考虑分布式资源区域容量限制的光网储协同规划方法技术

本发明专利技术涉及考虑分布式资源区域容量限制的光网储协同规划方法，属于配电网规划技术领域，通过结合k

【技术实现步骤摘要】
and renewable energy expansion planning considering demand response and energy storage—part I:stochastic programming model”则同时考虑了负荷响应(DR)和储能，提出一种分布式发电和配电网联合扩容规划的新模型。该问题被表述为一个以净社会效益最大化为驱动的基于随机规划的模型。然而，上述研究没有考虑线路扩容对分布式能源的消纳作用，且在规划过程中对分布式能源的发展模式考虑往往过于理想，大多没有结合地区实际情况模拟分布式能源的未来发展状况，因此，计及区域分布式资源空间容量发展限制提升资源消纳率的光网储综合规划方法仍有待进一步研究。

技术实现思路

[0004]本专利技术目的在于提供考虑分布式资源区域容量限制的光网储协同规划方法，用于解决上述现有技术中存在的技术问题，现有研究没有考虑线路扩容对分布式能源的消纳作用，且在规划过程中对分布式能源的发展模式考虑往往过于理想，大多没有结合地区实际情况模拟分布式能源的未来发展状况。
[0005]为实现上述目的，本专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.考虑分布式资源区域容量限制的光网储协同规划方法，其特征在于，包括以下步骤：S1、对待规划区域光伏出力和负荷全年历史数据进行聚类操作，提取“光
‑
荷”典型场景集，得到具代表性的典型场景，为后续进行光网储协同规划提供场景边界条件；S2、基于土地性质，对待规划区域负荷进行分区，并基于各区域屋顶面积、屋顶有效利用率和单位面积光伏容量指标，实现对不同区域分布式光伏饱和装机容量的估计；S3、采用不同的Logistic模型模拟不同区域分布式光伏的发展的“S”曲线，从而预测各规划阶段的光伏装机容量，量化光伏的消纳上界，然后，基于规划前光伏出力基准曲线和各规划阶段光伏装机容量系数，求得各阶段光伏出力曲线，从而得到分布式光伏在规划过程中的时空发展状况；S4、从规划的经济性出发，计及分布式储能全周期寿命成本和线路扩容投资成本，同时考虑协调规划的储能套利收益和政府补贴，并将分布式光伏消纳率转化为环境效益计入经济性的考量中，构建经济性最优的目标函数；S5、使用支路潮流模型，得到相应潮流功率平衡约束，再计及动态规划的特点，构造规划阶段约束，保证规划的连贯性，同时考虑系统安全运行约束、光伏运行约束、储能约束，构建协调规划模型的约束条件集；S6、采用相角松弛和二阶锥松弛凸化潮流功率平衡约束，同时利用big
‑
M法将模型中的储能相关非凸约束转凸处理，将原始协同规划问题转化为一个可求解的混合整数二阶锥规划问题；S7、综合考虑所有典型场景，使用Gurobi商业求解器求解上述光网储协同规划模型，得到各规划阶段下含“光
‑
荷”相关性的时空发展边界下线路最优扩容方案、储能最优配置与储能最优运行曲线。2.根据权利要求1所述的考虑分布式资源区域容量限制的光网储协同规划方法，其特征在于，所述步骤S1具体为：提取“光
‑
荷”典型场景，以典型场景精准反映全年不同时段或天气状态下的“光
‑
荷”日变化曲线；基于典型场景进行后续储能的规划能够在保证优化结果的准确性的前提下实现问题的简化求解；融合CFSFDP算法和k
‑
means算法，由CFSFDP算法选取初始聚类中心，k
‑
means算法用于迭代聚类，分配非聚类中心样本，同时使用信息熵反映数据间的差异度，并以此定义赋权欧氏距离，从而提取典型光
‑
荷场景日；具体方法如下：(1)建立原始矩阵XX
i
＝[PV
i
,Load
i
]1×
48
, i＝1,2,...,365式中：X
i
为第i天对应的光
‑
荷组合向量，光伏和负荷数据均间隔1小时，共有48维数据；PV
i
和Load
i
为一天内每小时的光伏出力和负荷需求；(2)归一化处理
式中：和分别为第j维属性在所有数据对象中的最小和最大值；(3)计算熵值、熵权值(3)计算熵值、熵权值(3)计算熵值、熵权值式中：r
ij
为第j维属性下第i个样本值占该属性的比重，H
j
为第j维属性的熵值，ω
j
为第j维属性的熵权值；假设：若x
′
ij
＝0，r
ij
＝0，则r
ij
lnr
ij
＝0；ω
j
∈[0,1]，(4)计算赋权欧式距离样本X
p
和X
q
之间的赋权欧式距离d
pq
可以表示为：式中：x
pj
和x
qj
分别为X
p
和X
q
的第j维数据；(6)设定截断距离，计算各样本的局部密度值由上述得到的N＝n(n
‑
1)/2个赋权欧式距离，对其进行升序排列，取：式中：[
·
]表示取整，d
c
为截断距离，d
z
为距离值升序排列后的第z个距离；采用高斯核进行局部密度的计算，计算方式如下：式中：ρ
p
为样本X
p
的局部密度值；(7)计算距离指标定义P＝{p1，p2，
…
，p
m
}为局部密度ρ进行降序排列的下标，其中则距离指标δ可以按下式计算：
式中：表示所有局部密度比大的点与之间的距离最小值；(8)绘制聚类中心决策图定义一个兼顾ρ和δ的评价指标：ζ
p
＝ρ
p
δ
p (p＝1,2,...,m)ζ越大，其越有可能成为聚类中心，因此只要将ζ从大到小排列，取前几个数据点为聚类中心即可；(9)得到初始聚类中心个数及位置后，计算各样本与各聚类中心的距离，以距离聚类中心尽量近为依据对样本进行划分，形成类簇：D
ik
＝|M
k
‑
X
i
|(10)计算每个簇的平均值，更新聚类中心：式中：n
k
表示第k个簇包含的数据的数量，C
k
表示第k个簇；(11)循环(9)至(10)往复求解直至各簇中心不再变化。3.根据权利要求2所述的考虑分布式资源区域容量限制的光网储协同规划方法，其特征在于，所述步骤S2具体为：首先基于土地性质，将负荷划分为多个区域，然后采用GIS数据或依照当地的规划设计部门公开的建筑规模数据，估算各区域内的屋顶建筑面积；确定光伏型号，可得相应的单位面积光伏容量指标，从而可计算不同区域的分布式光伏饱和装机容量：P
PV,S,i
＝D
i
S
i
α
i
式中：P
PV,S,i
为分布式光伏饱和装机容量；D
i
为单位面积分布式光伏容量指标；S
i
为区域屋顶面积；α
i
为屋顶有效利用率。4.根据权利要求3所述的考虑分布式资源区域容量限制的光网储协同规划方法，其特征在于，所述步骤S3包括具体为：将步骤S2计算出的分布式光伏饱和装机容量和历史值作为已知点，基于Logistic函数拟合发展曲线，即可得到不同规划阶段的光伏装机容量；利用不同Logistic模型拟合不同区域的光伏安装普及率，由此反映光伏的累计安装发展情况，其公式如下：式中：η
t,i
为分布式光伏安装普及率，a
i
、b
i
、c
i
均为拟合系数；因此，各阶段分布式光伏的装机容量表示为：P
PV,t,i
＝η
t,i
P
PV,S,i
又定义光伏装机容量系数如下：式中：m为分区数，P
PV,0,i
为规划前的分布式光伏装机容量；将规划初始年的光
‑
荷曲线聚类后得到的光伏出力典型场景作为规划前相应光伏出力基准曲线，可得各规划阶段在不
同场景下的光伏出力曲线表示为：式中：P
PV,CL,0,s
为规划前第s个场景下的总光伏出力曲线。5.根据权利要求4所述的考虑分布式资源区域容量限制的光网储协同规划方法，其特征在于，所述步骤S4包括具体为：光网储协同规划模型以经济性最佳为目标函数，建立协调规划收益模型和成本模型，考虑步骤S1聚类得到的典型场景，可得到协调规划优化目标函数表示为：C
all
＝C
pr
+C
en
+C
al
‑
C
ESS
‑
C
L
式中：λ
s
为场景s占比，N
s
为场景数，C
all,s
反映第s个场景下的经济性；其中，协调规划收益构成包括：(1)储能峰谷套利式中：C
pr
为储能峰谷套利收益；R
t
为t时刻的电价；和为储能充放电后电量大小；E
ch
为充电起始电量；E
dch
为放电起始电量；(2)环境效益通过线路容量扩容和储能的配置，带来环境效益：式中：C
en
表示协同规划后的环境效益；α
pv
为光伏消纳对应的环境效益系数；α
SOC
为储能放电对应的环境效益系数；P
pv,t
为光伏消纳功率；P
d,ESS,t
表示储能的放电功率；η
d,ESS
则表示储能的放电效率；(3)政府补贴政府对储能削峰填谷作用出台补贴政策，因此储能削峰填谷带来的经济效益表示如下：式中：C
al
表示储能削峰填谷的政府补贴；d1、d2为储能开始放电和停止放电的时间；r
f
表示政府为储能减少单位峰荷的补贴；协调规划成本包括：(1)储能全寿命周期成本储能全寿命周期成本考虑储能投资建设成本和运行维护成本，并计及储能的使用寿命和贴现率进行成本分摊：
C
in
＝C
essp
·
P
ESS
+C
esse
·
E
ESS

【专利技术属性】
技术研发人员：杨新婷，叶圣永，刘立扬，龙川，刘旭娜，韩宇奇，李达，
申请(专利权)人：国网四川省电力公司经济技术研究院，
类型：发明
国别省市：