System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于配电网控制,尤其是提升新能源接入的配电网灵活性双时间尺度无功优化方法。
技术介绍
1、分布式能源不断接入配电网为电力工业解决环境问题和能源危机做出重要贡献的同时,分布式能源给配电网也带来了波动性和不确定性,影响了配电网的供电可靠性与电能质量等诸多方面,这对配电网的灵活性提出了更高的要求。
2、为此,针对配电网灵活性的研究分为配电网灵活性评估和提升方法两大部分。在配电网灵活性评估的研究中,由于配电网的复杂性,国内外针对配电网灵活性的定义尚未统一,但配电网的灵活性评估指标一般包括时间、资源、不确定性和成本这四个要素[1];在配电网的灵活性提升的研究中,目前的研究主要采用规划、调度的方法提升配电网的灵活性,现有技术在规划过程中以经济性为目标,安全性、灵活性和可靠性为约束,构建了一种计及灵活性风险成本的配电网扩展规划模型,现有技术通过对储能和可中断负荷的运行调度对配电网灵活性进行提升,现有技术考虑通过对智能储能软开关进行有功调度实现配电网年综合成本及灵活性指标的优化,目前的文献对灵活性的提升多集中在对有功的建模优化上,无功优化也是一种有效的提升配电网灵活性的手段方法[5]。
3、智能配电网灵活性提升考虑到一天24小时各无功控制设备的调度方案,为了适应分布式电源出力和负荷功率随时间的变化,需要频繁操作无功控制设备,这给电网运行和设备维护带来了很多困难,而且不同的无功调节设备调节速度存在差异,传统的无功补偿设备如并联电容器组调节速度较慢,不能满足系统的动态要求且调节输出是离散的,但由于造价低的突出优点,
技术实现思路
1、本专利技术的目的在于克服现有技术的不足,提出提升新能源接入的配电网灵活性双时间尺度无功优化方法,包括了评估、聚类以及优化,在提升配网灵活性的同时,降低了网损,减少慢动作设备的调节次数;利用自适应k-means聚类方法对生成的分布式能源出力场景进行削减,便于提升后续的优化效率;依照期望灵活性指标构建新能源不确定性集合,从而生成对应的灵活性约束,便于构建满足灵活性指标的日内优化模型。
2、本专利技术解决其技术问题是采取以下技术方案实现的:
3、提升新能源接入的配电网灵活性双时间尺度无功优化方法,包括以下步骤:
4、步骤1、获取新能源有功出力及负荷的日前预测曲线作为输入数据;
5、步骤2、利用潮流计算的方法,输入步骤1中的数据,以当前控制变量的状态为基态对24小时每小时的电压幅值进行评估,并记录电压越限的时刻并对该时刻进行标记;
6、步骤3、利用连续潮流的计算方法,输入步骤1中的数据,以当前控制变量的状态为基态对24小时每小时的系统可传输裕度进行评估,并记录可传输裕度不足的时刻,并对该时刻进行标记;
7、步骤4、利用自适应的k-means聚类算法对步骤2计算出的每小时的电压幅值进行聚类,根据聚类结果再结合步骤2和步骤3标记的时刻进行日前时间段的划分,划分成不同的时段;
8、步骤5、根据步骤4划分的时段,构建联合时段内网损最小化的提升分布式资源接入配电网灵活性的无功优化模型,计算得到无功优化模型控制变量的设定值,控制变量为电容器组的投切组数以及新能源逆变器的无功输出;
9、步骤6、设置期望灵活性指标,期望灵活性指标为用户根据自己的实际要求设定所能接受的当前灵活性的最小值,依照期望灵活性指标构建新能源不确定性集合,利用步骤4提出自适应的k-means聚类算法对新能源不确定性集合进行场景削减,获得代表性场景;
10、步骤7、根据步骤6获得的代表性场景,构造新能源机组有功出力的代表性场景下所有主导节点电压偏差最小化的日内无功优化模型,计算得到日内无功优化模型控制变量的设定值,使得日内优化后的系统灵活性满足期望灵活性指标,且满足在线应用的特点。
11、而且,所述步骤3中可传输裕度的评估方法为:在系统不发生支路过载、节点电压越限和电压稳定的情况下,从源向汇所能配送的最大功率,并设置λ为配电网可传输能力裕度。
12、而且,所述步骤4使用的自适应的k-means聚类算法包括以下步骤:
13、步骤4.1、用户对聚类个数设定上限κmax与下限κmin,对于每一个类设定阈值θmax;
14、步骤4.2、初步设定划分κ个聚类个数,在现有的数据集中随机选择κ个样本,并将其作为初始类的中心点,其中κmin≤κ≤κmax;
15、步骤4.3、利用k-means聚类算法对数据集进行聚类;
16、步骤4.4、对于聚类后的每一个类,计算θ指标用来评估类中心与成员的相似度:
17、
18、其中,c是类中心,xi是该类的第i个样本,nk是该类的样本数量;
19、步骤4.5、比较每一个类的θ指标和预先设定的阈值大小,如果θ≤θmax,则代表该类的聚类结果可以接受,转到步骤4.7,否则,转到步骤4.6;
20、步骤4.6、对于θ>θmax的类,利用k-means聚类算法将其分为2类,基于新得到的每一个类,计算新划分的类的θ指标,如果θ≤θmax,则代表该类的聚类结果可以接受,转到步骤4.7,否则,重复步骤4.6;
21、步骤4.7、输出得到聚类的结果。
22、而且,所述步骤5中的联合时段内网损最小化的提升分布式资源接入配电网灵活性的无功优化模型为:
23、以最小化配电网联合时段内的网损为目标函数:
24、
25、其中,ploss,t为t时刻网损,tk为划分的第k个时间段;联合时段内网损最小化的提升分布式资源接入配电网灵活性的无功优化模型的约束条件包括:
26、参数化潮流等式方程约束为:
27、
28、
29、其中,为t时刻变电站出口有功功率,为t时刻节点i新能源机组的有功输出,为t时刻节点i的有功负荷,为t时刻节点i的新能源功率变化方向,为t时刻节点i新能源机组的无功输出,为t时刻节点i的无功负荷,为t时刻节点i并联电容器组的无功输出,λ为系统可传输裕度,当λ为0时,参数化潮流方程为系统t时刻的基态潮流方程,参数化潮流方程保证了系统在新能源变化下,满足t到t+1时刻的潮流方程;
30、系统可传输能力裕度约束为:
31、λ≥λmin
32、其中,λmin为系统允许的最小可传输能力;
33、电压约束,是指运行电压需满足要求的电压上限和下限值,可表示为:
34、vmin≤vui≤vmax
35、其中,vui表示第ui个节点的电压幅值,vmin和vmax分别为节点电压的最大值和本文档来自技高网...
【技术保护点】
1.提升新能源接入的配电网灵活性双时间尺度无功优化方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的提升新能源接入的配电网灵活性双时间尺度无功优化方法,其特征在于,所述步骤3中可传输裕度的评估方法为:在系统不发生支路过载、节点电压越限和电压稳定的情况下,从源向汇所能配送的最大功率,并设置λ为配电网可传输能力裕度。
3.根据权利要求1所述的提升新能源接入的配电网灵活性双时间尺度无功优化方法,其特征在于,所述步骤4使用的自适应的K-means聚类算法包括以下步骤:
4.根据权利要求1所述的提升新能源接入的配电网灵活性双时间尺度无功优化方法,其特征在于,所述步骤5中的联合时段内网损最小化的提升分布式资源接入配电网灵活性的无功优化模型为:
5.根据权利要求1所述的提升新能源接入的配电网灵活性双时间尺度无功优化方法,其特征在于,所述步骤5中采用的内点法和分支定界法相结合的方法包括以下步骤:
6.根据权利要求1所述的提升新能源接入的配电网灵活性双时间尺度无功优化方法,其特征在于,所述步骤7中主导节点的选择方法包括以下步骤:<
...【技术特征摘要】
1.提升新能源接入的配电网灵活性双时间尺度无功优化方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的提升新能源接入的配电网灵活性双时间尺度无功优化方法,其特征在于,所述步骤3中可传输裕度的评估方法为:在系统不发生支路过载、节点电压越限和电压稳定的情况下,从源向汇所能配送的最大功率,并设置λ为配电网可传输能力裕度。
3.根据权利要求1所述的提升新能源接入的配电网灵活性双时间尺度无功优化方法,其特征在于,所述步骤4使用的自适应的k-means聚类算法包括以下步骤:
4.根据权利要求1所述的提升新能源接入的配电网灵活性双时间尺度无功优化方法,其特征在...
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。