一种配电网源网荷储多目标协同规划方法

技术领域

本发明涉及配电网源网荷储技术领域，具体涉及一种配电网源网荷储多目标协同规划方法。

背景技术

随着大规模分布式电源、柔性负荷等可调节资源接入配电网，传统的无源配电网逐步演化成有源配电网，大量可调节资源为有源配电网实现主动控制与管理，配电网强调的主动即在含分布式电源的基础上，对分布式电源以及各种可控资源进行主动控制，以提升可再生能源的渗透率和电网资产的利用率，延缓电网投资，提升电能质量水平。

现有用于配电网源网荷储多目标协同规划均在满足各种元件约束和安全约束的前提下，建立以经济性最优为目标函数的模型，实现主动配电网的优化运行，但是目前这常见的方法存在以下问题：

(1)但现阶段中小型源网荷储仍存在着设备运行策略不合理、系统经济性不高和用电高峰时电网压力过大的问题；

(2)在同区域级源网荷储系统的优化调度过程中，系统设备种类和数量过多，无法做到对每个设备都进行精确有效的调控，虽能解决一部分的电网承载能力的问题，但产生的经济效益不高。

发明内容

本发明的目的在于提供一种配电网源网荷储多目标协同规划方法，以解决现有技术中对于现有技术中设备运行策略不合理、系统经济性不高和用电高峰时电网压力过大的技术问题。

为解决上述技术问题，本发明具体提供下述技术方案：

本发明的第一个方面，提供了一种配电网源网荷储多目标协同规划方法，包括以下步骤：

连续获取配电网电力设备源荷两侧的电源及负荷数据，对所述电源及负荷数据进行数据处理获取不同配电网拓扑结构下局部负荷最优值；

对所述局部负荷最优值建立优化调度模型获取配电网源荷两侧电力可调设备的负荷状态，通过所述负荷状态对配电网进行分时段的动态网络重构，通过所述动态网络重构获取需求响应预测功率；

根据所述需求响应预测功率对源网负荷建立基于多目标的优化调度模型，通过实时优化控制策略以负荷聚类模式进行配电网调度；

获取调度后所述配电网的源荷状态，对运行有源配电网的源荷协调规划建立期望值模型，获取基于多目标的源网荷规划数据。

作为本发明的一种优选方案，连续获取配电网电力设备源荷两侧的电源及负荷数据，对所述电源及负荷数据进行数据处理，包括：

获取所述配电网的初始网络结构，将所述电源及负荷数据用数组K(m)表示m个分段的拓扑结构联络开关的状态,获取所述配电网拓扑结构的各节点负荷；

对所述各节点负荷使用非线性规划NLP计算不同配电网拓扑结构下的局部最优目标值，获取所述配电网拓扑结构的网络损耗；

对所述网络损耗进行循环迭代，判断当前迭代所得网络损耗是否比前次迭代的小；

若是则对当前输入的开关量数组中首位元素取反，构成新的数组K

遍历上一次开关量数组至第m个元素并取反，刷新数组K

作为本发明的一种优选方案，对所述局部负荷最优值建立优化调度模型获取配电网源荷两侧电力可调设备的负荷状态，包括：

将所述局部负荷最优值作为所述配电网电力系统的输入数据，以配电网综合成本最小化为目标函数，建立基于配电网网络辐射状的拓扑结构；

所述目标函数表达式为：

其中，

对所述目标函数建立以配电网络辐射状拓扑结构的约束条件，包括：

其中，N

根据所述约束条件获取目标函数最优值，将所述目标函数最优值作为配电网源荷两侧电力可调设备的负荷状态。

作为本发明的一种优选方案，通过所述负荷状态对配电网进行分时段的动态网络重构，通过所述动态网络重构获取需求响应预测功率，包括：

分时段获取所述负荷状态以配电网综合成本最小的优化负荷响应量，获取需求响应预测值；

对所述需求响应预测值按照负荷均衡度进行调度，判断是否满足负荷响应量需求；

如满足，则实时更新下一阶段负荷的功率；

如不满足，则根据负荷均衡指标依次向下进行响应，直至满足负荷响应量需求。

作为本发明的一种优选方案，根据所述需求响应预测功率对源网负荷建立基于多目标的优化调度模型，包括：

将所述需求响应预测功率以有功网络损耗最小作为目标函数，通过配电网网络节点注入的有功功率计算不同时段内的网损功率；

根据源层网络负荷的不确定性设置预测所述需求响应预测功率的上限及下限；

在配电网网层中根据所述配电网变电站数量获取注入变电站节点的主电网的有功和无功功率，并通过所述有功和无功功率设定注入变电站的额定容量；

以分布式电源出力、分段、联络开关状态、可控负荷的调节量作为优化变量，建立多目标的优化调度模型。

作为本发明的一种优选方案，所述多目标的优化调度模型输出有源配电网的可控负荷，通过实时优化控制策略以负荷聚类模式进行配电网调度，包括：

对所述有源配电网的可控负荷采用k-means聚类法将相似的日负荷曲线聚类，获取源网负荷中心，供配电网实施调度；

所述k-means聚类法以有源配电网的可控负荷状态数据集D＝{x

其中，u

作为本发明的一种优选方案，获取调度后所述配电网的源荷状态，通过逐个改变配电网络的分隔时段、配电网联络开关的状态以及满足的约束条件，采用非线性规划NLP计算不同配电网拓扑结构下的局部最优目标值，通过局部最优目标值对有源配电网的源荷进行协调规划。

作为本发明的一种优选方案，通过对配电网的协调规划获取拓扑结构中的负荷，建立期望值模型，获取基于多目标的源网荷规划数据，包括：

通过期望约束将所述局部最优目标函数的期望值达到最优，将期望值模型设置为：

maxE[g(X,δ)]＝∫

其中，X表示基于局部最优目标值的n维决策变量，δ表示l一个l维的随机变量,α(δ)表示概率密度函数,g(X,δ)表示对变量X的随机约束函数；

对于任意实数可行解X

本发明与现有技术相比较具有如下有益效果：

本发明采用优化调度模型通过主动配电网对各项可控资源进行主动控制，将配电网的源网荷储协调控制策略融合到需求响应侧，利用配电网拓扑结构的联络开关进行网架结构调整，充分发挥了可控资源的调节作用，可以提高分布式电源的消纳能力、减小网络损耗、提升电力系统电能质量水平、提高电网经济运行水平。

本发明分别从分布式电源出力、可调节负荷、网络拓扑重构三个方面，建立了以网络损耗最小为目标的源网荷协调运行优化模型，将源荷不确定性模型转化成确定性的期望值模型，且运用双层组合优化算法进行求解，简化了繁琐的求解过程，有效地降低了网络损耗。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

图1为本发明实施例提供的一种配电网源网荷储多目标协同规划方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明提供了一种配电网源网荷储多目标协同规划方法，包括以下步骤：

连续获取配电网电力设备源荷两侧的电源及负荷数据，对所述电源及负荷数据进行数据处理获取不同配电网拓扑结构下局部负荷最优值；

对所述局部负荷最优值建立优化调度模型获取配电网源荷两侧电力可调设备的负荷状态，通过所述负荷状态对配电网进行分时段的动态网络重构，通过所述动态网络重构获取需求响应预测功率；

本实施例中，采用动态网络重构实时优化调度配电网源荷两侧的电力设备，根据预测功率制定调度策略并实施计划，实现多源系统的良性互动，保障配电网供电的可靠性。

根据所述需求响应预测功率对源网负荷建立基于多目标的优化调度模型，通过实时优化控制策略以负荷聚类模式进行配电网调度；

获取调度后所述配电网的源荷状态，对运行有源配电网的源荷协调规划建立期望值模型，获取基于多目标的源网荷规划数据。

本实施例中，构建了实时优化控制策略模型，以配电网的源荷状态以及配电网拓扑结构成本进行优化调度，可以随时响应调度信号，能够实时参与信号的调度。

本实施例中，源网荷储的电力设备均可与协调系统进行双向通信，方便将源网荷储各设备的当前状态信息上传到协调系统，以及执行协调系统下发的各项指令，从而完成全局调控操作。

连续获取配电网电力设备源荷两侧的电源及负荷数据，对所述电源及负荷数据进行数据处理，包括：

获取所述配电网的初始网络结构，将所述电源及负荷数据用数组K(m)表示m个分段的拓扑结构联络开关的状态,获取所述配电网拓扑结构的各节点负荷；

对所述各节点负荷使用非线性规划NLP计算不同配电网拓扑结构下的局部最优目标值，获取所述配电网拓扑结构的网络损耗；

对所述网络损耗进行循环迭代，判断当前迭代所得网络损耗是否比前次迭代的小；

若是则对当前输入的开关量数组中首位元素取反，构成新的数组K

遍历上一次开关量数组至第m个元素并取反，刷新数组K

本实施例中，对所述电源及负荷数据进行求解时，会产生大量不满足配电网辐射状结构约束的解，使得搜索空间增大，求解速率降低，需要简化求解过程，同时，源网荷协调优化是一个非线性混合整数优化过程，

本实施例中，将整个源网荷储协调运行的基本框架分为上下两层，上层为协调系统，也是决策系统，合理运用源网荷储等下层设备上传的实时数据，依据当前的执行策略来优化计算，毫秒级时间内将优化结果下发到下层的各设备，将各设备设置为优化后的结果，进行实时调控，完成电能调度。

对所述局部负荷最优值建立优化调度模型获取配电网源荷两侧电力可调设备的负荷状态，包括：

将所述局部负荷最优值作为所述配电网电力系统的输入数据，以配电网综合成本最小化为目标函数，建立基于配电网网络辐射状的拓扑结构；

所述目标函数表达式为：

其中，

对所述目标函数建立以配电网络辐射状拓扑结构的约束条件，包括：

其中，N

根据所述约束条件获取目标函数最优值，将所述目标函数最优值作为配电网源荷两侧电力可调设备的负荷状态。

本实施例中，所述优化调度模型通过源网荷储协调优化进行电能调度，目的是为了平衡供端电能和受端负荷之间的不确定性，尽可能的避免短时间内的冲击峰荷对系统安全运行的影响，及时提出调整用户用电的方案。

通过所述负荷状态对配电网进行分时段的动态网络重构，通过所述动态网络重构获取需求响应预测功率，包括：

分时段获取所述负荷状态以配电网综合成本最小的优化负荷响应量，获取需求响应预测值；

对所述需求响应预测值按照负荷均衡度进行调度，判断是否满足负荷响应量需求；

如满足，则实时更新下一阶段负荷的功率；

如不满足，则根据负荷均衡指标依次向下进行响应，直至满足负荷响应量需求。

本实施例中，采用动态网络重构实施获取负荷状态对配电网的影响，根据负荷均衡指标依次响应需求响应预测值。

根据所述需求响应预测功率对源网负荷建立基于多目标的优化调度模型，包括：

将所述需求响应预测功率以有功网络损耗最小作为目标函数，通过配电网网络节点注入的有功功率计算不同时段内的网损功率；

根据源层网络负荷的不确定性设置预测所述需求响应预测功率的上限及下限；

在配电网网层中根据所述配电网变电站数量获取注入变电站节点的主电网的有功和无功功率，并通过所述有功和无功功率设定注入变电站的额定容量；

以分布式电源出力、分段、联络开关状态、可控负荷的调节量作为优化变量，建立多目标的优化调度模型。

本实施例中，以有功网络损耗最小作为目标函数，以分布式电源出力、分段、联络开关状态、可控负荷的调节量作为优化变量，建立源网荷协调运行优化模型，在求解时，考虑到模型的复杂程度，使用双层组合优化算法进行求解，通过在IEEE33节点配电系统上进行仿真实验，证明有源配电网源网荷协调运行优化方法能够有效地降低网络损耗。

所述多目标的优化调度模型输出有源配电网的可控负荷，通过实时优化控制策略以负荷聚类模式进行配电网调度，包括：

对所述有源配电网的可控负荷采用k-means聚类法将相似的日负荷曲线聚类，获取源网负荷中心，供配电网实施调度；

所述k-means聚类法以有源配电网的可控负荷状态数据集D＝{x

其中，u

本实施例中，采用k-means聚类法获取聚类负荷数据，将一个区域的负荷集中一起，去响应调度中心的控制策略指令，改变原有的用电状态，对配电网络负荷进行实时的检测，实现负荷的态势感知。

获取调度后所述配电网的源荷状态，通过逐个改变配电网络的分隔时段、配电网联络开关的状态以及满足的约束条件，采用非线性规划NLP计算不同配电网拓扑结构下的局部最优目标值，通过局部最优目标值对有源配电网的源荷进行协调规划。

本实施例中，通过逐个改变配电网络的分隔时段获取配电网络在不同拓扑结构上的负荷状态，并根据配电网在拓扑结构上的联络开关建立约束条件，能够明确有源电网的网损值，便于精准的进行协调规划。

通过对配电网的协调规划获取拓扑结构中的负荷，建立期望值模型，获取基于多目标的源网荷规划数据，包括：

通过期望约束将所述局部最优目标函数的期望值达到最优，将期望值模型设置为：

maxE[g(X,δ)]＝∫

其中，X表示基于局部最优目标值的n维决策变量，δ表示l一个l维的随机变量,α(δ)表示概率密度函数,g(X,δ)表示对变量X的随机约束函数；

对于任意实数可行解X

本实施例中，在所述配电网的协调规划中首先将源荷不确定性模型转化成确定性的期望值模型，其次运用双层组合优化算法进行求解，通过循环迭代直至求出最优解，使得在源荷不确定性的情况下也能有效地减少网络损耗。

本发明采用优化调度模型通过主动配电网对各项可控资源进行主动控制，将配电网的源网荷储协调控制策略融合到需求响应侧，利用配电网拓扑结构的联络开关进行网架结构调整，充分发挥了可控资源的调节作用，可以提高分布式电源的消纳能力、减小网络损耗、提升电力系统电能质量水平、提高电网经济运行水平。

本发明分别从分布式电源出力、可调节负荷、网络拓扑重构三个方面，建立了以网络损耗最小为目标的源网荷协调运行优化模型，将源荷不确定性模型转化成确定性的期望值模型，且运用双层组合优化算法进行求解，简化了繁琐的求解过程，有效地降低了网络损耗。

以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。