CN108493939A - 一种基于最优潮流的空调负荷优化调度方法 - Google Patents
一种基于最优潮流的空调负荷优化调度方法 Download PDFInfo
- Publication number
- CN108493939A CN108493939A CN201810182567.3A CN201810182567A CN108493939A CN 108493939 A CN108493939 A CN 108493939A CN 201810182567 A CN201810182567 A CN 201810182567A CN 108493939 A CN108493939 A CN 108493939A
- Authority
- CN
- China
- Prior art keywords
- optimal
- load flow
- formula
- function
- optimization
- 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.)
- Withdrawn
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000004888 barrier function Effects 0.000 claims abstract description 3
- 230000000694 effects Effects 0.000 claims description 5
- 230000000295 complement effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 11
- 238000012804 iterative process Methods 0.000 description 4
- 239000000446 fuel Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/04—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
- H02J3/38—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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- H02J3/50—Controlling the sharing of the out-of-phase component
-
- 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]
Abstract
本发明提出了一种基于最优潮流的空调负荷优化调度方法,包括以下步骤:S1:确定最优潮流简化为非线性优化模型:S2:把目标函数改造成障碍函数,该函数在可行域内应接近于原函数f(x),而在边界时变得很大,一次可得带优化问题B;S3:优化问题B的拉格朗日目标函数,使用内点法具有其优越的性能,特别是路径跟踪法,其算法收敛迅速,鲁棒性强,对初值的选择不敏感,其迭代次数与系统规模或控制变量的数目关系不大,将计算过程大大简化,因此采用该方法进行最优计算。
Description
技术领域
本发明涉及电力系统领域,尤其涉及一种基于最优潮流的空调负荷优化调度 方法。
背景技术
电力系统最优潮流,简称OPF(Optimal Power Flow)。OPF问题是一个复 杂的非线性规划问题,要求满足待定的电力系统运行和安全约束条件下,通过调 整系统中可利用控制手段实现预定目标最优的系统稳定运行状态,电力系统最优 潮流算法大致可以分为两类:经典算法和智能算法。其中经典算法主要是指以简 化梯度法、牛顿法、内点法和解耦法为代表的基于线性规划和非线性规划以及解 耦原则的算法,是研究最多的最优潮流算法,这类算法的特点是以一阶或二阶梯 度作为寻找最优解的主要信息。智能算法主要是指遗传算法和模拟退火发等,这 类算法的特点是不以梯度作为寻优信息,属于非导数的优化方法。
因此经典算法的优点是能按目标函数的导数信息确定搜索方向,计算速度快, 算法比较成熟,结果可信度高。缺点是对目标函数及约束条件有一定的限制,可 能出现局部极小时难以收敛。而智能算法的优点是计算与导数无关,灵活性高, 随机性强,缺点是算法不稳定,结果不可信,并且控制参数需凭经验给出。
发明内容
为解决上述技术问题,本发明提出了一种基于最优潮流的空调负荷优化调度 方法,包括以下步骤:
S1:确定最优潮流简化为非线性优化模型:
obj.minuf(x,u) (1-1)
s.t.h(x,u)=0 (1-2)
g-≤g(x,u)≤g- (1-3)
其中minuf(x,u)为优化的目标函数,h(x,u)=0为等式约束,g(x,u)为不等 式约束,路径跟踪内点法的基本思路是:首先将式(1-3)的不等约束变成 等式约束:
g(x,u)+u=g- (1-4)
g(x,u)-l=g- (1-5)
其中松弛变量l=[l1,…,lr]T,u=[u1,…,ur]T,应满足u>0,l>0。
这样原问题就转化为问题A:
obj.minu f(x,u) (8-6)
S2:把目标函数改造成障碍函数,该函数在可行域内应接近于原函数f(x), 而在边界时变得很大。一次可得带优化问题B:
其中扰动因子或者障碍因子u>0。当l或u接近边界时,以上函数将趋于无 穷大,因此满足以上障碍目标函数的极小解不可能在边界上找到;这样就通过目 标函数的变化把含不等式限制的优化问题A变成只含等式限制优化的问题B了, 因此可以直接用拉格朗日乘子法来求解;
S3:优化问题B的拉格朗日目标函数为:
式中:y,z和w均为拉格朗日乘子;
最后简化的求解问题就是求取上述表达式的极小解。
优选的,潮流计算的方法为:
A1:初始化;
A2:计算互补间隙Gap;
A3:判定Gap<0,则判定输出最优解,若Gap>0,则计算扰乱因子μ;
A4:求解修正方程,求出Δz,Δl,Δw,Δu,Δx,Δy;
A5:计算计算ap和ad;
A6:更新原始变量及拉格朗日乘子,得出结论。
优选的,所述初始化包括以下步骤:
a1:设置松弛变量l和u,保证[l,u]T>0;
a2:设置拉格朗日乘子y,z和w,满足[w<0,z>0,y≠0]T;
a3:设置优化问题的初值;
a4:取中心参数σ∈(0,1),给定计算精度,迭代次数初值K=0。
优选的,所述计算拉格朗日极小值的步骤:
拉格朗日函数对所有变量及乘子的偏导数为0,即:
通过上述表达式可以解出:
定义:Gap=lTz-uTw,称为互补间隙。可得:
如果x*是优化问题A的最优解,当u固定时,x(u)是优化问题B的解,那么 当Gap→0,u→0时,产生的序列{x(u)}收敛至x*;
建议采用:式中σ∈(0,1)称为中心参数,一般取0.1,在大多数 场合可获得较好的收敛效果;
通过偏导数为0的表达式可以可得内点法的修正方程为:
求解方程可得到第k次迭代的修正量,于是最优解的一个新的近似解为:
式中,ap和ad为步长:
本发明提出的基于最优潮流的空调负荷优化调度方法以下有益效果:内点法 具有其优越的性能,特别是路径跟踪法,其算法收敛迅速,鲁棒性强,对初值的 选择不敏感,其迭代次数与系统规模或控制变量的数目关系不大,将计算过程大 大简化,因此采用该方法进行最优计算。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需 要使用的附图作简单地介绍。
图1为本发明的内点法潮流计算流程图;
图2为本发明的实施例示意图;
图3为节点系统最优潮流内点法收敛特性;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、 完整地描述。
实施例
本实施例使用上述方法,对图2中提供的系统母线负荷功率数据、线路参数 和变压器之路参数数据、变压器便比数据,进行计算
以下顺序给出了线路传输功率边界(表1-1),发电机有功无功出力上下界 和燃料耗费曲线参数(表1-2)。若不作特殊说明,所有数据都是以标幺值形 式给出,功率基准值为100MVA,母线电压上下界分别为1.1和0.9。
表1-1线路传输功率边界
表1-2发电机数据
程序实现过程
针对上述系统,首先我们先列写出该算例的数学模型和有关计算公式。在该 算例中,共有5个节点,相应的状态量为:
系统中有2台发电机,没有其他无功源,因此控制变量为:
应该指出,此处发电机和无功源的编号与及诶单编号无关,是独立编号的。 这是因为系统中一个节点可能接有多台发电机的缘故。因此系统中总变量共有 14个:
x={PG1 QG1 PG2 QG2 θ1 V1 θ2 V2 θ3 V3 θ4 V4 θ5 V5}
(1-19)
最优潮流的数学模型为:
目标函数:
min.(a21PG1^2+a11PG1+a01)+(a22PG2^2+a12PG2+a02) (1-20)
约束条件:
每个节点有两个潮流方程,共有10个等式约束条件,对非发电机而言:
对发电机节点:
式中:k∈i表示第k台发电机接在节点i上。
不等式约束共有14个条件,分别是:
根据以上模型可以形成修正方程。该方程包括形成等式左边的系数矩阵和等 式右边的常数项两部分。
1、形成系数矩阵
1)、等式约束的雅克比矩阵
等式右端包括3个子矩阵:
其中:
其中:
式中:i为发电机的序号;j为节点号;(i∈j)表示第i台发电机是在节点j 上的。
潮流计算中的雅克比矩阵为:
2)、不等式约束的雅克比矩阵
式中:g1、g2、g3和g4依次表示电源有功出力的上下界约束,无功电源出 力的上下界约束,节点电压赋值的上下界约束和线路潮流约束。
式中:第2·i行i列元素为1,其他元素均为0。
3)、对角矩阵
4)、海森伯矩阵
这是最复杂的部分,共包含四项。有上述推导已经可以得到其中的第四项为:
其余三项是:目标函数的海森伯矩阵等式约束海森伯矩阵与拉格 朗日乘子y的乘积和不等式约束海森伯矩阵与拉格朗日乘子z+w的乘 积
2、形成常数项
Ly,Lz,Lw,均可根据定义直接求得。L'x可以表示为:
当知道目标函数梯度矢量
之后,再根据以上等式和不等式约束的雅克比矩阵公式就可以求得L'x。
运行结果分析
以下对该算例的寻优过程用数字加以说明,设4、5节点发电机均能有算法 调节其出力。在初始化过程中各变量初值根据实际问题自行设置的,我们给出所 用变量的处置如下:节点电压Vi=1,θi=0(i=1,2,3,4);平衡节点Vi=1.05,θi=0; 发电机出力有功取其边界值;松弛因子li=1,ui=1,当收敛条件ε=10-6时,需要 迭代进行23次。
表1-3迭代过程中各节点电压增量的变化情况
表1-4迭代过程中各节点相角增量的变化情况
表1-5迭代过程中有功源有功、无功源无功增量的变化情况
将各次迭代过程中Gap变化情况绘制成曲线,可以显示出路劲跟踪法最优 潮流计算的收敛特性,如图3所示:
将最优潮流计算的结果和普通潮流计算结果进行比较,其中PF表示为普通 潮流计算。普通潮流计算中,发电机不会调节其出力。即4节点为PQ节点,5 节点为平衡节点。见表1-6和表1-7。从表中可以看出,由于4机组比5机组的 燃料曲线系数小,因此4机组有功出力增加,5机组有功出力减少。同时系统的 网损、无功功率都有所增加。这是由于要将1节点电压抬高至其下界以满足不等 式约束的要求而产生的副作用。但是网损的增加并不影响目标函数的优化。整个 系统的燃料费用与不优化的潮流计算相比仍然减少了243.76$。
表1-6各有功源有功和无功源无功出力
表1-7各节点电压向量
Claims (4)
1.一种基于最优潮流的空调负荷优化调度方法,其特征在于,包括以下步骤:
S1:确定最优潮流简化为非线性优化模型:
obj.minuf(x,u) (8-1)
s.t.h(x,u)=0 (8-2)
g_≤g(x,u)≤g- (8-3)
其中minuf(x,u)为优化的目标函数,h(x,u)=0为等式约束,g(x,u)为不等式约束,路径跟踪内点法的基本思路是:首先将式(8-3)的不等约束变成等式约束:
g(x,u)+u=g- (8-4)
g(x,u)-l=g_ (8-5)
其中松弛变量l=[l1,…,lr]T,u=[u1,…,ur]T,应满足u>0,l>0。
这样原问题就转化为问题A:
obj.minuf(x,u) (8-6)
h(x)=0
g(x)-l=g
S2:把目标函数改造成障碍函数,该函数在可行域内应接近于原函数f(x),而在边界时变得很大。一次可得带优化问题B:
其中扰动因子或者障碍因子u>0。当l或u接近边界时,以上函数将趋于无穷大,因此满足以上障碍目标函数的极小解不可能在边界上找到;这样就通过目标函数的变化把含不等式限制的优化问题A变成只含等式限制优化的问题B了,因此可以直接用拉格朗日乘子法来求解;
S3:优化问题B的拉格朗日目标函数为:
式中:y,z和w均为拉格朗日乘子;
最后简化的求解问题就是求取上述表达式的极小解。
2.根据权利要求1所述的基于最优潮流的空调负荷优化调度方法,其特征在于,潮流计算的方法为:
A1:初始化;
A2:计算互补间隙Gap;
A3:判定Gap<0,则判定输出最优解,若Gap>0,则计算扰乱因子μ;
A4:求解修正方程,求出Δz,Δl,Δw,Δu,Δx,Δy;
A5:计算计算ap和ad;
A6:更新原始变量及拉格朗日乘子,得出结论。
3.根据权利要求1所述的基于最优潮流的空调负荷优化调度方法,其特征在于,所述初始化包括以下步骤:
a1:设置松弛变量l和u,保证[l,u]T>0;
a2:设置拉格朗日乘子y,z和w,满足[w<0,z>0,y≠0]T;
a3:设置优化问题的初值;
a4:取中心参数σ∈(0,1),给定计算精度,迭代次数初值K=0。
4.根据权利要求1所述的基于最优潮流的空调负荷优化调度方法,其特征在于,所述计算拉格朗日极小值的步骤:
拉格朗日函数对所有变量及乘子的偏导数为0,即:
通过上述表达式可以解出:
定义:Gap=lTz-uTw,称为互补间隙。可得:
如果x*是优化问题A的最优解,当u固定时,x(u)是优化问题B的解,那么当Gap→0,u→0时,产生的序列{x(u)}收敛至x*;
建议采用:式中σ∈(0,1)称为中心参数,一般取0.1,在大多数场合可获得较好的收敛效果;
通过偏导数为0的表达式可以可得内点法的修正方程为:
求解方程可得到第k次迭代的修正量,于是最优解的一个新的近似解为:
式中,ap和ad为步长:
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810182567.3A CN108493939A (zh) | 2018-03-06 | 2018-03-06 | 一种基于最优潮流的空调负荷优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810182567.3A CN108493939A (zh) | 2018-03-06 | 2018-03-06 | 一种基于最优潮流的空调负荷优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108493939A true CN108493939A (zh) | 2018-09-04 |
Family
ID=63341533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810182567.3A Withdrawn CN108493939A (zh) | 2018-03-06 | 2018-03-06 | 一种基于最优潮流的空调负荷优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108493939A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111628509A (zh) * | 2019-02-27 | 2020-09-04 | 中国电力科学研究院有限公司 | 一种配电网的无功优化方法和装置 |
CN112861315A (zh) * | 2021-01-11 | 2021-05-28 | 广西大学 | 一种电力系统非凸单目标最优潮流全局解的一维下降搜索法 |
WO2023051101A1 (zh) * | 2021-09-29 | 2023-04-06 | 株式会社日立制作所 | 电力管理系统的优化方法及装置 |
-
2018
- 2018-03-06 CN CN201810182567.3A patent/CN108493939A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111628509A (zh) * | 2019-02-27 | 2020-09-04 | 中国电力科学研究院有限公司 | 一种配电网的无功优化方法和装置 |
CN111628509B (zh) * | 2019-02-27 | 2023-11-03 | 中国电力科学研究院有限公司 | 一种配电网的无功优化方法和装置 |
CN112861315A (zh) * | 2021-01-11 | 2021-05-28 | 广西大学 | 一种电力系统非凸单目标最优潮流全局解的一维下降搜索法 |
CN112861315B (zh) * | 2021-01-11 | 2022-11-01 | 广西大学 | 一种电力系统非凸单目标最优潮流全局解的一维下降搜索法 |
WO2023051101A1 (zh) * | 2021-09-29 | 2023-04-06 | 株式会社日立制作所 | 电力管理系统的优化方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wong et al. | Optimal placement and sizing of battery energy storage system for losses reduction using whale optimization algorithm | |
Li et al. | Multiagent-based distributed state of charge balancing control for distributed energy storage units in AC microgrids | |
Li et al. | A distributed coordination control based on finite-time consensus algorithm for a cluster of DC microgrids | |
CN107579543B (zh) | 一种基于分层控制策略的孤岛微电网分布式协调控制方法 | |
CN108075487B (zh) | 自适应下垂和一致性相结合的孤岛微电网的分层控制方法 | |
CN108493939A (zh) | 一种基于最优潮流的空调负荷优化调度方法 | |
Nguyen et al. | Improved firefly algorithm: a novel method for optimal operation of thermal generating units | |
Yang et al. | A distributed cooperative control algorithm for optimal power flow and voltage regulation in DC power system | |
CN103280821A (zh) | 智能配电系统多时段动态无功优化方法 | |
CN108320080B (zh) | 基于两层一致性算法的能源互联网实时动态功率分配方法 | |
CN112636331B (zh) | 智能电网的动态经济调度分布式优化方法及系统 | |
CN108539797B (zh) | 一种考虑经济性的孤岛微电网二次频率和电压控制方法 | |
CN110120670A (zh) | 含dpv配电网无功电压优化方法、终端设备及存储介质 | |
Swain et al. | Design of static synchronous series compensator based damping controller employing real coded genetic algorithm | |
CN104037761A (zh) | 一种agc功率多目标随机优化分配方法 | |
CN107579525A (zh) | 一种可计算完备潮流信息的冷启动线性化最优潮流计算方法 | |
Gouadria et al. | Comparison between self-tuning fuzzy PID and classic PID controllers for greenhouse system | |
Gebbran et al. | Multiperiod DER coordination using ADMM-based three-block distributed AC optimal power flow considering inverter volt-var control | |
Najeeb et al. | An optimal LFC in two-area power systems using a meta-heuristic optimization algorithm | |
CN112467748A (zh) | 三相不平衡主动配电网双时标分布式电压控制方法及系统 | |
CN109494750B (zh) | 一种高中压配电网的分层分布式电压优化控制方法 | |
CN110556878A (zh) | 一种应用于风电场的分散式电压控制优化方法及系统 | |
CN105743131A (zh) | 计及线路损耗的微电网分布式有功功率经济分配方法 | |
CN105470976A (zh) | 一种稳态条件下svc和tcsc的协调配置方法 | |
CN104753066B (zh) | 一种基于参数拟合的主动配电网馈线的电压控制方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180904 |
|
WW01 | Invention patent application withdrawn after publication |