考虑分布式能源接入的配电网灵活性归因分析方法与流程

本发明属于配电网灵活性评估及归因分析，尤其考虑分布式能源接入的配电网的灵活性归因分析方法。

背景技术：

1、分布式能源的不断接入是配电网发展趋势，也是电力工业为解决环境问题和能源危机所做的重要举措之一。然而，分布式能源的渗透和其自身的随机性对配电网的运行状态产生不可忽视的影响。这使得配电网的运行人员对配电网的运行安全更加重视的同时，对考虑分布式能源接入的配电网的灵活性问题愈加关注。

2、针对分布式能源的间歇性、不确定性以及分布式能源之间存在相关性等问题，多场景下的配电网分析成为必要的研究技术手段，其中包括场景生成法和场景分析法。场景生成法可分为蒙特卡罗法抽样法、预测类场景生成方法以及优化类生成场景方法，而场景分析方法则可分为模拟场景时序分析法、基于场景出力特性的分析法以及基于聚类算法的场景分析法，在场景聚类方法的选择上，具有原理简单、易实现、收敛速度快等优点的传统k均值聚类方法(k-means clustering algorithm，k-means)是最为常用的，目前已广泛应用于电力系统负荷曲线聚类以及其他诸多数据挖掘问题之中。k-means聚类算法利用样本之间的距离评估样本相似度，并以各样本与其类别的中心点之间的距离总和为优化目标。但是由于传统k-means聚类算法的初始的中心点是随机选取的，这其中的不确定会性影响该聚类算法在不同问题背景下的聚类效果。为获取更具有代表性的场景，本文在分布式能源出力场景的削减中利用基于两阶段的k-means聚类算法，进一步提高k-means方法的效率和准确性。

3、目前，在配电网的新能源电源规划、储能优化配置、调度等方面的研究中，以及在新能源消纳策略的制定中，配电网灵活性已成为考虑的重要因素之一。针对配电网灵活性的研究集中于配电网灵活性的评估和提升方法两大部分。在配电网灵活性定义与量化研究中，由于配电网的网络结构、负荷多元、接入资源的不确定性以及影响其运行状态的因素复杂，国内外针对配电网灵活性的定义尚未统一。但配电网的灵活性评估指标一般包括时间、资源、不确定性和成本这四个要素，在配电网的灵活性研究中，为提升配电网灵活性评估的全面性，现有的研究多从不同角度给出配电网的灵活性评价指标，在配电网灵活性优化研究中，不同的调控方案对配电网的灵活性具有不同的提升作用，且研究表明单个调控方案难以满足多方面需求的灵活性，例如，文献(陈垚煜，江全元，周自强等，考虑典型场景的配电网调控方案灵活性评估方法，电力建设，2019，40(07)：34-40)的结果表明无载调压方案有助于改善配电网电压水平，却对新能源消纳率的提升作用较小。面对复杂且多样的灵活性评估定义与灵活性提升调控方法，现有的研究没有针对对于配电网灵活性不足或临界的情况作出评估以提供有效信息作为灵活性提升方法选择的依据的研究。

技术实现思路

1、本发明的目的在于针对上述问题提出一种分布式能源接入的配电网灵活性归因分析方法，对配电网的灵活性不足或临界的情况进行归因分析，考虑到配电网的灵活性与配电网优化应用具有相关性，从而提出从配电网优化应用的角度分析灵活性不足的维度，以提供该信息作为配电网的灵活性提升措施和方法选择的依据。首先利用基于分层思想的聚类方法对生成的分布式能源出力场景进行削减，便于提升后续分析的效率；其次，基于考虑灵活性的配电网经济调度优化模型通过基于动态轨迹的快速计算可行解的方法对典型的场景样本进行筛选与分类；最后，根据对不可行场景以及临界场景的灵活性归因分析，分析分布式能源接入的配电网灵活性不足或欠缺的原因，为配电网灵活性优化和控制提供有效信息。

2、为了解决上述技术问题，本发明是采取以下技术方案实现的：

3、基于考虑分布式能源接入的配电网灵活性归因分析方法，包括以下步骤：

4、步骤1、获取风电机组的历史测量数据集并作为输入数据；

5、步骤2、利用copula函数对分布式能源的出力的历史测量数据的分布和相关性建模，根据建模得到的copula模型，应用考虑相关性的拉丁超立方方法lhsd生成考虑相关性的分布式能源原始出力场景样本；

6、步骤3、采用基于分层思想的k-means聚类算法对步骤2生成的考虑相关性的分布式能源原始出力样本进行削减，获得更具有代表性的典型出力场景；

7、步骤4、构建计及灵活性资源及风机接入的配网优化调度模型，在保证系统在安全稳定运行的前提下使得运行费用最小；

8、步骤5、构建与步骤4的配网优化调度模型对应的动力学系统模型；

9、步骤6、将步骤3获得的新能源典型出力场景带入到步骤5中优化调度模型对应的动力学系统中，利用基于动态轨迹的方法快速求解各个典型场景下的满足优化调度模型的解；

10、步骤7、根据步骤6的各个新能源典型出力场景对应的结果，分析不同场景在步骤4构建的优化模型的约束条件下可行解的存在性，进而对新能源典型出力场景进行分类；通过对不同类型的场景进行灵活性归因分析，为用户对灵活性提升的有效调控策略的选择提供信息。

11、进一步的，所述步骤2包括以下步骤：

12、步骤2.1、基于kendall-τ秩相关系数并采用最大生成树mst算法来选择合适的r-vine结构；

13、步骤2.2、根据步骤1中输入的分布式能源出力历史数据，计算备选copula函数构造的模型与经验的copula函数的欧几里得距离，根据距离最小原则选择合适copula函数并估计相应的模型参数；

14、步骤2.3、按照步骤2.2，对步骤2.1选择的r-vine结构逐层构建copula模型，最终形成最佳相关模型；

15、步骤2.4、利用考虑相关性的拉丁超立方算法进行分层抽样、秩序量统计和选择排列，生成考虑相关性的分布式能源原始出力场景样本。

16、进一步的，所述步骤3中采用的基于分层思想的k-means聚类算法包括以下步骤：

17、步骤3.1、分层数据集的搭建，对数据集进行“自上而下”的搭建；

18、具体的是，将上层数据集的总个体数目的一半作为下层的分组数，利用k-means算法以该设置的分组数进行聚类，对由k-means算法得到的分组进行组中的个体与中心之间相似度评估，筛选出不满足相似度的个体成员，将不满足相似度的个体成员与分组的中心组成下层数据集；

19、步骤3.2、逐层聚类，利用k-means算法“自下而上”进行逐层聚类；

20、具体的是，从最下层的简化数据集中，根据预期分组数目选取初始中心点，经过k-means算法的聚类得到的新中心点，这将作为上层的数据集的聚类初始中心点，依此类推，最终实现对原始数据集的聚类。

21、进一步的，所述步骤4中计及灵活性资源及风机接入的配网优化调度模型为：

22、包含弃风量的惩罚代价函数、购电成本、以及可中断负荷补偿费用最小的目标函数模型可表示为：

23、

24、其中，pbl,t为购电量；cbl为单位购电成本；pw,t为弃风量；cw为单位弃风量的惩罚成本；pl,t为切负荷量；cl为单位切负荷量的惩罚成本；pil,t为可中断负荷削减量；cil为单位可中断负荷补偿费用；t代表时间周期。

25、该配网优化调度模型的约束条件包含系统运行约束和灵活性资源约束；

26、其中，系统运行约束包含潮流平衡等式约束、电压约束、传输极限约束、分布式能源输出功率约束、风电场调度功率约束和弃风量约束。

27、潮流平衡等式约束，是指节点注入的有功和无功功率的计算等式，可表示为下列紧凑的形式：

28、f(y,u)＝0

29、其中，y为状态变量，即非平衡节点的电压幅值和相角，u为控制向量。

30、电压约束，是指运行电压需满足要求的电压上限和下限值，可表示为：

31、vmin≤vui≤vmax

32、其中，vui表示第ui个非平衡节点的电压幅值，vmin和vmax分别为节点电压的最大值和最小值。

33、传输极限约束，是指每条线路具有一定的传输能力，运行的传输电流需小于最大的线路传输限制，以保证传输安全：

34、|iij|≤iij,max

35、其中，iij表示流经节点i到节点j的线路的电流，iij,max是该线路可承载的最大的电流幅值。

36、分布式能源输出功率约束：

37、pgi,min≤pgi≤pgi,max

38、qgi,min≤qgi≤qgi,max

39、其中，pgi,min和pgi,max分别表示第gi个节点的分布式能源输出有功功率的最小和最大值；qgi,min和qgi,max分别表示第gi个节点的分布式能源输出无功功率的最小和最大值；pgi和qgi分别为第gi个节点在当前运行下的分布式能源输出有功和无功功率大小。

40、风电场调度功率约束：

41、0≤pgsi≤pgi

42、其中，pgi表示第gi个节点的分布式能源有功输出，pgsi表示第gsi个节点接入的分布式能源实际注入电网的有功功率。

43、弃风量约束，即弃风量低于的风力发电功率：

44、0≤δpw,t≤pw,t

45、其中：δpw,t是弃风量；pw,t是风力发电功率。

46、灵活性资源约束包括变压器裕度约束和可中断负荷约束。

47、变压器裕度约束，是指变压器所提供的灵活性低于变压器的灵活性裕量，如下式所示：

48、ptmin≤δpt≤ptmax

49、其中，δpt代表变压器所提供的有功功率；ptmin代表变压器可提供的有功功率最小值；ptmax是可提供的有功功率最大值。

50、可中断负荷约束，是指可中断负荷提供的灵活性需低于可中断负荷的最大灵活性，如下式所示：

51、0≤pil≤pilmax

52、其中，pil代表可中断负荷已提供的有功功率；pilmax代表可中断负荷可提供的有功功率最大值。

53、进一步的，所述步骤5中的配网优化调度模型对应的动力学系统模型为：

54、根据步骤4构造的优化调度模型，构造考虑灵活性资源的经济调度问题的约束集；所述步骤5中考虑灵活性资源的经济调度问题的约束集模型可表示为系统运行约束和灵活性资源约束的集合，为便于分析，将涉及的等式和不等式约束条件，统一为以下数学形式表达式：

55、

56、其中，ce代表等式约束集，ci代表不等式约束集，u代表状态变量，即节点电压的幅值和相角，y为控制变量，如分布式电源出力等可调的变量。

57、采用松弛变量技术将不等式等效转化为等式约束，其表达形式具体为：

58、

59、x＝(u,y,s)

60、

61、其中，x为状态变量和控制变量的集合，s则是对应不等式约束的松弛变量，为由松弛变量s的平方组成的向量。

62、对约束集h(x)建立相应的商梯度系统，其表达式如下：

63、

64、其中，表示系统变量对于时间的动态变化量，qh(x)为商梯度系统表达式，dh(x)为约束集h(x)的雅克比矩阵。

65、进一步的，所述步骤6的基于动态轨迹的方法，即将约束集h(x)的可行解检测转换为求解配网优化调度模型对应的商梯度系统的稳定平衡点。

66、配网优化调度模型对应的商梯度系统是一个非线性动力学系统且全局稳定的系统。在非线性系统中，如果满足则该状态点对应的是平衡点，配网优化调度模型对应的商梯度系统的雅克比矩阵dqh(x)在正规空间上的特征向量所对应的特征值的实部都为负值，则x是一个稳定平衡点。

67、配网优化调度模型对应的商梯度系统的稳定平衡点与约束集h(x)的可行解的存在性之间有下述定理：

68、如果配网优化调度模型对应的商梯度系统存在一个稳定平衡点，且该点满足h(x)＝0，则约束集h(x)的可行解存在；反之，如果配网优化调度模型对应的商梯度系统的稳定平衡点均不满足h(x)＝0，则约束集h(x)不存在可行解。

69、因此，约束集h(x)的可行解检测可转换为求解配网优化调度模型对应的商梯度系统的稳定平衡点，即为基于动态轨迹的快速计算可行解的核心思想。该方法基于深厚的动力学系统理论且具有全局收敛的特性以及算法鲁棒性，最终的计算结果对初始点的选择也不敏感。

70、进一步的，所述步骤7中分析不同新能源出力场景结果并进行分类的具体实现方法为：

71、通过求解配网优化调度模型对应的商梯度系统的稳定平衡点，得到各新能源典型出力场景在约束集h(x)下的解，进而根据对h(x)＝0的满足性对典型出力场景进行筛选。将典型出力场景分为可行场景、不可行场景和临界场景。可行场景是指满足约束集的场景，不可行场景是指不满足约束集的场景，临界场景是指该场景下的解中部分约束虽未越限，但与对应约束的限值的距离与所属约束范围比例小于设定值，所述设定值为1％或0.5％。

72、进一步的，所述步骤7中对不同类型的场景进行灵活性归因分析方法可以表述为：

73、根据步骤7对典型场景的分类结果，对可行的典型出力场景和不可行的典型出力场景进行进一步详细分析。针对不可行场景，对其具有最大越限量的约束进行分类，以判断导致该配电网系统灵活性不足的原因类型，如果是具有最大越限量的约束中电压约束或无功相关约束的数目最多，则说明该配电网在灵活性提升方案选择上，需选用改善配电网电压水平和无功水平的调控方案，如无载调压方案。如果是具有最大越限量的约束中与分布式能源的有功输出约束相关的数目最多，则可选择对新能源消纳率的提升作用较大的调控方案。同样，针对可行出力场景下，进一步分析约束集中临近越限的可行场景，进而将其临近越限的约束的类别进行了区分并判断存在潜在灵活性不足的原因，可帮助选择增强配电网灵活性的备选方案。

74、本发明的优点和积极效果是：

75、本发明利用基于分层思想的聚类方法对生成的分布式能源出力场景进行削减，便于提升后续分析的效率；基于考虑灵活性的配电网经济调度优化模型利用基于动态轨迹的快速计算可行解的方法对典型的场景进行筛选和分类；根据对不可行场景以及临界场景的灵活性归因分析，分析在分布式能源的接入的配电网灵活性不足或欠缺的原因，为配电网灵活性优化和控制提供有效信息。