CN118100324A - 一种针对风机和光伏有功无功出力互补特性的配网重构方法 - Google Patents

一种针对风机和光伏有功无功出力互补特性的配网重构方法 Download PDF

Info

Publication number
CN118100324A
CN118100324A CN202410207937.XA CN202410207937A CN118100324A CN 118100324 A CN118100324 A CN 118100324A CN 202410207937 A CN202410207937 A CN 202410207937A CN 118100324 A CN118100324 A CN 118100324A
Authority
CN
China
Prior art keywords
distribution network
active
output
reactive power
curve
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202410207937.XA
Other languages
English (en)
Inventor
南钰
寇晓适
郑罡
武亚非
陶岩
宋丽华
马浩博
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.)
Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd
Original Assignee
Kaifeng Power Supply Co of State Grid Henan 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 Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd filed Critical Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd
Priority to CN202410207937.XA priority Critical patent/CN118100324A/zh
Publication of CN118100324A publication Critical patent/CN118100324A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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]
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
    • 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
    • H02J3/46—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
    • 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
    • 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
    • H02J3/50—Controlling the sharing of the out-of-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
    • H02J2203/10—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Molecular Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种针对风机和光伏有功无功出力互补特性的配网重构方法，属于配电网技术领域。本发明解决了现有配网重构难度的问题，本发明通过预测未来配网的出力计划曲线以及负荷的日变化曲线，再以配网运行成本最小为目标建立日前长时间有功‑无功联合优化模型，依据有功‑无功联合优化模型建立目标函数及其约束条件，根据目标函数和约束条件构成最终的配网重构模型，最后，基于粒子群算法对配网重构模型进行求解，能够获得配网最优网络拓扑结构，从而根据最优网络拓扑结构能够对配网进行重构，通过将配网重构与有功无功优化相结合，实现了在重构基础上进有功无功优化，降低配网重构的难度。

Description

一种针对风机和光伏有功无功出力互补特性的配网重构方法
技术领域
本发明涉及配电网技术领域，具体为一种针对风机和光伏有功无功出力互补特性的配网重构方法。
背景技术
配网重构技术，是指通过改变配网络拓扑结构来提高可靠性，降低线损，均衡负荷和改善供电电压质量的技术。配网重构是优化配电系统技术，提高配电系统安全性和经济性的重要手段。配网重构是在满足配网呈辐射状、馈线热熔、节点电压偏差要求和变压器容量要求的前提下，确定使配网线损、负荷均衡度、供电质量等指标最佳的配网运行方式。但由于配网中存在大量的分段开关和联络开关，因此配网重构是一个多目标非线性混合优化问题，而无功问题是一个非线性的问题，从而导致配网重构难度变大；因此，不满足现有的需求，对此我们提出了一种针对风机和光伏有功无功出力互补特性的配网重构方法。
发明内容
本发明的目的在于提供一种针对风机和光伏有功无功出力互补特性的配网重构方法，通过预测未来配网的出力计划曲线以及负荷的日变化曲线，再以配网运行成本最小为目标建立日前长时间有功-无功联合优化模型，依据有功-无功联合优化模型建立目标函数及其约束条件，根据目标函数和约束条件构成最终的配网重构模型，最后，基于粒子群算法对配网重构模型进行求解，能够获得配网最优网络拓扑结构，从而根据最优网络拓扑结构能够对配网进行重构，解决了上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种针对风机和光伏有功无功出力互补特性的配网重构方法，包括以下步骤：
S1：基于前一日负荷和风、光发电功率分析，对计划日负荷预测和风、光资源进行预测，预测未来配网的出力计划曲线以及负荷的日变化曲线；
S2：以配网运行成本最小为目标建立日前长时间有功-无功联合优化模型，依据有功-无功联合优化模型建立目标函数及其约束条件，根据目标函数和约束条件构成最终的配网重构模型；
S3：基于粒子群算法对配网重构模型进行求解，得到配网运行成本和风机和光伏有功无功出力的调控策略，以获得配网最优网络拓扑结构，根据最优网络拓扑结构能够对配网进行重构。
进一步地，所述S1中，预测未来配网的出力计划曲线以及负荷的日变化曲线，包括数据获取模块和数据预测模块，具体为：
数据获取模块，用于获取配网的历史数据，历史数据为前一日负荷和风、光发电功率分析，以此对计划日负荷预测和风、光资源进行预测；
数据预测模块，用于基于获取的历史数据，预测未来配网的出力计划曲线以及各类负荷的日变化曲线。
进一步地，所述数据预测模块，基于获取的历史数据，预测未来配网的出力计划曲线以及各类负荷的日变化曲线，具体为：
获取配网和风、光资源所需的历史数据以及与待预测参数相关的影响因素信息；
利用灰色关联度分析法确定待预测参数与各影响因素间的关系强弱，选取关联度较大的影响因素作为预测算法的输入；
采用神经网络进行建模预测，得到配网和风、光资源的预测结果；
根据参数实测值统计预测误差，根据预测误差对神级网络模型进行滚动修正；
采用训练后的神经网络预测未来配网的出力计划曲线以及各类负荷的日变化曲线。
进一步地，所述S1中，配网的出力计划分为三个时间段，具体为：
第一时间段：每日运行一次，生成次日24小时配网的计划出力曲线；
第二时间段：计算周期为20分钟，在第一时间段的计划出力曲线的基础上生成当日日内未来5小时的配网出力计划进行修正并生成计划出力曲线；
第三时间段：计算周期为5分钟，在第二时间段的计划出力曲线的基础上生成当日日内未来30分钟的配网出力计划并生成计划出力曲线输出。
进一步地，所述S2的具体步骤包括：
S21：以配网运行成本最小为目标，建立日前长时间有功-无功联合优化模型；
S22：依据有功-无功联合优化模型建立目标函数，并根据目标函数建立约束条件；
S23：根据目标函数和约束条件构成最终的配网重构模型。
进一步地，所述S2中，依据有功-无功联合优化模型建立目标函数，表示为：
式中，n配网支路总数；i为支路编号；ri为支路电阻；Pi，Qi为流过支路i的有功及无功功率；Ui为支路i末端的节点电压；ki为开关的状态变量，1表示开关闭合，0表示开关打开。
进一步地，所述S2中，依据有功-无功联合优化模型建立目标函数的约束条件，约束条件为:配网结构满足辐射状；配网中不存在环网和孤岛；支路电流约束；节点电压约束。
进一步地，所述支路电流约束表示为|Ib|≤|Ib|max，|Ib|max为改支路所允许的电流最大值；节点电压约束表示为Vimin<Vi<Vimax，Vi为节点i的电压，Vimin和Vimax分别为该节点允许的电压幅值的最小和最大值。
进一步地，所述S3中，在对配网进行重构后，将重构结果发送至相关终端的工作人员，以便终端的工作人员进行查看。
进一步地，所述S3中，基于粒子群算法对配网重构模型进行求解，得到配网运行成本和风机和光伏有功无功出力的调控策略，包括处理模块和构建模块，具体为：
处理模块，用于采用粒子群算法对配网重构模型进行求解，能够得到配网运行成本和风机和光伏有功无功出力的调控策略，通过调控策略能够获得配网最优网络拓扑结构；
构建模块，用于根据最优网络拓扑结构对配网运行成本和风机和光伏有功无功出力进行重构。
与现有技术相比，本发明的有益效果是：
本发明通过在基于前一日负荷和风、光发电功率分析，能够预测未来配网的出力计划曲线以及负荷的日变化曲线，而以配网运行成本最小为目标建立日前长时间有功-无功联合优化模型，依据有功-无功联合优化模型建立目标函数及其约束条件，再根据目标函数和约束条件构成最终的配网重构模型，最后，通过采用基于粒子群算法下可以对配网重构模型进行求解，得到配网运行成本和风机和光伏有功无功出力的调控策略，从而以此获得配网最优网络拓扑结构，根据最优网络拓扑结构能够对配网进行重构，通过将配网重构与有功无功优化相结合，实现了在重构基础上进有功无功优化，降低配网重构的难度。
附图说明
图1为本发明的整体流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有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。
为了解决现有的配网中存在大量的分段开关和联络开关，因此配网重构是一个多目标非线性混合优化问题，而无功问题是一个非线性的问题，从而导致配网重构难度变大的技术问题，请参阅图1，本实施例提供以下技术方案：
S1：基于前一日负荷和风、光发电功率分析，对计划日负荷预测和风、光资源进行预测，预测未来配网的出力计划曲线以及负荷的日变化曲线；
S2：以配网运行成本最小为目标建立日前长时间有功-无功联合优化模型，依据有功-无功联合优化模型建立目标函数及其约束条件，根据目标函数和约束条件构成最终的配网重构模型；
S3：基于粒子群算法对配网重构模型进行求解，得到配网运行成本和风机和光伏有功无功出力的调控策略，以获得配网最优网络拓扑结构，根据最优网络拓扑结构能够对配网进行重构。
S1中，预测未来配网的出力计划曲线以及负荷的日变化曲线，包括数据获取模块和数据预测模块，具体为：
数据获取模块，用于获取配网的历史数据，历史数据为前一日负荷和风、光发电功率分析，以此对计划日负荷预测和风、光资源进行预测；
数据预测模块，用于基于获取的历史数据，预测未来配网的出力计划曲线以及各类负荷的日变化曲线；
其中，配网的出力计划分为三个时间段，具体为：
第一时间段：每日运行一次，生成次日24小时配网的计划出力曲线；
第二时间段：计算周期为20分钟，在第一时间段的计划出力曲线的基础上生成当日日内未来5小时的配网出力计划进行修正并生成计划出力曲线；
第三时间段：计算周期为5分钟，在第二时间段的计划出力曲线的基础上生成当日日内未来30分钟的配网出力计划并生成计划出力曲线输出；
需要说明的是，数据预测模块，基于获取的历史数据，预测未来配网的出力计划曲线以及各类负荷的日变化曲线，具体为：
获取配网和风、光资源所需的历史数据以及与待预测参数相关的影响因素信息；
利用灰色关联度分析法确定待预测参数与各影响因素间的关系强弱，选取关联度较大的影响因素作为预测算法的输入；
采用神经网络进行建模预测，得到配网和风、光资源的预测结果；
根据参数实测值统计预测误差，根据预测误差对神级网络模型进行滚动修正；
采用训练后的神经网络预测未来配网的出力计划曲线以及各类负荷的日变化曲线。
上述内容的技术效果：通过数据获取模块可以获取配网的历史数据，历史数据即前一日负荷和风、光发电功率分析，通过数据预测模块根据获取的前一日负荷和风、光发电功率分析，采用神经网络进行建模预测，得到配网和风、光资源的预测结果，从而能够预测未来配网的出力计划曲线以及各类负荷的日变化曲线，配网的出力计划分为三个时间段并生成与时间段相对应的计划出力曲线，最后再将计划出力曲线输出。
S2的具体步骤包括：
S21：以配网运行成本最小为目标，建立日前长时间有功-无功联合优化模型；
S22：依据有功-无功联合优化模型建立目标函数，并根据目标函数建立约束条件；
S23：根据目标函数和约束条件构成最终的配网重构模型。
上述内容的技术效果：在以配网运行成本最小为目标，可以建立日前长时间有功-无功联合优化模型，再根据有功-无功联合优化模型能够建立目标函数，再根据目标函数能够建立约束条件，最后，根据建立的目标函数及其约束条件，以此可以构成最终的配网重构模型。
需要说明的是，配网的网损是影响电网运行经济性的重要因素，这些可以通过配网络重构来改善，也就是说通过对配电网的开关操作，来改变电网的结构从而改变在其中流动的无功流，从而减少有功网损，而依据有功-无功联合优化模型建立目标函数，目标函数表示为：
式中，n配网支路总数；i为支路编号；ri为支路电阻；Pi，Qi为流过支路i的有功及无功功率；Ui为支路i末端的节点电压；ki为开关的状态变量，1表示开关闭合，0表示开关打开。
依据有功-无功联合优化模型建立目标函数的约束条件，约束条件为:
配网结构满足辐射状；
配网中不存在环网和孤岛；
支路电流约束表示为|Ib|≤|Ib|max，|Ib|max为改支路所允许的电流最大值；
节点电压约束表示为Vimin<Vi<Vimax，Vi为节点i的电压，Vimin和Vimax分别为该节点允许的电压幅值的最小和最大值。
需要说明的是，配网辐射状的判据，是配网在运行时必须要开环，也即是表明了运行时的配电网其实是树状结构图，那么树状图的特点需要满足如下要求:树状图是连通的并且边比顶点少一，以及树的边比点1没有回路，由此可以判断配网是否开环运行，要让其在满足连通的条件下同时满足节点与边的关系。
S3中，基于粒子群算法对配网重构模型进行求解，得到配网运行成本和风机和光伏有功无功出力的调控策略，包括处理模块和构建模块，具体为：
处理模块，用于采用粒子群算法对配网重构模型进行求解，能够得到配网运行成本和风机和光伏有功无功出力的调控策略，通过调控策略能够获得配网最优网络拓扑结构；
构建模块，用于根据最优网络拓扑结构对配网运行成本和风机和光伏有功无功出力进行重构。
上述内容的技术效果：通过处理模块可以对配网重构模型进行求解，处理模块是采用粒子群算法来对配网重构模型进行求解，粒子群算法是智能算法的一种，模拟鸟群的觅食进行寻优，根据每一只鸟当前的运行状态更新至下一次的解，通过求解能够得到配网运行成本和风机和光伏有功无功出力的调控策略，而根据调控策略能够获得配网最优网络拓扑结构，最后，构建模块根据获得的最优网络拓扑结构，可以对配网进行重构。
需要说明的是，粒子群算法的关键，包括：
粒子群的规模的确定：子群的规大小会影响到子群算法的寻优结果，如果种群数量太小，则共享的信息不够全面，就会降低了算法的全局寻优性能，种群数量太大时，计算时间就会变慢，粒子收敛的时间会变长；
算法的初始化:也就是粒子群的初始化，当我们随机生成几组粒子时，当粒子的维数增大，粒子群算法将有可能大大降低其收敛性；
算法中的参数设定:粒子群算法需要人为设定的参数并不多，而标准粒子群算法，它的粒子状态更新公式中有几个参数的设定，对于算法的优化结果有着很大的甚至是截然不与的影响，所以怎样设定好这些影响计算的参数，使其朝着更有利于寻优的方向进化，是非常重要；
评价粒子个体状态的优劣程度:在粒子群算法中，这即是所谓的粒子的适应度值，这些评价的标准因为目标函数的不同也有所差异，而目标函数的不同则却取决于所研究的实际问题；
准的子群算法优的后期于个体优解全局优解的不到更新，大量粒子会朝着同一方向飞行粒子的多样性会被大大的削减，此时算法就很容易陷入局部最优解。
S3中，在对配网进行重构后，将重构结果发送至相关终端的工作人员，以便终端的工作人员进行查看。
上述内容的技术效果：在对配网进行重构后，会将重构结果发送至相关终端的工作人员，从而便于终端的工作人员进行查看，而终端的工作人员会根据重构结果对配网的重构效果做出评价，从而保证配网的安全运行。
工作原理：通过在基于前一日负荷和风、光发电功率分析，可以对计划日负荷预测和风、光资源进行预测，从而预测未来配网的出力计划曲线以及负荷的日变化曲线不能够输出，而以配网运行成本最小为目标，可以建立日前长时间有功-无功联合优化模型，然后依据有功-无功联合优化模型可以建立目标函数，再根据目标函数可以建立其约束条件，从而可以根据目标函数和约束条件构成最终的配网重构模型，最后，可以采用基于粒子群算法以对配网重构模型进行求解，得到配网运行成本和风机和光伏有功无功出力的调控策略，以获得配网最优网络拓扑结构，根据最优网络拓扑结构能够对配网进行重构，通过将配网重构与有功无功优化相结合，实现了在重构基础上进有功无功优化，降低配网重构的难度，而在对配网进行重构后，会将重构结果发送至相关终端的工作人员，从而便于终端的工作人员进行查看。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种针对风机和光伏有功无功出力互补特性的配网重构方法，其特征在于，包括以下步骤：
S1：基于前一日负荷和风、光发电功率分析，对计划日负荷预测和风、光资源进行预测，预测未来配网的出力计划曲线以及负荷的日变化曲线；
S2：以配网运行成本最小为目标建立日前长时间有功-无功联合优化模型，依据有功-无功联合优化模型建立目标函数及其约束条件，根据目标函数和约束条件构成最终的配网重构模型；
S3：基于粒子群算法对配网重构模型进行求解，得到配网运行成本和风机和光伏有功无功出力的调控策略，以获得配网最优网络拓扑结构，根据最优网络拓扑结构能够对配网进行重构。
2.根据权利要求1所述的一种针对风机和光伏有功无功出力互补特性的配网重构方法，其特征在于：所述S1中，预测未来配网的出力计划曲线以及负荷的日变化曲线，包括数据获取模块和数据预测模块，具体为：
数据获取模块，用于获取配网的历史数据，历史数据为前一日负荷和风、光发电功率分析，以此对计划日负荷预测和风、光资源进行预测；
数据预测模块，用于基于获取的历史数据，预测未来配网的出力计划曲线以及各类负荷的日变化曲线。
3.根据权利要求2所述的一种针对风机和光伏有功无功出力互补特性的配网重构方法，其特征在于：所述数据预测模块，基于获取的历史数据，预测未来配网的出力计划曲线以及各类负荷的日变化曲线，具体为：
获取配网和风、光资源所需的历史数据以及与待预测参数相关的影响因素信息；
利用灰色关联度分析法确定待预测参数与各影响因素间的关系强弱，选取关联度较大的影响因素作为预测算法的输入；
采用神经网络进行建模预测，得到配网和风、光资源的预测结果；
根据参数实测值统计预测误差，根据预测误差对神级网络模型进行滚动修正；
采用训练后的神经网络预测未来配网的出力计划曲线以及各类负荷的日变化曲线。
4.根据权利要求1所述的一种针对风机和光伏有功无功出力互补特性的配网重构方法，其特征在于：所述S1中，配网的出力计划分为三个时间段，具体为：
第一时间段：每日运行一次，生成次日24小时配网的计划出力曲线；
第二时间段：计算周期为20分钟，在第一时间段的计划出力曲线的基础上生成当日日内未来5小时的配网出力计划进行修正并生成计划出力曲线；
第三时间段：计算周期为5分钟，在第二时间段的计划出力曲线的基础上生成当日日内未来30分钟的配网出力计划并生成计划出力曲线输出。
5.根据权利要求1所述的一种针对风机和光伏有功无功出力互补特性的配网重构方法，其特征在于：所述S2的具体步骤包括：
S21：以配网运行成本最小为目标，建立日前长时间有功-无功联合优化模型；
S22：依据有功-无功联合优化模型建立目标函数，并根据目标函数建立约束条件；
S23：根据目标函数和约束条件构成最终的配网重构模型。
6.根据权利要求1所述的一种针对风机和光伏有功无功出力互补特性的配网重构方法，其特征在于：所述S2中，依据有功-无功联合优化模型建立目标函数，表示为：
式中，n配网支路总数；i为支路编号；ri为支路电阻；Pi，Qi为流过支路i的有功及无功功率；Ui为支路i末端的节点电压；ki为开关的状态变量，1表示开关闭合，0表示开关打开。
7.根据权利要求1所述的一种针对风机和光伏有功无功出力互补特性的配网重构方法，其特征在于：所述S2中，依据有功-无功联合优化模型建立目标函数的约束条件，约束条件为:配网结构满足辐射状；配网中不存在环网和孤岛；支路电流约束；节点电压约束。
8.根据权利要求7所述的一种针对风机和光伏有功无功出力互补特性的配网重构方法，其特征在于：支路电流约束表示为|Ib|≤|Ib|max，|Ib|max为改支路所允许的电流最大值；节点电压约束表示为Vimin＜Vi＜Vimax，Vi为节点i的电压，Vimin和Vimax分别为该节点允许的电压幅值的最小和最大值。
9.根据权利要求1所述的一种针对风机和光伏有功无功出力互补特性的配网重构方法，其特征在于：所述S3中，在对配网进行重构后，将重构结果发送至相关终端的工作人员，以便终端的工作人员进行查看。
10.根据权利要求1所述的一种针对风机和光伏有功无功出力互补特性的配网重构方法，其特征在于：所述S3中，基于粒子群算法对配网重构模型进行求解，得到配网运行成本和风机和光伏有功无功出力的调控策略，包括处理模块和构建模块，具体为：
处理模块，用于采用粒子群算法对配网重构模型进行求解，能够得到配网运行成本和风机和光伏有功无功出力的调控策略，通过调控策略能够获得配网最优网络拓扑结构；
构建模块，用于根据最优网络拓扑结构对配网运行成本和风机和光伏有功无功出力进行重构。
CN202410207937.XA 2024-02-26 2024-02-26 一种针对风机和光伏有功无功出力互补特性的配网重构方法 Pending CN118100324A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410207937.XA CN118100324A (zh) 2024-02-26 2024-02-26 一种针对风机和光伏有功无功出力互补特性的配网重构方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410207937.XA CN118100324A (zh) 2024-02-26 2024-02-26 一种针对风机和光伏有功无功出力互补特性的配网重构方法

Publications (1)

Publication Number Publication Date
CN118100324A true CN118100324A (zh) 2024-05-28

Family

ID=91151172

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410207937.XA Pending CN118100324A (zh) 2024-02-26 2024-02-26 一种针对风机和光伏有功无功出力互补特性的配网重构方法

Country Status (1)

Country Link
CN (1) CN118100324A (zh)

Similar Documents

Publication Publication Date Title
CN110518580B (zh) 一种考虑微网主动优化的主动配电网运行优化方法
CN106600136B (zh) 一种电力断面越限控制效率评估方法
CN109829560B (zh) 一种配电网可再生能源发电集群接入规划方法
CN111262243A (zh) 一种园区配电系统运行方式智能辨识以及优化方法
CN110212551B (zh) 基于卷积神经网络的微网无功自动控制方法
CN114069687B (zh) 一种计及逆变器无功调节作用的分布式光伏规划方法
CN108270216B (zh) 一种考虑多目标的复杂配电网故障恢复系统及方法
CN117172097A (zh) 基于云边协同与多智能体深度学习的配电网调度运行方法
CN113673065B (zh) 一种配电网络自动重构的降损方法
CN113344283B (zh) 基于边缘智能的能源互联网新能源消纳能力评估方法
CN114638124A (zh) 一种电力系统优化方法、系统及计算机可读存储介质
Saric et al. Optimal DG allocation for power loss reduction considering load and generation uncertainties
CN110867902B (zh) 基于发电预测的微电网分布式电源去中心优化运行方法
Zhang et al. Multi–objective cluster partition method for distribution network considering uncertainties of distributed generations and loads
CN118100324A (zh) 一种针对风机和光伏有功无功出力互补特性的配网重构方法
CN116316572A (zh) 考虑灵活性的主动配电网双层模型优化方法
CN114094574A (zh) 一种基于非合作博弈的配电网优化重构方法
CN111860617A (zh) 一种配电网综合优化运行方法
CN102957147B (zh) 一种多负荷特性匹配的低频减载优化控制系统及方法
CN115994631B (zh) 一种基于韧性提升的配电网容量规划方法及系统
Liu et al. The source-network coordinated planning of active distribution system based on linear constraints
CN117748515B (zh) 一种城市配电网重构运行两阶段强化学习方法及系统
CN112446521B (zh) 考虑经济性和安全性的风电场接入系统多目标规划方法
Zhao et al. Evaluation of distribution network carrying capacity considering multi distributed resource access
Bai Reconfiguration performance of the urban power distribution system based on the genetic-ant colony fusion algorithm

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