广域微电网群电源容量协同配置方法及装置与流程

1.本发明涉及电力技术，尤其涉及一种广域微电网群电源容量协同配置方法及装置。


背景技术：

2.随着越来越多的微电网接入配电网，相邻微电网可以组成地区多微网系统，区域多微网系统可以解决单一微电网缺点并提高可再生能源的消纳能力和负荷削峰填谷的能力。相邻地区同一类型可再生能源发电出力具有高度相关性，若忽略了多地区风光之间的时空相关性对微电网群容量配置结果的影响，则缺少对规划场景的客观性，影响容量配置的准确性。


技术实现要素：

3.发明目的：本发明针对现有技术存在的问题，提供一种准确性更高的广域微电网群电源容量协同配置方法及装置。
4.技术方案：本发明所述的广域微电网群电源容量协同配置方法包括：
5.建立以年化总成本最小和总源荷差最少为目标的微电网群电源容量配置优化模型，所述容量配置优化模型的约束条件包括分布式电源容量约束条件、功率平衡约束条件、功率传输约束条件、蓄电池出力约束条件和微电网独立运行约束条件；
6.使用nataf变换生成微电网群电源容量配置优化模型的具有时空相关性的风光出力场景；
7.基于生成的风光出力场景对所述微电网群电源容量配置优化模型进行寻优，得到微电网群电源容量的配置最优解。
8.进一步的，所述微电网群电源容量配置优化模型具体为：
9.f＝min(f1+f2)
10.f1＝c1+c2+c3[0011][0012][0013]
c3＝c
grid
+c
mg
[0014][0015]
[0016][0017]
式中，f为微电网群电源容量配置优化模型总的目标函数，f1为年化总成本最小为目标的目标函数，f2为总源荷差最少为目标的目标函数，c1、c2、c3、c
grid
、c
mg
分别为微电网群的投资成本、维护成本、运行成本、微电网群向配电网购售电成本和微电网间购售电成本，i为第i个微电网，n为微点网总数，r为贴现率，m为设备编号，m为设备总数，ym为第m台设备的生命周期，s
i,m
为第i个微电网第m种设备的容量，cm为第m种设备的单位容量安装成本，ε为维护成本系数，t为是一年内小时数为8760，λ
grid,b
(t)、λ
grid,s
(t)为t时段微电网与配电网交换的购电、售电电价，η、μ为购电、售电参数，p
grid,i
(t)为第i个微电网t时段与配电网交换的功率，p
i,j
(t)为t时段第j个微电网与第i个微电网之间交换功率，p
grid,i
(t)和p
i,j
(t)正值表示购电，此时η＝1，μ＝0，负值表示售电，此时η＝0，μ＝1，λ
mg,b
(t)、λ
mg,s
(t)为t时段微电网间交换功率的购电、售电电价；p
i,wt
(t)、p
i,pv
(t)、p
i,es
(t)和p
i,l
(t)分别为第i个微电网t时刻风机、光伏、储能和负荷的功率值。
[0018]
进一步的，所述分布式电源容量约束条件为：
[0019]
0≤s
i,m
≤s
i,mmax
(1≤m≤3,1≤i≤n)
[0020]
式中，s
i,m
为第i个微电网第m种设备的容量，s
i,mmax
为第i个微电网第m种设备的最大容量，n为微点网总数。
[0021]
进一步的，所述功率平衡约束条件为：
[0022]
p
wt
+p
pv
+p
es
+p
grid
＝p
l
[0023][0024]
式中，p
l
为微电网总的负荷需求；p
wt
、p
pv
、p
es
分别为风机、光伏、储能的总出力；p
grid
为微电网向配电网总的购电功率，p
wt，i
、p
pv,i
、p
es,i
分别为第i个微电网风机、光伏、储能的总出力，p
grid,i
为第i个微电网向配电网总的购电功率；p
j,i
为第j个微电网与第i个微电网之间交换功率，p
l,i
为第i个微电网总的负荷需求。
[0025]
进一步的，所述功率传输约束条件为：
[0026][0027]-p
grid,imax
≤p
grid,i
(t)≤p
grid,imax
[0028]
式中，p
i,j
(t)为t时段第j个微电网与第i个微电网之间交换功率，p
grid,i
(t)为第i个微电网t时段与配电网交换的功率，p
i,jmax
、p
grid,imax
为微电网之间和微电网和配电网之间功率交换的最大值。
[0029]
进一步的，所述蓄电池出力约束条件为：
[0030][0031]
式中，soc(t)、soc(t-1)为t、t-1时刻蓄电池的剩余容量；p
ch
(t)为t时刻蓄电池的充放电功率，大于0为放电，小于0为充电；ηc、ηf分别为充、放电效率；σ为蓄电池每小时的自
放电比例，soc
max
、soc
min
为soc的上下限；p
ch，max
、p
ch，max
为储能装置的最大充放电功率。
[0032]
进一步的，所述微电网独立运行约束条件为：
[0033][0034]
式中，r
own
为独立运行能力；s
es
为储能容量；soc
min
为soc下限；s
safe
为安全裕度系数；p
l,max
为年负荷最大值；t
own
为设定的微电网在孤岛状态下具备的独立运行时间,z代表不可调节负荷占本微网最大负荷的比例。
[0035]
进一步的，所述使用nataf变换生成微电网群电源容量配置优化模型的具有时空相关性的风光出力场景，具体包括：
[0036]
根据风光出力的相关系数矩阵ρv与相关系数矩阵ρ
x
的关系，计算得到相关系数矩阵ρ
x
，其中，ρ
x
为与ρv具有相关性的标准正态分布变量x的相关系数矩阵，ρv与ρ
x
的关系为下式：
[0037][0038]
式中，ρ
vij
为ρv的第i行第j列元素，φ(
·
)为标准正态分布的概率分布函数，μi和σi分别为随机变量xi的均值和标准差，μj和σj分别为随机变量xj的均值和标准差，φ2(xi,xj,ρ
xij
)为具有相关系数ρ
xij
的标准正态随机变量xi和xj的联合概率密度函数，f
i-1
(φ(
·
))为标准正态分布φ(
·
)的概率分布函数基于输入变量的累计概率分布fi的逆函数变换；
[0039]
将相关系数矩阵ρ
x
进行cholesky分解得到下三角矩阵g
x
：
[0040][0041]
对标准正态分布变量进行随机抽样，生成包括n个独立标准正态分布变量的样本ys，n为微电网数量；
[0042]
基于样本ys通过下式生成相关系数矩阵ρ
x
的样本xs；
[0043]
xs＝g
xys
[0044]
基于样本xs通过等概率转换原则生成相关系数矩阵ρv的风光出力样本vs：
[0045]vs
＝f-1
(φ(xs))
[0046]
重复以上步骤，得到包括若干风光出力样本vs的具有空间相关性的风光出力场景；
[0047]
对具有空间相关性的风光出力场景重构次序，生成具有时空相关性的风光出力场景，重构准则为：
[0048][0049]
其中，mae为平均绝对误差，pi和zi分别为重构次序后具有时空相关性的风光出力序列和基准风光出力序列。
[0050]
进一步的，对所述微电网群电源容量配置优化模型进行寻优时采用mojaya算法实现，寻优时考虑风光时空相关性情况、微电网之间和与配电网之间互联情况以及负荷差异情况三方面因素的影响。
[0051]
本发明所述的广域微电网群电源容量协同配置装置包括：
[0052]
一个或多个处理器；
[0053]
存储器，用于存储一个或多个程序；
[0054]
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述方法。
[0055]
有益效果：本发明与现有技术相比，其显著优点是：本发明建立的优化模型中，以年化总成本最小和总源荷差最少为目标，并使用nataf变换生成具有时空相关性的风光出力场景，考虑了风光出力场景、年化总成本和总源荷差，因此得到的容量配置结果准确性更高，可以实现可再生能源最大消纳，为相邻地区微电网群规划中风光储容量配置量提供更准确的参考。
附图说明
[0056]
图1是本发明提供的广域微电网群电源容量协同配置方法的流程示意图；
[0057]
图2是本发明采用的mojaya算法的流程示意图；
[0058]
图3是本发明提供的广域微电网群电源容量协同配置装置的结构图；
[0059]
图4为微电网群示意图；
[0060]
图5为分时电价曲线图；
[0061]
图6为负荷特性曲线图；
[0062]
图7为具有时空相关性的风电场景；
[0063]
图8为具有时空相关性的光伏场景；
[0064]
图9为寻优结果pareto解集示意图。
具体实施方式
[0065]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0066]
实施例一
[0067]
本实施例提供一种广域微电网群电源容量协同配置方法，如图1所示，包括如下步骤：
[0068]
s1、建立以年化总成本最小和总源荷差最少为目标的微电网群电源容量配置优化模型，所述容量配置优化模型的约束条件包括分布式电源容量约束条件、功率平衡约束条件、功率传输约束条件、蓄电池出力约束条件和微电网独立运行约束条件。
[0069]
其中，建立的微电网群电源容量配置优化模型具体为：
[0070]
f＝min(f1+f2)
[0071]
f1＝c1+c2+c3[0072]
[0073][0074]
c3＝c
grid
+c
mg
[0075][0076][0077][0078]
式中，f为微电网群电源容量配置优化模型总的目标函数，f1为年化总成本最小为目标的目标函数，f2为总源荷差最少为目标的目标函数，c1、c2、c3、c
grid
、c
mg
分别为微电网群的投资成本、维护成本、运行成本、微电网群向配电网购售电成本和微电网间购售电成本，i为第i个微电网，n为微点网总数，r为贴现率，m为设备编号，m为设备总数，ym为第m台设备的生命周期，s
i,m
为第i个微电网第m种设备的容量，cm为第m种设备的单位容量安装成本，ε为维护成本系数，设为0.01，t为是一年内小时数为8760，λ
grid,b
(t)、λ
grid,s
(t)为t时段微电网与配电网交换的购电、售电电价，η、μ为购电、售电参数，p
grid,i
(t)为第i个微电网t时段与配电网交换的功率，p
i,j
(t)为t时段第j个微电网与第i个微电网之间交换功率，p
grid,i
(t)和p
i,j
(t)正值表示购电，此时η＝1，μ＝0，负值表示售电，此时η＝0，μ＝1，λ
mg,b
(t)、λ
mg,s
(t)为t时段微电网间交换功率的购电、售电电价；p
i,wt
(t)、p
i,pv
(t)、p
i,es
(t)和p
i,l
(t)分别为第i个微电网t时刻风机、光伏、储能和负荷的功率值。
[0079]
优化模型的各约束条件如下：
[0080]
1)分布式电源容量约束条件：
[0081]
0≤s
i,m
≤s
i,mmax
(1≤m≤3,1≤i≤n)
[0082]
式中，s
i,m
为第i个微电网第m种设备的容量，s
i,mmax
为第i个微电网第m种设备的最大容量，n为微点网总数。
[0083]
2)功率平衡约束条件：
[0084]
p
wt
+p
pv
+p
es
+p
grid
＝p
l
[0085][0086]
式中，p
l
为微电网总的负荷需求；p
wt
、p
pv
、p
es
分别为风机、光伏、储能的总出力；p
grid
为微电网向配电网总的购电功率，p
wt，i
、p
pv,i
、p
es,i
分别为第i个微电网风机、光伏、储能的总出力，p
grid,i
为第i个微电网向配电网总的购电功率；p
j,i
为第j个微电网与第i个微电网之间交换功率，p
l,i
为第i个微电网总的负荷需求。
[0087]
3)功率传输约束条件：
[0088][0089]-p
grid,imax
≤p
grid,i
(t)≤p
grid,imax
[0090]
式中，p
i,j
(t)为t时段第j个微电网与第i个微电网之间交换功率，p
grid,i
(t)为第i个微电网t时段与配电网交换的功率，p
i,jmax
、p
grid,imax
为微电网之间和微电网和配电网之间
功率交换的最大值。
[0091]
4)蓄电池出力约束条件：
[0092][0093]
式中，soc(t)、soc(t-1)为t、t-1时刻蓄电池的剩余容量；p
ch
(t)为t时刻蓄电池的充放电功率，大于0为放电，小于0为充电；ηc、ηf分别为充、放电效率；σ为蓄电池每小时的自放电比例，soc
max
、soc
min
为soc的上下限；p
ch，max
、p
ch，max
为储能装置的最大充放电功率。
[0094]
5)微电网独立运行约束条件：
[0095][0096]
式中，r
own
为独立运行能力；s
es
为储能容量；soc
min
为soc下限；s
safe
为安全裕度系数，该值取1.1；p
l,max
为年负荷最大值；t
own
为设定的微电网在孤岛状态下具备的独立运行时间,该值不低于2小时，z代表不可调节负荷占本微网最大负荷的比例。
[0097]
s2、使用nataf变换生成微电网群电源容量配置优化模型的具有时空相关性的风光出力场景。
[0098]
该步骤具体包括：
[0099]
s21、根据风光出力的相关系数矩阵ρv与相关系数矩阵ρ
x
的关系，计算得到相关系数矩阵ρ
x
，其中，ρ
x
为与ρv具有相关性的标准正态分布变量x的相关系数矩阵，ρv与ρ
x
的关系为下式：
[0100][0101]
式中，ρ
vij
为ρv的第i行第j列元素，φ(
·
)为标准正态分布的概率分布函数，μi和σi分别为随机变量xi的均值和标准差，μj和σj分别为随机变量xj的均值和标准差，φ2(xi,xj,ρ
xij
)为具有相关系数ρ
xij
的标准正态随机变量xi和xj的联合概率密度函数，f
i-1
(φ(
·
))为标准正态分布φ(
·
)的概率分布函数基于输入变量vi的累计概率分布fi的逆函数变换；
[0102]
s22、将相关系数矩阵ρ
x
进行cholesky分解得到下三角矩阵g
x
：
[0103][0104]
s23、对标准正态分布变量进行随机抽样，生成包括n个独立标准正态分布变量的样本ys，n为微电网数量；
[0105]
s24、基于样本ys通过下式生成相关系数矩阵ρ
x
的样本xs；
[0106]
xs＝g
xys
[0107]
s25、基于样本xs通过等概率转换原则生成相关系数矩阵ρv的风光出力样本vs：
[0108]vs
＝f-1
(φ(xs))
[0109][0110]
式中，n为相关系数矩阵ρv的维度；
[0111]
s26、重复步骤s21-s25，得到包括若干风光出力样本vs的具有空间相关性的风光出力场景；
[0112]
s27、对具有空间相关性的风光出力场景重构次序，生成具有时空相关性的风光出力场景，重构准则为：
[0113][0114]
其中，mae为平均绝对误差，pi和zi分别为重构次序后具有时空相关性的风光出力序列和基准风光出力序列。
[0115]
s3、基于生成的风光出力场景对所述微电网群电源容量配置优化模型进行寻优，得到微电网群电源容量的配置最优解。
[0116]
寻优时采用mojaya算法实现，并虑风光时空相关性情况、微电网之间和与配电网之间互联情况以及负荷差异情况三方面因素的影响，如图2所示，具体包括如下步骤：
[0117]
s31、读取风光时空相关性场景数据、负荷差异情况数据，初始化分布式电源参数参数，设置mojaya算法全局参数，初始化种群；
[0118]
s32、对形成的初始种群进行快速非支配排序分层和拥挤度计算；
[0119]
s33、基于拥挤度距离和非支配排序结果确定种群中最优解和最劣解；
[0120]
s34、logistics混沌映射生成随机数；
[0121]
s35、按照位置更新策略修正候选解并将其与候选解结合；
[0122]
s36、重新进行非支配排序并计算拥挤度；
[0123]
s37、判断是否达到最大进化次数，若不满足则并返回s33，若满足则输出pareto解集，并采用模糊隶属度函数输出最优解。
[0124]
实施例二
[0125]
图3是本发明实施例提供的广域微电网群电源容量协同配置的结构示意图，本发明实施例为上述实施例一的方法的实现提供服务。图3示出了适于用来实现本发明实施方式的示例性设备12的框图。图3显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0126]
如图3所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件包括系统存储器28和处理单元16的总线18。
[0127]
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
[0128]
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
[0129]
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
[0130]
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
[0131]
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图3所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0132]
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例一所提供的方法。
[0133]
下面对本发明进行仿真验证。
[0134]
仿真采用包含三个微电网的微电网群系统作为算例，如图4所示，光伏投资成本为12700元/kw，风机投资成本为10000元/kw,蓄电池的投资成本为1872元/kwh，贴现率为8％。储能充放电最大功率取储能容量的1/4，储能的充放电效率为75％，初始储能soc都为0.5，其上限和下限分别为0.2和0.9。设各微电网的分布式电源的上限都为1000kw，不可调负荷占比为20％。各微电网之间购售电价、微电网向配电网购售电价都采用分时电价，其中微电网之间购售电价介于微电网和配电网购售电价之间，分时电价图如图5所示。所需光照和风速历史数据来源于上海某园区，三个地区微电网负荷分别采用商业居民混合、商业和居民负荷特性，以冬季典型日为例，其负荷如图6所示。通过nataf变换生成的具有时空相关性的风光场景如图7,8所示。
[0135]
针对四种场景微电网群容量配置结果进行比较：场景一为考虑风光相关性的微电网群互联配置，微电网之间可以互供互济；场景二为考虑风光相关性的微电网独立配置，各微电网只与配电网进行功率交换；场景三为不考虑风光相关性的微电网群互联配置，即三个地区风光数据相同；场景四为不考虑负荷特性的微电网群互联配置，即三个地区负荷相
同。场景分类表如表1。
[0136]
表1 4种在微电网群配置中的场景
[0137][0138]
经过多次寻优，寻优的pareto解集图如图9所示，最终得到四种不同场景下的容量配置方案如表2所示。
[0139]
表2 4种场景下微电网群容量配置结果
[0140][0141]
通过比较表2可得，在负荷情况和风光场景相同的情况下，容量配置中场景一总成本和源荷差低于场景二，这主要是由于场景二发电量更少，且各微电网功率不足时只能向配电网购电，场景一则可以向其他微电网购电，各微电网间购售电量总和为零其总的微电网交互成本为零，且微电网之间的交易电价低于向配电网的购电电价，场景一减少了与配电网交易的电量；在负荷情况和互联状态相同的情况下，容量配置中场景一总成本和源荷差略低于场景三，这是由于场景三考虑了不同地区风光的差异性，从而多地区风光出力可形成互补。在风光场景和互联状态相同的情况下，容量配置中场景一总成本略低于场景四，源荷差高于场景四，这是由于场景四未考虑忽略了多地区负荷数据的互补性，从而是总运行成本高于场景一，而源荷差由于三个地区负荷趋于均值，负荷和电压方差变小，源荷差也因此变小。
[0142]
综上验证了本发明的合理性和准确性。本发明的微电网群容量配置结果，在保证经济性的基础上，兼顾了系统低碳性和可再生能源最大消纳，为相邻地区微电网群容量配置方案提供了参考。

技术特征：
1.一种广域微电网群电源容量协同配置方法，其特征在于该方法包括：建立以年化总成本最小和总源荷差最少为目标的微电网群电源容量配置优化模型，所述容量配置优化模型的约束条件包括分布式电源容量约束条件、功率平衡约束条件、功率传输约束条件、蓄电池出力约束条件和微电网独立运行约束条件；使用nataf变换生成微电网群电源容量配置优化模型的具有时空相关性的风光出力场景；基于生成的风光出力场景对所述微电网群电源容量配置优化模型进行寻优，得到微电网群电源容量的配置最优解。2.根据权利要求1所述的广域微电网群电源容量协同配置方法，其特征在于：所述微电网群电源容量配置优化模型具体为：f＝min(f1+f2)f1＝c1+c2+c
33
c3＝c
grid
+c
mgmgmg
式中，f为微电网群电源容量配置优化模型总的目标函数，f1为年化总成本最小为目标的目标函数，f2为总源荷差最少为目标的目标函数，c1、c2、c3、c
grid
、c
mg
分别为微电网群的投资成本、维护成本、运行成本、微电网群向配电网购售电成本和微电网间购售电成本，i为第i个微电网，n为微点网总数，r为贴现率，m为设备编号，m为设备总数，y
m
为第m台设备的生命周期，s
i,m
为第i个微电网第m种设备的容量，c
m
为第m种设备的单位容量安装成本，ε为维护成本系数，t是一年内小时数为8760，λ
grid,b
(t)、λ
grid,s
(t)为t时段微电网与配电网交换的购电、售电电价，η、μ为购电、售电参数，p
grid,i
(t)为第i个微电网t时段与配电网交换的功率，p
i,j
(t)为t时段第j个微电网与第i个微电网之间交换功率，p
grid,i
(t)和p
i,j
(t)正值表示购电，此时η＝1，μ＝0，负值表示售电，此时η＝0，μ＝1，λ
mg,b
(t)、λ
mg,s
(t)为t时段微电网间交换功率的购电、售电电价；p
i,wt
(t)、p
i,pv
(t)、p
i,es
(t)和p
i,l
(t)分别为第i个微电网t时刻风机、光伏、储能和负荷的功率值。3.根据权利要求1所述的广域微电网群电源容量协同配置方法，其特征在于：所述分布式电源容量约束条件为：0≤s
i,m
≤s
i,mmax
(1≤m≤3,1≤i≤n)式中，s
i,m
为第i个微电网第m种设备的容量，s
i,mmax
为第i个微电网第m种设备的最大容
量，n为微点网总数。4.根据权利要求1所述的广域微电网群电源容量协同配置方法，其特征在于：所述功率平衡约束条件为：p
wt
+p
pv
+p
es
+p
grid
＝p
l
式中，p
l
为微电网总的负荷需求；p
wt
、p
pv
、p
es
分别为风机、光伏、储能的总出力；p
grid
为微电网向配电网总的购电功率，p
wt，i
、p
pv,i
、p
es,i
分别为第i个微电网风机、光伏、储能的总出力，p
grid,i
为第i个微电网向配电网总的购电功率；p
j,i
为第j个微电网与第i个微电网之间交换功率，p
l,i
为第i个微电网总的负荷需求。5.根据权利要求1所述的广域微电网群电源容量协同配置方法，其特征在于：所述功率传输约束条件为：-p
grid,imax
≤p
grid,i
(t)≤p
grid,imax
式中，p
i,j
(t)为t时段第j个微电网与第i个微电网之间交换功率，p
grid,i
(t)为第i个微电网t时段与配电网交换的功率，p
i,jmax
、p
grid,imax
为微电网之间和微电网和配电网之间功率交换的最大值。6.根据权利要求1所述的广域微电网群电源容量协同配置方法，其特征在于：所述蓄电池出力约束条件为：式中，soc(t)、soc(t-1)为t、t-1时刻蓄电池的剩余容量；p
ch
(t)为t时刻蓄电池的充放电功率，大于0为放电，小于0为充电；η
c
、η
f
分别为充、放电效率；σ为蓄电池每小时的自放电比例，soc
max
、soc
min
为soc的上下限；p
ch，max
、p
ch，max
为储能装置的最大充放电功率。7.根据权利要求1所述的广域微电网群电源容量协同配置方法，其特征在于：所述微电网独立运行约束条件为：式中，r
own
为独立运行能力；s
es
为储能容量；soc
min
为soc下限；s
safe
为安全裕度系数；p
l,max
为年负荷最大值；t
own
为设定的微电网在孤岛状态下具备的独立运行时间,z代表不可调节负荷占本微网最大负荷的比例。8.根据权利要求1所述的广域微电网群电源容量协同配置方法，其特征在于：所述使用nataf变换生成微电网群电源容量配置优化模型的具有时空相关性的风光出力场景，具体包括：根据风光出力的相关系数矩阵ρ
v
与相关系数矩阵ρ
x
的关系，计算得到相关系数矩阵ρ
x
，其中，ρ
x
为与ρ
v
具有相关性的标准正态分布变量x的相关系数矩阵，ρ
v
与ρ
x
的关系为下式：
式中，ρ
vij
为ρ
v
的第i行第j列元素，φ(
·
)为标准正态分布的概率分布函数，μ
i
和σ
i
分别为随机变量x
i
的均值和标准差，μ
j
和σ
j
分别为随机变量x
j
的均值和标准差，φ2(x
i
,x
j
,ρ
xij
)为具有相关系数ρ
xij
的标准正态随机变量x
i
和x
j
的联合概率密度函数，f
i-1
(φ(
·
))为标准正态分布φ(
·
)的概率分布函数基于输入变量的累计概率分布f
i
的逆函数变换；将相关系数矩阵ρ
x
进行cholesky分解得到下三角矩阵g
x
：对标准正态分布变量进行随机抽样，生成包括n个独立标准正态分布变量的样本y
s
，n为微电网数量；基于样本y
s
通过下式生成相关系数矩阵ρ
x
的样本x
s
；x
s
＝g
x
y
s
基于样本x
s
通过等概率转换原则生成相关系数矩阵ρ
v
的风光出力样本v
s
：v
s
＝f-1
(φ(x
s
))重复以上步骤，得到包括若干风光出力样本v
s
的具有空间相关性的风光出力场景；对具有空间相关性的风光出力场景重构次序，生成具有时空相关性的风光出力场景，重构准则为：其中，mae为平均绝对误差，p
i
和z
i
分别为重构次序后具有时空相关性的风光出力序列和基准风光出力序列。9.根据权利要求1所述的广域微电网群电源容量协同配置方法，其特征在于：对所述微电网群电源容量配置优化模型进行寻优时采用mojaya算法实现，寻优时考虑风光时空相关性情况、微电网之间和与配电网之间互联情况以及负荷差异情况三方面因素的影响。10.一种广域微电网群电源容量协同配置装置，其特征在于，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一项所述方法。

技术总结
本发明公开了一种广域微电网群电源容量协同配置方法及装置，本发明首先建立以年化总成本最小和总源荷差最少为目标的微电网群电源容量配置优化模型，所述容量配置优化模型的约束条件包括分布式电源容量约束条件、功率平衡约束条件、功率传输约束条件、蓄电池出力约束条件和微电网独立运行约束条件；其次使用Nataf变换生成微电网群电源容量配置优化模型的具有时空相关性的风光出力场景；最后基于生成的风光出力场景对所述微电网群电源容量配置优化模型进行寻优，得到微电网群电源容量的配置最优解。本发明准确性更高。本发明准确性更高。本发明准确性更高。


技术研发人员：任明珠 颜华敏 卢婧婧 肖远兵 李林锐 周珺 殷珉 郑真 陈亚杰 王建高 郭帅 高仲祥
受保护的技术使用者：国网上海市电力公司
技术研发日：2023.05.31
技术公布日：2023/7/22