CN114123220B - 移动储能参与的主动配电网无功优化调度方法及系统 - Google Patents
移动储能参与的主动配电网无功优化调度方法及系统 Download PDFInfo
- Publication number
- CN114123220B CN114123220B CN202111514660.8A CN202111514660A CN114123220B CN 114123220 B CN114123220 B CN 114123220B CN 202111514660 A CN202111514660 A CN 202111514660A CN 114123220 B CN114123220 B CN 114123220B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- time
- mobile energy
- node
- reactive
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 137
- 238000005457 optimization Methods 0.000 title claims abstract description 82
- 238000009826 distribution Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000009471 action Effects 0.000 claims abstract description 77
- 239000003990 capacitor Substances 0.000 claims abstract description 76
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000013178 mathematical model Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000003068 static effect Effects 0.000 claims description 13
- 230000001105 regulatory effect Effects 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 4
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
-
- 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
-
- 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
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
-
- 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
- Y02E40/30—Reactive power compensation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种移动储能参与的主动配电网无功优化调度方法。考虑移动储能灵活部署的特性,将移动储能作为新的无功可控设备,建立了基于移动储能的主动配电网日前无功优化调度模型,并采用人工蜂群算法对模型进行求解。该模型不仅考虑了移动储能和其他无功可控设备的协调优化调度,还考虑了离散控制设备即并联电容器组和变压器分抽头的动作次数约束。通过该方法优化得到的调度方案有效解决了主动配电网中无功功率局部过量/不足问题,减少了离散控制设备的动作次数,降低了电网电压越限风险,具有一定的理论价值和工程价值。
Description
技术领域
本发明属于电力系统优化运行调度领域,特别是一种移动储能参与的主动配电网无功优化调度方法及系统。
背景技术
随着配电网中大规模分布式电源接入,传统的从变电站到负荷单向供电的配电网转变为功率双向流动的主动配电网。由于配电网线路的低X/R比以及可再生能源出力的波动,大规模可再生能源接入加剧了配电网中无功分布的不平衡,使无功优化问题成为主动配电网运行中亟需解决的关键问题之一。
无功优化是主动配电网优化运行技术的核心,通过对系统内的各种无功控制设备进行主动管理和调度,优化系统内的无功潮流分布。现有研究常采用调节变压器分抽头、改变网架结构、投切无功补偿设备、调度配电网中储能的充放电功率、控制可再生能源出力等方式优化配电网中的无功分布。然而,由于无功功率难以大规模远距离传输,现有的研究中采用的固定设备无法解决某些区域的无功不足/过量问题。考虑到目前配电网中配置了部分移动储能车,利用移动储能能够灵活部署的特性,可以进一步优化主动配电网的无功分布。
发明内容
本发明的目的在于提供一种移动储能参与的主动配电网无功优化调度方法,优化主动配电网中无功潮流分布、减小节点电压的偏移量。
实现本发明目的的技术解决方案为:一种移动储能参与的主动配电网无功优化调度方法,所述方法包括以下步骤:
步骤1,主动配电网中各无功可控设备建模,包括移动储能、分布式电源、并联电容器组以及有载调压变压器分抽头;
步骤2,考虑主动配电网的安全性和可靠性,以配电网的节点电压总偏移量最小为目标函数建立移动储能参与的无功优化调度模型;
步骤3,对步骤2建立的无功优化调度模型进行静态潮流计算,制作并联电容器组和有载调压变压器分抽头的预动作时刻表,以满足离散控制设备的动作次数要求;
步骤4,对步骤2中建立的无功优化调度模型采用人工蜂群算法进行求解,其中离散控制设备按照步骤3的预动作时刻表进行动作,最终得到移动储能和其他无功优化设备的日前优化调度策略。
一种移动储能参与的主动配电网无功优化调度系统,所述系统包括以下模块:
无功可控设备数学模型构建模块,用于进行主动配电网中各无功可控设备建模,包括移动储能、分布式电源、并联电容器组以及有载调压变压器分抽头;
无功优化调度方案构建模块,用于考虑主动配电网的安全性和可靠性,以配电网的节点电压总偏移量最小为目标函数建立移动储能参与的无功优化调度模型;
离散控制设备预动作时刻表构建模块,用于对建立的无功优化调度模型进行静态潮流计算,制作并联电容器组和有载调压变压器分抽头的预动作时刻表,以满足离散控制设备的动作次数要求;
人工蜂群算法求解模块,用于利用人工蜂群算法求解移动储能参与的主动配电网无功优化调度模型,得到移动储能和其他无功设备的调度方案。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
步骤1,主动配电网中各无功可控设备建模,包括移动储能、分布式电源、并联电容器组以及有载调压变压器分抽头;
步骤2,考虑主动配电网的安全性和可靠性,以配电网的节点电压总偏移量最小为目标函数建立移动储能参与的无功优化调度模型;
步骤3,对步骤2建立的无功优化调度模型进行静态潮流计算,制作并联电容器组和有载调压变压器分抽头的预动作时刻表,以满足离散控制设备的动作次数要求;
步骤4,对步骤2中建立的无功优化调度模型采用人工蜂群算法进行求解,其中离散控制设备按照步骤3的预动作时刻表进行动作,最终得到移动储能和其他无功优化设备的日前优化调度策略。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
步骤1,主动配电网中各无功可控设备建模,包括移动储能、分布式电源、并联电容器组以及有载调压变压器分抽头;
步骤2,考虑主动配电网的安全性和可靠性,以配电网的节点电压总偏移量最小为目标函数建立移动储能参与的无功优化调度模型;
步骤3,对步骤2建立的无功优化调度模型进行静态潮流计算,制作并联电容器组和有载调压变压器分抽头的预动作时刻表,以满足离散控制设备的动作次数要求;
步骤4,对步骤2中建立的无功优化调度模型采用人工蜂群算法进行求解,其中离散控制设备按照步骤3的预动作时刻表进行动作,最终得到移动储能和其他无功优化设备的日前优化调度策略。
本发明与现有技术相比,其显著优点为:
(1)不仅考虑了主动配电网中各种无功可控设备之间的协调优化,还考虑了离散控制设备的动作次数约束。该方法充分发挥了各无功设备的无功潜力,保证了电力系统运行的经济性。
(2)利用移动储能可以灵活部署的特性,实现了电网中的电能在时间和空间上的转移,有效解决了主动配电网中局部无功过量/不足的问题,促进了电网的能源消纳,提高了电网的电压质量
(3)可以适用于含有多种无功可控设备的主动配电网日前运行优化调度,具有一定的理论价值和工程价值。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为本发明的方法实施流程图。
图2为本发明采用的人工蜂群算法流程图。
图3为本发明实施例中IEE33节点系统的拓扑图。
图4为本发明实施例中系统负荷预测曲线图。
图5为本发明实施例中变压器分抽头在一个调度周期内的动作状态示意图。
图6为本发明实施例中并联电容器组在一个调度周期内的动作状态示意图。
图7为本发明实施例中系统节点电压优化结果图。
图8为本发明实施例中电压结果与其他方法的电压结果对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
结合图1,本发明提出的移动储能参与的主动配电网无功优化调度方法,包括如下步骤:
步骤1,构建主动配电网中各无功可控设备数学模型。主动配电网中的无功可控设备包括移动储能、分布式电源、并联电容器组以及有载调压变压器分抽头。移动储能和分布式电源在调节过程中可以连续出力,称为连续控制设备。移动储能具有灵活部署的特性,对移动储能建模时既需要考虑储能装置的出力约束,还要考虑储能的移动约束。通过电力电子装置并网的分布式电源不仅可以作为有功源向电网发出有功,还可以作为无功源向电网提供无功支撑,其输出的无功范围受装置容量大小限制。并联电容器组和有载调压变压器分抽头在优化过程中只能逐级调节,称为离散调节控制设备。考虑离散控制设备动作的安全性和经济性,其在一个调度周期内的动作次数不能超过最大动作次数。建立上述无功可控设备的数学模型,具体步骤为:
步骤1-1,移动储能的移动模型:
其中,I为移动储能的接入点集合;是一个0-1变量,表示第m个移动储能在第t时步是否接入节点i,是为1,否则为0。该式规定了每个移动储能装置在每个时步内只能接入一个节点。
其中,trij为移动储能在接入节点i和接入节点j之间的移动时间,T为一个调度周期,t为当前时刻。该式规定了移动储能从一个接入点移动到另一个接入点时需要满足的运行时间约束;
其中,M为移动储能个数集合,Num为每个接入节点所能接入的最大移动储能个数。该式说明了每一个接入节点能够接入的移动储能个数是有限的。
步骤1-2,当移动储能接入电网时,移动储能的出力模型和SoC状态模型为:
其中,和/>表示第m个移动储能在t时步输出的有功功率、无功功率;和/>为移动储能输出有功功率的上下限;/>和/>为移动储能输出无功功率的上下限;/>为移动储能最大视在功率;
其中,Et为当前时刻储能系统中所存储的电量;E为储能装置的额定容量;表示第m个移动储能在t时步的荷电状态,/>表示第m个移动储能在t+1时步的荷电状态,ηch和ηdis分别表示储能系统的充电效率和放电效率;SoCmin、SoCmax为储能荷电状态的上下限值;
步骤1-3,构建分布式电源的数学模型:
其中,PDG,i为第i个分布式电源的有功出力,为第i个分布式电源有功出力的上限;/>为第i个分布式无功出力的上下限;SDG,i为分布式电源的视在功率;
步骤1-4,构建并联电容器组的数学模型:
QC,i=NCQC0
0≤NC≤NC,max,NC∈Z
其中,QC,i为并联电容器组的实际投切容量;QC0为每组电容器的容量;NC为电容器组实际投入组数;NC,max为电容器组的最大投切组数;
步骤1-5,构建有载调压变压器分抽头的数学模型:
ki=k0+KiΔki
Ki,min≤Ki≤Ki.max,i∈Ωk
其中,Ωk为变压器节点集合;ki为第i台OLTC的变比,k0为OLTC的标准变比,Δki为调节步长,Ki为OLTC的调节档位;Ki.min和Ki.max分别为OLTC档位的单次调节上下限值;
步骤1-6、离散控制设备动作次数约束模型:
其中,T为一个优化调度周期;和/>分别为并联电容器组在t时刻和t-1时刻的电容器投切容量;Nc,max为并联电容器组在一个调度周期内的最大动作次数;/>和/>分别为变压器分抽头在t时刻和t-1时刻的动作位置;Nk,max为变压器分抽头在一个调度周期内的最大动作次数;
步骤2,根据步骤1建立的各无功设备数学模型,建立移动储能参与的主动配电网无功优化调度模型,具体为:
步骤2-1,考虑主动配电网的运行安全性和稳定性,以一个调度周期内的节点电压总偏移值作为优化问题的目标函数,其表示为:
其中,T为一个调度周期,N为系统节点数;Vi,t表示i节点在第t个时步的实际电压值,Vref表示节点电压参考值,Vi,t和Vref均用标幺值表示。
步骤2-2,无功优化过程中既需要对系统潮流进行约束,还需要对可控设备的控制变量以及系统状态变量进行约束,模型中的约束条件如下:
(1)系统潮流约束
其中,PGi,t、QGi,t分别为t时刻节点i的发电机注入有功、无功功率;PLi,t、QLi,t分别为t时刻节点i的负荷有功、无功功率;PDG,t、QDG,t分别为t时刻节点i的分布式电源注入有功、无功功率;PMESS,i,t、QMESS,i,t分别为t时刻节点i的储能装置注入的有功、无功功率,放电为正,充电为负;QCi,t为t时刻节点i的并联电容器组的补偿容量;Vi,t为t时刻节点i的电压幅值;Gij、Bij分别为节点i、j之间的电导和电纳;θij,t为t时刻节点i、j之间的电压相角差。
(2)移动储能约束
储能移动约束:
储能出力约束:
储能SoC约束:
其中,各表达式含义如步骤1-1所示。
(3)变压器分抽头约束
Ki,min≤Ki≤Ki.max,i∈Ωk
其中,Ωk为变压器节点集合,Ki为OLTC的调节档位;Ki.min和Ki.max分别为OLTC档位的单次调节上下限值;T为一个优化调度周期,和/>分别为变压器分抽头在t时刻和t-1时刻的动作位置;Nk,max为变压器分抽头在一个调度周期内的最大动作次数。
(4)并联电容器组约束
0≤NC≤NC,max,NC∈Z
其中,NC为电容器组实际投入组数;NC,max为电容器组的最大投切组数;T为一个优化调度周期;和/>分别为并联电容器组在t时刻和t-1时刻的电容器投切容量;Nc,max为并联电容器组在一个调度周期内的最大动作次数。
(5)分布式电源出力约束
其中,表达式各分量含义如步骤1-3所示。
(6)状态变量约束
其中,Vi,t为t时刻节点i的电压幅值;为Vi,t的上下限值。
步骤3,采用预动作表法,基于步骤2的无功优化调度模型,确定离散控制设备,即有载调压变压器抽头和并联电容器组的最优动作时刻,使其满足动作次数约束,具体步骤为:
步骤3-1,首先将一天的负荷按调度周期进行划分,得到T个时段的负荷分段,每个时段的负荷保持不变,并选取该时段负荷的平均数进行负荷表示
步骤3-2,不计动作次数约束,对建立的无功优化调度模型进行静态潮流计算,得到有载调压变压器和并联电容器组在每个时段的动作情况。
步骤3-3,将结果中在相邻时刻的投切变化量作为依据制定预动作时刻表。投切变化量越大,表明该时间段设备动作优先级越高。因此,根据设备在一个调度周期内的动作次数要求,确定了有载调压变压器和并联电容器组的最优动作时刻,建立了设备的预动作时刻表。
步骤4,确定有载调压变压器分抽头和并联电容器组的预动作时刻表后,以移动储能的接入位置以及各无功设备的出力作为控制变量,采用人工蜂群算法进行求解,得到移动储能参与的主动配电网日前无功优化调度方案。人工蜂群算法流程如图2所示。
下面结合实施例对本发明做进一步详细的描述。
实施例
采用IEEE33节点系统作为算例验证本发明方法的有效性。该系统拓扑结构如图3所示。实施例中以24h作为一个调度周期,将标准IEEE33节点系统中各节点负荷参数作为基准值,一个典型日的负荷预测比例系数曲线如图4所示。
IEEE33节点系统的基准容量为100MVA,电压等级为12.66kV,系统中电压允许偏移范围设置为基准值的±10%,即电压允许偏移范围为0.9~1.1(p.u.)。系统在支路0-1处接入一台有载调压变压器,包含17个分接头(UN±8×1.25%);在节点10、28分别接有并联电容器组,每个节点接入的电容总容量为4×50kvar。离散控制设备的最大动作次数设置为10。在节点25、30处接入分布式电源,其类型为风力发电机,额定容量为150kW。系统中接有3个移动储能,初始节点为节点2、19、33,每组移动储能的功率上下限为200/-200kW,视在功率为400kVA,容量为1200kW·h。充放电效率均设置为0.9,储能初始SoC设置为0.5,储能SoC的上下限分别设置为0.2、0.8。在本实施例中,规定系统内所有节点均为储能接入候选点。
图5表示有载调压变压器分抽头日前24个时段的调度策略,图6表示并联电容器日前24个时段的调度策略。由结果可以看出,两者均满足离散控制设备的最大动作次数约束要求。离散控制设备动作次数的减少,既延长了设备的使用寿命,也促进了电力系统的经济性运行。
图7为本发明实施例中的各节点电压优化结果。由结果图可以看出:经过优化后的系统节点电压均保持在要求范围内。
引入考虑固定储能的无功优化调度模型,与本发明建立的移动储能无功优化调度模型进行对比,其电压优化结果如图8所示。由图中可以看出,基于移动储能的电压优化结果中各节点的电压不仅满足系统的电压约束要求,而且均保持在0.96~1.06(p.u.)范围内;而基于固定储能的电压优化结果中各节点电压在0.96~1.08(p.u.)范围内,存在越限风险。这表明了基于移动储能的无功优化调度方法能够有效防止电力系统局部区域发生无功过量/不足情况而导致节点电压过高/过低的情况,减少了系统节点电压越限的风险,保证了电力系统的安全稳定运行。
表1、表2和表3为主动配电网中移动储能的接入位置调度策略。表4为各无功设备的无功出力方案。根据优化结果可以看出,移动储能可以根据需要接入系统的不同位置,进而根据系统的能量状况进行充放电,优化了系统的潮流分布。同时,移动储能与其他无功设备之间进行协调优化,得到日前调度方案。
表1移动储能1的调度策略
表2移动储能2的调度策略
表3移动储能3的调度策略
表4各无功可控设备的出力方案
从以上实施例结果可以看出,本发明基于移动储能参与的主动配电网无功优化调度方法,充分利用了移动储能装置的灵活部署特性,协调了各无功优化设备之间的出力,模型简单,易于求解。利用本发明得到的运行策略能够充分发挥各种无功设备的无功潜力,促进电网中的无功潮流合理分布,减少电网的电压偏移,保证了电网的经济性、安全性和可靠性。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (4)
1.一种移动储能参与的主动配电网无功优化调度方法,其特征在于,所述方法包括以下步骤:
步骤1,主动配电网中各无功可控设备建模,包括移动储能、分布式电源、并联电容器组以及有载调压变压器分抽头;
步骤2,考虑主动配电网的安全性和可靠性,以配电网的节点电压总偏移量最小为目标函数建立移动储能参与的无功优化调度模型;
步骤3,对步骤2建立的无功优化调度模型进行静态潮流计算,制作并联电容器组和有载调压变压器分抽头的预动作时刻表,以满足离散控制设备的动作次数要求;
步骤4,对步骤2中建立的无功优化调度模型采用人工蜂群算法进行求解,其中离散控制设备按照步骤3的预动作时刻表进行动作,最终得到移动储能和其他无功优化设备的日前优化调度策略;
步骤1所述主动配电网中各无功可控设备建模,即构建主动配电网中各个无功可控设备的数学模型,包括移动储能、分布式电源、并联电容器组以及有载调压变压器分抽头,具体包括以下步骤:
步骤1-1,构建移动储能的移动模型:
其中,I为移动储能的接入点集合;是一个0-1变量,表示第m个移动储能在第t时步是否接入节点i,若是则为1,否则为0;该式规定了每个移动储能装置在每个时步内只能接入一个节点;
其中,trij为移动储能在接入节点i和接入节点j之间的移动时间,T为一个调度周期,t为当前时刻;该式规定了移动储能从一个接入点移动到另一个接入点时需要满足的运行时间约束;
其中,M为移动储能个数集合,Num为每个接入节点所能接入的最大移动储能个数;该式说明每一个接入节点能够接入的移动储能个数是有限的;
步骤1-2,当移动储能接入电网时,移动储能的出力模型和SoC模型分别为:
其中,和/>表示第m个移动储能在t时步输出的有功功率、无功功率;/>和为移动储能输出有功功率的上下限;/>和/>为移动储能输出无功功率的上下限;/>为移动储能最大视在功率;
其中,Et为当前时刻储能系统中所存储的电量;E为储能装置的额定容量;表示第m个移动储能在t时步的荷电状态,/>表示第m个移动储能在t+1时步的荷电状态,ηch和ηdis分别表示储能系统的充电效率和放电效率;SoCmin、SoCmax分别为储能荷电状态的上下限值;
步骤1-3,构建分布式电源的数学模型:
其中,PDG,i为第i个分布式电源的有功出力,为第i个分布式电源有功出力的上限;QDG,i为第i个分布式电源的无功出力,/>为第i个分布式电源无功出力的上下限;SDG,i为分布式电源的视在功率;
步骤1-4,构建并联电容器组的数学模型:
QC,i=NCQC0
0≤NC≤NC,max,NC∈Z
其中,QC,i为并联电容器组的实际投切容量;QC0为单组电容器的容量;NC为电容器组实际投入组数;NC,max为电容器组的最大投切组数;
步骤1-5,构建有载调压变压器分抽头的数学模型:
ki=k0+KiΔki
Ki,min≤Ki≤Ki.max,i∈Ωk
其中,Ωk为变压器节点集合;ki为第i台OLTC的变比,k0为OLTC的标准变比,Δki为调节步长,Ki为OLTC的调节档位;Ki.min和Ki.max分别为OLTC档位的单次调节上下限值;
所述步骤1-4、1-5中的无功可控设备需要满足动作次数要求,其模型表示为:
其中,T为一个优化调度周期;和/>分别为并联电容器组在t时刻和t-1时刻的电容器投切容量;Nc,max为并联电容器组在一个调度周期内的最大动作次数;/>和/>分别为变压器分抽头在t时刻和t-1时刻的动作位置;Nk,max为变压器分抽头在一个调度周期内的最大动作次数;
步骤2所述考虑主动配电网的安全性和可靠性,以配电网的节点电压总偏移量最小为目标函数建立移动储能参与的无功优化调度模型,具体包括以下步骤:
步骤2-1,考虑主动配电网的运行安全性和稳定性,以一个调度周期内的节点电压总偏移值作为优化问题的目标函数,其表示为:
其中,T为一个调度周期,N为系统节点数;Vi,t表示i节点在第t个时步的实际电压值,Vref表示节点电压参考值,Vi,t和Vref均用标幺值表示;
步骤2-2,无功优化过程中既需要对系统潮流进行约束,还需要对可控设备的控制变量以及系统状态变量进行约束,模型中的约束条件如下:
(1)系统潮流约束
其中,PGi,t、QGi,t分别为t时刻节点i的发电机注入有功、无功功率;PLi,t、QLi,t分别为t时刻节点i的负荷有功、无功功率;PDG,t、QDG,t分别为t时刻节点i的分布式电源注入有功、无功功率;PMESS,i,t、QMESS,i,t分别为t时刻节点i的储能装置注入的有功、无功功率,放电为正,充电为负;QCi,t为t时刻节点i的并联电容器组的补偿容量;Vi,t为t时刻节点i的电压幅值;Gij、Bij分别为节点i、j之间的电导和电纳;θij,t为t时刻节点i、j之间的电压相角差;
(2)移动储能约束
储能移动约束:
储能出力约束:
储能SoC约束:
(3)变压器分抽头约束
Ki,min≤Ki≤Ki.max,i∈Ωk
其中,Ωk为变压器节点集合,Ki为OLTC的调节档位;Ki.min和Ki.max分别为OLTC档位的单次调节上下限值;T为一个优化调度周期,和/>分别为变压器分抽头在t时刻和t-1时刻的动作位置;Nk,max为变压器分抽头在一个调度周期内的最大动作次数;
(4)并联电容器组约束
0≤NC≤NC,max,NC∈Z
其中,NC为电容器组实际投入组数;NC,max为电容器组的最大投切组数;T为一个优化调度周期;和/>分别为并联电容器组在t时刻和t-1时刻的电容器投切容量;Nc,max为并联电容器组在一个调度周期内的最大动作次数;
(5)分布式电源出力约束
(6)状态变量约束
其中,Vi,t为t时刻节点i的电压幅值;为Vi,t的上下限值;
步骤3所述对步骤2建立的模型进行静态潮流计算,制作并联电容器组和有载调压变压器分抽头的预动作时刻表,以满足离散控制设备的动作次数要求,具体包括以下步骤:
步骤3-1,首先将一天的负荷按调度周期进行划分,得到T个时段的负荷分段,每个时段的负荷保持不变,并选取该时段负荷的平均数进行负荷表示;
步骤3-2,不计动作次数约束,对建立的无功优化调度模型进行静态潮流计算,得到有载调压变压器和并联电容器组在每个时段的动作情况;
步骤3-3,将静态潮流计算结果中离散控制设备在相邻时刻的投切变化量作为依据制定预动作时刻表,投切变化量越大,表明该时间段设备动作优先级越高;因此,根据设备在一个调度周期内的动作次数要求,确定有载调压变压器和并联电容器组的最优动作时刻,建立离散控制设备的预动作时刻表。
2.一种移动储能参与的主动配电网无功优化调度系统,其特征在于,所述系统包括以下模块:
无功可控设备数学模型构建模块,用于进行主动配电网中各无功可控设备建模,包括移动储能、分布式电源、并联电容器组以及有载调压变压器分抽头;
无功优化调度方案构建模块,用于考虑主动配电网的安全性和可靠性,以配电网的节点电压总偏移量最小为目标函数建立移动储能参与的无功优化调度模型;
离散控制设备预动作时刻表构建模块,用于对建立的无功优化调度模型进行静态潮流计算,制作并联电容器组和有载调压变压器分抽头的预动作时刻表,以满足离散控制设备的动作次数要求;
人工蜂群算法求解模块,用于利用人工蜂群算法求解移动储能参与的主动配电网无功优化调度模型,得到移动储能和其他无功设备的调度方案;
所述主动配电网中各无功可控设备建模,即构建主动配电网中各个无功可控设备的数学模型,包括移动储能、分布式电源、并联电容器组以及有载调压变压器分抽头,具体包括以下步骤:
步骤1-1,构建移动储能的移动模型:
其中,I为移动储能的接入点集合;是一个0-1变量,表示第m个移动储能在第t时步是否接入节点i,若是则为1,否则为0;该式规定了每个移动储能装置在每个时步内只能接入一个节点;
其中,trij为移动储能在接入节点i和接入节点j之间的移动时间,T为一个调度周期,t为当前时刻;该式规定了移动储能从一个接入点移动到另一个接入点时需要满足的运行时间约束;
其中,M为移动储能个数集合,Num为每个接入节点所能接入的最大移动储能个数;该式说明每一个接入节点能够接入的移动储能个数是有限的;
步骤1-2,当移动储能接入电网时,移动储能的出力模型和SoC模型分别为:
其中,和/>表示第m个移动储能在t时步输出的有功功率、无功功率;/>和为移动储能输出有功功率的上下限;/>和/>为移动储能输出无功功率的上下限;/>为移动储能最大视在功率;
其中,Et为当前时刻储能系统中所存储的电量;E为储能装置的额定容量;表示第m个移动储能在t时步的荷电状态,/>表示第m个移动储能在t+1时步的荷电状态,ηch和ηdis分别表示储能系统的充电效率和放电效率;SoCmin、SoCmax分别为储能荷电状态的上下限值;
步骤1-3,构建分布式电源的数学模型:
其中,PDG,i为第i个分布式电源的有功出力,为第i个分布式电源有功出力的上限;QDG,i为第i个分布式电源的无功出力,/>为第i个分布式电源无功出力的上下限;SDG,i为分布式电源的视在功率;
步骤1-4,构建并联电容器组的数学模型:
QC,i=NCQC0
0≤NC≤NC,max,NC∈Z
其中,QC,i为并联电容器组的实际投切容量;QC0为单组电容器的容量;NC为电容器组实际投入组数;NC,max为电容器组的最大投切组数;
步骤1-5,构建有载调压变压器分抽头的数学模型:
ki=k0+KiΔki
Ki,min≤Ki≤Ki.max,i∈Ωk
其中,Ωk为变压器节点集合;ki为第i台OLTC的变比,k0为OLTC的标准变比,Δki为调节步长,Ki为OLTC的调节档位;Ki.min和Ki.max分别为OLTC档位的单次调节上下限值;
所述步骤1-4、1-5中的无功可控设备需要满足动作次数要求,其模型表示为:
其中,T为一个优化调度周期;和/>分别为并联电容器组在t时刻和t-1时刻的电容器投切容量;Nc,max为并联电容器组在一个调度周期内的最大动作次数;/>和/>分别为变压器分抽头在t时刻和t-1时刻的动作位置;Nk,max为变压器分抽头在一个调度周期内的最大动作次数;
所述考虑主动配电网的安全性和可靠性,以配电网的节点电压总偏移量最小为目标函数建立移动储能参与的无功优化调度模型,具体包括以下步骤:
步骤2-1,考虑主动配电网的运行安全性和稳定性,以一个调度周期内的节点电压总偏移值作为优化问题的目标函数,其表示为:
其中,T为一个调度周期,N为系统节点数;Vi,t表示i节点在第t个时步的实际电压值,Vref表示节点电压参考值,Vi,t和Vref均用标幺值表示;
步骤2-2,无功优化过程中既需要对系统潮流进行约束,还需要对可控设备的控制变量以及系统状态变量进行约束,模型中的约束条件如下:
(1)系统潮流约束
其中,PGi,t、QGi,t分别为t时刻节点i的发电机注入有功、无功功率;PLi,t、QLi,t分别为t时刻节点i的负荷有功、无功功率;PDG,t、QDG,t分别为t时刻节点i的分布式电源注入有功、无功功率;PMESS,i,t、QMESS,i,t分别为t时刻节点i的储能装置注入的有功、无功功率,放电为正,充电为负;QCi,t为t时刻节点i的并联电容器组的补偿容量;Vi,t为t时刻节点i的电压幅值;Gij、Bij分别为节点i、j之间的电导和电纳;θij,t为t时刻节点i、j之间的电压相角差;
(2)移动储能约束
储能移动约束:
储能出力约束:
储能SoC约束:
(3)变压器分抽头约束
Ki,min≤Ki≤Ki.max,i∈Ωk
其中,Ωk为变压器节点集合,Ki为OLTC的调节档位;Ki.min和Ki.max分别为OLTC档位的单次调节上下限值;T为一个优化调度周期,和/>分别为变压器分抽头在t时刻和t-1时刻的动作位置;Nk,max为变压器分抽头在一个调度周期内的最大动作次数;
(4)并联电容器组约束
0≤NC≤NC,max,NC∈Z
其中,NC为电容器组实际投入组数;NC,max为电容器组的最大投切组数;T为一个优化调度周期;和/>分别为并联电容器组在t时刻和t-1时刻的电容器投切容量;Nc,max为并联电容器组在一个调度周期内的最大动作次数;
(5)分布式电源出力约束
(6)状态变量约束
其中,Vi,t为t时刻节点i的电压幅值;为Vi,t的上下限值;
对建立的模型进行静态潮流计算,制作并联电容器组和有载调压变压器分抽头的预动作时刻表,以满足离散控制设备的动作次数要求,具体包括以下步骤:
步骤3-1,首先将一天的负荷按调度周期进行划分,得到T个时段的负荷分段,每个时段的负荷保持不变,并选取该时段负荷的平均数进行负荷表示;
步骤3-2,不计动作次数约束,对建立的无功优化调度模型进行静态潮流计算,得到有载调压变压器和并联电容器组在每个时段的动作情况;
步骤3-3,将静态潮流计算结果中离散控制设备在相邻时刻的投切变化量作为依据制定预动作时刻表,投切变化量越大,表明该时间段设备动作优先级越高;因此,根据设备在一个调度周期内的动作次数要求,确定有载调压变压器和并联电容器组的最优动作时刻,建立离散控制设备的预动作时刻表。
3.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1所述方法的步骤。
4.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111514660.8A CN114123220B (zh) | 2021-12-13 | 2021-12-13 | 移动储能参与的主动配电网无功优化调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111514660.8A CN114123220B (zh) | 2021-12-13 | 2021-12-13 | 移动储能参与的主动配电网无功优化调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114123220A CN114123220A (zh) | 2022-03-01 |
CN114123220B true CN114123220B (zh) | 2024-04-23 |
Family
ID=80365024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111514660.8A Active CN114123220B (zh) | 2021-12-13 | 2021-12-13 | 移动储能参与的主动配电网无功优化调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114123220B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106786806A (zh) * | 2016-12-15 | 2017-05-31 | 国网江苏省电力公司南京供电公司 | 一种基于模型预测控制的配电网有功无功协调调控方法 |
CN106786630A (zh) * | 2017-01-22 | 2017-05-31 | 上海电力学院 | 一种含多类型分布式电源的电压无功优化控制方法 |
CN113067344A (zh) * | 2021-03-08 | 2021-07-02 | 南京理工大学 | 一种基于模型预测控制的主动配电网无功优化方法 |
-
2021
- 2021-12-13 CN CN202111514660.8A patent/CN114123220B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106786806A (zh) * | 2016-12-15 | 2017-05-31 | 国网江苏省电力公司南京供电公司 | 一种基于模型预测控制的配电网有功无功协调调控方法 |
CN106786630A (zh) * | 2017-01-22 | 2017-05-31 | 上海电力学院 | 一种含多类型分布式电源的电压无功优化控制方法 |
CN113067344A (zh) * | 2021-03-08 | 2021-07-02 | 南京理工大学 | 一种基于模型预测控制的主动配电网无功优化方法 |
Non-Patent Citations (1)
Title |
---|
符杨 等.考虑越限风险的主动配电网日前优化调度及运行.中国电机工程学报.37(第21期),6328-6338. * |
Also Published As
Publication number | Publication date |
---|---|
CN114123220A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108683179B (zh) | 基于混合整数线性规划的主动配电网优化调度方法及系统 | |
CN107104433B (zh) | 一种光储系统参与配电网优化运行策略的获取方法 | |
CN109687510B (zh) | 一种计及不确定性的配电网多时间尺度优化运行方法 | |
CN107069807B (zh) | 含不确定性预算调节的无平衡节点微网鲁棒调度方法 | |
Murray et al. | Voltage control in future electrical distribution networks | |
CN107196316B (zh) | 主动配电网内多级无功电压协调控制方法 | |
CN114362267B (zh) | 考虑多目标优化的交直流混合配电网分散式协调优化方法 | |
CN108493945A (zh) | 基于配电网节能降损协调优化的电压控制方法 | |
CN114597969B (zh) | 计及智能软开关和虚拟电厂技术的配电网双层优化方法 | |
CN113224769B (zh) | 考虑光伏多状态调节的多时间尺度配电网电压优化方法 | |
CN107017656A (zh) | 一种考虑电能质量提升的主动配电系统优化调度方法 | |
CN108695875B (zh) | 智能软开关和储能装置联合接入的配电网运行优化方法 | |
CN113258581A (zh) | 一种基于多智能体的源荷协调电压控制方法及装置 | |
Pandi et al. | Adaptive coordinated feeder flow control in distribution system with the support of distributed energy resources | |
Keshta et al. | Fuzzy PI controller‐based model reference adaptive control for voltage control of two connected microgrids | |
Qiao et al. | Voltage/Var control for hybrid distribution networks using decomposition-based multiobjective evolutionary algorithm | |
Annapoorani et al. | Fuzzy logic-based integral controller for load frequency control in an isolated micro-grid with superconducting magnetic energy storage unit | |
Chen et al. | Cooperative control strategy for distributed wind-storage combined system based on consensus protocol | |
CN114123220B (zh) | 移动储能参与的主动配电网无功优化调度方法及系统 | |
Unamuno et al. | An interoperable ems for the provision of grid services with hybrid energy storage systems | |
CN116505542A (zh) | 配电网电压的无功优化协调控制方法、装置、设备及介质 | |
CN113890110B (zh) | 基于能源路由器的交直流混合能源系统及其运行优化方法 | |
CN116247712A (zh) | 一种中低压直流配用电系统的控制方法、装置及存储介质 | |
Ma et al. | Research on reactive power and voltage characteristics analysis and reactive power configuration strategy of active distribution network | |
Cai et al. | An Adaptive Control in a LV Distribution Network Integrating Distributed PV Systems by Considering Electricity Substitution |
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 |