一种配电网调度方法和存储介质与流程

本发明实施例涉及园区配电网调度领域，尤其涉及一种配电网调度方法和存储介质。
背景技术：
：随着科技水平的发展、国民经济的增长以及国家对环保理念的高度重视，为实现节能减排和发展低碳经济，采用可再生能源作为动力源的电动汽车迎来了大规模的发展和使用。电动汽车作为一种新型用电负荷，尤其是随着其数量的急剧增加，电动汽车接入配电网充电所产生的负荷会加剧配电系统负荷峰谷差，降低系统元件的利用率，加大电网的不稳定性。因此，如何优化调度配电网以及如何最大限度地对可再生新能源进行消纳成为亟待解决的重要难题。技术实现要素：本发明提供一种配电网调度方法和存储介质，以实现对园区配电网的合理调度，解决配电网内负荷“峰上加峰”的问题，以及最大限度地对可再生新能源就地消纳。第一方面，本发明实施例提供了一种配电网调度方法，该配电网调度方法由配电网调度系统执行，所述配电网调度系统包括电源侧和用电需求侧，所述电源侧包括风电机组、光伏机组、储能装置和联络线，所述用电需求侧包括常规负荷和电动汽车集群；所述方法包括：根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型；根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型，其中，所述配电网的净负荷模型是根据所述风电机组的输出功率、所述光伏机组的输出功率和所述常规负荷的输出功率确定的；根据所述风电机组的输出功率模型、所述光伏机组的输出功率模型和所述配电网的净负荷模型，建立净负荷方差最小模型；根据配电网向大电网的购电成本和所述储能装置的运行维护成本，建立电源侧综合成本最小模型；根据所述联络线的功率，建立联络线功率波动最小模型；根据所述可再生能源利用率最大模型、所述净负荷峰谷差最小模型、所述净负荷方差最小模型、所述电源侧综合成本最小模型和所述联络线功率波动最小模型，调度所述配电网。可选的，所述风电机组的输出功率模型为：其中，pwind为风电机组的输出功率；vin、vrt、vout分别为风电机组的切入风速、额定风速和切出风速，v为实际风速；prt为风电机组的额定输出功率；所述光伏机组的输出功率模型为：其中，ppv为光伏机组的输出功率，pst为光伏机组的额定输出功率；gst为当前实时光照强度；g为标准额定条件下光照强度；k为功率温度系数；tst为标准额定条件下光伏机组电池组件温度；tc为光伏机组电池组件实时温度。可选的，所述配电网的净负荷模型为：pnet＝pm，load-(ppv+pwind)其中，pnet为配电网的净负荷，pm，load为t时段配电网基础负荷，ppv为光伏机组的输出功率，pwind为风电机组的输出功率。可选的，所述可再生能源利用率最大模型为：pwpv(t)＝min{pw(t)+ppv(t)，pm，load(t)+pev，sum(t)}其中，maxf1为可再生能源利用率最大，pwpv(t)为t时段配电网的光伏机组和风电机组实际消耗的功率，ppv(t)为t时段配电网光伏机组的输出功率，pw(t)为t时段配电网风电机组的输出功率，pm，load(t)为t时段配电网基础负荷，pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电。可选的，所述净负荷峰谷差最小模型为：minf2＝max[pnet(t)+pev，sum(t)]-min[pnet(t)+pev，sum(t)]其中，minf2为净负荷峰谷差最小，pnet(t)为t时段配电网的净负荷，pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电。可选的，所述净负荷方差最小模型为：其中，minf3为净负荷方差最小，pnet(t)为t时段配电网的净负荷，pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电，pav′为t时段配电网净负荷均值。可选的，所述电源侧综合成本最小模型为：minf4＝cline，cost+ces，om其中，minf4为电源侧综合成本最小，cline，cost为配电网向大电网购电成本，ces，om为储能装置运行维护成本，cl，c(t)为大电网在t时段的分时电价，pline，c(t)为配电网向大电网购电功率，pes(t)为储能装置在t时刻的功率，pes(t)＞0表示储能装置充电，pes(t)＜0表示储能装置放电，kom，es为储能装置的运行成本系数。可选的，所述联络线功率波动最小模型为：其中，minf5为联络线功率波动最小，pline(t)为联络线在t时刻的功率，pline(t+1)为联络线在t+1时刻的功率。可选的，还包括：根据所述配电网的净负荷模型，确定配电网的分时电价模型；所述配电网的分时电价模型为：其中，cm(t)为t时段配电网的分时电价，cmre为单位电量的倒送电价，cmv、cmf、cmp分别为配电网在低谷、平段、高峰时段电价，pnet(t)为t时段配电网的净负荷，p1为平段配电网的净负荷临界值，p2为高峰时段配电网的净负荷临界值。第二方面，本发明实施例还提供了一种存储介质，其上存储有计算机程序，该程序被配电网调度系统执行时实现如第一方面所述的配电网调度方法。本发明通过提供一种配电网调度方法，该配电网调度方法由配电网调度系统执行，配电网调度系统包括电源侧和用电需求侧，电源侧包括风电机组、光伏机组、储能装置和联络线，用电需求侧包括常规负荷和电动汽车集群；该方法包括：根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型；根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型，其中，配电网的净负荷模型是根据风电机组的输出功率、光伏机组的输出功率和常规负荷的输出功率确定的；根据风电机组的输出功率模型、光伏机组的输出功率模型和配电网的净负荷模型，建立净负荷方差最小模型；根据配电网向大电网的购电成本和储能装置的运行维护成本，建立电源侧综合成本最小模型；根据联络线的功率，建立联络线功率波动最小模型；根据可再生能源利用率最大模型、净负荷峰谷差最小模型、净负荷方差最小模型、电源侧综合成本最小模型和联络线功率波动最小模型，调度配电网。通过该配电网调度方法可以实现对园区配电网的合理调度，解决配电网内负荷“峰上加峰”的问题，以及最大限度地对可再生新能源就地消纳。附图说明图1是本发明实施例一中的一种配电网调度方法的流程图；图2是本发明实施例一中的配电网系统常规负荷曲线及风电与光伏总出力曲线的示意图；图3是本发明实施例一中的配电网系统净负荷曲线的示意图；图4是本发明实施例一中的园区配电网一天中电价变化曲线示意图；图5是本发明实施例一中的用电需求侧的净负荷优化曲线示意图；图6是本发明实施例一中提供的电源侧储能装置和联络线功率曲线示意图。具体实施方式下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。电动汽车作为一种新型负荷，随着数量的急剧增加，电动汽车接入电网充电所产生的负荷会加剧系统负荷峰谷差，降低系统元件的利用率，加大电网的不稳定性。因此，有必要研究适宜的电动汽车控制策略，以适应未来电动汽车产业的大规模发展。另一方面，可再生能源是一种绿色环保、高效灵活的小型发电装置，通常为光伏电池、风力发电机等，和电动汽车一样，也能解决能源紧张、环境污染问题，同样深受国家重点关注和大力发展。但可再生能源出力具有间歇性和波动性，直接接入电网发电极易破坏电网的稳定性，由此引入园区配电网，将可再生能源、储能装置等设备整合起来，统一管理控制。若能通过电动汽车与园区配电网协调优化运行，建立电动汽车与可再生能源发电的联系，实现二者的有机集成，对二者的应用会产生相互促进效果。电动汽车通过车辆到电网(vehicle-to-grid，v2g)技术与电网进行良性互动，成为电网与可再生能源的缓冲，缓解可再生能源出力间歇性和波动性对电网的影响，增加新能源发电入网量，降低发电成本。可再生能源能够为电动汽车充电需求提供电能，可大幅度降低常规火电机组对化石燃料的消耗，实现真正意义上的低碳环保。由于可再生能源出力的间歇性、随机性，反调峰性等特点可能会导致电动汽车参与电网调峰效果不佳。有鉴于此，本发明提供了一种配电网调度方法和存储介质，以实现对园区配电网的合理调度，解决配电网内负荷“峰上加峰”的问题，以及最大限度地对可再生新能源就地消纳。实施例一图1为本发明实施例一中提供的一种配电网调度方法的流程图，本实施例可适用于配电网调度系统的实现过程，该方法可以由配电网调度系统来执行，参考图1，具体包括如下步骤：步骤110、根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型。其中，在根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型之前，还包括建立风电机组的输出功率模型、光伏机组的输出功率模型和储能装置的充放电模型。其中，风电机组的输出功率模型为：其中，pwind为风电机组的输出功率；vin、vrt、vout分别为风电机组的切入风速、额定风速和切出风速，v为实际风速；prt为风电机组的额定输出功率。光伏机组的输出功率模型为：其中，ppv为光伏机组的输出功率，pst为光伏机组的额定输出功率；gst为当前实时光照强度；g为标准额定条件下光照强度；k为功率温度系数；tst为标准额定条件下光伏机组电池组件温度；tc为光伏机组电池组件实时温度。储能装置的充放电模型为：ees(t+1)＝ees(t)-pes(t)其中，ees(t+1)和ees(t)分别表示储能装置在t时刻和t+1时刻的电量，pes(t)表示储能装置在t时刻的放电功率。根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型，可再生能源利用率最大模型为：pwpv(t)＝min{pw(t)+ppv(t)，pm，load(t)+pev，sum(t)}其中，maxf1为可再生能源利用率最大，pwpv(t)为t时段配电网的光伏机组和风电机组实际消耗的功率，ppv(t)为t时段配电网光伏机组的输出功率，pw(t)为t时段配电网风电机组的输出功率，pm，load(t)为t时段配电网基础负荷，pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电。图2为本发明实施例一中提供的配电网系统常规负荷曲线及风电与光伏总出力曲线的示意图，可选地，参考图2，s1为配电网的常规负荷曲线，s2为风电机组和光伏机组的总出力曲线，s3为风电机组的出力曲线，s4为光伏机组的出力曲线。根据风电机组的输出功率模型和光伏机组的输出功率模型，可以得到配电网系统的配电网的常规负荷曲线s1、风电机组和光伏机组的总出力曲线s2、风电机组的出力曲线s3以及光伏机组的出力曲线s4。步骤120、根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型。其中，配电网的净负荷模型是根据风电机组的输出功率、光伏机组的输出功率和常规负荷的输出功率确定的。其中，配电网的净负荷模型为：pnet＝pm，load-(ppv+pwind)其中，pnet为配电网的净负荷，pm，load为t时段配电网基础负荷，ppv为光伏机组的输出功率，pwind为风电机组的输出功率。根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型，净负荷峰谷差最小模型为：minf2＝max[pnet(t)+pev，sum(t)]-min[pnet(t)+pev，sum(t)]其中，minf2为净负荷峰谷差最小，pnet(t)为t时段配电网的净负荷，pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电。其中，不同类型的电动汽车的充电参数参考表1。表1不同类型的电动汽车的充电参数参表电动汽车类型每百公里能耗w(kw.h)充电功率pc(kw)私家车207出租车2832公交车14045公务车207图3为本发明实施例一中提供的配电网系统净负荷曲线的示意图，可选地，参考图3，s1为配电网的常规负荷曲线，s2为风电机组和光伏机组的总出力曲线，s5为配电网的净负荷曲线，将配电网的常规负荷曲线减去风电机组和光伏机组的总出力曲线可以得到配电网的净负荷曲线。步骤130、根据风电机组的输出功率模型、光伏机组的输出功率模型和配电网的净负荷模型，建立净负荷方差最小模型。其中，净负荷方差最小模型为：其中，minf3为净负荷方差最小，pnet(t)为t时段配电网的净负荷，pev，sum(t)为t时段电动汽车集群功率，取正值时电动汽车集群表现为充电，取负值时电动汽车集群表现为放电，pav′为t时段配电网净负荷均值。步骤140、根据配电网向大电网的购电成本和储能装置的运行维护成本，建立电源侧综合成本最小模型。其中，电源侧综合成本最小模型为：minf4＝cline，cost+ces，om其中，minf4为电源侧综合成本最小，cline，cost为配电网向大电网购电成本，ces，om为储能装置运行维护成本，cl，c(t)为大电网在t时段的分时电价，pline，c(t)为配电网向大电网购电功率，pes(t)为储能装置在t时刻的功率，pes(t)＞0表示储能装置充电，pes(t)＜0表示储能装置放电，kom，es为储能装置的运行成本系数。其中，大电网的分时电价可参考表2。表2大电网的分时电价表时段类型大电网分时电价/(元/kw.h)充电分时电价/(元/kw.h)1:00-8:000.3650.48:00-10:000.6871.210:00-13:000.8692.013:00-18:000.6871.218:00-23:000.8692.023:00-次日1:000.6871.2步骤150、根据联络线的功率，建立联络线功率波动最小模型。其中，联络线功率波动最小模型为：其中，minf5为联络线功率波动最小，pline(t)为联络线在t时刻的功率，pline(t+1)为联络线在t+1时刻的功率。可选地，在配电网调度过程中，用电需求侧和电源侧需要满足一定的约束条件。其中，用电需求侧需要满足的约束条件为：sev，min≤sev(t)≤sev，max其中，sev(t)为t时段电动汽车电量值，sev，min和sev，max分别为电动汽车电池的最小电量直和最大电量值；其中，电源侧需要满足的约束条件包括联络线功率上下限约束、储能装置出力上下限约束，以及联络线的功率、储能装置的放电功率和配电网净负荷需要满足功率平衡。其中，联络线功率上下限约束为：pline，min≤pline(t)≤pline，max其中，pline(t)为t时段联络线功率，pline，min和pline，max分别为所述联络线功率的最大值和最小值；储能装置出力上下限约束为：pes，min≤pes(t)≤pes，maxses，min≤ses(t)≤ses，max其中，pes(t)为储能装置在t时段的放电功率，ses(t)为储能装置在t时段的荷电状态，pes，min和pes，max分别为储能装置的放电功率的最小值和最大值，ses，min和ses，max分别为储能装置荷电状态的最小值和最大值；联络线的功率、储能装置的放电功率和配电网净负荷需要满足的功率平衡约束为：pline(t)+pes(t)+pnet(t)＝0其中，pline(t)为联络线在t时刻的功率，pes(t)为储能装置在t时段的放电功率，pnet(t)为t时段配电网的净负荷。其中，储能装置和联络线的运行参数参考表3。表3储能装置和联络线的运行参数表需要补充的是，上述步骤110-150之间没有执行先后顺序的关系。步骤160、根据可再生能源利用率最大模型、净负荷峰谷差最小模型、净负荷方差最小模型、电源侧综合成本最小模型和联络线功率波动最小模型，调度配电网。其中，根据可再生能源利用率最大模型可以引导园区内电动汽车集群对可再生能源进行最大化消纳，进而提高可再生能源的利用率，避免可再生能源的浪费。根据净负荷峰谷差最小模型、净负荷方差最小模型和联络线功率波动最小模型可以在解决园区内配电网负荷“峰上加峰”的问题的同时还能够保证园区配电网的内功率平衡，以及通过电源侧综合成本最小模型可以降低配电网系统的综合成本。本发明通过提供一种配电网调度方法，该配电网调度方法由配电网调度系统执行，配电网调度系统包括电源侧和用电需求侧，电源侧包括风电机组、光伏机组、储能装置和联络线，用电需求侧包括常规负荷和电动汽车集群；该方法包括：根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型；根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型，其中，配电网的净负荷模型是根据风电机组的输出功率、光伏机组的输出功率和常规负荷的输出功率确定的；根据风电机组的输出功率模型、光伏机组的输出功率模型和配电网的净负荷模型，建立净负荷方差最小模型；根据配电网向大电网的购电成本和储能装置的运行维护成本，建立电源侧综合成本最小模型；根据联络线的功率，建立联络线功率波动最小模型；根据可再生能源利用率最大模型、净负荷峰谷差最小模型、净负荷方差最小模型、电源侧综合成本最小模型和联络线功率波动最小模型，调度配电网。通过该配电网调度方法可以实现对园区配电网的合理调度，解决配电网内负荷“峰上加峰”的问题，以及最大限度地对可再生新能源就地消纳。此外，可选地，根据配电网的净负荷模型，确定配电网的分时电价模型，以制定出园区配电网的分时电价机制；其中，配电网的分时电价模型为：其中，cm(t)为t时段配电网的分时电价，cmre为单位电量的倒送电价，cmv、cmf、cmp分别为配电网在低谷、平段、高峰时段电价，pnet(t)为t时段配电网的净负荷，p1为平段配电网的净负荷临界值，p2为高峰时段配电网的净负荷临界值。示例性的，以国内中部地区某一实际的园区配电网系统为例对配电网的分时电价的实现过程进行说明。设园区内含有容量均为1.5mw的光伏机组和风电机组，一台容量为0.8mw的柴油发电机，容量为1mw的铅酸蓄电池作为储能装置。假设园区配电网内有100辆电动汽车，其中私家车60辆，出租车20辆，公交车10辆，公务车10辆。以一天为一个调度周期，时间间隔为15分钟。在园区配电网分时电价模型中，单位电量的倒送电价cmre为0.285元/(kw·h)，低谷、平段、高峰电价分别为0.23、0.69、1.21元/(kw·h)。根据风电机组的输出功率模型、光伏机组的输出功率模型和常规负荷的输出功率可以确定配电网的净负荷模型，根据配电网的净负荷模型可知一天内园区配电网净负荷曲线。基于此，假定园区配电网分时电价模型中不同电价等级的负荷界限，平段配电网的净负荷临界值p1和高峰时段配电网的净负荷临界值p2分别为200kw、800kw，由园区配电网上层管理调度中心可确定净负荷pnet的波动区间，然后确定并发布该区间所对应的实时电价，从而可以得到园区配电网一天的电价变化如图4所示。图4是本发明实施例一中提供的园区配电网一天中电价变化曲线示意图，s6为园区配电网一天中电价变化曲线。通过图4的电价走势可充分反应园区配电网中的净负荷功率变化，电动汽车可在负电价时段进行充电以消纳可再生能源，在高峰电价时段选择放电，以实现削峰。进一步地，图5是本发明实施例一中提供的用电需求侧的净负荷优化曲线示意图，l1为电动汽车无序充电曲线，l2为电动汽车有序充放电曲线，l3为配电网净负荷曲线。将相关的数据代入可再生能源利用率最大模型、净负荷峰谷差最小模型和净负荷方差最小模型，并利用多目标粒子群算法求解得到用图5所示的电需求侧的净负荷优化曲线和表4所示的电动汽车集群在不同控制下的结果。表4电动汽车集群在不同控制下的结果电动汽车控制模式可再生能源利用率/％净负荷峰谷差/kw净负荷方差/mw2无序充电88.282610267232有序充放电93.171891185162从表4可以看出：电动汽车集群的有序充放电行为对园区配电网净负荷达到了“削峰填谷”的效果。相比于无序充电情况，在有序充放电控制下园区配电网的可再生能源利用率由88.28％增加到93.17％，净负荷峰谷差由2610kw减少到1891kw，净负荷方差由267232mw2减少到185162mw2。综上所述，电动汽车集群主要集中在10:00-15:00以及23:00-07:00两个净负荷低谷时段充电，该时段电价为倒送电价，电动汽车在该时段充电不仅能获得一些奖励补贴费用，还协助园区配电网消纳了更多的可再生能源；电动汽车集中在17:00-21:00这一净负荷高峰时段放电，电动汽车既可得到一定的放电补贴，又帮助园区配电网缓和了用电紧张的问题。对于电动汽车车主和园区配电网系统来说都是一个双赢的局面。进一步的，图6是本发明实施例一中提供的电源侧储能装置和联络线功率曲线示意图，l4为储能装置功率曲线，l5为联络线功率曲线。将用电需求侧优化后的园区配电网净负荷结果代入电源侧综合成本最小模型和联络线功率波动最小模型，并利用多目标粒子群算法求解得到用图6所示的电源侧储能装置和联络线功率曲线，综合运行成本优化结果均匀分布在1025～1157元，联络线功率波动优化结果均匀分布在2227～2290kw。经计算选取折中解(1129元，2327kw)为最优解，该解所对应的储能装置与联络线功率如图6所示。从图6可看出，电源侧调度方面主要是主网联络线对需求侧优化后的净负荷进行二次优化，储能装置只是提供辅助支持。储能装置、联络线在06:00-07:00、10:00-15:00、23:00-22:00时段功率为正，表明在该时段需求侧电动汽车集群没有完全吸收掉富余的可再生能源，储能装置充电，园区配电网向主网售电；在17:00-19:00时段功率为负，表明在该时段柴油机出力不足，无法为园区配电网负荷提供充足的电能，储能装置放电，园区配电网向主网购电。实施例二本发明实施例还提供了一种存储介质，其上存储有计算机程序，该程序被配电网调度系统执行时实现本发明任意实施例中所述的配电网调度方法。该方法包括：根据风电机组的输出功率模型和光伏机组的输出功率模型，建立可再生能源利用率最大模型；根据配电网的净负荷模型和电动汽车集群的功率，建立净负荷峰谷差最小模型，其中，配电网的净负荷模型是根据风电机组的输出功率、光伏机组的输出功率和常规负荷的输出功率确定的；根据风电机组的输出功率模型、光伏机组的输出功率模型和配电网的净负荷模型，建立净负荷方差最小模型；根据配电网向大电网的购电成本和储能装置的运行维护成本，建立电源侧综合成本最小模型；根据联络线的功率，建立联络线功率波动最小模型；根据可再生能源利用率最大模型、净负荷峰谷差最小模型、净负荷方差最小模型、电源侧综合成本最小模型和联络线功率波动最小模型，调度配电网。当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的配电网调度方法中的相关操作。通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-onlymemory,rom)、随机存取存储器(randomaccessmemory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。当前第1页12