【技术实现步骤摘要】
本专利技术涉及配电网规划，特别是一种配电网规划的不确定场景集大数据构建方法及系统。
技术介绍
1、随着社会经济的发展，居民用电需求持续性增加，多元化电源与负荷的接入使得当前配电网在结构与功能方面发生了变化。风电光伏等分布式电源的接入，储能设备的规模式发展和电力电子装置的使用，这使得不确定因素对于配电网的安全稳定运行能力提出了考验。考虑到配电网渐进规划，风光储传统配电网关注于变电站、馈线和负荷的变化，随着不确定性因素的影响作用增大，如何做好配电网规划成为适应未来配电网发展的重心。
2、然而，现有技术中的随机变量在不同季节和时间段存在着不确定性，使配电网规划的应对方法出现不确定性，需要解决根据历史数据或随机统计算出各随机变量在春夏秋冬不同季节全天各时段的区域天气概率的问题，因此，提出了一种配电网规划的不确定场景集大数据构建方法。
技术实现思路
1、鉴于现有技术中随机变量在春夏秋冬不同季节全天各时段时具有不确定性，使配电网规划的应对方法出现不确定性问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于如何减小不确定性因素对配电网规划的影响。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了一种配电网规划的不确定场景集大数据构建方法，其包括，输入对应场景下光伏发电设备和风机出力发电功率的负荷历史数据；根据影响配电网规划的光伏出力、风机出力和负荷程度的不确定性因素生成不同季节天气情况，得到典型
5、作为本专利技术所述配电网规划的不确定场景集大数据构建方法的一种优选方案，其中：所述得到典型场景集包括，当典型场景的光伏出力和风机出力大于阈值且负荷程度在阈值范围内，则此场景视为符合构建标准的典型场景；当典型场景的光伏出力和风机出力小于等于阈值且负荷程度在阈值范围内，则将此处场景标记为低负荷/低发电能力的场景，并在后续规划中增加发电设备容量；若在增加发电设备容量之后，典型场景的光伏出力和风机出力仍小于等于阈值，则排除此处场景并标记为不符合标准场景，将不符合标准场景重新进行分析和处理；在重新分析和处理不符合标准的场景时，若场景仍不符合标准场景，则将考虑将此场景数据粉碎；当典型场景的光伏出力和风机出力大于阈值且负荷程度超出阈值范围，则将此处场景标记为高负荷/高发电能力的场景，并在后续规划中增加负荷调节设备或调整发电设备容量；若增加负荷调节设备或调整发电设备容量之后，负荷程度仍超出阈值范围，则排除此处场景并标记为不符合标准场景，将超出负荷程度场景重新进行分析和处理；在超出负荷程度场景重新进行分析和处理时，若场景仍不符合标准场景，则将考虑将此场景超出负荷程度数据粉碎。
6、作为本专利技术所述配电网规划的不确定场景集大数据构建方法的一种优选方案，其中：所述生成模拟数据并进行分析统计包括以下步骤：将概率分布函数pdf离散化n个区间并概率标准化；采用轮盘赌，确定不同场景不同时段下的概率误差；基于场景随机变量模型，将随机变量离散为n个区间，并且每个区间的宽度为功率误差的标准差，并确定误差被选中的抵率区间；计算每个场景的概率，将场景概率标准化；基于确定误差被选中的概率，进行计算单独区域场景的概率并标注化。
7、作为本专利技术所述配电网规划的不确定场景集大数据构建方法的一种优选方案，其中：所述建立各场景的随机变量模型的具体公式如下：
8、
9、其中，px,t,s为场景s下t时刻的第x个风电的出力值，py,t,s为场景s下t时刻的第y个风电的出力值，pz,t,s为场景s下t时刻第z个节点上的负荷需求值，δpx,t,s为第x个风电的实际数据与典型数据的误差，δpy,t,s为第y个光伏的实际数据与典型数据的误差，δpz,t,s为第z个节点上的实际数据与典型负荷数据的误差，nwg、npv和nxl分别为风电个数、光伏个数和系统节点数，为场景s下初始时刻的第x个风电的出力值，为场景s下初始时刻的第y个光伏的出力值，为场景s下初始时刻的第z个节点上的典型负荷需求值，x为风电的总数量，y为光伏的总数量，z为系统节点数量。
10、作为本专利技术所述配电网规划的不确定场景集大数据构建方法的一种优选方案，其中：所述将场景概率标准化的具体公式如下：
11、
12、其中，ssce为每个场景下的标准化概率，为场景s下t时刻第x个节点第l个风电功率误差区间，为场景s下t时刻第x个节点第n个负风电功率误差区间，为场景s下t时刻第y个节点第7个光伏功率误差区间，为场景s下t时刻第y个节点第l个光伏功率误差区间，为场景s下t时刻第x个节点第n个负荷需求功率误差区间，为场景s下t时刻第z个节点第l个负荷需求功率误差区间，d为第几类负荷。
13、所述进行计算单独区域场景的概率并标注化的具体公式如下：
14、
15、其中，pr(s)为每个场景下的标准化概率，ω(s)为每一个场景s的发生概率，ns为场景总数。
16、作为本专利技术所述配电网规划的不确定场景集大数据构建方法的一种优选方案，其中：所述并确定误差被选中的抵率区间算法的具体公式如下：
17、
18、其中，ω(s)为每一个场景s的发生概率，为场景s下t时刻第x个风电功率误差区间，为场景s下t时刻第y个光伏功率误差区间，为场景s下t时刻第z个节点第l个负荷需求功率误差区间，αx,t为第x个风电误差区间的概率，αy,t为第y个风电误差区间的概率，αl,z,t为第z个节点第l个负荷需求功率误差区间的概率，d为第几类负荷。
19、作为本专利技术所述配电网规划的不确定场景集大数据构建方法的一种优选方案，其中：所述并确定误差被选中的抵率区间包括以下步骤：基于光伏发电设备和风机出力发电功率的负荷历史数据，轮盘赌中随机生成一个0～1之间的数；遍历每个场景的概率分布参数，比较随机数与累积概率，找到对应的区间并置为1，其他区间置为0；重复操作，直到每个场景均包含一组二进制数，确定风电输出、光伏输出和工商业负荷需求的功率误差被选中的概率区间。
20、第二方面，本专利技术实施例提供了一种配电网规划的不确定场景集大数据构建系统，其包括：输入模块，用于收集并自动输入对应场景下的光伏和风机的发电功率历史数据；生成模块，用于结合影响配电网规划的光伏出力、风机出力和负荷程度的不确定性因素，生成不同季节的天气情况，形成典型场景集；分析模块，通过homer软件生成模拟数据并进行分析和统计，以计算光伏出力、风机出力和负荷程度在不同季节全天的典型数据；模型模块，用于结合实际数据与典型数据误差δp，使其服从对应的概率分布函本文档来自技高网...
【技术保护点】
1.一种配电网规划的不确定场景集大数据构建方法，其特征在于：包括，
2.如权利要求1所述的配电网规划的不确定场景集大数据构建方法，其特征在于：所述得到典型场景集包括，
3.如权利要求1所述的配电网规划的不确定场景集大数据构建方法，其特征在于：所述生成模拟数据并进行分析统计包括以下步骤：
4.如权利要求3所述的配电网规划的不确定场景集大数据构建方法，其特征在于：所述建立各场景的随机变量模型的具体公式如下：
5.如权利要求3所述的配电网规划的不确定场景集大数据构建方法，其特征在于：所述将场景概率标准化的具体公式如下：
6.如权利要求3所述的配电网规划的不确定场景集大数据构建方法，其特征在于：所述并确定误差被选中的抵率区间算法的具体公式如下：
7.如权利要求3所述的配电网规划的不确定场景集大数据构建方法，其特征在于：所述并确定误差被选中的抵率区间包括以下步骤：
8.一种配电网规划的不确定场景集大数据构建系统，基于权利要求1～7任一所述的配电网规划的不确定场景集大数据构建方法，其特征在于：包括，
<...【技术特征摘要】
1.一种配电网规划的不确定场景集大数据构建方法，其特征在于：包括，
2.如权利要求1所述的配电网规划的不确定场景集大数据构建方法，其特征在于：所述得到典型场景集包括，
3.如权利要求1所述的配电网规划的不确定场景集大数据构建方法，其特征在于：所述生成模拟数据并进行分析统计包括以下步骤：
4.如权利要求3所述的配电网规划的不确定场景集大数据构建方法，其特征在于：所述建立各场景的随机变量模型的具体公式如下：
5.如权利要求3所述的配电网规划的不确定场景集大数据构建方法，其特征在于：所述将场景概率标准化的具体公式如下：
6.如权利要求3所述的配电网规划的不确定场景集大数据构建方法，其特征在于：所述并确定误差被选中的抵率区...
【专利技术属性】
技术研发人员：罗宁，刘金森，陈露东，龙家焕，张裕，张彦，陈波，郭鉴帅，李应林，徐松，欧阳财岗，缪茂，唐学用，张鹏城，郑飞，王杰，王茂盛，
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。