CN116581767A - 基于多场景的配电网源网荷储协同电力耦合方法及系统 - Google Patents
基于多场景的配电网源网荷储协同电力耦合方法及系统 Download PDFInfo
- Publication number
- CN116581767A CN116581767A CN202310351254.7A CN202310351254A CN116581767A CN 116581767 A CN116581767 A CN 116581767A CN 202310351254 A CN202310351254 A CN 202310351254A CN 116581767 A CN116581767 A CN 116581767A
- Authority
- CN
- China
- Prior art keywords
- power
- station
- substation
- bus
- reactive 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.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 101
- 238000010168 coupling process Methods 0.000 title claims abstract description 87
- 238000003860 storage Methods 0.000 title claims abstract description 73
- 230000008878 coupling Effects 0.000 claims abstract description 69
- 238000005859 coupling reaction Methods 0.000 claims abstract description 69
- 238000004364 calculation method Methods 0.000 claims abstract description 51
- 238000005457 optimization Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000001419 dependent effect Effects 0.000 claims description 40
- 230000008859 change Effects 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 24
- 230000035945 sensitivity Effects 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 description 12
- 238000010248 power generation Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于配电网源网荷处理技术领域,公开了基于多场景的配电网源网荷储协同电力耦合方法及系统。所述方法包括:总站根据网荷等级划分网荷控制区,基获取的实时数据进行整体系统的无功优化计算,以确保各母线网荷稳定和无功潮流最优为准则,将优化计算得到的无功输出设定值下发至每个网荷控制区的子站;对配电网源的可调范围进行分析,将控制指令上发至主站;主站接收控制指令,根据所述控制指令运行无功控制模式进行调节控制;构建配电网源网荷储协同电力耦合模型。本发明配合子站器实现无功网荷的精准调控,对区域电网进行无功优化配置,改进区域电网的无功网荷调控能力,降低系统损耗和提高电网网荷质量。
Description
技术领域
本发明属于配电网源网荷处理技术领域,尤其涉及一种基于多场景的配电网源网荷储协同电力耦合方法及系统。
背景技术
随着电网的不断发展,用户对电力供应质量的要求日益提高,而网荷作为衡量电力供应质量的重要标准,对电网的正常运行具有重要的意义。分布式可再生能源发电的有功出力具有不确定性,与传统的经济调度相比,主动配电网的经济调度应当科学合理地制定源网荷储的协同优化运行策略,实现分布式可再生能源发电的充分消纳,提高主动配电网的经济性。因此,主动配电网的源网荷储协同优化运行成为当前领域所关注的热点。为了充分消纳可再生能源发电,主动配电网的源网荷储协同优化运行首先需要考虑分布式可再生能源发电有功出力的不确定性。其次,需要考虑如何利用运行环节中各种可调度资源包括源网荷储等,使之协同优化运行,实现分布式可再生能源发电的充分消纳。
现有的研究在考虑分布式可再生能源发电有功出力的不确定性的基础上,制定了需求侧分时峰谷电价、柔性负荷调度策略、储能的充放电策略等可调度资源的运行策略,实现了源荷储的协同优化运行,但没有考虑子站重构、分布式可再生能源发电逆变器和储能逆变器的无功出力等可调度资源与分布式可再生能源发电有功出力的协同优化运行。另一方面,考虑了源网荷储协同优化运行的研究将分布式可再生能源发电的有功出力视为恒定,虽然考虑了多种可调度资源,但是限制了分布式可再生能源发电的有功出力,没有考虑其不确定性,无法充分消纳分布式可再生能源发电。
一个子站的特性受到另一个或几个子站特性的影响,子站之间的相互作用逐渐体现出来,我们把这种相互影响的子站称为耦合子站。电力子站就是典型的耦合子站,电网向智能化转变,电网越智能与通信网的耦合性就越强。电力子站的正常运行需要通信子站来传送监测控制等信息。
然而电力电子设备普遍存在的问题有:可靠性不高,不可工作在较为恶劣的环境中,运维费用高,高频开关产生的电磁干扰对于电磁环境也会造成影响。而另一种外接可控电抗器的方式则需要额外较大的占地面积,不适合于有限空间的配电站。因此,需要一种无功补偿设备来适应如今配电网的建设状况。
通过上述分析,现有技术存在的问题及缺陷为:
现有技术电力网的节点失效有可能引起电网相关节点失效,电网失效节点反过来又可能导致电力子站的节点失效,如果这样级联下去,一个小故障最终可能对整个系统造成重大影响。节点失效后的负载重分配问题是影响耦合子站的关键因素,混乱的重分配策略对级联失效的帮助很小,甚至有可能促进级联失效的发生,使耦合子站更加脆弱,导致电力子站的事故发生。
发明内容
为克服相关技术中存在的问题,本发明公开实施例提供了一种基于多场景的配电网源网荷储协同电力耦合方法及系统。
所述技术方案如下:一种基于多场景的配电网源网荷储协同电力耦合方法,包括以下步骤:
S1,获取基于多场景的配电网源的实时运行数据并进行在线分析和计算;总站根据网荷等级划分网荷控制区,基获取的实时数据进行整体系统的无功优化计算,以确保各母线网荷稳定和无功潮流最优为准则,将优化计算得到的无功输出设定值下发至每个网荷控制区的子站;
S2,子站接收计算主站下发的无功输出预设值,根据配电网源网荷储关口无功需求,对配电网源的可调范围进行分析,将控制指令上发至主站;主站接收控制指令,根据所述控制指令运行无功控制模式进行调节控制;
S3,构建配电网源网荷储协同电力耦合模型;采用自平衡概率理论建立所述配电网源网荷储协同电力耦合模型的理论分析框架;基于构建的理论分析框架对其他边边相依子站模型在面临随机失效下的耦合相变行为以及耦合阈值进行分析。
在一个实施例中,在步骤S1中,获取基于多场景的配电网源的实时运行数据并进行在线分析和计算;总站根据网荷等级划分网荷控制区,基获取的实时数据进行整体系统的无功优化计算,以确保各母线网荷稳定和无功潮流最优为准则包括:
母线网荷不合格情况下,若母线网荷越上限,当本站无功过补时,若预判母站出力的增加不会使得本站无功欠补,则增加母站出力,反之则选择降档;
而若母站容量已满发,本站母线网荷依然越上限且无功过补,则预判子站器切除后是否会使得本站无功不合格,若不是则切除该母线并联子站,若是则选择降档;当本站无功正常时,执行过程与本站无功过补时一致;而当本站无功欠补时,若增加母站出力或切除子站只会使得本站无功欠补情况更为严重,故只能选择降档。
在一个实施例中,若母线网荷越下限,当本站无功欠补时,若预判母站出力的减小不会使得本站无功不合格,则减小母站出力,反之则选择升档;
而若母站容量已减小为0,本站母线网荷依然越下限且无功欠补,则预判子站器投入后是否会使得本站无功不合格,若不是则投入该母线并联子站,若是则选择降档;当本站无功正常时,执行过程与本站无功欠补时一致;而当本站无功过补时,若减小母站出力或投入子站只会使得本站无功过补情况更为严重,故只能选择升档。
在一个实施例中,在步骤S2中,子站收计算主站下发的无功输出预设值,根据配电网源网荷储关口无功需求,对配电网源的可调范围进行分析包括:
母线网荷合格时,当关口无功倒送时,若预判母站输出容量的增加不会使得本站母线网荷越限,则增加母站输出容量;当母站容量已满发且关口无功依然倒送,则根据已投入子站器切除后对校正无功越限灵敏度的大小排序依次预判,若切除某子站后,不会使得本站无功欠补且母线网荷越限,选择切除该子站;
当关口无功欠补时,若预判母站输出容量的减小不会使得本站母线网荷越限,则减小母站输出容量;而当母站输出容量已减小为0,且关口无功依然欠补,则根据未投入子站器投入后对校正关口无功越限灵敏度的大小排序依次预判,若预判投入某子站后,不会使得本站无功过补或母线网荷越限,则选择投入该子站。
在一个实施例中,在步骤S2中,主站接收控制指令,根据所述控制指令运行无功控制模式进行调节控制包括:
S201,通获取当前区域电网实时的系统潮流、机端网荷与无功补偿容量可调范围数据;并对获取的数据进行状态估计,去除不良数据,估计得到电力系统的真实状态;
S202,判断所述状态估计结果是否可信,若状态估计残差过大则判断结果不可信,则直接以预先设定的调控目标值下发控制指令;若所述状态估计结果可信,则进行最优潮流计算;
S203,确定调节控制函数,并设置控制变量无功补偿容量、机端网荷的上下限值,进行最优潮流计算;
S204,并判断计算结果是否收敛,若收敛则输出最优状态下的控制变量优化结果,并向各设备下发调控目标值;若不收敛,则基于预先设定的调控目标值下发控制指令。
在一个实施例中,在步骤3中,本发明实施例提供的构建配电网源网荷储协同电力耦合模型包括:
S301,构建两个具备相同的节点数、平均度以及相同的母线数的子站A与子站B;
S302,从所述子站A中随机选取一母线与所述子站B中的一母线建立相依关系,遍历子站A的所有边,直至子站A与子站B的所有边都建立一对一的依赖关系,即可得所述配电网源网荷储协同电力耦合模型。
在一个实施例中,配电网源网荷储协同电力耦合模型的理论分析框架包括:
1)计算参数x和参数y:
其中,p为A子站中保留的边的比例;x为随机选择的一母线;1-x表示随机选择的一母线没有连接到最大联通片的概率;P(k)表示随机选择一个节点度为k的概率;PA(k)和PB(k′)分别表示A子站和B子站的度分布函数;
2)利用计算的x,y的值计算和/>与p的关系:
其中,P∞表示随机选择一个节点而这个节点在最大联通片里的概率;
3)基于得到的最大联通图P∞和p的关系结合下式计算pc;
其中,pc表示相变的关键阈值;p=pc;
4)所述P∞与pc即构成边相依子站的相变行为理论分析框架。
本发明的另一目的在于提供一种基于多场景的配电网源网荷储协同电力耦合系统,包括:
母站,获取基于多场景的配电网源的实时运行数据并进行在线分析和计算;总站根据网荷等级划分网荷控制区,基获取的实时数据进行整体系统的无功优化计算,以确保各母线网荷稳定和无功潮流最优为准则,将优化计算得到的无功输出设定值下发至每个网荷控制区的子站;
子站,用于接收计算主站下发的无功输出预设值,根据配电网源网荷储关口无功需求,对配电网源的可调范围进行分析,将控制指令上发至主站;主站接收控制指令,根据所述控制指令运行无功控制模式进行调节控制;
配电网源网荷储协同电力耦合模型构建模块,用于构建配电网源网荷储协同电力耦合模型;采用自平衡概率理论建立所述配电网源网荷储协同电力耦合模型的理论分析框架;基于构建的理论分析框架对其他边边相依子站模型在面临随机失效下的耦合相变行为以及耦合阈值进行分析。
可视化显示终端,用于对面临随机失效下的耦合相变行为以及耦合阈值进行分析的信息进行可视化显示。
在一个实施例中,子站包括:
预判母站模块,用于母线网荷合格时,当关口无功倒送时,若预判母站输出容量的增加不会使得本站母线网荷越限,则增加母站输出容量;当母站容量已满发且关口无功依然倒送,则根据已投入子站器切除后对校正无功越限灵敏度的大小排序依次预判,若切除某子站后,不会使得本站无功欠补且母线网荷越限,选择切除该子站;
关口,用于无功欠补时,若预判母站输出容量的减小不会使得本站母线网荷越限,则减小母站输出容量;而当母站输出容量已减小为0,且关口无功依然欠补,则根据未投入子站器投入后对校正关口无功越限灵敏度的大小排序依次预判,若预判投入某子站后,不会使得本站无功过补或母线网荷越限,则选择投入该子站。
在一个实施例中,子站还包括调节控制模块,用于获取当前区域电网实时的系统潮流、机端网荷与无功补偿容量可调范围数据;并对获取的数据进行状态估计,去除不良数据,估计得到电力系统的真实状态;判断所述状态估计结果是否可信,若状态估计残差过大则判断结果不可信,则直接以预先设定的调控目标值下发控制指令;若所述状态估计结果可信,则进行最优潮流计算;确定调节控制函数,并设置控制变量无功补偿容量、机端网荷的上下限值,进行最优潮流计算;
以及还用于判断计算结果是否收敛,若收敛则输出最优状态下的控制变量优化结果,并向各设备下发调控目标值;若不收敛,则基于预先设定的调控目标值下发控制指令。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:
针对上述现有技术存在的技术问题以及解决该问题的难度,紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等,详细、深刻地分析本发明技术方案如何解决的技术问题,解决问题之后带来的一些具备创造性的技术效果,具体描述如下:
本发明采用自平衡概率理论建立该模型的理论分析框架,能够无需跟踪级联失效过程直接写出系统稳定后的状态方程,相较分析点相依子站常用的反复使用生成函数法具有直观简洁的优点。本发明基于该理论框架分析了模型在面临随机失效下的相变行为和耦合阈值,对于理解现实世界中边耦合子站的鲁棒性具有重用的意义。
新型边耦合相依子站模型在随机攻击下仍然表现为一阶相变,但是相变阈值小于点相依子站的相变阈值。边相依子站模型相较点相依模型而言风险分散,本发明发现子站的度分布越是不均匀,子站抗毁性越好。也就是随机子站组成的边相依子站比随机规则子站构成的边相依子站鲁棒性好。把子站从点相依子站模式转换为边相依模式后,随机子站其鲁棒性改善效果比规则子站明显。研究结论对于理解现实世界中边耦合子站的鲁棒性具有重用的意义。
本发明能够在保证区域内母线网荷与关口无功合格的基础上,减小传统无功网荷调控装置的动作次数,降低系统网损,实现区域电网的经济运行。
本发明将母站作为区域电网主要的无功网荷调控手段,配合子站器实现无功网荷的精准调控,对区域电网进行无功优化配置,改进区域电网的无功网荷调控能力,降低系统损耗和提高电网网荷质量。
在保证区域内母线网荷与关口无功合格的基础上,减小传统无功网荷调控装置的动作次数,降低系统网损,实现区域电网的经济运行。
母站的应用可在有效解决区域电网无功网荷问题的基础上,减小子站器等离散性设备的动作次数。不仅能保证区域电网的安全稳定运行,实现无功网荷的精准调控,又可在一定程度上减轻运检人员的工作强度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理;
图1是本发明实施例提供的基于多场景的配电网源网荷储协同电力耦合方法流程图;
图2是本发明实施例提供的主站接收控制指令,根据所述控制指令运行无功控制模式进行调节控制流程图;
图3是本发明实施例提供的构建配电网源网荷储协同电力耦合模型流程图;
图4是本发明实施例提供的基于多场景的配电网源网荷储协同电力耦合系统示意图;
图中:1、母站;2、子站;3、配电网源网荷储协同电力耦合模型构建模块;4、可视化显示终端。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其他方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施的限制。
一、解释说明实施例:
实施例1
如图1所示,本发明实施例提供的基于多场景的配电网源网荷储协同电力耦合方法包括以下步骤:
S1,获取基于多场景的配电网源的实时运行数据并进行在线分析和计算;总站根据网荷等级划分网荷控制区,基获取的实时数据进行整体系统的无功优化计算,以确保各母线网荷稳定和无功潮流最优为准则,将优化计算得到的无功输出设定值下发至每个网荷控制区的子站;
S2,子站接收计算主站下发的无功输出预设值,根据配电网源网荷储关口无功需求,对配电网源的可调范围进行分析,将控制指令上发至主站;主站接收控制指令,根据所述控制指令运行无功控制模式进行调节控制;
S3,构建配电网源网荷储协同电力耦合模型;采用自平衡概率理论建立所述配电网源网荷储协同电力耦合模型的理论分析框架;基于构建的理论分析框架对其他边边相依子站模型在面临随机失效下的耦合相变行为以及耦合阈值进行分析。
实施例2
基于实施例1提供的基于多场景的配电网源网荷储协同电力耦合方法,进一步的,在步骤S1中,获取基于多场景的配电网源的实时运行数据并进行在线分析和计算;总站根据网荷等级划分网荷控制区,基获取的实时数据进行整体系统的无功优化计算,以确保各母线网荷稳定和无功潮流最优为准则包括:
母线网荷不合格情况下,若母线网荷越上限,当本站无功过补时,若预判母站出力的增加不会使得本站无功欠补,则增加母站出力,反之则选择降档;
而若母站容量已满发,本站母线网荷依然越上限且无功过补,则预判子站器切除后是否会使得本站无功不合格,若不是则切除该母线并联子站,若是则选择降档;当本站无功正常时,执行过程与本站无功过补时一致;而当本站无功欠补时,若增加母站出力或切除子站只会使得本站无功欠补情况更为严重,故只能选择降档。
而若母线网荷越下限,当本站无功欠补时,若预判母站出力的减小不会使得本站无功不合格,则减小母站出力,反之则选择升档;
而若母站容量已减小为0,本站母线网荷依然越下限且无功欠补,则预判子站器投入后是否会使得本站无功不合格,若不是则投入该母线并联子站,若是则选择降档;当本站无功正常时,执行过程与本站无功欠补时一致;而当本站无功过补时,若减小母站出力或投入子站只会使得本站无功过补情况更为严重,故只能选择升档。
实施例3
基于实施例1提供的基于多场景的配电网源网荷储协同电力耦合方法,进一步的,在步骤S2中,子站收计算主站下发的无功输出预设值,根据配电网源网荷储关口无功需求,对配电网源的可调范围进行分析包括:
母线网荷合格时,当关口无功倒送时,若预判母站输出容量的增加不会使得本站母线网荷越限,则增加母站输出容量;当母站容量已满发且关口无功依然倒送,则根据已投入子站器切除后对校正无功越限灵敏度的大小排序依次预判,若切除某子站后,不会使得本站无功欠补且母线网荷越限,选择切除该子站;
当关口无功欠补时,若预判母站输出容量的减小不会使得本站母线网荷越限,则减小母站输出容量;而当母站输出容量已减小为0,且关口无功依然欠补,则根据未投入子站器投入后对校正关口无功越限灵敏度的大小排序依次预判,若预判投入某子站后,不会使得本站无功过补或母线网荷越限,则选择投入该子站。
实施例4
基于实施例1提供的基于多场景的配电网源网荷储协同电力耦合方法,进一步的,在步骤S2中,如图2所示,主站接收控制指令,根据所述控制指令运行无功控制模式进行调节控制包括:
S201,通获取当前区域电网实时的系统潮流、机端网荷与无功补偿容量可调范围数据;并对获取的数据进行状态估计,去除不良数据,估计得到电力系统的真实状态;
S202,判断所述状态估计结果是否可信,若状态估计残差过大则判断结果不可信,则直接以预先设定的调控目标值下发控制指令;若所述状态估计结果可信,则进行最优潮流计算;
S203,确定调节控制函数,并设置控制变量无功补偿容量、机端网荷的上下限值,进行最优潮流计算;
S204,并判断计算结果是否收敛,若收敛则输出最优状态下的控制变量优化结果,并向各设备下发调控目标值;若不收敛,则基于预先设定的调控目标值下发控制指令。
实施例5
基于实施例4提供的基于多场景的配电网源网荷储协同电力耦合方法,进一步的,步骤S203中,调节控制函数如下:
其中,表示Ploss系统网损,nD表示区域电网母线个数,nP表示区域电网关口个数,λ1、λ2均表示罚函数系数,表示母线网荷偏差,/>表示关口无功偏差。
实施例6
基于实施例1提供的基于多场景的配电网源网荷储协同电力耦合方法,进一步的,在步骤3中,如图3所示,本发明实施例提供的构建配电网源网荷储协同电力耦合模型包括:
S301,构建两个具备相同的节点数、平均度以及相同的母线数的子站A与子站B;
S302,从所述子站A中随机选取一母线与所述子站B中的一母线建立相依关系,遍历子站A的所有边,直至子站A与子站B的所有边都建立一对一的依赖关系,即可得所述配电网源网荷储协同电力耦合模型。
步骤S301中,本发明实施例提供的配电网源网荷储协同电力耦合模型的理论分析框架包括:
1)计算参数x和参数y:
其中,p为A子站中保留的边的比例;x为随机选择的一母线;1-x表示随机选择的一母线没有连接到最大联通片的概率;P(k)表示随机选择一个节点度为k的概率;PA(k)和PB(k′)分别表示A子站和B子站的度分布函数;
2)利用计算的x,y的值计算和/>与p的关系:
其中,P∞表示随机选择一个节点而这个节点在最大联通片里的概率;
3)基于得到的最大联通图P∞和p的关系结合下式计算pc;
其中,pc表示相变的关键阈值;p=pc;
4)所述P∞与pc即构成边相依子站的相变行为理论分析框架。
实施例7
如图4所示,本发明实施例提供的基于多场景的配电网源网荷储协同电力耦合系统包括:
母站1,获取基于多场景的配电网源的实时运行数据并进行在线分析和计算;总站根据网荷等级划分网荷控制区,基获取的实时数据进行整体系统的无功优化计算,以确保各母线网荷稳定和无功潮流最优为准则,将优化计算得到的无功输出设定值下发至每个网荷控制区的子站;
子站2,用于接收计算主站下发的无功输出预设值,根据配电网源网荷储关口无功需求,对配电网源的可调范围进行分析,将控制指令上发至主站;主站接收控制指令,根据所述控制指令运行无功控制模式进行调节控制;
配电网源网荷储协同电力耦合模型构建模块3,用于构建配电网源网荷储协同电力耦合模型;采用自平衡概率理论建立所述配电网源网荷储协同电力耦合模型的理论分析框架;基于构建的理论分析框架对其他边边相依子站模型在面临随机失效下的耦合相变行为以及耦合阈值进行分析。
可视化显示终端4,用于对面临随机失效下的耦合相变行为以及耦合阈值进行分析的信息进行可视化显示。
实施例8
基于实施例7提供的基于多场景的配电网源网荷储协同电力耦合系统,进一步的,子站2包括:
预判母站模块,用于母线网荷合格时,当关口无功倒送时,若预判母站输出容量的增加不会使得本站母线网荷越限,则增加母站输出容量;当母站容量已满发且关口无功依然倒送,则根据已投入子站器切除后对校正无功越限灵敏度的大小排序依次预判,若切除某子站后,不会使得本站无功欠补且母线网荷越限,选择切除该子站;
关口,用于无功欠补时,若预判母站输出容量的减小不会使得本站母线网荷越限,则减小母站输出容量;而当母站输出容量已减小为0,且关口无功依然欠补,则根据未投入子站器投入后对校正关口无功越限灵敏度的大小排序依次预判,若预判投入某子站后,不会使得本站无功过补或母线网荷越限,则选择投入该子站。
实施例9
基于实施例7提供的基于多场景的配电网源网荷储协同电力耦合系统,进一步的,子站2还包括调节控制模块,用于获取当前区域电网实时的系统潮流、机端网荷与无功补偿容量可调范围数据;并对获取的数据进行状态估计,去除不良数据,估计得到电力系统的真实状态;判断所述状态估计结果是否可信,若状态估计残差过大则判断结果不可信,则直接以预先设定的调控目标值下发控制指令;若所述状态估计结果可信,则进行最优潮流计算;确定调节控制函数,并设置控制变量无功补偿容量、机端网荷的上下限值,进行最优潮流计算
以及还用于判断计算结果是否收敛,若收敛则输出最优状态下的控制变量优化结果,并向各设备下发调控目标值;若不收敛,则基于预先设定的调控目标值下发控制指令。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
上述装置/单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程。
二、应用实施例:
应用例
本发明实施例还提供了一种计算机设备,该计算机设备包括:至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本发明实施例还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存储有计算机程序,所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本发明实施例还提供了一种信息数据处理终端,所述信息数据处理终端用于实现于电子装置上执行时,提供用户输入接口以实施如上述各方法实施例中的步骤,所述信息数据处理终端不限于手机、电脑、交换机。
本发明实施例还提供了一种服务器,所述服务器用于实现于电子装置上执行时,提供用户输入接口以实施如上述各方法实施例中的步骤。
本发明实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行时可实现上述各个方法实施例中的步骤。
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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(RandomAccessMemory,RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。
仿真及理论分析结果:
综上,无论是ER-ER边相依子站还是RR-RR边相依对于对应的点相依ER-ER子站和RR-RR子站而言都更加鲁棒。通过分析NIN模型和EIN模型的级联失效机理,上述结论不难理解。在子站受到的初始攻击程度相同的情况下,对于NIN模型而言,在两个子站之间反复传播的失效乃是点失效引起的点失效,而对于EIN模型而言,在两个子站之间反复传播的失效乃是边失效引起的边失效。从边耦合和点耦合理论方程,本发明也可以知道,失效对最大联通片的打击小于点失效对最大联通片的打击。因此可知,在级联失效的每个阶段,EIN模型在子站间传播的破坏程度小于NIN并且传播的进程也比NIN短。系统自然容易稳定,最后反应在耦合阈值点比NIN小。
对于NIN子站(一对一完全点相依子站),度分布越宽子站越脆弱。ER子站相对于随机规则子站,度分布呈现泊松分布,度分布比随机规则子站宽。所以对于NIN子站,随机规则子站NIN子站鲁棒性优于随机NIN子站。为了便于分析度分布对边相依子站的鲁棒性的影响,本发明发现相同平均度的ER-ER边相依子站比RR-RR边相依子站的关键耦合值小,也就是说同样平均度的子站而言,度分布越宽,子站反而更加鲁棒即抗随机失效性能越好,这个结论与点相依子站不同却与单一子站相同。分析边相依子站的级联失效过程可知,边耦合相依子站网间传播的是边失效,一个子站中不在最大联通片的一母线失效引起对方子站的一母线失效,这样的失效机理使得节点存活概率与度正相关,因此子站中如果有大度的节点,那么子站维持最大连通片的能力强。而点耦合相依子站网间传播的是点失效,这样的失效机理使得节点存活概率与度无关,因为大度节点可能与对方子站小度的节点相依。因此在相同平均度的子站里,如果度分布宽,存在大度节点,子站必然不易破碎。另一个方面,当本发明纵向对比时,本发明发现把子站耦合模式从点相依变化为边相依后,对ER-ER子站的鲁棒性影响比对RR-RR子站鲁棒性的影响更加显著。
本发明提出边耦合子站模型以研究该种相依子站在面临随机失效下的耦合相变行为及耦合阈值的大小。首次以自平衡理论建立该子站的理论分析框架。理论上可以对已知度分布函数的任何子站进行耦合相变行为分析。在该理论分析框架下,本发明对随机规则子站和随机ER子站构成的边边相依子站进行了理论求解和模拟仿真。验证了理论框架的正确性。通过对理论及仿真结果的分析,该种边相依子站由于两个子站之间的耦合作用,随机失效下依然同点相依子站一样表现出一阶相变行为,但是其相变关键阈值小于与对应的点相依的相应的一阶相变阈值,也就是其鲁棒性优于点相依子站。另外通过对比ER-ER边相依子站和RR-RR边相依子站的相变阈值,本发明发现ER-ER子站鲁棒性优于相同平均度的RR-RR子站,也就是子站度分布越宽,子站反而越鲁棒,这个结论也与点相依子站结论不同。最后本发明发现从点相依变化为边相依后,对ER-ER子站的鲁棒性影响比对RR-RR子站鲁棒性的影响更加显著。
为了证明本发明中理论分析框架的正确性,本发明同时采用了计算机数值仿真方法对其进行验证,这些结果和理论计算结果即图中的实线曲线非常吻合。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于多场景的配电网源网荷储协同电力耦合方法,其特征在于,该方法包括以下步骤:
S1,获取基于多场景的配电网源的实时运行数据并进行在线分析和计算;总站根据网荷等级划分网荷控制区,基获取的实时数据进行整体系统的无功优化计算,以确保各母线网荷稳定和无功潮流最优为准则,将优化计算得到的无功输出设定值下发至每个网荷控制区的子站;
S2,子站接收计算主站下发的无功输出预设值,根据配电网源网荷储关口无功需求,对配电网源的可调范围进行分析,将控制指令上发至主站;主站接收控制指令,根据所述控制指令运行无功控制模式进行调节控制;
S3,构建配电网源网荷储协同电力耦合模型;采用自平衡概率理论建立所述配电网源网荷储协同电力耦合模型的理论分析框架;基于构建的理论分析框架对其他边边相依子站模型在面临随机失效下的耦合相变行为以及耦合阈值进行分析。
2.根据权利要求1所述的基于多场景的配电网源网荷储协同电力耦合方法,其特征在于,在步骤S1中,获取基于多场景的配电网源的实时运行数据并进行在线分析和计算;总站根据网荷等级划分网荷控制区,基获取的实时数据进行整体系统的无功优化计算,以确保各母线网荷稳定和无功潮流最优为准则包括:
母线网荷不合格情况下,若母线网荷越上限,当本站无功过补时,若预判母站出力的增加不会使得本站无功欠补,则增加母站出力,反之则选择降档;
而若母站容量已满发,本站母线网荷依然越上限且无功过补,则预判子站器切除后是否会使得本站无功不合格,若不是则切除该母线并联子站,若是则选择降档;当本站无功正常时,执行过程与本站无功过补时一致;而当本站无功欠补时,若增加母站出力或切除子站只会使得本站无功欠补情况更为严重,故只能选择降档。
3.根据权利要求2所述的基于多场景的配电网源网荷储协同电力耦合方法,其特征在于,若母线网荷越下限,当本站无功欠补时,若预判母站出力的减小不会使得本站无功不合格,则减小母站出力,反之则选择升档;
而若母站容量已减小为0,本站母线网荷依然越下限且无功欠补,则预判子站器投入后是否会使得本站无功不合格,若不是则投入该母线并联子站,若是则选择降档;当本站无功正常时,执行过程与本站无功欠补时一致;而当本站无功过补时,若减小母站出力或投入子站只会使得本站无功过补情况更为严重,故只能选择升档。
4.根据权利要求1所述的基于多场景的配电网源网荷储协同电力耦合方法,其特征在于,在步骤S2中,子站收计算主站下发的无功输出预设值,根据配电网源网荷储关口无功需求,对配电网源的可调范围进行分析包括:
母线网荷合格时,当关口无功倒送时,若预判母站输出容量的增加不会使得本站母线网荷越限,则增加母站输出容量;当母站容量已满发且关口无功依然倒送,则根据已投入子站器切除后对校正无功越限灵敏度的大小排序依次预判,若切除某子站后,不会使得本站无功欠补且母线网荷越限,选择切除该子站;
当关口无功欠补时,若预判母站输出容量的减小不会使得本站母线网荷越限,则减小母站输出容量;而当母站输出容量已减小为0,且关口无功依然欠补,则根据未投入子站器投入后对校正关口无功越限灵敏度的大小排序依次预判,若预判投入某子站后,不会使得本站无功过补或母线网荷越限,则选择投入该子站。
5.根据权利要求1所述的基于多场景的配电网源网荷储协同电力耦合方法,其特征在于,在步骤S2中,主站接收控制指令,根据所述控制指令运行无功控制模式进行调节控制包括:
S201,通获取当前区域电网实时的系统潮流、机端网荷与无功补偿容量可调范围数据;并对获取的数据进行状态估计,去除不良数据,估计得到电力系统的真实状态;
S202,判断所述状态估计结果是否可信,若状态估计残差过大则判断结果不可信,则直接以预先设定的调控目标值下发控制指令;若所述状态估计结果可信,则进行最优潮流计算;
S203,确定调节控制函数,并设置控制变量无功补偿容量、机端网荷的上下限值,进行最优潮流计算;
S204,并判断计算结果是否收敛,若收敛则输出最优状态下的控制变量优化结果,并向各设备下发调控目标值;若不收敛,则基于预先设定的调控目标值下发控制指令。
6.根据权利要求1所述的基于多场景的配电网源网荷储协同电力耦合方法,其特征在于,在步骤3中,本发明实施例提供的构建配电网源网荷储协同电力耦合模型包括:
S301,构建两个具备相同的节点数、平均度以及相同的母线数的子站A与子站B;
S302,从所述子站A中随机选取一母线与所述子站B中的一母线建立相依关系,遍历子站A的所有边,直至子站A与子站B的所有边都建立一对一的依赖关系,即可得所述配电网源网荷储协同电力耦合模型。
7.根据权利要求6所述的基于多场景的配电网源网荷储协同电力耦合方法,其特征在于,配电网源网荷储协同电力耦合模型的理论分析框架包括:
1)计算参数x和参数y:
其中,p为A子站中保留的边的比例;x为随机选择的一母线;1-x表示随机选择的一母线没有连接到最大联通片的概率;P(k)表示随机选择一个节点度为k的概率;PA(k)和PB(k′)分别表示A子站和B子站的度分布函数;
2)利用计算的x,y的值计算和/>与p的关系:
其中,P∞表示随机选择一个节点而这个节点在最大联通片里的概率;
3)基于得到的最大联通图P∞和p的关系结合下式计算pc;
其中,pc表示相变的关键阈值;p=pc;
4)所述P∞与pc即构成边相依子站的相变行为理论分析框架。
8.一种实施权利要求1~7任意一项所述基于多场景的配电网源网荷储协同电力耦合方法的基于多场景的配电网源网荷储协同电力耦合系统,其特征在于,该系统包括:
母站(1),获取基于多场景的配电网源的实时运行数据并进行在线分析和计算;总站根据网荷等级划分网荷控制区,基获取的实时数据进行整体系统的无功优化计算,以确保各母线网荷稳定和无功潮流最优为准则,将优化计算得到的无功输出设定值下发至每个网荷控制区的子站;
子站(2),用于接收计算主站下发的无功输出预设值,根据配电网源网荷储关口无功需求,对配电网源的可调范围进行分析,将控制指令上发至主站;主站接收控制指令,根据所述控制指令运行无功控制模式进行调节控制;
配电网源网荷储协同电力耦合模型构建模块(3),用于构建配电网源网荷储协同电力耦合模型;采用自平衡概率理论建立所述配电网源网荷储协同电力耦合模型的理论分析框架;基于构建的理论分析框架对其他边边相依子站模型在面临随机失效下的耦合相变行为以及耦合阈值进行分析;
可视化显示终端(4),用于对面临随机失效下的耦合相变行为以及耦合阈值进行分析的信息进行可视化显示。
9.根据权利要求8所述的基于多场景的配电网源网荷储协同电力耦合系统,其特征在于,子站(2)包括:
预判母站模块,用于母线网荷合格时,当关口无功倒送时,若预判母站输出容量的增加不会使得本站母线网荷越限,则增加母站输出容量;当母站容量已满发且关口无功依然倒送,则根据已投入子站器切除后对校正无功越限灵敏度的大小排序依次预判,若切除某子站后,不会使得本站无功欠补且母线网荷越限,选择切除该子站;
关口,用于无功欠补时,若预判母站输出容量的减小不会使得本站母线网荷越限,则减小母站输出容量;而当母站输出容量已减小为0,且关口无功依然欠补,则根据未投入子站器投入后对校正关口无功越限灵敏度的大小排序依次预判,若预判投入某子站后,不会使得本站无功过补或母线网荷越限,则选择投入该子站。
10.根据权利要求8所述的基于多场景的配电网源网荷储协同电力耦合系统,其特征在于,子站(2)还包括调节控制模块,用于获取当前区域电网实时的系统潮流、机端网荷与无功补偿容量可调范围数据;并对获取的数据进行状态估计,去除不良数据,估计得到电力系统的真实状态;判断所述状态估计结果是否可信,若状态估计残差过大则判断结果不可信,则直接以预先设定的调控目标值下发控制指令;若所述状态估计结果可信,则进行最优潮流计算;确定调节控制函数,并设置控制变量无功补偿容量、机端网荷的上下限值,进行最优潮流计算;
以及还用于判断计算结果是否收敛,若收敛则输出最优状态下的控制变量优化结果,并向各设备下发调控目标值;若不收敛,则基于预先设定的调控目标值下发控制指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310351254.7A CN116581767A (zh) | 2023-04-04 | 2023-04-04 | 基于多场景的配电网源网荷储协同电力耦合方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310351254.7A CN116581767A (zh) | 2023-04-04 | 2023-04-04 | 基于多场景的配电网源网荷储协同电力耦合方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116581767A true CN116581767A (zh) | 2023-08-11 |
Family
ID=87538436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310351254.7A Pending CN116581767A (zh) | 2023-04-04 | 2023-04-04 | 基于多场景的配电网源网荷储协同电力耦合方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116581767A (zh) |
-
2023
- 2023-04-04 CN CN202310351254.7A patent/CN116581767A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8024076B2 (en) | Voltage collapse diagnostic and ATC system | |
Thakar et al. | System reconfiguration in microgrids | |
Wang et al. | Service restoration based on AMI and networked MGs under extreme weather events | |
CN106451556A (zh) | 一种确定配电网馈线接纳分布式电源能力的方法和装置 | |
CN103036230A (zh) | 一种基于工程应用的交直流混联大电网的动态等值方法 | |
CN108873733B (zh) | 电力信息物理系统中信息预想事故影响的分析方法 | |
CN103296685A (zh) | 一种svc补偿策略最优化方法 | |
CN107658895B (zh) | 一种直流换相失败预测环节门槛值整定方法 | |
CN102593829A (zh) | 计及关键支路的输电断面确定方法与装置 | |
CN110212539A (zh) | 一种提高配电网可靠性的负荷转供方法及装置 | |
Malekpour et al. | An optimal load shedding approach for distribution networks with DGs considering capacity deficiency modelling of bulked power supply | |
Wang et al. | Service restoration for distribution network with DGs based on stochastic response surface method | |
CN112491034A (zh) | 一种基于交流潮流模型的电力信息物理系统建模方法 | |
CN112531762B (zh) | 同送同受特高压直流输电系统受端电压稳定性评估方法 | |
CN113191675A (zh) | 多直流送端电网规划方案适应性评估方法及系统 | |
CN112258030A (zh) | 配电网智能开关站的选址方法、系统及信息数据处理终端 | |
CN116581767A (zh) | 基于多场景的配电网源网荷储协同电力耦合方法及系统 | |
CN113675872B (zh) | 基于送端稳定约束的多直流同时换相失败协调恢复排序法 | |
CN115618616A (zh) | 一种源、网、荷资源的混合储能可靠性评估模型构建方法 | |
CN115224727A (zh) | 一种风电动态功角稳定性的测试方法及装置 | |
CN111865700B (zh) | 一种电力信息物理系统的信息节点筛选方法及相关装置 | |
CN107590211A (zh) | 智能电网信息系统 | |
CN110854922A (zh) | 基于蚁群算法的地区电网接纳新能源能力评估系统及方法 | |
CN114142456B (zh) | 特高压交直流电网稳定性同质化评估方法 | |
CN113054655B (zh) | 一种高比例直流高比例新能源的受端电网强度评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |