本技术涉及电子电力,尤其涉及一种滚动电压优化方法及装置。
背景技术:
1、近年来,分布式电源在电网中比重逐渐增加,对电网安全稳定运行的影响越来越大,配电网往往存在无功补偿不足以及调节手段落后等特点,特别是10kv配电网存在严重的电压质量下降以及网络损耗较大等问题。随着分布式电源的接入,配电网的潮流可以双向流动,运行控制方式变得复杂,部分分布式电源可以参与电网的电压调节,配电网的无功电压控制方式和模式都将发生较大的变化。
2、配电网的无功电压优化以分布式电源和负荷预测为前提,但可再生能源出力以及负荷出力均具有一定的不确定性,若忽略该不确定性,不考虑短时波动和随机性带来的影响,则运行策略往往不能满足系统的安全运行要求。学者针对可再生能源出力的间歇性和短时波动,开展了计及可再生能源出力不确定性的配电网运行优化研究,当前的主要方法有:基于“多级协调、逐级细化”思想的多时间尺度方法,基于概率论的随机规划以及基于区间的鲁棒优化,以上方法均存在复杂性及局限性较高的问题。
3、日前优化是基于光伏出力和负荷预测的基础上进行的长时间尺度优化,在每日开始的时候进行全天24小时无功补偿电容器出力计划的优化。由于光伏出力和负荷是随机波动的,日前的预测结果通常存在较大的偏差,需要通过其它资源进行进一步优化,实现因预测偏差引起的电压调节偏差问题。
技术实现思路
1、针对现有技术中的问题,本技术实施例提供一种滚动电压优化方法及装置,能够至少部分地解决现有技术中存在的问题。
2、第一方面,本技术提供一种滚动电压优化方法,包括:
3、获取配电系统的状态信息;
4、根据所述状态信息生成优化模型;
5、根据所述优化模型更新所述状态信息并优化分布式光伏的功率及储能装置的功率;
6、根据更新后的所述状态信息进行滚动优化。
7、进一步地,所述状态信息包括实际状态信息及预测状态信息;
8、所述根据所述状态信息生成优化模型,包括:
9、根据所述实际状态信息及预测状态信息建立目标函数模型,并根据所述实际状态信息及预测状态信息建立约束条件模型;
10、根据所述目标函数模型及所述约束条件模型生成所述优化模型。
11、进一步地,所述实际状态信息包括实际电压信息及实际负荷信息;所述预测状态信息包括预测电压信息及预测负荷信息;
12、所述根据所述实际状态信息及预测状态信息建立目标函数模型,包括:
13、根据所述实际电压信息及所述预测电压信息生成第一目标函数及第二目标函数;
14、根据所述实际负荷信息及所述预测负荷信息生成第三目标函数;
15、根据所述第一目标函数、所述第二目标函数及所述第三目标函数建立目标函数模型。
16、进一步地,所述实际状态信息包括实际电压信息、节点的实际功率信息、分布式光伏的实际功率信息、储能装置的实际功率信息及储能装置的荷电状态信息;所述预测状态信息包括预测电压信息、节点的预测功率信息、分布式光伏的预测功率信息及储能装置的预测功率信息;
17、所述根据所述实际状态信息及预测状态信息建立约束条件模型,包括:
18、根据所述实际电压信息、所述预测电压信息、所述分布式光伏的实际功率信息、所述分布式光伏的预测功率信息、所述储能装置的实际功率信息及所述储能装置的预测功率信息建立功率平衡约束;
19、根据所述实际电压信息及所述预测电压信息建立电压约束;
20、根据所述分布式光伏的实际功率信息及所述分布式光伏的预测功率信息建立分布式光伏功率约束;
21、根据所述储能装置的实际功率信息及所述储能装置的荷电状态信息建立荷电状态约束;
22、根据所述储能装置的实际功率信息及所述储能装置的预测功率信息建立储能装置功率约束;
23、根据所述功率平衡约束、所述电压约束、所述分布式光伏功率约束、所述荷电状态约束及所述储能装置功率约束建立所述约束条件模型。
24、进一步地,所述根据所述储能装置的实际功率信息及所述储能装置的荷电状态信息建立荷电状态约束,包括:
25、根据储能装置的实际功率信息及储能装置的荷电状态信息建立荷电状态计算模型;
26、根据所述荷电状态计算模型计算储能装置的荷电状态;
27、根据所述荷电状态建立所述荷电状态约束。
28、进一步地,还包括:
29、根据预先设定的规则确定配电系统中储能装置的接入节点。
30、第二方面,本技术提供一种滚动电压优化装置,包括:
31、信息获取单元,用于获取配电系统的状态信息;
32、模型生成单元,用于根据所述状态信息生成优化模型;
33、功率优化单元,用于根据所述优化模型更新所述状态信息并优化分布式光伏的功率及储能装置的功率;
34、滚动优化单元,用于根据更新后的所述状态信息进行滚动优化。
35、进一步地,所述状态信息包括实际状态信息及预测状态信息;
36、所述模型生成单元,包括:
37、函数及约束建立模块,用于根据所述实际状态信息及预测状态信息建立目标函数模型,并根据所述实际状态信息及预测状态信息建立约束条件模型;
38、优化模型生成模块,用于根据所述目标函数模型及所述约束条件模型生成所述优化模型。
39、进一步地,所述实际状态信息包括实际电压信息及实际负荷信息;所述预测状态信息包括预测电压信息及预测负荷信息;
40、所述函数及约束建立模块,包括:
41、第一及第二函数生成子模块,用于根据所述实际电压信息及所述预测电压信息生成第一目标函数及第二目标函数;
42、第三函数生成子模块,用于根据所述实际负荷信息及所述预测负荷信息生成第三目标函数;
43、目标函数模型建立子模块,用于根据所述第一目标函数、所述第二目标函数及所述第三目标函数建立目标函数模型。
44、进一步地,所述实际状态信息包括实际电压信息、节点的实际功率信息、分布式光伏的实际功率信息、储能装置的实际功率信息及储能装置的荷电状态信息;所述预测状态信息包括预测电压信息、节点的预测功率信息、分布式光伏的预测功率信息及储能装置的预测功率信息;
45、所述函数及约束建立模块,还包括:
46、功率平衡约束建立子模块,用于根据所述实际电压信息、所述预测电压信息、所述节点的实际功率信息、所述节点的预测功率信息、所述分布式光伏的实际功率信息、所述分布式光伏的预测功率信息、所述储能装置的实际功率信息及所述储能装置的预测功率信息建立功率平衡约束;
47、电压约束建立子模块,用于根据所述实际电压信息及所述预测电压信息建立电压约束;
48、光伏功率约束建立子模块,用于根据所述分布式光伏的实际功率信息及所述分布式光伏的预测功率信息建立分布式光伏功率约束;
49、荷电状态约束建立子模块,用于根据所述储能装置的实际功率信息及所述储能装置的荷电状态信息建立荷电状态约束;
50、装置功率约束建立子模块,用于根据所述储能装置的实际功率信息及所述储能装置的预测功率信息建立储能装置功率约束;
51、约束条件模型建立子模块,用于根据所述功率平衡约束、所述电压约束、所述分布式光伏功率约束、所述荷电状态约束及所述储能装置功率约束建立所述约束条件模型。
52、进一步地,所述荷电状态约束建立子模块包括:
53、计算模型建立子模块,用于根据储能装置的实际功率信息及储能装置的荷电状态信息建立荷电状态计算模型;
54、荷电状态计算子模块,用于根据所述荷电状态计算模型计算储能装置的荷电状态;
55、荷电状态约束子模块,用于根据所述荷电状态建立所述荷电状态约束。
56、进一步地,还包括:
57、接入节点确定单元,用于根据预先设定的规则确定配电系统中储能装置的接入节点。
58、第三方面,本技术提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例所述的方法。
59、第四方面,本技术提供一种计算机可读存储介质,所述计算机可读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任一实施例所述的方法。
60、第五方面,本技术提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述任一实施例所述的方法。
61、本技术提供的滚动电压优化方法及装置,通过获取配电系统的状态信息;根据所述状态信息生成优化模型;根据所述优化模型更新所述状态信息并优化分布式光伏的功率及储能装置的功率;根据更新后的所述状态信息进行滚动优化,实现了滚动优化潮流在配电网中的分布情况,降低了节点电压偏差和电压波动。其中,通过根据所述优化模型更新所述状态信息并优化分布式光伏的功率及储能装置的功率实现了利用分布式光伏及储能作为调节资源治理电压偏差。此外,通过根据预先设定的规则确定配电系统中储能装置的接入节点,提高了该方法的工程实用性。