本技术涉及电力系统技术领域,具体公开了一种考虑多维气象因素耦合的配电网区间调压方法,包括:S1、通过多气象要素耦合的改进非参数核密度估计方法引入气象因子的不确定性,并利用联合概率密度函数进行估计,生成气象因子的置信区间;S2、通过基于强制边界和空间近似的仿射算法,计算基于气象因子置信区间的光伏发电功率与负荷需求的区间;S3、以总调压费用最小为目标构建配电网区间调压优化模型,将光伏发电功率区间与负荷需求的区间输入配电网区间调压优化模型,输出优化的调压方案。本发明的优点是解决了多个气象因子之前的相关性所带来的不确定性,构建了调压优化模型以得到精确的调压方案,有效地降低了调压费用。
背景技术
近年来,由于分布式可再生能源降低电力成本和促进电力自用的优势,获得了不可逆转的发展。然而,随着这些分布式可再生能源的高度普及,主动配电网(activedistribution networks,ADN)存在着许多技术问题,其中电压越限起着主导作用。电压越限主要是由于可再生能源的间歇性/波动性和不可调度性,节点负荷需求的增长、以及电源的选址不合理造成的。由于上述原因造成的电压越限会造成严重的经济损失,特别是对电压敏感的用户。在可再生能源高度普及的现代配电网中,电压调节是亟待解决的问题之一。
目前,表征调压不确定性的方法大致可分为四类,即基于场景的方法、基于概率的方法、模糊逻辑方法和区间值方法。在基于场景的方法中,设置不同渗透水平的交流负荷或光伏发电等多个场景,研究调压策略的变化。然而,在处理大量历史数据的过程中,基于场景的方法固有地存在计算量大、在罕见或极端场景下不准确的问题。也可以采用基于概率的方法,通过典型的概率变量或概率密度函数来描述负荷需求和可再生能源资源的不确定性,并以此为基础,通过概率潮流模型得到调压方案。然而,这种基于概率的方法通常建立在一定的概率分布假设上,这可能会偏离实际结果,进一步导致不准确。而模糊逻辑方法中的不确定性则用隶属度和模糊隶属函数来表示。现有技术Power distribution networkdesign considering the distributed generations and differential and dynamicpricing采用模糊三角隶属度函数来描述客户的需求消费,并进一步提出了电压控制方案。现有技术A new fuzzy adaptive particle swarm optimization for non-smootheconomic dispatch利用控制参数的模糊化来执行ADN的基于价格的Volt/Var控制策略。尽管模糊逻辑方法在上述现有技术中是有效的,但模糊逻辑方法通常涉及主观判断和个人偏好,无法提供科学的解释。区间值法利用区间参数代替传统的点参数来处理不确定性或变异性。现有技术A transactive retail market mechanism for active distributionnetwork integrated with large-scale distributed energy resources将分布式能源的不确定输出定义为区间,提出了零售商利润最大化的调压区间。现有技术EstimatingDLMP confidence intervals in distribution networks with AC power flow modeland uncertain renewable generation将可再生能源波动率视为基于多面体的区间,在考虑节点电压约束的情况下,给出了不同置信水平下的配电网调压区间。综上所述,存在两大弊端:一是当前的不确定性表示方法(如基于场景、基于概率、基于区间),特别是光伏发电输出和交流负荷需求,不够精确,无法直接依靠历史数据。多维气象因子之间的相关性在产生这种不确定性中起着关键作用。二是调压不确定信息仍然有限。
实现思路