一种基于节点导纳矩阵的多目标最优碳流计算方法

技术领域

本发明属于电力系统领域，特别涉及一种基于节点导纳矩阵的多目标最优碳流计算方法。

背景技术

随着温室效益的不断增强，全球气候逐渐变暖，对环境造成了巨大的影响，对经济造成了严重的损失。我国作为全球碳排放量最多的国家之一，应该肩负起降碳的责任。因此，合理调度电力系统的机组出力，最大限度的降低碳排放，对于实现“双碳”目标具有举足轻重的现实意义。

碳流是一种依附于潮流的一种虚拟流，用于表征二氧化碳在某一时间段内从一个地点或系统流向另一个地点或系统的总量。碳流率是指从特定机组通过电网的支路与节点到达负荷的单位时间内的碳流量，用以表征短时间段内的碳排放量。目前的最优碳流是在经过潮流计算后，利用潮流分布矩阵按照比例分配的原则，进行碳排放的分摊，求取总电网的碳排放的最优值，但并未考虑新能源接入的影响。

发明内容

本发明的目的，在于提供一种基于节点导纳矩阵的多目标最优碳流计算方法，综合考虑风电机组和光伏机组的出力，实现电力系统的经济效益和节能减排。

为了达成上述目的，本发明的解决方案是：

一种基于节点导纳矩阵的多目标最优碳流计算方法，包括如下步骤：

步骤1，采集电网数据，建立光伏机组的时变功率差模型和风电机组数学模型，通过初始化火力发电机组的出力，进行潮流计算，得到电网运行参数，确定电网运行状态；

步骤2，建立系统决策变量约束、系统状态变量约束和火电机组的爬坡约束；对步骤1潮流计算结果进行约束，得到约束后的潮流计算结果；

步骤3，根据步骤2约束后的潮流计算结果，建立电网发电成本函数；

步骤4，建立碳流计算数学模型，通过节点导纳矩阵计算负荷节点和支路网损分别分摊的发电机组产生的碳排放，量化光伏机组以及风电机组对火电机组碳排放的降低贡献；

步骤5，通过优化算法优化电网发电成本函数，计算发电成本最优值，并将其作为参考值，建立约束模型；通过节点导纳矩阵建立碳流率与火电机组出力的映射关系，建立最优碳流数学模型，通过优化算法确定最优碳流以及相关控制参数。

上述步骤1中，采集的电网数据是在潮流计算中需要应用到的数据，包括但不限于发电机组的输出功率P

上述步骤1中，建立光伏机组的时变功率差模型的具体过程是：

建立光伏出力实际模型，公式如下所示：

P＝P

其中，P为光伏阵列的输出功率，P

采用前向差分的方式对光伏出力实际模型进行离散化，公式如下所示：

P(k)＝P(k-1)+Δ*k

其中，P(k)为第k个时刻的光伏阵列输出功率，Δ为时间步长，k

将光伏出力实际模型代入差分形式中，建立光伏机组的时变功率差模型，公式如下所示：

P(k)＝P(k-1)+Δ*[P

其中，I(k-1)为k-1时刻的光照强度，T(k-1)为k-1时刻的光伏阵列的温度。

上述步骤1中，建立风电机组数学模型的具体过程是：

建立风力发电出力数学模型，公式如下所示：

其中，

P

给定风电机组的额定功率P

基于风电机组的额定功率P

其中，x

基于风电机组的额定功率P

将风电机组视为PQ节点，进行潮流计算，得到风电机组的节点电压更新值U

若U

上述步骤2中，系统决策变量为除平衡节点、光伏机组和风电机组以外的所有火电机组的出力，约束条件为

系统状态变量X是指所有母线的有功功率、无功功率和电压幅值与所有支路的有功功率和无功功率，即X(P

火电机组的爬坡约束Z是指

上述步骤3中，建立火电机组的发电成本

其中，

建立光伏机组的发电成本

其中，

建立风电机组的发电成本

其中，

建立电网发电成本函数C

上述步骤4中，进行潮流计算，得到节点导纳矩阵Y、发电机流入电流I

定义五种等效导纳矩阵：发电机等效导纳矩阵Y

通过五种等效导纳矩阵进行潮流追踪，将所有发电机组的出力分配给所有负荷节点的功率和支路的功率，依据发电机组的类型，确定碳排放强度E

E

其中，E

上述步骤4中，第i台光伏机组对于第j个火电机组贡献的碳流率的公式如下所示：

G(i，j)＝Y

其中，

第i台风电机组对于第j个火电机组贡献的碳流率为：

其中，

上述步骤5中，以火电机组出力作为系统决策变量，步骤2中的约束、火电机组的爬坡约束Z为边界条件，优化电网发电成本函数，公式如下所示：

其中，f

通过优化算法计算出发电成本最优值为

其中，∝表示成本系数；

上述步骤5中，通过节点导纳矩阵建立碳流率和除平衡节点以外的火电机组出力的关系，基于碳流追踪的结果可得目标函数的公式如下所示：

其中，n为电网系统的节点个数，m为电网系统的支路个数；

将所有负荷节点与支路网损的碳流率之和作为目标函数，建立最优碳流数学模型，公式如下所示：

s.t.cst(P

其中，

采用群智能优化算法，求取

采用本发明提供的多目标最优碳流计算方法，能够在考虑光伏机组和风电机组出力的情况下，通过优化算法计算出最优碳流，实现电力系统的节能减排，增加经济效益。

附图说明

图1是本发明的流程图。

具体实施方式

以下将结合附图，对本发明的技术方案及有益效果进行详细说明。

如图1所示，为本发明基于节点导纳矩阵的多目标最优碳流计算方法的流程图，包括如下步骤：

步骤1，采集电网中的数据、拓扑结构，包括电压幅值，负荷有功功率、无功功率、支路导纳、对地导纳，发电机的碳排放强度，变压器的变比建立光伏机组的时变功率差模型和风电机组数学模型，初始化火力发电机组的出力，进行潮流计算，得到电网运行参数，确定电网运行状态。建立光伏机组的时变功率差模型的具体过程是：

建立光伏出力实际模型，公式如下所示：

P＝P

其中，P为光伏阵列的输出功率，P0为标准测试条件下的额定功率，I为光照强度，α为光伏阵列的温度系数，T为光伏阵列的温度，T

采用前向差分的方式对光伏出力实际模型进行离散化，公式如下所示：

P(k)＝P(k-1)+Δ*k

其中，P(k)为第k个时刻的光伏阵列输出功率，Δ为时间步长，k

将光伏出力实际模型代入差分形式中，建立光伏机组的时变功率差模型，公式如下所示：

P(k)＝P(k-1)+Δ*[P

其中，I(k-1)为k-1时刻的光照强度，T(k-1)为k-1时刻的光伏阵列的温度。

建立风电机组数学模型的具体过程是：

建立风力发电出力数学模型，公式如下所示：

其中，

P

给定风电机组的额定功率P

基于风电机组的额定功率P

其中，x

基于风电机组的额定功率P

将风电机组视为PQ节点，进行潮流计算，得到风电机组的节点电压更新值U

若U

步骤2：建立系统决策变量约束、系统状态变量约束和火电机组的爬坡约束；对步骤1潮流计算结果进行约束，得到约束后的潮流计算结果；系统决策变量为除平衡节点、光伏机组和风电机组以外的所有火电机组的出力，约束条件为

系统状态变量X是指所有母线的有功功率、无功功率和电压幅值与所有支路的有功功率和无功功率，即X(P

火电机组的爬坡约束Z指

步骤3，根据步骤2约束后的潮流计算结果，建立电网发电成本函数；建立火电机组的发电成本

其中，

建立光伏机组的发电成本

其中，

建立风电机组的发电成本

其中，

建立电网发电成本函数C

步骤4，建立碳流计算数学模型，通过节点导纳矩阵计算负荷节点和支路网损分别分摊的发电机组产生的碳排放，量化光伏机组以及风电机组对火电机组碳排放的降低贡献；

通过潮流计算，可得节点电压、平衡节点输入的有功功率、无功功率，公式如下所示：

其中，

通过定义发电机等效导纳矩阵Y

发电机等效导纳矩阵Y

负荷等效导纳矩阵Y

节点等效电纳矩阵Y

节点母线并联导纳Y

线路导纳矩阵Y

其中，q∈Ω

由此，可定义节点等效流入电流I

I

I

建立发电机流入电流I

I

其中，G＝Y

由于节点并联导纳并不会产生碳排放，因此只需考虑发电机分配给负荷节点的功率，即：

S

建立线路电流I

I

其中，B＝Y

由于节点电纳并不会产生碳排放，因此只需考虑发电机分配给负荷节点的功率，即：

S

通过上述的潮流追踪，基于机组的碳排放强度，实现电网系统的碳流追踪，将常规发电机组产生的碳排放分摊给负荷节点E

对光伏以及风电机组的出力进行追踪，评估新能源机组的降碳贡献。

步骤5：通过优化算法优化电网发电成本函数，计算发电成本最优值，并将其作为参考值，建立约束模型；通过节点导纳矩阵建立碳流率与火电机组出力的映射关系，建立最优碳流数学模型，通过优化算法确定最优碳流以及相关控制参数。

以火电机组出力作为系统决策变量

minC

s.t.cst(P

其中，f

通过优化算法计算出发电成本最优值为

其中，∝表示成本系数；

所述步骤5中，通过节点导纳矩阵建立碳流率和除平衡节点以外的火电机组出力的关系，基于碳流追踪的结果可得目标函数的公式如下所示：

其中，n为电网系统的节点个数，m为电网系统的支路个数；

将所有负荷节点与支路网损的碳流率之和作为目标函数，建立最优碳流数学模型，公式如下所示：

s.t.cst(P

其中，

采用群智能优化算法，求取

在寻优过程中，为了防止目标函数陷入局部最优，本实施例中使用MVO优化算法。MVO算法具有全局搜索能力强、对初始点不敏感、自适应性好、适用性广、并行性好等优点，可以避免陷入局部最优，高效的寻找最优值。

对于多元宇宙优化算法中的宇宙数量，可以采用自适应宇宙数量调整的方法。基于收敛速度的自适应方法是一种优化算法种群大小自适应调整策略。该方法通过测量种群的收敛速度来自动调整种群数量，以使算法达到更好的性能。如果收敛速度过慢，则增加种群数量以扩大搜索空间，以期提高算法性能。如果收敛速度过快，则减少种群数量以减少计算负担，同时避免算法陷入局部最优解。

对于宇宙数量的调整为：

其中，N代表当前宇宙的数量，N

对于多元宇宙优化算法中的局部搜索策略，可以采用自适应局部搜索调整的方法。根据当前搜索结果和历史搜索结果的差异，动态调整局部搜索策略的取值。WEP表示的是虫洞探索概率，作用是帮助算法更好地探索整个解空间，尤其是未被探索的区域。如果WEP值过大，搜索过程会过于随机，导致搜索效率降低；如果WEP值过小，搜索过程会过于局部，导致搜索到的解可能不够优秀。因此，对于WEP的调整为：

其中，A、B、E为0～1之间的随机数，WEP

对碳流计算模型进行MVO优化，求取最优宇宙以及膨胀率，即最优碳流以及对应发电机的出力。

综合以上，本发明提供一种基于节点导纳矩阵的多目标最优碳流计算方法，通过对光伏机组和风电机组出力的计算，计算出最优碳流，其包括如下步骤：采集电网数据，建立光伏机组的时变功率差模型和风电机组数学模型，通过初始化火力发电机组的出力，进行潮流计算，得到电网运行参数，确定电网运行状态；建立系统决策变量约束、系统状态变量约束和火电机组的爬坡约束；对潮流计算结果进行约束，得到约束后的潮流计算结果；根据约束后的潮流计算结果，建立电网发电成本函数；建立碳流计算数学模型，通过节点导纳矩阵计算负荷节点和支路网损分别分摊的发电机组产生的碳排放，量化光伏机组以及风电机组对火电机组碳排放的降低贡献；通过优化算法优化电网发电成本函数，计算发电成本最优值，并将其作为参考值，建立约束模型；通过节点导纳矩阵建立碳流率与火电机组出力的映射关系，建立最优碳流数学模型，通过优化算法确定最优碳流以及相关控制参数。采用本发明的多目标最优碳流计算方法，能够在考虑光伏机组和风电机组出力的情况下，通过优化算法计算出最优碳流，实现电力系统的节能减排，增加经济效益。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。