一种分布式电源与新型负荷典型场景生成方法及系统技术方案

本发明专利技术公开了一种分布式电源与新型负荷典型场景生成方法及系统。该方法包括：获取分布式电源的出力量和新型负荷的需求量；以配电网调度能耗量最小为目标建立配电网优化模型；根据配电网优化模型，对分布式电源的出力量和新型负荷的需求量进行优化，得到优化后的分布式电源出力量和优化后的新型负荷需求量；对优化后的分布式电源出力量和优化后的新型负荷需求量进行聚类处理，得到分布式电源出力和新型负荷聚类数据集；根据分布式电源出力和新型负荷聚类数据集，采用最大化场景信息熵变化量的方法进行场景分类，生成多种典型场景。采用本发明专利技术的方法及系统，能够在保证电网运行的安全性、可靠性与环保性的同时生成典型场景。可靠性与环保性的同时生成典型场景。可靠性与环保性的同时生成典型场景。

【技术实现步骤摘要】
一种分布式电源与新型负荷典型场景生成方法及系统


[0001]本专利技术涉及电力系统优化调度
，特别是涉及一种分布式电源与新 型负荷典型场景生成方法及系统。

技术介绍

[0002]为缓解能源危机、解决环境问题，可再生能源在配电网中的利用率日益升 高，同时在配电网中以电动汽车、电采暖为代表的新型负荷应用范围在不断扩 大。然而，新型能源的随机性及波动性给配电网调度运行带来了风险及挑战。 随着配电网技术的不断发展，人们不仅仅满足于实现配电网的安全稳定运行， 开始更多地关注配电网带来的运行效益。为充分发挥电网中的所有资产和设备 的效能，满足可再生能源的大量接入和负荷需求的不断提高的现状，最大限度 地提高电网的运行效益，需要对可再生能源进行合理的整合和调控，对配电网 系统进行合理地调度。
[0003]当前社会，为实现推动电网和互联网的深度融合，把先进技术手段应用在 传统电网中去，耦合传统行业与新兴技术，从而进一步提高能源分配的运行效 率，提升相关科技水平，进而从整体上推动电力行业发展。为了应对数据库急 速发展带来的新挑战，数据挖掘技术应运而生，从大量复杂数据中搜寻挖掘出 有价值的信息。在电力系统中应用数据挖掘技术，可以保证供电的可靠性、良 好的电能质量、电网运行的高效性及优质的供电服务。
[0004]近几年，随着配电网供电规模的不断扩大、智能化的快速发展，从配电网 中获取的数据类型越来越多，配电网大数据趋势日益明显。如何解决大规模配 电网调度问题，避免不必要的搜索计算，从而实现多场景的规划，是亟待解决 的问题。

技术实现思路

[0005]本专利技术的目的是提供一种分布式电源与新型负荷典型场景生成方法及系 统，能够在保证电网运行的安全性、可靠性与环保性的同时生成典型场景。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种典型场景生成方法，包括：
[0008]获取分布式电源的出力量和新型负荷的需求量；所述新型负荷包括电动汽 车；
[0009]以配电网调度能耗量最小为目标建立配电网优化模型；
[0010]根据所述配电网优化模型，对所述分布式电源的出力量和所述新型负荷的 需求量进行优化，得到优化后的分布式电源出力量和优化后的新型负荷需求 量；
[0011]对所述优化后的分布式电源出力量和所述优化后的新型负荷需求量进行 聚类处理，得到分布式电源出力和新型负荷聚类数据集；
[0012]根据所述分布式电源出力和新型负荷聚类数据集，采用最大化场景信息熵 变化量的方法进行场景分类，生成多种典型场景。
[0013]可选的，所述以配电网调度能耗量最小为目标建立配电网优化模型，具体 包括：
[0014]以最小化主网吸收的总电量、分布式电源弃电量和负荷峰谷差惩罚能耗量 为目
标确定目标函数；
[0015]确定约束条件；所述约束条件包括功率平衡约束、系统运行约束、分布式 电源出力约束、储能系统约束和负荷侧约束；
[0016]将所述目标函数和所述约束条件确定为配电网优化模型；
[0017]其中，
[0018]根据如下公式确定目标函数：
[0019]minF＝F
Buy
+F
Cur
+F
LPV
[0020][0021]P
iBuy
(t)＝P
sum
(t)
‑
P
iDG
(t)
[0022][0023][0024][0025]式中，F为目标函数；F
Buy
为从主网吸收的总电量；F
Cur
为分布式电源弃电 量；F
LPV
为负荷峰谷差惩罚能耗量；a
Buy
为从主网吸收的单位电量；T为总时段； N为节点总个数；P
iBuy
(t)为t时段内从主网输入到节点i的有功功率；a
Cur
为分 布式电源的单位弃电量；P
iDG*
(t)为t时段内节点i有功功率理论值；P
iDG
(t)为t时 段内节点i弃电后的有功功率实际值；P
sum
(t)为t时段内配电网的总负荷；P
iEV
(t) 为t时段内节点i的电动汽车充电功率；P
ispare
(t)为t时段内节点i的备用负荷功 率；P
iinvolve
(t)为t时段内节点i供给用户侧需求负荷功率；a
LPV
为负荷峰谷差的 单位惩罚能耗量；为t时段内配电网的总负荷的最大值；为t时段 内配电网的总负荷的最小值。
[0026]可选的，所述根据所述配电网优化模型，对所述分布式电源的出力量和所 述新型负荷的需求量进行优化，得到优化后的分布式电源出力量和优化后的新 型负荷需求量，具体包括：
[0027]根据所述配电网优化模型，采用改进后的粒子群算法对所述分布式电源的 出力量和所述新型负荷的需求量进行优化，得到优化后的分布式电源出力量和 优化后的新型负荷需求量；
[0028]所述改进后的粒子群算法为对粒子群算法的速度更新公式中的惯性权重 采用如下公式进行计算：
[0029][0030]式中，w
max
、w
min
分别为惯性权重w的最大、最小值；d、D
max
分别为当前 迭代次数和最大迭代次数。
[0031]可选的，所述对所述优化后的分布式电源出力量和所述优化后的新型负荷 需求
量进行聚类处理，得到分布式电源出力和新型负荷聚类数据集，具体包括：
[0032]采用快速搜索密度峰值聚类方法，对所述优化后的分布式电源出力量和所 述优化后的新型负荷需求量进行聚类处理，得到分布式电源出力和新型负荷聚 类数据集。
[0033]可选的，所述根据所述分布式电源出力和新型负荷聚类数据集，采用最大 化场景信息熵变化量的方法进行场景分类，生成多种典型场景，具体包括：
[0034]将所述分布式电源出力和新型负荷聚类数据集中的数据信息作为叶节点， 并计算所述叶节点的信息熵；
[0035]判断所有叶节点是否均不可分割；若是，则将所有叶节点作为典型场景输 出；若否，则将可分割的叶节点作为根节点，以信息熵减小量最大化为目标， 对所述根节点进行分割处理，得到分割后的叶节点后返回步骤“判断所有叶节 点是否均不可分割”。
[0036]本专利技术还提供一种典型场景生成系统，包括：
[0037]数据获取模块，用于获取分布式电源的出力量和新型负荷的需求量；所述 新型负荷包括电动汽车；
[0038]模型建立模块，用于以配电网调度能耗量最小为目标建立配电网优化模 型；
[0039]优化模块，用于根据所述配电网优化模型，对所述分布式电源的出力量和 所述新型负荷的需求量进行优化，得到优化后的分布式电源出力量和优化后的 新型负荷需求量；
[0040]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种典型场景生成方法，其特征在于，包括：获取分布式电源的出力量和新型负荷的需求量；所述新型负荷包括电动汽车；以配电网调度能耗量最小为目标建立配电网优化模型；根据所述配电网优化模型，对所述分布式电源的出力量和所述新型负荷的需求量进行优化，得到优化后的分布式电源出力量和优化后的新型负荷需求量；对所述优化后的分布式电源出力量和所述优化后的新型负荷需求量进行聚类处理，得到分布式电源出力和新型负荷聚类数据集；根据所述分布式电源出力和新型负荷聚类数据集，采用最大化场景信息熵变化量的方法进行场景分类，生成多种典型场景。2.根据权利要求1所述的典型场景生成方法，其特征在于，所述以配电网调度能耗量最小为目标建立配电网优化模型，具体包括：以最小化主网吸收的总电量、分布式电源弃电量和负荷峰谷差惩罚能耗量为目标确定目标函数；确定约束条件；所述约束条件包括功率平衡约束、系统运行约束、分布式电源出力约束、储能系统约束和负荷侧约束；将所述目标函数和所述约束条件确定为配电网优化模型；其中，根据如下公式确定目标函数：min F＝F
Buy
+F
Cur
+F
LPV
P
iBuy
(t)＝P
sum
(t)
‑
P
iDG
(t)(t)(t)式中，F为目标函数；F
Buy
为从主网吸收的总电量；F
Cur
为分布式电源弃电量；F
LPV
为负荷峰谷差惩罚能耗量；a
Buy
为从主网吸收的单位电量；T为总时段；N为节点总个数；P
iBuy
(t)为t时段内从主网输入到节点i的有功功率；a
Cur
为分布式电源的单位弃电量；P
iDG*
(t)为t时段内节点i有功功率理论值；P
iDG
(t)为t时段内节点i弃电后的有功功率实际值；P
sum
(t)为t时段内配电网的总负荷；P
iEV
(t)为t时段内节点i的电动汽车充电功率；P
ispare
(t)为t时段内节点i的备用负荷功率；P
iinvolve
(t)为t时段内节点i供给用户侧需求负荷功率；a
LPV
为负荷峰谷差的单位惩罚能耗量；为t时段内配电网的总负荷的最大值；为t时段内配电网的总负荷的最小值。3.根据权利要求2所述的典型场景生成方法，其特征在于，所述根据所述配电网优化模
型，对所述分布式电源的出力量和所述新型负荷的需求量进行优化，得到优化后的分布式电源出力量和优化后的新型负荷需求量，具体包括：根据所述配电网优化模型，采用改进后的粒子群算法对所述分布式电源的出力量和所述新型负荷的需求量进行优化，得到优化后的分布式电源出力量和优化后的新型负荷需求量；所述改进后的粒子群算法为对粒子群算法的速度更新公式中的惯性权重采用如下公式进行计算：式中，w
max
、w
min
分别为惯性权重w的最大、最小值；d、D
max
分别为当前迭代次数和最大迭代次数。4.根据权利要求3所述的典型场景生成方法，其特征在于，所述对所述优化后的分布式电源出力量和所述优化后的新型负荷需求量进行聚类处理，得到分布式电源出力和新型负荷聚类数据集，具体包括：采用快速搜索密度峰值聚类方法，对所述优化后的分布式电源出力量和所述优化后的新型负荷需求量进行聚类处理，得到分布式电源出力和新型负荷聚类数据集。5.根据权利要求4所述的典型场景生成方法，其特征在于，所述根据所述分布式电源出力和新型负荷聚类数据集，采用最大化场景信息熵变化量的方法进行场景分类，生成多种典型场景，具体包括：将所述分布式电源出力和新型负荷聚类数据集中的数据信息作为叶节点，并计算所述叶节点的信息熵；判断所有叶节点是否均不可分割；若是，则将所有叶节点作为典型场景输出；若否，则将可分割的叶节点作为根节点，以信息熵减小量最大化为目标，对所述根节点进行分割处理，得到分割后的叶节点后返回步骤“...

【专利技术属性】
技术研发人员：徐明忻，金国锋，王俊生，赵立军，孙碣，张秀路，刘自发，于普洋，文星雅，
申请(专利权)人：国网内蒙古东部电力设计有限公司国家电网有限公司华北电力大学，
类型：发明
国别省市：