[发明专利]计及源-荷相关性的含多微网的配电网分布式优化调度方法

说明书

本发明公开了一种计及源‑荷时空相关性的含多微网的配电网分布式优化调度方法，包括：步骤1）：基于拉丁超立方抽样（LHS）和Cholesky分解技术相结合的处理方法对服从特定分布函数的光照强度和负荷进行相关性处理，生成服从相关性的光照强度和负荷数据，并将光照强度数据转化为光伏有功无功出力；步骤2）：基于上述生成的光伏有功无功出力和负荷数据，建立计及源‑荷时空相关性的含多微网的配电网分布式优化调度模型,并将计及源‑荷时空相关性的优化模型与传统的配电网优化模型对比分析，验证所提模型的正确性和有效性。

技术领域

本发明属于能源系统运行优化技术领域，具体涉及一种计及源-荷时空相关性的含多微网 的配电网分布式优化调度方法。

背景技术

随着日益加重的环境问题和能源危机，越来越多的可再生能源接入配电网，主动配电网 俨然已经成为未来电力系统发展的重要形式。在带来环境和经济效益的同时，日益复杂的配 电网结构以及可再生能源的随机性和不确定性给配电网的优化调度运行带来巨大的挑战。

传统的主动配电网优化调度多采用集中式建模的方法，但是在日益复杂的配电网结构以 及不断深化改革的电力市场环境的背景下，传统的集中式优化调度方法面临通信信息量大， 求解时间长以及售电主体利益博弈等问题，难以满足电力市场环境下配电网优化调度的需求。 近年来分布式优化因其交互信息量少，求解效率高等优点，成为电力系统领域重要的发展趋 势。分布式优化本质上是通过不同区域之间较少的交互信息，不断迭代计算直至求解出各区 域的经济调度结果。这样可以在在满足不同区域调度需求的同时，避免过多的隐私数据传递， 有效的提高计算效率。同时，光伏和负荷存在明显时间相关性以及同一区域光伏间存在一定 空间相关性，而随着可再生能源大规模的并网，在主动配电网优化调度中考虑光伏和负荷的 时间相关性以及同一区域光伏之间的空间相关性是十分必要的。因此目前电力经济调度问题 的关键在于建立一个更加符合实际情况的考虑源-荷时空相关性的含多微网的主动配电网的 分布式优化调度模型。

发明内容

本发明针对现有技术中存在的问题，提供了一种计及源-荷时空相关性的含多微网的配电 网分布式优化调度方法，该方法考虑了光伏和负荷的时间相关性以及同一区域光伏间空间相 关性，同时利用分布式的优化方法，克服了传统集中式优化中交互信息量大，求解效率低的 问题，提出了一种更加符合实际情况，求解速度更高的计及源-荷时空相关性的含多微网的主 动配电网分布式优化调度方法。该模型采用基于拉丁超立方抽样(LHS)和Cholesky分解技 术相结合的处理方法生成符合相关性的光伏和负荷数据，并且利用目标级联分析法(ATC)对 此模型进行求解。

为了实现上述目的，本发明采用的技术方案是：计及源-荷时空相关性的含多微网的主动 配电网的分布式优化调度方法，包括如下步骤：

步骤1)：基于拉丁超立方抽样(LHS)和Cholesky分解技术相结合的处理方法对服从特 定分布函数的光照强度和负荷进行相关性处理，生成服从相关性的光照强度和负荷数据，并 将光照强度数据转化为光伏有功无功出力；

步骤2)：基于上述生成的光伏有功无功出力和负荷数据，建立计及源-荷时空相关性的含 多微网的配电网分布式优化调度模型,并将计及源-荷时空相关性的优化模型与传统的配电网 优化模型对比分析，验证所提模型的正确性和有效性。

作为本发明的一种改进，所述的步骤1)中，计及源-荷时空相关性的光伏出力和负荷数据 的生成包括如下步骤：

步骤101)光伏建模

光伏出力受许多因素影响，比如光照强度，温度湿度等，其中光照强度的影响最大。通 常使用Beta分布来描述光照强度的不确定性

式中：S为光照强度的随机值；S_PV,r为额定光照强度；α和β为分布参数；Γ为Gamma函数。