主动配电网优化调度方法、装置、计算机设备及存储介质与流程

本发明涉及电网优化调度方法，更具体地说是指主动配电网优化调度方法、装置、计算机设备及存储介质。

背景技术：

1、随着电动汽车的普及应用，配电网已经建立了不少集中式充电站，给电动汽车出行带来了很多便利。然而，电动汽车充电具有“扎堆”现象，当充电需求较大时，在节点电压、网架约束等因素限制下，配电网很大可能无法满足充电站用电需求，导致电动汽车不能及时充电。同时，充电负荷用电需求较大，也给主动配电网的安全经济运行带来巨大挑战。因此，如何在满足充电负荷的同时，确保配电网安全高效运行，是当务之急。

2、目前，有提出建设风光储充一体化充电站，以解决现有技术的问题，这种风光储充一体化充电站是通过利用风电与光伏发电和调节储能电池充放电，满足电动汽车充电负荷用电需求，同时提高从配电网取电的灵活性。但是，这种方式并没有综合考虑储能电池和充电负荷的灵活可调性，而且充电站内充电桩和储能电池的无功综合支撑能力，相关的风光储充一体化充电站运行模型还是比较难以实现。

3、因此，有必要设计一种新的方法，实现能够在考虑风光出力不确定性的条件下，确定主动配电网的最优日前调度策略，实现日运行成本最小化的目标。

技术实现思路

1、本发明的目的在于克服现有技术的缺陷，提供主动配电网优化调度方法、装置、计算机设备及存储介质。

2、为实现上述目的，本发明采用以下技术方案：主动配电网优化调度方法，包括：

3、通过量化分析储能电池、光伏发电系统、风力发电系统、充电负荷运行约束条件，构建风光储充一体化充电站运行模型；

4、分析储能电池、光伏发电系统、风力发电系统和充电负荷，以发掘充电站调峰潜力，构建风光储充一体化充电站功率备用模型；

5、根据所述风光储充一体化充电站运行模型以及所述风光储充一体化充电站功率备用模型，考虑网架约束，建立主动配电网调度模型；其中，所述主动配电网调度模型包括模型约束条件以及目标函数；

6、所述模型约束条件包括某一节点注入的有功功率和无功功率与连接负荷和充电站功率的关系、某一节点注入有功功率和无功功率与所连接线路流通功率的关系、某一线路末端流通功率与线路首端流通功率和线路损耗功率的关系、某一线路流通电流的平方值、线路流通电流的限值、线路电压平方值设定在上限值和下限值之间；

7、所述目标函数是所有场景下系统运行平均成本的相关函数，包括配电网向大电网购电成本、充电站电池运行成本、充电负荷转移成本、上旋转备用费用和下旋转功率备用费用；所述上旋转备用费用和下旋转功率备用费用是由风光储充一体化充电站功率备用模型的上旋转功率备用约束条件和下旋转功率备用约束条件进行约束的；所述充电负荷转移成本是由风光储充一体化充电站运行模型所包括的有功功率和无功功率运行约束条件进行约束；

8、采用粒子群算法对主动配电网调度模型进行最优值求解，以得到调度策略；其中，最优值为目标函数值最小时对应的解；

9、根据所述调度策略指导主动配电网和充电站运行对应的运行计划；

10、其进一步技术方案为：所述通过量化分析储能电池、光伏发电系统、风力发电系统、充电负荷运行约束条件，构建风光储充一体化充电站运行模型，包括：

11、构建储能电池运行约束条件；

12、构建充电负荷运行约束条件；

13、构建光伏发电系统和风力发电系统的运行约束条件；

14、组合所述储能电池运行约束条件、充电负荷运行约束条件光伏发电系统和风力发电系统的运行约束条件，以得到风光储充一体化充电站运行模型。

15、其进一步技术方案为：所述分析储能电池、光伏发电系统、风力发电系统和充电负荷，以发掘充电站调峰潜力，构建风光储充一体化充电站功率备用模型，包括：

16、确定储能电池上旋转备用约束以及下旋转备用约束、可平移充电负荷上旋转备用约束以及下旋转备用约束、光伏发电功率上旋转备用约束以及下旋转备用约束、风力发电功率上旋转备用约束以及下旋转备用约束，以得到确定内容；

17、根据确定内容中关于储能电池、风力发电系统、光伏发电系统和充电负荷的上旋转备用功率以及下旋转备用功率进行分别求和，构建风光储充一体化充电站约束条件，以形成风光储充一体化充电站功率备用模型。

18、其进一步技术方案为：所述根据所述风光储充一体化充电站运行模型以及所述风光储充一体化充电站功率备用模型，考虑网架约束，建立主动配电网调度模型，包括：

19、确定网架约束条件，结合所述风光储充一体化充电站运行模型以及所述风光储充一体化充电站功率备用模型，以得到模型约束条件；

20、确定所有场景下系统运行平均成本的相关函数，以得到目标函数；

21、组合所述模型约束条件以及目标函数，以得到主动配电网调度模型。

22、其进一步技术方案为：所述采用粒子群算法对主动配电网调度模型进行最优值求解，以得到调度策略；其中，最优值为目标函数值最小时对应的解，包括：

23、采用matlab平台对所述主动配电网调度模型进行编码，以得到优化模型；

24、采用粒子群算法对所述优化模型进行最优值求解，以得到调度策略。

25、其进一步技术方案为：所述根据所述调度策略指导主动配电网和充电站运行对应的运行计划，包括：

26、根据所述调度策略确定充电站和主动配电网的运行计划，以指导主动配电网和充电站运行对应的运行计划。

27、其进一步技术方案为：所述通过量化分析储能电池、光伏发电系统、风力发电系统、充电负荷运行约束条件，构建风光储充一体化充电站运行模型之前，还包括：

28、根据充电站光伏发电、风力发电、充电负荷预测参数、预测误差分布规律，确定典型场景下的充电站基础数据。

29、其进一步技术方案为：所述充电站光伏发电、风力发电、充电负荷预测参数、预测误差分布规律，确定典型场景下的充电站基础数据，包括：

30、获取历史数据；

31、利用专家经验法根据所述历史数据推测充电站总充电负荷预测功率、可平移充电负荷份额预测值；

32、从气象中心获得日照强度和风速预测数据，并根据光伏发电和风力发电公式计算得到可再生能源发电预测功率；其中，可再生能源发电预测功率包括光伏发电预测功率以及风力发电预测功率；

33、通过对比历史数据、充电站总充电负荷预测功率、可平移充电负荷份额预测值、可再生能源发电预测功率，确定总充电负荷功率预测误差、可平移充电负荷份额预测误差以及可再生能源发电功率预测误差服从的分布类型，并构建对应的概率密度分布函数；

34、对所述充电站总充电负荷预测功率、可平移充电负荷份额预测值、可再生能源发电预测功率以及对应的概率密度分布函数利用蒙特卡洛抽样技术进行处理，以得到典型场景下的充电站基础数据。

35、本发明还提供了主动配电网优化调度装置，包括：

36、第一构建单元，用于通过量化分析储能电池、光伏发电系统、风力发电系统、充电负荷运行约束条件，构建风光储充一体化充电站运行模型；

37、第二构建单元，用于分析储能电池、光伏发电系统、风力发电系统和充电负荷，以发掘充电站调峰潜力，构建风光储充一体化充电站功率备用模型；

38、建立单元，用于根据所述风光储充一体化充电站运行模型以及所述风光储充一体化充电站功率备用模型，考虑网架约束，建立主动配电网调度模型；其中，所述主动配电网调度模型包括模型约束条件以及目标函数，所述目标函数是所有场景下系统运行平均成本的相关函数；所述模型约束条件包括某一节点注入的有功功率和无功功率与连接负荷和充电站功率的关系、某一节点注入有功功率和无功功率与所连接线路流通功率的关系、某一线路末端流通功率与线路首端流通功率和线路损耗功率的关系、某一线路流通电流的平方值、线路流通电流的限值、线路电压平方值设定在上限值和下限值之间，所述目标函数包括配电网向大电网购电成本、充电站电池运行成本、充电负荷转移成本、上旋转备用费用和下旋转功率备用费用；所述上旋转备用费用和下旋转功率备用费用是由风光储充一体化充电站功率备用模型的上旋转功率备用约束条件和下旋转功率备用约束条件进行约束的，所述充电负荷转移成本是由风光储充一体化充电站运行模型所包括的有功功率和无功功率运行约束条件进行约束；

39、求解单元，用于采用粒子群算法对主动配电网调度模型进行最优值求解，以得到调度策略；其中，最优值为目标函数值最小时对应的解；

40、指导单元，用于根据所述调度策略指导主动配电网和充电站运行对应的运行计划。

41、本发明还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。

42、本发明还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。

43、本发明与现有技术相比的有益效果是：本发明通过确定典型场景下的充电站基础数据，并量化分析储能电池和充电负荷运行特性、发掘充电站调峰潜力，结合考虑网架约束，以确定主动配电网调度模型，并进行最优值求解，以利用最优值确定运行计划，指导主动配电网和充电站运行对应的运行计划，实现能够在考虑风光出力不确定性的条件下，确定主动配电网的最优日前调度策略，实现日运行成本最小化的目标。

44、下面结合附图和具体实施例对本发明作进一步描述。