CN107508284B - 计及电气互联的微电网分布式优化调度方法 - Google Patents

计及电气互联的微电网分布式优化调度方法 Download PDF

Info

Publication number
CN107508284B
CN107508284B CN201710698315.1A CN201710698315A CN107508284B CN 107508284 B CN107508284 B CN 107508284B CN 201710698315 A CN201710698315 A CN 201710698315A CN 107508284 B CN107508284 B CN 107508284B
Authority
CN
China
Prior art keywords
natural gas
cost
gas
power
air supply
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.)
Active
Application number
CN201710698315.1A
Other languages
English (en)
Other versions
CN107508284A (zh
Inventor
刘念
王杰
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN201710698315.1A priority Critical patent/CN107508284B/zh
Publication of CN107508284A publication Critical patent/CN107508284A/zh
Application granted granted Critical
Publication of CN107508284B publication Critical patent/CN107508284B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y02P80/14—District level solutions, i.e. local energy networks

Landscapes

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

Abstract

本发明公开了一种基于ADMM的计及电气互联的微电网分布式优化调度方法。基于ADMM的框架，电网络系统和天然气系统形成优化互动，直到达到供需平衡。在迭代过程中，仅需交换期望供气量与实际供气量，电网络系统和天然气系统即可完成优化调度，极大地保护了电网络系统和天然气系统的隐私。本发明提出了计及电气互联的微电网分布式优化调度模型和求解算法，在仅互交换期望供气量与实际供气量的基础上最优化系统总运行成本，为计及电气互联的微电网的经济运行提供了一种成本更低、可行性更高的优化方法。

Description

计及电气互联的微电网分布式优化调度方法
技术领域
本发明属于电力系统微电网技术领域，是一种微电网运行的优化方法，特别涉及一种基于交替方向乘子法(alternating direction method of multipliers,ADMM)的计及电气互联的微电网分布式优化调度方法。
背景技术
为了缓解环境污染，“减煤增气”已成为能源结构调整的大趋势。天然气作为化石能源向新能源过渡的桥梁，其优势在于资源丰富、清洁高效、经济性好，同时调节速度快，可用于应急调峰，与可再生能源的随机性、间歇性相协调。通过激励的方式刺激或诱导用户改变电或气的需求，从而对另一种能源的供求关系产生影响，达到缓解用能紧张等目的。2017年7月4日，国家发改委发布了《加快推进天然气利用的意见》的通知，对当前及今后一个时期我国天然气能源形势进行了分析，认为加快推进天然气利用，提高天然气在一次能源消费中的比重，是我国稳步推进能源消费革命，构建清洁低碳、安全高效的现代能源体系的必由之路。随着燃气轮机的发展，天然气发电的比例日益提高，可见电力网络与天然气网络的耦合具有很大的应用前景。采用储能系统对电负荷进行时段性转移，有利于削峰填谷；以微燃气轮机为核心的热电联供系统其高效的能量梯级利用，再结合用户侧的需求响应与可再生能源发电，将具有非常大的应用潜力。
随着微电网技术的发展，微电网的优化调度问题受到广泛关注，从优化方法的角度看，目前主要的优化方式有两种：集中式优化和分布式优化。一般，集中式优化中需将各微电网所有的电源及负荷信息传送至集中控制器，由集中控制器统一调度管理，这样会增大系统计算量，提高整体的通信成本，且由于各微电网分属于不同的运行主体，共享信息将会带来严重的隐私及商业信息泄露。考虑到集中式优化在应用中存在的较大问题，本发明采用分布式优化算法对计及电气互联的微电网能量管理问题进行优化调度。
发明内容
本发明提出了一种基于ADMM的计及电气互联的微电网分布式优化调度方法。电力网络中互联微电网和天然气系统不断交替互动，直到达到供需平衡，即期望的供气量与实际供气量相等。电网络系统与天然气系统交互的信息仅限于期望供气量与实际供气量，可见这种迭代方式极大地保护了电网络系统与天然气系统的隐私信息，在满足各微电网电能需求及天然气系统负荷需求的基础上，使系统总运行成本最低。
本发明的目的在于，基于ADMM的计及电气互联的微电网分布式优化调度方法。在分布式迭代的过程中，仅需交换期望供气量与实际供气量，电网络系统和天然气系统即可完成优化调度，在满足各微电网电能需求及天然气系统负荷需求的基础上最小化运行成本，极大地保护电网络系统与天然气系统的隐私信息。
本发明的技术方案是，一种计及电气互联的微电网分布式优化调度方法，其特征是，所述方法包括下列步骤：
步骤1：确定系统目标函数、系统决策变量及相关的系统约束条件，形成原始全局优化问题；
步骤2：分别对储能系统(battery energy storage system，BESS)、过网费等进行建模；
步骤3：分别建立电网络系统和天然气系统的成本模型；
步骤4：根据ADMM算法原理，将原始全局问题转化为ADMM的标准形式，并进一步推导出分布式迭代的最终形式；
步骤5：获取当前调度周期的光伏出力、电力负荷及天然气负荷的相关数据；
步骤6：求解电网络系统的成本模型，决策得到当次迭代的储能的充放电功率、DG发电量、各微电网(microgrid,MG)的期望交换功率及对天然气系统的期望供气量，并将期望供气量通知天然气系统；
步骤7：考虑电网络系统的期望供气量，天然气系统最优化其成本模型，并决策出实际供气量，将其广播给MG；
步骤8：根据期望供气量与实际供气量，拉格朗日乘子在电网络侧和天然气系统侧自主更新；
步骤9：分别计算原始残差和对偶残差，并判断原始残差及对偶残差是否均小于设定值，若满足收敛条件，则进行步骤10；若不满足，则返回步骤6；
步骤10：完成当前调度周期的优化，决策得到最优目标对应的决策变量，更新时间到下一时刻，直到整个优化时间区间结束。
所述步骤1中系统目标函数为最小化系统总运行成本，在互联运行中，各MG期望达到总体电网络成本和天然气系统成本最优的效果。目标函数包含五个部分：1)DG发电成本；2)储能充放电成本；3)过网费；4)天然气生产成本；5)天然气系统运行成本。目标函数如下式所示：
Figure BDA0001379718380000031
式中，N为微电网的个数；xDGn为DGn的输出功率；xBESSn为BESSn的输出功率；CDGn为DGn的成本；CBESSn为BESSn的成本；γn为MGn的过网费；
Figure BDA0001379718380000033
为MGn的期望交换功率；f(z)为天然气生产成本；g(z)为天然气系统运行成本；L为输送距离；z为天然气系统由决策变量组成的向量，包含气源的产气量及供给电网络侧的天然气量。
系统决策变量包括各DG的发电量、各BESS的充放电功率、各MG的期望交换功率、气源的产气量及供给电网络侧的天然气量等。
所述系统约束条件包括系统的电功率平衡、供气平衡、储能系统的充放电功率限制及容量约束等。所述约束条件使得天然气侧实际供气量与电网络系统期望供气量相等，从而确保在满足各微电网电能需求及天然气系统气负荷需求的基础上，使得总运行成本降至最低。
所述步骤2中对储能系统、过网费进行建模。储能系统的一次放电的成本可表示为：
Figure BDA0001379718380000032
式中，P是放电功率；ΔT是以P放电的时间段长度；I是BESS的初始投资；h和l是两个常数，取值分别为-1.5和2.05；Atotal是BESS在全生命周期内的总的放电容量；Q为电池容量；SOCinit为初始的荷电状态。
过网费的模型可表示如下：
Figure BDA0001379718380000043
式中，α为参数，近似表示对联络线的损耗；xin表示微电网的期望交换功率。
所述步骤3中分别建立电网络系统和天然气系统的成本模型。电网络系统的目标函数可表示如下：
Figure BDA0001379718380000041
电网络系统目标函数包含三个部分：1)DG发电成本；2)储能充放电成本；3)过网费。
天然气系统的目标函数可表示如下：
tgas(z)＝f(z)+g(L)
其中：
f(z)＝pG
g(L)＝1.5L/365q
式中，p为天然气价格；G为天然气系统的供气量；L为输送距离；q为日输量。
所述步骤4中根据ADMM算法原理，将原始全局问题转化为ADMM的标准形式，，可表示如下：
minsele+tgas
s.t.[Gexp]-[Gpro]＝0
其中：
Figure BDA0001379718380000042
Gpro＝Ggen-Gload
式中，Gexp为期望供气量；K2、K1、K0为燃气轮机耗量系数；Pexp为期望供电量；Gpro为实际供气量；Ggen为气源产气量；Gload为天然气系统中的负荷。
所述步骤4中根据ADMM算法原理推导后得出分布式迭代的最终形式：
Figure BDA0001379718380000051
Figure BDA0001379718380000052
Figure BDA0001379718380000053
其中，ρ是惩罚系数、k是迭代次数、x是电网络系统互联微电网优化目标的决策变量、z为天然气系统优化目标的决策变量、xk为第k次迭代时电网络系统互联微电网优化目标的决策变量、zk为第k次迭代时天然气系统优化目标的决策变量、uk为第k次迭代的拉格朗日乘子。
所述步骤6中电网络系统中互联微电网与天然气系统交互的信息仅限于期望供气量和实际供气量，本方法极大地保护了各微电网及天然气系统的隐私，在满足各微电网电能需求及天然气系统气负荷需求的基础上，使得总运行成本降至最低。
所述步骤9中根据原始残差及对偶残差判断是否收敛，根据ADMM算法原理，原始残差和对偶残差分别如下：
Figure BDA0001379718380000054
Figure BDA0001379718380000055
其中，rk和sk分别代表第k次迭代时的原始残差和对偶残差、εpri和εdual分别为原始残差和对偶残差的收敛误差，z为天然气系统优化目标的决策变量、包括气源产气量及实际供气量。
本发明提出的计及电气互联的微电网分布式优化调度方法，根据ADMM原理，将原始全局优化问题分解为电网络系统和天然气系统的子问题，降低了计算复杂度；在优化迭代过程中，仅需交换期望供气量与实际供气量，电力网络和天然气系统即可完成优化调度，极大地保护了电网络系统和天然气系统的隐私；天然气作为化石能源向新能源过渡的桥梁，其优势在于资源丰富、清洁高效、经济性好，同时调节速度快，可用于应急调峰，与可再生能源的随机性、间歇性相协调，天然气网络与电力网络的耦合将有巨大的应用前景；采用储能系统对电负荷进行时段性转移，有利于削峰填谷；以微燃气轮机为核心的热电联供系统其高效的能量梯级利用，再结合用户侧的需求响应与可再生能源发电，将具有非常大的应用潜力。本发明提出了计及电气互联的微电网分布式优化调度模型和求解算法，在仅交互期望供气量与实际供气量的基础上最优化成本，为计及电气互联的微电网的经济运行提供了一种成本更低、可行性更高的优化方法。
附图说明
图1是本发明的优化调度流程图；
图2是各微电网净负荷及总净负荷曲线；
图3是各微电网中BESS优化调度结果；
图4是微电网2和微电网3中DG调度结果(仅微电网2和微电网3中包含DG，微电网1中为热电联产系统)；
图5是各微电网的期望交换功率调度结果；
图6是电网络系统的期望供气量与天然气系统的实际供气量对比。
具体实施方式
下面结合附图，对优选实施例作详细说明。所述附图为一个实施例的结果及分析，采用Matlab编程实现，应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
图1是本发明的优化调度流程图，首先，确定原始全局问题的目标函数、决策变量与相关约束条件，并对微电网中的储能系统、过网费等进行建模，分别建立电网络系统和天然气系统的成本模型。其次，根据ADMM算法原理，由原始全局问题推导出分布式迭代的最终形式。接着，获取当前调度周期的光伏出力，电网络系统和天然气系统不断优化互动，直到达到供需平衡。优化过程中，首先求解电网络优化模型，决策出期望供气量，并通知给天然气系统，接着求解天然气系统的优化模型，决策得出实际供气量，拉格朗日乘子根据期望供气量与实际供气量更新。再接着判断原始残差和对偶残差是否均小于设定值，若不小于，则继续求解电网络系统和天然气系统成本模型；若小于，则完成当前调度周期的优化调度，得到当前调度周期最优目标对应的各决策变量。最后判断是否到达最后调度周期，若到达，则整个时间区间优化终止；若未到达，则更新到下一个调度周期进行优化调度。
图2是由短期负荷预测得到的各微电网净负荷及总净负荷曲线。
图3是各微电网中BESS优化调度结果。在优化周期1—17，36—61及91—96，互联微电网系统的风光功率大于负荷需求，因此在这些调度周期BESS的值为负值，处于充电状态。当各微电网的风光功率不足时，各微电网的电能需求由储能系统放电或者DG发电满足。由于BESS的放电成本比DG小，因此当电能不足时，由BESS优先放电来满足电能需求，当BESS中电量不足时，由DG发电供应剩余的电能。BESS的最优充放电功率由分布式优化调度算法得到。
图4是是微电网2和微电网3中DG调度结果(仅微电网2和微电网3中包含DG，微电网1中为热电联产系统)。当BESS中的电量不足以满足互联微电网系统中电能需求时，则由DG提供电能，如MG3在优化周期24时，BESS3的放电功率为157.1087KW，不能满足净负荷需求，因此该调度周期DG出力为64.2482KW，在调度周期25时，MG3中储能系统没有剩余电量，不能进行发电，则全部电能由DG供应，此时DG的出力为137.3132KW。DG的成本受到燃料系数的影响，由于DG1发电的边际成本低于DG2的边际成本，因此DG1出力较多。DG的优化出力结果由分布式优化算法调度决策。
图5是各微电网的期望交换功率调度结果。由图可知，各微电网的期望交换功率之和为0，满足约束条件，如在调度周期18时，MG1的期望交换功率181.5682KW，MG2的期望交换功率是-267.8337KW，MG3的期望交换功率是86.2655KW，三个MG的期望交换功率之和为0。为最小化系统总运行成本，各微电网综合考虑储能充放电成本、过网费、天然气系统产气成本及运行成本，决策出DG出力、储能充放电功率，与其他微电网的交换功率、气源产气量及供气量。各微电网的期望交换功率由分布式优化调度算法得到。
图6是电网络系统的期望供气量与天然气系统的实际供气量对比。在优化迭代终止后，电网络系统的期望供气量与天然气系统的实际供气量，收敛条件得到满足，完成优化调度。如调度周期27，电网络系统的期望供气量为481.1321m3，天然气系统的实际供气量也为481.1321m3，系统约束得到满足。通过期望供气量的分布式优化迭代，能够在满足各微电网电能需求及天然气系统负荷需求的基础上，有效解决其优化调度问题，最小化系统总运行成本。
因此，提出的计及电气互联的微电网分布式优化调度方法，根据ADMM原理，将原始全局优化问题分解为电网络系统和天然气系统的子问题，降低了计算复杂度；在优化迭代过程中，仅需交换期望供气量与实际供气量，电力网络和天然气系统即可完成优化调度，极大地保护了电网络系统和天然气系统的隐私；天然气作为化石能源向新能源过渡的桥梁，其优势在于资源丰富、清洁高效、经济性好，同时调节速度快，可用于应急调峰，与可再生能源的随机性、间歇性相协调，天然气网络与电力网络的耦合将有巨大的应用前景；采用储能系统对电负荷进行时段性转移，有利于削峰填谷；以微燃气轮机为核心的热电联供系统其高效的能量梯级利用，再结合用户侧的需求响应与可再生能源发电，将具有非常大的应用潜力。本发明提出了计及电气互联的微电网分布式优化调度模型和求解算法，在仅互交换期望供气量与实际供气量的基础上最优化成本，为计及电气互联的微电网的经济运行提供了一种成本更低、可行性更高的优化方法。

Claims (8)

1.一种基于交替方向乘子法的计及电气互联的微电网分布式优化调度方法，其特征在于，所述方法包括下列步骤：
步骤1：确定系统目标函数、系统决策变量及相关的系统约束条件，形成原始全局优化问题；
步骤2：分别对储能系统、过网费进行建模；
步骤3：分别建立电网络系统和天然气系统的成本模型；
步骤4：根据ADMM算法原理，将原始全局问题转化为ADMM的标准形式，并进一步推导出分布式迭代的最终形式；
步骤5：获取当前调度周期的光伏出力、电力负荷及天然气负荷的相关数据；
步骤6：求解电网络系统的成本模型，决策得到当次迭代的储能的充放电功率、DG发电量、各微电网的期望交换功率及对天然气系统的期望供气量，并将期望供气量通知天然气系统；
步骤7：考虑电网络系统的期望供气量，天然气系统最优化其成本模型，并决策出实际供气量，将其广播给MG；
步骤8：根据期望供气量与实际供气量，拉格朗日乘子在电网络侧和天然气系统侧自主更新；
步骤9：分别计算原始残差和对偶残差，并判断原始残差及对偶残差是否均小于设定值，若满足收敛条件，则进行步骤10；若不满足，则返回步骤6；
步骤10：完成当前调度周期的优化，决策得到最优目标对应的决策变量，更新时间到下一时刻，直到整个优化时间区间结束。
2.根据权利要求1所述方法，其特征在于，步骤1所述系统目标函数为最小化系统总运行成本，所述目标函数包含五个部分：1)DG发电成本；2)储能充放电成本；3)过网费；4)天然气生产成本；5)天然气系统运行成本；
所述目标函数如下式所示：
Figure FDA0002414244170000011
式中，N为微电网的个数；xDGn为DGn的输出功率；xBESSn为BESSn的输出功率；CDGn为DGn的成本；CBESSn为BESSn的成本；γn为MGn的过网费；
Figure FDA0002414244170000012
为MGn的期望交换功率；f(z)为天然气生产成本；g(L)为天然气系统运行成本；L为输送距离；z为天然气系统由决策变量组成的向量，包含气源的产气量及供给电网络侧的天然气量；
所述系统决策变量包括各DG的发电量、各BESS的充放电功率、各MG的期望交换功率、气源的产气量及供给电网络侧的天然气量；
所述系统约束条件包括系统的电功率平衡、供气平衡、储能系统的充放电功率限制及容量约束；所述约束条件使得天然气侧实际供气量与电网络系统期望供气量相等，从而确保在满足各微电网电能需求及天然气系统气负荷需求的基础上，使得总运行成本降至最低。
3.根据权利要求1所述方法，其特征在于，步骤2所述对储能系统、过网费进行建模，其中储能系统的一次放电的成本表示为：
Figure FDA0002414244170000021
式中，P是放电功率；ΔT是以P放电的时间段长度；I是BESS的初始投资；h和l是两个常数，取值分别为-1.5和2.05；Atotal是BESS在全生命周期内的总的放电容量；Q为电池容量；SOCinit为初始的荷电状态；
过网费的模型表示如下：
Figure FDA0002414244170000022
式中，α为参数，近似表示对联络线的损耗；xin表示微电网的期望交换功率。
4.根据权利要求2所述方法，其特征在于，步骤3所述分别建立电网络系统和天然气系统的成本模型，其中电网络系统的目标函数表示如下：
Figure FDA0002414244170000023
所述电网络系统目标函数包含三个部分：1)DG发电成本；2)储能充放电成本；3)过网费；
所述天然气系统的目标函数表示如下：
tgas(z)＝f(z)+g(L)
其中：
f(z)＝pG
g(L)＝1.5L/365q
式中，p为天然气价格；G为天然气系统的供气量；L为输送距离；q为日输量。
5.根据权利要求1所述方法，其特征在于，步骤4所述根据ADMM算法原理，将原始全局问题转化为ADMM的标准形式，表示如下：
minsele+tgas
s.t.[Gexp]-[Gpro]＝0
其中：
Figure FDA0002414244170000031
Gpro＝Ggen-Gload
式中，Gexp为期望供气量；K2、K1、K0为燃气轮机耗量系数；Pexp为期望供电量；Gpro为实际供气量；Ggen为气源产气量；Gload为天然气系统中的负荷。
6.根据权利要求5所述方法，其特征在于，所述步骤4中根据ADMM算法原理，推导后得出分布式迭代的最终形式：
Figure FDA0002414244170000032
Figure FDA0002414244170000033
Figure FDA0002414244170000034
其中，ρ是惩罚系数、k是迭代次数、x是电网络系统互联微电网优化目标的决策变量、z为天然气系统优化目标的决策变量、xk为第k次迭代时电网络系统互联微电网优化目标的决策变量、zk为第k次迭代时天然气系统优化目标的决策变量、uk为第k次迭代的拉格朗日乘子。
7.根据权利要求1所述方法，其特征在于，步骤6中所述将期望供气量通知天然气系统仅限于期望供气量zk和实际供气量。
8.根据权利要求1所述方法，其特征在于，步骤9中根据原始残差及对偶残差判断是否收敛，根据ADMM算法原理，所述原始残差和对偶残差分别如下：
Figure FDA0002414244170000035
Figure FDA0002414244170000036
其中，rk和sk分别代表第k次迭代时的原始残差和对偶残差、εpri和εdual分别为原始残差和对偶残差的收敛误差，z为天然气系统优化目标的决策变量，包括气源产气量及实际供气量。
CN201710698315.1A 2017-08-15 2017-08-15 计及电气互联的微电网分布式优化调度方法 Active CN107508284B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710698315.1A CN107508284B (zh) 2017-08-15 2017-08-15 计及电气互联的微电网分布式优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710698315.1A CN107508284B (zh) 2017-08-15 2017-08-15 计及电气互联的微电网分布式优化调度方法

Publications (2)

Publication Number Publication Date
CN107508284A CN107508284A (zh) 2017-12-22
CN107508284B true CN107508284B (zh) 2020-05-19

Family

ID=60690803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710698315.1A Active CN107508284B (zh) 2017-08-15 2017-08-15 计及电气互联的微电网分布式优化调度方法

Country Status (1)

Country Link
CN (1) CN107508284B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108009693B (zh) * 2018-01-03 2021-09-07 上海电力学院 基于两级需求响应的并网微电网双层优化方法
CN108808663B (zh) * 2018-06-12 2020-04-28 浙江大学 一种基于多能互补的工业用户热需求响应方法
CN109120011B (zh) * 2018-09-29 2019-12-13 清华大学 一种考虑分布式电源的分布式配电网拥塞调度方法
CN110620402B (zh) * 2019-10-21 2021-03-02 山东大学 电-气混联系统分布式规划运行联合优化方法及系统
CN111652447B (zh) * 2020-07-02 2023-08-04 东北大学 基于分布式神经动态优化的综合能源系统经济调度方法
CN112036613A (zh) * 2020-08-14 2020-12-04 南方电网能源发展研究院有限责任公司 基于admm交替方向乘子法的园区综合能源优化方法及装置
CN112344522B (zh) * 2020-10-27 2022-03-08 西安建筑科技大学 一种中央空调冷机系统负荷分布式优化配置方法
CN112491094B (zh) * 2020-11-19 2023-07-04 南方电网数字电网研究院有限公司 一种混合驱动的微电网能量管理方法、系统及装置
CN112688317B (zh) * 2020-12-18 2023-04-07 南京师范大学 一种双层协同架构下的县域级电-气互联系统优化调度方法
CN117239728B (zh) * 2023-09-19 2024-03-22 盐城工学院 一种微电网分布式经济调度方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160071013A1 (en) * 2014-09-10 2016-03-10 Mitsubishi Electric Research Laboratories, Inc. Method for Estimating Optimal Power Flows in Power Grids using Consensus-Based Distributed Processing
CN104617577B (zh) * 2015-02-10 2017-03-01 清华大学 一种主动配电网全分布式自律经济调度方法
CN105552940B (zh) * 2015-12-22 2018-03-13 广东顺德中山大学卡内基梅隆大学国际联合研究院 基于交替方向乘子算法的分布式全局最优能量管理系统
CN105552904B (zh) * 2016-01-30 2018-02-02 清华大学 基于双线性化的多区域电网全分布式抗差状态估计方法
CN106549381B (zh) * 2017-01-17 2019-01-15 南方电网科学研究院有限责任公司 含多参与主体的工业园区配用电互动模拟优化方法

Also Published As

Publication number Publication date
CN107508284A (zh) 2017-12-22

Similar Documents

Publication Publication Date Title
CN107508284B (zh) 计及电气互联的微电网分布式优化调度方法
Hou et al. Multi-objective economic dispatch of a microgrid considering electric vehicle and transferable load
Xie et al. Autonomous optimized economic dispatch of active distribution system with multi-microgrids
Roslan et al. Scheduling controller for microgrids energy management system using optimization algorithm in achieving cost saving and emission reduction
CN103840457B (zh) 考虑电动汽车充放电影响的配电网内dg优化配置方法
CN112464477A (zh) 计及需求响应的多能耦合综合能源运行仿真方法
Chen et al. Multi-time scale coordinated optimal dispatch of microgrid cluster based on MAS
CN107634518A (zh) 一种“源‑网‑荷”相协调的主动配电网经济调度方法
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
CN103632205A (zh) 一种考虑风电和负荷不确定性的含电动汽车优化调度方法
CN114155103A (zh) 基于区块链合作博弈的能量共享联盟灵活性交易方法
CN113610311A (zh) 双层协同架构下考虑碳减排的综合能源服务商合作运行优化方法
CN113285479A (zh) 一种超大容量的区域微电网系统及运行方法
Saha Adaptive model-based receding horizon control of interconnected renewable-based power micro-grids for effective control and optimal power exchanges
CN117411085A (zh) 计及对外交换功率安全约束的并网型多微网优化调度方法
An et al. Real-time optimal operation control of micro energy grid coupling with electricity-thermal-gas considering prosumer characteristics
CN112182915A (zh) 一种协同促进风电消纳的优化调度方法及系统
Yin et al. Optimal scheduling of electric vehicle integrated energy station using a novel many-objective stochastic competitive optimization algorithm
CN113904337B (zh) 计及配电网灵活性的综合能源系统分布式优化调度方法
Kermani et al. Optimal operation of a real power hub based on PV/FC/GenSet/BESS and demand response under uncertainty
CN110929908B (zh) 多微网系统容量配置与经济调度的协同优化方法及系统
CN112087041A (zh) 一种光伏全电厨房及能量管理优化系统
Liu et al. Bi-level optimal configuration of shared energy storage for multi-energy microgrid system
CN112270432B (zh) 一种考虑多主体利益均衡的综合能源系统的能量管理方法
Xu et al. A Methodology for Optimal Dispatching of Honeycomb Distribution Network Considering System Reliability

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