CN116108322A - 一种配电网负荷转移能力最大化计算方法 - Google Patents

一种配电网负荷转移能力最大化计算方法 Download PDF

Info

Publication number
CN116108322A
CN116108322A CN202310371452.XA CN202310371452A CN116108322A CN 116108322 A CN116108322 A CN 116108322A CN 202310371452 A CN202310371452 A CN 202310371452A CN 116108322 A CN116108322 A CN 116108322A
Authority
CN
China
Prior art keywords
distribution network
power distribution
load transfer
transfer capacity
active power
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
CN202310371452.XA
Other languages
English (en)
Other versions
CN116108322B (zh
Inventor
吕恭祥
朱守真
张蓬
刘志杰
张振海
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.)
Beijing Zhizhong Energy Technology Development Co ltd
State Grid Beijing Electric Power Co Ltd
Original Assignee
Beijing Zhizhong Energy Technology Development Co ltd
State Grid Beijing 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 Beijing Zhizhong Energy Technology Development Co ltd, State Grid Beijing Electric Power Co Ltd filed Critical Beijing Zhizhong Energy Technology Development Co ltd
Priority to CN202310371452.XA priority Critical patent/CN116108322B/zh
Publication of CN116108322A publication Critical patent/CN116108322A/zh
Application granted granted Critical
Publication of CN116108322B publication Critical patent/CN116108322B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/11Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/15Correlation function computation including computation of convolution operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/04Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10Power 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
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种配电网负荷转移能力最大化计算方法,涉及电力系统规划技术领域,步骤1,获取主动配电网的基本信息;步骤2,定义能够准确及合理描述配电网内指定馈线上节点负荷变动的变量;步骤3,根据步骤2中变量构建主动配电网负荷转移能力优化规划模型;步骤4,增加分布式电源及主动配电网基本信息的线性模型,以典型电力电子装置的优化配置参数为决策变量;步骤5,依据所述主动配电网负荷转移能力最大化优化模型求解的结果制定优化方案。本发明以配电网典型电力电子装置的优化配置为手段,能够使得配电网负荷转移能力最大化,确保配电网灵活性的一个重要特性能最优,这也为其他的配电网灵活性指标的优化提供了建模参考。

Description

一种配电网负荷转移能力最大化计算方法
技术领域
本发明涉及电力系统规划技术领域,尤其是涉及一种配电网负荷转移能力最大化计算方法。
背景技术
主动配电网(ADN)是具有灵活的网络拓扑结构,并且能够对其中包含的分布式能源(DER)进行主动控制和主动管理的先进配电网。分布式电源(DER)包括分布式发电(DG)、储能设备(ESS)、可控负荷(CL)等;其中,分布式发电(DG)主要是以可再生能源为主的各类清洁能源,包括分布式光伏发电、风电以及分布式燃气发电等;可控负荷则包括电动汽车(EV)、响应负荷(RL)等。以上均要求主动配电网(ADN)在主网配网协同控制基础上,拥有针对分布式发电、储能、电动汽车和需求侧响应等新兴电源和负荷丰富的调控手段,需要有更强的协调灵活资源、调节运行状态的能力,具有更高的灵活性。
配电网灵活性是指在一定的时间尺度内,在计及调控成本的前提下,通过合理调度配电网内的灵活性资源,有效应对由分布式电源和新兴负荷引入配电网的波动性和不确定性的能力,使得配网系统达到电力平衡和灵活性供需平衡状态,保证配电网的稳定经济运行。
主动配电网的灵活性主要体现在以下两个方面:
(1)主动配电网能够快速调用灵活性资源,适应多元的分布式电源和新兴负荷的接入所引入的随机性和波动性,保证配电网的稳定经济运行。
(2)针对可能存在的各类扰动和故障,主动配电网能快速响应动作,及时实现主动配电网的自愈,保证主动配电网安全可靠运行。
配网灵活性一直是电力系统运行和规划中需要充分考虑的问题,配网内需要有足够的协调灵活性资源和调节运行状态的能力,有效提升配电网灵活性。主动配电网灵活性越高,那么表征它应对配网内负荷变动,应对各类扰动和故障的能力越强。许多学者在电力系统灵活性的定性和定量分析方面开展了广泛研究,也取得了很多研究成果。
研究主动配电网的灵活性离不开下面两个基本的条件:
从配电网灵活性的概念和本质出发,描述配电网灵活性的物理涵义,定义出能表征配电网灵活性的优化指标。
通过数学方法准确描述配电网内的负荷变动,构建以配电网灵活性优化指标为目标函数的配电网模型,用于当前针对配电网灵活性的研究。
配电网负荷转移能力是指基于配电网的某条馈线,当其供电变压器在输出位置因故障断开时,该条馈线上的各节点负荷由此呈失电状态;配电网通过改变运行拓扑,调用其他变压器输出功率,途径跟该条馈线相连的联络线,对馈线上的失电负荷恢复供电以维持正常运行。配电网对该条馈线上的失电负荷的恢复供电能力,定义为“负荷转移能力”,能对馈线上的部分负荷或者全部负荷进行供电。
如何实现主动配电网中指定节点的负荷转移能力最大化地优化,如何保障配电网节点能有效调动配网内的灵活性资源,应对该条馈线上负荷大幅变动是亟需研究的方向。
发明内容
为了解决主动配电网负荷转移能力最大化的优化需求,本发明提供一种配电网负荷转移能力最大化计算方法。采用如下的技术方案:
一种配电网负荷转移能力最大化计算方法,包括以下步骤:
步骤1,获取主动配电网的基本信息,基本信息包括变压器输出限制、网架拓扑和基础负荷信息,将所述基本信息录入典型的配电网理想模型;
步骤2,定义能够准确及合理描述配电网内指定馈线上节点负荷变动的变量;
步骤3,根据步骤2中变量构建主动配电网负荷转移能力优化规划模型;
步骤4,在步骤3中的主动配电网负荷转移能力优化规划模型中,增加分布式电源及主动配电网基本信息的线性模型,以典型电力电子装置的优化配置参数为决策变量;
步骤5,依据所述主动配电网负荷转移能力最大化优化模型求解的结果制定优化方案,并根据优化方案配置主动配电网典型电力电子装置的参数取值,确保主动配电网内所优化配网节点的主动配电网负荷转移能力上限达到最大。
通过上述技术方案,主动配电网的基本信息包括变压器输出限制、网架拓扑、基础负荷信息等,作为算法的基本条件,录入到算法程序中。定义出能够准确及合理描述配电网节点负荷变动的变量;考虑主动配电网负荷转移能力最大化的电力电子装置优化配置方法,实际上是通过对配网内节点负荷变动的数学描述,结合包含了分布式电源和主动配电网基本信息的配网模型,以指定节点的负荷转移能力上限为优化目标,以配电网内典型电力电子装置的优化配置为决策变量而构建优化模型,该模型的研究对象和研究内容以及研究目的都很明确。
可选的,步骤3中,配电网负荷转移能力优化规划模型的基本框架基于二阶锥松弛的配电网混合整数规划模型,并以主动配电网网损最小和主动配电网馈线E中所对应的部分负荷转移能力K值的最大化为目标函数。
通过上述技术方案,配网重构能优化配网运行指标,如网损、电压、潮流、三相对称性等;配电网重构模型的求解算法主要分启发式算法和数学优化算法。传统启发式算法在重构应用中得到了广泛应用,能实现对配重构这种典型非凸问题进行求解。数学优化算法可靠性比较高,但求解难度较高,特别是考虑到系统潮流约束这组非线性非凸约束。现有技术中使用了潮流方程二阶锥转换,由此将问题从混合整数非线性规划转变为相对容易求解的,基于二阶锥松弛的混合整数二次规划,但其中的配网辐射性约束还可以加以适当改进;
以配电网网损和负荷转移能力最大化为目标函数,这是以主动配电网网损最小和主动配电网配网节点K的负荷转移能力最大化为目标函数。
可选的,配电网网损项表达公式是:
C1为主动配电网运行能量损耗,T为总时段数,t为时段编号,nl为总的线路数,j为线路编号,为线路功率。
可选的,优化规划模型的目标函数公式是:
Min(ƒ)=γ×C1-λ×K94E;
γ、λ为目标函数的权重系数;E是指定所要考察研究的负荷转移能力的配电网节点所在馈线序号;K94E为配电网内馈线E上的整体负荷倍乘系数。
可选的,步骤4中典型电力电子装置是智能软开关SOP。
通过上述技术方案,智能软开关SOP作为典型的电力电子装置,其接入联络点的位置对主动配电网灵活性有较大影响,如何通过对智能软开关SOP的选型、接入和运行等优化配置提升主动配电网的灵活性,利用主动配电网的线路链接装置实现的配电网重构功能,构建以配电网负荷转移能力为优化目标的主动配电网灵活性优化规划模型,实现对配网灵活性的改善目的。
可选的,步骤3中,在配电网运行状态优化时,设置有功功率传输约束、端口无功功率约束和端口容量约束;
有功功率传输约束:
端口无功功率约束:
端口容量约束:
k为典型电力电子装置的顺序标识;分别是第k个电力电子装置的两个VSC在第t时段的有功传输值;分别是第k个SOP的两个VSC在t时段的无功注入值;分别表示相应VSC的无功注入上下限;分别表示第k个SOP的2个VSC的安装容量。
通过上述技术方案,智能软开关SOP模型,选取了基于背靠背电压源型变流器(backtobackvoltagesourceconverter,B2BVSC),在忽略内部损耗的情况下,在配电网运行状态优化时,需要满足有功功率传输约束、端口无功功率约束和端口容量约束。
可选的,步骤1中,配电网理想模型采用94节点模型,配电网理想模型中接入连续可调的分布式发电装置;
确定至少两个对所优化配网节点负荷转移能力影响最大的候选接入位置,候选接入位置作为备选的典型电力电子装置接入位置。
与待优化配网节点所在馈线具有直接连线关系的联络线作为候选接入位置;
与待优化配网节点之间存在的其他节点数量越少,对所优化配网节点负荷转移能力影响越大。
通过上述技术方案,选择候选接入位置的依据之一:只要是跟待考察节点所在馈线具有直接连线关系的联络线,都可以成为首选的候选接入位置。
选择候选接入位置的依据之二:在上述几个首选的候选接入位置之中,按照跟待考察节点之间存在其他节点个数的多寡排序,相距的节点个数越小,一般就越有可能影响到待考察节点的负荷转移能力。
智能软开关SOP的候选接入位置,可事先根据物理概念和计算分析,是当前配电网内所优化配网节点的负荷转移能力可能影响最大的三条候选接入位置,再经过配电网负荷转移能力优化模型的求解,进一步筛选出其中的最佳接入位置和容量,当然随着SOP端口容量的提高,都能有效提升配电网负荷转移能力。
根据上述的优化计算结果,初步可以拟定,智能软开关SOP接入联络线的位置,对于所优化配网节点的负荷转移能力的提升最优。
综上所述,本发明包括以下至少一种有益技术效果:
一.本发明从配电网的灵活性定义出发,重点以配电网负荷转移能力为研究目标展开阐述。基于配电网内典型电力电子装置的优化配置,提出一种以配电网负荷转移能力最大化为优化目标的主动配电网灵活性优化规划模型构建方法并求解;为了表达配电网内节点负荷的改变,提出了一种能准确描述配网内节点负荷变动的数学表达方法,适用于配电网灵活性研究。
二.根据本发明提出的配电网负荷转移能力模型构建和解算方法,以配电网典型电力电子装置的优化配置为手段,能够使得配电网负荷转移能力最大化,确保配电网灵活性的一个重要特性能最优,这也为其他的配电网灵活性指标的优化提供了建模参考。
附图说明
图1是本发明流程示意图;
图2是基于94节点模型的配网接线示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本发明实施例公开一种配电网负荷转移能力最大化计算方法。
参照图1和图2,一种配电网负荷转移能力最大化计算方法,包括以下步骤:
步骤1,获取主动配电网的基本信息,基本信息包括变压器输出限制、网架拓扑和基础负荷信息,将基本信息录入典型的配电网理想模型;
步骤2,定义能够准确及合理描述配电网内指定馈线上节点负荷变动的变量;
步骤3,根据步骤2中变量构建主动配电网负荷转移能力优化规划模型;
步骤4,在步骤3中的主动配电网负荷转移能力优化规划模型中,增加分布式电源及主动配电网基本信息的线性模型,以典型电力电子装置的优化配置参数为决策变量;
步骤5,依据主动配电网负荷转移能力最大化优化模型求解的结果制定优化方案,并根据优化方案配置主动配电网典型电力电子装置的参数取值,确保主动配电网内所优化配网节点的主动配电网负荷转移能力上限达到最大。
主动配电网的基本信息包括变压器输出限制、网架拓扑、基础负荷信息等,作为算法的基本条件,录入到算法程序中。定义出能够准确及合理描述配电网节点负荷变动的变量;考虑主动配电网负荷转移能力最大化的电力电子装置优化配置方法,实际上是通过对配网内节点负荷变动的数学描述,结合包含了分布式电源和主动配电网基本信息的配网模型,以指定节点的负荷转移能力上限为优化目标,以配电网内典型电力电子装置的优化配置为决策变量而构建优化模型,该模型的研究对象和研究内容以及研究目的都很明确。
步骤3中,配电网负荷转移能力优化规划模型的基本框架基于二阶锥松弛的配电网混合整数规划模型,并以主动配电网网损最小和主动配电网馈线E中所对应的部分负荷转移能力K值的最大化为目标函数。
配网重构能优化配网运行指标,如网损、电压、潮流、三相对称性等;配电网重构模型的求解算法主要分启发式算法和数学优化算法。传统启发式算法在重构应用中得到了广泛应用,能实现对配重构这种典型非凸问题进行求解。数学优化算法可靠性比较高,但求解难度较高,特别是考虑到系统潮流约束这组非线性非凸约束。现有技术中使用了潮流方程二阶锥转换,由此将问题从混合整数非线性规划转变为相对容易求解的,基于二阶锥松弛的混合整数二次规划,但其中的配网辐射性约束还可以加以适当改进;
以配电网网损和负荷转移能力最大化为目标函数,这是以主动配电网网损最小和主动配电网配网节点K的负荷转移能力最大化为目标函数。
配电网网损项表达公式是:
C1为主动配电网运行能量损耗,T为总时段数,t为时段编号,nl为总的线路数,j为线路编号,为线路功率。
优化规划模型的目标函数公式是:
Min(ƒ)=γ×C1-λ×K94E;
γ、λ为目标函数的权重系数;E是指定所要考察研究的负荷转移能力的配电网节点所在馈线序号;K94E为配电网内馈线E上的整体负荷倍乘系数。
在确立目标函数表达式之后,需要对目标函数中的每一个权重值可选的γ、λ进行求取,求取的方法采用了层次分析法,有下面的步骤:
1.构造一个判断矩阵,矩阵中的每一个元素是所有因素项中两两之间的比值;
2.根据由此所得到的矩阵,求取相应的特征值和每个特征值所对应的特征向量。
3.取其中最大特征值所对应的特征向量,将其进行归一化处理之后,就能得到相应的权重系数。
在对判断矩阵进行构造时,通常采用1~9标度法,也就是所有的影响因素中,影响比较重要的因素取值比较大,比如9,相对影响重要性最轻的因素取值为1.
具体到目前的配电网负荷转移能力最大化计算模型中,比较关注的是对配电网馈线E的负荷转移能力,因此设负荷转移能力的相对重要性考量等级为q,配电网的能量损耗在当前的配电网灵活性综合模型中的重要性考量等级为1,可以构建一个二阶的判断矩阵:
B = [1,q;1/q,1];
对上述的判断矩阵,进行特征值和特征向量的求取,并进行相应的归一化处理,就能得到上述目标函数的权重矩阵 [γ,λ] 。
步骤4中典型电力电子装置是智能软开关SOP。
智能软开关SOP作为典型的电力电子装置,其接入联络点的位置对主动配电网灵活性有较大影响,如何通过对智能软开关SOP的选型、接入和运行等优化配置提升主动配电网的灵活性,利用主动配电网的线路链接装置实现的配电网重构功能,构建以配电网负荷转移能力为优化目标的主动配电网灵活性优化规划模型,实现对配网灵活性的改善目的。
步骤3中,在配电网运行状态优化时,设置有功功率传输约束、端口无功功率约束和端口容量约束;
有功功率传输约束:
端口无功功率约束:
端口容量约束:
k为典型电力电子装置的顺序标识;分别是第k个电力电子装置的两个VSC在第t时段的有功传输值;分别是第k个SOP的两个VSC在t时段的无功注入值;分别表示相应VSC的无功注入上下限;分别表示第k个SOP的2个VSC的安装容量。
智能软开关SOP模型,选取了基于背靠背电压源型变流器(backtobackvoltagesourceconverter,B2BVSC),在忽略内部损耗的情况下,在配电网运行状态优化时,需要满足有功功率传输约束、端口无功功率约束和端口容量约束。
步骤1中,配电网理想模型采用94节点模型,配电网理想模型中接入连续可调的分布式发电装置;
确定至少两个对所优化配网节点负荷转移能力影响最大的候选接入位置,候选接入位置作为备选的典型电力电子装置接入位置。
与待优化配网节点所在馈线具有直接连线关系的联络线作为候选接入位置;
与待优化配网节点之间存在的其他节点数量越少,对所优化配网节点负荷转移能力影响越大。
选择候选接入位置的依据之一:只要是跟待考察节点所在馈线具有直接连线关系的联络线,都可以成为首选的候选接入位置。
选择候选接入位置的依据之二:在上述几个首选的候选接入位置之中,按照跟待考察节点之间存在其他节点个数的多寡排序,相距的节点个数越小,一般就越有可能影响到待考察节点的负荷转移能力。
智能软开关SOP的候选接入位置,可事先根据物理概念和计算分析,是当前配电网内所优化配网节点的负荷转移能力可能影响最大的三条候选接入位置,再经过配电网负荷转移能力优化模型的求解,进一步筛选出其中的最佳接入位置和容量,当然随着SOP端口容量的提高,都能有效提升配电网负荷转移能力。
根据上述的优化计算结果,初步可以拟定,智能软开关SOP接入联络线的位置,对于所优化配网节点的负荷转移能力的提升最优。
本发明一种配电网负荷转移能力最大化计算方法的实施原理是:
本实施例基于94节点理想模型,其基本模型的负荷参数如附录中的表1所示:
表1:94节点模型内94个节点负荷值(KW)
功率容量基准为100MVA,基准电压为11.4kV;以变压器T2的一条输出馈线E为指定的研究对象,假定在E馈线接入变压器处因故障断开;针对该条馈线上节点30到节点42的负荷转移能力研究目标;其中联络线86、93、94作为备选的智能软开关(SOP)接入位置,考虑在这三个备选的位置接入一个SOP,并分析研究SOP的端口容量对E馈线的负荷转供能力的影响;当前实施案例的优化目标,是考察配电网对于E馈线的负荷转移能力,也就是研究如何选择SOP的接入位置和相应的端口容量,以达到配电网在E馈线上的负荷转移能力最大。
在本实施案例中,为了凸显智能软开关SOP的优化配置对配电网节点负荷转移能力的影响,暂时不考虑各条线路的容量约束,仅考虑在T1~T4变压器的变压器容量上限约束为10MVA情况下的配网优化。
步骤1,配电网的基本信息,基本信息包括变压器输出限制、网架拓扑、基础负荷信息等,作为算法的基本条件,录入到算法程序中。
步骤2,定义出能够准确及合理描述配电网馈线上各节点负荷变动的变量;目前假定,E馈线上节点30到节点42的负荷变动,以当前馈线上负荷的倍数方式改变,也就是馈线上所有负荷的有功值和无功值以等比例的方式实现改变。
在本实施案例中是针对配电网内指定的E馈线负荷转移能力上限进行优化,因此在实际中,我们定义了一个长度为94的“负荷倍数变量”K94,其初始值为[1,1,..k94E,k94E...k94E,...1,1],其中k94E在该变量的第30到第42位置出现。那么在算法程序中,配电网节点负荷可以用Load94 = K94.*load94表示,其中的load94是配电网94个节点的原始节点负荷数值。
为了考察配网针对E馈线的负荷转移能力,在维持配电网其他节点的负荷值不变,单独增加E馈线上的各节点负荷值倍数,比如前面提到的k94E则表征着馈线E上的各节点负荷以相同的倍数增加;如果在下一时刻,由于E馈线上的各节点负荷值超过了一定的数值,导致了配电网灵活性优化规划模型的解集发散,我们认为,当前E馈线上的各节点的负荷倍数k94E,就能表征配电网对E馈线负荷转移能力的最大值。从数学描述角度而言,就是定义了“负荷倍数变量”K94中,除了K94(30)--K94(42)为优化控制变量之外,其他的变量都限制为1,因为只变动E馈线上各节点负荷值,配电网其他节点的负荷值都维持不变。
步骤3,以配电网网损和负荷转移能力最大化为目标函数,这是配电网的网损和K94组合的最小值为目标函数。
其中配电网网损项表达如下:
其中:C1为配电网运行能量损耗;T为总时段数取24;t为时段编号;nl为总的线路数,j为线路编号;为线路功率。
那么优化规划模型的目标函数可以表示为:
Min(ƒ)=γ×C1-λ×K94E
进一步基于层次分析法,求取上述目标函数的权重系数。
假定配电网的能量损耗在当前的配电网灵活性综合模型中的重要性考量等级为1,而负荷转移能力的相对重要性考量等级为3,因为当前的配电网规划模型的重点考察是配电网的灵活性指标。
由此可以构建一个二阶的判断矩阵:
B = [1,3;1/3,1];
对上述所构造的判断矩阵,进行特征值和特征向量的求取:
[V,D] = eig(B);
得到相应的特征值矩阵为:D = [2,0;,0,0];
相应的特征向量为:V= [0.9487,-0.9487;0.3162,0.3162];
取最大特征值所对应的特征向量,并进行相应的归一化求取:
得到上述目标函数的权重矩阵 [γ,λ] = [0.75,0,25];
步骤4:在主动配电网灵活性优化规划模型中,增加下面的一些设备模型:
在节点12、19、34、75、79这5个节点处增加DG的连续可调模型,其最大的输出实际功率为标幺值0.015;
增加智能软开关SOP的线性模型,其备选的接入联络线位置为86、93、94,其端口容量则需要在配网灵活性优化规划模型的求解中确定。
本实施案例的智能软开关SOP模型,选取了基于背靠背电压源型变流器(backtobackvoltagesourceconverter,B2BVSC)为例,在忽略内部损耗的情况下,在配电网运行状态优化时,需要满足下列几个约束条件:
有功功率传输约束:
端口无功功率约束:
端口容量约束:
其中:k为SOP的顺序标识;分别是第k个SOP的两个VSC在第t时段的有功传输值;分别是第k个SOP的两个VSC在t时段的无功注入值;表示相应VSC的无功注入上下限;分别表示第k个SOP的2个VSC的安装容量。
假定实施例中SOP的端口容量限制为10MVA、3.16MVA、1MVA;那么此时的的标幺值为分别对应为0.01、0.001、0.0001,在程序中分别参与优化计算。
步骤5,求解上述主动配电网灵活性优化规划模型,就能得到,由于引入了智能软开关的选址定容,当前配电网在E馈线处的负荷转移能力最大化优化模型求解的结果。
根据上述构建的主动配电网馈线负荷转移能力优化规划模型并求解,首先得到的结论是,在配电网内接入不同容量的可控DG,随着装机容量的提高,其对于馈线E的“负荷转移能力”也是相应提高的,有优化计算结果,参照表二:
表二:接入DG装机容量与最大负荷转移能力关系表
上述k94E的值大于1.0,说明对于馈线E而言,如果不考虑其他约束,仅限制在当前计算模型的约束条件下,其不仅能完全给馈线E上节点30-节点42所有失电负荷供电,而且还能具有更大的负荷转移能力。在配电网内接入可调控的DG,在一定程度上能提高配网负荷转移能力,其DG的可调容量跟负荷转移能力并不呈严格的线性关系。
在不同的联络线位置接入SOP,以及分析不同的SOP端口容量下,构建配电网针对馈线E的负荷转移能力最大化优化模型并求解,优化计算结果参照表三:
表三:SOP位置及容量对E馈线最大负荷转移能力K94E
从上面的优化计算结果数据分析,当SOP接在86联络线的位置,不仅是在SOP端口容量比较小的场景下(1MVA),而且在SOP端口容量相对比较大的场景下(10MVA),都能确保配电网对于馈线E的负荷转移能力的上限最大;其次是考虑选择在联络线93接入SOP;当SOP接入联络线94时,当SOP端口容量增大时,配电网对于馈线E的负荷转移能力上限的增加幅度相对最小。
前面提到的三个SOP接入的联络线位置,事先根据物理概念和计算分析,是当前配电网内确保针对馈线E的负荷转移能力最大的三条候选接入位置,再经过本专利描述的配电网负荷转移能力优化模型的求解,进一步筛选出其中的最佳接入位置和容量,当然随着SOP端口容量的提高,能有效提升配电网负荷转移能力。
根据上述的优化计算结果,初步可以拟定,SOP接入联络线86的位置,对于馈线E的负荷转移能力的提升最优。
以上均为本发明的较佳实施例,并非以此限制本发明的保护范围,故:凡依本发明的结构、形状、原理所做的等效变化,均应涵盖于本发明的保护范围之内。

Claims (8)

1.一种配电网负荷转移能力最大化计算方法,其特征在于,包括以下步骤:
步骤1,获取主动配电网的基本信息,基本信息包括变压器输出限制、网架拓扑和基础负荷信息,将所述基本信息录入典型的配电网理想模型;
步骤2,定义能够准确及合理描述配电网内指定馈线上节点负荷变动的变量;
步骤3,根据步骤2中变量构建主动配电网负荷转移能力优化规划模型;
步骤4,在步骤3中的主动配电网负荷转移能力优化规划模型中,增加分布式电源及主动配电网基本信息的线性模型,以典型电力电子装置的优化配置参数为决策变量;
步骤5,依据所述主动配电网负荷转移能力最大化优化模型求解的结果制定优化方案,并根据优化方案配置主动配电网典型电力电子装置的参数取值,确保主动配电网内所优化配网节点的主动配电网负荷转移能力上限达到最大。
2.根据权利要求1所述的一种配电网负荷转移能力最大化计算方法,其特征在于:步骤3中,配电网负荷转移能力优化规划模型的基本框架基于二阶锥松弛的配电网混合整数规划模型,并以主动配电网网损最小和主动配电网馈线E中所对应的部分负荷转移能力K值的最大化为目标函数。
3.根据权利要求2所述的一种配电网负荷转移能力最大化计算方法,其特征在于:配电网网损项表达公式是:
C1为主动配电网运行能量损耗,T为总时段数,t为时段编号,nl为总的线路数,j为线路编号,为线路功率。
4.根据权利要求3所述的一种配电网负荷转移能力最大化计算方法,其特征在于:优化规划模型的目标函数公式是:
Min(ƒ)=γ×C1-λ×K94E;
γ、λ为目标函数的权重系数;E是指定所要考察研究的负荷转移能力的配电网节点所在馈线序号;K94E为配电网内馈线E上的整体负荷倍乘系数。
5.根据权利要求1所述的一种配电网负荷转移能力最大化计算方法,其特征在于:步骤4中典型电力电子装置是智能软开关SOP。
6.根据权利要求1所述的一种配电网负荷转移能力最大化计算方法,其特征在于:步骤3中,在配电网运行状态优化时,设置有功功率传输约束、端口无功功率约束和端口容量约束;
有功功率传输约束:
端口无功功率约束:
端口容量约束:
分别是第k个电力电子装置的两个VSC在第t时段的有功传输值;分别是第k个SOP的两个VSC在t时段的无功注入值;分别表示相应VSC的无功注入上下限;分别表示第k个SOP的2个VSC的安装容量。
7.根据权利要求1所述的一种配电网负荷转移能力最大化计算方法,其特征在于:步骤1中,配电网理想模型采用94节点模型,配电网理想模型中接入连续可调的分布式电源;
确定至少两个对所优化配网节点负荷转移能力影响最大的候选接入位置,候选接入位置作为备选的典型电力电子装置接入位置。
8.根据权利要求7所述的一种配电网负荷转移能力最大化计算方法,其特征在于:与待优化配网节点所在馈线具有直接连线关系的联络线作为候选接入位置;
接入位置与待优化配网的馈线之间存在的配网节点数量越少,对所优化配网节点负荷转移能力影响越大。
CN202310371452.XA 2023-04-10 2023-04-10 一种配电网负荷转移能力最大化计算方法 Active CN116108322B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310371452.XA CN116108322B (zh) 2023-04-10 2023-04-10 一种配电网负荷转移能力最大化计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310371452.XA CN116108322B (zh) 2023-04-10 2023-04-10 一种配电网负荷转移能力最大化计算方法

Publications (2)

Publication Number Publication Date
CN116108322A true CN116108322A (zh) 2023-05-12
CN116108322B CN116108322B (zh) 2023-06-20

Family

ID=86261914

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310371452.XA Active CN116108322B (zh) 2023-04-10 2023-04-10 一种配电网负荷转移能力最大化计算方法

Country Status (1)

Country Link
CN (1) CN116108322B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110289646A (zh) * 2019-06-19 2019-09-27 国网天津市电力公司 基于元模型的智能软开关就地控制策略优化方法
CN110729765A (zh) * 2019-08-30 2020-01-24 四川大学 一种考虑sop的配电网灵活性评估指标体系和优化调度方法
US20210349158A1 (en) * 2018-10-11 2021-11-11 University College Cardiff Consultants Ltd Fault diagnosis in an electricity supply network
CN115549092A (zh) * 2022-11-03 2022-12-30 广东电网有限责任公司 一种基于智能软开关的有源配电网优化运行方法
CN115642592A (zh) * 2022-11-01 2023-01-24 国网湖北省电力有限公司电力科学研究院 一种基于多端sop的柔性互联配电网多级动态重构方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210349158A1 (en) * 2018-10-11 2021-11-11 University College Cardiff Consultants Ltd Fault diagnosis in an electricity supply network
CN110289646A (zh) * 2019-06-19 2019-09-27 国网天津市电力公司 基于元模型的智能软开关就地控制策略优化方法
CN110729765A (zh) * 2019-08-30 2020-01-24 四川大学 一种考虑sop的配电网灵活性评估指标体系和优化调度方法
CN115642592A (zh) * 2022-11-01 2023-01-24 国网湖北省电力有限公司电力科学研究院 一种基于多端sop的柔性互联配电网多级动态重构方法
CN115549092A (zh) * 2022-11-03 2022-12-30 广东电网有限责任公司 一种基于智能软开关的有源配电网优化运行方法

Also Published As

Publication number Publication date
CN116108322B (zh) 2023-06-20

Similar Documents

Publication Publication Date Title
Cai et al. Optimal choice and allocation of FACTS devices in deregulated electricity market using genetic algorithms
Pezeshki et al. Probabilistic voltage management using OLTC and dSTATCOM in distribution networks
Sheng et al. A trust region SQP method for coordinated voltage control in smart distribution grid
Milczarek et al. Comparison of classical and smart transformers impact on MV distribution grid
Yao et al. Mitigating voltage unbalance using distributed solar photovoltaic inverters
CN112531790A (zh) 一种虚拟电厂动态灵活性评估方法
Wu et al. A VSC-based BESS model for multi-objective OPF using mixed integer SOCP
Mosbah et al. Multi-objective optimization for optimal multi DG placement and sizes in distribution network based on NSGA-II and fuzzy logic combination
CN114649814A (zh) 一种柔性互联配电系统两阶段鲁棒优化方法
Hagh et al. A multi objective genetic algorithm for weighted load shedding
Xiao et al. Optimal power quality compensation of energy storage system in distribution networks based on unified multi-phase OPF model
Grdenić et al. AC grid model order reduction based on interaction modes identification in converter-based power systems
CN116108322B (zh) 一种配电网负荷转移能力最大化计算方法
CN105977992B (zh) 一种基于负载变化智能调节无功输出的配电系统
Bazrafshan et al. Placing and sizing distributed photovoltaic generators for optimal reactive power compensation
Daqaq et al. Multiobjective backtracking search algorithm for solving optimal power flow
Li et al. Active and reactive power coordinated optimization of active distribution networks considering dynamic reconfiguration and SOP
Thorat et al. Optimization of fuel cost incorporating with wind, solar PV and Electric vehicle energy sources using improved artificial bee colony algorithm
CN116522584B (zh) 一种配电网供电爬坡能力最大化计算的优化方法
Nakka et al. Design and simulation of monarch butterfly optimized SP-UPFC for power quality compensation
CN115051392A (zh) 一种含新能源、储能及柔性负荷的无功协调优化控制方法
Ayyagari et al. Assessing the optimality of LinDist3Flow for optimal tap selection of step voltage regulators in unbalanced distribution networks
Liao et al. Optimal operation for hybrid AC and DC systems considering branch switching and VSC control
Wang et al. Operation optimization adapting to active distribution networks under three-phase unbalanced conditions: Parametric linear relaxation programming
CN105977993B (zh) 一种基于负载的智能配电系统的无功补偿方法

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