【技術實現步驟摘要】
本專利技術涉及電力調度，更具體地說，它涉及一種配電網多無功資源協同調度方法、系統、終端及介質。
技術介紹
1、近年來，電動汽車(electric?vehicle，ev)的保有量增長迅速。大量ev無序接入配電網，嚴重影響了配電網運行的安全性和經濟性。隨著車輛到電網(vehicle?to?grid，v2g)技術與雙向四象限充電機的出現，ev能夠通過有序充放電以及無功補償參與到電網的無功優化調度中，從而緩解ev接入配電網所帶來的影響。
2、目前，已有研究驗證了ev通過雙向充電機進行無功補償的可行性，通過改變充電機的功率因數、功率因數角等參數，可以對ev的無功補償行為進行控制。然而，現有研究大多以概率密度函數模擬ev的充電行為，而忽視了其交通屬性，且未考慮ev參與無功補償的可調容量。此外，對于ev入網參與無功補償的研究，大多以確定性模型進行分析而忽略了電動汽車本身的不確定性導致的ev可調無功容量的變化。
3、因此，如何研究設計一種能夠克服上述缺陷的配電網多無功資源協同調度方法、系統、終端及介質是我們目前急需解決的問題。
技術實現思路
1、為解決現有技術中的不足，本專利技術的目的是提供一種配電網多無功資源協同調度方法、系統、終端及介質，通過場景聚類，能有效地對多種隨機因素最終導致的ev充電負荷波動、ev無功容量波動以及常規負荷波動進行表征,?解決了大規模電動汽車參與配網無功優化難估計、難調控和難協同的問題。
2、本專利技術的上述技術目的是通過以下技術方案得
3、第一方面，提供了一種配電網多無功資源協同調度方法，包括以下步驟：
4、采用實際交通路網與配電網耦合的架構，通過蒙特卡洛法對電動汽車中包含出行鏈、出發時間、初始荷電狀態的出行參數進行抽樣，以模擬電動汽車的出行行為；
5、將電動汽車聚合商視為一個充電負荷和連續無功補償裝置參與電網調度，每個聚合商的總充電負荷為相應聚合商所管轄的所有電動汽車充電功率總和；
6、考慮傳統無功補償設備建立電動汽車參與下的配電網確定性無功優化模型，以將各無功調壓設備與電動汽車進行協同優化調度；
7、構建多電動汽車與負荷的場景數據，依據場景數據將配電網確定性無功優化模型進行轉換，得到基于場景聚類的兩階段分布魯棒無功優化模型；
8、利用1-范數和∞-范數對各離散場景的概率偏差進行約束，采用列和約束生成算法對基于場景聚類的兩階段分布魯棒無功優化模型進行求解，以實現配電網無功資源協同調度。
9、進一步的，所述模擬電動汽車的出行行為的過程具體為：
10、采用路網節點與配電網節點一一對應的方式進行兩網耦合，路網節點按照屬性分為居民區、工作區和商業區；
11、選用威布爾概率函數對電動汽車的出行時間和居民區停留時長進行描述，選用廣義極值分布對電動汽車在工作區與商業區的停留時長進行描述；
12、考慮電動汽車在行駛過程中的速度受到車流量和道路狀況的影響，建立速度與流量模型；
13、根據電動汽車的初始荷電狀態soc滿足正態分布求解剩余荷電狀態，并依據剩余荷電狀態求解電動汽車的充電時長。
14、進一步的，將電動汽車聚合商視為一個連續無功補償裝置參與電網調度的可調度無功容量計算公式具體為：
15、；
16、其中，表示t時刻第j個聚合商的總無功容量；表示t時刻第j個聚合商下第m輛車的最大無功功率；表示第 j個eva的車輛總數；表示 t時刻第 m輛車的充電狀態0-1標識，1為充電，0為未充電。
17、進一步的，所述配電網確定性無功優化模型以網絡損耗最小為目標函數；
18、以及，所述傳統無功補償設備包括電容器組、靜止無功發生器和有載調壓變壓器。
19、進一步的，所述基于場景聚類的兩階段分布魯棒無功優化模型的過程具體為：
20、采用常規負荷時序概率模型描述各時段常規負荷的波動；
21、通過k-menas算法將多個樣本數據聚類為多個有限離散場景，并得到每個有限離散場景的初始概率；
22、根據各無功調壓設備的調節靈活特性，將與cb投切狀態、oltc擋位電容器組投切狀態和有載調壓器擋位相關的離散型變量設為第一階段決策變量，其余連續型變量設為第二階段變量，并結合建立的不確定場景集確定基于場景聚類的兩階段分布魯棒無功優化模型。
23、進一步的，所述基于場景聚類的兩階段分布魯棒無功優化模型包括：
24、目標函數，表達式為：
25、；
26、其中，表示第一階段決策變量；x表示第一階段變量約束集合；表示在場景 ps下第二階段決策變量；y表示第二階段變量約束集合；為實際各場景概率的可行域；為有限離散場景的數量；表示配電網運行參數向量集合；
27、第一階段離散變量約束，表達式為：
28、；
29、其中，表示oltc的加減檔0-1標志、擋位調節次數與cb的投切0-1標志、投切組數的集合；表示oltc調節最大次數、cb最大投入組數的集合；表示每組cb容量與投入組數的乘積以及oltc的擋位與對應的電壓變化量的乘積的集合；表示cb投入容量以及oltc接入節點的電壓的集合；
30、第一階段與第二階段的耦合約束，表達式為：
31、；
32、其中，表示配電網、oltc、cb、ev和svg的不等式約束中第一階段變量與對應參數的乘積的集合；表示在場景 ps下配電網、oltc、cb、ev和svg的不等式約束中第二階段變量與對應參數的乘積的集合；表示在場景 ps下配電網各節點電壓上限、電流上限以及oltc、cb、ev和svg的最大出力值的集合；表示配電網、oltc、cb、ev和svg的等式約束中第一階段變量與對應參數的乘積的集合；表示在場景 ps下配電網、oltc、cb、ev和svg的等式約束中第二階段變量與對應參數的乘積的集合；表示在場景 ps下配電網注入的有功和無功功率以及oltc、cb、ev和svg的投入容量的集合；
33、第二階段連續變量約束，表達式為：
34、；
35、其中，表示在場景 ps下svg的出力和ev的無功出力的集合；表示在場景 ps下svg的出力上限和ev的無功出力上限的集合；表示在場景 ps下單輛ev的無功出力與ev數量乘積的集合；表示ev總無功出力的集合；
36、二階錐約束，表達式為：
37、；
【技術保護點】
1.一種配電網多無功資源協同調度方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種配電網多無功資源協同調度方法，其特征在于，所述模擬電動汽車的出行行為的過程具體為：
3.根據權利要求1所述的一種配電網多無功資源協同調度方法，其特征在于，將電動汽車聚合商視為一個連續無功補償裝置參與電網調度的可調度無功容量計算公式具體為：
4.根據權利要求1所述的一種配電網多無功資源協同調度方法，其特征在于，所述配電網確定性無功優化模型以網絡損耗最小為目標函數；
5.根據權利要求1所述的一種配電網多無功資源協同調度方法，其特征在于，所述基于場景聚類的兩階段分布魯棒無功優化模型的過程具體為：
6.根據權利要求5所述的一種配電網多無功資源協同調度方法，其特征在于，所述基于場景聚類的兩階段分布魯棒無功優化模型包括：
7.根據權利要求1所述的一種配電網多無功資源協同調度方法，其特征在于，所述利用1-范數和∞-范數對各離散場景的概率偏差進行約束的表達式具體為：
8.一種配電網多無功資源協同調度系統，其特征在于，該系
9.一種計算機終端，包含存儲器、處理器及存儲在存儲器并可在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如權利要求1-7中任意一項所述的一種配電網多無功資源協同調度方法。
10.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行可實現如權利要求1-7中任意一項所述的一種配電網多無功資源協同調度方法。
...【技術特征摘要】
1.一種配電網多無功資源協同調度方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種配電網多無功資源協同調度方法，其特征在于，所述模擬電動汽車的出行行為的過程具體為：
3.根據權利要求1所述的一種配電網多無功資源協同調度方法，其特征在于，將電動汽車聚合商視為一個連續無功補償裝置參與電網調度的可調度無功容量計算公式具體為：
4.根據權利要求1所述的一種配電網多無功資源協同調度方法，其特征在于，所述配電網確定性無功優化模型以網絡損耗最小為目標函數；
5.根據權利要求1所述的一種配電網多無功資源協同調度方法，其特征在于，所述基于場景聚類的兩階段分布魯棒無功優化模型的過程具體為：
6.根據權利要求5所述的一種配電網多無功資源協同調度方法，其特征在于，所述基于...
【專利技術屬性】
技術研發人員：姜曉鋒，潘鵬宇，王豪，周波，陳剛，李小鵬，徐韻揚，孫昕煒，
申請(專利權)人：國網四川省電力公司電力科學研究院，
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。