CN116191558A - 配电网高可靠性的分布式光伏储能优化配置方法及装置 - Google Patents

配电网高可靠性的分布式光伏储能优化配置方法及装置 Download PDF

Info

Publication number
CN116191558A
CN116191558A CN202211599815.7A CN202211599815A CN116191558A CN 116191558 A CN116191558 A CN 116191558A CN 202211599815 A CN202211599815 A CN 202211599815A CN 116191558 A CN116191558 A CN 116191558A
Authority
CN
China
Prior art keywords
energy storage
power
distribution network
photovoltaic energy
cost
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
Application number
CN202211599815.7A
Other languages
English (en)
Inventor
华科
邵京伟
周卫东
许军
孙然
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 Heilongjiang Electric Power Co Ltd
Original Assignee
State Grid Heilongjiang 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 Heilongjiang Electric Power Co Ltd filed Critical State Grid Heilongjiang Electric Power Co Ltd
Priority to CN202211599815.7A priority Critical patent/CN116191558A/zh
Publication of CN116191558A publication Critical patent/CN116191558A/zh
Pending legal-status Critical Current

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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种配电网高可靠性的分布式光伏储能优化配置方法及装置，基于配电网最小化投资成本、最小化电量不足期望、最小化线路网损目标函数，通过多目标优化方法求出多组光伏储能容量的优化解。当电力系统发生自然灾害时，以光伏储能装置的边际成本最低为目标，求出光伏储能装置为特级、一级负荷供电的最优供电通路；从所述多组光伏储能容量的优化解中，选取匹配所述最优供电通路的光伏储能容量最优解。本发明能够综合考虑配电网可靠性和经济性，对分布式光伏储能装置进行优化配置。

Description

配电网高可靠性的分布式光伏储能优化配置方法及装置
技术领域
本发明涉及一种配电网高可靠性的分布式光伏储能优化配置方法及装置。
背景技术
太阳能和风能发电厂等可再生能源系统的技术发展和日益增强的市场竞争力，为发电从大型集中设施向小型分散能源系统的转变创造了有利条件。分布式发电是可持续发展的合适选择，这得益于环境影响的减少、负荷管理的好处以及向偏远地区供电的机会。当生产的能源自行消耗时，光伏(PV)系统仍能为并网用户找到盈利条件。由于太阳能的间歇性和随机性，光伏发电厂需要采用储能系统来补偿波动，并满足夜间的能源需求。由于电力系统越来越复杂，对配电网的可靠性要求越来越高，为了防止灾害导致配电网出现大面积的停电而导致电网崩溃，所以需要加强配电网的可靠性，通过合理的配置新能源发电对现有的配电网网络进行合理的规划。
差异化规划方法能够合理的利用资源，通过突出重点的原则将负荷与电源进行优化匹配，是提高配电网的可靠性的重要方法，它以建立智能电网为目标，采取科学有效的差异化规划设计保证各个电压等级核心电网骨干架构、重要线路安全运行。电力系统需要每时每刻都在瞬时平衡的情况下，当用户的负荷发生主动变化时，电网侧将会因为用户而发生被动变化。通常情况下，把用户负荷分为一级、二级、三级负荷。在某些情况下，还可以根据情况需要设置特级负荷。所以在遇到严重灾害时，需要优先将光伏储能应用于特级负荷以及一级负荷上，保证其能够正常的运行及电压稳定。
考虑电力系统的实际情况，为了满足各级电网结构要求，提高系统可靠性，电网差异化规划分析电力系统中负荷的组成部分，保证特级以及一级负荷的供电，提升分布式光伏储能容量要求。国内外学者针对配电网规划进行了研究，主要在措施和理念两种类别，一些研究方法尝试从最优潮流的规划方法入手，使电力系统可以运行在最优状态，但是该研究只关注电力系统中的阻塞指标，未能对电网规划的可靠性和经济性进行考虑；一些文献针对市场环境下，对电网规划可能遇到的风险及灾害，利用遗传算法对电网规划最优方案进行求解，但是该方法没有对投资人的投资以及收益进行明确的说明，会使得投资方难以抉择；还有文献考虑到线路投资的费用建立模型，以最小线路的投资方式为目标，但是却忽略了电网的可靠性。
发明内容
本发明的发明目的在于提供一种配电网高可靠性的分布式光伏储能优化配置方法及装置，能够综合考虑配电网可靠性和经济性，对分布式光伏储能装置进行优化配置。
基于同一发明构思，本发明具有两个独立的技术方案：
1、一种基于配电网高可靠性的分布式光伏储能优化配置方法，基于配电网最小化投资成本、最小化电量不足期望、最小化线路网损目标函数，通过多目标优化方法求出多组光伏储能容量的优化解。
进一步地，当电力系统发生自然灾害时，以光伏储能装置的边际成本最低为目标，求出光伏储能装置与特级、一级负荷供电路径之间的最优供电通路；从所述多组光伏储能容量的优化解中，选取匹配所述最优供电通路的光伏储能容量最优解。
进一步地，所述最小化投资成本目标函数为，
Figure SMS_1
式中，NPV、NES分别是光伏发电机和储能机组的分组数，CES为储能机组的综合设备成本和安装费用之和，PStorage.p为储能机组的有功功率输出，CPV为光伏发电机的设备成本和设备安装费用之和，CMG为配电网施工成本，可以表示为CMG＝c×pMG+d,其中c为配电网配置容量和建设成本的比例系数，有开关控制、无功补偿和谐波处理单元的综合成本，PMG是配电网区域的有功功率，d为配电网施工的恒定成本，Ppv.i是第i台光伏发电机的有功功率输出，配电网与公共设施连接点定义为公共耦合点，
Figure SMS_2
CDG为无功功率的费用，PDG(i)为采样时分布式电源提供的无功功率，T表示为一年内光伏储能系统运行天数。
进一步地，所述最小化电量不足期望目标函数为，
Pin＝PLine，in+PES×Pisland
式中，Pin为最小化电量不足期望值的概率，PLine,in为配电网内部线路的故障概率，PES是储能机组的故障概率，Pisland为配电网只有分布式电源供电的概率。
进一步地，所述最小化线路网损目标函数为，
Figure SMS_3
式中，minF3(x)为最小线路损耗；B是网络的分支集合，(i，j)∈B表示(i，j)是一个分支的两个节点；gij为节点i和j之间的电导；Vi和Vj是节点i和j的电压大小；θij是节点相位角θi和θj之间的相位差。
进一步地，所述多目标优化方法包括约束条件，所述约束条件为潮流等式方程约束、负载设计能力约束、节点的电压约束、分布式电源的出力约束、储能荷电连续性约束、储能功率约束、储能充放电功率约束。
进一步地，所述多目标优化方法采用粒子群算法。
进一步地，所述光伏储能装置的边际成本最低目标函数为，
Figure SMS_4
f为边际成本，即差异化建设成本和灾害时的损失经济的基础上进行路径匹配的成本；CES为储能机组的综合设备成本和安装费用之和，PStorage.p为储能机组的有功功率输出；Tmin为发生灾害时，经济损失达到最小时的成本损失，N为光伏储能机组的数量。
进一步地，当电力系统发生自然灾害时，先对需供电的特级、一级负荷按照重要性进行排序，按照排序逐一寻找光伏储能装置为特级、一级负荷供电的最优供电通路。
2、一种基于配电网高可靠性的分布式光伏储能优化配置装置，用于执行上述的方法。
本发明具有的有益效果：
本发明基于配电网最小化投资成本、最小化电量不足期望、最小化线路网损目标函数，通过多目标优化方法求出光伏储能容量的最优解。当电力系统发生自然灾害时，基于光伏储能装置的边际成本最低目标函数，为特级、一级负荷寻找最匹配的光伏储能装置。本发明以提高配电网可靠性为导向，从光伏储能容量优化和电网差异化规划原则的方法切入，提出一种基于配电网高可靠性的分布式光伏储能优化配置方法，将光伏储能优化配置与电网差异化规划原则相结合，有效提高配电网的可靠性和经济性，同时还可以减少能量损失，提高光伏储能发电的可靠性以及安全性。本发明可以实现一定的光伏储能容量配置功能，与普通分布式电源配置方法相比，本发明配置方法更具经济性和灵活性，可以确保分布式光伏和储能在一定程度上缓解配电网的压力。本发明在配电网发生自然灾害或者意外停电时，及时提供有功功率和无功功率，提高配电网的可靠性。
本发明最小化投资成本目标函数为，
Figure SMS_5
式中，NPV、NES分别是光伏发电机和储能机组的分组数，CES为储能机组的综合设备成本和安装费用之和，PStorage.p为储能机组的有功功率输出，CPV为光伏发电机的设备成本和设备安装费用之和，CMG为配电网施工成本，可以表示为CMG＝c×pMG+d,其中c为配电网配置容量和建设成本的比例系数，有开关控制、无功补偿和谐波处理单元的综合成本，PMG是配电网区域的有功功率，d为配电网施工的恒定成本，Ppv.i是第i台光伏发电机的有功功率输出，配电网与公共设施连接点定义为公共耦合点，
Figure SMS_6
CDG为无功功率的费用，PDG(i)为采样时分布式电源提供的无功功率，T表示为一年内光伏储能系统运行天数。
所述最小化电量不足期望目标函数为，
Pin＝PLine，in+PES×Pisland
式中，Pin为最小化电量不足期望值的概率，PLine,in为配电网内部线路的故障概率，PES是储能机组的故障概率，Pisland为配电网只有分布式电源供电的概率。
所述最小化线路网损目标函数为，
Figure SMS_7
式中，minF3(x)为最小线路损耗；B是网络的分支集合，(i，j)∈B表示(i，j)是一个分支的两个节点；gij为节点i和j之间的电导；Vi和Vj是节点i和j的电压大小；θij是节点相位角θi和θj之间的相位差。
所述多目标优化方法包括约束条件，所述约束条件为潮流等式方程约束、负载设计能力约束、节点的电压约束、分布式电源的出力约束、储能荷电连续性约束、储能功率约束、储能充放电功率约束。
本发明通过上述最小化投资成本目标函数、最小化电量不足期望目标函数、最小化线路网损目标函数以及约束条件的具体设定，进一步保证对光伏储能装置容量优化配置时，有效提高配电网的可靠性和经济性，同时减少能量损失，提高光伏储能发电的可靠性以及安全性。
本发明所述光伏储能装置的边际成本最低目标函数为，
Figure SMS_8
f为边际成本，即差异化建设成本和灾害时的损失经济的基础上进行路径匹配的成本；CES为储能机组的综合设备成本和安装费用之和，PStorage.p为储能机组的有功功率输出；Tmin为发生灾害时，经济损失达到最小时的成本损失，N为光伏储能机组的数量。
当电力系统发生自然灾害时，先对需供电的特级、一级负荷按照重要性进行排序，按照排序逐一为负荷寻找最匹配的光伏储能装置
本发明通过上述差异化成本规划和差异化逐级规划方法，进一步保证对光伏储能装置优化配置时，提高配电网的经济性和可靠性，获得匹配负荷的最优路径。
附图说明
图1是本发明配电网高可靠性的分布式光伏储能优化配置方法流程图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。
实施例一：
基于配电网高可靠性的分布式光伏储能优化配置方法
(一)分布式光伏储能容量优化
用户侧分布式光伏电源并网需求的扩大使得配电网面临更大的压力。分布式电源和储能电池的合理联合规划可以在保障电网运行的经济性、环保性的同时，提高电网的可靠性、稳定性。随着用户侧负荷越来越多，配电网发电容量容易短缺，需要将新能源发电进行并网。然而随着分布式光伏储能的加入，电网的投资建设成本将会大大提高，系统的维护成本和线路的输电损耗也会相应增加。
基于上述描述，在已知光伏储能建设位置，以成本、电量不足期望(expectedenergy not supplied，EENS)、线路网损为目标，通过多目标优化方法求出最优解，得出合理的光伏储能容量，为差异化规划提供良好的经济性，并以更高的可靠性、灵活性和适应性满足负荷要求。
如图1所示，基于配电网高可靠性的分布式光伏储能优化配置方法，基于配电网最小化投资成本、最小化电量不足期望、最小化线路网损目标函数，通过多目标优化方法求出多组光伏储能容量的优化解。
1.最小化投资成本目标函数
所述最小化投资成本目标函数为，
Figure SMS_9
式中，NPV、NES分别是光伏发电机和储能机组的分组数，CES为储能机组的综合设备成本和安装费用之和，PStorage.p为储能机组的有功功率输出，CPV为光伏发电机的设备成本和设备安装费用之和，CMG为配电网施工成本，可以表示为CMG＝c×pMG+d,其中c为配电网配置容量和建设成本的比例系数，有开关控制、无功补偿和谐波处理单元的综合成本，PMG是配电网区域的有功功率，d为配电网施工的恒定成本，Ppv.i是第i台光伏发电机的有功功率输出，配电网与公共设施连接点定义为公共耦合点，
Figure SMS_10
CDG为无功功率的费用，PDG(i)为采样时分布式电源提供的无功功率，T表示为一年内光伏储能系统运行天数。
2.最小化电量不足期望目标函数
最小化电量不足期望值(EENS)。EENS是估计供电是否充裕的尺度。所述最小化电量不足期望目标函数为，
Pin＝PLine，in+PES×Pisland
式中，Pin为最小化电量不足期望值的概率，PLine,in为配电网内部线路的故障概率，PES是储能机组的故障概率，Pisland为配电网只有分布式电源供电的概率。
3.最小化线路网损目标函数
所述最小化线路网损目标函数为，
Figure SMS_11
式中，minF3(x)为最小线路损耗；B是网络的分支集合，(i，j)∈B表示(i，j)是一个分支的两个节点；gij为节点i和j之间的电导；Vi和Vj是节点i和j的电压大小；θij是节点相位角θi和θj之间的相位差。
4.约束条件
所述多目标优化方法包括约束条件，所述约束条件为潮流等式方程约束、负载设计能力约束、节点的电压约束、分布式电源的出力约束、储能荷电连续性约束、储能功率约束、储能充放电功率约束。
(1)潮流等式方程约束
Figure SMS_12
/>
Figure SMS_13
其中，PDG，i和QDG,i是有功发电输出和无功发电输出，而Pdi 和Qdi 是节点i的有功、无功负荷，Gij和Bij是节点导纳阵的实部、虚部，N是母线数。
(2)负载设计能力约束
Figure SMS_14
其中，PL，i是第i个负载的承载力，PTL是总负荷设计承载力。
(3)发电机的出力约束
Pr，min≤PG，r，t≤Pr，max
其中，Pr，min、PG,r，t以及Pr，max分别是第r个分布式电源的最小出力、t时刻第r个电源的实际出力以及第r个分布式电源的最大出力。
(4)节点的电压约束
Ui，min≤Ui，t≤Ui，max
其中，Ui,min、Ui,t和Ui,max分别是节点电压i所允许的最低电压、t时刻节点i实际电压和节点电压i所允许的最高电圧。
(5)储能荷电连续性约束
Figure SMS_15
其中，Aoc,x,0和Aoc,x,t分别是光伏储能系统x的初始时刻和t时刻的荷电状态；Pch，x和Pdis，x分别为光伏储能系统x的充电和放电功率；
Figure SMS_16
和/>
Figure SMS_17
分别是光伏储能系统x的充电和放电效率；Ebess,x为储能系统x的额定容量；ΔT为光伏储能系统运行天数。
(6)储能系统功率约束
PDESS，i，t＝bi(Pdis，i，t-Pch，i，t)
其中，PDESS，i,t为节点i处光伏储能系统在t时刻的实际充放电功率；bi为0——1状态变量，1表示电网中第i个节点位置接入光伏储能，0表示未接入；Pch,i,t和Pdis,i,t分别为节点i光伏储能t时刻的充电和放电功率。
(7)储能系统充放电功率约束
Figure SMS_18
Pch，i， t和Pdis，i， t分别为节点i光伏储能t时刻的充电和放电功率；Pbess 为第i个节点接入光伏储能的额定功率。
5.求解过程
分布式储能容量优化配置是一个多目标非线性整数规划问题，包括确定储能接入位置、功率、容量等。
该非线性问题可采用粒子群算法(particle swarm optimi zation，PSO)，PSO是一种进化算法，适用于解决连续非线性问题。它是从随机解出发，通过迭代寻求最优解。优化问题的每个潜在解都可以看作一个粒子，每个粒子都有一个适应度，由自身参数和与目标函数映射关系决定。采用线性递减权重控制策略，能够有效提高算法寻优速度，具体公式如下：
通过迭代求解多目标非线性函数，得出分布式光伏和储能容量在目标函数下的几组解，为下步差异化规划提供容量配置选择。
vij，k+1＝ωvij，k+c1r1(Pbij，k-xij，k)+c2r2(gbj，k-xij，k)
Figure SMS_19
xij，k+1＝xij，k+vij，k+1
其中，i为第i个粒子；j为粒子的维度；k为迭代次数；ω为权重系数；pb为个体极值；gb为全局极值；c1、c2为学习因子；r1、r2为0～1的随机数；ωini为初始权重；ωend为迭代至最大进化代数时的权重；xij为粒子的位置。
(二)配电网高可靠性的分布式光伏和储能优化
当电力系统发生自然灾害时，电力系统可能引发连锁故障，会带来巨大损失，所以需要对灾害后的损耗进行一定的建设成本规划，从而再次提高分布式光伏和储能的经济性。本发明通过逐级规划，对特级、一级负荷的重要性程度进行排序，按照最优路径方法求解出光伏储能与特级、一级负荷的最低成本路径，将特级、一级负荷和分布式光伏储能进行优化匹配，然后计算出特级、一级负荷所需的容量，从配电网可靠性和经济性方面选择分布式光伏储能容量最优解。从而使得当配电网中不同特级、一级负荷发生意外停电后，优化后的分布式光伏储能能够通过最低成本路径及时提供电源，提高配电网的可靠性、抗灾能力，减少灾害带来的损失。
1.差异化成本规划
虽然配电网发生灾害情况时，时间比较短，但是在发生灾害时，配电网仍然会有一定的损耗，需考虑其经济指标，因此差异化成本规划的目标可以定义为：差异化建设成本和灾害时的经济损失(边际成本)最低，光伏储能装置的边际成本最低的目标函数如下：
Figure SMS_20
其中，f为边际成本，即差异化建设成本和灾害时的损失经济的基础上进行路径匹配的成本；CES为储能机组的综合设备成本和安装费用之和，PStorage.p为储能机组的有功功率输出；Tmin为发生灾害时，经济损失达到最小时的成本损失，N为光伏储能机组的数量。当然，不同规格的分布式光伏储能成本差异较大，所以对于配电网中的各个分布式光伏储能，需要有针对性进行优化，才能使得优化程度达到最高，使得优化效果达到最好。
2.差异化逐级规划
当电力系统发生自然灾害时，先对需供电的特级、一级负荷按照重要性进行排序，按照排序逐一以光伏储能装置的边际成本最低为目标，求出光伏储能装置为特级、一级负荷供电的最优供电通路；从所述多组光伏储能容量的优化解中，选取匹配所述最优供电通路的光伏储能容量最优解。
具体实施时，在确定好特级、一级负荷和分布式光伏储能后，配电网可以作为用户负荷与光伏储能的连接纽带。
(1)用户负荷按照重要性进行排序；
(2)排序结束以后，按照上述排序结果，寻找成本最低的连接通路或者最优路径，对于负荷r，优化问题如下：
Figure SMS_21
其中，fr为第r个负荷保障供电的边际成本；CES为ES机组的综合设备成本和安装费用之和，PStorage.p为储能的有功功率输出。N为光伏储能机组的数量，Trmin为发生灾害时，对应第r个负荷经济损失达到最小时的成本损失。
3.差异化逐级规划的约束条件
在进行匹配特级、一级负荷r与分布式光伏储能时，采用最优路径方法进行对应匹配，从而获得特级、一级负荷与各分布式光伏储能电源相互匹配的最优路径和边际成本，需考虑以下的约束条件：
(1)变电站容量不越限：
(2)输电线路的容量不越限
(3)边际成本等于线路中新增需要优化的分布式光伏储能、灾害后的损失以及建设的成本：
Figure SMS_22
从
Figure SMS_23
中选择出成本最低者，完成特级、一级负荷r与分布式光伏储能之间的供电通路，对各个不同的负荷采取逐级规划匹配。
当确定完最优供电通路后，从上述多组光伏储能容量的优化解中选择出最适合该匹配通路的容量配置，从而完成该分布式光伏和储能优化配置。
电网进行差异化规划后，靠近特级、一级负荷的分布式光伏储能发电设备应该优先进行容量优化，因为当分布式光伏储能发电进行优化后，其分布式光伏储能容量与负荷容量可以很好地进行匹配，还可以极大的缩短输电路径。当发生意外停电时，分布式光伏储能可以及时输送电能。配电网可以及时调节电压和调度储能，保证配电网的电压能够维持在正常范围内，减少故障时系统重要负荷削减量和持续时间，提高配电网的可靠性以及实用性。
实施例二：
一种基于配电网高可靠性的分布式光伏储能优化配置装置所述装置用于执行实施例一所述的方法
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

Claims (10)

1.一种基于配电网高可靠性的分布式光伏储能优化配置方法，其特征在于：基于配电网最小化投资成本、最小化电量不足期望、最小化线路网损目标函数，通过多目标优化方法求出多组光伏储能容量的优化解。
2.根据权利要求1所述的基于配电网高可靠性的分布式光伏储能优化配置方法，其特征在于：当电力系统发生自然灾害时，以光伏储能装置的边际成本最低为目标，求出光伏储能装置与特级、一级负荷供电路径之间的最优供电通路；从所述多组光伏储能容量的优化解中，选取匹配所述最优供电通路的光伏储能容量最优解。
3.根据权利要求1所述的基于配电网高可靠性的分布式光伏储能优化配置方法，其特征在于：所述最小化投资成本目标函数为，
Figure FDA0003994194000000011
式中，NPV、NES分别是光伏发电机和储能机组的分组数，CES为储能机组的综合设备成本和安装费用之和，PStorage.p为储能机组的有功功率输出，CPV为光伏发电机的设备成本和设备安装费用之和，CMG为配电网施工成本，可以表示为CMG＝c×pMG+d,其中c为配电网配置容量和建设成本的比例系数，有开关控制、无功补偿和谐波处理单元的综合成本，PMG是配电网区域的有功功率，d为配电网施工的恒定成本，Ppv.i是第i台光伏发电机的有功功率输出，配电网与公共设施连接点定义为公共耦合点，
Figure FDA0003994194000000021
CDG为无功功率的费用，PDG(i)为采样时分布式电源提供的无功功率，T表示为一年内光伏储能系统运行天数。
4.根据权利要求1所述的基于配电网高可靠性的分布式光伏储能优化配置方法，其特征在于：所述最小化电量不足期望目标函数为，
Pin＝PLine,in+PES×Pisland
式中，Pin为最小化电量不足期望值的概率，PLine,in为配电网内部线路的故障概率，PES是储能机组的故障概率，Pisland为配电网只有分布式电源供电的概率。
5.根据权利要求1所述的基于配电网高可靠性的分布式光伏储能优化配置方法，其特征在于：所述最小化线路网损目标函数为，
Figure FDA0003994194000000022
式中，minF3(x)为最小线路损耗；B是网络的分支集合，(i，j)∈B表示(i，j)是一个分支的两个节点；gij为节点i和j之间的电导；Vi和Vj是节点i和j的电压大小；θij是节点相位角θi和θj之间的相位差。
6.根据权利要求1所述的基于配电网高可靠性的分布式光伏储能优化配置方法，其特征在于：所述多目标优化方法包括约束条件，所述约束条件为潮流等式方程约束、负载设计能力约束、节点的电压约束、分布式电源的出力约束、储能荷电连续性约束、储能功率约束、储能充放电功率约束。
7.根据权利要求1所述的基于配电网高可靠性的分布式光伏储能优化配置方法，其特征在于：所述多目标优化方法采用粒子群算法。
8.根据权利要求2所述的基于配电网高可靠性的分布式光伏储能优化配置方法，其特征在于：所述光伏储能装置的边际成本最低目标函数为，
Figure FDA0003994194000000031
f为边际成本，即差异化建设成本和灾害时的损失经济的基础上进行路径匹配的成本；CES为储能机组的综合设备成本和安装费用之和，PStorage.p为储能机组的有功功率输出；Tmin为发生灾害时，经济损失达到最小时的成本损失，N为光伏储能机组的数量。
9.根据权利要求2所述的基于配电网高可靠性的分布式光伏储能优化配置方法，其特征在于：当电力系统发生自然灾害时，先对需供电的特级、一级负荷按照重要性进行排序，按照排序逐一寻找光伏储能装置为特级、一级负荷供电的最优供电通路。
10.一种基于配电网高可靠性的分布式光伏储能优化配置装置，其特征在于：用于执行权利要求1至9任何一项所述的方法。
CN202211599815.7A 2022-12-12 2022-12-12 配电网高可靠性的分布式光伏储能优化配置方法及装置 Pending CN116191558A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211599815.7A CN116191558A (zh) 2022-12-12 2022-12-12 配电网高可靠性的分布式光伏储能优化配置方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211599815.7A CN116191558A (zh) 2022-12-12 2022-12-12 配电网高可靠性的分布式光伏储能优化配置方法及装置

Publications (1)

Publication Number Publication Date
CN116191558A true CN116191558A (zh) 2023-05-30

Family

ID=86443193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211599815.7A Pending CN116191558A (zh) 2022-12-12 2022-12-12 配电网高可靠性的分布式光伏储能优化配置方法及装置

Country Status (1)

Country Link
CN (1) CN116191558A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117764258A (zh) * 2024-02-22 2024-03-26 广东电网有限责任公司广州供电局 供电路径优化方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117764258A (zh) * 2024-02-22 2024-03-26 广东电网有限责任公司广州供电局 供电路径优化方法及装置

Similar Documents

Publication Publication Date Title
Pourbehzadi et al. Optimal operation of hybrid AC/DC microgrids under uncertainty of renewable energy resources: A comprehensive review
Fathima et al. Optimization in microgrids with hybrid energy systems–A review
CN103490410B (zh) 一种基于多目标优化的微电网规划和容量配置方法
Abdolahi et al. Probabilistic multi-objective arbitrage of dispersed energy storage systems for optimal congestion management of active distribution networks including solar/wind/CHP hybrid energy system
Zhang et al. Research on bi-level optimized operation strategy of microgrid cluster based on IABC algorithm
Jahanbani et al. Optimum design of a hybrid renewable energy system
Hashem et al. A Bi-level optimizer for reliability and security assessment of a radial distribution system supported by wind turbine generators and superconducting magnetic energy storages
CN116191558A (zh) 配电网高可靠性的分布式光伏储能优化配置方法及装置
CN108667071B (zh) 一种主动配电网负荷精准控制计算方法
Zhang et al. Research on two-level energy optimized dispatching strategy of microgrid cluster based on IPSO algorithm
Masoudi et al. Multi-objective stochastic programming in microgrids considering environmental emissions
CN109615193B (zh) 一种考虑光伏与混合储能的综合能源系统规划方法
Shayeghi et al. Potentiometric of the renewable hybrid system for electrification of gorgor station
Skander-Mustapha et al. Energy management of rooftop PV system including battery storage: case study of ENIT building
Li et al. Joint planning of distributed generation, electric vehicle charging station, and active distribution network framework
Bhuiyan Optimal sizing and power management strategies of islanded microgrids for remote electrification systems
Zhuo et al. Two-Stage Optimized Dispatch Strategy of AC/DC Hybrid Microgrid under Uncertainty
CN113783213B (zh) 一种集中式储能电站选址定容两阶段优化方法
Lin et al. Distributed Photovoltaic Location Planning and Hosting Capacity Improvement Considering Network Reconfiguration and Mobile Energy Storage
CN113054685B (zh) 基于乌鸦算法和模式搜索算法的太阳能微电网调度方法
Abbasi Coordinated Volt-Var control in multiple smart inverters in Smart Distribution Networks for Voltage Regulation.
Sun et al. Optimized Operation Decision Method for Distribution Network Operation Considering Source-Grid-Load-Storage Interaction
Wang et al. Day-Ahead Economic Scheduling Model Considering Spatio-Temporal Flexibility of Data Center and Electric Vehicle
Sujatha et al. Discover Applied Sciences
Song et al. Scale and Scheduling Collaborative Optimization Based on Power Redistribution of Wind-solar-battery Hybrid Systems

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