CN116014743A - 一种直流配电网电压分区方法及装置 - Google Patents
一种直流配电网电压分区方法及装置 Download PDFInfo
- Publication number
- CN116014743A CN116014743A CN202211537927.XA CN202211537927A CN116014743A CN 116014743 A CN116014743 A CN 116014743A CN 202211537927 A CN202211537927 A CN 202211537927A CN 116014743 A CN116014743 A CN 116014743A
- Authority
- CN
- China
- Prior art keywords
- voltage
- node
- power
- distribution network
- 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.)
- Pending
Links
Images
Abstract
本发明公开了一种直流配电网电压分区方法及装置,方法包括:计算所直流配电网中所有节点功率对电压的电压灵敏度系数;通过负荷和分布式电源输出功率的随机分布模型,采用蒙特卡洛模拟法生成一定数量的随机场景,并计算所述随机场景的潮流数据;结合所述直流配电网中所有节点功率对电压的电压灵敏度系数、所述配电网拓扑结构中的约束条件,以储能总充放电功率最小为目标,构建储能电压分区控制的优化分区模型;基于所述随机场景及所述潮流数据,采用混合整数线性规划对所述储能电压分区控制的优化分区模型求解,得到所述直流配电网中储能调压的节点范围。在充分考虑各个储能的约束基础上,保证系统电压水平合理的同时,降低储能调压成本。
Description
技术领域
本发明涉及直流配电网安全技术技域,尤其涉及一种直流配电网电压分区方法及装置。
背景技术
直流配电网中通常会接入较大容量的分布式光伏发电系统,而随着接入的数量增多,会造成配电网功率的随机性不断增强,进而导致配电网节点电压越限的风险增大。
分布式储能系统具有灵活可控的特点,在直流配电网中可以有效调节光伏等分布电源出力随机变化引起的过电压等问题,是直流配电网电压调节的重要手段之一。具体而言,在分布式储能调压中,为了提高电压控制的快速性,通常需要进行电压分区,确定每个储能负责电压控制的区域。
现有的针对储能调压的电压分区方法主要是根据电气距离进行分区,忽视了部分约束条件限制的影响。
发明内容
本发明提供了一种直流配电网电压分区方法及装置,结合各个储能的约束基础上,保证系统电压水平合理,并降低储能调压成本。
第一方面,本发明提供的一种直流配电网电压分区方法,包括:
获取配电网拓扑结构和线路参数,以及直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率;
根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,计算所述直流配电网中所有节点功率对电压的电压灵敏度系数;
通过负荷和分布式电源输出功率的随机分布模型,采用蒙特卡洛模拟法生成一定数量的随机场景,并计算所述随机场景的潮流数据;
结合所述直流配电网中所有节点功率对电压的电压灵敏度系数、所述配电网拓扑结构中的约束条件,以储能总充放电功率最小为目标,构建储能电压分区控制的优化分区模型;
基于所述随机场景及所述潮流数据,采用混合整数线性规划对所述储能电压分区控制的优化分区模型求解,得到所述直流配电网中储能调压的节点范围。
可选地,获取配电网拓扑结构和线路参数,以及直流配电网中换流器在每个时段的潮流控制参数,包括:
获取所述配电网拓扑结构、所述线路参数、历史负荷参数及所述分布式电源参数;
取所述历史负荷参数各个节点的最大值及所述分布式电源参数中输出功率的最大值,以网络损耗最小为目标,采用遗传算法确定直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率。
可选地,根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,计算所述直流配电网中所有节点功率对电压的电压灵敏度系数,包括:
根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,确定对应时段内所有节点电压及节点功率;
根据所述节点电压及所述节点功率,计算所有所述节点功率对电压的电压灵敏度系数。
可选地,所述约束条件包括:包括储能与节点是否对应的01约束、节点电压约束和储能输出功率约束:
所述01约束为:
所述节点电压约束为:
所述储能输出功率约束为:
-Pj,max≤Pj,n≤Pj,max;
其中,Ness为所有储能的数目,μi,k为节点i是否属于储能k所负责调压的分区,μi,j取值为0或1,Ui,n为储能未参与调压前,在场景n下节点i的电压;Si,j,n表示在场景n下位于节点j的储能功率调节对节点i的电压灵敏度系数;Umin为允许的电压最小值,在每一个场景n下,各个节点的电压通过储能的调节要小于最大允许值,Pj,max为位于节点j的储能输出功率的电压最大值。
第二方面,本发明还提供了一种直流配电网电压分区装置,包括:
获取模块,用于获取配电网拓扑结构和线路参数,以及直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率;
灵敏度系数计算模块,用于根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,计算所述直流配电网中所有节点功率对电压的电压灵敏度系数;
潮流数据计算模块,用于通过负荷和分布式电源输出功率的随机分布模型,采用蒙特卡洛模拟法生成一定数量的随机场景,并计算所述随机场景的潮流数据;
模型构建模块,用于结合所述直流配电网中所有节点功率对电压的电压灵敏度系数、所述配电网拓扑结构中的约束条件,以储能总充放电功率最小为目标,构建储能电压分区控制的优化分区模型;
节点范围确定模块,用于基于所述随机场景及所述潮流数据,采用混合整数线性规划对所述储能电压分区控制的优化分区模型求解,得到所述直流配电网中储能调压的节点范围。
可选地,所述获取模块包括:
第一获取子模块,用于获取所述配电网拓扑结构、所述线路参数、历史负荷参数及所述分布式电源参数;
第二获取子模块,用于取所述历史负荷参数各个节点的最大值及所述分布式电源参数中输出功率的最大值,以网络损耗最小为目标,采用遗传算法确定直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率。
可选地,所述灵敏度系数计算模块包括:
节点参数确定子模块,用于根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,确定对应时段内所有节点电压及节点功率;
灵敏度系数确定子模块,用于根据所述节点电压及所述节点功率,计算所有所述节点功率对电压的电压灵敏度系数。
可选地,所述约束条件包括:包括储能与节点是否对应的01约束、节点电压约束和储能输出功率约束:
所述01约束为:
所述节点电压约束为:
所述储能输出功率约束为:
-Pj,max≤Pj,n≤Pj,max;
其中,Ness为所有储能的数目,μi,k为节点i是否属于储能k所负责调压的分区,μi,j取值为0或1,Ui,n为储能未参与调压前,在场景n下节点i的电压;Si,j,n表示在场景n下位于节点j的储能功率调节对节点i的电压灵敏度系数;Umin为允许的电压最小值,在每一个场景n下,各个节点的电压通过储能的调节要小于最大允许值,Pj,max为位于节点j的储能输出功率的电压最大值。
本申请第三方面提供了一种电子设备,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面所述的直流配电网电压分区方法。
本申请第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行第一方面所述的直流配电网电压分区方法。
从以上技术方案可以看出,本发明具有以下优点:
本发明获取配电网拓扑结构和线路参数,以及直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率;根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,计算所述直流配电网中所有节点功率对电压的电压灵敏度系数;通过负荷和分布式电源输出功率的随机分布模型,采用蒙特卡洛模拟法生成一定数量的随机场景,并计算所述随机场景的潮流数据;结合所述直流配电网中所有节点功率对电压的电压灵敏度系数、所述配电网拓扑结构中的约束条件,以储能总充放电功率最小为目标,构建储能电压分区控制的优化分区模型;基于所述随机场景及所述潮流数据,采用混合整数线性规划对所述储能电压分区控制的优化分区模型求解,得到所述直流配电网中储能调压的节点范围。在充分考虑各个储能的约束基础上,保证系统电压水平合理的同时,降低储能调压成本。
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,下面将对实施例或现有技术描述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它的附图;
图1为本发明的一种直流配电网电压分区方法实施例一的步骤流程图;
图2为本发明的一种直流配电网电压分区方法实施例二的步骤流程图;
图3为本发明的一种直流配电网电压分区装置实施例的结构框图。
具体实施方式
本发明实施例提供了一种电力物资需求预测方法及装置,利用典型设计材料清册获取物资材料清册,配合预测主体的计划策略,准确预测在不同时期及不同投资策略下的电力物资需求。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
请参阅图1,图1为本发明的一种直流配电网电压分区方法实施例一的步骤流程图,具体可以包括如下步骤:
S101,获取配电网拓扑结构和线路参数,以及直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率;
S102,根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,计算所述直流配电网中所有节点功率对电压的电压灵敏度系数;
S103,通过负荷和分布式电源输出功率的随机分布模型,采用蒙特卡洛模拟法生成一定数量的随机场景,并计算所述随机场景的潮流数据;
S104,结合所述直流配电网中所有节点功率对电压的电压灵敏度系数、所述配电网拓扑结构中的约束条件,以储能总充放电功率最小为目标,构建储能电压分区控制的优化分区模型;
S105,基于所述随机场景及所述潮流数据,采用混合整数线性规划对所述储能电压分区控制的优化分区模型求解,得到所述直流配电网中储能调压的节点范围。
本发明实施例通过获取配电网拓扑结构和线路参数,以及直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率;根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,计算所述直流配电网中所有节点功率对电压的电压灵敏度系数;通过负荷和分布式电源输出功率的随机分布模型,采用蒙特卡洛模拟法生成一定数量的随机场景,并计算所述随机场景的潮流数据;结合所述直流配电网中所有节点功率对电压的电压灵敏度系数、所述配电网拓扑结构中的约束条件,以储能总充放电功率最小为目标,构建储能电压分区控制的优化分区模型;基于所述随机场景及所述潮流数据,采用混合整数线性规划对所述储能电压分区控制的优化分区模型求解,得到所述直流配电网中储能调压的节点范围。在充分考虑各个储能的约束基础上,保证系统电压水平合理的同时,降低储能调压成本。
请参阅图2,为本发明的一种直流配电网电压分区方法实施例二的步骤流程图,具体包括:
步骤S201,获取所述配电网拓扑结构、所述线路参数、历史负荷参数及所述分布式电源参数;
步骤S202,取所述历史负荷参数各个节点的最大值及所述分布式电源参数中输出功率的最大值,以网络损耗最小为目标,采用遗传算法确定直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率;
在本发明实施例中,直流配电系统采用下垂控制模式,故换流器的潮流控制参数为下垂控制的运行参考功率。采用遗传算法时,将换流器运行参考功率作为优化变量,遗传算法中将系统的网络损耗最小作为适应度值,对不满足运行约束的个体将其适应度值设置为其网络损耗的100倍,通过遗传算法的选择、交叉和变异操作,优化获得换流器的运行参考功率。
在具体实现中,取历史负荷参数中各个节点负荷的最大值以及分布式电源输出功率的最大值,将系统的网络损耗最小作为换流器潮流控制参数优化的目标函数,即:
lij为首端节点为i、末端节点为j的线路;TL为直流配电网中所有线路的集合;gij为首端节点为i、末端节点为j的线路导纳;Pij为首端节点为i、末端节点为j的线路的有功功率,f1为直流配电网的网络损耗,Uj为末端节点为j的电压值。
另外,换流器潮流控制参数优化存在约束条件,包括:
(1)节点电压约束,即节点电压要位于允许的电压最小值和电压最大值间,表示如下:
Umin≤Ui,d≤Umax;
其中,Umin为允许的电压最小值,Ui,d为确定性负荷和新能源输出功率值下节点为i的电压值Umax为允许的电压最大值。
(2)换流器功率约束,即换流器的传输功率小于换流器容量,表示如下:
-Px,cmax≤Px,d≤Px,cmax;
其中,Px,cmax为位于节点x的换流器容量,Px,d为确定性负荷和新能源输出功率值下位于节点x的换流器功率。
(3)线路功率约束,即线路的传输功率小于线路容量,表示如下:
-Pl,max≤Pl,d≤Pl,cmax;
其中,Pl,cmax为线路l的最大传输容量,Pl,d为确定性负荷和新能源输出功率值下线路l的传输功率。
步骤S203,根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,确定对应时段内所有节点电压及节点功率;
步骤S204,根据所述节点电压及所述节点功率,计算所有所述节点功率对电压的电压灵敏度系数;
在本发明实施例中,以每一节点功率和节点电压的比值,作为对应节点的功率对电压的电压灵敏度系数。
步骤S205,通过负荷和分布式电源输出功率的随机分布模型,采用蒙特卡洛模拟法生成一定数量的随机场景,并计算所述随机场景的潮流数据;
需要说明的是,蒙特卡罗法也称统计模拟法、统计试验法。是把概率现象作为研究对象的数值模拟方法。是按抽样调查法求取统计值来推定未知特性量的计算方法,适用于对离散系统进行计算仿真试验。在计算仿真中,通过构造一个和系统性能相近似的概率模型,并在数字计算机上进行随机试验,可以模拟系统的随机特性。
在本发明实施例中,采用正态分布表示负荷和分布式电源输出功率的随机分布模型,其中,描述负荷或分布电源输出功率正态分布模型的均值均为其历史数据中的最大值,正态分布模型的方差设置为均值的10%。采用蒙特卡洛模拟法生成一定数量的随机场景,随机场景中负荷和分布式电源出力的值由蒙特卡洛抽样产生,并对每个场景进行潮流计算,以获取潮流数据。
步骤S206,结合所述直流配电网中所有节点功率对电压的电压灵敏度系数、所述配电网拓扑结构中的约束条件,以储能总充放电功率最小为目标,构建储能电压分区控制的优化分区模型;
具体而言,所述约束条件包括:包括储能与节点是否对应的01约束、节点电压约束和储能输出功率约束:
所述01约束为:
所述节点电压约束为:
所述储能输出功率约束为:
-Pj,max≤Pj,n≤Pj,max;
其中,Ness为所有储能的数目,μi,k为节点i是否属于储能k所负责调压的分区,μi,j取值为0或1,Ui,n为储能未参与调压前,在场景n下节点i的电压;Si,j,n表示在场景n下位于节点j的储能功率调节对节点i的电压灵敏度系数;Umin为允许的电压最小值,在每一个场景n下,各个节点的电压通过储能的调节要小于最大允许值,Pj,max为位于节点j的储能输出功率的电压最大值。
在本发明实施例中,将生成的所有随机场景中,所有储能的功率利用量最低作为目标函数,表示如下:
其中,Nsam为所有抽样场景的数目,Pj,n为抽样场景n中位于节点j的储能的输出功率,f2为所有储能的功率利用量。
需要说明的是,针对01约束而言,根据电压分区的原则,节点i只能由一个储能进行控制,当μi,k等于1时,节点i属于储能k所负责调压的分区;当μi,k等于0时,节点i不属于储能k所负责调压的分区。
步骤S207,基于所述随机场景及所述潮流数据,采用混合整数线性规划对所述储能电压分区控制的优化分区模型求解,得到所述直流配电网中储能调压的节点范围。
在本发明实施例中,针对所有随机场景,考虑各个储能的充放电功率约束和节点电压约束等,以储能总充放电功率最小为目标,构建了储能电压分区控制的优化分区模型,采用混合整数线性规划进行求解,得到每个储能调压负责的节点范围。
在本发明实施例所提供的一种直流配电网电压分区方法,通过获取年度物资价格变动率、预测计划投资额及典型设计材料清册;通过聚类算法识别所述典型设计材料清册的聚类群;所述聚类群包括:物资项、物资项目目的、物资使用支出及总投资额;根据所述物资使用支出与所述总投资额,确定所有所述物资项占所述总投资额之比;分别计算所述预测计划投资额与所有所述物资项占所述总投资额之比的乘积,得到所有所述物资项对应的标准预测支出;基于所述预测计划投资额、所述标准预测支出及年度物资价格变动率,确定所述物资项对应的目标预测支出及电力物质总需求。利用典型设计材料清册获取物资材料清册,配合预测主体的计划策略,准确预测在不同时期及不同投资策略下的电力物资需求。
请参阅图3,示出了一种直流配电网电压分区装置实施例的结构框图,包括如下模块:
获取模块301,用于获取配电网拓扑结构和线路参数,以及直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率;
灵敏度系数计算模块302,用于根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,计算所述直流配电网中所有节点功率对电压的电压灵敏度系数;
潮流数据计算模块303,用于通过负荷和分布式电源输出功率的随机分布模型,采用蒙特卡洛模拟法生成一定数量的随机场景,并计算所述随机场景的潮流数据;
模型构建模块304,用于结合所述直流配电网中所有节点功率对电压的电压灵敏度系数、所述配电网拓扑结构中的约束条件,以储能总充放电功率最小为目标,构建储能电压分区控制的优化分区模型;
节点范围确定模块305,用于基于所述随机场景及所述潮流数据,采用混合整数线性规划对所述储能电压分区控制的优化分区模型求解,得到所述直流配电网中储能调压的节点范围。
在一个可选实施例中,所述获取模块301包括:
第一获取子模块,用于获取所述配电网拓扑结构、所述线路参数、历史负荷参数及所述分布式电源参数;
第二获取子模块,用于取所述历史负荷参数各个节点的最大值及所述分布式电源参数中输出功率的最大值,以网络损耗最小为目标,采用遗传算法确定直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率。
在一个可选实施例中,所述灵敏度系数计算模块302包括:
节点参数确定子模块,用于根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,确定对应时段内所有节点电压及节点功率;
灵敏度系数确定子模块,用于根据所述节点电压及所述节点功率,计算所有所述节点功率对电压的电压灵敏度系数。
在一个可选实施例中,所述约束条件包括:包括储能与节点是否对应的01约束、节点电压约束和储能输出功率约束:
所述01约束为:
所述节点电压约束为:
所述储能输出功率约束为:
-Pj,max≤Pj,n≤Pj,max;
其中,Ness为所有储能的数目,μi,k为节点i是否属于储能k所负责调压的分区,μi,j取值为0或1,Ui,n为储能未参与调压前,在场景n下节点i的电压;Si,j,n表示在场景n下位于节点j的储能功率调节对节点i的电压灵敏度系数;Umin为允许的电压最小值,在每一个场景n下,各个节点的电压通过储能的调节要小于最大允许值,Pj,max为位于节点j的储能输出功率的电压最大值。
本申请还提供了一种电子设备,设备包括处理器以及存储器;
存储器用于存储程序代码,并将程序代码传输给处理器;
处理器用于根据程序代码中的指令执行上述方法实施例中的直流配电网电压分区方法。
本申请还提供了一种计算机可读存储介质,计算机可读存储介质用于存储程序代码,程序代码用于执行上述方法实施例中的直流配电网电压分区方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以通过一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种直流配电网电压分区方法,其特征在于,包括:
获取配电网拓扑结构和线路参数,以及直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率;
根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,计算所述直流配电网中所有节点功率对电压的电压灵敏度系数;
通过负荷和分布式电源输出功率的随机分布模型,采用蒙特卡洛模拟法生成一定数量的随机场景,并计算所述随机场景的潮流数据;
结合所述直流配电网中所有节点功率对电压的电压灵敏度系数、所述配电网拓扑结构中的约束条件,以储能总充放电功率最小为目标,构建储能电压分区控制的优化分区模型;
基于所述随机场景及所述潮流数据,采用混合整数线性规划对所述储能电压分区控制的优化分区模型求解,得到所述直流配电网中储能调压的节点范围。
2.根据权利要求1所述的直流配电网电压分区方法,其特征在于,获取配电网拓扑结构和线路参数,以及直流配电网中换流器在每个时段的潮流控制参数,包括:
获取所述配电网拓扑结构、所述线路参数、历史负荷参数及所述分布式电源参数;
取所述历史负荷参数各个节点的最大值及所述分布式电源参数中输出功率的最大值,以网络损耗最小为目标,采用遗传算法确定直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率。
3.根据权利要求1所述的直流配电网电压分区方法,其特征在于,根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,计算所述直流配电网中所有节点功率对电压的电压灵敏度系数,包括:
根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,确定对应时段内所有节点电压及节点功率;
根据所述节点电压及所述节点功率,计算所有所述节点功率对电压的电压灵敏度系数。
4.根据权利要求1所述的直流配电网电压分区方法,其特征在于,所述
约束条件包括:包括储能与节点是否对应的01约束、节点电压约束和储能输出功率约束:
所述01约束为:
所述节点电压约束为:
所述储能输出功率约束为:
-Pj,max≤Pj,n≤Pj,max;
其中,Ness为所有储能的数目,μi,k为节点i是否属于储能k所负责调压的分区,μi,j取值为0或1,Ui,n为储能未参与调压前,在场景n下节点i的电压;Si,j,n表示在场景n下位于节点j的储能功率调节对节点i的电压灵敏度系数;Umin为允许的电压最小值,在每一个场景n下,各个节点的电压通过储能的调节要小于最大允许值,Pj,max为位于节点j的储能输出功率的电压最大值。
5.一种直流配电网电压分区装置,其特征在于,包括:
获取模块,用于获取配电网拓扑结构和线路参数,以及直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率;
灵敏度系数计算模块,用于根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,计算所述直流配电网中所有节点功率对电压的电压灵敏度系数;
潮流数据计算模块,用于通过负荷和分布式电源输出功率的随机分布模型,采用蒙特卡洛模拟法生成一定数量的随机场景,并计算所述随机场景的潮流数据;
模型构建模块,用于结合所述直流配电网中所有节点功率对电压的电压灵敏度系数、所述配电网拓扑结构中的约束条件,以储能总充放电功率最小为目标,构建储能电压分区控制的优化分区模型;
节点范围确定模块,用于基于所述随机场景及所述潮流数据,采用混合整数线性规划对所述储能电压分区控制的优化分区模型求解,得到所述直流配电网中储能调压的节点范围。
6.根据权利要求5所述的直流配电网电压分区装置,其特征在于,所述获取模块包括:
第一获取子模块,用于获取所述配电网拓扑结构、所述线路参数、历史负荷参数及所述分布式电源参数;
第二获取子模块,用于取所述历史负荷参数各个节点的最大值及所述分布式电源参数中输出功率的最大值,以网络损耗最小为目标,采用遗传算法确定直流配电网中换流器在每个时段的潮流控制参数及其对应时段内的负荷数据及输出功率。
7.根据权利要求5所述的直流配电网电压分区装置,其特征在于,所述灵敏度系数计算模块包括:
节点参数确定子模块,用于根据所述潮流控制参数及其对应时段内的负荷数据及输出功率,结合所述线路参数,确定对应时段内所有节点电压及节点功率;
灵敏度系数确定子模块,用于根据所述节点电压及所述节点功率,计算所有所述节点功率对电压的电压灵敏度系数。
8.根据权利要求5所述的直流配电网电压分区装置,其特征在于,所述约束条件包括:包括储能与节点是否对应的01约束、节点电压约束和储能输出功率约束:
所述01约束为:
所述节点电压约束为:
所述储能输出功率约束为:
-Pj,max≤Pj,n≤Pj,max;
其中,Ness为所有储能的数目,μi,k为节点i是否属于储能k所负责调压的分区,μi,j取值为0或1,Ui,n为储能未参与调压前,在场景n下节点i的电压;Si,j,n表示在场景n下位于节点j的储能功率调节对节点i的电压灵敏度系数;Umin为允许的电压最小值,在每一个场景n下,各个节点的电压通过储能的调节要小于最大允许值,Pj,max为位于节点j的储能输出功率的电压最大值。
9.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-4任一项所述的方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序本处理器执行时运行如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211537927.XA CN116014743A (zh) | 2022-12-02 | 2022-12-02 | 一种直流配电网电压分区方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211537927.XA CN116014743A (zh) | 2022-12-02 | 2022-12-02 | 一种直流配电网电压分区方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116014743A true CN116014743A (zh) | 2023-04-25 |
Family
ID=86018234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211537927.XA Pending CN116014743A (zh) | 2022-12-02 | 2022-12-02 | 一种直流配电网电压分区方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116014743A (zh) |
-
2022
- 2022-12-02 CN CN202211537927.XA patent/CN116014743A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111092429B (zh) | 一种柔性互联配电网的优化调度方法、存储介质及处理器 | |
CN112039069A (zh) | 一种配电网储能与柔性开关的双层协同规划方法及系统 | |
CN107492901B (zh) | 一种分布式储能系统实时优化方法及装置 | |
CN109728579B (zh) | 一种配电网运行效率的评估方法、评估装置及评估设备 | |
CN110474353B (zh) | 分层式储能系统及其参与的电网调频协调控制方法 | |
Vitor et al. | Operation planning and decision-making approaches for Volt/Var multi-objective optimization in power distribution systems | |
CN112329997A (zh) | 电力需求负荷预测方法及系统、电子设备和存储介质 | |
CN108155649A (zh) | 一种考虑dg不确定性的配电网网架模糊规划方法 | |
Zhou et al. | Interval optimization combined with point estimate method for stochastic security-constrained unit commitment | |
Shayesteh et al. | System reduction techniques for storage allocation in large power systems | |
CN110414796B (zh) | 一种交直流混合配电网网架规划方法、装置及存储介质 | |
CN108110756A (zh) | 考虑不确定性因素的工业园区配电网规划方法 | |
CN116014743A (zh) | 一种直流配电网电压分区方法及装置 | |
CN114548266A (zh) | 基于曲线聚类和覆盖法的变电站无功优化配置方法及装置 | |
CN114418232A (zh) | 储能系统运行优化方法、系统、服务器及存储介质 | |
CN113067329B (zh) | 一种电力系统的可再生能源适应性优化方法及终端 | |
CN113410900A (zh) | 基于自适应差分鲸鱼优化的微电网hess优化配置方法及系统 | |
Salehi et al. | Risk based battery energy storage and wind turbine allocation in distribution networks using fuzzy modeling | |
CN116154745A (zh) | 一种直流配电网分布式储能规划方法及装置 | |
Dokuchaev et al. | Optimal energy storing and selling in continuous time stochastic multi-battery setting | |
Dehghanpour et al. | Intelligent microgrid power management using the concept of Nash bargaining solution | |
CN113872180A (zh) | 设备供电的方法、系统及相关设备 | |
CN112085399A (zh) | 能源系统可靠性确定方法、装置和设备 | |
CN113779862B (zh) | 电力电子柔性开关接入规划方法、装置、设备和存储介质 | |
CN115619189B (zh) | 考虑梯级水电弃水流量限制的弃水调度方法及装置 |
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 |