CN115187316B - 一种适应现货市场交易的风储微电网分布式交易方法 - Google Patents
一种适应现货市场交易的风储微电网分布式交易方法 Download PDFInfo
- Publication number
- CN115187316B CN115187316B CN202211113178.8A CN202211113178A CN115187316B CN 115187316 B CN115187316 B CN 115187316B CN 202211113178 A CN202211113178 A CN 202211113178A CN 115187316 B CN115187316 B CN 115187316B
- Authority
- CN
- China
- Prior art keywords
- microgrid
- power
- distribution network
- power distribution
- micro
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 31
- 230000003190 augmentative effect Effects 0.000 claims abstract description 14
- 230000008878 coupling Effects 0.000 claims abstract description 11
- 238000010168 coupling process Methods 0.000 claims abstract description 11
- 238000005859 coupling reaction Methods 0.000 claims abstract description 11
- 230000007246 mechanism Effects 0.000 claims abstract description 5
- 230000002040 relaxant effect Effects 0.000 claims abstract description 5
- 150000001875 compounds Chemical class 0.000 claims description 46
- 238000004146 energy storage Methods 0.000 claims description 33
- 230000009471 action Effects 0.000 claims description 21
- 230000005611 electricity Effects 0.000 claims description 20
- 230000003993 interaction Effects 0.000 claims description 17
- 238000010248 power generation Methods 0.000 claims description 13
- 238000007599 discharging Methods 0.000 claims description 12
- 230000009977 dual effect Effects 0.000 claims description 9
- 230000005855 radiation Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims 8
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims 1
- 229910052739 hydrogen Inorganic materials 0.000 claims 1
- 239000001257 hydrogen Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012795 verification Methods 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Power Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Geometry (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种适应现货市场交易的风储微电网分布式交易方法,包括以下步骤:建立配电网多时段动态重构模型;在考虑风电不确定性的基础上,建立多微网P2P能源交易模型;基于增广拉格朗日罚函数法分别松弛多微网之间的耦合约束以及多微网与配电网之间的耦合约束,将原始双层优化问题分解为多个子问题,得到双层优化模型,以实现上层配电网重构和下层多微网P2P能源交易决策一致性;在ADMM算法的基础上,引入并行求解机制,得到嵌入式并行ADMM算法,在保护个体隐私的情况下以最小信息开销迭代求解配电网最优重构方案及多微网最优交易策略。本发明不仅提高了交易方案的可实施性,而且增强了微网的自主性和交互性。
Description
技术领域
本发明涉及电力系统优化调度领域,尤其涉及一种适应现货市场交易的风储微电网分布式交易方法。
背景技术
微网传统的单一运行模式忽略了微网间的互联互济,无法为上级电网安全稳定运行提供支撑。因此,将局部区域内邻近微网组成互联多微网系统,一方面能够提高电力系统运行稳定性和可靠性,另一方面可以缓解分布式发电与需求不匹配等问题,实现发电资源优势互补,降低互联系统总运营成本。可再生能源的随机性使得多微网运营和交易过程大大复杂化。此外,随着微网在配网侧的接入,如何在满足配电网潮流约束的基础上响应多微网短期交易诉求成为关键问题。然而,多微网P2P能源交易会对配电网运行造成影响,这反过来不可避免会影响多微网能源交易过程。因此,为了降低优化过程的复杂性,现有的多微网P2P交易优化方法大多假设可再生能源出力是固定的,同时将配电网模型进行简化,忽略配电网潮流约束,这无疑会降低求解方案的可实施性。此外,常规验证性潮流模型中固定的网络拓扑导致多微网交易方案受到配电网调度需求影响,降低了微网的自主性和交互性。
发明内容
本发明的目的是克服现有技术中存在的可实施性差、微网的自主性和交互性差的缺陷与问题,提供一种可实施性好、微网的自主性和交互性好的适应现货市场交易的风储微电网分布式交易方法。
为实现以上目的,本发明的技术解决方案是:一种适应现货市场交易的风储微电网分布式交易方法,该方法包括以下步骤:
S1、建立配电网多时段动态重构模型,该模型以最小化网络损耗成本、支路开关动作成本和最大化过网费收益为配电网目标函数,以Distflow潮流约束、配电网辐射结构约束、开关动作次数约束、安全运行约束、系统运行约束为配电网约束条件;
S2、在考虑风电不确定性的基础上,建立多微网P2P能源交易模型,该模型以微型燃气轮机运行成本、储能设施折旧成本、与相邻微网P2P能源交易成本、与配电网功率交互成本之和期望最小为微网目标函数,以微型燃气轮机运行约束、储能设施运行约束、风电出力约束、能源交易约束、功率平衡约束为微网约束条件;
S3、基于增广拉格朗日罚函数法分别松弛多微网之间的耦合约束以及多微网与配电网之间的耦合约束,将原始双层优化问题分解为多个子问题,得到双层优化模型,以实现上层配电网重构和下层多微网P2P能源交易决策一致性;
S4、在ADMM算法的基础上,引入并行求解机制,得到嵌入式并行ADMM算法;基于嵌入式并行ADMM算法,在保护个体隐私的情况下以最小信息开销迭代求解配电网最优重构方案及多微网最优交易策略。
式中,为配电网节点和节点之间的支路,为配电网支路集合,为配电网节点集合,为时刻集合,为与配电网节点相连的微网,为与配电网节点相连的微网集合,为配电网网络损耗成本系数,为
支路的电阻,为时刻流经支路的电流,为支路开关动作一次的成本系数,为时刻相对上一时刻支路开关动作次数,为过网费单位价格,为配电网与微
网通过节点在时刻的总交互功率。
步骤S1中,Distflow潮流约束为:
式中,为节点的子节点,为节点的子节点集合,和分别为时刻支
路发送端有功功率和无功功率,和分别为时刻支路发送端有功功率和无功
功率,和分别为时刻节点注入的有功功率和无功功率,为支路的电抗;
为布尔变量,表示时刻支路的开关状态,表示时刻支路开关闭合,表示时刻支路开关打开;为辅助变量,为足够大的正数,和分别为时刻节点与节点的电压幅值;
配电网辐射结构约束为:
开关动作次数约束为:
安全运行约束为:
系统运行约束为:
式中,为风电出力场景,为微网内部风电出力场景集合,为场景对应的概
率,为微网内微型燃气轮机发电成本,为微网内储能设施发电折旧成本,为微
网与相邻微网P2P交易成本,为微网从配电网购电成本或向配电网售电所得收益,
为微网传递能源交易所需过网费;
式中,为微网内部微型燃气轮机发电系数,为微网内部微型燃气轮机在
场景下时刻的发电功率,为微网内部储能设施充放电损耗成本系数,和分
别为微网内部储能设施在场景下时刻的充电功率和放电功率,为微网和微网之
间P2P能源交易价格;为微网和微网在时刻的P2P能源交易量,表示微网
在时刻从微网购电,表示微网在时刻向微网售电;和分别为微网
从配电网购电价格和向配电网售电价格,和分别为微网在时刻从配电网购电量
和向配电网售电量,为微网在时刻总功率交易量。
步骤S2中,微型燃气轮机运行约束为:
储能设施运行约束为:
式中,为微网内部储能设施在场景下时刻的储能等级,和分别为
微网内部储能设施充电效率和放电效率,为时间间隔,和分别为微网内部储能
设施充电功率和放电功率的最大值,和分别为微网内部储能设施容量的下限和上
限;
风电出力约束为:
能源交易约束为:
功率平衡约束为:
式中,为内循环ADMM迭代次数,即多微网之间ADMM迭代次数;为外循环迭代次
数,即多微网与配电网之间ADMM迭代次数;和分别为内循环ADMM第次迭代时
微网和微网在时刻的功率交互,和分别为内循环和外循环的拉格朗日乘
子,和分别为内循环和外循环的二次项罚函数,为外循环ADMM第次迭代
时配电网在时刻的节点流出功率,为外循环ADMM第次迭代时微网在时刻的总交
互功率,为二范数的平方。
步骤S4中,引入中间变量彻底分离配电网和多微网间的一致性约束:
扩展对偶变量,将增广拉格朗日函数线性项和二次项以下述形式组合在一起:
步骤S4中,基于嵌入式并行ADMM算法求解双层优化问题,判断是否满足收敛条件,具体流程如下:
a、数据下载:
读入配电网节点负载、网络拓扑;多微网内部分布式发电机组参数、负载需求以及风力预测数据;
b、初始化:
c、外循环优化问题求解:
d、内循环优化问题求解:
e、内循环判敛:
多微网相互传递期望交易功率,若收敛条件满足下式,则内循环停止迭代,否则,继续执行步骤f;
f、内循环信息更新:
g、外循环判敛:
若收敛条件满足下式,则外循环停止迭代,否则,继续执行步骤h;
h、外循环信息更新:
与现有技术相比,本发明的有益效果为:
本发明一种适应现货市场交易的风储微电网分布式交易方法中,首先,提出了一种双层分布式交易架构,上层实现了配电网最优拓扑规划,下层降低了不确定性对多微网交易的影响;其次,提出的交易模型能够保证多微网与配电网之间的买卖电,多微网之间P2P的能源交易全部通过配电网传输并且满足交流潮流约束,符合实际场景;再次,通过嵌入式并行ADMM算法,即多微网与配电网之间分布式交易以及多微网之间的分布式交易,增强了微网的自主性以及微网之间的交互性;最后,这种双层分布式交易框架能够在上层保证配电系统安全运行、最小化网损,下层考虑风电不确定性的情况下给出多微网之间准确的能源交易量,增强交易模型与实际应用的契合度,从而提高所得交易方案的可实施性。
附图说明
图1是本发明一种适应现货市场交易的风储微电网分布式交易方法的流程图。
图2是本发明中嵌入式并行ADMM算法的流程图。
图3是本发明的实施例中带有三微网的IEEE33节点配电网网络结构拓扑图。
图4是本发明的实施例中各微网负载曲线图。
图5是本发明的实施例中微网1风电随机场景曲线图。
图6是本发明的实施例中微网2风电随机场景曲线图。
图7是本发明的实施例中微网3风电随机场景曲线图。
图8是本发明的实施例中各微网P2P能源交易曲线图。
图9是本发明的实施例中配电网支路开关动态变化图。
图10是本发明的实施例中内循环误差演变图。
图11是本发明的实施例中外循环误差演变图。
具体实施方式
以下结合附图说明和具体实施方式对本发明作进一步详细的说明。
参见图1、图3,一种适应现货市场交易的风储微电网分布式交易方法,该方法包括以下步骤:
S1、建立配电网多时段动态重构模型,该模型以最小化网络损耗成本、支路开关动作成本和最大化过网费收益为配电网目标函数,以Distflow潮流约束、配电网辐射结构约束、开关动作次数约束、安全运行约束、系统运行约束为配电网约束条件;
式中,为配电网节点和节点之间的支路,为配电网支路集合,为配电网节点集合,为时刻集合,为与配电网节点相连的微网,为与配电网节点相连的微网集合,为配电网网络损耗成本系数,为
支路的电阻,为时刻流经支路的电流,为支路开关动作一次的成本系数,为时刻相对上一时刻支路开关动作次数,为过网费单位价格,为配电网与微
网通过节点在时刻的总交互功率;
Distflow潮流约束为:
式中,为节点的子节点,为节点的子节点集合,和分别为时刻支
路发送端有功功率和无功功率,和分别为时刻支路发送端有功功率和无功
功率,和分别为时刻节点注入的有功功率和无功功率,为支路的电抗;
为布尔变量,表示时刻支路的开关状态,表示时刻支路开关闭合,表示时刻支路开关打开;为辅助变量,为足够大的正数,和分别为时刻节点与节点的电压幅值;
配电网辐射结构约束为:
开关动作次数约束为:
安全运行约束为:
系统运行约束为:
S2、在考虑风电不确定性的基础上,建立多微网P2P能源交易模型,该模型以微型燃气轮机运行成本、储能设施折旧成本、与相邻微网P2P能源交易成本、与配电网功率交互成本之和期望最小为微网目标函数,以微型燃气轮机运行约束、储能设施运行约束、风电出力约束、能源交易约束、功率平衡约束为微网约束条件;
式中,为风电出力场景,为微网内部风电出力场景集合,为场景对应的概
率,为微网内微型燃气轮机发电成本,为微网内储能设施发电折旧成本,为微
网与相邻微网P2P交易成本,为微网从配电网购电成本或向配电网售电所得收益,
为微网传递能源交易所需过网费;
式中,为微网内部微型燃气轮机发电系数,;为微网内
部微型燃气轮机在场景下时刻的发电功率;为微网内部储能设施充放电损耗成本系
数,;和分别为微网内部储能设施在场景下时刻的充电功率和
放电功率,为微网和微网之间P2P能源交易价格;为微网和微网在时刻的
P2P能源交易量,表示微网在时刻从微网购电,表示微网在时刻向微
网售电;和分别为微网从配电网购电价格和向配电网售电价格,和分别
为微网在时刻从配电网购电量和向配电网售电量,为微网在时刻总功率交易量;
微型燃气轮机运行约束为:
储能设施运行约束为:
式中,为微网内部储能设施在场景下时刻的储能等级;和分别为
微网内部储能设施充电效率和放电效率,,;为时间间隔;和
分别为微网内部储能设施充电功率和放电功率的最大值,,;和分别为微网内部储能设施容量的下限和上限,,;
风电出力约束为:
能源交易约束为:
功率平衡约束为:
S3、基于增广拉格朗日罚函数法分别松弛多微网之间的耦合约束()
以及多微网与配电网之间的耦合约束(),将原始双层优化问题分解为多个规模
较小变量较少的子问题,得到双层优化模型,以实现上层配电网重构和下层多微网P2P能源
交易决策一致性;
式中,为内循环ADMM迭代次数,即多微网之间ADMM迭代次数;为外循环迭代次
数,即多微网与配电网之间ADMM迭代次数;和分别为内循环ADMM第次迭代时
微网和微网在时刻的功率交互,和分别为内循环和外循环的拉格朗日乘
子,和分别为内循环和外循环的二次项罚函数,为外循环ADMM第次迭代
时配电网在时刻的节点流出功率,为外循环ADMM第次迭代时微网在时刻的总交
互功率,为二范数的平方;
S4、在ADMM算法的基础上,引入并行求解机制,得到嵌入式并行ADMM算法,以实现上下层高效并行求解;基于嵌入式并行ADMM算法,在保护个体隐私的情况下以最小信息开销迭代求解配电网最优重构方案及多微网最优交易策略;
引入中间变量彻底分离配电网和多微网间的一致性约束:
扩展对偶变量,将增广拉格朗日函数线性项和二次项以下述形式组合在一起:
参见图2,基于嵌入式并行ADMM算法求解双层优化问题,判断是否满足收敛条件,具体流程如下:
a、数据下载:
读入配电网节点负载、网络拓扑;多微网内部分布式发电机组参数、负载需求以及风力预测数据;
b、初始化:
c、外循环优化问题求解:
d、内循环优化问题求解:
e、内循环判敛:
多微网相互传递期望交易功率,若收敛条件满足下式,则内循环停止迭代,否则,继续执行步骤f;
f、内循环信息更新:
g、外循环判敛:
若收敛条件满足下式,则外循环停止迭代,否则,继续执行步骤h;
h、外循环信息更新:
内循环误差演变如图10所示,外循环误差演变如图11所示。
根据配电网与多微网交互关系,搭建双层能源交易模型;在上层,将传统配电网验证性最优潮流模型转化为以用户为中心和以交易为导向的动态网络重构模型;在下层,风力发电的不确定性被整合到微网运行模型中,并通过随机规划方法解决;基于增广拉格朗日罚函数法分别松弛多微网之间以及多维网与配电网之间的耦合变量,建立所有实体之间的全局分布式交易机制,实现上层配电网重构和下层多微网P2P交易决策一致性;利用并行ADMM算法,在保护个体隐私的情况下以最小信息开销迭代求解配电网最优重构方案及多微网最优交易策略。
在多微网运营交易研究中增强交易模型与实际应用的契合程度,充分考虑可再生能源的随机性及多微网与配电网之间的相互作用,对于电力系统建设具有重要意义。此外,在确保多微网自主性和隐私性的前提下,求解能够满足配电网潮流约束并免疫可再生能源的不确定性的多微网最优交易方案,具有重要的现实意义。
Claims (8)
1.一种适应现货市场交易的风储微电网分布式交易方法,其特征在于,该方法包括以下步骤:
S1、建立配电网多时段动态重构模型,该模型以最小化网络损耗成本、支路开关动作成本和最大化过网费收益为配电网目标函数,以Distflow潮流约束、配电网辐射结构约束、开关动作次数约束、安全运行约束、系统运行约束为配电网约束条件;
S2、在考虑风电不确定性的基础上,建立多微网P2P能源交易模型,该模型以微型燃气轮机运行成本、储能设施折旧成本、相邻微网P2P能源交易成本、配电网功率交互成本之和期望最小为微网目标函数,以微型燃气轮机运行约束、储能设施运行约束、风电出力约束、能源交易约束、功率平衡约束为微网约束条件;
S3、基于增广拉格朗日罚函数法分别松弛多微网之间的耦合约束以及多微网与配电网之间的耦合约束,将原始双层优化问题分解为多个子问题,得到双层优化模型,以实现上层配电网重构和下层多微网P2P能源交易决策一致性;
S4、在ADMM算法的基础上,引入并行求解机制,得到嵌入式并行ADMM算法;基于嵌入式并行ADMM算法,在保护个体隐私的情况下以最小信息开销迭代求解配电网最优重构方案及多微网最优交易策略。
2.根据权利要求1所述的一种适应现货市场交易的风储微电网分布式交易方法,其特征在于:
步骤S1中,所述配电网目标函数Fdn为:
min Fdn=(C1s+Csw-Cus)
式中,C1s为配电网网络损耗成本,Csw为支路开关动作成本,Cus为配电系统运营商向微网收取的过网费;
3.根据权利要求2所述的一种适应现货市场交易的风储微电网分布式交易方法,其特征在于:
步骤S1中,Distflow潮流约束为:
ζmn=(1-Zmn)M
式中,c为节点n的子节点,Cn为节点n的子节点集合,Pnc,t和Qnc,t分别为t时刻支路nc发送端有功功率和无功功率,Pmn,t和Qmn,t分别为t时刻支路mn发送端有功功率和无功功率,Pn,t和qn,t分别为t时刻节点n注入的有功功率和无功功率,xmn为支路mn的电抗;Zmn,t为布尔变量,Zmn,t表示t时刻支路mn的开关状态,Zmn,t=1表示t时刻支路mn开关闭合,Zmn,t=0表示t时刻支路mn开关打开;ζmn为辅助变量,M为足够大的正数,vm,t和vn,t分别为t时刻节点m与节点n的电压幅值;
配电网辐射结构约束为:
式中,Zmn,t为布尔变量,表示t时刻支路mn的开关状态,Zmn,t=1表示t时刻支路开关闭合,Zmn,t=0表示t时刻支路开关打开;Nr为配电网中的根节点数;
开关动作次数约束为:
ΔZmn,t=|Zmn,t-Zmn,t-1|
安全运行约束为:
系统运行约束为:
4.根据权利要求3所述的一种适应现货市场交易的风储微电网分布式交易方法,其特征在于:
式中,s为风电出力场景,Ωj为微网i内部风电出力场景集合,πs为场景s对应的概率,为微网i内微型燃气轮机发电成本,为微网i内储能设施发电折旧成本,为微网i与相邻微网P2P交易成本,为微网i从配电网购电成本或向配电网售电所得收益,为微网i传递能源交易所需过网费;
5.根据权利要求4所述的一种适应现货市场交易的风储微电网分布式交易方法,其特征在于:
步骤S2中,微型燃气轮机运行约束为:
储能设施运行约束为:
式中,ESs,i,t为微网i内部储能设施在场景s下t时刻的储能等级,和分别为微网i内部储能设施充电效率和放电效率,Δt为时间间隔,和分别为微网i内部储能设施充电功率和放电功率的最大值,ES i和分别为微网i内部储能设施容量的下限和上限;
风电出力约束为:
能源交易约束为:
功率平衡约束为:
8.根据权利要求7所述的一种适应现货市场交易的风储微电网分布式交易方法,其特征在于:
步骤S4中,基于嵌入式并行ADMM算法求解双层优化问题,判断是否满足收敛条件,具体流程如下:
a、数据下载:
读入配电网节点负载、网络拓扑;多微网内部分布式发电机组参数、负载需求以及风力预测数据;
b、初始化:
c、外循环优化问题求解:
d、内循环优化问题求解:
e、内循环判敛:
多微网相互传递期望交易功率,若收敛条件满足下式,则内循环停止迭代,否则,继续执行步骤f;
f、内循环信息更新:
令k=k+1,根据下式更新内循环增广拉格朗日乘子以及二次项罚函数,返回步骤d;
式中,τmg为罚函数更新步长;
g、外循环判敛:
若收敛条件满足下式,则外循环停止迭代,否则,继续执行步骤h;
h、外循环信息更新:
令z=z+1,根据下式更新对偶扩展变量,返回步骤b,直到满足外循环收敛条件;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211113178.8A CN115187316B (zh) | 2022-09-14 | 2022-09-14 | 一种适应现货市场交易的风储微电网分布式交易方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211113178.8A CN115187316B (zh) | 2022-09-14 | 2022-09-14 | 一种适应现货市场交易的风储微电网分布式交易方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115187316A CN115187316A (zh) | 2022-10-14 |
CN115187316B true CN115187316B (zh) | 2022-11-29 |
Family
ID=83524696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211113178.8A Active CN115187316B (zh) | 2022-09-14 | 2022-09-14 | 一种适应现货市场交易的风储微电网分布式交易方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115187316B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116416027B (zh) * | 2023-03-10 | 2023-11-10 | 苏州科技大学 | 微电网能源交易方法和系统 |
CN116316915B (zh) * | 2023-05-12 | 2023-08-08 | 武汉中元华电科技股份有限公司 | 计及功率预测误差的风电场有功出力优化控制方法及装置 |
CN116562864B (zh) * | 2023-07-11 | 2023-09-15 | 国网湖北省电力有限公司经济技术研究院 | 一种直流微电网互联系统的电力点对点交易方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107546743A (zh) * | 2017-08-17 | 2018-01-05 | 国网山东省电力公司电力科学研究院 | 一种辐射状配电网分布式优化潮流方法 |
EP3493344A1 (en) * | 2017-12-01 | 2019-06-05 | Telefonica Innovacion Alpha S.L | Method, system and computer programs for scheduling energy transfer in a distributed peer-to-peer energy network |
CN109980685A (zh) * | 2019-04-02 | 2019-07-05 | 东南大学 | 一种考虑不确定性的主动配电网分布式优化运行方法 |
CN112381263A (zh) * | 2020-09-23 | 2021-02-19 | 四川大学 | 基于区块链分布式数据存储多微网日前鲁棒电能交易方法 |
CN113363964A (zh) * | 2021-05-26 | 2021-09-07 | 国网天津市电力公司 | 考虑重要负荷供电的配电网分布式储能规划方法及装置 |
CN114092243A (zh) * | 2021-11-15 | 2022-02-25 | 东南大学 | 基于配网节点不确定性边际电价的两阶段p2p交易方法 |
CN114123213A (zh) * | 2022-01-24 | 2022-03-01 | 武汉大学 | 一种电网的时空功率均衡方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11804717B2 (en) * | 2017-05-05 | 2023-10-31 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and methods for coordinating distributed energy storage |
CN108734350A (zh) * | 2018-05-17 | 2018-11-02 | 燕山大学 | 一种含微电网的配电网独立与联合调度的求解方法 |
CN112952908B (zh) * | 2021-03-29 | 2024-02-02 | 四川大学 | 一种多合作微电网主体分布式协调交易方法 |
CN113538061A (zh) * | 2021-07-28 | 2021-10-22 | 上海电机学院 | 一种多微电网能量管理系统 |
-
2022
- 2022-09-14 CN CN202211113178.8A patent/CN115187316B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107546743A (zh) * | 2017-08-17 | 2018-01-05 | 国网山东省电力公司电力科学研究院 | 一种辐射状配电网分布式优化潮流方法 |
EP3493344A1 (en) * | 2017-12-01 | 2019-06-05 | Telefonica Innovacion Alpha S.L | Method, system and computer programs for scheduling energy transfer in a distributed peer-to-peer energy network |
CN109980685A (zh) * | 2019-04-02 | 2019-07-05 | 东南大学 | 一种考虑不确定性的主动配电网分布式优化运行方法 |
CN112381263A (zh) * | 2020-09-23 | 2021-02-19 | 四川大学 | 基于区块链分布式数据存储多微网日前鲁棒电能交易方法 |
CN113363964A (zh) * | 2021-05-26 | 2021-09-07 | 国网天津市电力公司 | 考虑重要负荷供电的配电网分布式储能规划方法及装置 |
CN114092243A (zh) * | 2021-11-15 | 2022-02-25 | 东南大学 | 基于配网节点不确定性边际电价的两阶段p2p交易方法 |
CN114123213A (zh) * | 2022-01-24 | 2022-03-01 | 武汉大学 | 一种电网的时空功率均衡方法及系统 |
Non-Patent Citations (2)
Title |
---|
可交易能源框架下的微网群动态电能交易策略;练小林等;《电力建设》;20200601(第06期);第18-27页 * |
适应分布式发电交易的分散式电力市场探讨;肖谦等;《电力系统自动化》;20191113(第01期);第208-218页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115187316A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115187316B (zh) | 一种适应现货市场交易的风储微电网分布式交易方法 | |
Mansouri et al. | A sustainable framework for multi-microgrids energy management in automated distribution network by considering smart homes and high penetration of renewable energy resources | |
Ma et al. | Optimal sizing and operations of shared energy storage systems in distribution networks: A bi-level programming approach | |
CN103997062B (zh) | 一种微网能量管理控制方法 | |
Zhou et al. | Optimal operation of regional microgrids with renewable and energy storage: Solution robustness and nonanticipativity against uncertainties | |
CN110690702B (zh) | 一种考虑综合承载力的主动配电网优化调度及运行方法 | |
Kunya et al. | Review of economic dispatch in multi-area power system: State-of-the-art and future prospective | |
CN107546743A (zh) | 一种辐射状配电网分布式优化潮流方法 | |
CN113471976B (zh) | 基于多能互补微电网与主动配电网的优化调度方法 | |
Wu et al. | Application conditions of bounded rationality and a microgrid energy management control strategy combining real-time power price and demand-side response | |
Aguila‐Leon et al. | A multimicrogrid energy management model implementing an evolutionary game‐theoretic approach | |
Xu et al. | A multi-time scale tie-line energy and reserve allocation model considering wind power uncertainties for multi-area systems | |
Kaysal et al. | Hierarchical energy management system with multiple operation modes for hybrid DC microgrid | |
CN114970986A (zh) | 一种基于纳什均衡的分布式电源及储能的协同规划方法 | |
Mao et al. | Operation optimization for multi-microgrids based on centralized-decentralized hybrid hierarchical energy management | |
Mao et al. | Accommodating discharging power with consideration of both EVs and ESs as commodity based on a two-level genetic algorithm | |
Zhou et al. | Correlated deep q-learning based microgrid energy management | |
CN113988567B (zh) | 一种储能共享控制方法及其控制系统 | |
Rouzbahani et al. | Optimizing resource swap functionality in ioe-based grids using approximate reasoning reward-based adjustable deep double q-learning | |
CN112952806B (zh) | 一种计及负荷不确定性的微电网群多阶段优化规划方法 | |
Li et al. | Risk-Based Reserve Scheduling for Active Distribution Networks Based on an Improved Proximal Policy Optimization Algorithm | |
CN115496256A (zh) | 一种基于神经网络预测的共享储能容量优化方法 | |
Al-Haddad et al. | Particle Swarm Optimization–Model Predictive Control for Microgrid Energy Management | |
Ansari | Real-Time Congestion Management in Modern Distribution Systems | |
Chai et al. | Multi-stage Robust Optimal Planning of Microgrid Clusters in the Environment of Distribution-side Electricity Market |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |