CN107104435A - 一种适用于智能电网环境的最优实时电能分配方法 - Google Patents

一种适用于智能电网环境的最优实时电能分配方法 Download PDF

Info

Publication number
CN107104435A
CN107104435A CN201710342226.3A CN201710342226A CN107104435A CN 107104435 A CN107104435 A CN 107104435A CN 201710342226 A CN201710342226 A CN 201710342226A CN 107104435 A CN107104435 A CN 107104435A
Authority
CN
China
Prior art keywords
mrow
msub
mtd
electric energy
user
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
Application number
CN201710342226.3A
Other languages
English (en)
Other versions
CN107104435B (zh
Inventor
王愈
沈寅星
张巧来
姜文颖
陈新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201710342226.3A priority Critical patent/CN107104435B/zh
Publication of CN107104435A publication Critical patent/CN107104435A/zh
Application granted granted Critical
Publication of CN107104435B publication Critical patent/CN107104435B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种适用于智能电网环境的最优实时电能分配方法，智能电网由电能调度中心控制，能源分配器分配电能给装有智能电表的用户，电能分配方法按照电能调度中心和各个用户在只依靠自身数据的情况下能否进行前期的数学处理来划分，若能够进行前期的数学处理则采用分布式电能分配方法，否则采用总控式电能分配方法。本发明有效提高了电能的分配效率，有利于智能电网的应用及推广。

Description

一种适用于智能电网环境的最优实时电能分配方法
技术领域
本发明属于电能调度技术领域，特别涉及了一种适用于智能电网环境的最优实时电能分配方法。
背景技术
智能电网就是电网的智能化(智电电力)，也被称为“电网2.0”，它是建立在集成的、高速双向通信网络的基础上，通过先进的传感和测量技术、先进的设备技术、先进的控制方法以及先进的决策支持系统技术的应用，实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标。智能电网由很多部分组成，可分为：智能变电站，智能配电网，智能电能表，智能交互终端，智能调度，智能家电，智能用电楼宇，智能城市用电网，智能发电系统，新型储能系统。其主要特征包括自愈、激励和包括用户、抵御攻击、提供满足21世纪用户需求的电能质量、容许各种不同发电形式的接入、启动电力市场以及资产的优化高效运行。
坚强智能电网的发展在全世界还处于起步阶段，没有一个共同的精确定义，其技术大致可分为四个领域：高级量测体系、高级配电运行、高级输电运行和高级资产管理。智能电网的建立是一个巨大的历史性工程。目前很多复杂的智能电网项目正在进行中，但缺口仍是巨大的。对于智能电网技术的提供者来说，所面临的推动发展的挑战是配电网络系统升级、配电站自动化和电力运输、智能电网网络和智能仪表。根据最新报告，智能电网技术市场从2012年的330亿美元增长到2020年的730亿美元，8年间，市场累积达到4940亿美元。总体来看，目前我国智能电网仍处于实验和示范阶段。未来随着行业技术日益成熟，我国智能电网将迎来爆发期。
虽然在智能电网一些方面所获得的进步已经非常显著，但是在智能电网如何实现高效可靠的电能分配的问题中，现有相关技术的电能分配效率还不够高，限制了多微电网系统和主电网的配合协同方式的应用及推广。
发明内容
为了解决上述背景技术提出的技术问题，本发明旨在提供一种适用于智能电网环境的最优实时电能分配方法，能够明显提到电能的分配效率。
为了实现上述技术目的，本发明的技术方案为：
一种适用于智能电网环境的最优实时电能分配方法，智能电网由电能调度中心控制，能源分配器分配电能给装有智能电表的用户，电能分配方法按照电能调度中心和各个用户在只依靠自身数据的情况下能否进行前期的数学处理来划分，若能够进行前期的数学处理则采用分布式电能分配方法，否则采用总控式电能分配方法；
所述总控式电能分配方法包括以下步骤：
(1)初始化电网中各个用户的预计用电量
(2)在时间周期内重复以下步骤：
(21)电网调度中心获得某个时刻主电网中各个用户的最小用电量pi,min(t)，能量分配器能够产生的电能g(t)和用户电能使用灵活度ωi(t)；
(22)求解优化方程，获得各个用户对电能需求值
上式中，U(pi(t),ωi(t))表示用户的整体满意度，它为一个凹函数且是pi(t)的严格单调增函数；f(·)为表示电能价格，它是二次可微且单调递增的凸函数；α表示电网波动在整个函数中占的权重比值；C(·)表示主电网的发电成本，这个是一个严格递增的凸函数；c(t)为在t时刻电能供应商的成本预算；N表示用户数；T表示时间长度；表示各用户在t时刻的预计用电量；pi(t)为第i个用户在时间t的电能需求，其在优化方程中的最优解即为
(23)将电能需求值传给电网调度中心；
(24)实时更新
(25)对各个用户进行大小为的电能输送。
所述分布式电能分配方法包括以下步骤：
第一步，用户端智能电表数据处理：
(A)初始化电网中各个用户的预计用电量
(B)在时间周期内重复以下步骤:
(B1)智能电表从电网调度中心中得到更新的λt(k)，λt(k)是拉格朗日耦合参数λ(t)的第k次迭代值；
(B2)求解优化方程，获得各个用户电能需求值
上式中，pi(t)在优化方程中第k次迭代时的最优解即为
(B3)将需求值传给电网调度中心；
(B4)重复(B1)到(B3)，直至
|λt(k+1)-λt(k)|＜ε1，ε1＞0
(C)得到的最终值并把它发给电能分配器，实时更新
第二步，电网调度中心进行数据处理：
(a)初始化每个用户的λt(0)任取一个大于0的常数；
(b)在时间周期内重复以下步骤:
(b1)求解优化方程，获得电能分配器提供的电能gt(k)。
R(λ(t))＝max{λ(t)g(t)-C(g(t))}
上式中，g(t)在优化方程中第k次迭代时的最优解即为gt(k)；
(b2)从各个用户中得到
(b3)实时更新λt(k)：
上式中，δ表示更新λt(k)的步长，符号[·]+为得到的值右偏；
(b4)把更新完的λt(k)传输给用户端；
(b5)重复(b1)到(b4)，直至
|λt(k+1)-λt(k)|＜ε2，ε2＞0
(c)在时间周期内发送gt(k)给能量分配单元，并使能量分配单元提供对应能量，然后给各用户分配的能量。
进一步地，所述各用户在t时刻的预计用电量的计算公式如下：
进一步地，用户电能使用灵活度ωi(t)∈[0,1]，ωi(t)的值越大表明用户用电灵活度越大。
进一步地，电网波动在整个函数中占的权重比值α∈[0.01,1]。
进一步地，更新λt(k)的步长δ∈[0.01,1]。
采用上述技术方案带来的有益效果：
本发明设计的电能分配方法分为总控式和分布式。对于总控式，我们将问题阐述为一个凸函数最优问题，并把其考虑因素转换成了一个带有约束条件的方程，再利用数学算法解方程，得到最优解。对于分布式，我们把原问题转换成了两个凹函数最优问题的总和：由用户端处理第一部分，由电网调度端处理第二个部分，把其考虑因素转换成了一个带有约束条件的方程，再利用数学算法解方程，得到最优解。本发明在智能电网中，使用无线传输系统，利用暂时的、空间的和技术上的分布能够有效提高电能的分配效率，有利于智能电网的应用及推广。
附图说明
图1是本发明的电网结构示意图；
图2是本发明中总控式分配流程图；
图3是本发明中分布式分配流程图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
本发明存在两种分配方法——总控式分配方法和分布式分配方法。按照电能调度中心和各个用户在只依靠自身数据的情况下能否进行前期的数学处理来划分，若能够进行前期的数学处理则采用分布式电能分配方法，否则采用总控式电能分配方法。
首先陈述总控式方案：
一、首先将智能电网中的各个因素公式化，然后列写成一个带有约束条件的方程：
(1)设置并选择需要考虑的变量，有
变量1、设置时间槽t＝{1,2,...,T}。
变量2、主电网中的用户i＝{1,2,...,N}。
变量3、第i个用户在时间t的电能需求为pi(t)。
变量4、第i个用户的使用方程U(pi(t),ωi(t))，表示用户的整体的满意程度，并且这是一个凹函数且是pi(t)的严格的单调增函数。
变量5、第i个用户在t时刻的ωi(t)是一个值域在0到1之间用户的灵活度，越接近于1说明灵活度更大。
变量6、C(·)表示主电网的发电成本，这个是一个严格递增的凸函数。
变量7、在t时刻电能供应商的成本预算为c(t)。
变量8、f(·)为价格函数表示电能价格，是二次可微，单调递增的凸函数。
变量9、对于第i个用户在t时刻预估的电能消耗记为
变量10、对于第i个用户在t时刻的优化电能解记为它可以被简记为
变量11、对于第i个用户在t∈{1,2…T}时间集所用的电能集记为
变量12、α表示电网波动在整个函数中占的权重比值。
变量13、在t时刻该智能电网产生的的电能为g(t)。
(2)设定了上述变量后，决定电网中需要考虑的因素，有
因素1、用户使用的电能
因素2、用户的用电价格
因素3、主电网负载变化
因素4、发电成本
(3)列写电能调度方程及其约束条件，如下
1)优化方程(Prob-PGO1)：用户总用电满意度-用电价格-负荷方差
方差函数定义为：
2)约束条件：
约束条件1：
约束条件1表示用户的实时电能的大小必须满足第i个用户最小电能需求。
约束条件2：
这里的表示用户的电能需求总和。
约束条件2表示所有的用电的成本应当小于发电成本限额。
约束条件3：
约束条件3表示所有用户的用电总额不能超过电网产生的电能。
二、解方程Prob-PGO1
(1)该方程可以直接处理
方程1：
这时的约束条件为：
将记为该方程的最优解。
(2)设计主电网的在线算法
因为用户独立，所以总的方差等于各个方差之和，价格函数等于各用户电价之和，电网方程为：
约束条件为：
其中，P对应t时间每个用户i用电量的一个N×T的矩阵。
根据特性可知，这个最优方程是一个凸函数(在约束条件下)，并且这个解唯一。
解下面这KKT方程：
这里的
且
那么便获得了拉格朗日乘子：
联立上述三个方程，可以解出主电网中的最优解，然而，解KKT条件需要一些时间上的平均值。
因此，设计一种在线算法。
因为数据需要一些时间上的数据，所以我们使用实时数据更新来模拟这个数据(即时间上不断更新的均值)，
使用来替代那么获得电网方程，记为Prob-on1。
约束条件是：
很显然，这里的是我们前面提到的随着时间推移一直更新的数据。更新公式为：
这里的是电网方程Prob-on1的解。
三、对应相应的电网结构：如图1所示，所述智能电网包括一个电能调度中心PGO，一个能源分配器ED和很多个装有智能电表SM的用户。电能调度中心和用户智能电表分别处理相对应的数据后发送给电能分配器控制发送的电能；
将整个电能调度方法绘制成流程图，如图2所示，包括如下步骤：
(1)初始化电网中各个用户的预计用电量
(2)在时间周期内重复以下步骤：
(21)电网调度中心获得某个时刻主电网中各个用户的最小用电量pi,min(t)，能量分配器能够产生的电能g(t)和用户电能使用灵活度ωi(t)；
(22)求解优化方程，获得各个用户对电能需求值
(23)将电能需求值传给电网调度中心；
(24)实时更新
(25)对各个用户进行大小为的电能输送。
接着陈述分布式所采用的技术方案：
(1)设置并选择需要考虑的变量，有：
变量1、设置时间槽t＝{1,2,...,T}。
变量2、主电网中的用户i＝{1,2,...,N}。
变量3、第i个用户在时间t的电能需求为pi(t)。
变量4、第i个用户的使用方程U(pi(t),ωi(t))，表示用户的整体的满意程度，并且这是一个凹函数且是pi(t)的严格的单调增函数。
变量5、第i个用户在t时刻的ωi(t)是一个值域在0到1之间用户的灵活度，越接近于1说明灵活度更大。
变量6、C(·)表示主电网的发电成本，这个是一个严格递增的凸函数。
变量7、在t时刻电能供应商的成本预算为c(t)。
变量8、f(·)为价格函数表示电能价格，是二次可微，单调递增的凸函数。
变量9、对于第i个用户在t时刻预估的电能消耗记为
变量10、对于第i个用户在t时刻的优化电能解记为它可以被简记为
变量11、电网中所有用户在t时刻所使用的电能集记为
变量12、对于第i个用户在t∈{1,2…T}时间集合所用的电能集合记为
变量13、在t时刻该电网产生的电能为g(t)。
变量14、α表示电网波动在整个函数中占的权重比值。
变量15、λ(t)为拉格朗日耦合参数。
变量16、λ(t)进行第k次更新记为λt(k)。
变量17、δ表示更新λt(k)的步长，δ越大，λt(k)越快收敛。
(2)设定了上述变量后，决定电网中需要考虑的因数，有
因素1、用户使用的电能
因素2、用户的用电价格
因素3、主电网负载变化
因素4、发电成本
(3)列写电能调度方程及其约束条件，如下1)优化方程(Prob-off2)：用户总用电满意度-负荷方差-用电成本价格
约束条件：
约束条件1：
这个约束条件表示用户的实时电能的大小必须满足第i个用户最小电能需求。
约束条件2、
这里的表示用户的电能需求总和。
这个约束条件表示所有的用电的成本应当小于发电成本限额。
约束条件3：
这个约束条件表示所有用户的用电总额不能超过电网的发电限度。
二、解方程Prob-off2
由于约束3需要同时用到用户端信息pi(t)和电网调控端信息g(t)，我们需要对公式进行特殊的分解，分解方式：导出拉格朗日。
分解之后，对任意一个pi(t)∈P，方程1：
约束条件为：
其中λT(t)是拉格朗日乘子。
对任意一个g(t)∈G，方程2：
约束条件为：
根据上述方程，我们可以将该问题转换为下面的拉格朗日对偶问题：
minimize:DT(λT(t))
约束条件为：
λT(t)＞0 t∈T
其中
根据这种方式，该问题被转换成为对各个用户去解决的优化方程和电网调度端去解决的优化方程RT(λT(t))。
三、设计在线算法的子问题
对于用户来说解决优化方程和RT(λT(t))，需要些时间上的平均值
因此，在正式考虑在线算法前我们还需要对我们现有对算法进行一些修改。
因为数据需要未来时间上的数据，所以我们使用实时数据更新来模拟这个数据(即时间上不断更新的均值)，
使用来替代那么在每个t时刻，对每个用户i，方程改写为：
约束条件是：
R(λ(t))＝max{λ(t)g(t)-C(g(t))}
约束条件是：
对于λ(t)的目标函数为：
minimize:D(λ(t))
约束条件为：
λ(t)＞0 t∈{1,2,…,T}
其中
这里的是随着时间推移一直更新的数据。更新公式为：
这里的是电网方程的解。
四、设计在线算法
根据方程特性，我们知道求解该两个方程的优化解需要进行对拉格朗日乘子去进行不断迭代，因此我们用λt(k)来替代原方程中的λ(t)，方程记为Prob-on2和Prob-on3：
约束条件是
R(λt(k))＝max{λt(k)g(t)-C(g(t))}
约束条件是
gt(k)分别为该两个方程的解。
λt(k)跟着迭代更新，更新公式为：
其中δ为步长，符号[·]+为得到的值右偏。
迭代进行直到|λt(k+1)-λt(k)|＜ε结束，ε为一个大于0的数。得到最终解我们记为
五、对应相应的电网结构：如图1所示，所述智能电网包括一个电能调度中心PGO，一个能源分配器ED和很多个装有智能电表SM的用户。电能调度中心和用户智能电表分别处理相对应的数据后发送给电能分配器控制发送的电能；
将整个电能调度方法绘制成流程图，如图3所示，包括如下步骤：
第一步，用户端智能电表数据处理：
(A)初始化电网中各个用户的预计用电量
(B)在时间周期内重复以下步骤:
(B1)智能电表从电网调度中心中得到更新的λt(k)，λt(k)是拉格朗日耦合参数λ(t)的第k次迭代值；
(B2)求解优化方程，获得各个用户电能需求值
上式中，pi(t)在优化方程中第k次迭代时的最优解即为
(B3)将需求值传给电网调度中心；
(B4)重复(B1)到(B3)，直至
|λt(k+1)-λt(k)|＜ε1，ε1＞0
(C)得到的最终值并把它发给电能分配器，实时更新
第二步，电网调度中心进行数据处理：
(a)初始化每个用户的λt(0)任取一个大于0的常数；
(b)在时间周期内重复以下步骤:
(b1)求解优化方程，获得电能分配器提供的电能gt(k)。
R(λ(t))＝max{λ(t)g(t)-C(g(t))}
上式中，g(t)在优化方程中第k次迭代时的最优解即为gt(k)；
(b2)从各个用户中得到
(b3)实时更新λt(k)：
上式中，δ表示更新λt(k)的步长；
(b4)把更新完的λt(k)传输给用户端；
(b5)重复(b1)到(b4)，直至
|λt(k+1)-λt(k)|＜ε2，ε2＞0
(c)在时间周期内发送gt(k)给能量分配单元，并使能量分配单元提供对应能量，然后给各用户分配的能量。
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (5)

1.一种适用于智能电网环境的最优实时电能分配方法，其特征在于：智能电网由电能调度中心控制，能源分配器分配电能给装有智能电表的用户，电能分配方法按照电能调度中心和各个用户在只依靠自身数据的情况下能否进行前期的数学处理来划分，若能够进行前期的数学处理则采用分布式电能分配方法，否则采用总控式电能分配方法；
所述总控式电能分配方法包括以下步骤：
(1)初始化电网中各个用户的预计用电量
(2)在时间周期内重复以下步骤：
(21)电网调度中心获得某个时刻主电网中各个用户的最小用电量pi,min(t)，能量分配器能够产生的电能g(t)和用户电能使用灵活度ωi(t)；
(22)求解优化方程，获得各个用户对电能需求值
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>max</mi> <mo>:</mo> <munder> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <mi>N</mi> </mrow> </munder> <mi>U</mi> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>,</mo> <msub> <mi>&amp;omega;</mi> <mi>i</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mi>f</mi> <mrow> <mo>(</mo> <munder> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <mi>N</mi> </mrow> </munder> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <munder> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <mi>N</mi> </mrow> </munder> <msub> <mi>p</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mfrac> <mi>&amp;alpha;</mi> <mn>2</mn> </mfrac> <munder> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <mi>N</mi> </mrow> </munder> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <msub> <mover> <mi>p</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mo>(</mo> <mrow> <mi>t</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced>
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>p</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;GreaterEqual;</mo> <msub> <mi>p</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>min</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>i</mi> <mo>&amp;Element;</mo> <mi>N</mi> <mo>,</mo> <mi>t</mi> <mo>&amp;Element;</mo> <mi>T</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>C</mi> <mrow> <mo>(</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <mi>N</mi> </mrow> </munder> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <mi>c</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;Element;</mo> <mi>T</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <mi>N</mi> </mrow> </munder> <msub> <mi>p</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <mi>g</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;Element;</mo> <mi>T</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
上式中，U(pi(t),ωi(t))表示用户的整体满意度，它为一个凹函数且是pi(t)的严格单调增函数；f(·)为表示电能价格，它是二次可微且单调递增的凸函数；α表示电网波动在整个函数中占的权重比值；C(·)表示主电网的发电成本，这个是一个严格递增的凸函数；c(t)为在t时刻电能供应商的成本预算；N表示用户数；T表示时间长度；表示各用户在t时刻的预计用电量；pi(t)为第i个用户在时间t的电能需求，其在优化方程中的最优解即为
(23)将电能需求值传给电网调度中心；
(24)实时更新
<mrow> <msub> <mover> <mi>p</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mover> <mi>p</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <mi>&amp;alpha;</mi> <mrow> <mi>t</mi> <mo>+</mo> <mi>&amp;alpha;</mi> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <mrow> <mo>(</mo> <msubsup> <mi>p</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <msub> <mover> <mi>p</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mo>(</mo> <mrow> <mi>t</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow>
(25)对各个用户进行大小为的电能输送。
所述分布式电能分配方法包括以下步骤：
第一步，用户端智能电表数据处理：
(A)初始化电网中各个用户的预计用电量
(B)在时间周期内重复以下步骤:
(B1)智能电表从电网调度中心中得到更新的λt(k)，λt(k)是拉格朗日耦合参数λ(t)的第k次迭代值；
(B2)求解优化方程，获得各个用户电能需求值
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>S</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;lambda;</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>=</mo> <mi>max</mi> <mo>{</mo> <mi>U</mi> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mi>&amp;omega;</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mfrac> <mi>&amp;alpha;</mi> <mn>2</mn> </mfrac> <msup> <mrow> <mo>(</mo> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <msub> <mover> <mi>p</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mo>(</mo> <mrow> <mi>t</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>-</mo> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <msub> <mi>p</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>}</mo> </mrow> </mtd> </mtr> </mtable> </mfenced>
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>p</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;GreaterEqual;</mo> <msub> <mi>p</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>i</mi> <mo>&amp;Element;</mo> <mi>N</mi> <mo>,</mo> <mi>t</mi> <mo>&amp;Element;</mo> <mi>T</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&gt;</mo> <mn>0</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;Element;</mo> <mi>T</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
上式中，pi(t)在优化方程中第k次迭代时的最优解即为
(B3)将需求值传给电网调度中心；
(B4)重复(B1)到(B3)，直至
|λt(k+1)-λt(k)|＜ε1，ε1＞0
(C)得到的最终值并把它发给电能分配器，实时更新
<mrow> <msub> <mover> <mi>p</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mover> <mi>p</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <mi>&amp;alpha;</mi> <mrow> <mi>t</mi> <mo>+</mo> <mi>&amp;alpha;</mi> </mrow> </mfrac> <mo>&amp;CenterDot;</mo> <mrow> <mo>(</mo> <msubsup> <mi>p</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <msub> <mover> <mi>p</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mo>(</mo> <mrow> <mi>t</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow>
第二步，电网调度中心进行数据处理：
(a)初始化每个用户的λt(0)任取一个大于0的常数；
(b)在时间周期内重复以下步骤:
(b1)求解优化方程，获得电能分配器提供的电能gt(k)。
R(λ(t))＝max{λ(t)g(t)-C(g(t))}
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> </mrow> </mtd> <mtd> <mrow> <mi>C</mi> <mrow> <mo>(</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <mi>N</mi> </mrow> </munder> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>)</mo> <mo>&amp;le;</mo> <mi>c</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;Element;</mo> <mi>T</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&gt;</mo> <mn>0</mn> </mrow> </mtd> <mtd> <mrow> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>&amp;Element;</mo> <mi>T</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
上式中，g(t)在优化方程中第k次迭代时的最优解即为gt(k)；
(b2)从各个用户中得到
(b3)实时更新λt(k)：
<mrow> <msub> <mi>&amp;lambda;</mi> <mi>t</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <msub> <mi>&amp;lambda;</mi> <mi>t</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>&amp;delta;</mi> <mrow> <mo>(</mo> <msub> <mi>g</mi> <mi>t</mi> </msub> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>-</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <mi>N</mi> </mrow> </munder> <msubsup> <mi>p</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>*</mo> </msubsup> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mo>+</mo> </msup> </mrow>
上式中，δ表示更新λt(k)的步长，符号[·]+表示取右偏；
(b4)把更新完的λt(k)传输给用户端；
(b5)重复(b1)到(b4)，直至
|λt(k+1)-λt(k)|＜ε2，ε2＞0
(c)在时间周期内发送gt(k)给能量分配单元，并使能量分配单元提供对应能量，然后给各用户分配的能量。
2.根据权利要求1所述适用于智能电网环境的最优实时电能分配方法，其特征在于，所述各用户在t时刻的预计用电量的计算公式如下：
<mrow> <msub> <mover> <mi>p</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mi>T</mi> </mfrac> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </msubsup> <msub> <mi>p</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>.</mo> </mrow>
3.根据权利要求1所述适用于智能电网环境的最优实时电能分配方法，其特征在于，用户电能使用灵活度ωi(t)∈[0,1]，ωi(t)的值越大表明用户用电灵活度越大。
4.根据权利要求1所述适用于智能电网环境的最优实时电能分配方法，其特征在于，电网波动在整个函数中占的权重比值α∈[0.01,1]。
5.根据权利要求1所述适用于智能电网环境的最优实时电能分配方法，其特征在于，更新λt(k)的步长δ∈[0.01,1]。
CN201710342226.3A 2017-05-16 2017-05-16 一种适用于智能电网环境的最优实时电能分配方法 Active CN107104435B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710342226.3A CN107104435B (zh) 2017-05-16 2017-05-16 一种适用于智能电网环境的最优实时电能分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710342226.3A CN107104435B (zh) 2017-05-16 2017-05-16 一种适用于智能电网环境的最优实时电能分配方法

Publications (2)

Publication Number Publication Date
CN107104435A true CN107104435A (zh) 2017-08-29
CN107104435B CN107104435B (zh) 2019-06-14

Family

ID=59668874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710342226.3A Active CN107104435B (zh) 2017-05-16 2017-05-16 一种适用于智能电网环境的最优实时电能分配方法

Country Status (1)

Country Link
CN (1) CN107104435B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110649705A (zh) * 2019-08-29 2020-01-03 南京航空航天大学 一种基于分布式在线计算的电能调度方法
CN115663786A (zh) * 2022-08-24 2023-01-31 上海联元智能科技有限公司 用电分配方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030036820A1 (en) * 2001-08-16 2003-02-20 International Business Machines Corporation Method for optimizing energy consumption and cost
CN103810538A (zh) * 2014-02-14 2014-05-21 国家电网公司 售电量分配方法和装置
CN105138776A (zh) * 2015-08-26 2015-12-09 江苏大学 基于回溯自适应匹配追踪的电能质量信号重构方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030036820A1 (en) * 2001-08-16 2003-02-20 International Business Machines Corporation Method for optimizing energy consumption and cost
CN103810538A (zh) * 2014-02-14 2014-05-21 国家电网公司 售电量分配方法和装置
CN105138776A (zh) * 2015-08-26 2015-12-09 江苏大学 基于回溯自适应匹配追踪的电能质量信号重构方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110649705A (zh) * 2019-08-29 2020-01-03 南京航空航天大学 一种基于分布式在线计算的电能调度方法
CN115663786A (zh) * 2022-08-24 2023-01-31 上海联元智能科技有限公司 用电分配方法、装置、设备及介质
CN115663786B (zh) * 2022-08-24 2023-06-06 上海联元智能科技有限公司 用电分配方法、装置、设备及介质

Also Published As

Publication number Publication date
CN107104435B (zh) 2019-06-14

Similar Documents

Publication Publication Date Title
CN108229025B (zh) 一种冷热电联供型多微网主动配电系统经济优化调度方法
JP7261507B2 (ja) 電気ヒートポンプ－熱電併給システムを最適化する調整方法及びシステム
CN102751728B (zh) 基于负荷中断模型的微网孤网运行的能量管理方法
CN104734168A (zh) 一种基于电热联合调度的微电网运行优化系统及方法
CN105186578B (zh) 具有精确计算网损能力的电力系统分布式自动调度方法
CN103762589A (zh) 一种电网中新能源容量配比分层优化方法
CN109474017A (zh) 一种配电网实时分布式经济调度方法
CN109636056A (zh) 一种基于多智能体技术的多能源微网去中心化优化调度方法
CN107623337A (zh) 一种微电网能量管理方法
CN106208099A (zh) 一种基于二层规划的电力系统无功优化方法及其应用
CN105391056A (zh) 一种考虑不平衡通信网络的电力系统分布式经济调度方法
CN107480913A (zh) 一种基于改进灰狼算法的分布式电源选址定容系统及方法
CN103578047A (zh) 一种电力系统源-网-荷互动控制方法
CN107257130A (zh) 基于区域量测解耦的低压配电网损耗计算方法
Zhou et al. A distributed dispatch method for microgrid cluster considering demand response
CN115333110A (zh) 基于admm的配电网-微电网群协同分布式优化调度方法及系统
CN108667077A (zh) 一种风蓄联合系统优化调度方法
CN107104435A (zh) 一种适用于智能电网环境的最优实时电能分配方法
Wang et al. Online optimization in power systems with high penetration of renewable generation: Advances and prospects
CN104090496A (zh) 一种智能电网控制运行连续模拟的仿真方法
CN105633950A (zh) 考虑风电注入不确定性的多目标随机模糊动态最优潮流
CN106786812B (zh) 虚拟发电厂分布式无功补偿系统及其补偿方法
CN110690700B (zh) 一种基于混合整数规划的能源互联网规划方法
CN112701721A (zh) 一种综合能源系统的协调规划方法
CN105305502B (zh) 基于协调一致性的配电网络分布式电源控制方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant