CN115249981A - 一种配网资源调控的分布式电源消储优化方法和装置 - Google Patents

一种配网资源调控的分布式电源消储优化方法和装置 Download PDF

Info

Publication number
CN115249981A
CN115249981A CN202211169365.8A CN202211169365A CN115249981A CN 115249981 A CN115249981 A CN 115249981A CN 202211169365 A CN202211169365 A CN 202211169365A CN 115249981 A CN115249981 A CN 115249981A
Authority
CN
China
Prior art keywords
power supply
information
configuration
distributed power
distributed
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
CN202211169365.8A
Other languages
English (en)
Other versions
CN115249981B (zh
Inventor
俞建
高明
杨立明
仇钧
杨跃平
赵剑
周浩亮
申森
董元龙
林明辉
赵良
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.)
State Grid Zhejiang Electric Power Co Ltd Yuyao Power Supply Co
Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Yuyao Power Supply Co ltd
Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
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 State Grid Zhejiang Yuyao Power Supply Co ltd, Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Yuyao Power Supply Co ltd
Priority to CN202211169365.8A priority Critical patent/CN115249981B/zh
Publication of CN115249981A publication Critical patent/CN115249981A/zh
Application granted granted Critical
Publication of CN115249981B publication Critical patent/CN115249981B/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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Abstract

本发明公开的一种配网资源调控的分布式电源消储优化方法和装置，通过获取分布式电源初始配置信息，得到电源潜能信息；将其输入分布式电源消储仿真模型，得到初始电源配置结果；进一步结合待测区域的电源波动指标，获得多个备选电源配置结果；并进行实际测试，获取最优电源配置结果；该发明兼顾用电安全与经济性对电源消储系统进行优化配置，并且基于多层级协调优化对分布式电源消储能力有效提升，整合仿真和测试手段对仿真阶段的电源配置方案进行进一步优化，综合考虑电源使用过程中的动态变化信息和多维度供需信息匹配，在最大化电源消储性能的前提下同时保证供需用电的高效。

Description

一种配网资源调控的分布式电源消储优化方法和装置
技术领域
本发明涉及配电网技术领域，更具体涉及一种配网资源调控的分布式电源消储优化方法和装置。
背景技术
随着光伏接入规模不断扩大，配电网出现系统性消纳问题，乡村配电网尤其突出。100%的全部分布式电源将以规模化的发展形式接入配电网，并主要在380V/220V电压等级进行消纳。农村配电网作为整县开发的主要场景，存在建设标准低、供电线路长、用电负荷轻、用电时段集中、用电区域分散和承载容量小等显著特点。此外，农村电网的户均容量为2.68kVA，仅为城市配网用户的三分之一，光伏户均接入容量为30kW，远超附近用电负荷，故农村配电网已大面积出现潮流反向流动、电压双向越限、线路损耗陡增和配变反向过载等问题，部分线路台区出现午间光伏难以完全消纳的问题。
尽管相关技术中针对上述关于分布式电源消储优化提出了诸多解决方案，但这些解决方案一方面仅仅考虑电源侧或用户用电需求侧的静态需求信息，对电源使用过程中的动态变化信息缺少考虑，另一方面，现有技术仅仅借助仿真电源用电模型的方法缺少对实际用电测试的考量，并且考量要素单一，对于电源的消储性能利用低下。
发明内容
本发明解决的是当前的消储性能利用低下，供需用电配置效率不高的技术问题。
为解决上述问题，本发明提供一种配网资源调控的分布式电源消储优化方法，包括：获取分布式电源初始配置信息，从分布式电源初始配置信息中得到电源潜能信息；获取分布式电源初始配置信息，从分布式电源初始配置信息中得到电源潜能信息包括：获取分布式电源的地理位置坐标分布信息；其中，地理位置坐标分布信息包括分布式电源的地形信息、气候信息和天气信息；获取分布式电源的电压负荷信息，基于电压负荷信息和地理位置坐标分布信息对分布式电源进行电源潜能信息预测；将电源潜能信息输入分布式电源消储仿真模型，得到初始电源配置结果；获取待测区域的电源波动指标，结合初始电源配置结果获得多个备选电源配置结果；从多个备选电源配置结果中进行实际测试，获取最优电源配置结果。
在本发明的一个实例中，获取分布式电源的地理位置坐标分布信息包括：
根据历史电压数据预测得到地理位置坐标分布参数；获取历史电压数据中对应不同时期的各个电压事件点的地理位置坐标；根据历史电压数据和地理位置坐标分布参数获取地理位置分布信息函数，且地理位置分布信息函数满足以下公式0：
公式0：
Figure DEST_PATH_IMAGE001
；
其中，t为历史电压数据的地形信息，α为历史电压数据的气候信息，β为历史电压数据的天气信息预设电路效率值，i为地理位置坐标中分布坐标的x值，j为地理位置坐标中分布坐标的y值，k为基于标准日期后的第k天，标准日期为预设值。
在本发明的一个实例中，将电源潜能信息输入分布式电源消储仿真模型，得到初始电源配置结果，还包括：电源潜能信息至少包括分布式电源的最高负荷电压、最高负荷的最长持续时间、平均负荷的最长持续时间、最高储能上限、输电损耗；分布式电源消储仿真模型包括分布式电源的待测区域的用户需求属性信息；初始电源配置结果包括分布式电源的配置数量、分布式电源的配置错峰开启时间、分布式电源的配置位置。
在本发明的一个实例中，获取待测区域的电源波动指标，结合初始电源配置结果获得多个备选电源配置结果，还包括：获取待测区域的电源波动指标，电源波动指标包括各待配置电源的输出电压、各光伏电源的输出电压和系统负荷建立各待配置电源的输出电压、各储能电源的输出电压和系统负荷在不同时间的关系曲线；根据电源波动指标，对负荷随机波动分布特性进行分析，确定负荷的随机波动分布特性和规律；确定多源随机波动下的边界条件，通过系统目标函数得到分布式电源消耗资源和排放资源结果；采用粒子群算法进行优化，得到多个备选电源配置结果。
在本发明的一个实例中，从多个备选电源配置结果中进行实际测试，获取最优电源配置结果，还包括：获取分布式电源的待测区域的用户需求属性信息，将多个备选电源配置结果分别进行实际测试，获取单位时间内的电路效率；从电路效率中选取值最大的作为最优电路效率，将最优电路效率对应的备选电源配置结果作为最优电源配置结果。
另一方面，本发明还提供一种配网资源调控的分布式电源消储优化装置，包括：潜能设置模块，获取分布式电源初始配置信息，从分布式电源初始配置信息中得到电源潜能信息；初始配置模块，将电源潜能信息输入分布式电源消储仿真模型，得到初始电源配置结果；备选配置模块，获取待测区域的电源波动指标，结合初始电源配置结果获得多个备选电源配置结果；优化模块，从多个备选电源配置结果中进行实际测试，获取最优电源配置结果。
在本发明的一个实例中，潜能设置模块还包括：获取分布式电源的地理位置坐标分布信息；其中，地理位置坐标分布信息包括分布式电源的地形信息、气候信息和天气信息；获取分布式电源的电压负荷信息，基于电压负荷信息和地理位置坐标分布信息对分布式电源进行电源潜能信息预测。
在本发明的一个实例中，电源潜能信息至少包括分布式电源的最高负荷电压、最高负荷的最长持续时间、平均负荷的最长持续时间、最高储能上限、输电损耗；分布式电源消储仿真模型包括分布式电源的待测区域的用户需求属性信息；初始电源配置结果包括分布式电源的配置数量、分布式电源的配置错峰开启时间、分布式电源的配置位置。
在本发明的一个实例中，备选配置模块还包括：获取待测区域的电源波动指标，电源波动指标包括各待配置电源的输出电压、各光伏电源的输出电压和系统负荷建立各待配置电源的输出电压、各储能电源的输出电压和系统负荷在不同时间的关系曲线；根据电源波动指标，对负荷的随机波动分布特性进行分析，确定负荷的随机波动分布特性和规律；
确定多源随机波动下的边界条件，通过系统目标函数得到分布式电源消耗资源和排放资源结果；采用粒子群算法进行优化，得到多个备选电源配置结果。
在本发明的一个实例中，优化模块还包括：获取分布式电源的待测区域的用户需求属性信息，将多个备选电源配置结果分别进行实际测试，获取单位时间内的电路效率；从电路效率中选取值最大的作为最优电路效率，将最优电路效率对应的备选电源配置结果作为最优电源配置结果。
采用本发明的技术方案后，能够达到如下技术效果：
通过获取分布式电源初始配置信息，得到电源潜能信息；将其输入分布式电源消储仿真模型，得到初始电源配置结果；进一步结合待测区域的电源波动指标，获得多个备选电源配置结果；并进行实际测试，获取最优电源配置结果；该发明兼顾用电安全与经济性对电源消储系统进行优化配置，并且基于多层级协调优化对分布式电源消储能力有效提升，整合仿真和测试手段对仿真阶段的电源配置方案进行进一步优化，综合考虑电源使用过程中的动态变化信息和多维度供需信息匹配，在最大化电源消储性能的前提下同时保证供需用电的高效。
附图说明
构资源申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定；图1为本申请实施例的一种配网资源调控的分布式电源消储优化方法的整体流程示意图；
图2为本申请实施例的一种配网资源调控的分布式电源消储优化方法实施例一的工作流程图；
图3为本申请实施例的一种配网资源调控的分布式电源消储优化方法实施例二的工作流程图；
图4为本申请实施例的一种配网资源调控的分布式电源消储优化方法实施例三的工作流程图；
图5为本申请实施例的一种配网资源调控的分布式电源消储优化装置的模块结构图；
附图标记说明：
100-分布式电源消储优化装置；10-潜能设置模块；20-初始配置模块；30-备选配置模块；40-优化模块。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
下面将结合附图对本申请的实施例作进一步地详细描述。
根据本发明的第一方面，参照图1，本发明请求保护一种配网资源调控的分布式电源消储优化方法，包括步骤：
101，获取分布式电源初始配置信息，从分布式电源初始配置信息中得到电源潜能信息；
201，将电源潜能信息输入分布式电源消储仿真模型，得到初始电源配置结果；
301，获取待测区域的电源波动指标，结合初始电源配置结果获得多个备选电源配置结果；
401，从多个备选电源配置结果中进行实际测试，获取最优电源配置结果。
具体的，参照图2，获取分布式电源初始配置信息，从分布式电源初始配置信息中得到电源潜能信息，还包括：
102，获取分布式电源的地理位置坐标分布信息；其中，分布式电源的地理位置坐标分布信息包括分布式电源的地形信息、气候信息和天气信息；
103，获取分布式电源的电压负荷信息，基于电压负荷信息和分布式电源的地理位置坐标分布信息对分布式电源进行电源潜能信息预测。
进一步地，根据历史电压数据预测得到地理位置坐标分布参数，获取历史电压数据中对应不同时期的各个电压事件点的地理位置坐标，拟合各个电压事件点的地理位置坐标，并计算各个电压事件点的潜能概率；
根据历史电压数据和地理位置坐标分布参数获取地理位置分布信息函数，且地理位置分布信息函数满足以下公式0：
公式0：
Figure 776913DEST_PATH_IMAGE002
；
其中，t、α和β为分布式电源历史电压数据的地形信息、气候信息和天气信息预设 电路效率值，i、j为地理位置坐标分布坐标的x，y值，k为基于标准日期后的第k天，标准日期 为预设值，例如可由用户定义；
Figure 225212DEST_PATH_IMAGE003
为x取i，y取j时的在基于标准日期后第k天的潜能概 率预测。
潜能概率表示当前时刻电压最优化的概率，事件点的电压是否发生最优化可用潜能概率来判断，当潜能概率大于等于一定的阈值，即认为该电压发生最优化事件发生了。
进一步地，现有的分布式预测算法包括基于比例潜能预测的预测算法和平均一致性预测算法，基于比例潜能预测的预测算法需要配置获取概率、循环次数、融合参数、比例最优、潜能最优、信息率；平均一致性时间预测算法需要配置获取概率、循环次数和3个融合参数。此外，分布式预测算法通常分为三步：相对分布预测、逻辑分布预测、逻辑偏差预测，然后可以配置算法的更新公式。
例如，代入算法更新公式的基于比例潜能预测的预测算法：
相对潜能分布预测：
公式1：
Figure DEST_PATH_IMAGE004
；
潜能分布预测：
公式2：
Figure 67266DEST_PATH_IMAGE005
Figure DEST_PATH_IMAGE006
；
公式3：
Figure 259213DEST_PATH_IMAGE007
；
其中，T为获取概率，网络中点每次通信的时间间隔，ρ为融合参数，本质上是新的 量测输入和上一个时刻预测值之间的折中，
Figure DEST_PATH_IMAGE008
为基于标准日期后的第k天的分布式电源 的最高负荷电压，
Figure 401481DEST_PATH_IMAGE009
为基于标准日期后第k天的最高负荷的最长持续时间，
Figure DEST_PATH_IMAGE010
为基 于标准日期后第k天的平均负荷的最长持续时间，
Figure 286260DEST_PATH_IMAGE011
为最高储能上限，
Figure DEST_PATH_IMAGE012
为输电损耗， 而上述提及的j的坐标值是在分布式电源历史样本数中进行取值；Ni为分布式电源历史样 本数；
Figure 615611DEST_PATH_IMAGE013
为x取i时的基于标准日期后的第k天的分布式电源的潜能分布预测；
Figure DEST_PATH_IMAGE014
为x取时的基于标准日期后的第k+1天的分布式电源的潜能分布预测；
Figure 882687DEST_PATH_IMAGE015
为x取i，y取j时的在基于标准日期后第k+1天的相对潜能概率预测。
具体的，将电源潜能信息输入分布式电源消储仿真模型，得到初始电源配置结果，还包括：
电源潜能信息至少包括分布式电源的最高负荷电压、最高负荷的最长持续时间、平均负荷的最长持续时间、最高储能上限、输电损耗；
分布式电源消储仿真模型包括分布式电源的待测区域的用户需求属性信息；
初始电源配置结果包括分布式电源的配置数量、分布式电源的配置错峰开启时间、分布式电源的配置位置。
进一步地，利用配置文件，生成仿真软件中分布式电源的待测区域；
读取配置文件，选出配置位置点；获得待测区域信息，待测区域信息包括面积、限电情况、两端的点和子区域数；获得待测区域连接状态，待测区域连接状态包括过渡和后继待测区域；
计算相邻配置位置点间的待测区域段：
对于每个配置位置点，获取所有从配置位置点出发的待测区域，根据待测区域连接状态，找到所有在规定待测区域数量内到达相邻配置位置点的待测区域子连通区域；
对于每对相邻配置位置点间找到的多个待测区域子连通区域，计算每个待测区域子连通区域的总面积，并将其中最短的总面积与规定间隔面积之和作为最大总面积；留下总面积≤最大总面积的所有待测区域子连通区域，称为剩余待测区域子连通区域集合；
对于剩余待测区域子连通区域集合中的每个待测区域子连通区域，仅当从待测区域子连通区域中选取出任意多个待测区域组成一个新的待测区域子连通区域，所有新的子连通区域均不在剩余待测区域子连通区域集合中才保留，最后筛选保留的剩余待测区域子连通区域即为相邻配置位置间的待测区域段；
计算得到仿真软件中的分布式电源待测区域：
对于每个配置位置点，获取所有从配置位置点出发的待测区域段，根据待测区域连接状态，找到所有在规定配置位置点数量范围内的区域位置；对于每对配置位置点间找到的多条区域位置，计算每条区域位置的总面积，将其中最短的总面积与规定间隔面积之和作为最大总面积，只留下总面积≤最大总面积的所有区域位置；记录当前运行状态下，待测区域段实际平均配置数量，待测区域段模拟平均配置数量，待测区域段实际平均配置数量和待测区域段模拟平均配置数量的差值。
计算待测区域段的期望分布式电源配置数量；
读取配置文件，对于具有方向性的每条待测区域段，将待测区域段指向的待测区域交界处作为关联待测区域交界处，将待测区域段中与关联待测区域交界处相连的待测区域作为关联待测区域，从配置文件中读取关联待测区域交界处的用电高峰区域ID、信号状态和持续时间，将用电高峰区域ID、信号状态和持续时间整合为信号配时方案信息；从配置文件中读取关联待测区域的连接状态信息，连接状态信息包括待测区域ID、后继待测区域ID和用电高峰区域ID；
计算待测区域段的期望分布式电源配置数量：
如果外部输入的待测区域段实际平均配置数量是不高峰间隔用电高峰的待测区域段配置数量，则将待测区域段实际平均配置数量作为待测区域段的期望分布式电源配置数量；
如果外部输入的待测区域段实际平均配置数量是高峰间隔用电高峰的待测区域段配置数量，则待测区域段的期望分布式电源配置数量的计算公式如下：
公式4：
Figure DEST_PATH_IMAGE016
；
其中，Snum表示待测区域段的期望分布式电源配置数量；L表示待测区域段的待测区域总面积；Sr表示待测区域段的实际平均配置数量；TW表示待测区域段在配置位置待测区域交界处处的平均高峰间隔时间，使用待测区域段对应的用电高峰时间子连通区域的加权平均作为Tw，计算公式如下：
公式5：
Figure 613883DEST_PATH_IMAGE017
；
其中，T11、T12……T1n为待测区域段每个进口子区域的用电高峰时间，α11、α12……α1n为T11、T12……T1n对应的权重并且和为n；Tf表示该待测区域段在配置位置待测区域交界处处的平均通行时间，使用待测区域段对应的用电低谷时间子连通区域、用电平稳域时间子连通区域的加权平均作为Tf，计算公式如下：
公式6：
Figure DEST_PATH_IMAGE018
；
其中，T21、T22……T2m为待测区域段每个进口子区域的用电平稳域时间或用电低谷时间，α21、α22……α2m为T21、T22……T2m对应的权重并且和为m；
待测区域段期望分布式电源配置数量的计算结果如果大于待测区域段限电情况，则取待测区域段限电情况作为待测区域段期望分布式电源配置数量；
若待测区域段由于信号配时方案信息有误而导致无法求得结果，则使用待测区域段的历史最大平均配置数量作为待测区域段的期望分布式电源配置数量；将待测区域段的期望分布式电源配置数量更新到待更新配置数量子连通区域。
根据预设的更新频率检查待更新配置数量子连通区域，若待更新配置数量子连通区域中有待更新的配置数量值，则平滑更新电源消储仿真软件中的仿真分布式电源配置数量；
更新仿真软件中的仿真分布式电源配置数量。
电源配置点信息包含对应电源配置点的区域位置子连通区域、下一电源配置区域位置的索引和待电源配置数量；基于待测区域段实际平均配置数量计算待测区域段期望分布式电源数：当电源平均配置数量≥待测区域段期望配置数量的m倍时(m为外部输入参数，可调节)，电源平均配置数量和电源密度满足如下关系：
公式7：
Figure 669563DEST_PATH_IMAGE019
；
其中，L是电源平均配置数量，K是电源密度，Lf是电源的自由流配置数量，Kf是电源阻塞时的密度；
具体的，参照图3，获取待测区域的电源波动指标，结合初始电源配置结果获得多个备选电源配置结果，还包括：
302，获取待测区域的电源波动指标，待测区域的电源波动指标包括各待配置电源的输出电压、各光伏电源的输出电压和系统负荷建立各待配置电源的输出电压、各储能电源的输出电压和系统负荷在不同时间的关系曲线；
303，根据获取的待测区域的电源波动指标，对负荷随机波动分布特性进行分析，确定负荷的随机波动分布特性和规律；
304，确定多源随机波动下的边界条件，通过系统目标函数得到分布式电源消耗资源和排放资源结果；
采用粒子群算法进行优化，得到多个备选电源配置结果。
305，进一步地，确定多源随机波动下的边界条件，通过系统目标函数得到分布式电源消耗资源和排放资源结果，还包括：
设定电压平衡条件：
公式8：
Figure DEST_PATH_IMAGE020
。
公式8中，
Figure 220630DEST_PATH_IMAGE021
为常规电源Cl在t时刻的输出电压，
Figure DEST_PATH_IMAGE022
为储能电源Bi在t时刻的输 出电压；
Figure 19959DEST_PATH_IMAGE023
为待消储配置电源Wj在t时刻的输出电压；PSk,t为光伏电源Sk在t时刻的输出电 压，
Figure DEST_PATH_IMAGE024
为t时刻的系统负荷，NC、NB、NW、NS分别为常规电源、储能电源、待配置电源和光伏电 源的数量；
计算获取多源随机波动下的备选电源配置结果：
公式9：
Figure 605661DEST_PATH_IMAGE025
；
在电压平衡条件和多源随机波动下的旋转备用条件作为边界条件，通过目标函数中得到系统能源消耗资源和排放资源结果最优时的各备选电源配置结果。
式中，
Figure DEST_PATH_IMAGE026
为常规电源的最大输出电压；
Figure 97823DEST_PATH_IMAGE027
为分布式储能系统的最大输出电 压；Pr表示电源密度分布，α为置信水平；
具体的，参照图4，从多个备选电源配置结果中进行实际测试，获取最优电源配置结果，还包括：
402，获取分布式电源的待测区域的用户需求属性信息，将多个备选电源配置结果分别进行实际测试，获取单位时间内的电路效率；
403，从电路效率中选取值最大的作为最优电路效率，将最优电路效率对应的备选电源配置结果作为最优电源配置结果。
进一步地，获取已执行过仿真测试的各第一用户需求属性信息参数配置，以及未执行过仿真测试的各第二用户需求属性信息参数配置；
根据各第一用户需求属性信息参数配置在执行仿真测试时得到的电路效率，确定用于表征各第一用户需求属性信息参数配置中包含的各项用户需求属性信息参数之间相关性的第一关联矩阵；
根据各第一用户需求属性信息参数配置以及各第二用户需求属性信息参数配置，确定用于表征各第一用户需求属性信息参数配置中包含的各项用户需求属性信息参数，与各第二用户需求属性信息参数配置中包含的各项用户需求属性信息参数之间相关性的第二关联矩阵；
确定用于表征各第二用户需求属性信息参数配置中包含的各项用户需求属性信息参数之间相关性的第三关联矩阵；
根据第一关联矩阵、第二关联矩阵以及第三关联矩阵，确定第二用户需求属性信息参数配置对应的电路效率分布参数。
根据第一关联矩阵以及第二关联矩阵，确定各第二用户需求属性信息参数配置在执行仿真测试后的电路效率均值；
根据第一关联矩阵、第二关联矩阵以及第三关联矩阵，确定各第二用户需求属性信息参数配置在执行仿真测试后得到的电路效率之间的电路效率偏差；
根据电路效率均值以及电路效率偏差，确定各第二用户需求属性信息参数配置在执行仿真测试后得到的电路效率分布；
根据电路效率分布，从各第二用户需求属性信息参数配置中确定出预估经过仿真测试后得到的电路效率最高的第二用户需求属性信息参数配置，选取为有效参数配置并判断有效参数配置是否满足预设条件；
若确定有效参数配置不满足预设条件，将经过仿真测试的有效参数配置作为第一用户需求属性信息参数配置，并重新从剩余的第二用户需求属性信息参数配置中选取有效参数配置，直至选取出的有效参数配置满足预设条件为止；
将满足预设条件的有效参数配置作为最优电源配置结果，并根据最优电源配置结果，对备选电源配置结果进行测试。
如果确定有效参数配置不满足预设条件，具体包括：
确定有效参数配置经过仿真测试后得到的电路效率，作为有效参数配置对应的电路效率；
若确定有效参数配置对应的电路效率，与历史上选取出的有效参数配置对应的电路效率之间的差值不低于设定阈值，确定有效参数配置不满足预设条件；
若确定选取有效参数配置时到达的选取次数小于设定次数，确定有效参数配置不满足预设条件。
终端设备确定出该有效参数配置对应的电路效率后，判断该有效参数配置对应的电路效率，与历史上选取出的有效参数配置对应的电路效率之间的差值是否不低于设定阈值，若不低于，确定有效参数配置不满足预设条件，否则，确定有效参数配置满足预设条件。其中，该有效参数配置对应的电路效率，与历史上选取出的有效参数配置对应的电路效率之间的差值，可以是电路效率之间的方差或者标准差。
当该有效参数配置对应的电路效率，与历史上选取出的有效参数配置对应的电路效率之间的差值低于设定阈值时，可以认为选取出的有效参数配置对应的电路效率趋于平稳，继续选取出的有效参数配置在执行仿真测试时所得到的电路效率变化不大，可以将此时的有效参数配置视为能够选取出的最优的一组用户需求属性信息参数配置。
终端设备确定选取该有效参数配置时到达的选取次数，而后，判断，该选取次数是否小于设定次数，若是，则确定该有效参数配置不满足预设条件，否则，确定该有效参数配置满足预设条件。
当选取该有效参数配置时到达的选取次数不小于设定次数时，认定当前执行过仿真测试的用户需求属性信息参数配置的数目足够多，此时选取出的有效参数配置在执行仿真测试时所得到的电路效率已经趋于平稳，继续选取出的有效参数配置在执行仿真测试时所得到的电路效率变化不大，因此，可以将此时的有效参数配置视为能够选取出的最优的一组用户需求属性信息参数配置。
终端设备确定最优的最优电源配置结果时，不再需要针对每一组用户需求属性信息参数配置进行仿真测试，而是，在已经知道电路效率的各第一用户需求属性信息参数配置和未执行过仿真测试过程的第二用户需求属性信息参数配置之间存在关联的情况下，预估各第二用户需求属性信息参数配置在执行仿真测试后得到的电路效率分布，再根据预估的电路效率分布，从各第二用户需求属性信息参数配置选取出需要进行仿真测试的有效参数配置并确定该有效参数配置所对应的电路效率，进而根据得到的电路效率确定出最优电源配置结果，这样不仅节约了计算资源，还提高了分布式电源设备的测试效率。
参照图5，根据本发明第二方面，本发明还请求保护一种配网资源调控的分布式电源消储优化装置100，包括：
潜能设置模块10，获取分布式电源初始配置信息，从分布式电源初始配置信息中得到电源潜能信息；
初始配置模块20，将电源潜能信息输入分布式电源消储仿真模型，得到初始电源配置结果；
备选配置模块30，获取待测区域的电源波动指标，结合初始电源配置结果获得多个备选电源配置结果；
优化模块40，从多个备选电源配置结果中进行实际测试，获取最优电源配置结果。
本公开中使用了流程图用来说明根据本公开的实施例的方法的步骤。应当理解的是，前面或后面的步骤不一定按照顺序来精确的进行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中。
本领域技术人员可以理解上述方法中的全部或部分的步骤可通过计算机程序来指令相关硬件完成，程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本公开并不限制于任何特定形式的硬件和软件的结合。
除非另有定义，这里使用的所有术语具有与本公开所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
以上是对本公开的说明，而不应被认为是对其的限制。尽管描述了本公开的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本公开的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本公开范围内。应当理解，上面是对本公开的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本公开由权利要求书及其等效物限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本申请较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种配网资源调控的分布式电源消储优化方法，其特征在于，包括步骤：
获取分布式电源初始配置信息，从所述分布式电源初始配置信息中得到电源潜能信息；所述获取分布式电源初始配置信息，从所述分布式电源初始配置信息中得到电源潜能信息包括：获取所述分布式电源的地理位置坐标分布信息；其中，所述地理位置坐标分布信息包括所述分布式电源的地形信息、气候信息和天气信息；
获取所述分布式电源的电压负荷信息，基于所述电压负荷信息和所述地理位置坐标分布信息对所述分布式电源进行电源潜能信息预测；
将所述电源潜能信息输入分布式电源消储仿真模型，得到初始电源配置结果；
获取待测区域的电源波动指标，结合所述初始电源配置结果获得多个备选电源配置结果；
从多个所述备选电源配置结果中进行实际测试，获取最优电源配置结果。
2.根据权利要求1所述的分布式电源消储优化方法，其特征在于，所述获取所述分布式电源的地理位置坐标分布信息包括：
根据历史电压数据预测得到地理位置坐标分布参数；
获取所述历史电压数据中对应不同时期的各个电压事件点的地理位置坐标；
根据所述历史电压数据和所述地理位置坐标分布参数获取地理位置分布信息函数，且所述地理位置分布信息函数满足以下公式0：
公式0：
Figure 770662DEST_PATH_IMAGE001
；
其中，t为历史电压数据的地形信息，α为历史电压数据的气候信息，β为历史电压数据的天气信息预设电路效率值，i为所述地理位置坐标中分布坐标的x值，j为所述地理位置坐标中分布坐标的y值，k为基于标准日期后的第k天，所述标准日期为预设值。
3.根据权利要求1所述的分布式电源消储优化方法，其特征在于，所述将所述电源潜能信息输入分布式电源消储仿真模型，得到初始电源配置结果，还包括：
所述电源潜能信息至少包括所述分布式电源的最高负荷电压、最高负荷的最长持续时间、平均负荷的最长持续时间、最高储能上限、输电损耗；
所述分布式电源消储仿真模型包括所述分布式电源的待测区域的用户需求属性信息；
所述初始电源配置结果包括所述分布式电源的配置数量、所述分布式电源的配置错峰开启时间、所述分布式电源的配置位置。
4.根据权利要求1所述的分布式电源消储优化方法，其特征在于，所述获取待测区域的电源波动指标，结合所述初始电源配置结果获得多个备选电源配置结果，还包括：
获取待测区域的电源波动指标，所述电源波动指标包括各待配置电源的输出电压、各光伏电源的输出电压和系统负荷建立各待配置电源的输出电压、各储能电源的输出电压和系统负荷在不同时间的关系曲线；
根据所述电源波动指标，对负荷随机波动分布特性进行分析，确定负荷的随机波动分布特性和规律；
确定多源随机波动下的边界条件，通过系统目标函数得到分布式电源消耗资源和排放资源结果；
采用粒子群算法进行优化，得到所述多个备选电源配置结果。
5.根据权利要求1所述的分布式电源消储优化方法，其特征在于，所述从多个所述备选电源配置结果中进行实际测试，获取最优电源配置结果，还包括：
获取分布式电源的待测区域的用户需求属性信息，将多个所述备选电源配置结果分别进行实际测试，获取单位时间内的电路效率；
从所述电路效率中选取值最大的作为最优电路效率，将所述最优电路效率对应的备选电源配置结果作为所述最优电源配置结果。
6.一种配网资源调控的分布式电源消储优化装置，其特征在于，包括：
潜能设置模块，获取分布式电源初始配置信息，从所述分布式电源初始配置信息中得到电源潜能信息；
初始配置模块，将所述电源潜能信息输入分布式电源消储仿真模型，得到初始电源配置结果；
备选配置模块，获取待测区域的电源波动指标，结合所述初始电源配置结果获得多个备选电源配置结果；
优化模块，从多个所述备选电源配置结果中进行实际测试，获取最优电源配置结果。
7.根据权利要求6所述的分布式电源消储优化装置，其特征在于，所述潜能设置模块还包括：
获取所述分布式电源的地理位置坐标分布信息；其中，所述地理位置坐标分布信息包括所述分布式电源的地形信息、气候信息和天气信息；
获取所述分布式电源的电压负荷信息，基于所述电压负荷信息和所述地理位置坐标分布信息对所述分布式电源进行电源潜能信息预测。
8.根据权利要求6所述的分布式电源消储优化装置，其特征在于，
所述电源潜能信息至少包括所述分布式电源的最高负荷电压、最高负荷的最长持续时间、平均负荷的最长持续时间、最高储能上限、输电损耗；
所述分布式电源消储仿真模型包括所述分布式电源的待测区域的用户需求属性信息；
所述初始电源配置结果包括所述分布式电源的配置数量、所述分布式电源的配置错峰开启时间、所述分布式电源的配置位置。
9.根据权利要求6所述的分布式电源消储优化装置，其特征在于，所述备选配置模块还包括：
获取待测区域的电源波动指标，所述电源波动指标包括各待配置电源的输出电压、各光伏电源的输出电压和系统负荷建立各待配置电源的输出电压、各储能电源的输出电压和系统负荷在不同时间的关系曲线；
根据所述电源波动指标，对负荷的随机波动分布特性进行分析，确定所述负荷的随机波动分布特性和规律；
确定多源随机波动下的边界条件，通过系统目标函数得到分布式电源消耗资源和排放资源结果；
采用粒子群算法进行优化，得到所述多个备选电源配置结果。
10.根据权利要求6所述的分布式电源消储优化装置，其特征在于，所述优化模块还包括：
获取所述分布式电源的待测区域的用户需求属性信息，将多个所述备选电源配置结果分别进行实际测试，获取单位时间内的电路效率；
从所述电路效率中选取值最大的作为最优电路效率，将所述最优电路效率对应的备选电源配置结果作为所述最优电源配置结果。
CN202211169365.8A 2022-09-26 2022-09-26 一种配网资源调控的分布式电源消储优化方法和装置 Active CN115249981B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211169365.8A CN115249981B (zh) 2022-09-26 2022-09-26 一种配网资源调控的分布式电源消储优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211169365.8A CN115249981B (zh) 2022-09-26 2022-09-26 一种配网资源调控的分布式电源消储优化方法和装置

Publications (2)

Publication Number Publication Date
CN115249981A true CN115249981A (zh) 2022-10-28
CN115249981B CN115249981B (zh) 2023-01-03

Family

ID=83700633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211169365.8A Active CN115249981B (zh) 2022-09-26 2022-09-26 一种配网资源调控的分布式电源消储优化方法和装置

Country Status (1)

Country Link
CN (1) CN115249981B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102623989A (zh) * 2012-03-28 2012-08-01 湖南大学 一种间歇分布式电源优化配置方法
CN103903073A (zh) * 2014-04-23 2014-07-02 河海大学 一种含分布式电源及储能的微电网优化规划方法及系统
US20170124464A1 (en) * 2015-10-28 2017-05-04 Fractal Industries, Inc. Rapid predictive analysis of very large data sets using the distributed computational graph
CN114493052A (zh) * 2022-04-08 2022-05-13 南方电网数字电网研究院有限公司 多模型融合自适应新能源功率预测方法和系统
CN115036983A (zh) * 2022-04-19 2022-09-09 国网安徽省电力有限公司经济技术研究院 配电网供需双侧协同的规划优化方法及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102623989A (zh) * 2012-03-28 2012-08-01 湖南大学 一种间歇分布式电源优化配置方法
CN103903073A (zh) * 2014-04-23 2014-07-02 河海大学 一种含分布式电源及储能的微电网优化规划方法及系统
US20170124464A1 (en) * 2015-10-28 2017-05-04 Fractal Industries, Inc. Rapid predictive analysis of very large data sets using the distributed computational graph
CN114493052A (zh) * 2022-04-08 2022-05-13 南方电网数字电网研究院有限公司 多模型融合自适应新能源功率预测方法和系统
CN115036983A (zh) * 2022-04-19 2022-09-09 国网安徽省电力有限公司经济技术研究院 配电网供需双侧协同的规划优化方法及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
NING YAN: "Research on Distributed Energy Planning Method of Active Distribution Network based on Load Forecasting", 《2018 IEEE INTERNATIONAL CONFERENCE ON APPLIED SUPERCONDUCTIVITY AND ELECTROMAGNETIC DEVICES (ASEMD)》 *
SHUJUN YAO: "Capacity_of_energy_storage_based_on_probabilistic_power_flow_and_the_HPSO_algorithm_for_distribution_network_with_photovoltaic_power_generation", 《10TH IET INTERNATIONAL CONFERENCE ON AC AND DC POWER TRANSMISSION (ACDC 2012)》 *
王激华: "基于深度长短期记忆神经网络的短期负荷预测", 《广东电力》 *

Also Published As

Publication number Publication date
CN115249981B (zh) 2023-01-03

Similar Documents

Publication Publication Date Title
WO2022135265A1 (zh) 气候变化影响下水库调度规则的失效预警分析方法
Chen et al. Temperature effect to distribution system load profiles and feeder losses
Si et al. Ineffectiveness of optimization algorithms in building energy optimization and possible causes
CN112132488A (zh) 一种耦合建模-优化-优选的水库生态调度方法
CN112085256B (zh) 考虑负荷跃变的全周期负荷预测方法
CN110264032A (zh) 一种直流配网规划方案评价结果的获取方法
Chicco et al. Overview of the Clustering Algorithms for the Formation of the Bidding Zones
CN113629778B (zh) 一种分布式光伏配电网光储系统设计方法
Wen et al. An energy demand-side management and net metering decision framework
CN110119889A (zh) 一种配电网节点灵活性评价与分区方法
CN115249981B (zh) 一种配网资源调控的分布式电源消储优化方法和装置
Wang et al. Aggregated large-scale air-conditioning load: Modeling and response capability evaluation of virtual generator units
CN116502771B (zh) 一种基于电力物资预测的配电方法及系统
Xu et al. Evaluation of fault level of sensitive equipment caused by voltage sag via data mining
CN116562696A (zh) 目标地区的微电网运行效果的确定方法及确定装置
Yong et al. Short-term building load forecasting based on similar day selection and LSTM network
Zhang et al. Multi–objective Cluster Partition Method for Distribution Network Considering Uncertainties of Distributed Generations and Loads
CN116316589A (zh) 一种考虑源荷不确定性的配网分布式光伏承载力评估方法
CN115619159A (zh) 一种智慧园区能源消耗分析调度方法和系统
Bo et al. Research of Typical Line Loss Rate in Transformer District Based on Data-Driven Method
Cromley et al. Scale-independent land-use allocation modeling in raster GIS
CN114548641A (zh) 一种考虑多能源协调的配电网弹性指标评估方法
Parker et al. Identifying critical resiliency of modern distribution systems with open source modeling
CN111815022A (zh) 一种基于延时坐标嵌入法的电力负荷预测方法
Xu Multi-objective intelligent algorithm model design for housing environment optimization

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
TR01 Transfer of patent right

Effective date of registration: 20230920

Address after: No. 145 Tiandi Road, Yuyao City, Ningbo City, Zhejiang Province, 315499

Patentee after: State Grid Zhejiang Electric Power Co., Ltd. Yuyao Power Supply Co.

Patentee after: STATE GRID ZHEJIANG ELECTRIC POWER CO., LTD. NINGBO POWER SUPPLY Co.

Address before: 145 Stadium Road, Yuyao, Ningbo, Zhejiang 315000

Patentee before: STATE GRID ZHEJIANG YUYAO POWER SUPPLY Co.,Ltd.

Patentee before: STATE GRID ZHEJIANG ELECTRIC POWER CO., LTD. NINGBO POWER SUPPLY Co.

TR01 Transfer of patent right