本發(fā)明涉及配電系統(tǒng)規(guī)劃技術(shù)領(lǐng)域，尤其涉及一種計算分布式光伏并網(wǎng)最大準(zhǔn)入容量的方法。

背景技術(shù)：

隨著能源危機(jī)和環(huán)境保護(hù)壓力的日益增大，可再生能源的利用越來越受到重視。其中，太陽能發(fā)電技術(shù)是近年來國際上發(fā)展速度最快的可再生能源技術(shù)，分布式光伏并網(wǎng)發(fā)電已經(jīng)成為利用太陽能的主要方式之一。大規(guī)模分布式光伏并網(wǎng)具有大容量、動態(tài)及隨機(jī)性等特點，這給電網(wǎng)的安全可靠運(yùn)行帶來了挑戰(zhàn)。無論在光伏電站規(guī)劃設(shè)計階段還是在電力系統(tǒng)的實際運(yùn)行中，對電網(wǎng)能夠承受的并網(wǎng)光伏最大準(zhǔn)入容量的確定是一個急需解決的問題。

目前，考慮分布式光伏接入配電網(wǎng)所帶來的有功損耗、電壓分布、短路電流、諧波畸變率等方面的影響，針對配電網(wǎng)對分布式電源的滲透能力，國內(nèi)外學(xué)者已做了較多的研究。相關(guān)的分析方法主要包括解析法、動態(tài)仿真模擬試探法、智能優(yōu)化算法等。其中，解析方法通過推導(dǎo)數(shù)學(xué)解析公式的方式得出光伏準(zhǔn)入容量與變量之間的關(guān)系，從而獲得最大準(zhǔn)入容量的解析式。動態(tài)仿真模擬試探法通過仿真技術(shù)逐漸增加各點的并網(wǎng)容量，觀察指標(biāo)的變化情況，最終得出最大準(zhǔn)入容量。智能優(yōu)化算法通過建立數(shù)學(xué)模型，以不從的角度選取目標(biāo)函數(shù)、以系統(tǒng)潮流和各種指標(biāo)為約束條件，從而將光伏并網(wǎng)容量建模為最優(yōu)化模型，并利用智能優(yōu)化算法進(jìn)行全局尋優(yōu)，最終得到容量規(guī)劃方案?？紤]到光伏出力與負(fù)荷用電的隨機(jī)性與波動性特點，目前解析法和動態(tài)仿真法存在一定的局限性。

技術(shù)實現(xiàn)要素：

本發(fā)明提供了一種計算分布式光伏并網(wǎng)最大準(zhǔn)入容量的方法，其能夠針對光伏出力和負(fù)荷用電的隨機(jī)性和波動性，更加準(zhǔn)確的計算分布式光伏并網(wǎng)最大準(zhǔn)入容量的方法。

為了解決上述問題，本發(fā)明提供了一種計算分布式光伏并網(wǎng)最大準(zhǔn)入容量的方法，其包括：

S1，獲取配電系統(tǒng)的基礎(chǔ)數(shù)據(jù)；

S2，將光伏出力與負(fù)荷用電作為隨機(jī)變量建立概率分布模型；

S3，利用基礎(chǔ)數(shù)據(jù)構(gòu)建分布式光伏并網(wǎng)最大準(zhǔn)入容量的機(jī)會約束規(guī)劃模型，所述機(jī)會約束規(guī)劃模型包括目標(biāo)函數(shù)和約束條件；

S4，通過隨機(jī)模擬技術(shù)對概率分布模型采樣產(chǎn)生樣本數(shù)據(jù)，檢驗其是否滿足約束條件，如果滿足，執(zhí)行S6，如果不滿足，則執(zhí)行S5；

S5，將罰函數(shù)計入目標(biāo)函數(shù)；

S6，通過粒子群算法對機(jī)會約束規(guī)劃模型進(jìn)行全局尋優(yōu)。

優(yōu)選地，S2中，光伏出力作為隨機(jī)變量的概率分布模型為Beta分布模型。

優(yōu)選地，S2中，負(fù)荷用電作為隨機(jī)變量的概率分布模型為正態(tài)分布模型。

優(yōu)選地，S3中，所述約束條件包括潮流等式約束和機(jī)會函數(shù)不等式約束。

優(yōu)選地，所述機(jī)會函數(shù)不等式約束具體包括：

Pr{U_i,min≤U_i≤U_i,max}≥β_U

Pr{P_G-P_PV≥0}≥β_Grid

其中，Pr為指標(biāo)合格事件的機(jī)會，U_i為節(jié)點i的電壓，U_i,min為節(jié)點i的電壓的下限，U_i,max為節(jié)點i的電壓的上限，β_U為電壓的置信水平，P_l為負(fù)荷用電的有功功率，l為負(fù)荷用電支路，M_Breaker為斷路器支路集合，β_l為線路上的有功功率的置信水平，P_G表示常規(guī)機(jī)組的有功功率，P_PV為光伏出力的有功功率，β_Grid為配電網(wǎng)的整體有功功率的置信水平。

優(yōu)選地，S4中具體為，對產(chǎn)生的樣本數(shù)據(jù)計算潮流等式約束，并檢驗各機(jī)會函數(shù)不等式約束的指標(biāo)合格事件的機(jī)會是否滿足置信水平，S5具體為，將不滿足的機(jī)會函數(shù)不等式約束進(jìn)行懲罰，并以罰函數(shù)形式計入目標(biāo)函數(shù)中形成無約束適應(yīng)度函數(shù)。

優(yōu)選地，所述無約束適應(yīng)度函數(shù)具體為其中，e^T為與光伏接入節(jié)點相對應(yīng)的單位向量，P_PV為分布式光伏注入節(jié)點的有功功率，w_u、w_l、w_p分別為電壓越限、斷路器支路潮流倒送、向主網(wǎng)倒送功率的懲罰系數(shù)，K_u、K_l、K_p分別為電壓越限、斷路器支路潮流倒送、向主網(wǎng)倒送功率的頻率。

優(yōu)選地，S6中，粒子群算法的步驟包括：

對參數(shù)進(jìn)行初始化并確定迭代終止條件；

計算每個粒子的適應(yīng)值，并確定全局最好位置；

隨機(jī)選取權(quán)重值，并對粒子的速度和位置進(jìn)行更新迭代；

判斷迭代是否完成，若完成，則輸出結(jié)果，若未完成，則返回上一步。

優(yōu)選地，隨機(jī)權(quán)重值根據(jù)標(biāo)準(zhǔn)正態(tài)分布和rand函數(shù)選取。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：從配電網(wǎng)規(guī)劃角度對配電系統(tǒng)中分布式光伏的最大準(zhǔn)入容量問題進(jìn)行建模，建立以分布式光伏準(zhǔn)入容量最大化為目標(biāo)函數(shù)，以系統(tǒng)隨機(jī)潮流為等式約束，以電網(wǎng)電壓、繼電保護(hù)、潮流倒送等機(jī)會函數(shù)形式為不等式約束條件的分布式光伏并網(wǎng)最大準(zhǔn)入容量模型，通過基于隨機(jī)規(guī)劃的分布式光伏并網(wǎng)最大準(zhǔn)入容量計算方法來進(jìn)行求解，能夠為高密度分布式光伏并網(wǎng)提供參考。

附圖說明

圖1是本發(fā)明實施例的計算分布式光伏并網(wǎng)最大準(zhǔn)入容量的方法的流程圖；

圖2是本發(fā)明實施例的計算分布式光伏并網(wǎng)最大準(zhǔn)入容量的方法的步驟S6的流程圖。

具體實施方式

下面結(jié)合附圖和具體實施例對本發(fā)明作進(jìn)一步詳細(xì)描述，但不作為對本發(fā)明的限定。

本發(fā)明公開了一種計算分布式光伏并網(wǎng)最大準(zhǔn)入容量的方法，其包括：

S1，獲取配電系統(tǒng)的基礎(chǔ)數(shù)據(jù)，其中，基礎(chǔ)數(shù)據(jù)包括網(wǎng)架結(jié)構(gòu)、負(fù)荷水平和電氣參數(shù)，例如，獲取33節(jié)點的基礎(chǔ)數(shù)據(jù)；

S2，將光伏出力與負(fù)荷用電作為隨機(jī)變量建立概率分布模型；

S3，利用基礎(chǔ)數(shù)據(jù)構(gòu)建分布式光伏并網(wǎng)最大準(zhǔn)入容量的機(jī)會約束規(guī)劃模型，機(jī)會約束規(guī)劃模型包括目標(biāo)函數(shù)和約束條件；

S4，通過隨機(jī)模擬技術(shù)對概率分布模型采樣產(chǎn)生樣本數(shù)據(jù)，檢驗其是否滿足約束條件，如果滿足，執(zhí)行S6，如果不滿足，則執(zhí)行S5；

S5，將罰函數(shù)計入目標(biāo)函數(shù)；

S6，通過粒子群算法對機(jī)會約束規(guī)劃模型進(jìn)行全局尋優(yōu)。

本發(fā)明提供的計算分布式光伏并網(wǎng)最大準(zhǔn)入容量的方法，從配電網(wǎng)規(guī)劃的角度對配電系統(tǒng)中分布式光伏的最大準(zhǔn)入容量問題進(jìn)行建模，其中，針對光伏出力與負(fù)荷用電的隨機(jī)波動性，采用隨機(jī)規(guī)劃的采樣方法模擬光伏出力和負(fù)荷用電的實際運(yùn)行情況，模型描述更加準(zhǔn)確。

在本實施例中，S2中，光伏出力作為隨機(jī)變量的概率分布模型為Beta分布模型。在一定時間段內(nèi)光照強(qiáng)度可近似看成Beta分布，因此，可推導(dǎo)出光伏電池的隨機(jī)出力也呈Beta分布，其概率密度函數(shù)為其中，α、β是形狀參數(shù)，P_PV是分布式光伏注入節(jié)點的有功功率，P_max是一定時間段內(nèi)最大有功功率。

在本實施例中，S2中，負(fù)荷用電作為隨機(jī)變量的概率分布模型為正態(tài)分布模型。電力負(fù)荷具有時變性與隨機(jī)性，不同天相同時間段負(fù)荷用電的有功功率和無功功率的隨機(jī)模型符合正態(tài)分布，其概率密度函數(shù)分別為，和其中，σ_P、σ_Q、μ_P、μ_Q是隨機(jī)變量的數(shù)字特征，P_L、Q_L分別是負(fù)荷用電的有功功率和無功功率。

機(jī)會約束規(guī)劃模型的目標(biāo)函數(shù)為配電網(wǎng)可接入節(jié)點的分布式光伏的準(zhǔn)入容量，可以表示為maxF(P_PV)＝e^TP_PV，其中，向量P_PV為控制變量，具體為[P_PV1，P_PV2,…,P_PVm]^T，e^T是與光伏接入節(jié)點相對應(yīng)的單位向量，若節(jié)點接入光伏，對應(yīng)相應(yīng)的位置為1，否則為0。

在本實施例中，S3中，約束條件包括潮流等式約束和機(jī)會函數(shù)不等式約束。其中，潮流等式約束為其中，i表示電網(wǎng)的節(jié)點編號，P、Q分別表示有功功率和無功功率，R表示線路電阻，X表示電抗，U表示電壓，PV、L分別表示光伏出力和負(fù)荷用電。

在本實施例中，機(jī)會函數(shù)不等式約束包括以電網(wǎng)電壓、繼電保護(hù)、潮流倒送等機(jī)會約束形式的不等式約束條件。其可以具體包括電網(wǎng)電壓的約束，Pr{U_i,min≤U_i≤U_i,max}≥β_U，其中，Pr為指標(biāo)合格事件的機(jī)會(即，指標(biāo)合格率)，U_i為節(jié)點i的電壓，U_i,min為節(jié)點i的電壓的下限，U_i,max為節(jié)點i的電壓的上限，β_U為電壓的置信水平；繼電保護(hù)的約束，其中，P_l為負(fù)荷用電的有功功率，l為負(fù)荷用電支路，M_Breaker為斷路器支路集合，β_l為線路上的有功功率的置信水平；潮流倒送的約束，Pr{P_G-P_PV≥0}≥β_Grid，其中，P_G表示常規(guī)機(jī)組的有功功率，P_PV為光伏出力的有功功率，β_Grid為配電網(wǎng)的整體有功功率的置信水平；以及約束，0≤P_PV,i≤P_{PV，i，max}，其中，P_{PV，i，max}為分布式光伏注入節(jié)點i的有功功率的上限。

關(guān)于上述不等式約束中，β_U、β_l、β_Grid均是不大于1的非負(fù)數(shù)，其越接近1則對指標(biāo)合格率的要求越嚴(yán)格，其等于1時不允許指標(biāo)越線。另外，繼電保護(hù)的約束可以避免影響繼電保護(hù)正常工作，潮流倒送的約束可以避免分布式光伏容量較大時引起的潮流倒送。

通過建立容易求解的機(jī)會函數(shù)不等式約束，利用光伏出力和負(fù)荷用電的概率分布模型，可以更加準(zhǔn)確的確定分布式光伏的最大并網(wǎng)準(zhǔn)入容量。

下面以一個機(jī)會函數(shù)不等式約束條件為例，說明隨機(jī)模擬法是如何應(yīng)用于隨機(jī)系統(tǒng)的。光伏出力服從Beta分布，負(fù)荷用電服從正態(tài)分布。

模擬算法如下：

設(shè)n＝0；

從f(P_PV)，f(P_L)，f(Q_L)分布函數(shù)中隨機(jī)生成光伏出力與負(fù)荷用電的數(shù)值；

應(yīng)用前推回代潮流方法計算斷路器支路首段功率P_l，如果P_l≥0,則n＝n+1；

重復(fù)N次。

如果N足夠大，且僅當(dāng)n/N≥β_l時，上述例舉的機(jī)會函數(shù)不等式約束條件成立則結(jié)束計算。

在本實施例中，當(dāng)分布式光伏電站接入容量不合理時，節(jié)點電壓可能越限，斷路器所在支路功率可能逆向，區(qū)域潮流可能向主網(wǎng)倒送，因此，S4中可以為，對產(chǎn)生的樣本數(shù)據(jù)計算潮流等式約束，并檢驗各機(jī)會函數(shù)不等式約束的指標(biāo)合格事件的機(jī)會是否滿足置信水平，S5為，將不滿足的機(jī)會函數(shù)不等式約束進(jìn)行懲罰，并以罰函數(shù)形式計入目標(biāo)函數(shù)中形成求解最小值的無約束適應(yīng)度函數(shù)。

其中，求解最小值的無約束適應(yīng)度函數(shù)可以為其中，e^T為與光伏接入節(jié)點相對應(yīng)的單位向量，P_PV為分布式光伏注入節(jié)點的有功功率，w_u、w_l、w_p分別為電壓越限、斷路器支路潮流倒送、向主網(wǎng)倒送功率的懲罰系數(shù)，K_u、K_l、K_p分別為電壓越限、斷路器支路潮流倒送、向主網(wǎng)倒送功率的頻率。

本發(fā)明提供的計算分布式光伏并網(wǎng)最大準(zhǔn)入容量的方法，從配電網(wǎng)規(guī)劃角度對配電系統(tǒng)中分布式光伏的最大準(zhǔn)入容量問題進(jìn)行建模，建立以分布式光伏準(zhǔn)入容量最大化為目標(biāo)函數(shù)，以系統(tǒng)隨機(jī)潮流為等式約束，以電網(wǎng)電壓、繼電保護(hù)、潮流倒送等機(jī)會函數(shù)形式為不等式約束條件的分布式光伏并網(wǎng)最大準(zhǔn)入容量模型，通過基于隨機(jī)規(guī)劃的分布式光伏并網(wǎng)最大準(zhǔn)入容量計算方法來進(jìn)行求解，能夠為高密度分布式光伏并網(wǎng)提供參考。

參考圖2，S6中，粒子群算法的步驟包括：

對參數(shù)進(jìn)行初始化，并確定迭代終止條件；

其中，對參數(shù)進(jìn)行初始化包括，初始化隨機(jī)變量的數(shù)字特征σ_P(可以取期望的5％)、σ_Q、μ_P、μ_Q和分布式光伏的Beta選用的13:00到14:00時間段的形狀參數(shù)α＝1.886、β＝1.141，以及粒子群算法的參數(shù)，例如，群體規(guī)模m＝100、維度s＝6(配電系統(tǒng)中可接入的分布式光伏的節(jié)點數(shù)目)、迭代次數(shù)t＝50。節(jié)點電壓的約束可以是0.93到1.07(標(biāo)幺值)。

計算每個粒子的適應(yīng)值，并確定全局最好位置；

根據(jù)上述分布式光伏接入情況進(jìn)行潮流等式、節(jié)點電壓、斷路器支路首端功率、主網(wǎng)提供的有功功率的機(jī)會約束函數(shù)不等式的計算，將結(jié)果帶入到無約束適應(yīng)度函數(shù)的公式中，求解出對應(yīng)的適應(yīng)度值。對每個粒子將其適應(yīng)值和已經(jīng)歷過的最好位置p_is的適應(yīng)值進(jìn)行比較，若較好，則將其作為當(dāng)前的最好位置，對每個粒子將其適應(yīng)值和全局經(jīng)歷過的最好位置p_gs的適應(yīng)值進(jìn)行比較，若較好，則將其作為當(dāng)前的全局最好位置。

隨機(jī)選取權(quán)重值，并對粒子的速度和位置進(jìn)行更新迭代；

隨機(jī)選取權(quán)重值，使得微粒歷史速度對當(dāng)前速度的影響是隨機(jī)的，如果在進(jìn)化初期接近最好點，可能產(chǎn)生相對較小的權(quán)重值，加快算法的收斂速度，另外，如果在算法初期找不到最好點，權(quán)重值的線性遞減使得算法最終收斂不到此最好點，而隨機(jī)生成權(quán)重值可以克服這種局限。每迭代一次之后，通過調(diào)整隨機(jī)權(quán)重值的大小，再次對粒子的速度和位置進(jìn)行更新迭代。

其中，隨機(jī)權(quán)重值的選取可以根據(jù)公式其中，N(0,1)表示標(biāo)準(zhǔn)正態(tài)分布，rand(0,1)表示0～1之間的隨機(jī)數(shù)。按照上述粒子群的算法，每迭代一次，便生成一個隨機(jī)權(quán)重值。實施例中，μ_min＝0.5，μ_max＝0.8，σ＝0.2。

其中，粒子的速度v和位置x可以根據(jù)公式v_is(t+1)＝wv_is(t)+c₁r_1s(t)(p_is(t)-x_is(t))+c₂r_2,s(t)(p_gs(t)-x_is(t))以及公式x_is(t+1)＝x_is(t)+v_is(t+1)來更新。其中，w是隨機(jī)權(quán)重值，i＝[1,m]，s＝[1,S]，c₁、c₂均是學(xué)習(xí)因子，取非負(fù)常數(shù)，r₁、r₂是相互獨(dú)立的偽隨機(jī)數(shù)，服從[0,1]的均勻分布。

判斷迭代是否完成，若完成，則輸出結(jié)果，結(jié)果包括分布式光伏的接入位置和接入容量，若未完成，則返回上一步。

采用粒子群算法計算，求解方法更加有效。粒子群算法速度更新公式中，隨機(jī)權(quán)重值較大時，前一速度影響較大，全局搜索能力較強(qiáng)；隨機(jī)權(quán)重值較小時，前一速度影響較小，局部搜索能力較強(qiáng)。而利用隨機(jī)選取的隨機(jī)權(quán)重值，使得微粒歷史速度對當(dāng)前速度的影響是隨機(jī)的。并且粒子群算法具有群體智能、內(nèi)在并行性、迭代格式簡單以及可快速收斂到最優(yōu)解所在區(qū)域等優(yōu)點。

本發(fā)明采用隨機(jī)規(guī)劃和隨機(jī)選取權(quán)重值的粒子群優(yōu)化算法相結(jié)合的方法，能夠計入光伏出力與負(fù)荷用電的隨機(jī)波動性，并且從理論上講是考慮了所有可能的運(yùn)行方式，而不僅僅是考慮典型運(yùn)行方式，這是動態(tài)仿真和解析法無法做到的。而隨機(jī)選取權(quán)重值的粒子群算法能夠較好的兼顧算法的全局與局部搜索能力，可以快速的收斂到最優(yōu)解。為現(xiàn)有光伏并網(wǎng)準(zhǔn)入容量問題提供新的理論方法。

以上實施例僅為本發(fā)明的示例性實施例，不用于限制本發(fā)明，本發(fā)明的保護(hù)范圍由權(quán)利要求書限定。本領(lǐng)域技術(shù)人員可以在本發(fā)明的實質(zhì)和保護(hù)范圍內(nèi)，對本發(fā)明做出各種修改或等同替換，這種修改或等同替換也應(yīng)視為落在本發(fā)明的保護(hù)范圍內(nèi)。