公开/公告号CN106815657A
专利类型发明专利
公开/公告日2017-06-09
原文格式PDF
申请/专利号CN201710006632.2
申请日2017-01-05
分类号G06Q10/04(20120101);G06Q50/06(20120101);
代理机构35100 福州元创专利商标代理有限公司;
代理人蔡学俊;丘鸿超
地址 350003 福建省福州市五四路257号
入库时间 2023-06-19 02:28:50
法律状态公告日
法律状态信息
法律状态
2020-08-14
授权
授权
2017-07-04
实质审查的生效 IPC(主分类):G06Q10/04 申请日:20170105
实质审查的生效
2017-06-09
公开
公开
技术领域
本发明属于配电网规划技术领域,具体涉及一种考虑时序性和可靠性的配电网双层规划方法。
背景技术
分布式电源(distributed generation,DG)在电网中比重的增加增大了配电网规划的不确定性。传统的配电网规划将分布式电源处理成固定电源,这显然不符合分布式电源的运行特性;或者假设风电或者光伏出力服从一定的分布特性,然后利用蒙特卡罗等抽样方法对DG进行随机抽样模拟其出力,但没有体现DG出力随供电季节和时段的变化,而且常忽略负荷的不确定性。此外,一般的配电网规划模型常以经济性指标为核心,而随着电力技术的发展,人们越来越关注配电网的可靠性。为了提高配电网的可靠性,在规划阶段就考虑实现确定性的可靠性目标是规划方面的最新技术挑战。
规模化DG(尤其是可再生能源发电)集中到中压配电网使得传统被动单向供电配电网向双向供电多电源配电网转变,传统的配电网规划方法不能解决这个转变带来的技术问题,主动规划技术应运而生。而双层规划方法将主动规划纳入下层模型,与传统配电网规划方法的不同体现在更多地考虑对各种可控资源(如分布式电源、变压器分接头、无功补偿设备等)进行主动管理及规划。
对于规划模型的求解问题,常用方法大多采用智能优化算法进行求解,但使用智能算法有一个弊端,即在求解过程中易产生较多不可行解。为了保证求解过程中配电网的连通性和辐射性,大部分方法对于计算过程中产生的不可行解进行了手动辐射型修复,但这样使得计算过程比较繁琐。
发明内容
本发明的目的在于提供一种考虑时序性和可靠性的配电网双层规划方法,该方法解决现有的配电网规划方法未考虑DG和负荷的时序性的问题,并在规划阶段即实现一定的可靠性目标,同时解决模型求解算法中存在的不可行解修复繁琐问题,提升配电网规划方案技术经济性,在实现分布式电源优化配置的同时,实现既定的供电可靠性目标。
为实现上述目的,本发明的技术方案是:一种考虑时序性和可靠性的配电网双层规划方法,包括如下步骤,
S1、对配电网中的风力发电和光伏发电出力以及负荷功率分别建立相应的四季典型日时序曲线模型;
S2、对步骤S1中的模型进行多场景机会约束处理;
S3、建立考虑时序性和可靠性的配电网双层规划数学模型,包括目标函数和约束条件;
S4、应用粒子群优化算法对步骤S3中的数学模型进行求解,并用最小生成树法保证迭代过程中配电网的辐射性和连通性结构。
在本发明一实施例中,所述步骤S2具体为:将步骤S1中生成的时序曲线数据进行处理,每个季度的每个小时的风、光出力和负荷功率作为一个场景,一共96个场景;每个场景下进行潮流计算,验证计算结果是否满足约束条件,统计满足约束条件的场景个数,除以总场景数即为满足约束条件的概率;若该概率达到预先设定的值即为满足机会约束条件。
在本发明一实施例中,所述步骤S3中建立的配电网双层规划数学模型,包括
1)上层模型
上层模型的目标函数为
式中:f1表示的为经济性目标,其中Cline、CDG、Cen、Closs、Cu分别为线路的投资及运维费用、分布式电源的投资和运维费用、向上级电网购电成本、网损成本、可再生能源环保及节能效益;f2表示可靠性目标,λreliability表示配电网的供电可靠性;
上层模型的约束条件为:
a、功率平衡约束
式中:Pi为节点i有功注入功率;Qi为节点i无功注入功率;j∈i为所有与节点i直接相连的节点集合;Ui为节点/电压幅值;Gij为节点导纳矩阵的实部;Bij为节点导纳矩阵的虚部;θij为节点i与j电压相角差;
b、节点电压上下限概率约束
P{Umin≤U≤Umax}=ku/N≥βu(3)
式中:Umax和Umin分别为节点电压的上限和下限;ku为所有场景中满足电压上下限约束的场景数;βu为节点电压约束的置信水平;
c、支路功率概率约束
P{Pl≤Plmax}=kl/N≥βl(4)
式中:Pl为支路功率;Plmax为支路允许的功率上限;kl为所有场景中满足支路功率约束的场景数;βl为支路功率约束的置信水平;
d、禁止倒送功率概率约束
P{PΣDG≤PΣL}=kB/N≥βB(5)
式中:PΣDG和PΣL分别为DG总出力和负荷有功总需求;kB为所有场景中满足禁止倒送功率约束的场景数;βB为禁止倒送功率约束的置信水平;
e、分布式电源安装容量约束
式中:PΣPV为PV总安装容量;PΣWG为WG总安装容量;σ为可再生能源DG最大渗透率;PΣLmax为配网最大有功负荷的总和;PPVimax为待选并网节点i的PV最大安装容量;
PWGimax为待选并网节点i的WG最大安装容量;
2)下层模型
下层模型目标函数为DG年有功切除量的期望值最小,即
式中:Pcur,z-DGi为场景z下第i个DG的有功切除量;
下层模型约束条件为:
a、DG出力切除量约束
式中:
b、无功补偿设备投切量约束
式中:QCi表示第i个DG安装节点处无功补偿设备的投切量,
c、变压器分接头调节范围约束
式中:Tk表示第i个DG安装节点处无功补偿设备的投切量,
在本发明一实施例中,所述步骤S4数学模型求解步骤如下,
S41、数据初始化;输出规划用配电网原始数据,设置参数值;
S42、粒子种群初始化;根据升级支路变量和DG容量变量进行混合编码,随机生成初始种群;
S43、采用Kruskal算法,获得初始辐射状网络拓扑结构;
S44、潮流计算;根据各场景下的PV、WG和负荷的功率,利用MATPOWER计算配电网潮流,检验是否满足式(2)~(4)约束条件;若满足则直接进行下一步,不满足则启动下层模型;
S45、计算适应度值;根据潮流计算结果计算所有个体的上层目标函数值,对于不满足概率约束条件的个体,将适应度设置为无穷大,以便在迭代过程中淘汰掉该个体;计算配电网的供电可靠性时,首先要对网架进行广度搜索,找出主馈线和分支馈线,默认最长的广义之路为主馈线,然后根据步骤S43中可靠性的计算方法进行计算;
S46、选取个体最优解和种群最优解;
S47、构造种群的Pareto最优解集,计算Pareto解集中个体的拥挤程度并进行裁剪,然后将初始Pareto最优解集存入Pareto档案集;
S48、迭代,更新粒子的动态权重和学习因子,更新粒子速度和位置;
S49、根据更新后的粒子修订线路参数,重新计算支路权值,利用最小生成树算法求得新的网络结构;计算潮流,判断是否满足机会约束条件,不满足则启动下层模型,计算粒子适应度值,更新个体最优和种群最优解;
S410、将此次迭代种群的Pareto最优解集存入Pareto档案集,对Pareto档案集进行处理,删除其中的劣解,计算其中个体的拥挤程度并进行裁剪;
S411、判断是否达到迭代终止条件,若达到则输出Pareto档案集并结束,否则重复步骤S48至S410,直至达到迭代终止标准;
S42、利用逼近理想解排序法对Pareto前沿中的个体进行排序,选择最优方案。
相较于现有技术,本发明具有以下有益效果:本发明利用广度遍历算法将复杂配电系统转化为简单辐射状配电系统,并利用开关层级矩阵直接搜索保护动作的位置,通过电源可达性结果分析负荷故障类型计算可靠性指标,可避免重复遍历网络拓扑,从而大大提高了配电网可靠性计算的效率。
附图说明
图1为本发明方法流程图。
图2为本发明步骤S4数学模型求解流程图。
图3为本发明所涉及的算例拓扑图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
如图1所示,本发明的一种考虑时序性和可靠性的配电网双层规划方法,包括如下步骤,
S1、对配电网中的风力发电和光伏发电出力以及负荷功率分别建立相应的四季典型日时序曲线模型;
S2、对步骤S1中的模型进行多场景机会约束处理;
S3、建立考虑时序性和可靠性的配电网双层规划数学模型,包括目标函数和约束条件;
S4、应用粒子群优化算法对步骤S3中的数学模型进行求解,并用最小生成树法保证迭代过程中配电网的辐射性和连通性结构。
步骤S2中所述的方法如下:
将步骤S1中生成的时序曲线数据进行处理,每个季度的每个小时的风、光出力和负荷功率作为一个场景,一共96个场景。每个场景下进行潮流计算,验证计算结果是否满足约束条件,统计满足约束条件的场景个数,除以总场景数即为满足约束条件的概率。若该概率达到预先设定的值(如90%)即为满足机会约束条件。
步骤S3中建立的配电网双层规划数学模型,包括
1)上层模型
上层模型的目标函数为,决策变量为待升级的线路选型、待新建的线路及DG的安装容量;
式中:f1表示的为经济性目标,其中Cline、CDG、Cen、Closs、Cu分别为线路的投资及运维费用、分布式电源的投资和运维费用、向上级电网购电成本、网损成本、可再生能源环保及节能效益;f2表示可靠性目标,λreliability表示配电网的供电可靠性;
式(1)中f1中包括以下各项成本费用:
(1.1)线路的投资及运维费用,计算公式如式(2)和式(3)所示,线路包括升级的线路和新建的线路
Cline=CIline+COMline(2)
式中:CIline为线路固定投资的等年值;COMline为线路年运行维护费用;ΩL1为新建线路的集合;ΩL2为升级线路的集合;ΩL为所有线路的集合;
(1.2)分布式电源的投资和运维费用,计算公式如式(4)和式(5)所示
CDG=CIDG+COMDG(4)
式中,CIDG为可再生能源DG固定投资的等年值;COMDG为可再生能源DG的年运行维护费用;CfPV为光伏(PV)单位容量的安装成本;Ωpv为新建PV的集合;PPVj为PV安装容量;CfWG为风电(WG)单位容量的安装成本;ΩWG为新建WG的集合;PWGk为WG安装容量;nDG为DG固定投资回收期;ComPV为PV单位电量的运巧维护费用;ComWG为WG单位电量的运行维护费用。Ωz为场景的集合;τz为场景z下配网年累计运行时间;Pz-PVj为场景z下第j个PV的有功出为;Pz-WGk为场景z下第k个WG的有功出力;
(1.3)向上级电网购电成本
式中:Ce为单位电量的能源成本;n为配网负荷节点总数;Pz-Li为场景z下配网节点的有功负荷功率;
(1.4)网损成本
式中:△Pz-i为场景z下线路i的有功功率损耗;
(1.5)可再生能源环保、节能效益
采用政府对可再生能源发电的补贴来表示
式中:Pz-DGi为场景z下第i个DG的有功出力;
式(1)中f2的计算方法如下:
f2中λreliability即供电可靠性,对于配电网供电可靠性越大越好,这里通过f2将供电可靠性指标转化为越小越优的形式,λreliability计算过程如下。
1、输入网架拓扑参数、故障率、故障修复时间、线路长度、负荷参数;
2、以开关元件为边界,建立馈线区;
3、依次枚举馈线区故障,断开动作断路器和隔离开关;
4、从DG接入点,采用就近恢复的原则,广度搜索可恢复供电的负荷;
5、计算可靠性指标。
上层模型的约束条件为:
a、功率平衡约束
式中:Pi为节点i有功注入功率;Qi为节点i无功注入功率;j∈i为所有与节点i直接相连的节点集合;Ui为节点/电压幅值;Gij为节点导纳矩阵的实部;Bij为节点导纳矩阵的虚部;θij为节点i与j电压相角差;
b、节点电压上下限概率约束
P{Umin≤U≤Umax}=ku/N≥βu(10)
式中:Umax和Umin分别为节点电压的上限和下限;ku为所有场景中满足电压上下限约束的场景数;βu为节点电压约束的置信水平;
c、支路功率概率约束
P{Pl≤Plmax}=kl/N≥βl(11)
式中:Pl为支路功率;Plmax为支路允许的功率上限;kl为所有场景中满足支路功率约束的场景数;βl为支路功率约束的置信水平;
d、禁止倒送功率概率约束
P{PΣDG≤PΣL}=kB/N≥βB(12)
式中:PΣDG和PΣL分别为DG总出力和负荷有功总需求;kB为所有场景中满足禁止倒送功率约束的场景数;βB为禁止倒送功率约束的置信水平;
e、分布式电源安装容量约束
式中:PΣPV为PV总安装容量;PΣWG为WG总安装容量;σ为可再生能源DG最大渗透率;PΣLmax为配网最大有功负荷的总和;PPVimax为待选并网节点i的PV最大安装容量;
PWGimax为待选并网节点i的WG最大安装容量;
2)下层模型
下层模型目标函数为DG年有功切除量的期望值最小,即
式中:Pcur,z-DGi为场景z下第i个DG的有功切除量;
下层模型约束条件为:
a、DG出力切除量约束
式中:
b、无功补偿设备投切量约束
式中:QCi表示第i个DG安装节点处无功补偿设备的投切量,
c、变压器分接头调节范围约束
式中:Tk表示第i个DG安装节点处无功补偿设备的投切量,
如图2所示,步骤S4数学模型求解步骤如下,
S41、数据初始化;输出规划用配电网原始数据,设置参数值;
S42、粒子种群初始化;根据升级支路变量和DG容量变量进行混合编码,随机生成初始种群;
S43、采用Kruskal算法,获得初始辐射状网络拓扑结构;
S44、潮流计算;根据各场景下的PV、WG和负荷的功率,利用MATPOWER计算配电网潮流,检验是否满足式(2)~(4)约束条件;若满足则直接进行下一步,不满足则启动下层模型;
S45、计算适应度值;根据潮流计算结果计算所有个体的上层目标函数值,对于不满足概率约束条件的个体,将适应度设置为无穷大,以便在迭代过程中淘汰掉该个体;计算配电网的供电可靠性时,首先要对网架进行广度搜索,找出主馈线和分支馈线,默认最长的广义之路为主馈线,然后根据步骤S43中可靠性的计算方法进行计算;
S46、选取个体最优解和种群最优解;
S47、构造种群的Pareto最优解集,计算Pareto解集中个体的拥挤程度并进行裁剪,然后将初始Pareto最优解集存入Pareto档案集;
S48、迭代,更新粒子的动态权重和学习因子,更新粒子速度和位置;
S49、根据更新后的粒子修订线路参数,重新计算支路权值,利用最小生成树算法求得新的网络结构;计算潮流,判断是否满足机会约束条件,不满足则启动下层模型,计算粒子适应度值,更新个体最优和种群最优解;
S410、将此次迭代种群的Pareto最优解集存入Pareto档案集,对Pareto档案集进行处理,删除其中的劣解,计算其中个体的拥挤程度并进行裁剪;
S411、判断是否达到迭代终止条件,若达到则输出Pareto档案集并结束,否则重复步骤S48至S410,直至达到迭代终止标准;
S42、利用逼近理想解排序法对Pareto前沿中的个体进行排序,选择最优方案。
下面结合具体实例对本发明技术方案作进一步说明。
应用本发明的方法对如图3所示的配电网算例进行了待升级的线路选型、新建线路位置和分布式电源容量的规划。图3中实线为已建线路,同时也为待升级的线路,虚线为待新建的线路,数字表示节点编号,括号里的数字表示线路编号。其中新增负荷节点6个(节点34-39),待新建线路24条(支路38-61)。所有机会约束条件的置信水平都取90%。DG的安装基准容量均为100kW,最大渗透率为50%。表1给出了分布式电源待接入的节点位置和安装个数上限。原始线路参数为:单位造价6万元/km,单位阻抗为0.85+j0.42Ω/km,最大电流170A。升级线型1的参数为:单位造价8万元/km,单位阻抗为0.45+j0.40Ω/km,最大电流为380A。升级线型2的参数为:单位造价10万元/km,单位阻抗为0.27+j0.38Ω/km,最大电流为275A。线路运行维护费用率0.03,固定投资回收期20年,贴现率10%。DG的固定投资回收期为10年,单位电量PV和WG的投资费用分别为0.8和0.6万元/kW;单位电量PV和WG的运维费用分别为0.15和0.2元/kW·h;单位电量的能源成本为0.4元/kW·h。为了对比考虑DG和负荷的时序性与随机抽样对规划的影响,设置DG和负荷服从以下分布。WG:Weibull分布的形状参数为3.97,尺度参数10.7,切入风速3m/s,额定风速14m/s,切除风速25m/s;PV:Beta的形状参数α=2,β=0.8,最大光照强度为600W/m2;负荷:服从期望为Pload,方差为0.2Pload的正态分布。
表1分布式电源安装位置和安装个数上限
采用本发明的方法所得的规划方案,记为方案1;不考虑时序性,利用随机抽样的方法得到DG和负荷的功率,所得规划方案记为方案2;不考虑可靠性,所得规划方案记为方案3。规划方案结果如表2所示。其中升级线路及型号括号里的数字表示线型,括号外的数表示线路编号;新建线路表示待新建的线路编号;DG容量括号内的数字表示节点位置,括号外的数字表示安装个数。
表2规划方案结果对比
由表2可以看出,本发明所采用的方法在降低规划经济成本的同时保证了配电网的可靠性,而方案3虽然降低了经济成本,但是可靠性也降低了。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
机译: 主动配电网络规划模型建立方法考虑到地点选择和电动车充电站的能力测定
机译: 配电网络自动化系统基于可靠性约束的综合规划方法
机译: 基于馈线走廊的可靠性约束配电网络规划方法