CN113361078B - 一种考虑光伏发电不确定性的配电网云边协同调控方法 - Google Patents

一种考虑光伏发电不确定性的配电网云边协同调控方法 Download PDF

Info

Publication number
CN113361078B
CN113361078B CN202110549560.2A CN202110549560A CN113361078B CN 113361078 B CN113361078 B CN 113361078B CN 202110549560 A CN202110549560 A CN 202110549560A CN 113361078 B CN113361078 B CN 113361078B
Authority
CN
China
Prior art keywords
representing
node
power
sub
area
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
Application number
CN202110549560.2A
Other languages
English (en)
Other versions
CN113361078A (zh
Inventor
胡伟
杨志淳
沈煜
杨帆
宿磊
王文烁
唐泽洋
窦晓波
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110549560.2A priority Critical patent/CN113361078B/zh
Publication of CN113361078A publication Critical patent/CN113361078A/zh
Application granted granted Critical
Publication of CN113361078B publication Critical patent/CN113361078B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (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

本发明提供一种考虑光伏发电不确定性的配电网云边协同调控方法，包括以下步骤：S1、在云平台建立供区主问题模型：主问题模型的目标函数为最小化配电网网损和通过联络线购电的费用，主问题目标函数的约束条件包括联络线功率传输限制和节点电压安全限制；S2、在边缘节点建立分布式台区子问题模型；S3、针对光伏出力的不确定性问题，通过制定由不确定变量的上界和下界组成的确定性集合，建立分布式台区鲁棒优化子问题模型，通过主子问题迭代求解分布式台区鲁棒优化子问题模型，得到配电网云边协同调控方法。本发明充分发掘边缘计算技术的高速和低延迟特性，保证了配电网优化策略的实时性。

Description

一种考虑光伏发电不确定性的配电网云边协同调控方法
技术领域
本发明涉及配电网优化调控领域，具体是一种考虑光伏发电不确定性的配电网云边协同调控方法。
背景技术
随着可再生能源的随机性和波动性日益突出，配电网络中的电能质量和安全问题亟需解决。由于配电网中节点和设备数量的增加，传统的运行和调控方法已不能满足电网可靠性和经济发展的需求。随着物联网技术的发展，功率流和信息流逐渐变得相互关联和协同。因此，发展电力物联网以应对可再生能源的不确定性已成为时下研究热点。
云计算已经成为一种成熟的集中式调控方法。然而，由于可再生能源接入配电网的数量增加将带来较高的计算需求，传统的集中式调控方法难以处理迅速扩大的数据规模。因此，在台区部署具有一定通信、存储和调控功能的边缘节点设备将成为分担云平台计算负担的关键。
发明内容
为解决上述背景技术中提到云平台计算力不足的问题，本发明旨在于提供一种考虑光伏发电不确定性的配电网云边协同调控方法，在台区部署边缘节点设备，并引入鲁棒优化子问题模型来解决光伏不确定性，从而缓解大规模光伏接入配电系统所带来的优化建模和优化计算的巨大压力。
本发明的目的可以通过以下技术方案实现：
一种考虑光伏发电不确定性的配电网云边协同调控方法，包括以下步骤：
S1、在云平台建立供区主问题模型：主问题模型的目标函数为最小化配电网网损和通过联络线购电的费用，主问题目标函数的约束条件包括联络线功率传输限制和节点电压安全限制；
S2、在边缘节点建立分布式台区鲁棒优化子问题模型：将燃气轮机视为可控分布式发电机，接着利用鲁棒优化来平抑光伏出力不确定性，建立由不确定变量的上界和下界组成的确定性集合，获得满足所有约束的鲁棒可行解，根据燃气轮机的运行成本、储能的充放电成本以及网损建立分布式台区子问题模型；
S3、针对光伏出力的不确定性问题，通过制定由不确定变量的上界和下界组成的确定性集合，建立分布式台区鲁棒优化子问题模型，通过主子问题迭代求解分布式台区鲁棒优化子问题模型，得到配电网云边协同调控方法。
进一步的，步骤S1中主问题目标函数为：
Figure BDA0003074874800000021
Figure BDA0003074874800000022
Figure BDA0003074874800000023
式(1)至(3)中：
Figure BDA0003074874800000024
表示购电费用，
Figure BDA0003074874800000025
表示配电网网损，
Figure BDA0003074874800000026
表示电力市场价格，
Figure BDA0003074874800000027
表示由外部电网注入的功率，
Figure BDA0003074874800000028
表示电网中节点l注入的有功功率，Nnet表示电网节点集合，Δt表示调控时间间隔。
进一步的，主问题目标函数的约束条件具体为：
Figure BDA0003074874800000029
Figure BDA00030748748000000210
式(4)和(5)中：
Figure BDA00030748748000000211
表示由外部电网注入的功率，
Figure BDA00030748748000000212
表示联络线所允许的最大功率，
Figure BDA00030748748000000213
表示节点电压实部，Vmax和Vmin分别表示节点电压上下限。
进一步的，步骤S2中燃气轮机的运行成本和运行约束如下：
Figure BDA0003074874800000031
Figure BDA0003074874800000032
Figure BDA0003074874800000033
式(6)至(8)中，
Figure BDA0003074874800000034
表示t时段连接在台区i内节点j上的燃气轮机的运行成本，Kg表示燃气轮机成本系数，
Figure BDA0003074874800000035
表示燃气轮机的有功功率，Δt表示调控时间间隔，Pg max和Pg min分别为燃气轮机的有功功率上下限，
Figure BDA0003074874800000036
表示燃气轮机的无功功率，
Figure BDA0003074874800000037
表示燃气轮机额定功率因数角；
步骤S2中利用区间预测工具建立光伏发电的不确定集合：
Figure BDA0003074874800000038
式(9)中：u表示台区i内所有节点光伏输出变量集合，
Figure BDA0003074874800000039
表示引入的考虑不确定性的光伏输出变量，Ni表示台区i内节点总数，
Figure BDA00030748748000000310
表示连接在台区i内节点j上的储能预测输出，
Figure BDA00030748748000000311
表示允许的最大波动偏差；
储能成本主要包括投资和运营成本，投资回收期的平均充放电成本如下：
Figure BDA00030748748000000312
式(10)中：
Figure BDA00030748748000000313
表示t时段连接在台区i内节点j上的储能的充放电成本，Kes表示换算后的储能成本系数，
Figure BDA00030748748000000314
和
Figure BDA00030748748000000315
分别表示储能充放电有功功率，η表示充放电效率，Δt表示调控时间间隔；
储能运行约束如下：
Figure BDA00030748748000000316
Figure BDA00030748748000000317
Figure BDA0003074874800000041
Figure BDA0003074874800000042
式(11)至(14)中：
Figure BDA0003074874800000043
和
Figure BDA0003074874800000044
分别表示t时段连接在台区i内节点j上的储能充放电的有功功率，
Figure BDA0003074874800000045
和
Figure BDA0003074874800000046
分别表示储能充放电上限，
Figure BDA0003074874800000047
和
Figure BDA0003074874800000048
分别表示储能t时段和t-1时段剩余容量，
Figure BDA0003074874800000049
和
Figure BDA00030748748000000410
分别表示调控过程中允许的最大剩余容量和最小剩余容量，η表示充放电效率，Δt表示调控时间间隔；
储能产生和消耗的无功功率如下：
Figure BDA00030748748000000411
Figure BDA00030748748000000412
式(15)和(16)中：
Figure BDA00030748748000000413
和
Figure BDA00030748748000000414
分别表示t时段连接在台区i内节点j上的储能充放电无功功率，
Figure BDA00030748748000000415
和
Figure BDA00030748748000000416
分别表示储能额定充放电功率因数角，
Figure BDA00030748748000000417
和
Figure BDA00030748748000000418
分别表示储能充放电有功功率；
节点j的功率注入可表示为：
Figure BDA00030748748000000419
Figure BDA00030748748000000420
式(17)和(18)中：
Figure BDA00030748748000000421
和
Figure BDA00030748748000000422
分别表示台区i内节点j注入的有功/无功功率，
Figure BDA00030748748000000423
和
Figure BDA00030748748000000424
分别表示连接在台区i内节点j上燃气轮机的有功/无功功率，
Figure BDA00030748748000000425
和
Figure BDA00030748748000000426
分别表示连接在台区i内节点j上储能释放的有功/无功功率，
Figure BDA00030748748000000427
和
Figure BDA00030748748000000428
分别表示连接在台区i内节点j上储能存储的有功/无功功率，
Figure BDA00030748748000000429
和
Figure BDA00030748748000000430
分别表示连接在台区i内节点j上负载的有功/无功功率，
Figure BDA00030748748000000431
表示连接在台区i内节点j上光伏输出的有功功率；
节点电压幅值约束如下：
Figure BDA0003074874800000051
式(19)中，Vmax和Vmin分别表示节点电压上下限，
Figure BDA0003074874800000052
表示台区i内节点电压实部；
此外，网损计算公式如下：
Figure BDA0003074874800000053
式(20)中，
Figure BDA0003074874800000054
表示网损，
Figure BDA0003074874800000055
表示单位功率成本，Ni表示台区i内节点总数，
Figure BDA0003074874800000056
表示台区i内节点j注入的有功功率，Δt表示调控时间间隔；
由此建立分布式台区子问题模型如下：
Figure BDA0003074874800000057
s.t.(7),(8),(11)-(19) (22)
式(21)中，NT表示调控时间间隔总数，Ni表示台区i内节点总数，
Figure BDA0003074874800000058
表示t时段连接在台区i内节点j上的燃气轮机的运行成本，
Figure BDA0003074874800000059
表示t时段连接在台区i内节点j上的储能的充放电成本，
Figure BDA00030748748000000510
表示网损。
进一步的，步骤S3中主子问题迭代求解方法具体如下：
将供区主问题模型和分布式台区鲁棒优化子问题模型整合成为适用于交替方向乘子法求解的格式，具体为：
Figure BDA0003074874800000061
式(23)中：x和z分别为子问题和主问题中的优化变量集合，X和Z分别为子问题和主问题中的约束集合，f(x)和g(z)子问题和主问题的目标函数；
交替方向乘子法求解过程包括局部最小化、决策变量更新和增广拉格朗日乘子更新，具体为：
Figure BDA0003074874800000062
式(24)中：
Figure BDA0003074874800000063
表示边缘节点处求解的台区i优化变量参与第k+1次迭代的取值，xk+1表示配电网范围内所有台区优化变量参与第k+1次迭代的取值集合，zk+1表示云平台求解的所有台区优化变量参与第k+1次迭代的取值集合，xi和z分别为子问题和主问题中的优化变量集合，λk和λk+1分别表示第k次和第k+1次迭代过程中的拉格朗日乘子，ρ表示惩罚系数，NC表示边缘节点数；
交替方向乘子法的收敛特性可用原始残差和对偶残差表示，具体为：
Figure BDA0003074874800000064
式(25)中：rk+1和sk+1分别表示第k+1次迭代的原始残差和对偶残差，xk+1和zk+1分别表示参与第k+1次迭代的子问题和主问题优化变量，zk表示参与第k次迭代的主问题优化变量，ρ表示惩罚系数；
迭代收敛判据如下：
Figure BDA0003074874800000071
式(26)中：rk+1和sk+1分别表示第k+1次迭代的原始残差和对偶残差，εpri和εdual分别表示原始残差和对偶残差的容差。
本发明有效减轻了集中式云计算的计算压力，并为减少配电网优化调控的计算时间提供了额外裕度；本发明在最小化运行成本和满足节点电压约束方面，也优于集中式鲁棒优化、分布式鲁棒优化和确定性分布式优化等其他方法；此外，本发明可有效平抑可再生能源出力波动，通过增加边缘节点来支持可再生能源的扩展，并且可以提高配电网的运行安全性和经济性。
附图说明
图1是本发明考虑光伏发电不确定性的配电网云边协同调控方法的流程图；
图2是本发明实施例中改进33节点配电网系统拓扑结构；
图3是本发明实施例中各台区功率分配情况；
图4是本发明实施例中电压安全约束对比。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明的一部分实施例，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做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例提供一种考虑光伏发电不确定性的配电网云边协同调控方法，包括以下步骤：
S1、在云平台建立供区主问题模型：主问题模型的目标函数为最小化配电网网损和通过联络线购电的费用，主问题目标函数的约束条件包括联络线功率传输限制和节点电压安全限制；
其中主问题目标函数为：
Figure BDA0003074874800000081
Figure BDA0003074874800000082
Figure BDA0003074874800000083
式(1)至(3)中：
Figure BDA0003074874800000084
表示购电费用，
Figure BDA0003074874800000085
表示配电网网损，
Figure BDA0003074874800000086
表示电力市场价格，
Figure BDA0003074874800000087
表示由外部电网注入的功率，
Figure BDA0003074874800000088
表示电网中节点l注入的有功功率，Nnet表示电网节点集合，Δt表示调控时间间隔。
主问题目标函数的约束条件具体为：
Figure BDA0003074874800000089
Figure BDA00030748748000000810
式(4)和(5)中：
Figure BDA00030748748000000811
表示由外部电网注入的功率，
Figure BDA00030748748000000812
表示联络线所允许的最大功率，
Figure BDA00030748748000000813
表示节点电压实部，Vmax和Vmin分别表示节点电压上下限。
S2、在边缘节点建立分布式台区鲁棒优化子问题模型：将燃气轮机视为可控分布式发电机，接着利用鲁棒优化来平抑光伏出力不确定性，建立由不确定变量的上界和下界组成的确定性集合，获得满足所有约束的鲁棒可行解，根据燃气轮机的运行成本、储能的充放电成本以及网损建立分布式台区子问题模型；
步骤S2中利用区间预测工具建立光伏发电的不确定集合：
Figure BDA00030748748000000814
式(9)中：u表示台区i内所有节点光伏输出变量集合，
Figure BDA0003074874800000091
表示引入的考虑不确定性的光伏输出变量，Ni表示台区i内节点总数，
Figure BDA0003074874800000092
表示连接在台区i内节点j上的储能预测输出，
Figure BDA0003074874800000093
表示允许的最大波动偏差；
储能成本主要包括投资和运营成本，投资回收期的平均充放电成本如下：
Figure BDA0003074874800000094
式(10)中：
Figure BDA0003074874800000095
表示t时段连接在台区i内节点j上的储能的充放电成本，Kes表示换算后的储能成本系数，
Figure BDA0003074874800000096
和
Figure BDA0003074874800000097
分别表示储能充放电有功功率，η表示充放电效率，Δt表示调控时间间隔；
储能运行约束如下：
Figure BDA0003074874800000098
Figure BDA0003074874800000099
Figure BDA00030748748000000910
Figure BDA00030748748000000911
式(11)至(14)中：
Figure BDA00030748748000000912
和
Figure BDA00030748748000000913
分别表示t时段连接在台区i内节点j上的储能充放电的有功功率，
Figure BDA00030748748000000914
和
Figure BDA00030748748000000915
分别表示储能充放电上限，
Figure BDA00030748748000000916
和
Figure BDA00030748748000000917
分别表示储能t时段和t-1时段剩余容量，
Figure BDA00030748748000000918
和
Figure BDA00030748748000000919
分别表示调控过程中允许的最大剩余容量和最小剩余容量，η表示充放电效率，Δt表示调控时间间隔；
储能产生和消耗的无功功率如下：
Figure BDA00030748748000000920
Figure BDA00030748748000000921
式(15)和(16)中：
Figure BDA0003074874800000101
和
Figure BDA0003074874800000102
分别表示t时段连接在台区i内节点j上的储能充放电无功功率，
Figure BDA0003074874800000103
和
Figure BDA0003074874800000104
分别表示储能额定充放电功率因数角，
Figure BDA0003074874800000105
和
Figure BDA0003074874800000106
分别表示储能充放电有功功率；
节点j的功率注入可表示为：
Figure BDA0003074874800000107
Figure BDA0003074874800000108
式(17)和(18)中：
Figure BDA0003074874800000109
和
Figure BDA00030748748000001010
分别表示台区i内节点j注入的有功/无功功率，
Figure BDA00030748748000001011
和
Figure BDA00030748748000001012
分别表示连接在台区i内节点j上燃气轮机的有功/无功功率，
Figure BDA00030748748000001013
和
Figure BDA00030748748000001014
分别表示连接在台区i内节点j上储能释放的有功/无功功率，
Figure BDA00030748748000001015
和
Figure BDA00030748748000001016
分别表示连接在台区i内节点j上储能存储的有功/无功功率，
Figure BDA00030748748000001017
和
Figure BDA00030748748000001018
分别表示连接在台区i内节点j上负载的有功/无功功率，
Figure BDA00030748748000001019
表示连接在台区i内节点j上光伏输出的有功功率；
节点电压幅值约束如下：
Figure BDA00030748748000001020
式(19)中，Vmax和Vmin分别表示节点电压上下限，
Figure BDA00030748748000001021
表示台区i内节点电压实部；
此外，网损计算公式如下：
Figure BDA00030748748000001022
式(20)中，
Figure BDA00030748748000001023
表示网损，
Figure BDA00030748748000001024
表示单位功率成本，Ni表示台区i内节点总数，
Figure BDA0003074874800000111
表示台区i内节点j注入的有功功率，Δt表示调控时间间隔；
由此建立分布式台区子问题模型如下：
Figure BDA0003074874800000112
s.t.(7),(8),(11)-(19) (22)
式(21)中，NT表示调控时间间隔总数，Ni表示台区i内节点总数，
Figure BDA0003074874800000113
表示t时段连接在台区i内节点j上的燃气轮机的运行成本，
Figure BDA0003074874800000114
表示t时段连接在台区i内节点j上的储能的充放电成本，
Figure BDA0003074874800000115
表示网损。
S3、针对光伏出力的不确定性问题，通过制定由不确定变量的上界和下界组成的确定性集合，建立分布式台区鲁棒优化子问题模型，通过主子问题迭代求解分布式台区鲁棒优化子问题模型，得到配电网云边协同调控方法。
步骤S3中主子问题迭代求解方法具体如下：
将供区主问题模型和分布式台区鲁棒优化子问题模型整合成为适用于交替方向乘子法求解的格式，具体为：
Figure BDA0003074874800000116
式(23)中：x和z分别为子问题和主问题中的优化变量集合，X和Z分别为子问题和主问题中的约束集合，f(x)和g(z)子问题和主问题的目标函数；
交替方向乘子法求解过程包括局部最小化、决策变量更新和增广拉格朗日乘子更新，具体为：
Figure BDA0003074874800000121
式(24)中：
Figure BDA0003074874800000122
表示边缘节点处求解的台区i优化变量参与第k+1次迭代的取值，xk+1表示配电网范围内所有台区优化变量参与第k+1次迭代的取值集合，zk+1表示云平台求解的所有台区优化变量参与第k+1次迭代的取值集合，xi和z分别为子问题和主问题中的优化变量集合，λk和λk+1分别表示第k次和第k+1次迭代过程中的拉格朗日乘子，ρ表示惩罚系数，NC表示边缘节点数；
交替方向乘子法的收敛特性可用原始残差和对偶残差表示，具体为：
Figure BDA0003074874800000123
式(25)中：rk+1和sk+1分别表示第k+1次迭代的原始残差和对偶残差，xk+1和zk+1分别表示参与第k+1次迭代的子问题和主问题优化变量，zk表示参与第k次迭代的主问题优化变量，ρ表示惩罚系数；
迭代收敛判据如下：
Figure BDA0003074874800000124
式(26)中：rk+1和sk+1分别表示第k+1次迭代的原始残差和对偶残差，εpri和εdual分别表示原始残差和对偶残差的容差。
采用修改后的IEEE 33节点测试系统验证本发明所提云边协同优化方法的有效性。图2展示了该系统详细的拓扑结构：节点1和2之间有一个110kV/10kV变压器，其余的变压器均为10kV/380V。TTU安装在变压器的低压侧，即节点7、节点19和节点26处。测试系统中包括4个燃气轮机，6个光伏发电系统和3个储能系统。储能系统和燃气轮机的详细参数如下：
Figure BDA0003074874800000131
Figure BDA0003074874800000132
Kes＝0.4￥/kWh，η＝0.95，Pg max＝200kW，Pg min＝0kW和Kg＝0.65￥/kWh。光伏发电的波动范围在不同台区有所不同，因此，根据各个台区的历史偏差，分别采用预测值的20％，15％和10％。系统基准为100MVA。电压幅值上下限设置为1.05p.u.和0.95p.u.。
为了验证所提出的云边协同优化方法的优势，分别采用以下四种方法进行仿真，以比较和分析不同情况下各种方法的性能。
1)方法1：不采用调控方法。
2)方法2：采用所提云边协同优化方法。
3)方法3：采用集中式鲁棒优化方法。
4)方法4：采用分散式鲁棒优化方法。
仿真结果如图3和图4所示，其中图3为各台区功率分配情况，图4为电压安全约束对比。以台区1中设备的运行状态为例进行分析。从图3可以看出，台区1中储能根据电力市场价格和光伏发电量变化进行充电和放电(正值和负值分别对应放电和充电)。如果有多余的光伏出力，储能则存储多余的电量。反之，储能放电以满足负载需求。图4展现了分别采用方法1、方法2和方法2在第11小时不考虑电压约束的电压优化结果。尽管电压在节点22附近仍会出现越限的情况，不考虑电压约束的方法2仍能够在一定程度上降低电压水平。进一步的，考虑电压安全性约束的方法2可以确保所有节点电压幅值都在小于1.05p.u的安全范围内。上述结果表明所提出的云边协同优化方法可以确保配电网运行安全性。
表1对比了分别采用方法1、方法2和方法3时配电系统的运行成本。由于方法3采用粗略计算出的光伏平均出力克服不确定性，导致采用方法3进行系统优化调控的运营成本高于方法2。此外，尽管采用方法4时三个台区的成本与方法2相比略有降低，但公用电网的运行成本要高得多。上述结果表明所提出的云边协同优化方法可以有效降低配电系统的总运营成本。
表1不同优化方法下配电系统运行成本
Figure BDA0003074874800000141
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于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 (3)

1.一种考虑光伏发电不确定性的配电网云边协同调控方法，其特征在于，包括以下步骤：
S1、在云平台建立供区主问题模型：主问题模型的目标函数为最小化配电网网损和通过联络线购电的费用，主问题目标函数的约束条件包括联络线功率传输限制和节点电压安全限制；
主问题目标函数为：
Figure FDA0003727307720000011
Figure FDA0003727307720000012
Figure FDA0003727307720000013
式(1)至(3)中：
Figure FDA0003727307720000014
表示购电费用，
Figure FDA0003727307720000015
表示配电网网损，
Figure FDA0003727307720000016
表示电力市场价格，
Figure FDA0003727307720000017
表示由外部电网注入的功率，
Figure FDA0003727307720000018
表示电网中节点l注入的有功功率，Nnet表示电网节点集合，Δt表示调控时间间隔；
主问题目标函数的约束条件具体为：
Figure FDA0003727307720000019
Figure FDA00037273077200000110
式(4)和(5)中：
Figure FDA00037273077200000111
表示由外部电网注入的功率，
Figure FDA00037273077200000112
表示联络线所允许的最大功率，
Figure FDA00037273077200000113
表示节点电压实部，Vmax和Vmin分别表示节点电压上下限；
S2、在边缘节点建立分布式台区鲁棒优化子问题模型：将燃气轮机视为可控分布式发电机，接着利用鲁棒优化来平抑光伏出力不确定性，建立由不确定变量的上界和下界组成的确定性集合，获得满足所有约束的鲁棒可行解，根据燃气轮机的运行成本、储能的充放电成本以及网损建立分布式台区子问题模型；
S3、针对光伏出力的不确定性问题，通过制定由不确定变量的上界和下界组成的确定性集合，建立分布式台区鲁棒优化子问题模型，通过主子问题迭代求解分布式台区鲁棒优化子问题模型，得到配电网云边协同调控方法。
2.如权利要求1所述的考虑光伏发电不确定性的配电网云边协同调控方法，其特征在于：步骤S2中燃气轮机的运行成本和运行约束如下：
Figure FDA0003727307720000021
Figure FDA0003727307720000022
Figure FDA0003727307720000023
式(6)至(8)中，
Figure FDA0003727307720000024
表示t时段连接在台区i内节点j上的燃气轮机的运行成本，Kg表示燃气轮机成本系数，
Figure FDA0003727307720000025
表示燃气轮机的有功功率，Δt表示调控时间间隔，
Figure FDA0003727307720000026
和
Figure FDA0003727307720000027
分别为燃气轮机的有功功率上下限，
Figure FDA0003727307720000028
表示燃气轮机的无功功率，
Figure FDA0003727307720000029
表示燃气轮机额定功率因数角；
步骤S2中利用区间预测工具建立光伏发电的不确定集合：
Figure FDA00037273077200000210
式(9)中：u表示台区i内所有节点光伏输出变量集合，
Figure FDA00037273077200000211
表示引入的考虑不确定性的光伏输出变量，Ni表示台区i内节点总数，
Figure FDA00037273077200000212
表示连接在台区i内节点j上的储能预测输出，
Figure FDA00037273077200000213
表示允许的最大波动偏差；
储能成本主要包括投资和运营成本，投资回收期的平均充放电成本如下：
Figure FDA00037273077200000214
式(10)中：
Figure FDA00037273077200000215
表示t时段连接在台区i内节点j上的储能的充放电成本，Kes表示换算后的储能成本系数，
Figure FDA00037273077200000216
和
Figure FDA00037273077200000217
分别表示储能充放电有功功率，η表示充放电效率，Δt表示调控时间间隔；
储能运行约束如下：
Figure FDA0003727307720000031
Figure FDA0003727307720000032
Figure FDA0003727307720000033
Figure FDA0003727307720000034
式(11)至(14)中：
Figure FDA0003727307720000035
和
Figure FDA0003727307720000036
分别表示t时段连接在台区i内节点j上的储能充放电的有功功率，
Figure FDA0003727307720000037
和
Figure FDA0003727307720000038
分别表示储能充放电上限，
Figure FDA0003727307720000039
和
Figure FDA00037273077200000310
分别表示储能t时段和t-1时段剩余容量，
Figure FDA00037273077200000311
和
Figure FDA00037273077200000312
分别表示调控过程中允许的最大剩余容量和最小剩余容量，η表示充放电效率，Δt表示调控时间间隔；
储能产生和消耗的无功功率如下：
Figure FDA00037273077200000313
Figure FDA00037273077200000314
式(15)和(16)中：
Figure FDA00037273077200000315
和
Figure FDA00037273077200000316
分别表示t时段连接在台区i内节点j上的储能充放电无功功率，
Figure FDA00037273077200000317
和
Figure FDA00037273077200000318
分别表示储能额定充放电功率因数角，
Figure FDA00037273077200000319
和
Figure FDA00037273077200000320
分别表示储能充放电有功功率；
节点j的功率注入可表示为：
Figure FDA00037273077200000321
Figure FDA00037273077200000322
式(17)和(18)中：
Figure FDA00037273077200000323
和
Figure FDA00037273077200000324
分别表示台区i内节点j注入的有功/无功功率，
Figure FDA00037273077200000325
和
Figure FDA00037273077200000326
分别表示连接在台区i内节点j上燃气轮机的有功/无功功率，
Figure FDA0003727307720000041
和
Figure FDA0003727307720000042
分别表示连接在台区i内节点j上储能释放的有功/无功功率，
Figure FDA0003727307720000043
和
Figure FDA0003727307720000044
分别表示连接在台区i内节点j上储能存储的有功/无功功率，
Figure FDA0003727307720000045
和
Figure FDA0003727307720000046
分别表示连接在台区i内节点j上负载的有功/无功功率，
Figure FDA0003727307720000047
表示连接在台区i内节点j上光伏输出的有功功率；
节点电压幅值约束如下：
Figure FDA0003727307720000048
式(19)中，Vmax和Vmin分别表示节点电压上下限，
Figure FDA0003727307720000049
表示台区i内节点电压实部；
此外，网损计算公式如下：
Figure FDA00037273077200000410
式(20)中，
Figure FDA00037273077200000411
表示网损，
Figure FDA00037273077200000412
表示单位功率成本，Ni表示台区i内节点总数，
Figure FDA00037273077200000413
表示台区i内节点j注入的有功功率，Δt表示调控时间间隔；
由此建立分布式台区子问题模型如下：
Figure FDA00037273077200000414
s.t.(7),(8),(11)-(19) (22)
式(21)中，NT表示调控时间间隔总数，Ni表示台区i内节点总数，
Figure FDA00037273077200000415
表示t时段连接在台区i内节点j上的燃气轮机的运行成本，
Figure FDA00037273077200000416
表示t时段连接在台区i内节点j上的储能的充放电成本，
Figure FDA00037273077200000417
表示网损。
3.如权利要求2所述的考虑光伏发电不确定性的配电网云边协同调控方法，其特征在于：步骤S3中主子问题迭代求解方法具体如下：
将供区主问题模型和分布式台区鲁棒优化子问题模型整合成为适用于交替方向乘子法求解的格式，具体为：
Figure FDA0003727307720000051
式(23)中：x和z分别为子问题和主问题中的优化变量集合，X和Z分别为子问题和主问题中的约束集合，f(x)和g(z)子问题和主问题的目标函数；
交替方向乘子法求解过程包括局部最小化、决策变量更新和增广拉格朗日乘子更新，具体为：
Figure FDA0003727307720000052
式(24)中：
Figure FDA0003727307720000053
表示边缘节点处求解的台区i优化变量参与第k+1次迭代的取值，xk+1表示配电网范围内所有台区优化变量参与第k+1次迭代的取值集合，zk+1表示云平台求解的所有台区优化变量参与第k+1次迭代的取值集合，xi和z分别为子问题和主问题中的优化变量集合，λk和λk+1分别表示第k次和第k+1次迭代过程中的拉格朗日乘子，ρ表示惩罚系数，NC表示边缘节点数；
交替方向乘子法的收敛特性可用原始残差和对偶残差表示，具体为：
Figure FDA0003727307720000061
式(25)中：rk+1和sk+1分别表示第k+1次迭代的原始残差和对偶残差，xk+1和zk+1分别表示参与第k+1次迭代的子问题和主问题优化变量，zk表示参与第k次迭代的主问题优化变量，ρ表示惩罚系数；
迭代收敛判据如下：
Figure FDA0003727307720000062
式(26)中：rk+1和sk+1分别表示第k+1次迭代的原始残差和对偶残差，εpri和εdual分别表示原始残差和对偶残差的容差。
CN202110549560.2A 2021-05-20 2021-05-20 一种考虑光伏发电不确定性的配电网云边协同调控方法 Active CN113361078B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110549560.2A CN113361078B (zh) 2021-05-20 2021-05-20 一种考虑光伏发电不确定性的配电网云边协同调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110549560.2A CN113361078B (zh) 2021-05-20 2021-05-20 一种考虑光伏发电不确定性的配电网云边协同调控方法

Publications (2)

Publication Number Publication Date
CN113361078A CN113361078A (zh) 2021-09-07
CN113361078B true CN113361078B (zh) 2022-08-16

Family

ID=77526610

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110549560.2A Active CN113361078B (zh) 2021-05-20 2021-05-20 一种考虑光伏发电不确定性的配电网云边协同调控方法

Country Status (1)

Country Link
CN (1) CN113361078B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115693787B (zh) * 2023-01-03 2023-04-11 国网江西省电力有限公司经济技术研究院 考虑源荷随机性的光储配电网新能源接纳能力分析方法
CN116647052B (zh) * 2023-07-21 2023-10-03 合肥工业大学 基于多边云协同的智能变电站自动控制调度方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111654036A (zh) * 2020-05-18 2020-09-11 天津大学 一种计及储能快充电站的配电网两阶段鲁棒优化调度方法
WO2020250423A1 (en) * 2019-06-14 2020-12-17 Nec Corporation Storage control system, storage control method and a non-transitory computer readable medium

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103296685B (zh) * 2013-05-27 2015-06-10 国家电网公司 一种svc补偿策略最优化方法
FR3052579A1 (fr) * 2016-06-10 2017-12-15 Schneider Electric Ind Sas Procede d'optimisation de la production d'energie electrique d'un reseau de production et de distribution d'energie electrique
CN109687448A (zh) * 2019-01-02 2019-04-26 天津大学 一种基于不确定域的有源配电网灵活性评估方法
CN110460036B (zh) * 2019-05-10 2021-08-24 四川大学 一种考虑风电不确定性的交直流配电网分布式优化方法
CN112132427B (zh) * 2020-09-10 2022-11-22 国家电网有限公司 一种考虑用户侧多种资源接入的电网多层规划方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020250423A1 (en) * 2019-06-14 2020-12-17 Nec Corporation Storage control system, storage control method and a non-transitory computer readable medium
CN111654036A (zh) * 2020-05-18 2020-09-11 天津大学 一种计及储能快充电站的配电网两阶段鲁棒优化调度方法

Also Published As

Publication number Publication date
CN113361078A (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
CN103840457B (zh) 考虑电动汽车充放电影响的配电网内dg优化配置方法
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN109919478B (zh) 一种考虑综合供能可靠性的综合能源微网规划方法
CN109980685B (zh) 一种考虑不确定性的主动配电网分布式优化运行方法
CN111950807B (zh) 计及不确定性与需求响应的综合能源系统优化运行方法
Salama et al. Studying impacts of electric vehicle functionalities in wind energy-powered utility grids with energy storage device
CN113361078B (zh) 一种考虑光伏发电不确定性的配电网云边协同调控方法
CN115375344A (zh) 计及阶梯碳交易机制的微电网两阶段鲁棒优化低碳经济调度方法
CN110826880A (zh) 一种大规模电动汽车接入的主动配电网优化调度方法
CN111293718A (zh) 基于场景分析的交直流混合微网分区二层优化运行方法
Zahedmanesh et al. A sequential decision-making process for optimal technoeconomic operation of a grid-connected electrical traction substation integrated with solar PV and BESS
Li et al. Optimized energy storage system configuration for voltage regulation of distribution network with PV access
Mohamed et al. Modelling and environmental/economic power dispatch of microgrid using multiobjective genetic algorithm optimization
Ahangar et al. Smart local energy systems: optimal planning of stand-alone hybrid green power systems for on-line charging of electric vehicles
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN115833105A (zh) 一种基于集群划分的配电网规划方法
CN115882486A (zh) 一种基于双层模型的配电网综合效益最优储能配置方法
CN114123349A (zh) 考虑可靠性和经济性协调的海上岸电分布式优化调度方法
Kermani et al. Optimal operation of a real power hub based on PV/FC/GenSet/BESS and demand response under uncertainty
CN114398777A (zh) 一种基于巴什博弈理论的电力系统灵活性资源配置方法
Zhou et al. Optimal Planning of Battery Energy Storage in the Wind-Thermal-Hydro Power System
Shi et al. Optimal Configuration of Battery Energy Storage System in Bus Charging Station Considering Load Uncertainty
Cuiqing et al. A Hybrid AC/DC Microgrid Energy Management Strategy Based on Neural Network
Megahed et al. Unified Power Quality Evaluation of Charging Electrical Vehicles on Electrical Grid
Zhao et al. Optimal Capacity Configuration of Hybrid Energy Storage System for Photovoltaic Plant

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