【技术实现步骤摘要】
本专利技术涉及配电网规划，具体涉及一种高比例分布式光伏接入的配电网规划方法及装置。
技术介绍
1、分布式发电大规模接入配电网将对配电网的运行和规划产生深远的影响，运行结构和方式的改变对配电网的规划提出了新的要求。
2、在工程实践方面，分布式光伏电站接入一般是由电网企业根据光伏投建规模以及邻近变压器容量确定接入容量，接入方案并不涉及光伏出力不确定性的考虑，分布式光伏电站投建方的收益最优分析和储能的优化配置。当光伏安装容量达到一定规模时，这种无序接入的方案进一步加剧了电网运行风险，降低了电网运行效率，影响了分布式光伏电站的整体收益。因此需要研究高比例分布式光伏接入的配电网规划多目标概率规划问题。
技术实现思路
1、为了克服上述缺陷，本专利技术提出了一种高比例分布式光伏接入的配电网规划方法及装置。
2、第一方面，提供一种高比例分布式光伏接入的配电网规划方法，所述高比例分布式光伏接入的配电网规划方法包括：
3、步骤s101求解预先构建的上层规划模型，得到第一规划方案；
4、步骤s102利用所述第一规划方案对配电网仿真系统进行规划；
5、步骤s103对所述配电网仿真系统进行概率潮流计算，得到潮流数据；
6、步骤s104将所述潮流数据代入预先构建的下层规划模型并求解，得到第二规划方案；
7、步骤s105利用所述第二规划方案对配电网仿真系统进行规划；
8、步骤s106若达到迭代次数，则输出所述第一规划
9、其中，所述潮流数据包括下述中的至少一种：各分布式光伏机组的出力数据、各线路首端节点的有功负荷、各电网节点电压值；所述第一规划方案包括下述中的至少一种：各电网节点分布式光伏总装机容量、各电网节点储能总装机容量、各电网节点接入光伏数量、各电网节点接入储能数量；第二规划方案包括下述中的至少一种：各分布式光伏机组的并网出力数据、各储能的出力数据。
10、优选的，所述对所述配电网仿真系统进行概率潮流计算，包括：
11、在分布式光伏出力数据中选取典型分布式光伏出力数据，并拟合所述典型分布式光伏出力数据对应的概率密度函数；
12、基于所述概率密度函数，采用蒙特卡洛法进行抽样，得到分布式光伏的不确定性出力数据；
13、将所述分布式光伏的不确定性出力数据输入潮流计算程序，得到潮流数据。
14、进一步的，所述在分布式光伏出力数据中选取典型分布式光伏出力数据，包括：
15、采用k-means算法对分布式光伏出力数据进行聚类，将样本数据最多的聚类簇作为典型分布式光伏出力数据。
16、进一步的，所述采用k-means算法对分布式光伏出力数据进行聚类的过程中，采用肘部法则确定最佳聚类数。
17、进一步的，所述采用肘部法则确定最佳聚类数，包括：
18、分别以预设整数集中各数值作为聚类类别数对分布式光伏出力数据进行聚类，得到各数值对应的聚类结果；
19、计算各数值对应的聚类结果的畸变程度之和；
20、以各数值为横坐标，以各数值对应的聚类结果的畸变程度之和为纵坐标构建坐标图；
21、将所述坐标图中处于手肘处的临界点对应的数值作为最佳聚类数。
22、进一步的，所述各数值对应的聚类结果的畸变程度之和的计算式如下：
23、
24、上式中，ssek为数值k对应的聚类结果的畸变程度之和，ci为第i个聚类簇，mi为第i个聚类簇的质心，p为ci中的样本点。
25、进一步的，所述典型分布式光伏出力数据对应的概率密度函数的数学模型如下：
26、
27、上式中，f为典型分布式光伏出力数据对应的概率密度函数值，a为第一形状参数，β为第二形状参数，ppvg为分布式光伏机组的实际输出功率，ppvg,max为分布式光伏机组的最大输出功率，γ为伽玛函数。
28、进一步的，所述第一形状参数和第二形状参数的计算式如下：
29、
30、上式中，μr为典型分布式光伏出力数据的平均值，为典型分布式光伏出力数据的标准差。
31、优选的，所述预先构建的上层规划模型包括：以投资成本最小及光伏渗透率最大为目标的第一目标函数及其对应的第一约束条件。
32、进一步的，所述第一目标函数的数学模型如下：
33、
34、
35、上式中，ct为投资成本，r为贴现率，n为分布式光伏和储能设备的使用年限，cdg为单位容量分布式光伏投资成本，cess为单位容量储能投资成本，pdg为分布式光伏总装机容量，pess为储能总装机容量，η为光伏渗透率，为第i个分布式光伏的有功功率，ndg为分布式光伏总数，pl为配电网负荷有功功率。
36、进一步的，所述第一约束条件包括下述中的至少一种：分布式光伏接入节点数量约束、储能接入节点数量约束、潮流约束、节点电压约束、支路功率约束。
37、进一步的，所述分布式光伏接入节点数量约束的数学模型如下：
38、
39、所述储能接入节点数量约束的数学模型如下：
40、
41、上式中，为待接入节点i的dg数量，为第i节点dg接入数量上限，为待接入节点i的储能数量，为第i节点储能接入数量上限。
42、优选的，所述预先构建的下层规划模型包括：以弃光率、网络损耗和电压偏移指数最小为目标的第二目标函数及其对应的第二约束条件。
43、进一步的，所述第二目标函数的数学模型如下：
44、
45、
46、
47、上式中，ηq为弃光率，t为日内总时长，为第i台分布式光伏机组在t时刻的出力数据，为第i台分布式光伏机组在t时刻的实际并网出力，ndg为分布式光伏总数，ploss为总的配电网有功损耗；分别为线路l首端节点在t时刻的发电机出力、有功负荷、分布式光伏机组并网出力、储能出力，ql,t为线路l在t时刻的无功注入功率，ul,t为线路l首端节点在t时刻的电压，vdi为电压偏移指数，rl为线路l的电阻值，nl为线路集合，ui,t和ui,n分别表示t时刻节点i电压实际值和额定值，n为电网节点总数量。
48、进一步的，所述第二约束条件包括下述中的至少一种：潮流约束、节点电压约束、支路功率约束、分布式光伏出力约束、储能充放电功率约束、储能soc上下限约束。
49、第二方面，提供一种高比例分布式光伏接入的配电网规划装置，所述高比例分布式光伏接入的配电网规划装置包括：
50、第一分析模块，用于求解预先构建的上层规划模型，得到第一规划方案；
51、第一规划模块，用于利用所述第一规划方案对配电网仿真系统进行规划；
52、潮流计算模块，用于对所述配电网仿真系统进行概率潮流计算，得到潮流数本文档来自技高网...
【技术保护点】
1.一种高比例分布式光伏接入的配电网规划方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述对所述配电网仿真系统进行概率潮流计算，包括：
3.如权利要求2所述的方法，其特征在于，所述在分布式光伏出力数据中选取典型分布式光伏出力数据，包括：
4.如权利要求3所述的方法，其特征在于，所述采用k-means算法对分布式光伏出力数据进行聚类的过程中，采用肘部法则确定最佳聚类数。
5.如权利要求4所述的方法，其特征在于，所述采用肘部法则确定最佳聚类数，包括：
6.如权利要求5所述的方法，其特征在于，所述各数值对应的聚类结果的畸变程度之和的计算式如下：
7.如权利要求2所述的方法，其特征在于，所述典型分布式光伏出力数据对应的概率密度函数的数学模型如下：
8.如权利要求7所述的方法，其特征在于，所述第一形状参数和第二形状参数的计算式如下：
9.如权利要求1所述的方法，其特征在于，所述预先构建的上层规划模型包括：以投资成本最小及光伏渗透率最大为目标的第一目标函数及其对应的第一
10.如权利要求9所述的方法，其特征在于，所述第一目标函数的数学模型如下：
11.如权利要求10所述的方法，其特征在于，所述第一约束条件包括下述中的至少一种：分布式光伏接入节点数量约束、储能接入节点数量约束、潮流约束、节点电压约束、支路功率约束。
12.如权利要求11所述的方法，其特征在于，所述分布式光伏接入节点数量约束的数学模型如下：
13.如权利要求1所述的方法，其特征在于，所述预先构建的下层规划模型包括：以弃光率、网络损耗和电压偏移指数最小为目标的第二目标函数及其对应的第二约束条件。
14.如权利要求13所述的方法，其特征在于，所述第二目标函数的数学模型如下：
15.如权利要求14所述的方法，其特征在于，所述第二约束条件包括下述中的至少一种：潮流约束、节点电压约束、支路功率约束、分布式光伏出力约束、储能充放电功率约束、储能SOC上下限约束。
16.一种高比例分布式光伏接入的配电网规划装置，其特征在于，所述装置包括：
17.如权利要求16所述的装置，其特征在于，所述潮流计算模块具体用于：
18.如权利要求17所述的装置，其特征在于，所述在分布式光伏出力数据中选取典型分布式光伏出力数据，包括：
19.如权利要求18所述的装置，其特征在于，所述采用k-means算法对分布式光伏出力数据进行聚类的过程中，采用肘部法则确定最佳聚类数。
20.如权利要求19所述的装置，其特征在于，所述采用肘部法则确定最佳聚类数，包括：
21.一种计算机设备，其特征在于，包括：一个或多个处理器；
22.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至15中任意一项所述的高比例分布式光伏接入的配电网规划方法。
...【技术特征摘要】
1.一种高比例分布式光伏接入的配电网规划方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述对所述配电网仿真系统进行概率潮流计算，包括：
3.如权利要求2所述的方法，其特征在于，所述在分布式光伏出力数据中选取典型分布式光伏出力数据，包括：
4.如权利要求3所述的方法，其特征在于，所述采用k-means算法对分布式光伏出力数据进行聚类的过程中，采用肘部法则确定最佳聚类数。
5.如权利要求4所述的方法，其特征在于，所述采用肘部法则确定最佳聚类数，包括：
6.如权利要求5所述的方法，其特征在于，所述各数值对应的聚类结果的畸变程度之和的计算式如下：
7.如权利要求2所述的方法，其特征在于，所述典型分布式光伏出力数据对应的概率密度函数的数学模型如下：
8.如权利要求7所述的方法，其特征在于，所述第一形状参数和第二形状参数的计算式如下：
9.如权利要求1所述的方法，其特征在于，所述预先构建的上层规划模型包括：以投资成本最小及光伏渗透率最大为目标的第一目标函数及其对应的第一约束条件。
10.如权利要求9所述的方法，其特征在于，所述第一目标函数的数学模型如下：
11.如权利要求10所述的方法，其特征在于，所述第一约束条件包括下述中的至少一种：分布式光伏接入节点数量约束、储能接入节点数量约束、潮流约束、节点电压约束、支路功率约束。
12.如权利要求11...
【专利技术属性】
技术研发人员：惠慧，李蕊，李鹏丽，王铭，廖锦霖，张林垚，吴桂联，
申请(专利权)人：中国电力科学研究院有限公司，
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。