一种基于多阶段随机的源网荷储协同规划方法与流程

本发明属于配电网规划，具体涉及一种基于多阶段随机的源网荷储协同规划方法。

背景技术：

1、随着风光等可再生能源的快速发展，以及储能装置的大规模投入，使得传统电网“源-网-荷-储”的界限逐渐模糊。源网荷储的一体化运行，在智能电网技术的发展推动下，具有清洁低碳、灵活高效、智能友好的特征，对于促进电力保供和推动新型电力系统建设具有重要意义。

2、但随着新能源渗透率的提高以及电网智慧信息控制技术的发展，配电网“源网荷储”的耦合日益密切、特征演变日益剧烈。而传统配电网规划方法已经无法实现“源网荷储”的一体化规划，无法有效应对演变过程中涌现的不确定性。在目前配电网规划方法的研究中，将规划问题分解为源侧发电厂、风电机组、负荷侧等设备的子规划问题；或者对源侧燃气机组、光伏电站、风电机组与网侧馈线进行规划。现有的配电网规划大多针对“源网荷储”中的一个或几个环节进行研究。然而，“源网荷储”多个环节、短期与长期等存在多种不确定，多个阶段的规划运行复杂度较高，因此，研究一种针对“源网荷储”的一体化协同规划方法具有重要的意义。

技术实现思路

1、本发明的目的是为了克服现有技术的不足，而提供一种针对源网荷储一体化的基于多阶段随机的源网荷储协同规划方法。

2、本发明的目的是这样实现的：一种基于多阶段随机的源网荷储协同规划方法，它包括：

3、构建源网荷储的多阶段随机规划模型：分别建立配电网的源侧模型、网侧模型、荷侧模型和储侧模型，并对源网荷储各模型演变过程的长期不确定性和运行调度过程中的短期不确定性分别建模；设置源网荷储各模型最小化各阶段的规划成本；

4、将源网荷储的多阶段随机规划模型转换为马尔可夫决策形式的多阶段随机规划模型；

5、根据近似动态规划求解所述马尔可夫决策形式的多阶段随机规划模型，确定源网荷储的协同规划方案。

6、进一步的，所述建立配电网的源侧模型包括建立变电站模型、风电机组模型和光伏电站模型，其中，所述变电站模型由设备容量约束和设备建设约束表示为，

7、

8、

9、其中，ωss为变电站建设节点集合；ωts为建设变电站型号集合；i为节点索引；h为典型场景序号；分别表示变电站的有功功率、无功功率；为s型变电站最大容量；为节点i处s型变电站是否存在的布尔变量，为节点i处新建、扩建的s型变电站是否存在的布尔变量；

10、所述风电机组模型由运行约束、设备建设约束表示为：

11、

12、

13、其中，ωwt为风电机组建设节点集合；ωtw为建设风电机组型号集合；分别表示风电实际出力值、削减值；为典型场景内风电出力数据；为w型风电机组的最大出力；为节点i处w型风电机组是否存在的布尔变量，为节点i处新建、扩建的w型风电机组是否存在的布尔变量；

14、所述光伏电站模型表示为：

15、

16、

17、其中，ωpv为光伏电站建设节点集合；ωtv为建设光伏电站型号集合；分别表示为光伏实际出力值、削减值；为典型场景内光伏出力数据；为v型光伏电站的最大出力；为节点i处v型风电机组是否存在的布尔变量，为节点i处新建、扩建的v型风电机组是否存在的布尔变量。

18、进一步的，所述建立网侧模型包括：

19、

20、

21、

22、其中，ωpn为网络节点集合；ωpgl为网络线路集合；j为节点索引；ωi为与节点i相连的节点构成的集合；ωtf为建设网侧馈线型号的集合；为电压幅值平方；分别为流过f型馈线的有功功率、无功功率；分别为有功负荷、无功负荷；分别为储能装置充电功率、放电功率；分别为布尔变量。

23、进一步的，所述建立荷侧模型包括：

24、

25、

26、

27、其中，分别为有功负荷的削减值、转移值；为布尔变量；分别表示负荷的转入值、转出值；ρh为第h个典型场景的概率；ωh为典型场景序号构成的集合。

28、进一步的，所述建立储侧模型包括：

29、

30、

31、

32、

33、

34、

35、其中，ωesd为储能设备建设节点集合；ωte为建设储能设备型号集合；表示为e型储能设备充电功率、放电功率；分别为布尔变量；为最大功率；分别为充电效率、放电效率。

36、进一步的，所述对源网荷储各模型演变过程的长期不确定性建模包括：

37、所述演变过程中的长期不确定性随着配电网演变过程逐阶段显现，各阶段实际负荷峰值可表示为预测值与预测误差的叠加，具体公式如下：

38、

39、其中，t为规划阶段序号；为负荷峰值的真实值；为负荷峰值的预测值；λt为预测误差；

40、定义负荷预测值误差负荷高斯公式，且当前阶段的预测值误差与上一阶段的预测值误差相关，表示为：

41、

42、其中，σ为预测误差概率分布的标准差。

43、进一步的，所述马尔可夫决策形式的多阶段随机规划模型包括状态、动作、奖励和状态转移概率；

44、其中，所述马尔可夫决策形式的多阶段随机规划模型的系统状态st包括各模型的建设状态xt和电负荷的峰值，所述电负荷的峰值用预测误差λt表示，

45、st＝{xt,λt}

46、

47、所述动作at由源网荷储的各模型设备的新建变量与扩建变量表示为：

48、

49、所述状态转移概率由系统状态st和动作at构成，具体公式如下：

50、p(st+1∣st,at)＝p(xt+1∣xt,at)×p(λt+1∣λt)

51、其中，p(xt+1∣xt,at)取值为“1”或“0”。

52、进一步的，所述根据近似动态规划求解所述马尔可夫决策形式的多阶段随机规划模型，具体方法为：

53、将近似动态规划引入到马尔可夫决策形式的多阶段随机规划模型的最优解中，分解得到单阶段优化模型；对单阶段优化模型进行求解确定单阶段规划方案。

54、进一步的，所述根据近似动态规划求解所述马尔可夫决策形式的多阶段随机规划模型，还包括：

55、基于确定的单阶段规划方案，更新近似值函数表；将更新近似值函数表用于源网荷储的各模型各阶段规划过程，确定源网荷储协同的最优规划方案。

56、本发明的有益效果：本发明的一种基于多阶段随机的源网荷储协同规划方法，包括：构建源网荷储的多阶段随机规划模型：分别建立配电网的源侧模型、网侧模型、荷侧模型和储侧模型，并对源网荷储各模型演变过程的长期不确定性和运行调度过程中的短期不确定性分别建模；设置源网荷储各模型最小化各阶段的规划成本；将源网荷储的多阶段随机规划模型转换为马尔可夫决策形式的多阶段随机规划模型；根据近似动态规划求解所述马尔可夫决策形式的多阶段随机规划模型，确定源网荷储的协同规划方案；本发明的一种基于多阶段随机的源网荷储协同规划方法，通过构建源网荷储的多阶段随机规划模型，在考虑荷侧需求响应特性的同时，协同规划源侧变电站、风电机组、光伏电站，网侧电网馈线以及储侧储能等多类型设备；将多阶段随机规划模型转换为马尔可夫决策形式，采用马尔可夫决策的序贯决策特征使得电网演变过程中的长期不确定信息可以得到更加充分的利用，增加了规划方案应对长期不确定性的能力；同时，利用近似动态规划进行求解确定源网荷储协同规划方案，能够有效应对电网发展中的长期不确定性。