[发明专利]多时段多场景分布式电源最优接入位置与容量研究方法

权利要求书

1.一种多时段多场景分布式电源最优接入位置与容量研究方法，其特征在于，包括如下步骤：

1)建立元件模型，包括分布式光伏模型、分布式风机模型和负荷模型；其中：

(1.1)所述的分布式光伏模型：光伏的出力主要取决于光照强度，在多场景时序模拟的前提下，光伏出力与光照强度的关系即为分布式光伏模型，表示如下：

式中：P_b是光伏的实时出力；P_sn表示光伏的额定功率；G_std表示额定光照强度；R_c表示任一特定强度的光强，即光伏出力与光强的关系由非线性到线性的转折点；G_bτ表示第τ个小时的实时光强；

(1.2)所述的分布式风机模型，即为风力发电机的出力P_wind与风速v的函数关系如下所示：

其中，P_windmax为风机的额定功率；v_n为风机的切入风速；v_r为风机的额定风速；v_o为风机的切出风速；

(1.3)所述的负荷模型表示如下：

L_t＝L_p×P_s(t) (3)

式中，L_t为任一小时的负荷需求量，L_p为年负荷峰值；P_s(t)为第s个场景下各小时的负荷与年负荷峰值的比例系数；

2)建立目标函数，是以规划期内的综合费用终值最低为目标函数，包括分布式风机和光伏的投资、运维费用和残值，以及配电网向上级电网的购电费用；所述的目标函数具体为：

minC＝C_PV+C_WTG+C_OP (4)

式中，C_PV表示分布式光伏的全寿命周期成本终值，C_WTG表示分布式风机的全寿命周期成本终值，C_OP表示规划期内配电网向上级电网的购电费用终值；C_PV与C_WTG的计算公式如下：

式中，T为规划阶段总数；N_PV与N_WTG分别表示配电网中光伏与风机的待建节点总数；R_PV与R_WTG分别表示单组光伏或风机的投建成本；β_i,t与γ_i,t分别表示规划的第t阶段在节点i光伏与风机的组数；r为社会贴现率；m与n分别表示光伏与风机的寿命；u_pv与u_wtg分别表示光伏和风机的维护费用比例；z_pv与z_wtg分别表示光伏与风机的残值费用比例；I_t为终值转换系数，计算方法如下：

式中，n_t为第t个阶段年数，a_t为第t个阶段的初始年份，a_T为规划期终止年份；

规划期内配电网向上级电网的购电费用终值表示如下：

式中，S_end为年场景总数，包括春夏秋冬四个典型场景；τ_end表示任一场景下的小时数；C_P表示电价；W_tsτ表示t阶段第s个场景下τ时刻配电网向上级电网的购电量，由负荷量、分布式电源发电量以及线路网损三部分组成，计算公式如下：

式中，h_t表示第t阶段与规划起始年相比的负荷增长率；L_s,τ,k表示s场景下τ时刻第k个负荷点的起始负荷；K表示负荷点集合；P_b(s,τ)表示s场景下τ时刻单组光伏的实时出力，根据分布式光伏模型计算；P_wind(s,τ)表示s场景下τ时刻单组风机的实时出力，根据分布式风机模型计算；J_i表示配电网线路集合；P_j,s,τ与Q_j,s,τ分别为s场景下τ时刻流过线路j首端的有功、无功功率；U_j,s,τ为线路j首段电压；R_j表示线路j的电阻；

3)建立约束条件，约束条件包括：配电网络的潮流约束、分布式电源投建顺序约束、节点电压约束和支路电流约束；其中：

(3.1)所述的配电网络的潮流约束

式中，P_i、Q_i分别为节点i处有功、无功注入功率；U_i、U_j分别为节点i、j电压幅值；G_ij、B_ij分别为支路ij的电导、电纳；θ_ij为节点i、j间电压相角差；

(3.2)所述的分布式电源投建顺序约束

式中，β_i,t与γ_i,t分别表示规划的第t阶段在节点i光伏与风机的组数；β_i,t+1与γ_i,t+1分别表示规划的第t阶段在节点i光伏与风机的组数；

该约束条件表示分布式电源多时段规划的过程中，下一阶段节点i的光伏或风机组数不能小于上一阶段，即任一节点分布式电源投建后就不能去除；

(3.3)所述的节点电压约束

U_imin＜U_i＜U_imax (12)

式中，U_imin、U_imax分别为节点i电压值的下限和上限；

该约束条件表示，在运用OpenDSS进行多场景时序潮流仿真的过程中，任何时刻各节点的电压幅值必须在允许的安全上下限之间；

(3.4)所述的支路电流约束

式中，I_k表示实际的支路电流，表示支路电流值的上限；

该约束条件表示，潮流仿真过程中任何时刻的支路电流不能超过该支路允许的电流最大值

4)在约束条件利用粒子群算法对目标函数进行优化求解，包括粒子群算法编码、对于约束条件的处理和基于粒子群算法与OpenDSS的求解；其中，

所述的粒子群算法编码包括：

对优化对象采用分段编码方式，每个粒子在搜索空间中的编码格式D表示为：

式中，D的前N_PV个变量表示规划的第一阶段光伏在各个待选节点下的个数；表示规划第一阶段分布式风机在各个待选节点下的个数；表示规划期的第二阶段光伏在各个待选节点下的个数；表示第二阶段风机在各待选节点下的个数，以此类推直至到达规划阶段总数T；特别地，由于粒子在各维度的位置变量d_i与e_i均必须为整数，因此粒子参考自身局部最优解与全局最优解更新自己的位置后，需进行向下取整，以满足分布式电源安装数目的离散化要求；

所述的对于约束条件的处理，是更新粒子位置后若不满足分布式电源投建顺序约束，即同一节点后一阶段的分布式电源数目小于前一阶段，则强制将该节点分布式电源数目设定为与前一阶段相同；若不满足节点电压约束和支路电流约束，则在目标函数中补充惩罚项，分别如下式给出的惩罚项h₁(t)、h₂(t)，若满足节点电压约束和支路电流约束，将惩罚项置零，

式中，M_U与M_I分别表示电压越限与电流越限时的惩罚系数；U_imin、U_imax分别为节点i电压值的下限和上限；U_i为节点i的实际电压幅值；I_k表示实际的支路电流，表示支路电流值的上限。

所述的基于粒子群算法与OpenDSS的求解，包括：

(4.1)输入配电网参数及粒子群算法参数，具体包括线路拓扑结构及电阻、分布式电源待选节点、粒子群算法中的加速常数、惯性因子、约束因子，同时输入分布式光伏、风机、负荷元件的参数，得到不同阶段多场景下各典型日的分布式电源出力序列以及负荷值；

(4.2)对粒子群进行初始化，确定初始的多时段分布式电源接入方案；

(4.3)结合OpenDSS仿真平台对每个粒子对应的分布式电源规划方案进行时序潮流计算，得到多场景多时段下的电压、网损、功率分布信息，计算各节点电压与支路电流；

(4.4)判断是否满足节点电压约束和支路电流约束，若不满足节点电压约束和支路电流约束，则在目标函数中补充式(15)与(16)所示的惩罚项，若满足节点电压约束和支路电流约束，将惩罚项置零；

(4.5)结合目标函数与惩罚项计算各粒子对应的目标函数值，即为粒子适应度，得到各粒子自身的最优值与粒子群的全局最优值；

(4.6)判断粒子群算法是否满足终止条件，即全局最优值是否收敛或达到最大迭代次数，是则输出最优解并解码得到多阶段的分布式电源规划方案，否则进入下一步；

(4.7)进行粒子群更新操作，得到新的粒子群位置与速度，更新时调整粒子编码以满足分布式电源个数的离散化要求以及投建顺序的约束，并返回第(4.3)步。