一种基于多阶段随机的源网荷储协同规划方法技术

本发明专利技术属于配电网规划技术领域，具体涉及一种基于多阶段随机的源网荷储协同规划方法；包括：构建源网荷储的多阶段随机规划模型：分别建立配电网的源侧模型

【技术实现步骤摘要】
一种基于多阶段随机的源网荷储协同规划方法


[0001]本专利技术属于配电网规划
，具体涉及一种基于多阶段随机的源网荷储协同规划方法
。

技术介绍

[0002]随着风光等可再生能源的快速发展，以及储能装置的大规模投入，使得传统电网“源
‑
网
‑
荷
‑
储”的界限逐渐模糊
。
源网荷储的一体化运行，在智能电网技术的发展推动下，具有清洁低碳
、
灵活高效
、
智能友好的特征，对于促进电力保供和推动新型电力系统建设具有重要意义
。
[0003]但随着新能源渗透率的提高以及电网智慧信息控制技术的发展，配电网“源网荷储”的耦合日益密切
、
特征演变日益剧烈
。
而传统配电网规划方法已经无法实现“源网荷储”的一体化规划，无法有效应对演变过程中涌现的不确定性
。
在目前配电网规划方法的研究中，将规划问题分解为源侧发电厂
、
风电机组
、
负荷侧等设备的子规划问题；或者对源侧燃气机组
、
光伏电站
、
风电机组与网侧馈线进行规划
。
现有的配电网规划大多针对“源网荷储”中的一个或几个环节进行研究
。
然而，“源网荷储”多个环节
、
短期与长期等存在多种不确定，多个阶段的规划运行复杂度较高，因此，研究一种针对“源网荷储”的一体化协同规划方法具有重要的意义
。

技术实现思路

[0004]本专利技术的目的是为了克服现有技术的不足，而提供一种针对源网荷储一体化的基于多阶段随机的源网荷储协同规划方法
。
[0005]本专利技术的目的是这样实现的：一种基于多阶段随机的源网荷储协同规划方法，它包括：
[0006]构建源网荷储的多阶段随机规划模型：分别建立配电网的源侧模型
、
网侧模型
、
荷侧模型和储侧模型，并对源网荷储各模型演变过程的长期不确定性和运行调度过程中的短期不确定性分别建模；设置源网荷储各模型最小化各阶段的规划成本；
[0007]将源网荷储的多阶段随机规划模型转换为马尔可夫决策形式的多阶段随机规划模型；
[0008]根据近似动态规划求解所述马尔可夫决策形式的多阶段随机规划模型，确定源网荷储的协同规划方案
。
[0009]进一步的，所述建立配电网的源侧模型包括建立变电站模型
、
风电机组模型和光伏电站模型，其中，所述变电站模型由设备容量约束和设备建设约束表示为，
[0010][0011][0012]其中，
Ω
SS
为变电站建设节点集合；
Ω
Ts
为建设变电站型号集合；
i
为节点索引；
h
为典型场景序号；分别表示变电站的有功功率
、
无功功率；为
s
型变电站最大容量；为节点
i
处
s
型变电站是否存在的布尔变量，为节点
i
处新建
、
扩建的
s
型变电站是否存在的布尔变量；
[0013]所述风电机组模型由运行约束
、
设备建设约束表示为：
[0014][0015][0016]其中，
Ω
WT
为风电机组建设节点集合；
Ω
Tw
为建设风电机组型号集合；为建设风电机组型号集合；分别表示风电实际出力值
、
削减值；为典型场景内风电出力数据；为
w
型风电机组的最大出力；为节点
i
处
w
型风电机组是否存在的布尔变量，为节点
i
处新建
、
扩建的
w
型风电机组是否存在的布尔变量；
[0017]所述光伏电站模型表示为：
[0018][0019][0020]其中，
Ω
PV
为光伏电站建设节点集合；
Ω
Tv
为建设光伏电站型号集合；为建设光伏电站型号集合；分别表示为光伏实际出力值
、
削减值；为典型场景内光伏出力数据；为
v
型光伏电站的最大出力；为节点
i
处
v
型风电机组是否存在的布尔变量，为节点
i
处新建
、
扩建的
v
型风电机组是否存在的布尔变量
。
[0021]进一步的，所述建立网侧模型包括：
[0022][0023][0024][0025]其中，
Ω
PN
为网络节点集合；
Ω
PGL
为网络线路集合；
j
为节点索引；
Ω
i
为与节点
i
相连的节点构成的集合；
Ω
Tf
为建设网侧馈线型号的集合；为电压幅值平方；分别为流过
f
型馈线的有功功率
、
无功功率；分别为有功负荷
、
无功负荷；分别为储能装置充电功率
、
放电功率；分别为布尔变量
。
[0026]进一步的，所述建立荷侧模型包括：
[0027][0028][0029][0030]其中，分别为有功负荷的削减值
、
转移值；为布尔变量；分别表示负荷的转入值
、
转出值；
ρ
h
为第
h
个典型场景的概率；
Ω
h
为典型场景序号构成的集合
。
[0031]进一步的，所述建立储侧模型包括：
[0032][0033][0034][0035][0036][0037][0038]其中，
Ω
ESD
为储能设备建设节点集合；
Ω
Te
为建设储能设备型号集合；表示为
e
型储能设备充电功率
、
放电功率；分别为布尔变量；为最大功率；分别为充电效率
、
放电效率
。
[0039]进一步的，所述对源网荷储各模型演变过程的长期不确定性建模包括：
[0040]所述演变过程中的长期不确定性随着配电网演变过程逐阶段显现，各阶段实际负荷峰值可表示为预测值与预测误差的叠加，具体公式如下：
[0041][0042]其中，
t
为规划阶段序号；为负荷峰值的真实值；为负荷峰值的预测值；
λ
t
为预测误差；
[0043]定义负荷预测值误差负荷高斯公式，且当前阶段的预测值误差与上一阶段的预测值误差相关，表示为：
[0044]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多阶段随机的源网荷储协同规划方法，其特征在于，它包括：构建源网荷储的多阶段随机规划模型：分别建立配电网的源侧模型
、
网侧模型
、
荷侧模型和储侧模型，并对源网荷储各模型演变过程的长期不确定性和运行调度过程中的短期不确定性分别建模；设置源网荷储各模型最小化各阶段的规划成本；将源网荷储的多阶段随机规划模型转换为马尔可夫决策形式的多阶段随机规划模型；根据近似动态规划求解所述马尔可夫决策形式的多阶段随机规划模型，确定源网荷储的协同规划方案
。2.
如权利要求1所述的一种基于多阶段随机的源网荷储协同规划方法，其特征在于，所述建立配电网的源侧模型包括建立变电站模型
、
风电机组模型和光伏电站模型，其中，所述变电站模型由设备容量约束和设备建设约束表示为，变电站模型由设备容量约束和设备建设约束表示为，其中，
Ω
SS
为变电站建设节点集合；
Ω
Ts
为建设变电站型号集合；
i
为节点索引；
h
为典型场景序号；分别表示变电站的有功功率
、
无功功率；为
s
型变电站最大容量；为节点
i
处
s
型变电站是否存在的布尔变量，为节点
i
处新建
、
扩建的
s
型变电站是否存在的布尔变量；所述风电机组模型由运行约束
、
设备建设约束表示为：设备建设约束表示为：其中，
Ω
WT
为风电机组建设节点集合；
Ω
Tw
为建设风电机组型号集合；为建设风电机组型号集合；分别表示风电实际出力值
、
削减值；为典型场景内风电出力数据；为
w
型风电机组
的最大出力；为节点
i
处
w
型风电机组是否存在的布尔变量，为节点
i
处新建
、
扩建的
w
型风电机组是否存在的布尔变量；所述光伏电站模型表示为：所述光伏电站模型表示为：其中，
Ω
PV
为光伏电站建设节点集合；
Ω
Tv
为建设光伏电站型号集合；为建设光伏电站型号集合；分别表示为光伏实际出力值
、
削减值；为典型场景内光伏出力数据；为
v
型光伏电站的最大出力；为节点
i
处
v
型风电机组是否存在的布尔变量，为节点
i
处新建
、
扩建的
v
型风电机组是否存在的布尔变量
。3.
如权利要求1所述的一种基于多阶段随机的源网荷储协同规划方法，其特征在于，所述建立网侧模型包括：述建立网侧模型包括：述建立网侧模型包括：其中，
Ω
PN
为网络节点集合；
Ω
PGL
为网络线路集合；
j
为节点索引；
Ω
i
为与节点
i
相连的节点构成的集合；
Ω
Tf
为建设网侧馈线型号的集合；为电压幅值平方；分别为流过
f
型馈线的有功功率
、
无功功率；分别为有功负荷
、
无功负荷；分别为储能装置充电功率
、
放电功率；分别为布尔变量
。4.
如权利要求1所述的一种基于多阶段随机的源网荷储协同规划方法，其特征在于，所述建立荷侧模型包括：述建立荷侧模型包括：
...

【专利技术属性】
技术研发人员：马杰，李文峰，孙义豪，蒋小亮，于昊正，李科，皇甫霄文，郭勇，全少理，杨卓，樊江川，张又文，郭新志，
申请(专利权)人：国网河南省电力公司经济技术研究院，
类型：发明
国别省市：