CN108683179B - 基于混合整数线性规划的主动配电网优化调度方法及系统 - Google Patents

Abstract

本发明公开了一种基于混合整数线性规划的主动配电网优化调度系统及方法，首先，给出了配电网支路潮流的线性化方程，并对主动配电网中各主要元件进行建模和线性化；然后，构建了考虑有功‑无功协调调度的主动配电网日前经济调度模型，同时，为克服分布式电源强随机性对日前调度带来的影响，建立了以实现光伏与风电消纳最大化为目标的短期调度模型，以日前调度为基准，求取短期优化调度结果；最后，本发明通过改进的IEEE 33节点配网算例，验证了所提发明的有效性和快速性。

Description

基于混合整数线性规划的主动配电网优化调度方法及系统

技术领域

本发明涉及主动配电网优化调度技术领域，具体涉及一种基于混合整数线性规划的主动配电网优化调度方法及系统。

背景技术

为管控分布式电源接入对配电网运行控制带来的影响，主动配电网技术应运而生，但是，随着多类型、高渗透率分布式能源的大量接入，分布式电源的时空分散性以及出力的强间歇性特征对主动配电网的优化控制带来了新的挑战。进一步挖掘主动配电网的能量管理潜能，实现主动配电网中多源的协同优化，保障主动配电网的安全经济运行，已经成为目前研究的热点。

现有提出一种考虑主动配电网特性以及分布式能源特性的优化调度模型，以一个周期内的调度成本最低为目标函数，实现对主动配电网中分布式发电单元和储能单元的控制，完成主动配电网的优化调度，但是模型中未考虑无功补偿装置的出力特性及其带来的经济效益。

现有技术以系统能量损耗最小为目标，对含有分布式电源的配电网进行无功优化，得到电容器的投切数量和分布式电源的无功出力值，但该文献没有考虑分布式电源功率因数的影响，因为过低的功率因数会造成线路传输的无功过大，不符合经济性要求。

现有技术对储能系统进行了详细研究，结合储能系统的四象限运行方式，在充分考虑储能系统有功和无功出力的情况下，给出了含储能单元的配电网最优潮流；对配电网中有载调压变压器和静止无功补偿器从鲁棒优化的角度开展研究，得到最佳的有载调压变压器分接头位置和静止无功补偿器出力值；为减小风电等强随机性能源对主动配电网优化调度的影响，采用多时间尺度的优化调度方法，通过缩小调度步长和提高预测精度，借助主动配电网主动管理的优势，完成对长时间尺度或日前计划的修正，在保证主动配电网可靠运行的前提下，实现分布式电源的最大消纳。

目标函数的求解算法及其运算速度是优化调度的核心问题，由于目标函数与约束条件的非线性，目前多采用人工智能算法，如粒子群算法、蚁群算法、遗传算法等，这些算法因为其群体智能、内在并行、迭代格式简单且易于表达复杂约束等特点，一直受到学者们的青睐。不过这些算法在求解复杂的优化调度问题时，其自身固有的求解速度慢、容易陷入局部最优等缺点也暴露出来。

发明内容

在多种分布式电源大量接入配电网的背景下，为应对愈加复杂的主动配电网优化调度问题，提高传统调度模型的求解速度和求解精度，本发明公开了一种基于混合整数线性规划的主动配电网优化调度方法及系统；该方法及系统依据线性支路潮流方程，建立基于混合整数线性规划的多时间尺度优化模型；通过改进的IEEE33节点配网算例，验证了所提方法的有效性和快速性。

为实现上述目的，本发明的具体方案如下：

本发明的第一目的是公开一种基于混合整数线性规划的主动配电网优化调度方法，包括：

确定辐射形配电网的线性化潮流方程；

对主动配电网中分布式电源、储能系统、柔性负荷、电动汽车、有载调压变压器、电容器组、静止无功补偿器及微电网分别进行建模；

上述建立的主动配电网模型中，将非线性的模型线性化，得到主动配电网各单元的线性数值模型；

构建考虑有功-无功协调调度的主动配电网日前经济调度模型；利用日前经济调度模型确定主动配电网中变电站注入功率，微网输出功率，电容器组投入组数，和有载调压变压器接入位置；

建立以实现光伏与风电消纳最大化为目标的短期调度模型；短期优化调度以日前优化调度结果为基准，在保证满足功率平衡约束和节点电压约束的前提下，通过储能单元、静止无功补偿器及柔性负荷的协调配合，实现光伏与风电消纳最大化。

进一步地，所述线性化潮流方程中，忽略高次项的值，并且假设各节点电压相同。

进一步地，将非线性的模型线性化，具体为：

采用正十二边形法，将圆的约束松弛处理为正十二边形约束；

或者，对于含有绝对值的不等式，通过引入辅助变量的方法进行线性化。

进一步地，所述构建考虑有功-无功协调调度的主动配电网日前经济调度模型，具体为：

其中，

和

分别为t时刻从上级电网注入有功功率和无功功率的电价，P_t ^s和

分别为t时刻从上级电网注入的有功功率和无功功率；I为主动配电网中不同元件的节点集合数，

和

分别为t时刻DG输出的有功功率成本和无功功率成本；

和

分别为t时刻ES有功功率调度成本和无功功率调度成本，

为t时刻第i个ES的有功调度值，

包括充电值和放电值；

和

分别为t时刻柔性负荷的有功功率调度成本和无功功率调度成本；

和

分别为t时刻静止无功补偿器的无功功率调度成本和离散无功补偿的电容器组的无功功率调度成本，

和

分别为离散无功补偿的电容器组的操作成本和有载调压变压器的操作成本；

和

分别为t时刻第i台DG的有功出力和无功出力，

为t时刻第i个储能元件的无功出力，

和

分别为t时刻第i个柔性负荷的有功出力和无功出力；

为t时刻第i个SVC的无功功率，

为t时刻第i个CB的无功功率，α_ik,t为CB在一天内的切换次数，κ_t为OLTC变化标识。

进一步地，所述主动配电网日前经济调度模型的约束条件包括：

线性化潮流约束；

主动配电网中建立的分布式电源、储能系统、柔性负荷、电动汽车、有载调压变压器、电容器组、静止无功补偿器及微电网模型的约束；

节点电压约束：t时刻节点j的电压值介于该节点允许的最小和最大节点电压值之间。

变电站注入功率约束：t时刻通过变电站注入的有功功率和无功功率的平方和不大于变电站允许注入的最大视在功率的平方；

线路传输功率限制：线路传输的有功功率和无功功率的平方和不大于支路允许的最大视在功率的平方。

进一步地，所述建立以实现光伏与风电消纳最大化为目标的短期调度模型，具体为：

其中，PF为惩罚项，表示短期调度结果与日前基准量的偏差值。

进一步地，所述惩罚项PF具体为：

其中，

分别为日前和短期调度过程中OLTC的接头位置。

ε为惩罚因子，下标rq和dq分别表示日前调度结果和短期调度结果，惩罚项PF保证参考值的短期调度结果与日前调度结果偏差值最小。

本发明的第二目的是公开一种基于混合整数线性规划的主动配电网优化调度系统，包括：服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

确定辐射形配电网的线性化潮流方程；

对主动配电网中分布式电源、储能系统、柔性负荷、电动汽车、有载调压变压器、电容器组、静止无功补偿器及微电网分别进行建模；

上述建立的主动配电网模型中，将非线性的模型线性化，得到主动配电网各单元的线性数值模型；

构建考虑有功-无功协调调度的主动配电网日前经济调度模型；利用日前经济调度模型确定主动配电网中变电站注入功率，微网输出功率，电容器组投入组数，和有载调压变压器接入位置；

建立以实现光伏与风电消纳最大化为目标的短期调度模型；短期优化调度以日前优化调度结果为基准，在保证满足功率平衡约束和节点电压约束的前提下，通过储能单元、静止无功补偿器及柔性负荷的协调配合，实现光伏与风电消纳最大化。

本发明的第三目的是公开一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行以下步骤：

确定辐射形配电网的线性化潮流方程；

对主动配电网中分布式电源、储能系统、柔性负荷、电动汽车、有载调压变压器、电容器组、静止无功补偿器及微电网分别进行建模；

上述建立的主动配电网模型中，将非线性的模型线性化，得到主动配电网各单元的线性数值模型；

构建考虑有功-无功协调调度的主动配电网日前经济调度模型；利用日前经济调度模型确定主动配电网中变电站注入功率，微网输出功率，电容器组投入组数，和有载调压变压器接入位置；

建立以实现光伏与风电消纳最大化为目标的短期调度模型；短期优化调度以日前优化调度结果为基准，在保证满足功率平衡约束和节点电压约束的前提下，通过储能单元、静止无功补偿器及柔性负荷的协调配合，实现光伏与风电消纳最大化。

本发明的有益效果：

本发明以基于支路潮流的配电网线性模型为基础，通过对主动配电网中主要元件的建模和线性化，构建了混合整数线性规划模型。同时，为降低分布式电源高渗透率接入后其预测误差对调度结果的影响，构建了多时间尺度下的优化调度模型，通过细化时间的方式增加调度结果的准确性。此外，在短期优化调度中，为保证日前调度的有效性，引入罚函数，避免了CB和有载调压变压器的频繁切换，并维持了主动配电网和上级网络之间功率交换的稳定性。

附图说明

图1为基于支路潮流的辐射形配电网示意图；

图2为正十二边形法示意图；

图3为改进IEEE33节点配电网算例；

图4(a)为日前负荷、风电及光伏预测数据；

图4(b)为短期负荷、风电及光伏预测数据；

图5(a)-(c)为日前优化调度结果；

图6为日前优化调度下各时段储能工作状态；

图7为日前调度模型下各机组的弃风率和弃光率图；

图8为参考值与短期调度结果误差；

图9为储能和柔性负荷的短期优化调度结果；

图10为短期调度模型下各机组的弃风率和弃光率图。

具体实施方式：

下面结合附图对本发明进行详细说明：

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

一种基于混合整数线性规划的主动配电网优化调度方法，包括以下步骤：

(1)确定主动配电网的线性潮流方程。

线性化潮流方程需要忽略高次项的值，并且假设各节点电压基本相同，在配电网中上述条件是很容易满足的。

图1为基于支路潮流的辐射形配电网示意图，基本潮流方程为：

相关研究表明，式(1)-(3)中高次项的计算值都远小于其他项的值，因此可以将式(1)和(2)中的非线性项直接去掉。同时，由于配电网节点电压约束的限制，可认为(V_j-V₀)²≈0，从而得到

因此，非线性的配电网潮流方程可以简化为如下形式：

式(4)-(6)为基于支路潮流的配电网线性潮流方程。

(2)主动配电网中主要单元的建模及线性化。各单元按照自己的出力特性建立不同的数值模型，使各单元模型符合实际配电网调度需求。

主动配电网为实现主动管理和主动控制，需要配电网中各元件的协调配合，主要包括分布式电源、储能系统、柔性负荷、电动汽车、有载调压变压器、电容器组、静止无功补偿器及微电网等的调节。本发明将对各主要元件进行详细建模并做线性化处理，为之后求解模型的线性化奠定基础。

1)分布式电源模型

配电网中DG一般有旋转型和逆变型两种，其中风机和光伏等清洁能源通常为逆变型DG，该类型DG在调度过程中不仅发出有功，同时也有一定的无功调节能力，但为了满足经济效益，其无功出力需满足一定的功率因数限制，因此，可以参与无功调节的DG模型如下：

式中，

和

分别为t时刻第i台DG的有功出力和无功出力，F_i,min为第i台DG出力的最小功率因数限制，

和

分别为第i台DG的最小和最大出力，DG_i为含有DG的节点集合，T为优化周期。

由于DG既可以吸收无功又可以输出无功，因此，对式(8)进行线性化处理后可得如下公式：

当

小于0时表示吸收无功，大于0时表示输出无功。

2)储能系统模型

储能系统作为主动配电网中对功率扰动进行平抑和实现分布式电源高储低发的元件，其模型需要考虑电池充放电功率极限和效率约束、电池容量更新和电池容量限制以及无功出力限制。具体数值模型如下：

式中，

为t时刻第i个储能元件的有功存储量，

为t时刻第i个储能元件的有功放电量，

和

分别为储能元件的充放电状态(为0-1变量，取1时表示工作在该状态)，

和

分别为电池的充、放电效率，

为t时刻第i个储能元件的无功出力，

为第i个储能元件的视在功率，

为第i个储能元件在t时刻的剩余电量，

和

分别为第i个储能元件额定容量的上下限值，ES_i为含有储能元件的节点集合。

将模型中非线性单元进行松弛处理，从而实现各单元的线性化，将复杂的非线性模型，变成简单的线性模型；

除式(16)外，其他公式已经为线性方程，结合图2给出的正十二边形法，将圆的约束松弛处理为正十二边形约束，可以得到如下形式的线性化方程：

3)微电网模型

若分布式电源以微电网的形式接入配电网，其公共连接点以下的电源、负荷和储能单元直接受微网控制器控制，可以实现对公共连接点点的功率控制，在调度时可以不必考虑内部复杂的转化关系，大大降低调度的复杂性，其模型如下：

式中，

和

分别为t时刻第i个微网的有功出力和无功出力，

和

分别为第i个微网的最小和最大有功出力，

和

分别为第i个微网的最小和最大无功出力，

为第i个微网的最大视在功率，MG_i为含有微网的节点集合。

对于式(20)，可以参考式(16)的线性化处理方式，得到其线性方程。

4)柔性负荷模型

为了整合需求侧资源，可使闲置的具有调节能力的中小负荷参与到调度中，从而改变部分负荷的“刚性”特征。在主动配电网的调度中，柔性负荷可与储能一起消纳过剩能源，提高经济效益。由于柔性负荷包括商业负荷、工业负荷以及生活负荷等多种类型，因此，本专利按照其功率因数在一定范围内变化的情形进行研究，其数值模型为：

式中，

和

分别为t时刻第i个柔性负荷的有功出力和无功出力；

为第i个柔性负荷的最大有功出力；F_i ^FL为第i个柔性负荷的最小功率因数限制；FL_i为含有柔性负荷的节点集合。

电动汽车的出力特性与柔性负荷类似，本专利不作赘述，将其看作柔性负荷的一种。

5)无功补偿装置模型

配电网中除了储能装置以及有无功出力的DG等能够进行无功调节外，为保证某些元件的功率因数满足正常工作的要求，还需要常规无功补偿装置参与调度，主要包括能够进行离散无功补偿的电容器组和连续无功补偿的静止无功补偿器，这两者的数值模型为：

式中，

为t时刻第i个静止无功补偿器的无功功率，

和

分别为第i个静止无功补偿器的最小和最大无功出力，SVC_i为含有静止无功补偿器的节点集合；

为t时刻第i个离散无功补偿的电容器组的无功功率，c_ik,t为t时刻第i个离散无功补偿的电容器组中第k个电容器的状态(为0-1变量，取1时表示该电容器投入调度，取0时表示切除)，q_i,k为第i个离散无功补偿的电容器组中第k个电容器能提供的无功大小，n为每组离散无功补偿的电容器组中含有的电容器个数；

为第i个离散无功补偿的电容器组在一个调度周期内的操作次数上限，CB_i为含有电容器组的节点集合。

式(25)是含有绝对值的不等式，可以通过引入辅助变量的方法进行线性化，线性化方程为：

α_ik,t≥c_ik,t+1-c_ik,t i∈CB_i,t∈T (26)

α_ik,t≥c_ik,t-c_ik,t+1 i∈CB_i,t∈T (27)

式中，α_ik,t为辅助变量，通过约束条件保证自身的非负性，式(25)的作用是保证离散无功补偿的电容器组在一天之内不进行频繁的投切。

6)有载调压变压器模型

变电站母线节点处增加有载调压变压器后可以实现对根节点电压的直接调节，从而影响整个主动配电网的电压分布，因此确定合适的有载调压变压器接头位置，对实现整个系统的功率最优调度有着十分重要的作用，其数值模型如下：

式中，V_r,t为根节点处电压，V_min为有载调压变压器调节电压最小值，

为t时刻有载调压变压器所处档位，β为每个档位的电压变化值，κ_t为有载调压变压器变化标识(为0-1变量，有变化时取值为1，无变化时取值为0)，

为有载调压变压器一个调度周期内操作次数上限。

(3)多时间尺度优化调度模型

由于主动配电网中分布式电源出力的不确定性，以及柔性负荷等需求侧响应的灵活性，使得单一时间尺度下的优化调度很难满足主动配电网调度的需要。解决该问题的一种方法是在基于日前24h优化调度的基础上，增加光伏、风电与负荷的预测频率，实现以日前调度结果为参考基准的短期优化调度，建立多时间尺度下的优化调度模型。

1)日前优化调度模型

日前优化调度应根据光伏、风电及负荷的日前预测值进行调度，模型中主要考虑处理成本和调度成本。日前优化调度以经济效益最优为目标求取最优潮流，由于主动配电网中部分元件能够参与无功调节，且无功出力在配电系统中不易被忽视，所以在目标函数中引入无功出力，使其拥有一定的经济价值。另外，由于离散无功补偿的电容器组和有载调压变压器的使用寿命受操作次数的影响，因此本专利将一个调度周期内的离散无功补偿的电容器组和有载调压变压器操作成本也引入目标函数中。日前优化调度模型如下：

式中，

和

分别为t时刻从上级电网注入有功功率和无功功率的电价，P_t ^s和

分别为t时刻从上级电网注入的有功功率和无功功率；I为主动配电网中不同元件的节点集合数，

和

分别为t时刻DG输出的有功功率成本和无功功率成本；

和

分别为t时刻ES有功功率调度成本和无功功率调度成本，

为t时刻第i个ES的有功调度值，

包括充电值和放电值；

和

分别为t时刻柔性负荷的有功功率调度成本和无功功率调度成本；

和

分别为t时刻静止无功补偿器的无功功率调度成本和离散无功补偿的电容器组的无功功率调度成本，

和

分别为离散无功补偿的电容器组的操作成本和有载调压变压器的操作成本。

和

分别为t时刻第i台DG的有功出力和无功出力，

为t时刻第i个储能元件的无功出力，

和

分别为t时刻第i个柔性负荷的有功出力和无功出力；

为t时刻第i个SVC的无功功率，

为t时刻第i个CB的无功功率，α_ik,t为CB在一天内的切换次数，κ_t为OLTC变化标识(为0-1变量，有变化时取值为1，无变化时取值为0)。

目标函数中对绝对值项的处理，与式(25)的方式相同。

除了第1节中给出的潮流约束和各主要元件模型约束外，还需满足以下约束条件：

节点电压约束

V_j,min≤V_j,t≤V_j,max i∈N,t∈T (34)

其中，V_j,t为t时刻节点j的电压值，V_j,min和V_j,max为该节点允许的最小和最大节点电压值。

变电站注入功率约束

其中，

和P_t ^S为t时刻通过变电站注入的有功和无功功率，

为变电站允许注入的最大视在功率。

线路传输功率限制

(P_j)²+(Q_j)²≤(S_j,max)² (36)

其中P_j和Q_j为线路传输的有功和无功功率，S_j,max为支路允许的最大视在功率。

2)短期优化调度模型

短期优化调度应根据光伏、风电及负荷的超短期滚动预测值进行调度，模型中主要考虑分布式电源出力最大化和保证主动配电网和主网交换功率基本与日前调度结果相同。

与日前调度目标不同，短期调度以日前调度结果为基准(包括变电站注入有功和无功功率、微网注入有功和无功功率、离散无功补偿的电容器组投入组数及有载调压变压器接头位置)，在保证满足功率平衡约束和节点电压约束的前提下，通过储能单元、静止无功补偿器及柔性负荷的协调配合，实现光伏与风电消纳最大化。为使调度结果更加符合实际要求，本专利使用Elman神经网络进行风电、光伏和负荷的超短期预测，以10min为步长，用过去1h的风电、光伏和负荷真实数据预测未来10min的值，每隔10min滚动一次，将预测值作为短期优化调度的输入量，进行优化求解，并据此制定短时调度计划。短期优化调度的目标函数如下：

式中，PF为惩罚项，表示短期调度结果与日前基准量的偏差值，如式(38)所示。

式中，ε为惩罚因子，取一个较大正值，下标rq和dq分别表示日前调度结果和短期调度结果，该式保证参考值的短期调度结果与日前调度结果偏差值最小。

(4)算例分析

本专利在改进的IEEE33节点系统上进行仿真计算，算例系统如图3所示。该系统基准电压为12.66kV，基准功率为10MW。节点5和节点11接入储能单元；节点7处接入微网系统；节点9接入柔性负荷；节点10、22、23处接入电容器组；节点15、31处接入光伏，算例假设两者预测出力值大小相同；节点25处接入风机；节点18、33处接入静止无功补偿器；变电站有载调压变压器的调压范围为±5*1％。

算例中日前预测的风电、光伏与负荷的值如图4(a)所示，短期调度的滚动预测值以10：00-14：00数据为例进行仿真计算，其数据如图4(b)所示。算例使用CPLEX优化软件包对模型求解。

从图4(a)-(b)可以看出，光伏和负荷的日前预测值与短期预测值误差不大，但是风电的强随机性致使预测存在较大误差，因此有必要通过短期优化调度进行调节。

1)日前优化调度结果

将日前预测数据代入日前优化模型，可以得到如图5所示的日前优化调度结果。

从图5(a)-(c)中可以看出，按照日前优化调度模型进行仿真计算后，各支路的有功、无功及各节点电压均能满足约束条件的限制，实现主动配电网整个调度周期内经济最优。图5(a)所示，在风电、光伏等渗透率较高且超出负荷水平时，将出现有功功率输送给上级电网的情况，这在主动配电网中分布式能源过剩时具有一定的经济价值。由图5(c)所示电压轮廓可知，由于主动配电网中有许多的无功补偿环节，因此电压分布更加平缓，不再是随输电线路长度增加而跌落，提高了配电网的电压质量。

在整个优化调度周期中，储能系统的充放电工作状态如图6所示。

由图6可知，在该优化调度模型下，储能系统能够根据负荷水平和分布式电源出力水平完成主动配电网能源的储存与释放，例如在风电和光伏出力总和大于负荷水平的10：00-14：00，从图中可以看出储能进行了有效的充电；而对于负荷水平较高，但分布式电源出力不足的时间段，储能单元进行了可靠放电，如图中6：00-9：00和18：00-20：00，即在分布式电源出力大于负荷值时进行储能，分布式电源小于负荷值时进行放电，从而达到“削峰填谷”的目的。

为研究日前调度计划对风电和光伏的利用率，算例中定义如下可再生能源弃用率指标：

式中，R为预测的分布式电源提供的最大有功出力，D为对应的调度值。式(39)的取值为从0到1，表示对分布式电源利用率由高到低。根据式(39)得到日前调度模型的弃用率指标如图7所示。

由图7可知，经全局优化调度后，会出现弃风或弃光的现象，且集中在分布式电源总出力较大的时间段，这一方面是由于储能单元功率转换和储能极限的限制；另一方面则是由于经全局优化后，若对这部分电能进行利用，会降低全局经济效益，因此对风电和光伏进行不同程度的弃用。为最大化利用分布式电源的出力，下面将通过短期优化调度进行解决。

2)短期优化调度结果

按照短期优化调度的目标进行单一时间断面的求解后，得到10：00-14：00的日前参考值与短期调度结果的误差如图8所示。

从上图可以看出，罚函数的引入使误差水平在10^-17量级，能够基本无差的跟随参考值，保证离散无功补偿的电容器组和有载调压变压器的动作状态，以及上级电网与主动配电网的功率交换数值稳定。

由于光伏及风电的滚动预测结果与日前预测值之间存在不同程度的误差，且目标函数也有较大变化，因此在保证参考值基本不变时，势必会造成功率的再分配，经短期优化调度后储能和柔性负荷的调度结果如图9所示。

依据图4(b)，10：00-14：00光伏和风电提供的电能大于系统负荷的需求值，因此该时段中以充电和柔性负荷大功率接入配电网为主，通过这种协调方式完成对过剩能源的消纳，实现可再生能源的充分利用。

另外，在短期优化调度中以风电和光伏利用率最高为目标，因此经短期优化调度后的分布式电源弃用率曲线如下图10所示。

将图10与图7比较，可以看出，经短期优化调度后弃风率和弃光率有了显著的降低，实现了对可再生能源消纳的最大化，符合应对未来能源短缺和可再生能源为主导的发展趋势。

3)模型的求解速度分析

为衡量所提基于混合整数线性规划优化模型的求解速度，对上述算例，本专利选用粒子群算法对混合整数非线性规划模型(MINLP)进行求解，两种算法的求解速度对比结果如表1所示。

表1不同算法求解速度对比

由表1的对比数据可以看出，线性化后求解速度明显增加，虽然对日前调度而言非线性规划的求解时间是可以接受的，但是短期优化调度由于其步长较短，若仍然使用非线性化模型，过长的求解时间将使得短期调度结果存在延迟，影响优化调度效果。可见，将目标函数线性化，可大大提高计算速度，满足短期调度的要求。

本发明进一步公开了一种基于混合整数线性规划的主动配电网优化调度系统，包括：服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

确定辐射形配电网的线性化潮流方程；

对主动配电网中分布式电源、储能系统、柔性负荷、电动汽车、有载调压变压器、电容器组、静止无功补偿器及微电网分别进行建模；

上述建立的主动配电网模型中，将非线性的模型线性化，得到主动配电网各单元的线性数值模型；

构建考虑有功-无功协调调度的主动配电网日前经济调度模型；利用日前经济调度模型确定主动配电网中变电站注入功率，微网输出功率，电容器组投入组数，和有载调压变压器接入位置；

建立以实现光伏与风电消纳最大化为目标的短期调度模型；短期优化调度以日前优化调度结果为基准，在保证满足功率平衡约束和节点电压约束的前提下，通过储能单元、静止无功补偿器及柔性负荷的协调配合，实现光伏与风电消纳最大化。

本发明进一步公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行以下步骤：

确定辐射形配电网的线性化潮流方程；

对主动配电网中分布式电源、储能系统、柔性负荷、电动汽车、有载调压变压器、电容器组、静止无功补偿器及微电网分别进行建模；

上述建立的主动配电网模型中，将非线性的模型线性化，得到主动配电网各单元的线性数值模型；

构建考虑有功-无功协调调度的主动配电网日前经济调度模型；利用日前经济调度模型确定主动配电网中变电站注入功率，微网输出功率，电容器组投入组数，和有载调压变压器接入位置；

建立以实现光伏与风电消纳最大化为目标的短期调度模型；短期优化调度以日前优化调度结果为基准，在保证满足功率平衡约束和节点电压约束的前提下，通过储能单元、静止无功补偿器及柔性负荷的协调配合，实现光伏与风电消纳最大化。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (9)

1.基于混合整数线性规划的主动配电网优化调度方法，其特征在于，包括：

确定辐射形配电网的线性化潮流方程；

对主动配电网中分布式电源、储能系统、柔性负荷、电动汽车、有载调压变压器、电容器组、静止无功补偿器及微电网分别进行建模；

上述建立的主动配电网模型中，将非线性的模型线性化，得到主动配电网各单元的线性数值模型；

构建考虑有功-无功协调调度的主动配电网日前经济调度模型；利用日前经济调度模型确定主动配电网中变电站注入功率，微网输出功率，电容器组投入组数，和有载调压变压器接入位置；

建立以实现光伏与风电消纳最大化为目标的短期调度模型；短期优化调度以日前优化调度结果为基准，在保证满足功率平衡约束和节点电压约束的前提下，通过储能单元、静止无功补偿器及柔性负荷的协调配合，实现光伏与风电消纳最大化。

2.如权利要求1所述的基于混合整数线性规划的主动配电网优化调度方法，其特征在于，所述线性化潮流方程中，忽略高次项的值，并且假设各节点电压相同。

3.如权利要求1所述的基于混合整数线性规划的主动配电网优化调度方法，其特征在于，将非线性的模型线性化，具体为：

采用正十二边形法，将圆的约束松弛处理为正十二边形约束；

或者，对于含有绝对值的不等式，通过引入辅助变量的方法进行线性化。

4.如权利要求1所述的基于混合整数线性规划的主动配电网优化调度方法，其特征在于，所述构建考虑有功-无功协调调度的主动配电网日前经济调度模型，具体为：

其中，

和

分别为t时刻从上级电网注入有功功率和无功功率的电价，P_t ^s和

分别为t时刻从上级电网注入的有功功率和无功功率；I为主动配电网中不同元件的节点集合数，

和

分别为t时刻分布式电源DG输出的有功功率成本和无功功率成本；

和

分别为t时刻储能系统ES有功功率调度成本和无功功率调度成本，

为t时刻第i个储能系统ES的有功调度值，

包括充电值和放电值；

和

分别为t时刻柔性负荷的有功功率调度成本和无功功率调度成本；

和

分别为t时刻静止无功补偿器的无功功率调度成本和离散无功补偿的电容器组的无功功率调度成本，

和

分别为离散无功补偿的电容器组的操作成本和有载调压变压器的操作成本；

和

分别为t时刻第i台分布式电源DG的有功出力和无功出力，

为t时刻第i个储能元件的无功出力，

和

分别为t时刻第i个柔性负荷的有功出力和无功出力；

为t时刻第i个静止无功补偿器SVC的无功功率，

为t时刻第i个电容器组CB的无功功率，α_ik,t为电容器组CB在一天内的切换次数，κ_t为有载调压变压器OLTC变化标识。

5.如权利要求1所述的基于混合整数线性规划的主动配电网优化调度方法，其特征在于，所述主动配电网日前经济调度模型的约束条件包括：

线性化潮流约束；

主动配电网中建立的分布式电源、储能系统、柔性负荷、电动汽车、有载调压变压器、电容器组、静止无功补偿器及微电网模型的约束；

线性化潮流约束；

主动配电网中建立的分布式电源、储能系统、柔性负荷、电动汽车、有载调压变压器、电容器组、静止无功补偿器及微电网模型的约束；

节点电压约束：

t时刻节点j的电压值介于该节点允许的最小和最大节点电压值之间；

变电站注入功率约束：

t时刻通过变电站注入的有功功率和无功功率的平方和不大于变电站允许注入的最大视在功率的平方；

线路传输功率限制：线路传输的有功功率和无功功率的平方和不大于支路允许的最大视在功率的平方。

6.如权利要求1所述的基于混合整数线性规划的主动配电网优化调度方法，其特征在于，所述建立以实现光伏与风电消纳最大化为目标的短期调度模型，具体为：

其中，PF为惩罚项，表示短期调度结果与日前基准量的偏差值；

和

分别为t时刻储能系统ES有功功率调度成本和无功功率调度成本；

为t时刻第i个储能系统ES的有功调度值，

包括充电值和放电值；

为t时刻第i个储能元件的无功出力；

和

分别为t时刻分布式电源DG输出的有功功率成本和无功功率成本；

和

分别为t时刻第i台分布式电源DG的有功出力和无功出力；

和

分别为t时刻柔性负荷的有功功率调度成本和无功功率调度成本；

和

分别为t时刻第i个柔性负荷的有功出力和无功出力；

为t时刻第i个静止无功补偿器SVC的无功功率；

为t时刻静止无功补偿器的无功功率调度成本。

7.如权利要求6所述的基于混合整数线性规划的主动配电网优化调度方法，其特征在于，所述惩罚项PF具体为：

其中，

分别为日前和短期调度过程中有载调压变压器OLTC的接头位置；

ε为惩罚因子，下标rq和dq分别表示日前调度结果和短期调度结果，惩罚项PF保证参考值的短期调度结果与日前调度结果偏差值最小；

和

分别为t时刻从上级电网注入有功功率和无功功率的电价；P_t ^s和

分别为t时刻从上级电网注入的有功功率和无功功率；

为t时刻离散无功补偿的电容器组的无功功率调度成本；

为t时刻第i个电容器组CB的无功功率。

8.基于混合整数线性规划的主动配电网优化调度系统，其特征在于，包括：服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

确定辐射形配电网的线性化潮流方程；

对主动配电网中分布式电源、储能系统、柔性负荷、电动汽车、有载调压变压器、电容器组、静止无功补偿器及微电网分别进行建模；

上述建立的主动配电网模型中，将非线性的模型线性化，得到主动配电网各单元的线性数值模型；

构建考虑有功-无功协调调度的主动配电网日前经济调度模型；利用日前经济调度模型确定主动配电网中变电站注入功率，微网输出功率，电容器组投入组数，和有载调压变压器接入位置；

建立以实现光伏与风电消纳最大化为目标的短期调度模型；短期优化调度以日前优化调度结果为基准，在保证满足功率平衡约束和节点电压约束的前提下，通过储能单元、静止无功补偿器及柔性负荷的协调配合，实现光伏与风电消纳最大化。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时执行以下步骤：

确定辐射形配电网的线性化潮流方程；

对主动配电网中分布式电源、储能系统、柔性负荷、电动汽车、有载调压变压器、电容器组、静止无功补偿器及微电网分别进行建模；

上述建立的主动配电网模型中，将非线性的模型线性化，得到主动配电网各单元的线性数值模型；

构建考虑有功-无功协调调度的主动配电网日前经济调度模型；利用日前经济调度模型确定主动配电网中变电站注入功率，微网输出功率，电容器组投入组数，和有载调压变压器接入位置；

建立以实现光伏与风电消纳最大化为目标的短期调度模型；短期优化调度以日前优化调度结果为基准，在保证满足功率平衡约束和节点电压约束的前提下，通过储能单元、静止无功补偿器及柔性负荷的协调配合，实现光伏与风电消纳最大化。

Images