1.本文件涉及配电网分析技术领域，尤其涉及一种微能源网能量管理响应特性快速计算分析方法及系统。
背景技术：2.微能源网作为分布式能源应用的新高度，他的一个重要特点就是多能互补智慧运营。随着国家云计算、物联网、储能技术的发展，微能源网必将成为分布式能源的应用主力。
3.由于微能源网内耦合了大量的能量转换设备、存储设备以及可再生能源设备，其设备数量大、类型多，使得微能源网能量管理优化研究的难度有所增大。现有微能源网在整体运营商的管理下，一般都是将整个微能源网内部作为是一个聚合的运营整体，但是在不同的外部配电网运营环境下追求最大整体效益前提下，如果每个设备都作为一个计算单体，则极大地增加了分析计算难度。
4.有鉴于此，亟需提供一种方法针对含大量分布式储能电站、电动汽车和分布式光伏系统的微能源网，可快速有效地获取微能源网内部各类型设备的功率响应特性和微能源网整体对外功率特性，解决微能源网整体能量管理快速分析计算问题。
技术实现要素：5.本说明书一个或多个实施例提供了一种微能源网能量管理响应特性快速计算分析方法，包括步骤：
6.获取区域能源微网架构数据；构建微能源网内部分布式储能系统聚合分析模型，各类型电动汽车用户的聚合响应模型和分布式光伏系统聚合分析模型；以区域微能源网整体效益最大化为优化目标，基于分布式储能电站系统、电动汽车用户和分布式光伏系统分类聚合结果，以分布式储能电站系统、电动汽车用户、分布式光伏系统分类聚合后的运行约束条件，和区域微能源网关口功率约束条件为前提，建立微能源网内部能量管理响应模型；求解微能源网内部能量管理响应模型，获取区域微能源网的响应特性。
7.本说明书一个或多个实施例提供了一种微能源网能量管理响应特性快速计算分析系统包括：
8.数据获取单元：获取区域能源微网架构数据；
9.储能系统分类聚合模型构建单元：用于根据获取区域能源微网架构数据，构建微能源网内部分布式储能电站聚合分析模型；
10.电动汽车分类聚合模型构建单元：用于根据获取区域能源微网架构数据，构建微能源网内部各类型电动汽车用户的聚合响应模型；
11.分布式光伏系统分类聚合模型构建单元：用于根据获取区域能源微网架构数据，构建微能源网内部分布式光伏系统聚合分析模型；
12.微能源网能量管理响应模型构建单元：以区域微能源网整体效益最大化为优化目标，基于分布式储能电站系统、电动汽车用户、分布式光伏系统分类聚合结果，以分布式储
能电站系统、电动汽车用户、分布式光伏系统分类聚合后的运行约束条件，和区域微能源网关口功率约束条件为条件，建立微能源网内部能量管理响应模型；
13.模型求解单元：用于求解微能源网内部能量管理响应模型，获取区域微能源网的响应特性。
14.本说明书一个或多个实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述的微能源网能量管理响应特性快速计算分析方法。
15.本说明书一个或多个实施例提供了一种存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述的微能源网能量管理响应特性快速计算分析方法。
16.本发明将整个微能源网内部作为是一个聚合的运营整体，以不同的外部配电网运营环境下追求最大整体效益前提下，对微能源网中大量的分布式储能电站、电动汽车和分布式光伏系统进行分类聚合，并基于聚合模型构建微能源网能量管理响应模型，获取微能源网内部各类型设备的功率响应特性，也可以得到微能源网整体对外功率特性，解决微能源网整体能量管理快速分析计算问题，为微能源网内部运行和外部对微能源网外特性的预测引导提供了高效的技术手段。
附图说明
17.为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
18.图1为本说明书一个或多个实施例提供的一种微能源网能量管理响应特性快速计算分析方法的流程示意图；
19.图2为本说明书一个或多个实施例提供的一种微能源网能量管理响应特性快速计算分析系统的示意框图；
20.图3为本说明书一个或多个实施例提供的一种计算机设备的结构示意图。
具体实施方式
21.为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
22.下面结合具体实施方式和说明书附图对本发明做出详细的说明。
23.方法实施例
24.根据本发明实施例，提供了一种微能源网能量管理响应特性快速计算分析方法，如图1所示，为本发明提供的微能源网能量管理响应特性快速计算分析方法，根据本发明实施例的微能源网能量管理响应特性快速计算分析方法，包括步骤：
25.步骤一、获取区域能源微网架构统计数据。
26.步骤二、构建微能源网内部分布式储能系统聚合分析模型。
27.步骤三、构建微能源网内部各类型电动汽车用户的聚合响应模型。
28.步骤四、构建微能源网内部分布式光伏系统聚合分析模型。
29.步骤五、以区域微能源网整体效益最大化为优化目标，基于分布式储能电站、电动汽车、分布式光伏系统分类聚合结果，以分布式储能电站系统、电动汽车用户、分布式光伏系统分类聚合后的运行约束条件，和区域微能源网关口功率约束条件为前提，建立微能源网内部能量管理响应模型。
30.步骤六、求解微能源网内部能量管理响应模型，获取区域微能源网的响应特性。
31.本实施例方法提供了一种微能源网能量管理响应特性快速计算分析方法，是针对含大量分布式储能电站、电动汽车和分布式光伏系统的微能源网自身能量管理特性，通过对不同系统进行分类和聚合，构建了基于聚合模型的微能源网能量管理响应模型，降低了能量管理特性分析中的计算维度，可以快速计算出在外部配网运营环境下的微能源网的能量管理响应特性，为微能源网内部运行和外部对微能源网外特性的预测引导提供了高效的技术手段。以下结合附图，对本发明实施例的上述技术方案进行详细说明。
32.本实施例方法，微能源网一般均包含多个分布式储能电站，每个储能电站自身容量和充放电功率不尽相同，因此在快速分析计算多个储能电站功率特性时，可按照储能电站响应参数分类聚合，因此先根据储能电站自身容量和充放电功率对储能电站进行分类，再对各类储能电站集合进行聚合建模；具体包括步骤：
33.s21、基于最大循环电量的最短充放电时间对储能电站分类；
34.本实施例方法根据每个储能电站每次充放电循环过程中，最大循环电量的最短充放电时间对分布式储能电站进行分类，每个储能电站最短充放电时间为：
[0035][0036]
式中，ti为第i个储能电站单次充电或放电最短时间，ci为第i个储能电站的充放电倍率，soc
max,i
和soc
min,i
分别为维护储能装置正常运行时储存电量最大比值和最小比值。
[0037]
计算后得到全部分布式储能电站的最短充放电时间集合：
[0038]
tc＝{t
c1
,...,t
ci
,...,t
cm
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0039]
式中，tc为最短充放电时间集合，m为分布式储能电站数量。
[0040]
根据最短充放电时间对分布式储能电站分类：
[0041]
(1)设置分布式储能电站最短充放电时间类别集合：
[0042]
t＝{t1,...,tj,...,tn}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0043][0044][0045]
tj＝t
j-1
+1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0046]
式中，t为分布式储能电站最短充放电时间类别集合，tj为第j个储能电站类别。
[0047]
每个储能电站的类别分类特征为：
[0048][0049][0050]
式中，t
si
为第i个储能电站的最短充放电时间归类特征；当式(8)成立时，第i个储能电站则分类到第j个储能电站类别中。
[0051]
s22、基于分类结果对各类别储能电站聚合建模；
[0052]
将第j个类别的储能电站参数聚合：
[0053][0054][0055][0056][0057]
式中，nj为第j个类别中储能电站数量，ej为第j个类别储能电站聚合后的整体额定电量，p
max,j
为第j个类别储能电站聚合后的最大充放电功率，e
max,j
为第j个类别储能电站聚合后的储存电量最大比值，e
min,j
为第j个类别储能电站聚合后的储存电量最小比值；ek为第j个类别中第k个储能电站的额定电量，p
max,k
为第j个类别中第k个储能电站的最大充放电功率，soc
max,k
为第j个类别中第k个储能电站的储存电量最大比值，soc
min,k
为第j个类别中第k个储能电站的储存电量最小比值。
[0058]
最后在储能电站类别聚合后，当第j类储能电站聚合运行功率为p
ess,j
(t)时，则该类别中第k个储能电站的运行功率分配为：
[0059][0060]
式中，p
ess,j
(t)为第j类储能电站聚合电站在t时段的运行功率，当p
ess,j
(t)为正值时，电站为充电状态，当p
ess,j
(t)为负值时，电站为放电状态。p
ess,k
(t)为第j类储能电站聚合电站中第k个分布式储能电站在t时段的运行功率。
[0061]
基于上述步骤对微能源网内部分布式储能电站的分类，以及对每类储能电站的聚合建模，降低了多个分布式储能电站在微能源网内部能量管理响应模型中的变量维数，提高了微能源网能量管理响应模型的计算速度。
[0062]
本实施例，对于步骤三构建微能源网内部各类型电动汽车用户的聚合响应模型具体通过以下步骤实现。
[0063]
针对多类型电动汽车用户，提出了基于充电类型对分类电动汽车用户进行分类，
并基于分类结果进行聚合建模的方法，包括步骤：
[0064]
s31、将电动汽车用户按照充电类型分类，包含私家车晚间充电、私家车日间充电、公务车日间充电等，设定电动汽车用户类型集合为：
[0065]
ev＝{ev1,...,ev
l
,...,evu}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0066]
式中，ev为电动汽车用户类别集合，ev
l
为第l个电动汽车用户类别，u为电动汽车用户类别数量。
[0067]
s32、根据统计数据确定每个电动汽车用户类型在各时段的ev用户响应意愿概率，确定每类响应率向量为：
[0068][0069]
式中，r
l
为第l类电动汽车用户响应意愿概率向量，r
l
(t)为第l个电动汽车用户在t时段的响应意愿概率，n
t
为每个微能源网响应周期的时段数，为周期内各时段。
[0070]
s33、根据统计数据计算不考虑电动汽车用户优化响应的无序充电负荷，包括步骤：
[0071]
s331、获取各类型电动汽车用户统计模型。
[0072]
soc
arrive,l
＝f1(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0073]
soc
leave,l
＝f2(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
[0074]
t
arrive,l
＝f3(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
[0075]
t
leave,l
＝f4(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0076]
式中，soc
arrive,l
和soc
leave,l
分别为第l类电动汽车用户驶达和驶离时的荷电状态，t
arrive,l
和t
leave,l
分别为第l类电动汽车用户驶达和驶离的时间，对应的f1(t)、f2(t)、f3(t)、和f4(t)分别为驶达/驶离的荷电状态和时间的概率密度函数，这些函数的具体表达式可为正态分布函数、均匀分布函数等多种形式。
[0077]
s332、计算不考虑电动汽车用户优化响应的各类型无序充电负荷。
[0078]
利用蒙特卡洛抽样方法获取各类型电动汽车的采样向量：
[0079][0080][0081][0082][0083]
式中，soc
arrive,l
和soc
leave,l
分别为第l类电动汽车用户驶达和驶离时荷电状态抽样向量，τ
arrive,l
和τ
leave,l
分别为第l类电动汽车用户驶达和驶离的时间抽样向量。
[0084]
计算第l类电动汽车用户充电时长向量：
[0085][0086]
式中，t
charge,l
为第l类电动汽车用户充电时长向量，和分别为第l类电动汽车电池平均额定电量和充电功率。
[0087]
则实际充电结束时间向量为：
[0088][0089]
根据第l类电动汽车用户每个单体的充放电起止时间转换为充电时间状态向量，即当单体车辆充电开始时间为t
1,l
，充电结束时间为t
1,l
时，其充电时间状态向量为：
[0090][0091][0092]
式中，s
1,l
为第一辆电动汽车单体的充电时间状态向量，为相应充电时间状态向量各元量。
[0093]
则第l类电动汽车用户充电时间状态矩阵为：
[0094][0095]
第l类电动汽车用户各时段的充电负荷向量，即各类型电动汽车用户的聚合响应模型为：
[0096][0097]
经过上述步骤实现对微能源网内部多种类型电动汽车用户的分类，以及对每类电动汽车无序充电负荷的聚合建模，降低了大规模、多类型电动汽车用户在微能源网内部能量管理响应模型中的变量维数，提高了微能源网能量管理响应模型的计算速度。
[0098]
本实施例，对于步骤四构建微能源网内部分布式光伏系统聚合分析模型具体通过以下步骤实现。
[0099]
针对分布式光伏系统，使用基于历史光照条件相似度的分类和聚合方法，包括步骤：
[0100]
s41、将分布式光伏系统按光照典型区域分类，由于光伏系统的发电功率和辐照度紧密相关，因此按照统计数据，将分布式光伏系统按照辐照度相似性进行分类。假设各分布式光伏系统在某时段内的辐照度数据矩阵为：
[0101][0102]
式中，i为所有分布式光伏系统在某时段内的辐照度数据矩阵，为第z个分布式光伏系统在时段的辐照度，n
t2
为分布式光伏系统分类时所采用的典型时段数。
[0103]
计算每两个分布式光伏系统的辐照度相似系数：
[0104]
[0105][0106]
式中，d
max,vw
为最大偏离度，d
vw
为综合偏离度。
[0107]
根据辐照度相似系数进行分类，两个分布式光伏系统v和w为一类的两个条件：
[0108]
(1)当第v个和第w个分布式光伏系统的d
max,vw
和d
vw
均小于相应阈值时；
[0109]
(2)当第v个分布式光伏系统与第w个分布式光伏系统所在类中的所有分布式光伏系统均满足上述条件(1)时；
[0110]
在完成分布式光伏系统分类后，其分类结果为：
[0111]
pv＝{pv1,...,pvv,...,pvz}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(33)
[0112]
式中，pv为分布式光伏系统类别集合，pvv为第v个电动汽车用户类别，z为分布式光伏系统类别数量。
[0113]
s42、根据分类结果计算分布式光伏系统聚合发电功率；
[0114]
假设第v个分布式光伏系统类型中的分布式光伏系统额定功率容量向量为：
[0115][0116]
式中，nv为第v个分布式光伏系统类型中分布式光伏系统数量。
[0117]
则第v个分布式光伏系统类型的各时段发电功率，即分布式光伏系统聚合分析模型为：
[0118][0119][0120]
式中，s
r,v
为各时段辐照度，为总体平均系统效率，为灰尘或雨水遮挡系数，为组件串联不匹配系数，为逆变器损耗系数，为线缆损耗系数，为变压器损耗系数，为跟踪系统精度系数。
[0121]
经过上述步骤对微能源网内部多个分布式光伏系统的分类，降低了大规模分布式光伏系统在微能源网内部能量管理响应模型中的变量维数，提高了微能源网能量管理响应模型的计算速度。
[0122]
本实施例，对于步骤五以区域微能源网整体效益最大化为目标，基于分布式储能电站、电动汽车、分布式光伏系统分类聚合后的运行约束条件，和区域微能源网关口功率约束条件为前提，建立微能源网内部能量管理响应模型，具体通过以下步骤实现。
[0123]
基于步骤二至步骤四分别构建的储能系统聚合分析模型、电动汽车用户的聚合响应模型和光伏系统聚合分析模型，实现建立微能源网内部能量管理响应模型，包括步骤：
[0124]
本实施例微能源网内部能量管理响应模型是在外部配电网运营环境下，考虑到运营环境对微能源网内部各设备主体的影响，计算微能源网整体呈现出的功率响应特性的快速分析模型。
[0125]
s51、以区域微能源网整体效益最大化为目标，构建微能源网内部能量管理响应模型。
[0126]
微能源网内部能量管理主要体现为微能源网作为一个整体对运行效益最大化的
追求。在微能源网内部，本实施例主要考虑分布式储能电站、电动汽车、分布式光伏系统等各能源主体在微能源网整体效益最大化时的运行特性，以此指导微能源网的能量管理，并且为配电网运营者提供微能源网响应分析工具，以便更好地引导微能源网的运行特性。
[0127]
min f＝f1+f2+f3ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(37)
[0128][0129][0130][0131]
式中，f1为分布式储能电站的运行费用，f2为电动汽车用户充电费用，f3为分布式光伏系统弃光损失，c(t)为t时段单位电量的电价，p
pv,v
(t)为第v个分布式光伏系统类型在t时段的弃光功率。
[0132]
s52、确定微能源网内部能量管理响应模型的约束条件。
[0133]
微能源网内部能量管理应考虑各类型聚合主体自身需求约束和运行约束。
[0134]
(1)构建分布式储能电站约束条件
[0135]
针对每类分布式储能电站均建立如下约束，主要包含对聚合后每类储能电站整体充放电功率和储存能量的约束为：
[0136]-p
max,j
≤p
ess,j
(t)≤p
max,j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(41)
[0137]emin,j
≤e
ess,j
(t)≤e
max,j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(42)
[0138]eess,j
(t)＝e
ess,j
(t-1)+p
ess,j
(t)δt
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(43)
[0139]
式中，e
ess,j
(t)为第j个储能电站类别t时刻的保有电量。
[0140]
(2)构建电动汽车约束条件
[0141]
针对每类电动汽车均建立如下约束；
[0142]
①
电动汽车主动响应功率符合用户响应意愿概率约束为：
[0143]
[1-r
l
(t)]
×
p
ev,l
(t)≤p
ev,l
(t)≤[1+r
l
(t)]
×
p
ev,l
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(44)；
[0144]
②
电动汽车充电负荷在分时电价作用下，产生了一定时移，并导致了充电电量不能保证充满，但是仍可以满足一定的行驶需求，因此其在充电周期内的充电电量约束为：
[0145][0146]
t
start
＝min{t
arrive,l
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(46)
[0147]
t
end
＝max{t
leave,l
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(47)
[0148]
式中，α为电动汽车用户最低的充电需求比值。
[0149]
③
在实际的充电过程中，微能源网内的充电设施的数量同样制约了各时段的充电负荷响应特性，因此充电设施对各时段充电功率的约束为：
[0150][0151]
式中，n
ch
为充电桩数量。
[0152]
(3)构建分布式光伏系统约束条件
[0153]
针对每类分布式光伏系统均建立如下约束：
[0154]
p
pv,v
(t)＝βp
pv,v
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(49)
[0155]
0≤β≤1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(50)
[0156]
式中，β为弃风比例。
[0157]
(4)构建微能源网关口功率约束条件
[0158]
考虑到微能源网和外部配电网连接点关口功率收到设备容量限制，因此微能源网的能量管理响应特性模型需要考虑关口功率约束。
[0159][0160]
式中，p
load
(t)为微能源网内部常规不可调负荷在t时刻的功率，pn(t)为微能源网和外部配电网关口额定功率。
[0161]
对于步骤四建立的微能源网内部能量管理响应模型，该模型以p
ess,j
(t)、p
ev,l
(t)和p
pv,v
(t)为求解变量，是一个线性规划模型，在将大量分布式储能电站、电动汽车和分布式光伏系统进行分类聚合，降低了模型求解维度，本实施例，通过线性规划方法可以快速计算出在外部配网运营环境下的微能源网内部能量管理响应特性，也可以得到微能源网整体对外功率特性。
[0162]
本实施例提出的一种微能源网能量管理响应特性快速计算分析方法，针对分布式储能电站，提出了基于最大循环电量的最短充放电时间的分类和聚合方法；针对多类型电动汽车用户，在充电类型分类基础上，提出了基于电动汽车用户驶达、驶离时荷电状态和时间抽样的各类型电动汽车无序充电负荷计算方法。针对分布式光伏系统，提出了基于历史光照条件相似度的分类方法。在此基础上，构建了微能源网内部能量管理响应模型，其优化目标为微能源网作为一个整体对运行效益最大化的追求，其约束条件包含了分布式储能电站、电动汽车和分布式光伏系统分类聚合后的运行约束，以及微能源网关口功率约束。分布式储能电站约束包含聚合后每类储能电站整体充放电功率和储存能量的约束，本方法将整个微能源网内部作为是一个聚合的运营整体，以不同的外部配电网运营环境下追求最大整体效益前提下，对微能源网中大量的分布式储能电站、电动汽车和分布式光伏系统进行分类聚合，并基于聚合模型构建微能源网能量管理响应模型，获取微能源网内部各类型设备的功率响应特性，也可以得到微能源网整体对外功率特性，解决微能源网整体能量管理快速分析计算问题，为微能源网内部运行和外部对微能源网外特性的预测引导提供了高效的技术手段。
[0163]
系统实施例
[0164]
根据本发明实施例，提供了一种微能源网能量管理响应特性快速计算分析系统，如图2所示，为本发明提供的微能源网能量管理响应特性快速计算分析系统，根据本发明实施例的微能源网能量管理响应特性快速计算分析系统，包括：
[0165]
数据获取单元：获取区域能源微网架构统计数据。
[0166]
储能系统分类聚合模型构建单元：用于根据获取区域能源微网架构数据，构建微能源网内部分布式储能电站聚合分析模型。
[0167]
电动汽车分类聚合模型构建单元：用于根据获取区域能源微网架构数据，构建微
能源网内部各类型电动汽车用户的聚合响应模型。
[0168]
分布式光伏系统分类聚合模型构建单元：用于根据获取区域能源微网架构数据，构建微能源网内部分布式光伏系统聚合分析模型。
[0169]
微能源网能量管理响应模型构建单元：以区域微能源网整体效益最大化为优化目标，基于分布式储能电站系统、电动汽车系统、分布式光伏系统分类聚合结果，以分布式储能电站系统、电动汽车用户、分布式光伏系统分类聚合后的运行约束条件，和区域微能源网关口功率约束条件为条件，建立微能源网内部能量管理响应模型。
[0170]
模型求解单元：用于求解微能源网内部能量管理响应模型，获取区域微能源网的响应特性。
[0171]
本实施例优选，储能系统分类聚合模型构建单元先根据储能电站自身容量和充放电功率对储能电站进行分类，再对各类储能电站集合进行聚合建模；具体包括：
[0172]
储能电站分类模块：基于最大循环电量的最短充放电时间对储能电站分类；
[0173]
该模块根据每个储能电站每次充放电循环过程中，最大循环电量的最短充放电时间对分布式储能电站进行分类，每个储能电站最短充放电时间为：
[0174][0175]
式中，ti为第i个储能电站单次充电或放电最短时间，ci为第i个储能电站的充放电倍率，soc
max,i
和soc
min,i
分别为维护储能装置正常运行时储存电量最大比值和最小比值。
[0176]
计算后得到全部分布式储能电站的最短充放电时间集合：
[0177]
tc＝{t
c1
,...,t
ci
,...,t
cm
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(53)
[0178]
式中，tc为最短充放电时间集合，m为分布式储能电站数量。
[0179]
根据最短充放电时间对分布式储能电站分类：
[0180]
(1)设置分布式储能电站最短充放电时间类别集合：
[0181]
t＝{t1,...,tj,...,tn}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(54)
[0182][0183][0184]
tj＝t
j-1
+1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(57)
[0185]
式中，t为分布式储能电站最短充放电时间类别集合，tj为第j个储能电站类别。
[0186]
每个储能电站的类别分类特征为：
[0187][0188][0189]
式中，t
si
为第i个储能电站的最短充放电时间归类特征；当式(59)成立时，第i个储能电站则分类到第j个储能电站类别中。
[0190]
储能电站聚合建模模块：基于储能电站分类模块的分类结果对各类别储能电站聚合建模，具体为：
[0191]
将第j个类别的储能电站参数聚合：
[0192][0193][0194][0195][0196]
式中，nj为第j个类别中储能电站数量，ej为第j个类别储能电站聚合后的整体额定电量，p
max,j
为第j个类别储能电站聚合后的最大充放电功率，e
max,j
为第j个类别储能电站聚合后的储存电量最大比值，e
min,j
为第j个类别储能电站聚合后的储存电量最小比值；ek为第j个类别中第k个储能电站的额定电量，p
max,k
为第j个类别中第k个储能电站的最大充放电功率，soc
max,k
为第j个类别中第k个储能电站的储存电量最大比值，soc
min,k
为第j个类别中第k个储能电站的储存电量最小比值。
[0197]
最后在储能电站类别聚合后，当第j类储能电站聚合运行功率为p
ess,j
(t)时，则该类别中第k个储能电站的运行功率分配为：
[0198][0199]
式中，p
ess,j
(t)为第j类储能电站聚合电站在t时段的运行功率，当p
ess,j
(t)为正值时，电站为充电状态，当p
ess,j
(t)为负值时，电站为放电状态。p
ess,k
(t)为第j类储能电站聚合电站中第k个分布式储能电站在t时段的运行功率。
[0200]
本实施例，电动汽车分类聚合模型构建单元基于充电类型对分类电动汽车用户进行分类，并基于分类结果进行聚合建模，具体包括：
[0201]
电动汽车用户分类模块：将电动汽车用户按照充电类型分类，包含私家车晚间充电、私家车日间充电、公务车日间充电等，设定电动汽车用户类型集合为：
[0202]
ev＝{ev1,...,ev
l
,...,evu}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(65)
[0203]
式中，ev为电动汽车用户类别集合，ev
l
为第l个电动汽车用户类别，u为电动汽车用户类别数量。
[0204]
各类响应率向量确定模块：根据统计数据确定每类电动汽车用户在各时段的ev用户响应意愿概率，确定每类电动汽车用户的响应率向量为：
[0205][0206]
式中，r
l
为第l类电动汽车用户响应意愿概率向量，r
l
(t)为第l个电动汽车用户在t时段的响应意愿概率，n
t
为每个微能源网响应周期的时段数，为周期内各时段。
[0207]
无序充电负荷计算模块：根据统计数据计算不考虑电动汽车用户优化响应的无序
充电负荷，具体包括以下步骤：
[0208]
a1、获取各类型电动汽车用户统计模型：
[0209]
soc
arrive,l
＝f1(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(67)
[0210]
soc
leave,l
＝f2(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(68)
[0211]
t
arrive,l
＝f3(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(69)
[0212]
t
leave,l
＝f4(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(70)
[0213]
式中，soc
arrive,l
和soc
leave,l
分别为第l类电动汽车用户驶达和驶离时的荷电状态，t
arrive,l
和t
leave,l
分别为第l类电动汽车用户驶达和驶离的时间，对应的f1(t)、f2(t)、f3(t)、和f4(t)分别为驶达/驶离的荷电状态和时间的概率密度函数，这些函数的具体表达式可为正态分布函数、均匀分布函数等多种形式。
[0214]
a2、计算不考虑电动汽车用户优化响应的各类型无序充电负荷。
[0215]
利用蒙特卡洛抽样方法获取各类型电动汽车的采样向量：
[0216][0217][0218][0219][0220]
式中，soc
arrive,l
和soc
leave,l
分别为第l类电动汽车用户驶达和驶离时荷电状态抽样向量，τ
arrive,l
和τ
leave,l
分别为第l类电动汽车用户驶达和驶离的时间抽样向量。
[0221]
计算第l类电动汽车用户充电时长向量：
[0222][0223]
式中，t
charge,l
为第l类电动汽车用户充电时长向量，和分别为第l类电动汽车电池平均额定电量和充电功率。
[0224]
则实际充电结束时间向量为：
[0225][0226]
根据第l类电动汽车用户每个单体的充放电起止时间转换为充电时间状态向量，即当单体车辆充电开始时间为t
1,l
，充电结束时间为t
1,l
时，其充电时间状态向量为：
[0227][0228][0229]
式中，s
1,l
为第一辆电动汽车单体的充电时间状态向量，为相应充电时间状态向量各元量。
[0230]
则第l类电动汽车用户充电时间状态矩阵为：
[0231][0232]
第l类电动汽车用户各时段的充电负荷向量为：
[0233][0234]
本实施例，分布式光伏系统分类聚合模型构建单元针对分布式光伏系统，使用基于历史光照条件相似度的分类和聚合，具体包括：
[0235]
分布式光伏系统分类模块：将分布式光伏系统按光照典型区域分类，由于光伏系统的发电功率和辐照度紧密相关，因此按照统计数据，将分布式光伏系统按照辐照度相似性进行分类。假设各分布式光伏系统在某时段内的辐照度数据矩阵为：
[0236][0237]
式中，i为所有分布式光伏系统在某时段内的辐照度数据矩阵，为第z个分布式光伏系统在时段的辐照度，n
t2
为分布式光伏系统分类时所采用的典型时段数。
[0238]
计算每两个分布式光伏系统的辐照度相似系数：
[0239][0240][0241]
式中，d
max,vw
为最大偏离度，d
vw
为综合偏离度。
[0242]
根据辐照度相似系数进行分类，两个分布式光伏系统v和w为一类的两个条件：
[0243]
(1)当第v个和第w个分布式光伏系统的d
max,vw
和d
vw
均小于相应阈值时；
[0244]
(2)当第v个分布式光伏系统与第w个分布式光伏系统所在类中的所有分布式光伏系统均满足上述条件(1)时；
[0245]
在完成分布式光伏系统分类后，其分类结果为：
[0246]
pv＝{pv1,...,pvv,...,pvz}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(84)
[0247]
式中，pv为分布式光伏系统类别集合，pvv为第v个电动汽车用户类别，z为分布式光伏系统类别数量。
[0248]
分布式光伏系统聚合发电功率计算模块：基于分布式光伏系统分类模块分类结果，计算分布式光伏系统聚合发电功率；
[0249]
假设第v个分布式光伏系统类型中的分布式光伏系统额定功率容量向量为：
[0250][0251]
式中，nv为第v个分布式光伏系统类型中分布式光伏系统数量。
[0252]
则第v个分布式光伏系统类型的各时段发电功率为：
[0253][0254][0255]
式中，s
r,v
为各时段辐照度，为总体平均系统效率，为灰尘或雨水遮挡系数，为组件串联不匹配系数，为逆变器损耗系数，为线缆损耗系数，为变压器损耗系数，为跟踪系统精度系数。
[0256]
本实施例，微能源网能量管理响应模型构建单元根据储能系统分类聚合模型构建单元、电动汽车分类聚合模型构建单元和分布式光伏系统分类聚合模型构建单元分别构建的储能系统聚合分析模型、电动汽车用户的聚合响应模型和光伏系统聚合分析模型，实现建立微能源网内部能量管理响应模型，具体包括：
[0257]
能量管理响应模型构建模块：以区域微能源网整体效益最大化为目标，构建微能源网内部能量管理响应模型。
[0258]
微能源网内部能量管理主要体现为微能源网作为一个整体对运行效益最大化的追求。在微能源网内部，本实施例主要考虑分布式储能电站、电动汽车、分布式光伏系统等各能源主体在微能源网整体效益最大化时的运行特性，以此指导微能源网的能量管理，并且为配电网运营者提供微能源网响应分析工具，以便更好地引导微能源网的运行特性。
[0259]
min f＝f1+f2+f3ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(88)
[0260][0261][0262][0263]
式中，f1为分布式储能电站的运行费用，f2为电动汽车用户充电费用，f3为分布式光伏系统弃光损失，c(t)为t时段单位电量的电价，p
pv,v
(t)为第v个分布式光伏系统类型在t时段的弃光功率。
[0264]
约束条件确定模块：确定微能源网内部能量管理响应模型的约束条件。
[0265]
微能源网内部能量管理应考虑各类型聚合主体自身需求约束和运行约束。
[0266]
(1)构建分布式储能电站约束条件
[0267]
针对每类分布式储能电站均建立如下约束，主要包含对聚合后每类储能电站整体充放电功率和储存能量的约束为：
[0268]-p
max,j
≤p
ess,j
(t)≤p
max,j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(92)
[0269]emin,j
≤e
ess,j
(t)≤e
max,j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(93)
[0270]eess,j
(t)＝e
ess,j
(t-1)+p
ess,j
(t)δt
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(94)
[0271]
式中，e
ess,j
(t)为第j个储能电站类别t时刻的保有电量。
[0272]
(2)构建电动汽车约束条件
[0273]
针对每类电动汽车均建立如下约束；
[0274]
①
电动汽车主动响应功率符合用户响应意愿概率约束为：
[0275]
[1-r
l
(t)]
×
p
ev,l
(t)≤p
ev,l
(t)≤[1+r
l
(t)]
×
p
ev,l
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(95)；
[0276]
②
电动汽车充电负荷在分时电价作用下，产生了一定时移，并导致了充电电量不能保证充满，但是仍可以满足一定的行驶需求，因此其在充电周期内的充电电量约束为：
[0277][0278]
t
start
＝min{t
arrive,l
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(97)
[0279]
t
end
＝max{t
leave,l
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(98)
[0280]
式中，α为电动汽车用户最低的充电需求比值。
[0281]
③
在实际的充电过程中，微能源网内的充电设施的数量同样制约了各时段的充电负荷响应特性，因此充电设施对各时段充电功率的约束为：
[0282][0283]
式中，n
ch
为充电桩数量。
[0284]
(3)构建分布式光伏系统约束条件
[0285]
针对每类分布式光伏系统均建立如下约束：
[0286]
p
pv,v
(t)＝βp
pv,v
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(100)
[0287]
0≤β≤1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(101)
[0288]
式中，β为弃风比例。
[0289]
(4)构建微能源网关口功率约束条件
[0290]
考虑到微能源网和外部配电网连接点关口功率收到设备容量限制，因此微能源网的能量管理响应特性模型需要考虑关口功率约束。
[0291][0292]
式中，p
load
(t)为微能源网内部常规不可调负荷在t时刻的功率，pn(t)为微能源网和外部配电网关口额定功率。
[0293]
如图3所示，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中微能源网能量管理响应特性快速计算分析方法，或者计算机程序被处理器执行时实现上述实施例中微能源网能量管理响应特性快速计算分析方法。
[0294]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram
(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0295]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0296]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
技术特征：1.一种微能源网能量管理响应特性快速计算分析方法，其特征在于，包括步骤：获取区域能源微网架构统计数据；构建微能源网内部分布式储能系统聚合分析模型，各类型电动汽车用户的聚合响应模型和分布式光伏系统聚合分析模型；以区域微能源网整体效益最大化为优化目标，基于分布式储能电站系统、电动汽车用户和分布式光伏系统分类聚合结果，以分布式储能电站系统、电动汽车用户、分布式光伏系统分类聚合后的运行约束条件，和区域微能源网关口功率约束条件为前提，建立微能源网内部能量管理响应模型；求解微能源网内部能量管理响应模型，获取区域微能源网的响应特性。2.如权利要求1所述的微能源网能量管理响应特性快速计算分析方法，其特征在于，所述构建微能源网内部分布式储能系统聚合分析模型包括步骤：基于最大循环电量的最短充放电时间对储能电站分类，基于分类结果对各类别储能电站聚合建模。3.如权利要求1所述的微能源网能量管理响应特性快速计算分析方法，其特征在于，所述构建各类型电动汽车用户的聚合响应模型包括步骤：将电动汽车用户按照充电类型分类，设定电动汽车用户类型集合；根据统计数据确定每个电动汽车用户类型在各时段的电动汽车用户响应意愿概率，确定每类响应率向量；根据统计数据计算不考虑电动汽车用户优化响应的无序充电负荷。4.如权利要求1所述的微能源网能量管理响应特性快速计算分析方法，其特征在于，所述构建分布式光伏系统聚合分析模型包括步骤：根据统计数据，将分布式光伏系统按照辐照度相似性进行分类；根据分类结果计算分布式光伏系统聚合发电功率。5.一种微能源网能量管理响应特性快速计算分析系统，其特征在于，包括数据获取单元：获取区域能源微网架构统计数据；储能系统分类聚合模型构建单元：用于根据获取区域能源微网架构数据，构建微能源网内部分布式储能电站聚合分析模型；电动汽车分类聚合模型构建单元：用于根据获取区域能源微网架构数据，构建微能源网内部各类型电动汽车用户的聚合响应模型；分布式光伏系统分类聚合模型构建单元：用于根据获取区域能源微网架构数据，构建微能源网内部分布式光伏系统聚合分析模型；微能源网能量管理响应模型构建单元：以区域微能源网整体效益最大化为优化目标，基于分布式储能电站系统、电动汽车用户、分布式光伏系统分类聚合结果，以分布式储能电站系统、电动汽车用户、分布式光伏系统分类聚合后的运行约束条件，和区域微能源网关口功率约束条件为条件，建立微能源网内部能量管理响应模型；模型求解单元：用于求解微能源网内部能量管理响应模型，获取区域微能源网的响应特性。6.如权利要求5所述的微能源网能量管理响应特性快速计算分析系统，其特征在于，所述储能系统分类聚合模型构建单元包括：储能电站分类模块：基于最大循环电量的最短充放电时间对储能电站分类；储能电站聚合建模模块：基于储能电站分类模块的分类结果对各类别储能电站聚合建
模。7.如权利要求5所述的微能源网能量管理响应特性快速计算分析系统，其特征在于，所述电动汽车分类聚合模型构建单元包括：电动汽车用户分类模块：将电动汽车用户按照充电类型分类，设定电动汽车用户类型集合；各类响应率向量确定模块：根据统计数据确定每类电动汽车用户在各时段的电动汽车用户响应意愿概率，确定每类电动汽车用户的响应率向量；无序充电负荷计算模块：根据统计数据计算不考虑电动汽车用户优化响应的无序充电负荷。8.如权利要求5所述的微能源网能量管理响应特性快速计算分析系统，其特征在于，所述分布式光伏系统分类聚合模型构建单元包括：分布式光伏系统分类模块：根据统计数据，将分布式光伏系统按照辐照度相似性进行分类；分布式光伏系统聚合发电功率计算模块：基于分布式光伏系统分类模块分类结果，计算分布式光伏系统聚合发电功率。9.计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的微能源网能量管理响应特性快速计算分析方法。10.计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的微能源网能量管理响应特性快速计算分析方法。
技术总结本说明书实施例提供了一种微能源网能量管理响应特性快速计算分析方法及系统，其中，该方法包括获取区域能源微网架构统计数据；构建微能源网内部分布式储能系统聚合分析模型，各类型电动汽车用户的聚合响应模型和分布式光伏系统聚合分析模型；以区域微能源网整体效益最大化为优化目标，基于分布式储能电站系统、电动汽车用户和分布式光伏系统分类聚合结果，以分布式储能电站系统、电动汽车用户、分布式光伏系统分类聚合后的运行约束条件，和区域微能源网关口功率约束条件为前提，建立微能源网内部能量管理响应模型；求解微能源网内部能量管理响应模型，获取区域微能源网的响应特性。本发明解决微能源网整体能量管理快速分析计算问题。计算问题。计算问题。
技术研发人员：陈浩 林毅 吴桂联 林婷婷 倪识远 唐露 廖锦霖
受保护的技术使用者：国网福建省电力有限公司经济技术研究院
技术研发日：2022.03.21
技术公布日：2022/7/5
