CN110503239A - 一种考虑无功辅助服务的配电网优化调度方法及系统 - Google Patents
一种考虑无功辅助服务的配电网优化调度方法及系统 Download PDFInfo
- Publication number
- CN110503239A CN110503239A CN201910656122.9A CN201910656122A CN110503239A CN 110503239 A CN110503239 A CN 110503239A CN 201910656122 A CN201910656122 A CN 201910656122A CN 110503239 A CN110503239 A CN 110503239A
- Authority
- CN
- China
- Prior art keywords
- power
- distribution network
- few days
- particle
- days ago
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 70
- 238000009826 distribution Methods 0.000 title claims abstract description 40
- 239000002245 particle Substances 0.000 claims abstract description 50
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 230000009897 systematic effect Effects 0.000 claims abstract description 5
- 230000005611 electricity Effects 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 230000009194 climbing Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 239000004744 fabric Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 230000004044 response Effects 0.000 description 10
- 238000010248 power generation Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 240000002853 Nelumbo nucifera Species 0.000 description 4
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 4
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开提供了一种考虑无功辅助服务的配电网优化调度方法,在约束条件下,以配电网公司的运行成本最小为目标函数,构建日前有功调度模型;在约束条件下,以配电网网损最小、系统电压偏移最小和无功购电成本最小为目标函数,构建日前无功优化模型;利用混合整型线性规划求解器求取日前有功调度模型的解,利用智能启发式粒子群优化算法求取日前无功优化模型的解;根据求取的解进行分布式电源补偿,可以实现兼顾快速性和准确性的日前优化调度。
Description
技术领域
本公开属于电力系统调控领域,具体涉及一种考虑无功辅助服务的配电网优化调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
随着技术和经济的飞速发展,为了实现资源的优化配置以及社会经济效益的最大化,电力市场化改革是电力行业发展的必然趋势。电力系统优化调度,作为电力行业中最为重要的一环,如何适应在市场环境下的发展成为了当前研究的一大热点和难点。传统电力系统的优化调度研究可以分为两类,分别是静态优化调度与动态优化调度。据发明人了解,目前的调度方法一般立足于个体利益,然而随着电力行业的市场化改革,现有的一些立足于个体利益的方法均已经不再适应电力市场的需求,无法考虑电力公司、DG与用户等多方之间的关联以及辅助服务。
发明内容
本公开为了解决上述问题,提出了一种考虑无功辅助服务的配电网优化调度方法及系统,本公开基于对电力市场下优化调度的理论分析,考虑无功辅助服务,建立了日前两阶段配电网优化调度模型,在日前有功优化阶段中以配电网公司购电成本最小为目标,在日前无功优化阶段中以系统网损最小、系统节点电压偏移量最小以及无功购电成本最小为优化目标;针对该模型提出了分别用混合整型线性规划求解器以及智能启发式粒子群优化算法进行求解的方法论,得到具体的调度方案。
根据一些实施例,本公开采用如下技术方案:
一种考虑无功辅助服务的配电网优化调度方法,包括以下步骤:
在约束条件下,以配电网公司的运行成本最小为目标函数,构建日前有功调度模型;
在约束条件下,以配电网网损最小、系统电压偏移最小和无功购电成本最小为目标函数,构建日前无功优化模型;
利用混合整型线性规划求解器求取日前有功调度模型的解,利用智能启发式粒子群优化算法求取日前无功优化模型的解;
根据求取的解进行分布式电源补偿,实现调度。
作为进一步的限定,所述日前有功调度模型中运行成本具体包括输电网购电成本、DG购电成本和需求侧资源优惠成本,分别为对应调度时间段内所有主网接入点、DG接入点以及需求侧资源接入点的购电价格和购电量乘积的总和。
作为进一步的限定,所述日前有功调度模型的约束条件包括有功平衡、备用容量、主网购电容量、需求侧资源以及分布式电源出力、最小启停时间和爬坡率约束。
作为进一步的限定,所述日前无功优化模型的约束条件包括有功平衡、无功平衡、节点电压、线路载流量、主网无功供给和分布式电源的无功补偿约束。
作为进一步的限定,所述有功调度模型为混合整形线型优化模型,日前无功优化模型则是非线性优化模型。
作为进一步的限定,所述粒子群优化过程主要包括:
初始化粒子,对每个粒子进行适应度的评估;
更新当前粒子的局部最优解和全局最优解;
更新粒子的惯性权重、最优速度以及最优位置;
对每个粒子进行适应度的评估,如果不满足停止条件,则重新更新当前粒子的局部最优解和全局最优解,否则输出当前粒子的惯性权重、最优速度以及最优位置。
作为进一步的限定,所述粒子群优化过程的惯性权重为动态变化的,随着迭代的进行而逐渐变小。
作为进一步的限定,求解的时候,需要将每个粒子对应的变量输入到潮流计算中进行求解已获得基本的潮流信息,然后进行适应度评估,若对当前变量进行潮流计算时潮流不能收敛,则对其进行惩罚,将其目标函数直接设置为一个大数,以使得该粒子对应的适应度最差,从而剔除该粒子。
作为进一步的限定,有功优化和无功优化分开进行处理。
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行所述的一种考虑无功辅助服务的配电网优化调度方法。
一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述的一种考虑无功辅助服务的配电网优化调度方法。
与现有技术相比,本公开的有益效果为:
本公开考虑无功辅助服务的日前两阶段配电网优化调度模型,以配电网公司购电成本最小作为日前有功优化阶段,以系统网损最小、系统节点电压偏移量最小和无功购电成本最小为优化目标进行日前无功优化。然后针对所提的两个模型,根据模型所具有的特点,分别用混合整型线性规划求解器以及元启发式粒子群优化算法进行求解。本实施例将有功、无功优化分离开来,可以将大型复杂的模型进行简化,大大的降低问题的求解难度,提高程序的效率。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1是配电网优化调度流程图;
图2是粒子群优化过程流程图;
图3是日前有功优化阶段示意图;
图4是日前无功优化阶段示意图;
图5是日前两阶段优化流程图;
图6是IEEE-33节点配电网示意图;
图7(a)(b)是DG无功补偿前后电压、网络损耗的对比图;
图8是DG无功补偿前主网无功功率供应量示意图;
图9是DG参与后各机组的无功功率供应量示意图;
图10是本公开DG参与无功补偿后系统各时段节省的总无功功率示意图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。
除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
一种配电网日前两阶段优化调度方法,并充分考虑可再生能源发电的无功出力特性以及达到较高的电压水平,第一阶段主要实现有功电能的优化调度,第二阶段则着重对系统内的无功进行优化。此外,为了对上述方案进行快速准确的求解,本发明提出了采用成熟商业化软件CPLEX和智能启发式算法相结合的办法来对其进行计算,可以实现兼顾快速性和准确性的日前优化调度。
如图1所示,从建立优化模型、求解和制定求解流程三个方面对本实施例进行说明。
建立优化模型
日前有功调度模型
以配电网公司的运行成本最小为目标函数进行调度,其成本主要包括主网(输电网)购电成本、DG购电成本、需求侧资源优惠成本等。
日前阶段的目标函数是:
式中:T为调度周期内的时段数;ΩGrid、ΩDG、ΩDM为分别是主网接入点集合、DG接入点集合、需求侧资源接入点集合;为第i个接入节点上第t个时段上的主网购电价格;为第j个接入节点上第t个时段上的DG购电价格;为第k个接入节点上第t个时段上的需求侧响应资源的购买价格;为第i个接入节点上第t个时段上的主网购电量;为第j个接入节点上第t个时段上的DG购电量;为第k个接入节点上第t个时段上的需求侧响应资源的购买电量。
目标函数中的第一项表示配电网公司从所有主网接入点处取电产生的成本,第二项表示从所有DG发电商处取电所产生的成本,第三项则表示给予签订需求侧响应资源用电合同的用户的报酬(相对于配电网公司来说是额外的成本)。
约束条件主要有以下几个方面:
(1)有功平衡约束
式中:为第j个接入节点上第t个时段上的DG启停状态,是二进制变量,1表示开启,0表示关停;为第k个接入节点上第t个时段上的需求侧响应资源的是否被利用,是二进制变量,1表示利用,0表示不利用;为第l个接入节点上第t个时段上的负荷值大小。
(2)系统备用容量约束
由于用电负荷预测的误差和负荷的可能变化,系统要设置一定的可快速调用的发电备用容量作为负荷备用。此外,可再生新能源发电具有一定的不确定性,也需要额外设置备用容量。本实施例以DG功率作为备用来源,主要包括燃气轮机机组和部分风力发电机组。具体表达式如下所示:
式中:为第j个接入节点上第t个时段上的DG的最大可发电功率;α为系统负荷的备用系数;β为系统可再生新能源(包括风力发电和光伏发电)的备用系数。
(3)主网购电容量约束
式中:为第i个接入节点上第t个时段上的主网供电容量的最大值。
(4)DG出力约束
式中:为第j个接入节点上第t个时段上的DG发电量的最小值;为第j个接入节点上第t个时段上的DG发电量的最大值。
(5)DG爬坡率约束
当
当
式中:UPj为第j台机组的向上爬坡速率限制;DNj为第j台机组的向下爬坡速率限制。
(6)DG最小启停时间约束
式中:IUj为第j台机组的变化状态变量,当机组开启时为1;IDj为第j台机组的变化状态变量,当机组关停时为1;Tup,j为第j台机组的最小开启时间;Tdn,j为第j台机组的最小关停时间。
(7)需求侧资源约束
式中:为第i个接入节点上第t个时段上的需求侧响应资源的最大购买容量。
日前无功优化模型
无功优化主要考虑三个目标,分别是:配电网网损最小、系统电压偏移最小和无功购电成本最小。
式中:PLoss为配电系统的网损值;ω为电压偏移惩罚系数;Ui为节点i处的电压值;ΩN为系统内所有节点的集合;为系统节点电压的平均值,即λGrid为主网接入点处单位无功功率的价格;λDG为DG接入点处单位无功功率的价格;为第i个接入节点上第t个时段上的主网无功购电量;为第i个接入节点上第t个时段上的DG无功购电量。
(1)有功平衡约束
式中:Gij为线路ij的电导;Bij为线路ij的电纳;θij为线路ij两端的相角差。
(2)无功平衡约束
式中:为第i个接入节点上第t个时段上的需求侧响应资源的无功购电量;为第i个接入节点上第t个时段上的无功负荷量。
(3)节点电压约束
Ui,min≤Ui,t≤Ui,max
式中:Ui,min为节点i处的电压下限;Ui,max为节点i处的电压上限。
(4)线路载流量约束
|Sij|≤Sij,max
式中:Sij为线路ij上的视在功率;Sij,max为线路ij上的允许流过的最大视在功率。
(5)DG无功补偿约束
式中:为第i个节点处第t个时段DG的无功出力下限;为第i个节点处第t个时段DG的无功出力上限。
(6)主网无功供给约束
式中:为第i个接入节点上第t个时段上的主网无功供电容量的最小值;为第i个接入节点上第t个时段上的主网无功供电容量的最大值。
两阶段模型求解方法
由上述模型可知,日前有功调度模型是一个混合整形线型优化模型(MixedInteger Linear Programming,MILP),可以采用商业化软件CPLEX进行求解。日前无功优化模型则是一个非线性优化模型,需要利用启发式优化算法进行求解计算,本实施例采用粒子群优化算法对其进行求解计算。
粒子群算法参数选择及流程求解
(1)惯性权重
从惯性参数的命名中可以得知,其作用是维持粒子的原始速度,可以认为是对自身的拓展,即局部范围内的搜索,因而惯性权重越大,粒子的局部搜索能力越强,相应的全局搜索能力较弱,反之,惯性权重越小,粒子的全局搜索能力越强,相应的局部搜索能力会变弱。从而,我们可以通过控制惯性权重的大小来平衡搜索进程中全局和局部的关系,尽可能提高算法的求解效率。由于在算法开始的时候,粒子的全局的观念需要重一些,以便在广阔的范围内搜索最优位置,而在搜索进行到中后期时,为了使得算法尽快收敛,需要粒子加强对局部的搜索,因此,本文设置动态变化的惯性权重系数,使其开始时较大,然后随着迭代的进行而逐渐变小,具体取值公式如下:
式中:αmax表示惯性权重的最大值,αmin表示惯性权重的最小值,N表示算法迭代的最大次数,k表示第k次迭代。
(2)认知参数
该参数表示粒子在更新的时候,新解对自身历史最优值的跟踪程度,其值越大说明自身历史最优解对新解产生的影响越大,反之,其值越小说明影响越小。通常情况下,设置该值为2对算法的求解效果较好。
(3)社会参数
与认知参数类似,该参数表示粒子在更新时,新解对群体最优解的跟踪程度,同样将该值设置为2时,算法的收敛效果较好。
(4)速度上下限参数
在粒子群算法中,速度的上下限设置尤为重要,设置的过大,可能导致解越过最优解,而设置的过小,可能使求解效率大大降低,还极有可能陷于局部最优解从而导致无法找到全局最优解,通常将速度的上限设置为粒子最大值的10%~20%之间。
(5)约束因子
约束因子为产生新解时,速度对新解的影响系数,用来控制更新解的幅度,通常设置为1。
如图2所示,具体包括:
(1)初始化种群,根据问题规模,确定合适的种群个数,一般设置为20个,粒子以向量的形式表征问题的变量,有多少个变量,则向量就有多少维。
(2)粒子的适应度评估就是对每个粒子向量进行目标函数的求解,然后按照大小排序,区分优劣。
(3)对种群内的所有粒子同时更新其自身最优位置和全局最优位置,然后更新惯性权重系数,接着更新当前迭代次数下的最优速度。
(4)更新粒子的解集。
(5)对更新后的解集中的每个解再次进行适应度评估。
(6)判断迭代终止的条件一般设置为两种,一种是程序的循环迭代次数达到既定数值,另一种是粒子群搜索到的最优值满足设定的收敛性阈值条件,两种之中只要满足任意一种则程序跳出循环,输出最优解。
两阶段模型求解
由于本实施例的两个阶段的优化过程使用的优化算法并不一样,因此需要对两个阶段的优化求解分别进行阐述。
日前有功优化阶段,如图3所示。
日前有功优化过程中包含两类5种变量,由于DG购电量以及需求侧响应使用量并不能完全供电整个系统的负荷,所以主网购电量不可避免,因而主网购电量不设置离散二值变量,而对于DG和需求侧响应节点则要同时确定其开关状态以及使用量的大小。这样由于包含有离散变量,采用常规算法计算效率十分低下,且无法保证所获得的解的最优性,因而在这一阶段,本实施例采用接入MATLAB平台中的CPLEX求解器进行求解,受益于商业软件的稳定和高效性,求解十分迅速且得到的解有较高的可信度。
日前无功优化阶段,如图4所示。
由于在无功优化阶段已经完成了对有功功率的优化,因而在无功优化时,将不考虑有功的变化,即将上一阶段中求得的有功优化结果作为确定量输入到潮流计算程序中,但考虑到有功无功分离优化与实际情况之间有着偏差,故将系统中的主网接入点处的有功功率设置为开放状态,即允许其变化,以补偿系统中无功功率变化所带来的系统网损的变化。
在日前无功阶段,只有连续型变量,但是由于需要计算潮流,使得整个模型变成了一个大型的非线性的问题,不能用CPLEX进行求解,因而本实施例采用粒子群优化算法进行求解。求解的时候,需要将每个粒子对应的变量输入到Matpower潮流计算程序中进行求解已获得基本的潮流信息,然后进行适应度评估,需要注意的是,若对当前变量进行潮流计算时潮流不能收敛,则对其进行惩罚,将其目标函数直接设置为一个大数,以使得该粒子对应的适应度最差,从而在后续的粒子优胜劣汰中剔除该粒子。
两阶段优化流程
本实施例将有功优化和无功优化分开进行处理,从而使得问题的规模得到了大大的减小,这对求解效率的提升大有裨益,而且模块化的程序运行使得程序崩溃的可能性也大大降低,而使计算结果准确性大大提升。图5即为本实施例日前两阶段优化流程。
可以看出,本实施例考虑无功辅助服务的日前两阶段配电网优化调度模型,以配电网公司购电成本最小作为日前有功优化阶段,以系统网损最小、系统节点电压偏移量最小和无功购电成本最小为优化目标进行日前无功优化。然后针对所提的两个模型,根据模型所具有的特点,分别用混合整型线性规划求解器以及元启发式粒子群优化算法进行求解。本实施例将有功、无功优化分离开来,可以将大型复杂的模型进行简化,大大的降低问题的求解难度,提高程序的效率。
为了检验所提模型和算法的正确性和高效性,本实施例通过一个具体的算例对其进行检测,然后对优化调度结果进行细致分析,探究DG的无功支撑作用以及分析DG对无功成本的影响作用。
本实施例采用改进的IEEE-33节点配电网系统进行仿真计算,如图6所示,其总负荷为(3715+j2300)kVA,基准电压为12.66kV。假设系统负荷每年以3%的速度增长,考虑十年后的负荷,其总量为(4993+j3091)kVA。
在做日前调度前,不仅需要对次日内的负荷波动进行预测,还需要对风力发电和光伏发电的出力进行预测,在节点8和25上接入风力发电机,每个节点处安装6台风机;在节点30上接入光伏发电,共安装8组光伏发电设备;在节点7和24上接入燃气轮机,每个节点处安装2台燃气轮机。其中风电和光伏的电价为标杆上网电价减去国家财政补贴后的价格,主网接入点处的市场电价采用阶梯电价。此外,节点14和32上的负荷为可中断负荷,可中断负荷的容量为全部容量的80%,可中断负荷的补偿价为1.1元/(kWh);其余节点负荷为普通负荷。
采用基于本实施例的优化调度方案后,DG无功补偿对系统的电压稳定、网损降低也有着巨大的作用,如图7(a)和图7(b)所示,在考虑了DG的无功补偿后,网络损耗降低明显,在第14-16时间段内,网损最大可降低为原来的一半还多,如在第15时段,DG补偿后的网损值只为原来的28.44%,而全天内的总网损则变为原来的51.54%,大大的节约了电能,降低了成本,也使得设备利用率得到了进一步的提高。
图8和图9分别是采用本实施例优化调度方案进行DG补偿前后,各机组的无功功率供应量图,在DG补偿前,系统全部的无功功率均由主网提供,主网变电站承担着较重的压力,其波动图也与无功负荷波动图曲线一致。
而在计及了无功辅助服务市场之后,由于无功出力也会得到相应的回报,因而从图9中可以看出,系统内各个机组都在自己的无功供应能力范围内积极参与无功补偿上,无功出力的最高值也大幅下降,由原来的主网变电站单独供应无功的3.1932kVar降到只有1.1999kVar,这对于无功补偿来说是极大的改善,因为较大的无功意味着远距离传输,远距离传输又进一步意味着网损的增加和电压降的增大,且还浪费无功功率。
图10是采用本实施例优化调度方案进行DG补偿后系统各个时段内节省的总无功功率,从图上可以看到,无功节约量最多的时段基本与各机组供应无功功率的最大值成反比,即各个机组供应的无功功率的最大值越小(此时说明各机组发出的无功出力比较均匀,没有一家独大的情况),系统节约的无功功率也越大,在对照图4中的相应时段的网损值,还可以进一步发现,这时的有功网损值也更低。
本部分提出了一个具体的测试算例,并针对一个典型的场景进行仿真计算,然后从调度结果、无功支撑作用以及无功成本三个方面进行了分析。
在调度结果分析中得出,调度系统能够综合考虑各个发电商提供的电价、可提供的最大出力值以及爬坡率约束等做出合理的优化调度结果;此外,需求侧响应的引入可以在系统电能供应不足时确保系统的安全稳定运行。
在无功支撑作用分析中得出,基于本实施例的调度方案,DG参与无功辅助服务市场后,可以极大的降低系统各节点电压值的偏移以及网络损耗值,有利于提高电能质量并降低有功购电成本。
在无功成本分析中得出,采用本实施例的调度方案后,DG参与无功补偿后可以有效的改善无功的分布,促进无功功率就地补偿,从而节约系统所需的总无功功率。
本实施例提出一种考虑无功辅助服务的配电网优化调度方案,考虑了无功辅助服务市场后,无功功率电源可以得到充分健康的发展,这对系统电压偏移和网络损耗的改善意义重大,同时还可以降低整个系统所需的无功功率,节约能源,提高效率。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开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,本公开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。
本公开是参照根据本公开实施例的方法、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。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种考虑无功辅助服务的配电网优化调度方法,其特征是:包括以下步骤:
在约束条件下,以配电网公司的运行成本最小为目标函数,构建日前有功调度模型;
在约束条件下,以配电网网损最小、系统电压偏移最小和无功购电成本最小为目标函数,构建日前无功优化模型;
利用混合整型线性规划求解器求取日前有功调度模型的解,利用智能启发式粒子群优化算法求取日前无功优化模型的解;
根据求取的解进行分布式电源补偿,实现调度。
2.如权利要求1所述的一种考虑无功辅助服务的配电网优化调度方法,其特征是:所述日前有功调度模型中运行成本具体包括输电网购电成本、DG购电成本和需求侧资源优惠成本,分别为对应调度时间段内所有主网接入点、DG接入点以及需求侧资源接入点的购电价格和购电量乘积的总和。
3.如权利要求1所述的一种考虑无功辅助服务的配电网优化调度方法,其特征是:所述日前有功调度模型的约束条件包括有功平衡、备用容量、主网购电容量、需求侧资源以及分布式电源出力、最小启停时间和爬坡率约束。
4.如权利要求1所述的一种考虑无功辅助服务的配电网优化调度方法,其特征是:所述日前无功优化模型的约束条件包括有功平衡、无功平衡、节点电压、线路载流量、主网无功供给和分布式电源的无功补偿约束。
5.如权利要求1所述的一种考虑无功辅助服务的配电网优化调度方法,其特征是:所述粒子群优化过程主要包括:
初始化粒子,对每个粒子进行适应度的评估;
更新当前粒子的局部最优解和全局最优解;
更新粒子的惯性权重、最优速度以及最优位置;
对每个粒子进行适应度的评估,如果不满足停止条件,则重新更新当前粒子的局部最优解和全局最优解,否则输出当前粒子的惯性权重、最优速度以及最优位置。
6.如权利要求1所述的一种考虑无功辅助服务的配电网优化调度方法,其特征是:所述粒子群优化过程的惯性权重为动态变化的,随着迭代的进行而逐渐变小。
7.如权利要求1所述的一种考虑无功辅助服务的配电网优化调度方法,其特征是:求解的时候,需要将每个粒子对应的变量输入到潮流计算中进行求解已获得基本的潮流信息,然后进行适应度评估,若对当前变量进行潮流计算时潮流不能收敛,则对其进行惩罚,将其目标函数直接设置为一个大数,以使得该粒子对应的适应度最差,从而剔除该粒子。
8.如权利要求1所述的一种考虑无功辅助服务的配电网优化调度方法,其特征是:有功优化和无功优化分开进行处理。
9.一种计算机可读存储介质,其特征是:其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行权利要求1-8中任一项所述的一种考虑无功辅助服务的配电网优化调度方法。
10.一种终端设备,其特征是:包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行权利要求1-8中任一项所述的一种考虑无功辅助服务的配电网优化调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910656122.9A CN110503239A (zh) | 2019-07-19 | 2019-07-19 | 一种考虑无功辅助服务的配电网优化调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910656122.9A CN110503239A (zh) | 2019-07-19 | 2019-07-19 | 一种考虑无功辅助服务的配电网优化调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110503239A true CN110503239A (zh) | 2019-11-26 |
Family
ID=68586389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910656122.9A Pending CN110503239A (zh) | 2019-07-19 | 2019-07-19 | 一种考虑无功辅助服务的配电网优化调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110503239A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112003270A (zh) * | 2020-08-06 | 2020-11-27 | 国网浙江省电力有限公司衢州供电公司 | 一种应用于电力市场环境下的无功辅助服务优化调度方法 |
CN112751369A (zh) * | 2020-12-30 | 2021-05-04 | 国网河北省电力有限公司沧州供电分公司 | 海上配电网优化调度方法及终端设备 |
CN112990418A (zh) * | 2019-12-02 | 2021-06-18 | 国网能源研究院有限公司 | 基于粒子群-线性规划算法的多能源跨区域优化配置方法 |
CN113449908A (zh) * | 2021-06-21 | 2021-09-28 | 国网山东省电力公司鱼台县供电公司 | 考虑需求侧资源的配电网规划方法及系统 |
CN115986850A (zh) * | 2023-03-20 | 2023-04-18 | 国网湖北省电力有限公司经济技术研究院 | 一种考虑多源平衡动态全响应的输配协同优化调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106300438A (zh) * | 2015-05-15 | 2017-01-04 | 中国电力科学研究院 | 一种配电网日前两阶段优化调度方法 |
CN108683179A (zh) * | 2018-05-03 | 2018-10-19 | 国网山东省电力公司潍坊供电公司 | 基于混合整数线性规划的主动配电网优化调度方法及系统 |
JP2019118176A (ja) * | 2017-12-26 | 2019-07-18 | 大和ハウス工業株式会社 | 電力供給システム |
-
2019
- 2019-07-19 CN CN201910656122.9A patent/CN110503239A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106300438A (zh) * | 2015-05-15 | 2017-01-04 | 中国电力科学研究院 | 一种配电网日前两阶段优化调度方法 |
JP2019118176A (ja) * | 2017-12-26 | 2019-07-18 | 大和ハウス工業株式会社 | 電力供給システム |
CN108683179A (zh) * | 2018-05-03 | 2018-10-19 | 国网山东省电力公司潍坊供电公司 | 基于混合整数线性规划的主动配电网优化调度方法及系统 |
Non-Patent Citations (2)
Title |
---|
专祥涛: "《最优化方法基础》", 30 April 2018 * |
孟晓丽 等: "含分布式电源的配电网日前两阶段优化调度模型", 《电网技术》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990418A (zh) * | 2019-12-02 | 2021-06-18 | 国网能源研究院有限公司 | 基于粒子群-线性规划算法的多能源跨区域优化配置方法 |
CN112990418B (zh) * | 2019-12-02 | 2024-05-07 | 国网能源研究院有限公司 | 基于粒子群-线性规划算法的多能源跨区域优化配置方法 |
CN112003270A (zh) * | 2020-08-06 | 2020-11-27 | 国网浙江省电力有限公司衢州供电公司 | 一种应用于电力市场环境下的无功辅助服务优化调度方法 |
CN112003270B (zh) * | 2020-08-06 | 2022-03-18 | 国网浙江省电力有限公司衢州供电公司 | 一种应用于电力市场环境下的无功辅助服务优化调度方法 |
CN112751369A (zh) * | 2020-12-30 | 2021-05-04 | 国网河北省电力有限公司沧州供电分公司 | 海上配电网优化调度方法及终端设备 |
CN113449908A (zh) * | 2021-06-21 | 2021-09-28 | 国网山东省电力公司鱼台县供电公司 | 考虑需求侧资源的配电网规划方法及系统 |
CN115986850A (zh) * | 2023-03-20 | 2023-04-18 | 国网湖北省电力有限公司经济技术研究院 | 一种考虑多源平衡动态全响应的输配协同优化调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110503239A (zh) | 一种考虑无功辅助服务的配电网优化调度方法及系统 | |
Hemmati et al. | Risk-based optimal scheduling of reconfigurable smart renewable energy based microgrids | |
Gamarra et al. | Computational optimization techniques applied to microgrids planning: A review | |
CN105225017B (zh) | 一种多Agent的水电站群短期优化调度方法 | |
CN109962499A (zh) | 一种电网多时间尺度调度方法 | |
Cheng et al. | Comparison of particle swarm optimization and dynamic programming for large scale hydro unit load dispatch | |
Yuan et al. | Real-time pricing for smart grid with multi-energy microgrids and uncertain loads: a bilevel programming method | |
CN107563676A (zh) | 考虑多时间尺度多类型需求响应的源荷协调运行调度方法 | |
CN104537428B (zh) | 一种计及风电接入不确定性的经济运行评估方法 | |
US20150324935A1 (en) | Control system for power system | |
Zhang et al. | Cost-oriented load forecasting | |
CN110490363A (zh) | 一种多日机组组合优化方法及系统 | |
CN109659963A (zh) | 一种分布式储能参与电网削峰填谷的控制方法及装置 | |
CN104239966B (zh) | 一种主动配电网基于用电成本差异化的运营方法 | |
Yin et al. | Frequency-constrained multi-source power system scheduling against N-1 contingency and renewable uncertainty | |
O’Malley et al. | Natural gas system dispatch accounting for electricity side flexibility | |
Zhao et al. | An MPC-aided resilient operation of multi-microgrids with dynamic boundaries | |
CN110400056A (zh) | 基于风光时空特性的梯级水电日前优化调度方法及装置 | |
CN109546689A (zh) | 一种适用于大规模系统的两阶段机组组合运行控制方法 | |
Xie et al. | Optimal dispatching strategy of active distribution network for promoting local consumption of renewable energy | |
Saxena et al. | Rule-based adaptive frequency regulation with real stochastic model intermittency in a restructured power system | |
CN112039126B (zh) | 含分布式电源的配电网多时间尺度协调调度方法及系统 | |
CN111898801B (zh) | 一种用于配置多能互补供电系统的方法及系统 | |
Mudumbai et al. | Distributed control for the smart grid: The case of economic dispatch | |
CN110061510A (zh) | 一种时段解耦安全约束经济调度快速求解方法和系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191126 |
|
RJ01 | Rejection of invention patent application after publication |