CN111817298A - 含随机风能的多调度区间分布式能源调度方法及系统 - Google Patents

含随机风能的多调度区间分布式能源调度方法及系统 Download PDF

Info

Publication number
CN111817298A
CN111817298A CN202010705599.4A CN202010705599A CN111817298A CN 111817298 A CN111817298 A CN 111817298A CN 202010705599 A CN202010705599 A CN 202010705599A CN 111817298 A CN111817298 A CN 111817298A
Authority
CN
China
Prior art keywords
scheduling
wind
generator set
energy
power
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
Application number
CN202010705599.4A
Other languages
English (en)
Other versions
CN111817298B (zh
Inventor
刘允刚
李文娟
满永超
李峰忠
王媛
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.)
Shandong University
Original Assignee
Shandong 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 Shandong University filed Critical Shandong University
Priority to CN202010705599.4A priority Critical patent/CN111817298B/zh
Publication of CN111817298A publication Critical patent/CN111817298A/zh
Application granted granted Critical
Publication of CN111817298B publication Critical patent/CN111817298B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Wind Motors (AREA)

Abstract

本发明属于分布式能源调度领域，提供了一种含随机风能的多调度区间分布式能源调度方法及系统。其中，该方法包括根据预先设计的智能电网中火电机组/风电机组的网络通信连通拓扑图，计算相应通信权重矩阵，使得各发电机组节点与其邻居发电机组节点基于通信权重矩阵进行信息交互；基于发电机组节点交互的信息及动态平均一致性的ADMM方法连续求解优化调度模型，最终获得各发电机组的最优分配功率；其中，优化调度模型为所有调度区间的火电机组成本函数与风电机组成本函数累加和。

Description

含随机风能的多调度区间分布式能源调度方法及系统
技术领域
本发明属于分布式能源调度领域，尤其涉及一种针对智能电网的含随机风能的多调度区间分布式能源调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着传统能源消耗量不断上升，环境破坏严重，以风能为代表的新能源因具有清洁性与可再生性而成为未来智能电网重要的组成部分。由于风能存在随机性与间歇性，这使得风电并入电网后的能源管理问题成为值得研究的重大技术难题。发明人发现，现在含随机风能的能源调度方法存在以下问题：
1)传统能源调度大多采用集中式管理策略，即存在一个控制中心对所参与的发电机组集中调度，然而集中式能源管理方式存在可扩展性差、单节点故障鲁棒性差等问题。
2)现有的分布式能源管理方法大部分集中于研究单个区间分布式能源调度，而对于多个区间的调度问题研究较少。同时对于包含随机风能的多区间分布式能源管理方法大多数将风能预测值直接作为调度值，并未考虑各个调度区间风能随机性对调度的影响。
3)有研究表明随机风能服从威布尔(Weibull)分布，并给出了用该分布刻画的风能成本函数。相比用二次函数描述的成本函数(如热电机组发电成本)，该风能成本函数为一般的凸函数，因此设计分布式策略较为困难。虽然已有使用该成本函数并在智能体框架下设计的基于分布式梯度投影算法的单调度区间热电机组/风电机组分布式能源管理方法，但该分布式策略在通信时需要各机组与邻居机组交互全局的决策信息。随着参与调度的发电机组数增加，该策略交互的决策信息维数也会增加，随之带来的通信成本和存储成本也会增加。
4)现有的多调度区间分布式能源管理方法大多数针对目标函数为二次函数的情形，虽然也有针对目标函数是一般凸函数情形的基于动态平均一致性的分布式策略，但是其需要引入惩罚函数来消除发电机组决策变量约束，而对随之引入的参数选取合适的值较为困难。
5)现有用Weibull分布描述成本函数的含随机风能的多调度区间分布式能源管理策略，如基于一致性的交替方向乘子法(ADMM)分布式策略，需要假设所有参与调度的发电机组已知全网负荷需求，且该分布式策略能得到最优功率分配的前提是各发电机组的初始功率分配需满足全网供需平衡，因此当负荷需求变化时需要调度中心重新分配初始功率并通知各发电机组。
发明内容
为了解决上述问题，本发明提供一种含随机风能的多调度区间分布式能源调度方法及系统，其致力于智能电网中火电/风电机组分布式能源管理，考虑不同调度区间之间火电机组爬坡约束以及各调度区间上对随机风能的刻画，使得火电/风电机组经济调度更符合实际情况也更具实际意义。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种含随机风能的多调度区间分布式能源调度方法。
一种含随机风能的多调度区间分布式能源调度方法，包括：
根据预先设计的智能电网中火电机组/风电机组的网络通信连通拓扑图，计算相应通信权重矩阵，使得各发电机组节点与其邻居发电机组节点基于通信权重矩阵进行信息交互；
基于发电机组节点交互的信息及动态平均一致性的ADMM方法连续求解优化调度模型，最终获得各发电机组的最优分配功率；其中，优化调度模型为所有调度区间的火电机组成本函数与风电机组成本函数累加和。
本发明的第二个方面提供一种含随机风能的多调度区间分布式能源调度系统。
一种含随机风能的多调度区间分布式能源调度系统，包括：
发电机组信息交互模块，其用于根据预先设计的智能电网中火电机组/风电机组的网络通信连通拓扑图，计算相应通信权重矩阵，使得各发电机组节点与其邻居发电机组节点基于通信权重矩阵进行信息交互；
模型求解模块，其用于基于发电机组节点交互的信息及动态平均一致性的ADMM方法连续求解优化调度模型，最终获得各发电机组的最优分配功率；其中，优化调度模型为所有调度区间的火电机组成本函数与风电机组成本函数累加和。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的含随机风能的多调度区间分布式能源调度方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的含随机风能的多调度区间分布式能源调度方法中的步骤。
本发明的有益效果是：
(1)在实现满足用电负荷的前提下，最小化发电机组的发电成本；同时该智能电网能源管理系统中各发电机组不需要同集中调度中心通信，而是仅通过与邻居发电机组通信的方式获得各发电机组最优功率分配值，因此增加了智能电网的可扩展性及鲁棒性；
(2)相比现有的含随机风能的分布式能源管理方法，本发明设计了一种基于动态平均一致性及交替方向乘子法(ADMM)的分布式能源管理策略，该策略在执行时可以设定任意的初始功率分配值，因此不需要在每一个调度区间之初对所参与的发电机组重新设定初始功率分配；同时在智能电网中任意一个发电机组已知负荷需求的情况下就可以通过分布式通信及计算的方式得到全局最优的功率分配；各发电机组交互的信息仅仅为自身的决策信息而非全局决策信息，从而节省了通信、计算及存储资源；相比已有的通过引入惩罚函数消除发电机组决策变量约束的分布式方法，本发明通过ADMM算法与动态平均一致性的结合的方式，有效避免了先前方法对惩罚函数所引入参数值选取困难的问题。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例中含随机风能的智能电网火电/风电机组网络配置及通信结构图；
图2为本发明实施例中含随机风能的分布式能源管理实施流程示意图；
图3为本发明实施例所采用仿真对象IEEE 6-BUS系统中火电/风电机组网络拓扑连通图；
图4(a)为本发明实施例针对IEEE 6-BUS系统在单个调度区间上仿真所得到的原始残差迭代曲线；
图4(b)为本发明实施例针对IEEE 6-BUS系统在单个调度区间上仿真所得到的对偶残差迭代曲线；
图4(c)为本发明实施例针对IEEE 6-BUS系统在单个调度区间上仿真所得到的火电/风电机组的功率分配迭代曲线；
图4(d)为本发明实施例针对IEEE 6-BUS系统在单个调度区间上仿真所得到的火电/风电机组的成本迭代曲线；
图5为本发明实施例所采用仿真对象IEEE 57-BUS系统中火电/风电机组网络拓扑连通图；
图6为本发明实施例仿真所用的24h风速数据(60个/min)；
图7(a)为本发明实施例针对IEEE 57-BUS系统仿真所得到的24h火电/风电机组调度的功率分配迭代过程图；
图7(b)为本发明实施例针对IEEE 57-BUS系统仿真所得到的24h火电/风电机组成本迭代过程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明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发明的示例性实施方式。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。
附图2给出了本实施例的一种含随机风能的多调度区间分布式能源调度方法流程图，其具体过程包括：
步骤1：根据预先设计的智能电网中火电机组/风电机组的网络通信连通拓扑图，计算相应通信权重矩阵，使得各发电机组节点与其邻居发电机组节点基于通信权重矩阵进行信息交互；
步骤2：基于发电机组节点交互的信息及动态平均一致性的ADMM方法连续求解优化调度模型，最终获得各发电机组的最优分配功率；其中，优化调度模型为所有调度区间的火电机组成本函数与风电机组成本函数累加和。
具体地，构建的含随机风能的多调度区间的优化调度模型为所有调度区间的火电机组成本函数与风电机组成本函数累加和。
优化目标：
Figure BDA0002594631190000061
上式中，火电机组成本函数为
Figure BDA0002594631190000062
风电机组成本函数为
Figure BDA0002594631190000063
其中
Figure BDA0002594631190000065
及
Figure BDA0002594631190000066
分别定义为：
Figure BDA0002594631190000064
上式中fW(w)表示随机风能w所服从的分布函数，即Weibull分布函数为
Figure BDA0002594631190000071
其中
Figure BDA0002594631190000072
约束条件：
火电机组有功功率上下限约束为
Figure BDA0002594631190000073
火电机组爬坡约束为
-DRi≤Pi，t-Pi，t-1≤URi，t＝2，...，H. (5)
风电机组有功功率上下限约束为
Figure BDA0002594631190000074
功率平衡约束为
Figure BDA0002594631190000075
(1)-(7)式中，H表示调度区间数；m和n分别表示火电机组和风电机组数；Pi，t及Wj，t分别表示第t个调度区间第i个火电机组以及第j个风电机组输出的有功功率；ai、bi、ci为第i个火电机组燃料成本系数；dj、
Figure BDA00025946311900000710
分别为第j个风电机组的成本系数、过估计成本系数及欠估计成本系数；
Figure BDA0002594631190000077
和
Figure BDA0002594631190000078
分别表示有功功率的上下限；URi和DRi分别表示热电机组爬坡约束的上下限；Dt表示第t个调度区间的总负荷；
Figure BDA0002594631190000079
表示风电机组的额定输出功率；vin表示风机的切入速度；vr表示风机的额定速度；c表示Weibull分布的尺度参数；κ表示Weibull分布的形状参数。
在具体实施中，基于设计的智能电网中火电机组/风电机组的网络通信连通拓扑图并选取相应通信权重矩阵。
构建基于多智能体通信框架的网络结构，其中通信网络用图论中的图来表示，通信通道对应于图的边，而其中的每个发电机组看作是一个带有计算及通信能力的智能体节点。各发电机组节点通过与邻居发电机组节点进行信息交互及迭代计算得到最优功率分配值，具体网络结构及通信图见图1。
本发明中，利用N-1规则设计通信网络拓扑图，也就是说即使在任意一条边断开的时候网络也是连通的，即网络拓扑图至少应该包含一个连接所有节点的回路。用邻接矩阵
Figure BDA0002594631190000084
来表示火电/风电机组之间的网络连通情况，矩阵
Figure BDA0002594631190000085
的元素用alr来表示。如果两个发电机组之间连通时我们设alr＝1，反之，不连通时设置alr＝0。用
Figure BDA0002594631190000086
表示通信网络的权重矩阵。
其中，风电机组成本函数的确定过程为：基于目标电网参数，分解火电机组在调度区间之间耦合的爬坡约束，估算各调度区间上风能服从的Weibull分布函数相关参数值，确定风电机组成本函数。
本实施例中，通过将火电机组的约束(4)及(5)进行如下的处理：
Figure BDA0002594631190000081
Figure BDA0002594631190000082
则所研究的优化调度模型可以分解在每个调度区间上,并通过分布式方式连续求解如下模型实现：
Figure BDA0002594631190000083
其中Xt表示[P1，t，...，Pm，t，W1，t，...，Wn，t]T。分解后在每个调度区间上设计分布式策略来得到每个参与的发电机组的最优功率分配值。
在每个调度区间上，如果得到Weibull分布参数κ及c后，那么风能成本函数就可以被确定。因此，本实施例首先利用预测风速数据通过最大似然估计法对风能所服从的Weibull分布所包含的两个参数κ及c进行估计：
Figure BDA0002594631190000091
其中vi表示在调度区间内预测到的风速值，
Figure BDA0002594631190000095
表示该区间内风速数据个数。
基于通信权重矩阵使得各发电机组节点与其邻居发电机组节点信息交互，通过迭代计算的方式，采用基于动态平均一致性的ADMM方法连续求解单个调度区间的优化调度模型(10)，最终获得各发电机组的最优功率分配。
在成本函数确定之后，在每个调度区间上设计分布式调度策略。接下来，给出本实施例基于动态平均一致性的分布式ADMM调度策略设计过程，具体如下：
首先将优化问题(10)变换为符合交替方向乘子法的形式。通过将(10)中的等式约束与不等式约束定义为如下的两个非空集合
Figure BDA0002594631190000092
Figure BDA0002594631190000093
其中Yt表示与Xt相同的列向量。
则问题(10)可以转化为如下形式
Figure BDA0002594631190000094
其中I1(Xt)及I2(Yt)为闭的非空凸集
Figure BDA0002594631190000096
及
Figure BDA0002594631190000097
的示性函数。
在(12)中：Ft(Xt)包括火电机组成本函数和风电机组的成本函数，其中火电机组的成本函数是二次函数，同时经证明风电机组成本函数为一般凸函数且示性函数I1(Xt)及I2(Yt)是真凸闭函数。同时问题(12)中的约束中系数矩阵满足列满秩。因此，经过变换后，问题(12)可以使用ADMM算法来解决。
定义如下拉格朗日函数：
Figure BDA0002594631190000101
其中λ是拉格朗日因子，ρ是惩罚参数。
因此，问题(11)可以通过ADMM算法分步骤迭代的方式求得最优解：
Figure BDA0002594631190000102
Figure BDA0002594631190000103
Figure BDA0002594631190000104
其中
Figure BDA0002594631190000109
表示在集合D上的欧几里得映射，
Figure BDA00025946311900001010
为拓展的对偶变量。
接下来，本实施例针对ADMM算法中的xt-更新、Yt-更新、ut-更新设计分布式实现策略。
针对ADMM算法中的Xt-更新，令
Figure BDA0002594631190000105
Xt-更新(13)可以转化为：
Figure BDA0002594631190000106
可以证明：上式中的目标函数是严格凸的且是二次可微的。因此，(16)一定存在唯一的最优解
Figure BDA0002594631190000107
即：
Figure BDA0002594631190000108
接下来给出本发明ADMM算法中Xt-更新的分布式实现过程：
每一个发电机组节点l的更新过程为
Figure BDA0002594631190000111
将其表示为矩阵形式为
Figure BDA0002594631190000112
其中α、β、v1及ν2为设计参数；zl，t及θl，t为辅助变量；
Figure BDA0002594631190000116
为权重矩阵，wlr为其系数；
Figure BDA0002594631190000117
表示节点l的邻居节点集合；es为沿s方向的单位向量。从向量es可以看出，全网负荷需求Dt仅需要通知第s个火电/风电发电机组即可。
针对ADMM算法中的Yt-更新，定义：
Figure BDA0002594631190000113
Figure BDA0002594631190000114
则对任意的发电机组节点l，Yt-更新如下：
Figure BDA0002594631190000115
本发明中火电/风电机组网络拓扑设计原则为无向连通图，且权重矩阵
Figure BDA0002594631190000118
需要满足
Figure BDA00025946311900001113
根据网络连通拓扑结构是否固定不变，即是否在调度过程中会有发电机组退出或重新接入电网的情形，本发明给出两种权重矩阵的选取方式，实际应用中可根据实际需要进行选择。
以下给出两种权重矩阵的选择与计算方法：
1)分别用
Figure BDA00025946311900001110
及
Figure BDA00025946311900001111
表示节点的出度和入度，且用
Figure BDA00025946311900001112
来表示以出度为对角元素的对角阵，则权重矩阵表示为
Figure BDA0002594631190000121
即拉普拉斯矩阵。
2)采用改进的Metropolis方法选取权重矩阵
Figure BDA0002594631190000122
在拓扑变化情况下可以自动获得权重值，方法如下：
Figure BDA0002594631190000123
其中nl与nr分别表示发电机组节点l及节点r的邻居节点个数。nl的计算方法(nr的计算方法相同)为：
Figure BDA0002594631190000124
需要注意的是：算法θl，t的初始值满足
Figure BDA0002594631190000125
由于θl，t是辅助变量，并没有实际的物理含义，因此对每个个体可以通过设置
Figure BDA0002594631190000129
来实现。
Xt-更新步中α、β、ν1及v2参数的选择应满足以下不等式
Figure BDA0002594631190000126
其中Nmax为网络中火电/风电发电机组最大个数，wmin为边权重系数最小值，
Figure BDA00025946311900001210
为各节点出度中的最大值。在Nmax、wmin、
Figure BDA00025946311900001211
已知的情形下，由其中的一个节点通过非线性规划的方式得到一组满足上述不等式的α、β、ν1及ν2值，然后通过已有的分布式算法广播给其他节点。如果在Nmax、wmin、
Figure BDA00025946311900001212
未知的情形下，可以用已有的分布式算法得到Nmax、wmin、
Figure BDA00025946311900001213
值，然后再如前所述求所需参数。
最后，可以看出：通过所设计的Xt及Yt分布式更新策略之后，ut的分布式更新也是显而易见的。
分布式ADMM算法的收敛性条件为：
Figure BDA0002594631190000127
且
Figure BDA0002594631190000128
其中
Figure BDA0002594631190000131
为原始残差，
Figure BDA0002594631190000132
为对偶残差，∈pri及∈dual为算法停止阈值。
需要注意的是：对于网络拓扑不变即调度过程中保持火电/风电机组数目不变的情形，方法1)中权重矩阵
Figure BDA0002594631190000133
选取经仿真实验证明会使算法获得更快的收敛速度。如果考虑调度过程中网络拓扑结构变化的情形，则方法2)中权重矩阵
Figure BDA0002594631190000134
更合适。经实验表明，虽然方法2)选取的
Figure BDA0002594631190000135
会在一定程度上降低算法的收敛速度，但方法2)具有可以通过与邻居节点通信自动获得权重矩阵的优势。
本实施例的特点在于：针对随机风能并入电网后的多调度区间能源管理问题，考虑了火电机组的爬坡约束，同时考虑了不同调度区间上随机风能的刻画；针对所设计的火电/风电机组无向连通网络通信拓扑图，给出了两种不同的权重矩阵选取方法；相比已有的分布式ADMM算法，所给出的基于动态平均一致性的分布式ADMM算法中由于所引入的动态平均一致性机制具有对供需功率不匹配很好的跟踪性，因此在负载需求变化时无需重新对算法进行初始化设置；所给出的分布式策略可以通过ADMM将各发电机组所要分配的功率调整到边界约束的范围内，同时本发明中的惩罚参数ρ是大于零的任意常数，不需要通过满足一定的条件来选择。总之，给出了更具优势的含随机风能的智能电网分布式能源管理解决方法。
本实施例以IEEE 6-BUS系统(含3个火电机组及1个风电机组)为例在单个调度区间上(即t＝1)来阐明所提分布式策略的有效性及优越性。另外以IEEE 57-BUS系统(含6个火电机组及1个风电机组)为例通过一天(24h)的调度过程来展示所提分布式策略在多调度区间上的有效性。
实施例仿真验证一
以IEEE 6-BUS系统验证所提分布式策略的有效性及优越性，具体步骤如下：
根据网络通信设计原则，确定所采用IEEE 6-BUS系统火电/风电机组的连通拓扑图，见图3。并根据前面所述方法计算得到各发电机组自身节点与邻居发电机组节点的权重系数。
获取火电机组及风电机组参数，包括：①各发电机组成本参数；②火电机组允许输出的最大、最小有功功率及火电机组所允许的爬坡约束值、风电机组额定功率值(见表1)；③风速参数及Weibull分布参数值(见表2)；④调度时段内有功负荷需求设为600MW，仅仅通知给第4个发电机组，即风电机组。其中，本发明实施例仿真所用的24h风速数据(60个/min)，如图6所示。
根据前面所述选取方法选取满足式(21)的参数α＝10、β＝40、ν1＝1及v2＝1.3，ρ＝0.5；初始化算法初值
Figure BDA0002594631190000141
(其中对每个发电机组
Figure BDA0002594631190000143
初始功率分配可以取有功功率上下限约束范围内的任意值)；迭代步长取为0.01；算法终止条件设为∈pri＝10-2，∈dual＝10-4；
采用本发明所提的基于动态平均一致性的ADMM算法求解优化调度模型(10)，具体算法流程见图3。最终得到各发电机组最优的功率分配值，见图4(a)-图4(d)。
表1火电机组相关参数
Figure BDA0002594631190000142
表2风能和风电机组相关参数
Figure BDA0002594631190000151
仿真实验验证结果分析：
本仿真实例如果采用拉普拉斯矩阵作为权重矩阵时，总共的迭代次数为23533；如果采用改进的Metropolis方法自动获得权重时，总共的迭代次数为57063。以拉普拉斯矩阵作为权重矩阵为例，如图4(a)-图4(d)，可以看出在23533迭代次数时原始残差和对偶残差都满足了终止条件(其中虚线为终止条件，实线为原始残差和对偶残差迭代曲线)，我们运行25000次来展示迭代何时终止。最终得到的最优功率分配为351.78，100，50，98.22，最优成本为5414.41。需要注意的是：本仿真实例中
Figure BDA0002594631190000154
更新步骤并不需要像已有研究中需要多次更新得到最优解之后再进行
Figure BDA0002594631190000152
的更新，而是采用
Figure BDA0002594631190000153
依次迭代就可以得到最优解，即不存在内部的嵌套循环步。
实施例仿真验证二
以IEEE 57-BUS系统通过一天(24h)的能源管理为例验证所提分布式策略在多调度区间上能源调度的有效性，具体步骤如下：
根据网络通信设计原则，确定火电/风电机组的连通拓扑图，见图5。计算得到各发电机组自身节点与邻居发电机组节点的权重系数。
获取目标电网参数，见表3，包括：①火电机组允许输出的最大、最小有功功率；②火电机组所允许的爬坡约束值；③风电机组额定功率值；④风电机组所配备的风速预测模块得到的风速数据，见图6；⑤24h调度时段内有功负荷需求(MW)为：118、99、80、70、85、100、110、164、190、183、174、215.26、205.8、210、207、218、200、180、190、205、215、195、210、162。
将调度区间之间的耦合约束(火电机组爬坡约束)通过式(8)和(9)分解到单一调度区间上形成单一调度区间的优化调度模型(10)。
在每一个调度区间上，将风电机组的风速数据通过式(11)所示的最大似然估计法得到一个小时内风能所服从的Weibull分布两个参数值c及κ。
采用基于动态平均一致性的ADMM算法求解优化调度模型(10)，得到火电/风电机组最优功率分配及最优成本,具体见如下结果分析。
仿真实验验证结果分析：
本实施例通过最大似然估计法得到的风能分布函数的参数值如表4所示，针对IEEE 57-BUS系统仿真结果如图7(a)和图7(b)所示，可以看出本发明算对于多调度区间的调度行之有效。火电/风电机组最优功率分配及最低成本值如表5所示(最优功率分配值单位为MW,各发电成本单位为$/h)。
表3火电机组相关参数
Figure BDA0002594631190000161
表4 24小时风能所服从分布函数参数
时间 1 2 3 4 5 6 7 8 9 10 11 12
c 14.04 11.07 11.4 12.04 12.13 9.79 7.76 6.53 6.01 5.16 3.44 7.91
κ 4.54 4.50 4.45 4.59 4.58 4.51 4.36 4.59 4.43 4.42 3.33 3.68
时间 13 14 15 16 17 18 19 20 21 22 23 24
c 8.76 6.52 6.48 6.47 8.62 9.95 10.29 10.26 11.89 13.64 14.55 11.26
κ 4.57 3.88 4.32 4.41 4.31 4.54 4.50 4.56 4.50 4.62 4.52 4.31
表5火电/风电机组最优功率分配及最优成本值
Figure BDA0002594631190000171
在图7(a)和图7(b)中，可以看出当c值较大时，风电机组功率分配值会相对更大，而c值较小时，风电机组功率输出值较小。这是因为c值较大时，在该调度区间内有更多比例的较大风速可用，因此也会产生更多的风电；而c值较小时，则表示在该调度区间内有较大比例的低风速，因此风电机组分配较少的功率是比较经济的。
因此，所列两个实施例用仿真验证了所提的基于动态平均一致性的分布式ADMM算法用于含随机风能的分布式能源管理，无论是单调度区间还是多调度都是有效的。值得注意的是，相比于已有含风电的分布式能源管理方法如分布式梯度投影算法，本实施例中所提的基于动态平均一致性的分布式ADMM算法与邻居发电机组节点交换及计算的信息仅为一维而非N维向量，因此需要更少的计算与存储成本；与已有基于一致性的分布式ADMM算法相比，有功负荷需求不需要通知全局发电机组节点，同时在有功负荷需求变化时也不需要重新分配初值；相比已有的动态平均一致性算法，省去了所引入的惩罚函数参数选取的问题。
在一个或多个实施例中，还提供了一种含随机风能的多调度区间分布式能源调度系统，其包括：
发电机组信息交互模块，其用于根据预先设计的智能电网中火电机组/风电机组的网络通信连通拓扑图，计算相应通信权重矩阵，使得各发电机组节点与其邻居发电机组节点基于通信权重矩阵进行信息交互；
模型求解模块，其用于基于发电机组节点交互的信息及动态平均一致性的ADMM方法连续求解优化调度模型，最终获得各发电机组的最优分配功率；其中，优化调度模型为所有调度区间的火电机组成本函数与风电机组成本函数累加和。
在具体实施中，发电机组信息交互模块以及模型求解模块的具体实施步骤如上述含随机风能的多调度区间分布式能源调度方法中的步骤一一对应，此处不再累述。
在一个或多个实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的含随机风能的多调度区间分布式能源调度方法中的步骤。
在一个或多个实施例中，还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的含随机风能的多调度区间分布式能源调度方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明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和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种含随机风能的多调度区间分布式能源调度方法，其特征在于，包括：
根据预先设计的智能电网中火电机组/风电机组的网络通信连通拓扑图，计算相应通信权重矩阵，使得各发电机组节点与其邻居发电机组节点基于通信权重矩阵进行信息交互；
基于发电机组节点交互的信息及动态平均一致性的ADMM方法连续求解优化调度模型，最终获得各发电机组的最优分配功率；其中，优化调度模型为所有调度区间的火电机组成本函数与风电机组成本函数累加和。
2.如权利要求1所述的含随机风能的多调度区间分布式能源调度方法，其特征在于，风电机组成本函数的确定过程为：基于目标电网参数，分解火电机组在调度区间之间耦合的爬坡约束，估算各调度区间上风能服从的Weibull分布函数相关参数值，确定风电机组成本函数。
3.如权利要求1所述的含随机风能的多调度区间分布式能源调度方法，其特征在于，采用最大似然估计方法估算各调度区间上风能所服从的Weibull分布函数相关参数值。
4.如权利要求1所述的含随机风能的多调度区间分布式能源调度方法，其特征在于，在动态平均一致性的ADMM方法连续求解优化调度模型的过程中，引入动态平均一致性机制的ADMM算法跟踪与估计网络中负荷需求功率与发电机组发电功率的差值，然后作为反馈项加入到ADMM算法的迭代过程中的方式来实现任意初始功率分配下的分布式策略。
5.如权利要求1所述的含随机风能的多调度区间分布式能源调度方法，当智能电网中火电机组/风电机组的网络通信连通拓扑图结构固定不变时，通信权重矩阵等于以出度为对角元素的对角阵与表示火电/风电机组之间的网络连通情况的邻接矩阵之差。
6.如权利要求1所述的含随机风能的多调度区间分布式能源调度方法，其特征在于，当智智能电网中火电机组/风电机组的网络通信连通拓扑图结构发生变化时，采用改进的Metropolis方法来选取通信权重矩阵。
7.一种含随机风能的多调度区间分布式能源调度系统，其特征在于，包括：
发电机组信息交互模块，其用于根据预先设计的智能电网中火电机组/风电机组的网络通信连通拓扑图，计算相应通信权重矩阵，使得各发电机组节点与其邻居发电机组节点基于通信权重矩阵进行信息交互；
模型求解模块，其用于基于发电机组节点交互的信息及动态平均一致性的ADMM方法连续求解优化调度模型，最终获得各发电机组的最优分配功率；其中，优化调度模型为所有调度区间的火电机组成本函数与风电机组成本函数累加和。
8.如权利要求7所述的含随机风能的多调度区间分布式能源调度系统，其特征在于，在所述模型求解模块中，在动态平均一致性的ADMM方法连续求解优化调度模型的过程中，引入动态平均一致性机制的ADMM算法跟踪与估计网络中负荷需求功率与发电机组发电功率的差值，然后作为反馈项加入到ADMM算法的迭代过程中的方式来实现任意初始功率分配下的分布式策略。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的含随机风能的多调度区间分布式能源调度方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的含随机风能的多调度区间分布式能源调度方法中的步骤。
CN202010705599.4A 2020-07-21 2020-07-21 含随机风能的多调度区间分布式能源调度方法及系统 Active CN111817298B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010705599.4A CN111817298B (zh) 2020-07-21 2020-07-21 含随机风能的多调度区间分布式能源调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010705599.4A CN111817298B (zh) 2020-07-21 2020-07-21 含随机风能的多调度区间分布式能源调度方法及系统

Publications (2)

Publication Number Publication Date
CN111817298A true CN111817298A (zh) 2020-10-23
CN111817298B CN111817298B (zh) 2022-12-16

Family

ID=72861728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010705599.4A Active CN111817298B (zh) 2020-07-21 2020-07-21 含随机风能的多调度区间分布式能源调度方法及系统

Country Status (1)

Country Link
CN (1) CN111817298B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115800276A (zh) * 2023-02-09 2023-03-14 四川大学 一种考虑机组爬坡的电力系统应急调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
WENJUAN LI等: ""A New Distributed Energy Management Strategy for Smart Grid With Stochastic Wind Power"", 《IEEE TRANSACTION ON INDUSTRIAL ELECTRONICS》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115800276A (zh) * 2023-02-09 2023-03-14 四川大学 一种考虑机组爬坡的电力系统应急调度方法

Also Published As

Publication number Publication date
CN111817298B (zh) 2022-12-16

Similar Documents

Publication Publication Date Title
Li et al. Double-mode energy management for multi-energy system via distributed dynamic event-triggered Newton-Raphson algorithm
Huang et al. Distributionally robust optimal power flow in multi-microgrids with decomposition and guaranteed convergence
CN107706921B (zh) 基于纳什博弈的微电网电压调节方法和装置
Chen et al. An improved NSGA-III algorithm for reservoir flood control operation
Liu et al. Federated reinforcement learning for decentralized voltage control in distribution networks
Hardiansyah et al. Solving economic load dispatch problem using particle swarm optimization technique
CN111725808B (zh) 基于奇异摄动的综合能源系统分布式趋同控制方法及系统
CN113285457B (zh) 非理想通信下区域电力系统的分布式经济调度方法及系统
CN111988185A (zh) 一种基于Barzilai-Borwein步长的多步通信分布式优化方法
Wang et al. Optimal scheduling for integrated energy system considering scheduling elasticity of electric and thermal loads
CN115473286A (zh) 基于约束投影强化学习的分布式经济调度优化方法
CN115085202A (zh) 电网多区域智能功率协同优化方法、装置、设备及介质
CN111817298B (zh) 含随机风能的多调度区间分布式能源调度方法及系统
Naug et al. Data driven methods for energy reduction in large buildings
Xia et al. A collaborative neurodynamic optimization approach to distributed Nash-equilibrium seeking in multicluster games with nonconvex functions
CN114580864B (zh) 针对综合能源系统的多元储能分配方法、系统及设备
Obando et al. A centre–free approach for resource allocation with lower bounds
CN116362504A (zh) 电热联合能源系统优化调度方法、终端设备及存储介质
CN115115276A (zh) 考虑不确定性和隐私保护的虚拟电厂调度方法及系统
CN115659792A (zh) 多时段多场景scuc解耦方法、系统、设备及存储介质
Carnerero et al. Particle based optimization for predictive energy efficient data center management
Sánchez-Amores et al. Robust coalitional model predictive control with negotiation of mutual interactions
CN113360289A (zh) 基于边缘计算的多区域综合能源系统分布式协同优化方法
Wenzel et al. Quadratic approximation in price-based coordination of constrained systems-of-systems
CN116681269B (zh) 一种电网交互型高效居民建筑智能协同运行优化方法

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