一种分布式光储多场景协同优化方法技术

本发明专利技术公开了一种分布式光储多场景协同优化方法。包括：根据分布式光储系统接入电网后的功率传输容量和等效电阻，确定分布式光储系统的净能力，根据确定的净能力确定分布式光储系统的最优接入点；基于分布式光储系统的最优接入点，建立分布式光储多场景协同优化模型，所述分布式光储多场景协同优化模型的目标函数包括系统日综合成本和削峰填谷；求解所述分布式光储多场景协同优化模型的目标函数，得到分布式光储系统的运行策略。本发明专利技术可在降低负荷峰谷差、日综合成本、平抑负荷波动的同时，可显著提高对分布式光伏的消纳能力。可显著提高对分布式光伏的消纳能力。可显著提高对分布式光伏的消纳能力。

【技术实现步骤摘要】
一种分布式光储多场景协同优化方法


[0001]本专利技术涉及分布式光储的规划与调度
，更具体的说是涉及一种分布式光储多场景协同优化方法。

技术介绍

[0002]高比例分布式光伏分散接入配电网，其出力的波动性和随机性给配电网安全稳定运行带来巨大挑战。由于储能具有响应速度快、充放电功率调节灵活等特点，可以在促进大规模分布式光伏并网规划方面发挥着重要作用，而储能的合理配置是其有效应用的前提。储能优化配置一般是在综合考虑储能技术本身等多种因素前提下，以提高系统运行可靠性、安全性以及经济性为目的，寻求最优配置(最优选址、最优容量、最优调度)方案。
[0003]目前关于储能最优选址方法主要有灵敏度分析法、以系统可靠性和经济性为目标的优化方法，然而上述方法并未综合考虑配电网拓扑结构、支路阻抗和功率流分布等，且以系统可靠性和经济性为目标的优化方法求解时间长。由于分布式光储系统分散接入配电网，可控性差，且分布式光伏和负荷具有较强波动性，使得系统存在净负荷波动变大、峰谷差加剧等问题。
[0004]因此，如何对分布式电源及分布式储能系统的协同优化进行研究，提出新的优化策略，以解决上述问题，是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种分布式光储多场景协同优化方法，以至少解决上述部分技术问题。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种分布式光储多场景协同优化方法，包括如下步骤：
[0008]S1、根据分布式光储系统接入电网后的功率传输容量和等效电阻，确定分布式光储系统的净能力，根据确定的净能力确定分布式光储系统的最优接入点；
[0009]S2、基于分布式光储系统的最优接入点，建立分布式光储多场景协同优化模型，所述分布式光储多场景协同优化模型的目标函数包括系统日综合成本和削峰填谷；
[0010]S3、求解所述分布式光储多场景协同优化模型的目标函数，得到分布式光储系统的运行策略。
[0011]作为优选，S1中，所述分布式光储系统接入后，电网的净能力的表达式为：
[0012][0013]式中，N
G
、N
D
分别为发电机、负载节点数；g、d分别为发电机、负载节点；G、D分别为发电机、负载节点集合；表示分布式光储系统接入电网后，发电机
‑
负载对的支路传输容量，表示分布式光储系统接入电网后的等效电阻。
[0014]本专利技术通过净能力方程单独计算等效阻抗、等效容量、功率转移分布因子，通过比较每个节点处系统净能力值，具有较大净能力值的节点对系统更有益，因此将其作为储能最优接入位置。实现了拓扑结构与支路阻抗、支路传输功率极限等的解耦。
[0015]作为优选，和分别通过如下公式获得：
[0016][0017]其中，E为储能接入系统支路传输容量；t
c
、t
d
分别为储能充、放电时间，C
ge
表示节点g和节点e之间的容量，C
ed
表示节点e到节点d之间的容量；
[0018][0019][0020]式中，Z
ge
为阻抗矩阵的g行e列；是以等效阻抗表示的节点g和节点e间的电气距离，等效阻抗的g行e列项；为储能接入节点e后，节点ged间的等效阻抗。
[0021]作为优选，S2中，所述分布式光储多场景协同优化模型的目标函数表达式为：
[0022][0023]式中：ω
i
为第i个目标函数对应的权重，其中ω1+ω2＝1；f
i,max
、f
i,min
分别为第i个目标函数对应的最大、最小值。
[0024]作为优选，f
i
,i＝1时表示系统日综合成本，表达式为：
[0025]f1＝f
inv
+f
ope
+f
loss
+f
pum
‑
f
pva
[0026]其中，
[0027][0028]式中：f
inv
为分布式光储系统的投资成本、f
ope
为分布式光储系统的运行维护成本；
f
loss
、f
pun
、f
pva
分别为有功网损成本、弃光惩罚成本、峰谷套利成本；F
cr
为资本回收系数；Ω
s
为多场景集合；λ
s
为场景S发生的概率；N
e
为分布式储能的接入数量；c
p
、c
e
分别为储能单位功率成本、单位容量成本；功率成本、单位容量成本；分别为场景S第n个储能的额定功率和容量；r、y分别为贴现率和储能使用年限；c
o
为单位运行维护成本；分别为储能充、放电功率；Δt为单位调度时间；c
pri,t
为分时电价；N
PV
为分布式光伏接入数量；c
pun
为弃光惩罚成本；分别为第i个分布式光伏预测出力、实际调度出力；I
s,ij,t
、r
ij
分别为支路ij的电流、电阻；T为调度周期。
[0029]作为优选，所述多场景由如下步骤获得：
[0030](1)对光伏出力随机变量进行蒙特卡洛抽样，生成N个场景，按如下公式计算每对场景(z
i
,z
j
)的二范数s(z
i
,z
j
)，
[0031][0032]式中：||||2为二范数；为第i个场景中的第l个值，L为场景序列的长度。
[0033](2)获取所有场景中每对场景(z
n
,z
m
)的二范数与场景z
n
发生概率p
(n)
乘积的最小值的集合，记为集合D，表示为：
[0034][0035](3)按如下公式对集合D进行削减，剔除不具代表性且发生率较低的场景；
[0036][0037]式中：为削减场景发生的概率；p
(m)
为场景c
m
发生的概率。
[0038](4)对于集合D中的元素，根据其概率距离进行从小到大排序；
[0039](5)确定与被削减场景概率距离最小的场景，更新场景概率以及集合D中场景的数量。
[0040](6)重复步骤(2)
‑
(5)，满足所需场景数量时，停止更新。
[0041]作为优选，f
i
，i＝2时表示削峰填谷，表达式为：
[0042][0043][0044]式中：Ω
s
为多场景集合；λ
s
为场景S发生的概率；r为贴现率；T为调度周期；为t时刻净负荷；为t时刻负荷,分别为储能充、放电功率；表示分布式光伏本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式光储多场景协同优化方法，其特征在于，包括如下步骤：S1、根据分布式光储系统接入电网后的功率传输容量和等效电阻，确定分布式光储系统的净能力，根据确定的净能力确定分布式光储系统的最优接入点；S2、基于分布式光储系统的最优接入点，建立分布式光储多场景协同优化模型，所述分布式光储多场景协同优化模型的目标函数包括系统日综合成本和削峰填谷；S3、求解所述分布式光储多场景协同优化模型的目标函数，得到分布式光储系统的运行策略。2.根据权利要求1所述的一种分布式光储多场景协同优化方法，其特征在于，S1中，所述分布式光储系统接入后，电网的净能力的表达式为：式中，N
G
、N
D
分别为发电机、负载节点数；g、d分别为发电机、负载节点；G、D分别为发电机、负载节点集合；表示分布式储能系统接入电网后，发电机
‑
负载对的支路传输容量；表示分布式储能系统接入电网后的等效电阻。3.根据权利要求2所述的一种分布式光储多场景协同优化方法，其特征在于，和分别通过如下公式获得：其中，E为储能接入系统支路传输容量；t
c
、t
d
分别为储能充、放电时间，C
ge
表示节点g和节点e之间的容量，C
ed
表示节点e到节点d之间的容量；表示节点e到节点d之间的容量；式中，Z
ge
为阻抗矩阵的g行e列；是以等效阻抗表示的节点g和节点e间的电气距离，等效阻抗的g行e列项；为储能接入节点e后，节点ged间的等效阻抗。4.根据权利要求1所述的一种分布式光储多场景协同优化方法，其特征在于，S2中，所述分布式光储多场景协同优化模型的目标函数表达式为：式中：ω
i
为第i个目标函数对应的权重，其中ω1+ω2＝1；f
i,max
、f
i,min
分别为第i个目标函数对应的最大、最小值。5.根据权利要求4所述的一种分布式光储多场景协同优化方法，其特征在于，f
i
,i＝1时表示系统日综合成本，表达式为：f1＝f
inv
+f
ope
+f
loss
+f
pum
‑
f
pva
其中，式中：f
inv
为分布式光储系统的投资成本、f
ope
为分布式光储系统的运行维护成本；f
loss
、f
pun
、f
pva
分别为有功网损成本、弃光惩罚成本、峰谷套利成本；F
cr
为资本回收系数；Ω
s
为多场景集合；λ
s
为场景S发生的概率；N<...

【专利技术属性】
技术研发人员：景明玉，刘俊，孙博，杜静静，彭自强，杜海龙，徐芳刚，刘伟，
申请(专利权)人：国网甘肃省电力公司庆阳供电公司，
类型：发明
国别省市：