CN112787329A - 一种基于鲁棒锥规划的含风电接入的最优潮流计算方法 - Google Patents

一种基于鲁棒锥规划的含风电接入的最优潮流计算方法 Download PDF

Info

Publication number
CN112787329A
CN112787329A CN202110019142.2A CN202110019142A CN112787329A CN 112787329 A CN112787329 A CN 112787329A CN 202110019142 A CN202110019142 A CN 202110019142A CN 112787329 A CN112787329 A CN 112787329A
Authority
CN
China
Prior art keywords
constraint
power
wind power
unit
output
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
Application number
CN202110019142.2A
Other languages
English (en)
Inventor
陈艳波
焦洋
武超
葛磊蛟
刘辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Guangxi University
North China Electric Power University
Original Assignee
Tianjin University
Guangxi University
North China Electric Power 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 Tianjin University, Guangxi University, North China Electric Power University filed Critical Tianjin University
Priority to CN202110019142.2A priority Critical patent/CN112787329A/zh
Publication of CN112787329A publication Critical patent/CN112787329A/zh
Pending legal-status Critical Current

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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

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

Abstract

本发明公开了属于电力系统调度自动化技术领域的一种基于鲁棒锥规划的含风电接入的最优潮流计算方法。根据日前风电出力和负荷的预测数据，将机组发电成本最小作为目标函数，以多面体形式的不确定集合刻画风电出力的不确定性，引入交流潮流约束进行安全校核，构建基于交流潮流的鲁棒锥规划模型；将非线性约束进行锥松弛，并运用辅助变量替代方法处理非线性项，从而得到锥规划模型；针对不确定性优化问题的求解，采用C&CG算法将模型分解为基本场景下的主问题和不确定场景下的子问题，将基本场景下求解出的机组组合决策带入到不确定场景下安全校验，进行内层优化的对偶变换，求解对偶锥规划模型，得到全局最优解。

Description

一种基于鲁棒锥规划的含风电接入的最优潮流计算方法
技术领域
本发明涉及电力系统调度自动化技术领域，尤其涉及一种基于鲁棒锥规划的含风电接入的最优潮流计算方法。
背景技术
目前，考虑安全约束的机组组合模型一般采用直流潮流模型，该方法只考虑系统的有功潮流，忽略了电压和无功等因素，能够有效地提升求解效率。然而，该模型的局限性在于：(1)较难应用于电压、无功相关的研究领域以及馈线R/X较高的配电网中；(2)在大规模风电引入的电力系统中，如果沿用传统的直流潮流模型，可能会导致电压越限的问题；(3)基于直流潮流的最优潮流(optimal power flow，OPF)问题的最优解并不一定是原OPF问题的可行解，导致实际优化过程中需要不断调整直流OPF部分约束的松紧程度并重新求解。这种人为的调整过程本身是启发性的，不适用于大规模系统的优化与快速控制。
发明内容
本发明的目的是提出一种基于鲁棒锥规划的含风电接入的最优潮流计算方法，其特征在于，根据日前风电出力和负荷的预测数据，将机组发电成本最小作为目标函数，以多面体形式的不确定集合刻画风电出力的不确定性，引入交流潮流约束进行安全校核，构建基于交流潮流的鲁棒最优潮流模型；引入二次型导致模型求解困难，将非线性约束进行锥松弛，并运用辅助变量替代方法处理非线性项，从而得到鲁棒锥规划模型；利用C&CG算法将此模型分解为基本场景下的主问题和不确定场景下的安全校验子问题，由于不确定场景下为双层Max-Min优化问题，需要进行内层优化的对偶变换，求解对偶锥规划模型，得到全局最优解；具体包括：
步骤1：引入交流潮流约束，将非线性约束进行锥松弛，并运用辅助变量替代方法处理非线性项，形成二阶锥约束；
步骤2：将二阶锥约束带入到基本场景下的机组组合模型；
步骤3：以多面体形式的不确定集合刻画风电出力的不确定性，将基本场景下求解出的机组组合决策带入到不确定场景下安全校验，进行内层优化的对偶变换，求解对偶锥规划模型，得到全局最优解。
所述步骤1具体包括：
所述非线性约束为输电线路潮流约束，如下式所示：
Figure BDA0002887811330000021
Figure BDA0002887811330000022
Figure BDA0002887811330000023
Figure BDA0002887811330000024
式中，Iij，t为支路ij的电流，
Figure BDA0002887811330000025
为火电机组有功出力，
Figure BDA0002887811330000026
为风电机组有功出力，Pij，t为输电线路有功功率，
Figure BDA0002887811330000027
为节点有功负苘，
Figure BDA0002887811330000028
为火电机组无功出力，Qij，t为支路ij的无功功率，
Figure BDA0002887811330000029
为节点无功负荷，Uj，t为节点j的电压，Ui，t为节点i的电压，rij和xij为支路ij的阻抗值；
上述约束条件中包含二次项，且机组约束中包含整数项，该最优潮流问题属于混合整数非线性规划问题，引入辅助变量代替电压和电流的二次项：
Figure BDA00028878113300000210
Figure BDA00028878113300000211
式中，ui，t为节点i在时段t的电压的平方，iij，t为支路ij的电流的平方；
基于所述非线性约束的锥松弛过程，采用二阶锥规划凸松弛技术对非线性约束进行处理：
Figure BDA00028878113300000212
可以看出对非线性约束的处理放宽了约束范围，会使模型求解产生一定误差，通过式(8)定义松弛误差：
Figure BDA00028878113300000213
经过等价变换，写成标准二阶锥形式：
Figure BDA0002887811330000031
式中，||||2为二范数；通过上述变换，最优潮流模型转变为二阶锥规划模型。
所述步骤2具体包括：
根据日前风功率和电负荷预测数据确定日前的机组组合，以火电机组的开停机成本、运行成本最小为目标构建目标函数；
Figure BDA0002887811330000032
式中，
Figure BDA0002887811330000033
表示机组的煤耗成本，
Figure BDA0002887811330000034
是一个二次函数，需对其进行分段线性化处理；
Figure BDA0002887811330000035
为机组的启停成本；
Figure BDA0002887811330000036
表示机组运行状态；
以系统节点有功功率平衡约束、系统节点无功功率平衡约束、火电机组有功出力上下限约束、火电机组无功出力上下限约束、风电机组出力约束、火电机组开停机时间约束、火电机组爬坡约束、输电线路潮流约束和节点电压幅值约束为约束条件：
Figure BDA0002887811330000037
Figure BDA0002887811330000038
Figure BDA0002887811330000039
Figure BDA00028878113300000310
Figure BDA00028878113300000311
Figure BDA00028878113300000312
Figure BDA00028878113300000313
Figure BDA00028878113300000314
Figure BDA00028878113300000315
Figure BDA00028878113300000316
Figure BDA00028878113300000317
Umin，j≤Uj，t≤Umax，j (22)
Figure BDA0002887811330000041
Figure BDA0002887811330000042
式中，Pi min、Pi max分别为火电机组有功出力的下限和上限；
Figure BDA0002887811330000043
分别为火电机组无功出力的下限和上限；
Figure BDA0002887811330000044
分别表示机组已经连续开机和停机的时间；Ton，i、Toff，i分别表示机组开机和停机时间约束；URi和DRi分别为上下爬坡限制；Umin，j、Umax，j分别为节点电压的下限和上限；
Figure BDA0002887811330000045
和
Figure BDA0002887811330000046
为线路ij传输的最大有功容量和无功容量；
Figure BDA0002887811330000047
为风电预测最大出力。
所述步骤3具体包括：
首先建立风电的不确定集合；风电不确定集合如式(15)所示，所述多面体形式的风电出力不确定集合如下式所示：
Figure BDA0002887811330000048
式中，w为风电场序号下标，t为调度时段下标，wwt为风电的实际出力，
Figure BDA0002887811330000049
为风电预测出力；
Figure BDA00028878113300000410
和
Figure BDA00028878113300000411
分别为不确定集合的上界和下界与风电预测出力之差的绝对值，且
Figure BDA00028878113300000412
其中
Figure BDA00028878113300000413
为不确定集合的上界，w wt为不确定集合的下界；ΓT为时间不确定预算，ΓS为空间不确定预算；
Figure BDA00028878113300000414
和
Figure BDA00028878113300000415
为0-1辅助变量，其中0表示风电出力为预测出力，1表示风电出力达到上界或下界；
然后建立不确定场景下的原问题模型：在最坏风电出力场景下，以系统切负荷量最小为目标构建目标函数；
Figure BDA00028878113300000416
式中vi表示松弛变量；
以系统节点有功功率平衡约束、系统节点无功功率平衡约束、火电机组有功出力上下限约束、火电机组无功出力上下限约束、风电机组出力约束、火电机组开停机时间约束、火电机组爬坡约束、输电线路潮流约束和节点电压幅值约束为约束条件：
Figure BDA0002887811330000051
Figure BDA0002887811330000052
Figure BDA0002887811330000053
Figure BDA0002887811330000054
Figure BDA0002887811330000055
Figure BDA0002887811330000056
Figure BDA0002887811330000057
Figure BDA0002887811330000058
Umin，j≤Uj，t≤Umax，j (35)
Figure BDA0002887811330000059
Figure BDA00028878113300000510
式中
Figure BDA00028878113300000511
和
Figure BDA00028878113300000512
分别为机组的正负旋转备用容量；以u为上标的参数代表不确定场景下的参数；
模型(26)是Max-Min优化问题，通过使用对偶定理将内层最小化问题转换为最大化问题来解决；因此采用对偶定理将式(26)的内层Min转化为Max形式得到如式(38)所示的Max型单层优化问题；
Figure BDA00028878113300000513
约束条件：
λ1+λ10-λ11+λ14-λ15≤0 (39)
λ2+λ12-λ13≤0 (40)
-λ1-2rijλ3-λ4+λ5-2λ16＝0 (41)
-λ2-2xijλ3-λ6+λ7-2λ17＝0 (42)
λ3i-λ3j-λ8+λ9+λ18-λ19≤0 (43)
Figure BDA0002887811330000061
||λ16，λ17，λ18||2≤λ19 (45)
式中，λ1～λ19、λ3i和λ3j均表示对偶变量。
本发明的有益效果在于：
本发明所提模型将交流潮流约束引入到含风电的最优潮流模型中，并将非线性部分进行二阶锥松弛，此方法具有较高的计算准确度，松弛误差满足系统安全要求，能够应用于馈线R/X较高的配电网中，降低了风电接入后电压越限的风险，使系统安全性和可靠性得到保障。
附图说明
图1为本发明提供的方法流程图；
图2为本发明实施例提供的IEEE-33节点系统图；
图3为本发明实施例1提供的风电出力、负荷预测数据图；
图4为本发明实施例提供的IEEE-118节点系统图；
图5为本发明实施例2提供的风电出力、负荷预测数据图；
具体实施方式
本发明提出一种基于鲁棒锥规划的含风电接入的最优潮流计算方法，下面结合附图和具体实施例对本发明做进一步说明。
根据日前风电出力和负荷的预测数据，以多面体形式的不确定集合刻画风电出力的不确定性，将机组发电成本最小作为目标函数，引入交流潮流约束进行安全校核，构建基于交流潮流的鲁棒锥规划模型；由于引入二次型导致模型求解困难，将非线性约束进行锥松弛，并运用辅助变量替代方法处理非线性项，从而得到锥规划模型；针对不确定性优化问题的求解，采用列和约束生成(column-and-constraint generation，C&CG)算法将模型分解为基本场景下的主问题和不确定场景下的子问题，将基本场景下求解出的机组组合决策带入到不确定场景下安全校验，进行内层优化的对偶变换，求解对偶锥规划模型，得到全局最优解。结合图1的方法流程图进行介绍，具体包括：
步骤1：引入交流潮流约束，将非线性约束进行锥松弛，并运用辅助变量替代方法处理非线性项，形成二阶锥约束；
步骤2：将所述二阶锥约束带入到基本场景下的机组组合模型；
步骤3：以多面体形式的不确定集合刻画风电出力的不确定性，将基本场景下求解出的机组组合决策带入到不确定场景下安全校验，进行内层优化的对偶变换，求解对偶锥规划模型，得到全局最优解。
其中，步骤1：引入交流潮流约束，将非线性约束进行锥松弛，并运用辅助变量替代方法处理非线性项，形成二阶锥约束，具体包括：
所述非线性约束为输电线路潮流约束，如下式所示：
Figure BDA0002887811330000071
Figure BDA0002887811330000072
Figure BDA0002887811330000073
Figure BDA0002887811330000074
式中，Iij，t为支路ij的电流，
Figure BDA0002887811330000075
为火电机组有功出力，
Figure BDA0002887811330000076
为风电机组出力，Pij，t为输电线路有功功率，
Figure BDA0002887811330000077
为节点有功负荷，
Figure BDA0002887811330000078
为火电机组无功出力，Qij，t为支路ij的无功功率，
Figure BDA0002887811330000079
为节点无功负荷，Uj，t为节点j的电压，Ui，t为节点i的电压，rij和xij为支路ij的阻抗值。
上述约束条件中包含二次项，且机组约束中包含整数项，该最优潮流问题属于混合整数非线性规划问题，常规算法的求解效果不佳。为此需要引入辅助变量代替电压和电流的二次项：
Figure BDA00028878113300000710
Figure BDA00028878113300000711
式中，ui，t为节点i在时段t的电压的平方，iij，t为支路ij的电流的平方。
基于所述非线性约束的锥松弛过程，采用二阶锥规划(second-order coneprogramming，SOCP)凸松弛技术对非线性约束进行处理：
Figure BDA00028878113300000712
可以看出对非线性约束的处理放宽了约束范围，会使模型求解产生一定误差，通过式(8)定义松弛误差。后续将在实例中对松弛误差进行分析，经过锥松弛后的模型仍然是准确的。
Figure BDA0002887811330000081
经过等价变换，可以写成标准二阶锥形式：
Figure BDA0002887811330000082
式中，||||2为二范数。通过上述变换，最优潮流模型转变为二阶锥规划模型。
步骤2：将所述二阶锥约束带入到基本场景下的机组组合模型，具体包括：
根据日前风功率和电负荷预测数据确定日前的机组组合，以火电机组的开停机成本、运行成本最小为目标构建目标函数；
Figure BDA0002887811330000083
式中，
Figure BDA0002887811330000084
为基本场景下的火电机组出力，
Figure BDA0002887811330000085
表示机组的煤耗成本，
Figure BDA0002887811330000086
是一个二次函数，需对其进行分段线性化处理；
Figure BDA0002887811330000087
为机组的启停成本；
Figure BDA0002887811330000088
表示机组运行状态。
以系统节点有功功率平衡约束、系统节点无功功率平衡约束、火电机组有功出力上下限约束、火电机组无功出力上下限约束、风电机组出力约束、火电机组开停机时间约束、火电机组爬坡约束、输电线路潮流约束和节点电压幅值约束为约束条件：
Figure BDA0002887811330000089
Figure BDA00028878113300000810
Figure BDA00028878113300000811
Figure BDA00028878113300000812
Figure BDA00028878113300000813
Figure BDA00028878113300000814
Figure BDA00028878113300000815
Figure BDA00028878113300000816
Figure BDA00028878113300000817
Figure BDA00028878113300000818
Figure BDA0002887811330000091
Umin，j≤Uj，t≤Umax，j (22)
Figure BDA0002887811330000092
Figure BDA0002887811330000093
式中，
Figure BDA0002887811330000094
为火电机组有功出力，
Figure BDA0002887811330000095
为风电机组出力，Pij，t为输电线路有功功率，
Figure BDA0002887811330000096
为节点有功负荷，
Figure BDA0002887811330000097
为火电机组无功出力，Qij，t为输电线路无功功率，
Figure BDA0002887811330000098
为节点无功负荷，Uj，t为节点j的电压，Ui，t为节点i的电压，rij和xij为支路ij的阻抗值。Pi min、Pi max为火电机组有功出力的下限和上限；
Figure BDA0002887811330000099
为火电机组无功出力的下限和上限；
Figure BDA00028878113300000910
表示机组已经连续开机和停机的时间；Ton，i、Toff，i表示机组开机和停机时间约束。URi和DRi为上下爬坡限制；Umin，j、Umax，j为节点电压的下限和上限。
Figure BDA00028878113300000911
为支路ij传输的最大有功/无功容量；
Figure BDA00028878113300000912
为风电预测最大出力。
步骤3：以多面体形式的不确定集合刻画风电出力的不确定性，将基本场景下求解出的机组组合决策带入到不确定场景下安全校验，进行内层优化的对偶变换，求解对偶锥规划模型，得到全局最优解。具体包括：
首先建立风电的不确定集合。风电不确定集合如式(15)所示，所述多面体形式的风电出力不确定集合如下式所示：
Figure BDA00028878113300000913
式中，w为风电场序号下标，t为调度时段下标，wwt为风电的实际出力，
Figure BDA00028878113300000914
为风电预测出力，
Figure BDA00028878113300000915
为不确定集合的上界，w wt为不确定集合的下界，ΓT为时间不确定预算，ΓS为空间不确定预算。
Figure BDA00028878113300000916
为不确定结合的上界/下界与风电预测出力之差的绝对值；
Figure BDA00028878113300000917
为0-1辅助变量，0表示风电出力为预测出力，1表示风电出力达到上界/下界。
然后建立不确定场景下的原问题模型：在最坏风电出力场景下，以系统切负荷量最小为目标构建目标函数；
Figure BDA0002887811330000101
其中v1，v2，v3，v4，v5，v6表示松弛变量。
以系统节点有功功率平衡约束、系统节点无功功率平衡约束、火电机组有功出力上下限约束、火电机组无功出力上下限约束、风电机组出力约束、火电机组开停机时间约束、火电机组爬坡约束、输电线路潮流约束和节点电压幅值约束为约束条件：
Figure BDA0002887811330000102
Figure BDA0002887811330000103
Figure BDA0002887811330000104
Figure BDA0002887811330000105
Figure BDA0002887811330000106
Figure BDA0002887811330000107
Figure BDA0002887811330000108
Figure BDA0002887811330000109
Umin，j≤Uj，t≤Umax，j (35)
Figure BDA00028878113300001010
Figure BDA00028878113300001011
式中，
Figure BDA00028878113300001012
为火电机组有功出力，
Figure BDA00028878113300001013
为风电机组出力，Pij，t为输电线路有功功率，
Figure BDA00028878113300001014
为节点有功负荷，
Figure BDA00028878113300001015
为火电机组无功出力，Qij，t为输电线路无功功率，
Figure BDA00028878113300001016
为节点无功负荷，Uj，t为节点j的电压，Ui，t为节点i的电压，rij和xij为支路ij的阻抗值。Pi min、Pi max为火电机组有功出力的下限和上限；
Figure BDA00028878113300001017
为火电机组无功出力的下限和上限；
Figure BDA00028878113300001018
表示机组已经连续开机和停机的时间；Ton，i、Toff，i表示机组开机和停机时间约束。URi和DRi为上下爬坡限制；Umin，j、Umax，j为节点电压的下限和上限；
Figure BDA00028878113300001019
为机组的正负旋转备用容量。以u上标的参数代表不确定场景下的参数。
模型(26)是Max-Min优化问题，它是双层编程中的一种特殊形式。这个问题可以通过使用对偶定理将内层最小化问题转换为最大化问题来解决。因此采用对偶定理将式(26)的内层Min转化为Max形式可以得到如式(38)所示的Max型单层优化问题。
然后建立不确定场景下的原问题模型：在最坏风电出力场景下，以系统切负荷量最小为目标构建目标函数；
Figure BDA0002887811330000111
式中，λ均表示对偶变量。
约束条件：
λ1+λ10-λ11+λ14-λ15≤0 (39)
λ2+λ12-λ13≤0 (40)
-λ1-2rijλ3-λ4+λ5-2λ16＝0 (41)
-λ2-2xijλ3-λ6+λ7-2λ17＝0 (42)
λ3i-λ3j-λ8+λ9+λ18-λ19≤0 (43)
Figure BDA0002887811330000112
||λ16，λ17，λ18||2≤λ19 (45)
λ1到λ19、λ3i和λ3j均为对偶变量。
为使本领域技术人员更好地理解本发明以及了解本发明相对现有技术的优点，申请人结合具体实施例进行进一步的阐释。
实施例1：
以修改的IEEE-33节点电力系统为例，如图2所示。该系统包括3台火电机组，1个风电场，其中火电机组分别位于节点3，12，18上，风电场位于节点8上。风电出力和负荷的预测数据如图3所示。所提出的模型在MATLAB 2016a上调用YALMIP和Gurobi-8.0.1实现编程求解。
为了验证模型松弛后的精确性，按照式(8)的计算方法，求得各条支路的最大松弛误差如表1所示。
表1支路最大松弛误差
Figure BDA0002887811330000113
Figure BDA0002887811330000121
从结果可以看出，各条支路的最大松弛误差的数量级在10-8～10-6间，满足系统安全要求。因此，对于非线性约束进行锥松弛后的模型仍然是准确的。
为了验证所建立的基于交流潮流的鲁棒锥规划模型的安全性和可靠性，将所提模型与直流潮流的鲁棒优化模型进行对比，包括系统运行成本、线路有功潮流越限情况和节点电压越限情况，对比结果如表2所示。
表2模型优化结果对比
Figure BDA0002887811330000122
从表中可以看出，在系统运行成本方面，交流潮流模型得到的结果比直流潮流模型成本高；在有功潮流方面，两种模型均未发生有功潮流越限；在节点电压方面，直流潮流模型优化结果导致了25个节点电压越限。结果表明，两种模型均能有效将线路有功潮流控制在合理范围内；同时，交流潮流模型的系统运行成本虽然比直流潮流模型多，但由于考虑了电压和无功的约束，避免了节点电压越限的情况，使系统的安全性和可靠性得到保障。
实施例2：
以修改的IEEE-118节点电力系统为例，如图4所示。该系统包括54台火电机组和1个风电场，风电场位于节点17上。风电出力和负荷的预测数据如图5所示。所提出的模型在MATLAB 2016a上调用YALMIP和Gurobi-8.0.1实现编程求解。
为了测试系统接入风电对于节点电压的影响，将接入风电的系统和未接入风电的系统进行对比，考察节点电压越限的情况，对比结果如表3所示。
表3模型优化结果对比
系统类型 电压越限节点数
接入风电的系统 107
未接入风电的系统 99
从结果可以看出，接入风电机组会造成系统更多的节点电压越限。由此可见，在风电接入系统的情况下，若沿用传统的直流潮流鲁棒优化模型，难以保证系统的安全性和稳定性。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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。
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种基于鲁棒锥规划的含风电接入的最优潮流计算方法，其特征在于，根据日前风电出力和负荷的预测数据，将机组发电成本最小作为目标函数，以多面体形式的不确定集合刻画风电出力的不确定性，引入交流潮流约束进行安全校核，构建基于交流潮流的鲁棒最优潮流模型；引入二次型导致模型求解困难，将非线性约束进行锥松弛，并运用辅助变量替代方法处理非线性项，从而得到鲁棒锥规划模型；利用C&CG算法将此模型分解为基本场景下的主问题和不确定场景下的安全校验子问题，由于不确定场景下为双层Max-Min优化问题，需要进行内层优化的对偶变换，求解对偶锥规划模型，得到全局最优解；具体包括：
步骤1：引入交流潮流约束，将非线性约束进行锥松弛，并运用辅助变量替代方法处理非线性项，形成二阶锥约束；
步骤2：将二阶锥约束带入到基本场景下的机组组合模型；
步骤3：以多面体形式的不确定集合刻画风电出力的不确定性，将基本场景下求解出的机组组合决策带入到不确定场景下安全校验，进行内层优化的对偶变换，求解对偶锥规划模型，得到全局最优解。
2.根据权利要求1所述的基于鲁棒锥规划的含风电接入的最优潮流计算方法，其特征在于，所述步骤1具体包括：
所述非线性约束为输电线路潮流约束，如下式所示：
Figure FDA0002887811320000011
Figure FDA0002887811320000012
Figure FDA0002887811320000013
Figure FDA0002887811320000014
式中，Iij，t为支路ij的电流，
Figure FDA0002887811320000015
为火电机组有功出力，
Figure FDA0002887811320000016
为风电机组有功出力，Pij，t为输电线路有功功率，
Figure FDA0002887811320000017
为节点有功负荷，
Figure FDA0002887811320000018
为火电机组无功出力，Qij，t为支路ij的无功功率，
Figure FDA0002887811320000019
为节点无功负荷，Uj，t为节点j的电压，Ui，t为节点i的电压，rij和xij为支路ij的阻抗值；
上述约束条件中包含二次项，且机组约束中包含整数项，该最优潮流问题属于混合整数非线性规划问题，引入辅助变量代替电压和电流的二次项：
Figure FDA0002887811320000021
Figure FDA0002887811320000022
式中，ui，t为节点i在时段t的电压的平方，iij，t为支路ij的电流的平方；
基于所述非线性约束的锥松弛过程，采用二阶锥规划凸松弛技术对非线性约束进行处理：
Figure FDA0002887811320000023
可以看出对非线性约束的处理放宽了约束范围，会使模型求解产生一定误差，通过式(8)定义松弛误差：
Figure FDA0002887811320000024
经过等价变换，写成标准二阶锥形式：
Figure FDA0002887811320000025
式中，|| ||2为二范数；通过上述变换，最优潮流模型转变为二阶锥规划模型。
3.根据权利要求1所述的基于鲁棒锥规划的含风电接入的最优潮流计算方法，其特征在于，所述步骤2具体包括：
根据日前风功率和电负荷预测数据确定日前的机组组合，以火电机组的开停机成本、运行成本最小为目标构建目标函数；
Figure FDA0002887811320000026
式中，
Figure FDA0002887811320000027
表示机组的煤耗成本，
Figure FDA0002887811320000028
是一个二次函数，需对其进行分段线性化处理；
Figure FDA0002887811320000029
为机组的启停成本；
Figure FDA00028878113200000210
表示机组运行状态；
以系统节点有功功率平衡约束、系统节点无功功率平衡约束、火电机组有功出力上下限约束、火电机组无功出力上下限约束、风电机组出力约束、火电机组开停机时间约束、火电机组爬坡约束、输电线路潮流约束和节点电压幅值约束为约束条件：
Figure FDA00028878113200000211
Figure FDA0002887811320000031
Figure FDA0002887811320000032
Figure FDA0002887811320000033
Figure FDA0002887811320000034
Figure FDA0002887811320000035
Figure FDA0002887811320000036
Figure FDA0002887811320000037
Figure FDA0002887811320000038
Figure FDA0002887811320000039
Figure FDA00028878113200000310
Umin，j≤Uj，t≤Umax，j (22)
Figure FDA00028878113200000311
Figure FDA00028878113200000312
式中，
Figure FDA00028878113200000313
分别为火电机组有功出力的下限和上限；
Figure FDA00028878113200000314
分别为火电机组无功出力的下限和上限；
Figure FDA00028878113200000315
分别表示机组已经连续开机和停机的时间；Ton，i、Toff，i分别表示机组开机和停机时间约束；URi和DRi分别为上下爬坡限制；Umin，j、Umax，j分别为节点电压的下限和上限；
Figure FDA00028878113200000316
和
Figure FDA00028878113200000317
为支路ij传输的最大有功容量和无功容量；
Figure FDA00028878113200000318
为风电预测最大出力。
4.根据权利要求1所述的基于鲁棒锥规划的含风电接入的最优潮流计算方法，其特征在于，所述步骤3具体包括：
首先建立风电的不确定集合；风电不确定集合如式(15)所示，所述多面体形式的风电出力不确定集合如下式所示：
Figure FDA0002887811320000041
式中，w为风电场序号下标，t为调度时段下标，wwt为风电的实际出力，
Figure FDA0002887811320000042
为风电预测出力；
Figure FDA0002887811320000043
和
Figure FDA0002887811320000044
分别为不确定集合的上界和下界与风电预测出力之差的绝对值，且
Figure FDA0002887811320000045
其中
Figure FDA0002887811320000046
为不确定集合的上界，w wt为不确定集合的下界；ΓT为时间不确定预算，ΓS为空间不确定预算；
Figure FDA0002887811320000047
和
Figure FDA0002887811320000048
为0-1辅助变量，其中0表示风电出力为预测出力，1表示风电出力达到上界或下界；
然后建立不确定场景下的原问题模型：在最坏风电出力场景下，以系统切负荷量最小为目标构建目标函数；
Figure FDA0002887811320000049
式中vi表示松弛变量；
以系统节点有功功率平衡约束、系统节点无功功率平衡约束、火电机组有功出力上下限约束、火电机组无功出力上下限约束、风电机组出力约束、火电机组开停机时间约束、火电机组爬坡约束、输电线路潮流约束和节点电压幅值约束为约束条件：
Figure FDA00028878113200000410
Figure FDA00028878113200000411
Figure FDA00028878113200000412
Figure FDA00028878113200000413
Figure FDA00028878113200000414
Figure FDA00028878113200000415
Figure FDA00028878113200000416
Figure FDA00028878113200000417
Umin，j≤Uj，t≤Umax，j (35)
Figure FDA0002887811320000051
Figure FDA0002887811320000052
式中
Figure FDA0002887811320000056
和
Figure FDA0002887811320000053
分别为机组的正负旋转备用容量；以u为上标的参数代表不确定场景下的参数；
模型(26)是Max-Min优化问题，通过使用对偶定理将内层最小化问题转换为最大化问题来解决；因此采用对偶定理将式(26)的内层Min转化为Max形式得到如式(38)所示的Max型单层优化问题；
Figure FDA0002887811320000054
约束条件：
λ1+λ10-λ11+λ14-λ15≤0 (39)
λ2+λ12-λ13≤0 (40)
-λ1-2rijλ3-λ4+λ5-2λ16＝0 (41)
-λ2-2xijλ3-λ6+λ7-2λ17＝0 (42)
λ3i-λ3j-λ8+λ9+λ18-λ19≤0 (43)
Figure FDA0002887811320000055
||λ16，λ17，λ18||2≤λ19 (45)
式中，λ1～λ19、λ3i和λ3j均表示对偶变量。
CN202110019142.2A 2021-01-07 2021-01-07 一种基于鲁棒锥规划的含风电接入的最优潮流计算方法 Pending CN112787329A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110019142.2A CN112787329A (zh) 2021-01-07 2021-01-07 一种基于鲁棒锥规划的含风电接入的最优潮流计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110019142.2A CN112787329A (zh) 2021-01-07 2021-01-07 一种基于鲁棒锥规划的含风电接入的最优潮流计算方法

Publications (1)

Publication Number Publication Date
CN112787329A true CN112787329A (zh) 2021-05-11

Family

ID=75756821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110019142.2A Pending CN112787329A (zh) 2021-01-07 2021-01-07 一种基于鲁棒锥规划的含风电接入的最优潮流计算方法

Country Status (1)

Country Link
CN (1) CN112787329A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113255256A (zh) * 2021-05-17 2021-08-13 福州大学 基于离散填充函数的无环图划分方法及系统
CN113394771A (zh) * 2021-06-07 2021-09-14 广西大学 一种求解非线性电力系统联络线可行域的方法
CN114362171A (zh) * 2022-01-14 2022-04-15 西安交通大学 一种计及新能源出力不确定性的电力系统规划运行优化方法
CN114552672A (zh) * 2022-04-26 2022-05-27 阿里巴巴（中国）有限公司 电力系统的数据处理方法和存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113255256A (zh) * 2021-05-17 2021-08-13 福州大学 基于离散填充函数的无环图划分方法及系统
CN113394771A (zh) * 2021-06-07 2021-09-14 广西大学 一种求解非线性电力系统联络线可行域的方法
CN113394771B (zh) * 2021-06-07 2023-01-10 广西大学 一种求解非线性电力系统联络线可行域的方法
CN114362171A (zh) * 2022-01-14 2022-04-15 西安交通大学 一种计及新能源出力不确定性的电力系统规划运行优化方法
CN114552672A (zh) * 2022-04-26 2022-05-27 阿里巴巴（中国）有限公司 电力系统的数据处理方法和存储介质

Similar Documents

Publication Publication Date Title
CN112787329A (zh) 一种基于鲁棒锥规划的含风电接入的最优潮流计算方法
Luna et al. Online energy management systems for microgrids: Experimental validation and assessment framework
Abubakr et al. Adaptive frequency regulation strategy in multi-area microgrids including renewable energy and electric vehicles supported by virtual inertia
Ding et al. Integrated bidding and operating strategies for wind-storage systems
CN109066744B (zh) 一种含储能配电网协调调度方法和系统
CN110212579A (zh) 一种风-水-火联合鲁棒机组组合方法
Saadatmand et al. PMU-based FOPID controller of large-scale wind-PV farms for LFO damping in smart grid
CN107453408B (zh) 一种考虑不确定性的微电网能量优化调度方法
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
CN111917111A (zh) 用于配电网的分布式光伏电源接纳能力在线评估的方法、系统、设备及存储介质
CN114784882A (zh) 机组组合优化处理方法及装置
Kushwaha et al. A novel framework to assess synthetic inertia & primary frequency response support from energy storage systems
Shulzhenko et al. Mixed integer linear programming dispatch model for power system of Ukraine with large share of baseload nuclear and variable renewables
CN112448400B (zh) 一种确定风电一次调频备用的鲁棒优化调度方法和系统
JP2017042032A (ja) エネルギーシステムのエネルギー生産を管理する方法、および関連する管理装置
Pereira et al. Power system unit commitment incorporating wind energy and battery energy storage
CN113394789B (zh) 考虑高比例可再生能源接入的电力系统一体化调度方法
Hennig et al. Hybrid AC/DC post-contingency power-flow algorithm considering control interaction of asynchronous area
CN114937990A (zh) 电力系统备用容量确定方法、系统、设备及存储介质
Zhang et al. Flexible energy management of storage-based renewable energy hubs in the electricity and heating networks according to point estimate method
CN114844120A (zh) 一种含多类型储能的新能源生产模拟运行优化方法和系统
CN115085227A (zh) 一种微电网源储容量配置方法及装置
CN114498767A (zh) 一种风电场储能容量优化方法、装置及电子设备
CN114188973A (zh) 一种计及线路强迫停运的两阶段检修-运行鲁棒优化方法
CN114362191A (zh) 一种海上风电场无功协调控制方法、装置及存储介质

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