一种分布式光伏接入对配电台区负荷特性影响的评估方法技术

本发明专利技术涉及分布式电源接入对电力系统影响的评估方法技术领域，更具体地，涉及一种分布式光伏接入对配电台区负荷特性影响的评估方法。根据光伏出力历史数据，建立多参数beta分布的光伏出力时序模型，并采用蒙特卡洛法抽样模拟得到在考虑光伏接入下的各负荷特性指标的概率密度函数。由于其充分考虑了分布式光伏出力的时序性和不确定性，能有效评估出光伏接入后台区负荷特性指标的变化情况，为含光伏配电网的规划与运行提供参考依据。

An evaluation method of distributed photovoltaic access influence on load characteristics of radio distribution area

The present invention relates to the technical field of evaluation of the impact of distributed power access on power systems, and more specifically, an assessment method of the impact of distributed photovoltaic access on the load characteristics of the distribution radio area. Based on the historical data of photovoltaic output, a multi parameter beta distribution model of photovoltaic output time series is set up, and the probability density function of each load characteristic index under consideration of photovoltaic access is obtained by the Monte Carlo sampling simulation. Because of its full consideration of the timing and uncertainty of the distributed photovoltaic power, it can effectively evaluate the change of the load characteristics of the photovoltaic power system, and provide reference for the planning and operation of the PV distribution network.

【技术实现步骤摘要】
一种分布式光伏接入对配电台区负荷特性影响的评估方法
本专利技术涉及分布式电源接入对电力系统影响的评估方法
，更具体地，涉及一种分布式光伏接入对配电台区负荷特性影响的评估方法。
技术介绍
当大规模光伏接入电网，会使配电网从传统的放射状结构演变成多点型结构，导致潮流分布发生改变。这一变化，将不可避免地对配电网负荷特性产生影响。在传统负荷特性分析研究中，常见的负荷特性指标主要有：负荷率、负荷峰谷差、年最大负荷利用小时数和年负荷曲线。此类常规指标均从确定性的角度去描述负荷所具备的日、月和年特性，但就实际情况而言，负荷本质上具备一定的随机性，尤其当光伏广泛接入配电网后，光伏出力的随机性使得配电网的负荷特性更难以用当前确定性的负荷特性指标去描述。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种分布式光伏接入对配电台区负荷特性影响的评估方法，能有效评估出光伏接入后台区负荷特性指标的变化情况，为含光伏配电网的规划与运行提供参考依据。为解决上述问题，本专利技术提供的技术方案为：一种分布式光伏接入对配电台区负荷特性影响的评估方法，包括以下步骤：S1.收集目标台区预设时间Nd天的有功负荷历史数据样本，其中采样间隔为1h，计算目标台区平均有功负荷时间序列；S2.收集目标地区光伏电站预设时间Np天的历史出力数据样本，其中采样间隔为1h，建立基于多参数beta分布的光伏出力时序模型；S3.根据光伏出力时间序列模型，采用蒙特卡洛法抽样生成设定时间s天光伏出力时间序列样本；S4.根据模拟生成s天的光伏出力时间序列样本和台区平均有功负荷时间序列，计算考虑光伏接入后的净有功负荷时间序列样本；S5.分别计算净有功负荷时间序列样本的负荷特性指标，得到其数值分布样本；S6.采用非参数核密度法拟合得到负荷特性指标的概率密度函数。进一步地，所述的S1步骤中目标台区平均有功负荷时间序列的计算方法为：式中，Pdav(t)为目标台区第t时段平均有功负荷；Pd(i,t)表示历史数据样本中目标台区第i天第t时段有功负荷，Nd为历史数据样本数。进一步地，所述的S2步骤中基于多参数beta分布的光伏出力时序模型的建立方法包括：S201.收集的目标地区光伏电站Np天的历史出力数据样本，确定光伏有功出力样本矩阵Pp＝[Pp1,Pp2,…,Ppt,…,Pp24]，其中Ppt＝[Pp1t,Pp2t,...,Ppjt,…,PpNt]T，其中Ppjt＝表示第j天第t时段光伏出力样本数据值；S202.令Pptmax＝max{Pp1t,Pp2t,...,Ppjt,…,PpNt}，则光伏相对出力样本数列S203.计算数列P′pt的期望值和标准差S204.计算t时段光伏出力beta分布的形状参数α(t)和β(t)，计算公式如下：S205.得到t时段基于多参数beta分布的光伏相对出力概率密度函数如下：进一步地，所述的S3步骤中采用蒙特卡洛法抽样生成设定时间s天光伏出力时间序列样本的具体实现方法包括：S301.采用蒙特卡洛法随机抽取服从t时段光伏出力beta分布的s个随机数，生成s天同在时段t下的光伏相对出力样本数列RV,t＝[Pv(1,t)/Pptmax,Pv(2,t)/Pptmax,…,Pv(j,t)/Pptmax,…,Pv(s,t)/Pptmax]T；S302.将RV,t中各元素乘上Pptmax得到时段t光伏出力数据样本数列PV,t＝[Pv(1,t),Pv(2,t),…,Pv(j,t),…,Pv(s,t)]T；S303.重复步骤S401、S402计算其他时段的光伏出力数据样本列向量并构成s天光伏出力时间序列样本矩阵：进一步地，所述的S4步骤中计算考虑光伏接入后的净有功负荷时间序列样本的方法为：Ppv-d(j,t)＝Pdav(t)-Pv(j,t)t＝1,2,3,...,24；j＝1,2,3,...,s；式中，Ppv-d(j,t)为考虑光伏接入后第j天第t时段的净有功负荷；Pv(j,t)为光伏出力时间序列样本中第j天第t时段光伏有功出力值。进一步地，所述的S6步骤中采用非参数核密度法拟合得到负荷特性指标的概率密度函数包括：S601.根据计算所得s天的负荷特性指标，确定负荷特性指标的数值样本矩阵X＝[X1,X2,…,Xn]，X1,X2,…,Xn为负荷特性指标的数值样本，对于任意一个负荷特性指标样本列向量Xk，均有Xk＝[Xk1,Xk2,…,Xkj,…,Xks]T，其中，Xkj为第k个负荷特性指标第j天的样本数据；选取第k个负荷特性指标样本矩阵Xk计算其非参数核密度估计函数其他指标计算方法相同；S602.选取高斯函数K(u)作为非参数核密度估计函数的核函数，其中，K(u)函数表达式如下：S603.选取高斯分布N(0,1)和N(0,4)作为两个基准核函数，建立最优带宽hopt的优化模型并采用内点法求解，优化模型为：式中，为非参数核密度估计函数的χ2检验统计量；为其通过χ2检验的临界值；Sk为非参数核密度估计函数的K-S检验统计量；Skb为其通过K-S检验的临界值；其中，非参数核密度估计函数通过两个基准核函数下的非参数核密度函数作平均值计算得到，各函数表达式具体如下：式中，分别为服从N(0,1)、N(0,4)的高斯分布；S604.将所得最优带宽hopt代入可得到第k个负荷特性指标的非参数核密度估计函数即概率密度函数，具体如下：与现有技术相比，有益效果是：本专利技术提供的一种分布式光伏接入对配电台区负荷特性影响的评估方法，根据光伏出力历史数据，建立多参数beta分布的光伏出力时序模型，并采用蒙特卡洛法抽样模拟得到在考虑光伏接入下的各负荷特性指标的概率密度函数。由于其充分考虑了分布式光伏出力的时序性和不确定性，能有效评估出光伏接入后台区负荷特性指标的变化情况，为含光伏配电网的规划与运行提供参考依据。附图说明图1为本专利技术的方法流程图。图2为本专利技术实施例中不同负荷类型的典型日负荷曲线图。图3为本专利技术实施例中工业生产负荷台区负荷特性概率密度函数示意图具体实施方式。图4为本专利技术实施例中农业加工负荷台区负荷特性概率密度函数示意图具体实施方式。图5为本专利技术实施例中酒店商业负荷台区负荷特性概率密度函数示意图具体实施方式。图6为本专利技术实施例中居民生活负荷台区负荷特性概率密度函数示意图具体实施方式如图1所示，一种分布式光伏接入对配电台区负荷特性影响的评估方法，包括以下步骤：步骤1：收集目标台区Nd天的有功负荷历史数据样本，其中采样间隔为1h，计算目标台区平均有功负荷时间序列，其计算公式为式中，Pdav(t)为目标台区第t时段平均有功负荷；Pd(i,t)表示历史数据样本中目标台区第i天第t时段有功负荷，Nd为历史数据样本数。步骤2：收集目标地区光伏电站预设时间Np天的历史出力数据样本，其中采样间隔为1h，建立基于多参数beta分布的光伏出力时序模型，其具体步骤包括：S201.收集的目标地区光伏电站Np天的历史出力数据样本，确定光伏有功出力样本矩阵Pp＝[Pp1,Pp2,…,Ppt,…,Pp24]，其中Ppt＝[Pp1t,Pp2t,...,Ppjt,…,PpNt]T，其中Ppjt＝表示第j天第t时段光伏出力样本数据值；S202.令Pptmax＝max{Pp1t,Pp2t,...,Ppjt,…,Pp本文档来自技高网...

【技术保护点】
1.一种分布式光伏接入对配电台区负荷特性影响的评估方法，其特征在于，包括以下步骤：S1.收集目标台区预设时间Nd天的有功负荷历史数据样本，计算目标台区平均有功负荷时间序列；S2.收集目标地区光伏电站预设时间Np天的历史出力数据样本，建立基于多参数beta分布的光伏出力时序模型；S3.根据光伏出力时间序列模型，采用蒙特卡洛法抽样生成设定时间s天光伏出力时间序列样本；S4.根据模拟生成s天的光伏出力时间序列样本和台区平均有功负荷时间序列，计算考虑光伏接入后的净有功负荷时间序列样本；S5.分别计算净有功负荷时间序列样本的负荷特性指标，得到其数值分布样本；S6.采用非参数核密度法拟合得到负荷特性指标的概率密度函数。

【技术特征摘要】
1.一种分布式光伏接入对配电台区负荷特性影响的评估方法，其特征在于，包括以下步骤：S1.收集目标台区预设时间Nd天的有功负荷历史数据样本，计算目标台区平均有功负荷时间序列；S2.收集目标地区光伏电站预设时间Np天的历史出力数据样本，建立基于多参数beta分布的光伏出力时序模型；S3.根据光伏出力时间序列模型，采用蒙特卡洛法抽样生成设定时间s天光伏出力时间序列样本；S4.根据模拟生成s天的光伏出力时间序列样本和台区平均有功负荷时间序列，计算考虑光伏接入后的净有功负荷时间序列样本；S5.分别计算净有功负荷时间序列样本的负荷特性指标，得到其数值分布样本；S6.采用非参数核密度法拟合得到负荷特性指标的概率密度函数。2.根据权利要求1所述的一种分布式光伏接入对配电台区负荷特性影响的评估方法，其特征在于，所述的S1步骤中目标台区平均有功负荷时间序列的计算方法为：式中，Pdav(t)为目标台区第t时段平均有功负荷；Pd(i,t)表示历史数据样本中目标台区第i天第t时段有功负荷，Nd为历史数据样本数。3.根据权利要求1所述的一种分布式光伏接入对配电台区负荷特性影响的评估方法，其特征在于，所述的S2步骤中基于多参数beta分布的光伏出力时序模型的建立方法包括：S201.收集的目标地区光伏电站Np天的历史出力数据样本，确定光伏有功出力样本矩阵Pp＝[Pp1,Pp2,…,Ppt,…,Pp24]，其中Ppt＝[Pp1t,Pp2t,...,Ppjt,…,PpNt]T，其中Ppjt＝表示第j天第t时段光伏出力样本数据值；S202.令Pptmax＝max{Pp1t,Pp2t,...,Ppjt,…,PpNt}，则光伏相对出力样本数列S203.计算数列Pp't的期望值和标准差S204.计算t时段光伏出力beta分布的形状参数α(t)和β(t)，计算公式如下：S205.得到t时段基于多参数beta分布的光伏相对出力概率密度函数如下：4.根据权利要求3所述的一种分布式光伏接入对配电台区负荷特性影响的评估方法，其特征在于，所述的S3步骤中采用蒙特卡洛法抽样生成设定时间s天光伏出力时间序列样本的具体实现方法包括：S301.采用蒙特卡洛法随机抽取服从t时段光伏出力beta分布的s个随机数，生成s天同在时段t下的光伏相对出力样本数列RV,t＝[Pv(1,t)/Pptmax,Pv(2,t)/Pptmax,…,Pv(j,t)/Pptmax,…,Pv(s,t)/Pptmax]T；S302.将RV,t中各元素乘上Pptmax得到时段t光伏出力数据样本数列PV,t...

【专利技术属性】
技术研发人员：陶飞达，杨夏，钟运平，黄智鹏，王东芳，熊洽，赖诗钰，
申请(专利权)人：广东电网有限责任公司河源供电局，
类型：发明
国别省市：广东,44