CN109873437A - 优化方法、装置、存储介质及处理器 - Google Patents
优化方法、装置、存储介质及处理器 Download PDFInfo
- Publication number
- CN109873437A CN109873437A CN201811616274.8A CN201811616274A CN109873437A CN 109873437 A CN109873437 A CN 109873437A CN 201811616274 A CN201811616274 A CN 201811616274A CN 109873437 A CN109873437 A CN 109873437A
- Authority
- CN
- China
- Prior art keywords
- node
- network system
- objective function
- power
- kth
- 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.)
- Granted
Links
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种优化方法、装置、存储介质及处理器。该方法包括:确定目标函数,其中,目标函数用于优化电网系统中的储能系统的配置;确定电网系统的约束条件;根据目标函数和约束条件构建优化模型;求解优化模型,得到优化模型的最优解;根据最优解优化电网系统中的储能系统的配置。通过本申请,解决了相关技术中为了减小包含分布式电源的电网系统的负荷为电网系统配置储能系统,而储能系统的配置难以得到优化,导致难以更好地减少电网负荷波动的问题。
Description
技术领域
本申请涉及电网系统优化领域,具体而言,涉及一种优化方法、装置、存储介质 及处理器。
背景技术
分布式电源大规模接入电网,其出力随机性、波动性将对电网安全稳定运行造成很大影响,具体地,将使得系统负荷波动加剧,影响发电企业以及用户的生产与生活。 储能具有能量双向流动能力,能够通过快速能量充放,具有快速能量吞吐能力,能够 实现对系统负荷波动进行平抑,在一定程度上缓解分布式电源对电网的不利影响。配 电网中储能装置规划对减少负荷波动具有重要意义,而规划配置储能系统需要求解电 力系统全局最优解,由于电力系统具有非凸性,传统优化方法难以确保解的全局最优 性,求解面临重大的困难,从而影响储能装置的配置,不利于减小负荷波动。
针对相关技术中为了减小包含分布式电源的电网系统的负荷为电网系统配置储能 系统,而储能系统的配置难以得到优化,导致难以更好地减少电网负荷波动的问题, 目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种优化方法、装置、存储介质及处理器,以解决相关技术中为了减小包含分布式电源的电网系统的负荷为电网系统配置储能系统,而储 能系统的配置难以得到优化,导致难以更好地减少电网负荷波动的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种优化方法。该方法包括:确定目标函数,其中,目标函数用于优化电网系统中的储能系统的配置;确定电网系 统的约束条件;根据目标函数和约束条件构建优化模型;求解优化模型,得到优化模 型的最优解;根据最优解优化电网系统中的储能系统的配置。
进一步地,确定目标函数包括:
其中,Ps(t)为t时刻电网输入功率,为考察时间内电网输入功率的平均值,T为考察时间,f为目标函数值。
进一步地,确定电网系统的约束条件包括:按照下式确定节点潮流约束:
其中,Pi为节点i的有功功率,Qi表示节点i的无功功率,Gij为节点i和节点j之 间的电导,Vj为节点j的电压,Bij为节点i和节点j之间的电纳,Bij'为节点i和节点j 之间忽略对地电容后的电纳,θj为节点j的电压相角,n为节点的序号;
按照下式确定节点电压约束:
Vmin≤Vi(t)≤Vmax
其中,Vmin为电网系统节点电压下限,Vmax为电网系统节点电压上限,Vi(t)为节 点i在t时刻时的节点电压;
按照下式确定储能功率约束:
Pstore_min≤Pstorei(t)≤Pstore_max
其中,Pstore_min为电网系统功率的下限,Pstore_max为电网系统功率的上限,Pstorei(t)为 节点i在t时刻时的电池充放电功率;
根据下式确定储能能量平衡约束:
其中,T为考察时间,Δt为时间变量,Pstore(i)为节点i的电网系统功率。
进一步地,求解优化模型,得到优化模型的最优解包括:确定求解优化模型的初始参数,其中,初始参数包括迭代初值(X0,y0,Z0),最大迭代次数kmax,允许误差ε, 中心参数σ以及防粘因子δ,其中,迭代初值(X0,y0,Z0)基于电网系统的节点电压、节 点的电压相角、以及节点的功率确定,中心参数σ满足0<σ<1,防粘因子δ满足 0<δ<1;基于优化模型的初始参数迭代求解目标函数,其中,迭代求解的过程为:根 据目标点和搜索方向计算步长因子,并基于第k次的迭代求解结果以及步长因子计算 第k+1次的迭代求解结果;在迭代次数k+1未达到kmax,且目标函数的第k+1次的迭代 求解结果(Xk+1,yk+1,Zk+1)满足预设条件的情况下,将(Xk+1,yk+1,Zk+1)作为最优解。
进一步地,根据目标点和搜索方向计算步长因子,并基于第k次的迭代求解结果以及步长因子计算第k+1次的迭代求解结果包括:确定目标点为(X(μk),y(μk),Z(μk)), 其中,μk+1=σμk,μk为第k次迭代时的互补间隙,μk+1为第k+1次迭代时的互补间隙;
根据目标点计算搜索方向(ΔX,Δy,ΔZ):
其中,Ai、bi、C均为系数,m为节点的序号,i为节点,I为单位矩阵;
利用对Xk的Cholesky分解,计算Xk+1=Xk+αpΔX≥0能取到的步长最大的值并计算步长因子αp,利用对Zk的Cholesky分解,计算 Zk+1=Zk+αdΔZ≥0能取到的步长最大的值并计算步长因子αd,根据步长因子αp、步长因子αd以及(Xk,yk,Zk)计算第k+1次的迭代求解结果 (Xk+1,yk+1,Zk+1):
进一步地,在迭代次数k+1未达到kmax,且目标函数的第k+1次的迭代求解结果 (Xk +1,yk+1,Zk+1)满足预设条件的情况下,将(Xk+1,yk+1,Zk+1)作为最优解包括:判断互补间 隙μk+1是否满足μk+1<ε,其中,μk+1=(Xk+1·Zk+1)/n,n表示储能单元的个数;在互补间 隙μk+1满足μk+1<ε的情况下,将对目标函数的第k+1次的迭代求解结果(Xk+1,yk+1,Zk+1) 作为最优解。
为了实现上述目的,根据本申请的另一方面,提供了一种优化装置。该装置包括:第一确定单元,用于确定目标函数,其中,目标函数用于优化电网系统中的储能系统 的配置;第二确定单元,用于确定电网系统的约束条件;构建单元,用于根据目标函 数和约束条件构建优化模型;求解单元,用于求解优化模型,得到优化模型的最优解; 优化单元,用于根据最优解优化电网系统中的储能系统的配置。
进一步地,第一确定单元包括:
其中,Ps(t)为t时刻电网输入功率,为考察时间内电网输入功率的平均值,T为考察时间,f为目标函数值。
为了实现上述目的,根据本申请的另一方面,提供了一种存储介质,存储介质包括存储的程序,其中,程序执行上述任意一种优化方法。
为了实现上述目的,根据本申请的另一方面,提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述任意一种优化方法。
通过本申请,采用以下步骤:确定目标函数,其中,目标函数用于优化电网系统 中的储能系统的配置;确定电网系统的约束条件;根据目标函数和约束条件构建优化 模型;求解优化模型,得到优化模型的最优解;根据最优解优化电网系统中的储能系 统的配置,解决了相关技术中为了减小包含分布式电源的电网系统的负荷为电网系统 配置储能系统,而储能系统的配置难以得到优化,导致难以更好地减少电网负荷波动 的问题。通过求解目标函数和约束条件构建优化模型,进而达到了根据最优解优化电 网系统的储能系统的配置的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的优化方法的流程图;
图2是根据本申请实施例提供的优化方法的五节点电力系统示意图;
图3是根据本申请实施例提供的优化方法中分布式电源出力最大时刻五节点潮流分布图;
图4是根据本申请实施例提供的优化方法中分布式电源出力最小时刻五节点潮流分布图;以及
图5是根据本申请实施例提供的优化装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,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,所描述的实施例 仅仅是本申请一部分的实施例,而不是全部的实施例。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他实施例,都应当属于 本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这 样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语 “包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含 了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步 骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的 其它步骤或单元。
根据本申请的实施例,提供了一种优化方法。
图1是根据本申请实施例的优化方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,确定目标函数,其中,目标函数用于优化电网系统中的储能系统的配置。
可选地,在本申请实施例提供的优化方法中,确定目标函数包括:
其中,Ps(t)为t时刻电网输入功率,为考察时间内电网输入功率的平均值,T为考察时间,f为目标函数值。
步骤S102,确定电网系统的约束条件。
可选地,在本申请实施例提供的优化方法中,确定电网系统的约束条件包括:按照下式确定节点潮流约束:
其中,Pi为节点i的有功功率,Qi表示节点i的无功功率,Gij为节点i和节点j之 间的电导,Vj为节点j的电压,Bij为节点i和节点j之间的电纳,Bij'为节点i和节点j 之间忽略对地电容后的电纳,θj为节点j的电压相角,n为节点的序号;
按照下式确定节点电压约束:
Vmin≤Vi(t)≤Vmax
其中,Vmin为电网系统节点电压下限,Vmax为电网系统节点电压上限,Vi(t)为节 点i在t时刻时的节点电压;
按照下式确定储能功率约束:
Pstore_min≤Pstorei(t)≤Pstore_max
其中,Pstore_min为电网系统功率的下限,Pstore_max为电网系统功率的上限,Pstorei(t)为 节点i在t时刻时的电池充放电功率,储能放电时为正,充电时为负;
根据下式确定储能能量平衡约束:
其中,T为考察时间,Δt为时间变量,Pstore(i)为节点i的电网系统功率。
步骤S103,根据目标函数和约束条件构建优化模型。
需要说明的是,目标函数和约束条件共同构成以减少电网负荷为目标的优化模型。
步骤S104,求解优化模型,得到优化模型的最优解。
可选地,在本申请实施例提供的优化方法中,求解优化模型,得到优化模型的最优解包括:确定求解优化模型的初始参数,其中,初始参数包括迭代初值(X0,y0,Z0), 最大迭代次数kmax,允许误差ε,中心参数σ以及防粘因子δ,其中,迭代初值(X0,y0,Z0) 基于电网系统的节点电压、节点的电压相角、以及节点的功率确定,中心参数σ满足 0<σ<1,防粘因子δ满足0<δ<1;基于优化模型的初始参数迭代求解目标函数,其中, 迭代求解的过程为:根据目标点和搜索方向计算步长因子,并基于第k次的迭代求解 结果以及步长因子计算第k+1次的迭代求解结果;在迭代次数k+1未达到kmax,且目标 函数的第k+1次的迭代求解结果(Xk+1,yk+1,Zk+)1满足预设条件的情况下,将 (Xk+1,yk+1,Zk+)1作为最优解。
可选地,在本申请实施例提供的优化方法中,根据目标点和搜索方向计算步长因子,并基于第k次的迭代求解结果以及步长因子计算第k+1次的迭代求解结果包括: 确定目标点为(X(μk),y(μk),Z(μk)),其中,μk+1=σμk,μk为第k次迭代时的互补间隙, μk+1为第k+1次迭代时的互补间隙;
根据目标点计算搜索方向(ΔX,Δy,ΔZ):
其中,Ai、bi、C均为系数,m为节点的序号,i为节点,I为单位矩阵;
利用对Xk的Cholesky分解,计算Xk+1=Xk+αpΔX≥0能取到的步长最大的值并计算步长因子αp,利用对Zk的Cholesky分解,计算 Zk+1=Zk+αdΔZ≥0能取到的步长最大的值并计算步长因子αd,根据步长因子αp、步长因子αd以及(Xk,yk,Zk)计算第k+1次的迭代求解结果 (Xk+1,yk+1,Zk+1):
需要说明的是,防粘因子δ的作用是防止迭代后的解粘滞在边界上,造成收敛困难。
此外,计算Xk+1=Xk+αpΔX≥0能取到的步长最大的值的具体步骤为,设L是Xk的Cholesky分解的下三角矩阵,即Xk=LLT,并设PΛPT是L-1ΔXL-T的特征值分解,λmin是Λ中对角元的最小值。此时可以得到:
计算Zk+1=Zk+αdΔZ≥0能取到的步长最大的值与计算αp同理。
可选地,在本申请实施例提供的优化方法中,在迭代次数k+1未达到kmax,且目标函数的第k+1次的迭代求解结果(Xk+1,yk+1,Zk+)1满足预设条件的情况下,将 (Xk+1,yk+1,Zk+)1作为最优解包括:判断互补间隙μk+1是否满足μk+1<ε,其中, μk+1=(Xk+1·Zk+1)/n,n表示储能单元的个数;在互补间隙μk+1满足μk+1<ε的情况下,将 对目标函数的第k+1次的迭代求解结果(Xk+1,yk+1,Zk+1)作为最优解。
步骤S105,根据最优解优化电网系统中的储能系统的配置。
需要说明的是,求出最优解,即得到优化电网系统的储能系统的节点电压、节点的电压相角、以及节点的功率,根据最优节点电压、节点的电压相角、以及节点的功 率配置储能系统。
本申请实施例提供的优化方法,通过确定目标函数,其中,目标函数用于优化电网系统中的储能系统的配置;确定电网系统的约束条件;根据目标函数和约束条件构 建优化模型;求解优化模型,得到优化模型的最优解;根据最优解优化电网系统中的 储能系统的配置,解决了相关技术中为了减小包含分布式电源的电网系统的负荷为电 网系统配置储能系统,而储能系统的配置难以得到优化,导致难以更好地减少电网负 荷波动的问题。通过求解目标函数和约束条件构建优化模型,进而达到了根据最优解 优化电网系统的储能系统的配置的效果。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可 以以不同于此处的顺序执行所示出或描述的步骤。
根据本申请的实施例,提供了一种五节点系统的优化方法。
五节点系统如图2所示,图中节点5为平衡节点,节点1连接分布式电源支路, 该系统的模型如下。
目标函数为:
PDGi(t)为t时刻的i节点的分布式电源的出力,Pstorei(t)t时刻的i节点的电池储能系 统的出力,储能放电时为正,充电时为负,Ploadi(t)t时刻的i节点的负荷功率,参数N 的含义是储能单元的个数。
模型的约束条件为:
考虑分布式电源出力峰谷两个时刻,令分布式电源出力为PDG={0.2+j0.04,0},对应 峰谷时刻的各节点负荷均为Ploadi={0.05+j0.01,0.15+j0.03},i=1,2,3,4,令电池储能系统的 最大充放电效率为Pstore_max=0.2,Pstore_min=-0.2,令储能系统接入节点为节点1、2。将数 据代入到上述实施例求解最优解的方法中,该方法在表中简称为MSDP,得到节点电 压值和相角,同时利用传统方法,智能优化算法求解器LocaSolver求解得到节点电压值和相角,分布式电源出力最大时的计算结果如表1所示:
表1五节点系统分布式电源出力最大时刻结果参数
此时的五节点潮流分布图3所示。
由表1和图3可知,本申请实施例的方法求解得到的电压更接近1,求解的电压 值更准确。
分布式电源出力最小时的计算结果如表2所示:
表2五节点系统分布式电源出力最小时刻结果参数
此时的五节点潮流分布图4所示:
由表2和图4可知,本申请实施例的方法求解得到的电压更接近1,求解的电压 值更准确。
表3为在分布式电源出力最大时的计算结果和分布式电源出力最小时的计算结果下进行的储能优化配置结果:
表3储能优化配置结果
结果显示,利用本实施例的方法,电池储能系统的安装位置是节点1,两个时刻 的储能出力是Pstore(t)={-0.15,0.15}满足储能能量平衡。而LocalSolver,虽然得到问题的最优解,但是求解器对于初值设置敏感,受初值扰动影响较大。因而在更大规模的配 电网规划问题中,采用本实施例的方法得到问题的全局最优解更合适。
本申请实施例还提供了一种优化装置,需要说明的是,本申请实施例的优化装置可以用于执行本申请实施例所提供的用于优化方法。以下对本申请实施例提供的优化 装置进行介绍。
图5是根据本申请实施例的优化装置的示意图。如图5所示,该装置包括:第一 确定单元10、第二确定单元20、构建单元30、求解单元40和优化单元50。
具体地,第一确定单元10,用于确定目标函数,其中,目标函数用于优化电网系 统中的储能系统的配置。
第二确定单元20,用于确定电网系统的约束条件。
构建单元30,用于根据目标函数和约束条件构建优化模型。
求解单元40,用于求解优化模型,得到优化模型的最优解。
优化单元50,用于根据最优解优化电网系统中的储能系统的配置。
可选地,在本申请实施例提供的优化装置中,第一确定单元10包括:
其中,Ps(t)为t时刻电网输入功率,为考察时间内电网输入功率的平均值,T为考察时间,f为目标函数值。
可选地,在本申请实施例提供的优化装置中,第二确定单元20包括:第一确定模块,用于按照下式确定节点潮流约束:
其中,Pi为节点i的有功功率,Qi表示节点i的无功功率,Gij为节点i和节点j之 间的电导,Vj为节点j的电压,Bij为节点i和节点j之间的电纳,Bij'为节点i和节点j 之间忽略对地电容后的电纳,θj为节点j的电压相角,n为节点的序号;
第二确定模块,用于按照下式确定节点电压约束:
Vmin≤Vi(t)≤Vmax
其中,Vmin为电网系统节点电压下限,Vmax为电网系统节点电压上限,Vi(t)为节 点i在t时刻时的节点电压;
第三确定模块,用于按照下式确定储能功率约束:
Pstore_min≤Pstorei(t)≤Pstore_max
其中,Pstore_min为电网系统功率的下限,Pstore_max为电网系统功率的上限,Pstorei(t)为 节点i在t时刻时的电池充放电功率;
第四确定模块,用于根据下式确定储能能量平衡约束:
其中,T为考察时间,Δt为时间变量,Pstore(i)为节点i的电网系统功率。
可选地,在本申请实施例提供的优化装置中,求解单元40包括:第五确定模块, 用于确定求解优化模型的初始参数,其中,初始参数包括迭代初值(X0,y0,Z0),最大 迭代次数kmax,允许误差ε,中心参数σ以及防粘因子δ,其中,迭代初值(X0,y0,Z0)基 于电网系统的节点电压、节点的电压相角、以及节点的功率确定,中心参数σ满足 0<σ<1,防粘因子δ满足0<δ<1;求解模块,用于基于优化模型的初始参数迭代求解 目标函数,其中,迭代求解的过程为:根据目标点和搜索方向计算步长因子,并基于 第k次的迭代求解结果以及步长因子计算第k+1次的迭代求解结果;第六确定模块, 用于在迭代次数k+1未达到kmax,且目标函数的第k+1次的迭代求解结果 (Xk+1,yk+1,Zk+)1满足预设条件的情况下,将(Xk+1,yk+1,Zk+1)作为最优解。
可选地,在本申请实施例提供的优化装置中,求解模块包括:第一确定子模块, 用于确定目标点为(X(μk),y(μk),Z(μk)),其中,μk+1=σμk,μk为第k次迭代时的互补间 隙,μk+1为第k+1次迭代时的互补间隙;第一计算子模块,用于根据目标点计算搜索 方向(ΔX,Δy,ΔZ):
其中,Ai、bi、C均为系数,m为节点的序号,i为节点,I为单位矩阵;
第二计算子模块,用于利用对Xk的Cholesky分解,计算Xk+1=Xk+αpΔX≥0能取 到的步长最大的值并计算步长因子αp,第三计算子模块,用于 利用对Zk的Cholesky分解,计算Zk+1=Zk+αdΔZ≥0能取到的步长最大的值并计 算步长因子αd,第四计算子模块,用于根据步长因子αp、步长因子αd以及(Xk,yk,Zk)计算第k+1次的迭代求解结果(Xk+1,yk+1,Zk+1):
可选地,在本申请实施例提供的优化装置中,第六确定模块包括:判断子模块, 用于判断互补间隙μk+1是否满足μk+1<ε,其中,μk+1=(Xk+1·Zk+1)/n,n表示储能单元的 个数;第二确定子模块,用于在互补间隙μk+1满足μk+1<ε的情况下,将对目标函数的 第k+1次的迭代求解结果(Xk+1,yk+1,Zk+1)作为最优解。
本申请实施例提供的优化装置,通过第一确定单元10确定目标函数,其中,目标函数用于优化电网系统中的储能系统的配置;第二确定单元20确定电网系统的约束条 件;构建单元30,用于根据目标函数和约束条件构建优化模型;求解单元40求解优 化模型,得到优化模型的最优解;优化单元50根据最优解优化电网系统中的储能系统 的配置,解决了相关技术中为了减小包含分布式电源的电网系统的负荷为电网系统配 置储能系统,而储能系统的配置难以得到优化,导致难以更好地减少电网负荷波动的 问题,通过求解目标函数和约束条件构建优化模型,进而达到了根据最优解优化电网 系统的储能系统的配置的效果。
所述优化装置包括处理器和存储器,上述第一确定单元10、第二确定单元20、构建单元30、求解单元40和优化单元50等均作为程序单元存储在存储器中,由处理器 执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决相关技术中为了减小包含分布式电源的电网系统的 负荷为电网系统配置储能系统,而储能系统的配置难以得到优化,导致难以更好地减 少电网负荷波动的问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一 个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述优化方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述优化方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:确定目标函数,其中,目 标函数用于优化电网系统中的储能系统的配置;确定电网系统的约束条件;根据目标 函数和约束条件构建优化模型;求解优化模型,得到优化模型的最优解;根据最优解 优化电网系统中的储能系统的配置。
确定目标函数包括:
其中,Ps(t)为t时刻电网输入功率,为考察时间内电网输入功率的平均值,T为考察时间,f为目标函数值。
确定电网系统的约束条件包括:按照下式确定节点潮流约束:
其中,Pi为节点i的有功功率,Qi表示节点i的无功功率,Gij为节点i和节点j之 间的电导,Vj为节点j的电压,Bij为节点i和节点j之间的电纳,Bij'为节点i和节点j 之间忽略对地电容后的电纳,θj为节点j的电压相角,n为节点的序号;
按照下式确定节点电压约束:
Vmin≤Vi(t)≤Vmax
其中,Vmin为电网系统节点电压下限,Vmax为电网系统节点电压上限,Vi(t)为节 点i在t时刻时的节点电压;
按照下式确定储能功率约束:
Pstore_min≤Pstorei(t)≤Pstore_max
其中,Pstore_min为电网系统功率的下限,Pstore_max为电网系统功率的上限,Pstorei(t)为 节点i在t时刻时的电池充放电功率;
根据下式确定储能能量平衡约束:
其中,T为考察时间,Δt为时间变量,Pstore(i)为节点i的电网系统功率。
求解优化模型,得到优化模型的最优解包括:确定求解优化模型的初始参数,其中,初始参数包括迭代初值(X0,y0,Z0),最大迭代次数kmax,允许误差ε,中心参数σ以 及防粘因子δ,其中,迭代初值(X0,y0,Z0)基于电网系统的节点电压、节点的电压相角、 以及节点的功率确定,中心参数σ满足0<σ<1,防粘因子δ满足0<δ<1;基于优化模 型的初始参数迭代求解目标函数,其中,迭代求解的过程为:根据目标点和搜索方向 计算步长因子,并基于第k次的迭代求解结果以及步长因子计算第k+1次的迭代求解 结果;在迭代次数k+1未达到kmax,且目标函数的第k+1次的迭代求解结果 (Xk+1,yk+1,Zk+1)满足预设条件的情况下,将(Xk +1,yk+1,Zk+1)作为最优解。
根据目标点和搜索方向计算步长因子,并基于第k次的迭代求解结果以及步长因子计算第k+1次的迭代求解结果包括:确定目标点为(X(μk),y(μk),Z(μk)),其中, μk+1=σμk,μk为第k次迭代时的互补间隙,μk+1为第k+1次迭代时的互补间隙;
根据目标点计算搜索方向(ΔX,Δy,ΔZ):
其中,Ai、bi、C均为系数,m为节点的序号,i为节点,I为单位矩阵;
利用对Xk的Cholesky分解,计算Xk+1=Xk+αpΔX≥0能取到的步长最大的值并计算步长因子αp,利用对Zk的Cholesky分解,计算 Zk+1=Zk+αdΔZ≥0能取到的步长最大的值并计算步长因子αd,根据步长因子αp、步长因子αd以及(Xk,yk,Zk)计算第k+1次的迭代求解结果 (Xk+1,yk+1,Zk+1):
在迭代次数k+1未达到kmax,且目标函数的第k+1次的迭代求解结果 (Xk+1,yk+1,Zk +1)满足预设条件的情况下,将(Xk+1,yk+1,Zk+1)作为最优解包括:判断互补间 隙μk+1是否满足μk+1<ε,其中,μk+1=(Xk+1·Zk+1)/n,n表示储能单元的个数;在互补间 隙μk+1满足μk+1<ε的情况下,将对目标函数的第k+1次的迭代求解结果(Xk+1,yk+1,Zk+1) 作为最优解。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:确定目标函数,其中,目标函数用于优化电网系统中的 储能系统的配置;确定电网系统的约束条件;根据目标函数和约束条件构建优化模型; 求解优化模型,得到优化模型的最优解;根据最优解优化电网系统中的储能系统的配 置。
确定目标函数包括:
其中,Ps(t)为t时刻电网输入功率,为考察时间内电网输入功率的平均值,T为考察时间,f为目标函数值。
确定电网系统的约束条件包括:按照下式确定节点潮流约束:
其中,Pi为节点i的有功功率,Qi表示节点i的无功功率,Gij为节点i和节点j之 间的电导,Vj为节点j的电压,Bij为节点i和节点j之间的电纳,Bij'为节点i和节点j 之间忽略对地电容后的电纳,θj为节点j的电压相角,n为节点的序号;
按照下式确定节点电压约束:
Vmin≤Vi(t)≤Vmax
其中,Vmin为电网系统节点电压下限,Vmax为电网系统节点电压上限,Vi(t)为节 点i在t时刻时的节点电压;
按照下式确定储能功率约束:
Pstore_min≤Pstorei(t)≤Pstore_max
其中,Pstore_min为电网系统功率的下限,Pstore_max为电网系统功率的上限,Pstorei(t)为 节点i在t时刻时的电池充放电功率;
根据下式确定储能能量平衡约束:
其中,T为考察时间,Δt为时间变量,Pstore(i)为节点i的电网系统功率。
求解优化模型,得到优化模型的最优解包括:确定求解优化模型的初始参数,其中,初始参数包括迭代初值(X0,y0,Z0),最大迭代次数kmax,允许误差ε,中心参数σ以 及防粘因子δ,其中,迭代初值(X0,y0,Z0)基于电网系统的节点电压、节点的电压相角、 以及节点的功率确定,中心参数σ满足0<σ<1,防粘因子δ满足0<δ<1;基于优化模 型的初始参数迭代求解目标函数,其中,迭代求解的过程为:根据目标点和搜索方向 计算步长因子,并基于第k次的迭代求解结果以及步长因子计算第k+1次的迭代求解 结果;在迭代次数k+1未达到kmax,且目标函数的第k+1次的迭代求解结果 (Xk+1,yk+1,Zk+1)满足预设条件的情况下,将(Xk +1,yk+1,Zk+1)作为最优解。
根据目标点和搜索方向计算步长因子,并基于第k次的迭代求解结果以及步长因子计算第k+1次的迭代求解结果包括:确定目标点为(X(μk),y(μk),Z(μk)),其中, μk+1=σμk,μk为第k次迭代时的互补间隙,μk+1为第k+1次迭代时的互补间隙;
根据目标点计算搜索方向(ΔX,Δy,,ΔZ):
其中,Ai、bi、C均为系数,m为节点的序号,i为节点,I为单位矩阵;
利用对Xk的Cholesky分解,计算Xk+1=Xk+αpΔX≥0能取到的步长最大的值并计算步长因子αp,利用对Zk的Cholesky分解,计算 Zk+1=Zk+αdΔZ≥0能取到的步长最大的值并计算步长因子αd,根据步长因子αp、步长因子αd以及(Xk,yk,Zk)计算第k+1次的迭代求解结果 (Xk+1,yk+1,Zk+1):
在迭代次数k+1未达到kmax,且目标函数的第k+1次的迭代求解结果 (Xk+1,yk+1,Zk +1)满足预设条件的情况下,将(Xk+1,yk+1,Zk+1)作为最优解包括:判断互补间 隙μk+1是否满足μk+1<ε,其中,μk+1=(Xk+1·Zk+1)/n,n表示储能单元的个数;在互补间 隙μk+1满足μk+1<ε的情况下,将对目标函数的第k+1次的迭代求解结果(Xk+1,yk+1,Zk+1) 作为最优解。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件 方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序 代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等) 上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的 每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供 这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处 理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理 器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多 个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定 方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个 方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算 机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或 方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可 读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他 数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存 储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、 只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内 存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、 磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存 储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑 可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性 的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素, 而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设 备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素, 并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施 例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算 机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计 算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同 替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种优化方法,其特征在于,包括:
确定目标函数,其中,所述目标函数用于优化电网系统中的储能系统的配置;
确定所述电网系统的约束条件;
根据所述目标函数和所述约束条件构建优化模型;
求解所述优化模型,得到所述优化模型的最优解;
根据所述最优解优化所述电网系统中的所述储能系统的配置。
2.根据权利要求1所述的方法,其特征在于,确定目标函数包括:
其中,Ps(t)为t时刻电网输入功率,为考察时间内电网输入功率的平均值,T为考察时间,f为目标函数值。
3.根据权利要求2所述的方法,其特征在于,确定所述电网系统的约束条件包括:
按照下式确定节点潮流约束:
其中,Pi为节点i的有功功率,Qi表示节点i的无功功率,Gij为节点i和节点j之间的电导,Vj为节点j的电压,Bij为节点i和节点j之间的电纳,Bij'为节点i和节点j之间忽略对地电容后的电纳,θj为节点j的电压相角,n为节点的序号;
按照下式确定节点电压约束:
Vmin≤Vi(t)≤Vmax
其中,Vmin为电网系统节点电压下限,Vmax为电网系统节点电压上限,Vi(t)为节点i在t时刻时的节点电压;
按照下式确定储能功率约束:
Pstore_min≤Pstorei(t)≤Pstore_max
其中,Pstore_min为电网系统功率的下限,Pstore_max为电网系统功率的上限,Pstorei(t)为节点i在t时刻时的电池充放电功率;
根据下式确定储能能量平衡约束:
其中,T为考察时间,Δt为时间变量,Pstore(i)为节点i的电网系统功率。
4.根据权利要求3所述的方法,其特征在于,求解所述优化模型,得到所述优化模型的最优解包括:
确定求解所述优化模型的初始参数,其中,所述初始参数包括迭代初值(X0,y0,Z0),最大迭代次数kmax,允许误差ε,中心参数σ以及防粘因子δ,其中,所述迭代初值(X0,y0,Z0)基于所述电网系统的节点电压、节点的电压相角、以及节点的功率确定,所述中心参数σ满足0<σ<1,所述防粘因子δ满足0<δ<1;
基于所述优化模型的初始参数迭代求解所述目标函数,其中,迭代求解的过程为:根据目标点和搜索方向计算步长因子,并基于第k次的迭代求解结果以及所述步长因子计算第k+1次的迭代求解结果;
在迭代次数k+1未达到kmax,且所述目标函数的第k+1次的迭代求解结果(Xk+1,yk+1,Zk+1)满足预设条件的情况下,将(Xk+1,yk+1,Zk+1)作为所述最优解。
5.根据权利要求4所述的方法,其特征在于,根据目标点和搜索方向计算步长因子,并基于第k次的迭代求解结果以及所述步长因子计算第k+1次的迭代求解结果包括:
确定所述目标点为(X(μk),y(μk),Z(μk)),其中,μk+1=σμk,μk为第k次迭代时的互补间隙,μk+1为第k+1次迭代时的互补间隙;
根据所述目标点计算搜索方向(ΔX,Δy,ΔZ):
其中,Ai、bi、C均为系数,m为节点的序号,i为节点,I为单位矩阵;
利用对Xk的Cholesky分解,计算Xk+1=Xk+αpΔX≥0能取到的步长最大的值并计算步长因子αp,
利用对Zk的Cholesky分解,计算Zk+1=Zk+αdΔZ≥0能取到的步长最大的值并计算步长因子αd,
根据所述步长因子αp、所述步长因子αd以及(Xk,yk,Zk)计算所述第k+1次的迭代求解结果(Xk+1,yk+1,Zk+1):
6.根据权利要求5所述的方法,其特征在于,在迭代次数k+1未达到kmax,且所述目标函数的第k+1次的迭代求解结果(Xk+1,yk+1,Zk+1)满足预设条件的情况下,将(Xk+1,yk+1,Zk+1)作为所述最优解包括:
判断互补间隙μk+1是否满足μk+1<ε,其中,μk+1=(Xk+1·Zk+1)/n,n表示储能单元的个数;
在所述互补间隙μk+1满足μk+1<ε的情况下,将对所述目标函数的第k+1次的迭代求解结果(Xk+1,yk+1,Zk+1)作为所述最优解。
7.一种优化装置,其特征在于,包括:
第一确定单元,用于确定目标函数,其中,所述目标函数用于优化电网系统中的储能系统的配置;
第二确定单元,用于确定所述电网系统的约束条件;
构建单元,用于根据所述目标函数和所述约束条件构建优化模型;
求解单元,用于求解所述优化模型,得到所述优化模型的最优解;
优化单元,用于根据所述最优解优化所述电网系统中的所述储能系统的配置。
8.根据权利要求7所述的装置,其特征在于,所述第一确定单元包括:
其中,Ps(t)为t时刻电网输入功率,为考察时间内电网输入功率的平均值,T为考察时间,f为目标函数值。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至6中任意一项所述的优化方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至6中任意一项所述的优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811616274.8A CN109873437B (zh) | 2018-12-27 | 2018-12-27 | 优化方法、装置、存储介质及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811616274.8A CN109873437B (zh) | 2018-12-27 | 2018-12-27 | 优化方法、装置、存储介质及处理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109873437A true CN109873437A (zh) | 2019-06-11 |
CN109873437B CN109873437B (zh) | 2021-05-07 |
Family
ID=66917243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811616274.8A Active CN109873437B (zh) | 2018-12-27 | 2018-12-27 | 优化方法、装置、存储介质及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109873437B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264113A (zh) * | 2019-07-17 | 2019-09-20 | 深圳市智物联网络有限公司 | 一种沼气发电机组的负载分配方法、装置及相关设备 |
CN113935198A (zh) * | 2021-11-16 | 2022-01-14 | 清鸾科技(成都)有限公司 | 多能系统运行优化方法、装置、电子设备及可读存储介质 |
CN114970110A (zh) * | 2022-04-29 | 2022-08-30 | 深圳市鸿云智科技有限公司 | 一种针辊电机启动阶段的优化方法、装置、系统及可读性存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5650936A (en) * | 1994-12-30 | 1997-07-22 | Cd Power Measurement Limited | Power monitor apparatus and method with object oriented structure |
CN104573861A (zh) * | 2015-01-05 | 2015-04-29 | 河海大学 | 基于内点半定规划的拟直流最优潮流方法 |
CN108551175A (zh) * | 2018-04-28 | 2018-09-18 | 国网湖南省电力有限公司 | 配电网储能容量配置方法 |
-
2018
- 2018-12-27 CN CN201811616274.8A patent/CN109873437B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5650936A (en) * | 1994-12-30 | 1997-07-22 | Cd Power Measurement Limited | Power monitor apparatus and method with object oriented structure |
CN104573861A (zh) * | 2015-01-05 | 2015-04-29 | 河海大学 | 基于内点半定规划的拟直流最优潮流方法 |
CN108551175A (zh) * | 2018-04-28 | 2018-09-18 | 国网湖南省电力有限公司 | 配电网储能容量配置方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264113A (zh) * | 2019-07-17 | 2019-09-20 | 深圳市智物联网络有限公司 | 一种沼气发电机组的负载分配方法、装置及相关设备 |
CN113935198A (zh) * | 2021-11-16 | 2022-01-14 | 清鸾科技(成都)有限公司 | 多能系统运行优化方法、装置、电子设备及可读存储介质 |
CN113935198B (zh) * | 2021-11-16 | 2024-03-22 | 清鸾科技(成都)有限公司 | 多能系统运行优化方法、装置、电子设备及可读存储介质 |
CN114970110A (zh) * | 2022-04-29 | 2022-08-30 | 深圳市鸿云智科技有限公司 | 一种针辊电机启动阶段的优化方法、装置、系统及可读性存储介质 |
CN114970110B (zh) * | 2022-04-29 | 2023-09-12 | 深圳市鸿云智科技有限公司 | 一种针辊电机启动阶段的优化方法、装置、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109873437B (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mohan et al. | Edge-Fog cloud: A distributed cloud for Internet of Things computations | |
Torres et al. | Expansion planning for smart transmission grids using AC model and shunt compensation | |
CN109873437A (zh) | 优化方法、装置、存储介质及处理器 | |
Ghahremani et al. | Analysing the effects of different types of FACTS devices on the steady‐state performance of the Hydro‐Québec network | |
Luo et al. | Multi-objective immune algorithm with preference-based selection for reservoir flood control operation | |
Danielson et al. | Constrained flow control in storage networks: Capacity maximization and balancing | |
Pérez‐Cañedo et al. | An epsilon‐constraint method for fully fuzzy multiobjective linear programming | |
Zhao et al. | [Retracted] An Improved SPEA2 Algorithm with Adaptive Selection of Evolutionary Operators Scheme for Multiobjective Optimization Problems | |
Li et al. | Research on optimal configuration strategy of energy storage capacity in grid-connected microgrid | |
Hussain et al. | Fog computing for big data analytics in IoT aided smart grid networks | |
Gang et al. | Automatic identification of transmission sections based on complex network theory | |
Dash et al. | Simultaneous optimal placement and sizing of D-STATCOMs using a modified sine cosine algorithm | |
Wang et al. | Coordinated dispatch of networked energy storage systems for loading management in active distribution networks | |
Amrane et al. | A new hybrid technique for power systems multi‐facts optimization design | |
CN112186764B (zh) | 一种配电网设备的接入优化方法、装置及电子设备 | |
Chandrawanshi et al. | A comprehensive study on k-means algorithms initialization techniques for wireless sensor network | |
Jiang et al. | Contingency filtering technique for transient stability constrained optimal power flow | |
Lee et al. | Judicious partitions of directed graphs | |
Li et al. | Improving voltage profile of unbalanced Low‐Voltage distribution networks via optimal placement and operation of distributed energy storage systems | |
CN104239520A (zh) | 一种基于历史信息的hdfs数据块放置策略 | |
Zheng et al. | Distributed optimization with hybrid linear constraints for multi‐agent networks | |
Sheng et al. | Improved multiobjective harmony search algorithm with application to placement and sizing of distributed generation | |
Li et al. | Real‐time approach for oscillatory stability assessment in large‐scale power systems based on MRMR classifier | |
Valsomatzis et al. | Balancing energy flexibilities through aggregation | |
CN108306358A (zh) | 充电站电池储能配置方法和装置 |
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 |