一种基于电动汽车集群的配电网光伏消纳调度方法与流程

本技术涉及配电，特别是涉及一种基于电动汽车集群的配电网光伏消纳调度方法。

背景技术：

1、分布式光伏能够将太阳能转换为电能，其以清洁低碳、空间分布适应性强的特点成为了“双碳”目标推进过程中的关键助力。随着分布式光伏使用的渗透率逐渐提升，电压越限、电能质量下降等一系列问题在配电网运行过程中逐渐显现，导致光伏供电能力存在比较明显的不确定性。例如，乌云遮蔽阳光较长的时间，便在相应的时段影响了太阳能的收集和转换。此外，用户电力需求也日趋多元化和灵活化，导致电力负荷的不确定性也显著增强。目前看来，光伏-电负荷所呈现出的双重不确定性，给配电网的电能供应和运行带来了不小的挑战。例如，电负荷过大，但是同期光伏供能未达到预期水平，供电能力相较于用电需求短缺；或者，光伏供能过于充足，但同期电负荷较小，供电能力远大于用电需求。如何协调配电网运行和光伏消纳的矛盾是当前亟待解决的关键问题。

技术实现思路

1、基于上述问题，本技术提供了一种基于电动汽车集群的配电网光伏消纳调度方法，目的是为当前配电网的电力调度工作提供理论支撑和技术支撑，以便在电量供需平衡的前提下促进光伏的消纳。

2、本技术实施例公开了如下技术方案：提供了一种基于电动汽车集群的配电网光伏消纳调度方法。该方法包括：

3、基于配电网的光伏历史发电数据和电负荷历史数据，构建光伏与电负荷的时序相关性典型场景集合，并在所述时序相关性典型场景集合的基础上构建综合范数概率场景不确定集；

4、获取支持通过所述配电网储电和供电的电动汽车集群的可调度能力区间；所述可调度能力区间包括充放电功率可调度区间和电池容量可调度区间；

5、根据所述配电网的构成和传输线路，构建所述配电网工作的等效模型；

6、在所述等效模型、所述可调度能力区间及所述综合范数概率场景不确定集的基础上，基于阶段性约束集合和阶段性目标函数，构建所述配电网的电量供需平衡模型；

7、将所述电量供需平衡模型转换为待求解的问题，基于所述问题的目标函数对所述问题进行求解，得到配电调度方案；所述配电调度方案包括所述配电网的光伏发电规划数据、所述配电网中的电负荷规划数据以及所述电动汽车集群的充放电规划数据；所述问题的目标函数为关于所述综合范数概率场景不确定集的函数。

8、在可选实现方式中，所述阶段性约束集合包括预调度阶段的第一约束集合和调节阶段的第二约束集合，所述阶段性目标函数包括预调度阶段的第一目标函数和调节阶段的第二目标函数；

9、所述在所述等效模型、所述可调度能力区间及所述综合范数概率场景不确定集的基础上，基于阶段性约束集合和阶段性目标函数，构建所述配电网的电量供需平衡模型，包括：

10、从所述综合范数概率场景不确定集中随机抽取一组数据作为预测数据；

11、根据所述等效模型、所述可调度能力区间、所述预测数据、所述第一约束集合和所述第一目标函数，构建电量供需预调度阶段确定性模型；

12、根据所述第二约束集合和所述第二目标函数，在所述电量供需预调度阶段确定性模型基础上构建电量供需调节阶段确定性模型；

13、在所述电量供需预调度阶段确定性模型和所述电量供需调节阶段确定性模型的基础上，基于所述综合范数概率场景不确定集构建所述配电网的电量供需平衡模型。

14、在可选实现方式中，所述第一约束集合包括以下中的一种或多种：

15、发电燃气轮机的出力模型约束，需求响应模型约束，接入所述配电网的储能装置的储能约束，所述电动汽车集群的约束和所述等效模型的约束；其中，所述储能设备用于提供临时电能支撑；

16、所述第二约束集合包括以下中的一种或多种：

17、设备调节约束，静止无功发生器的运行约束和所述等效模型的约束。

18、在可选实现方式中，所述第一目标函数表征以运行成本最小化作为优化目标，所述第二目标函数表征以设备调节成本最小化作为优化目标；

19、所述运行成本包括以下一种或多种：

20、设备运维成本、购能成本、弃光惩罚成本、需求响应成本和网损损失；

21、所述设备调节成本包括以下一种或多种：

22、因设备调节产生的运维成本、购能成本、弃光惩罚成本和需求响应成本。

23、在可选实现方式中，所述将所述电量供需平衡模型转换为待求解的问题，基于所述问题的目标函数对所述问题进行求解，得到配电调度方案，包括：

24、通过列和约束生成方法将所述电量供需平衡模型转换为主问题和子问题，基于所述主问题的目标函数和所述子问题的目标函数，通过交互迭代的方式对所述主问题和所述子问题进行求解，最终获得所述配电调度方案。

25、在可选实现方式中，所述通过交互迭代的方式对所述主问题和所述子问题进行求解，包括：

26、所述主问题将预调度阶段的待求解参数传递到所述子问题；

27、所述子问题在所述主问题给定设备处理及启停结果基础上寻找最劣的光伏与电负荷的联合概率作为最劣概率，并将所述最劣概率返回所述主问题进行迭代；

28、在迭代过程中，所述主问题提供解的下边界，所述子问题提供解的下边界，直至解的上下边界的差值满足收敛条件，结束迭代。

29、在可选实现方式中，所述基于配电网的光伏历史发电数据和电负荷历史数据，构建光伏与电负荷的时序相关性典型场景集合，并在所述时序相关性典型场景集合的基础上构建综合范数概率场景不确定集，包括：

30、对所述光伏历史发电数据进行归一化处理，得到归一化后的光伏历史发电数据，以及对所述电负荷历史数据进行归一化处理，得到归一化后的电负荷历史数据；

31、通过非参数核密度估计方法对归一化后的光伏历史发电数据进行概率密度函数的拟合，得到拟合出的第一概率密度函数，以及通过非参数核密度估计方法对归一化后的电负荷历史数据进行概率密度函数的拟合，得到拟合出的第二概率密度函数；其中，所述第一概率密度函数和所述第二概率密度函数均为表征概率与功率相关性的函数；

32、以所述第一概率密度函数和所述第二概率密度函数为基础，基于二元frank-copula理论构建所述配电网的光伏与电负荷的联合概率分布函数；

33、基于所述联合概率分布函数生成所述配电网的光伏与电负荷的时序相关性典型场景集合；所述相关性典型场景集合包括所述配电网的光伏与电负荷的多个相关性典型场景；所述相关性典型场景通过光伏与电负荷的联合概率表征；

34、在所述时序相关性典型场景集合的基础上，以1范数和无穷范数构成有关所述多个时序相关性典型场景的综合范数概率场景不确定集。

35、在可选实现方式中，所述获取支持通过所述配电网储电和供电的电动汽车集群的可调度能力区间，包括：

36、根据电动汽车的充放电功率约束、电池容量约束、电池荷电状态约束和电动汽车并网离网的时间约束，对电动汽车进行建模；

37、基于所述电动汽车集群中不同的电动汽车在并网时间的差异性和在离网时间的差异性，通过引入0-1布尔变量对所述电动汽车集群中单台电动汽车的模型进行变换，得到变换后的电动汽车的模型；

38、基于所述变换后的电动汽车的模型中，电动汽车的充放电功率的边界以及电量边界，采用闵可夫斯基和方法得到所述电动汽车集群的可调度能力模型；

39、在所述电动汽车集群的可调度能力模型、电动汽车的出行规律和充电习惯的基础上，通过蒙特卡洛模型获得所述电动汽车集群的充放电功率可调度区间和电池容量可调度区间。

40、在可选实现方式中，所述在所述电动汽车集群的可调度能力模型、电动汽车的出行规律和充电习惯的基础上，通过蒙特卡洛模型获得所述电动汽车集群的充放电功率可调度区间和电池容量可调度区间，包括：

41、根据电动汽车的出行规律和充电习惯，采用蒙特卡洛抽样法对所述电动汽车集群中电动汽车的初始电池荷电状态、并网时间、离网时间和各个时刻的电动汽车数量进行模拟；

42、识别模拟得到的数据中的异常数据并进行修正，得到所述电动汽车集群的修正后的电动汽车模拟数据；

43、根据所述电动汽车集群的电动汽车充电顺序和所述修正后的电动汽车模拟数据，计算得到所述电动汽车集群在电量供需预调度阶段及电量供需调节阶段的充放电功率可调度区间和电池容量可调度区间。

44、在可选实现方式中，所述配电网为中-低压多级配电网，具体构成包括：上级电网、10kv电压配电网作为中压配电网、传输线路、变压器、380v电压配电网作为低压配电网；分布式光伏同时接入于所述中压配电网和所述低压配电网，所述电动汽车集群中的电动汽车作为灵活荷储资源接入于所述低压配电网；储能装置接入于所述中压配电网，用于起到临时电能支撑作用；所述低压配电网允许向所述中压配电网购买或售卖电能，所述中压配电网允许向所述上级电网购买电能；

45、所述根据所述配电网的构成和传输线路，构建所述配电网工作的等效模型，包括：

46、根据所述中-低压多级配电网的构成和传输线路，构建所述中压配电网的第一潮流模型和所述低压配电网的第二潮流模型；

47、对所述第一潮流模型和所述第二潮流模型分别进行二阶锥松弛，得到所述中压配电网的变换后潮流模型和所述低压配电网的变换后潮流模型；

48、根据所述中压配电网、所述传输线路、所述变压器以及所述低压配电网各自的有功损耗，获得所述中-低压多级配电网的网损等效模型。

49、相较于现有技术，本技术具有以下有益效果：

50、本技术技术方案中，为在电量供需平衡的前提下促进光伏的消纳，首先采取三方面的准备工作。其一，基于配电网的光伏历史发电数据和电负荷历史数据，构建光伏与电负荷的时序相关性典型场景集合，并在时序相关性典型场景集合的基础上构建综合范数概率场景不确定集。通过此项准备工作，把握发电数据和电负荷数据之间紧密联系的规律，并将此项规律与光伏-电负荷所呈现出的双重不确定性联系在一起，以综合范数概率场景不确定集来表征。其二，获取支持通过配电网储电和供电的电动汽车集群的可调度能力区间，其中，可调度能力区间包括充放电功率可调度区间和电池容量可调度区间。电动汽车集群的使用，作为本方案促进光伏消纳的关键技术手段，此项准备工作目的是为了对电动汽车集群在配电过程中可施展的能力进行充分的调查、研究和认知，从而更好地发挥其作用。其三，根据配电网的构成和传输线路，构建配电网工作的等效模型。此项准备工作的执行，实现对配电网的等效建模，方便把握其工作规律，辅助后续进一步实现高水平的调度安排。

51、接着，在等效模型、可调度能力区间及综合范数概率场景不确定集的基础上（即以上三方面准备工作的基础上），基于阶段性约束集合和阶段性目标函数，构建配电网的电量供需平衡模型。这一模型的构建，具体考虑到了光伏发电与用户用电各自的不确定性及关联规律，并考虑到了电动汽车集群的可调度能力以及配电网的工作模式，使得对纳入了电动汽车集群能力的配电网的电量供需平衡关系实现建模。紧接着，本技术将电量供需平衡模型转换为待求解的问题，基于问题的目标函数对问题进行求解，得到配电调度方案。由于配电调度方案包括配电网的光伏发电规划数据、配电网中的电负荷规划数据以及电动汽车集群的充放电规划数据，因此可知相较于已有的配电技术，本方案通过执行以上的流程，能够更加准确地把握电量供需关系并进行合理调度，可在供需平衡前提下促进光伏的消纳。