一种分布式风力发电最大容量评估方法技术

本发明专利技术提供一种分布式风力发电最大容量评估方法，其特征在于，包括：确定分布式风力发电最大容量评估模型；所述评估模型包括配电网各个节点处分布式风力发电的网点接入容量与不可控因子的关系；将风力发电不同场景下的多组所述不可控因子输入所述分布式风力发电最大容量评估模型，得到所述不同场景下所述网点接入容量最优解；利用蒙特卡洛模拟方法对所述不同场景下所述网点接入容量最优解进行检验，筛选出满足机会约束的可行解集合，所述可行解集合即为分布式风力发电最大容量。本发明专利技术利用多参数规划算法对于多个相似场景的问题求解进行加速，扩大了多场景优化中的样本规模，提升了分布式风力发电最大容量评估的效率和精度。

A Method for Maximum Capacity Assessment of Distributed Wind Power Generation

The invention provides a method for evaluating the maximum capacity of distributed wind power generation, which is characterized by: determining the maximum capacity evaluation model of distributed wind power generation; the evaluation model includes the relationship between the access capacity and uncontrollable factors of distributed wind power generation at each node of distribution network; and inputting the uncontrollable factors of different scenarios of wind power generation into the distribution. The maximum capacity evaluation model of wind power generation can get the optimal solution of the access capacity of the network points in the different scenarios. The Monte Carlo simulation method is used to test the optimal solution of the access capacity of the network points in the different scenarios, and the feasible solution set satisfying the opportunity constraints is selected, which is the maximum capacity of distributed wind power generation. The method uses multi-parameter programming algorithm to accelerate the problem solving of multiple similar scenarios, enlarges the sample size in multi-scenario optimization, and improves the efficiency and accuracy of maximum capacity evaluation of distributed wind power generation.

【技术实现步骤摘要】
一种分布式风力发电最大容量评估方法
本专利技术属于电力电子
，尤其涉及一种分布式风力发电最大容量评估方法。
技术介绍
分布式风力发电可接入的最大容量，是分布式风力发电开发的重要指标，容量评估对于合理规划分布式风力发电的建设，避免弃风问题具有重要意义。近年来越来越多的分布式风力发电接入配电网，而负荷和风力发电出力具有随机性，因此需要在分布式风力发电最大容量评估中考虑不确定性。目前常用的分布式风力发电最大容量评估方法主要是通过抽样形成典型场景，然后对每个场景分别进行优化，得到最优解。其不足之处在于场景数目增多时计算效率低。无法处理大规模问题。
技术实现思路
本专利技术的目的在于克服上述现有技术中存在的缺陷，提供一种基于多参数规划的分布式风力发电最大容量评估方法。为了实现上述专利技术目的，本专利技术提供如下技术方案：一种分布式风力发电最大容量评估方法，包括：确定分布式风力发电最大容量评估模型；所述评估模型包括配电网各个节点处分布式风力发电的网点接入容量与不可控因子的关系；将风力发电不同场景下的多组所述不可控因子输入所述分布式风力发电最大容量评估模型，得到所述不同场景下所述网点接入容量最优解；利用蒙特卡洛模拟方法对所述不同场景下所述网点接入容量最优解进行检验，筛选出满足机会约束的可行解集合，从所述可行解集合中挑选出最优值即为分布式风力发电最大容量。进一步的，确定分布式风力发电最大容量评估模型包括：确定配电网经济调度模型的目标函数；确定配电网经济调度模型的约束条件；确定所述目标函数与所述约束条件的矩阵函数关系；将所述矩阵函数关系转化为所述网点接入容量与所述不可控因子的分段线性关系函数。进一步的，所述配电网经济调度模型的目标函数为所述分布式风力发电网点接入容量之和最大，具体为：其中，Si表示配电网第i个节点处分布式风力发电的接入容量，max表示求取最大值。进一步的，所述配电网经济调度模型的约束条件包括：节点功率约束、节点电压约束、线路传输容量约束中的一种或多种。进一步的，其特征在于，所述节点功率约束计算方式为：上式表示配电网任意一个节点i的功率约束；其中N(i)为与i节点相连的节点集合，pij,t,qij,t分别为线路ij在t时刻流过的有功功率和无功功率，分别为支路ij在t时刻的有功功率损耗和无功功率表损耗，分别为节点i所接入的分布式风力发电组在t时刻发出的有功功率和无功功率，分别为节点i处t时刻的有功负荷和无功负荷；所述节点电压约束计算方式为：上式表示配电网中首端节点编号为i、末端节点编号为j的任意一条支路ij的电压方程；Vi,t为节点i在t时刻电压，Ui,t表示节点i电压的平方值，Uj,t表示节点j电压的平方值，表示支路ij上网损项引起的Ui,t节点电压变化，rij,xij分别表示支路ij的电阻和电抗，分别为支路ij在t时刻的有功功率损耗和无功功率表损耗，Vmin,Vmax分别表示节点电压设定的下限和上限，Prob{·}表示电压安全约束为机会约束，α为机会约束的置信度水平，即机会约束满足的概率；所述线路传输容量约束计算方式为：其中，sij,max为线路视在功率的限值，pij,t,qij,t分别为线路ij在t时刻流过的有功功率和无功功率。进一步的，所述确定配电网经济调度模型的约束条件过程中所使用的负荷模型具体为：其中，为节点i处的有功负荷在一天中第t个时段的负荷值，为节点i处t时刻的有功负荷和无功负荷；ΦR、ΦC、ΦI分别为居民类、商业类和工业类负荷的集合；参数αP(t)、βP(t)、γP(t)在模型中为随机参量，用于反映负荷的不确定性，即在各个场景中负荷的波动；负荷采用定功率因数模型，δi为节点i负荷的功率因数角。进一步的，所述确定配电网经济调度模型的约束条件过程中所使用的网损模型为具体为：上式为首端节点编号为i、末端节点编号为j的任意一条支路ij的功率损耗和电压损耗的表达式；其中，分别为基态点处线路ij在t时刻流过的有功与无功功率，为基态点处节点i在t时刻电压，rij,xij分别表示支路ij的电阻和电抗。进一步的，所述确定配电网经济调度模型的约束条件过程中所使用的分布式风力发电出力计算方式为具体为：其中，和分别为节点i处的分布式风力发电在t时刻的有功出力和无功出力；表示分布式风力发电在t时刻的出力系数；设定分布式风力发电的无功出力为固定功率因数输出，δi,DG为第i节点处分布式风力发电的功率因数角，Ndg为待接入分布式风力发电的节点集合。进一步的，所述目标函数与所述约束条件的矩阵函数关系，具体为：maxcTxAx+Bθ≤d其中x代表可以控制的变量，即所述风力发电的网点接入容量，θ代表所述不可控因子，包括分布式风力发电的出力系数、负荷的不可控参量；A,B,c,d分别为目标函数和约束条件写成矩阵形式后得到的系数矩阵。进一步的，所述将所述矩阵函数关系转化为所述网点接入容量与所述不可控因子的分段线性关系函数，具体为：采用多参数规划算法可得到所述x与θ间的分段线性函数关系：Fi,Gi为常数矩阵和向量,C1,C2…Cn为参数θ的不同区域；分段函数的每个区域由关于参量的线性不等式组构成：其中，Ei,fi分别是根据多参数算法给出的描述区域边界的常数矩阵以及向量。本专利技术通过建立由目标函数和约束条件构成的分布式风力发电最大容量评估模型，然后采用多场景抽样法对不同场景下配电网中分布式风力发电的最大可接入容量进行评估，利用多参数规划算法对于多个相似场景的问题求解进行加速，扩大了多场景优化中的样本规模，从而进一步提升分布式风力发电最大容量评估的效率，提高容量评估的精度，且适合应用于分布式风力发电建设和接入的容量评估环节之中。应理解的是，前面的一般描述和下面的详细描述都是示例性的，并且意图在于提供要求保护的技术的进一步说明。附图说明通过结合附图对本专利技术实施例进行更详细的描述，本专利技术的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与本专利技术实施例一起用于解释本专利技术，并不构成对本专利技术的限制。除非明确指出，否则附图不应视为按比例绘制。在附图中，相同的参考标号通常代表相同组件或步骤。在附图中：图1示出了本专利技术实施例中的分布式风力发电最大容量评估方法流程示意图；图2示出了本专利技术实施例中的确定分布式风力发电最大容量评估模型流程示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。本专利技术实施例中介绍了一种基于参数规划的分布式风力发电最大容量评估方法，如图1所示，所述方法包括：101,确定分布式风力发电最大容量评估模型；所述评估模型包括配电网各个节点处分布式风力发电的网点接入容量与不可控因子的关系；102,将风力发电不同场景下的多组所述不可控因子输入所述分布式风力发电最大容量评估模型，得到所述不同场景下所述网点接入容量最优解；103,利用蒙特卡洛模拟方法对所述不同场景下所述网点接入容量最优解进行检验，筛选出满足机会约束的可行解本文档来自技高网...

【技术保护点】
1.一种分布式风力发电最大容量评估方法，其特征在于，包括：确定分布式风力发电最大容量评估模型；所述评估模型包括配电网各个节点处分布式风力发电的网点接入容量与不可控因子的关系；将风力发电不同场景下的多组所述不可控因子输入所述分布式风力发电最大容量评估模型，得到所述不同场景下所述网点接入容量最优解；利用蒙特卡洛模拟方法对所述不同场景下所述网点接入容量最优解进行检验，筛选出满足机会约束的可行解集合，从所述可行解集合中挑选出最优值即为分布式风力发电最大容量。

【技术特征摘要】
1.一种分布式风力发电最大容量评估方法，其特征在于，包括：确定分布式风力发电最大容量评估模型；所述评估模型包括配电网各个节点处分布式风力发电的网点接入容量与不可控因子的关系；将风力发电不同场景下的多组所述不可控因子输入所述分布式风力发电最大容量评估模型，得到所述不同场景下所述网点接入容量最优解；利用蒙特卡洛模拟方法对所述不同场景下所述网点接入容量最优解进行检验，筛选出满足机会约束的可行解集合，从所述可行解集合中挑选出最优值即为分布式风力发电最大容量。2.根据权利要求1所述的方法，其特征在于，确定分布式风力发电最大容量评估模型包括：确定配电网经济调度模型的目标函数；确定配电网经济调度模型的约束条件；确定所述目标函数与所述约束条件的矩阵函数关系；将所述矩阵函数关系转化为所述网点接入容量与所述不可控因子的分段线性关系函数。3.根据权利要求2所述的方法，其特征在于，所述配电网经济调度模型的目标函数为所述分布式风力发电网点接入容量之和最大，具体为：其中，Si表示配电网第i个节点处分布式风力发电的接入容量，max表示求取最大值。4.根据权利要求2所述的方法，其特征在于，所述配电网经济调度模型的约束条件包括：节点功率约束、节点电压约束、线路传输容量约束中的一种或多种。5.根据权利要求4所述的方法，其特征在于，所述节点功率约束计算方式为：上式表示配电网任意一个节点i的功率约束；其中N(i)为与i节点相连的节点集合，pij,t,qij,t分别为线路ij在t时刻流过的有功功率和无功功率，分别为支路ij在t时刻的有功功率损耗和无功功率表损耗，分别为节点i所接入的分布式风力发电组在t时刻发出的有功功率和无功功率，分别为节点i处t时刻的有功负荷和无功负荷；所述节点电压约束计算方式为：上式表示配电网中首端节点编号为i、末端节点编号为j的任意一条支路ij的电压方程；Vi,t为节点i在t时刻电压，Ui,t表示节点i电压的平方值，Uj,t表示节点j电压的平方值，表示支路ij上网损项引起的Ui,t节点电压变化，rij,xij分别表示支路ij的电阻和电抗，分别为支路ij在t时刻的有功功率损耗和无功功率表损耗，Vmin,Vmax分别表示节点电压设定的下限和上限，Prob{·}表示电压安全约束为机会约束，α为机会约束的置信度水平，即机会约束满足的概率；所...

【专利技术属性】
技术研发人员：陆秋瑜，吴文传，朱誉，夏天，杨银国，杨越，林英明，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，清华大学，
类型：发明
国别省市：广东,44