CN115882479A - 一种面向韧性提升的分布式储能系统多目标优化配置方法 - Google Patents

一种面向韧性提升的分布式储能系统多目标优化配置方法 Download PDF

Info

Publication number
CN115882479A
CN115882479A CN202310140513.1A CN202310140513A CN115882479A CN 115882479 A CN115882479 A CN 115882479A CN 202310140513 A CN202310140513 A CN 202310140513A CN 115882479 A CN115882479 A CN 115882479A
Authority
CN
China
Prior art keywords
distribution network
node
cluster
power
energy storage
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
CN202310140513.1A
Other languages
English (en)
Other versions
CN115882479B (zh
Inventor
王敏
刘念
朱文广
彭怀德
郭泉辉
陈会员
李映雪
罗路平
钟士元
舒娇
张雪婷
吴浩
戴奇奇
熊云
宫嘉炜
熊宁
章小枫
周成
郑春
孔强
周威
黄晓伟
刘啸
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.)
Jiangxi Tengda Electric Power Design Institute Co ltd
State Grid Corp of China SGCC
North China Electric Power University
Economic and Technological Research Institute of State Grid Jiangxi Electric Power Co Ltd
Jiangxi Ganfeng Lienergy Technology Co Ltd
Original Assignee
Jiangxi Tengda Electric Power Design Institute Co ltd
State Grid Corp of China SGCC
North China Electric Power University
Economic and Technological Research Institute of State Grid Jiangxi Electric Power Co Ltd
Jiangxi Ganfeng Lienergy Technology 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 Jiangxi Tengda Electric Power Design Institute Co ltd, State Grid Corp of China SGCC, North China Electric Power University, Economic and Technological Research Institute of State Grid Jiangxi Electric Power Co Ltd, Jiangxi Ganfeng Lienergy Technology Co Ltd filed Critical Jiangxi Tengda Electric Power Design Institute Co ltd
Priority to CN202310140513.1A priority Critical patent/CN115882479B/zh
Publication of CN115882479A publication Critical patent/CN115882479A/zh
Application granted granted Critical
Publication of CN115882479B publication Critical patent/CN115882479B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种面向韧性提升的分布式储能系统多目标优化配置方法包括：构建考虑配电网韧性指标的配电网集群划分模型；根据Louvain算法对所述配电网集群划分模型进行求解，得到最优的配电网集群划分结果；构建双层协调规划模型；基于PSO‑DE交叉优化算法对所述双层协调规划模型进行求解，确定分布式储能系统的定容与选址。利用社区检测算法实现配电网集群划分，考虑了韧性指标对初代划分结果修正，使得划分结果不仅有高模块度值，有功平衡度高并且韧性也高，从而得到最优划分结果；并且对于集群划分好的配电网，建立分布式电源和储能装置选址定容双层协调规划模型，确定经济性与网损兼顾的分布式电源和储能系统的选址定容。

Description

一种面向韧性提升的分布式储能系统多目标优化配置方法
技术领域
本发明属于分布式储能技术领域，尤其涉及一种面向韧性提升的分布式储能系统多目标优化配置方法。
背景技术
随着经济发展，我国电网发展迅速，呈现出高比例可再生能源和高比例电力电子装备接入、负荷多元化以及信息与物理系统高度融合等特点。在我国能源转型的背景下，电源侧各种新能源广泛接入电网，由于其出力的波动性、间歇性和随机性给电网安全运行带来了挑战；负荷侧分布式发电分散接入、区域综合能源系统兴起、电气化交通负荷大量接入以及各类基础设施电气化程度加深，负荷多元化特点日益凸显，负荷参与电网调节的能力有所提升，但多元化负荷也给电网运行带来了诸多不确定性。
现有技术中，针对配电网的脆弱评估体系时，并未考虑现有的分布式储能技术；风险理论也仅仅考虑了节点电压越限以及线路过负荷，并未考虑极端场景下配电网的风险评估。
发明内容
本发明提供一种面向韧性提升的分布式储能系统多目标优化配置方法，用于解决针对配电网的脆弱评估体系时，并未考虑现有的分布式储能技术；风险理论也仅仅考虑了节点电压越限以及线路过负荷，并未考虑极端场景下配电网风险评估的技术问题。
本发明提供一种面向韧性提升的分布式储能系统多目标优化配置方法，包括：
构建考虑配电网韧性指标的配电网集群划分模型，其中，所述配电网集群划分模型的优化目标为：
Figure SMS_1
，
式中，
Figure SMS_2
为配电网韧性指标/>
Figure SMS_3
的权重系数，/>
Figure SMS_4
为配电网韧性指标，/>
Figure SMS_5
为初始配电网集群划分的优化目标，/>
Figure SMS_6
为用于调整配电网集群划分的优化目标；
根据Louvain算法对所述配电网集群划分模型进行求解，得到最优的配电网集群划分结果；
构建双层协调规划模型，其中，所述双层协调规划模型包括以配电网集群为基本单元，用于求解各配电网集群的分布式电源容量和储能系统容量规划总量的上层规划模型，以及以配电网集群中的节点为基本单元，用于求解各配电网集群内各节点的分布式电源接入容量和储能装置接入位置的下层规划模型；
基于PSO-DE交叉优化算法对所述双层协调规划模型进行求解，确定分布式储能系统的定容与选址。
进一步地，所述基于Louvain社区检测算法对所述配电网集群划分模型进行求解，得到最优的配电网集群划分结果，包括：
步骤101：构建初始电网层面集群划分的优化目标
Figure SMS_7
，其中，/>
Figure SMS_8
为初始配电网集群划分的优化目标，/>
Figure SMS_9
为配电网的模块度指标，/>
Figure SMS_10
为有功功率平衡度/>
Figure SMS_11
的权重系数，/>
Figure SMS_12
为有功功率平衡度指标；
步骤102：将配电网中的每个节点都初始化为一个单独的集群，即集群数等于节点数；
步骤103：对于任意节点i，从其他节点中随机选择节点j 与其组合成新的集群
Figure SMS_13
；
步骤104：计算合并前后的优化目标变化
Figure SMS_14
，并记录下合并前后的优化目标最大变化/>
Figure SMS_15
，对应着集群编号，若/>
Figure SMS_16
>0，则节点i 选择加入/>
Figure SMS_17
对应的节点j所在的配电网集群，否则保持不变；
步骤105：重复步骤103 和步骤104，直至所有节点所属集群不再发生变化；
步骤106：对步骤105 发现的配电网集群结构分别进行压缩，将形成的集群看作一个新节点；
步骤107：返回步骤103，直到整个热网和电网的优化目标不再发生变化，集群划分过程停止，得到初始最优集群划分结果；
步骤108：考虑配电网韧性指标
Figure SMS_18
，对得到的初始电网集群划分结果进行调整，结合/>
Figure SMS_19
和/>
Figure SMS_20
重新构建用于调整配电网层面集群划分的优化目标/>
Figure SMS_21
；
步骤109：重复步骤102 至步骤107，得到调整后的最优配电网集群划分结果。
进一步地，其中，计算配电网的模块度指标的表达式为：
Figure SMS_22
，
Figure SMS_23
，
Figure SMS_24
，
Figure SMS_25
，
式中，
Figure SMS_26
为网络中所有边权之和，/>
Figure SMS_27
为连接节点i 和节点j 的边的权重，/>
Figure SMS_28
为与节点i相连所有边的边权之和，/>
Figure SMS_29
为与节点j相连所有边的边权之和，/>
Figure SMS_30
为节点i和节点j的区域关系，/>
Figure SMS_31
为节点i与节点j之间的电气距离。/>
进一步地，其中，计算有功功率平衡度的表达式为：
Figure SMS_32
，
Figure SMS_33
，
Figure SMS_34
，
Figure SMS_35
，
式中，
Figure SMS_36
为第k个配电网集群的有功功率平衡度指标，/>
Figure SMS_37
为配电网集群的总数，/>
Figure SMS_38
为典型时变场景的时间尺度，/>
Figure SMS_39
为第k个配电网集群在t时刻净功率值，/>
Figure SMS_40
为在T时间尺度下，第k个集群中节点i在t时刻的净功率，/>
Figure SMS_41
为在T时间尺度下，第k个集群中节点i的净功率，/>
Figure SMS_42
为在T时间尺度下，第k个集群中节点i在t时刻的净功率最大值。
进一步地，其中，计算配电网韧性指标的表达式为：
Figure SMS_43
，
Figure SMS_44
，
式中，
Figure SMS_46
为配电网集群的总数，/>
Figure SMS_48
为第k个配电网集群的配电网韧性指标，/>
Figure SMS_51
为根据节点i负荷重要性程度确定的权重因子，/>
Figure SMS_47
为配电网母线节点集合B在配电网集群k中的子集，/>
Figure SMS_49
为/>
Figure SMS_50
中节点i在t时段失去的有功负荷，/>
Figure SMS_52
为系统功能恢复正常运行时间，/>
Figure SMS_45
为灾害发生时间。
进一步地，其中，所述双层协调规划模型的目标函数为：
Figure SMS_53
，
Figure SMS_54
，/>
Figure SMS_55
，
式中，
Figure SMS_57
为量纲归一化后的配电网的年综合成本，/>
Figure SMS_59
为量纲归一化后的配电网网损，/>
Figure SMS_62
为对应成本的系数，/>
Figure SMS_58
为对应网损的系数，/>
Figure SMS_61
为配电网的年综合成本，
Figure SMS_63
为配电网接入分布式电源和储能装置最小容量时的成本，/>
Figure SMS_64
为配电网接入分布式电源和储能装置最大容量时的成本，/>
Figure SMS_56
为配电网网损，/>
Figure SMS_60
为配电网接入分布式电源前的网损。
进一步地，其中，所述上层规划模型的约束条件包括功率平衡约束、群间交互支路功率约束、DPV有功出力约束、ESS充放电功率约束和ESS荷电状态约束；
所述上层规划模型的目标函数为：
Figure SMS_65
，
式中，
Figure SMS_66
为配电网的年综合成本，/>
Figure SMS_67
为配电网的分布式电源和储能装置年等值安装成本，/>
Figure SMS_68
为配电网的分布式电源和储能装置的年运维成本。
进一步地，其中，所述下层规划模型的约束条件包括：配电网集群j内各节点接入的DPV容量约束、节点i允许安装的DPV容量约束、配电网潮流约束、节点i电压约束以及支路功率约束；
所述下层规划模型的目标函数为：
Figure SMS_69
，
式中，
Figure SMS_70
为配电网网损，/>
Figure SMS_71
为配电网支路数，/>
Figure SMS_72
为t时刻/>
Figure SMS_73
支路的网损，/>
Figure SMS_74
为一年8760h。
本申请的一种面向韧性提升的分布式储能系统多目标优化配置方法，利用社区检测算法实现配电网集群划分，考虑了韧性指标对初代划分结果修正，使得划分结果不仅有高模块度值，有功平衡度高并且韧性也高，从而得到最优划分结果；并且对于集群划分好的配电网，建立分布式电源和储能装置选址定容双层协调规划模型，确定经济性与网损兼顾的分布式电源和储能系统的选址定容。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种面向韧性提升的分布式储能系统多目标优化配置方法的流程图；
图2为本发明一实施例提供的配电网韧性概念曲线图。
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作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。
请参阅图1，其示出了本申请的一种面向韧性提升的分布式储能系统多目标优化配置方法的流程图。
如图1所示，面向韧性提升的分布式储能系统多目标优化配置方法具体包括以下步骤：
步骤S1，构建考虑配电网韧性指标的配电网集群划分模型。
在本实施例中，模块度是衡量网络社区结构强度的指标，通过量化集群的结构强度，衡量划分的优劣程度并确定最优的划分方式。网络模块度通常由网络连接情况及节点间边权决定。在电力网络中，节点间的边权主要由电抗权、空间距离权及电气距离权等表示，其中电气距离权较前两者能够更加有效的反应电力网络中节点间的电气联系。
Figure SMS_75
，（1）
Figure SMS_76
，（2）
Figure SMS_77
，（3）
式中，
Figure SMS_79
为有功变化量/>
Figure SMS_82
为无功变化量，/>
Figure SMS_86
、/>
Figure SMS_80
、/>
Figure SMS_84
、/>
Figure SMS_87
均为雅克比矩阵的元素无实际意义，/>
Figure SMS_89
为相角变化量，/>
Figure SMS_78
为电压变化量，/>
Figure SMS_83
为节点有功相角灵敏度矩阵，/>
Figure SMS_85
为节点无功相角灵敏度矩阵，/>
Figure SMS_88
为节点无功电压灵敏度矩阵，/>
Figure SMS_81
为节点有功电压灵敏度矩阵。
Figure SMS_90
，（4）
Figure SMS_91
，（5）
式中，
Figure SMS_92
为节点i与节点j之间的电气距离，/>
Figure SMS_93
为节点i与节点j之间的中间变量，/>
Figure SMS_94
为节点j与节点k之间的中间变量，/>
Figure SMS_95
为节点i与节点j之间的中间变量，/>
Figure SMS_96
为有功电压灵敏度矩阵中第j列元素中的最大值，/>
Figure SMS_97
为灵敏度矩阵中第i行j列的元素，N为网络节点数；
为描述两节点间的电气耦合程度，采用基于电气距离权重的模块度定义方式，即配电网的模块度指标：
Figure SMS_98
，（6）
Figure SMS_99
，（7）
Figure SMS_100
，（8）
Figure SMS_101
，（9）
式中，
Figure SMS_102
为网络中所有边权之和，/>
Figure SMS_103
为连接节点i 和节点j 的边的权重，/>
Figure SMS_104
为与节点i相连所有边的边权之和，/>
Figure SMS_105
为与节点j相连所有边的边权之和，/>
Figure SMS_106
为节点i和节点j的区域关系，/>
Figure SMS_107
为节点i与节点j之间的电气距离。
有功功率平衡度是反应某一周期内区域内部分布式电源自消纳能力指标。通常以典型场景为基础计算一段时间尺度下，配电网集群内部源和源荷间的功率关系，能够表示节点间的有功功率协调互补关系：
Figure SMS_108
，（10）
Figure SMS_109
，（11）
Figure SMS_110
，（12）
Figure SMS_111
，（13）
式中，
Figure SMS_112
为第k个配电网集群的有功平衡度指标，/>
Figure SMS_113
为配电网集群的总数，/>
Figure SMS_114
为典型时变场景的时间尺度，/>
Figure SMS_115
为第k个配电网集群在t时刻净功率值，/>
Figure SMS_116
为在T时间尺度下，第k个集群中节点i在t时刻的净功率，/>
Figure SMS_117
为在T时间尺度下，第k个集群中节点i的净功率，/>
Figure SMS_118
为第k个集群在t时刻净功率值最大值。/>
如图2所示，图中的虚线表示的是配电网正常运行场景下的目标系统功能值，实线表示的是配电网在极端自然灾害场景下的实际系统功能值。显然，极端自然灾害场景下的配电网通常经历以下四个不同的阶段：
正常运行阶段：
在该阶段配电网可以通过先进的灾害预报技术获得部分灾害信息和配电网运行状态，用于灾前的预测和准备；
灾害发生阶段：
自然灾害在时段末开始攻击配电网，配电网发生故障，系统功能逐渐下降；
降额运行阶段：
自然灾害的强度减弱或者己经过境，配电网处于降额稳定运行状态，此时调控中心可以获得较为准确的配电网破坏信息，并为后续实施恢复措施做准备；
故障恢复阶段：
在该阶段配电网可以通过转供电源的投入以及线路修复等措施，使系统功能逐渐恢复至正常运行阶段。
最为常见的韧性评估指标还是基于面积定义的，即以极端自然灾害下配电网系统功能的损失部分与时间轴的积分作为韧性评估指标。考虑到电力系统中不同的用户对供电的连续性要求不一样，一般的非重要用户对供电的连续性要求不高，偶尔的停电造成的影响不是太大，而重要用户对供电的连续性要求非常高。因此，对于图中纵坐标的系统功能选择配电网加权负荷损失。
Figure SMS_119
，（14）
Figure SMS_120
，（15）
式中，
Figure SMS_123
为配电网集群的总数，/>
Figure SMS_125
为第k个配电网集群的配电网韧性指标，/>
Figure SMS_126
为根据节点i负荷重要性程度确定的权重因子，/>
Figure SMS_122
为配电网母线节点集合B在配电网集群k中的子集，/>
Figure SMS_124
为/>
Figure SMS_127
中节点i在t时段失去的有功负荷，/>
Figure SMS_128
为系统功能恢复正常运行时间，/>
Figure SMS_121
为灾害发生时间。
步骤S2，根据Louvain算法对所述配电网集群划分模型进行求解，得到最优的配电网集群划分结果。
在本实施例中，根据Louvain算法对所述配电网集群划分模型进行求解具体包括：步骤101：构建初始电网层面集群划分的优化目标
Figure SMS_129
，其中，/>
Figure SMS_130
为初始配电网集群划分的优化目标，/>
Figure SMS_131
为配电网的模块度指标，/>
Figure SMS_132
为有功功率平衡度/>
Figure SMS_133
的权重系数，/>
Figure SMS_134
为有功功率平衡度指标；/>
步骤102：将配电网中的每个节点都初始化为一个单独的集群，即集群数等于节点数；
步骤103：对于任意节点i，从其他节点中随机选择节点j 与其组合成新的集群
Figure SMS_135
。
为保证配电网集群划分结果的逻辑性，利用邻接矩阵初步判断节点i 和节点j 所在配电网集群是否存在直接连接。具有至少一个直接联系的2 个配电网集群才有机会合并。
步骤104：计算合并前后的优化目标变化
Figure SMS_136
，并记录下合并前后的优化目标最大变化/>
Figure SMS_137
，对应着集群编号，若/>
Figure SMS_138
>0，则节点i 选择加入/>
Figure SMS_139
对应的节点j所在的配电网集群，否则保持不变；
步骤105：重复步骤103 和步骤104，直至所有节点所属集群不再发生变化；
步骤106：对步骤105 发现的配电网集群结构分别进行压缩，将形成的集群看作一个新节点；
步骤107：返回步骤103，直到整个热网和电网的优化目标不再发生变化，集群划分过程停止，得到初始最优集群划分结果；
步骤108：考虑配电网韧性指标
Figure SMS_140
，对得到的初始电网集群划分结果进行调整，结合/>
Figure SMS_141
和/>
Figure SMS_142
重新构建用于调整配电网层面集群划分的优化目标/>
Figure SMS_143
；
步骤109：重复步骤102 至步骤107，得到调整后的最优配电网集群划分结果。
步骤S3，构建双层协调规划模型，其中，所述双层协调规划模型包括以配电网集群为基本单元，用于求解各配电网集群的分布式电源容量和储能系统容量规划总量的上层规划模型，以及以配电网集群中的节点为基本单元，用于求解各配电网集群内各节点的分布式电源接入容量和储能装置接入位置的下层规划模型。
在本实施例中，针对被划分为
Figure SMS_144
个集群的配电网的分布式电源和储能装置选址定容规划问题，建立分布式电源和储能装置选址定容的双层协调规划模型并利用遗传算法求解，得到兼顾经济性与网损的选址定容结果。具体地：
上层规划模型以集群为基本单元，负责求解各集群的DPV和储能系统容量规划总量：以配电网年综合成本最小为目标，规划接入每个集群的分布式电源容量、 储能系统容量和功率。
上层规划模型的目标函数为：
Figure SMS_145
，（16）
式中，
Figure SMS_146
为配电网的年综合成本，/>
Figure SMS_147
为配电网的分布式电源和储能装置年等值安装成本，/>
Figure SMS_148
为配电网的分布式电源和储能装置的年运维成本；
Figure SMS_149
，（17）/>
Figure SMS_150
，（18）
Figure SMS_151
，（19）
Figure SMS_152
，（20）
Figure SMS_153
，（21）
式中，
Figure SMS_155
为分布式电源年等值安装成本，/>
Figure SMS_158
为储能装置年等值安装成本，
Figure SMS_163
为分布式电源的年等值折算系数，/>
Figure SMS_157
为分布式电源的单位功率投资成本，/>
Figure SMS_160
为配电网集群j安装的分布式电源的额定容量，/>
Figure SMS_162
为储能装置的年等值折算系数，/>
Figure SMS_167
为配电网集群j安装的储能装置的额定容量，/>
Figure SMS_154
为储能系统单位功率投资成本，/>
Figure SMS_161
为储能系统单位容量，/>
Figure SMS_165
为配电网集群j安装的储能装置的额定功率，/>
Figure SMS_166
为利率，/>
Figure SMS_156
为配电网集群的总数，/>
Figure SMS_159
为分布式电源的使用年限，/>
Figure SMS_164
为储能装置的使用年限；
Figure SMS_168
，（22）
Figure SMS_169
，（23）
Figure SMS_170
，（24）
式中，
Figure SMS_171
为分布式电源的年运行维护成本，/>
Figure SMS_172
为储能装置的年运行维护成本，/>
Figure SMS_173
为分布式电源的单位充放电量运行维护成本，/>
Figure SMS_174
为储能装置的单位充放电量运行维护成本，/>
Figure SMS_175
为t时刻配电网集群j的分布式电源出力，/>
Figure SMS_176
为t时刻配电网集群j储能装置的充放电功率，/>
Figure SMS_177
为t时刻集群j的ESS充/放电功率标志位，ESS放电为1，充电为-1，浮充状态为0；
上层规划模型的约束条件包括：功率平衡约束、群间交互支路功率约束、DPV有功出力约束、ESS充放电功率约束和ESS荷电状态约束，具体如下所：
配电网集群j允许安装的分布式电源容量约束：
Figure SMS_178
，（25）
式中，
Figure SMS_179
为配电网集群j内的节点数，/>
Figure SMS_180
为配电网集群j内的节点i允许安装的DPV容量，/>
Figure SMS_181
为集群j允许安装的DPV容量；
配电网功率平衡约束：
Figure SMS_182
，（26）
式中，
Figure SMS_184
为时刻t节点i的负荷有功功率，/>
Figure SMS_188
为配电网支路数，/>
Figure SMS_191
为t时刻/>
Figure SMS_185
支路的网损，/>
Figure SMS_187
为t时刻主网联络支路/>
Figure SMS_189
的功率，/>
Figure SMS_192
为主网联络支路数，/>
Figure SMS_183
为集群j内的节点数，/>
Figure SMS_186
为t时刻配电网集群j的分布式电源出力，/>
Figure SMS_190
为t时刻配电网集群j储能装置的充放电功率；
群间交互支路功率约束：
Figure SMS_193
，（27）
式中，
Figure SMS_194
为t时刻群间支路l的交互功率，/>
Figure SMS_195
为群间交互支路l允许通过的最大功率，/>
Figure SMS_196
为群间交互支路数；
分布式电源有功出力约束：
Figure SMS_197
，（28）
ESS充放电功率和荷电状态约束:
Figure SMS_198
,（29）
式中，
Figure SMS_200
为配电网集群j的储能装置最大输出功率，/>
Figure SMS_203
为t时刻储能装置的充放电效率，/>
Figure SMS_206
为放电效率，/>
Figure SMS_202
为充电效率，/>
Figure SMS_204
为储能装置的荷电状态最小值，/>
Figure SMS_207
为t时刻集群j内储能装置的荷电状态，/>
Figure SMS_209
为储能装置的荷电状态最大值，/>
Figure SMS_199
为储能装置的初始荷电状态，/>
Figure SMS_205
为，/>
Figure SMS_208
为t时刻集群j的ESS充放电功率标志位，ESS放电为1，充电为1，浮充状态为0，/>
Figure SMS_210
为t时刻配电网集群j储能装置的充放电功率，/>
Figure SMS_201
为配电网集群j的储能装置额定容量；
下层模型以节点为基本单元，负责求解每个集群内各节点的分布式电源与储能装置选址定容问题：以配电网网损最小为目标，优化集群内各节点的分布式电源接入容量和储能装置的接入位置。
下层规划模型的目标函数为：
Figure SMS_211
，（30）
式中，
Figure SMS_212
为配电网网损，/>
Figure SMS_213
为配电网支路数，/>
Figure SMS_214
为t时刻/>
Figure SMS_215
支路的网损，/>
Figure SMS_216
为一年8760h；
下层规划模型的约束条件为：
配电网集群j内各节点接入的DPV容量约束：
Figure SMS_217
，（31）
式中，
Figure SMS_218
为配电网集群j内节点i接入的DPV容量；
节点i允许安装的DPV容量约束：
Figure SMS_219
，（32）
式中，
Figure SMS_220
为配电网集群j内节点i允许安装的最大DPV容量；
配电网潮流约束：
Figure SMS_221
，（33）
式中，
Figure SMS_222
为节点i的注入有功功率，/>
Figure SMS_223
为节点i的电压，/>
Figure SMS_224
为节点j的电压，/>
Figure SMS_225
为ij节点之间的电导，/>
Figure SMS_226
为ij节点之间的相角差，/>
Figure SMS_227
为ij节点之间的电纳，/>
Figure SMS_228
为节点i的注入无功功率；
节点i电压约束：
Figure SMS_229
，（34）
式中，
Figure SMS_230
为配电网集群j内节点i的电压幅值，/>
Figure SMS_231
为配电网集群j内节点i的电压幅值下限，/>
Figure SMS_232
为配电网集群j内节点i的电压幅值上限；
支路功率约束：
Figure SMS_233
，（35）
式中，
Figure SMS_234
为配电网集群j的群内支路l的传输功率，/>
Figure SMS_235
为群内支路l的传输功率下限，/>
Figure SMS_236
为群内支路l的传输功率上限，/>
Figure SMS_237
为配电网集群j的群内支路数。
步骤S4，基于PSO-DE交叉优化算法对所述双层协调规划模型进行求解，确定分布式储能系统的定容与选址。
在本实施例中，由于成本和网损的量纲并不相同，为统一量纲，采用权重系数法。多目标函数定义为：
Figure SMS_238
，（36）/>
Figure SMS_239
，（37）
Figure SMS_240
，（38）
式中，
Figure SMS_242
为量纲归一化后的配电网的年综合成本，/>
Figure SMS_246
为量纲归一化后的配电网网损，/>
Figure SMS_248
为对应成本的系数，/>
Figure SMS_243
为对应网损的系数，/>
Figure SMS_245
为配电网的年综合成本，
Figure SMS_247
为配电网接入分布式电源和储能装置最小容量时的成本，/>
Figure SMS_249
为配电网接入分布式电源和储能装置最大容量时的成本，/>
Figure SMS_241
为配电网网损，/>
Figure SMS_244
为配电网接入分布式电源前的网损。
使用PSO-DE交叉优化算法求解该模型，将粒子群算法和差分进化算法结合，将两个算法并行结合的方式进行优化。PSO-DE交叉优化算法以粒子群算法作为主体，在更新粒子的速度和位置时，以是否超出边界作为判定变量，当粒子的更新范围未超出边界，则按照粒子群的优化秩序执行，当更新范围超出边界时，就转到差分进化算法中继续进行优化，在差分进化算法寻优完成时，再将结果送入粒子群主体算法中，进行竞争操作。具体步骤如下：
第一步，设定主体粒子群算法参数。如种群个数和学习因子等；
第二步，初始化粒子。设定粒子的速度和位置；
第三步，计算初始粒子的适应度；
第四步，更新粒子的速度、位置；
第五步，判断更新后的粒子位置的取值是否还在规定范围内，若满足规定范围，执行第六步，若不满足，则转到差分进化算法中进行优化，差分进化算法得出优化结果后，返回粒子群算法，执行第六步；
第六步，粒子群算法中，当前所有粒子进行寻优竞争，选出当前最佳适应度的粒子；
第七步，得出新种群重复第四步，直至满足最大迭代次数。
综上，本申请的方法，利用社区检测算法实现配电网集群划分，考虑了韧性指标对初代划分结果修正，使得划分结果不仅有高模块度值，有功平衡度高并且韧性也高，从而得到最优划分结果；并且对于集群划分好的配电网，建立分布式电源和储能装置选址定容双层协调规划模型，确定经济性与网损兼顾的分布式电源和储能系统的选址定容。
最后应说明的是：以上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精神和范围。

Claims (8)

1.一种面向韧性提升的分布式储能系统多目标优化配置方法，其特征在于，包括：
构建考虑配电网韧性指标的配电网集群划分模型，其中，所述配电网集群划分模型的优化目标为：
Figure QLYQS_1
，
式中，
Figure QLYQS_2
为配电网韧性指标/>
Figure QLYQS_3
的权重系数，/>
Figure QLYQS_4
为配电网韧性指标，/>
Figure QLYQS_5
为初始配电网集群划分的优化目标，/>
Figure QLYQS_6
为用于调整配电网集群划分的优化目标；
根据Louvain算法对所述配电网集群划分模型进行求解，得到最优的配电网集群划分结果；
构建双层协调规划模型，其中，所述双层协调规划模型包括以配电网集群为基本单元，用于求解各配电网集群的分布式电源容量和储能系统容量规划总量的上层规划模型，以及以配电网集群中的节点为基本单元，用于求解各配电网集群内各节点的分布式电源接入容量和储能装置接入位置的下层规划模型；
基于PSO-DE交叉优化算法对所述双层协调规划模型进行求解，确定分布式储能系统的定容与选址。
2.根据权利要求1所述的一种面向韧性提升的分布式储能系统多目标优化配置方法，其特征在于，所述根据Louvain算法对所述配电网集群划分模型进行求解，得到最优的配电网集群划分结果，包括：
步骤101：构建初始电网层面集群划分的优化目标
Figure QLYQS_7
，其中，/>
Figure QLYQS_8
为初始配电网集群划分的优化目标，/>
Figure QLYQS_9
为配电网的模块度指标，/>
Figure QLYQS_10
为有功功率平衡度/>
Figure QLYQS_11
的权重系数，/>
Figure QLYQS_12
为有功功率平衡度指标；
步骤102：将配电网中的每个节点都初始化为一个单独的集群，即集群数等于节点数；
步骤103：对于任意节点i，从其他节点中随机选择节点j 与其组合成新的集群
Figure QLYQS_13
；
步骤104：计算合并前后的优化目标变化
Figure QLYQS_14
，并记录下合并前后的优化目标最大变化
Figure QLYQS_15
，对应着集群编号，若/>
Figure QLYQS_16
> 0，则节点i 选择加入/>
Figure QLYQS_17
对应的节点j 所在的配电网集群，否则保持不变；
步骤105：重复步骤103 和步骤104，直至所有节点所属集群不再发生变化；
步骤106：对步骤105 发现的配电网集群结构分别进行压缩，将形成的集群看作一个新节点；
步骤107：返回步骤103，直到整个热网和电网的优化目标不再发生变化，集群划分过程停止，得到初始最优集群划分结果；
步骤108：考虑配电网韧性指标
Figure QLYQS_18
，对得到的初始电网集群划分结果进行调整，结合/>
Figure QLYQS_19
和/>
Figure QLYQS_20
重新构建用于调整配电网层面集群划分的优化目标/>
Figure QLYQS_21
；
步骤109：重复步骤102 至步骤107，得到调整后的最优配电网集群划分结果。
3.根据权利要求2所述的一种面向韧性提升的分布式储能系统多目标优化配置方法，其特征在于，其中，计算配电网的模块度指标的表达式为：
Figure QLYQS_22
，
Figure QLYQS_23
，
Figure QLYQS_24
，
Figure QLYQS_25
，
式中，
Figure QLYQS_26
为网络中所有边权之和，/>
Figure QLYQS_27
为连接节点i 和节点j 的边的权重，/>
Figure QLYQS_28
为与节点i相连所有边的边权之和，/>
Figure QLYQS_29
为与节点j相连所有边的边权之和，/>
Figure QLYQS_30
为节点i和节点j的区域关系，/>
Figure QLYQS_31
为节点i与节点j之间的电气距离。
4.根据权利要求2所述的一种面向韧性提升的分布式储能系统多目标优化配置方法，其特征在于，其中，计算有功功率平衡度的表达式为：
Figure QLYQS_32
，
Figure QLYQS_33
，
Figure QLYQS_34
，
Figure QLYQS_35
，
式中，
Figure QLYQS_36
为第k个配电网集群的有功功率平衡度指标，/>
Figure QLYQS_37
为配电网集群的总数，/>
Figure QLYQS_38
为典型时变场景的时间尺度，/>
Figure QLYQS_39
为第k个配电网集群在t时刻净功率值，/>
Figure QLYQS_40
为在T时间尺度下，第k个集群中节点i在t时刻的净功率，/>
Figure QLYQS_41
为在T时间尺度下，第k个集群中节点i的净功率，/>
Figure QLYQS_42
为在T时间尺度下，第k个集群中节点i在t时刻的净功率最大值。
5.根据权利要求2所述的一种面向韧性提升的分布式储能系统多目标优化配置方法，其特征在于，其中，计算配电网韧性指标的表达式为：
Figure QLYQS_43
，
Figure QLYQS_44
，
式中，
Figure QLYQS_46
为配电网集群的总数，/>
Figure QLYQS_48
为第k个配电网集群的配电网韧性指标，/>
Figure QLYQS_50
为根据节点i负荷重要性程度确定的权重因子，/>
Figure QLYQS_45
为配电网母线节点集合B在配电网集群k中的子集，/>
Figure QLYQS_49
为/>
Figure QLYQS_51
中节点i在t时段失去的有功负荷，/>
Figure QLYQS_52
为系统功能恢复正常运行时间，/>
Figure QLYQS_47
为灾害发生时间。
6.根据权利要求1所述的一种面向韧性提升的分布式储能系统多目标优化配置方法，其特征在于，其中，所述双层协调规划模型的目标函数为：
Figure QLYQS_53
，
Figure QLYQS_54
，
Figure QLYQS_55
，
式中，
Figure QLYQS_57
为量纲归一化后的配电网的年综合成本，/>
Figure QLYQS_61
为量纲归一化后的配电网网损，
Figure QLYQS_63
为对应成本的系数，/>
Figure QLYQS_58
为对应网损的系数，/>
Figure QLYQS_60
为配电网的年综合成本，/>
Figure QLYQS_62
为配电网接入分布式电源和储能装置最小容量时的成本，/>
Figure QLYQS_64
为配电网接入分布式电源和储能装置最大容量时的成本，/>
Figure QLYQS_56
为配电网网损，/>
Figure QLYQS_59
为配电网接入分布式电源前的网损。
7.根据权利要求1所述的一种面向韧性提升的分布式储能系统多目标优化配置方法，其特征在于，其中，所述上层规划模型的约束条件包括功率平衡约束、群间交互支路功率约束、DPV有功出力约束、ESS充放电功率约束和ESS荷电状态约束；
所述上层规划模型的目标函数为：
Figure QLYQS_65
，
式中，
Figure QLYQS_66
为配电网的年综合成本，/>
Figure QLYQS_67
为配电网的分布式电源和储能装置年等值安装成本，/>
Figure QLYQS_68
为配电网的分布式电源和储能装置的年运维成本。
8.根据权利要求1所述的一种面向韧性提升的分布式储能系统多目标优化配置方法，其特征在于，其中，所述下层规划模型的约束条件包括：配电网集群j内各节点接入的DPV容量约束、节点i允许安装的DPV容量约束、配电网潮流约束、节点i电压约束以及支路功率约束；
所述下层规划模型的目标函数为：
Figure QLYQS_69
，
式中，
Figure QLYQS_70
为配电网网损，/>
Figure QLYQS_71
为配电网支路数，/>
Figure QLYQS_72
为t时刻/>
Figure QLYQS_73
支路的网损，/>
Figure QLYQS_74
为一年8760h。/>
CN202310140513.1A 2023-02-21 2023-02-21 一种面向韧性提升的分布式储能系统多目标优化配置方法 Active CN115882479B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310140513.1A CN115882479B (zh) 2023-02-21 2023-02-21 一种面向韧性提升的分布式储能系统多目标优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310140513.1A CN115882479B (zh) 2023-02-21 2023-02-21 一种面向韧性提升的分布式储能系统多目标优化配置方法

Publications (2)

Publication Number Publication Date
CN115882479A true CN115882479A (zh) 2023-03-31
CN115882479B CN115882479B (zh) 2023-07-14

Family

ID=85761416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310140513.1A Active CN115882479B (zh) 2023-02-21 2023-02-21 一种面向韧性提升的分布式储能系统多目标优化配置方法

Country Status (1)

Country Link
CN (1) CN115882479B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921728A (zh) * 2018-07-03 2018-11-30 北京科东电力控制系统有限责任公司 基于电网调度系统的分布式实时库系统
CN110571807A (zh) * 2019-10-15 2019-12-13 华北电力大学 极端自然灾害下计及储能配置韧性配电网规划方法及系统
CN110739696A (zh) * 2019-10-21 2020-01-31 华北电力大学 智能配网环境中需求侧资源与可再生能源的集成调度方法
CN111210068A (zh) * 2020-01-03 2020-05-29 合肥工业大学 一种基于集群划分的配电网扩展双层规划方法
CN112103988A (zh) * 2020-08-12 2020-12-18 南昌大学 一种结合网络重构的集群划分双层模型的建立方法
KR102256434B1 (ko) * 2020-08-14 2021-05-25 목포대학교 산학협력단 다수의 분산 에너지저장시스템 통합제어 장치
CN113239512A (zh) * 2021-03-30 2021-08-10 中国农业大学 一种考虑韧性的交直流配电网规划方案筛选方法及系统
CN113452053A (zh) * 2021-07-02 2021-09-28 国网吉林省电力有限公司吉林供电公司 一种分布式储能集群划分方法
CN113489033A (zh) * 2021-06-11 2021-10-08 国网上海市电力公司 面向韧性提升的配电网分布式电源储能控制方法及系统
CN115310378A (zh) * 2022-07-19 2022-11-08 武汉大学 一种极端台风灾害下电网韧性评估及差异化规划方法
CN115577852A (zh) * 2022-11-03 2023-01-06 华北电力科学院有限责任公司 基于集群划分的配电网分布式储能选址定容双层优化方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921728A (zh) * 2018-07-03 2018-11-30 北京科东电力控制系统有限责任公司 基于电网调度系统的分布式实时库系统
CN110571807A (zh) * 2019-10-15 2019-12-13 华北电力大学 极端自然灾害下计及储能配置韧性配电网规划方法及系统
CN110739696A (zh) * 2019-10-21 2020-01-31 华北电力大学 智能配网环境中需求侧资源与可再生能源的集成调度方法
CN111210068A (zh) * 2020-01-03 2020-05-29 合肥工业大学 一种基于集群划分的配电网扩展双层规划方法
CN112103988A (zh) * 2020-08-12 2020-12-18 南昌大学 一种结合网络重构的集群划分双层模型的建立方法
KR102256434B1 (ko) * 2020-08-14 2021-05-25 목포대학교 산학협력단 다수의 분산 에너지저장시스템 통합제어 장치
CN113239512A (zh) * 2021-03-30 2021-08-10 中国农业大学 一种考虑韧性的交直流配电网规划方案筛选方法及系统
CN113489033A (zh) * 2021-06-11 2021-10-08 国网上海市电力公司 面向韧性提升的配电网分布式电源储能控制方法及系统
CN113452053A (zh) * 2021-07-02 2021-09-28 国网吉林省电力有限公司吉林供电公司 一种分布式储能集群划分方法
CN115310378A (zh) * 2022-07-19 2022-11-08 武汉大学 一种极端台风灾害下电网韧性评估及差异化规划方法
CN115577852A (zh) * 2022-11-03 2023-01-06 华北电力科学院有限责任公司 基于集群划分的配电网分布式储能选址定容双层优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
H. REN: "An Improved DBSCAN Method for Self-sufficient Microgrid Design", 《2018 NORTH AMERICAN POWER SYMPOSIUM 》, pages 1 - 6 *
丁明等: "基于集群划分的配电网分布式光伏与储能选址定容规划", 《中国电机工程学报》, pages 2187 - 2201 *
张宇: "考虑需求响应和集群动态划分的配电系统网源协调规划研究", 《中国优秀硕士学位论文全文数据库》, pages 042 - 1396 *

Also Published As

Publication number Publication date
CN115882479B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
CN110571807B (zh) 极端自然灾害下计及储能配置韧性配电网规划方法及系统
CN113437756B (zh) 考虑配电网静态电压稳定性的微电网优化配置方法
CN113239512A (zh) 一种考虑韧性的交直流配电网规划方案筛选方法及系统
Batool et al. Multi-level supervisory emergency control for operation of remote area microgrid clusters
CN115528682A (zh) 计及柔性互联配电网关键设备损耗特性的优化调控方法
CN116187165A (zh) 基于改进粒子群算法的电网弹性提升方法
CN112561273A (zh) 一种基于改进pso的主动配电网可再生dg规划方法
CN114123213B (zh) 一种电网的时空功率均衡方法及系统
CN115663922A (zh) 一种分布式电源多自由度优化配置方法及系统
CN110739719A (zh) 柔性多状态开关优化接入的两步式决策方法
CN115496273A (zh) 一种可再生能源集群分布鲁棒优化配置方法及系统
CN117394366A (zh) 一种含多微网的主动配电网不确定性分层调度方法
Su et al. Optimal placement and capacity sizing of energy storage systems via NSGA-II in active distribution network
Zhang et al. Multi–objective Cluster Partition Method for Distribution Network Considering Uncertainties of Distributed Generations and Loads
CN115882479A (zh) 一种面向韧性提升的分布式储能系统多目标优化配置方法
Kumar et al. An artificial bee colony algorithm based distribution system state estimation including renewable energy sources
CN114006410B (zh) 一种基于机会约束规划的大规模海上风电接入点优化方法
CN111832836B (zh) 一种计及负荷用电特性的配电网重构方法及系统
CN108281964A (zh) 一种基于运行和网架风险的配电网运行方式优化方法
CN113191522A (zh) 一种智能配电网自愈合控制系统及方法
CN112491090B (zh) 考虑转供路径优化的电力电子变压器端口配置优化方法
Ting et al. Multi-objective optimal configuration of two-stage reactive power compensation in power grids with power loss index
CN116316718B (zh) 一种考虑可再生能源不确定性的储能系统优化配置方法
CN115994631B (zh) 一种基于韧性提升的配电网容量规划方法及系统
CN113690930B (zh) 基于nsga-iii算法的分布式光伏电源中长期选址定容方法

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