CN109103912B - 考虑电网调峰需求的工业园区主动配电系统调度优化方法 - Google Patents

考虑电网调峰需求的工业园区主动配电系统调度优化方法 Download PDF

Info

Publication number
CN109103912B
CN109103912B CN201810787536.0A CN201810787536A CN109103912B CN 109103912 B CN109103912 B CN 109103912B CN 201810787536 A CN201810787536 A CN 201810787536A CN 109103912 B CN109103912 B CN 109103912B
Authority
CN
China
Prior art keywords
load
time
energy storage
vrb
demand
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.)
Active
Application number
CN201810787536.0A
Other languages
English (en)
Other versions
CN109103912A (zh
Inventor
唐昊
刘畅
余璟
汤必强
许丹
杨明
吕凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN201810787536.0A priority Critical patent/CN109103912B/zh
Publication of CN109103912A publication Critical patent/CN109103912A/zh
Application granted granted Critical
Publication of CN109103912B publication Critical patent/CN109103912B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/383—
    • 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]
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/10—Flexible AC transmission systems [FACTS]
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑电网调峰需求的工业园区主动配电系统调度优化方法，是将光伏发电单元PV、全钒液流电池储能系统VRB及工业负荷作为参与考虑电网调峰需求的工业园区主动配电系统调度单元，建立各个调度单元的物理模型；将考虑电网调峰需求的工业园区主动配电系统动态调度优化问题建立成DTMDP模型；采用基于模拟退火的Q学习算法对DTMDP模型进行策略求解，所得优化控制策略用以指导系统在实际运行过程中选取合理的行动方案，实现系统调度优化。本发明可在考虑源荷双侧随机性情况下有效解决电网调峰需求问题，促进新能源就地消纳，提高主动配电系统运行经济性和电力系统运行稳定性。

Description

考虑电网调峰需求的工业园区主动配电系统调度优化方法
技术领域
本发明涉及主动配电系统优化调度领域，具体来说是在考虑源荷双侧随机性情况下的一种考虑电网调峰需求的工业园区主动配电系统调度优化方法。
背景技术
随着新能源渗透率和可控负荷规模的日益增加，电网调峰形势愈加严峻，配电网的分布式特性愈发明显，传统配电网逐渐演变成为调度资源丰富的、可对分布式发电、柔性负荷和储能三者进行主动控制和主动管理的主动配电系统。有效利用主动配电系统内分布式能源和负荷间的互动，一方面可以实现系统自身安全经济运行，另一方面用来解决电网调峰需求，增强电力系统的可靠性和可控性。因此，对主动配电系统的优化调度问题进行深入研究，具有重要的理论意义和应用价值。
现有的主动配电系统优化调度方法主要分为两类，一类是在不考虑新能源出力和负荷需求随机性情况下，通过遗传算法、生物地理学优化算法、粒子群算法等优化算法对主动配电系统的优化调度问题进行策略求解，但新能源出力及负荷需求的不确定性是普遍存在且不可避免的，当实际值与日前预测值相差较大时，若以日前预测值确定的优化控制策略为基准值，将难以保证主动配电系统的长期安全经济运行；另一类是通过时间序列、神经网络、组合预测等确定性预测方法对新能源出力和负荷需求的不确定性进行预测，将不确定性优化调度问题转化为确定性问题进行相应的策略求解，该类方法是对某一时刻下的新能源出力和负荷需求进行预测，并未考虑到由于外界环境和用户需求具有很强的随机性，一天内新能源出力与负荷需求预测本质上可视为多时段动态变化过程，并且在各时段间具有很强的时序相关性，同时，该类方法获得的优化策略并没有考虑到环境和用户的突发不确定性带来的影响。
发明内容
本发明针对现有技术中存在的不足之处，提出来一种考虑电网调峰需求的工业园区主动配电系统调度优化方法，以期能获得在考虑源荷双侧不确定情况下通过源荷互动来满足电网调峰需求的动态调度优化方法，从而在发、供、用电平衡协调基础上应对电网调峰需求并实现系统安全经济运行的目标。
本发明为解决技术问题采用如下技术方案：
本发明考虑电网调峰需求的工业园区主动配电系统调度优化方法，所述工业园区主动配电系统包括光伏发电单元PV、全钒液流电池储能系统VRB和工业负荷，所述工业负荷包括刚性负荷和柔性负荷，所述柔性负荷包括可削减负荷、可转移负荷和可平移负荷；其特点是，所述工业园区主动配电系统调度优化方法是按如下步骤进行：
步骤1：将所述光伏发电单元PV、全钒液流电池储能系统VRB及工业负荷作为参与考虑电网调峰需求的工业园区主动配电系统调度单元；
步骤2：针对所述工业园区主动配电系统，预测获得在调度日内任意时刻t下各类功率预测值；所述各类功率预测值是指光伏出力、电网调峰需求、刚性负荷需求、可削减负荷需求、可转移负荷需求以及可平移负荷需求的预测值，其一一对应为
Figure GDA0003175356870000021
Figure GDA0003175356870000022
和
Figure GDA0003175356870000023
步骤3：按如下方式对不确定性随机变量动态变化过程建模：
步骤3.1、建立光伏出力不确定性模型：
将光伏出力在时刻t相对于预测值
Figure GDA0003175356870000024
的随机波动范围确定为
Figure GDA0003175356870000025
并将随机波动范围
Figure GDA0003175356870000026
离散为2Npv+1个等级，建立由式(1)所表征的光伏出力不确定性模型：
Figure GDA0003175356870000027
式(1)中，
Figure GDA0003175356870000028
为t时刻下实际光伏出力；
Figure GDA0003175356870000029
为t时刻下光伏出力随机波动等级，
Figure GDA00031753568700000210
Figure GDA00031753568700000211
为t时刻下光伏出力随机波动的最小单位；
步骤3.2、建立电网调峰需求不确定性模型：
将电网调峰需求在时刻t相对于预测值
Figure GDA00031753568700000212
的随机波动范围确定为
Figure GDA00031753568700000213
并将随机波动范围
Figure GDA00031753568700000214
离散为2Npeak+1个等级，建立由式(2)所表征的电网调峰需求不确定性模型：
Figure GDA00031753568700000215
式(2)中，
Figure GDA00031753568700000216
为t时刻下实际电网调峰需求；
Figure GDA00031753568700000217
为t时刻下电网调峰需求随机波动等级，
Figure GDA00031753568700000218
Figure GDA00031753568700000219
为t时刻下电网调峰需求随机波动的最小单位；
步骤3.3、建立工业负荷需求不确定性模型：
将刚性负荷需求在时刻t相对于预测值
Figure GDA00031753568700000220
的随机波动范围确定为
Figure GDA00031753568700000221
并将随机波动范围
Figure GDA00031753568700000222
离散为2Nrl+1个等级；
将可削减负荷需求在时刻t相对于预测值
Figure GDA00031753568700000223
的随机波动范围确定为
Figure GDA00031753568700000224
并将随机波动范围
Figure GDA00031753568700000225
离散为2Ncu+1个等级；
将可转移负荷需求在时刻t相对于预测值
Figure GDA00031753568700000226
的随机波动范围确定为
Figure GDA00031753568700000227
并将随机波动范围
Figure GDA00031753568700000228
离散为2Nsh+1个等级；
将可平移负荷需求在时刻t相对于预测值
Figure GDA0003175356870000031
的随机波动范围确定为
Figure GDA0003175356870000032
并将随机波动范围
Figure GDA0003175356870000033
离散为2Nhs+1个等级；
建立由式(3)所表征的工业负荷需求不确定性模型；
Figure GDA0003175356870000034
Figure GDA0003175356870000035
和
Figure GDA0003175356870000036
分别为t时刻下实际刚性负荷需求和刚性负荷需求随机波动的最小单位，
Figure GDA0003175356870000037
为t时刻下刚性负荷需求随机波动等级，
Figure GDA0003175356870000038
Figure GDA0003175356870000039
和
Figure GDA00031753568700000310
分别为t时刻下实际可削减负荷需求和可削减负荷需求随机波动的最小单位，
Figure GDA00031753568700000311
为t时刻下可削减负荷需求随机波动等级，
Figure GDA00031753568700000312
Figure GDA00031753568700000313
和
Figure GDA00031753568700000314
分别为t时刻下实际可转移负荷需求和可转移负荷需求随机波动的最小单位，
Figure GDA00031753568700000315
为t时刻下可转移负荷需求随机波动等级，
Figure GDA00031753568700000316
Figure GDA00031753568700000317
和
Figure GDA00031753568700000318
分别为t时刻下实际可平移负荷需求和可平移负荷需求随机波动的最小单位，
Figure GDA00031753568700000319
为t时刻下可平移负荷需求随机波动等级，
Figure GDA00031753568700000320
将所述光伏出力随机波动等级
Figure GDA00031753568700000321
电网调峰需求随机波动等级
Figure GDA00031753568700000322
刚性负荷需求随机波动等级
Figure GDA00031753568700000323
可削减负荷需求随机波动等级
Figure GDA00031753568700000324
可转移负荷需求随机波动等级
Figure GDA00031753568700000325
以及可平移负荷需求随机波动等级
Figure GDA00031753568700000326
随时间的动态变化过程分别描述为连续马尔可夫过程，令各项随机波动等级的变化服从各自概率矩阵的马尔可夫链；
步骤4：按如下方式对所述柔性负荷动态调整过程建模：
将所述工业园区主动配电系统调度日全天时长T等分为0～K共K+1个时段，时段k为：k∈{0,1,…,K}；根据所述工业园区主动配电系统内各类柔性负荷不同的响应特性，按如下方式获得各时段内各类柔性负荷的动态调整方案：
将各时段k内可削减负荷削减量占比离散为
Figure GDA00031753568700000327
个等级，则时段k内可削减负荷的削减动作等级
Figure GDA00031753568700000328
为：
Figure GDA00031753568700000329
将各时段k内实际可转移负荷转移量占比离散为
Figure GDA00031753568700000330
个等级，则时段k内可转移负荷的转移动作等级
Figure GDA00031753568700000331
为：
Figure GDA00031753568700000332
将各时段k内实际可平移负荷平移量占比离散为两个等级，则时段k内可平移负荷的平移动作等级
Figure GDA00031753568700000333
为：
Figure GDA00031753568700000334
以
Figure GDA00031753568700000335
表征为不平移动作，以
Figure GDA00031753568700000336
表征为平移动作；
步骤5：按如下方式对所述全钒液流电池储能系统VRB充放电过程建模：
建立如式(4)所表征的反映VRB储能装置充放电特性的非线性数学模型；
Figure GDA0003175356870000041
式(4)中，Ud、Uc和Ce分别为储能装置外部端电压、电容电压和电极电容；Id和Ip分别为充放电电流和泵损电流；V1和N分别为电池标准电极电势和电堆串联单体电池的个数；T和F分别为温度和法拉第常数；CN和SOC分别为电池额定容量和电池荷电状态；R1和R2均为等效电池内阻；Rf和R分别为寄生损耗和气体常数；
利用所述非线性数学模型获得基于三段式安全充放电方式下VRB储能装置在时刻t下的荷电状态
Figure GDA0003175356870000042
以及所对应的充放电功率
Figure GDA0003175356870000043
将VRB储能装置充放电过程剩余容量动态变化最大范围离散为0～Nvrb共Nvrb+1个状态等级，则时刻t下VRB储能装置剩余容量状态等级
Figure GDA0003175356870000044
为：
Figure GDA0003175356870000045
将时段k内各状态下VRB储能装置的充放电动作等级
Figure GDA0003175356870000046
记为：
Figure GDA0003175356870000047
以
Figure GDA0003175356870000048
表征为充电动作，以
Figure GDA0003175356870000049
表征为闲置，以
Figure GDA00031753568700000410
表征为放电动作；
所述三段式安全充放电方式是指：以电池荷电状态SOC和端电压Ud作为安全充放电切换控制策略约束条件，采用先恒流、再恒压，最后为涓流的三段式充放电充电方式；
步骤6：以应对电网调峰需求和降低系统日运行代价为系统调度优化目标，在满足系统实际运行过程中的各项相关约束条件下，将考虑电网调峰需求的工业园区主动配电系统动态调度优化问题建立成相应的DTMDP模型：
步骤6.1、确定所述DTMDP模型的系统状态空间及行动集：
将所述时段k定义为决策周期k；并将决策周期k的起始时刻定义为决策时刻tk；
定义：所述工业园区主动配电系统在决策时刻tk下的系统状态为sk、行动为ak，并有：
Figure GDA00031753568700000411
Figure GDA0003175356870000051
其中，Φs为系统状态空间；
Figure GDA0003175356870000052
为决策时刻tk下VRB储能装置剩余容量状态等级；
Figure GDA0003175356870000053
Figure GDA0003175356870000054
和
Figure GDA0003175356870000055
分别为决策时刻tk下光伏出力、电网调峰需求和刚性负荷需求随机波动等级；
Figure GDA0003175356870000056
Figure GDA0003175356870000057
和
Figure GDA0003175356870000058
分别为决策时刻tk下可削减负荷需求、可转移负荷需求和可平移负荷需求随机波动等级；
Figure GDA0003175356870000059
为决策时刻tk下可平移负荷平移动作对应的状态等级，
Figure GDA00031753568700000510
以
Figure GDA00031753568700000511
表征为可平移负荷在决策时刻tk下是处于不平移状态，以
Figure GDA00031753568700000512
表征为可平移负荷在决策时刻tk下是处于平移状态；D为行动集；
Figure GDA00031753568700000513
为决策时刻tk下VRB储能装置充放电动作等级；
Figure GDA00031753568700000514
为决策时刻tk下可削减负荷削减动作等级；
Figure GDA00031753568700000515
为决策时刻tk下可转移负荷转移动作等级；
Figure GDA00031753568700000516
为决策时刻tk下可平移负荷平移动作等级；
步骤6.2、确定所述DTMDP模型的代价函数：
利用式(5)获取所述考虑电网调峰需求的工业园区主动配电系统在决策周期k内通过执行行动ak状态转移过程产生的运行代价：
Figure GDA00031753568700000517
式(5)中，ck为决策周期k内工业园区主动配电系统运行代价；
Figure GDA00031753568700000518
为决策周期k内工业园区主动配电系统未满足电网调峰需求的代价，
Figure GDA00031753568700000519
为决策周期k内从电网购电代价，
Figure GDA00031753568700000520
为决策周期k内光伏发电补贴，
Figure GDA00031753568700000521
为决策周期k内VRB储能装置的充放电损耗代价，
Figure GDA00031753568700000522
为决策周期k内VRB储能装置的运行维护成本，
Figure GDA00031753568700000523
为决策周期k内可削减负荷的补偿代价，
Figure GDA00031753568700000524
为决策周期k内可转移负荷的补偿代价，
Figure GDA00031753568700000525
为决策周期k内可平移负荷的补偿代价；
利用式(6)获取末状态代价cvrb(sK+1)：
Figure GDA00031753568700000526
式(6)中，
Figure GDA00031753568700000527
为末状态代价系数，
Figure GDA00031753568700000528
和
Figure GDA00031753568700000529
分别为末决策时刻tK+1下VRB储能装置实际剩余容量等级和设定的期望剩余容量等级；
步骤6.3、确定所述DTMDP模型的优化目标：
利用式(7)获取考虑电网调峰需求的工业园区主动配电系统的动态调度优化目标，是在策略集Ω中找到一个最优策略π*，使得在各种随机情况下系统平均日运行总代价最小；
Figure GDA00031753568700000530
式(7)中，π为优化策略，Ω为优化策略集；
步骤7：按如下方式采用基于模拟退火的Q学习算法对所述DTMDP模型进行策略求解，实现考虑电网调峰需求的工业园区主动配电系统调度优化：
步骤7.1、定义并初始化Q学习算法中的Q值表、样本轨道总数M、单条样本轨道决策周期数K、学习率αm、学习率更新系数ηα、模拟退火温度Ttemp以及模拟退火系数ηtemp，并令当前样本轨道数m＝0；
步骤7.2、设置当前决策周期k＝0，并随机初始化系统状态sk；
步骤7.3、根据Q值表和贪婪策略，选取在当前状态sk下对VRB储能装置和各类柔性负荷的贪婪行动agreedy，
Figure GDA0003175356870000061
同时随机选取有效行动arand；
若
Figure GDA0003175356870000062
则选取当前行动ak＝agreedy，否则为ak＝arand；
若k＜K，跳转至步骤7.4；若k＝K，跳转至步骤7.5；
步骤7.4、执行当前行动ak，根据所建系统模型计算下一决策周期对应的系统状态sk+1、并计算在决策周期k内通过执行行动ak状态转移过程中产生的运行代价ck，根据式(8)更新Q值表、更新策略，并将k的值增加1，返回步骤7.3；
Figure GDA0003175356870000063
步骤7.5、执行当前行动aK，计算在决策周期K内通过执行行动aK状态转移过程中产生的运行代价cK及末状态代价cvrb(sK+1)，根据式(9)更新Q值表、更新策略，继续步骤7.6；
Q(sK,aK)＝Q(sK,aK)+αm(cK+cvrb(sK+1)-Q(sK,aK)) (9)
步骤7.6、将模拟退火温度Ttemp的值更新为：ηtempTtemp，将当前样本轨道数m的值增加1，将学习率αm的值更新为：ηααm；
步骤7.7、若m＜M，返回步骤7.2；若m≥M，则完成学习优化方法，得到各决策周期内的VRB储能装置充放电动作等级
Figure GDA0003175356870000064
可削减负荷削减动作等级
Figure GDA0003175356870000065
可转移负荷转移动作等级
Figure GDA0003175356870000066
和可平移负荷平移动作等级
Figure GDA0003175356870000067
实现对所述考虑电网调峰需求的工业园区主动配电系统动态调度。
本发明考虑电网调峰需求的工业园区主动配电系统调度优化方法的特点也在于，步骤6中所述系统实际运行过程中的各项相关约束条件为：
Figure GDA0003175356870000068
Figure GDA0003175356870000069
Figure GDA00031753568700000610
Figure GDA0003175356870000071
Figure GDA0003175356870000072
Figure GDA0003175356870000073
Figure GDA0003175356870000074
Figure GDA0003175356870000075
其中：
Figure GDA0003175356870000076
为t时刻所述光伏发电单元PV实际光伏出力，
Figure GDA0003175356870000077
为t时刻所述系统从电网购售电功率；
Figure GDA0003175356870000078
为t时刻所述全钒液流电池储能系统VRB充放电功率，
Figure GDA0003175356870000079
为t时刻所述工业园区主动配电系统内工业负荷需求功率；
Figure GDA00031753568700000710
为t时刻实际刚性负荷需求，
Figure GDA00031753568700000711
和
Figure GDA00031753568700000712
分别为t时刻所述系统内实际可削减负荷需求、可转移负荷需求和可平移负荷需求；
Figure GDA00031753568700000713
和
Figure GDA00031753568700000714
分别为t时刻所述全钒液流电池储能系统VRB充放电功率上下限；
Figure GDA00031753568700000715
为t时刻所述全钒液流电池储能系统VRB端电压，
Figure GDA00031753568700000716
和
Figure GDA00031753568700000717
分别为所述全钒液流电池储能系统VRB中端电压的上下限；
Figure GDA00031753568700000718
为t时刻所述全钒液流电池储能系统VRB剩余容量，
Figure GDA00031753568700000719
和
Figure GDA00031753568700000720
分别为所述全钒液流电池储能系统VRB剩余容量上下限；
Figure GDA00031753568700000721
和
Figure GDA00031753568700000722
分别为所述全钒液流电池储能系统VRB调度日始末剩余容量，Ccon为设定的全钒液流电池储能系统VRB始末剩余容量期望值；
m(k)为所述全钒液流电池储能系统VRB在决策周期k内所处的充放电状态，其中m(k)＝1、0、-1分别为所述全钒液流电池储能系统VRB在决策周期k内处于充电、闲置及放电状态，
Figure GDA00031753568700000723
为所述全钒液流电池储能系统VRB在整个调度日内允许的最大充放电次数；
Figure GDA00031753568700000724
为所述可转移负荷在决策周期k内负荷实际转移量，
Figure GDA00031753568700000725
为所述可转移负荷在决策周期K内负荷实际转移量。
与已有技术相比，本发明的有益效果体现在：
1.本发明针对考虑电网调峰需求的工业园区主动配电系统调度优化问题，通过学习优化方法对系统动态优化问题进行策略求解，可有效解决电网调峰需求问题，促进新能源就地消纳，有利于主动配电系统安全经济运行和提高电力系统运行稳定性；
2.本发明在考虑系统源荷双侧不确定情况下，将系统内源荷随机波动的动态变化过程建立为连续马尔可夫过程模型，可以体现出系统动态随机变量的序贯变化过程，进而贴近系统真实运行情况，有利于降低环境和用户的突发不确定性对系统带来的影响；
3.本发明选取容量大、无污染、能够频繁充放电的全钒液流电池作为工业园区主动配电系统的储能装置，并针对具体全钒液流电池充放电特性选取安全合理的三段式充放电控制策略，可以防止过充过放现象，提高电池充放电效率，增加电池使用寿命，从而有利于系统长期安全经济运行；
4.本发明在考虑系统实际运行过程中各项约束的基础上将系统内储能装置与各类柔性负荷的动态调节作用考虑到该调度问题中，采用基于模拟退火的Q学习算法对系统动态调度优化问题进行策略求解，所得优化策略满足系统内各类实际运行限制，并且可以在各类随机情况下给出合理的储能充放电方案和柔性负荷调整方案。
附图说明
图1为本发明所述的工业园区主动配电系统的结构示意图；
图2为本发明方法所述的流程示意图；
图3为本发明所述的VRB储能装置模型示意图；
图4为本发明所述的强化学习算法流程示意图。
具体实施方式
本实施例中考虑电网调峰需求的工业园区主动配电系统调度优化方法，应用于如图1所示的工业园区主动配电系统，其包括：光伏发电单元PV、全钒液流电池储能系统VRB和工业负荷，工业负荷包括刚性负荷和柔性负荷，柔性负荷包括可削减负荷、可转移负荷和可平移负荷；工业园区主动配电系统与电网通过公共节点相联，可以接收电网调度交易中心发出的实时调峰需求指令，并可以按工业分时电价与电网进行购电、售电交互。考虑到光伏出力、各类负荷需求及电网调峰需求的随机不确定性和时序相关性，采用基于模拟退火的Q学习算法对系统动态调度优化问题进行策略求解，所得调度优化策略可以在各类随机情况下给出合理的储能充放电方案和柔性负荷调整方案，进而应对电网调峰需求并提高系统运行经济性。如图2所示。
本实施例中工业园区主动配电系统调度优化方法是按如下步骤进行：
步骤1：将光伏发电单元PV、全钒液流电池储能系统VRB及工业负荷作为参与考虑电网调峰需求的工业园区主动配电系统调度单元。
步骤2：针对工业园区主动配电系统，预测获得在调度日内任意时刻t下各类功率预测值；各类功率预测值是指光伏出力、电网调峰需求、刚性负荷需求、可削减负荷需求、可转移负荷需求以及可平移负荷需求的预测值，其一一对应为
Figure GDA0003175356870000091
和
Figure GDA0003175356870000092
步骤3：按如下方式对不确定性随机变量动态变化过程建模：
步骤3.1、建立光伏出力不确定性模型：
光伏发电单元PV的光伏出力具有随机不确定性和时序相关性，将光伏出力在时刻t相对于预测值
Figure GDA0003175356870000093
的随机波动范围确定为
Figure GDA0003175356870000094
并将随机波动范围
Figure GDA0003175356870000095
离散为2Npv+1个等级，建立由式(1)所表征的光伏出力不确定性模型：
Figure GDA0003175356870000096
式(1)中，
Figure GDA0003175356870000097
为t时刻下实际光伏出力；
Figure GDA0003175356870000098
为t时刻下光伏出力随机波动等级，
Figure GDA00031753568700000930
Figure GDA0003175356870000099
为t时刻下光伏出力随机波动的最小单位。
步骤3.2、建立电网调峰需求不确定性模型：
将电网调峰需求在时刻t相对于预测值
Figure GDA00031753568700000910
的随机波动范围确定为
Figure GDA00031753568700000911
并将随机波动范围
Figure GDA00031753568700000912
离散为2Npeak+1个等级，建立由式(2)所表征的电网调峰需求不确定性模型：
Figure GDA00031753568700000913
式(2)中，
Figure GDA00031753568700000914
为t时刻下实际电网调峰需求；
Figure GDA00031753568700000915
为t时刻下电网调峰需求随机波动等级，
Figure GDA00031753568700000916
Figure GDA00031753568700000917
为t时刻下电网调峰需求随机波动的最小单位。
步骤3.3、建立工业负荷需求不确定性模型：
将刚性负荷需求在时刻t相对于预测值
Figure GDA00031753568700000918
的随机波动范围确定为
Figure GDA00031753568700000919
并将随机波动范围
Figure GDA00031753568700000920
离散为2Nrl+1个等级；
将可削减负荷需求在时刻t相对于预测值
Figure GDA00031753568700000921
的随机波动范围确定为
Figure GDA00031753568700000922
并将随机波动范围
Figure GDA00031753568700000923
离散为2Ncu+1个等级；
将可转移负荷需求在时刻t相对于预测值
Figure GDA00031753568700000924
的随机波动范围确定为
Figure GDA00031753568700000925
并将随机波动范围
Figure GDA00031753568700000926
离散为2Nsh+1个等级；
将可平移负荷需求在时刻t相对于预测值
Figure GDA00031753568700000927
的随机波动范围确定为
Figure GDA00031753568700000928
并将随机波动范围
Figure GDA00031753568700000929
离散为2Nhs+1个等级；
建立由式(3)所表征的工业负荷需求不确定性模型；
Figure GDA0003175356870000101
Figure GDA0003175356870000102
和
Figure GDA0003175356870000103
分别为t时刻下实际刚性负荷需求和刚性负荷需求随机波动的最小单位，
Figure GDA0003175356870000104
为t时刻下刚性负荷需求随机波动等级，
Figure GDA0003175356870000105
Figure GDA0003175356870000106
和
Figure GDA0003175356870000107
分别为t时刻下实际可削减负荷需求和可削减负荷需求随机波动的最小单位；
Figure GDA0003175356870000108
为t时刻下可削减负荷需求随机波动等级，
Figure GDA0003175356870000109
Figure GDA00031753568700001010
和
Figure GDA00031753568700001011
分别为t时刻下实际可转移负荷需求和可转移负荷需求随机波动的最小单位；
Figure GDA00031753568700001012
为t时刻下可转移负荷需求随机波动等级，
Figure GDA00031753568700001013
Figure GDA00031753568700001014
和
Figure GDA00031753568700001015
分别为t时刻下实际可平移负荷需求和可平移负荷需求随机波动的最小单位；
Figure GDA00031753568700001016
为t时刻下可平移负荷需求随机波动等级，
Figure GDA00031753568700001017
在对光伏出力、电网调峰需求以及工业负荷需求不确定性随机变量动态变化过程建模时，将光伏出力随机波动等级
Figure GDA00031753568700001018
电网调峰需求随机波动等级
Figure GDA00031753568700001019
刚性负荷需求随机波动等级
Figure GDA00031753568700001020
可削减负荷需求随机波动等级
Figure GDA00031753568700001021
可转移负荷需求随机波动等级
Figure GDA00031753568700001022
以及可平移负荷需求随机波动等级
Figure GDA00031753568700001023
随时间的动态变化过程分别描述为连续马尔可夫过程，令各项随机波动等级的变化服从各自概率矩阵的马尔可夫链。
步骤4：按如下方式对柔性负荷动态调整过程建模：
将工业园区主动配电系统调度日全天时长T等分为0～K共K+1个时段，时段k为：k∈{0,1,…,K}；根据工业园区主动配电系统内各类柔性负荷不同的响应特性，按如下方式获得各时段内各类柔性负荷的动态调整方案：
将各时段k内可削减负荷削减量占比离散为
Figure GDA00031753568700001024
个等级，则时段k内可削减负荷的削减动作等级
Figure GDA00031753568700001025
为：
Figure GDA00031753568700001026
将各时段k内实际可转移负荷转移量占比离散为
Figure GDA00031753568700001027
个等级，则时段k内可转移负荷的转移动作等级
Figure GDA00031753568700001028
为：
Figure GDA00031753568700001029
将各时段k内实际可平移负荷平移量占比离散为两个等级，则时段k内可平移负荷的平移动作等级
Figure GDA00031753568700001030
为：
Figure GDA00031753568700001031
以
Figure GDA00031753568700001032
表征为不平移动作，以
Figure GDA00031753568700001033
表征为平移动作。
步骤5：按如下方式对全钒液流电池储能系统VRB充放电过程建模：
根据VRB储能装置充放电过程的动态特性建立相应的如图3所示的等效电路图，通过分析图中各参量之间的关系，建立如式(4)所表征的反映VRB储能装置充放电特性的非线性数学模型；
Figure GDA0003175356870000111
式(4)中，Ud、Uc和Ce分别为储能装置外部端电压、电容电压和电极电容；Id和Ip分别为充放电电流和泵损电流；V1和N分别为电池标准电极电势和电堆串联单体电池的个数；T和F分别为温度和法拉第常数；CN和SOC分别为电池额定容量和电池荷电状态；R1和R2均为等效电池内阻损耗；Rf和R分别为寄生损耗和气体常数；R1和R2为包括反应动力等效的阻抗、传质阻抗、隔膜阻抗、溶液阻抗、电极阻抗和双极板阻抗的电池内部阻抗，其中R1占内部损耗的60％，而R2占内部损耗的40％。
利用非线性数学模型获得基于三段式安全充放电方式下VRB储能装置在时刻t下的荷电状态
Figure GDA0003175356870000112
以及所对应的充放电功率
Figure GDA0003175356870000113
将VRB储能装置充放电过程剩余容量动态变化最大范围离散为0～Nvrb共Nvrb+1个状态等级，则时刻t下VRB储能装置剩余容量状态等级
Figure GDA0003175356870000114
为：
Figure GDA0003175356870000115
将时段k内各状态下VRB储能装置的充放电动作等级
Figure GDA0003175356870000116
记为：
Figure GDA0003175356870000117
以
Figure GDA0003175356870000118
表征为充电动作，以
Figure GDA0003175356870000119
表征为闲置，以
Figure GDA00031753568700001110
表征为放电动作。
三段式安全充放电方式是指：以电池荷电状态SOC和端电压Ud作为安全充放电切换控制策略约束条件，采用先恒流、再恒压，最后为涓流的三段式充放电充电方式。
步骤6：以应对电网调峰需求和降低系统日运行代价为系统调度优化目标，在满足系统实际运行过程中的各项相关约束条件下，将考虑电网调峰需求的工业园区主动配电系统动态调度优化问题建立成相应的DTMDP模型：
步骤6.1、确定DTMDP模型的系统状态空间及行动集：
将时段k定义为决策周期k；并将决策周期k的起始时刻定义为决策时刻tk；
定义：工业园区主动配电系统在决策时刻tk下的系统状态为sk、行动为ak，并有：
Figure GDA0003175356870000121
Figure GDA0003175356870000122
其中，Φs为系统状态空间；
Figure GDA0003175356870000123
为决策时刻tk下VRB储能装置剩余容量状态等级；
Figure GDA0003175356870000124
Figure GDA0003175356870000125
和
Figure GDA0003175356870000126
分别为决策时刻tk下光伏出力、电网调峰需求和刚性负荷需求随机波动等级；
Figure GDA0003175356870000127
Figure GDA0003175356870000128
和
Figure GDA0003175356870000129
分别为决策时刻tk下可削减负荷需求、可转移负荷需求和可平移负荷需求随机波动等级；
Figure GDA00031753568700001210
为决策时刻tk下可平移负荷平移动作对应的状态等级，
Figure GDA00031753568700001211
以
Figure GDA00031753568700001212
表征为可平移负荷在决策时刻tk下是处于不平移状态，以
Figure GDA00031753568700001213
表征为可平移负荷在决策时刻tk下是处于平移状态；D为行动集；
Figure GDA00031753568700001214
为决策时刻tk下VRB储能装置充放电动作等级；
Figure GDA00031753568700001215
为决策时刻tk下可削减负荷削减动作等级；
Figure GDA00031753568700001216
为决策时刻tk下可转移负荷转移动作等级；
Figure GDA00031753568700001217
为决策时刻tk下可平移负荷平移动作等级。
步骤6.2、确定DTMDP模型的代价函数：
利用式(5)获取考虑电网调峰需求的工业园区主动配电系统在决策周期k内通过执行行动ak状态转移过程产生的运行代价：
Figure GDA00031753568700001218
式(5)中，ck为决策周期k内工业园区主动配电系统运行代价；
Figure GDA00031753568700001219
为决策周期k内工业园区主动配电系统未满足电网调峰需求的代价，
Figure GDA00031753568700001220
为决策周期k内从电网购电代价，
Figure GDA00031753568700001221
为决策周期k内光伏发电补贴，
Figure GDA00031753568700001222
为决策周期k内VRB储能装置的充放电损耗代价，
Figure GDA00031753568700001223
为决策周期k内VRB储能装置的运行维护成本，
Figure GDA00031753568700001224
为决策周期k内可削减负荷的补偿代价，
Figure GDA00031753568700001225
为决策周期k内可转移负荷的补偿代价，
Figure GDA00031753568700001226
为决策周期k内可平移负荷的补偿代价；
工业园区主动配电系统调度成一定周期性，且系统末决策时刻为一天结束时刻，应使每个调度周期末储能装置剩余容量等级与调度周期起始时刻一致并达到期望剩余容量等级，故增设一个在末决策时刻tK+1下与VRB储能装置实际剩余容量等级较设定的期望等级差值有关的末状态代价，利用式(6)获取末状态代价cvrb(sK+1)：
Figure GDA00031753568700001227
式(6)中，
Figure GDA00031753568700001228
为末状态代价系数，
Figure GDA00031753568700001229
和
Figure GDA00031753568700001230
分别为末决策时刻tK+1下VRB储能装置实际剩余容量等级和设定的期望剩余容量等级；
步骤6.3、确定DTMDP模型的优化目标：
利用式(7)获取考虑电网调峰需求的工业园区主动配电系统的动态调度优化目标，是在策略集Ω中找到一个最优策略π*，使得在各种随机情况下系统平均日运行总代价最小；
Figure GDA0003175356870000131
式(7)中，π为优化策略，Ω为优化策略集。
步骤7：按如下方式采用基于模拟退火的Q学习算法对DTMDP模型进行策略求解，实现考虑电网调峰需求的工业园区主动配电系统调度优化，如图4所示，策略求解是按如下步骤进行：
步骤7.1、定义并初始化Q学习算法中的Q值表、样本轨道总数M、单条样本轨道决策周期数K、学习率αm、学习率更新系数ηα、模拟退火温度Ttemp以及模拟退火系数ηtemp，并令当前样本轨道数m＝0。
步骤7.2、设置当前决策周期k＝0，并随机初始化系统状态sk。
步骤7.3、根据Q值表和贪婪策略，选取在当前状态sk下对VRB储能装置和各类柔性负荷的贪婪行动agreedy，
Figure GDA0003175356870000132
同时随机选取有效行动arand；
若
Figure GDA0003175356870000133
则选取当前行动ak＝agreedy，否则为ak＝arand；
若k＜K，跳转至步骤7.4；若k＝K，跳转至步骤7.5。
步骤7.4、执行当前行动ak，根据所建系统模型计算下一决策周期对应的系统状态sk+1、并计算在决策周期k内通过执行行动ak状态转移过程中产生的运行代价ck，根据式(8)更新Q值表、更新策略，并将k的值增加1，返回步骤7.3；
Figure GDA0003175356870000134
步骤7.5、执行当前行动aK，计算在决策周期K内通过执行行动aK状态转移过程中产生的运行代价cK及末状态代价cvrb(sK+1)，根据式(9)更新Q值表、更新策略，继续步骤7.6；
Q(sK,aK)＝Q(sK,aK)+αm(cK+cvrb(sK+1)-Q(sK,aK)) (9)
步骤7.6、将模拟退火温度Ttemp的值更新为：ηtempTtemp，将当前样本轨道数m的值增加1，将学习率αm的值更新为：ηααm。
步骤7.7、若m＜M，返回步骤7.2；若m≥M，则完成学习优化方法，得到各决策周期内的VRB储能装置充放电动作等级
Figure GDA0003175356870000135
可削减负荷削减动作等级
Figure GDA0003175356870000136
可转移负荷转移动作等级
Figure GDA0003175356870000141
和可平移负荷平移动作等级
Figure GDA0003175356870000142
实现对考虑电网调峰需求的工业园区主动配电系统动态调度。
具体实施中，步骤6中系统实际运行过程中的各项相关约束条件为：
Figure GDA0003175356870000143
Figure GDA0003175356870000144
Figure GDA0003175356870000145
Figure GDA0003175356870000146
Figure GDA0003175356870000147
Figure GDA0003175356870000148
Figure GDA0003175356870000149
Figure GDA00031753568700001410
其中：
Figure GDA00031753568700001411
为t时刻光伏发电单元PV实际光伏出力，
Figure GDA00031753568700001412
为t时刻系统从电网购售电功率；
Figure GDA00031753568700001413
为t时刻全钒液流电池储能系统VRB充放电功率，
Figure GDA00031753568700001414
为t时刻工业园区主动配电系统内工业负荷需求功率；
Figure GDA00031753568700001415
为t时刻实际刚性负荷需求，
Figure GDA00031753568700001416
和
Figure GDA00031753568700001417
分别为t时刻系统内实际可削减负荷需求、可转移负荷需求和可平移负荷需求；
Figure GDA00031753568700001418
和
Figure GDA00031753568700001419
分别为t时刻全钒液流电池储能系统VRB充放电功率上下限；
Figure GDA00031753568700001420
为t时刻全钒液流电池储能系统VRB端电压，
Figure GDA00031753568700001421
和
Figure GDA00031753568700001422
分别为全钒液流电池储能系统VRB中端电压的上下限；
Figure GDA00031753568700001423
为t时刻全钒液流电池储能系统VRB剩余容量，
Figure GDA00031753568700001424
和
Figure GDA00031753568700001425
分别为全钒液流电池储能系统VRB剩余容量上下限；
Figure GDA00031753568700001426
和
Figure GDA00031753568700001427
分别为全钒液流电池储能系统VRB调度日始末剩余容量，Ccon为设定的全钒液流电池储能系统VRB始末剩余容量期望值；
m(k)为全钒液流电池储能系统VRB在决策周期k内所处的充放电状态，其中m(k)＝1、0、-1分别为全钒液流电池储能系统VRB在决策周期k内处于充电、闲置及放电状态，
Figure GDA0003175356870000151
为全钒液流电池储能系统VRB在整个调度日内允许的最大充放电次数；
Figure GDA0003175356870000152
为可转移负荷在决策周期k内负荷实际转移量，
Figure GDA0003175356870000153
为可转移负荷在决策周期K内负荷实际转移量。
本发明可在考虑源荷双侧随机性情况下有效解决电网调峰需求问题，有利于降低环境和用户的突发不确定性对系统带来的影响，可促进新能源就地消纳，提高主动配电系统运行经济性和电力系统运行稳定性。

Claims (2)

1.一种考虑电网调峰需求的工业园区主动配电系统调度优化方法，所述工业园区主动配电系统包括光伏发电单元PV、全钒液流电池储能系统VRB和工业负荷，所述工业负荷包括刚性负荷和柔性负荷，所述柔性负荷包括可削减负荷、可转移负荷和可平移负荷；其特征是，所述工业园区主动配电系统调度优化方法是按如下步骤进行：
步骤1：将所述光伏发电单元PV、全钒液流电池储能系统VRB及工业负荷作为参与考虑电网调峰需求的工业园区主动配电系统调度单元；
步骤2：针对所述工业园区主动配电系统，预测获得在调度日内任意时刻t下各类功率预测值；所述各类功率预测值是指光伏出力、电网调峰需求、刚性负荷需求、可削减负荷需求、可转移负荷需求以及可平移负荷需求的预测值，其一一对应为
Figure FDA0003164421000000011
Figure FDA0003164421000000012
和
Figure FDA0003164421000000013
步骤3：按如下方式对不确定性随机变量动态变化过程建模：
步骤3.1、建立光伏出力不确定性模型：
将光伏出力在时刻t相对于预测值
Figure FDA0003164421000000014
的随机波动范围确定为
Figure FDA0003164421000000015
并将随机波动范围
Figure FDA0003164421000000016
离散为2Npv+1个等级，建立由式(1)所表征的光伏出力不确定性模型：
Figure FDA0003164421000000017
式(1)中，
Figure FDA0003164421000000018
为t时刻下实际光伏出力；
Figure FDA0003164421000000019
为t时刻下光伏出力随机波动等级，
Figure FDA00031644210000000110
Figure FDA00031644210000000123
为t时刻下光伏出力随机波动的最小单位；
步骤3.2、建立电网调峰需求不确定性模型：
将电网调峰需求在时刻t相对于预测值
Figure FDA00031644210000000111
的随机波动范围确定为
Figure FDA00031644210000000112
并将随机波动范围
Figure FDA00031644210000000113
离散为2Npeak+1个等级，建立由式(2)所表征的电网调峰需求不确定性模型：
Figure FDA00031644210000000114
式(2)中，
Figure FDA00031644210000000115
为t时刻下实际电网调峰需求；
Figure FDA00031644210000000116
为t时刻下电网调峰需求随机波动等级，
Figure FDA00031644210000000117
Figure FDA00031644210000000124
为t时刻下电网调峰需求随机波动的最小单位；
步骤3.3、建立工业负荷需求不确定性模型：
将刚性负荷需求在时刻t相对于预测值
Figure FDA00031644210000000118
的随机波动范围确定为
Figure FDA00031644210000000119
并将随机波动范围
Figure FDA00031644210000000120
离散为2Nrl+1个等级；
将可削减负荷需求在时刻t相对于预测值
Figure FDA00031644210000000121
的随机波动范围确定为
Figure FDA00031644210000000122
并将随机波动范围
Figure FDA0003164421000000021
离散为2Ncu+1个等级；
将可转移负荷需求在时刻t相对于预测值
Figure FDA0003164421000000022
的随机波动范围确定为
Figure FDA0003164421000000023
并将随机波动范围
Figure FDA0003164421000000024
离散为2Nsh+1个等级；
将可平移负荷需求在时刻t相对于预测值
Figure FDA0003164421000000025
的随机波动范围确定为
Figure FDA0003164421000000026
并将随机波动范围
Figure FDA0003164421000000027
离散为2Nhs+1个等级；
建立由式(3)所表征的工业负荷需求不确定性模型；
Figure FDA0003164421000000028
Figure FDA0003164421000000029
和
Figure FDA00031644210000000210
分别为t时刻下实际刚性负荷需求和刚性负荷需求随机波动的最小单位，
Figure FDA00031644210000000211
为t时刻下刚性负荷需求随机波动等级，
Figure FDA00031644210000000212
Figure FDA00031644210000000213
和
Figure FDA00031644210000000214
分别为t时刻下实际可削减负荷需求和可削减负荷需求随机波动的最小单位，
Figure FDA00031644210000000215
为t时刻下可削减负荷需求随机波动等级，
Figure FDA00031644210000000216
Figure FDA00031644210000000217
和
Figure FDA00031644210000000218
分别为t时刻下实际可转移负荷需求和可转移负荷需求随机波动的最小单位，
Figure FDA00031644210000000219
为t时刻下可转移负荷需求随机波动等级，
Figure FDA00031644210000000220
Figure FDA00031644210000000221
和
Figure FDA00031644210000000222
分别为t时刻下实际可平移负荷需求和可平移负荷需求随机波动的最小单位，
Figure FDA00031644210000000223
为t时刻下可平移负荷需求随机波动等级，
Figure FDA00031644210000000224
将所述光伏出力随机波动等级
Figure FDA00031644210000000225
电网调峰需求随机波动等级
Figure FDA00031644210000000226
刚性负荷需求随机波动等级
Figure FDA00031644210000000227
可削减负荷需求随机波动等级
Figure FDA00031644210000000228
可转移负荷需求随机波动等级
Figure FDA00031644210000000229
以及可平移负荷需求随机波动等级
Figure FDA00031644210000000230
随时间的动态变化过程分别描述为连续马尔可夫过程，令各项随机波动等级的变化服从各自概率矩阵的马尔可夫链；
步骤4：按如下方式对所述柔性负荷动态调整过程建模：
将所述工业园区主动配电系统调度日全天时长T等分为0～K共K+1个时段，时段k为：k∈{0,1,…,K}；根据所述工业园区主动配电系统内各类柔性负荷不同的响应特性，按如下方式获得各时段内各类柔性负荷的动态调整方案：
将各时段k内可削减负荷削减量占比离散为
Figure FDA00031644210000000231
个等级，则时段k内可削减负荷的削减动作等级
Figure FDA00031644210000000232
为：
Figure FDA00031644210000000233
将各时段k内实际可转移负荷转移量占比离散为
Figure FDA00031644210000000234
个等级，则时段k内可转移负荷的转移动作等级
Figure FDA0003164421000000031
为：
Figure FDA0003164421000000032
将各时段k内实际可平移负荷平移量占比离散为两个等级，则时段k内可平移负荷的平移动作等级
Figure FDA0003164421000000033
为：
Figure FDA0003164421000000034
以
Figure FDA0003164421000000035
表征为不平移动作，以
Figure FDA0003164421000000036
表征为平移动作；
步骤5：按如下方式对所述全钒液流电池储能系统VRB充放电过程建模：
建立如式(4)所表征的反映VRB储能装置充放电特性的非线性数学模型；
Figure FDA0003164421000000037
式(4)中，Ud、Uc和Ce分别为储能装置外部端电压、电容电压和电极电容；Id和Ip分别为充放电电流和泵损电流；V1和N分别为电池标准电极电势和电堆串联单体电池的个数；T和F分别为温度和法拉第常数；CN和SOC分别为电池额定容量和电池荷电状态；R1和R2均为等效电池内阻；Rf和R分别为寄生损耗和气体常数；
利用所述非线性数学模型获得基于三段式安全充放电方式下VRB储能装置在时刻t下的剩余容量
Figure FDA0003164421000000038
以及所对应的充放电功率
Figure FDA0003164421000000039
将VRB储能装置充放电过程剩余容量动态变化最大范围离散为0～Nvrb共Nvrb+1个状态等级，则时刻t下VRB储能装置剩余容量状态等级
Figure FDA00031644210000000310
为：
Figure FDA00031644210000000311
将时段k内各状态下VRB储能装置的充放电动作等级
Figure FDA00031644210000000312
记为：
Figure FDA00031644210000000313
以
Figure FDA00031644210000000314
表征为充电动作，以
Figure FDA00031644210000000315
表征为闲置，以
Figure FDA00031644210000000316
表征为放电动作；
所述三段式安全充放电方式是指：以电池荷电状态SOC和端电压Ud作为安全充放电切换控制策略约束条件，采用先恒流、再恒压，最后为涓流的三段式充电方式；
步骤6：以应对电网调峰需求和降低系统日运行代价为系统调度优化目标，在满足系统实际运行过程中的各项相关约束条件下，将考虑电网调峰需求的工业园区主动配电系统动态调度优化问题建立成相应的DTMDP模型：
步骤6.1、确定所述DTMDP模型的系统状态空间及行动集：
将所述时段k定义为决策周期k；并将决策周期k的起始时刻定义为决策时刻tk；
定义：所述工业园区主动配电系统在决策时刻tk下的系统状态为sk、行动为ak，并有：
Figure FDA0003164421000000041
Figure FDA0003164421000000042
其中：Φs为系统状态空间；
Figure FDA0003164421000000043
为决策时刻tk下VRB储能装置剩余容量状态等级；
Figure FDA0003164421000000044
Figure FDA0003164421000000045
和
Figure FDA0003164421000000046
分别为决策时刻tk下光伏出力、电网调峰需求和刚性负荷需求随机波动等级；
Figure FDA0003164421000000047
和
Figure FDA0003164421000000048
分别为决策时刻tk下可削减负荷需求、可转移负荷需求和可平移负荷需求随机波动等级；
Figure FDA0003164421000000049
为决策时刻tk下可平移负荷平移动作对应的状态等级，
Figure FDA00031644210000000410
以
Figure FDA00031644210000000411
表征为可平移负荷在决策时刻tk下是处于不平移状态，以
Figure FDA00031644210000000412
表征为可平移负荷在决策时刻tk下是处于平移状态；D为行动集；
Figure FDA00031644210000000413
为决策时刻tk下VRB储能装置充放电动作等级；
Figure FDA00031644210000000414
为决策时刻tk下可削减负荷削减动作等级；
Figure FDA00031644210000000415
为决策时刻tk下可转移负荷转移动作等级；
Figure FDA00031644210000000416
为决策时刻tk下可平移负荷平移动作等级；
步骤6.2、确定所述DTMDP模型的代价函数：
利用式(5)获取所述考虑电网调峰需求的工业园区主动配电系统在决策周期k内通过执行行动ak状态转移过程产生的运行代价：
Figure FDA00031644210000000417
式(5)中，ck为决策周期k内工业园区主动配电系统运行代价；
Figure FDA00031644210000000418
为决策周期k内工业园区主动配电系统未满足电网调峰需求的代价，
Figure FDA00031644210000000419
为决策周期k内从电网购电代价，
Figure FDA00031644210000000420
为决策周期k内光伏发电补贴，
Figure FDA00031644210000000421
为决策周期k内VRB储能装置的充放电损耗代价，
Figure FDA00031644210000000422
为决策周期k内VRB储能装置的运行维护成本，
Figure FDA00031644210000000423
为决策周期k内可削减负荷的补偿代价，
Figure FDA00031644210000000424
为决策周期k内可转移负荷的补偿代价，
Figure FDA00031644210000000425
为决策周期k内可平移负荷的补偿代价；
利用式(6)获取末状态代价cvrb(sK+1)：
Figure FDA00031644210000000426
式(6)中，
Figure FDA00031644210000000427
为末状态代价系数，
Figure FDA00031644210000000428
和
Figure FDA00031644210000000429
分别为末决策时刻tK+1下VRB储能装置实际剩余容量等级和设定的期望剩余容量等级；
步骤6.3、确定所述DTMDP模型的优化目标：
利用式(7)获取考虑电网调峰需求的工业园区主动配电系统的动态调度优化目标，是在策略集Ω中找到一个最优策略π*，使得在各种随机情况下系统平均日运行总代价最小；
Figure FDA00031644210000000430
式(7)中，π为优化策略，Ω为优化策略集；
步骤7：按如下方式采用基于模拟退火的Q学习算法对所述DTMDP模型进行策略求解，实现考虑电网调峰需求的工业园区主动配电系统调度优化：
步骤7.1、定义并初始化Q学习算法中的Q值表、样本轨道总数M、单条样本轨道决策周期数K、学习率αm、学习率更新系数ηα、模拟退火温度Ttemp以及模拟退火系数ηtemp，并令当前样本轨道数m＝0；
步骤7.2、设置当前决策周期k＝0，并随机初始化系统状态sk；
步骤7.3、根据Q值表和贪婪策略，选取在当前状态sk下对VRB储能装置和各类柔性负荷的贪婪行动agreedy，
Figure FDA0003164421000000051
同时随机选取有效行动arand；
若
Figure FDA0003164421000000052
则选取当前行动ak＝agreedy，否则为ak＝arand；
若k＜K，跳转至步骤7.4；若k＝K，跳转至步骤7.5；
步骤7.4、执行当前行动ak，根据所建系统模型计算下一决策周期对应的系统状态sk+1、并计算在决策周期k内通过执行行动ak状态转移过程中产生的运行代价ck，根据式(8)更新Q值表、更新策略，并将k的值增加1，返回步骤7.3；
Figure FDA0003164421000000053
步骤7.5、执行当前行动aK，计算在决策周期K内通过执行行动aK状态转移过程中产生的运行代价cK及末状态代价cvrb(sK+1)，根据式(9)更新Q值表、更新策略，继续步骤7.6；
Q(sK,aK)＝Q(sK,aK)+αm(cK+cvrb(sK+1)-Q(sK,aK)) (9)
步骤7.6、将模拟退火温度Ttemp的值更新为：ηtempTtemp，将当前样本轨道数m的值增加1，将学习率αm的值更新为：ηααm；
步骤7.7、若m＜M，返回步骤7.2；若m≥M，则完成学习优化方法，得到各决策周期内的VRB储能装置充放电动作等级
Figure FDA0003164421000000054
可削减负荷削减动作等级
Figure FDA0003164421000000055
可转移负荷转移动作等级
Figure FDA0003164421000000056
和可平移负荷平移动作等级
Figure FDA0003164421000000057
实现对所述考虑电网调峰需求的工业园区主动配电系统动态调度。
2.根据权利要求1所述的考虑电网调峰需求的工业园区主动配电系统调度优化方法，其特征在于，步骤6所述系统实际运行过程中的各项相关约束条件为：
Figure FDA0003164421000000058
Figure FDA0003164421000000059
Figure FDA00031644210000000510
Figure FDA0003164421000000061
Figure FDA0003164421000000062
Figure FDA0003164421000000063
Figure FDA0003164421000000064
Figure FDA0003164421000000065
其中：
Figure FDA0003164421000000066
为t时刻所述光伏发电单元PV实际光伏出力，
Figure FDA0003164421000000067
为t时刻所述系统从电网购售电功率；
Figure FDA0003164421000000068
为t时刻所述全钒液流电池储能系统VRB储能装置充放电功率，
Figure FDA0003164421000000069
为t时刻所述工业园区主动配电系统内工业负荷需求功率；
Figure FDA00031644210000000610
为t时刻实际刚性负荷需求，
Figure FDA00031644210000000611
和
Figure FDA00031644210000000612
分别为t时刻所述系统内实际可削减负荷需求、可转移负荷需求和可平移负荷需求；
Figure FDA00031644210000000613
和
Figure FDA00031644210000000614
分别为t时刻全钒液流电池储能系统VRB储能装置充放电功率上下限；
Figure FDA00031644210000000615
为t时刻所述全钒液流电池储能系统VRB储能装置端电压，
Figure FDA00031644210000000616
和
Figure FDA00031644210000000617
分别为所述全钒液流电池储能系统VRB储能装置中端电压的上下限；
Figure FDA00031644210000000618
为t时刻所述全钒液流电池储能系统VRB储能装置剩余容量，
Figure FDA00031644210000000619
和
Figure FDA00031644210000000620
分别为所述全钒液流电池储能系统VRB储能装置剩余容量上下限；
Figure FDA00031644210000000621
和
Figure FDA00031644210000000622
分别为所述全钒液流电池储能系统VRB储能装置调度日始末剩余容量，Ccon为设定的全钒液流电池储能系统VRB储能装置始末剩余容量期望值；
m(k)为所述全钒液流电池储能系统VRB储能装置在决策周期k内所处的充放电状态，其中m(k)＝1、0、-1分别为所述全钒液流电池储能系统VRB储能装置在决策周期k内处于充电、闲置及放电状态，
Figure FDA00031644210000000623
为所述全钒液流电池储能系统VRB储能装置在整个调度日内允许的最大充放电次数；
Figure FDA00031644210000000624
为所述可转移负荷在决策周期k内负荷实际转移量，
Figure FDA00031644210000000625
为所述可转移负荷在决策周期K内负荷实际转移量。
CN201810787536.0A 2018-07-18 2018-07-18 考虑电网调峰需求的工业园区主动配电系统调度优化方法 Active CN109103912B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810787536.0A CN109103912B (zh) 2018-07-18 2018-07-18 考虑电网调峰需求的工业园区主动配电系统调度优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810787536.0A CN109103912B (zh) 2018-07-18 2018-07-18 考虑电网调峰需求的工业园区主动配电系统调度优化方法

Publications (2)

Publication Number Publication Date
CN109103912A CN109103912A (zh) 2018-12-28
CN109103912B true CN109103912B (zh) 2021-09-21

Family

ID=64846605

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810787536.0A Active CN109103912B (zh) 2018-07-18 2018-07-18 考虑电网调峰需求的工业园区主动配电系统调度优化方法

Country Status (1)

Country Link
CN (1) CN109103912B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110783927B (zh) * 2019-10-12 2021-02-05 许继集团有限公司 多时间尺度交直流配电网调度方法及装置
CN110880772B (zh) * 2019-11-08 2023-04-18 武汉大学 一种基于工业园区负荷聚合的售电公司响应电网控制方法
CN110919655B (zh) * 2019-12-03 2021-06-25 合肥工业大学 基于强化学习的外骨骼机器人动力辅助控制方法
CN111064229B (zh) * 2019-12-18 2023-04-07 广东工业大学 基于q学习的风-光-气-蓄联合动态经济调度优化方法
CN111641233A (zh) * 2020-05-25 2020-09-08 国网江苏省电力有限公司 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法
CN112202207A (zh) * 2020-09-16 2021-01-08 南京邮电大学 基于新能源出力随机特性的电网深度调峰运行优化方法
CN112751350B (zh) * 2020-12-28 2024-03-19 国网天津市电力公司电力科学研究院 一种移动储能时空联合优化调度策略的制定方法
CN112862282B (zh) * 2021-01-27 2022-12-06 合肥工业大学 一种基于ddqn算法的综合能源系统源-荷协同调度优化方法
CN112952847B (zh) * 2021-04-06 2022-09-16 合肥工业大学 考虑用电需求弹性的多区域主动配电系统调峰优化方法
CN113569380A (zh) * 2021-06-22 2021-10-29 国网北京市电力公司 建筑综合用能的调节能力的修正方法及装置
CN113706018A (zh) * 2021-08-27 2021-11-26 广东电网有限责任公司 一种用户调峰行为的评估模型建立方法、评估方法及装置
CN113988435B (zh) * 2021-10-30 2024-05-24 重庆理工大学 基于服务商引导的综合能源系统源-荷协同优化方法
CN114172180B (zh) * 2021-11-25 2024-04-05 国网福建省电力有限公司电力科学研究院 考虑退化成本的电池储能参与调峰双层滚动优化控制方法
CN115986805B (zh) * 2022-11-28 2024-03-26 国家能源集团科学技术研究院有限公司 电源侧“火-光-储-氢”智能发电系统的控制方法
CN117175609B (zh) * 2023-11-01 2024-02-23 南方电网数字电网研究院有限公司 一种电力负荷柔性调控终端
CN117439101B (zh) * 2023-12-21 2024-06-04 武汉市豪迈电力自动化技术有限责任公司 一种用于电网中新能源与柔性负荷互动的智能网络
CN117477564B (zh) * 2023-12-28 2024-03-08 南京迅集科技有限公司 基于工业园区的电网负荷优化方法及系统
CN117592763B (zh) * 2024-01-18 2024-04-23 中国建筑西北设计研究院有限公司 一种能源系统容量的配置方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106816886A (zh) * 2015-12-02 2017-06-09 中国电力科学研究院 一种大规模风电并网系统调峰需求确定方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106816886A (zh) * 2015-12-02 2017-06-09 中国电力科学研究院 一种大规模风电并网系统调峰需求确定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Optimal Charging Control for Electric Vehicles in Stand-Alone PV Charging Stations;Jingjing Liu等;《Proceeding of the 11th World Congress on Intelligent Control and Automation》;20150305;第1749-1754页 *
考虑负荷与新能源时序特性的随机生产模拟;丁明等;《中国电机工程学报》;20161205;第36卷(第23期);第6305-6314页 *

Also Published As

Publication number Publication date
CN109103912A (zh) 2018-12-28

Similar Documents

Publication Publication Date Title
CN109103912B (zh) 考虑电网调峰需求的工业园区主动配电系统调度优化方法
Tan et al. Integration of electric vehicles in smart grid: A review on vehicle to grid technologies and optimization techniques
CN110311421B (zh) 基于需求侧响应的微电网多时间尺度能量管理方法
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
CN108879746B (zh) 基于多时间尺度需求响应的集中式混合储能协调控制方法
CN109599856B (zh) 一种微网多楼宇中电动汽车充放电管理优化方法及装置
CN105680474B (zh) 一种储能抑制光伏电站快速功率变化的控制方法
CN111244988B (zh) 考虑分布式电源的电动汽车和储能优化调度方法
CN106228462B (zh) 一种基于遗传算法的多储能系统优化调度方法
CN108875992A (zh) 一种考虑需求响应的虚拟电厂日前优化调度方法
CN111293682B (zh) 一种基于协同模型预测控制的多微网能量管理方法
CN109552079A (zh) 一种基于规则与Q-learning增强学习的电动汽车复合能量管理方法
CN112952847B (zh) 考虑用电需求弹性的多区域主动配电系统调峰优化方法
CN110247411A (zh) 一种用户侧物联化智能光储设备能量动态分配方法
CN112651634A (zh) 基于序列运算的有源配电系统源网荷储日前有功调度方法
CN115423207A (zh) 风储虚拟电厂在线调度方法和装置
CN116667325B (zh) 一种基于改进布谷鸟算法的微电网并网运行优化调度方法
CN115147245B (zh) 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
CN111224393A (zh) 智能家居电能调度优化方法、装置及存储介质
CN111709574B (zh) 一种分布式集群配置调度方法、计算机设备及存储介质
CN115115130A (zh) 一种基于模拟退火算法的风光储制氢系统日前调度方法
CN115036914A (zh) 考虑灵活性与新能源消纳的电网储能双层优化方法及系统
CN112467717A (zh) 一种基于模糊控制的混合能源系统实时负荷分配方法
Kumar et al. Smart home energy management with integration of PV and storage facilities providing grid support
CN115841216A (zh) 计及分布式光伏消纳率的配电网储能优化配置方法

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
GR01 Patent grant
GR01 Patent grant