一种基于GMM的配电网光伏与电动汽车充电站协同规划方法技术

本发明专利技术公开了一种基于GMM的配电网光伏与电动汽车充电站协同规划方法，包括，基于GMM对分布式光伏出力不确定行进行刻画，包括采用所述GMM对光伏出力的概率分布进行建模和采用所述GMM对所述光伏出力不确定性进行建模；配电网多元源荷多目标协同规划模型的建立，基于所述光伏出力不确定性的模型，建立统一的典型运行场景，进而对电动汽车充电桩和分布式光伏进行规划，构建规划模型，根据相关约束和光伏出力的时序不确定性进行定容，并通过多目标粒子群算法进行选址，确定规划方案。本发明专利技术在MAE、RMSE和余弦距离方面，拟合效果提升30％～60％，具有一定的优势；利用多目标粒子群算法求解有助于消纳过剩的光伏有功出力、有助于在支路末端抬升电压。支路末端抬升电压。支路末端抬升电压。

【技术实现步骤摘要】
一种基于GMM的配电网光伏与电动汽车充电站协同规划方法


[0001]本专利技术涉及配电网规划的
，尤其涉及一种基于GMM的配电网光伏与电动汽车充电站协同规划方法。

技术介绍

[0002]在“双碳”目标的要求下，以清洁能源发电为主体的新型电力系统建设进程在不断加快。配电网也逐渐发展为多元源荷灵活接入的模式，以光伏发电和新能源汽车为代表的新型源荷接入配电网的比例日益攀升。光伏发电作为节能减碳的关键技术，其相关产业迅速发展，在配电网中的渗透率也日益提高。然而，由于光伏单元的发电功率受到光照强度、温度等气象条件的影响，呈现出较强的随机性和波动性，大规模接入会对配电网的稳态特性和暂态特性造成巨大冲击，在电能质量、负载率、电压安全、潮流方向及保护控制等方面带来影响。此外，在新型负荷侧方面，以电动汽车为代表的新能源汽车的保有量也在逐年增加，电动汽车集群充电负荷也成为了配电网用电负荷的重要组成成分。就单台电动汽车充电负荷特性而言，其快充功率较大，且充电时间、充电功率在极大程度上受到用户特性的影响，具有很强的随机性。电动汽车集群充放电更加容易导致配电台区的负荷波动，其充电时间的相关性会导致峰荷时段配电网用电负荷激增，甚至可能引起配电变压器过载的问题。因此，亟需考虑多元源荷随机性、波动性对配电网的影响，进而提出配电网合理规划、安全运行策略。

技术实现思路

[0003]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0004]鉴于上述现有基于GMM的配电网光伏与电动汽车充电站协同规划方法存在的问题，提出了本专利技术。
[0005]因此，本专利技术目的是提供一种基于GMM的配电网光伏与电动汽车充电站协同规划方法。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：基于GMM对分布式光伏出力不确定行进行刻画，包括采用所述GMM对光伏出力的概率分布进行建模和采用所述GMM对所述光伏出力不确定性进行建模；
[0007]配电网多元源荷多目标协同规划模型的建立，基于所述光伏出力不确定性的模型，建立统一的典型运行场景，进而对电动汽车充电桩和分布式光伏进行规划，构建规划模型，根据相关约束和光伏出力的时序不确定性进行定容，并通过多目标粒子群算法进行选址，确定规划方案。
[0008]作为本专利技术所述基于GMM的配电网光伏与电动汽车充电站协同规划方法的一种优选方案，其中：所述GMM对所述光伏出力的概率分布进行建模包括，
[0009]用单维正态分布的概率密度函数进行表示，公式如下：
[0010][0011]其中，x为被观测的光伏样本数据，u为该分布的均值，σ为所有向量x的协方差矩阵，是一个对角矩阵x表示的事件相互独立时为一个对角矩阵，θ＝(μ，σ)；D表示x的维数。
[0012]作为本专利技术所述基于GMM的配电网光伏与电动汽车充电站协同规划方法的一种优选方案，其中：采用K个高斯分布叠加为一个分布来反映所述光伏出力，每个高斯分布为高斯混合分布模型的一个类，所述高斯混合分布模型概率密度表示为：
[0013][0014]其中，x为光伏出力变量，φ(x|θ
k
)为第k个高斯分布；α
k
为第k个高斯分量的权重，表示选中一个样本属于k类的概率；
[0015]其中，α
k
满足以下条件：
[0016][0017]作为本专利技术所述基于GMM的配电网光伏与电动汽车充电站协同规划方法的一种优选方案，其中：所述GMM对所述光伏出力不确定性进行建模包括，
[0018]以分布式光伏出力的历史数据为输入，给定所述高斯分布维度，建立一维GMM模型，目标函数为所述分布式光伏出力历史数据的对数似然函数，公式如下：
[0019][0020]其中，x
j
(j＝1，2，
…
，n)为分布式光伏出力第j个历史数据，n为历史数据总数。
[0021]作为本专利技术所述基于GMM的配电网光伏与电动汽车充电站协同规划方法的一种优选方案，其中：基于所述光伏出力不确定性的模型，建立统一的典型运行场景，进而对电动汽车充电桩和分布式光伏进行规划，构建规划模型，根据相关约束和光伏出力的时序不确定性进行定容，并通过多目标粒子群算法进行选址，确定规划方案包括，
[0022]基于光伏出力不确定性对网损、电压偏差、潮流分布的影响，以规划期内投资运行成本最小、有功网损最小和电压偏差最小为目标：
[0023]minf1＝B
cost
＝B
PV
+B
PE
[0024]minf2＝P
loss
[0025]minf3＝ΔU
[0026][0027][0028][0029][0030]B
loss
＝TC
p
T
max
P
loss
[0031][0032]其中：B
PV
为光伏的投资维护费用，N为节点总数，x
PV，i
表示节点i是否安装光伏电源，1表示安装，0表示未安装，β为年平均费用系数，C
PV
为光伏电源的单位容量投资费，P
PV，i
为节点i安装的光伏电源容量，C
′
PV
为光伏电源的单位容量年运行费，B
Pe
为电动汽车充电桩的投资维护费用，x
PE，i
表示节点i是否安装电动汽车充电桩，1表示安装，0表示未安装，C
PE
为电动汽车充电桩的单位容量投资费，P
PE，i
为节点i安装的充电桩容量，C
′
PE
为电动汽车充电桩的单位容量年运行费，由用户充电需求决定，T为投资年限，r0为贴现率，B
loss
为网损费用，T
max
为最大负荷利用小时数，C
p
为电价，P
l
o
ss
为有功网损，由潮流计算求解得到，U
iN
为示i节点的标称电压。
[0033]作为本专利技术所述基于GMM的配电网光伏与电动汽车充电站协同规划方法的一种优选方案，其中：所述约束条件包括潮流约束、节点电压约束、线路传输能力约束和电动汽车充电桩容量约束。
[0034]作为本专利技术所述基于GMM的配电网光伏与电动汽车充电站协同规划方法的一种优选方案，其中：所述潮流约束为：
[0035][0036]其中，P
i
和Q
i
分别为注入i节点的有功、无功功率，j∈＜i，：＞为节点i下接节点编号，G
ij
为线路<i，j＞的电导，B
ij
为线路<i，j＞的电纳，θ
ij<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GMM的配电网光伏与电动汽车充电站协同规划方法，其特征在于：包括，基于GMM对分布式光伏出力不确定行进行刻画，包括采用所述GMM对光伏出力的概率分布进行建模和采用所述GMM对所述光伏出力不确定性进行建模；配电网多元源荷多目标协同规划模型的建立，基于所述光伏出力不确定性的模型，建立统一的典型运行场景，进而对电动汽车充电桩和分布式光伏进行规划，构建规划模型，根据相关约束和光伏出力的时序不确定性进行定容，并通过多目标粒子群算法进行选址，确定规划方案。2.如权利要求1所述的基于GMM的配电网光伏与电动汽车充电站协同规划方法，其特征在于：所述GMM对所述光伏出力的概率分布进行建模包括，用单维正态分布的概率密度函数进行表示，公式如下：其中，x为被观测的光伏样本数据，u为该分布的均值，σ为所有向量x的协方差矩阵，是一个对角矩阵x表示的事件相互独立时为一个对角矩阵，θ＝(μ，σ)；D表示x的维数。3.如权利要求1所述的基于GMM的配电网光伏与电动汽车充电站协同规划方法，其特征在于：采用K个高斯分布叠加为一个分布来反映所述光伏出力，每个高斯分布为高斯混合分布模型的一个类，所述高斯混合分布模型概率密度表示为：其中，x为光伏出力变量，φ(x|θ
k
)为第k个高斯分布；α
k
为第k个高斯分量的权重，表示选中一个样本属于k类的概率；其中，α
k
满足以下条件：4.如权利要求3所述的基于GMM的配电网光伏与电动汽车充电站协同规划方法，其特征在于：所述GMM对所述光伏出力不确定性进行建模包括，以分布式光伏出力的历史数据为输入，给定所述高斯分布维度，建立一维GMM模型，目标函数为所述分布式光伏出力历史数据的对数似然函数，公式如下：其中，x
j
(j＝1，2，...，n)为分布式光伏出力第j个历史数据，n为历史数据总数。5.如权利要求1所述的基于GMM的配电网光伏与电动汽车充电站协同规划方法，其特征在于：基于所述光伏出力不确定性的模型，建立统一的典型运行场景，进而对电动汽车充电桩和分布式光伏进行规划，构建规划模型，根据相关约束和光伏出力的时序不确定性进行定容，并通过多目标粒子群算法进行选址，确定规划方案包括，基于光伏出力不确定性对网损、电压偏差、潮流分布的影响，以规划期内投资运行成本最小、有功网损最小和电压偏差最小为目标：
minf1＝B
cost
＝B
PV
+B
PE
minf2＝P
loss
minf3＝ΔU＝ΔU＝ΔU＝ΔUB
loss
＝TC
p
T
max
P
loss
其中：B
PV
为光伏的投资维护费用，N为节点总数，x
PV，i
表示节点i是否安装光伏电源，1表示安装，0表示未安装，β为年平均费用系数，C
PV
为光伏电源的单位容量投资费，P
PV，i
为节点i安装的光伏电源容量，C
′
PV
为光伏电源的单位容量年运行费，B
PE
为电动汽车充电桩的投资维护费用，x
PE，i
表示节点i是否...

【专利技术属性】
技术研发人员：付宇，蔡永翔，白浩，肖小兵，李跃，李巍，王扬，刘通，刘安茳，熊楠，方阳，郑友卓，郝树青，苗宇，徐进，张洋，王祖峰，李新皓，任佳宽，张恒荣，宋子宏，班师雪，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：