一种分布式新能源接入与调度的综合优化方法技术

本发明专利技术涉及一种分布式新能源接入与调度的综合优化方法，属于配电网技术领域；该方法包括：S1:获取含有海量分布式能源监测系统历史数据，获取区域历史负荷数据，获取区域历史环境治理成本，发电成本，可靠性及韧性权重指标；S2：利用历史数据初始化不同类型分布式能源发电比例及裕量；S3:利用S1中不同类型分布式能源监测系统历史数据预测未来24小时发电功率数据；S4:利用预测的24小时发电功率数据、历史环境治理成本，发电成本，可靠性及韧性权重指标以及分布式能源发电比例及裕量，构建分布式能源环境治理成本、发电成本、可靠性及韧性的多目标及综合成本单目标最优调度模型及约束条件；S5：以长期运行最优为目标，将相关数据代入多目标和单目标的调度模型，通过求解，以获得不同类型分布式能源长期发电比例及发电裕量，同时生成对短期发电的趋势约束因子；S6：以短期运行最优为目标函数，结合异常扰动因子和趋势约束因子，求解短时多目标和单目标最优函数，以获得短时不同分布式能源的发电比例和发电裕量；本发明专利技术的实质性意义在于：在保证分布式能源正常稳定出力及合理发电裕量的前提下，通过不同分布式能源的综合优化调度，实现总体新能源可靠地互补优化运行和综合经济收益最大化。济收益最大化。济收益最大化。

【技术实现步骤摘要】
一种分布式新能源接入与调度的综合优化方法


[0001]本专利技术属于微电网接入调度与管理
，涉及一种分布式新能源接入与调度的综合优化方法。

技术介绍

[0002]随着风力、光伏、现代生物能等分布式能源的高速发展，其在配电网中的占比逐步增大。对于新能源高渗透率的配电网来说，由于风力和光伏等新能源发电通常具有随机性、波动性和间歇性特点，传统的配电网调度方式已逐渐不能适应，亟需研究新能源高渗透背景下配电网的安全、经济调度问题。本专利技术的目的在于提供一种分布式新能源接入与调度的综合优化方法，实现分布式能源发电在环境治理成本、发电成本、可靠性及韧性方面最优调度。
[0003]在高渗透率配电网优化调度研究中，对于优化电路模型，现有技术考虑了不确定微源出力不确定因素、风光出力预测误差因素、风光出力预测的不确定集因素，建立了各种更加符合现实因素的模型。在优化调度模型考虑因素的方面，微电网优化运行中经济成本通常是需要考虑的最重要指标，随着微电网应用的越来越广泛以及国家倡导节能减排的需要，越来越多的文献开始考虑环境目标。一种思路是将多目标模型通过协同转化成单目标模型，或者采用多目标模型进行建模。综上可见现有的优化调度研究，多以发电成本和环境治理成本之和最小为最优函数，以可靠性及安全裕度为约束指标，没有综合考虑韧性以及异常的影响。通过引入可靠性和韧性指标可以在在实现分布式电源合理的配置策略的同时，有效的应对异常情况下的优化调度。

技术实现思路

[0004]本专利技术的目的在于提供一种分布式新能源接入与调度的综合优化方法，实现分布式能源发电在环境治理成本、发电成本、可靠性及韧性方面最优调度。
[0005]本申请实施例的第一方面提供了一种分布式新能源接入与调度的综合优化方法，方法包括：
[0006]S1：获取含有海量分布式能源监测系统历史数据，获取区域历史负荷数据，获取区域历史环境治理成本，发电成本，可靠性及韧性权重指标；
[0007]S2：利用历史数据初始化不同类型分布式能源发电比例及裕量；
[0008]S3：利用S1中不同类型分布式能源监测系统历史数据预测未来24小时发电功率数据；
[0009]S4：利用预测的24小时发电功率数据、历史环境治理成本，发电成本，可靠性及韧性权重指标以及分布式能源发电比例及裕量，构建分布式能源环境治理成本、发电成本、可靠性及韧性的多目标及综合成本单目标最优调度模型及约束条件；
[0010]S5：以长期运行最优为目标，将相关数据代入多目标和单目标调度模型，通过求解，以获得不同类型分布式能源长时发电比例及发电裕量，同时生成对短期发电的趋势约
束因子；
[0011]S6：以短期运行最优为目标函数，结合异常扰动因子和趋势约束因子，求解短时多目标和单目标最优函数，以获得短时不同能源的发电比例和发电裕量。
[0012]在第一方面的一种可能的实现方式中，获取含有海量分布式能源监测系统历史数据，获取区域历史负荷数据，获取区域历史环境治理成本，发电成本，可靠性及韧性权重指标，具体为：
[0013]S11:对于分布式能源以过往3年该日前后10天的分布式能源监测系统数据作为远期参考数据集D
i,long
，以该日前5天的监测系统数据为近期参考数据集D
i,short
，i表示不同类型分布式能源中的光伏发电数据集D
PV,t
,，风力发电数据集D
WV,t
，储能电池数据集D
ESB,t
，电动汽车数据集D
EV,t
，燃气轮机数据集D
MT,t
，其中t＝long，表示过往3年该日前后10日，t＝short，表示该日前5日，t＝day表示未来24小时，对于不同的分布式能源其监测系统数据不同；
[0014]S12:以过往3年该日前后10天的日负荷用电数据作为参考L
long
，以该日前5天的负荷数据作为参考L
short
；
[0015]S13:根据S11中的远期数据和近期数据进行加权融合处理：
[0016]D
i，new
＝θ
i，long
D
i，long
+θ
i，short
D
i，short
ꢀꢀ
(1)
[0017]对于负荷也做相应的加权处理：
[0018]L
new
＝λ
long
L
long
+λ
short
L
short
ꢀꢀ
(2)
[0019]式(1)中θ
i，j
(j＝long，short)表示对不同历史时段不同分布式能源历史监测数据的加权；式(2)λ
j
(j＝long，short)表示对不同历史时段负荷数据的加权；
[0020]S14:统计不同时段不同分布式能源的环境治理成本、发电成本、可靠性及韧性，计算初始权重w0＝[w
c,t,i
，w
cos,t,i
，w
rel,t,i
，w
adj,t,i
]，t可以表示长时间运行long，短时间运行short，未来24小时运行day，即，t＝[long,short,day]；w
c,t,i
表示不同时段不同分布式能源运行环境治理成本的权重；w
cos,t,i
表示不同时段不同分布式能源运行成本权重；w
rel,t,i
表示不同时段不同分布式能源运行可靠性的权重；w
adj,t,i
表示不同时段不同分布式能源运行韧性的权重。
[0021]在第一方面的一种可能的实现方式中，利用历史数据初始化不同类型分布式能源发电比例及裕量，具体为：
[0022]S21：根据权利要求1相关数据，计算不同分布式能源，不同时段初始发电比例R
i，t
＝[R
PV，0 R
WV，0 R
ESB，0 R
EV，0 R
MT，0
]，i表示不同的分布式能源，t＝0表示初始值，t＝long表示长时运行，t＝short表示短时运行，R
PV,0
表示光伏发电初始占比，R
WV,0
表示风力发电初始占比，R
ESB,0
表示储能电池出力初始占比，R
EV,0
表示电动汽车出力初始占比，R
MT,0
表示燃气轮机出力初始占比；
[0023]S22：根据季节及昼夜节律，确定不同能源、不同时段的初始发电裕量F
i，t
＝[F
PV，0 F
WV，0 F
ESB，0 F
EV，0 F
MT，0
],i表示不同的分布式能源；t＝0表示初始值，t＝long表示长时运行，t＝short表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式新能源接入与调度的综合优化方法，其特征在于，所述方法包括：S1：获取含有海量分布式能源监测系统历史数据，获取区域历史负荷数据，获取区域历史环境治理成本，发电成本，可靠性及韧性权重指标；S2：利用历史数据初始化不同类型分布式能源发电比例及裕量；S3：利用S1中不同类型分布式能源监测系统历史数据预测未来24小时发电功率数据；S4：利用预测的24小时发电功率数据、历史环境治理成本，发电成本，可靠性及韧性权重指标以及分布式能源发电比例及裕量，构建分布式能源环境治理成本、发电成本、可靠性及韧性的多目标及综合成本单目标最优调度模型及约束条件；S5：以长期运行最优为目标，将相关数据代入多目标和单目标调度模型，通过求解，以获得不同类型分布式能源长时发电比例及发电裕量，同时生成对短期发电的趋势约束因子；S6：以短期运行最优为目标函数，结合异常扰动因子和趋势约束因子，求解短时多目标和单目标最优函数，以获得短时不同能源的发电比例和发电裕量。2.根据权利要求1所述的一种分布式新能源接入与调度的综合优化方法，其特征在于，所述获取含有海量分布式能源监测系统历史数据，获取区域历史负荷数据，获取区域历史环境治理成本，发电成本，可靠性及韧性权重指标，具体为：S11:对于分布式能源以过往3年该日前后10天的分布式能源监测系统数据作为远期参考数据集D
i,long
，以该日前5天的监测系统数据为近期参考数据集D
i,short
，i表示不同类型分布式能源中的光伏发电数据集D
PV,t
,，风力发电数据集D
WV,t
，储能电池数据集D
ESB,t
，电动汽车数据集D
EV,t
，燃气轮机数据集D
MT,t
，其中t＝long，表示过往3年该日前后10日，t＝short，表示该日前5日，t＝day表示未来24小时，对于不同的分布式能源其监测系统数据不同；S12：以过往3年该日前后10天的日负荷用电数据作为参考L
long
，以该日前5天的负荷数据作为参考L
short
；S13：根据S11中的远期数据和近期数据进行加权融合处理：D
i，new
＝θ
i，long
D
i，long
+θ
i，short
D
i，short
ꢀꢀꢀꢀꢀ
(1)对于负荷也做相应的加权处理：L
new
＝λ
long
L
long
+λ
short
L
short
ꢀꢀꢀꢀ
(2)式(1)中θ
i，j
(j＝long，short)表示对不同历史时段不同分布式能源历史监测数据的加权；式(2)λ
j
(j＝long，short)表示对不同历史时段负荷数据的加权；S14：统计不同时段不同分布式能源的环境治理成本、发电成本、可靠性及韧性，计算初始权重w0＝[w
c，t，i
，w
cos，t，i
，w
rel，t，i
，w
adj，t，i
]，t可以表示长时间运行long，短时间运行short，未来24小时运行day，即，t＝[long，short，day]；w
c，t，i
表示不同时段不同分布式能源运行环境治理成本的权重；w
cos，t，i
表示不同时段不同分布式能源运行成本权重；w
rel，t，i
表示不同时段不同分布式能源运行可靠性的权重；w
adj，t，i
表示不同时段不同分布式能源运行韧性的权重。3.根据权利要求2所述一种分布式新能源接入与调度的综合优化方法，其特征在于，所述利用历史数据初始化不同类型分布式能源发电比例及裕量，具体为：S21：根据权利要求1相关数据，计算不同分布式能源，不同时段初始发电比例R
i，t
＝[R
PV，0 R
WV，0 R
ESB，0 R
EV，0 R
MT，0
]，i表示不同的分布式能源，t＝0表示初始值，t＝long表示长
时运行，t＝short表示短时运行，R
PV，0
表示光伏发电初始占比，R
WV，0
表示风力发电初始占比，R
ESB，0
表示储能电池出力初始占比，R
EV，0
表示电动汽车出力初始占比，R
MT，0
表示燃气轮机出力初始占比；S22：根据季节及昼夜节律，确定不同能源、不同时段的初始发电裕量F
i，t
＝[F
PV，0 F
WV，0 F
ESB，0 F
EV，0 F
MT，0
]，i表示不同的分布式能源；t＝0表示初始值，t＝long表示长时运行，t＝short表示短时运行，F
PV,0
表示光伏发电初始发电裕量，F
WV,0
表示风力发电初始发电裕量，F
ESB,0
表示储能电池出力初始发电裕量，F
EV,0
表示电动汽车出力初始发电裕量，F
MT,0
表示燃气轮机出力初始发电裕量。4.根据权利要求3所述的一种分布式新能源接入与调度的综合优化方法，其特征在于，所述预测未来24小时发电功率数据，具体为：S31：对S13中获取的不同类型分布式能源监测系统历史数据进行预处理及归一化处理；S32：对S31中的数据采用核典型相关分析方法进行分析，将监测系统数据中非输出功率数据作为样本矩阵X
im
＝[x
i,1 x
i,2
…
x
i,m
]，输出功率作为矩阵P
im
＝[p
i,1
p
i
,2…
p
i,m
]，m是不同分布式能源的类型个数；S33：将数据分为训练样本集D
...

【专利技术属性】
技术研发人员：李波，赵瑞锋，辛阔，卢建刚，黄缙华，施展，张健，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：