一种适用于光储直柔园区的配电网物理形态建模方法

技术领域

本发明涉及电力系统数字仿真技术领域，特别涉及一种适用于光储直柔园区的配电网物理形态建模方法。

背景技术

有源配电网包括分布式发电、负荷、储能装置等组成部分。分布式发电主要包含风力发电(Wind Turbine，WT)、光伏电池(Photovoltaic，PV)等。在优化有源配电网运行时，根据不同场景发生概率加以区分，转换为每个场景下的确定性多时间尺度优化问题。长时间尺度下实现配电网经济优化运行提高其运行经济性，短时间尺度下通过储能的优化运行提升分布式发电供电品质，在考虑直流配电网电源的模型时，展开研究如下，从源荷匹配的角度丰富和完善了新能源互补性的分析与评价方法，使用秩相关系数、尾部相关系数对多个新能源场站的负荷匹配能力进行描述，得到新能源出力间的互补性评价。考虑风电出力随机性、直流控制方式和频率波动偏差约束，并推导定义了能反映频率波动、风电出力和控制方式等因素的负荷裕度灵敏度指标。光伏发电出力与太阳光照强度、云量、温度等多种因素有关。通常，在光伏发电建模中，使用正态分布模型表示光伏发电预测误差，分布式电源的高渗透率接入将显著改变中低压层面配电系统的结构与运行方式，相对于传统配电系统，有源配电系统从原来单一的电能分配角色转变为集电能收集、传输、存储与分配为一体的新型电力交换系统。在有源配电系统中，不确定性和波动性进一步加剧，对有源配电系统的灵活运行提出了更高的要求。现有的研究主要侧重于解决有源配电系统两方面的实际问题：运行优化和规划设计。

发明内容

本发明的目的是提供一种适用于光储直柔园区的配电网物理形态建模方法，以解决上述现有技术存在的问题。

根据本发明实施例的一方面，提供了一种适用于光储直柔园区的配电网物理形态建模方法，包括：

创建源荷动态建模任务，获取建模指令；

根据源荷动态建模任务筛选数据样本；

根据源荷动态建模任务选择对应的电网演化模型，并将筛选的数据样本输入电网演化模型，电网演化模型包括适用于光储直柔园区的高比例可再生能源配电网输出模型和不同分布式资源渗透下有源配电网模型；

调整电网演化模型的数值比例并进行计算，获取计算结果并生成记录图表；

对所述记录图表进行分析，筛选最佳源荷动态模型的数据，根据最佳源荷动态模型数据优化调整电网演化模型，得到最佳源荷动态模型。

可选地，创建源荷动态建模任务需要确认任务场景，具体包括：

确认有源配电网场景的主要影响因素，包括：负荷、光伏和风电的功率值；

根据各因素进行确认需要确认的任务场景，负荷功率的场景数包括：春、夏、秋和冬的工作日与节假日，负荷功率的场景数一共有八种记为N

因此，C(1,8)·C(1,3)·C(1,4)＝96，所述源荷动态建模的任务建立需要确认任务场景一共有96种任务场景。

可选地，对确认的场景进行场景缩减。

可选地，所述场景缩减包括：判断场景中是否存在相同的条件，根据该条件对场景合并，从而进行缩减。

可选地，所述场景缩减的具体方法为：

机选取k个类的初始中心，

在第i次迭代中，对所有样本计算与各个聚类中心的距离，将该距离划分到距离最短的中心所在的类别；

利用各个类的均值更新各个类别的中心值；

判断类别的中心值是否满足收敛条件，若未满足则返回初始步骤，若满足，则得到具体的场景数据缩减结果。

可选地，所述筛选数据样本的方法包括：场景树法、非参数的概率预测法、ARMA模型法、蒙特卡洛概率抽样、拉丁超立方抽样法中的最少一种，所述拉丁超立方抽样通过对输入概率分层把累计概率曲线分成相等的区间，从各个分层中随机抽取样本。

可选地，适用于光储直柔园区的高比例可再生能源下配电网结构包括：高比例分布式新能源、调相机和储能系统，适用于光储直柔园区的不同分布式资源渗透率下有源配电网结构包括：微电网群、储能单元和控制系统。

根据本发明实施例的另一方面，还提供了一种适用于光储直柔园区的配电网物理形态建模装置，包括：

创建模块，用于创建源荷动态建模任务，获取建模指令；

数据筛选模块，用于根据源荷动态建模任务筛选数据样本；

电网演化模型选择模块，用于根据源荷动态建模任务选择对应的电网演化模型，并将筛选的数据样本输入电网演化模型，电网演化模型包括适用于光储直柔园区的高比例可再生能源配电网输出模型和不同分布式资源渗透下有源配电网模型；

电网演化模型计算模块，用于调整电网演化模型的数值比例并进行计算，获取计算结果并生成记录图表；

电网演化模型选优模块，用于对所述记录图表进行分析，筛选最佳源荷动态模型的数据，根据最佳源荷动态模型数据优化调整电网演化模型，得到最佳源荷动态模型。

根据本发明实施例的另一方面，还提供了一种适用于光储直柔园区的配电网物理形态建模系统，所述适用于光储直柔园区的配电网物理形态建模系统包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述任意一项所述的适用于光储直柔园区的配电网物理形态建模方法。

根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项所述的适用于光储直柔园区的配电网物理形态建模方法。

与现有的技术相比，本发明具有如下有益效果：

本发明实施例中，创建源荷动态建模任务，获取建模指令；根据源荷动态建模任务筛选数据样本；根据源荷动态建模任务选择对应的电网演化模型，并将筛选的数据样本输入电网演化模型，电网演化模型包括适用于光储直柔园区的高比例可再生能源配电网输出模型和不同分布式资源渗透下有源配电网模型；调整电网演化模型的数值比例并进行计算，获取计算结果并生成记录图表；对所述记录图表进行分析，筛选最佳源荷动态模型的数据，根据最佳源荷动态模型数据优化调整电网演化模型，得到最佳源荷动态模型。通过优化五态进程模型的设置，能够起到得到受公共因素影响的最优解的效果；利用风光电储层和电网设备层的双层优化的设置，能够起到使源荷动态数据建模更加全面完善的效果。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例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本发明的一个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的一种适用于光储直柔园区的配电网物理形态建模方法的流程图；

图2是根据本发明实施例的不同分布式资源渗透率下有源配电网结构的示意图；

图3是根据本发明实施例的高比例可再生能源下配电网的输出结构的示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种适用于光储直柔园区的配电网物理形态建模方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

如图1是根据本发明实施例的一种适用于光储直柔园区的配电网物理形态建模方法的流程图，如图1所示，该方法包括如下步骤：

步骤S1、创建源荷动态建模任务，获取建模指令；

步骤S2、根据源荷动态建模任务筛选数据样本，即根据源荷动态建模任务中的基本信息获取对应的数据样本；

步骤S3、根据源荷动态建模任务选择对应的电网演化模型，并将筛选的数据样本输入电网演化模型，电网演化模型包括适用于光储直柔园区的高比例可再生能源配电网输出模型和不同分布式资源渗透下有源配电网模型；

步骤S4、调整电网演化模型的数值比例并进行计算，获取计算结果并生成记录图表；

步骤S5、对所述记录图表进行分析，筛选最佳源荷动态模型的数据，根据最佳源荷动态模型数据优化调整电网演化模型，得到最佳源荷动态模型。

作为一种可选的实施例，步骤S1中，创建源荷动态建模任务需要确认任务场景，具体包括：

确认有源配电网场景的主要影响因素，包括：负荷、光伏和风电的功率值；

根据各因素进行确认需要确认的任务场景，负荷功率的场景数包括：春、夏、秋和冬的工作日与节假日，负荷功率的场景数一共有八种记为N

因此，C(1,8)·C(1,3)·C(1,4)＝96，所述源荷动态建模的任务建立需要确认任务场景一共有96种任务场景。

作为一种可选的实施例，步骤S1中，对确认的场景进行场景缩减。

作为一种可选的实施例，所述场景缩减包括：判断场景中是否存在相同的条件，根据该条件对场景合并，从而进行缩减。

具体的，所述负荷功率的场景中和风电功率场景中均包括春、夏、秋、冬四个季节，所以将场景缩减到C(1,8)·C(1,3)＝24种。

作为一种可选的实施例，所述场景缩减还可以才采用以下方法：

步骤S11、机选取k个类的初始中心，

步骤S12、在第i次迭代中，对所有样本计算与各个聚类中心的距离，将该距离划分到距离最短的中心所在的类别；

步骤S13、利用各个类的均值更新各个类别的中心值；

步骤S14、判断类别的中心值是否满足收敛条件，若未满足则返回初始步骤S11，若满足，则得到具体的场景数据缩减结果。

具体的，例如：先提取场景因素：春夏秋冬阴天晴天雨天；

再提取类型：负荷、风、光；

负荷属于消耗，风光属于产出，即消耗与产出的场景因素先行缩减合并，其次进行天气合并；

合并得到数据例如：春-负荷-风-光-阴天、春-负荷-风-光-晴天等。

作为一种可选的实施例，步骤S2中，所述筛选数据样本的方法包括：场景树法、非参数的概率预测法、ARMA模型法、蒙特卡洛概率抽样、拉丁超立方抽样法中的最少一种，所述拉丁超立方抽样通过对输入概率分层把累计概率曲线分成相等的区间，从各个分层中随机抽取样本。

作为一种可选的实施例，步骤S2中，所述筛选数据样本还包括数据样本的建立，所述数据样本的建立包括；

步骤S21、根据地区和时节获取数据样本；

步骤S22、根据年、月、日、白天和黑夜对地区和时节的样本数据进行二次划分；

步骤S23、根据工作日和节假日分别计算样本中的数据均值，即完成数据样本建立。

作为一种可选的实施例，步骤S3中，适用于光储直柔园区的高比例可再生能源下配电网结构包括：高比例分布式新能源、调相机和储能系统，适用于光储直柔园区的不同分布式资源渗透率下有源配电网结构包括：微电网群、储能单元和控制系统。

作为一种可选的实施例，步骤S5中，优化调整电网演化模型的优化数据包括：装机数量数据、分布式电网总机数量和故障率以及转化率。

即，通过优化数据更新电网演化模型的相关数量，数量的更新用于计算任务场景中的实际处理计划，便于更加准确的安排电力系统的调度指令和调度计划。

作为一种可选的实施例，在本发明的实际使用过程中电动汽车(ElectricVehicle,EV)作为新兴的电力负荷，其负荷容量也将在直流配电网中占据相当一部分比例。提出了供需两侧系统优化的电动汽车充放电自动需求响应方法。而针对这类高可调度性单元来说，合理地规划以及优化好其充电意向就显得尤为重要，也就是说若能将电动汽车负荷尽可能地转换为优化的、确定的负荷，从而引导其优化充电，达到一种提前作出计划的电动汽车需求响应，那么整个直流配电网的优化调度将更容易实现和进行。而进行优化调度的前提是源荷数据预测的准确程度，一般来说，配电网源荷出力的预测误差随预测的时间提前量相关，其预测误差按照日前-日内-实时三个时间尺度逐渐减小。因此直流配电网的源荷特性需要考虑到其时间尺度的问题-需要考虑其响应速度及响应，按照其响应速度一般可分为小时级响应单元、分钟级响应单元以及秒级响应单元，因此有必要按照源荷响应的不同特性分不同的时间尺度对直流配电网进行优化调度，使直流配电网按照时间尺度逐级进行优化，有序进行调度工作。

作为一种可选的实施例，在使用本发明方法进行适用于光储直柔园区的配电网物理形态建模时，研究人员先将进行源荷动态模型任务创建，当基础源荷动态模型创建完毕后采用硬划分的基础聚类方法和基于软划分的模糊聚类方法筛选出所需要的数据样本，然后将得到的数据样本录入计算模型，此时研究人员若选择的演化模型为不同分布式资源渗透率下有源配电网结构，研究人员再次调取已有的不同区域的能源数据依据输入的能源系统和电力系统的规划进行优化分析，然后研究人员将依次调整传统能源和新能源的发电需要的比例，并且对不同数值下的能源投入产生的电力数据进行记录同时在完全记录后，将得到的数据再次上传至二次系统进行图表分析，再确定由于不同区域的资源分布的不确定性对于当地能源损耗、稳定供电和环境污染之间的对比，从而研究出可再生能源在不同区域的最优配比。若研究人员选择的是在高比例可再生能源下配电网的输出结构模拟，研究人员将调取含有高比例可再生能源的地区数据，通过对可再生能源以直流、交流和交直流三种不同的形式产生的电能的质量和安全性进行分析对比，同样在数据完全记录后，上传至二次系统进行图表分析，再确定直流、交流和交直流三种不同的形式产生的电能的质量和安全性的优化配比，从而研究出在高比例可再生能源下输配电网的协同接入和最优配比。

实施例2

根据本发明实施例的另一方面，还提供了一种适用于光储直柔园区的配电网物理形态建模装置，适用于光储直柔园区的配电网物理形态建模装置应用上述的适用于光储直柔园区的配电网物理形态建模方法，包括：

创建模块，用于创建源荷动态建模任务，获取建模指令；

数据筛选模块，用于根据源荷动态建模任务筛选数据样本，即根据源荷动态建模任务中的基本信息获取对应的数据样本；

电网演化模型选择模块，用于根据源荷动态建模任务选择对应的电网演化模型，并将筛选的数据样本输入电网演化模型，如图2和图3所示，电网演化模型包括适用于光储直柔园区的高比例可再生能源配电网输出模型和不同分布式资源渗透下有源配电网模型；

电网演化模型计算模块，用于调整电网演化模型的数值比例并进行计算，获取计算结果并生成记录图表；

电网演化模型选优模块，用于对所述记录图表进行分析，筛选最佳源荷动态模型的数据，根据最佳源荷动态模型数据优化调整电网演化模型，得到最佳源荷动态模型。

本发明不局限于以上的具体实施方式，以上仅为本发明的较佳实施案例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

实施例3

根据本发明实施例的另一方面，还提供了一种适用于光储直柔园区的配电网物理形态建模系统，所述适用于光储直柔园区的配电网物理形态建模系统包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述任意一项所述的适用于光储直柔园区的配电网物理形态建模方法。

实施例4

根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，该计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行上述中任意一项的适用于光储直柔园区的配电网物理形态建模方法。

可选地，在本实施例中，上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中，上述计算机可读存储介质包括存储的程序。

可选地，在程序运行时控制计算机可读存储介质所在设备执行以下功能：创建源荷动态建模任务，获取建模指令；根据源荷动态建模任务筛选数据样本；根据源荷动态建模任务选择对应的电网演化模型，并将筛选的数据样本输入电网演化模型，电网演化模型包括适用于光储直柔园区的高比例可再生能源配电网输出模型和不同分布式资源渗透下有源配电网模型；调整电网演化模型的数值比例并进行计算，获取计算结果并生成记录图表；对所述记录图表进行分析，筛选最佳源荷动态模型的数据，根据最佳源荷动态模型数据优化调整电网演化模型，得到最佳源荷动态模型。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM,Read-0nlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。