本发明涉及一种计及需求侧管理和储能的主动配电网多目标分层规划方法。
背景技术：
随着多类型分布式电源(distributedgeneration，dg)接入配电网比例的不断提高、柔性负荷等可控设备应用持续增加，传统配电网规划不能满足低碳经济背景下对对高渗透率的dg高效利用的要求。因此迫切需要开展计及需求侧管理和储能的主动配电网规划的研究，实现对各类可再生能源的主动消纳及多级协调利用，合理调控柔性负荷等不确定因素，改变网络拓扑以提高系统可靠性及稳定性。
目前在对于主动配电网研究中，一般需要先考虑分布式电源如风机、光伏电源等的随机不确定性，然后再对其进行定容选址。adn研究中还一般采用双层模型规划，上层从投资层面来综合考虑多目标的实现；下层从运行模拟层面来考虑对dg的综合运用。需求侧管理是上世纪80年代美国电力提出的一种需求侧节约并且合理利用能源作为供应侧可替代资源的新理念，通过终端节约用电来使能源的损耗降低、利用率提高，以达到缓解用户用电紧张的目的。储能电池(batteryenergystoragesystem，bess)也是adn框架下的重要互动资源，能够优化用能模式、提高供电可靠性。
技术实现要素：
本发明的目的在于提供一种计及需求侧管理和储能的主动配电网多目标分层规划方法，不仅可以提高供电可靠性和配网运行的稳定性，还可以延缓电网升级。
为实现上述目的，本发明的技术方案是：一种计及需求侧管理和储能的主动配电网多目标分层规划方法，包括如下步骤，
步骤s1、以规划过程中综合考虑配电公司各种经济成本、配电网的可靠性和稳定性为上层目标，考虑需求侧管理和储能设备的投资以及效益，确定目标函数和约束条件，建立上层规划模型；
步骤s2、以分布式电源年切除量的期望值最小作为目标，考虑分布式电源的有效利用，建立下层规划模型；
步骤s3、基于改进的粒子群算法，对上下两层模型进行求解。
在本发明一实施例中，所述步骤s1，具体实现如下：
首先，对电动汽车功率需求进行建模，首先建立开始充电时刻和日行驶里程的概率模型，其概率密度函数为：
式中，σt表示第一次出行时刻的方差值，μt表示第一次出行时刻的平均值，是正态分布的两个参数；
进一步建立充电功率的概率模型，假设充电周期为tr，用户的充电功率为δe，则充电负荷可通过下式获得：
socs＝socr-mdeave/(100bc)
δe＝esoc-socs
tr＝δe/(prηc)
式中，pr表示电动汽车的额定充电功率，ηc表示该电动汽车的充电效率，md为日行驶里程，eave为每行程消耗的电能，bc为锂电池容量，socr为该电动汽车出行前的初始电量，socs为该电动汽车出行回来后的充电起始电量，esoc为满电量期望值；
接着建立上层规划模型，以规划过程中综合考虑配电公司各种经济成本、配电网的可靠性和稳定性为上层目标，考虑需求侧管理以及储能设备的投资以及效益，确定目标函数和约束条件，建立上层规划模型：
其中，f1表示的为经济性目标；f2表示的为可靠性目标，λreliability表示配电网的供电可靠性，f3表示系统的电压稳定指标；cline、cdg、csub、closs、
在本发明一实施例中，所述步骤s2，具体实现如下：
建立下层规划模型，以规划过程中分布式电源切除量最小为目标函数，考虑分布式电源的最大有效利用下层目标函数表示如下：
式中，ω1、ω2分别为新建光伏发电和新建风电发电的集合，ωs为场景的集合，δts为场景s下配网年累计运行时间，
下层模型通过包括弃风、弃光的措施来减小分布式电源出力，调节变压器分接头以及无功补偿设备来进行主动控制，约束条件如下：
(1)dg出力切除量约束
式中：
(2)无功补偿设备投切量约束
式中：qci表示第i个节点处无功补偿设备的投切量，
(3)变压器分接头调节范围约束
式中：tk表示变压器分接头的位置，
相较于现有技术，本发明具有以下有益效果：本发明综合考虑配电网的经济性、可靠性、稳定性，考虑了需求侧管理和储能电池对and的优化作用。在保证了运营商经济利益的最大化的同时兼顾配电网的稳定性和可靠性。
附图说明
图1为双层规划关系图。
图2为模型求解流程图。
图3为改进的33节点图。
图4为四季工业负荷需求响应，其中(a)为春季工业负荷需求响应其中，(b)为夏季工业负荷需求响应，其中(c)为秋季工业负荷需求响应，其中(d)为冬季工业负荷需求响应。
图5为四季居民负荷需求响应，其中(a)为春季居民负荷需求响应其中，(b)为夏季居民负荷需求响应，其中(c)为秋季居民负荷需求响应，其中(d)为冬季居民负荷需求响应。
图6为四季商业负荷需求响应，其中(a)为春季商业负荷需求响应其中，(b)为夏季商业负荷需求响应，其中(c)为秋季商业负荷需求响应，其中(d)为冬季商业负荷需求响应。
图7为不考虑需求响应和储能规划的pareto结果。
图8为考虑需求响应和储能规划的pareto结果。
图9为考虑需求响应和储能规划的三维pareto结果。
图10为节点6风储能优化图。
图11为节点27风储能优化图。
图12为节点8光储能优化图。
具体实施方式
下面结合附图1-12，对本发明的技术方案进行具体说明。
本发明的一种计及需求侧管理和储能的主动配电网多目标分层规划方法，包括如下步骤，
步骤s1、以规划过程中综合考虑配电公司各种经济成本、配电网的可靠性和稳定性为上层目标，考虑需求侧管理和储能设备的投资以及效益，确定目标函数和约束条件，建立上层规划模型；
步骤s2、以分布式电源年切除量的期望值最小作为目标，考虑分布式电源的有效利用，建立下层规划模型；
步骤s3、基于改进的粒子群算法，对上下两层模型进行求解。
以下为本发明的具体实现过程。
如图1、2所示，本发明的一种计及需求侧管理和储能的主动配电网多目标分层规划方法，具体实现如下：
(1)对电动汽车充放电进行时序负荷建模，通过预测电动汽车的开始充电时刻和日行驶里程的概率分布，可进一步预测获得一天24小时的电动汽车充电负荷分布。
(2)考虑需求侧管理对主动配电网规划的影响，本发明主要考虑需求侧可中断负荷管理(interruptibleloadmanagement，ilm)，对ilm建模。
(3)bess具有削峰填谷和改善电压质量的作用，本项目从剩余电量水平(stageofcharge，soc)等方面建立bess充放电模型。
(4)以规划过程中综合考虑配电公司各种经济成本、配电网的可靠性和稳定性为上层目标，考虑需求侧管理和储能设备的投资以及效益，确定目标函数和约束条件，建立上层规划模型。
(5)以分布式电源年切除量的期望值最小作为目标，考虑分布式电源的有效利用，建立下层规划模型。
(6)基于改进的粒子群算法，对上下两层模型进行求解。
计及需求侧管理和储能的主动配电网多目标分层规划，具体描述说明如下：
首先，对电动汽车功率需求进行建模，首先建立开始充电时刻和日行驶里程的概率模型，其概率密度函数为：
式中，σt表示第一次出行时刻的方差值，μt表示第一次出行时刻的平均值，是正态分布的两个参数；
进一步建立充电功率的概率模型，假设充电周期为tr，用户的充电功率为δe，则充电负荷可通过下式获得：
socs＝socr-mdeave/(100bc)
δe＝esoc-socs
tr＝δe/(prηc)
式中，pr表示该ev(电动汽车)的额定充电功率，ηc表示该ev的充电效率，md为日行驶里程，eave为每行程消耗的电能，bc为锂电池容量，socr为该ev出行前的初始电量，socs为该ev出行回来后的充电起始电量，esoc为满电量期望值；
接着建立上层规划模型，以规划过程中综合考虑配电公司各种经济成本、配电网的可靠性和稳定性为上层目标，考虑需求侧管理以及储能设备的投资以及效益，确定目标函数和约束条件，建立上层规划模型：
其中，f1表示的为经济性目标；f2表示的为可靠性目标，λreliability表示配电网的供电可靠性，f3表示系统的电压稳定指标；cline、cdg、csub、closs、
(1)经济性目标f1
1)配电线路投资及运行维护费用cline
式中：
2)分布式电源的投资及运行维护费用cdg
式中：
3)变电站运行购电费用csub
式中：ce为单位购电成本；n为配电网负荷节点总数；
4)系统总损耗成本closs
式中：ωsub为系统中变电站节点集合；iij,s和ij,s分别为第s场景下流经线路ij和流入节点j的电流大小。zsub为变电站等效电阻，rij为线路ij的电阻。
5)储能设备投资成本及收益
上式
6)需求响应中断负荷成本
上式cma为综合负荷需求响应项目管理费用，cs,dsr为第s场景实施需求响应后减少的年卖电收益；ccur为对可中断负荷的补偿费用；cma为单位功率的需求响应项目管理费用。cp,s,t为配电网公司于第s场景第t时段所提供的售电价格；电网公司于第s场景第t时段网络原始总负荷大小；pcur,s,t为场景s时段t的主动中断负荷有功功率，pincre,s,t为第s场景下第时段的负荷主动增加的有功功率。
7)新能源发电补贴费用cb
式中：cb为单位风力发电和光伏发电政府补贴费用。
(2)可靠性目标f2
f2中asai表示配电网的平均供电可用率，asai越大，则配电网可靠性越高，这里将asai转化为f2，使可靠性目标越小，则配电网的可靠性越高。
具体计算步骤如下：
1)输入配电网的各个参数；
2)以开关元件为界进行区域划分，形成元件组和负荷区，并对各区域进行编号各个参数；
3)先对元件组向上等值，由最大层级一直等值至层级1中，最终等值为最简单的辐射网；
4)计算主馈线上元件组可靠性；
5)元件组向下等值，依次可计算出最大层级负荷区的可靠性参数；
6)计算负荷点可靠性参数；
7)然后再计算系统可靠性指标asai。
具体计算公式为：
asai＝(n×8760-t)/(n×8760)
式中：n为总的供电用户数，t为用户总停电时间。
(3)稳定性目标f3
f3中fvsi指的是快速电压稳定指标，fvsi越小，配电网越稳定。fvsiij表示的是支路电压的可解性，其值可以表示支路的电压稳定性。先求出各支路的fvsiij，然后取其中最大的为fvsi，计算公式如下：
fsviij＝4z2qj/vi2x
fsvi＝max(fsviij)
式中：z和x分别表示支路的阻抗和电抗；qj表示末端支路无功潮流；vi表示支路首端电压幅值。
为了加快计算速度，本文引入权重法来处理可靠性目标和稳定性目标，将三目标转换成双目标来处理，具体计算公式为：
f'＝βf2+(1-β)f3
式中：f'表示的引入权重后的综合指标；β是权重，本文取β为0.98。
考虑将分布式电源接入系统后对配电网的潮流分布、电压水平、短路容量等原有电气特性会造成冲击，要求渗透率必须满足一定范围。具体约束条件表达如下：
(1)配网潮流约束
式中：xij为线路ij的电抗，ωb为系统所有节点集合，δ(j)为以j为首端节点的支路末端节点集合，π(j)为以j为末端节点的支路首端节点集合；qjk,s、qij,s为支路jk和ij的无功功率；
(2)节点电压上下限概率约束
p{umin≤u≤umax}＝k1/n≥β1
式中：umin和umax分别为节点电压的下限和上限；k1为所有场景中满足电压上下限约束的场景数；β1为节点电压约束的置信水平。
(3)支路功率概率约束
p{pij≤pij,max}＝k2/n≥β2
式中：pij,max为支路ij允许的功率上限；k2为所有场景中满足支路功率约束的场景数；β2为支路功率约束的置信水平。
(4)禁止倒送功率概率约束
p{pσdg≤pσl}＝kb/n≥βb
式中：pσdg和pσl分别为分布式电源的总有功功率和负荷总有功功率大小；kb为所有场景中满足禁止功率倒送约束的场景数；βb为禁止倒送功率约束的置信水平。
(5)分布式电源安装容量约束
式中：
(6)储能充放电约束
上式ticharge和tiuncharge分别表示节点i的充电时间和放电时间；
(7)需求响应管理约束约束
ptl,s,t＝ptlo,s,t-ptli,s,t
式中：ptlo,s,t为ptli,s,t分别为第s场景第t时段转移出负荷和转移进负荷，
(8)辐射状约束
先利用最小生成树算法生成无向图，再基于kruskal思想生成有向图。
(9)连通性约束
求出图的邻接矩阵和可达性矩阵，然后在通过图的可达性矩阵来判断图的连通性。
接着建立下层规划模型，以规划过程中分布式电源切除量最小为目标函数，考虑分布式电源的最大有效利用下层目标函数表示如下：
式中：
下层模型通过弃风、弃光等措施来减小分布式电源出力，调节变压器分接头以及无功补偿设备等来进行主动控制，约束条件如下：
(1)dg出力切除量约束
式中：
(2)无功补偿设备投切量约束
式中：qci表示第i个节点处无功补偿设备的投切量，
(3)变压器分接头调节范围约束
式中：tk表示变压器分接头的位置，
下面通过具体算例进行说明：
本发明仿真系统采用改进的33节点系统，系统的拓扑图如图3所示。
如图改进33节点系统有线路61条、节点39个，其中节点34～39为新增的负荷节点，支路38～61为待新建线路。该系统中风机和光伏电源的安装基准容量均为100kw，其允许的最大渗透率是50％。设节点3、6、16、27为代接入风机的节点，其安装个数上限分别为20、18、28、18；待接入光伏电源的节点为8、10、28、30，其安装个数的上限分别为10、20、8、10。设线路运维费用率和贴现率分别为3％和0.1。如表1、2所示，设线路和dg的固定投资回收期分别为20年和10年。
表1线路参数
表2dg参数
本算例中，设节点4、7、10、13、16、19、22、25、28、31、34、37为居民负荷节点；节点2、5、8、11、14、17、20、23、26、29、32、35、38为商业负荷节点；节点3、6、9、12、15、18、21、24、27、30、33、36、39为工业负荷。
将改进pso算法参数设置为：迭代50次，种群大小为80个，惯性权重的初始值和终值分别为0.8和0.4，设其中一个学习因子的初始值和终值分别为2.5和0.5，另一个学习因子的初始值和终值分别为0.5和2.5。
通过对模型的求解仿真，可得优化前后需求响应时序曲线，图4、图5、图6。分别为工业负荷、居民负荷和商业负荷的四季需求响应曲线。
通过上图的曲线结果可以看出，通过需求响应，用户响应电价策略后，在某些高电价时刻允许中断或减少用电量，改善了系统总体功率平衡；且在某些低电价阶段增大了用电需需求，可以改善配电系统资源分布，防止弃风和弃电的现象。如若调整价格激励策略，需求响应分布曲线将随着策略而改变，可实现了主动配电网中部分负荷的合理控制。
本文分别对同一系统进行规划，对比了不考虑需求响应、储能设备以及考虑需求响应和储能设备的规划结果。通过仿真可以得到图7、图8，可以看出，考虑需求响应和储能的规划pareto最优边界明显优于不考虑需求响应和储能，所有的解均相对于不考虑情况下为非支配解，即所有前者解答经济成本和综合指标都小于后者。
同时，图9还给出了三维空间中的最优解集，即将综合指标分解为可靠性和稳定性指标。
上图所示的pareto最优前沿证明了本发明方法求解的有效，可获得规划最优解机集如表3所示，
表3规划方案结果
通过理想排序法方案5为最优方案。最优方案中，对原始支路6、9、16、18、22、26、31、36进行升级，线路型号升级为型号1；对原始支路1、3、4、14、27、28、35、37进行升级，线路升级型号2；新建线路为支路39、43、45、46、48、49、50、52、56、59、60；dg的安装位置和容量为：3(1)、6(7)、16(15)、27(11)、8(8)、10(6)、28(4)、30(4)，节点3安装1台风机，节点6安装7台风机，节点16安装15台风机，节点27安装11台风机，节点8安装8个光伏电源，节点10安装6个光伏电源，节点28安装4个光伏电源，节点30安装4个光伏电源。储能设备安装情况为：节点6和节点27安装风储能设备，节点8安装光储能设备。
上表结果说明，方案5虽然升级线路和新建线路较多，但是通过储能设备和需求响应管理使得总体综合费用较低。
为了进一步说明储能对分布式电源的优化作用，图10到图12给出规划方案5中的储能设备功率的综合曲线。其中虚线为增加储能设备后的分布式电源输出功率，带星曲线为未增加储能之前的输出功率，实线为储能设备的充放电功率。通过储能设备的充放电，使得分布式电源输出得到一定改善，也节省了新建分布式电源投入成本，且在特定时期减少系统损耗费用，对于规划有着重要的影响。
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。