CN116545009A - 一种分布式风光资源准入容量规划方法及系统 - Google Patents

一种分布式风光资源准入容量规划方法及系统 Download PDF

Info

Publication number
CN116545009A
CN116545009A CN202310427063.4A CN202310427063A CN116545009A CN 116545009 A CN116545009 A CN 116545009A CN 202310427063 A CN202310427063 A CN 202310427063A CN 116545009 A CN116545009 A CN 116545009A
Authority
CN
China
Prior art keywords
wind
power
planning
objective function
distribution network
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
CN202310427063.4A
Other languages
English (en)
Inventor
梁晓兵
安然然
杨跃
陶然
岳菁鹏
黄振琳
唐景星
陆俊
赵艳军
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.)
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202310427063.4A priority Critical patent/CN116545009A/zh
Publication of CN116545009A publication Critical patent/CN116545009A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • 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
    • 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
    • H02J2300/28—The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Analysis (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)
  • Power Engineering (AREA)
  • Public Health (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种分布式风光资源准入容量规划方法及系统，通过以配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数构建得到的目标函数，得到准入容量规划模型后，根据待规划节点、待规划容量等数据对准入容量规划模型进行求解，得到规划结果，再根据灵活性评价指标和新能源消纳品质指标对规划结果进行评价，选择评价结果满足预设条件的规划结果为最终规划结果，该方法通过允许配电网系统在某些时段弃风弃光的情况下，对配电网系统分布式风光资源规划结果进行计算分布式风光资源规划结果，并利用清洁能源消纳品质指标和灵活性评价指标对分布式风光资源规划结果进行评价，提高了规划结果的准确性和实用性，避免资源浪费。

Description

一种分布式风光资源准入容量规划方法及系统
技术领域
本发明涉及分布式风光资源准入容量分析技术领域，尤其涉及一种分布式风光资源准入容量规划方法及系统。
背景技术
21世纪以来，全球能源危机和环境问题日渐严重，越来越多的国家将“碳中和”上升为国家战略。以风电、太阳能光伏发电为主的清洁能源发电正逐步代替以火电为主的传统能源发电，清洁能源大量接入电网成为未来一大发展趋势。分布式风光资源接入配电网系统能够实现所发电能就地消纳，其灵活的运行方式也可以满足日益增长的负荷需求，降低电网扩建难度和输电网综合投资运行成本，提高配电网系统的可靠性。
与传统被动形式的配电网系统相比，主动配电网系统(Act ive Distr ibutionNetwork，主动配电网)可以有效地对各设备和接入的分布式电源(Distr ibutedGenerator,DG)进行主动控制，使源、网、荷各侧的灵活性资源得到最大程度的发挥，从而提高配电网系统的灵活性。大量分布式风光资源接入配电网系统为配电网系统带来经济、技术和环境效益的同时，也为配电网系统的运行和规划带来了挑战。由于风光伏出力具有随机性、波动性、间歇性的特点，风电和光伏发电带来的不确定性以及负荷预测的不确定性，使得分布式风电、光伏发电的出力与负载的时序特性之间存在着较大的不匹配性，导致配电网系统灵活性存在不足的情况。同时，也制约了系统对分布式风光资源的准入容量，导致风电、光伏发电的出力无法被系统完全消纳，从而造成了一定程度的弃风弃光。
发明内容
本发明提供了一种分布式风光资源准入容量规划方法及系统，通过允许配电网系统在某些时段弃风弃光的情况下，对配电网系统分布式风光资源规划结果进行计算分布式风光资源规划结果，并利用清洁能源消纳品质指标和灵活性评价指标对分布式风光资源规划结果进行评价，提高了规划结果的准确性和实用性，避免资源浪费。
为了解决上述技术问题，本发明实施例提供了一种分布式风光资源准入容量规划方法，包括：
获取待规划节点、待规划容量、储能设备数据和电力运行数据；
调用预设准入容量规划模型对待规划节点、待规划容量、储能设备数据和电力运行数据进行迭代求解，得到规划结果，将规划结果与预设规划结果进行比较得到规划误差，直到规划误差小于预设误差，则停止迭代求解，输出规划结果，其中，准入容量规划模型包括准入容量规划目标函数和系统约束条件，准入容量规划目标函数是通过配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数构建得到的，系统约束条件包括系统运行约束条件和灵活性约束条件；
根据灵活性评价指标和新能源消纳品质指标对规划结果进行评价，得到评价结果，若评价结果达到预设条件，则确定规划结果为最终规划结果，若评价结果未达到预设条件，则重新根据预设准入容量规划模型进行迭代计算，得到新的规划结果，再计算出新的规划结果的评价结果，重复此步骤直到新的规划结果的评价结果满足预设条件，确定新的规划结果为最终规划结果，以使配电网系统根据最终规划结果对分布式风光资源准入容量进行规划。
实施本实施例，获取待规划节点、待规划容量、储能设备数据和电力运行数据，通过以配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数构建得到的目标函数，得到准入容量规划模型后，根据待规划节点、待规划容量、储能设备数据和电力运行数据对准入容量规划模型进行求解，得到规划结果，再根据灵活性评价指标和新能源消纳品质指标对规划结果进行评价，选择评价结果满足预设条件的规划结果为最终规划结果，该方法通过允许配电网系统在某些时段弃风弃光的情况下，对配电网系统分布式风光资源规划结果进行计算分布式风光资源规划结果，并利用清洁能源消纳品质指标和灵活性评价指标对分布式风光资源规划结果进行评价，提高了规划结果的准确性和实用性，避免资源浪费。
作为优选方案，灵活性评价指标通过将联络线的电功率和系统电能允许波动率加权后得到，具体计算方式为：
其中，Ft为t时段电能允许波动率，分别为t时段电能允许向上和向下波动率的权重系数，其计算方式为：
其中，分别为t时段电能允许向上波动率与允许向下波动率；
新能源消纳品质指标为考虑弃风弃光的风光伏出力实际值与预测值之比，具体为：
其中，分别为风电出力预测值和光伏出力预测值，分别为风电出力实际值和光伏出力实际值，风电出力实际值等于风电出力预测值减去风弃电量，光伏出力实际值等于光伏出力预测值减去光弃电量，
其中，分别为风电出力实际值和光伏出力实际值，分别为风弃电量和光弃电量。
实施本实施例，根据灵活性评价指标和新能源消纳品质指标对所述最终规划结果进行评价，得到评价结果，以使配电网系统根据评价结果判断最终规划结果是否可以对分布式风光资源准入容量进行规划，该方法通过在原有安全运行约束条件的基础上，引入新能源能源消纳品质指标，综合分析分布式风光资源规划结果，进一步提高了分布式风光资源规划结果的准确性。
作为优选方案，风电出力预测值通过风电出力实际值与风电出力预测误差计算得到，其计算公式为：
其中，表示风电出力预测值，表示风电出力实际值，εt WT表示风电出力预测误差，所述风电出力预测误差的概率密度函数为：
其中，σt WT表示为风电出力预测误差的标准差，WWT,C为风电机组的总装机容量；
所述光伏出力预测值通过光伏出力实际值与光伏出力预测误差计算得到的，其计算公式为：
其中，表示光伏出力预测值，表示光伏出力实际值，εt PV表示光伏出力预测误差，所述光伏出力预测误差的概率密度函数为：
其中，表示为光伏出力预测误差的标准差，
作为优选方案，准入容量规划目标函数是通过配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数构建得到的，具体为：
将配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数分别进行归一化处理后，得到归一化后的配电网系统运行成本目标函数和归一化后的配电网系统风光资源准入容量目标函数，其中，配电网系统运行成本目标函数为：
其中，为变压器节点与上级电网的购售电费用，为实时电价，为变压器与上级电网的交换功率；为燃气轮机的发电费用，为天然气气价，QLHV为天然气热值，为燃气轮机输出功率，NGT为燃气轮机接入数量，为网损费用，为网损功率，为弃风弃光的惩罚费用，为惩罚价格，分别为弃风、弃光的功率；为风光的发电成本，分别为风、光发电价格，分别为风、光所发功率，NWT为风电机组接入数量，NPV为光伏发电单元接入数量；
配电网系统风光资源准入容量目标函数为：
其中，为待规划节点i处的风光资源实际消纳的功率，Ω为风光资源对应的节点集合；
将归一化后的配电网系统运行成本目标函数和归一化后的配电网系统风光资源准入容量目标函数按照不同的权重比例相加，得到规划目标函数，其中，准入容量规划目标函数公式为：
F＝ω1F'1+ω2F'2
其中，F表示准入容量规划目标函数，F'1表示归一化后的配电网系统运行成本目标函数，F'2表示归一化后的配电网系统风光资源准入容量目标函数，ω1、ω2分别表示归一化后的配电网系统运行成本目标函数所占的权重和归一化后的配电网系统风光资源准入容量目标函数所占的权重。
实施本实施例，通过将配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数分别进行归一化处理后，得到归一化后的配电网系统运行成本目标函数和归一化后的配电网系统风光资源准入容量目标函数，将归一化后的配电网系统运行成本目标函数和归一化后的配电网系统风光资源准入容量目标函数按照不同的权重比例相加，得到规划目标函数，该规划目标函数通过允许系统在某些时段适当地弃风弃光，能够显著提高风光资源的规划结果的准确性，避免了资源浪费。
作为优选方案，灵活性约束条件根据净负荷、灵活性资源出力的上限和灵活性资源出力的下限得到的，所述灵活性约束条件为：
其中，分别为t时段蓄电池所能提供的电能上调与下调灵活性裕度，分别为t时段燃气轮机所能提供的电能上调与下调灵活性裕度， 分别为考虑置信水平为1-α时，因净负荷波动预测误差产生的配电网系统的最大向上灵活性需求与最大向下灵活性需求。
作为优选方案，为了解决相同的技术问题，本发明实施例还提供了一种分布式风光资源准入容量规划系统，包括获取模块、规划结果计算模块和评价模块，
获取模块，用于获取待规划节点、待规划容量、储能设备数据和电力运行数据；
规划结果计算模块，用于调用预设准入容量规划模型对待规划节点、待规划容量、储能设备数据和电力运行数据进行迭代求解，得到规划结果，将规划结果与预设规划结果进行比较得到规划误差，直到规划误差小于预设误差，则停止迭代求解，输出规划结果，其中，准入容量规划模型包括准入容量规划目标函数和系统约束条件，准入容量规划目标函数是通过配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数构建得到的，系统约束条件包括系统运行约束条件和灵活性约束条件；
评价模块，用于根据灵活性评价指标和新能源消纳品质指标对规划结果进行评价，得到评价结果，若评价结果达到预设条件，则确定规划结果为最终规划结果，若评价结果未达到预设条件，则重新根据预设准入容量规划模型进行迭代计算，得到新的规划结果，再计算出新的规划结果的评价结果，重复此步骤直到新的规划结果的评价结果满足预设条件，确定新的规划结果为最终规划结果，以使配电网系统根据最终规划结果对分布式风光资源准入容量进行规划。
作为优选方案，评价模块包括评价指标构建单元，
其中，评价指标构建单元用于灵活性评价指标通过将联络线的电功率和系统电能允许波动率加权后得到，具体计算方式为：
其中，Ft为t时段电能允许波动率，分别为t时段电能允许向上和向下波动率的权重系数，其计算方式为：
其中，分别为t时段电能允许向上波动率与允许向下波动率；
新能源消纳品质指标为考虑弃风弃光的风光伏出力实际值与预测值之比，具体为：
其中，分别为风电出力预测值和光伏出力预测值，分别为风电出力实际值和光伏出力实际值，风电出力实际值等于风光伏出力预测值减去风弃电量，光伏出力实际值等于光伏出力预测值减去光弃电量，
其中，分别为风电出力实际值和光伏出力实际值，分别为风弃电量和光弃电量。
作为优选方案，评价模块还包括风电出力预测值单元和光伏出力预测值单元，
其中，风电出力预测值单元用于通过风电出力实际值与风电出力预测误差计算得到风电出力预测值，其计算公式为：
其中，表示风电出力预测值，表示风电出力实际值，εt WT表示风电出力预测误差，风电出力预测误差的概率密度函数为：
其中，σt WT表示为风电出力预测误差的标准差，WWT,C为风电机组的总装机容量；
光伏出力预测值单元用于通过光伏出力实际值与光伏出力预测误差计算得到的光伏出力预测值，其计算公式为：
其中，表示光伏出力预测值，表示光伏出力实际值，εt PV表示光伏出力预测误差，光伏出力预测误差的概率密度函数为：
其中，表示为光伏出力预测误差的标准差，
作为优选方案，规划结果计算模块包括归一化单元和规划目标函数单元，
其中，归一化单元用于将配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数分别进行归一化处理后，得到归一化后的配电网系统运行成本目标函数和归一化后的配电网系统风光资源准入容量目标函数，其中，配电网系统运行成本目标函数为：
其中，为变压器节点与上级电网的购售电费用，为实时电价，为变压器与上级电网的交换功率；为燃气轮机的发电费用，为天然气气价，QLHV为天然气热值，为燃气轮机输出功率，NGT为燃气轮机接入数量，为网损费用，为网损功率，为弃风弃光的惩罚费用，为惩罚价格，分别为弃风、弃光的功率；为风光的发电成本，分别为风、光发电价格，分别为风、光所发功率，NWT为风电机组接入数量，NPV为光伏发电单元接入数量；
配电网系统风光资源准入容量目标函数为：
其中，为待规划节点i处的风光资源实际消纳的功率，Ω为风光资源对应的节点集合；
规划目标函数单元用于将归一化后的配电网系统运行成本目标函数和归一化后的配电网系统风光资源准入容量目标函数按照不同的权重比例相加，得到规划目标函数，其中，准入容量规划目标函数公式为：
F＝ω1F'1+ω2F'2
其中，F表示准入容量规划目标函数，F'1表示归一化后的配电网系统运行成本目标函数，F'2表示归一化后的配电网系统风光资源准入容量目标函数，ω1、ω2分别表示归一化后的配电网系统运行成本目标函数所占的权重和归一化后的配电网系统风光资源准入容量目标函数所占的权重。
作为优选方案，规划结果计算模块还包括灵活性约束单元，
灵活性约束单元用于根据净负荷、灵活性资源出力的上限和灵活性资源出力的下限得到的灵活性约束条件，灵活性约束条件为：
其中，分别为t时段蓄电池所能提供的电能上调与下调灵活性裕度，分别为t时段燃气轮机所能提供的电能上调与下调灵活性裕度，分别为考虑置信水平为1-α时，因净负荷波动预测误差产生的配电网系统的最大向上灵活性需求与最大向下灵活性需求。
获取待规划节点、待规划容量、储能设备数据和电力运行数据，通过以配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数构建得到的目标函数，得到准入容量规划模型后，根据待规划节点、待规划容量、储能设备数据和电力运行数据对准入容量规划模型进行求解，得到规划结果，再根据灵活性评价指标和新能源消纳品质指标对规划结果进行评价，选择评价结果满足预设条件的规划结果为最终规划结果，该方法通过允许配电网系统在某些时段弃风弃光的情况下，对配电网系统分布式风光资源规划结果进行计算分布式风光资源规划结果，并利用清洁能源消纳品质指标和灵活性评价指标对分布式风光资源规划结果进行评价，提高了规划结果的准确性和实用性，避免资源浪费。
附图说明
图1：为本发明提供的分布式风光资源准入容量规划方法一种实施例的流程示意图；
图2：为本发明提供的分布式风光资源准入容量规划方法一种实施例的主动配电网辐射状运行示意图；
图3：为本发明提供的分布式风光资源准入容量规划方法一种实施例的风速与功率关系示意图；
图4：为本发明提供的分布式风光资源准入容量规划方法一种实施例的灵活性供需平衡示意图；
图5：为本发明提供的分布式风光资源准入容量规划方法一种实施例的主动配电网系统结构示意图；
图6：为本发明提供的分布式风光资源准入容量规划方法一种实施例的方案一的系统风光资源消纳情况示意图；
图7：为本发明提供的分布式风光资源准入容量规划方法一种实施例的方案三的系统风光资源消纳情况示意图；
图8：为本发明提供的分布式风光资源准入容量规划方法一种实施例的方案二的系统风光资源消纳情况示意图；
图9：为本发明提供的分布式风光资源准入容量规划方法另一种实施例的系统结构示意图。
具体实施方式
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。
实施例一
请参照图1，为本发明实施例提供的分布式风光资源准入容量规划方法，该包括步骤101至步骤103，各步骤具体如下：
步骤101：获取待规划节点、待规划容量、储能设备数据和电力运行数据。
在本实施例中，获取待规划节点、待规划容量、储能设备数据和电力运行数据。需要说明的是，在对分布式风光资源准入容量规划进行规划前需输入的数据包括但不限于以下数据：网架数据、设备数据、负荷数据、风光数据和风光等设备待规划的节点及其规划的容量。
步骤102：调用预设准入容量规划模型对待规划节点、待规划容量、储能设备数据和电力运行数据进行迭代求解，得到规划结果，将规划结果与预设规划结果进行比较得到规划误差，直到规划误差小于预设误差，则停止迭代求解，输出规划结果，其中，准入容量规划模型包括准入容量规划目标函数和系统约束条件，准入容量规划目标函数是通过配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数构建得到的，系统约束条件包括系统运行约束条件和灵活性约束条件。
可选的，准入容量规划目标函数是通过配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数构建得到的，具体为：
将配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数分别进行归一化处理后，得到归一化后的配电网系统运行成本目标函数和归一化后的配电网系统风光资源准入容量目标函数，其中，配电网系统运行成本目标函数为：
其中，为变压器节点与上级电网的购售电费用，为实时电价，为变压器与上级电网的交换功率；为燃气轮机的发电费用，为天然气气价，QLHV为天然气热值，为燃气轮机输出功率，NGT为燃气轮机接入数量，为网损费用，为网损功率，为弃风弃光的惩罚费用，为惩罚价格，分别为弃风、弃光的功率；为风光的发电成本，分别为风、光发电价格，分别为风、光所发功率，NWT为风电机组接入数量，NPV为光伏发电单元接入数量；
配电网系统风光资源准入容量目标函数为：
其中，为待规划节点i处的风光资源实际消纳的功率，Ω为风光资源对应的节点集合；
将归一化后的配电网系统运行成本目标函数和归一化后的配电网系统风光资源准入容量目标函数按照不同的权重比例相加，得到规划目标函数，其中，准入容量规划目标函数公式为：
F＝ω1F'1+ω2F'2
其中，F表示准入容量规划目标函数，F'1表示归一化后的配电网系统运行成本目标函数，F'2表示归一化后的配电网系统风光资源准入容量目标函数，ω1、ω2分别表示归一化后的配电网系统运行成本目标函数所占的权重和归一化后的配电网系统风光资源准入容量目标函数所占的权重。
可选的，灵活性约束条件根据净负荷、灵活性资源出力的上限和灵活性资源出力的下限得到的，灵活性约束条件为：
其中，分别为t时段蓄电池所能提供的电能上调与下调灵活性裕度，分别为t时段燃气轮机所能提供的电能上调与下调灵活性裕度， 分别为考虑置信水平为1-α时，因净负荷波动预测误差产生的配电网系统的最大向上灵活性需求与最大向下灵活性需求。
在本实施例中，主动配电网的稳态运行模式主要为辐射状运行，其结构简图如图2所示。针对辐射结构拓扑网络，可通过有向图进行描述，记节点i到节点j为支路i j的潮流流向的正方向，δ(j)为以j为首端节点的支路末端节点集合，π(j)为以j为末端节点的支路首端节点集合。从图2中可以看出，Sij和sj为复功率，Sij＝Pij+iQij以及sj＝pj+iqj，且支路复阻抗Zij＝rij+ixij，集合B表示网络中所有节点集合；节点0为变电站节点，传统最优潮流中，电压保持恒定，若装有有载分接开关，则电压会随着OLTC变比变化而变化；E表示网络中所有支路集合。计网络中有Nsub个变电站、Nbus个节点及NLine条支路。
基于支路潮流模型的最优潮流一般模型如下：
minf(p,q,P,Q,V,I)
其中，p、q分别表示节点注入的有功功率、无功功率，P、Q分别表示支路传输的有功功率、无功功率，V表示节点电压，I表示支路电流，π(j)、δ(j)分别为与节点j相连支路的首、末节点的集合，B为节点集合，E为支路集合，rij、xij分别表示支路i j的电阻与电抗，分别表示t时段支路i j的潮流，分别表示t时段节点j消耗的有功功率与无功功率；表示t时段支路i j的电流，表示t时段节点j的电压，Iij分别表示支路i j电流的上下限，Vj分别表示节点j的电压上下限。
风电机组的输出功率主要由风速决定，其风力发电机组的风速-功率函数关系如图3所示，从图3可以看出：当风速vt＜vin时，风电机组出力为零，当vt＞vin时，风电机组开始出力，且随风速增加，风电机组的输出功率呈非线性上升的趋势，称该临界值vin为切入风速。当vN≤vt≤vout时，风电机组的输出功率保持在风电机组额定输出功率不变，称该临界值vN为额定风速。当vt＞vout时，风速过大，风电机组若继续运行将存在一定的风险，因此风电机组将停机，称该风速vout为切出风速。考虑到风机的弃风行为，将上述关系作为风机的预测可发电功率与风速的关系。风机模型可以表示为：
其中，为风电机组输出功率，PWT,N为风电机组额定输出功率，为简化计算，取风电机组的额定输出功率为其装机容量，vt为实际风速，vin为切入风速，vN为额定风速，vout为切出风速。
光伏发电设备的输出功率主要与光伏阵列接受的光照强度、运行工况以及环境温度有关。由于光伏发电受光照强度影响最大，因此为简化计算，可以采用不考虑温度对光伏发电影响的出力模型。考虑到光伏的弃光行为，光伏发电模型可以表示为：
其中，为光伏在t时刻预测的最大发电功率，一般取λPV＝0.9，ST,STC＝1kW/m2。
配电网中的储能设备主要为电化学储能，其能量的存储和释放过程可用如下模型进行表示：
Emin≤Et≤Emax
ET＝E0
其中，Et为储能设备在t时段储存的能量，δ为储能设备的能量自损率，ηc、ηd分别为储能设备的蓄能效率与放能效率，分别为储能设备蓄、放能功率， 分别为储能设备蓄、放能标志符，该标志符为0-1变量，取1时表示储能设备在t时段蓄能或者放能，取0时表示储能设备不动作，分别为储能设备蓄、放能功率上限，Emax、Emin分别为储能装置的储能上下限。
燃气轮机通过将天然气中的化学能转化为电能输出，其能量转化与运行约束如下：
其中，为燃气轮机在t时段输出的电功率，ηGTE,n为燃气轮机的发电效率系数，为燃气轮机用气量，分别为燃气轮机出力的上下限，rup、rdown分为别燃气轮机最大向上、向下爬坡功率。
选择配电网运行成本最低为目标函数一，该目标函数具体如下：
其中，为变压器节点与上级电网的购售电费用，为实时电价，为变压器与上级电网的交换功率，为燃气轮机的发电费用，为天然气气价，QLHV为天然气热值，为燃气轮机输出功率，NGT为燃气轮机接入数量，为网损费用，为网损功率，为弃风弃光的惩罚费用，为惩罚价格，分别为弃风、弃光的功率；为风光的发电成本，分别为风、光发电价格，分别为风、光所发功率，NWT为风电机组接入数量，NPV为光伏发电单元接入数量；
选择配电网风光资源准入容量最大为目标函数二，该目标函数具体如下：
其中，为待规划节点i处的风光资源实际消纳的功率，Ω为风光资源对应的节点集合；
由于两个目标函数的量纲不同，无法进行比较，因此需要将两个目标函数进行归一化处理，处理方法如下：
将目标函数一处理为：
其中，为变压器节点与上级电网的购售电费用，为燃气轮机的发电费用，为网损费用，为弃风弃光的惩罚费用，为风光的发电成本，Cmax、Cmin分别为配电网理论运行成本的最大、最小值。
将目标函数二处理为：
其中，PWTPV,max、PWTPV,min分别为配电网理论风光资源接入容量的最大、最小值。
将归一化后的目标函数一和归一化后的目标函数二按照不同的权重比例相加，得到规划目标函数，其中，准入容量规划目标函数公式为：
F＝ω1F'1+ω2F'2
其中，F表示准入容量规划目标函数，F'1表示归一化后的配电网系统运行成本目标函数，F'2表示归一化后的配电网系统风光资源准入容量目标函数，ω1、ω2分别表示归一化后的配电网系统运行成本目标函数所占的权重和归一化后的配电网系统风光资源准入容量目标函数所占的权重。
需要说明的是，归一化后的配电网系统运行成本目标函数所占权重和归一化后的配电网系统风光资源准入容量目标函数所占权重的权重值可以根据需要是选取值。
灵活性供需平衡可以通过“源—网—荷—储”协同互补的方式实现。由于新能源发电的随机性以及负荷预测的不确定性，使得灵活性资源在日前调度时要保持足够的裕度，以适应系统的灵活性。由于各种不确定因素的存在，电力系统在运行时会产生净负荷的动态变化，其动态变化的情况如图4所示。从图4中可以发现，目前的净负荷曲线介于灵活性资源出力上、下限的包络线之间，从而使灵活性资源可以满足系统的灵活性要求，使灵活性的供给和需求达到均衡。若运行状态随后发生改变，发生以下三种不同场景的功率波动，将会发生以下三种情况：在情况一中，净负荷的变动幅度超过了灵活性资源出力的最大值，此时由于缺乏灵活性，使得系统的供需关系不能得到很好的平衡；在情况三中，净负荷的变动幅度小于灵活性资源的下限，此时由于缺乏系统的灵活性，使得系统的供需关系不能得到很好的平衡；在情况二中，净负荷的波动未超过灵活性资源出力的上下限，此时系统灵活性供需关系能够达到平衡。据此设置灵活性供需约束条件如下：
其中，分别为t时段蓄电池所能提供的电能上调与下调灵活性裕度，分别为t时段燃气轮机所能提供的电能上调与下调灵活性裕度， 分别为考虑置信水平为1-α时，因净负荷波动预测误差产生的配电网系统的最大向上灵活性需求与最大向下灵活性需求。
步骤103：根据灵活性评价指标和新能源消纳品质指标对规划结果进行评价，得到评价结果，若评价结果达到预设条件，则确定规划结果为最终规划结果，若评价结果未达到预设条件，则重新根据预设准入容量规划模型进行迭代计算，得到新的规划结果，再计算出新的规划结果的评价结果，重复此步骤直到新的规划结果的评价结果满足预设条件，确定新的规划结果为最终规划结果，以使配电网系统根据最终规划结果对分布式风光资源准入容量进行规划。
可选的，灵活性评价指标通过将联络线的电功率和系统电能允许波动率加权后得到，具体计算方式为：
其中，Ft为t时段电能允许波动率，分别为t时段电能允许向上和向下波动率的权重系数，其计算方式为：
其中，分别为t时段电能允许向上波动率与允许向下波动率；
新能源消纳品质指标为考虑弃风弃光的风光伏出力实际值与预测值之比，具体为：
其中，分别为风电出力预测值和光伏出力预测值，分别为风电出力实际值和光伏出力实际值，风电出力实际值等于风电出力预测值减去风弃电量，光伏出力实际值等于光伏出力预测值减去光弃电量，
其中，分别为风电出力实际值和光伏出力实际值，分别为风弃电量和光弃电量。
可选的，风电出力预测值通过风电出力实际值与风电出力预测误差计算得到，其计算公式为：
其中，表示风电出力预测值，表示风电出力实际值，εt WT表示风电出力预测误差，风电出力预测误差的概率密度函数为：
其中，σt WT表示为风电出力预测误差的标准差，WWT,C为风电机组的总装机容量；
光伏出力预测值通过光伏出力实际值与光伏出力预测误差计算得到的，其计算公式为：
其中，表示光伏出力预测值，表示光伏出力实际值，εt PV表示光伏出力预测误差，光伏出力预测误差的概率密度函数为：
其中，表示为光伏出力预测误差的标准差，
在本实施例中，灵活性资源是对灵活性需求响应进行分析和建立灵活性评价指标的依据，因此配电网内的各类灵活性资源模型为：
在系统灵活性资源提供的灵活性调节裕度中，燃气轮机机组占有较大比重，是目前应用最广泛的灵活性资源。因灵活性具有方向性，所以机组的灵活性裕度分为上调和下调灵活性裕度。燃气轮机机组在某一时刻的上调灵活性裕度应取机组向上爬坡极限与最大发电功率和当前功率输出的差值之间的最小值。同理，机组在某一时刻的下调灵活性裕度应取向下爬坡极限与当前功率输出功率与最小发电功率的差值之间的最小值。据此可将机组提供的电能灵活性表示如下：
其中，分别为t时段燃气轮机所能提供的电能上调与下调灵活性裕度，RGT,up、RGT,down分别为燃气轮机向上与向下爬坡速率，PGT，max、PGT,min分别为燃气轮机最大与最小电能输出功率。
在配电网系统中，储能设备可以作为灵活性资源调节系统功率的波动。因灵活性具有方向性，所以储能设备的灵活性裕度分为上调和下调灵活性裕度。储能设备在某一时刻的电能上调灵活性裕度应取蓄电池剩余存储容量提供的电能输出与最大放电功率和当前放电功率的差值两者中的最小值。同理，储能设备在某一时刻的电能下调灵活性裕度应取蓄电池剩余充电容量提供的电能输出与最大充电功率和当前充电功率的差值两者中的最小值。据此蓄电池提供的电能灵活性表示如下：
其中，分别为t时段蓄电池所能提供的电能上调与下调灵活性裕度，PES,d,max、PES,c,max分别为蓄电池最大放电与充电功率，SES，max、SES，min分别为蓄电池最大与最小容量，分别为蓄电池在t时段的放电与充电功率，为蓄电池在t时段的状态。
为了定量地分析配电网灵活性充裕程度，进而更好地度量其灵活性裕度是否充足，将配电网的灵活性评价指标定义为能量允许波动率，其中，系统上调和下调灵活性分别由允许向上和向下波动率来反映。该数值越大，说明系统灵活性裕度越充足，如：当允许向上和向下波动率都达到100％时，则表明系统灵活性裕度足够，当允许向上和向下波动率均为0时，系统无灵活性裕度。在日前调度阶段，以24小时为一个调度周期，每一个小时为一个调度时段，在小时级别上，系统电能允许波动率的表达式如下式所示：
其中，分别为t时段电能允许向上波动率与允许向下波动率；为系统t时段联络线的电功率，其具体表达式如下式所示：
其中，为光伏在t时段联络线的电功率，为风电在t时段联络线的电功率，为燃气轮机在t时段输出的电功率，为储能设备在t时段联络线的电功率。
在评估系统灵活性时，应综合考虑上调和下调灵活性，因此可通过将两者加权的方式得到各时刻系统的综合灵活性，其具体表达式如下式所示：
其中，Ft为t时段电能允许波动率，分别为t时段电能允许向上和向下波动率的权重系数，其计算方式如下式所示：
在配电网优化运行的各个调度间隔内，要满足灵活性的供需平衡，灵活性供需平衡体系的维持主要依赖于系统中灵活性资源出力的调节速率。同时，灵活性资源出力调节的响应能力能否实现也取决于系统是否具有足够强大的传输线路。因此，作为整个系统灵活性资源的支撑平台，配电网的网架结构需要考虑其支路在运行过程中电流裕度的情况，线路能够承受的电流最大值与线路当前时刻流过的电流大小之差可用于表示线路电流裕度情况，系统在运行的过程中配电网的线路电流裕度不能为负值。因此，可将配电网局部灵活性约束表示如下：
其中，为t时刻流过支路i j的电流，为支路ij允许流过的最大电流。
满足灵活约束条件所求得的配电网风光资源最大准入容量反映了配电网在灵活性约束下的极限状态，由于在该约束条件下并未考虑系统弃风弃光的可能，而在某些时段适当进行弃风、弃光，将会增大配电网对分布式风光资源的消纳，因此这种状态通常并不意味着当前配电网对风光资源的消纳容量达到最大。为此在满足灵活性约束的基础上，提出考虑新能源消纳品质指标的主动配电网分布式风光资源最大准入容量评估策略。
新能源消纳品质指标主要通过新能源利用率进行衡量。新能源利用率为考虑弃风弃光的风光伏出力的实际值与预测值之比，具体为：
其中，Rs表示新能源利用率，分别为风电出力预测值和光伏出力预测值，分别为风电出力实际值和光伏出力实际值，风电出力实际值等于风电出力预测值减去风弃电量，光伏出力实际值等于光伏出力预测值减去光弃电量，
其中，分别为风电出力实际值和光伏出力实际值，分别为风弃电量和光弃电量。
而风电出力预测值通过风电出力实际值与风电出力预测误差计算得到，其计算公式为：
其中，表示风电出力预测值，表示风电出力实际值，εt WT表示风电出力预测误差，风电出力预测误差的概率密度函数为：
其中，σt WT表示为风电出力预测误差的标准差，WWT,C为风电机组的总装机容量；
光伏出力预测值通过光伏出力实际值与光伏出力预测误差计算得到的，其计算公式为：
其中，表示光伏出力预测值，表示光伏出力实际值，εt PV表示光伏出力预测误差，光伏出力预测误差的概率密度函数为：
其中，表示为光伏出力预测误差的标准差，
此外，配电网的灵活性需求预测主要由系统净负荷波动以及风、光、负荷的预测误差产生。净负荷即主动配电网所有节点负荷之和与风、光总出力的差值。实际中配电网系统的净负荷波动由风、光及负荷的实际值决定，而预测误差则由风、光及负荷的预测结果与实际出力的差值决定，两者均受到诸多因素影响。由于风、光及负荷的出力预测误差受各种随机因素的影响很小，因此，可认为风、光及负荷的出力预测误差均服从正态分布。风、光及负荷的预测模型，以及配电网灵活性需求预测模型分别为：
在日前的每个调度时段t内，光伏出力的预测值为其出力实际值与预测误差的和：
其中，表示光伏出力预测值，表示光伏出力实际值，εt PV表示光伏出力预测误差，对于24小时内的光伏出力预测，每个调度时段t内的光伏预测误差的平均值即期望可视为0，标准差可近似表示为：
因此，光伏预测误差εt PV的概率密度函数可表示为：
其中，表示为光伏出力预测误差的标准差，
已有的风电出力数据表明，风电预测误差并不服从正态分布。但由于风电机组数量较大，且地理分布较为分散，通过中心极限定理可以证明，风电预测误差近似服从正态分布。因此，在日前的每个调度时段t内，风电出力的预测值为其出力实际值与预测误差的和：
其中，表示风电出力预测值，表示风电出力实际值，εt WT表示风电出力预测误差，对于24小时内的风电出力预测，每个调度时段t内的风电预测误差的平均值即期望可视为0，标准差可近似表示为：
其中，σt WT表示为风电出力预测误差的标准差，WWT,C为风电机组的总装机容量，表示风电出力预测值。
因此，风电预测误差的概率密度函数可表示为：
其中，σt WT表示为风电出力预测误差的标准差，WWT,C为风电机组的总装机容量，εt WT表示风电预测误差。
净负荷预测值通常根据当地的净负荷历史数据求得。假设净负荷预测值由净负荷实际值和净负荷预测误差组成，该净负荷预测误差服从期望为0，标准差为σt L的正态分布，则在日前的每个调度时段t内，净负荷的预测值为净负荷实际值与预测误差εt L的和：
其中，εt L表示净负荷预测误差，表示净负荷的预测值，表示净负荷实际值。
由于目前净负荷预测的方法已十分成熟，且净负荷具有周期性。因此，可假设在净负荷预测范围内，每个调度时段t内的净负荷预测的标准差等于净负荷的预测值的百分比：
其中，σt L表示净负荷预测的标准差，表示净负荷的预测值。
因此，净负荷预测误差的概率密度函数可表示为：
其中，εt L表示净负荷预测误差。
配电网系统的净负荷预测值为风、光及负荷预测值的叠加，由于风、光及负荷的预测误差是互不相关的，且三者均服从期望为0的正态分布，因此，配电网系统的净负荷预测误差也应服从期望为0，标准差为的正态分布。配电网系统的净负荷预测值为净负荷实际值与净负荷预测误差的和：
其中，εt NL表示为净负荷预测误差，σt NL表示为标准差，表示为净负荷预测值，表示为净负荷实际值，净负荷实际值为负荷的实际值减去风、光伏出力的实际值：
其中，表示为净负荷实际值，表示光伏出力预测值，表示风电出力预测值，
在每个调度时段t内，净负荷预测误差的标准差为：
其中，σt NL表示为净负荷预测误差，σt L表示净负荷预测的标准差，σt WT表示为风电出力预测误差的标准差，表示为光伏出力预测误差的标准差。
因此，净负荷预测误差的概率密度函数可表示为：
其中，εt NL表示净负荷预测误差。
由灵活性需求的定义可知，在日前调度时，每个调度时段Δt内，配电网系统的灵活性需求预测值应为净负荷预测值的波动量与净负荷波动预测误差的和，即
其中，εt FD表示净负荷波动预测误差，表示净负荷预测值的波动量，表示灵活性需求预测值，表示净负荷预测值的波动量，净负荷预测值的波动量表达式为：
其中，表示净负荷预测值在t+Δt时刻的波动量，表示净负荷预测值在t时刻的波动量。
在每个调度时段Δt内，净负荷波动预测误差的标准差为：
其中，σt FD表示净负荷波动预测误差，σt2 NL表示为净负荷在t时刻的预测误差的平方，σ(t+Δt)2 NL表示为净负荷在t+Δt时刻的预测误差的平方。
假设相邻调度时段的净负荷预测误差互不相关，则每个调度时段净负荷波动预测误差应服从期望为0，标准差为的正态分布。其概率密度函数可表示为：
其中，εt FD表示净负荷波动预测误差，σt FD表示净负荷波动标准差。
此外，因为风、光及负荷发生较大预测误差的概率很小，若在日前调度考虑这部分预测误差，可能造成预留灵活性裕度过大，导致运行成本的增加以及资源的浪费。因此，为了得到合理的配电网灵活性需求预测模型，还需要考虑一定的置信水平。假设决策者考虑的置信水平为1-α，则每个调度时段t内，配电网系统的灵活性需求预测值的范围应为：
其中，分别为配电网系统灵活性需求预测值的置信上限与置信下限，分别为考虑置信水平为1-α时，因净负荷波动预测误差产生的配电网系统的最大向上灵活性需求与最大向下灵活性需求。在每个调度时段t内，其表达式为：
其中，分别为考虑置信水平为1-α时，因净负荷波动预测误差产生的配电网系统的最大向上灵活性需求与最大向下灵活性需求。
作为本实施例的一种举例，如图5所示，该主动配电网系统中包含两个风光接入区，定义风光资源充足的区域为风光接入区，区域内的节点可接入风光机组。在节点17、22、32接入容量为1200kW的燃气轮机，爬坡速率为600kW/h，产电效率为0.4，在节点4、5、6、7、9、14、15、17、32、33接入容量为4000kW的储能设备，该储能设备的充/放电效率为0.98，能量自损率为0.01，最大充/放电量为2000kW/h，在节点6、30有调节范围为-0.1～0.5MVar的连续型无功补偿装置。
为验证本发明所提方案的有效性，设置如下对比算例。
(1)方案一：只考虑目标函数二，即要求配电网的风光资源准入容量最大，计算此时系统的风光资源的准入容量与清洁能源消纳品质指标。
(2)方案二：综合考虑目标函数一与目标函数二，计算此时系统的风光资源的准入容量与清洁能源消纳品质指标。
(3)方案三：在不考虑弃风弃光的情况下，综合考虑目标函数一与目标函数二，计算此时系统的风光资源的准入容量与清洁能源消纳品质指标。
进而得到了三种方案下，系统各节点风光机组的配置情况。
表1方案一各节点风光机组配置情况
表2方案三各节点风光机组配置情况
表3方案二各节点风光机组配置情况
如前所述，系统7、8、9、10、30、31、32、33节点接入分布式电源，单台风机与光伏最大出力分别为200kW、180kW。
从表中数据可以看出：由于方案一仅要求系统风光资源准入容量最大，未考虑系统的运行成本，从表1可以看出，方案一中各节点风机、光伏接入数量很大，说明仅考虑风光资源接入容量，不考虑系统的运行成本是不合理的。
图6、7、8分别给出了三种方案下系统风光资源的消纳情况。图中左边为表示各时段风光资源的消纳值，右边为各时段风光的实际出力值，从图中可以看出在8h-17h时段，方案一中各时段风光的出力值与各时段风光资源的消纳量之间的差值很大，说明在该时段系统弃风弃光现象严重，方案二中风光资源的消纳量仅在个别时段，如17h、21h时段低于风光的出力值，说明方案二中系统仅在个别时段存在弃风弃光现象，方案三中风光资源的消纳量在任意时段与风光的出力值相等，说明方案三中系统不存在弃风弃光现象。
以下是三种方案得到的系统风光资源准入容量、弃风弃光量和清洁能源消纳品质指标：
表4各个方案结果
对比三个方案的结果可以看出：由于方案一只要求风光资源准入容量最大，并未考虑配电网运行成本，因此方案一中系统风光资源准入容量虽然最大，但导致系统弃风弃光的现象较为严重，新能源利用率很低，新能源的消纳品质很低；方案二综合考虑了风光资源的准入容量和配电网的运行成本，在该方案下系统的风光资源准入容量虽然低于方案一，但系统的弃风弃光量较方案一显著减小，新能源利用率显著提高，新能源消纳品质明显提高；由于方案三要求系统不能弃风弃光，与方案二相比，虽然新能源利用率为100％，但系统的风光资源准入容量明显低于方案二与方案一。
表5给出了三种方案下系统产生的交易成本、购气成本、网损成本、弃风弃光成本和风光发电成本。
表5各个方案各类成本
从表中数据可以看出，方案一中因弃风弃光造成的罚款费用最高，为947797元，说明方案一中系统的弃风弃光现象非常严重，且方案一中系统的网损成本最高，为61316元，其运行成本也最高，为1142173元，方案二系统日内运行成本较方案三仅高出11290元，而结合表4中数据可知，方案二系统风光资源准入容量较方案三高出59780kW，说明允许系统弃风弃光，在牺牲一定经济性的情况下，可显著提高系统风光资源准入容量。
通过以上仿真结果可以看出，仅要求风光资源准入容量最大，不考虑配电网的运行成本，将导致系统在运行中产生的损耗很高，且弃风弃光现象严重，新能源利用率很低，消纳品质差；允许系统在某些时段适当地弃风弃光，能够显著提高风光资源的准入容量，同时保证消纳品质较好，提高了调度结构的准确性和实用性。
实施例二
相应地，参见图9，图9是本发明提供的一种分布式风光资源准入容量规划系统结构示意图，如图所示，该分布式风光资源准入容量规划系统，包括获取模块901、规划结果计算模块902和评价模块903其中，各模块具体单元如下：
获取模块901，用于获取待规划节点、待规划容量、储能设备数据和电力运行数据；
规划结果计算模块902，用于调用预设准入容量规划模型对所述待规划节点、所述待规划容量、所述储能设备数据和所述电力运行数据进行迭代求解，得到规划结果，将所述规划结果与预设规划结果进行比较得到规划误差，直到所述规划误差小于预设误差，则停止迭代求解，输出所述规划结果，其中，所述准入容量规划模型包括准入容量规划目标函数和系统约束条件，所述准入容量规划目标函数是通过配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数构建得到的，所述系统约束条件包括系统运行约束条件和灵活性约束条件；
评价模块903，用于根据灵活性评价指标和新能源消纳品质指标对所述规划结果进行评价，得到评价结果，若所述评价结果达到预设条件，则确定所述规划结果为最终规划结果，若所述评价结果未达到预设条件，则重新根据预设准入容量规划模型进行迭代计算，得到新的规划结果，再计算出所述新的规划结果的评价结果，重复此步骤直到所述新的规划结果的评价结果满足预设条件，确定所述新的规划结果为最终规划结果，以使配电网系统根据所述最终规划结果对分布式风光资源准入容量进行规划。
可选的，评价模块903包括评价指标构建单元9031，
其中，评价指标构建单元9031用于灵活性评价指标通过将联络线的电功率和系统电能允许波动率加权后得到，具体计算方式为：
其中，Ft为t时段电能允许波动率，分别为t时段电能允许向上和向下波动率的权重系数，其计算方式为：
其中，分别为t时段电能允许向上波动率与允许向下波动率；
新能源消纳品质指标为考虑弃风弃光的风光伏出力实际值与预测值之比，具体为：
其中，分别为风电出力预测值和光伏出力预测值，分别为风电出力实际值和光伏出力实际值，风电出力实际值等于风光伏出力预测值减去风弃电量，光伏出力实际值等于光伏出力预测值减去光弃电量，
其中，分别为风电出力实际值和光伏出力实际值，分别为风弃电量和光弃电量。
可选的，评价模块903还包括风电出力预测值单元9032和光伏出力预测值单元9033，
其中，风电出力预测值单元9032用于通过风电出力实际值与风电出力预测误差计算得到风电出力预测值，其计算公式为：
其中，表示风电出力预测值，表示风电出力实际值，εt WT表示风电出力预测误差，所述风电出力预测误差的概率密度函数为：
其中，σt WT表示为风电出力预测误差的标准差，WWT,C为风电机组的总装机容量；
光伏出力预测值单元9033用于通过光伏出力实际值与光伏出力预测误差计算得到的光伏出力预测值，其计算公式为：
其中，表示光伏出力预测值，表示光伏出力实际值，εt PV表示光伏出力预测误差，所述光伏出力预测误差的概率密度函数为：
其中，表示为光伏出力预测误差的标准差，
可选的，规划结果计算模块902包括归一化单元9021和规划目标函数单元9022，
其中，所述归一化单元9021用于将配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数分别进行归一化处理后，得到归一化后的配电网系统运行成本目标函数和归一化后的配电网系统风光资源准入容量目标函数，其中，所述配电网系统运行成本目标函数为：
其中，为变压器节点与上级电网的购售电费用，为实时电价，为变压器与上级电网的交换功率；为燃气轮机的发电费用，为天然气气价，QLHV为天然气热值，为燃气轮机输出功率，NGT为燃气轮机接入数量，为网损费用，为网损功率，为弃风弃光的惩罚费用，为惩罚价格，分别为弃风、弃光的功率；为风光的发电成本，分别为风、光发电价格，分别为风、光所发功率，NWT为风电机组接入数量，NPV为光伏发电单元接入数量；
配电网系统风光资源准入容量目标函数为：
其中，为待规划节点i处的风光资源实际消纳的功率，Ω为风光资源对应的节点集合；
规划目标函数单元9022用于将归一化后的配电网系统运行成本目标函数和归一化后的配电网系统风光资源准入容量目标函数按照不同的权重比例相加，得到规划目标函数，其中，准入容量规划目标函数公式为：
F＝ω1F'1+ω2F'2
其中，F表示准入容量规划目标函数，F'1表示归一化后的配电网系统运行成本目标函数，F'2表示归一化后的配电网系统风光资源准入容量目标函数，ω1、ω2分别表示归一化后的配电网系统运行成本目标函数所占的权重和归一化后的配电网系统风光资源准入容量目标函数所占的权重。
可选的，规划结果计算模块902还包括灵活性约束单元9023，
灵活性约束单元9023用于根据净负荷、灵活性资源出力的上限和灵活性资源出力的下限得到的灵活性约束条件，灵活性约束条件为：
其中，分别为t时段蓄电池所能提供的电能上调与下调灵活性裕度，分别为t时段燃气轮机所能提供的电能上调与下调灵活性裕度，分别为考虑置信水平为1-α时，因净负荷波动预测误差产生的配电网系统的最大向上灵活性需求与最大向下灵活性需求。
上述的一种分布式风光资源准入容量规划系统可实施上述方法实施例的一种分布式风光资源准入容量规划方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
本实施例更详细的工作原理和步骤流程可以但不限于参见实施例一的相关记载。
相比于现有技术，通过获取待规划节点、待规划容量、储能设备数据和电力运行数据，通过以配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数构建得到的目标函数，得到准入容量规划模型后，根据待规划节点、待规划容量、储能设备数据和电力运行数据对准入容量规划模型进行求解，得到规划结果，再根据灵活性评价指标和新能源消纳品质指标对规划结果进行评价，选择评价结果满足预设条件的规划结果为最终规划结果，该方法通过允许配电网系统在某些时段弃风弃光的情况下，对配电网系统分布式风光资源规划结果进行计算分布式风光资源规划结果，并利用清洁能源消纳品质指标和灵活性评价指标对分布式风光资源规划结果进行评价，提高了规划结果的准确性和实用性，避免资源浪费。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种分布式风光资源准入容量规划方法，其特征在于，包括：
获取待规划节点、待规划容量、储能设备数据和电力运行数据；
调用预设准入容量规划模型对所述待规划节点、所述待规划容量、所述储能设备数据和所述电力运行数据进行迭代求解，得到规划结果，将所述规划结果与预设规划结果进行比较得到规划误差，直到所述规划误差小于预设误差，则停止迭代求解，输出所述规划结果，其中，所述准入容量规划模型包括准入容量规划目标函数和系统约束条件，所述准入容量规划目标函数是通过配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数构建得到的，所述系统约束条件包括系统运行约束条件和灵活性约束条件；
根据灵活性评价指标和新能源消纳品质指标对所述规划结果进行评价，得到评价结果，若所述评价结果达到预设条件，则确定所述规划结果为最终规划结果，若所述评价结果未达到预设条件，则重新根据预设准入容量规划模型进行迭代计算，得到新的规划结果，再计算出所述新的规划结果的评价结果，重复此步骤直到所述新的规划结果的评价结果满足预设条件，确定所述新的规划结果为最终规划结果，以使配电网系统根据所述最终规划结果对分布式风光资源准入容量进行规划。
2.如权利要求1所述的一种分布式风光资源准入容量规划方法，其特征在于，所述灵活性评价指标通过将联络线的电功率和系统电能允许波动率加权后得到，具体计算方式为：
其中，Ft为t时段电能允许波动率，分别为t时段电能允许向上和向下波动率的权重系数，其计算方式为：
其中，分别为t时段电能允许向上波动率与允许向下波动率；
所述新能源消纳品质指标为考虑弃风弃光的风光伏出力实际值与预测值之比，具体为：
其中，分别为风电出力预测值和光伏出力预测值，分别为风电出力实际值和光伏出力实际值，风电出力实际值等于风电出力预测值减去风弃电量，光伏出力实际值等于光伏出力预测值减去光弃电量，
其中，分别为风电出力实际值和光伏出力实际值，分别为风弃电量和光弃电量。
3.如权利要求2所述的一种分布式风光资源准入容量规划方法，其特征在于，所述风电出力预测值通过风电出力实际值与风电出力预测误差计算得到，其计算公式为：
其中，表示风电出力预测值，表示风电出力实际值，εt WT表示风电出力预测误差，所述风电出力预测误差的概率密度函数为：
其中，σt WT表示为风电出力预测误差的标准差，WWT,C为风电机组的总装机容量；
所述光伏出力预测值通过光伏出力实际值与光伏出力预测误差计算得到的，其计算公式为：
其中，表示光伏出力预测值，表示光伏出力实际值，εt PV表示光伏出力预测误差，所述光伏出力预测误差的概率密度函数为：
其中，表示为光伏出力预测误差的标准差，
4.如权利要求1所述的一种分布式风光资源准入容量规划方法，其特征在于，所述准入容量规划目标函数是通过配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数构建得到的，具体为：
将配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数分别进行归一化处理后，得到归一化后的配电网系统运行成本目标函数和归一化后的配电网系统风光资源准入容量目标函数，其中，所述配电网系统运行成本目标函数为：
其中，为变压器节点与上级电网的购售电费用，为实时电价，为变压器与上级电网的交换功率；为燃气轮机的发电费用，为天然气气价，QLHV为天然气热值，为燃气轮机输出功率，NGT为燃气轮机接入数量，为网损费用，为网损功率，为弃风弃光的惩罚费用，为惩罚价格，分别为弃风、弃光的功率；为风光的发电成本，分别为风、光发电价格，分别为风、光所发功率，NWT为风电机组接入数量，NPV为光伏发电单元接入数量；
所述配电网系统风光资源准入容量目标函数为：
其中，为待规划节点i处的风光资源实际消纳的功率，Ω为风光资源对应的节点集合；
将所述归一化后的配电网系统运行成本目标函数和所述归一化后的配电网系统风光资源准入容量目标函数按照不同的权重比例相加，得到所述规划目标函数，其中，所述准入容量规划目标函数公式为：
F＝ω1F'1+ω2F'2
其中，F表示准入容量规划目标函数，F'1表示归一化后的配电网系统运行成本目标函数，F'2表示归一化后的配电网系统风光资源准入容量目标函数，ω1、ω2分别表示归一化后的配电网系统运行成本目标函数所占的权重和归一化后的配电网系统风光资源准入容量目标函数所占的权重。
5.如权利要求1所述的一种分布式风光资源准入容量规划方法，其特征在于，所述灵活性约束条件根据净负荷、灵活性资源出力的上限和灵活性资源出力的下限得到的，所述灵活性约束条件为：
其中，分别为t时段蓄电池所能提供的电能上调与下调灵活性裕度，分别为t时段燃气轮机所能提供的电能上调与下调灵活性裕度， 分别为考虑置信水平为1-α时，因净负荷波动预测误差产生的配电网系统的最大向上灵活性需求与最大向下灵活性需求。
6.一种分布式风光资源准入容量规划系统，其特征在于，包括：
获取模块，用于获取待规划节点、待规划容量、储能设备数据和电力运行数据；
规划结果计算模块，用于调用预设准入容量规划模型对所述待规划节点、所述待规划容量、所述储能设备数据和所述电力运行数据进行迭代求解，得到规划结果，将所述规划结果与预设规划结果进行比较得到规划误差，直到所述规划误差小于预设误差，则停止迭代求解，输出所述规划结果，其中，所述准入容量规划模型包括准入容量规划目标函数和系统约束条件，所述准入容量规划目标函数是通过配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数构建得到的，所述系统约束条件包括系统运行约束条件和灵活性约束条件；
评价模块，用于根据灵活性评价指标和新能源消纳品质指标对所述规划结果进行评价，得到评价结果，若所述评价结果达到预设条件，则确定所述规划结果为最终规划结果，若所述评价结果未达到预设条件，则重新根据预设准入容量规划模型进行迭代计算，得到新的规划结果，再计算出所述新的规划结果的评价结果，重复此步骤直到所述新的规划结果的评价结果满足预设条件，确定所述新的规划结果为最终规划结果，以使配电网系统根据所述最终规划结果对分布式风光资源准入容量进行规划。
7.如权利要求6所述的分布式风光资源准入容量规划系统，其特征在于，所述评价模块包括评价指标构建单元，
其中，所述评价指标构建单元用于所述灵活性评价指标通过将联络线的电功率和系统电能允许波动率加权后得到，具体计算方式为：
其中，Ft为t时段电能允许波动率，分别为t时段电能允许向上和向下波动率的权重系数，其计算方式为：
其中，分别为t时段电能允许向上波动率与允许向下波动率；
所述新能源消纳品质指标为考虑弃风弃光的风光伏出力实际值与预测值之比，具体为：
其中，分别为风电出力预测值和光伏出力预测值，分别为风电出力实际值和光伏出力实际值，风电出力实际值等于风光伏出力预测值减去风弃电量，光伏出力实际值等于光伏出力预测值减去光弃电量，
其中，分别为风电出力实际值和光伏出力实际值，分别为风弃电量和光弃电量。
8.如权利要求6所述的分布式风光资源准入容量规划系统，其特征在于，所述评价模块还包括风电出力预测值单元和光伏出力预测值单元，
其中，风电出力预测值单元用于通过风电出力实际值与风电出力预测误差计算得到风电出力预测值，其计算公式为：
其中，表示风电出力预测值，表示风电出力实际值，εt WT表示风电出力预测误差，所述风电出力预测误差的概率密度函数为：
其中，σt WT表示为风电出力预测误差的标准差，WWT,C为风电机组的总装机容量；
光伏出力预测值单元用于通过光伏出力实际值与光伏出力预测误差计算得到的光伏出力预测值，其计算公式为：
其中，表示光伏出力预测值，表示光伏出力实际值，εt PV表示光伏出力预测误差，所述光伏出力预测误差的概率密度函数为：
其中，表示为光伏出力预测误差的标准差，
9.如权利要求6所述的分布式风光资源准入容量规划系统，其特征在于，所述规划结果计算模块包括归一化单元和规划目标函数单元，
其中，所述归一化单元用于将配电网系统运行成本目标函数和配电网系统风光资源准入容量目标函数分别进行归一化处理后，得到归一化后的配电网系统运行成本目标函数和归一化后的配电网系统风光资源准入容量目标函数，其中，所述配电网系统运行成本目标函数为：
其中，为变压器节点与上级电网的购售电费用，为实时电价，为变压器与上级电网的交换功率；为燃气轮机的发电费用，为天然气气价，QLHV为天然气热值，为燃气轮机输出功率，NGT为燃气轮机接入数量，为网损费用，为网损功率，为弃风弃光的惩罚费用，为惩罚价格，分别为弃风、弃光的功率；为风光的发电成本，分别为风、光发电价格，分别为风、光所发功率，NWT为风电机组接入数量，NPV为光伏发电单元接入数量；
所述配电网系统风光资源准入容量目标函数为：
其中，为待规划节点i处的风光资源实际消纳的功率，Ω为风光资源对应的节点集合；
所述规划目标函数单元用于将所述归一化后的配电网系统运行成本目标函数和所述归一化后的配电网系统风光资源准入容量目标函数按照不同的权重比例相加，得到所述规划目标函数，其中，所述准入容量规划目标函数公式为：
F＝ω1F'1+ω2F'2
其中，F表示准入容量规划目标函数，F'1表示归一化后的配电网系统运行成本目标函数，F'2表示归一化后的配电网系统风光资源准入容量目标函数，ω1、ω2分别表示归一化后的配电网系统运行成本目标函数所占的权重和归一化后的配电网系统风光资源准入容量目标函数所占的权重。
10.如权利要求6所述的分布式风光资源准入容量规划系统，其特征在于，所述规划结果计算模块还包括灵活性约束单元，
所述灵活性约束单元用于根据净负荷、灵活性资源出力的上限和灵活性资源出力的下限得到的灵活性约束条件，所述灵活性约束条件为：
其中，分别为t时段蓄电池所能提供的电能上调与下调灵活性裕度，分别为t时段燃气轮机所能提供的电能上调与下调灵活性裕度，分别为考虑置信水平为1-α时，因净负荷波动预测误差产生的配电网系统的最大向上灵活性需求与最大向下灵活性需求。
CN202310427063.4A 2023-04-19 2023-04-19 一种分布式风光资源准入容量规划方法及系统 Pending CN116545009A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310427063.4A CN116545009A (zh) 2023-04-19 2023-04-19 一种分布式风光资源准入容量规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310427063.4A CN116545009A (zh) 2023-04-19 2023-04-19 一种分布式风光资源准入容量规划方法及系统

Publications (1)

Publication Number Publication Date
CN116545009A true CN116545009A (zh) 2023-08-04

Family

ID=87448041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310427063.4A Pending CN116545009A (zh) 2023-04-19 2023-04-19 一种分布式风光资源准入容量规划方法及系统

Country Status (1)

Country Link
CN (1) CN116545009A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117955086A (zh) * 2023-12-19 2024-04-30 国家电网有限公司华东分部 分布式电源接入容量的确定方法、装置及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117955086A (zh) * 2023-12-19 2024-04-30 国家电网有限公司华东分部 分布式电源接入容量的确定方法、装置及存储介质

Similar Documents

Publication Publication Date Title
You et al. Comparative assessment of tactics to improve primary frequency response without curtailing solar output in high photovoltaic interconnection grids
CN110350518B (zh) 一种用于调峰的电网储能容量需求评估方法及系统
CN112734098A (zh) 一种基于源-荷-网平衡的配电网电力调度方法及系统
CN107453402B (zh) 一种降低含风储一体化电站电力系统运行风险的调度方法
CN112886624B (zh) 一种三站合一变电站储能装置规划设计系统及方法
CN107122924A (zh) 一种智能配用电系统承载能力评估方法
CN115017854A (zh) 一种基于多维评估指标体系的配电网dg最大准入容量计算方法
CN112053024A (zh) 一种基于城镇能源互联网双层协同架构的优化调度方法
CN115411777A (zh) 一种配电网灵活性评估及资源配置方法及系统
CN117748622B (zh) 一种微电网多态协调控制方法及系统
CN116545009A (zh) 一种分布式风光资源准入容量规划方法及系统
CN113313351B (zh) 计及多能耦合影响的电-气-热系统灵活性评估方法
CN118412929A (zh) 一种考虑调度响应能力的虚拟电厂运行控制方法
CN113283105B (zh) 一种考虑电压安全约束的能源互联网分布式优化调度方法
CN115021333A (zh) 一种基于时序状态的新能源消纳能力评估方法
Zhou et al. Co-ordinations of ocean energy supported energy sharing between zero-emission cross-harbour buildings in the Greater Bay Area
CN105634005B (zh) 一种用于评估光伏接纳能力的方法及系统
Gong et al. Economic dispatching strategy of double lead-acid battery packs considering various factors
Jinglin et al. Multi-objective Collaborative Planning Method for Micro-energy Systems Considering Thermoelectric Coupling Clusters
CN110518633A (zh) 考虑线路容量充裕度的电网节点新能源接纳容量获得方法
Liang et al. Allowable Capacity Analysis of Distributed Renewable Energy Resources in Active Distribution Network
Yang et al. Flexibility Enhancement and Optimal Dispatch for Renewable-Energy Power System Based on Dynamic Thermal Rating of Transmission Line
Hui et al. Optimal Allocation Method of PV-Storage System in Clustered Distribution Network with Balanced Economy and Reliability
Yang et al. Distribution Network PV Acceptance Capacity Assessment Considering Balance of Flexibility Supply and Demand
Wang et al. Optimal Configuration of Energy Storage in Distribution Networks Based on Full Life Levelized Cost of Electricity

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