CN113904349A - 一种考虑负荷主客观属性的孤岛微电网低频减载方法 - Google Patents

一种考虑负荷主客观属性的孤岛微电网低频减载方法 Download PDF

Info

Publication number
CN113904349A
CN113904349A CN202111235767.9A CN202111235767A CN113904349A CN 113904349 A CN113904349 A CN 113904349A CN 202111235767 A CN202111235767 A CN 202111235767A CN 113904349 A CN113904349 A CN 113904349A
Authority
CN
China
Prior art keywords
load
weight
objective
subjective
frequency
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
CN202111235767.9A
Other languages
English (en)
Inventor
王灿
褚四虎
应宇辰
凌凯
王傲奇
徐恒山
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.)
China Three Gorges University CTGU
Original Assignee
China Three Gorges University CTGU
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 China Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN202111235767.9A priority Critical patent/CN113904349A/zh
Publication of CN113904349A publication Critical patent/CN113904349A/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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • 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
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/388—Islanding, i.e. disconnection of local power supply from the 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
    • 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

一种考虑负荷主客观属性的孤岛微电网低频减载方法，包括以下步骤：构建微网负荷模型，计算低频减载综合代价最优目标函数；基于熵值法计算负荷客观权值；基于层次分析法计算负荷主观权值；利用相对熵将负荷客观权值向量和负荷主观权值向量进行两两耦合，得到负荷的综合权值向量，带入目标函数以确定最优减载方案。该方法不仅可以显著的降低减载成本和频率波动幅度，保证重要负荷的供电可靠性，而且还充分考虑到了负荷的客观数据以及用户对负荷属性偏好。

Description

一种考虑负荷主客观属性的孤岛微电网低频减载方法
技术领域
本发明属于微电网低频减载技术领域，具体涉及一种考虑负荷主客观属性的孤岛微电网低频减载方法。
背景技术
微电网作为分布式发电接入配电网的有效途径之一，不仅能满足用户日益增长的电力需求，而且还促进分布式能源的就地消耗。微电网通过协调分布式电源和负荷能够确保系统稳定运行。然而，分布式电源出力具有间歇性且微电网具有低惯性的特点。当微电网遭受外部扰动而不能满足负荷功率需求时，系统频率会迅速下降，甚至导致系统崩溃。在孤岛微电网中，为了达到供需平衡，切负荷是不可避免的措施。为避免微电网遭受扰动后可能发生崩溃的情况，有必要对微电网减载方案进行深入的研究。
现有技术文献中：
文献[1]：Coordinated VAR Planning for Voltage Stability Enhancement ofa Wind-Energy Power System Considering Multiple Resilience Indices(Yuan Chi,Yan Xu,Tao Ding.Coordinated VAR Planning for Voltage Stability Enhancement ofa Wind-Energy Power System Considering Multiple Resilience Indices[J].IEEETransactions on Sustainable Energy,2020,11(4):2367-2379.)提出了一种基于无功电压源的规划模型。该模型通过协调电容组和静止无功补偿器以降低减载成本，并保证了优先级较高的负荷持续供电。但是该控制策略没有考虑不同负荷类型对所提减载策略的影响。
文献[2]：Voltage and Frequency Recovery in an Islanded Inverter-BasedMicrogrid Considering Load Type and Power Factor(Soleiman Rahmani,AfshinRezaei-Zare,Mina Rezaei-Zare,et al Voltage and Frequency Recovery in anIslanded Inverter-Based Microgrid Considering Load Type and Power Factor[J].IEEE Transaction on Smart Grid,2019,10(6):6237-6247.)提出了一种基于电压和频率的减载方法，该方法通过最小二乘法决策来确定孤岛微网中最合适的减载量。但是该方法中系统负荷模型中只考虑了电压，其减载过程中也没有考虑用户对负荷多种属性的偏好。
文献[3]：Dynamic Simulation-Based Analysis of a New Load SheddingScheme for a Notional Destroyer-Class Shipboard Power System(Zhiping Ding,Sanjeev K.Srivastava,David A.Cartes,et al.,Dynamic Simulation-Based Analysisof a New Load Shedding Scheme for a Notional Destroyer-Class Shipboard PowerSystem[J].IEEE Transactions on Industry Applications,2009,45(3):1166-1174.)提出一种基于专家系统的船舶电力系统减载方案，该方案通过管理员对负荷脱落可能造成的影响进行主观评价从而得到各负荷权值，通过切除权值较低的负荷进而提高系统效益。但是该方案仅从单一角度考虑了负荷对系统运行或用户的影响，忽略了用户和负荷客观信息的双重重要性，不足以反映因切除负荷带来的综合影响。
发明内容
为解决上述技术问题，本发明提供一种考虑负荷主客观属性的孤岛微电网低频减载方法，通过负荷本身蕴含的客观数据以及用户对负荷属性的偏好来量化负荷的综合价值，克服了目前单一赋权的缺点。该方法不仅可以实现较低成本的低频减载成本，而且保证了重要的供电可靠性以及频率稳定性。
本发明采取的技术方案为：
一种考虑负荷主客观属性的孤岛微电网低频减载方法，针对求解负荷主客观综合权值问题，采用熵值法和层次分析法对负荷本身的多种属性以及用户对负荷属性的偏好进行评价以得到负荷的客、主观权值。然后，通过相对熵耦合负荷主、客观权值以得到负荷的综合权值，进而确定减载顺序；构建低频减载综合代价最优目标函数，并采用灰狼算法对目标函数进行求解以得到最优减载策略。
一种考虑负荷主客观属性的孤岛微电网低频减载方法，包括以下步骤：
步骤1：构建微网负荷模型，计算低频减载综合代价最优目标函数；
步骤2：基于熵值法计算负荷客观权值；
步骤3：基于层次分析法计算负荷主观权值；
步骤4：利用相对熵将负荷客观权值向量和负荷主观权值向量进行两两耦合，得到负荷的综合权值向量，带入目标函数以确定最优减载方案。
所述步骤1中，微网负荷模型表示为：
Figure BDA0003317446110000021
其中：PL_A为负荷的实际有功功率；PLN为负荷的额定有功功率；f是系统实际频率；fN是系统额定频率；ai为
Figure BDA0003317446110000022
的n次方成正比的负荷占额定负荷的比例，a0+a1+…+an＝1。
所述步骤1中，最优目标函数表示为：
Figure BDA0003317446110000031
其中：W为实施低频减载的总代价；m为微网中参与减载的负荷个数；ci为负荷i的综合权值；PCLi为负荷i切除的有功功率。
目标函数约束表示为：
Figure BDA0003317446110000032
PCLi,min≤PCLi≤PCLi,max
其中：Pi(t)、Qi(t)分别为t时刻节点i的有功功率、无功功率；Ui(t)、Uj(t)分别为节点i和节点j的电压幅值；θij(t)为节点i和节点j之间的相位差；Gij、Bij分别为节点i和节点j之间的电导、电纳；PCLi,min、PCLi,max分别为负荷i的最小和最大的切负荷功率。
所述步骤2中，评估对象指标的熵值计算表示为：
Figure BDA0003317446110000033
其中：Ej为评估对象第j个指标的熵值且0≤Ej≤1；Pij为第i个评估对象的第j个指标值占所有评估指标的比重；m为评估对象的总数；k>0且
Figure BDA0003317446110000034
所述步骤2中，负荷客观权值计算公式为：
Figure BDA0003317446110000035
其中：O为负荷的客观权值；m为评估对象的总数；Pij为第i个评估对象的第j个指标值占所有评估指标的比重；gj为第j个评估对象的指标权值；oi为负荷i的客观权值。
所述步骤3中，负荷主观权值计算如下：
构造判断矩阵，其判断矩阵可表示为：
B＝(bij)n×n
其中：B为判断矩阵，n为判断矩阵的阶数，bij为i指标与j指标之间的对比结果。
进行一致性检验，其一致性指标可表示为：
CI＝(λmax-n)/(n-1)
其中：CI为一致性指标，n为判断矩阵的阶数，λmax是矩阵B中的最大特征值。
计算递阶层次结构方案层相对于目标层的综合权重，其对目标层的权重可表示为：
Figure BDA0003317446110000041
其中：sx表示第x个方案对目标层的权重，sj表示准则层第j个准则对目标层的准则权重，sxj表示第x个方案相对于第j个准则的方案权重。
其主观权值计算公式为：
S＝(s1…si…sm)
其中：si为基于层次分析法得到的第i个负荷的权值，将其作为负荷i的主观权值。
所述步骤4中，综合权值向量求解表示为：
Figure BDA0003317446110000042
Figure BDA0003317446110000043
通过拉格朗日乘数法对上式求解，其最优解可表示为：
Figure BDA0003317446110000044
其中，C为负荷的综合权值向量；m为负荷的个数；oi、si、ci分别为客观权值向量O、主观权值向量S、综合权值向量C中的第i项；
其综合权值可表示为：
C＝(c1…ci…cm)
其中：C为负荷的综合权值向量；ci为负荷i的综合权值。
所述步骤4中，最优减载方案的确定如下：
将负荷i的综合权值作为其减载的依据带入目标函数，通过灰狼算法最小化目标函数来求取满足约束条件下的最优减载方案：
其目标函数可表示为：
Figure BDA0003317446110000045
其约束条件可表示为：
Figure BDA0003317446110000046
PCLi,min≤PCLi≤PCLi,max
其中：W为实施低频减载的总代价；PCLi为负荷i切除的有功功率；m为负荷个数；ci为负荷i的综合权值；Pi(t)、Qi(t)分别为t时刻节点i的有功功率、无功功率；Ui(t)、Uj(t)分别为节点i和节点j的电压幅值；θij(t)为节点i和节点j之间的相位差；Gij、Bij分别为节点i和节点j之间的电导、电纳；PCLi,min、PCLi,max分别为负荷i的最小和最大切负荷功率。
本发明一种考虑负荷主客观属性的孤岛微电网低频减载方法，技术效果如下：
1)该方法能够在弥补微网内功率缺额的同时兼顾负荷的客观属性和用户的主观偏好。
2)本发明方法不仅可以显著的降低减载成本和频率波动幅度，保证重要负荷的供电可靠性，而且还充分考虑到了负荷的客观数据以及用户对负荷属性偏好。
3)本发明方法在应对微网内联络线功率缺额问题时，能够有效保持系统内重要负荷的供电可靠性以及维持系统电压和频率的稳定。
附图说明
图1是负荷综合权值计算流程图。
图2是改进的IEEE-37节点的微电网拓扑结构图。
图3(a)为孤岛切换时刻微网内负荷有功突然增加0.3倍时的减载频率波形图；
图3(b)为孤岛切换时刻微网内DG2发电机因故障退出运行的减载频率波形图。
具体实施方式
一种考虑负荷主客观属性的孤岛微电网低频减载方法，针对求解负荷主客观综合权值问题，采用熵值法和层次分析法对负荷本身的多种属性以及用户对负荷属性的偏好进行评价以得到负荷的客、主观权值。然后，通过相对熵耦合负荷主、客观权值以得到负荷的综合权值，进而确定减载顺序；构建低频减载综合代价最优目标函数，并采用灰狼算法对目标函数进行求解以得到最优减载策略。包括以下步骤：
步骤1：构建微网负荷模型，当微网孤岛运行时且微源出力不足以弥补系统功率缺额时，计算低频减载综合代价最优目标函数；
微网负荷模型表示为：
Figure BDA0003317446110000051
其中：PL_A为负荷的实际有功功率；PLN为负荷的额定有功功率；f是系统实际频率；fN是系统额定频率；ai为
Figure BDA0003317446110000061
的n次方成正比的负荷占额定负荷的比例，a0+a1+…+an＝1。
最优目标函数表示为：
Figure BDA0003317446110000062
其中：W为实施低频减载的总代价；m为微网中参与减载的负荷个数；ci为负荷i的综合权值；PCLi为负荷i切除的有功功率。
目标函数约束表示为：
Figure BDA0003317446110000063
PCLi,min≤PCLi≤PCLi,max
其中：Pi(t)、Qi(t)分别为t时刻节点i的有功功率、无功功率；Ui(t)、Uj(t)分别为节点i和节点j的电压幅值；θij(t)为节点i和节点j之间的相位差；Gij、Bij分别为节点i和节点j之间的电导、电纳；PCLi,min、PCLi,max分别为负荷i的最小和最大的切负荷功率。
步骤2：基于熵值法计算负荷客观权值：
所述步骤2中，评估对象指标的熵值计算表示为：
Figure BDA0003317446110000064
其中：Ej为评估对象第j个指标的熵值且0≤Ej≤1；Pij为第i个评估对象的第j个指标值占所有评估指标的比重；m为评估对象的总数；k>0且
Figure BDA0003317446110000065
所述步骤2中，负荷客观权值计算公式为：
Figure BDA0003317446110000066
其中：O为负荷的客观权值；m为评估对象的总数；Pij为第i个评估对象的第j个指标值占所有评估指标的比重；gj为第j个评估对象的指标权值；oi为负荷i的客观权值。
步骤3：基于层次分析法计算负荷主观权值：
负荷主观权值计算如下：
构造判断矩阵，其判断矩阵可表示为：
B＝(bij)n×n
其中：B为判断矩阵，n为判断矩阵的阶数，bij为i指标与j指标之间的对比结果。
进行一致性检验，其一致性指标可表示为：
CI＝(λmax-n)/(n-1)
其中：CI为一致性指标，n为判断矩阵的阶数，λmax是矩阵B中的最大特征值。
计算递阶层次结构方案层相对于目标层的综合权重，其对目标层的权重可表示为：
Figure BDA0003317446110000071
其中：sx表示第x个方案对目标层的权重，sj表示准则层第j个准则对目标层的准则权重，sxj表示第x个方案相对于第j个准则的方案权重。
其主观权值计算公式为：
S＝(s1…si…sm)
其中：si为基于层次分析法得到的第i个负荷的权值，将其作为负荷i的主观权值。
步骤4：利用相对熵将负荷客观权值向量和负荷主观权值向量进行两两耦合，得到负荷的综合权值向量，带入目标函数以确定最优减载方案。
所述步骤4中，综合权值向量求解表示为：
Figure BDA0003317446110000072
Figure BDA0003317446110000073
通过拉格朗日乘数法对上式求解，其最优解可表示为：
Figure BDA0003317446110000074
其中，C为负荷的综合权值向量；m为负荷的个数；oi、si、ci分别为客观权值向量O、主观权值向量S、综合权值向量C中的第i项；
其综合权值可表示为：
C＝(c1…ci…cm)
其中：C为负荷的综合权值向量；ci为负荷i的综合权值。
最优减载方案的确定如下：
将负荷i的综合权值作为其减载的依据带入目标函数，通过灰狼算法最小化目标函数来求取满足约束条件下的最优减载方案：
其目标函数可表示为：
Figure BDA0003317446110000081
其约束条件可表示为：
Figure BDA0003317446110000082
PCLi,min≤PCLi≤PCLi,max
其中：W为实施低频减载的总代价；PCLi为负荷i切除的有功功率；m为负荷个数；ci为负荷i的综合权值；Pi(t)、Qi(t)分别为t时刻节点i的有功功率、无功功率；Ui(t)、Uj(t)分别为节点i和节点j的电压幅值；θij(t)为节点i和节点j之间的相位差；Gij、Bij分别为节点i和节点j之间的电导、电纳；PCLi,min、PCLi,max分别为负荷i的最小和最大切负荷功率。
实施例：
图1是微网中负荷综合权值的计算流程图。选择负荷的优先级、单位切负荷经济成本以及单位频率功率变化效应系数作为负荷评价体系的指标。先对评估对象的评价指标建立原始评价数据矩阵。再对指标数据进行归一化处理，在归一化过程中出现的零值指标数据进行平移变换。将评估对象指标的比重、熵值、和效用值加权求和得到评估对象的客观权值。以负荷切除动作的先后、负荷的优先级、单位切负荷经济成本和单位频率功率变化系数构建层次递阶模型。建立每个准则相对于各方案的判断矩阵，将判断矩阵的最大特征值的特征向量进行归一化。通过计算各方案与其指标的权值乘积得到负荷主观权值。然后利用相对熵值原理将客观、主观权值进行两两耦合得到负荷综合权值。最后通过综合权值带入目标函数利用灰狼算法求解目标函数确定减载负荷。
其中系统参数如下：系统内发电机DG1-5的额定功率分别为10kW、58kW、20kW、12kW、20kW，其有功功率下垂系数分别为3.5e-2、5.5e-2、4.5e-2、3e-2、2e-2，其无功下垂系数都为1e-3。微网内负荷节点编号为1、10、12、19、21、27、31、33、36的额定有功功率为14kW、5kW、10kW、9kW、6kW、8kW、11kW、25kW、12kW，其允许切除的最大切负荷功率分别为13kW、4.5kW、9kW、9kW、4.4kW、6.4kW、7.5kW、22.5kW、6kW，其频率效应系数分别为0.3、2.9、1.6、0.7、1.5、1、2.6、0.4、0.8。
图2是改进的IEEE-37节点的微电网拓扑结构图。该微电网包括五台发电机DG1、DG2、DG3、DG4、DG5。还包括9个负荷节点，其节点编号为1、10、12、19、21、27、31、33、36。当配电网发生故障导致开关断开时，微电网被动切换为孤岛运行模式。
图3(a)为孤岛切换时刻微网内负荷有功突然增加0.3倍时的减载频率波形图。从图3(a)可以看出在t＝1s时刻，微电网发生并离网切换，由并网运行转为孤岛运行。基于隐枚举法和基于负荷经济成本减载策略下的系统频率波动最小值为49.77Hz和49.71Hz。与基于隐枚举法和基于负荷经济成本减载策略相比，基于本专利所提切换控制策略的作用下的系统频率从50Hz跌落到49.83Hz附近，频率振荡明显较小，本专利所提减载策略能够时频率波动最大值减少26.09％和41.38％。图3(b)为孤岛切换时刻微网内DG2发电机因故障退出运行的减载频率波形图。从图3(b)可以看出在t＝1s时刻，微电网发生并离网切换，由并网运行转为孤岛运行。基于隐枚举减载方案和基于经济成本减载方案，其频率波动最小值分别为49.65Hz和49.59Hz。与基于隐枚举法和基于负荷经济成本减载策略相比，基于本专利所提切换控制策略的作用下的系统频率从50Hz跌落到49.72Hz附近，频率振荡明显较小，本专利所提减载策略能够时频率波动最大值减少20％和31.71％。
上述仿真的对比结果表明本发明所提方法能够有效地减小微电网发生孤岛切换过程中的频率振荡幅度，维持系统电压和频率的稳定。

Claims (9)

1.一种考虑负荷主客观属性的孤岛微电网低频减载方法，其特征在于：针对求解负荷主客观综合权值问题，采用熵值法和层次分析法对负荷本身的多种属性以及用户对负荷属性的偏好进行评价以得到负荷的客、主观权值；然后，通过相对熵耦合负荷主、客观权值以得到负荷的综合权值，进而确定减载顺序；构建低频减载综合代价最优目标函数，并采用灰狼算法对目标函数进行求解以得到最优减载策略。
2.一种考虑负荷主客观属性的孤岛微电网低频减载方法，其特征在于包括以下步骤：
步骤1：构建微网负荷模型，计算低频减载综合代价最优目标函数；
步骤2：基于熵值法计算负荷客观权值；
步骤3：基于层次分析法计算负荷主观权值；
步骤4：利用相对熵将负荷客观权值向量和负荷主观权值向量进行两两耦合，得到负荷的综合权值向量，带入目标函数以确定最优减载方案。
3.根据权利要求2所述一种考虑负荷主客观属性的孤岛微电网低频减载方法，其特征在于：所述步骤1中，微网负荷模型表示为：
Figure FDA0003317446100000011
其中：PL_A为负荷的实际有功功率；PLN为负荷的额定有功功率；f是系统实际频率；fN是系统额定频率；ai为
Figure FDA0003317446100000012
的n次方成正比的负荷占额定负荷的比例，a0+a1+…+an＝1。
4.根据权利要求2或3所述一种考虑负荷主客观属性的孤岛微电网低频减载方法，其特征在于：所述步骤1中，最优目标函数表示为：
Figure FDA0003317446100000013
其中：W为实施低频减载的总代价；m为微网中参与减载的负荷个数；ci为负荷i的综合权值；PCLi为负荷i切除的有功功率；
目标函数约束表示为：
Figure FDA0003317446100000014
PCLi,min≤PCLi≤PCLi,max
其中：Pi(t)、Qi(t)分别为t时刻节点i的有功功率、无功功率；Ui(t)、Uj(t)分别为节点i和节点j的电压幅值；θij(t)为节点i和节点j之间的相位差；Gij、Bij分别为节点i和节点j之间的电导、电纳；PCLi,min、PCLi,max分别为负荷i的最小和最大的切负荷功率。
5.根据权利要求2所述一种考虑负荷主客观属性的孤岛微电网低频减载方法，其特征在于：所述步骤2中，评估对象指标的熵值计算表示为：
Figure FDA0003317446100000021
其中：Ej为评估对象第j个指标的熵值且0≤Ej≤1；Pij为第i个评估对象的第j个指标值占所有评估指标的比重；m为评估对象的总数；k>0且
Figure FDA0003317446100000022
6.根据权利要求2或5所述一种考虑负荷主客观属性的孤岛微电网低频减载方法，其特征在于：所述步骤2中，负荷客观权值计算公式为：
Figure FDA0003317446100000023
其中：O为负荷的客观权值；m为评估对象的总数；Pij为第i个评估对象的第j个指标值占所有评估指标的比重；gj为第j个评估对象的指标权值；oi为负荷i的客观权值。
7.根据权利要求2所述一种考虑负荷主客观属性的孤岛微电网低频减载方法，其特征在于：所述步骤3中，负荷主观权值计算如下：
构造判断矩阵，其判断矩阵可表示为：
B＝(bij)n×n
其中：B为判断矩阵，n为判断矩阵的阶数，bij为i指标与j指标之间的对比结果；
进行一致性检验，其一致性指标可表示为：
CI＝(λmax-n)/(n-1)
其中：CI为一致性指标，n为判断矩阵的阶数，λmax是矩阵B中的最大特征值；
计算递阶层次结构方案层相对于目标层的综合权重，其对目标层的权重可表示为：
Figure FDA0003317446100000024
其中：sx表示第x个方案对目标层的权重，sj表示准则层第j个准则对目标层的准则权重，sxj表示第x个方案相对于第j个准则的方案权重；
其主观权值计算公式为：
S＝(s1…si…sm)
其中：si为基于层次分析法得到的第i个负荷的权值，将其作为负荷i的主观权值。
8.根据权利要求2所述一种考虑负荷主客观属性的孤岛微电网低频减载方法，其特征在于：所述步骤4中，综合权值向量求解表示为：
Figure FDA0003317446100000031
Figure FDA0003317446100000032
通过拉格朗日乘数法对上式求解，其最优解可表示为：
Figure FDA0003317446100000033
其中，C为负荷的综合权值向量；m为负荷的个数；oi、si、ci分别为客观权值向量O、主观权值向量S、综合权值向量C中的第i项；
其综合权值可表示为：
C＝(c1…ci…cm)
其中：C为负荷的综合权值向量；ci为负荷i的综合权值。
9.根据权利要求2或8所述一种考虑负荷主客观属性的孤岛微电网低频减载方法，其特征在于：所述步骤4中，最优减载方案的确定如下：
将负荷i的综合权值作为其减载的依据带入目标函数，通过灰狼算法最小化目标函数来求取满足约束条件下的最优减载方案：
其目标函数可表示为：
Figure FDA0003317446100000034
其约束条件可表示为：
Figure FDA0003317446100000035
PCLi,min≤PCLi≤PCLi,max
其中：W为实施低频减载的总代价；PCLi为负荷i切除的有功功率；m为负荷个数；ci为负荷i的综合权值；Pi(t)、Qi(t)分别为t时刻节点i的有功功率、无功功率；Ui(t)、Uj(t)分别为节点i和节点j的电压幅值；θij(t)为节点i和节点j之间的相位差；Gij、Bij分别为节点i和节点j之间的电导、电纳；PCLi,min、PCLi,max分别为负荷i的最小和最大切负荷功率。
CN202111235767.9A 2021-10-22 2021-10-22 一种考虑负荷主客观属性的孤岛微电网低频减载方法 Pending CN113904349A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111235767.9A CN113904349A (zh) 2021-10-22 2021-10-22 一种考虑负荷主客观属性的孤岛微电网低频减载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111235767.9A CN113904349A (zh) 2021-10-22 2021-10-22 一种考虑负荷主客观属性的孤岛微电网低频减载方法

Publications (1)

Publication Number Publication Date
CN113904349A true CN113904349A (zh) 2022-01-07

Family

ID=79026050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111235767.9A Pending CN113904349A (zh) 2021-10-22 2021-10-22 一种考虑负荷主客观属性的孤岛微电网低频减载方法

Country Status (1)

Country Link
CN (1) CN113904349A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117039924A (zh) * 2023-07-12 2023-11-10 三峡大学 考虑风险规避的微网群两阶段低频减载方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170262007A1 (en) * 2016-03-10 2017-09-14 Macau University Of Science And Technology Multi-agent oriented method for forecasting-based control with load priority of microgrid in island mode
CN108647885A (zh) * 2018-05-10 2018-10-12 北京科东电力控制系统有限责任公司 基于层次分析法与熵权值法的电动汽车充电网络评价方法
CN110350540A (zh) * 2019-05-28 2019-10-18 广东电网有限责任公司电力调度控制中心 一种基于在线估计负荷频率特性的精细切负荷方法
US20200343731A1 (en) * 2019-04-25 2020-10-29 King Fahd University Of Petroleum And Minerals Method for stabilizing an autonomous microgrid including an active load
CN112215512A (zh) * 2020-10-22 2021-01-12 上海交通大学 计及微电网功能特性的综合评价指标权重量化方法及系统
CN112994015A (zh) * 2021-02-26 2021-06-18 国网江苏省电力有限公司海安市供电分公司 一种基于敏感负荷聚类的电压暂降综合治理方法
US20220207196A1 (en) * 2020-12-25 2022-06-30 Institute Of Geology And Geophysics, Chinese Academy Of Sciences Optimal design method and system for slope reinforcement with anti-slide piles

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170262007A1 (en) * 2016-03-10 2017-09-14 Macau University Of Science And Technology Multi-agent oriented method for forecasting-based control with load priority of microgrid in island mode
CN108647885A (zh) * 2018-05-10 2018-10-12 北京科东电力控制系统有限责任公司 基于层次分析法与熵权值法的电动汽车充电网络评价方法
US20200343731A1 (en) * 2019-04-25 2020-10-29 King Fahd University Of Petroleum And Minerals Method for stabilizing an autonomous microgrid including an active load
CN110350540A (zh) * 2019-05-28 2019-10-18 广东电网有限责任公司电力调度控制中心 一种基于在线估计负荷频率特性的精细切负荷方法
CN112215512A (zh) * 2020-10-22 2021-01-12 上海交通大学 计及微电网功能特性的综合评价指标权重量化方法及系统
US20220207196A1 (en) * 2020-12-25 2022-06-30 Institute Of Geology And Geophysics, Chinese Academy Of Sciences Optimal design method and system for slope reinforcement with anti-slide piles
CN112994015A (zh) * 2021-02-26 2021-06-18 国网江苏省电力有限公司海安市供电分公司 一种基于敏感负荷聚类的电压暂降综合治理方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
侯王宾;刘天琪;李兴源;: "基于综合权值和广域测量的低频减载", 电力系统保护与控制, no. 21, pages 70 - 75 *
和敬涵;柏丹丹;王小君;叶豪东;: "低频减载综合代价最优化算法", 电网技术, no. 12, pages 3461 - 3466 *
邵铁林: "基于复杂网络拓扑结构的评估体系研究", 微型机与应用, vol. 36, no. 1, pages 69 - 72 *
郭宁;滕欢;李基康;: "考虑综合评估的孤立微网优化调度", 电力建设, no. 04, pages 61 - 69 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117039924A (zh) * 2023-07-12 2023-11-10 三峡大学 考虑风险规避的微网群两阶段低频减载方法
CN117039924B (zh) * 2023-07-12 2024-05-28 三峡大学 考虑风险规避的微网群两阶段低频减载方法

Similar Documents

Publication Publication Date Title
CN109670720A (zh) 一种基于分级指标的含分布式能源的主动配电网评价方法
CN107316125A (zh) 一种基于经济运行域的主动配电网经济运行评价方法
CN106505593A (zh) 一种基于大数据的配变三相不平衡分析与负荷调整的方法
CN110190599A (zh) 一种基于有限时间一致性理论的孤岛微电网控制策略
CN110866702A (zh) 考虑动态网架重构和差异化可靠性的配电网规划方法
CN104701858B (zh) 计及分区动态无功储备的无功电压控制方法
CN107516892A (zh) 基于处理有功优化约束条件提高电能质量的方法
Gupta et al. Optimal D-STATCOM placement in radial distribution system based on power loss index approach
Larik et al. A statistical jacobian application for power system optimization of voltage stability
CN113904349A (zh) 一种考虑负荷主客观属性的孤岛微电网低频减载方法
Yin et al. Sequential reconfiguration of unbalanced distribution network with soft open points based on deep reinforcement learning
Yin et al. Expandable deep width learning for voltage control of three-state energy model based smart grids containing flexible energy sources
Bian et al. Selection of optimal access point for offshore wind farm based on multi-objective decision making
Zhao et al. Distributed multi-objective day-ahead generation and HVDC transmission joint scheduling for two-area HVDC-linked power grids
CN110276487A (zh) 虚拟电厂环境下的无功辅助服务交易机制
Qiu et al. Local integrated energy system operational optimization considering multi‐type uncertainties: A reinforcement learning approach based on improved TD3 algorithm
CN106780156A (zh) 一种配电网运营方法
Vaisakh et al. Adaptive PSODV algorithm for OPF with non-smooth cost functions and statistical analysis
CN115549118A (zh) 配电网无功补偿设备出力平滑指数预测方法
CN114301062A (zh) 一种分布式能源优化治理装置
CN113890063A (zh) 一种孤岛微电网恢复频率的协调减载控制方法
Su et al. Reactive power generation management for the improvement of power system voltage stability margin
Yang et al. Security-constrained adequacy evaluation of bulk power system reliability
Cuello-Reyna et al. A differential evolution approach to optimal reactive power planning
Prabhakar et al. Comparison Between Pi, Fuzzy & Predictive Techniques For Statcom To Improve The Transient Stability Of Microgrid

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