CN113241757B - 一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法 - Google Patents
一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法 Download PDFInfo
- Publication number
- CN113241757B CN113241757B CN202110433044.3A CN202110433044A CN113241757B CN 113241757 B CN113241757 B CN 113241757B CN 202110433044 A CN202110433044 A CN 202110433044A CN 113241757 B CN113241757 B CN 113241757B
- Authority
- CN
- China
- Prior art keywords
- load
- ess
- sop
- time
- 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
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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
-
- 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
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种考虑柔性负荷与ESS‑SOP的多时间尺度优化调度方法,构建柔性负荷、ESS‑SOP模型,对系统进行初始化获取原始数据;量化分析各类柔性负荷、ESS‑SOP协同调度的动态过程,获取柔性负荷变化时段和ESS‑SOP出力计划;由日前得出可平移负荷和可转移负荷决策量视为基准值,对控制时域进行滚动优化,修正系统中其余可控变量,得出ESS最优调度策略;依据更新的光伏、风机出力及负荷预测数据衔接日内滚动优化,对下发第一时段优化指令实时反馈调节。本发明高效协调柔性负荷、ESS‑SOP在不同时间尺度上的响应特性,有效平抑峰谷差、平缓电压和负荷波动并在一定程度上提升配电网运行经济性和稳定性。
Description
技术领域
本发明涉及一种考虑柔性负荷与ESS-SOP的多时间尺度优化调度方法。
背景技术
在全球性能源资源短缺、环境污染等大背景下,大力发展绿色、低碳、可持续的能源已成为世界各国的共识。作为可再生能源利用的重要手段之一,大量分布式可再生能源(DRES)接入配电网后,其波动性、间歇性、低可控性等问题给配电网的安全可靠运行带来巨大挑战。为此,如何充分计及多种DRES的运行控制特性,充分发挥多种资源的优势互补,从而制定适应主动配电网运行模式下的优化方案,具有重大的意义和价值。
储能系统(ESS)、柔性负荷、新型电力电子设备的接入使得当前配电网具有更丰富、更主动的调控能力。柔性负荷是需求响应的重要部分,其开放互动、灵活可控的特性可有效平缓功率波动。同时柔性负荷具有响应速度快、低碳环保的优点。随着电力体系的不断完善,充分挖掘柔性负荷的调度潜力来提升电网的可调节能力引起广泛关注。此外,全控型电力电子装置“智能软开关(SOP)”作为新型设备,能够灵活地改变馈线传输的有功功率,同时提供一定的无功支撑,快速、精准的控制潮流分布,在改善系统运行经济性与电压特性上具有显著的促进作用。但含储能的SOP(ESS-SOP),可将时间和空间两个维度上的调控能力相结合,适应更繁杂的实际运行情况
传统的调度方式仅在日前尺度上进行建模,不能充分利用柔性负荷在多时间尺度上的响应能力和响应特性。随着预测时间的增长预测误差增大,日前调度计划往往与实际存在较大的偏差。为减小偏差,一些研究引入了多时间尺度协调调度模型。为能够在多时间尺度上高效协调各种可控资源的响应特性,实现削峰填谷,进而提升配电网经济性、平缓电压波动,现亟需一种可用于多时间尺度协调调度的优化方法。
随着时间发生变化,柔性负荷、ESS-SOP能够快速协调响应以提高电压平稳度从而维持配电网系统稳定性。因此该策略应被建模以获取更优的经济效益。
发明内容
为了克服现有技术的不足,为在电力系统安全稳定的前提下提升配电网的经济效益,同时平抑负荷峰谷差、提高DRES的消纳能力、平缓电压波动,本发明提供了一种考虑柔性负荷与ESS-SOP的多时间尺度优化调度方法。
本发明的技术方案是:
一种考虑柔性负荷与ESS-SOP的多时间尺度优化调度方法,所述方法面向含高渗透率DRES的智能配电网,建立不同激励策略下的柔性负荷和ESS-SOP在多时间尺度上的协调调度模型,旨在保证配电网安全运行的前提下,提升配电网运行的经济效益,该方法包括以下步骤:
S1:构建系统的柔性负荷和ESS-SOP模型,将柔性负荷分为可平移、可转移和可削减负荷,对系统进行初始化获取原始数据;
S2:日前阶段,具体量化分析各类柔性负荷、ESS-SOP协调调度的动态过程,获取柔性负荷变化时段和ESS-SOP出力计划;
S3:进入日内优化,周期为24h,优化步长0.5h,由步骤S2得出可平移负荷和可转移负荷决策量视为基准值,与其他可控资源协调优化,得出ESS的最优调度策略;
S4:实时优化中,周期为24h,优化步长5min,日内得出ESS策略为固定常量,对S3中当前调度第一时段的策略实时反馈调节,该时段结束,下一预测周期循环往复,直至调度周期结束;
S5:原始模型进行二阶锥转换,将MINLP问题转化为MISOCP模型,提高系统求解效率。
本发明中,所述配电系统的节点上含有光伏、风机、ESS-SOP和柔性负荷,通过多时间尺度方法,高效协调柔性负荷、ESS-SOP在不同时间尺度上的响应特性。
进一步,所述步骤S1中,系统模型构建过程如下:
S1-1:根据不同的响应特性和激励机制,将柔性负荷分为可平移负荷、可转移负荷、可削减负荷三类负荷:
可平移负荷:受生产制作工序的约束,用电时段虽可调整,但特性是只能实现用电时段整体平移,用户与电网事先约定不同时段用电补偿,用户会根据激励机制更改用电时段;
可转移负荷:可转移负荷与可平移负荷具有一定相似之处,具有用电总量不变的特点,没有连续性和时序性的限制,用电功率可在一定范围内灵活调配,采用分时电价激励机制,鼓励用户自发调整用电时段;
可削减负荷:可削减负荷根据用户的响应意愿,将用电功率进行削减,在用电高峰时段进行削减,用电总量下降,只要负荷存在削减情况,必会对用户带来不便;考虑用户舒适度,可削减负荷要满足削减量大小约束和削减时段约束等;
S1-2:含储能的SOP模型
SOP是一种使用背靠背电压源变流器的全控型电力电子器件,通过实时指令精准调节相邻馈线间的功率电流,实现不同馈线间的常态柔性互联,而改变系统空间上的潮流分布,将储能系统与SOP相连,组成含储能的SOP(ESS-SOP),可将时间和空间两个维度上的调控能力相结合,适应更繁杂的实际运行情况;
SOP运行约束中会考虑损耗系数,SOP传输有功功率约束表述为:
式中:和分别为在t时刻连接在节点i和节点j处的SOP输出功率;假定节点注入功率方向为正方向;和分别为在t时刻接在节点i和节点j处的变流器损耗;和分别为接在节点i和节点j的变流器损耗系数;和分别表示在t时刻第n个ESS的充电功率和放电功率;
SOP的容量约束如下所示:
在所述步骤S2中,日前阶段量化分析系统中各类可控资源动态优化过程,包括以下步骤:
S2-1:主动配电网日前优化模型的目标函数考虑经济性:
目标函数包括两部分,除考虑主网购售电成本、网络有功功率损耗、ESS运行损耗和柔性负荷的调度成本外,还包括电压偏差,表述如下:
柔性负荷调度成本,如下所示:
主电网购售电成本,表述所下:
线路损耗成本,表述所下:
SOP运行损耗成本,表述如下:
式中:S为总节点数;
ESS运行损耗成本包括充、放电损耗,表述如下:
选取节点电压偏差作为衡量柔性负荷、ESS-SOP缓解电压波动能力的指标,表述如下:
式中:ut,i为t时刻节点i的电压标幺值;
S2-2:系统中除了柔性负荷约束、ESS-SOP运行约束外,还包括以下约束:
系统潮流约束:
式中:Pt,ij、Qt,ij分别为支路ij在t时刻的有功功率和无功功率;Pt,i、Qt,i分别为t时刻节点i处注入的有功功率和无功功率;xij为支路ij的电抗;分别为第i个DRES在t时刻的有功出力和无功出力; 是在节点i处t时刻SOP注入的有功功率和无功功率;分别为在t时刻负荷i的有功功率和无功功率;分别为在t时刻第i个可平移、可转移、可削减、重要负荷(不可调度)的功率;
节点电压安全运行约束:
DERS运行约束:
进一步,所述步骤S3中,日内优化包括以下步骤:
S3-1:日内阶段,将日前计划中可平移负荷和可转移负荷相应时段决策量视为基准值,步长30min,根据30min级DRES和负荷预测及优化模型对控制时域进行滚动优化,仅保留该周期内第一时段的调度策略并下发运行;
S3-2:以可削减负荷调度成本、主网购售电成本、线路损耗、ESS运行成本、SOP运行损耗和电压偏差最小为目标函数;
日内滚动优化中,柔性负荷调度成本发生变化,其他调度成本公式(17)-(20)中将优化步长Δt1改为Δt2,电压偏差与式(21)相同;
日内柔性负荷调度成本将式(16)更改为式(33),如下所示:
式中Δt2为日内优化步长;
S3-3:有功平衡约束:
日内优化中,可削减负荷和ESS-SOP的约束形式与S2中调度约束条件总体类似,将约束(26)转变为式(34),其余如式(3)-(14)与式(27)-(31)相同。
进一步,所述步骤S4中,实时优化模型的建立和求解包括以下步骤:
S4-1:实时优化中将日内优化对应时段ESS调度策略作为固定常量,步长为5min,依据更新的5min级的光伏、风机出力及负荷预测数据衔接日内滚动优化,对下发第一时段优化指令实时反馈调节,该时段反馈调节结束后,对下一个预测周期重复上述过程,直至调度周期结束;
S4-2:目标函数包括可削减负荷调度成本、主网购售电成本、线路损耗、SOP运行损耗、电压偏差:
实时优化中将式(33)的优化步长改为Δt3,其余调度成本表述方式如公式(17)-(20)均将优化步长改为Δt3,系统有功平衡约束与S3式(34)相同,其余形式(3)-(14)和(27)-(31)与S2中调度约束条件一致,不再详细列出。
在所述步骤S5中,模型转换包括以下步骤:
S5-2:潮流约束(25)是非线性约束,通过松弛转化为二阶锥约束(41):
||2Pt,ij 2Qt,ij wt,ij-vt,i||≤wt,ij+vt,i (41)
SOP容量约束(7)、(8)和DRE的容量约束(31)变为旋转锥约束(42):
SOP的损耗约束(5)-(6)转换为二阶锥约束形式,约束(43)-(44):
电压偏差(21)通过引入辅助变量VSuxt,i进行线性化,得到约束(45),同时添加约束(46)-(48)使其等效于原节点电压偏差的目标函数:
VSuxt,i≥vt,i-1 (46)
VSuxt,i≥-vt,i+1 (47)
VSuxt,i≥0 (48)。
本发明的有益效果是:
1、面向含高渗透率DRES的智能配电网,将柔性负荷资源、ESS、SOP纳入调度计划,能够实现削峰填谷,电压波动和负荷波动得到有效的抑制。所提发明将电压控制在安全范围内,提高系统安全性;通过消纳DRES降低外网的购售电成本,具有良好的经济效益。
2、通过日前-日内-实时的协调优化调度,适应短时间尺度上DRES预测精度;充分挖掘柔性负荷和SOP在不同时间尺度上的调度潜力,使资源重组更充沛,提升策略的有效性和准确性。
附图说明
图1是改进后IEEE33节点拓扑图。
图2是模式4调度前后负荷日出力曲线图。
图3是模式4下ESS调度策略。
图4是模式4下SOP调度策略,其中,(a)表示SOP1输出有功功率,(b)表示SOP2输出有功功率,(c)表示SOP1输出无功功率,(d)表示SOP2输出无功功率。
图5是考虑柔性负荷与ESS-SOP的多时间尺度优化调度方法的流程图。
具体实施方法
下面结合附图对本发明做进一步说明。
参照图1~图5,一种考虑柔性负荷与ESS-SOP的多时间尺度优化调度方法,包括以下步骤:
S1:构建系统的柔性负荷、ESS-SOP模型,将柔性负荷分为可平移、可转移和可削减负荷,对系统进行初始化获取原始数据;
S2:日前阶段,具体量化分析各类柔性负荷、ESS-SOP协同调度的动态过程,获取柔性负荷变化时段和ESS-SOP出力计划;
S3:进入日内优化,周期为24h,优化步长0.5h,由步骤S2得出可平移负荷和可转移负荷决策量视为基准值,与其他可控资源协调优化,得出ESS的最优调度策略;
S4:实时优化中,周期为24h,优化步长5min,日内得出ESS策略为固定常量,对S3中当前调度第一时段的策略实时反馈调节,该时段结束,下一预测周期循环往复,直至调度周期结束;
S5:原始模型进行二阶锥转换,将MINLP问题转化为MISOCP模型,提高系统求解效率。
进一步,所述步骤S1中,系统模型构建过程如下:
S1-1:根据不同的响应特性和激励机制,将柔性负荷分为可平移负荷、可转移负荷、可削减负荷三类负荷;
S1-2:含储能的SOP模型
SOP是一种使用背靠背电压源变流器的全控型电力电子器件,通过实时指令精准调节相邻馈线间的功率电流,实现不同馈线间的常态柔性互联,而改变系统空间上的潮流分布,将储能系统与SOP相连,组成含储能的SOP(ESS-SOP),可将时间和空间两个维度上的调控能力相结合,适应更繁杂的实际运行情况;
SOP运行约束中会考虑损耗系数,SOP传输有功功率约束表述为:
式中:和分别为在t时刻连接在节点i和节点j处的SOP输出功率;假定节点注入功率方向为正方向;和分别为在t时刻接在节点i和节点j处的变流器损耗;和分别为接在节点i和节点j的变流器损耗系数;和分别表示在t时刻第n个ESS的充电功率和放电功率;
SOP的容量约束如下所示:
所述步骤S2中,日前阶段量化分析系统中各类可控资源动态优化过程,包括以下步骤:
S2-1:主动配电网日前优化模型的目标函数考虑经济性:
目标函数包括两部分,除考虑主网购售电成本、网络有功功率损耗、ESS运行损耗和柔性负荷的调度成本外,还包括电压偏差,表述如下:
柔性负荷调度成本,如下所示:
主电网购售电成本,表述所下:
线路损耗成本,表述所下:
SOP运行损耗成本,表述如下:
式中:S为总节点数;
ESS运行损耗成本包括充、放电损耗,表述如下:
选取节点电压偏差作为衡量柔性负荷、ESS-SOP缓解电压波动能力的指标,表述如下:
式中:ut,i为t时刻节点i的电压标幺值;
S2-2:系统中除了柔性负荷约束、ESS-SOP运行约束外,还包括以下约束:
系统潮流约束:
式中:Pt,ij、Qt,ij分别为支路ij在t时刻的有功功率和无功功率;Pt,i、Qt,i分别为t时刻节点i处注入的有功功率和无功功率;xij为支路ij的电抗;分别为第i个DRES在t时刻的有功出力和无功出力; 是在节点i处t时刻SOP注入的有功功率和无功功率;分别为在t时刻负荷i的有功功率和无功功率;分别为在t时刻第i个可平移、可转移、可削减、重要负荷(不可调度)的功率;
节点电压安全运行约束:
DERS运行约束:
进一步,所述步骤S3,日内优化包括以下步骤:
S3-1:日内阶段,将日前计划中可平移负荷和可转移负荷相应时段决策量视为基准值,步长30min,根据30min级DRES和负荷预测及优化模型对控制时域进行滚动优化,仅保留控制时域第一时段的调度策略并下发运行;
S3-2:以可削减负荷调度成本、主网购售电成本、线路损耗、ESS运行成本、SOP运行损耗和电压偏差最小为目标函数;
日内滚动优化中,柔性负荷调度成本发生变化,其他调度成本公式(17)-(20)中将优化步长Δt1改为Δt2,电压偏差与式(21)相同;
日内柔性负荷调度成本将式(16)更改为式(33),如下所示:
式中Δt2为日内优化步长;
S3-3:有功平衡约束:
日内优化中,可削减负荷和ESS-SOP的约束形式与S2中调度约束条件总体类似,将约束(26)转变为式(34),其余如式(3)-(14)与式(27)-(31)相同。
进一步,所述步骤S4中,实时优化模型的建立和求解包括以下步骤:
S4-1:实时优化中将日内优化对应时段ESS调度策略作为固定常量,步长为5min,依据更新的5min级的光伏、风机出力及负荷预测数据衔接日内滚动优化,对下发第一时段优化指令实时反馈调节,该时段反馈调节结束后,对下一个预测周期重复上述过程,直至调度周期结束;
S4-2:目标函数包括可削减负荷调度成本、主网购售电成本、线路损耗、SOP运行损耗、电压偏差:
实时优化中将式(33)的优化步长改为Δt3,其余调度成本表述方式如公式(17)-(20)均将优化步长改为Δt3,系统有功平衡约束与S3式(34)相同,其余形式(3)-(14)和(27)-(31)与S2中调度约束条件一致,不再详细列出。
在所述步骤S5中,模型的转换包括以下步骤:
S5-2:潮流约束(25)含有变量乘积项是非线性约束,通过松弛转化为二阶锥约束(41):
||2Pt,ij 2Qt,ij wt,ij-vt,i||≤wt,ij+vt,i (41)
SOP容量约束(7)、(8)和DRE的容量约束(31)变为旋转锥约束(42):
SOP的损耗约束(5)-(6)转换为二阶锥约束形式,约束(43)-(44):
电压偏差(21)通过引入辅助变量VSuxt,i进行线性化,得到约束(45),同时添加约束(46)-(48)使其等效于原节点电压偏差的目标函数:
VSuxt,i≥vt,i-1 (46)
VSuxt,i≥-vt,i+1 (47)
VSuxt,i≥0 (48)。
为使本领域技术人员更好地理解本发明,申请人使用如图1所示的IEEE33节点配电系统进行仿真分析,系统基准电压为12.66kV,配电网分时电价为表1,配电网售电价格为0.2元/kW.h。各类可控资源的安装位置和容量设置如下表2。DRES功率因素设置为1,其出力是根据装机容量的比例进行分配的。SOP容量为500kVA/组、损耗系数为0.02;ESS容量为1MW·h/组,额定充放电功率为0.2MW,初始荷电状态(SOC)为0.6,SOC上、下限分别为0.4和0.9,充放电效率均为0.92;三种可平移负荷占比为0.467、0.478、0.457;三种可平移负荷占比为0.222、0.128、0.278;三种可削减负荷削减量占比上限为0.164、0.167、0.169,可削减负荷补偿价格为0.5元/kW.h,其余补偿价格为0.2元/kW.h。系统中功率损耗系数为0.57元/(kW·h),ESS损耗系数CE为0.0195元/(kW·h),系统电压标幺值的上、下限和u分别为1.05和0.95;电压偏差系数wv为0.2。
表1
表2
为验证本文所发明方法的有效性,设置了4种模式进行对比:
模式1:采用日前调度模型,ESS-SOP中ESS、SOP的出力均为0,柔性负荷不参与响应。
模式2:采用日前调度模型,ESS-SOP参与调度,柔性负荷参与响应。
模式3:采用日前-日内双层调度模型,ESS-SOP参与调度,可削减负荷参与响应。
模式4:采用日前-日内-实时三层调度模型,即本文所提模型。ESS-SOP中SOP参与调度,可削减负荷参与响应。
将系统中各随机变量的预测误差方差基础值分别设置为:负荷为预测值的1.5%,光伏出力为预测值的3%,风力发电机为预测值的5%。
表3
表3中将4种方案下的结果进行对比。模式2、3、4相较于模式1中的经济性都得到了一定的提升,电压偏差也得到了极大地改善。模式4相较于模式2和3,线路损耗及主网购售电成本都明显降低,说明了所提发明的有效性。
从图2中直观看出,系统总负荷在用电高峰时段有所降低;夜间用电稀少时,负荷曲线有所上升。系统中,柔性负荷未响应前峰谷差为2640kW;优化调度后,峰谷差降至2401kW。相较于原始场景,峰谷差减小9.05%。可见多类负荷相互作用,实现较好的削峰填谷效果。
对本发明所提多时间尺度优化方法进行分析。图3、4分别为SOP和ESS调度策略。柔性负荷,ESS和SOP互相配合满足负荷系统的需求。在6:00-9:00和17:00-21:00时段,系统中DRES的输出功率显著低于负荷,2组SOP分别将有功功率传输给节点12和节点29,以缓解系统的电力需求。可削减负荷发生削减,进一步改善供电不足的情况。2组ESS在两个高峰时段进行放电,对电力系统提供支持。而在13:00-14:00和24:00-5:00时段,DRES的输出功率远大于负荷需求,2组SOP将有功功率回送到节点22和节点25。2组ESS在对应时刻进行充电,可平移负荷和可转移负荷移动至负荷低谷,尽可能使功率波动平缓,降低购电量,增加售电量。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本领域的技术人员可以将本说明书中描述的不同实施或示例进行结合和组合。此外,本发明的保护范围不应当被视为仅限于实施案例所陈述的具体形式,本发明的保护范围也包括本领域技术人员根据发明构思所能想到的等同技术手段。
Claims (6)
1.一种考虑柔性负荷与ESS-SOP的多时间尺度优化调度方法,其特征在于,所述方法包括以下步骤:
S1:构建系统的柔性负荷和ESS-SOP模型,将柔性负荷分为可平移、可转移和可削减负荷,对系统进行初始化获取原始数据;
S2:日前阶段,具体量化分析各类柔性负荷、ESS-SOP协调调度的动态过程,获取柔性负荷变化时段和ESS-SOP出力计划;
S3:进入日内优化,周期为24h,优化步长0.5h,由步骤S2得出可平移负荷和可转移负荷决策量视为基准值,与其他可控资源协调优化,得出ESS的最优调度策略;
S4:实时优化中,周期为24h,优化步长5min,日内得出ESS策略为固定常量,对S3中当前调度第一时段的策略实时反馈调节可削减负荷调度量和SOP出力,该时段结束,下一预测周期循环往复,直至调度周期结束;
S5:原始模型进行二阶锥转换,将MINLP问题转化为MISOCP模型,提高系统求解效率。
2.如权利要求1所述的一种考虑柔性负荷与ESS-SOP的多时间尺度优化调度方法,其特征在于,所述步骤S1中,系统构建过程如下:S1-1:根据不同的响应特性和激励机制,将柔性负荷分为可平移负荷、可转移负荷、可削减负荷三类负荷:
可平移负荷:受生产制作工序的约束,用电时段虽可调整,但特性是只能实现用电时段整体平移,一般用户与电网事先约定不同时段用电补偿,用户会根据激励机制更改用电时段;
可转移负荷:可转移负荷与可平移负荷具有用电总量不变的特点,没有连续性和时序性的限制,用电功率可在一定范围内灵活调配,采用分时电价激励机制,鼓励用户自发调整用电时段;
可削减负荷:可削减负荷根据用户的响应意愿,将用电功率进行削减;在用电高峰时段进行削减,用电总量下降,只要负荷存在削减情况,必会对用户带来不便;考虑用户舒适度,可削减负荷要满足削减量大小约束和削减时段约束;
S1-2:含储能的SOP模型
SOP是一种使用背靠背电压源变流器的全控型电力电子器件,通过实时指令精准调节相邻馈线间的功率电流,实现不同馈线间的常态柔性互联,而改变系统空间上的潮流分布;将储能系统与SOP相连,组成含储能的SOP(ESS-SOP),将时间和空间两个维度上的调控能力相结合,适应更繁杂的实际运行情况;
SOP运行约束中会考虑损耗系数,SOP传输有功功率约束表述为:
式中:和分别为在t时刻连接在节点i和节点j处的SOP输出功率;假定节点注入功率方向为正方向;和分别为在t时刻接在节点i和节点j处的变流器损耗;和分别为接在节点i和节点j的变流器损耗系数;和分别表示在t时刻第n个ESS的充电功率和放电功率;
SOP的容量约束如下所示:
ESS各个时间段的荷电状态SOC都与之前时段的充放电状况及量相关,在t时段,第n个ESS模型如下:
ESS还需要对自身充放电功率和状态进行约束,同时满足运行一日前后ESS中储存能量不变的要求:
ET,n=E0,n (14)
3.如权利要求2所述的一种考虑柔性负荷与ESS-SOP的多时间尺度优化调度方法,其特征在于,所述步骤S2中,具体量化分析系统中各类可控资源动态优化过程,包括以下过程:
S2-1:主动配电网日前优化模型的目标函数考虑经济性:
目标函数包括两部分,除考虑主网购售电成本、网络有功功率损耗、ESS运行损耗和柔性负荷的调度成本外,还包括电压偏差,表述如下:
柔性负荷调度成本,如下所示:
主电网购售电成本,表述所下:
线路损耗成本,表述所下:
SOP运行损耗成本,表述如下:
式中:S为总节点数;
ESS运行损耗成本包括充、放电损耗,表述如下:
式中:CE为ESS运行的成本系数,N为在配电系统中接入ESS的数量;
选取节点电压偏差作为衡量柔性负荷、ESS-SOP缓解电压波动能力的指标,表述如下:
式中:ut,i为t时刻节点i的电压标幺值;
S2-2:系统中除了柔性负荷约束、ESS-SOP运行约束外,还包括以下约束:
系统潮流约束:
式中:Pt,ij、Qt,ij分别为支路ij在t时刻的有功功率和无功功率;Pt,i、Qt,i分别为t时刻节点i处注入的有功功率和无功功率;xij为支路ij的电抗;分别为第i个DRES在t时刻的有功出力和无功出力; 是在节点i处t时刻SOP注入的有功功率和无功功率;分别为在t时刻负荷i的有功功率和无功功率;分别为在t时刻第i个可平移、可转移、可削减、重要负荷的功率;
节点电压安全运行约束:
DERS运行约束:
4.如权利要求3所述的一种考虑柔性负荷与ESS-SOP的多时间尺度优化调度方法,其特征在于,在所述步骤S3中,日内优化包括以下步骤:
S3-1:日内阶段,将日前计划中可平移负荷和可转移负荷相应时段决策量视为基准值,步长30min,根据30min级DRES和负荷预测及优化模型对控制时域进行滚动优化,仅保留该调度周期第一时段的调度策略并下发运行;
S3-2:以可削减负荷调度成本、主网购售电成本、线路损耗、ESS运行成本、SOP运行损耗和电压偏差最小为目标函数;
日内滚动优化中,柔性负荷调度成本发生变化,其他调度成本公式(17)-(20)中将优化步长Δt1改为Δt2,电压偏差与式(21)相同;
日内柔性负荷调度成本将式(16)更改为式(33),如下所示:
式中Δt2为日内优化步长;
S3-3:有功平衡约束:
日内优化中,可削减负荷和ESS-SOP的约束形式与S2中调度约束条件总体类似,将约束(26)转变为式(34),其余约束如式(3)-(14)与式(27)-(31)相同。
5.如权利要求4所述的一种考虑柔性负荷与ESS-SOP的多时间尺度优化调度方法,其特征在于,在所述步骤S4中,实时优化模型的建立和求解包括以下步骤:
S4-1:实时优化中将日内优化对应时段ESS调度策略作为固定常量,步长为5min,依据更新的5min级的光伏、风机出力及负荷预测数据衔接日内滚动优化,对下发第一时段优化指令实时反馈调节,该时段反馈调节结束后,对下一个预测周期重复上述过程,直至调度周期结束;
S4-2:目标函数包括可削减负荷调度成本、主网购售电成本、线路损耗、SOP运行损耗、电压偏差:
实时优化中柔性负荷调度成本将式(33)的优化步长改为Δt3,其余调度成本表述方式如公式(17)-(20)均将优化步长改为Δt3,系统有功平衡约束与S3式(34)相同,其余约束形式(3)-(14)和(27)-(31)与S2中调度约束条件一致。
6.如权利要求5所述的一种考虑柔性负荷与ESS-SOP的多时间尺度优化调度方法,其特征在于,在所述步骤S5中,模型转换包括以下步骤:
S5-2:潮流约束(25)是非线性约束,通过松弛转化为二阶锥约束(41):
||2Pt,ij 2Qt,ij wt,ij-vt,i||≤wt,ij+vt,i (41)
SOP容量约束(7)、(8)和DRE的容量约束(31)变为旋转锥约束(42):
SOP的损耗约束(5)-(6)转换为二阶锥约束形式,约束(43)-(44):
电压偏差(21)通过引入辅助变量VSuxt,i进行线性化,得到约束(45),同时添加约束(46)-(48)使其等效于原节点电压偏差的目标函数:
VSuxt,i≥vt,i-1 (46)
VSuxt,i≥-vt,i+1 (47)
VSuxt,i≥0 (48)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110433044.3A CN113241757B (zh) | 2021-04-21 | 2021-04-21 | 一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110433044.3A CN113241757B (zh) | 2021-04-21 | 2021-04-21 | 一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113241757A CN113241757A (zh) | 2021-08-10 |
CN113241757B true CN113241757B (zh) | 2022-06-17 |
Family
ID=77128891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110433044.3A Active CN113241757B (zh) | 2021-04-21 | 2021-04-21 | 一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113241757B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962429B (zh) * | 2021-09-03 | 2024-04-05 | 华南理工大学 | 一种求解负荷置换的优化方法、系统、装置及介质 |
CN114744632B (zh) * | 2022-04-22 | 2024-01-23 | 国网江苏省电力有限公司电力科学研究院 | 一种含快充负荷的低压直流互联配电网调度方法、装置及存储介质 |
CN114884049B (zh) * | 2022-07-12 | 2022-10-25 | 东南大学溧阳研究院 | 一种柔性直流配电网优化运行控制方法 |
CN116388302B (zh) * | 2023-01-17 | 2024-06-04 | 湖南大学 | 一种协调网侧资源的配电网有功-无功联合优化方法 |
CN116231766B (zh) * | 2023-05-09 | 2023-08-01 | 国网浙江省电力有限公司永康市供电公司 | 高渗透率光伏智能配电台区协调分配方法及系统 |
CN117200342A (zh) * | 2023-09-06 | 2023-12-08 | 上海勘测设计研究院有限公司 | 跨时间尺度的风光储一体化运行方法、系统、介质及装置 |
CN117175587B (zh) * | 2023-11-03 | 2024-03-15 | 国网山东省电力公司东营供电公司 | 考虑柔性负荷的配电网调度优化方法、系统、终端及介质 |
CN117895497A (zh) * | 2024-01-10 | 2024-04-16 | 华北电力大学 | 一种电力系统多时间尺度协同优化调度方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107887933A (zh) * | 2017-11-17 | 2018-04-06 | 燕山大学 | 一种多时间尺度滚动优化微电网能量优化管理方法 |
CN109962499A (zh) * | 2019-03-25 | 2019-07-02 | 国家电网公司华中分部 | 一种电网多时间尺度调度方法 |
CN110311421A (zh) * | 2019-07-12 | 2019-10-08 | 燕山大学 | 基于需求侧响应的微电网多时间尺度能量管理方法 |
-
2021
- 2021-04-21 CN CN202110433044.3A patent/CN113241757B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107887933A (zh) * | 2017-11-17 | 2018-04-06 | 燕山大学 | 一种多时间尺度滚动优化微电网能量优化管理方法 |
CN109962499A (zh) * | 2019-03-25 | 2019-07-02 | 国家电网公司华中分部 | 一种电网多时间尺度调度方法 |
CN110311421A (zh) * | 2019-07-12 | 2019-10-08 | 燕山大学 | 基于需求侧响应的微电网多时间尺度能量管理方法 |
Non-Patent Citations (8)
Title |
---|
Multi-time scale coordinated scheduling for the combined system of wind power, photovoltaic, thermal generator, hydro pumped storage and batteries;Shiwei Xia;《2019 IEEE Industry Applications Society Annual Meeting》;20191003;第1-8页 * |
Multi-time Scale Simulation of Optimal Scheduling Strategy for Virtual Power Plant Considering Load Response;Huang Chao;《2018 International Conference on Power System Technology (POWERCON)》;20181108;第1-7页 * |
Real-Time Coordinated Scheduling for ADNs With Soft Open Points and Charging Stations;Xiaodong Yang;《IEEE Transactions on Power Systems》;20210331;第5486-5499页 * |
主动配电网的日前-日内两阶段优化调度;廖剑波;《现代电力》;20200228;第37卷(第1期);第27-34页 * |
含柔性负荷的主动配电网优化模型研究;贾先平等;《电测与仪表》;20180710;第55卷(第13期);第46-52页 * |
基于BIPV功率与负荷预测的智能建筑EMS双时间尺度多能互补优化模型;苏适等;《华北电力大学学报(自然科学版)》;20180130;第45卷(第01期);第48-57页 * |
多时间尺度协调控制的独立微网能量管理策略;郭思琪等;《电工技术学报》;20140226;第29卷(第02期);第122-129页 * |
计及多时间尺度需求响应资源的微电网能量优化调度策略;刘宝林等;《电力建设》;20180801;第39卷(第08期);第9-17页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113241757A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113241757B (zh) | 一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法 | |
CN111882111A (zh) | 一种源网荷储协同互动的电力现货市场出清方法 | |
CN113794244B (zh) | 含多微网主动配电系统的定价与最优能量调度方法和系统 | |
CN109687470B (zh) | 基于电价-负荷联动响应的热电联产系统风电消纳调度方法 | |
CN110661301B (zh) | 一种水光蓄多能互补发电系统的容量配置优化方法 | |
CN110046780B (zh) | 基于分时电价的孤岛微电网需求响应经济调度方法及系统 | |
CN114069635A (zh) | 一种考虑灵活资源经济性的电网调控优化方法 | |
Guo et al. | Microgrid source-network-load-storage master-slave game optimization method considering the energy storage overcharge/overdischarge risk | |
CN107947166A (zh) | 一种基于动态矩阵控制的多能微网变时调度方法及装置 | |
Jiang et al. | Optimization of the operation plan taking into account the flexible resource scheduling of the integrated energy system | |
CN117411007A (zh) | 一种分布式光伏和储能联合的配网低电压治理方法 | |
Fang et al. | A study on the energy storage scenarios design and the business model analysis for a zero-carbon big data industrial park from the perspective of source-grid-load-storage collaboration | |
Hong-Tao et al. | Local Consumption model of wind and photovoltaic power based on demand side response | |
CN116961008A (zh) | 计及电力弹簧与负荷需求响应的微电网容量双层优化方法 | |
Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
CN115392784A (zh) | 一种主动配电网源-储协同规划方法 | |
Fang et al. | Peak Shaving Strategy of Concentrating Solar Power Generation Based on Multi-Time-Scale and Considering Demand Response. | |
Luo et al. | A new distributed collaborative control for double-layer dynamic optimal scheduling of energy network | |
Jiang et al. | Research on coordinated development and optimization of distribution networks at all levels in distributed power Energy Engineering | |
Qian et al. | Low carbon optimization dispatching of energy intensive industrial park based on adaptive stepped demand response incentive mechanism | |
Sheng et al. | Peaking Control Strategy of Stackelberg Game for Buildings Based on Cluster Classification Incentive | |
Qi et al. | Study on the cooperative optimized operation of power system source-grid-load-storage based on Gurobi mathematical programming | |
Xiong et al. | Optimization of Shared Energy Storage Capacity Based on GRU Neural Network Prediction | |
Feng et al. | Optimal Scheduling of Active Distribution Network Considering Energy Storage System and Reactive Compensation Devices | |
Feng et al. | Research on Multi-Energy Complementary Clean DC Delivery Considering Sending-End Resources and the Matching Mode of Receiving-End Peak Load Regulation |
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 |