流程图。
图5本发明一种基于多维评估指标体系的配电网DG最大准入容量计算方法的两阶段计算策略流程示意图.
图6本发明一种基于多维评估指标体系的配电网DG最大准入容量计算方法的改进IEEE33节点拓扑图。
图7本发明一种基于多维评估指标体系的配电网DG最大准入容量计算方法的典型日总负荷曲线图。
图8本发明一种基于多维评估指标体系的配电网DG最大准入容量计算方法的理论PV出力曲线图。
图9本发明一种基于多维评估指标体系的配电网DG最大准入容量计算方法的场景模拟评估结果比例示意图。
图10本发明一种基于多维评估指标体系的配电网DG最大准入容量计算方法的节点电压越限时间比例示意图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:如图1所示,一种基于多维评估指标体系的配电网DG最大准入容量计算方法,包括以下步骤:
步骤1:选取分析评估维度,所述评估维度包括配电网运行指标维度、电气设备约束维度、DG消纳能力维度和投资及运行经济性维度,基于所述评估维度建立配电网接纳DG能力评估指标体系;
步骤2:分析建立基于加权平均电压偏移率、平均静态电压稳定性、平均供电可用率、期望缺供电能量、加权节点电压谐波总畸变率和电负荷均负荷率的约束目标函数,基于所述约束目标函数建立配电网DG最大准入容量计算模型;
步骤3:基于所述配电网DG最大准入容量计算模型,通过刚性约束阶段和柔性约束阶段计算DG最大准入容量。
大量分布式光伏电源(Distributed Photovoltaic Generation,本发明简称DG)接入配电网后,配电网拓扑将由简单的单向潮流模式转换为多点电源供电、双向潮流运行的复杂结构。配电网的各节点电压、电压波动、供电可靠性、谐波含量等受到很大的影响,在直接影响系统各运行指标的同时,间接影响了电网一次设备、二次设备的选型约束。配电网接纳DG能力进行评估的基础,是要对DG并网后对配电网各运行指标的影响及其出力特征进行充分分析和把握。综合以上评估维度结合投资及运行经济性指标维度选取特征指标,建立了配电网接纳DG能力评估指标体系,作为构建DG最大准入容量计算模型的基础。分别从配电网运行指标维度、电气设备约束维度、DG消纳能力维度、投资及运行经济性维度四个维度对配电网接纳DG能力评估指标体系进行指标选取分析。
配电网运行指标维度。对于配电网稳态运行,DG的并网接入主要对节点电压偏差、静态电压稳定性、供电可靠性、谐波产生影响,针对以上四点影响建立配电网运行指标维度的指标集,选取了共计五个指标:在节点电压偏差方面,选取加权平均电压偏移率指标;在静态电压稳定性方面,选取平均静态电压稳定性指标;在供电可靠性方面,选取平均供电可用率指标ASAI和期望缺供电能量指标EENS;在谐波方面,选取加权平均谐波偏移率指标。运行指标维度中,根据配电网内各负荷对电压偏移、谐波畸变的敏感程度不同,应用权重向量在模型中对各节点进行差异化分析及处理,得到更好的指导和评估效果。
加权平均电压偏移率指标。由于DG并网,配电网的供电形式由传统配电网单向辐射转变为多点网状的结构,潮流不再是由单电源端以辐射状的单一方向流向用电负荷,各节点电压幅值和相角将随着DG接入而产生变化。系统轻载运行时,潮流方向发生改变,可能导致电压降落方向发生变化,使得负载侧电压逐步升高。高渗透率的DG并网影响了系统电压稳定性,甚至可能导致脱网事故。10kV及以下三相供电电压允许偏差为标称电压的+7%至-7%,偏离的绝对值越小越好。系统电压偏差可以表征各节点电压偏差绝对值的均值,其计算方法如下:
式中,US为电压偏差,Ui为配电网内第i个节点电压幅值,UN为系统标称电压,K为配电网总节点个数。
在配电网中,各个负荷的重要程度及其对电压偏移的敏感程度不同。考虑重要负荷的电压偏移率往往能得到更好的指导和评价效果,引入加权平均电压偏移率指标。用赋权方法依照各节点负荷的重要程度和其对电压的敏感程度形成节点电压权重系数向量[λ1,λ2,...,λk],基于负荷类别的节点电压权重系数向量确定方法,类比供电可靠性的三类负荷划分,将居民用电负荷等对供电电压不敏感类型负荷定义为C类,节点电压权重取0.2;商业用电、办公楼等公用设施用电负荷定义为B类,节点电压权重取0.5;精密工厂等对供电电压要求严格的用电负荷定义为A类,节点电压权重取1.0。用该系数向量对系统电压偏移指标进行修正,可以计算某时刻的加权平均电压偏移率。同时考虑到计算周期内整体的平均电压偏移指标,建立计算周期内的系统加权平均电压偏移率指标UCS,其计算方法如下:
式中,UCS为加权平均电压偏移率指标,λi为第i个节点的电压偏移权重系数,Ui,t为第i个节点在t时刻的电压幅值,UN为系统标称电压,K为配电网总节点个数,T为整个计算周期。
平均静态电压稳定性指标。静态电压稳定性指标反映了系统负荷电压稳定的关系,用等效阻抗变换方法将多节点配电网转换为两节点配电网实现指标计算,但配电网拓扑复杂此方法误差较大且忽略了各节点的节点电压和负荷分布对静态电压稳定的影响。对静态电压稳定性的修正计算方法,定义t时刻支路bij的静态电压稳定性指标为Lij,t,其计算方法如下:
Lt=max{Lb,t} (4)
式中,Lij,t为t时刻支路bij的静态电压稳定性,Pj,t为节点j在t时刻的注入有功功率,Xij为支路bij的线路电抗值,Qj,t为为节点j在t时刻的注入无功功率,Rij为支路bij的线路电阻值,Ui,t为第i个节点在t时刻的电压幅值,Lt为平均静态电压稳定性指标,Lb,t为t时刻该配电网中全部支路的静态电压稳定指标集合。
静态电压稳定性指标L越小表示网络的电压稳定性越好;L越大表示网络的稳定性越差,当L接近于1时系统具有较大的电压崩溃风险。在计算周期内,网络的静态电压稳定性指标L同样选取周期内Lt最大值来表示,其计算方法如下:
L=max{Lt},t=1,2,...,T (5)
式中,L为静态电压稳定性指标,Lt为选取周期T内电压指标,T为周期。
供电可靠性指标。可再生能源发电占比较低时,传统的发电机组能够完全满足电力电量的平衡要求,可再生能源出力仅作为电力系统的备用补充。在电网传统机组发生故障导致供电能力不足形成计划孤岛时,孤岛内的DG可以起到在孤岛内传输电力的作用,将提高配电网的供电可靠性。随着分布式可再生能源并网比例的进一步提高,源荷将呈现较大的波动性和不确定性特点,电网的运行状态将更为复杂。传统机组不再能够独立满足负荷需求,以水电、光伏、风电为主的可再生能源将承担一部分负荷平衡的责任。此时,DG由于其自身的不确定性造成出力下降无法满足负荷需求将会带来部分负荷断电或系统供电电压质量下降现象,降低了系统可靠性。随着DG接入比例的逐渐增加,配电网供电可靠性将呈现先上升后下降的特点。选取平均供电可用率指标ASAI和期望缺供电能量指标EENS来表征配电系统的整体供电可靠性水平,其计算方法如下:
式中,ASAI为平均供电可用率指标,T为模拟周期时间,S为模拟周期时间内发生停电的事件集合,其中N为模拟周期时间内停电次数,D为模拟周期时间内总停电时间,Dij为第i次停电事件中负荷点j的停电时间。ASAI主要体现的是平均停电时间的指标。
式中,EENS为缺供电能量指标,Cij为第i次停电事件中负荷点j的切负荷总量,T为模拟周期时间,S为模拟周期时间内发生停电的事件集合,其中N为模拟周期时间内停电次数,D为模拟周期时间内总停电时间,Dij为第i次停电事件中负荷点j的停电时间。EENS主要体现缺供电能量的指标。
电压谐波总畸变率指标。DG接入配电网,并网接口的电力电子装置将向配电网侧注入大量谐波,谐波引起的过电压、谐波畸变率过大问题将影响电气设备的正常运行,各个谐波源的谐波不同且其具有很强的随机性,应用概率谐波潮流分析方法充分考虑DG谐波的波动性和不确定性。节点畸变波形偏离基波波形的程度,一般以总谐波畸变率THD来表示,其计算方法如下:
式中,THDi为第i个节点在计算周期内的电压总谐波畸变率,Uh,i为第i节点的h次谐波电压均方根值,M为所考虑的最高谐波次数。
与电压指标相同,各个节点负荷对谐波畸变率的敏感程度不同,可以引入节点电压谐波权重系数向量[μ1,μ2,...,μK]对系统所有节点的平均电压总谐波畸变率进行修正,节点电压谐波权重系数的取值同节点电压权重系数,形成加权节点电压谐波总畸变率指标THDμ,其计算方法如下:
式中,THDμ为加权节点电压谐波总畸变率指标,THDi为第i个节点在计算周期内的电压总谐波畸变率,Uh,i为第i节点的h次谐波电压均方根值,M为所考虑的最高谐波次数,μi为第i个节点的电压谐波权重系数,K为配电网总节点个数。
电气设备约束维度。DG接入后将引起电流分布的变化,由于电网一次设备的载流限制,必须要求配电网支路电流不超过该支路上工作的电气一次设备的工作电流耐受能力,其计算方法如下:
Ik≤Ixk (10)
式中,k为配电网中一次设备编号;Ik为对应的支路电流;Ixk为该一次设备允许的最大工作电流。
与此同时要求最大短路电流不超过该支路上工作的电气一次设备的短路电流耐受能力,其计算方法如下:
Idk≤Idxk (11)
式中,Idxk为该一次设备允许最大短路电路;Idk为最大短路电流。
显然提高一次设备的载流限制可以有效提高配电网接纳DG的能力,提高DG最大准入容量。
DG消纳能力维度。对于配电网系统,实现DG消纳需要满足发电、用电的动态平衡关系并满足调节能力的约束。DG消纳空间限制示意图如图1所示。在系统t时刻,忽略网损的情况下最大消纳DG电力Pa(t),其计算方法如下:
Pa(t)=Pl(t)+Pt(t)-PR(t)-PPCC(t) (12)
式中,Pa(t)为最大消纳DG电力,Pl(t)为t时刻的负荷功率,Pt(t)为t时刻该配网通过联络线向其他电网外送的功率,以下简称联络线功率,送出方向为正,PR(t)为t时刻配网内储能装置的总出力,输出功率为正,蓄能为负,PPCC(t)为上级电网的PCC传输功率。
其中联络线功率Pt(t)必须满足通道能力的约束,其计算方法如下:
Pt,min(t)≤Pt(t)≤Pt,max(t) (13)
式中,Pt,min(t)、Pt,max(t)为联络线在t时刻输送功率的最大值和最小值限制。
由于储能装置的充放电特性限制以及配电区域间供需电能关系的限制,系统DG消纳电量的分析应建立在长时间序列上,以一个长时间序列周期T为例(通常可以取一天24h、或一周7天),系统DG消纳电量Ea为最大消纳DG电力Pa(t)的积分,其计算方法如下:
式中,Ea为系统DG消纳电量,Pa(t)为最大消纳DG电力,Pl(t)为t时刻的负荷功率,Pt(t)为t时刻该配网通过联络线向其他电网外送的功率,以下简称联络线功率,送出方向为正,PR(t)为t时刻配网内储能装置的总出力,输出功率为正,蓄能为负,PPCC(t)为上级电网的PCC传输功率。
量化分析由于负荷峰谷差对系统消纳DG能力的制约和影响,引入电负荷均负荷率表示一个计算周期T内平均负荷量与最大负荷量的比值关系,电负荷均负荷率用v表示,其计算方法如下:
式中,v为电负荷均负荷率指标,Pl(t)为t时刻的负荷功率,E1为计算周期T内平均负荷量。
投资及运行经济性维度。如图2所示,增加配电网消纳DG的能力,通过风、光等可再生能源的出力特性实现多能互补,增加生物质能发电、燃气轮机发电等灵活调节的分布式电源进行调节;从网侧灵活性可以考虑基于DG源出力的时间特性安排外送,利用联络线转供至其他电压等级或相同电压等级的其他电网,增加本区域DG消纳空间,增强电网的互联互通能力。在可再生资源丰富的地区,可以将过剩的能源通过外送到其他区域增加消纳,并实现调节的灵活性;同时,从储侧考虑储能装置的配置和灵活控制方式可以实现负荷削峰填谷,系统增大消纳能力,但与此同时储能装置具有充放电特性、容量限制等多方面限制,需要从长时间序列进行分析考虑,同时其投资成本和运行成本较高,在实际运用时需要重点探讨其规划配置方式和控制策略,以期达到最好的效果;从荷侧考虑需求侧响应技术,例如新型负荷具有时空可转移特性,在实现负荷曲线形状改变的同时也可调节系统潮流,建立友好的辅助市场交易体制可以更好地引导用户用电行为,增强负荷用能曲线和DG出力供能曲线的匹配程度,提高配电网消纳DG的能力。
投资及运行经济性指标则可以用于以上提升配电网DG接纳能力的各项措施的效能分析,为电网规划提出最佳辅助决策,选取投资回收期指标来进行电网规划治理投资项目经济性的评估。
投资回收期Tinv是涉及了投资成本费用、运维成本费用、运行线损和等价现值等项目全过程的综合经济性指标,其表征具体电网规划项目实施投产后获得的收益总额达到该项目投资成本所需要的时间,其计算方法如下:
式中,Tinv为投资回收期,Cinv为各项治理措施的总投资成本,Cope(t)为电网规划治理投资项目的运行维护成本,CR(t)为储能装置运行成本,CDR(t)为需求侧响应投入成本,Ct(t)为通过联络线传输外送功率收益,Cl(t)为系统线损成本,Cori(t)为治理前原电网的运行成本。
基于评估指标体系的配电网DG最大准入容量计算模型。为了求解配电网的DG最大准入容量,可以通过建立规划模型求解最优解的形式来实现,为此应选取DG接入的最大容量及其对应的配置位置为控制变量,以配电网各节点负荷、电气设备及拓扑信息等其他运行参数为扰动变量。为了在目标函数和约束条件的构造中考虑配电网接纳DG能力的约束限制,基于配电网接纳DG能力评估指标体系建立了DG最大准入容量的计算模型。在建立模型前首先对指标体系的各项指标进行详细分析。
如图3所示,评估体系中各指标的处理方法。配电网运行指标维度涵盖了DG并网对配电网各节点电压、支路静态稳定性、供电可靠性和谐波畸变四个方面的影响。在以往研究中大多将运行指标作为刚性约束条件进行限制,并以最小负荷场景的DG最大理论出力进行校验,保证各时刻各项运行指标均不超过限制。由于负荷及DG出力的不确定性,用电负荷往往达不到最小负荷的极限状态,DG出力也极少达到理论最大出力的情况。同时,部分设备对电压升高等运行状态也有短暂的过载承受能力。配电网运行指标维度在DG最大准入容量计算模型可以量化为约束目标函数,作为柔性约束进行建模。此方法相比将运行指标设置为约束条件的刚性约束计算方法可以更加充分地挖掘配电网DG接纳潜力,在工程实践中具有更好的适应性。DG消纳能力维度中的电负荷均负荷率指标与配电网运行指标极为相似,同样也在约束目标函数中进行考虑。
建立了包含加权平均电压偏移率(公式(2))、平均静态电压稳定性(公式(3)、(4)、(5))、平均供电可用率ASAI(公式(6))、期望缺供电能量EENS(公式(7))、加权节点电压谐波总畸变率(公式(9))、电负荷均负荷率(公式(15))共六项指标组成的约束目标函数。
构建基于以上六个指标的约束目标函数,采用归一化方法和主客观赋权方法方法,其步骤如下:
步骤21:计算当前控制变量取值情形下各指标值;
步骤22:计算各指标与其对应标准值的偏移量并线性变换到[0,1]之间,得到经归一化后第i个指标计算值Ai。以10kV配电网为研究对象,节点电压标准值取10kV,静态电压稳定性标准值取0,ASAI标准值取1,EENS标准值取0,电压谐波畸变率标准值取0,电负荷均负荷率标准值取1。
步骤23:采用最小二乘法综合DARE-熵权法的主客观赋权方法确定指标权重λi。
步骤24:组合权重λi及指标计算值Ai形成约束目标函数f2,其计算方法如下:
式中,f2为约束目标函数,Ai分别为第i个指标的计算值,λi为Ai对应的权重。
电气设备约束维度指标集表征了系统电气设备热稳定性、动稳定性对各运行指标的限制。由于过载会对降低电气设备的电气寿命,影响系统安全运行,故电气设备约束维度指标无法参照配电网运行指标维度构建约束目标函数作为柔性约束,而是需要作为刚性约束直接加入计算模型的约束条件。
DG消纳能力维度指标集中,电负荷均负荷率已在约束目标函数中进行考虑,运行消纳平衡条件需要在计算中的每一时刻进行校验,由于储能装置的充放电容量限制同样也要在整个计算周期内进行校验,需要作为刚性约束加入计算模型的约束条件进行限制。
投资及运行经济性指标用于配电网分布式电源接纳能力提升措施的效能分析,应加入主目标函数与DG接入容量进行比较。
作为多目标规划模型,选取DG配置的位置及对应节点的配置容量为控制变量,以DG最大配置容量和投资及运行经济性指标的组合函数作为主目标函数,计算模型在连续时间序列上建立约束目标函数,并将其作为柔性约束,采用基于刚性约束、柔性约束的两阶段计算方法求解,充分挖掘了配电网接纳DG的潜力。构造的计算模型目标函数如下所示:
式中,f1为主目标函数,f2为约束目标函数,PDG,i为第i个节点配置的DG最大准入功率,N为所有可以接入DG的节点,Tinv为投资回收期,Ai分别为第i个指标的计算值,λi为Ai对应的权重,k1,k2体现了DG最大准入容量同经济性指标的权衡关系,在计算理论最大准入容量时可以将k2取0,具体工程项目中可以根据实际情况对k1,k2进行调整。
配电网DG最大准入容量计算模型满足以下约束条件。计算模型建立在配电网正常运行状态下,故其需要满足配电网运行潮流的等式约束:
式中,PDG,i为节点i处DG向节点注入的有功功率,PL,i为节点i处负荷向节点注入的有功功率,Ui为节点i处电压幅值,Gij为节点i与节点j间线路电导值,Uj为节点j处电压幅值,θij为节点i与节点j间电压相位差,Bij为节点i与节点j间线路电纳值,QDG,i为节点i处DG向节点注入的有功功率,QL,i为节点i处负荷向节点注入的无功功率,n为配电网总节点个数。
同时DG并网后需要满足系统内电气设备约束,校验公式如公式(12)、公式(13)所示。
各时刻消纳平衡约束:
Pa(t)=Pl(t)+Pt(t)-PR(t)-PPCC(t) (21)
式中,Pa(t)为最大消纳DG电力,Pl(t)为t时刻的负荷功率,Pt(t)为t时刻该配网通过联络线向其他电网外送的功率,以下简称联络线功率,送出方向为正,PR(t)为t时刻配网内储能装置的总出力,输出功率为正,蓄能为负,PPCC(t)为上级电网的PCC传输功率。
计算周期内消纳平衡约束:
式中,Pa(t)为最大消纳DG电力,Pl(t)为t时刻的负荷功率,Pt(t)为t时刻该配网通过联络线向其他电网外送的功率,以下简称联络线功率,送出方向为正,PR(t)为t时刻配网内储能装置的总出力,输出功率为正,蓄能为负,PPCC(t)为上级电网的PCC传输功率,T为计算周期。
计算周期内储能装置充放电容量约束:
式中,PR(t)为t时刻配网内储能装置的总出力,T为计算周期。
储能装置充放电功率约束:
PR,i,min≤PR,i(t)≤PR,i,max (24)
式中,PR,i(t)为i节点所接储能装置在t时刻的充放电功率,PR,i,min、PR,i,max分别为其充放电功率限制下限及上限。
联络线传输功率约束:
Pt,i,min≤Pt,i(t)≤Pt,i,max (25)
式中,Pt,i(t)为第i条联络线在t时刻的传输功率,Pt,i,min、Pt,i,max分别为输送功率的最小值和最大值限制。
DG最大准入容量计算模型包含主目标函数和约束目标函数两个目标函数,属含约束的多目标规划问题。选用改进的基于分解的多目标进化算法(MOEA/D算法)进行计算模型的求解。在电力行业中,MOEA/D算法在运行优化协调控制技术原理是将多目标模型通过组合权重转化为多个单目标子模型,具有高搜索效率、高优化效率、能够提高最优解性能及计算效率等多方面优点。MOEA/D算法由分解算法和进化算法两部分组成。分解算法将多目标最优前沿的逼近问题转化为多个子目标模型的求解问题;进化算法是对每一个子问题,在迭代过程中利用与其相邻的子问题的信息实现求解。MOEA/D算法在迭代过程中的每一个解均是由各个子问题产生的最优解组成的前沿解集,利用相邻的子问题共享优化信息特性,可以避免进行重复的规划计算,从而在保障算法寻优能力的同时避免陷入局部最优的问题。如图4所示,MOEA/D算法的计算流程图。
MOEA/D的分解算法有加权和法、切比雪夫法、边界交集法。其中切比雪夫法对最优前沿形状不敏感,对凸规划和非凸规划均有很好的适应性。MOEA/D的进化算法运用最多的是子问题差分进化算法。与遗传算法等传统进化算法相比,差分进化算法参数少,鲁棒性和全局优化能力强。
MOEA/D算法是无约束问题的求解算法,但本模型需要考虑多种约束条件,将约束条件利用惩罚函数法构造进目标函数进行处理,对不可行解进行惩罚保证优化过程在可行域内进行。如图5所示,计算流程示意图,设计了基于刚性约束、柔性约束的两阶段计算策略进行模型的求解。
第一阶段为基于刚性约束模型的求解,将约束目标函数中各指标建立为刚性约束条件,基于主目标函数和约束条件构建单目标规划模型进行求解,得到DG接入容量的保守解,此保守解将保证所有控制变量遵从约束条件的可行域。
第二阶段建立约束目标函数作为柔性约束,以MOEA/D算法进行多目标模型的求解,应用切比雪夫分解法将主目标函数、约束目标函数分解为两个子目标模型,并通过差分进化算法对两个子目标模型进行求解。以第一阶段刚性约束模型的计算结果作为计算初值,在其临近区域内寻找多目标帕累托前沿解集。此方法确定计算初值可以迅速得到最优解节省运算时间同时提升解集质量。
具体步骤如下:
步骤31:准备数据,生成计算场景集,对数据进行预处理;
步骤32:将运行指标构建为刚性约束,建立为传统单目标模型,用差分进化算法对单目标模型进行求解,得到计算结果;
步骤33:构建约束目标函数作为柔性约束,建立为双目标模型,用MOEA/D算法进行多目标模型的求解,用切比雪夫分解法分解为两个子目标模型,用差分进化算法求解两个子目标模型,以步骤32的计算结果作为计算初值,在其临近区域内寻找多目标帕累托前沿解集。
模型具有极佳的可拓展性,在具体解决实际问题时可基于当地供电负荷特征、用电需求对模型进行修改,使其更佳贴合实际情形,更佳具有工程应用价值。本计算模型也为提升配电网接纳DG能力的方法研究提供了模型仿真方法,为电网规划提出最佳辅助决策。
实施方案:
本发明示范例选用改进的IEEE33节点算例模拟南方某条10kV供电出线,运用本发明构建模型计算其DG最大准入容量研究其接纳DG能力。如图6所示,改进IEEE33节点拓扑图,由于模型建立在连续时间序列上,为了让示范例仿真更加具有实际意义,如图7所示,典型日总负荷曲线,选取电网实测的负荷曲线对示范例负荷进行修正,建立一天96时段的连续负荷数据场景。光伏理论出力曲线采用当地一实际光伏电站出力曲线如图8所示。
计算结果分析。首先在第一阶段计算过程中,运用刚性约束的单目标规划方法,以DG接入总量为目标函数,约束目标函数转化为硬约束条件进行计算,运用差分进化算法进行求解得到模型计算初值,计算得到总接入容量为880kW。本模型在基于电压约束的同时也包含了可靠性指标和谐波畸变率指标,运行环境更为复杂。综合考虑了影响配电网接纳DG能力的多维影响因素,实现了影响因素的多维融合保证了计算结果的有效性。
根据原理分析根据刚性约束模型计算的初值应略小于最终计算结果,在此初值的基础上,第二阶段运用MOEA/D算法结合本发明所提出计算模型构建约束目标函数计算DG最大准入容量,计算得到总接入容量为1380kW。两个阶段计算的接入节点位置及各节点接入容量详见表1所示。相较刚性约束的单目标模型计算得到的总接入容量提升了56.8%。
表1两阶段计算DG最大准入容量计算结果及各节点接入容量对比
为了验证计算模型的效果,在上述DG最大接入配置的情形下,模拟全年系统运行仿真获得8760组DG运行场景,在每一个场景下通过潮流计算方法得到系统内各节点的电压幅值,其计算结果如图8所示。
根据落入电压不合格区域内点的比例判定方法的可行性。如图9所示,从场景模拟评估结果比例示意图可以看出,在全部潮流共289080组节点电压运行数据中,有12524组节点电压幅值落在不合格区域内,仅占总体的4.33%,同时电压越限值小于9.8%的有844组,仅占总体的0.29%。电压越限集中出现在节点12~节点17主干线末端负荷中,在这些节点处若安装无功调节装置将可以有效解决电压越限问题。
如图10所示,仿真全年数据的节点电压越限时间的比例示意图。全年各节点仅出现434次电压越限状况,最大越限幅值为10.92kV,76.5%的越限时间在2个小时之内。结果表明,本模型可以充分挖掘配电网接纳DG的潜力,在建立柔性约束的情形下显著提升了DG总接入容量,同时在大样本的数据支持下系统内仅有极少且短暂的电压越限现象出现,充分证明了其有效性和优越性。
Claims (9)
1.一种基于多维评估指标体系的配电网DG最大准入容量计算方法,其特征在于,包括以下步骤:
S1:选取分析评估维度,所述评估维度包括配电网运行指标维度、电气设备约束维度、DG消纳能力维度和投资及运行经济性维度,基于所述评估维度建立配电网接纳DG能力评估指标体系;
S2:分析建立基于加权平均电压偏移率、平均静态电压稳定性、平均供电可用率、期望缺供电能量、加权节点电压谐波总畸变率和电负荷均负荷率的约束目标函数,基于所述约束目标函数建立配电网DG最大准入容量计算模型;
S3:基于所述配电网DG最大准入容量计算模型,通过刚性约束阶段和柔性约束阶段计算DG最大准入容量。
2.根据权利要求1所述的一种基于多维评估指标体系的配电网DG最大准入容量计算方法,其特征在于,步骤S1中,所述配电网运行指标维度包括节点电压偏差维度、静态电压稳定性维度、供电可靠性维度和谐波维度,在所述节点电压偏差维度,选取加权平均电压偏移率指标,其算式如下:
式中,UCS为加权平均电压偏移率指标,λi为第i个节点的电压偏移权重系数,Ui,t为第i个节点在t时刻的电压幅值,UN为系统标称电压,K为配电网总节点个数,T为整个计算周期;在所述静态电压稳定性维度,选取平均静态电压稳定性指标,所述静态电压稳定性指标为周期内静态电压最大值;
在所述供电可靠性维度,选取平均供电可用率指标和期望缺供电能量指标,其算式如下:
式中:ASAI为平均供电可用率指标,EENS为缺供电能量指标,Cij为第i次停电事件中负荷点j的切负荷总量,T为模拟周期时间,S为模拟周期时间内发生停电的事件集合,N为模拟周期时间内停电次数,D为模拟周期时间内总停电时间,Dij为第i次停电事件中负荷点j的停电时间;
在所述谐波维度,选取加权平均谐波偏移率指标,其算式如下:
式中,THDμ为加权节点电压谐波总畸变率指标,THDi为第i个节点在计算周期内的电压总谐波畸变率,Uh,i为第i节点的h次谐波电压均方根值,M为所考虑的最高谐波次数,μi为第i个节点的电压谐波权重系数,K为配电网总节点个数。
3.根据权利要求1所述的一种基于多维评估指标体系的配电网DG最大准入容量计算方法,其特征在于,步骤S1中,DG消纳能力维度满足发电、用电的动态平衡关系和调节能力的约束,算式如下:
Pa(t)=Pl(t)+Pt(t)-PR(t)-PPCC(t),
Pt,min(t)≤Pt(t)≤Pt,max(t),
式中,v为电负荷均负荷率指标,Pa(t)为最大消纳DG电力,Pl(t)为t时刻的负荷功率,Pt(t)为t时刻该配网通过联络线向其他电网外送的功率,以下简称联络线功率,送出方向为正,PR(t)为t时刻配网内储能装置的总出力,输出功率为正,蓄能为负,PPCC(t)为上级电网的PCC传输功率,E1为计算周期T内平均负荷量,Pt,min(t)、Pt,max(t)为联络线在t时刻输送功率的最大值和最小值限制。
5.根据权利要求1所述的一种基于多维评估指标体系的配电网DG最大准入容量计算方法,其特征在于,步骤S2中,基于加权平均电压偏移率指标、平均静态电压稳定性指标、平均供电可用率指标、期望缺供电能量指标、加权节点电压谐波总畸变率指标和电负荷均负荷率指标构建约束目标函数,步骤如下:
S21:计算控制变量的指标值;
S22:计算指标的标准值的偏移量,经过线性变换和归一化处理得到指标的计算值;
S23:采用最小二乘法和DARE-熵权法确定指标的权重;
S24:组合指标的计算值和权重,形成约束目标函数。
7.根据权利要求1所述的一种基于多维评估指标体系的配电网DG最大准入容量计算方法,其特征在于,所述配电网DG最大准入容量计算模型满足配电网运行潮流约束、系统内电气设备约束、各时刻消纳平衡约束、计算周期内消纳平衡约束、计算周期内储能装置充放电容量约束、储能装置充放电功率约束和联络线传输功率约束。
8.根据权利要求1或7所述的一种基于多维评估指标体系的配电网DG最大准入容量计算方法,其特征在于,所述配电网DG最大准入容量计算模型采用MOEA/D算法进行求解,将多目标最优前沿的逼近问题转化为多个子目标模型的求解问题,对每一个子问题,在迭代过程中利用与其相邻的子问题的信息实现求解。
9.根据权利要求1所述的一种基于多维评估指标体系的配电网DG最大准入容量计算方法,其特征在于,步骤S3中,通过刚性约束阶段和柔性约束阶段计算DG最大准入容量的步骤如下:
S31:准备数据,对所述数据进行预处理;
S32:建立基于刚性约束的单目标模型,求解得到计算初值;
S33:建立基于刚性约束和柔性约束的双目标模型,将所述双目标模型分解为两个子目标模型进行求解,得到所述计算初值临近区域内的多目标帕累托前沿解集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210494200.1A CN115017854A (zh) | 2022-05-05 | 2022-05-05 | 一种基于多维评估指标体系的配电网dg最大准入容量计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210494200.1A CN115017854A (zh) | 2022-05-05 | 2022-05-05 | 一种基于多维评估指标体系的配电网dg最大准入容量计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115017854A true CN115017854A (zh) | 2022-09-06 |
Family
ID=83068686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210494200.1A Pending CN115017854A (zh) | 2022-05-05 | 2022-05-05 | 一种基于多维评估指标体系的配电网dg最大准入容量计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115017854A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116388185A (zh) * | 2023-06-05 | 2023-07-04 | 昆明理工大学 | 一种有源配电网故障处理与快速自愈方法及系统 |
CN116613823A (zh) * | 2023-07-18 | 2023-08-18 | 华北电力科学研究院有限责任公司 | 配电网电能质量评估方法、装置及系统 |
CN117394438A (zh) * | 2023-11-13 | 2024-01-12 | 南方电网能源发展研究院有限责任公司 | 考虑通信基站可调节潜力的分布式光伏准入容量评估方法 |
CN117543589A (zh) * | 2024-01-10 | 2024-02-09 | 四川能投云电科技有限公司 | 一种梯级水电安全集控系统调度方法 |
-
2022
- 2022-05-05 CN CN202210494200.1A patent/CN115017854A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116388185A (zh) * | 2023-06-05 | 2023-07-04 | 昆明理工大学 | 一种有源配电网故障处理与快速自愈方法及系统 |
CN116388185B (zh) * | 2023-06-05 | 2023-09-12 | 昆明理工大学 | 一种有源配电网故障处理与快速自愈方法及系统 |
CN116613823A (zh) * | 2023-07-18 | 2023-08-18 | 华北电力科学研究院有限责任公司 | 配电网电能质量评估方法、装置及系统 |
CN116613823B (zh) * | 2023-07-18 | 2023-12-08 | 华北电力科学研究院有限责任公司 | 配电网电能质量评估方法、装置及系统 |
CN117394438A (zh) * | 2023-11-13 | 2024-01-12 | 南方电网能源发展研究院有限责任公司 | 考虑通信基站可调节潜力的分布式光伏准入容量评估方法 |
CN117543589A (zh) * | 2024-01-10 | 2024-02-09 | 四川能投云电科技有限公司 | 一种梯级水电安全集控系统调度方法 |
CN117543589B (zh) * | 2024-01-10 | 2024-05-07 | 四川能投云电科技有限公司 | 一种梯级水电安全集控系统调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Optimization planning method of distributed generation based on steady-state security region of distribution network | |
Ou et al. | Dynamic operation and control of microgrid hybrid power systems | |
CN104578157B (zh) | 一种分布式电源接入电网的潮流计算方法 | |
Yuan et al. | Stochastic optimization model for the short-term joint operation of photovoltaic power and hydropower plants based on chance-constrained programming | |
CN115017854A (zh) | 一种基于多维评估指标体系的配电网dg最大准入容量计算方法 | |
Qiu et al. | Stochastic online generation control of cascaded run-of-the-river hydropower for mitigating solar power volatility | |
CN105186499A (zh) | 一种配电网多目标概率最优潮流模糊建模与求解方法 | |
CN105069236B (zh) | 考虑风电场节点空间相关性的广义负荷联合概率建模方法 | |
Liu et al. | Research on short-term optimization for integrated hydro-PV power system based on genetic algorithm | |
Lin et al. | The application of hydrogen and photovoltaic for reactive power optimization | |
Han et al. | Optimal sizing considering power uncertainty and power supply reliability based on LSTM and MOPSO for SWPBMs | |
Liu et al. | Short-term coordinated hybrid hydro-wind-solar optimal scheduling model considering multistage section restrictions | |
Zhang et al. | Multi–objective Cluster Partition Method for Distribution Network Considering Uncertainties of Distributed Generations and Loads | |
Peng et al. | Research on inter-regional renewable energy accommodation assessment method based on time series production simulation | |
Ma et al. | Coordination of generation and transmission planning for power system with large wind farms | |
Kan et al. | Optimal configuration of the hybrid energy storage system for reducing the amount of discarded photovoltaic | |
Mi et al. | Renewable Energy Capacity Credit Assessment Method Considering Source-load Correlation | |
Tsegaye et al. | Hopfield Neural Network-based Security Constrained Economic Dispatch of Renewable Energy Systems | |
Hanting et al. | Active Distribution Network Bi-level Planning Considering the" Source-Grid-Load-Storage" Collaborative | |
CN117748622B (zh) | 一种微电网多态协调控制方法及系统 | |
Hu et al. | Research on Complementarity of Multi-Energy Power Systems: A Review | |
Xie et al. | Increment‐correction method for online distributed optimisation in distribution networks with extra‐high DER integration | |
Man et al. | Multi-objective comprehensive optimization based on probabilistic power flow calculation of distribution network | |
CN112271721B (zh) | 一种基于条件Copula函数的风电功率预测方法 | |
Hu et al. | Multi-Objective Configuration Method of Energy Storage Capacity of New Energy Microgrid Based on Multi-Functional Application |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230830 Address after: No. 77 Jingdu Fourth Road, Maqiao Street, Haining City, Jiaxing City, Zhejiang Province, 314400 Applicant after: HAINING JINNENG POWER INDUSTRY Co.,Ltd. Applicant after: State Grid Zhejiang Electric Power Co., Ltd. Haining power supply Co. Address before: 314400 No. 280, shuiyueting West Road, Haizhou street, Haining City, Jiaxing City, Zhejiang Province Applicant before: State Grid Zhejiang Electric Power Co., Ltd. Haining power supply Co. |