System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本專利技術涉及配電網調度領域,尤其涉及一種基于電動汽車參與削峰填谷的配電網優化調度方法及設備。
技術介紹
1、隨著分布式能源(distributed?generation,dg)的不斷發展,其作為供電端參與主動配電網(active?distribution?network,adn)的比例不斷提升,主動配電網用電量逐漸增加導致各節點負荷峰谷差不斷增大。同時,分布式電源出力的不確定性與各節點波動性變化增加了主動配電網優化調度的風險與挑戰,即針對主動配電網內含有大量分布式電源時導致配電網的調度能力降低。
技術實現思路
1、本專利技術實施例提供一種基于電動汽車參與削峰填谷的配電網優化調度方法及設備,以解決主動配電網內含有大量分布式電源時導致配電網的調度能力降低的問題。
2、一種基于電動汽車參與削峰填谷的配電網優化調度方法,包括:
3、構建配電網設備的潮流模型,需求響應模型和電動汽車集群可調度模型;所述配電網設備的潮流模型包括:分布式能源模型,所述分布式能源模型包括分布式能源的有功功率約束條件和無功功率約束條件;所述需求響應模型包括:配電網中各節點的需求響應功率約束條件和需求響應的用戶滿意度約束條件;所述電動汽車集群可調度模型包括:從電動汽車充電站處的購電功率約束條件,向電動汽車充電站處的售電功率約束條件,以及電動汽車充電站的荷電狀態約束條件;
4、構建配電網的節點支路電流與配電網絡損耗之間的關系函數,分布式能源的有功功率與分布式能源的棄電損耗之間的關系函
5、以所述配電網絡損耗成本、所述棄電損耗、所述電動汽車購電損耗以及所述負荷峰谷差損耗之和最小為目標函數,結合所述配電網設備的潮流模型,需求響應模型和電動汽車集群可調度模型,求解得到配電網優化調度結果,包括:各個節點的支路電流調度值、分布式能源的有功功率調度值、配電網各節點的實際負荷需求功率調度值、參與需求響應的節點負荷功率調度值以及從電動汽車充電站處的購電功率調度值。
6、可選的,所述配電網中各節點的需求響應功率約束條件的表達式如下:
7、
8、式中,j為節點,t為采樣時刻,分別為參與需求響應的節點負荷功率中的有功功率和無功功率;分別為參與需求響應的節點負荷功率中的上限、下限;分別為各節點的實際負荷需求功率中的有功功率和無功功率;bdr為主動配電網中參與需求響應的節點集合;
9、所述需求響應的用戶滿意度約束條件的表達式如下:
10、
11、式中,為需求響應的用戶滿意度;t為采樣時刻t的采樣數值。
12、可選的,所述從電動汽車充電站處的購電功率約束條件,向電動汽車充電站處的售電功率約束條件,以及電動汽車充電站的荷電狀態約束條件的表達式如下:
13、
14、式中,為向電動汽車充電站處的售電功率,為從電動汽車充電站處的購電功率,分別為微網運營商向電動汽車購電功率、售電功率的上限值;分別為電動汽車離開充電站時的荷電狀態實際值以及荷電狀態期望值;為t時刻下電動汽車充電站的荷電狀態值,分別為預設的荷電狀態上限制、下限值;為t-1時刻下電動汽車充電站的荷電狀態值;t為參與削峰填谷的電動汽車的數量;n為參與削峰填谷的電動汽車種類;ηev為電動汽車的充放電效率;為電動汽車的充放電狀態;i、n為電動汽車的編號。
15、可選的,所述分布式能源模型包括分布式能源的有功功率約束條件和無功功率約束條件的表達式如下:
16、
17、式中,為配電網的節點j的分布式能源的有功功率預測值,為配電網的節點j的分布式能源的有功功率;為配電網的節點j的分布式能源的無功功率;為配電網中設置有載調壓變壓器的可調變比值;為可調變比的上限值、下限值;為配電網的節點j的分布式能源的無功功率的上限值、下限值。
18、可選的,所述配電網各節點的實際負荷需求功率、參與需求響應的節點負荷功率、從電動汽車充電站處的購電功率與負荷峰谷差損耗之間的函數關系的表達式如下:
19、
20、式中,fp-v為負荷峰谷差損耗,cp-v為單位負荷峰谷差成本;分別為負荷有功功率的峰值、谷值之和,ptsum為在時刻t下的所有節點負荷值之和;nbus為節點數量,為各節點的實際負荷需求功率中的有功功率,為參與需求響應的節點負荷功率中的有功功率;為投入節點的充電功率,等于所述從電動汽車充電站處的購電功率。
21、可選的,所述從電動汽車充電站處的購電功率與電動汽車購電損耗之間的關系函數的表達式如下:
22、
23、式中,fbuy為電動汽車購電損耗,cbuy為單位購電損耗;nbus為變電站節點集合;為從電動汽車充電站處的購電功率;t為采樣時刻,t為采樣周期,i為變電站節點集合中的節點。
24、可選的,所述配電網的節點支路電流與配電網絡損耗之間的關系函數的表達式如下:
25、
26、式中,floss為配電網絡損耗,closs為單位網絡損耗;t為采樣時刻,t為采樣周期,eline為配電網中的支路集合;iij,t為支路電流;rij為支路電阻;ij為節點編號。
27、所述分布式能源的有功功率與分布式能源的棄電損耗之間的關系函數的表達式如下:
28、
29、式中,fdg為分布式能源的棄電損耗,t為采樣時刻,t為采樣周期,cdg為單位棄電成本;ndg為配有分布式能源的節點集合;為配電網的節點j的分布式能源的有功功率預測值,為配電網的節點j的分布式能源的有功功率。
30、可選的,還包括構建配電網的無功補償裝置模型,所述無功補償裝置模型包括投切電容器組的無功補償功率約束條件;
31、以所述配電網絡損耗成本、所述棄電損耗、所述電動汽車購電損耗以及所述負荷峰谷差損耗之和最小為目標函數,結合所述配電網設備的潮流模型、需求響應模型、電動汽車集群可調度模型和所述無功補償裝置模型,求解得到配電網優化調度結果。
32、可選的,所述無功補償功率約束條件的表達式如下:
33、
34、式中,為一組投切電容器的無功補償功率,t為采樣時刻,j為節點;為一個投切電容器的補償功率;bcb為配電網中設置投切電容器的節點集合;為采樣時刻t下投運的投切電容器總數;為機組數量的上限值;為采樣時刻t-1下投運的投切電容器總數,為投切電容器的操作次數上限。
35、一種基于電動汽車參與削峰填谷的配電網優化調度裝置,包括:
36、約束條件構建模塊,用于構建配電網設備的潮流模型,需求響應模型和電動汽車集群可調度模型;所述配電網設備的潮流模型包括:分布式能源模型,所述分布式能源模型包括分布式能源的有功功率約束條件和無功功率約束條本文檔來自技高網...
【技術保護點】
1.基于電動汽車參與削峰填谷的配電網優化調度方法,其特征在于,包括以下步驟:
2.根據權利要求1所述的配電網優化調度方法,其特征在于,所述配電網中各節點的需求響應功率約束條件的表達式如下:
3.根據權利要求1所述的配電網優化調度方法,其特征在于,所述從電動汽車充電站處的購電功率約束條件,向電動汽車充電站處的售電功率約束條件,以及電動汽車充電站的荷電狀態約束條件的表達式如下:
4.根據權利要求1所述的配電網優化調度方法,其特征在于,所述分布式能源模型包括分布式能源的有功功率約束條件和無功功率約束條件的表達式如下:
5.根據權利要求1所述的配電網優化調度方法,其特征在于,所述配電網各節點的實際負荷需求功率、參與需求響應的節點負荷功率、從電動汽車充電站處的購電功率與負荷峰谷差損耗之間的函數關系的表達式如下:
6.根據權利要求1所述的配電網優化調度方法,其特征在于,所述從電動汽車充電站處的購電功率與電動汽車購電損耗之間的關系函數的表達式如下:
7.根據權利要求1所述的配電網優化調度方法,其特征在于,所述配電網的節點支
8.根據權利要求1所述的配電網優化調度方法,其特征在于,還包括構建配電網的無功補償裝置模型,所述無功補償裝置模型包括投切電容器組的無功補償功率約束條件;
9.根據權利要求8所述的配電網優化調度方法,其特征在于,所述無功補償功率約束條件的表達式如下:
10.一種計算機設備,包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序,其特征在于,所述處理器執行所述計算機程序時實現根據權利要求1至9任一項所述的配電網優化調度方法。
...【技術特征摘要】
1.基于電動汽車參與削峰填谷的配電網優化調度方法,其特征在于,包括以下步驟:
2.根據權利要求1所述的配電網優化調度方法,其特征在于,所述配電網中各節點的需求響應功率約束條件的表達式如下:
3.根據權利要求1所述的配電網優化調度方法,其特征在于,所述從電動汽車充電站處的購電功率約束條件,向電動汽車充電站處的售電功率約束條件,以及電動汽車充電站的荷電狀態約束條件的表達式如下:
4.根據權利要求1所述的配電網優化調度方法,其特征在于,所述分布式能源模型包括分布式能源的有功功率約束條件和無功功率約束條件的表達式如下:
5.根據權利要求1所述的配電網優化調度方法,其特征在于,所述配電網各節點的實際負荷需求功率、參與需求響應的節點負荷功率、從電動汽車充電站處的購電功率與負荷峰谷差損耗之間的函數關系的表達式如下:
【專利技術屬性】
技術研發人員:李巖,王國棟,李海洋,魯華永,楊宵,秦曉軍,宋曉,李忠良,榮家鵬,陳振宇,劉明欣,
申請(專利權)人:國網河南省電力公司,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。