CN117977544A - 含高比例分布式光伏的中低压配电网调度方法与系统 - Google Patents
含高比例分布式光伏的中低压配电网调度方法与系统 Download PDFInfo
- Publication number
- CN117977544A CN117977544A CN202311726989.XA CN202311726989A CN117977544A CN 117977544 A CN117977544 A CN 117977544A CN 202311726989 A CN202311726989 A CN 202311726989A CN 117977544 A CN117977544 A CN 117977544A
- Authority
- CN
- China
- Prior art keywords
- voltage
- distribution network
- photovoltaic
- energy storage
- medium
- 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 203
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000004146 energy storage Methods 0.000 claims abstract description 122
- 238000005457 optimization Methods 0.000 claims abstract description 69
- 238000005096 rolling process Methods 0.000 claims abstract description 29
- 230000006870 function Effects 0.000 claims abstract description 18
- 239000002699 waste material Substances 0.000 claims abstract description 4
- 238000003860 storage Methods 0.000 claims description 25
- 239000003990 capacitor Substances 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 18
- 230000001105 regulatory effect Effects 0.000 claims description 18
- 230000035945 sensitivity Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 14
- 238000007599 discharging Methods 0.000 claims description 13
- 238000005315 distribution function Methods 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000011065 in-situ storage Methods 0.000 claims description 3
- 238000007665 sagging Methods 0.000 claims description 3
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 claims 1
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 238000010248 power generation Methods 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种含高比例分布式光伏的中低压配电网调度方法与系统，所述方法包括：根据历史光伏出力预测值和实际值得到光伏出力预测误差分布模型，生成光伏出力典型场景集；以配电网的光伏弃用惩罚、网络损耗和储能充放电成本最小化为目标函数，构建中低压配电网集中式日前优化模型并进行求解；构建低压配电网日内滚动优化模型，包括进行中压配电网集中式滚动优化的上层模型以及进行低压配电网分布式优化的下层模型；将中压配电网运行方案与低压配电网运行方案组合，得到最终的日内阶段中低压配电网运行方案。本发明可解决高比例分布式光伏接入中低压配电网后的电压越限问题，减少光伏的弃用率，降低中低压配电网的运行成本。
Description
技术领域
本发明属于配电网优化调度技术领域，涉及一种含高比例分布式光伏的中低压配电网调度方法与系统。
背景技术
随着可再生能源的装机容量不断提高，中、低压配电网中大量接入光伏等分布式电源。随着分布式光伏渗透率的升高，光伏的随机性和波动性造成中低压配电网的电压波动更为显著。此外，在光伏发电高峰时期，大量的光伏剩余功率在馈线中形成反向潮流，抬升光伏并网点电压从而造成电压越上限问题；在夜晚光照不充足时期，光伏功率的缺失会导致配电网靠近末端的节点出现电压越下限问题。因此，含高比例分布式光伏的配电网存在着严重的电压波动和越限风险，电能质量问题需要得到改善。
目前，针对中低压配电网协调运行的问题，主要包括了对分布式光伏接入配电网电压控制方法、配电网经济调度等方面的研究。在现有技术所公开的配电网优化调度方法下，未能很好地考虑中、低压配电网调度时间尺度的差异。另外，未能考虑低压配电网在通信和量测方面薄弱，并且网络参数难以准确获取等问题。
发明内容
为解决现有技术中存在的不足，本发明提供一种含高比例分布式光伏的中低压配电网日前—日内两阶段调度方法与系统，考虑协调调节中低压配电网中的有载调压变压器分接头的位置、补偿电容器组投切组数、光伏逆变器和储能的有功功率和无功功率，解决高比例分布式光伏接入中低压配电网，特别是通信设施和量测设施不全、准确网络参数未知的低压配电网后的电压越限问题，减少光伏的弃用率，降低了中低压配电网的运行成本。
本发明采用如下的技术方案。
一种含高比例分布式光伏的中低压配电网调度方法，包括以下步骤：
步骤1：根据历史光伏出力预测值和实际值得到光伏出力预测误差分布模型，并结合光伏出力预测数据生成光伏出力典型场景集；
步骤2：根据光伏出力典型场景集，以配电网的光伏弃用惩罚、网络损耗和储能充放电成本最小化为目标函数并设置约束条件，构建中低压配电网集中式日前优化模型并进行求解；
步骤3：采用中低压配电网集中式日前优化模型的求解结果构建低压配电网日内滚动优化模型，包括进行中压配电网集中式滚动优化的上层模型以及进行低压配电网分布式优化的下层模型；
步骤4：根据上层模型得到中压配电网运行方案，根据下层模型得到低压配电网运行方案，并将中压配电网运行方案与低压配电网运行方案组合，得到最终的日内阶段中低压配电网运行方案。
优选地，步骤1中，获取历史光伏出力预测值和实际值，计算得到预测值与实际值的差值作为光伏预测误差数据集，并设置预测误差区间长度δ，绘制出光伏出力预测误差的直方图；
选用不同的误差分布函数对所述直方图采用极大似然估计法进行分布参数拟合，计算拟合指标，将拟合指标值最小的误差分布函数作为最终的光伏预测误差分布函数，即误差分布模型；其中拟合的指标为：
其中，cl,hl分别表示直方图中第l个误差区间的中心值和高度；
N表示误差区间数量；
λ(·)表示误差分布函数；
||·||2代表欧氏空间中2-范数；
根据误差分布模型和未来一天的光伏出力预测数据，利用蒙特卡罗模拟法生成光伏出力场景集，并利用K-means算法对光伏出力场景集进行场景削减，得到光伏出力典型场景；
优选地，步骤2中，所述目标函数为：
其中，F1为配电网的光伏弃用惩罚、网络损耗和储能充放电成本之和；
Ωs为光伏出力典型场景集；s为场景序号；ωs为场景s发生的概率；
分别表示场景s下配电网的光伏弃用惩罚、网损和储能运行成本；
ΩPV,ΩL,ΩE分别为所有光伏、配电网支路以及储能的集合；
T为调度时间周期；Δt为调度时间间隔；
Φ为相集合；φ为相编号；β为光伏弃用惩罚系数；πt为t时刻的电价；
为场景s下t时刻光伏n的预测有功功率和上网有功功率；
为场景s下t时刻支路ij的相电流；为支路ij的相电阻；
为场景s下t时刻储能系统k的充电功率和放电功率。
优选地，步骤2中设置的约束条件包括：光伏出力约束、配电网潮流约束、储能运行约束、有载调压变压器约束、补偿电容器组约束、中低压配电网功率交换约束。
优选地，1)光伏出力约束为：
其中，为场景s下t时刻光伏n的预测有功功率和上网有功功率；
为场景s下t时刻光伏n无功功率最大值和实际值；
为光伏逆变器额定容量；为光伏的功率因数限值；
2)配电网潮流约束为：
其中，分别为场景s下t时刻从节点k流向节点i的线路ki的传输功率；
Ωtoi,Ωfromi分别为流入节点i和从节点i流出的节点集合；
分别为场景s下t时刻从节点i流向节点j的线路ij的传输功率；
为线路ij的额定传输容量；分别为线路ij的相电阻和相电抗；
为场景s下t时刻节点i的总注入、发电机、光伏出力、储能放电、储能充电以及负荷的有功功率；
为场景s下t时刻节点i的总注入、发电机、光伏、储能、补偿电容器以及负荷的无功功率；
为辅助变量；
为场景s下t时刻线路ij的传输电流以及节点i的电压；
为场景s下t时刻平衡节点δ的电压；
Vt R,Vmin,Vmax分别为t时刻根节点电压参考值、下限值和上限值；
3)储能运行约束为：
其中，为场景s下t时刻储能系统k的充电标志变量和放电标志变量；
为场景s下t时刻储能系统k的充电功率和放电功率；
代表场景s下t时刻储能系统k的有功功率和无功功率；
分别为储能系统k的额定有功功率、额定无功功率、额定视在功率和额定容量；
分别为场景s下t时刻、起始时刻以及T时刻储能系统k的储存电量；
ηc,ηd分别表示储能系统的充电效率和放电效率；
SOCmin,SOCmax分别表示储能系统运行的荷电状态下限值和上限值；
T为调度时间周期；Δt为调度时间间隔；
4)有载调压变压器约束为：
其中，为整数集合；
为t、t-1时刻有载调压变压器分接头的位置；
为有载调压变压器分接头最小档位和最大档位；
为辅助变量；
为有载调压变压器分接头的电压调节步长标幺值；
为有载调压变压器在调度周期内最大调节次数；
VR代表有载调压变压器一次侧参考电压；
5)补偿电容器组约束为：
其中，为t、t-1时刻补偿电容器组的投切组数；
为补偿电容器组的最大投切组数；
为补偿电容器组在调度周期内最大调节次数；
ΔQCB为单组补偿电容器组的额定容量；
为辅助变量；
为场景s下t时刻补偿电容器组q的无功功率；
6)中低压配电网功率交换约束为：
其中，为场景s下t时刻连接低压配电网l的中压配电网节点n处的等效有功负荷、无功负荷和节点电压；
为场景s下t时刻低压配电网l的φ相等效根节点发电机输出有功功率、无功功率和节点电压；
Φ为相集合。
优选地，步骤3中，上层模型的目标函数为：
其中F2为光伏弃用惩罚和网损之和；
Tin为调度时间周期；
Δt为调度时间间隔；
β为光伏弃用惩罚系数；
πt为t时刻的电价；
为t时刻光伏n的预测有功功率和上网有功功率；
Iij,t为t时刻支路ij的电流；
rij为支路ij的电阻；
上层模型的约束条件包括：式(6)-(26)、式(31)、式(36)以及如下储能系统日内SOC运行范围约束：
其中，为日前优化模型得到的t时刻储能系统k的SOC参考值；
δs为SOC允许偏离系数；
Ωs为光伏出力典型场景集；
s为场景序号；
ωs为场景s发生的概率。
优选地，所述下层模型进行低压配电网分布式优化，得到低压配电网运行方案的过程具体为：
1)若有低压量测节点的电压越限，执行光伏逆变器无功就地控制，控制方程如下：
其中，VN,分别表示预期电压和电压死区长度；
Vn,t代表t时刻光伏逆变器n所在节点的电压；
分别代表设置的电压阈值；
代表t时刻光伏逆变器n的最大无功出力，可由式(7)—式(9)确定；
分别代表t时刻光伏逆变器n的无功变化值和实际值；
代表t-1时刻光伏逆变器n的无功实际值；
sPV表示下垂系数；
2)若执行步骤1)后仍有低压量测节点的电压越限，则执行储能无功分布式控制，选择电压越限最严重的节点作为主导节点，优先进行储能无功本地控制，储能无功本地控制过程为：
根据电压-无功灵敏度因子计算无功功率增量
其中，SQ,ij为主导节点i对节点j的电压-无功灵敏度因子，进行本地控制时i＝j；
Vi,t表示t时刻主导节点i的电压；
Vobj表示要调节的预期电压；
储能系统检测自身无功出力状态，结合确定储能无功本地控制的实际无功功率
其中，代表t-1时刻储能系统k的无功功率；Qk为储能系统k的额定无功功率；
若上述储能无功本地控制后仍有电压越限，选择除所选节点外电压-无功灵敏度因子最大的节点重复以上储能无功本地控制过程，直至电压越限消除或所有节点的储能无可用无功功率；
3)若执行步骤2)后仍有低压量测节点的电压越限，则执行储能有功分布式控制，并优先进行储能有功本地控制，储能有功本地控制过程为：
根据电压-有功灵敏度因子计算有功功率增量
其中，SP,ij为主导节点i对节点j的电压-有功灵敏度；
Vobj表示控制后的电压目标值；
储能系统检测自身有功出力状态，结合确定满足功率约束的有功功率
其中，代表t-1时刻储能系统k的有功功率；Pk为储能系统k的额定有功功率；
当时，计算下一时刻的SOC：
其中，表示储能系统k在t-1时刻的SOC实际值；表示按当前充电功率决策值下SOC的预期值；
Ek为储能系统k的额定容量；Δt为调度时间间隔；ηc为电池储能系统的充电效率；
则最终储能有功本地控制的实际有功功率
其中SOCmax表示电池储能运行的荷电状态上限值；
当时，计算下一时刻的SOC：
ηd为电池储能系统的放电效率；
则储能有功本地控制的实际有功功率为：
若储能有功本地控制后仍有电压越限，选择除已进行储能有功本地控制的节点外电压-有功灵敏度最大的节点重复以上储能有功本地控制过程，直至电压越限消除或所有节点的储能没有可用的有功功率或容量；
4)若执行步骤3)后仍有低压量测节点的电压越限，则逐轮次实施光伏有功功率削减，每次增加削减5％的光伏出力。
优选地，针对日前优化模型，调度时间间隔为1h，调度时间周期为24h；
针对上层模型，调度时间间隔为15min，调度时间周期为3h；
针对下层模型，调度时间间隔为5min，即下层模型是实时调度，5分钟进行一次。
一种含高比例分布式光伏的中低压配电网调度系统，包括：
典型场景集生成模块，用于根据历史光伏出力预测值和实际值得到光伏出力预测误差分布模型，并结合光伏出力预测数据生成光伏出力典型场景集；
日前优化模块，用于根据光伏出力典型场景集，以配电网的光伏弃用惩罚、网络损耗和储能充放电成本最小化为目标函数并设置约束条件，构建中低压配电网集中式日前优化模型并进行求解；
日内滚动优化模块，用于采用中低压配电网集中式日前优化模型的求解结果构建低压配电网日内滚动优化模型，包括进行中压配电网集中式滚动优化的上层模型以及进行低压配电网分布式优化的下层模型；根据上层模型得到中压配电网运行方案，根据下层模型得到低压配电网运行方案，并将中压配电网运行方案与低压配电网运行方案组合，得到最终的日内阶段中低压配电网运行方案。
一种终端，包括处理器及存储介质；所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行所述方法的步骤。
计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述方法的步骤。
本发明的有益效果在于，与现有技术相比：
本发明根据历史光伏出力预测值和实际值得到光伏出力预测误差分布模型，并结合光伏出力预测数据生成光伏出力典型场景集，根据光伏出力典型场景集，构建中低压配电网集中式日前优化模型并进行求解，采用求解结果构建低压配电网日内滚动优化模型，包括进行中压配电网集中式滚动优化的上层模型以及进行低压配电网分布式优化的下层模型，其考虑了中、低压配电网调度时间尺度的差异以及低压配电网在通信和量测方面薄弱，并且网络参数难以准确获取等问题，可有效解决高比例分布式光伏接入中低压配电网后的电压越限情况问题，特别在是通信设施和量测设施不全、准确网络参数未知的低压配电网中，通过量测节点间的电压分布式控制可使量测节点电压处于安全范围，并降低中低压配电网的运行成本。
附图说明
图1是本发明一种含高比例分布式光伏的中低压配电网调度方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例，而不是全部实施例。基于本发明精神，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它实施例，都属于本发明的保护范围。
本发明实施例1提供一种含高比例分布式光伏的中低压配电网调度方法，包括如下步骤：
步骤1：根据历史光伏出力预测值和实际值得到光伏出力预测误差分布模型，并结合光伏出力预测数据生成光伏出力典型场景集；
该步骤根据光伏历史数据，通过分析光伏历史出力和光伏预测出力，得到光伏出力的典型场景集，具体为：
获取该地区历史光伏出力预测值和实际值，计算得到所述预测值与所述实际值的差值作为光伏预测误差数据集，选取预测误差步长δ，绘制光伏出力预测误差的直方图，选用不同的误差分布函数对所述直方图采用极大似然估计法进行分布参数拟合，计算拟合指标，将拟合指标值最小的误差分布函数作为最终的光伏预测误差分布函数，即误差分布模型，其中拟合指标可表示为
其中，cl,hl分别表示直方图中第l个误差区间的中心值和高度；
N表示误差区间数量；
λ(·)表示误差分布函数；
||·||2代表欧氏空间中2-范数；
根据误差分布模型和未来一天的光伏出力预测数据，利用蒙特卡罗模拟法生成光伏出力场景集，并利用K-means算法削减为一定数量的典型场景，得到典型场景集Ω；
步骤2：根据光伏出力典型场景集，以配电网的光伏弃用惩罚、网络损耗和储能充放电成本最小化为目标函数并设置约束条件，构建中低压配电网集中式日前优化模型；
该步骤根据光伏出力典型场景集构建日前阶段中低压配电网集中式日前优化模型，具体为：
根据所述光伏出力典型场景集，采用预设的低压配电网网络参数，以中低压配电网运行的网损、弃光惩罚以及储能运行成本最小化为目标函数建立第一阶段中低压配电网集中式日前优化模型并求解，所述的日前优化模型由目标函数和约束条件构成；时间间隔为1h，调度时间窗口长度为24h，即Δt为1h、T为24h；
2-1)确定模型的目标函数，具体如下：
其中，Ωs为光伏出力的典型场景集；
s为场景序号；
ωs为场景s发生的概率；
分别表示场景s下配电网的光伏弃用惩罚、网络损耗和储能充放电成本；
ΩPV,ΩL,ΩE分别为所有光伏、配电网支路以及储能的集合；
T为调度时间周期；Δt为调度时间间隔；
在本发明中，Φ为相集合，当在中压配电网中表示代替三相的单相，在低压配电网中表示三相集合Φ＝{a,b,c}；
φ为相编号并且有φ∈Φ，在中压配电网中φ无特别含义并可忽略，在低压配电网中其所在变量代表接入φ相的相关变量；
β为光伏弃用惩罚系数；
πt为t时刻的电价，采用分时电价的模式；
为场景s下t时刻光伏n的预测有功功率和上网有功功率；
为场景s下t时刻支路ij的相电流；为支路ij的相电阻；
为场景s下t时刻储能系统k的充电功率和放电功率；2-2)确定模型的约束条件，包括如下步骤：
2-2-1)光伏出力约束：
其中，为光伏逆变器额定容量；
为场景s下t时刻光伏n无功功率最大值和实际值；为光伏的功率因数限值；
2-2-2)配电网潮流约束：
其中，Ωtoi,Ωfromi分别为流入节点i和从节点i流出的节点集合；分别为场景s下t时刻从节点k流向节点i的线路ki的传输功率；为线路ij的额定传输容量；分别为线路ij的相电阻和相电抗；为场景s下t时刻节点i的总注入、发电机、光伏出力、储能放电、储能充电以及负荷的有功功率；为场景s下t时刻节点i的总注入、发电机、光伏、储能、补偿电容器以及负荷的无功功率；为场景s下t时刻线路ij的传输电流以及节点i的电压；δ为平衡节点编号；Vt R,Vmin,Vmax分别为t时刻根节点电压参考值、下限值和上限值；为引入的辅助变量，目的是将模型中的二次项线性化；本发明中，中压配电网不考虑三相不平衡问题，低压配电网考虑负荷、分布式光伏、分布式储能三相不平衡接入，忽略相间阻抗耦合效应；
2-2-3)储能运行约束：
其中，为场景s下t时刻储能系统k的充电标志变量和放电标志变量；
为场景s下t时刻储能系统k的充电功率和放电功率；
代表场景s下t时刻储能系统k的有功功率和无功功率，其中
分别为储能系统k的额定有功功率、额定无功功率、额定视在功率和额定容量；
分别为场景s下t时刻、起始时刻以及T时刻储能系统k的储存电量；
ηc,ηd分别表示储能系统的充电效率和放电效率；
SOCmin,SOCmax分别表示电池储能运行的荷电状态(state ofcharge,SOC)下限值和上限值；
2-2-4)有载调压变压器约束：
其中，为整数集合；为t时刻有载调压变压器分接头的位置；为有载调压变压器分接头最小档位和最大档位；为有载调压变压器分接头的电压调节步长标幺值；为有载调压变压器在调度周期内最大调节次数；VR代表有载调压变压器一次侧参考电压；其中，式(30)为非线性约束，通过引入辅助变量转换为如下的线性约束形式：
2-2-5)补偿电容器组约束：
其中，为t时刻补偿电容器组的投切组数；为补偿电容器组的最大投切组数；为补偿电容器组在调度周期内最大调节次数；ΔQCB为单组补偿电容器组的额定容量，为场景s下t时刻补偿电容器组q的无功功率；其中，式(35)为非线性约束，引入辅助变量转换为线性约束：
2-2-6)中低压配电网功率交换约束
将低压配电网等效为负荷连接在中压配电网的指定节点处，满足如下约束：
其中，为场景s下t时刻连接低压配电网l的中压配电网节点n处的等效有功负荷、无功负荷和节点电压；为场景s下t时刻低压配电网l的φ相等效根节点发电机输出有功功率、无功功率和节点电压；
2-3)求解由步骤2-1)提出的目标函数和步骤2-2)提出的约束条件所构成的混合整数二阶锥规划模型，得到未来一天内中压配电网中有载调压变压器分接头的位置、补偿电容器组的投切组数以及储能的充放电功率。
步骤3：采用中低压配电网集中式日前优化模型的求解结果构建低压配电网日内滚动优化模型，包括进行中压配电网集中式滚动优化的上层模型以及进行低压配电网分布式优化的下层模型；
步骤4：根据上层模型得到中压配电网运行方案，根据下层模型得到低压配电网运行方案，并将中压配电网运行方案与低压配电网运行方案组合，得到最终的日内阶段中低压配电网运行方案。
根据日前优化模型决策的中压配电网中有载调压变压器分接头位置、补偿电容器组的投切组数以及储能的充放电功率，构建日内中(第二阶段中)低压配电网日内滚动优化模型，上层模型为中压配电网集中式滚动优化，下层模型为低压配电网分布式优化，具体为：
3-1)以滚动优化时间窗口内光伏弃用惩罚和网损最小化为目标函数，构建中压配电网集中式日内滚动优化模型，时间间隔为15min，调度时间窗口长度为3h，包括如下步骤：
3-1-1)确定模型的目标函数，具体如下：
其中变量含义可参照步骤3-1)；
F2为光伏弃用惩罚和网损之和；
T为调度时间周期，为3h；Δt为调度时间间隔，为15min；
β为光伏弃用惩罚系数；πt为t时刻的电价；
为t时刻光伏n的预测有功功率和上网有功功率；
Iij,t为t时刻支路ij的电流；
rij为支路ij的电阻；
3-1-2)确定模型的约束条件，除式(6)-(26)、式(31)、式(36)外，增加储能系统日内SOC运行范围约束：
其中，为日前优化调度模型得到的t时刻储能系统k的SOC参考值，采用式(44)计算；δs为设置的SOC允许偏离系数；
3-1-3)求解由步骤3-1-1)提出的目标函数和步骤3-1-2)提出的约束条件所构成的混合整数二阶锥规划模型，得到日内阶段当前时刻中压配电网光伏和储能的有功功率和无功功率作为当前时刻的运行方案；
3-2)构建日内阶段低压配电网分布式控制模型，时间间隔为5min，包括如下步骤：
3-2-1)若有低压量测节点的电压越限，执行光伏逆变器无功就地控制，下垂控制方程如下：
其中，VN,分别表示预期电压和电压死区长度；
Vn,t代表t时刻光伏逆变器n所在节点的电压；
分别代表设置的电压阈值；
代表t时刻光伏逆变器n的最大无功出力，可由式(7)—式(9)确定；
分别代表t时刻光伏逆变器n的无功变化值和实际值；
代表t-1时刻光伏逆变器n的无功实际值；
sPV表示下垂系数；
3-2-2)若执行步骤3-2-1)后仍有低压量测节点的电压越限，执行储能无功分布式控制，选择电压越限最严重的节点作为主导节点，优先进行储能无功本地控制，根据电压-无功灵敏度因子计算无功功率增量
其中，SQ,ij为主导节点i对节点j的电压-无功灵敏度，可根据历史运行数据分析得到，进行本地控制时i＝j；Vi,t表示t时刻主导节点i的电压；Vobj表示要调节的预期电压。
储能系统检测自身无功出力状态，检测的过程就代表下式的分段，即根据自身状态(上一时刻无功功率)选择下一时刻的无功功率：
结合确定储能无功本地控制的实际无功功率
其中，代表t-1时刻储能系统k的无功功率；
若控制后仍有电压越限，选择除上述节点外电压-无功灵敏度最大的节点重复以上无功控制过程，直至电压越限消除或所有节点的储能无可用无功功率；
3-2-3)若执行步骤3-2-2)后仍有低压量测节点的电压越限，执行储能有功分布式控制，优先进行储能有功本地控制，根据电压-有功灵敏度因子计算有功功率增量：
其中，SP,ij为主导节点i对节点j的电压-有功灵敏度，可根据历史运行数据分析得到，进行本地控制时i＝j；Vobj表示控制后的电压目标值。储能系统检测自身有功出力状态(检测状态对应下面的分段过程)，确定满足功率约束的有功功率：
其中，代表t-1时刻储能系统k的有功功率；由于储能系统的充放电功率还与荷电状态有关，因此根据上述控制得到的储能充放电状态以及SOC约束可以得到满足功率范围约束和SOC约束的实际有功功率，即根据上述(50)-(51)得到
当时，计算下一时刻的SOC：
其中，表示储能系统k在t-1时刻的SOC实际值；表示按当前充电功率决策值下SOC的预期值；Ek为储能系统k的额定容量；Δt为调度时间间隔；ηc为电池储能系统的充电效率；
根据储能的SOC约束可以得到最终储能有功本地控制的实际有功功率
当时，计算下一时刻的SOC：
ηd为电池储能系统的放电效率；
储能有功本地控制的实际有功功率为：
若控制后仍有电压越限，选择除上述节点外电压-有功灵敏度最大的节点重复以上有功控制过程，直至电压越限消除或所有节点的储能没有可用的有功功率或容量；
3-2-4)若执行步骤3-2-3)后仍有低压量测节点的电压越限，则逐轮次实施光伏有功功率削减，每次增加削减5％的光伏出力；将步骤3-2-1)—3-2-4)确定的光伏逆变器和储能的有功功率和无功功率作为日内阶段当前时刻的低压配电网运行方案；
该步骤根据步骤3-1)构建的上层模型得到的中压配电网运行方案和步骤3-2)构建的下层模型得到的低压配电网运行方案组合得到最终的日内阶段中低压配电网运行方案。
本发明实施例2提供一种含高比例分布式光伏的中低压配电网调度系统，包括：
典型场景集生成模块，用于根据历史光伏出力预测值和实际值得到光伏出力预测误差分布模型，并结合光伏出力预测数据生成光伏出力典型场景集；
日前优化模块，用于根据光伏出力典型场景集，以配电网的光伏弃用惩罚、网络损耗和储能充放电成本最小化为目标函数并设置约束条件，构建中低压配电网集中式日前优化模型并进行求解；
日内滚动优化模块，用于采用中低压配电网集中式日前优化模型的求解结果构建低压配电网日内滚动优化模型，包括进行中压配电网集中式滚动优化的上层模型以及进行低压配电网分布式优化的下层模型；根据上层模型得到中压配电网运行方案，根据下层模型得到低压配电网运行方案，并将中压配电网运行方案与低压配电网运行方案组合，得到最终的日内阶段中低压配电网运行方案。
一种终端，包括处理器及存储介质；所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行所述方法的步骤。
计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述方法的步骤。
本发明的有益效果在于，与现有技术相比：
本发明根据历史光伏出力预测值和实际值得到光伏出力预测误差分布模型，并结合光伏出力预测数据生成光伏出力典型场景集，根据光伏出力典型场景集，构建中低压配电网集中式日前优化模型并进行求解，采用求解结果构建低压配电网日内滚动优化模型，包括进行中压配电网集中式滚动优化的上层模型以及进行低压配电网分布式优化的下层模型，其考虑了中、低压配电网调度时间尺度的差异以及低压配电网在通信和量测方面薄弱，并且网络参数难以准确获取等问题，可有效解决高比例分布式光伏接入中低压配电网后的电压越限情况问题，特别在是通信设施和量测设施不全、准确网络参数未知的低压配电网中，通过量测节点间的电压分布式控制可使量测节点电压处于安全范围，并降低中低压配电网的运行成本。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (13)
1.一种含高比例分布式光伏的中低压配电网调度方法，其特征在于：
所述方法包括以下步骤：
步骤1：根据历史光伏出力预测值和实际值得到光伏出力预测误差分布模型，并结合光伏出力预测数据生成光伏出力典型场景集；
步骤2：根据光伏出力典型场景集，以配电网的光伏弃用惩罚、网络损耗和储能充放电成本最小化为目标函数并设置约束条件，构建中低压配电网集中式日前优化模型并进行求解；
步骤3：采用中低压配电网集中式日前优化模型的求解结果构建低压配电网日内滚动优化模型，包括进行中压配电网集中式滚动优化的上层模型以及进行低压配电网分布式优化的下层模型；
步骤4：根据上层模型得到中压配电网运行方案，根据下层模型得到低压配电网运行方案，并将中压配电网运行方案与低压配电网运行方案组合，得到最终的日内阶段中低压配电网运行方案。
2.根据权利要求1所述的一种含高比例分布式光伏的中低压配电网调度方法，其特征在于：
步骤1中，获取历史光伏出力预测值和实际值，计算得到预测值与实际值的差值作为光伏预测误差数据集，并设置预测误差区间长度δ，绘制出光伏出力预测误差的直方图；
选用不同的误差分布函数对所述直方图采用极大似然估计法进行分布参数拟合，计算拟合指标，将拟合指标值最小的误差分布函数作为光伏预测误差分布模型；其中拟合的指标为：
其中，cl,hl分别表示直方图中第l个误差区间的中心值和高度；
N表示误差区间数量；
λ(·)表示误差分布函数；
||·||2代表欧氏空间中2-范数；
根据误差分布模型和光伏出力预测数据，利用蒙特卡罗模拟法生成光伏出力场景集，并利用K-means算法对光伏出力场景集进行场景削减，得到光伏出力典型场景。
3.根据权利要求1所述的一种含高比例分布式光伏的中低压配电网调度方法，其特征在于：
步骤2中，所述目标函数为：
其中，F1为配电网的光伏弃用惩罚、网络损耗和储能充放电成本之和；
Ωs为光伏出力典型场景集；s为场景序号；ωs为场景s发生的概率；
分别表示场景s下配电网的光伏弃用惩罚、网损和储能运行成本；
ΩPV,ΩL,ΩE分别为所有光伏、配电网支路以及储能的集合；
T为调度时间周期；Δt为调度时间间隔；
Φ为相集合；φ为相编号；β为光伏弃用惩罚系数；πt为t时刻的电价；
为场景s下t时刻光伏n的预测有功功率和上网有功功率；
为场景s下t时刻支路ij的相电流；为支路ij的相电阻；
为场景s下t时刻储能系统k的充电功率和放电功率。
4.根据权利要求1所述的一种含高比例分布式光伏的中低压配电网调度方法，其特征在于：
步骤2中设置的约束条件包括：光伏出力约束、配电网潮流约束、储能运行约束、有载调压变压器约束、补偿电容器组约束、中低压配电网功率交换约束。
5.根据权利要求1所述的一种含高比例分布式光伏的中低压配电网调度方法，其特征在于：
步骤3中，上层模型的目标函数为：
其中F2为光伏弃用惩罚和网损之和；
Tin为调度时间周期；
Δt为调度时间间隔；
β为光伏弃用惩罚系数；
πt为t时刻的电价；
为t时刻光伏n的预测有功功率和上网有功功率；
Iij,t为t时刻支路ij的电流；
rij为支路ij的电阻。
6.根据权利要求1所述的一种含高比例分布式光伏的中低压配电网调度方法，其特征在于：
所述下层模型进行低压配电网分布式优化，得到低压配电网运行方案的过程具体为：
1)若有低压量测节点的电压越限，执行光伏逆变器无功就地控制；
2)若执行步骤1)后仍有低压量测节点的电压越限，则执行储能无功分布式控制，选择电压越限最严重的节点作为主导节点，进行储能无功本地控制；
3)若执行步骤2)后仍有低压量测节点的电压越限，则执行储能有功分布式控制，并优先进行储能有功本地控制；
4)若执行步骤3)后仍有低压量测节点的电压越限，则逐轮次实施光伏有功功率削减，每次增加削减5％的光伏出力。
7.根据权利要求6所述的一种含高比例分布式光伏的中低压配电网调度方法，其特征在于：
所述光伏逆变器无功就地控制的控制模型如下：
其中，分别表示预期电压和电压死区长度；
Vn,t代表t时刻光伏逆变器n所在节点的电压；
分别代表设置的电压阈值；
代表t时刻光伏逆变器n的最大无功出力，可由式(7)—式(9)确定；
分别代表t时刻光伏逆变器n的无功变化值和实际值；
代表t-1时刻光伏逆变器n的无功实际值；
sPV表示下垂系数。
8.根据权利要求6所述的一种含高比例分布式光伏的中低压配电网调度方法，其特征在于：所述储能无功本地控制的控制过程为：
根据电压-无功灵敏度因子计算无功功率增量
其中，SQ,ij为主导节点i对节点j的电压-无功灵敏度因子，进行本地控制时i＝j；
Vi,t表示t时刻主导节点i的电压；
Vobj表示要调节的预期电压；
储能系统检测自身无功出力状态，结合确定储能无功本地控制的实际无功功率
其中，代表t-1时刻储能系统k的无功功率；Qk为储能系统k的额定无功功率；
若上述储能无功本地控制后仍有电压越限，选择除所选节点外电压-无功灵敏度因子最大的节点重复以上储能无功本地控制过程，直至电压越限消除或所有节点的储能无可用无功功率。
9.根据权利要求6所述的一种含高比例分布式光伏的中低压配电网调度方法，其特征在于：所述储能有功本地控制的控制过程为：
根据电压-有功灵敏度因子计算有功功率增量
其中，SP,ij为主导节点i对节点j的电压-有功灵敏度；
Vobj表示控制后的电压目标值；
储能系统检测自身有功出力状态，结合确定满足功率约束的有功功率
其中，代表t-1时刻储能系统k的有功功率；Pk为储能系统k的额定有功功率；
当时，计算下一时刻的SOC：
其中，表示储能系统k在t-1时刻的SOC实际值；表示按当前充电功率决策值下SOC的预期值；
Ek为储能系统k的额定容量；Δt为调度时间间隔；ηc为电池储能系统的充电效率；
则最终储能有功本地控制的实际有功功率
其中SOCmax表示电池储能运行的荷电状态上限值；
当时，计算下一时刻的SOC：
ηd为电池储能系统的放电效率；
则储能有功本地控制的实际有功功率为：
若储能有功本地控制后仍有电压越限，选择除已进行储能有功本地控制的节点外电压-有功灵敏度最大的节点重复以上储能有功本地控制过程，直至电压越限消除或所有节点的储能没有可用的有功功率或容量。
10.根据权利要求1所述的一种含高比例分布式光伏的中低压配电网调度方法，其特征在于：
针对日前优化模型，调度时间间隔为1h，调度时间周期为24h；
针对上层模型，调度时间间隔为15min，调度时间周期为3h；
针对下层模型，调度时间间隔为5min，即下层模型是实时调度，5分钟进行一次。
11.一种含高比例分布式光伏的中低压配电网调度系统，利用权利要求1-10任一项所述的方法，其特征在于：所述系统包括：
典型场景集生成模块，用于根据历史光伏出力预测值和实际值得到光伏出力预测误差分布模型，并结合光伏出力预测数据生成光伏出力典型场景集；
日前优化模块，用于根据光伏出力典型场景集，以配电网的光伏弃用惩罚、网络损耗和储能充放电成本最小化为目标函数并设置约束条件，构建中低压配电网集中式日前优化模型并进行求解；
日内滚动优化模块，用于采用中低压配电网集中式日前优化模型的求解结果构建低压配电网日内滚动优化模型，包括进行中压配电网集中式滚动优化的上层模型以及进行低压配电网分布式优化的下层模型；根据上层模型得到中压配电网运行方案，根据下层模型得到低压配电网运行方案，并将中压配电网运行方案与低压配电网运行方案组合，得到最终的日内阶段中低压配电网运行方案。
12.一种终端，包括处理器及存储介质；其特征在于：
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1-10任一项所述方法的步骤。
13.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-10任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311726989.XA CN117977544A (zh) | 2023-12-15 | 2023-12-15 | 含高比例分布式光伏的中低压配电网调度方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311726989.XA CN117977544A (zh) | 2023-12-15 | 2023-12-15 | 含高比例分布式光伏的中低压配电网调度方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117977544A true CN117977544A (zh) | 2024-05-03 |
Family
ID=90854374
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311726989.XA Pending CN117977544A (zh) | 2023-12-15 | 2023-12-15 | 含高比例分布式光伏的中低压配电网调度方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117977544A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118473013A (zh) * | 2024-07-15 | 2024-08-09 | 国网陕西省电力有限公司电力科学研究院 | 基于控制输入选优的低压配网电压越限抑制方法及装置 |
-
2023
- 2023-12-15 CN CN202311726989.XA patent/CN117977544A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118473013A (zh) * | 2024-07-15 | 2024-08-09 | 国网陕西省电力有限公司电力科学研究院 | 基于控制输入选优的低压配网电压越限抑制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nguyen et al. | Cost-optimized battery capacity and short-term power dispatch control for wind farm | |
| Chakraborty et al. | Distributed intelligent energy management system for a single-phase high-frequency AC microgrid | |
| CN110690702B (zh) | 一种考虑综合承载力的主动配电网优化调度及运行方法 | |
| CN105207259A (zh) | 基于能量管理的并网状态下的微电网系统调度方法 | |
| CN117977544A (zh) | 含高比例分布式光伏的中低压配电网调度方法与系统 | |
| Azimi et al. | Multiobjective daily Volt/VAr control in distribution systems with distributed generation using binary ant colony optimization | |
| CN110808597A (zh) | 主动配电网中考虑三相不平衡的分布式电源规划方法 | |
| CN113131529B (zh) | 一种计及多种灵活性资源的可再生能源承载力评估的方法 | |
| Dezelak et al. | Comparison between the particle swarm optimisation and differential evolution approaches for the optimal proportional–integral controllers design during photovoltaic power plants modelling | |
| CN114996908B (zh) | 考虑智能软开关接入的主动配电网扩展规划方法及系统 | |
| CN111614110B (zh) | 一种基于改进多目标粒子群算法的受端电网储能优化配置方法 | |
| Zeng et al. | Model predictive control for energy storage systems in a network with high penetration of renewable energy and limited export capacity | |
| CN114069687A (zh) | 一种计及逆变器无功调节作用的分布式光伏规划方法 | |
| CN116388262A (zh) | 基于多目标优化的含分布式光伏配网无功优化方法及系统 | |
| CN115765054A (zh) | 考虑风光无功调节的配电网分布式电源双层规划方法 | |
| CN118333219A (zh) | 一种考虑风光储充接入的双层协同优化配置方法及装置 | |
| CN114548597A (zh) | 一种交直流混合光储配电网优化方法 | |
| CN109672216A (zh) | 一种基于多因子的主动配电网分层控制方法及系统 | |
| CN116742697A (zh) | 一种大型光伏电站向上兼容的电压协调控制方法和系统 | |
| CN115632393A (zh) | 一种考虑灵活性资源的多级电网协调鲁棒调度方法及装置 | |
| CN114389315A (zh) | 资源调度方法、装置及电子设备 | |
| Ahanch et al. | Implementation of CVR in distribution networks by optimal coordination of BESS and PV inverters using arithmetic optimization algorithm | |
| CN113067364A (zh) | 风光互补系统及其光伏容量配置方法 | |
| CN117391311B (zh) | 计及碳排放和不确定性的充电站和配电网协同规划方法及装置 | |
| Cai et al. | Optimal dispatch of a virtual storage plant using inexact ADMM |
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 |