1.一种新能源接入下区域电网的承载力优化方法,所述区域电网包括输电网和配电网,配电网通过变压器连接输电网,配电网直接和变压器相连的节点是配电网的根节点,输电网通过变压器连接配电网的节点是输电网的边界节点,其特征在于,所述优化方法包括如下步骤:S1、对风光出力历史数据和负荷历史数据进行聚类,得到负荷和风光的典型场景集;
S2、以区域电网新能源安装容量最大和输电网有效无功储备最大为目标,构建区域电网承载力模型;S2中,所述区域电网承载力模型具体为:式中,maxF表示以区域电网新能源安装容量最大和输电网有效无功储备最大为目标的目标函数,F1为无功储备目标函数,F2为输配电网新能源安装容量目标函数;α、β为权重系数,由层次分析法确定;k为与输电网相连的配电网个数,S为配电网个数,m为输电网节点个数,n为配电网节点个数;QGR,T为新能源出力占比最大时刻的输电网有效无功储备;Pi为输电网节点i上新能源的装机容量;Pj为配电网节点j上新能源的装机容量;
输电网有效无功储备表达式为:
其中,gi为节点i上的发电机或新能源机组对关键节点j的灵敏度;Gj为灵敏度矩阵中第j列的子矩阵;Max(Gj)为Gj中的最大值,为节点i上无功源的额定最大无功功率,为节点i当前发出的无功功率;
S3、将区域电网承载力模型分解为输电网承载力优化子模型与配电网承载力优化子模型;S3中,所述将区域电网承载力模型分解为输电网承载力优化子模型与配电网承载力优化子模型所采用的方法为广义主从分裂法,广义主从分裂法表达式为:fMB(uM,xM,xB)=SBS
SBS=fBS(uS,xS,xB)
其中,SBS为算法中间变量,表示输电网和配电网间传输的功率;fMB、fBS为分解后输电网和配电网的边界潮流约束,uM为输电网控制变量,xM为输电网状态变量,xB为边界系统状态变量,uS为配电网控制变量,xS为配电网状态变量;
分解后,输电网承载力优化子模型包括输电网承载力优化子模型的目标函数、约束条件和风光出力模型;
输电网承载力优化子模型包括输电网承载力优化子模型的目标函数FM为:式中,QGR,T为新能源出力占比最大时刻的输电网有效无功储备,m为输电网节点个数,Pi为输电网节点i上新能源的装机容量,ζBS为配电网新能源最大安装容量的目标函数FS1和约束条件对边界系统状态变量的灵敏度矩阵,上标T为矩阵转置,xB为边界系统状态变量;
输电网承载力优化子模型的约束条件包括功率平衡约束、发电机出力约束、支路功率约束、新能源出力约束、静态电压稳定约束和运行安全稳定极限约束;
静态电压稳定约束的条件为:
其中,kp为有功功率裕度,P为初始有功功率;kq为无功功率裕度;Q为初始无功功率;Qmax为负荷最大无功功率;Pmax为最大功率负荷;
运行安全稳定极限约束表达式如下:
其中,η为光伏渗透率;ζ为风电渗透率;VE为电源并网点电压幅值;X为等值阻抗;Pload为负荷有功功率;Pmax为最大功率负荷,为负荷功率因数,Qload为负荷无功功率;QX为等值阻抗在电压静态电压稳定临界点时消耗的无功;
输电网承载力优化子模型的风光出力模型包括双馈异步风机出力模型和光伏机组出力模型;
其中,双馈异步风机出力模型的表达式为:
其中,PDFIG为双馈异步风机有功功率;QDFIG为双馈异步风机无功功率;SDFIG为双馈异步风机装机容量;为功率因数;
光伏机组出力模型的表达式为:
Qsolar,i≤0.48Ssolar
其中,Psolar,i为节点i上光伏机组的有功出力;Qsolar,i为节点i上光伏机组的无功出力;Ssolar为光伏发电阵列并网逆变器容量;
分解后,配电网承载力优化子模型包括配电网承载力优化子模型的目标函数、约束条件和风光出力模型;
配电网承载力优化子模型的目标函数为:
maxFS2=Qup
其中,λMB,k为第k个配电网中边界潮流约束式的拉格朗日乘子向量,上标T为矩阵转置;Qup为配电网向上级电网输出的无功功率;FS1表示配电网新能源最大安装容量的目标函数,FS2表示配电网向输电网提供无功功率最大的目标函数;xB,k表示第k个配电网边界系统的状态变量;S为配电网个数,n为配电网节点个数,Pj为配电网节点j上新能源的装机容量;
配电网承载力优化子模型的约束条件包括系统潮流约束、节点电压约束、风光机组运行约束、连续无功补偿约束、离散无功补偿约束和线路传输功率约束;
配电网承载力优化子模型的风光出力模型包括双馈异步风机出力模型和光伏机组出力模型;
其中,双馈异步风机出力模型的表达式为:
其中,s为转差率;Us为定子侧电压;Is为定子绕组电流;Xs为定子漏抗;Xm为励磁电抗;Ir为转子侧变流器电流;PDFIG为双馈异步风机有功功率;QDFIG为双馈异步风机无功功率;
光伏机组出力模型的表达式为:
-Psolar,i tanθi≤Qsolar,i≤Psolar,i tanθi;
0≤Psolar,i≤Psolar
其中,Psolar为光伏机组可用有功功率;Ssolar为光伏发电阵列并网逆变器容量;Psolar,i为节点i上光伏机组的有功出力;Qsolar,i为节点i上光伏机组的无功出力;θi为节点i上光伏机组的功率因数;
S4、对典型场景集采用输配分步迭代算法,协同求解输电网承载力优化子模型和配电网承载力优化子模型,得到新能源安装容量解集;S4中,所述输配分步迭代算法具体为Heterogeneous Decomposition Algorithm,所述协同求解输电网承载力优化子模型和配电网承载力优化子模型的具体步骤包括:S4.1,初始化各级电网新能源接入量,设置迭代次数z=1,各配电网根节点电压设置为1,相角为0,配电网新能源最大安装容量的目标函数FS1和约束条件对边界系统状态变量的灵敏度矩阵ζBS设为0,配电网中边界潮流约束式的拉格朗日乘子向量λMB,k设为0;
S4.2,求解配电网承载力优化子模型,得到根节点的视在功率和边界灵敏度ζBS,并传送给输电网承载力优化子模型;
S4.3,求解输电网承载力优化子模型,得到边界节点的电压向量和第k个配电网中边界潮流约束式的拉格朗日乘子向量λMB,k,并传送给配电网承载力优化子模型;
S4.4,计算电压向量和第k个配电网中边界潮流约束式的拉格朗日乘子向量λMB,k更新前后的差值,判断是否满足收敛精度,如果收敛则输出输电网和配电网的新能源安装容量,如果不收敛,则迭代次数加一,返回步骤S4.2;
S5、构建考虑运行指标、经济性指标和环保指标的评价体系;S5中,所述运行指标包括电压偏差、电压合格率、净负荷平衡率;所述经济性指标包括平均线损率和调压成本,所述环保指标包括新能源出力比;所述调压成本包括光伏机组调压成本和风电机组调压成本;
光伏机组调压成本a5表达式为:
a5=aQQsolar,i+bPΔPsolar,i,loss其中,aQ为无功出力的成本系数,bP为有功削减的机会成本系数;Qsolar,i为节点i上光伏机组的无功出力;ΔPsolar,i,loss为增大无功出力时削减的有功出力;
风电机组调压成本a6表达式为:
a6=ρdfig·FIT·ΔPdfig
其中,FIT为风电的上网电价;ρdfig为风电折算系数;ΔPdfig增大无功出力时削减的有功出力;
新能源出力比a7,表达式为:
式中,node表示电力系统节点数;PDG,i表示节点i上新能源机组的有功出力,Pload为负荷有功功率;
S6、基于评价体系和新能源安装容量解集,采用组合赋权法计算分时评分得到最优承载力。
2.如权利要求1所述的新能源接入下区域电网的承载力优化方法,其特征在于,S1中,所述对风光出力历史数据和负荷历史数据进行聚类采用的方法为TSK-Medoids聚类,具体包括:S1.1,获取风光出力历史数据及负荷历史数据和聚类数目N;
S1.2,在风光出力历史数据及负荷历史数据中随机选取N个对象作为中心点;
S1.3,计算负荷历史数据和风光出力历史数据到N个中心点之间的时序扭曲距离;
S1.4,根据时序扭曲距离将负荷历史数据和风光出力历史数据归类;
S1.5,计算每个中心点和该类中所有数据点的时序扭曲距离之和作为最初判断值;
S1.6、每个类中选取中心点外的数据点作为新中心点;
S1.7、计算负荷历史数据和风光出力历史数据到N个新中心点之间的时序扭曲距离;根据时序扭曲距离将负荷历史数据和风光出力历史数据重新归类;计算每个新中心点和该类中所有数据点的时序扭曲距离之和作为当前轮次的判断值;
S1.8、若当前轮次的判断值小于上一轮次的判断值,则更新判断值,返回步骤S1.6;否则,聚类结束。
3.如权利要求1所述的新能源接入下区域电网的承载力优化方法,其特征在于,所述求解配电网承载力优化子模型采用的方法为改进NSGA-Ⅱ多目标优化算法,步骤如下:S4.2.1、设置配电网参数和改进NSGA-Ⅱ多目标优化算法参数;
S4.2.2、将新能源安装容量抽象为种群,生成初始种群,迭代次数设为0;
S4.2.3、对初始种群中个体进行潮流计算,求取配电网新能源最大安装容量的目标函数FS1的值以及配电网向输电网提供无功功率最大的目标函数FS2的值;
S4.2.4、判断收敛阶段,收敛前期采用选择、正态分布交叉和均匀变异生成子代种群,收敛中期采用选择、正态分布交叉和莱维分布变异生成子代种群,收敛后期采用选择、正态分布交叉和高斯分布变异算子生成子代种群;
所述收敛阶段判断式为:
其中,step表示收敛阶段,NS为当前迭代次数,NS,max为最大迭代次数,当step<NS,max/2时,此时属于收敛前期,当NS,max/2≤step<2NS,max时,此时属于收敛中期,当step≥2NS,max时,此时属于收敛后期;
S4.2.5、父代和子代种群合并,进行非支配排序和拥挤度计算;
S4.2.6、将个体拥挤度大于设定值的个体作为较优个体,并组成新一代种群;迭代次数加一;
S4.2.7、若迭代次数小于设定值则返回步骤S4.2.4;否则,迭代结束,输出配电网新能源安装容量解集。
4.如权利要求1所述的新能源接入下区域电网的承载力优化方法,其特征在于,所述求解输电网承载力优化子模型具体包括:S4.3.1、在静态电压稳定约束下采用不同稳定裕度进行全局计算;
S4.3.2、计算输电网不同静态电压稳定裕度下对应的有效无功储备;
S4.3.3、根据不同有效无功储备,计算输电网承载力及配电网对输电网的无功出力;
S4.3.4、判断新能源接入下24h内是否均满足收敛要求,不满足则转入步骤S4.2.1,满足收敛要求则得到输电网新能源安装容量及对应的无功储备。
5.如权利要求1所述的新能源接入下区域电网的承载力优化方法,其特征在于,S6具体包括:S6.1、对区域电网24h运行情况进行潮流计算,采用改进熵权法计算评价体系中各指标的客观权重,S6.2、采用层次分析法得到评价体系中各指标的主观权重,S6.3、通过代数均值法得到组合权重,
S6.4、根据组合权重计算出新能源安装容量解集中各个解的每小时的评分,取平均后得平均评分,平均评分最高的解即为区域电网承载力;
所述改进熵权法计算客观权重βm的计算式为:
其中,Em为各指标的信息熵,为除1外所有信息熵的平均值,c为精度系数,M为待评价指标数总数。
6.一种实施如权利要求1所述方法的新能源接入下区域电网的承载力优化系统,其特征在于,包括:场景集构建模块,用于对风光出力历史数据和负荷历史数据进行聚类,得到负荷和风光的典型场景集;
区域电网承载力模型构建模块,用于以区域电网新能源安装容量最大和输电网有效无功储备最大为目标,构建区域电网承载力模型;
模型分解模块,用于将区域电网承载力模型分解为输电网承载力优化子模型与配电网承载力优化子模型;
模型求解模块,用于对典型场景集采用输配分步迭代算法,协同求解输电网承载力优化子模型和配电网承载力优化子模型,得到新能源安装容量解集;
指标构建模块,用于构建考虑运行指标、经济性指标和环保指标的评价体系;
最优承载力计算模块,用于基于评价体系和新能源安装容量解集,采用组合赋权法计算分时评分得到最优承载力。