[发明专利]一种基于现货电价的农网规划方法

说明书

本发明提供了一种基于现货电价的农网规划方法，属于电网规划技术领域，其包括以下步骤：获取发电机组在一个区域内的位置信息和所述发电机组的储能系统的充电状态信息，计算所述发电机组的储能系统充放电的必要性程度，并分配用于指导每个所述发电机组的储能系统的信息用于部署所述区域配电网的与该发电机组之间的联络线。本发明提供技术方案提供了一种农网规划方法，便于激活农网电力交易，使农网发电机组有效参与到电力市场交易中。

技术领域

本发明属于电网规划技术领域，尤其涉及一种基于现货电价的农网规划方法。

背景技术

目前国内农村配电网的范围为县级公司所属区域内的城镇、农村或农（林、牧、渔）场对各类用户供电的110kV及以下各级配电网。近年来，由于分布式发电技术的不断发展及国家政策的大力支持，分布式光伏得到广泛应用。2014年我国实施的光伏发电扶贫工程工作方案中提出在农村安装分布式光伏，充分利用分布式光伏进行发电。2050年，可再生能源发电量的占比将达到60％以上，由于分布式光伏的大规模接入及用户负荷密度低等原因，农村局部地区的分布式光伏渗透率大幅度提升。然而农村白天分布式光伏发电量较大，负荷用电量较低，导致分布式光伏发电无法就地消纳。

粒子群优化算法(ParticleSwarmOptimization,PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法。是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通常认为它是群集智能(Swarmintelligence,SI)的一种。它可以被纳入多主体优化系统(MultiagentOptimizationSystem,MAOS)。粒子群优化算法是由Eberhart博士和kennedy博士发明。PSO模拟鸟群的捕食行为。一群鸟在随机搜索食物，在这个区域里只有一块食物。所有的鸟都不知道食物在那里。但是他们知道当前的位置离食物还有多远。那么找到食物的最优策略，即最简单有效的就是搜寻离食物最近的鸟的周围区域。PSO从这种模型中得到启示并用于解决优化问题。PSO中，每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值(fitnessvalue)，每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。PSO初始化为一群随机粒子(随机解)，然后通过迭代找到最优解，在每一次迭代中，粒子通过跟踪两个“极值”来更新自己。第一个就是粒子本身所找到的最优解，这个解叫做个体极值pBest，另一个极值是整个种群找到的最优解，这个极值是全局极值gBest。另外也可以不用整个种群而只是用其中一部分最优粒子的邻居，那么在所有邻居中的极值就是局部极值。

现有技术中，对电力市场运行约束条件主要在于发电机组与配电网出力与消纳的模型建立，对于农网，发电机组形式较多，且连接发电机组的配电网网络连接较薄弱，尚未形成适用于电力市场交易的农网网络。

发明内容

本发明目的在于提供一种考虑现货电价的农网规划方法，以便合理规划农网，使其便于参与电力市场交易。

本发明提供了一种基于现货电价的农网规划方法，包括以下步骤：获取发电机组在一个区域内的位置信息和所述发电机组的储能系统的充电状态信息，计算所述发电机组的储能系统充放电的必要性程度，并分配用于指导每个所述发电机组的储能系统的信息用于部署所述区域配电网的与该发电机组之间的联络线。本发明总的发明构思是获取农网中现有各个发电机组的地理位置以及其配套储能系统的充电状态信息，这种充电状态信息包括储能系统的总容量、蓄能占比，最大输出功率等，以判断发电机组可用于电力交易的出力能力。对于具备较强交易能力的电力机组，考虑其实际位置与其最位置接近，并且需求最接近的配电网，并在所述配电网与所述发电机组之间部署联络线。一般的，联络线经过若干开关站，在非检修状态下，所经过的开关站应当保证联络线的有效运行。