含节点注入功率不确定性的有源配电网量测优化配置方法技术

本发明专利技术公开了一种含节点注入功率不确定性的有源配电网量测优化配置方法，利用动态概率密度函数对大规模电动汽车充电负荷以及光伏发电系统出力的不确定性进行建模分析，从状态估计角度对有源配电网在含节点注入功率不确定后的网络可观测性进行分析，建立含网络节点注入功率不确定性的有源配电网量测优化配置模型，采用一种自适应协方差矩阵进化策略对所述有源配电网量测优化配置模型进行优化求解，可得在确保网络完全可观测情况下的数据采集点最优配置方案。本发明专利技术一方面弥补了当前配电网态势感知程序中忽略电动汽车充电随机性及光伏系统出力间歇性的不足，为有源配电网下一步安全评估提供理论支撑；另一方面可进一步提高有源配电网安全运行与控制的经济性。

【技术实现步骤摘要】

本专利技术涉及一种有源配电网，具体涉及一种有源配电网量测优化配置方法。
技术介绍
高渗透率分布式电源(distributedgeneration，DG)、大规模电动汽车(plug-inelectricvehicle，PEV)和储能系统(energystoragesystem，ESS)等可控负荷的接入，使得传统的单向辐射状配电网逐步转变为含多能源供电系统、必要时辅助以弱环状拓扑结构运行的有源配电网(activedistributionnetwork，ADN)。与此同时，配电网态势感知系统有望能够进一步快速、准确地感知系统的实时运行状态，为电网的安全稳定运行奠定基础。然而，一方面，由于PEV的充电随机性以及DG出力的波动性使得当前配电网态势感知结果需要考虑更多的不确定性因素，传统的配电网状态估计面临严峻挑战；另一方面，出于成本等因素考虑，目前难以在网络结构庞大且错综复杂的配电网每一个功率注入节点或是每一条馈线配置智能电表(smartmeters，SMs)、馈线终端设备(feederterminalunits，FTUs)等量测装置，从而使得由数据采集与监控(supervisorycontrolanddataacquisition，SCADA)系统中获取的系统实时状态量难以满足调度人员的要求。因此，加快构建适合有源配电网低碳化、智能化运行与控制的新型量测与监控系统，意义重大。当前，结合态势感知结果与数据采集点优化配置问题开展的研究大多集中于输电网络及传统配电网，在有源配电网中仅有零星的研究。目前对有源配电网中结合状态估计与数据采集点优化配置问题所开展的研究普遍存在以下几个不足之处：1)建立的数学模型均是基于单相对称型网络结构，模型中的DG出力均是根据大量历史统计数据模糊得出；2)忽略了大规模电动汽车充电负荷对配电网的影响，对电动汽车充电负荷的不确定性没有进行详细的阐述与建模；3)在对所建立的数学模型求解方面采用的遗传算法等存在耗时长、全局收敛性差等弊端。
技术实现思路
专利技术目的：本专利技术的目的在于针对现有技术的不足，提供一种含节点注入功率不确定性的有源配电网量测优化配置方法，用于满足当前配电网态势感知系统在大规模电动汽车和光伏发电系统并网后能够快速准确地感知系统实时运行状态的要求。技术方案：本专利技术提供了一种含节点注入功率不确定性的有源配电网量测优化配置方法，包括以下步骤：(1)利用动态概率密度函数对大规模电动汽车充电负荷以及光伏发电系统出力的不确定性进行建模分析；(2)从状态估计角度对有源配电网在含节点注入功率不确定后的网络可观测性进行分析，并定义有源配电网完全可观测的指标；(3)以有源配电网中量测配置即数据采集点数量最少为目标函数，以网络完全可观测为约束条件，建立含网络节点注入功率不确定性的有源配电网量测优化配置模型；(4)采用自适应协方差矩阵进化策略算法(covariancematrixadaptationevolutionstrategy,CMA-ES)对所述有源配电网量测优化配置模型进行优化求解，可得在确保网络完全可观测情况下的数据采集点最优配置方案。有益效果：1、本专利技术可以弥补当前配电网态势感知系统中忽略电动汽车充电随机性及光伏系统出力间歇性的不足，为有源配电网下一步安全评估提供理论支撑；2、本专利技术在确保网络完全可观测的情况下可以给出系统所需配置量测装置的最少数量，由此可进一步降低有源配电网的运行成本，有效提高系统经济性能；3、本专利技术中采用的自适应协方差进化策略相比于遗传算法、粒子群算法等智能寻优方法而言收敛速度快，可避免陷入局部最优解，从而更易搜索到全局最优解。附图说明图1为本专利技术的方法流程图；图2为实施例采用的某一简单有源配电网结构及其量测系统示意图；图3为实施例利用CMA-ES算法对含网络节点注入功率不确定性的有源配电网量测优化配置模型进行求解的流程图。具体实施方式下面对本专利技术技术方案进行详细说明，但是本专利技术的保护范围不局限于所述实施例。实施例：本专利技术基于现有理论研究基础之上，以动态概率密度函数表征PEV充电随机性和DG出力间歇性，建立了含网络节点注入参数不确定性的有源配电网量测(数据采集点)优化配置模型，并采用CMA-ES算法对模型进行优化求解，从而可以得到在确保网络完全可观测情况下的数据采集点最优配置方案，有效降低系统运行成本，且可以为有源配电网下一步安全评估提供理论支撑。本实施例一种含节点注入功率不确定性的有源配电网量测(数据采集点)优化配置方法的具体步骤如图1所示，包括：步骤一：利用动态概率密度函数对电动汽车充电负荷以及光伏发电系统出力的不确定性进行建模分析；步骤二：从状态估计角度对有源配电网可观测性进行分析，并定义了网络完全可观测的指标；步骤三：以量测配置数量最少为目标函数，以网络完全可观测为约束条件，建立有源配电网量测优化配置数学模型；步骤四：采用一种自适应协方差矩阵进化策略对上述模型进行优化求解，可得在给定系统状态估计误差允许情况下的数据采集点最优配置方案。步骤一中，本专利技术在用动态概率密度函数表征电动汽车(PEV)充电负荷不确定性时，根据目前PEV的运行和发展情况，对其充电负荷进行建模描述时做如下假设：1)本专利技术以PEV60(EPRI)为例进行研究，暂不考虑PEV放电缓解电网高峰用电的情况；2)为了进一步体现PEV充电负荷的不确定性，本专利技术不考虑PEV的有序充电模式，仅针对无序充电模式进行研究；3)PEV在最后一次出行结束后即刻开始充电，直到充满为止。PEV的充电负荷主要受车主的行驶特性、充电时长以及电池特性等因素的影响，根据美国交通部2009年对全美家用车辆的调查数据可知PEV用户的行驶特性，其中日行驶里程近似服从对数正态分布，最后一次出行结束时间近似服从Weibull分布，其概率密度函数分别为公式(1)、公式(2)所示： f ( d ) = 1 2 π dσ d exp [ - ( 本文档来自技高网...

【技术保护点】
一种含节点注入功率不确定性的有源配电网量测优化配置方法，其特征在于：包括以下步骤：(1)利用动态概率密度函数对大规模电动汽车充电负荷以及光伏发电系统出力的不确定性进行建模分析；(2)从状态估计角度对有源配电网在含节点注入功率不确定后的网络可观测性进行分析，并定义有源配电网完全可观测的指标；(3)以有源配电网中量测配置即数据采集点数量最少为目标函数，以网络完全可观测为约束条件，建立含网络节点注入功率不确定性的有源配电网量测优化配置模型；(4)采用自适应协方差矩阵进化策略算法对所述有源配电网量测优化配置模型进行优化求解，可得在确保网络完全可观测情况下的数据采集点最优配置方案。

【技术特征摘要】
1.一种含节点注入功率不确定性的有源配电网量测优化配置方法，其特征在于：
包括以下步骤：
(1)利用动态概率密度函数对大规模电动汽车充电负荷以及光伏发电系统出力的
不确定性进行建模分析；
(2)从状态估计角度对有源配电网在含节点注入功率不确定后的网络可观测性进
行分析，并定义有源配电网完全可观测的指标；
(3)以有源配电网中量测配置即数据采集点数量最少为目标函数，以网络完全可
观测为约束条件，建立含网络节点注入功率不确定性的有源配电网量测优化配置模型；
(4)采用自适应协方差矩阵进化策略算法对所述有源配电网量测优化配置模型进
行优化求解，可得在确保网络完全可观测情况下的数据采集点最优配置方案。
2.根据权利要求1所述的含节点注入功率不确定性的有源配电网量测优化配置方
法，其特征在于：步骤(1)中用动态概率密度函数表征电动汽车PEV充电负荷不确定
性时，根据目前PEV的运行和发展情况，对其充电负荷进行建模描述时做如下假设：
1)暂不考虑PEV放电缓解电网高峰用电的情况；
2)为了进一步体现PEV充电负荷的不确定性，不考虑PEV的有序充电模式，仅针
对无序充电模式进行研究；
3)PEV在最后一次出行结束后即刻开始充电，直到充满为止；
PEV的充电负荷主要受车主的行驶特性、充电时长以及电池特性因素的影响，根据
美国交通部2009年对全美家用车辆的调查数据可知PEV用户的行驶特性，其中日行驶
里程近似服从对数正态分布，最后一次出行结束时间近似服从Weibull分布，其概率密
度函数分别为公式(1)、公式(2)所示：
f ( d ) = 1 2 π dσ d exp [ - ( ln d - μ d ) 2 2 σ d 2 ] - - - ( 1 ) ]]>式中，d为日行驶里程，μd和σd分别为对数正态分布的期望值和标准差；
f ( t ) = k t c t ( t + 4 c t ) k t - 1 exp [ - ( t + 24 c i ) k t ] , 0 ≤ t < 4 ...

【专利技术属性】
技术研发人员：吴在军，徐俊俊，戴桂木，窦晓波，周力，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32