CN113629784A - 一种农村配电网多目标优化调度方法 - Google Patents

一种农村配电网多目标优化调度方法 Download PDF

Info

Publication number
CN113629784A
CN113629784A CN202110977312.8A CN202110977312A CN113629784A CN 113629784 A CN113629784 A CN 113629784A CN 202110977312 A CN202110977312 A CN 202110977312A CN 113629784 A CN113629784 A CN 113629784A
Authority
CN
China
Prior art keywords
power
node
distribution network
formula
harmony
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
Application number
CN202110977312.8A
Other languages
English (en)
Inventor
王博
卢镛廷
周建斌
吴金莲
郑明果
吴正强
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.)
Dingxi Power Supply Co Of State Grid Gansu Electric Power Co
Original Assignee
Dingxi Power Supply Co Of State Grid Gansu Electric Power 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 Dingxi Power Supply Co Of State Grid Gansu Electric Power Co filed Critical Dingxi Power Supply Co Of State Grid Gansu Electric Power Co
Priority to CN202110977312.8A priority Critical patent/CN113629784A/zh
Publication of CN113629784A publication Critical patent/CN113629784A/zh
Pending legal-status Critical Current

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
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J3/50—Controlling the sharing of the out-of-phase component
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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

本发明属于配电网调度算法优化的技术领域，涉及一种配电网多目标优化调度的方法。述的配电网多目标优化模型，是指当DREG大量接入后，将显著改变配电网原有潮流分布，进而可能引起线路过载、供电质量下降等一系列问题。从而制定出基于和声搜索算法的配电网多目标优化调度模型。并以系统运行成本、分布式电源利用率及网络损耗最小为目标，建立配电网多目标优化调度模型并进行最优求解。一种配电网多目标优化调度的方法能够在实现分布式能源优先消纳的前提下，有效协调配电网运行的综合效益，满足不同系统运营商的差异化需求，可为配电网实际调度策略的制定提供必要的参考依据。

Description

一种农村配电网多目标优化调度方法
技术领域
本发明属于算法优化与配电网调度相结合的技术领域，涉及一种配电网多目标优化调度的方法。
背景技术
能源是人类社会发展的基石和动力。对能源的是否需求牵引着能源技术的发展，而能源技术的发展又影响着人类社会的发展。当前，全球能源的开发越来越呈现出多极、节能、可持续、分布式等特性。专家们预测出，全世界能源消费结构中对化石能源的消费将在2030年前后达峰值，同时对太阳能、风能、地热能、现代生物质能的消费占比将逐渐増加，再过85年，这些新能源的消费占比在能源消费总量中可能高于60％。随着我国电网不断的升级换代，各类电网中存在的问题无法依靠自身的治愈技术来解决，分布式电源的使用得到全社会持续关注，除此之外，以分布式电源接入电网集中式与分散就地式的供电方式将会作为新世纪电力系统的重要进步方向，也得到了专业领域内众多学者的肯定。
当大量分布式可再生能源接入后，将显著改变配电网原有潮流分布，进而可能引起线路过载、供电质量下降等一系列问题。因此，传统以“本区利用，就地消纳”为核心的DG控制策略已很难有效满足ADN对可再生能源规模化利用的需求。此外，伴随ADN各类新型拓扑结构及先进控制技术的应用，配电网网架的互联程度得到极大提升，从而使得对可再生能源的跨区域消纳成为了一种可能。
发明内容
本发明的目的是提供一种配电网优化调度方法，设计了一种促进分布式能源协同消纳与优化调度的方法。首先，基于甘肃定西农村电网的实际情况提出了考虑分布式电源消纳的配电网模型。此外，以运行成本最小，分布式电源功率削减最小，网络损耗最小为目标函数，建立了主动配电网多目标优化调度模型。模型考虑了DG有功、无功出力控制、储能设备充放电以及可中断负荷的调用，并且采用MOHS算法实现高效求解。
所述的配电网多目标优化模型，是指当DREG大量接入后，将显著改变配电网原有潮流分布，进而可能引起线路过载、供电质量下降等一系列问题。从而制定出基于和声搜索算法的配电网多目标优化调度模型。并以系统运行成本、分布式电源利用率及网络损耗最小为目标，建立配电网多目标优化调度模型并进行最优求解。
本发明的有益效果是，本文所提方法能够在实现分布式能源优先消纳的前提下，有效协调配电网运行的综合效益，满足不同系统运营商的差异化需求，可为配电网实际调度策略的制定提供必要的参考依据。
附图说明
图1是本发明的基于和声搜索算法的配电网优化调度算法流程图；
图2是本发明算例分析中的Pareto前沿集
图3是本发明算例分析中的Pareto前端
具体实施方式
1、配电网分布式能源能量管理策略
本发明的配电网分布式能源系统包括用户交互负荷反馈控制流程包括 DN1,DN2分别代表两个具有相同电压等级的供电区域，通过跨区联络线实现相连。假设DN1为DREG高渗透系统，即研究对象，而DN2为无源配电网络，由上级电网供电，并可接受由DN1提供的可再生能源电能。为实现可再生能源高效消纳目标，设计ADN能量管理策略如下。
对于DN1，其内部负荷需求由上级电网、储能设备、区域内的DREG与可控 DG四方而提供：当DREG发电超过负荷需求时，多余功率将首先为储能设备进行充电。待储能充满后，再通过联络线外送至DN2；若外送功率到达相关设备容量上限，则被迫削减DREG出力或使其完全退出运行；当DREG发电不足时，不足差额将首先由区域内储能及上级电网顺次提供，若仍旧不能满足相关要求(如因约束越限等)，再选择调用可控DG或可中断负荷实现功率平衡。
为简便起见，在潮流计算过程中，本文将DN2设置为等效虚拟节点P'其调度方式与节点类型则由式(1)中判据产生：当式(1)满足条件时，表明DN1中可再生能源出力过剩，此时将区域联络线开关闭合，设P'为平衡节点，上级电网为 PV节点；当式(1)不满足条件时，表明DN1中可再生能源出力不足，此时则将区域联络线断开，并选取上级电网为平衡节点。
Figure BDA0003227809600000031
式中，ΩDREG，ΩD和ΩESS分别为系统中DREG、负荷及储能设备对应的节点集合；
Figure BDA0003227809600000032
pit(t)和
Figure BDA0003227809600000033
分别为时段t相关节点处DREG的输出功率、负荷需求、区域联络线传输功率以及储能装置的最大充电功率限额为ε判别裕度。
2.目标函数
(1)、目标函数1：系统运行成本最小
Figure BDA0003227809600000034
式中，CG(t)为时段t中ADN发生的购电成本；CDG(t)，CESS(t)分别为时段t 系统中DG储能设备的运行成本；CIL(t)为时段t调用可中断负荷所支付的费用；上标IL表示可中断负荷；T为调度周期(日)对应的时段数。式(2)中各项具体展开式为
CG(t)＝λG(t)pG(t)Δt..........................(3)
Figure BDA0003227809600000035
Figure BDA0003227809600000036
Figure BDA0003227809600000041
式中，λG(t)、pG(t)分别为ADN在时段t来自主网的购电价格及其注入功率；Δt为单次调度时间间隔；ΩDG、ΩIL分别为ADN中DG和可中断负荷分别对应的节点集合；
Figure BDA0003227809600000042
为时段t节点g处DG上网电价；
Figure BDA0003227809600000043
为节点g的DG在时段t 的输出功率；λESS为储能设备执行单位电量充放所对应的运行成本；
Figure BDA0003227809600000044
为节点g'储能设备在时段t的充、放电功率；K1,K2为可中断负荷的缺电成本系数；
Figure BDA0003227809600000045
为时段t针对节点K'可中断负荷的实际削减量；τk'为节点K'用户对应的中断意愿因子，为区间[0,1]的连续变量，该值越大，表明用户的边际缺电成本越高，调用该IL的代价也越高。
(2)、目标函数2：分布式电源功率削减量最小。
Figure BDA0003227809600000046
式中，
Figure BDA0003227809600000047
分别为时段t从节点g处DREG的最大可调用功率及实际调用功率。
(3)、目标函数3：系统网络损耗最小。
网损是反映配电网运行水平的重要指标之一。在ADN框架下，各类DG规模化应用将改变配电网的固有潮流分布，进而影响网络损耗。因此，构建基于系统网损最小的目标函数为
Figure BDA0003227809600000048
式中，ΩF为系统中线路通道集合；Zij为线路ij对应馈线的阻抗值；Pij、Qij分别为线路ij流过的有功功率和无功功率；Uj为线路ij的末端电压。
3.约束条件
(1)功率平衡约束。
Figure BDA0003227809600000051
式中，Pi(t)、Qi(t)分别为时段t从节点i的注入有功和无功功率；Ui(t)、Uj(t)分别为节点i及其上级节点j在时段t的电压幅值；Gij、Bij分别为支路ij的电导和电纳；θij(t)为节点i与j在时段t的电压相位差。
(2)线路电流约束。
IL,ij(t)≤ILI,j,max.......................................(10)
式中，IL,ij(t)为支路ij在时段t流过的电流幅值；ILI,ij,max为支路ij对应馈线所允许的载流量上限。而节点电压约束为
Vi,min(t)≤Vi(t)≤Vi,max...................................(11)
式中，Vi(t)为时段t节点i处的电压幅值；Vi,min(t)、Vi,max分别为节点电压波动所允许的上下限值
(3)平衡节点约束。在本文模型中，分别将上级电网及区域联络线作为正向及负向平衡节点。为抑制ADN功率波动对外部系统造成的影响，需要对关口交换功率进行必要限制，因此即有
Figure BDA0003227809600000052
式中，Pgc(t)为上级电网在时段t流过的有功(无功)功率；
Figure BDA0003227809600000053
和
Figure BDA0003227809600000054
分别为平衡节点所对应的有功功率卜限和上限；上标gc、it分别为平衡节点的正向和负向。
(4)DG出力约束。受制于技术特性及自身容量限制，DG的有功、无功可调出力需要满足约束
Figure BDA0003227809600000061
式中，
Figure BDA0003227809600000062
分别为节点g处DG所能提供的有功功率卜限、上限，主要由一次能源供给所决定；
Figure BDA0003227809600000063
分别DG无功可调范围的下限、上限； PFDG,g(t)为节点，处DG在时段t的功率因数；
Figure BDA0003227809600000064
则分别为其允许变化区间的上边界与上边界。
(5)可控DG的爬坡率约束。为保证可控型DG的安全稳定运行，需对其输出功率在多时段间的变化速率进行必要限制，即有
Figure BDA0003227809600000065
式中，
Figure BDA0003227809600000066
分别为节点g处可控DG在时段t及t-1的有功功率输出；Ug、Dg分别为其允许的最大上行与下行值变化率。
(6)储能装置调控约束。储能装置运行需同时满足充放电状态约束、充放电功率约束以及荷电状态约束
Figure BDA0003227809600000067
Figure BDA0003227809600000068
Figure BDA0003227809600000069
式中，
Figure BDA00032278096000000610
分别为t时段节点g’处储能装置的充、放电功率；
Figure BDA00032278096000000611
为节点g’处储能装置的额定充电功率；
Figure BDA00032278096000000612
分别为节点g’处储能装置容量上、下限。同时，在整个调度周期结束后，储能装置的荷电状态应与调度起始阶段保持一致，故有
Figure BDA0003227809600000071
(7)可中断负荷调用约束。在ADN中，对可中断负荷的调用受限于可用容量、中断持续时间、时间间隔以及调用次数等一系列限制，即满足如下约束条件
Figure BDA0003227809600000072
Figure BDA0003227809600000073
Figure BDA0003227809600000074
Figure BDA0003227809600000075
式中，
Figure BDA0003227809600000076
分别为节点k'可中断的最小与最大功率值Jon,k'、Joff,k'分别为表征节点k'可中断负荷调用和解除调用的指针。当负荷被中断时，其起始调用时段所对应的Jon,k'将置为1，否则为0。当负荷被恢复供电时，其起始恢复时段所对应的Joff,k'将置为1，否则为0。此外，Joff,k'、
Figure BDA0003227809600000077
分别为节点k'负荷中断供电的最短持续时间和最长持续时间；
Figure BDA0003227809600000078
为节点k'用户所能承受的两次负荷中断之间的最小时间间隔；
Figure BDA0003227809600000079
为运行周期内节点k'可中断负荷的最大可调用次数。
4.求解方法
(1)Pareto最优解集的获取
本发明中采用基于启发式策略的多目标和声搜索(Multi-Objective HS,MOHS)算法对模型进行求解，以获取Pareto最优解集，基于MOHS算法的求解流程如图1所示。对上述计算中的关键步骤说明如下:
a.算法参数初始化。需要初始化的MOHS算法计算参数包括和声记忆库容量(Harmony Memory Search,HMS)，和声记忆考虑概率(Harmony Memory Considering Rate,HMCR)最大迭代次数Kmax。
b.支配排序。多目标优化问题可定义为
min{f1(X),f2(X),...,fm(X)}X∈H...........................(23)
式中，决策向量X＝(x1,x2,...,xn)H属于可行域H。通常每个目标与其他目标相互排斥，因此需要计算和声记忆库中每支和声的支配关系。当决策向量X1和X2满足式下式时，则说明决策向量X1支配X2，即X2被X1支配。
Figure BDA0003227809600000081
按顺序计算所有和声的被支配数量，选取其中的非支配解移入和声存储库，并对支配解根据被支配数量进行分级排序。
c.拥挤度计算。对处于相同等级的和声，计算各和声的拥挤度，根据拥挤度对同级和声进行排序。
d.杂交策略。在智能优化算法中，随着迭代次数的增加，解集的多样性会下降，而提高解集多样性又会降低算法的收敛速度。本文利用杂交策略来对算法性能进行优化，新和声生成算法为
Xnew＝XNd±rand|XNd-Xd|................................(25)
式中，Xnew为新和声；XNd、Xd为分别从和声存储库及和声记忆库中随机选取的非支配和声及支配和声；rand为通过HMCR算法生成的随机数。
(2)折中方案的获取
针对上述计算得到的Pareto前沿解，本文进一步采用逼近理想解排序(Techniquefor Order Performance by Similarity to Ideal Solution,TOPSIS)法以确定针对各个目标的最佳折中方案。TOPSIS法是一种经典的多属性决策技术，具有原理直观、计算简便、对样本量要求不大等优点。
本文假设ADN运行者对不同目标持相同的偏好程度，因此权重向量 W＝[0.33,0.33,0.33]。
举例计算如下：
本发明中选取甘肃定西配电系统作为算例进行计算分析。该系统电压等级为12.66kV，最大负荷为5.084+J2.547MV·A。其中，节点0为上级变电站的低压侧母线，系统通过联络线10-P'与外区域配电网互联。假设其最大载流量为610A；为了避免运行过程中断路器频繁开断，限定在一个调度周期24h内断路器最大动作次数为4次。系统中DER信息如下：光伏安装在7,13,32号节点上，各节点总装机容量均为1MW；风电安装在21，27号节点上，各节点总装机容量均为0.8MW；微型燃气轮机安装在24,30号节点上，并假设其基于“以热定电”的运行方式，功率可控范围为
Figure BDA0003227809600000091
储能安装在6,29号节点上，各节点总充放电功率上限为0.24MW，容量上限为1.2MW·h,SOC调节范围为
Figure BDA0003227809600000092
充电效率为80％。直控负荷通过馈线开关实现调节，以恒功率因数进行控制。假设各节点负荷在24h内最多中断一次，且每次中断持续时间不超过2h。
系统的日间负荷曲线取，光照及风速数据则选自对甘肃定西市春季典型日的实际调研结果。此外，参考我国实际执行标准，光伏和风电的上网电价分别取为1元/(kW·h)及0.8元/(kW·h)。微型燃气轮机的上网电价为0.81元/(kW·h)；配电网从上级电网的购电价格为0.38元/(kWh)；可中断负荷成本系数K1和K2 分别取K1＝5000,K2＝3200。此外，假设系统各节点的最大允许电压偏移范围为± 5％。算法中相关参数设置如下：HMS＝40；Kmax＝500；基于动态策略调整HMCR， HMCRmax＝0.9，HMCRmin＝0.6。
(3)优化结果分析
经计算得到的Pareto前沿集如图2所示，其中DREG算法按照功率因数为0.9 进行控制。可见，基于MOHS算法形成的Pareto解集分布均匀而广泛，可为运行成本、网络损耗、可再生能源利用率这三类冲突目标的相互妥协提供丰富的信息。
根据上述Pareto优化结果，在实际应用中可根据ADN运行者具体期望要求，考虑多方面因素影响，选择优化运行方案。由图2可知，调度目标中系统运行成本、DREG功率削减和系统能量损耗三者之间存在密切关联。若调度者优先考虑经济性因素，即偏向选择运行成本较小的方案，但这在一定程度上将不利于可再生能源的最大化利用(表现为DREG功率削减增大)。反之，若仅以可再生能源消纳最大为目标，则将显著增加系统运行成本及网络损耗。这说明要实现可再生能源电力的跨区消纳，伴随输电路径的增长将不可避免地造成网损增加。同时，为应对DREG算法出力波动，还将不得不更频繁地调用燃气轮机、储能及可中断负荷等资源，进而导致系统总成本上升。由上述优化结果可知，在实际应用中可由 ADN运行者的具体期望要求，综合权衡多方面因素，最终科学确定系统调度运行方案。
跨区域消纳策略分析
根据计算结果可知，情景1及情景2中的可再生能源日利用率分别为88.2％和85.1％。由图3可见，跨区域消纳策略促进了DREG利用效率的提升(即DREG 出力削减逐步减少)。同时，可再生能源跨区域消纳策略的实施，使得系统网损逐渐升高，见下表。说明系统间的互联使得ADN中DG输出能量输送的范围逐渐扩大，因此配电网的系统能量损耗也逐步增大；另一方面，随着DREG出力减少，储能设备和可控负荷调用频率和调度深度降低，进而降低ADN的整体运行费用。
Figure BDA0003227809600000101

Claims (7)

1.一种农村配电网多目标优化调度方法，包括以下步骤：
S1:配电网分布式能源能量管理策略；
S2:目标函数的确定；
S3:目标函数约束条件的确定：
S4:Pareto最优解集的获取。
2.根据权利要求1所述的一种农村配电网多目标优化调度方法，其特征在于：所述S1中，配电网分布式能源系统包括用户交互负荷反馈控制流程,用户交互负荷反馈控制流程包括DN1,DN2,其中DN1、DN2分别代表两个具有相同电压等级的供电区域，DN1、DN2通过跨区联络线实现相连，其中DN1为DREG高渗透系统，而DN2为无源配电网络，由上级电网供电，并可接受由DN1提供的可再生能源电能，为实现可再生能源高效消纳目标，设计ADN能量管理策略如下。
3.根据权利要求1所述的一种农村配电网多目标优化调度方法，其特征在于：所述S1中，对于DN1，其内部负荷需求由上级电网、储能设备、区域内的DREG与可控DG四方而提供：当DREG发电超过负荷需求时，多余功率将首先为储能设备进行充电，待储能充满后，再通过联络线外送至DN2；若外送功率到达相关设备容量上限，则被迫削减DREG出力或使其完全退出运行；当DREG发电不足时，不足差额将首先由区域内储能及上级电网顺次提供，若仍旧不能满足相关要求，再选择调用可控DG或可中断负荷实现功率平衡。
4.根据权利要求1所述的一种农村配电网多目标优化调度方法，其特征在于：将DN2设置为等效虚拟节点P'其调度方式与节点类型则由式(1)中判据产生：当式(1)满足条件时，表明DN1中可再生能源出力过剩，此时将区域联络线开关闭合，设P'为平衡节点，上级电网为PV节点；当式(1)不满足条件时，表明DN1中可再生能源出力不足，此时则将区域联络线断开，并选取上级电网为平衡节点。
Figure FDA0003227809590000011
式中，ΩDREG，ΩD和ΩESS分别为系统中DREG、负荷及储能设备对应的节点集合；
Figure FDA0003227809590000012
pit(t)和
Figure FDA0003227809590000013
分别为时段t相关节点处DREG的输出功率、负荷需求、区域联络线传输功率以及储能装置的最大充电功率限额为ε判别裕度。
5.根据权利要求1所述的一种农村配电网多目标优化调度方法，其特征在于：所述步骤S2中,目标函数包括系统运行成本最小、分布式电源功率削减量最小和系统网络损耗最小；
(1)系统运行成本最小
Figure FDA0003227809590000021
式中，CG(t)为时段t中ADN发生的购电成本；CDG(t)，CESS(t)分别为时段t系统中DG储能设备的运行成本；CIL(t)为时段t调用可中断负荷所支付的费用；上标IL表示可中断负荷；T为调度周期(日)对应的时段数；式(2)中各项具体展开式为
CG(t)＝λG(t)pG(t)Δt (3)
Figure FDA0003227809590000022
Figure FDA0003227809590000023
Figure FDA0003227809590000024
式中，λG(t)、pG(t)分别为ADN在时段t来自主网的购电价格及其注入功率；Δt为单次调度时间间隔；ΩDG、ΩIL分别为ADN中DG和可中断负荷分别对应的节点集合；
Figure FDA0003227809590000025
为时段t节点g处DG上网电价；
Figure FDA0003227809590000026
为节点g的DG在时段t的输出功率；λESS为储能设备执行单位电量充放所对应的运行成本；
Figure FDA00032278095900000211
为节点g′储能设备在时段t的充、放电功率；K1,K2为可中断负荷的缺电成本系数；
Figure FDA0003227809590000028
为时段t针对节点K'可中断负荷的实际削减量；τk'为节点K'用户对应的中断意愿因子，为区间[0,1]的连续变量，该值越大，表明用户的边际缺电成本越高，调用该IL的代价也越高；
(2)分布式电源功率削减量最小。
Figure FDA0003227809590000029
式中，
Figure FDA00032278095900000210
分别为时段t从节点g处DREG的最大可调用功率及实际调用功率。
(3)系统网络损耗最小；
网损是反映配电网运行水平的重要指标之一，在ADN框架下，各类DG规模化应用将改变配电网的固有潮流分布，进而影响网络损耗，因此，构建基于系统网损最小的目标函数为
Figure FDA0003227809590000031
式中，ΩF为系统中线路通道集合；Zij为线路ij对应馈线的阻抗值；Pij、Qij分别为线路ij流过的有功功率和无功功率；Uj为线路ij的末端电压。
6.根据权利要求1所述的一种农村配电网多目标优化调度方法，其特征在于：所述步骤S3中,目标函数约束条件为：功率平衡约束、线路电流约束、平衡节点约束、DG出力约束、可控DG的爬坡率约束、储能装置调控约束和可中断负荷调用约束；
其中功率平衡约束为：
Figure FDA0003227809590000032
式中，Pi(t)、Qi(t)分别为时段t从节点i的注入有功和无功功率；Ui(t)、Uj(t)分别为节点i及其上级节点j在时段t的电压幅值；Gij、Bij分别为支路ij的电导和电纳；θij(t)为节点i与j在时段t的电压相位差；
线路电流约束为：
IL,ij(t)≤ILI,j,max(10)
式中，IL,ij(t)为支路ij在时段t流过的电流幅值；ILI,ij,max为支路ij对应馈线所允许的载流量上限，而节点电压约束为：
Vi,min(t)≤Vi(t)≤Vi,max(11)
式中，Vi(t)为时段t节点i处的电压幅值；Vi,min(t)、Vi,max分别为节点电压波动所允许的上下限值。
平衡节点约束为；将上级电网及区域联络线作为正向及负向平衡节点，为抑制ADN功率波动对外部系统造成的影响，需要对关口交换功率进行必要限制；
Figure FDA0003227809590000033
式中，Pgc(t)为上级电网在时段t流过的有功功率；
Figure FDA0003227809590000041
和
Figure FDA0003227809590000042
分别为平衡节点所对应的有功功率卜限和上限；上标gc、it分别为平衡节点的正向和负向。
受制于技术特性及自身容量限制，DG的有功、无功可调出力需要满足约束，因此平衡节点约束为：
Figure FDA0003227809590000043
式中，
Figure FDA0003227809590000044
分别为节点g处DG所能提供的有功功率卜限、上限，主要由一次能源供给所决定；
Figure FDA0003227809590000045
分别DG无功可调范围的下限、上限；PFDG,g(t)为节点，处DG在时段t的功率因数；
Figure FDA0003227809590000046
则分别为其允许变化区间的上边界与上边界。
为保证可控型DG的安全稳定运行，需对其输出功率在多时段间的变化速率进行必要限制，可控DG的爬坡率约束为：
Figure FDA0003227809590000047
式中，
Figure FDA0003227809590000048
分别为节点g处可控DG在时段t及t-1的有功功率输出；Ug、Dg分别为其允许的最大上行与下行值变化率；
储能装置运行需同时满足充放电状态约束、充放电功率约束以及荷电状态约束，储能装置调控约束为：
Figure FDA0003227809590000049
Figure FDA00032278095900000410
Figure FDA00032278095900000411
式中，
Figure FDA00032278095900000412
分别为t时段节点g’处储能装置的充、放电功率；
Figure FDA00032278095900000413
为节点g’处储能装置的额定充电功率；
Figure FDA00032278095900000414
分别为节点g’处储能装置容量上、下限，同时，在整个调度周期结束后，储能装置的荷电状态应与调度起始阶段保持一致，故有
Figure FDA0003227809590000051
在ADN中，对可中断负荷的调用受限于可用容量、中断持续时间、时间间隔以及调用次数等一系列限制，可中断负荷调用约束条件为：
Figure FDA0003227809590000052
Figure FDA0003227809590000053
Figure FDA0003227809590000054
Figure FDA0003227809590000055
式中，
Figure FDA0003227809590000056
分别为节点k'可中断的最小与最大功率值Jon,k'、Joff,k'分别为表征节点k'可中断负荷调用和解除调用的指针；当负荷被中断时，其起始调用时段所对应的Jon,k'将置为1，否则为0。当负荷被恢复供电时，其起始恢复时段所对应的Joff,k'将置为1，否则为0；此外，Joff,k'、
Figure FDA0003227809590000057
分别为节点k'负荷中断供电的最短持续时间和最长持续时间；
Figure FDA0003227809590000058
为节点k'用户所能承受的两次负荷中断之间的最小时间间隔；
Figure FDA0003227809590000059
为运行周期内节点k'可中断负荷的最大可调用次数。
7.根据权利要求1所述的一种农村配电网多目标优化调度方法，其特征在于：所述步骤S4中，Pareto最优解集的获取方法包括一下步骤：
Pareto最优解集的获取方法采用基于启发式策略的多目标和声搜索算法对模型进行求解，以获取Pareto最优解集，Pareto最优解集的获取方法包括一下步骤:
a.算法参数初始化，需要初始化的MOHS算法计算参数包括和声记忆库容量，和声记忆考虑概率最大迭代次数Kmax；
b.支配排序，多目标优化问题可定义为
min{f1(X),f2(X),...,fm(X)}X∈H (23)
式中，决策向量X＝(x1,x2,...,xn)H属于可行域H，通常每个目标与其他目标相互排斥，因此需要计算和声记忆库中每支和声的支配关系，当决策向量X1和X2满足式下式时，则说明决策向量X1支配X2，即X2被X1支配；
Figure FDA0003227809590000061
按顺序计算所有和声的被支配数量，选取其中的非支配解移入和声存储库，并对支配解根据被支配数量进行分级排序；
c.拥挤度计算，对处于相同等级的和声，计算各和声的拥挤度，根据拥挤度对同级和声进行排序；
d.杂交策略，在智能优化算法中，随着迭代次数的增加，解集的多样性会下降，而提高解集多样性又会降低算法的收敛速度，利用杂交策略来对算法性能进行优化，新和声生成算法为
Xnew＝XNd±rand|XNd-Xd| (25)
式中，Xnew为新和声；XNd、Xd为分别从和声存储库及和声记忆库中随机选取的非支配和声及支配和声；rand为通过HMCR算法生成的随机数。
CN202110977312.8A 2021-08-24 2021-08-24 一种农村配电网多目标优化调度方法 Pending CN113629784A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110977312.8A CN113629784A (zh) 2021-08-24 2021-08-24 一种农村配电网多目标优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110977312.8A CN113629784A (zh) 2021-08-24 2021-08-24 一种农村配电网多目标优化调度方法

Publications (1)

Publication Number Publication Date
CN113629784A true CN113629784A (zh) 2021-11-09

Family

ID=78387592

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110977312.8A Pending CN113629784A (zh) 2021-08-24 2021-08-24 一种农村配电网多目标优化调度方法

Country Status (1)

Country Link
CN (1) CN113629784A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114519543A (zh) * 2022-04-21 2022-05-20 国网江西省电力有限公司电力科学研究院 一种乡村多能源系统边缘自治运行方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114519543A (zh) * 2022-04-21 2022-05-20 国网江西省电力有限公司电力科学研究院 一种乡村多能源系统边缘自治运行方法及系统
CN114519543B (zh) * 2022-04-21 2022-09-02 国网江西省电力有限公司电力科学研究院 一种乡村多能源系统边缘自治运行方法及系统

Similar Documents

Publication Publication Date Title
Yan et al. Hybrid energy storage capacity allocation method for active distribution network considering demand side response
CN103296754B (zh) 一种主动配电网分布式电源资源控制方法
CN107994595A (zh) 一种削峰填谷控制方法和系统以及应用该控制方法的系统
CN108667147B (zh) 一种含多微电网的柔性中压直流配电中心优化调度方法
Wang et al. Load curve smoothing strategy based on unified state model of different demand side resources
CN108306288A (zh) 一种基于需求侧响应的微网社区分布式能量分配方法
CN108808737A (zh) 促进可再生分布式电源消纳的主动配电网优化调度方法
CN108400593A (zh) 基于分层多代理技术的主动配电网电气模型建立方法
CN110311379A (zh) 一种功能性模块化微电网组网及灵活调控方法
CN105337301A (zh) 微电网并网点的选择方法和装置
CN112653188A (zh) 一种分布式能源系统及能源调度方法
Wei et al. Research on status and prospects of battery energy storage stations on energy internet
CN115036963A (zh) 一种提升配电网韧性的两阶段需求响应策略
CN112018790A (zh) 基于分层分布式储能参与需求响应调节控制方法
CN114825469A (zh) 一种分布式电源集群出力评估方法及系统
CN114825388A (zh) 一种基于源网荷储协同的新能源综合消纳调度方法
CN113629784A (zh) 一种农村配电网多目标优化调度方法
CN105426985B (zh) 一种适应于屋顶光伏接入的城市配电网电压分布优化方法
CN110955971B (zh) 基于改进遗传算法的电力弹簧优化配置方法
CN109286186A (zh) 一种主动配电网优化重构方法
CN115663791A (zh) 基于运行环境时变性的智能配电网多目标自适应调度方法
CN113131497B (zh) 电动汽车参与计划性孤岛的小水电微网功率平衡控制方法
Eissa et al. A novel approach for optimum allocation of Flexible AC Transmission Systems using Harmony Search technique
CN113675846A (zh) 基于聚合效应的配电网分布式储能优化调度方法
Jiang et al. Electricity optimal scheduling strategy considering multiple parks shared energy in the absence of grid power supply

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication