CN117895557B - 一种配电网调控方法、装置、介质及产品 - Google Patents

一种配电网调控方法、装置、介质及产品 Download PDF

Info

Publication number
CN117895557B
CN117895557B CN202410289745.8A CN202410289745A CN117895557B CN 117895557 B CN117895557 B CN 117895557B CN 202410289745 A CN202410289745 A CN 202410289745A CN 117895557 B CN117895557 B CN 117895557B
Authority
CN
China
Prior art keywords
power
energy storage
node
electric automobile
constraint
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.)
Active
Application number
CN202410289745.8A
Other languages
English (en)
Other versions
CN117895557A (zh
Inventor
闫福录
杨俊�
魏丽峰
梁晅
史斌斌
王丽红
苗慧
段德志
乔科华
张丹
荀之
杨旸
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.)
Linfen Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Original Assignee
Linfen Power Supply Co of State Grid Shanxi 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 Linfen Power Supply Co of State Grid Shanxi Electric Power Co Ltd filed Critical Linfen Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Priority to CN202410289745.8A priority Critical patent/CN117895557B/zh
Publication of CN117895557A publication Critical patent/CN117895557A/zh
Application granted granted Critical
Publication of CN117895557B publication Critical patent/CN117895557B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • 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
    • 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
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种配电网调控方法、装置、介质及产品，涉及电力系统分析技术领域，方法包括构建电动汽车集群广义储能模型；基于静态稳定裕度角对传统静态稳定裕度指标进行修正，以配电网运行成本最小，新能源消纳率和电力系统各节点静态电压稳定裕度的最小值最大为多目标函数，以电动汽车集群广义储能模型约束、配电网储能系统约束、光伏出力功率约束、外电网功率约束、功率平衡约束、潮流约束和系统安全约束为约束条件，对多目标函数进行求解得到多组优化结果；计算各组优化结果的综合隶属度函数值，并将综合隶属度函数值中最大值对应的优化结果为多目标函数的最优解。本发明能够提升新能源消纳率及电力系统静态电压稳定裕度。

Description

一种配电网调控方法、装置、介质及产品
技术领域
本发明涉及电力系统分析技术领域，特别是涉及一种配电网调控方法、装置、介质及产品。
背景技术
中国新能源渗透率逐年提高，同时电动汽车的发展带来充电站的大规模建设，电力需求的持续增长以及分布式电源的不断并网，使得电力系统的源-荷不确定性增强，而恒功率负荷比例的提高或发电机组出力的降低均会导致电力系统静态电压稳定下的功率极限值下降，即静态电压稳定裕度降低，进而影响电力系统的安全稳定运行。
目前非快充需求的电动汽车停靠时间远大于其充电时间，因此通过管理电动汽车的充放电功率，可使其拥有可观的储荷能力。传统电网中新能源渗透率较低，火电机组的可调能力强，安全校核只针对不同季节负荷最大或最小时刻开展，无法考虑到新能源随机波动性及电动汽车充电站储荷能力对电网安全稳定的影响，亟需针对新能源和负荷波动典型特性深入研究，并构建考虑电动汽车可调度潜力及电力系统静态电压稳定的配电网优化调度方法，为电网规划及运行方式制定提供科学依据。
发明内容
本发明的目的是提供一种配电网调控方法、装置、介质及产品，能够提升新能源消纳率及电力系统静态电压稳定裕度。
为实现上述目的，本发明提供了如下方案：
一种配电网调控方法，所述方法包括：
以参数集作为描述电动汽车集群可调度空间的参数，构建电动汽车集群广义储能模型；所述参数集包括电动汽车集群的最大充电功率、电动汽车集群的最大放电功率、电动汽车集群在预设时段的电量上限、电动汽车集群在预设时段的电量下限和电动汽车集群中电动汽车并网状态变化导致的电量变化；
以配电网运行成本最小，新能源消纳率和电力系统各节点静态电压稳定裕度的最小值最大为多目标函数，以电动汽车集群广义储能模型约束、配电网储能系统约束、光伏出力功率约束、外电网功率约束、功率平衡约束、潮流约束和系统安全约束为约束条件，通过非支配排序遗传算法II对所述多目标函数进行求解，得到多组优化结果；
计算各组所述优化结果的综合隶属度函数值，并将所述综合隶属度函数值中最大值对应的优化结果为所述多目标函数的最优解。
可选地，所述电动汽车集群广义储能模型为：
；
其中，为电动汽车集群j在t时段电量的充电功率；/>为电动汽车集群j的最大充电功率；/>为电动汽车集群j在t时段电量的放电功率；/>为电动汽车集群j的最大放电功率；/>为电动汽车集群在t时段的电量；/>为电动汽车集群在t-1时段的电量；/>为电动汽车集群j中电动汽车并网状态变化导致的电量变化；/>为充电效率；/>为当前时段；/>为放电损耗系数；/>为放电效率；T为一天内的时刻数；/>为电动汽车集群j在t时段电量的下限；/>为电动汽车集群j在t时段电量的上限。
可选地，所述多目标函数为：
；
；
；
其中，表示以配电网运行成本最小为目标，/>表示以新能源消纳率最大为目标，表示以各节点静态电压稳定裕度的最小值最大为目标；/>为配电网系统发电日运行成本；/>为光伏电站的日运行总成本；/>为储能电站的日运行总成本；/>为配电网在运行过程中向外电网的购电成本；∆Ppv,i,t为新能源i在t时刻的弃光/风量，Ppv,i,t,max为新能源i在t时刻的最大出力值；Kf,t,i为配电网系统中节点i在时刻t的静态电压稳定裕度；B为系统节点数；
新能源电站日运行成本为：
；
其中，Ppv,i,t为i节点光伏电站在t时刻的出力值；Cpv为光伏电站单位功率运行成本；Npv为光伏并网节点集合；
储能电站日运行成本为：
；
其中，Ces为储能电站单位功率运行成本；和/>分别为节点i储能站t时刻的充电和放电功率；Nes为储能并网节点集合；
外电网的购电成本为：
；
其中，Pgrid,t为t时刻向外电网购电的功率，为外电网各时刻的购电成本。
可选地，所述配电网储能系统约束为：
；
其中，为储能系统的充电状态；/>为储能系统的放电状态；/>为储能系统放电功率的最小值；/>为储能系统的放电功率；/>为储能系统放电功率的最大值；为储能系统充电功率的最小值；/>为储能系统的充电功率；/>为储能系统充电功率的最大值；/>为储能在下一时刻的电能状态；/>为储能i在t时刻的电能状态；/>为储能系统的充电效率；/>为储能系统的放电效率；/>为储能最小荷电状态；/>为i节点储能系统的能量容量；/>为储能最大荷电状态；
所述光伏出力功率约束为：
；
其中，为t时刻的光伏出力；/>为t时刻的光伏出力上限；
所述外电网功率约束为：
；
其中，为t时刻外电网出力；/>为外电网出力上限；
所述功率平衡约束为：
；
其中，为t时刻的系统负荷；
所述潮流约束为：
；
其中，Pi.t为时刻t节点i注入的有功功率；Qi.t为时刻t节点i注入的无功功率；Ui.t为时刻t内节点i的实际电压；Uj.t为时刻t内节点j的实际电压；Gij为节点i和节点j间的电导；Bij为节点i和节点j间的电纳；θij为节点i和节点j间的相角差；N为系统的节点总数；
所述系统安全约束为：
；
其中，Umax为节点电压幅值上限；Umin为节点电压幅值下限；θmax为节点电压相角上限；θmin为节点电压相角下限。
可选地，计算各组所述优化结果的综合隶属度函数值的公式为：
；
其中，为/>对应隶属度函数值；/>为第i个决策向量，第j个目标函数优化解；为Pareto前沿面上第j个目标函数最小值；/>为Pareto前沿面上第j个目标函数最大值。
一种计算机装置，包括：存储器、处理器以存储在存储器上并可在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以实现上述任一项所述的配电网调控方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述的配电网调控方法的步骤。
一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一项所述的配电网调控方法的步骤。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种配电网优化调度方法，考虑电动汽车的储荷特性将电动汽车集群聚合为广义储能设备模型，以实现电动汽车可调度潜力计算；提出一种电力系统静态电压稳定裕度评估方法，基于静态稳定裕度角对传统静态稳定裕度指标进行修正，采用连续潮流法对系统静态电压稳定裕度进行全评估；建立考虑配电网运行成本、新能源消纳率和电力系统静态电压稳定裕度的配电网优化调度模型，并通过非支配排序遗传算法II对所述模型进行求解。所建立考虑电动汽车可调度潜力及电力系统静态电压稳定的配电网优化调度方法，可以充分考虑电动汽车的可调度潜力，降低配电网运行成本，提升新能源消纳率及电力系统静态电压稳定裕度，为电网规划及运行方式制定提供科学依据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的配电网调控方法流程示意图；
图2为非支配排序遗传算法II对所述多目标优化模型进行迭代求解流程图；
图3为计算机设备的内部结构图。
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。
本发明的目的是提供一种配电网调控方法、装置、介质及产品，能够提升新能源消纳率及电力系统静态电压稳定裕度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1所示，本实施例中的配电网调控方法包括：
步骤S1：以参数集作为描述电动汽车集群可调度空间的参数，构建电动汽车集群广义储能模型；所述参数集包括电动汽车集群的最大充电功率、电动汽车集群的最大放电功率、电动汽车集群在预设时段的电量上限、电动汽车集群在预设时段的电量下限和电动汽车集群中电动汽车并网状态变化导致的电量变化。
在实际应用中，构建电动汽车集群广义储能模型的具体步骤如下：
1）定义参数集作为描述电动汽车集群可调度空间的参数。
式中，和/>分别为电动汽车集群j的最大充、放电功率；/>和/>分别为电动汽车集群在t时段的电量上下限；/>为电动汽车集群j中电动汽车并网状态变化导致的电量变化。
2）计算参数集Ω中的元素：
；
式中，为电动汽车并网状态变量，/>表示电动汽车n在t时段状态为并网，表示电动汽车n在t时段状态为离网；/>和/>分别为电动汽车n电池电量的上、下限；/>和/>分别是电动汽车n的充放电功率上限；/>和/>分别是电动汽车n的最大充、放电功率；/>和/>分别是电动汽车集群在t时段电量的上下限；/>为电动汽车n并网时的初始电量，/>为电动汽车n离网时的期望电量。
3）构建电动汽车集群广义储能模型：
；
其中，为电动汽车集群j在t时段电量的充电功率；/>为电动汽车集群j的最大充电功率；/>为电动汽车集群j在t时段电量的放电功率；/>为电动汽车集群j的最大放电功率；/>为电动汽车集群在t时段的电量；/>为电动汽车集群在t-1时段的电量；/>为电动汽车集群j中电动汽车并网状态变化导致的电量变化；/>为充电效率；/>为当前时段；/>为放电损耗系数；/>为放电效率；T为一天内的时刻数；/>为电动汽车集群j在t时段电量的下限；/>为电动汽车集群j在t时段电量的上限。
步骤S2：以配电网运行成本最小，新能源消纳率和电力系统各节点静态电压稳定裕度的最小值最大为多目标函数，以电动汽车集群广义储能模型约束、配电网储能系统约束、光伏出力功率约束、外电网功率约束、功率平衡约束、潮流约束和系统安全约束为约束条件，通过非支配排序遗传算法II对所述多目标函数进行求解，得到多组优化结果。如图2所示。
在实际应用中，所述电力系统各节点静态电压稳定裕度评估方法，具体表示如下：。
式中，α为基于连续潮流绘制的PV曲线中系统稳定运行点和电压崩溃点的之间连线与x轴之间的夹角，称为静态稳定裕度角；U0为初始电压；P0为初始负荷有功功率；Umin和Pmax为连续潮流过程中系统崩溃点的电压和负荷有功功率。Kf指标反映了单个节点在某一时刻的稳定性，Kf越大，节点静态电压稳定裕度越高；反之，节点静态电压稳定裕度越低。
进一步的，所述连续潮流法具体表示如下：
；
式中，，/>，Pg,i,0分别为负荷i的初始有功、无功功率和发电机j的初始有功功率；△Pd,i，△Qd,i分别为负荷i的有功、无功增量；λ为负荷增长参数；Ωd为参与负荷集合，，/>，/>分别为负荷步长为λ时的负荷i有功、无功功率和发电机j的有功功率。
进一步的，发电机与负荷增量应达到平衡，即满足下式：
；
负荷模型为恒功率负荷，所以满足参数可解耦的性质，即可写为：
；
式中，D为负荷（发电）改变方向。代表/>，/>，/>，/>代表，/>，Pg，i，0。
确定求解稳定目标函数为电力系统静态电压稳定裕度：
；
；
；
其中，表示以配电网运行成本最小为目标，/>表示以新能源消纳率最大为目标，表示以各节点静态电压稳定裕度的最小值最大为目标；/>为配电网系统发电日运行成本；/>为光伏电站的日运行总成本；/>为储能电站的日运行总成本；/>为配电网在运行过程中向外电网的购电成本；∆Ppv,i,t为新能源i在t时刻的弃光/风量，Ppv,i,t,max为新能源i在t时刻的最大出力值；Kf,t,i为配电网系统中节点i在时刻t的静态电压稳定裕度；B为系统节点数。
其中，新能源电站日运行成本为：
；
式中：Ppv,i,t为i节点光伏电站在t时刻的出力值；Cpv为光伏电站单位功率运行成本；Npv为光伏并网节点集合。
储能电站日运行成本为：
；
式中：Ces为储能电站单位功率运行成本；和/>分别为节点i储能站t时刻的充电和放电功率；Nes为储能并网节点集合。
外电网的购电成本为：
；
式中：Pgrid,t为t时刻向外电网购电的功率，为外电网各时刻的购电成本。
在本发明中提到的系统一般泛指配电网系统；提到的节点指的是配电网电力系统中的各网络节点。
约束条件包括：
（1）步骤S1中的电动汽车集群广义储能模型约束。
（2）所述配电网储能系统约束为：
；
其中，为储能系统的充电状态；/>为储能系统的放电状态；/>为储能系统放电功率的最小值；/>为储能系统的放电功率；/>为储能系统放电功率的最大值；为储能系统充电功率的最小值；/>为储能系统的充电功率；/>为储能系统充电功率的最大值；/>为储能在下一时刻的电能状态；/>为储能i在t时刻的电能状态；/>为储能系统的充电效率；/>为储能系统的放电效率；/>为储能最小荷电状态；/>为i节点储能系统的能量容量；/>为储能最大荷电状态。
（3）所述光伏出力功率约束为：
；
其中，，/>为t时刻的光伏出力；/>为t时刻的光伏出力上限。
（4）所述外电网功率约束为：
；
式中：，/>为t时刻外电网出力；/>为外电网出力上限。
（5）所述功率平衡约束为：
；
其中，；/>为t时刻的系统负荷；Npv为光伏机组数量，Nes为储能设备数量，Nev为电动汽车集群数量。
（6）所述潮流约束为：
；
式中：Pi.t、Qi.t分别为时刻t节点i注入的有功和无功功率；Ui.t、Uj.t分别为时刻t内节点i和节点j的实际电压；Gij、Bij、θij为节点i和节点j间的电导、电纳和相角差；N为系统的节点总数。
（7）所述系统安全约束为：
；
式中：Umax和Umin为节点电压幅值上下限；θmax和θmin为节点电压相角上下限。
步骤S3：计算各组所述优化结果的综合隶属度函数值，并将所述综合隶属度函数值中最大值对应的优化结果为所述多目标函数的最优解。
在实际应用中，所述通过非支配排序遗传算法II对所述多目标优化模型进行迭代求解，得到优化结果并采用模糊隶属度函数对上述优化调度模型的Pareto前沿解集进行分类，综合隶属度函数值最高的解为目标最优解。对于第i个决策向量，第j个目标函数隶属度函数计算公式如下式所示：
；
其中，αi,j为第i个决策向量，第j个目标函数优化解；αj max为Pareto前沿面上第j个目标函数最大值；αj min为Pareto前沿面上第j个目标函数最小值；θi,j为αi,j对应隶属度函数值。将解集中各决策向量隶属度函数求解完成后，采用下式确定最优解：
；
其中，为Pareto前沿解集中决策向量的个数；/>为最优决策向量；/>为各决策变量的隶属度；/>为最优决策变量的隶属度。
实施例2
一种计算机装置，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序以实现实施例1中的配电网调控方法的步骤。
实施例3
一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现实施例1中的配电网调控方法的步骤。
实施例4
一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现实施例1中的配电网调控方法的步骤。
实施例5
一种计算机设备，该计算机设备可以是数据库，其内部结构图可以如图3所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待处理事务。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现实施例1中的配电网调控方法。
需要说明的是，本发明所涉及的对象信息（包括但不限于对象设备信息、对象个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经对象授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random AccessMemory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本发明所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本发明所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种配电网调控方法，其特征在于，所述方法包括：
以参数集作为描述电动汽车集群可调度空间的参数，构建电动汽车集群广义储能模型；所述参数集包括电动汽车集群的最大充电功率、电动汽车集群的最大放电功率、电动汽车集群在预设时段的电量上限、电动汽车集群在预设时段的电量下限和电动汽车集群中电动汽车并网状态变化导致的电量变化；所述电动汽车集群广义储能模型为：
；
其中，为电动汽车集群j在t时段电量的充电功率；/>为电动汽车集群j的最大充电功率；/>为电动汽车集群j在t时段电量的放电功率；/>为电动汽车集群j的最大放电功率；/>为电动汽车集群在t时段的电量；/>为电动汽车集群在t-1时段的电量；/>为电动汽车集群j中电动汽车并网状态变化导致的电量变化；/>为充电效率；/>为当前时段；/>为放电损耗系数；/>为放电效率；T为一天内的时刻数；/>为电动汽车集群j在t时段电量的下限；/>为电动汽车集群j在t时段电量的上限；
以配电网运行成本最小，新能源消纳率和电力系统各节点静态电压稳定裕度的最小值最大为多目标函数，以电动汽车集群广义储能模型约束、配电网储能系统约束、光伏出力功率约束、外电网功率约束、功率平衡约束、潮流约束和系统安全约束为约束条件，通过非支配排序遗传算法II对所述多目标函数进行求解，得到多组优化结果；
计算各组所述优化结果的综合隶属度函数值，并将所述综合隶属度函数值中最大值对应的优化结果为所述多目标函数的最优解。
2.根据权利要求1所述的配电网调控方法，其特征在于，所述多目标函数为：
；
；
；
其中，表示以配电网运行成本最小为目标，/>表示以新能源消纳率最大为目标，/>表示以各节点静态电压稳定裕度的最小值最大为目标；/>为光伏电站的日运行总成本；/>为储能电站的日运行总成本；/>为配电网在运行过程中向外电网的购电成本；/>为新能源i在t时刻的弃光/风量，Ppv,i,t,max为新能源i在t时刻的最大出力值；Kf,t,i为配电网系统中节点i在时刻t的静态电压稳定裕度；B为系统节点数；
新能源电站日运行成本为：
；
其中，Ppv,i,t为i节点光伏电站在t时刻的出力值；Cpv为光伏电站单位功率运行成本；Npv为光伏并网节点集合；
储能电站日运行成本为：
；
其中，Ces为储能电站单位功率运行成本；和/>分别为节点i储能站t时刻的充电和放电功率；Nes为储能并网节点集合；
外电网的购电成本为：
；
其中，Pgrid,t为t时刻向外电网购电的功率，为外电网各时刻的购电成本。
3.根据权利要求1所述的配电网调控方法，其特征在于，所述配电网储能系统约束为：
；
其中，为储能系统的充电状态；/>为储能系统的放电状态；/>为储能系统放电功率的最小值；/>为储能系统的放电功率；/>为储能系统放电功率的最大值；/>为储能系统充电功率的最小值；/>为储能系统的充电功率；/>为储能系统充电功率的最大值；/>为储能在下一时刻的电能状态；/>为储能i在t时刻的电能状态；/>为储能系统的充电效率；/>为储能系统的放电效率；/>为储能最小荷电状态；/>为i节点储能系统的能量容量；/>为储能最大荷电状态；
所述光伏出力功率约束为：
；
其中，为t时刻的光伏出力；/>为t时刻的光伏出力上限；
所述外电网功率约束为：
；
其中，为t时刻外电网出力；/>为外电网出力上限；
所述功率平衡约束为：
；
其中，为t时刻的系统负荷；
所述潮流约束为：
；
其中，Pi.t为时刻t节点i注入的有功功率；Qi.t为时刻t节点i注入的无功功率；Ui.t为时刻t内节点i的实际电压；Uj.t为时刻t内节点j的实际电压；Gij为节点i和节点j间的电导；Bij为节点i和节点j间的电纳；θij为节点i和节点j间的相角差；N为系统的节点总数；
所述系统安全约束为：
；
其中，Umax为节点电压幅值上限；Umin为节点电压幅值下限；θmax为节点电压相角上限；θmin为节点电压相角下限。
4.根据权利要求1所述的配电网调控方法，其特征在于，计算各组所述优化结果的综合隶属度函数值的公式为：
；
其中，为/>对应隶属度函数值；/>为第i个决策向量，第j个目标函数优化解；/>为Pareto前沿面上第j个目标函数最小值；/>为Pareto前沿面上第j个目标函数最大值。
5.一种计算机装置，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-4中任一项所述配电网调控方法的步骤。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-4中任一项所述配电网调控方法的步骤。
7.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-4中任一项所述配电网调控方法的步骤。
CN202410289745.8A 2024-03-14 2024-03-14 一种配电网调控方法、装置、介质及产品 Active CN117895557B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410289745.8A CN117895557B (zh) 2024-03-14 2024-03-14 一种配电网调控方法、装置、介质及产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410289745.8A CN117895557B (zh) 2024-03-14 2024-03-14 一种配电网调控方法、装置、介质及产品

Publications (2)

Publication Number Publication Date
CN117895557A CN117895557A (zh) 2024-04-16
CN117895557B true CN117895557B (zh) 2024-05-24

Family

ID=90649122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410289745.8A Active CN117895557B (zh) 2024-03-14 2024-03-14 一种配电网调控方法、装置、介质及产品

Country Status (1)

Country Link
CN (1) CN117895557B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102170129A (zh) * 2011-04-22 2011-08-31 武汉大学 一种基于大规模风电并网的电力系统低碳调度方法及其装置
CN105631533A (zh) * 2015-12-21 2016-06-01 长沙理工大学 考虑p-q-v静态电压稳定裕度约束的多目标动态最优潮流
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN113904372A (zh) * 2021-10-15 2022-01-07 华北电力大学 考虑5g基站接入的主动配电网多目标优化运行方法
CN114567006A (zh) * 2022-03-02 2022-05-31 国网浙江省电力有限公司电力科学研究院 一种配电网多目标优化运行方法及系统
CN114692965A (zh) * 2022-03-25 2022-07-01 国网湖北省电力有限公司电力科学研究院 基于数模混合驱动的电动汽车集群可调度潜力预测方法及装置
CN114825469A (zh) * 2022-06-20 2022-07-29 华北电力大学 一种分布式电源集群出力评估方法及系统
CN115117931A (zh) * 2022-07-14 2022-09-27 华北电力大学 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统
CN116247678A (zh) * 2023-03-10 2023-06-09 国网湖南省电力有限公司 一种基于潮流模型的两级配电网协同优化运行方法及系统
CN116780657A (zh) * 2023-08-17 2023-09-19 长江三峡集团实业发展(北京)有限公司 一种水风蓄互补发电系统的调度方法、装置、设备及介质
CN117374953A (zh) * 2023-10-18 2024-01-09 广东电网有限责任公司 一种基于配网聚合边界的分布式资源功率分配方法
CN117595392A (zh) * 2023-10-31 2024-02-23 贵州电网有限责任公司 计及光伏消纳与光储充配置的配电网联合优化方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102170129A (zh) * 2011-04-22 2011-08-31 武汉大学 一种基于大规模风电并网的电力系统低碳调度方法及其装置
CN105631533A (zh) * 2015-12-21 2016-06-01 长沙理工大学 考虑p-q-v静态电压稳定裕度约束的多目标动态最优潮流
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN113904372A (zh) * 2021-10-15 2022-01-07 华北电力大学 考虑5g基站接入的主动配电网多目标优化运行方法
CN114567006A (zh) * 2022-03-02 2022-05-31 国网浙江省电力有限公司电力科学研究院 一种配电网多目标优化运行方法及系统
CN114692965A (zh) * 2022-03-25 2022-07-01 国网湖北省电力有限公司电力科学研究院 基于数模混合驱动的电动汽车集群可调度潜力预测方法及装置
CN114825469A (zh) * 2022-06-20 2022-07-29 华北电力大学 一种分布式电源集群出力评估方法及系统
CN115117931A (zh) * 2022-07-14 2022-09-27 华北电力大学 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统
CN116247678A (zh) * 2023-03-10 2023-06-09 国网湖南省电力有限公司 一种基于潮流模型的两级配电网协同优化运行方法及系统
CN116780657A (zh) * 2023-08-17 2023-09-19 长江三峡集团实业发展(北京)有限公司 一种水风蓄互补发电系统的调度方法、装置、设备及介质
CN117374953A (zh) * 2023-10-18 2024-01-09 广东电网有限责任公司 一种基于配网聚合边界的分布式资源功率分配方法
CN117595392A (zh) * 2023-10-31 2024-02-23 贵州电网有限责任公司 计及光伏消纳与光储充配置的配电网联合优化方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
含光储联合发电系统的配电网双目标拓展无功优化;杨雨瑶;张勇军;林国营;党三磊;潘峰;;电力系统保护与控制;20181115(第22期);45-52 *

Also Published As

Publication number Publication date
CN117895557A (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN109888835B (zh) 一种基于改进粒子群的分布式光伏配电网规划方法
CN108448620A (zh) 基于综合性能指标的高渗透率分布式电源集群划分方法
CN109034587B (zh) 一种协调多种可控单元的主动配电系统优化调度方法
CN103219743B (zh) 基于风电功率波动概率特性的主导节点选择方法
CN111291978A (zh) 一种基于Benders分解的两阶段储能方法及系统
Bandopadhyay et al. Application of hybrid multi-objective moth flame optimization technique for optimal performance of hybrid micro-grid system
CN110380404B (zh) 考虑高耗能点负荷的输电网励磁系统调差系数优化整定方法
Sookananta et al. Determination of the optimal location and sizing of Distributed Generation using Particle Swarm Optimization
CN113991742A (zh) 一种配电网分布式光伏双层协同优化投资决策方法
CN112200401A (zh) 一种基于改进nsga-ii算法的电动汽车有序充电方法
CN117595392A (zh) 计及光伏消纳与光储充配置的配电网联合优化方法及系统
CN112039117A (zh) 一种基于数据驱动的光伏集中式优化控制方法
CN117895557B (zh) 一种配电网调控方法、装置、介质及产品
CN115513949B (zh) 含微网接入的配电系统运行控制方法、装置以及程序产品
Chen et al. Research on energy management strategy for fuel cell hybrid electric vehicles based on improved dynamic programming and air supply optimization
CN111293719B (zh) 一种基于多因子进化算法的交直流混合微网优化运行方法
CN113988578A (zh) 计及可靠性的微电网群源网荷储协同优化调度方法及系统
Fang et al. Energy scheduling and decision learning of combined cooling, heating and power microgrid based on deep deterministic policy gradient
CN118523375B (zh) 一种面向配网新能源完全消纳的广义储能调控方法及系统
CN118409229B (zh) 一种电池系统的特征电压构建方法、装置、介质及产品
CN118157133B (zh) 一种基于电动汽车激励策略的主动配电网双层优化调度方法
CN118399452A (zh) 应用于电池储能系统的分层优化配置系统、方法和装置
CN118826153A (zh) 可再生能源电力系统多目标发电方法、装置、介质及产品
CN117375064A (zh) 一种高比例分布式光伏接入的配电网规划方法及装置
CN115566732A (zh) 光储混合配置方法、装置、计算机设备、存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant