一种基于源荷不确定性和电压稳定性的分布式电源规划方法

1.本发明涉及分布式电源规划技术，特别涉及一种基于源荷不确定性和电压稳定性的规划方法。


背景技术：

2.随着电力时代的到来，人们愈发需求高质量的电能。当前世界上大多数国家电力系统都是由大电网对负荷进行远距离供电，这种供电方式有诸多弊端，例如由于供电的输送距离太长，容易导致线路末端的电压质量低，且大电网互联中发生局部事故可能导致整个大电网发生故障甚至瘫痪，同时传统大电网大多使用化石能源供能，不仅消耗快而且容易产生大量有害气体，不满足当下环境保护政策。供电模式的改进，能源改革的推进，建设低碳环保、高效安全的配电网供电体系是当下电网发展的新方向。
3.综上，分布式电源（distributed generation，dg）以其种类繁多、投资小、运用方式灵活、清洁环保等优点迅速成为人们在电力系统方面的研究热点。何为 dg，国际大电网委员会（cigre）将它定义为功率在数千瓦至数十兆瓦的小型、分散化、与环境兼容的布置在用户附近供电的小型独立发电系统，一般与配电网相连接，由电力部门、电力用户或第三方投资商所有，可满足电力部门和负荷用户的特定需求，譬如避免出现负荷用电高峰时调峰作用，或为偏远地区如山区用户供电，可节省输变电投资、提高电力系统供电安全性和可靠性等，既可以独立于传统公共配电网，直接设立在用户附近为少数有特定要求的用户提供电能，又可以接入配电系统，与公共电网一起为负荷供电。
4.分布式发电作为传统集中供电方式的有效补充，其与传统电网之间的相互补充、协调，是以既有资源、技术和设置为用户供给安全、稳定和可靠电能的较优方案。未来电网的基本特征就是环境友好和可持续性，需要利用可再生能源作为主要能源的dg规模化接入和应用。dg规划是电力系统发展规划中极为重要的前期工作，在满足一定目标要求下，求得一个最佳规划方案，要求确定接入位置、类型、机组的容量。由于随意接入dg至配电网将产生广泛影响，主要表现为加重电能质量的恶化、影响网络供电可靠性、加大继电保护策略的复杂程度、提升配电网短路容量、使配电网的电压水平改变，因此在规划一个或多个dg接入配电网时，必须合理地对dg进行选址定容。


技术实现要素：

5.本发明是针对分布式电源进行选址定容规划过程中难以处理风、光和负荷不确定性以及分布式电源并网后对电压稳定性造成影响而提出的。提供一种计及风、光和负荷不确定性和电压稳定性的分布式电源规划方法。
6.本发明的技术方法为：一种基于源荷不确定性和电压稳定性的分布式电源规划方法，具体包括如下步骤：1、对风、光和负荷进行场景构建，然后用k-means聚类算法对初始场景进行削减，得到典型场景。
7.一、场景构建（1）风电概率模型采用两参数的weibull分布对风速进行描述，其概率密度函数为：式中：v为实际风速；k和c分别为形状参数和尺度参数。
8.风机的实际出力pw与风速v之间的关系可近似表示为：式中：p
wr
表示风机的额定功率；v
ci
、v
co
和vr分别为风机的切入、切出和额定风速。
9.（2）光伏概率模型采用beta分布对太阳辐射度进行描述，其概率密度函数为：式中：为beta分布的两个形状参数；i和ir分别为太阳辐射度的实际值和最大值。
10.光伏的实际出力p
t
与太阳辐射度i之间的关系如下：式中：p
tr
为光伏额定功率。
11.（3）负荷概率模型负荷的大小通常用正态分布来表示。其概率密度函数为：式中：pg为有功负荷；分别为其期望和标准差；qg为无功负荷；为负荷功率因数角。
12.二、场景生成本文采用lhs技术处理分布式电源选址定容规划中风、光和负荷的不确定性。假
设，对m个随机变量进行采样，采样规模为n，表示第t个随机变量x
t
的累计概率密度函数，其中t=1,2,
…
,m。具体采样步骤如下：step 1：将采样区间[0,1]平均分为n等分，则任意区间的概率都等于1/n；step 2：在每个区间随机选取（使随机变量的相关性趋于最小）样本值，区间i的累积概率密度为式中：r为0到1之间的随机数。
[0013]
step 3：利用逆累积分布变换得到相应的采样值,每一行代表一个随机变量的采样值，当采样n次时，采样矩阵是一个t
×
n的矩阵。
[0014]
三、场景聚类在通过lhs技术生成大量初始场景之后为了避免巨大的计算量，需要对样本进行聚类。传统的k-means算法对于聚类数的选取具有主观性，本文首先利用手肘法确定聚类数目k。然后，针对k-means算法随机选取初始聚类中心的缺陷，将方差最小的前k个样本作为初始聚类中心场景进行聚类，具体步骤如下：step 1：设待聚类的场景集为：式中：聚类数为k，选择方差s(xc)最小的前k个场景当作初始聚类中心，其中c=1,2,
…
,n式中：d为欧氏距离，为场景集中所有场景的均值。
[0015]
step 2：计算剩余场景与各聚类中心的欧式距离并分别归类到最接近的聚类中心所在簇，重新求得每一簇的聚类中心。
[0016]
step 3：然后将除聚类中心以外的场景删除并将场景概率加到作为聚类中心的场景上。从而得到k个典型场景和相应的场景概率。
[0017]
2、基于负荷等级对传统电压稳定指标进行改进，再结合年综合费用建立分布式电源多目标规划模型。
[0018]
一、目标函数以年综合费用f1最小和电压稳定性指标f2最小为目标，建立dg规划综合目标f。
[0019]
a.年综合费用最小f1包括dg投资费用、运行维护费用、网损费用，具体形式如下：式中：p(s)为场景s的概率。
[0020]
为表述方便，后续公式省略场景序号标注。
[0021]
（1）dg投资费用ci式中：为现金折算系数；r0为投资回报率；n为规划年限；k表示dg的类型；ndg表示能够安装dg的节点集合；c i dgk表示第k种dg单位容量的投资费用；p dgkj表示安装在节点j上的第k种dg容量。
[0022]
（2）dg运行维护费用c
om
式中：com dgk为第k种dg单位发电量所需要的运维费用；tdgkj为第k种dg在节点j处的年发电时长。
[0023]
（3）配电网有功网损费用c
l
式中：m为配网总支路数；ce为单位电价；t
max
为年最大负荷损耗时长；pj为支路j在最大负荷下的网络有功损耗；b.电压稳定指标最小原有电压稳定指标h
ij
为：h
ij
为节点i到节点j的这一支路的电压稳定指标，本发明在原有电压稳定指标的基础上乘上负荷等级系数 ，代表负荷点j的重要程度，负荷等级越高，越需要保证电
压的稳定性，因此定义新的电压稳定指标l
ij
：l
ij
越大系统稳定性越差，l
ij
越小则配电网越稳定。整个配电网的电压稳定性取决于所有支路中电压稳定指标的最大值，并以此作为系统电压稳定指标，即:l是系统中的电压指标最大值，该支路电压稳定性最差，最易受到扰动的影响。因此，根据l和1之间的差值可以反映整个系统的电压稳定裕度。
[0024]
因此，目标函数f2数学表达式为：二、约束条件（1）功率平衡约束式中：pi和qi为节点i有功和无功注入功率；ui为节点i电压幅值；为相角差；g
ij
，b
ij
为 支路导纳。
[0025]
（2）支路容量约束式中：sijmax为支路ij传输容量上限。
[0026]
（3）节点电压约束式中：u
imax
和u
imin
分别为节点i电压上下限。
[0027]
（4）dg渗透率约束式中：p
dgi
和p
dgimax
分别表示节点i安装的dg容量和允许安装的上限；为渗透率；表示允许dg安装的节点集合；p
ltotal
表示配电网总有功负荷。
[0028]
3、根据电压稳定指标选择分布式电源接入范围
为减小分布式电源规划计算规模，根据电压稳定指标从高到低排序，筛选出l
ij
较大的支路。然后选取支路末端的节点作为分布式电源待规划节点。
[0029]
4、使用非支配排序遗传算法对模型进行求解（1）整数编码生成初始种群；（2）计算个体适应度值；（3）根据约束条件设置罚函数；（4）对初始种群进行非支配排序和拥挤度计算；（5）遗传操作：选择、交叉、变异；（6）新旧种群合并；（7）染色体解码，计算各个目标；（8）非支配快速排序；（9）精英策略选择；（10）判断是否满足迭代终止条件，若满足输出pareto最优解集和pareto最优前沿，若不满足回到步骤（4）。
[0030]
与现有技术相比，本发明具有以下优点：（1）本发明提出了一种改进的电压稳定性评估指标。在传统的根据潮流解存在性的电压稳定性评估的基础上，将电力系统负荷重要程度进行划分并纳入评估的考虑之中，进而定义新的电压稳定指标，更符合配电网实际情况。
[0031]
（2）本发明采用改进的k-means聚类算法可由已知样本数据自适应地得出聚类数目，聚类效率高，场景具有典型性，且以样本方差最小来选择初始聚类中心可避免传统k-means算法对孤立点太过敏感的弊端。
[0032]
（3）文中建立的分布式电源选址定容规划模型兼顾了配电网的经济性和稳定性，相较于单目标模型，规划结果更具合理性。且利用电压稳定指标选取规划范围，在提高规划效率的同时也使得规划方案更加科学可行。
[0033]
附图说明
[0034]
图1为本发明一种基于源荷不确定性和电压稳定性的分布式电源规划方法流程图。
[0035]
图2为ieee33节点配网。
[0036]
图3为场景聚类结果。
[0037]
图4为ieee33 nsga-ii典型解。
[0038]
图5为dg接入前后电压稳定性指标对比。
[0039]
图6为dg接入前后网络损耗对比。
具体实施方式
[0040]
下面结合附图和具体实施例对本发明进行详细说明。
[0041]
本文以ieee33节点标准系统为例进行验证分析，配电网系统结构如图2所示，节点负荷等级及其权重系数如表1所示。
[0042]
表1 节点负荷等级dg功率因数为0.9，最大渗透率为30%。规划年限设置为20年，贴现率为0.1。每个待选节点dg最大安装容量为1 000mva。风机参数为：vci=3 m/s，vr=10m/s和vco=20m/s；风速服从k=2.17和c=8.34的威布尔分布。光伏参数为：ir=1 kw/m2；贝塔分布的参数为：α=1.95和β=2.28。各节点的负荷引用ieee33节点原始数据作为均值，标准差取均值的10%。wt的投资和运维费用分别是1 万元/kw和0.4万元/kw
·
h；pv的投资和运维费用分别为1.3万元/kw和0.25 万元/kw
·
h。变电站单位供电成本为0.5元/kw
·
h。
[0043]
1、对风、光和负荷进行场景构建，然后用k-means聚类算法对初始场景进行削减，得到典型场景。
[0044]
利用lhs方法对风、光和负荷进行抽样，抽样规模为800，然后根据概率模型公式将风速及太阳辐照度转化为pv和wt的出力效率，结合节点负荷数据可得800个基础场景，然后通过场景聚类，由图3可得聚类数目为8，各典型场景如表2所示。
[0045]
表2 场景削减结果2、基于负荷等级对传统电压稳定指标进行改进，选址过程，采用改进的电压稳定指标来确定分布式电源接入的范围。
[0046]
为减小分布式电源规划计算规模，本发明根据电压稳定指标从高到低排序，筛选出l
ij
较大的支路。然后选取支路末端的节点作为分布式电源待规划节点。未考虑负荷等级时，l
ij
从大到小排序为：5，2，27，28，3，4，23，8，12；考虑负荷等级之后，l
ij
从大到小排序为：2，5，3，4，23，30，28，9。
[0047]
由此可得，乘上负荷等级权重系数之后，支路排序发生较大变化，而重要负荷的稳定性直接影响人们的生产生活甚至人生安全。因此，负荷重要程度是配电网规划中不可忽略的重要因素。综上，在以上支路的末端节点范围内进行分布式电源优化配置。
[0048]
3、采用非支配排序遗传算法仿真得到pareto前沿，根据模糊隶属度函数选取最优折中解。
[0049]
根据本发明所建模型用nsga-ii计算得出的pareto前沿如图4所示，每个不同解均可表示当前规划方案的配置效果。当决策者对电压稳定性具有明显偏好时，年综合费用较大，说明为使电压指标值更小需付出更多投资成本，方案1即为此种决策的极端方案，其电压稳定指标相较于规划前降低了33.1％，但年综合费用较高。方案2情况下年综合费用最
低，但电压稳定指标较大相比其他两种情况最不稳定。对于方案3来说无论是年综合费用还是电压稳定指标都介于方案1和方案2之间。决策者可以根据不同的经济偏好和稳定性偏好选取不同的pareto前端点，从而获得不同的dg规划方案。
[0050]
表3 dg规划方案比较注：括号外表示支路号，括号内分别代表光伏容量和风机容量。
[0051]
综合考虑经济性和电压稳定性，通过式（30）和式（31）选取方案3为最优折中解。以方案3为对照，将分布式电源接入前后各支路电压稳定指标和网络损耗进行对比，如图5和图6所示。从图5可以看出2号支路的电压指标值从0.0564降低到0.0407，支路5处则从0.0380降至0.0238，表明电压稳定性大大提升。从图6可得，各支路损耗明显减少，最高点支路5处网损从52.09kw降至18.11kw，由此可得，接入dg优化后配电网相应支路损耗和可靠性都得到了明显的改善。
[0052]
为了证明电压稳定指标加入的合理性，将本发明规划模型与仅考虑年综合费用的单目标规划模型进行仿真对比，规划结果如下表4所示。
[0053]
表4 不同目标函数规划结果对比由表4可知，采用单一目标模型虽然年综合费用较多目标模型下降13%，但此时的电压稳定性指标值高于多目标模型的24.4%，系统电压稳定性不佳。因此，从综合满意度来看本发明所提多目标模型能够兼顾电压稳定性与经济性，更加合理。