CN112003277A - 一种输配协同负荷恢复优化控制方法及系统 - Google Patents

一种输配协同负荷恢复优化控制方法及系统 Download PDF

Info

Publication number
CN112003277A
CN112003277A CN202010848672.3A CN202010848672A CN112003277A CN 112003277 A CN112003277 A CN 112003277A CN 202010848672 A CN202010848672 A CN 202010848672A CN 112003277 A CN112003277 A CN 112003277A
Authority
CN
China
Prior art keywords
transmission
distribution
load
load recovery
optimization
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
CN202010848672.3A
Other languages
English (en)
Other versions
CN112003277B (zh
Inventor
王洪涛
赵瑾
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 CN202010848672.3A priority Critical patent/CN112003277B/zh
Priority to PCT/CN2020/114879 priority patent/WO2022036778A1/zh
Publication of CN112003277A publication Critical patent/CN112003277A/zh
Application granted granted Critical
Publication of CN112003277B publication Critical patent/CN112003277B/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
    • 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
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
    • H02J3/38—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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
    • 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
    • H02J2300/40—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
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本公开提供了一种输配协同负荷恢复优化控制方法及系统，依据输配耦合系统电网结构，建立负荷恢复优化模型；确定不同时间尺度对应的时步数，进行参数预测获得不确定源荷门槛值；结合过去时步情况进行参数修正并结合当下情形进行参数及配网网络数据更新；基于确定的优化参数和系统状态，利用建立的负荷恢复优化模型进行求解，并抽取当前时步策略在执行尺度实施，进行负荷恢复，能够实现多层级多区域的输配耦合电网中不确定的条件下的负荷恢复的长时间尺度协调。

Description

一种输配协同负荷恢复优化控制方法及系统
技术领域
本公开属于电力系统优化控制技术领域，涉及一种输配协同负荷恢复优化控制方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
近年来，极端天气事件的频繁发生使得电力系统停电事故更频繁地发生。由于停电事故会带来巨大的社会影响和经济损失，系统快速恢复有助于提高电力系统的可靠性和弹性。负荷恢复是电力系统部分或全部停电后都会面临的问题。传统大电网负荷恢复研究往往关注输电网层级，其中的负荷实际为配网层级的负荷集群。受负荷侧的“被动”特性限制，配网侧服从输电网的调度，在负荷恢复过程中依赖输电网层级的单向功率支持。然而，随着分布式电网在配网层级的接入以及智能电网对双向通讯的实现，配电网侧已由“被动”变主动。配网侧可以通过输配恢复协调向大电网提供及时的功率支持，从而进一步提高全网资源利用率，加快负荷恢复进程。因此，对于负荷恢复的研究需要从大电网层级进一步过渡到多层级多区域的输配耦合电网。
输配协同负荷恢复是长时间尺度的序贯决策问题，传统负荷恢复通过基于单时步优化的时步递进过程实现。然而，对于长时间尺度的整个恢复过程来说，单时步优化相当于局部寻优。在不考虑当前时步决策对未来恢复影响的情况下，基于单时步优化的决策不考虑时步间耦合，不具备长时间尺度的决策协调能力。另一方面，输配耦合电网负荷恢复过程中存在大量不确定源。其中电源侧包括输电网层级的大规模可再生能源集群以及配网层级的大量分布式电源，负荷侧包括在系统中广布的不确定负荷接入点。因此，比之单时步优化决策方式，输配协同负荷恢复决策过程需要更长时间尺度的协调。
发明内容
本公开为了解决上述问题，提出了一种输配协同负荷恢复优化控制方法及系统，本公开针对不确定源和配电网网架重构的预测模型；考虑步间耦合情况的多时步滚动优化和多时布优化参量的反馈校正；通过输配协同负荷恢复中的模型预测控制方法实现从过去经验中学习，对未来恢复状况进行考虑，并保证当下恢复操作的严格可行。
根据一些实施例，本公开采用如下技术方案：
一种输配协同负荷恢复优化控制方法，包括以下步骤：
依据输配耦合系统电网结构，建立负荷恢复优化模型；
确定不同时间尺度对应的时步数，进行参数预测获得不确定源荷门槛值；
结合过去时步情况进行参数修正并结合当下情形进行参数及配网网络数据更新；
基于确定的优化参数和系统状态，利用建立的负荷恢复优化模型进行求解，并抽取当前时步策略在执行尺度实施，进行负荷恢复。
作为可选择的实施方式，输配耦合系统电网结构包括多区域的输电网层和配网层，输电网层包含多个互联输电网，配网层包括与输电网耦合的多个并行配电网；
输电网层级基于网状网络结构，包含发电机组、输电网等效负荷和可再生能源集群；配网层级基于辐射状网络结构，包含配网层级负荷以及分布式电源。
作为可选择的实施方式，输配耦合系统的负荷恢复模型包括目标函数和约束条件，所述目标函数为所有输电网和配电网的负荷有功功率与相应负荷权重及相应负荷接入决策变量的乘积之和最大化，约束条件包括输电网中机组出力、可再生能源集群出力、配电网中的分布式电源出力均在对应的边界条件内。
作为可选择的实施方式，负荷恢复过程是滚动执行的，随时步推进，滚动执行步骤包括：
利用过去时步的实际实施效果进行当前决策参数的反馈校验，基于校验结果实现考虑未来恢复效果的多时步优化；抽取多时步优化结果中对应的当前时步策略，作为当前时步的恢复操作依据。
作为可选择的实施方式，计算源荷门槛值的计算过程包括：源荷门槛值取决于采样数据，当采样数据来自不同的时间尺度时，得到相应的时间范围内的门槛值。
作为可选择的实施方式，对于负荷侧不确定源，衡量可能达到的负荷量上限值；对于电源侧不确定源，衡量不确定源出力给出的下限值。
作为可选择的实施方式，结合过去时步情况进行参数修正的具体过程包括：使用具有不同时间尺度采样数据的门槛值来校验当前时步的预测值。
一种输配协同负荷恢复优化控制系统，包括：
负荷恢复优化建模模块，被配置为依据输配耦合系统电网结构，建立负荷恢复优化模型；
参数预测模块，被配置为确定不同时间尺度对应的时步数，进行参数预测获得不确定源荷门槛值；
参数更新模块，被配置为结合过去时步情况进行参数修正并结合当下情形进行参数及配网网络数据更新；
多步优化模块，被配置为基于确定的优化参数和系统状态，利用建立的负荷恢复优化模型进行求解，并抽取当前时步策略在执行尺度实施，进行负荷恢复。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述一种输配协同负荷恢复优化控制方法。
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种输配协同负荷恢复优化控制方法。
与现有技术相比，本公开的有益效果为：
本公开对预测模型、滚动优化和反馈校正三个环节进行优化，对未来恢复状况进行考虑，并保证当下恢复操作的严格可行，能够实现多层级多区域的输配耦合电网中不确定的条件下的负荷恢复的长时间尺度协调。
本公开通过多时步滚动预测控制，降低了输配耦合电网负荷恢复过程中不确定源预测误差的影响，保证了优化策略的可行性，提高了可再生能源在恢复控制过程中的利用率。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是多层级多区域输配耦合系统图；
图2是负荷恢复中的模型预测控制框架示意图；
图3是多时步负荷恢复优化建模原理示意图；
图4是输配协同负荷恢复控制流程图。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
一种输配协同负荷恢复优化控制方法，包括以下步骤：
首先，建立多层级多区域输配耦合系统及分布式模型。
如图1所示，多层级多区域输配耦合系统电网结构。整个系统由多区域同级与不同级区域电网构成，输电网层包含多个互联输电网；配网层包括与输电网耦合的多个并行配网。输电网层级基于网状网络结构，包含传统发电机组、输电网等效负荷、大规模可再生能源集群以及传统大型发电机组。配网层级基于辐射状网络结构，包含配网层级负荷以及分布式电源。传统发电机组、输电网等效负荷、大规模可再生能源集群以及传统大型发电机组。是配网层级各自区域可以进行边界信息交互来实现分布式的优化决策方案。基于输配耦合系统的负荷恢复模型如下：
Figure BDA0002643960480000061
Figure BDA0002643960480000062
Figure BDA0002643960480000063
Figure BDA0002643960480000064
式中，pTL,TSi和pDL,DSi分别为输电网i和配电网i的负荷有功功率向量；cTL,TSi和cDL,DSi分别为相应负荷权重向量；xTL,TSi,和xDL,DSi为表示相应负荷接入决策变量的向量；pG,TSi为输电网i中的传统机组出力变量；pRE,TSi为输电网i中的大规模可再生能源集群出力向量；pDG,DSi为配电网i中的分布式电源出力向量；BTD,TSi和BDT,DSj分别为输电网i和配电网i的输配网边界变量；BT,TSij,和BT,TSji分别为输电网i和输电网j之间的边界变量；BD,DSij,和BD,DSji分别为配电网i和配电网j之间的边界变量。gTSi(.)和gDSi(.)分别表示输电网i和配电网i的等式及不等式约束，集合(4)中表示输配网、区域输电网和区域配电网的边界一致性约束。
使用增广拉格朗日方法对(4)中的一致性耦合约束进行松弛解耦。将原模型中的约束(4)写为(5)-(7)，根据式(8)以惩罚函数的形式加入目标函数中，从而实现一致性约束松弛。
Figure BDA0002643960480000071
Figure BDA0002643960480000072
Figure BDA0002643960480000073
Figure BDA0002643960480000074
相应的，得到形成与图1对应的分布式多层级多区域输配耦合系统负荷恢复模型。(9)-(10)表示与图1中输电网层级各子区域对应的分布式输电网负荷恢复模型；(11)-(12)表示与图1中配电网层级各子区对应的分布式配电网负荷恢复模型。
Figure BDA0002643960480000081
Figure BDA0002643960480000082
Figure BDA0002643960480000083
Figure BDA0002643960480000084
其次，设计负荷恢复中的滚动预测控制。
如图2所示，负荷恢复中的滚动预测控制框架将考虑不同的时间尺度。t为当前时步的起点，Tm是当前时步的决策区间范围，Te表示用于多时步优化的优化尺度，Tw是不确定量的预测时间尺度。通常，预测尺度需长于优化尺度。在滚动决策过程中，利用过去时步的实际实施效果进行当前决策参数的反馈校验，然后基于校验结果实现考虑未来恢复效果的多时步优化。最终，抽取多时步优化结果中对应的当前时步策略，作为当前时步的恢复操作依据。该闭环过程滚动向前，直至负荷恢复完成。
负荷模型预测控制方法中，首先在预测进行参与决策的参数与恢复情形的预测与建模，并结合过去经验进行反馈更新；然后，基于修正参数与更新后的系统状态在优化尺度考虑未来恢复效果进行多时步优化建模求解；最后，在执行尺度抽取当前时步策略进行恢复操作。该方法的优点是考虑未来恢复效果与当下最新的更新信息，来进行下一步负荷恢复决策。另外，基于过去时步的反馈校验使得当下的最新信息得到更为高效地利用。
结合输配耦合系统的背景以及分布式负荷恢复模型，实现滚动预测控制框架的关键为：1)明确分布式多时布优化模型；2)明确预测尺度参数与反馈校验方法。
其中的明确分布式多时布优化模型为建立输配耦合系统多时步分布式负荷恢复模型，多时步负荷恢复优化追求多时步的总体负荷恢复效果最好。如图3所示，其中模型变量与约束条件可以分为两大部分：各时步独立变量与约束和相邻时步耦合变量与约束。
输配耦合系统多时步负荷恢复优化模型如(13)-(16)所示：，负荷恢复目标由单步负荷恢复量最大更新为较长时间尺度的多时步负荷恢复总量最大。
Figure BDA0002643960480000091
Figure BDA0002643960480000092
Figure BDA0002643960480000093
Figure BDA0002643960480000094
Figure BDA0002643960480000095
式中：m为负荷恢复时步标号；W为时步数。与(2)-(4)对应，(14)-(16)为输配电网层级多时步的约束条件。式中所有的变量与方程在W个时步中均存在。多时步模型中相邻时步间的决策变量与约束条件具有耦合关系，式(17)反映了多时步模型需要反应时间耦合的特性。通常，输配耦合系统负荷恢复模型的步间共有变量包括以下六种：
1)发电机出力变量：负荷恢复过程中发电机已基本启动并在多时步过程中持续爬坡直至最大出力，其出力是与恢复时间相关的函数。由于负荷恢复操作有时步时间限制，每一时步的发电机可用出力存在上限。每一时步发电机可用出力为初始值与时步最大值之间的变量。在多时步优化决策过程中，前一时步的策略的发电机出力量为后一时步的爬坡初始值，因此前一时步的发电机出力变量将会出现在后一时步的发电机出力约束中。2)负荷接入决策变量：负荷恢复过程中负荷接入后不会再次切除，这种现象反应在模型中即为：对于表述同一个负荷节点接入情况的二元变量，后一时步的决策变量一定大于前一时步的决策变量。因此前一时步的负荷决策变量会出现在后一时步的决策变量约束中。另外，由于负荷恢复操作会引起系统有功需求变化，相邻时步负荷恢复变化量参与到频率偏移计算中，前一时步负荷接入决策变量参与到后一时步的频率偏移计算中。3)可再生能源应用变量：输配网侧基于可再生能源的灵活电源具有调整出力的特性，其出力是在预测值与0之间的变量。可再生能源的出力将会根据负荷接入与传统机组出力情况进行调整，显然，相邻时步不同的应用量将会带来系统功率的变化从而影响频率情况。因此前一时步可再生能源应用变量将会参与到后一时步的频率偏移计算中。4)输配边界变量：输配耦合系统调频主要依托于输电网的调节，但配网会通过边界功率交互引起大电网功率变化。前后两个时步的边界功率变化将导致源自于配网侧的功率增量变化。因此，前一时步的边界功率变量将会出现在后一时步的频率偏移计算中。5)输电网区域边界变量：与输配边界变量相似，输电网区域边界变量也会通过引起区域大电网功率变化影响区域输电网频率安全，因此前一时步的输电网区域边界功率变量将会出现在后一时步的频率偏移计算中。注意，当计及输配边界变量耦合时，配网侧负荷接入和分布式电源变化量的耦合也将包含其中，约束(17)中属于配网侧的部分的变量无需重复计及。
据此，进一步利用基于式(8)的增广拉格朗日方法建立输配耦合系统多时步分布式负荷恢复模型。其中，(18)-(20)为分布式区域输电网优化模型；(21)-(23)为分布式区域配电网优化模型。
Figure BDA0002643960480000111
Figure BDA0002643960480000112
Figure BDA0002643960480000113
Figure BDA0002643960480000114
Figure BDA0002643960480000115
Figure BDA0002643960480000116
其中的明确预测尺度参数与反馈校验方法，包括：
输配耦合电网负荷恢复过程中存在大量不确定源，需要针对预测尺度进行相关参数预测，并通过反馈校验获得较为准确的优化参与值。为负荷恢复过程中对不确定源进行衡量，不确定源i的变量yi转化为预测时间尺度的一组离散值
Figure BDA0002643960480000121
采样数据
Figure BDA0002643960480000122
包含不确定变量在一定时间间隔内的不同时刻的取值。
Figure BDA0002643960480000123
其中，其中
Figure BDA0002643960480000124
是不确定源i在时刻t的第g个采样值。T是一定时间段内的时刻点总数，G是每个时刻的采样数。因此，不确定变量在一定时间段的总采样数为M＝G*T。
为保证恢复过程中的安全性需求，可以基于采样数据给出在一定时间段内的具有鲁棒特性的门槛值。对于负荷侧不确定源，衡量可能达到的负荷量上限值；对于电源侧不确定源，衡量不确定源出力给出的下限值。该门槛值可以通过找寻一定置信下的边界或挖掘隐含概率分布情况等多种方法得到，此处不再赘述，仅将源荷门槛值以αLi和αSi表示。基于此，将滚动优化中的参数通过反馈校验用于多时步优化决策中。
在图2所示滚动负荷恢复过程中，预测尺度通常比执行尺度长得多，因此预测参数的校正对于提高可再生能源的应用效率并提供更准确的负荷接入预测量起着重要作用。负荷恢复模型预测控制方法中使用的预测值门槛值是αLi和αSi。αLi和αSi分别以鲁棒量测的思想描述了不确定的负荷侧和电源侧的最坏情况。在一定的衡量方法下，源荷门槛值取决于采样数据
Figure BDA0002643960480000131
当采样数据
Figure BDA0002643960480000132
来自不同的时间尺度时，可以得到相应的时间范围内的门槛值。基于源荷门槛值，可得到不确定源在多时步优化过程中的参量。
为了改善当前时步的预测值，使用具有不同时间尺度采样数据的门槛值α来形成(25)中的校验公式。当前恢复时步为m时，ei,m+w-1是对m+w-1时步的校验参数。
Figure BDA0002643960480000133
为m-1时步的实际采样数据
Figure BDA0002643960480000134
的门槛值；αm-wi,m-1为m-p时步时对m-1时步预测得到的采样值y*,m-wi,Tm-1的α值。校验参数ei,m+w-1由这两个值的加权差得到，表示当前时步基于历史情况的校验。λi,Tm+w-1ei,m+w-1校验了不确定量在预测尺度Tw的α值。对于恢复时步m，将使用通过对历史情况反馈校验的
Figure BDA0002643960480000135
来代替当下时步的αi,m+w-1。
Figure BDA0002643960480000136
利用(25)，使用不同时间尺度的不确定负荷节点和电源节点的采样数据分别获得相应节点的
Figure BDA0002643960480000137
和
Figure BDA0002643960480000138
对于时步m，应记录历史时步m-1的测量数据和时步m-W-1至m-1的预测数据，用以校验当前时步m和将来的W个时步。
除了不确定参数反馈校验外，当配网考虑故障隔离与系统重构时，还需要进行配网网络的迭代更新。图4给出了输配协同负荷恢复模型预测控制方法流程图。在模型预测控制方法施行前，首先确定不同时间尺度对应的时步数。然后，进行参数预测获得不确定源荷门槛值，结合过去时步情况进行参数修正并结合当下情形进行参数及配网网络数据更新。基于确定的优化参数和系统状态，利用建立的分布式负荷恢复优化模型进行求解，并抽取当前时步策略在执行尺度实施。在恢复过程完成之前，该过程滚动进行，时步推进，直至完成全部负荷恢复。
还提供以下产品实施例：
一种输配协同负荷恢复优化控制系统，包括：
负荷恢复优化建模模块，被配置为依据输配耦合系统电网结构，建立负荷恢复优化模型；
参数预测模块，被配置为确定不同时间尺度对应的时步数，进行参数预测获得不确定源荷门槛值；
参数更新模块，被配置为结合过去时步情况进行参数修正并结合当下情形进行参数及配网网络数据更新；
多步优化模块，被配置为基于确定的优化参数和系统状态，利用建立的负荷恢复优化模型进行求解，并抽取当前时步策略在执行尺度实施，进行负荷恢复。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述一种输配协同负荷恢复优化控制方法。
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种输配协同负荷恢复优化控制方法。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.一种输配协同负荷恢复优化控制方法，其特征是：包括以下步骤：
依据输配耦合系统电网结构，建立负荷恢复优化模型；
确定不同时间尺度对应的时步数，进行参数预测获得不确定源荷门槛值；
结合过去时步情况进行参数修正并结合当下情形进行参数及配网网络数据更新；
基于确定的优化参数和系统状态，利用建立的负荷恢复优化模型进行求解，并抽取当前时步策略在执行尺度实施，进行负荷恢复。
2.如权利要求1所述的一种输配协同负荷恢复优化控制方法，其特征是：输配耦合系统电网结构包括多区域的输电网层和配网层，输电网层包含多个互联输电网，配网层包括与输电网耦合的多个并行配电网；
输电网层级基于网状网络结构，包含发电机组、输电网等效负荷和可再生能源集群；配网层级基于辐射状网络结构，包含配网层级负荷以及分布式电源。
3.如权利要求1所述的一种输配协同负荷恢复优化控制方法，其特征是：输配耦合系统的负荷恢复模型包括目标函数和约束条件，所述目标函数为所有输电网和配电网的负荷有功功率与相应负荷权重及相应负荷接入决策变量的乘积之和最大化，约束条件包括输电网中机组出力、可再生能源集群出力、配电网中的分布式电源出力均在对应的边界条件内。
4.如权利要求1所述的一种输配协同负荷恢复优化控制方法，其特征是：负荷恢复过程是滚动执行的，随时步推进，滚动执行步骤包括：
利用过去时步的实际实施效果进行当前决策参数的反馈校验，基于校验结果实现考虑未来恢复效果的多时步优化；抽取多时步优化结果中对应的当前时步策略，作为当前时步的恢复操作依据。
5.如权利要求1所述的一种输配协同负荷恢复优化控制方法，其特征是：计算源荷门槛值的计算过程包括：源荷门槛值取决于采样数据，当采样数据来自不同的时间尺度时，得到相应的时间范围内的门槛值。
6.如权利要求1所述的一种输配协同负荷恢复优化控制方法，其特征是：对于负荷侧不确定源，衡量可能达到的负荷量上限值；对于电源侧不确定源，衡量不确定源出力给出的下限值。
7.如权利要求1所述的一种输配协同负荷恢复优化控制方法，其特征是：结合过去时步情况进行参数修正的具体过程包括：使用具有不同时间尺度采样数据的门槛值来校验当前时步的预测值。
8.一种输配协同负荷恢复优化控制系统，其特征是：包括：
负荷恢复优化建模模块，被配置为依据输配耦合系统电网结构，建立负荷恢复优化模型；
参数预测模块，被配置为确定不同时间尺度对应的时步数，进行参数预测获得不确定源荷门槛值；
参数更新模块，被配置为结合过去时步情况进行参数修正并结合当下情形进行参数及配网网络数据更新；
多步优化模块，被配置为基于确定的优化参数和系统状态，利用建立的负荷恢复优化模型进行求解，并抽取当前时步策略在执行尺度实施，进行负荷恢复。
9.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-7中任一项所述一种输配协同负荷恢复优化控制方法。
10.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-7中任一项所述的一种输配协同负荷恢复优化控制方法。
CN202010848672.3A 2020-08-21 2020-08-21 一种输配协同负荷恢复优化控制方法及系统 Active CN112003277B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010848672.3A CN112003277B (zh) 2020-08-21 2020-08-21 一种输配协同负荷恢复优化控制方法及系统
PCT/CN2020/114879 WO2022036778A1 (zh) 2020-08-21 2020-09-11 一种输配协同负荷恢复优化控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010848672.3A CN112003277B (zh) 2020-08-21 2020-08-21 一种输配协同负荷恢复优化控制方法及系统

Publications (2)

Publication Number Publication Date
CN112003277A true CN112003277A (zh) 2020-11-27
CN112003277B CN112003277B (zh) 2021-11-30

Family

ID=73473038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010848672.3A Active CN112003277B (zh) 2020-08-21 2020-08-21 一种输配协同负荷恢复优化控制方法及系统

Country Status (2)

Country Link
CN (1) CN112003277B (zh)
WO (1) WO2022036778A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114156847A (zh) * 2021-12-08 2022-03-08 国网辽宁省电力有限公司朝阳供电公司 一种配电网接地故障混合优化决策处理方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115036963B (zh) * 2022-04-14 2023-12-15 东南大学 一种提升配电网韧性的两阶段需求响应策略
CN115167142A (zh) * 2022-07-29 2022-10-11 华能伊敏煤电有限责任公司 一种多热源供热机组联合控制方法、系统、设备及存储介质
CN115833115B (zh) * 2023-02-03 2023-05-09 南方电网数字电网研究院有限公司 多时间尺度分配模型的分布式资源边缘控制方法及装置
CN115800275B (zh) * 2023-02-08 2023-06-30 国网浙江省电力有限公司宁波供电公司 电力平衡调控配电方法、系统、设备及存储介质
CN115995815B (zh) * 2023-03-23 2023-06-13 国网山西省电力公司电力科学研究院 一种基于多模块嵌套迭代的负荷故障恢复方法
CN116780529A (zh) * 2023-06-30 2023-09-19 国网北京市电力公司 一种配电网故障恢复方法、装置、设备及介质
CN117394353B (zh) * 2023-12-08 2024-05-14 国网天津市电力公司电力科学研究院 一种配电网负荷转供与恢复方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160239032A1 (en) * 2013-10-30 2016-08-18 Jiangsu Electric Power Company Nanjing Power Supply Company A progressive optimization dispatching method of smart distribution system
CN107994551A (zh) * 2017-11-22 2018-05-04 国电南瑞科技股份有限公司 基于输配协同的故障快速恢复处理方法
CN109560547A (zh) * 2019-01-15 2019-04-02 广东电网有限责任公司 一种考虑输配协同的主动配电网n-1安全评估方法
CN110232475A (zh) * 2019-05-29 2019-09-13 广东电网有限责任公司 一种分布式输电网配电网协同经济调度方法
CN111047115A (zh) * 2019-12-30 2020-04-21 国电南瑞科技股份有限公司 一种地区电网恢复控制优化决策方法、系统及存储介质
CN111092455A (zh) * 2019-11-19 2020-05-01 国网江苏省电力有限公司电力科学研究院 一种储能系统与已恢复机组联合运行的负荷恢复优化方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156774B (zh) * 2013-05-31 2017-07-11 贵州电网公司电力调度控制中心 一种考虑了相邻系统的电力支援方法
CN108493930A (zh) * 2018-03-30 2018-09-04 国网江苏省电力有限公司 计及风电接入的负荷恢复两阶段优化方法
CN108988322B (zh) * 2018-06-30 2020-07-07 南京理工大学 考虑系统时变性的微网运行策略优化方法
CN110994598B (zh) * 2019-11-26 2022-09-30 国家电网有限公司 一种多目标电网故障恢复方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160239032A1 (en) * 2013-10-30 2016-08-18 Jiangsu Electric Power Company Nanjing Power Supply Company A progressive optimization dispatching method of smart distribution system
CN107994551A (zh) * 2017-11-22 2018-05-04 国电南瑞科技股份有限公司 基于输配协同的故障快速恢复处理方法
CN109560547A (zh) * 2019-01-15 2019-04-02 广东电网有限责任公司 一种考虑输配协同的主动配电网n-1安全评估方法
CN110232475A (zh) * 2019-05-29 2019-09-13 广东电网有限责任公司 一种分布式输电网配电网协同经济调度方法
CN111092455A (zh) * 2019-11-19 2020-05-01 国网江苏省电力有限公司电力科学研究院 一种储能系统与已恢复机组联合运行的负荷恢复优化方法
CN111047115A (zh) * 2019-12-30 2020-04-21 国电南瑞科技股份有限公司 一种地区电网恢复控制优化决策方法、系统及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114156847A (zh) * 2021-12-08 2022-03-08 国网辽宁省电力有限公司朝阳供电公司 一种配电网接地故障混合优化决策处理方法

Also Published As

Publication number Publication date
CN112003277B (zh) 2021-11-30
WO2022036778A1 (zh) 2022-02-24

Similar Documents

Publication Publication Date Title
CN112003277B (zh) 一种输配协同负荷恢复优化控制方法及系统
CN105046395B (zh) 一种含多类型新能源的电力系统日内滚动计划编制方法
CN104915737A (zh) 基于风险控制含大规模风电的电力系统协调经济调度方法
Ji et al. Inexact stochastic risk-aversion optimal day-ahead dispatch model for electricity system management with wind power under uncertainty
CN111555281A (zh) 一种电力系统灵活性资源配置仿真方法及装置
CN108964113B (zh) 一种新能源发电调度方法及系统
CN112381375B (zh) 一种基于潮流分配矩阵的电网经济运行域快速生成方法
CN112104005B (zh) 一种考虑新能源预测不确定性的电网调度方法和系统
CN104810863A (zh) 一种考虑风电预测误差的机组有功实时调度方法
CN112163304B (zh) 一种输电网冗余约束识别方法、存储介质及计算设备
CN112186734B (zh) 一种电力系统中长期运行模拟方法、储存介质及计算设备
CN104915788B (zh) 一种考虑多风场相关性的电力系统动态经济调度的方法
Liu et al. Intra-day dynamic network reconfiguration based on probability analysis considering the deployment of remote control switches
CN105184474A (zh) 一种考虑不规则限制运行区的水电站厂内经济调度方法
CN113346484B (zh) 一种考虑暂态不确定性的配电网弹性提升方法及系统
CN111291939A (zh) 一种联络线计划编制方法及系统
CN110061510B (zh) 一种时段解耦安全约束经济调度快速求解方法和系统
CN116780509A (zh) 一种离散概率和cgan融合的电网随机场景生成方法
Zheng et al. Efficient robust look-ahead dispatch incorporating critical region preparation in gap time
CN114759579A (zh) 一种基于数据驱动的电网有功优化控制系统、方法和介质
Lei et al. Optimal scheduling of a renewable energy-based park power system: A novel hybrid SDDP/MPC approach
CN111799842B (zh) 一种考虑火电机组灵活性的多阶段输电网规划方法及系统
CN113162049A (zh) 一种概率分布不确定条件下输配协同调度方法及系统
CN112751334A (zh) 一种基于内存计算架构的电网在线建模的方法及系统
Pan et al. Robust security-constrained unit commitment using Benders decomposition

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