CN110009262A - 一种主动配电网的日前-日内两阶段优化调度方法 - Google Patents

Abstract

本发明公开了一种主动配电网的日前‑日内两阶段优化调度方法。首先构建了DMS总揽全局、区域调控终端负责分区的调控框架。采用经济性与安全性协调统一的两阶段调度策略：日前执行经济调度，降低ADN运行成本；日内阶段正常时各子区域跟踪日前计划进行分区局部修正，存在电压越限时DMS执行系统全局调整以消除越限。建立了日前经济调度、日内分区局部功率修正与系统全局电压调整的数学优化模型，并采用和声搜索算法来求解调度模型。最后通过算例分析，验证了所提调度方法能够适用于日前‑日内两个阶段，保障ADN经济安全运行。

Description

一种主动配电网的日前-日内两阶段优化调度方法

技术领域

本发明涉及一种配电网的优化调度领域，特别是一种主动配电网的日前-日内两阶段优化调度方法。

背景技术

近年来，可再生能源分布式发电(DG)发展迅猛，为提高新能源消纳、引导“源-网-荷-储”良性互动、提升配电网优化运行水平，众多学者针对主动配电网(ADN)的规划、调控运行、自愈、安全可靠性等方面展开了大量学术研究与发明创造。优化调度方面，文献NickM，Cherkaoui R，Paolone M.Stochastic Day-ahead Optimal Scheduling of ActiveDistribution Networks with Dispersed Energy Storage ADN Renewable Resources[C].Technologies for Sustainability(SusTech)，July 24-26，2014，PortlADN，USA：91-96其研究了在日前阶段预先考虑日内情形，用枚举法来处理电价与光荷的不确定性，研究了有载分接开关与储能的日前调度问题；文章【主动配电网的分层调控体系及区域自治策略】提出一种全局集中优化与区域分散自治相结合的ADN协调控制方法，全局优化给出各区域交换功率计划值，区域自治则基于反馈控制器调节元件出力、进而实现实时校准，但未考虑ADN无功资源；文章【主动配电网日前-实时调度策略研究】提出一种基于多代理的ADN两阶段调度策略，日前实行经济调度，日内调节自治区域内的可控DG有功来进行滚动修正，然而未能有效解决电压越限问题；文章【考虑越限风险的主动配电网日前优化调度及运行】引入半不变量法随机潮流，在ADN日前调度中计及风光荷多重预测误差引起的越限风险，在日前阶段同时考虑调度经济性与安全性。

当前，制约新能源大规模集成入配电网的主要瓶颈在于绿色DG出力间歇波动影响配电网的功率平衡与电压合格。功率不平衡可借由可控DG调节、需求侧管理与上级大电网功率支撑等手段来应对；而电压越限问题则需要发挥ADN的无功资源优势，在日内运行中跟踪新能源波动，实施有功-无功联合调整、无功就地分散双向补偿，从而避免电压越限。

发明内容

本发明的目的在于克服现有技术的不足之处，而提供一种能给出合理的日前调度计划、适应日内不同运行工况进行功率修正或电压调整的主动配电网的日前-日内两阶段优化调度方法。

一种主动配电网的日前-日内两阶段优化调度方法，其步骤为：(1)将ADN划分为若干调控子区域，(2)采用计及电压越限修正的日前、日内两阶段调度方法：日前经济调度以降低运行成本为目标；日内根据运行条件变化采取不同策略，正常工况下各调控子区域依照日前计划进行功率修正、促进经济运行，存在电压越限时，配电管理系统(DMS)执行全局调整来消除越限、保障安全运行，(3)分别针对日前、日内两阶段调度建立数学模型，日前调度以运行成本最小为目标，日内修正依工况不同分别以调控子区域总节点有功注入偏差或网络平均节点电压偏差最小为目标，(4)对调度数学模型进行求解，得出合理的日前调度计划与日内运行方案。

将ADN划分为若干调控子区域具体为：以分段开关或联络开关为界，将ADN划分为若干个调控子区域，相邻分段开关间、分段开关与联络开关间、分段开关至馈线末端可视为一个子区域，每个子区域设置一个区域调控终端(RDCT)，DMS作为主动配电网优化运行技术的核心中枢，负责统筹协调全网各区域、各元件的运行状态，实施全局优化调度决策，RDCT同DMS、区域内各可控元件进行通信，一方面采集区域内量测数据并上传DMS，另一方面接收DMS的全局调控决策并执行对可控元件的具体控制，另外还负责区域内部的简单决策。

本发明调度策略的优点为：(1)DMS总揽系统全局，RDCT负责区域局部，层次清晰、分工明确，有利系统与区域、区域之间的协同配合；(2)日前实施经济调度，降低运行成本，日内依工况执行功率修正或电压调整，兼顾调度经济性与安全性；(3)发挥了ADN的无功资源优势，电压越限时利用多无功源就地补偿，形成有功-无功联合支撑，保障网络运行安全。

所述的日前调度的数学模型为：

本发明以DMS以配电网次日运行成本最低为目标进行日前全局优化调度决策，日前调度的决策变量包括调度周期内各时段可控DG有功、储能有功、微电网有功、柔性负荷削减量、柔性负荷平移量及平移时段数，

目标函数式为：

min C＝C_grid+C_DG+C_MG+C_ESS+C_DSM (1)

其中：C为配电网次日总运行成本；C_grid、C_MG分别为配电网与上级电网、微电网的电能交易成本；C_DG为配电网向DG购电成本；C_ESS为储能运行维护成本；C_DSM为需求侧管理成本；T为调度周期时段数，日前调度为24；L为时段的时间间隔；P_grid,t为配电网与上级电网的交互有功(ADN接收电能时为正、倒送电能时为负)，c_grid,t为其交易电价；N_DG、N_MG、N_ESS、N_CL分别为配电网内DG、微电网、储能、柔性负荷的总数量；P_DG,t,i为t时段第i台DG的有功出力，c_DG,i为其上网电价；P_PCC,t,i为t时段第i个微电网PCC点的有功出力(微电网倒供电能时为正、接收电能时为负)；P_ESS,t,i为t时段第i台储能的有功出力(放电为正、充电为负)，c_ESS为其单位运维成本；P_curt,t,i、P_shif-out,t,i分别为t时段第i个柔性负荷的有功削减量、有功平移移出量；c_curt,t为负荷削减的补偿电价，取c_curt,t＝c_grid,t；c_shif,t为负荷平移单个时段的补偿电价，取c_shif,t＝c_grid,t/ΔD_shif,max，ΔD_shif,max为负荷平移的最大允许延迟供电时间，可取为6小时；ΔD_shif,t,i为t时段第i个柔性负荷的平移时段数；

日前调度应当考虑下列约束条件：

V_i,min≤V_i≤V_i,max (8)

S_j≤S_j,max (9)

P_DG,t,i≤P_DG,i,max (10)

P_DG,t+1,i-P_DG,t,i≤ΔP_DG,i,max (11)

S_SOC,i,min≤S_SOC,t,i≤1 (14)

S_SOC,0,i＝S_SOC,24,i (15)

P_ESS,i,min≤P_ESS,t,i≤P_ESS,i,max (16)

P_curt,t,i≤P_curt,t,i,max (17)

P_shif-out,t,i≤P_{shif-out,t,i,max} (18)

P_shif-in,t,i≤P_{shif-in,t,i,max} (19)

ΔD_shif,t,i≤ΔD_shif,max (20)

其中：P_load,t、P_loss,t分别为t时段配电网的总有功负荷、有功损耗；P_shif-in,t,i为第i个柔性负荷在之前的负荷平移中移入t时段的负荷量；V_i为节点i的电压幅值，V_i,max、V_i,min为其上下限，取额定电压的1.05、0.95倍；S_j为支路j的视在功率，S_j,max为其上限；P_DG,i,max为第i台DG的有功出力上限；ΔP_DG,i,max为相邻时段DG允许调节的最大有功；为第i个微电网上报的t时段有功计划值；α_MG,i为微电网的可调度系数，考虑微电网可控电源有限与自身运行需求，取15％；S_PCC,i为微电网PCC接口的额定容量；S_SOC,t,i为t时段第i台储能的荷电状态，S_SOC,i,min为其最大放电深度；E_ESS,i为第i台储能的额定容量；α_ch,t,i、α_di,t,i为充放电标识变量，充电时α_ch,t,i＝1、α_di,t,i＝0，放电时α_ch,t,i＝0、α_di,t,i＝1；η_ch,i、η_di,i分别为第i台储能的充、放电效率；P_ESS,i,max、P_ESS,i,min为第i台储能的充放电功率上下限；P_curt,t,i,max为t时段第i个柔性负荷允许削减的最大有功；P_{shif-out,t,i,max}、P_{shif-in,t,i,max}分别为t时段第i个柔性负荷允许移出和移入的最大有功。

所述的日内调度的数学模型为：

DMS根据调度子区域划分，将各区域的总节点注入及可控元件调度计划下发至RDCT。日内运行中，每15min进行一次滚动修正，DMS基于当前风光荷数据、参照日前理想优化方案进行潮流校验，根据校验结果采取不同的调度策略与模型，

(1)正常工况下分区局部修正

若潮流校验结果合格、未发生越限，则仍采用日前方案指导日内运行，调度以经济性为重，按照区域划分，各RDCT对所负责分区进行局部修正，各区域的修正是相互解耦的，调控子区域的日内修正以总节点有功注入偏差最小为目标：

minΔP_R＝|P_G-R-P_load-R-(P'_G-R-P'_load-R)| (22)

其中：ΔP_R为区域总的节点有功注入与日前计划的偏差值；P_G-R为区域各电源的节点有功注入之和(包括可控DG、间歇DG、微电网、储能)，P'_G-R为其日前计划值；P_load-R为区域各节点有功负荷之和(已计及负荷削减与平移)，P'_load-R为其日前计划值。

分区局部修正同样需要计及日前调度的各项约束条件。日内RDCT区域修正的决策变量为子时段区域内可控DG有功出力与柔性负荷削减量。

(2)电压越限时系统全局调整

若风光荷实时数据与日前预测值偏差较大，校验中出现了电压越限，则调度须侧重于安全性，以调动ADN丰富的可控资源进行有功调整和无功支撑以消除越限，DMS重新对配电网短时运行方案进行全局优化调整，目标函数为：

其中：为配电网的平均节点电压偏差；N_node为节点总数量；V_N为额定电压；

系统全局运行方案调整的决策变量包括子时段全网可控DG有功与无功、间歇DG无功、储能无功、柔性负荷削减量，除却日前调度中考虑的诸多约束，还应计及以下无功约束：

其中：为t时段第i台DG的运行功率因数，为其允许调节的上下限；Q_ESS,t,i为t时段第i台储能的无功出力；S_PCS,i为第i台储能的逆变器容量。

对日前、日内两阶段数学模型进行求解，应用HS来求解所建立的ADN日前-日内两阶段优化调度模型：

求解步骤为：(1)输入日前调度求解所需的各参数，包括网络参数、预测数据、电价数据等；

(2)输入HS算法参数，依决策变量进行和声编码，在可行域内初始化HM并计算目标函数值，以三种不同方法生成新和声并计算目标函数值，按和声优劣更新和声记忆库，反复迭代直至收敛，得出最优解；

(3)输入日内调度求解所需的超短期风光荷预测数据等参数，进行潮流计算；

(4)正常运行时，在各子区域应用HS求解局部功率修正问题；

(5)电压越限时，在全网应用HS求解全局电压调整问题；

(6)依次修正各子时段，直至日内调度结束。

综上所述的，本发明相比现有技术如下优点：

本发明的主动配电网的日前-日内两阶段优化调度方法。首先将ADN划分为若干调控子区域，构建了基于区域调控终端的分区调控框架。采用考虑电压越限修正的两阶段调度策略：日前经济调度以降低运行成本为目标；日内根据运行条件变化采取不同策略，正常工况下各调控子区域依照日前计划进行功率修正、促进经济运行，存在电压越限时，配电管理系统执行全局调整来消除越限、保障安全运行。建立了ADN两阶段调度的数学模型，计及可控与间歇DG、储能、柔性负荷、微电网等调度手段，日前调度以运行成本最小目标，日内修正依工况不同分别以调控子区域总节点有功注入偏差或网络平均节点电压偏差最小为目标。阐述了基于和声搜索算法的调度模型求解策略。最后对ADN算例进行调度求解，给出了合理的日前调度方案，并对日内两个典型时段展开分析，验证所提调度方法的正确性和有效性。

附图说明

图1是本发明的主动配电网的分区调控框架图。

图2是本发明的主动配电网的两阶段调度策略图。

图3是本发明的基于和声搜索算法的模型求解流程图。

图4是本发明具体应用实例的主动配电网算例结构图。

图5是本发明具体应用实例的日前风光荷预测及微电网计划曲线图。

图6是本发明具体应用实例的DG、储能与微电网的日前调度计划图。

图7是本发明具体应用实例的ADN的节点电压曲线图。

具体实施方式

下面结合实施例对本发明进行更详细的描述。

实施例1

一种主动配电网的日前-日内两阶段优化调度方法，其步骤为：(1)将ADN划分为若干调控子区域，(2)采用计及电压越限修正的日前、日内两阶段调度方法：日前经济调度以降低运行成本为目标；日内根据运行条件变化采取不同策略，正常工况下各调控子区域依照日前计划进行功率修正、促进经济运行，存在电压越限时，配电管理系统执行全局调整来消除越限、保障安全运行，(3)分别针对日前、日内两阶段调度建立数学模型，日前调度以运行成本最小为目标，日内修正依工况不同分别以调控子区域总节点有功注入偏差或网络平均节点电压偏差最小为目标，(4)对调度数学模型进行求解，得出合理的日前调度计划与日内运行方案。

主动配电网的分区调控框架，如图1所示。以分段开关或联络开关为界，将ADN划分为若干个调控子区域，相邻分段开关间、分段开关与联络开关间、分段开关至馈线末端可视为一个子区域，每个子区域设置一个区域调控终端。DMS作为主动配电网优化运行技术的核心中枢，负责统筹协调全网各区域、各元件的运行状态，实施全局优化调度决策。RDCT同DMS、区域内各可控元件进行通信，一方面采集区域内量测数据并上传DMS，另一方面接收DMS的全局调控决策并执行对可控元件的具体控制，另外还负责区域内部的简单决策。

考虑电压越限修正的ADN两阶段调度策略：

主动配电网优化调度可分为日前调度-日内滚动修正两个阶段。日前调度是指在负荷与气象等日前预测数据已知的前提下，综合协调整个调度周期全网各区域运行，合理安排次日各时段各可控元件的出力计划，以某种有利价值为目标，在满足电力负荷需求的基础上促进配电网的优化运行。ADN日内滚动修正是在日前计划的基础上，根据日内风光荷超短期预测结果与配电网实际运行状态，对日前计划进行校验与调整。

日前调度具有计划性和全局性，指明优化调度的总体方向；日内修正主要是削弱日前阶段难以预期的扰动对网络运行的负面影响，对日前方案进行实时性调整。对于风光等绿色DG高渗透率集成的ADN，日前阶段宜采用经济调度，促进配电网整体运行成本的降低；日内调度面临的主要挑战在于风光实际出力与日前预测值不符引起的网络运行参数越限(主要是电压越限)，因此日内修正不能再局限于经济成本，在风光荷偏差较大时应着重考虑系统安全性。

基于DMS总揽全局、RDCT负责区域的分区调控框架，本发明提出一种考虑电压越限修正的ADN两阶段调度策略，如图2所示。日前调度阶段，首先进行日前负荷与气象预测、接收微电网上报的出力计划和交易中心下发的次日电价等数据准备工作；DMS基于配电网元件参数、网络拓扑和日前数据等，以配电网运行成本最低为目标实施全局性经济调度，得出各可控元件的日前调度计划；根据调控子区域划分，DMS将各区域的可控元件调度计划及总节点注入下发至各RDCT。日内调度中，DMS基于15min级超短期风光荷预测数据，动态计算配电网潮流并校验，检查按照日前计划实施日内运行是否存在电压越限等危险工况；若无越限，则DMS不再下发新的调度指令，RDCT基于当前风光荷数据、依日前计划进行本区域滚动修正决策；若发现电压越限，则DMS将以消除电压越限、提高电压质量为目标，调动日内便于调节的有功-无功资源，调整系统短时运行方案并下发各RDCT；RDCT根据最新修正方案(自修正或DMS重新下发)对本区域可控元件执行控制，最终实现配电网的经济安全运行。

ADN两阶段优化调度的数学模型：

优化调度研究首先应当明确资产归属与利益关系。本发明认为各类DG均归属于用户，用户出于环境保护与发电获利而装设大量间歇型绿色DG，微型燃气轮机等可控型DG则源于用户对供电可靠性或冷热电联供等需求自行配置。某些大中型用户(如工业园区、高校等)由于供电范围较大、DG数量较多，可形成内部统一调控的微电网，通过PCC点并入ADN。为适应绿色DG集成，电网公司在风光高渗透率区域投资建设储能装置，其主要作用在于平抑风光波动、削峰填谷与低储高发套利等。电网公司给予用户以DG发电收益，但DG应服从电网调度；微电网与ADN实行电能双向交易，但微电网需每日上报PCC点功率计划予调控中心并接受调度；接受需求侧管理(DSM)的用户，可获得负荷削减与平移的经济补偿。

日前调度的数学模型:

在风光荷预测数据与微电网PCC点功率计划已知的基础上，DMS以配电网次日运行成本最低为目标进行日前全局优化调度决策。为提高ADN对绿色电力的消纳，本发明暂不考虑对绿色DG进行功率削减，日前调度的决策变量包括调度周期内各时段可控DG有功、储能有功、微电网有功、柔性负荷削减量、柔性负荷平移量及平移时段数。目标函数式为：

min C＝C_grid+C_DG+C_MG+C_ESS+C_DSM (1)

其中：C为配电网次日总运行成本；C_grid、C_MG分别为配电网与上级电网、微电网的电能交易成本；C_DG为配电网向DG购电成本；C_ESS为储能运行维护成本；C_DSM为需求侧管理成本；T为调度周期时段数，日前调度为24；L为时段的时间间隔；P_grid,t为配电网与上级电网的交互有功(ADN接收电能时为正、倒送电能时为负)，c_grid,t为其交易电价；N_DG、N_MG、N_ESS、N_CL分别为配电网内DG、微电网、储能、柔性负荷的总数量；P_DG,t,i为t时段第i台DG的有功出力，c_DG,i为其上网电价；P_PCC,t,i为t时段第i个微电网PCC点的有功出力(微电网倒供电能时为正、接收电能时为负)；P_ESS,t,i为t时段第i台储能的有功出力(放电为正、充电为负)，c_ESS为其单位运维成本；P_curt,t,i、P_shif-out,t,i分别为t时段第i个柔性负荷的有功削减量、有功平移移出量；c_curt,t为负荷削减的补偿电价，取c_curt,t＝c_grid,t；c_shif,t为负荷平移单个时段的补偿电价，取c_shif,t＝c_grid,t/ΔD_shif,max，ΔD_shif,max为负荷平移的最大允许延迟供电时间，可取为6小时；ΔD_shif,t,i为t时段第i个柔性负荷的平移时段数。

日前调度应当考虑下列约束条件：

V_i,min≤V_i≤V_i,max (8)

S_j≤S_j,max (9)

P_DG,t,i≤P_DG,i,max (10)

P_DG,t+1,i-P_DG,t,i≤ΔP_DG,i,max (11)

S_SOC,i,min≤S_SOC,t,i≤1 (14)

S_SOC,0,i＝S_SOC,24,i (15)

P_ESS,i,min≤P_ESS,t,i≤P_ESS,i,max (16)

P_curt,t,i≤P_curt,t,i,max (17)

P_shif-out,t,i≤P_{shif-out,t,i,max} (18)

P_shif-in,t,i≤P_{shif-in,t,i,max} (19)

ΔD_shif,t,i≤ΔD_shif,max (20)

其中：P_load,t、P_loss,t分别为t时段配电网的总有功负荷、有功损耗；P_shif-in,t,i为第i个柔性负荷在之前的负荷平移中移入t时段的负荷量；V_i为节点i的电压幅值，V_i,max、V_i,min为其上下限，取额定电压的1.05、0.95倍；S_j为支路j的视在功率，S_j,max为其上限；P_DG,i,max为第i台DG的有功出力上限；ΔP_DG,i,max为相邻时段DG允许调节的最大有功；为第i个微电网上报的t时段有功计划值；α_MG,i为微电网的可调度系数，考虑微电网可控电源有限与自身运行需求，取15％；S_PCC,i为微电网PCC接口的额定容量；S_SOC,t,i为t时段第i台储能的荷电状态，S_SOC,i,min为其最大放电深度；E_ESS,i为第i台储能的额定容量；α_ch,t,i、α_di,t,i为充放电标识变量，充电时α_ch,t,i＝1、α_di,t,i＝0，放电时α_ch,t,i＝0、α_di,t,i＝1；η_ch,i、η_di,i分别为第i台储能的充、放电效率；P_ESS,i,max、P_ESS,i,min为第i台储能的充放电功率上下限；P_curt,t,i,max为t时段第i个柔性负荷允许削减的最大有功；P_{shif-out,t,i,max}、P_{shif-in,t,i,max}分别为t时段第i个柔性负荷允许移出和移入的最大有功。

日内调度的数学模型

日前优化调度决策后，DMS根据调度子区域划分，将各区域的总节点注入及可控元件调度计划下发至RDCT。日内运行中，每15min进行一次滚动修正，DMS基于当前风光荷数据、参照日前理想优化方案进行潮流校验，根据校验结果采取不同的调度策略与模型。

(1)正常工况下分区局部修正

若潮流校验结果合格、未发生越限，则仍采用日前方案指导日内运行，调度以经济性为重。按照区域划分，各RDCT对所负责分区进行局部修正，各区域的修正是相互解耦的。调控子区域的日内修正以总节点有功注入偏差最小为目标：

minΔP_R＝|P_G-R-P_load-R-(P'_G-R-P'_load-R)| (22)

其中：ΔP_R为区域总的节点有功注入与日前计划的偏差值；P_G-R为区域各电源的节点有功注入之和(包括可控DG、间歇DG、微电网、储能)，P'_G-R为其日前计划值；P_load-R为区域各节点有功负荷之和(已计及负荷削减与平移)，P'_load-R为其日前计划值。

分区局部修正同样需要计及日前调度的各项约束条件。

考虑到储能充放电与柔性负荷平移的时序耦合性强，改变某一时段的运行状态会影响后续调度，不宜频繁修正；微电网内部调控也依赖于储能，且日前调度已对其上报计划进行了调整，频繁的二次修正可能影响微电网稳定运行；故而上述调控手段仍采用日前计划。日内RDCT区域修正的决策变量为子时段区域内可控DG有功出力与柔性负荷削减量。

(2)电压越限时系统全局调整

若风光荷实时数据与日前预测值偏差较大，校验中出现了电压越限，则调度须侧重于安全性，应调动ADN丰富的可控资源进行有功调整和无功支撑以消除越限、适应不可预期的扰动。值得特别指出的是，无功电压调整具有全局性，不能仅针对越限区域进行，否则可能引起其他区域电压越限。DMS重新对配电网短时运行方案进行全局优化调整，目标函数为：

其中：为配电网的平均节点电压偏差；N_node为节点总数量；V_N为额定电压。

考虑到微电网自身的无功平衡与调压需求，本发明不对其进行无功调度。系统全局运行方案调整的决策变量包括子时段全网可控DG有功与无功、间歇DG无功、储能无功、柔性负荷削减量。除却日前调度中考虑的诸多约束，此时还应计及以下无功约束：

其中：为t时段第i台DG的运行功率因数，为其允许调节的上下限；Q_ESS,t,i为t时段第i台储能的无功出力；S_PCS,i为第i台储能的逆变器容量。基于和声搜索算法的调度模型求解策略

和声搜索算法

和声搜索(HS)算法是一种模拟音乐创作的智能优化算法，由于搜索能力强、寻优效率高，近年来被较多应用于ADN规划与调度问题的求解。HS的主要思想为：用和声来模拟优化问题潜在解，将和声存入和声记忆库HM中，通过库内继承、随机生成、音调微调三种手段生成新和声，计算新和声的目标函数值并更新和声记忆库，反复迭代至收敛。

和声记忆库HM的形式为：

其中：HMS为和声记忆库中和声数量；xⁱ为第i个和声；为第i个和声的第j维分量；f(xⁱ)为第i个和声的目标函数值。

新和声x^new的各维分量以HM库内继承、随机生成、音调微调三种方法生成。有HMCR的概率选择为HM内的任意一个，有1-HMCR的概率随机生成，具体算式为：

对取自库内的有PAR的概率实施音调微调，具体算式为：

其中：X_j为可行域；rand₁、rand₃为(0,1)均匀分布随机数；rand₂为(-1,1)均匀分布随机数；BW为音调调节带宽。

基于和声搜索算法的模型求解流程

应用HS来求解所建立的ADN日前-日内两阶段优化调度模型，流程图如图3所示，其主要步骤为：

(1)输入日前调度求解所需的各参数，包括网络参数、预测数据、电价数据等；

(2)输入HS算法参数，依决策变量进行和声编码，在可行域内初始化HM并计算目标函数值，以三种不同方法生成新和声并计算目标函数值，按和声优劣更新和声记忆库，反复迭代直至收敛，得出最优解；

(3)输入日内调度求解所需的超短期风光荷预测数据等参数，进行潮流计算；

(4)正常运行时，在各子区域应用HS求解局部功率修正问题；

(5)电压越限时，在全网应用HS求解全局电压调整问题；

(6)依次修正各子时段，直至日内调度结束。

本实施例未述部分与现有技术相同。

下面举应用实例进行详细说明，

本发明采用如图4所示主动配电网算例进行调度仿真。ADN为某滨海新区供电，其中馈线A为沿海居民区，有大量近海风电并网；馈线B为商业区；馈线C为光伏工业园区，有大量光伏并网，且接有用户微燃机与微电网。ADN设有8个RDCT，分别负责8个含可控资源的调控子区域。微燃机额定容量为0.5MW。各风光DG的额定容量均为0.35MW，全网风光总渗透率约为55％，馈线A渗透率高达70％。储能蓄电池组的额定容量为2MW·h，最大充放电功率为0.5MW，变流器容量为0.5MVA，最低SOC取为10％，初始SOC为50％。节点4-6、20-22、28-31为柔性负荷，其可削减负荷比例为10％、可平移负荷比例为20％；为便于需求侧管理，调度周期取为某日上午6时至次日上午6时，并假设某时段同一馈线的柔性负荷按同一比率进行削减、同一比率进行平移且移入相同时段。微燃机上网电价取0.52(电价单位均为元/kW·h)，风电取0.57，光伏取0.75；ADN与上级电网间采用分时电价制进行电能交易，谷时(1-7时段)电价为0.34，平时(8-10、22-24时段)为0.50，峰时(11-21时段)为0.68。

各馈线的日前风光荷预测曲线及微电网上报的出力计划如图5所示。日前调度

微燃机、储能、微电网的日前调度计划如图6所示。微燃机于峰荷时满发、降低购电成本，平荷时低发过渡，谷荷时停机、避免资源浪费。与风光配套的储能蓄电池在DG出力较高或低电价谷荷时充电，DG出力不足或高电价峰荷时放电，这有利于平抑间歇DG出力波动、降低峰谷差和低储高发套利。微电网倒供电能时增加其出力、吸收电能时削减其出力，分析其原因：ADN同主网和微网的交易电价相同，馈线C净负荷总大于零；多余的微网负荷需向主网购电经配网传输后供给，显然会带来额外的运行成本、应削减；而微网倒供电能时相当于在馈线末端引入一个就地供电的电源，能够降低网损及运行成本、应增发。

柔性负荷削减与平移的日前计划见表1。在馈线负荷较重时实施适当的负荷削减，在峰-平、平-谷电价变化时进行负荷平移，有利于削峰填谷、降低网损及购电成本。

表1 柔性负荷管理的日前计划

经由日前经济调度，配电网峰谷差由6.32MW缩小至5.19MW，运行成本由9.56万元降低至9.30万元。

日内调度

用正态分布来描述日前预测误差，将日内实时风光荷数据看作是均值为预测值、标准差为均值10％的正态随机变量，随机抽取、生成日内15min级超短期预测数据，并依次进行潮流校验与修正。以下选取了两个典型时段展开分析。

(1)分区局部修正

日内9:00-9:15时段，依日前计划校验潮流合格，未发生电压越限，则采用分区局部修正的调度策略，各RDCT对所负责子区域进行功率修正。以馈线C为例，其光伏出力小于日前预测值、负荷则总体偏高；各RDCT的修正方案见表2，其中实时值指超短期预测下，未进行调度修正的情况。值得说明的是，子区域C1未实现功率无差修正的原因在于微燃机已达到爬坡约束极限、无法继续增发功率。

表2 馈线C的分区局部修正方案

注：表2与表3中负值为负荷、吸收功率；正值为电源、注入功率(2)系统全局调整

日内潮流校验中发现5:15-5:30时段，馈线A末端存在电压越限危险，其原因在于超短期实时风光数据较日前预测值偏大，而凌晨负荷比日前值低，导致电网功率冗余、电压抬升。经DMS优化的系统全局调整方案(馈线A)如表3所示，其余重要元件的修正方案为微燃机保持停机、柔性负荷均无削减、间歇DG与光储从系统吸收无功。日前计划、超短期预测与越限修正后三种情形的配电网节点电压曲线如图7所示，网络平均节点电压偏差分别为0.0297、0.0335、0.0237，可见调整后越限已被消除且电压质量提高。

表3 ADN的系统全局调整方案(馈线A)

Claims (4)

1.一种主动配电网的日前-日内两阶段优化调度方法，其特征在于，其步骤为：(1)将ADN划分为若干调控子区域，(2)采用计及电压越限修正的日前、日内两阶段调度方法：日前经济调度以降低运行成本为目标；日内根据运行条件变化采取不同策略，正常工况下各调控子区域依照日前计划进行功率修正、促进经济运行，存在电压越限时，配电管理系统执行全局调整来消除越限、保障安全运行，(3)分别针对日前、日内两阶段调度建立数学模型，日前调度以运行成本最小为目标，日内修正依工况不同分别以调控子区域总节点有功注入偏差或网络平均节点电压偏差最小为目标，(4)对调度数学模型进行求解，得出合理的日前调度计划与日内运行方案。

2.根据权利要求1所述的主动配电网的日前-日内两阶段优化调度方法，其特征在于，将ADN划分为若干调控子区域具体方法为：以分段开关或联络开关为界，将ADN划分为若干个调控子区域，相邻分段开关间、分段开关与联络开关间、分段开关至馈线末端可视为一个子区域，每个子区域设置一个区域调控终端，DMS作为主动配电网优化运行技术的核心中枢，负责统筹协调全网各区域、各元件的运行状态，实施全局优化调度决策，RDCT同DMS、区域内各可控元件进行通信，一方面采集区域内量测数据并上传DMS，另一方面接收DMS的全局调控决策并执行对可控元件的具体控制，另外还负责区域内部的简单决策。

3.根据权利要求1所述的主动配电网的日前-日内两阶段优化调度方法，其特征在于，所述的日前调度的数学模型为：

本发明以DMS以配电网次日运行成本最低为目标进行日前全局优化调度决策，日前调度的决策变量包括调度周期内各时段可控DG有功、储能有功、微电网有功、柔性负荷削减量、柔性负荷平移量及平移时段数，

目标函数式为：

min C＝C_grid+C_DG+C_MG+C_ESS+C_DSM (1)

其中：C为配电网次日总运行成本；C_grid、C_MG分别为配电网与上级电网、微电网的电能交易成本；C_DG为配电网向DG购电成本；C_ESS为储能运行维护成本；C_DSM为需求侧管理成本；T为调度周期时段数，日前调度为24；L为时段的时间间隔；P_grid,t为配电网与上级电网的交互有功(ADN接收电能时为正、倒送电能时为负)，c_grid,t为其交易电价；N_DG、N_MG、N_ESS、N_CL分别为配电网内DG、微电网、储能、柔性负荷的总数量；P_DG,t,i为t时段第i台DG的有功出力，c_DG,i为其上网电价；P_PCC,t,i为t时段第i个微电网PCC点的有功出力(微电网倒供电能时为正、接收电能时为负)；P_ESS,t,i为t时段第i台储能的有功出力(放电为正、充电为负)，c_ESS为其单位运维成本；P_curt,t,i、P_shif-out,t,i分别为t时段第i个柔性负荷的有功削减量、有功平移移出量；c_curt,t为负荷削减的补偿电价，取c_curt,t＝c_grid,t；c_shif,t为负荷平移单个时段的补偿电价，取c_shif,t＝c_grid,t/ΔD_shif,max，ΔD_shif,max为负荷平移的最大允许延迟供电时间，可取为6小时；ΔD_shif,t,i为t时段第i个柔性负荷的平移时段数；

日前调度应当考虑下列约束条件：

V_i,min≤V_i≤V_i,max (8)

S_j≤S_j,max (9)

P_DG,t,i≤P_DG,i,max (10)

P_DG,t+1,i-P_DG,t,i≤ΔP_DG,i,max (11)

S_SOC,i,min≤S_SOC,t,i≤1 (14)

S_SOC,0,i＝S_SOC,24,i (15)

P_ESS,i,min≤P_ESS,t,i≤P_ESS,i,max (16)

P_curt,t,i≤P_curt,t,i,max (17)

P_shif-out,t,i≤P_{shif-out,t,i,max} (18)

P_shif-in,t,i≤P_{shif-in,t,i,max} (19)

ΔD_shif,t,i≤ΔD_shif,max (20)

其中：P_load,t、P_loss,t分别为t时段配电网的总有功负荷、有功损耗；P_shif-in,t,i为第i个柔性负荷在之前的负荷平移中移入t时段的负荷量；V_i为节点i的电压幅值，V_i,max、V_i,min为其上下限，取额定电压的1.05、0.95倍；S_j为支路j的视在功率，S_j,max为其上限；P_DG,i,max为第i台DG的有功出力上限；ΔP_DG,i,max为相邻时段DG允许调节的最大有功；为第i个微电网上报的t时段有功计划值；α_MG,i为微电网的可调度系数，考虑微电网可控电源有限与自身运行需求，取15％；S_PCC,i为微电网PCC接口的额定容量；S_SOC,t,i为t时段第i台储能的荷电状态，S_SOC,i,min为其最大放电深度；E_ESS,i为第i台储能的额定容量；α_ch,t,i、α_di,t,i为充放电标识变量，充电时α_ch,t,i＝1、α_di,t,i＝0，放电时α_ch,t,i＝0、α_di,t,i＝1；η_ch,i、η_di,i分别为第i台储能的充、放电效率；P_ESS,i,max、P_ESS,i,min为第i台储能的充放电功率上下限；P_curt,t,i,max为t时段第i个柔性负荷允许削减的最大有功；P_{shif-out,t,i,max}、P_{shif-in,t,i,max}分别为t时段第i个柔性负荷允许移出和移入的最大有功。

所述的日内调度的数学模型为：

DMS根据调度子区域划分，将各区域的总节点注入及可控元件调度计划下发至RDCT。日内运行中，每15min进行一次滚动修正，DMS基于当前风光荷数据、参照日前理想优化方案进行潮流校验，根据校验结果采取不同的调度策略与模型，

(1)正常工况下分区局部修正

若潮流校验结果合格、未发生越限，则仍采用日前方案指导日内运行，调度以经济性为重，按照区域划分，各RDCT对所负责分区进行局部修正，各区域的修正是相互解耦的，调控子区域的日内修正以总节点有功注入偏差最小为目标：

min ΔP_R＝|P_G-R-P_load-R-(P′_G-R-P′_load-R)| (22)

其中：ΔP_R为区域总的节点有功注入与日前计划的偏差值；P_G-R为区域各电源的节点有功注入之和(包括可控DG、间歇DG、微电网、储能)，P′_G-R为其日前计划值；P_load-R为区域各节点有功负荷之和(已计及负荷削减与平移)，P′_load-R为其日前计划值。

(2)电压越限时系统全局调整

若风光荷实时数据与日前预测值偏差较大，校验中出现了电压越限，则调度须侧重于安全性，以调动ADN丰富的可控资源进行有功调整和无功支撑以消除越限，DMS重新对配电网短时运行方案进行全局优化调整，目标函数为：

其中：为配电网的平均节点电压偏差；N_node为节点总数量；V_N为额定电压；

系统全局运行方案调整的决策变量包括子时段全网可控DG有功与无功、间歇DG无功、储能无功、柔性负荷削减量，除却日前调度中考虑的诸多约束，还应计及以下无功约束：

其中：为t时段第i台DG的运行功率因数，为其允许调节的上下限；Q_ESS,t,i为t时段第i台储能的无功出力；S_PCS,i为第i台储能的逆变器容量。

4.根据权利要求1所述的主动配电网的日前-日内两阶段优化调度方法，其特征在于，对日前、日内两阶段数学模型进行求解，应用HS来求解所建立的ADN日前-日内两阶段优化调度模型：

求解步骤为：(1)输入日前调度求解所需的各参数，包括网络参数、预测数据、电价数据等；

(2)输入HS算法参数，依决策变量进行和声编码，在可行域内初始化HM并计算目标函数值，以三种不同方法生成新和声并计算目标函数值，按和声优劣更新和声记忆库，反复迭代直至收敛，得出最优解；

(3)输入日内调度求解所需的超短期风光荷预测数据等参数，进行潮流计算；

(4)正常运行时，在各子区域应用HS求解局部功率修正问题；

(5)电压越限时，在全网应用HS求解全局电压调整问题；

(6)依次修正各子时段，直至日内调度结束。