CN113991753B - 一种输电网结构优化调度方法及系统 - Google Patents
一种输电网结构优化调度方法及系统 Download PDFInfo
- Publication number
- CN113991753B CN113991753B CN202111457680.6A CN202111457680A CN113991753B CN 113991753 B CN113991753 B CN 113991753B CN 202111457680 A CN202111457680 A CN 202111457680A CN 113991753 B CN113991753 B CN 113991753B
- Authority
- CN
- China
- Prior art keywords
- model
- power transmission
- transmission network
- constraint
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 92
- 238000005457 optimization Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 83
- 230000008878 coupling Effects 0.000 claims abstract description 50
- 238000010168 coupling process Methods 0.000 claims abstract description 50
- 238000005859 coupling reaction Methods 0.000 claims abstract description 50
- 230000004044 response Effects 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 62
- 238000010248 power generation Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 22
- 238000005192 partition Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000000903 blocking effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010977 unit operation Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241001672018 Cercomela melanura Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- 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
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种输电网结构优化调度方法及系统,包括:以输电网机组出力成本最小为整体目标函数,并根据各区域间的联络支路对输电网结构进行划分,对各区域分别构建输电网调度模型;对输电网调度模型进行线性优化处理后进行层级划分,将上层模型中虚拟负荷的目标量和下层模型中虚拟发电机的响应量作为层级间的耦合变量;引入罚函数对层级间的耦合约束进行松弛处理,确定各区域对应的目标函数和约束条件,以对优化后的输电网调度模型进行求解,且根据整体目标函数和层级间耦合变量的约束条件确定最优的输电网资源调度方案。通过母线撕裂法对互联电网进行切分,利用ATC分解协调方法进行区域间的协同调度,实现电网的整体优化。
Description
技术领域
本发明涉及综合能源系统协调优化技术领域,特别是涉及一种输电网结构优化调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
电力系统的电源与负荷呈逆向分布,加剧了源荷不平衡的矛盾,严重影响了网络传输性能和供电质量,单纯依靠区域内部调控的效果有限,且各类间歇性可再生能源发电占比日益增加,实际电网规模庞大,受分区管理、信息不共享等因素影响,难以建立起统一的互联电网模型。
目前,在解决电网互联优化协调的问题时,采用的多是将大规模优化问题分解为多个子系统的并行协调优化问题,这种方法虽然减少了求解的时间,提高了模型的计算效率,但对于电网互联整体运行的提升具有一定的保守性。
其次,现有技术还涉及对输电网结构的优化方法和各种优化配置方法的研究,以提升电力系统的运行经济性和安全性,但研究的角度都是从电网整体运行成本切入的,未能考虑电网互联之后进行切分的经济安全运行情况,也未能考虑切分后各个区域之间互联协调的影响。实际电网规模庞大,受分区管理、信息不共享等因素影响,如何建立起统一的互联电网模型,从而提升互联电网整体运行水平和模型的计算效率成为亟待解决的关键问题。
发明内容
为了解决上述问题,本发明提出了一种输电网结构优化调度方法及系统,针对区域互联的输电网结构模型,通过母线撕裂法对互联电网进行切分,以在各分区内进行独立的经济调度;同时利用ATC分解协调方法进行区域间的协同调度,实现电网的整体优化。
为了实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供一种输电网结构优化调度方法,包括:
以输电网机组出力成本最小为整体目标函数,并根据各区域间的联络支路对输电网结构进行划分,对各区域分别构建输电网调度模型;
对输电网调度模型进行线性优化处理后进行层级划分,将上层模型中虚拟负荷的目标量和下层模型中虚拟发电机的响应量作为层级间的耦合变量;
引入罚函数对层级间的耦合约束进行松弛处理,确定各区域对应的目标函数和约束条件,以对优化后的输电网调度模型进行求解,且根据整体目标函数和层级间耦合变量的约束条件确定最优的输电网资源调度方案。
作为可选择的实施方式,各区域的约束条件包括发电机出力约束、支路功率平衡约束、区域功率平衡约束、区域间的一致性约束、支路开断数量约束、光伏发电出力约束和风力发电出力约束。
作为可选择的实施方式,对输电网调度模型进行线性优化处理的过程包括,将输电网机组出力成本进行线性化处理,并将支路功率平衡约束转换为二次约束,以将输电网调度模型转变为混合整数二次规划模型。
作为可选择的实施方式,层级划分后,上层模型表示为:
下层模型表示为:
其中,gA、hA分别为上层模型中区域A满足的不等式和等式约束;x,t1,t2...tn表示上层模型的区域变量;N为下层模型区域的个数,分别表示第n个下层模型的不等式和等式约束条件,y表示第n个下层模型的变量满足的本地约束,y,r1,r2...rn,t′1,t′2...t′m表示第n个下层模型区域变量;c表示上层模型区域变量与第n个下层模型区域变量的耦合约束。
作为可选择的实施方式,上层模型的目标函数为:
下层模型的目标函数为:
作为可选择的实施方式,对优化后的输电网调度模型进行求解的过程包括,
设定迭代次数,初始化罚函数乘子;
下层模型各区域并行进行优化调度,将每个区域的虚拟发电机的耦合变量传递至上层模型;
上层模型求解时,将虚拟负荷联动优化,并将虚拟负荷优化后的耦合变量值传递给下层模型,以对每个区域的虚拟发电机进行优化;
更新罚函数乘子,直至满足整体目标函数和层级间耦合变量的约束条件。
作为可选择的实施方式,根据整体目标函数和层级间耦合变量的约束条件确定最优的输电网资源调度方案的过程包括:下层模型虚拟发电机与上层模型虚拟负荷作为层级间耦合变量,其差值满足第一精度阈值,且整体目标函数在相邻两次迭代中满足第二精度阈值。
第二方面,本发明提供一种输电网结构优化调度系统,包括:
模型构建模块,被配置为以输电网机组出力成本最小为整体目标函数,并根据各区域间的联络支路对输电网结构进行划分,对各区域分别构建输电网调度模型;
模型解耦模块,被配置为对输电网调度模型进行线性优化处理后进行层级划分,将上层模型中虚拟负荷的目标量和下层模型中虚拟发电机的响应量作为层级间的耦合变量;
优化调度模块,被配置为引入罚函数对层级间的耦合约束进行松弛处理,确定各区域对应的目标函数和约束条件,以对优化后的输电网调度模型进行求解,且根据整体目标函数和层级间耦合变量的约束条件确定最优的输电网资源调度方案。
第三方面,本发明提供一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一方面所述的方法。
第四方面,本发明提供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,完成第一方面所述的方法。
与现有技术相比,本发明的有益效果为:
由于实际电网规模庞大,受分区管理、信息不共享等因素影响,难以建立起统一的互联电网模型,为此,本发明提出一种基于母线撕裂法和ATC的计及可再生能源的输电网结构优化调度模型,针对区域互联的输电网结构模型,通过母线撕裂法对互联电网进行切分,在切分后的各分区内进行独立的经济调度;利用ATC分解协调方法进行区域间调度,同时在此基础上,通过交换边界母线状态量起到各区域间的协调作用,从而实现电网的整体优化,提升互联电网整体运行水平。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1(a)-1(b)为本发明实施例1提供的两区域互联电网分解示意图;
图2(a)-2(b)为本发明实施例1提供的上下层系统分解示意图;
图3为本发明实施例1提供的基于ATC的互联电网结构优化经济调度算法流程图;
图4为本发明实施例1提供的三区域互联系统示意图;
图5为本发明实施例1提供的ATC与APP运行成本对比示意图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。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发明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发明的示例性实施方式。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,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例1
目前,在针对互联电网的优化协调研究中,有文献通过使用交替方向乘子法(alternating direction method of multipliers,ADMM)实现交流系统的分布式最优潮流(optimal power flow,OPF)计算;由于ADMM算法源自增广拉格朗日乘子法和邻近点算法,并没有消除一阶算法固有的缺点。有文献采用分布式内点法对电网OPF进行分散式求解。为实现各个区域的同步迭代,有文献采用同步交替方向乘子法解决多子系统的并行协调优化问题,进而确定出整体优化解。目标级联分析法(analytical target cascading,ATC)可用于加速难以用集中方式解决大规模优化问题的处理过程,并用于管理具有多个独立控制实体的系统,所以有文献采用ATC方法解决主动配电网的分散OPF问题,ATC用于寻找日前调度的最优发电计划。在ATC的每次迭代中,只有边界母线的电压和相角需要在主问题和子问题之间共享。因此,每次迭代的数据交换量低,并且通信简单。文献采用ATC算法求解输配全局黑启动优化模型,有效协调了输、配电网的供电恢复资源与进程,减小了停电损失。此外,文献通过ATC优化求解子问题,验证了对电力系统区域进行适当的划分可加快算法的收敛速度。文献通过与乘子交替方向法、最优性条件分解法等方法的对比,说明ATC在处理大规模电网优化方面具有突出优势。文献利用ATC搭建了双层调度框架,提出了一种面向主动配电网和虚拟微电网的线性化交互式调度模型,解决了由于上下层之间存在交互变量而导致的耦合问题。
上述文献在解决电网互联优化协调的问题时,采用的多是将大规模优化问题分解为多个子系统的并行协调优化问题,这种方法虽然减少了求解的时间,提高了模型的计算效率,但对于电网互联整体运行的提升具有一定的保守性。
随着电力系统的规模逐步增大,负荷需求不断增长,源网矛盾逐渐突出,输电网运行过程中时常出现网络阻塞等问题。在传统的经济调度中,电网结构是固定的,消除网络阻塞往往只能从电源侧入手,调控手段单一。随着电网信息化和智能化程度的提高,系统正常运行时已具备实时拓扑控制甚至主动解列的条件,为进一步提高电力系统调度的经济性提供了可能。输电网结构优化(optimal transmission switching,OTS)是一种通过改变电力系统中部分线路的开闭状态以改变潮流分布的方法。文献提出了考虑结构优化的含可再生能源的OTS模型,通过OTS降低了系统运行成本及故障后网络阻塞造成的损失成本。文献结合可再生能源,构建了计及网络结构优化和储能配置的两阶段随机优化模型,提高了电力系统的经济性。在文献中,提出的基于广义短路比灵敏度分析的OTS方法有助于协调系统强度与短路电流水平之间的矛盾。文献在矩估计理论的基础上构建OTS模型,使得特高压接入下的电力系统安全性有所提高。
上述文献通过对输电网结构的优化方法和各种优化配置方法的研究提升了电力系统的运行经济性和安全性,但研究的角度都是从电网整体运行成本切入的,未能考虑电网互联之后进行切分的经济安全运行情况,也未能考虑切分后各个区域之间互联协调的影响。实际电网规模庞大,受分区管理、信息不共享等因素影响,如何建立起统一的互联电网模型,从而提升互联电网整体运行水平和模型的计算效率成为亟待解决的关键问题。
为此,本实施例提出一种输电网结构优化调度方法,包括:
以输电网机组出力成本最小为整体目标函数,并根据各区域间的联络支路对输电网结构进行划分,对各区域分别构建输电网调度模型;
对输电网调度模型进行线性优化处理后进行层级划分,将上层模型中虚拟负荷的目标量和下层模型中虚拟发电机的响应量作为层级间的耦合变量;
引入罚函数对层级间的耦合约束进行松弛处理,确定各区域对应的目标函数和约束条件,以对优化后的输电网调度模型进行求解,且根据整体目标函数和层级间耦合变量的约束条件确定最优的输电网资源调度方案。
以下对本实施例方法进行详细阐述。
母线撕裂法是一种将系统划分为多个无关联区域,并对两两区域间的联络支路进行变量分离以实现区域解耦的方法。本实施例以两区域互联电网为例,解释母线撕裂法的原理,如图1(a)-1(b)所示。
本实施例只研究有功功率的分布。如图1(a)所示,将互联电网分为区域A与区域B两部分,两部分通过联络线(i,j)相连,其传输功率为Pij,联络线节点i和j分属区域A和区域B,PG,i和PD,i分别表示节点i的发电和负荷功率。
如图1(b)所示,将区域A中的节点i作为两区域间的边界母线,将其分裂而形成边界节点i1和i2,二者分别划归于区域A和区域B。
为使母线撕裂前后的电网满足等效性要求,需要确保边界节点i1与i2的电压幅值和相位一致,且两侧输入功率保持平衡。设置原支路(i,j)上对应的功率Pl,ij为全局变量,对此变量进行等效处理,从而形成两个局部变量和/>二者分别划归于区域A和区域B,并满足一致性约束/>同理,对联络支路两端相角差θl,ij进行等效,/>和/>符合约束条件/>拆分后原节点i的负荷划归到区域A中,对应的断面划归到域B中。
根据以上的处理过程可知,通过母线撕裂法对系统进行解耦处理,可使各区域间无直接联系,所以影响各区域优化结果的因素只有相邻边界对应的全局变量和自身局部变量,故可针对各区域进行独立求解。
ATC是解决分散式问题的多级阶梯优化设计方法,在ATC中,首先将顶层系统中的耦合或链接变量传递给子系统,然后对各个子系统分别进行求解,从而获得全局最优解。ATC的一般概念与ADMM和辅助问题原理法(auxiliary problem principle,APP)类似。在APP和ADMM中,应用了对偶概念,并引入了一组罚函数,然后将原优化问题分解成若干个子问题;而在ATC中,将整个系统分解成几个子系统,然后应用约束松弛的概念对各问题进行并行求解,通过设置目标变量和响应变量对相邻层间的共享变量进行建模,形成各独立区域相关的目标函数和约束条件;其中目标变量是从上层(系统层)传送到下层(子系统层)的共享变量,而响应变量是下层传送给上层的共享变量。上层优化确定目标变量的值,并将其向下传递到下层优化,由下层优化确定的响应决定了它们离目标的远近。ATC的求解思想可表示为:
式中:xsys为上层系统设计变量;Rsys为上层系统响应;φ(·)为系统目标和系统响应之间的偏差;||·||为欧几里得范数,可以选择多种标准来计算目标和响应之间的差异;为采用2-范数计算偏差;gsys(·)和hsys(·)分别为系统的不等式约束和等式约束向量;和/>分别为响应和耦合变量的正权重系数。
在目标函数中,第二项和第三项是由子系统响应和耦合变量表示的偏差;子系统可表示为:
式中:gsub,i(·)和hsub,i(·)分别为子系统的不等式约束和等式约束向量;xsub,i为子系统设计变量。
ATC算法的步骤简述如下:首先,在主系统层中,子系统的响应和耦合变量是固定的;然后,求解主系统层的响应目标/>和耦合变量/>并将其传递给子系统;在求解子系统过程中,响应值/>和耦合可变目标/>均保持不变,求解子系统的响应/>和耦合变量/>然后,将更新后的/>和/>传递到系统层;上述过程重复进行,直到问题收敛。
在本实施例中,考虑到可再生能源与电网结构优化的经济调度是一个复杂的非线性优化问题,本实施例构建了基于母线撕裂法和ATC的输电网经济调度模型,通过母线撕裂法将系统分成三部分,分别建立相应的输电网经济调度模型。
在本实施例中,目标函数为系统常规机组的发电成本最小化,即:
在本实施例中,约束条件包括发电机出力约束、支路功率约束、区域功率平衡约束、区域间的一致性约束、支路开断数量约束、光伏发电出力约束、风力发电出力约束;
其中,(1)发电机出力约束为:
(2)支路功率约束为:
式中:为各区域支路集合;/>分别为区域A、B、C中支路l的电纳;分别为区域A、B、C中节点i的电压相角;/>分别为区域A、B、C中节点j的电压相角;为二进制变量,对应于区域A中支路l的状态,/>表示支路运行,/>对应于支路停运,/>与/>同理;/>均为非常大的常数且/>分别为区域A、B、C中支路l的传输容量上限;Pl A,Pl B,Pl C分别为区域A、B、C中支路l的有功功率。
(3)区域功率平衡约束为:
4)区域间的一致性约束为:
式中:ΔO(O∈{A,B,C})为区域O的相邻区域集合;ΓA,B、ΓA,C分别为区域A和B、A和C的联络支路集合;(i,j1)∈ΓA,B为区域A和区域B联络支路的首末节点;(i,j2)∈ΓA,C为区域A和区域C联络支路的首末节点。
(5)支路开断数量约束为:
式中:JO(O∈{A,B,C})为区域O中最大允许的线路开断数目。
(6)光伏发电出力约束为:
(7)风力发电出力约束为:
sAmin≤sA≤sAmax (36)
sBmin≤sB≤sBmax (37)
sCmin≤sC≤sCmax (38)
在本实施例中,以图2(a)-2(b)所示的上下两层系统结构为例,对本实施例所提模型进行分解。由图2(a)可见,为追求系统总运行成本的最小化,将上-下系统决策量进行迭代优化,上层系统向下分流,下层系统向上反馈,从而实现互联电网的整体优化。
为了便于描述ATC算法的求解过程,本实施例给出模型的矩阵表达式:
c=t-r=0 (42)
式中:FA、分别为区域A、B的成本;gA、hA分别为上层系统中区域A需满足的不等式和等式约束;x为上层系统中除联络支路以外的决策变量,x,t1,t2...tn表示上层系统的区域变量;N为下层系统区域的个数,/>分别表示第n个下层系统(如图2(a)区域B)的不等式和等式约束条件,y表示第n个下层系统的变量需满足的本地约束,y,r1,r2...rn,t′1,t′2...t′m表示第n个下层系统区域变量;c表示上层系统区域变量与第n个下层系统区域变量的耦合约束。
在本实施例中,由于该模型是非凸的混合整数规划模型,而目标级联法本质上是一种增广的拉格朗日函数方法,其收敛性仅在凸问题上有保证,因此采用凸优化的思路对模型进行近似求解。
本实施例中将模型的目标函数,即常规机组的发电成本进行线性化处理,并将支路功率平衡约束处理为二次约束;原非凸的电力系统经济调度问题转变为混合整数二次规划问题,从而可得到一个初步的调度可行解;然后依据该可行解,通过机组出力区间压缩技术,重新求解新的混合整数二次规划模型,得到最终的经济调度结果。机组出力区间压缩技术是在设定的常规机组出力的范围内,在第一阶段系统调度的基础上寻找有价值的奇异点,并设置合理的机组发电成本的线性化分段数值,使其能够在算法的效率与线性化带来的误差之间寻找一个较好的平衡点。机组出力区间的更新过程可表示为:
在本实施例中,为便于求解,对模型进行解耦,对上述优化问题进行分解,以便于各矩阵表达式能够独立求解。如图2(b)所示,将整个系统分为两级结构(上层系统及下层系统)和三个部分(区域A、区域B及区域C),其中区域A位于上层,区域B和区域C位于下层。
为便于形成各区域相关的目标函数及约束条件,设置两组变量集合。图2(b)中t是从上层系统发送到下层系统的共享变量组成的向量,将其作为目标向量;r是下层系统向上层系统传输的共享变量组成的向量,将其作为响应变量。参照ATC解算思想,将约束式(42)分别在上层系统和下层系统的模型中进行求解。这里利用罚函数ζ来松弛耦合约束:
式中:⊙表示Hadamard积;λ和μ分别为罚函数ζ的一次项和二次项的乘子向量。
上-下层系统的优化模型可表示为:
通过式(44)将上-下层系统间的耦合约束进行松弛处理后,上层系统和下层系统只剩下区域变量中需要满足的本地约束和本地决策变量,由此上、下两层系统实现了解耦。
解耦的上层系统与下层系统优化模型;在基于ATC的互联电网结构优化调度中,上层系统的目标函数为:
式中:λn、μn分别为拉格朗日一次项与二次项的乘子,通过不断更新拉格朗日乘子使目标函数满足收敛条件,以至趋于最优。
由式(44)可见,与上层系统相同,在下层系统进行独立优化时,需要将虚拟发电机rn和虚拟负荷tn结合进行优化,通过加入拉格朗日乘子的方法对耦合约束进行松弛处理,并加入到下层系统的目标函数中。下层系统的目标函数表示为:
通过不断更新乘子使目标函数满足收敛条件,以至趋于最优。
至此,上、下层系统可独立进行更新与求解。
在本实施例中,收敛判据与乘子更新原则;
优化调度算法的收敛判据为:
|tnk-rnk|≤ε1 (49)
式(49)表示在第k次迭代中,下层系统虚拟发电机rnk与上层系统虚拟负荷tnk作为耦合变量,其差值需要满足所要求的精度ε1;式(50)表示分解后的上层系统和下层系统的总体效益在相邻两次迭代中是否满足精度ε2,即是否能充分接近,达到最优。
若不能同时满足式(49)和式(50),则依据式(51)更新乘子。
式中:β的取值一般为2≤β≤3,其作用是为了加快收敛速度。
在本实施例中,基于ATC和母线撕裂法的输电网结构优化调度算法流程如图3所示,步骤如下:
(1)设定目标级联法的最大迭代次数为k′,并置当前迭代次数k=1,输入常规机组参数,设置各个优化变量以及罚函数乘子等初值。
(2)求解下层系统。根据下层系统模型,即式(48)和式(41),对每个区域进行并行优化,并将求解得到的功率传递给上层系统。
(3)求解上层系统。根据上层系统模型,即式(47)和式(40),进行优化,并将求解得到的功率,传递给下层系统。
(4)判断是否满足式(49)和式(50),如果不能同时满足,则根据式(51)更新乘子,置迭代次数k=k+1,并返回第2步;如果同时满足,则终止迭代过程并输出最优调度结果;如果k大于目标级联法最大迭代次数k′,则说明算法不收敛,停止计算。
本实施例选择改进的IEEE 14节点系统及IEEE 118节点测试系统对模型进行仿真分析,计算机配置为intel i7-6300处理器,8G内存,采用GAMs软件进行编程,并选用CPLEX工具对模型进行求解。
IEEE 14节点系统含5台发电机,20条线路。考虑到光伏与风力发电具有较大的间歇性与随机性,故选取其出力上下限中的随机变量进行测试,通过母线撕裂法将该系统分解成三区域系统,如图4所示。设置区域A和区域B的开断输电线数为1。采用ATC算法对此系统进行优化求解,且将所得结果和APP算法对比,对后者的参数进行优化调节,并将APP算法中的超参数调整到较优状态,对所得结果进行统计,如表1与图5所示。
表1不同算法的求解结果
由表1和图5可知,在运行成本方面,由于选取的罚系数不同,导致ATC算法的运行成本略高于APP算法。在收敛性能上,本实施例所采用的ATC算法收敛速度较快,APP算法的收敛性能取决于其参数和电网分区,由于OTS问题的复杂性,很难得到充分而有效的解,而ATC算法可扩展性强,且级数不受限制,对系统的OTS优化问题具有较好的适用性。
本实施例对4种求解方案进行测试:方案1:不考虑电网结构优化及风电光伏系统;方案2:不考虑电网结构优化,考虑风电光伏系统;方案3:考虑电网结构优化,不考虑风电光伏系统;方案4:考虑电网结构优化及风电光伏系统。
其中,(1)方案1的决策结果如表2及表3所示。此时系统运行总成本为20203.49$,子系统成本分别为8476.62$、7363.18$及4363.69$。由输电线路运行状况可知,子系统A的输电线101-201的传输容量为0,表示区域C可以独自运行。
表2方案1机组运行成本
表3方案1输电线路运行情况
(2)方案2的决策结果如表4、表5所示:
表4方案2机组运行成本
表5方案2输电线路运行情况
随着风电及光伏发电系统的接入,极大释放了GA1机组的发电能力,使得经济性较好的GA1机组出力增加,经济性最差的GA2机组出力减少。总成本与方案1相比降低了8.95%,区域A成本降低幅度较大,较方案1降低了19.97%。决策结果表明,以电网经济性作为目标函数,发电机组出力情况、输电线路运行状态等为决策量来考虑电网结构优化,可以将网架在调度中的作用充分发挥出来。
(3)方案3的优化结果如表6和表7:
表6方案3机组运行成本
表7方案3输电线路运行情况
由表6与表7可得,GA1机组出力增加了22.44%,经济性最差的GA2机组出力减少了29.57%,这是由于输电线路的运行状态可以依据相应负荷模式进行调整,当区域A内支路2-101和区域C内支路202-2开断后,系统中的传输阻塞现象得到了缓解,使得经济性较好的GA1机组的出力得以外送。系统总成本为16514.04$,与方案1相比下降了18.26%,说明了将电网结构视为“动态可变”的经济调度方式能够达到缓解网络阻塞的目的,对系统的运行经济性起到了积极作用。
(4)方案4的优化结果如表8和表9:
表8方案4机组运行成本
表9方案4输电线路运行情况
如表8与表9所示。此时系统总成本为16462.09$,与方案1~方案3相比分别降低了18.52%、12.68%、2.74%。此结果说明了方案4比只接入风电、光伏系统或只考虑结构优化的经济性要好。可通过负荷模式对输电线路状态进行优化调节,调节过程中区域A内支路1-101开断,从而降低了传输阻塞程度。GA1机组出力增加,GA2机组出力有一定幅度降低,输电线路1-2的传输功率得以大幅度增加。进一步表明了风电和光伏系统的接入及开断输电线路的措施同时应用于电网调度中,会对系统运行的经济性起到良好的提升作用,再辅以电力系统各区域间的协调合作,可更大程度地实现源网协同调度。
针对IEEE 118节点系统,本实施例分别采用上述4种方案对模型进行测试分析,所得的结果如表10所示。
表10不同方案目标函数对比
由表10可见,方案4的总成本相较于方案1~3分别下降了18.99%、17.65%及2.50%,且三区域运行成本分别为47311.34$、63384.13$及52117.87$,与方案1~方案3相比都有不同程度的降低。这说明了在保证系统安全运行的前提下,通过电网结构调度,提升了可再生能源的接纳水平,使系统运行的经济性得以提高。方案4中区域A与区域B的运行成本较方案1~方案3的下降程度高于区域C,这是由于区域A与区域B阻塞较严重,故节省成本占比较为明显。综上所述,将风电、光伏系统及开断输电线路同时应用于电网中,实现系统区域间的协同合作,能够降低发电成本,提高能源利用效率,从而实现系统整体运行的灵活性和经济性。
实施例2
本实施例提供一种输电网结构优化调度系统,包括:
模型构建模块,被配置为以输电网机组出力成本最小为整体目标函数,并根据各区域间的联络支路对输电网结构进行划分,对各区域分别构建输电网调度模型;
模型解耦模块,被配置为对输电网调度模型进行线性优化处理后进行层级划分,将上层模型中虚拟负荷的目标量和下层模型中虚拟发电机的响应量作为层级间的耦合变量;
优化调度模块,被配置为引入罚函数对层级间的耦合约束进行松弛处理,确定各区域对应的目标函数和约束条件,以对优化后的输电网调度模型进行求解,且根据整体目标函数和层级间耦合变量的约束条件确定最优的输电网资源调度方案。
此处需要说明的是,上述模块对应于实施例1中所述的步骤,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中,还提供:
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例1中所述的方法。为了简洁,在此不再赘述。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
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1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种输电网结构优化调度方法,其特征在于,包括:
以输电网机组出力成本最小为整体目标函数,并根据各区域间的联络支路对输电网结构进行划分,对各区域分别构建输电网调度模型;
对输电网调度模型进行线性优化处理后进行层级划分,将上层模型中虚拟负荷的目标量和下层模型中虚拟发电机的响应量作为层级间的耦合变量;
引入罚函数对层级间的耦合约束进行松弛处理,确定各区域对应的目标函数和约束条件,以对优化后的输电网调度模型进行求解,且根据整体目标函数和层级间耦合变量的约束条件确定最优的输电网资源调度方案;
层级划分后,上层模型表示为:
下层模型表示为:
其中,FA、分别为上层模型中区域A、下层模型中区域B的输电网机组出力成本;gA、hA分别为上层模型中区域A满足的不等式和等式约束;x,t1,t2...tn表示上层模型的区域变量;N为下层模型区域的个数,/>分别表示第n个下层模型的不等式和等式约束条件,y表示第n个下层模型的变量满足的本地约束,y,r1,r2...rn,t′1,t′2...t′m表示第n个下层模型区域变量;ζ(c)为罚函数;c表示上层模型区域变量与第n个下层模型区域变量的耦合约束;
上层模型的目标函数为:
下层模型的目标函数为:
2.如权利要求1所述的一种输电网结构优化调度方法,其特征在于,各区域的约束条件包括发电机出力约束、支路功率平衡约束、区域功率平衡约束、区域间的一致性约束、支路开断数量约束、光伏发电出力约束和风力发电出力约束。
3.如权利要求1所述的一种输电网结构优化调度方法,其特征在于,对输电网调度模型进行线性优化处理的过程包括,将输电网机组出力成本进行线性化处理,并将支路功率平衡约束转换为二次约束,以将输电网调度模型转变为混合整数二次规划模型。
4.如权利要求1所述的一种输电网结构优化调度方法,其特征在于,对优化后的输电网调度模型进行求解的过程包括,
设定迭代次数,初始化罚函数乘子;
下层模型各区域并行进行优化调度,将每个区域的虚拟发电机的耦合变量传递至上层模型;
上层模型求解时,将虚拟负荷联动优化,并将虚拟负荷优化后的耦合变量值传递给下层模型,以对每个区域的虚拟发电机进行优化;
更新罚函数乘子,直至满足整体目标函数和层级间耦合变量的约束条件。
5.如权利要求1所述的一种输电网结构优化调度方法,其特征在于,根据整体目标函数和层级间耦合变量的约束条件确定最优的输电网资源调度方案的过程包括:下层模型虚拟发电机与上层模型虚拟负荷作为层级间耦合变量,其差值满足第一精度阈值,且整体目标函数在相邻两次迭代中满足第二精度阈值。
6.一种输电网结构优化调度系统,其特征在于,包括:
模型构建模块,被配置为以输电网机组出力成本最小为整体目标函数,并根据各区域间的联络支路对输电网结构进行划分,对各区域分别构建输电网调度模型;
模型解耦模块,被配置为对输电网调度模型进行线性优化处理后进行层级划分,将上层模型中虚拟负荷的目标量和下层模型中虚拟发电机的响应量作为层级间的耦合变量;
优化调度模块,被配置为引入罚函数对层级间的耦合约束进行松弛处理,确定各区域对应的目标函数和约束条件,以对优化后的输电网调度模型进行求解,且根据整体目标函数和层级间耦合变量的约束条件确定最优的输电网资源调度方案;
层级划分后,上层模型表示为:
下层模型表示为:
其中,FA、分别为上层模型中区域A、下层模型中区域B的输电网机组出力成本;gA、hA分别为上层模型中区域A满足的不等式和等式约束;x,t1,t2...tn表示上层模型的区域变量;N为下层模型区域的个数,/>分别表示第n个下层模型的不等式和等式约束条件,y表示第n个下层模型的变量满足的本地约束,y,r1,r2...rn,t′1,t′2...t′m表示第n个下层模型区域变量;ζ(c)为罚函数;c表示上层模型区域变量与第n个下层模型区域变量的耦合约束;
上层模型的目标函数为:
下层模型的目标函数为:
7.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-5任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111457680.6A CN113991753B (zh) | 2021-12-01 | 2021-12-01 | 一种输电网结构优化调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111457680.6A CN113991753B (zh) | 2021-12-01 | 2021-12-01 | 一种输电网结构优化调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113991753A CN113991753A (zh) | 2022-01-28 |
CN113991753B true CN113991753B (zh) | 2023-07-11 |
Family
ID=79732977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111457680.6A Active CN113991753B (zh) | 2021-12-01 | 2021-12-01 | 一种输电网结构优化调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113991753B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115204696B (zh) * | 2022-07-21 | 2023-12-08 | 成都飞机工业(集团)有限责任公司 | 基于atc和alc算法的飞机生产线装配作业调度方法 |
CN115994626B (zh) * | 2023-03-21 | 2023-06-23 | 国网四川省电力公司电力科学研究院 | 一种输电线路检修方法、装置、计算机设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7660649B1 (en) * | 2004-07-02 | 2010-02-09 | Optimal Innovations Inc. | Resource management using calculated sensitivities |
CN108599373A (zh) * | 2018-05-16 | 2018-09-28 | 山东大学 | 高比例可再生能源电力系统输配协调调度目标级联分析法 |
CN110289642A (zh) * | 2019-06-22 | 2019-09-27 | 南京邮电大学 | 一种基于指数罚函数的配电网分层调度优化方法 |
CN112541612A (zh) * | 2020-11-06 | 2021-03-23 | 广西电网有限责任公司电力科学研究院 | 一种基于多网耦合的虚拟电厂经济优化调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10740775B2 (en) * | 2012-12-14 | 2020-08-11 | Battelle Memorial Institute | Transactive control and coordination framework and associated toolkit functions |
-
2021
- 2021-12-01 CN CN202111457680.6A patent/CN113991753B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7660649B1 (en) * | 2004-07-02 | 2010-02-09 | Optimal Innovations Inc. | Resource management using calculated sensitivities |
CN108599373A (zh) * | 2018-05-16 | 2018-09-28 | 山东大学 | 高比例可再生能源电力系统输配协调调度目标级联分析法 |
CN110289642A (zh) * | 2019-06-22 | 2019-09-27 | 南京邮电大学 | 一种基于指数罚函数的配电网分层调度优化方法 |
CN112541612A (zh) * | 2020-11-06 | 2021-03-23 | 广西电网有限责任公司电力科学研究院 | 一种基于多网耦合的虚拟电厂经济优化调度方法 |
Non-Patent Citations (2)
Title |
---|
求解互联电网经济调度的层级协调方法;谢国辉;张粒子;舒隽;杨湛;;电工技术学报;第25卷(第04期);176-182 * |
计及不同需求响应群体的新能源并网系统优化调度;张晴晴;吴倩;李盛伟;白星振;;电力建设;第39卷(第07期);107-113 * |
Also Published As
Publication number | Publication date |
---|---|
CN113991753A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Unified distributed control of stand-alone DC microgrids | |
Mahmoud et al. | Adaptive intelligent techniques for microgrid control systems: A survey | |
Wu et al. | Distributed optimal coordination for distributed energy resources in power systems | |
Li et al. | Decentralized multi-area dynamic economic dispatch using modified generalized benders decomposition | |
Ding et al. | Hierarchical decentralized network reconfiguration for smart distribution systems—Part I: Problem formulation and algorithm development | |
CN113991753B (zh) | 一种输电网结构优化调度方法及系统 | |
Zhao et al. | Distributed robust frequency restoration and active power sharing for autonomous microgrids with event-triggered strategy | |
Dagdougui et al. | Optimal control of a network of power microgrids using the Pontryagin's minimum principle | |
Zhang et al. | Achieving real-time economic dispatch in power networks via a saddle point design approach | |
Aziz et al. | Admm-based distributed optimization of hybrid mtdc-ac grid for determining smooth operation point | |
Hu et al. | Hierarchical distributed scheme for demand estimation and power reallocation in a future power grid | |
CN112990596B (zh) | 一种主动配电网和虚拟电厂协同运行的分布式优化方法 | |
Tziovani et al. | Energy management and control of photovoltaic and storage systems in active distribution grids | |
Bidram et al. | Frequency control of electric power microgrids using distributed cooperative control of multi-agent systems | |
Chen et al. | Distributed finite-step iterative algorithm for economic dispatch of generation | |
Nazir et al. | Affinely adjustable robust volt/var control without centralized computations | |
Li et al. | Robust distributed secondary control for AC microgrids with time-varying delay | |
CN112467748A (zh) | 三相不平衡主动配电网双时标分布式电压控制方法及系统 | |
Han et al. | Optimization of Communication Network for Distributed Control of Wind Farm Equipped with Energy Storages | |
Teekaraman et al. | Investigations on the effect of micro-grid using improved NFIS-PID with hybrid algorithms | |
Carrasco et al. | Proximal jacobian distribution optimal power flow in a distributed cyber-physical environment | |
Wang et al. | Distributed finite-time economic dispatch for islanded microgrids | |
CN110212593B (zh) | 一种基于区间的耦合输配电系统分散调度方法 | |
Guo et al. | Coordinated multi-area economic dispatch via multi-parametric programming | |
Lai et al. | Noise-resilient distributed frequency control for droop-controlled renewable microgrids |
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 |