一种基于柔性负荷的多时间尺度配电网降损方法与流程

1.本发明涉及电力系统需求响应技术领域，具体的说是一种基于柔性负荷的多时间尺度配电网降损方法。


背景技术：

2.目前，江苏省发电以化石能源为主，约占总装机的76％，但比重逐年下降，火电机组利用小时数每年约减少300小时；江苏新能源快速发展，新能源装机2606万千瓦，居华东首位、国网系统第3位。尤其是海上风电总容量463万，占全国75％以上，未来将达到1313万千瓦。新能源装机与发电比例的快速增加，导致江苏电网的旋转备用机组容量在逐步下降，由于新能源发电自身的随机性、波动性和不可控特性，使得整个电网的调频与调峰能力随之下降。此外，新形势下电力系统形态正在发生深度变革，电力平衡由早期以省网为主体的模式逐渐转变为跨区域全网平衡模式。送受端、交直流、高低压电网高度耦合，连锁故障形态更加复杂，影响范围广、冲击大。电网运行面临特性认知难度大、调节控制复杂、故障防御困难等问题。跨区直流规模快速增长，在直流故障巨大冲击下，交流系统功角、电压、频率稳定问题，潮流堵塞问题以及故障后连锁反应等问题日益突出，电网存在重大安全风险，迫切需要在源网荷协调运行机制、需求侧响应等方面展开研究。
3.随着分布式电源的发展，传统配电网面临电压越限、双向潮流等问题，配电网由被动控制过渡到主动控制。主动配电网可以实现分布式电源广泛接入并高度渗透，是综合控制分布式资源(例如分布式电源、柔性负载、储能等)、通过灵活的网络调节技术实现潮流有效管理的重要技术手段。系统网损是主动配电网运行经济性的重要衡量指标。优化主动配电网系统网损，提高其运行经济性，对于未来主动配电网的建设发展具有重要意义。


技术实现要素：

4.为了解决上述问题，本发明提供了一种多时间尺度融合的配电网降损方法，可调度配电网各类柔性负荷，根据其特性分别应用于不同时间尺度的优化场景，并充分考虑各类负荷及各类用户的异质性特性，最大程度利用需求响应资源降低配电网线损。
5.为了达到上述目的，本发明是通过以下技术方案来实现的：
6.本发明的一种基于柔性负荷的多时间尺度配电网降损方法，包括如下步骤：
7.步骤1，构建移动型电动汽车负荷模型、非移动型电动汽车负荷模型与空调负荷模型；
8.步骤2，构建面向移动型电动汽车的周前配电网线损优化模型；
9.步骤3，构建面向非移动型电动汽车的日前配电网线损优化模型；
10.步骤4，构建面向空调负荷模型的日中实时配电网线损优化模型；
11.步骤5，融合周前配电网线损优化模型、日前配电网线损优化模型和日中实时配电网线损优化模型，形成多时间尺度融合配电网线损优化框架，降低配电网线损。
12.本发明的进一步改进在于：步骤1的具体步骤为：
13.步骤1.1，根据移动型电动汽车充电时间的不同，将移动型电动汽车分为m1、m2、m3三类，根据其充电行为模式构建移动型电动汽车负荷模型，模型表达式为：
[0014][0015][0016][0017]
其中，是m1类移动型电动汽车的充电功率，是m2类移动型电动汽车的充电功率，是m3类移动型电动汽车的充电功率；t1是m1类移动型电动汽车的充电时间；t2是m2类移动型电动汽车的充电时间；t3是m3类移动型电动汽车的充电时间；
[0018]
步骤1.2，根据非移动型电动汽车的充放电行为模式可调的特性，优化充放电行为降低配电网网损，构建非移动型电动汽车负荷模型，模型表达式为：
[0019][0020]
其中，e(t)为t时刻电动汽车能量，e(t 1)为t 1时刻电动汽车能量；与分别为非移动型电动汽车在t时刻的充电功率与放电功率，ηc与ηd分别为非移动型电动汽车的充电效率与放电效率，ed(t)为出行所需能量，下标m表示移动型，下标nm表示非移动型；
[0021]
步骤1.3，构建空调负荷模型如下：
[0022][0023]uset-δ/2≤ta(t)≤u
set-δ/2
[0024][0025]
其中，ta(t)是t时刻的室内温度，tm(t)是建筑墙体温度，to(t)是室外温度，是t时刻的室内温度的一阶导数，是建筑墙体温度的一阶导数，ua是建筑外壳的热传导参数，hm是室内温度与建筑墙体的热传导参数，ca是空气的热质量，cm是建筑墙体的热质量，qa是内部空气吸收的热通量，qm是内部墙体吸收的热通量，u
set
是用户设定的室内温度，δ是死区带宽，室内温度必须维持在一定温度区间内，p
ac
(t)是空调在t时刻的功率，η为空调能效比。
[0026]
本发明的进一步改进在于：非移动型电动汽车负荷模型的约束条件为：
[0027]
电动汽车能量受限值约束：
[0028][0029]
其中，e与分别为电动汽车最小与最大能量；
[0030]
充放电功率受最大充放电功率约束：
[0031][0032][0033]
其中，p
max
为最大充放电功率，为非移动型电动汽车的充放电状态指示量，充电时为1，放电时为0；为可调度状态指示量，在充放电时间段内，为1，其余时间段为0；
[0034]
出行所需能量约束：
[0035]
e(td)≥e
travel
e
[0036]
其中，e(td)表示出行时刻的能量，e
travel
为当日旅行所需能量。
[0037]
本发明的进一步改进在于：面向移动型电动汽车的周前配电网线损优化模型的表达式为：
[0038][0039][0040][0041]
式中，为线路ij在p相的阻抗，p为abc三相中的任意一相，为线路ij在p相上t时刻的电流值，优化目标为配电网线损值，与分别为线路ij在p相上的有功功率值和无功功率值，为线路ij在p相上的电压，分别为m1、m2、m3类移动型电动汽车的充电功率，n
m1
、n
m2
、n
m3
分别为m1、m2、m3类移动型电动汽车的数量，p
l
为除了移动型电动汽车外的基本负荷，t1指优化周期总时段，由于该阶段是周前优化阶段，因此，按照1h/点的频率，t1＝24*7＝144，n指所有配电网所有节点数。
[0042]
本发明的进一步改进在于：面向非移动型电动汽车的日前配电网线损优化模型的表达式为：
[0043][0044][0045][0046][0047][0048][0049][0050]
e(td)≥e
travel
e
[0051]
其中，为周前优化后的功率，n
nm
为非移动型电动车数量，t2指日前优化周期总时段，按照1h/点的频率，t2＝24。
[0052]
本发明的进一步改进在于：面向空调负荷模型构建日中实时配电网线损优化模型
的表达式为：
[0053][0054][0055][0056][0057]uset-δ/2≤ta(t)≤u
set-δ/2
[0058][0059]
空调控制周期为10min，为日前优化的最优功率，t3指日中优化周期总时段，t3＝24*(60/10)＝144。
[0060]
本发明的有益效果是：1、相比较传统的利用额外设备的配电网降损方法，该方案对柔性负荷进行分类，根据其不同的运行特性将其应用于不同场景的配电网网损优化，能够经济有效且最大程度的利用不同类型的负荷进行需求响应；2、相比较传统的配电网降损方法针对单日的线损值进行优化，该方案融合多时间尺度，在周前、日前、日中分别进行配电网降损，且计算需求简单，不会对硬件计算设备造成负担。
附图说明
[0061]
图1是本发明的方法流程图；
[0062]
图2是多时间尺度融合配电网线损优化框架示意图；
[0063]
图3是本发明实施例中的周前电动汽车调度示意图；
[0064]
图4是本发明多时间尺度融合配合电网降损的结果示意图。
具体实施方式
[0065]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0066]
如图1所示，本发明中的一种基于柔性负荷的多时间尺度配电网降损方法，包括如下步骤：
[0067]
步骤1，构建负荷模型，包括移动型电动汽车负荷模型、非移动型电动汽车负荷模型与空调负荷模型；
[0068]
移动型电动汽车指的是白天可以在不同地点充电的电动汽车，该类车为出租车、网约车、公交车等，且为快速充电。可以利用该类车在不同地点充电的特性，充分分配不同电动汽车在不同节点、不同相序，以降低配电网网损。该类车只能改变充电地点(即配网节点)与相序，无法改变充电行为模式(时间、充放电状态)，可根据充电时间的不同，将移动型
电动汽车分为m1、m2、m3三类，这三类分别在三个时段连续快充三个小时，充电功率为6kw，因此移动型电动汽车负荷模型可表示为：
[0069][0070][0071][0072]
其中，是m1类移动型电动汽车的充电功率，是m2类移动型电动汽车的充电功率，是m3类移动型电动汽车的充电功率；t1是m1类移动型电动汽车的充电时间；t2是m2类移动型电动汽车的充电时间；t3是m3类移动型电动汽车的充电时间。
[0073]
非移动型电动汽车指的是夜晚在固定地点充电的电动汽车，该类车为私家车，且为慢充。该类车无法改变充电地点(配电节点与相序)，但可以改变充放电行为模式。可以利用该类车的灵活充放电特性，优化充放电行为降低配电网网损，非移动型电动汽车负荷模型如下：
[0074][0075]
其中e(t)为t时刻电动汽车能量，e(t 1)为t 1时刻电动汽车能量；与分别为非移动型电动汽车在t时刻的充电功率与放电功率，ηc与ηd分别为为非移动型电动汽车的充电与放电效率，ed(t)为出行所需能量，下标m表示移动型，下标nm表示非移动型。
[0076]
电动汽车能量受限值约束：
[0077][0078]
其中，e为电动汽车最小能量，为电动汽车最大能量。
[0079]
充放电功率受最大充放电功率约束：
[0080][0081][0082]
其中，p
max
为最大充放电功率，为非移动型电动汽车的充放电状态指示量，充电时为1，放电时为0；为可调度状态指示量，在充放电时间段内，为1，其余时间段为0。
[0083]
非移动型电动汽车也受到用户出行行为的影响，在出行时刻的能量必须大于当日旅行所需能量加最小能量限值，以保证出行时能量满足需求，且不低于最低能量限值，表示为：
[0084]
e(td)≥e
travel
e
[0085]
其中，e(td)表示出行时刻的能量，e
travel
为当日旅行所需能量。
[0086]
空调负荷模型表达式为：
[0087][0088]uset-δ/2≤ta(t)≤u
set-δ/2
[0089][0090]
其中，ta(t)是t时刻的室内温度，tm(t)是建筑墙体温度，to(t)是室外温度，是t时刻的室内温度的一阶导数，是建筑墙体温度的一阶导数，ua是建筑外壳的热传导参数，hm是室内温度与建筑墙体的热传导参数，ca是空气的热质量，cm是建筑墙体的热质量，qa是内部空气吸收的热通量，qm是内部墙体吸收的热通量，u
set
是用户设定的室内温度，δ是死区带宽，室内温度必须维持在一定温度区间内，p
ac
(t)是空调在t时刻的功率，η为空调能效比。
[0091]
步骤2，构建面向移动型电动汽车的周前配电网线损优化模型；
[0092]
如图3周前电动汽车调度示意图所示，周前优化阶段，利用移动型电动汽车的充电节点及相序不确定的特性，利用优化算法调整电动汽车的充电节点及相序的较优策略，构建的面向移动型电动汽车的周前配电网线损优化模型的表达式为：
[0093][0094][0095][0096]
式中，为线路ij在p相的阻抗，p为abc三相中的任意一相，为线路ij在p相上t时刻的电流值，优化目标为配电网线损值，与分别为线路ij在p相上的有功功率值和无功功率值，为线路ij在p相上的电压，分别为m1、m2、m3类移动型电动汽车的充电功率，n
m1
、nm2、nm3分别为m1、m2、m3类移动型电动汽车的数量，p
l
为除了移动型电动汽车外的基本负荷，t1指优化周期总时段，由于该阶段是周前优化阶段，因此，按照1h/点的频率，t1＝24*7＝144，n指所有配电网所有节点数。步骤3，构建面向非移动型电动汽车的日前配电网线损优化模型；
[0097]
日前阶段利用非移动型电动汽车的充放电策略进行配电网降损，优化模型如下：
[0098]
日前阶段在周前优化的基础上使用周前移动型电动汽车的充电地点与相序规划策略，构建面向非移动型电动汽车的日前配电网线损优化模型，利用非移动型电动汽车进行日前阶段的配电网线损优化；构建的面向非移动型电动汽车的日前配电网线损优化模型表达式为：
[0099]
[0100][0101][0102][0103][0104][0105][0106][0107]
式中，为周前优化后的功率结果，n
nm
为非移动型电动车数量，t2指日前优化周期总时段，按照1h/点的频率，t2＝24。
[0108]
周前阶段与日前阶段分别针对不同类型的电动汽车：周前利用移动型电动汽车调度进行降损，日前利用非移动型电动汽车调度进行配电网线损优化。原因是移动型电动汽车通常行为模式多变，但是仅可以针对其充电地点与相序进行调整，且个体的灵活性小，只能在固定时段3h内进行快充，因此周前调度获取一周的策略计算也不复杂；但是非移动型电动汽车夜间的可调度时段长，充放电计划可灵活制定，个体的灵活性大，决策变量维度高(电动汽车充放电功率、时间都是决策变量)，日前调度有利于更大程度的挖掘非移动型电动汽车的调度潜力，如果按照周前调度计算则计算复杂。
[0109]
步骤4，构建面向空调负荷模型构建日中实时配电网线损优化模型；
[0110]
空调可以进行实时的温度调整，且空调具有较大的调节潜力，因此日中阶段使用空调负荷进行10min实时配电网线损优化。构建的面向空调负荷模型的日中实时配电网线损优化模型的表达式为：
[0111][0112][0113][0114][0115]uset-δ/2≤ta(t)≤u
set-δ/2
[0116][0117]
空调控制周期为10min，t3＝24*(60/10)＝144。日中实时配电网降损需要在日前优化的最优功率基础上，调控空调负荷，进行实时的配电网降损。
[0118]
步骤5，融合周前配电网线损优化模型、日前配电网线损优化模型和日中实时配电网线损优化模型，形成多时间尺度融合配电网线损优化框架，降低配电网线损。多时间尺度融合配电网线损优化框架如图2所示，首先进行周前优化，优化目标是一周的线损值最优，约束是移动型电动汽车的运行约束，周前阶段获取优化后的第一天的充电相序策略及优化功率。接着到日前阶段，优化的目标是使一天的线损值最小，需要满足非移动型电动汽车运
行条件，获取的结果是非移动型电动汽车的充电策略与优化功率结果。在日中实时阶段，优化目标是实时的线损值，约束是空调运行约束条件，优化结果即优化后的空调运行策略及最终的优化功率结果。优化过程可使用启发式优化算法进行求解。
[0119]
本发明采取ieee标准13节点系统对所提出的基于柔性负荷的多时间尺度配电网降损方法的有效性进行验证，各阶段柔性负荷数量如表1所示：
[0120]
表1，各阶段柔性负荷数量
[0121][0122]
最终优化结果如图4所示，其中，原始线损值为3309kw，周前优化后线损为2774kw，日前优化后线损为22287kw，日中优化后线损为2163kw，共降损34.6％。由上验证结果可知，本发明的方法充分考虑各类负荷及各类用户的异质性特性，最大程度利用需求响应资源降低配电网线损。
[0123]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。