一种有源配电网的电压调节方法及系统

1.一种有源配电网的电压调节方法，其特征在于，包括：根据电动汽车充电负荷、常规负荷以及新能源出力的历史数据和实时量测数据预测未来一段时间内的电动汽车充电负荷预测值、常规负荷预测值以及新能源出力预测值，其中，预测未来一段时间内的电动汽车充电负荷预测值为：通过统计数据构建用户行为概率密度函数，再预测充电站流量，并通过蒙特卡洛采样获取电动汽车充电负荷预测值，所述统计数据包括电动汽车充电负荷的历史数据和实时量测数据；根据未来一段时间内的电动汽车充电负荷预测值、常规负荷预测值以及新能源出力预测值构建以电压偏差和网损最小为目标的无功电压优化模型，所述无功电压优化模型的潮流方程为：式中，P i，t 为t时刻节点i处的有功功率， 为t时刻节点i处负荷的有功功率， 为t时刻节点i处的电动汽车充电功率， 为t时刻节点i处储能的充电功率， 为t时刻节点i处储能的放电功率， 为t时刻节点i处分布式电源的有功功率，Q i，t 为t时刻节点i处的无功功率， 为为t时刻节点i处负荷的无功功率， 为t时刻节点i处静止无功补偿器的无功补偿， 为时刻节点i处电容器组的无功补偿， 为t时刻节点i处分布式电源的无功功率，P ij，t 为支路ij在t时刻的有功功率，R ij 为支路ij的电阻，I ij，t 为t时刻支路ij电流，P ik，t 为支路ik在t时刻的有功功率，Q ij，t 为支路ij在t时刻的无功功率，X ij 为支路ij的电抗，Q ik，t 为支路ik在t时刻的无功功率，V i，t 为t时刻节点i处节点电压，V j，t 为节点j在t时刻的电压，R ij，t 为t时刻支路ij上的电阻，V i，min 为节点i处电压下限，V i，max 为节点i处电压上限，I ij，min 为支路ij电流下限，I ij，max 为支路ij电流上限，w(j)与节点j相连接的所有节点，X ij，t 为支路ij在t时刻的电抗；根据松弛变量替代对非凸约束转化以及对离散变量分段线性化的方式将所述无功电压优化模型转化为二阶锥模型，其中，将所述无功电压优化模型转化为二阶锥模型包括：对所述无功电压优化模型的潮流方程中二阶决策变量通过中间变量进行转化，其中，中间变量的表达式为：得到转化结果：P ij，t ＝i ij，t R ij +∑ k∈w(j) P ik，t +P i，t ，Q ij，t ＝i ij，t X ij +∑ k∈w(j) Q ik，t +Q i，t ，式中，T为优化周期，N为系统节点总数，P loss 为T时间范围内网络总损耗，V dev 为T时间范围内各节点电压偏移总量，i ij，t 为支路ij在t时刻的电流的平方，R ij 为支路ij的电阻，v i，t 为t时刻节点i处电压的平方，V i，N 为节点i处额定电压，P ik,t 为支路ik在t时刻的有功功率，P ij，t 为支路ij在t时刻的有功功率，P i，t 为t时刻节点i处的有功功率，Q ij，t 为支路ij在t时刻的无功功率，X ij 为支路ij上的电抗，Q ik,t 为支路ik在t时刻的无功功率，Q i，t 为t时刻节点i处的无功功率，v j，t 为t时刻节点j处电压的平方，R ij，t 为t时刻支路ij上的电阻，X ij，t 为t时刻支路ij上的电抗，V i，min 为节点i处电压下限，V i，max 为节点i处电压上限，I ij,min 为支路ij电流下限，I ij，max 为支路ij电流上限，w(j)与节点j相连接的所有节点；i ij，t 经过二阶锥体松弛方法转化为：i ij，t 最终可转化为标准二阶圆锥形式：经过中间变量替换后，有载调压变压器中的电压转换关系可转化为：式中， 为t时刻连接支路ij有载调压变压器的匝数比， n ij 为有载调压变压器的抽头总数；通过引入布尔变量 可简化为：式中， 通过大M法线性化如下：式中，f j，t，k 为线性化有载调压变压器电压转换比例的辅助参数，M为常数；对所述二阶锥模型进行求解，并根据求解结果对多源异构资源进行柔性调制，其中，所述多源异构资源包括储能、有载调压变压器、电容器组、静止无功补偿器和分布式电源。 2.根据权利要求1所述的一种有源配电网的电压调节方法，其特征在于，所述通过统计数据构建用户行为概率密度函数，再预测充电站流量，并通过蒙特卡洛采样获取电动汽车充电负荷预测值包括：电动汽车的充电行为与电动汽车种类、到达时间及到达时荷电状态有关，其中，到达时间的概率密度函数为：式中，t arr (t)为电动汽车开始充电的概率密度函数，t为电动汽车开始充电的时刻，σ s 为到达时间的概率分布标准差，μ s 为到达时间的概率分布期望；电动汽车的到达时荷电状态与电动汽车的日里程数有关，其中，电动汽车的日里程数的概率密度函数为：式中，f D (D)为电动汽车日行驶里程概率密度函数，σ D 为到达时荷电状态的概率分布标准差，D为电动汽车的日里程数，μ D 为到达时荷电状态的概率分布期望；在得到电动汽车的日里程数后，计算电动汽车的到达时荷电状态，其中，计算电动汽车的到达时荷电状态的表达式为：式中，SoC arr 为电动汽车的到达时荷电状态，SoC max 为电动汽车的SoC上限，C为电动汽车的额定容量，Q 100 为电动汽车的百公里能耗；根据电动汽车的SoC上限SoC max 、电动汽车的到达时荷电状态SoC arr 、电动汽车的额定容量C、充电功率P EV 和充电效率η，计算得出每辆车的充电时间T last ，其中，计算每辆车的充电时间T last 的表达式为：若每辆电动车在到达充电设施后以功率P EV 充电，直至电池完全充满，那么可以得到电动汽车n在时间t的充电功率 即通过蒙特卡洛法得到电动车集群充电的功率 其中，计算电动车集群充电的功率 的表达式为：式中，N为电动汽车的流量。 3.根据权利要求1所述的一种有源配电网的电压调节方法，其特征在于，其中，所述无功电压优化模型的约束条件包括分布式电源约束、储能约束、有载调压变压器约束、电容器组约束以及静止无功补偿器约束；所述分布式电源约束的表达式为：式中， 为t时刻节点i处分布式电源预测的有功发电量， 为t时刻节点i处分布式电源无功功率， 为分布式电源变流器的额定容量， 为功率因数角；所述储能约束的表达式为：式中， 为t时刻节点i处储能充电功率， 为t时刻节点i处储能放电功率， 为t时刻节点i处储能充电功率的上限， 为t时刻节点i处储能放电功率的上限， 为t时刻节点i处储能充电状态的整型变量， 为t时刻节点i处储能放电状态的整型变量， 为t时刻节点i处储能的SoC， 为t+1时刻节点i处储能的SoC， 为SoC允许变动范围的下限， 为SoC允许变动范围的上限；所述有载调压变压器约束的表达式为：式中，V i，t 为节点i在t时刻的电压，V j，t 为节点j在t时刻的电压， 为t时刻连接支路ij有载调压变压器的匝数比， 为有载调压变压器的最小匝数比， 为t时刻连接支路ij有载调压变压器的档位， 为有载调压变压器每一档的匝比增量， 为有载调压变压器的最低档位， 为有载调压变压器的最高档位；所述电容器组约束的表达式为：式中， 为t时刻节点i处电容器组所补偿的无功功率， 为t时刻节点i处所拥有的电容器组数量， 为节点i处各电容器组的无功功率容量， 为节点i处电容器组数量下限， 为节点i处电容器组数量上限， 为节点i处电容器组增加的数量， 为节点i处电容器组减少的数量，Δ CB 为一定时间范围内电容器组的最大变化量， 为t-1时刻节点i处所拥有的电容器组数量，T为优化周期；所述静止无功补偿器约束的表达式为：式中， 为节点i处静止无功补偿器的无功下限， 为t时刻节点i处静止无功补偿器的无功功率， 为节点i处静止无功补偿器的无功上限。 4.根据权利要求3所述的一种有源配电网的电压调节方法，其特征在于，其中，所述无功电压优化模型的目标函数为：min F＝αP loss +βV dev ，式中，min F为电压偏差和网损最小，α为网损的加权系数，β为电压偏差的加权系数，I ij，t 为支路ij在t时刻的电流，R ij 为支路ij的电阻，V i，t 为节点i在t时刻的电压，V i，ref 为节点i的额定电压，T为优化周期，N为节点数量，P loss 为网络损耗，V dev 为各节点电压偏移总量。 5.一种有源配电网的电压调节系统，其特征在于，包括：预测模块，配置为根据电动汽车充电负荷、常规负荷以及新能源出力的历史数据和实时量测数据预测未来一段时间内的电动汽车充电负荷预测值、常规负荷预测值以及新能源出力预测值，其中，预测未来一段时间内的电动汽车充电负荷预测值为：通过统计数据构建用户行为概率密度函数，再预测充电站流量，并通过蒙特卡洛采样获取电动汽车充电负荷预测值，所述统计数据包括电动汽车充电负荷的历史数据和实时量测数据；构建模块，配置为根据未来一段时间内的电动汽车充电负荷预测值、常规负荷预测值以及新能源出力预测值构建以电压偏差和网损最小为目标的无功电压优化模型，所述无功电压优化模型的潮流方程为：V i，min ≤V i，t ≤V i，max ，I ij，min ≤I ij，t ≤I ij，max ，式中，P i，t 为t时刻节点i处的有功功率， 为t时刻节点i处负荷的有功功率， 为t时刻节点i处的电动汽车充电功率， 为t时刻节点i处储能的充电功率， 为t时刻节点i处储能的放电功率， 为t时刻节点i处分布式电源的有功功率，Q i，t 为t时刻节点i处的无功功率， 为为t时刻节点i处负荷的无功功率， 为t时刻节点i处静止无功补偿器的无功补偿， 为时刻节点i处电容器组的无功补偿， 为t时刻节点i处分布式电源的无功功率，P ij，t 为支路ij在t时刻的有功功率，R ij 为支路ij的电阻，I ij，t 为t时刻支路ij电流，P ik,t 为支路ik在t时刻的有功功率，Q ij，t 为支路ij在t时刻的无功功率，X ij 为支路ij的电抗，Q ik,t 为支路ik在t时刻的无功功率，V i，t 为t时刻节点i处节点电压，V j，t 为节点j在t时刻的电压，R ij，t 为t时刻支路ij上的电阻，V i，min 为节点i处电压下限，V i，max 为节点i处电压上限，I ij，min 为支路ij电流下限，I ij，max 为支路ij电流上限，w(j)与节点j相连接的所有节点，X ij,t 为支路ij在t时刻的电抗；转化模块，配置为根据松弛变量替代对非凸约束转化以及对离散变量分段线性化的方式将所述无功电压优化模型转化为二阶锥模型，其中，将所述无功电压优化模型转化为二阶锥模型包括：对所述无功电压优化模型的潮流方程中二阶决策变量通过中间变量进行转化，其中，中间变量的表达式为：得到转化结果：P ij，t ＝i ij，t R ij +∑ k∈w(j) P ik，t +P i，t ，Q ij,t ＝i ij，t X ij +∑ k∈w(j) Q ik，t +Q i，t ，式中，T为优化周期，N为系统节点总数，P loss 为T时间范围内网络总损耗，V dev 为T时间范围内各节点电压偏移总量，i ij，t 为支路ij在t时刻的电流的平方，R ij 为支路ij的电阻，v i，t 为t时刻节点i处电压的平方，V i，N 为节点i处额定电压，P ik，t 为支路ik在t时刻的有功功率，P ij，t 为支路ij在t时刻的有功功率，P i，t 为t时刻节点i处的有功功率，Q ij，t 为支路ij在t时刻的无功功率，X ij 为支路ij上的电抗，Q ik，t 为支路ik在t时刻的无功功率，Q i，t 为t时刻节点i处的无功功率，v j，t 为t时刻节点j处电压的平方，R ij，t 为t时刻支路ij上的电阻，X ij，t 为t时刻支路ij上的电抗，V i，min 为节点i处电压下限，V i，max 为节点i处电压上限，I ij，min 为支路ij电流下限，I ij，max 为支路ij电流上限，w(j)与节点j相连接的所有节点；i ij，t 经过二阶锥体松弛方法转化为：i ij，t 最终可转化为标准二阶圆锥形式：经过中间变量替换后，有载调压变压器中的电压转换关系可转化为：式中， 为t时刻连接支路ij有载调压变压器的匝数比， n ij 为有载调压变压器的抽头总数；通过引入布尔变量 可简化为：式中， 通过大M法线性化如下：式中，f j，t，k 为线性化有载调压变压器电压转换比例的辅助参数，M为常数；求解模块，配置为对所述二阶锥模型进行求解，并根据求解结果对多源异构资源进行柔性调制，其中，所述多源异构资源包括储能、有载调压变压器、电容器组、静止无功补偿器和分布式电源。 6.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至4任一项所述的方法。 7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至4任一项所述的方法。