预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共22页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115169854A(43)申请公布日2022.10.11(21)申请号202210763627.7(51)Int.Cl.(22)申请日2022.06.30G06Q10/06(2012.01)G06Q10/04(2012.01)(71)申请人国网北京市电力公司G06Q30/02(2012.01)地址100031北京市西城区前门西大街41G06Q50/06(2012.01)号G06F17/18(2006.01)申请人国家电网有限公司H02J3/38(2006.01)中国电力科学研究院有限公司H02J3/28(2006.01)(72)发明人张志远纪斌张茂群赵虎何莹安荣起谭久俞杨帆刘旭东晋攀苏仲伟宋鑫邓小龙刘鹏解芳刘剑韬(74)专利代理机构北京中巡通大知识产权代理有限公司11703专利代理师李晓晓权利要求书5页说明书13页附图3页(54)发明名称一种源网荷储的农村配电网规划方法、装置、设备及介质(57)摘要本发明属于新能源及节能技术领域,具体公开了一种源网荷储协同的农村配电网规划方法、装置、设备及介质,包括:源荷概率场景生成和场景消减;建立农村电网双层优化规划模型;农村电网双层优化规划模型求解;本发明首先采用概率场景方法进行源荷不确定性的描述,建立农村电网双层优化规划模型,两层交互迭代,确保快速搜索到最佳规划容量,并采用基于元模型的优化方法与二阶锥优化结合的模型求解方法对农村电网双层优化规划模型求解,得到配电网期望运行指标,根据配电网期望运行指标,获得农村配电网规划方法,将有助于减少计算时间,提高最优解的搜索效率,可为综合能源微网、主动配电网的规划提供参考。CN115169854ACN115169854A权利要求书1/5页1.一种源网荷储的农村配电网规划方法,其特征在于,包括:S1:获取采样数据;对采样数据进行概率场景生成和场景削减,输出经过场景生成和场景消减后的数据;S2:建立农村电网双层优化规划模型,外层优化模型为分布式电源、储能设备的容量规划,内层优化模型为在给定规划容量下的系统源、荷、储协调运行优化;S3:将经过场景生成和场景消减后的数据带入农村电网双层优化规划模型进行求解,得到配电网期望运行指标,根据配电网期望运行指标,获得农村配电网规划方法。2.根据权利要求1所述的一种源网荷储的农村配电网规划方法,其特征在于,所述源荷概率场景生成包括:采用拉丁超立方抽样进行源荷不确定性的采样,具体采样方法如下:S111:对于随机变量xi,将xi的累积概率分布曲线Fxi=fi(xi)的纵轴等概率的分成N个区间,在每个区间内随机抽取一个值,且有S112:对于随机变量xi的第k个采样值xik,其对应的累积分布概率为:其中,rn~N(0,1)服从均匀分布;通过计算累积分布函数Fxi的反函数,求得xi的第k个采样值xik,满足:S113:采样完成后,将每个随机变量的采样值排成矩阵的一列,形成一个N×P的采样矩阵;采用Gram‑Schmidt序列正交化方法进行排序,将上述N×P的采样矩阵转化为标准正交向量,通过迭代计算使各列的相关性最小;最后形成N个采样场景。3.根据权利要求2所述的一种源网荷储的农村配电网规划方法,其特征在于,所述场景消减包括:采用SBR技术进行采样场景削减并确定相应概率;初始采样场景集合中有N个采样场景S={sθ,θ=1,…,N},每个采样场景对应的概率为pθ,利用LHS生成的每个采样场景的概率都为定义采样场景向量的2范数为采样场景的概率距离作为降阶尺度,记作d(i,j)=d(si,sj);最终采样场景数目为NE,SD为被删掉的采样场景集合,初始阶段为空;所述场景削减的基本步骤如下:S121:计算采样场景i,j之间的概率距离d(i,j)=d(si,sj)i,j=1,…,N;S122:对于每一个采样场景m,找到与其距离最短的采样场景n,即d(m,n)=mind(m,k)k≠m,k∈S;S123:采样场景m的概率为pm,计算Pdm(n)=pmd(m,n),由Pdm(r)=minPdm确定待删除的采样场景r;S124:修正样本S和SD及相关概率S=S‑{r},SD=SD+{r}pm=pm+pr;2CN115169854A权利要求书2/5页S125:N=N‑1N,当N=NE时,迭代终止,否则,转至S122。4.根据权利要求1所述的一种源网荷储的农村配电网规划方法,其特征在于,所述外层优化模型以各DG、ESS的装机规划容量为决策变量,优化目标为最小化系统总成本,其中包括系统初始投资成本和规划容量下的系统运行成本;所述内层优化模型以规划容量下的系统运行成本最小化为目标,运行成本包括分布式电源燃耗成本、维护成本、网损成本、购电成本和需求响应补偿成本;控制决策变量包括各时段的分布式