配电网承载能力的评估方法及装置

1.本发明涉及输变电技术领域，尤其涉及一种配电网承载能力的评估方法及装置。

背景技术：

2.我国“双碳”目标的驱动下，电网将构建以新能源为主体的新型电力系统。随着分布式光伏的快速发展，其高比例规模化接入已经成为配电网未来发展趋势。然而，由于光伏发电随机波动性，使得配电网运行过程中电压越限、潮流倒送等问题更加严重。为了保障配电网源-网-荷安全协调发展，基于配电网稳定运行边界和实际运行状态，评估分布式光伏最大可承载能力对于指导分布式光伏规模化接入具有重要意义。
3.而目前新能源的装机容量多以电网能源的百分比接入，由于风速、光照和负荷的波动，存在较大的不确定性，导致新能源接入容量确定不合理，配电网中新能源承载能力的评估结果不合理。

技术实现要素：

4.本发明提供了一种配电网承载能力的评估方法及装置，能够提高新能源接入容量确定的合理性，提高配电网中新能源承载能力的评估结果的合理性。
5.第一方面，本发明提供了一种配电网承载能力的评估方法，包括：获取配电网所处区域新能源发电数据和配电网的负荷数据；基于新能源发电数据和负荷数据，构建以新能源的接入容量和品质功率的加权和最大为目标的优化模型；基于优化模型，改变接入容量和品质功率的权重比例，计算得到多种规划方案；规划方案包括配电网中各节点新能源的接入容量；一种规划方案对应一种权重比例；计算每种规划方案对应的评估指标；评估指标包括：电压越限风险程度、综合节点脆弱度、新能源发电利用率、新能源发电消纳率、线路平均负载率和配电网综合网损率；基于各规划方案对应的评估指标，评估各规划方案下新能源的承载能力。
6.本发明提供一种配电网承载能力的评估方法，通过以新能源的接入容量和品质功率的加权和最大为目标，构建优化模型，计算配电网中各节点新能源的接入容量。并通过改变接入容量和品质功率的权重比例，得到多种规划方案。由于新能源的接入容量越大，配电网中清洁能源的占比越大；新能源的品质功率越高，新能源发电功率的利用率越大，如此，以新能源的接入容量和品质功率的加权和最大为目标，可以同步提升配电网新能源的接入容量和利用率，提高新能源接入容量确定的合理性。进一步的，本发明在多种规划方案下，即接入容量和品质功率的多种权重下，计算新能源承载能力的评估指标，并基于评估指标在多种规划方案下对新能源的承载能力进行综合评估，从而合理评估新能源承载能力，提高配电网中新能源承载能力的评估结果的合理性。
7.在一种可能的实现方式中，基于新能源发电数据和负荷数据，构建以新能源的接入容量和品质功率的加权和最大为目标的优化模型，包括：基于新能源出力数据和负荷数据，进行数据拟合，确定多个离散场景，以及每个离散场景发生的概率；每个离散场景包括
一时间点的新能源发电数据和负荷数据；基于多个离散场景，以及每个离散场景发生的概率，以各节点新能源的接入容量为变量，构建以新能源的接入容量和品质功率的加权和最大为目标的目标函数；以配电网安全运行条件为约束条件；配电网安全运行条件包括配电网各节点的电压约束条件、各支路的功率约束条件和新能源单点接入容量约束条件；基于目标函数和约束条件，确定优化模型。
8.在一种可能的实现方式中，基于新能源出力数据和负荷数据，进行数据拟合，确定多个离散场景，以及每个离散场景发生的概率，包括：计算新能源发电数据的均值和方差；并基于新能源发电数据的均值和方差，计算新能源发电分布概率模型的模型参数；基于模型参数，确定新能源发电分布概率模型；新能源发电分布概率模型用于限定新能源发电功率的概率分布情况；计算负荷数据的均值和方差；并基于负荷数据的均值和方差，确定配电网负荷正态分布概率模型；配电网负荷正态分布概率模型用于限定配电网负荷功率的概率分布情况；基于新能源发电分布概率模型和配电网负荷正态分布概率模型，进行离散分析和数据拟合，确定源荷联合场景，源荷联合场景中包括多个离散场景；每个离散场景包括一个时间点的新能源发电数据和负荷数据。
9.在一种可能的实现方式中，基于优化模型，改变接入容量和品质功率的权重比例，计算得到多种规划方案，包括：确定接入容量和品质功率的权重比例为第一权重比例；在接入容量和品质功率的权重比例为第一权重比例时，基于粒子算法，求解目标函数的最优解；最优解为配电网中各节点新能源的接入容量；改变接入容量和品质功率的权重比例，重复求解目标函数的最优解，得到多种规划方案。
10.在一种可能的实现方式中，计算每种规划方案对应的评估指标，包括：对于任一规划方案，基于各离散场景下各节点的电压，以及各离散场景发生的概率，确定电压越限风险程度；基于各节点的阻抗、各节点的新能源接入容量，确定综合节点脆弱度基于各离散场景下各节点新能源实际发电功率和装机容量，以及各离散场景发生的概率，确定新能源发电利用率；基于各离散场景下各节点新能源实际发电功率和配电网向反送给上级大电网的功率，以及各离散场景发生的概率，确定新能源发电消纳率；基于各离散场景下各线路的实际传输功率，以及各离散场景发生的概率，确定线路平均负载率；基于各离散场景下各节点新能源实际发电功率和实际负荷需求功率，以及各离散场景发生的概率，确定配电网综合网损率。
11.在一种可能的实现方式中，基于各规划方案对应的评估指标，评估各规划方案下新能源的承载能力，包括：基于各规划方案对应的评估指标，结合状态空间评价法，计算各规划方案的综合性能指标和均衡度指标，综合性能指标用于表征配电网新能源承载能力的强弱，均衡度指标用于表征各评估指标的均衡程度；基于各规划方案的综合性能指标和均衡度指标，评估各规划方案中新能源的承载能力。
12.在一种可能的实现方式中，基于各规划方案的综合性能指标和均衡度指标，评估各规划方案中新能源的承载能力，包括：若第一方案的综合性能指标与第二方案的综合性能指标的差值大于设定值，则确定第一方案对应的新能源的承载能力优于第二方案对应的新能源的承载能力；若第一方案的综合性能指标与第二方案的综合性能指标的差值小于设定值，且第一方案的均衡度指标小于第二方案的均衡度指标，则确定第一方案对应的新能源的承载能力优于第二方案对应的新能源的承载能力；其中，第一方案和第二方案为各规
划方案中的任一方案。
13.第二方面，本发明实施例提供了一种配电网承载能力的评估装置，包括：通信模块，用于获取配电网所处区域新能源发电数据和配电网的负荷数据；处理模块，用于基于新能源发电数据和负荷数据，构建以新能源的接入容量和品质功率的加权和最大为目标的优化模型；基于优化模型，改变接入容量和品质功率的权重比例，计算得到多种规划方案；规划方案包括配电网中各节点新能源的接入容量；一种规划方案对应一种权重比例；计算每种规划方案对应的评估指标；评估指标包括：电压越限风险程度、综合节点脆弱度、新能源发电利用率、新能源发电消纳率、线路平均负载率和配电网综合网损率；基于各规划方案对应的评估指标，评估各规划方案下新能源的承载能力。
14.在一种可能的实现方式中，处理模块，具体用于基于新能源出力数据和负荷数据，进行数据拟合，确定多个离散场景，以及每个离散场景发生的概率；每个离散场景包括一时间点的新能源发电数据和负荷数据；基于多个离散场景，以及每个离散场景发生的概率，以各节点新能源的接入容量为变量，构建以新能源的接入容量和品质功率的加权和最大为目标的目标函数；以配电网安全运行条件为约束条件；配电网安全运行条件包括配电网各节点的电压约束条件、各支路的功率约束条件和新能源单点接入容量约束条件；基于目标函数和约束条件，确定优化模型。
15.在一种可能的实现方式中，处理模块，具体用于计算新能源发电数据的均值和方差；并基于新能源发电数据的均值和方差，计算新能源发电分布概率模型的模型参数；基于模型参数，确定新能源发电分布概率模型；新能源发电分布概率模型用于限定新能源发电功率的概率分布情况；计算负荷数据的均值和方差；并基于负荷数据的均值和方差，确定配电网负荷正态分布概率模型；配电网负荷正态分布概率模型用于限定配电网负荷功率的概率分布情况；基于新能源发电分布概率模型和配电网负荷正态分布概率模型，进行离散分析和数据拟合，确定源荷联合场景，源荷联合场景中包括多个离散场景；每个离散场景包括一个时间点的新能源发电数据和负荷数据。
16.在一种可能的实现方式中，处理模块，具体用于确定接入容量和品质功率的权重比例为第一权重比例；在接入容量和品质功率的权重比例为第一权重比例时，基于粒子算法，求解目标函数的最优解；最优解为配电网中各节点新能源的接入容量；改变接入容量和品质功率的权重比例，重复求解目标函数的最优解，得到多种规划方案。
17.在一种可能的实现方式中，处理模块，具体用于对于任一规划方案，基于各离散场景下各节点的电压，以及各离散场景发生的概率，确定电压越限风险程度；基于各节点的阻抗、各节点的新能源接入容量，确定综合节点脆弱度基于各离散场景下各节点新能源实际发电功率和装机容量，以及各离散场景发生的概率，确定新能源发电利用率；基于各离散场景下各节点新能源实际发电功率和配电网向反送给上级大电网的功率，以及各离散场景发生的概率，确定新能源发电消纳率；基于各离散场景下各线路的实际传输功率，以及各离散场景发生的概率，确定线路平均负载率；基于各离散场景下各节点新能源实际发电功率和实际负荷需求功率，以及各离散场景发生的概率，确定配电网综合网损率。
18.在一种可能的实现方式中，处理模块，具体用于基于各规划方案对应的评估指标，结合状态空间评价法，计算各规划方案的综合性能指标和均衡度指标，综合性能指标用于表征配电网新能源承载能力的强弱，均衡度指标用于表征各评估指标的均衡程度；基于各
规划方案的综合性能指标和均衡度指标，评估各规划方案中新能源的承载能力。
19.在一种可能的实现方式中，处理模块，具体用于若第一方案的综合性能指标与第二方案的综合性能指标的差值大于设定值，则确定第一方案对应的新能源的承载能力优于第二方案对应的新能源的承载能力；若第一方案的综合性能指标与第二方案的综合性能指标的差值小于设定值，且第一方案的均衡度指标小于第二方案的均衡度指标，则确定第一方案对应的新能源的承载能力优于第二方案对应的新能源的承载能力；其中，第一方案和第二方案为各规划方案中的任一方案。
20.第三方面，本发明实施例提供了一种电子设备，所述电子设备包括存储器和处理器，该存储器存储有计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序执行如上述第一方面以及第一方面中任一种可能的实现方式所述方法的步骤。
21.第四方面，本发明实施例提供了一种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上述第一方面以及第一方面中任一种可能的实现方式所述方法的步骤。
22.上述第二方面至第四方面中任一种实现方式所带来的技术效果可以参见第一方面对应实现方式所带来的技术效果，此处不再赘述。
附图说明
23.为了更清楚地说明本发明实施例中的技术方案，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发明的一些实施例，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。
24.图1是本发明实施例提供的一种配电网承载能力的评估方法的流程示意图；
25.图2是本发明实施例提供的一种粒子算法的流程示意图；
26.图3是本发明实施例提供的一种状态空间的示意图；
27.图4是本发明实施例提供的一种ieee-33配电网模型的示意图；
28.图5是本发明实施例提供的一种新能源出力数据的示意图；
29.图6是本发明实施例提供的一种配电网负荷数据的示意图；
30.图7是本发明实施例提供的一种状态空间评价法的评价结果示意图；
31.图8是本发明实施例提供的一种配电网承载能力的评估装置的结构示意图；
32.图9是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
33.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
34.在本发明的描述中，除非另有说明，“/”表示“或”的意思，例如，a/b可以表示a或b。本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。此外，“至少一个”“多
个”是指两个或两个以上。“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
35.在本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念，便于理解。
36.此外，本技术的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是可选的还包括其他没有列出的步骤或模块，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
37.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明的附图通过具体实施例来进行说明。
38.如背景技术所述，由于风速、光照和负荷的波动，存在较大的不确定性，导致新能源接入容量确定不合理，配电网中新能源承载能力的评估结果不合理。
39.为解决上述技术问题，如图1所示，本发明实施例提供了一种配电网承载能力的评估方法。执行主体为配电网承载能力的评估装置。该评估方法包括步骤s101-s105。
40.s101、获取配电网所处区域新能源发电数据和配电网的负荷数据。
41.在一些实施例中，新能源发电数据可以包括光照数据和/或风力数据。
42.作为一种可能的实现方式，评估装置可以获取历史时期内的新能源发电数据和负荷数据。示例性的，评估装置可以获取一年内的光照数据和/或风力数据。
43.s102、基于新能源发电数据和负荷数据，构建以新能源的接入容量和品质功率的加权和最大为目标的优化模型。
44.作为一种可能的实现方式，评估装置可以基于步骤s1021-s1024，构建优化模型。
45.s1021、基于新能源出力数据和负荷数据，进行数据拟合，确定多个离散场景，以及每个离散场景发生的概率。
46.本技术实施例中，每个离散场景包括一时间点的新能源发电数据和负荷数据。
47.示例性的，评估装置可以基于步骤a1-a6，确定多个离散场景，以及每个离散场景发生的概率。
48.a1、计算新能源发电数据的均值和方差。
49.在一些实施例中，评估装置可以基于历史时期内多个时间点的新能源发电数据，计算均值和方差。
50.a2、基于新能源发电数据的均值和方差，计算新能源发电分布概率模型的模型参数。
51.在一些实施例中，评估装置可以如下公式，确定新能源发电分布概率模型的模型参数。
[0052][0053]
其中，μ1为历史时期内新能源发电数据的均值，为历史时期内新能源发电数据的方差，α为新能源发电分布概率模型的第一模型参数，β为新能源发电分布概率模型的第二模型参数。
[0054]
a3、基于模型参数，确定新能源发电分布概率模型。
[0055]
在一些实施例中，新能源发电分布概率模型用于限定新能源发电功率的概率分布情况。
[0056]
作为一种可能的实现方式，以新能源为光伏为例，新能源发电分布概率模型可以表示为如下公式。
[0057][0058]
其中，pn为额定光伏输出功率，p为实际光伏输出功率，α和β为光伏分布概率模型的形状参数，γ()为伽马函数。
[0059]
需要说明的是，额定光伏输出功率与新能源接入量呈比例关系。例如，额定光伏输出功率可以为新能源接入量的80％。
[0060]
a4、计算负荷数据的均值和方差。
[0061]
在一些实施例中，评估装置可以基于历史时期内多个时间点的负荷数据，计算均值和方差。
[0062]
a5、基于负荷数据的均值和方差，确定配电网负荷正态分布概率模型。
[0063]
本技术实施例中，配电网负荷正态分布概率模型用于限定配电网负荷功率的概率分布情况。
[0064]
作为一种可能的实现方式，以新能源为光伏为例，配电网负荷正态分布概率模型可以表示为如下公式。
[0065][0066]
其中，p
load
负荷数据的均值和方差，σ2为历史时期内负荷数据的均值，μ2为历史时期内负荷数据的方差，exp[]为以e为底的指数函数。
[0067]
a6、基于新能源发电分布概率模型和配电网负荷正态分布概率模型，进行离散分析和数据拟合，确定源荷联合场景。
[0068]
本技术实施例中，源荷联合场景中包括多个离散场景；每个离散场景包括一个时间点的新能源发电数据和负荷数据。
[0069]
作为一种可能的实现方式，评估装置可以对多个时间点的新能源处理数据和负荷数据进行数据拟合，计算最优离散点，作为离散场景，并计算各离散场景的概率。
[0070]
示例性的，评估装置可以基于如下公式，计算最优离散点。
[0071][0072]
其中，f(x)为新能源发电分布概率模型，g(x)为配电网负荷正态分布概率模型，r为函数的阶数，s为离散场景总数，s为第s个离散场景，zs为第s个最优离散点数值。
[0073]
需要说明的是，评估装置可以先计算离散场景中新能源出力的离散场景发生的概率和负荷的离散场景发生的概率，再计算源荷联合场景中该离散场景发生的概率。
[0074]
示例性的，评估装置可以基于如下公式，计算第s个离散场景中新能源出力的离散场景发生的概率，或负荷的离散场景发生的概率。
[0075][0076]
其中，ps为第s个离散场景中新能源出力的离散场景发生的概率，或负荷的离散场景发生的概率，h(x)为f(x)或g(x)，zs为第s个最优离散点的数值，z
s-1
为第s-1个最优离散点的数值，z
s+1
为第s+1个最优离散点的数值。
[0077]
示例性的，评估装置可以基于如下公式，计算第s个离散场景发生的概率。
[0078][0079]
其中，s
t
为离散场景的数量；s
pv
为新能源出力的离散场景的数量；s
l
为负荷的离散场景的数量；ps为第s个离散场景的概率；p
s.pv
第s个新能源出力的离散场景的概率；p
s.l
为第s个负荷的离散场景的概率。
[0080]
s1022、基于多个离散场景，以及每个离散场景发生的概率，以各节点新能源的接入容量为变量，构建以新能源的接入容量和品质功率的加权和最大为目标的目标函数。
[0081]
在一些实施例中，目标函数可以表示为如下公式。
[0082]
max f＝max(w1r1+w2r2)；
[0083]
其中，maxf表示目标函数，w1为第一权重系数，r1为新能源的接入容量的归一化值，w2为第二权重系数，r2为品质功率的归一化值。
[0084]
示例性的，评估装置可以对新能源的接入容量进行归一化，得到归一化值。归一化前的新能源的接入容量可以表示为如下公式。
[0085][0086]
其中，f1表示配电网各节点新能源的接入容量之和；p
g,i
表示第i个节点的光伏接入容量；n表示配电网节点数量。
[0087]
示例性的，评估装置可以对品质功率进行归一化，得到归一化值。评估装置可以基
于如下公式得到归一化前的品质功率。
[0088][0089]
其中，f2表示配电网分布式光伏品质功率；p1为新能源年消纳品质功率；p2为配电网年购电功率；p3为配电网年售电功率；
[0090]
ps为第s个离散场景的概率，为第i个节点新能源在第s个场景下的实际出力，p
is
第s个场景下配电网向上级电网的购电功率，第s个场景下配电网向上级电网的售电功率，m为离散场景的数量。
[0091]
作为一种可能的实现方式，评估装置可以基于如下公式，对新能源的接入容量和品质功率进行归一化。
[0092][0093]
其中，ri为新能源的接入容量或品质功率的归一化值，fi为新能源的接入容量或品质功率。
[0094]
需要说明的是，根据f＝w1r1+w2r2将关于接入量和经济品质的多目标规划问题转化为单一规划问题，根据规划侧重点或应用场景的不同赋予相应权重，形成不同目标函数，构建多种规划方案。
[0095]
s1023、确定配电网安全运行条件为约束条件。
[0096]
在一些实施例中，配电网安全运行条件包括配电网各节点的电压约束条件、各支路的功率约束条件和新能源单点接入容量约束条件。
[0097]
示例性的，配电网各节点的电压约束条件可以表示为如下公式。
[0098]vmin
≤vi≤v
max
；
[0099]
其中，vi为配电网中第i个节点的电压，v
min
为配电网中各节点电压的最小限值，v
max
为配电网中各节点电压的最大限值。
[0100]
示例性的，配电网各节点的电压约束条件可以表示为如下公式。
[0101]sijmin
≤s
ij
≤s
ijmax
；
[0102]
其中，s
ij
为配电网中支路ij的功率，s
ijmin
为配电网中支路ij的功率的最小限值，s
ijmax
为配电网中支路ij的功率的最大限值。
[0103]
示例性的，配电网各节点的电压约束条件可以表示为如下公式。
[0104]
0≤p
g,i
≤p
max
；
[0105]
其中，p
g,i
为配电网中第i个节点的新能源接入容量，p
max
为配电网中各节点新能源接入容量的最大限值。
[0106]
s1024、基于目标函数和约束条件，确定优化模型。
[0107]
s103、基于优化模型，改变接入容量和品质功率的权重比例，计算得到多种规划方案。
[0108]
本技术实施例中，规划方案包括配电网中各节点新能源的接入容量；一种规划方案对应一种权重比例。
[0109]
作为一种可能的实现方式，评估装置可以基于步骤s1031-s1033，确定多种规划方案。
[0110]
s1031、确定接入容量和品质功率的权重比例为第一权重比例。
[0111]
s1032、在接入容量和品质功率的权重比例为第一权重比例时，基于粒子算法，求解目标函数的最优解。
[0112]
在一些实施例中，最优解为配电网中各节点新能源的接入容量。
[0113]
示例性的，如图2所示，本发明实施例提供的一种基于粒子算法求解目标函数的过程。
[0114]
步骤一、初始化算法参数和各节点新能源接入容量。
[0115]
步骤二、初始化k＝1。
[0116]
步骤三、计算全时段的新能源的品质功率，到最优新能源接入方案和目标最优值。
[0117]
步骤四、更新各节点分布式光伏接入容量。
[0118]
步骤五、计算全时段的分布式光伏品质功率，更新最优分布式光伏接入方案和目标最优值。
[0119]
步骤六、判断当前迭代次数是否大于最大迭代次数。若是，则输出结果。若否，则迭代次数加一，重复步骤四、步骤五和步骤六，直至退出迭代过程。
[0120]
示例性的，最大迭代次数可以为200。
[0121]
需要说明的是，应用粒子优化算法时，在其每一步的迭代过程之中，可以根据如下公式，更新控制粒子(即各节点新能源接入容量)的速度和位置；
[0122][0123]
其中，vk表示迭代次数为k时控制粒子的速度，v
k+1
表示迭代次数为k+1时控制粒子的速度；xk表示迭代次数为k时控制粒子的空间位置，x
k+1
表示迭代次数为k+1时控制粒子的空间位置，pbestk表示控制粒子在第k次迭代时的自身最优解，gbestk表示控制粒子在第k次迭代时的全局最优解，c1表示第一学习因子，c2表示第二学习因子，r1和r2均为(0,1)之间的均匀分布的随机数，ω表示惯性因子，ω
max
表示惯性因子的最大限值，ω
min
表示惯性因子的
最小限值，k表示迭代次数，k
max
表示最大迭代次数。
[0124]
当迭代次数k大于最大迭代次数k
max
，则退出迭代过程，得到各节点分布式光伏接入容量和目标最优解(gbestk取值即为目标函数的最优解)。
[0125]
s1033、改变接入容量和品质功率的权重比例，重复求解目标函数的最优解，得到多种规划方案。
[0126]
s104、计算每种规划方案对应的评估指标。
[0127]
本技术实施例中，评估指标可以包括：电压越限风险程度、综合节点脆弱度、新能源发电利用率、新能源发电消纳率、线路平均负载率和配电网综合网损率。
[0128]
在一些实施例中，评估指标可以包括新能源并网特性指标、新能源利用特性指标和配电网适应性指标。
[0129]
示例性的，新能源并网特性指标可以包括电压越限风险程度和综合节点脆弱度。
[0130]
示例性的，新能源利用特性指标可以包括新能源发电利用率和新能源发电消纳率。
[0131]
示例性的，配电网适应性指标可以包括线路平均负载率和配电网综合网损率。
[0132]
需要说明的是，根据计算得到的各个场景下，各节点光伏接入量、各节点光伏实际出力、各节点电压值、各线路传输功率、大电网向配电网供给功率和配电网向大电网返送功率，以便后续可以根据上述参数来计算配电网承载能力评估指标。
[0133]
作为一种可能的实现方式，评估装置可以基于各节点的节点数据，确定每种规划方案对应的评估指标。
[0134]
示例性的，对于任一规划方案，评估装置可以基于各离散场景下各节点的电压，以及各离散场景发生的概率，确定电压越限风险程度。
[0135]
例如，评估装置可以基于如下公式，确定电压越限风险程度。
[0136][0137][0138][0139]
其中，u1为电压越限风险程度，p{}表示电压是否越限，越限则数值为1，不越限则数值为0；m为离散场景数，n为节点数，为节点电压越上限率，为节点电压越下
限率，为节点电压越上限严重度，为节点电压越下限严重度，为第s个场景第i个节点的电压，un为配电网各节点的额定电压，u
max
为配电网各节点的电压上限值，u
min
为配电网各节点的电压下限值，ps为第s个场景发生的概率。
[0140]
需要说明的是，p{}表示电压是否越限，越限则数值为1，不越限则数值为0。其中，依据相关标准，10kv配电网电压偏差允许限值分别为1.07un和0.93un。un为配电网的额定电压。节点电压越上限率，表征某一场景下越电压上限节点占全部节点的比值。节点电压越下限率，表征某一场景下越电压下限节点占全部节点的比值。节点电压越上限严重度，表征某一场景下各个节点越电压上限程度的数值大小之和。节点电压越下限严重度，表征某一场景下各个节点越电压下限程度的数值大小之和。
[0141]
示例性的，对于任一规划方案，评估装置可以基于各节点的阻抗、各节点的新能源接入容量，确定综合节点脆弱度。
[0142]
例如，评估装置可以基于如下公式，确定综合节点脆弱度。
[0143][0144][0145]
其中，a为综合节点脆弱度，p
g,i
为第i个节点新能源接入容量；ti为第i个节点的重要度，为与第i个节点相连的节点数目，li为第i个节点的综合电气距离，表征第i个节点与配电网中其他节点的电气联系程度，n为节点数，d
ij
为第i个节点与第j个节点之间的电气耦合距离。
[0146]
需要说明的是，d
ij
＝z
ii
+z
jj-2z
ij
；
[0147]zii
为第i个节点的自阻抗，z
jj
为第j个节点的自阻抗，z
ij
为第i个节点和第j个节点之间的互阻抗。
[0148]
示例性的，对于任一规划方案，评估装置可以基于各离散场景下各节点新能源实际发电功率和装机容量，以及各离散场景发生的概率，确定新能源发电利用率。
[0149]
例如，评估装置可以基于如下公式，确定新能源发电利用率。
[0150][0151]
其中，r1为新能源发电利用率，ps为第s个场景发生的概率，为第s个场景下第i
个节点新能源实际发电量，为第s个场景下第i个节点新能源装机容量，m为场景数量，n为节点数。
[0152]
示例性的，对于任一规划方案，评估装置可以基于各离散场景下各节点新能源实际发电功率和配电网向反送给上级大电网的功率，以及各离散场景发生的概率，确定新能源发电消纳率。
[0153]
例如，评估装置可以基于如下公式，确定新能源发电消纳率。
[0154][0155]
其中，r2为新能源发电消纳率，为第s个场景下第i个节点新能源实际发电功率，为第s个场景下配电网反送给上级大电网的功率，ps为第s个场景发生的概率，m为场景数量，n为节点数。
[0156]
示例性的，对于任一规划方案，评估装置可以基于各离散场景下各线路的实际传输功率，以及各离散场景发生的概率，确定线路平均负载率。
[0157]
例如，评估装置可以基于如下公式，确定线路平均负载率。
[0158][0159]
其中，k1为线路平均负载率，ps为第s个场景发生的概率，为第s个场景下第j条线路的实际传输功率，sn为线路的额定传输功率，j为线路数量，m为场景数量。
[0160]
示例性的，对于任一规划方案，评估装置可以基于各离散场景下各节点新能源实际发电功率和实际负荷需求功率，以及各离散场景发生的概率，确定配电网综合网损率。
[0161]
例如，评估装置可以基于如下公式，确定配电网综合网损率。
[0162][0163]
其中，k2为配电网综合网损率，ps为第s个场景发生的概率，为第s个场景下第i个节点新能源实际发电功率，p
is
为第s个场景下配电网向上级大电网的购电功率，为第s个场景下第i个节点实际负荷需求功率，m为场景数量，n为节点数。
[0164]
s105、基于各规划方案对应的评估指标，评估各规划方案下新能源的承载能力。
[0165]
作为一种可能的实现方式，评估装置可以基于如下公式对各规划方案对应的评估指标进行归一化处理。
[0166][0167][0168]
其中，zi为第i个指标，mi为归一化后的第i个指标，min{zi}为所有指标中的最小值，max{zi}为所有指标中的最大值。
[0169]
作为一种可能的实现方式，评估装置可以s1051-s1052，评估各规划方案下新能源的承载能力。
[0170]
s1051、基于各规划方案对应的评估指标，结合状态空间评价法，计算各规划方案的综合性能指标和均衡度指标。
[0171]
本技术实施例中，综合性能指标用于表征配电网新能源承载能力的强弱，均衡度指标用于表征各评估指标的均衡程度。
[0172]
需要说明的是，如图3所示，本发明实施例提供一种状态空间示意图。配电网的每一种规划方案可对应得出一组评价指标值，每一种评价指标构成空间坐标系的一个维度，而每个规划方案可表征为空间坐标系的一个点，进而构建规划方案的状态空间表征，其中，om为一条经过原点且与各个坐标轴夹角相等。
[0173]
根据建立的状态空间，以m点在om上的投影m'即为综合评价指标，用m'点到原点的距离om'表征评价指标的综合性能，距离越大，配电网综合性能越好，此为首要判断标准。om'距离相等时，则以m点到om的距离mm'表征评价指标的均衡性，距离越小，则配电网各项指标越均衡，性能也越好，此为第二判断标准。
[0174]
根据计算配电网综合性能指标；根据计算配电网均衡度指标；其中，n为指标个数，根据余弦定理可得出mi为第i个评价指标。
[0175]
s1052、基于各规划方案的综合性能指标和均衡度指标，评估各规划方案中新能源的承载能力。
[0176]
示例性的，若第一方案的综合性能指标与第二方案的综合性能指标的差值大于设定值，则确定第一方案对应的新能源的承载能力优于第二方案对应的新能源的承载能力。
[0177]
又一示例性的，若第一方案的综合性能指标与第二方案的综合性能指标的差值小于设定值，且第一方案的均衡度指标小于第二方案的均衡度指标，则确定第一方案对应的新能源的承载能力优于第二方案对应的新能源的承载能力。
[0178]
其中，第一方案和第二方案为各规划方案中的任一方案。
[0179]
需要说明的是，根据配电网综合性能指标对各规划方案进行比较，综合性能指标数值越大，代表配电网承载能力越好，当两种规划方案得综合性能指标数值差距小于其值得1％时，认为此时两种规划方案具有相同的综合性能，因此需要进一步比较配电网均衡度指标，均衡度指标越小，则配电网各项指标越均衡，也就具有更好的承载能力性能。这种包含了综合性能及均衡度的两级评价流程的评估方法，极大的降低了无法准确比较承载能力优劣问题出现的机率。通常情况下，仅依靠配电网综合性能指标便可以评判出配电网承载能力得优劣，仅有少数情况需要比较配电网均衡度指标，出现两指标均相等的概率极小，因此本发明实例提出的评估方法可以对不同配电网规划方案的承载能力进行有效评估。
[0180]
本发明提供一种配电网承载能力的评估方法，通过以新能源的接入容量和品质功率的加权和最大为目标，构建优化模型，计算配电网中各节点新能源的接入容量。并通过改变接入容量和品质功率的权重比例，得到多种规划方案。由于新能源的接入容量越大，配电网中清洁能源的占比越大；新能源的品质功率越高，新能源发电功率的利用率越大，如此，以新能源的接入容量和品质功率的加权和最大为目标，可以同步提升配电网新能源的接入容量和利用率，提高新能源接入容量确定的合理性。进一步的，本发明在多种规划方案下，即接入容量和品质功率的多种权重下，计算新能源承载能力的评估指标，并基于评估指标在多种规划方案下对新能源的承载能力进行综合评估，从而合理评估新能源承载能力，提高配电网中新能源承载能力的评估结果的合理性。
[0181]
示例性的，如图4所示，以ieee-33配电网模型为例，主变额定容量为5mva，变比110kv/10kv，各馈线最大输送容量均为600kva。如图5所示，某地区全年光照强度变化趋势为夏季强，冬季弱，具体到每一天的变化趋势则是中午强，夜晚弱。如图6所示，某地区全年负荷功率变化趋势为夏季和秋季强，冬季和春季弱，整体来看，全年较为均衡。
[0182]
通过图5和图6所示的光照强度和负荷功率变化趋势图，计算beta分布参数和正态分布参数。设定wasserstein距离指数r＝1，场景s＝5，分别得到光伏出力功率和负荷功率的最优场景功率分点和相应概率值。进一步地，建立表1所示的光伏-负荷联合概率场景，其中，光伏出力的场景概率，出力不足0.1p.u.的场景占比最大，而接近满发出力的场景占比最小，其余场景概率近似相等。而负荷功率以0.5p.u.出力的场景概率最大，其他场景概率均相对较小，这说明基于瓦瑟斯坦距离的场景生成方法可以有效地对全年光伏及负荷出力的场景进行概率模拟。
[0183]
需要说明的是，p
pv
为光伏发电功率，p
l
为负荷功率，p.u.表示标幺值，光伏发电功率的标幺值为光伏实际发电功率与额定输出功率的比值。负荷功率的标幺值为负荷的实际功率与负荷的额定功率之间的比值。
[0184]
表1
[0185][0186]
根据表2所设定的不同权重采用粒子算法分别求解，得到三种分布式光伏规划
方案。针对每一种规划方案，计算得到表3所示的各个评价指标在全年不同场景下的统计值，进一步地，通过状态空间评价方法将6个评价指标转化成表4所示的综合性能和均衡度指标，并通过图7所示的雷达图的方式将三种方案的评价结果直观的表示出来。
[0187]
表2
[0188][0189][0190]
表3
[0191][0192]
表4
[0193]
方案综合性能均衡度方案一1.23870.0847方案二1.23090.0669方案三1.29490.1058
[0194]
综合表3、表4和图7，规划方案三是综合性能最优的方案，其a1指标和r2指标均为三个方案中最优值，u1指标、r1指标以及k2在三个规划方案中适中，只有k1指标相对较差；规划方案一综合性能适中，其在r1指标上表现一般；且在u1指标和a1指标上表现最差；但在k1指标、k2指标和r1指标表现效果最优；规划方案二是三个方案中综合性能最差的，但由于与规划方案一综合性能差距太小，所以可以比较其均衡度指标，此种情况下，规划方案二要明显优于方案一，但其在u1指标、r1指标、k1指标和k2指标上仍有一定的提升空间。综上所述，说明了本发明实例所提新型配电网综合承载能力指标体系的有效性，其结果能够全面客观反映配电网对于分布式光伏的综合承载能力。
[0195]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0196]
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
[0197]
图8示出了本发明实施例提供的一种配电网承载能力的评估装置的结构示意图。该配电网承载能力的评估装置200包括通信模块201和处理模块202。
[0198]
通信模块201，用于获取配电网所处区域新能源发电数据和配电网的负荷数据。
[0199]
处理模块202，用于基于新能源发电数据和负荷数据，构建以新能源的接入容量和品质功率的加权和最大为目标的优化模型；基于优化模型，改变接入容量和品质功率的权重比例，计算得到多种规划方案；规划方案包括配电网中各节点新能源的接入容量；一种规划方案对应一种权重比例；计算每种规划方案对应的评估指标；评估指标包括：电压越限风险程度、综合节点脆弱度、新能源发电利用率、新能源发电消纳率、线路平均负载率和配电网综合网损率；基于各规划方案对应的评估指标，评估各规划方案下新能源的承载能力。
[0200]
在一种可能的实现方式中，处理模块202，具体用于基于新能源出力数据和负荷数据，进行数据拟合，确定多个离散场景，以及每个离散场景发生的概率；每个离散场景包括一时间点的新能源发电数据和负荷数据；基于多个离散场景，以及每个离散场景发生的概率，以各节点新能源的接入容量为变量，构建以新能源的接入容量和品质功率的加权和最大为目标的目标函数；以配电网安全运行条件为约束条件；配电网安全运行条件包括配电网各节点的电压约束条件、各支路的功率约束条件和新能源单点接入容量约束条件；基于目标函数和约束条件，确定优化模型。
[0201]
在一种可能的实现方式中，处理模块202，具体用于计算新能源发电数据的均值和方差；并基于新能源发电数据的均值和方差，计算新能源发电分布概率模型的模型参数；基于模型参数，确定新能源发电分布概率模型；新能源发电分布概率模型用于限定新能源发电功率的概率分布情况；计算负荷数据的均值和方差；并基于负荷数据的均值和方差，确定配电网负荷正态分布概率模型；配电网负荷正态分布概率模型用于限定配电网负荷功率的概率分布情况；基于新能源发电分布概率模型和配电网负荷正态分布概率模型，进行离散分析和数据拟合，确定源荷联合场景，源荷联合场景中包括多个离散场景；每个离散场景包括一个时间点的新能源发电数据和负荷数据。
[0202]
在一种可能的实现方式中，处理模块202，具体用于确定接入容量和品质功率的权重比例为第一权重比例；在接入容量和品质功率的权重比例为第一权重比例时，基于粒子算法，求解目标函数的最优解；最优解为配电网中各节点新能源的接入容量；改变接入容量和品质功率的权重比例，重复求解目标函数的最优解，得到多种规划方案。
[0203]
在一种可能的实现方式中，处理模块202，具体用于对于任一规划方案，基于各离散场景下各节点的电压，以及各离散场景发生的概率，确定电压越限风险程度；基于各节点的阻抗、各节点的新能源接入容量，确定综合节点脆弱度基于各离散场景下各节点新能源实际发电功率和装机容量，以及各离散场景发生的概率，确定新能源发电利用率；基于各离散场景下各节点新能源实际发电功率和配电网向反送给上级大电网的功率，以及各离散场景发生的概率，确定新能源发电消纳率；基于各离散场景下各线路的实际传输功率，以及各离散场景发生的概率，确定线路平均负载率；基于各离散场景下各节点新能源实际发电功率和实际负荷需求功率，以及各离散场景发生的概率，确定配电网综合网损率。
[0204]
在一种可能的实现方式中，处理模块202，具体用于基于各规划方案对应的评估指标，结合状态空间评价法，计算各规划方案的综合性能指标和均衡度指标，综合性能指标用于表征配电网新能源承载能力的强弱，均衡度指标用于表征各评估指标的均衡程度；基于各规划方案的综合性能指标和均衡度指标，评估各规划方案中新能源的承载能力。
[0205]
在一种可能的实现方式中，处理模块202，具体用于若第一方案的综合性能指标与第二方案的综合性能指标的差值大于设定值，则确定第一方案对应的新能源的承载能力优
于第二方案对应的新能源的承载能力；若第一方案的综合性能指标与第二方案的综合性能指标的差值小于设定值，且第一方案的均衡度指标小于第二方案的均衡度指标，则确定第一方案对应的新能源的承载能力优于第二方案对应的新能源的承载能力；其中，第一方案和第二方案为各规划方案中的任一方案。
[0206]
图9是本发明实施例提供的一种电子设备的结构示意图。如图9所示，该实施例的电子设备300包括：处理器301、存储器302以及存储在所述存储器302中并可在所述处理器301上运行的计算机程序303。所述处理器301执行所述计算机程序303时实现上述各方法实施例中的步骤，例如图1所示的步骤101至步骤105。或者，所述处理器301执行所述计算机程序303时实现上述各装置实施例中各模块/单元的功能，例如，图8所示通信模块201和处理模块202的功能。
[0207]
示例性的，所述计算机程序303可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器302中，并由所述处理器301执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序303在所述电子设备300中的执行过程。例如，所述计算机程序303可以被分割成图8所示通信模块201和处理模块202。
[0208]
所称处理器301可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0209]
所述存储器302可以是所述电子设备300的内部存储单元，例如电子设备300的硬盘或内存。所述存储器302也可以是所述电子设备300的外部存储设备，例如所述电子设备300上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器302还可以既包括所述电子设备300的内部存储单元也包括外部存储设备。所述存储器302用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器302还可以用于暂时地存储已经输出或者将要输出的数据。
[0210]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0211]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0212]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单
元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0213]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0214]
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单元来实现本实施例方案的目的。
[0215]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0216]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。
[0217]
以上所述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精神和范围，均应包含在本发明的保护范围之内。

技术特征：

1.一种配电网承载能力的评估方法，其特征在于，包括：获取配电网所处区域新能源发电数据和配电网的负荷数据；基于所述新能源发电数据和负荷数据，构建以新能源的接入容量和品质功率的加权和最大为目标的优化模型；基于所述优化模型，改变接入容量和品质功率的权重比例，计算得到多种规划方案；所述规划方案包括配电网中各节点新能源的接入容量；一种规划方案对应一种权重比例；计算每种规划方案对应的评估指标；所述评估指标包括：电压越限风险程度、综合节点脆弱度、新能源发电利用率、新能源发电消纳率、线路平均负载率和配电网综合网损率；基于各规划方案对应的评估指标，评估各规划方案下新能源的承载能力。2.根据权利要求1所述的配电网承载能力的评估方法，其特征在于，所述基于所述新能源发电数据和负荷数据，构建以新能源的接入容量和品质功率的加权和最大为目标的优化模型，包括：基于所述新能源出力数据和负荷数据，进行数据拟合，确定多个离散场景，以及每个离散场景发生的概率；每个离散场景包括一时间点的新能源发电数据和负荷数据；基于所述多个离散场景，以及每个离散场景发生的概率，以各节点新能源的接入容量为变量，构建以新能源的接入容量和品质功率的加权和最大为目标的目标函数；确定配电网安全运行条件为约束条件；所述配电网安全运行条件包括配电网各节点的电压约束条件、各支路的功率约束条件和新能源单点接入容量约束条件；基于所述目标函数和所述约束条件，确定所述优化模型。3.根据权利要求2所述的配电网承载能力的评估方法，其特征在于，所述基于所述新能源出力数据和负荷数据，进行数据拟合，确定多个离散场景，以及每个离散场景发生的概率，包括：计算所述新能源发电数据的均值和方差；并基于所述新能源发电数据的均值和方差，计算所述新能源发电分布概率模型的模型参数；基于所述模型参数，确定所述新能源发电分布概率模型；所述新能源发电分布概率模型用于限定新能源发电功率的概率分布情况；计算所述负荷数据的均值和方差；并基于所述负荷数据的均值和方差，确定所述配电网负荷正态分布概率模型；所述配电网负荷正态分布概率模型用于限定配电网负荷功率的概率分布情况；基于新能源发电分布概率模型和配电网负荷正态分布概率模型，进行离散分析和数据拟合，确定源荷联合场景，所述源荷联合场景中包括多个离散场景；每个离散场景包括一个时间点的新能源发电数据和负荷数据。4.根据权利要求2所述的配电网承载能力的评估方法，其特征在于，所述基于所述优化模型，改变接入容量和品质功率的权重比例，计算得到多种规划方案，包括：确定接入容量和品质功率的权重比例为第一权重比例；在所述接入容量和品质功率的权重比例为第一权重比例时，基于粒子算法，求解所述目标函数的最优解；所述最优解为配电网中各节点新能源的接入容量；改变所述接入容量和品质功率的权重比例，重复求解所述目标函数的最优解，得到多种规划方案。
5.根据权利要求2所述的配电网承载能力的评估方法，其特征在于，所述计算每种规划方案对应的评估指标，包括：对于任一规划方案，基于各离散场景下各节点的电压，以及各离散场景发生的概率，确定电压越限风险程度；基于各节点的阻抗、各节点的新能源接入容量，确定综合节点脆弱度；基于各离散场景下各节点新能源实际发电功率和装机容量，以及各离散场景发生的概率，确定新能源发电利用率；基于各离散场景下各节点新能源实际发电功率和配电网向反送给上级大电网的功率，以及各离散场景发生的概率，确定新能源发电消纳率；基于各离散场景下各线路的实际传输功率，以及各离散场景发生的概率，确定线路平均负载率；基于各离散场景下各节点新能源实际发电功率和实际负荷需求功率，以及各离散场景发生的概率，确定配电网综合网损率。6.根据权利要求1-5中任一项所述的配电网承载能力的评估方法，其特征在于，所述基于各规划方案对应的评估指标，评估各规划方案下新能源的承载能力，包括：基于所述各规划方案对应的评估指标，结合状态空间评价法，计算各规划方案的综合性能指标和均衡度指标，所述综合性能指标用于表征配电网新能源承载能力的强弱，所述均衡度指标用于表征各评估指标的均衡程度；基于所述各规划方案的综合性能指标和均衡度指标，评估各规划方案中新能源的承载能力。7.根据权利要求6所述的配电网承载能力的评估方法，其特征在于，所述基于所述各规划方案的综合性能指标和均衡度指标，评估各规划方案中新能源的承载能力，包括：若第一方案的综合性能指标与第二方案的综合性能指标的差值大于设定值，则确定第一方案对应的新能源的承载能力优于第二方案对应的新能源的承载能力；若第一方案的综合性能指标与第二方案的综合性能指标的差值小于设定值，且第一方案的均衡度指标小于第二方案的均衡度指标，则确定第一方案对应的新能源的承载能力优于第二方案对应的新能源的承载能力；其中，第一方案和第二方案为各规划方案中的任一方案。8.一种配电网承载能力的评估装置，其特征在于，包括：通信模块，用于获取配电网所处区域新能源发电数据和配电网的负荷数据；处理模块，用于基于所述新能源发电数据和负荷数据，构建以新能源的接入容量和品质功率的加权和最大为目标的优化模型；基于所述优化模型，改变接入容量和品质功率的权重比例，计算得到多种规划方案；所述规划方案包括配电网中各节点新能源的接入容量；一种规划方案对应一种权重比例；计算每种规划方案对应的评估指标；所述评估指标包括：电压越限风险程度、综合节点脆弱度、新能源发电利用率、新能源发电消纳率、线路平均负载率和配电网综合网损率；基于各规划方案对应的评估指标，评估各规划方案下新能源的承载能力。9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，该存储器存储有计
算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序执行如权利要求1至7中任一项所述的方法。10.一种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上的权利要求1至7中任一项所述方法的步骤。

技术总结

本发明提供一种配电网承载能力的评估方法及装置。该方法包括：获取配电网所处区域新能源发电数据和配电网的负荷数据；基于新能源发电数据和负荷数据，构建以新能源的接入容量和品质功率的加权和最大为目标的优化模型；基于优化模型，改变接入容量和品质功率的权重比例，计算得到多种规划方案；计算每种规划方案对应的评估指标；评估指标包括：电压越限风险程度、综合节点脆弱度、新能源发电利用率、新能源发电消纳率、线路平均负载率和配电网综合网损率；基于各规划方案对应的评估指标，评估各规划方案下新能源的承载能力。本发明能够提高新能源接入容量确定的合理性，提高配电网中新能源承载能力的评估结果的合理性。能源承载能力的评估结果的合理性。能源承载能力的评估结果的合理性。