本发明涉及配电网灵活性评价领域，具体地说是一种面向调节需求的配电网灵活性评价方法，涉及配电网中灵活性资源定义、灵活性需求分析、配电网灵活性评价指标求解以及配电网灵活性评价体系的构建。
背景技术：
：：随着可再生分布式电源接入比例增高和智能电网技术的逐步发展，当前电力系统主要呈现出四个方面特点：第一是电力电量平衡的强不确定性。可再生能源出力的随机性和间歇性导致源荷两侧的不确定性加剧，传统的静态潮流平衡将向着概率化的方向发展。第二是潮流双向化。大量储能装置的投运能够在系统源荷不匹配时实现双向、动态的功率调节补充，达到良好的移峰填谷效果，这也使得电网中的源荷界限更加模糊。伴随着区域联络线和区域互联系统建设的逐步完善，传统单一流向的功率互济将演变为更为普遍的双向电力潮流。第三是网络运行方式多样化。由于网络可控元器件的日渐增多，电网的网架结构和网络形态在满足安全运行需求的前提下更加复杂多变，系统的边界条件在原固定边界的基础上更加灵活。第四是更高的网络调节控制需求。当分布式电源渗透率较高时，扣除可再生能源出力后的电力系统“净负荷”在短时段内的波动行为将更加频繁，这大大增加了对于提高系统调频、负荷跟踪能力的需求。在此背景下，为了达到系统中的实时、动态电力电量平衡，需要分析诊断电力系统所具备的应对内在及外在环境变化的适应能力，即灵活性。目前，关于灵活性的概念主要集中于电力系统层面或输电系统层面，国内外较为认可的两种主要说法由北美电力可靠性委员会(northamericanelectricreliabilitycouncil，nerc)和国际能源署(internationalenergyagency，iea)分别提出。2010年，nerc在其发布的报告中指出，“电力系统灵活性是指利用系统资源满足负荷变化的能力”，这个能力“主要体现在运行的灵活性”。此外，nerc认为电力系统的灵活性主要包含三个方面，即储存能量的能力、高效机组组合以及经济调度能力。而在2008至2011年，iea在g8峰会以及随后发布的报告中再度提到电力系统灵活性的概念，认为“电力系统灵活性，是指电力系统在其边界约束下，快速响应供应和负荷的大幅波动，对可预见、不可预见的变化和事件迅速反应，即负荷需求减小时缩小供给，负荷需求增加时增大供给”，即认为一个灵活的电力系统既能消纳大量间歇性电源发出的电能，又能经济和高效地处理过剩的电能，同时还能保证可预测和不可预测的间歇性电源出力不足时系统电力供应的充裕度。因此，保障电力系统灵活性是系统运行于不同时间尺度上应对各种随机因素和不确定条件、保持电力和能量平衡的必然要求，它贯穿于电力系统发展与运行的每一个阶段和过程。综合二者所提出的概念，电力系统的灵活性大致可以总结为，在某一时间尺度内，电力系统直接或间接地利用和调配系统中的现有资源实现快速响应系统供需侧波动、控制电网关键运行参数的能力。而对于配电网而言，随着分布式电源、电动汽车的快速发展以及国家对电力市场改革的逐步推进，大量风电、光伏发电等间歇性电源的接入逐渐改变了传统的电源结构，降低了整个电源系统的出力可控性，并在配电网层面上大大增加了系统运行的随机性和不确定性，同时用户负荷的多样性以及负荷预测偏差等众多因素对于配电系统运行过程中的功率分布有着重要影响。因此，为满足系统在运行过程中的动态供需平衡和电能质量要求，配电网必须具备一定的响应和应变能力，即所谓的配电网灵活性。然而，由于目前的电力系统灵活性研究大部分集中于输电系统或电力系统整体层面，通过对可控性较强的以水电、火电为主的电源结构进行调节和调度，从而满足存在随机性和不确定性的负荷波动。关于配电网层面的灵活性分析和评价存在空白。技术实现要素：针对目前配电网灵活性评价研究存在空白的问题，本发明提供一种面向调节需求的配电网灵活性评价方法，其从功率即时调节能力、电量调节能力、可再生能源消纳能力等多个方面对配电网运行周期内的灵活性进行综合量化评价，采用客观熵权法确定指标权重，评价结果科学合理，能够为配电网规划和优化运行提供进一步参考和指导。为此，本发明采用如下的技术方案：一种面向调节需求的配电网灵活性评价方法，其采集评价周期内的配电网结构组成参数及运行数据，对配电网灵活性资源分类并检验拟合对应运行调度数据概率分布情况，在保障资源即时响应前提下决策灵活性评价的时间尺度，对灵活性研究对象进行分类及灵活性调节需求双向分离计算，构建灵活性评价模型并求解得到配电网灵活性评价双层指标体系，采用熵权法为双层指标体系中的二级指标赋权，计算配电网在评价周期内的灵活性评价结果。本发明清晰界定配电网灵活性调节需求以及灵活性资源类别，面向各类运行调节需求提出与配电网灵活性相关的网络功率调节能力、可再生能源消纳能力、容量即时响应能力等一级指标，并在此基础上细化形成指标体系，利用熵权法对指标体系赋权，使得评价结果更为客观合理，指标体系具有更好的扩展性。作为上述技术方案的补充，所采集的配电网结构组成参数及运行数据包括：1)待评价配电网地理信息资料、配电网规划报告及规划滚动调整报告，待分析配电网线路单线图、设备台账资料；2)评价周期内的网络年度负荷实测日报告及典型运行方式、用户实时负荷资料；3)待评价配电网当地太阳能辐照资料和风速资料、可再生能源装机参数和运行数据；4)电网侧有载调压变压器控制策略和运行数据、电网侧无功补偿设备装机参数和运行数据(含控制策略、运行调度数据)；5)需求侧管理参与容量和运行情况(含可中断负荷的控制策略、补偿策略以及运行响应数据)；6)储能电站配置参数及运行数据(含运行成本、运行策略以及运行数据)。作为上述技术方案的补充，所述配电网灵活性资源分类方式包括：1)将待分析配电网中的灵活性资源按照供给侧、电网侧、需求侧以及储能侧四个方面进行分类；2)供给侧灵活性资源包括上级电网注入功率以及各类分布式电源(dg)；3)电网侧灵活性资源包括无功补偿(rc)调度以及有载调压变压器分接头(oltc)调节；4)需求侧灵活性资源包括基于价格的需求响应以及基于激励的需求响应两类；5)储能侧灵活性资源包含储热储能、氢储能、电动汽车以及电化学储能。作为上述技术方案的补充，灵活性资源运行调度数据概率分布检验过程包括：1)将收集的评价周期内各灵活性资源运行调度数据按照灵活性资源分类方法将其进行分类；2)按时序将隶属同类的灵活性资源的运行调度数据作为描述该类灵活性资源运行特点的不同维度参数；3)采用kolmogorov-smirnov法或卡方法假设检验各类灵活性资源集合的概率分布，并求出对应概率密度函数。作为上述技术方案的补充，评价时间尺度决策过程包括：1)根据收集的各类灵活性资源运行数据，利用各类灵活性资源在评价周期内接收到调节指令的时间节点和实际响应时间节点计算各灵活性资源的准确响应时间；2)将得到灵活性资源准准确响应时间按照时间长度归入不同时间等级五个等级，并统计位于不同等级的灵活性资源数目；3)比较不同响应时间等级内的灵活性资源总量，以满足70％以上灵活性资源准确响应为阈值，确定系统灵活性评价的时间尺度。作为上述技术方案的补充，灵活性研究对象分类过程如下：1)统计待分析配电网中的各分布式电源；2)按照可再生能源类型和安装距离将各分布式电源组合形成若干研究对象。作为上述技术方案的补充，配电网的灵活性调节需求双向分离计算过程包括：1)根据待分析配电网在评价周期内的总负荷情况，计算系统在各时段的负荷波动值；2)根据网内可再生能源出力情况和风光量测数据，计算各类研究对象在各时段的功率波动值；3)聚合系统负荷波动值和各研究对象功率波动值，得到考虑不同种类研究对象时系统各时段的灵活性调节需求，按照数值正负特性分离对应灵活性向上/向下调节需求；4)同理，统计计算考虑配电网全部可再生能源出力资源的配电网向上/向下灵活性调节需求。作为上述技术方案的补充，配电网灵活性评价双层指标体系的构建过程包括：1)将配电网灵活性分成：功率调节能力指标、可再生能源消纳能力指标、剩余电量指标、备用容量指标四个一级指标；2)定义功率功率调节能力指标包含可承受可再生能源最大突变容量二级指标，表示不同灵活性资源对不同研究对象的即时功率响应能力；3)定义可再生能源消纳能力指标包括：最小可再生能源削减量指标、可再生能源削减时间占比指标两个二级指标，描述配电网有选择性地削减可再生能源电能的情况；4)定义剩余电量指标包括：配电网最大剩余电量指标以及剩余电量时间占比两个二级指标，表示调节系统中的灵活性资源已满足净调节需求时，配电网中所包含的储能设备电量调节能力；5)定义备用容量指标包括灵活性资源向上/向下灵活性不足概率期望值两个二级指标，表示灵活性资源调节裕度不能满足系统调节需求的概率值。作为上述技术方案的补充，配电网灵活性评价模型建模求解过程包括：1)采用k-means法提取评价周期内的日负荷场景、风光出力实际场景以及对应最大出力；2)设定指标评价总时长，确定评价模型中的目标函数；3)结合网络常规约束和灵活性资源运行约束评价指标模型；4)采用分支定界法求解模型，得出对应指标的评价结果。作为上述技术方案的补充，熵权法为二级指标赋权及评价结果计算过程包括：1)将可承受可再生能源最大突变容量指标进行归一化处理；2)将具备负向指标特性的剩余指标作标准化处理，表示为正向指标形式；3)计算处理后各二级指标的信息熵，计算得到对应权重；4)加权求和得到配电网在评价周期内的灵活性评价结果。与现有技术相比，本发明具有的有益效果如下：1.在现有电力系统灵活性评价的基础上，结合配电网当前特点和未来趋势，提出考虑配电网结构组成和运行调节需求的配电网灵活性评价指标体系和评价方法，评价过程科学合理。2.克服现有灵活性分析中定义模糊的缺陷，规范化配电网灵活性调节需求和灵活性评价目的。3.所提出的配电网灵活性指标紧扣当前配电网运行需求，有利于实现可再生能源最大消纳，对于指导配电网优化运行和资源配置具有一定参考价值。4.为降低可再生能源出力间歇性对网络运行的影响，从四个不同角度提出配电网灵活性评价一级指标，并采用熵权法对所提出的二级评价指标进行赋权，避免了主观赋权带来的决策误差，所提出的评价指标体系具有很强的可扩展性。附图说明图1为本发明全类别灵活性资源的配电网灵活性评价指标体系图；图2为本发明灵活性指标建模计算流程图；图3为本发明配电网灵活性评价流程框图；图4为本发明实施例中配电网接线图；图5为本发明实施例中可中断负荷最大可调用容量图；图6为本发明实施例中灵活性评价双层指标体系图。具体实施方式下面结合说明书附图和具体实施方式对本发明作进一步说明。本发明采集评价周期内的配电网结构组成参数及运行数据，对配电网灵活性资源分类并检验拟合对应运行调度数据概率分布情况，在保障资源即时响应前提下决策灵活性评价的时间尺度，对灵活性研究对象进行分类及灵活性调节需求双向分离计算，构建灵活性评价模型并求解得到配电网灵活性评价双层指标体系，采用熵权法为双层指标体系中的二级指标赋权，计算配电网在评价周期内的灵活性评价结果。本发明所采用的技术方案包括如下步骤：1)分析当前配电网的发展目标和结构组成，将配电网中的灵活性资源按照所属环节进行分类，收集待分析配电网的网架结构、系统负荷现状及未来发展规划报告、各类灵活性资源的配置情况等资料，采集该配电网在评价周期内的全部运行数据，一般评价周期不低于1年。2)利用步骤1)所采集的数据求解各个灵活性资源的对于不同时间尺度下的灵活性需求的准确响应时间，以实现待分析配电网中的大多数灵活性资源响应准确为原则，在给定的时间尺度范围内选取灵活性评价的时间尺度，选取原则中的响应比例应超过70％。3)根据配电网双向灵活性特征，将配电网灵活性需求分为可再生能源出力不足以满足负荷(供不应求)的向上灵活性调节，以及可再生能源出力在满足负荷的情况下还存在富余(供过于求)的向下灵活性调节。以不同分布式电源组合作为研究对象，利用步骤1)所采集的数据依次计算各研究对象的出力与系统总负荷的匹配情况，在评价周期内以步骤2)确定的时间尺度分离面向不同研究对象的配电网向上/下灵活性需求序列。4)根据步骤1)中的灵活性资源分类情况和所采集的数据分析网络中的资源特性，应用非参数检验方法估计得出基于一定置信程度的各类灵活性资源运行调度的概率分布和概率密度函数，统计过程中拟合的概率分布/函数的显著性水平在85％以上。5)根据步骤2)得出的配电网双向灵活性需求，将配电网的灵活性指标分为可承受的可再生能源最大突变容量指标、可再生能源消纳能力指标、剩余电量指标以及备用容量指标等四个一级指标，并根据待分析配电网中的灵活性资源配置情况由上述一级指标延伸若干二级指标，形成待分析配电网的灵活性指标体系。6)根据步骤4)得出的灵活性资源运行调节概率分布或概率密度特征，采用蒙特卡洛法模拟各类灵活性资源的出力情况，用以体现基于运行惯性的灵活性资源调度特点，各类灵活性资源的模拟次数在500至1000范围内。7)根据步骤3)确定的研究对象以及在此基础上求得的配电网灵活性调节需求序列，依次以步骤5)提出的各类一级指标为优化目标、结合网络的安全运行约束和各类灵活性资源的调节能力约束，构建面向不同灵活性资源调节能力的配电网灵活性评价模型。采用分支定界法求解待分析配电网的各个灵活性评价模型，得出对应评价结果。8)采用熵权法对步骤7)所得的待分析配电网的灵活性指标体系中的二级指标结果赋权，最终得出在评价周期内的该配电网的灵活性评价结果。上述步骤1)所述将待分析配电网中的灵活性资源进行分类以及采集配电网数据，具体过程如下：a)统计待分析配电网的网架结构和设备构成情况；b)将待分析配电网中的灵活性资源按照供给侧、电网侧、需求侧以及储能侧四个方面进行分类。其中，供给侧灵活性资源包括上级电网注入功率以及各类分布式电源(dg)；电网侧灵活性资源包括无功补偿(rc)调度以及有载调压变压器分接头(oltc)调节；需求侧灵活性资源包括基于价格的需求响应(price-baseddemandresponse,pbdr)以及基于激励的需求响应(intensive-baseddemandresponse,iber)两类，pbdr主要含实时电价(real-timeprice)机制以及分时电价机制，ibdr主要包括可中断负荷(interruptible/curtailableload)、直接控制负荷(directcontrolload)等；储能侧灵活性资源包含储热储能、氢储能、电动汽车以及电化学储能等；c)在电力系统的scada系统中导出待分析配电网10(20kv)线路单线图，收集gis系统中的待评价配电网地理信息资料，收集待分析配电网规划报告及规划滚动调整报告，收集pmis系统中的设备台账资料(含一次主设备信息)。在评价周期内，收集待分析配电网的年度负荷实测日报告及典型运行方式，收集用电信息采集系统中的用户实时负荷资料，收集待评价配电网当地太阳能辐照资料和风速资料，收集新能源管理系统中的可再生能源(主要为风电和光伏)装机参数和运行数据(含并网出力数据、单位发电量维护成本)，收集电网侧有载调压变压器控制策略和运行数据，收集电网侧无功补偿设备装机参数和运行数据(含控制策略、运行调度数据)，收集需求侧管理参与容量(含参与可中断负荷的负荷容量及用户数)和运行情况(含可中断负荷的控制策略、补偿策略以及运行响应数据)，收集储能电站配置参数(含储能电站位置、装机容量及对应电力电子装置容量)及运行数据(含运行成本、运行策略以及运行数据)。上述步骤2)所述灵活性资源准确度计算，具体步骤如下：a)根据步骤1)收集的各类灵活性资源运行数据，计算各类灵活性资源在评价周期内接收到调节指令的时间节点和实际响应时间节点，以第i个灵活性资源为例，利用式(1)计算第i个灵活性资源的准确响应时间ρi：其中，表示第i个灵活性资源在评价周期内收到第j个调节指令的时间节点，对应表示其实际响应时间节点，而ni表示第i个灵活性资源在评价周期内收到的调节指令总量，i则表示待评价配电网中的灵活性资源集合。b)将上一步骤中计算的灵活性资源准准确响应时间按照时间长度依次分为五个等级：第一级1min级(ρi≤1min)、第二级15mins级(1min<ρi≤15min)、第三级20mins级(15min<ρi≤20min)、第四级30mins级(15min<ρi≤30min)以及第五级30mins以上级(15min<ρi≤30min)，并统计位于不同等级的灵活性资源数目。一般而言，绝大多数灵活性资源的响应时间在30min以内，而响应时间最长的抽水蓄能方式的响应时间大约在40min左右。c)比较响应时间分别在1min以内、10mins以内、15mins以内、30mins以内以及超过30mins的灵活性资源总量，以满足70％以上的待分析配电网内灵活性资源准确响应为阈值，确定系统灵活性评价的时间尺度。上述步骤3)所述研究对象划分与灵活性调节需求分离计算，具体步骤如下：a)将待分析配电网中的各分布式电源按照可再生能源类型和安装距离组合形成若干研究对象，以分析因内外部原因造成研究对象出力突变的情况，一般各研究对象所包含的分布式电源数量不超过5个，而研究对象的总量不超过15类(集合表示为j)。b)根据步骤1)收集的待分析配电网总负荷情况，设定配电系统在t-1时刻的负荷值为lt-1，利用式(2)计算系统在t时段(t-1时刻至t时刻)的负荷波动值lrt：lrt＝lt-lt-1(2)c)根据步骤1)收集的待分析配电网可再生能源出力情况和风光量测数据，设定第j类研究对象在t-1时刻的最大可用出力值为利用式(3)计算第j类研究对象在t时段的功率波动值d)利用式(4)聚合系统的负荷波动值和各研究对象的功率波动值，得到反映考虑第j类研究对象时系统在不同时段的灵活性调节需求，并根据式(5)分离灵活性向上/向下调节需求。具体表达式如下：其中，表示此时配电网在t时刻的灵活性向上/向下调节需求。若此时需要上调节系统灵活性则表示需要调节灵活性资源满足系统功率缺额，反之则表示需要消纳剩余出力。e)与步骤d)类似，采用式(4-5)计算考虑配电网全部可再生能源出力资源的配电网向上/向下灵活性调节需求。上述步骤4)所述灵活性资源运行调度的概率分布和概率密度函数拟合估计，具体步骤如下：a)将步骤1)收集的评价周期内各灵活性资源运行调度数据按照步骤1)中的灵活性资源分类方法将其进行分类，如式(6)所示按时序将隶属第i类共计m个灵活性资源的运行调度数据作为描述该类灵活性资源运行特点的不同维度参数。式中，t表示待分析配电网的评价周期，表示隶属第d类的第i个灵活性资源在时段t的运行调度数据，而表示第d类灵活性资源在t时段的运行特性。b)采用kolmogorov-smirnov法或卡方法假设检验各类灵活性资源集合的概率分布情况，并求出对应累积概率密度函数，第i类灵活性资源在不同方向上的概率分布分别记为di,+(xi),di,-(xi)。其中，其中xi表示第i类灵活性资源可提供的向上或向下调节容量。上述步骤5)所述形成待分析配电网的灵活性指标体系，具体步骤如下：a)考虑到配电网灵活性主要用于衡量系统应对内外随机性的自我调节能力，将配电网灵活性分成：①功率调节能力指标，描述系统应对不同分布式电源或组合(即步骤3)所述研究对象)出力波动；②可再生能源消纳能力指标，刻画配电网在评价周期内应对网络中的净需求波动时所造成的可再生能源出力削减情况；③剩余电量指标，描述系统中的储能资源在评价周期内应急供电能力；④备用容量指标，刻画网络中灵活性资源的实时功率响应能力等四个一级指标。b)由于一级指标中的功率调节能力表示为可承受的可再生能源最大突变容量指标(acceptablerenewablemutationability，arma)指标，该指标需考虑不同研究对象应用不同灵活性资源组合进行评价，因此将其具体定义为采用第j类(j∈j)灵活性资源应对第i类(i∈i)研究对象出力波动的二级arma指标对应该类二级指标的总量为ω＝i·j。c)将一级指标中的可再生能源消纳能力指标划分为：①最小可再生能源削减量(minimumrenewablecurtailment，mrc)指标imrc，刻画可再生能源消纳电量；②可再生能源削减时间占比(timerateofrenewablecurtailment，trrc)指标itrrc，描述配电网有选择性地削减可再生能源出力的时间比重等两个二级指标。d)将一级指标中的剩余电量指标划分为：①配电网最大剩余电量(maximumstateofcharge，msc)指标imsc，表示在t时刻调节系统中的灵活性资源已满足净调节需求时，配电网中所包含的储能设备剩余电量总和；②剩余电量时间占比(timerateofstateofcharge，trsc)指标itrsc，表示配电系统中储能设备存在剩余电量的时间占比等两个二级指标。e)将一级指标中的备用容量指标定义为一定概率下灵活性资源的调节裕度不能满足系统调节需求的配电系统灵活性资源不足概率期望值(insufficientflexibleresourcesexpectation，ifre)，对应步骤3)计算的考虑配电网全部可再生能源出力资源的配电网向上/向下灵活性调节需求，将其划分为灵活性资源向上/向下调节不足概率期望值ifrei,+,ifrei,-等两个二级指标。f)形成待分析配电网的灵活性指标体系，含全类别灵活性资源的配电网灵活性评价指标体系如附图1所示。上述步骤7)所述灵活性评价指标建模，具体步骤如下：a)根据配电网运行特点和灵活性资源的实际特性，确定通用约束条件(见式(7-12))及第j类灵活性资源运行约束条件(见式(13-17))，综合构建形成配电网灵活性评价模型。需要指出的是，若某种灵活性资源被纳入至灵活性指标评估中，相应的约束条件才生效。a1)点功率平衡约束由于目标函数的影响，节点功率平衡方程应分别考虑风电节点和非风电节点。对于风光节点，功率平衡方程为：式中，pipk,qipk分别为节点k由上级电网注入的有功功率和无功功率；plk,qlk分别为节点k的有功负荷和无功负荷；分别为节点k的风光有功变化和无功变化，uk为节点k的电压；gkj,bkj,θkj分别为节点k和j之间的电导、电纳和相角差。对于非风光节点，功率平衡方程为：a2)电压运行约束式中，uk,分别为节点k的电压值及其上、下限。a3)线路约束式中，pl,分别为线路l的潮流值和限值；α为线路的柔性裕度，通常设为固定值。a4)备用约束式中，h为系统运行所需旋转备用容量。a5)风光电场功率变化约束风光电场接入电力系统时，需满足国家标准的技术规定，因此在考虑灵活性指标时，各个风光电场的最大出力变化需限制在国家标准以内。同时，考虑到目标函数方向的问题，风光电场功率变化应满足如下条件：式中，δpgb为国家标准技术规定中的风电最大功率变化值，该值与时间尺度相关，若灵活性与标准中的时间尺度不匹配，可用插值拟合确定限值。a6)灵活性资源约束条件①可中断负荷可中断负荷的出力由两个方面综合决定，一方面为合同规定的最大出力变化的限制，另一方面为用户自身的出力预期的限制。因此，可中断负荷的出力约束可描述为：max{0,pil,0-δpil,max}≤pil≤min{pil,max,pil,0+δpil,max}(13)式中，pil表示可中断负荷的出力；pil,0,pil,max分别表示可中断负荷的当前出力以及其出力的上限；δpil,max表示可中断负荷的最大出力变化限制，该限制通常由电网与用户签订的合同决定。②储能装置储能装置出力受到最大出力限制及其所储存的总能量的限制，其出力约束可以描述为：式中，ps表示储能装置的出力；ps,max表示储能装置的最大出力限制；ws,max,ws,0分别表示储能装置的存储能量的上、下限；δt表示调度储能维持平稳出力的时间间隔。③分布式电源系统式中：表示位于节点j的风电场在时段t的功率因数，分别是该电厂功率因数变化的上下限值。表示位于节点k的光伏电站在时段t的功率因数，分别为该电厂功率因数变化的上下限边界。不可控可再生能源发电将采取定功率因数控制方式，即发出有功功率、吸收无功功率等；pw,j表示第j个风电场的有功出力、pv,k表示第k个光伏电厂的有功出力、pwpre,j表示第j个风电场的最大有功出力、pvpre,k表示第k个光伏电厂的最大有功出力、qw,j表示第j个风电场的无功出力、qv,k表示第k个光伏电厂的无功出力。a7)无功设备调度约束式中：qre,s表示位于节点s的无功补偿设备投入容量，qre,smax则为所能投入无功功率限值，nre表示待分析配电网中的无功设备集合。a8)有载调压变压器(oltc)分接头调节区间约束式中：分别表示位于节点p和节点q间的配变变压器高、低压侧电压幅值。表示对应变压器的分接头系数。表示分接头的可调裕度，分别表示分接头调节档位和可调范围。b)采用k-means方法对步骤1)中收集的评价周期内待分析配电网的日负荷进行聚类，以聚类类别不超过5类且置信度高于80％为基准，形成的负荷场景聚类中心表示为lm(m∈ml)，对应概率表示为聚类总数为ml；同理，对步骤1)收集的风速及光照强度等天气数据进行聚类，形成的聚类中心分别为wp(p∈mw),vq(q∈mv)，概率对应为c)步骤5)所述一级指标arma指标建模过程如下：ⅰ.面向步骤3)研究对象集合中的第i类研究对象，以步骤1)灵活性资源分类集合中的第j类灵活性资源为例，定义arma评价模型中目标函数的物理含义为配电系统中的第j类灵活性资源所能承受的第i类研究对象出力的最大变化程度，表达式如式(18)所示：其中，表示待评价配电网中第i类研究对象囊括的第f个可再生能源发电单元的出力变化情况，且以功率向下变化为正，不小于零，ni表示第i类研究对象所包括的可再生能源发电单元总个数。ⅱ.根据步骤2)所选取的灵活性评价时间尺度过滤负荷场景数据，代入步骤7.a)的约束条件中，形成面向第i类研究对象、考虑第j类灵活性资源的arma评价模型。ⅲ.采用分支定界法求解上述模型，依次得出arma二级指标结果。d)步骤5)中可再生能源消纳能力一级指标下的最小可再生能源削减比例(minimumrenewablecurtailment，mrc)二级指标imrc的计算过程如下：ⅰ.设定该指标的评价总时长为t＝24h，定义mrc评价模型中的目标函数为配电网应对网络净需求波动时的可再生能源出力削减情况，表达式如式(19)所示：其中，nw表示所评价的配电网所包括的风电场总量，nv表示所评价的配电网所包括的光伏电站总量；pprew,i,t,pw,i,t分别表示风电场i在t时刻所具备的最大出力情况和实际出力大小，pprev,j,t,pv,j,t分别表示光伏电站j在t时刻所具备的最大出力情况和实际出力大小。ⅱ.将步骤7.b)聚类生成的负荷场景以及风速及光照强度场景，代入步骤7.a)约束条件中形成mrc评价模型。ⅲ.采用分支定界法求解上述模型，得出mrc二级指标结果。e)步骤5)中可再生能源消纳能力一级指标下的可再生能源削减时间占比(timerateofrenewablecurtailment，trrc)二级指标itrrc具体计算步骤如下：ⅰ.设定该指标的评价总时长为t＝24h，以步骤7.b)聚类得到的日风速和光照强度场景作为典型场景，用以分析配电网在对应场景下有选择性地切除风电以及光伏发电的时间占比。分别采用式(20)及式(21)并代入风速及光照强度场景，计算配电网中的风电最大出力和光伏最大出力：其中，为安装在系统节点g的风机机组容量；为风机切入风速；vrated为额定风速；为切出风速，pw、vg分别表示风机的输出有功功率和当地风速。其中，ppw,分别表示光伏电池的实际输出功率和额定功率，而rrated,rg分别表示光伏电池的额定光照强度和实际光照强度。ⅱ.根据式(22)计算针对风电的可再生能源削减时间占比(w-trrc)指标iw-trrc，其中式(23)表示步骤2)所确定时间尺度下的有效风电削减时间：其中，表示在评价总时长中产生风电削减的时段总和。ⅲ.根据式(24)计算针对光伏发电的可再生能源削减时间占比(v-trrc)指标iv-trrc，其中，式(25)表示步骤2)所确定时间尺度下的有效光伏发电削减时间：对应的，表示在评价总时长中产生光伏发电削减的时段总和。f)步骤5)中剩余电量一级指标下的配电系统最大剩余电量(maximumstateofcharge，msc)指标imsc具体计算步骤如下：ⅰ.设定该指标的评价总时长为t＝24h，定义msc评价模型中的目标函数为在t时刻调节系统资源已满足所设定的灵活性净调节需求时，配电网中所包含的储能设备剩余电量总和，具体表达式见式(26)所示：其中，nb表示配电网中所具备的储能电站总量，soci,t表示配电网中储能电站i在t时刻的剩余电量情况。ⅱ.将步骤7.b)聚类生成的负荷场景代入步骤7.a)约束条件中形成msc评价模型。ⅲ.采用分支定界法求解上述模型，得出msc二级指标结果。g)步骤5)中剩余电量一级指标下的配电网剩余电量时间占比(timerateofstateofcharge，trsc)指标itrsc具体计算步骤如下：ⅰ.设定该指标的评价总时长为t＝24h，以步骤7.b)聚类得到的配电网总负荷场景作为典型场景，用以分析时间层面上配电网应对二次不确定性的灵活性调节能力。ⅱ.根据式(27)计算剩余电量时间占比(timerateofstateofcharge，trsc)指标itrsc，其中式(28)表示步骤2)所确定时间尺度下的有效剩余电量时间：其中，表示在评价总时长中系统剩余电量超过最低剩余电量要求的时间总和，socimin表示储能电站i为避免过度放电所要求具备的最低剩余电量，nb表示待分析配电网中的储能设备集合。soci,t表示储能电站i在时段t时的荷电状态。h)步骤5)中备用容量一级指标下的配电系统灵活性资源不足概率期望(insufficientflexibleresourcesexpectation，ifre)指标iifre具体计算步骤如下：ⅰ.设定该指标的评价总时长为t＝24h，将步骤7.b)聚合的负荷场景按照步骤2)确定的时间尺度进行过滤筛选，并采用步骤3)方法分离正向/负向的灵活性的日调节需求。ⅱ.对步骤1)收集的灵活性资源运行调度数据进行统计分析，得出该系统调配各类灵活性资源的相关性特征，即得出相关性矩阵r。ⅲ.基于灵活性资源运行调度的相关性矩阵r以及各类灵活性资源的概率分布函数di(xi)(i∈i)，应用蒙特卡洛(montecarlo)方法模拟该配电系统在t时段的各类灵活性资源出力情况，即待分析配电网在t时段的蒙特卡洛模拟结果pt如式(29)所示，蒙特卡洛模拟次数不低于500次：其中：nf为系统中所具备的灵活性资源总量。显然，当此时配电系统灵活性资源的总出力足以满足系统的净负荷要求时，则此时系统运行具备所需求的灵活性裕度；反之，则称系统运行不具备灵活性。ⅳ.记m次蒙特卡洛模拟得到的能够满足系统运行灵活性要求的出力情况集合为mfit,t,+/-。根据式(30)计算得出配电系统在t时段所具备的灵活性不足指标为：ⅴ.利用式(31)及式(32)分别计算配电网在向上/向下方向上的灵活性资源不足概率期望值为：i)所提出的配电网灵活性评价二级指标的基本建模求解方法见附图2所示。上述步骤8)所述为待分析配电网的灵活性指标体系中的二级指标赋权和评价结果计算，具体步骤如下：a)构建评价指标的特征值矩阵。对于n个灵活性评价二级指标和1个待评价对象，如式(33)所示指标的特征数据矩阵可表示为：x＝(x11x12…x1n)(33)其中，x1j是第1个评价对象第j项指标的特征值。b)为了避免运算数据无意义，采用式(34)将某些特征值取正：c)计算第j项指标下，采用式(35)计算第1个评价对象指标特征值x1j所占的比重，得到如式(36)所示权重矩阵。p＝(p11p12…p1n)(36)d)采用式(37)计算第j项指标的熵值ej。ej＝-p1jlnp1j(j＝1,2,…,n)(37)e)采用式(38)计算表征指标j相对重要性的熵值ej，并进行归一化处理。当所有指标p1j相等时，熵值最大，为lnp。f)利用式(39)计算第j项指标的差异系数。若指标熵值ej越小，指标的变异程度越大，反之，指标熵值ej越大，指标的变异程度越小。gj＝1-ej(j＝1,2,…,n)(39)g)采用式(40)计算第j项指标的权重。h)代入步骤7)得到的二级指标结果和对应权重，利用式(41)计算得出在评价周期内的配电网灵活性。评价结果iflex数值越大，则表示配电网在评价周期内的灵活性越优。实施例下面结合附图3对本发明的实施例作详细说明：本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和过程，但本发明的保护范围不限于下述的实施例。本实施例用于对一个具备1个风电场、1个光伏电站并配备可中断负荷的33节点配电网在1年内的运行状态进行灵活性评价。其中，该配电网中节点3与节点6安装中压变电站，向外表现为上级电网馈入节点；风电场位于节点22位置，光伏电站位于节点33位置；节点8、25、32具备可中断负荷。具体配电网接线图如图4所示。本实施例包括：评价周期内的配电网结构组成参数及运行数据采集，配电网灵活性资源分类及运行调度概率分布拟合，灵活性评价的时间尺度决策，灵活性研究对象分类及灵活性调节需求双向计算，配电网灵活性评价双层指标体系构建及求解，采用熵权法为指标体系中的二级指标赋权，计算配电网在评价周期内的灵活性评价结果。其中：所述配电网灵活性资源分类及运行调度概率分布拟合，以上述33节点配电网为例，计算过程如下：根据前述灵活性资源分类方式，将该33节点配电网中的灵活性资源分为如下两类：①供给侧：风电场及光伏电站；②需求侧：可中断负荷。对于供给侧资源，风电场安装有10台额定容量为850kw风力发电机，总额定容量为8.5mw，各台风机的额定切入风速为3.5m/s、切除风速为25m/s。光伏电站安装有5000块额定容量为0.270kw的光伏太阳能组件形成若干光伏阵列，总额定容量为1.35mw，各光伏阵列的额定辐照强度为1kw/m2。应用spss数据挖掘软件对风电场在1年内的日调度出力值进行kolmogorov-smirnov检验，结果如下表所示。表1风电调度出力概率分布检验结果从表中可以看出，k-s检验的显著性水平普遍在5％以下，表明拒绝原假设，该风电场的日内每小时有功调度出力均满足正态分布。根据统计得出的均值和标准差，可以代入下式中形成对应概率密度函数对应分布情况记为其中，μw,t,σw,t分别表示t时刻风电场出力的均值和标准差，表示t时刻风电场实际出力值。通过对光伏电站出力数据进行分析，可明显看出受太阳光照影响，光伏电站的日产能时间主要在6:00-18:00。因此对光伏电站在1年内上述时段的日调度出力值进行卡方分布检验，结果如下表所示：表2光伏调度出力概率分布检验结果从表中可以看出，检验的显著性水平在5％以下，即该光伏电站的日内每小时有功调度出力均满足卡方分布。根据统计得出的均值和标准差，可以代入下式中形成对应概率密度函数对应分布情况记为式中，γ表示伽马函数、kt为自由度、表示光伏电站在时段t的有功出力调度值。因此，对于供给侧资源，结合风电场与光伏电站运行调度情况，该类灵活性资源的二维概率密度函数可表示为对于需求侧资源，配电网中可中断负荷的日内不同时刻的最大可调用容量如图5所示。同理，对位于各节点的可中断负荷在1年内的调度情况进行统计分析，可以看出在每日固定时段(11:00-13:00以及18:00-21:00)可中断负荷将被调用以平抑用电高峰。对上述时段内的可中断负荷运行数据进行非参数检验，结果表明在低于显著性水平5％以下时，各节点可中断负荷的日内每小时调度数据基本满足正态分布，记为概率密度函数记为所述评价的时间尺度决策，对于本实施例配电网，由于电网公司拥有该配电网内全部的可再生能源发电资源，并事先与参与可中断负荷的工业负荷签订了可调度合同。由此，电网调度部门可通过直接控制的手段在较短时间内对网内灵活性资源实现调节。因此在选择灵活性评价的时间尺度时，选择第二级15min级时间尺度。所述灵活性研究对象分类及灵活性调节需求双向计算，具体过程如下：待分析配电网中具备两个可再生能源发电单元，其一为位于节点22的中等规模风电场，另一个则是位于节点33处的光伏电站。由于二者在网内相距较远且发电能源类别互异，因此将其划分为两类研究对象。即研究对象一为风电场，研究对象二表示光伏电站。采用k-means聚类法分别对风电场及光伏电站在1年内的日运行数据进行聚类分析，对应聚类结果分别如下：表3风电出力典型场景及概率场景编号1234聚类中心(日期)12585176279场景概率0.5830.1670.1670.083表4光伏出力典型场景及概率场景编号12345聚类中心14626616912674场景概率0.2850.2710.4360.0050.003根据所选取的评价时间尺度，筛选并依次计算两研究对象的双向灵活性调节需求。组合各研究对象的灵活性调节需求，得到系统在不同运行场景下(组合共计20个运行场景)的灵活性调节需求。所述配电网灵活性评价双层评价指标体系构建及求解，具体步骤如下：由于本实施例所分析的配电网中具备两类灵活性资源和两类研究对象，且不配备储能电站。因此，可构成如图6双层评价指标体系。在求解调节能力一级指标下的面向研究对象一供给侧灵活性资源所具备的的可承受可再生能源最大突变容量(arma)指标时，由于供给侧灵活性资源中的风电场是此时造成运行不确定性的研究对象，因此在衡量供给侧灵活性资源对于网内不确定因素的响应调节能力时，只需考虑光伏电站对于风电场出力间歇所能承受的最大突变容量即可。剩余arma指标的求解方式以此类推，依次代入灵活性资源的运行特性与对应研究对象参数构建评价模型。其中，33节点配电网线路参数参照ieee标准，节点电压标幺值的运行范围均为[0.95,1.05]，线路柔性裕度α参数为1.1，系统运行备用容量h设定为网络在1年内峰值负荷的3％，依据国家技术标准设定的风电最大功率变化值δpgb为0.5mw，系统计算的容量基准值为1mw，基准电压等级为12.66kv。在建模求解评价指标时，首先需要对评价周期内日负荷情况进行场景提取。为简化计算求解过程，本实施例仅采用一组节点日负荷数据进行计算，即该场景对应概率为1。为了准确衡量配电网运行过程中的可再生能源消纳情况，需要对待评价配电网所在区域的风速和辐照强度情况进行具体分析，根据前述风光出力提取情况，查阅并记录当地对应日期的环境数据，并根据风电和光伏最大出力计算公式，代入额定参数进行计算，求得风电场和光伏电站的最大出力分别记为其中m与n分别表示风光调度运行场景编号。在利用蒙特卡洛法基于概率密度函数对灵活性资源的调度情况进行运行模拟时，将系统中的可再生能源发电系统作为研究对象处理，即无需对其运行情况进行抽样，只需判断剩余灵活性资源的运行状态能否满足系统功率平衡即可。本次抽样次数为500次。通过依次建模求解各二级指标，对应计算结果如下所示：①归一化可承受可再生能源最大突变容量二级指标为：供给侧arma指标：需求侧arma指标：②最小可再生能源削减比例imrc二级指标为：imrc＝0.011③可再生能源削减时间占比itrrc二级指标为：iw-trrc＝0.105iv-trrc＝0.083④灵活性资源不足概率期望iifre二级指标为：iifre,+＝0.201iifre,-＝0.327所述采用熵权法为指标体系中的二级指标赋权，具体过程如下：将所求得的9个灵活性二级指标作数据标准化处理，结果如下表所示：表5二级指标标准化结果将标准后处理后的指标数据代入信息熵求解公式，求解对应信息熵结果和对应权重结果如下：表6二级指标信息熵及对应权重因此，可求得该配电网在1年评价周期内的运行灵活性结果如下，灵活性评价区间为[0,1]。由求得的实施例配电网灵活性评价计算结果可知，该网络在评价周期内的灵活性较低，主要原因在于：①该地区灵活性资源较少，可调节资源容量不足；②由于调度可中断负荷所需成本过高，因此在实际运行时鲜少实现对其灵活调度，对网络内灵活性资源的运行控制策略较单一。因此，为提高配电网可再生能源发电占比、满足未来接入高比例可再生能源发电系统的需要，该配电网需要在未来增加灵活性资源配置容量并根据网络需求对其采用更经济有效的运行控制方式。当前第1页12当前第1页12