CN115117931A - 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统 - Google Patents

考虑电动汽车灵活性和光伏接入的配电网规划方法及系统 Download PDF

Info

Publication number
CN115117931A
CN115117931A CN202210824864.XA CN202210824864A CN115117931A CN 115117931 A CN115117931 A CN 115117931A CN 202210824864 A CN202210824864 A CN 202210824864A CN 115117931 A CN115117931 A CN 115117931A
Authority
CN
China
Prior art keywords
power
distribution network
time period
photovoltaic
load
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.)
Granted
Application number
CN202210824864.XA
Other languages
English (en)
Other versions
CN115117931B (zh
Inventor
胡俊杰
张展宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN202210824864.XA priority Critical patent/CN115117931B/zh
Publication of CN115117931A publication Critical patent/CN115117931A/zh
Application granted granted Critical
Publication of CN115117931B publication Critical patent/CN115117931B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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
    • H02J3/50—Controlling the sharing of the out-of-phase component
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Power Engineering (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种考虑电动汽车灵活性和光伏接入的配电网规划方法及系统，属于配电网规划领域，配电网规划方法包括：获取历史样本数据集并聚类，得到负荷与光伏出力的时序数据，确定配电网潮流约束；根据配电网与上级电网的交换功率上下限确定交换功率约束；根据配电网中电动汽车的充放电情况确定电动汽车灵活性资源的上下调负荷量边界，进而确定电动汽车灵活性资源运行约束；根据光伏电站及储能系统确定光储运行约束；根据配电网线路的扩建系数、储能系统的负载系数及光伏电站的弃光系数确定目标函数；基于上述各约束条件及目标函数确定配电网规划模型并求解，确定配电网在多个规划年的扩建线路。减少了配电网线路的扩建并提升了新能源的消纳率。

Description

考虑电动汽车灵活性和光伏接入的配电网规划方法及系统
技术领域
本发明涉及配电网规划领域，特别是涉及一种考虑电动汽车灵活性和光伏接入的配电网规划方法及系统。
背景技术
在“双碳”目标下，配电网中的光伏比例也逐渐提升，光伏出力的波动性给配电网的稳定运行造成了一定程度的冲击，电力系统需求侧的负荷量也随着社会需求的增加而增加，如果不提前对配电网的线路进行规划，会给电网带来线路损坏、网损增大、电能质量下降、电压降低、电网运行优化控制难度增加等问题，这对电力系统的调节能力提出了新的要求。其中配电网中负荷容量的逐渐提升，电网中输电线路容量趋于不足，需要在特定的规划年份对线路进行扩建；同时，配电网中新能源特别是光伏发电占比越来越大，光伏作为一种新型清洁能源，其出力波动性强，稳定性差，所以光伏的大规模接入影响了配电网的安全稳定运行，对光伏的充分消纳也成了如今电力系统的热点问题。
而储能技术的发展能够有效的缓解新能源强波动带给电网的电压升高、新能源消纳率不足问题，其中利用储能抑制光伏出力波动的光储联合运行系统应运而生；另一方面，需求侧灵活性资源的普及使得电力负荷资源逐渐可控，特别是电动汽车占比的增加，对其灵活性的充分应用能够减少配电网线路的扩建。
现有针对配电网规划的研究多是单方面考虑需求侧响应或者单方面考虑储能，引入配电网规划模型的经济性成本作为目标函数，通过施加需求侧响应运行约束或储能投资运行约束将两者分别纳入配电网规划，然而这类规划方法一方面多是将需求侧响应简单的划分成中断负荷和激励负荷，并未对需求侧资源如电动汽车进行灵活性量化；另一方面，这类规划方法的模型在求解时有着强非凸性，大大的增加了计算量。
基于上述问题，亟需一种新的配电网规划方法以减少配电网线路扩建并提升新能源消纳率。
发明内容
本发明的目的是提供一种考虑电动汽车灵活性和光伏接入的配电网规划方法及系统，可减少配电网线路的扩建并提升新能源消纳率。
为实现上述目的，本发明提供了如下方案：
一种考虑电动汽车灵活性和光伏接入的配电网规划方法，包括：
获取历史样本数据集；所述历史样本数据集中包括历史多天配电网的负荷与光伏出力的时序数据；
对所述历史样本数据集中的时序数据进行聚类，得到多个典型日的负荷与光伏出力的时序数据；
根据多个典型日的负荷与光伏出力的时序数据，确定配电网潮流约束；
根据配电网与上级电网交换的有功功率上限值、有功功率下限值、无功功率上限值及无功功率下限值，确定交换功率约束；
根据配电网中多个电动汽车在历史多个时段的充电功率、放电功率、充电效率、放电效率及入网时的初始电量，确定电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限；
根据电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限，确定电动汽车灵活性资源运行约束；
根据配电网中各节点的光伏电站有功出力上限、各节点的光伏电站无功出力上限、光储联合出力的波动限值、各节点的储能容量上限、各节点的储能额定充放电功率下限、各节点的储能额定充放电功率上限及储能系统的最大充放电次数，确定光储运行约束；
根据配电网线路的扩建系数、储能系统的负载系数及光伏电站的弃光系数，确定目标函数；
基于所述配电网潮流约束、所述交换功率约束、所述电动汽车灵活性资源运行约束、所述光储运行约束及所述目标函数，确定配电网规划模型；
对所述配电网规划模型求解，确定配电网在多个规划年的扩建线路。
为实现上述目的，本发明还提供了如下方案：
一种考虑电动汽车灵活性和光伏接入的配电网规划系统，包括：
历史数据获取单元，用于获取历史样本数据集；所述历史样本数据集中包括历史多天配电网的负荷与光伏出力的时序数据；
聚类单元，与所述历史数据获取单元连接，用于对所述历史样本数据集中的时序数据进行聚类，得到多个典型日的负荷与光伏出力的时序数据；
配电网潮流约束确定单元，与所述聚类单元连接，用于根据多个典型日的负荷与光伏出力的时序数据，确定配电网潮流约束；
交换功率约束确定单元，用于根据配电网与上级电网交换的有功功率上限值、有功功率下限值、无功功率上限值及无功功率下限值，确定交换功率约束；
电动汽车负荷量确定单元，用于根据配电网中多个电动汽车在历史多个时段的充电功率、放电功率、充电效率、放电效率及入网时的初始电量，确定电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限；
电动汽车运行约束确定单元，与所述电动汽车负荷量确定单元连接，用于根据电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限，确定电动汽车灵活性资源运行约束；
光储运行约束确定单元，用于根据配电网中各节点的光伏电站有功出力上限、各节点的光伏电站无功出力上限、光储联合出力的波动限值、各节点的储能容量上限、各节点的储能额定充放电功率下限、各节点的储能额定充放电功率上限及储能系统的最大充放电次数，确定光储运行约束；
目标函数确定单元，用于根据配电网线路的扩建系数、储能系统的负载系数及光伏电站的弃光系数，确定目标函数；
规划模型确定单元，与所述配电网潮流约束确定单元、交换功率约束确定单元、电动汽车运行约束确定单元、光储运行约束确定单元及目标函数确定单元连接，用于基于所述配电网潮流约束、所述交换功率约束、所述电动汽车灵活性资源运行约束、所述光储运行约束及所述目标函数，确定配电网规划模型；
求解单元，与所述规划模型确定单元连接，用于对所述配电网规划模型求解，确定配电网在多个规划年的扩建线路。
根据本发明提供的具体实施例，本发明公开了以下技术效果：根据多个典型日的负荷与光伏出力的时序数据确定配电网潮流约束，根据配电网与上级电网交换的有功功率上限值、有功功率下限值、无功功率上限值及无功功率下限值，确定交换功率约束，通过对需求侧的电动汽车进行灵活性的量化得到电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限，进而确定电动汽车灵活性资源运行约束，综合引入配电网线路的扩建系数、储能系统的负载系数及光伏电站的弃光系数，确定目标函数，将电动汽车灵活性资源运行约束和光储运行约束纳入配电网规划中，减少了配电网线路的扩建，同时提升了新能源的消纳率。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明考虑电动汽车灵活性和光伏接入的配电网规划方法的流程图；
图2为K-means算法下生成的配电网96小时规划场景的一示意图；
图3为K-means算法下生成的配电网96小时规划场景的另一示意图；
图4为一种单位电动汽车电量可行域的示意图；
图5为另一种单位电动汽车电量可行域的示意图；
图6为量化分析得到的电动汽车上下备用能力示意图；
图7为本发明考虑电动汽车灵活性和光伏接入的配电网规划系统的模块结构示意图。
符号说明：
历史数据获取单元-1，聚类单元-2，配电网潮流约束确定单元-3，交换功率约束确定单元-4，电动汽车负荷量确定单元-5，电动汽车运行约束确定单元-6，光储运行约束确定单元-7，目标函数确定单元-8，规划模型确定单元-9，求解单元-10。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明的目的是提供一种考虑电动汽车灵活性和光伏接入的配电网规划方法及系统，通过将电动汽车灵活性资源运行约束和储能运行约束等约束纳入配电网规划，引入电动汽车灵活性资源、光伏、储能的运行约束进行规划，减少了配电网线路的扩建并提升了新能源的消纳率。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明考虑电动汽车灵活性和光伏接入的配电网规划方法包括：
S1：获取历史样本数据集。所述历史样本数据集中包括历史多天配电网的负荷与光伏出力的时序数据。具体地，历史每天配电网的负荷与光伏出力的时序数据包括多个时段的负荷及光伏出力。
S2：对所述历史样本数据集中的时序数据进行聚类，得到多个典型日的负荷与光伏出力的时序数据。在本实施例中，利用k-means算法将每个规划年的配电网负荷和光伏出力聚类成四个典型日数据，即96个时段的负荷与光伏出力的时序数据，每个时段为1小时。以分析电动汽车灵活性资源和光储联合出力对配电网规划的影响。
S3：根据多个典型日的负荷与光伏出力的时序数据，确定配电网潮流约束。
S4：根据配电网与上级电网交换的有功功率上限值、有功功率下限值、无功功率上限值及无功功率下限值，确定交换功率约束。
S5：根据配电网中多个电动汽车在历史多个时段的充电功率、放电功率、充电效率、放电效率及入网时的初始电量，确定电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限。
S6：根据电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限，确定电动汽车灵活性资源运行约束。
S7：根据配电网中各节点的光伏电站有功出力上限、各节点的光伏电站无功出力上限、光储联合出力的波动限值、各节点的储能容量上限、各节点的储能额定充放电功率下限、各节点的储能额定充放电功率上限及储能系统的最大充放电次数，确定光储运行约束。
S8：根据配电网线路的扩建系数、储能系统的负载系数及光伏电站的弃光系数，确定目标函数。
S9：基于所述配电网潮流约束、所述交换功率约束、所述电动汽车灵活性资源运行约束、所述光储运行约束及所述目标函数，确定配电网规划模型。
S10：对所述配电网规划模型求解，确定配电网在多个规划年的扩建线路。具体地，对配电网规划模型求解后，得到目标函数值和各约束条件中相关数据的最优值。根据目标函数值及各最优值即可确定最优的扩建线路。
区别于传统的配电网规划，本发明的规划方法中在满足配电网潮流约束、交换功率约束的基础上，综合考虑光伏储能的运行约束和电动汽车相应的运行约束构建了全面的配电网规划模型。在兼顾配电网规划和光伏消纳的基础上求解每个规划年的扩建线路。本发明的方法具有普适性，该配电网规划方法能在减少配电网线路扩建的同时，提高光伏的消纳率，在配电网规划方面具有实际意义。能很方便的得到多个连续规划年的配电网最优线路扩建结果，对科研机构和工商业界综合电动汽车、光储技术参与配电网规划有非常重要的应用价值。
进一步地，步骤S2具体包括：采用k-means算法对所述历史样本数据集中的时序数据进行聚类，得到多个典型场景数据集。各典型场景数据集中包括多个时段的负荷及光伏出力。对各典型场景数据集进行标幺化处理，得到多个典型日内各时段的负荷及光伏出力。
基于k-means算法对每个规划年的配电网负荷和光伏出力的场景生成，用少量的典型场景集来反映周期内负荷与光伏出力变化，大大削减了初始预测场景。
具体地，基于k-means算法的配电网负荷和光伏出力的典型日数据生成，以日为单位作为聚类基本样本，则样本总数F为365，每个样本包含一组对应的负荷与光伏出力时序数据。对周期内所有样本采用改进k-means聚类算法进行处理，得到一组最佳聚类数为4的全年负荷与光伏出力典型时序场景集。
聚类分析的算法众多，本发明重点分析k-means聚类算法：
设现有一个包含F个变量x1，x2，…，xf的数据集，通过k-means聚类算法将其分为l类，分别用X1，X2，…，Xl表示。mi为第i个类Xi中变量的均值，则k-means聚类算法的步骤如下：
1）首先，随机选取l个变量作为初始聚类中心m1，m2，…，ml。
2）如果d(xj，mp)≤d(xj，mj)，1≤p≤l，j=1，2，…，l，则分配xj到第p类。
3）重新计算每个聚类的中心：
Figure 278970DEST_PATH_IMAGE001
。
4）重复步骤2）和3），直到mi不再变化。
考虑光伏接纳能力的配电网规划研究是以负荷预测及光伏出力预测为基础的。对于光伏接纳能力的研究，负荷与光伏出力的相关性很是关键且不容忽略的重点内容，如果能够根据地区历史实际负荷与光伏实际出力数据选取出具有代表性的典型场景，用这些少量的典型场景集来反映周期内负荷与光伏出力变化，给出具有相关性的负荷与光伏出力时序预测值，对配电网规划而言，大大削减了初始预测场景。这种算法一方面满足了预测数据贴近实际的要求，另一方面在很大程度提高了计算效率。因此，选取合适的场景削减方法对原始数据进行筛检可以起到事半功倍的效果。
本发明通过选择合适的聚类指标改良k-means聚类的性能，以期在聚类数范围内分析聚类结果，从而确定最佳聚类数并给出相应典型聚类场景。假定数据集中的样本总数为F，聚类数的搜索范围为
Figure 821947DEST_PATH_IMAGE002
内的整数。本发明选用CH(+)指标作为有效性指标，该指标定义为：
Figure 176704DEST_PATH_IMAGE003
；
其中，T l 、P l 分别为分类数为l时的类间和类内离差平方和。随着l值的增大，分母P l 逐渐减小，分子T l 逐渐增大，CH (+)指标值可能在某一个l取值下获得最大值，使得该指标取得最大值时的l就是所求最佳聚类个数。
本实施例中，以日为单位作为聚类基本样本，则样本总数F为365，每个样本包含一组对应的负荷与光伏出力时序数据。对周期内所有样本采用改进k-means聚类算法进行处理，得到一组最佳聚类数为4的全年负荷与光伏出力典型时序场景集。各场景出现的概率依次为0.277、0.225、0.219、0.279；为方便构造模型中负荷与光伏出力有名值数据，对各典型场景数据取标幺值，标幺化的聚类结果如图2和图3所示。由各典型场景标幺值数据与算例系统的光伏电站额定功率、各节点最大负荷值成比例构造，即可得到用于考虑光伏接纳能力的配电网规划计算的负荷与光伏出力的时序数据。
进一步地，各典型日的负荷与光伏出力的时序数据包括典型日内多个时段的负荷及光伏出力。所述负荷包括有功负荷及无功负荷。所述光伏出力包括光伏有功出力及光伏无功出力。配电网中包括多个节点，每两个节点形成一条支路。根据配电网中的节点以及现有支路，即可确定待新建支路的节支关联矩阵。本发明的最终目的即确定未来规划年最优的扩建支路。
步骤S3中的配电网潮流约束包括节点功率平衡约束及支路潮流约束。具体地，所述节点功率平衡约束为：
Figure 926197DEST_PATH_IMAGE004
；
Figure 354904DEST_PATH_IMAGE005
；
Figure 803203DEST_PATH_IMAGE006
；
Figure 910837DEST_PATH_IMAGE007
；
其中，P buy,t,v 为典型日v时段t下配电网与上级交换的有功功率，P PVess,t,v 为典型日v时段t下的光储联合有功出力，A old 为配电网现有支路的节支关联矩阵，A new 为配电网待新建支路的节支关联矩阵，
Figure 368363DEST_PATH_IMAGE008
为典型日v时段t下配电网现有支路的有功功率，
Figure 979473DEST_PATH_IMAGE009
为典型日v时段t下配电网待新建支路的有功功率，P load,t,v 为典型日v时段t下的有功负荷，P down,t,v 为典型日v时段t下的下调负荷功率，P up,t,v 为典型日v时段t下的上调负荷功率，P PV,t,v 为典型日v时段t下的光伏有功出力，P ess,t,v 典型日v时段t下的储能有功出力；Q buy,t,v 为典型日v时段t下配电网与上级交换的无功功率，Q PVess,t,v 为典型日v时段t下的光储无功注入量，
Figure 926569DEST_PATH_IMAGE010
为典型日v时段t下配电网现有支路的无功功率，
Figure 990340DEST_PATH_IMAGE011
为典型日v时段t下配电网待新建支路的无功功率，Q load,t,v 为典型日v时段t下的无功负荷，Q PV,t,v 为典型日v时段t下的光伏无功出力，Q ess,t,v 为典型日v时段t下的储能无功出力。
所述支路潮流约束为：
Figure 923661DEST_PATH_IMAGE012
；
Figure 389277DEST_PATH_IMAGE013
；
Figure 444958DEST_PATH_IMAGE014
；
其中，r(j)为配电网中以j为尾节点的首节点集合，P ij,t,v 为典型日v时段t下配电网支路ij的有功功率，Q ij,t,v 为典型日v时段t下配电网支路ij的无功功率，U i,t,v 为典型日v时段t下节点i的电压，r ij 为支路ij的电阻，P j,t,v 为典型日v时段t下节点j的有功注入功率，s(j)为配电网中以j为首节点的尾节点集合，P jk,t,v 为典型日v时段t下配电网支路jk的有功功率，x ij 为支路ij的电抗，Q j,t,v 为典型日v时段t下节点j的无功注入功率，Q jk,t,v 为典型日v时段t下配电网支路jk的无功功率，I ij,t,v 为典型日v时段t下支路ij上的电流。
进一步地，为防止配电网与上级电网（主网）的交换功率不当导致供电不足或弃光过多，设计了交换功率约束。步骤S4中的交换功率约束为：
Figure 58342DEST_PATH_IMAGE015
；
Figure 592091DEST_PATH_IMAGE016
；
其中，P buy,t,v 为典型日v时段t下配电网与上级电网交换的有功功率，Q buy,t,v 为典型日v时段t下配电网与上级电网交换的无功功率，
Figure 177793DEST_PATH_IMAGE017
为配电网与上级电网交换的有功功率下限值，
Figure 669955DEST_PATH_IMAGE018
为配电网与上级电网交换的有功功率上限值，
Figure 708318DEST_PATH_IMAGE019
为配电网与上级电网交换的无功功率下限值，
Figure 983441DEST_PATH_IMAGE020
配电网与上级电网交换的无功功率上限值。
进一步地，步骤S5具体包括：
S51：针对任一电动汽车，根据所述电动汽车在历史任一时段的充电功率、放电功率、充电效率及放电效率，确定所述电动汽车在对应时段的充放电功率。
S52：根据各电动汽车入网时的初始电量以及在各时段的充放电功率，确定电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限。
具体地，分析电动汽车的用电灵活性，基于此建立集群电动汽车的灵活性量化模型，以电动汽车充放电系数最大为目标，综合考虑电动汽车的电量可行域、充放电功率约束，得到集群电动汽车的上下备用能力即可调功率上下限，将其作为可调功率上下限约束电动汽车资源的上调、下调灵活性负荷：
在量化EV（Electric Vehicle，电动汽车）的备用能力时，首先要分析EV的电量可行域，依据EV入网的初始电池容量E 0及用户设置的保底电量E base ，可将单位EV的电量可行域分为图4和图5所示两种类型，不同情形下EV功率可行状态不一致。其中E max 为EV最大电池容量，E base 为EV用户设置保底电量，E 0为初始电量，E exp 为离网电量，t 0为EV入网时间，t base 为充电至保底电量时间，t exp 为离网时间。受最大充电功率影响，E base 至E max 的最快方式为点a至点b；受电量约束的影响，达到保底电量后暂缓充电最迟至点d，随后以最大充电功率充电至期望电量E exp 。
其中，电动汽车在t时段的充放电功率为：
Figure 423650DEST_PATH_IMAGE021
；
Figure 617871DEST_PATH_IMAGE022
；
Figure 618231DEST_PATH_IMAGE023
；
式中，P c (t)为t时段电动汽车的充电功率，P d (t)为t时段电动汽车的放电功率，i c (t)为充电状态0，i d (t)为充电和放电状态，i c (t)=0表示EV处于非充电状态，i c (t)=1表示EV处于充电状态，i d (t)=0表示EV处于非放电状态，i d (t)=1表示EV处于放电状态，
Figure 556100DEST_PATH_IMAGE024
为充电效率，
Figure 850815DEST_PATH_IMAGE025
为放电效率，P max 为最大充电功率，P min 为最大放电功率。EV的备用能力会随着EV实时功率的变化而发生改变。
在计算EV充放电功率的同时也必须考虑到电池电量的约束。在电量低于保底电量E base 之前，EV暂时不可调控。受电池最大充电功率约束，要使得EV在离网时间t exp 前达到期望电量E exp ，在接入电网后至离网期间，EV的实时电量E应有最低电量约束E min 。
Figure 91304DEST_PATH_IMAGE026
；
在考虑功率边界的影响和电量边界的影响基础上，对EV备用能力建模如下：
离散化时间轴，将一个调度周期分为n个时段，每个时段长度为
Figure 104259DEST_PATH_IMAGE027
。假设
Figure 845819DEST_PATH_IMAGE027
内充放电功率保持不变，则：
Figure 667144DEST_PATH_IMAGE028
；
Figure 203168DEST_PATH_IMAGE029
；
Figure 437840DEST_PATH_IMAGE030
；
式中，E(k)为第k个时段EV的电量，
Figure 327299DEST_PATH_IMAGE031
表示第k个时段EV的在线状态，
Figure 393344DEST_PATH_IMAGE032
表示在线，
Figure 975635DEST_PATH_IMAGE033
表示离线，P(k)为第k个时段的当前运行功率。P cu (k)为上备用能力，P cd (k)为下备用能力，P max -P(k)和-P min +P(k)为第k个时段最大可增加充放电功率，体现为功率边界；E(k)-E min (k+1)为第k个时段内最大可放电量，
Figure 494341DEST_PATH_IMAGE034
为当前EV的可放电量空间，体现出电量边界。
以集群电动汽车充放电系数最大化为目标进行充电或充放电优化，得出最优充放电功率并以此为基准功率计算参与集中调控的EV集群备用能力。优化目标函数如下：
Figure 187490DEST_PATH_IMAGE035
；
Figure 311304DEST_PATH_IMAGE036
；
Figure 189130DEST_PATH_IMAGE037
；
Figure 70499DEST_PATH_IMAGE038
；
Figure 691973DEST_PATH_IMAGE039
；
其中，M agg 为AGG（aggregator，聚合商）集中调控N辆EV总充放电系数，N为集群电动汽车的总量，M j,t 为第t个时段第j辆EV参与聚合商集中调控之后的充放电系数，M d,j,t 为第t个时段第j辆EV参与聚合商集中调度后的放电系数，M c,j,t 为t个时段第j辆EV参与聚合商调度后的充电系数，P d,j,t 为第t个时段第j辆EV接受集中调度时的放电功率，P c,j,t 为第t个时段第j辆EV接受集中调度时的充电功率，
Figure 342397DEST_PATH_IMAGE040
为第t时段的充电权重因子，
Figure 594387DEST_PATH_IMAGE041
为第t时段的放电权重因子，
Figure 87685DEST_PATH_IMAGE042
为第t个时段第j辆EV不接受集中调度的充放电功率，即实施入网即充电的功率情况。
在后续规划模型中，将电动汽车的备用能力作为电动汽车灵活性资源的可调功率上下限进行配电网规划：
Figure 388216DEST_PATH_IMAGE043
；
Figure 221043DEST_PATH_IMAGE044
；
其中，
Figure 440672DEST_PATH_IMAGE045
为电动汽车灵活性资源在时段t的下调边界，
Figure 562212DEST_PATH_IMAGE046
为电动汽车灵活性资源在时段t的上调边界。如图6所示为量化分析得到的电动汽车上下备用能力示意图。
进一步地，步骤S6中的电动汽车灵活性资源运行约束为：
Figure 457312DEST_PATH_IMAGE047
；
Figure 206963DEST_PATH_IMAGE048
；
Figure 738438DEST_PATH_IMAGE049
；
Figure 940749DEST_PATH_IMAGE050
；
Figure 910979DEST_PATH_IMAGE051
；
其中，
Figure 656081DEST_PATH_IMAGE052
为典型日v时段t节点i的灵活性负荷下调负荷状态（0-1变量），
Figure 420775DEST_PATH_IMAGE053
为典型日v时段t节点i的灵活性负荷上调负荷状态（0-1变量），P down,t,v,i 为典型日v时段t节点i的下调负荷量，
Figure 375962DEST_PATH_IMAGE054
为典型日v时段t节点i的下调负荷量上限，各节点的下调负荷量上限相同，P up,t,v,i 为典型日v时段t节点i的上调负荷量，
Figure 618724DEST_PATH_IMAGE055
为典型日v时段t节点i的上调负荷量上限，各节点的上调负荷量上限相同，
Figure 218333DEST_PATH_IMAGE056
为灵活性负荷下调负荷的最大连续下调时间，
Figure 216245DEST_PATH_IMAGE057
为灵活性负荷上调负荷的最大连续上调时间，T为一个典型日的总时段。
进一步地，步骤S7中的光储运行约束包括光伏电站运行约束、储能系统运行约束及储能系统充放电约束。
具体地，所述光伏电站运行约束为：
Figure 268514DEST_PATH_IMAGE058
；
Figure 314968DEST_PATH_IMAGE059
；
Figure 159296DEST_PATH_IMAGE060
；
其中，P PV,t,v,i 典型日v时段t节点i的光伏电站有功出力，
Figure 937896DEST_PATH_IMAGE061
为典型日v时段t节点i的光伏电站有功出力上限，Q PV,t,v,i 为典型日v时段t节点i的光伏电站无功出力，
Figure 805358DEST_PATH_IMAGE062
为典型日v时段t节点i的光伏电站无功出力上限，P PVess,t,v,i 为典型日v时段t节点i的光储联合有功出力，
Figure DEST_PATH_IMAGE063
为光储联合出力的波动限值。
储能系统运行约束为：
Figure 514557DEST_PATH_IMAGE064
；
Figure 88757DEST_PATH_IMAGE065
；
Figure 366155DEST_PATH_IMAGE066
；
Figure 517651DEST_PATH_IMAGE067
；
Figure 171486DEST_PATH_IMAGE068
；
其中，E ess,t,v,i 为典型日v时段t节点i的储能容量，
Figure 600193DEST_PATH_IMAGE069
为典型日v时段t节点i的储能容量上限，P ess,t,v,i 为典型日v时段t节点i的储能充放电功率，
Figure 54351DEST_PATH_IMAGE070
为典型日v时段t节点i的储能额定充放电功率，
Figure 161985DEST_PATH_IMAGE071
为典型日v时段t节点i的储能额定充放电功率下限，
Figure 416249DEST_PATH_IMAGE072
为典型日v时段t节点i的储能额定充放电功率上限，T为一个典型日的总时段，
Figure 27358DEST_PATH_IMAGE073
为每个典型日的时间段间隔。在本实施例中，T=96。
储能系统充放电约束为：
Figure 912138DEST_PATH_IMAGE074
；
Figure 913592DEST_PATH_IMAGE075
；
Figure 643651DEST_PATH_IMAGE076
；
d t,v,i +c t,v,i =1；
cd t,v,i =c t,v,i -d t,v,i ；
Figure 906005DEST_PATH_IMAGE077
；
其中，Z t,v,i 为典型日v时段t节点i的储能系统的充放电三状态变量，Z t,v,i =-1表示放电状态，Z t,v,i =1表示充电状态，Z t,v,i =0表示储能系统没参与运行，P ess,t,v,i 为典型日v时段t节点i的储能充放电功率，d t,v,i 为典型日v时段t节点i的储能系统的放电状态（0-1变量）、c t,v,i 为典型日v时段t节点i的储能系统的充电状态（0-1变量），cd t,v,i 为典型日v时段t节点i的储能系统的充放电二状态变量，cd t,v,i =1或-1，cd t,v,i =1表示储能系统为充电状态，cd t,v,i =-1表示储能系统为放电状态，T为一个典型日的总时段，
Figure 899368DEST_PATH_IMAGE078
为各典型日储能系统的最大充放电次数，M为一个使约束能够成立的随机数。一般M为大于10000的数。
进一步地，步骤S8中的目标函数为：
min f=f line +f ess +f cur ；
Figure 184856DEST_PATH_IMAGE079
；
Figure 46502DEST_PATH_IMAGE080
；
Figure 38729DEST_PATH_IMAGE081
；
其中，f为目标函数值，f line 为配电网线路的扩建系数，f ess 为储能系统的负载系数，f cur 为光伏电站的弃光系数，ij为节点ij间的支路，
Figure 999731DEST_PATH_IMAGE082
为待新建的支路集合，c ij 为每条在节点ij间新建线路的扩建权重因子，m ij 为节点ij间新建的线路数目，r op 为储能系统的运行系数，r ma 为储能系统的维护系数，r sc 为储能系统的处置系数，r de 为储能系统的折旧折算系数，
Figure DEST_PATH_IMAGE083
为储能系统配置节点集合，c p 为储能系统单位功率的负载权重因子，c e 为储能系统单位容量的负载权重因子，
Figure 569253DEST_PATH_IMAGE084
为储能系统的额定功率，
Figure 703431DEST_PATH_IMAGE085
为储能系统的额定容量，
Figure 878061DEST_PATH_IMAGE086
为光伏电站配置节点集合，
Figure 213227DEST_PATH_IMAGE087
为典型日集合，D v 为典型日的天数，
Figure 473307DEST_PATH_IMAGE088
为光伏电站的单位弃光权重因子，
Figure 676755DEST_PATH_IMAGE089
为典型日v时段t下节点i的光伏电站最大功率限值，P PV,t,v,i 为典型日v时段t下节点i的光伏电站实际功率。
进一步地，步骤S9具体包括：
S91：采用二阶凸优化将支路潮流约束转化为线性约束。
S92：基于所述线性约束、所述节点功率平衡约束、所述交换功率约束、所述电动汽车灵活性资源运行约束、所述光储运行约束及所述目标函数，确定配电网规划模型。
将配电网的支路潮流约束利用二阶锥凸优化技术线性化，转化成线性约束，减少规划模型计算量，使其快速收敛至全局最优解。
由于配电网的支路潮流约束属于强非凸约束，大大增加了计算量，所以可以应用二阶锥凸优化方法将其转化成线性约束来减少计算量，使其快速收敛至全局最优解。将节点电压平方和支路电流平方定义为UU i,t,v 、II ij,t,v ，即：
Figure 643574DEST_PATH_IMAGE090
；
Figure 946380DEST_PATH_IMAGE091
；
已知当支路电流平方为目标函数的严格增函数，且节点的负荷不设上限情况下，有：
Figure 773651DEST_PATH_IMAGE092
；
则配电网的支路潮流约束可以等价为如下二阶锥约束形式：
Figure 390577DEST_PATH_IMAGE093
；
Figure 336536DEST_PATH_IMAGE094
；
Figure 482347DEST_PATH_IMAGE095
；
Figure 513757DEST_PATH_IMAGE096
。
因此，在配电网的规划中综合考虑电动汽车灵活性和光储联合系统，能够减少配电网线路扩建，并且实现电网的削峰填谷、缓解新能源消纳问题。
本发明建立的配电网规划模型，综合引入了配电网的线路扩建系数、光伏的年弃光系数、储能负载系数等为目标函数，并施加相应的权重因子，通过对需求侧的电动汽车进行灵活性的量化，得到电动汽车灵活性负荷的可调功率上下限，然后将电动汽车灵活性资源运行约束和储能运行约束等约束纳入配电网规划，引入电动汽车灵活性资源、光伏、储能的运行约束进行规划，使得配电网规划模型更接近实际规划情况，在减少配电网线路扩建的同时，提高了光伏的消纳率，实现了电力系统的“削峰填谷”。而且利用二阶凸优化技术将模型转化成典型的混合整数线性规划模型进行求解，在减少配电网线路扩建、提升新能源消纳率的同时，也大大减少了模型求解的计算量。
如图7所示，本发明考虑电动汽车灵活性和光伏接入的配电网规划系统包括：历史数据获取单元1、聚类单元2、配电网潮流约束确定单元3、交换功率约束确定单元4、电动汽车负荷量确定单元5、电动汽车运行约束确定单元6、光储运行约束确定单元7、目标函数确定单元8、规划模型确定单元9及求解单元10。
其中，所述历史数据获取单元1用于获取历史样本数据集。所述历史样本数据集中包括历史多天配电网的负荷与光伏出力的时序数据。
所述聚类单元2与所述历史数据获取单元1连接，所述聚类单元2用于对所述历史样本数据集中的时序数据进行聚类，得到多个典型日的负荷与光伏出力的时序数据。
所述配电网潮流约束确定单元3与所述聚类单元2连接，所述配电网潮流约束确定单元3用于根据多个典型日的负荷与光伏出力的时序数据，确定配电网潮流约束。
所述交换功率约束确定单元4用于根据配电网与上级电网交换的有功功率上限值、有功功率下限值、无功功率上限值及无功功率下限值，确定交换功率约束。
所述电动汽车负荷量确定单元5用于根据配电网中多个电动汽车在历史多个时段的充电功率、放电功率、充电效率、放电效率及入网时的初始电量，确定电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限。
所述电动汽车运行约束确定单元6与所述电动汽车负荷量确定单元5连接，所述电动汽车运行约束确定单元6用于根据电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限，确定电动汽车灵活性资源运行约束。
所述光储运行约束确定单元7用于根据配电网中各节点的光伏电站有功出力上限、各节点的光伏电站无功出力上限、光储联合出力的波动限值、各节点的储能容量上限、各节点的储能额定充放电功率下限、各节点的储能额定充放电功率上限及储能系统的最大充放电次数，确定光储运行约束。
所述目标函数确定单元8用于根据配电网线路的扩建系数、储能系统的负载系数及光伏电站的弃光系数，确定目标函数。
所述规划模型确定单元9与所述配电网潮流约束确定单元3、交换功率约束确定单元4、电动汽车运行约束确定单元6、光储运行约束确定单元7及目标函数确定单元8连接，所述规划模型确定单元9用于基于所述配电网潮流约束、所述交换功率约束、所述电动汽车灵活性资源运行约束、所述光储运行约束及所述目标函数，确定配电网规划模型。
所述求解单元10与所述规划模型确定单元9连接，所述求解单元10用于对所述配电网规划模型求解，确定配电网在多个规划年的扩建线路。
相对于现有技术，本发明考虑电动汽车灵活性和光伏接入的配电网规划系统与上述考虑电动汽车灵活性和光伏接入的配电网规划方法的有益效果相同，在此不再赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种考虑电动汽车灵活性和光伏接入的配电网规划方法，其特征在于，所述考虑电动汽车灵活性和光伏接入的配电网规划方法包括：
获取历史样本数据集；所述历史样本数据集中包括历史多天配电网的负荷与光伏出力的时序数据；
对所述历史样本数据集中的时序数据进行聚类，得到多个典型日的负荷与光伏出力的时序数据；
根据多个典型日的负荷与光伏出力的时序数据，确定配电网潮流约束；
根据配电网与上级电网交换的有功功率上限值、有功功率下限值、无功功率上限值及无功功率下限值，确定交换功率约束；
根据配电网中多个电动汽车在历史多个时段的充电功率、放电功率、充电效率、放电效率及入网时的初始电量，确定电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限；
根据电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限，确定电动汽车灵活性资源运行约束；
根据配电网中各节点的光伏电站有功出力上限、各节点的光伏电站无功出力上限、光储联合出力的波动限值、各节点的储能容量上限、各节点的储能额定充放电功率下限、各节点的储能额定充放电功率上限及储能系统的最大充放电次数，确定光储运行约束；
根据配电网线路的扩建系数、储能系统的负载系数及光伏电站的弃光系数，确定目标函数；
基于所述配电网潮流约束、所述交换功率约束、所述电动汽车灵活性资源运行约束、所述光储运行约束及所述目标函数，确定配电网规划模型；
对所述配电网规划模型求解，确定配电网在多个规划年的扩建线路。
2.根据权利要求1所述的考虑电动汽车灵活性和光伏接入的配电网规划方法，其特征在于，历史每天配电网的负荷与光伏出力的时序数据包括多个时段的负荷及光伏出力；
所述对所述历史样本数据集中的时序数据进行聚类，得到多个典型日的负荷与光伏出力的时序数据，具体包括：
采用k-means算法对所述历史样本数据集中的时序数据进行聚类，得到多个典型场景数据集；各典型场景数据集中包括多个时段的负荷及光伏出力；
对各典型场景数据集进行标幺化处理，得到多个典型日内各时段的负荷及光伏出力。
3.根据权利要求1所述的考虑电动汽车灵活性和光伏接入的配电网规划方法，其特征在于，各典型日的负荷与光伏出力的时序数据包括典型日内多个时段的负荷及光伏出力；所述负荷包括有功负荷及无功负荷；所述光伏出力包括光伏有功出力及光伏无功出力；所述配电网潮流约束包括节点功率平衡约束及支路潮流约束；
所述节点功率平衡约束为：
Figure 356182DEST_PATH_IMAGE001
；
Figure 866798DEST_PATH_IMAGE002
；
Figure 380956DEST_PATH_IMAGE003
；
Figure 572903DEST_PATH_IMAGE004
；
其中，P buy,t,v 为典型日v时段t下配电网与上级交换的有功功率，P PVess,t,v 为典型日v时段t下的光储联合有功出力，A old 为配电网现有支路的节支关联矩阵，A new 为配电网待新建支路的节支关联矩阵，
Figure 980751DEST_PATH_IMAGE005
为典型日v时段t下配电网现有支路的有功功率，
Figure 537634DEST_PATH_IMAGE006
为典型日v时段t下配电网待新建支路的有功功率，P load,t,v 为典型日v时段t下的有功负荷，P down,t,v 为典型日v时段t下的下调负荷功率，P up,t,v 为典型日v时段t下的上调负荷功率，P PV,t,v 为典型日v时段t下的光伏有功出力，P ess,t,v 典型日v时段t下的储能有功出力；Q buy,t,v 为典型日v时段t下配电网与上级交换的无功功率，Q PVess,t,v 为典型日v时段t下的光储无功注入量，
Figure 398142DEST_PATH_IMAGE007
为典型日v时段t下配电网现有支路的无功功率，
Figure 65884DEST_PATH_IMAGE008
为典型日v时段t下配电网待新建支路的无功功率，Q load,t,v 为典型日v时段t下的无功负荷，Q PV,t,v 为典型日v时段t下的光伏无功出力，Q ess,t,v 为典型日v时段t下的储能无功出力；
所述支路潮流约束为：
Figure 531501DEST_PATH_IMAGE009
；
Figure 118340DEST_PATH_IMAGE010
；
Figure 341511DEST_PATH_IMAGE011
；
其中，r(j)为配电网中以j为尾节点的首节点集合，P ij,t,v 为典型日v时段t下配电网支路ij的有功功率，Q ij,t,v 为典型日v时段t下配电网支路ij的无功功率，U i,t,v 为典型日v时段t下节点i的电压，r ij 为支路ij的电阻，P j,t,v 为典型日v时段t下节点j的有功注入功率，s(j)为配电网中以j为首节点的尾节点集合，P jk,t,v 为典型日v时段t下配电网支路jk的有功功率，x ij 为支路ij的电抗，Q j,t,v 为典型日v时段t下节点j的无功注入功率，Q jk,t,v 为典型日v时段t下配电网支路jk的无功功率，I ij,t,v 为典型日v时段t下支路ij上的电流。
4.根据权利要求1所述的考虑电动汽车灵活性和光伏接入的配电网规划方法，其特征在于，所述交换功率约束为：
Figure 671998DEST_PATH_IMAGE012
；
Figure 929804DEST_PATH_IMAGE013
；
其中，P buy,t,v 为典型日v时段t下配电网与上级电网交换的有功功率，Q buy,t,v 为典型日v时段t下配电网与上级电网交换的无功功率，
Figure 953123DEST_PATH_IMAGE014
为配电网与上级电网交换的有功功率下限值，
Figure 991487DEST_PATH_IMAGE015
为配电网与上级电网交换的有功功率上限值，
Figure 735452DEST_PATH_IMAGE016
为配电网与上级电网交换的无功功率下限值，
Figure 237977DEST_PATH_IMAGE017
配电网与上级电网交换的无功功率上限值。
5.根据权利要求1所述的考虑电动汽车灵活性和光伏接入的配电网规划方法，其特征在于，所述根据配电网中多个电动汽车在历史多个时段的充电功率、放电功率、充电效率、放电效率及入网时的初始电量，确定电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限，具体包括：
针对任一电动汽车，根据所述电动汽车在历史任一时段的充电功率、放电功率、充电效率及放电效率，确定所述电动汽车在对应时段的充放电功率；
根据各电动汽车入网时的初始电量以及在各时段的充放电功率，确定电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限。
6.根据权利要求1所述的考虑电动汽车灵活性和光伏接入的配电网规划方法，其特征在于，所述电动汽车灵活性资源运行约束为：
Figure 41985DEST_PATH_IMAGE018
；
Figure 364382DEST_PATH_IMAGE019
；
Figure 245794DEST_PATH_IMAGE020
；
Figure 212613DEST_PATH_IMAGE021
；
Figure 577735DEST_PATH_IMAGE022
；
其中，
Figure 997215DEST_PATH_IMAGE023
为典型日v时段t节点i的灵活性负荷下调负荷状态，
Figure 473196DEST_PATH_IMAGE024
为典型日v时段t节点i的灵活性负荷上调负荷状态，P down,t,v,i 为典型日v时段t节点i的下调负荷量，
Figure 294521DEST_PATH_IMAGE025
为典型日v时段t节点i的下调负荷量上限，各节点的下调负荷量上限相同，P up,t,v,i 为典型日v时段t节点i的上调负荷量，
Figure 96124DEST_PATH_IMAGE026
为典型日v时段t节点i的上调负荷量上限，各节点的上调负荷量上限相同，
Figure 2900DEST_PATH_IMAGE027
为灵活性负荷下调负荷的最大连续下调时间，
Figure 16992DEST_PATH_IMAGE028
为灵活性负荷上调负荷的最大连续上调时间，T为一个典型日的总时段。
7.根据权利要求1所述的考虑电动汽车灵活性和光伏接入的配电网规划方法，其特征在于，所述光储运行约束包括光伏电站运行约束、储能系统运行约束及储能系统充放电约束；
所述光伏电站运行约束为：
Figure 958404DEST_PATH_IMAGE029
；
Figure 665328DEST_PATH_IMAGE030
；
Figure 59401DEST_PATH_IMAGE031
；
其中，P PV,t,v,i 典型日v时段t节点i的光伏电站有功出力，
Figure 877184DEST_PATH_IMAGE032
为典型日v时段t节点i的光伏电站有功出力上限，Q PV,t,v,i 为典型日v时段t节点i的光伏电站无功出力，
Figure 407522DEST_PATH_IMAGE033
为典型日v时段t节点i的光伏电站无功出力上限，P PVess,t,v,i 为典型日v时段t节点i的光储联合有功出力，
Figure 285349DEST_PATH_IMAGE034
为光储联合出力的波动限值；
储能系统运行约束为：
Figure 166717DEST_PATH_IMAGE035
；
Figure 991453DEST_PATH_IMAGE036
；
Figure 766511DEST_PATH_IMAGE037
；
Figure 425026DEST_PATH_IMAGE038
；
Figure 918324DEST_PATH_IMAGE039
；
其中，E ess,t,v,i 为典型日v时段t节点i的储能容量，
Figure 953276DEST_PATH_IMAGE040
为典型日v时段t节点i的储能容量上限，P ess,t,v,i 为典型日v时段t节点i的储能充放电功率，
Figure 848420DEST_PATH_IMAGE041
为典型日v时段t节点i的储能额定充放电功率，
Figure 677836DEST_PATH_IMAGE042
为典型日v时段t节点i的储能额定充放电功率下限，
Figure 658430DEST_PATH_IMAGE043
为典型日v时段t节点i的储能额定充放电功率上限，T为一个典型日的总时段，
Figure 497073DEST_PATH_IMAGE044
为每个典型日的时间段间隔；
储能系统充放电约束为：
Figure 246723DEST_PATH_IMAGE045
；
Figure 512619DEST_PATH_IMAGE046
；
Figure 714931DEST_PATH_IMAGE047
；
d t,v,i +c t,v,i =1；
cd t,v,i =c t,v,i -d t,v,i ；
Figure 357265DEST_PATH_IMAGE048
；
其中，Z t,v,i 为典型日v时段t节点i的储能系统的充放电三状态变量，Z t,v,i =-1表示放电状态，Z t,v,i =1表示充电状态，Z t,v,i =0表示储能系统没参与运行，P ess,t,v,i 为典型日v时段t节点i的储能充放电功率，d t,v,i 为典型日v时段t节点i的储能系统的放电状态、c t,v,i 为典型日v时段t节点i的储能系统的充电状态，cd t,v,i 为典型日v时段t节点i的储能系统的充放电二状态变量，cd t,v,i =1或-1，cd t,v,i =1表示储能系统为充电状态，cd t,v,i =-1表示储能系统为放电状态，T为一个典型日的总时段，
Figure 961421DEST_PATH_IMAGE049
为各典型日储能系统的最大充放电次数，M为一个使约束能够成立的随机数。
8.根据权利要求1所述的考虑电动汽车灵活性和光伏接入的配电网规划方法，其特征在于，所述目标函数为：
min f=f line +f ess +f cur ；
Figure 398219DEST_PATH_IMAGE050
；
Figure 105404DEST_PATH_IMAGE051
；
Figure 285850DEST_PATH_IMAGE052
；
其中，f为目标函数值，f line 为配电网线路的扩建系数，f ess 为储能系统的负载系数，f cur 为光伏电站的弃光系数，ij为节点ij间的支路，
Figure 744513DEST_PATH_IMAGE053
为待新建的支路集合，c ij 为每条在节点ij间新建线路的扩建权重因子，m ij 为节点ij间新建的线路数目，r op 为储能系统的运行系数，r ma 为储能系统的维护系数，r sc 为储能系统的处置系数，r de 为储能系统的折旧折算系数，
Figure 680108DEST_PATH_IMAGE054
为储能系统配置节点集合，c p 为储能系统单位功率的负载权重因子，c e 为储能系统单位容量的负载权重因子，
Figure 732378DEST_PATH_IMAGE055
为储能系统的额定功率，
Figure 575569DEST_PATH_IMAGE056
为储能系统的额定容量，
Figure 29684DEST_PATH_IMAGE057
为光伏电站配置节点集合，
Figure 932918DEST_PATH_IMAGE058
为典型日集合，D v 为典型日的天数，
Figure 472483DEST_PATH_IMAGE059
为光伏电站的单位弃光权重因子，
Figure 119365DEST_PATH_IMAGE060
为典型日v时段t下节点i的光伏电站最大功率限值，P PV,t,v,i 为典型日v时段t下节点i的光伏电站实际功率。
9.根据权利要求1所述的考虑电动汽车灵活性和光伏接入的配电网规划方法，其特征在于，所述配电网潮流约束包括节点功率平衡约束及支路潮流约束；
所述基于所述配电网潮流约束、所述交换功率约束、所述电动汽车灵活性资源运行约束、所述光储运行约束及所述目标函数，确定配电网规划模型，具体包括：
采用二阶凸优化将所述支路潮流约束转化为线性约束；
基于所述线性约束、所述节点功率平衡约束、所述交换功率约束、所述电动汽车灵活性资源运行约束、所述光储运行约束及所述目标函数，确定配电网规划模型。
10.一种考虑电动汽车灵活性和光伏接入的配电网规划系统，其特征在于，所述考虑电动汽车灵活性和光伏接入的配电网规划系统包括：
历史数据获取单元，用于获取历史样本数据集；所述历史样本数据集中包括历史多天配电网的负荷与光伏出力的时序数据；
聚类单元，与所述历史数据获取单元连接，用于对所述历史样本数据集中的时序数据进行聚类，得到多个典型日的负荷与光伏出力的时序数据；
配电网潮流约束确定单元，与所述聚类单元连接，用于根据多个典型日的负荷与光伏出力的时序数据，确定配电网潮流约束；
交换功率约束确定单元，用于根据配电网与上级电网交换的有功功率上限值、有功功率下限值、无功功率上限值及无功功率下限值，确定交换功率约束；
电动汽车负荷量确定单元，用于根据配电网中多个电动汽车在历史多个时段的充电功率、放电功率、充电效率、放电效率及入网时的初始电量，确定电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限；
电动汽车运行约束确定单元，与所述电动汽车负荷量确定单元连接，用于根据电动汽车灵活性资源各时段的下调负荷量上限及上调负荷量上限，确定电动汽车灵活性资源运行约束；
光储运行约束确定单元，用于根据配电网中各节点的光伏电站有功出力上限、各节点的光伏电站无功出力上限、光储联合出力的波动限值、各节点的储能容量上限、各节点的储能额定充放电功率下限、各节点的储能额定充放电功率上限及储能系统的最大充放电次数，确定光储运行约束；
目标函数确定单元，用于根据配电网线路的扩建系数、储能系统的负载系数及光伏电站的弃光系数，确定目标函数；
规划模型确定单元，与所述配电网潮流约束确定单元、交换功率约束确定单元、电动汽车运行约束确定单元、光储运行约束确定单元及目标函数确定单元连接，用于基于所述配电网潮流约束、所述交换功率约束、所述电动汽车灵活性资源运行约束、所述光储运行约束及所述目标函数，确定配电网规划模型；
求解单元，与所述规划模型确定单元连接，用于对所述配电网规划模型求解，确定配电网在多个规划年的扩建线路。
CN202210824864.XA 2022-07-14 2022-07-14 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统 Active CN115117931B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210824864.XA CN115117931B (zh) 2022-07-14 2022-07-14 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210824864.XA CN115117931B (zh) 2022-07-14 2022-07-14 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统

Publications (2)

Publication Number Publication Date
CN115117931A true CN115117931A (zh) 2022-09-27
CN115117931B CN115117931B (zh) 2023-07-25

Family

ID=83333114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210824864.XA Active CN115117931B (zh) 2022-07-14 2022-07-14 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统

Country Status (1)

Country Link
CN (1) CN115117931B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115663929A (zh) * 2022-10-19 2023-01-31 南京理工大学 一种多电压等级交直流配电网的可控资源协调调度方法
CN117060470A (zh) * 2023-08-04 2023-11-14 国网冀北电力有限公司电力科学研究院 一种基于灵活性资源的配电网电压优化控制方法
CN117353381A (zh) * 2023-12-05 2024-01-05 国网江西省电力有限公司电力科学研究院 含充换电站并网的主动配电网有功-无功协调优化方法
CN117526453A (zh) * 2024-01-04 2024-02-06 国网浙江省电力有限公司 一种基于电动汽车集群的配电网光伏消纳调度方法
CN117578488A (zh) * 2023-11-15 2024-02-20 山东大学 考虑不确定性的电动汽车实时灵活性评估方法及系统
CN117895557A (zh) * 2024-03-14 2024-04-16 国网山西省电力公司临汾供电公司 一种配电网调控方法、装置、介质及产品
CN117353381B (zh) * 2023-12-05 2024-05-14 国网江西省电力有限公司电力科学研究院 含充换电站并网的主动配电网有功-无功协调优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105162151A (zh) * 2015-10-22 2015-12-16 国家电网公司 一种基于人工鱼群算法的智能化储能系统并网实时控制方法
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN113363964A (zh) * 2021-05-26 2021-09-07 国网天津市电力公司 考虑重要负荷供电的配电网分布式储能规划方法及装置
CN114626613A (zh) * 2022-03-18 2022-06-14 中国能源建设集团甘肃省电力设计院有限公司 考虑风光互补的输储联合规划方法
CN114638502A (zh) * 2022-03-14 2022-06-17 华北电力大学 一种考虑需求侧资源灵活性的配电网线路加固策略

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105162151A (zh) * 2015-10-22 2015-12-16 国家电网公司 一种基于人工鱼群算法的智能化储能系统并网实时控制方法
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN113363964A (zh) * 2021-05-26 2021-09-07 国网天津市电力公司 考虑重要负荷供电的配电网分布式储能规划方法及装置
CN114638502A (zh) * 2022-03-14 2022-06-17 华北电力大学 一种考虑需求侧资源灵活性的配电网线路加固策略
CN114626613A (zh) * 2022-03-18 2022-06-14 中国能源建设集团甘肃省电力设计院有限公司 考虑风光互补的输储联合规划方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ANMAR ARIF等: "Data-Driven Distribution System Expansion Planning Considering High EV and PV Penetration" *
吴玮坪等: "结合随机规划和序贯蒙特卡洛模拟的 风电场储能优化配置方法" *
吴界辰 等: "需求侧资源灵活性刻画及其在日前优化调度中的应用", vol. 35, no. 9, pages 1973 - 1984 *
李宏仲 等: "考虑广义储能的微电网联合规划", vol. 40, no. 7, pages 149 - 156 *
赵强;刘海勇;汪晋宽;韩英华;: "计及风电和电动汽车的安全约束机组组合模型", 华南理工大学学报(自然科学版), no. 10 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115663929A (zh) * 2022-10-19 2023-01-31 南京理工大学 一种多电压等级交直流配电网的可控资源协调调度方法
CN117060470A (zh) * 2023-08-04 2023-11-14 国网冀北电力有限公司电力科学研究院 一种基于灵活性资源的配电网电压优化控制方法
CN117060470B (zh) * 2023-08-04 2024-04-26 国网冀北电力有限公司电力科学研究院 一种基于灵活性资源的配电网电压优化控制方法
CN117578488A (zh) * 2023-11-15 2024-02-20 山东大学 考虑不确定性的电动汽车实时灵活性评估方法及系统
CN117578488B (zh) * 2023-11-15 2024-05-03 山东大学 考虑不确定性的电动汽车实时灵活性评估方法及系统
CN117353381A (zh) * 2023-12-05 2024-01-05 国网江西省电力有限公司电力科学研究院 含充换电站并网的主动配电网有功-无功协调优化方法
CN117353381B (zh) * 2023-12-05 2024-05-14 国网江西省电力有限公司电力科学研究院 含充换电站并网的主动配电网有功-无功协调优化方法
CN117526453A (zh) * 2024-01-04 2024-02-06 国网浙江省电力有限公司 一种基于电动汽车集群的配电网光伏消纳调度方法
CN117526453B (zh) * 2024-01-04 2024-03-22 国网浙江省电力有限公司 一种基于电动汽车集群的配电网光伏消纳调度方法
CN117895557A (zh) * 2024-03-14 2024-04-16 国网山西省电力公司临汾供电公司 一种配电网调控方法、装置、介质及产品

Also Published As

Publication number Publication date
CN115117931B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN115117931A (zh) 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统
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
CN109559035B (zh) 一种考虑灵活性的城市配电网双层规划方法
CN109599861B (zh) 考虑本地负荷调峰能力的送端电网电源结构规划方法
CN110661246B (zh) 一种城市轨道交通光伏储能系统的容量优化配置方法
CN107634518B (zh) 一种“源-网-荷”相协调的主动配电网经济调度方法
CN110782363A (zh) 一种计及风电不确定性的交直流配电网调度方法
CN107994595A (zh) 一种削峰填谷控制方法和系统以及应用该控制方法的系统
CN111244988B (zh) 考虑分布式电源的电动汽车和储能优化调度方法
CN108876000A (zh) 一种光伏充电站光、储、变压器容量协调优化配置方法
CN110289622B (zh) 一种光储充能量路由器的日前经济优化调度方法
CN111064214A (zh) 基于电动汽车两阶段滚动式策略的配电网优化调度方法
CN115173453A (zh) 一种储能辅助电网调峰的优化配置方法
CN108376994B (zh) 基于三端口电力电子变压器并网的交直流混合微网运行优化方法
CN111092451A (zh) 一种基于配电网网格的光伏消纳预警方法
CN111799786B (zh) 一种基于博弈论的新能源混合电力系统容量配置方法
CN114069687A (zh) 一种计及逆变器无功调节作用的分布式光伏规划方法
CN115511658A (zh) 一种计及储能装置折损的楼宇能量优化方法
CN116436039A (zh) 一种虚拟电厂辅助电网二次调频优化调度方法及装置
CN116470513A (zh) 一种响应电网需求的多类型光热电站协调调度运行方法
CN115829224A (zh) 电动汽车集群可调度能力的多主体两阶段低碳优化运行方法
Li et al. Multiobjective optimization configuration of a prosumer’s energy storage system based on an improved fast nondominated sorting genetic algorithm
Pan et al. Dual-layer optimal dispatching strategy for microgrid energy management systems considering demand response
CN114462854A (zh) 含新能源和电动汽车并网的分层调度方法及其系统
CN110766240B (zh) 一种不同场景下的快速充电站分层储能配置方法

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