CN113255129A - 增量式配电网双层随机优化运行方法及系统 - Google Patents
增量式配电网双层随机优化运行方法及系统 Download PDFInfo
- Publication number
- CN113255129A CN113255129A CN202110566403.2A CN202110566403A CN113255129A CN 113255129 A CN113255129 A CN 113255129A CN 202110566403 A CN202110566403 A CN 202110566403A CN 113255129 A CN113255129 A CN 113255129A
- Authority
- CN
- China
- Prior art keywords
- power
- distribution network
- power distribution
- layer
- price
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 128
- 238000005457 optimization Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000010410 layer Substances 0.000 claims abstract description 110
- 238000003860 storage Methods 0.000 claims abstract description 36
- 238000004146 energy storage Methods 0.000 claims abstract description 27
- 230000005611 electricity Effects 0.000 claims abstract description 14
- 239000002356 single layer Substances 0.000 claims abstract description 13
- 230000002146 bilateral effect Effects 0.000 claims abstract description 10
- 238000013486 operation strategy Methods 0.000 claims abstract description 8
- 238000007599 discharging Methods 0.000 claims description 7
- 239000002355 dual-layer Substances 0.000 claims 1
- 238000000996 ion projection lithography Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 238000010248 power generation Methods 0.000 description 8
- 230000000295 complement effect Effects 0.000 description 7
- 239000000243 solution Substances 0.000 description 7
- 238000005086 pumping Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution 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
- 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
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Power Engineering (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种增量式配电网双层随机优化运行方法及系统,包括:获取设定场景下可调度单位和储能设备的运营成本、配电网运营商与电力批发市场间交换功率与分时电价、可调度机组和储能设备的预备存储功率及存储价格信息,以增量配电网的总运营成本最低为目标,构建配电网上层优化模型;获取设定场景下DSO和MGO之间的外汇储备双边合约费率、MGO和零售市场之间的交换功率、零售市场电力价格、EV的充放电速率和充放电价格信息,以自治MGO的利润最大化为目标,构建配电网下层优化模型;将上述双层优化问题转换成单层优化问题进行求解,得到配电网优化运行策略。本发明方法适用于存在多参与主体的状况下,实现增量配电网的最优调度及经济运行。
Description
技术领域
本发明涉及配电网优化技术领域,尤其涉及一种增量式配电网双层随机优化运行方法及系统。
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“碳中和”时代的到来,大量高比例可再生能源将接入电网,使得增量配电网的安全稳定运行成为未来电力系统的主要挑战之一。随着新一轮电力体质改革的日趋深入,增量配电网已经成为更能适应市场多元化竞争格局的新一代配电系统。其多元化、开放性、配售一体化的特点,更能符合当前新能源建设需求,并将在未来能源体质革命中发挥重要的支撑作用。
随着分布式能源的大量渗入,增量配电网已从传统的无源配电系统转变为有源配电系统(Active Distribution Systems,ADS)。作为一个开放性的市场,增量配电网允许包含风电、光伏等新能源及储能系统的微电网接入并参与市场竞争。然而,不同传统存量配电系统,作为私有实体的微电网在不同时期容量可变,其发电量将由其市场盈利行为决定。此时,配电系统运营商的运营成本与各参与方市场收益间的博弈已成为新一代增量配电系统运行的主要矛盾。
为解决上述矛盾,运营商必须以更为有效的方式与各电力参与者进行互动和交易。而运营商与发电商之间的利益博弈使得配电网优化过程变得相当复杂。
现有的双层优化模型中,没有研究配电网约束下的能源和备用同时调度问题。另一方面,在所提供的框架下,ADS的自主经营者不被允许参与零售市场等不同的电力市场。此外,在以往的工作中,尚未研究依赖的生态友好型IPL 对独立MGO的优化运行的影响。
发明内容
为了解决上述问题,本发明提出了一种增量式配电网双层随机优化运行方法及系统,基于双层随机优化模型,利用上层优化为运营商提供配电网最佳调配策略,利用下层优化为发电商争取最大利益。
为了实现上述目的,在一些实施方式中,采用如下技术方案:
一种增量式配电网双层随机优化运行方法,包括:
获取设定场景下可调度单位和储能设备的运营成本、配电网运营商与电力批发市场间交换功率与分时电价、可调度机组和储能设备的预备存储功率及存储价格信息,以增量配电网的总运营成本最低为目标,构建配电网上层优化模型;
获取设定场景下DSO和MGO之间的外汇储备双边合约费率、MGO和零售市场之间的交换功率、零售市场电力价格、EV的充放电速率和充放电价格信息,以自治MGO的利润最大化为目标,构建配电网下层优化模型;
将上述双层优化问题转换成单层优化问题进行求解,得到配电网优化运行策略。
作为进一步地方案,构建配电网上层优化模型,具体为:
其中,分别是指在场景s中,t时刻上层优化可调度单位和储能设备的运营成本;分别是指在场景s中,t时刻配电网运营商与电力批发市场间交换功率与分时电价;分别是指在场景s中,t时刻配电网与微电网间交换功率,为分时交换价格;分别是指在场景s中,t时刻配电网与微电网间交换的存储功率,为分时交换价格; 分别为场景s中,上层优化第i个可调度机组在t时刻的预备存储功率及存储价格;分别为场景s中,上层优化第j个储能设备在t时刻的预备存储功率及存储价格。
作为进一步地方案,所述配电网上层优化模型将配电网与电力批发市场交换功率、与微电网购电和存储功率、最佳运行点及本地分布式能源供电功率作为决策变量。
作为进一步地方案,所述配电网上层优化模型的约束条件包括:配电网优化约束条件、配电系统功率均衡条件、配电系统的储备金余额、配电系统运营商向微电网出售电力和储备的约束条件、配电网运营商与批发市场之间的功率交换约束条件、上层风力涡轮机的约束条件、上层光伏系统的约束条件、上层可调度单元的约束条件以及高层压缩空气储能系统的约束条件。
作为进一步地方案,构建配电网下层优化模型,具体为:
其中,表示在t时刻,DSO和MGO之间的外汇储备双边合约费率;表示场景s中,t时刻MGO和零售市场之间的交换功率;表示场景s中t时刻的零售市场价格;表示第j个EV在t时刻的充电速率;表示第j辆 EV充电价格;指场景s中,下层可调度单元在时间t时的运行成本;指上层第i个可调度单位的预定储备价格;指场景s中第j个EV在时间t 时的放电速率;指第j个EV的放电价格,表示在场景s中,t时刻的第j个EV的预定储备;表示按下级第j个EV计算的计划储量价格。
作为进一步地方案,所述配电网下层优化模型以零售市场的最优交换权、DSO的最优销售权和储备权、IPL的最优交换权以及本地客户的承诺储备权和营业点作为决策变量。
作为进一步地方案,所述配电网下层优化模型的约束条件包括:微电网功率平衡、微电网储备平衡条件、微电网向配电系统运营商出售电力和储备的约束、微电网与零售市场交换功率的约束、低层风力涡轮机的约束、下级光伏系统的约束、下级可调度单元的约束以及下级智能停车场的约束。
在另一些实施方式中,采用如下技术方案:
一种增量式配电网双层随机优化运行系统,包括:
上层优化模型构建模块,用于获取设定场景下可调度单位和储能设备的运营成本、配电网运营商与电力批发市场间交换功率与分时电价、可调度机组和储能设备的预备存储功率及存储价格信息,以增量配电网的总运营成本最低为目标,构建配电网上层优化模型;
下层优化模型构建模块,用于获取设定场景下DSO和MGO之间的外汇储备双边合约费率、MGO和零售市场之间的交换功率、零售市场电力价格、EV 的充放电速率和充放电价格信息,以自治MGO的利润最大化为目标,构建配电网下层优化模型;
双层优化模型求解模块,用于将上述双层优化问题转换成单层优化问题进行求解,得到配电网优化运行策略。
本发明利用大M法(Big-M)将互补约束线性化,建立了所研究的双层随机规划问题的最终线性单水平模型:
在另一些实施方式中,采用如下技术方案:
一种终端设备,其包括处理器和存储器,处理器用于实现各指令;存储器用于存储多条指令,所述指令适于由处理器加载并执行上述的增量式配电网双层随机优化运行方法。
在另一些实施方式中,采用如下技术方案:
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行上述的增量式配电网双层随机优化运行方法。
与现有技术相比,本发明的有益效果是:
本发明提出了一种新颖的双层随机规划方法,适用于存在多参与主体的状况下,实现增量配电网的最优调度及经济运行。在本专利提出的优化模型中,增量配电网作为领导者,力图实现最低成本运行;而分布式电源作为参与者,以盈利最大化为目标,与配电网实现能量交互与能量存储。考虑到新能源的随机特性,该优化问题是一个随机非线性双层优化问题,为实现求解,本专利采用KKT条件(Karush-Kuhn-Tucker Conditions)将优化转换成单层优化问题,并利用大M法(Big-M method)将优化模型线性化处理。该优化策略可实现新能源的高效接入的同时,增强增量配电网的运行安全性。
本发明在独立的MGO在场的情况下,为ADS的最优能量和备用调度提供分层决策模型。考虑的ADS配备了压缩空气储能(CAES)和不同的大型可调度/ 可再生单元。另一方面,提出的MG配备了IPL和不同的小型可调度/可再生型机组。此外,模型还考虑了风速、太阳辐射、市场价格和电力需求等参数的不确定性。
本发明的其他特征和附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本方面的实践了解到。
附图说明
图1是概率分布函数和生成的随机场景示意图;
图2是本发明实施例中双层优化决策框架示意图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本发明使用的所有技术和科学术语具有与本申请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申请的示例性实施方式。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。
术语解释:
DSO:配电系统运营商;
MGO:微电网所有者;
IPL:智能停车场;
EV:电动汽车。
实施例一
根据本发明的实施例,公开了一种增量式配电网双层随机优化运行方法,包括以下过程:
(1)获取设定场景下可调度单位和储能设备的运营成本、配电网运营商与电力批发市场间交换功率与分时电价、可调度机组和储能设备的预备存储功率及存储价格信息,以增量配电网的总运营成本最低为目标,构建配电网上层优化模型;
(2)获取设定场景下DSO和MGO之间的外汇储备双边合约费率、MGO 和零售市场之间的交换功率、零售市场电力价格、EV的充放电速率和充放电价格信息,以自治MGO的利润最大化为目标,构建配电网下层优化模型;
(3)将上述双层优化问题转换成单层优化问题进行求解,得到配电网优化运行策略。
具体地,通过上层优化为运营商提供最佳调配策略,下层优化为发电商争取最大利益。
优化模型为:
上式中,Fu-l是上层优化函数,fl-l是下层优化函数,Gu-l,Hu-l,gl-l,hl-l是上层和下层优化的不等式和等式约束,(y,z1,…,zn,…,zm)是决策变量。
在本发明实施例中,优化过程涉及到的随机场景是根据随机参数的概率分布函数(PDF)生成的。其中,普通PDF函数用于建立电价格和负载需求的不确定性模型,而WeibullPDF函数和Beta PDF函数分别用于风电和光伏的不确定性建模。所提到的PDF曲线被分为五个不同的区间,每个标准区间的宽度代表一个场景。图1表示典型PDF曲线的离散形式。
图2为双层优化决策框架示意图,由图2可知,在执行随机规划后,配电网运营商通过与微电网和批发电力市场进行能源交易,并利用本地的分布式发电资源最大限度的降低其运营成本。另一方面,个体微电网运营商通过与配电网、本地分布式发电商和零售电力市场进行能源交易以获得最大的利润。显而易见,配电网和微电网间能量的交互和存储是上下层优化间的联系变量。
1、配电网上层优化模型
上层优化为一个单目标优化模型,目的是将增量配电网的总运营成本降至最低。包括与基于自主可再生能源的微电网交互成本、从电力批发市场购电成本、计划发电与储能成本等。决策变量为与电力批发市场交换功率、与微电网购电和存储功率、最佳运行点及本地分布式能源供电功率。
式中,其中分别是指在场景s中,t时刻上层优化可调度单位和储能设备的运营成本;分别是指在场景s中,t时刻配电网运营商与电力批发市场间交换功率与分时电价;分别是指在场景s中,t时刻配电网与微电网间交换功率,为分时交换价格;分别是指在场景s中,t时刻配电网与微电网间交换的存储功率,为分时交换价格;分别为场景s中,上层优化第i个可调度机组在t时刻的预备存储功率及存储价格。分别为场景s中,上层优化第j个储能设备在t 时刻的预备存储功率及存储价格。
配电网上层优化模型的约束条件包括:
1)配电网优化约束条件
考虑增量配电网中的线性潮流,利用下式计算总的注入功率
支路之间的功率流可以通过约束(4)和(5)进行计算和限制:
此外,电压角受到约束(6)的限制:
2)配电系统功率均衡条件
根据式(7),在每个时间和每个场景中,应满足系统的功率平衡。
指在情景s中,在时间t将MGO的权力出售给DSO,而在情景s中,在时刻t向MGO出售DSO的权力;分别是指在场景s中,在t时刻节点b处,上一级可调度单元的发电量、上一级 WT第个的产生功率、上一级PV第次的产生功率、第个CAES的发电量以及第个CAES时所消耗的功率;指的是场景s中t时刻DSO的负载需求。
3)配电系统的储备金余额
假定DSO的本地可调度单位和CAES被分配为不仅提供所需的能量,而且补偿可再生资源的预测误差以及负荷需求。因此,等式(8)规定了所考虑网络的最低储备要求。
式中,分别指在情形s中,在t时刻节点b处,上一层第次预定准备金、第个CAES的预定准备金;分别是指在情景s中,在t时刻b节点处,将MGO的储备出售给DSO、向MGO出售DSO的储备; 分别指上一级风速的预报误差、上一级太阳辐照的预测误差、上层负荷需求预测误差。
4)配电系统运营商向微电网出售电力和储备的约束条件
等式(9)和(10)代表DSO可能出售给MGO的电力和储量。
5)配电网运营商与批发市场之间的功率交换约束条件
式(11)限制了DSO与批发市场之间的交换功率:
6)上层风力涡轮机的约束条件
式(12)用于模拟DSO WTs的发电量。
7)上层光伏系统的约束条件
DSO的PVs输出功率可表示为:
8)上层可调度单元的约束条件
DSO可调度单元的运行成本可按式(14)计算。
其中,主要指在场景s中,上层可调度单元在时间t时刻的运行成本;是上一级第个可调度单元的成本函数系数;表示的是在场景s中,上一级可调度单元在t时刻的启动/关闭成本;是一个二进制变量,具体意义是在场景s中,如果上一级第个可调度单元在t时刻开启,则等于1;否则为0。
式(15)和(16)对可调度机组的启停费用进行建模。
可调度单元的最大值和最小值用公式(17)和(18)表示。
可调度单元的上升和下降速率约束如式(19)和(20)中所示。
可调度设备的最小开/关时间和最小起/停时间约束条件如公式(21)至公式(24)所示。
最后,可调度机组满足准备金要求的可用容量公式如式(25)所示。
9)高层压缩空气储能系统的约束条件
DSO的CAES机组的运行成本见式(26)。
系统注入的空气可由式(27)表示。
式(28)说明了CAES系统提供的能量和储备量。
公式(29)和(30)分别给出了贮气室和CAES泵送空气进入燃烧室的数学模型。
式中,为向第个CAES注入空气的最小/最大限制(MW/h)。 为第级CAES泵送空气到燃烧室的最小/最大限制(MW/h)。为二进制变量,在场景s中,t时刻如果向第个CAES注入空气,则等于1;否则为0。也是二进制变量,在场景s中,t时刻如果从第个CAES泵排出空气,则等于1;否则0。
式(31)防止CAES同时存储和泵送性能。
最终,在CAES中存储的能量及其局限性用公式(32)和(33)表示。
2、配电网下层优化模型
这一层次的目标函数是自治MGO的利润最大化,可以定义为其收入与费用之差。MGO的收益包括与DSO交换能量和储备的成本,与零售市场交换能量的成本,以及向当地超级联赛出售电力的成本。另一方面,MGO的费用包括从当地的IPL提供能源和储备的成本,以及当地可调度单元的计划电力和储备成本。这一层次的决策变量为:零售市场的最优交换权、DSO的最优销售权和储备权、IPL的最优交换权以及本地客户的承诺储备权和营业点。
式中,表示在t时刻,DSO和MGO之间的外汇储备双边合约费率;表示场景s中,t时刻MGO和零售市场之间的交换功率;表示场景s中t时刻的零售市场价格;表示第j个EV在t时刻的充电速率;表示第j辆 EV充电价格;指场景s中,下层可调度单元在时间t时的运行成本;指上层第i个可调度单位的预定储备价格;指场景s中第j个EV在时间 t时的放电速率;指第j个EV的放电价格,表示在场景s中,t时刻的第j个EV的预定储备;表示按下级第j个EV计算的计划储量价格。
配电网下层优化模型的约束条件包括:
1)微电网功率平衡
MGO的本地需求必须等于与DSO、零售市场、IPL交换的电力和由DERs 生产的电力的总和。
式中,表示场景s中,下级第i个可调度机组在t时刻的发电量(MW);表示在场景s中,在时间t时,下层的第k个WT产生的功率;指在场景 s中,在时间t时,第p个PV产生的功率;指场景s中第j个EV在时间t 时的放电速率;指的是场景s中t时刻MGO的负载需求。
2)微电网储备平衡条件
与上一级类似,MGO的IPL和本地可调度机组不仅提供系统所需的能源,而且补偿可再生资源和负荷需求的预测误差。式(36)表示下一级的储备约束。
3)微电网向配电系统运营商出售电力和储备的约束
式(37)和(38)证明MGO可能向DSO出售的电力和储备。
4)微电网与零售市场交换功率的约束
MGO和零售市场之间的交换功率可由式(39)限制。
5)低层风力涡轮机的约束
MGO的WTs输出功率定义如下:
6)下级光伏系统的约束
MGO的PVs输出功率由式(41)计算。
7)下级可调度单元的约束
下面的方程对MGO的可调度机组的运行成本和启动成本进行了建模。
式中,指下级第i个可调度机组的发电成本;指下级第i个可调度单元的启动成本;SUC i ,t,s指场景中,下级可调度单位i在t时刻的启动成本;指二进制变量;在场景s中,如果下级可调度单元在时间t开启,则等于1;否则0。
式(44)和(45)模拟了可调度单元的操作限制。
可调度单元的上升速率和下降速率约束公式如下:
最终,可调度机组满足准备金要求的可用容量如式(48)所示。
8)下级智能停车场的约束
公式(49)和(50)表示每EV的充放电限制。同时,采用不等式(51)来避免电动汽车同时充放电。
式中,指第j个EV最大充电功率;是二进制变量;当第j个EV 处于充电模式时等于1;否则0。是二进制变量;当第j个EV处于放电模式时等于1;否则0。M j ,t指二进制变量;当第j个EV在停车场时,等于1;否则 0。
基于电动汽车电池寿命,式(52)限制了IPL中现有电动汽车充放电状态切换次数。
式中,Nmax指在IPL中每个EV在充电和放电模式之间切换的最大次数。
IPL中现有电动汽车的预定储备公式如下:
利用约束(55)和约束(56)对电动汽车的荷电状态进行建模和限制。
一些电动汽车的电池充电过快,反之亦然。因此,考虑约束(57)来限制电动汽车的最大充放电速率。
在离开IPL时,电动汽车的荷电状态应等于或高于特定的荷电状态。因此,为满足上述情况,提供式(58)。值得注意的是,电动汽车车主决定了限制的水平。
最后,不等式(59)决定了到达IPL时电动汽车的电荷状态。
3、将双层优化重组为带等式约束条件的数学规划问题
一般情况下,KKT方法式求解双层优化问题的典型方法,该方法将待求解模型的下级部分替换为KKT条件进而进行求解。然而,KKT方法将使待求模型由非线性双层模型转变为非线性单层模型,该方法的非线性是由其互补约束条件所引起。因此,本实施例利用大M法(Big-M)将互补约束线性化,然后建立所研究的双层随机规划问题的最终线性单水平模型,即优化的目标函数,从而用来求解最终优化结果。
本实施例针对双层随机优化问题所实现的线性单层优化模型如公式(60)至 (92)所示,其中优化目标函数为:
该目标函数的约束条件见公式(3)至(33)、公式(40)至(43)、公式(51)、(51) 以及公式(55)。
固定约束条件为:
原始约束、对偶约束以及互补约束条件为:
互补约束条件的线性化:
如公式(69)至(91)所示的互补约束均可依照公式(92)的形式进行线性化,式中变量X为二进制变量,变量M为足够大值。
最终通过求解得到配电网的优化运行策略。
实施例二
在一个或多个实施方式中,公开了一种增量式配电网双层随机优化运行系统,包括:
上层优化模型构建模块,用于获取设定场景下可调度单位和储能设备的运营成本、配电网运营商与电力批发市场间交换功率与分时电价、可调度机组和储能设备的预备存储功率及存储价格信息,以增量配电网的总运营成本最低为目标,构建配电网上层优化模型;
下层优化模型构建模块,用于获取设定场景下DSO和MGO之间的外汇储备双边合约费率、MGO和零售市场之间的交换功率、零售市场电力价格、EV 的充放电速率和充放电价格信息,以自治MGO的利润最大化为目标,构建配电网下层优化模型;
双层优化模型求解模块,用于将上述双层优化问题转换成单层优化问题进行求解,得到配电网优化运行策略。
本实施例利用大M法(Big-M)将互补约束线性化,建立了所研究的双层随机规划问题的最终线性单水平模型:
需要说明的是,上述各模块的具体实现方式已经在实施例一中进行了说明,此处不再赘述。
实施例三
在一个或多个实施方式中,公开了一种终端设备,其包括处理器和存储器,处理器用于实现各指令;存储器用于存储多条指令,所述指令适于由处理器加载并执行上述的增量式配电网双层随机优化运行方法。
实施例四
在一个或多个实施方式中,公开了一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行上述的增量式配电网双层随机优化运行方法。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种增量式配电网双层随机优化运行方法,其特征在于,包括:
获取设定场景下可调度单位和储能设备的运营成本、配电网运营商与电力批发市场间交换功率与分时电价、可调度机组和储能设备的预备存储功率及存储价格信息,以增量配电网的总运营成本最低为目标,构建配电网上层优化模型;
获取设定场景下DSO和MGO之间的外汇储备双边合约费率、MGO和零售市场之间的交换功率、零售市场电力价格、EV的充放电速率和充放电价格信息,以自治MGO的利润最大化为目标,构建配电网下层优化模型;
将上述双层优化问题转换成单层优化问题进行求解,得到配电网优化运行策略。
3.如权利要求2所述的一种增量式配电网双层随机优化运行方法,其特征在于,所述配电网上层优化模型将配电网与电力批发市场交换功率、与微电网购电和存储功率、最佳运行点及本地分布式能源供电功率作为决策变量。
4.如权利要求2所述的一种增量式配电网双层随机优化运行方法,其特征在于,所述配电网上层优化模型的约束条件包括:配电网优化约束条件、配电系统功率均衡条件、配电系统的储备金余额、配电系统运营商向微电网出售电力和储备的约束条件、配电网运营商与批发市场之间的功率交换约束条件、上层风力涡轮机的约束条件、上层光伏系统的约束条件、上层可调度单元的约束条件以及高层压缩空气储能系统的约束条件。
6.如权利要求5所述的一种增量式配电网双层随机优化运行方法,其特征在于,所述配电网下层优化模型以零售市场的最优交换权、DSO的最优销售权和储备权、IPL的最优交换权以及本地客户的承诺储备权和营业点作为决策变量。
7.如权利要求5所述的一种增量式配电网双层随机优化运行方法,其特征在于,所述配电网下层优化模型的约束条件包括:微电网功率平衡、微电网储备平衡条件、微电网向配电系统运营商出售电力和储备的约束、微电网与零售市场交换功率的约束、低层风力涡轮机的约束、下级光伏系统的约束、下级可调度单元的约束以及下级智能停车场的约束。
8.一种增量式配电网双层随机优化运行系统,其特征在于,包括:
上层优化模型构建模块,用于获取设定场景下可调度单位和储能设备的运营成本、配电网运营商与电力批发市场间交换功率与分时电价、可调度机组和储能设备的预备存储功率及存储价格信息,以增量配电网的总运营成本最低为目标,构建配电网上层优化模型;
下层优化模型构建模块,用于获取设定场景下DSO和MGO之间的外汇储备双边合约费率、MGO和零售市场之间的交换功率、零售市场电力价格、EV的充放电速率和充放电价格信息,以自治MGO的利润最大化为目标,构建配电网下层优化模型;
双层优化模型求解模块,用于将上述双层优化问题转换成单层优化问题进行求解,得到配电网优化运行策略。
9.一种终端设备,其包括处理器和存储器,处理器用于实现各指令;存储器用于存储多条指令,其特征在于,所述指令适于由处理器加载并执行权利要求1-7任一项所述的增量式配电网双层随机优化运行方法。
10.一种计算机可读存储介质,其中存储有多条指令,其特征在于,所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的增量式配电网双层随机优化运行方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110566403.2A CN113255129A (zh) | 2021-05-24 | 2021-05-24 | 增量式配电网双层随机优化运行方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110566403.2A CN113255129A (zh) | 2021-05-24 | 2021-05-24 | 增量式配电网双层随机优化运行方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113255129A true CN113255129A (zh) | 2021-08-13 |
Family
ID=77183982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110566403.2A Pending CN113255129A (zh) | 2021-05-24 | 2021-05-24 | 增量式配电网双层随机优化运行方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255129A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114188940A (zh) * | 2021-11-30 | 2022-03-15 | 国网浙江杭州市萧山区供电有限公司 | 一种考虑多主体利益的主动配电网调度方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446745A (zh) * | 2020-12-15 | 2021-03-05 | 天津天大求实电力新技术股份有限公司 | 基于双层随机规划的含多微网的配电市场交易方法 |
-
2021
- 2021-05-24 CN CN202110566403.2A patent/CN113255129A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446745A (zh) * | 2020-12-15 | 2021-03-05 | 天津天大求实电力新技术股份有限公司 | 基于双层随机规划的含多微网的配电市场交易方法 |
Non-Patent Citations (1)
Title |
---|
SARA HAGHIFAM 等: "Stochastic bi-level coordination of active distribution network and renewable-based microgrid considering eco-friendly Compressed Air Energy Storage system and Intelligent Parking Lot", 《JOURNAL OF CLEANER PRODUCTION》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114188940A (zh) * | 2021-11-30 | 2022-03-15 | 国网浙江杭州市萧山区供电有限公司 | 一种考虑多主体利益的主动配电网调度方法 |
CN114188940B (zh) * | 2021-11-30 | 2023-08-11 | 国网浙江杭州市萧山区供电有限公司 | 一种考虑多主体利益的主动配电网调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960510B (zh) | 一种基于两阶段随机规划的虚拟电厂优化交易策略装置 | |
Zhang et al. | A two-layer model for microgrid real-time dispatch based on energy storage system charging/discharging hidden costs | |
CN108667052B (zh) | 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统 | |
Ke et al. | Sizing the battery energy storage system on a university campus with prediction of load and photovoltaic generation | |
Nosratabadi et al. | Economic evaluation and energy/exergy analysis of PV/Wind/PEMFC energy resources employment based on capacity, type of source and government incentive policies: Case study in Iran | |
CN109787261B (zh) | 电网侧及用户侧储能系统容量优化配置方法 | |
Rodriguez et al. | Fuzzy logic-based energy management for isolated microgrid using meta-heuristic optimization algorithms | |
CN111697578B (zh) | 多目标含储能区域电网运行控制方法 | |
CN106374515B (zh) | 一种有源配电网中储能系统双层递阶优化配置方法 | |
CN110633854A (zh) | 一种考虑储能电池多重分段服务全生命周期优化规划方法 | |
Dadashi et al. | Coordination of wind power producers with an energy storage system for the optimal participation in wholesale electricity markets | |
CN111934360A (zh) | 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法 | |
CN109950900B (zh) | 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法 | |
Dawn et al. | Efficient approach for establishing the economic and operating reliability via optimal coordination of wind–PSH–solar‐storage hybrid plant in highly uncertain double auction competitive power market<? show [AQ ID= Q1]?> | |
CN116231655A (zh) | 一种计及源-荷多类型备用的虚拟电厂双层优化调度方法 | |
Basu | Heat and power generation augmentation planning of isolated microgrid | |
Tsao et al. | Distributed energy storage system planning in relation to renewable energy investment | |
CN114491997A (zh) | 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统 | |
CN108667071B (zh) | 一种主动配电网负荷精准控制计算方法 | |
CN113255129A (zh) | 增量式配电网双层随机优化运行方法及系统 | |
Bagherzadeh et al. | Optimal allocation of electric vehicle parking lots and renewable energy sources simultaneously for improving the performance of distribution system | |
Hai et al. | Techno-economic investigation of grid integrated renewable energy resources with hydrogen storage systems | |
CN112633675A (zh) | 一种能量调度方法、装置、设备及计算机可读存储介质 | |
Verzijlbergh et al. | The role of electric vehicles on a green island | |
CN115600757A (zh) | 海上风电共享储能参与现货市场交易协调优化方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210813 |
|
RJ01 | Rejection of invention patent application after publication |