基于分布式鲁棒优化的新能源接纳能力评估方法及系统技术方案

本发明专利技术公开了一种基于分布式鲁棒优化的新能源接纳能力评估方法及系统，包括构建数学模型，以获得新能源实际接纳能力；基于新能源实际接纳能力构建分布式鲁棒优化接纳能力模型；对分布式鲁棒优化接纳能力模型进行求解，以获得新能源最大接纳能力所对应的最优方案；基于最优方案部署分布式电源；该方法在评估过程中同时利用了统计信息(即一阶和二阶矩)和不确定变量的经验分布，使其结果实用，且安全性较高；并在提出的基于DRO的方法中，定义一个风险水平，以保证可靠性和经济性的守恒。以保证可靠性和经济性的守恒。以保证可靠性和经济性的守恒。

【技术实现步骤摘要】
基于分布式鲁棒优化的新能源接纳能力评估方法及系统


[0001]本专利技术涉及新能源接纳能力评估领域
，具体涉及一种基于分布式鲁棒优化的新能源接纳能力评估方法及系统。

技术介绍

[0002]近年来，基于可再生能源的分布式发电(Distributed Generation,DG)在配电网络中的集成显著增加；在实际部署分布式电源前，需要进行承载能力(Hosting Capacity,HC)评估；通过这样做，配电系统运营商(Distribution System Operators,DSO)可以确定其网络中可容纳的最大DG容量，并就DG的布局和规模做出最佳决策；考虑到不同的约束条件，国内外诸多学者研究了接纳问题，有学者提出了解决接纳问题的最优功率流方法，还开发了基于分析、启发式和顺序功率流的方法来确定接纳能力；部分学者使用基于优化的蒙特卡罗框架评估了接纳能力对不确定性的敏感性；然而，该研究使用时间序列模拟来解决不确定性，这可能会耗费大量时间来分析未来的电网场景，为了解决与DG和负载相关的不确定性，有些学者提出了一个基于优化的框架，该框架对接纳能力进行了概率评估；在实践中，历史数据可以提供比不确定变量边界更多的信息；然而，历史数据可用于获得经验上的概率分布函数(Probability Distribution Functions,PDF)，而不是不确定变量的确切PDF。
[0003]为了应对这种情况，最近发展了分布式鲁棒优化(Distributionally Robust Optimization,DRO)；在该方法中，假设不确定变量的精确概率分布函数不可用；然而，假设不确定性的概率密度函数在一个置信集内，利用历史数据中不确定变量的分布信息可以构造置信集；例如，置信集可以由具有共同均值和协方差矩阵的所有概率函数组成；近年来，DRO已被应用于一些电力系统优化问题，包括机组组合和备用调度。
[0004]然而，这些研究通常只考虑了历史数据的一阶和二阶矩来建立置信集，而忽略了不确定性的经验分布；目前的研究中，还没有在电力系统中同时利用统计信息和经验分布的DRO应用，未能考虑与负荷和DG输出功率相关的不确定性。

技术实现思路

[0005]针对上述问题，本专利技术的第一个目的是提出一种基于分布式鲁棒优化的新能源接纳能力评估方法，该方法在评估过程中同时利用了统计信息(即一阶和二阶矩)和不确定变量的经验分布，使其结果实用，且安全性较高；并在提出的基于DRO的方法中，定义一个风险水平，以保证可靠性和经济性的守恒。
[0006]本专利技术的第二个目的是提供一种基于分布式鲁棒优化的新能源接纳能力评估系统。
[0007]本专利技术所采用的第一个技术方案是：一种基于分布式鲁棒优化的新能源接纳能力评估方法，包括以下步骤：
[0008]S100：构建数学模型，以获得新能源实际接纳能力；
[0009]S200：基于新能源实际接纳能力构建分布式鲁棒优化接纳能力模型；
[0010]S300：对分布式鲁棒优化接纳能力模型进行求解，以获得新能源最大接纳能力所对应的最优方案；
[0011]S400：基于最优方案部署分布式电源。
[0012]优选地，所述步骤S100包括以下子步骤：
[0013]S110采用分布式发电位置场景生成器为分布式发电生成大量位置组合；
[0014]S120：构建数学模型，基于数学模型确定任一位置组合下的最大分布式发电容量；并将所有位置组合的最大分布式发电容量中的最小值定义为新能源实际接纳能力。
[0015]优选地，所述数学模型的目标函数通过以下公式表示：
[0016][0017]式中，HC为承载能力；DG
m
为具有分布式发电的母线组；为母线j处的分布式发电装机容量。
[0018]优选地，所述步骤S200包括以下子步骤：
[0019]S210：基于新能源实际接纳能力构建不确定接纳能力模型；
[0020]S220：基于所述不确定接纳能力模型，采用分布稳健方法构建分布式鲁棒优化接纳能力模型。
[0021]优选地，所述不确定接纳能力模型通过以下公式表示：
[0022][0023]s.t.
[0024][0025]G
k
(Cap
g
,ξ)≤0,k∈C
ꢀꢀꢀ
(11)
[0026]式中，DG
m
为具有分布式发电的母线组；为母线j处的分布式发电装机容量；为由Cap
g
和ξ表示的等式约束表达式；G
k
(Cap
g
,ξ)为由Cap
g
和ξ表示的不等式约束表达式；ξ为不确定变量的向量；Cap
g
为分布式发电装机容量；k为约数个数；C
eq
和C为接纳问题的等式和不等式约束集；s.t.是指满足于下列条件。
[0027]优选地，所述分布式鲁棒优化接纳能力模型通过以下公式表示：
[0028][0029]s.t.
[0030][0031]式中，DG
m
为具有分布式发电的母线组；为母线j处的分布式发电装机容量；τ为风险水平；D
φ
为置信集；f为不确定性概率实际密度函数；ξ为不确定变量的向量；
为T(Cap
g
,ξ)函数对f的概率分布函数；其中，,ξ)函数对f的概率分布函数；其中，,ξ)函数对f的概率分布函数；其中，为由Cap
g
和ξ表示的等式约束表达式，G
k
(Cap
g
,ξ)为由Cap
g
和ξ表示的不等式约束表达式，k为约数个数，C
eq
和C为接纳问题的等式和不等式约束集。
[0032]优选地，所述不确定变量的向量建模如下式所示：
[0033][0034]式中，为输出功率为x时的概率函数；x为模拟输出功率；α和β为形状参数。
[0035]优选地，所述置信集建模如下式所示：
[0036][0037]式中，D
φ
为置信集；P为置信集内累积密度函数；M
+
为所有累积密度函数(Cumulative Density Functions,CDF)的集合；D
φ
(f||f0)为歧义集分布函数；f为不确定性概率实际密度函数；ξ为不确定变量的向量；ψ为风险规避水平。
[0038]优选地，所述步骤S300中对分布式鲁棒优化接纳能力模型进行求解包括：
[0039]将不确定变量的向量建模转化为等效的联合机会约束，使用样本平均近似来求解所述等效的联合机会约束。
[0040]本专利技术所采用的第二个技术方案是：一种基于分布式鲁棒优化的新能源接纳能力评估系统，包括数学模型构建模块、分布式鲁棒优化接纳能力模型构建模块、计算模块和部署模块；
[0041]所述数学模型构建模块用于构建数学模型，以获得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分布式鲁棒优化的新能源接纳能力评估方法，其特征在于，包括以下步骤：S100：构建数学模型，以获得新能源实际接纳能力；S200：基于新能源实际接纳能力构建分布式鲁棒优化接纳能力模型；S300：对分布式鲁棒优化接纳能力模型进行求解，以获得新能源最大接纳能力所对应的最优方案；S400：基于最优方案部署分布式电源。2.根据权利要求1所述的新能源接纳能力评估方法，其特征在于，所述步骤S100包括以下子步骤：S110采用分布式发电位置场景生成器为分布式发电生成大量位置组合；S120：构建数学模型，基于数学模型确定任一位置组合下的最大分布式发电容量；并将所有位置组合的最大分布式发电容量中的最小值定义为新能源实际接纳能力。3.根据权利要求2所述的新能源接纳能力评估方法，其特征在于，所述数学模型的目标函数通过以下公式表示：式中，HC为承载能力；DG
m
为具有分布式发电的母线组；为母线j处的分布式发电装机容量。4.根据权利要求1所述的新能源接纳能力评估方法，其特征在于，所述步骤S200包括以下子步骤：S210：基于新能源实际接纳能力构建不确定接纳能力模型；S220：基于所述不确定接纳能力模型，采用分布稳健方法构建分布式鲁棒优化接纳能力模型。5.根据权利要求4所述的新能源接纳能力评估方法，其特征在于，所述不确定接纳能力模型通过以下公式表示：s.t.G
k
(Cap
g
,ξ)≤0,k∈C
ꢀꢀꢀ
(11)式中，DG
m
为具有分布式发电的母线组；为母线j处的分布式发电装机容量；为由Cap
g
和ξ表示的等式约束表达式；G
k
(Cap
g
,ξ)为由Cap
g
和ξ表示的不等式约束表达式；ξ为不确定变量的向量；Cap
g
为分布式发电装机容量；k为约数个数；C
eq
和C为接纳问题的等式和不等式约束集；s.t.是指满足于下列条件。6.根据权利要求4所述的新能源接纳能力评估方法，其特征在于，所述分布式鲁棒优化接纳能力模型通过以下公式表示：

【专利技术属性】
技术研发人员：杨晨钧，林勇，齐士伟，李海燕，马海洋，徐友清，
申请(专利权)人：国网吉林省电力有限公司经济技术研究院，
类型：发明
国别省市：