一种涉及新能源并网的多场景输电网扩展规划方法与流程

本发明涉及输电网规划领域，特别是涉及一种涉及新能源并网的多场景输电网扩展规划方法。

背景技术：

风电场等新能源建设规模日益扩大、风电光伏穿透功率逐渐增长的背景下，电网出现接纳能力不足的问题。新能源规模扩大将导致大量电源投资的浪费，新能源不确定性、电网结构、负荷特性及扩展规划不协调势必对电网规划方案的经济性和安全性造成影响。

传统的电网规划方法以确定性方法，考虑最恶劣场景下的电网规划，而新能源能源并网导致波动增大，最恶劣场景出现概率低、持续时间短且会导致电网规模增加，利用率不足，提高了消纳成本。本发明旨在寻求一种在满足系统安全稳定运行条件下，计及新能源不确定性的输电网扩展规划模型，实现电网经济安全规划。

技术实现要素：

本发明的一个目的是要提供一种涉及新能源并网的多场景输电网扩展规划方法，简化计算，提高规划模型的精确程度和合理性。

一种涉及新能源并网的多场景输电网扩展规划方法，包括：

s1：建立以待并网的新能源发电站为数据来源的风机出力模型和负荷模型，所述风机出力模型和所述负荷模型均是确定性模型；

s2：通过场景聚类技术，模拟所述风机出力模型和负荷模型在输电网仿真系统中以规划年为时间跨度的运行场景，以得到符合新能源并网要求的多个典型运行方式；

s3：在每一个典型运行方式下，建立对应的以扩增线路成本最小和系统年运行网损最小为目标的初始输电网扩展规划模型；

s4：通过差分进化算法求解s3中对应多个典型运行方式的多个初始输电网扩展规划模型，以得到一组扩增线路成本最小和网损最小的规划方案集合；

s5：利用层次分析法，筛选得到最优输电网扩展规划方案。

优选的，步骤s1还包括：利用概率分布对新能源发电站的数据进行拟合，以将新能源发电站的风机出力和负荷的不确定性模型转化为确定性模型。

优选的，利用概率分布对新能源发电站的数据进行拟合的步骤，所述数据包括风速实测数据和负荷数据，步骤包括：

s101：根据现场实测风速的历史数据，采用最小二乘法建立服从2参数的weibull分布风速模型，其概率密度：

其中，v表示风速；c表示weibull分布的尺度参数；k表示weibull分布的形状参数；

s102：当风电机组处于运行状态时，输出功率与风速的功率特性曲线：

其中，vci表示风电机组的切入风速；vr表示额定风速；vco表示切出风速；pr表示风电机组的额定功率；f(v)表示风速在vci和vco之间时，风电机组风速与风电功率之间的函数关系；

s103：统计负荷的变动情况，采用正态分布n(μl,σl)进行描述负荷的随机分布，其概率密度分布：

其中，μl表示负荷的预测均值；σl表示负荷标准差；f(x)表示负荷有功分布。

优选的，步骤s2中场景聚类技术的筛选方式为，使用k均值聚类法进行场景缩减，包括：

s201：模拟系统规划年每小时的运行情况，所述时间跨度为全年8760小时，得到一个含有8760个运行场景的多维空间v：

其中，wwinf`i表示场景i的风电场出力；ploadi表示场景i的负荷水平；ti表示场景i的持续时间；

s202：对各维度进行等分操作，得到多个多维子空间：

vr＝span{piload，wjwin1}；i，j＝1，2，3，...，n(5)

其中，piload表示总负荷维度上的第i个区间；wkwin表示风电场维度上的第j个子区间；

s203：定义多维子空间vr的中心点：

其中，总负荷的随机分布区间为[pmin，pmax]；风电场出力分布区间[winmin，winmax]；

s204：从s0中取前n+1列元素组成数组s1，其每行对应空间v中的一个点s1，r，计算每个点与中心点mr的欧式距离：

其中，s1，r＝[ploadi，wwini]；

s205：将s1，r分配到距离最近中心点所在的子空间vr中；

s206：重复步骤b4和b5，完成点s1，r(r＝1，2，…，8760)的分配，统计vr中元素的个数tr，则定义r场景持续时间为tr，最终通过场景聚类缩减，缩减为r个可以代表系统全年运行情况的典型运行场景。

优选的，步骤s3中，在满足功率的输送要求和系统的安全稳定运行条件下，以扩增线路成本最小和系统年运行网损最小为目标，建立初始输电网扩展规划模型：

其中，ω表示备选扩增线路的集合；ln表示备选扩增线路条数；li表示第i条备选线路扩增时的长度；ci表示第i条线路的平均造价(万元/km)；ki表示整数0或者1，0表示第i条线路不进行扩增建设；1表示第i条线路扩增一回；pijloss表示运行场景i中线路j的网损功率；rj表示线路j的电阻；ti表示场景i的持续时间；uij取值为1；cosφ取值为0.95。

本发明的计及不确定性的概率多场景输电网扩展规划方法，能够获得以下有益技术效果：将风电和负荷的不确定性模型转化为确定型模型，简化计算，解决概率规划模型计算量大、难以求解的问题；通过多场景聚类化简技术不仅能减少运行场景数量，也能模拟系统原运行情况，有利于规划模型和规划方案的精确性。

根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：

图1为计及不确定性的概率多场景输电网扩展规划的流程图；

图2为多维空间聚类操作流程图。

图3为多维空间的聚类操作示意图。

图4为输电网扩展规划方案示意图，图中实线表示原有线路，虚线表示扩增线路。

具体实施方式

如图1所示的计及不确定性的概率多场景输电网扩展规划的流程图，本发明涉及新能源并网的多场景输电网扩展规划方法，建立在新能源发电站的风速、风力、负荷数据上，需要对不确定的数据进行确定性模型的转化。

s1：建立以待并网的新能源发电站为数据来源的风机出力模型和负荷模型，所述风机出力模型和所述负荷模型均是确定性模型。步骤s1还包括：利用概率分布对新能源发电站的数据进行拟合，以将新能源发电站的风机出力和负荷的不确定性模型转化为确定性模型。

具体的拟合方法为下面s101到s103的步骤。利用概率分布对新能源发电站的数据进行拟合的步骤，所述数据包括风速实测数据和负荷数据，步骤包括：

s101：根据现场实测风速的历史数据，采用最小二乘法建立服从2参数的weibull分布风速模型，其概率密度：

其中，v表示风速；c表示weibull分布的尺度参数；k表示weibull分布的形状参数；

s102：当风电机组处于运行状态时，输出功率与风速的功率特性曲线：

其中，vci表示风电机组的切入风速；vr表示额定风速；vco表示切出风速；pr表示风电机组的额定功率；f(v)表示风速在vci和vco之间时，风电机组风速与风电功率之间的函数关系；

s103：统计负荷的变动情况，采用正态分布n(μl，σl)进行描述负荷的随机分布，其概率密度分布：

其中，μl表示负荷的预测均值；σl表示负荷标准差；f(x)表示负荷有功分布。

在得到风机出力模型和负荷模型均的确定性模型后，需要基于这些模型来筛选并网后的输电网和发电站运行方式。因此，以全年8760小时为一个规划年，对大量的场景进行筛选。其中，场景聚类是用少量代表性的场景达到数倍甚至数十倍场景的效果，以提升计算效率。

s2：通过场景聚类技术，模拟所述风机出力模型和负荷模型在输电网仿真系统中以规划年为时间跨度的运行场景，以得到符合新能源并网要求的多个典型运行方式。步骤s2中场景聚类技术的筛选方式为，使用k均值聚类法进行场景缩减，如图2所示的多维空间聚类操作流程图，缩减计算包括下面s201到s206的步骤。

s201：模拟系统规划年每小时的运行情况，所述时间跨度为全年8760小时，得到一个含有8760个运行场景的多维空间v：

其中，wwinf`i表示场景i的风电场出力；ploadi表示场景i的负荷水平；ti表示场景i的持续时间；

s202：对各维度进行等分操作，得到多个多维子空间：

vr＝span{piload，wjwin1}；i，j＝1，2，3，...，n(5)

其中，piload表示总负荷维度上的第i个区间；wkwin表示风电场维度上的第j个子区间；

s203：定义多维子空间vr的中心点：

其中，总负荷的随机分布区间为[pmin，pmax]；风电场出力分布区间[winmin，winmax]；

s204：从s0中取前n+1列元素组成数组s1，其每行对应空间v中的一个点s1，r，计算每个点与中心点mr的欧式距离：

其中，s1，r＝[ploadi，wwini]；

s205：将s1，r分配到距离最近中心点所在的子空间vr中；

s206：重复步骤b4和b5，完成点s1，r(r＝1，2，…，8760)的分配，统计vr中元素的个数tr，则定义r场景持续时间为tr，最终通过场景聚类缩减，缩减为r个可以代表系统全年运行情况的典型运行场景。

因此，经过s2，模拟所述风机出力模型和负荷模型在输电网仿真系统中以规划年为时间跨度的运行场景，可以得到符合新能源并网要求的r个典型运行方式。根据步骤s2，如图3所示的多维空间的聚类操作示意图，若某一个子空间中没有任一元素与之匹配，则此子空间被删除，减小子空间数目，最终得到的运行场景集合s^＊所含的运行场景数目将小于nn+1。经过聚类计算，用于规划模型求解计算的第r个运行场景sr^＊不仅考虑了水平年规划中的不确定性因素和运行场景的随机分布特性，运行场景数目也大量减少，减少了规划模型优化计算时的计算量。

s3：在每一个典型运行方式下，建立对应的以扩增线路成本最小和系统年运行网损最小为目标的初始输电网扩展规划模型。步骤s3中，在满足功率的输送要求和系统的安全稳定运行条件下，以扩增线路成本最小和系统年运行网损最小为目标，建立初始输电网扩展规划模型：

其中，ω表示备选扩增线路的集合；ln表示备选扩增线路条数；li表示第i条备选线路扩增时的长度；ci表示第i条线路的平均造价(万元/km)；ki表示整数0或者1，0表示第i条线路不进行扩增建设；1表示第i条线路扩增一回；pijloss表示运行场景i中线路j的网损功率；rj表示线路j的电阻；ti表示场景i的持续时间；uij取值为1；cosφ取值为0.95。

然后基于s3得到的多个初始输电网扩展规划模型，通过差分进化算法和层次分析法继续筛选，最终得到扩增线路成本最小和网损最小的最优输电网扩展规划方案。

s4：通过差分进化算法求解s3中对应多个典型运行方式的多个初始输电网扩展规划模型，以得到一组扩增线路成本最小和网损最小的规划方案集合；

s5：利用层次分析法，筛选得到最优输电网扩展规划方案。

本发明中给出了一种计及不确定性的概率多场景输电网扩展规划方法，并利用ieee30标准算例进行了仿真验证，表格1中的方案1为采用传统输电网规划方法得到的规划方案(即适应电力系统最大方式和最小方式的电网规划方案)，方案2为采用本发明计及不确定性的概率多场景输电网扩展规划模型得到的规划方案。如图4所示，本发明通过场景聚类技术将8760个运行场景缩减至144个典型运行方式的运行场景子集，通过差分进化算法寻优，得出一组扩增线路成本和网损最小的规划方案集合，并从利用层次分析法评价，选择出最优输电网扩展规划方案。

为了清楚的说明本专利提出的规划方案的优势，表1显示了最优方案和传统规划方法所的方案对比结果：

表1线路扩增方案对比

结果表明，在满足系统安全稳定运行条件下，方案1考虑最恶劣情况进行输电网扩展规划，扩增输电网线路冗余，方案2考虑新能源不确定性并考虑概率场景、运行策略和适度弃风进行输电网扩展规划方法，保证系统安全稳定运行的同时，提高规划模型的精确程度和合理性。

至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。