一种基于区间概率统计模型的配电网协同规划方法与流程

1.本发明属于电力系统规划技术领域，具体涉及一种基于区间概率统计模型的配电网协同规划方法。


背景技术：

2.为实现“碳达峰、碳中和”目标以及构建“以新能源为主体的新型电力系统”，电源侧风电、光伏等新能源将持续迅猛发展，负荷侧以电动汽车为代表的电能替代水平将迅速提升。大规模、高比例的分布式新能源接入配电网后，其出力不确定性以及安装地点、容量对配电网电力电量平衡、运行可靠性等产生不利的影响；电动汽车充电站可利用闲置且有意愿的电动汽车作为储能参与到电网调峰、调频等辅助服务，可提高配电网设备利用率，增加规划方案的经济性。现有配电网规划方法只考虑了经济效益的最大化，然而电动汽车用户受激励政策、行为习惯等影响，其可参与互动的储能容量具有不确定性，现有配电网规划方法并未考虑源荷的不确定性，源荷互动性不够充分，因此配电网设备利用率并未实现最大化，规划方案的经济性和可靠性也可以进一步优化，电力市场的发展受到制约。


技术实现要素：

3.为克服上述问题，本发明提出了一种基于区间概率统计模型的配电网协同规划方法，该方法充分考虑了各方不确定性，使得规划方案更准确，在实现经济效益最大化的基础上，提高了设备利用率以及可靠性。
4.为了达到上述目的，本发明采用如下技术方案：
5.一种基于区间概率统计模型的配电网协同规划方法，包括以下步骤：
6.步骤1，分别建立相同置信度下的分布式新能源出力预测的区间概率统计模型和电动汽车互动储能容量预测的区间概率统计模型；
7.步骤2，以分布式新能源投资运营商和电动汽车充电站投资运营商各自收益最大为目标，在分布式新能源出力和电动汽车互动储能容量的预测区间值中进行优化取值，分别获得分布式新能源和电动汽车充电站的接入地点和容量；
8.步骤3，在约束条件下，将同一置信度下的分布式新能源出力和电动汽车充电站的接入地点和容量作为输入值，以该置信度下配电网投资收益最大值为目标优化值，计算出该置信度下的配电网规划方案；
9.步骤4，重复步骤2-3，直到本次优化后的结果和上一次优化结果之间的误差在设定范围内，则输出本次优化后的配电网规划方案。
10.所述步骤1中，建立一置信度下的分布式新能源出力预测的区间概率统计模型，包括：根据分布式新能源出力预测和历史数据统计规律，建立在一定置信度下的新能源出力区间概率统计模型，采用极大似然法辨识预测误差所服从的概率统计模型及参数，进而获得一定置信度下的分布式新能源出力预测的区间概率统计模型。
11.所述步骤1中，建立一置信度下的电动汽车互动储能容量预测的区间概率统计模
型，包括：根据电动汽车充电站用户主动响应行为预测，建立在一定置信度下电动汽车互动储能容量的区间概率统计模型，采用极大似然法辨识预测误差所服从的概率统计模型及参数，进而获得一定置信度下的电动汽车互动储能容量预测的区间概率统计模型。
12.本发明的有益效果为：
13.与现有技术相比，本发明提出了一种基于区间概率统计模型的配电网协同规划方法。该方法充分考虑分布式新能源出力的不确定性，以及电动汽车参与电网辅助服务的不确定性，并以分布式新能源投资运营商、配电网投资运营商、电动汽车充电站投资运营商三方主体各自收益最大为目标，通过多次博弈，最终输出最优规划方案。该最优规划方案不仅满足了各方效益最大化的目标，而且充分考虑了各方不确定性，使得最终所得的规划更加合理，准确。
附图说明
14.图1为一种基于区间概率统计模型的配电网协同规划示意图。
15.图2为一种基于区间概率统计模型的配电网协同规划方法的流程图。
具体实施方式
16.下面结合附图1和图2详细说明基于区间概率统计模型的配电网协同规划方法。
17.如图1和图2所示，本实施例提供的基于区间概率统计模型的配电网协同规划方法，包括以下步骤：
18.s1：分别建立相同置信度下的分布式新能源出力预测的区间概率统计模型和电动汽车互动储能容量预测的区间概率统计模型。
19.具体地，根据分布式新能源出力预测和历史数据统计规律，建立在一定置信度下的新能源出力区间概率统计模型；根据电动汽车充电站用户主动响应行为预测，建立在一定置信度下电动汽车互动储能容量的区间概率统计模型。将新能源出力以及电动汽车充电站负荷历史实际数据与历史预测数据的误差作为输入，采用极大似然法辨识未来预测误差概率统计模型所服从的类型和参数，似然度表示数据服从概率模型类型的可能性，似然度越大，所表征数据规律的误差最小。采用的概率模型为正态分布模型和偏正态分布模型，针对具体统计规律情况，也可采用其它模型。将一定置信度下的预测误差概率统计模型叠加到未来预测值，获得一定置信度下的分布式新能源出力预测的区间概率统计模型和电动汽车互动储能容量预测的区间概率统计模型。
20.区间概率统计模型如下：
[0021][0022]
l为预测值，则区间是l的置信水平为1-α的置信区间，分别为置信水平为1-α的置信下限和置信上限。
[0023]
分布式新能源出力预测的区间概率统计模型和电动汽车互动储能容量预测的区间概率统计模型结构都是上述区间概率统计模型，区别在于统计规律不同，具体统计规律根据历史数据获得。
[0024]
s2：以分布式新能源投资运营商收益最大为目标，以分布式新能源出力预测的区
间概率统计模型为边界条件，获得一定置信度下的分布式新能源安装地点和容量区间值。
[0025]
分布式新能源投资运营商规划模型为：
[0026]
最大收益＝售电收益(含补贴)-弃电成本-辅助服务成本-投资成本-运维成本-考核成本。
[0027]
该规划模型的决策变量为分布式新能源的安装地点和容量，对电动汽车充电站投资运营商的干扰变量为辅助服务收益，对配电网的干扰变量为新建/扩建变电站和线路。
[0028]
该规划模型以分布式新能源出力和电动汽车互动储能容量的预测值作为初值进行迭代，在区间概率统计模型中进行优化取值。
[0029]
该规划模型以现状配电网为初次迭代值，下一轮迭代值为上一轮步骤s4所获得的配电网规划方案；辅助服务成本初始值按现有市场测算，下一轮迭代值按照步骤s3所获得的上一轮电动汽车充电站规划方案测算。
[0030]
s3：以电动汽车充电站投资运营商收益最大为目标，以电动汽车互动储能容量预测的区间概率统计模型为边界条件，获得一定置信度下的电动汽车充电站安装地点和容量区间值。
[0031]
电动汽车充电站投资运营商规划模型为：
[0032]
最大收益＝售电收益(含补贴) 辅助服务收益-投资成本-运维成本。
[0033]
该规划模型的决策变量为电动汽车充电站的安装地点和容量，对电动汽车充电站投资运营商的干扰变量为辅助服务成本，对配电网的干扰变量为新建/扩建变电站和线路。
[0034]
该规划模型以分布式新能源出力和电动汽车互动储能容量的预测值作为初值进行迭代，在区间概率统计模型中进行优化取值。
[0035]
该规划模型以现状配电网为初次迭代值，下一轮迭代值为上一轮步骤s4所获得的配电网规划方案；辅助服务收益按照步骤s2所获得的分布式新能源规划方案需求测算。
[0036]
容易理解的是，步骤s2和s3之间没有执行的先后顺序之分。
[0037]
s4：在供电可靠性、潮流等约束条件下，以步骤s2获得的分布式新能源安装地点和容量、步骤s3获得的电动汽车充电站安装地点和容量为输入值，以该置信度下配电网投资收益最大值为目标优化值，计算出该置信度下的配电网规划方案。
[0038]
配电网投资运营商规划模型为：
[0039]
最大收益＝售电收益-投资成本-运维成本-网损成本。
[0040]
该模型决策变量为新建/扩建变电站和线路，对分布式新能源投资运营商以及电动汽车充电站投资运营商的干扰变量为安装地点和容量。
[0041]
容易理解的是，安装地点不一样，可安装容量不一样，发电量也不一样，发电量决定售电收益，安装地点决定安装容量，安装容量对应的是成本。以步骤s2获得的分布式新能源安装地点和容量、步骤s3获得的电动汽车充电站安装地点和容量为输入值，是指以对应的安装地点和容量所转换的成本作为规划模型的输入值进行计算。
[0042]
s5：重复步骤s2-4，直到步骤s4优化后的结果和上一次优化结果误差在设定的允许范围内，则认为各利益主体达到博弈均衡状态，则输出配电网规划方案。
[0043]
需要声明的是，本发明内容及具体实施方式意在表达本方法的规划思想，不应解释为对本发明保护范围的限定。本领域技术人员在本发明的精神和原理启发下，可作各种修改、等同替换、或改进。但这些变更或修改均在申请待批的保护范围内。