一种含分布式电源及储能的微电网优化规划方法及系统技术方案

本发明专利技术公开一种基于智能优化算法的含分布式电源及储能的微电网优化规划方法及系统，本发明专利技术对含分布式电源及储能的微电网的优化，包括为规划设计方案提供基础数据，对待规划区域进行建模及潮流计算；确定适合待规划区域微电网接线模式；确定多类型分布式电源的待选站址；建立布点定容模型并对含多种分布式电源及储能的微电网网架进行规划设计；形成确定投资主体下的联合规划方案联合规划模块；并对联合规划方案输出评价。本发明专利技术基于分布式电源和微电网的基本特性研究，系统研究含光伏的微电网优化规划问题，合理配置指定规划区域内微电网中各种分布式电源的位置、容量及网架结构，建立完整有效、整合性强、紧密结合工程实际的微电网优化规划方案。

【技术实现步骤摘要】
一种含分布式电源及储能的微电网优化规划方法及系统
本专利技术涉及微电网优化规划
，特别是一种基于智能优化算法的含分布式电源及储能的微电网优化规划方法及系统。
技术介绍
随着电力系统负荷需求的快速增长，大规模集中式发电和超高压远距离输电逐步成为电能生产、输送和分配的主要方式。大型电力系统投资成本高、运行难度大，且大电网供电不能灵活跟踪负荷变化、局部事故容易恶化等也日渐凸显。因而，分布式发电和微电网技术越来越受到重视。为减少分布式电源(DG)接入对配电网的冲击，允许更多DG的接入，作为集成分布式电源的良好解决方案，微电网(Microgrid，MG)成为电力行业的研究热点。微电网是由多种分布式能源、负荷组成的灵活的能量管理系统，既可以与配网并联运行，实现局部功率的优化与平衡，也可以在大电网故障时，通过PCC点(公共连接点)断开后孤岛运行，继续给微电网内部重要负荷供电，提高了供电可靠性和用电安全性，减少电能损失、延缓电网的升级改造。但若分布式电源的位置与容量不合适、网架结构不当，不但无法降低供电成本，可能还会带来电网损耗的增加、供电质量的降低等问题。经对现有技术的文献进行检索发现，现有的技术文献中，杨艳红，裴玮等在《电力系统自动化》(2012，36(19):30-36)上发表文献《基于动态运行策略的混合能源微网规划方法》考虑了不同季节和分时电价的影响，针对由可再生能源发、热电联供机组及储能所组成的典型混合能源微网系统建立了包含运行策略约束的系统规划模型。欧阳武的博士论文《含分布式发电的配电网规划研究》(上海：上海交通大学，2009)对于含DG的配网规划进行了深入的研究，基于DG接入对配电网的影响，建立了考虑安全约束的模型，以增强配网的运行安全性，并采用基于St-GA的算法求解多阶段的规划模型；基于DG出力的随机性，建立了机会约束规划模型，并采用了随机潮流的求解方法；基于DG的准入功率，建立了多目标的规划模型，以协调配电网投资成本与DG注入功率间的关系。Y.Alinejad-Beromi,M.Sedighizadeh等在43rdInternationalUniversitiesPowerEngineeringConference(2008:1-5)上发表文献《AparticleswarmoptimizationforsitingandsizingofDistributedGenerationindistributionnetworktoimprovevoltageprofileandreduceTHDandlosses》以分布式电源的安装运行费用和热电联产的供热量为优化目标，在微网网架给定的情况下，采用非线性规划和模拟退火算法得出分布式电源的最优布置方案。上述文献的传统规划将微电网的分布式电源选址、定容和自身网架规划作为相互独立的解耦问题进行分析，但对如何形成从初始地块到网架建设的整体规划方法的研究较少，难以满足微电网建设的规划要求。
技术实现思路
针对现有技术对于含分布式电源及储能的微电网优化规划尚未充分研究，本专利技术要解决的技术问题为：基于分布式电源和微电网的基本特性研究，通过参考常规配网的规划流程，从负荷预测、微电网形成、分布式电源选址定容、含光伏等的微电网网架规划、分布式电源与微电网网架联合规划以及为平抑风-光发电波动性的储能优化配置等方面，系统研究含光伏的微电网优化规划问题，合理配置微电网中分布式电源的位置、容量及网架结构，建立完整有效、整合性强、紧密结合工程实际的基于智能优化算法的含分布式电源及储能的微电网优化规划方法及系统。本专利技术采取的技术方案具体为：一种含分布式电源及储能的微电网优化规划方法，包括步骤：1)确定参考基础数据，参考基础数据包括待规划区域的负荷参数、输电线路参数，待选DG的造价、运行维护费用，各种类发电技术对应的污染物排放参数、典型污染气体的环境价值标准及罚款标准参数；2)利用上述参考基础数据建立各种类发电技术的出力模型，并选择适合待规划区域的微电网潮流算法，对待规划区域进行潮流计算，得到潮流计算结果；3)以微电网容量大小为约束条件，建立微电网划分策略；并基于等效网损微增率、电压稳定度、负荷的重要程度的综合指标，确定分布式电源的类型、最佳容量大小及其相应的待选站址；4)利用参考基础数据分析得到适合待规划区域的微电网容量大小、接入电压等级以及微电网渗透率；并基于改进最小路法进行可靠性分析，从而得到适合微电网的接线模式，确定待规划区域的边界条件；5)基于参考基础数据、待规划区域的接线模式和边界条件，以及潮流计算结果，参考分布式电源安装运行费用、网络损耗费用和环境效益因素，建立布点定容的模型；并基于智能优化算法，对含多种分布式电源及储能的微电网网架进行规划设计，得到微电网网架规划设计的结果；所述智能优化算法为用于DG布点规划时的离散粒子群优化算法DPSO和微电网网架规划时的改进遗传算法GA；6)基于微电网网架规划设计结果和微电网划分策略、分布式电源的类型、最佳容量大小及其相应的待选站址，在确定了分布式电源及储能的投资主体基础上，建立分布式电源选址定容与微电网网架联合规划模型；将分布式电源选址定容计算模块和微电网网架规划模块输出的优化结果交替迭代，形成确定投资主体下的联合规划方案，在确定投资主体基础上，在进行联合规划时，将联合规划模型转化为DG布点定容子问题和微电网网架规划子问题进行交互迭代，直到满足收敛准则；模型迭代步骤为：6.1)定义联合规划模型中，Y表示网架方案，X表示DG配置方案；设定交互迭代收敛条件，即相邻迭代所得社会总成本差值的参考值ΔCtotal；6.2)由初始网架Y0计算DG配置方案X1，然后计算得出X1下网架规划的方案Y1，并将X1与Y1作为第1次迭代的方案，计算此方案下的社会总成本Ctotal(1)；6.3)由Y1计算X2，将(X2，Y1)作为第二次迭代方案，计算Ctotal(2)；6.4)计算Ctotal(1)与Ctotal(2)之间的差值ΔCtotal(1)，判断ΔCtotal(1)是否小于ΔCtotal：如果是，则迭代终止，以X2与Y1作为最终联合规划方案；如果不是，则继续交互迭代，由X2计算Y2，将X2和Y2作为第三次迭代方案，计算Ctotal(3)；进而计算Ctotal(2)与Ctotal(3)之间的差值ΔCtotal(2)，并判断ΔCtotal(2)是否小于ΔCtotal：如果是，则迭代终止，以X2与Y2作为最终联合规划方案；如果不是，则继续交互迭代，直至获得方案Xn与Yn，计算Ctotal(2n-1)，使得ΔCtotal(2n-2)小于ΔCtotal，迭代终止，以Xn与Yn作为最终联合规划方案；或者获得方案Xn+1与Yn，计算Ctotal(2n)，使得ΔCtotal(2n-1)小于ΔCtotal，迭代终止，以Xn+1与Yn作为最终联合规划方案；(X1，Y1)与(X2，Y1)中，X2的方案理论上是优于X1的，因而Ctotal的值不断下降，则获得更优的微电网建设方案；7)对上述联合规划方案计算评价结果。基于上述方法，本专利技术还提供一种含分布式电源及储能的微电网优化规划系统，其包括：输入模块，配置用于接收包括：既定的负荷参数、输电线路参数、待选DG的造价、本文档来自技高网...

【技术保护点】
一种含分布式电源及储能的微电网优化规划方法，其特征是，包括步骤：1)确定参考基础数据，参考基础数据包括待规划区域的负荷参数、输电线路参数，待选DG的造价、运行维护费用，各种类发电技术对应的污染物排放参数、典型污染气体的环境价值标准及罚款标准参数；2)利用上述参数基础数据建立各种类发电技术的出力模型，并选择适合待规划区域的微电网潮流算法，对待规划区域进行潮流计算，得到潮流计算结果；3)以微电网容量大小为约束条件，建立微电网划分策略；并基于等效网损微增率、电压稳定度、负荷的重要程度的综合指标，确定分布式电源的类型、最佳容量大小及其相应的待选站址；4)利用参考基础数据分析得到适合待规划区域的微电网容量大小、接入电压等级以及微电网渗透率；并基于改进最小路法进行可靠性分析，从而得到适合微电网的接线模式，确定所规划区域的边界条件；5)基于参考基础数据、待规划区域的接线模式和边界条件，以及潮流计算结果，参考分布式电源安装运行费用、网络损耗费用和环境效益因素，建立布点定容的模型；并基于智能优化算法，对含多种分布式电源及储能的微电网网架进行规划设计，得到微电网网架规划设计的结果；所述智能优化算法为用于DG布点规划时的离散粒子群优化算法DPSO和微电网网架规划时的改进遗传算法GA；6)基于微电网网架规划设计结果和微电网划分策略、分布式电源的类型、最佳容量大小及其相应的待选站址，在确定了分布式电源及储能的投资主体基础上，建立分布式电源选址定容与微电网网架联合规划模型；将分布式电源选址定容计算模块和微电网网架规划模块输出的优化结果交替迭代，形成确定投资主体下的联合规划方案；7)对上述联合规划方案计算评价结果。...

【技术特征摘要】
1.一种含分布式电源及储能的微电网优化规划方法，其特征是，包括步骤：1)确定参考基础数据，参考基础数据包括待规划区域的负荷参数、输电线路参数，待选DG的造价、运行维护费用，各种类发电技术对应的污染物排放参数、典型污染气体的环境价值标准及罚款标准参数；2)利用上述参考基础数据建立各种类发电技术的出力模型，并选择适合待规划区域的微电网潮流算法，对待规划区域进行潮流计算，得到潮流计算结果；3)以微电网容量大小为约束条件，建立微电网划分策略；并基于等效网损微增率、电压稳定度、负荷的重要程度的综合指标，确定分布式电源的类型、最佳容量大小及其相应的待选站址；4)利用参考基础数据分析得到适合待规划区域的微电网容量大小、接入电压等级以及微电网渗透率；并基于改进最小路法进行可靠性分析，从而得到适合微电网的接线模式，确定待规划区域的边界条件；5)基于参考基础数据、待规划区域的接线模式和边界条件，以及潮流计算结果，参考分布式电源安装运行费用、网络损耗费用和环境效益因素，建立布点定容的模型；并基于智能优化算法，对含多种分布式电源及储能的微电网网架进行规划设计，得到微电网网架规划设计的结果；所述智能优化算法为用于DG布点规划时的离散粒子群优化算法DPSO和微电网网架规划时的改进遗传算法GA；6)基于微电网网架规划设计结果和微电网划分策略、分布式电源的类型、最佳容量大小及其相应的待选站址，在确定了分布式电源及储能的投资主体基础上，建立分布式电源选址定容与微电网网架联合规划模型；将分布式电源选址定容计算模块和微电网网架规划模块输出的优化结果交替迭代，形成确定投资主体下的联合规划方案，在确定投资主体基础上，在进行联合规划时，将联合规划模型转化为DG布点定容子问题和微电网网架规划子问题进行交互迭代，直到满足收敛准则；模型迭代步骤为：6.1)定义联合规划模型中，Y表示网架方案，X表示DG配置方案；设定交互迭代收敛条件，即相邻迭代所得社会总成本差值的参考值ΔCtotal；6.2)由初始网架Y0计算DG配置方案X1，然后计算得出X1下网架规划的方案Y1，并将X1与Y1作为第1次迭代的方案，计算此方案下的社会总成本Ctotal(1)；6.3)由Y1计算X2，将(X2，Y1)作为第二次迭代方案，计算Ctotal(2)；6.4)计算Ctotal(1)与Ctotal(2)之间的差值ΔCtotal(1)，判断ΔCtotal(1)是否小于ΔCtotal：如果是，则迭代终止，以X2与Y1作为最终联合规划方案；如果不是，则继续交互迭代，由X2计算Y2，将X2和Y2作为第三次迭代方案，计算Ctotal(3)；进而计算Ctotal(2)与Ctotal(3)之间的差值ΔCtotal(2)，并判断ΔCtotal(2)是否小于ΔCtotal：如果是，则迭代终止，以X2与Y2作为最终联合规划方案；如果不是，则继续交互迭代，直至获得方案Xn与Yn，计算Ctotal(2n-1)，使得ΔCtotal(2n-2)小于ΔCtotal，迭代终止，以Xn与Yn作为最终联合规划方案；或者获得方案Xn+1与Yn，计算Ctotal(2n)，使得ΔCtotal(2n-1)小于ΔCtotal，迭代终止，以Xn+1与Yn作为最终联合规划方案；(X1，Y1)与(X2，Y1)中，X2的方案理论上是优于X1的，因而Ctotal的值不断下降，则获得更优的微电网建设方案；7)对上述联合规划方案计算评价结果。2.一种含分布式电源及储能的微电网优化规划系统，其特征是，包括：输入模块，配置用于接收包括：既定的负荷参数、输电线路参数、待选DG的造价、运行维护费用、各种类发电技术对应的污染物排放参数、典型污染气体的环境价值标准及罚款标准参数的参考基础数据；建模及潮流计算模块，连接输入模块以获取上述参考基础数据，利用参考基础数据建立各种类发电技术的出力模型，并选择适合待规划区域的微电网潮流算法，对待规划区域进行潮流计算，得到潮流计算结果；分布式电源选址定容计算模块，连接输入模块以及建模及潮流计算模块的输出端，以获取参考基础数据以及潮流计算结果；然后以微电网容量大小为约束条件，建立微电网划分策略；并基于等效网损微增率、电压稳定度、负荷的重要程度的综合指标，确定分布式电源的类型、最佳容量大小及其相应的待选站址；微电网接线模式选择模块，连接输入模块以获取参考基础数据，利用参考基础数据分析得到适合待规划区域的微电网容量大小、接入电压等级以及微电网渗透率；并基于改进最小路法进行可靠性分析，从而得到适合微电网的接线模式，确定待规划区域的边界条件；微电网网架规划模块，连接输入模块、微电网接线模式选择模块，以及建模及潮流计算模块的输出端，以分别获取参考基础数据、待规划区域的接线模式和边界条件，以及潮流计算结果；然后参考分布式电源安装运行费用、网络损耗费用和环境效益因素，建立布点定容的模型；并基于智能优化算法，对含多种分布式电源及储能的微电网网架进行规划设计，得到微电网网架规划设计的结果；所述智能优化算法为用于DG布点规划时的离散粒子群优化算法DPSO和微电网网架规划时的改进遗传算法GA；确定投资主体下的联合规划模块，连接微电网网架规划模块以及分布式电源选址定容计算模块的输出端，以分别获取微电网网架规划设计结果和微电网划分策略、分布式电源的类型、最佳容量大小及其相应的待选站址；在确定了分布式电源及储能的投资主体基础上，建立分布式电源选址定容与微电网网架联合规划模型；将分布式电源选址定容计算模块和微电网网架规划模块输出的优化结果交替迭代，形成确定投资主体下的的联合规划方案；规划输出评价模块，根据接收到的联合规划方案计算方案的评价结果。3.根据权利要求2所述的含分布式电源及储能的微电网优化规划系统，其特征是，建模及潮流计算模块建立的出力模型包括微型燃气轮机、风力发电机和光伏发电相应的出力模型；其中：建立的微型燃气轮机的出力模型在微电网潮流计算中，可以等效为发电机节点，即PV节点，节点功率变化要求如下：Pout,mi,min≤Pout≤Pout,mi,maxΔPout,mi≤ΔPout,mi,limit其中，ΔPout,mi是功率的变化量，ΔPout,mi,limit是功率变化量的限制；建立的风力发电机出力模型在微电网潮流计算中，风速符合如下的威布尔Weibull分布：其中，v为风速，单位为m/s，f(v)为威布尔函数，k和c分别为威布尔形状系数和尺度系数，对应的分布函数为：风能的功率与风速大小、叶片受风面积等因素影响为：Pm＝0.5ρSv3Cp其中，ρ为空气密度，单位为km/m3，S为风力机的扫掠面积，单位为m2，Cp为风力机的风能利用系数，风力发电机的功率输出模型表示为：其中，PWT为风力发电机的输出功率；PN为额定功率；vci为切入风速；vco为切出风速；vr为额定风速；v为实际风速；建立的光伏发电出力模型为：其中，P为输出功率，ηmod为一小时环境温度下的模块效率，A为光照总表面积，ηwr为配线效率系数，ηpc为功率调节系统的效率，Itilt为倾斜面的光照，Ihironzontal为水平面的光照，R为从Ihironzontal到Itilt的折算系数，ηsd为模块的标准效率，fm为匹配系数，β为效率改变的温度系数，Tcell为光伏电池的温度，Ten为环境温度；上述公式均是基于固定的倾斜平面，若...

【专利技术属性】
技术研发人员：钱君霞，马洲俊，张惠刚，陈志飞，吴峰，郭贤，张小辰，王冠青，王亮，胡煜，宁玉宝，赵盛杰，陈建峰，罗兴，
申请(专利权)人：河海大学，江苏省电力公司南京供电公司，南京工程学院，江苏科能电力工程咨询有限公司，
类型：发明
国别省市：江苏;32