【技术实现步骤摘要】
计及源荷不确定的光伏配电网储能优化配置方法及装置
[0001]本专利技术属于配电网优化配置
,尤其涉及计及源荷不确定性的规模化光伏配电网储能优化配置方法。
技术介绍
[0002]化石能源的日益枯竭和气候巨变已成为全球瞩目的焦点问题,开发可再生能源成为主要的解决途径。而太阳能具有清洁、低碳、绿色、安全等优点,因此大规模、集中式并网的光伏发电装机容量急骤增加,而较高的光伏发电穿透率与不平衡的区域分配使得间歇性的光伏发电消纳难度加大,弃光问题凸显。由此,在集中式发电和大电网基础上,大力发展分布式发电技术,使分布式电源供电与大电网供电相互补充、协调是未来电力系统的必然发展趋势。
[0003]随着分布式光伏装机不断提升,灵活性调节资源日趋紧张,系统惯量持续下降,新能源消纳及系统稳定的矛盾日益凸显,光伏和储能优化配置亦成为提高新能源消纳和运行经济性不可或缺的环节;广泛灵活的分布式储能是有源配网的重要柔性可控资源,配置储能是解决分布式光伏消纳、电力电量不平衡等问题的重要手段,对提升有源配电网运行水平具有重要意义。
技术实现思路
[0004]本专利技术通过研究光伏接入容量及位置、分布式储能容量最优化配置方法,实现分布式储能高效综合利用,提升分布式储能本体安全水平,解决有源配网潮流多向、新能源波动等问题,支撑分布式新能源消纳,实现分布式储能经济配置。
[0005]本专利技术解决其技术问题是采取以下技术方案实现的:
[0006]计及源荷不确定的配电网光储优化配置方法,包括如下步骤:
...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.计及源荷不确定的配电网光储优化配置方法,其特征在于,包括如下步骤:获取上层分布式电源优化配置模型及下层配电网动态重构模型;其中,上层分布式电源优化配置模型的目标函数为光伏配置成本和储能成本最小化;下层配电网动态重构模型的目标函数为系统总网损最小;基于Benders算法和烟花算法对上层分布式电源优化配置模型及下层配电网动态重构模型进行求解,获得光储配置方案与最小网损等决策结果。2.根据权利要求1所述的计及源荷不确定的配电网光储优化配置方法,其特征在于:所述的基于Benders算法和烟花算法对上层分布式电源优化配置模型及下层配电网动态重构模型进行求解的方法为:S1、初始化配电网参数;并设置初始迭代次数r=1;S2、获取光伏出力不确定集合;S3、采用Benders分解法求解上层分布式电源优化配置问题,初始化上下界,得到初始决策结果;S4、依据初始决策结果求解运行子问题,进而增加最优割集并求解光储配置主问题,更新下界LB;S5、主问题求解结果带入子问题,得出子问题的解,更新上界UB;S6、判断是否满足终止条件,如果满足,则进入步骤S7进行下层配电网动态重构模型求解,否则返回步骤S4继续迭代;S7、基于分布式光伏和负荷数据,采用改进的考虑时序约束的层次聚类方法进行时段划分;S8、计算节点的功率矩并依据启发式规则进一步生成压缩解空间;S9、选择初代烟花并评估其适应度,并进行爆炸、变异操作,选取适应度最优的烟花作为下一代;S10、判断是否满足终止条件,若满足则结束;若不满足则迭代次数加1,返回步骤S3继续迭代。3.根据权利要求2所述的计及源荷不确定的配电网光储优化配置方法,其特征在于:获取光伏出力不确定集合的方法为:采用非精确狄利克雷模型确定光伏出力概率区间模糊集;采用Devroye
‑
Wise方法随机变量真实值的估计范围,将模糊集转化为不确定区间表达。4.根据权利要求1所述的计及源荷不确定的配电网光储优化配置方法,其特征在于,所述的上层分布式电源优化配置模型为:minf=C
pv
+C
ess (1)式中:C
pv
为光伏配置成本;C
ess
为储能成本;其中:C
pv
=k
pv
E
pv (2)
式中:k
pv
为单位光伏装机容量成本;E
技术研发人员:赵龙,梁荣,杨波,刘钊,张晓磊,卢志鹏,杨慎全,王可欣,李昭,杨扬,崔灿,綦陆杰,赵韧,刘淑莉,王延朔,王辰,刘盛福,邓少治,张雯,李凯,王耀雷,李昊,
申请(专利权)人:国家电网有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。