CN113705892A - 一种需求侧资源与智能软开关分布鲁棒联合规划方法 - Google Patents
一种需求侧资源与智能软开关分布鲁棒联合规划方法 Download PDFInfo
- Publication number
- CN113705892A CN113705892A CN202111001896.1A CN202111001896A CN113705892A CN 113705892 A CN113705892 A CN 113705892A CN 202111001896 A CN202111001896 A CN 202111001896A CN 113705892 A CN113705892 A CN 113705892A
- Authority
- CN
- China
- Prior art keywords
- demand side
- power
- soft switch
- load
- intelligent soft
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000004044 response Effects 0.000 claims abstract description 24
- 238000010276 construction Methods 0.000 claims abstract description 9
- 238000006467 substitution reaction Methods 0.000 claims abstract description 8
- 238000007405 data analysis Methods 0.000 claims abstract description 6
- 238000003672 processing method Methods 0.000 claims abstract description 5
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000005315 distribution function Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000013486 operation strategy Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000011160 research Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006798 recombination Effects 0.000 description 3
- 238000005215 recombination Methods 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003912 environmental pollution 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
- 230000008092 positive effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Algebra (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Power Engineering (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种需求侧资源与智能软开关分布鲁棒联合规划方法,该方法包括:以配电公司年综合费用最小为目标,提出需求侧资源和智能软开关确定性规划模型构建方法;基于多面体线性化技巧和等效替代技术,提出该确定性规划模型的线性化方法;基于历史数据分析,提出的分布式电源出力与需求侧资源响应结果不确定性处理方法,并针对上述两种不确定性提出需求侧资源和智能软开关分布鲁棒规划模型构建方法;基于列和约束生成算法,提出分布鲁棒规划模型的求解方法,从而得到需求侧资源与智能软开关的联合规划结果。本发明实施例提供的技术方案实现了不同规划对象的优势互补,既保证了规划方案经济性,也提高了分布式电源消纳能力。
Description
技术领域
本发明属于配电系统电网侧设备与负荷侧资源联合规划技术领域,涉及智能软开关与需求侧资源的容量配置和位置选择。
背景技术
在全球性能源资源短缺、环境污染加剧等大背景下,大力发展绿色、低碳、可持续的能源已成为世界各国的共识。作为可再生能源利用的重要手段之一,大量分布式电源接入配电网后,其波动性、间歇性、低可控性等问题给配电网安全可靠运行带来巨大挑战。为解决这一难题,以智能软开关为代表的柔性互联技术和以需求响应为代表的需求侧资源管理技术受到广泛关注,分别成为电网侧与负荷侧的关键元素。软开关可以平衡馈线负载、改善节点电压,需求响应则使得负荷性质由刚性转为柔性,变得灵活可控,研究两者一体化协同规划方法对提升可再生能源的消纳能力、实现碳中和的全球战略目标具有重要意义。
近年来,在智能软开关配置方面取得了很多研究成果,主要体现在从单一规划向协同规划的延伸。作为早期软开关研究的重点,单一规划建立了软开关的数学模型,同时实现了基于负载均衡、降低网损和改善电压质量的软开关优化配置。同时随着主动配电网的发展,配电网管理对象延拓至包含分布式电源、可控负荷等在内的分布式能源,为实现不同规划对象之间的优势互补和资源重组,协同规划方法也随之成为近年来软开关研究的热点。但是在当前智能软开关协同规划研究中,大量存在于主动配电网的灵活可控的需求侧资源没有得到充分重视。同时,对于间歇性分布式电源出力或用户需求响应的不确定性处理方法,目前主要集中于随机规划方法和鲁棒优化,但随机规划方法通常需要大量的离散场景,其求解耗时长,鲁棒优化方法由于考虑恶劣场景下的规划方案,其得到的规划方案往往会比较保守。近年来,分布鲁棒方法(DRO)引起国内外学者的广泛关注,可以结合随机规划和鲁棒优化的优点,通过寻找不确定性条件下的恶劣概率分布以处理不确定性因素,进而获得决策方案。传统的分布鲁棒方法采用矩信息表征概率分布的不确定性,通过拉格朗日对偶原理将其转化为半定规划,但求解过程复杂。基于历史数据的分布鲁棒方法由于其求解不用进行对偶化和表征矩信息而逐渐得到关注,在智能软开关规划运行中的应用相对匮乏。因此,将基于历史数据的分布鲁棒方法引入考虑源荷多重不确定性的需求侧资源与智能软开关规划联合规划问题具有重要研究价值。
发明内容
为了解决现有技术中存在的缺点和不足,本发明提出了一种需求侧资源与智能软开关分布鲁棒联合规划方法,解决当前尚无考虑需求侧资源与智能软开关的联合规划方法以及在上述规划中间歇性分布式电源出力和用户需求响应的不确定性尚未合理解决的问题。
具体的,本申请提出的需求侧资源与智能软开关分布鲁棒联合规划方法包括:
(1)以配电公司年综合费用最小为目标,提出需求侧资源和智能软开关确定性规划模型构建方法;
(2)基于多面体线性化技巧和等效替代技术,提出(1)中确定性规划模型的线性化方法;
(3)基于历史数据分析,提出的分布式电源出力与需求侧资源响应结果不确定性处理方法,进而在(1)中确定性规划模型的基础上提出考虑源荷多重不确定性的需求侧资源和智能软开关分布鲁棒规划模型构建方法;
(4)基于列和约束生成算法,提出(3)中分布鲁棒规划模型的求解方法,从而得到需求侧资源与智能软开关的联合规划结果。
所述步骤(1)以配电公司年综合费用最小为目标,提出需求侧资源和智能软开关确定性规划模型构建方法,包括:
1)建立确定性规划模型目标函数,具体为:
min F=CSOP+Crep+CDR+Ccur+Closs
其中,F为配电公司年综合费用;Csop为智能软开关等年值建设成本;CDR为需求侧资源一年的配置及调度成本;Ccur为分布式电源一年的弃风弃光成本;Closs为配电网一年的损耗成本;
其中,d为贴现率;m为SOP运行年限;CSOP,ca为SOP单位容量投资成本;NSOP为SOP安装总数;SSOPq为第q个SOP的安装容量;
Crep=η1Csop
其中,η1为SOP运行维护系数;
其中,ki为0-1变量,代表配电公司是否选择配电网节点i用户的需求侧资源;S为配电网节点总数;Xi和Yi分别为第i个负荷点的容量成本和电量成本;Cca为需求侧资源的单位容量成本;MDRi为第i个负荷点用户预留的响应容量;
不同需求侧资源的响应方式存在差异,从而导致配电公司调度的电量成本存在区别;
可平移负荷:
可削减负荷:
Yi=Ydec=CdecWdec
其中,Pshift,z,t为可平移负荷第z天t时刻受到调度的有功功率;Pshift,z,t+t0为第z天t+t0时刻负荷平移后的有功功率;tstart和tend分别为可平移负荷的起始时刻和结束时刻;t0为配电公司调度可平移负荷的时间,代表起始时刻和结束时刻之间的时长;Cshift为单位负荷平移的补贴;Yshift为一年内可平移负荷总补贴;ΔT为1h;NY为一年内的总天数;Pdec,z,t为可削减负荷第z天t时刻受到调度的有功功率;tdec为配电公司调度可削减负荷的时刻;Wdec为配电公司一年内调度可削减负荷的总功率;Cdec为单位负荷削减的补贴;Ydec为一年内可平移负荷总补贴;
其中,λDGcur为弃风弃光的单位成本;Pcuri,t为t时刻弃风弃光的功率;NT为8760h;
其中,Iij,t为t时刻流过支路ij的电流;rij为支路ij的电阻;Ωa为支路ij的集合;PSlossq,t为第q个SOP的能量传输损耗;Ploss,t为t时刻配电网损耗功率;λloss为配电网损耗的单位成本;
2)建立确定性规划模型的约束条件,具体为:
(a)智能软开关功率约束
PSOPi,t+PSOPj,t+PSloss,t=0
PSloss,t=A(|PSOPi,t|+|PSOPj,t|)
其中,i和j分别为智能软开关的连接点;PSOPi,t和PSOPj,t为智能软开关两个换流器注入的有功功率;A是换流器的损耗系数;
(b)智能软开关容量约束
SSOPi=SSOPj
SSOPi+SSOPj=SSOPq
其中,QSOPi,t和QSOPj,t为智能软开关两个换流器注入的无功功率;SSOPi和SSOPj为连接到节点i和j的换流器容量;
(c)节点功率平衡约束
其中,Pi,t和Qi,t分别为t时刻节点i处注入的有功功率和无功功率;Ploadi,t和Qloadi,t分别为t时刻节点i处负荷的有功功率和无功功率;PDGi,t为t时刻节点i处分布式电源的有功功率;Qshifti,t和Qdeci,t分别为t时刻节点i处可平移负荷和可削减负荷的无功功率;
(d)配电网潮流约束
其中,Ui,t和Uj,t分别为t时刻节点i和j处的电压;θij,t为t时刻节点i和j的相角差;Gij、Bij、Gii和Bii分别为节点导纳矩阵中的互电导、互电纳、自电导和自电纳;Ωb为与节点i相连节点的集合;
(e)节点电压约束
(f)需求侧资源约束
MDRi≤τPmaxi
PDRi,t≤MDRi
其中,Pmaxi为节点i的负荷峰值;τ为需求侧资源占负荷量的最大比例;PDRi,t为节点i在t时刻负荷平移或负荷削减的功率;xdec,t为二进制变量,当配电公司选择该节点i的负荷作为需求侧资源时,其数值为1;TLdec为可削减负荷的时间上限;
所述步骤(2)基于多面体线性化技巧和等效替代技术,提出(1)中确定性规划模型的线性化方法,包括:
1)利用Di、Eij和Fij对配电网潮流约束中的变量进行等效替换,具体包括:
得到线性化的配电网潮流约束;
2)利用多面体线性化技术对智能软开关容量约束进行处理,具体包括:
x0≥|PSOPi|,y0≥|QSOPi|
其中,xn和yn均为辅助变量;μ为松弛系数;
利用上述公式可以把关于变量(PSOPi、QSOPi、SSOPi)的智能软开关容量约束(二阶锥约束)近似等价于一组关于变量(PSOPi、QSOPi、SSOPi、x0)和n+1个变量(yn,n=0,1,…,N)的线性不等式约束;
所述步骤(3)基于历史数据分析,提出的分布式电源出力与需求侧资源响应结果不确定性处理方法,进而在(1)中确定性规划模型的基础上提出考虑源荷多重不确定性的需求侧资源和智能软开关分布鲁棒规划模型构建方法,包括:
面对实际场景,采用场景削减技术,在已获得的M个历史样本中筛选中N个较恶劣的离散场景值(δ1,δ2,…,δN)来表征分布式电源出力与需求侧资源响应结果的可能值,并得到各离散场景的初始概率分布ps 0;
基于步骤(1)中建议的确定性规划模型,构建考虑源荷多重不确定性的需求侧资源与智能软开关分布鲁棒联合规划模型;
所构建模型包括两个阶段,第一阶段是投资阶段,确定合理的软开关与需求侧资源的位置及容量选择;第二阶段是运行阶段,在已知第一阶段投资方案下,确定合理的软开关与需求侧资源运行策略;
1)建立分布鲁棒规划模型目标函数,具体为:
其中,第一阶段变量用c表示,包括软开关和需求侧资源的规划方案;第二阶段变量用d表示,包括软开关运行功率、需求侧资源响应功率以及弃风弃光量等运行变量;ps为各离散场景实际概率分布;δs为场景s中分布式电源出力与需求响应功率的预测值;ψ为概率分布函数满足的集合;Gc为第一阶段规划成本;Hds+Kδs为第二阶段运行成本;
2)建立分布鲁棒规划模型约束条件,具体为步骤(1)中的智能软开关功率约束、智能软开关容量约束、节点功率平衡约束、配电网潮流约束、节点电压约束、需求侧资源约束以及场景概率分布约束;
场景概率分布约束,具体为:
其中,ps 0为由调度系统可用历史数据筛选得到的第s个离散场景的初始概率分布;α1与α∞分别为1-范数和∞-范数两个约束条件满足的不确定性置信度参数;γ1与γ∞分别为各离散场景实际概率与初始概率在1-范数和∞-范数两个约束条件下允许的偏差限值;
所述步骤(4)基于列和约束生成算法,提出(3)中分布鲁棒规划模型的求解方法,包括:
采用CCG算法将模型分解成主问题(MP)和子问题(SP)进行反复迭代求解,具体包括:
步骤i:设置迭代下界值为0,上界值为+∞,r=1;
步骤ii:建立主问题,即在已知的有限恶劣概率分布下获得满足条件的最优解;求解结果更新迭代下界值;
其中,r为迭代次数;
步骤iii:建立子问题,即在给定的第一阶段变量c*后寻找到最恶劣的概率分布ps;
其中,子问题中各场景下的内层min优化问题相互独立,且根据权利要求3所述方法转化为混合整数线性规划问题;
步骤iv:对各场景下的内层min优化问题同时计算求解,得到第s个场景下求得的内层优化目标值f(c*,ds*,δs),将子问题改写为:
步骤v:转化后的子问题为线性形式,利用商业求解器实现快速求解并将最优解的ps传递给上层主问题,求解结果更新迭代上界值;
步骤vi:更新r=r+1,计算上界值与下界值的偏差,若偏差小于阈值,迭代结束;否则,返回步骤ii重新迭代计算;
有益效果:
(1)提出了需求侧资源和智能软开关联合确定性规划模型构建方法,实现电网侧设备与负荷侧资源之间的优势互补和资源重组;
(2)基于历史数据分析,提出分布式电源出力与需求侧资源响应结果不确定性处理方法,并提出需求侧资源和智能软开关分布鲁棒规划模型构建方法,更为妥善地解决源荷多重不确定性问题;
(3)利用等效替代与多面体线性化技巧分别处理配电网潮流约束与智能软开关容量约束,将需求侧资源和智能软开关分布鲁棒规划模型转化为混合整数线性规划,运用列和约束生成算法和CPLEX求解器实现快速求解。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的需求侧资源与智能软开关分布鲁棒联合规划方法求解流程图
图2为本实施案例中规划区配电系统结构图
具体实施方式
为使本发明的结构和优点更加清楚,下面将结合附图对本发明的结构作进一步地描述。
结合图1详细阐述本发明所提一种需求侧资源与智能软开关分布鲁棒联合规划方法整体求解流程,具体步骤如下:
Step1:输入规划区域信息;
Step2:收集M个历史样本,筛选N个较恶劣的离散场景值(δ1,δ2,…,δN)来表征分布式电源出力与需求侧资源响应结果的可能值,并得到各离散场景的初始概率分布ps 0;
Step3:以经济性最优构建需求侧资源与智能软开关分布鲁棒联合规划模型;
Step4:利用等效替代与多面体线性化技巧分别处理配电网潮流约束与智能软开关容量约束,将需求侧资源和智能软开关分布鲁棒规划模型转化为混合整数线性规划;
Step5:运用列和约束生成算法和CPLEX求解器实现快速求解;
规划区域如附图中图2所示,其中主要包含商业、行政及居住三类负荷,共计130个负荷点。配电线路参数如表1所示。智能软开关(SOP)相关参数如表2所示。不同类型的负荷需求响应参数如表3。一天内配电公司对两类负荷调度时长的上限均为3h。分布式电源渗透率为60%,分布鲁棒模型的置信度α1与α∞均为0.95。设置三个方案说明本发明所提需求侧资源与智能软开关联合规划的合理性,方案1仅考虑需求侧资源;方案2仅考虑智能软开关;方案3综合考虑需求侧资源与智能软开关。
表1配电网线路数据
表2 SOP相关参数
表3负荷需求响应参数
表4不同规划方案的经济成本对比万元
表5 SOP选址定容结果
分别对比方案1和规划前的结果、方案2和规划前的结果,可以发现需求侧资源管理和智能软开关配置均起到了提高分布式电源渗透率、降低网络损耗的积极功效。其中方案1相比规划前总成本减少了12.12万元,弃风弃光成本减少了7.03万元,损耗成本减少了17.16万元;方案2相比规划前总成本减少了28.08万元,弃风弃光成本减少了9.62万元,损耗成本减少了36.26万元。方案2和方案1相对而言,单独规划SOP的效果更为明显。这是因为SOP可以从有功功率和无功功率两方面改善配电系统的运行现状,既能够实现有功调控、平衡馈线负载、降低网络损耗,又能够提供无功支撑、降低节点电压、提高新能源渗透率。
进一步对比方案3和方案1的结果、方案3和方案2的结果,可以发现需求侧资源与SOP联合规划方案在实现分布式电源完全消纳的基础上,进一步降低了网络损耗和投资总成本。这说明联合规划对实现不同规划对象之间的优势互补和资源重组具有重大意义。
上述实施例中的各个序号仅仅为了描述,不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本发明的实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种需求侧资源与智能软开关分布鲁棒联合规划方法,其特征在于,所述方法包括:
步骤1:以配电公司年综合费用最小为目标的需求侧资源和智能软开关确定性规划模型构建方法;
步骤2:基于多面体线性化技巧和等效替代技术的上述确定性规划模型线性化方法;
步骤3:基于历史数据分析的分布式电源出力与需求侧资源响应结果不确定性处理方法和考虑上述两种不确定性的需求侧资源和智能软开关分布鲁棒规划模型构建方法;
步骤4:基于列和约束生成算法的分布鲁棒规划模型求解方法,最终输出需求侧资源与智能软开关的联合规划结果。
2.针对权利要求1所述一种需求侧资源与智能软开关分布鲁棒联合规划方法,其特征在于,步骤1所述的确定性规划模型构建方法综合考虑了需求侧资源和智能软开关容量配置及运行方案,具体包括:
建立确定性规划模型目标函数,具体为:
min F=CSOP+Crep+CDR+Ccur+Closs
其中,F为配电公司年综合费用;Csop为智能软开关等年值建设成本;CDR为需求侧资源一年的配置及调度成本;Ccur为分布式电源一年的弃风弃光成本;Closs为配电网一年的损耗成本;
其中,d为贴现率;m为SOP运行年限;CSOP,ca为SOP单位容量投资成本;NSOP为SOP安装总数;SSOPq为第q个SOP的安装容量;
Crep=η1Csop
其中,η1为SOP运行维护系数;
其中,ki为0-1变量,代表配电公司是否选择配电网节点i用户的需求侧资源;S为配电网节点总数;Xi和Yi分别为第i个负荷点的容量成本和电量成本;Cca为需求侧资源的单位容量成本;MDRi为第i个负荷点用户预留的响应容量;
不同需求侧资源的响应方式存在差异,从而导致配电公司调度的电量成本存在区别;
可平移负荷:
可削减负荷:
Yi=Ydec=CdecWdec
其中,Pshift,z,t为可平移负荷第z天t时刻受到调度的有功功率;Pshift,z,t+t0为第z天t+t0时刻负荷平移后的有功功率;tstart和tend分别为可平移负荷的起始时刻和结束时刻;t0为配电公司调度可平移负荷的时间,代表起始时刻和结束时刻之间的时长;Cshift为单位负荷平移的补贴;Yshift为一年内可平移负荷总补贴;ΔT为1h;NY为一年内的总天数;Pdec,z,t为可削减负荷第z天t时刻受到调度的有功功率;tdec为配电公司调度可削减负荷的时刻;Wdec为配电公司一年内调度可削减负荷的总功率;Cdec为单位负荷削减的补贴;Ydec为一年内可平移负荷总补贴;
其中,λDGcur为弃风弃光的单位成本;Pcuri,t为t时刻弃风弃光的功率;NT为8760h;
其中,Iij,t为t时刻流过支路ij的电流;rij为支路ij的电阻;Ωa为支路ij的集合;PSlossq,t为第q个SOP的能量传输损耗;Ploss,t为t时刻配电网损耗功率;λloss为配电网损耗的单位成本;
建立确定性规划模型的约束条件,具体为:
(1)智能软开关功率约束
PSOPi,t+PSOPj,t+PSloss,t=0
PSloss,t=A(|PSOPi,t|+|PSOPj,t|)
其中,i和j分别为智能软开关的连接点;PSOPi,t和PSOPj,t为智能软开关两个换流器注入的有功功率;A是换流器的损耗系数;
(2)智能软开关容量约束
SSOPi=SSOPj
SSOPi+SSOPj=SSOPq
其中,QSOPi,t和QSOPj,t为智能软开关两个换流器注入的无功功率;SSOPi和SSOPj为连接到节点i和j的换流器容量;
(3)节点功率平衡约束
其中,Pi,t和Qi,t分别为t时刻节点i处注入的有功功率和无功功率;Ploadi,t和Qloadi,t分别为t时刻节点i处负荷的有功功率和无功功率;PDGi,t为t时刻节点i处分布式电源的有功功率;Qshifti,t和Qdeci,t分别为t时刻节点i处可平移负荷和可削减负荷的无功功率;
(4)配电网潮流约束
其中,Ui,t和Uj,t分别为t时刻节点i和j处的电压;θij,t为t时刻节点i和j的相角差;Gij、Bij、Gii和Bii分别为节点导纳矩阵中的互电导、互电纳、自电导和自电纳;Ωb为与节点i相连节点的集合;
(5)节点电压约束
(6)需求侧资源约束
MDRi≤τPmaxi
PDRi,t≤MDRi
其中,Pmaxi为节点i的负荷峰值;τ为需求侧资源占负荷量的最大比例;PDRi,t为节点i在t时刻负荷平移或负荷削减的功率;xdec,t为二进制变量,当配电公司选择该节点i的负荷作为需求侧资源时,其数值为1;TLdec为可削减负荷的时间上限;
3.针对权利要求2所述一种需求侧资源与智能软开关分布鲁棒联合规划方法,其特征在于,步骤2的基于多面体线性化技巧和等效替代技术中所述确定性规划模型线性化方法;
权利要求2所述确定性规划模型中的非线性项包括两个部分,分别是配电网潮流约束和智能软开关容量约束,对应分别采用等效替代和多面体线性化技术对两个约束条件线性化,从而将原权利要求2中所述模型转化为混合整数线性规划模型;
利用Di、Eij和Fij对配电网潮流约束中的变量进行等效替换,具体包括:
得到线性化的配电网潮流约束;
利用多面体线性化技术对智能软开关容量约束进行处理,具体包括:
x0≥|PSOPi|,y0≥|QSOPi|
其中,xn和yn均为辅助变量;μ为松弛系数;
利用上述公式可以把关于变量(PSOPi、QSOPi、SSOPi)的智能软开关容量约束(二阶锥约束)近似等价于一组关于变量(PSOPi、QSOPi、SSOPi、x0)和n+1个变量(yn,n=0,1,…,N)的线性不等式约束;
4.根据权利要求1所述一种需求侧资源与智能软开关分布鲁棒联合规划方法,其特征在于,步骤3的基于历史数据分析的分布式电源出力与需求侧资源响应结果不确定性处理方法和考虑上述不确定性的需求侧资源和智能软开关分布鲁棒规划模型构建方法;
面对实际场景,权利要求2所述确定性规划模型中分布式电源出力与需求侧资源响应结果均存在不确定性,需要采用场景削减技术,在已获得的M个历史样本中筛选中N个较恶劣的离散场景值(δ1,δ2,…,δN)来表征分布式电源出力与需求侧资源响应结果的可能值,并得到各离散场景的初始概率分布ps 0;
基于权利要求2所述确定性规划模型,构建考虑源荷多重不确定性的需求侧资源与智能软开关分布鲁棒联合规划模型;
所构建模型包括两个阶段,第一阶段是投资阶段,确定合理的软开关与需求侧资源的位置及容量选择;第二阶段是运行阶段,在已知第一阶段投资方案下,确定合理的软开关与需求侧资源运行策略;
建立分布鲁棒规划模型目标函数,具体为:
其中,第一阶段变量用c表示,包括软开关和需求侧资源的规划方案;第二阶段变量用d表示,包括软开关运行功率、需求侧资源响应功率以及弃风弃光量等运行变量;ps为各离散场景实际概率分布;δs为场景s中分布式电源出力与需求响应功率的预测值;ψ为概率分布函数满足的集合;Gc为第一阶段规划成本;Hds+Kδs为第二阶段运行成本;
建立分布鲁棒规划模型约束条件,具体为权利要求2中的智能软开关功率约束、智能软开关容量约束、节点功率平衡约束、配电网潮流约束、节点电压约束、需求侧资源约束以及场景概率分布约束;
场景概率分布约束,具体为:
其中,ps 0为由调度系统可用历史数据筛选得到的第s个离散场景的初始概率分布;α1与α∞分别为1-范数和∞-范数两个约束条件满足的不确定性置信度参数;γ1与γ∞分别为各离散场景实际概率与初始概率在1-范数和∞-范数两个约束条件下允许的偏差限值;
5.针对权利要求1所述一种需求侧资源与智能软开关分布鲁棒联合规划方法,其特征在于,步骤4的基于列和约束生成算法,提出权利要求4中考虑源荷多重不确定性的需求侧资源与智能软开关分布鲁棒联合规划的求解方法;
采用CCG算法将模型分解成主问题(MP)和子问题(SP)进行反复迭代求解,具体包括:
步骤i:设置迭代下界值为0,上界值为+∞,r=1;
步骤ii:建立主问题,即在已知的有限恶劣概率分布下获得满足条件的最优解;求解结果更新迭代下界值;
其中,r为迭代次数;
步骤iii:建立子问题,即在给定的第一阶段变量c*后寻找到最恶劣的概率分布ps;
其中,子问题中各场景下的内层min优化问题相互独立,且根据权利要求3所述方法转化为混合整数线性规划问题;
步骤iv:对各场景下的内层min优化问题同时计算求解,得到第s个场景下求得的内层优化目标值f(c*,ds*,δs),将子问题改写为:
步骤v:转化后的子问题为线性形式,利用商业求解器实现快速求解并将最优解的ps传递给上层主问题,求解结果更新迭代上界值;
步骤vi:更新r=r+1,计算上界值与下界值的偏差,若偏差小于阈值,迭代结束;否则,返回步骤ii重新迭代计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111001896.1A CN113705892B (zh) | 2021-08-30 | 2021-08-30 | 一种需求侧资源与智能软开关分布鲁棒联合规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111001896.1A CN113705892B (zh) | 2021-08-30 | 2021-08-30 | 一种需求侧资源与智能软开关分布鲁棒联合规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113705892A true CN113705892A (zh) | 2021-11-26 |
CN113705892B CN113705892B (zh) | 2023-08-15 |
Family
ID=78656530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111001896.1A Active CN113705892B (zh) | 2021-08-30 | 2021-08-30 | 一种需求侧资源与智能软开关分布鲁棒联合规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113705892B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114362188A (zh) * | 2022-01-07 | 2022-04-15 | 天津大学 | 基于深度强化学习的多端智能软开关电压控制方法 |
CN115147016A (zh) * | 2022-09-01 | 2022-10-04 | 国网浙江省电力有限公司宁波供电公司 | 考虑低碳效益的分布式电源和需求侧资源联合规划方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6021402A (en) * | 1997-06-05 | 2000-02-01 | International Business Machines Corporaiton | Risk management system for electric utilities |
CN105449713A (zh) * | 2015-12-11 | 2016-03-30 | 天津大学 | 考虑分布式电源特性的有源配电网智能软开关规划方法 |
CN106655226A (zh) * | 2016-11-18 | 2017-05-10 | 天津大学 | 基于智能软开关的有源配电网不对称运行优化方法 |
CN108494015A (zh) * | 2018-02-09 | 2018-09-04 | 中国科学院电工研究所 | 一种源-荷-储协调互动的综合能源系统设计方法 |
CN108832665A (zh) * | 2018-07-04 | 2018-11-16 | 四川大学 | 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度模型 |
CN110032828A (zh) * | 2019-05-10 | 2019-07-19 | 四川大学 | 一种计及需求响应柔性调节的配电网两阶段分布鲁棒dg优化配置线性方法 |
CN110263391A (zh) * | 2019-05-31 | 2019-09-20 | 广东电网有限责任公司 | 一种基于机会约束的有源配电网智能软开关规划方法 |
CN112132427A (zh) * | 2020-09-10 | 2020-12-25 | 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 |
CN112234653A (zh) * | 2020-12-10 | 2021-01-15 | 华东交通大学 | 一种基于可拓距k-均值聚类的风储联合优化配置方法 |
CN112785184A (zh) * | 2021-01-29 | 2021-05-11 | 四川大学 | 考虑需求响应的源网荷协调分布鲁棒长期扩展规划方法 |
-
2021
- 2021-08-30 CN CN202111001896.1A patent/CN113705892B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6021402A (en) * | 1997-06-05 | 2000-02-01 | International Business Machines Corporaiton | Risk management system for electric utilities |
CN105449713A (zh) * | 2015-12-11 | 2016-03-30 | 天津大学 | 考虑分布式电源特性的有源配电网智能软开关规划方法 |
CN106655226A (zh) * | 2016-11-18 | 2017-05-10 | 天津大学 | 基于智能软开关的有源配电网不对称运行优化方法 |
CN108494015A (zh) * | 2018-02-09 | 2018-09-04 | 中国科学院电工研究所 | 一种源-荷-储协调互动的综合能源系统设计方法 |
CN108832665A (zh) * | 2018-07-04 | 2018-11-16 | 四川大学 | 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度模型 |
CN110032828A (zh) * | 2019-05-10 | 2019-07-19 | 四川大学 | 一种计及需求响应柔性调节的配电网两阶段分布鲁棒dg优化配置线性方法 |
CN110263391A (zh) * | 2019-05-31 | 2019-09-20 | 广东电网有限责任公司 | 一种基于机会约束的有源配电网智能软开关规划方法 |
CN112132427A (zh) * | 2020-09-10 | 2020-12-25 | 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 |
CN112234653A (zh) * | 2020-12-10 | 2021-01-15 | 华东交通大学 | 一种基于可拓距k-均值聚类的风储联合优化配置方法 |
CN112785184A (zh) * | 2021-01-29 | 2021-05-11 | 四川大学 | 考虑需求响应的源网荷协调分布鲁棒长期扩展规划方法 |
Non-Patent Citations (1)
Title |
---|
黄家祺;张宇威;贺继锋;颜炯;朱旭;杨军;: "一种考虑极限场景的配电网鲁棒扩展规划方法", 电力建设, no. 07 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114362188A (zh) * | 2022-01-07 | 2022-04-15 | 天津大学 | 基于深度强化学习的多端智能软开关电压控制方法 |
CN114362188B (zh) * | 2022-01-07 | 2023-06-02 | 天津大学 | 基于深度强化学习的多端智能软开关电压控制方法 |
CN115147016A (zh) * | 2022-09-01 | 2022-10-04 | 国网浙江省电力有限公司宁波供电公司 | 考虑低碳效益的分布式电源和需求侧资源联合规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113705892B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109888835B (zh) | 一种基于改进粒子群的分布式光伏配电网规划方法 | |
Morvaj et al. | Optimization framework for distributed energy systems with integrated electrical grid constraints | |
del Real et al. | Combined environmental and economic dispatch of smart grids using distributed model predictive control | |
CN107832905B (zh) | 一种适应分布式发电和储能站发展的配电网规划方法 | |
CN113705892A (zh) | 一种需求侧资源与智能软开关分布鲁棒联合规划方法 | |
CN109598433A (zh) | 考虑弃能成本和调峰需求的送端电网电源结构规划方法 | |
CN107147146A (zh) | 一种基于联合多微网的分布式能量管理优化方法及装置 | |
Del Pero et al. | Modelling of an Integrated multi-energy system for a nearly Zero Energy Smart District | |
CN116388153A (zh) | 一种有源配电网中柔性互联装备优化配置方法 | |
Wouters et al. | A multi-objective framework for cost-unavailability optimisation of residential distributed energy system design | |
CN115130745A (zh) | 变频空调负荷参与输配电网备用分布式协调优化配置方法 | |
Yang et al. | Storage-transmission joint planning method to deal with insufficient flexibility and transmission congestion | |
CN111724064A (zh) | 一种基于改进免疫算法的含储能配电网规划方法 | |
Han et al. | Optimal operation of soft-open points for high penetrated distributed generations on distribution networks | |
CN112116131B (zh) | 计及碳排放的综合能源系统多层级优化方法 | |
CN115082256A (zh) | 一种区域综合能源系统站网协同分期扩展规划方法及系统 | |
CN113393038A (zh) | 一种综合能源站网及需求响应协同的规划方法 | |
MORVAJ et al. | Bi-level optimisation of distributed energy systems incorporating non-linear power flow constraints | |
Firdous et al. | Extended power to hydrogen operations for enhanced grid flexibility in low carbon systems | |
Morvaj | Holistic optimisation of distributed multi energy systems for low carbon urban areas | |
Chen et al. | Two‐stage self‐adaption security and low‐carbon dispatch strategy of energy storage systems in distribution networks with high proportion of photovoltaics | |
CN113988668B (zh) | 一种考虑源荷多重不确定性的软开关规划方法 | |
Shen et al. | Multi-objective Urban Electricity Network Transition Considering Generation Retirement | |
Lin et al. | A Method for High-voltage Distribution Network Structure Planning Based on the Optimal Division of Power Supply Units | |
OMU et al. | Energy hub modeling for the design of solar thermal energy systems with short-term and long-term storage |
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 |