CN114884057A - 一种自适应步长双闭环mpc优化调度方法 - Google Patents
一种自适应步长双闭环mpc优化调度方法 Download PDFInfo
- Publication number
- CN114884057A CN114884057A CN202210807260.4A CN202210807260A CN114884057A CN 114884057 A CN114884057 A CN 114884057A CN 202210807260 A CN202210807260 A CN 202210807260A CN 114884057 A CN114884057 A CN 114884057A
- Authority
- CN
- China
- Prior art keywords
- day
- time
- power
- ahead
- cost
- 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 77
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004146 energy storage Methods 0.000 claims abstract description 71
- 238000009826 distribution Methods 0.000 claims abstract description 54
- 238000007599 discharging Methods 0.000 claims abstract description 30
- 239000002131 composite material Substances 0.000 claims abstract description 10
- 150000001875 compounds Chemical class 0.000 claims description 47
- 238000005096 rolling process Methods 0.000 claims description 27
- 238000010248 power generation Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 230000008901 benefit Effects 0.000 claims description 9
- 230000009194 climbing Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000008713 feedback mechanism Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 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
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012795 verification 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
- H02J3/007—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- H02J3/004—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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- 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
-
- 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
- H02J3/381—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
- 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
- H02J2300/20—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
- 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)
- Economics (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及主动配电网调度技术领域,尤其涉及一种自适应步长双闭环MPC优化调度方法,包括在主动配电网的日前优化调度阶段,优化控制变量包括可控分布式电源有功出力、储能装置充放电功率、提前通知用户的可中断负荷功率以及与主网联络线交换功率,建立以主动配电网运行成本最小为优化目标的日前优化调度模型;在日内优化调度阶段,日内优化调度的控制变量包括可控分布式电源有功出力、储能装置充放电功率以及与主网联络线交换功率,建立以主动配电网运行成本最小化为优化目标的日内ASDL‑MPC调度模型;通过设置单闭环反馈、增加闭环反馈及自适应步长策略,经复合微分进化CDE算法求解得到主动配电网日运行成本最优调度方案。
Description
技术领域
本发明涉及主动配电网调度技术领域,尤其涉及一种自适应步长双闭环MPC优化调度方法。
背景技术
在当前节能减排和能源可持续发展的时代背景下,含大量分布式可再生能源的主动配电网得到了迅速发展。然而,由于分布式可再生能源易受自然环境及气候影响,出力具有明显的波动性和不确定性,使得主动配电网的优化调度难度增大,易产生较大偏差。模型预测控制 (model predictive control,MPC)作为一种考虑系统动态性能的闭环反馈策略,通过采用滚动优化的思想进行在线优化,可在一定程度上降低周围气象环境突变造成的系统调控偏差。
目前已有很多学者将模型预测控制算法应用到主动配电网的优化中,并取得了较好的效果。现有研究虽然在一定程度上提升了主动配电网在应对可再生能源不确定性方面的能力,但一般是采用固定域参数(主要包括预测时域、控制时域和控制间隔)的常规模型预测控制方法,域参数不能根据跟随可再生能源预测误差灵活调整。若域参数设置过大,则会导致控制精度较低;若域参数设置过小,则又会导致计算时间过长。为此,有研究基于柔性互联配电网中的电压预测误差和越限范围,设计了一种自适应域参数的改进模型预测控制方法。 然而,由于有功优化调度并没有统一、明显的边界值作为参考,该改进模型预测控制方法并不适用于主动配电网优化调度问题。为了动态协调计算时长和调度精度之间的矛盾,以应对大量不确定性分布式可再生能源接入对主动配电网优化调度带来的挑战,亟需一种新的自适应域参数的MPC方法。
此外,现有研究均只是建立单闭环反馈。MPC单闭环反馈能使有功出力调度值更接近实际,但其反馈信息不够全面,不能反馈系统调度误差,不利于系统消纳分布式可再生能源出力不确定性,同时也降低了系统运行经济性;而且单闭环机制不能充分利用实时信息,在出现大的可再生能源出力预测误差和系统调度误差时,其不能根据反馈信息对新一轮调度指令进行调整,系统调度的可靠性和准确性不能得到保证。因此,为了提高主动配电网运行经济性和调度可靠性,有必要在MPC现有反馈机制的基础上,增加系统反馈信息,并利用反馈信息对调度指令实时调整,增强系统调度准确性,使其更有利于消纳可再生能源出力不确定性。
发明内容
为了解决上述问题,本发明提出一种自适应步长双闭环MPC优化调度方法。
本发明采用以下技术方案:一种自适应步长双闭环MPC优化调度方法,具有以下步骤:
步骤1、在主动配电网的日前优化调度阶段,优化控制变量包括可控分布式电源有功出力、储能装置充放电功率、提前通知用户的可中断负荷功率以及与主网联络线交换功率,建立以主动配电网运行成本最小为优化目标的日前优化调度模型;
步骤2、在日内优化调度阶段,日内优化调度的控制变量包括可控分布式电源有功出力、储能装置充放电功率以及与主网联络线交换功率,日内优化调度基于自适应步长双闭环模型预测控制策略建立以主动配电网运行成本最小化为优化目标的日内ASDL-MPC调度模型;
步骤3、采用复合微分进化CDE算法对日内ASDL-MPC调度模型进行求解,包括以下步骤:
步骤3.2导入到时段可再生能源预测出力,其中,从0时刻开始,总
时段为24h,M为时域数量,采用CDE 算法,初始化第一代种群,设置最大迭代次数,当前
迭代次数从1开始;计算个体适应度值并排序,将种群分为优势种群和劣势种群,分别按照
DE/rand/1和DE/best/1变异策略更新优势种群和劣势种群,不断优化迭代直到,得
到个时段,即时域长度为内运行成本最低的最优调度方案和最低预测成本,其中为可控资源计划出力
值,包括可控分布式电源计划出力、储能装置计划充放电功率及与主网联络线交换功率;其
中,预测运行成本由预测模型得到;
步骤3.3时间向后滚动,判断当前时刻是否满足条件h,若满足则下
发时刻可控分布式电源计划出力及与主网联络线计划交换功率,作为可控分布式
电源实际出力及与主网联络线实际交换功率;导入时刻可再生能源实际出力,根
据功率平衡约束确定储能装置实际充放电功率,并计算各可控资源实际状态作为下一
轮时域滚动优化的初始值,形成单闭环反馈,若不满足则停止循环,日内优化调度结束;
步骤3.4利用成本函数得到t时刻的实际运行成本,利用预测模型得到t时刻的预
测运行成本,用实际运行成本对预测运行成本进行反馈校正,形成双闭环反馈;采用自适应
步长策略确定新的域参数,利用时刻可再生能源出力预测误差和反馈校正信息计算变步
长决策指标,根据的大小确定时间步长变化量,计算新的时间步长,进而得
到新的控制时域长度与预测时域长度;
步骤3.5主动配电网得到新的域参数后,转步骤3.2开始下一轮的时域滚动,时域
长度根据时间步长的大小自适应改变,然后通过复合微分进化CDE算法得到新的运行
时域内最优调度方案,如此循环直至24小时滚动优化完毕,最终得到主动配电网日运行成
本最优调度方案。
优选的,在步骤1中,所述日前优化调度模型的目标函数为:
式中,为一个日前优化调度周期的总时段数;分别为可控分布式
电源、可中断负荷和储能装置的节点数量;为日前时刻主动配电网与主网联络线交换
功率成本;分别为日前时刻第处可控分布式电源发电成本和第处的
储能装置运行成本;为日前时刻对区域内第处可中断负荷进行控制所产生的成
本;
优选的,在步骤1中,包括构建日前优化调度模型的约束条件,约束条件包括:
优选的,在步骤2中,所述日内ASDL-MPC调度模型中的滚动优化目标函数为:
在日内ASDL-MPC调度模型中,可中断负荷以及储能装置的充放电状态已在日前调度阶段确定,其他约束条件与日前优化调度阶段保持一致。
优选的,在步骤3.4中,所述日内ASDL-MPC调度模型中的预测模型为成本函数,如式所示:
式中,表示时刻预测时刻的调度成本,分别为
与主网联络线交互、可控分布式电源发电和储能装置运行的成本函数;分别为
滚动优化调度下发的第一时段,即时段,主动配电网与主网联络线交换功率、可控分布式
电源发电功率和储能装置运行功率的计划值。
预测时域长度的计算公式如式所示:
本发明至少具有以下有益效果之一:
1)建立双闭环(double loop,DL)机制,在可控资源实际状态反馈的基础上,构造可再生能源预测误差和系统成本预测误差反馈双闭环,可在增强系统消纳可再生能源出力不确定性能力的同时提高系统调度的准确性和可靠性;
2)提出自适应步长(adaptive step,AS)策略,根据双闭环实时反馈的调度误差和预测误差设计变步长决策指标,自适应MPC时间步长和域参数,以协调计算时间和优化精度之间的矛盾,提高系统运行效率;
3)以日前优化调度的结果作为日内调度的参考,基于自适应步长双闭环模型预测控制建立两阶段调度模型,并利用复合微分进化算法对模型进行求解,实现快速而准确的主动配电网经济调度。
附图说明
图1为本发明优选实施例中一种自适应步长双闭环MPC优化调度方法的步骤流程图;
图2为本发明优选实施例中日内ASDL-MPC调度模型求解步骤流程图;
图3为常规MPC策略结构框图;
图4为本发明优选实施例中双闭环机制整体结构框图;
图5为本发明优选实施例中优化调度过程框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心、纵向、横向、长度、宽度、厚度、上、下、前、后、左、右、竖直、水平、顶、底、内、外、顺时针、逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
参照图1至图5,本发明的优选实施例,一种自适应步长双闭环MPC优化调度方法,具有以下步骤:
步骤1、在主动配电网的日前优化调度阶段,优化控制变量包括可控分布式电源有功出力、储能装置充放电功率、提前通知用户的可中断负荷功率以及与主网联络线交换功率,建立以主动配电网运行成本最小为优化目标的日前优化调度模型;
步骤2、在日内优化调度阶段,日内优化调度的控制变量包括可控分布式电源有功出力、储能装置充放电功率以及与主网联络线交换功率,日内优化调度基于自适应步长双闭环模型预测控制策略建立以主动配电网运行成本最小化为优化目标的日内ASDL-MPC调度模型;
步骤3、采用复合微分进化CDE算法对日内ASDL-MPC调度模型进行求解,包括以下步骤:
步骤3.2导入到时段可再生能源预测出力,其中,从0时刻开始,总
时段为24h,M为时域数量,采用CDE 算法,初始化第一代种群,设置最大迭代次数,当前
迭代次数从1开始;计算个体适应度值并排序,将种群分为优势种群和劣势种群,分别按
照DE/rand/1和DE/best/1变异策略更新优势种群和劣势种群,不断优化迭代直到,
得到个时段,即时域长度为内运行成本最低的最优调度方案和最低预测成本,其中为可控资源计划出力
值,包括可控分布式电源计划出力、储能装置计划充放电功率及与主网联络线交换功率;其
中,预测运行成本由预测模型得到;
步骤3.3时间向后滚动,判断当前时刻是否满足条件h,若满足则下
发时刻可控分布式电源计划出力及与主网联络线计划交换功率,作为可控分布式电
源实际出力及与主网联络线实际交换功率;导入时刻可再生能源实际出力,根据
功率平衡约束确定储能装置实际充放电功率,并计算各可控资源实际状态作为下一轮
时域滚动优化的初始值,形成单闭环反馈,若不满足则停止循环,日内优化调度结束;
步骤3.4利用成本函数得到t时刻的实际运行成本,利用预测模型得到t时刻的预
测运行成本,用实际运行成本对预测运行成本进行反馈校正,形成双闭环反馈;采用自适应
步长策略确定新的域参数,利用时刻可再生能源出力预测误差和反馈校正信息计算变步
长决策指标,根据的大小确定时间步长变化量,计算新的时间步长,进而得
到新的控制时域长度与预测时域长度;
步骤3.5主动配电网得到新的域参数后,转步骤3.2开始下一轮的时域滚动,时域
长度根据时间步长的大小自适应改变,然后通过复合微分进化CDE算法得到新的运行
时域内最优调度方案,如此循环直至24小时滚动优化完毕,最终得到主动配电网日运行成
本最优调度方案。
本发明的日内优化调度在常规MPC策略的基础上,建立双闭环反馈机制,主要包括单闭环反馈、自适应步长策略及增加闭环反馈环节,各环节之间协调关系如图4所示:
当滚动优化过程结束,时域向后滚动,系统得到时段内运行成本最小的调度策略,
但只下发第一个时段,即时段的出力计划,将与主网联络线计划交换功率和可控分布
式资源计划出力作为对应的实际功率,利用可再生能源当前时刻的实际出力和功率平
衡公式计算储能装置实际充放电功率,根据与主网联络线交换功率、可控分布式电源实
际出力和储能装置实际充放电功率计算其实际状态,将各可控资源的实际状态反
馈到滚动优化部分,作为新一轮滚动优化的初始,由此形成单闭环反馈;
将主动配电网的可控资源在上一时段的实际功率输入成本函数模
块,计算得到实际运行成本,与此同时,系统预测模型通过上一时段的调度计划,得到预测
输出,将此预测输出与实际运行成本共同输入到反馈校正部分,对运行成本进行校正,经系
统反馈校正后的信息输入自适应步长策略;
在新的采样时刻,将上一时段对运行成本反馈校正后的信息与可再生能源预测出
力、可再生能源实际出力共同输入自适应步长决策模块,通过自适应步长决策确定时间步
长变化量,进而计算新的预测时域、控制时域和控制间隔域参数,并由此得到新
的滚动优化时段,使下一轮的优化调度能根据实际运行情况和气象环境自适应动态调整时
间步长,增强调度的准确性。
作为本发明的优选实施例,其还可具有以下附加技术特征:
优选的,
在步骤1中,日前优化调度模型的目标函数为:
式中,为一个日前优化调度周期的总时段数;分别为可控分布式
电源、可中断负荷和储能装置的节点数量;为日前时刻主动配电网与主网联络线交换
功率成本;分别为日前时刻第处可控分布式电源发电成本和第处的
储能装置运行成本;为日前时刻对区域内第处可中断负荷进行控制所产生的成
本;
本发明设置日前优化调度阶段的单位时间步长为1h。
在步骤1中,包括构建日前优化调度模型的约束条件,约束条件包括:
在步骤2中,所述日内ASDL-MPC调度模型中的滚动优化目标函数为:
在日内滚动优化阶段,模型优化目标仍为主动配电网运行成本最小化,但求解时
长由日前24h缩短为时段,在日内ASDL-MPC调度模型中,可中断负荷以及储能装置的
充放电状态已在日前调度阶段确定,其他约束条件与日前优化调度阶段保持一致。
在步骤3.4中,所述日内ASDL-MPC调度模型中的预测模型为成本函数,如式所示:
式中,表示时刻预测时刻的调度成本,分别为与
主网联络线交互、可控分布式电源发电和储能装置运行的成本函数;分别为滚
动优化调度下发的第一时段,即时段,主动配电网与主网联络线交换功率、可控分布式电
源发电功率和储能装置运行功率的计划值;预测模型指根据被控对象历史信息和未来输
入,预测系统未来的输出。形式没有严格的限定,凡是具有预测系统未来状态的模型都可以
作为预测模型。故本发明选成本函数作为MPC的预测模型。
预测时域长度的计算公式如式所示:
若变步长决策指标较大,则步长变化量会随之变大,时间步长随之变小,
使得控制间隔变小。即当可再生能源出力预测误差与系统调度误差较大时,自适应减小控
制间隔,对可再生能源出力突变造成的功率不平衡问题进行及时处理,减少系统在不安全
状态下运行的时间并做出调整;否则,时间步长自适应增大,控制间隔相应增大,减少滚动
优化计算频率,避免可再生能源预测精度较高情况下的冗余计算,降低滚动优化计算时长,
提高运行效率。
当变步长决策指标较小时,时间步长变化量会随之变小,时间步长随之增
大,进而使预测时域长度变大。即当可再生能源出力预测误差与系统调度误差较小时,
自适应放宽预测时域,减小计算时长,滚动时域全局性能更佳;反之,自适应缩短预测时域,
则可再生能源预测精度随时域的降低而增高,提升系统精细化水平,在降低系统调度误差
的同时增强主动配电网应对可再生能源不确定性的能力。
本发明针对常规模型预测控制应用在主动配电网有功调度中存在的问题,提出基于自适应步长双闭环模型预测控制主动配电网优化调度策略,改进了常规模型预测控制策略固定域参数及反馈机制的不足,并采用复合微分进化算法进行模型求解,算例验证结果表明:
1)与固定步长的模型预测控制相比,自适应步长策略有效提高了系统应对可再生能源不确定性方面的能力,在降低运行成本的同时提高了系统的运行效率。
2)双闭环反馈机制能充分利用系统动态预测和实时信息消纳可再生能源出力不确定性,相较于单闭环模型预测控制,可有效降低调度误差,提高系统可靠性和调度准确性。
3)对基于自适应变步长双闭环MPC的调度模型,将复合微分进化算法引入其求解部分,为基于模型预测控制的主动配电网优化调度策略提供了新思路。
在不出现冲突的前提下,本领域技术人员可以将上述附加技术特征自由组合以及叠加使用。
以上所述仅为本发明的优先实施方式,只要以基本相同手段实现本发明目的的技术方案都属于本发明的保护范围之内。
Claims (6)
1.一种自适应步长双闭环MPC优化调度方法,其特征在于,具有以下步骤:
步骤1、在主动配电网的日前优化调度阶段,优化控制变量包括可控分布式电源有功出力、储能装置充放电功率、提前通知用户的可中断负荷功率以及与主网联络线交换功率,建立以主动配电网运行成本最小为优化目标的日前优化调度模型;
步骤2、在日内优化调度阶段,日内优化调度的控制变量包括可控分布式电源有功出力、储能装置充放电功率以及与主网联络线交换功率,日内优化调度基于自适应步长双闭环模型预测控制策略建立以主动配电网运行成本最小化为优化目标的日内ASDL-MPC调度模型;
步骤3、采用复合微分进化CDE算法对日内ASDL-MPC调度模型进行求解,包括以下步骤:
步骤3.2导入到时段可再生能源预测出力,其中,从0时刻开始,总时段
为24h,M为时域数量,采用CDE 算法,初始化第一代种群,设置最大迭代次数,当前迭代
次数从1开始;计算个体适应度值并排序,将种群分为优势种群和劣势种群,分别按照DE/
rand/1和DE/best/1变异策略更新优势种群和劣势种群,不断优化迭代直到,得到个时段,即时域长度为内运行成本最低的最优调度方案和最低预测成本,其中为可控资源计划出力
值,包括可控分布式电源计划出力、储能装置计划充放电功率及与主网联络线交换功率;其
中,预测运行成本由预测模型得到;
步骤3.3时间向后滚动,判断当前时刻是否满足条件h,若满足则下发
时刻可控分布式电源计划出力及与主网联络线计划交换功率,作为可控分布式电源
实际出力及与主网联络线实际交换功率;导入时刻可再生能源实际出力,根据功率
平衡约束确定储能装置实际充放电功率,并计算各可控资源实际状态作为下一轮时域
滚动优化的初始值,形成单闭环反馈,若不满足则停止循环,日内优化调度结束;
步骤3.4利用成本函数得到t时刻的实际运行成本,利用预测模型得到t时刻的预测运
行成本,用实际运行成本对预测运行成本进行反馈校正,形成双闭环反馈;采用自适应步长
策略确定新的域参数,利用时刻可再生能源出力预测误差和反馈校正信息计算变步长决
策指标,根据的大小确定时间步长变化量,计算新的时间步长,进而得到新
的控制时域与预测时域长度;
2.根据权利要求1所述的一种自适应步长双闭环MPC优化调度方法,其特征在于,在步骤1中,所述日前优化调度模型的目标函数为:
式中,为一个日前优化调度周期的总时段数;分别为可控分布式电
源、可中断负荷和储能装置的节点数量;为日前时刻主动配电网与主网联络线交换功
率成本;分别为日前时刻第处可控分布式电源发电成本和第处的储能装
置运行成本;为日前时刻对区域内第处可中断负荷进行控制所产生的成本;
3.根据权利要求2所述的一种自适应步长双闭环MPC优化调度方法,其特征在于,在步骤1中,包括构建日前优化调度模型的约束条件,约束条件包括:
预测时域长度的计算公式如式所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210807260.4A CN114884057B (zh) | 2022-07-11 | 2022-07-11 | 一种自适应步长双闭环mpc优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210807260.4A CN114884057B (zh) | 2022-07-11 | 2022-07-11 | 一种自适应步长双闭环mpc优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114884057A true CN114884057A (zh) | 2022-08-09 |
CN114884057B CN114884057B (zh) | 2022-09-09 |
Family
ID=82683463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210807260.4A Active CN114884057B (zh) | 2022-07-11 | 2022-07-11 | 一种自适应步长双闭环mpc优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114884057B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101786904B1 (ko) * | 2016-08-17 | 2017-11-15 | 인천대학교 산학협력단 | 마이크로그리드 제어를 위한 bess에의 모델 예측 제어 장치 및 방법 |
CN107732982A (zh) * | 2017-10-20 | 2018-02-23 | 河海大学 | 考虑模型预测控制的综合能源系统多时间尺度调度方法 |
CN110137942A (zh) * | 2019-04-23 | 2019-08-16 | 河海大学 | 基于模型预测控制的多时间尺度柔性负荷滚动调度方法和系统 |
CN110854932A (zh) * | 2019-11-21 | 2020-02-28 | 国网山东省电力公司青岛供电公司 | 一种交直流配电网多时间尺度优化调度方法及系统 |
CN112003330A (zh) * | 2020-09-02 | 2020-11-27 | 浙江浙能技术研究院有限公司 | 一种基于自适应控制的微网能量优化调度方法 |
CN112234658A (zh) * | 2020-12-10 | 2021-01-15 | 华东交通大学 | 一种基于ddr-mpc的微网时域滚动优化调度方法 |
CN112688307A (zh) * | 2020-12-04 | 2021-04-20 | 国网江苏省电力有限公司连云港供电分公司 | 一种交直流混合微电网控制器及控制方法 |
CN113408962A (zh) * | 2021-07-28 | 2021-09-17 | 贵州大学 | 一种电网多时间尺度多目标能量优化调度方法 |
CN113937752A (zh) * | 2021-09-02 | 2022-01-14 | 国网山东省电力公司济南供电公司 | 基于随机模型预测控制的主动配电网优化调度方法及系统 |
-
2022
- 2022-07-11 CN CN202210807260.4A patent/CN114884057B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101786904B1 (ko) * | 2016-08-17 | 2017-11-15 | 인천대학교 산학협력단 | 마이크로그리드 제어를 위한 bess에의 모델 예측 제어 장치 및 방법 |
CN107732982A (zh) * | 2017-10-20 | 2018-02-23 | 河海大学 | 考虑模型预测控制的综合能源系统多时间尺度调度方法 |
CN110137942A (zh) * | 2019-04-23 | 2019-08-16 | 河海大学 | 基于模型预测控制的多时间尺度柔性负荷滚动调度方法和系统 |
CN110854932A (zh) * | 2019-11-21 | 2020-02-28 | 国网山东省电力公司青岛供电公司 | 一种交直流配电网多时间尺度优化调度方法及系统 |
CN112003330A (zh) * | 2020-09-02 | 2020-11-27 | 浙江浙能技术研究院有限公司 | 一种基于自适应控制的微网能量优化调度方法 |
CN112688307A (zh) * | 2020-12-04 | 2021-04-20 | 国网江苏省电力有限公司连云港供电分公司 | 一种交直流混合微电网控制器及控制方法 |
CN112234658A (zh) * | 2020-12-10 | 2021-01-15 | 华东交通大学 | 一种基于ddr-mpc的微网时域滚动优化调度方法 |
CN113408962A (zh) * | 2021-07-28 | 2021-09-17 | 贵州大学 | 一种电网多时间尺度多目标能量优化调度方法 |
CN113937752A (zh) * | 2021-09-02 | 2022-01-14 | 国网山东省电力公司济南供电公司 | 基于随机模型预测控制的主动配电网优化调度方法及系统 |
Non-Patent Citations (2)
Title |
---|
M.NASSOUROU等: "robust economic model predictive control for energy dispatch in smart micro-grids considering demand uncertainty", 《2019 24TH IEEE INTERNATIONAL CONFERENCE ON EMERGING TECHONOLOGIES AND FACTORY AUTOMATION》 * |
孙惠娟等: "基于差异化需求响应模型预测控制的微网时域滚动优化调度", 《电网技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114884057B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112072712B (zh) | 综合能源系统多时间尺度优化调度方法、系统及存储介质 | |
CN104993522B (zh) | 一种基于mpc的主动配电网多时间尺度协调优化调度方法 | |
CN112529256B (zh) | 考虑多重不确定性的分布式电源集群日前调度方法和系统 | |
CN110311421A (zh) | 基于需求侧响应的微电网多时间尺度能量管理方法 | |
CN112465181A (zh) | 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法 | |
CN116345577B (zh) | 风-光-储微电网能量调控优化方法、设备及存储介质 | |
CN113258581B (zh) | 一种基于多智能体的源荷协调电压控制方法及装置 | |
CN105006843A (zh) | 一种应对风电不确定性的多时间尺度柔性负荷调度方法 | |
CN111786422B (zh) | 基于bp神经网络的微电网参与上层电网实时优化调度方法 | |
CN111293682B (zh) | 一种基于协同模型预测控制的多微网能量管理方法 | |
CN108039737A (zh) | 一种源网荷协调运行模拟系统 | |
CN111245024B (zh) | 基于模型预测控制的综合能源系统鲁棒优化运行方法 | |
CN116050637A (zh) | 基于分时电价的综合能源虚拟电厂优化调度方法及系统 | |
CN115776125A (zh) | 一种储能与新能源场站的协同运行优化方法及装置 | |
CN111817296A (zh) | 一种微电网用电能调度方法及系统 | |
CN112001523A (zh) | 考虑多种储能的综合能源多尺度优化调度控制方法及系统 | |
CN117791643A (zh) | 风光水火储协同博弈的电网智能调频方法及系统 | |
CN103679284A (zh) | 一种消纳风电接入的定区间滚动调度方法 | |
CN117767349A (zh) | 风光储新能源电站的优化调度与协调控制方法及系统 | |
CN113836689A (zh) | 新能源冷热电联供系统分时间尺度运行优化方法及系统 | |
CN114884057B (zh) | 一种自适应步长双闭环mpc优化调度方法 | |
CN106251074A (zh) | 一种协同的电网超前调度模型的建立方法及其计算方法 | |
CN115411776A (zh) | 住宅综合能源系统的热电协同调度方法及装置 | |
CN116107206A (zh) | 温室设备控制方法 | |
CN113919131A (zh) | 一种基于模型预测控制的含光热电站系统优化调度框架 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240718 Address after: 230000 B-1015, wo Yuan Garden, 81 Ganquan Road, Shushan District, Hefei, Anhui. Patentee after: HEFEI MINGLONG ELECTRONIC TECHNOLOGY Co.,Ltd. Country or region after: China Address before: No. 808, Shuanggang East Street, Nanchang Economic and Technological Development Zone, Jiangxi Province Patentee before: East China Jiaotong University Country or region before: China |
|
TR01 | Transfer of patent right |