CN111914491B - 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法 - Google Patents

研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法 Download PDF

Info

Publication number
CN111914491B
CN111914491B CN202010901944.1A CN202010901944A CN111914491B CN 111914491 B CN111914491 B CN 111914491B CN 202010901944 A CN202010901944 A CN 202010901944A CN 111914491 B CN111914491 B CN 111914491B
Authority
CN
China
Prior art keywords
load
energy storage
power
storage device
node
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.)
Active
Application number
CN202010901944.1A
Other languages
English (en)
Other versions
CN111914491A (zh
Inventor
汤向华
李秋实
江洪成
江辉
徐晓轶
王生强
王栋
胡新雨
刘辉
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.)
Nantong Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Nantong 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 Nantong Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Nantong Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority to CN202010901944.1A priority Critical patent/CN111914491B/zh
Publication of CN111914491A publication Critical patent/CN111914491A/zh
Application granted granted Critical
Publication of CN111914491B publication Critical patent/CN111914491B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Operations Research (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)

Abstract

本发明公开了一种研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法，以最小化主动配电网运行成本为目标函数之一，通过制定合理的调度策略来提高电网公司的经济效益，实现主动配电网的经济运行。此外，负荷曲线波动较大会产生电压不稳定、供电可靠性降低等影响。因此，以最小化负荷曲线方差作为第2个目标函数，通过对储能装置和需求侧响应进行合理调度来实现负荷曲线的削峰填谷。

Description

研究主动配电网与分布式电源、储能及多样性负荷的交互作 用机理的方法
本申请是申请号：201911148487.7、申请日：2019.11.21、名称“研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法”的分案申请。
技术领域
本发明涉及一种研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法。
背景技术
主动配电网多源协同交互作用的目的是统筹协调主动配电网的“源-网-荷-储”，因此需要对主动配电网与分布式电源、储能及多样性负荷的交互作用机理进行研究分析。
发明内容
本发明的目的在于提供一种效果好的研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法。
本发明的技术解决方案是：
一种研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法，其特征是：包括：
以最小化主动配电网运行成本为目标函数之一，以最小化负荷曲线方差作为第2个目标函数，通过对储能装置和需求侧响应进行合理调度来实现负荷曲线的削峰填谷；
第一个目标函数为主动配电网总运行成本最小。主动配电网的运行成本包括向上级电网购电的成本、储能装置运行成本、需求侧响应补偿成本和网络损耗成本；目标函数1的表达式如式(3-56)所示：
Figure BDA0002660061930000021
式中，CIL,i(t)为第t个调度时刻在节点i处并网的可中断负荷的需求侧响应补偿成本；CESS,j(t)为第t个调度时刻在节点j处并网的储能装置的运行成本；Cgrid(t)为第t个调度时刻向上级电网购电/售电的成本；规定购电时Cgrid(t)为正；Closs(t)为第t个调度时刻主动配电网的网络损耗成本；NIL为可中断负荷的并网节点数量；NESS为并网的储能装置数量；T为调度时刻数量；
第二个目标函数为主动配电网总负荷曲线方差最小；负荷曲线方差能够反映负荷曲线的波动程度，目标函数2如式(3-57)所示：
Figure BDA0002660061930000022
式中，PL(t)为第t个调度时刻主动配电网的总负荷功率；
优化调度模型约束条件如下：
(1)可中断负荷的切负荷功率约束，如式(3-58)所示：
PILmin,i≤PIL,i(t)≤PILmax,i (3-58)
PILmin,i和PILmax,i分别为在节点i处并网的可中断负荷的切负荷功率最小值和最大值；
(2)储能装置充/放电功率约束，如式(3-59)所示：
PESSmin,j≤PESS,j(t)≤PESSmax,j (3-59)
式中，PESSmin,j和PESSmax,j分别为在节点j处并网的储能装置所能提供的有功功率上、下限；
(3)储能装置VSOC约束，如式(3-60)、式(3-61)所示：
VSOCmin,j≤VSOC,j(t)≤VSOCmax,j (3-60)
VSOC,j(ti)＝VSOC,j(tf) (3-61)
式中，VSOCmin,j和VSOCmax,j分别为在节点j处并网的储能装置剩余容量下限和上限；VSOC,j(t)为第t个调度时刻在节点j处并网的储能装置剩余容量；ti和tf分别为调度周期开始时刻和调度周期结束时刻；
(4)节点电压约束，如式(3-62)所示：
Umin,k<Uk(t)<Umax,k (3-62)
式中，Uk(t)为第t个调度时刻节点k处的电压值；Umin,k和Umax,k分别为节点k处允许的电压最小值与最大值；
(5)功率平衡约束，如式(3-63)所示：
Figure BDA0002660061930000031
(6)潮流方程约束，如式(3-64)所示：
Figure BDA0002660061930000032
式中，Pi(t)和Qi(t)分别为第t个调度时刻节点i注入的有功功率与无功功率；Ui(t)和Uj(t)分别为第t个调度时刻节点i与节点j的电压幅值；Gij和Bij分别为主动配电网支路ij的电导与电纳；δij(t)为节点i与节点j在第t个调度时刻的电压相角差；
(7)平衡节点约束，本项目取平衡节点为主动配电网与上级电网交易的变电站；主动配电网运行时，上级电网会根据日前负荷预测信息来制定生产计划，同时保证一定的旋转备用，因此需要考虑平衡节点功率约束；平衡节点约束如如式(3-65)所示：
Pmin,S≤PS(t)≤Pmax,S (3-65)
式中，Pmin,S和Pmax,S分别为平衡节点S的有功功率上下限；PS(t)为第t个调度时刻主动配电网与上级电网购/售电的交易功率；
(8)支路功率约束，如式(3-66)所示：
Pl(t)≤Pmax,l (3-66)
式中，Pl(t)为第t个调度时刻第l条支路通过的功率；Pmax,l为第l条支路允许的功率最大值。
选择经改进的IEEE33节点配电系统作为算例进行分析，改进方案如下：
节点12设置一个蓄电池储能装置PQ节点，取Emax＝1200kWh，PESSmin,j＝300kW，PESSmax,j＝300kW，VSOCmin,j＝0.1，VSOCmax,j＝0.9，VSOC,j(ti)＝VSOC,j(tf)＝0.5，ηd＝0.98，ηc＝0.97，γ＝0.01；节点14设置同一地区两个风电分布式电源PQ节点；节点6的负荷设置为可中断负荷，取PILmin,i＝0，PILmax,i＝100kW；节点1设置为平衡节点，取Pmin,S＝-200kW，Pmax,S＝200kW；选取该系统的基准容量为10MVA，基准电压为12.66KV，取Umin,k＝0.95p.u.，Umax,k＝1.2p.u.；整个网络的总负荷为3.715+2.3MVA；对于成本系数，取可中断负荷补偿成本a＝1.8元/kWh，储能装置充放电成本b＝0.1元/kWh，购/售电电价设置为峰谷电价，即8:00～22:00，c1(t)＝1.0元/kWh，c2(t)＝0.5元/kWh；0:00～8:00和22:00～24:00，c1(t)＝0.4元/kWh，c2(t)＝0.2元/kWh；对于NSGA-Ⅱ算法，取初始种群数Npopulation＝100，迭代次数Niteration＝10000，交叉系数Ncross＝20，变异系数Nmutant＝20，交叉概率Pcorss＝0.7，变异概率Pmutant＝0.3。
本发明效果好；能够有效提高主动配电网的运行经济性和可靠性，实现综合效益最大化，从而实现主动配电网的优化运行。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是经改进的IEEE33节点配电系统示意图。
具体实施方式
一种研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法，包括：
以最小化主动配电网运行成本为目标函数之一，以最小化负荷曲线方差作为第2个目标函数，通过对储能装置和需求侧响应进行合理调度来实现负荷曲线的削峰填谷；
第一个目标函数为主动配电网总运行成本最小。主动配电网的运行成本包括向上级电网购电的成本、储能装置运行成本、需求侧响应补偿成本和网络损耗成本；目标函数1的表达式如式(3-56)所示：
Figure BDA0002660061930000051
式中，CIL,i(t)为第t个调度时刻在节点i处并网的可中断负荷的需求侧响应补偿成本；CESS,j(t)为第t个调度时刻在节点j处并网的储能装置的运行成本；Cgrid(t)为第t个调度时刻向上级电网购电/售电的成本；规定购电时Cgrid(t)为正；Closs(t)为第t个调度时刻主动配电网的网络损耗成本；NIL为可中断负荷的并网节点数量；NESS为并网的储能装置数量；T为调度时刻数量；
第二个目标函数为主动配电网总负荷曲线方差最小；负荷曲线方差能够反映负荷曲线的波动程度，目标函数2如式(3-57)所示：
Figure BDA0002660061930000061
式中，PL(t)为第t个调度时刻主动配电网的总负荷功率；
优化调度模型约束条件如下：
(1)可中断负荷的切负荷功率约束，如式(3-58)所示：
PILmin,i≤PIL,i(t)≤PILmax,i (3-58)
PILmin,i和PILmax,i分别为在节点i处并网的可中断负荷的切负荷功率最小值和最大值；
(2)储能装置充/放电功率约束，如式(3-59)所示：
PESSmin,j≤PESS,j(t)≤PESSmax,j (3-59)
式中，PESSmin,j和PESSmax,j分别为在节点j处并网的储能装置所能提供的有功功率上、下限；
(3)储能装置VSOC约束，如式(3-60)、式(3-61)所示：
VSOCmin,j≤VSOC,j(t)≤VSOCmax,j (3-60)
VSOC,j(ti)＝VSOC,j(tf) (3-61)
式中，VSOCmin,j和VSOCmax,j分别为在节点j处并网的储能装置剩余容量下限和上限；VSOC,j(t)为第t个调度时刻在节点j处并网的储能装置剩余容量；ti和tf分别为调度周期开始时刻和调度周期结束时刻；
(4)节点电压约束，如式(3-62)所示：
Umin,k<Uk(t)<Umax,k (3-62)
式中，Uk(t)为第t个调度时刻节点k处的电压值；Umin,k和Umax,k分别为节点k处允许的电压最小值与最大值；
(5)功率平衡约束，如式(3-63)所示：
Figure BDA0002660061930000071
(6)潮流方程约束，如式(3-64)所示：
Figure BDA0002660061930000072
式中，Pi(t)和Qi(t)分别为第t个调度时刻节点i注入的有功功率与无功功率；Ui(t)和Uj(t)分别为第t个调度时刻节点i与节点j的电压幅值；Gij和Bij分别为主动配电网支路ij的电导与电纳；δij(t)为节点i与节点j在第t个调度时刻的电压相角差；
(7)平衡节点约束，本项目取平衡节点为主动配电网与上级电网交易的变电站；主动配电网运行时，上级电网会根据日前负荷预测信息来制定生产计划，同时保证一定的旋转备用，因此需要考虑平衡节点功率约束；平衡节点约束如如式(3-65)所示：
Pmin,S≤PS(t)≤Pmax,S (3-65)
式中，Pmin,S和Pmax,S分别为平衡节点S的有功功率上下限；PS(t)为第t个调度时刻主动配电网与上级电网购/售电的交易功率；
(8)支路功率约束，如式(3-66)所示：
Pl(t)≤Pmax,l (3-66)
式中，Pl(t)为第t个调度时刻第l条支路通过的功率；Pmax,l为第l条支路允许的功率最大值。
为了验证所建的主动配电网多目标多源交互优化运行策略模型的合理性及有效性，选择经改进的IEEE33节点配电系统作为算例进行分析，改进方案如下：
节点12设置一个蓄电池储能装置PQ节点，取Emax＝1200kWh，PESSmin,j＝300kW，PESSmax,j＝300kW，VSOCmin,j＝0.1，VSOCmax,j＝0.9，VSOC,j(ti)＝VSOC,j(tf)＝0.5，ηd＝0.98，ηc＝0.97，γ＝0.01；节点14设置同一地区两个风电分布式电源PQ节点；节点6的负荷设置为可中断负荷，取PILmin,i＝0，PILmax,i＝100kW；节点1设置为平衡节点，取Pmin,S＝-200kW，Pmax,S＝200kW；选取该系统的基准容量为10MVA，基准电压为12.66KV，取Umin,k＝0.95p.u.，Umax,k＝1.2p.u.；整个网络的总负荷为3.715+2.3MVA；对于成本系数，取可中断负荷补偿成本a＝1.8元/kWh，储能装置充放电成本b＝0.1元/kWh，购/售电电价设置为峰谷电价，即8:00～22:00，c1(t)＝1.0元/kWh，c2(t)＝0.5元/kWh；0:00～8:00和22:00～24:00，c1(t)＝0.4元/kWh，c2(t)＝0.2元/kWh；对于NSGA-Ⅱ算法，取初始种群数Npopulation＝100，迭代次数Niteration＝10000，交叉系数Ncross＝20，变异系数Nmutant＝20，交叉概率Pcorss＝0.7，变异概率Pmutant＝0.3。
本算例设置了峰谷电价，在0:00～8:00为负荷低谷时期，电价较低，8:00～22:00为负荷高峰期，电价较高。下面进行分析：
(1)对目标函数之间的关系进行分析：总运行成本和总负荷曲线方差存在矛盾，即不存在一个最优解使得2个目标函数值同时达到最小。分析总运行成本和总负荷曲线方差总体上呈负相关性的原因为：降低负荷曲线方差需要依靠可中断负荷和储能装置的削峰填谷作用，但是可中断负荷补偿成本比峰电价还要高，若过多地使用需求侧响应，则运行成本会增加，不利于主动配电网的经济运行。
(2)对储能装置出力的调度策略进行分析：要使总运行成本最小，应当根据峰谷电价来调度储能装置出力，即在峰电价时段利用储能装置放电来减少向上级电网购电，在谷电价时段对储能装置充电，为应对负荷高峰期做准备。要使总负荷曲线方差最小，就要对总负荷曲线进行针对性的调度，通过储能装置出力调度方案能够最大化储能装置的削峰填谷作用，从而降低负荷曲线方差。
(3)对可中断负荷切负荷量的调度策略进行分析：由于可中断负荷的补偿成本比峰电价还高，因此要使总运行成本最小，就要尽量减少可中断负荷的调度。要使总负荷曲线方差最小，就要最大化可中断负荷的削峰填谷作用，从而降低负荷曲线方差。
(4)对与上级电网交易功率的调度策略进行分析：与上级电网的交易功率由当前调度时刻的主动配电网负荷、风电出力、储能装置和需求侧响应等多方面因素共同决定。要使总运行成本最小，应在峰电价时段减少从上级电网购电功率、增加售电功率，在谷电价时段则相反。要使总负荷曲线方差最小，就要根据储能装置和可中断负荷的调度策略来决定与上级电网的交易功率。
(5)对储能装置的作用进行分析：为便于分析，本项目求出不考虑储能装置的Pareto解集，并与考虑储能装置的Pareto解集进行比较。考虑储能装置出力的总运行成本和总负荷曲线方差均比不考虑储能装置出力要小，这是因为储能装置运行费用比向上级电网交易功率费用要低，即可以在谷电价时对储能装置充电，在峰电价时由储能装置放电，以此降低总运行成本；此外，由于谷电价往往对应负荷低谷，峰电价往往对应负荷高峰，储能装置在负荷低谷时充电、负荷高峰时放电能够对负荷曲线削峰填谷，从而降低总负荷曲线方差。
(6)对可中断负荷的作用进行分析：为便于分析，本项目求出不考虑可中断负荷的Pareto解集，并与考虑可中断负荷的Pareto解集进行比较；考虑可中断负荷的总运行成本比不考虑可中断负荷高、总负荷曲线方差比不考虑可中断负荷低。考虑可中断负荷的总运行成本高是因为可中断负荷的切负荷补偿成本比峰电价还高，因此若使用可中断负荷进行需求侧响应，总运行成本就会提高。而考虑可中断负荷的总负荷曲线方差低是因为可以通过在负荷高峰时对可中断负荷进行需求侧响应，降低负荷曲线峰值，从而降低总负荷曲线方差。
根据上述分析，不存在一个解能够使2个目标函数值同时达到最小。因此，本项目首先求取了各目标函数的熵权系数，并根据所求的熵权系数来求得各个优化运行策略的综合指标，选取综合指标最大的作为最优解。
策略对储能装置、可中断负荷以及与上级电网交易功率进行合理调度，避免了决策者偏好的主观性，能够较好地代表所求得的Pareto解集来作为主动配电网的优化调度策略，可以实现主动配电网运行的综合效益最大化，从而实现主动配电网的优化运行。
上述算例分析结果表明：1)根据实时电价的不同，合理地调度储能装置的充放电状态能够减小主动配电网的运行成本；2)针对间歇性分布式电源的出力不可控性，储能装置和需求侧响应能够对负荷曲线起到削峰填谷的作用；3)总运行成本和总负荷曲线方差存在矛盾，无法同时达到最小，因此需要选取最优解来代表所求的Pareto解集。为了避免决策者偏好的主观性，可通过熵权法对各目标函数进行客观赋权，根据各目标函数的综合指标选出最优解，从而得到主动配电网的优化运行策略，本项目所提的主动配电网优化运行策略能够客观地权衡2个目标函数的比重，能够有效提高主动配电网的运行经济性和可靠性，实现综合效益最大化，从而实现主动配电网的优化运行。

Claims (1)

1.一种研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法，其特征是：包括：
以最小化主动配电网运行成本为目标函数之一，以最小化负荷曲线方差作为第2个目标函数，通过对储能装置和需求侧响应进行合理调度来实现负荷曲线的削峰填谷；
第一个目标函数为主动配电网总运行成本最小；主动配电网的运行成本包括向上级电网购电的成本、储能装置运行成本、需求侧响应补偿成本和网络损耗成本；目标函数1的表达式如式(3-56)所示：
Figure FDA0003185979550000011
式中，CIL,i(t)为第t个调度时刻在节点i处并网的可中断负荷的需求侧响应补偿成本；CESS,j(t)为第t个调度时刻在节点j处并网的储能装置的运行成本；Cgrid(t)为第t个调度时刻向上级电网购电/售电的成本；规定购电时Cgrid(t)为正；Closs(t)为第t个调度时刻主动配电网的网络损耗成本；NIL为可中断负荷的并网节点数量；NESS为并网的储能装置数量；T为调度时刻数量；
第二个目标函数为主动配电网总负荷曲线方差最小；负荷曲线方差能够反映负荷曲线的波动程度，目标函数2如式(3-57)所示：
Figure FDA0003185979550000012
式中，PL(t)为第t个调度时刻主动配电网的总负荷功率；
优化调度模型约束条件如下：
(1)可中断负荷的切负荷功率约束，如式(3-58)所示：
PILmin,i≤PIL,i(t)≤PILmax,i (3-58)
PILmin,i和PILmax,i分别为在节点i处并网的可中断负荷的切负荷功率最小值和最大值；
(2)储能装置充/放电功率约束，如式(3-59)所示：
PESSmin,j≤PESS,j(t)≤PESSmax,j (3-59)
式中，PESSmin,j和PESSmax,j分别为在节点j处并网的储能装置所能提供的有功功率上、下限；
(3)储能装置VSOC约束，如式(3-60)、式(3-61)所示：
VSOCmin,j≤VSOC,j(t)≤VSOCmax,j (3-60)
VSOC,j(ti)＝VSOC,j(tf) (3-61)
式中，VSOCmin,j和VSOCmax,j分别为在节点j处并网的储能装置剩余容量下限和上限；VSOC,j(t)为第t个调度时刻在节点j处并网的储能装置剩余容量；ti和tf分别为调度周期开始时刻和调度周期结束时刻；
(4)节点电压约束，如式(3-62)所示：
Umin,k<Uk(t)<Umax,k (3-62)
式中，Uk(t)为第t个调度时刻节点k处的电压值；Umin,k和Umax,k分别为节点k处允许的电压最小值与最大值；
(5)功率平衡约束，如式(3-63)所示：
Figure FDA0003185979550000021
式中，
Figure FDA0003185979550000022
含义：第t个调度时刻并网的第i个分布式电源所能提供的有功功率；
Figure FDA0003185979550000031
含义：第t个调度时刻并网的第j个储能装置所能提供的有功功率；Pgrid(t)的含义：第t个调度时刻向上级电网购电/售电的功率，购电为正，售电为负；PL(t)：第t个调度时刻主动配电网的总负荷功率；Ploss(t)：第t个调度时刻主动配电网的网络损耗功率；PIL,i(t)为第t个调度时刻在节点i处的可中断负荷的切负荷功率；
(6)潮流方程约束，如式(3-64)所示：
Figure FDA0003185979550000032
式中，Pi(t)和Qi(t)分别为第t个调度时刻节点i注入的有功功率与无功功率；Ui(t)和Uj(t)分别为第t个调度时刻节点i与节点j的电压幅值；Gij和Bij分别为主动配电网支路ij的电导与电纳；δij(t)为节点i与节点j在第t个调度时刻的电压相角差；
(7)平衡节点约束，取平衡节点为主动配电网与上级电网交易的变电站；主动配电网运行时，上级电网会根据日前负荷预测信息来制定生产计划，同时保证一定的旋转备用，因此需要考虑平衡节点功率约束；平衡节点约束如如式(3-65)所示：
Pmin,S≤PS(t)≤Pmax,S (3-65)
式中，Pmin,S和Pmax,S分别为平衡节点S的有功功率上下限；PS(t)为第t个调度时刻主动配电网与上级电网购/售电的交易功率；
(8)支路功率约束，如式(3-66)所示：
Pl(t)≤Pmax,l (3-66)
式中，Pl(t)为第t个调度时刻第l条支路通过的功率；Pmax,l为第l条支路允许的功率最大值；
选择经改进的IEEE33节点配电系统作为算例进行分析，改进方案如下：
节点12设置一个蓄电池储能装置PQ节点，取Emax＝1200kWh，PESSmin,j＝300kW，PESSmax,j＝300kW，VSOCmin,j＝0.1，VSOCmax,j＝0.9，VSOC,j(ti)＝VSOC,j(tf)＝0.5，ηd＝0.98，ηc＝0.97，γ＝0.01；节点14设置同一地区两个风电分布式电源PQ节点；节点6的负荷设置为可中断负荷，取PILmin,i＝0，PILmax,i＝100kW；节点1设置为平衡节点，取Pmin,S＝-200kW，Pmax,S＝200kW；选取该系统的基准容量为10MVA，基准电压为12.66KV，取Umin,k＝0.95p.u.，Umax,k＝1.2p.u.；整个网络的总负荷为3.715+2.3MVA；对于成本系数，取可中断负荷补偿成本a＝1.8元/kWh，储能装置充放电成本b＝0.1元/kWh，购/售电电价设置为峰谷电价，即8:00～22:00，c1(t)＝1.0元/kWh，c2(t)＝0.5元/kWh；0:00～8:00和22:00～24:00，c1(t)＝0.4元/kWh，c2(t)＝0.2元/kWh；对于NSGA-Ⅱ算法，取初始种群数Npopulation＝100，迭代次数Niteration＝10000，交叉系数Ncross＝20，变异系数Nmutant＝20，交叉概率Pcorss＝0.7，变异概率Pmutant＝0.3；
分析：
(1)对目标函数之间的关系进行分析：总运行成本和总负荷曲线方差存在矛盾，即不存在一个最优解使得2个目标函数值同时达到最小；分析总运行成本和总负荷曲线方差总体上呈负相关性的原因为：降低负荷曲线方差需要依靠可中断负荷和储能装置的削峰填谷作用，但是可中断负荷补偿成本比峰电价还要高，若过多地使用需求侧响应，则运行成本会增加，不利于主动配电网的经济运行；
(2)对储能装置出力的调度策略进行分析：要使总运行成本最小，应当根据峰谷电价来调度储能装置出力，即在峰电价时段利用储能装置放电来减少向上级电网购电，在谷电价时段对储能装置充电，为应对负荷高峰期做准备；要使总负荷曲线方差最小，就要对总负荷曲线进行针对性的调度，通过储能装置出力调度方案能够最大化储能装置的削峰填谷作用，从而降低负荷曲线方差；
(3)对可中断负荷切负荷量的调度策略进行分析：由于可中断负荷的补偿成本比峰电价还高，因此要使总运行成本最小，就要尽量减少可中断负荷的调度；要使总负荷曲线方差最小，就要最大化可中断负荷的削峰填谷作用，从而降低负荷曲线方差；
(4)对与上级电网交易功率的调度策略进行分析：与上级电网的交易功率由当前调度时刻的主动配电网负荷、风电出力、储能装置和需求侧响应共同决定；要使总运行成本最小，应在峰电价时段减少从上级电网购电功率、增加售电功率，在谷电价时段则相反；要使总负荷曲线方差最小，就要根据储能装置和可中断负荷的调度策略来决定与上级电网的交易功率；
(5)对储能装置的作用进行分析：为便于分析，求出不考虑储能装置的Pareto解集，并与考虑储能装置的Pareto解集进行比较；考虑储能装置出力的总运行成本和总负荷曲线方差均比不考虑储能装置出力要小，这是因为储能装置运行费用比向上级电网交易功率费用要低，即可以在谷电价时对储能装置充电，在峰电价时由储能装置放电，以此降低总运行成本；此外，由于谷电价对应负荷低谷，峰电价对应负荷高峰，储能装置在负荷低谷时充电、负荷高峰时放电能够对负荷曲线削峰填谷，从而降低总负荷曲线方差；
(6)对可中断负荷的作用进行分析：为便于分析，求出不考虑可中断负荷的Pareto解集，并与考虑可中断负荷的Pareto解集进行比较；考虑可中断负荷的总运行成本比不考虑可中断负荷高、总负荷曲线方差比不考虑可中断负荷低；考虑可中断负荷的总运行成本高是因为可中断负荷的切负荷补偿成本比峰电价还高，因此若使用可中断负荷进行需求侧响应，总运行成本就会提高；而考虑可中断负荷的总负荷曲线方差低是因为可以通过在负荷高峰时对可中断负荷进行需求侧响应，降低负荷曲线峰值，从而降低总负荷曲线方差；
根据上述分析，不存在一个解能够使2个目标函数值同时达到最小；因此，首先求取了各目标函数的熵权系数，并根据所求的熵权系数来求得各个优化运行策略的综合指标，选取综合指标最大的作为最优解。
CN202010901944.1A 2019-11-21 2019-11-21 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法 Active CN111914491B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010901944.1A CN111914491B (zh) 2019-11-21 2019-11-21 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010901944.1A CN111914491B (zh) 2019-11-21 2019-11-21 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法
CN201911148487.7A CN110929454B (zh) 2019-11-21 2019-11-21 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201911148487.7A Division CN110929454B (zh) 2019-11-21 2019-11-21 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法

Publications (2)

Publication Number Publication Date
CN111914491A CN111914491A (zh) 2020-11-10
CN111914491B true CN111914491B (zh) 2021-09-10

Family

ID=69850568

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010901944.1A Active CN111914491B (zh) 2019-11-21 2019-11-21 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法
CN201911148487.7A Active CN110929454B (zh) 2019-11-21 2019-11-21 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201911148487.7A Active CN110929454B (zh) 2019-11-21 2019-11-21 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法

Country Status (1)

Country Link
CN (2) CN111914491B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112766602A (zh) * 2021-01-30 2021-05-07 上海电机学院 一种改进的分布式电源选址定容方法
CN113162031B (zh) * 2021-04-01 2022-07-29 南方电网数字电网研究院有限公司 工业负荷监测调度方法、装置、计算机设备和存储介质
CN113507110A (zh) * 2021-06-20 2021-10-15 东北电力大学 提高配电网中新能源消纳的分布式储能集群优化控制方法
CN114204563B (zh) * 2021-12-23 2024-01-23 中国电力科学研究院有限公司 面向电力物联网的通信网与配电网供需互动方法和装置
CN114039351B (zh) * 2022-01-10 2022-05-10 国网江西省电力有限公司电力科学研究院 一种储能容量配置方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104361413A (zh) * 2014-11-18 2015-02-18 国家电网公司 一种含分布式电源的配电网重构方法
CN106208160A (zh) * 2016-07-28 2016-12-07 东南大学 基于二阶锥优化的售电公司所辖区域配电网的调度方法
CN107133415A (zh) * 2017-05-22 2017-09-05 河海大学 一种考虑用户满意和配网安全的电动汽车充放电优化方法
CN107368977A (zh) * 2017-08-08 2017-11-21 国网江苏省电力公司盐城供电公司 一种改进的ieee33节点配电网测试系统
WO2017210124A1 (en) * 2016-05-28 2017-12-07 PXiSE Energy Solutions, LLC Decoupling synchrophasor based control system for distributed energy resources
CN109217291A (zh) * 2018-08-28 2019-01-15 南京理工大学 考虑削峰填谷模型的电气互联系统多目标优化方法
CN110210647A (zh) * 2019-04-29 2019-09-06 国网江苏省电力有限公司电力科学研究院 一种分布式电源、储能与柔性负荷联合调度方法及装置
CN110365057A (zh) * 2019-08-14 2019-10-22 南方电网科学研究院有限责任公司 基于强化学习的分布式能源参与配电网调峰调度优化方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8983811B2 (en) * 2011-10-31 2015-03-17 Siemens Aktiengesellschaft Simulating customer behavior for demand response
CN102624017B (zh) * 2012-03-22 2014-03-26 清华大学 一种基于负荷预测的电池储能系统削峰填谷实时控制方法
CN103514487B (zh) * 2013-07-15 2016-08-03 国家电网公司 一种含分布式电源的配电网负荷预测方法
CN104463357A (zh) * 2014-11-27 2015-03-25 国家电网公司 一种基于随机最优潮流的随机间歇性dg优化集成的评估方法
CN107274087A (zh) * 2017-06-09 2017-10-20 燕山大学 一种计及需求侧响应不确定性的主动配电网双层规划方法
US11471982B2 (en) * 2017-08-18 2022-10-18 The Regents Of The University Of Michigan Unified fatigue life evaluation method for welded structures
CN107492901B (zh) * 2017-08-29 2020-04-07 广东电网有限责任公司电力科学研究院 一种分布式储能系统实时优化方法及装置
CN109217310A (zh) * 2018-10-25 2019-01-15 三峡大学 一种考虑新能源消纳的电动汽车有序充电控制方法
CN110165666B (zh) * 2019-05-29 2021-08-27 四川大学 一种基于igdt的主动配电网调度方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104361413A (zh) * 2014-11-18 2015-02-18 国家电网公司 一种含分布式电源的配电网重构方法
WO2017210124A1 (en) * 2016-05-28 2017-12-07 PXiSE Energy Solutions, LLC Decoupling synchrophasor based control system for distributed energy resources
CN106208160A (zh) * 2016-07-28 2016-12-07 东南大学 基于二阶锥优化的售电公司所辖区域配电网的调度方法
CN107133415A (zh) * 2017-05-22 2017-09-05 河海大学 一种考虑用户满意和配网安全的电动汽车充放电优化方法
CN107368977A (zh) * 2017-08-08 2017-11-21 国网江苏省电力公司盐城供电公司 一种改进的ieee33节点配电网测试系统
CN109217291A (zh) * 2018-08-28 2019-01-15 南京理工大学 考虑削峰填谷模型的电气互联系统多目标优化方法
CN110210647A (zh) * 2019-04-29 2019-09-06 国网江苏省电力有限公司电力科学研究院 一种分布式电源、储能与柔性负荷联合调度方法及装置
CN110365057A (zh) * 2019-08-14 2019-10-22 南方电网科学研究院有限责任公司 基于强化学习的分布式能源参与配电网调峰调度优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
含分布式储能的主动配电网多目标优化调度方法研究;程庭莉;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20190415;第C042-121页 *

Also Published As

Publication number Publication date
CN111914491A (zh) 2020-11-10
CN110929454B (zh) 2020-10-20
CN110929454A (zh) 2020-03-27

Similar Documents

Publication Publication Date Title
CN111914491B (zh) 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法
Mbungu et al. An optimal energy management system for a commercial building with renewable energy generation under real-time electricity prices
Saleh et al. Load aggregation from generation-follows-load to load-follows-generation: Residential loads
Yang et al. Computational scheduling methods for integrating plug-in electric vehicles with power systems: A review
Chen et al. Optimal allocation and economic analysis of energy storage system in microgrids
Chen et al. Smart energy management system for optimal microgrid economic operation
CN103490410B (zh) 一种基于多目标优化的微电网规划和容量配置方法
Bhamidi et al. Optimal sizing of smart home renewable energy resources and battery under prosumer-based energy management
CN113688567B (zh) 一种考虑冲击负荷的虚拟电厂两阶段优化调度方法
CN108321796B (zh) 家庭能量管理系统与方法
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
Suchetha et al. Optimization techniques for operation and control of microgrids–Review
CN108376994B (zh) 基于三端口电力电子变压器并网的交直流混合微网运行优化方法
Kazemi et al. An optimized scheduling strategy for plugged-in electric vehicles integrated into a residential smart microgrid for both grid-tied and islanded modes
Lokeshgupta et al. Coordinated smart home energy sharing with a centralized neighbourhood energy management
CN115169748A (zh) 基于动态粒子群算法的智能配电网能量管理优化方法
Kumari et al. Integration of solar and flexible resources into expected security cost with dynamic optimal power flow problem using a Novel DE algorithm
Kumari et al. Ensuring expected security cost with flexible resources using modified DE algorithm based dynamic optimal power flow
Mahto et al. Demand-side management approach using heuristic optimization with solar generation and storage devices for future smart grid
Maulik et al. Determination of optimal size of battery energy storage system (BESS) for a renewable power based microgrid
Parol et al. Optimization of exchange of electrical energy between microgrid and electricity utility distribution network
Cherukuri et al. Hybrid energy management strategy for residential consumers using virtual and actual storage systems
Hwangbo et al. Application of economic operation strategy on battery energy storage system at Jeju
CN118040763A (zh) 一种综合考虑光伏和储能因素的发电侧容量配置优化方法
Alahmed et al. Co-optimizing distributed energy resources in linear complexity under net energy metering

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