一种针对分布式电源出力不确定性的配网协同调度方法技术

本发明专利技术公开了一种针对分布式电源出力不确定性的配网协同调度方法，包括以下步骤：步骤1：通过潮流跟踪方法，对配网控制区域内的分布式电源潮流流向进行跟踪分析，构建配网中分布式电源、配电网络、用电负荷间的互动联系；步骤2：通过构建机会约束规划，建立给定置信度水平下的针对分布式电源出力不确定性的源网荷协同优化调度模型，以经济效益为目标进行优化；步骤3：利用蒙特卡罗模拟法与粒子群智能算法相结合求解优化模型，完成协同优化。本发明专利技术考虑了分布式电源出力波动及发电、负荷预测误差的不确定性给配网优化运行带来的不确定因素，通过引入不确定因素的机会约束规划方法，优化运行、降低风险。

【技术实现步骤摘要】

本专利技术涉及智能配电网大规模接入分布式电源的优化调度
，具体涉及一种针对分布式电源出力不确定性的配网协同调度方法。
技术介绍
主动配电网是在配电网中引入主动控制机制，是未来智能配电网实现对大量接入的分布式能源进行主动管理的有效解决方案；但是光伏、风机等间歇性分布式电源出力的随机性为其参与配网调度运行带来了极大的挑战。目前，配网针对分布式能源的大规模接入并没有在配网源网荷控制中充分考虑分布式电源间歇性出力的影响，仅仅通过不同时间尺度的协调控制，利用短时间尺度的优化来平抑波动；但是，随着更高渗透率的大规模光伏、风电的接入，其发电出力情况受天气等因素影响而变化剧烈，单从短时间尺度的实时优化控制已难完全消除其波动对电网安全稳定运行的影响，必须在较长时间尺度的优化调度中便预先考虑分布式的电源出力不确定性带来的风险。
技术实现思路
本专利技术要解决的技术问题是提供一种针对分布式电源出力不确定性的配网协同调度方法，可以解决现有技术采用短时间尺度的实时优化控制来平抑分布式电源接入配电网带来的波动，导致难以完全消除对电网安全稳定运行的影响的问题。本专利技术通过以下技术方案实现：一种针对分布式电源出力不确定性的配网协同调度方法，包括以下步骤：步骤1：通过潮流跟踪方法，对配网控制区域内的分布式电源潮流流向进行跟踪分析，构建配网中分布式电源、配电网络、用电负荷间的互动联系；步骤2：通过构建机会约束规划，建立给定置信度水平下的针对分布式电源出力不确定性的源网荷协同优化调度模型，以经济效益为目标进行优化；步骤3：利用蒙特卡罗模拟法与粒子群智能算法相结合求解优化模型，完成协同优化。本专利技术的进一步方案是，在所述步骤1中，潮流跟踪方法是通过潮流计算与网络拓扑分析，对配电控制区域内分布式电源与负荷的关系进行分析，求解网络各支路或负荷上的潮流源自的电源，以及贡献比例。本专利技术的进一步方案是，潮流跟踪方法是以顺流跟踪方法分别跟踪分布式电源产生的电力被负荷消耗的比例，以逆流潮流跟踪方法来分析负荷所消耗电能的来源。本专利技术的进一步方案是，所述步骤2中构建的机会约束规划，约束条件包括传统约束限制与机会约束限制。本专利技术的进一步方案是，所述传统约束限制的目标为确定性对象，包括可控分布式电源的出力上下限制、储能充放电限制。本专利技术的进一步方案是，所述机会约束限制的目标为配网不确定性对象，包括风险承受置信度的概率约束、源-荷限定关系约束以及系统功率平衡、潮流安全限制。本专利技术的进一步方案是，所述步骤3的求解优化模型包括以下步骤：S1:数据准备，包括优化区间内分布式电源的出力预测、负荷预测、可调可控电源与负荷的调节限制数据，以及粒子群算法所要求的参数，包括：粒子数、迭代次数、惯性系数上下限、学习因子C1、学习因子C2；S2:粒子群初始化，以各时段可调度对象出力为决策向量，在可行域内随机生成粒子群初始种群；S3:以蒙特卡洛模拟法处理随机变量，依据预测值与历史数据真实值与预测值偏差，随机抽样N次生成N组调度方案代表真实出力，对每个粒子分别计算每次抽样对应的经济效益值；S4:依据计算结果对N组调度方案进行排序，取第αN大的元素作为目标函数值，并依据惩罚函数法处理约束条件，更新粒子适应度，其中α为风险承受置信度；S5:根据粒子适应度，确定全局与个体粒子历史最优值，更新粒子速度，进行种群迭代；S6:若未达到最大迭代次数，则返回S3，否则输出全局最优粒子即为最优方案。本专利技术与现有技术相比的优点在于：一、在主动配电网“源-网-荷”信息互动的框架下，以源、荷为研究对象，以电网为连接媒介，以潮流跟踪等技术手段，分析网络中分布式电源电力流向，建立起分布式电源与负荷终端的点对点互动机制为各类应用提供支撑；二、考虑了分布式电源出力波动及发电、负荷预测误差的不确定性给配网优化运行带来的不确定因素，通过引入不确定因素的机会约束规划方法，优化运行、降低风险。附图说明图1为本专利技术的整体框架图。图2是本专利技术的求解优化模型流程图。具体实施方式如图1所示的一种针对分布式电源出力不确定性的配网协同调度方法，包括以下步骤：步骤1：通过潮流跟踪方法，对配网控制区域内的分布式电源潮流流向进行跟踪分析，构建配网中分布式电源、配电网络、用电负荷间的互动联系；潮流跟踪方法是先通过潮流计算获取当前网络潮流断面，再将网络拓扑结构折算至潮流跟踪方法要求的无损网络，然后以顺流跟踪方法分别跟踪分布式电源产生的电力以怎样的比例被哪些负荷消耗，以逆流潮流跟踪方法来分析某一负荷所消耗电能来自哪些电源，对配电控制区域内分布式电源与负荷的关系进行分析，求解网络各支路或负荷上的潮流源自的电源，以及贡献比例。步骤2：通过构建机会约束规划，建立给定置信度水平下的针对分布式电源出力不确定性的源网荷协同优化调度模型，以经济效益的乐观值为优化目标，即在给定置信度下所获经济效益优于该值，使配网运行成本最低；机会约束规划中的约束条件包括传统约束限制与机会约束限制；所述传统约束限制的目标为确定性对象，包括对燃气轮机、燃料电池、小水电等可控分布式电源的出力上下限制，以及对储能、电动汽车、柔性负荷等可调可控负荷的储能充放电限制；所述机会约束限制的目标为配网不确定性对象，包括对风电、光伏出力波动，以及传统负荷预测偏差的风险承受置信度的概率约束、源-荷限定关系约束以及系统功率平衡、潮流等安全限制。所述经济效益及功率平衡的机会约束限制如以下公式所示，表示有α的概率使运营成本低于，有β概率使出力波动引起的功率偏差小于预设限制。步骤3：利用蒙特卡罗模拟法与粒子群智能算法相结合求解优化模型，完成协同优化，具体包括以下步骤，如图2所示：S1:数据准备，包括优化区间内分布式电源的出力预测、负荷预测、可调可控电源与负荷的调节限制数据，以及粒子群算法所要求的参数，包括：粒子数、迭代次数、惯性系数上下限、学习因子C1、学习因子C2；S2:粒子群初始化，以各时段可调度对象出力为决策向量，在可行域内随机生成粒子群初始种群；S3:以蒙特卡洛模拟法处理随机变量，依据预测值与历史数据真实值与预测值偏差，随机抽样N次生成N组调度方案代表真实出力，对每个粒子分别计算每次抽样对应的经济效益值；S4:依据计算结果对N组调度方案进行排序，取第αN大的元素作为目标函数值，并依据惩罚函数法处理约束条件，更新粒子适应度，其中α为风险承受置信度；S5:根据粒子适应度，确定全局与个体粒子历史最优值，更新粒子速度，进行种群迭代；S6:若未达到最大迭代次数，则返回S3，否则输出全局最优粒子即为最优方案。本专利技术考虑了分布式光伏、风机波动性造成的实际出力与预测出力间偏差引起的不确定性风险构建了随机优化模型，并通过粒子群智能算法与蒙脱卡罗模拟法相结合的求解方法进行模型求解，以得出最优调度决策，降低风险，提升了协同优化效果。本文档来自技高网...

【技术保护点】
一种针对分布式电源出力不确定性的配网协同调度方法，其特征在于包括以下步骤：步骤1：通过潮流跟踪方法，对配网控制区域内的分布式电源潮流流向进行跟踪分析，构建配网中分布式电源、配电网络、用电负荷间的互动联系；步骤2：通过构建机会约束规划，建立给定置信度水平下的针对分布式电源出力不确定性的源网荷协同优化调度模型，以经济效益为目标进行优化；步骤3：利用蒙特卡罗模拟法与粒子群智能算法相结合求解优化模型，完成协同优化。

【技术特征摘要】
1.一种针对分布式电源出力不确定性的配网协同调度方法，其特征在于包括以下步骤：步骤1：通过潮流跟踪方法，对配网控制区域内的分布式电源潮流流向进行跟踪分析，构建配网中分布式电源、配电网络、用电负荷间的互动联系；步骤2：通过构建机会约束规划，建立给定置信度水平下的针对分布式电源出力不确定性的源网荷协同优化调度模型，以经济效益为目标进行优化；步骤3：利用蒙特卡罗模拟法与粒子群智能算法相结合求解优化模型，完成协同优化。2.如权利要求1所述的一种针对分布式电源出力不确定性的配网协同调度方法，其特征在于：在所述步骤1中，潮流跟踪方法是通过潮流计算与网络拓扑分析，对配电控制区域内分布式电源与负荷的关系进行分析，求解网络各支路或负荷上的潮流源自的电源，以及贡献比例。3.如权利要求2所述的一种针对分布式电源出力不确定性的配网协同调度方法，其特征在于：潮流跟踪方法是以顺流跟踪方法分别跟踪分布式电源产生的电力被负荷消耗的比例，以逆流潮流跟踪方法来分析负荷所消耗电能的来源。4.如权利要求1所述的一种针对分布式电源出力不确定性的配网协同调度方法，其特征在于：所述步骤2中构建的机会约束规划，约束条件包括传统约束限制与机会约束限制。5.如权利要求4所述的一种针对分布式电源出力不确定性的配网协同调度方法，其特征在于：所述传统约束限制的目标为...

【专利技术属性】
技术研发人员：纪炜，张弘，张杰，殷小荣，吴晓飞，黄玉辉，
申请(专利权)人：国网江苏省电力公司金湖县供电公司，上海交通大学，国网江苏省电力公司淮安供电公司，国家电网公司，
类型：发明
国别省市：江苏;32