CN112990596B - 一种主动配电网和虚拟电厂协同运行的分布式优化方法 - Google Patents
一种主动配电网和虚拟电厂协同运行的分布式优化方法 Download PDFInfo
- Publication number
- CN112990596B CN112990596B CN202110348138.0A CN202110348138A CN112990596B CN 112990596 B CN112990596 B CN 112990596B CN 202110348138 A CN202110348138 A CN 202110348138A CN 112990596 B CN112990596 B CN 112990596B
- Authority
- CN
- China
- Prior art keywords
- active
- distribution network
- power plant
- sub
- virtual power
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000005457 optimization Methods 0.000 title claims abstract description 64
- 238000003462 Bender reaction Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 7
- 238000004519 manufacturing process Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 9
- 230000002441 reversible effect Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 230000015556 catabolic process Effects 0.000 claims description 6
- 238000006731 degradation reaction Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000002427 irreversible effect Effects 0.000 claims description 3
- 230000002829 reductive effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012725 vapour phase polymerization Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 101000805729 Homo sapiens V-type proton ATPase 116 kDa subunit a 1 Proteins 0.000 description 2
- 102100037979 V-type proton ATPase 116 kDa subunit a 1 Human genes 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 230000009133 cooperative interaction Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种主动配电网和虚拟电厂协同优化运行的分布式优化方法，随着分布式能源生产技术在主动配电网中的广泛应用，虚拟电厂常被用来综合管理这些分布式能源。为了使主动配电网和虚拟电厂能协调、经济、安全运行，本发明基于多参数规划和Benders分解法，公开一种主动配电网和虚拟电厂协同运行的分布式优化运行方法。本发明将主动配电网和虚拟电厂的协同优化运行问题拆解成一个主问题和多个子问题。主问题是主动配电网的潮流优化问题，子问题是虚拟电厂的潮流优化问题。相比于传统的分布式算法，本算法在迭代次数和计算时间上都有着明显的优势，以分布式计算的方式有效的解决了主动配电网和虚拟电厂协同优化运行问题。
Description
技术领域
本发明涉及主动配电网和虚拟电厂之间的协同互动和分布式优化运行领 域，具体是一种主动配电网和虚拟电厂协同运行的分布式优化方法。
背景技术
分布式电源、微网、储能装置、柔性负荷等电网新元素的出现，对配电网 的运行与调度提出了新的挑战，主动配电网(active distribution network， ADN)的概念应运而生。主动配电网是根据电力系统的实际运行状态，以经济性、 安全性为目标，对大量接入的分布式电源进行主动管理，能够自适应调节网络、 电源、负荷的配电网。主动配电网的建设目标是提升配电网对分布式能源的消 纳能力，降低配电网运行过程中的峰谷差和综合网损，满足用户对高品质供用电的定制需求，促进终端用户对电力系统优化运行的主动参与能力，进一步挖 掘电力系统的设备利用潜力，有效提升能源综合利用水平。国内外学者从不同 角度对主动配电网多源协同优化调度展开了研究，其中虚拟电厂(virtual powerplant，VPP)被认为是一种有效实现多源协同的控制手段。
近年来为深化我国电力体制改革，加快电力市场建设步伐，虚拟电厂技术 迅速发展。相比传统发电机组，虚拟电厂内部可包含新能源设备、储能装置和 主动用户等多种灵活性资源；目前，虚拟电厂技术已被逐渐应用于电力市场运 营、新能源消纳和能量管理等多个方面。此外，虚拟电厂可利用不同种类灵活 性资源的各自优势为电网提供诸如能量平衡、无功电压支持、旋转备用、频率调节和阻塞管理等多类服务，展现出一定经济价值。然而随着配电侧市场的逐 渐开放，传统的集中式调度模式不适用于市场化的环境。为了保障市场中多利 益主体的利益和隐私，有必要研究分布式算法实现主动配电网与虚拟电厂的分布式互动。
发明内容
本发明的目的在于提供一种主动配电网和虚拟电厂协同运行的分布式优化 方法，该方法可以充分考虑主动配电网和虚拟电厂之间的经济利益，保护不同 利益主体的隐私，合理优化配置能源生产，充分发挥具有不同灵活性资源的虚 拟电厂之间的互补特性和协同效应。
本发明的目的可以通过以下技术方案实现：
一种主动配电网和虚拟电厂协同运行的分布式优化方法，优化方法包括以 下步骤：
S1:主动配电网和虚拟电厂协同优化模型构建；
S2：构建S1中协同优化模型的紧凑形式；
S3：计算初始迭代点，求解可行子问题，构建二次型信息交换函数并计算 临界区域，并将这些信息反馈给主问题；
S4：解决退化问题；
S5：求解不可行子问题，利用Benders分解法中的割集刻画不可行子问题 的可行域，并将可行域反馈给主问题，更新主问题的可行域并求解新的最优解； 将新的最优解其发送给各个子问题，作为子问题的边界条件，各子问题重新进 行独立优化计算。
进一步的，所述S1具体包括构建以能源生产者的生产成本最小为目标，以 设备和系统运行安全性为约束的主动配电网和虚拟电厂协同优化模型；具体模 型如下：
目标函数：
式中，Γ表示优化时域区间集合，VPP表示虚拟电厂的集合，GADN表示属于 主动配电网的机组，表示属于第j个虚拟电厂的发电机组，/>和/>分别 表示主动配电网机组有功出力和虚拟电厂中机组的有功出力，c0,i/c1,i/c2,i分别表 示发电机i的成本系数；
主动配电网安全约束：
虚拟电厂安全约束：
边界约束：
进一步的，所述BusA表示主动配电网的节点集合；BH(m)表示与节点m相连 的节点集合；VPP(m)表示连接在主动配电网m节点上的虚拟电厂集合；Gen(m)表 示连接在主动配电网节点m上的发电机组集合；Pmn,t/Qmn,t表示节点mn之间在t时 段内的有功/无功功率；Pmn,max/Qmn,max表示节点mn之间的最大有功/无功功率；rmn/xmn表示线路mn的电阻和电抗；Vn/δn分别表示节点n处的电压幅值和相角；Pm,t/Qm,t表示节点m在时段t内的有功/无功净负荷；TPk,t/TQk,t分别表示虚拟电厂k 与主动配电网之间的有功/无功交互；TPk,max/TQk,max分别表示虚拟电厂k与主动配 电网之间的有功/无功交互最大值；分别表示属于主动配电网的发电机 机组i在t时段内的有功/无功出力；/>表示主动配电网机组i的最大视在功率；/>分别表示节点m处在t时段内的有功/无功负荷；pi,min/pi,man分别表示机组i的最小/最大有功出力；ΔT表示调度时间间隔；rupi表示机组i的向上/向 下爬坡速率；rui,t/rdit分别表示机组i在t时段内的向上/向下旋转储备容量；
分别在t时段内的系统需求的旋转储备容量。
进一步的，所述表示第k个虚拟电厂的发电机组集合；/>表示第k个 虚拟电厂中母线的集合；Root(k)表示第k个虚拟电厂与主动配电网相连的节点的 集合；表示虚拟电厂中的机组i在t时段内的有功/无功出力；/>表示主 动配电网机组i的最大视在功率；/>表示可再生能源i在t时段内的有功出力；/>表示可再生能源i在t时段内的预测有功出力；σi,t,fore可再生能源i在t时段内 预测数据的标准差；η表示置信水平；/>表示标准高斯分布的累计概率密度函 数的反函数；/>表示第k个虚拟电厂中线路mn上的有功潮流；/>表示第k个 虚拟电厂中线路mn上的有功功率最大值；/>表示节点m的有功负荷；/>表示 虚拟电厂与主动配电网的联络线交互有功功率；/>表示虚拟电厂与主动配电 网的联络线交互无功功率；/>表示主动配网与虚拟电厂之间联络线最大 有功和无功容量。
进一步的，所述S2具体包括：构建S1中协同优化模型的紧凑形式；具体 模型如下：
xADN∈XADN (34)
进一步的，所述xADN表示主动配电网的决变量，表示第k个虚拟电厂的 决策变量；HA,/>fA,/>和r为成本系数矩阵用来表示(2)中的成本系 数；ANG表示主动配电网的 发电机数量；/>VNG表示 虚拟电厂中的发电机数量；r表示所有发电机成本的常数项之和；式(33)表示将 主动配电网和虚拟电厂耦合起来的边界约束；(34)和(35)分别表示只与主动配 电网和虚拟电厂k有关的独立约束；XADN和XVPP分别表示由式(3)-(20)和 (21)-(27)构建的可行域；该优化问题被分解成一个主问题和|VPP|个子问题。
进一步的，所述S3具体包括：计算初始迭代点，求解可行子问题，构建二 次型信息交换函数并计算临界区域，并将这些信息反馈给主问题；
为了开始迭代计算，需要建立一个简单的主问题优化模型以初始化参数；
s.t.xADN∈XADN (37)
求解优化问题(36)-(37)，得到初始迭代点
用n表示迭代次数，得到之后，每个虚拟电厂独立求解以下子问题：
由于的值会造成子问题不可解，所以将子问题分为可行子问题和不可行 子问题；这里先讨论可行子问题的求解：每个虚拟电厂根据最优解/>筛选出 起作用约束，优化问题(38)-(40)可化为如下形式：
式中，表示起作用约束，根据一阶KKT条件得：
λ≥0 (45)
式中，是等式约束的拉格朗日乘子向量，/>表示起作用约束的个数； 由式(43)得
因为是对角矩阵且/>所以/>是可逆的；将式(46)代入(42)， 得到
将式(47)代入(46)，得
是子问题的最优解，故必然满足式(39)：
对于起作用约束，式(39)中的等号永远成立；因此后面只需要考虑不起作 用的约束，式(49)简化为如下形式：
上标表示不起作用约束对应的矩阵；因为乘子大于等于0，由式(47)得
根据式(50)和(51)可得临界区域
此外，将式(48)代入式(41)得到新的只与xADN有关的子问题目标方程：
进一步的，所述S4具体包括：为了顺利构建临界区域需要保证矩阵/>是可逆的；当/>不可逆时，则会引起退化问题；因为矩阵/>是从矩阵G中根据对 应的约束是否起作用而提取出来的，为了保证矩阵/>中的每一行是线性独立的，则需要事先保证矩阵G中的行向量都是线性独立的；
假设决策变量有Nk个元素；当λ中元素的个数小于Nk时，/>根据 (41)-(42)求解；当λ中元素的个数等于Nk时，/>通过联立Nk个等式求解；当λ 中元素的个数大于Nk时，/>中必定存在线性相关的行；接下来选择如 下两种方法之一剔除线性相关的行；第一，在每次迭代之前检查矩阵/>的可逆性并剔除相关行，提前保障是可逆的；第二， 在式(39)的右侧附加一个微小的偏差量ε：
进一步的，所述S5具体包括：利用Benders分解法中的割集刻画不可行子 问题的可行域，并将可行域反馈给主问题，更新主问题的可行域并求解新的最 优解；将新的最优解其发送给各个子问题，作为子问题的边界条件，各子问题 重新进行独立优化计算；
当子问题(38)-(40)不可行时，意味着(39)-(40)中存在相互冲突的约束条 件；为计算合理的Benders割集，需要松弛冲突的约束，得到如下新的子问题 形式：
式中，和γl是松弛向量/>和γ中的元素；VN表示xADN中元素的个数；CN 表示式(56)中约束的数量；Pen代表一个充分大的常数；
在求解完子问题之后，主问题的模型根据临界区域和Benders割集构建；
xADN∈XADN (64)
FC为Benders割集，式(63)即为Benders割集的构建方法；将主问题的最 优解作为子问题的边界条件，返回给子问题(38)-(40)。
本发明的有益效果：
本发明与现有技术相比，其显著优点是：传统的配网侧调度采用集中式的 控制方式，当局部地区负荷改变或者分布式机组的参数发生改变都需要向配网 操作员汇报，配网调度中心需要实时采集大量的信息，优化问题的规模也较大， 实时性较差。此外，由于配电侧市场的开放，多种社会资本投资分布式发电项 目，配网集中式优化的控制方法在一定程度上侵犯了分布式能源供应商的隐私。本发明提出一种分布式算法，可以实现主动配电网与分布式能源的解耦优化， 引入虚拟电厂的概念，实现主动配电网与虚拟电厂的分布式优化，配网操作员 不再需要采集全局信息，只需要与虚拟电厂交换部分边界信息即可，降低了数 据传输量，提高了配网操作员求解优化问题的效率。此外，本发明提出的分布 式算法较常见的分布式算法有了较大的性能提升，极大的减小了数据的交互次 数。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明的D33V5网络拓扑示意图；
图2为本发明的测试算例D33V5中VPP1的总有功出力图；
图3为本发明的迭代收敛过程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造 性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
一种主动配电网和虚拟电厂协同运行的分布式优化方法，优化方法包括以 下步骤：
S1：构建以能源生产者的生产成本最小为目标，以设备和系统运行安全性 为约束的主动配电网和虚拟电厂协同优化模型。具体模型如下：
目标函数：
式中，Γ表示优化时域区间集合，VPP表示虚拟电厂的集合，GADN表示属于 主动配电网的机组，表示属于第j个虚拟电厂的发电机组，/>和/>分别 表示主动配电网机组有功出力和虚拟电厂中机组的有功出力，c0,i/c1,i/c2,i分别表 示发电机i的成本系数。
主动配电网安全约束：
式中，BusA表示主动配电网的节点集合；BH(m)表示与节点m相连的节点集 合；VPP(m)表示连接在主动配电网m节点上的虚拟电厂集合；Gen(m)表示连接在 主动配电网节点m上的发电机组集合；Pmn,t/Qmn,t表示节点mn之间在t时段内的有 功/无功功率；Pmn,max/Qmn,max表示节点mn之间的最大有功/无功功率；rmn/xmn表示 线路mn的电阻和电抗；Vn/δn分别表示节点n处的电压幅值和相角；Pm,t/Qm,t表示 节点m在时段t内的有功/无功净负荷；TPk,t/TQk,t分别表示虚拟电厂k与主动配电 网之间的有功/无功交互；TPk,max/TQk,max分别表示虚拟电厂k与主动配电网之间的 有功/无功交互最大值；分别表示属于主动配电网的发电机机组i在t时 段内的有功/无功出力；/>表示主动配电网机组i的最大视在功率；分别表示节点m处在t时段内的有功/无功负荷；pi,min/pi,man分别表示机组i的最小 /最大有功出力；ΔT表示调度时间间隔；rupi表示机组i的向上/向下爬坡速率；rui,t/rdit分别表示机组i在t时段内的向上/向下旋转储备容量；/>分 别在t时段内的系统需求的旋转储备容量。
虚拟电厂安全约束：
边界约束：
式中，表示第k个虚拟电厂的发电机组集合；/>表示第k个虚拟电厂 中母线的集合；Root(k)表示第k个虚拟电厂与主动配电网相连的节点的集合；/>表示虚拟电厂中的机组i在t时段内的有功/无功出力；/>表示主动配电 网机组i的最大视在功率；/>表示可再生能源i在t时段内的有功出力；/>表 示可再生能源i在t时段内的预测有功出力；σi,t,fore可再生能源i在t时段内预测数 据的标准差；η表示置信水平；/>表示标准高斯分布的累计概率密度函数的反 函数；/>表示第k个虚拟电厂中线路mn上的有功潮流；/>表示第k个虚拟电 厂中线路mn上的有功功率最大值；/>表示节点m的有功负荷；/>表示虚拟电 厂与主动配电网的联络线交互有功功率；/>表示虚拟电厂与主动配电网的联 络线交互无功功率；/>表示主动配网与虚拟电厂之间联络线最大有功和 无功容量；
S2:构建S1中协同优化模型的紧凑形式。具体模型如下：
xADN∈XADN (34)
式中，xADN表示主动配电网的决变量，表示第k个虚拟电厂的决策变量； HA,fA,/>和r为成本系数矩阵用来表示中的成本系数。
ANG表示主动配电网的发 电机数量；/>VNG表示虚 拟电厂中的发电机数量；r表示所有发电机成本的常数项之和。式表示将主动配 电网和虚拟电厂耦合起来的边界约束；和分别表示只与主动配电网和虚拟电厂k 有关的独立约束；XADN和XVPP分别表示由式equation referencegoeshere-和-构建的 可行域。该优化问题可以被分解成一个主问题和|VPP|个子问题。
S3：计算初始迭代点，求解可行子问题，构建二次型信息交换函数并计算 临界区域，并将这些信息反馈给主问题。
为了开始迭代计算，需要建立一个简单的主问题优化模型以初始化参数。
s.t.xADN∈XADN (37)
求解优化问题-，得到初始迭代点
用n表示迭代次数，得到之后，每个虚拟电厂独立求解以下子问题：
由于的值可能会造成子问题不可解，所以将子问题分为可行子问题和不 可行子问题。这里先讨论可行子问题的求解：每个虚拟电厂根据最优解/>筛 选出起作用约束，优化问题-可化为如下形式：
式中，表示起作用约束，根据一阶KKT条件可知
λ≥0 (45)
式中，是等式约束的拉格朗日乘子向量，/>表示起作用约束的个数； 由式得
因为是对角矩阵且/>所以/>是可逆的。将式代入，得到
将式代入，得
是子问题的最优解，故必然满足式：
/>
对于起作用约束，式中的等号永远成立。因此后面只需要考虑不起作用的 约束即可，式可以简化为如下形式：
上标表示不起作用约束对应的矩阵。因为乘子大于等于0，由式得
根据式和可得临界区域
此外，将式代入式得到新的只与xADN有关的子问题目标方程：
S4：解决退化问题。
为了顺利构建临界区域需要保证矩阵/>是可逆的。当/>不可逆时，则 会引起退化问题。因为矩阵/>是从矩阵G中根据对应的约束是否起作用而提取出 来的，为了保证矩阵/>中的每一行是线性独立的，则需要事先保证矩阵G中的行 向量都是线性独立的。
假设决策变量有Nk个元素。当λ中元素的个数小于Nk时，/>可以根据- 求解；当λ中元素的个数等于Nk时，/>可以通过联立Nk个等式求解；当λ中元 素的个数大于Nk时，/>中必定存在线性相关的行。接下来可选择如下 两种方法之一剔除线性相关的行。第一，在每次迭代之前检查矩阵/>的可逆性并剔除相关行，提前保障/>是可逆的；第二，在式的右侧附 加一个微小的偏差量ε：
S5:求解不可行子问题
利用Benders分解法中的割集刻画不可行子问题的可行域，并将可行域反 馈给主问题，更新主问题的可行域并求解新的最优解。将新的最优解其发送给 各个子问题，作为子问题的边界条件，各子问题重新进行独立优化计算。
当子问题-不可行时，意味着-中存在相互冲突的约束条件。为计算合理的Benders割集，需要松弛冲突的约束，得到如下新的子问题形式：
式中，和γl是松弛向量/>和γ中的元素；VN表示xADN中元素的个数；CN 表示式中约束的数量；Pen代表一个充分大的常数。
在求解完子问题之后，主问题的模型可根据临界区域和Benders割集构建。
s.t.xADN∈FC (62)
xADN∈XADN (64)
FC为Benders割集，式即为Benders割集的构建方法。将主问题的最优解作为子问题的边界条件，返回给子问题。
算例说明：
本发明所述的分布式优化算法有效性使用D33V5和D141V33两个算例尽心 验证。D33V5算例包含一个IEEE-33节点的主动配电网(Active distribution network,ADN)和2个5节点的虚拟电厂(Virtual power plant,VPP)网络， 其网络拓扑由IEEE-5节点输电网调整而来。属于主动配电网的发电机连接在5 号母线上，虚拟电厂分别连接在15号和20号母线上，如附图1所示。每个虚 拟电厂中含有2台分布式发电机分别连接在虚拟电厂网络的3号和4号母线上。 D141V33算例包含一个IEEE-141节点的配电网和4个33节点的虚拟电厂组成， 虚拟电厂的网络拓扑结构采用IEEE-33节点配网结构。所有虚拟电厂的1号节 点为根节点，并与主动配电网相连。
在传统潮流优化中，主动配电网和虚拟电厂的潮流优化是独立进行的。虚 拟电厂首先进行潮流优化，不足/过剩的电力需求请求主动配电网予以补充/消 纳，电力通过主动配电网和虚拟电厂之间的联络线传输。在平衡虚拟电厂的电 力需求之后，主动配电网再独立的进行潮流优化。本发明采用协同优化的方式， 主动配电网和虚拟电厂同时进行潮流优化。此外，本发明提出的方法属于一种 分布式计算算法，使主动配电网和虚拟电厂可以同时分布式的进行潮流优化。关于发电成本的对比如表1所示。
表1结果对比
如表1所示，由本发明的方法计算出的成本与集中式协同优化算法计算出 的成本相同。这说明本发明具有与集中式算法相同的精度和有效性。通过协同 ADN和VPP的潮流优化，D33V5算例可以降低7.9％的成本，D141V33可以降低13.4％ 的成本。这是因为协同优化可以从全局角度挑选经济性最优的发电机，安排最具经济性经济调度方案。此外，本发明的算法仅需交换部分边界信息，因此保 护了AND和VPP关于机组经济参数的隐私性。
由于D33V5中的所有VPP具有相同的经济参数和网络拓扑结构，所以他们的 机组出力计划相同。附图2展示了传统潮流优化方法和本发明方法计算出的VPP1 中机组的总出力情况。与传统潮流优化相比，本发明方法得到的VPP机组出力更 少，因为VPP可以从ADN中购买更为便宜的电力，而不是由自己的发电机完全满足负荷。这一行为在附图2中的时段1-3和5-7中比较明显。即时在这些时 段的负荷比较高，VPP中的发电机组仍然处于较低的出力水平。
本发明方法的收敛过程如附图3所示。一般情况下，本方法在5次迭代后 收敛，结果表明算例的复杂度对本发明迭代次数的影响不大。
表2不同方法的性能比较
/>
LM：拉格朗日乘子法AL：增广拉格朗日乘子法C-MPQP：传统多参数二 次规划法
CBD：传统Benders分解法OCD：最优条件法APP：辅助问题原理法
M-CPC：改进割面一致算法
从表2可以看出，与其他方法相比，本发明所需的总时间和单次迭代耗时 最少。由于切割面的数量取决于子问题本身的复杂度，因此CBD和M-CPC相比于其他算法需要更多的迭代次数。计算时间第三长的是LM，因为拉格朗日乘子 需要再每次迭代中更新，步长的选取对收敛速度也有较大的影响。由于凸性的 先住增强，AL算法的收敛性能明显强于LM，但其收敛速度很大程度取决于惩罚项系数的整定。虽然LM在每次迭代计算中都比AL快，但是AL得迭代次数较 少，所以AL的总耗时更少。总体来看，ADMM、AL和APP计算速度总是较慢，这是因为它们都有额外的参数需要确定。它们都不可避免的需要求解大量的子 问题，所以他们的单次迭代需要近乎相同的时间。OCD的表现优于其他传统算法，但是其稳定性比ADMM差。在实际计算测试中，OCD的表现过度依赖初始 值，因此在使用OCD之前需要构建一个初始可行域。表2中展现的OCD的性能 是通过多次初值尝试，选取了性能最优的一组参数得到的计算结果。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例” 等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含 于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表 述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或 者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业 的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中 描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明 还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。
Claims (5)
1.一种主动配电网和虚拟电厂协同运行的分布式优化方法，其特征在于,优化方法包括以下步骤：
S1:主动配电网和虚拟电厂协同优化模型构建；
S2：构建S1中协同优化模型的紧凑形式；
S3：计算初始迭代点，求解可行子问题，构建二次型信息交换函数并计算临界区域，并将这些信息反馈给主问题；
S4：解决退化问题；
S5：求解不可行子问题，利用Benders分解法中的割集刻画不可行子问题的可行域，并将可行域反馈给主问题，更新主问题的可行域并求解新的最优解；将新的最优解其发送给各个子问题，作为子问题的边界条件，各子问题重新进行独立优化计算；
所述S1具体包括构建以能源生产者的生产成本最小为目标，以设备和系统运行安全性为约束的主动配电网和虚拟电厂协同优化模型；具体模型如下：
目标函数：
式中，Γ表示优化时域区间集合，VPP表示虚拟电厂的集合，GADN表示属于主动配电网的机组，表示属于第j个虚拟电厂的发电机组，/>和/>分别表示主动配电网机组有功出力和虚拟电厂中机组的有功出力，c0,i、c1,i、c2,i分别表示发电机i的成本系数；
主动配电网安全约束：
所述BusA表示主动配电网的节点集合；BH(m)表示与节点m相连的节点集合；VPP(m)表示连接在主动配电网m节点上的虚拟电厂集合；Gen(m)表示连接在主动配电网节点m上的发电机组集合；Pmn,t、Qmn,t表示节点mn之间在t时段内的有功和无功功率；Pmn,max、Qmn,max表示节点mn之间的最大有功和无功功率；rmn、xmn表示线路mn的电阻和电抗；Vn、δn分别表示节点n处的电压幅值和相角；Pm,t、Qm,t表示节点m在时段t内的有功和无功净负荷；TPk,t、TQk,t分别表示虚拟电厂k与主动配电网之间的有功和无功交互；TPk,max、TQk,max分别表示虚拟电厂k与主动配电网之间的有功交互最大值和无功交互最大值；分别表示属于主动配电网的发电机机组i在t时段内的有功和无功出力；/>表示主动配电网机组i的最大视在功率；分别表示节点m处在t时段内的有功和无功负荷；pi,min、pi,max分别表示机组i的最小和最大有功出力；ΔT表示调度时间间隔；rupi、rdowni表示机组i的向上和向下爬坡速率；rui,t、rdi,t分别表示机组i在t时段内的向上和向下旋转储备容量；/>分别在t时段内的系统需求的旋转储备容量；
虚拟电厂安全约束：
边界约束：
所述表示第k个虚拟电厂的发电机组集合；/>表示第k个虚拟电厂中母线的集合；Root(k)表示第k个虚拟电厂与主动配电网相连的节点的集合；/> 表示虚拟电厂中的机组i在t时段内的有功和无功出力；/>表示主动配电网机组i的最大视在功率；表示可再生能源i在t时段内的有功出力；/>表示可再生能源i在t时段内的预测有功出力；σi,t,fore表示可再生能源i在t时段内预测数据的标准差；η表示置信水平；/>表示标准高斯分布的累计概率密度函数的反函数；/>表示第k个虚拟电厂中线路mn上的有功潮流；/>表示第k个虚拟电厂中线路mn上的有功功率最大值；/>表示节点m的有功负荷；/>表示虚拟电厂与主动配电网的联络线交互有功功率；/>表示虚拟电厂与主动配电网的联络线交互无功功率；/>表示主动配网与虚拟电厂之间联络线最大有功和无功容量。
2.根据权利要求1所述的一种主动配电网和虚拟电厂协同运行的分布式优化方法,其特征在于，所述S2具体包括：构建S1中协同优化模型的紧凑形式；具体模型如下：
xADN∈XADN (34)
所述xADN表示主动配电网的决变量，表示第k个虚拟电厂的决策变量；HA,/>fA,/>和r为成本系数矩阵用来表示(2)中的成本系数；/> ANG表示主动配电网的发电机数量；/>VNG表示虚拟电厂中的发电机数量；r表示所有发电机成本的常数项之和；式(33)表示将主动配电网和虚拟电厂耦合起来的边界约束；(34)和(35)分别表示只与主动配电网和虚拟电厂k有关的独立约束；XADN和XVPP分别表示由式(3)-(20)和(21)-(27)构建的可行域；该优化问题被分解成一个主问题和|VPP|个子问题。
3.根据权利要求1所述的一种主动配电网和虚拟电厂协同运行的分布式优化方法，其特征在于，所述S3具体包括：计算初始迭代点，求解可行子问题，构建二次型信息交换函数并计算临界区域，并将这些信息反馈给主问题；
为了开始迭代计算，需要建立一个简单的主问题优化模型以初始化参数；
s.t.xADN∈XADN (37)
求解优化问题(36)-(37)，得到初始迭代点
用n表示迭代次数，得到之后，每个虚拟电厂独立求解以下子问题：
由于的值可能会造成子问题不可解，所以将子问题分为可行子问题和不可行子问题；这里先讨论可行子问题的求解：每个虚拟电厂根据最优解/>筛选出起作用约束，优化问题(38)-(40)(40)可化为如下形式：
式中，表示起作用约束，根据一阶KKT条件可知
λ≥0 (45)
式中，是等式约束的拉格朗日乘子向量，/>表示起作用约束的个数；由式(43)得
因为是对角矩阵且/>所以/>是可逆的；将式(46)代入(42)(42)，得到
将式(47)代入(46)，得
是子问题的最优解，故必然满足式(39)(39)：
对于起作用约束，式(39)(49)中的等号永远成立；因此后面只需要考虑不起作用的约束即可，式(49)可以简化为如下形式：
上标表示不起作用约束对应的矩阵；因为乘子大于等于0，由式(47)(47)得
根据式(50)和(51)(51)可得临界区域
此外，将式(48)(48)代入式(41)(41)得到新的只与xADN有关的子问题目标方程：
4.根据权利要求1所述的一种主动配电网和虚拟电厂协同运行的分布式优化方法,其特征在于，所述S4具体包括：为了顺利构建临界区域需要保证矩阵/>是可逆的；当/>不可逆时，则会引起退化问题；因为矩阵/>是从矩阵G中根据对应的约束是否起作用而提取出来的，为了保证矩阵/>中的每一行是线性独立的，则需要事先保证矩阵G中的行向量都是线性独立的；
假设决策变量有Nk个元素；当λ中元素的个数小于Nk时，/>根据(41)-(42)求解；当λ中元素的个数等于Nk时，/>通过联立Nk个等式求解；当λ中元素的个数大于Nk时，中必定存在线性相关的行；接下来选择如下两种方法之一剔除线性相关的行；第一，在每次迭代之前检查矩阵/> 的可逆性并剔除相关行，提前保障是可逆的；第二，在式(39)的右侧附加一个微小的偏差量ε：
5.根据权利要求1所述的一种主动配电网和虚拟电厂协同运行的分布式优化方法，其特征在于，所述S5具体包括：利用Benders分解法中的割集刻画不可行子问题的可行域，并将可行域反馈给主问题，更新主问题的可行域并求解新的最优解；将新的最优解其发送给各个子问题，作为子问题的边界条件，各子问题重新进行独立优化计算；
当子问题(38)-(40)不可行时，意味着(39)-(40)中存在相互冲突的约束条件；为计算合理的Benders割集，需要松弛冲突的约束，得到如下新的子问题形式：
式中，和γl是松弛向量/>和γ中的元素；VN表示xADN中元素的个数；CN表示式(56)(56)中约束的数量；Pen代表一个充分大的常数；
在求解完子问题之后，主问题的模型可根据临界区域和Benders割集构建；
s.t.xADN∈FC(62)
xADN∈XADN(64)
FC为Benders割集，式(63)(63)即为Benders割集的构建方法；将主问题的最优解作为子问题的边界条件，返回给子问题(38)-(40)(40)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110348138.0A CN112990596B (zh) | 2021-03-31 | 2021-03-31 | 一种主动配电网和虚拟电厂协同运行的分布式优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110348138.0A CN112990596B (zh) | 2021-03-31 | 2021-03-31 | 一种主动配电网和虚拟电厂协同运行的分布式优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112990596A CN112990596A (zh) | 2021-06-18 |
| CN112990596B true CN112990596B (zh) | 2024-05-17 |
Family
ID=76338624
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110348138.0A Active CN112990596B (zh) | 2021-03-31 | 2021-03-31 | 一种主动配电网和虚拟电厂协同运行的分布式优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112990596B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113890021B (zh) * | 2021-09-29 | 2023-09-01 | 国网综合能源服务集团有限公司 | 一种考虑配电网络约束的多虚拟电厂分布式交易方法 |
| CN114925880B (zh) * | 2022-04-12 | 2024-06-21 | 国网湖北省电力有限公司电力科学研究院 | 基于非精确交替方向乘子法的虚拟储能电厂分布式协同方法 |
| CN115526670B (zh) * | 2022-11-03 | 2023-04-18 | 华北电力大学 | 基于多参数规划的虚拟电厂运行曲线优化计算方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105846456A (zh) * | 2016-05-13 | 2016-08-10 | 清华大学 | 一种交直流互联电网风、火协调动态经济调度优化方法 |
| CN109167351A (zh) * | 2018-09-05 | 2019-01-08 | 华北电力大学 | 基于广义Benders分解法的源荷备用协同优化方法 |
| CN110543693A (zh) * | 2019-08-13 | 2019-12-06 | 国网山西省电力公司电力科学研究院 | 一种计及运行风险的鲁棒机组组合方法 |
| CN111079972A (zh) * | 2019-11-04 | 2020-04-28 | 深圳供电局有限公司 | 一种主动配电网可靠性规划方法、设备及介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104993522B (zh) * | 2015-06-30 | 2018-01-19 | 中国电力科学研究院 | 一种基于mpc的主动配电网多时间尺度协调优化调度方法 |
-
2021
- 2021-03-31 CN CN202110348138.0A patent/CN112990596B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105846456A (zh) * | 2016-05-13 | 2016-08-10 | 清华大学 | 一种交直流互联电网风、火协调动态经济调度优化方法 |
| CN109167351A (zh) * | 2018-09-05 | 2019-01-08 | 华北电力大学 | 基于广义Benders分解法的源荷备用协同优化方法 |
| CN110543693A (zh) * | 2019-08-13 | 2019-12-06 | 国网山西省电力公司电力科学研究院 | 一种计及运行风险的鲁棒机组组合方法 |
| CN111079972A (zh) * | 2019-11-04 | 2020-04-28 | 深圳供电局有限公司 | 一种主动配电网可靠性规划方法、设备及介质 |
Non-Patent Citations (2)
| Title |
|---|
| 考虑风电接入的交直流互联电网动态最优潮流;王斌;夏叶;夏清;张慧玲;韩红卫;;电力系统自动化(第24期);全文 * |
| 计及灵活性的检修―运行协同优化模型及算法;许奕斌;章禹;何宇斌;郭创新;朱炳铨;项中明;;电力系统自动化(第11期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112990596A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112990596B (zh) | 一种主动配电网和虚拟电厂协同运行的分布式优化方法 | |
| Huang et al. | Distributionally robust optimal power flow in multi-microgrids with decomposition and guaranteed convergence | |
| US11159044B2 (en) | Hierarchal framework for integrating distributed energy resources into distribution systems | |
| CN108599373B (zh) | 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 | |
| Wu et al. | Distributed optimal coordination for distributed energy resources in power systems | |
| Mallada et al. | Optimal load-side control for frequency regulation in smart grids | |
| CN110266038B (zh) | 一种多虚拟电厂分布式协调调控方法 | |
| Chang et al. | A distributed robust optimization approach for the economic dispatch of flexible resources | |
| Dagdougui et al. | Optimal control of a network of power microgrids using the Pontryagin's minimum principle | |
| Velasquez et al. | Distributed stochastic economic dispatch via model predictive control and data-driven scenario generation | |
| CN113890023A (zh) | 一种综合能源微网分布式经济调度优化方法及系统 | |
| 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 | |
| Samende et al. | Power loss minimization of off-grid solar DC nano-grids—Part I: Centralized control algorithm | |
| CN113780622A (zh) | 基于多智能体强化学习的多微网配电系统分布式调度方法 | |
| CN117039882A (zh) | 基于二元一致性算法的资源聚合调控方法与系统 | |
| Hermans et al. | Almost decentralized model predictive control of power networks | |
| Wang et al. | Distributed finite-time economic dispatch for islanded microgrids | |
| CN113673912A (zh) | 考虑输电网影响的配电-气网分布式协同规划方法及系统 | |
| Irudayaraj et al. | Distributed intelligence for consensus-based frequency control of multi-microgrid network with energy storage system | |
| CN110212593B (zh) | 一种基于区间的耦合输配电系统分散调度方法 | |
| Liu et al. | Recent advances on distributed dispatching and control algorithms in virtual power plant | |
| CN113162049A (zh) | 一种概率分布不确定条件下输配协同调度方法及系统 | |
| Mao et al. | A distributed economic dispatch algorithm for islanding microgrid considering unreliable communication links | |
| CN111082475A (zh) | 一种基于交直流混合配电网协调能量管控方法 | |
| Liu et al. | Control of Large-Scale Battery Storage Systems in Different Areas of Multi-area Power Systems |
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 |