一种协调优化模型的构建方法及配电网规划方法

1.本发明涉及电力系统优化运行技术领域，具体涉及一种协调优化模型的构建方法及配电网规划方法。


背景技术：

2.随着社会与时代的发展，可持续绿色发展的理念越来越深入人心。为了响应国家的号召，建设新型电力系统，新能源发电在电力系统中扮演着格外重要的角色。然而，新能源出力的随机性和波动性，给电力系统的安全性带来了极大的挑战。另外，电动汽车的普及，使我们的出行变得更加环保，但它的无序充电同时也给电网带来了一定的冲击。如何解决新能源出力不确定和电动汽车无序充电给电力系统带来的影响是当前研究的重点问题。
3.通过电力系统内各元件设备的协调运行来减轻新能源出力不确定性和电动汽车无序充电带给系统的影响。储能设备和负荷需求响应具有可以转移电量的功能，通过电量的存储或转移达到错峰填谷与调节系统的供需平衡的作用，提高系统的经济性和供电的可靠性。由于新能源出力和负荷波动的影响，给电力系统的安全性带来了提高的挑战，国内外对不确定性处理的研究大多采用随机优化或鲁棒优化方法，而随机优化方法对随机变量的概率分布依赖较大，鲁棒优化方法的决策过于保守使规划经济性降低。


技术实现要素：

4.本发明针对现有技术提供一种协调优化模型的构建方法及配电网规划方法。
5.本发明采用的技术方案是：
6.一种考虑新能源不确定性的协调优化模型的构建方法，包括以下步骤：
7.步骤1：建立配电网系统模型和各设备规划运行模型；
8.步骤2：以最小化配电网系统规划成本和运行成本为目标函数，建立考虑风电场、光伏电站、电动汽车充电站、储能设备和负荷需求响应的确定性协调规划模型；
9.步骤3：将步骤2得到的协调规划模型转化为混合整数线性规划模型进行求解；
10.步骤4：获取新能源出力与负荷波动的不确定性场景，建立考虑新能源不确定性的协调优化模型；
11.考虑新能源不确定性的协调优化模型为两阶段规划模型，第一阶段最小化基础场景的运行成本；第二阶段则最小化考虑不确定场景的失负荷惩罚成本期望。
12.进一步的，所述步骤1中配电网模型如下：
[0013][0014]
[0015][0016][0017]
式中：π(j)、δ(j)为系统中以j为末端、首端节点的支路首端、末端节点集合，r
ij
、x
ij
分别为线路ij的电阻值、电抗值；i
ij,h,bt
为线路ij流过的电流；p
g,h,bt
、q
g,h,bt
分别为发电机组的有功、无功功率；p
ij,h,bt
、q
ij,h,bt
分别为线路ij流过的有功、无功功率；分别表示储能设备放电、充电功率；为配电网向上级电网购入的无功功率；为负荷进行需求响应后的有功功率；为负荷的无功负荷；p
e,h,bt
为电动汽车充电站的有功功率；为失负荷量；为负荷的功率因数；v
i,h,bt
为节点i的电压大小，p
jk,h,bt
为节点j流出有功功率大小，p
w,h,bt
为风电场出力实际值，p
p,h,bt
为光伏电站出力实际值，为主网购电功率，q
jk,h,bt
为节点j流出无功功率大小；各设备规划运行模型，包括电动汽车充电站运行模型、储能设备规划运行模型和负荷需求响应规划运行模型。
[0018]
进一步的，所述电动汽车充电站运行模型包括电动汽车运行约束和电动汽车充电站功率约束；
[0019]
电动汽车运行约束：
[0020][0021][0022][0023][0024][0025][0026]
式中，v为电动汽车的索引，i
v,h,bt
为电动汽车充放电状态的0-1变量，为电动汽车的接入状态变量，为电动汽车充放电状态变量，分别为电动汽车在位于充电站充电、放电状态的0-1变量，分别为电动汽车的充电、放电功率，分别为电动汽车的额定充电、放电功率；
[0027][0028][0029][0030][0031]
式中：s
v,h,bt
为电动汽车在h时刻的荷电状态，s
v,0,bt
为初始时刻的荷电状态，m为无穷大正数，s
v,h-1,bt
为电动汽车在h-1时刻的荷电状态，ηc为电动汽车充电效率，ev为电动汽
车的电池容量，ηd为电动汽车放电效率，s
v,h,bt
为离开电网时刻的荷电状态，为电动汽车离开电网时的0-1变量，为电动汽车v荷电状态最小值，为电动汽车v荷电状态最大值；
[0032]
电动汽车充电站功率约束：
[0033][0034][0035]
式中：p
e,h,bt
为充电站e的功率，为充电站e的投建状态，ωn为区域的集合，pe为充电站e的功率；
[0036]
储能设备规划运行模型如下：
[0037][0038][0039][0040][0041]
式中：e
s,h,bt
为储能设备在h时刻的储电量，e
s,h-1,bt
为储能设备在h-1时刻的储电量，η
in
为储能设备充电效率，为储能设备在h-1时刻的充电功率，为储能设备在h-1时刻的放电功率，η
out
为储能设备放电效率，为储能设的投建状态，分别为储能设备的最小、最大储电量，p
sin,min
、p
sin,max
分别为储能设备充电功率的最小、最大值，p
sout,min
、p
sout,max
分别为储能设备的最小、最大放电功率；
[0042]
负荷需求响应规划运行模型如下：
[0043][0044][0045][0046][0047][0048][0049][0050]
式中：为参加需求响应的功率大小，为参与需求响应的可中断负荷功率大小，为参与需求响应的可转移负荷功率大小，为节点d的功率大小，为节点d允许的最大负荷功率大小，为系统需求响应可中断负荷的比例，为可中断负荷需求响应的投建状态变量，为系统允许的最大可中断电负荷量，为系
统需求响应可平移负荷的比例，为可转移负荷需求响应的投建状态变量。
[0051]
进一步的，所述目标函数如下：
[0052]
minf＝min(ic+oc+ci·
δd+cw·
δw+c
l
·
δl)
[0053]
其中：
[0054][0055][0056][0057][0058][0059][0060][0061][0062][0063]
κ
t
＝1/(1+dr)
t-1
[0064]
式中：f为系统最优目标函数，t，k分别为年和待投资规划设备型号的索引，e，w，p，s，d分别为电动汽车充电站、风电场、光伏电站、储能设备、负荷的索引，ce、cw、cp、cs、cdr分别为规划充电站、风电场、光伏电站、储能设备、需求响应装置候选投资集合；k为规划候选设备型号的集合，ic为规划投资成本，oc为系统总运行成本；δd,δw,δl分别为系统切负荷量，弃风量和弃光量；ci、cw、c
l
分别为切负荷、弃风、弃光的单位惩罚成本，κ为现市值系数，dr为贴现率，c
inv
为各设备投资建设的单位投资成本，y
t
为变量，为变量，分别为发电机组、电动汽车充电站、主网购电、负荷需求响应成本；dt
ht
为第t年典型日b的天数，为切负荷量，为风电场的出力预测值，p
w,h,bt
为风电场的实际出力值，为光伏电站的出力预测值，p
p,h,bt
为光伏电站的实际出力值，为发电机组的燃料成本，fg(
·
)为发电机组g的热耗率曲线，ce为充电站运行成本，为单位购电成本，为单位可中断负荷补偿价格，为向上级购入有功功率，为可中断负荷功率；b、h、g、r分别为典型日、小时、发电机组和变电站节点的索引；
[0065]
约束条件包括投建规划约束、线路功率约束、购电约束、新能源出力约束和失负荷约束；
[0066]
投建规划约束包括：
[0067][0068]yw,t-1
≤y
w,t
,w∈cw
[0069]yp,t-1
≤y
p,t
,p∈cpv
[0070][0071][0072][0073][0074][0075][0076][0077]
式中：nn为区域n内可规划的电动汽车充电站数量，为，y
w,t
为，y
p,t
为，为，为，se为投建充电站e的容量，为区域n内所有电动汽车的充电容量需求，nw为风电场的最小规划投建数量，n
p
为光伏电站的最小规划投建数量；
[0078]
线路功率约束：
[0079][0080]vimin
≤v
i,h,bt
≤v
imax
[0081][0082]
式中：为线路ij的最大流过功率幅值，v
imin
为系统中母线电压vi的最小值，v
imax
为系统中母线电压vi的最大值，为线路ij能够流过的最大电流幅值；
[0083]
购电约束：
[0084][0085][0086]
式中：p
rmin
、p
rmax
分别为购入有功功率最小、最大值，分别为购入无功功率最小、最大值；
[0087]
新能源出力约束：
[0088][0089][0090]
[0091]
式中：分别为风电、光电、储能出力最大值，为新能源出力占比，为允许负荷d的最大值；
[0092]
失负荷约束为：
[0093][0094]
式中：α
p
为最大切负荷比例，为负荷d的有功功率。
[0095]
进一步的，所述步骤3中采用二阶锥松弛方法对协调规划模型进行线性化处理，对协调规划模型中的配电网模型进行处理；
[0096]
引入两个中间变量和通过支路电流与功率关系式对节点电压降落方程进行松弛处理：
[0097][0098][0099][0100][0101]
式中：中间变量和数值上分别是i
ij,h,bt
和v
i,,h,bt
的平方。
[0102]
进一步的，所述步骤4中不确定性场景获取方法如下：通过蒙特卡洛模拟法，在风光出力与负荷预测的历史数据基础上随机生成l个不确定性场景，通过同步回代消除法进行场景削减，最后得到所需不确定性场景。
[0103]
进一步的，所述步骤4中采用分布鲁棒优化方法，建立考虑新能源不确定性的协调优化模型，协调优化模型如下：
[0104][0105]
s.t.ax≤e
[0106]
x∈{0,1}
[0107]
cx+dy≤f
[0108][0109]
式中：x为第一阶段决策变量x满足的可行域，y为第二阶段变量y的可行域，ξ0为基础场景下新能源出力，ξk为考虑不确定性的场景k时新能源出力情况，pk为不确定参数分布的概率值，φ为不确定性场景概率分布的取值域，δ
t
为单位切负荷的惩罚价格，为在不确定性场景k时，系统在第一阶段变量x的条件下各元件的调度运行状态变量，a
t
x为包含各设备的规划投建成本和机组的启停成本，b
t
y为包含发电机组的燃料消耗成本、各设备的运行维护成本，a为投建变量与机组状态变量的常系数矩阵，c、d、f分别为两阶段变量不等式约束的系数矩阵和向量，kr和分别为二阶锥约束的系数矩阵和向量；
[0110][0111]
式中：pk为场景k的概率分布值，为场景k的初始概率分布值，θ1、θ
∞
分别为0-1范数与0-∞允许的概率偏差上限。
[0112]
一种配电网规划方法，采用一种构建方法得到的考虑新能源不确定性的协调优化模型进行规划；将配电网系统数据、设备参数、运行参数输入考虑新能源不确定性的协调优化模型，采用求解器进行求解，得到最优结果；采用该最优结果对配电网进行规划。
[0113]
进一步的，所述配电网系统数据包括配电网拓扑结构和输电线路；设备参数包括发电机组、风电场、光伏电站的功率、容量以及出力上下限，储能设备、电动汽车以及充电站的功率；运行参数包括负荷、风光预测值，向上机网络的购电价格、设备的各种运行参数、负荷需求响应相关数据、系统惩罚价格。
[0114]
本发明的有益效果是：
[0115]
(1)本发明综合考虑新能源、电动汽车充电站、储能设备和负荷需求响应装置协调规划模型，可以研究各设备的协调运行对电力系统经济性和安全性的影响；
[0116]
(2)本发明采用分布鲁棒的方法处理不确定性，利用储能设备和负荷需求响应对系统的不确定性进行缓解，提出新能源、电动汽车充电站与储能协调优化的分布鲁棒规划方法可以获取最优规划结果。
附图说明
[0117]
图1为本发明方法流程示意图。
[0118]
图2为本发明实施例中ieee33节点电力系统结构图。
[0119]
图3为本发明实施例不同规划方案下系统的购电对比曲线示意图。
[0120]
图4为本发明实施例不同规划方案下系统的净负荷对比示意图。
具体实施方式
[0121]
下面结合附图和具体实施例对本发明做进一步说明。
[0122]
如图1所示，一种考虑新能源不确定性的协调优化模型的构建方法，包括以下步骤：
[0123]
步骤1：建立配电网系统模型和各设备规划运行模型；
[0124]
配电网系统模型采用电力交流潮流模型，由于配电线路电压等级较低，采用交流潮流通过distflow模型来实现节点功率平衡约束。
[0125]
[0126][0127][0128][0129]
式中：π(j)、δ(j)为系统中以j为末端、首端节点的支路首端、末端节点集合，r
ij
、x
ij
分别为线路ij的电阻值、电抗值；i
ij,h,bt
为线路ij流过的电流；p
g,h,bt
、q
g,h,bt
分别为发电机组的有功、无功功率；p
ij,h,bt
、q
ij,h,bt
分别为线路ij流过的有功、无功功率；分别表示储能设备放电、充电功率；为配电网向上级电网购入的无功功率；为负荷进行需求响应后的有功功率；为负荷的无功负荷；p
e,h,bt
为电动汽车充电站的有功功率；为失负荷量；为负荷的功率因数；v
i,h,bt
为节点i的电压大小，p
jk,h,bt
为节点j流出有功功率大小，p
w,h,bt
为风电场出力实际值，p
p,h,bt
为光伏电站出力实际值，为主网购电功率，q
jk,h,bt
为节点j流出无功功率大小；各设备规划运行模型，包括电动汽车充电站运行模型、储能设备规划运行模型和负荷需求响应规划运行模型。
[0130]
各设备规划运行模型，包括电动汽车充电站运行模型、储能设备规划运行模型和负荷需求响应的规划运行模型。
[0131]
电动汽车站运行模型包括电动汽车运行约束和电动汽车充电站功率约束；电动汽车充电站需要满足电动汽车的充放电需求和投建规划约束。
[0132]
电动汽车运行约束：电动汽车的充电可分为有序充电和无需充电。本发明中考虑电动汽车的两种充电方式，研究电动汽车充电站的规划对系统经济性和安全性的影响。
[0133][0134][0135][0136][0137][0138][0139]
式中，v为电动汽车的索引，i
v,h,bt
为电动汽车充放电状态的0-1变量，处于充放电状态为1，反之为0；为电动汽车的接入状态变量，接入时为1，其他时间为0；为电动汽车充放电状态变量，在接入电网后1小时至离开电网为1，其他时刻均为0；分别为电动汽车在位于充电站充电、放电状态的0-1变量，分别为电动汽车的充电、放电功率，p
vc,rate
、p
vd,rate
分别为电动汽车的额定充电、放电功率；
[0140]
[0141][0142][0143][0144]
式中：s
v,h,bt
为电动汽车在h时刻的荷电状态，s
v,0,bt
为初始时刻的荷电状态，m为无穷大正数，s
v,h-1,bt
为电动汽车在h-1时刻的荷电状态，ηc为电动汽车充电效率，ev为电动汽车的电池容量，ηd为电动汽车放电效率，s
v,h,bt
为离开电网时刻的荷电状态，为电动汽车离开电网时的0-1变量，离开电网时刻等于1，其他时刻为0；为电动汽车v荷电状态最小值，为电动汽车v荷电状态最大值。
[0145]
电动汽车充电站功率约束：
[0146][0147][0148]
式中：p
e,h,bt
为充电站e的功率，为充电站e的投建状态，投建为1，不投建为0；ωn为区域的集合，pe为充电站e的功率。
[0149]
储能设备规划运行模型如下：储能设备在电力系统中通过存储多余电量的功能，可以实现提高新能源的消纳和错峰填谷提高系统经济性与安全性的作用。
[0150][0151][0152][0153][0154]
式中：e
s,h,bt
为储能设备在h时刻的储电量，e
s,h-1,bt
为储能设备在h-1时刻的储电量，η
in
为储能设备充电效率，为储能设备在h-1时刻的充电功率，为储能设备在h-1时刻的放电功率，η
out
为储能设备放电效率，为储能设的投建状态，分别为储能设备的最小、最大储电量，p
sin,min
、p
sin,max
分别为储能设备充电功率的最小、最大值，p
sout,min
、p
sout,max
分别为储能设备的最小、最大放电功率；
[0155]
负荷需求响应规划运行模型如下：负荷需求响应可分为可中断负荷需求响应和可转移负荷需求响应，需求响应的规划，可以提高系统的经济性，通过错峰填谷提高了系统供电的可靠性。
[0156][0157][0158][0159]
[0160][0161][0162][0163]
式中：为参加需求响应的功率大小，为参与需求响应的可中断负荷功率大小，为参与需求响应的可转移负荷功率大小，大于零为转出，小于零为转入；为节点d的功率大小，，为节点d允许的最大负荷功率大小，为系统需求响应可中断负荷的比例，为可中断负荷需求响应的投建状态变量，为系统允许的最大可中断电负荷量，为系统需求响应可平移负荷的比例，为可转移负荷需求响应的投建状态变量。
[0164]
步骤2：以最小化配电网系统规划成本和运行成本为目标函数，建立考虑风电场、光伏电站、电动汽车充电站、储能设备和负荷需求响应的确定性协调规划模型；
[0165]
目标函数：系统确定性协调规划模型以最小化总规划成本和运行成本为优化目标。
[0166]
minf＝min(ic+oc+ci·
δd+cw·
δw+c
l
·
δl)
[0167]
其中：
[0168][0169][0170][0171][0172][0173][0174][0175][0176][0177]
κ
t
＝1/(1+dr)
t-1
[0178]
式中：f为系统最优目标函数，t，k分别为年和待投资规划设备型号的索引，e，w，p，
s，d分别为电动汽车充电站、风电场、光伏电站、储能设备、负荷的索引，ce、cw、cp、cs、cdr分别为规划充电站、风电场、光伏电站、储能设备、需求响应装置候选投资集合；k为规划候选设备型号的集合，ic为规划投资成本，oc为系统总运行成本；δd,δw,δl分别为系统切负荷量，弃风量和弃光量；ci、cw、c
l
分别为切负荷、弃风、弃光的单位惩罚成本，κ为现市值系数，dr为贴现率，c
inv
为各设备投资建设的单位投资成本，y
t
为0,1变量，表示候选设备的投资投建状态，若已投建为1，否则为0；分别为发电机组、电动汽车充电站、主网购电、负荷需求响应成本；dt
ht
为第t年典型日b的天数，为切负荷量，为风电场的出力预测值，p
w,h,bt
为风电场的实际出力值，为光伏电站的出力预测值，p
p,h,bt
为光伏电站的实际出力值，为发电机组的燃料成本，fg(
·
)为发电机组g的热耗率曲线，且包含发电机组的启停消耗成本；ce为充电站运行成本，为单位购电成本，为单位可中断负荷补偿价格，为向上级购入有功功率，为可中断负荷功率；b、h、g、r分别为典型日、小时、发电机组和变电站节点的索引。
[0179]
约束条件包括投建规划约束、线路功率约束、购电约束、新能源出力约束和失负荷约束；
[0180]
投建规划约束包括：某个设备在规划投建后，其规划状态应均为1，未规划投建则为0。
[0181][0182]yw,t-1
≤y
w,t
,w∈cw
[0183]yp,t-1
≤y
p,t
,p∈cpv
[0184][0185][0186][0187][0188][0189][0190][0191]
式中：nn为区域n内可规划的电动汽车充电站数量，为电动汽车充电站投建状态变量，y
w,t
为风电场投建状态变量，y
p,t
为光伏电站投建状态变量，为储能设备投建状态变量，为负荷需求响应投建状态变量，若投建则为1，否则为0，k为设备型号索引；se为投建充电站e的容量，为区域n内所有电动汽车的充电容量需求，nw为风电场的最小规
划投建数量，n
p
为光伏电站的最小规划投建数量。
[0192]
线路功率约束：由于输电线路的传输容量有一定的限制，所以输电线路的功率传输，母线电压大小和流过的电流大小均受到一定约束。
[0193][0194]vimin
≤v
i,h,bt
≤v
imax
[0195][0196]
式中：为线路ij的最大流过功率幅值，v
imin
为系统中母线电压vi的最小值，v
imax
为系统中母线电压vi的最大值，为线路ij能够流过的最大电流幅值。
[0197]
购电约束：向上级主网购电的功率受到一定的上下限约束。
[0198][0199][0200]
式中：p
rmin
、p
rmax
分别为购入有功功率最小、最大值，分别为购入无功功率最小、最大值。
[0201]
新能源出力约束：新能源的实际出力值小于其出力的预测值。
[0202][0203][0204][0205]
式中：分别为风电、光电、储能出力最大值，为新能源出力占比，为允许负荷d的最大值。
[0206]
失负荷约束为：为保证系统的安全可靠运行，其失负荷量应受到一定的约束限制。
[0207][0208]
式中：α
p
为最大切负荷比例，为负荷d的有功功率。
[0209]
步骤3：将步骤2得到的协调规划模型转化为混合整数线性规划模型进行求解；
[0210]
采用二阶锥松弛方法对协调规划模型进行线性化处理，对协调规划模型中的配电网模型进行处理；
[0211]
引入两个中间变量和通过支路电流与功率关系式对节点电压降落方程进行松弛处理：
[0212][0213][0214][0215]
[0216]
式中：中间变量和数值上分别是i
ij,h,bt
和v
i,,h,bt
的平方。
[0217]
步骤4：获取新能源出力与负荷波动的不确定性场景，建立考虑新能源不确定性的协调优化模型；
[0218]
通过蒙特卡洛模拟法，在风光出力与负荷预测的历史数据基础上，随机生成5000个不确定性场景，再通过同步回代消除法进行场景削减，最后得到5个不确定性场景。
[0219]
考虑新能源不确定性的协调优化模型为两阶段规划模型，第一阶段最小化基础场景的运行成本；第二阶段则最小化考虑不确定场景的失负荷惩罚成本期望。
[0220]
采用分布鲁棒优化方法，建立考虑新能源不确定性的协调优化两阶段模型。通过列与约束生成ccg算法将该优化问题分解成主问题和子问题反复迭代求解。
[0221]
考虑新能源不确定性的协调优化两阶段规划模型：考虑新能源的不确定性，通过分布鲁棒方法将不确定性场景下的切负荷惩罚量化到总成本中，求取最优规划方法，两阶段规划模型如下：
[0222][0223]
s.t.ax≤e
[0224]
x∈{0,1}
[0225]
cx+dy≤f
[0226][0227]
式中：x为第一阶段决策变量x满足的可行域，y为第二阶段变量y的可行域，ξ0为基础场景下新能源出力，ξk为考虑不确定性的场景k时新能源出力情况，pk为不确定参数分布的概率值，φ为不确定性场景概率分布的取值域，δ
t
为单位切负荷的惩罚价格，为在不确定性场景k时，系统在第一阶段变量x的条件下各元件的调度运行状态变量，a
t
x为包含各设备的规划投建成本和机组的启停成本，b
t
y为包含发电机组的燃料消耗成本、各设备的运行维护成本，a为投建变量与机组状态变量的常系数矩阵，c、d、f分别为两阶段变量不等式约束的系数矩阵和向量，kr和分别为二阶锥约束的系数矩阵和向量；
[0228][0229]
式中：pk为场景k的概率分布值，为场景k的初始概率分布值，θ1、θ
∞
分别为0-1范数与0-∞允许的概率偏差上限。
[0230]
本发明还公开了一种配电网规划方法采用建立的考虑新能源不确定性的协调优化模型进行配电网规划，将配电网系统数据、设备参数、运行参数输入考虑新能源不确定性的协调优化模型，采用求解器进行求解(求解器为商业求解器gurobi)，得到最优结果；采用该最优结果进行规划。
[0231]
配电网系统数据包括配电网拓扑结构和输电线路；设备参数包括发电机组、风电场、光伏电站的功率、容量以及出力上下限，储能设备、电动汽车以及充电站的功率；运行参数包括负荷、风光预测值，向上机网络的购电价格、设备的各种运行参数、负荷需求响应相关数据、系统惩罚价格。
[0232]
下面采用具体实施例对本发明进行进一步说明。
[0233]
采用ieee33节点电力系统进行算例分析如图2所示。图中已给出部分设备规划投建的候选节点，实线表示系统中该设备已存在，虚线表示系统中该设备待投建。其中gt为系统的发电机组，wt、pv为风电场、光伏电站，s为储能设备，而负荷需求响应装置的规划候选方案已在表1中给出。
[0234]
表1.负荷需求响应装置规划候选方案
[0235][0236]
为更好对比各算例的投建情况，可用e、w、p、s、d分别代表电动汽车充电站、风电场、光伏电站、储能设备和负荷需求响应装置，用下标表示候选投建设备的节点索引编号，如s12表示储能设备于12节点规划投建，其中电动汽车充电站投建价格均为50万元/个；风电场w32投建价格为50万元/个，w6和w8均为200万元/个；光伏电站投建价格均为100万元/个；储能设备s2投建价格为15万元/台，其余均为10万元/台。整个算例测试工具采用matlab2019a编程软件和gurobi9.1商用求解器。
[0237]
为验证考虑新能源、电动汽车充电站、储能设备和负荷需求响应协调规划模型的有效性，设置算例1-4；为研究考虑新能源的不确定性对系统规划结果的影响，设置算例5-6，具体规划分案已在表2给出。
[0238]
表2.各算例规划方案
[0239][0240]
表3给出了不考虑新能源出力不确定性时，不同规划方案的结果对比。可以得到：随着设备的规划投建，运行成本不断减小，总成本也随着不断减小，各设备的协调运行可以减少切负荷的量和促进新能源的消纳，提高了系统的经济性。
[0241]
附图3中给出了算例1-4的购电对比曲线，由图显见算例1中的主网购电量比较大，而算例2在加入风电场、光伏电站投建后，购电量显著减小，但在凌晨时，由于此时发电机组未开机，且光伏电站出力为0，主网购电量相比算例1反而增大。算例3通过储能的投建，减小弃风量，提高了风电的消纳能力，进而降低主网的购电量。算例4由于需求响应的作用，相比算例3提高了谷时的主网购电量而降低了峰时的购电量。
[0242]
附图4给出了净负荷对比图，比较图中算例2的净负荷与基础净负荷，电动汽车的加入增大了负荷需求，但同时由于电动汽车v2g的存在，在基础负荷较高的时间段如20时，电动汽车进行放电，起到了一定错峰的作用。而算例3在考虑加入储能后，净负荷较算例2变化不大，只在白天负荷较小的某些时段，如14时净负荷增大，通过储能存储电量，增大电动汽车v2g的作用。算例4在考虑加入需求响应装置的投建后，由于需求响应有转移负荷的能力，净负荷有明显的变化，基础负荷处于谷时如0～8时，净负荷增大，而在基础负荷较大时如16～22时，算例4相比于算例3净负荷则减小，提高了系统的经济性与安全性。
[0243]
表3.算例1-4的规划结果
[0244][0245]
表4给出了在考虑新能源出力的不确定性后，系统的总成本显著增加，其规划结果虽然减少了风电场w8的投建，但增加了储能设备s2与多个负荷的需求响应装置投建，大大
提高了系统的安全性。
[0246]
表4.算例4与算例6的成本对比
[0247][0248]
本发明采用兼顾随机优化和鲁棒优化方法两者优势的分布鲁棒方法，在研究考虑新能源不确定性的协调优化规划方法中具有重要的意义。本发明通过分布鲁棒方法，研究新能源出力与负荷波动的不确定性对电力系统的影响，从而获得系统的最优规划结果。考虑新能源、电动汽车充电站、储能设备和负荷需求响应协调优化的分布鲁棒方法对提高电力系统的经济性与安全性具有重要的意义。

技术特征：
1.一种考虑新能源不确定性的协调优化模型的构建方法，其特征在于，包括以下步骤：步骤1：建立配电网系统模型和各设备规划运行模型；步骤2：以最小化配电网系统规划成本和运行成本为目标函数，建立考虑风电场、光伏电站、电动汽车充电站、储能设备和负荷需求响应的确定性协调规划模型；步骤3：将步骤2得到的协调规划模型转化为混合整数线性规划模型进行求解；步骤4：获取新能源出力与负荷波动的不确定性场景，建立考虑新能源不确定性的协调优化模型；考虑新能源不确定性的协调优化模型为两阶段规划模型，第一阶段最小化基础场景的运行成本；第二阶段则最小化考虑不确定场景的失负荷惩罚成本期望。2.根据权利要求1所述的一种考虑新能源不确定性的协调优化模型的构建方法，其特征在于，所述步骤1中配电网模型如下：征在于，所述步骤1中配电网模型如下：征在于，所述步骤1中配电网模型如下：征在于，所述步骤1中配电网模型如下：式中：π(j)、δ(j)为系统中以j为末端、首端节点的支路首端、末端节点集合，r
ij
、x
ij
分别为线路ij的电阻值、电抗值；i
ij,h,bt
为线路ij流过的电流；p
g,h,bt
、q
g,h,bt
分别为发电机组的有功、无功功率；p
ij,h,bt
、q
ij,h,bt
分别为线路ij流过的有功、无功功率；分别表示储能设备放电、充电功率；为配电网向上级电网购入的无功功率；为负荷进行需求响应后的有功功率；为负荷的无功负荷；p
e,h,bt
为电动汽车充电站的有功功率；为失负荷量；为负荷的功率因数；v
i,h,bt
为节点i的电压大小，p
jk,h,bt
为节点j流出有功功率大小，p
w,h,bt
为风电场出力实际值，p
p,h,bt
为光伏电站出力实际值，为主网购电功率，q
jk,h,bt
为节点j流出无功功率大小；各设备规划运行模型，包括电动汽车充电站运行模型、储能设备规划运行模型和负荷需求响应规划运行模型。3.根据权利要求1所述的一种考虑新能源不确定性的协调优化模型的构建方法，其特征在于，所述电动汽车充电站运行模型包括电动汽车运行约束和电动汽车充电站功率约束；电动汽车运行约束：电动汽车运行约束：电动汽车运行约束：
式中，v为电动汽车的索引，i
v,h,bt
为电动汽车充放电状态的0-1变量，为电动汽车的接入状态变量，为电动汽车充放电状态变量，分别为电动汽车在位于充电站充电、放电状态的0-1变量，分别为电动汽车的充电、放电功率，分别为电动汽车的额定充电、放电功率；分别为电动汽车的额定充电、放电功率；分别为电动汽车的额定充电、放电功率；分别为电动汽车的额定充电、放电功率；式中：s
v,h,bt
为电动汽车在h时刻的荷电状态，s
v,0,bt
为初始时刻的荷电状态，m为无穷大正数，s
v,h-1,bt
为电动汽车在h-1时刻的荷电状态，η
c
为电动汽车充电效率，e
v
为电动汽车的电池容量，η
d
为电动汽车放电效率，s
v,h,bt
为离开电网时刻的荷电状态，为电动汽车离开电网时的0-1变量，为电动汽车v荷电状态最小值，为电动汽车v荷电状态最大值；电动汽车充电站功率约束：电动汽车充电站功率约束：式中：p
e,h,bt
为充电站e的功率，为充电站e的投建状态，ω
n
为区域的集合，p
e
为充电站e的功率；储能设备规划运行模型如下：储能设备规划运行模型如下：储能设备规划运行模型如下：储能设备规划运行模型如下：式中：e
s,h,bt
为储能设备在h时刻的储电量，e
s,h-1,bt
为储能设备在h-1时刻的储电量，η
in
为储能设备充电效率，为储能设备在h-1时刻的充电功率，为储能设备在h-1时刻的放电功率，η
out
为储能设备放电效率，为储能设备的投建状态，分别为储能设备的最小、最大储电量，p
sin,min
、p
sin,max
分别为储能设备充电功率的最小、最大值，p
sout,min
、p
sout,max
分别为储能设备的最小、最大放电功率；
负荷需求响应规划运行模型如下：负荷需求响应规划运行模型如下：负荷需求响应规划运行模型如下：负荷需求响应规划运行模型如下：负荷需求响应规划运行模型如下：负荷需求响应规划运行模型如下：负荷需求响应规划运行模型如下：式中：为参加需求响应的功率大小，为参与需求响应的可中断负荷功率大小，为参与需求响应的可转移负荷功率大小，为节点d的功率大小，为节点d允许的最大负荷功率大小，为系统需求响应可中断负荷的比例，为可中断负荷需求响应的投建状态变量，为系统允许的最大可中断电负荷量，为系统需求响应可平移负荷的比例，为可转移负荷需求响应的投建状态变量。4.根据权利要求3所述的一种考虑新能源不确定性的协调优化模型的构建方法，其特征在于，所述目标函数如下：minf＝min(ic+oc+c
i
·
δd+c
w
·
δw+c
l
·
δl)其中：其中：其中：其中：其中：其中：其中：其中：
κ
t
＝1/(1+dr)
t-1
式中：f为系统最优目标函数，t，k分别为年和待投资规划设备型号的索引，e，w，p，s，d分别为电动汽车充电站、风电场、光伏电站、储能设备、负荷的索引，ce、cw、cp、cs、cdr分别为规划充电站、风电场、光伏电站、储能设备、需求响应装置候选投资集合；k为规划候选设备型号的集合，ic为规划投资成本，oc为系统总运行成本；δd,δw,δl分别为系统切负荷量，弃风量和弃光量；c
i
、c
w
、c
l
分别为切负荷、弃风、弃光的单位惩罚成本，κ为现市值系数，dr为贴现率，c
inv
为各设备投资建设的单位投资成本，y
t
为变量，c
tgen
、c
tes
、c
tele,in
、c
tdr
分别为发电机组、电动汽车充电站、主网购电、负荷需求响应成本；dt
bt
为第t年典型日b的天数；，为切负荷量，为风电场的出力预测值，p
w,h,bt
为风电场的实际出力值，为光伏电站的出力预测值，p
p,h,bt
为光伏电站的实际出力值，为发电机组的燃料成本，f
g
(
·
)为发电机组g的热耗率曲线，c
e
为充电站运行成本，为单位购电成本，为单位可中断负荷补偿价格，为向上级购入有功功率，为可中断负荷功率；b、h、g、r分别为典型日、小时、发电机组和变电站节点的索引；约束条件包括投建规划约束、线路功率约束、购电约束、新能源出力约束和失负荷约束；投建规划约束包括：y
w,t-1
≤y
w,t
,w∈cwy
p,t-1
≤y
p,t
,p∈cpv,p∈cpv,p∈cpv,p∈cpv,p∈cpv,p∈cpv,p∈cpv式中：n
n
为区域n内可规划的电动汽车充电站数量，为电动汽车充电站投建状态变量，y
w,t
为风电场投建状态变量，y
p,t
为光伏电站投建状态变量，为储能设备投建状态变量，为负荷需求响应投建状态变量，若投建则为1，否则为0，k为设备型号索引；s
e
为投
建充电站e的容量，为区域n内所有电动汽车的充电容量需求，n
w
为风电场的最小规划投建数量，n
p
为光伏电站的最小规划投建数量；线路功率约束：v
imin
≤v
i,h,bt
≤v
imax
式中：为线路ij的最大流过功率幅值，v
imin
为系统中母线电压v
i
的最小值，v
imax
为系统中母线电压v
i
的最大值，为线路ij能够流过的最大电流幅值；购电约束：购电约束：式中：p
rmin
、p
rmax
分别为购入有功功率最小、最大值，q
rmin
、q
rmax
分别为购入无功功率最小、最大值；新能源出力约束：新能源出力约束：新能源出力约束：式中：分别为风电、光电、储能出力最大值，θ为新能源出力占比，为允许负荷d的最大值；失负荷约束为：式中：α
p
为最大切负荷比例，为负荷d的有功功率。5.根据权利要求4所述的一种考虑新能源不确定性的协调优化模型的构建方法，其特征在于，所述步骤3中采用二阶锥松弛方法对协调规划模型进行线性化处理，对协调规划模型中的配电网模型进行处理；引入两个中间变量和通过支路电流与功率关系式对节点电压降落方程进行松弛处理：松弛处理：松弛处理：松弛处理：
式中：中间变量和数值上分别是i
ij,h,bt
和v
i,,h,bt
的平方。6.根据权利要求5所述的一种考虑新能源不确定性的协调优化模型的构建方法，其特征在于，所述步骤4中不确定性场景获取方法如下：通过蒙特卡洛模拟法，在风光出力与负荷预测的历史数据基础上随机生成l个不确定性场景，通过同步回代消除法进行场景削减，最后得到所需不确定性场景。7.根据权利要求6所述的一种考虑新能源不确定性的协调优化模型的构建方法，其特征在于，所述步骤4中采用分布鲁棒优化方法，建立考虑新能源不确定性的协调优化模型，协调优化模型如下：s.t.ax≤ex∈{0,1}cx+dy≤f式中：x为第一阶段决策变量x满足的可行域，y为第二阶段变量y的可行域，ξ0为基础场景下新能源出力，ξ
k
为考虑不确定性的场景k时新能源出力情况，p
k
为不确定参数分布的概率值，φ为不确定性场景概率分布的取值域，δ
t
为单位切负荷的惩罚价格，为在不确定性场景k时，系统在第一阶段变量x的条件下各元件的调度运行状态变量，a
t
x为包含各设备的规划投建成本和机组的启停成本，b
t
y为包含发电机组的燃料消耗成本、各设备的运行维护成本，a为投建变量与机组状态变量的常系数矩阵，c、d、f分别为两阶段变量不等式约束的系数矩阵和向量，k
r
和分别为二阶锥约束的系数矩阵和向量；式中：p
k
为场景k的概率分布值，为场景k的初始概率分布值，θ1、θ
∞
分别为0-1范数与0-∞允许的概率偏差上限。8.一种配电网规划方法，其特征在于，采用如权利要求1～7所述构建方法得到的考虑新能源不确定性的协调优化模型进行规划：将配电网系统数据、设备参数、运行参数输入考虑新能源不确定性的协调优化模型，采用求解器进行求解，得到最优结果，采用该最优结果对配电网进行规划。9.根据权利要求8所述的一种配电网规划方法，其特征在于，所述配电网系统数据包括配电网拓扑结构和输电线路；设备参数包括发电机组、风电场、光伏电站的功率、容量以及出力上下限，储能设备、电动汽车以及充电站的功率；运行参数包括负荷、风光预测值，向上级网络的购电价格、设备的各种运行参数、负荷需求响应相关数据、系统惩罚价格。

技术总结
本发明公开了一种协调优化模型的构建方法及配电网规划方法，包括以下步骤：步骤1：建立配电网系统模型和各设备规划运行模型；步骤2：以最小化配电网系统规划成本和运行成本为目标函数，建立考虑风电场、光伏电站、电动汽车充电站、储能设备和负荷需求响应的确定性协调规划模型；步骤3：将步骤2得到的协调规划模型转化为混合整数线性规划模型进行求解；步骤4：获取新能源出力与负荷波动的不确定性场景，建立考虑新能源不确定性的协调优化模型；本发明综合考虑新能源、电动汽车充电站、储能设备和负荷需求响应装置协调优化模型，可以研究各设备的协调运行对电力系统经济性和安全性的影响。响。响。


技术研发人员：张玮琪 何川 杨钊 王沿胜 陈宝生 车彬 张斌
受保护的技术使用者：四川大学
技术研发日：2022.07.08
技术公布日：2022/11/1