本发明涉及分布式电源接入对电力系统影响的评估方法技术领域，更具体地，涉及一种分布式光伏接入对配电台区负荷特性影响的评估方法。
背景技术：
当大规模光伏接入电网，会使配电网从传统的放射状结构演变成多点型结构，导致潮流分布发生改变。这一变化，将不可避免地对配电网负荷特性产生影响。
在传统负荷特性分析研究中，常见的负荷特性指标主要有：负荷率、负荷峰谷差、年最大负荷利用小时数和年负荷曲线。此类常规指标均从确定性的角度去描述负荷所具备的日、月和年特性，但就实际情况而言，负荷本质上具备一定的随机性，尤其当光伏广泛接入配电网后，光伏出力的随机性使得配电网的负荷特性更难以用当前确定性的负荷特性指标去描述。
技术实现要素：
本发明的目的在于克服现有技术的不足，提供一种分布式光伏接入对配电台区负荷特性影响的评估方法，能有效评估出光伏接入后台区负荷特性指标的变化情况，为含光伏配电网的规划与运行提供参考依据。
为解决上述问题，本发明提供的技术方案为：一种分布式光伏接入对配电台区负荷特性影响的评估方法，包括以下步骤：
s1.收集目标台区预设时间nd天的有功负荷历史数据样本，其中采样间隔为1h，计算目标台区平均有功负荷时间序列；
s2.收集目标地区光伏电站预设时间np天的历史出力数据样本，其中采样间隔为1h，建立基于多参数beta分布的光伏出力时序模型；
s3.根据光伏出力时间序列模型，采用蒙特卡洛法抽样生成设定时间s天光伏出力时间序列样本；
s4.根据模拟生成s天的光伏出力时间序列样本和台区平均有功负荷时间序列，计算考虑光伏接入后的净有功负荷时间序列样本；
s5.分别计算净有功负荷时间序列样本的负荷特性指标，得到其数值分布样本；
s6.采用非参数核密度法拟合得到负荷特性指标的概率密度函数。
进一步地，所述的s1步骤中目标台区平均有功负荷时间序列的计算方法为：
式中，pdav(t)为目标台区第t时段平均有功负荷；pd(i,t)表示历史数据样本中目标台区第i天第t时段有功负荷，nd为历史数据样本数。
进一步地，所述的s2步骤中基于多参数beta分布的光伏出力时序模型的建立方法包括：
s201.收集的目标地区光伏电站np天的历史出力数据样本，确定光伏有功出力样本矩阵pp＝[pp1,pp2,…,ppt,…,pp24]，其中ppt＝[pp1t,pp2t,...,ppjt,…,ppnt]t，其中ppjt＝表示第j天第t时段光伏出力样本数据值；
s202.令pptmax＝max{pp1t,pp2t,...,ppjt,…,ppnt}，则光伏相对出力样本数列
s203.计算数列p′pt的期望值
s204.计算t时段光伏出力beta分布的形状参数α(t)和β(t)，计算公式如下：
s205.得到t时段基于多参数beta分布的光伏相对出力概率密度函数如下：
进一步地，所述的s3步骤中采用蒙特卡洛法抽样生成设定时间s天光伏出力时间序列样本的具体实现方法包括：
s301.采用蒙特卡洛法随机抽取服从t时段光伏出力beta分布的s个随机数，生成s天同在时段t下的光伏相对出力样本数列rv,t＝[pv(1,t)/pptmax,pv(2,t)/pptmax,…,pv(j,t)/pptmax,…,pv(s,t)/pptmax]t；
s302.将rv,t中各元素乘上pptmax得到时段t光伏出力数据样本数列pv,t＝[pv(1,t),pv(2,t),…,pv(j,t),…,pv(s,t)]t；
s303.重复步骤s401、s402计算其他时段的光伏出力数据样本列向量并构成s天光伏出力时间序列样本矩阵：
进一步地，所述的s4步骤中计算考虑光伏接入后的净有功负荷时间序列样本的方法为：
ppv-d(j,t)＝pdav(t)-pv(j,t)t＝1,2,3,...,24；j＝1,2,3,...,s；
式中，ppv-d(j,t)为考虑光伏接入后第j天第t时段的净有功负荷；pv(j,t)为光伏出力时间序列样本中第j天第t时段光伏有功出力值。
进一步地，所述的s6步骤中采用非参数核密度法拟合得到负荷特性指标的概率密度函数包括：
s601.根据计算所得s天的负荷特性指标，确定负荷特性指标的数值样本矩阵x＝[x1,x2,…,xn]，x1,x2,…,xn为负荷特性指标的数值样本，对于任意一个负荷特性指标样本列向量xk，均有xk＝[xk1,xk2,…,xkj,…,xks]t，其中，xkj为第k个负荷特性指标第j天的样本数据；选取第k个负荷特性指标样本矩阵xk计算其非参数核密度估计函数
s602.选取高斯函数k(u)作为非参数核密度估计函数
s603.选取高斯分布n(0,1)和n(0,4)作为两个基准核函数，建立最优带宽hopt的优化模型并采用内点法求解，优化模型为：
式中，
式中，
s604.将所得最优带宽hopt代入
与现有技术相比，有益效果是：本发明提供的一种分布式光伏接入对配电台区负荷特性影响的评估方法，根据光伏出力历史数据，建立多参数beta分布的光伏出力时序模型，并采用蒙特卡洛法抽样模拟得到在考虑光伏接入下的各负荷特性指标的概率密度函数。由于其充分考虑了分布式光伏出力的时序性和不确定性，能有效评估出光伏接入后台区负荷特性指标的变化情况，为含光伏配电网的规划与运行提供参考依据。
附图说明
图1为本发明的方法流程图。
图2为本发明实施例中不同负荷类型的典型日负荷曲线图。
图3为本发明实施例中工业生产负荷台区负荷特性概率密度函数示意图具体实施方式。
图4为本发明实施例中农业加工负荷台区负荷特性概率密度函数示意图具体实施方式。
图5为本发明实施例中酒店商业负荷台区负荷特性概率密度函数示意图具体实施方式。
图6为本发明实施例中居民生活负荷台区负荷特性概率密度函数示意图
具体实施方式
如图1所示，一种分布式光伏接入对配电台区负荷特性影响的评估方法，包括以下步骤：
步骤1：收集目标台区nd天的有功负荷历史数据样本，其中采样间隔为1h，计算目标台区平均有功负荷时间序列，其计算公式为
式中，pdav(t)为目标台区第t时段平均有功负荷；pd(i,t)表示历史数据样本中目标台区第i天第t时段有功负荷，nd为历史数据样本数。
步骤2：收集目标地区光伏电站预设时间np天的历史出力数据样本，其中采样间隔为1h，建立基于多参数beta分布的光伏出力时序模型，其具体步骤包括：
s201.收集的目标地区光伏电站np天的历史出力数据样本，确定光伏有功出力样本矩阵pp＝[pp1,pp2,…,ppt,…,pp24]，其中ppt＝[pp1t,pp2t,...,ppjt,…,ppnt]t，其中ppjt＝表示第j天第t时段光伏出力样本数据值；
s202.令pptmax＝max{pp1t,pp2t,...,ppjt,…,ppnt}，则光伏相对出力样本数列
s203.计算数列p′pt的期望值
s204.计算t时段光伏出力beta分布的形状参数α(t)和β(t)，计算公式如下：
s205.得到t时段基于多参数beta分布的光伏相对出力概率密度函数如下：
步骤3：根据光伏出力时间序列模型，采用蒙特卡洛法抽样生成设定时间s天光伏出力时间序列样本；其具体步骤包括：
s301.采用蒙特卡洛法随机抽取服从t时段光伏出力beta分布的s个随机数，生成s天同在时段t下的光伏相对出力样本数列rv,t＝[pv(1,t)/pptmax,pv(2,t)/pptmax,…,pv(j,t)/pptmax,…,pv(s,t)/pptmax]t；
s302.将rv,t中各元素乘上pptmax得到时段t光伏出力数据样本数列pv,t＝[pv(1,t),pv(2,t),…,pv(j,t),…,pv(s,t)]t；
s303.重复步骤s401、s402计算其他时段的光伏出力数据样本列向量并构成s天光伏出力时间序列样本矩阵：
步骤4：根据模拟生成s天的光伏出力时间序列样本和台区平均有功负荷时间序列，计算考虑光伏接入后的净有功负荷时间序列样本；计算公式为：
ppv-d(j,t)＝pdav(t)-pv(j,t)t＝1,2,3,...,24；j＝1,2,3,...,s；
式中，ppv-d(j,t)为考虑光伏接入后第j天第t时段的净有功负荷；pv(j,t)为光伏出力时间序列样本中第j天第t时段光伏有功出力值。
步骤5：分别计算净有功负荷时间序列样本的日负荷率、日峰谷差等负荷特性指标，得到其数值分布样本；
步骤6：采用非参数核密度法拟合得到日负荷率、日峰谷差等负荷特性指标的概率密度函数，具体步骤包括：
s601.根据计算所得s天的负荷特性指标，确定负荷特性指标的数值样本矩阵x＝[x1,x2,…,xn]，x1,x2,…,xn为负荷特性指标的数值样本，对于任意一个负荷特性指标样本列向量xk，均有xk＝[xk1,xk2,…,xkj,…,xks]t，其中，xkj为第k个负荷特性指标第j天的样本数据；选取第k个负荷特性指标样本矩阵xk计算其非参数核密度估计函数
s602.选取高斯函数k(u)作为非参数核密度估计函数
s603.选取高斯分布n(0,1)和n(0,4)作为两个基准核函数，建立最优带宽hopt的优化模型并采用内点法求解，优化模型为：
式中，
式中，
s604.将所得最优带宽hopt代入
本发明实施例中采用广东省某地区的光伏出力数据，基于matlab仿真平台进行算例分析。基于该地区的实际光伏出力数据，建立多参数beta分布的光伏出力时序模型；基于不同台区有功负荷历史数据，计算得到不同台区平均有功负荷归一化时间序列，如附图2所示；然后改变光伏渗透率按照摘要附图进行抽样模拟计算，得到不同渗透率下工业生产负荷台区、农业加工负荷台区、酒店商业负荷台区和居民生活负荷台区相应的日负荷率和日峰谷差指标的数值样本，然后求取得到其概率密度函数，如附图3至6所示。
定义置信日负荷率指标λd为在一定置信水平下日负荷率的最大值，即
表1工业生产负荷概率性负荷特性指标值
由图3至6和表1可知：
(1)负荷特性的概率密度函数和概率性指标可以有效地反映出光伏出力的随机特性对负荷特性的影响；随着光伏渗透率的增大，负荷率的均值逐渐降低，分布范围越来越大；除农业加工负荷台区外，其余台区日峰谷差的均值随着光伏渗透率的增大而增大，分布越来越广；
(2)在满足一定置信度时，光伏的接入会降低负荷的日负荷率，且降低的程度与光伏发耗比、负荷类型相关，日置信负荷率均随着光伏渗透率的增加而降低；
(3)光伏接入会增加居民和酒店类型负荷的置信日峰谷差，而会减少农业负荷的置信日峰谷差；工业类型负荷在光伏接入的(渗透率较小时(<30％)，其置信日峰谷差率也会因光伏的接入而降低；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。