CN114629125B - 柔性软开关优化配置方法、系统、电子设备、存储介质 - Google Patents
柔性软开关优化配置方法、系统、电子设备、存储介质 Download PDFInfo
- Publication number
- CN114629125B CN114629125B CN202210158480.9A CN202210158480A CN114629125B CN 114629125 B CN114629125 B CN 114629125B CN 202210158480 A CN202210158480 A CN 202210158480A CN 114629125 B CN114629125 B CN 114629125B
- Authority
- CN
- China
- Prior art keywords
- soft switch
- flexible soft
- node
- stage
- index
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 238000005457 optimization Methods 0.000 claims description 52
- 238000004590 computer program Methods 0.000 claims description 14
- 230000009977 dual effect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 abstract description 10
- 230000008859 change Effects 0.000 abstract description 4
- 238000010561 standard procedure Methods 0.000 description 44
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000009434 installation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000005611 electricity Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
- H02J3/46—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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种柔性软开关优化配置方法、系统、电子设备、存储介质，所述方法包括：基于潮流介数指标和电压越限风险指标，确定安装柔性软开关的候选位置；基于候选位置，构建多场景规划模型，以规划总成本的最小化为导向，获取柔性软开关的最优位置；其中，所述潮流介数指标为线路对全网有功潮流传输的贡献的量化值，所述电压越限风险指标为对节点电压在运行中出现越限情况可能性的量化值。考虑可再生能源接入后对系统潮流的改变，基于潮流介数与电压越限风险指标提出柔性软开关候选位置优选方法，避免了在规划过程中大量的寻优过程，提高优化效率。
Description
技术领域
本发明涉及电网控制技术领域，尤其涉及一种柔性软开关优化配置方法、系统、电子设备、存储介质。
背景技术
电力市场的市场主体种类、数量不断增加，范围逐步扩大。在能源互联网背景下，新能源消纳挑战不断增大，电力负荷规模逐步增大，系统安全稳定运行压力渐增。如何充分利用各种市场主体资源和先进的计量、通信、控制、优化手段，以市场化方式调动其参与电网运行，是电力市场深化推进的又一个问题。
在各类可调节资源中，虚拟电厂(Virtual Power Plant，VPP)通常可由分布式发电、需求侧可调节资源、分布式储能等构成一个整体，由虚拟电厂运营方组织市场化交易和参与系统运行互动，利用规模和协同效应提高在市场中的竞争力。为了满足虚拟电厂接入大量可调节资源的要求，同时实现潮流的柔性控制和网络结构的灵活调整，柔性软开关(Soft Open Points，SOPs)等电力电子设备开始配置到虚拟电厂中，替代原有的联络开关，实时准确控制其所联两侧馈线的有功和无功。SOP适应虚拟电厂灵活调节、拓扑灵活多变的需求，成为一种重要的优化调控手段，对于虚拟电厂经济安全运行有重要作用。
传统电网通过改变联络开关状态实现网络重构优化，联络开关所在的线路成为平衡潮流的关键线路，目前SOP配置的候选位置一般选取在传统联络开关处，但高比例分布式能源的接入极大地改变了虚拟电厂内的潮流分布，此时传统联络开关并不一定是安装SOP的关键线路。另一方面，分布式电源出力随机性对虚拟电厂经济安全优化的影响日益突显，对于分布式电源渗透率很高的虚拟电厂，分布式电源的预测误差可能会产生一些极端情况，在极端情况下，现有技术中获得的SOP配置方案可能会引起潮流过载、电压越限等电网安全问题。
发明内容
针对现有技术存在的问题，本发明提供一种柔性软开关优化配置方法、系统、电子设备、存储介质。
本发明提供的一种柔性软开关优化配置方法，所述方法包括：
基于潮流介数指标和电压越限风险指标，确定安装柔性软开关的候选位置；
基于候选位置，构建多场景规划模型，以规划总成本的最小化为导向，获取柔性软开关的最优位置；
其中，所述潮流介数指标为线路对全网有功潮流传输的贡献的量化值，所述电压越限风险指标为对节点电压在运行中出现越限情况可能性的量化值。
根据本发明提供的一种柔性软开关优化配置方法，所述构建多场景规划模型，包括：
将节点处安装的分布式电源的预测功率输出作为一个不确定集，建立柔性软开关的两阶段鲁棒优化配置模型。
根据本发明提供的一种柔性软开关优化配置方法，所述两阶段鲁棒优化配置模型，包括：
第一阶段，在投资决策变量、运行变量、考虑可再生能源预测误差的鲁棒变量三种变量的可行域内，以规划总成本的最小化为导向寻优；
第二阶段，在运行变量的可行域内以虚拟电厂年运行费用的最小化为导向寻优，在鲁棒变量的不确定性集合内以虚拟电厂年运行费用的最大化为导向寻优。
根据本发明提供的一种柔性软开关优化配置方法，所述以规划总成本的最小化为导向，获取柔性软开关的最优位置，包括：
将两阶段鲁棒优化配置模型转化为混合整数二阶锥规划模型；
通过列和约束生成算法，将混合整数二阶锥规划模型分解为第一阶段主问题和第二阶段子问题；
通过CPLEX求解第一阶段主问题和第二阶段子问题，获取柔性软开关的最优位置。
根据本发明提供的一种柔性软开关优化配置方法，所述通过CPLEX求解第一阶段主问题和第二阶段子问题，之前包括：
对于第二阶段子问题，采用弱对偶和二阶锥对偶算法进行转化，将max-min优化问题转化为max优化问题。
根据本发明提供的一种柔性软开关优化配置方法，所述基于潮流介数指标和电压越限风险指标，确定安装柔性软开关的候选位置，包括：
输入虚拟电厂的电力网络初始数据，各个场景下负荷、分布式电源出力预测值；
对各个场景进行时序潮流计算；
根据时序潮流计算结果，分别计算各条支路的潮流介数指标和各节点的电压越限风险指标；
设定基于潮流介数指标的支路选择第一阈值和基于电压越限风险的节点选择第二阈值；
当线路的潮流介数指标大于第一阈值时，将该线路纳入柔性软开关候选支路第一集合；当节点的电压越限风险指标大于第二阈值时，将以该节点为首节点或者末节点的支路纳入柔性软开关候选支路第二集合；
取第一集合和第二集合的交集中的支路作为柔性软开关的候选位置。
本发明还提供的一种柔性软开关优化配置系统，所述系统包括：
初步选择模块，所述初步选择模块基于潮流介数指标和电压越限风险指标，确定安装柔性软开关的候选位置；
寻优模块，所述寻优模块基于候选位置，构建多场景规划模型，以规划总成本的最小化为导向，获取柔性软开关的最优位置；
其中，所述潮流介数指标为线路对全网有功潮流传输的贡献的量化值，所述电压越限风险指标为节点电压在实际运行中出现越限情况的可能性。
本发明还提供的一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一项所述柔性软开关优化配置方法的步骤。
本发明还提供的一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述柔性软开关优化配置方法的步骤。
本发明还提供的一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述柔性软开关优化配置方法的步骤。
本发明提供的柔性软开关优化配置方法、系统、电子设备、存储介质，考虑可再生能源接入后对系统潮流的改变，基于潮流介数与电压越限风险指标提出柔性软开关候选位置优选方法，避免了在规划过程中大量的寻优过程，提高优化效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图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为本发明提供的基于B2B VSC的SOP结构示意图；
图2为本发明提供的一种柔性软开关优化配置方法的流程示意图；
图3为本发明提供的两阶段鲁棒优化配置模型求解方法流程示意图；
图4为本发明提供的一种柔性软开关优化配置系统的结构示意图；
图5为本发明提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在公布具体的实施例之前，首先说明实施例的应用背景，具体包括：
图1为本发明提供的基于B2B VSC的SOP结构示意图，如图1所示，本发明实施例以背靠背电压源型变流器(back to back voltage source converter，B2B VSC)为基础的SOP作为研究对象。在正常运行情况下，一个VSC实现对直流电压(Vdc)的稳定控制，另一个VSC实现对传输有功功率(P)的控制。由于每个VSC可以同时控制两个状态量，所以VSC还可以对无功功率(Q)或者交流侧电压(Vac)进行控制。因此，在非故障情况下，SOP有两种控制模式，分别为PQ-VdcQ控制和PVac-VdcVac控制。在PQ-VdcQ控制模式下运行变量包括：两个变流器输出的有功功率和无功功率。两个变流器输出的有功功率应当满足其相加的和为零；变流器输出的无功功率相互独立，仅需要满足各自变流器的容量约束即可。引入损耗系数来计算SOP的有功功率损耗。
在PQ-VdcQ控制模式下SOP运行应当满足如下的式(1)：
式中：分别为两个VSC在场景s下的有功功率；/>分别为两个VSC在场景s下的无功功率；/> 分别为两个VSC的损耗系数；/>分别为两个VSC的接入容量。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的柔性软开关优化配置方法进行详细地说明。
图2为本发明提供的一种柔性软开关优化配置方法的流程示意图，如图2所示，本发明提供的一种柔性软开关优化配置方法，方法包括：
步骤100、基于潮流介数指标和电压越限风险指标，确定安装柔性软开关的候选位置。
其中，潮流介数指标为线路对全网有功潮流传输的贡献的量化值，电压越限风险指标为对节点电压在运行中出现越限情况可能性的量化值。
潮流介数被定义为量化线路对全网有功潮流传输的贡献。线路潮流介数越大，表明该线路对系统中功率传输的总贡献值越大。SOP的作用本质上是控制所接线路传输功率，因此选取潮流介数作为SOP安装候选线路选取的评价指标，以最大程度上实现SOP对虚拟电厂的优化作用。在接入分布式电源的虚拟电厂中，线路馈线首端和分布式电源可视为电源，定义场景s线路ij的潮流介数指标kij(s)满足如下的式(2)：
其中Pij(m,n,s)满足如下的式(3)：
式中：G为所有发电机的集合；L为所有节点的集合；Sm(s)为场景s发电机m的实际出力视在功率；Sn(s)为场景s负荷n的实际负荷视在功率；min(Sm(s)，Sn(s))为场景s发电机m与负荷n之间最大可传输的视在功率，将其作为潮流介数指标的权重；P(m，n，s)为场景s发电机m到负荷n所传输的有功功率；Pij(m，n，s)为场景s发电机m到负荷n所传输的有功功率在线路ij上的分量；Pij，m(s)为场景s线路ij潮流中来源于发电机m的部分；Pij，n(s)为场景s线路ij潮流中流向负荷n的部分；Pij(s)为场景s线路ij由节点i向节点j传输的有功功率。本案中，对于场景s获取，考虑到分布式电源全年的输出变化，采用K-means聚类法，获得了一些有代表性的场景。
考虑到SOP规划是一个长期的过程，某一时刻线路潮流介数的大小并不能全面准确地反映出线路的功率传输的关键性。在进行SOP候选线路优选时，应综合考虑所计算时段内各个时刻的瞬态潮流介数。定义综合线路潮流介数Kij满足如下的式(4)：
式中：NSC为场景综述；ξs为场景s的概率。
步骤200、基于候选位置，构建多场景规划模型，以规划总成本的最小化为导向，获取柔性软开关的最优位置；
SOP在控制所接线路传输功率的同时，还能向馈线两端补偿无功功率来进行电压控制，避免系统发生电压越限风险。为了充分发挥SOP在电压无功控制上的能力，定义节点电压越限风险指标作为SOP安装候选线路选取的评价指标。节点电压越限风险指标越大，表明该节点电压在实际运行中越容易出现越限情况，在该节点相连的线路上安装SOP更加适宜。定义节点电压越限风险指标Ri满足如下的式(5)：
式中：Un为额定电压；Us,i为场景s节点i的电压值。
本实施例考虑可再生能源接入后对系统潮流的改变，基于潮流介数与电压越限风险指标提出柔性软开关候选位置优选方法，避免了在规划过程中大量的寻优过程，提高优化效率。
进一步地，另一实施例中，本实施例提供一种柔性软开关优化配置方法，构建多场景规划模型，包括：
将节点处安装的分布式电源的预测功率输出作为一个不确定集，建立柔性软开关的两阶段鲁棒优化配置模型。
为了便于比较，建立了SOP多场景规划模型。SOP规划问题所考虑的成本包括两部分：1)SOP投资和维护成本；2)运营成本，包括购电成本和DG(Distributed Generation，分布式电源)输出削减的惩罚成本。
确定性规划模型满足如下的式(6)：
min Fd＝CSOP+COP
其中CSOP满足如下的式(7)：
其中COP满足如下的式(8)：
式中：Fd是规划总成本；CSOP是SOP的年运行维护费用；COP是虚拟电厂年运行费用，包括从上级电网购电成本，从DG发电商购电成本以及削减DG发电商出力的赔偿成本；α是SOP投资费用的贴现率；为SOP经济使用年限；β为SOP年运行维护费用系数；μSOP为SOP单位容量投资成本；/>为线路ij上SOP的安装容量；μG为从上级电网购电电价；Ωsc是场景集合；Ωno是配网中节点的集合；/>为场景s上级电网购电功率；/>为节点i上DG发电商购电电价；/>为场景s节点i上DG发电商购电功率；/>为削减1kWh电量赔偿DG发电商的费用；/>为场景s节点i上DG发电商最大发电功率(即预测功率)；Δt为1小时。
约束条件包括：
1)SOP安装容量限制满足如下的式(9)：
式中：为线路ij上允许安装的最大SOP容量。
2)PQ-VdcQ控制模式下SOP运行约束，见式(1)。
3)DG出力约束满足如下的式(10)：
4)系统潮流约束满足如下的式(11)：
同时，满足如下的式(12)：
同时，满足如下的式(13)：
式中：Φi为以节点i为末端节点的支路首端节点集合；Ψi为以节点i为首端节点的支路末端节点集合；Rji、Xji为支路ji的电阻电抗；Ps,ji、Qs,ji分别为场景s节点j流向节点i有功功率和无功功率；Ps,i、Qs,i分别为场景s节点i上注入的净有功功率和无功功率之和；分别为场景s节点i上分布式电源注入的有功功率和无功功率、负荷的有功功率和无功功率；Us,i、Us,j为场景s节点i，j的电压幅值；Is,ji为场景s节点j向节点i流幅值；Ps,ik、Qs,ik分别为场景s节点i流向节点k有功功率和无功功率。
5)节点电压约束满足如下的式(14)：
Ui min＜Us,i＜Ui max
式中：Ui min和Ui max分别为节点i电压的下限和上限值。
6)支路电流约束满足如下的式(15)：
Is,ij≤Iij max
式中：Iij max为节点i流向节点j的电流幅值上限。
本实施例基于潮流介数与电压越限风险指标提出SOP候选位置优选方法，充分考虑了高渗透率分布式能源接入对于系统潮流、电压分布的影响，避免了通过指定候选支路导致规划过程中的盲目寻优，拥有更高的优化效率，能够帮助虚拟电厂实现在较低的SOP投资下，获得更高的经济运行收益。
进一步地，另一实施例中，本实施例提供一种柔性软开关优化配置方法，两阶段鲁棒优化配置模型，包括：
第一阶段，在投资决策变量、运行变量、考虑可再生能源预测误差的鲁棒变量三种变量的可行域内，以规划总成本的最小化为导向寻优；
第二阶段，在运行变量的可行域内以虚拟电厂年运行费用的最小化为导向寻优，在鲁棒变量的不确定性集合内以虚拟电厂年运行费用的最大化为导向寻优。
在前述的多场景规划模型中，为节点i处安装的DG的预测功率输出，这是一个确定值，因此多场景规划模型没有考虑DG输出功率的预测误差，在实际运行情况下可能会造成电压越限问题。
因此，考虑预测误差，将作为一个不确定集，建立了SOP两阶段鲁棒优化配置模型。该模型满足如下的式(16)：
同时，满足如下的式(17)：
s.t.G(X)≤0
同时，满足如下的式(18)：
Φ(X,Z)＝{Y|g(X,Y,Z)≤0,h(X,Y,Z)＝0}
式中：X为SOP投资决策变量，主要是Y为所有的运行变量，包括Z为考虑可再生能源预测误差的鲁棒变量，主要是/>Π为鲁棒变量的不确定性集合；Φ(X,Z)为第二阶段max-min优化问题中运行变量的可行域；约束条件式(17)与式(9)对应；式(18)为第二阶段运行问题的约束，对应式(1)、(10)-(15)。
考虑分布式电源的预测误差，鲁棒变量的不确定性集合，表示为如下的式(19)：
式中：为分布式电源功率预测误差的累计分布函数的逆函数；/>为置信度为αdg时的分位数；/>为场景s下第i个分布式电源的预测有功出力。
为了更精准地描述分布式电源中风机的预测误差，采用风电预测误差分布通用概率模型，该模型在积分、求导、求逆运算方面都存在解析解，便于后续鲁棒模型的求解。预测误差概率密度函数满足如下的式(20)：
该函数的累计分布函数及其逆函数满足如下的式(21)：
Ffe(x|v,λ,μ)＝(1+exp-v(x-μ))-λ
同时，满足如下的式(22)：
基于式(20)-(22)，获得式(10)中的x是风电预测误差功率，v是风速，λ是风速的方差，μ是风速的均值。
本实施例的两阶段鲁棒SOP规划方法可以得到更有针对性的SOP配置方案，在分布式电源渗透率较高、分布式电源出力预测误差较大的情况下，可以有效降低电压越限风险，保证虚拟电厂的运行安全
进一步地，另一实施例中，图3为本发明提供的两阶段鲁棒优化配置模型求解方法流程示意图，如图3所示，本实施例提供一种柔性软开关优化配置方法，以规划总成本的最小化为导向，获取柔性软开关的最优位置，包括：
步骤10、将两阶段鲁棒优化配置模型转化为混合整数二阶锥规划模型。
首先将该模型转化为混合整数二阶锥规划模型。
采用I2,s,ij替代(Is,ji)2，U2,s,i替代(Us,i)2，将约束条件改写成SOCP(second-ordercone programming，SOCP，二阶锥规划)形式，满足如下的式(23)：
同时，满足如下的式(24)：
同时，满足如下的式(25)：
同时，满足如下的式(26)：
同时，满足如下的式(27)：
SOP的容量约束可以转化为SOCP形式，满足如下的式(28)：
引入辅助变量和/>将式(1)中的绝对值进行线性化，满足如下的式(29)：
目标函数(16)与约束条件(10)，(17)，(19)，(23)-(29)共同构成了一个MISOCP(mixed integer second-order cone programming，混合整数二阶锥规划)，满足如下的式(30)：
步骤20、通过列和约束生成算法，将混合整数二阶锥规划模型分解为第一阶段主问题和第二阶段子问题。
混合整数二阶锥规划模型通过CCG算法，能够分解为第一阶段规划主问题MP，满足如下的式(31)。
第二阶段子问题SP满足如下的式(32)
式中：η为代替SP的辅助变量；l为历史迭代次数；k为当前迭代次数；Yl、Zl分别为第l次迭代由割平面引入的新变量和识别出的不确定参数；R(·)为第二阶段子问题SP的目标函数；f、a、b、c、e为系数向量；A、B、C、G为系数矩阵；为主问题MP传递给SP的优化结果；ys,ij为二阶锥约束中的相关运行变量。
步骤30、通过CPLEX求解第一阶段主问题和第二阶段子问题，获取柔性软开关的最优位置。
需要说明的，通过CPLEX求解第一阶段主问题和第二阶段子问题，之前包括：
对于第二阶段子问题，采用弱对偶和二阶锥对偶算法进行转化，将max-min优化问题转化为max优化问题。
子问题SP采用弱对偶和二阶锥对偶定理进行转化，max-min问题可以转化为一个max优化问题，满足如下的式(33)：
式中：为不等式约束的对偶列向量；/>分别为场景s下第ij个二阶锥约束对应的对偶列向量和对偶乘子。
式(33)存在ZTCTπ1的乘积项，使得优化问题成为一个双线性优化问题，采用线性化处理。引入辅助变量βi+和βi-对Z进行转化，满足如下的式(34)：
式中：当βi+＝0且βi-＝0时，不确定参数取标准值；当βi+＝0且βi-＝1时，Z＝Z，确定参数取极小值；当βi+＝1且βi-＝0时，/>不确定参数取极大值；Λ为规划方案鲁棒性调整系数。
结合式(34)，ZTCTπ1可线性化，满足如下的式(35)：
式中：为引入的2个连续辅助变量；M为辅助常量。
结合式(34)和式(35)，子问题SP的模型，满足如下的式(36)：
式(36)中(33a)指代式(33)中子式(a)，(33a)-(33d)指代式(33)中子式(a)、(b)、(c)、(d)，其余指代类推可得。
经处理后，第一阶段规划主问题和第二阶段运行子问题均可通过CPLEX线性求解。CPLEX是一种数学优化技术。主要用于提高效率、快速实现策略并提高收益率。使用WebSphere ILOG CPLEX的数学优化技术可以就资源的高效利用做出更佳决策。使用CPLEX，可以将复杂的业务问题表现为数学规划(Mathematic Programming)模型。高级优化算法使您能够快速找到这些模型的解决方案。
其具体求解步骤如下：
Step1：设鲁棒规划问题的初始上下界分别为正无穷和负无穷，上下界的最大相对误差为εmax。
Step2：求解主问题MP，取出第k次迭代产生的最优解，即 和/>更新问题的下界值/>
Step3：将作为已知参数代入子问题SP并进行求解，取出最优解，即/>和第k次迭代识别出的不确定参数/>更新问题的上界值/>
Step4：判断迭代是否收敛。若(UB-LB)/UB≤εmax，则迭代收敛，为MP的最优解；否则向第一阶段规划模型返回识别出的不确定参数/>并增加相关约束，令k＝k+1，返回Step2继续迭代。
本实施例提高两阶段鲁棒规划模型的求解效率。
进一步地，另一实施例中，本实施例提供一种柔性软开关优化配置方法，基于潮流介数指标和电压越限风险指标，确定安装柔性软开关的候选位置，包括：
输入虚拟电厂的电力网络初始数据，各个场景下负荷、分布式电源出力预测值；
对各个场景进行时序潮流计算；
根据时序潮流计算结果，分别计算各条支路的潮流介数指标和各节点的电压越限风险指标；
设定基于潮流介数指标的支路选择第一阈值和基于电压越限风险的节点选择第二阈值；
当线路的潮流介数指标大于第一阈值时，将该线路纳入柔性软开关候选支路第一集合；当节点的电压越限风险指标大于第二阈值时，将以该节点为首节点或者末节点的支路纳入柔性软开关候选支路第二集合；
取第一集合和第二集合的交集中的支路作为柔性软开关的候选位置。
结合前述的公式，基于综合线路潮流介数和节点电压越限风险这两个指标计算，SOP候选位置优选流程如下：
Step1、输入网络初始数据，典型场景下负荷、分布式电源出力预测值。
Step2、对各个典型场景进行时序潮流计算。
Step3、根据时序潮流计算结果，分别计算各条支路的综合潮流介数指标Kij和各节点的电压越限风险指标Ri。
Step4、分别设定基于潮流介数的支路选择阈值λK和基于电压越限风险的节点选择阈值λR。当线路ij的Kij大于λK时，则lij∈ΩK，ΩK为基于潮流介数指标选择的SOP安装候选支路集合；当节点i的Ri大于λR时，则lki∈ΩR，lij∈ΩR，lki与lij分别为以节点i为首节点或者末节点的支路，ΩR为基于电压越限风险指标选择的SOP安装候选支路集合。
Step5、设定Ω＝ΩK∩ΩR，Ω即为通过本方法优选的SOP安装候选位置集合。
下面对本发明提供的柔性软开关优化配置系统进行描述，下文描述的柔性软开关优化配置系统与上文描述的柔性软开关优化配置方法可相互对应参照。
图4为本发明提供的一种柔性软开关优化配置系统的结构示意图，如图4所示，本发明还提供的一种柔性软开关优化配置系统，系统包括：
初步选择模块，初步选择模块基于潮流介数指标和电压越限风险指标，确定安装柔性软开关的候选位置；
寻优模块，寻优模块基于候选位置，构建多场景规划模型，以规划总成本的最小化为导向，获取柔性软开关的最优位置；
其中，潮流介数指标为线路对全网有功潮流传输的贡献的量化值，电压越限风险指标为节点电压在实际运行中出现越限情况的可能性。
本实施例考虑可再生能源接入后对系统潮流的改变，基于潮流介数与电压越限风险指标提出柔性软开关候选位置优选方法，避免了在规划过程中大量的寻优过程，提高优化效率。
图5为本发明提供的一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行柔性软开关优化配置方法，所述方法包括：
基于潮流介数指标和电压越限风险指标，确定安装柔性软开关的候选位置；
基于候选位置，构建多场景规划模型，以规划总成本的最小化为导向，获取柔性软开关的最优位置；
其中，所述潮流介数指标为线路对全网有功潮流传输的贡献的量化值，所述电压越限风险指标为对节点电压在运行中出现越限情况可能性的量化值。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的柔性软开关优化配置方法，所述方法包括：
基于潮流介数指标和电压越限风险指标，确定安装柔性软开关的候选位置；
基于候选位置，构建多场景规划模型，以规划总成本的最小化为导向，获取柔性软开关的最优位置；
其中，所述潮流介数指标为线路对全网有功潮流传输的贡献的量化值，所述电压越限风险指标为对节点电压在运行中出现越限情况可能性的量化值。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的柔性软开关优化配置方法，所述方法包括：
基于潮流介数指标和电压越限风险指标，确定安装柔性软开关的候选位置；
基于候选位置，构建多场景规划模型，以规划总成本的最小化为导向，获取柔性软开关的最优位置；
其中，所述潮流介数指标为线路对全网有功潮流传输的贡献的量化值，所述电压越限风险指标为对节点电压在运行中出现越限情况可能性的量化值。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种柔性软开关优化配置方法，其特征在于，所述方法包括：
基于潮流介数指标和电压越限风险指标，确定安装柔性软开关的候选位置；
基于候选位置，构建多场景规划模型，以规划总成本的最小化为导向，获取柔性软开关的最优位置；
其中，所述潮流介数指标为线路对全网有功潮流传输的贡献的量化值，所述电压越限风险指标为对节点电压在运行中出现越限情况可能性的量化值；
所述构建多场景规划模型，包括：
将节点处安装的分布式电源的预测功率输出作为一个不确定集，建立柔性软开关的两阶段鲁棒优化配置模型；
所述两阶段鲁棒优化配置模型，包括：
第一阶段，在投资决策变量、运行变量、考虑可再生能源预测误差的鲁棒变量三种变量的可行域内，以规划总成本的最小化为导向寻优；
第二阶段，在运行变量的可行域内以虚拟电厂年运行费用的最小化为导向寻优，在鲁棒变量的不确定性集合内以虚拟电厂年运行费用的最大化为导向寻优；
所述以规划总成本的最小化为导向，获取柔性软开关的最优位置，包括：
将两阶段鲁棒优化配置模型转化为混合整数二阶锥规划模型；
通过列和约束生成算法，将混合整数二阶锥规划模型分解为第一阶段主问题和第二阶段子问题；
通过CPLEX求解第一阶段主问题和第二阶段子问题，获取柔性软开关的最优位置；
所述基于潮流介数指标和电压越限风险指标，确定安装柔性软开关的候选位置，包括：
输入虚拟电厂的电力网络初始数据，各个场景下负荷、分布式电源出力预测值；
对各个场景进行时序潮流计算；
根据时序潮流计算结果，分别计算各条支路的潮流介数指标和各节点的电压越限风险指标；
设定基于潮流介数指标的支路选择第一阈值和基于电压越限风险的节点选择第二阈值；
当线路的潮流介数指标大于第一阈值时，将该线路纳入柔性软开关候选支路第一集合；当节点的电压越限风险指标大于第二阈值时，将以该节点为首节点或者末节点的支路纳入柔性软开关候选支路第二集合；
取第一集合和第二集合的交集中的支路作为柔性软开关的候选位置。
2.根据权利要求1所述的柔性软开关优化配置方法，其特征在于，所述通过CPLEX求解第一阶段主问题和第二阶段子问题，之前包括：
对于第二阶段子问题，采用弱对偶和二阶锥对偶算法进行转化，将max-min优化问题转化为max优化问题。
3.一种柔性软开关优化配置系统，其特征在于，所述系统包括：
初步选择模块，所述初步选择模块基于潮流介数指标和电压越限风险指标，确定安装柔性软开关的候选位置；
寻优模块，所述寻优模块基于候选位置，构建多场景规划模型，以规划总成本的最小化为导向，获取柔性软开关的最优位置；
其中，所述潮流介数指标为线路对全网有功潮流传输的贡献的量化值，所述电压越限风险指标为节点电压在实际运行中出现越限情况的可能性；
所述构建多场景规划模型，包括：
将节点处安装的分布式电源的预测功率输出作为一个不确定集，建立柔性软开关的两阶段鲁棒优化配置模型；
所述两阶段鲁棒优化配置模型，包括：
第一阶段，在投资决策变量、运行变量、考虑可再生能源预测误差的鲁棒变量三种变量的可行域内，以规划总成本的最小化为导向寻优；
第二阶段，在运行变量的可行域内以虚拟电厂年运行费用的最小化为导向寻优，在鲁棒变量的不确定性集合内以虚拟电厂年运行费用的最大化为导向寻优；
所述以规划总成本的最小化为导向，获取柔性软开关的最优位置，包括：
将两阶段鲁棒优化配置模型转化为混合整数二阶锥规划模型；
通过列和约束生成算法，将混合整数二阶锥规划模型分解为第一阶段主问题和第二阶段子问题；
通过CPLEX求解第一阶段主问题和第二阶段子问题，获取柔性软开关的最优位置；
所述初步选择模块进一步用于：
输入虚拟电厂的电力网络初始数据，各个场景下负荷、分布式电源出力预测值；
对各个场景进行时序潮流计算；
根据时序潮流计算结果，分别计算各条支路的潮流介数指标和各节点的电压越限风险指标；
设定基于潮流介数指标的支路选择第一阈值和基于电压越限风险的节点选择第二阈值；
当线路的潮流介数指标大于第一阈值时，将该线路纳入柔性软开关候选支路第一集合；当节点的电压越限风险指标大于第二阈值时，将以该节点为首节点或者末节点的支路纳入柔性软开关候选支路第二集合；
取第一集合和第二集合的交集中的支路作为柔性软开关的候选位置。
4.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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程序时实现如权利要求1或2中任一项所述柔性软开关优化配置方法的步骤。
5.一种非暂态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如权利要求1或2中任一项所述柔性软开关优化配置方法的步骤。
6.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1或2中任一项所述柔性软开关优化配置方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210158480.9A CN114629125B (zh) | 2022-02-21 | 2022-02-21 | 柔性软开关优化配置方法、系统、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210158480.9A CN114629125B (zh) | 2022-02-21 | 2022-02-21 | 柔性软开关优化配置方法、系统、电子设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114629125A CN114629125A (zh) | 2022-06-14 |
| CN114629125B true CN114629125B (zh) | 2024-05-03 |
Family
ID=81899556
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210158480.9A Active CN114629125B (zh) | 2022-02-21 | 2022-02-21 | 柔性软开关优化配置方法、系统、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114629125B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115270008B (zh) * | 2022-09-29 | 2023-01-10 | 西南财经大学 | 最大影响力博主找寻方法及系统、存储介质及终端 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447847A (zh) * | 2018-12-24 | 2019-03-08 | 天津天电清源科技有限公司 | 一种含柔性软开关的有源配电网供电可靠性评估方法 |
| CN111952958A (zh) * | 2020-07-14 | 2020-11-17 | 清华大学 | 一种考虑控制模式转换的配电网柔性软开关优化配置方法 |
| CN112150287A (zh) * | 2020-09-29 | 2020-12-29 | 天津大学 | 一种面向多区域柔性互联配电网的端对端电能交易方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104008434A (zh) * | 2014-06-06 | 2014-08-27 | 上海交通大学 | 一种电力系统柔性约束优化方法 |
-
2022
- 2022-02-21 CN CN202210158480.9A patent/CN114629125B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109447847A (zh) * | 2018-12-24 | 2019-03-08 | 天津天电清源科技有限公司 | 一种含柔性软开关的有源配电网供电可靠性评估方法 |
| CN111952958A (zh) * | 2020-07-14 | 2020-11-17 | 清华大学 | 一种考虑控制模式转换的配电网柔性软开关优化配置方法 |
| CN112150287A (zh) * | 2020-09-29 | 2020-12-29 | 天津大学 | 一种面向多区域柔性互联配电网的端对端电能交易方法 |
Non-Patent Citations (2)
| Title |
|---|
| 含多端柔性多状态开关的主动配电网动态潮流;曾永浩;叶家雄;潘志图;李明琪;何奉禄;张诗建;;广东电力;20200525(第05期);全文 * |
| 考虑节点运行风险差异的多端柔性配电网络自适应潮流优化;刘文霞;王凌飞;徐艺铭;成锐;王志强;王朝亮;许烽;;电力自动化设备;20190508(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114629125A (zh) | 2022-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sun et al. | Two-stage volt/var control in active distribution networks with multi-agent deep reinforcement learning method | |
| Zhang et al. | Hierarchically-coordinated voltage/VAR control of distribution networks using PV inverters | |
| Zhuo et al. | Incorporating massive scenarios in transmission expansion planning with high renewable energy penetration | |
| Frank et al. | Optimal power flow: A bibliographic survey I: Formulations and deterministic methods | |
| Luo et al. | Short‐term operational planning framework for virtual power plants with high renewable penetrations | |
| Chen et al. | Multi-energy microgrid robust energy management with a novel decision-making strategy | |
| Al-Hamouz et al. | Optimal design of a sliding mode AGC controller: Application to a nonlinear interconnected model | |
| US20100114400A1 (en) | Voltage Regulation Optimization | |
| CN108304972B (zh) | 一种基于供需互动和dg运行特性的主动配电网网架规划方法 | |
| CN112508731A (zh) | 一种考虑主动管理模式的分布式电源优化配置方法 | |
| Dong et al. | Distributionally robust optimization model of active distribution network considering uncertainties of source and load | |
| Dhamanda et al. | A traditional approach to solve economic load dispatch problem of thermal generating unit using MATLAB programming | |
| Cong et al. | Optimal allocation of soft open points in active distribution network with high penetration of renewable energy generations | |
| Vitor et al. | Operation planning and decision-making approaches for Volt/Var multi-objective optimization in power distribution systems | |
| Liu et al. | Stochastic security-constrained optimal power flow for a microgrid considering tie-line switching | |
| CN114629125B (zh) | 柔性软开关优化配置方法、系统、电子设备、存储介质 | |
| Feng et al. | A quadratic programming approach for fixed head hydropower system operation optimization considering power shortage aspect | |
| Jiang et al. | Study on optimal operation of integrated energy system considering new energy incentive mechanism | |
| Wen et al. | Optimal distributed energy storage investment scheme for distribution network accommodating high renewable penetration | |
| Jabr et al. | Penalty-based volt/var optimization in complex coordinates | |
| Xiong et al. | Coordinated volt/VAR control for photovoltaic inverters: a soft actor-critic enhanced droop control approach | |
| Mori et al. | Multi-objective transmission network expansion planning in consideration of wind farms | |
| CN115906601A (zh) | 电力管理系统的优化方法及装置 | |
| Zemite et al. | Genetic algorithm for optimization of power switch allocation in distribution network | |
| KR20190088127A (ko) | 전력계통 구성요소 모델링 및 빅데이터 처리를 통한 송전손실계수 제공 방법 및 그 장치 |
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 |