本申请涉及配电网机组布局技术领域，尤其涉及基于随机模拟的分散式风电场机组布局优化方法与装置。
背景技术：
由于风电具有间歇性，因而与风电接入同一配电网的用户与之息息相关。此外，由于风力系统技术的进步，风能成为了最有前景的可再生能源之一，并且有望在未来的电力系统中发挥关键作用。
然而，随着可再生能源在配电网中渗透率的日益增加，为配电网的规划也带来了一系列挑战。配电网中的分散式风电的接入位置影响配电网的运行，主要是由于其对电压分布、功率损耗、短路电流和系统可靠性会产生的影响。因此，在不合适的位置安装风电机组可能会对配电网运营商(distributionnetworkoperator，dno)和风电机组开发商造成技术和经济上的不利影响。对配电网运营商的不利影响主要是会使配电系统升级所需的投资成本增加，不能满足电力技术发展的需求，也不利于配电系统的长期发展。
技术实现要素：
本申请提供了基于随机模拟的分散式风电场机组布局优化方法与装置，用于解决现有的发电机组布局技术方案对安装机组的发电机布局节点、发电特性和市场需求等方面的针对性不足，导致风电场的发电机布局方案无法满足现有的电力需求的技术问题。
有鉴于此，本申请第一方面提供了基于随机模拟的分散式风电场机组布局优化方法，包括：
通过蒙特卡洛模拟法采集备选节点集合中各节点的风速集合和电价集合；
根据所有节点的所述风速集合和所述电价集合计算得到边际价格函数，所述边际价格函数受最大sw值、网损和拥塞影响；
根据迭代函数和净现值函数进行迭代操作，选择最大净现值对应的母线以及发电机组布局，所述净现值函数根据边际价格得到，所述边际价格根据所述边际价格函数得到；
采用迭代操作结束后得到的发电机组布局对应的节点更新所述备选节点集合，得到风电场机组最佳的安装节点集合。
优选地，所述通过蒙特卡洛模拟法采集备选节点集合中各节点的风速集合和电价集合，之前还包括：
获取配电网中各节点的节点相关参数和节点概率密度函数，所述节点相关参数包括松弛节点、确定性负荷和发电机数量，所述节点概率密度函数包括风速概率密度函数和价格概率密度函数。
优选地，所述通过蒙特卡洛模拟法采集备选节点集合中各节点的风速集合和电价集合，之前还包括：
根据所述节点相关参数和所述节点概率密度函数计算最高平均风速；
通过所述最高平均风速确定安装风力发电机组的备选节点集合。
优选地，所述迭代函数为：
npviter＝maxconfignpvconfig,iter；
其中，npviter为在第iter次迭代中的所述最大净现值，npvconfig,iter为迭代中的净现值。
优选地，所述净现值函数为：
其中，icconfig,iter为风力发电机的投资成本，ir为利率，ny为风力发电机的寿命，
其中，
优选地，所述根据迭代函数和净现值函数进行迭代操作，选择最大净现值对应的母线以及发电机组布局，所述净现值函数根据边际价格得到，所述边际价格根据所述边际价格函数得到，包括：
根据迭代函数和净现值函数进行迭代操作，所述净现值函数根据边际价格得到，所述边际价格根据所述边际价格函数得到；
在当前迭代操作得到的净现值比前一次迭代操作得到的净现值小时，则停止迭代操作，得到所述最大净现值；
选择所述最大净现值对应的母线以及发电机组布局。
优选地，所述根据迭代函数和净现值函数进行迭代操作，选择最大净现值对应的母线以及发电机组布局，所述净现值函数根据边际价格得到，所述边际价格根据所述边际价格函数得到，还包括：
若所述备选节点集合已经满足数量阈值，则停止迭代操作，将所述备选节点集合作为最佳的所述安装节点集合。
本申请第二方面提供了基于随机模拟的分散式风电场机组布局优化装置，包括：
采样模块，用于通过蒙特卡洛模拟法采集备选节点集合中各节点的风速集合和电价集合；
计算模块，用于根据所有节点的所述风速集合和所述电价集合计算得到边际价格函数，所述边际价格函数受最大sw值、网损和拥塞影响；
迭代模块，用于根据迭代函数和净现值函数进行迭代操作，选择最大净现值对应的母线以及发电机组布局，所述净现值函数根据边际价格得到，所述边际价格根据所述边际价格函数得到；
更新模块，用于采用迭代操作结束后得到的发电机组布局对应的节点更新所述备选节点集合，得到风电场机组最佳的安装节点集合。
优选地，还包括：
备选节点模块，用于根据所述节点相关参数和所述节点概率密度函数计算最高平均风速；
通过所述最高平均风速确定安装风力发电机组的备选节点集合。
优选地，所述迭代模块包括：
迭代子模块，用于根据迭代函数和净现值函数进行迭代操作，所述净现值函数根据边际价格得到，所述边际价格根据所述边际价格函数得到；
在当前迭代操作得到的净现值比前一次迭代操作得到的净现值小时，则停止迭代操作，得到所述最大净现值；
选择所述最大净现值对应的母线以及发电机组布局。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请中，提供了基于随机模拟的分散式风电场机组布局优化方法，包括：通过蒙特卡洛模拟法采集备选节点集合中各节点的风速集合和电价集合；根据所有节点的风速集合和电价集合计算得到边际价格函数，边际价格函数受最大sw值、网损和拥塞影响；根据迭代函数和净现值函数进行迭代操作，选择最大净现值对应的母线以及发电机组布局，净现值函数根据边际价格得到，边际价格根据边际价格函数得到；采用迭代操作结束后得到的发电机组布局对应的节点更新备选节点集合，得到风电场机组最佳的安装节点集合。
本申请提供的基于随机模拟的分散式风电场机组布局优化方法中，通过蒙特卡洛模拟法采集备选节点中各个节点的风速和电价，风速和电价均是概率密度函数，且是通过采样选取的，使得研究的节点更加具有针对性，通过边际电价函数最为权衡指标，对机组的布局进行选取，不断的迭代，使得备选节点集合中节点均是最优的节点，每次均能够选择到净现值最大的发电机组布局对应的节点，不仅考虑了风速，发电机组的布局位置，还考虑了市场的需求，得到最佳的安装节点集合具有更强的适应能力满足现有的电力需求。因此，本申请解决了现有的发电机组布局技术方案对安装机组的发电机布局节点、发电特性和市场需求等方面的针对性不足，导致风电场的发电机布局方案无法满足现有的电力需求的技术问题。
附图说明
图1为本申请实施例提供的基于随机模拟的分散式风电场机组布局优化方法的一个流程示意图；
图2为本申请实施例提供的基于随机模拟的分散式风电场机组布局优化方法的另一个流程示意图；
图3为本申请实施例提供的基于随机模拟的分散式风电场机组布局优化装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了便于理解，请参阅图1，本申请提供的基于随机模拟的分散式风电场机组布局优化方法的实施例一，包括：
步骤101、通过蒙特卡洛模拟法采集备选节点集合中各节点的风速集合和电价集合。
需要说明的是，蒙特卡洛模拟法又称作是随机抽样或统计试验方法，当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，蒙特卡洛模拟法可以通过“试验”的方法，得到这种事件出现的频率，或者这个随机变数的平均值，并用它们作为问题的解。就是根据事物运动的几何数量和几何特征，利用数学方法来加以模拟；以概率模型为基础，实现概率抽样，本实施例中就是对备选节点集合中各个节点的风速和价格集合进行抽样，用于布局方案制定，因为风速能够决定风力发电机的发电效率，而电能的价格能够影响电力市场的发展，所以，这两个指标对风力发电机的布局影响较大。
步骤102、根据所有节点的风速集合和电价集合计算得到边际价格函数，边际价格函数受最大sw值、网损和拥塞影响。
需要说明的是，采样的数据首先进行的计算就是边际价格函数的求取，边际价格函数考虑了电能消耗、网损和拥塞等具体情况，更加符合实际应用环境；边际价格函数的获取需要受到一定的配电网约束，配电网约束主要是用户效益、供电量、负荷节点供电商变量等指标的约束。其中sw(socialwelfare)是用户收益减去供电成本。
步骤103、根据迭代函数和净现值函数进行迭代操作，选择最大净现值对应的母线以及发电机组布局，净现值函数根据边际价格得到，边际价格根据边际价格函数得到。
需要说明的是，净现值函数是在全生命周期中，对于每个风电机组布局，供应商收益的净现值，净现值仅仅是为了计算收益的，但是当净现值受制于边际价格函数，说明净现值还考量了以上阐述的各种因素，将电能消耗、网损和拥塞等实际情况加入到方案中，使得选择的最大净现值也是权衡各方利益以及实际的风力发电情况的；此时最大净现值对应的母线即为发电机组安装的位置，发电机组布局即为发电机组安装的容量情况；需要指出的是，这里考量供应商的收益仅具有现实意义，不具有技术意义，也就是说，并非为了计算利益最大化而得到本实施例的方案，而是风电机组的布局方案在考量的众多因素中，供应商收益属于其中一个而已，本技术方案也可以不需要，但是这样就不切合实际的发电机组的布局。迭代函数就是为了经过多次迭代得到最大净现值，它是相对于迭代的次数而言的。
步骤104、采用迭代操作结束后得到的发电机组布局对应的节点更新备选节点集合，得到风电场机组最佳的安装节点集合。
需要说明的是，上述的最大净现值对应的母线和发电机布局是综合考量了多方影响因素得到的发电机安装点，用此时的安装节点更新之前的备选节点集合，就可以得到较佳的安装节点集合，当然也可以在没有结束之前继续进行迭代，寻找更加合适的安装节点集合，那么此次的节点集合就可能被直接覆盖，总之，迭代结束后的才是最佳的安装节点集合。
本实施例提供的基于随机模拟的分散式风电场机组布局优化方法中，通过蒙特卡洛模拟法采集备选节点中各个节点的风速和电价，风速和电价均是概率密度函数，且是通过采样选取的，使得研究的节点更加具有针对性，通过边际电价函数最为权衡指标，对机组的布局进行选取，不断的迭代，使得备选节点集合中节点均是最优的节点，每次均能够选择到净现值最大的发电机组布局对应的节点，不仅考虑了风速，发电机组的布局位置，还考虑了市场的需求，得到最佳的安装节点集合具有更强的适应能力满足现有的电力需求。因此，本实施例解决了现有的发电机组布局技术方案对安装机组的发电机布局节点、发电特性和市场需求等方面的针对性不足，导致风电场的发电机布局方案无法满足现有的电力需求的技术问题。
为了便于理解，请参阅图2，本申请实施例中提供了基于随机模拟的分散式风电场机组布局优化方法的实施例二，包括：
步骤201、获取配电网中各节点的节点相关参数和节点概率密度函数，节点相关参数包括松弛节点、确定性负荷和发电机数量，节点概率密度函数包括风速概率密度函数和价格概率密度函数。
需要说明的是，获取配电网中各个节点的节点相关参数，这些参数在后续的计算中需要，也是电网中的可以直接获取得到的现有数据，然后根据这些相互独立的数据获取到节点相关的概率密度函数，概率密度函数并不是节点特性的唯一表达方法，只是后续使用蒙特卡洛模拟法，需要基于概率模型进行采样，所以在数据准备阶段需要保障数据特性的表达形式，因此，需要将节点的风速和电价等指标以概率密度的形式进行表达。节点相关参数除了包括松弛节点、确定负荷和发电机数量之外，还可以包括网络拓扑、最优潮流控制变量和确定发电机的电价个信息；而概率密度函数除了包括风速概率密度函数f(vk)和价格概率密度函数f(p)之外，具体的还可以分为可调度负荷的投标价格概率密度函数和松弛节点的报价概率密度函数；另外还可以包括不同型号和尺寸风力发电机的功率函数，可调度负荷的投标数量函数等；可根据实际情况添加或者修改相关函数。
步骤202、根据节点相关参数和节点概率密度函数计算最高平均风速。
步骤203、通过最高平均风速确定安装风力发电机组的备选节点集合。
需要说明的是，配电网中每个节点的平均风速都是不同的，选择风力资源最好的最为安装风力发电机的节点，可以提高风力发电的效率；而风速概率密度函数和获取到的节点相关参数就可以计算每个节点的平均风速，将所有的平均风速作降序排列，就可以得到从大到小的平均风速序列，从大到小的选择出相应的节点作为备选节点集合。
步骤204、通过蒙特卡洛模拟法采集备选节点集合中各节点的风速集合和电价集合。
需要说明的是，对于每一种风力发电机组布局都需要进行蒙特卡洛模拟，主要是模拟布局中测试点集合的随机变量，例如风速和价格等，蒙特卡洛模拟可以表示为：
|nconfig,iter|＝iter；
其中，w为备选节点序号，且
从供应商的电价概率密度函数f(ph)获取第w个母线出h供应商提供的价格
其中，e(x)为蒙特卡洛采样值输出变量的平均值，σ(x)为蒙特卡洛采样值输出变量的方差，ε为设定的置信结果误差的阈值，只有置信度保持在阈值范围内才是有效的采样值。
步骤205、根据所有节点的风速集合和电价集合计算得到边际价格函数，边际价格函数受最大sw值、网损和拥塞影响。
需要说明的是，根据蒙特卡洛采样的t个采样值和节点相关参数基于市场的最优潮流就可以求得相关的边际价格函数、sw值、网损和拥塞；边际价格函数考虑了电能消耗、网损和拥塞等具体情况，更加符合实际应用环境；边际价格函数的获取需要受到一定的配电网约束，配电网约束主要是用户效益、供电量、负荷节点供电商变量等指标的约束，配电网约束条件可以用公式表述如下：
j代表用户编号，dj为用户j的用电量(mwh)，bj(dj)为用户的效益，h为供应商编号，gh为供应商的供电量(mwh)，ch(gh)为供应商供电费用，nj为备选节点集合，nh为发电机节点集合，x为相关变量的向量，u为控制变量的向量，d为用户的向量，g为供应商的向量。
步骤206、根据迭代函数和净现值函数进行迭代操作，净现值函数根据边际价格得到，边际价格根据边际价格函数得到。
需要说明的是，迭代函数为：
npviter＝maxconfignpvconfig,iter；
其中，npviter为在第iter次迭代中的最大净现值，npvconfig,iter为迭代中的净现值，随着迭代次数增加，可以不断更新净现值。
净现值函数是在全寿命周期中，根据每个风力发电机组布局，确定供应商收益的净现值，净现值函数为：
其中，icconfig,iter为风力发电机的投资成本，ir为利率，ny为风力发电机的寿命，
其中，
步骤207、在当前迭代操作得到的净现值比前一次迭代操作得到的净现值小时，则停止迭代操作，得到最大净现值。
步骤208、选择最大净现值对应的母线以及发电机组布局。
需要说明的是，随着迭代次数不断增加，净现值不断更新，在当前更新的净现值小于上一次更新的净现值时，说明上一次的净现值已经是最大的，则不需要在继续进行迭代，选取这个最大净现值对应的母线，即为风力发电机对应的安装位置，此时的发电机组布局为这组迭代中的最优布局方案，就是以净现值设定节点选取的优先级，从而选择最佳的安装节点方案。
步骤209、若备选节点集合已经满足数量阈值，则停止迭代操作，将备选节点集合作为最佳的安装节点集合。
需要说明的是，以上是一种终止迭代的情况，另外一种是在备选节点集合已经满足数量阈值了，实际情况就是包含了配电网中所有的节点时，就不需要再进行迭代了，此时的备选节点集合就是安装节点集合。
步骤210、采用迭代操作结束后得到的发电机组布局对应的节点更新备选节点集合，得到风电场机组最佳的安装节点集合。
需要说明的是，迭代结束后用于更新的节点就是最佳的安装方案，如果迭代未停止，每一次的迭代都可能将上一次的安装方案覆盖，这受到一些因素的影响，例如每一个节点的风力发电机的安装数量。
为了便于理解，请参与图3，本申请中还提供了基于随机模拟的分散式风电场机组布局优化装置的实施例，包括：
采样模块301，用于通过蒙特卡洛模拟法采集备选节点集合中各节点的风速集合和电价集合；
计算模块302，用于根据所有节点的风速集合和电价集合计算得到边际价格函数，边际价格函数受最大sw值、网损和拥塞影响；
迭代模块303，用于根据迭代函数和净现值函数进行迭代操作，选择最大净现值对应的母线以及发电机组布局，净现值函数根据边际价格得到，边际价格根据边际价格函数得到；
更新模块304，用于采用迭代操作结束后得到的发电机组布局对应的节点更新备选节点集合，得到风电场机组最佳的安装节点集合。
进一步地，还包括：
备选节点模块305，用于根据节点相关参数和节点概率密度函数计算最高平均风速；
通过最高平均风速确定安装风力发电机组的备选节点集合。
进一步地，迭代模块303包括：
迭代子模块3031，用于根据迭代函数和净现值函数进行迭代操作，净现值函数根据边际价格得到，边际价格根据边际价格函数得到；
在当前迭代操作得到的净现值比前一次迭代操作得到的净现值小时，则停止迭代操作，得到最大净现值；
选择最大净现值对应的母线以及发电机组布局。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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。
另外，在本申请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。
所述集成的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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以通过一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(英文全称：read-onlymemory，英文缩写：rom)、随机存取存储器(英文全称：randomaccessmemory，英文缩写：ram)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。
1.基于随机模拟的分散式风电场机组布局优化方法，其特征在于，包括：
通过蒙特卡洛模拟法采集备选节点集合中各节点的风速集合和电价集合；
根据所有节点的所述风速集合和所述电价集合计算得到边际价格函数，所述边际价格函数受最大sw值、网损和拥塞影响；
根据迭代函数和净现值函数进行迭代操作，选择最大净现值对应的母线以及发电机组布局，所述净现值函数根据边际价格得到，所述边际价格根据所述边际价格函数得到；
采用迭代操作结束后得到的发电机组布局对应的节点更新所述备选节点集合，得到风电场机组最佳的安装节点集合。
2.根据权利要求1所述的基于随机模拟的分散式风电场机组布局优化方法，其特征在于，所述通过蒙特卡洛模拟法采集备选节点集合中各节点的风速集合和电价集合，之前还包括：
获取配电网中各节点的节点相关参数和节点概率密度函数，所述节点相关参数包括松弛节点、确定性负荷和发电机数量，所述节点概率密度函数包括风速概率密度函数和价格概率密度函数。
3.根据权利要求2所述的基于随机模拟的分散式风电场机组布局优化方法，其特征在于，所述通过蒙特卡洛模拟法采集备选节点集合中各节点的风速集合和电价集合，之前还包括：
根据所述节点相关参数和所述节点概率密度函数计算最高平均风速；
通过所述最高平均风速确定安装风力发电机组的备选节点集合。
4.根据权利要求1所述的基于随机模拟的分散式风电场机组布局优化方法，其特征在于，所述迭代函数为：
npviter＝maxconfignpvconfig,iter；
其中，npviter为在第iter次迭代中的所述最大净现值，npvconfig,iter为迭代中的净现值。
5.根据权利要求4所述的基于随机模拟的分散式风电场机组布局优化方法，其特征在于，所述净现值函数为：
其中，icconfig,iter为风力发电机的投资成本，ir为利率，ny为风力发电机的寿命，
其中，
6.根据权利要求1所述的基于随机模拟的分散式风电场机组布局优化方法，其特征在于，所述根据迭代函数和净现值函数进行迭代操作，选择最大净现值对应的母线以及发电机组布局，所述净现值函数根据边际价格得到，所述边际价格根据所述边际价格函数得到，包括：
根据迭代函数和净现值函数进行迭代操作，所述净现值函数根据边际价格得到，所述边际价格根据所述边际价格函数得到；
在当前迭代操作得到的净现值比前一次迭代操作得到的净现值小时，则停止迭代操作，得到所述最大净现值；
选择所述最大净现值对应的母线以及发电机组布局。
7.根据权利要求1所述的基于随机模拟的分散式风电场机组布局优化方法，其特征在于，所述根据迭代函数和净现值函数进行迭代操作，选择最大净现值对应的母线以及发电机组布局，所述净现值函数根据边际价格得到，所述边际价格根据所述边际价格函数得到，还包括：
若所述备选节点集合已经满足数量阈值，则停止迭代操作，将所述备选节点集合作为最佳的所述安装节点集合。
8.基于随机模拟的分散式风电场机组布局优化装置，其特征在于，包括：
采样模块，用于通过蒙特卡洛模拟法采集备选节点集合中各节点的风速集合和电价集合；
计算模块，用于根据所有节点的所述风速集合和所述电价集合计算得到边际价格函数，所述边际价格函数受最大sw值、网损和拥塞影响；
迭代模块，用于根据迭代函数和净现值函数进行迭代操作，选择最大净现值对应的母线以及发电机组布局，所述净现值函数根据边际价格得到，所述边际价格根据所述边际价格函数得到；
更新模块，用于采用迭代操作结束后得到的发电机组布局对应的节点更新所述备选节点集合，得到风电场机组最佳的安装节点集合。
9.根据权利要求8中所述的基于随机模拟的分散式风电场机组布局优化装置，其特征在于，还包括：
备选节点模块，用于根据所述节点相关参数和所述节点概率密度函数计算最高平均风速；
通过所述最高平均风速确定安装风力发电机组的备选节点集合。
10.根据权利要求8中所述的基于随机模拟的分散式风电场机组布局优化装置，其特征在于，所述迭代模块包括：
迭代子模块，用于根据迭代函数和净现值函数进行迭代操作，所述净现值函数根据边际价格得到，所述边际价格根据所述边际价格函数得到；
在当前迭代操作得到的净现值比前一次迭代操作得到的净现值小时，则停止迭代操作，得到所述最大净现值；
选择所述最大净现值对应的母线以及发电机组布局。
技术总结