一种面向新型电力系统的源网荷储协同规划方法及系统与流程

摘要: 本发明涉及配电网规划,具体为一种面向新型电力系统的源网荷储协同规划方法及系统。背景技术:1、随着“双碳”目标的深入推进,以风、光等新能源为主体的新型电力系统正在...
一种面向新型电力系统的源网荷储协同规划方法及系统与流程

本发明涉及配电网规划,具体为一种面向新型电力系统的源网荷储协同规划方法及系统。

背景技术:

1、随着“双碳”目标的深入推进,以风、光等新能源为主体的新型电力系统正在加速构建。与传统电力系统相比,新型电力系统呈现出高比例可再生能源接入、高电力电子化、负荷侧互动能力增强、储能广泛应用等显著特征。这一变化使得电力系统规划面临新的挑战:一方面,新能源出力的强随机性、波动性和间歇性导致传统的确定性规划方法难以准确刻画系统运行状态;另一方面,源(新能源发电)、网(输配电网络)、荷(可调节负荷)、储(储能)各环节之间的耦合关系日趋复杂,传统独立规划模式易造成资源错配和投资浪费。

2、现有规划方法中,有的侧重单一环节的优化(如仅考虑电源扩展或网架扩展),有的依赖简化的典型场景或经验系数,难以充分挖掘海量运行数据中的隐含规律;同时,物理机理模型与数据驱动模型之间缺乏有效融合,导致规划模型对实际系统的动态映射精度不足。此外,源荷不确定性在规划阶段往往以固定裕度或保守场景集处理,缺乏对多种规划情景下多目标权衡的系统性评估手段。

3、因此,亟需一种能够融合大数据分析与物理机理、实现源网荷储协同优化并支持多维度评估的规划方法,以提升新型电力系统规划的经济性、可靠性与适应性,对此我们提出了一种面向新型电力系统的源网荷储协同规划方法及系统。

技术实现思路

1、本发明的目的在于提供一种面向新型电力系统的源网荷储协同规划方法及系统,通过大数据分析与挖掘构建多尺度特征数据集,并基于电力系统物理机理建立描述源、网、荷、储耦合关系的机理模型,进而利用多尺度特征数据集对机理模型进行分层参数校准,生成与物理系统实时同步映射的数字孪生模型,在该模型中生成多类规划情景并关联不确定性集合,执行多目标协同规划计算得到候选方案集,最终通过多维度评估筛选最优方案,解决了上述背景技术中提出的问题。

2、为实现上述目的,本发明提供如下技术方案:

3、一种面向新型电力系统的源网荷储协同规划方法,包括以下步骤:

4、获取新型电力系统的历史运行数据,执行大数据分析与挖掘,构建源网荷储的多尺度特征数据集;

5、基于电力系统物理机理,构建描述源网荷储协同关系的机理模型;

6、利用所述多尺度特征数据集对所述机理模型进行分层参数校准,生成与物理电力系统实时同步映射的数字孪生模型;

7、在所述数字孪生模型中生成多个规划情景,并为每一规划情景关联不确定性集合;

8、针对每一规划情景,在所述数字孪生模型中执行多目标协同规划计算,生成候选规划方案集;

9、利用大数据分析与挖掘的结果对候选规划方案集进行多维度评估,筛选得到最优协同规划方案。

10、进一步地,大数据分析与挖掘包括:

11、采用基于动态时间规整的层次聚类算法,对分钟级负荷数据及各新能源场站的分钟级出力数据进行时序模式划分,提取典型日负荷曲线、典型日出力曲线及各典型场景对应的概率分布;

12、采用基于互信息的特征选择方法,以新能源出力序列为目标变量,以多源气象数据序列为特征变量,计算各气象因子与出力序列之间的互信息值,按互信息值大小排序筛选出主导气象因子,并采用传递熵方法识别主导气象因子与出力序列之间的滞后关联关系;

13、将提取的典型场景曲线、概率分布及识别出的主导气象因子及其滞后关联关系进行融合编码,构建包含时域特征、频域特征及概率分布特征的源网荷储多尺度特征数据集。

14、进一步地,机理模型包括联动耦合的四个机理子模型,具体为:

15、新能源机理子模型,用于描述新能源机组的有功-无功耦合输出特性,内嵌辐照度-温度-功率转换函数及最大功率点跟踪控制逻辑,用于新能源场站的气象输入数据驱动,输出有功功率及无功功率的时序预测值;

16、潮流机理子模型,用于描述输配电网络的功率传输与电压分布特性,采用极坐标形式的节点功率平衡方程,并引入变压器有载调压分接头的调节逻辑及并联电容器组的自动投切逻辑,以各节点注入功率为输入,输出各节点电压幅值及相角、各支路有功功率及无功功率;

17、负荷响应机理子模型,用于描述可调节负荷的需求响应特性,包含基于实时电价的负荷弹性系数矩阵及基于需求侧响应契约的负荷中断与负荷转移契约逻辑,以电价信号及调控指令为输入,输出负荷节点的实际响应功率;

18、储能机理子模型,用于描述储能设备的充放电动态特性,包含充放电效率系数、自放电率及循环寿命衰减因子,以充放电功率指令为输入,输出荷电状态时序递推值及可用容量;

19、所述四个机理子模型通过耦合变量进行联动,所述耦合变量至少包括:各节点电压幅值及相角、各支路功率、各节点注入功率,形成混合整数非线性规划形式的混合驱动型机理模型。

20、进一步地,分层参数校准包括:

21、第一层:利用新能源场站的历史出力数据,在线辨识新能源出力机理子模型中的功率转换系数及时间延迟参数;

22、第二层:利用配电网各节点的历史电压及功率数据,在线估计潮流机理子模型中的线路阻抗参数及变压器变比参数;

23、第三层:将第一层与第二层的辨识结果锁定后,利用储能系统的历史运行数据,在线辨识储能机理子模型中的充放电效率及容量衰减系数;

24、将分层校准后的参数代入机理模型,生成所述数字孪生模型,该数字孪生模型具有用于滚动修正的模型误差反馈接口。

25、进一步地,在所述数字孪生模型中生成多个规划情景,并为每一规划情景关联不确定性集合,具体包括:

26、通过修改装机容量参数模拟新能源渗透率提升情景;

27、通过修改负荷基准曲线并叠加基于多尺度特征数据集提取的负荷形态变异模式,模拟负荷增长情景;

28、通过在指定节点处修改储能设备的容量及功率参数,模拟不同储能配置方案;

29、基于大数据分析与挖掘得到的不确定性区间,为每一规划情景关联以区间数或模糊数形式表示的不确定性集合。

30、进一步地,多目标协同规划计算包括:

31、以系统全生命周期成本最小化和可再生能源年消纳电量最大化为协同优化目标,以节点功率平衡约束、线路潮流极限约束、新能源出力不确定性约束、储能荷电状态约束及可调节负荷响应容量约束为运行约束;

32、采用多目标进化算法对上述规划模型进行求解,得到一组候选规划方案集,该候选规划方案集中的任一方案在不劣化另一目标的前提下无法进一步优化任一目标;

33、求解过程中,利用数字孪生模型的模型误差反馈接口接收实测数据进行参数滚动修正。

34、进一步地,多维度评估包括:

35、将每一所述候选规划方案的全生命周期成本作为第一维度评估值;

36、在每一所述候选规划方案对应的数字孪生模型中逐一进行n-1故障扫描,将得到的供电不足概率及期望缺供电量作为第二维度评估值;

37、针对每一所述候选规划方案所关联的不确定性集合,分别输出每一所述候选规划方案下两个优化目标在不确定性集合取值范围内的极值差异,将所述极值差异作为第三维度评估值;

38、将各候选规划方案在第一维度、第二维度、第三维度上的评估值分别进行归一化处理后的值,作为模糊层次分析法的输入,输出各维度的主观权重;

39、将归一化处理后的值同时作为熵权法的输入,输出各维度的客观权重;

40、将主观权重与客观权重进行乘法组合,输出综合权重;

41、基于综合权重对各候选规划方案进行加权排序,输出排序第一的候选规划方案作为最优协同规划方案。

42、一种面向新型电力系统的源网荷储协同规划系统,被配置为执行一种面向新型电力系统的源网荷储协同规划方法,包括:

43、多尺度特征提取模块,配置为接入新型电力系统的数据采集与监视控制系统,获取多年度连续运行数据,运行大数据分析与挖掘进程,输出源网荷储的多尺度特征数据集;

44、机理模型构建模块,配置为调用预置的电力系统元件参数库,分别建立新能源机组、输配电网络、可调节负荷及储能设备的数学方程,并通过耦合变量将各数学方程联立,形成混合整数非线性规划形式的机理模型;

45、孪生映射模块,配置为接收所述多尺度特征数据集对所述机理模型进行分层参数辨识,并建立辨识结果与物理系统实时量测值之间的误差反馈通道,输出经动态校正的数字孪生模型;

46、情景构造模块,配置为在所述数字孪生模型中以参数扰动方式注入新能源渗透率调整量、负荷增长率及储能配置修改量,生成多个规划情景,并基于大数据分析与挖掘得到的不确定性边界为每一规划情景附加区间约束;

47、协同优化求解模块,配置为在每一规划情景下,以指定的双目标函数为优化方向,以所述数字孪生模型提供的运行约束边界为可行域,执行多目标进化搜索,生成候选规划方案集合;

48、方案决策模块,配置为接收所述候选规划方案集合,调用大数据分析与挖掘得到的历史统计特征构建多维评价矩阵,输出经综合评价筛选后的最优协同规划方案。

49、与现有技术相比,本发明的有益效果是:

50、1、本发明通过融合大数据分析与物理机理建模,构建了与物理电力系统实时同步映射的数字孪生模型,从而克服了传统确定性规划方法难以准确刻画新能源出力的强随机性、波动性与间歇性的缺陷,以此提升了规划模型对实际系统动态运行状态的映射精度。

51、2、本发明通过建立源网荷储联动的机理子模型及多目标协同规划计算,打破了传统单一环节优化或独立规划模式易造成资源错配与投资浪费的局限,从而实现了电源、电网、负荷与储能在规划阶段的全局协同优化。

52、3、本发明通过在数字孪生模型中生成多类规划情景并关联不确定性集合,替代了传统以固定裕度或保守场景集处理不确定性的方式,结合多维度评估筛选最优方案,有效提升了新型电力系统规划的经济性、可靠性与适应性。