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 PDF

Info

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
Application number
CN202210730997.0A
Other languages
English (en)
Inventor
陈炳华
郑罡
曹翀
徐青山
孟凡斌
卞海红
张卫国
杜娇
郝婧
南钰
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.)
Nanjing Applied Mathematics Center
Southeast University
Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd
Original Assignee
Nanjing Applied Mathematics Center
Southeast University
Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd
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 Nanjing Applied Mathematics Center, Southeast University, Kaifeng Power Supply Co of State Grid Henan Electric Power Co Ltd filed Critical Nanjing Applied Mathematics Center
Priority to CN202210730997.0A priority Critical patent/CN115130745A/zh
Publication of CN115130745A publication Critical patent/CN115130745A/zh
Pending legal-status Critical Current

Links

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

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
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：
Figure BDA0003713442870000021
Figure BDA0003713442870000022
式中，
Figure BDA0003713442870000023
和
Figure BDA0003713442870000024
分别为t时刻边界节点d的输电网和配电网边界功率；
Figure BDA0003713442870000025
和
Figure BDA0003713442870000026
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；
Figure BDA0003713442870000027
和
Figure BDA0003713442870000028
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：
Figure BDA0003713442870000031
s.t.
Figure BDA0003713442870000032
Figure BDA0003713442870000033
Figure BDA0003713442870000034
Figure BDA0003713442870000035
Figure BDA0003713442870000036
Figure BDA0003713442870000037
Figure BDA0003713442870000038
Figure BDA0003713442870000039
Figure BDA00037134428700000310
Figure BDA0003713442870000041
Figure BDA0003713442870000042
式中，xTS为输电网第一阶段变量的集合；
Figure BDA0003713442870000043
为输电网发电机组m在t时刻的开关状态；
Figure BDA0003713442870000044
为输电网机组m在t时刻的出力；
Figure BDA0003713442870000045
和
Figure BDA0003713442870000046
为输电网机组m在t时刻的向上和向下备用容量；
Figure BDA0003713442870000047
和
Figure BDA0003713442870000048
为输电网机组m的启动和停机成本；
Figure BDA0003713442870000049
为输电网机组m的发电成本系数；
Figure BDA00037134428700000410
和
Figure BDA00037134428700000411
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；
Figure BDA00037134428700000412
和
Figure BDA00037134428700000413
为输电网机组m的最短开和关时间；
Figure BDA00037134428700000414
和
Figure BDA00037134428700000415
为输电网机组m的初始已开启和关闭时长；
Figure BDA00037134428700000416
和
Figure BDA00037134428700000417
为机组m最短开启和关闭时间的限制参数；
Figure BDA00037134428700000418
和
Figure BDA00037134428700000419
为输电网机组m的出力上下限；
Figure BDA00037134428700000420
和
Figure BDA00037134428700000421
为输电网机组m的向上和向下爬坡率限值；
Figure BDA00037134428700000422
和
Figure BDA00037134428700000423
为输电网机组m的向上和向下备用容量限值；
Figure BDA00037134428700000424
和
Figure BDA00037134428700000425
为节点d的边界功率上下限；
Figure BDA00037134428700000426
为t时刻输电网线路l上的传输功率；
Figure BDA00037134428700000427
为t时刻输电网风电机组w的功率预测值；
Figure BDA00037134428700000428
为t时刻输电网节点b的负荷预测值；
Figure BDA00037134428700000429
为t时刻输电网节点b的相角；
Figure BDA00037134428700000430
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：
Figure BDA0003713442870000051
s.t.
Figure BDA0003713442870000052
Figure BDA0003713442870000053
Figure BDA0003713442870000054
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；
Figure BDA0003713442870000055
和
Figure BDA0003713442870000056
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；
Figure BDA0003713442870000057
和
Figure BDA0003713442870000058
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；
Figure BDA0003713442870000059
和
Figure BDA00037134428700000510
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：
Figure BDA00037134428700000511
s.t.
Figure BDA00037134428700000512
Figure BDA00037134428700000513
Figure BDA00037134428700000514
式中，yTS为输电网第二阶段变量的集合；
Figure BDA00037134428700000515
为t时刻输电网风电机组w的弃风量；
Figure BDA00037134428700000516
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；
Figure BDA0003713442870000061
为不确定情况下输电网机组m在t时刻的出力；
Figure BDA0003713442870000062
为不确定情况下t时刻输电网线路l上的传输功率；
Figure BDA0003713442870000063
为t时刻输电网风电机组w的功率预测偏差值；
Figure BDA0003713442870000064
为t时刻输电网节点b的负荷预测偏差值；
Figure BDA0003713442870000065
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
Figure BDA0003713442870000066
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
Figure BDA0003713442870000067
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
Figure BDA0003713442870000068
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：
Figure BDA0003713442870000069
s.t.
Figure BDA00037134428700000610
Figure BDA0003713442870000071
Figure BDA0003713442870000072
Figure BDA0003713442870000073
Figure BDA0003713442870000074
Figure BDA0003713442870000075
Figure BDA0003713442870000076
Figure BDA0003713442870000077
Figure BDA0003713442870000078
Figure BDA0003713442870000079
Figure BDA00037134428700000710
Figure BDA00037134428700000711
Figure BDA00037134428700000712
Figure BDA00037134428700000713
Figure BDA00037134428700000714
Figure BDA00037134428700000715
Figure BDA00037134428700000716
Figure BDA00037134428700000717
Figure BDA00037134428700000718
Figure BDA00037134428700000719
Figure BDA00037134428700000720
Figure BDA00037134428700000721
Figure BDA0003713442870000081
Figure BDA0003713442870000082
Figure BDA0003713442870000083
xDS为配电网第一阶段变量的集合；
Figure BDA0003713442870000084
为配电网发电机组m在t时刻的开关状态；
Figure BDA0003713442870000085
为配电网机组m在t时刻的出力；
Figure BDA0003713442870000086
和
Figure BDA0003713442870000087
为配电网机组m在t时刻的向上和向下备用容量；
Figure BDA0003713442870000088
和
Figure BDA0003713442870000089
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；
Figure BDA00037134428700000810
和
Figure BDA00037134428700000811
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；
Figure BDA00037134428700000812
和
Figure BDA00037134428700000813
为配电网机组m的启动和停机成本；
Figure BDA00037134428700000814
为配电网机组m的发电成本系数；
Figure BDA00037134428700000815
和
Figure BDA00037134428700000816
为配电网机组m的向上和向下备用成本；
Figure BDA00037134428700000817
和
Figure BDA00037134428700000818
为空调负荷群聚合虚拟储能p的充电和放电成本；
Figure BDA00037134428700000819
和
Figure BDA00037134428700000820
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；
Figure BDA00037134428700000821
和
Figure BDA00037134428700000822
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；
Figure BDA00037134428700000823
和
Figure BDA00037134428700000824
为配电网机组m的出力上下限；
Figure BDA00037134428700000825
和
Figure BDA00037134428700000826
为配电网机组m的向上和向下爬坡率限值；
Figure BDA00037134428700000827
和
Figure BDA00037134428700000828
为配电网机组m的向上和向下备用容量限值；
Figure BDA00037134428700000829
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；
Figure BDA00037134428700000830
和
Figure BDA00037134428700000831
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；
Figure BDA00037134428700000832
和
Figure BDA00037134428700000833
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；
Figure BDA00037134428700000834
和
Figure BDA00037134428700000835
为t时刻配电网线路l上的有功功率和无功功率；
Figure BDA00037134428700000836
为t时刻配电网风电机组w的功率预测值；
Figure BDA00037134428700000837
为t时刻配电网节点b的负荷预测值；
Figure BDA00037134428700000838
为t时刻配电网节点b的电压幅值；rl DS和
Figure BDA00037134428700000839
为配电网线路l的电阻和电抗；Pl DS,max和
Figure BDA00037134428700000840
为配电网线路l上的有功功率和无功功率上限；
Figure BDA00037134428700000841
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
Figure BDA0003713442870000091
和
Figure BDA0003713442870000092
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
Figure BDA0003713442870000093
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。
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：
Figure BDA0003713442870000094
s.t.
Figure BDA0003713442870000101
Figure BDA0003713442870000102
Figure BDA0003713442870000103
Figure BDA0003713442870000104
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；
Figure BDA0003713442870000105
和
Figure BDA0003713442870000106
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；
Figure BDA0003713442870000107
和
Figure BDA0003713442870000108
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：
Figure BDA0003713442870000109
s.t.
Figure BDA00037134428700001010
Figure BDA00037134428700001011
Figure BDA00037134428700001012
Figure BDA00037134428700001013
Figure BDA00037134428700001014
Figure BDA0003713442870000111
Figure BDA0003713442870000112
Figure BDA0003713442870000113
式中，yDS为配电网第二阶段变量的集合；
Figure BDA0003713442870000114
为t时刻配电网风电机组w的弃风量；
Figure BDA0003713442870000115
为t时刻配电网节点b的弃负荷量；
Figure BDA0003713442870000116
为不确定情况下配电网机组m在t时刻的出力；
Figure BDA0003713442870000117
为不确定情况下t时刻配电网线路l上的有功功率；
Figure BDA0003713442870000118
为不确定情况下t时刻配电网线路l上的边界功率；
Figure BDA0003713442870000119
和
Figure BDA00037134428700001110
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；
Figure BDA00037134428700001111
为配电网风电机组w在t时刻的功率预测偏差值；
Figure BDA00037134428700001112
为t时刻配电网节点b的负荷预测偏差值；
Figure BDA00037134428700001113
为不确定情况下t时刻配电网节点b的电压幅值；BDS和
Figure BDA00037134428700001114
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
Figure BDA00037134428700001115
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
Figure BDA00037134428700001116
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：
Figure BDA0003713442870000121
Figure BDA0003713442870000122
式中，
Figure BDA0003713442870000123
为拉格朗日惩罚函数的一次乘子；
Figure BDA0003713442870000124
为拉格朗日惩罚函数的二次乘子，在每次迭代得到边界变量的优化结果之后，可对拉格朗日乘子进行更新；
Figure BDA0003713442870000125
Figure BDA0003713442870000126
Figure BDA0003713442870000127
式中，χ为一个超过1的常数,用于体现收敛性的残差为：
Figure BDA0003713442870000128
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：
S3.1.1：初始化，设置耦合变量的初值
Figure BDA0003713442870000129
拉格朗日乘子初值
Figure BDA00037134428700001210
设置残差限值εRes，迭代次数初始值r＝1；
S3.1.2：whi le do
S3.1.3：TSO求解输电网的调度模型，得到优化结果
Figure BDA00037134428700001211
S3.1.4：每个DSO求解各自配电网的调度模型，得到优化结果
Figure BDA0003713442870000131
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：
Figure BDA0003713442870000132
s.t.
Ax≤c(77)，Hd≤l(78)，
Figure BDA0003713442870000133
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：
Figure BDA0003713442870000134
s.t.Ax≤c(81)，
Figure BDA0003713442870000135
Figure BDA0003713442870000136
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；
Figure BDA0003713442870000137
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：
Figure BDA0003713442870000138
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：
Figure BDA0003713442870000151
Figure BDA0003713442870000152
式中，
Figure BDA0003713442870000153
和
Figure BDA0003713442870000154
分别为t时刻边界节点d的输电网和配电网边界功率；
Figure BDA0003713442870000155
和
Figure BDA0003713442870000156
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；
Figure BDA0003713442870000157
和
Figure BDA0003713442870000158
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：
Figure BDA0003713442870000161
s.t.
Figure BDA0003713442870000162
Figure BDA0003713442870000163
Figure BDA0003713442870000164
Figure BDA0003713442870000165
Figure BDA0003713442870000171
Figure BDA0003713442870000172
Figure BDA0003713442870000173
Figure BDA0003713442870000174
Figure BDA0003713442870000175
Figure BDA0003713442870000176
Figure BDA0003713442870000177
式中，xTS为输电网第一阶段变量的集合；
Figure BDA0003713442870000178
为输电网发电机组m在t时刻的开关状态；
Figure BDA0003713442870000179
为输电网机组m在t时刻的出力；
Figure BDA00037134428700001710
和
Figure BDA00037134428700001711
为输电网机组m在t时刻的向上和向下备用容量；
Figure BDA00037134428700001712
和
Figure BDA00037134428700001713
为输电网机组m的启动和停机成本；
Figure BDA00037134428700001714
为输电网机组m的发电成本系数；
Figure BDA00037134428700001715
和
Figure BDA00037134428700001716
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；
Figure BDA00037134428700001717
和
Figure BDA00037134428700001718
为输电网机组m的最短开和关时间；
Figure BDA00037134428700001719
和
Figure BDA00037134428700001720
为输电网机组m的初始已开启和关闭时长；
Figure BDA00037134428700001721
和
Figure BDA00037134428700001722
为机组m最短开启和关闭时间的限制参数；
Figure BDA00037134428700001723
和
Figure BDA00037134428700001724
为输电网机组m的出力上下限；
Figure BDA00037134428700001725
和
Figure BDA00037134428700001726
为输电网机组m的向上和向下爬坡率限值；
Figure BDA00037134428700001727
和
Figure BDA00037134428700001728
为输电网机组m的向上和向下备用容量限值；
Figure BDA00037134428700001729
和
Figure BDA00037134428700001730
为节点d的边界功率上下限；
Figure BDA00037134428700001731
为t时刻输电网线路l上的传输功率；
Figure BDA00037134428700001732
为t时刻输电网风电机组w的功率预测值；
Figure BDA00037134428700001733
为t时刻输电网节点b的负荷预测值；
Figure BDA00037134428700001734
为t时刻输电网节点b的相角；
Figure BDA00037134428700001735
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：
Figure BDA0003713442870000181
s.t.
Figure BDA0003713442870000182
Figure BDA0003713442870000183
Figure BDA0003713442870000184
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；
Figure BDA0003713442870000185
和
Figure BDA0003713442870000186
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；
Figure BDA0003713442870000187
和
Figure BDA0003713442870000188
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；
Figure BDA0003713442870000189
和
Figure BDA00037134428700001810
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：
Figure BDA00037134428700001811
s.t.
Figure BDA0003713442870000191
Figure BDA0003713442870000192
Figure BDA0003713442870000193
式中，yTS为输电网第二阶段变量的集合；
Figure BDA0003713442870000194
为t时刻输电网风电机组w的弃风量；
Figure BDA0003713442870000195
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；
Figure BDA0003713442870000196
为不确定情况下输电网机组m在t时刻的出力；
Figure BDA0003713442870000197
为不确定情况下t时刻输电网线路l上的传输功率；
Figure BDA0003713442870000198
为t时刻输电网风电机组w的功率预测偏差值；
Figure BDA0003713442870000199
为t时刻输电网节点b的负荷预测偏差值；
Figure BDA00037134428700001910
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
Figure BDA00037134428700001911
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
Figure BDA00037134428700001912
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
Figure BDA00037134428700001913
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：
Figure BDA0003713442870000201
s.t.
Figure BDA0003713442870000202
Figure BDA0003713442870000203
Figure BDA0003713442870000204
Figure BDA0003713442870000205
Figure BDA0003713442870000206
Figure BDA0003713442870000207
Figure BDA0003713442870000208
Figure BDA0003713442870000209
Figure BDA00037134428700002010
Figure BDA00037134428700002011
Figure BDA00037134428700002012
Figure BDA00037134428700002013
Figure BDA00037134428700002014
Figure BDA00037134428700002015
Figure BDA00037134428700002016
Figure BDA00037134428700002017
Figure BDA00037134428700002018
Figure BDA0003713442870000211
Figure BDA0003713442870000212
Figure BDA0003713442870000213
Figure BDA0003713442870000214
Figure BDA0003713442870000215
Figure BDA0003713442870000216
Figure BDA0003713442870000217
Figure BDA0003713442870000218
xDS为配电网第一阶段变量的集合；
Figure BDA0003713442870000219
为配电网发电机组m在t时刻的开关状态；
Figure BDA00037134428700002110
为配电网机组m在t时刻的出力；
Figure BDA00037134428700002111
和
Figure BDA00037134428700002112
为配电网机组m在t时刻的向上和向下备用容量；
Figure BDA00037134428700002113
和
Figure BDA00037134428700002114
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；
Figure BDA00037134428700002115
和
Figure BDA00037134428700002116
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；
Figure BDA00037134428700002117
和
Figure BDA00037134428700002118
为配电网机组m的启动和停机成本；
Figure BDA00037134428700002119
为配电网机组m的发电成本系数；
Figure BDA00037134428700002120
和
Figure BDA00037134428700002121
为配电网机组m的向上和向下备用成本；
Figure BDA00037134428700002122
和
Figure BDA00037134428700002123
为空调负荷群聚合虚拟储能p的充电和放电成本；
Figure BDA00037134428700002124
和
Figure BDA00037134428700002125
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；
Figure BDA00037134428700002126
和
Figure BDA00037134428700002127
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；
Figure BDA00037134428700002128
和
Figure BDA00037134428700002129
为配电网机组m的出力上下限；
Figure BDA00037134428700002130
和
Figure BDA00037134428700002131
为配电网机组m的向上和向下爬坡率限值；
Figure BDA00037134428700002132
和
Figure BDA00037134428700002133
为配电网机组m的向上和向下备用容量限值；
Figure BDA00037134428700002134
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；
Figure BDA00037134428700002135
和
Figure BDA00037134428700002136
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；
Figure BDA00037134428700002137
和
Figure BDA00037134428700002138
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；
Figure BDA0003713442870000221
和
Figure BDA0003713442870000222
为t时刻配电网线路l上的有功功率和无功功率；
Figure BDA0003713442870000223
为t时刻配电网风电机组w的功率预测值；
Figure BDA0003713442870000224
为t时刻配电网节点b的负荷预测值；
Figure BDA0003713442870000225
为t时刻配电网节点b的电压幅值；rl DS和
Figure BDA0003713442870000226
为配电网线路l的电阻和电抗；Pl DS,max和
Figure BDA0003713442870000227
为配电网线路l上的有功功率和无功功率上限；
Figure BDA0003713442870000228
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
Figure BDA0003713442870000229
和
Figure BDA00037134428700002210
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
Figure BDA00037134428700002211
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。
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：
Figure BDA0003713442870000231
s.t.
Figure BDA0003713442870000232
Figure BDA0003713442870000233
Figure BDA0003713442870000234
Figure BDA0003713442870000235
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；
Figure BDA0003713442870000236
和
Figure BDA0003713442870000237
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；
Figure BDA0003713442870000238
和
Figure BDA0003713442870000239
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：
Figure BDA00037134428700002310
s.t.
Figure BDA0003713442870000241
Figure BDA0003713442870000242
Figure BDA0003713442870000243
Figure BDA0003713442870000244
Figure BDA0003713442870000245
Figure BDA0003713442870000246
Figure BDA0003713442870000247
Figure BDA0003713442870000248
式中，yDS为配电网第二阶段变量的集合；
Figure BDA0003713442870000249
为t时刻配电网风电机组w的弃风量；
Figure BDA00037134428700002410
为t时刻配电网节点b的弃负荷量；
Figure BDA00037134428700002411
为不确定情况下配电网机组m在t时刻的出力；
Figure BDA00037134428700002412
为不确定情况下t时刻配电网线路l上的有功功率；
Figure BDA00037134428700002413
为不确定情况下t时刻配电网线路l上的边界功率；
Figure BDA00037134428700002414
和
Figure BDA00037134428700002415
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；
Figure BDA00037134428700002416
为配电网风电机组w在t时刻的功率预测偏差值；
Figure BDA00037134428700002417
为t时刻配电网节点b的负荷预测偏差值；
Figure BDA00037134428700002418
为不确定情况下t时刻配电网节点b的电压幅值；BDS和
Figure BDA00037134428700002419
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
Figure BDA00037134428700002420
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
Figure BDA00037134428700002421
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：
Figure BDA0003713442870000261
Figure BDA0003713442870000262
式中，
Figure BDA0003713442870000263
和
Figure BDA0003713442870000264
分别为t时刻边界节点d的输电网和配电网边界功率；
Figure BDA0003713442870000265
和
Figure BDA0003713442870000266
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；
Figure BDA0003713442870000267
和
Figure BDA0003713442870000268
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：
Figure BDA0003713442870000271
s.t.
Figure BDA0003713442870000272
Figure BDA0003713442870000273
Figure BDA0003713442870000274
Figure BDA0003713442870000275
Figure BDA0003713442870000276
Figure BDA0003713442870000277
Figure BDA0003713442870000278
Figure BDA0003713442870000279
Figure BDA00037134428700002710
Figure BDA00037134428700002711
Figure BDA00037134428700002712
式中，xTS为输电网第一阶段变量的集合；
Figure BDA0003713442870000281
为输电网发电机组m在t时刻的开关状态；
Figure BDA0003713442870000282
为输电网机组m在t时刻的出力；
Figure BDA0003713442870000283
和
Figure BDA0003713442870000284
为输电网机组m在t时刻的向上和向下备用容量；
Figure BDA0003713442870000285
和
Figure BDA0003713442870000286
为输电网机组m的启动和停机成本；
Figure BDA0003713442870000287
为输电网机组m的发电成本系数；
Figure BDA0003713442870000288
和
Figure BDA0003713442870000289
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；
Figure BDA00037134428700002810
和
Figure BDA00037134428700002811
为输电网机组m的最短开和关时间；
Figure BDA00037134428700002812
和
Figure BDA00037134428700002813
为输电网机组m的初始已开启和关闭时长；
Figure BDA00037134428700002814
和
Figure BDA00037134428700002815
为机组m最短开启和关闭时间的限制参数；
Figure BDA00037134428700002816
和
Figure BDA00037134428700002817
为输电网机组m的出力上下限；
Figure BDA00037134428700002818
和
Figure BDA00037134428700002819
为输电网机组m的向上和向下爬坡率限值；
Figure BDA00037134428700002820
和
Figure BDA00037134428700002821
为输电网机组m的向上和向下备用容量限值；
Figure BDA00037134428700002822
和
Figure BDA00037134428700002823
为节点d的边界功率上下限；
Figure BDA00037134428700002824
为t时刻输电网线路l上的传输功率；
Figure BDA00037134428700002825
为t时刻输电网风电机组w的功率预测值；
Figure BDA00037134428700002826
为t时刻输电网节点b的负荷预测值；
Figure BDA00037134428700002827
为t时刻输电网节点b的相角；
Figure BDA00037134428700002828
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：
Figure BDA00037134428700002829
s.t.
Figure BDA00037134428700002830
Figure BDA0003713442870000291
Figure BDA0003713442870000292
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；
Figure BDA0003713442870000293
和
Figure BDA0003713442870000294
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；
Figure BDA0003713442870000295
和
Figure BDA0003713442870000296
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；
Figure BDA0003713442870000297
和
Figure BDA0003713442870000298
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：
Figure BDA0003713442870000299
s.t.
Figure BDA00037134428700002910
Figure BDA00037134428700002911
Figure BDA00037134428700002912
式中，yTS为输电网第二阶段变量的集合；
Figure BDA00037134428700002913
为t时刻输电网风电机组w的弃风量；
Figure BDA00037134428700002914
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；
Figure BDA00037134428700002915
为不确定情况下输电网机组m在t时刻的出力；
Figure BDA00037134428700002916
为不确定情况下t时刻输电网线路l上的传输功率；
Figure BDA00037134428700002917
为t时刻输电网风电机组w的功率预测偏差值；
Figure BDA00037134428700002918
为t时刻输电网节点b的负荷预测偏差值；
Figure BDA0003713442870000301
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
Figure BDA0003713442870000302
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
Figure BDA0003713442870000303
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
Figure BDA0003713442870000304
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：
Figure BDA0003713442870000305
s.t.
Figure BDA0003713442870000306
Figure BDA0003713442870000307
Figure BDA0003713442870000308
Figure BDA0003713442870000309
Figure BDA0003713442870000311
Figure BDA0003713442870000312
Figure BDA0003713442870000313
Figure BDA0003713442870000314
Figure BDA0003713442870000315
Figure BDA0003713442870000316
Figure BDA0003713442870000317
Figure BDA0003713442870000318
Figure BDA0003713442870000319
Figure BDA00037134428700003110
Figure BDA00037134428700003111
Figure BDA00037134428700003112
Figure BDA00037134428700003113
Figure BDA00037134428700003114
Figure BDA00037134428700003115
Figure BDA00037134428700003116
Figure BDA00037134428700003117
Figure BDA00037134428700003118
Figure BDA00037134428700003119
Figure BDA00037134428700003120
Figure BDA00037134428700003121
xDS为配电网第一阶段变量的集合；
Figure BDA00037134428700003122
为配电网发电机组m在t时刻的开关状态；
Figure BDA0003713442870000321
为配电网机组m在t时刻的出力；
Figure BDA0003713442870000322
和
Figure BDA0003713442870000323
为配电网机组m在t时刻的向上和向下备用容量；
Figure BDA0003713442870000324
和
Figure BDA0003713442870000325
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；
Figure BDA0003713442870000326
和
Figure BDA0003713442870000327
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；
Figure BDA0003713442870000328
和
Figure BDA0003713442870000329
为配电网机组m的启动和停机成本；
Figure BDA00037134428700003210
为配电网机组m的发电成本系数；
Figure BDA00037134428700003211
和
Figure BDA00037134428700003212
为配电网机组m的向上和向下备用成本；
Figure BDA00037134428700003213
和
Figure BDA00037134428700003214
为空调负荷群聚合虚拟储能p的充电和放电成本；
Figure BDA00037134428700003215
和
Figure BDA00037134428700003216
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；
Figure BDA00037134428700003217
和
Figure BDA00037134428700003218
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；
Figure BDA00037134428700003219
和
Figure BDA00037134428700003220
为配电网机组m的出力上下限；
Figure BDA00037134428700003221
和
Figure BDA00037134428700003222
为配电网机组m的向上和向下爬坡率限值；
Figure BDA00037134428700003223
和
Figure BDA00037134428700003224
为配电网机组m的向上和向下备用容量限值；
Figure BDA00037134428700003225
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；
Figure BDA00037134428700003226
和
Figure BDA00037134428700003227
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；
Figure BDA00037134428700003228
和
Figure BDA00037134428700003229
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；
Figure BDA00037134428700003230
和
Figure BDA00037134428700003231
为t时刻配电网线路l上的有功功率和无功功率；
Figure BDA00037134428700003232
为t时刻配电网风电机组w的功率预测值；
Figure BDA00037134428700003233
为t时刻配电网节点b的负荷预测值；
Figure BDA00037134428700003234
为t时刻配电网节点b的电压幅值；rl DS和
Figure BDA00037134428700003235
为配电网线路l的电阻和电抗；Pl DS,max和
Figure BDA00037134428700003236
为配电网线路l上的有功功率和无功功率上限；
Figure BDA00037134428700003237
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
Figure BDA0003713442870000331
和
Figure BDA0003713442870000332
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
Figure BDA0003713442870000333
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。
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：
Figure BDA0003713442870000334
s.t.
Figure BDA0003713442870000335
Figure BDA0003713442870000336
Figure BDA0003713442870000341
Figure BDA0003713442870000342
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；
Figure BDA0003713442870000343
和
Figure BDA0003713442870000344
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；
Figure BDA0003713442870000345
和
Figure BDA0003713442870000346
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：
Figure BDA0003713442870000347
s.t.
Figure BDA0003713442870000348
Figure BDA0003713442870000349
Figure BDA00037134428700003410
Figure BDA00037134428700003411
Figure BDA00037134428700003412
Figure BDA00037134428700003413
Figure BDA00037134428700003414
Figure BDA00037134428700003415
式中，yDS为配电网第二阶段变量的集合；
Figure BDA0003713442870000351
为t时刻配电网风电机组w的弃风量；
Figure BDA0003713442870000352
为t时刻配电网节点b的弃负荷量；
Figure BDA0003713442870000353
为不确定情况下配电网机组m在t时刻的出力；
Figure BDA0003713442870000354
为不确定情况下t时刻配电网线路l上的有功功率；
Figure BDA0003713442870000355
为不确定情况下t时刻配电网线路l上的边界功率；
Figure BDA0003713442870000356
和
Figure BDA0003713442870000357
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；
Figure BDA0003713442870000358
为配电网风电机组w在t时刻的功率预测偏差值；
Figure BDA0003713442870000359
为t时刻配电网节点b的负荷预测偏差值；
Figure BDA00037134428700003510
为不确定情况下t时刻配电网节点b的电压幅值；BDS和
Figure BDA00037134428700003511
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
Figure BDA00037134428700003512
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
Figure BDA00037134428700003513
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：
Figure BDA0003713442870000361
Figure BDA0003713442870000362
式中，
Figure BDA0003713442870000363
为拉格朗日惩罚函数的一次乘子；
Figure BDA0003713442870000364
为拉格朗日惩罚函数的二次乘子，在每次迭代得到边界变量的优化结果之后，可对拉格朗日乘子进行更新；
Figure BDA0003713442870000365
Figure BDA0003713442870000366
Figure BDA0003713442870000367
式中，χ为一个超过1的常数,用于体现收敛性的残差为：
Figure BDA0003713442870000368
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：
S3.1.1：初始化，设置耦合变量的初值
Figure BDA0003713442870000369
拉格朗日乘子初值
Figure BDA00037134428700003610
设置残差限值εRes，迭代次数初始值r＝1；
S3.1.2：while do
S3.1.3：TSO求解输电网的调度模型，得到优化结果
Figure BDA00037134428700003611
S3.1.4：每个DSO求解各自配电网的调度模型，得到优化结果
Figure BDA0003713442870000371
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：
Figure BDA0003713442870000372
s.t.Ax≤c(77)，Hd≤l(78)，
Figure BDA0003713442870000373
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：
Figure BDA0003713442870000374
s.t.Ax≤c(81)，
Figure BDA0003713442870000375
Figure BDA0003713442870000376
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；
Figure BDA0003713442870000377
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：
Figure BDA0003713442870000378
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：
Figure FDA0003713442860000011
Figure FDA0003713442860000012
式中，
Figure FDA0003713442860000013
和
Figure FDA0003713442860000014
分别为t时刻边界节点d的输电网和配电网边界功率；
Figure FDA0003713442860000015
和
Figure FDA0003713442860000016
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；
Figure FDA0003713442860000017
和
Figure FDA0003713442860000018
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：
Figure FDA0003713442860000021
s.t.
Figure FDA0003713442860000022
Figure FDA0003713442860000023
Figure FDA0003713442860000024
Figure FDA0003713442860000025
Figure FDA0003713442860000026
Figure FDA0003713442860000027
Figure FDA0003713442860000028
Figure FDA0003713442860000029
Figure FDA0003713442860000031
Figure FDA0003713442860000032
Figure FDA0003713442860000033
式中，xTS为输电网第一阶段变量的集合；
Figure FDA0003713442860000034
为输电网发电机组m在t时刻的开关状态；
Figure FDA0003713442860000035
为输电网机组m在t时刻的出力；
Figure FDA0003713442860000036
和
Figure FDA0003713442860000037
为输电网机组m在t时刻的向上和向下备用容量；
Figure FDA0003713442860000038
和
Figure FDA0003713442860000039
为输电网机组m的启动和停机成本；
Figure FDA00037134428600000310
为输电网机组m的发电成本系数；
Figure FDA00037134428600000311
和
Figure FDA00037134428600000312
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；
Figure FDA00037134428600000313
和
Figure FDA00037134428600000314
为输电网机组m的最短开和关时间；
Figure FDA00037134428600000315
和
Figure FDA00037134428600000316
为输电网机组m的初始已开启和关闭时长；
Figure FDA00037134428600000317
和
Figure FDA00037134428600000318
为机组m最短开启和关闭时间的限制参数；
Figure FDA00037134428600000319
和
Figure FDA00037134428600000320
为输电网机组m的出力上下限；
Figure FDA00037134428600000321
和
Figure FDA00037134428600000322
为输电网机组m的向上和向下爬坡率限值；
Figure FDA00037134428600000323
和
Figure FDA00037134428600000324
为输电网机组m的向上和向下备用容量限值；
Figure FDA00037134428600000325
和
Figure FDA00037134428600000326
为节点d的边界功率上下限；
Figure FDA00037134428600000327
为t时刻输电网线路l上的传输功率；
Figure FDA00037134428600000328
为t时刻输电网风电机组w的功率预测值；
Figure FDA00037134428600000329
为t时刻输电网节点b的负荷预测值；
Figure FDA00037134428600000330
为t时刻输电网节点b的相角；
Figure FDA00037134428600000331
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：
Figure FDA0003713442860000041
s.t.
Figure FDA0003713442860000042
Figure FDA0003713442860000043
Figure FDA0003713442860000044
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；
Figure FDA0003713442860000045
和
Figure FDA0003713442860000046
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；
Figure FDA0003713442860000047
和
Figure FDA0003713442860000048
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；
Figure FDA0003713442860000049
和
Figure FDA00037134428600000410
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：
Figure FDA00037134428600000411
s.t.
Figure FDA00037134428600000412
，
Figure FDA00037134428600000413
Figure FDA0003713442860000051
式中，yTS为输电网第二阶段变量的集合；
Figure FDA0003713442860000052
为t时刻输电网风电机组w的弃风量；
Figure FDA0003713442860000053
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；
Figure FDA0003713442860000054
为不确定情况下输电网机组m在t时刻的出力；
Figure FDA0003713442860000055
为不确定情况下t时刻输电网线路l上的传输功率；
Figure FDA0003713442860000056
为t时刻输电网风电机组w的功率预测偏差值；
Figure FDA0003713442860000057
为t时刻输电网节点b的负荷预测偏差值；
Figure FDA0003713442860000058
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
Figure FDA0003713442860000059
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
Figure FDA00037134428600000510
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
Figure FDA00037134428600000511
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：
Figure FDA0003713442860000061
s.t.
Figure FDA0003713442860000062
Figure FDA0003713442860000063
Figure FDA0003713442860000064
Figure FDA0003713442860000065
Figure FDA0003713442860000066
Figure FDA0003713442860000067
Figure FDA0003713442860000068
Figure FDA0003713442860000069
Figure FDA00037134428600000610
Figure FDA00037134428600000611
Figure FDA00037134428600000612
Figure FDA00037134428600000613
Figure FDA00037134428600000614
Figure FDA00037134428600000615
Figure FDA00037134428600000616
Figure FDA00037134428600000617
Figure FDA00037134428600000618
Figure FDA0003713442860000071
Figure FDA0003713442860000072
Figure FDA0003713442860000073
Figure FDA0003713442860000074
Figure FDA0003713442860000075
Figure FDA0003713442860000076
Figure FDA0003713442860000077
Figure FDA0003713442860000078
xDS为配电网第一阶段变量的集合；
Figure FDA0003713442860000079
为配电网发电机组m在t时刻的开关状态；
Figure FDA00037134428600000710
为配电网机组m在t时刻的出力；
Figure FDA00037134428600000711
和
Figure FDA00037134428600000712
为配电网机组m在t时刻的向上和向下备用容量；
Figure FDA00037134428600000713
和
Figure FDA00037134428600000714
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；
Figure FDA00037134428600000715
和
Figure FDA00037134428600000716
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；
Figure FDA00037134428600000717
和
Figure FDA00037134428600000718
为配电网机组m的启动和停机成本；
Figure FDA00037134428600000719
为配电网机组m的发电成本系数；
Figure FDA00037134428600000720
和
Figure FDA00037134428600000721
为配电网机组m的向上和向下备用成本；
Figure FDA00037134428600000722
和
Figure FDA00037134428600000723
为空调负荷群聚合虚拟储能p的充电和放电成本；
Figure FDA00037134428600000724
和
Figure FDA00037134428600000725
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；
Figure FDA00037134428600000726
和
Figure FDA00037134428600000727
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；
Figure FDA00037134428600000728
和
Figure FDA00037134428600000729
为配电网机组m的出力上下限；
Figure FDA00037134428600000730
和
Figure FDA00037134428600000731
为配电网机组m的向上和向下爬坡率限值；
Figure FDA00037134428600000732
和
Figure FDA00037134428600000733
为配电网机组m的向上和向下备用容量限值；
Figure FDA00037134428600000734
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；
Figure FDA00037134428600000735
和
Figure FDA00037134428600000736
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；
Figure FDA00037134428600000737
和
Figure FDA00037134428600000738
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；
Figure FDA0003713442860000081
和
Figure FDA0003713442860000082
为t时刻配电网线路l上的有功功率和无功功率；
Figure FDA0003713442860000083
为t时刻配电网风电机组w的功率预测值；
Figure FDA0003713442860000084
为t时刻配电网节点b的负荷预测值；
Figure FDA0003713442860000085
为t时刻配电网节点b的电压幅值；rl DS和
Figure FDA0003713442860000086
为配电网线路l的电阻和电抗；Pl DS,max和
Figure FDA0003713442860000087
为配电网线路l上的有功功率和无功功率上限；
Figure FDA0003713442860000088
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
Figure FDA0003713442860000089
和
Figure FDA00037134428600000810
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
Figure FDA00037134428600000811
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：
Figure FDA0003713442860000091
s.t.
Figure FDA0003713442860000092
Figure FDA0003713442860000093
Figure FDA0003713442860000094
Figure FDA0003713442860000095
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；
Figure FDA0003713442860000096
和
Figure FDA0003713442860000097
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；
Figure FDA0003713442860000098
和
Figure FDA0003713442860000099
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。
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：
Figure FDA0003713442860000101
s.t.
Figure FDA0003713442860000102
Figure FDA0003713442860000103
Figure FDA0003713442860000104
Figure FDA0003713442860000105
Figure FDA0003713442860000106
Figure FDA0003713442860000107
Figure FDA0003713442860000108
Figure FDA0003713442860000109
式中，yDS为配电网第二阶段变量的集合；
Figure FDA00037134428600001010
为t时刻配电网风电机组w的弃风量；
Figure FDA00037134428600001011
为t时刻配电网节点b的弃负荷量；
Figure FDA00037134428600001012
为不确定情况下配电网机组m在t时刻的出力；
Figure FDA00037134428600001013
为不确定情况下t时刻配电网线路l上的有功功率；
Figure FDA00037134428600001014
为不确定情况下t时刻配电网线路l上的边界功率；
Figure FDA00037134428600001015
和
Figure FDA00037134428600001016
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；
Figure FDA00037134428600001017
为配电网风电机组w在t时刻的功率预测偏差值；
Figure FDA00037134428600001018
为t时刻配电网节点b的负荷预测偏差值；
Figure FDA00037134428600001019
为不确定情况下t时刻配电网节点b的电压幅值；BDS和
Figure FDA00037134428600001020
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
Figure FDA00037134428600001021
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
Figure FDA00037134428600001022
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。
8.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：
Figure FDA0003713442860000111
Figure FDA0003713442860000112
式中，
Figure FDA0003713442860000113
为拉格朗日惩罚函数的一次乘子；
Figure FDA0003713442860000121
为拉格朗日惩罚函数的二次乘子，在每次迭代得到边界变量的优化结果之后，可对拉格朗日乘子进行更新；
Figure FDA0003713442860000122
Figure FDA0003713442860000123
Figure FDA0003713442860000124
式中，χ为一个超过1的常数,用于体现收敛性的残差为：
Figure FDA0003713442860000125
9.如权利要求8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S3.1中基于ATC算法的分布式优化过程包括以下步骤：
S3.1.1：初始化，设置耦合变量的初值
Figure FDA0003713442860000126
拉格朗日乘子初值
Figure FDA0003713442860000127
设置残差限值εRes，迭代次数初始值r＝1；
S3.1.2：whiledo
S3.1.3：TSO求解输电网的调度模型，得到优化结果
Figure FDA0003713442860000128
S3.1.4：每个DSO求解各自配电网的调度模型，得到优化结果
Figure FDA0003713442860000129
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。
10.如权利要求8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：
Figure FDA00037134428600001210
s.t.
Ax≤c(77)，Hd≤l(78)，
Figure FDA0003713442860000131
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：
Figure FDA0003713442860000132
s.t.Ax≤c(81)，η≥bTyq,
Figure FDA0003713442860000133
Byq≤e,
Figure FDA0003713442860000134
Cx+Fyq≤f,
Figure FDA0003713442860000135
Figure FDA0003713442860000136
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；
Figure FDA0003713442860000137
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：
Figure FDA0003713442860000138
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。
CN202210730997.0A 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 Pending CN115130745A (zh)

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)

* Cited by examiner, † Cited by third party
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

Cited By (4)

* Cited by examiner, † Cited by third party
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