CN115377990A - 配电网网架优化方法、系统、配电网、设备及介质 - Google Patents
配电网网架优化方法、系统、配电网、设备及介质 Download PDFInfo
- Publication number
- CN115377990A CN115377990A CN202211304316.0A CN202211304316A CN115377990A CN 115377990 A CN115377990 A CN 115377990A CN 202211304316 A CN202211304316 A CN 202211304316A CN 115377990 A CN115377990 A CN 115377990A
- Authority
- CN
- China
- Prior art keywords
- power
- distribution network
- power distribution
- load
- optimization
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 165
- 238000005457 optimization Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000008901 benefit Effects 0.000 claims abstract description 43
- 238000012546 transfer Methods 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 239000002245 particle Substances 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 33
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000011084 recovery Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 9
- 238000005265 energy consumption Methods 0.000 description 7
- 239000000835 fiber Substances 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000002351 wastewater Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种配电网网架优化方法、系统、配电网、设备及介质，所述方法包括获取配电网的当前电力负荷，结合所述配电网的历史电力负荷，确定所述配电网的电力负荷预测值，并根据所述电力负荷预测值确定电力充裕度信息；根据所述电力充裕度信息，通过时空转移负荷优化算法对配电网进行大容量负荷转移优化；设定性能成本约束条件，以及总成本最小为目标的优化目标函数，基于粒子群算法确定最大化经济效益；根据配电网优化的负荷曲线进行协调控制，结合所述最大化经济效益，实现实时电力平衡；根据实时电力平衡以及最大化经济效益进行配电网网架优化。本发明的方法能够实现大规模、多类型灵活资源的协调控制。
Description
技术领域
本发明涉及电力技术领域，尤其涉及一种配电网网架优化方法、系统、配电网、设备及介质。
背景技术
电力电量平衡是灵活性资源与新能源联合优化配置中重要的判断标准，通常是通过等效持续负荷曲线的方法来计算系统可靠性指标，例如LOLP（Loss of loadprobability method，电力不足概率）指标或者EENS（Expected Energy Not Supplied，电量不足期望值）指标，只有判定指标满足要求，灵活性资源与新能源联合优化配置方案才能通过。
然而目前等效持续负荷曲线方法或者等效电量函数方法都没有考虑分布式电源和灵活性资源控制的效果，导致实际计算出来的LOLP和EENS结果偏大，传统电力平衡方法已经无法适应大量灵活性资源与新能源的接入。
发明内容
本发明实施例提供一种于电力平衡和性能成本的配电网网架优化方法、系统、设备及存储介质，能够至少解决现有技术中的部分问题。
本发明实施例的第一方面，
提供一种配电网网架优化方法，所述方法包括：
获取配电网的当前电力负荷，结合所述配电网的历史电力负荷，确定所述配电网的电力负荷预测值，并根据所述电力负荷预测值确定电力充裕度信息；
根据所述电力充裕度信息，通过时空转移负荷优化算法对所述配电网进行大容量负荷转移优化；
设定性能成本约束条件，以及总成本最小为目标的优化目标函数，基于粒子群算法确定最大化经济效益；
根据配电网优化的负荷曲线进行协调控制，结合所述最大化经济效益，实现实时电力平衡；
根据实时电力平衡以及最大化经济效益进行配电网网架优化。
在一种可选的实施方式中，
所述根据所述电力负荷预测值确定电力充裕度信息之后，所述方法还包括：
根据所述电力充裕度信息，进行电力平衡计算，确定新增系统外主容量、新增装机容量和新能源机组容量；
通过所述电力充裕度信息，进行电量平衡计算，确定系统外主变下网电量、发电机组应发电量；
根据历史数据进行预测得到与调峰裕度对应的概率，并根据调峰裕度及其对应出现的概率形成调峰裕度概率信息；
基于所述调峰裕度概率信息，进行电力负荷曲线修正，以使电力负荷曲线满足预设条件。
在一种可选的实施方式中，
所述根据所述电力充裕度信息，通过时空转移负荷优化算法对配电网进行大容量负荷转移优化的方法包括：
根据所述电力充裕度信息，确定配电网的负荷波动曲线以及配电网与相邻区域配电网的互补性负荷特性曲线；
以单组负荷转移路线为单位，对已有负荷所在线路进行切改，确定N-1安全性和负载率均衡性；
根据配电网中实时负荷情况，通过调整联络开关和分段开关的不同组合，改变负荷的供电路径，从而达到负荷均衡的目的。
在一种可选的实施方式中，
所述设定性能成本约束条件，以及总成本最小为目标的优化目标函数的方法包括：
所述性能成本约束条件包括功率平衡约束、网络拓扑结构约束、正常运行状态约束以及灵活资源约束中至少一种；
所述优化目标函数如下公式所示：
其中，minF表示目标函数，N表示线路总数，
表示第k个线路编码元素，
表示
建设投资成本，
表示运行维护成本，
表示折损成本，C表示总成本，X表示线路编码元
素集合，
表示回收成本对应的偏置值，
表示回收成本，
表示性能成本对应的偏置
值，
表示性能成本。
在一种可选的实施方式中，
所述根据配电网优化的负荷曲线进行协调控制，结合所述最大化经济效益，实现实时电力平衡的方法包括：
配电网控制中心基于各资源上报的灵活资源模型参数，进行加总后生成集合灵活资源模型，并确定灵活资源模型的相关参数；
输电网调度中心计算各配电层控制中心指导用电功率曲线，下发给对应的配电网控制中心；
配电网控制中心和各个灵活资源根据顶层输电网优化的负荷曲线进行协调控制，实现配电网和灵活资源经济效益最优的同时，满足实时电力平衡。
在一种可选的实施方式中，
配电网控制中心和各个灵活资源根据顶层输电网优化的负荷曲线进行协调控制，实现配电网和灵活资源经济效益最优的同时，满足实时电力平衡的方法如下公式所示：
其中，minF表示电力平衡值，
表示负荷曲线中配电网对应的参数值，
表
示负荷曲线中各个灵活资源对应的参数值，
表示时间差，T表示负荷曲线对应的时间周
期，t表示时间节点；
其中，
表示负荷曲线中第j个值对应的多个负载值，S表示功率偏差，
表示电压负荷，
表示等效阻抗负荷，
表示无功功率输出值。
本发明实施例的第二方面，
提供一种配电网网架优化系统，所述系统包括：
第一单元，用于获取配电网的当前电力负荷，结合所述配电网的历史电力负荷，确定所述配电网的电力负荷预测值，并根据所述电力负荷预测值确定电力充裕度信息；
第二单元，用于根据所述电力充裕度信息，通过时空转移负荷优化算法对配电网进行大容量负荷转移优化；
第三单元，用于设定性能成本约束条件，以及总成本最小为目标的优化目标函数，基于粒子群算法确定最大化经济效益；
第四单元，用于根据配电网优化的负荷曲线进行协调控制，结合所述最大化经济效益，实现实时电力平衡；
第五单元，用于根据实时电力平衡以及最大化经济效益进行配电网网架优化。
本发明实施例的第三方面，
提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述中任意一项所述的方法。
本发明实施例的第四方面，
提供一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现前述中任意一项所述的方法。
本发明提供一种配电网网架优化方法，包括：
获取配电网的当前电力负荷，结合所述配电网的历史电力负荷，确定所述配电网的电力负荷预测值，并根据所述电力负荷预测值确定电力充裕度信息；
通过当前电力负荷，以及历史电力负荷，预测电力负荷，能够根据电力负荷预测值确定电力充裕度信息，便于后续整体的配电网网架优化中电力平衡信息的确定；
根据所述电力充裕度信息，通过时空转移负荷优化算法对配电网进行大容量负荷转移优化；
通过大容量负荷转移优化，能够使得电荷合理分配，降低因为电荷导致的电力问题；
设定性能成本约束条件，以及总成本最小为目标的优化目标函数，基于粒子群算法确定最大化经济效益；
根据配电网优化的负荷曲线进行协调控制，结合所述最大化经济效益，实现实时电力平衡；
根据实时电力平衡以及最大化经济效益进行配电网网架优化。
本发明的方法能够充分考虑多种灵活性资源的波动性和随机性，有效消除其预测误差对运行优化的影响，各个灵活资源能够可靠，最大化灵活资源的经济效益。
附图说明
图1示例性地示出本发明实施例配电网网架优化方法的流程示意图；
图2示例性地示出本发明实施例配电网网架优化方法的架构示意图；
图3示例性地示出本发明实施例配电网网架优化系统的结构示意图。
附图标记说明：
31-第一单元；32-第二单元；33-第三单元；34-第四单元；35-第五单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1示例性地示出本发明实施例配电网网架优化方法的流程示意图，如图1所示，所述方法包括：
S101、获取配电网的当前电力负荷，结合所述配电网的历史电力负荷，确定所述配电网的电力负荷预测值，并根据所述电力负荷预测值确定电力充裕度信息；
在一种可选的实施方式中，
所述根据所述电力负荷预测值确定电力充裕度信息之后，所述方法还包括：
根据所述电力充裕度信息，进行电力平衡计算，确定新增系统外主容量、新增装机容量和新能源机组容量；
通过所述电力充裕度信息，进行电量平衡计算，确定系统外主变下网电量、发电机组应发电量；
根据历史数据进行预测得到与调峰裕度对应的概率，并根据调峰裕度及其对应出现的概率形成调峰裕度概率信息；
基于所述调峰裕度概率信息，进行电力负荷曲线修正，以使电力负荷曲线满足预设条件。
示例性地，对于所述新能源机组，根据其历史出力数据，计算其充裕度概率表，所述新能源机组包括现有新能源机组以及规划新能源机组，所述现有新能源机组的出力数据取实测数值，所述规划新能源机组的出力数据取当地或附近地区已有同类机组的典型数值；
对于所述电力负荷，根据历史数据预测未来的负荷预测值，并根据所述负荷预测值计算其充裕度概率表；
根据充裕度概率表，进行电力平衡计算，得出需要新增系统外主变容量、新增装机容量和新能源机组容量价值；
根据充裕度概率表，进行电量平衡计算，得出所述系统外主变下网电量、所述发电机组应发电量；
根据历史数据进行预测得到与所述调峰裕度对应的概率，并根据调峰裕度及其对应出现的概率形成调峰裕度概率表，且根据所述调峰裕度概率表，计算得出弃风、弃光电量；
对电力负荷曲线进行修正，使得弃风、弃光电量小于预定值。
S102、根据所述电力充裕度信息，通过时空转移负荷优化算法对配电网进行大容量负荷转移优化；
在一种可选的实施方式中，
所述根据所述电力充裕度信息，通过时空转移负荷优化算法对配电网进行大容量负荷转移优化的方法包括：
根据所述电力充裕度信息，确定配电网的负荷波动曲线以及配电网与相邻区域配电网的互补性负荷特性曲线；
以单组负荷转移路线为单位，对已有负荷所在线路进行切改，确定N-1安全性和负载率均衡性；
根据配电网中实时负荷情况，通过调整联络开关和分段开关的不同组合，改变负荷的供电路径，从而达到负荷均衡的目的。
可选地，所述空间上的转移优化方法包括规划优化和运行方式优化；所述规划优化方法是：以一组负荷转移线路组为单位，在变电站与网络结构确定的情况下，通过调整组内线路上开关的数量及位置，对已有负荷所在线路进行切改，最终形成满足N-1安全性和负载率均衡性的方案；所述运行方式优化方法是：进行规划优化后的网架结构的基础之上，根据配电网中10kV线路的实时负荷情况，通过调整联络开关与分段开关的不同组合，从而改变负荷的供电路径，以达到负荷均衡的目的。
其中，规划优化模型可以的公式可以如下所示：
其中，
表示组内的线路条数，
表示负荷转移后线路的负载率，
表示负荷转
移后线路负载率平均值，
表示优化后负荷的供电路径，m表示负荷转移线路组的数量，i表示第i组负荷转移线路。
S103、设定性能成本约束条件，以及总成本最小为目标的优化目标函数，基于粒子群算法确定最大化经济效益；
在一种可选的实施方式中，
所述设定性能成本约束条件，以及总成本最小为目标的优化目标函数的方法包括：
所述性能成本约束条件包括功率平衡约束、网络拓扑结构约束、正常运行状态约束以及灵活资源约束；
所述优化目标函数如下公式所示：
其中，minF表示目标函数，N表示线路总数，
表示第k个线路编码元素，
表示建
设投资成本，
表示运行维护成本，
表示折损成本，C表示总成本，X表示线路编码元素
集合，
表示回收成本对应的偏置值，
表示回收成本，
表示性能成本对应的偏置值，
表示性能成本。
在一种可选的实施方式中，
基于遗传算法确定最大化经济效益的方法包括：
基于所述配电网相关参数，建立种群并产生初始的种群个体，设置迭代次数为1，初始化最优目标值及对应的目标配电网相关参数，其中，所述最优目标值即所述新能源消纳容量最大目标函数的值，所述目标配电网相关参数为获得所述最优目标值时所述配电网相关参数的值；
判断所述种群个体的数值是否满足所述配电网自律运行指标约束条件；当所述种群个体的数值不满足所述配电网自律运行指标约束条件时，基于所述自律运行指标限值对配电网消纳方案进行调整，使得调整后的种群个体的数值满足所述配电网自律运行指标约束条件：
当所述种群个体的数值满足所述配电网自律运行指标约束条件时，判断所述种群个体的数值是否满足所述配电网运行约束条件和所述配电网可控资源调用约束条件；
当所述种群个体的数值不满足所述配电网运行约束条件或所述配电网可控资源调用约束条件时，基于遗传算法对所述种群个体进行交叉和变异，更新种群个体的数值，使更新后的种群个体的数值满足所述配电网运行约束条件和所述配电网可控资源调用约束条件；
当所述种群个体的数值满足所述配电网运行约束条件和所述配电网可控资源调用约束条件时，计算新能源消纳容量最大目标函数的值并判断所述新能源消纳容量最大目标函数的值是否大于最优目标值，当所述新能源消纳容量最大目标函数的值大于最优目标值时，将所述最优目标值更新为该新能源消纳容量最大目标函数的值，并将所述目标配电网相关参数更新为取得该新能源消纳容量最大目标函数的值时对应的配电网相关参数的值，其中，所述新能源消纳容量最大目标函数的值等于所述各种群个体的数值之和。
S104、根据配电网优化的负荷曲线进行协调控制，结合所述最大化经济效益，实现实时电力平衡；
在一种可选的实施方式中，
根据配电网优化的负荷曲线进行协调控制，结合所述最大化经济效益，实现实时电力平衡的方法包括：
配电网控制中心基于各资源上报的灵活资源模型参数，进行加总后生成集合灵活资源模型，并确定灵活资源模型的相关参数；
输电网调度中心计算各配电层控制中心指导用电功率曲线，下发给对应的配电网控制中心；
配电网控制中心和各个灵活资源根据顶层输电网优化的负荷曲线进行协调控制，实现配电网和灵活资源经济效益最优的同时，满足实时电力平衡。
示例性地，可以按照如下步骤实现电力平衡：
步骤一：在日前计划阶段，需求侧各灵活资源根据次日用电需求的预测结果，生成灵活资源模型参数，同时各个分布式能源也生成出力计划，可再生能源进行出力预测，一并上报给配电网层的控制中心；
步骤二：配电网层控制中心基于各资源上报的灵活资源模型参数，进行加总后生成集合灵活资源模型，并将相应参数上报给输电网层调度中心；
步骤三：在输电网层调度中心收取到配网层的次日集合灵活资源模型后，优化次日机组的启停和出力计划，并计算次日各配电层控制中心指导用电功率曲线，下发给对应的配电网层控制中心；
步骤四：进入实时协调控制阶段，配电网层控制中心和各个灵活资源需要根据顶层输电网优化的负荷曲线进行协调控制，实现配电网和灵活资源经济效益最优的同时满足实时电力平衡；
步骤五：配电网层面根据各灵活资源上报的实时用电需求信息，采用滚动优化的方法调度各灵活资源的价格，同时跟随输电网层控制中心日前下达的指导用电功率曲线；
步骤六：各个灵活资源根据配电网优化的价格信号，以自身经济效益最大为优化目标，优化自身出力，并将优化结果返回配电网控制中心。
在一种可选的实施方式中，
配电网控制中心和各个灵活资源根据顶层输电网优化的负荷曲线进行协调控制，实现配电网和灵活资源经济效益最优的同时，满足实时电力平衡的方法如下公式所示：
其中，minF表示电力平衡值，
表示负荷曲线中配电网对应的参数值，
表
示负荷曲线中各个灵活资源对应的参数值，
表示时间差，T表示负荷曲线对应的时间周
期，t表示时间节点；
其中，
表示负荷曲线中第j个值对应的多个负载值，S表示功率偏差，
表示电压负荷，
表示等效阻抗负荷，
表示无功功率输出值。
S105、根据实时电力平衡以及最大化经济效益进行配电网网架优化。
首先在日前，输电网控制中心基于配电网控制中心上传的次日集合灵活资源模型参数，以输电网运行成本最小为优化目标建立模型，优化并下发次日各配电网控制中心的负荷指导曲线。在实时阶段，配电网控制中心在尽量跟随日前输电网控制中心下达的负荷指导曲线的前提下，从协调配电公司和灵活资源多主体利益角度，建立日内实时滚动二层优化控制模型，从而实现大规模、多类型灵活资源的协调控制。
图2示例性地示出本发明实施例配电网网架优化方法的架构示意图。本发明提供一种配电网网架优化方法，包括：
获取配电网的当前电力负荷，结合所述配电网的历史电力负荷，确定所述配电网的电力负荷预测值，并根据所述电力负荷预测值确定电力充裕度信息；
通过当前电力负荷，以及历史电力负荷，预测电力负荷，能够根据电力负荷预测值确定电力充裕度信息，便于后续整体的配电网网架优化中电力平衡信息的确定；
根据所述电力充裕度信息，通过时空转移负荷优化算法对配电网进行大容量负荷转移优化；
通过大容量负荷转移优化，能够使得电荷合理分配，降低因为电荷导致的电力问题；
设定性能成本约束条件，以及总成本最小为目标的优化目标函数，基于粒子群算法确定最大化经济效益；
根据配电网优化的负荷曲线进行协调控制，结合所述最大化经济效益，实现实时电力平衡；
根据实时电力平衡以及最大化经济效益进行配电网网架优化。
本发明的方法能够充分考虑多种灵活性资源的波动性和随机性，有效消除其预测误差对运行优化的影响，各个灵活资源能够可靠，最大化灵活资源的经济效益。
图3示例性地示出本发明实施例配电网网架优化系统的结构示意图，如图3所示，所述系统包括：
第一单元31，用于获取配电网的当前电力负荷，结合所述配电网的历史电力负荷，确定所述配电网的电力负荷预测值，并根据所述电力负荷预测值确定电力充裕度信息；
第二单元32，用于根据所述电力充裕度信息，通过时空转移负荷优化算法对配电网进行大容量负荷转移优化；
第三单元33，用于设定性能成本约束条件，以及总成本最小为目标的优化目标函数，基于粒子群算法确定最大化经济效益；
第四单元34，用于根据配电网优化的负荷曲线进行协调控制，结合所述最大化经济效益，实现实时电力平衡；
第五单元35，用于根据实时电力平衡以及最大化经济效益进行配电网网架优化。
本发明实施例的第三方面，
提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述中任意一项所述的方法。
本发明实施例的第四方面，
提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述中任意一项所述的方法。
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
注意，除非另有直接说明，否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此，除非另有明确说明，否则所发明的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下，进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头，该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种配电网网架优化方法，其特征在于，所述配电网网架优化方法包括：
获取配电网的当前电力负荷，结合所述配电网的历史电力负荷，确定所述配电网的电力负荷预测值，并根据所述电力负荷预测值确定电力充裕度信息；
根据所述电力充裕度信息，通过时空转移负荷优化算法对所述配电网进行大容量负荷转移优化；
设定性能成本约束条件，以及总成本最小为目标的优化目标函数，基于粒子群算法确定最大化经济效益；
根据配电网优化的负荷曲线进行协调控制，结合所述最大化经济效益，实现实时电力平衡；
根据实时电力平衡以及最大化经济效益进行配电网网架优化。
2.根据权利要求1所述的配电网网架优化方法，其特征在于，所述根据所述电力负荷预测值确定电力充裕度信息之后，还包括：
根据所述电力充裕度信息，进行电力平衡计算，确定新增系统外主容量、新增装机容量和新能源机组容量；
通过所述电力充裕度信息，进行电量平衡计算，确定系统外主变下网电量、发电机组应发电量；
根据历史数据进行预测得到与调峰裕度对应的概率，并根据调峰裕度及其对应出现的概率形成调峰裕度概率信息；
基于所述调峰裕度概率信息，进行电力负荷曲线修正，以使电力负荷曲线满足预设条件。
3.根据权利要求1所述的配电网网架优化方法，其特征在于，所述根据所述电力充裕度信息，通过时空转移负荷优化算法对配电网进行大容量负荷转移优化包括：
根据所述电力充裕度信息，确定配电网的负荷波动曲线以及配电网与相邻区域配电网的互补性负荷特性曲线；
以单组负荷转移路线为单位，对已有负荷所在线路进行切改，确定N-1安全性和负载率均衡性；
根据配电网中实时负荷情况，通过调整联络开关和分段开关的不同组合，改变负荷的供电路径，从而达到负荷均衡的目的。
4.根据权利要求1所述的配电网网架优化方法，其特征在于，所述设定性能成本约束条件，以及总成本最小为目标的优化目标函数包括：
所述性能成本约束条件包括功率平衡约束、网络拓扑结构约束、正常运行状态约束以及灵活资源约束；
所述优化目标函数如下公式所示：
其中，minF表示目标函数，N表示线路总数，
表示第k个线路编码元素，
表示建设投
资成本，
表示运行维护成本，
表示折损成本，C表示总成本，X表示线路编码元素集合，
表示回收成本对应的偏置值，
表示回收成本，
表示性能成本对应的偏置值，
表
示性能成本。
5.根据权利要求1所述的配电网网架优化方法，其特征在于，所述根据配电网优化的负荷曲线进行协调控制，结合所述最大化经济效益，实现实时电力平衡包括：
配电网控制中心基于各资源上报的灵活资源模型参数，进行加总后生成集合灵活资源模型，并确定灵活资源模型的相关参数；
输电网调度中心计算各配电层控制中心指导用电功率曲线，下发给对应的配电网控制中心；
配电网控制中心和各个灵活资源根据顶层输电网优化的负荷曲线进行协调控制，实现配电网和灵活资源经济效益最优的同时，满足实时电力平衡。
6.根据权利要求5所述的配电网网架优化方法，其特征在于，所述配电网控制中心和各个灵活资源根据顶层输电网优化的负荷曲线进行协调控制，实现配电网和灵活资源经济效益最优的同时，满足实时电力平衡如下公式所示：
其中，minF表示电力平衡值，
表示负荷曲线中配电网对应的参数值，
表示负荷
曲线中各个灵活资源对应的参数值，
表示时间差，T表示负荷曲线对应的时间周期，t表
示时间节点；
其中，
表示负荷曲线中第j个值对应的多个负载值，S表示功率偏差，
表
示电压负荷，
表示等效阻抗负荷，
表示无功功率输出值。
7.一种配电网网架优化系统，其特征在于，所述系统包括：
第一单元，用于获取配电网的当前电力负荷，结合所述配电网的历史电力负荷，确定所述配电网的电力负荷预测值，并根据所述电力负荷预测值确定电力充裕度信息；
第二单元，用于根据所述电力充裕度信息，通过时空转移负荷优化算法对所述配电网进行大容量负荷转移优化；
第三单元，用于设定性能成本约束条件，以及总成本最小为目标的优化目标函数，基于粒子群算法确定最大化经济效益；
第四单元，用于根据配电网优化的负荷曲线进行协调控制，结合所述最大化经济效益，实现实时电力平衡；
第五单元，用于根据实时电力平衡以及最大化经济效益进行配电网网架优化。
8.一种配电网，其特征在于，所述配电网包括权利要求7所述的配电网网架优化系统。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至6中任意一项所述的配电网网架优化方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的配电网网架优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211304316.0A CN115377990B (zh) | 2022-10-24 | 2022-10-24 | 配电网网架优化方法、系统、配电网、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211304316.0A CN115377990B (zh) | 2022-10-24 | 2022-10-24 | 配电网网架优化方法、系统、配电网、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115377990A true CN115377990A (zh) | 2022-11-22 |
| CN115377990B CN115377990B (zh) | 2023-03-24 |
Family
ID=84073210
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211304316.0A Active CN115377990B (zh) | 2022-10-24 | 2022-10-24 | 配电网网架优化方法、系统、配电网、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115377990B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104917173A (zh) * | 2015-06-01 | 2015-09-16 | 国网天津市电力公司 | 适应配电网大容量负荷转移的配电网优化方法 |
| CN106549378A (zh) * | 2016-12-09 | 2017-03-29 | 国网江苏省电力公司金湖县供电公司 | 一种针对分布式电源出力不确定性的配网协同调度方法 |
| CN107491870A (zh) * | 2017-08-14 | 2017-12-19 | 电力规划总院有限公司 | 配电网的电力规划方法、装置、设备以及计算机可读存储介质 |
| CN109873421A (zh) * | 2019-03-29 | 2019-06-11 | 国网浙江省电力有限公司 | 一种省级电网充裕度在线评估方法及系统 |
| CN110535129A (zh) * | 2019-09-09 | 2019-12-03 | 贵州电网有限责任公司 | 一种能源互联网下配电网规划方法 |
| US20200161867A1 (en) * | 2018-11-15 | 2020-05-21 | Hefei University Of Technology | Method, system and storage medium for load dispatch optimization for residential microgrid |
| CN114188942A (zh) * | 2021-12-09 | 2022-03-15 | 国网甘肃省电力公司电力科学研究院 | 一种包含大规模新能源基地的电网调度方法 |
| CN114530846A (zh) * | 2022-02-11 | 2022-05-24 | 国网山东省电力公司济南供电公司 | 一种配电网转供网络重构方法、装置及存储介质 |
| CN114626603A (zh) * | 2022-03-11 | 2022-06-14 | 国网冀北电力有限公司承德供电公司 | 一种配电网需求响应调度运行方案的优化处理方法和装置 |
-
2022
- 2022-10-24 CN CN202211304316.0A patent/CN115377990B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104917173A (zh) * | 2015-06-01 | 2015-09-16 | 国网天津市电力公司 | 适应配电网大容量负荷转移的配电网优化方法 |
| CN106549378A (zh) * | 2016-12-09 | 2017-03-29 | 国网江苏省电力公司金湖县供电公司 | 一种针对分布式电源出力不确定性的配网协同调度方法 |
| CN107491870A (zh) * | 2017-08-14 | 2017-12-19 | 电力规划总院有限公司 | 配电网的电力规划方法、装置、设备以及计算机可读存储介质 |
| US20200161867A1 (en) * | 2018-11-15 | 2020-05-21 | Hefei University Of Technology | Method, system and storage medium for load dispatch optimization for residential microgrid |
| CN109873421A (zh) * | 2019-03-29 | 2019-06-11 | 国网浙江省电力有限公司 | 一种省级电网充裕度在线评估方法及系统 |
| CN110535129A (zh) * | 2019-09-09 | 2019-12-03 | 贵州电网有限责任公司 | 一种能源互联网下配电网规划方法 |
| CN114188942A (zh) * | 2021-12-09 | 2022-03-15 | 国网甘肃省电力公司电力科学研究院 | 一种包含大规模新能源基地的电网调度方法 |
| CN114530846A (zh) * | 2022-02-11 | 2022-05-24 | 国网山东省电力公司济南供电公司 | 一种配电网转供网络重构方法、装置及存储介质 |
| CN114626603A (zh) * | 2022-03-11 | 2022-06-14 | 国网冀北电力有限公司承德供电公司 | 一种配电网需求响应调度运行方案的优化处理方法和装置 |
Non-Patent Citations (3)
| Title |
|---|
| HUIBO LIU,ETAL.: "Reactive Power Optimization of Power Grid with Photovoltaic Generation Based on Improved Particle Swarm Optimization", 《2019 IEEE INNOVATIVE SMART GRID TECHNOLOGIES - ASIA (ISGT ASIA)》 * |
| 刘鑫等: "计及用户参与不确定性的虚拟电厂分布鲁棒优化模型", 《电力自动化设备》 * |
| 肖峻等: "基于最大供电能力的配电网规划理念与方法", 《中国电机工程学报》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115377990B (zh) | 2023-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sandgani et al. | Coordinated optimal dispatch of energy storage in a network of grid-connected microgrids | |
| Miranda et al. | Evolutionary computation in power systems | |
| Ganguly et al. | Recent advances on power distribution system planning: a state-of-the-art survey | |
| Sahoo et al. | Multi-objective planning of electrical distribution systems incorporating sectionalizing switches and tie-lines using particle swarm optimization | |
| Zhao et al. | Distributed risk-limiting load restoration for wind power penetrated bulk system | |
| Vosoogh et al. | An intelligent day ahead energy management framework for networked microgrids considering high penetration of electric vehicles | |
| Ulinuha et al. | Optimal scheduling of LTC and shunt capacitors in large distorted distribution systems using evolutionary-based algorithms | |
| Yang et al. | Network-constrained transactive control for multi-microgrids-based distribution networks with soft open points | |
| Alobaidi et al. | Stochastic expansion planning of battery energy storage for the interconnected distribution and data networks | |
| de Moraes et al. | Short-term scheduling of integrated power and spinning reserve of a wind-hydrothermal generation system with ac network security constraints | |
| Nammouchi et al. | Integration of AI, IoT and edge-computing for smart microgrid energy management | |
| Adnan et al. | Transmission network planning in super smart grids: A survey | |
| Zemite et al. | Genetic algorithm for optimization of power switch allocation in distribution network | |
| Basaran et al. | Optimal expansion planning of electrical energy distribution substation considering hydrogen storage | |
| CN115377990B (zh) | 配电网网架优化方法、系统、配电网、设备及介质 | |
| Šemić et al. | Distributed generation allocation in low voltage distribution network using artificial neural network | |
| Gautam et al. | Distribution network reconfiguration using deep reinforcement learning | |
| Lezama et al. | Evolutionary framework for multi-dimensional signaling method applied to energy dispatch problems in smart grids | |
| CN115441440A (zh) | 一种基于分布式新能源聚合的配电网弹性提升方法及系统 | |
| Elmouatamid et al. | Review of control and energy management approaches in micro-grid systems. Energies 2021, 14, 168 | |
| Bazmohammadi et al. | An efficient decision-making approach for optimal energy management of microgrids | |
| CN113255994A (zh) | 电网cps的优化配置方法、装置、设备和介质 | |
| Casagrande et al. | A robust MPC method for microgrid energy management based on distributed optimization | |
| CN115378041B (zh) | 配电网优化方法、系统、配电网、设备及介质 | |
| CN116979530B (zh) | 电网运行方式数字化推演的方法及装置 |
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 |