CN112072641B - 一种源网荷储柔性协调控制和运行优化方法 - Google Patents
一种源网荷储柔性协调控制和运行优化方法 Download PDFInfo
- Publication number
- CN112072641B CN112072641B CN202010838560.XA CN202010838560A CN112072641B CN 112072641 B CN112072641 B CN 112072641B CN 202010838560 A CN202010838560 A CN 202010838560A CN 112072641 B CN112072641 B CN 112072641B
- Authority
- CN
- China
- Prior art keywords
- network
- power
- load
- coordination
- source
- 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
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
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种源网荷储柔性协调控制和运行优化方法,包括如下步骤:建立输电网‑配电网‑设备本地三层柔性协调集中控制架构和配电系统多层柔性协调分布式控制架构;探究配电系统“源‑网‑荷‑储”全面协调互动机制;对配电网源、网、荷、储各端设备进行运行建模,采用基于数据驱动的分布鲁棒方法对不可控分布式发电和负荷的不确定特征进行表征,进而构建了“源‑网‑荷‑储”柔性协调集中优化运行模型和分区分布式优化运行模型,并分别采用CCG算法和ADMM算法进行有效求解。通过本发明,可以实现新一代配电系统柔性协调优化运行。
Description
技术领域
本发明属于配电网柔性协调运行领域,尤其涉及一种考虑新一代配电系统形态特征的“源 -网-荷-储”柔性协调控制和运行优化方法。
背景技术
新一代配电系统呈现功率双向流动、双向不确定性的特征,由单一配电角色向与大电网、用户双向互动的高级配电系统形态转变。同时为了增加清洁能源消纳、适应电动汽车无序充放电,新一代配电系统具有交直流混联配电网、新型电力电子设备、微电网、分布式储能技术、多能互补以及能源互联等应用特征。然而,新一代配电系统面临三项挑战:1)清洁能源消纳不足:潮流的双向流动带来了源网双端不确定性,且间歇式分布式发电的频率调节能力较弱,同时增大了配网电压水平控制的难度;2)运行调控难度大:配电系统目前对泛在分布式灵活性资源的包容性和开放性较低,没有充分利用各端灵活性资源的差异调节特性,其复杂互动机理使电网运行调控难度明显加大;3)与大电网互动匮乏:传统的输配独立调度模式使灵活性资源利用率低,进而导致输电网和配电网都难以充分消纳可再生清洁能源。因此,迫切需要考虑配电系统各端灵活性资源的差异调节特性和复杂多端互动机理,以满足输配协同调度方案为边界约束要求,研究基于输配协同下的配电系统“源-网-荷-储”柔性协调控制技术和优化调度方法。
发明内容
本发明的目的在于克服现有技术的不足,提供一种源网荷储柔性协调控制和运行优化方法,包括如下步骤:
步骤一:建立输电网-配电网-设备本地三层柔性协调集中控制架构和配电系统多层柔性协调分布式控制架构;
步骤二:提出配电系统“源-网-荷-储”全面协调互动机制;
步骤三:对配电网源、网、荷、储各端设备进行运行建模,采用基于数据驱动的分布鲁棒方法对不可控分布式发电和负荷的不确定特征进行表征,进而构建“源-网-荷-储”柔性协调集中优化运行模型和分区分布式优化运行模型,所述柔性协调集中优化运行模型采用CCG 算法进行有效求解,所述分区分布式优化运行模型采用ADMM算法进行有效求解。
所述步骤一中的输电网-配电网-设备本地三层柔性协调集中控制架构为:
利用配电系统内部泛在分布式灵活性资源的分布式优化控制能力和集中协调优化能力,在满足传输功率一致性的基础上,由配电网向输电网提供灵活可调度能力,进而实现配电网 -输电网逆向互动;
再配电网需根据输电网的优化协调结果进行指令响应,进而控制下级设备层。
所述步骤一中的配电系统多层柔性协调分布式控制架构为:
通过引入多代理系统形成以下三类Agent,分别为配电网Agent、区域Agent、受控元件 Agent,其中受控元件Agent包含区域内的源、网、荷、储Agent和参与配电网Agent核心协调优化的源、网、荷、储Agent;从而实现区域分布自治和全局协调优化;所述配电网Agent向区域Agent和参与配电网Agent核心协调优化的源、网、荷、储Agent下达调度指令,同时向输电网发送交互协调功率和灵活可调度能力信息;
所述区域Agent与上级配电网Agent和同级参与配电网Agent核心协调优化的源、网、荷、储Agent双向交互协调,与下级区域内的源、网、荷、储Agent进行单方向的优化调度决策。
所述步骤二中的“源-网-荷-储”全面协调互动机制包括:源储互动、源荷互动、源网互动、储网互动、荷网互动。
所述步骤三中的基于数据驱动的分布鲁棒方法对不可控分布式发电和负荷的不确定特征进行表征,表现为采用历史数据中的多典型场景以及受综合范数约束的不确定性场景概率分布来表征配电网的复杂不确定性特征。
步骤三中的“源-网-荷-储”柔性协调集中优化运行模型为:
s.t Ax≤d
Bx=e
Cx+Dys=f
Eys≤g
||Fys||2≤kTys
Gys≤ξs
Hys=h
式中:x为第一阶段决策变量,y为第二阶段变量;ξ为不确定性风光有功输出和负荷需求的预测值;ps为第s个场景的可能概率取值;Φ为不确定性参数恶劣概率分布的可能存在区间;
其中:aTx对应输电网购电成本和可控负荷响应成本,bTy+cTξ对应可控分布式电源成本、网损成本、弃风弃光成本、储能综合成本;Ax≤d表示第一阶段可控负荷、电容器组、输配边界功率一致性的功率不等式约束,Bx=e对应第一阶段可控负荷的有功无功响应关系约束式;Cx+Dys=f代表同时关联x和y的潮流平衡等式约束;Eys≤g表示第二阶段运行状态变量、地源热泵、可控分布式电源、静止无功补偿器、储能系统、网端、不可控分布式电源的不等式约束;||Fys||2≤kTys代表潮流约束线性处理后的二阶锥约束和网端的容量限制旋转锥约束;Gys≤ξs表明风光出力不能超过预测值;Hys=h对应第二阶段网端的有功功率传输等式约束和ESS时序容量等式约束。
步骤三中柔性协调集中优化运行模型采用CCG算法求解的流程如下:
1)设置下界值LB=0,上界值UB=+∞,迭代次数K=1;
2)求解CCG主问题,获得最优决策结果及最优解(x*,aTx*+L*),更新主问题提供的下界值LB=max{LB,aTx*+L*};
4)更新K=K+1,返回2)。
步骤三中分区分布式优化运行模型包括配电网Agent优化调度模型和区域Agent优化调度模型,
所述配电网Agent优化调度模型为:
s.t ADSxDS≤dDS
BDSxDS=eDS
CDSxDS+DDSyDS,s=fDS
EDSyDS,s≤gDS
GDSyDS,s≤ξDS,s
HDSyDS,s=hDS
式中:xDS为配电网Agent第一阶段决策变量,yDS,s为配电网Agent第二阶段变量;ξDS,s为核心协调层的不确定性风光有功输出和负荷需求的预测值;pDS,s为第s个场景的可能概率取值;ΦDS为不确定性参数恶劣概率分布的可能存在区间;
其中:对应输电网购电成本、可控负荷响应成本、子区域联络线交换功率的售电成本;对应可控分布式电源成本、网损成本、弃风弃光成本、储能综合成本;ADSxDS≤dDS表示第一阶段可控负荷、电容器组、输配边界功率一致性的功率不等式约束,BDSxDS=eDS对应第一阶段可控负荷的有功无功响应关系约束式;CDSxDS+DDSyDS,s=fDS代表同时关联xDS和yDS,s的潮流平衡等式约束;EDSyDS,s≤gDS表示第二阶段运行状态变量、地源热泵、可控分布式发电、静止无功补偿器、储能系统、智能软开关、不可控分布式电源的不等式约束;代表潮流约束线性处理后的二阶锥约束和智能软开关的容量限制旋转锥约束;GDSyDS,s≤ξDS,s表明风光出力不能超过预测值;HDSyDS,s=hDS对应第二阶段智能软开关的有功功率传输等式约束和储能时序容量等式约束;核心协调层与各子区域的联络线功率一致性约束;
所述区域Agent优化调度模型为:
s.t Avxv≤dv
Bvxv=ev
Cvxv+Dvyv,s=fv
Evyv,s≤gv
Gvyv,s≤ξv,s
Hvyv,s=hv
式中:xv为区域Agent第一阶段决策变量,yv,s为区域Agent第二阶段变量;ξv,s为区域v 的不确定性风光有功输出和负荷需求的预测值;pv,s为第s个场景的可能概率取值;Φv为不确定性参数恶劣概率分布的可能存在区间;
其中:对应核心协调层购电成本、可控负荷响应成本、邻近区域购电成本;对应可控分布式电源成本、网损成本、弃风弃光成本、储能综合成本;Avxv≤dv表示第一阶段可控负荷、电容器组、输配边界功率一致性的功率不等式约束,Bvxv=ev对应第一阶段可控负荷的有功无功响应关系约束式;Cvxv+Dvyv,s=fv代表同时关联xv和yv,s的潮流平衡等式约束;Evyv,s≤gv表示第二阶段运行状态变量、地源热泵、可控分布式发电、静止无功补偿器、储能系统、智能软开关、不可控分布式电源的不等式约束;代表潮流约束线性处理后的二阶锥约束和智能软开关的容量限制旋转锥约束;Gvyv,s≤ξv,s表明风光出力不能超过预测值;Hvyv,s=hv对应第二阶段智能软开关的有功功率传输等式约束和储能时序容量等式约束;包括核心协调层与子区域的联络线功率一致性约束和邻近区域联络线功率一致性约束。
步骤三中分区分布式优化运行模型采用ADMM算法进行求解的流程如下:
3)采用CCG算法分别求解配电网核心协调层和各个子区域的分布鲁棒优化运行模型,得到两阶段的变量解;
5)更新配电网和各个子区域的对偶变量:
令n=n+1,返回步骤2)。本发明的有益效果是:本发明突破海量分布式优化控制的自组织、自适应能力和集中优化控制的全局协调优化能力,能够实现新一代配电系统“源-网-荷- 储”的有序互动,从而形成系统经济高效运行、新能源高比例消纳的可观局面。
附图说明
图1为本发明中三层柔性协调集中控制架构图,
图2为本发明中配电系统分区分布式控制模式图,
图3为基于多代理系统的配电系统分布式控制架构图,
图4为本发明中“源-网-荷-储”协调互动机制图,
图5为燃气轮机有功调度结果图,
图6为可控负荷有功响应图,
图7为储能系统充放电策略图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
本发明包括如下步骤:
步骤一:建立输电网-配电网-设备本地三层柔性协调集中控制架构和配电系统多层柔性协调分布式控制架构;
步骤二:提出配电系统“源-网-荷-储”全面协调互动机制;
步骤三:对配电网源、网、荷、储各端设备进行运行建模,采用基于数据驱动的分布鲁棒方法对不可控分布式发电和负荷的不确定特征进行表征,进而构建“源-网-荷-储”柔性协调集中优化运行模型和分区分布式优化运行模型,所述柔性协调集中优化运行模型采用CCG 算法进行有效求解,所述分区分布式优化运行模型采用ADMM算法进行有效求解。
所述步骤一中的输电网-配电网-设备本地三层柔性协调集中控制架构为:
利用配电系统内部泛在分布式灵活性资源的分布式优化控制能力和集中协调优化能力,在满足传输功率一致性的基础上,由配电网向输电网提供灵活可调度能力,进而实现配电网 -输电网逆向互动;
再配电网需根据输电网的优化协调结果进行指令响应,进而控制下级设备层。
所述步骤一中的配电系统多层柔性协调分布式控制架构为:
通过引入多代理系统形成以下三类Agent,分别为配电网Agent、区域Agent、受控元件 Agent,其中受控元件Agent包含区域内的源、网、荷、储Agent和参与配电网Agent核心协调优化的源、网、荷、储Agent;从而实现区域分布自治和全局协调优化;
所述配电网Agent向区域Agent和参与配电网Agent核心协调优化的源、网、荷、储Agent 下达调度指令,同时向输电网发送交互协调功率和灵活可调度能力信息;
所述区域Agent与上级配电网Agent和同级参与配电网Agent核心协调优化的源、网、荷、储Agent双向交互协调,与下级区域内的源、网、荷、储Agent进行单方向的优化调度决策。
所述步骤二中的“源-网-荷-储”全面协调互动机制包括:源储互动、源荷互动、源网互动、储网互动、荷网互动。
所述步骤三中的基于数据驱动的分布鲁棒方法对不可控分布式发电和负荷的不确定特征进行表征,表现为采用大量历史数据中的多典型场景以及受综合范数约束的不确定性场景概率分布来表征配电网的复杂不确定性特征。
如图1所示,当满足输配协同调度方案下的区域配电系统调度采用集中优化调控方式时,反映为输电网-配电网-设备本地的三层柔性协调控制架构。输电网-配电网层间控制表现为输电网对多个配电网的优化协调能力,即同时满足与区域配电系统的多条联络线的功率一致性要求,而配电网需根据输电网的优化协调结果进行指令响应,进而控制下级设备层。输电网向配电网发送的功率交换指令通常包含多次信息通信及优化决策多次迭代平衡的过程。在实现输电网与多区域配电系统协调平衡的迭代过程中,其配电系统向输电网提供的可调度能力具有重要意义,与配电侧联络线交换功率通过通信链路传递给上层后,输电网可综合各个配电系统的联络线交换功率需求和大电网间歇性可再生能源发电的出力情况重新进行协调计算,直至全局最优将其调度功率传递给下层配电网。另一方面,配电系统向输电网提供的可调度能力能够实时满足输电网调度需求,相当于配电系统为输电网提供的灵活备用。输电网- 配电网的两层协调控制同时使输电网和各区域配电系统的自身目标最优,实现了协同优化。
配电网-设备本地的柔性控制架构表现为配电EMS“一对多”的集中优化协调控制方式。配电EMS与源、网、荷、储各端设备均需建立通信链路,从而分别收集设备运行状态、性能参数、经济成本等信息,在充分考虑各端灵活性资源的差异调节特性和可再生能源发电出力的不确定性、波动性特征条件下,对包含经济效益最大化、供电能力均衡等优化目标的非线性规划问题进行求解,实现系统区域内全局最优。然后配电EMS根据优化计算结果,分别向设备层各设备下达调度指令,设备层进行指令响应后,调节自身发用电及状态控制。可见,其优化计算和协调控制均由配电EMS完成,其对通信网络和集中优化求解工具的可靠性要求较高。
传统的集中优化控制方式虽然能够做出基于全局考虑的优化决策,但随着新一代配电系统的规模和复杂度的不断增加以及多微网的接入,使得集中优化控制方式在通信、优化计算方面都面临巨大挑战。然而,分布式优化控制仅需要局部信息,非常适应具有多微网、泛在分布式灵活性资源、分布式可再生能源发电的新一代配电系统区域化、分散化、不确定性的形态特征。所以,目前配电系统多趋于采用全局优化和区域自治的分区分布式优化控制方式。
如图2所示,将配电系统划分为n个区域进行分布式优化控制,配电网EMS与各子区域的优化目标不同,通过信息交互完成多次迭代趋优过程。对于配电EMS,需根据各子区域传递的交互信息进行全局协调优化计算,并将更新信息返回给各子区域;对于各子区域,需根据相邻区域和集中中心信息,以本区域优化目标最优进行优化决策及其信息更新。在分布式优化控制模式下,配电网EMS与设备层无直接调度关联关系,只与各个子区域的控制中心进行信息交互以及进行全局的协调优化计算。
可见,集中优化控制模式下的大规模复杂优化难问题被分解为多个子区域的自治优化和全局协调问题,且可以进行并行计算,从而充分提高了计算效率。并且此类模式下,可以有效整合相对集中的用户侧分布式发电资源和泛在分布式灵活性资源。
考虑新一代配电系统微网、虚拟电厂、自治区域等形态特征,将配电系统集中控制模式下的设备层化分为若干个子区域系统以及参与多区域协调优化的源、网、荷、储主体。其中,子区域系统代表了海量分布式电源并网下具有区域自治能力和局部优化目标的源、网、荷、储非单一主体组合,可以是配网已经存在的微网、虚拟电厂,也可以是根据区域内灵活性资源对区域灵活性需求的平衡能力进行划分的自治区域。配电系统分布式优化就形成了“输电网-配电网-自治区域-受控设备”多层级柔性协调控制架构,其自治区域的源、网、荷、储分布式资源可以充分发挥海量分布式优化控制的自组织、自适应能力,而配电网层面的源、网、荷、储分布式资源则可以发挥集中优化控制的全局协调能力,共同实现区域分布自治、全局协调优化的目标。
配电系统分区分布式优化控制下,形成多个不同利益主体,其自治区域和配电网拥有不同的优化目标,配电网以满足输配协同优化调度下的全局经济最优、清洁能源高比例消纳为目标,而微电网、虚拟电厂等区域则以区域内源、网、荷、储分布式资源高效自治运行、收益最大化为目标。
配电系统引入多代理系统解决分布式优化控制问题,形成以下三类Agent,分别为配电网Agent、区域Agent、受控元件Agent,其中受控元件Agent包含区域内的源、网、荷、储Agent和参与配电网Agent核心协调优化的源、网、荷、储Agent。基于多代理系统(multi-agent system,MAS)的配电系统分布式优化控制架构如图3所示。
配电网Agent:收集各个区域的协调信息和区域协调层分布式资源的数据采集信息,然后考虑输配协同优化调度方案约束和系统安全运行约束,通过调整区域协调层的分布式灵活性资源进行全局协调优化计算,协调后的交互信息再返回给各区域Agent。在各区域Agent 合作和竞争模式共同促进下的全局目标和各区域目标达成最优时,配电网Agent向区域Agent 和区域协调层的源、网、荷、储Agent下达调度指令,同时向输电网发送交互协调功率和灵活可调度能力信息。
区域Agent:为整个柔性协调控制架构的中间级,与上级配电网Agent和同级邻近区域 Agent是双向交互协调的关系,而与下级受控元件Agent为单方向的优化调度决策关系。总体上,中间级区域Agent的设置有利于海量分布式资源的接入,使配电网Agent不必与所有设备建立通信链路以及进行复杂结构下的优化调整计算。通常,区域Agent基于交互协调信息,以尽可能实现区域内部能量平衡和满足自身收益最大化为前提进行内部分布式资源的出力调整,然后将自身最优下的交互更新信息发送给邻近区域Agent和上级配电网Agent。其中,发送给配电网Agent的信息包含了交换功率信息和区域可调度能力,使配电网Agent能够通过区域Agent了解区域内部分布式资源的整体特性,从而进行仅包含区域Agent、区域协调层主体Agent的协调优化计算。但总体上,配电Agent和区域Agent都是根据各自的目标和约束做出调度策略,通过功率交换一致实现整个系统的协调平衡。
受控元件Agent:包含两个层级的源、网、荷、储Agent,分别受配电网Agent和区域Agent的控制,可以实时检测和收集分布式设备的功率、电压、频率等状态信息,并传递给上级Agent供其决策。图2-4的柔性协调控制架构下,受控单元Agent相当于树分枝最底层Agent,只负责数据的采集、传递和指令的执行,不同受控元件之间没有通信链路。所述源网荷储协调互动机制:
如图4所示,各端全面协调互动机制表现为通过各端灵活性资源和不可控分布式发电、不可控负荷的全面协调配合,使其在时序特性、空间特性、供需特性上形成互补,从而实现大规模不可控分布式电源(即distributed generator,DG)的消纳。目前,“源-网-荷-储”协调互动主要表现形式有:源源互补、源储互动、源荷互动、源网互动、储网互动、荷网互动等。
1)源源互补
配电系统发电端包含可控分布式发电和不可控分布式发电,不可控分布式发电以常见的风光清洁能源发电为主,可控分布式发电包含燃煤机组、水力发电机组等。其中,风光分布式发电出力受自然因素特征的影响,具有季节特性、不确定性和波动性特征,且在时序特性上有互补关系。时间尺度为一年时,在春冬季节,风电出力比较大,光伏出力比较小;在夏秋季节,光伏出力比较大,风电出力比较小。时间尺度为一天时,在白天风电出力较小而光伏出力较大,在夜晚风电出力较大,而光伏发电量为零。所以通过风光机组的联合优化调度,可以在一定程度上促进清洁能源的消纳。各类清洁能源分布式发电除了在时序特性上具有互补特征外,其空间分布也不均衡,各地区资源分布概况与地理环境特征密切有关。因此,可以充分利用各个地区的资源优势和不同清洁能源的时序特性,实现清洁能源分布式发电的时空互补。风、光、水等清洁能源虽然在时空分布特性上可以互补,但是风电、光伏出力仍然面临着不确定性、波动性的问题,因而稳定可靠的分布式发电是源侧的重要支撑。火电与风电、光伏、水电相比,不受自然环境因素影响,发电可控性高,可以作为源侧的可控分布式资源。所以,通过源侧多种类型组合发电,可以平缓源侧功率波动,同时大规模消纳间歇性可再生清洁能源,如风光互补、风光水火互补等等。
2)源储互动
储能装置能够响应不可控分布式发电的不确定波动,其在不可控分布式发电出力剩余或者不能安全接入电网时进行充电,而在低谷时段进行放电。目前有光储混合、凤储混合、风光储混合等多种形式,可以根据风光的装机容量确定储能的类型和安装容量,使其在保证经济性的同时,尽可能地与风光形成互补,从而最大化提高能源利用效率。
3)源荷互动
传统配电系统负荷不具备柔性特征,按照电源跟踪负荷的方式进行优化调度,在系统功率不能实现动态平衡时多采用切机切负荷的方式进行调节,从而导致能源利用率低、负荷供电可靠性不足等问题。而随着可再生能源分布式发电的大规模并网,传统配电系统的调节方式显然不能适应源荷双端不确定性特征。为了减少弃风、弃光现象,显然需通过多类型多方向资源进行协调优化控制,新一代配电系统的负荷就具备柔性特征,具备追踪间歇性可再生能源发电出力的能力,通过“源荷互动”可以实现供需特性互补,从而有效促进可再生能源的消纳。
目前,基于价格的需求响应技术通过分时电价、实时电价、尖峰电价、阶梯电价等多种电价机制可以引导用户自主改变用电行为,基于激励的需求响应技术可以在合同要求范围内直接控制可中断负荷、可平移负荷等柔性负荷的用电时序特性,从而降低高峰期的用电负荷以及增加低谷期的用电负荷,使负荷能够反向跟随源端不可控分布式发电的出力波动。另一方面,以地源热泵为代表的冷热电综合能源系统耦合元件在满足冷/热负荷需求下,可充分考虑热冷系统的储冷、储热可调节能力,作为新一代配电系统可控电负荷,从而在可调节范围内跟随不可控分布式发电出力波动,实现供需特性互补。
4)源网互动
一方面,电网通过网络重构、柔性互补等潮流分布灵活性调整措施有效接纳不可控分布式发电大规模并网,减少其波动性和不确定性特征给电网带来的电压波动、三相不平衡问题,避免“不友好”特性带来的运行安全风险;另一方面,在源端,也有前面讲述的源源互补、源储互动行为,以尽力减小源侧波动对电网的冲击性。同时,分布式发电具备无功支撑能力,可以充分利用使其与电网无功补偿手段协调配合,共同改善电压分布。通过源网互动,可以让接入大量不可控分布式发电的电网向可调控的方向发展。
5)网荷互动
需求响应和多能互补技术可以鼓励多类型负荷跟随不可控分布式发电的出力波动,同时也可以作为电网安全可靠运行的重要调度手段。在电力市场深化改革背景下,需求侧参与辅助服务市场的用户越来越多,如参与电网无功优化进行电压水平调节、有功优化调度进行频率调节、减小电网网络损耗、缓解输电阻塞等。同时,多能互补耦合元件也通过多元能流系统间的良性互动实现各种资源的综合高效优化利用,进一步提高配电系统的安全运行水平。
所述配电网源、网、荷、储各端设备运行建模:
(1)源侧运行模型
1)微型燃气轮机
式中:t是优化时段标识,j是网络节点标识,BCD代表接入微型燃气轮机的节点集合;Δt 是分段时间间隔,T是优化总时段数;上式分别表示微型燃气轮机的有功出力上下限约束、无功出力上下限约束和爬坡约束。为j节点微型燃气轮机在第t时段的有功出力和无功出力。2)风光发电
考虑风电机组的无功调节能力,不可控分布式发电的相关运行约束为:
(2)网络灵活性资源运行模型
1)无功补偿装置
1.电容器组(capacitor bank,CB)
2.连续无功调节装置
相比离散无功补偿装置,静止无功补偿器(static VAR compensation,SVC)可以实现连续无极差调节,且反映迅速。
式中:BSVC为包含SVC的节点集合;和分别为SVC无功补偿功率的下限和上限。考虑SVC的TCR-FC典型结构,通过控制TCR支路的晶闸管导通角可以实现连续的快速无功功率调节,从而向电网提供容性无功或者吸收电网多余的感性无功。在不可控分布式发电大量并网下,其双向无功调节功能能够有效缓解不可控分布式发电附近的馈线功率急剧波动带来的电压越限问题,同时在荷峰时期进行无功补偿。
2)SOP
以全控型电力电子器件为基础的智能软开关(soft open point,SOP)不限于开和关两种运行状态,可以通过对电力电子器件的频繁调节,实现馈线间的实时功率大小控制。其装置拓扑结构有三种:统一潮流控制器(unified power flow controller,UPFC)、背靠背电压源型变流器 (back to back voltage source converter,B2B VSC)和静止串联补偿器(static series synchronous compensator,SSSC)。考虑B2B SVC形式的SOP,在容量限制和有功平衡约束下,忽略SOP 内部损耗其配网运行状态优化时的运行约束方程可以表达为:
1)有功功率传输限制:
2)无功功率支撑限制:
3)容量限制:
式中:k为SOP标识,ESOP为SOP集合;和分别表示第k个SOP的两个VSC在第t个时段的有功传输值和无功注入值;和表示第k个SOP的两个VSC的无功注入上下限;Sk,i和Sk,j分别表示第k个SOP的两个变流器的安装容量。
容量限制约束可以转化为旋转锥约束如下:
(3)荷侧运行模型
1)需求响应运行模型
需求响应(Demand Response,DR)包含基于价格的需求响应和基于激励的需求响应。后者属于灵活可控分布式资源,以常见的可中断负荷(Interruptible Load,IL)、可转移负荷(Transfer Load,TL)为例对其分别建模,然后考虑其响应特征进行综合可控负荷(Controllable Load,CL) 建模等效。
可中断负荷:
可转移负荷:
可控负荷:
可中断负荷和可转移负荷的响应特性差异体现在优化总时段的响应容量约束,前者需满足不超过合同签订的上限值,而后者需满足优化总时段内负荷转移进出总量相等。当可转移负荷为非完全转移负荷时,其总转移容量也可以取值非零。所以,根据上述可中断负荷和可转移负荷的响应特性,可以建立综合可控负荷的运行模型为:
式中:BCL为包含CL的节点集合;0-1变量表示CL的正负响应状态;表示第t时段CL节点的正负响应功率;和分别表示负荷预测有功、负荷预测无功和CL正负响应无功;后两式分别代表CL正负响应功率的上下限约束和总时段调节量的上下限约束。
2)地源热泵运行模型
地源热泵是以岩土体、地下水或地表水为低温热源,由水源热泵机组、地热能交换系统、建筑物内系统组成的供热制冷空调系统。与传统供热系统相比,具有环境和经济效益显著、一机多用、运维成本低、占地面积小等优点,能够利用较低的输入电能和地热能,满足用户供热供冷供热水需求。
在地源热泵供热和供冷两种运行模式下,考虑冷热系统高效率存储的优势,将地源热泵作为耦合元件,使冷热系统以电力系统的优化运行为目标进行调度响应,同时其调节能力受到冷热负荷需求限制。
式中:BGHP为包含地源热泵的节点集合;和分别为第j个地源热泵在t时段供热或供冷时的耗电功率,αH和αC分别为地源热泵的制热能效和制冷能效系数,第一个式子简单表示了地源热泵热功率与电功率的耦合关联关系;和为地源热泵的制热制冷状态标志,从而将供热供冷两种运行状态统一考虑,避免供暖期和空调期的单独建模;和分别代表制热和制冷时的电功率上下限值;和分别代表冷热负荷需求区间约束边界值。
(4)储能运行模型
式中:BESS为包含ESS的节点集合;和为ESS充放电状态标志;表示第t时段ESS节点的充放电功率,为第t时段ESS节点的电量;和分别表示ESS的充放电功率上下限;和分别表示储能系统(energy storage system,ESS)的充放电效率,并满足:
所述“源-网-荷-储”柔性协调集中优化运行模型及求解算法:
目标函数:
优化目标包含购电成本、网损成本、弃电成本和部分灵活性资源调节成本,旨在通过节点型和网络型灵活性资源的调节,使电源、网络、负荷、储能进行全方位协调互动,从而实现系统经济运行、清洁能源高比例消纳。
C=CCL+Closs+CPU+CRES+CESS
式中:为输配边界配电侧有功功率;Closs、CPU、CRES和CESS分别表示网络损耗成本、购电成本、弃电成本和储能综合成本;CESS,loss、CESS,op和CESS,sw分别表示储能损耗成本、运行成本和状态转换成本;CCL表示可控负荷的响应成本。
约束条件:
除灵活性资源约束、潮流约束、安全约束外,还考虑了输配协同边界功率一致性约束和配电网向输电网提供的可调度能力约束。由于前面已经给出了配电系统源、网、荷、储各端设备的运行模型,这里只补充余下约束。
1)输配边界功率一致性约束
适用于输配协同优化方案设计的配电网优化运行策略需考虑边界功率的一致性,使其两侧优化功率满足设置的允许误差。
2)配电网向输电网提供的可调度能力约束
为了充分发挥泛在分布式灵活性资源的调节作用,配电网实现自治优化的同时需具备向输电网提供可调度资源的能力,从而进一步促进输电网和配电网消纳高比例可再生清洁能源。
潮流及安全约束不再赘述。
基于数据驱动的分布鲁棒优化模型:
考虑“源-网-荷-储”灵活性资源调节能力的差异,将CL、CB、输配交换功率作为第一阶段变量,在不确定性实现之前进行决策;而具备实时调节能力的ESS、SOP、SVC、可控分布式发电等则作为第二阶段变量。并采用大量历史数据中的多典型场景以及受综合范数约束的不确定性场景概率分布来表征配电网的复杂不确定性特征,进而建立三层两阶段分布鲁棒优化模型如下:
s.t Ax≤d
Bx=e
Cx+Dys=f
Eys≤g
||Fys||2≤kTys
Gys≤ξs
Hys=h
式中:x为第一阶段决策变量,y为第二阶段变量;ξ为不确定性风光有功输出和负荷需求的预测值;ps为第s个场景的可能概率取值;Φ为不确定性参数恶劣概率分布的可能存在区间;约束分别对应了集中优化运行模型的等式约束、不等式约束和二阶锥约束;
其中:aTx对应输电网购电成本和可控负荷响应成本,bTy+cTξ对应可控DG成本、网损成本、弃风弃光成本、储能综合成本;Ax≤d表示第一阶段CL、CB、输配边界功率一致性的功率不等式约束,Bx=e对应第一阶段CL的有功无功响应关系约束式;Cx+Dys=f代表同时关联x和y的潮流平衡等式约束;Eys≤g表示第二阶段运行状态变量、地源热泵、可控DG、SVC、ESS、SOP、不可控DG的不等式约束;||Fys||2≤kTys代表潮流约束线性处理后的二阶锥约束和SOP的容量限制旋转锥约束;Gys≤ξs表明风光出力不能超过预测值;Hys=h对应第二阶段SOP的有功功率传输等式约束和ESS时序容量等式约束。以多典型场景初始概率为基准,对不确定性场景概率分布进行1-范数和∞-范数约束限制,可得到不确定性场景概率分布置信集合。
基于CCG算法的分布鲁棒优化模型求解:
上述集中优化运行模型为min-max-min三层两阶段优化问题,采用CCG算法分解为主问题(master problem,MP)和子问题(sub-problem,SP)进行迭代求解,当主问题提供的下界值与子问题提供的上界值之差满足设置的容许误差要求时,则停止迭代。
主问题根据子问题提供的有限恶劣概率分布,在相关约束下获得最优解,提供下界值。如下式:
式中,K为CCG算法求解两阶段模型的当前迭代次数,为第k次迭代子问题返回的可能最恶劣概率分布。然后子问题根据第一阶段决策变量已知结果x*,在概率可行区域寻找使第二阶段目标值最大的最恶劣概率,相当于为式目标函数提供一个上界值。
由于第二阶段变量y与p的约束无耦合关系,因此max-min子问题可以分解为min问题和max问题进行独立求解:先对多典型场景分别进行min问题求解,得到其二阶段优化解序列,然后在可能概率分布置信集合里寻找使二阶段目标期望最恶劣的场景概率分布,将结果返回给主问题。如下式:
综合上述求解思路,CCG求解两阶段分布鲁棒模型的详细求解流程如下:
1)设置下界值LB=0,上界值UB=+∞,迭代次数K=1;
2)求解CCG主问题,获得最优决策结果及最优解(x*,aTx*+L*),更新主问题提供的下界值LB=max{LB,aTx*+L*};
3)固定x*,求解CCG子问题,得到最优子目标及最恶劣概率分布更新子问题提供的上界值UB=min{UB,aTx*+L(x*)}。如果(UB-LB)≤ε,停止迭代,返回最优解x*;否则,更新主问题的有限恶劣场景概率分布同时在主问题中定义新的第二阶段变量ys,K+1以及关联约束Ys,K+1;
4)更新K=K+1,返回2)。
所述“源-网-荷-储”柔性协调分区分布式优化运行模型及求解算法:
(1)配电网Agent优化调度模型:
考虑形如图3基于MAS的配电系统分布式控制架构,其配电系统被划分为多个子区域以及参与区域协调优化的源、网、荷、储各端运行设备主体。配电网Agent需综合考虑ESS、CL、SVC、CB等分布式灵活性资源的调节能力,使其在与多区域交换功率一致条件下尽可能满足自身目标和区域目标同时达到最优。特别注意的是,分区分布式优化运行模型与集中优化运行模型的部分运行约束和目标函数元素只是标志不同,这里不再重复赘述。
1)目标函数
配电网Agent以实现全网最优为前提会向各子区域制定激励信号,即联络线交换功率的单位售电成本,所以在前述集中优化运行模型优化目标上增加区域交换功率成本。
2)约束条件
在柔性协调集中优化运行模型基础上增加联络线交换功率一致性约束:
同样,潮流等式约束的节点注入功率表达式:
3)基于数据驱动的分布鲁棒优化运行模型:
将CL、CB、输配交换功率、区域交换功率作为第一阶段变量,在不确定性实现之前进行决策;而具备实时调节能力的ESS、SOP、SVC、可控分布式发电等则作为第二阶段变量,进而建立核心协调层配电网Agent的三层两阶段分布鲁棒优化模型如下:
s.t ADSxDS≤dDS
BDSxDS=eDS
CDSxDS+DDSyDS,s=fDS
EDSyDS,s≤gDS
GDSyDS,s≤ξDS,s
HDSyDS,s=hDS
分区分布式优化框架下,配电网Agent优化调度模型与柔性协调集中优化运行模型的三层两阶段分布鲁棒优化模型矩阵形式表达类似。式中:xDS为配电网Agent第一阶段决策变量, yDS,s为配电网Agent第二阶段变量;ξDS,s为核心协调层的不确定性风光有功输出和负荷需求的预测值;pDS,s为第s个场景的可能概率取值;ΦDS为不确定性参数恶劣概率分布的可能存在区间;
其中:对应输电网购电成本、可控负荷响应成本、子区域联络线交换功率的售电成本;对应可控分布式电源成本、网损成本、弃风弃光成本、储能综合成本;ADSxDS≤dD表示第一阶段可控负荷、电容器组、输配边界功率一致性的功率不等式约束,BDSxDS=eDS对应第一阶段可控负荷的有功无功响应关系约束式;CDSxDS+DDSyDS,s=fDS代表同时关联xDS和yDS,s的潮流平衡等式约束;EDSyDS,s≤gDS表示第二阶段运行状态变量、地源热泵、可控分布式发电、静止无功补偿器、储能系统、智能软开关、不可控分布式电源的不等式约束;代表潮流约束线性处理后的二阶锥约束和智能软开关的容量限制旋转锥约束;GDSyDS,s≤ξDS,s表明风光出力不能超过预测值;HDSyDS,s=hDS对应第二阶段智能软开关的有功功率传输等式约束和储能时序容量等式约束;核心协调层与各子区域的联络线功率一致性约束;(2)区域Agent优化调度模型
1)目标函数
区域Agent通过优化调度区域内的灵活性分布式资源实现区域经济效益最大化,其目标函数为:
2)约束条件
在柔性协调集中优化运行模型基础上增加联络线交换功率一致性约束:
同样,潮流等式约束的节点注入功率表达式:
3)基于数据驱动的分布鲁棒优化运行模型
同理,将CL、CB、核心协调层交换功率、邻近区域交换功率作为第一阶段变量,在不确定性实现之前进行决策;而具备实时调节能力的ESS、SOP、SVC、可控分布式发电等则作为第二阶段变量,进而建立区域层区域Agent的三层两阶段分布鲁棒优化模型如下:
s.t Avxv≤dv
Bvxv=ev
Cvxv+Dvyv,s=fv
Evyv,s≤gv
Gvyv,s≤ξv,s
Hvyv,s=hv
区域Agent的三层两阶段分布鲁棒优化模型矩阵形式表达与柔性协调集中优化运行模型类似。式中:xv为区域Agent第一阶段决策变量,yv,s为区域Agent第二阶段变量;ξv,s为区域V的不确定性风光有功输出和负荷需求的预测值;pv,s为第s个场景的可能概率取值;Φv为不确定性参数恶劣概率分布的可能存在区间;
其中:对应核心协调层购电成本、可控负荷响应成本、邻近区域购电成本;对应可控分布式电源成本、网损成本、弃风弃光成本、储能综合成本;Avxv≤dv表示第一阶段可控负荷、电容器组、输配边界功率一致性的功率不等式约束,Bvxv=ev对应第一阶段可控负荷的有功无功响应关系约束式;Cvxv+Dvyv,s=fv代表同时关联xv和yv,s的潮流平衡等式约束; Evyv,s≤gv表示第二阶段运行状态变量、地源热泵、可控分布式发电、静止无功补偿器、储能系统、智能软开关、不可控分布式电源的不等式约束;代表潮流约束线性处理后的二阶锥约束和智能软开关的容量限制旋转锥约束;Gvyv,s≤ξv,s表明风光出力不能超过预测值;Hvyv,s=hv对应第二阶段智能软开关的有功功率传输等式约束和储能时序容量等式约束;包括核心协调层与子区域的联络线功率一致性约束和邻近区域联络线功率一致性约束。(3)ADMM算法求解:
分区分布式优化运行模型采用ADMM算法进行求解,对核心协调层与区域之间、区域与区域之间的交换功率一致性约束分别进行松弛,配电网Agent的优化运行模型引入拉格朗日函数乘子,目标函数可以转化为:
式中:λDS,j,t表示等式约束的拉格朗日乘子向量;ρ为惩罚因子。
同理,区域Agent的优化运行模型引入拉格朗日函数乘子,可以转化为:
一致性变量的迭代更新可以表示为:
特别注意的是,区域v的关联区域为邻近区域,在优化模型中为已知量,可以根据区域编号简单确定。通过对原残差和对偶残差作为收敛指标判断收敛是否结束,第n次迭代的残差表示为:
第n次迭代的最大残差为:
通过ADMM算法求解配电系统分区分布式优化运行模型的具体过程如下:
3)采用CCG算法分别求解配电网核心协调层和各个子区域的分布鲁棒优化运行模型,得到两阶段的变量解;
5)更新配电网和各个子区域的对偶变量:
令n=n+1,返回步骤2)。
所述算例分析:
分别考虑源端(燃气轮机)、网端(SOP)、荷端(需求响应CL)、储(ESS)的参与,设置以下几种场景进行灵敏度分析和对比,进而挖掘“源-网-荷-储”全面协调互动带来的运行优化效益。如表1所示,5种场景分别对应了灵活性分布式资源整体考究和部分考究的配电系统形态特征。
表1算例场景
本文首先均以Case1优化结果为基准,对不同场景以及对应不同调节能力下的优化结果进行对比分析,然后进行5种场景整体性对比。
Case1下燃气轮机的有功功率优化结果如图5所示,可见在净负荷需求较小及为负值时,燃气轮机的出力为允许范围内的下界值。在负荷需求较高风光出力较小的时段,燃气轮机则在允许的爬坡速率内增加其有功出力,与风光出力互补共同满足负荷需求。通常在考虑不同调节能力燃气轮机的安装应用时,需综合考虑其安装成本和运行成本。运行成本方面,需尽可能保证它的调节作用得到充分发挥,其与净负荷曲线的峰值和变化幅度有关,同时还与其它灵活性分布式资源的调节能力有关。
表2燃气轮机不同调节能力运行成本对比
如表2所示,系统未考虑燃气轮机参与协调优化时,主网购电成本为2875.775$,总运行成本为3436.059$。然后,加入燃气轮机进行优化决策,随着其有功功率最大值和爬坡速率表征的灵活调节能力的提高,相比Case2总运行成本迅速下降。值得注意的是,灵活性资源可控负荷、储能的运行成本在燃气轮机不同调节能力情况下有所波动,但变化不大,说明其充分利用了自身调节能力完成源储互动、源荷互动等,以适应风光的不确定性波动。燃气轮机灵活调节能力的提高,增加了系统整体优化效益。一方面,燃气轮机作为源侧灵活性分布式资源,其发电出力可控,且响应速度较快,能够与风光发电的间歇性、波动性出力实现互补调节,从而减小配电系统净负荷需求向主网的购电成本。另一方面,分布式发电带来的双向潮流问题使系统潮流分布不均衡,网络损耗成本略微增加。但总体上,燃气轮机作为源侧稳定可控的分布式发电资源能够通过源源互补响应净负荷需求,赋予配电系统源侧柔性特征,从而减小配电系统向大电网的购电成本,提高经济效益。
表3 CL不同数目优化结果对比
如表3所示,CL的参与使系统购电成本、网损成本、可控分布式发电成本都显著降低,同时只伴随了少量的CL响应成本。一方面,系统可以在高电价、净负荷高需求时期减少可控负荷的用电量,在低电价、净负荷低需求时期增加可控负荷的用电量,从而使系统向上级电网购电的成本费用显著下降,也使其余灵活性分布式资源的运行成本略微降低,可以观察到储能运维成本和燃气轮机发电成本有略微降低。另一方面,通过削峰填谷能够改善潮流分布,使网络负载均衡,从而减少网络损耗成本。由此可见,需求侧柔性负荷的出现,使系统以较小的补偿成本换来了经济效益的显著提升。当风光分布式发电渗透率进一步增加时,其柔性负荷跟随不可控分布式发电出力的能力必然会减少传统系统运行方式下的恶劣弃风弃光现象。CL有功响应曲线如图6所示。
表4储能不同调节能力的优化效益对比
如表4所示,随着储能调节能力的提高,系统购电成本、CL响应成本、网损成本都逐渐降低,储能以较低的运维成本和损耗成本显著提高了系统的经济效益。其中,系统有功成本的显著降低,是因为“源储互动”对净负荷曲线的时序转移增大了不可控分布式发电的能源利用率,避免系统低接纳能力下的弃风弃光、高额购电现象。网络损耗成本的降低是因为邻近储能“低储高发”避免了电能的大规模输送损耗以及为消除弃风光现象的内在线损消耗形式。图7为Case1场景下的ESS时序充放电策略。
“源-网-荷-储”柔性协调优化效益整体对比分析:
表5不同场景下的优化运行成本对比
配电网“源-网-荷-储”各端均存在分布式灵活性资源,部分考究会给系统带来经济损失。将Case1~Case5的系统优化运行成本整理得到表5。可见,源、网、荷、储任意一端不具备柔性协调控制能力时,系统的整体经济效益都会显著下降。
新型配电系统源、网、荷、储各端均存在大量分布式灵活性资源,通过其多端全面协调互动,可以改善可再生能源分布式发电不确定性和波动性特征带来的弃风弃光现象,实现配网的经济高效运行。一方面,源、荷、储各端海量节点型灵活性资源能够在时间特性、空间特性、供需特性上和不可控分布式发电实现互补;另一方面,灵活性网架结构和网侧分布式灵活性资源可以为源、荷、储各端的协调互动提供可靠支撑,同时也可以作为互动端进行协调优化,以实现不可控分布式发电友好并网发电、系统高效安全运行等目标。总体来说,配电系统源、网、荷、储均具备柔性特征,通过源源互补、源储互动、源荷互动、源网互动、荷网互动等多种互动形式,可以使泛在灵活性分布式资源得到充分利用,实现高比例清洁能源并网下的柔性协调优化运行。
Claims (7)
1.一种源网荷储柔性协调控制和运行优化方法,其特征在于,包括如下步骤:
步骤一:建立输电网-配电网-设备本地三层柔性协调集中控制架构和配电系统多层柔性协调分布式控制架构;
步骤二:提出配电系统“源-网-荷-储”全面协调互动机制;
步骤三:对配电网源、网、荷、储各端设备进行运行建模,采用基于数据驱动的分布鲁棒方法对不可控分布式发电和负荷的不确定特征进行表征,进而构建“源-网-荷-储”柔性协调集中优化运行模型和分区分布式优化运行模型,所述柔性协调集中优化运行模型采用CCG算法进行有效求解,所述分区分布式优化运行模型采用ADMM算法进行有效求解;
步骤三中的“源-网-荷-储”柔性协调集中优化运行模型为:
s.t Ax≤d
Bx=e
Cx+Dys=f
Eys≤g
||Fys||2≤kTys
Gys≤ξs
Hys=h
式中:x为第一阶段决策变量,y为第二阶段变量;ξ为不确定性风光有功输出和负荷需求的预测值;ps为第s个场景的可能概率取值;Φ为不确定性参数恶劣概率分布的可能存在区间;
其中:aTx对应输电网购电成本和可控负荷响应成本,bTy+cTξ对应可控分布式电源成本、网损成本、弃风弃光成本、储能综合成本;Ax≤d表示第一阶段可控负荷、电容器组、输配边界功率一致性的功率不等式约束,Bx=e对应第一阶段可控负荷的有功无功响应关系约束式;Cx+Dys=f代表同时关联x和y的潮流平衡等式约束;Eys≤g表示第二阶段运行状态变量、地源热泵、可控分布式电源、静止无功补偿器、储能系统、网端、不可控分布式电源的不等式约束;||Fys||2≤kTys代表潮流约束线性处理后的二阶锥约束和网端的容量限制旋转锥约束;Gys≤ξs表明风光出力不能超过预测值;Hys=h对应第二阶段网端的有功功率传输等式约束和ESS时序容量等式约束;
步骤三中分区分布式优化运行模型包括配电网Agent优化调度模型和区域Agent优化调度模型,
所述配电网Agent优化调度模型为:
s.t ADSxDS≤dDS
BDSxDS=eDS
CDSxDS+DDSyDS,s=fDS
EDSyDS,s≤gDS
GDSyDS,s≤ξDS,s
HDSyDS,s=hDS
式中:xDS为配电网Agent第一阶段决策变量,yDS,s为配电网Agent第二阶段变量;ξDS,s为核心协调层的不确定性风光有功输出和负荷需求的预测值;pDS,s为第s个场景的可能概率取值;ΦDS为不确定性参数恶劣概率分布的可能存在区间;
其中:对应输电网购电成本、可控负荷响应成本、子区域联络线交换功率的售电成本;对应可控分布式电源成本、网损成本、弃风弃光成本、储能综合成本;ADSxDS≤dDS表示第一阶段可控负荷、电容器组、输配边界功率一致性的功率不等式约束,BDSxDS=eDS对应第一阶段可控负荷的有功无功响应关系约束式;CDSxDS+DDSyDS,s=fDS代表同时关联xDS和yDS,s的潮流平衡等式约束;EDSyDS,s≤gDS表示第二阶段运行状态变量、地源热泵、可控分布式发电、静止无功补偿器、储能系统、智能软开关、不可控分布式电源的不等式约束;代表潮流约束线性处理后的二阶锥约束和智能软开关的容量限制旋转锥约束;GDSyDS,s≤ξDS,s表明风光出力不能超过预测值;HDSyDS,s=hDS对应第二阶段智能软开关的有功功率传输等式约束和储能时序容量等式约束;核心协调层与各子区域的联络线功率一致性约束;
所述区域Agent优化调度模型为:
s.t Avxv≤dv
Bvxv=ev
Cvxv+Dvyv,s=fv
Evyv,s≤gv
Gvyv,s≤ξv,s
Hvyv,s=hv
式中:xv为区域Agent第一阶段决策变量,yv,s为区域Agent第二阶段变量;ξv,s为区域v的不确定性风光有功输出和负荷需求的预测值;pv,s为第s个场景的可能概率取值;Φv为不确定性参数恶劣概率分布的可能存在区间;
其中:对应核心协调层购电成本、可控负荷响应成本、邻近区域购电成本;对应可控分布式电源成本、网损成本、弃风弃光成本、储能综合成本;Avxv≤dv表示第一阶段可控负荷、电容器组、输配边界功率一致性的功率不等式约束,Bvxv=ev对应第一阶段可控负荷的有功无功响应关系约束式;Cvxv+Dvyv,s=fv代表同时关联xv和yv,s的潮流平衡等式约束;Evyv,s≤gv表示第二阶段运行状态变量、地源热泵、可控分布式发电、静止无功补偿器、储能系统、智能软开关、不可控分布式电源的不等式约束;代表潮流约束线性处理后的二阶锥约束和智能软开关的容量限制旋转锥约束;Gvyv,s≤ξv,s表明风光出力不能超过预测值;Hvyv,s=hv对应第二阶段智能软开关的有功功率传输等式约束和储能时序容量等式约束;包括核心协调层与子区域的联络线功率一致性约束和邻近区域联络线功率一致性约束。
2.根据权利要求1所述的一种源网荷储柔性协调控制和运行优化方法,其特征在于,所述步骤一中的输电网-配电网-设备本地三层柔性协调集中控制架构为:
利用配电系统内部泛在分布式灵活性资源的分布式优化控制能力和集中协调优化能力,在满足传输功率一致性的基础上,由配电网向输电网提供灵活可调度能力,进而实现配电网-输电网逆向互动;
同时,配电网需根据输电网的优化协调结果进行指令响应,进而控制设备本地层。
3.根据权利要求1或2所述的一种源网荷储柔性协调控制和运行优化方法,其特征在于,所述步骤一中的配电系统多层柔性协调分布式控制架构为:
通过引入多代理系统形成以下三类Agent,分别为配电网Agent、区域Agent、受控元件Agent,其中受控元件Agent包含区域内的源、网、荷、储Agent和参与配电网Agent核心协调优化的源、网、荷、储Agent;从而实现区域分布自治和全局协调优化;
所述配电网Agent向区域Agent和参与配电网Agent核心协调优化的源、网、荷、储Agent下达调度指令,同时向输电网发送交互协调功率和灵活可调度能力信息;
所述区域Agent与上级配电网Agent和同级参与配电网Agent核心协调优化的源、网、荷、储Agent双向交互协调,与下级区域内的源、网、荷、储Agent进行单方向的优化调度决策。
4.根据权利要求1所述的一种源网荷储柔性协调控制和运行优化方法,其特征在于,所述步骤二中的“源-网-荷-储”全面协调互动机制包括:源储互动、源荷互动、源网互动、储网互动、荷网互动。
5.根据权利要求1所述的一种源网荷储柔性协调控制和运行优化方法,其特征在于,所述步骤三中的基于数据驱动的分布鲁棒方法对不可控分布式发电和负荷的不确定特征进行表征,表现为采用历史数据中的多典型场景以及受综合范数约束的不确定性场景概率分布来表征配电网的复杂不确定性特征。
6.根据权利要求1所述的一种源网荷储柔性协调控制和运行优化方法,其特征在于,步骤三中柔性协调集中优化运行模型采用CCG算法求解的流程如下:
1)设置下界值LB=0,上界值UB=+∞,迭代次数K=1;
2)求解CCG主问题,获得最优决策结果及最优解(x*,aTx*+L*),更新主问题提供的下界值LB=max{LB,aTx*+L*};
4)更新K=K+1,返回2)。
7.根据权利要求1所述的一种源网荷储柔性协调控制和运行优化方法,其特征在于,步骤三中分区分布式优化运行模型采用ADMM算法进行求解的流程如下:
3)采用CCG算法分别求解配电网核心协调层和各个子区域的分布鲁棒优化运行模型,得到两阶段的变量解;
5)更新配电网和各个子区域的对偶变量:
令n=n+1,返回步骤2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010838560.XA CN112072641B (zh) | 2020-08-19 | 2020-08-19 | 一种源网荷储柔性协调控制和运行优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010838560.XA CN112072641B (zh) | 2020-08-19 | 2020-08-19 | 一种源网荷储柔性协调控制和运行优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112072641A CN112072641A (zh) | 2020-12-11 |
CN112072641B true CN112072641B (zh) | 2021-09-24 |
Family
ID=73662278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010838560.XA Active CN112072641B (zh) | 2020-08-19 | 2020-08-19 | 一种源网荷储柔性协调控制和运行优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112072641B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112651112B (zh) * | 2020-12-17 | 2023-07-11 | 湖南大学 | 互联微网电能交易和系统运行协同决策方法、系统及设备 |
CN112598278B (zh) * | 2020-12-24 | 2023-02-17 | 国网浙江省电力有限公司经济技术研究院 | 一种基于柔性计算的电力电量平衡判断方法及装置 |
CN112886572A (zh) * | 2021-01-21 | 2021-06-01 | 三峡大学 | 一种电网可再生能源消纳能力评估方法 |
CN112909934B (zh) * | 2021-01-29 | 2021-12-07 | 国网浙江义乌市供电有限公司 | 一种电网负荷无感调控方法 |
CN112952908B (zh) * | 2021-03-29 | 2024-02-02 | 四川大学 | 一种多合作微电网主体分布式协调交易方法 |
CN113555906B (zh) * | 2021-04-13 | 2022-11-15 | 国网辽宁省电力有限公司 | 考虑配网重构的风火耦合发电系统鲁棒容量规划方法 |
CN113285469A (zh) * | 2021-05-08 | 2021-08-20 | 广西大学 | 一种电力电子化电力系统分布式实时频率协调调控方法 |
CN113472014B (zh) * | 2021-06-25 | 2023-09-26 | 国网山东省电力公司泗水县供电公司 | 含分布式电源的配电网优化调度方法及系统 |
CN113725858B (zh) * | 2021-09-06 | 2023-10-10 | 杭州电子科技大学 | 一种计及广义负荷随机特性的输配电协调规划方法 |
CN113708412B (zh) * | 2021-10-09 | 2023-09-15 | 北方工业大学 | 一种微电网群与低压配电网弱连接结构及方法 |
CN115051392A (zh) * | 2021-12-24 | 2022-09-13 | 国网浙江省电力有限公司衢州供电公司 | 一种含新能源、储能及柔性负荷的无功协调优化控制方法 |
CN114896871B (zh) * | 2022-04-22 | 2023-12-22 | 国网江苏省电力有限公司电力科学研究院 | 一种基于最小互信息的光伏出力分解方法 |
CN114938040B (zh) * | 2022-06-10 | 2023-12-29 | 国网浙江省电力有限公司电力科学研究院 | 源-网-荷-储交直流系统综合优化调控方法和装置 |
CN115833198A (zh) * | 2022-11-25 | 2023-03-21 | 国网安徽省电力有限公司淮南供电公司 | 源网荷储的分层协同控制系统及其控制方法 |
CN116073377B (zh) * | 2023-03-06 | 2023-06-23 | 国网浙江省电力有限公司宁波供电公司 | 基于双向调节的主配网交互协同方法及系统 |
CN116388213B (zh) * | 2023-05-22 | 2023-09-12 | 国网江西省电力有限公司电力科学研究院 | 含新能源和充电站的主动配电网动态无功优化方法及系统 |
CN117200344A (zh) * | 2023-09-07 | 2023-12-08 | 国网江苏省电力有限公司镇江供电分公司 | 一种多层级优化的高比例分布式电源台区自治控制方法 |
CN117353395B (zh) * | 2023-12-04 | 2024-04-02 | 国网天津市电力公司东丽供电分公司 | 一种分布式优化调度方法、系统、设备及存储介质 |
CN117458488B (zh) * | 2023-12-25 | 2024-03-01 | 河海大学 | 梯级水光互补分布鲁棒优化调度方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108599373A (zh) * | 2018-05-16 | 2018-09-28 | 山东大学 | 高比例可再生能源电力系统输配协调调度目标级联分析法 |
CN110032828A (zh) * | 2019-05-10 | 2019-07-19 | 四川大学 | 一种计及需求响应柔性调节的配电网两阶段分布鲁棒dg优化配置线性方法 |
CN110322372A (zh) * | 2019-07-10 | 2019-10-11 | 国网能源研究院有限公司 | 区域电力系统中多级电网联动的机组组合调度方法 |
CN110460036A (zh) * | 2019-05-10 | 2019-11-15 | 四川大学 | 一种考虑风电不确定性的交直流配电网分布式优化方法 |
CN110729765A (zh) * | 2019-08-30 | 2020-01-24 | 四川大学 | 一种考虑sop的配电网灵活性评估指标体系和优化调度方法 |
-
2020
- 2020-08-19 CN CN202010838560.XA patent/CN112072641B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108599373A (zh) * | 2018-05-16 | 2018-09-28 | 山东大学 | 高比例可再生能源电力系统输配协调调度目标级联分析法 |
CN110032828A (zh) * | 2019-05-10 | 2019-07-19 | 四川大学 | 一种计及需求响应柔性调节的配电网两阶段分布鲁棒dg优化配置线性方法 |
CN110460036A (zh) * | 2019-05-10 | 2019-11-15 | 四川大学 | 一种考虑风电不确定性的交直流配电网分布式优化方法 |
CN110322372A (zh) * | 2019-07-10 | 2019-10-11 | 国网能源研究院有限公司 | 区域电力系统中多级电网联动的机组组合调度方法 |
CN110729765A (zh) * | 2019-08-30 | 2020-01-24 | 四川大学 | 一种考虑sop的配电网灵活性评估指标体系和优化调度方法 |
Non-Patent Citations (2)
Title |
---|
Distributed Coordination and Optimization Model of Multi-stakeholder in Active Distribution Network;Jieying Liu 等;《2019 9th International Conference on Power and Energy Systems (ICPES)》;20191212;全文 * |
Multi-Agent-Based Voltage Regulation Scheme for High Photovoltaic Penetrated Active Distribution Networks Using Battery Energy Storage Systems;YONGXI ZHANG 等;《IEEE ACCESS》;20200114;7323-7333 * |
Also Published As
Publication number | Publication date |
---|---|
CN112072641A (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112072641B (zh) | 一种源网荷储柔性协调控制和运行优化方法 | |
CN103151797B (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
Barik et al. | Integrated resource planning in sustainable energy-based distributed microgrids | |
Zheng et al. | A multi-agent system for distributed energy resources control in microgrid | |
CN105337310B (zh) | 一种串联结构光储型多微网经济运行系统及方法 | |
CN102611118A (zh) | 一种引入预测信息的风电场综合无功电压控制方法 | |
CN105375507A (zh) | 雾霾环境下虚拟电厂的电力两级交互优化调度系统 | |
Gao et al. | Distributed cooperative optimal control architecture for AC microgrid with renewable generation and storage | |
CN105262129A (zh) | 一种含复合储能微电网的多目标优化系统及方法 | |
Xu et al. | A hierarchically coordinated operation and control scheme for DC microgrid clusters under uncertainty | |
Liu et al. | Two cases studies of model predictive control approach for hybrid renewable energy systems | |
CN111769543B (zh) | 一种含多微网的区域配电网自律协同运行优化方法 | |
CN113241757A (zh) | 一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法 | |
CN112085327B (zh) | 一种配电商参与的主动配电网多层分区调控方法及系统 | |
Zangeneh et al. | A survey: Fuzzify parameters and membership function in electrical applications | |
Arnold | On predictive control for coordination in multi-carrier energy systems | |
CN113837449B (zh) | 虚拟电厂参与的电网系统集中优化调度方法 | |
Gao et al. | Multi objective optimal method for new energy power grid considering maximum demand response | |
CN109980656B (zh) | 两层协同架构下的配电网分布式无功优化与电压调控方法 | |
Maheswari et al. | Mitigating measures to address challenges of renewable integration—forecasting, scheduling, dispatch, balancing, monitoring, and control | |
Lu et al. | Distributed dispatching method of active distribution network considering multiple regulation resources | |
Naraindath et al. | Conceptual framework of microgrid and virtual power plants with renewable energy resources | |
Zhu et al. | Distributed cluster regulation strategy of multipark integrated energy system using multilayer deep Q learning | |
Wu et al. | Optimal Configuration of Flexible Interconnection Devices for Transferring Photovoltaic Power in Active Distribution Network | |
Balasubramanyam et al. | Dynamic energy management system of microgrid using AI techniques: A comprehensive & comparative study |
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 |