【技术实现步骤摘要】
本专利技术涉及柔性配电网储能规划，尤其涉及面向分布式光伏消纳的柔性配电网储能规划方法及系统。
技术介绍
1、随着全球能源需求的不断增加和环境保护意识的提高，可再生能源逐渐成为人们关注的焦点。光伏发电系统作为一种主要的可再生能源利用技术，具有显著的发展潜力和广阔的应用前景。储能系统可在太阳能供应充足时将多余的电能储存起来，并在光照不足或电能需求增加时释放出来，满足用户的需求。因此，储能系统的容量评估成为进行分布式光伏配电网规划与设计时的重要内容。
2、目前设计出的柔性互联装置，只用于单一应用场景，比如局部的背靠背换流器等，无法实现多区域内的协同调配与潮流控制。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
2、鉴于上述现有存在的问题，提出了本专利技术。
3、因此，本专利技术提供了面向分布式光伏消纳的柔性配电网储能规划方法及系统，能够解决
技术介绍
中提到的问题。
4、为解决上述技术问题，本专利技术提供如下技术方案，面向分布式光伏消纳的柔性配电网储能规划方法，包括：
5、获取目标区域内配电网的网架数据、光伏数据以及负荷数据，对所述数据进行预处理，并对所述预处理后的数据进行筛选，筛选出故障数据；
6、根据筛选后
7、根据所述配电网储能系统容量配置模型，进行面向分布式光伏消纳的柔性配电网储能规划。
8、作为本专利技术所述的面向分布式光伏消纳的柔性配电网储能规划方法的一种优选方案，其中：所述获取目标区域内配电网的网架数据、光伏数据以及负荷数据，对所述数据进行预处理，并对所述预处理后的数据进行筛选，筛选出故障数据包括：
9、所述网架数据、光伏数据以及负荷数据包括电网结构、变压器容量、线路载流量、分布式光伏发电量、储能系统能量状态；
10、所述故障数据包括设备网构故障数据、储能系统能量数据、功率输出、充电效率；
11、所述筛选使用改进型鲁棒性指标进行操作，改进型鲁棒性指标表达式如下：
12、mdri＝1/(1+e^(γ*(w_true-w_pred)))
13、其中，γ是一个超参数，控制着决策边界的陡峭程度，w_true是真实类别权重，表示每个类别的实际重要性，w_pred是预测类别权重，表示每个类别的预测重要性；
14、分别设计设备网构故障数据、储能系统能量数据、功率输出、充电效率的鲁棒性指标阈值，筛选出满足阈值条件的数据。
15、作为本专利技术所述的面向分布式光伏消纳的柔性配电网储能规划方法的一种优选方案，其中：所述根据筛选后的故障数据，结合遗传算法，建立配电网储能系统容量配置模型包括：
16、模块化指标如下：
17、
18、其中，ei,j为网络中相关性参数的权重，为网络中参数所有权重之和，ki、kj为参数i、参数j的权重；
19、当参数i和参数j在同一个集群内时δ(i,j)＝1，否则δ(i,j)＝0。
20、作为本专利技术所述的面向分布式光伏消纳的柔性配电网储能规划方法的一种优选方案，其中：所述根据筛选后的故障数据，结合遗传算法，建立配电网储能系统容量配置模型还包括：
21、全系统集群划分的综合纯度指标计算式如下：
22、
23、其中，owi为某场景下综合纯度指标，为划分的集群数量，为场景wi下集群c的发用电特性纯度指标值，介于-1和1之间。
24、作为本专利技术所述的面向分布式光伏消纳的柔性配电网储能规划方法的一种优选方案，其中：所述根据筛选后的故障数据，结合遗传算法，建立配电网储能系统容量配置模型还包括：
25、将模块度指标和综合纯度指标加权形成综合评判指标ф，面向储能规划的集群按照划分优化模型以ф最大为优化目标，公式表达如下所示：
26、
27、其中，ф为集群划分综合评判指标，β为基于电气距离的模块化指标；r1为模块度指标的权重；r2为纯度偏移特性指标的权重；w为场景总数，p(wi)为wi场景的概率。
28、作为本专利技术所述的面向分布式光伏消纳的柔性配电网储能规划方法的一种优选方案，其中：所述根据筛选后的故障数据，结合遗传算法，建立配电网储能系统容量配置模型还包括：
29、初始化遗传算法种群，结合筛选后的故障数据，通过模块化指标计算公式评估每个个体模块化指标；
30、根据全系统集群划分的综合纯度指标计算公式得到集群划分的综合度指标；
31、并将模块度指标和综合纯度指标加权形成综合评判指标；
32、判断是否达到遗传算法最大迭代次数，若未达到，则遗传算法生成下一代种群；
33、若达到，则输出计算结果。
34、作为本专利技术所述的面向分布式光伏消纳的柔性配电网储能规划方法的一种优选方案，其中：还包括：根据配电网的实时工况数据更新配电网储能系统容量配置模型参数与遗传算法参数。
35、面向分布式光伏消纳的柔性配电网储能规划系统，其特征在于，包括：数据获取与筛选模块、模型建立模块以及规划模块，
36、数据获取与筛选模块，所述数据获取与筛选模块用于获取目标区域内配电网的网架数据、光伏数据以及负荷数据，对所述数据进行预处理，并对所述预处理后的数据进行筛选，筛选出故障数据；
37、模型建立模块，所述模型建立模块用于根据筛选后的故障数据，结合遗传算法，建立配电网储能系统容量配置模型；
38、规划模块，所述规划模块用于根据所述配电网储能系统容量配置模型，进行面向分布式光伏消纳的柔性配电网储能规划。
39、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述的方法的步骤。
40、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的方法的步骤。
41、本专利技术的有益效果：本专利技术提出面向分布式光伏消纳的柔性配电网储能规划方法及系统，获取目标区域内配电网的网架数据、光伏数据以及负荷数据，对所述数据进行预处理，并对所述预处理后的数据进行筛选，筛选出故障数据；根据筛选后的故障数据，结合遗传算法，建立配电网储能系统容量配置模型；根据所述配电网储能系统容量配置模型，进行面向分布式光伏消纳的柔性配电网储能规划。本专利协同调配与潮流控制：该系统能够实现多区域配电网的协同调配和潮流控制，在不同区域间实现功率平衡和负荷均衡，提高电网的稳定性和可靠性。本专利还可以数据驱动优化：系统利用历史大数据的聚类学习和深度强化学习等技术，能够对配电网的功率传输、负荷分本文档来自技高网...
【技术保护点】
1.面向分布式光伏消纳的柔性配电网储能规划方法，其特征在于，包括：
2.如权利要求1所述的面向分布式光伏消纳的柔性配电网储能规划方法，其特征在于，所述获取目标区域内配电网的网架数据、光伏数据以及负荷数据，对所述数据进行预处理，并对所述预处理后的数据进行筛选，筛选出故障数据包括：
3.如权利要求2所述的面向分布式光伏消纳的柔性配电网储能规划方法，其特征在于，所述根据筛选后的故障数据，结合遗传算法，建立配电网储能系统容量配置模型包括：
4.如权利要求3所述的面向分布式光伏消纳的柔性配电网储能规划方法，其特征在于，所述根据筛选后的故障数据，结合遗传算法，建立配电网储能系统容量配置模型还包括：
5.如权利要求4所述的面向分布式光伏消纳的柔性配电网储能规划方法，其特征在于，所述根据筛选后的故障数据，结合遗传算法，建立配电网储能系统容量配置模型还包括：
6.如权利要求5所述的面向分布式光伏消纳的柔性配电网储能规划方法，其特征在于，所述根据筛选后的故障数据，结合遗传算法，建立配电网储能系统容量配置模型还包括：
7.如权利要
8.面向分布式光伏消纳的柔性配电网储能规划系统，其特征在于，包括：数据获取与筛选模块、模型建立模块以及规划模块，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.面向分布式光伏消纳的柔性配电网储能规划方法，其特征在于，包括：
2.如权利要求1所述的面向分布式光伏消纳的柔性配电网储能规划方法，其特征在于，所述获取目标区域内配电网的网架数据、光伏数据以及负荷数据，对所述数据进行预处理，并对所述预处理后的数据进行筛选，筛选出故障数据包括：
3.如权利要求2所述的面向分布式光伏消纳的柔性配电网储能规划方法，其特征在于，所述根据筛选后的故障数据，结合遗传算法，建立配电网储能系统容量配置模型包括：
4.如权利要求3所述的面向分布式光伏消纳的柔性配电网储能规划方法，其特征在于，所述根据筛选后的故障数据，结合遗传算法，建立配电网储能系统容量配置模型还包括：
5.如权利要求4所述的面向分布式光伏消纳的柔性配电网储能规划方法，其特征在于，所述根据筛选后的故障数据，结合遗传算法，建立配电网储能系统容量配置模型还包...
【专利技术属性】
技术研发人员：郑友卓，付宇，肖小兵，宋子宏，刘安茳，李新皓，王扬，郝树青，苗宇，张锐锋，陈宇，蔡永翔，李跃，吴鹏，张恒荣，张洋，邓松，黄如云，王冕，吕黔苏，龙秋风，李前敏，王卓月，班诗雪，何明君，张松，樊科，丁江桥，代吉玉蕾，郑书毅，黎安俊，华龙，吴聪聪，金庆远，吴应双，熊锦航，刘亮，王明伟，王竹，陈开雷，田橙，李华鹏，杨忠，潘富祥，杨叶奎，周西南，郭刀，何鹏，何肖蒙，李巍，罗朝逸，汤康，
申请(专利权)人：贵州电网有限责任公司，
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。