计及光伏消纳与光储充配置的配电网联合优化方法及系统与流程

本发明涉及配电网联合优化，具体为计及光伏消纳与光储充配置的配电网联合优化方法及系统。

背景技术：

1、随着“双碳”战略目标的不断深入，以光伏发电等新能源为主体的新型电力系统快速发展，其更是未来清洁低碳、安全高效能源体系的重要组成部分。然而，由于光伏出力的间歇性、波动性和随机性等特点，在高渗透率情况下系统电能质量和供电可靠性将受到严重影响，需要进行光伏消纳规划以改善配电网运行状态。目前，相关研究主要涉及光伏消纳评估方法和消纳能力提升策略两个方面。

2、对光伏消纳能力的提升主要通过以下两类策略：第一，从优化控制及改善系统管理模式角度入手，通过挖掘配电网无功调节潜力提高光伏消纳能力；第二，通过电网扩建、新增储能和引入需求侧管理等措施，提高配电网可调负荷容量，抑制净负荷波动。在实际电网规划和运行过程中，光伏消纳能力将与电力系统综合经济效益直接相关，并涉及配电网多资源优化配置和调度问题。其中，研究以储能设备和电动汽车(electricvehicle，ev)为代表的柔性负荷参与新能源消纳和配电网调度等更是受到了广泛关注。

3、光伏消纳评估方法主要包括仿真试探法、随机场景分析法和数学优化法等。仿真试探法简单且易于实现，但计算工作量庞大。随机场景分析法通过随机生成的多场景产生消纳策略散点和射线簇，能直观获得大量满足配电网约束条件下的光伏配置方案，但受限于运算速度，该方法在场景信息较为充分的情况下局部寻优能力较为欠缺。数学优化法是基于准确建立场景模型和目标函数并采用优化算法进行求解寻优，具有计算结果准确度高、适用性强等优点。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明解决的技术问题是：配电网需求侧调度能力不足，潜力尚待开发，储能系统投资成本压力较大，系统综合成本较高，尚待优化。

3、为解决上述技术问题，本发明提供如下技术方案：计及光伏消纳与光储充配置的配电网联合优化方法，包括：

4、收集电网历史数据，利用柔性负荷需求侧响应下配电网光伏消纳评估方法，计算得到计及配电网运行约束下的最大光伏消纳能力；

5、结合电力系统整体效益，提出光储充配置的配电网联合优化策略，在光伏消纳水平的约束条件下，得出配电网综合成本最优模型；

6、利用改进粒子群算pso算法求解模型，得到最优模型的光储充配置和运行方案。

7、作为本发明所述的计及光伏消纳与光储充配置的配电网联合优化方法的一种优选方案，其中：

8、所述评估方法包括，以评估配电网最大光伏消纳能力为目标，目标函数为：

9、

10、其中，n表示配电网节点总数；ppv,nom(i)表示原始负荷下第i个节点接入光伏出力；ppv,comp(i)表示第i个节点接入光伏补充出力；

11、为保证配电网的安全稳定运行，消纳问题的求解主要考虑系统潮流约束、节点电压上下限约束、馈线传输容量约束、变压器容量约束，约束条件表达式为：

12、

13、其中，ui表示节点i的电压值，uj表示节点j的电压值；pload(i)表示原始负荷有功值，qload(i)表示节点i的无功值；ps(i)表示柔性负荷有功值，qs(i)表示节点i的无功值；gij表示节点导纳矩阵中实部，bij表示节点导纳矩阵中虚部对应的元素；θij表示相角；umax表示节点电压上限值，umin表示节点电压下限值；sl,j表示馈线j的传输容量，sl,max表示馈线j的传输容量上限；spv,all表示光伏总接入容量，st,max表示上级变压器的最大容量。

14、作为本发明所述的计及光伏消纳与光储充配置的配电网联合优化方法的一种优选方案，其中：所述光储充数学模型包括，

15、基于beta分布的光伏外特性概率模型，其概率密度函数为

16、

17、其中，公式

18、

19、表示euler积分的b函数；α和β表示beta分布的形状参数；ppv(t)表示t时刻光伏出力值；pt,max表示t时段内光伏出力最大值，pt,min表示t时段内光伏出力最小值。

20、作为本发明所述的计及光伏消纳与光储充配置的配电网联合优化方法的一种优选方案，其中：所述储能技术包括，

21、储能系统作为可调负荷，响应电网调度时其出力模型与和荷电状态直接相关；

22、

23、其中，pba(t)表示t时刻储能系统的充放电功率；η+和η-表示充放电效率。

24、作为本发明所述的计及光伏消纳与光储充配置的配电网联合优化方法的一种优选方案，其中：ev充电站包括，

25、ev无序充电模型主要涉及日行驶里程、充电时长和起始充电时刻三个方面；ev日行驶里程的概率密度函数如下

26、

27、其中，μs和σs表示概率密度函数的期望和标准差；

28、ev有序充电策略以响应光伏消纳调度和优化储能系统综合成本为引导，通过制定激励电价引导用户的用电行为，数学模型如下：

29、

30、其中，pricecomp和pricef表示激励电价和平电价；tcomp1和tcomp2表示激励电价起始时刻和结束时刻；

31、以储能系统联合ev充电站协同调度综合成本最低为目标，建立目标函数如下:

32、

33、其中，fday,i表示第i种柔性负荷投资成本折算到等日的系数，i＝1表示储能系统，i＝2表示ev充电站；cs,i表示第i种柔性负荷投资成本；cg表示电网购电成本；cb表示ev售电盈利费用；

34、光储充联合优化问题需同时考虑光伏消纳评估和联合运行两方面的约束条件；因此，在考虑光伏消纳评估约束条件的同时，还需要结合各种柔性负荷的运行约束，主要包括储能系统功率约束、储能系统荷电状态约束、ev充电功率约束、ev荷电状态约束；约束条件表达式为：

35、

36、其中，pba,max表示储能系统出力上限，pba,min表示储能系统出力下限；socba,max表示t时刻储能系统容量的上限，socba,min表示t时刻储能系统容量的下限；pev,i(t)表示第i辆ev在t时刻充电功率，socev,i(t)表示第i辆ev在t时刻荷电状态；pev,i,max表示第i辆ev电池最大允许充电功率；socev,i,max表示示第i辆ev电池荷电状态上限，socev,i,min表示第i辆ev电池荷电状态下限。

37、作为本发明所述的计及光伏消纳与光储充配置的配电网联合优化方法的一种优选方案，其中：所述改进pso算法求解模型包括，

38、在寻优过程中，采用随迭代变化的惯性因子和学习因子，进而扩展了在迭代中不断缩小的种群搜索空间，确保算法可兼具较好的全局和局部搜索能力，迭代更新公式如下：

39、vij(k+1)＝wvij(k)+c1r1[pij(k)-xij(k)]+

40、c2r2[pgj(k)-xij(k)]

41、其中，vij(k)表示第k次迭代时第i个粒子的第j维度的速度向量xij(k)表示第k次迭代时第i个粒子的第j维度的的位置向量，pij(k)依次表示第k次迭代时第i个粒子的第j维度的历史最优搜索位置；pgj(k)表示整个种群在第k次迭代时第j维度的历史最优搜索位置；w表示惯性权重因子，c1表示自我学习因子，c2表示社会学习因子；r1和r2表示均匀分布在[0,1]的随机数；

42、其中，各因子更新公式如下

43、

44、其中，k表示当前迭代次数，kt表示总迭代次数；ws表示w的初值，we表示w的终值；c1,s表示c1的初值，c1,e表示c1的终值；c2,s表示c2的初值，c2,e表示c2的终值。

45、作为本发明所述的计及光伏消纳与光储充配置的配电网联合优化方法的一种优选方案，其中：改进pso算法求解包括，

46、步骤一：初始化算法参数和模型参数，输入各决策变量相关参数值等；

47、步骤二：随机生成初始种群，产生个体最优值和全局最优值；

48、步骤三：依次更新粒子群中所有粒子位置与速度，并根据约束条件进行边界处理；

49、步骤四：根据迭代次数，重新计算粒子群中各因子参数，并依次计算各粒子适应度函数值，寻找并更新个体最优解；评价整个种群内粒子适应度函数值情况，寻找并更新全局最优解；

50、步骤五：更新粒子群所有粒子位置和速度信息，并进行边界处理；

51、步骤六：重复步骤四和步骤五，直到迭代次数达到设定值，输出全局最优解。

52、一种计及光伏消纳与光储充配置的配电网联合优化系统，其特征在于：

53、数据采集模块，采集配电网在生产生活过程中的历史数据，并进行预处理和规范化处理；

54、数据传输模块，将收集到的数据传输到分析模块，将优化分析的数据传输到求解模块进行解答；

55、优化分析模块，根据计及配电网运行约束下的最大光伏消纳能力进行约束分析，得到配电网综合成本最优的光储充配置和运行方案；

56、算法求解模块，通过改进粒子群算法求解模型，得到最终结果并进行输出。

57、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现本发明中任一项所述的方法的步骤。

58、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现本发明中任一项所述的方法的步骤。

59、本发明的有益效果：本发明提供的计及光伏消纳与光储充配置的配电网联合优化方法，在配电网局部l指标较大的节点接入柔性负荷，既能提高系统电压稳定裕度，也能增强配电网光伏消纳能力，采用本文所提光储充配电网联合优化策略可充分发掘配电网需求侧调度潜力，在不弃光、不重构配电网的前提下有效缓解储能系统投资成本压力，且基于激励电价引导的ev有序充电规划能进一步降低系统综合成本，对高光伏渗透率下配电网的规划建设具有积极作用；改进pso算法能适应多决策变量和约束条件的目标优化问题。