CN114726008A - 一种主动配电网与多微电网联合鲁棒优化方法及系统 - Google Patents
一种主动配电网与多微电网联合鲁棒优化方法及系统 Download PDFInfo
- Publication number
- CN114726008A CN114726008A CN202210650563.XA CN202210650563A CN114726008A CN 114726008 A CN114726008 A CN 114726008A CN 202210650563 A CN202210650563 A CN 202210650563A CN 114726008 A CN114726008 A CN 114726008A
- Authority
- CN
- China
- Prior art keywords
- adn
- variables
- stage
- robust optimization
- optimization model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 281
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004146 energy storage Methods 0.000 claims abstract description 13
- 239000003990 capacitor Substances 0.000 claims abstract description 8
- 230000001105 regulatory effect Effects 0.000 claims abstract description 6
- 230000008878 coupling Effects 0.000 claims description 49
- 238000010168 coupling process Methods 0.000 claims description 49
- 238000005859 coupling reaction Methods 0.000 claims description 49
- 230000009977 dual effect Effects 0.000 claims description 20
- 230000003190 augmentative effect Effects 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 14
- 238000010248 power generation Methods 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 125000004432 carbon atom Chemical group C* 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000004891 communication Methods 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 abstract description 2
- 230000001276 controlling effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002356 single layer Substances 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
- H02J3/381—Dispersed generators
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
- H02J3/004—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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- 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
- H02J3/50—Controlling the sharing of the out-of-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
- H02J2300/20—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
-
- 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
-
- 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
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
- H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
- H02J2310/58—The condition being electrical
- H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
-
- 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
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
- H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
- H02J2310/62—The condition being non-electrical, e.g. temperature
- H02J2310/64—The condition being economic, e.g. tariff based load management
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种主动配电网与多微电网联合鲁棒优化方法及系统,包括:获取MMG与ADN的日前风光荷预测数据、ADN分时电价、储能和燃气轮机的调度费用等;建立ADN的两阶段鲁棒优化模型,以综合运行成本最低为目标函数,ADN内含储能、柔性多状态开关、联络开关、有载调压器和无功电容器组等可调度资源来应对ADN中风光荷预测的不确定性;建立MMG的两阶段鲁棒优化模型,考虑风光荷的预测不确定性,对MMG内部的燃气轮机和储能设备进行调控;ADN与MG属于不同利益主体,利用ADMM对联合鲁棒优化模型进行求解,既能减小通信的负担,保证各利益主体的隐私,也能迭代实现系统整体最优经济运行;对于ADN和各MG的两阶段鲁棒优化模型,采用C&CG进行求解。
Description
技术领域
本发明属于电网调控领域,更具体地,涉及一种主动配电网与多微电网联合鲁棒优化方法及系统。
背景技术
随着国家大力发展清洁能源,大量的分布式电源接入主动配电网(ActiveDistribution Network,ADN)中,如风力发电(Wind Turbine,WT)和光伏发电(Photovoltaic,PV)。同时,微电网(Micorogird,MG)作为消纳风光资源的一种重要手段,也会逐渐接入在主动配电网中。
ADN中常见的调控手段包括网络重构(Network Reconfiguration,NR)、无功电容器组(Capacitor Bank,CB)、有载调压器(On Load Tap Changer,OLTC)、柔性多状态开关(Soft open point,SOP)和储能(Energy Storage System,ESS),MG中常见的调度手段包括ESS和燃气轮机(Gas Turbine,GT),如何有效的利用ADN与微电网内的可控资源来应对风光荷的不确定性是一个亟需解决的问题。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种主动配电网与多微电网联合鲁棒优化方法及系统,旨在解决现有技术无法有效的利用ADN与微电网内的可控资源来应对风光荷不确定性的问题。
为实现上述目的,第一方面,本发明提供了一种主动配电网与多微电网联合鲁棒优化方法,包括如下步骤:
建立主动配电网ADN和多微电网MMG联合两阶段鲁棒优化模型,两阶段鲁棒优化模型中第一阶段的变量为离散变量,第二阶段的变量为连续变量;所述联合两阶段鲁棒优化模型包括:ADN两阶段鲁棒优化模型和MMG两阶段鲁棒优化模型;所述ADN两阶段鲁棒优化模型以ADN运行费用最低为目标函数,所述MMG两阶段鲁棒优化模型包括多个微电网MG两阶段鲁棒优化模型,每个MG两阶段鲁棒优化模型以该MG运行费用最低为目标函数;
将ADN两阶段鲁棒优化模型和各个MG两阶段鲁棒优化模型的目标函数进行统一,并在统一后的目标函数中引入拉格朗日算子,确定增广拉格朗日函数,基于所述增广拉格朗日函数确定对应的鲁棒优化模型;将ADN的优化变量和各个MG的优化变量进行耦合,得到所述鲁棒优化模型的多个耦合变量;所述优化变量包括所述离散变量和连续变量;
基于交替方向乘子法ADMM迭代求解所述鲁棒优化模型,利用ADMM算法的分布式思想将所述鲁棒优化模型拆分成ADN鲁棒优化模型和多个MG鲁棒优化模型;预设各耦合变量的初始值,利用列与约束生成算法并行求解ADN鲁棒优化模型和多个MG鲁棒优化模型,以更新ADN优化变量和各MG优化变量,并确定更新后的耦合变量;若更新后耦合变量与更新前耦合变量对应的对偶残差不小于收敛阈值,则基于更新的ADN优化变量和MG优化变量继续求解ADN鲁棒优化模型和多个MG鲁棒优化模型,直至所述对偶残差小于收敛阈值或迭代次数达到最大次数,输出最后一次迭代求得的ADN优化变量和MG优化变量,完成对ADN和MMG的联合鲁棒优化。
在一个可选的示例中,所述ADN两阶段鲁棒优化模型中第一阶段的变量包括:有载调压器OLTC档位、无功电容器组CB投切组数、储能系统ESS充放电标志位以及网络重构NR的决策变量,第二阶段的变量包括:ESS出力和柔性多状态开关SOP的出力;
各个MG两阶段鲁棒优化模型中第一阶段的变量包括:ESS充放电标志位和燃气轮机GT的启停标志位,第二阶段的变量包括ESS出力和GT的出力。
在一个可选的示例中,该方法还包括如下步骤:
确定风光荷出力的不确定性模型:
式中:代表安装风光荷的节点集合,包含在第i个MG中的风光荷或在ADN中第i个节点的风光荷;t代表第t个时段;、、代表风光荷实际出力;、和代表风光荷日前预测;、和为风光荷可允许的预测误差范围;、、为给定的调节因子;、、、、、属于0-1整数变量,代表风光荷正负偏差的识别变量,上标中PV表示光伏发电、WT表示风力发电、L表示负荷,上标中E表示误差,上标中U表示正偏差,D表示负偏差,并满足如下约束:
在一个可选的示例中,所述ADN两阶段鲁棒优化模型的约束条件包括ADN中风光荷出力的不确定性模型;
所述ADN两阶段鲁棒优化模型的约束条件还包括:
ESS运行约束:
式中:t代表第t个时刻,i代表第i个节点,代表单个时段持续时间;和分别为节点ESS充放电标志,、、和分别为ESS的充放电功率和最大充放电功率,、和分别为ESS的荷电状态、最小和最大荷电状态,和为ESS的初始荷电状态和最终时刻荷电状态,为ESS容量,和分别为ESS的充放电效率;
SOP运行约束:
OLTC运行约束:
式中:代表平衡节点i的最小值;代表有载调压器改变电压的最小步长,K代表有载调压器的总可调档数,TC t 表示OLTC工作时的档位,和分别代表节点电压幅值和节点电压幅值的平方,为引入阶段状态变量,代表OLTC处于第k个档数,为引入的辅助变量,表示OLTC动作情况,代表OLTC动作的最大次数;
NR运行约束:
式中:、、和为引入的0-1变量,N(i)代表与i相连的节点集合,当时,代表该线路上的开关合上,反之为0时代表开关断开,当时代表线路ij上的开关在t时刻进行了一次动作,当时代表节点j为节点i的父节点,n代表配电网的节点个数,代表配电网平衡节点的个数,为一个调度时段内开关动作次数上限值;
CB运行约束:
潮流约束:
式中:代表支路集合,和分别为支路ij在t时刻的有功和无功功率,jk代表支路jk,和分别为t时段流入节点i的净有功和无功功率,和分别为支路ij的电阻和电抗,和代表风电和光伏输出的无功功率,和代表节点电压幅值的平方和支路电流的平方,和分别为节点i的电压下限和上限值,为线路电流最大值,为一个足够大的实数,和代表在节点i处的MG流入配电网的有功功率和无功功率;
ADN运行时的目标函数如下所示:
式中:代表ADN第一阶段调整的0-1变量,代表ADN第二阶段风光荷出力的不确定性变量,U A 代表u A 取值的集合,代表ADN第二阶段调整的连续变量,和代表ADN第一个阶段和第二阶段的目标函数,、和分别代表接入CB单组容量的费用、线路ij上分段开关动作一次费用以及OLTC改变一次档位的费用,、和代表ESS的单位运行费用和维护费用以及ADN的分时电价,、代表储能的充放电功率,代表1号节点,即平衡节点注入ADN的有功功率,即上级输电网流入ADN的有功功率,和分别代表ESS安装节点集合和各MG接入ADN的节点集合。
在一个可选的示例中,所述MG两阶段鲁棒优化模型的约束条件包括MG中风光荷出力的不确定性模型和所述ESS运行约束;
所述MG两阶段鲁棒优化模型的约束条件还包括:
功率平衡约束:
GT运行约束:
式中:m代表第m个微电网,t代表第t个时段,和代表GT输出的有功功率和无功功率,和代表GT输出有功功率和无功功率的最大值,和代表GT的最大向下爬坡速率和最大向上爬坡速率,属于0-1变量,代表GT的启停机标志位,代表GT处于开机运行状态,代表GT最长停机时间,代表GT动作标志位,代表GT在t时刻从停机转变为开机状态,代表GT在t时刻从开机转变为停机状态,代表GT的启停机动作最大次数;
MG的目标函数如下:
式中:代表第m个MG第一阶段调整的0-1变量,代表第m个MG第二阶段风光荷出力的不确定性变量,代表MG第二阶段调整的连续变量,和代表第m个MG第一个阶段和第二阶段的目标函数,代表GT从停机到开机一次的费用,代表GT从开机到停机一次的费用,、和分别代表GT出力的单位燃料费用、维护费用和环境成本费用。
在一个可选的示例中,将ADN和各MG的两阶段鲁棒优化模型的目标函数统一如下表示:
引入拉格朗日算子,上述目标函数的增广拉格朗日函数为:
则鲁棒优化模型可统一表示为:
上式中,和包括ADN和各MG的变量取值集合,包括,包括,代表MG的个数,第一个约束和第二个约束代表仅与第一阶段决策变量相关的不等式约束和等式约束,第三个约束与第四个约束代表仅与第二阶段决策变量相关的不等式约束与等式约束,第五个约束代表与和相关的不等式约束,第六个约束代表与和不确定性优化变量相关的等式约束,第七个约束代表二阶锥不等式约束,当时,不含有第七个约束,即MG的两阶段鲁棒优化模型不含有第七个约束,代表拉格朗日乘子,为ADMM算法的参数,代表AND和MMG中和耦合变量相关的变量,代表AND和各MG的耦合变量,表示AND和各MG耦合的节点集合,上述七个约束式中的其他参数均表示各约束的系数矩阵。
在一个可选的示例中,所述对ADN和MMG的联合鲁棒优化,具体流程为:
2)ADN与各MG优化求解:依据得到的和,将ADN和各MG的鲁棒优化模型利用C&CG算法进行并行求解,并得到和;其中,y代表优化的第二阶段变量,下标为A代表主动配电网,m代表第m个微电网,上标k+1代表第k次计算后变量的取值;
第二方面,本发明提供了一种主动配电网与多微电网联合鲁棒优化系统,包括:
联合模型建立单元,用于建立主动配电网ADN和多微电网MMG联合两阶段鲁棒优化模型,两阶段鲁棒优化模型中第一阶段的变量为离散变量,第二阶段的变量为连续变量;所述联合两阶段鲁棒优化模型包括:ADN两阶段鲁棒优化模型和MMG两阶段鲁棒优化模型;所述ADN两阶段鲁棒优化模型以ADN运行费用最低为目标函数,所述MMG两阶段鲁棒优化模型包括多个微电网MG两阶段鲁棒优化模型,每个MG两阶段鲁棒优化模型以该MG运行费用最低为目标函数;
鲁棒优化模型确定单元,用于将ADN两阶段鲁棒优化模型和各个MG两阶段鲁棒优化模型的目标函数进行统一,并在统一后的目标函数中引入拉格朗日算子,确定增广拉格朗日函数,基于所述增广拉格朗日函数确定对应的鲁棒优化模型;将ADN的优化变量和各个MG的优化变量进行耦合,得到所述鲁棒优化模型的多个耦合变量;所述优化变量包括所述离散变量和连续变量;
优化模型求解单元,用于基于交替方向乘子法ADMM迭代求解所述鲁棒优化模型,利用ADMM算法的分布式思想将鲁棒优化模型拆分成ADN鲁棒优化模型和多个MG鲁棒优化模型;预设各耦合变量的初始值,利用列与约束生成算法并行求解ADN鲁棒优化模型和多个MG鲁棒优化模型,以更新ADN优化变量和各MG优化变量,并确定更新后的耦合变量;若更新后耦合变量与更新前耦合变量对应的对偶残差不小于收敛阈值,则基于更新的ADN优化变量和MG优化变量继续求解ADN鲁棒优化模型和多个MG鲁棒优化模型,直至所述对偶残差小于收敛阈值或迭代次数达到最大次数,输出最后一次迭代求得的ADN优化变量和MG优化变量,完成对ADN和MMG的联合鲁棒优化。
在一个可选的示例中,所述ADN两阶段鲁棒优化模型中第一阶段的变量包括:有载调压器OLTC档位、无功电容器组CB投切组数、储能系统ESS充放电标志位以及网络重构NR的决策变量,第二阶段的变量包括:ESS出力和柔性多状态开关SOP的出力;
各个MG两阶段鲁棒优化模型中第一阶段的变量包括:ESS充放电标志位和燃气轮机GT的启停标志位,第二阶段的变量包括ESS出力和GT的出力。
在一个可选的示例中,所述ADN两阶段鲁棒优化模型和MG两阶段鲁棒优化模型的风光荷出力的不确定性模型为:
式中:代表安装风光荷的节点集合,包含在第i个MG中的风光荷或在ADN中第i个节点的风光荷;t代表第t个时段;、、代表风光荷实际出力;、和代表风光荷日前预测;、和为风光荷可允许的预测误差范围;、、为给定的调节因子;、、、、、属于0-1整数变量,代表风光荷正负偏差的识别变量,上标中PV表示光伏发电、WT表示风力发电、L表示负荷,上标中E表示误差,上标中U表示正偏差,D表示负偏差,并满足如下约束:
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
本发明提供了一种主动配电网与多微电网联合鲁棒优化方法及系统,建立主动配电网的两阶段鲁棒优化模型,以综合运行成本最低为目标函数,主动配电网内含储能、柔性多状态开关、联络开关、有载调压器和无功电容器组等可调度资源来应对主动配电网中风光荷预测的不确定性;建立多微电网的两阶段鲁棒优化模型,考虑风光荷的预测不确定性,对多微电网内部的燃气轮机和储能设备进行调控;主动配电网与微电网属于不同利益主体,利用交替方向乘子法(ADMM)对联合鲁棒优化模型进行求解,既能减小通信的负担,保证各利益主体的隐私,也能迭代实现系统整体最优经济运行。
附图说明
图1是本发明实施例提供的主动配电网与多微电网联合鲁棒优化方法流程图;
图2是本发明实施例提供的主动配电网与多微电网交互结构图;
图3是本发明实施例提供的微电网结构示意图;
图4是本发明实施例提供的交替方向乘子法求解流程图;
图5是本发明实施例提供的主动配电网与多微电网联合鲁棒优化系统架构图。
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,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明公开了一种基于交替方向乘子法的主动配电网与多微电网联合鲁棒优化方法,包括:获取多微电网与主动配电网的日前风光荷预测数据、主动配电网分时电价、储能和燃气轮机的调度费用等;建立主动配电网的两阶段鲁棒优化模型,以综合运行成本最低为目标函数,主动配电网内含储能、柔性多状态开关、联络开关、有载调压器和无功电容器组等可调度资源来应对主动配电网中风光荷预测的不确定性;建立多微电网的两阶段鲁棒优化模型,考虑风光荷的预测不确定性,对多微电网内部的燃气轮机和储能设备进行调控;主动配电网与微电网属于不同利益主体,利用交替方向乘子法(ADMM)对联合鲁棒优化模型进行求解,既能减小通信的负担,保证各利益主体的隐私,也能迭代实现系统整体最优经济运行;对于主动配电网和各微电网的两阶段鲁棒优化模型,采用列与约束生成算法(C&CG)进行求解。
本发明的目的在于解决ADN与MMG的联合两阶段鲁棒优化问题,通过利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)和列与约束生成算法(Column and Constraint Generation,C&CG)求解联合优化问题。
首先本发明建立了ADN与MMG的联合两阶段鲁棒优化模型,包括ADN的两阶段鲁棒优化模型和MMG的两阶段鲁棒优化模型;ADN的两阶段鲁棒优化模型以运行经济费用最低为目标函数,约束条件包括潮流约束、NR约束、CB约束、OLTC约束、ESS约束和SOP约束等,第一阶段的决策变量为OLTC档位、CB投切组数、ESS充放电标志位和NR的决策变量,第二阶段的决策变量为ESS出力与SOP的出力;每个MG的两阶段鲁棒优化模型以运行经济费用最低为目标函数,约束条件包括电力平衡约束、ESS和GT的运行约束,第一阶段的决策变量为ESS充放电标志位和GT的启停标志位,第二阶段的决策变量包括ESS出力与GT的出力。
其次建立了基于ADMM算法求解联合鲁棒优化模型。ADN与MMG的联合鲁棒优化模型属于大规模混合整数非线性优化模型,ADN与MMG之间属于弱耦合关系,耦合变量仅包括联络线上交互的功率,利用ADMM算法的分布式思想,将ADN和子MG拆分成不同的优化系统,ADN优化模型属于混合整数二阶锥规划模型,MG优化模型属于混合整数线性优化模型,并行求解各自的鲁棒优化模型,最后通过ADMM算法修改耦合变量的值进行迭代计算直至收敛。
最后利用C&CG算法求解子鲁棒优化模型,将鲁棒优化模型拆分成主问题和子问题,通过求解主问题确定优化模型目标函数的下界;子问题通过对偶理论和big-M法将max-min问题转换成单层max问题,求解子问题获取目标函数的上界;当时,算法收敛,代表鲁棒优化问题收敛阈值。
图1是本发明实施例提供的主动配电网与多微电网联合鲁棒优化方法流程图,如图1所示,包括如下步骤:
S101,建立主动配电网ADN和多微电网MMG联合两阶段鲁棒优化模型,两阶段鲁棒优化模型中第一阶段的变量为离散变量,第二阶段的变量为连续变量;所述联合两阶段鲁棒优化模型包括:ADN两阶段鲁棒优化模型和MMG两阶段鲁棒优化模型;所述ADN两阶段鲁棒优化模型以ADN运行费用最低为目标函数,所述MMG两阶段鲁棒优化模型包括多个微电网MG两阶段鲁棒优化模型,每个MG两阶段鲁棒优化模型以该MG运行费用最低为目标函数;
S102,将ADN两阶段鲁棒优化模型和各个MG两阶段鲁棒优化模型的目标函数进行统一,并在统一后的目标函数中引入拉格朗日算子,确定增广拉格朗日函数,基于所述增广拉格朗日函数确定对应的鲁棒优化模型;将ADN的优化变量和各个MG的优化变量进行耦合,得到所述鲁棒优化模型的多个耦合变量;所述优化变量包括所述离散变量和连续变量;
S103,基于交替方向乘子法ADMM迭代求解所述鲁棒优化模型,利用ADMM算法的分布式思想将鲁棒优化模型拆分成ADN鲁棒优化模型和多个MG鲁棒优化模型;预设各耦合变量的初始值,利用列与约束生成算法并行求解ADN鲁棒优化模型和多个MG鲁棒优化模型,以更新ADN优化变量和各MG优化变量,并确定更新后的耦合变量;若更新后耦合变量与更新前耦合变量对应的对偶残差不小于收敛阈值,则基于更新的ADN优化变量和MG优化变量继续求解ADN鲁棒优化模型和多个MG鲁棒优化模型,直至所述对偶残差小于收敛阈值或迭代次数达到最大次数,输出最后一次迭代求得的ADN优化变量和MG优化变量,完成对ADN和MMG的联合鲁棒优化。
图2所示的为ADN与MMG交互结构示意图,ADN从上层输电网中购电,同时与MMG进行功率交换,MMG通过与ADN交互功率保证自身功率处于平衡状态,同时调控ESS和GT使自身运行达到经济性最优。
首先建立风光荷出力的不确定性模型:
式中:代表安装风光荷的节点集合,包含在第i个MG中的风光荷或在ADN中第i个节点的风光荷;t代表第t个时段;、、代表风光荷实际出力;、和代表风光荷日前预测;、和为风光荷可允许的预测误差范围;、、为给定的调节因子;、、、、、属于0-1整数变量,代表风光荷正负偏差的识别变量,上标中PV表示光伏发电、WT表示风力发电、L表示负荷,上标中E表示误差,上标中U表示正偏差,D表示负偏差,并满足如下约束:
然后建立ADN的两阶段鲁棒优化模型,ADN约束条件除了包括风光荷出力不确定性约束,还包括ESS和SOP运行约束、OLTC、NR和CB运行约束以及潮流约束,具体表达式如下:
1)ESS运行约束:
式中:t代表第t个时刻,i代表第i个节点,代表单个时段持续时间;和分别为节点ESS充放电标志,、、和分别为ESS的充放电功率和最大充放电功率,、和分别为ESS的荷电状态、最小和最大荷电状态,和为ESS的初始荷电状态和最终时刻荷电状态,为ESS容量,和分别为ESS的充放电效率;
2)SOP运行约束:
3)OLTC运行约束:
式中:代表平衡节点i的最小值;代表有载调压器改变电压的最小步长,K代表有载调压器的总可调档数,TC t 表示OLTC工作时的档位,和分别代表节点电压幅值和节点电压幅值的平方,为引入阶段状态变量,代表OLTC处于第k个档数,为引入的辅助变量,表示OLTC动作情况,代表OLTC动作的最大次数;
4)NR运行约束:
式中:、、和为引入的0-1变量,N(i)代表与i相连的节点集合,当时,代表该线路上的开关合上,反之为0时代表开关断开,当时代表线路ij上的开关在t时刻进行了一次动作,当时代表节点j为节点i的父节点,n代表配电网的节点个数,代表配电网平衡节点的个数,为一个调度时段内开关动作次数上限值;
5)CB运行约束:
6)潮流约束:
式中:代表支路集合,和分别为支路ij在t时刻的有功和无功功率,jk代表支路jk,和分别为t时段流入节点i的净有功和无功功率,和分别为支路ij的电阻和电抗,和代表风电和光伏输出的无功功率,和代表节点电压幅值的平方和支路电流的平方,和分别为节点i的电压下限和上限值,为线路电流最大值,为一个足够大的实数,和代表在节点i处的MG流入配电网的有功功率和无功功率;
ADN运行时的目标函数如下所示:
式中:代表ADN第一阶段调整的0-1变量,代表ADN第二阶段风光荷出力的不确定性变量,U A 代表u A 取值的集合,代表ADN第二阶段调整的连续变量,和代表ADN第一个阶段和第二阶段的目标函数,、和分别代表接入CB单组容量的费用、线路ij上分段开关动作一次费用以及OLTC改变一次档位的费用,、和代表ESS的单位运行费用和维护费用以及ADN的分时电价,、代表储能的充放电功率,代表1号节点,即平衡节点注入ADN的有功功率,即上级输电网流入ADN的有功功率,和分别代表ESS安装节点集合和各MG接入ADN的节点集合。
为了将上述模型转换为混合整数二阶锥规划模型,将潮流模型中的第六个约束进行松弛变换,转换后公式如下:
图3所示的为MG结构示意图,包括PV、WT、ESS、Load和GT。然后建立每个MG的两阶段优化调度模型,MG的约束条件包括功率平衡约束、ESS出力约束、联络线传输功率约束和GT出力约束,其中ESS约束和ADN中的ESS约束相似,功率平衡约束和GT出力约束如下:
1)功率平衡约束:
2)GT运行约束:
式中:m代表第m个微电网,t代表第t个时段,和代表GT输出的有功功率和无功功率,和代表GT输出有功功率和无功功率的最大值,和代表GT的最大向下爬坡速率和最大向上爬坡速率,属于0-1变量,代表GT的启停机标志位,代表GT处于开机运行状态,代表GT最长停机时间,代表GT动作标志位,代表GT在t时刻从停机转变为开机状态,代表GT在t时刻从开机转变为停机状态,代表GT的启停机动作最大次数;
MG的目标函数如下:
式中:代表第m个MG第一阶段调整的0-1变量,代表第m个MG第二阶段风光荷出力的不确定性变量,代表MG第二阶段调整的连续变量,和代表第m个MG第一个阶段和第二阶段的目标函数,代表GT从停机到开机一次的费用,代表GT从开机到停机一次的费用,、和分别代表GT出力的单位燃料费用、维护费用和环境成本费用。
配电网与各微电网的鲁棒优化模型的目标函数可以统一如下表示:
引入拉格朗日算子,上述目标函数的增广拉格朗日函数为:
则鲁棒优化模型可统一表示为:
上式中,和包括ADN和各MG的变量取值集合,包括,包括,代表MG的个数,第一个约束和第二个约束代表仅与第一阶段决策变量相关的不等式约束和等式约束,第三个约束与第四个约束代表仅与第二阶段决策变量相关的不等式约束与等式约束,第五个约束代表与和相关的不等式约束,第六个约束代表与和不确定性优化变量相关的等式约束,第七个约束代表二阶锥不等式约束,当时,不含有第七个约束,即MG的两阶段鲁棒优化模型不含有第七个约束,代表拉格朗日乘子,为ADMM算法的参数,代表AND和MMG中和耦合变量相关的变量,代表AND和各MG的耦合变量,表示AND和各MG耦合的节点集合,上述七个约束式中的其他参数均表示各约束的系数矩阵。
如图4所示,ADMM算法流程如下:
2)ADN与各MG优化求解:依据得到的和,将ADN和各MG的鲁棒优化模型利用C&CG算法进行并行求解,并得到和;其中,y代表优化的第二阶段变量,下标为A代表主动配电网,m代表第m个微电网,上标k+1代表第k次计算后变量的取值;
步骤3)中局部耦合变量和拉格朗日的更新公式为:
步骤4)中对偶残差的计算为:
图5是本发明实施例提供的主动配电网与多微电网联合鲁棒优化系统架构图,如图5所示,包括:
联合模型建立单元510,用于建立主动配电网ADN和多微电网MMG联合两阶段鲁棒优化模型,两阶段鲁棒优化模型中第一阶段的变量为离散变量,第二阶段的变量为连续变量;所述联合两阶段鲁棒优化模型包括:ADN两阶段鲁棒优化模型和MMG两阶段鲁棒优化模型;所述ADN两阶段鲁棒优化模型以ADN运行费用最低为目标函数,所述MMG两阶段鲁棒优化模型包括多个微电网MG两阶段鲁棒优化模型,每个MG两阶段鲁棒优化模型以该MG运行费用最低为目标函数;
鲁棒优化模型确定单元520,用于将ADN两阶段鲁棒优化模型和各个MG两阶段鲁棒优化模型的目标函数进行统一,并在统一后的目标函数中引入拉格朗日算子,确定增广拉格朗日函数,基于所述增广拉格朗日函数确定对应的鲁棒优化模型;将ADN的优化变量和各个MG的优化变量进行耦合,得到所述鲁棒优化模型的多个耦合变量;所述优化变量包括所述离散变量和连续变量;
优化模型求解单元530,用于基于交替方向乘子法ADMM迭代求解所述鲁棒优化模型,利用ADMM算法的分布式思想将所鲁棒优化模型拆分成ADN鲁棒优化模型和多个MG鲁棒优化模型;预设各耦合变量的初始值,利用列与约束生成算法并行求解ADN鲁棒优化模型和多个MG鲁棒优化模型,以更新ADN优化变量和各MG优化变量,并确定更新后的耦合变量;若更新后耦合变量与更新前耦合变量对应的对偶残差不小于收敛阈值,则基于更新的ADN优化变量和MG优化变量继续求解ADN鲁棒优化模型和多个MG鲁棒优化模型,直至所述对偶残差小于收敛阈值或迭代次数达到最大次数,输出最后一次迭代求得的ADN优化变量和MG优化变量,完成对ADN和MMG的联合鲁棒优化。
需要说明的是,图5中各个单元的详细功能实现可参见前述方法实施例中的介绍,在此不做赘述。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种主动配电网与多微电网联合鲁棒优化方法,其特征在于,包括如下步骤:
建立主动配电网ADN和多微电网MMG联合两阶段鲁棒优化模型,两阶段鲁棒优化模型中第一阶段的变量为离散变量,第二阶段的变量为连续变量;所述联合两阶段鲁棒优化模型包括:ADN两阶段鲁棒优化模型和MMG两阶段鲁棒优化模型;所述ADN两阶段鲁棒优化模型以ADN运行费用最低为目标函数,所述MMG两阶段鲁棒优化模型包括多个微电网MG两阶段鲁棒优化模型,每个MG两阶段鲁棒优化模型以该MG运行费用最低为目标函数;
将ADN两阶段鲁棒优化模型和各个MG两阶段鲁棒优化模型的目标函数进行统一,并在统一后的目标函数中引入拉格朗日算子,确定增广拉格朗日函数,基于所述增广拉格朗日函数确定对应的鲁棒优化模型;将ADN的优化变量和各个MG的优化变量进行耦合,得到所述鲁棒优化模型的多个耦合变量;所述优化变量包括所述离散变量和连续变量;
基于交替方向乘子法ADMM迭代求解所述鲁棒优化模型,利用ADMM算法的分布式思想将所述鲁棒优化模型拆分成ADN鲁棒优化模型和多个MG鲁棒优化模型;预设各耦合变量的初始值,利用列与约束生成算法并行求解ADN鲁棒优化模型和多个MG鲁棒优化模型,以更新ADN优化变量和各MG优化变量,并确定更新后的耦合变量;若更新后耦合变量与更新前耦合变量对应的对偶残差不小于收敛阈值,则基于更新的ADN优化变量和MG优化变量继续求解ADN鲁棒优化模型和多个MG鲁棒优化模型,直至所述对偶残差小于收敛阈值或迭代次数达到最大次数,输出最后一次迭代求得的ADN优化变量和MG优化变量,完成对ADN和MMG的联合鲁棒优化。
2.根据权利要求1所述的方法,其特征在于,所述ADN两阶段鲁棒优化模型中第一阶段的变量包括:有载调压器OLTC档位、无功电容器组CB投切组数、储能系统ESS充放电标志位以及网络重构NR的决策变量,第二阶段的变量包括:ESS出力和柔性多状态开关SOP的出力;
各个MG两阶段鲁棒优化模型中第一阶段的变量包括:ESS充放电标志位和燃气轮机GT的启停标志位,第二阶段的变量包括ESS出力和GT的出力。
4.根据权利要求3所述的方法,其特征在于,所述ADN两阶段鲁棒优化模型的约束条件包括ADN中风光荷出力的不确定性模型;
所述ADN两阶段鲁棒优化模型的约束条件还包括:ESS运行约束、SOP运行约束、OLTC运行约束、NR运行约束、CB运行约束以及潮流约束;
ADN运行时的目标函数如下所示:
5.根据权利要求4所述的方法,其特征在于,所述MG两阶段鲁棒优化模型的约束条件包括MG中风光荷出力的不确定性模型和所述ESS运行约束;
所述MG两阶段鲁棒优化模型的约束条件还包括:
功率平衡约束:
GT运行约束:
式中:m代表第m个微电网,t代表第t个时段,和代表GT输出的有功功率和无功功率,和代表GT输出有功功率和无功功率的最大值,和代表GT的最大向下爬坡速率和最大向上爬坡速率,属于0-1变量,代表GT的启停机标志位,代表GT处于开机运行状态,代表GT最长停机时间,代表GT动作标志位,代表GT在t时刻从停机转变为开机状态,代表GT在t时刻从开机转变为停机状态,代表GT的启停机动作最大次数;
MG的目标函数如下:
6.根据权利要求5所述的方法,其特征在于,将ADN和各MG的两阶段鲁棒优化模型的目标函数统一如下表示:
引入拉格朗日算子,上述目标函数的增广拉格朗日函数为:
则鲁棒优化模型可统一表示为:
上式中,和包括ADN和各MG的变量取值集合,包括,包括,代表MG的个数,第一个约束和第二个约束代表仅与第一阶段决策变量相关的不等式约束和等式约束,第三个约束与第四个约束代表仅与第二阶段决策变量相关的不等式约束与等式约束,第五个约束代表与和相关的不等式约束,第六个约束代表与和不确定性优化变量相关的等式约束,第七个约束代表二阶锥不等式约束,当时,不含有第七个约束,即MG的两阶段鲁棒优化模型不含有第七个约束,代表拉格朗日乘子,为ADMM算法的参数,代表AND和MMG中和耦合变量相关的变量,代表AND和各MG的耦合变量,表示AND和各MG耦合的节点集合,上述七个约束式中的其他参数均表示各约束的系数矩阵。
7.根据权利要求6所述的方法,其特征在于,所述对ADN和MMG的联合鲁棒优化,具体流程为:
2)ADN与各MG优化求解:依据得到的和,将ADN和各MG的鲁棒优化模型利用C&CG算法进行并行求解,并得到和;其中,y代表优化的第二阶段变量,下标为A代表主动配电网,m代表第m个微电网,上标k+1代表第k次计算后变量的取值;
8.一种主动配电网与多微电网联合鲁棒优化系统,其特征在于,包括:
联合模型建立单元,用于建立主动配电网ADN和多微电网MMG联合两阶段鲁棒优化模型,两阶段鲁棒优化模型中第一阶段的变量为离散变量,第二阶段的变量为连续变量;所述联合两阶段鲁棒优化模型包括:ADN两阶段鲁棒优化模型和MMG两阶段鲁棒优化模型;所述ADN两阶段鲁棒优化模型以ADN运行费用最低为目标函数,所述MMG两阶段鲁棒优化模型包括多个微电网MG两阶段鲁棒优化模型,每个MG两阶段鲁棒优化模型以该MG运行费用最低为目标函数;
鲁棒优化模型确定单元,用于将ADN两阶段鲁棒优化模型和各个MG两阶段鲁棒优化模型的目标函数进行统一,并在统一后的目标函数中引入拉格朗日算子,确定增广拉格朗日函数,基于所述增广拉格朗日函数确定对应的鲁棒优化模型;将ADN的优化变量和各个MG的优化变量进行耦合,得到所述鲁棒优化模型的多个耦合变量;所述优化变量包括所述离散变量和连续变量;
优化模型求解单元,用于基于交替方向乘子法ADMM迭代求解所述鲁棒优化模型,利用ADMM算法的分布式思想将鲁棒优化模型拆分成ADN鲁棒优化模型和多个MG鲁棒优化模型;预设各耦合变量的初始值,利用列与约束生成算法并行求解ADN鲁棒优化模型和多个MG鲁棒优化模型,以更新ADN优化变量和各MG优化变量,并确定更新后的耦合变量;若更新后耦合变量与更新前耦合变量对应的对偶残差不小于收敛阈值,则基于更新的ADN优化变量和MG优化变量继续求解ADN鲁棒优化模型和多个MG鲁棒优化模型,直至所述对偶残差小于收敛阈值或迭代次数达到最大次数,输出最后一次迭代求得的ADN优化变量和MG优化变量,完成对ADN和MMG的联合鲁棒优化。
9.根据权利要求8所述的系统,其特征在于,所述ADN两阶段鲁棒优化模型中第一阶段的变量包括:有载调压器OLTC档位、无功电容器组CB投切组数、储能系统ESS充放电标志位以及网络重构NR的决策变量,第二阶段的变量包括:ESS出力和柔性多状态开关SOP的出力;
各个MG两阶段鲁棒优化模型中第一阶段的变量包括:ESS充放电标志位和燃气轮机GT的启停标志位,第二阶段的变量包括ESS出力和GT的出力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210650563.XA CN114726008B (zh) | 2022-06-10 | 2022-06-10 | 一种主动配电网与多微电网联合鲁棒优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210650563.XA CN114726008B (zh) | 2022-06-10 | 2022-06-10 | 一种主动配电网与多微电网联合鲁棒优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114726008A true CN114726008A (zh) | 2022-07-08 |
CN114726008B CN114726008B (zh) | 2022-09-13 |
Family
ID=82232998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210650563.XA Active CN114726008B (zh) | 2022-06-10 | 2022-06-10 | 一种主动配电网与多微电网联合鲁棒优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114726008B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115270008A (zh) * | 2022-09-29 | 2022-11-01 | 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 (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107979111A (zh) * | 2017-07-21 | 2018-05-01 | 天津大学 | 一种基于两阶段鲁棒优化的微电网能量管理方法 |
CN111478358A (zh) * | 2019-11-06 | 2020-07-31 | 南瑞集团有限公司 | 一种计及分布式电源不确定性的配电网鲁棒恢复决策方法 |
CN112257229A (zh) * | 2020-09-18 | 2021-01-22 | 西安理工大学 | 一种微网两阶段鲁棒调度方法 |
CN112290531A (zh) * | 2020-07-27 | 2021-01-29 | 四川大学 | 一种用于交直流配电网结合改进乘子法的优化系统和方法 |
CN113241759A (zh) * | 2021-05-13 | 2021-08-10 | 国网上海市电力公司 | 一种配电网与多微网鲁棒调度方法、电子设备及存储介质 |
US20210295456A1 (en) * | 2020-03-23 | 2021-09-23 | Xendee Corporation | Robust and fast design of microgrids, der systems, and other energy systems using staged hybrid investment planning |
CN113708421A (zh) * | 2021-08-23 | 2021-11-26 | 国网吉林省电力有限公司长春供电公司 | 一种柔性配电网的改进两阶段鲁棒运行优化方法及系统 |
-
2022
- 2022-06-10 CN CN202210650563.XA patent/CN114726008B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107979111A (zh) * | 2017-07-21 | 2018-05-01 | 天津大学 | 一种基于两阶段鲁棒优化的微电网能量管理方法 |
CN111478358A (zh) * | 2019-11-06 | 2020-07-31 | 南瑞集团有限公司 | 一种计及分布式电源不确定性的配电网鲁棒恢复决策方法 |
US20210295456A1 (en) * | 2020-03-23 | 2021-09-23 | Xendee Corporation | Robust and fast design of microgrids, der systems, and other energy systems using staged hybrid investment planning |
CN112290531A (zh) * | 2020-07-27 | 2021-01-29 | 四川大学 | 一种用于交直流配电网结合改进乘子法的优化系统和方法 |
CN112257229A (zh) * | 2020-09-18 | 2021-01-22 | 西安理工大学 | 一种微网两阶段鲁棒调度方法 |
CN113241759A (zh) * | 2021-05-13 | 2021-08-10 | 国网上海市电力公司 | 一种配电网与多微网鲁棒调度方法、电子设备及存储介质 |
CN113708421A (zh) * | 2021-08-23 | 2021-11-26 | 国网吉林省电力有限公司长春供电公司 | 一种柔性配电网的改进两阶段鲁棒运行优化方法及系统 |
Non-Patent Citations (2)
Title |
---|
张宇威等: "基于风光数据驱动不确定集合的配电网与多微网鲁棒经济调度", 《电力建设》 * |
黄志强等: "柔性多状态开关与分布式储能系统联合接入规划", 《电力系统自动化》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115270008A (zh) * | 2022-09-29 | 2022-11-01 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN114726008B (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Coordinated restoration of transmission and distribution system using decentralized scheme | |
Sanseverino et al. | An execution, monitoring and replanning approach for optimal energy management in microgrids | |
Zidan et al. | Distribution system reconfiguration for energy loss reduction considering the variability of load and local renewable generation | |
Martins et al. | Active distribution network integrated planning incorporating distributed generation and load response uncertainties | |
Pamshetti et al. | Coordinated allocation of BESS and SOP in high PV penetrated distribution network incorporating DR and CVR schemes | |
Ranamuka et al. | Flexible AC power flow control in distribution systems by coordinated control of distributed solar-PV and battery energy storage units | |
CN110690702B (zh) | 一种考虑综合承载力的主动配电网优化调度及运行方法 | |
CN113364045B (zh) | 一种移动式储能参与的主动配电网故障恢复方法 | |
Zhai et al. | Robust model predictive control for energy management of isolated microgrids | |
CN110808597A (zh) | 主动配电网中考虑三相不平衡的分布式电源规划方法 | |
Kaysal et al. | Hierarchical energy management system with multiple operation modes for hybrid DC microgrid | |
Zhang et al. | Voltage regulation with high penetration of low-carbon energy in distribution networks: A source–grid–load-collaboration-based perspective | |
CN114726008B (zh) | 一种主动配电网与多微电网联合鲁棒优化方法及系统 | |
Raza et al. | Robust nonlinear control of regenerative fuel cell, supercapacitor, battery and wind based direct current microgrid | |
CN115313504A (zh) | 含可控光伏的配电网多时间尺度无功功率调度方法及系统 | |
CN112054556B (zh) | 一种多微网分布式交互运行优化控制方法与系统 | |
Baziar et al. | Evolutionary algorithm-based adaptive robust optimization for AC security constrained unit commitment considering renewable energy sources and shunt FACTS devices | |
Krishnan et al. | An efficient DLN2-CRSO approach based dynamic stability enhancement in micro-grid system | |
Habib et al. | Quasi-dynamic load and battery sizing and scheduling for stand-alone solar system using mixed-integer linear programming | |
Zhang et al. | Hierarchical MPC-based energy management and frequency regulation participation of a virtual power plant | |
Gupta et al. | Improving fairness in photovoltaic curtailments via daily topology reconfiguration for voltage control in power distribution networks | |
KR102562761B1 (ko) | 스마트 그리드에서 p2p 프로슈머 커뮤니티의 지능형 사전 에너지 공유 스케줄링 방법 | |
Ma et al. | Optimal dispatching for active distribution network with wind-battery hybrid power system | |
Makohin et al. | Design and implementation of a flexible microgrid controller through mixed integer linear programming optimization | |
Zhai et al. | Coordinating active distribution networks with multi-microgrids: An ADMM-based decentralized adjustable robust operation model |
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 |