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 PDF

Info

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
Application number
CN202210807501.5A
Other languages
English (en)
Inventor
叶亮
陈建军
关家华
李谟贤
张耀宇
潘迪龙
李敦鹏
张秋宇
周琬善
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Original Assignee
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan Power Supply Bureau of Guangdong Power Grid Corp filed Critical Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority to CN202210807501.5A priority Critical patent/CN114914955A/zh
Publication of CN114914955A publication Critical patent/CN114914955A/zh
Pending legal-status Critical Current

Links

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

一种微电网有功与无功联合优化调度方法及系统
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：
Figure 8454DEST_PATH_IMAGE001
式1
Figure 597698DEST_PATH_IMAGE002
式2
Figure 331430DEST_PATH_IMAGE003
式3
Figure 664322DEST_PATH_IMAGE004
式4
Figure 400066DEST_PATH_IMAGE005
式5
Figure 425791DEST_PATH_IMAGE006
式6
Figure 384169DEST_PATH_IMAGE007
式7
式1~7中，
Figure 583069DEST_PATH_IMAGE008
为系统的总成运行本，N为系统中电源的种类数，
Figure 924052DEST_PATH_IMAGE009
表示系统中第i类电源的装机数，
Figure 182995DEST_PATH_IMAGE010
、
Figure 124275DEST_PATH_IMAGE011
、
Figure 798970DEST_PATH_IMAGE012
和
Figure 322355DEST_PATH_IMAGE013
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；
Figure 440615DEST_PATH_IMAGE014
为弃风弃光惩罚成本，
Figure 354344DEST_PATH_IMAGE015
为网损惩罚成本；
Figure 895047DEST_PATH_IMAGE016
为第i类电源设备出厂价，r为贷款利率，
Figure 725469DEST_PATH_IMAGE017
为第i类电源设备的使用年限；
Figure 998318DEST_PATH_IMAGE018
为第i类电源维护成本与容量之比的系数；
Figure 727240DEST_PATH_IMAGE019
为系统中第i类电源的总装机容量；
Figure 491540DEST_PATH_IMAGE020
为第i类电源燃料的价格，
Figure 927201DEST_PATH_IMAGE021
为第i类电源的燃料消耗量，
Figure 433268DEST_PATH_IMAGE022
为电源i的发电量，发电量
Figure 836437DEST_PATH_IMAGE022
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；
Figure 718942DEST_PATH_IMAGE023
为第i类电源的第 j种污染物的排放系数；
Figure 9109DEST_PATH_IMAGE024
为各类污染物的评价系数；
Figure 640073DEST_PATH_IMAGE025
为惩罚系数，
Figure 78008DEST_PATH_IMAGE026
为弃光功率值，
Figure 436308DEST_PATH_IMAGE027
为弃风功率值，I为系统节点的总数量，
Figure 95828DEST_PATH_IMAGE028
为ah线路段的电阻，
Figure 943698DEST_PATH_IMAGE029
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：
Figure 806612DEST_PATH_IMAGE030
式8
式8中，
Figure 30920DEST_PATH_IMAGE031
表示光伏发电在光照强度
Figure 37623DEST_PATH_IMAGE032
和工作温度
Figure 259657DEST_PATH_IMAGE033
的输出功率，
Figure 672183DEST_PATH_IMAGE034
为预设的光伏发电最大输出功率；
Figure 621554DEST_PATH_IMAGE035
为预设的光照强度；
Figure 740819DEST_PATH_IMAGE036
为光伏发电的功率温度系数，取值0.0045；
Figure 196072DEST_PATH_IMAGE037
为STC条件下的模块测试温度；
Figure 784310DEST_PATH_IMAGE032
表示实际的光照强度；
Figure 288104DEST_PATH_IMAGE033
为实际的工作温度，实际的工作温度
Figure 324193DEST_PATH_IMAGE033
通过下式9计算得到：
Figure 137297DEST_PATH_IMAGE038
式9
式9中，
Figure 524416DEST_PATH_IMAGE039
为实际环境温度，
Figure 566321DEST_PATH_IMAGE040
为光伏发电的额定工作温度；
构建风力发电模型为：
Figure 722496DEST_PATH_IMAGE041
式10
式10中，
Figure 142720DEST_PATH_IMAGE042
为风力发电机输出功率；
Figure 938506DEST_PATH_IMAGE043
为Weibull分布的形状参数；
Figure 49682DEST_PATH_IMAGE044
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；
Figure 748779DEST_PATH_IMAGE045
、
Figure 716735DEST_PATH_IMAGE046
参数表达式为：
Figure 750550DEST_PATH_IMAGE047
构建柴油发电机发电模型为：
Figure 383525DEST_PATH_IMAGE048
式11
式11中，
Figure 514292DEST_PATH_IMAGE049
为柴油发电机运行
Figure 590833DEST_PATH_IMAGE050
时间所耗的柴油量；
Figure 865606DEST_PATH_IMAGE050
为时间间隔，
Figure 115322DEST_PATH_IMAGE051
为柴油发电机的输出功率；
Figure 38278DEST_PATH_IMAGE052
为柴油发电机的发电效率；
Figure 348037DEST_PATH_IMAGE053
为柴油发电机的低位热值；g、j、s为均柴油发电机的燃料系数；
构建燃料电池模型为：
Figure 605712DEST_PATH_IMAGE054
式12
式12中，
Figure 596802DEST_PATH_IMAGE055
为天然气消耗量；
Figure 436582DEST_PATH_IMAGE056
为燃料电池输出功率；
Figure 605657DEST_PATH_IMAGE057
为天然气低位热值；
Figure 835781DEST_PATH_IMAGE058
为燃料电池的效率；
构建储能蓄电池发电模型为：
Figure 692879DEST_PATH_IMAGE059
式13
Figure 574116DEST_PATH_IMAGE060
式14
式13、14中，
Figure 163360DEST_PATH_IMAGE061
为储能蓄电池在t时刻的荷电状态；
Figure 208677DEST_PATH_IMAGE062
为自放电率；
Figure 289372DEST_PATH_IMAGE063
、
Figure 775848DEST_PATH_IMAGE064
分别为储能蓄电池的充电功率和放电功率；
Figure 863890DEST_PATH_IMAGE065
、
Figure 317874DEST_PATH_IMAGE066
分别为储能蓄电池的充电效率和放电效率；ESB为储能蓄电池的装机容量；
确定目标函数的约束条件包括：
1）潮流平衡方程约束为：
Figure 251194DEST_PATH_IMAGE067
式15
式15中，
Figure 857756DEST_PATH_IMAGE068
为t时刻光伏机组发出的有功功率，
Figure 805115DEST_PATH_IMAGE042
为t时刻风力发电机发出的有功功率，
Figure 293865DEST_PATH_IMAGE051
为t时刻柴油发电机发出的有功功率，
Figure 234139DEST_PATH_IMAGE056
为t时刻燃料电池发出的有功功率，
Figure 944475DEST_PATH_IMAGE069
为t时刻储能蓄电池发出的有功功率，
Figure 108740DEST_PATH_IMAGE070
为t时刻交流微电网系统的有功负载，
Figure 288049DEST_PATH_IMAGE071
为t时刻交流微电网系统的无功负载；
Figure 531816DEST_PATH_IMAGE072
为t时刻无功补偿装置的补偿容量，
Figure 909707DEST_PATH_IMAGE073
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；
Figure 448136DEST_PATH_IMAGE074
、
Figure 911478DEST_PATH_IMAGE075
、
Figure 442823DEST_PATH_IMAGE076
分别为节点a和节点h之间的电导、电纳和相角差，
Figure 878483DEST_PATH_IMAGE077
表示与节点 h为相连的节点；
2）电源输出功率约束为：
Figure 384551DEST_PATH_IMAGE078
式16
式16中，
Figure 289184DEST_PATH_IMAGE079
、
Figure 109373DEST_PATH_IMAGE080
分别为第i类电源单机输出的有功功率、无功功率；
Figure 648807DEST_PATH_IMAGE081
、
Figure 325776DEST_PATH_IMAGE082
分别为第i类电源单机输出的最小有功功率、最小无功功率；
Figure 701394DEST_PATH_IMAGE083
、
Figure 387590DEST_PATH_IMAGE084
分别为第i类电源单机输出的最大有功功率、最大无功功率；
3）储能蓄电池输出功率约束为：
Figure 280066DEST_PATH_IMAGE085
式17
式17中，
Figure 331199DEST_PATH_IMAGE086
、
Figure 256430DEST_PATH_IMAGE087
分别为储能蓄电池的最低荷电量、最高荷电量；
4）储能蓄电池各时段充放电功率的约束为：
Figure 667688DEST_PATH_IMAGE088
式18
式18中，
Figure 994765DEST_PATH_IMAGE089
、
Figure 216798DEST_PATH_IMAGE090
分别为储能蓄电池充电功率的最大值、放电功率的最大值；
Figure 52162DEST_PATH_IMAGE091
、
Figure 80160DEST_PATH_IMAGE092
分别为t时段末的储能蓄电池的荷电量提供的最大充电功率、最大放电功率，其数学模型为：
Figure 199426DEST_PATH_IMAGE093
式19
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：
Figure 841629DEST_PATH_IMAGE094
式20
式20中，
Figure 741452DEST_PATH_IMAGE095
、
Figure 245245DEST_PATH_IMAGE096
分别为自适应权重的最大值、最小值，
Figure 281335DEST_PATH_IMAGE097
为适应度函数，
Figure 598833DEST_PATH_IMAGE098
、
Figure 658056DEST_PATH_IMAGE099
分别为所有粒子目标值的平均值、最小值，
Figure 27858DEST_PATH_IMAGE100
为非线性动态惯性系数；
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：
Figure 370983DEST_PATH_IMAGE101
式21
式21中，
Figure 105721DEST_PATH_IMAGE102
为粒子i在t+1时刻的速度，
Figure 714557DEST_PATH_IMAGE103
为粒子i在t时刻的速度，x表示粒子位置，
Figure 310885DEST_PATH_IMAGE104
为种群内目前搜寻到的全局最优解，
Figure 321567DEST_PATH_IMAGE105
为种群内目前搜寻到的个体最优解，
Figure 227206DEST_PATH_IMAGE106
、
Figure 323338DEST_PATH_IMAGE107
均为学习因子，
Figure 221893DEST_PATH_IMAGE108
表示粒子i在t时刻的搜索因子，搜索因子表达式为：
Figure 290343DEST_PATH_IMAGE109
式22
式22中，
Figure 429200DEST_PATH_IMAGE110
为常数；
其中，粒子的位置更新表达式为：
Figure 432535DEST_PATH_IMAGE111
式23
式23中，
Figure 885513DEST_PATH_IMAGE112
为粒子i在t+1时刻的位置，
Figure 870786DEST_PATH_IMAGE113
为粒子i在t时刻的位置；
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：
Figure 367496DEST_PATH_IMAGE114
式24
Figure 172641DEST_PATH_IMAGE115
式25
式24~25中，
Figure 163730DEST_PATH_IMAGE116
为节点功率，
Figure 691926DEST_PATH_IMAGE117
为n×1维的节点电压列向量，
Figure 172586DEST_PATH_IMAGE118
，
Figure 668289DEST_PATH_IMAGE119
表示节点电流共轭值，j为虚数量，
Figure 446758DEST_PATH_IMAGE120
、
Figure 406624DEST_PATH_IMAGE121
分别为网络节点a处注入的有功、无功功率，
Figure 995868DEST_PATH_IMAGE122
表示网络节点a处的电压列向量，
Figure 775605DEST_PATH_IMAGE123
为网络节点a和网络节点h之间互导纳的共轭值，
Figure 850441DEST_PATH_IMAGE124
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：
Figure 602497DEST_PATH_IMAGE125
式26
此时，将网络节点a处注入的有功、无功功率分别表示为：
Figure 424959DEST_PATH_IMAGE126
式27
式27中，
Figure 878943DEST_PATH_IMAGE074
、
Figure 15526DEST_PATH_IMAGE075
、
Figure 684405DEST_PATH_IMAGE076
分别为节点a和节点h之间的电导、电纳和相角差，
Figure 366184DEST_PATH_IMAGE077
表示与节点h为相连的节点；
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：
Figure 120514DEST_PATH_IMAGE127
式28
式28中，
Figure 60788DEST_PATH_IMAGE128
、
Figure 771124DEST_PATH_IMAGE129
分别为修正量和迭代k次的变量值；
Figure 935389DEST_PATH_IMAGE130
为潮流方程的雅可比矩阵，
Figure 114698DEST_PATH_IMAGE131
表示迭代k+1次的变量值；
在I个节点的交流微电网系统中，假设有m个PQ节点，给定第a个节点功率为
Figure 655400DEST_PATH_IMAGE132
和
Figure 718778DEST_PATH_IMAGE133
，则功率的修正量为：
Figure 257207DEST_PATH_IMAGE134
式29
式29中，
Figure 720549DEST_PATH_IMAGE135
表示有功功率的修正量，
Figure 251893DEST_PATH_IMAGE136
表示无功功率的修正量；
对于PU节点给定第a个节点功率为
Figure 421975DEST_PATH_IMAGE132
和
Figure 193622DEST_PATH_IMAGE133
，则电压的修正量为：
Figure 832676DEST_PATH_IMAGE137
式30
式30中，
Figure 652864DEST_PATH_IMAGE138
、
Figure 5348DEST_PATH_IMAGE139
为直角坐标系下节点电压实部量和虚部量，
Figure 134847DEST_PATH_IMAGE140
为PU节点给定的节点电压；
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：
Figure 572781DEST_PATH_IMAGE141
式31
式31中，
Figure 196661DEST_PATH_IMAGE142
表示电压相位修正值，
Figure 94996DEST_PATH_IMAGE143
表示电压幅值修正值，
Figure 208446DEST_PATH_IMAGE144
表示雅克比矩阵，通过下式32和式33求解出雅克比矩阵中各个元素：
Figure 71360DEST_PATH_IMAGE146
式32
Figure DEST_PATH_IMAGE148
式33
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：
Figure 482618DEST_PATH_IMAGE001
式1
Figure 747378DEST_PATH_IMAGE002
式2
Figure 766149DEST_PATH_IMAGE003
式3
Figure 867091DEST_PATH_IMAGE004
式4
Figure 895090DEST_PATH_IMAGE005
式5
Figure 14356DEST_PATH_IMAGE006
式6
Figure 469608DEST_PATH_IMAGE007
式7
式1~7中，
Figure 290803DEST_PATH_IMAGE008
为系统的总成运行本，N为系统中电源的种类数，
Figure 794596DEST_PATH_IMAGE009
表示系统中第i类电源的装机数，
Figure 96265DEST_PATH_IMAGE010
、
Figure 407904DEST_PATH_IMAGE011
、
Figure 467127DEST_PATH_IMAGE012
和
Figure 836928DEST_PATH_IMAGE013
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；
Figure 180054DEST_PATH_IMAGE014
为弃风弃光惩罚成本，
Figure 914791DEST_PATH_IMAGE015
为网损惩罚成本；
Figure 523627DEST_PATH_IMAGE016
为第i类电源设备出厂价，r为贷款利率，
Figure 119956DEST_PATH_IMAGE017
为第i类电源设备的使用年限；
Figure 68320DEST_PATH_IMAGE018
为第i类电源维护成本与容量之比的系数；
Figure 223227DEST_PATH_IMAGE019
为系统中第i类电源的总装机容量；
Figure 319359DEST_PATH_IMAGE020
为第i类电源燃料的价格，
Figure 968646DEST_PATH_IMAGE021
为第i类电源的燃料消耗量，
Figure 833834DEST_PATH_IMAGE022
为电源i的发电量，发电量
Figure 675755DEST_PATH_IMAGE022
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；
Figure 196867DEST_PATH_IMAGE023
为第i类电源的第 j种污染物的排放系数；
Figure 712162DEST_PATH_IMAGE024
为各类污染物的评价系数；
Figure 618807DEST_PATH_IMAGE025
为惩罚系数，
Figure 866248DEST_PATH_IMAGE026
为弃光功率值，
Figure 936972DEST_PATH_IMAGE027
为弃风功率值，I为系统节点的总数量，
Figure 678795DEST_PATH_IMAGE028
为ah线路段的电阻，
Figure 456258DEST_PATH_IMAGE029
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：
Figure 123868DEST_PATH_IMAGE030
式8
式8中，
Figure 681889DEST_PATH_IMAGE031
表示光伏发电在光照强度
Figure 211090DEST_PATH_IMAGE032
和工作温度
Figure 905377DEST_PATH_IMAGE033
的输出功率，
Figure 508003DEST_PATH_IMAGE034
为预设的光伏发电最大输出功率；
Figure 225423DEST_PATH_IMAGE035
为预设的光照强度；
Figure 620632DEST_PATH_IMAGE036
为光伏发电的功率温度系数，取值0.0045；
Figure 621955DEST_PATH_IMAGE037
为STC条件下的模块测试温度；
Figure 382101DEST_PATH_IMAGE032
表示实际的光照强度；
Figure 649134DEST_PATH_IMAGE033
为实际的工作温度，实际的工作温度
Figure 536450DEST_PATH_IMAGE033
通过下式9计算得到：
Figure 143012DEST_PATH_IMAGE038
式9
式9中，
Figure 136376DEST_PATH_IMAGE039
为实际环境温度，
Figure 77656DEST_PATH_IMAGE040
为光伏发电的额定工作温度；
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：
Figure 752351DEST_PATH_IMAGE041
式10
式10中，
Figure 275736DEST_PATH_IMAGE042
为风力发电机输出功率；
Figure 396925DEST_PATH_IMAGE043
为Weibull分布的形状参数；
Figure 576234DEST_PATH_IMAGE044
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；
Figure 38308DEST_PATH_IMAGE045
、
Figure 681779DEST_PATH_IMAGE046
参数表达式为：
Figure 954629DEST_PATH_IMAGE047
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：
Figure 683550DEST_PATH_IMAGE048
式11
式11中，
Figure 450780DEST_PATH_IMAGE049
为柴油发电机运行
Figure 948758DEST_PATH_IMAGE050
时间所耗的柴油量；
Figure 658088DEST_PATH_IMAGE050
为时间间隔，
Figure 795677DEST_PATH_IMAGE051
为柴油发电机的输出功率；
Figure 678182DEST_PATH_IMAGE052
为柴油发电机的发电效率；
Figure 968349DEST_PATH_IMAGE053
为柴油发电机的低位热值；g、j、s为均柴油发电机的燃料系数；
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：
Figure 910897DEST_PATH_IMAGE054
式12
式12中，
Figure 34318DEST_PATH_IMAGE055
为天然气消耗量；
Figure 392618DEST_PATH_IMAGE056
为燃料电池输出功率；
Figure 865188DEST_PATH_IMAGE057
为天然气低位热值；
Figure 165588DEST_PATH_IMAGE058
为燃料电池的效率；
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：
Figure 90818DEST_PATH_IMAGE059
式13
Figure 252810DEST_PATH_IMAGE060
式14
式13、14中，
Figure 2722DEST_PATH_IMAGE061
为储能蓄电池在t时刻的荷电状态；
Figure 287073DEST_PATH_IMAGE062
为自放电率；
Figure 637283DEST_PATH_IMAGE063
、
Figure 665282DEST_PATH_IMAGE064
分别为储能蓄电池的充电功率和放电功率；
Figure 33815DEST_PATH_IMAGE065
、
Figure 161171DEST_PATH_IMAGE066
分别为储能蓄电池的充电效率和放电效率；ESB为储能蓄电池的装机容量；
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：
Figure 740620DEST_PATH_IMAGE067
式15
式15中，
Figure 306731DEST_PATH_IMAGE068
为t时刻光伏机组发出的有功功率，
Figure 546082DEST_PATH_IMAGE042
为t时刻风力发电机发出的有功功率，
Figure 906656DEST_PATH_IMAGE051
为t时刻柴油发电机发出的有功功率，
Figure 480726DEST_PATH_IMAGE056
为t时刻燃料电池发出的有功功率，
Figure 788211DEST_PATH_IMAGE069
为t时刻储能蓄电池发出的有功功率，
Figure 678806DEST_PATH_IMAGE070
为t时刻交流微电网系统的有功负载，
Figure 164276DEST_PATH_IMAGE071
为t时刻交流微电网系统的无功负载；
Figure 710795DEST_PATH_IMAGE072
为t时刻无功补偿装置的补偿容量，
Figure 884288DEST_PATH_IMAGE073
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；
Figure 81920DEST_PATH_IMAGE074
、
Figure 987559DEST_PATH_IMAGE075
、
Figure 83691DEST_PATH_IMAGE076
分别为节点a和节点h之间的电导、电纳和相角差，
Figure 480781DEST_PATH_IMAGE077
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：
Figure 345969DEST_PATH_IMAGE078
式16
式16中，
Figure 422509DEST_PATH_IMAGE079
、
Figure 5937DEST_PATH_IMAGE080
分别为第i类电源单机输出的有功功率、无功功率；
Figure 442604DEST_PATH_IMAGE081
、
Figure 365560DEST_PATH_IMAGE082
分别为第i类电源单机输出的最小有功功率、最小无功功率；
Figure 675319DEST_PATH_IMAGE083
、
Figure 434459DEST_PATH_IMAGE084
分别为第i类电源单机输出的最大有功功率、最大无功功率；
3）储能蓄电池输出功率约束为：
Figure 425548DEST_PATH_IMAGE085
式17
式17中，
Figure 265328DEST_PATH_IMAGE086
、
Figure 932939DEST_PATH_IMAGE087
分别为储能蓄电池的最低荷电量、最高荷电量；
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：
Figure 163063DEST_PATH_IMAGE088
式18
式18中，
Figure 20161DEST_PATH_IMAGE089
、
Figure 405792DEST_PATH_IMAGE090
分别为储能蓄电池充电功率的最大值、放电功率的最大值；
Figure 57354DEST_PATH_IMAGE091
、
Figure 40353DEST_PATH_IMAGE092
分别为t时段末的储能蓄电池的荷电量提供的最大充电功率、最大放电功率，其数学模型为：
Figure 435562DEST_PATH_IMAGE093
式19
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：
Figure 171306DEST_PATH_IMAGE094
式20
式20中，
Figure 197031DEST_PATH_IMAGE095
、
Figure 464064DEST_PATH_IMAGE096
分别为自适应权重的最大值、最小值，
Figure 351380DEST_PATH_IMAGE097
为适应度函数，
Figure 754679DEST_PATH_IMAGE098
、
Figure 951306DEST_PATH_IMAGE099
分别为所有粒子目标值的平均值、最小值，
Figure 892586DEST_PATH_IMAGE100
为非线性动态惯性系数；
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：
Figure 567281DEST_PATH_IMAGE101
式21
式21中，
Figure 90666DEST_PATH_IMAGE102
为粒子i在t+1时刻的速度，
Figure 205996DEST_PATH_IMAGE103
为粒子i在t时刻的速度，x表示粒子位置，
Figure 119725DEST_PATH_IMAGE104
为种群内目前搜寻到的全局最优解，
Figure 660428DEST_PATH_IMAGE105
为种群内目前搜寻到的个体最优解，
Figure 490850DEST_PATH_IMAGE106
、
Figure 826016DEST_PATH_IMAGE107
均为学习因子，
Figure 492621DEST_PATH_IMAGE108
表示粒子i在t时刻的搜索因子，搜索因子表达式为：
Figure 259851DEST_PATH_IMAGE109
式22
式22中，
Figure 757828DEST_PATH_IMAGE110
为常数；
X和
Figure 201579DEST_PATH_IMAGE110
从数学关系上来看是等价关系，但X对粒子学习性增强，算法收敛性增强。
其中，粒子的位置更新表达式为：
Figure 417797DEST_PATH_IMAGE111
式23
式23中，
Figure 487253DEST_PATH_IMAGE112
为粒子i在t+1时刻的位置，
Figure 777420DEST_PATH_IMAGE113
为粒子i在t时刻的位置；
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：
Figure 719968DEST_PATH_IMAGE114
式24
Figure 860967DEST_PATH_IMAGE115
式25
式24~25中，
Figure 281584DEST_PATH_IMAGE116
为节点功率，
Figure 691836DEST_PATH_IMAGE117
为n×1维的节点电压列向量，
Figure 726657DEST_PATH_IMAGE118
，
Figure 277987DEST_PATH_IMAGE119
表示节点电流共轭值，j为虚数量，
Figure 502295DEST_PATH_IMAGE120
、
Figure 767054DEST_PATH_IMAGE121
分别为网络节点a处注入的有功、无功功率，
Figure 51405DEST_PATH_IMAGE122
表示网络节点a处的电压列向量，
Figure 650882DEST_PATH_IMAGE123
为网络节点a和网络节点h之间互导纳的共轭值，
Figure 350985DEST_PATH_IMAGE124
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：
Figure 218053DEST_PATH_IMAGE125
式26
此时，将网络节点a处注入的有功、无功功率分别表示为：
Figure 673305DEST_PATH_IMAGE126
式27
式27中，
Figure 510811DEST_PATH_IMAGE074
、
Figure 76922DEST_PATH_IMAGE075
、
Figure 299962DEST_PATH_IMAGE076
分别为节点a和节点h之间的电导、电纳和相角差，
Figure 863798DEST_PATH_IMAGE077
表示与节点h为相连的节点；
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：
Figure 250917DEST_PATH_IMAGE127
式28
式28中，
Figure 43555DEST_PATH_IMAGE128
、
Figure 199730DEST_PATH_IMAGE129
分别为修正量和迭代k次的变量值；
Figure 934468DEST_PATH_IMAGE130
为潮流方程的雅可比矩阵，
Figure 543304DEST_PATH_IMAGE131
表示迭代k+1次的变量值；
S404、在I个节点的交流微电网系统中，假设有m个PQ节点，给定第a个节点功率为
Figure 903747DEST_PATH_IMAGE132
和
Figure 914428DEST_PATH_IMAGE133
，则功率的修正量为：
Figure 820067DEST_PATH_IMAGE134
式29
式29中，
Figure 607544DEST_PATH_IMAGE135
表示有功功率的修正量，
Figure 53569DEST_PATH_IMAGE136
表示无功功率的修正量；
S405、对于PU节点给定第a个节点功率为
Figure 122019DEST_PATH_IMAGE132
和
Figure 447827DEST_PATH_IMAGE133
，则电压的修正量为：
Figure 31255DEST_PATH_IMAGE137
式30
式30中，
Figure 218654DEST_PATH_IMAGE138
、
Figure 892343DEST_PATH_IMAGE139
为直角坐标系下节点电压实部量和虚部量，
Figure 202102DEST_PATH_IMAGE140
为PU节点给定的节点电压；
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：
Figure 210509DEST_PATH_IMAGE141
式31
式31中，
Figure 263916DEST_PATH_IMAGE142
表示电压相位修正值，
Figure 290646DEST_PATH_IMAGE143
表示电压幅值修正值，
Figure 771306DEST_PATH_IMAGE144
表示雅克比矩阵，通过下式32和式33求解出雅克比矩阵中各个元素：
Figure 1431DEST_PATH_IMAGE149
式32
Figure DEST_PATH_IMAGE150
式33
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：
Figure 12160DEST_PATH_IMAGE001
式1
Figure 483461DEST_PATH_IMAGE002
式2
Figure 630409DEST_PATH_IMAGE003
式3
Figure 596091DEST_PATH_IMAGE004
式4
Figure 463159DEST_PATH_IMAGE005
式5
Figure 856094DEST_PATH_IMAGE006
式6
Figure 942868DEST_PATH_IMAGE007
式7
式1~7中，
Figure 508978DEST_PATH_IMAGE008
为系统的总成运行本，N为系统中电源的种类数，
Figure 482751DEST_PATH_IMAGE009
表示系统中第i类电源的装机数，
Figure 797320DEST_PATH_IMAGE010
、
Figure 856542DEST_PATH_IMAGE011
、
Figure 413295DEST_PATH_IMAGE012
和
Figure 569469DEST_PATH_IMAGE013
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；
Figure 983834DEST_PATH_IMAGE014
为弃风弃光惩罚成本，
Figure 530353DEST_PATH_IMAGE015
为网损惩罚成本；
Figure 438266DEST_PATH_IMAGE016
为第i类电源设备出厂价，r为贷款利率，
Figure 635898DEST_PATH_IMAGE017
为第i类电源设备的使用年限；
Figure 541537DEST_PATH_IMAGE018
为第i类电源维护成本与容量之比的系数；
Figure 326084DEST_PATH_IMAGE019
为系统中第i类电源的总装机容量；
Figure 975372DEST_PATH_IMAGE020
为第i类电源燃料的价格，
Figure 293089DEST_PATH_IMAGE021
为第i类电源的燃料消耗量，
Figure 431947DEST_PATH_IMAGE022
为电源i的发电量，发电量
Figure 687479DEST_PATH_IMAGE022
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；
Figure 638992DEST_PATH_IMAGE023
为第i类电源的第 j种污染物的排放系数；
Figure 561948DEST_PATH_IMAGE024
为各类污染物的评价系数；
Figure 58658DEST_PATH_IMAGE025
为惩罚系数，
Figure 801486DEST_PATH_IMAGE026
为弃光功率值，
Figure 854892DEST_PATH_IMAGE027
为弃风功率值，I为系统节点的总数量，
Figure 386018DEST_PATH_IMAGE028
为ah线路段的电阻，
Figure 804361DEST_PATH_IMAGE029
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：
Figure 549332DEST_PATH_IMAGE030
式8
式8中，
Figure 78533DEST_PATH_IMAGE031
表示光伏发电在光照强度
Figure 726814DEST_PATH_IMAGE032
和工作温度
Figure 316059DEST_PATH_IMAGE033
的输出功率，
Figure 282747DEST_PATH_IMAGE034
为预设的光伏发电最大输出功率；
Figure 615639DEST_PATH_IMAGE035
为预设的光照强度；
Figure 115497DEST_PATH_IMAGE036
为光伏发电的功率温度系数，取值0.0045；
Figure 937960DEST_PATH_IMAGE037
为STC条件下的模块测试温度；
Figure 142676DEST_PATH_IMAGE032
表示实际的光照强度；
Figure 528527DEST_PATH_IMAGE033
为实际的工作温度，实际的工作温度
Figure 135089DEST_PATH_IMAGE033
通过下式9计算得到：
Figure 816868DEST_PATH_IMAGE038
式9
式9中，
Figure 508880DEST_PATH_IMAGE039
为实际环境温度，
Figure 698422DEST_PATH_IMAGE040
为光伏发电的额定工作温度；
构建风力发电模型为：
Figure 221807DEST_PATH_IMAGE041
式10
式10中，
Figure 323756DEST_PATH_IMAGE042
为风力发电机输出功率；
Figure 268445DEST_PATH_IMAGE043
为Weibull分布的形状参数；
Figure 746831DEST_PATH_IMAGE044
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；
Figure 311673DEST_PATH_IMAGE045
、
Figure 850102DEST_PATH_IMAGE046
参数表达式为：
Figure 1860DEST_PATH_IMAGE047
构建柴油发电机发电模型为：
Figure 283937DEST_PATH_IMAGE048
式11
式11中，
Figure 703286DEST_PATH_IMAGE049
为柴油发电机运行
Figure 412616DEST_PATH_IMAGE050
时间所耗的柴油量；
Figure 363254DEST_PATH_IMAGE050
为时间间隔，
Figure 931245DEST_PATH_IMAGE051
为柴油发电机的输出功率；
Figure 221412DEST_PATH_IMAGE052
为柴油发电机的发电效率；
Figure 350911DEST_PATH_IMAGE053
为柴油发电机的低位热值；g、j、s为均柴油发电机的燃料系数；
构建燃料电池模型为：
Figure 726529DEST_PATH_IMAGE054
式12
式12中，
Figure 412725DEST_PATH_IMAGE055
为天然气消耗量；
Figure 308131DEST_PATH_IMAGE056
为燃料电池输出功率；
Figure 359264DEST_PATH_IMAGE057
为天然气低位热值；
Figure 471445DEST_PATH_IMAGE058
为燃料电池的效率；
构建储能蓄电池发电模型为：
Figure 633436DEST_PATH_IMAGE059
式13
Figure 960512DEST_PATH_IMAGE060
式14
式13、14中，
Figure 670629DEST_PATH_IMAGE061
为储能蓄电池在t时刻的荷电状态；
Figure 20839DEST_PATH_IMAGE062
为自放电率；
Figure 235789DEST_PATH_IMAGE063
、
Figure 355054DEST_PATH_IMAGE064
分别为储能蓄电池的充电功率和放电功率；
Figure 498722DEST_PATH_IMAGE065
、
Figure 132966DEST_PATH_IMAGE066
分别为储能蓄电池的充电效率和放电效率；ESB为储能蓄电池的装机容量；
确定目标函数的约束条件包括：
1）潮流平衡方程约束为：
Figure 636759DEST_PATH_IMAGE067
式15
式15中，
Figure 125378DEST_PATH_IMAGE068
为t时刻光伏机组发出的有功功率，
Figure 689215DEST_PATH_IMAGE042
为t时刻风力发电机发出的有功功率，
Figure 810755DEST_PATH_IMAGE051
为t时刻柴油发电机发出的有功功率，
Figure 866042DEST_PATH_IMAGE056
为t时刻燃料电池发出的有功功率，
Figure 959900DEST_PATH_IMAGE069
为t时刻储能蓄电池发出的有功功率，
Figure 943905DEST_PATH_IMAGE070
为t时刻交流微电网系统的有功负载，
Figure 552741DEST_PATH_IMAGE071
为t时刻交流微电网系统的无功负载；
Figure 398337DEST_PATH_IMAGE072
为t时刻无功补偿装置的补偿容量，
Figure 97434DEST_PATH_IMAGE073
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；
Figure 3073DEST_PATH_IMAGE074
、
Figure 99205DEST_PATH_IMAGE075
、
Figure 997760DEST_PATH_IMAGE076
分别为节点a和节点h之间的电导、电纳和相角差，
Figure 800631DEST_PATH_IMAGE077
表示与节点 h为相连的节点；
2）电源输出功率约束为：
Figure 939488DEST_PATH_IMAGE078
式16
式16中，
Figure 202543DEST_PATH_IMAGE079
、
Figure 655521DEST_PATH_IMAGE080
分别为第i类电源单机输出的有功功率、无功功率；
Figure 375215DEST_PATH_IMAGE081
、
Figure 871925DEST_PATH_IMAGE082
分别为第i类电源单机输出的最小有功功率、最小无功功率；
Figure 880332DEST_PATH_IMAGE083
、
Figure 622154DEST_PATH_IMAGE084
分别为第i类电源单机输出的最大有功功率、最大无功功率；
3）储能蓄电池输出功率约束为：
Figure 461934DEST_PATH_IMAGE085
式17
式17中，
Figure 880277DEST_PATH_IMAGE086
、
Figure 625248DEST_PATH_IMAGE087
分别为储能蓄电池的最低荷电量、最高荷电量；
4）储能蓄电池各时段充放电功率的约束为：
Figure 154449DEST_PATH_IMAGE088
式18
式18中，
Figure 848736DEST_PATH_IMAGE089
、
Figure 389045DEST_PATH_IMAGE090
分别为储能蓄电池充电功率的最大值、放电功率的最大值；
Figure 168783DEST_PATH_IMAGE091
、
Figure 750942DEST_PATH_IMAGE092
分别为t时段末的储能蓄电池的荷电量提供的最大充电功率、最大放电功率，其数学模型为：
Figure 502998DEST_PATH_IMAGE093
式19
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：
Figure 13876DEST_PATH_IMAGE094
式20
式20中，
Figure 280909DEST_PATH_IMAGE095
、
Figure 417492DEST_PATH_IMAGE096
分别为自适应权重的最大值、最小值，
Figure 273322DEST_PATH_IMAGE097
为适应度函数，
Figure 204369DEST_PATH_IMAGE098
、
Figure 958698DEST_PATH_IMAGE099
分别为所有粒子目标值的平均值、最小值，
Figure 387055DEST_PATH_IMAGE100
为非线性动态惯性系数；
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：
Figure 848123DEST_PATH_IMAGE101
式21
式21中，
Figure 277968DEST_PATH_IMAGE102
为粒子i在t+1时刻的速度，
Figure 706544DEST_PATH_IMAGE103
为粒子i在t时刻的速度，x表示粒子位置，
Figure 919351DEST_PATH_IMAGE104
为种群内目前搜寻到的全局最优解，
Figure 251237DEST_PATH_IMAGE105
为种群内目前搜寻到的个体最优解，
Figure 586403DEST_PATH_IMAGE106
、
Figure 253008DEST_PATH_IMAGE107
均为学习因子，
Figure 518773DEST_PATH_IMAGE108
表示粒子i在t时刻的搜索因子，搜索因子表达式为：
Figure 16751DEST_PATH_IMAGE109
式22
式22中，
Figure 726081DEST_PATH_IMAGE110
为常数；
其中，粒子的位置更新表达式为：
Figure 362205DEST_PATH_IMAGE111
式23
式23中，
Figure 244710DEST_PATH_IMAGE112
为粒子i在t+1时刻的位置，
Figure 534877DEST_PATH_IMAGE113
为粒子i在t时刻的位置；
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：
Figure 664376DEST_PATH_IMAGE114
式24
Figure 102311DEST_PATH_IMAGE115
式25
式24~25中，
Figure 460611DEST_PATH_IMAGE116
为节点功率，
Figure 621596DEST_PATH_IMAGE117
为n×1维的节点电压列向量，
Figure 735046DEST_PATH_IMAGE118
，
Figure 597960DEST_PATH_IMAGE119
表示节点电流共轭值，j为虚数量，
Figure 9218DEST_PATH_IMAGE120
、
Figure 8398DEST_PATH_IMAGE121
分别为网络节点a处注入的有功、无功功率，
Figure 292749DEST_PATH_IMAGE122
表示网络节点a处的电压列向量，
Figure 220840DEST_PATH_IMAGE123
为网络节点a和网络节点h之间互导纳的共轭值，
Figure 186522DEST_PATH_IMAGE124
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：
Figure 555055DEST_PATH_IMAGE125
式26
此时，将网络节点a处注入的有功、无功功率分别表示为：
Figure 682411DEST_PATH_IMAGE126
式27
式27中，
Figure 582234DEST_PATH_IMAGE074
、
Figure 774443DEST_PATH_IMAGE075
、
Figure 76111DEST_PATH_IMAGE076
分别为节点a和节点h之间的电导、电纳和相角差，
Figure 623636DEST_PATH_IMAGE077
表示与节点h为相连的节点；
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：
Figure 948438DEST_PATH_IMAGE127
式28
式28中，
Figure 3726DEST_PATH_IMAGE128
、
Figure 832004DEST_PATH_IMAGE129
分别为修正量和迭代k次的变量值；
Figure 816010DEST_PATH_IMAGE130
为潮流方程的雅可比矩阵，
Figure 362529DEST_PATH_IMAGE131
表示迭代k+1次的变量值；
在I个节点的交流微电网系统中，假设有m个PQ节点，给定第a个节点功率为
Figure 536021DEST_PATH_IMAGE132
和
Figure 235118DEST_PATH_IMAGE133
，则功率的修正量为：
Figure 140757DEST_PATH_IMAGE134
式29
式29中，
Figure 236889DEST_PATH_IMAGE135
表示有功功率的修正量，
Figure 135444DEST_PATH_IMAGE136
表示无功功率的修正量；
对于PU节点给定第a个节点功率为
Figure 938315DEST_PATH_IMAGE132
和
Figure 77172DEST_PATH_IMAGE133
，则电压的修正量为：
Figure 351945DEST_PATH_IMAGE137
式30
式30中，
Figure 539344DEST_PATH_IMAGE138
、
Figure 524618DEST_PATH_IMAGE139
为直角坐标系下节点电压实部量和虚部量，
Figure 21327DEST_PATH_IMAGE140
为PU节点给定的节点电压；
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：
Figure 29734DEST_PATH_IMAGE141
式31
式31中，
Figure 771557DEST_PATH_IMAGE142
表示电压相位修正值，
Figure 549020DEST_PATH_IMAGE143
表示电压幅值修正值，
Figure 29680DEST_PATH_IMAGE144
表示雅克比矩阵，通过下式32和式33求解出雅克比矩阵中各个元素：
Figure 509071DEST_PATH_IMAGE146
式32
Figure 303852DEST_PATH_IMAGE148
式33
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。
CN202210807501.5A 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 Pending CN114914955A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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