CN108011366A - 一种配电网可控资源协调优化控制方法和装置 - Google Patents
一种配电网可控资源协调优化控制方法和装置 Download PDFInfo
- Publication number
- CN108011366A CN108011366A CN201711235979.0A CN201711235979A CN108011366A CN 108011366 A CN108011366 A CN 108011366A CN 201711235979 A CN201711235979 A CN 201711235979A CN 108011366 A CN108011366 A CN 108011366A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msubsup
- representing
- scene
- node
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005457 optimization Methods 0.000 claims abstract description 80
- 238000005096 rolling process Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 18
- 239000003990 capacitor Substances 0.000 claims description 49
- 238000005286 illumination Methods 0.000 claims description 43
- 238000005070 sampling Methods 0.000 claims description 43
- 230000003068 static effect Effects 0.000 claims description 30
- 230000009467 reduction Effects 0.000 claims description 27
- 238000005315 distribution function Methods 0.000 claims description 12
- 238000006467 substitution reaction Methods 0.000 claims description 8
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 230000000295 complement effect Effects 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 230000005284 excitation Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000011410 subtraction method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000005855 radiation 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
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
-
- 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
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
-
- 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
-
- H02J3/383—
-
- H02J3/386—
-
- 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]
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种配电网可控资源协调优化控制方法和装置,首先确定预测序列和场景集;然后根据场景集,并通过滚动优化模型确定可控资源的最优控制变量;最后控制可控资源,实现可控资源协调优化控制,可控资源的最优控制变量能够满足实际需求,提高了配电网的安全性。采用滚动优化模型确定可控资源的最优控制变量,提高可控资源的利用率,消除了电压越限,使控制过程能够较好地应对可控资源的不确定性;本发明利用闭环控制解决了随优化时间的增长导致预测精度显著下降问题。
Description
技术领域
本发明涉及配电网技术领域,具体涉及一种配电网可控资源协调优化控制方法和装置。
背景技术
配电网的结构随着分布式电源、柔性负荷、无功补偿装置等可控资源渗透率不断提高而改变,配电网结构的改变使得配电线路中传输的有功功率和无功功率的大小和方向都发生变化,辐射型的配电网变为遍布电源与用户互联的系统,配电网的运行管理变得日益复杂。由于配电网中有功功率和无功功率耦合性较强,关于有功无功协调优化方面的研究,引起越来越多的关注。
充分利用配电网中的分布式电源、柔性负荷和无功补偿装置等可控资源,并对可控资源进行优化控制,可以更好地调节电压,还可以有效缓解弃风、弃光、投切设备频繁动作等问题。然而现有技术中,可控资源协调优化控制策略采用基于确定性预测值的传统开环优化到的控制策略,其没有考虑分布式电源和负荷的时变性和随机性,而且风速、光照的频繁变化以及负荷的随机波动使得配电网中分布式可再生能源功率和负荷难以准确预测,导致优化结果不能满足实际需求,配电网的安全性低。
发明内容
为了克服上述现有技术中优化结果不能满足实际需求且配电网的安全性低的缺陷,本发明提供一种配电网可控资源协调优化控制方法和装置,先确定预测序列,并根据预测序列确定场景集;然后根据场景集,并通过预先构建的滚动优化模型确定可控资源的最优控制变量;最后根据可控资源的最优控制变量控制可控资源,实现可控资源协调优化控制,可控资源的最优控制变量能够满足实际需求,提高了配电网的安全性。
为了实现上述发明目的,本发明采取如下技术方案:
本发明提供一种配电网可控资源协调优化控制方法,包括:
确定预测序列,并根据预测序列确定场景集;
根据场景集,并通过预先构建的滚动优化模型确定可控资源的最优控制变量;
根据可控资源的最优控制变量控制可控资源。
所述预测序列按下式确定:
其中,xt+k表示t+k时刻的光照强度、风速或负荷预测值;θ表示滑动平均系数;表示自回归系数;m为自然数,取1或2;k-m>0时,xt+k-m表示t+k-m时刻的光照强度、风速或负荷预测值,k-m≤0时,xt+k-m表示t+k-m时刻的光照强度、风速或负荷实际值;εt+k表示t+k时刻的预测误差随机变量,εt+k-1表示t+k-1时刻的预测误差随机变量,光照强度或负荷对应的εt+k和εt+k-1服从正态分布,风速对应的εt+k和εt+k-1服从Beta分布。
所述根据预测序列确定场景集,包括:
将风速、光照和负荷各自的概率分布进行拉丁超立方抽样,得到采样点对应的样本;
根据采样点对应的样本,并采用同步回代削减法确定场景集。
所述将进行拉丁超立方抽样,得到采样点对应的样本,包括:
将光照强度、风速和负荷各自的概率分布函数分别划分多个等概率区间;
选择每个概率区间的中点或区间内随机数作为采样点;
通过光照强度、风速和负荷各自的概率分布函数的逆变换得到采样点对应的样本。
所述根据采样点对应的样本,并采用同步回代削减法确定场景集,包括:
按下式确定相邻样本之间的最小距离:
dmin(xp(t),xq(t))=||xp(t)-xq(t)||2
其中,dmin(xp(t),xq(t))表示xp(t)和xq(t)之间的最小距离;xp(t)和xq(t)表示t时刻的样本值,xp(t)∈D,xq(t)∈D,p≠q,D表示样本集;
按下式确定xp(t)和xq(t)之间的概率距离:
Pp=pp×dmin(xp(t),xq(t))
其中,Pp表示xp(t)和xq(t)之间的概率距离,pp表示xp(t)发生的概率;
消去Pp最小值对应的xp(t),并根据pp按下式更新xq(t)发生的概率:
pq′=pp+pq
其中,pq′表示更新后的xq(t)发生的概率,pq表示更新前的xq(t)发生的概率;
重复上述过程,直至样本数满足要求;
根据样本得到场景集,场景集中的场景数按下式确定:
n=nlnwinnpv
其中,n表示场景集中的场景数,nl表示削减后的负荷样本数,nwin表示削减后的风速样本数,npv表示削减后的光照强度样本数。
所述滚动优化模型以预测周期内的配电网能量损耗期望最小为目标,通过下式构建:
其中,E表示预测周期内的配电网能量损耗期望,N表示采样时刻数,n表示场景数,m表示节点总数,Δt表示时间间隔,ps表示场景集中第s个场景的概率,Pi s,t表示t时刻第s个场景下节点i的网损,且 表示节点i注入的有功功率,表示节点i注入的有功负荷。
所述滚动优化模型还包括约束条件,所述约束条件包括潮流约束、电容器运行约束、负荷约束、节点电压约束、静止无功补偿器运行约束、可再生能源无功功率约束和燃气轮机有功功率约束。
所述潮流约束如下式:
其中,分别表示t时刻第s个场景下节点i注入的有功功率和无功功率, 分别表示t时刻第s个场景下节点i的有功负荷和无功负荷,表示t时刻第s个场景下节点i的相电压,表示t时刻第s个场景下节点j的相电压,θij表示Ui与Uj夹角,m表示节点数,Gij表示节点i和节点j的电导,Bij表示节点i和节点j的电纳;
所述电容器运行约束如下式:
其中,表示t时刻第s个场景下节点i所连接的电容器无功补偿功率,表示t时刻电容器的投入组数,NC表示电容器投入总组数,表示t-1时刻电容器的投入组数,q表示每组电容器的补偿功率,表示电容器动作次数限值;
所述负荷约束如下式:
其中,表示t时刻第s个场景下工业负荷的有功功率,表示t时刻第s个场景下工业负荷总值;μon表示工业负荷的激励潜力系数,μoff表示工业负荷的中断潜力系数;表示t时刻第s个场景下工业负荷的激励决策系数,表示t时刻第s个场景下工业负荷的中断决策系数,且满足 表示t时刻第s个场景下分布式电源的有功功率,表示t时刻第s个场景下负荷的有功功率;表示t时刻第s个场景下商业负荷的有功功率,表示t时刻第s个场景下商业负荷总值;μcut表示商业负荷的削减潜力系数,且满足 表示t时刻第s个场景下商业负荷的削减潜力系数限值;δs,t表示t时刻第s个场景下商业负荷的削减决策系数,且满足
所述节点电压约束如下式:
其中,表示第s个场景下节点i的电压幅值下限,表示第s个场景下节点i的电压幅值上限;
所述静止无功补偿器运行约束如下式:
其中,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率下限,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率上限;
所述可再生能源无功功率约束如下式:
其中,表示t时刻第s个场景下节点i注入的无功功率下限,表示t时刻第s个场景下节点i注入的无功功率上限;
所述燃气轮机有功功率约束如下式:
其中,表示t时刻第s个场景下节点i注入的有功功率下限,表示t时刻第s个场景下节点i注入的有功功率上限。
所述根据场景集,并通过预先构建的滚动优化模型确定可控资源的最优控制变量,包括:
根据场景集和约束条件,并采用内点法和非线性互补法求解滚动优化模型,得到可控资源的最优控制变量。
所述根据可控资源的最优控制变量控制可控资源之后,包括:
根据下一时刻的光照强度、风速和负荷的实际值对样本集的预测序列进行更新,构成闭环控制,并重复之前过程,直至优化周期结束。
本发明还提供一种配电网可控资源协调优化控制装置,包括:
第一确定模块,用于确定预测序列;
第二确定模块,用于根据预测序列确定场景集;
第三确定模块,用于根据场景集,并通过预先构建的滚动优化模型确定可控资源的最优控制变量;
控制模块,用于根据可控资源的最优控制变量控制可控资源。
所述第一确定模块具体用于:
按下式确定预测序列:
其中,xt+k表示t+k时刻的光照强度、风速或负荷预测值;θ表示滑动平均系数;表示自回归系数;m为自然数,取1或2;k-m>0时,xt+k-m表示t+k-m时刻的光照强度、风速或负荷预测值,k-m≤0时,xt+k-m表示t+k-m时刻的光照强度、风速或负荷实际值;εt+k表示t+k时刻的预测误差随机变量,εt+k-1表示t+k-1时刻的预测误差随机变量,光照强度或负荷对应的εt+k和εt+k-1服从正态分布,风速对应的εt+k和εt+k-1服从Beta分布。
所述第二确定模块包括:
样本确定单元,用于将风速、光照和负荷各自的概率分布进行拉丁超立方抽样,得到采样点对应的样本;
场景集确定单元,用于根据采样点对应的样本,并采用同步回代削减法确定场景集。
所述样本确定单元具体用于:
将光照强度、风速和负荷各自的概率分布函数分别划分多个等概率区间,然后选择每个概率区间的中点或区间内随机数作为采样点,最后通过光照强度、风速和负荷各自的概率分布函数的逆变换得到采样点对应的样本。
所述场景集确定单元具体用于:
按下式确定相邻样本之间的最小距离:
dmin(xp(t),xq(t))=||xp(t)-xq(t)||2
其中,dmin(xp(t),xq(t))表示xp(t)和xq(t)之间的最小距离;xp(t)和xq(t)表示t时刻的样本值,xp(t)∈D,xq(t)∈D,p≠q,D表示样本集;
按下式确定xp(t)和xq(t)之间的概率距离:
Pp=pp×dmin(xp(t),xq(t))
其中,Pp表示xp(t)和xq(t)之间的概率距离,pp表示xp(t)发生的概率;
消去Pp最小值对应的xp(t),并根据pp按下式更新xq(t)发生的概率:
pq′=pp+pq
其中,pq′表示更新后的xq(t)发生的概率,pq表示更新前的xq(t)发生的概率;
重复上述过程,直至样本数满足要求;
根据样本得到场景集,场景集中的场景数按下式确定:
n=nlnwinnpv
其中,n表示场景集中的场景数,nl表示削减后的负荷样本数,nwin表示削减后的风速样本数,npv表示削减后的光照强度样本数。
进一步包括模型构建模块,用于通过下式构建滚动优化模型:
其中,E表示预测周期内的配电网能量损耗期望,N表示采样时刻数,n表示场景数,m表示节点总数,Δt表示时间间隔,ps表示场景集中第s个场景的概率,Pi s,t表示t时刻第s个场景下节点i的网损,且 表示节点i注入的有功功率,表示节点i注入的有功负荷。
所述滚动优化模型还包括约束条件,所述约束条件包括潮流约束、电容器运行约束、负荷约束、节点电压约束、静止无功补偿器运行约束、可再生能源无功功率约束和燃气轮机有功功率约束。
所述潮流约束如下式:
其中,分别表示t时刻第s个场景下节点i注入的有功功率和无功功率, 分别表示t时刻第s个场景下节点i的有功负荷和无功负荷,表示t时刻第s个场景下节点i的相电压,表示t时刻第s个场景下节点j的相电压,θij表示Ui与Uj夹角,m表示节点数,Gij表示节点i和节点j的电导,Bij表示节点i和节点j的电纳;
所述电容器运行约束如下式:
其中,表示t时刻第s个场景下节点i所连接的电容器无功补偿功率,表示t时刻电容器的投入组数,NC表示电容器投入总组数,表示t-1时刻电容器的投入组数,q表示每组电容器的补偿功率,表示电容器动作次数限值;
所述负荷约束如下式:
其中,表示t时刻第s个场景下工业负荷的有功功率,表示t时刻第s个场景下工业负荷总值;μon表示工业负荷的激励潜力系数,μoff表示工业负荷的中断潜力系数;表示t时刻第s个场景下工业负荷的激励决策系数,表示t时刻第s个场景下工业负荷的中断决策系数,且满足 表示t时刻第s个场景下分布式电源的有功功率,表示t时刻第s个场景下负荷的有功功率;表示t时刻第s个场景下商业负荷的有功功率,表示t时刻第s个场景下商业负荷总值;μcut表示商业负荷的削减潜力系数,且满足 表示t时刻第s个场景下商业负荷的削减潜力系数限值;δs,t表示t时刻第s个场景下商业负荷的削减决策系数,且满足
所述节点电压约束如下式:
其中,表示第s个场景下节点i的电压幅值下限,表示第s个场景下节点i的电压幅值上限;
所述静止无功补偿器运行约束如下式:
其中,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率下限,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率上限;
所述可再生能源无功功率约束如下式:
其中,表示t时刻第s个场景下节点i注入的无功功率下限,表示t时刻第s个场景下节点i注入的无功功率上限;
所述燃气轮机有功功率约束如下式:
其中,表示t时刻第s个场景下节点i注入的有功功率下限,表示t时刻第s个场景下节点i注入的有功功率上限。
所述第三确定模块具体用于:
根据场景集和约束条件,并采用内点法和非线性互补法求解滚动优化模型,得到可控资源的最优控制变量。
进一步包括:
更新模块,用于在所述根据可控资源的最优控制变量控制可控资源之后,根据下一时刻的光照强度、风速和负荷的实际值对样本集的预测序列进行更新。
与最接近的现有技术相比,本发明提供的技术方案具有以下有益效果:
本发明提供的配电网可控资源协调优化控制方法中,先确定预测序列,并根据预测序列确定场景集;然后根据场景集,并通过预先构建的滚动优化模型确定可控资源的最优控制变量;最后根据可控资源的最优控制变量控制可控资源,实现可控资源协调优化控制,可控资源的最优控制变量能够满足实际需求,提高了配电网的安全性;
本发明提供的配电网可控资源协调优化控制装置包括第一确定模块、第二确定模块、第三确定模块和控制模块,其中的第一确定模块用于确定预测序列;第二确定模块根据预测序列确定场景集;第三确定模块用于根据场景集,并通过预先构建的滚动优化模型确定可控资源的最优控制变量;控制模块用于根据可控资源的最优控制变量控制可控资源,最终实现可控资源协调优化控制,可控资源的最优控制变量能够满足实际需求,提高了配电网的安全性;
本发明提供的技术方案采用滚动优化模型确定可控资源的最优控制变量,提高可控资源的利用率,消除了电压越限,使控制过程能够较好地应对可控资源的不确定性;
本发明提供的技术方案中滚动优化模型考虑的约束条件有潮流约束、电容器运行约束、负荷约束、节点电压约束、静止无功补偿器运行约束、可再生能源无功功率约束和燃气轮机有功功率约束,使得可控资源的最优控制变量这一优化结果准确性更高;
本发明提供的技术方案在根据可控资源的最优控制变量控制可控资源之后,还需要根据下一时刻的光照强度、风速和负荷的实际值对样本集的预测序列进行更新,构成闭环控制,有效解决随优化时间的增长导致预测精度显著下降问题。
附图说明
图1是本发明实施例中配电网可控资源协调优化控制方法流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明实施例1提供一种基于随机模型预测控制(Stochastic Model PredictiveControl,SMPC)的配电网可控资源协调优化控制方法,具体流程图如图1所示,具体过程如下:
S101:确定预测序列,并根据预测序列确定场景集;
S102:根据S101确定的场景集,并通过预先构建的滚动优化模型确定可控资源的最优控制变量;
S103:根据S102确定的可控资源的最优控制变量控制可控资源。
在S103之后,还可以根据下一时刻的光照强度、风速和负荷的实际值对样本集的预测序列进行更新,构成闭环控制,有效解决随优化时间的增长导致预测精度显著下降问题。
上述S101中根据自回归滑动平均模型确定预测序列,预测序列按下式确定:
其中,xt+k表示t+k时刻的光照强度、风速或负荷预测值;θ表示滑动平均系数;表示自回归系数;m为自然数,取1或2;k-m>0时,xt+k-m表示t+k-m时刻的光照强度、风速或负荷预测值,k-m≤0时,xt+k-m表示t+k-m时刻的光照强度、风速或负荷实际值;εt+k表示t+k时刻的预测误差随机变量,εt+k-1表示t+k-1时刻的预测误差随机变量,光照强度或负荷对应的εt+k和εt+k-1服从正态分布,风速对应的εt+k和εt+k-1服从Beta分布。
上述S101中,根据预测序列确定场景集的具体过程如下:
1、将风速、光照和负荷各自的概率分布进行拉丁超立方抽样,得到采样点对应的样本;具体过程如下:
将光照强度、风速和负荷各自的概率分布函数分别划分多个等概率区间;
选择每个概率区间的中点或区间内随机数作为采样点;
通过光照强度、风速和负荷各自的概率分布函数的逆变换得到采样点对应的样本。
2、根据采样点对应的样本,并采用同步回代削减法确定场景集;具体过程如下:
1)按下式确定相邻样本之间的最小距离:
dmin(xp(t),xq(t))=||xp(t)-xq(t)||2
其中,dmin(xp(t),xq(t))表示xp(t)和xq(t)之间的最小距离;xp(t)和xq(t)表示t时刻的样本值,xp(t)∈D,xq(t)∈D,p≠q,D表示样本集;
2)按下式确定xp(t)和xq(t)之间的概率距离:
Pp=pp×dmin(xp(t),xq(t))
其中,Pp表示xp(t)和xq(t)之间的概率距离,pp表示xp(t)发生的概率;
3)消去Pp最小值对应的xp(t),并根据pp按下式更新xq(t)发生的概率:
pq′=pp+pq
其中,pq′表示更新后的xq(t)发生的概率,pq表示更新前的xq(t)发生的概率;
4)重复上述过程,直至样本数满足要求;
5)根据样本得到场景集,场景集中的场景数按下式确定:
n=nlnwinnpv
其中,n表示场景集中的场景数,nl表示削减后的负荷样本数,nwin表示削减后的风速样本数,npv表示削减后的光照强度样本数。
上述S102中的滚动优化模型以预测周期内的配电网能量损耗期望最小为目标,通过下式构建:
其中,E表示预测周期内的配电网能量损耗期望,N表示采样时刻数,n表示场景数,m表示节点总数,Δt表示时间间隔,ps表示场景集中第s个场景的概率,Pi s,t表示t时刻第s个场景下节点i的网损,且 表示节点i注入的有功功率,表示节点i注入的有功负荷。
上述的滚动优化模型还包括约束条件,约束条件包括潮流约束、电容器运行约束、负荷约束、节点电压约束、静止无功补偿器运行约束、可再生能源无功功率约束和燃气轮机有功功率约束。分别如下:
1)潮流约束如下式:
其中,分别表示t时刻第s个场景下节点i注入的有功功率和无功功率, 分别表示t时刻第s个场景下节点i的有功负荷和无功负荷,表示t时刻第s个场景下节点i的相电压,表示t时刻第s个场景下节点j的相电压,θij表示Ui与Uj夹角,m表示节点数,Gij表示节点i和节点j的电导,Bij表示节点i和节点j的电纳;
2)电容器运行约束如下式:
其中,表示t时刻第s个场景下节点i所连接的电容器无功补偿功率,表示t时刻电容器的投入组数,NC表示电容器投入总组数,表示t-1时刻电容器的投入组数,q表示每组电容器的补偿功率,表示电容器动作次数限值;
3)负荷约束如下式:
其中,表示t时刻第s个场景下工业负荷的有功功率,表示t时刻第s个场景下工业负荷总值;μon表示工业负荷的激励潜力系数,μoff表示工业负荷的中断潜力系数;表示t时刻第s个场景下工业负荷的激励决策系数,表示t时刻第s个场景下工业负荷的中断决策系数,且满足 表示t时刻第s个场景下分布式电源的有功功率,表示t时刻第s个场景下负荷的有功功率;表示t时刻第s个场景下商业负荷的有功功率,表示t时刻第s个场景下商业负荷总值;μcut表示商业负荷的削减潜力系数,且满足 表示t时刻第s个场景下商业负荷的削减潜力系数限值;δs,t表示t时刻第s个场景下商业负荷的削减决策系数,且满足
4)节点电压约束如下式:
其中,表示第s个场景下节点i的电压幅值下限,表示第s个场景下节点i的电压幅值上限;
5)静止无功补偿器运行约束如下式:
其中,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率下限,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率上限;
6)可再生能源无功功率约束如下式:
其中,表示t时刻第s个场景下节点i注入的无功功率下限,表示t时刻第s个场景下节点i注入的无功功率上限;
7)燃气轮机有功功率约束如下式:
其中,表示t时刻第s个场景下节点i注入的有功功率下限,表示t时刻第s个场景下节点i注入的有功功率上限。
上述S102中,根据场景集,并通过预先构建的滚动优化模型确定可控资源的最优控制变量,具体过程如下:
根据场景集和约束条件,并采用内点法和非线性互补法求解滚动优化模型,得到可控资源的最优控制变量。
基于同一发明构思,本发明实施例还提供了一种配电网可控资源协调优化控制装置,这些设备解决问题的原理与配电网可控资源协调优化控制方法相似,本发明实施例提供的配电网可控资源协调优化控制装置包括第一确定模块、第二确定模块、第三确定模块和控制模块,下面对上述三个模块的功能进行详细介绍:
其中的第一确定模块,用于确定预测序列;
其中的第二确定模块,用于根据预测序列确定场景集;
其中的第三确定模块,用于根据场景集,并通过预先构建的滚动优化模型确定可控资源的最优控制变量;
其中的控制模块,用于根据可控资源的最优控制变量控制可控资源。
上述的第一确定模块按下式确定预测序列:
其中,xt+k表示t+k时刻的光照强度、风速或负荷预测值;θ表示滑动平均系数;表示自回归系数;m为自然数,取1或2;k-m>0时,xt+k-m表示t+k-m时刻的光照强度、风速或负荷预测值,k-m≤0时,xt+k-m表示t+k-m时刻的光照强度、风速或负荷实际值;εt+k表示t+k时刻的预测误差随机变量,εt+k-1表示t+k-1时刻的预测误差随机变量,光照强度或负荷对应的εt+k和εt+k-1服从正态分布,风速对应的εt+k和εt+k-1服从Beta分布。
上述的第二确定模块包括:
样本确定单元,用于将风速、光照和负荷各自的概率分布进行拉丁超立方抽样,得到采样点对应的样本;具体过程为:
将光照强度、风速和负荷各自的概率分布函数分别划分多个等概率区间,然后选择每个概率区间的中点或区间内随机数作为采样点,最后通过光照强度、风速和负荷各自的概率分布函数的逆变换得到采样点对应的样本。
场景集确定单元,用于根据采样点对应的样本,并采用同步回代削减法确定场景集,具体过程为:
1)按下式确定相邻样本之间的最小距离:
dmin(xp(t),xq(t))=||xp(t)-xq(t)||2
其中,dmin(xp(t),xq(t))表示xp(t)和xq(t)之间的最小距离;xp(t)和xq(t)表示t时刻的样本值,xp(t)∈D,xq(t)∈D,p≠q,D表示样本集;
2)按下式确定xp(t)和xq(t)之间的概率距离:
Pp=pp×dmin(xp(t),xq(t))
其中,Pp表示xp(t)和xq(t)之间的概率距离,pp表示xp(t)发生的概率;
3)消去Pp最小值对应的xp(t),并根据pp按下式更新xq(t)发生的概率:
pq′=pp+pq
其中,pq′表示更新后的xq(t)发生的概率,pq表示更新前的xq(t)发生的概率;
4)重复上述过程,直至样本数满足要求;
5)根据样本得到场景集,场景集中的场景数按下式确定:
n=nlnwinnpv
其中,n表示场景集中的场景数,nl表示削减后的负荷样本数,nwin表示削减后的风速样本数,npv表示削减后的光照强度样本数。
本发明实施例提供的装置进一步包括模型构建模块,用于通过下式构建滚动优化模型:
其中,E表示预测周期内的配电网能量损耗期望,N表示采样时刻数,n表示场景数,m表示节点总数,Δt表示时间间隔,ps表示场景集中第s个场景的概率,Pi s,t表示t时刻第s个场景下节点i的网损,且 表示节点i注入的有功功率,表示节点i注入的有功负荷。
上述的滚动优化模型还包括约束条件,约束条件包括潮流约束、电容器运行约束、负荷约束、节点电压约束、静止无功补偿器运行约束、可再生能源无功功率约束和燃气轮机有功功率约束,具体如下:
1)潮流约束如下式:
其中,分别表示t时刻第s个场景下节点i注入的有功功率和无功功率, 分别表示t时刻第s个场景下节点i的有功负荷和无功负荷,表示t时刻第s个场景下节点i的相电压,表示t时刻第s个场景下节点j的相电压,θij表示Ui与Uj夹角,m表示节点数,Gij表示节点i和节点j的电导,Bij表示节点i和节点j的电纳;
2)电容器运行约束如下式:
其中,表示t时刻第s个场景下节点i所连接的电容器无功补偿功率,表示t时刻电容器的投入组数,NC表示电容器投入总组数,表示t-1时刻电容器的投入组数,q表示每组电容器的补偿功率,表示电容器动作次数限值;
3)负荷约束如下式:
其中,表示t时刻第s个场景下工业负荷的有功功率,表示t时刻第s个场景下工业负荷总值;μon表示工业负荷的激励潜力系数,μoff表示工业负荷的中断潜力系数;表示t时刻第s个场景下工业负荷的激励决策系数,表示t时刻第s个场景下工业负荷的中断决策系数,且满足 表示t时刻第s个场景下分布式电源的有功功率,表示t时刻第s个场景下负荷的有功功率;表示t时刻第s个场景下商业负荷的有功功率,表示t时刻第s个场景下商业负荷总值;μcut表示商业负荷的削减潜力系数,且满足 表示t时刻第s个场景下商业负荷的削减潜力系数限值;δs,t表示t时刻第s个场景下商业负荷的削减决策系数,且满足
4)节点电压约束如下式:
其中,表示第s个场景下节点i的电压幅值下限,表示第s个场景下节点i的电压幅值上限;
5)静止无功补偿器运行约束如下式:
其中,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率下限,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率上限;
6)可再生能源无功功率约束如下式:
其中,表示t时刻第s个场景下节点i注入的无功功率下限,表示t时刻第s个场景下节点i注入的无功功率上限;
7)燃气轮机有功功率约束如下式:
其中,表示t时刻第s个场景下节点i注入的有功功率下限,表示t时刻第s个场景下节点i注入的有功功率上限。
上述的第三确定模块根据场景集和约束条件,并采用内点法和非线性互补法求解滚动优化模型,得到可控资源的最优控制变量。
本发明实施例提供的装置进一步包括更新模块,用于在所述根据可控资源的最优控制变量控制可控资源之后,根据下一时刻的光照强度、风速和负荷的实际值对样本集的预测序列进行更新。
为了描述的方便,以上所述装置的各部分以功能分为各种模块或单元分别描述。当然,在实施本申请时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。
Claims (20)
1.一种配电网可控资源协调优化控制方法,其特征在于,包括:
确定预测序列,并根据预测序列确定场景集;
根据场景集,并通过预先构建的滚动优化模型确定可控资源的最优控制变量;
根据可控资源的最优控制变量控制可控资源。
2.根据权利要求1所述的配电网可控资源协调优化控制方法,其特征在于,所述预测序列按下式确定:
其中,xt+k表示t+k时刻的光照强度、风速或负荷预测值;θ表示滑动平均系数;表示自回归系数;m为自然数,取1或2;k-m>0时,xt+k-m表示t+k-m时刻的光照强度、风速或负荷预测值,k-m≤0时,xt+k-m表示t+k-m时刻的光照强度、风速或负荷实际值;εt+k表示t+k时刻的预测误差随机变量,εt+k-1表示t+k-1时刻的预测误差随机变量,光照强度或负荷对应的εt+k和εt+k-1服从正态分布,风速对应的εt+k和εt+k-1服从Beta分布。
3.根据权利要求1所述的配电网可控资源协调优化控制方法,其特征在于,所述根据预测序列确定场景集,包括:
将风速、光照和负荷各自的概率分布进行拉丁超立方抽样,得到采样点对应的样本;
根据采样点对应的样本,并采用同步回代削减法确定场景集。
4.根据权利要求3所述的配电网可控资源协调优化控制方法,其特征在于,所述将进行拉丁超立方抽样,得到采样点对应的样本,包括:
将光照强度、风速和负荷各自的概率分布函数分别划分多个等概率区间;
选择每个概率区间的中点或区间内随机数作为采样点;
通过光照强度、风速和负荷各自的概率分布函数的逆变换得到采样点对应的样本。
5.根据权利要求3所述的配电网可控资源协调优化控制方法,其特征在于,所述根据采样点对应的样本,并采用同步回代削减法确定场景集,包括:
按下式确定相邻样本之间的最小距离:
dmin(xp(t),xq(t))=||xp(t)-xq(t)||2
其中,dmin(xp(t),xq(t))表示xp(t)和xq(t)之间的最小距离;xp(t)和xq(t)表示t时刻的样本值,xp(t)∈D,xq(t)∈D,p≠q,D表示样本集;
按下式确定xp(t)和xq(t)之间的概率距离:
Pp=pp×dmin(xp(t),xq(t))
其中,Pp表示xp(t)和xq(t)之间的概率距离,pp表示xp(t)发生的概率;
消去Pp最小值对应的xp(t),并根据pp按下式更新xq(t)发生的概率:
pq′=pp+pq
其中,pq′表示更新后的xq(t)发生的概率,pq表示更新前的xq(t)发生的概率;
重复上述过程,直至样本数满足要求;
根据样本得到场景集,场景集中的场景数按下式确定:
n=nlnwinnpv
其中,n表示场景集中的场景数,nl表示削减后的负荷样本数,nwin表示削减后的风速样本数,npv表示削减后的光照强度样本数。
6.根据权利要求1所述的配电网可控资源协调优化控制方法,其特征在于,所述滚动优化模型以预测周期内的配电网能量损耗期望最小为目标,通过下式构建:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mi>min</mi>
</mtd>
<mtd>
<mrow>
<mi>E</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>p</mi>
<mi>s</mi>
</msub>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,E表示预测周期内的配电网能量损耗期望,N表示采样时刻数,n表示场景数,m表示节点总数,Δt表示时间间隔,ps表示场景集中第s个场景的概率,表示t时刻第s个场景下节点i的网损,且 表示节点i注入的有功功率,表示节点i注入的有功负荷。
7.根据权利要求1所述的配电网可控资源协调优化控制方法,其特征在于,所述滚动优化模型还包括约束条件,所述约束条件包括潮流约束、电容器运行约束、负荷约束、节点电压约束、静止无功补偿器运行约束、可再生能源无功功率约束和燃气轮机有功功率约束。
8.根据权利要求7所述的配电网可控资源协调优化控制方法,其特征在于,所述潮流约束如下式:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>g</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>U</mi>
<mi>j</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<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>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>g</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>l</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>U</mi>
<mi>j</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<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>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,分别表示t时刻第s个场景下节点i注入的有功功率和无功功率, 分别表示t时刻第s个场景下节点i的有功负荷和无功负荷,表示t时刻第s个场景下节点i的相电压,表示t时刻第s个场景下节点j的相电压,θij表示Ui与Uj夹角,m表示节点数,Gij表示节点i和节点j的电导,Bij表示节点i和节点j的电纳;
所述电容器运行约束如下式:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>C</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>k</mi>
<mi>C</mi>
<mi>t</mi>
</msubsup>
<mo>&CenterDot;</mo>
<mi>q</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
<mo>|</mo>
<msubsup>
<mi>k</mi>
<mi>C</mi>
<mi>t</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>k</mi>
<mi>C</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>|</mo>
<mo>=</mo>
<msubsup>
<mi>k</mi>
<mi>C</mi>
<mi>lim</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,表示t时刻第s个场景下节点i所连接的电容器无功补偿功率,表示t时刻电容器的投入组数,NC表示电容器投入总组数,表示t-1时刻电容器的投入组数,q表示每组电容器的补偿功率,表示电容器动作次数限值;
所述负荷约束如下式:
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>l</mi>
<mn>1</mn>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&delta;</mi>
<mn>1</mn>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>o</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<msubsup>
<mi>&delta;</mi>
<mn>2</mn>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>o</mi>
<mi>f</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mn>1</mn>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
</mrow>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>l</mi>
<mn>2</mn>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>=</mo>
<mo>-</mo>
<msup>
<mi>&delta;</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msup>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>c</mi>
<mi>u</mi>
<mi>t</mi>
</mrow>
</msub>
<msubsup>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mn>2</mn>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
</mrow>
其中,表示t时刻第s个场景下工业负荷的有功功率,表示t时刻第s个场景下工业负荷总值;μon表示工业负荷的激励潜力系数,μoff表示工业负荷的中断潜力系数;表示t时刻第s个场景下工业负荷的激励决策系数,表示t时刻第s个场景下工业负荷的中断决策系数,且满足 表示t时刻第s个场景下分布式电源的有功功率,表示t时刻第s个场景下负荷的有功功率;表示t时刻第s个场景下商业负荷的有功功率,表示t时刻第s个场景下商业负荷总值;μcut表示商业负荷的削减潜力系数,且满足 表示t时刻第s个场景下商业负荷的削减潜力系数限值;δs,t表示t时刻第s个场景下商业负荷的削减决策系数,且满足所述节点电压约束如下式:
<mrow>
<munder>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mi>s</mi>
</msubsup>
<mo>&OverBar;</mo>
</munder>
<mo>&le;</mo>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&le;</mo>
<mover>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mi>s</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
</mrow>
其中,表示第s个场景下节点i的电压幅值下限,表示第s个场景下节点i的电压幅值上限;
所述静止无功补偿器运行约束如下式:
<mrow>
<munder>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>s</mi>
<mi>v</mi>
<mi>c</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</munder>
<mo>&le;</mo>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>s</mi>
<mi>v</mi>
<mi>c</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&le;</mo>
<mover>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>s</mi>
<mi>v</mi>
<mi>c</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</mover>
</mrow>
其中,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率下限,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率上限;
所述可再生能源无功功率约束如下式:
<mrow>
<munder>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>g</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</munder>
<mo>&le;</mo>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>g</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&le;</mo>
<mover>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>g</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</mover>
</mrow>
其中,表示t时刻第s个场景下节点i注入的无功功率下限,表示t时刻第s个场景下节点i注入的无功功率上限;
所述燃气轮机有功功率约束如下式:
<mrow>
<munder>
<msubsup>
<mi>P</mi>
<mrow>
<mi>g</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</munder>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>g</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&le;</mo>
<mover>
<msubsup>
<mi>P</mi>
<mrow>
<mi>g</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</mover>
</mrow>
其中,表示t时刻第s个场景下节点i注入的有功功率下限,表示t时刻第s个场景下节点i注入的有功功率上限。
9.根据权利要求7所述的配电网可控资源协调优化控制方法,其特征在于,所述根据场景集,并通过预先构建的滚动优化模型确定可控资源的最优控制变量,包括:
根据场景集和约束条件,并采用内点法和非线性互补法求解滚动优化模型,得到可控资源的最优控制变量。
10.根据权利要求1所述的配电网可控资源协调优化控制方法,其特征在于,所述根据可控资源的最优控制变量控制可控资源之后,包括:
根据下一时刻的光照强度、风速和负荷的实际值对样本集的预测序列进行更新,构成闭环控制,并重复之前过程,直至优化周期结束。
11.一种配电网可控资源协调优化控制装置,其特征在于,包括:
第一确定模块,用于确定预测序列;
第二确定模块,用于根据预测序列确定场景集;
第三确定模块,用于根据场景集,并通过预先构建的滚动优化模型确定可控资源的最优控制变量;
控制模块,用于根据可控资源的最优控制变量控制可控资源。
12.根据权利要求11所述的配电网可控资源协调优化控制装置,其特征在于,所述第一确定模块具体用于:
按下式确定预测序列:
其中,xt+k表示t+k时刻的光照强度、风速或负荷预测值;θ表示滑动平均系数;表示自回归系数;m为自然数,取1或2;k-m>0时,xt+k-m表示t+k-m时刻的光照强度、风速或负荷预测值,k-m≤0时,xt+k-m表示t+k-m时刻的光照强度、风速或负荷实际值;εt+k表示t+k时刻的预测误差随机变量,εt+k-1表示t+k-1时刻的预测误差随机变量,光照强度或负荷对应的εt+k和εt+k-1服从正态分布,风速对应的εt+k和εt+k-1服从Beta分布。
13.根据权利要求11所述的配电网可控资源协调优化控制装置,其特征在于,所述第二确定模块包括:
样本确定单元,用于将风速、光照和负荷各自的概率分布进行拉丁超立方抽样,得到采样点对应的样本;
场景集确定单元,用于根据采样点对应的样本,并采用同步回代削减法确定场景集。
14.根据权利要求13所述的配电网可控资源协调优化控制装置,其特征在于,所述样本确定单元具体用于:
将光照强度、风速和负荷各自的概率分布函数分别划分多个等概率区间,然后选择每个概率区间的中点或区间内随机数作为采样点,最后通过光照强度、风速和负荷各自的概率分布函数的逆变换得到采样点对应的样本。
15.根据权利要求13所述的配电网可控资源协调优化控制装置,其特征在于,所述场景集确定单元具体用于:
按下式确定相邻样本之间的最小距离:
dmin(xp(t),xq(t))=||xp(t)-xq(t)||2
其中,dmin(xp(t),xq(t))表示xp(t)和xq(t)之间的最小距离;xp(t)和xq(t)表示t时刻的样本值,xp(t)∈D,xq(t)∈D,p≠q,D表示样本集;
按下式确定xp(t)和xq(t)之间的概率距离:
Pp=pp×dmin(xp(t),xq(t))
其中,Pp表示xp(t)和xq(t)之间的概率距离,pp表示xp(t)发生的概率;
消去Pp最小值对应的xp(t),并根据pp按下式更新xq(t)发生的概率:
pq′=pp+pq
其中,pq′表示更新后的xq(t)发生的概率,pq表示更新前的xq(t)发生的概率;
重复上述过程,直至样本数满足要求;
根据样本得到场景集,场景集中的场景数按下式确定:
n=nlnwinnpv
其中,n表示场景集中的场景数,nl表示削减后的负荷样本数,nwin表示削减后的风速样本数,npv表示削减后的光照强度样本数。
16.根据权利要求11所述的配电网可控资源协调优化控制装置,其特征在于,进一步包括:
模型构建模块,用于通过下式构建滚动优化模型:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mi>min</mi>
</mtd>
<mtd>
<mrow>
<mi>E</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>p</mi>
<mi>s</mi>
</msub>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,E表示预测周期内的配电网能量损耗期望,N表示采样时刻数,n表示场景数,m表示节点总数,Δt表示时间间隔,ps表示场景集中第s个场景的概率,表示t时刻第s个场景下节点i的网损,且 表示节点i注入的有功功率,表示节点i注入的有功负荷。
17.根据权利要求11所述的配电网可控资源协调优化控制装置,其特征在于,所述滚动优化模型还包括约束条件,所述约束条件包括潮流约束、电容器运行约束、负荷约束、节点电压约束、静止无功补偿器运行约束、可再生能源无功功率约束和燃气轮机有功功率约束。
18.根据权利要求17所述的配电网可控资源协调优化控制装置,其特征在于,所述潮流约束如下式:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>g</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>U</mi>
<mi>j</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<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>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>g</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>l</mi>
<mo>.</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>U</mi>
<mi>j</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<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>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,分别表示t时刻第s个场景下节点i注入的有功功率和无功功率, 分别表示t时刻第s个场景下节点i的有功负荷和无功负荷,表示t时刻第s个场景下节点i的相电压,表示t时刻第s个场景下节点j的相电压,θij表示Ui与Uj夹角,m表示节点数,Gij表示节点i和节点j的电导,Bij表示节点i和节点j的电纳;
所述电容器运行约束如下式:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>C</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>k</mi>
<mi>C</mi>
<mi>t</mi>
</msubsup>
<mo>&CenterDot;</mo>
<mi>q</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
<mo>|</mo>
<msubsup>
<mi>k</mi>
<mi>C</mi>
<mi>t</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>k</mi>
<mi>C</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>|</mo>
<mo>=</mo>
<msubsup>
<mi>k</mi>
<mi>C</mi>
<mi>lim</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,表示t时刻第s个场景下节点i所连接的电容器无功补偿功率,表示t时刻电容器的投入组数,NC表示电容器投入总组数,表示t-1时刻电容器的投入组数,q表示每组电容器的补偿功率,表示电容器动作次数限值;
所述负荷约束如下式:
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>l</mi>
<mn>1</mn>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&delta;</mi>
<mn>1</mn>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>o</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<msubsup>
<mi>&delta;</mi>
<mn>2</mn>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>o</mi>
<mi>f</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mn>1</mn>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
</mrow>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>l</mi>
<mn>2</mn>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>=</mo>
<mo>-</mo>
<msup>
<mi>&delta;</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msup>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>c</mi>
<mi>u</mi>
<mi>t</mi>
</mrow>
</msub>
<msubsup>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mn>2</mn>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
</mrow>
其中,表示t时刻第s个场景下工业负荷的有功功率,表示t时刻第s个场景下工业负荷总值;μon表示工业负荷的激励潜力系数,μoff表示工业负荷的中断潜力系数;表示t时刻第s个场景下工业负荷的激励决策系数,表示t时刻第s个场景下工业负荷的中断决策系数,且满足 表示t时刻第s个场景下分布式电源的有功功率,表示t时刻第s个场景下负荷的有功功率;表示t时刻第s个场景下商业负荷的有功功率,表示t时刻第s个场景下商业负荷总值;μcut表示商业负荷的削减潜力系数,且满足 表示t时刻第s个场景下商业负荷的削减潜力系数限值;δs,t表示t时刻第s个场景下商业负荷的削减决策系数,且满足
所述节点电压约束如下式:
<mrow>
<munder>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mi>s</mi>
</msubsup>
<mo>&OverBar;</mo>
</munder>
<mo>&le;</mo>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&le;</mo>
<mover>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mi>s</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
</mrow>
其中,表示第s个场景下节点i的电压幅值下限,表示第s个场景下节点i的电压幅值上限;
所述静止无功补偿器运行约束如下式:
<mrow>
<munder>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>s</mi>
<mi>v</mi>
<mi>c</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</munder>
<mo>&le;</mo>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>s</mi>
<mi>v</mi>
<mi>c</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&le;</mo>
<mover>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>s</mi>
<mi>v</mi>
<mi>c</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</mover>
</mrow>
其中,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率下限,表示t时刻第s个场景下节点i所连接的静止无功补偿器的无功功率上限;
所述可再生能源无功功率约束如下式:
<mrow>
<munder>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>g</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</munder>
<mo>&le;</mo>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>g</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&le;</mo>
<mover>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>g</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</mover>
</mrow>
其中,表示t时刻第s个场景下节点i注入的无功功率下限,表示t时刻第s个场景下节点i注入的无功功率上限;
所述燃气轮机有功功率约束如下式:
<mrow>
<munder>
<msubsup>
<mi>P</mi>
<mrow>
<mi>g</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</munder>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>g</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&le;</mo>
<mover>
<msubsup>
<mi>P</mi>
<mrow>
<mi>g</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mrow>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>&OverBar;</mo>
</mover>
</mrow>
其中,表示t时刻第s个场景下节点i注入的有功功率下限,表示t时刻第s个场景下节点i注入的有功功率上限。
19.根据权利要求17所述的配电网可控资源协调优化控制装置,其特征在于,所述第三确定模块具体用于:
根据场景集和约束条件,并采用内点法和非线性互补法求解滚动优化模型,得到可控资源的最优控制变量。
20.根据权利要求11所述的配电网可控资源协调优化控制装置,其特征在于,进一步包括:
更新模块,用于在所述根据可控资源的最优控制变量控制可控资源之后,根据下一时刻的光照强度、风速和负荷的实际值对样本集的预测序列进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711235979.0A CN108011366B (zh) | 2017-11-30 | 2017-11-30 | 一种配电网可控资源协调优化控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711235979.0A CN108011366B (zh) | 2017-11-30 | 2017-11-30 | 一种配电网可控资源协调优化控制方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108011366A true CN108011366A (zh) | 2018-05-08 |
CN108011366B CN108011366B (zh) | 2023-10-20 |
Family
ID=62055328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711235979.0A Active CN108011366B (zh) | 2017-11-30 | 2017-11-30 | 一种配电网可控资源协调优化控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108011366B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109861291A (zh) * | 2019-03-15 | 2019-06-07 | 国网北京市电力公司 | 配电网的优化控制方法和装置 |
CN112767056A (zh) * | 2021-02-04 | 2021-05-07 | 腾讯科技(深圳)有限公司 | 业务数据预测方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105244890A (zh) * | 2015-08-27 | 2016-01-13 | 国网山东省电力公司经济技术研究院 | 新能源并网的无功优化方法 |
US20160043548A1 (en) * | 2013-08-15 | 2016-02-11 | Nec Laboratories America, Inc. | Rolling stochastic optimization based operation of distributed energy systems with energy storage systems and renewable energy resources |
CN106410861A (zh) * | 2016-11-04 | 2017-02-15 | 浙江工业大学 | 一种基于可调度能力的微电网优化运行实时控制方法 |
CN106786806A (zh) * | 2016-12-15 | 2017-05-31 | 国网江苏省电力公司南京供电公司 | 一种基于模型预测控制的配电网有功无功协调调控方法 |
-
2017
- 2017-11-30 CN CN201711235979.0A patent/CN108011366B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160043548A1 (en) * | 2013-08-15 | 2016-02-11 | Nec Laboratories America, Inc. | Rolling stochastic optimization based operation of distributed energy systems with energy storage systems and renewable energy resources |
CN105244890A (zh) * | 2015-08-27 | 2016-01-13 | 国网山东省电力公司经济技术研究院 | 新能源并网的无功优化方法 |
CN106410861A (zh) * | 2016-11-04 | 2017-02-15 | 浙江工业大学 | 一种基于可调度能力的微电网优化运行实时控制方法 |
CN106786806A (zh) * | 2016-12-15 | 2017-05-31 | 国网江苏省电力公司南京供电公司 | 一种基于模型预测控制的配电网有功无功协调调控方法 |
Non-Patent Citations (3)
Title |
---|
张颖等: "基于MPC含分布式光伏配电网有功功率―无功功率协调控制" * |
董雷等: "基于模型预测控制的主动配电网多时间尺度动态优化调度" * |
高亚静等: "考虑间歇性电源与负荷不确定性情况下 基于多场景技术的主动配电系统两步优化调度" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109861291A (zh) * | 2019-03-15 | 2019-06-07 | 国网北京市电力公司 | 配电网的优化控制方法和装置 |
CN112767056A (zh) * | 2021-02-04 | 2021-05-07 | 腾讯科技(深圳)有限公司 | 业务数据预测方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108011366B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arya | Automatic generation control of two-area electrical power systems via optimal fuzzy classical controller | |
CN110298138B (zh) | 一种综合能源系统优化方法、装置、设备及可读存储介质 | |
CN107317334B (zh) | 一种电力系统网架重构方法和装置 | |
Khadanga et al. | Hybrid adaptive ‘gbest’‐guided gravitational search and pattern search algorithm for automatic generation control of multi‐area power system | |
CN111092429B (zh) | 一种柔性互联配电网的优化调度方法、存储介质及处理器 | |
Dahiya et al. | Optimal sliding mode control for frequency regulation in deregulated power systems with DFIG-based wind turbine and TCSC–SMES | |
Hua et al. | Energy sharing and frequency regulation in energy network via mixed H 2/H∞ control with Markovian jump | |
CN103473393B (zh) | 一种考虑随机概率的输电裕度控制模型建模方法 | |
CN104584357A (zh) | 利用分布式能量源控制降低配电系统的损耗 | |
CN103904664B (zh) | 一种基于有效静态安全域的agc机组实时调度方法 | |
Guo et al. | Two‐stage optimal MPC for hybrid energy storage operation to enable smooth wind power integration | |
Mohagheghi et al. | Real-time optimal power flow under wind energy penetration-Part I: Approach | |
CN116345564A (zh) | 综合能源系统多时间尺度分布式协同优化调度方法及系统 | |
Chen et al. | Real-time optimal scheduling of large-scale electric vehicles: A dynamic non-cooperative game approach | |
CN104332985A (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 | |
Hu et al. | Deep reinforcement learning based coordinated voltage control in smart distribution network | |
CN108011366A (zh) | 一种配电网可控资源协调优化控制方法和装置 | |
CN115481856A (zh) | 考虑综合需求响应的综合能源系统多尺度调度方法及系统 | |
Kumar et al. | Model predictive controller-based voltage and frequency regulation in renewable energy integrated power system coordinated with virtual inertia and redox flow battery | |
CN103679284A (zh) | 一种消纳风电接入的定区间滚动调度方法 | |
Suthar et al. | Energy management platform for integrated battery‐based energy storage–solar PV system: a case study | |
CN105631549A (zh) | 主动配电网环境下的虚拟电厂分布式模型预测控制方法 | |
Lan et al. | Modeling and numerical analysis of stochastic optimal transmission switching with DCOPF and ACOPF | |
Ma et al. | Coordinated control of micro-grid based on distributed moving horizon control | |
López‐Santiago et al. | Optimal management of electric power in microgrids under a strategic multi‐objective decision‐making approach and operational proportional adjustment |
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 |