本技术涉及配网运行与分析领域,更具体的说,是涉及一种配电终端的配置方法及装置。
背景技术:
1、随着用电量的不断提高,电网安全运行是正常持续用电的保障,电网运行状态需要进行精准的监控。配网中的感知控制终端(以下简称为配电终端)起到监控电网运行状态,精准定位故障并进行有效隔离,因此配网中数据采集和控制命令等业务的实时性和可靠性起到至关重要的作用。源荷储设备(即分布式新能源、柔性负荷以及储能装置)正在大规模接入配网,对配网的电能质量造成不可忽视的影响,导致系统电压波动以及电能质量下降,因此,需要在上述关键节点安装/配置配电终端。
2、目前在安装/配置配电终端时只考虑配电终端运行成本,并未对分布式新能源、柔性负荷以及储能对配网的电能质量影响进行分析,难以对配电终端接入位置和数量进行合理优化,导致配网未能在配电终端运行成本最小下抑制电压波动。
技术实现思路
1、鉴于上述问题,本技术提供了一种配电终端的配置方法及装置,以在配电终端运行成本最小的前提下,合理部署配电终端,从而抑制电压波动。
2、为了实现上述目的,现提出具体方案如下:
3、一种配电终端的配置方法,包括:
4、根据目标地区内的配网的电力结构,建立所述配网的源荷储模型,所述源荷储模型包括分布式新能源功率时序模型、柔性负荷时序模型和储能系统出力模型;
5、计算所述源荷储模型接入所述配网前后的节点电压偏差;
6、建立所述配网的综合运行成本最小模型,并确定所述综合运行成本最小模型的目标函数,并确定所述目标函数的配电终端优化约束;
7、在所述配电终端优化约束下,以配电终端数量和配电终端配置位置作为求解目标,根据所述源荷储模型接入所述配网前后的节点电压偏差,通过粒子群算法对所述目标函数进行求解,得到在所述配网中接入的配电终端的数量,以及在所述配网中接入的各个配电终端各自的配置位置。
8、可选的,所述分布式新能源功率时序模型包括风力发电模型和光伏发电模型;
9、所述风力发电模型的概率密度函数为:
10、
11、其中,v为所述目标区域的实时风速,k为所述风力发电模型的形状参数,c为所述风力发电模型的尺度参数;
12、所述风力发电模型的风机输出功率为:
13、
14、其中,pwtn为所述风力发电模型的风机额定功率,vci为切入风速,vn为额定风速,vco为切出风速,a为所述风力发电模型的第一模型系数,b为所述风力发电模型的第二模型系数,c为所述风力发电模型的第三模型系数;
15、所述光伏发电模型的概率密度函数为:
16、
17、其中,γ(·)为伽玛函数,i为所述目标地区在预设参考时间内测得的光照强度值,imax为所述目标地区在所述预设参考时间内的最大光照强度值,α为所述光伏发电模型的第一形状参数,β为所述光伏发电模型的第二形状参数;
18、所述光伏发电模型的光伏输出功率为:
19、ppv=spv·i·η
20、其中,spv为所述目标地区内的所有光伏电站的电池板的总面积,η为所述目标地区内的所有光伏电站的功率转换效率的平均值。
21、可选的,所述柔性负荷时序模型是以所述目标地区中的电动汽车作为柔性可调负荷,基于所述电动汽车的动力电池荷电状态建立得到的,所述柔性负荷时序模型为:
22、
23、其中,soc0为所述电动汽车的电池的初始电量状态,socj为所述电动汽车的电池在j时的电量状态,ed为所述电动汽车行驶消耗的能量,cb为所述电动汽车的电池额定容量,pev为所述电动汽车的功率,δt为预设间隔时间。
24、可选的,所述储能系统出力模型为:
25、s(t)=s(t-δt)+δs(t)
26、
27、其中,s(t)为所述目标地区内的所述配网的储能装置在t时刻下的储能荷电状态,δs(t)为所述储能装置在t时刻下的储能荷电变化量,pess(t)为所述储能装置在t时刻下的储能有功功率,cess为所述储能装置的容量,δt为预设间隔时间。
28、可选的,所述目标函数为:
29、minf1=cf+cm+cr+cl+ccom
30、其中,cf为配电终端投资成本,cm为配电终端维护成本,cr为配电终端更换成本,cl为停电损失成本,ccom为业务通信成本;其中,
31、所述配电终端投资成本为:
32、
33、其中,n为所述目标地区内所述配网的配电终端的数量,p为单个配电终端的投资单价,s为单个配电终端的经济使用年限,r为贴现率;
34、所述配电终端维护成本为:
35、cm=n·p·ζ
36、其中,ζ为单个配电终端的运行维护费用占单个配电终端的投资费用的比重;
37、所述配电终端更换成本为:
38、
39、其中,lr为单个配电终端的使用年寿命;
40、所述停电损失成本为:
41、
42、其中,k为所述目标地区内的用户数量,ensj为用户j因停电缺供的电量,ch为用户单位电量停电损失费用;
43、所述业务通信成本为:
44、ccom=n·cf·lr
45、其中,cf为单个配电终端的每年通信费用。
46、可选的,计算所述源荷储模型接入所述配网前后的节点电压偏差,包括:
47、利用下式计算所述源荷储模型接入所述配网前后的节点电压偏差:
48、
49、其中,ui1为所述源荷储模型接入所述配网的节点i后的电压,ui0为所述源荷储模型接入所述配网前的节点i前的电压,p1为所述源荷储模型发出的有功功率,q为所述源荷储模型发出的无功功率,r为所述配网的线路电阻,x为所述配网的线路电抗,pli为所述源荷储模型接入至所述配网的节点i的有功功率,qli为所述源荷储模型接入至所述配网的节点i的无功功率。
50、可选的,所述配电终端优化约束条件包括交流潮流方程约束和运行安全约束;
51、所述交流潮流方程约束为:
52、
53、其中,ui为所述配网的节点i的运行电压,pgi为所述配网的节点i的注入的有功功率,qgi为所述配网的节点i的注入的无功功率,δij为所述配网的节点i的电压向量与节点j的电压向量之间的相位差,gij为所述配网的节点i与节点j之间线路的电导,bij为所述配网的节点i与节点j之间线路的电纳,n为所述配网的节点总数;
54、所述运行安全约束为:
55、ui,min≤ui≤ui,max
56、其中,ui,min为所述配网的节点i的运行电压下限值,ui,max为所述配网的节点i的运行电压上限值。
57、可选的,在所述配电终端优化约束下,以配电终端数量和配电终端配置位置作为求解目标,根据所述源荷储模型接入所述配网前后的节点电压偏差,通过粒子群算法对所述目标函数进行求解,得到在所述配网中接入的配电终端的数量,以及在所述配网中接入的各个配电终端各自的配置位置,包括:
58、根据所述源荷储模型接入所述配网前后的节点电压偏差,初始化粒子群中各个粒子各自的位置及速度;
59、根据当前粒子群中各个粒子各自的位置及速度,计算各个粒子各自的适应度值;
60、判断当前粒子群中各个粒子各自的适应度值,是否在所述配电终端优化约束下,使所述目标函数的目标值取得最小;
61、若是,则确定当前粒子群中各个粒子的数量为在所述配网中接入的配电终端的数量,以及确定各个粒子的位置对应为各个配电终端各自的配置位置;
62、若否,更新当前粒子群中粒子数量以及各个粒子的各自的位置及速度,得到最新的粒子群,返回执行所述根据当前粒子群中各个粒子各自的位置及速度,计算各个粒子各自的适应度值的步骤。
63、一种配电网中感知控制终端的配置装置,包括:
64、源荷储模型建立单元,用于根据目标地区内的配网的电力结构,建立所述配网的源荷储模型,所述源荷储模型包括分布式新能源功率时序模型、柔性负荷时序模型和储能系统出力模型;
65、节点电压偏差计算单元,用于计算所述源荷储模型接入所述配网前后的节点电压偏差;
66、目标函数确定单元,用于建立所述配网的综合运行成本最小模型,并确定所述综合运行成本最小模型的目标函数,并确定所述目标函数的配电终端优化约束;
67、配电终端优化求解单元,用于在所述配电终端优化约束下,以配电终端数量和配电终端配置位置作为求解目标,根据所述源荷储模型接入所述配网前后的节点电压偏差,通过粒子群算法对所述目标函数进行求解,得到在所述配网中接入的配电终端的数量,以及在所述配网中接入的各个配电终端各自的配置位置。
68、可选的,所述分布式新能源功率时序模型包括风力发电模型和光伏发电模型;
69、所述风力发电模型的概率密度函数为:
70、
71、其中,v为所述目标区域的实时风速,k为所述风力发电模型的形状参数,c为所述风力发电模型的尺度参数;
72、所述风力发电模型的风机输出功率为:
73、
74、其中,pwtn为所述风力发电模型的风机额定功率,vci为切入风速,vn为额定风速,vco为切出风速,a为所述风力发电模型的第一模型系数,b为所述风力发电模型的第二模型系数,c为所述风力发电模型的第三模型系数;
75、所述光伏发电模型的概率密度函数为:
76、
77、其中,γ(·)为伽玛函数,i为所述目标地区在预设参考时间内测得的光照强度值,imax为所述目标地区在所述预设参考时间内的最大光照强度值,α为所述光伏发电模型的第一形状参数,β为所述光伏发电模型的第二形状参数;
78、所述光伏发电模型的光伏输出功率为:
79、ppv=spv·i·η
80、其中,spv为所述目标地区内的所有光伏电站的电池板的总面积,η为所述目标地区内的所有光伏电站的功率转换效率的平均值。
81、可选的,所述柔性负荷时序模型是以所述目标地区中的电动汽车作为柔性可调负荷,基于所述电动汽车的动力电池荷电状态建立得到的,所述柔性负荷时序模型为:
82、
83、其中,soc0为所述电动汽车的电池的初始电量状态,socj为所述电动汽车的电池在j时的电量状态,ed为所述电动汽车行驶消耗的能量,cb为所述电动汽车的电池额定容量,pev为所述电动汽车的功率,δt为预设间隔时间。
84、可选的,所述储能系统出力模型为:
85、s(t)=s(t-δt)+δs(t)
86、
87、其中,s(t)为所述目标地区内的所述配网的储能装置在t时刻下的储能荷电状态,δs(t)为所述储能装置在t时刻下的储能荷电变化量,pess(t)为所述储能装置在t时刻下的储能有功功率,cess为所述储能装置的容量,δt为预设间隔时间。
88、可选的,所述目标函数为:
89、minf1=cf+cm+cr+cl+ccom
90、其中,cf为配电终端投资成本,cm为配电终端维护成本,cr为配电终端更换成本,cl为停电损失成本,ccom为业务通信成本;其中,
91、所述配电终端投资成本为:
92、
93、其中,n为所述目标地区内所述配网的配电终端的数量,p为单个配电终端的投资单价,s为单个配电终端的经济使用年限,r为贴现率;
94、所述配电终端维护成本为:
95、cm=n·p·ζ
96、其中,ζ为单个配电终端的运行维护费用占单个配电终端的投资费用的比重;
97、所述配电终端更换成本为:
98、
99、其中,lr为单个配电终端的使用年寿命;
100、所述停电损失成本为:
101、
102、其中,k为所述目标地区内的用户数量,ensj为用户j因停电缺供的电量,ch为用户单位电量停电损失费用;
103、所述业务通信成本为:
104、ccom=n·cf·lr
105、其中,cf为单个配电终端的每年通信费用。
106、可选的,计算所述源荷储模型接入所述配网前后的节点电压偏差,包括:
107、利用下式计算所述源荷储模型接入所述配网前后的节点电压偏差:
108、
109、其中,ui1为所述源荷储模型接入所述配网的节点i后的电压,ui0为所述源荷储模型接入所述配网前的节点i前的电压,p1为所述源荷储模型发出的有功功率,q为所述源荷储模型发出的无功功率,r为所述配网的线路电阻,x为所述配网的线路电抗,pli为所述源荷储模型接入至所述配网的节点i的有功功率,qli为所述源荷储模型接入至所述配网的节点i的无功功率。
110、可选的,所述配电终端优化约束条件包括交流潮流方程约束和运行安全约束;
111、所述交流潮流方程约束为:
112、
113、其中,ui为所述配网的节点i的运行电压,pgi为所述配网的节点i的注入的有功功率,qgi为所述配网的节点i的注入的无功功率,δij为所述配网的节点i的电压向量与节点j的电压向量之间的相位差,gij为所述配网的节点i与节点j之间线路的电导,bij为所述配网的节点i与节点j之间线路的电纳,n为所述配网的节点总数;
114、所述运行安全约束为:
115、ui,min≤ui≤ui,max
116、其中,ui,min为所述配网的节点i的运行电压下限值,ui,max为所述配网的节点i的运行电压上限值。
117、可选的,所述配电终端优化求解单元,包括:
118、粒子初始化单元,用于根据所述源荷储模型接入所述配网前后的节点电压偏差,初始化粒子群中各个粒子各自的位置及速度;
119、粒子适应度值计算单元,用于根据当前粒子群中各个粒子各自的位置及速度,计算各个粒子各自的适应度值;
120、条件约束判断单元,用于判断当前粒子群中各个粒子各自的适应度值,是否在所述配电终端优化约束下,使所述目标函数的目标值取得最小,若是,则执行,若是,则执行数量位置确定单元,若否,则执行粒子更新单元;
121、所述数量位置确定单元,用于确定当前粒子群中各个粒子的数量为在所述配网中接入的配电终端的数量,以及确定各个粒子的位置对应为各个配电终端各自的配置位置;
122、所述粒子更新单元,用于更新当前粒子群中粒子数量以及各个粒子的各自的位置及速度,得到最新的粒子群,返回执行所述根据当前粒子群中各个粒子各自的位置及速度,计算各个粒子各自的适应度值的步骤。
123、借由上述技术方案,本技术通过根据目标地区内的配网的电力结构,建立所述配网的源荷储模型,所述源荷储模型包括分布式新能源功率时序模型、柔性负荷时序模型和储能系统出力模型,计算所述源荷储模型接入所述配网前后的节点电压偏差,建立所述配网的综合运行成本最小模型,并确定所述综合运行成本最小模型的目标函数,并确定所述目标函数的配电终端优化约束,在所述配电终端优化约束下,以配电终端数量和配电终端配置位置作为求解目标,根据所述源荷储模型接入所述配网前后的节点电压偏差,通过粒子群算法对所述目标函数进行求解,得到在所述配网中接入的配电终端的数量,以及在所述配网中接入的各个配电终端各自的配置位置。由此可见,从分布式新能源、柔性负荷以及储能对电压影响出发,考虑运行经济性和源荷储协同对配电终端进行优化布点,能够根据源荷储时序特性确定配电终端的接入位置,根据经济性确定配电终端的数量,合理部署配电终端,从而抑制电压波动,更好地适应配电网的发展需求。