CN104332985A - 基于混合控制策略的直流配网运行控制与优化调度方法 - Google Patents
基于混合控制策略的直流配网运行控制与优化调度方法 Download PDFInfo
- Publication number
- CN104332985A CN104332985A CN201410610610.3A CN201410610610A CN104332985A CN 104332985 A CN104332985 A CN 104332985A CN 201410610610 A CN201410610610 A CN 201410610610A CN 104332985 A CN104332985 A CN 104332985A
- Authority
- CN
- China
- Prior art keywords
- mrow
- energy storage
- storage system
- power
- controllable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000011217 control strategy Methods 0.000 title claims abstract description 24
- 238000004146 energy storage Methods 0.000 claims abstract description 88
- 230000007774 longterm Effects 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 14
- 230000005611 electricity Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 230000009194 climbing Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 241000168096 Glareolidae Species 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/36—Arrangements for transfer of electric power between ac networks via a high-tension dc link
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于混合控制策略的直流配网运行控制与优化调度方法。该方法考虑了各可控电源和储能系统根据混合控制策略,在系统不可控电源、负荷发生功率波动时,对系统进行有差调节的这一过程的安全性和经济性。该方法可以提升控制系统在预测误差自适应方面的鲁棒性,并且可以为系统提供良好的电压质量。
Description
技术领域
本发明属于电力系统的运行、分析与调度技术领域,尤其涉及一种基于混合控制策略的直流配网运行控制与优化调度方法。
背景技术
近年来,随着功率半导体技术的不断发展,柔性直流技术日渐成熟,基于该技术的直流配电系统由于其对于不可控电源具有良好的兼容性,且能为负荷提供可靠、优质电能而逐渐受到国内外学者的关注。相比于传统交流配网,直流配网优势主要体现在:①流站功率灵活可控,可以实现“双主电源”闭环供电,不会出现交流系统中“电磁环网”等问题,从而更好的满足负荷用电可靠性的要求,减少其不间断供电设备的投入;②节省直流电源、负荷以及储能等设备在并网时的换流设备成本,降低能量损耗,从而提高系统能量利用率和经济性;③系统运行控制过程中需要考虑的制约因素较少,不存在交流系统中如无功优化、相角同步和频率稳定等问题,因此更适用于解决具有较强随机性与波动性的高渗透率间歇性电源并网能量调度问题,最大程度吸纳不可控电源并网功率;④直流电缆线路成本低,线路损耗小,相比于交流具有较低的绝缘要求和绝缘成本。
但是,由于光伏、风电等不可控电源具有出力变化速度快、范围大,难以准确预测等特点,而直流配网的系统状态对功率变化响应较快,在系统惯性方面远不及交流系统,故当歇性分布式电源渗透率较高时,其随机波动的功率变化将会影响系统的潮流分布与电压分布,严重时将会影响系统运行的安全稳定。因此,作为系统长期经济调度的补充,调度中心在对直流配网进行稳态经济调度时,急需要一种可以应对调度指令间隔期间系统不可控电源、负荷功率波动的控制方法,以保证柔性直流系统在高渗透率间歇性分布式电源接入后能够安全稳定经济运行。
发明内容
本发明的目的在于针对现有技术的不足,提出了一种基于混合控制策略的直流配网运行控制与优化调度方法,考虑各可控电源和储能系统,根据混合控制策略,在系统不可控电源、负荷发生功率波动时,对系统进行有差调节的优化调度方法,使用非线性规划模型进行建模,在系统状态满足安全稳定约束的前提下,最大程度吸纳不可控电源的并网功率、降低系统实时运行的经济成本并且最大程度跟踪调度中心长期经济调度优化曲线。同时,本发明提出了一种一端定电压、其他功率可控端根据并网单元自身情况或下垂控制或定功率控制的混合控制策略,使得系统电压质量和对于预测误差的鲁棒性得到明显的改善和提升。
本发明的目的是通过以下技术方案来实现的:一种基于混合控制策略的直流配网运行控制与优化调度方法,包括如下步骤:
(1)通过通讯网络,从调度中心接收计算所需的输入数据,数据包括系统网络参数数据、并网单元基本信息数据、系统长期经济调度的指令参数数据、超短期负荷/不可控电源/电价预测数据;
所述并网单元基本信息数据包括可控电源、储能系统、不可控电源和不可控负荷的并网节点、容量信息以及可控电源和储能系统的爬坡率限制信息,其中可控电源和储能系统统称为直流配网的可控源;
所述系统长期经济调度的指令参数数据包括未来各调度时刻的可控源输出功率、端口电压参考值以及储能系统的荷电状态参考值;
(2)根据所接收的系统网络参数数据对系统节点进行编号,建立直流配网节点导纳矩阵,规定时间窗长度,划分时间网格;
(3)根据所接收的当前调度时刻的储能系统的输出功率参考值判断储能系统的充、放电状态和功率控制模式;确定当前时间窗内各可控电源的控制模式;
(4)提取时间窗范围内计算所需的数据,对系统运行控制进行优化调度问题建模,根据运行要求选择目标函数和约束条件,包括等式约束条件和不等式约束条件,构成非线性规划问题,调用解法器进行求解,得到系统各可控源的运行控制指令;
(5)将步骤4计算所得指令值按照规定的通讯协议编辑成对应数据格式,通过通讯网络,发送至各可控源,实现直流配网运行控制与优化调度。
进一步地,所述的步骤3中的储能系统的功率控制模式选择逻辑为:当所接收的储能系统功率输出参考值的绝对值小于或等于阀值时,储能系统采用恒功率控制,否则,储能系统采用电压-功率下垂的控制模式;系统功率可控电源的控制模式选择原则为:优先选择容量最大的、与交流系统相连接的电压源换流站作为平衡节点进行定电压控制,其他功率可控电源若自身具备参与下垂控制的条件,则采用电压-功率下垂控制模式,否则,则采用定功率控制模式。
进一步地,所述的步骤4中的目标函数f(x)包括两项,一项为时间窗内所有时刻的系统总用电成本最小,另一项为储能系统在当前时间窗内的实际最终荷电状态与相应指令参考值之间的偏差惩罚项最小,具体形式如下:
其中x是模型的优化变量,包括可控源控制指令矢量和系统状态矢量;T为当前时间窗标记,t为时间窗T内被时间网格划分的状态时刻,Nt为时间窗T内的t时刻总数;fRsto(x)分别为t时刻的系统供电总成本和时间窗T结束时储能系统实际荷电状态与相应指令偏差的惩罚项;Ccost,i为t时刻系统第i个可控源的功率-成本系数,CRsto为时间窗T结束时储能系统的实际荷电状态与指令之间的偏差的惩罚项系数;为t时刻系统第i个可控源的有功输出,为时间窗T结束时,第j个储能系统实际荷电状态与相应指令之间的偏差值;NC和Nsto分别为系统可控源总数和储能系统总数;
所述等式约束包括直流潮流平衡约束、各可控源的控制模式约束、储能荷电状态定义约束和储能系统时间窗实际最终状态与指令值偏差值定义约束,其中,可控源的控制模式约束和储能系统时间窗实际最终状态与相应指令值的偏差值定义约束的具体形式如下:
(1)第i个可控源的控制模式约束(i=1,…,NC)
①若当前调度时刻可控源采用下垂控制,则需满足如下约束:
②若当前调度时刻可控源采用定功率控制,则需满足如下约束:
③若当前调度时刻可控源采用定电压控制,则需满足如下约束:
(2)第j个储能系统时间窗实际最终状态与指令值偏差值定义约束(j=1,…,Nsto)
其中,和是从调度中心接收的针对时间窗T的长期经济调度指令参数,分别为第i个可控源的有功输出参考值、端口母线电压参考值,为第j个储能系统荷电状态参考值;Pi t、Vi t分别为t时刻可控源i的实际有功输出和端口电压值;Pi T、Vi T分别为时间窗T内上述三种控制模式的下垂斜率、定功率控制指令和定电压控制指令;为第j个储能系统t时刻的荷电状态。
所述不等式约束包括各状态时刻的母线电压约束、线路载流量约束、各电源容量约束和负荷节点电压变化率约束以及可控电源、储能系统的功率变化率约束。
本发明提出了一种基于混合控制策略的直流配网运行控制与优化调度方法,与已有的技术相比,本发明提出的方法主要有以下优势和改进:
1、与一端定电压、其他功率可控端恒功率控制的主从控制策略相比,混合控制策略在预测误差自适应方面具有更好的鲁棒性,并且可以为系统提供更好的电压质量。
2、与启发式算法相比,非线性建模提高了最优解的质量。
3、相比于下垂斜率参数恒定不变的定斜率模型,混合控制策略中的下垂斜率参数动态调整模型可以更好的适应间歇性电源的波动,提升系统自调整过程对于预测误差的鲁棒性。
附图说明
图1是基于混合控制策略的直流配网运行控制与优化调度方法流程图;
图2是直流配网拓扑结构图;
图3是作为输入的下垂控制可控源的长期经济调度功率参考值随时间变化曲线;
图4是作为输入数据的下垂控制可控源的长期经济调度端口电压参考值随时间变化曲线;
图5是作为输入数据的储能系统长期经济调度荷电状态参考值随时间变化曲线;
图6是作为输入数据的负荷超短期预测数据随时间变化曲线;
图7是作为输入数据的光伏超短期预测数据随时间变化曲线;
图8是作为输入数据的配网成本电价超短期预测数据随时间变化曲线;
图9是基于输入数据所得的从站换流站和储能系统下垂斜率随时间变化曲线;
图10是可控源实际输出功率随时间变化曲线;
图11是储能系统实际荷电状态随时间变化曲线;
图12是不同调度时刻的基于输入数据的计算耗时;
图13是混合控制策略的可靠性效果展示图;
图14是混合控制策略的系统电压质量效果图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1所示,本发明基于混合控制策略的直流配网运行控制与优化调度方法,包括以下步骤:
第一步:通过通讯网络,从调度中心接收计算所需的输入数据,数据包括系统网络参数数据、并网单元基本信息数据、系统长期经济调度的指令参数数据、超短期负荷/不可控电源/电价预测数据;
所述并网单元基本信息数据包括功率可控电源、储能系统、不可控电源和不可控负荷的并网节点、容量、爬坡率限制等信息,其中可控电源和储能系统统称为直流配网的可控源。
所述系统长期经济调度的指令参数数据是调度中心根据如文献《直流配电网能量优化控制技术综述》(马骏超、江全元、余鹏、段绍辉,电力系统自动化,24期89-96页)中2.2.2节所述的日前层经济调度建模方法,基于系统网络参数数据、并网单元基本信息数据和长期负荷/不可控电源/电价预测数据,以系统长期运行经济性最优为目标,优化计算得到的各可控源的调度指令参考值,将此参考值作为输入数据,可以使得基于混合控制策略的直流配网运行控制与优化调度方法在计算当前调度时段的可控源指令时,可以兼顾系统未来长期运行的经济性;该数据包括未来各调度时刻的可控源输出功率、端口电压参考值以及储能系统的荷电状态参考值。
第二步:根据所接收的系统网络参数数据对系统节点进行编号,建立直流配网节点导纳矩阵,规定时间窗长度,划分时间网格;
第三步:根据所接收的当前调度时刻的储能系统的功率输出参考值判断储能系统的充、放电状态和功率控制模式;确定当前时间窗内各可控电源的控制模式;
所述储能系统的功率控制模式选择逻辑为:当所接收的储能系统功率输出参考值的绝对值小于或等于阀值时,储能系统采用恒功率控制,否则,储能系统采用电压-功率下垂的控制模式;系统功率可控电源的控制模式选择原则为:优先选择容量最大的、与交流系统相连接的电压源换流站作为平衡节点进行定电压控制,其他功率可控电源若自身具备参与下垂控制的条件,则采用电压-功率下垂控制模式,否则,则采用定功率控制模式。
第四步:提取时间窗范围内计算所需的数据,对系统运行控制进行优化调度问题建模,根据运行要求选择目标函数和约束条件,包括等式约束条件和不等式约束条件,构成非线性规划问题,调用解法器进行求解,得到系统各可控源的运行控制指令;
所述目标函数包括两项,一项为时间窗内所有时刻的系统总用电成本最小,另一项为储能系统在当前时间窗内的实际最终荷电状态与相应指令参考值之间的偏差惩罚项最小,具体形式如下:
其中x是模型的优化变量,包括可控源控制指令矢量和系统状态矢量;T为当前时间窗标记,t为时间窗T内被时间网格划分的状态时刻,Nt为时间窗T内的t时刻总数;fRsto(x)分别为t时刻的系统供电总成本和时间窗T结束时储能系统实际荷电状态与相应指令偏差的惩罚项;Ccost,i为t时刻系统第i个可控源的功率-成本系数,CRsto为时间窗T结束时储能系统的实际荷电状态与指令之间的偏差的惩罚项系数;为t时刻系统第i个可控源的有功输出,为时间窗T结束时,第j个储能系统实际荷电状态与相应指令之间的偏差值;NC和Nsto分别为系统可控源总数和储能系统总数。
所述等式约束包括直流潮流平衡约束、各可控源的控制模式约束、储能荷电状态定义约束和储能系统时间窗实际最终状态与指令值偏差值定义约束,其中,可控源的控制模式约束和储能系统时间窗实际最终状态与相应指令值的偏差值定义约束的具体形式如下:
(1)第i个可控源的控制模式约束(i=1,…,NC)
①若当前调度时刻可控源采用下垂控制,则需满足如下约束
②若当前调度时刻可控源采用定功率控制,则需满足如下约束
③若当前调度时刻可控源采用定电压控制,则需满足如下约束
(2)第j个储能系统时间窗实际最终状态与指令值偏差值定义约束(j=1,…,Nsto)
其中,和是从调度中心接收的针对时间窗T的长期经济调度指令参数,分别为第i个可控源的有功输出参考值、端口母线电压参考值,为第j个储能系统荷电状态参考值;Pi t、Vi t分别为t时刻可控源i的实际有功输出和端口电压值;Pi T、Vi T分别为时间窗T内上述三种控制模式的下垂斜率、定功率控制指令和定电压控制指令;为第j个储能系统t时刻的荷电状态。
所述不等式约束包括各状态时刻的母线电压约束、线路载流量约束、各电源容量约束和负荷节点电压变化率约束以及可控电源、储能系统的功率变化率约束。
在每个时间窗内根据系统实际状态实时更新控制指令,并在时间窗范围内保持上述指令不变,当可控源的控制模式选择下垂控制时,控制指令为下垂斜率,当可控源控制模式选择定电压控制时,控制指令为电压参考值,当可控源控制模式选择恒功率控制时,控制指令为功率参考值。
第五步:将步骤四计算所得指令值按照规定的通讯协议编辑成对应数据格式,通过通讯网络,发送至各可控源,实现直流配网运行控制与优化调度。
实施例:
考虑如图2所示的直流配网拓扑示例系统,其中可控电源包括2个与交流系统连接的电压源换流站,一个作为平衡节点定电压控制,另一个具备下垂控制条件,采用下垂控制模式,不可控电源包括3个分布式光伏发电站,储能系统以锂电池储能电站作为代表,负荷包括2个工业负荷和1个电动汽车充电站。根据前文所述方法建立非线性规划模型,使用Ipopt-3.11作为非线性规划问题的解法器,对所建立的运行控制优化模型进行求解,优化不同调度时段的可控电源、储能系统的协调控制指令值。
针对如图2所示直流配网系统,考虑连续48小时系统数据,每10分钟计算并下达一次协调控制指令,规定时间窗长度为10分钟,并以1分钟作为时间网格密度划分时间窗,从而得到各状态时刻,时间窗不断滚动,求解不同调度时段的协调控制指令。
图3~图8展示了计算所需要的输入数据(节点信息略),如图3~图5所示为从调度中心接收的长期经济调度指令参考值数据,在每个时间窗内该参考值保持不变,由于我们令10分钟作为一个调度时段,因此每条曲线共有288个数据点。图3为48小时从站换流站和储能系统的下垂功率参考值,纵轴为功率标幺值;图4为48小时从站换流站和储能系统的下垂电压参考值,纵轴为电压标幺值;图5为储能系统在每个调度时段结束时,即时间窗最终时刻,需要达到的荷电状态水平,纵轴为储能系统当前储存能量占总容量的百分比。如图6~图8为超短期预测数据,包括调度时段内每个状态时刻的负荷用电、光伏出力和成本电价数据,由于我们将调度时段内每1分钟作为一个实际状态时刻,因此每条曲线共有2880个数据点。其中,如图6所示为各状态时刻的负荷用电曲线,纵轴为功率标幺值,三个负荷具有不同的容量、不同的曲线变化规律、不同的高峰用电时间以及不同的用电功率波动程度,对直流配网主要负荷类型具有良好的代表性;如图7所示为各状态时刻的光伏发电并网功率值,纵轴为功率标幺值,三个分布式光伏电站具有不同的容量,但并网发电功率都具有波动剧烈且不规则的特点,三个电站在中午时段达到全天24小时的最大出力水平,较好的模拟了光伏并网发电的出力特点;图8中所展示的系统供电成本电价随时间变化曲线,纵轴为电价,单位人民币,该曲线符合日常“峰谷电价”的直观认识。
图9~图12展示了在输入计算所需数据后,基于混合控制策略的直流配网运行控制与优化调度方法的指令计算结果和控制效果。其中所有横轴表示时间,图9~图11中,每1分钟作为一个状态时刻,故每条曲线共2880个数据点;图12中每10分钟作为一个调度时段,在该时段起始时刻计算并下达协调控制指令值,故共288个数据点。如图9所示,为可控源作为从站参与下垂控制的斜率参数随时间的变化曲线,当权利要求1中第三步的储能系统控制模式判断结果为定功率控制时,可以将储能的定功率控制模式约束看做斜率等于零的下垂控制约束,因此,由图9中从站换流站下垂斜率随时间变化曲线和储能系统下垂斜率随时间变化曲线可知,本发明所提出的运行控制与优化方法可以根据系统调度指令间隔期间的实际状态,在计算每个调度指令时,实时调整各下垂从站的下垂斜率,在下垂可控源之间分配功率承担任务,并且规定每个下垂可控源的具体斜率参数;图10展示了功率可控电源和储能系统的实时输出功率随时间变化曲线,纵轴为功率标幺值,由三条曲线可知,基于混合控制策略,各可控源可以在调度指令间隔期间,根据系统实际状态实时调整功率输出,适应不可控电源、负荷的功率波动,满足系统功率平衡要求;图11展示了储能系统在每个时间窗最终时刻的实际荷电状态和相应指令参考值之间的跟踪关系,其中实线表示每个状态时刻储能系统的实际荷电状态,空心圆标记是权利要求1中第一步所接收的长期经济调度参考指令值中的储能系统在各时间窗最终时刻需要达到的荷电状态,该图说明了将偏差作为惩罚项加入目标函数的有效性,也说明了该方法可以较好的跟踪系统长期运行经济优化曲线,对于在实时控制中实现系统长期经济运行有较好的促进作用;图12展示了每个调度时间窗的计算时间,说明了算法的收敛性好、计算速度快,足以满足直流配网在线实时调度的需求。
图13展示了基于混合控制策略的运行控制优化调度方法的可靠性统计结果。假设计算所需的光伏\负荷的超短期预测数据存在预测误差,对图6、图7中每个状态时刻进行预测误差模拟,使用蒙特卡洛模拟方法,假设负荷用电数据和光伏发电数据的预测误差服从标准正太分布,在每个状态时刻,以超短期预测数据作为平均值,以平均值的10%作为标准差,随机产生1000组“实际系统光伏发电、负荷用电”数据,校验如图2所示柔性直流配电系统在根据如图3~图8所示输入数据计算出指令值并且按照该指令进行控制后,系统在每个时刻,基于这1000组实际数据的可靠性,此中可靠性的定义为每个时刻不越限数据组数除以1000。如图13可知,在48小时内,可靠性达到80%的时间占总时间的87.2%,其中占总时间61%的状态时刻其可靠性超过95%,并且可靠性不足50%的时间仅占总时间的0.8%。由此说明,本发明提出的运行控制优化调度方法可以使控制系统在预测误差鲁棒性方面具有良好的性能。
图14展示了48小时内系统电压波动幅度的统计结果。以1号负荷节点电压为例,48小时内,有98.12%的时间1号负荷并网节点的电压波动幅度在10%之内,并且有超过80%的时间其波动幅度在1%之内,其中,波动幅度定义为前后状态时刻1号负荷并网节点的电压变化绝对值。由此,可以说明运行控制优化调度方法可以在电压质量方面为负荷提供较好的电能服务。
Claims (3)
1.一种基于混合控制策略的直流配网运行控制与优化调度方法,其特征在于,包括如下步骤:
(1)通过通讯网络,从调度中心接收计算所需的输入数据,数据包括系统网络参数数据、并网单元基本信息数据、系统长期经济调度的指令参数数据、超短期负荷/不可控电源/电价预测数据;
所述并网单元基本信息数据包括可控电源、储能系统、不可控电源和不可控负荷的并网节点、容量信息以及可控电源和储能系统的爬坡率限制信息,其中可控电源和储能系统统称为直流配网的可控源;
所述系统长期经济调度的指令参数数据包括未来各调度时刻的可控源输出功率、端口电压参考值以及储能系统的荷电状态参考值;
(2)根据所接收的系统网络参数数据对系统节点进行编号,建立直流配网节点导纳矩阵,规定时间窗长度,划分时间网格;
(3)根据所接收的当前调度时刻的储能系统的输出功率参考值判断储能系统的充、放电状态和功率控制模式;确定当前时间窗内各可控电源的控制模式;
(4)提取时间窗范围内计算所需的数据,对系统运行控制进行优化调度问题建模,根据运行要求选择目标函数和约束条件,包括等式约束条件和不等式约束条件,构成非线性规划问题,调用解法器进行求解,得到系统各可控源的运行控制指令;
(5)将步骤4计算所得指令值按照规定的通讯协议编辑成对应数据格式,通过通讯网络,发送至各可控源,实现直流配网运行控制与优化调度。
2.根据权利要求1所述的基于混合控制策略的直流配网运行控制与优化调度方法,其特征在于,所述的步骤3中的储能系统的功率控制模式选择逻辑为:当所接收的储能系统功率输出参考值的绝对值小于或等于阀值时,储能系统采用恒功率控制,否则,储能系统采用电压-功率下垂的控制模式;系统功率可控电源的控制模式选择原则为:优先选择容量最大的、与交流系统相连接的电压源换流站作为平衡节点进行定电压控制,其他功率可控电源若自身具备参与下垂控制的条件,则采用电压-功率下垂控制模式,否则,则采用定功率控制模式。
3.根据权利要求1所述的基于混合控制策略的直流配网运行控制与优化调度方法,其特征在于,所述的步骤4中的目标函数f(x)包括两项,一项为时间窗内所有时刻的系统总用电成本最小,另一项为储能系统在当前时间窗内的实际最终荷电状态与相应指令参考值之间的偏差惩罚项最小,具体形式如下:
其中x是模型的优化变量,包括可控源控制指令矢量和系统状态矢量;T为当前时间窗标记,t为时间窗T内被时间网格划分的状态时刻,Nt为时间窗T内的t时刻总数;fRsto(x)分别为t时刻的系统供电总成本和时间窗T结束时储能系统实际荷电状态与相应指令偏差的惩罚项;Ccost,i为t时刻系统第i个可控源的功率-成本系数,CRsto为时间窗T结束时储能系统的实际荷电状态与指令之间的偏差的惩罚项系数;为t时刻系统第i个可控源的有功输出,为时间窗T结束时,第j个储能系统实际荷电状态与相应指令之间的偏差值;NC和Nsto分别为系统可控源总数和储能系统总数;
所述等式约束包括直流潮流平衡约束、各可控源的控制模式约束、储能荷电状态定义约束和储能系统时间窗实际最终状态与指令值偏差值定义约束,其中,可控源的控制模式约束和储能系统时间窗实际最终状态与相应指令值的偏差值定义约束的具体形式如下:
(1)第i个可控源的控制模式约束(i=1,…,NC)
①若当前调度时刻可控源采用下垂控制,则需满足如下约束:
②若当前调度时刻可控源采用定功率控制,则需满足如下约束:
③若当前调度时刻可控源采用定电压控制,则需满足如下约束:
(2)第j个储能系统时间窗实际最终状态与指令值偏差值定义约束(j=1,…,Nsto)
其中,和是从调度中心接收的针对时间窗T的长期经济调度指令参数,分别为第i个可控源的有功输出参考值、端口母线电压参考值,为第j个储能系统荷电状态参考值;分别为t时刻可控源i的实际有功输出和端口电压值;分别为时间窗T内上述三种控制模式的下垂斜率、定功率控制指令和定电压控制指令;为第j个储能系统t时刻的荷电状态;
所述不等式约束包括各状态时刻的母线电压约束、线路载流量约束、各电源容量约束和负荷节点电压变化率约束以及可控电源、储能系统的功率变化率约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410610610.3A CN104332985B (zh) | 2014-11-03 | 2014-11-03 | 基于混合控制策略的直流配网运行控制与优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410610610.3A CN104332985B (zh) | 2014-11-03 | 2014-11-03 | 基于混合控制策略的直流配网运行控制与优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104332985A true CN104332985A (zh) | 2015-02-04 |
CN104332985B CN104332985B (zh) | 2016-05-18 |
Family
ID=52407662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410610610.3A Active CN104332985B (zh) | 2014-11-03 | 2014-11-03 | 基于混合控制策略的直流配网运行控制与优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104332985B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119283A (zh) * | 2015-09-15 | 2015-12-02 | 东南大学 | 面向对等模式下微电网的基于牵制的分布式协同控制方法 |
CN105207209A (zh) * | 2015-09-22 | 2015-12-30 | 山东理工大学 | 一种基于下垂控制的交直流配电网系统潮流计算方法 |
CN105514965A (zh) * | 2015-11-26 | 2016-04-20 | 南京工程学院 | 一种自治直流微电网的分布式储能soc双象限下垂控制方法 |
CN110416991A (zh) * | 2019-08-13 | 2019-11-05 | 国网河南省电力公司经济技术研究院 | 一种模块化多端柔性直流微电网组网及其分层控制方法 |
CN110661278A (zh) * | 2019-09-12 | 2020-01-07 | 珠海格力电器股份有限公司 | 储能空调系统及其控制方法和控制装置 |
CN113285459A (zh) * | 2021-07-22 | 2021-08-20 | 广东电网有限责任公司潮州供电局 | 一种下垂斜率优化方法、装置、存储介质及电子设备 |
CN113708362A (zh) * | 2021-09-16 | 2021-11-26 | 东北大学 | 一种用于多混合能源系统的直流母线电压稳定方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090240378A1 (en) * | 2006-11-30 | 2009-09-24 | Yao Jiangang | Concentrating control method of generating sets for grid energy saving and reduction of so2 discharge |
CN102184475A (zh) * | 2011-05-11 | 2011-09-14 | 浙江大学 | 基于多时间尺度协调的微网经济运行优化调度方法 |
-
2014
- 2014-11-03 CN CN201410610610.3A patent/CN104332985B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090240378A1 (en) * | 2006-11-30 | 2009-09-24 | Yao Jiangang | Concentrating control method of generating sets for grid energy saving and reduction of so2 discharge |
CN102184475A (zh) * | 2011-05-11 | 2011-09-14 | 浙江大学 | 基于多时间尺度协调的微网经济运行优化调度方法 |
Non-Patent Citations (1)
Title |
---|
洪海生等: ""实时平抑风电场功率波动的电池储能系统优化控制方法"", 《电力系统自动化》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105119283A (zh) * | 2015-09-15 | 2015-12-02 | 东南大学 | 面向对等模式下微电网的基于牵制的分布式协同控制方法 |
CN105207209A (zh) * | 2015-09-22 | 2015-12-30 | 山东理工大学 | 一种基于下垂控制的交直流配电网系统潮流计算方法 |
CN105207209B (zh) * | 2015-09-22 | 2017-07-04 | 山东理工大学 | 一种基于下垂控制的交直流配电网系统潮流计算方法 |
CN105514965A (zh) * | 2015-11-26 | 2016-04-20 | 南京工程学院 | 一种自治直流微电网的分布式储能soc双象限下垂控制方法 |
CN105514965B (zh) * | 2015-11-26 | 2018-03-02 | 南京工程学院 | 一种自治直流微电网的分布式储能soc双象限下垂控制方法 |
CN110416991A (zh) * | 2019-08-13 | 2019-11-05 | 国网河南省电力公司经济技术研究院 | 一种模块化多端柔性直流微电网组网及其分层控制方法 |
CN110416991B (zh) * | 2019-08-13 | 2023-04-28 | 国网河南省电力公司经济技术研究院 | 一种模块化多端柔性直流微电网组网及其分层控制方法 |
CN110661278A (zh) * | 2019-09-12 | 2020-01-07 | 珠海格力电器股份有限公司 | 储能空调系统及其控制方法和控制装置 |
CN113285459A (zh) * | 2021-07-22 | 2021-08-20 | 广东电网有限责任公司潮州供电局 | 一种下垂斜率优化方法、装置、存储介质及电子设备 |
CN113708362A (zh) * | 2021-09-16 | 2021-11-26 | 东北大学 | 一种用于多混合能源系统的直流母线电压稳定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104332985B (zh) | 2016-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Energy management and operational control methods for grid battery energy storage systems | |
CN104332985B (zh) | 基于混合控制策略的直流配网运行控制与优化调度方法 | |
Zhao et al. | Fuzzy logic based coordinated control of battery energy storage system and dispatchable distributed generation for microgrid | |
Zhao et al. | An intelligent solar powered battery buffered EV charging station with solar electricity forecasting and EV charging load projection functions | |
Tao et al. | Pricing strategy and charging management for PV-assisted electric vehicle charging station | |
Wang et al. | Load curve smoothing strategy based on unified state model of different demand side resources | |
CN112865075B (zh) | 一种交直流混合微电网优化方法 | |
CN104092250A (zh) | 微电网系统的分布式经济调度与协调控制方法 | |
CN111786422B (zh) | 基于bp神经网络的微电网参与上层电网实时优化调度方法 | |
CN107221965B (zh) | 一种基于分布式设计的日前计划计算方法 | |
Shahzad et al. | Model predictive control strategies in microgrids: A concise revisit | |
CN104253439B (zh) | 电池储能电站无功功率分配与控制方法 | |
Thirugnanam et al. | Battery integrated solar photovoltaic energy management system for micro-grid | |
CN110098623B (zh) | 一种基于智能负载的Prosumer单元控制方法 | |
Kaur et al. | Design of the ANFIS based optimized frequency control module for an electric vehicle charging station | |
CN110323779B (zh) | 一种分布式发电与储能装置的功率动态聚合的方法和系统 | |
Wang et al. | Improved PSO-based energy management of Stand-Alone Micro-Grid under two-time scale | |
CN109119988B (zh) | 基于动态批发市价的光伏-电池微电网能量调度管理方法 | |
Jadhav | Optimal power flow in wind farm microgrid using dynamic programming | |
Liu et al. | Control strategy of energy storage station to smooth real-time power fluctuation | |
CN104283225A (zh) | 风电场运行控制装置及方法 | |
Ramesh et al. | Cost Optimization by Integrating PV-System and Battery Energy Storage System into Microgrid using Particle Swarm Optimization | |
Wang et al. | An integrated optimization model of charging station/battery-swap station/energy storage system considering uncertainty | |
Jiang et al. | Research on coordinated development and optimization of distribution networks at all levels in distributed power Energy Engineering | |
Kumar et al. | Electric Vehicles as Energy Storage: V2G Capacity Estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |