CN114914955A - 一种微电网有功与无功联合优化调度方法及系统 - Google Patents
一种微电网有功与无功联合优化调度方法及系统 Download PDFInfo
- Publication number
- CN114914955A CN114914955A CN202210807501.5A CN202210807501A CN114914955A CN 114914955 A CN114914955 A CN 114914955A CN 202210807501 A CN202210807501 A CN 202210807501A CN 114914955 A CN114914955 A CN 114914955A
- Authority
- CN
- China
- Prior art keywords
- power
- formula
- value
- power supply
- node
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 239000002245 particle Substances 0.000 claims abstract description 89
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 30
- 231100000719 pollutant Toxicity 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000002940 Newton-Raphson method Methods 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 78
- 238000004146 energy storage Methods 0.000 claims description 70
- 238000010248 power generation Methods 0.000 claims description 66
- 238000012937 correction Methods 0.000 claims description 39
- 239000000446 fuel Substances 0.000 claims description 36
- 150000001875 compounds Chemical class 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000007599 discharging Methods 0.000 claims description 12
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 12
- 238000005286 illumination Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 9
- 238000005312 nonlinear dynamic Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 239000003345 natural gas Substances 0.000 claims description 6
- 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 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 239000011541 reaction mixture Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000005056 compaction Methods 0.000 claims description 3
- 239000002283 diesel fuel Substances 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 6
- 230000008878 coupling Effects 0.000 description 7
- 238000010168 coupling process Methods 0.000 description 7
- 238000005859 coupling reaction Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 239000013589 supplement Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000011232 storage material Substances 0.000 description 1
- 238000002910 structure generation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- 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
- H02J3/12—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
-
- 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
- H02J3/50—Controlling the sharing of the out-of-phase component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution 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
- 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
- H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电网调度技术领域,公开了一种微电网有功与无功联合优化调度方法及系统,其方法通过考虑交流微电网系统各机组发电成本、产生污染物的环境治理成本所构成的综合成本最低作为目标函数,考虑微电网系统网络结构的潮流模型及部分电源节点中各个类型电源的发电模型确立约束条件,采用改进粒子群算法求解目标函数,从而得到适应度函数的最小值对应的初始有功功率,再采用牛顿拉夫逊法求得电源的初始无功功率,将电源的初始无功功率和初始有功功率分配至交流微电网系统的各个类型电源中,以输出相应的无功功率和有功功率,从而降低了各机组发电成本和产生污染物的环境治理成本的总成本及网络损耗,提高了系统的电能质量。
Description
技术领域
本发明涉及电网调度技术领域,尤其涉及一种微电网有功与无功联合优化调度方法及系统。
背景技术
微电网Equation Section (Next)是一种整合分布式发电(distributedgeneration, DG)技术、电力电子技术和储能控制技术以及负荷的新型供应系统,通过先进控制器可灵活地控制各个DG单元的接入和断开,并能通过公共耦合点关断控制系统工作在并网和离网模式。微电网系统中的电源分为可控和不可控电源,不可控微电源主要包括风力发电、光伏发电等可再生能源发电单元,可控部分主要包括柴油发电机、微型燃气轮机及储能蓄电池等,它们将作为不可调微电源的重要补充和备用。
目前,微电网没有被大规模接入配电网中参与调节运行,主要受到配电网网络拓扑结构的制约和建设投资经济成本过高等因素影响。它不同于传统电网,微电网系统中的一个重要特征就是线路中电阻和电抗值相近,尤其是当考虑网架结构的复杂线路时,系统中的有功功率和无功功率有较强的耦合关系,它们之间会产生相互影响。而在容量高、规模较大的微电网系统中,如果不考虑线路潮流的因素,会引起电压、频率偏移等一系列危害电能质量的影响,同时,也会提高各电源发电成本、产生污染物的治理成本。
发明内容
本发明提供了一种微电网有功与无功联合优化调度方法及系统,解决了电能质量较低以及治理成本较高的技术问题。
有鉴于此,本发明第一方面提供了一种微电网有功与无功联合优化调度方法,包括以下步骤:
以交流微电网系统中各个类型电源的发电成本最小以及其产生污染物的治理成本最小为目标,以电源的有功功率作为输入变量构建交流微电网系统优化调度的目标函数;
构建交流微电网系统中各个类型电源的发电模型,确立目标函数的约束条件;
以目标函数作为改进粒子群算法的适应度函数,利用改进粒子群算法对适应度函数进行迭代计算,得到适应度函数的最小值及其对应的初始有功功率;
基于牛顿拉夫逊法对交流微电网系统的各节点电压进行潮流计算,以对各节点电压进行修正,根据修正后的各节点电压计算得到电源的初始无功功率;
将电源的初始无功功率和初始有功功率分配至微电网系统中各个类型电源中,以输出相应的无功功率和有功功率。
优选地,所述以交流微电网系统中各个类型电源的发电成本最小以及其产生污染物的治理成本最小为目标,以电源的有功功率作为输入变量构建交流微电网系统优化调度的目标函数的步骤具体包括:
以交流微电网系统中各个类型电源的发电成本最小以及其产生污染物的治理成本最小为目标,以电源的有功功率作为输入变量构建交流微电网系统优化调度的目标函数为:
式1~7中,为系统的总成运行本,N为系统中电源的种类数,表示系统中第i类电源的装机数,、、和分别为交流微电网系统中第i类电源的安装成本、维护成本、发电燃料成本和污染物排放的治理成本;为弃风弃光惩罚成本,为网损惩罚成本;为第i类电源设备出厂价,r为贷款利率,为第i类电源设备的使用年限;为第i类电源维护成本与容量之比的系数;为系统中第i类电源的总装机容量;为第i类电源燃料的价格,为第i类电源的燃料消耗量,为电源i的发电量,发电量 为电源i调度周期内的有功出力与间隔时间的乘积;M为排放污染物种类数;为第i类电源的第 j种污染物的排放系数;为各类污染物的评价系数;为惩罚系数,为弃光功率值,为弃风功率值,I为系统节点的总数量,为ah线路段的电阻,为ah线路段的电抗。
优选地,所述构建交流微电网系统中各个类型电源的发电模型,确立目标函数的约束条件的步骤具体包括:
构建光伏发电模型为:
式8中,表示光伏发电在光照强度和工作温度的输出功率,为预设的光伏发电最大输出功率;为预设的光照强度;为光伏发电的功率温度系数,取值0.0045;为STC条件下的模块测试温度;表示实际的光照强度;为实际的工作温度,实际的工作温度通过下式9计算得到:
构建风力发电模型为:
式10中,为风力发电机输出功率;为Weibull分布的形状参数;为风力发电机的额定输出功率;v表示风力发电机的实际风速;vci为风力发电机的切入风速;vr为风力发电机的额定风速;vco为风力发电机的切出风速;、参数表达式为:
构建柴油发电机发电模型为:
构建燃料电池模型为:
构建储能蓄电池发电模型为:
确定目标函数的约束条件包括:
1)潮流平衡方程约束为:
式15中,为t时刻光伏机组发出的有功功率,为t时刻风力发电机发出的有功功率,为t时刻柴油发电机发出的有功功率,为t时刻燃料电池发出的有功功率,为t时刻储能蓄电池发出的有功功率,为t时刻交流微电网系统的有功负载,为t时刻交流微电网系统的无功负载;为t时刻无功补偿装置的补偿容量,为t时刻燃料电池的无功功率;I为系统节点的总数量,h=1,2……I;、、分别为节点a和节点h之间的电导、电纳和相角差,表示与节点 h为相连的节点;
2)电源输出功率约束为:
3)储能蓄电池输出功率约束为:
4)储能蓄电池各时段充放电功率的约束为:
ESB为储能蓄电池的装机容量。
优选地,所述以目标函数作为改进粒子群算法的适应度函数,利用改进粒子群算法对适应度函数进行迭代计算,得到适应度函数的最小值及其对应的初始有功功率的步骤具体包括:
对种群进行初始化,随机生成粒子加入到种群中;
随机生成种群中所有粒子的位置和速度;
以目标函数作为改进粒子群算法的适应度函数,计算每个粒子的适应度值,采用非线性动态惯性系数对种群中粒子进行寻优,若当前粒子的适应度值为当前所有粒子的最佳值,则当前粒子的位置为个体最优解,将当前粒子的适应度值与预设的适应度值进行比较,若当前粒子的适应度值优于预设的适应度值,则将当前粒子个体的位置作为全局最优解;其中,非线性动态惯性系数的表达式为:
通过对所述全局最优解和所述个体最优解进行追踪,更新种群中每个粒子的速度和位置,从而产生新的粒子;
其中,粒子的速度更新表达式为:
式21中,为粒子i在t+1时刻的速度,为粒子i在t时刻的速度,x表示粒子位置,为种群内目前搜寻到的全局最优解,为种群内目前搜寻到的个体最优解,、均为学习因子,表示粒子i在t时刻的搜索因子,搜索因子表达式为:
其中,粒子的位置更新表达式为:
通过新的粒子进行适应度值迭代计算,当满足迭代条件时,输出最佳适应度函数值及各粒子的位置和速度,得到对应的初始有功功率。
优选地,所述基于牛顿拉夫逊法对交流微电网系统的各节点电压进行潮流计算,以对各节点电压进行修正,根据修正后的各节点电压计算得到电源的初始无功功率的步骤具体包括:
获取交流微电网系统网络节点总数,构建直角坐标形式的潮流方程为:
式24~25中,为节点功率,为n×1维的节点电压列向量,,表示节点电流共轭值,j为虚数量,、分别为网络节点a处注入的有功、无功功率,表示网络节点a处的电压列向量,为网络节点a和网络节点h之间互导纳的共轭值,为网络节点h处的电压的共轭值,I为节点总数量;
采用牛顿拉夫逊法求解直角坐标形式的潮流方程,得到功率方程为:
此时,将网络节点a处注入的有功、无功功率分别表示为:
对于系统中的非线性方程组f(x)=0,假设x(0)为方程初值,牛顿法的迭代方程为:
根据各电源节点的网络节点参数构建交流微电网系统的节点导纳矩阵,所述网络节点参数包括节点电流和节点电压,设定各节点电压的初始电压相位和初始电压幅值;
将各节点电压的初始电压相位和初始电压幅值代入到修正方程,其中,采用分块矩阵来表示修正值为:
将式32和式33代入到式31中,得到电压相位修正值和电压幅值修正值;
将电压相位修正值叠加至初始电压相位得到新的电压相位,将电压幅值修正值叠加至初始电压幅值得到新的电压幅值,从而修正各节点电压,得到修正后的节点电压;
基于潮流平衡方程约束,根据修正后的节点电压进行潮流计算,得到各电源节点的无功功率。
优选地,本方法还包括:
基于预设的调度策略对微电网系统中的电源输出的有功功率和无功功率进行调整。
优选地,所述基于预设的调度策略对微电网系统中的电源输出的有功功率和无功功率进行调整的步骤具体包括:
获取微电网系统中所有电源输出的有功功率、储能蓄电池的荷电状态、负荷总功率;
对所有电源输出的有功功率和所述负荷总功率做差值处理,得到微电网系统的净功率;
判断所述净功率是否为正值,若所述净功率为正值且储能蓄电池的荷电状态小于预设的最大荷电状态时,则对储能蓄电池进行充电,直至储能蓄电池的荷电状态等于预设的最大荷电状态,并降低柴油发电机和燃料电池分别输出的有功功率;若所述净功率为负值且储能蓄电池的荷电状态大于预设的最小荷电状态时,则优先使用储能蓄电池对负荷输出,若所述净功率为负值且储能蓄电池的荷电状态不大于预设的最小荷电状态时,则暂停使用储能蓄电池对负荷输出,增大柴油发电机和燃料电池分别输出的有功功率。
优选地,所述基于预设的调度策略对微电网系统中的电源输出的有功功率和无功功率进行调整的步骤还包括:
获取微电网系统中的各电源节点的电压和相角,根据各电源节点的电压与预设的电压阈值的比较结果以及相角与预设的相角阈值的比较结果判断各电源节点的电压和相角是否发生偏移,若各电源节点的电压和相角发生偏移,则将各电源节点的电压与预设的电压阈值进行差值计算,得到电压偏移量,将各电源节点的相角与预设的相角阈值进行差值计算,得到相角偏移量;
基于潮流平衡方程约束,通过所述电压偏移量和所述相角偏移量计算微电网系统中的电源所需补偿的无功功率值。
第二方面,本发明还提供了一种微电网有功与无功联合优化调度系统,包括:
目标函数构建模块,用于以交流微电网系统中各个类型电源的发电成本最小以及其产生污染物的治理成本最小为目标,以电源的有功功率作为输入变量构建交流微电网系统优化调度的目标函数;
约束构建模块,用于构建交流微电网系统中各个类型电源的发电模型,确立目标函数的约束条件;
有功功率计算模块,用于以目标函数作为改进粒子群算法的适应度函数,利用改进粒子群算法对适应度函数进行迭代计算,得到适应度函数的最小值及其对应的初始有功功率;
无功功率计算模块,用于基于牛顿拉夫逊法对交流微电网系统的各节点电压进行潮流计算,以对各节点电压进行修正,根据修正后的各节点电压计算得到电源的初始无功功率;
配置模块,用于将电源的初始无功功率和初始有功功率分配至微电网系统中各个类型电源中,以输出相应的无功功率和有功功率。
从以上技术方案可以看出,本发明具有以下优点:
本发明通过考虑交流微电网系统各机组发电成本、产生污染物的环境治理成本所构成的综合成本最低作为目标函数,考虑微电网系统网络结构的潮流模型及部分电源节点中各个类型电源的发电模型确立约束条件,采用改进粒子群算法求解目标函数,从而得到适应度函数的最小值对应的初始有功功率,再采用牛顿拉夫逊法求得电源的初始无功功率,将电源的初始无功功率和初始有功功率分配至交流微电网系统的各个类型电源中,以输出相应的无功功率和有功功率,从而降低了各机组发电成本和产生污染物的环境治理成本的总成本及网络损耗,提高了系统的电能质量。
附图说明
图1为交流微电网系统的结构示意图;
图2为本发明实施例提供的一种微电网有功与无功联合优化调度方法的流程图;
图3为本发明实施例提供的风力发电机输出功率与风速之间的关系示意图;
图4为本发明实施例提供的一种微电网有功与无功联合优化调度系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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。
如图1所示,微电网Equation Section (Next)是一种整合分布式发电(distributed generation, DG)技术、电力电子技术和储能控制技术以及负荷的新型供应系统,通过先进控制器可灵活地控制各个DG单元的接入和断开,并能通过公共耦合点关断控制系统工作在并网和离网模式。微电网系统中的电源分为可控和不可控电源,不可控微电源主要包括风力发电、光伏发电等可再生能源发电单元,可控部分主要包括柴油发电机、微型燃气轮机及储能蓄电池等,它们将作为不可调微电源的重要补充和备用。
现有对独立交流微电网系统的优化调度主要集中于能源优化配置、经济成本、有功功率的调度,进而达到经济相对最优化结果;但考虑网络结构的微电网系统中,线路的有功功率与无功功率关系较为紧密,可以影响供电质量和系统的安全运行。
目前,微电网没有被大规模接入配电网中参与调节运行,主要受到配电网网络拓扑结构的制约和建设投资经济成本过高等因素影响。它不同于传统电网,微电网系统中的一个重要特征就是线路中电阻和电抗值相近,尤其是当考虑网架结构的复杂线路时,系统中的有功功率和无功功率有较强的耦合关系,它们之间会产生相互影响。而在容量高、规模较大的微电网系统中,如果不考虑线路潮流的因素,会引起电压、频率偏移等一系列危害电能质量的影响,同时,也会提高各电源发电成本、产生污染物的治理成本。
为此,本发明提供了一种微电网有功与无功联合优化调度方法,如图2所示,包括以下步骤:
S1、以交流微电网系统中各个类型电源的发电成本最小以及其产生污染物的治理成本最小为目标,以电源的有功功率作为输入变量构建交流微电网系统优化调度的目标函数;
S2、构建交流微电网系统中各个类型电源的发电模型,确立目标函数的约束条件;
S3、以目标函数作为改进粒子群算法的适应度函数,利用改进粒子群算法对适应度函数进行迭代计算,得到适应度函数的最小值及其对应的初始有功功率;
S4、基于牛顿拉夫逊法对交流微电网系统的各节点电压进行潮流计算,以对各节点电压进行修正,根据修正后的各节点电压计算得到电源的初始无功功率;
S5、将电源的初始无功功率和初始有功功率分配至微电网系统中各个类型电源中,以输出相应的无功功率和有功功率。
本实施例提供了一种微电网有功与无功联合优化调度方法,通过考虑交流微电网系统各机组发电成本、产生污染物的环境治理成本所构成的综合成本最低作为目标函数,考虑微电网系统网络结构的潮流模型及部分电源节点中各个类型电源的发电模型确立约束条件,采用改进粒子群算法求解目标函数,从而得到适应度函数的最小值对应的初始有功功率,再采用牛顿拉夫逊法求得电源的初始无功功率,将电源的初始无功功率和初始有功功率分配至交流微电网系统的各个类型电源中,以输出相应的无功功率和有功功率,从而降低了各机组发电成本和产生污染物的环境治理成本的总成本及网络损耗,提高了系统的电能质量。
以下为结合本发明提供的微电网有功与无功联合优化调度方法的实施例的详细描述。
在一个具体实施例中,步骤S1具体包括:
以交流微电网系统中各个类型电源的发电成本最小以及其产生污染物的治理成本最小为目标,以电源的有功功率作为输入变量构建交流微电网系统优化调度的目标函数为:
式1~7中,为系统的总成运行本,N为系统中电源的种类数,表示系统中第i类电源的装机数,、、和分别为交流微电网系统中第i类电源的安装成本、维护成本、发电燃料成本和污染物排放的治理成本;为弃风弃光惩罚成本,为网损惩罚成本;为第i类电源设备出厂价,r为贷款利率,为第i类电源设备的使用年限;为第i类电源维护成本与容量之比的系数;为系统中第i类电源的总装机容量;为第i类电源燃料的价格,为第i类电源的燃料消耗量,为电源i的发电量,发电量 为电源i调度周期内的有功出力与间隔时间的乘积;M为排放污染物种类数;为第i类电源的第 j种污染物的排放系数;为各类污染物的评价系数;为惩罚系数,为弃光功率值,为弃风功率值,I为系统节点的总数量,为ah线路段的电阻,为ah线路段的电抗。
在一个具体实施例中,步骤S2具体包括:
S201、构建光伏发电模型为:
式8中,表示光伏发电在光照强度和工作温度的输出功率,为预设的光伏发电最大输出功率;为预设的光照强度;为光伏发电的功率温度系数,取值0.0045;为STC条件下的模块测试温度;表示实际的光照强度;为实际的工作温度,实际的工作温度通过下式9计算得到:
其中,光伏阵列(Photovoltaic,PV)作为将光能转化为电能的设备,它由多片光伏模组连接而成。其输出功率与太阳辐照强度、环境温度有关。预设的光伏发电最大输出功率和预设的光照强度是在标准测试条件下得到的,其预设的光照强度一般取值1000W/m2。
S202、构建风力发电模型为:
式10中,为风力发电机输出功率;为Weibull分布的形状参数;为风力发电机的额定输出功率;v表示风力发电机的实际风速;vci为风力发电机的切入风速;vr为风力发电机的额定风速;vco为风力发电机的切出风速;、参数表达式为:
其中,风力发电机(Wind Turbines,WT)是一种将风能转化为电能的装置,风力发电是一种新兴能源,其具有无污染、运行成本低等优势,适用于风力资源丰富的偏远农村、海岛等区域。WT 的输出功率随着风速的变化而变化,如图3所示,常见的风机输出功率与风速关系如式8表示。
S203、构建柴油发电机发电模型为:
其中,柴油发电机(Diesel Engine,DE)在微电网中是一个重要的调峰单元,也是本系统中唯一可以产生无功功率的机组类型,其发电所需成本和其输出功率相关,其油耗和输出功率可以近似的表示为式9,而g、j、s一般分别取值为2.6667,0.1637和0.00015。
S204、构建燃料电池模型为:
其中,柴油发电机(Diesel Engine,DE)在微电网中是一个重要的调峰单元,也是本系统中唯一可以产生无功功率的机组类型,其发电所需成本和其输出功率相关,其油耗和输出功率可以近似的表示为式9,而g、j、s一般分别取值为2.6667,0.1637和0.00015。
S204、构建燃料电池模型为:
其中,储能蓄电池(Storage Battery,SB)作为一种储能设备在微电网系统中具有重要作用,其作用包括作为发电单元提供短时供电、作为负载单元提高系统负荷率以及优化系统中微电源运行等。储能设备的接入可以抑制微网的供需不平衡,并可解决用户负荷需求、增强微网系统稳定性。常用铅酸蓄电池作为储能材料,考虑SB在t时刻的荷电状态(state of charge,SOC) 与t-1时刻的荷电状态及SB的充/放电特性有关。
确定目标函数的约束条件包括:
1)潮流平衡方程约束为:
式15中,为t时刻光伏机组发出的有功功率,为t时刻风力发电机发出的有功功率,为t时刻柴油发电机发出的有功功率,为t时刻燃料电池发出的有功功率,为t时刻储能蓄电池发出的有功功率,为t时刻交流微电网系统的有功负载,为t时刻交流微电网系统的无功负载;为t时刻无功补偿装置的补偿容量,为t时刻燃料电池的无功功率;I为系统节点的总数量,h=1,2……I;、、分别为节点a和节点h之间的电导、电纳和相角差,表示与节点 h为相连的节点;
其中,风力机组、光伏机组、柴油机组、燃料电池和储能系统参与有功调节,燃料电池和无功补偿装置参与无功调节。
2)电源输出功率约束为:
3)储能蓄电池输出功率约束为:
需要说明的是,储能蓄电池的过充和过放都会使电池寿命有影响,为此需考虑其充放电的荷电量状态,它应满足如式15的函数表达式。
4)储能蓄电池各时段充放电功率的约束为:
ESB为储能蓄电池的装机容量。
需要说明的是,蓄电池组长期运行在过大的功率环境下,会对其使用寿命造成影响,所以对各时段充放电功率也进行约束。
在一个具体实施例中,步骤S3具体包括:
S301、对种群进行初始化,随机生成粒子加入到种群中;
S302、随机生成种群中所有粒子的位置和速度;
S303、以目标函数作为改进粒子群算法的适应度函数,计算每个粒子的适应度值,采用非线性动态惯性系数对种群中粒子进行寻优,若当前粒子的适应度值为当前所有粒子的最佳值,则当前粒子的位置为个体最优解,将当前粒子的适应度值与预设的适应度值进行比较,若当前粒子的适应度值优于预设的适应度值,则将当前粒子个体的位置作为全局最优解;其中,非线性动态惯性系数的表达式为:
S304、通过对全局最优解和个体最优解进行追踪,更新种群中每个粒子的速度和位置,从而产生新的粒子;
其中,粒子的速度更新表达式为:
式21中,为粒子i在t+1时刻的速度,为粒子i在t时刻的速度,x表示粒子位置,为种群内目前搜寻到的全局最优解,为种群内目前搜寻到的个体最优解,、均为学习因子,表示粒子i在t时刻的搜索因子,搜索因子表达式为:
其中,粒子的位置更新表达式为:
S305、通过新的粒子进行适应度值迭代计算,当满足迭代条件时,输出最佳适应度函数值及各粒子的位置和速度,得到对应的初始有功功率。
在一个具体实施例中,步骤S4具体包括:
S401、获取交流微电网系统网络节点总数,构建直角坐标形式的潮流方程为:
式24~25中,为节点功率,为n×1维的节点电压列向量,,表示节点电流共轭值,j为虚数量,、分别为网络节点a处注入的有功、无功功率,表示网络节点a处的电压列向量,为网络节点a和网络节点h之间互导纳的共轭值,为网络节点h处的电压的共轭值,I为节点总数量;
S402、采用牛顿拉夫逊法求解直角坐标形式的潮流方程,得到功率方程为:
此时,将网络节点a处注入的有功、无功功率分别表示为:
S403、对于系统中的非线性方程组f(x)=0,假设x(0)为方程初值,牛顿法的迭代方程为:
S406、根据各电源节点的网络节点参数构建交流微电网系统的节点导纳矩阵,网络节点参数包括节点电流和节点电压,设定各节点电压的初始电压相位和初始电压幅值;
S407、将各节点电压的初始电压相位和初始电压幅值代入到修正方程,其中,采用分块矩阵来表示修正值为:
S408、将式32和式33代入到式31中,得到电压相位修正值和电压幅值修正值;
S409、将电压相位修正值叠加至初始电压相位得到新的电压相位,将电压幅值修正值叠加至初始电压幅值得到新的电压幅值,从而修正各节点电压,得到修正后的节点电压;
S410、基于潮流平衡方程约束,根据修正后的节点电压进行潮流计算,得到各电源节点的无功功率。
在一个具体实施例中,本方法还包括:
S6、基于预设的调度策略对微电网系统中的电源输出的有功功率和无功功率进行调整。
具体地,步骤S6具体包括:
在交流微电网中有功调度策略中包括:
S601、获取微电网系统中所有电源输出的有功功率、储能蓄电池的荷电状态、负荷总功率;
S602、对所有电源输出的有功功率和负荷总功率做差值处理,得到微电网系统的净功率;
S603、判断净功率是否为正值,若净功率为正值且储能蓄电池的荷电状态小于预设的最大荷电状态时,则对储能蓄电池进行充电,直至储能蓄电池的荷电状态等于预设的最大荷电状态,并降低柴油发电机和燃料电池分别输出的有功功率;若净功率为负值且储能蓄电池的荷电状态大于预设的最小荷电状态时,则优先使用储能蓄电池对负荷输出,若净功率为负值且储能蓄电池的荷电状态不大于预设的最小荷电状态时,则暂停使用储能蓄电池对负荷输出,增大柴油发电机和燃料电池分别输出的有功功率。
其中,独立交流微电网系统无法以电网作为备用,因此需依靠SB来对自身系统中由风光出力的随机性产生的净功率(特指某个时间段内风/光出力值与微网负荷值之差)进行吸纳,在系统中起着能量缓冲的作用;DE和FC作为可控机组,承担着应对风险、保证供电可靠性的作用,在SB无法补充系统缺额功率时充当能量补充和系统备用单元。当系统内的发电功率大于负荷功率时,多余的电量自动储存在SB中以备不时之需,并且降低可控机组出力;当系统内发电功率小于负荷功率时,储能蓄电池的电量转出供负荷使用,同时增大可控机组出力。
在交流微电网中无功调度策略中包括:
获取微电网系统中的各电源节点的电压和相角,根据各电源节点的电压与预设的电压阈值的比较结果以及相角与预设的相角阈值的比较结果判断各电源节点的电压和相角是否发生偏移,若各电源节点的电压和相角发生偏移,则将各电源节点的电压与预设的电压阈值进行差值计算,得到电压偏移量,将各电源节点的相角与预设的相角阈值进行差值计算,得到相角偏移量;
基于潮流平衡方程约束,通过电压偏移量和相角偏移量计算微电网系统中的电源所需补偿的无功功率值。
需要说明的是,在独立交流微电网系统中,系统的有功功率和无功功率共同保证了节点的电压和频率稳定。对系统进行经济优化调度时,无功功率的变化影响也重要,因此也需参与经济调度。本发明中将DE 机组所在的节点设置为平衡节点,为整个系统提供参考电压和频率,同时在DE机组所在节点安装无功补偿装置(静止无功补偿设备Static VarCompensator, SVC )。SVC可以确保在电压变化时,快速且平滑调节无功补偿容量来满足需求;同时也可以做到分相补偿,对三相不平衡负荷有较高适应性,以保证DE经济运行。此外FC机组向外提供有功功率和无功功率,确保系统可靠运行。
以上为本发明提供的一种微电网有功与无功联合优化调度方法的实施例的详细描述,以下为本发明提供的一种微电网有功与无功联合优化调度系统的实施例的详细描述。
为了方便理解,请参阅图4,本发明提供了一种微电网有功与无功联合优化调度系统,包括:
目标函数构建模块100,用于以交流微电网系统中各个类型电源的发电成本最小以及其产生污染物的治理成本最小为目标,以电源的有功功率作为输入变量构建交流微电网系统优化调度的目标函数;
约束构建模块200,用于构建交流微电网系统中各个类型电源的发电模型,确立目标函数的约束条件;
有功功率计算模块300,用于以目标函数作为改进粒子群算法的适应度函数,利用改进粒子群算法对适应度函数进行迭代计算,得到适应度函数的最小值及其对应的初始有功功率;
无功功率计算模块400,用于基于牛顿拉夫逊法对交流微电网系统的各节点电压进行潮流计算,以对各节点电压进行修正,根据修正后的各节点电压计算得到电源的初始无功功率;
配置模块500,用于将电源的初始无功功率和初始有功功率分配至微电网系统中各个类型电源中,以输出相应的无功功率和有功功率。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
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 (9)
1.一种微电网有功与无功联合优化调度方法,其特征在于,包括以下步骤:
以交流微电网系统中各个类型电源的发电成本最小以及其产生污染物的治理成本最小为目标,以电源的有功功率作为输入变量构建交流微电网系统优化调度的目标函数;
构建交流微电网系统中各个类型电源的发电模型,确立目标函数的约束条件;
以目标函数作为改进粒子群算法的适应度函数,利用改进粒子群算法对适应度函数进行迭代计算,得到适应度函数的最小值及其对应的初始有功功率;
基于牛顿拉夫逊法对交流微电网系统的各节点电压进行潮流计算,以对各节点电压进行修正,根据修正后的各节点电压计算得到电源的初始无功功率;
将电源的初始无功功率和初始有功功率分配至微电网系统中各个类型电源中,以输出相应的无功功率和有功功率。
2.根据权利要求1所述的微电网有功与无功联合优化调度方法,其特征在于,所述以交流微电网系统中各个类型电源的发电成本最小以及其产生污染物的治理成本最小为目标,以电源的有功功率作为输入变量构建交流微电网系统优化调度的目标函数的步骤具体包括:
以交流微电网系统中各个类型电源的发电成本最小以及其产生污染物的治理成本最小为目标,以电源的有功功率作为输入变量构建交流微电网系统优化调度的目标函数为:
式1~7中,为系统的总成运行本,N为系统中电源的种类数,表示系统中第i类电源的装机数,、、和分别为交流微电网系统中第i类电源的安装成本、维护成本、发电燃料成本和污染物排放的治理成本;为弃风弃光惩罚成本,为网损惩罚成本;为第i类电源设备出厂价,r为贷款利率,为第i类电源设备的使用年限;为第i类电源维护成本与容量之比的系数;为系统中第i类电源的总装机容量;为第i类电源燃料的价格,为第i类电源的燃料消耗量,为电源i的发电量,发电量 为电源i调度周期内的有功出力与间隔时间的乘积;M为排放污染物种类数;为第i类电源的第 j种污染物的排放系数;为各类污染物的评价系数;为惩罚系数,为弃光功率值,为弃风功率值,I为系统节点的总数量,为ah线路段的电阻,为ah线路段的电抗。
3.根据权利要求2所述的微电网有功与无功联合优化调度方法,其特征在于,所述构建交流微电网系统中各个类型电源的发电模型,确立目标函数的约束条件的步骤具体包括:
构建光伏发电模型为:
式8中,表示光伏发电在光照强度和工作温度的输出功率,为预设的光伏发电最大输出功率;为预设的光照强度;为光伏发电的功率温度系数,取值0.0045;为STC条件下的模块测试温度;表示实际的光照强度;为实际的工作温度,实际的工作温度通过下式9计算得到:
构建风力发电模型为:
式10中,为风力发电机输出功率;为Weibull分布的形状参数;为风力发电机的额定输出功率;v表示风力发电机的实际风速;vci为风力发电机的切入风速;vr为风力发电机的额定风速;vco为风力发电机的切出风速;、参数表达式为:
构建柴油发电机发电模型为:
构建燃料电池模型为:
构建储能蓄电池发电模型为:
确定目标函数的约束条件包括:
1)潮流平衡方程约束为:
式15中,为t时刻光伏机组发出的有功功率,为t时刻风力发电机发出的有功功率,为t时刻柴油发电机发出的有功功率,为t时刻燃料电池发出的有功功率,为t时刻储能蓄电池发出的有功功率,为t时刻交流微电网系统的有功负载,为t时刻交流微电网系统的无功负载;为t时刻无功补偿装置的补偿容量,为t时刻燃料电池的无功功率;I为系统节点的总数量,h=1,2……I;、、分别为节点a和节点h之间的电导、电纳和相角差,表示与节点 h为相连的节点;
2)电源输出功率约束为:
3)储能蓄电池输出功率约束为:
4)储能蓄电池各时段充放电功率的约束为:
ESB为储能蓄电池的装机容量。
4.根据权利要求3所述的微电网有功与无功联合优化调度方法,其特征在于,所述以目标函数作为改进粒子群算法的适应度函数,利用改进粒子群算法对适应度函数进行迭代计算,得到适应度函数的最小值及其对应的初始有功功率的步骤具体包括:
对种群进行初始化,随机生成粒子加入到种群中;
随机生成种群中所有粒子的位置和速度;
以目标函数作为改进粒子群算法的适应度函数,计算每个粒子的适应度值,采用非线性动态惯性系数对种群中粒子进行寻优,若当前粒子的适应度值为当前所有粒子的最佳值,则当前粒子的位置为个体最优解,将当前粒子的适应度值与预设的适应度值进行比较,若当前粒子的适应度值优于预设的适应度值,则将当前粒子个体的位置作为全局最优解;其中,非线性动态惯性系数的表达式为:
通过对所述全局最优解和所述个体最优解进行追踪,更新种群中每个粒子的速度和位置,从而产生新的粒子;
其中,粒子的速度更新表达式为:
式21中,为粒子i在t+1时刻的速度,为粒子i在t时刻的速度,x表示粒子位置,为种群内目前搜寻到的全局最优解,为种群内目前搜寻到的个体最优解,、均为学习因子,表示粒子i在t时刻的搜索因子,搜索因子表达式为:
其中,粒子的位置更新表达式为:
通过新的粒子进行适应度值迭代计算,当满足迭代条件时,输出最佳适应度函数值及各粒子的位置和速度,得到对应的初始有功功率。
5.根据权利要求4所述的微电网有功与无功联合优化调度方法,其特征在于,所述基于牛顿拉夫逊法对交流微电网系统的各节点电压进行潮流计算,以对各节点电压进行修正,根据修正后的各节点电压计算得到电源的初始无功功率的步骤具体包括:
获取交流微电网系统网络节点总数,构建直角坐标形式的潮流方程为:
式24~25中,为节点功率,为n×1维的节点电压列向量,,表示节点电流共轭值,j为虚数量,、分别为网络节点a处注入的有功、无功功率,表示网络节点a处的电压列向量,为网络节点a和网络节点h之间互导纳的共轭值,为网络节点h处的电压的共轭值,I为节点总数量;
采用牛顿拉夫逊法求解直角坐标形式的潮流方程,得到功率方程为:
此时,将网络节点a处注入的有功、无功功率分别表示为:
对于系统中的非线性方程组f(x)=0,假设x(0)为方程初值,牛顿法的迭代方程为:
根据各电源节点的网络节点参数构建交流微电网系统的节点导纳矩阵,所述网络节点参数包括节点电流和节点电压,设定各节点电压的初始电压相位和初始电压幅值;
将各节点电压的初始电压相位和初始电压幅值代入到修正方程,其中,采用分块矩阵来表示修正值为:
将式32和式33代入到式31中,得到电压相位修正值和电压幅值修正值 ;
将电压相位修正值叠加至初始电压相位得到新的电压相位,将电压幅值修正值叠加至初始电压幅值得到新的电压幅值,从而修正各节点电压,得到修正后的节点电压;
基于潮流平衡方程约束,根据修正后的节点电压进行潮流计算,得到各电源节点的无功功率。
6.根据权利要求5所述的微电网有功与无功联合优化调度方法,其特征在于,还包括:
基于预设的调度策略对微电网系统中的电源输出的有功功率和无功功率进行调整。
7.根据权利要求6所述的微电网有功与无功联合优化调度方法,其特征在于,所述基于预设的调度策略对微电网系统中的电源输出的有功功率和无功功率进行调整的步骤具体包括:
获取微电网系统中所有电源输出的有功功率、储能蓄电池的荷电状态、负荷总功率;
对所有电源输出的有功功率和所述负荷总功率做差值处理,得到微电网系统的净功率;
判断所述净功率是否为正值,若所述净功率为正值且储能蓄电池的荷电状态小于预设的最大荷电状态时,则对储能蓄电池进行充电,直至储能蓄电池的荷电状态等于预设的最大荷电状态,并降低柴油发电机和燃料电池分别输出的有功功率;若所述净功率为负值且储能蓄电池的荷电状态大于预设的最小荷电状态时,则优先使用储能蓄电池对负荷输出,若所述净功率为负值且储能蓄电池的荷电状态不大于预设的最小荷电状态时,则暂停使用储能蓄电池对负荷输出,增大柴油发电机和燃料电池分别输出的有功功率。
8.根据权利要求7所述的微电网有功与无功联合优化调度方法,其特征在于,所述基于预设的调度策略对微电网系统中的电源输出的有功功率和无功功率进行调整的步骤还包括:
获取微电网系统中的各电源节点的电压和相角,根据各电源节点的电压与预设的电压阈值的比较结果以及相角与预设的相角阈值的比较结果判断各电源节点的电压和相角是否发生偏移,若各电源节点的电压和相角发生偏移,则将各电源节点的电压与预设的电压阈值进行差值计算,得到电压偏移量,将各电源节点的相角与预设的相角阈值进行差值计算,得到相角偏移量;
基于潮流平衡方程约束,通过所述电压偏移量和所述相角偏移量计算微电网系统中的电源所需补偿的无功功率值。
9.一种微电网有功与无功联合优化调度系统,其特征在于,包括:
目标函数构建模块,用于以交流微电网系统中各个类型电源的发电成本最小以及其产生污染物的治理成本最小为目标,以电源的有功功率作为输入变量构建交流微电网系统优化调度的目标函数;
约束构建模块,用于构建交流微电网系统中各个类型电源的发电模型,确立目标函数的约束条件;
有功功率计算模块,用于以目标函数作为改进粒子群算法的适应度函数,利用改进粒子群算法对适应度函数进行迭代计算,得到适应度函数的最小值及其对应的初始有功功率;
无功功率计算模块,用于基于牛顿拉夫逊法对交流微电网系统的各节点电压进行潮流计算,以对各节点电压进行修正,根据修正后的各节点电压计算得到电源的初始无功功率;
配置模块,用于将电源的初始无功功率和初始有功功率分配至微电网系统中各个类型电源中,以输出相应的无功功率和有功功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210807501.5A CN114914955A (zh) | 2022-07-11 | 2022-07-11 | 一种微电网有功与无功联合优化调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210807501.5A CN114914955A (zh) | 2022-07-11 | 2022-07-11 | 一种微电网有功与无功联合优化调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114914955A true CN114914955A (zh) | 2022-08-16 |
Family
ID=82772039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210807501.5A Pending CN114914955A (zh) | 2022-07-11 | 2022-07-11 | 一种微电网有功与无功联合优化调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114914955A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115800306A (zh) * | 2023-02-06 | 2023-03-14 | 华南理工大学 | 考虑风机故障的风光储无功补偿方法、装置及介质 |
CN115912431A (zh) * | 2023-02-03 | 2023-04-04 | 南京盛之华能源科技有限公司 | 含多类型储能和新能源接入的能量优化管理方法 |
CN116470514A (zh) * | 2023-04-21 | 2023-07-21 | 中国电力工程顾问集团中南电力设计院有限公司 | 一种基于潮流算法的海上风电交流系统稳定性判断方法 |
CN116702516A (zh) * | 2023-08-03 | 2023-09-05 | 张家港格居信息科技有限公司 | 一种电源预算分配方法及装置 |
CN117526299A (zh) * | 2023-11-10 | 2024-02-06 | 国网山东省电力公司枣庄供电公司 | 一种微电网有功无功功率协调控制系统及方法 |
CN118092191A (zh) * | 2024-04-23 | 2024-05-28 | 哈尔滨商业大学 | 一种建筑用能源智能调控方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105449675A (zh) * | 2015-12-29 | 2016-03-30 | 吉林大学 | 优化分布式能源接入点和接入比例的电力网络重构方法 |
CN109066692A (zh) * | 2018-09-14 | 2018-12-21 | 吉林大学 | 一种分布式能源接入的电力网络潮流优化方法 |
CN113489004A (zh) * | 2021-07-20 | 2021-10-08 | 中国人民解放军陆军勤务学院 | 一种多能源供电系统经济运行的优化方法 |
-
2022
- 2022-07-11 CN CN202210807501.5A patent/CN114914955A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105449675A (zh) * | 2015-12-29 | 2016-03-30 | 吉林大学 | 优化分布式能源接入点和接入比例的电力网络重构方法 |
CN109066692A (zh) * | 2018-09-14 | 2018-12-21 | 吉林大学 | 一种分布式能源接入的电力网络潮流优化方法 |
CN113489004A (zh) * | 2021-07-20 | 2021-10-08 | 中国人民解放军陆军勤务学院 | 一种多能源供电系统经济运行的优化方法 |
Non-Patent Citations (2)
Title |
---|
叶亮: "含多微网并网的主动配电网双层优化调度研究", 《CNKI硕士学位论文全文库》 * |
孟泽晨等: "独立交流微电网有功无功联合优化调度", 《广西大学学报( 自然科学版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115912431A (zh) * | 2023-02-03 | 2023-04-04 | 南京盛之华能源科技有限公司 | 含多类型储能和新能源接入的能量优化管理方法 |
CN115912431B (zh) * | 2023-02-03 | 2023-11-07 | 南京盛之华能源科技有限公司 | 含多类型储能和新能源接入的能量优化管理方法 |
CN115800306A (zh) * | 2023-02-06 | 2023-03-14 | 华南理工大学 | 考虑风机故障的风光储无功补偿方法、装置及介质 |
CN116470514A (zh) * | 2023-04-21 | 2023-07-21 | 中国电力工程顾问集团中南电力设计院有限公司 | 一种基于潮流算法的海上风电交流系统稳定性判断方法 |
CN116470514B (zh) * | 2023-04-21 | 2023-11-03 | 中国电力工程顾问集团中南电力设计院有限公司 | 一种基于潮流算法的海上风电交流系统稳定性判断方法 |
CN116702516A (zh) * | 2023-08-03 | 2023-09-05 | 张家港格居信息科技有限公司 | 一种电源预算分配方法及装置 |
CN116702516B (zh) * | 2023-08-03 | 2023-10-13 | 张家港格居信息科技有限公司 | 一种电源预算分配方法及装置 |
CN117526299A (zh) * | 2023-11-10 | 2024-02-06 | 国网山东省电力公司枣庄供电公司 | 一种微电网有功无功功率协调控制系统及方法 |
CN117526299B (zh) * | 2023-11-10 | 2024-05-28 | 国网山东省电力公司枣庄供电公司 | 一种微电网有功无功功率协调控制系统及方法 |
CN118092191A (zh) * | 2024-04-23 | 2024-05-28 | 哈尔滨商业大学 | 一种建筑用能源智能调控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114914955A (zh) | 一种微电网有功与无功联合优化调度方法及系统 | |
CN110311421B (zh) | 基于需求侧响应的微电网多时间尺度能量管理方法 | |
Singh et al. | Frequency regulation of an isolated hybrid power system with battery energy storage system | |
CN113472016B (zh) | 一种户用型能量路由器的控制方法 | |
CN109599881A (zh) | 一种基于锰酸锂电池储能系统的电网调频调压方法 | |
CN111224432B (zh) | 微电网优化调度方法和装置 | |
CN114204577A (zh) | 一种考虑soc的主动支撑型电池储能电站自适应控制方法 | |
Gamage et al. | Battery Energy Storage based approach for grid voltage regulation in renewable rich distribution networks | |
CN110323779B (zh) | 一种分布式发电与储能装置的功率动态聚合的方法和系统 | |
Peng et al. | Research of Multi-objective optimal dispatching for microgrid based on improved Genetic Algorithm | |
Li et al. | Optimal operation of AC/DC hybrid microgrid under spot price mechanism | |
CN114188980B (zh) | 一种考虑储能装置的透明微网群经济运行域生成方法 | |
CN114759616A (zh) | 一种考虑电力电子器件特性的微电网鲁棒优化调度方法 | |
CN114781755A (zh) | 光伏储能微网的upqc容量优化方法 | |
CN114123171A (zh) | 一种基于势博弈的增量配电网分布式优化规划方法及介质 | |
Kan et al. | Optimal configuration of the hybrid energy storage system for reducing the amount of discarded photovoltaic | |
Segera | Economic Dispatch of PV-Integrated Power System with Optimally Sized Battery Energy Storage System using Particle Swarm Optimization | |
Li et al. | Optimal Allocation of Energy Storage Capacity of Distribution Grid Based on Improved Particle Swarm Optimization Algorithm | |
Yu et al. | Research on the control strategy of hybrid energy storage cooperative operation based on VSG control | |
Abegaz et al. | Optimal dispatch control of energy storage systems using forward-backward induction | |
Li et al. | Energy storage steady-state PCS power allocation algorithm based on SOC dynamic sequencing | |
Yang et al. | Multiple-Function Control Strategy for Hybrid SLB-NB Energy Storage System | |
Ravi et al. | Optimal power flow with hybrid distributed generators and unified controller | |
Bachri et al. | Multi Objective Dynamic DC Optimal Power Flow Considering Batteries Output on Microgrid | |
Liu et al. | Power Optimization Strategy of DC Microgrid Based on Droop Control |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220816 |