CN109787240B - 一种主配网协调分布式潮流优化方法及相关设备 - Google Patents

一种主配网协调分布式潮流优化方法及相关设备 Download PDF

Info

Publication number
CN109787240B
CN109787240B CN201910233298.3A CN201910233298A CN109787240B CN 109787240 B CN109787240 B CN 109787240B CN 201910233298 A CN201910233298 A CN 201910233298A CN 109787240 B CN109787240 B CN 109787240B
Authority
CN
China
Prior art keywords
distribution network
network
main
optimization
model
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
CN201910233298.3A
Other languages
English (en)
Other versions
CN109787240A (zh
Inventor
何祥针
曾凯文
余涛
郑宝敏
程乐峰
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.)
South China University of Technology SCUT
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Original Assignee
South China University of Technology SCUT
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
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 South China University of Technology SCUT, Guangdong Power Grid Co Ltd, Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd filed Critical South China University of Technology SCUT
Priority to CN201910233298.3A priority Critical patent/CN109787240B/zh
Publication of CN109787240A publication Critical patent/CN109787240A/zh
Application granted granted Critical
Publication of CN109787240B publication Critical patent/CN109787240B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请提供了一种主配网协调分布式潮流优化方法及相关设备，其中本申请的方法包括：根据配电网系统模型的拓扑关系，将配电网系统模型分为主网模型和配网模型；根据预置的潮流优化目标阈值，建立主配协调潮流优化模型，根据主配协调潮流优化模型，通过交替方向乘子计算方式，分别建立主网ADMM迭代优化模型和配网ADMM迭代优化模型；对主网ADMM迭代优化模型和配网ADMM迭代优化模型进行迭代运算，得到当前的主网优化参数和配网优化参数。本申请基于目标同步型交替方向乘子法的主配协调分布式潮流优化方法，无需统一的上层优化中心，以分布式的计算模式解决了现有的集中式优化度方法的计算和通信瓶颈问题，提升了主配协调的潮流优化效率。

Description

一种主配网协调分布式潮流优化方法及相关设备
技术领域
本申请涉及配电网管理优化领域，尤其涉及一种主配网协调分布式潮流优化方法及相关设备。
背景技术
随着海量分布式柔性负荷接入配电网，实际配电网的运行方式发生了巨大的改变，传统的调度模式已无法满足实际运行需求，如何根据柔性负荷的可调潜力和响应特性合理地调控海量的多元柔性负荷，从而实现配电网供给侧和需求侧的平衡，实现海量分布式柔性负荷接入下的优化调度，已成为电力工作者亟需解决的难题。
目前主网和配网的优化调度方法均属于集中式优化调度方法，主网和配网的信息均需上传到上层调度中心进行统一计算。然而，随着主网和配网拓扑的不断拓展，这种调度模式存在的计算效率瓶颈问题和通信瓶颈问题愈发明显。
因此，如何解决现有的集中式优化调度方法的计算和通信瓶颈问题成为了本领域技术人员亟需解决的技术问题。
发明内容
本申请提供了一种主配网协调分布式潮流优化方法及相关设备，用于解决现有的集中式优化度方法的计算和通信瓶颈问题。
有鉴于此，本申请第一方面提供了一种主配网协调分布式潮流优化方法，包括：
S1：根据配电网系统模型的拓扑关系，将所述配电网系统模型分为主网模型和配网模型；
S2：根据预置的潮流优化目标阈值，建立主配协调潮流优化模型，所述主配协调潮流优化模型包含有：主网优化不等式约束集合和配网优化不等式约束集合；
S3：根据所述主配协调潮流优化模型，通过交替方向乘子计算方式，分别建立主网ADMM迭代优化模型和配网ADMM迭代优化模型；
S4：对所述主网ADMM迭代优化模型和所述配网ADMM迭代优化模型进行迭代运算，得到当前迭代的主网优化参数和配网优化参数；
S5：判断所述主网优化参数和所述配网优化参数是否满足预置的收敛判断条件，若满足，则停止迭代运算，并输出当前的所述主网优化参数和所述配网优化参数，若不满足，则返回步骤S4执行下一循环的迭代运算。
优选地，所述步骤S1具体包括：
根据配电网系统模型的拓扑关系，确定主网线路和配网线路的各个联络线节点；
将所述联络线节点拆分为两个断点节点，并按照就近原则，将所述断点节点划分为主网节点或配网节点。
优选地，由所述主网优化不等式约束集合和所述配网优化不等式约束集合构成的主配协调潮流约束模型具体为：
Figure GDA0003261696060000021
式中，Ga(Xa,X1)为主网优化不等式约束集合，Gb(Xb,X2)为配网优化不等式约束集合，
Figure GDA0003261696060000022
和
Figure GDA0003261696060000023
分别为主网a和配网b的满意度；ψ为目标满意度；
Figure GDA0003261696060000024
和
Figure GDA0003261696060000025
为主网a优化目标的最大值和最小值；
Figure GDA0003261696060000026
和
Figure GDA0003261696060000027
为配网b优化目标的最大值和最小值；xa和xb分别为主网a和配网b的本地变量向量；x1和x2分别为主网a和配网b的联络线节点变量向量；A和B分别为主网a和配网b的耦合系数矩阵；I为单位矩阵；ga(xa,x1)和gb(xb,x2)分别为主网a和配网b的不等式约束集合；上标“—”和下标“—”表示不等式的上下限。
优选地，所述主网ADMM迭代优化模型具体为：
Figure GDA0003261696060000031
式中，ψa为主网a的目标满意度，ρ为罚参数，上标“k”表示第k步迭代计算，sk为第k步迭代时的拉格朗日乘子系数向量，
Figure GDA0003261696060000032
为配网b在第k步迭代时的耦合变量平均值向量，X1和X2分别为主网a和配网b的耦合变量向量，Xa分别为主网a的独立变量向量，A和B分别为主网a和配网b的耦合系数矩阵，I为单位矩阵。
优选地，所述配网ADMM迭代优化模型具体为：
Figure GDA0003261696060000033
式中，ψb为配网b的目标满意度，ρ为罚参数，上标“k”表示第k步迭代计算，sk为第k步迭代时的拉格朗日乘子系数向量，
Figure GDA0003261696060000034
为主网a在第k步迭代时的耦合变量平均值向量，X1和X2分别为主网a和配网b的耦合变量向量，Xb分别为配网b的独立变量向量，A和B分别为主网a和配网b的耦合系数矩阵，I为单位矩阵。
本申请第二方面提供了一种主配网协调分布式潮流优化装置，包括：
主配网分离单元，用于根据配电网系统模型的拓扑关系，将所述配电网系统模型分为主网模型和配网模型；
协调潮流优化模型构建单元，用于根据预置的潮流优化目标阈值，建立主配协调潮流优化模型，所述主配协调潮流优化模型包含有：主网优化不等式约束集合和配网优化不等式约束集合；
ADMM迭代优化模型构建单元，用于根据所述主配协调潮流优化模型，通过交替方向乘子计算方式，分别建立主网ADMM迭代优化模型和配网ADMM迭代优化模型；
优化参数计算单元，用于对所述主网ADMM迭代优化模型和所述配网ADMM迭代优化模型进行迭代运算，得到当前迭代的主网优化参数和配网优化参数；
收敛判定单元，用于判断所述主网优化参数和所述配网优化参数是否满足预置的收敛判断条件，若满足，则停止迭代运算，并输出当前的所述主网优化参数和所述配网优化参数，若不满足，则触发优化参数计算单元执行下一循环的迭代运算。
本申请第三方面提供了一种终端设备，包括：处理器和存储器；
所述存储器中存储有程序代码，用于将所述程序代码发送至所述处理器执行；
所述处理器根据所述程序代码中的指令执行本申请第一方面所述的一种主配网协调分布式潮流优化方法。
本申请第四方面提供了一种计算机可存储介质，所述计算机可存储介质中存储有程序代码，所述程序代码用于执行本申请第一方面所述的一种主配网协调分布式潮流优化方法。
从以上技术方案可以看出，本申请具有以下优点：
本申请第一方面提供了一种主配网协调分布式潮流优化方法，包括：根据配电网系统模型的拓扑关系，将所述配电网系统模型分为主网模型和配网模型；根据预置的潮流优化目标阈值，建立主配协调潮流优化模型，所述主配协调潮流优化模型包含有：主网优化不等式约束集合和配网优化不等式约束集合；根据所述主配协调潮流优化模型，通过交替方向乘子计算方式，分别建立主网ADMM迭代优化模型和配网ADMM迭代优化模型；对所述主网ADMM迭代优化模型和所述配网ADMM迭代优化模型进行迭代运算，得到当前迭代的主网优化参数和配网优化参数；判断所述主网优化参数和所述配网优化参数是否满足预置的收敛判断条件，若满足，则停止迭代运算，并输出当前的所述主网优化参数和所述配网优化参数，若不满足，则返回步骤S4执行下一循环的迭代运算。
本申请基于目标同步型交替方向乘子法的主配协调分布式潮流优化方法，无需统一的上层优化中心，主网和配网之间信息交换量小，有效减小计算内存，以分布式的计算模式解决了现有的集中式优化度方法的计算和通信瓶颈问题，提升了主配协调的潮流优化效率。
附图说明
为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请提供的一种主配网协调分布式潮流优化方法的第一个实施例的流程示意图；
图2为本申请提供的一种主配网协调分布式潮流优化方法中主配网互联系统的拓扑结构图；
图3为本申请提供的一种主配网协调分布式潮流优化方法中主配网络分离示意图；
图4为本申请提供的一种主配网协调分布式潮流优化装置的第一个实施例的结构示意图。
具体实施方式
本申请实施例提供了一种主配网协调分布式潮流优化方法及相关设备，用于解决现有的集中式优化度方法的计算和通信瓶颈问题。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
ADMM(Alternating Direction Method of Multipliers，交替方向乘子法)算法是机器学习中比较广泛使用的约束问题最优化方法，它是ALM算法的一种延伸，只不过将无约束优化的部分用块坐标下降法(block coordinate descent，或叫做alternatingminimization)来分别优化。其中的原理可以参考S.Boyd的文献“DistributedOptimization and Statistical Learning via the Alternating Direction Method ofMultipliers”。产生这种方法主要是为了弥补二次惩罚的缺点。在一些问题当中，用二次惩罚来近似约束问题在最优点附近需要惩罚项的系数趋近于无穷，而这种要求会使得海森矩阵很大，因此近似的目标函数很不稳定。为了解决这个问题，引入了线性逼近的部分，通过线性项系数不断的接近最优解(对偶上升)，使得在二次惩罚项的系数很小的情况下，也能得到满足要求精度的解。
请参阅图1至图3，本申请实施例提供了一种主配网协调分布式潮流优化方法，包括：
步骤101、根据配电网系统模型的拓扑关系，将配电网系统模型分为主网模型和配网模型。
需要说明的是，在实施本申请的主配网协调分布式潮流优化方法时，首先需要分解主网和配网拓扑，具体为首先以IEEE 57节点系统作为主网系统，以IEEE 39节点系统作为配网系统，构建主配互联系统，主配互联系统的拓扑结构如图2所示。主网和配网之间通过3条联络线互联，联络线两端的系统节点编号分别为12-2、23-18和54-34。
接着在主网和配网的联络线中点处断开联络线，分离的两段联络线和两个断点按就近原则分别分配到主网和配网中。再接着重复上述方式依次分断所有的联络线，实现主网和配网的拓扑分离。
更具体地，主配网络分离的示意图如图3所示，由图3可知，网络分离后，主网新节点的编号分别为58、59和60，配网新节点的编号为40、41和42。分断每条联络线后，主网a和配网b产生新节点，主网a和配网b中引入联络线节点变量向量x1和x2：
Figure GDA0003261696060000061
式中：下标“line”表示因分断联络线而引入的联络线节点变量向量，包括有功向量Pa和Pb、无功向量Qa和Qb、电压幅值向量Va和Vb、电压相角向量θa和θb。
由图3知，此时x1、x2的具体表达为：
Figure GDA0003261696060000062
式中：变量的右上角数字表示变量所在的网络节点编号。
步骤102、根据预置的潮流优化目标阈值，建立主配协调潮流优化模型，主配协调潮流优化模型包含有：主网优化不等式约束集合和配网优化不等式约束集合。
需要说明的是，在完成了主网和配网分离的步骤后，接着同时考虑主网优化目标和配网优化目标，引入满意度方程，建立主配协调潮流优化模型。
其中，本实施例的满意度方程的基本框架为：
Figure GDA0003261696060000071
xmin≤x≤xmax。
其中，主配协调潮流优化模型为：
min{-ψ}
Figure GDA0003261696060000072
再接着分别根据预置的主网优化目标和配网优化目标，通过交替方向乘子计算方式，建立主网调度优化约束模型和配网调度优化约束模型。其中，主网的优化目标为主网网络内台发电机组的总发电费用最小，目标表达式如下：
Figure GDA0003261696060000073
式中：SGa为主网所有发电机组集合；PGi为第i台发电机组的有功出力；αi、βi和γi为第i台发电机组的发电费用参数。
对于主网的不等式约束
Figure GDA0003261696060000074
其具体表达式如下：
Figure GDA0003261696060000081
式中：SJa为主网所有节点集合；SLa为主网所有支路集合；Pia和Qia是主网节点i处的有功和无功注入；Vi和θi是主网节点i电压的幅值和相角；Pl为主网支路l的传输功率。
而配网的优化目标为配网内所有节点的电压幅值偏差之和最小，目标表达式如下：
Figure GDA0003261696060000082
式中：SJb为配网所有节点集合；Vi为第i个节点的电压幅值；Vi,ref为第i个节点的电压幅值基准值。
对于配网的不等式约束
Figure GDA0003261696060000083
其具体表达式如下：
Figure GDA0003261696060000084
式中：SJb为配网所有节点集合；SLb为配网所有支路集合；Pib和Qib是配网节点i处的有功和无功注入；Vi和θi是配网节点i电压的幅值和相角；Pl为配网支路l的传输功率。
在建立了主配协调潮流优化模型之后，根据主网和配网的不同的优化目标，将主配协调潮流优化模型拆分为主网调度优化约束模型和配网调度优化约束模型。
其中，主网优化不等式约束集合和配网优化约束集合分别为：
Figure GDA0003261696060000091
Figure GDA0003261696060000092
Figure GDA0003261696060000093
Figure GDA0003261696060000094
Figure GDA0003261696060000095
式中，X1和X2分别为主网a和配网b的耦合变量向量；Xa和Xb分别为主网a和配网b的独立变量向量，ψa和ψa分别为主网a和配网b的目标满意度。
步骤103、根据主配协调潮流优化模型，通过交替方向乘子计算方式，分别建立主网ADMM迭代优化模型和配网ADMM迭代优化模型；
需要说明的是，基于建立好的主配协调潮流优化模型分别构建主网ADMM迭代优化模型和配网ADMM迭代优化模型。
其中，主网ADMM迭代优化模型具体为：
Figure GDA0003261696060000096
配网ADMM迭代优化模型具体为：
Figure GDA0003261696060000097
式中：ρ为罚参数；上标“k”表示第k步迭代计算；sk为第k步迭代时的拉格朗日乘子系数向量；
Figure GDA0003261696060000101
和
Figure GDA0003261696060000102
分别为主网a和配网b在第k步迭代时的耦合变量平均值向量。
步骤104、对主网ADMM迭代优化模型和配网ADMM迭代优化模型进行迭代运算，得到当前迭代的主网优化参数和配网优化参数。
需要说明的是，主网ADMM迭代优化模型和配网ADMM迭代优化模型的求解过程具体为：
可选地，若为首次进行迭代运算，则需要先对主网ADMM迭代优化模型和配网ADMM迭代优化模型进行参数初始化，具体包括：令k＝0。设置收敛阈值δ为0.000001。
接着主网端a求解主网ADMM迭代优化模型，得到
Figure GDA0003261696060000103
Figure GDA0003261696060000104
式中：
Figure GDA0003261696060000105
同时，配网端b求解配网ADMM迭代优化模型，得到
Figure GDA0003261696060000106
Figure GDA0003261696060000107
式中：
Figure GDA0003261696060000108
步骤105、判断所述主网优化参数和所述配网优化参数是否满足预置的收敛判断条件，若满足，则停止迭代运算，并输出当前的所述主网优化参数和所述配网优化参数，若不满足，则返回步骤104执行下一循环的迭代运算。
更具体地，根据主网优化参数
Figure GDA0003261696060000109
和配网优化参数
Figure GDA00032616960600001010
进行收敛判断，若满足：
Figure GDA00032616960600001011
则算法收敛停止计算，输出计算结果
Figure GDA00032616960600001012
和
Figure GDA00032616960600001013
使得主网和配网根据输出的优化参数进行潮流优化。式中，δ为预置的收敛判断阈值。
若不满足，则令主网a向配网b传递主网优化参数
Figure GDA0003261696060000111
配网b向主网a传递配网优化参数
Figure GDA0003261696060000112
使得主网a和配网b分别根据下列公式以及接收到的优化参数，更新拉格朗日乘子系数向量，得到
Figure GDA0003261696060000113
和
Figure GDA0003261696060000114
Figure GDA0003261696060000115
Figure GDA0003261696060000116
最后，令k＝k+1，并返回步骤104循环计算主网ADMM迭代优化模型和配网ADMM迭代优化模型。
本申请的基于目标同步型交替方向乘子法的主配协调分布式潮流优化方法相对于现有技术具有如下的优点及效果：
(1)本申请设计的基于目标同步型交替方向乘子法的主配协调分布式潮流优化方法，以分布式的计算模式实现了主配协调的潮流优化问题，无需统一的上层优化中心，主网和配网之间信息交换量小，有效减小计算内存，同时有效提高优化的过程中的信息安全性。
(2)本申请设计的基于目标同步型交替方向乘子法的主配协调分布式潮流优化方法，当主配网络分离后，在分布式的优化过程中，采用目标实时同步的方式实现了主网和配网两个不同利益主体的目标协调与利益博弈。该方法综合考虑了主网和配网的不同利益需求，真正以主配协调的方式实现了主网和配网的解耦优化调度，达到主、配网络分散自治的目的。
(3)本申请设计的基于目标同步型交替方向乘子法的主配协调分布式潮流优化方法，以并行的计算模式保证了算法具有较快的收敛速度。
以上为本申请提供的一种主配协调分布式潮流优化方法的第一个实施例的详细说明，下面为本申请提供的一种主配协调分布式潮流优化装置的第一个实施例的详细说明。
请参阅图4，本申请第二方面提供了一种主配网协调分布式潮流优化装置，包括：
主配网分离单元401，用于根据配电网系统模型的拓扑关系，将配电网系统模型分为主网模型和配网模型；
协调潮流优化模型构建单元402，用于根据预置的潮流优化目标阈值，建立主配协调潮流优化模型，主配协调潮流优化模型包含有：主网优化不等式约束集合和配网优化不等式约束集合；
ADMM迭代优化模型构建单元403，用于根据主配协调潮流优化模型，通过交替方向乘子计算方式，分别建立主网ADMM迭代优化模型和配网ADMM迭代优化模型；
优化参数计算单元404，用于对主网ADMM迭代优化模型和配网ADMM迭代优化模型进行迭代运算，得到当前迭代的主网优化参数和配网优化参数；
收敛判定单元405，用于根据主网优化参数和配网优化参数进行收敛判断，若收敛判断通过，则停止迭代运算，并输出当前的主网优化参数和配网优化参数，若收敛判断不通过，则触发优化参数计算单元执行下一循环的迭代运算。
此外，本申请第三方面提供了一种终端设备，包括：处理器和存储器；
存储器中存储有程序代码，用于将程序代码发送至处理器执行；
处理器根据程序代码中的指令执行本申请第一个实施例提及的一种主配网协调分布式潮流优化方法。
本申请第四方面提供了一种计算机可存储介质，计算机可存储介质中存储有程序代码，程序代码用于执行本申请第一方面的一种主配网协调分布式潮流优化方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (7)

1.一种主配网协调分布式潮流优化方法，其特征在于，包括：
S1：根据配电网系统模型的拓扑关系，将所述配电网系统模型分为主网模型和配网模型；
S2：根据预置的潮流优化目标阈值，建立主配网协调潮流优化模型，所述主配网协调潮流优化模型包含有：主网优化不等式约束集合和配网优化不等式约束集合；
所述主配网协调潮流优化模型具体为：
Figure DEST_PATH_IMAGE001
式中，
Figure 54944DEST_PATH_IMAGE002
为主网优化不等式约束集合，
Figure 764274DEST_PATH_IMAGE003
为配网优化不等式约束集合，
Figure 652595DEST_PATH_IMAGE004
和
Figure 472784DEST_PATH_IMAGE005
分别为主网a和配网b的满意度；
Figure 825267DEST_PATH_IMAGE006
为目标满意度；
Figure 204034DEST_PATH_IMAGE007
和
Figure 579652DEST_PATH_IMAGE008
为主网a优化目标的最大值和最小值；
Figure 937952DEST_PATH_IMAGE009
和
Figure 348205DEST_PATH_IMAGE010
为配网b优化目标的最大值和最小值；
Figure 461654DEST_PATH_IMAGE011
和
Figure 823103DEST_PATH_IMAGE012
分别为主网a和配网b的本地变量向量；
Figure 985094DEST_PATH_IMAGE013
和
Figure 984274DEST_PATH_IMAGE014
分别为主网a和配网b的联络线节点变量向量；A和B分别为主网a和配网b的耦合系数矩阵；I为单位矩阵；
Figure 206308DEST_PATH_IMAGE015
和
Figure 618835DEST_PATH_IMAGE016
分别为主网a和配网b的不等式约束集合；上标“—”和下标“—”表示不等式的上下限；
S3：根据所述主配网协调潮流优化模型，通过交替方向乘子计算方式，分别建立主网ADMM迭代优化模型和配网ADMM迭代优化模型；
S4：对所述主网ADMM迭代优化模型和所述配网ADMM迭代优化模型进行迭代运算，得到当前迭代的主网优化参数和配网优化参数；
S5：判断所述主网优化参数和所述配网优化参数是否满足预置的收敛判断条件，若满足，则停止迭代运算，并输出当前的所述主网优化参数和所述配网优化参数，若不满足，则返回步骤S4执行下一循环的迭代运算。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1具体包括：
根据配电网系统模型的拓扑关系，确定主网线路和配网线路的各个联络线节点；
将所述联络线节点拆分为两个断点节点，并按照就近原则，将所述断点节点划分为主网节点或配网节点。
3.根据权利要求1所述的方法，其特征在于，所述主网ADMM迭代优化模型具体为：
Figure 83052DEST_PATH_IMAGE017
式中，
Figure DEST_PATH_IMAGE018
为主网a的目标满意度，
Figure 140001DEST_PATH_IMAGE019
为罚参数，上标“k”表示第k步迭代计算，
Figure 329674DEST_PATH_IMAGE020
为第k步迭代时的拉格朗日乘子系数向量，
Figure 167180DEST_PATH_IMAGE021
为配网b在第k步迭代时的耦合变量平均值向量，
Figure 169508DEST_PATH_IMAGE022
和
Figure 408860DEST_PATH_IMAGE023
分别为主网a和配网b的耦合变量向量，
Figure 769434DEST_PATH_IMAGE024
分别为主网a的独立变量向量，A和B分别为主网a和配网b的耦合系数矩阵，I为单位矩阵。
4.根据权利要求1所述的方法，其特征在于，所述配网ADMM迭代优化模型具体为：
Figure 94236DEST_PATH_IMAGE025
式中，
Figure 401721DEST_PATH_IMAGE026
为配网b的目标满意度，
Figure 728535DEST_PATH_IMAGE019
为罚参数，上标“k”表示第k步迭代计算，
Figure 463272DEST_PATH_IMAGE020
为第k步迭代时的拉格朗日乘子系数向量，
Figure DEST_PATH_IMAGE027
为主网a在第k步迭代时的耦合变量平均值向量，
Figure 9791DEST_PATH_IMAGE022
和
Figure 120967DEST_PATH_IMAGE023
分别为主网a和配网b的耦合变量向量，
Figure 567867DEST_PATH_IMAGE028
分别为配网b的独立变量向量，A和B分别为主网a和配网b的耦合系数矩阵，I为单位矩阵。
5.一种主配网协调分布式潮流优化装置，其特征在于，包括：
主配网分离单元，用于根据配电网系统模型的拓扑关系，将所述配电网系统模型分为主网模型和配网模型；
协调潮流优化模型构建单元，用于根据预置的潮流优化目标阈值，建立主配网协调潮流优化模型，所述主配网协调潮流优化模型包含有：主网优化不等式约束集合和配网优化不等式约束集合；
所述主配网协调潮流优化模型具体为：
Figure 473506DEST_PATH_IMAGE001
式中，
Figure 507321DEST_PATH_IMAGE002
为主网优化不等式约束集合，
Figure 218925DEST_PATH_IMAGE003
为配网优化不等式约束集合，
Figure 21796DEST_PATH_IMAGE004
和
Figure 620309DEST_PATH_IMAGE005
分别为主网a和配网b的满意度；
Figure 141420DEST_PATH_IMAGE006
为目标满意度；
Figure 328819DEST_PATH_IMAGE007
和
Figure 314092DEST_PATH_IMAGE008
为主网a优化目标的最大值和最小值；
Figure 561534DEST_PATH_IMAGE009
和
Figure 68476DEST_PATH_IMAGE010
为配网b优化目标的最大值和最小值；
Figure 59566DEST_PATH_IMAGE011
和
Figure 899346DEST_PATH_IMAGE012
分别为主网a和配网b的本地变量向量；
Figure 317689DEST_PATH_IMAGE013
和
Figure 547813DEST_PATH_IMAGE014
分别为主网a和配网b的联络线节点变量向量；A和B分别为主网a和配网b的耦合系数矩阵；I为单位矩阵；
Figure 841129DEST_PATH_IMAGE015
和
Figure 535416DEST_PATH_IMAGE016
分别为主网a和配网b的不等式约束集合；上标“—”和下标“—”表示不等式的上下限；
ADMM迭代优化模型构建单元，用于根据所述主配网协调潮流优化模型，通过交替方向乘子计算方式，分别建立主网ADMM迭代优化模型和配网ADMM迭代优化模型；
优化参数计算单元，用于对所述主网ADMM迭代优化模型和所述配网ADMM迭代优化模型进行迭代运算，得到当前迭代的主网优化参数和配网优化参数；
收敛判定单元，用于判断所述主网优化参数和所述配网优化参数是否满足预置的收敛判断条件，若满足，则停止迭代运算，并输出当前的所述主网优化参数和所述配网优化参数，若不满足，则触发优化参数计算单元执行下一循环的迭代运算。
6.一种终端设备，其特征在于，包括：处理器和存储器；
所述存储器中存储有程序代码，用于将所述程序代码发送至所述处理器执行；
所述处理器根据所述程序代码中的指令执行权利要求1-4任一项所述的一种主配网协调分布式潮流优化方法。
7.一种计算机可存储介质，其特征在于，所述计算机可存储介质中存储有程序代码，所述程序代码用于执行权利要求1-4任一项所述的一种主配网协调分布式潮流优化方法。
CN201910233298.3A 2019-03-26 2019-03-26 一种主配网协调分布式潮流优化方法及相关设备 Active CN109787240B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910233298.3A CN109787240B (zh) 2019-03-26 2019-03-26 一种主配网协调分布式潮流优化方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910233298.3A CN109787240B (zh) 2019-03-26 2019-03-26 一种主配网协调分布式潮流优化方法及相关设备

Publications (2)

Publication Number Publication Date
CN109787240A CN109787240A (zh) 2019-05-21
CN109787240B true CN109787240B (zh) 2022-03-01

Family

ID=66490566

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910233298.3A Active CN109787240B (zh) 2019-03-26 2019-03-26 一种主配网协调分布式潮流优化方法及相关设备

Country Status (1)

Country Link
CN (1) CN109787240B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112818493B (zh) * 2021-02-02 2022-07-08 山东大学 一种新能源并网装备一体化设计方法及装备
CN113300386B (zh) * 2021-05-24 2022-07-22 云南电网有限责任公司 一种基于交替方向乘子法的频率控制器设计方法及系统
CN113507127B (zh) * 2021-09-08 2021-12-31 国网江西省电力有限公司电力科学研究院 基于交替方向乘子法的配电网分布式电压调节方法及装置
CN114204599B (zh) * 2021-12-14 2024-09-06 广东电网有限责任公司 一种抑制配电网电压波动的分布式储能布点运行控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9280744B2 (en) * 2014-01-14 2016-03-08 Mitsubishi Electric Research Laboratories, Inc. System and method for optimal power flow analysis
CN107591815B (zh) * 2017-09-07 2020-09-04 华南理工大学 一种求解含离散控制电力系统无功优化的分解方法

Also Published As

Publication number Publication date
CN109787240A (zh) 2019-05-21

Similar Documents

Publication Publication Date Title
CN109787240B (zh) 一种主配网协调分布式潮流优化方法及相关设备
CN105574238B (zh) 一种用于在线稳定裕度评估的断面有功控制策略分析方法
CN108134401B (zh) 交直流混合系统多目标潮流优化及控制方法
CN104794541B (zh) 一种基于模拟退火和锥优化的配电网运行优化方法
CN109524979B (zh) 一种含vsc-mtdc的交直流互联电网连续潮流模型
CN108365609B (zh) 计及互联电网分区自动发电控制的统一迭代潮流计算方法
CN105186578B (zh) 具有精确计算网损能力的电力系统分布式自动调度方法
CN105391056B (zh) 一种考虑不平衡通信网络的电力系统分布式经济调度方法
CN100481668C (zh) 大规模电力系统网络分割潮流并行计算方法
CN110266038A (zh) 一种多虚拟电厂分布式协调调控方法
WO2016022603A1 (en) Distributed gradient descent for solving optimal power flow in radial networks
JP6584214B2 (ja) コンセンサスに基づく分散処理を用いて電力網における最適電力潮流を推定する方法
CN106786529B (zh) 一种分布式静态安全分析方法
Mohammadi et al. Asynchronous distributed approach for DC optimal power flow
CN106655234A (zh) 一种线路阻抗和联络线功率对广义短路比影响的分析方法
CN104769802A (zh) 用于计算机辅助控制电网中的功率的方法
CN107994583B (zh) 直流联络线在协调层建模的交直流系统分布式潮流算法
CN115411735A (zh) 一种配电网预期未供应电量计算方法、系统及设备
CN112491034A (zh) 一种基于交流潮流模型的电力信息物理系统建模方法
CN110120673B (zh) 基于戴维南等值参数辨识的分布式输配协同无功优化方法及系统
CN113890039B (zh) 一种多端柔性直流配电网潮流调度优化方法
CN105406517B (zh) 基于有限时间平均一致性算法的电力系统经济调度方法
US20230291229A1 (en) Control process for low voltage microgrids with distributed communication
CN111834996B (zh) 电网线损计算方法和装置
CN113300366A (zh) 多区域互联电网的分布式功率传输极限计算方法及系统

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