CN113472014A - 含分布式电源的配电网优化调度方法及系统 - Google Patents

含分布式电源的配电网优化调度方法及系统 Download PDF

Info

Publication number
CN113472014A
CN113472014A CN202110712914.0A CN202110712914A CN113472014A CN 113472014 A CN113472014 A CN 113472014A CN 202110712914 A CN202110712914 A CN 202110712914A CN 113472014 A CN113472014 A CN 113472014A
Authority
CN
China
Prior art keywords
distribution network
power
data
power distribution
optimization
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.)
Granted
Application number
CN202110712914.0A
Other languages
English (en)
Other versions
CN113472014B (zh
Inventor
蒋仲俊
李峰
孙兴波
杨静
马莉
陈娜
颜丙胜
姜本峰
杨春燕
常娜
高继燕
黄艳丽
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.)
Sishui Power Supply Co Of State Grid Shandong Electric Power Co
State Grid Corp of China SGCC
Jining Power Supply Co
Original Assignee
Sishui Power Supply Co Of State Grid Shandong Electric Power Co
State Grid Corp of China SGCC
Jining Power Supply Co
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 Sishui Power Supply Co Of State Grid Shandong Electric Power Co, State Grid Corp of China SGCC, Jining Power Supply Co filed Critical Sishui Power Supply Co Of State Grid Shandong Electric Power Co
Priority to CN202110712914.0A priority Critical patent/CN113472014B/zh
Publication of CN113472014A publication Critical patent/CN113472014A/zh
Application granted granted Critical
Publication of CN113472014B publication Critical patent/CN113472014B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • 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)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了含分布式电源的配电网优化调度方法，该方法包括：采集不同地区分布式电源在配电网中各个节点的数据、市场信息和不确定信息，将其进行预处理后存入数据信息云平台；调用数据信息云平台，基于系统的多目标属性，将配电网经济收益、配电网的损耗以及分布式电源的发电成本作为优化目标，依据约束条件，构建配电网优化调度模型；将约束条件作为决策分析条件，输出各自区域的预测数据以及给出的不确定性的波动的具体范围，将对应的运行方案和不确定性输入多个优化目标函数，计算整体效益；不同区域的决策者对比方案的整体效益以及区域自身发展状况选出最佳策略作为优化调度方案。

Description

含分布式电源的配电网优化调度方法及系统
技术领域
本发明属于配电网运行优化的技术领域，尤其是含分布式电源的配电网优化调度方法及系统。
背景技术
作为新兴技术，在节能减排政策的引导下，分布式电源大多利用节能环保的新能源。分布式电源主要利用下述新能源发电：风能、太阳能、生物质能、海洋能、天燃气和其他形式的新能源。整合分布式电源发电和储能单元的配电网优化技术可有效提高能源利用效率，降低环境污染。
但是风力发电、太阳能光伏发电等输出的电能具有很大的随机性，而用户自备DER一般是根据用户自身需要安排机组的投切；对于如何合理地安排配电网运行方式、确定最优网络运行结构带来困难。
目前的分布式电源的配电网优化均基于统一区域或环境进行调度，但是每个地区的运行模式不用、环境因素以及地域差异不同，如果均采用同一种调度策略并不适合当地的经济情况，导致得到的策略无法高效利用，大大折扣，同时由于分布式电源的种类繁多，不能一概而论，均采用相同的分布式电源进行发电。因此数据共享和量体裁衣对于不同地区的电网运行的经济性和高效性十分重要。
综上所述，现有技术中如何依据不同地域的运行模式、环境因素、地域差异等不同，实现不同地区配电网优化数据共享提高电力调度人员实现最优调度，尚缺乏行之有效的解决方案。
发明内容
针对现有技术中存在的不足，本申请提出的含分布式电源的配电网优化调度方法及系统，通过将优化后的策略存入云平台，方便各个区域、企业的调用，依据自身发展状况，选择适合的优化调度策略。
本发明的第一目的是提供含分布式电源的配电网优化调度方法。
为了实现上述目的，本发明采用如下一种技术方案：
含分布式电源的配电网优化调度方法，该方法包括：
采集不同地区分布式电源在配电网中各个节点的数据、市场信息和不确定信息，将其进行预处理后存入数据信息云平台；
调用数据信息云平台，基于系统的多目标属性，将配电网经济收益、配电网的损耗以及分布式电源的发电成本作为优化目标，依据约束条件，构建配电网优化调度模型；
将约束条件作为决策分析条件，输出各自区域的预测数据以及给出的不确定性的波动的具体范围，将对应的运行方案和不确定性输入多个优化目标函数，计算整体效益；
不同区域的决策者对比方案的整体效益以及区域自身发展状况选出最佳策略作为优化调度方案。
作为进一步的优选方案，在本方法中，各个节点的数据包括：分布式电源设备的具体类型和设备对应型号，确定各类分布式电源设备的输出功率限额，确定各类分布式电源电池的荷电状态和充放电功率限额；
市场信息包括不同地区的分布式电源随周期变化的发电成本曲线；
不确定性信息包括：潮流调度、配电网支路电压、松弛节点注入配电网的有功功率和无功功率以及光伏出力的不确定集合。
作为进一步的优选方案，在本方法中，具体的预处理过程包括：将冗余数据、差异较大的数据进行剔除，保留有用信息。
作为进一步的优选方案，在本方法中，所述约束条件包括：潮流等式约束、支路电压约束、松弛节点功率约束以及光伏不确定集合。
作为进一步的优选方案，在本方法中，所述优化目标包括：
配电网经济收益最大，配电网的损耗最小，分布式电源的发电成本最小。
作为进一步的优选方案，所述分布式电源的发电成本优化包括分析不同地区的分布式电源随周期变化的发电成本曲线，依据不同地区的发电能力、发电周期特性曲线、购电合同价格的数据分析优化分布式电源的发电成本。
作为进一步的优选方案，所述配电网经济收益最大作为优化目标，具体的函数为：
Figure BDA0003133650820000031
其中T为调度周期；
Figure BDA0003133650820000032
表示在t时刻用户向主网售电量，
Figure BDA0003133650820000033
表示在t时刻用户向从网购电电量，
Figure BDA0003133650820000034
表示对应的售电电价，
Figure BDA0003133650820000035
表示对应的购电电价。
所述配电网的损耗最小作为优化目标，具体的函数为：
Figure BDA0003133650820000036
其中Ψs为配电网的所有支路总和，
Figure BDA0003133650820000037
为配电网支路S在t时段的有功网损耗，
Figure BDA0003133650820000038
为配电网支路S在t时段的无功网损耗。
本发明的第二目的是提供含分布式电源的配电网优化调度系统。
为了实现上述目的，本发明采用如下一种技术方案：
含分布式电源的配电网优化调度系统，其特征在于，包括：
数据采集模块，被配置为采集不同地区分布式电源在配电网中各个节点的数据、市场信息和不确定信息；
数据预处理模块，被配置为将采集的数据进行预处理后存入数据共享平台；
配电网调度模型构建模块，被配置为：调用数据共享平台数据，基于系统的多目标属性，将配电网经济收益、配电网的损耗以及分布式电源的发电成本作为优化目标，依据约束条件，构建配电网优化调度模型；
优化调度模块，被配置为将约束条件作为决策分析条件，输出各自区域的预测数据以及给出的不确定性的波动的具体范围，将对应的运行方案和不确定性输入多个优化目标函数，计算整体效益。
协同调度模块，被配置为不同区域的决策者对比方案的整体效益以及区域自身发展状况选出最佳策略作为优化调度方案。
本发明的第三目的是提供一种计算机可读存储介质。
为了实现上述目的，本发明采用如下一种技术方案：
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以下处理：
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设备的处理器加载并执行以下处理：
采集不同地区分布式电源在配电网中各个节点的数据、市场信息和不确定信息，将其进行预处理后存入数据信息云平台；
调用数据信息云平台，基于系统的多目标属性，将配电网经济收益、配电网的损耗以及分布式电源的发电成本作为优化目标，依据约束条件，构建配电网优化调度模型；
将约束条件作为决策分析条件，输出各自区域的预测数据以及给出的不确定性的波动的具体范围，将对应的运行方案和不确定性输入多个优化目标函数，计算整体效益；
不同区域的决策者对比方案的整体效益以及区域自身发展状况选出最佳策略作为优化调度方案。
本发明的第四目的是提供一种终端设备。
为了实现上述目的，本发明采用如下一种技术方案：
一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行以下处理：
采集不同地区分布式电源在配电网中各个节点的数据、市场信息和不确定信息，将其进行预处理后存入数据信息云平台；
调用数据信息云平台，基于系统的多目标属性，将配电网经济收益、配电网的损耗以及分布式电源的发电成本作为优化目标，依据约束条件，构建配电网优化调度模型；
将约束条件作为决策分析条件，输出各自区域的预测数据以及给出的不确定性的波动的具体范围，将对应的运行方案和不确定性输入多个优化目标函数，计算整体效益；
不同区域的决策者对比方案的整体效益以及区域自身发展状况选出最佳策略作为优化调度方案。
本发明的有益效果：
1、本发明所述的含分布式电源的配电网优化调度方法及系统，集合不同分分布式电源的电源特性，将运行数据存储与云平台，为不同地区的电力调度人员实现优化调度提供了可行方案，提高电网运行的经济性。
2、本发明所述的含分布式电源的配电网优化调度方法及系统，本发明考虑了微网运行下可能发生的不确定性因素，使得对微网运行处理更为全面；
3、本发明所述的含分布式电源的配电网优化调度方法及系统，考虑了不同的季节，分布式电源的发电能力不同，将发电成本作为优化目标之一，实现发电能力的最大化，减小发电成本。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是本发明的含分布式电源的配电网优化调度方法流程图；
图2为本发明具体实施例的配电网的优化调度的部分结构示意图；
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做出创造性劳动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。
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，本实施例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。
需要注意的是，附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意，在有些作为备选的实现中，方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，或者它们有时也可以按照相反的顺序执行，这取决于所涉及的功能。同样应当注意的是，流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合，可以使用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以使用专用硬件与计算机指令的组合来实现。
在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合下面结合附图与实施例对本发明作进一步说明。
实施例1：
本实施例1的目的是提供一种含分布式电源的配电网优化调度方法。
为了实现上述目的，本发明采用如下含分布式电源的配电网优化调度方法技术方案：
如图1-2所示，含分布式电源的配电网优化调度系统，包括：
采集不同地区分布式电源在配电网中各个节点的数据、市场信息和不确定信息；
将其进行预处理后存入数据信息云平台；
各个节点的数据包括：分布式电源设备的具体类型和设备对应型号，确定各类分布式电源设备的输出功率限额，确定各类分布式电源电池的荷电状态和充放电功率限额；
市场信息包括不同地区的分布式电源随周期变化的发电成本曲线；
不确定性信息包括：潮流调度、配电网支路电压、松弛节点注入配电网的有功功率和无功功率以及光伏出力的不确定集合。
具体的预处理过程包括：
步骤(1-1)：将冗余数据、差异较大的数据进行剔除，保留有用信息；
步骤(1-2)：将有用信息存储至数据共享平台，实现不同地区之间的数据共享；
步骤(2)：调用数据共享平台数据，基于系统的多目标属性，将配电网经济收益、配电网的损耗以及分布式电源的发电成本作为优化目标，依据约束条件，构建配电网优化调度模型；
所述配电网经济收益最大作为优化目标，具体的函数为：
Figure BDA0003133650820000071
其中T为调度周期；
Figure BDA0003133650820000072
表示在t时刻用户向主网售电量，
Figure BDA0003133650820000073
表示在t时刻用户向从网购电电量，
Figure BDA0003133650820000074
表示对应的售电电价，
Figure BDA0003133650820000075
表示对应的购电电价。
所述配电网的损耗最小作为优化目标，具体的函数为：
Figure BDA0003133650820000076
其中Ψs为配电网的所有支路总和，
Figure BDA0003133650820000077
为配电网支路S在t时段的有功网损耗，
Figure BDA0003133650820000078
为配电网支路S在t时段的无功网损耗。
所述分布式电源的发电成本最小作为优化目标，具体的优化方法为：分析不同地区的分布式电源随周期变化的发电成本曲线，依据不同地区的发电能力、发电周期特性曲线、购电合同价格的数据分析优化分布式电源的发电成本。
同时，目前在微电网中主要应用的分布式电源包括：风力发电系统、光伏发电系统、柴油发电机、微型燃气轮机等。另外，燃料电池、生物质发电装置、地热发电装置等分布式电源在微电网中也有应用，每一种分布式电源的发电能力也不同，对不同分布式电源的发电特性曲线进行分析，得到适合该地区发电的分布式电源。
不同的季节，分布式电源的发电能力不同，将发电成本作为优化目标之一，实现发电能力的最大化，减小发电成本。
所述约束条件包括：潮流等式约束、支路电压约束、松弛节点功率约束以及光伏不确定集合。
具体表示如下：
1)潮流等式约束为：
Figure BDA0003133650820000079
其中，Ms为支路S的有功功率，Ns为支路S的无功功率，MDGs和NDGs分别为在第S条支路注入分布式电源的有功功率和无功功率；MLs和NLs分别为在第S条支路负荷的有功功率和无功功率；δsd为支路S和支路d之间的电压相角差；
2)支路电压约束为：
Figure BDA0003133650820000081
其中，US为配电网支路S的电压，US 为配电网支路S电压的下限，
Figure BDA0003133650820000082
为配电网支路S电压的上限；
3)松弛节点功率约束为：
Figure BDA0003133650820000083
其中，P0表示从松弛节点注入配电网的有功功率，Q0表示从松弛节点注入配电网的无功功率，P0 和Q0 分别表示从松弛节点注入配电网的有功功率和无功功率的下限，
Figure BDA0003133650820000084
和
Figure BDA0003133650820000085
分别表示从松弛节点注入配电网的有功功率和无功功率的上限。
4)光伏出力的不确定集合：
Figure BDA0003133650820000086
其中，E为光伏发电功率的不确定集合；pPV(k,t)为t时刻配电网k的光伏出力的预测值；Γ(k)为配电网k微网不确定裕度；ΔPV(k,t)为t时刻配电网k的光伏出力实际值与预测值之间的偏差值。
步骤(3)：将约束条件作为决策分析条件，输出各自区域的预测数据以及给出的不确定性的波动的具体范围，将对应的运行方案和不确定性输入多个优化目标函数，计算整体效益。
步骤(4)：不同区域的决策者对比方案的整体效益以及区域自身发展状况选出最佳策略作为优化调度方案。
实施例2：本实施例提供了含分布式电源的配电网优化调度系统；
含分布式电源的配电网优化调度装置，包括：
数据采集模块，被配置为采集不同地区分布式电源在配电网中各个节点的数据、市场信息和不确定信息；
数据预处理模块，被配置为将采集的数据进行预处理后存入数据共享平台；
配电网调度模型构建模块，被配置为：调用数据共享平台数据，基于系统的多目标属性，将配电网经济收益、配电网的损耗以及分布式电源的发电成本作为优化目标，依据约束条件，构建配电网优化调度模型；
优化调度模块，被配置为将约束条件作为决策分析条件，输出各自区域的预测数据以及给出的不确定性的波动的具体范围，将对应的运行方案和不确定性输入多个优化目标函数，计算整体效益。
协同调度模块，被配置为不同区域的决策者对比方案的整体效益以及区域自身发展状况选出最佳策略作为优化调度方案。
实施例3
本实施例还提供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设备的处理器加载并执行实施例一所述方法的步骤。
实施例4
本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一所述方法的步骤。
本实施例还提供了一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令用于执行实施例一所述方法的步骤。
在本实施例中，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
本文所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开内容操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开内容的各个方面。
应当注意，尽管在上文的详细描述中提及了设备的若干模块或子模块，但是这种划分仅仅是示例性而非强制性的。实际上，根据本公开的实施例，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.含分布式电源的配电网优化调度方法，其特征在于，该方法包括：
采集不同地区分布式电源在配电网中各个节点的数据、市场信息和不确定信息，将其进行预处理后存入数据信息云平台；
调用数据信息云平台，基于系统的多目标属性，将配电网经济收益、配电网的损耗以及分布式电源的发电成本作为优化目标，依据约束条件，构建配电网优化调度模型；
将约束条件作为决策分析条件，输出各自区域的预测数据以及给出的不确定性的波动的具体范围，将对应的运行方案和不确定性输入多个优化目标函数，计算整体效益；
不同区域的决策者对比方案的整体效益以及区域自身发展状况选出最佳策略作为优化调度方案。
2.如权利要求1所述的方法，其特征在于，在本方法中，各个节点的数据包括：分布式电源设备的具体类型和设备对应型号，确定各类分布式电源设备的输出功率限额，确定各类分布式电源电池的荷电状态和充放电功率限额；
市场信息包括不同地区的分布式电源随周期变化的发电成本曲线；
不确定性信息包括：潮流调度、配电网支路电压、松弛节点注入配电网的有功功率和无功功率以及光伏出力的不确定集合。
3.如权利要求1所述的方法，其特征在于，在本方法中，具体的预处理过程包括：将冗余数据、差异较大的数据进行剔除，保留有用信息。
4.如权利要求1所述的方法，其特征在于，在本方法中，所述约束条件包括：潮流等式约束、支路电压约束、松弛节点功率约束以及光伏不确定集合。
5.如权利要求1所述的方法，其特征在于，在本方法中，所述优化目标包括：配电网经济收益最大，配电网的损耗最小，分布式电源的发电成本最小。
6.如权利要求1所述的方法，其特征在于，所述分布式电源的发电成本优化包括分析不同地区的分布式电源随周期变化的发电成本曲线，依据不同地区的发电能力、发电周期特性曲线、购电合同价格的数据分析优化分布式电源的发电成本。
7.如权利要求5所述的方法，其特征在于，所述配电网经济收益最大作为优化目标，具体的函数为：
Figure FDA0003133650810000021
其中T为调度周期；
Figure FDA0003133650810000022
表示在t时刻用户向主网售电量，
Figure FDA0003133650810000023
表示在t时刻用户向从网购电电量，
Figure FDA0003133650810000024
表示对应的售电电价，
Figure FDA0003133650810000025
表示对应的购电电价；
所述配电网的损耗最小作为优化目标，具体的函数为：
Figure FDA0003133650810000026
其中Ψs为配电网的所有支路总和，
Figure FDA0003133650810000027
为配电网支路S在t时段的有功网损耗，
Figure FDA0003133650810000028
为配电网支路S在t时段的无功网损耗。
8.含分布式电源的配电网优化调度系统，其特征在于，包括：
数据采集模块，被配置为采集不同地区分布式电源在配电网中各个节点的数据、市场信息和不确定信息；
数据预处理模块，被配置为将采集的数据进行预处理后存入数据共享平台；
配电网调度模型构建模块，被配置为：调用数据共享平台数据，基于系统的多目标属性，将配电网经济收益、配电网的损耗以及分布式电源的发电成本作为优化目标，依据约束条件，构建配电网优化调度模型；
优化调度模块，被配置为将约束条件作为决策分析条件，输出各自区域的预测数据以及给出的不确定性的波动的具体范围，将对应的运行方案和不确定性输入多个优化目标函数，计算整体效益；
协同调度模块，被配置为不同区域的决策者对比方案的整体效益以及区域自身发展状况选出最佳策略作为优化调度方案。
9.一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设备的处理器加载并执行根据权利要求1-7中任一项所述的方法。
10.一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令用于执行根据权利要求1-7中任一项所述的方法。
CN202110712914.0A 2021-06-25 2021-06-25 含分布式电源的配电网优化调度方法及系统 Active CN113472014B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110712914.0A CN113472014B (zh) 2021-06-25 2021-06-25 含分布式电源的配电网优化调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110712914.0A CN113472014B (zh) 2021-06-25 2021-06-25 含分布式电源的配电网优化调度方法及系统

Publications (2)

Publication Number Publication Date
CN113472014A true CN113472014A (zh) 2021-10-01
CN113472014B CN113472014B (zh) 2023-09-26

Family

ID=77873118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110712914.0A Active CN113472014B (zh) 2021-06-25 2021-06-25 含分布式电源的配电网优化调度方法及系统

Country Status (1)

Country Link
CN (1) CN113472014B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115360717A (zh) * 2022-10-18 2022-11-18 国网浙江省电力有限公司宁波供电公司 用于综合能源的配电网调度方法、系统、设备及介质
CN115833101A (zh) * 2022-12-06 2023-03-21 北京百度网讯科技有限公司 电力调度方法、装置、电子设备和存储介质
CN116760016A (zh) * 2023-05-30 2023-09-15 中国南方电网有限责任公司 自适应电力调度决策方法、装置、电子设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120185106A1 (en) * 2011-01-14 2012-07-19 International Business Machines Corporation Integration of demand response and renewable resources for power generation management
CN107482673A (zh) * 2017-07-24 2017-12-15 清华-伯克利深圳学院筹备办公室 一种多区域全分布式主动配电网经济调度方法
CN107706933A (zh) * 2017-09-20 2018-02-16 华北电力大学 基于储能分时状态决策的主动配电网三层优化调度方法
CN108599277A (zh) * 2018-04-12 2018-09-28 国家电网公司 一种提升运行安全的智能配电网鲁棒优化方法
CN109586303A (zh) * 2018-11-20 2019-04-05 天津大学 一种配电网区域电压分布式协调控制方法及系统
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN110535123A (zh) * 2019-08-28 2019-12-03 广西大学 一种快速的解析式分布式多目标多微网经济调度优化方法
CN110969284A (zh) * 2019-10-29 2020-04-07 国网河南省电力公司经济技术研究院 一种配电网双层优化调度方法
CN112072641A (zh) * 2020-08-19 2020-12-11 国网江苏省电力有限公司扬州供电分公司 一种源网荷储柔性协调控制和运行优化方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120185106A1 (en) * 2011-01-14 2012-07-19 International Business Machines Corporation Integration of demand response and renewable resources for power generation management
CN107482673A (zh) * 2017-07-24 2017-12-15 清华-伯克利深圳学院筹备办公室 一种多区域全分布式主动配电网经济调度方法
CN107706933A (zh) * 2017-09-20 2018-02-16 华北电力大学 基于储能分时状态决策的主动配电网三层优化调度方法
CN108599277A (zh) * 2018-04-12 2018-09-28 国家电网公司 一种提升运行安全的智能配电网鲁棒优化方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN109586303A (zh) * 2018-11-20 2019-04-05 天津大学 一种配电网区域电压分布式协调控制方法及系统
CN110535123A (zh) * 2019-08-28 2019-12-03 广西大学 一种快速的解析式分布式多目标多微网经济调度优化方法
CN110969284A (zh) * 2019-10-29 2020-04-07 国网河南省电力公司经济技术研究院 一种配电网双层优化调度方法
CN112072641A (zh) * 2020-08-19 2020-12-11 国网江苏省电力有限公司扬州供电分公司 一种源网荷储柔性协调控制和运行优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张冰莹: "不确定环境下多微电网交易协调与经济运行优化", 硕士论文工程科技Ⅱ辑, pages 13 - 19 *
李骥;张慧媛;程杰慧;王子琪;郜宁;李伟;: "基于源荷状态的跨区互联系统协调优化调度", 电力系统自动化, no. 17 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115360717A (zh) * 2022-10-18 2022-11-18 国网浙江省电力有限公司宁波供电公司 用于综合能源的配电网调度方法、系统、设备及介质
CN115833101A (zh) * 2022-12-06 2023-03-21 北京百度网讯科技有限公司 电力调度方法、装置、电子设备和存储介质
CN115833101B (zh) * 2022-12-06 2023-11-14 北京百度网讯科技有限公司 电力调度方法、装置、电子设备和存储介质
CN116760016A (zh) * 2023-05-30 2023-09-15 中国南方电网有限责任公司 自适应电力调度决策方法、装置、电子设备及存储介质
CN116760016B (zh) * 2023-05-30 2024-04-16 中国南方电网有限责任公司 自适应电力调度决策方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113472014B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
CN113472014B (zh) 含分布式电源的配电网优化调度方法及系统
Dou et al. Carbon-aware electricity cost minimization for sustainable data centers
Liu et al. Multi‐objective restoration optimisation of power systems with battery energy storage systems
Peng et al. Uncertainty management in power system operation
Svendsen et al. PowerGAMA: A new simplified modelling approach for analyses of large interconnected power systems, applied to a 2030 Western Mediterranean case study
Yin et al. Frequency-constrained multi-source power system scheduling against N-1 contingency and renewable uncertainty
Abdulgalil et al. Enhancing the reliability of a microgrid through optimal size of battery ESS
Abdulgalil et al. Optimizing a distributed wind-storage system under critical uncertainties using benders decomposition
Mazaheri et al. An online method for MILP co‐planning model of large‐scale transmission expansion planning and energy storage systems considering N‐1 criterion
Golpîra et al. A data‐driven inertia adequacy‐based approach for sustainable expansion planning in distributed generations‐penetrated power grids
Pfluger et al. Impact of renewable energies on conventional power generation technologies and infrastructures from a long-term least-cost perspective
Han et al. Optimal sizing considering power uncertainty and power supply reliability based on LSTM and MOPSO for SWPBMs
Ansarian et al. Optimum generation dispatching of distributed resources in smart grids
CN117060491B (zh) 风光混合储能系统的运行优化方法、系统、介质及设备
Kurian et al. Real time implementation of artificial neural networks‐based controller for battery storage supported wind electric generation
Abdullayev et al. Overview of the Conversion of Traditional Power Grid to Internet Energy
Yuan et al. Power‐based transmission constrained unit commitment formulation with energy‐based reserve
Sánchez-Pérez et al. California's vision for reaching zero-carbon emissions
Chudy et al. Mitigation of CO 2 emissions by optimizing energy storage capacity
Die et al. Optimal approach in the EMS of microgrids based on online forecasts
Yang et al. Coordinated restoration of inverter‐based power sources and synchronous generators for the high renewable penetrated power system considering the dynamic frequency regulation capability
de Oliveira et al. Optimal allocation of battery in electrical distribution systems with distributed resources
Su et al. Optimal Generator Start-Up Sequence Strategy Considering Renewable Energy Participation
Liu et al. Micro grid energy management based on two-stage robust optimization
Birkner Future energy systems–autonomous control, self-sufficient energy infrastructures and big data

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