配电网供电能力分析系统、方法及计算机可读存储介质与流程

本发明涉及配电网领域，特别涉及一种配电网供电能力分析系统、方法及计算机可读存储介质。
背景技术：
：配电网作为电力系统的主要负荷中心，其作用是将输电网传输过来的功率以优质电能的形式提供给终端用户。随着经济的快速发展，地区用电负荷将继续不断攀升，例如，2016年7月11日，北京地区电网最大负荷达到1936.9万千瓦，突破历史最大负荷1856.6万千瓦，增长率达到4.3％；而相较于电力系统发电和输电环节，配电网的投资建设往往滞后于负荷的增长，造成城市配电网设备陈旧、网架结构薄弱以及供电可靠性差等不良后果，致使许多配电网络处在供电瓶颈状态，时刻威胁着电网的安全稳定运行，从而制约了当地投资环境和经济效益的提升。近年来，随着全球环境污染程度的逐渐恶化以及能源危机的不断加重，分布式光伏风电因其绿色环保、发电方式更加灵活，得到空前的发展。分布式光伏风电接入配电网虽然有效的提升了配电网的负荷供应能力，从而一定程度上缓解了配电网供电压力；但是分布式电源的随机性却对配电网造成了不确定性影响：(1)配电网中光伏风电的配置合理与否，直接影响系统的网损水平以及电压水平，从而间接影响供电能力评估模型的约束条件。(2)分布式电源的接入可能会改变系统中潮流的方向，从而增加线路的功率分点，影响潮流收敛性和误差以及继电保护转置的配置。(3)给配电网实际负荷预测造成较大误差，考虑分布式电源随机性后依据的是典型日负荷曲线扣除分布式电源出力后的净负荷曲线。为此，需要一种精准的配电网供电能力分析系统，能够得到更为精准的配电网供电能力，利于对配电网的供电调控。技术实现要素：有鉴于此，本发明的目的在于提供一种配电网供电能力分析系统、方法及计算机可读存储介质，得到精准的配电网的最大供电能力，有效保证后续供电质量和供电可靠性、提升网络运行的安全性和经济性。其具体方案如下：一种配电网供电能力分析系统，包括：半不变量计算模块，用于利用预先建立的风电概率密度函数、光伏概率密度函数、负荷不确定性表征模型、负荷经验分布函数和原点矩与半不变量的关系，得到固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的各阶半不变量；其中，所述风电概率密度函数为利用风机的额定风速、额定转矩、切入风速、切出风速和输出功率，建立的风电厂有功功率的概率密度函数；所述光伏概率密度函数为利用光伏发电机的光照强度的最大值和实际值，建立的光伏发电有功功率的概率密度函数；所述负荷不确定性表征模型为满足正态分布的固定负荷、分布式储能负荷和电动汽车负荷的不确定性表征模型；所述负荷经验分布函数为分布函数未知的固定负荷、分布式储能负荷和电动汽车负荷的不确定性表征函数；概率分布计算模块，用于利用固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的各阶半不变量，得到固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的概率分布；供电能力计算模块，用于利用评估模型和固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的概率分布，得到所述配电网的最大供电能力；其中，所述评估模型为利用节点电压和支路功率建立以配电网的最大供电能力为目标的模型。可选的，所述风电概率密度函数为：式中，v表示当前的风速，vr表示风机的额定风速，单位m/s，pr表示风机的额定转矩，单位n·m，vci、vco表示风机的切入和切出风速，单位m/s，系数a和b满足a＝pr/(vr-vci)，b＝pr·vci/(vci-vr)，f(pwind)表示风电厂有功功率的概率密度函数，pwind表示风机的输出功率，单位mw，c表示威布尔分布的尺度参数，k表示威布尔分布的形状参数，mr表示威布尔分布的r阶原点矩，m表示0～r的自然数，γ()表示gamma函数。可选的，所述光伏概率密度函数为：式中，f(ppv)表示光伏发电有功功率的概率密度函数，ppv和pmax分别表示该时段内光照强度的实际值和最大值，γ和β分别表示贝塔分布的两个形状参数，μ和σ分别表示该时段内光照强度实际值与最大值比值的期望值和标准差。可选的，所述负荷不确定性表征模型为：式中，f(x)表示负荷的概率密度函数，x表示输入变量组成的列向量。可选的，所述负荷经验分布函数为：式中，u表示分布函数的值，x为单个历史数据值，n表示历史数据的数量。可选的，所述评估模型为：其中，tsc0表示传统最大供电能力，tsc表示所述评估模型的最大供电能力，n表示系统节点总数，pimax表示节点i的最大负荷，p(sijmax)及p(uimin)分别表示全概率公式求得的累计概率分布函数中sijmax和uimin对应的概率值，ui表示节点i的电压，uimax和uimin分别表示节点i的电压的上、下限，sij表示支路i-j的功率，sijmax和sijmin分别表示支路i-j的功率的上、下限。可选的，所述原点矩与半不变量的关系式为：式中，αr为r阶原点矩，kr为r阶半不变量，为二项式系数，随着s和r的变化而变化。可选的，所述概率分布计算模块，包括：潮流计算单元，用于利用固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的各阶半不变量，得到配电网各支路有功潮流的各阶半不变量；概率计算单元，用于对所述配电网各支路有功潮流的各阶半不变量，进行cornish-fisher级数展开，得到所述配电网各支路有功潮流的概率分布；其中，概率分布表达式为：本发明还公开了一种配电网供电能力分析方法，包括：利用风电概率密度函数、光伏概率密度函数、负荷不确定性表征模型、负荷经验分布函数和原点矩与半不变量的关系，得到固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的各阶半不变量；其中，所述风电概率密度函数为利用风机的额定风速、额定转矩、切入风速、切出风速和输出功率，建立的风电厂有功功率的概率密度函数；所述光伏概率密度函数为利用光伏发电机的光照强度的最大值和实际值，建立的光伏发电有功功率的概率密度函数；所述负荷不确定性表征模型为满足正态分布的固定负荷、分布式储能负荷和电动汽车负荷的不确定性表征模型；所述负荷经验分布函数为分布函数未知的固定负荷、分布式储能负荷和电动汽车负荷的不确定性表征函数；利用固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的各阶半不变量，得到固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的概率分布；利用评估模型和固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的概率分布，得到所述配电网的最大供电能力；其中，所述评估模型为利用节点电压和支路功率建立以配电网的最大供电能力为目标的模型。本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的配电网供电能力分析方法。本发明中，配电网供电能力分析系统，包括：半不变量计算模块，用于利用预先建立的风电概率密度函数、光伏概率密度函数、负荷不确定性表征模型、负荷经验分布函数和原点矩与半不变量的关系，得到固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的各阶半不变量；其中，所述风电概率密度函数为利用风机的额定风速、额定转矩、切入风速、切出风速和输出功率，建立的风电厂有功功率的概率密度函数；所述光伏概率密度函数为利用光伏发电机的光照强度的最大值和实际值，建立的光伏发电有功功率的概率密度函数；所述负荷不确定性表征模型为满足正态分布的固定负荷、分布式储能负荷和电动汽车负荷的不确定性表征模型；所述负荷经验分布函数为分布函数未知的固定负荷、分布式储能负荷和电动汽车负荷的不确定性表征函数；概率分布计算模块，用于利用固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的各阶半不变量，得到固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的概率分布；供电能力计算模块，用于利用评估模型和固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的概率分布，得到所述配电网的最大供电能力；其中，所述评估模型为利用节点电压和支路功率建立以配电网的最大供电能力为目标的模型。本发明建立电源侧光伏和风电的出力不确定性表征模型，同时对负荷侧固定负荷、分布式储能负荷和电动汽车负荷按照类别分类建立不确定性表征模型，再建立配电网供电能力评估模型，结合分布式电源接入以及不同负荷对配电网供电能力的影响，得到更为精准配电网的最大供电能力，综合考虑了分布式光伏风电接入配电网后的随机特性，建立准确、有效的配电网供电能力评估体系，有效保证后续供电质量和供电可靠性、提升网络运行的安全性和经济性。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，还可以根据提供的附图获得其他的附图。图1为本发明实施例公开的一种配电网供电能力分析系统结构示意图；图2为本发明实施例公开的一种ieee节点系统结构示意图；图3为本发明实施例公开的一种配电网供电能力分析方法流程示意图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本发明实施例公开了一种配电网供电能力分析系统，参见图1所示，该方法包括：具体的，由于配电网中风电和光电作为分布式发电电源，其发电量与当前环境状态有着直接影响，容易受到当前环境的影响，电源出力长期处于一种不确定的状态，为预测分布式电源的出力，分析分布式电源出力的不确定性因素，可以将分布式风电厂的有功功率视为因受多种随机事件影响而产生的概率性结果，所以可以基于概率密度函数建立电源侧风电厂的出力不确定性表征模型。具体的，利用风电厂中每个风机的额定风速、额定转矩、切入风速、切出风速和输出功率，可以建立风电厂有功功率的风电概率密度函数；其中，风电概率密度函数为：式中，v表示当前的风速，vr表示风机的额定风速，单位m/s，pr表示风机的额定转矩，单位n·m，vci、vco表示风机的切入和切出风速，单位m/s，系数a和b满足a＝pr/(vr-vci)，b＝pr·vci/(vci-vr)，f(pwind)表示风电厂有功功率的概率密度函数，pwind表示风机的输出功率，单位mw，c表示威布尔分布的尺度参数，k表示威布尔分布的形状参数，mr表示威布尔分布的r阶原点矩，m表示0～r的自然数，γ()表示gamma函数。其中，建立风电厂有功功率的风电概率密度函数的同时得到的mr威布尔分布的r阶原点矩，能够根据原点矩与半不变量的关系求出半不变量，为后续求解配电网供电能力做铺垫。具体的，由于光伏发电相较于风电的不可控因素相对较少，太阳的运动轨迹可以预测，且不同于风力，光伏发电不容易受到细小环境变化而导致发电量大幅变化，相对于风电更为稳定，因此，为了能够统计分布式光伏发电站的发电量，利用光伏发电机的光照强度的最大值和实际值，基于贝塔分布，建立精准度更高的光伏发电有功功率的光伏概率密度函数；其中，光伏概率密度函数为：式中，f(ppv)表示光伏发电有功功率的概率密度函数，ppv和pmax分别表示该时段内光照强度的实际值和最大值，γ和β分别表示贝塔分布的两个形状参数，μ和σ分别表示该时段内光照强度实际值与最大值比值的期望值和标准差。具体的，由于电厂不宜设置大量的能源存储装置，为避免能源浪费，同时为确保出力足够负荷使用，所以电厂出力需要尽可能贴近负荷需求，其它发电方式诸如火力发电、水力发电和核能发电，电厂一旦运转，不易根据负荷使用情况进行变更，而分布式发电设备相较而言发电量容易调整，可以通过调整入网设备数量，调节出力，能够起到对电网发电量的调节作用，所以分布式电源侧的发电量与负荷之间具有一定关系，为此，需要分析负荷使用情况，以便进一步制定发电量。具体的，对满足正态分布的固定负荷、分布式储能负荷和电动汽车负荷，建立负荷不确定性表征模型；其中，负荷不确定性表征模型为：式中，f(x)表示负荷的概率密度函数，x表示输入变量组成的列向量。可以理解的是，输入变量为各负荷。具体的，由于负荷种类繁多，且部分负荷不容易总结出规律，但电力系统能够准确记载这些负荷的使用时间和使用电量等信息，因此，对不满足正态分布的固定负荷、分布式储能负荷和电动汽车负荷，基于大量样本数据，建立负荷经验分布函数，以准确描述分布函数未知的负荷的使用情况。具体的，负荷经验分布函数为：式中，u表示分布函数的值，x为单个历史数据值，n表示历史数据的数量。可以理解的是，通过将不同类型的负荷分类讨论，使用不同的函数式进行表达，提高了对于负荷分析的准确度。具体的，利用节点电压和支路功率建立以配电网的最大供电能力为目标的评估模型为：约束条件：其中，tsc0表示传统最大供电能力，tsc表示评估模型的最大供电能力，n表示系统节点总数，pimax表示节点i的最大负荷，p(sijmax)及p(uimin)分别表示全概率公式求得的累计概率分布函数中sijmax和uimin对应的概率值，ui表示节点i的电压，uimax和uimin分别表示节点i的电压的上、下限，sij表示支路i-j的功率，sijmax和sijmin分别表示支路i-j的功率的上、下限。其中，tsc0为在确定性潮流下求配电网的传统最大供电能力。半不变量计算模块1，用于利用风电概率密度函数、光伏概率密度函数、负荷不确定性表征模型、负荷经验分布函数和原点矩与半不变量的关系，得到固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的各阶半不变量。具体的，可以基于拉丁超立方采样技术，结合原点矩与半不变量的关系，计算各负荷及分布式光伏发电厂和分布式风电厂的各阶半不变量；其中，原点矩与半不变量的关系式为：式中，αr为r阶原点矩，kr为r阶半不变量，为二项式系数，随着s和r的变化而变化，s表示0到r阶中的任一阶数。具体的，利用原点矩与半不变量的关系式分别与上述风电概率密度函数、光伏概率密度函数、负荷不确定性表征模型和负荷经验分布函数各式相互计算，得到各负荷及分布式光伏发电厂和分布式风电厂的各阶半不变量。例如，负荷不确定性表征模型根据原点矩与半不变量关系，此处的一阶半不变量的值就是变量的期望值，二阶半不变量为方差，三阶及以上为零。同理可以结合光伏以及风机的概率模型求解出各阶半不变量。概率分布计算模块2，用于利用固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的各阶半不变量，得到固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的概率分布。具体的，概率分布计算模块2，可以具体包括潮流计算单元和概率计算单元；其中，潮流计算单元，用于利用固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的各阶半不变量，得到配电网各支路有功潮流的各阶半不变量；概率计算单元，用于对配电网各支路有功潮流的各阶半不变量，进行cornish-fisher级数展开，得到配电网各支路有功潮流的概率分布；其中，概率分布表达式为：式中，z(α)代表概率分布，α为待求输出变量z的分数位，ξ(α)为标准正态分布的概率密度函数，kz,3为变量z的3阶半不变量。供电能力计算模块3，用于利用评估模型和固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的概率分布，得到配电网的最大供电能力。具体的，将通过cornish-fisher级数展开，得到的固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的概率分布，代回评估模型中，进而求得配电网的最大供电能力。具体的，cornish-fisher级数在拟合非正态分布变量的概率分布时具有较好的收敛性和更高的精度。例如，选用改进的ieee14节点系统(ieee，instituteofelectricalandelectronicsengineers，电气和电子工程师协会)为算例进行供电能力评估。考虑到配电网在正常情况下一般开环运行，本文移除了14、15、16这3条支路，使系统成为14节点13条支路的单电源辐射型网络，其结构如图2所示。图2中节点1为平衡节点，其余为负荷节点，系统基准容量为100mv·a，基准电压为23kv。线路功率上限取其热稳极限容量，电压允许变化范围取(1±5％)pu。除固定负荷外，考虑接入风电(wg)、光伏(pv)，接入情况如表1风电光伏接入情况表所示。表1取某风电场和光伏电厂全年的历史数据作为本文风电场和光伏电站的出力。此外光伏电池的概率密度函数的形状系数均为0.75；风力发电机的风速的概率密度函数的形状参数和尺度参数分别为2.49和8.96，切入风速、额定风速和切出风速的值分别为2.6，12，20m/s，a＝0.001705，b＝-5.113636，k＝2.8592，c＝6.4238。分别在下列两种情况下进行分析：1)在确定性潮流下求配电网的传统最大供电能力tsc0；2)以电网达到传统最大供电能力时的负荷值为期望值，考虑分布式光伏风电和负荷的不确定性，进行供电能力概率计算，参见表2不同场景下配电网供电能力。表2场景场景1场景2差值最大供电能力321.2mw264.07mw57.13mw在考虑分布式光伏、风电以及负荷的不确定性时，配电网的最大供电能力有所下降为264.07mw，传统最大供电能力计算结果偏于乐观，由算例可知，最大供电能力高出21.63％，为321.2mw，高于场景2的值57.13mw。综上分析可知概率评估结果能更准确、全面地反映电网的供电能力。可见，本发明实施例建立电源侧光伏和风电的出力不确定性表征模型，同时对负荷侧固定负荷、分布式储能负荷和电动汽车负荷按照类别分类建立不确定性表征模型，再建立配电网供电能力评估模型，结合分布式电源接入以及不同负荷对配电网供电能力的影响，得到更为精准配电网的最大供电能力，综合考虑了分布式光伏风电接入配电网后的随机特性，建立准确、有效的配电网供电能力评估体系，有效保证后续供电质量和供电可靠性、提升网络运行的安全性和经济性。相应的，本发明实施例还公开了一种配电网供电能力分析方法，参见图3所示，该方法包括：s11：利用风电概率密度函数、光伏概率密度函数、负荷不确定性表征模型、负荷经验分布函数和原点矩与半不变量的关系，得到固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的各阶半不变量；其中，所述风电概率密度函数为利用风机的额定风速、额定转矩、切入风速、切出风速和输出功率，建立的风电厂有功功率的概率密度函数；所述光伏概率密度函数为利用光伏发电机的光照强度的最大值和实际值，建立的光伏发电有功功率的概率密度函数；所述负荷不确定性表征模型为满足正态分布的固定负荷、分布式储能负荷和电动汽车负荷的不确定性表征模型；所述负荷经验分布函数为分布函数未知的固定负荷、分布式储能负荷和电动汽车负荷的不确定性表征函数；s12：利用固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的各阶半不变量，得到固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的概率分布；s13：利用评估模型和固定负荷、分布式储能负荷、电动汽车负荷、分布式光伏和分布式风电的概率分布，得到所述配电网的最大供电能力；其中，所述评估模型为利用节点电压和支路功率建立以配电网的最大供电能力为目标的模型。另外，本发明实施例还公开了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如前述的配电网供电能力分析方法。最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。以上对本发明所提供的技术内容进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。当前第1页12