CN110941800A - 一种基于多利益主体的主动配电网双层优化方法 - Google Patents

一种基于多利益主体的主动配电网双层优化方法 Download PDF

Info

Publication number
CN110941800A
CN110941800A CN201911198236.XA CN201911198236A CN110941800A CN 110941800 A CN110941800 A CN 110941800A CN 201911198236 A CN201911198236 A CN 201911198236A CN 110941800 A CN110941800 A CN 110941800A
Authority
CN
China
Prior art keywords
load
constraint
layer optimization
distribution network
power distribution
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
Application number
CN201911198236.XA
Other languages
English (en)
Inventor
张景瑞
陈雅琳
周瑜璐
王子俊
项继权
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.)
Xiamen University
Original Assignee
Xiamen University
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 Xiamen University filed Critical Xiamen University
Priority to CN201911198236.XA priority Critical patent/CN110941800A/zh
Publication of CN110941800A publication Critical patent/CN110941800A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • 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
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Optimization (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Educational Administration (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种基于多利益主体的主动配电网双层优化方法，该方法以用户与配电网的联合优化运行效益最优为目标，建立了用户侧与配电网的双层优化模型。上层优化模型为主动配电网的全局优化，以主动配电网的运行费用最小为目标函数，制定各个无功补偿装置的投切计划及分时电价；下层优化模型在上层优化模型给定的分时电价下进行各用户侧的独立优化，以用户的运行成本最小为目标函数，对用户侧24个时段的负荷需求进行管理及控制蓄电池充放电状态。采用本发明方法，能够平衡多个利益主体，保证上层配电网利益的同时，使得用户的电量交易费用和运行费用总和最小。

Description

一种基于多利益主体的主动配电网双层优化方法
技术领域
本发明涉及主动配电网优化技术领域，具体地涉及一种基于多利益主体的主动配电网双层优化方法。
背景技术
主动配电网相比于传统配电网，能够主动控制和管理网络架构和DG的接入等，但目前仍存在很多不足，主要体现在以下几个方面：缺乏对配电网络的全面监控；不具备全局优化能量管理功能；缺乏负荷侧的优化管理等。此外，随着电力市场的改革，利益主体也发生了改变，配电网中DG的所有权不再仅仅归电网所有，而是由用户或者新能源供应商建设。用户或者新能源供应商可以自主控制DG的启停，成为独立的利益主体。因此，传统配电网以电网为唯一利益主体的调度方式不再适用于含多利益主体的主动配电网运行新方式。
发明内容
本发明旨在提供一种基于多利益主体的主动配电网双层优化方法，以解决上述技术问题问题。为此，本发明采用的具体技术方案如下：
一种主动配电网双层优化方法，可包括以下步骤：
以用户与配电网的联合优化运行效益最优为目标，建立了用户侧与配电网侧的双层优化模型，包括配电网侧的上层优化模型和用户侧的下层优化模型；上层优化模型以主动配电网的运行费用最小为目标函数，以潮流约束、支路传输容量约束、节点电压约束、无功电容器约束、电价约束为约束条件，制定各个无功补偿装置的投切计划及分时电价并将优化之后的分时电价发送给下层优化模型；
下层优化模型根据上层优化模型给定的分时电价，负荷产生相应的需求响应，以用户总运行成本最小为目标函数，以负荷需求、蓄电池荷电状态、系统电量平衡为约束条件，优化24个时段负荷需求和蓄电池的充放电状态，并将优化之后的用户与配电网的交换功率发送给上层优化模型；
上层优化模型根据下层优化模型返回的信息，重新进行优化，如此循环迭代，直到上层优化模型的目标函数收敛。
本发明采用上述技术方案，具有的有益效果是：采用本发明方法，能够平衡多个利益主体，保证上层配电网利益的同时，使得用户的电量交易费用和运行费用总和最小。
附图说明
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
图1是本发明方法的双层优化模型示意图；
图2是负荷需求预测值的示意图；
图3是风机和光伏出力预测值的示意图；
图4是实验一蓄电池荷电状态的示意图
图5是优化后用户负荷需求的示意图；
图6是优化后蓄电池荷电状态的示意图；
图7是配电网网络结构的示意图；
图8是风力发电机出力预测值的示意图；
图9是光伏出力预测值的示意图；
图10是负荷预测值的的示意图。
具体实施方式
现结合附图和具体实施方式对本发明进一步说明。
图1示出了本发明方法的双层优化模型，其中，上层优化模型是配电网运行费用的优化，根据给定的负荷需求预测值、风机和光伏的预测出力和网络结构，以主动配电网运行费用最小为目标函数，以潮流约束、支路传输容量约束、节点电压约束、无功电容器约束和电价约束为约束条件，优化24个时段分时电价和无功补偿装置投切量。将24个时段分为谷时、平时和峰时，谷时、平时和峰时之间的电价比设置为0.55:1:1.55，售电价和上网电价的比例设置为1:0.6。上层优化模型将优化之后的分时电价发送给下层。下层优化模型根据上层给定的分时电价，负荷产生相应的需求响应，以用户总运行成本最小为目标函数，以负荷需求、蓄电池荷电状态和系统电量平衡等为约束条件，优化24个时段负荷需求和蓄电池的充放电状态，并将优化之后的用户与配电网的交换功率发送给上层优化模型。上层优化模型根据下层优化模型返回的信息，重新进行优化，如此循环迭代，直到上层优化模型的目标函数收敛。以分时电价及交换功率作为相互制约因素的双层优化模型即考虑了以用户为利益主体的负荷侧优化管理，又考虑了以电网为利益主体的配电网全局优化，更符合如今主动配电网的运行方式。
下面分别对上层优化模型和下层优化模型进行详细阐述。
1.下层优化模型
电力系统会尽可能提供足够的电量保障用户正常用电，如果负荷用电高峰过分集中，会导致电厂发电机组频繁启动和停止，造成发电成本的增加，能源的浪费。合理引导用户分散用电，有利于降低发电成本，提高社会效益。
调整负荷包括：管理措施、技术措施和经济措施。管理措施是指通过政府出台相关法律政策等，推动引导需求侧负荷管理的进行。技术措施是指通过负荷监控、电力蓄热技术、蓄冷空调技术等实现对负荷的错峰削峰。经济措施是指利用电价等激励、引导用户主动调整用电时间和用电量。目前使用范围最广的是分时电价，分为平时、谷时和峰时，设定不同电价进行收费。
对于安装了风光储等新能源设备的用户来说，在一天之内，电价是分段变化的，风机和光伏的出力是实时变化的，而蓄电池的充放电状态和部分负荷需求是可调整的。控制蓄电池的充放电状态以及转移高峰时段的负荷需求至低谷时段，有利于用户节省用电成本及最大程度地利用可再生能源资源。为了降低用户的用电成本，提高新能源的综合利用率，我们建立了负荷侧优化管理模型。该模型在给定的分时电价和风力发电机、光伏板都在最大出力的状态下，考虑用户与电网的电量交易费用和风力发电机、光伏板和蓄电池的运行费用，采用差分进化算法优化用户24小时内蓄电池的荷电状态及负荷需求，使得用户的电量交易费用和运行费用总和最小。
1.1负荷需求响应
分时电价的高低会影响负荷需求，该负荷需求响应模型不考虑另一个时间段价格的变化对当前时间段需求的影响，该时段内的负荷需求仅与该时段的电价有关。负荷需求响应模型引入电力负荷的弹性系数，可表示为
Figure BDA0002295207600000041
式中，E为需求弹性系数，Δd为价格变化引起的用电需求的变化，单位：kWh，Δρ为电价的改变量，单位：元/kWh，ρ0和d0分别为初始电价和初始负荷需求。用户在某时刻的电力需求可以表示为
Figure BDA0002295207600000051
式中，d(t)和d0(t)分别是t时刻采用分时电价和未采用分时电价的负荷需求，E(t)为t时刻的需求弹性系数，ρ(t)和ρ0(t)分别是t时刻采用分时电价和未采用分时电价的电价。
1.2目标函数
下层优化模型的目标函数为用户与电网的电量交易费用和DG运行费用的总和最小，即
F1＝minCOST (3)
Figure BDA0002295207600000052
其中，KWG、KPV、和KBAT分别是风力发电机、光伏板和蓄电池的运行维护系数，PWG(t)、PPV(t)和PBAT(t)分别是风力发电机、光伏板和蓄电池t时刻的有功出力；Ct是t时刻的电交易价；P(t)是用户与电网之间每小时的交换电量，以用户向电网购电为正，售电为负。
1.3约束条件
为了使整个系统可以安全稳定地运行，在进行负荷侧优化管理时，需要满足一些约束条件，包括负荷需求、蓄电池荷电状态、系统电量平衡等约束。
(1)负荷约束
仅有部分负荷需求可以在高峰时期切断，转移至低谷时期，因此实际负荷需求的限制如下所示：
PLD,min(t)≤PLD(t)≤PLD,max(t) (5)
PLD(t)是t时刻的实际负荷需求，PLD,min(t)和PLD,max(t)分别是t时刻的实际负荷需求的最小值和最大值。负荷进行削峰填谷前后，负荷的总需求量一致，即：
Figure BDA0002295207600000061
PLD,s(t)是t时刻的预测的负荷需求。
(2)蓄电池约束
蓄电池的过充和过放会缩短蓄电池的使用寿命，为了保护蓄电池，设置了蓄电池的荷电状态限制。
SOCmin(t)≤SOC(t)≤SOCmax(t) (7)
SOC(t)是t时刻蓄电池的荷电状态，SOCmin(t)和SOCmax(t)分别是t时刻蓄电池的荷电状态的最小值和最大值。另外增加了蓄电池初始和终止的荷电状态的约束：
SOCini＝SOC(24) (8)
SOCini为蓄电池的初始荷电状态。
(3)功率平衡约束
系统满足电量平衡，用户与电网的交易电量由下式计算得到
P(t)＝PWG(t)+PPV(t)+PBAT(t)-PLD(t) (9)
1.4约束处理办法
在优化过程中，蓄电池荷电状态约束和负荷需求约束等，如果不在约束范围内，直接对其进行调整，让其重新回到约束范围内。至于负荷削峰填谷前后，负荷总需求需要一致的约束，采用如下方法进行调整：
步骤1：计算实际负荷需求总和与给定负荷需求总和的差值ΔPLD。
Figure BDA0002295207600000062
步骤2：如果ΔPLD小于零，则实际负荷需求偏高，应进行削减，如果峰时时段负荷都达到最小值，转步骤3，否则从峰时时段开始削减负荷，如式(11)所示，更新实际负荷需求，转步骤1；
Figure BDA0002295207600000071
式中，Np为当前可调整的峰时时段个数，d为每个时段的负荷调整量，PLD,a(t)为t时段调整后的负荷需求。如果ΔPLD大于零，则实际负荷需求偏低，如果谷时时段负荷都达到最大值，转步骤5，否则从谷时时段开始增加负荷，更新实际负荷需求，转步骤1；
Figure BDA0002295207600000072
式中，Nv为当前可调整的谷时时段个数。如果ΔPLD等于零，符合该约束条件，调整结束。
步骤3：如果平时时段负荷都达到最小值，转步骤4，否则削减平时时段负荷，如式(13)所示，更新实际负荷需求，转步骤1。
Figure BDA0002295207600000073
式中，Na为当前可调整的平时时段个数。
步骤4：削减谷时时段负荷，如式(12)所示，直到实际负荷需求总和与给定负荷需求总和相等。
步骤5：如果平时时段负荷都达到最大值，转步骤6，否则增加平时时段负荷，如式(13)所示，更新实际负荷需求，转步骤1。
步骤6：增加峰时时段负荷，如式(11)所示，直到实际负荷需求总和与给定负荷需求总和相等。
1.5算例分析
为了验证该负荷侧优化管理方法的有效性，以一个装有风光储的用户为例。该用户与大电网相连，并且该用户有部分负荷需求可调整。用户24小时的风力发电机和光伏板的预测出力、预测负荷需求和负荷需求的上下限如图2和图3所示，购电售电价格如表1所示，其中，峰时段：11:00-15:00，19:00-21:00，平时段：8:00-10:00，16:00-18:00，22:00-23:00，谷时段：00:00-7:00。风力发电机、光伏板和蓄电池的运行维护成本分别为0.045元/kW、0.0096元/kW和0.045元/kW，蓄电池充放电效率都为0.95，蓄电池总容量为600kWh，蓄电池的初始荷电状态为0.5。设置两组实验，实验一不对负荷进行调整，蓄电池的充电策略为在用电高峰时段蓄电池放电，在用电低谷时段，蓄电池充电。实验二采用本节所述的负荷侧优化管理方法进行优化，既考虑调整负荷进行削峰填谷，又考虑蓄电池的最优充放电策略。实验一和实验二的区别仅在于负荷和蓄电池的控制策略，其余参数都相同。
表1 分时电价
Figure BDA0002295207600000081
实验一蓄电池24小时的荷电状态如图4所示，用户的实际负荷需求即为预测的负荷需求。计算得到用户的总费用为4896.8元。
实验二中，差分进化算法种群数设置为10，变异因子的上下限分别为0.9和0.6，交叉概率的上下限分别为0.9和0.3，控制变量为用户24小时的实际负荷需求以及蓄电池的荷电状态，总迭代次数设置为500。10次实验负荷侧优化管理后的总成本如表2所示，10次实验的平均值为3058.71元，最优值为3057.9元，远低于实验一中的总费用(4896.8元)。对取得最优结果的第5次实验进行进一步分析。
表2 负荷侧优化管理后总成本
Figure BDA0002295207600000091
图5中为用户24小时负荷优化前后的对比图及与外部电网电量交换情况，可见，在优化后，在可调节范围内，峰时时段及平时时段的负荷需求部分被调整到谷时时段，这样既有利于用户降低自身用电费用，又可以缓解外部电网在高峰时段的用电压力。优化后蓄电池的荷电状态如图6所示，通过合理控制蓄电池充放电状态，可以充分利用可再生能源，甚至可以在电能充足的时刻进行售电，如图5所示，在时段11、15和18，与电网的交换功率为负数，表示向电网售电。
通过实验一和实验二的对比，可以看出所提出的负荷侧优化管理方法，加入了负荷需求调整和蓄电池充放电控制策略，起到削峰填谷作用，充分利用可再生能源，大大降低总体费用。
2.上层优化模型
上层主动配电网以运行费用最小为目标函数，考虑了对用户的购电售电费用、与上级电网的购电费用和网损费用等，对分时电价及无功补偿量进行优化。分时电价会影响下层用户各个时段的负荷需求，用户蓄电池的充电状态，从而反过来影响上层的网损及购电售电费用。
2.1目标函数
上层主动配电网优化运行的目标函数为运行费用最小。
Figure BDA0002295207600000101
式中，ploss(t)为t时刻网络的网损，kp为网损系数，Pexld(t)为t时刻总负荷需求，Pexld(t)为正数，表示配电网向用户购电，反之表示配电网向用户售电，kpri(t)为t时刻买电/卖电价格，Pref(t)为t时刻向上一级电网的购电量，kref为向上一级电网的购电价格。
2.2约束条件
(1)潮流约束
Figure BDA0002295207600000102
式中，PGi和QGi分别为第i个分布式电源的有功出力和无功出力，PDi和QDi分别为第i个节点的有功负荷和无功负荷，Nb为所有节点的数目，Gij和Bij分别为节点i和节点j之间的电导和电纳。
(2)支路传输容量约束
Figure BDA0002295207600000103
式中，SLi为第i条支路的实际传输容量，
Figure BDA0002295207600000104
为第i条支路传输容量的最大值，NL为支路数。
(3)节点电压约束
Figure BDA0002295207600000105
式中，Vi为节点i的电压幅值，
Figure BDA0002295207600000106
和
Figure BDA0002295207600000107
分别为节点i电压幅值的最小值和最大值。
(4)无功电容器约束
无功补偿电容器是分组投切，因此是离散变量。
Figure BDA0002295207600000111
式中，
Figure BDA0002295207600000112
是无功电容器投切容量上、下限，Nc为无功补偿电容器个数。
(5)电价约束
Figure BDA0002295207600000113
Figure BDA0002295207600000114
为电价最小值，
Figure BDA0002295207600000115
为电价最大值。
2.3约束处理办法
(1)等式约束处理办法
等式约束为潮流约束，如式(15)所示，潮流计算过程是本领域公知的，这里不再进行描述。
(2)不等式约束处理办法
在主动配电网优化运行的过程中，需要检验系统是否符合约束条件。对于支路传输容量约束和节点电压约束这类不等式约束，在目标函数中加入与节点电压和传输容量相关的惩罚函数，使不符合约束个体的进化概率降低：
Figure BDA0002295207600000116
其中，F(x)代表不加惩罚量的目标函数，G(x)为惩罚项，f(x)为考虑惩罚项的目标函数。潮流约束、支路传输容量约束、节点电压约束和电源点出力约束是通过加入惩罚项来处理违反约束的个体。
在优化过程中，无功电容器约束和DG出力约束，如果变量超过最大值，则令变量为最大值，如果变量小于最小值，则令变量等于最小值，让其重新回到约束范围内。
实例分析
结合四川省某地的部分配电网对该双层优化模型的有效性进行验证。该配电网的网络结构如图7所示，图中A连接到B，母线参数如表3所示，其中节点，基准功率为10kW，基准电压12.66kV，电压上限为1.05(p.u.)，电压下限为0.95(p.u.)，线路参数、分布式电源参数和无功补偿电容参数分别如表4、表5、表6所示，其中光伏板每块的额定功率为280W，线路功率限制为1000kW。19号、39号、44号和47号节点的用户安装有风、光、储，应先进行下层负荷侧优化管理，后续分别称作用户1、用户2、用户3、和用户4。5号和24号节点为风电厂和光伏电厂，直接参与上层配电网优化运行。风力发电机出力、光伏出力以及负荷需求的预测值分别如图8、图9和图10所示。差分进化算法种群数设置为10，变异因子的上下限分别为0.9和0.6，交叉概率的上下限分别为0.9和0.3，迭代200次。用户负荷需求响应模型的需求弹性系数如表7所示。不采用分时电价时，电价假设为0.45元/kWh。配电网向上级电网购电的价格为0.3元/kWh，线损费用设为0.3元/kWh。
表3 节点参数
Figure BDA0002295207600000121
Figure BDA0002295207600000131
表4 线路参数
Figure BDA0002295207600000132
表5 分布式电源参数
Figure BDA0002295207600000133
Figure BDA0002295207600000141
表6 无功补偿电容参数
Figure BDA0002295207600000143
表7 用户需求弹性系数
Figure BDA0002295207600000142
通过对上述实例的分析可知，本发明的双层模型可以协助电网制定节点上无功补偿装置的投切计划，以及设置合理的分时电价以达到降低运行费用的目的。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (6)

1.一种基于多利益主体的主动配电网双层优化方法，其特征在于，包括以下步骤：
以用户与配电网的联合优化运行效益最优为目标，建立了用户侧与配电网侧的双层优化模型，包括配电网侧的上层优化模型和用户侧的下层优化模型；上层优化模型以主动配电网的运行费用最小为目标函数，以潮流约束、支路传输容量约束、节点电压约束、无功电容器约束和电价约束为约束条件，制定各个无功补偿装置的投切计划及分时电价并将优化之后的分时电价发送给下层优化模型；
下层优化模型根据上层优化模型给定的分时电价，负荷产生相应的需求响应，以用户总运行成本最小为目标函数，以负荷需求、蓄电池荷电状态和系统电量平衡为约束条件，优化24个时段负荷需求和蓄电池的充放电状态，并将优化之后的用户与配电网的交换功率发送给上层优化模型；
上层优化模型根据下层优化模型返回的信息，重新进行优化，如此循环迭代，直到上层优化模型的目标函数收敛。
2.如权利要求1所述的主动配电网双层优化方法，其特征在于，上层优化模型的目标函数为
Figure FDA0002295207590000011
其中，ploss(t)为t时刻网络的网损，kp为网损系数，Pexld(t)为t时刻总负荷需求，Pexld(t)为正数，表示配电网向用户购电，反之表示配电网向用户售电，kpri(t)为t时刻买电/卖电价格，Pref(t)为t时刻向上一级电网的购电量，kref为向上一级电网的购电价格。
3.如权利要求2所述的主动配电网双层优化方法，其特征在于，上层优化模型的约束条件处理步骤为：
对于潮流约束，采用等式约束方法处理；
对于支路传输容量约束和节点电压约束这类不等式约束，在目标函数中加入与节点电压和传输容量相关的惩罚函数，使不符合约束个体的进化概率降低：
Figure FDA0002295207590000021
其中，F(x)代表不加惩罚量的目标函数，G(x)为惩罚项，f(x)为考虑惩罚项的目标函数；
对于无功电容器约束和DG出力约束，如果变量超过最大值，则令变量为最大值，如果变量小于最小值，则令变量等于最小值，让其重新回到约束范围内。
4.如权利要求1所述的主动配电网双层优化方法，其特征在于，下层优化模型的目标函数为
Figure FDA0002295207590000022
其中，KWG、KPV和KBAT分别是风力发电机、光伏板和蓄电池的运行维护系数，PWG(t)、PPV(t)和PBAT(t)分别是风力发电机、光伏板和蓄电池t时刻的有功出力；Ct是t时刻的电交易价；P(t)是用户与电网之间每小时的交换电量，以用户向电网购电为正，售电为负。
5.如权利要求4所述的主动配电网双层优化方法，其特征在于，下层优化模型的约束条件处理步骤为：
在优化过程中，如果蓄电池荷电状态约束和负荷需求约束不在约束范围内，直接对其进行调整，让其重新回到约束范围内；
对于负荷削峰填谷前后，负荷总需求需要一致的约束，采用以下方法进行调整：
步骤1：计算实际负荷需求总和与预测负荷需求总和的差值ΔPLD，
Figure FDA0002295207590000031
其中，PLD(t)是t时刻的实际负荷需求，PLD,s(t)是t时刻的预测负荷需求；
步骤2：如果ΔPLD小于零，则实际负荷需求偏高，应进行削减，如果峰时时段负荷都达到最小值，转步骤3，否则从峰时时段开始削减负荷，根据
Figure FDA0002295207590000032
更新实际负荷需求，转步骤1，其中，Np为当前可调整的峰时时段个数，d为每个时段的负荷调整量，PLD,a(t)为t时段调整后的负荷需求；如果ΔPLD大于零，则实际负荷需求偏低，如果谷时时段负荷都达到最大值，转步骤5，否则从谷时时段开始增加负荷，根据
Figure FDA0002295207590000033
更新实际负荷需求，转步骤1；如果ΔPLD等于零，符合该约束条件，调整结束；
步骤3：如果平时时段负荷都达到最小值，转步骤4，否则削减平时时段负荷，根据
Figure FDA0002295207590000034
更新实际负荷需求，转步骤1，其中，Na为当前可调整的平时时段个数；
步骤4：根据
Figure FDA0002295207590000035
削减谷时时段负荷，直到实际负荷需求总和与给定负荷需求总和相等。
步骤5：如果平时时段负荷都达到最大值，转步骤6，否则增加平时时段负荷，根据
Figure FDA0002295207590000036
更新实际负荷需求，转步骤1。
步骤6：根据
Figure FDA0002295207590000037
增加峰时时段负荷，直到实际负荷需求总和与给定负荷需求总和相等。
6.如权利要求1所述的主动配电网双层优化方法，其特征在于，下层优化模型中的优化24个时段负荷需求和蓄电池的充放电状态是采用差分进化算法进行的。
CN201911198236.XA 2019-11-29 2019-11-29 一种基于多利益主体的主动配电网双层优化方法 Pending CN110941800A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911198236.XA CN110941800A (zh) 2019-11-29 2019-11-29 一种基于多利益主体的主动配电网双层优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911198236.XA CN110941800A (zh) 2019-11-29 2019-11-29 一种基于多利益主体的主动配电网双层优化方法

Publications (1)

Publication Number Publication Date
CN110941800A true CN110941800A (zh) 2020-03-31

Family

ID=69909408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911198236.XA Pending CN110941800A (zh) 2019-11-29 2019-11-29 一种基于多利益主体的主动配电网双层优化方法

Country Status (1)

Country Link
CN (1) CN110941800A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111612248A (zh) * 2020-05-20 2020-09-01 云南电网有限责任公司电力科学研究院 一种配电网侧源-荷协调方法及系统
CN111798070A (zh) * 2020-07-27 2020-10-20 上海电气分布式能源科技有限公司 一种用户侧光储系统的配置方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108599237A (zh) * 2018-04-24 2018-09-28 南京理工大学 一种主动配电网双层规划dg优化配置方法
CN109934487A (zh) * 2019-03-11 2019-06-25 国网福建省电力有限公司 一种考虑多主体利益博弈的主动配电网协调规划方法
CN110502814A (zh) * 2019-08-09 2019-11-26 国家电网有限公司 考虑储能和负荷管理技术的主动配电网多目标规划方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108599237A (zh) * 2018-04-24 2018-09-28 南京理工大学 一种主动配电网双层规划dg优化配置方法
CN109934487A (zh) * 2019-03-11 2019-06-25 国网福建省电力有限公司 一种考虑多主体利益博弈的主动配电网协调规划方法
CN110502814A (zh) * 2019-08-09 2019-11-26 国家电网有限公司 考虑储能和负荷管理技术的主动配电网多目标规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈雅琳: "主动配电网可靠性评估及多利益主体优化运行", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111612248A (zh) * 2020-05-20 2020-09-01 云南电网有限责任公司电力科学研究院 一种配电网侧源-荷协调方法及系统
CN111612248B (zh) * 2020-05-20 2023-09-08 云南电网有限责任公司电力科学研究院 一种配电网侧源-荷协调方法及系统
CN111798070A (zh) * 2020-07-27 2020-10-20 上海电气分布式能源科技有限公司 一种用户侧光储系统的配置方法及装置
CN111798070B (zh) * 2020-07-27 2024-03-05 上海电气分布式能源科技有限公司 一种用户侧光储系统的配置方法及装置

Similar Documents

Publication Publication Date Title
Gu et al. Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives
CN110188950B (zh) 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
CN111047114B (zh) 抽水蓄能机组在日前电力现货市场的双层竞价优化方法
Leou Optimal charging/discharging control for electric vehicles considering power system constraints and operation costs
Karami et al. Stochastic analysis of residential micro combined heat and power system
Hossain et al. Design a novel controller for stability analysis of microgrid by managing controllable load using load shaving and load shifting techniques; and optimizing cost analysis for energy storage system
CN107231001B (zh) 一种基于改进灰色预测的楼宇微网在线能量管理方法
Melhem Optimization methods and energy management in" smart grids"
CN112365021A (zh) 一种基于混合储能的区域综合能源系统规划优化方法
Ren et al. Multitime scale coordinated scheduling for electric vehicles considering photovoltaic/wind/battery generation in microgrid
CN116231655A (zh) 一种计及源-荷多类型备用的虚拟电厂双层优化调度方法
CN116826752A (zh) 一种台区用能多目标低碳降损优化调度策略方法
CN110941800A (zh) 一种基于多利益主体的主动配电网双层优化方法
CN116070732A (zh) 考虑需求响应的跨境综合能源系统主从博弈协同运行优化方法
CN115912342A (zh) 基于云模型的区域柔性负荷低碳调度方法
Hayati et al. A Two-Stage Stochastic Optimization Scheduling Approach for Integrating Renewable Energy Sources and Deferrable Demand in the Spinning Reserve Market
CN117559526A (zh) 一种基于光储充一体化充电站的拟路由器能量调控方法
Telaretti et al. A novel operating strategy for customer-side energy storages in presence of dynamic electricity prices
CN116961044A (zh) 基于模糊机会约束规划广义共享储能优化配置方法及系统
CN112103945A (zh) 电网临界安全状态下的蓄热电采暖系统实时调度方法及存储介质
CN116432807A (zh) 考虑耦合效应与不确定性的综合需求响应系统及其方法
Qian et al. Economic dispatch of DC microgrids under real-time pricing using adaptive differential evolution algorithm
Sha et al. A strategy for prosumers’ energy storage utilization
CN115496256A (zh) 一种基于神经网络预测的共享储能容量优化方法
Han et al. Security constrained distributed transaction model for multiple prosumers

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200331

WD01 Invention patent application deemed withdrawn after publication