CN112531686A - 一种用于最优电力调度和电压控制的微电网多层控制系统 - Google Patents
一种用于最优电力调度和电压控制的微电网多层控制系统 Download PDFInfo
- Publication number
- CN112531686A CN112531686A CN202011328651.5A CN202011328651A CN112531686A CN 112531686 A CN112531686 A CN 112531686A CN 202011328651 A CN202011328651 A CN 202011328651A CN 112531686 A CN112531686 A CN 112531686A
- Authority
- CN
- China
- Prior art keywords
- power
- microgrid
- voltage
- micro
- layer
- 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.)
- Pending
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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- 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
-
- 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
一种用于最优电力调度和电压控制的微电网多层控制系统,包括调度层、执行层和调整层;调度层包括微电网运行成本的最小化以及产生的二氧化碳排放量,并为接下来的24小时提供功率参考;在执行层,将执行交流潮流计算,以获得不同微电网母线的电压幅值的初始值;调整层通过调整微电网分布式能源提供的功率,将电压保持在预先指定的范围内,根据电压偏差、分布式发电机组在网络中的位置及其与发生电压偏差母线的距离,将为相关发电机组提供适当的动态增益,更新后的设置然后被反馈到调度层,调度层执行新的优化,并在DER单元之间重新分配调整后的参考设置点。本发明在保证微网内电压在约束范围内的同时,实现了系统运行成本和碳排放的最小化。
Description
技术领域
本发明涉及一种用于最优电力调度和电压控制的微电网多层控制系统。
背景技术
分布式能源在未来能源领域中扮演着重要角色。这些技术目前处于不同的发展阶段,将我们推向一个更加分散的能源世界。燃料电池、风机、光伏或柴油发电机等分布式能源正在快速部署。以广泛、高效和经济的方式部署分布式能源需要先进的控制策略,并且可以帮助配电网向更智能的电网发展。智能微电网可以支持提高主电网环境有效性和恢复能力的趋势。微电网是主电网的子系统,主电网由(可控)负载和包含可调度电源、可再生能源以及分布储能设备的分布式电源组成。微电网可以并网运行或者离网运行。由于微电网架构可以定期改变,为了提高其可伸缩性的潜力,控制策略应该以即插即用的方式实现。
目前也有一些学者对微电网的分层控制策略进行了研究,但在这些研究中所提策略只针对微网并网运行和孤岛运行其中一个。同时,未全面考虑微网的经济性和对环境的影响。
发明内容
为了克服已有技术的不足,本发明提出了一种同时适用于并网运行和孤岛运行的以微网运行成本和碳排放量最小为优化目标的多层控制系统,在保证系统稳定运行(电压在约束范围内)的同时,提前确定了微电网内各控制单位的运行状态,实现了微电网运行成本以及碳排放的最小化。
本发明解决其技术问题所采用的技术方案是:
一种用于最优电力调度和电压控制的微电网多层控制系统,包括调度层、执行层和调整层;所述调度层为微电网多层控制的最高层,执行提前一天的机组组合策略,包括同时优化燃料成本和本地发电机的二氧化碳排放;
目标函数为:
Min(CG(PG),εG(PG)) (1)
其中,CG(PG)和εG(PG)分别代表微电网发电机组的运行成本和二氧化碳排放量,PG为微电网发电机组有功功率,两者都应该在变量PG上最小化;燃料成本函数描述了运行发电机产生单位功率所需成本;燃料成本模型为二次模型,它将燃料成本描述为发电机有功功率输出的二次函数,因此,这些发电机组在调度时间范围内的运行成本表示如下:
其中,aj、bj和cj为发电机组的燃料成本系数;N为总时间步长;Ngen为微网内发电机组总数;i为第i个时刻;j为第j个发电机组;运行成本单位为$/h;碳排放函数模型的形式取决于污染物的类型;燃料发电的碳排放直接与燃料的消耗总量相关联,通过二次燃料消耗曲线来表示,因此二氧化碳的排放量表示为发电机有功功率输出的二次函数:
其中dj,ej和fj为发电机组的碳排放量系数;排放量的单位为kg/h;
式(1)中目标函数受潮流和系统性能要求约束,第一个约束是各发电机组发电功率之和必须等于微电网内的实际耗电量,表示为:
式中,为第j个大电机组;代表实际电负荷需求,线损也包括在实际负荷需求中,其占微网实际需求的5.05%;由于可再生能源,如光伏和风力发电,以零运行成本和零排放发电,其输出功率可被视为负的负载;因此,实际负荷功率等于总需求电功率减去可再生能源发电功率PRES,如下:
作为需求侧参与策略的一部分,引入了一个灵活、可控的负荷,当它连接到微电网时,可以在其约束范围内对其进行控制;
每个微网中机组的功率参考设定值如下:PGmax、PGmin
PGmin<PG<PGmax (7)
式中,PGmax为微网中机组发电功率上限,PGmin为微网中机组发电功率下限;
引入储能系统,充放电指令根据最低成本和最低CO2排放进行分配,此外,充放电指令也与能源价格相关,储能系统模型如下所示:
式中,Pstorage为储能系统充放电功率;Estorage为储能系统当前容量;Epre-storage为前一天结束时储能系统容量,储能系统容量约束:
Emin<Estorage<Emax (9)
式中,Emax、Emin为储能系统最大和最小容量;
储能系统充电则可将其视为一个负载,Pstorage为负值;对于充电,在一个时间周期Ts期间Pstorage有如下约束:
Pstorage·Ts≤Emax-Estorage (10)
当储能系统放电时,有功功率将会被注入到微网中,此时Pstorage为正值;对于放电,在一个时间周期Ts期间Pstorage有如下约束:
Pstorage·Ts≤Estorage-Emin (11)
此外,储能系统的充放电速率被约束并且包含在式(7)中;
添加具有电动汽车特性的柔性负载,只能存储能量,只有当电动车并网充电时才可将其视为负载;
EEVmin<EEV<EEVmax (13)
当电动汽车充电并作为负载时,PEV为负值;对于充电,在一个时间周期Ts期间PEV有如下约束:
PEV·Ts≤EEVmax-EEV (14)
电动汽车充电功率为非负值并且具有最大值和最小值的限定范围包含在式(7)中;
给定输入特性、目标、输入等式约束和算法选项,计算微网中发电机组的功率设定值以实现优化目标最小化。
所述执行层中,将利用调度层计算的功率参考设定值进行交流潮流计算,以获得微网网络中不同母线的电压幅值;
所述调整层中,在潮流计算后之后,总线电压的数值将被传输到调整层,通过提高或降低微网发电机组发电功率从而将电压维持在预先设定范围内;如果微网内任何母线出现严重的电压偏差,将引入动态增益;根据偏差,发电机组的位置以及它们各自电压,提供合适的增益来调整微网发电机组的运行边界如式(7);随后,当结束循环时,更新的边界被反馈到调度层,调度层重新计算机组组合解;更新后的发电计划将再次通过控制层级的执行层和调整层,这种迭代过程将继续,直到电压违规被消除,并找到收敛的最优解。
进一步,所述调整层中,电压控制方法如下:所述微电网为径向网络拓扑结构,通过引入网络矩阵和因子矩来描述影响边界和发电机组参考设定值的动态增益,网络矩阵为一个Nunit×Nbus矩阵,表示微网中各机组对减小某以母线电压偏差的贡献,Nunit为微网内机组个数,Nbus为微网内母线个数;
Lmax=maxk,m(Lk to m) (18)
式中,Lk to m为线长反映了机组k到母线m的线路阻抗,Lmax为线路最大阻抗。机组越靠近电压偏差点,其对电压偏差的贡献越大;如果微电网机组的位置出现电压偏差,机组贡献将被设置为1,这是因为在这种情况下是由于机组自身引起的电压偏差可以被机组自身降低,与此同时其他机组为0;
式中,因子fUV和fOV是无量纲的两个值,分别代表欠电压和过电压的情况;在欠压偏差(Vbus<Vmin)的情况下,fUV将被设置为1,fOV将设置为0;在过压偏差(Vbus>Vmax)的情况下fUV将被设置为0,fOV将被设置为1;如果没有电压偏差,两个值都被设置0;Δvm为母线电压偏差的百分比;Vbus为母线电压;Vnom为母线电压基准值;从式(21)-式(23)可以看出,动态增益取决于相应母线的电压偏差;
为了建立动态增益,将网络矩阵和因子矩阵相乘,得到动态增益上下边界矩阵,如(24)和式(25)所示。
式中,Albk,i和Aubk,i表示微网内机组k在i时刻增益的下边界和上边界;
根据电压偏差、发电机组的位置以及与电压偏差点的距离,来提供合适的增益调整采用电压控制策略的微网机组运行界限,当出现欠电压,微网机组的下界将会增加,当出现过电压,微网机组的上界将会减小,动态增益和边界之间的关系由下式可知:
式中,Prange表示上下界限之间的范围。分别为修正前微网内机组k在i时刻发电功率上下界;为修正后微网内机组k在i时刻发电功率上下界;需要注意的是,动态增益与范围成正比,此外,还取决于微电网机组的类型,通过式(26)和(27),可以修改机组发电功率范围,在欠电压的情况下,Alb是负的,从而导致PGmin的增加,在过电压情况下,Aub为正导致PGmax降低。
本发明的技术构思为:调度层包括微电网运行成本的最小化以及产生的二氧化碳排放量,并为接下来的24小时提供功率参考;随后,在执行层,将执行交流潮流计算,以获得不同微电网母线的电压幅值的初始值。调整层目的是通过调整微电网分布式能源(DER)提供的功率,将电压保持在预先指定的范围内,根据电压偏差、分布式发电机组在网络中的位置及其与发生电压偏差母线的距离,将为相关发电机组提供适当的动态增益。更新后的设置然后被反馈到调度层,调度层执行新的优化,并在DER单元之间重新分配调整后的参考设置点。
本发明的有益效果主要表现在:在保证微网内电压在约束范围内的同时,实现了系统运行成本和碳排放的最小化。
附图说明
图1是用于最优电力调度和电压控制的微电网多层控制系统的原理图。
图2是电压控制方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1,一种用于最优电力调度和电压控制的微电网多层控制系统,包括调度层(机组组合问题)、执行层(潮流计算问题)和调整层(带反馈控制的安全检查问题),该多层模型重点在于最优离线微电网的计划,该计划可以为在线微电网应用提供输入。
所述调度层为微电网多层控制的最高层,执行提前一天的机组组合策略,包括同时优化燃料成本和本地发电机的二氧化碳排放;
目标函数为:
Min(CG(PG),εG(PG)) (1)
其中,CG(PG)和εG(PG)分别代表微电网发电机组的运行成本和二氧化碳排放量,PG为微电网发电机组有功功率,两者都应该在变量PG上最小化;燃料成本函数描述了运行发电机产生单位功率所需成本;燃料成本模型为二次模型,它将燃料成本描述为发电机有功功率输出的二次函数,因此,这些发电机组在调度时间范围内的运行成本表示如下:
其中,aj、bj和cj为发电机组的燃料成本系数;N为总时间步长;Ngen为微网内发电机组总数;i为第i个时刻;j为第j个发电机组;运行成本单位为$/h;碳排放函数模型的形式取决于污染物的类型;燃料发电的碳排放直接与燃料的消耗总量相关联,通过二次燃料消耗曲线来表示,因此二氧化碳的排放量表示为发电机有功功率输出的二次函数:
其中dj,ej和fj为发电机组的碳排放量系数;排放量的单位为kg/h;
式(1)中目标函数受潮流和系统性能要求约束,第一个约束是各发电机组发电功率之和必须等于微电网内的实际耗电量,表示为:
式中,为第j个大电机组;代表实际电负荷需求,线损也包括在实际负荷需求中,其占微网实际需求的5.05%;由于可再生能源,如光伏和风力发电,以零运行成本和零排放发电,其输出功率可被视为负的负载;因此,实际负荷功率等于总需求电功率减去可再生能源发电功率PRES,如下:
作为需求侧参与策略的一部分,引入了一个灵活、可控的负荷,当它连接到微电网时,可以在其约束范围内对其进行控制;
每个微网中机组的功率参考设定值如下:PGmax、PGmin
PGmin<PG<PGmax (7)
式中,PGmax为微网中机组发电功率上限,PGmin为微网中机组发电功率下限;
引入储能系统,充放电指令根据最低成本和最低CO2排放进行分配,此外,充放电指令也与能源价格相关,储能系统模型如下所示:
式中,Pstorage为储能系统充放电功率;Estorage为储能系统当前容量;Epre-storage为前一天结束时储能系统容量,储能系统容量约束:
Emin<Estorage<Emax (9)
式中,Emax、Emin为储能系统最大和最小容量;
储能系统充电则可将其视为一个负载,Pstorage为负值;对于充电,在一个时间周期Ts期间Pstorage有如下约束:
Pstorage·Ts≤Emax-Estorage (10)
当储能系统放电时,有功功率将会被注入到微网中,此时Pstorage为正值;对于放电,在一个时间周期Ts期间Pstorage有如下约束:
Pstorage·Ts≤Estorage-Emin (11)
此外,储能系统充放电速率被约束并且包含在式(7)中;
添加具有电动汽车特性的柔性负载,只能存储能量,只有当电动车并网充电时(Tin和Tout之间)才可将其视为负载;
EEVmin<EEV<EEVmax (13)
当电动汽车充电并作为负载时,PEV为负值;对于充电,在一个时间周期Ts期间PEV有如下约束:
PEV·Ts≤EEVmax-EEV (14)
电动汽车充电功率为非负值并且具有最大值和最小值的限定范围包含在式(7)中;
给定输入特性、目标、输入等式约束和算法选项,计算微网中发电机组的功率设定值(针对每个时间步长)以实现优化目标最小化。
所述执行层中,为了确定微网机组未来运行状态,从而将母线电压保持在可接受的范围内,进行离线潮流计算,以获得微网不同母线的电压幅值初始值;在执行层,将利用调度层计算的功率参考设定值进行交流潮流计算,以获得微网网络中不同母线的电压幅值;
所述调整层中,在潮流计算后之后,总线电压的数值将被传输到调整层,通过提高或降低微网发电机组发电功率从而将电压维持在预先设定范围内;如果微网内任何母线出现严重的电压偏差,将引入动态增益;根据偏差(正或负),发电机组的位置以及它们各自电压,提供合适的增益来调整微网发电机组的运行边界如式(7);随后,当结束循环时,更新的边界被反馈到调度层,调度层重新计算机组组合解;更新后的发电计划将再次通过控制层级的执行层和调整层,这种迭代过程将继续,直到电压违规被消除,并找到收敛的最优解;
由于引入了调整层,不仅可以根据经济和环境目标提供有功功率参考设定点,还可以考虑微网中每条母线的电压水平。这些解决方案可用于在线微网系统状态更新。
所述调整层中,微电网正受到越来越多的关注因为其能够为分布式电源机组的集成提供一个协调的方法,与传统网络相比,微电网通常以电阻分布的网络线为主,典型的R/X值在2和8之间变化,因此,由于P和V之间的联系,有功功率/电压(P/V)控制策略在这些微电网中变得越来越重要,为此,本发明提出的电压控制方法是通过影响微网发电机组有功功率设定值来实现的。
图2描述了电压控制方法的具体过程:初始化和评估由执行层传输的总线电压的数值,如果其中一个母线电压超过允许限值,将启动电压控制方法,以调整微电网发电机组的边界;根据电压偏差(欠压或过电压),将会引入“因子”和“网络”矩阵以便构造修改微电网发电机组界限的动态增益;如果出现欠电压,动态增益会使得下限增加以便增加参考设定值并减小电压偏差;如果出现过电压,动态增益会使得上限减小,参考设定值也会减少,其中,可再生能源的输出功率只能通过削减发电数量调整它们的上下限。
利用调整层(和反馈回路),可以根据经济和环境目标,并考虑微电网母线电压,提供有功功率参考设定值(用于实时调度)。
配电网络结构通常是环形或网状,然而,对于实际的工程问题,大多数配电网以辐射状网络运行;这种辐射状拓扑结构的配电网区别于传输网络,这种配电网络有多个通电回路始终确保电源不断地给每个节点输送电源;本实施例所考虑的微电网为径向网络拓扑结构,这种放射网络结构具有激励控制策略的发展的重要功能。
通过引入网络矩阵和因子矩阵来描述影响边界和发电机组参考设定值的动态增益,网络矩阵为一个Nunit×Nbus矩阵,表示微网中各机组对减小某以母线电压偏差的贡献,Nunit为微网内机组个数,,如负荷,可控负荷、可再生能源和分布式能源,包括分布式发电(DG)单元和分布式储能(DS)设备,Nbus为微网内母线个数;;
Lmax=maxk,m(Lk to m) (18)
式中,Lk to m为线长反映了机组k到母线m的线路阻抗,Lmax为线路最大阻抗。机组越靠近电压偏差点,其对电压偏差的贡献越大;如果微电网机组的位置出现电压偏差,机组贡献将被设置为1,这是因为在这种情况下是由于机组自身引起的电压偏差可以被机组自身降低,与此同时其他机组为0;
式中,因子fUV和fOV是无量纲的两个值,分别代表欠电压和过电压的情况;在欠压偏差(Vbus<Vmin)的情况下,fUV将被设置为1,fOV将设置为0;在过压偏差(Vbus>Vmax)的情况下fUV将被设置为0,fOV将被设置为1;如果没有电压偏差,两个值都被设置0;Δvm为母线电压偏差的百分比;Vbus为母线电压;Vnom为母线电压基准值;从式(21)-式(23)可以看出,动态增益取决于相应母线的电压偏差;
为了建立动态增益,将网络矩阵和因子矩阵相乘,得到动态增益上下边界矩阵,如(24)和式(25)所示。
式中,Albk,i和Aubk,i表示微网内机组k在i时刻增益的下边界和上边界;
根据(正/负)电压偏差、发电机组的位置以及与电压偏差点的距离,来提供合适的增益调整采用电压控制策略的微网机组运行界限,当出现欠电压,微网机组的下界将会增加,当出现过电压,微网机组的上界将会减小,动态增益和边界之间的关系由下式可知:
式中,Prange表示上下界限之间的范围。分别为修正前微网内机组k在i时刻发电功率上下界;为修正后微网内机组k在i时刻发电功率上下界;需要注意的是,动态增益与范围成正比,此外,还取决于微电网机组的类型,通过式(26)和(27),可以修改机组发电功率范围,在欠电压的情况下,Alb是负的,从而导致PGmin的增加,在过电压情况下,Aub为正导致PGmax降低。
本说明书的实施例所述的内容仅仅是对发明构思的实现形式的列举,仅作说明用途。本发明的保护范围不应当被视为仅限于本实施例所陈述的具体形式,本发明的保护范围也及于本领域的普通技术人员根据本发明构思所能想到的等同技术手段。
Claims (2)
1.一种用于最优电力调度和电压控制的微电网多层控制系统,其特征在于,所述系统包括调度层、执行层和调整层;所述调度层为微电网多层控制的最高层,执行提前一天的机组组合策略,包括同时优化燃料成本和本地发电机的二氧化碳排放;
目标函数为:
Min(CG(PG),εG(PG)) (1)
其中,CG(PG)和εG(PG)分别代表微电网发电机组的运行成本和二氧化碳排放量,PG为微电网发电机组有功功率,两者都应该在变量PG上最小化;燃料成本函数描述了运行发电机产生单位功率所需成本;燃料成本模型为二次模型,它将燃料成本描述为发电机有功功率输出的二次函数,因此,这些发电机组在调度时间范围内的运行成本表示如下:
其中,aj、bj和cj为发电机组的燃料成本系数;N为总时间步长;Ngen为微网内发电机组总数;i为第i个时刻;j为第j个发电机组;运行成本单位为$/h;碳排放函数模型的形式取决于污染物的类型;燃料发电的碳排放直接与燃料的消耗总量相关联,通过二次燃料消耗曲线来表示,因此二氧化碳的排放量表示为发电机有功功率输出的二次函数:
其中dj,ej和fj为发电机组的碳排放量系数;排放量的单位为kg/h;
式(1)中目标函数受潮流和系统性能要求约束,第一个约束是各发电机组发电功率之和必须等于微电网内的实际耗电量,表示为:
式中,PGj为第j个大电机组;代表实际电负荷需求,线损也包括在实际负荷需求中,其占微网实际需求的5.05%;由于可再生能源,如光伏和风力发电,以零运行成本和零排放发电,其输出功率可被视为负的负载;因此,实际负荷功率等于总需求电功率减去可再生能源发电功率PRES,如下:
作为需求侧参与策略的一部分,引入了一个灵活、可控的负荷,当它连接到微电网时,在其约束范围内对其进行控制;
每个微网中机组的功率参考设定值如下:PGmax、PGmin
PGmin<PG<PGmax (7)
式中,PGmax为微网中机组发电功率上限,PGmin为微网中机组发电功率下限;
引入储能系统,充放电指令根据最低成本和最低CO2排放进行分配,此外,充放电指令也与能源价格相关,储能系统模型如下所示:
式中,Pstorage为储能系统充放电功率;Estorage为储能系统当前容量;Epre-storage为前一天结束时储能系统容量,储能系统容量约束:
Emin<Estorage<Emax (9)
式中,Emax、Emin为储能系统最大和最小容量;
储能系统充电则可将其视为一个负载,Pstorage为负值;对于充电,在一个时间周期Ts期间Pstorage有如下约束:
Pstorage·Ts≤Emax-Estorage (10)
当储能系统放电时,有功功率将会被注入到微网中,此时Pstorage为正值;对于放电,在一个时间周期Ts期间Pstorage有如下约束:
Pstorage·Ts≤Estorage-Emin (11)
此外,储能系统的充放电速率被约束并且包含在式(7)中;
添加具有电动汽车特性的柔性负载,只能存储能量,只有当电动车并网充电时才可将其视为负载;
EEVmin<EEV<EEVmax (13)
当电动汽车充电并作为负载时,PEV为负值;对于充电,在一个时间周期Ts期间PEV有如下约束:
PEV·Ts≤EEVmax-EEV (14)
电动汽车充电功率为非负值并且具有最大值和最小值的限定范围包含在式(7)中;
给定输入特性、目标、输入等式约束和算法选项,计算微网中发电机组的功率设定值以实现优化目标最小化;
所述执行层中,将利用调度层计算的功率参考设定值进行交流潮流计算,以获得微网网络中不同母线的电压幅值;
所述调整层中,在潮流计算后之后,总线电压的数值将被传输到调整层,通过提高或降低微网发电机组发电功率从而将电压维持在预先设定范围内;如果微网内任何母线出现严重的电压偏差,将引入动态增益;根据偏差,发电机组的位置以及它们各自电压,提供合适的增益来调整微网发电机组的运行边界如式(7);随后,当结束循环时,更新的边界被反馈到调度层,调度层重新计算机组组合解;更新后的发电计划将再次通过控制层级的执行层和调整层,这种迭代过程将继续,直到电压违规被消除,并找到收敛的最优解。
2.如权利要求1所述的一种用于最优电力调度和电压控制的微电网多层控制系统,其特征在于,所述调整层中,电压控制方法如下:所述微电网为径向网络拓扑结构,通过引入网络矩阵和因子矩阵来描述影响边界和发电机组参考设定值的动态增益,网络矩阵为一个Nunit×Nbus矩阵,表示微网中各机组对减小某以母线电压偏差的贡献,Nunit为微网内机组个数,Nbus为微网内母线个数;
Lmax=maxk,m(Lktom) (18)
式中,Lktom为线长反映了机组k到母线m的线路阻抗,Lmax为线路最大阻抗;机组越靠近电压偏差点,其对电压偏差的贡献越大;如果微电网机组的位置出现电压偏差,机组贡献将被设置为1,这是因为在这种情况下是由于机组自身引起的电压偏差被机组自身降低,与此同时其他机组为0;
式中,因子fUV和fOV是无量纲的两个值,分别代表欠电压和过电压的情况;在欠压偏差(Vbus<Vmin)的情况下,fUV将被设置为1,fOV将设置为0;在过压偏差(Vbus>Vmax)的情况下fUV将被设置为0,fOV将被设置为1;如果没有电压偏差,两个值都被设置0;Δvm为母线电压偏差的百分比;Vbus为母线电压;Vnom为母线电压基准值;从式(21)-式(23)可以看出,动态增益取决于相应母线的电压偏差;
为了建立动态增益,将网络矩阵和因子矩阵相乘,得到动态增益上下边界矩阵,如(24和式(25)所示:
式中,Albk,i和Aubk,i表示微网内机组k在i时刻增益的下边界和上边界;
根据电压偏差、发电机组的位置以及与电压偏差点的距离,来提供合适的增益调整采用电压控制策略的微网机组运行界限,当出现欠电压,微网机组的下界将会增加,当出现过电压,微网机组的上界将会减小,动态增益和边界之间的关系由下式可知:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011328651.5A CN112531686A (zh) | 2020-11-24 | 2020-11-24 | 一种用于最优电力调度和电压控制的微电网多层控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011328651.5A CN112531686A (zh) | 2020-11-24 | 2020-11-24 | 一种用于最优电力调度和电压控制的微电网多层控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112531686A true CN112531686A (zh) | 2021-03-19 |
Family
ID=74992887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011328651.5A Pending CN112531686A (zh) | 2020-11-24 | 2020-11-24 | 一种用于最优电力调度和电压控制的微电网多层控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112531686A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113496098A (zh) * | 2021-09-06 | 2021-10-12 | 阿里云计算有限公司 | 面向碳减排的用能管控方法、计算设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105140971A (zh) * | 2015-09-17 | 2015-12-09 | 浙江工商大学 | 一种基于重加权加速Lagrangian的交直流微电网分布式调度方法 |
CN109787221A (zh) * | 2018-12-27 | 2019-05-21 | 中国电力科学研究院有限公司 | 一种微电网电能安全经济调度方法和系统 |
-
2020
- 2020-11-24 CN CN202011328651.5A patent/CN112531686A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105140971A (zh) * | 2015-09-17 | 2015-12-09 | 浙江工商大学 | 一种基于重加权加速Lagrangian的交直流微电网分布式调度方法 |
CN109787221A (zh) * | 2018-12-27 | 2019-05-21 | 中国电力科学研究院有限公司 | 一种微电网电能安全经济调度方法和系统 |
Non-Patent Citations (1)
Title |
---|
高扬等: "基于多智能体系统的微电网联络线潮流精确控制", 《电力系统自动化》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113496098A (zh) * | 2021-09-06 | 2021-10-12 | 阿里云计算有限公司 | 面向碳减排的用能管控方法、计算设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110224444B (zh) | 一种海岛微电网多时间尺度协调控制方法 | |
Asghar et al. | Fuzzy logic‐based intelligent frequency and voltage stability control system for standalone microgrid | |
CN111555366B (zh) | 一种基于多时间尺度的微网三层能量优化管理方法 | |
CN103904686A (zh) | 一种考虑电力系统协同能力的经济调度方法 | |
Ngamroo | Application of electrolyzer to alleviate power fluctuation in a stand alone microgrid based on an optimal fuzzy PID control | |
CN108695875B (zh) | 智能软开关和储能装置联合接入的配电网运行优化方法 | |
Deckmyn et al. | A microgrid multilayer control concept for optimal power scheduling and voltage control | |
Tang et al. | Optimal operation method for microgrid with wind/PV/diesel generator/battery and desalination | |
CN111445092A (zh) | 基于改进jaya算法的多微电网优化方法 | |
CN111884221A (zh) | 一种微电源与储能实时调控方法 | |
Pandi et al. | Adaptive coordinated feeder flow control in distribution system with the support of distributed energy resources | |
Kim | Decentralized power management of DC microgrid based on adaptive droop control with constant voltage regulation | |
EP2333894B1 (en) | Method for controlling sodium-sulfur battery | |
CN113224769B (zh) | 考虑光伏多状态调节的多时间尺度配电网电压优化方法 | |
CN110311386A (zh) | 一种基于pso新能源电站自发无功和svg无功补偿的容量优化配置方法 | |
CN108667071B (zh) | 一种主动配电网负荷精准控制计算方法 | |
CN112531686A (zh) | 一种用于最优电力调度和电压控制的微电网多层控制系统 | |
CN111563831B (zh) | 一种面向泛在电力物联网的源网荷储协同调度方法 | |
CN110098623B (zh) | 一种基于智能负载的Prosumer单元控制方法 | |
CN117154776A (zh) | 一种风光互补大规模离网制氢系统选型定容优化方法 | |
CN116805803A (zh) | 基于自适应mpc的风光储离网制氢系统能量调度方法 | |
CN112311017A (zh) | 一种虚拟电厂与主网最优协同调度方法 | |
CN117039830A (zh) | 减少燃料电池混合能源系统氢气消耗的能量管理方法 | |
CN116470528A (zh) | 一种区域电网光储场站多时间尺度辅助调频方法 | |
CN113890110B (zh) | 基于能源路由器的交直流混合能源系统及其运行优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210319 |