一种主动配网动态规划方法与流程

本发明涉及主动配电网动态规划技术领域，尤其涉及到一种主动配电网动态规划方法。

背景技术：

随着我国新一轮电力体制改革序幕拉开，在售电侧和输配电价方面的改革会对电厂、电网和用电用户产生深远的影响。光伏、风能、氢能等多种类型的分布式电源、储能系统、需求侧响应负荷和柔性负荷等可控设备在配电网的应用中越来越多，由于分布式电源、储能系统和需求侧响应负荷等多重因素的不确定性，使得配电网规划需要处理多种因素，如多种资源的综合利用、多种负荷类型的相互协调和不同利益相关者的协同共赢问题，现有配电网的被动控制和被动管理模式已经难以适应分布式能源高效利用的要求，因此，迫切需要开展考虑需求侧响应负荷和储能系统的主动控制和主动管理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的可靠性及稳定性。需求侧响应负荷和储能系统是主动配电网框架下的重要互动资源，若能充分利用可以达到优化用能模式、提高供电可靠性、实现节能减排的目的。

在一件专利文献中(申请号：cn201410749514.7)，提出了一种基于电力需求预测规划及可靠性配电网建设方法，针对不同地区的特点进行电力需求预测规划，设定不同的可靠目标，优化配电网薄弱环节，合理设计配电网项目。

在另一件专利文献中(申请号：201710235551.x)，提出了主动配电网储能系统动态规划方法，以含有分布式光伏和储能系统的主动配电网为研究对象，所述动态规划方法基于双层规划模型并结合最短路径思想对储能系统的出力策略进行优化，从而确定在储能系统最优出力策略下的分布式光伏和储能系统的装机容量，所述双层规划模型中，上层规划以配电网年综合费用最小为目标确定分布式光伏和储能系统的装机容量，生成规划方案，下层规划以配电网典型日运行费用及负荷峰谷差最小为目标对储能系统在一个运行周期及一天内的出力策略进行优化。与现有技术相比，本发明可有效改善主动配电网的运行特性及分布式电源和储能系统的优化配置。

在另一件专利文献中(申请号：cn201810170942.2)，提出了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。在所提出的方法中建立了双层模型: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；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。

以上专利均没有考虑到社会效益最大化的要素。

技术实现要素：

本发明所要解决的技术问题在于，提供一种主动配电网储能系统动态规划方法，以解决现有技术中没有考虑到社会效益最大化的问题。

为了解决上述技术问题，本发明提供一种主动配电网动态规划方法，该方法包括如下步骤：

s1、建立需求侧负荷功率预测模型、分布式电源功率预测模型以及储能系统的充放电模型；

s2、根据所述需求侧负荷功率预测模型、分布式电源功率预测模型以及储能系统的充放电模型以社会的综合经济效益最大化建立目标函数；

s3、采用混沌粒子群分层优化算法对主动配电网的储能系统进行规划，获得储能系统的最优位置和功率；

s4、根据所述储能系统的最优位置和最优功率获得储能系统的充放策略。

其中，建立需求侧负荷功率预测模型具体包括：

获取需求侧基于天气预报的历史负荷数据，提取出与气象因素有关的负荷变量；

根据所述历史负荷数据和与气象因素有关的负荷变量建立需求侧负荷功率预测模型。

其中，建立分布式电源功率预测模型具体包括：

获取天气预报的历史负荷数据对风力发电的出力特性并进行建模，获得风力发电的出力概率密度分布、出力期望值；

获取天气预报的历史负荷数据对光伏发电的出力特性并进行建模，获得光伏发电的出力概率密度分布、出力期望值；

根据风力发电的出力概率密度分布、处理期望值和光伏发电的处理概率密度分布、出力期望值建立分布式电源功率预测模型。

其中，所述储能系统的充放电模型为：

放电过程：

充电过程：

soc(t)表示t时刻ess的剩余电量水平；ε表示储能系统剩余电量每小时的自放电率，％/h；pess，dis(t)、pess，c(t)、分别表示储能系统放、充电功率大小；α和β分别表示储能系统放、充电效率；ee为储能系统的容量；t为采样间隔，取1h。

其中，所述储能系统的充放电模型的约束条件为：

充放电功率约束：-pess，c，max(t)≤pess(t)≤pess，dis，max(t)

放电深度约束和充电量约束：socmin≤soc(t)≤socmax

充电次数约束：h≤hmax

pess(t)为t时刻充电或者放电功率；pess，c，max(t)、pess，dis，max(t)分别表示电池储能系统允许最大充电功率和放电功率，“-”号表示电池充电，socmin、socmax分别为电池系统最小剩余电量和最大剩余电量，h为电池一日中充放电次数，hmax为一日中的充放电次数限制值；

其中，节点电压约束条件为：uimin≤ui≤uimax

i＝1，2，3，...，n，uimin、uimax分别为第i个节点处电压的下限和上限；n为配电网节点总数；

其中，潮流约束为：

其中，pg，i、qg，i分别为i节点处电源的有功和无功出力；pl，i、ql，i分别为i节点处的有功和无功负荷；ui、uj分别为i节点和j节点的电压幅值；gij、bij分别为节点导纳矩阵元素的实部和虚部；θij为i节点和j节点的电压相角差；

pg，i、qg，i分别为i节点处电源的有功和无功出力；pl，i、ql，i分别为i节点处的有功和无功负荷；ui、uj分别为i节点和j节点的电压幅值；gij、bij分别为节点导纳矩阵元素的实部和虚部；θij为i节点和j节点的电压相角差；

其中支路电流约束为：ii≤iimax

inmax为第n条支路电流的上限；d为支路总数；

需求响应管理约束：

ptl，s，t＝ptlo，s，t-ptli，s，t

其中，ptlo，s，t、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，分别为第s场景第t时段转移出负荷和转移进负荷响应系统的上下限值；为第s场景第t时段负荷中断功率的上下限值。

其中，所述目标函数为：

maxf1＝(cs+closs+ckw+cb-cess-cess，m-cl，y-cdg-cma-cline-csub-cs)

cs＝ks·(cs，dis-cs，c)

ckw＝λ·pt·ck

ce＝[r·(1+r)^h]/[(1+r)^h-1]

其中，cs、closs和ckw分别为储能系统低储高放套利年收益、节约电能损耗年收益和削峰年收益，cb为风力发电或光伏发电政府补贴费用，cess为储能系统年投资成本、cess，m为储能系统年运行维护成本，cl，y为可中断负荷的补偿费用，cdg为分布式电源的投资及运行维护费用，cma为综合负荷需求响应项目管理费用，cline为配电线路投资及运行维护费用，csub变电站运行购电费用，ks为典型日主动配电网套利折算成一年套利的折算系数，cs，dis、cs，c分别为主动配电网一天放电收入费用和充电支出费用，pdis、pch分别为主动配电网放电电价和充电电价，pess，j，dis(t′)、pess，j，c(t)和分别为主动配电网在t′时刻的放电功率和t时刻的充电功率，pt为引入主动配电网后的削峰值，λ为变电站单位容量的综合投资费用，ck为变电站资金等年值系数，r和h分别为主动配电网的贴现率和使用年限；ke为单位容量投资成本，ee，j、cress分别为第j个主动配电网的容量和残值，km为主动配电网单位容量的年运行维护成本，

其中，所述s3具体包括：

s31，对储能系统的位置和功率进行编码；

s32，初始化种位置和速度变量，计算各个粒子的目标函数，并将其放入非劣解集；

s33，计算确定各粒子的历史最优解和种群全局最优解；

s34，计算各粒子与最优粒子的差值，更新各粒子的惯性权重，对粒子进行交叉变异计算；

s35，计算各粒子的目标函数值，根据支配关系更新粒子历史最优解并形成新的非劣解集，然后更新非劣解集；

s36，选取种群全局最优解，如果满足终上条件，则转s37；否则，转s33：

s37，输出最优解集，得到储能系统的最优位置和功率。

其中，所述步骤s4具体包括：

根据分时电价进行充放电时间段划分，

若有多个储能系统时，根据充电时间段内的各时刻采样点负荷值确定各储能系统在充电时间段内各时刻充放电功率的大小。

其中，所述确定各储能系统在充电时间段内各时刻充放电功率的大小具体包括：

对充电时间段内的各时刻采样点负荷值按从小到大的顺序排序，确定负荷相对应的各时刻采样点处储能系统充电功率的大小；

使负荷最小的采样点按最大功率充电，使其他采样点处按小于最大功率的变功率充电，并依次计算soc值，若soc值越限，则按负荷从大到小的顺序，使负荷最大采样点处的储能系统按最大功率放电，使其他采样点处的储能系统按小于最大功率的变功率放电，否则此时未确定功率的采样点处可看作以零功率进行充电。

其中，所述使其他采样点处按小于最大功率的变功率充电具体包括：

其中，pl(t)为tc，i内t时刻负荷值；tc，i是充电时间段；pl，min为tc，i的所有采样点处最小的负荷值；pc，max、pe，c分别为储能系统最大充电功率和额定充电功率；pc，max+pl，min为储能充电后应达到的指标；

使其他采样点处的储能系统按小于最大功率的变功率放电具体包括：

其中，p′l(t′)为tdis，i内第t′个采样点处负荷值；tdis，i为放电时间段；pl，max为tdis，i的所有采样点处最大的负荷值；pdis，max、pe，dis分别为储能系统最大放电功率和额定放电功率；η为放电功率权重。

本发明实施例的有益效果在于：本发明对接入主动配电网的储能系统进行优化规划，提出储能系统优化规划模型，储能短期优化考虑储能的削峰填谷、电压调节能力，在储能长期规划的经济成本目标函数中考虑了储能装置的投资成本和主动配电网运行及可靠性成本，最小化成本目标函数来确定电池的位置、容量和额定功率。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主动配电网的优化作用。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

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的一种主动配电网动态规划方法流程示意图。

具体实施方式

以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。

以下参照图1进行说明，本发明实施例一提供一种主动配电网动态规划方法，该方法包括如下步骤：

s1、建立需求侧负荷功率预测模型、分布式电源功率预测模型以及储能系统的充放电模型。

s2、根据所述需求侧负荷功率预测模型、分布式电源功率预测模型以及储能系统的充放电模型以社会的综合经济效益最大化建立目标函数。

s3、采用混沌粒子群分层优化算法对主动配电网的储能系统进行规划，获得每一储能系统的最佳位置和功率。

s4、根据所述每一储能系统的最佳位置和功率获得每一储能系统的充放策略。

主动配电网的储能系统动态规划方法中，主动配电网中含有需求侧响应系统、分布式电源和储能系统。动态规划方法基于双层规划模型进行动态规划，第一层规划以全社会的综合经济效益最大化为目标函数，第二层规划是以配电网需求侧响应中日综合费用及负荷峰谷差最小为目标对储能系统在一个运行周期及一天内的出力进行优化。

具体地，在步骤s1中，建立考虑光伏发电成本、风力发电成本、用户用电分时用电成本在内的负荷模型。需求侧负荷预测基于数值天气预报的历史负荷数据资料，提取出与气象因素有关的负荷变化量，首先根据天气预报的历史负荷数据，建立考虑气象影响和分时用电成本因素的需求侧负荷功率预测模型，然后再基于值天气预报的历史负荷数据对风力发电和光伏发电的出力特性进行建模，得出风、光出力的概率密度分布，出力期望值，建立分布式电源功率预测模型。

具体地，在步骤s1中，储能系统充放电模型为：

放电过程：

充电过程：

式中：soc(t)表示t时刻ess的剩余电量水平；ε表示储能系统剩余电量每小时的自放电率，％/h；pess，dis(t)、pess，c(t)、分别表示储能系统放、充电功率大小；α和β分别表示储能系统放、充电效率；ee为储能系统的容量；为采样间隔，取1h。

具体地，在步骤s2中，储能系统的约束条件为：

(1)充放电约束：

充放电功率约束：-pess，c，max(t)≤pess(t)≤pess，dis，max(t)

放电深度约束和充电量约束：socmin≤soc(t)≤socmax

充电次数约束：h≤hmax

式中：pess(t)为t时刻充电或者放电功率；pess，c，max(t)、pess，dis，max(t)分别表示电池储能系统允许最大充电功率和放电功率，“-”号表示电池充电，socmin、socmax分别为电池系统最小剩余电量和最大剩余电量，h为电池一日中充放电次数，hmax为一日中的充放电次数限制值；

(2)节点电压约束

uimin≤ui≤uimax(i＝1，2，3，...，n)

式中：uimin、uimax分别为第节点处电压的下限和上限；n为配电网节点总数；

(3)潮流方程约束

式中：pg，i、qg，i分别为i节点处电源的有功和无功出力；pl，i、ql，i分别为i节点处的有功和无功负荷；ui、uj分别为i节点和j节点的电压幅值；gij、bij分别为节点导纳矩阵元素的实部和虚部；θij为i节点和j节点的电压相角差；

(4)支路电流约束

in≤inmax(n＝1，2，3，...，d)

式中：inmax为第n条支路电流的上限；d为支路总数。

(5)需求响应管理约束

ptl，s，t＝ptlo，s，t-ptli，s，t

式中：ptlo，s，t、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，分别为第s场景第t时段转移出负荷和转移进负荷响应系统的上下限值；为第s场景第t时段负荷中断功率的上下限值。

具体地，在s2中，考虑社会的综合经济效益最大化为目标函数。

maxf1＝(cs+closs+ckw+cb-cess-cess，m-cl，y-cdg-cma-cline-csub-cs)

式中：cs、closs和ckw分别为储能系统低储高放套利年收益、节约电能损耗年收益和削峰年收益；cb为风力发电或光伏发电政府补贴费用；cess为储能系统年投资成本、cess，m为储能系统年运行维护成本；cl，y为可中断负荷的补偿费用；cdg为分布式电源的投资及运行维护费用，cma为综合负荷需求响应项目管理费用；cline为配电线路投资及运行维护费用；csub变电站运行购电费用；cs实施需求响应后减少的年卖电收益。

所述低储高放年收益为：

cs＝ks·(cs，dis-cs，c)

式中，ks为典型日ess套利折算成一年套利的折算系数；cs，dis、cs，c分别为ess一天放电收入费用和充电支出费用，具体计算方法如下：

式中，pdis、pch分别为ess放电电价和充电电价；pess，j，dis(t′)、pess，j，c(t)和分别为ess在t′时刻的放电功率和t时刻的充电功率；

所述削峰填谷年收益为：

ckw＝λ·pt·ck

式中：pt为引入储能系统后的削峰值，λ为变电站单位容量的综合投资费用，ck为变电站资金等年值系数，

ce＝[r·(1+r)^h]/[(1+r)^h-1]

式中，r和h分别为储能系统的贴现率和使用年限；

所述年投资成本为：

式中，ke为单位容量投资成本；ee，j、cress分别为第j个ess的容量和残值；所述年运行维护成本为：

式中，km为储能系统单位容量的年运行维护成本。

具体地，在步骤s3中，采用自适应惯性权利的多目标粒子群算法对主动配电网储能系统进行规划。

步骤s31：对储能系统的位置和功率进行编码，

c＝[x1，x2，...，xn，y1，...，yn，...，yj+1，...，yt，n]

式中，xi指第i个储能的接入位置；n为储能系统的个数；指yj+1时刻第i个储能的功率；t为总的时刻数。

步骤s32，初始化种位置和速度变量，计算各个粒子的目标函数，并将其放入非劣解集；

步骤s33，计算确定各粒子的历史最优解和种群全局最优解；

步骤s34，计算各粒子与最优粒子的差值，更新各粒子的惯性权重，对粒子进行交叉变异计算；

步骤s35，计算各粒子的目标函数值，根据支配关系更新粒子历史最优解并形成新的非劣解集，然后更新非劣解集；

步骤s36，选取种群全局最优解，如果满足终上条件，则转步骤s7；否则，转步骤s33；

步骤s37，输出最优解集。

具体地，在步骤s104中，最后把主动配电网中分布式电源的规划和储能配合的运行结合起来，在分布式电源的规划中考虑到主动配电网对于储能装置的优化调度，使储能系统的日内调度能减少分布式电源出力不确定性所带来的规划误差，从而使规划更为有效。其中，储能系统充放电策略的制定为：充分利用储能系统，以一定指标最大限度地发挥其降低峰谷差的作用，考虑配置储能系统后的等效负荷曲线平滑性，使配置储能系统后的等效负荷曲线尽可能平滑，避免储能系统突充突放，对系统造成不利影响。

以典型日等效负荷曲线(日负荷需求与分布式电源出力叠加后的曲线)为基础制定储能系统充放电策略，策略制定过程可归纳两步，第一步为充电时间tc，i和放电时间tdis，i的划分，第二步为别确定tc，i、tdis，i时间段内的各时刻充放电功率的大小，具体流程如下：

第一步：根据分时电价进行充放电时间段的划分，高电价时间段为放电时间tdis，i；低电价时段为充电时间tc，i。为提高储能系统的利用率，对平电价时，若期前后时段都为高电价时段，则为充电时间tc，i；若其前后时段都为低电价时段，则为放电时间tdis，i；其余情况电池为空闲状态或看作以零功率充放电。

第二步：若有多个储能系统时，多个储能系统相互协调配合确定各自充放电功率大小，确定单个储能系统在tc，i时间段内各时刻(采样点)充电功率大小过程为：

1)采样点负荷越小，越拉大峰谷差，越需要储能充电，对tc，i时间段的各采样点负荷值排序，按从小到大的顺序，分别确定负荷相对应的采样点处储能系统充电功率的大小。

2)为使储能系统充电后的负荷曲线波动尽可能地小，除负荷最小的采样点处按最大功率充电外，其他采样点处按小于最大功率的变功率充电，具体功率计算方法如下：

式中：pl(t)为tc，i内t时刻负荷值；pl，min为tc，i的所有采样点处最小的负荷值；pc，max、pe，c分别为储能系统最大充电功率和额定充电功率；pc，max+pl，min为储能充电后应达到的指标，若充电后已达到的指标，则以最佳状态额定功率充电；γ为第j个储能系统的充电功率权重；

式中：ne为储能系统的数量；ee，j为第j个的储能系统容量；

3)：按步骤1)、步骤2)中方法依次确定tc，i时间段的各采样点处的充电功率大小，每确定一个采样点处充电功率，soc相应地增加，若soc越限，则转步骤4)，此时未确定功率的采样点处可看作以零功率进行充电；

步骤4)：输出时间段的种各采样点处的放电功率大小的过程与上述过程类似，不同点如下：采样点处负荷越大，越拉大峰谷差，越需要储能放电，按负荷从大到小的顺序，确定其相对应采样点处储能系统放电功率的大小；除负荷最大采样点处储能系统按最大功率放电外，其他采样点按小最大功率的变功率放电，具体功率计算方法如下式所示

式中，p′l(t′)为tdis，i内第t′个采样点处负荷值；pl，max为tdis，i的所有采样点处最大的负荷值；pdis，max、pe，dis分别为储能系统最大放电功率和额定放电功率；η为放电功率权重，γ大小与相同；每确定一采样点处放电功率，soc相应地减少pess，dis(δt)/ee·β；pl，max-pdis，max为储能放电后应达到的指标，若放电前已达到该指标，则以最佳状态额定功率放电。

按上述方法分别确定其他时间段的各采样点处充放电功率的大小，最终得到储能系统在日调度周期内的充放电策略。

本发明实施例的一种主动配电储能系统动态规划方法，对接入主动配电网的储能系统进行优化规划，提出储能系统优化规划模型，储能短期优化考虑储能的削峰填谷、电压调节能力，在储能长期规划的经济成本目标函数中考虑了储能装置的投资成本和主动配电网运行及可靠性成本，最小化成本目标函数来确定电池的位置、容量和额定功率。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主动配电网的优化作用。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。

需要说明的是，上述实施例仅用来说明本发明的结构及其工作效果，而并不用作限制本发明的保护范围。本领域内的普通技术人员在不违背本发明思路及结构的情况下对上述实施例进行的调整或优化，仍应视作为本发明权利要求所涵盖。