【技术实现步骤摘要】
本专利技术涉及电力系统规划与运行领域，具体是面向配网规划的光储最优配比显式表征及量化分析方法。
技术介绍
1、光伏发电能有效节省化石燃料资源，具有经济效益高、碳排放低等优点，使得光伏发电接入配电网成为新型电力系统建设的必然趋势。然而，由于光伏发电具有很强的间歇性与波动性，大规模光伏的接入将导致配电网存在安全风险和经济问题，配电网亟需灵活、经济的可控资源以平抑光伏随机波动带来的强不确定性。储能系统具有响应快速、能量供蓄管理灵活等特点，在平抑功率波动、提高配电网运行经济效益方面上具有显著优势。随着储能技术的不断发展，储能的运行与规划成本逐渐降低，光伏与储能协调运行成为保证配电网运行经济性要求的重要手段，受到国内外学者的广泛关注。
2、目前，配电网储能容量规模小、位置分散。为能够充分发挥储能性能，配合光伏电源协同运行，需要在考虑光伏接入容量下对储能进行合理、经济的规划。在配电网规划期间，储能设备容量的选择是至关重要的，需要综合考虑储能设备响应特性、安装费用等多种因素，并以提高系统运行整体经济效益为目的，寻求最优容量配置方案。然而，在光伏大规模接入的系统中，储能设备容量与光伏机组容量不适配，会导致系统功率不平衡、线路堵塞等问题，造成系统弃光限电现象，严重影响配网系统运行的经济性。配电网光伏和储能容量协同规划问题本质是求取给定配网拓扑结构下的光储最优配比。光储最优配比是指在不同的光伏容量下，使得配电网总体规划效益最高且满足配电网运行约束的最优储能规划容量与配电网接入光伏容量的比值。光储最优配比对配电网的整体规划起到宏观指导作用
3、针对光储最优配比以及经济效益分析，国内外研究团队提出了许多方法，包括直接模型分析、多阶段规划分析以及随机规划分析。直接模型分析是基于最优潮流模型对系统规划问题进行求解以获得最优规划决策与成本；多阶段规划分析是利用多阶段规划模型，基于全年的新能源与负荷数据来确定储能的最佳容量；随机规划分析是利用随机规划算法，基于可再生能源的发电统计特性或者发电分布特性进行规划分析以获得最优规划决策。然而，上述方法通过大量的仿真计算，比较各种决策下所计算出来的总体成本来定性分析规划决策的经济效益，并进行数据上的比对，造成计算负担。同时上述方法并没有显式量化地分析储能容量对于整体经济效益的影响，难以对系统规划起到指导作用。
4、多参数规划在处理规划参数为变量的线性规划问题上优势显著。对于不同的规划参数，多参数规划算法可分析线性规划问题中规划参数与决策变量以及规划问题目标值的关系，得到关于规划参数的分段线性函数解集。将光伏容量视作规划参数，则配电网光储最优规划问题便可转化为多参数规划问题。其难点在于：多参数规划不能直接求解非线性问题，若规划模型本质为非线性模型，需要将模型转化为线性模型。由于储能规划模型中需要考虑储能运行的物理状态约束：储能设备可以进行充电(消耗能量)或放电(产生能量)，但不能同时充电与放电。上述运行特性约束本质上是互补约束(complementarityconstraints)，这使得该模型存在非线性约束。通过引入0-1变量来表示储能设备的充放电状态，将规划模型从具有线性互补约束的线性规划(quadratic programs with linearcomplemen-tarity constraints，lpcc)转化为混合整数线性规划(mixed-integer linearprograms，milp)，并运用多参数规划对其进行求解。然而，使用多参数规划求解混合整数线性规划将造成运算负担，计算效率低下。
技术实现思路
1、本专利技术的目的是提供面向配网规划的光储最优配比显式表征及量化分析方法，包括以下步骤：
2、1)构建面向配网的光储规划模型；
3、2)利用多参数规划方法对面向配网的光储规划模型进行求解，得到最优储能容量和最优光储配比。
4、进一步，面向配网的光储规划模型的目标函数如下所示：
5、
6、式中：c为系统总运行成本；cinv为储能单位容量的建设投资成本；cg为第g台传统机组单位功率的运行成本；ce为第e台储能机组单位充放电量的维护成本；为第e台储能机组的规划容量；pg,s,t表示在第s个日负荷曲线场景的t时段下第g台传统机组的功率；分别表示在第s个典型日负荷场景的t时段下第e台储能机组的充放电功率；e、g分别为储能机组和传统机组的个数；s为典型日负荷场景数；δt为时段间隔，t为总时段数。
7、进一步，面向配网的光储规划模型的约束条件包括功率平衡约束、配电网中的分布机组约束、配电网中的储能机组约束以及储能响应光伏不确定性约束。
8、进一步，功率平衡约束如下所示：
9、
10、
11、式中：pp,s,t表示在第s个日负荷曲线场景的t时段下第p台光伏机组的功率；di,s,t表示在第s个日负荷曲线场景的t时段下第i个节点的负荷需求；表示在第s个日负荷曲线场景的t时段下第p个光伏机组的功率与容量的比值，表示第p个光伏机组的容量；pv、n分别为光伏机组的个数以及系统接入的节点量。
12、进一步，配电网中的分布式机组约束如下所示：
13、
14、rg,down≤pg,s,t-pg,s,t-1≤rg,up (5)
15、式中，pgmin、pgmax分别为第g台分布式机组出力的上下限值；rg,up、rg,down分别为第g台分布式机组爬坡的上下限值；pg,s,t-1表示在第s个日负荷曲线场景的t-1时段下第g台传统机组的功率.
16、进一步，配电网中的储能机组约束如下所示：
17、
18、
19、me,s,t＝me,s,0 (8)
20、
21、
22、
23、式中，me,s,t、me,s,0分别为第s个典型日负荷场景的t时段下第e台储能机组的存储容量以及初始容量；为第e台储能机组的规划容量；为第e台储能机组的存储容量下限；me,s,t-1为第s个典型日负荷场景的t-1时段下第e台储能机组的存储容量；k为比例系数；n为储能机组充放电效率；分别为第s个典型日负荷场景的t时段下第e台储能机组的充放电状态变量，当储能机组处于充电状态时，当储能机组处于放电状态时，当储能机组处于静置状态时，me,s,t为第s个典型日负荷场景的t时段下第e台储能机组的存储容量；
24、进一步，储能响应光伏不确定性约束如下所示：
25、
26、
27、
28、
29、
30、
31、
32、
33、式中，为第s个典型日负荷场景的t时段下系统接入光伏总波动量，分别为在第s个日负荷曲线场景的t时段下第p台光伏机组的向上和向下功率波动系数；αe,s,t、βe,s,t分别为在第s个日负荷曲线场景的本文档来自技高网...
【技术保护点】
1.面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，面向配网的光储规划模型的目标函数如下所示：
3.根据权利要求2所述的面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，面向配网的光储规划模型的约束条件包括功率平衡约束、配电网中的分布机组约束、配电网中的储能机组约束以及储能响应光伏不确定性约束。
4.根据权利要求3所述的面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，功率平衡约束如下所示：
5.根据权利要求3所述的面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，配电网中的分布式机组约束如下所示：
6.根据权利要求3所述的面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，配电网中的储能机组约束如下所示：
7.根据权利要求3所述的面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，储能响应光伏不确定性约束如下所示：
8.根据权
9.根据权利要求8所述的面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，线性转换后的约束条件如下所示：
10.根据权利要求8所述的面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，最优储能容量与规划参数w的关系如下所示：
...【技术特征摘要】
1.面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，面向配网的光储规划模型的目标函数如下所示：
3.根据权利要求2所述的面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，面向配网的光储规划模型的约束条件包括功率平衡约束、配电网中的分布机组约束、配电网中的储能机组约束以及储能响应光伏不确定性约束。
4.根据权利要求3所述的面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，功率平衡约束如下所示：
5.根据权利要求3所述的面向配网规划的光储最优配比显式表征及量化分析方法，其特征在于，配电网中的分布式机组约束如下所示...
【专利技术属性】
技术研发人员：龚向阳，王旭晴，董博，曾德龙，王海玲，丁旦健，裘鑫，李元林，
申请(专利权)人：宁波恒晨电力建设有限公司，
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。