CN115130745A - 变频空调负荷参与输配电网备用分布式协调优化配置方法 - Google Patents
变频空调负荷参与输配电网备用分布式协调优化配置方法 Download PDFInfo
- Publication number
- CN115130745A CN115130745A CN202210730997.0A CN202210730997A CN115130745A CN 115130745 A CN115130745 A CN 115130745A CN 202210730997 A CN202210730997 A CN 202210730997A CN 115130745 A CN115130745 A CN 115130745A
- Authority
- CN
- China
- Prior art keywords
- power
- distribution network
- transmission
- standby
- load
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 356
- 230000005540 biological transmission Effects 0.000 title claims abstract description 321
- 238000005457 optimization Methods 0.000 title claims abstract description 182
- 238000000034 method Methods 0.000 title claims abstract description 52
- 239000010410 layer Substances 0.000 claims description 134
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 44
- 230000002776 aggregation Effects 0.000 claims description 44
- 238000004220 aggregation Methods 0.000 claims description 44
- 238000004378 air conditioning Methods 0.000 claims description 27
- 238000007599 discharging Methods 0.000 claims description 27
- 230000009194 climbing Effects 0.000 claims description 16
- 230000008878 coupling Effects 0.000 claims description 15
- 238000010168 coupling process Methods 0.000 claims description 15
- 238000005859 coupling reaction Methods 0.000 claims description 15
- 238000010248 power generation Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 230000004931 aggregating effect Effects 0.000 claims description 7
- 150000001875 compounds Chemical class 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000003190 augmentative effect Effects 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000002356 single layer Substances 0.000 claims description 3
- 239000000956 alloy Substances 0.000 claims 1
- 229910045601 alloy Inorganic materials 0.000 claims 1
- 230000002708 enhancing effect Effects 0.000 abstract description 4
- 230000001737 promoting effect Effects 0.000 abstract description 4
- 238000012216 screening Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Public Health (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及变频空调负荷参与输配电网备用分布式协调优化配置方法,所述的方法包括以下步骤:步骤1:建立面向电能‑备用联合优化的输配电网分布式协调框架;步骤2:建立输电网及配电网的备用鲁棒优化配置模型;S2.1:建立输电网备用鲁棒优化配置模型;S2.2:建立配电网备用鲁棒优化配置模型;步骤3:求解方法,为了实现输配电网的分布式优化,需要将一个集中优化问题分解为多个子问题,通过有限的信息交换实现各子系统的独立运行和优化调度;S3.1:基于ATC算法的分布式优化;S3.2:基于C&CG算法的鲁棒优化;本发明具有实现电能和备用的跨系统共享、促进不同系统中可调度资源的高效利用、有效协调源荷双侧资源、增强输配电网经济性和可靠性的优点。
Description
技术领域
本发明属于输配电网系统技术领域,具体涉及变频空调负荷参与输配电网备用分布式协调优化配置方法。
背景技术
传统电网中配电网被视为输电网供电的“被动”负荷,而随着可再生能源在配电网侧的渗透,配电网已逐渐转变为主动配电网且能够对本地用户进行供电,在输电网和配电网互动日益密切的背景下,输电网和配电网之间的协调运行引起了广泛的关注,最为简单直接的输配电网协调方法是由一个调度控制中心对输电系统和配电系统中的所有资源统一进行管理建模并通过集中优化的方式求解,但是实际上输电网和配电网分别由各自的系统运营商TSO和DSO独立进行管理,且在信息私密性的要求下要获取所有系统的详细数据是不现实的,如果采用集中式的输配电网协调方法,则需要一个控制中心对输电网和配电网的全部信息进行收集和处理,这不仅对通信及计算能力的要求很高,而且会造成系统隐私信息的暴露问题,因此采用集中式的方法是不实际不合理的;因此,提供一种实现电能和备用的跨系统共享、促进不同系统中可调度资源的高效利用、有效协调源荷双侧资源、增强输配电网经济性和可靠性的变频空调负荷参与输配电网备用分布式协调优化配置方法是非常有必要的。
发明内容
本发明的目的是为了克服现有技术的不足,而提供一种实现电能和备用的跨系统共享、促进不同系统中可调度资源的高效利用、有效协调源荷双侧资源、增强输配电网经济性和可靠性的变频空调负荷参与输配电网备用分布式协调优化配置方法。
本发明的目的是这样实现的:所述的方法包括以下步骤:
步骤1:建立面向电能-备用联合优化的输配电网分布式协调框架;
S1.1:在正常状态下,根据风电和负荷的预测值,确保输电网及配电网的电力供需平衡;
S1.2:在不确定性状态下,充分利用输配电网中的可调度资源来处理各种不确定性因素并相应地调整边界功率;
S1.3:通过两种边界耦合变量,即有功功率和备用容量的交换来实现不同系统之间的电能共享和备用支持,避免了系统详细参数信息的交换,相应的一致性约束为: 式中,和分别为t时刻边界节点d的输电网和配电网边界功率;和分别为t时刻边界节点d的输电网和配电网向上可调节容量;和分别为t时刻边界节点d的输电网和配电网向下可调节容量;Bcon为边界节点的集合;T为时间的集合;
步骤2:建立输电网及配电网的备用鲁棒优化配置模型;
S2.1:建立输电网备用鲁棒优化配置模型,输电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;
S2.2:建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;
步骤3:求解方法,为了实现输配电网的分布式优化,需要将一个集中优化问题分解为多个子问题,通过有限的信息交换实现各子系统的独立运行和优化调度;
S3.1:基于ATC算法的分布式优化;
S3.2:基于C&CG算法的鲁棒优化。
所述的S2.1中建立输电网备用鲁棒优化配置模型,输电网的电能及备用鲁棒优化调度方案由三层两阶段问题优化而得,其中将配电网视为不确定的负荷,上层问题具体为:
s.t.
式中,xTS为输电网第一阶段变量的集合;为输电网发电机组m在t时刻的开关状态;为输电网机组m在t时刻的出力;和为输电网机组m在t时刻的向上和向下备用容量;和为输电网机组m的启动和停机成本;为输电网机组m的发电成本系数;和为输电网机组m的向上和向下备用成本;FTS,curt,wc为输电网最恶劣情况下的电力不平衡成本;和为输电网机组m的最短开和关时间;和为输电网机组m的初始已开启和关闭时长;和为机组m最短开启和关闭时间的限制参数;和为输电网机组m的出力上下限;和为输电网机组m的向上和向下爬坡率限值;和为输电网机组m的向上和向下备用容量限值;和为节点d的边界功率上下限;为t时刻输电网线路l上的传输功率;为t时刻输电网风电机组w的功率预测值;为t时刻输电网节点b的负荷预测值;为t时刻输电网节点b的相角;为输电网线路l的电抗;Pl TS,max为输电网线路l上的传输功率上限,上层问题(4)-(17)通过确定发电机组出力和备用容量的最优结果使得式(4)的输电网总运行成本最小,总运行成本由机组启停成本、发电成本、备用成本以及电力不平衡成本组成;式(5)-(13)为发电机组的开关时间约束、出力上下限约束、爬坡约束和备用容量上下限约束等运行约束;式(6-14)-(15)为输电网与配电网之间边界功率的上下限约束;式(16)-(17)为正常情况下的功率平衡约束和线路传输功率约束。
s.t.
式中,dTS为输电网的不确定性变量集合;FTS ,curt为输电网的电力不平衡成本;和为反映最恶劣情况下t时刻输电网风电机组w功率的0-1变量;和为反映最恶劣情况下t时刻输电网节点b负荷的0-1变量;和为反映最恶劣情况下t时刻输电网边界节点d配电网等效负荷的0-1变量;ΓTS,wind和ΓTS,load为输电网风电和负荷的不确定性预算值;中间层问题(18)-(21)筛选出使得式(18)的系统电力不平衡成本最大化的最恶劣不确定场景,式(19)和(20)通过构建不确定性集合来描述输电网风电功率和负荷的随机性,并通过设置不确定性预算值来控制调度方案的保守程度;同理,式(21)为配电网等效负荷的不确定性约束。
所述的S2.1中建立输电网备用鲁棒优化配置模型,输电网的电能及备用鲁棒优化调度方案由三层两阶段问题优化而得,下层问题具体为:
s.t.
式中,yTS为输电网第二阶段变量的集合;为t时刻输电网风电机组w的弃风量;为t时刻输电网节点b的弃负荷量;Cwind,curt和Cload,curt分别为弃风和弃负荷成本;为不确定情况下输电网机组m在t时刻的出力;为不确定情况下t时刻输电网线路l上的传输功率;为t时刻输电网风电机组w的功率预测偏差值;为t时刻输电网节点b的负荷预测偏差值;为不确定情况下t时刻输电网节点b的相角,LTS为输电网线路的集合;BTS和为输电网所有节点的集合和与节点b相连的节点集合;NTS,G和为输电网所有机组的集合和与节点b相连的机组集合;NTS,G w和为输电网所有风电机组的集合和与节点b相的风电机组集合;下层问题(22)-(25)则通过重新调度发电机组的出力使得式(22)的系统电力不平衡成本最小,其为弃风成本与弃负荷成本之和,式(23)和(24)为不确定性情况下的功率平衡约束和线路传输功率约束,值得注意的是式(23)中的最后一项为不确定的配电网等效负荷,其变化范围与配电网所需的上下备用容量相匹配,即配电网等效负荷的范围是由上层问题优化确定的而不是预先设定的,故配电网等效负荷的不确定性集合是可调节的;式(25)为机组重新调度的出力变化范围约束,其受到正常情况下机组出力和备用容量的限制。
所述的S2.2中建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,其中将输电网视为一个可调节机组,并通过聚合虚拟储能模型将变频空调负荷群纳入配电网优化调度,上层问题具体为:
s.t.
xDS为配电网第一阶段变量的集合;为配电网发电机组m在t时刻的开关状态;为配电网机组m在t时刻的出力;和为配电网机组m在t时刻的向上和向下备用容量;和为空调负荷群聚合虚拟储能p在t时刻的充电向上和向下备用容量;和为空调负荷群聚合虚拟储能p在t时刻的放电向上和向下备用容量;和为配电网机组m的启动和停机成本;为配电网机组m的发电成本系数;和为配电网机组m的向上和向下备用成本;和为空调负荷群聚合虚拟储能p的充电和放电成本;和为空调负荷群聚合虚拟储能p的充电向上和向下备用成本;和为空调负荷群聚合虚拟储能p的放电向上和向下备用成本;FDS,curt,wc为配电网最恶劣情况下的电力不平衡成本;和为配电网机组m的出力上下限;和为配电网机组m的向上和向下爬坡率限值;和为配电网机组m的向上和向下备用容量限值;为空调负荷群聚合虚拟储能p在t时刻的充放电状态变量;和分别为表示空调负荷群聚合虚拟储能p在t时刻是否被调度进行充电和放电的标示量;和分别为t时刻空调负荷群聚合虚拟储能p的最小和最大能量;和为t时刻配电网线路l上的有功功率和无功功率;为t时刻配电网风电机组w的功率预测值;为t时刻配电网节点b的负荷预测值;为t时刻配电网节点b的电压幅值;rl DS和为配电网线路l的电阻和电抗;Pl DS,max和为配电网线路l上的有功功率和无功功率上限;为配电网节点b的电压幅值上限;上层问题(26)-(54)以式(26)的成本最小化为目标确定机组和空调负荷群聚合虚拟储能的电能和备用调度情况,式(27)-(33)为发电机组的出力上下限约束、爬坡约束和备用容量上下限约束等运行约束;式(34)-(35)为配电网与输电网之间边界功率的上下限约束,式(36)-(48)为空调负荷群聚合虚拟储能的相关运行约束,式(36)-(37)为空调负荷群聚合虚拟储能的充放电功率限制约束,式(38)为空调负荷群聚合虚拟储能的能量变化情况;空调负荷群聚合虚拟储能可以提供四种类型的备用,充电向上备用、充电向下备用、放电向上备用和放电向下备用,对于备用容量的上下限约束如式(39)-(42)所示,此外,为了充分利用空调负荷资源的潜力,将聚合虚拟储能设置为在不确定情况下可自由切换充放电状态,即空调负荷群聚合虚拟储能在不确定情况下的充放电状态可以与正常情况下的不同,由此产生了式(43)-(48)对应的状态切换可行性约束,当空调负荷群聚合虚拟储能在不确定情况下可以切换充放电状态时,则可以提供更多的向上或者向下备用容量。因此,引入0-1变量和作为正常和不确定情况下空调负荷群聚合虚拟储能充电放可调度状态的标示量,当为为1时,则表示空调负荷群聚合虚拟储能p可实施充电/放电操作,状态切换可行性约束的核心在于保证所有可能的空调负荷群聚合虚拟储能充放电状态切换实际上都是可以实现的,式(43)-(46)为空调负荷群聚合虚拟储能可能的能量变化模型,其中考虑了充放电决策、功率、备用容量以及前一时刻能量水平的影响;式(47)-(48)为空调负荷群聚合虚拟储能的能量上下限约束,式(49)-(51)为线性化的配电网潮流LinDistFlow模型,包括节点有功功率和无功功率平衡方程以及节点电压与支路潮流的关系;式(52)-(54)为线路有功功率、无功功率限制约束和节点电压幅值限制约束。
s.t.
式中,dDS为配电网的不确定性变量集合;FDS,curt为配电网的电力不平衡成本;和为反映最恶劣情况下t时刻配电网风电机组w功率的0-1变量;和为反映最恶劣情况下t时刻配电网节点b负荷的0-1变量;ΓDS,wind和ΓDS,load为配电网风电和负荷的不确定性预算值;中间层问题(55)-(57)用于确定使得式(55)的配电网电力不平衡成本最大化的最恶劣不确定性场景,而配电网的风电功率和负荷的不确定性分别受到式(56)和(57)的约束。
所述的S2.2中建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,下层问题具体为:
s.t.
式中,yDS为配电网第二阶段变量的集合;为t时刻配电网风电机组w的弃风量;为t时刻配电网节点b的弃负荷量;为不确定情况下配电网机组m在t时刻的出力;为不确定情况下t时刻配电网线路l上的有功功率;为不确定情况下t时刻配电网线路l上的边界功率;和为不确定情况下空调负荷群聚合虚拟储能p在t时刻的充电功率和放电功率;为配电网风电机组w在t时刻的功率预测偏差值;为t时刻配电网节点b的负荷预测偏差值;为不确定情况下t时刻配电网节点b的电压幅值;BDS和为配电网所有节点的集合和与节点b相连的节点集合;NDS,G和为配电网所有机组的集合和与节点b相连的机组集合;NVES和为所有空调负荷群聚合虚拟储能的集合和与节点b相连的空调负荷群聚合虚拟储能集合;下层问题(58)-(66)通过寻找机组和空调负荷群聚合虚拟储能的最优再调度方案使得式(58)的电力不平衡成本最小,式(59)-(62)为基于线性化配电网潮流模型的功率和电压约束,需要注意的是,由于输电网采用的是直流潮流模型故假设配电网负荷的不确定性集中在有功功率上,而无功功率则全由变电站提供;式(63)-(65)为不确定情况下机组和空调负荷群聚合虚拟储能的输出调整限制约束;式(66)为不确定情况下的输配电网交换功率限制约束。
所述的S3.1中基于ATC算法的分布式优化具体为:目标级联分析法ATC通过各系统的增广拉格朗日函数对耦合约束(1)-(3)进行松弛,松弛后在每次迭代中TSO和DSO可以根据更新的边界信息对各自的区域问题独立优化求解,具体来说,第r次迭代时的输电网和配电网模型的目标函数分别为:
所述的S3.1中基于ATC算法的分布式优化过程包括以下步骤:
S3.1.2:whi le do
S3.1.5:判断是否收敛,若Resk≤εRes则终止迭代;
S3.1.6:通过式(69)-(74)更新拉格朗日乘子;
S3.1.7:r=r=1;
S3.1.8:end while。
s.t.
Ax≤c(77),Hd≤l(78),式中,x、y为输电网或配电网正常和不确定情况下的变量;d为不确定性变量;A、B、C、E、F、G、H、a、b、c、e、f、g、l为相应的系数矩阵,C&CG算法在求解多层优化问题方面表现突出,其将两阶段模型分解为一个主问题和子问题,通过主问题和子问题的不断迭代求解筛选出不确定因素的重要场景直至收敛,第Q次迭代的主问题可构建为:s.t.Ax≤c(81), 式中,η为辅助变量;yq为在主问题第q次迭代求解中加入的新变量;为子问题第q次迭代求解中获得的不确定因素值;根据求解主问题而得到的上层决策结果x*,可由子问题辨识出不确定性因素的最恶劣场景,子问题是一个双层问题,其可通过强对偶理论等效转化为单层问题:
s.t.Hd≤l(87),-BTα-ETβ-FTγ=b(88),α,β≥0(89),式中,α、β、γ为对偶变量,通过主问题和子问题的迭代求解即可确定输电网及配电网备用优化配置模型的结果。
本发明的有益效果:本发明为变频空调负荷参与输配电网备用分布式协调优化配置方法,在使用中,首先建立面向电能-备用联合优化的输配电网分布式协调框架;在正常状态下,根据风电和负荷的预测值,确保输电网及配电网的电力供需平衡;在不确定性状态下,充分利用输配电网中的可调度资源来处理各种不确定性因素并相应地调整边界功率;通过两种边界耦合变量,即有功功率和备用容量的交换来实现不同系统之间的电能共享和备用支持,避免了系统详细参数信息的交换;再建立输电网及配电网的备用鲁棒优化配置模型;建立输电网备用鲁棒优化配置模型,输电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;最后采用基于ATC算法的分布式优化、基于C&CG算法的鲁棒优化进行求解,为了实现输配电网的分布式优化,需要将一个集中优化问题分解为多个子问题,通过有限的信息交换实现各子系统的独立运行和优化调度;本发明具有实现电能和备用的跨系统共享、促进不同系统中可调度资源的高效利用、有效协调源荷双侧资源、增强输配电网经济性和可靠性的优点。
附图说明
图1为本发明的面向电能-备用联合优化的输配电网分布式协调框架。
图2为本发明的充放电状态切换引起的空调负荷群聚合虚拟储能在不确定性情况下的出力范围变化(正常情况下处于放电状态)。
图3为本发明的充放电状态切换引起的空调负荷群聚合虚拟储能在不确定性情况下的出力范围变化(正常情况下处于充电状态)。
图4为本发明的输配电网备用分布式协调优化配置的整体流程。
具体实施方式
下面结合附图对本发明做进一步的说明。
实施例1
如图1-4所示,变频空调负荷参与输配电网备用分布式协调优化配置方法,所述的方法包括以下步骤:
步骤1:建立面向电能-备用联合优化的输配电网分布式协调框架;
S1.1:在正常状态下,根据风电和负荷的预测值,确保输电网及配电网的电力供需平衡;
S1.2:在不确定性状态下,充分利用输配电网中的可调度资源来处理各种不确定性因素并相应地调整边界功率;
S1.3:通过两种边界耦合变量,即有功功率和备用容量的交换来实现不同系统之间的电能共享和备用支持,避免了系统详细参数信息的交换,相应的一致性约束为: 式中,和分别为t时刻边界节点d的输电网和配电网边界功率;和分别为t时刻边界节点d的输电网和配电网向上可调节容量;和分别为t时刻边界节点d的输电网和配电网向下可调节容量;B con为边界节点的集合;T为时间的集合;
步骤2:建立输电网及配电网的备用鲁棒优化配置模型;
S2.1:建立输电网备用鲁棒优化配置模型,输电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;
S2.2:建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;
步骤3:求解方法,为了实现输配电网的分布式优化,需要将一个集中优化问题分解为多个子问题,通过有限的信息交换实现各子系统的独立运行和优化调度;
S3.1:基于ATC算法的分布式优化;
S3.2:基于C&CG算法的鲁棒优化。
所述的S2.1中建立输电网备用鲁棒优化配置模型,输电网的电能及备用鲁棒优化调度方案由三层两阶段问题优化而得,其中将配电网视为不确定的负荷,上层问题具体为:
s.t.
式中,xTS为输电网第一阶段变量的集合;为输电网发电机组m在t时刻的开关状态;为输电网机组m在t时刻的出力;和为输电网机组m在t时刻的向上和向下备用容量;和为输电网机组m的启动和停机成本;为输电网机组m的发电成本系数;和为输电网机组m的向上和向下备用成本;FTS,curt,wc为输电网最恶劣情况下的电力不平衡成本;和为输电网机组m的最短开和关时间;和为输电网机组m的初始已开启和关闭时长;和为机组m最短开启和关闭时间的限制参数;和为输电网机组m的出力上下限;和为输电网机组m的向上和向下爬坡率限值;和为输电网机组m的向上和向下备用容量限值;和为节点d的边界功率上下限;为t时刻输电网线路l上的传输功率;为t时刻输电网风电机组w的功率预测值;为t时刻输电网节点b的负荷预测值;为t时刻输电网节点b的相角;为输电网线路l的电抗;Pl TS,max为输电网线路l上的传输功率上限,上层问题(4)-(17)通过确定发电机组出力和备用容量的最优结果使得式(4)的输电网总运行成本最小,总运行成本由机组启停成本、发电成本、备用成本以及电力不平衡成本组成;式(5)-(13)为发电机组的开关时间约束、出力上下限约束、爬坡约束和备用容量上下限约束等运行约束;式(6-14)-(15)为输电网与配电网之间边界功率的上下限约束;式(16)-(17)为正常情况下的功率平衡约束和线路传输功率约束。
所述的S2.1中建立输电网备用鲁棒优化配置模型,输电网的电能及备用鲁棒优化调度方案由三层两阶段问题优化而得,中间层问题具体为:
s.t.
式中,dTS为输电网的不确定性变量集合;FTS ,curt为输电网的电力不平衡成本;和为反映最恶劣情况下t时刻输电网风电机组w功率的0-1变量;和为反映最恶劣情况下t时刻输电网节点b负荷的0-1变量;和为反映最恶劣情况下t时刻输电网边界节点d配电网等效负荷的0-1变量;ΓTS,wind和ΓTS,load为输电网风电和负荷的不确定性预算值;中间层问题(18)-(21)筛选出使得式(18)的系统电力不平衡成本最大化的最恶劣不确定场景,式(19)和(20)通过构建不确定性集合来描述输电网风电功率和负荷的随机性,并通过设置不确定性预算值来控制调度方案的保守程度;同理,式(21)为配电网等效负荷的不确定性约束。
所述的S2.1中建立输电网备用鲁棒优化配置模型,输电网的电能及备用鲁棒优化调度方案由三层两阶段问题优化而得,下层问题具体为:
s.t.
式中,yTS为输电网第二阶段变量的集合;为t时刻输电网风电机组w的弃风量;为t时刻输电网节点b的弃负荷量;Cwind,curt和Cload,curt分别为弃风和弃负荷成本;为不确定情况下输电网机组m在t时刻的出力;为不确定情况下t时刻输电网线路l上的传输功率;为t时刻输电网风电机组w的功率预测偏差值;为t时刻输电网节点b的负荷预测偏差值;为不确定情况下t时刻输电网节点b的相角,LTS为输电网线路的集合;BTS和为输电网所有节点的集合和与节点b相连的节点集合;NTS,G和为输电网所有机组的集合和与节点b相连的机组集合;NTS,G w和为输电网所有风电机组的集合和与节点b相的风电机组集合;下层问题(22)-(25)则通过重新调度发电机组的出力使得式(22)的系统电力不平衡成本最小,其为弃风成本与弃负荷成本之和,式(23)和(24)为不确定性情况下的功率平衡约束和线路传输功率约束,值得注意的是式(23)中的最后一项为不确定的配电网等效负荷,其变化范围与配电网所需的上下备用容量相匹配,即配电网等效负荷的范围是由上层问题优化确定的而不是预先设定的,故配电网等效负荷的不确定性集合是可调节的;式(25)为机组重新调度的出力变化范围约束,其受到正常情况下机组出力和备用容量的限制。
所述的S2.2中建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,其中将输电网视为一个可调节机组,并通过聚合虚拟储能模型将变频空调负荷群纳入配电网优化调度,上层问题具体为:
s.t.
xDS为配电网第一阶段变量的集合;为配电网发电机组m在t时刻的开关状态;为配电网机组m在t时刻的出力;和为配电网机组m在t时刻的向上和向下备用容量;和为空调负荷群聚合虚拟储能p在t时刻的充电向上和向下备用容量;和为空调负荷群聚合虚拟储能p在t时刻的放电向上和向下备用容量;和为配电网机组m的启动和停机成本;为配电网机组m的发电成本系数;和为配电网机组m的向上和向下备用成本;和为空调负荷群聚合虚拟储能p的充电和放电成本;和为空调负荷群聚合虚拟储能p的充电向上和向下备用成本;和为空调负荷群聚合虚拟储能p的放电向上和向下备用成本;FDS,curt,wc为配电网最恶劣情况下的电力不平衡成本;和为配电网机组m的出力上下限;和为配电网机组m的向上和向下爬坡率限值;和为配电网机组m的向上和向下备用容量限值;为空调负荷群聚合虚拟储能p在t时刻的充放电状态变量;和分别为表示空调负荷群聚合虚拟储能p在t时刻是否被调度进行充电和放电的标示量;和分别为t时刻空调负荷群聚合虚拟储能p的最小和最大能量;和为t时刻配电网线路l上的有功功率和无功功率;为t时刻配电网风电机组w的功率预测值;为t时刻配电网节点b的负荷预测值;为t时刻配电网节点b的电压幅值;rl DS和为配电网线路l的电阻和电抗;Pl DS,max和为配电网线路l上的有功功率和无功功率上限;为配电网节点b的电压幅值上限;上层问题(26)-(54)以式(26)的成本最小化为目标确定机组和空调负荷群聚合虚拟储能的电能和备用调度情况,式(27)-(33)为发电机组的出力上下限约束、爬坡约束和备用容量上下限约束等运行约束;式(34)-(35)为配电网与输电网之间边界功率的上下限约束,式(36)-(48)为空调负荷群聚合虚拟储能的相关运行约束,式(36)-(37)为空调负荷群聚合虚拟储能的充放电功率限制约束,式(38)为空调负荷群聚合虚拟储能的能量变化情况;空调负荷群聚合虚拟储能可以提供四种类型的备用,充电向上备用、充电向下备用、放电向上备用和放电向下备用,对于备用容量的上下限约束如式(39)-(42)所示,此外,为了充分利用空调负荷资源的潜力,将聚合虚拟储能设置为在不确定情况下可自由切换充放电状态,即空调负荷群聚合虚拟储能在不确定情况下的充放电状态可以与正常情况下的不同,由此产生了式(43)-(48)对应的状态切换可行性约束,当空调负荷群聚合虚拟储能在不确定情况下可以切换充放电状态时,则可以提供更多的向上或者向下备用容量。因此,引入0-1变量和作为正常和不确定情况下空调负荷群聚合虚拟储能充电放可调度状态的标示量,当为为1时,则表示空调负荷群聚合虚拟储能p可实施充电/放电操作,状态切换可行性约束的核心在于保证所有可能的空调负荷群聚合虚拟储能充放电状态切换实际上都是可以实现的,式(43)-(46)为空调负荷群聚合虚拟储能可能的能量变化模型,其中考虑了充放电决策、功率、备用容量以及前一时刻能量水平的影响;式(47)-(48)为空调负荷群聚合虚拟储能的能量上下限约束,式(49)-(51)为线性化的配电网潮流LinDistFlow模型,包括节点有功功率和无功功率平衡方程以及节点电压与支路潮流的关系;式(52)-(54)为线路有功功率、无功功率限制约束和节点电压幅值限制约束。
s.t.
式中,dDS为配电网的不确定性变量集合;FDS,curt为配电网的电力不平衡成本;和为反映最恶劣情况下t时刻配电网风电机组w功率的0-1变量;和为反映最恶劣情况下t时刻配电网节点b负荷的0-1变量;ΓDS,wind和ΓDS,load为配电网风电和负荷的不确定性预算值;中间层问题(55)-(57)用于确定使得式(55)的配电网电力不平衡成本最大化的最恶劣不确定性场景,而配电网的风电功率和负荷的不确定性分别受到式(56)和(57)的约束。
所述的S2.2中建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,下层问题具体为:
s.t.
式中,yDS为配电网第二阶段变量的集合;为t时刻配电网风电机组w的弃风量;为t时刻配电网节点b的弃负荷量;为不确定情况下配电网机组m在t时刻的出力;为不确定情况下t时刻配电网线路l上的有功功率;为不确定情况下t时刻配电网线路l上的边界功率;和为不确定情况下空调负荷群聚合虚拟储能p在t时刻的充电功率和放电功率;为配电网风电机组w在t时刻的功率预测偏差值;为t时刻配电网节点b的负荷预测偏差值;为不确定情况下t时刻配电网节点b的电压幅值;BDS和为配电网所有节点的集合和与节点b相连的节点集合;NDS,G和为配电网所有机组的集合和与节点b相连的机组集合;NVES和为所有空调负荷群聚合虚拟储能的集合和与节点b相连的空调负荷群聚合虚拟储能集合;下层问题(58)-(66)通过寻找机组和空调负荷群聚合虚拟储能的最优再调度方案使得式(58)的电力不平衡成本最小,式(59)-(62)为基于线性化配电网潮流模型的功率和电压约束,需要注意的是,由于输电网采用的是直流潮流模型故假设配电网负荷的不确定性集中在有功功率上,而无功功率则全由变电站提供;式(63)-(65)为不确定情况下机组和空调负荷群聚合虚拟储能的输出调整限制约束;式(66)为不确定情况下的输配电网交换功率限制约束。
本发明为变频空调负荷参与输配电网备用分布式协调优化配置方法,在使用中,首先建立面向电能-备用联合优化的输配电网分布式协调框架;在正常状态下,根据风电和负荷的预测值,确保输电网及配电网的电力供需平衡;在不确定性状态下,充分利用输配电网中的可调度资源来处理各种不确定性因素并相应地调整边界功率;通过两种边界耦合变量,即有功功率和备用容量的交换来实现不同系统之间的电能共享和备用支持,避免了系统详细参数信息的交换;再建立输电网及配电网的备用鲁棒优化配置模型;建立输电网备用鲁棒优化配置模型,输电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;最后采用基于ATC算法的分布式优化、基于C&CG算法的鲁棒优化进行求解,为了实现输配电网的分布式优化,需要将一个集中优化问题分解为多个子问题,通过有限的信息交换实现各子系统的独立运行和优化调度;本发明具有实现电能和备用的跨系统共享、促进不同系统中可调度资源的高效利用、有效协调源荷双侧资源、增强输配电网经济性和可靠性的优点。
实施例2
如图1-4所示,变频空调负荷参与输配电网备用分布式协调优化配置方法,所述的方法包括以下步骤:
步骤1:建立面向电能-备用联合优化的输配电网分布式协调框架;
S1.1:在正常状态下,根据风电和负荷的预测值,确保输电网及配电网的电力供需平衡;
S1.2:在不确定性状态下,充分利用输配电网中的可调度资源来处理各种不确定性因素并相应地调整边界功率;
S1.3:通过两种边界耦合变量,即有功功率和备用容量的交换来实现不同系统之间的电能共享和备用支持,避免了系统详细参数信息的交换,相应的一致性约束为: 式中,和分别为t时刻边界节点d的输电网和配电网边界功率;和分别为t时刻边界节点d的输电网和配电网向上可调节容量;和分别为t时刻边界节点d的输电网和配电网向下可调节容量;Bcon为边界节点的集合;T为时间的集合;
步骤2:建立输电网及配电网的备用鲁棒优化配置模型;
S2.1:建立输电网备用鲁棒优化配置模型,输电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;
S2.2:建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;
步骤3:求解方法,为了实现输配电网的分布式优化,需要将一个集中优化问题分解为多个子问题,通过有限的信息交换实现各子系统的独立运行和优化调度;
S3.1:基于ATC算法的分布式优化;
S3.2:基于C&CG算法的鲁棒优化。
所述的S2.1中建立输电网备用鲁棒优化配置模型,输电网的电能及备用鲁棒优化调度方案由三层两阶段问题优化而得,其中将配电网视为不确定的负荷,上层问题具体为:
s.t.
式中,xTS为输电网第一阶段变量的集合;为输电网发电机组m在t时刻的开关状态;为输电网机组m在t时刻的出力;和为输电网机组m在t时刻的向上和向下备用容量;和为输电网机组m的启动和停机成本;为输电网机组m的发电成本系数;和为输电网机组m的向上和向下备用成本;FTS,curt,wc为输电网最恶劣情况下的电力不平衡成本;和为输电网机组m的最短开和关时间;和为输电网机组m的初始已开启和关闭时长;和为机组m最短开启和关闭时间的限制参数;和为输电网机组m的出力上下限;和为输电网机组m的向上和向下爬坡率限值;和为输电网机组m的向上和向下备用容量限值;和为节点d的边界功率上下限;为t时刻输电网线路l上的传输功率;为t时刻输电网风电机组w的功率预测值;为t时刻输电网节点b的负荷预测值;为t时刻输电网节点b的相角;为输电网线路l的电抗;Pl TS,max为输电网线路l上的传输功率上限,上层问题(4)-(17)通过确定发电机组出力和备用容量的最优结果使得式(4)的输电网总运行成本最小,总运行成本由机组启停成本、发电成本、备用成本以及电力不平衡成本组成;式(5)-(13)为发电机组的开关时间约束、出力上下限约束、爬坡约束和备用容量上下限约束等运行约束;式(6-14)-(15)为输电网与配电网之间边界功率的上下限约束;式(16)-(17)为正常情况下的功率平衡约束和线路传输功率约束。
所述的S2.1中建立输电网备用鲁棒优化配置模型,输电网的电能及备用鲁棒优化调度方案由三层两阶段问题优化而得,中间层问题具体为:
s.t.
式中,dTS为输电网的不确定性变量集合;FTS,curt为输电网的电力不平衡成本;和为反映最恶劣情况下t时刻输电网风电机组w功率的0-1变量;和为反映最恶劣情况下t时刻输电网节点b负荷的0-1变量;和为反映最恶劣情况下t时刻输电网边界节点d配电网等效负荷的0-1变量;ΓTS,wind和ΓTS,load为输电网风电和负荷的不确定性预算值;中间层问题(18)-(21)筛选出使得式(18)的系统电力不平衡成本最大化的最恶劣不确定场景,式(19)和(20)通过构建不确定性集合来描述输电网风电功率和负荷的随机性,并通过设置不确定性预算值来控制调度方案的保守程度;同理,式(21)为配电网等效负荷的不确定性约束。
所述的S2.1中建立输电网备用鲁棒优化配置模型,输电网的电能及备用鲁棒优化调度方案由三层两阶段问题优化而得,下层问题具体为:
s.t.
式中,yTS为输电网第二阶段变量的集合;为t时刻输电网风电机组w的弃风量;为t时刻输电网节点b的弃负荷量;Cwind,curt和Cload,curt分别为弃风和弃负荷成本;为不确定情况下输电网机组m在t时刻的出力;为不确定情况下t时刻输电网线路l上的传输功率;为t时刻输电网风电机组w的功率预测偏差值;为t时刻输电网节点b的负荷预测偏差值;为不确定情况下t时刻输电网节点b的相角,LTS为输电网线路的集合;BTS和为输电网所有节点的集合和与节点b相连的节点集合;NTS,G和为输电网所有机组的集合和与节点b相连的机组集合;NTS,G w和为输电网所有风电机组的集合和与节点b相的风电机组集合;下层问题(22)-(25)则通过重新调度发电机组的出力使得式(22)的系统电力不平衡成本最小,其为弃风成本与弃负荷成本之和,式(23)和(24)为不确定性情况下的功率平衡约束和线路传输功率约束,值得注意的是式(23)中的最后一项为不确定的配电网等效负荷,其变化范围与配电网所需的上下备用容量相匹配,即配电网等效负荷的范围是由上层问题优化确定的而不是预先设定的,故配电网等效负荷的不确定性集合是可调节的;式(25)为机组重新调度的出力变化范围约束,其受到正常情况下机组出力和备用容量的限制。
所述的S2.2中建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,其中将输电网视为一个可调节机组,并通过聚合虚拟储能模型将变频空调负荷群纳入配电网优化调度,上层问题具体为:
s.t.
xDS为配电网第一阶段变量的集合;为配电网发电机组m在t时刻的开关状态;为配电网机组m在t时刻的出力;和为配电网机组m在t时刻的向上和向下备用容量;和为空调负荷群聚合虚拟储能p在t时刻的充电向上和向下备用容量;和为空调负荷群聚合虚拟储能p在t时刻的放电向上和向下备用容量;和为配电网机组m的启动和停机成本;为配电网机组m的发电成本系数;和为配电网机组m的向上和向下备用成本;和为空调负荷群聚合虚拟储能p的充电和放电成本;和为空调负荷群聚合虚拟储能p的充电向上和向下备用成本;和为空调负荷群聚合虚拟储能p的放电向上和向下备用成本;FDS,curt,wc为配电网最恶劣情况下的电力不平衡成本;和为配电网机组m的出力上下限;和为配电网机组m的向上和向下爬坡率限值;和为配电网机组m的向上和向下备用容量限值;为空调负荷群聚合虚拟储能p在t时刻的充放电状态变量;和分别为表示空调负荷群聚合虚拟储能p在t时刻是否被调度进行充电和放电的标示量;和分别为t时刻空调负荷群聚合虚拟储能p的最小和最大能量;和为t时刻配电网线路l上的有功功率和无功功率;为t时刻配电网风电机组w的功率预测值;为t时刻配电网节点b的负荷预测值;为t时刻配电网节点b的电压幅值;rl DS和为配电网线路l的电阻和电抗;Pl DS,max和为配电网线路l上的有功功率和无功功率上限;为配电网节点b的电压幅值上限;上层问题(26)-(54)以式(26)的成本最小化为目标确定机组和空调负荷群聚合虚拟储能的电能和备用调度情况,式(27)-(33)为发电机组的出力上下限约束、爬坡约束和备用容量上下限约束等运行约束;式(34)-(35)为配电网与输电网之间边界功率的上下限约束,式(36)-(48)为空调负荷群聚合虚拟储能的相关运行约束,式(36)-(37)为空调负荷群聚合虚拟储能的充放电功率限制约束,式(38)为空调负荷群聚合虚拟储能的能量变化情况;空调负荷群聚合虚拟储能可以提供四种类型的备用,充电向上备用、充电向下备用、放电向上备用和放电向下备用,对于备用容量的上下限约束如式(39)-(42)所示,此外,为了充分利用空调负荷资源的潜力,将聚合虚拟储能设置为在不确定情况下可自由切换充放电状态,即空调负荷群聚合虚拟储能在不确定情况下的充放电状态可以与正常情况下的不同,由此产生了式(43)-(48)对应的状态切换可行性约束,当空调负荷群聚合虚拟储能在不确定情况下可以切换充放电状态时,则可以提供更多的向上或者向下备用容量。因此,引入0-1变量和作为正常和不确定情况下空调负荷群聚合虚拟储能充电放可调度状态的标示量,当为为1时,则表示空调负荷群聚合虚拟储能p可实施充电/放电操作,状态切换可行性约束的核心在于保证所有可能的空调负荷群聚合虚拟储能充放电状态切换实际上都是可以实现的,式(43)-(46)为空调负荷群聚合虚拟储能可能的能量变化模型,其中考虑了充放电决策、功率、备用容量以及前一时刻能量水平的影响;式(47)-(48)为空调负荷群聚合虚拟储能的能量上下限约束,式(49)-(51)为线性化的配电网潮流LinDistFlow模型,包括节点有功功率和无功功率平衡方程以及节点电压与支路潮流的关系;式(52)-(54)为线路有功功率、无功功率限制约束和节点电压幅值限制约束。
s.t.
式中,dDS为配电网的不确定性变量集合;FDS,curt为配电网的电力不平衡成本;和为反映最恶劣情况下t时刻配电网风电机组w功率的0-1变量;和为反映最恶劣情况下t时刻配电网节点b负荷的0-1变量;ΓDS,wind和ΓDS,load为配电网风电和负荷的不确定性预算值;中间层问题(55)-(57)用于确定使得式(55)的配电网电力不平衡成本最大化的最恶劣不确定性场景,而配电网的风电功率和负荷的不确定性分别受到式(56)和(57)的约束。
所述的S2.2中建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,下层问题具体为:
s.t.
式中,yDS为配电网第二阶段变量的集合;为t时刻配电网风电机组w的弃风量;为t时刻配电网节点b的弃负荷量;为不确定情况下配电网机组m在t时刻的出力;为不确定情况下t时刻配电网线路l上的有功功率;为不确定情况下t时刻配电网线路l上的边界功率;和为不确定情况下空调负荷群聚合虚拟储能p在t时刻的充电功率和放电功率;为配电网风电机组w在t时刻的功率预测偏差值;为t时刻配电网节点b的负荷预测偏差值;为不确定情况下t时刻配电网节点b的电压幅值;BDS和为配电网所有节点的集合和与节点b相连的节点集合;NDS,G和为配电网所有机组的集合和与节点b相连的机组集合;NVES和为所有空调负荷群聚合虚拟储能的集合和与节点b相连的空调负荷群聚合虚拟储能集合;下层问题(58)-(66)通过寻找机组和空调负荷群聚合虚拟储能的最优再调度方案使得式(58)的电力不平衡成本最小,式(59)-(62)为基于线性化配电网潮流模型的功率和电压约束,需要注意的是,由于输电网采用的是直流潮流模型故假设配电网负荷的不确定性集中在有功功率上,而无功功率则全由变电站提供;式(63)-(65)为不确定情况下机组和空调负荷群聚合虚拟储能的输出调整限制约束;式(66)为不确定情况下的输配电网交换功率限制约束。
所述的S3.1中基于ATC算法的分布式优化具体为:目标级联分析法ATC通过各系统的增广拉格朗日函数对耦合约束(1)-(3)进行松弛,松弛后在每次迭代中TSO和DSO可以根据更新的边界信息对各自的区域问题独立优化求解,具体来说,第r次迭代时的输电网和配电网模型的目标函数分别为:
所述的S3.1中基于ATC算法的分布式优化过程包括以下步骤:
S3.1.2:while do
S3.1.5:判断是否收敛,若Resk≤εRes则终止迭代;
S3.1.6:通过式(69)-(74)更新拉格朗日乘子;
S3.1.7:r=r=1;
S3.1.8:end while。
所述的S3.2中基于C&CG算法的鲁棒优化具体为:可构建输电网及配电网备用优化配置模型的紧凑矩阵:s.t.Ax≤c(77),Hd≤l(78),式中,x、y为输电网或配电网正常和不确定情况下的变量;d为不确定性变量;A、B、C、E、F、G、H、a、b、c、e、f、g、l为相应的系数矩阵,C&CG算法在求解多层优化问题方面表现突出,其将两阶段模型分解为一个主问题和子问题,通过主问题和子问题的不断迭代求解筛选出不确定因素的重要场景直至收敛,第Q次迭代的主问题可构建为:s.t.Ax≤c(81), 式中,η为辅助变量;yq为在主问题第q次迭代求解中加入的新变量;为子问题第q次迭代求解中获得的不确定因素值;根据求解主问题而得到的上层决策结果x*,可由子问题辨识出不确定性因素的最恶劣场景,子问题是一个双层问题,其可通过强对偶理论等效转化为单层问题:
s.t.Hd≤l(87),-BTα-ETβ-FTγ=b(88),α,β≥0(89),式中,α、β、γ为对偶变量,通过主问题和子问题的迭代求解即可确定输电网及配电网备用优化配置模型的结果。
本发明为变频空调负荷参与输配电网备用分布式协调优化配置方法,在使用中,首先建立面向电能-备用联合优化的输配电网分布式协调框架;在正常状态下,根据风电和负荷的预测值,确保输电网及配电网的电力供需平衡;在不确定性状态下,充分利用输配电网中的可调度资源来处理各种不确定性因素并相应地调整边界功率;通过两种边界耦合变量,即有功功率和备用容量的交换来实现不同系统之间的电能共享和备用支持,避免了系统详细参数信息的交换;再建立输电网及配电网的备用鲁棒优化配置模型;建立输电网备用鲁棒优化配置模型,输电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;最后采用基于ATC算法的分布式优化、基于C&CG算法的鲁棒优化进行求解,为了实现输配电网的分布式优化,需要将一个集中优化问题分解为多个子问题,通过有限的信息交换实现各子系统的独立运行和优化调度;本发明的输配电网备用分布式协调优化配置方法,对于每个单独的输电系统和配电系统,基于C&CG算法的主问题和子问题循环迭代可求解各个系统的区域备用鲁棒优化配置模型,得到源荷资源协同的备用配置结果,对于输电系统和配电系统之间的分布式协调,则基于边界耦合变量采用ATC算法对一致性约束进行松弛并实现输电网和配电网之间的解耦,通过边界信息的交换和拉格朗日乘子的更新不断迭代求解直至收敛,即可以分布式优化协调的方式促进不同系统之间的资源共享,最终确定输配电网备用分布式协调优化配置方案,本发明的方法构建了基于有功功率和备用容量两种耦合边界变量的输配电网分布式协调框架,能够促进不同系统中可调度资源的高效利用,实现了电能和备用的跨系统共享,另外本发明的输配电网电能及备用联合优化的分布式协调鲁棒调度模型采用目标级联分析法迭代求解,有效地协调了不同系统中的源荷双侧资源来应对正常及不确定性的情况,增强了输配电网整体的经济性和可靠性;本发明具有实现电能和备用的跨系统共享、促进不同系统中可调度资源的高效利用、有效协调源荷双侧资源、增强输配电网经济性和可靠性的优点。
Claims (10)
1.变频空调负荷参与输配电网备用分布式协调优化配置方法,其特征在于:所述的方法包括以下步骤:
步骤1:建立面向电能-备用联合优化的输配电网分布式协调框架;
S1.1:在正常状态下,根据风电和负荷的预测值,确保输电网及配电网的电力供需平衡;
S1.2:在不确定性状态下,充分利用输配电网中的可调度资源来处理各种不确定性因素并相应地调整边界功率;
S1.3:通过两种边界耦合变量,即有功功率和备用容量的交换来实现不同系统之间的电能共享和备用支持,避免了系统详细参数信息的交换,相应的一致性约束为: 式中,和分别为t时刻边界节点d的输电网和配电网边界功率;和分别为t时刻边界节点d的输电网和配电网向上可调节容量;和分别为t时刻边界节点d的输电网和配电网向下可调节容量;Bcon为边界节点的集合;T为时间的集合;
步骤2:建立输电网及配电网的备用鲁棒优化配置模型;
S2.1:建立输电网备用鲁棒优化配置模型,输电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;
S2.2:建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,即上层问题、中间层问题、下层问题;
步骤3:求解方法,为了实现输配电网的分布式优化,需要将一个集中优化问题分解为多个子问题,通过有限的信息交换实现各子系统的独立运行和优化调度;
S3.1:基于ATC算法的分布式优化;
S3.2:基于C&CG算法的鲁棒优化。
2.如权利要求1所述的变频空调负荷参与输配电网备用分布式协调优化配置方法,其特征在于:所述的S2.1中建立输电网备用鲁棒优化配置模型,输电网的电能及备用鲁棒优化调度方案由三层两阶段问题优化而得,其中将配电网视为不确定的负荷,上层问题具体为:
s.t.
式中,xTS为输电网第一阶段变量的集合;为输电网发电机组m在t时刻的开关状态;为输电网机组m在t时刻的出力;和为输电网机组m在t时刻的向上和向下备用容量;和为输电网机组m的启动和停机成本;为输电网机组m的发电成本系数;和为输电网机组m的向上和向下备用成本;FTS,curt,wc为输电网最恶劣情况下的电力不平衡成本;和为输电网机组m的最短开和关时间;和为输电网机组m的初始已开启和关闭时长;和为机组m最短开启和关闭时间的限制参数;和为输电网机组m的出力上下限;和为输电网机组m的向上和向下爬坡率限值;和为输电网机组m的向上和向下备用容量限值;和为节点d的边界功率上下限;为t时刻输电网线路l上的传输功率;为t时刻输电网风电机组w的功率预测值;为t时刻输电网节点b的负荷预测值;为t时刻输电网节点b的相角;为输电网线路l的电抗;Pl TS,max为输电网线路l上的传输功率上限,上层问题(4)-(17)通过确定发电机组出力和备用容量的最优结果使得式(4)的输电网总运行成本最小,总运行成本由机组启停成本、发电成本、备用成本以及电力不平衡成本组成;式(5)-(13)为发电机组的开关时间约束、出力上下限约束、爬坡约束和备用容量上下限约束等运行约束;式(6-14)-(15)为输电网与配电网之间边界功率的上下限约束;式(16)-(17)为正常情况下的功率平衡约束和线路传输功率约束。
3.如权利要求2所述的变频空调负荷参与输配电网备用分布式协调优化配置方法,其特征在于:所述的S2.1中建立输电网备用鲁棒优化配置模型,输电网的电能及备用鲁棒优化调度方案由三层两阶段问题优化而得,中间层问题具体为:
s.t.
式中,dTS为输电网的不确定性变量集合;FTS,curt为输电网的电力不平衡成本;和为反映最恶劣情况下t时刻输电网风电机组w功率的0-1变量;和为反映最恶劣情况下t时刻输电网节点b负荷的0-1变量;和为反映最恶劣情况下t时刻输电网边界节点d配电网等效负荷的0-1变量;ΓTS,wind和ΓTS,load为输电网风电和负荷的不确定性预算值;中间层问题(18)-(21)筛选出使得式(18)的系统电力不平衡成本最大化的最恶劣不确定场景,式(19)和(20)通过构建不确定性集合来描述输电网风电功率和负荷的随机性,并通过设置不确定性预算值来控制调度方案的保守程度;同理,式(21)为配电网等效负荷的不确定性约束。
4.如权利要求3所述的变频空调负荷参与输配电网备用分布式协调优化配置方法,其特征在于:所述的S2.1中建立输电网备用鲁棒优化配置模型,输电网的电能及备用鲁棒优化调度方案由三层两阶段问题优化而得,下层问题具体为:
s.t.
, 式中,yTS为输电网第二阶段变量的集合;为t时刻输电网风电机组w的弃风量;为t时刻输电网节点b的弃负荷量;Cwind,curt和Cload,curt分别为弃风和弃负荷成本;为不确定情况下输电网机组m在t时刻的出力;为不确定情况下t时刻输电网线路l上的传输功率;为t时刻输电网风电机组w的功率预测偏差值;为t时刻输电网节点b的负荷预测偏差值;为不确定情况下t时刻输电网节点b的相角,LTS为输电网线路的集合;BTS和为输电网所有节点的集合和与节点b相连的节点集合;NTS,G和为输电网所有机组的集合和与节点b相连的机组集合;NTS,G w和为输电网所有风电机组的集合和与节点b相的风电机组集合;下层问题(22)-(25)则通过重新调度发电机组的出力使得式(22)的系统电力不平衡成本最小,其为弃风成本与弃负荷成本之和,式(23)和(24)为不确定性情况下的功率平衡约束和线路传输功率约束,值得注意的是式(23)中的最后一项为不确定的配电网等效负荷,其变化范围与配电网所需的上下备用容量相匹配,即配电网等效负荷的范围是由上层问题优化确定的而不是预先设定的,故配电网等效负荷的不确定性集合是可调节的;式(25)为机组重新调度的出力变化范围约束,其受到正常情况下机组出力和备用容量的限制。
5.如权利要求1所述的变频空调负荷参与输配电网备用分布式协调优化配置方法,其特征在于:所述的S2.2中建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,其中将输电网视为一个可调节机组,并通过聚合虚拟储能模型将变频空调负荷群纳入配电网优化调度,上层问题具体为:
s.t.
xDS为配电网第一阶段变量的集合;为配电网发电机组m在t时刻的开关状态;为配电网机组m在t时刻的出力;和为配电网机组m在t时刻的向上和向下备用容量;和为空调负荷群聚合虚拟储能p在t时刻的充电向上和向下备用容量;和为空调负荷群聚合虚拟储能p在t时刻的放电向上和向下备用容量;和为配电网机组m的启动和停机成本;为配电网机组m的发电成本系数;和为配电网机组m的向上和向下备用成本;和为空调负荷群聚合虚拟储能p的充电和放电成本;和为空调负荷群聚合虚拟储能p的充电向上和向下备用成本;和为空调负荷群聚合虚拟储能p的放电向上和向下备用成本;FDS,curt,wc为配电网最恶劣情况下的电力不平衡成本;和为配电网机组m的出力上下限;和为配电网机组m的向上和向下爬坡率限值;和为配电网机组m的向上和向下备用容量限值;为空调负荷群聚合虚拟储能p在t时刻的充放电状态变量;和分别为表示空调负荷群聚合虚拟储能p在t时刻是否被调度进行充电和放电的标示量;和分别为t时刻空调负荷群聚合虚拟储能p的最小和最大能量;和为t时刻配电网线路l上的有功功率和无功功率;为t时刻配电网风电机组w的功率预测值;为t时刻配电网节点b的负荷预测值;为t时刻配电网节点b的电压幅值;rl DS和为配电网线路l的电阻和电抗;Pl DS,max和为配电网线路l上的有功功率和无功功率上限;为配电网节点b的电压幅值上限;上层问题(26)-(54)以式(26)的成本最小化为目标确定机组和空调负荷群聚合虚拟储能的电能和备用调度情况,式(27)-(33)为发电机组的出力上下限约束、爬坡约束和备用容量上下限约束等运行约束;式(34)-(35)为配电网与输电网之间边界功率的上下限约束,式(36)-(48)为空调负荷群聚合虚拟储能的相关运行约束,式(36)-(37)为空调负荷群聚合虚拟储能的充放电功率限制约束,式(38)为空调负荷群聚合虚拟储能的能量变化情况;空调负荷群聚合虚拟储能可以提供四种类型的备用,充电向上备用、充电向下备用、放电向上备用和放电向下备用,对于备用容量的上下限约束如式(39)-(42)所示,此外,为了充分利用空调负荷资源的潜力,将聚合虚拟储能设置为在不确定情况下可自由切换充放电状态,即空调负荷群聚合虚拟储能在不确定情况下的充放电状态可以与正常情况下的不同,由此产生了式(43)-(48)对应的状态切换可行性约束,当空调负荷群聚合虚拟储能在不确定情况下可以切换充放电状态时,则可以提供更多的向上或者向下备用容量。因此,引入0-1变量和作为正常和不确定情况下空调负荷群聚合虚拟储能充电放可调度状态的标示量,当为为1时,则表示空调负荷群聚合虚拟储能p可实施充电/放电操作,状态切换可行性约束的核心在于保证所有可能的空调负荷群聚合虚拟储能充放电状态切换实际上都是可以实现的,式(43)-(46)为空调负荷群聚合虚拟储能可能的能量变化模型,其中考虑了充放电决策、功率、备用容量以及前一时刻能量水平的影响;式(47)-(48)为空调负荷群聚合虚拟储能的能量上下限约束,式(49)-(51)为线性化的配电网潮流LinDistFlow模型,包括节点有功功率和无功功率平衡方程以及节点电压与支路潮流的关系;式(52)-(54)为线路有功功率、无功功率限制约束和节点电压幅值限制约束。
6.如权利要求5所述的变频空调负荷参与输配电网备用分布式协调优化配置方法,其特征在于:所述的S2.2中建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,中间层问题具体为:
s.t.
7.如权利要求6所述的变频空调负荷参与输配电网备用分布式协调优化配置方法,其特征在于:所述的S2.2中建立配电网备用鲁棒优化配置模型,配电网电能备用两阶段鲁棒优化问题分为三层,下层问题具体为:
s.t.
式中,yDS为配电网第二阶段变量的集合;为t时刻配电网风电机组w的弃风量;为t时刻配电网节点b的弃负荷量;为不确定情况下配电网机组m在t时刻的出力;为不确定情况下t时刻配电网线路l上的有功功率;为不确定情况下t时刻配电网线路l上的边界功率;和为不确定情况下空调负荷群聚合虚拟储能p在t时刻的充电功率和放电功率;为配电网风电机组w在t时刻的功率预测偏差值;为t时刻配电网节点b的负荷预测偏差值;为不确定情况下t时刻配电网节点b的电压幅值;BDS和为配电网所有节点的集合和与节点b相连的节点集合;NDS,G和为配电网所有机组的集合和与节点b相连的机组集合;NVES和为所有空调负荷群聚合虚拟储能的集合和与节点b相连的空调负荷群聚合虚拟储能集合;下层问题(58)-(66)通过寻找机组和空调负荷群聚合虚拟储能的最优再调度方案使得式(58)的电力不平衡成本最小,式(59)-(62)为基于线性化配电网潮流模型的功率和电压约束,需要注意的是,由于输电网采用的是直流潮流模型故假设配电网负荷的不确定性集中在有功功率上,而无功功率则全由变电站提供;式(63)-(65)为不确定情况下机组和空调负荷群聚合虚拟储能的输出调整限制约束;式(66)为不确定情况下的输配电网交换功率限制约束。
s.t.
Ax≤c(77),Hd≤l(78),式中,x、y为输电网或配电网正常和不确定情况下的变量;d为不确定性变量;A、B、C、E、F、G、H、a、b、c、e、f、g、l为相应的系数矩阵,C&CG算法在求解多层优化问题方面表现突出,其将两阶段模型分解为一个主问题和子问题,通过主问题和子问题的不断迭代求解筛选出不确定因素的重要场景直至收敛,第Q次迭代的主问题可构建为:
s.t.Ax≤c(81),η≥bTyq,Byq≤e,Cx+Fyq≤f, 式中,η为辅助变量;yq为在主问题第q次迭代求解中加入的新变量;为子问题第q次迭代求解中获得的不确定因素值;根据求解主问题而得到的上层决策结果x*,可由子问题辨识出不确定性因素的最恶劣场景,子问题是一个双层问题,其可通过强对偶理论等效转化为单层问题:
s.t.Hd≤l(87),-BTα-ETβ-FTγ=b(88),α,β≥0(89),式中,α、β、γ为对偶变量,通过主问题和子问题的迭代求解即可确定输电网及配电网备用优化配置模型的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210730997.0A CN115130745A (zh) | 2022-06-24 | 2022-06-24 | 变频空调负荷参与输配电网备用分布式协调优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210730997.0A CN115130745A (zh) | 2022-06-24 | 2022-06-24 | 变频空调负荷参与输配电网备用分布式协调优化配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115130745A true CN115130745A (zh) | 2022-09-30 |
Family
ID=83380065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210730997.0A Pending CN115130745A (zh) | 2022-06-24 | 2022-06-24 | 变频空调负荷参与输配电网备用分布式协调优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115130745A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115800276A (zh) * | 2023-02-09 | 2023-03-14 | 四川大学 | 一种考虑机组爬坡的电力系统应急调度方法 |
CN116720358A (zh) * | 2023-06-09 | 2023-09-08 | 上海交通大学 | 面向配电-交通系统韧性多阶段提升的资源优化配置方法 |
-
2022
- 2022-06-24 CN CN202210730997.0A patent/CN115130745A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115800276A (zh) * | 2023-02-09 | 2023-03-14 | 四川大学 | 一种考虑机组爬坡的电力系统应急调度方法 |
CN115800276B (zh) * | 2023-02-09 | 2023-05-30 | 四川大学 | 一种考虑机组爬坡的电力系统应急调度方法 |
CN116720358A (zh) * | 2023-06-09 | 2023-09-08 | 上海交通大学 | 面向配电-交通系统韧性多阶段提升的资源优化配置方法 |
CN116720358B (zh) * | 2023-06-09 | 2024-02-02 | 上海交通大学 | 面向配电-交通系统韧性多阶段提升的资源优化配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108599373B (zh) | 高比例可再生能源电力系统输配协调调度目标级联分析法 | |
CN107392395A (zh) | 一种基于价格激励机制的配电网和微电网协调优化方法 | |
CN115130745A (zh) | 变频空调负荷参与输配电网备用分布式协调优化配置方法 | |
CN110266038B (zh) | 一种多虚拟电厂分布式协调调控方法 | |
CN111697604B (zh) | 多站合一的配置方法、系统及设备 | |
CN109840692A (zh) | 一种互联微电网分布式鲁棒调度系统及调度方法 | |
CN108808734A (zh) | 一种含虚拟电厂的风电并网系统分布式优化调度建模方法 | |
CN112085327B (zh) | 一种配电商参与的主动配电网多层分区调控方法及系统 | |
CN106877316B (zh) | 一种计及可控电源经济调度的主动配电网最大供电能力模型的构建方法 | |
CN109038532A (zh) | 一种基于直流潮流等值的分布式输配协同机组组合方法 | |
Liu et al. | Consensus-based energy management of multi-microgrid: An improved SoC-based power coordinated control method | |
CN113364043A (zh) | 一种基于条件风险价值的微电网群优化方法 | |
CN110867902B (zh) | 基于发电预测的微电网分布式电源去中心优化运行方法 | |
Zhou et al. | An integrated two-level distributed dispatch for interconnected microgrids considering unit commitment and transmission loss | |
CN115496256A (zh) | 一种基于神经网络预测的共享储能容量优化方法 | |
CN111082475B (zh) | 一种基于交直流混合配电网协调能量管控方法 | |
CN110212593B (zh) | 一种基于区间的耦合输配电系统分散调度方法 | |
CN114254551A (zh) | 分布式储能多目标优化配置方法及系统 | |
CN114358430A (zh) | 一种基于鲁棒优化的新型农村配电网规划策略 | |
CN112163749A (zh) | 基于网络解和非网络解的输电系统柔性规划方法及系统 | |
CN110445173A (zh) | 一种基于多代理的分层多微网能量管理系统及调度方法 | |
CN110970895B (zh) | 一种基于智能体系统的多虚拟电厂协同优化方法 | |
Su et al. | Voltage Regulation Strategy of Distribution Network with Decentralized Wind Power Based on Cluster Partition | |
CN117252034B (zh) | 基于鲁棒优化和需量防守的共享租赁储能双层规划模型 | |
CN117439058B (zh) | 基于分布鲁棒优化的微电网调度方法 |
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 |