CN108599277B - 一种提升运行安全的智能配电网鲁棒优化方法 - Google Patents

Abstract

本发明公开了一种提升运行安全的智能配电网鲁棒优化方法，步骤如下：S1，建立电网调度员独立决策优化模型；网络损耗为电网经济性的重要指标，反映分布式电源接入后电网的节能效果，以网络损耗最小为目标函数；S2，建立大自然独立决策优化模型；为求解鲁棒优化调度策略，认为大自然作为博弈的参与者在决策变量固定的条件下，将调节所有分布式可再生能源有功出力，试图让系统运行状态恶化；S3，博弈求解获得均衡点；博弈过程为电网调度员和大自然作为参与者在各自的优化模型独自优化中逐步达到均衡。本发明最小化了网络损耗标准差和系统可能的安全越限次数，避免了分布式电源不确定性带来的极端恶劣影响，保证了系统的运行安全性。

Description

一种提升运行安全的智能配电网鲁棒优化方法

技术领域

本发明属于配电网技术领域，特别涉及一种提升运行安全的智能配电网鲁棒优化方法。

背景技术

分布式电源不论在经济上，还是在技术上皆存在其优点，其中经济方面具有投资小，延缓电网设备投资建设的优点；技术方面，分布式电源的接入可以实现配电网负荷功率的就地补偿，减少由大电网流入负荷的线路潮流，进而减小了网络损耗，且现有广泛接入的分布式风机和分布式光伏还具备零排放、环保的特点。但是随着大量分布式可再生能源的涌现，在带来巨大经济效益和环境效益同时也因为可再生能源随机、间歇、波动、难以控制的特点给配电网运行控制带来了挑战。

配电网优化控制的本质是在确保绿色可再生能源最大化利用的场景下，对配电网进行主动管理与统筹协调，实现配网的经济性最优。现有存在的很多文献大多考虑在分布式电源出力随机性条件下如何实现配电网经济性最优，然而分布式电源的接入同样有可能对配电网安全性带来不利影响，目前，基于运行鲁棒性的配电网调度优化问题还少有研究。

发明内容

针对上述现有技术中描述的不足，本发明提供一种提升运行安全的智能配电网鲁棒优化方法，通过电网调度员与大自然的博弈实现分布式发电随机出力条件下的鲁棒优化，分别建立两者独自决策阶段的锥优化模型，通过两个优化模型的反复迭代，得到博弈过程的均衡点。

为解决上述技术问题，本发明所采用的技术方案如下：

一种提升运行安全的智能配电网鲁棒优化方法，步骤如下：

S1，建立电网调度员独立决策优化模型。

网络损耗为电网经济性的重要指标，反映分布式电源接入后电网的节能效果，以网络损耗最小为目标函数。

S1.1，构建电网调度员作为参与者的目标函数：

式中：P_k为支路k末端流过的有功功率，Q_k为支路k末端流过的无功功率；r_k为支路k的电阻值；U_k为支路k的末端电压；n_b为支路数目；P_loss为网络损耗。

S1.2，构造电网调度员作为参与者的目标函数的约束条件。

S1.2.1，构造系统潮流约束：

式中：P_Gi，Q_Gi分别为节点i的分布式电源有功与无功注入功率；G_ij、B_ij和θ_ij分别为节点i、j之间的电导、电纳和电压相角差。

S1.2.2，构造分布式可再生能源有功出力约束：

式中：

表示节点i的分布式可再生能源预测有功出力的下限值，P_i ^NDG表示节点i的分布式可再生能源预测有功出力值，

表示节点i的分布式可再生能源预测有功出力的上限值。

S1.2.3，构造所有DG无功出力约束：

式中：

表示节点i的分布式可再生能源预测无功出力的下限值，Q_i ^DG表示节点i的分布式可再生能源预测无功出力值，

表示节点i的分布式可再生能源预测有功出力的上限值。

S1.2.4，构造无功补偿量约束：

式中：

表示节点i处配置的无功补偿容量的范围的下限值，Q_i ^C表示节点i处配置的无功补偿容量，

表示节点i处配置的无功补偿容量的范围的上限值。

S2，建立大自然独立决策优化模型；

为求解鲁棒优化调度策略，认为大自然作为博弈的参与者在决策变量固定的条件下，将调节所有分布式可再生能源有功出力，试图让系统运行状态恶化。

S2.1，将风速的预测区间转换为DG的出力区间：

式中，P_w为风电出力；v为给定风速；v_ci为切入风速；v_co为切出风速；v_r为额定风速；P_r为风机额定功率；

S2.2，将光照强度的预测区间转换为DG的出力区间：

P_PV＝P_STCG_C/G_STC (7)；

式中，P_PV为光伏出力；P_STC为光伏阵列的额定功率；G_C为工作点的光照强度；G_STC为标准额定条件下的光照强度；

S2.3，构造大自然作为参与者的目标函数：

max(S_V+S_OR) (8)；

式中，S_V为电压越限风险，计算公式为：

其中，V_i表示节点i的电压；V_S表示电压标准值；

S_OR为线路过载风险，计算公式为：

其中，I_k表示支路k的电流；I_k,max表示支路k允许流过电流的最大值；

S2.4，构造大自然作为参与者的约束条件：

S2.4.1，系统潮流约束：

式中：P_Gi，Q_Gi分别为节点i的分布式电源有功与无功注入功率；G_ij、B_ij和θ_ij分别为节点i、j之间的电导、电纳和电压相角差；

S2.4.2，分布式可再生能源有功出力约束：

式中，

分别是节点i的分布式可再生能源预测有功出力的下、上限值；P_i ^RDG为节点i的分布式可再生能源预测有功出力值。

S3，博弈求解获得均衡点。

博弈过程为电网调度员和大自然作为参与者在各自的优化模型独自优化中逐步达到均衡，求解过程如下：

S3.1，获取负荷预测区间和分布式电源出力预测区间，在预测区间内随机初始化分布式可再生能源有功出力P^RDG；

S3.2，保持P^RDG不变，求解电网调度员作为参与者的目标函数，得到网络损耗最小时的决策变量S^DV，所述决策变量S^DV包括非分布式可再生能源有功出力、所有DG无功出力和无功补偿量；

S3.3，保持S^DV不变，求解大自然作为参与者的目标函数，得到安全性最差时的分布式可再生能源出力P^RDG'；

S3.4，若P^RDG'≠P^RDG，令P^RDG＝P^RDG'，进入S3.2，开始下一回合的博弈；若P^RDG'＝P^RDG，则结束博弈，输出系统的Nash均衡点。

本发明通过电网调度员与大自然的博弈实现分布式发电随机出力条件下的鲁棒优化，分别建立两者独自决策阶段的锥优化模型，通过两个优化模型的反复迭代，得到博弈过程的均衡点。本发明最小化了网络损耗标准差和系统可能的安全越限次数，避免了分布式电源不确定性带来的极端恶劣影响，保证了系统的运行安全性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的风速、光照强度和负荷的预测曲线图。

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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种提升运行安全的智能配电网鲁棒优化方法，步骤如下：

S1，建立电网调度员独立决策优化模型。

网络损耗为电网经济性的重要指标，反映分布式电源接入后电网的节能效果，以网络损耗最小为目标函数。

S1.1，构建电网调度员作为参与者的目标函数：

式中：P_k为支路k末端流过的有功功率，Q_k为支路k末端流过的无功功率；r_k为支路k的电阻值；U_k为支路k的末端电压；n_b为支路数目；P_loss为网络损耗。

S1.2，构造电网调度员作为参与者的目标函数的约束条件。

S1.2.1，构造系统潮流约束：

式中：P_Gi，Q_Gi分别为节点i的分布式电源有功与无功注入功率；G_ij、B_ij和θ_ij分别为节点i、j之间的电导、电纳和电压相角差。

S1.2.2，构造分布式可再生能源有功出力约束：

式中：

表示节点i的分布式可再生能源预测有功出力的下限值，P_i ^NDG表示节点i的分布式可再生能源预测有功出力值，

表示节点i的分布式可再生能源预测有功出力的上限值。

S1.2.3，构造所有DG无功出力约束：

式中：

表示节点i的分布式可再生能源预测无功出力的下限值，Q_i ^DG表示节点i的分布式可再生能源预测无功出力值，

表示节点i的分布式可再生能源预测有功出力的上限值。

S1.2.4，构造无功补偿量约束：

式中：

表示节点i处配置的无功补偿容量的范围的下限值，Q_i ^C表示节点i处配置的无功补偿容量，

表示节点i处配置的无功补偿容量的范围的上限值。

S2，建立大自然独立决策优化模型；

为求解鲁棒优化调度策略，认为大自然作为博弈的参与者在决策变量固定的条件下，将调节所有分布式可再生能源有功出力，试图让系统运行状态恶化。

S2.1，将风速的预测区间转换为DG的出力区间：

式中，P_w为风电出力；v为给定风速；v_ci为切入风速；v_co为切出风速；v_r为额定风速；P_r为风机额定功率；

S2.2，将光照强度的预测区间转换为DG的出力区间：

P_PV＝P_STCG_C/G_STC (7)；

式中，P_PV为光伏出力；P_STC为光伏阵列的额定功率；G_C为工作点的光照强度；G_STC为标准额定条件下的光照强度；

S2.3，构造大自然作为参与者的目标函数：

max(S_V+S_OR) (8)；

式中，S_V为电压越限风险，计算公式为：

其中，V_i表示节点i的电压；V_S表示电压标准值；

S_OR为线路过载风险，计算公式为：

其中，I_k表示支路k的电流；I_k,max表示支路k允许流过电流的最大值；

S2.4，构造大自然作为参与者的约束条件：

S2.4.1，系统潮流约束：

式中：P_Gi，Q_Gi分别为节点i的分布式电源有功与无功注入功率；G_ij、B_ij和θ_ij分别为节点i、j之间的电导、电纳和电压相角差；

S2.4.2，分布式可再生能源有功出力约束：

式中，

分别是节点i的分布式可再生能源预测有功出力的下、上限值；P_i ^RDG为节点i的分布式可再生能源预测有功出力值。

S3，博弈求解获得均衡点。

博弈过程为电网调度员和大自然作为参与者在各自的优化模型独自优化中逐步达到均衡，求解过程如下：

S3.1，获取负荷预测区间和分布式电源出力预测区间，在预测区间内随机初始化分布式可再生能源有功出力P^RDG；

S3.2，保持P^RDG不变，求解电网调度员作为参与者的目标函数，得到网络损耗最小时的决策变量S^DV，所述决策变量S^DV包括非分布式可再生能源有功出力、所有DG无功出力和无功补偿量；

S3.3，保持S^DV不变，求解大自然作为参与者的目标函数，得到安全性最差时的分布式可再生能源出力P^RDG'；

S3.4，若P^RDG'≠P^RDG，令P^RDG＝P^RDG'，进入S3.2，开始下一回合的博弈；若P^RDG'＝P^RDG，则结束博弈，输出系统的Nash均衡点。

下面对本发明的理念进行说明

1配电网中的博弈行为

设N＝{1,2,…,n}为参与者的集合，设X_i是参与者i的策略集，且

当参与者i选择策略x_i∈X_i时，i＝1,2,…n，参与者i得到的支付为f_i(x₁,x₂,…x_n)。

记

其中

如果存在

使i∈N，有

则称x^*为n个参与者非合作博弈的Nash均衡点。在均衡点处，每个参与者单独改变自己的策略都不能使自己所获得的收益增大。

在配电网优化控制问题中，由于目前还无法对分布式可再生能源有功出力做出准确预测，其出力大小完全决定于大自然的风速以及光照强度的大小。因此引入大自然作为参与者，其控制的对象为分布式可再生能源的有功出力。而分布式可再生能源的接入将给配电网带来两方面的影响。一方面，当分布式可再生能源有功出力处于一定的波动范围内，对于降低网络损耗、提升供电质量具有重要作用；另一方面，当分布式可再生能源有功出力波动幅度过大，反而可能使安全约束越限，给电网带来冲击。为此，以节点电压的偏移量和支路电流的越限程度作为大自然的支付函数：

式中，S_V表示电压越限风险；V_i表示节点i的电压；V_S表示电压标准值。

式中，S_OR表示线路过载风险；I_l表示支路l的电流；I_l,max表示支路l允许流过电流的最大值。

电网调度员作为优化控制问题中的另一参与者，将调用一切可控资源，使电网收益达到最大。这样就形成了大自然和电网调度员相互博弈的场景。在一个博弈回合中大自然在各决策变量确定的情况下，通过增加可再生分布式电源的出力，增加了电网运行的风险。然后，电网调度员在大自然给出的恶劣环境下，通过调控非分布式可再生能源出力，无功补偿量等手段，尽可能地将电网运行状态控制在安全范围内，且使电网收益最大化。

于是，可以分别建立和电网调度员独立决策的优化模型，通过两个优化模型的反复迭代，最终将形成博弈过程的Nash均衡点。这是一种鲁棒优化方案，通过博弈，电网调度员可以针对分布式可再生能源有功出力的随机波动，设计出配网安全性始终保持在一定水平之上且经济性较优的调度方案，尽力避免最坏情况下分布式电源不确定性给配网带来的严重影响。

2博弈策略

2.1优化调度策略

配电网调度员作为博弈的参与者将通过调控非可再生分布式电源的出力在保证电网运行风险的条件下，使得电网收益最大。网络损耗为电网经济性的重要指标，可反映分布式电源接入后电网的节能效果，本文以网络损耗最小为目标函数，建立如下优化模型：

目标函数：

式中：P_k为支路k末端流过的有功功率，Q_k为支路k末端流过的无功功率；r_k为支路k的电阻值；U_k为支路k的末端电压；n_b为支路数目；P_loss为网络损耗；

约束条件：

(1)等式约束：系统潮流约束。

式中：P_Gi，Q_Gi分别为节点i的分布式电源有功与无功注入功率；G_ij、B_ij

和θ_ij分别为节点i、j之间的电导、电纳和电压相角差。

(2)不分布式可再生能源有功出力约束。

(3)所有DG无功出力约束。

(4)无功补偿量约束。

2.2分布式可再生能源出力策略

为求解鲁棒优化调度策略，可认为大自然作为博弈的参与者在决策变量固定的条件下，将调节所有分布式可再生能源有功出力，试图让系统运行状态恶化。其调节范围为预测误差范围，基于现有的预测技术，风速的预测误差为20％～40％，本文取30％；光照强度的预测误差为10％～20％，本文取15％。

通过如下两式，将风速和光照强度的预测区间转化为DG的出力区间：

式中，v_ci为切入风速；v_co为切出风速；v_r为额定风速；P_r为风机额定功率。本文取v_ci为2.5m/s，v_co为18m/s，v_r为12m/s。

P_PV＝P_STCG_C/G_STC；

式中，P_STC为光伏阵列的额定功率；G_C为工作点的光照强度；G_STC为标准额定条件下的光照强度。本文取G_STC为1kW/m²。

于是，可建立如下大自然作为参与者的优化模型：

目标函数：

max(S_V+S_OR)；

约束条件：

(1)系统潮流约束。

式中：P_Gi，Q_Gi分别为节点i的分布式电源有功与无功注入功率；G_ij、B_ij和θ_ij分别为节点i、j之间的电导、电纳和电压相角差。

(2)分布式可再生能源有功出力约束。

式中，

分别便是节点i的分布式可再生能源预测有功出力的下、上限值。并对所构建的两个目标函数构建凸形式下的锥优化模型，并进行求解。

3博弈模型求解

博弈过程为在各参与者的独自优化中逐步达到均衡，并且Nash均衡点的存在性已得到证明,求解过程简述如下：

步骤一：读取负荷和分布式电源出力预测区间。在区间内随机初始化分布式可再生能源有功出力P^RDG。

步骤二：保持P^RDG不变，求解电网调度员作为参与者的节优化模型，得到网络损耗最小时的决策变量S^DV(包括非分布式可再生能源有功出力、所有DG无功出力、无功补偿量)。

步骤三：保持S^DV不变，求解大自然作为参与者的优化模型，得到安全性最差时的分布式可再生能源出力P^RDG'。

步骤四：若P^RDG'≠P^RDG，令P^RDG＝P^RDG'，进入步骤二，开始下一回合的博弈；若P^RDG'＝P^RDG，结束博弈，输出系统的Nash均衡点。

4算例分析

本文采用IEEE33节点作为算例，分布式电源接入情况见表1。

表1 IEEE33节点系统分布式电源接入情况

DG类型	接入节点	容量
			光伏	26	200kW
风电	9	200kW
			风电	18	300kW
微型燃气轮机	7	400kW
			无功补偿装置	17	250kvar
无功补偿装置	21	500kvar

风机和微型燃气轮机功率因数调节范围为[-0.9,0.9]，光伏发电功率因数为1，无功补偿装置连续可调。设支路允许流过的最大容量为4500kVA，风速、光照强度和负荷的预测曲线见图1(利用图1的波动系数乘以分布式电源的容量及基准负荷值即为预测值)，对时段10～时段20进行鲁棒优化。本文采用MATLAB编程，并调用Mosek包进行求解。

4.1分布式可再生能源出力不确定性对调度优化方案的影响

对构建的优化模型分别进行确定性优化和基于博弈理论的鲁棒优化，结果分别为方案1和方案2。时段10的两种调度方案如表2所示：

表2确定性优化与鲁棒优化的结果对比

从表2中可以看出，时段19确定性优化的方案一中，为得到更接近标准值的电压和更少的网络损耗，将微型燃气轮机的无功出力调满，无功补偿量也处于很高的水平，但当风机和光伏的出力波动较大时，将可能出现越限的情况。方案二中各可控资源的出力普遍比方案一小，这样虽然在一部分情况下将获得更大的网络损耗和相对较低的电压，但总体上，其越限的可能性将明显少于方案一。

4.2优化调度方案的鲁棒性分析

一般而言，标准差越大，随机数分散性越强，其数值稳定性越差。具体到配电网运行优化问题，网络损耗的标准差越大，则网络损耗的分散性越强，系统运行经济性的不确定性越大。如果网络损耗分布的分散性过大，即使网络损耗的期望值比较小，但是由于其波动范围比较广，则既不利于配电网运行人员控制系统运行成本，同时某种程度可能会提高网络损耗上界值。因此，本文将网络损耗标准差和平均越限次数作为评判调度方案鲁棒性的指标。在预测区间内，各时段随机生成1000组风速和光照强度数据。两种方案网络损耗标准差和平均越限次数如表3所示。

表3调度方案鲁棒性分析

从表3中可以看出，时段10的DG各种随机出力下，方案一的越限次数始终为4，鲁棒优化将使越限次数下降1次；时段11，方案一存在可能的越限情况，而方案二可以保证在DG各种随机出力情况下均不越陷；时段18、19，方案一将使越限次数可能为5次或6次，方案二将使越限次数始终为5；时段20，越限次数可能为2和3，而方案二将越限次数为3的概率从90％降低到63％。此外，方案2的网络损耗标准差较方案1更小。因此，方案二具有良好的鲁棒性。

由上面论述可知本发明的调度方案最小化了网络损耗标准差和系统可能的安全越限次数，避免了分布式电源不确定性带来的极端恶劣影响，保证了系统的运行安全性。

上面所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种提升运行安全的智能配电网鲁棒优化方法，其特征在于，步骤如下：

S1，建立电网调度员独立决策优化模型；

网络损耗为电网经济性的重要指标，反映分布式电源接入后电网的节能效果，以网络损耗最小为目标函数；

S1.1，构建电网调度员作为参与者的目标函数：

式中：P_k为支路k末端流过的有功功率，Q_k为支路k末端流过的无功功率；r_k为支路k的电阻值；U_k为支路k的末端电压；n_b为支路数目；P_loss为网络损耗；

S1.2，构造电网调度员作为参与者的目标函数的约束条件：

S1.2.1，构造系统潮流约束：

式中：PGi，QGi分别为节点i的分布式电源有功与无功注入功率；Gij、Bij和θij分别为节点i、j之间的电导、电纳和电压相角差；

S1.2.2，构造分布式可再生能源有功出力约束：

式中：

表示节点i的分布式可再生能源预测有功出力的下限值，P_i ^NDG表示节点i的分布式可再生能源预测有功出力值，

表示节点i的分布式可再生能源预测有功出力的上限值；

S1.2.3，构造所有DG无功出力约束：

式中：

表示节点i的分布式可再生能源预测无功出力的下限值，

表示节点i的分布式可再生能源预测无功出力值，

表示节点i的分布式可再生能源预测有功出力的上限值；

S1.2.4，构造无功补偿量约束：

式中：

表示节点i处配置的无功补偿容量的范围的下限值，

表示节点i处配置的无功补偿容量，

表示节点i处配置的无功补偿容量的范围的上限值；

S2，建立大自然独立决策优化模型；

为求解鲁棒优化调度策略，认为大自然作为博弈的参与者在决策变量固定的条件下，将调节所有分布式可再生能源有功出力，试图让系统运行状态恶化；

S3，博弈求解获得均衡点；

博弈过程为电网调度员和大自然作为参与者在各自的优化模型独自优化中逐步达到均衡。

2.根据权利要求1所述的提升运行安全的智能配电网鲁棒优化方法，其特征在于，在步骤S2中，步骤如下：S2.1，将风速的预测区间转换为DG的出力区间：

式中，P_w为风电出力；v为给定风速；v_ci为切入风速；v_co为切出风速；v_r为额定风速；P_r为风机额定功率；

S2.2，将光照强度的预测区间转换为DG的出力区间：

P_PV＝P_STCG_C/G_STC (7)；

式中，P_PV为光伏出力；P_STC为光伏阵列的额定功率；G_C为工作点的光照强度；G_STC为标准额定条件下的光照强度；

S2.3，构造大自然作为参与者的目标函数：

max(S_V+S_OR) (8)；

式中，S_V为电压越限风险，计算公式为：

其中，V_i表示节点i的电压；V_S表示电压标准值；

S_OR为线路过载风险，计算公式为：

其中，I_k表示支路k的电流；I_k,max表示支路k允许流过电流的最大值；

S2.4，构造大自然作为参与者的约束条件：

S2.4.1，系统潮流约束：

式中：P_Gi，Q_Gi分别为节点i的分布式电源有功与无功注入功率；G_ij、B_ij和θ_ij分别为节点i、j之间的电导、电纳和电压相角差；

S2.4.2，分布式可再生能源有功出力约束：

式中，

分别是节点i的分布式可再生能源预测有功出力的下、上限值；P_i ^RDG为节点i的分布式可再生能源预测有功出力值。

3.根据权利要求1所述的提升运行安全的智能配电网鲁棒优化方法，其特征在于，在步骤S3中，步骤如下：S3.1，获取负荷预测区间和分布式电源出力预测区间，在预测区间内随机初始化分布式可再生能源有功出力P^RDG；

S3.2，保持P^RDG不变，求解电网调度员作为参与者的目标函数，得到网络损耗最小时的决策变量S^DV，所述决策变量S^DV包括非分布式可再生能源有功出力、所有DG无功出力和无功补偿量；

S3.3，保持S^DV不变，求解大自然作为参与者的目标函数，得到安全性最差时的分布式可再生能源出力P^RDG'；

S3.4，若P^RDG'≠P^RDG，令P^RDG＝P^RDG'，进入S3.2，开始下一回合的博弈；若P^RDG'＝P^RDG，则结束博弈，输出系统的Nash均衡点。

Images