CN111884263A - 多目标配电网优化方法 - Google Patents

多目标配电网优化方法 Download PDF

Info

Publication number
CN111884263A
CN111884263A CN202010602825.6A CN202010602825A CN111884263A CN 111884263 A CN111884263 A CN 111884263A CN 202010602825 A CN202010602825 A CN 202010602825A CN 111884263 A CN111884263 A CN 111884263A
Authority
CN
China
Prior art keywords
distribution network
power
power distribution
energy storage
load
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.)
Withdrawn
Application number
CN202010602825.6A
Other languages
English (en)
Inventor
胡波
钮骏
汤勍
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.)
Suzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Suzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
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 Suzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Suzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority to CN202010602825.6A priority Critical patent/CN111884263A/zh
Publication of CN111884263A publication Critical patent/CN111884263A/zh
Withdrawn legal-status Critical Current

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
    • H02J3/38—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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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]
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种多目标配电网优化方法，其包括以下步骤：步骤1：针对配电网中的储能系统和柔性负载设定调度优先级标准，确立提高可再生能源利用率、最小化网络损耗、提高用户满意度为优化目标；步骤2：依据配电网中的储能系统和柔性负载的调度优先级标准以及优化目标，建立多目标最优调度模型的目标函数；步骤3：确立目标函数的约束条件；步骤4：求解约束条件下的目标函数，从而获得配电网的优化方案。本发明能够合理协调分布式储能系统和负载，从而优化配电网运行，最大程度地提高可再生能源的利用率、最大程度地减少网络损失，最大程度地提高用户满意度。

Description

多目标配电网优化方法
技术领域
本发明属于电力系统领域，具体涉及一种分布式储能与柔性负载协调控制的多目标配电网优化方法。
背景技术
分布式储能的输出和接入具有分散性和不可控性的特点，从电网调度的角度来看，广域分布式储能，特别是在用户端配置的储能系统，缺乏有效的控制和运行技术来控制和管理。电网的峰谷差、频率、电压和电能质量不能得到有效改善，这就造成了巨大的储能资源浪费，如果在配电网中合理配置分布式储能，并加以调节，实现分布式发电与分布式负荷的协调运行，不仅可以通过调峰填谷来降低配电容量，同时也弥补了配电网随机性对配电网安全经济运行的负面影响。
发明内容
本发明的目的是提供一能够合理协调分布式储能系统和负载，从而优化配电网运行的多目标配电网优化方法。
为达到上述目的，本发明采用的技术方案是：
一种多目标配电网优化方法，包括以下步骤：
步骤1：针对配电网中的储能系统和柔性负载设定调度优先级标准，确立提高可再生能源利用率、最小化网络损耗、提高用户满意度为优化目标；
步骤2：依据所述配电网中的储能系统和柔性负载的调度优先级标准以及所述优化目标，建立多目标最优调度模型的目标函数；
步骤3：确立所述目标函数的约束条件；
步骤4：求解所述约束条件下的所述目标函数，从而获得所述配电网的优化方案。
所述步骤1中，所述配电网中的储能系统和柔性负载设定调度优先级标准包括：所述柔性负载的调度优先级高于所述储能系统的调度优先级、在低功耗期间所述柔性负载中的可转移负荷的调度优先级高于可降低负荷的调度优先级。
所述步骤1中，以可再生能源的发电比例表征所述可再生能源的利用率，所述可再生能源的发电比例AR为：
Figure BDA0002559682160000021
式中，K为一个调度周期所划分的时段数，
Figure BDA0002559682160000022
为所述配电网在第k个时段的风力发电量，
Figure BDA0002559682160000023
为所述配电网在第k个时段的光伏发电量，
Figure BDA0002559682160000024
为所述配电网在第k个时段的可控分布式发电量；
所述网络损耗PLoss为：
Figure BDA0002559682160000025
式中，PLoss.k为所述配电网在第k个时段传输的网络损耗，EN为所述配电网中包括的所述储能系统的数量，SEs表示所述配电网中的所述储能系统在充放电状态之间的转换，取值为0或1，ΔPE.Lo.i为所述配电网中的第i个所述储能系统的状态转换损失，ξin.i为所述配电网中的第i个所述储能系统的充电效率，ξout.i为所述配电网中的第i个所述储能系统的放电效率，
Figure BDA0002559682160000026
为所述配电网中第i个所述储能系统在第k个时段内的储能能力；
所述用户满意度S为：
Figure BDA0002559682160000027
式中，μ1为所述柔性负载中的可转移负荷的影响因子，μ2为所述柔性负载中的可降低负荷的影响因子，N为所述柔性负载中的可转移负荷的类型数，M为所述柔性负载中的可降低负荷的类型数，Tdn为第n类所述可转移负荷的转换时间，T1an为第n类所述可转移负荷的总功耗时间，Tcm为第m类所述可降低负荷的减少负荷时间，T2am为第m类所述可降低负荷的总功耗时间。
所述步骤2中，所述多目标最优调度模型的目标函数为：
F＝min[f1(AR),f2(PLoss),f3(S)]
分别确定各个所述优化目标的综合权重，将所述目标函数转换为：
Figure BDA0002559682160000028
式中，λSy-1为可再生能源的发电比例AR的综合权重，λSy-2为网络损耗PLoss的综合权重，λSy-3为用户满意度S的综合权重，Pg为所述配电网在整个调度周期内的总发电量。
运用层次分析法和熵权法综合确定各个所述优化目标的综合权重，第j个所述优化目标的综合权重λSy-j为：
Figure BDA0002559682160000031
式中，λAHP-j为运用层次分析法确定的第j个所述优化目标的AHP权重，λEM-j为运用熵权法确定的第j个所述优化目标的熵权重，j＝1,2,3。
λSy-1+λSy-2+λSy-3＝1。
所述步骤3中确立的所述约束条件包括潮流方程约束、发电机输出约束、节点电压约束、可降低负荷的负荷减少约束、储能功率约束、充电状态约束和能量平衡约束。
所述潮流方程约束为：
∑PG(t)＝∑[Pl(t)-Plx(t)+Pd(t)+PESS(t)]
其中，PG(t)为所述配电网中发电机组的有功功率输出，Pl(t)为所述配电网的有功功率损耗，Plx(t)为所述可降低负荷的功率降低，Pd(t)为所述配电网的负载的功耗，PESS(t)为所述配电网中储能系统的充放电功率，充电时PESS(t)为正，放电时PESS(t)为负；
所述发电机输出约束为：
Figure BDA0002559682160000032
其中，PKF-R为所述配电网中第一台可控分布式发电机组需要满足上下限约束的第R次有功功率输出，
Figure BDA0002559682160000033
为所述配电网中第一台可控分布式发电机组的有功功率输出需要满足的下限，
Figure BDA0002559682160000034
为所述配电网中第一台可控分布式发电机组的有功功率输出需要满足的上限；
所述节点电压约束为：
Usmin≤Us≤Usmax
其中，Us为所述配电网中第s个节点的电压，Usmin为所述配电网中第s个节点的电压需要满足的下限，Usmax为所述配电网中第s个节点的电压需要满足的上限；
所述可降低负荷的负荷减少约束为：
Pcamin≤Pca
其中，Pca为所述可降低负荷的第a个有功功率输出，Pcamin为所述可降低负荷的第a个有功功率输出需要满足的下限；
所述储能功率约束为：
Figure BDA0002559682160000041
其中，PEss-b为所述配电网中的储能系统的第b次充放电功率，
Figure BDA0002559682160000042
为所述配电网中的储能系统的第b次充放电功率需要满足的下限，
Figure BDA0002559682160000043
为所述配电网中的储能系统的第b次充放电功率需要满足的上限；
所述充电状态约束为：
Soccmin≤Socc≤Soccmax
其中，Socc为所述配电网中第c个储能系统的充电状态；Soccmin为所述配电网中第c个储能系统的充电状态需要满足的下限，Soccmax为所述配电网中第c个储能系统的充电状态需要满足的上限；
所述能量平衡约束为：
EEss-n(0)＝EEss-n(N)
其中，EEss-n(0)为所述配电网中的储能系统的初始储能，EEss-n(N)为所述配电网中的储能系统在所述调度周期结束时存储的剩余能量。
所述调度周期设置为一天，并将所述调度周期划分为96个时段。
由于上述技术方案运用，本发明与现有技术相比具有下列优点：本发明能够合理协调分布式储能系统和负载，从而优化配电网运行，最大程度地提高可再生能源的利用率、最大程度地减少网络损失，最大程度地提高用户满意度。
附图说明
附图1为11个节点的配电网系统图。
附图2为优化前配电网中发电机组的输出和日负荷曲线。
附图3为风能和光伏发电输出的目标曲线。
附图4为优化后各发电单元的输出、储能功率和负荷曲线。
附图5为优化前后的网络损耗曲线。
具体实施方式
下面结合附图所示的实施例对本发明作进一步描述。
实施例一：一种多目标配电网优化方法，包括以下步骤：
步骤1：针对配电网中的储能系统和柔性负载设定调度优先级标准，确立提高可再生能源利用率、最小化网络损耗、提高用户满意度为优化目标。
该步骤中，配电网中的储能系统和柔性负载设定调度优先级标准包括：柔性负载的调度优先级高于储能系统的调度优先级、在低功耗期间柔性负载中的可转移负荷的调度优先级高于可降低负荷的调度优先级。具体如下：
(1)提高可再生能源利用率
风电场发电和光伏发电按最大功率原则设置。一定时期的发电水平取决于风力和太阳力。根据这一特点，通过调度储能和灵活的负荷，可以合理地改变负荷曲线，提高负荷曲线与可再生发电机组出力的紧密性，实现可再生能源的最大吸收。将风力发电量和光伏发电量作为离散控制变量，规定一天为一个完整的调度周期，并将其划分为96个时段。可再生能源利用率是以一个调度周期内可再生能源的发电比例来衡量的，二者之间存在正相关关系。
可再生能源的发电比例AR为：
Figure BDA0002559682160000051
式(1)中，K为一个调度周期所划分的时段数，
Figure BDA0002559682160000052
为配电网在第k个时段的风力发电量，
Figure BDA0002559682160000053
为配电网在第k个时段的光伏发电量，
Figure BDA0002559682160000054
为配电网在第k个时段的可控分布式发电量。由于一个调度周期划分为96个时段，故式(1)即为：
Figure BDA0002559682160000055
考虑到环境和能源，可再生分布式能源发电比可控分布式能源发电(如燃料电池)更经济。因此，对于可控分布式发电，有一个峰值负载周期和最低优先级设置。对于一定负荷，可再生能源发电比例越高，发电成本越低。
(2)最小化网络损耗
储能系统和灵活的负荷积极参与需求和电价的实时响应。考虑到状态转换过程中能量存储设备的能量损失和充放电效率，在整个调度周期中，灵活的负载调度优先级高于能量存储系统。在网络运行过程中，网络损耗PLoss为：
Figure BDA0002559682160000056
式(2)中，PLoss.k为配电网在第k个时段传输的网络损耗，EN为配电网中包括的储能系统的数量，SEs表示配电网中的储能系统在充放电状态之间的转换，取值为0或1，ΔPE.Lo.i为配电网中的第i个储能系统的状态转换损失，通常，它可以是标称值的0.5％，ξin.i为配电网中的第i个储能系统的充电效率，ξout.i为配电网中的第i个储能系统的放电效率，对于每个时间段，ξin.i、ξout.i中至少有一个为零，PEs.tk.i为配电网中第i个储能系统在第k个时段内的储能能力。
(3)提高用户满意度
随着越来越多的负荷积极参与电网优化，用户的用电习惯会随着电网运行状态的变化而改变，用户满意度可以定义为电气设备达到正常工作状态的时间百分比和总耗电时间。柔性荷载分为可转换负荷和可降低负荷。可转换负荷是指负荷的供电时间可以按计划改变，主要包括洗衣机、热水器、消毒柜等；可降低负荷是指用户负荷中心在电网高峰时段或紧急情况下可降低的部分负荷。考虑到这两种负荷对用户满意度的影响，用户满意度S为：
Figure BDA0002559682160000061
式(3)中，μ1为柔性负载中的可转移负荷的影响因子，μ2为柔性负载中的可降低负荷的影响因子，N为柔性负载中的可转移负荷的类型数，M为柔性负载中的可降低负荷的类型数，Tdn为第n类可转移负荷的转换时间，T1an为第n类可转移负荷的总功耗时间，Tcm为第m类可降低负荷的减少负荷时间，T2am为第m类可降低负荷的总功耗时间。
上式表明，S越大，用户满意度越高。考虑到这两种情况对用户满意度的不同影响，在低功耗期间，可转移负荷调度的优先级应该高于可降低负荷调度的优先级。
步骤2：依据配电网中的储能系统和柔性负载的调度优先级标准以及优化目标，建立多目标最优调度模型的目标函数，从而确定了以电网利益为主导的一组电力重组组合。
该步骤中，考虑了可再生能源利用、网络损耗和用户满意度而建立的多目标最优调度模型的目标函数为：
F＝min[f1(AR),f2(PLoss),f3(S)] (4)
层次分析法(AHP)是一种基于经验的主观赋权方法，常用熵权法确定指标的客观权重。该步骤中，运用层次分析法和熵权法综合主客观，提出了综合权重的确定方法。
运用层次分析法和熵权法综合确定各个优化目标的综合权重，则第j个优化目标的综合权重λSy-j为：
Figure BDA0002559682160000062
式(5)中，λAHP-j为运用层次分析法确定的第j个优化目标的AHP权重，λEM-j为运用熵权法确定的第j个优化目标的熵权重，j＝1,2,3，分别对应提高可再生能源利用率、最小化网络损耗、提高用户满意度这三个优化目标。
根据上述方法，可以确定每个子目标的权重，并且可以统一每个子目标函数的维数。则将目标函数转换为：
Figure BDA0002559682160000071
式(6)中，λSy-1为可再生能源的发电比例AR的综合权重，λSy-2为网络损耗PLoss的综合权重，λSy-3为用户满意度S的综合权重，满足λSy-1+λSy-2+λSy-3＝1，Pg为配电网在整个调度周期内的总发电量。利用构造式(6)的综合目标函数，可以避免大量的Pareto非劣解集，保证维数的一致性。
步骤3：确立目标函数的约束条件。除了考虑传统的节点电压约束和潮流方程约束外，还需要考虑储能装置的荷电状态限制和柔性负载的功率限制。
该步骤中所确立的约束条件包括潮流方程约束、发电机输出约束、节点电压约束、可降低负荷的负荷减少约束、储能功率约束、充电状态约束和能量平衡约束。
(1)潮流方程与发电机输出约束
潮流方程约束为：
∑PG(t)＝∑[Pl(t)-Plx(t)+Pd(t)+PESS(t)] (7)
式(7)中，PG(t)为配电网中发电机组的有功功率输出，Pl(t)为配电网的有功功率损耗，Plx(t)为可降低负荷的功率降低，Pd(t)为配电网的负载的功耗，PESS(t)为配电网中储能系统的充放电功率，充电时PESS(t)为正，放电时PESS(t)为负。
发电机输出约束为：
Figure BDA0002559682160000072
式(8)中，PKF-R为配电网中第一台可控分布式发电机组需要满足上下限约束的第R次有功功率输出，
Figure BDA0002559682160000073
为配电网中第一台可控分布式发电机组的有功功率输出需要满足的下限，
Figure BDA0002559682160000074
为配电网中第一台可控分布式发电机组的有功功率输出需要满足的上限。
(2)节点电压约束
节点电压约束为：
Usmin≤Us≤Usmax (9)
式(9)中，Us为配电网中第s个节点的电压，Usmin为配电网中第s个节点的电压需要满足的下限，Usmax为配电网中第s个节点的电压需要满足的上限。
(3)可降低负荷的负荷减少约束
可降低负荷的负荷减少约束为：
Pcamin≤Pca (10)
式(10)中，Pca为可降低负荷的第a个有功功率输出，Pcamin为可降低负荷的第a个有功功率输出需要满足的下限。
(4)储能功率约束，充电状态约束和能量平衡
储能功率约束为：
Figure BDA0002559682160000081
式(11)中，PEss-b为配电网中的储能系统的第b次充放电功率，
Figure BDA0002559682160000082
为配电网中的储能系统的第b次充放电功率需要满足的下限，
Figure BDA0002559682160000083
为配电网中的储能系统的第b次充放电功率需要满足的上限。
充电状态约束为：
Soccmin≤Socc≤Soccmax (12)
式(12)中，Socc为配电网中第c个储能系统的充电状态；Soccmin为配电网中第c个储能系统的充电状态需要满足的下限，Soccmax为配电网中第c个储能系统的充电状态需要满足的上限。
能量平衡约束为：
EEss-n(0)＝EEss-n(N) (13)
式(13)中，EEss-n(0)为所述配电网中的储能系统的初始储能，EEss-n(N)为所述配电网中的储能系统在所述调度周期结束时存储的剩余能量。在整个调度周期中，应确保储能装置的节能。
步骤4：求解约束条件下的目标函数，从而获得配电网的优化方案。
在该模型中，决策变量不仅包括连续变量，如可控分布式发电单元输出PKF，储能装置PEss的充放电功率和减载功率PL，还包括离散控制变量，例如可转换负载消耗时间Tl，可再生分布式发电PWG，PPV等。优化数学模型本质上是一个混合整数非线性约束规划问题。为了解决离散变量计算的问题，引入系数矩阵构造决策变量，该决策变量等效于离散变量模型。也就是说，最优调度的决策向量表示为[PKF,PEss,PL,λ[Tl,PWG,PPV]]，λ是系数矩阵。构造上面已经形成的功能来解决约束问题。
为了验证所提策略的有效性，以附图1所示的11节点配电网为例，研究主动配电网的最优调度策略，配电网络是一个10kV电压电平配电网络，它包含两个电池，最大功率为0.4MW，容量为800kW·h，初始充电状态为50％。包括一个风电场，输出限制为1MW。光伏电站的最大输出功率为0.5MW。网络中的阻抗参数和负载位置如图1所示。L1-L5是负载的位置。每种负荷包括固定负荷、可移动负荷和可减小负荷。利用提出的层次分析法-熵商权法，确定了以电网利益为主导的一组电力重组组合，其中：λSy-1＝0.43，λSy-2＝0.38，λSy-3＝0.19。
根据所提出的优化模型，当电网调度中不涉及储能和柔性负荷时，优化前配电网的运行状况如图2所示。期间，可以减少总负载的20％，并且可以转移总负载的10％。根据一天中测得的风速和光强度数据，拟合出风能和光伏太阳能输出的目标曲线，运行状况如图3所示。通过比较优化前后的风电，光伏有效输出和太阳能输出目标曲线的匹配程度，可以反映优化前后可再生能源利用率的变化。
优化后的整个调度周期内各发电单元的发电曲线，储能单元功率和优化的日负荷曲线如图4所示。可以看出，在储能和柔性负荷的配合下，可再生能源输出曲线与目标输出曲线的重合度明显提高，改善后的日负荷曲线的陡度减小，发电机的发电曲线可再生能源发电单位与可再生能源发电单位关系更紧密。
通过计算优化前后的可再生能源发电比例和目标函数的相关指标值，可以得出结论，优化后的可再生能源发电比例提高了39.86％，利用率提高了38.67％，间接提高了经济效益。在此模型中，储能系统容量与日负载和可再生能源发电的比率分别为1：14.2和1:13。如果双储能系统同时运行，则可控分布式发电单元的输出在0-20H期间为0。当只有一个储能系统参与调度时，风能吸收时间段减少9个，光伏吸收时间段减少了4，可控分布式发电单元为0。发电单元的发电时间增加了10倍。显然，储能系统的容量与吸收间歇能量的容量呈正相关。
损耗比较曲线如图5所示。显然，在大多数优化期间内，网络损耗较低。可以看出，设置优先级后，网络损耗减少了278.6kW。负载转换的调度活动显着增加，用户满意度提高了33.34％。
本发明公开了一种分布式储能系统与柔性负载协调控制的多目标配电网优化策略，考虑了储能系统与柔性负载之间的时空关系以及网络潮流的影响，建立了主动配电网的最优运行模型，其目标是最大程度地提高可再生能源的利用率，最大程度地减少网络损失和最大程度地提高用户满意度。通过协调可控的分布式发电机组，储能系统和灵活的柔性负荷，不但可以提高网络吸收间歇性能源的能力，还可以影响网络损耗和用户的用电习惯。通过实例分析，可以有效地验证提出的方法。仿真结果表明，储能与柔性负荷的协同优化将提高可再生分布式发电的利用率。所提出的调度优先级有效地减少了网络的有功功率损耗，提高了用户满意度，从而验证了优化方案的合理性。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种多目标配电网优化方法，其特征在于：所述多目标配电网优化方法包括以下步骤：
步骤1：针对配电网中的储能系统和柔性负载设定调度优先级标准，确立提高可再生能源利用率、最小化网络损耗、提高用户满意度为优化目标；
步骤2：依据所述配电网中的储能系统和柔性负载的调度优先级标准以及所述优化目标，建立多目标最优调度模型的目标函数；
步骤3：确立所述目标函数的约束条件；
步骤4：求解所述约束条件下的所述目标函数，从而获得所述配电网的优化方案。
2.根据权利要求1所述的多目标配电网优化方法，其特征在于：所述步骤1中，所述配电网中的储能系统和柔性负载设定调度优先级标准包括：所述柔性负载的调度优先级高于所述储能系统的调度优先级、在低功耗期间所述柔性负载中的可转移负荷的调度优先级高于可降低负荷的调度优先级。
3.根据权利要求2所述的多目标配电网优化方法，其特征在于：所述步骤1中，以可再生能源的发电比例表征所述可再生能源的利用率，所述可再生能源的发电比例AR为：
Figure FDA0002559682150000011
式中，K为一个调度周期所划分的时段数，
Figure FDA0002559682150000012
为所述配电网在第k个时段的风力发电量，
Figure FDA0002559682150000013
为所述配电网在第k个时段的光伏发电量，
Figure FDA0002559682150000014
为所述配电网在第k个时段的可控分布式发电量；
所述网络损耗PLoss为：
Figure FDA0002559682150000015
式中，PLoss.k为所述配电网在第k个时段传输的网络损耗，EN为所述配电网中包括的所述储能系统的数量，SEs表示所述配电网中的所述储能系统在充放电状态之间的转换，取值为0或1，ΔPE.Lo.i为所述配电网中的第i个所述储能系统的状态转换损失，ξin.i为所述配电网中的第i个所述储能系统的充电效率，ξout.i为所述配电网中的第i个所述储能系统的放电效率，
Figure FDA0002559682150000016
为所述配电网中第i个所述储能系统在第k个时段内的储能能力；
所述用户满意度S为：
Figure FDA0002559682150000017
式中，μ1为所述柔性负载中的可转移负荷的影响因子，μ2为所述柔性负载中的可降低负荷的影响因子，N为所述柔性负载中的可转移负荷的类型数，M为所述柔性负载中的可降低负荷的类型数，Tdn为第n类所述可转移负荷的转换时间，T1an为第n类所述可转移负荷的总功耗时间，Tcm为第m类所述可降低负荷的减少负荷时间，T2am为第m类所述可降低负荷的总功耗时间。
4.根据权利要求3所述的多目标配电网优化方法，其特征在于：所述步骤2中，所述多目标最优调度模型的目标函数为：
F＝min[f1(AR),f2(PLoss),f3(S)]
分别确定各个所述优化目标的综合权重，将所述目标函数转换为：
Figure FDA0002559682150000021
式中，λSy-1为可再生能源的发电比例AR的综合权重，λSy-2为网络损耗PLoss的综合权重，λSy-3为用户满意度S的综合权重，Pg为所述配电网在整个调度周期内的总发电量。
5.根据权利要求4所述的多目标配电网优化方法，其特征在于：运用层次分析法和熵权法综合确定各个所述优化目标的综合权重，第j个所述优化目标的综合权重λSy-j为：
Figure FDA0002559682150000022
式中，λAHP-j为运用层次分析法确定的第j个所述优化目标的AHP权重，λEM-j为运用熵权法确定的第j个所述优化目标的熵权重，j＝1,2,3。
6.根据权利要求5所述的多目标配电网优化方法，其特征在于：λSy-1+λSy-2+λSy-3＝1。
7.根据权利要求5所述的多目标配电网优化方法，其特征在于：所述步骤3中确立的所述约束条件包括潮流方程约束、发电机输出约束、节点电压约束、可降低负荷的负荷减少约束、储能功率约束、充电状态约束和能量平衡约束。
8.根据权利要求7所述的多目标配电网优化方法，其特征在于：所述潮流方程约束为：
∑PG(t)＝∑[Pl(t)-Plx(t)+Pd(t)+PESS(t)]
其中，PG(t)为所述配电网中发电机组的有功功率输出，Pl(t)为所述配电网的有功功率损耗，Plx(t)为所述可降低负荷的功率降低，Pd(t)为所述配电网的负载的功耗，PESS(t)为所述配电网中储能系统的充放电功率，充电时PESS(t)为正，放电时PESS(t)为负；
所述发电机输出约束为：
Figure FDA0002559682150000031
其中，PKF-R为所述配电网中第一台可控分布式发电机组需要满足上下限约束的第R次有功功率输出，
Figure FDA0002559682150000032
为所述配电网中第一台可控分布式发电机组的有功功率输出需要满足的下限，
Figure FDA0002559682150000033
为所述配电网中第一台可控分布式发电机组的有功功率输出需要满足的上限；
所述节点电压约束为：
Usmin≤Us≤Usmax
其中，Us为所述配电网中第s个节点的电压，Usmin为所述配电网中第s个节点的电压需要满足的下限，Usmax为所述配电网中第s个节点的电压需要满足的上限；
所述可降低负荷的负荷减少约束为：
Pcamin≤Pca
其中，Pca为所述可降低负荷的第a个有功功率输出，Pcamin为所述可降低负荷的第a个有功功率输出需要满足的下限；
所述储能功率约束为：
Figure FDA0002559682150000034
其中，PEss-b为所述配电网中的储能系统的第b次充放电功率，
Figure FDA0002559682150000035
为所述配电网中的储能系统的第b次充放电功率需要满足的下限，
Figure FDA0002559682150000036
为所述配电网中的储能系统的第b次充放电功率需要满足的上限；
所述充电状态约束为：
Soccmin≤Socc≤Soccmax
其中，Socc为所述配电网中第c个储能系统的充电状态；Soccmin为所述配电网中第c个储能系统的充电状态需要满足的下限，Soccmax为所述配电网中第c个储能系统的充电状态需要满足的上限；
所述能量平衡约束为：
EEss-n(0)＝EEss-n(N)
其中，EEss-n(0)为所述配电网中的储能系统的初始储能，EEss-n(N)为所述配电网中的储能系统在所述调度周期结束时存储的剩余能量。
9.根据权利要求3所述的多目标配电网优化方法，其特征在于：所述调度周期设置为一天，并将所述调度周期划分为96个时段。
CN202010602825.6A 2020-06-29 2020-06-29 多目标配电网优化方法 Withdrawn CN111884263A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010602825.6A CN111884263A (zh) 2020-06-29 2020-06-29 多目标配电网优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010602825.6A CN111884263A (zh) 2020-06-29 2020-06-29 多目标配电网优化方法

Publications (1)

Publication Number Publication Date
CN111884263A true CN111884263A (zh) 2020-11-03

Family

ID=73157153

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010602825.6A Withdrawn CN111884263A (zh) 2020-06-29 2020-06-29 多目标配电网优化方法

Country Status (1)

Country Link
CN (1) CN111884263A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112467725A (zh) * 2020-11-16 2021-03-09 国网江苏省电力有限公司苏州市吴江区供电分公司 一种配电网数据融合与诊断分析方法及其检测系统
CN112803567A (zh) * 2021-01-29 2021-05-14 西安交通大学 基于智能楼宇光储供电设备的参数优化设计方法及系统
CN112966857A (zh) * 2021-02-10 2021-06-15 合肥工业大学 数据中心多能协同优化方法和系统
CN114039349A (zh) * 2021-11-16 2022-02-11 国网湖南省电力有限公司 针对微电网的多目标联合优化调度方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112467725A (zh) * 2020-11-16 2021-03-09 国网江苏省电力有限公司苏州市吴江区供电分公司 一种配电网数据融合与诊断分析方法及其检测系统
CN112467725B (zh) * 2020-11-16 2023-02-14 国网江苏省电力有限公司苏州市吴江区供电分公司 一种配电网数据融合与诊断分析方法及其检测系统
CN112803567A (zh) * 2021-01-29 2021-05-14 西安交通大学 基于智能楼宇光储供电设备的参数优化设计方法及系统
CN112966857A (zh) * 2021-02-10 2021-06-15 合肥工业大学 数据中心多能协同优化方法和系统
CN112966857B (zh) * 2021-02-10 2022-09-30 合肥工业大学 数据中心多能协同优化方法和系统
CN114039349A (zh) * 2021-11-16 2022-02-11 国网湖南省电力有限公司 针对微电网的多目标联合优化调度方法

Similar Documents

Publication Publication Date Title
CN111884263A (zh) 多目标配电网优化方法
CN106058855A (zh) 协调储能与柔性负荷的主动配电网多目标优化调度方法
CN107947231A (zh) 一种面向配电网优化运行的混合储能系统控制方法
CN112734098B (zh) 一种基于源-荷-网平衡的配电网电力调度方法及系统
CN104361403A (zh) 一种分布式电源与微电网的优化分组配置方法
CN112311017A (zh) 一种虚拟电厂与主网最优协同调度方法
CN116805803A (zh) 基于自适应mpc的风光储离网制氢系统能量调度方法
CN115545290A (zh) 一种含光伏发电配电网中的分布式储能经济优化配置方法
CN115882460A (zh) 一种考虑需求侧管理的两阶段新能源微电网优化调度方法
CN105426985B (zh) 一种适应于屋顶光伏接入的城市配电网电压分布优化方法
Zhou et al. Economic dispatch of energy storage system in micro-grid
CN117674211A (zh) 一种集中式共享储能容量的规划方法、系统及电子设备
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN115459348B (zh) 一种考虑峰谷电价的微电网最优资源调控方法
CN114759616B (zh) 一种考虑电力电子器件特性的微电网鲁棒优化调度方法
CN116805192A (zh) 考虑最优弃能率的综合能源系统双层规划优化方法及应用
CN110322092B (zh) 一种源网荷多层博弈经济调度方法
CN113794241B (zh) 低压智能电网用户侧源储荷的优化调度方法及装置
CN115392565A (zh) 一种多能园区低碳运行优化方法及装置
Li et al. Energy Optimization Management Strategy for DC Nano-Grid Cluster With High Comprehensive Energy Efficiency
CN113794244B (zh) 含多微网主动配电系统的定价与最优能量调度方法和系统
Juntao et al. Multi-objective Optimal Strategy for the Coordination Control between Distributed Energy Storage System and Flexible Load
Feng et al. Flexible Coordinated Optimal Operation Model of" source-grid-load-storage" in Smart Distribution Network
Li et al. Study on Capacity Ratio Optimization of Multi-Energy Power System
CN107846044A (zh) 一种提升电网调节充裕性的多源协调调度方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20201103

WW01 Invention patent application withdrawn after publication