CN112290601A - 一种柔性互联交直流配电系统优化调度方法及系统 - Google Patents

一种柔性互联交直流配电系统优化调度方法及系统 Download PDF

Info

Publication number
CN112290601A
CN112290601A CN202011163447.2A CN202011163447A CN112290601A CN 112290601 A CN112290601 A CN 112290601A CN 202011163447 A CN202011163447 A CN 202011163447A CN 112290601 A CN112290601 A CN 112290601A
Authority
CN
China
Prior art keywords
power distribution
flexible
distribution network
optimization
sub
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
CN202011163447.2A
Other languages
English (en)
Other versions
CN112290601B (zh
Inventor
滕玮
程艳
孙树敏
于芃
王玥娇
王士柏
李广磊
魏大钧
王楠
邢家维
张用
左新斌
李笋
赵鹏
赵帅
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong 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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011163447.2A priority Critical patent/CN112290601B/zh
Publication of CN112290601A publication Critical patent/CN112290601A/zh
Application granted granted Critical
Publication of CN112290601B publication Critical patent/CN112290601B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—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
    • H02J3/36—Arrangements for transfer of electric power between ac networks via a high-tension dc link
    • 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]
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]

Landscapes

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

Abstract

本发明提供了一种柔性互联交直流配电系统优化调度方法及系统，建立柔性互联交直流配电系统的框架模型；将柔性互联交直流配电系统划分为多个子区域，所述子区域包括配电网区域、微网区域，微电网与配电网连接处以及柔性互联配电网区域；基于柔性互联交直流配电系统运行约束和拓扑关系，构建各个子区域的优化模型；基于所述优化模型，确定系统优化模型，利用ADMM进行相邻子区域间的交替迭代，进行各子区域间的信息交互，实现分布式优化调度。本发明以较快的收敛速度获得最优的控制方案，实现复杂柔性互联配电系统的分布式优化调度。

Description

一种柔性互联交直流配电系统优化调度方法及系统
技术领域
本发明属于电力系统调度技术领域，尤其涉及一种柔性互联交直流配电系统优化调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着现代配电网的发展，分布式电源及电动汽车等多元化分散资源接入日益增多，分布式电源出力及电动汽车充电功率的不确定性，对配电网的供电可靠性以及优化调度等都带来了一系列新的挑战。通过智能软开关将配电网双向互联的柔性交直流配电系统，不仅能够实现配电网之间的相互支撑，提高供电可靠性，同时还能够促进分布式电源电能就地消纳。实现柔性互联交直流配电系统内电源发电量的合理控制，协调优化区域间的功率交互，对于配电系统的经济运行具有重要意义，国内外专家学者对此类优化问题也展开了诸多相应研究。
目前在配电系统中以数学规划方法、启发式智能算法等集中式优化方法居多，数学规划方法能保证收敛但应对非凸非光滑问题时乏力；启发式智能算法不受非凸非光滑的约束条件影响，但是算法计算效率较低且算法容易早熟，易陷入局部最优。随着分布式电源、柔性负荷、储能装置、电动汽车等设备大规模的接入，集中式优化方法的弊端也逐渐显露出来，在此背景下，诸多分布式优化方法应运而生。但据发明人了解，目前的优化方法都存在一定的缺点，例如仅限于两微网之间，或仅适用于单配电网内的解耦优化、两两耦合等较为单一目标场景，优化区域范围较小且未充分考虑柔性互联配电网分布式优化的适应性。
发明内容
为了解决上述问题，本发明提供一种柔性互联交直流配电系统优化调度方法及系统，本发明将柔性互联配电系统的优化划分为微网子区域优化，利用各区域间的信息交互，以较快的收敛速度获得最优的控制方案，实现复杂柔性互联配电系统的分布式优化调度。
为了实现上述目的，本发明采用如下技术方案：
一种柔性互联交直流配电系统优化调度方法，包括以下步骤：
建立柔性互联交直流配电系统的框架模型；
将柔性互联交直流配电系统划分为多个子区域，所述子区域包括配电网区域、微网区域，微电网与配电网连接处以及柔性互联配电网区域；
基于柔性互联交直流配电系统运行约束和拓扑关系，构建各个子区域的优化模型；
基于所述优化模型，确定系统优化模型，利用ADMM进行相邻子区域间的交替迭代，进行各子区域间的信息交互，实现分布式优化调度。
作为可选择的实施方式，所述框架模型包括第一配电网、第二配电网、第一微网和第二微网，各配电网间通过智能软开关柔性互联，实现配电网间的互补互济，微网通过公共连接点与配电网连接。
作为可选择的实施方式，将柔性互联交直流配电系统划分为多个子区域时，将柔性互联交直流配电系统优化转换为子问题进行优化，具体包括：
各配电网区域及互联处的优化，通过调节区域内柴油发电机发电量及两配电网间柔性互联装置的注入功率，进行分布式优化；
第一微网区域以及第一微网与第一配电网之间的优化，区域内含有各类分布式电源及储能装置，结合用户柔性负荷量，通过调节分布式电源发电量、分布式电源及储能装置充放电及购售电量进行优化处理；
第二微网区域及第二微网与第二配电网之间的优化，结合用户柔性负荷量，结合用户柔性负荷量，通过调节分布式电源发电量、分布式电源及储能装置充放电及购售电量进行优化处理。
作为可选择的实施方式，构建各个子区域的优化模型的具体过程包括：
采用基于支路潮流方程的最优潮流模型，结合配电网运行约束，建立配电网区域优化模型；
通过实施峰谷分时电价，结合并网光储微网系统成本和效益分析，建立以收益最大、运行成本最低为目标的微网区域优化模型；
基于两配网之间的交互变量约束和对于智能软开关柔性互联控制策略，构建柔性互联装置优化模型；
利用复制边界节点变量法来对各子区域进行分解，利用虚拟全局变量进行耦合区域信息交互，使微网与配电网成为相互独立的两部分，建立解耦后微网与配电网的耦合变量关系，得到微网与配电网耦合优化模型。
作为可选择的实施方式，基于所述优化模型，确定系统优化模型的具体过程包括：基于各配电网区域、微网区域以及柔性互联处快速充电装置的优化模型，建立系统优化模型，所述系统优化模型为各子区域的优化模型的运行成本之和最小成立的模型。
作为可选择的实施方式，利用ADMM进行相邻子区域间的交替迭代，进行各子区域间的信息交互的具体过程包括：构建增广拉格朗日函数并根据模型框架将系统进行子问题的划分，之后进行迭代求解，通过协调子问题的解得到全局问题的解。
作为可选择的实施方式，进行迭代求解的具体过程包括：
1)输入初始数据，包括输入区域间购售电分时电价、用户充电电价，用户柔性负荷，配电网系统原始数据及运行时相关约束，微网处光伏、风力发电出力数据；
2)设置初始迭代次数、惩罚系数、原始残差对偶残差收敛值和全局变量初始值；
3)更新迭代次数；
4)进行各个子问题的求解与优化；
5)更新拉格朗日乘子；
6)进行各个子问题的残差更新，判断是否符合收敛条件，如果符合则输出计算结果，否则返回步骤3)，直到满足收敛条件。
一种柔性互联交直流配电系统优化调度系统，包括：
框架模型构建模块，被配置为建立柔性互联交直流配电系统的框架模型；
子区域划分构建模块，被配置为将柔性互联交直流配电系统划分为多个子区域，所述子区域包括配电网区域、微网区域，微电网与配电网连接处以及柔性互联配电网区域；
子区域优化模型构建模块，被配置为基于柔性互联交直流配电系统运行约束和拓扑关系，构建各个子区域的优化模型；
优化调度模块，被配置为基于所述优化模型，确定系统优化模型，利用ADMM进行相邻子区域间的交替迭代，进行各子区域间的信息交互，实现分布式优化调度。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种柔性互联交直流配电系统优化调度方法中的步骤。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种柔性互联交直流配电系统优化调度方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明建立了柔性互联交直流配电系统优化调度模型，并基于ADMM算法建立了优化框架，对柔性互联交直流配电系统内决策变量，交互变量进行了分析，通过对柴油发电机、光伏、风机、储能装置出力，以及微电网、柔性互联装置进行优化，实现了柔性互联交直流配电系统的优化调度，所提方法通过协调子问题得到全局解，解决了分布式协调优化调度问题，以较快的收敛速度获得最优的控制方案，实现复杂柔性互联配电系统的分布式优化调度；对于配电系统的分布式协调优化问题求解具有一定优势。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是柔性互联交直流配电系统框架示意图；
图2是SOP拓扑结构；
图3是区域分解图；
图4是分时电价与用户充电电价；
图5是用户负荷Load；
图6(a)-(d)是子问题一配电网1、配电网2以及子问题二和子问题三迭代残差示意图；
图7(a)、(b)是子问题一优化后DEG出力情况；
图8是柔性互联装置优化示意图；
图9(a)、(b)是子问题二微网1区域各部分出力示意图；
图10是子问题二PCC1优化示意图；
图11(a)是分布式电源优化示意图；
图11(b)是ESS2充放电优化示意图；
图12是子问题三PCC2优化示意图；
图13是运行成本对比图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本实施例使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
为解决背景技术所提出的问题，本实施例建立了计及微网、柴油发电机、光伏发电、风能、用户柔性负荷、电动汽车充电桩、储能装置等的柔性互联配电系统多区域、多目标分布式优化模型，将柔性互联配电系统的优化划分为微网子区域优化，微电网与配电网以及柔性互联配电网区域间优化等若干子问题，采用ADMM进行相邻分区间的交替迭代，利用各区域间的信息交互，以较快的收敛速度获得最优的控制方案，实现复杂柔性互联配电系统的分布式优化调度。
柔性互联交直流配电系统框架如图1所示，整体框架由四个区域组成，分别为配电网1、配电网2、微网1、微网2。配电网间通过智能软开关(s-oft open point,SOP)柔性互联，实现配电网间的互补互济，微网通过公共连接点(Point of Co-mmon Coupling，PCC)与配电网连接。
将柔性互联交直流配电系统优化划分为三个子问题四个区域进行优化。子问题一为配电网1区域和配电网2区域及互联处的优化，通过调节区域内柴油发电机(dieselengine generator,DEG)发电量及两配电网间柔性互联装置SOP的注入功率，对子问题一进行分布式优化；子问题二为微网1区域及微网1与配电网1之间的优化，区域内含有柴油发电机DEG、分布式光伏发电装置(photovoltaic,PV)、风机(wind turbine,WT)等分布式电源及储能装置(Energy Storage System,ESS)，结合用户柔性负荷量，通过调节分布式电源发电量、ESS1充放电及PCC1处购售电量对子问题二进行优化处理；子问题三为微网2区域及微网2与配电网2之间的优化，区域内装置与子问题二相同，结合用户柔性负荷量，调节分布式电源发电量、ESS2充放电及PCC2处购售电量对子问题三进行优化处理。
接下来构建子区域优化模型：
配电网运行约束
传统的非线性潮流模型具有非线性非凸的特点，不利于分布式算法的求解，本实施例采用基于支路潮流方程的最优潮流模型，该模型通过变量替代及二阶锥松弛处理将原模型转化为易于求解的二阶锥规划最优潮流模型，松弛后的二阶锥规划模型有较好的求解效果。经相角松弛后，节点j处功率约束如式(1)-(3)所示。
Figure BDA0002745073020000081
Figure BDA0002745073020000082
Figure BDA0002745073020000083
式中:t＝1,2,…,24；Pij,t，Qij,t为t时刻从节点i流向节点j线路的有功功率、无功功率，
Figure BDA0002745073020000084
为第m台柴油发电机DEG在t时刻时向节点j注入的有功功率、无功功率，rij，xij分别为线路ij的电阻和电抗；pj，qj分别为节点j的有功负荷和无功负荷；ratio为负荷功率利用率；k:j→k表示节点j的子节点，Pjk,t，Qjk,t分别表示为t时刻从节点j到子节点k的有功功率、无功功率；lij为线路ij段的电流幅值的平方；vi,t，vj,t分别为节点i、节点j电压幅值的平方。
传统潮流模型经二阶锥凸松弛后变为凸形式，如式(4)所示。
Figure BDA0002745073020000085
节点电压、线路电流约束如式(5)-(6)所示。
Figure BDA0002745073020000086
Figure BDA0002745073020000087
其中
Figure BDA0002745073020000088
分别为电压幅值平方的最小值、最大值，电流幅值平方的最小值、最大值。
配电网中柴油发电机组运行需要满足功率上下限约束及机组爬坡约束，不同型号发电机组约束值不同，见以下式：
Figure BDA0002745073020000091
Figure BDA0002745073020000092
Figure BDA0002745073020000093
式中：
Figure BDA0002745073020000094
分别为机组m运行时有功功率最大值、最小值，
Figure BDA0002745073020000095
为机组m运行的无功功率最大值、最小值；εDEG,m为柴油发电机m在相邻时刻发电量的最大差值。配电网中柴油发电机DEG有功功率为决策变量，通过调节功率输出对配电网进行优化。
微网运行约束
微网由柴油发电机DEG、光伏PV、风力发电机组WT、储能电池ESS及用户组成。通过实施峰谷分时电价，结合并网光储微网系统成本和效益分析，建立以收益最大、运行成本最低为目标的微网优化模型。分布式电源发电量及储能装置充放电量为微网决策变量，取电能就地消纳为主，与配电网余缺互补原则，微网运行约束如式(10)所示。
Pt DEG,n+Pt PV+Pt WT+et+Pt grid＝Et+load (10)
式中：Pt DEG为t时刻微网区域内柴油发电机n的有功功率；Pt PV为光伏阵列有功功率；Pt WT为风力发电有功功率；Pt grid为微网从配电网的购电量，即微网与配电网进行信息传递的变量；Et,et分别为储能装置ESS在t时刻的充电量、放电量；load为用户柔性负荷。
储能装置ESS运行需满足充放电功率上下限、储能容量上下限约束，见式(11)-(13)。
Pt ESS,min≤Et,et≤Pt ESS,max (11)
SOCmin≤SOCt≤SOCmax (12)
Figure BDA0002745073020000101
式中：Pt ESS,max,Pt ESS,min分别为储能装置ESS最大、最小充电量；SOCt为t时刻储能容量值；SOCmax、SOCmin分别为储能容量的最大值、最小值；ηE为装置充电时的电能转换率；ηe为装置放电时的电能转换率。式(14)、式(15)为储能装置充放电次数约束。
0≤StateE,t+Statee,t≤1 (14)
Figure BDA0002745073020000102
式中：StateE,t、Statee,t为储能设备充电、放电状态；ξ为相邻时刻充电次数最大值。其中StateE,t、Statee,t为状态值，取值为0或者1。
当用户所需负荷变动时，依据分时电价，通过调节柴油发电机、储能设备充放电及购电量对微网区域进行优化。
柔性互联装置优化模型
两配电网之间通过智能软开关(SOP)柔性互联，SOP两侧变流器在结构上完全对称，通过适当的控制策略，可按照调度指令实现功率的双向灵活流动与精确控制。由于配电网分时电价不同，为实现系统经济化最优，直流侧接入直流负荷，可减少直流充电桩变流环节装置的投资，缩减成本，实现能量合理利用，拓扑结构如图2所示。
两配网之间的交互变量约束，如式(16)所示。
Pt,ADN1-PSOP＝Pt,ADN2 (16)
式中：Pt,ADN1为配电网1VSC1侧有功功率，Pt,ADN2为配电网2VSC2侧有功功率，PSOP为供给快速充电负荷的有功功率。
微网与配电网耦合模型
微网与配电网通过PCC连接，物理结构上是互联的，为方便使用ADMM求解，利用复制边界节点变量法来对多区域进行分解，如图3所示。
将配电网与微网耦合区域中配电网部分定义为区域S,微网区域定义为区域H。图中Pt,MG,h、Pt,ADN,s为微网区域与配电网区域耦合变量，Pt,MG,s、Pt,ADN,h为解耦后虚拟全局变量，利用虚拟全局变量进行耦合区域信息交互，使微网与配电网成为相互独立的两部分。
两区域解耦后耦合变量关系如式(17)所示。
Pt,ADN,h＝Pt,ADN,s,Pt,MG,h＝Pt,MG,s (17)
系统优化调度模型：
基于上述建立的子区域优化模型，本节对系统整体及四个区域建立优化调度模型。系统整体优化调度模型如公式(18)所示，各区域优化调度模型如式(23)所示。
Figure BDA0002745073020000111
式中：C为总运行成本，CADN1、CADN2、CMG1、CMG2分别为配电网1、配电网2、微网1、微网2运行成本，Csale为负荷购电收益。
配电网1优化调度模型
Figure BDA0002745073020000112
配电网2优化调度模型
Figure BDA0002745073020000113
微网1优化调度模型
Figure BDA0002745073020000121
微网2优化调度模型
Figure BDA0002745073020000122
柔性互联处快速充电装置优化模型
Csale＝prsalePSOP (23)
式中：pr为区域间购售电分时电价、a，b，c为柴油发电机燃料消耗参数、prsale为用户充电电价、σ为储能装置ESS充放电成本系数。
基于交替方向乘子法的优化调度
基于所建模型框架，本实施例建立了基于ADMM的优化调度方法，首先构建增广拉格朗日函数并根据模型框架将系统进行子问题划分，之后进行迭代求解。全局增广拉格朗日函数构建，如式(24)所示。
Figure BDA0002745073020000123
式中：λ1、λ2、λ3为对偶变量，ρ为惩罚系数。ADMM通过分解协调过程，将大的全局问题分解为多个较小的更容易求解的局部子问题，并通过协调子问题的解得到全局问题的解。因此，将第一节中划分的三个子问题分别建模求解。
子问题一：配电网问题求解
子问题一分为两个局部子问题，即配电网1区域优化与配电网2区域优化，通过ADMM对两局部子问题分别求解，协调局部子问题求解优化子问题一。
将式(16)拓展为公式(25)
Pt,ADN1-PSOP＝P'，Pt,ADN2＝P' (25)
式中P'为柔性互联装置处全局变量。配网1与配网2在迭代求解过程中，对偶变量迭代公式相同，文中用λ1统一表示。
(1)配网1：
Figure BDA0002745073020000131
(2)配网2：
Figure BDA0002745073020000132
子问题一原始残差、对偶残差及迭代更新机制如式(28)-(30)所示。
Figure BDA0002745073020000133
Figure BDA0002745073020000134
Figure BDA0002745073020000135
式中：变量中r均表示迭代次数，不再赘述。
Figure BDA0002745073020000136
为配电网1、配电网2第r次迭代的原始残差；
Figure BDA0002745073020000137
为对偶残差。
子问题二：微网1求解
Figure BDA0002745073020000138
Figure BDA0002745073020000139
Figure BDA00027450730200001310
Figure BDA0002745073020000141
式中:
Figure BDA0002745073020000142
为微网1第r次迭代的原始残差；
Figure BDA0002745073020000143
为对偶残差。
子问题三：微网2求解
Figure BDA0002745073020000144
Figure BDA0002745073020000145
Figure BDA0002745073020000146
Figure BDA0002745073020000147
式中:
Figure BDA0002745073020000148
为微网2第r次迭代的原始残差；
Figure BDA0002745073020000149
为对偶残差。
优化系统决策量为各电源发电量，交互变量分为两部分，一是配电网之间柔性互联装置内交互变量，二是配电网与微网PCC耦合部分的交互变量。通过控制有功功率实现分布式协调优化。
分布式优化过程具体流程如下：
1)输入初始数据：输入区域间购售电分时电价pr、用户充电电价prsale，用户柔性负荷Load，配电网系统原始数据及运行时相关约束，微网处光伏PV、风力发电WT具体出力数据。
2)初始化：设置初始迭代次数r＝1，惩罚系数ρ＝0.003，设置原始残差对偶残差收敛值ψpri、ψdual，对偶变量、原始残差、对偶残差初始值均设为0，并令P'＝0、Pt,ADN,h＝0作为全局变量初始值。
3)更新迭代次数r＝r+1
4)子问题优化
a)子问题一求解
配电网1区域从配电网2区域接收交互数据
Figure BDA00027450730200001410
带入,求解模型得到配电网1交互变量
Figure BDA0002745073020000151
的值，同时配电网2区域接收交互数据
Figure BDA0002745073020000152
求解模型，得出子问题一全部决策变量和交互变量。
b)子问题二求解
根据a)配电网1所得PCC处交互变量
Figure BDA0002745073020000153
令
Figure BDA0002745073020000154
求解模型；
c)子问题三求解
根据a)配电网2所得PCC交互变量
Figure BDA0002745073020000155
令
Figure BDA0002745073020000156
求解模型；
5)拉格朗日乘子更新
按照公式(38)更新拉格朗日乘子；
6)残差更新及迭代终止判定。
按照公式(29)对子问题一残差进行更新，按照公式(33)对子问题二残差进行更新，按照公式(37)子问题三残差进行更新，当满足收敛条件or≤ψpri,du≤ψdual时，算法结束并输出结果，否则返回步骤3)继续迭代直到满足收敛条件为止。
未验证提出策略的有效性，本实施例以IEEE33节点标准系统为基础进行改进，拓扑结构如图1所示，在配电网区域不同节点位置装设柴油发电机组，在微网区域装设光伏、风机及储能装置，在柔性互联区域接入快速充电负荷，配电网与微网通过PCC连接。以此作为算例进行仿真验证。仿真过程在Matlab-Yalmip平台上进行，调用Gurobi求解器，节点负荷支路阻抗均采用IEEE3节点标准系统数据。
基础数据
区域间购售电分时电价pr、用户充电电价prsale，微网用户负荷，如图4和图5所示。各区域内电源的配置和参数，见表1、表2。
表1集群DEG参数
Figure BDA0002745073020000161
表2光伏、风机及ESS配置参数
Figure BDA0002745073020000162
为了分析ADMM算法求解各部分的收敛性，给出各子问题求解收敛过程，如图6(a)-(d)所示。从图中可以看出，随着迭代次数增加，各子问题残差值随着迭代的推进迅速收敛，表明ADMM在处理集群间分布式问题时具有良好的收敛性。根据迭代更新机制，在算法满足收敛条件时，寻得最优解。
优化调度结果分析
子问题一优化后配电网1和配电网2的DEG出力情况如图7(a)、(b)所示，两配电网间柔性互联装置SOP注入功率优化情况如图8所示。
在时段9h-12h、18h-23h为用电高峰时期，此时区域间购电成本较高，各区域为满足自身负荷需求，减少购电成本，各配电网区域内柴油发电机组DEG需在此时段增加发电量。从图中可知时段1h-8h通过PCC连接于配电网2的微网2用户负荷明显高于微网1用户负荷，为实现供需平衡，算法协调分时电价与各电源发电成本，制定出此时段DEG出力方案。
在两配电网柔性互联装置间接入快速充电装置，能够灵活调节配电网之间的购售电关系，优化结果如图8所示。控制端通过制定相应的售电政策，在柔性互联区域快速充电装置处接入电动汽车进行快速充电，促进电能灵活就地消纳。时段3h-6h为用电低谷，经协调优化，少量电能用于快速充电；时段8h-12h、18h-21h两配电网处于用电高峰期，各自区域内电源出力较多，满足各自负荷需求，此时配电网1从配电网2购电量减少，多余电量用于快速充电，具体费用按照用户充电电价prsale进行经济补贴，实现子问题一经济最优化。
子问题二分布式电源发电量、ESS1充放电及PCC1耦合处购售电量优化如图9(a)、(b)和图10所示。
微网中分布式电源发出有功功率值根据用户所需负荷调整，采取自发自用，余量上网原则，通过购售电形式从PCC点传递。
子问题二优化结果可以看出，在时段3h-6h，微网1用户所用负荷较少且分时电价较低，对储能装置ESS1进行充电；在用电高峰时段，时刻19h-22h对储能装置ESS1进行放电，此时分时电价较高，以减少购电需求，满足经济最优。在分时电价较高且用户电荷需求不是很高的时段8h-16h,此时增大各分布式电源发电量用于售电给配电网1；时段20h-21h由于各分布式电源及储能设备的电能无法满足用户需求，此时需要从配电网1处购买少量电能，通过对决策变量和交互变量的控制，使微网1经济最优。
子问题三分布式电源发电量、ESS2充放电及PCC2耦合处购售电量优化结果如图11(a)、(b)和图12所示。从子问题三结果可以看出，在时刻1h-8h，微网2内分布式电源发电量无法满足用户负荷，此时需要从配电网2处购电，由于此时段处于用电谷区时段，分时电价较低，一部分所购电能用于储能装置ESS2在低谷储能，在峰值释放。在分时电价较高的时段8h-16h增大分布式电源出力，对配电网2进行售电，以实现微网2区域经济最优。
柔性互联交直流配电系统与常规互联系统运行成本及迭代次数对比，见图13所示。
通过柔性互联装置协调各部分有功出力，可以使算法迭代次数少且运行成本更优，证明了所提方案的合理性。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种柔性互联交直流配电系统优化调度方法，其特征是：包括以下步骤：
建立柔性互联交直流配电系统的框架模型；
将柔性互联交直流配电系统划分为多个子区域，所述子区域包括配电网区域、微网区域，微电网与配电网连接处以及柔性互联配电网区域；
基于柔性互联交直流配电系统运行约束和拓扑关系，构建各个子区域的优化模型；
基于所述优化模型，确定系统优化模型，利用ADMM进行相邻子区域间的交替迭代，进行各子区域间的信息交互，实现分布式优化调度。
2.如权利要求1所述的一种柔性互联交直流配电系统优化调度方法，其特征是：所述框架模型包括第一配电网、第二配电网、第一微网和第二微网，各配电网间通过智能软开关柔性互联，实现配电网间的互补互济，微网通过公共连接点与配电网连接。
3.如权利要求1所述的一种柔性互联交直流配电系统优化调度方法，其特征是：将柔性互联交直流配电系统划分为多个子区域时，将柔性互联交直流配电系统优化转换为子问题进行优化，具体包括：
各配电网区域及互联处的优化，通过调节区域内柴油发电机发电量及两配电网间柔性互联装置的注入功率，进行分布式优化；
第一微网区域以及第一微网与第一配电网之间的优化，区域内含有各类分布式电源及储能装置，结合用户柔性负荷量，通过调节分布式电源发电量、分布式电源及储能装置充放电及购售电量进行优化处理；
第二微网区域及第二微网与第二配电网之间的优化，结合用户柔性负荷量，结合用户柔性负荷量，通过调节分布式电源发电量、分布式电源及储能装置充放电及购售电量进行优化处理。
4.如权利要求1所述的一种柔性互联交直流配电系统优化调度方法，其特征是：构建各个子区域的优化模型的具体过程包括：
采用基于支路潮流方程的最优潮流模型，结合配电网运行约束，建立配电网区域优化模型；
通过实施峰谷分时电价，结合并网光储微网系统成本和效益分析，建立以收益最大、运行成本最低为目标的微网区域优化模型；
基于两配网之间的交互变量约束和对于智能软开关柔性互联控制策略，构建柔性互联装置优化模型；
利用复制边界节点变量法来对各子区域进行分解，利用虚拟全局变量进行耦合区域信息交互，使微网与配电网成为相互独立的两部分，建立解耦后微网与配电网的耦合变量关系，得到微网与配电网耦合优化模型。
5.如权利要求1所述的一种柔性互联交直流配电系统优化调度方法，其特征是：基于所述优化模型，确定系统优化模型的具体过程包括：基于各配电网区域、微网区域以及柔性互联处快速充电装置的优化模型，建立系统优化模型，所述系统优化模型为各子区域的优化模型的运行成本之和最小成立的模型。
6.如权利要求1所述的一种柔性互联交直流配电系统优化调度方法，其特征是：利用ADMM进行相邻子区域间的交替迭代，进行各子区域间的信息交互的具体过程包括：构建增广拉格朗日函数并根据模型框架将系统进行子问题的划分，之后进行迭代求解，通过协调子问题的解得到全局问题的解。
7.如权利要求6所述的一种柔性互联交直流配电系统优化调度方法，其特征是：进行迭代求解的具体过程包括：
1)输入初始数据，包括输入区域间购售电分时电价、用户充电电价，用户柔性负荷，配电网系统原始数据及运行时相关约束，微网处光伏、风力发电出力数据；
2)设置初始迭代次数、惩罚系数、原始残差对偶残差收敛值和全局变量初始值；
3)更新迭代次数；
4)进行各个子问题的求解与优化；
5)更新拉格朗日乘子；
6)进行各个子问题的残差更新，判断是否符合收敛条件，如果符合则输出计算结果，否则返回步骤3)，直到满足收敛条件。
8.一种柔性互联交直流配电系统优化调度系统，其特征是：包括：
框架模型构建模块，被配置为建立柔性互联交直流配电系统的框架模型；
子区域划分构建模块，被配置为将柔性互联交直流配电系统划分为多个子区域，所述子区域包括配电网区域、微网区域，微电网与配电网连接处以及柔性互联配电网区域；
子区域优化模型构建模块，被配置为基于柔性互联交直流配电系统运行约束和拓扑关系，构建各个子区域的优化模型；
优化调度模块，被配置为基于所述优化模型，确定系统优化模型，利用ADMM进行相邻子区域间的交替迭代，进行各子区域间的信息交互，实现分布式优化调度。
9.一种计算机可读存储介质，其特征是：其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种柔性互联交直流配电系统优化调度方法中的步骤。
10.一种计算机设备，其特征是：包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种柔性互联交直流配电系统优化调度方法中的步骤。
CN202011163447.2A 2020-10-27 2020-10-27 一种柔性互联交直流配电系统优化调度方法及系统 Active CN112290601B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011163447.2A CN112290601B (zh) 2020-10-27 2020-10-27 一种柔性互联交直流配电系统优化调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011163447.2A CN112290601B (zh) 2020-10-27 2020-10-27 一种柔性互联交直流配电系统优化调度方法及系统

Publications (2)

Publication Number Publication Date
CN112290601A true CN112290601A (zh) 2021-01-29
CN112290601B CN112290601B (zh) 2022-06-07

Family

ID=74374162

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011163447.2A Active CN112290601B (zh) 2020-10-27 2020-10-27 一种柔性互联交直流配电系统优化调度方法及系统

Country Status (1)

Country Link
CN (1) CN112290601B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112510673A (zh) * 2021-02-05 2021-03-16 中南大学 考虑母线电压约束的多母线直流微电网经济调度控制方法
CN113361038A (zh) * 2021-06-16 2021-09-07 株洲中车时代电气股份有限公司 变流器轻量化方法、系统、服务器及计算机可读存储介质
CN113904337A (zh) * 2021-10-18 2022-01-07 山东大学 计及配电网灵活性的综合能源系统分布式优化调度方法
CN114094623A (zh) * 2021-11-15 2022-02-25 国家电网有限公司 基于交替方向乘子法的交直流混合配电网分布式优化调度方法
CN114372361A (zh) * 2021-12-23 2022-04-19 北京理工大学 基于bddc区域分解并行算法的粗网格选取方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105391060A (zh) * 2015-11-26 2016-03-09 中国农业大学 含微电网的配电网优化调度方法
WO2018129829A1 (zh) * 2017-01-12 2018-07-19 沃太能源南通有限公司 一种新型微网系统以及基于该系统的组网调度方法
CN109980684A (zh) * 2019-04-02 2019-07-05 云南电网有限责任公司电力科学研究院 一种基于柔性互联微电网的分布式优化调度方法
CN111082475A (zh) * 2019-12-04 2020-04-28 四川大学 一种基于交直流混合配电网协调能量管控方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105391060A (zh) * 2015-11-26 2016-03-09 中国农业大学 含微电网的配电网优化调度方法
WO2018129829A1 (zh) * 2017-01-12 2018-07-19 沃太能源南通有限公司 一种新型微网系统以及基于该系统的组网调度方法
CN109980684A (zh) * 2019-04-02 2019-07-05 云南电网有限责任公司电力科学研究院 一种基于柔性互联微电网的分布式优化调度方法
CN111082475A (zh) * 2019-12-04 2020-04-28 四川大学 一种基于交直流混合配电网协调能量管控方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
路畅 等: "基于柔性互联的独立微电网分布式优化调度方法", 《电网技术》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112510673A (zh) * 2021-02-05 2021-03-16 中南大学 考虑母线电压约束的多母线直流微电网经济调度控制方法
CN112510673B (zh) * 2021-02-05 2021-06-15 中南大学 考虑母线电压约束的多母线直流微电网经济调度控制方法
CN113361038A (zh) * 2021-06-16 2021-09-07 株洲中车时代电气股份有限公司 变流器轻量化方法、系统、服务器及计算机可读存储介质
CN113361038B (zh) * 2021-06-16 2023-05-12 株洲中车时代电气股份有限公司 变流器轻量化方法、系统、服务器及计算机可读存储介质
CN113904337A (zh) * 2021-10-18 2022-01-07 山东大学 计及配电网灵活性的综合能源系统分布式优化调度方法
CN113904337B (zh) * 2021-10-18 2024-04-26 山东大学 计及配电网灵活性的综合能源系统分布式优化调度方法
CN114094623A (zh) * 2021-11-15 2022-02-25 国家电网有限公司 基于交替方向乘子法的交直流混合配电网分布式优化调度方法
CN114094623B (zh) * 2021-11-15 2024-03-22 国家电网有限公司 基于交替方向乘子法的交直流混合配电网分布式优化调度方法
CN114372361A (zh) * 2021-12-23 2022-04-19 北京理工大学 基于bddc区域分解并行算法的粗网格选取方法
CN114372361B (zh) * 2021-12-23 2024-05-28 北京理工大学 基于bddc区域分解并行算法的粗网格选取方法

Also Published As

Publication number Publication date
CN112290601B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
CN112290601B (zh) 一种柔性互联交直流配电系统优化调度方法及系统
Li et al. Robust model of electric vehicle charging station location considering renewable energy and storage equipment
Lu et al. Multi-objective optimal load dispatch of microgrid with stochastic access of electric vehicles
CN104392279B (zh) 一种多智能体结构的微电网优化运行方法
CN103840457B (zh) 考虑电动汽车充放电影响的配电网内dg优化配置方法
CN107392395A (zh) 一种基于价格激励机制的配电网和微电网协调优化方法
CN107546743B (zh) 一种辐射状配电网分布式优化潮流方法
Zhang et al. Multi-objective hydro-thermal-wind coordination scheduling integrated with large-scale electric vehicles using IMOPSO
CN104537258A (zh) 分布式储能参与有源配电网运行调节的锥优化建模方法
CN111222917A (zh) 一种与配电侧多元零售市场互动的虚拟电厂投标策略
CN106992549A (zh) 一种独立微电网系统的容量优化配置方法及装置
CN111509781A (zh) 一种分布式电源协调优化控制方法及系统
CN115333110A (zh) 基于admm的配电网-微电网群协同分布式优化调度方法及系统
CN115204562B (zh) 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统
CN107134771B (zh) 一种基于经济效益评估的微网模式切换控制方法
Li et al. Multiobjective optimization configuration of a prosumer’s energy storage system based on an improved fast nondominated sorting genetic algorithm
Geetha et al. Hybrid approach based combined allocation of electric vehicle charging stations and capacitors in distribution systems
Deng et al. Optimal sizing of residential battery energy storage systems for long-term operational planning
Xie et al. Optimal dispatching strategy of active distribution network for promoting local consumption of renewable energy
Zhang et al. Network-aware energy management for microgrids in distribution market: A leader-followers approach
An et al. Real-time optimal operation control of micro energy grid coupling with electricity-thermal-gas considering prosumer characteristics
CN113890114A (zh) 一种主配用多层级电网灵活调节能力挖掘方法
Abdolrasol M.; Hannan, MA; Hussain, SMS; Ustun, TS; Sarker, MR; Ker, PJ Energy Management Scheduling for Microgrids in the Virtual Power Plant System Using Artificial Neural Networks. Energies 2021, 14, 6507
CN113780620A (zh) 一种点对点平台与综合能源运营商协同运行调度方法
Yan et al. Research on the double-layer intra-day management and control method of ring structure microgrid cluster based on multi-time scale

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