(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211152017.X (22)申请日 2022.09.21 (71)申请人 国网陕西省电力有限公司电力科 学 研究院 地址 710054 陕西省西安市国家民用航天 产业基地 航天中路6 69号 申请人 西安交通大 学 (72)发明人 刘菲　陈晨　别朝红　王毅钊　 邵美阳　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 高博 (51)Int.Cl. H02J 3/00(2006.01) H02J 3/06(2006.01)G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 7/00(2006.01) (54)发明名称 一种基于分布式新能源聚合的配电网弹性 提升方法及系统 (57)摘要 本发明公开了一种基于分布式新能源聚合 的配电网弹性提升方法及系统， 在能源转型的大 背景下， 提高分布式新能源机组对于配电系统弹 性提升的作用。 基于多元正态分布对新能源机组 出力及负荷数据预测误差进行概率建模； 利用快 速前向场景削减得到随时间不断更新的典型出 力曲线； 搭建储能系统和分布式新能源机组的聚 合模型； 向配电网层输入聚合模 型所对应的聚合 特性， 即电压频率范围及有功无功功率出力范 围； 设定最大化关键负荷恢复的优化目标以及各 类约束条件； 提升灾后配电系统的恢复能力。 本 发明在能源转型的大背景下解决高 比例新能源 接入配电网中的不确定性和波动性问题， 提升灾 后配电系统关键负荷恢复能力， 为解决弹性配电 网技术向实际工业应用迈进的关键突出问题奠 定基础。 权利要求书4页 说明书12页 附图2页 CN 115441440 A 2022.12.06 CN 115441440 A 1.一种基于分布式新能源聚合的配电网弹性 提升方法， 其特 征在于， 包括以下步骤： S1、 利用多元正态分布对多个分布式风电、 光伏出力及负荷数据的预测数据进行概率 建模， 将采样的预测 误差数据添加到预测曲线中， 并通过快速前向选择法对场景进行概率 再分配， 筛 选典型场景； S2、 利用步骤S1筛选的典型场景建立分布式储能系统和新能源机组的聚合模型， 求解 得出聚合模型的聚合特性； S3、 利用步骤S2得到的聚合模型的聚合特性作为输入参数， 以不同权重系数下负荷恢 复量最大为 目标， 考虑网络辐射拓扑约束、 潮流约束及节点电压/电流约束、 安全约束建立 多时段配电网负荷恢复模型， 求解得到各分布式电源出力情况、 微网划分情况和负荷恢复 结果。 2.根据权利要求1所述的基于分布式新 能源聚合的配电网弹性提升方法， 其特征在于， 步骤S1具体为： S101、 采用多元正态分布对多个新能源机组功率输出或负荷的预测出力数据进行概率 建模， 对于负荷 恢复过程中的每一个时刻， 采样预测误差数据， 以反映新能源机组功率输出 和负载的运行不确定性； S102、 将步骤S101得到的预测误差数据添加到相应的预测曲线中， 生成新能源机组功 率输出和负荷的时间序列场景； 最后利用快速前向选择法对所有场景进行概率再分配， 筛 选典型场景。 3.根据权利要求2所述的基于分布式新 能源聚合的配电网弹性提升方法， 其特征在于， 步骤S101中， 预测误差数据fX(x1,...,xn)具体为： 其中， Xi为第i个预测误差， μ是 所有预测误差的平均向量， Σ 为协方差矩阵。 4.根据权利要求2所述的基于分布式新 能源聚合的配电网弹性提升方法， 其特征在于， 步骤S102中， 将预测误差数据添加到相应的预测曲线中具体为： 其中， Pi,s,t为第i个新能源机组或负荷在t时刻、 场景 s时的有功功率； 为第i个新能源 机组或负荷 在t时刻对应的预测值； Ei,s,t为采样后的预测误差数据。 5.根据权利要求1所述的基于分布式新 能源聚合的配电网弹性提升方法， 其特征在于， 步骤S2具体为： S201、 采用结合下垂控制的分散控制策略， 同一节点接入的多个储能系 统通过下垂控 制共同支持所在微网的电压和频率； S202、 在步骤S201储能系统支撑电压和频率的前提下， 多个新能源机组通过自适应功 率控制向所在微网提供有功 功率和无功 功率； S203、 基于步骤S201和步骤S202的控制策略， 利用分布式资源管理系统聚合多个分布 式储能系统和 新能源机组， 监测上层配电网的需求信息， 并分配和调整配置的每个新能源 机组和储能的功率输出； 利用Cplex求解储能系统和新能源机组的聚合模型得出聚合特性， 即所能提供的有功和无功 功率范围， 以及对应的频率和电压范围。权　利　要　求　书 1/4 页 2 CN 115441440 A 26.根据权利要求5所述的基于分布式新 能源聚合的配电网弹性提升方法， 其特征在于， 步骤S202中， 时刻t和场景s下第n个新能源机组的有功 功率 和无功功率 分别为： 其中， 为第n个新能源机组的控制系数； 为第n个新能源机组的最大有功功 率； fH为高频阈值； 为第n个新能源机组的频率 ‑有功功率控制模式， 和 分别为时刻t和场景s下第n个新能源 机组的最 大和最小无功功率； UL和UH是电压低状态阈值 和高状态阈值； 和 为控制系数； 为第n个新能源机组的电压 ‑无功控制模式。 7.根据权利要求5所述的基于分布式新 能源聚合的配电网弹性提升方法， 其特征在于， 步骤S203中， 多个分布式储能系统和新能源机组的聚合模型表示 为： 其中， 和 分别为节点i、 时刻t和场景s处分布式资源管理系统的有功功率 和无功功率； 和 是新能源机组和储能的决策变量， 描述新能源或储能是否接入微 网； 和 是f‑P聚合特性的系数； 和 是U‑Q聚合特性 的系数； Ki和Li是节点i处分布式资源管理系统中的新能源机组和储 能集合。 8.根据权利要求1所述的基于分布式新 能源聚合的配电网弹性提升方法， 其特征在于， 步骤S3中， 多时段配电网负荷恢复模型的目标函数为： 其中， S为新能源机组和负荷的典型场景集合， ηs是场景s的权重， T 为优化过程的时间集 合， N为配电系统中的节点集合， λi,t是在时刻t决定是否恢复负荷i的二元变量， ωi是负荷i权　利　要　求　书 2/4 页 3 CN 115441440 A 3