CN116934105A - 一种考虑柔性资源接入的配电网灵活性评估方法和系统 - Google Patents
一种考虑柔性资源接入的配电网灵活性评估方法和系统 Download PDFInfo
- Publication number
- CN116934105A CN116934105A CN202310679108.7A CN202310679108A CN116934105A CN 116934105 A CN116934105 A CN 116934105A CN 202310679108 A CN202310679108 A CN 202310679108A CN 116934105 A CN116934105 A CN 116934105A
- Authority
- CN
- China
- Prior art keywords
- flexibility
- index
- power
- distribution network
- flexible
- 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 172
- 238000011156 evaluation Methods 0.000 title claims abstract description 24
- 230000004044 response Effects 0.000 claims abstract description 44
- 230000005611 electricity Effects 0.000 claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000009467 reduction Effects 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000011002 quantification Methods 0.000 claims abstract description 10
- 238000003064 k means clustering Methods 0.000 claims abstract description 7
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims description 22
- 238000004146 energy storage Methods 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 11
- 230000009194 climbing Effects 0.000 claims description 10
- 230000005284 excitation Effects 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 10
- 230000002452 interceptive effect Effects 0.000 claims description 10
- 230000029087 digestion Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 8
- 230000033228 biological regulation Effects 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000003786 synthesis reaction Methods 0.000 description 6
- 239000008186 active pharmaceutical agent Substances 0.000 description 5
- 230000010485 coping Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Water Supply & Treatment (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于配电网技术领域,尤其涉及考虑柔性资源接入的配电网灵活性评估方法和系统,方法包括获取配电网中风电、光伏及负荷数据,通过K‑means聚类算法处理以生成典型场景;根据电力系统的功率不平衡量,通过电价信号引导柔性资源参与需求响应,计算各典型场景下的灵活性指标值,形成指标矩阵;利用信息熵理论对指标矩阵进行初次降维,得到柔性资源接入情景下的综合指标值;针对在不同场景下各柔性资源接入配电网得到的灵活性指标值,将其作为各个视角下的推理证据,利用D‑S证据理论算法合成推理证据,得到不同柔性资源接入情景下的灵活性量化指标值。通过本发明能够对配电网的灵活性进行全面和定量的评估,可以提高配电网的运行效率和稳定性。
Description
技术领域
本发明属于配电网技术领域,尤其涉及一种考虑柔性资源接入的配电网灵活性评估方法和系统。
背景技术
在可再生能源渗透率的不断提升和柔性资源集群的大规模接入的新背景下新型配电系统内部源-网-荷-储的界限趋于模糊,面临着复杂多变的运行场景,也因此对配电系统提出了调控灵活性的需求。利用柔性资源集群响应特性与新能源出力特性在时间尺度上的匹配性,能够促进新能源消纳,降低系统建设运行成本。如何量化分析不同柔性资源对新型配电系统灵活性的改善效果,成为现代化配电网规划设计时需要考虑的重点问题。
发明内容
为了解决或者改善上述问题,本发明提供了一种考虑柔性资源接入的配电网灵活性评估方法和系统,具体技术方案如下:
本发明提供一种考虑柔性资源接入的配电网灵活性评估方法,包括:
获取配电网中风电、光伏及负荷的相关数据,并通过K-means聚类算法处理以生成典型场景;
根据电力系统的功率不平衡量,通过电价信号引导柔性资源参与需求响应,计算各典型场景下的灵活性指标值,形成指标矩阵;
对所述指标矩阵进行初次降维,得到不同的柔性资源接入情景下的综合指标值;
针对在不同场景下各柔性资源接入配电网得到的灵活性指标值,以作为各个视角下的推理证据,利用D-S证据理论算法合成所述推理证据,得到不同柔性资源接入情景下的灵活性量化指标值。
优选的,所述根据电力系统的功率不平衡量,通过电价信号引导柔性资源参与互动并记录各项指标值,包括:
设置电价型柔性资源的响应模型:
式中,Pi,t为节点i在t时刻的功率,Pi,0为节点i的初始功率,/>为节点i在t时刻通过价格型需求响应的功率,εi,i为自弹性系数,/>为t时刻的分时电价,/>为响应前t时刻的电价,CT为价格型需求响应的互动成本;
设置激励型负荷的响应模型:
式中,ΔPi,t为节点i在t时刻的激励型需求响应调节容量,/>为柔性资源响应LC时的互动成本,/>为柔性资源响应LS时的互动成本,α为折扣率,β为补偿率;
所述指标值包括电源侧灵活性指标、配网侧灵活性指标和负荷侧灵活性指标。
优选的,所述电源侧灵活性指标包括:可再生能源消纳率λyx,可再生能源波动率λbd;
所述配网侧灵活性指标包括:变压器容量灵活充裕度,满足灵活性裕度的主变压器占比λT,高压线路容量灵活充裕度,满足灵活性裕度的高压线路占比λHL,中压线路容量灵活充裕度,满足灵活性裕度的中压线路占比λML,支路灵活性对应能力指标IME;
所述负荷侧灵活性指标包括:净负荷波动率λnet,负荷转供,净负荷最大允许波动率,灵活性供区平衡指标。
优选的,所述可再生能源消纳率式中,Pdg为接入配电网的可再生能源的额定功率,Pmax为配电网的最大负荷功率;
所述可再生能源波动率式中,Pdg(t)为配电网中分布式可再生能源当前时刻的输出功率,Pdg(t-1)为配电网中分布式可再生能源前一时刻的输出功率;
所述变压器容量灵活充裕度包括:
向上灵活性向下灵活性式中,λTup,i(t)和λTdown,i(t)分别为第i台主变压器净负荷峰值、谷值时刻所对应的容量裕度,Pmax,i和Pmin,i分别表示主变压器i的上、下限传输容量域值,Pi(t)表示变压器i在t时刻传输容量;
所述满足灵活性裕度的主变压器占比式中,N'T为满足灵活性裕度的主变压器台数,NT为主变压器总台数;
所述高压线路容量灵活充裕度:式中,λHL,i(t)为负荷峰值对应时刻的线路裕度,Pmax,HL,i为对应线路的最大传输功率,PHL,i(t)为对应线路的实时功率;
所述满足灵活性裕度的高压线路占比式中,N'HL为满足灵活性裕度的高压线路条数,NHL为高压线路总条数;
中压线路容量灵活充裕度:式中,λML,i(t)为负荷峰值对应时刻的线路裕度,Pmax,ML,i为对应线路最大传输功率,PML,i(t)为对应线路的实时功率;
满足灵活性裕度的中压线路占比式中,N'ML为满足灵活性裕度的中压线路条数,NML为中压线路总条数;
所述支路灵活性对应能力指标IME:式中,IME1为反映网络支路平均负荷率的指标,IME2为反映网络支路负荷均衡度的指标,Sb、Nb分别为配电网的支路集合、数量,Lij,t为t时段支路ij的负荷率,/>为t时段所有支路的平均负荷率,Iij,t为t时段流过支路ij的电流,/>为支路ij允许流过电流的最大值;
所述净负荷波动率式中,P(t)为当前时刻净负荷,P(t-1)为前一时刻净负荷;
所述负荷转供:式中,λvh为柔性负荷接入率,Svh为柔性资源集群的用电量,Ssums为配电网总用电量;
所述净负荷最大允许波动率:式中,为净负荷t时段最大允许波动率,/>为当前时刻净负荷,/>为可控DG允许爬坡率,/>为储能允许爬坡率,/>为配电网允许爬坡率,NGC为可控DG数量,NESS为储能数量;
所述灵活性供区平衡指标: 式中,ISD为各时段灵活性调节能力与灵活性需求之间的比值,分别为一个调度周期中净负荷增加、减少的调度时段内灵活性供应与灵活性需求比值的总和,ut为t时段净负荷功率变化额定状态变量,/> 分别为t、t+1时段净负荷功率大小,T为调度周期内的时段总数,/>分别为t时段配电网总的向上、向下灵活性调节能力,Scl、Sessw分别为可控负荷节点、储能装置安装节点集合。
优选的,所述对所述指标矩阵进行初次降维,得到不同柔性资源接入情景在配电网各个场景下的综合指标值,包括:
配电系统的信息熵式中,xi表示配电系统可能出现的第i种状态,p(xi)表示第i种状态出现的概率并且0≤p(xi)≤1,/>
基于信息熵理论进行降维的步骤包括:
对第k种柔性资源,在m个场景下得到的n个指标构成典型场景-指标矩阵R'k;
对各个指标元素做归一化处理,得到标准化指标矩阵Rk;
计算关于各个指标的熵权,以反应指标在各个典型场景下变化的无序程度;
确定第j个指标的权重;
计算第k种柔性资源集群在第i个场景中所得到的综合指标值。
本发明提供一种考虑柔性资源接入的配电网灵活性评估系统,包括:
第一模块,用于获取配电网中风电、光伏及负荷的相关数据,并通过K-means聚类算法处理以生成典型场景;
第二模块,用于根据电力系统的功率不平衡量,通过电价信号引导柔性资源参与需求响应,计算各典型场景下的灵活性指标值,形成指标矩阵;
第三模块,用于对所述指标矩阵进行初次降维,得到不同的柔性资源接入情景下的综合指标值;
第四模块,用于针对在不同场景下各柔性资源接入配电网得到的灵活性指标值,以作为各个视角下的推理证据,利用D-S证据理论算法合成所述推理证据,得到不同柔性资源接入情景下的灵活性量化指标值。
优选的,所述根据电力系统的功率不平衡量,通过电价信号引导柔性资源参与互动并记录各项指标值,包括:
设置电价型柔性资源的响应模型:式中,Pi,t为节点i在t时刻的功率,Pi,0为节点i的初始功率,/>为节点i在t时刻通过价格型需求响应的功率,εi,i为自弹性系数,/>为t时刻的分时电价,/>为响应前t时刻的电价,CT为价格型需求响应的互动成本;
设置激励型负荷的响应模型:
式中,ΔPi,t为节点i在t时刻的激励型需求响应调节容量,/>为柔性资源响应LC时的互动成本,/>为柔性资源响应LS时的互动成本,α为折扣率,β为补偿率。
优选的,所述电源侧灵活性指标包括:可再生能源消纳率λyx,可再生能源波动率λbd;
所述配网侧灵活性指标包括:变压器容量灵活充裕度,满足灵活性裕度的主变压器占比λT,高压线路容量灵活充裕度,满足灵活性裕度的高压线路占比λHL,中压线路容量灵活充裕度,满足灵活性裕度的中压线路占比λML,支路灵活性对应能力指标IME;
所述负荷侧灵活性指标包括:净负荷波动率λnet,负荷转供,净负荷最大允许波动率,灵活性供区平衡指标。
优选的,所述可再生能源消纳率式中,Pdg为接入配电网的可再生能源的额定功率,Pmax为配电网的最大负荷功率;
所述可再生能源波动率式中,Pdg(t)为配电网中分布式可再生能源当前时刻的输出功率,Pdg(t-1)为配电网中分布式可再生能源前一时刻的输出功率;
所述变压器容量灵活充裕度包括:
向上灵活性向下灵活性式中,λTup,i(t)和λTdown,i(t)分别为第i台主变压器净负荷峰值、谷值时刻所对应的容量裕度,Pmax,i和Pmin,i分别表示主变压器i的上、下限传输容量域值,Pi(t)表示变压器i在t时刻传输容量;
所述满足灵活性裕度的主变压器占比式中,N'T为满足灵活性裕度的主变压器台数,NT为主变压器总台数;
所述高压线路容量灵活充裕度:式中,λHL,i(t)为负荷峰值对应时刻的线路裕度,Pmax,HL,i为对应线路的最大传输功率,PHL,i(t)为对应线路的实时功率;
所述满足灵活性裕度的高压线路占比式中,N'HL为满足灵活性裕度的高压线路条数,NHL为高压线路总条数;
中压线路容量灵活充裕度:式中,λML,i(t)为负荷峰值对应时刻的线路裕度,Pmax,ML,i为对应线路最大传输功率,PML,i(t)为对应线路的实时功率;
满足灵活性裕度的中压线路占比式中,N'ML为满足灵活性裕度的中压线路条数,NML为中压线路总条数;
所述支路灵活性对应能力指标IME:式中,IME1为反映网络支路平均负荷率的指标,IME2为反映网络支路负荷均衡度的指标,Sb、Nb分别为配电网的支路集合、数量,Lij,t为t时段支路ij的负荷率,/>为t时段所有支路的平均负荷率,Iij,t为t时段流过支路ij的电流,/>为支路ij允许流过电流的最大值;
所述净负荷波动率式中,P(t)为当前时刻净负荷,P(t-1)为前一时刻净负荷;
所述负荷转供:式中,λvh为柔性负荷接入率,Svh为柔性资源集群的用电量,Ssums为配电网总用电量;
所述净负荷最大允许波动率:式中,为净负荷t时段最大允许波动率,/>为当前时刻净负荷,/>为可控DG允许爬坡率,/>为储能允许爬坡率,/>为配电网允许爬坡率,NGC为可控DG数量,NESS为储能数量;
所述灵活性供区平衡指标: 式中,ISD为各时段灵活性调节能力与灵活性需求之间的比值,分别为一个调度周期中净负荷增加、减少的调度时段内灵活性供应与灵活性需求比值的总和,ut为t时段净负荷功率变化额定状态变量,/> 分别为t、t+1时段净负荷功率大小,T为调度周期内的时段总数,/>分别为t时段配电网总的向上、向下灵活性调节能力,Scl、Sessw分别为可控负荷节点、储能装置安装节点集合。
优选的,所述对所述指标矩阵进行初次降维,得到不同柔性资源接入情景在配电网各个场景下的综合指标值,包括:
配电系统的信息熵式中,xi表示配电系统可能出现的第i种状态,p(xi)表示第i种状态出现的概率并且0≤p(xi)≤1,/>
基于信息熵理论进行降维的步骤包括:
对第k种柔性资源,在m个场景下得到的n个指标构成典型场景-指标矩阵R'k;
对各个指标元素做归一化处理,得到标准化指标矩阵Rk;
计算关于各个指标的熵权,以反应指标在各个典型场景下变化的无序程度;
确定第j个指标的权重;
计算第k种柔性资源集群在第i个场景中所得到的综合指标值。
本发明的有益效果为:获取配电网中风电、光伏及负荷数据,并通过K-means聚类算法处理以生成典型场景;根据电力系统的功率不平衡量,通过电价信号引导柔性资源参与需求响应,计算各典型场景下的灵活性指标值,形成指标矩阵;利用信息熵理论对指标矩阵进行初次降维,得到不同的柔性资源接入情景下的综合指标值;针对在不同场景下各柔性资源接入配电网得到的灵活性指标值,以作为各个视角下的推理证据,利用D-S证据理论算法合成所述推理证据,得到不同柔性资源接入情景下的灵活性量化指标值。,能够解析柔性资源接入配电网产生的影响。
附图说明
图1是根据本发明的考虑柔性资源接入的配电网灵活性评估方法的示意图。
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做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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
未解决背景提到的技术问题,本发明提供一种考虑柔性资源接入的配电网灵活性评估方法,以满足不同类型的柔性资源参与电网调节的需求,适应新型配电网的发展。
为解决上述技术问题,本发明提供如图1所示的一种考虑柔性资源接入的配电网灵活性评估方法,包括:
步骤S1,获取配电网中风电、光伏及负荷的相关数据,并通过K-means聚类算法处理以生成典型场景;
步骤S2,根据电力系统的功率不平衡量,通过电价信号引导柔性资源参与需求响应,计算各典型场景下的灵活性指标值,形成指标矩阵;
步骤S3,利用信息熵理论对指标矩阵进行初次降维,得到不同的柔性资源接入情景下的综合指标值;
步骤S4,针对在不同场景下各柔性资源接入配电网得到的灵活性指标值,以作为各个视角下的推理证据,利用D-S证据理论算法合成所述推理证据,得到不同柔性资源接入情景下的灵活性量化指标值。
不同的柔性资源接入情景包括:情景Ⅰ:不考虑柔性资源接入;情景Ⅱ:仅考虑价格型柔性资源需求响应模型;情景Ⅲ:仅考虑激励型柔性资源需求响应模型;情景Ⅳ:同时考虑价格型和激励型柔性资源需求响应模型。
根据电力系统的功率不平衡量,通过电价信号引导柔性资源参与互动并记录各项指标值,包括:
设置电价型柔性资源的响应模型:式中,Pi,t为节点i在t时刻的功率,Pi,0为节点i的初始功率,/>为节点i在t时刻通过价格型需求响应的功率,εi,i为自弹性系数,/>为t时刻的分时电价,/>为响应前t时刻的电价,CT为价格型需求响应的互动成本;
设置激励型负荷的响应模型:
式中,ΔPi,t为节点i在t时刻的激励型需求响应调节容量,/>为柔性资源响应LC时的互动成本,/>为柔性资源响应LS时的互动成本,α为折扣率,β为补偿率。
所述指标值包括电源侧灵活性指标、配网侧灵活性指标和负荷侧灵活性指标。
方法的原理包括:
(1)配电网灵活性特征分析
电力系统灵活性定义已由北美电力可靠性委员会NERC(North AmericanElectric Reliability Council)和国际能源署IEA(International Energy Agency)明确提出,是指电力系统在其边界约束下,快速响应供应和负荷的大幅波动,对可预见、不可预见的变化和事件迅速反应,负荷需求减小时减小供应,负荷需求增加时增加供应。然而,配电系统的灵活性仍然缺乏统一定义。
近年来,面向多场景的配电网规划和运行成为研究热点,即在考虑多种不确定性因素的基础上,通过灵活控制优化调度、交易博弈等手段,满足系统在不同时空尺度下的多样化需求,方法本质便是对配电系统灵活性的提升与运用。例如:在风、光等分布式资源发生波动时,保证可再生资源被优先完全消纳的能力;在大负荷冲击或用户集群行为异常时,保持系统安全稳定与可靠运行的能力;在故障导致非计划停电时,快速隔离故障并转供负荷的能力;在正常运行时,有效应对各种不确定性扰动并时刻保持优化运行状态的能力等。在此基础上,本专利进一步提出具有一般性的配电系统灵活性理念,旨在实现配电系统不同运行场景下灵活调度能力的通用化表述,并建立涵盖上述各种具体灵活性需求的一致性分析框架。从本质来看,新型配电系统的灵活性反映了配电系统充分统筹和利用系统内可调度资源,能够快速有效应对运行中的多重不确定性因素扰动,灵活适应各种复杂运行环境并保证配电系统的安全稳定供电及经济运行的能力。灵活的配电系统,不仅有能力应对功率不足的情况,还可以最小成本地消纳过剩的电能,保证任何时刻都有充分的电力供应。
在可再生能源渗透率的不断提升和柔性资源集群的大规模接入配电系统的新背景下,以提升配电系统灵活性为目标,将各种可调度资源纳入统一的分析与优化框架,充分发挥配电网高级形态的可控性潜力,为配电系统复杂运行问题提供经济、合理、有效的复合式应对手段,成为新型配电系统的重要特征。电力用户将在发电、用电、储能等多重身份之间灵活转换,使新型配电系统灵活性的供需关系更加复。这些特征使新型配电系统的灵活性提升手段更加多样化。
新型配电系统的灵活性体现在源-网-荷-储各个环节,根据物理本质的不同可以将其划分为一次、二次和三次等多个层级。
一次灵活性又可以称为物理层灵活性,反映了新型配电系统多时空尺度能量的平衡与控制能力。
二次灵活性又可以称为信息层灵活性,反映了智能配电网的全面信息感知与灵活运行调度能力。
三次灵活性又可以称为市场层灵活性,其本质是通过灵活的市场机制来调节电网的供需平衡进而改变用户的发、用电行为。三次灵活性的来源主要可以分为两个部分:一是对协议用户负荷的直接控制,即在协议允许范围内对用户侧可控负荷进行灵活启停与时序转移;二是通过分时电价,政策优惠等多种激励手段,通过改变用户侧分布式电源的出力特性或负荷的用电模式来支撑电网运。
(2)配电网灵活性评估技术框架
柔性资源的不断丰富使配电网灵活性问题愈发复杂,常规的定性描述方式难以全面、准确地反映灵活性的多维特征,无法适应未来配电网优化调度需要,完备的量化分析手段成为配电网灵活性分析与应用的首要问题。灵活性的量化旨在运用数学分析方法,以定量方式建立能够精细反映配电网灵活性水平及其复杂属性特征的分析模型,为系统层面的灵活性评估、调度、匹配和优化提供手段与依据。目前,在大电网层面已经初步建立了具有多维属性的灵活性模型,为配电网灵活性的建模提供了一定借鉴。但由于其量化特征仍不明显,且更侧重于灵活性的指标式评估,在运行调度中的实用价值有限。
相比而言,配电网所面临的调度场景和资源构成更加复杂,对灵活性量化建模的技术需求也更加丰富,需要其具备:①对不同类型灵活性资源的广泛适用能力,将装备、信息、市场等不同环节与来源的灵活性纳入统一的量化分析框架;②面向不同时间尺度的灵活性建模能力,为暂态、短期、中长期等不同场景下的多类型调度需求提供针对性的分析手段;③考虑物理本质的量化灵活性网络传导能力,使灵活性成为具有定量生产、调度、转移、消耗及交易功能的虚拟物理量;④与现有配电网优化技术框架的兼容能力,使量化灵活性能够作为配电网整体多目标优化问题的组成部分。
进一步衡量源、网、荷各个环节之间的匹配程度。按照源端和荷端分别计算功率注入节点和负荷节点的几何均值,网端计算各条线路的几何均值的方法,比较源端、网端和荷端的柔性指标大小关系,可对配电网各环节间的协调性量化评估。在不同的拓扑、不同预调节措施下,本专利的柔性评估流程均可用于确定系统的负荷转供和网络规划方案。结合灵活性评估结果发掘系统的薄弱环节以改善系统的可靠性和安全性。
(3)配电网灵活性指标集
通过以上分析,本发明从电源侧、配网侧、负荷侧三方面建立新型配电系统灵活性指标体系,并给出它们的计算方法。
(1)电源侧灵活性指标
电源侧的灵活性指标主要反映在配电网对分布式可再生能源发电、储能装置以及其他综合能源技术的应对能力。
1)可再生能源消纳率
该指标反映配电网中可吸收分布式可再生能源输出功率的能力,可表示为:式中,λyx为可再生能源消纳率;Pdg为接入配电网的可再生能源的额定功率;Pmax为配电网的最大负荷功率。
2)可再生能源波动率
该指标反映分布式可再生能源在单位时间尺度上的功率变化程度,可表示为:式中,λbd为可再生能源波动率;Pdg(t)为配电网中分布式可再生能源当前时刻的输出功率;Pdg(t-1)为配电网中分布式可再生能源前一时刻的输出功率。
(2)配网侧灵活性指标
配网侧的灵活性指标主要反映配电网络对负荷的灵活供应能力。
1)变压器容量灵活充裕度
该指标主要针对配电网中的主变压器,以主变压器传输容量上下限域值,反映了变压器对功率波动的向上和向下灵活性,可表示为:
式中,λTup,i(t)和λTdown,i(t)分别为第i台主变压器净负荷峰值、谷值时刻所对应的容量裕度;Pmax,i和Pmin,i分别表示主变压器i的上、下限传输容量域值;Pi(t)表示变压器i在t时刻传输容量;λTup,i(t)≥0表示变压器容量能够响应净负荷功率向上波动;λTdown,i(t)≥0表示变压器具有向下容量裕度。逐一分析每台主变压器的容量灵活充裕度,若全部指标均达标,则可用其平均值表示变压器容量的灵活充裕度。
2)满足灵活性裕度的主变压器占比
满足灵活性裕度的主变压器占比可表示为:式中,λT为满足灵活性裕度的主变压器占比;N'T为满足灵活性裕度的主变压器台数;NT为主变压器总台数。
3)高压线路容量灵活充裕度
该指标与变压器裕度指标不同,没有上下限,而是体现了配电线路剩余可传输容量剩余度比率,反映了配电线路对功率波动的向上灵活性,可表示为:式中,λHL,i(t)为负荷峰值对应时刻的线路裕度;Pmax,HL,i为该条线路最大传输功率;PHL,i(t)为该条线路的实时功率;λHL,i(t)<0表示出现线路堵塞,线路裕度不足。逐一分析每条配电线路的容量灵活充裕度,若全部指标均达标,则线路容量的灵活裕度可用其平均值表示。
4)满足灵活性裕度的高压线路占比
满足灵活性裕度的高压线路占比可表示为:式中,λHL为满足灵活性裕度的高压线路占比N'HL为满足灵活性裕度的高压线路条数;NHL为高压线路总条数。
5)中压线路容量灵活充裕度
中压线路容量灵活充裕度可表示为:式中,λML,i(t)为负荷峰值对应时刻的线路裕度;Pmax,ML,i为该条线路最大传输功率;PML,i(t)为该条线路的实时功率;λML,i(t)<0表示出现线路堵塞,线路裕度不足。逐一分析每条配电线路的容量灵活充裕度,若全部指标均达标,则线路容量的灵活裕度可用其平均值表示。
6)满足灵活性裕度的中压线路占比
满足灵活性裕度的中压线路占比可表示为:式中,λML为满足灵活性裕度的中压线路占比;N'ML为满足灵活性裕度的中压线路条数;NML为中压线路总条数。
7)支路灵活性对应能力指标
节点灵活性资源的灵活性供应需要网架结构作为通道,支路作为灵活性资源的交易支撑平台,须保证具有一定的负荷裕度,以应对净负荷的不确定性变化;同时,灵活性资源在配电网中的分布受地理条件等限制,具有随机性的特点,引入各支路负荷率的均衡度可以提高整个系统灵活性资源的利用率和应对不确定性的能力。综合考虑支路负荷裕度和均衡度可以有效反映配电网支路应对净负荷不确定性变化时的灵活性调节能力。因此定义支路灵活性应对能力指标IME,以反映配电网网架结构灵活性的大小,其计算式为:
式中,IME的值越小,表示负荷裕度越大,各支路的负荷率越均衡,灵活性传输通道性能越好,即配电网网络灵活性越高;IME1为反映网络支路平均负荷率的指标,其值越小,表示支路的负荷裕度越大;IME2为反映网络支路负荷均衡度的指标,其值越小,表示各支路的负荷率越均衡,应对光伏和负荷不确定性变化的能力越强;Sb、Nb分别为配电网的支路集合、数量;Lij,t为t时段支路ij的负荷率;/>为t时段所有支路的平均负荷率;Iij,t为t时段流过支路ij的电流;/>为支路ij允许流过电流的最大值。
(3)负荷侧灵活性指标
负荷侧的灵活性指标主要反映在电动汽车、5G基站、可控负荷、数据中心等新兴负荷的深度参与,配电系统更加灵活多样化的供需关系,以及各类扰动下的灵活适应能力。
1)净负荷波动率
净负荷是指当可再生能源发电并网后,考虑到其发电出力的不可调节性,一般被当作一种特殊负荷,传统负荷与该负荷的差值就是系统的净负荷。净负荷波动率反映了净负荷单位时间内的波动剧烈程度,可表示为:
式中,λnet为净负荷波动率;P(t)为当前时刻净负荷;P(t-1)为前一时刻净负荷。
2)负荷转供
该指标反映了电动汽车、可调负荷等新兴柔性负荷大量接入后,发生故障时可通过改变运行方式恢复的最大负荷与故障损失负荷的比值,可表示为:
式中,λvh为柔性负荷接入率;Svh为柔性资源集群的用电量;Ssums为配电网总用电量。
3)净负荷最大允许波动率
净负荷最大允许波动率反映了配电网自身调节能力,即爬坡能力,可表示为:式中,/>为净负荷t时段最大允许波动率;/>为当前时刻净负荷;/>为可控DG允许爬坡率;/>为储能允许爬坡率;/>为配电网允许爬坡率;NGC为可控DG数量;NESS为储能数量。净负荷最大允许波动率越大,越能适应DG及负荷的波动,配电网的灵活适应性越高。
4)灵活性供区平衡指标
配电网的灵活性需求来自净负荷的随机波动,净负荷是指配电网所有节点负荷之和与光伏电站总出力之间的差值,灵活性供需平衡是指配电网实时聚集的灵活性向上、向下供应能力来满足净负荷的灵活性需求。配电网灵活性供需平衡指标ISD的计算式为:
式中,ISD反映各时段灵活性调节能力与灵活性需求之间的比值,其值越大,表示配电网的整体灵活性越好,越能适应净负荷的不确定变化;分别为一个调度周期中净负荷增加、减少的调度时段内灵活性供应与灵活性需求比值的总和;ut为t时段净负荷功率变化额定状态变量,若下一时段净负荷功率增加则取为1,否则取值为0;/>分别为t、t+1时段净负荷功率大小;T为调度周期内的时段总数,若调度周期为24h,调度时段间隔为1h,则T=24;/> 分别为t时段配电网总的向上、向下灵活性调节能力;Scl、Sessw分别为可控负荷节点、储能装置安装节点集合。
(4)配电网灵活性定量评估方法
在配电网的性能评估中,常用的评估方法采取“指标树”的形式,即通过一级指标-二级指标-三级指标等架构形成“指标树”,深入考察配电网某一特性。而本专利采用矩阵化的评估模式,结合指标维度和场景维度构成灵活性评估矩阵:
一方面,正是复杂多变的运行场景向配电网提出了调控灵活性的需求。通过引入运行场景集这一维度,从配电网系统输入的角度,体现其面临的波动性和不确定性;另一方面,配电网作为直接影响用户用电体验的关键环节,除了满足基本的能量供需平衡之外,还应提升系统的电能质量。通过引入运行性能指标体系这一维度,从配电网系统输出的角度,考察其是否能维持高效的运行性能。
综上所述,本文采用矩阵式评估方法建立运行场景集和指标体系。假设某一配电网在规划时可以设计采用L种不同的柔性资源集群调控方案,存在M个运行场景和N个评估指标,构成L个M×N的指标矩阵,继而通过信息熵和DS证据理论算法进行2步降维得到对应每个调控方案的灵活性量化指标。
熵,是在热力学范畴内表征系统无序程度的概念,也被引申入信息论的范畴。在信息论中,信息源是一组随机事件所构成的集合,与热力学中的微观状态的无序状况相似,因此香农(Shannon)于1948年提出信息熵的概念(Information Entropy)。
系统的信息熵定义H(X)为:式中,xi表示系统可能出现的第i种状态,p(xi)表示第i种状态出现的概念,并且有0≤p(xi)≤1,/>
熵权法的计算步骤为:
1)对第k种柔性资源,在m个场景下得到的n个指标构成典型场景-指标矩阵R'k:
2)对各个指标元素做归一化处理,得到标准化指标矩阵Rk
对于属性值越大越好的指标:
对于属性值越小越好的指标:
对于第j个指标在m个场景下的值,将其做归一化处理:
其中:max(g(:,j))和min(g(:,j))分别表示第j列指标在物理意义上且在国家标准规定的范围内所达到的最大值和最小值。
3)计算关于各个指标的熵权,反应指标在各个典型场景下变化的无序程度。一般来说指标在各个场景下都能够保持稳定,说明该指标反应了配网的固有特性,其权重相对较大;指标在各个场景下变化幅度较大,说明配网只在特定场景下会出现该考核指标的不足情况,其权重相对较小。
指标j的熵权
4)确定第j个指标的权重为:
5)因此第k种柔性资源集群在第i个场景中所得到的综合指标值为:
DS证据理论自从1967年诞生以来,在不断完善中形成一套基于“证据”和“组合”来处理不确定性推理问题的数学方法,近年来在电力系统中的故障诊断得到广泛应用。其基本原理是利用特有的Dempster合成公式,从多个具体证据的组合中推理融合出一个最具有支撑力的抽样证据。对应于本专利,即表现在具体场景的具体指标组合中,推理出“灵活性”这一抽象的概念。
本专利采用DS证据理论进行第二层降维,将多个场景统一为综合场景下的灵活性指标。其思路是将每个特定场景视为观察配电网的一个视角,各个视角下配电网的表现视为一个证据,应用Dempster合成公式将多个视角下的证据合并推理出一个抽象结论,即得出配电网灵活性的量化指标。DS证据理论综合了各个场景下配电网的不同表现,实现灵活性评估矩阵的第二步降维,算法具体步骤如下:
1)将第i个场景下第k种柔性资源集群调控方案的配电网的指标值Zki进行归一化处理得到mki,以满足DS证据理论的基本概率分配条件(BPA)。
2)对于两个场景间的合成,计算Dempster合成规则的标准化系数K
3)按照Dempster合成规则,将两个场景下的配电网指标视为两个视角下的证据,将证据合成推理得出在两个视角下的第k种柔性资源集群调控方案下该配电网的指标:
4)重复步骤(2)至(3),直至将所有场景全部综合,推理出对应于每个柔性资源集群调控方案的唯一指标值;
5)此时得到的Pk'一般为小于1的小数。为了人为习惯的方便,将Pk'进行适当放大,因此做进一步的处理如下:式中,P0为不加任何柔性资源集群调控方式的配电网按上述步骤计算的指标值,以用作对比。
本领域普通技术人员可以意识到,结合本实施例中所公开的实施例描述的各示例的单元,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的实施例中,应该理解到,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元可结合为一个单元,一个单元可拆分为多个单元,或一些特征可以忽略等。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种考虑柔性资源接入的配电网灵活性评估方法,其特征在于,包括:
获取配电网中风电、光伏及负荷的相关数据,并通过K-means聚类算法处理以生成典型场景;
根据电力系统的功率不平衡量,通过电价信号引导柔性资源参与需求响应,计算各典型场景下的灵活性指标值,形成指标矩阵;
对所述指标矩阵进行初次降维,得到不同的柔性资源接入情景下的综合指标值;
针对在不同场景下各柔性资源接入配电网得到的灵活性指标值,以作为各个视角下的推理证据,利用D-S证据理论算法合成所述推理证据,得到不同柔性资源接入情景下的灵活性量化指标值。
2.根据权利要求1所述考虑柔性资源接入的配电网灵活性评估方法,其特征在于,所述根据电力系统的功率不平衡量,通过电价信号引导柔性资源参与互动并记录各项指标值,包括:
设置电价型柔性资源的响应模型:
式中,Pi,t为节点i在t时刻的功率,Pi,0为节点i的初始功率,/>为节点i在t时刻通过价格型需求响应的功率,εi,i为自弹性系数,/>为t时刻的分时电价,/>为响应前t时刻的电价,CT为价格型需求响应的互动成本;
设置激励型负荷的响应模型:
式中,ΔPi,t为节点i在t时刻的激励型需求响应调节容量,为柔性资源响应LC时的互动成本,/>为柔性资源响应LS时的互动成本,α为折扣率,β为补偿率;
所述指标值包括电源侧灵活性指标、配网侧灵活性指标和负荷侧灵活性指标。
3.根据权利要求2所述考虑柔性资源接入的配电网灵活性评估方法,其特征在于,所述电源侧灵活性指标包括:可再生能源消纳率λyx,可再生能源波动率λbd;
所述配网侧灵活性指标包括:变压器容量灵活充裕度,满足灵活性裕度的主变压器占比λT,高压线路容量灵活充裕度,满足灵活性裕度的高压线路占比λHL,中压线路容量灵活充裕度,满足灵活性裕度的中压线路占比λML,支路灵活性对应能力指标IME;
所述负荷侧灵活性指标包括:净负荷波动率λnet,负荷转供,净负荷最大允许波动率,灵活性供区平衡指标。
4.根据权利要求3所述考虑柔性资源接入的配电网灵活性评估方法,其特征在于,所述可再生能源消纳率式中,Pdg为接入配电网的可再生能源的额定功率,Pmax为配电网的最大负荷功率;
所述可再生能源波动率式中,Pdg(t)为配电网中分布式可再生能源当前时刻的输出功率,Pdg(t-1)为配电网中分布式可再生能源前一时刻的输出功率;
所述变压器容量灵活充裕度包括:
向上灵活性向下灵活性/>式中,λTup,i(t)和λTdown,i(t)分别为第i台主变压器净负荷峰值、谷值时刻所对应的容量裕度,Pmax,i和Pmin,i分别表示主变压器i的上、下限传输容量域值,Pi(t)表示变压器i在t时刻传输容量;
所述满足灵活性裕度的主变压器占比式中,N'T为满足灵活性裕度的主变压器台数,NT为主变压器总台数;
所述高压线路容量灵活充裕度:式中,λHL,i(t)为负荷峰值对应时刻的线路裕度,Pmax,HL,i为对应线路的最大传输功率,PHL,i(t)为对应线路的实时功率;
所述满足灵活性裕度的高压线路占比式中,N'HL为满足灵活性裕度的高压线路条数,NHL为高压线路总条数;
所述中压线路容量灵活充裕度:式中,λML,i(t)为负荷峰值对应时刻的线路裕度,Pmax,ML,i为对应线路最大传输功率,PML,i(t)为对应线路的实时功率;
所述满足灵活性裕度的中压线路占比式中,N'ML为满足灵活性裕度的中压线路条数,NML为中压线路总条数;
所述支路灵活性对应能力指标IME:式中,IME1为反映网络支路平均负荷率的指标,IME2为反映网络支路负荷均衡度的指标,Sb、Nb分别为配电网的支路集合、数量,Lij,t为t时段支路ij的负荷率,/>为t时段所有支路的平均负荷率,Iij,t为t时段流过支路ij的电流,/>为支路ij允许流过电流的最大值;
所述净负荷波动率式中,P(t)为当前时刻净负荷,P(t-1)为前一时刻净负荷;
所述负荷转供:式中,λvh为柔性负荷接入率,Svh为柔性资源集群的用电量,Ssums为配电网总用电量;
所述净负荷最大允许波动率:式中,/>为净负荷t时段最大允许波动率,/>为当前时刻净负荷,/>为可控DG允许爬坡率,/>为储能允许爬坡率,/>为配电网允许爬坡率,NGC为可控DG数量,NESS为储能数量;
所述灵活性供区平衡指标: 式中,ISD为各时段灵活性调节能力与灵活性需求之间的比值,分别为一个调度周期中净负荷增加、减少的调度时段内灵活性供应与灵活性需求比值的总和,ut为t时段净负荷功率变化额定状态变量,/> 分别为t、t+1时段净负荷功率大小,T为调度周期内的时段总数,Ft up、Ft down分别为t时段配电网总的向上、向下灵活性调节能力,Scl、Sessw分别为可控负荷节点、储能装置安装节点集合。
5.根据权利要求4所述考虑柔性资源接入的配电网灵活性评估方法,其特征在于,所述对所述指标矩阵进行初次降维,得到不同柔性资源接入情景在配电网各个场景下的综合指标值,包括:
配电系统的信息熵式中,xi表示配电系统可能出现的第i种状态,p(xi)表示第i种状态出现的概率并且0≤p(xi)≤1,/>
基于信息熵理论进行降维的步骤包括:
对第k种柔性资源,在m个场景下得到的n个指标构成典型场景-指标矩阵R'k;
对各个指标元素做归一化处理,得到标准化指标矩阵Rk;
计算关于各个指标的熵权,以反应指标在各个典型场景下变化的无序程度;
确定第j个指标的权重;
计算第k种柔性资源集群在第i个场景中所得到的综合指标值。
6.一种考虑柔性资源接入的配电网灵活性评估系统,其特征在于,包括:
第一模块,用于获取配电网中风电、光伏及负荷的相关数据,并通过K-means聚类算法处理以生成典型场景;
第二模块,用于根据电力系统的功率不平衡量,通过电价信号引导柔性资源参与需求响应,计算各典型场景下的灵活性指标值,形成指标矩阵;
第三模块,用于对所述指标矩阵进行初次降维,得到不同的柔性资源接入情景下的综合指标值;
第四模块,用于针对在不同场景下各柔性资源接入配电网得到的灵活性指标值,以作为各个视角下的推理证据,利用D-S证据理论算法合成所述推理证据,得到不同柔性资源接入情景下的灵活性量化指标值。
7.根据权利要求6所述考虑柔性资源接入的配电网灵活性评估系统,其特征在于,所述根据电力系统的功率不平衡量,通过电价信号引导柔性资源参与互动并记录各项指标值,包括:
设置电价型柔性资源的响应模型:式中,Pi,t为节点i在t时刻的功率,Pi,0为节点i的初始功率,/>为节点i在t时刻通过价格型需求响应的功率,εi,i为自弹性系数,/>为t时刻的分时电价,/>为响应前t时刻的电价,CT为价格型需求响应的互动成本;
设置激励型负荷的响应模型:
式中,ΔPi,t为节点i在t时刻的激励型需求响应调节容量,为柔性资源响应LC时的互动成本,/>为柔性资源响应LS时的互动成本,α为折扣率,β为补偿率。
8.根据权利要求7所述考虑柔性资源接入的配电网灵活性评估系统,其特征在于,所述电源侧灵活性指标包括:可再生能源消纳率λyx,可再生能源波动率λbd;
所述配网侧灵活性指标包括:变压器容量灵活充裕度,满足灵活性裕度的主变压器占比λT,高压线路容量灵活充裕度,满足灵活性裕度的高压线路占比λHL,中压线路容量灵活充裕度,满足灵活性裕度的中压线路占比λML,支路灵活性对应能力指标IME;
所述负荷侧灵活性指标包括:净负荷波动率λnet,负荷转供,净负荷最大允许波动率,灵活性供区平衡指标。
9.根据权利要求8所述考虑柔性资源接入的配电网灵活性评估系统,其特征在于,所述可再生能源消纳率式中,Pdg为接入配电网的可再生能源的额定功率,Pmax为配电网的最大负荷功率;
所述可再生能源波动率式中,Pdg(t)为配电网中分布式可再生能源当前时刻的输出功率,Pdg(t-1)为配电网中分布式可再生能源前一时刻的输出功率;
所述变压器容量灵活充裕度包括:
向上灵活性向下灵活性/>式中,λTup,i(t)和λTdown,i(t)分别为第i台主变压器净负荷峰值、谷值时刻所对应的容量裕度,Pmax,i和Pmin,i分别表示主变压器i的上、下限传输容量域值,Pi(t)表示变压器i在t时刻传输容量;
所述满足灵活性裕度的主变压器占比式中,N'T为满足灵活性裕度的主变压器台数,NT为主变压器总台数;
所述高压线路容量灵活充裕度:式中,λHL,i(t)为负荷峰值对应时刻的线路裕度,Pmax,HL,i为对应线路的最大传输功率,PHL,i(t)为对应线路的实时功率;
所述满足灵活性裕度的高压线路占比式中,N'HL为满足灵活性裕度的高压线路条数,NHL为高压线路总条数;
所述中压线路容量灵活充裕度:式中,λML,i(t)为负荷峰值对应时刻的线路裕度,Pmax,ML,i为对应线路最大传输功率,PML,i(t)为对应线路的实时功率;
所述满足灵活性裕度的中压线路占比式中,N'ML为满足灵活性裕度的中压线路条数,NML为中压线路总条数;
所述支路灵活性对应能力指标IME:式中,IME1为反映网络支路平均负荷率的指标,IME2为反映网络支路负荷均衡度的指标,Sb、Nb分别为配电网的支路集合、数量,Lij,t为t时段支路ij的负荷率,/>为t时段所有支路的平均负荷率,Iij,t为t时段流过支路ij的电流,/>为支路ij允许流过电流的最大值;
所述净负荷波动率式中,P(t)为当前时刻净负荷,P(t-1)为前一时刻净负荷;
所述负荷转供:式中,λvh为柔性负荷接入率,Svh为柔性资源集群的用电量,Ssums为配电网总用电量;
所述净负荷最大允许波动率:式中,/>为净负荷t时段最大允许波动率,/>为当前时刻净负荷,/>为可控DG允许爬坡率,/>为储能允许爬坡率,/>为配电网允许爬坡率,NGC为可控DG数量,NESS为储能数量;
所述灵活性供区平衡指标: 式中,ISD为各时段灵活性调节能力与灵活性需求之间的比值,分别为一个调度周期中净负荷增加、减少的调度时段内灵活性供应与灵活性需求比值的总和,ut为t时段净负荷功率变化额定状态变量,/> 分别为t、t+1时段净负荷功率大小,T为调度周期内的时段总数,Ft up、Ft down分别为t时段配电网总的向上、向下灵活性调节能力,Scl、Sessw分别为可控负荷节点、储能装置安装节点集合。
10.根据权利要求9所述考虑柔性资源接入的配电网灵活性评估系统,其特征在于,所述对所述指标矩阵进行初次降维,得到不同柔性资源接入情景在配电网各个场景下的综合指标值,包括:
配电系统的信息熵式中,xi表示配电系统可能出现的第i种状态,p(xi)表示第i种状态出现的概率并且0≤p(xi)≤1,/>
基于信息熵理论进行降维的步骤包括:
对第k种柔性资源,在m个场景下得到的n个指标构成典型场景-指标矩阵R'k;
对各个指标元素做归一化处理,得到标准化指标矩阵Rk;
计算关于各个指标的熵权,以反应指标在各个典型场景下变化的无序程度;
确定第j个指标的权重;
计算第k种柔性资源集群在第i个场景中所得到的综合指标值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310679108.7A CN116934105A (zh) | 2023-06-08 | 2023-06-08 | 一种考虑柔性资源接入的配电网灵活性评估方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310679108.7A CN116934105A (zh) | 2023-06-08 | 2023-06-08 | 一种考虑柔性资源接入的配电网灵活性评估方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116934105A true CN116934105A (zh) | 2023-10-24 |
Family
ID=88374589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310679108.7A Pending CN116934105A (zh) | 2023-06-08 | 2023-06-08 | 一种考虑柔性资源接入的配电网灵活性评估方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116934105A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117578434A (zh) * | 2023-11-23 | 2024-02-20 | 南方电网能源发展研究院有限责任公司 | 考虑柔性资源可调能力的配电网灵活性评估方法及装置 |
CN118485352A (zh) * | 2024-07-16 | 2024-08-13 | 国网浙江省电力有限公司丽水供电公司 | 考虑多形态资源的电网经济调度评估方法及系统 |
-
2023
- 2023-06-08 CN CN202310679108.7A patent/CN116934105A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117578434A (zh) * | 2023-11-23 | 2024-02-20 | 南方电网能源发展研究院有限责任公司 | 考虑柔性资源可调能力的配电网灵活性评估方法及装置 |
CN117578434B (zh) * | 2023-11-23 | 2024-07-23 | 南方电网能源发展研究院有限责任公司 | 考虑柔性资源可调能力的配电网灵活性评估方法及装置 |
CN118485352A (zh) * | 2024-07-16 | 2024-08-13 | 国网浙江省电力有限公司丽水供电公司 | 考虑多形态资源的电网经济调度评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679658B (zh) | 一种高比例清洁能源接入下的输电网规划方法 | |
CN116934105A (zh) | 一种考虑柔性资源接入的配电网灵活性评估方法和系统 | |
CN110729765A (zh) | 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 | |
CN109325608A (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
CN114336702B (zh) | 基于双层随机规划的风光储场站群功率分配协同优化方法 | |
CN110620397B (zh) | 一种高比例可再生能源电力系统的调峰平衡评估方法 | |
CN112766730A (zh) | 一种面向分布式资源接入的配网规划方案适应性评价方法 | |
CN114301081B (zh) | 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法 | |
CN109726416B (zh) | 一种基于新能源集群预测及潮流计算的调度决策方法 | |
CN114201858A (zh) | 一种新能源实时电价的定价方法 | |
CN117595398A (zh) | 一种电力系统灵活性优化方法及装置 | |
CN116843152A (zh) | 面向电力-数据服务的互联网数据中心双层规划方法 | |
CN116307071A (zh) | 一种高比例光伏接入低压配电网方法 | |
CN115642606A (zh) | 一种电网需求响应资源双层聚合模型构建方法 | |
CN113904340B (zh) | 基于拓扑优化和可调度负荷优化的利用率提升方法及系统 | |
CN118353010B (zh) | 一种基于多节点链接关系的源网荷储模拟方法和装置 | |
Zeng et al. | Quantifying the capacity credit of IDC‐based demand response in smart distribution systems | |
CN117833374B (zh) | 基于随机游走算法的分布式灵活资源集群划分方法 | |
CN118249422B (zh) | 一种考虑制氢储能的工业虚拟电厂优化调度方法 | |
CN113595064B (zh) | 一种考虑蓄热式电采暖负荷集群的电能与agc市场出清方法 | |
Ferro et al. | Optimal coordination of buildings and microgrids by an aggregator: A bi-level approach | |
CN116683541A (zh) | 一种考虑需求响应的主动配电网双层运行优化调度方法 | |
CN118100170A (zh) | 一种考虑源荷侧灵活性资源的协调运行优化方法及系统 | |
CN118432039A (zh) | 一种考虑分布式共享储能的新能源就地消纳能力评估方法 | |
CN117937598A (zh) | 一种基于Stackelberg博弈的配电网分布式光伏低碳化消纳方法 |
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 |