配电网故障后考虑源荷不确定性的多微网区域划分方法
文献发布时间：2024-04-18 19:59:31
技术领域
本发明涉及多微网分区领域，尤其涉及一种配电网故障后考虑源荷不确定性的多微网区域划分方法。
背景技术
为了实现中国“双碳”目标，在城市配电网中使用低碳清洁的分布式新能源成为趋势。随着经济社会的快速发展，人们对于电能的依赖逐渐增强，随着需求的不断增长，风力发电、光伏发电、燃料电池等分布式电源发电方式快速发展，在配电网的接入量越来越大，逐渐成为未来电力系统的主体能源形式，分布式能源具有高效、节能、环保、灵活等优点，可以提高能源利用效率，降低线损和污染排放，增强供电可靠性和安全性，满足用户多样化和个性化的需求。但由于太阳能以及风能等可再生能源的不可控性，受外界因素影响大，分布式能源具有着很高的不确定性，而大量分布式电源(distributed generator)接入增加了电网运行的不确定性和控制复杂度。
高密度分布式电源的接入使多微网实时运行控制面临巨大的数据处理压力，且大规模集中求解方法效率低，难以满足在线计算的需求。因此，为降低区域配电系统的控制维数和运算复杂度，需要对多微网进行合理的分区，使子区域间节点耦合度降低，同时子区域内部节点特性高度内聚。分区控制充分利用了区域内的有功和无功资源，避免了功率大范围流动，更好地发挥了可再生能源就地消纳特性，同时避免了大维数据计算，缓解了对控制器性能的高要求。而随着分布式电源渗透率的提高，多微网分区不仅需考虑光伏、风电等不可控DG出力及负荷的随机波动性，还需考虑与可控DG出力的相互配合，为了实现区域多微网协调运行，分区指标体系应更加多元且进一步削减区域间耦合程度。
发明内容
本发明所要解决的技术问题是提供基于源荷不确定性模拟的多微网区域划分方法，基于考虑源-荷不确定性，通过拉丁超立方采样方法对预测数据进行多不确定性随机样本生成，并基于优化后的典型样本信息，建立了考虑不确定性的多微网区块化划分模型，从而实现了多微网的协调运行。
本发明为了解决上述技术问题采用以下技术方案：本发明设计了配电网故障后考虑源荷不确定性的多微网区域划分方法，用于考虑源-荷不确定性的多微网分区协调运行，包括如下步骤：
步骤A.对配电系统中涉及的随机波动性分布式电源及负载24h信息进行不确定样本集生成，并进行典型样本删减；
步骤B.基于降低不同子区域间的电力交换的目的，建立分区模型的目标函数，然后进入步骤C；
步骤C.书写考虑不确定性的多微网区块划分模型中约束条件主要包括区域归属约束，系统安全稳定运行约束，分布式电源出力约束，以及配电系统潮流约束；
步骤D.将步骤A得到的样本集带入步骤B和C建立的多微网优化分区模型进行求解。
作为本发明的一种优选技术方案，所述步骤A中，基于拉丁超立方抽样，按如下步骤A01至步骤A02，获取典型样本数据：
步骤A01.基于源-荷随机波动量概率分布函数，获得不确定性样本集：
设置源-荷随机波动量概率分布函数符合高斯分布N(0,δ
其中，
然后，将上述的各波动量概率分布函数在纵坐标轴上M等分，M为设置的场景生成总数量。对第x个变量在各概率区间内进行采样：
其中，m为第m个概率区间；
x
其中，F
步骤A02.为了提高计算效率，有效减少样本数量，获得典型样本集：
首先，设定M个场景的概率相同：
计算每个样本与其他所有样本的Kantorovich距离，并挑选其中与本样本距离最近的进行记录：
KT
其中，d
然后，将所有样本的概率分别与相应的最近样本距离相乘，求得概率距离，搜索其中最小值的样本进行删除。通过此步骤去除了代表性较差的样本。同时，将被删除样本的概率添加至最近距离的样本上，增加其代表性。
min{KT
最后，将总样本数更改为M-1，按照新的样本概率反复删减样本量，直至满足要求。
作为本发明的一种优选技术方案，所述步骤B中，针对降低不同区域之间的电力交换的分区目的，按如下步骤B01至步骤B02，确立分区模型的目标函数：
步骤B01.基于分区目标，获得多微网分区指标表达式：
其中，Q
步骤B02.基于步骤B01中的式(1)至式(5)，获得分区模型目标函数如下：
其中，β
作为本发明的一种优选技术方案，所述步骤C中，基于配电网潮流特性，得到分区模型的约束条件如下：
(1)区域归属约束
设置各节点都属于且仅属于某一区域，通过标签变量的形式存储其区域归属信息，式(2.31)表示了节点i的区域归属约束：
(2)系统安全稳定运行约束
a)节点电压上下限约束
为保证分区及出力优化结果不影响系统的运行，首先需保证配电网中各节点的电压质量在标准范围内：
V
其中，
b)线路传输电流上下限约束
在配电系统中，规定了线路传输有功、无功功率的上限，因此可对传输电流大小加以约束，相较于传统配电网，高密度分布式电源的接入使得电流流通方向不再为辐射状，存在负值即该线路存在反方向电流：
其中，I
c)节点功率平衡约束
其中，
(3)分布式电源出力约束
a)不可控分布式电源出力约束
光伏、风电等节点出力约束为：
即不可控DG接入节点的有功提供量为考虑不确定性模拟样本的平均值，且其不得超过该节点提供有功的最大值。
b)可控分布式电源出力约束
分布式电影中微型燃气轮机和储能设备属于可控分布式能源，可在其容量范围内对它们的有功、无功功率输出进行调节。且当某节点风电、光伏等不可控DG与储能配合应用时，也将其视作可控DG参与系统调节。
其中，
(4)潮流约束
节点i、j之间的线路需满足传输功率与线路两端电压、电流的关系，但该约束为非线性约束，可对其进行二阶锥松弛：
其中，P
作为本发明的一种优选技术方案，所述步骤D中，将步骤A得到的样本集带入步骤B和C建立的多微网优化分区模型进行求解。
步骤D中，将生成的典型样本数据代入目标函数计算和相应的功率平衡、运行约束中，求解最优分区和24小时的分布式电源调控结果。
本发明所述一种基于源荷不确定性模拟的多微网区域划分方法，采用以上技术方案与现有技术相比，具有以下技术效果：本发明所设计基于源荷不确定性模拟的多微网区域划分方法，考虑了源-荷的不确定性，用拉丁超立方抽样方法生成了样本数据集；考虑了多元化分区指标，以区域结构强度指标最大化、子区域内供给功率与负荷所需功率偏差最小和子区域间线路传输功率尽可能小为控制目标，为配电网合理分区提供依据，考虑了源荷不确定性，实现削减区域间耦合程度，实现区域配电网协调运行。
附图说明
图1是本发明配电网故障后考虑源荷不确定性的多微网区域划分方法的流程图；
图2是本发明实施例中采用的微电网仿真系统；
图3a是光伏24小时出力预测数据；
图3b是风力24小时出力预测数据；
图4容量高时配电网区域划分结果；
图5a是区域1有功供需关系图；
图5b是区域1无功供需关系图；
图6a是区域2有功供需关系图；
图6b是区域2无功供需关系图；
图7a是区域3有功供需关系图；
图7b是区域3无功供需关系图；
图8a是区域4有功供需关系图；
图8b是区域4无功供需关系图；
图9a是区域5有功供需关系图；
图9b是区域5无功供需关系图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明设计了配电网故障后考虑源荷不确定性的多微网区域划分方法，用于考虑源-荷不确定性的多微网分区协调运行，实际应用当中，如图1所示，具体包括如下步骤：
步骤A.对配电系统中涉及的随机波动性分布式电源及负载24h信息进行不确定样本集生成，并进行典型样本删减；
步骤B.基于降低不同子区域间的电力交换的目的，建立分区模型的目标函数，然后进入步骤C；
步骤C.书写考虑不确定性的多微网区块划分模型中约束条件主要包括区域归属约束，系统安全稳定运行约束，分布式电源出力约束，以及配电系统潮流约束；
步骤D.将步骤A得到的样本集带入步骤B和C建立的多微网优化分区模型进行求解。
作为本发明的一种优选技术方案，所述步骤A中，基于拉丁超立方抽样，按如下步骤A01至步骤A02，获取典型样本数据：
步骤A01.基于源-荷随机波动量概率分布函数，获得不确定性样本集：
设置源-荷随机波动量概率分布函数符合高斯分布N(0,δ
其中，
然后，将上述的各波动量概率分布函数在纵坐标轴上M等分，M为设置的场景生成总数量。对第x个变量在各概率区间内进行采样：
其中，m为第m个概率区间；
x
其中，F
步骤A02.为了提高计算效率，有效减少样本数量，获得典型样本集：
首先，设定M个场景的概率相同：
计算每个样本与其他所有样本的Kantorovich距离，并挑选其中与本样本距离最近的进行记录：
KT
其中，d
然后，将所有样本的概率分别与相应的最近样本距离相乘，求得概率距离，搜索其中最小值的样本进行删除。通过此步骤去除了代表性较差的样本。同时，将被删除样本的概率添加至最近距离的样本上，增加其代表性。
min{KT
最后，将总样本数更改为M-1，按照新的样本概率反复删减样本量，直至满足要求。
作为本发明的一种优选技术方案，所述步骤B中，针对降低不同区域之间的电力交换的分区目的，按如下步骤B01至步骤B02，确立分区模型的目标函数：
步骤B01.基于分区目标，获得多微网分区指标表达式：
其中，Q
步骤B02.基于步骤B01中的式(1)至式(5)，获得分区模型目标函数如下：
其中，β
作为本发明的一种优选技术方案，所述步骤C中，基于配电网潮流特性，得到分区模型的约束条件如下：
(1)区域归属约束
设置各节点都属于且仅属于某一区域，通过标签变量的形式存储其区域归属信息，式(2.31)表示了节点i的区域归属约束：
(2)系统安全稳定运行约束
a)节点电压上下限约束
为保证分区及出力优化结果不影响系统的运行，首先需保证配电网中各节点的电压质量在标准范围内：
V
其中，
b)线路传输电流上下限约束
在配电系统中，规定了线路传输有功、无功功率的上限，因此可对传输电流大小加以约束，相较于传统配电网，高密度分布式电源的接入使得电流流通方向不再为辐射状，存在负值即该线路存在反方向电流：
其中，I
c)节点功率平衡约束
其中，
(3)分布式电源出力约束
a)不可控分布式电源出力约束
因此光伏、风电等节点出力约束为：
即不可控DG接入节点的有功提供量为考虑不确定性模拟样本的平均值，且其不得超过该节点提供有功的最大值。
b)可控分布式电源出力约束
分布式电影中微型燃气轮机和储能设备属于可控分布式能源，可在其容量范围内对它们的有功、无功功率输出进行调节。且当某节点风电、光伏等不可控DG与储能配合应用时，也将其视作可控DG参与系统调节。
其中，
(4)潮流约束
节点i、j之间的线路需满足传输功率与线路两端电压、电流的关系，但该约束为非线性约束，可对其进行二阶锥松弛：
其中，P
作为本发明的一种优选技术方案，所述步骤D中，将步骤A得到的样本集带入步骤B和C建立的多微网优化分区模型进行求解。
步骤D中，将生成的典型样本数据代入目标函数计算和相应的功率平衡、运行约束中，求解最优分区和24小时的分布式电源调控结果。
将上述所设计技术方案应用到实际当中，图2所示为改进的IEEE33节点配电系统的拓扑结构如，增加了12台分布式电源，其中可在容量范围内进行有功、无功输出调节的6台可控DG，由微燃机与储能设备构成，不可控DG包括4台光伏和2台风力发电设备。分布式电源详细信息如表1所示。
图3a，图3b所示分别为该配电系统中四台光伏发电设备一天内预测出力数据以及两台风力发电设备预测出力数据。
表1分布式电源接入信息
基于上述的区域划分模型，本节在配置为AMD R7-3700X 3.59-GHz CPU、32-GBRAM的64位的台式机上开展数值仿真计算，利用MATLAB-2020b/YALMIP进行优化建模，调用Gurobi9.5求解该优化问题。
图4所示为区域划分的结果，IEEE 33节点的配电网系统被划分为了五个子区域。
在该分区结果下，整个配电网系统结构强度指标Q
图5a中黑色线代表区域1的有功功率需求量，灰色线则代表有功功率供给量，横坐标表示时间，单位：小时，纵坐标表示有功功率，单位：千瓦。图5b中黑色线代表区域1的无功功率需求量，灰色线则代表有无功率供给量，横坐标表示时间，单位：小时，纵坐标表示无功功率，单位：千乏。图6a中黑色线代表区域2的有功功率需求量，灰色线则代表有功功率供给量，横坐标表示时间，单位：小时，纵坐标表示有功功率，单位：千瓦。图6b中黑色线代表区域2的无功功率需求量，灰色线则代表无功功率供给量，横坐标表示时间，单位：小时，纵坐标表示有无功功率，单位：千乏。图7a中黑色线代表区域3的有功功率需求量，灰色线则代表有功功率供给量，横坐标表示时间，单位：小时，纵坐标表示有功功率，单位：千瓦。图7b中黑色线代表区域3的无功功率需求量，灰色线则代表无功功率供给量，横坐标表示时间，单位：小时，纵坐标表示无功功率，单位：千乏。图8a中黑色线代表区域4的有功功率需求量，灰色线则代表有功功率供给量，横坐标表示时间，单位：小时，纵坐标表示有功功率，单位：千瓦。图8b中黑色线代表区域4的无功功率需求量，灰色线则代表无功功率供给量，横坐标表示时间，单位：小时，纵坐标表示无功功率，单位：千乏。图9a中黑色线代表区域3的有功功率需求量，灰色线则代表有功功率供给量，横坐标表示时间，单位：小时，纵坐标表示有功功率，单位：千瓦。图9b中黑色线代表区域5的无功功率需求量，灰色线则代表无功功率供给量，横坐标表示时间，单位：小时，纵坐标表示无功功率，单位：千乏。根据图5a，5b，6a，6b，7a，7b，8a，8b，9a，9b看到在一天大多数时间里，各子区域内两线重合，这代表均能实现区域内部源-荷供需持平。受到分布式电源容量上限和节点电压质量等约束限制，该配电网也仅在中午11点至13点负荷高峰时部分子区域供给不足，其中子区域2仅存在极小的有功功率缺额，子区域3、4功率缺额较大。无功输出影响着各区域的电能质量，由图可知，只有子区域3在12点时无功不能完全覆盖，其他子区域全程无功可平衡。
本发明所提出的基于源荷的不确定性的分区方案，考虑了源-荷的不确定性，用拉丁超立方抽样方法生成了样本数据集；考虑了多元化分区指标，作为分区的目标依据。本发明该设计方法基于拉丁超立方采样方法，以区域结构强度指标最大化、子区域内供给功率与负荷所需功率偏差最小和子区域间线路传输功率尽可能小为控制目标，为配电网合理分区提供依据，考虑了源荷不确定性，实现削减区域间耦合程度，实现区域配电网协调运行。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。