CN107546773A - 一种基于图论的区域多微电网动态组网方法 - Google Patents
一种基于图论的区域多微电网动态组网方法 Download PDFInfo
- Publication number
- CN107546773A CN107546773A CN201710872907.0A CN201710872907A CN107546773A CN 107546773 A CN107546773 A CN 107546773A CN 201710872907 A CN201710872907 A CN 201710872907A CN 107546773 A CN107546773 A CN 107546773A
- Authority
- CN
- China
- Prior art keywords
- micro
- mrow
- msub
- capacitance sensor
- region
- 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.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于图论的区域多微电网动态组网方法,其技术特点在于:包括以下步骤:步骤1、根据区域内多微电网总体的经济运行最优和系统供电可靠性最高的多目标函数和预先设置的约束条件,构建区域多微电网的优化模型;步骤2、基于步骤1构建的区域多微电网的优化模型,结合区域多微电网系统的网络拓扑连接,建立基于图论的区域多微电网动态组网模型;步骤3、采用改进粒子群算法求解基于图论的区域多微电网动态组网模型,实现区域多微电网的动态组网。本发明结合区域多微电网互联互通的特点和微电网的出力约束,构建了以区域多微电网总体的经济运行最优和系统供电可靠性最高的优化模型,有效地对区域范围内多微电网动态组网提供了解决方案。
Description
技术领域
本发明属于区域多微电网技术领域,尤其是一种基于图论的区域多微电网动态组网方法。
背景技术
目前,微电网是一个小型的发、配、用电系统,也是智能电网的重要组成部分,可孤岛或并网运行,更是分布式电源可靠接入电网的有效形式之一;近年来国内外学者在微电网的规划、控制、调度和仿真,以及相关产品研发、商业模式等多方面均进行了诸多研究,美国、日本、欧洲,以及我国等先后进行了诸多的微电网-智能电网示范性工程建设。随着单一微电网相关的技术和应用方式的逐渐成熟,智能配电网局部区域内多个微电网接入又成为一种趋势,这种区域多微电网接入方式,不仅让微电网能够与大电网(配电网)构成互相支撑的系统,形成优势互补,而且两个或者多个微电网之间也能构成区域局部电网,形成区域多微电网,形成坚强的网架结构,大大提高城市电网的供电可靠性。尤其,区域范围内多类型、多联络的微网/配电网混合架构,在不同的运行目标和约束条件下,通过微电网/配电网彼此之间的联络开关、接入点PCC开关的不同组合,可形成多类型的微电网动态组网方式,即区域多微电网动态组网。
简言之,区域多微电网的动态组网是指在一个含有多个微电网的特定区域配电网中,当大电网发生故障或者计划孤岛时,为保障区域内重要负荷供电或者在区域电网的经济运行等预先设定的运行条件下,为满足区域能量的实时平衡,最大限度满足尽可能多的重要负荷供电,在该区域范围内,通过微网/配电网之间的并网PCC开关、联络开关等不同组合,实现多个微电网的并列式、串联式、嵌套式和分散多点式等多种形式重新组合,从而形成区域多微电网的多种运行方式组合模式。
现有研究的主要出发点仅仅从单微电网作为其主要研究对象,聚焦于单微电网的规划、运行、控制和评估,以及微电网内分布式电源与储能的优化配置等方面。也有一些学者研究微电网群方面的研究,但是在微电网优化运行方式方面,一般仅仅考虑微电网群与配电网之间的交互,未考虑区域内多个微电网之间的互联互通以及微电网的出力约束,当微电网群无法满足运行条件时一般微电网切除负荷或者降低用户的供电可靠性为代价,无法解决区域范围内多微电网动态组网的技术问题,尤其是当实际区域内的多个微电网发生较大变化时,往往难以实现其目标的缺陷。
发明内容
发明的目的在于克服现有技术的不足,提供一种能够综合考虑区域多微电网互联互通特点且兼顾微电网的出力约束的基于图论的区域多微电网动态组网方法。
本发明解决其技术问题是采取以下技术方案实现的:
一种基于图论的区域多微电网动态组网方法,包括以下步骤:
步骤1、根据区域内多微电网总体的经济运行最优和系统供电可靠性最高的多目标函数和预先设置的约束条件,构建区域多微电网的优化模型;
步骤2、基于步骤1构建的区域多微电网的优化模型,结合区域多微电网系统的网络拓扑连接,建立基于图论的区域多微电网动态组网模型;
步骤3、采用改进粒子群算法求解基于图论的区域多微电网动态组网模型,实现区域多微电网的动态组网。
而且,所述步骤1的区域多微电网的优化模型是以动态组网整体的运行成本最小和系统平均停电频率次数的供电可靠性性指标最小为目标的优化模型,其目标函数为:
上式中,Ci是区域多微电网的第i个微电网的运行费用;n是区域多微电网中独立微电网的数量;αi是区域多微电网的第i个微电网的系统停电频率次数可靠性指标。
所述约束条件包括:
(1)潮流约束
潮流约束是区域多微网的有功功率和无功功率平衡约束,即系统的潮流约束方程,其表达式为:
式中:Ns为总节点号集合;Gij、Bij为节点i、j之间的导纳系数;Vi为节点i的电压幅值;PGi、QGi分别为节点i的DG的有功出力和无功出力;PDi、QDi分别为节点i的有功和无功负荷;
(2)微电网中DG输出功率约束
微电网i中DG输出功率应介于其最大输出功率和最小输出功率之间;
Pimin≤Pi≤Pimax
式中:Pimin和Pimax分别是微电网i中DG输出功率下限和上限;
(3)微电网间交互功率容量约束
微电网间交互功率的最大容量必须满足连接线的物理传输容量限制或其达成的供求协议,其容量约束为:
Pij≤Pij,max
式中Pij,max是微电网间交互功率的上限。
(4)储能电池荷电状态约束
为使储能电池能够长期稳定工作,提高电池使用寿命,电池往往有一定的充电深度和放电深度,其储能电池荷电状态约束为:
SOCmin≤SOC≤SOCmax
式中:SOCmin为电池放电最低荷电状态,SOCmax为电池充电最高荷电状态。
而且,所述步骤2的具体方法为:考虑实际的区域多微电网系统的网络拓扑连接,将区域多微电网动态组网等效为一个无向有权图G=(V,E,W),建立基于图论的区域多微电网动态组网模型;寻找无向有权图G的最小权值W,从而实现区域多微电网动态组网;
其中,集合V中的元素为无向有权图G的定点或节点或点,是由区域多微电网中的各个微电网的公共连接点(PCC)组成的有穷非空节点集合,按照区域多微电网的数量顺序从1开始依次编号,直至所有的微电网均编号完毕;
其中,集合E的元素为无向有权图G的边或线,表示多微电网之间或者微电网和配电网之间的联络开关或者PCC开关集合,可用eij表示,eij的取值为1和0;其中,1代表微电网i与微电网j之间存在联络,0代表无联络;E表示V中边集;
其中,集合W的元素为任意两个节点间的有功功率交换值,称为无向有权图G的权值,Wij表示节点i到节点j之间交换的有功功率值,当流入有功功率时取值为正数,反之当流出有功功率时取值为负数。
而且,所述步骤3的具体步骤包括:
(1)根据步骤2所构建的基于图论的区域多微电网动态组网模型,兼顾工程的实际数据,对区域内的微电网、配电网网络参数和微电网的出力数据进行初始化;
(2)采用二进制编码方案,对各区域多微电网的并网PCC开关、单个微电网的运行费用和容量的三个编码决策变量进行编码;
(3)以是否达到最大的迭代次数作为终止的依据,判断是否满足终止条件;若达到即退出运行,获得最终结果;否则进入第(4)步;
(4)设定种群大小,通过选择、交叉和变异的运算方法确定粒子群算法自身参数;粒子在t+1时刻,速度和位移为
vi,j(t+1)=ωvi,j(t)+c1r1[pi,j-xi,j(t)]+c2r2[pg,j-xi,j(t)]
xi,j(t+1)=xi,j(t)+vi,j(t+1),j=1,2,…,d
其中,ω为惯性权重,c1和c2为正的学习因子,r1和r2为0到1之间均匀分布的随机数。在PSO算法中,惯性权重ω是最为重要的可调参数,较大的ω有利于提高全局搜索能力,而较小的ω会增强算法的局部搜索能力,为了平衡PSO算法的全局搜索能力和局部改良能力,用非线性的动态惯性权系数公式,其表达式如下:
其中,ωmax,ωmin分别表示ω的最大值和最小值,f表示粒子当前的目标函数值,favg和fmin分别表示当前所有粒子的平均目标值和最小目标值;
在上式中,惯性权重随着粒子的目标函数值而自动调整,因此称为自适应权重。
(5)评价粒子:计算粒子的适应值,计算模型中的目标函数,经比较后确定个体和全局最优值并更新;
(6)更新粒子的位移,速度以及惯性权重;
(7)检验是否最大迭代次数,若满足,则输出最优的储能容量、功率、以及接入位置,否则跳转到第(2)步。
而且,所述步骤3的第(2)步的编码方法为:首先选取编码总长度为13的染色体,将所述三个编码决策变量各自组成染色体字串,然后将上述染色体字串连成一个完整的染色体;前两位表示区域多微电网并网PCC开关,中间五位表示单个微电网的运行费用,最后六位表示单个微电网的容量。
本发明的优点和积极效果是:
1、本发明提出了一种区域多微电网总体的经济运行最优和系统供电可靠性最高的优化模型,并引入一种图论的思想对区域多微电网的动态组网优化模型进行处理,并采用改进粒子群算法求解一种图论的区域多微电网动态组网模型。与现有的单微电网优化运行相比,本发明所提方法考虑区域多微电网互联互通的特点,兼顾微电网的出力约束,构建了以区域多微电网总体的经济运行最优和系统供电可靠性最高的优化模型,有效地对区域范围内多微电网动态组网提供了解决方案。
2、本发明从区域范围的整体上提出一种区域多微电网总体的经济运行最优和系统供电可靠性最高的优化模型从而弥补部分研究的出发点仅仅从单微电网作为其主要研究对象,当实际区域内的多个微电网发生较大变化时,往往难以实现其目标的缺陷。
附图说明
图1是本发明的基于图论的区域多微电网动态组网方法的改进粒子群算法流程图;
图2是本发明的基于图论的区域多微电网动态组网模型的示意图;
图3是本发明实施方式中的区域多微电网的拓扑结构图。
具体实施方式
以下结合附图对发明实施例作进一步详述:
本发明综合考虑区域多微电网互联互通特点,兼顾微电网的出力约束,构建了以区域多微电网整体运行成本最小和系统平均停电频率次数最小的优化模型,提出了一种基于图论的区域多微电网动态组网方法,有效地对区域范围内多微电网动态组网提供了解决方案。
一种基于图论的区域多微电网动态组网方法,如图1所示,包括以下步骤:
步骤1、根据区域内多微电网总体的经济运行最优和系统供电可靠性最高的多目标函数和预先设置的约束条件,构建区域多微电网的优化模型;
所述步骤1的区域多微电网的优化模型是以动态组网整体的运行成本最小和系统平均停电频率次数的供电可靠性性指标最小为目标的优化模型,其目标函数为:
上式中,Ci是区域多微电网的第i个微电网的运行费用;n是区域多微电网中独立微电网的数量;αi是区域多微电网的第i个微电网的系统停电频率次数可靠性指标。
所述约束条件包括:
(1)潮流约束
潮流约束是区域多微网的有功功率和无功功率平衡约束,即系统的潮流约束方程,其表达式为:
式中:Ns为总节点号集合;Gij、Bij为节点i、j之间的导纳系数;Vi为节点i的电压幅值;PGi、QGi分别为节点i的DG的有功出力和无功出力;PDi、QDi分别为节点i的有功和无功负荷;
(2)微电网中DG输出功率约束
微电网i中DG输出功率应介于其最大输出功率和最小输出功率之间;
Pimin≤Pi≤Pimax
式中:Pimin和Pimax分别是微电网i中DG输出功率下限和上限;
(3)微电网间交互功率容量约束
微电网间交互功率的最大容量必须满足连接线的物理传输容量限制或其达成的供求协议,其容量约束为:
Pij≤Pij,max
式中Pij,max是微电网间交互功率的上限。
(4)储能电池荷电状态约束
为使储能电池能够长期稳定工作,提高电池使用寿命,电池往往有一定的充电深度和放电深度,其储能电池荷电状态约束为:
SOCmin≤SOC≤SOCmax
式中:SOCmin为电池放电最低荷电状态,SOCmax为电池充电最高荷电状态。
步骤2、基于步骤1构建的区域多微电网的优化模型,结合区域多微电网系统的网络拓扑连接,建立基于图论的区域多微电网动态组网模型;
所述步骤2的工作原理为:考虑实际的区域多微电网的网络拓扑连接,将任意一个微电网按照有功功率等效为一个节点,依据实际拓扑连接,将具有直接物理拓扑连接并有能源交换的节点之间进行相对应连线,构建如图2所示的区域多微电网的拓扑图,将区域多微电网动态组网等效为一个如图1所示的无向有权图G=(V,E,W),建立基于图论的区域多微电网动态组网模型,按照以上的思路,基于图论的区域多微电网动态组网的过程,就是寻找图G的W权值最小的过程,因此,可以通过寻找无向有权图G的最小权值W,从而实现区域多微电网的动态组网。
图2中:{1,2,。。。,9}代表9个不同的微电网。Wij表示节点i到节点j之间交换的有功功率值,当流入有功功率时取值为正数,反之当流出有功功率时取值为负数。
所述步骤2的具体方法为:考虑实际的区域多微电网系统的网络拓扑连接,将区域多微电网动态组网等效为一个无向有权图G=(V,E,W),建立基于图论的区域多微电网动态组网模型;寻找无向有权图G的最小权值W,从而实现区域多微电网动态组网;
其中,集合V中的元素为无向有权图G的定点或节点或点,是由区域多微电网中的各个微电网的公共连接点(PCC)组成的有穷非空节点集合,按照区域多微电网的数量顺序从1开始依次编号,直至所有的微电网均编号完毕;
其中,集合E的元素为无向有权图G的边或线,表示多微电网之间或者微电网和配电网之间的联络开关或者PCC开关集合,可用eij表示,eij的取值为1和0;其中,1代表微电网i与微电网j之间存在联络,0代表无联络;E表示V中边集;
其中,集合W的元素为任意两个节点间的有功功率交换值,称为无向有权图G的权值,Wij表示节点i到节点j之间交换的有功功率值,当流入有功功率时取值为正数,反之当流出有功功率时取值为负数。
在区域多微电网范围内,微电网一方面自身可以独立孤岛运行,进行能量的优化管理,另一方面由于技术、成本、工程实际等因素制约,很难达到区域内所有微电网之间均有实际的物理连接开关PCC,并且PCC开关连接后,是否能够形成有功功率的交互,即Wij不等于零,也受到微电网内部的储能、重要负荷等多种条件限制。
步骤3、采用改进粒子群算法求解基于图论的区域多微电网动态组网模型,实现区域多微电网的动态组网。
如图1所示,所述步骤3的具体步骤包括:
(1)根据步骤2所构建的基于图论的区域多微电网动态组网模型,兼顾工程的实际数据,对区域内的微电网、配电网网络参数和微电网的出力数据进行初始化;
(2)采用二进制编码方案,对各区域多微电网的并网PCC开关、单个微电网的运行费用和容量的三个编码决策变量进行编码;
在本实施例中,所述步骤3的第(2)步的编码方法为:首先选取编码总长度为13的染色体,将所述三个编码决策变量各自组成染色体字串,然后将上述染色体字串连成一个完整的染色体;前两位表示区域多微电网并网PCC开关,中间五位表示单个微电网的运行费用,最后六位表示单个微电网的容量。
(3)以是否达到最大的迭代次数作为终止的依据,判断是否满足终止条件;若达到即退出运行,获得最终结果;否则进入第(4)步;
(4)设定种群大小,通过选择、交叉和变异的运算方法确定粒子群算法自身参数;粒子在t+1时刻,速度和位移为
vi,j(t+1)=ωvi,j(t)+c1r1[pi,j-xi,j(t)]+c2r2[pg,j-xi,j(t)]
xi,j(t+1)=xi,j(t)+vi,j(t+1),j=1,2,…,d
其中,ω为惯性权重,c1和c2为正的学习因子,r1和r2为0到1之间均匀分布的随机数。在PSO算法中,惯性权重ω是最为重要的可调参数,较大的ω有利于提高全局搜索能力,而较小的ω会增强算法的局部搜索能力,为了平衡PSO算法的全局搜索能力和局部改良能力,用非线性的动态惯性权系数公式,其表达式如下:
其中,ωmax,ωmin分别表示ω的最大值和最小值,f表示粒子当前的目标函数值,favg和fmin分别表示当前所有粒子的平均目标值和最小目标值;
在上式中,惯性权重随着粒子的目标函数值而自动调整,因此称为自适应权重。
(5)评价粒子:计算粒子的适应值,计算模型中的目标函数,经比较后确定个体和全局最优值并更新;
(6)更新粒子的位移,速度以及惯性权重;
(7)检验是否最大迭代次数,若满足,则输出最优的储能容量、功率、以及接入位置,否则跳转到第(2)步。
下面以基于北方一个智能微电网示范工程的实际数据为例,对本发明的一种基于图论的区域多微电网动态组网方法进行实施应用,以验证本发明方法的可行性和有益效果。
该工程在一个区域电网中具有四个微电网,其中区域i、区域j是两个交直流混合微电网;区域f是低压光储微电网;区域e,区域f,区域g,区域h和区域j组成一个中低压嵌套式微电网,其系统网络拓扑结构如图3所示。
为有效进行用户可靠性指标-平均停电频率次数计算,将总功率4319kW的负荷按照电力系统的负荷等级原则分成二、三级负荷,其中消防设备、应急照明、能源调度室、发电机房、潜污泵、控制室为二级负荷,普通照明负荷、室外路灯照明等为三级负荷。二级负荷容量约3978kW,三级负荷容量约314kW。另外,区域多微电网示范工程的节点编号、PCC编号和各个主要的容量等组成情况,如表1所示。
表1区域多微电网示范工程组成
结合工程实际情况,基于区域多微电网动态组网的图论模型,按照整体的经济最优运行和用户的平均停电频率次数最少为目标,应用改进粒子群优化算法对图论模型进行求解。其中,学习因子因数c1=1和c2=2,惯性权重的范围[0.6,1.2],粒子的速度范围[8,14]。
为有效的对比分析动态组网形式,假定区域多微电网与大电网连接的PCC10~PCC13等四个开关9种不同的故障状态,获得不同外部故障条件下PCC1~PCC13开关的不同动作结果,一共有16种区域多微电网动态运行模式,如表2所示。
表2区域多微电网动态组网的开关状态表
从上表中,我们不难发现几点结论:
1)区域多微电网在设定的不同外部大电网故障条件下,以满足整体的经济最优运行和用户的平均停电频率次数最少的目标为基础,可通过PCC开关的灵活互动,可以组成多种不同的组网方式,这些有效的动态组网方式可为智能配电网的调度运行提供辅助决策支持。
2)区别于传统配电网的树形结构和能量纵向流动的特点,区域多微电网中微电网之间通过储能装置可进行横向的连接,有利支撑了区域多微电网的运行方式,保证了能源的横向流动,丰富了配电网的能量管理方式,为智能配电网的灵活互动提供了一定的借鉴。
需要强调的是,发明所述的实施例是说明性的,而不是限定性的,因此发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据发明的技术方案得出的其他实施方式,同样属于发明保护的范围。
Claims (5)
1.一种基于图论的区域多微电网动态组网方法,其特征在于:包括以下步骤:
步骤1、根据区域内多微电网总体的经济运行最优和系统供电可靠性最高的多目标函数和预先设置的约束条件,构建区域多微电网的优化模型;
步骤2、基于步骤1构建的区域多微电网的优化模型,结合区域多微电网系统的网络拓扑连接,建立基于图论的区域多微电网动态组网模型;
步骤3、采用改进粒子群算法求解基于图论的区域多微电网动态组网模型,实现区域多微电网的动态组网。
2.根据权利要求1所述的所述步骤1的一种基于图论的区域多微电网动态组网方法,其特征在于:区域多微电网的优化模型是以动态组网整体的运行成本最小和系统平均停电频率次数的供电可靠性性指标最小为目标的优化模型,其目标函数为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
上式中,Ci是区域多微电网的第i个微电网的运行费用;n是区域多微电网中独立微电网的数量;αi是区域多微电网的第i个微电网的系统停电频率次数可靠性指标;
所述约束条件包括:
(1)潮流约束
潮流约束是区域多微网的有功功率和无功功率平衡约束,即系统的潮流约束方程,其表达式为:
<mrow>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>D</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>s</mi>
</msub>
</munderover>
<msub>
<mi>V</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>cos&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>sin&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>N</mi>
<mi>s</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Q</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>D</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>s</mi>
</msub>
</munderover>
<msub>
<mi>V</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>sin&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>cos&theta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msub>
<mi>N</mi>
<mi>s</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中:Ns为总节点号集合;Gij、Bij为节点i、j之间的导纳系数;Vi为节点i的电压幅值;PGi、QGi分别为节点i的DG的有功出力和无功出力;PDiQDi分别为节点i的有功和无功负荷;
(2)微电网中DG输出功率约束
微电网i中DG输出功率应介于其最大输出功率和最小输出功率之间;
Pimin≤Pi≤Pimax
式中:Pimin和Pimax分别是微电网i中DG输出功率下限和上限;
(3)微电网间交互功率容量约束
微电网间交互功率的最大容量必须满足连接线的物理传输容量限制或其达成的供求协议,其容量约束为:
Pij≤Pij,max
式中Pij,max是微电网间交互功率的上限;
(4)储能电池荷电状态约束
为使储能电池能够长期稳定工作,提高电池使用寿命,电池往往有一定的充电深度和放电深度,其储能电池荷电状态约束为:
SOCmin≤SOC≤SOCmax
式中:SOCmin为电池放电最低荷电状态,SOCmax为电池充电最高荷电状态。
3.根据权利要求1或2所述的所述步骤1的一种基于图论的区域多微电网动态组网方法,其特征在于:所述步骤2的具体方法为:考虑实际的区域多微电网系统的网络拓扑连接,将区域多微电网动态组网等效为一个无向有权图G=(V,E,W),建立基于图论的区域多微电网动态组网模型;寻找无向有权图G的最小权值W,从而实现区域多微电网动态组网;
其中,集合V中的元素为无向有权图G的定点或节点或点,是由区域多微电网中的各个微电网的公共连接点PCC组成的有穷非空节点集合,按照区域多微电网的数量顺序从1开始依次编号,直至所有的微电网均编号完毕;
其中,集合E的元素为无向有权图G的边或线,表示多微电网之间或者微电网和配电网之间的联络开关或者PCC开关集合,可用eij表示,eij的取值为1和0;其中,1代表微电网i与微电网j之间存在联络,0代表无联络;E表示V中边集;
其中,集合W的元素为任意两个节点间的有功功率交换值,称为无向有权图G的权值,Wij表示节点i到节点j之间交换的有功功率值,当流入有功功率时取值为正数,反之当流出有功功率时取值为负数。
4.根据权利要求1或2所述的所述步骤1的一种基于图论的区域多微电网动态组网方法,其特征在于:所述步骤3的具体步骤包括:
(1)根据步骤2所构建的基于图论的区域多微电网动态组网模型,兼顾工程的实际数据,对区域内的微电网、配电网网络参数和微电网的出力数据进行初始化;
(2)采用二进制编码方案,对各区域多微电网的并网PCC开关、单个微电网的运行费用和容量的三个编码决策变量进行编码;
(3)以是否达到最大的迭代次数作为终止的依据,判断是否满足终止条件;若达到即退出运行,获得最终结果;否则进入第(4)步;
(4)设定种群大小,通过选择、交叉和变异的运算方法确定粒子群算法自身参数;粒子在t+1时刻,速度和位移为
vi,j(t+1)=ωvi,j(t)+c1r1[pi,j-xi,j(t)]+c2r2[pg,j-xi,j(t)]
xi,j(t+1)=xi,j(t)+vi,j(t+1),j=1,2,…,d
其中,ω为惯性权重,c1和c2为正的学习因子,r1和r2为0到1之间均匀分布的随机数;在PSO算法中,惯性权重ω是最为重要的可调参数,较大的ω有利于提高全局搜索能力,而较小的ω会增强算法的局部搜索能力,为了平衡PSO算法的全局搜索能力和局部改良能力,用非线性的动态惯性权系数公式,其表达式如下:
<mrow>
<mi>&omega;</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&omega;</mi>
<mi>min</mi>
</msub>
<mo>-</mo>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>&omega;</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&omega;</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
<mo>*</mo>
<mo>(</mo>
<mi>f</mi>
<mo>-</mo>
<msub>
<mi>f</mi>
<mi>min</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>f</mi>
<mi>min</mi>
</msub>
<mo>)</mo>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mo>&le;</mo>
<msub>
<mi>f</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&omega;</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mo>></mo>
<msub>
<mi>f</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,ωmax,ωmin分别表示ω的最大值和最小值,f表示粒子当前的目标函数值,favg和fmin分别表示当前所有粒子的平均目标值和最小目标值;
(5)评价粒子:计算粒子的适应值,计算模型中的目标函数,经比较后确定个体和全局最优值并更新;
(6)更新粒子的位移,速度以及惯性权重;
(7)检验是否最大迭代次数,若满足,则输出最优的储能容量、功率、以及接入位置,否则跳转到第(2)步。
5.根据权利要求4所述的所述步骤1的一种基于图论的区域多微电网动态组网方法,其特征在于:所述步骤3的第(2)步的编码方法为:首先选取编码总长度为13的染色体,将所述三个编码决策变量各自组成染色体字串,然后将上述染色体字串连成一个完整的染色体;前两位表示区域多微电网并网PCC开关,中间五位表示单个微电网的运行费用,最后六位表示单个微电网的容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710872907.0A CN107546773A (zh) | 2017-09-25 | 2017-09-25 | 一种基于图论的区域多微电网动态组网方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710872907.0A CN107546773A (zh) | 2017-09-25 | 2017-09-25 | 一种基于图论的区域多微电网动态组网方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107546773A true CN107546773A (zh) | 2018-01-05 |
Family
ID=60964760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710872907.0A Pending CN107546773A (zh) | 2017-09-25 | 2017-09-25 | 一种基于图论的区域多微电网动态组网方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107546773A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109830964A (zh) * | 2019-02-27 | 2019-05-31 | 燕山大学 | 一种微电网动态功率平衡方法及系统 |
CN110048411A (zh) * | 2019-04-23 | 2019-07-23 | 广东电网有限责任公司 | 基于多端口电能路由器的微电网组网方法、装置和设备 |
CN111310111A (zh) * | 2020-03-31 | 2020-06-19 | 国网浙江省电力有限公司电力科学研究院 | 多微电网系统协同优化调度模型与动态链接行为分析方法 |
CN112183893A (zh) * | 2020-10-29 | 2021-01-05 | 东北大学 | 一种基于pso-sca和图论辅助的二阶段动态无功优化方法 |
CN113078685A (zh) * | 2021-03-05 | 2021-07-06 | 国网江苏省电力有限公司淮安供电分公司 | 一种微电网动态划分方法及系统 |
CN113887003A (zh) * | 2021-09-26 | 2022-01-04 | 南方电网能源发展研究院有限责任公司 | 坚强局部电网网架结构确定方法、装置、设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106026169A (zh) * | 2016-06-28 | 2016-10-12 | 南京邮电大学 | 一种基于多微电网并入配电网的分解协调优化方法 |
CN106372756A (zh) * | 2016-09-07 | 2017-02-01 | 南京工程学院 | 一种基于繁殖粒子群算法的火电厂负荷优化分配方法 |
CN106651628A (zh) * | 2016-09-14 | 2017-05-10 | 国网天津市电力公司 | 基于图论的区域冷热电综合能源优化配置方法及装置 |
-
2017
- 2017-09-25 CN CN201710872907.0A patent/CN107546773A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106026169A (zh) * | 2016-06-28 | 2016-10-12 | 南京邮电大学 | 一种基于多微电网并入配电网的分解协调优化方法 |
CN106372756A (zh) * | 2016-09-07 | 2017-02-01 | 南京工程学院 | 一种基于繁殖粒子群算法的火电厂负荷优化分配方法 |
CN106651628A (zh) * | 2016-09-14 | 2017-05-10 | 国网天津市电力公司 | 基于图论的区域冷热电综合能源优化配置方法及装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109830964A (zh) * | 2019-02-27 | 2019-05-31 | 燕山大学 | 一种微电网动态功率平衡方法及系统 |
CN110048411A (zh) * | 2019-04-23 | 2019-07-23 | 广东电网有限责任公司 | 基于多端口电能路由器的微电网组网方法、装置和设备 |
CN110048411B (zh) * | 2019-04-23 | 2023-05-12 | 广东电网有限责任公司 | 基于多端口电能路由器的微电网组网方法、装置和设备 |
CN111310111A (zh) * | 2020-03-31 | 2020-06-19 | 国网浙江省电力有限公司电力科学研究院 | 多微电网系统协同优化调度模型与动态链接行为分析方法 |
CN111310111B (zh) * | 2020-03-31 | 2021-08-27 | 国网浙江省电力有限公司电力科学研究院 | 多微电网系统协同优化调度模型与动态链接行为分析方法 |
CN112183893A (zh) * | 2020-10-29 | 2021-01-05 | 东北大学 | 一种基于pso-sca和图论辅助的二阶段动态无功优化方法 |
CN112183893B (zh) * | 2020-10-29 | 2024-02-02 | 东北大学 | 一种基于pso-sca和图论辅助的二阶段动态无功优化方法 |
CN113078685A (zh) * | 2021-03-05 | 2021-07-06 | 国网江苏省电力有限公司淮安供电分公司 | 一种微电网动态划分方法及系统 |
CN113078685B (zh) * | 2021-03-05 | 2022-07-26 | 国网江苏省电力有限公司淮安供电分公司 | 一种微电网动态划分方法及系统 |
CN113887003A (zh) * | 2021-09-26 | 2022-01-04 | 南方电网能源发展研究院有限责任公司 | 坚强局部电网网架结构确定方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107546773A (zh) | 一种基于图论的区域多微电网动态组网方法 | |
CN105321003B (zh) | 一种含vsc-hvdc的交直流系统多目标潮流优化方法 | |
CN103310065B (zh) | 计及分布式发电和储能单元的智能配网重构方法 | |
CN110429649B (zh) | 考虑灵活性的高渗透率可再生能源集群划分方法 | |
CN110969284B (zh) | 一种配电网双层优化调度方法 | |
CN103904646B (zh) | 一种考虑三相潮流的微电网多目标能量优化方法 | |
CN105449675B (zh) | 优化分布式能源接入点和接入比例的电力网络重构方法 | |
CN107979092A (zh) | 一种考虑分布式电源与软开关接入的配电网动态重构方法 | |
CN106058855A (zh) | 协调储能与柔性负荷的主动配电网多目标优化调度方法 | |
CN104037776B (zh) | 随机惯性因子粒子群优化算法的电网无功容量配置方法 | |
CN103280821A (zh) | 智能配电系统多时段动态无功优化方法 | |
CN108306298A (zh) | 一种柔性多状态开关接入配电网的设计方法 | |
CN107546743A (zh) | 一种辐射状配电网分布式优化潮流方法 | |
CN104361403A (zh) | 一种分布式电源与微电网的优化分组配置方法 | |
CN105186499A (zh) | 一种配电网多目标概率最优潮流模糊建模与求解方法 | |
CN110350536A (zh) | 一种基于最短恢复时间的最优负荷转供路径计算方法 | |
CN106505604A (zh) | 接入区域配电网的光伏储能联合运行单元优化配置方法 | |
CN106026169A (zh) | 一种基于多微电网并入配电网的分解协调优化方法 | |
CN107565576A (zh) | 一种多主动管理手段相协调的主动配电网无功电压优化方法 | |
CN110135662A (zh) | 一种考虑减小峰谷差的储能选址定容多目标优化方法 | |
CN110165666A (zh) | 一种基于igdt的主动配电网调度方法 | |
CN108306346A (zh) | 一种配电网无功补偿节能方法 | |
CN108258676A (zh) | 基于直流多端口电能交换器的全可控灵活配电系统及方法 | |
CN108242812A (zh) | 基于模块度优化的双阶段无功电压分区方法及系统 | |
CN104967121B (zh) | 一种大规模电力系统节点的潮流计算方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180105 |
|
RJ01 | Rejection of invention patent application after publication |