CN115204747A - 一种新能源厂网交互分层优化调度方法 - Google Patents

一种新能源厂网交互分层优化调度方法 Download PDF

Info

Publication number
CN115204747A
CN115204747A CN202211004209.6A CN202211004209A CN115204747A CN 115204747 A CN115204747 A CN 115204747A CN 202211004209 A CN202211004209 A CN 202211004209A CN 115204747 A CN115204747 A CN 115204747A
Authority
CN
China
Prior art keywords
power supply
power
supply unit
new energy
sub
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.)
Granted
Application number
CN202211004209.6A
Other languages
English (en)
Other versions
CN115204747B (zh
Inventor
孔伯骏
朱健
王升波
朱金鑫
詹昕
陈艳
范永璞
袁爱俭
金丽莉
徐云清
黄�俊
徐星旻
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.)
Yangzhou Power Supply Branch Of State Grid Jiangsu Electric Power Co ltd
State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Yangzhou Power Supply Branch Of State Grid Jiangsu Electric Power Co ltd
State Grid Jiangsu 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 Yangzhou Power Supply Branch Of State Grid Jiangsu Electric Power Co ltd, State Grid Jiangsu Electric Power Co Ltd filed Critical Yangzhou Power Supply Branch Of State Grid Jiangsu Electric Power Co ltd
Priority to CN202211004209.6A priority Critical patent/CN115204747B/zh
Publication of CN115204747A publication Critical patent/CN115204747A/zh
Application granted granted Critical
Publication of CN115204747B publication Critical patent/CN115204747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/50—Controlling the sharing of the out-of-phase component
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种新能源厂网交互分层优化调度方法，包括以下步骤：(1)获取电网的网架结构数据、新能源出力历史数据和负荷需求历史数据；(2)采用混合高斯分布建立新能源出力的概率分布模型和负荷需求的概率分布模型；(3)将含新能源电厂的配电网分成若干个网格供电单元并进行分层定义；(4)建立新能源厂网交互分层优化中各子层供电单元本地调度模型；(5)定义交互变量；(6)建立基于多层目标级联法的上层协调控制模型，从而形成新能源厂网交互分层优化上层协调控制框架。本发明考虑分布式新能源和负荷随机性，并在此基础上尽可能减少厂网间数据共享范围，实现全网安全优化运行。

Description

一种新能源厂网交互分层优化调度方法
技术领域
本发明涉及电网优化调度领域，尤其涉及一种新能源厂网交互分层优化调度方法。
背景技术
当前，环境问题和气候危机日益凸显，在此背景下，传统电网的石化能源发电模式正逐步向新能源发电模式过渡。新能源发电包括了风力发电、光伏发电、潮汐能发电等，这些发电方式充分利用了新能源“清洁”的特点，有利于电网的绿色、低碳、环保、可持续发展。然而，由于新能源发电受气候影响较大，其出力具有随机性特点，会造成电网运行的不确定性，需要在电网优化调度过程中计及新能源随机特性，否则电网运行将可能出现电压越界、潮流越界等运行风险，存在安全隐患。
发明内容
本发明提供一种新能源厂网交互分层优化调度方法，该方法具有能够考虑分布式新能源和负荷随机性，并在此基础上尽可能减少厂网间数据共享范围，实现全网安全优化运行。
本发明的技术方案为:包括以下步骤：
步骤1)：获取电网的网架结构数据、新能源电厂出力历史数据和负荷需求历史数据；
步骤2)：在步骤1)的基础上，采用混合高斯分布建立新能源出力的概率分布模型和负荷需求的概率分布模型；
步骤3)：将含新能源电厂的配电网分成若干个网格供电单元并进行分层定义；
步骤4)：在步骤2)-3)的基础上，建立新能源厂网交互分层优化中各子层供电单元本地调度模型；
步骤5)：定义子层优化的交互变量；
步骤6)：建立基于多层目标级联法的上层协调控制模型，从而形成新能源厂网交互分层优化上层协调控制框架。
步骤2)中，建立新能源出力的概率分布模型和负荷需求的概率分布模型如下：
Figure BDA0003808258170000021
Figure BDA0003808258170000022
式中，fWT(xWT)、fPV(xPV)、fL(xL)分别为风电、光伏、负荷预测误差的概率密度函数；xWT、xPV、xL分别为风电、光伏、负荷的预测误差；KWT、KPV分别为风电出力和光伏出力预测误差概率密度拟合函数中正态分布函数的个数；μk、ωk分别为权重值；σWT,k、σPV,k、μWT,k、μPV,k分别为风电出力和光伏出力预测误差概率密度拟合函数中第k个分量的标准差以及期望值；σL、μL分别为负荷预测误差标准差和期望值；
Figure BDA0003808258170000023
分别为风电、光伏、负荷的概率密度函数；WT、PV、PL分别为风电、光伏、负荷的预测期望值。
步骤3)中，
对电网进行网格化分区处理，分解为若干个供电单元，每个供电单元包括本单元的负荷和分布式电源，各供电单元之间通过联络线相连，相连后需满足配电网的辐射状约束；
在实施整个电网的优化调度之前，对各供电单元的优化层级进行定义：与上级电网相连的供电单元为第一层级，通过联络线与第一层级供电单元直接相连的供电单元为第二层级，通过联络线与第二层级供电单元直接相连的供电单元为第三层级……通过联络线与第n层级供电单元直接相连的供电单元为第n+1层级，其中，n≥3且取整数；
各供电单元独立地实施本地调度，属于同一层级的供电单元之间可将数据传递给相邻供电单元。
步骤4)中，以最小化运行成本为目标，建立各子层供电单元本地调度模型，表示为：
Figure BDA0003808258170000031
Figure BDA0003808258170000032
Figure BDA0003808258170000033
Figure BDA0003808258170000034
其中，式(3)为新能源厂网交互优化调度的子层目标函数，
Figure BDA0003808258170000035
为子层供电单元a在调度周期的总成本，
Figure BDA0003808258170000036
分别为子层供电单元a在调度周期内分布式可控发电机的总发电成本、从上级电网购电的购电成本以及各子层供电单元之间联络线的投切成本；
式(4)为分布式可控发电机总发电成本表示式，
Figure BDA0003808258170000037
为子层供电单元a的分布式可控发电机g在时段t的有功发电量，
Figure BDA0003808258170000038
为分布式可控发电机的成本系数，
Figure BDA0003808258170000039
为子层供电单元a拥有的分布式可控发电机集合，τ为每个时段的时长，T为调度周期；
式(5)为从上级电网购电的购电成本表示式，λt为时段t预测购电价格，
Figure BDA00038082581700000310
为子层供电单元a在时段t从上级电网购得的电量，T为调度周期；
式(6)为各子层供电单元之间联络线投切成本的表示式，csw为投切动作的成本，
Figure BDA00038082581700000311
为与子层供电单元a相连的联络线集合，T为调度周期，
Figure BDA00038082581700000312
为一二进制变量，若联络线k-j在时段t-1和时段t的开关状态相同，则
Figure BDA00038082581700000313
为0，否则
Figure BDA00038082581700000314
为1。
步骤4)中，含新能源电厂的配电网中，每个供电单元子层优化调度需要考虑如下的运行约束条件：
Figure BDA0003808258170000041
Figure BDA0003808258170000042
其中，式(7)为分布式电源出力上下限约束，
Figure BDA0003808258170000043
为子层供电单元a中分布式电源g在t时刻的无功出力，
Figure BDA0003808258170000044
分别为子层供电单元a中分布式电源g在t时刻的有功出力最小值与最大值，
Figure BDA0003808258170000045
分别为子层供电单元a中分布式电源g在t时刻的无功出力最小值与最大值，
Figure BDA0003808258170000046
为子层供电单元a中分布式电源g在t时刻的视在功率最大值；
Figure BDA0003808258170000047
为子层供电单元a的分布式可控发电机g在时段t-1的有功发电量；T为调度周期；
式(8)为爬坡约束表示式，
Figure BDA0003808258170000048
分别为子层供电单元中分布式电源g向下和向上爬坡的极值，
Figure BDA0003808258170000049
为子层供电单元a拥有的分布式电源集合。
步骤4)中，还考虑每个供电单元的内部线路连接状态约束、有功功率和无功功率约束、电压约束，如下为：
Figure BDA00038082581700000410
Figure BDA00038082581700000411
Figure BDA0003808258170000051
其中，式(9)为每个供电单元的内部线路连接状态约束，Sbt,kj为t时刻线路k-j的状态，Sbt,kj值为1时，表示线路处于工作状态，该值为0时，表示线路k-j断开；
Figure BDA0003808258170000052
为子层供电单元a的所有内部线路集合；
式(10)为有功功率和无功功率约束，Pft,jd、Qft,jd分别为线路j-d在t时段的注入有功功率及无功功率，Pft,kj、Qft,kj分别为线路k-j在t时段的注入有功功率及无功功率，It,kj为线路k-j在t时段流过的电流平方，rkj、xkj分别为线路k-j的电阻及电抗，
Figure BDA0003808258170000053
为子层供电单元a包含的节点集合，
Figure BDA0003808258170000054
分别为子层供电单元a在t时段j节点的净注入有功功率和无功功率，
Figure BDA0003808258170000055
分别为子层供电单元a在t时段的风电机组w有功出力和光伏p有功出力，
Figure BDA0003808258170000056
分别为子层供电单元a在t时段j节点从上级电网购得的有功功率和无功功率，
Figure BDA0003808258170000057
分别为子层供电单元a在t时段j节点的有功负荷和无功负荷，
Figure BDA0003808258170000058
分别为子层供电单元a在j节点的分布式可控发电机、风电机组、光伏机组的集合；
Figure BDA0003808258170000059
为子单元a的分布式可控发电机g在时段t的有功发电量，
Figure BDA00038082581700000510
为子层供电单元a中分布式电源g在t时刻的无功出力；
式(11)为电压约束，vst,kj、vt,j分别为t时段联络线k-j受端电压的平方和节点j的电压平方，vmin、vmax分别为电压下限和上限，M为一个大数，
Figure BDA0003808258170000061
分别为整个配电网包含的内部线路及联络线集合和子层供电单元a包含的内部线路及联络线集合。
步骤4)中，还考虑线路电流约束、线路功率流约束、子层供电单元结构放射状约束以及子层供电单元间的联络线切换次数约束，依次如下所示为：
Figure BDA0003808258170000062
式中，Imax,kj、Sfmax,kj、
Figure BDA0003808258170000063
分别为线路k-j允许的电流上限、线路k-j允许流过的视在功率上限以及线路允许的投切次数上限；L、Lpl、NLl分别为所有联络线均处于闭合状态时配电网存在的环路集合、环路中的连接线集合以及环路中的连接线数量；l为环路编号；
Figure BDA0003808258170000064
分别为切换次数和与子层供电单元a相连的联络线集合。
步骤5)中，定义子层优化的交互变量；
各子层供电单元本地调度模型中，Pft,kj、Qft,kj、It,kj、vst,kj为子层供电单元与子层供电单元之间交互的共享变量，其余变量均可由子层供电单元本地控制；
其中，Pft,kj、Qft,kj分别为线路k-j在t时段的注入有功功率及无功功率，
It,kj为线路k-j在t时段流过的电流平方，
vst,kj为t时段联络线k-j受端电压的平方。
采用Pnt,kj和Qnt,kj表征Pft,kj、Qft,kj、It,kj，则共享变量可由如下两个向量PQkj和vskj表示：
Figure BDA0003808258170000065
Figure BDA0003808258170000071
式中，Pnt,kj和Qnt,kj分别为t时段经过线路k-j从节点k向节点j的净注入有功功率和无功功率；rkj、xkj分别为线路k-j的电阻及电抗，
Figure BDA0003808258170000072
为配电网中包含的联络线集合；N为时间间隔数。
步骤6)中，
基于多层目标级联法的上层协调控制的目标函数为：
Figure BDA0003808258170000073
式中，
Figure BDA0003808258170000074
为子层供电单元a在调度周期的总成本，
Penaltya,(it)为子层供电单元a第it次迭代求解时的惩罚项，表示为：
Figure BDA0003808258170000075
式中，
Figure BDA0003808258170000076
分别为增广拉格朗日函数；
Figure BDA0003808258170000077
为线路集合；
Figure BDA0003808258170000078
为第it次迭代时的拉格朗日乘数；
Figure BDA0003808258170000079
为第it次迭代时的惩罚权重；
Figure BDA00038082581700000710
为第it次迭代时的不平衡量；符号
Figure BDA00038082581700000711
表示向量逐项相乘；
Figure BDA00038082581700000712
的表示式、拉格朗日乘数以及惩罚权重每次迭代过程中按照下式进行更新：
Figure BDA00038082581700000713
Figure BDA0003808258170000081
Figure BDA0003808258170000082
Figure BDA0003808258170000083
Figure BDA0003808258170000084
其中，式(17)为
Figure BDA0003808258170000085
的表示式，
Figure BDA0003808258170000086
为PQkj第h次迭代的值，
Figure BDA0003808258170000087
分别为通过联络线k-j与子层供电单元a相连的单元的优化层级和其二级优化层级，lea、sla分别为子层供电单元a的优化层级和二级优化层级，
Figure BDA0003808258170000088
为第一层级子层供电单元第it次迭代的共享交互变量vskj，
Figure BDA0003808258170000089
分别为联络线k-j的j侧子层供电单元和k侧子层供电单元第it-1次迭代的共享交互变量vskj；
式(18)和式(19)为每次迭代过程中拉格朗日乘数的表示式；
式(20)和式(21)为每次迭代过程中惩罚权重的表示式，β、γ分别为目标级联系数。
步骤6)中，
基于多层目标级联法的新能源厂网交互分层优化上层协调控制框架的优化流程为：
a.设所有联络线均闭合，获取电网存在的环路数，确定各供电单元所属的优化层级，设定
Figure BDA00038082581700000810
拉格朗日乘数以及惩罚权重的初值，令it＝0；
b.根据优化目标函数及约束条件，按照各子层供电单元的优化层级分别计算出各子层供电单元的
Figure BDA00038082581700000811
的值，并更新拉格朗日乘数和惩罚权重；
c.若
Figure BDA00038082581700000812
的值超出阈值范围，则继续步骤b的循环计算，直至
Figure BDA00038082581700000813
的值满足阈值范围，新能源厂网交互运行优化计算完毕。
本发明具有如下优点：
1、本发明根据新能源出力历史数据和负荷需求历史数据，考虑了新能源和负荷的随机性，采用混合高斯分布新能源出力的概率分布模型和负荷需求的概率分布模型，为新能源厂网交互分层优化调度提供数据支撑；
2、本发明将含新能源电厂的配电网分成若干个网格供电单元并进行分层定义，可实现含新能源电网的优化调度尽可能少的进行数据共享，保证新能源电厂运行数据和用户用电数据的隐私性；
3、本发明建立了基于供电单元分层定义的多层目标级联优化调度框架，包括各子层供电单元本地调度模型和上层协调控制模型，满足全网经济性目标和安全性约束条件下的优化运行。
附图说明
图1是本发明的方法流程图，
图2是本发明步骤6)中的上层协调控制框架图，
图3是本发明实施例中的电力系统图，
图4是本发明针对图3中两种情形的优化调度比较示意图。
具体实施方式
下面结合附图对本发明做详细说明。
本发明的总体方法流程说明：
如图1所示，本发明包含以下步骤：
步骤1)：先获取电网的网架结构数据、新能源电厂出力历史数据和负荷需求历史数据；
步骤2)：采用混合高斯分布建立新能源出力的概率分布模型和负荷需求的概率分布模型；常规优化通常只基于确定性数据，而本发明基于概率分布模型考虑了概率性数据，可以更好的计及源荷随机性对优化结果的影响；
由于负荷及分布式新能源出力具有随机性，根据新能源出力历史数据和负荷需求历史数据，建立如下：
Figure BDA0003808258170000101
Figure BDA0003808258170000102
式中，fWT(xWT)、fPV(xPV)、fL(xL)分别为风电、光伏、负荷预测误差的概率密度函数；xWT、xPV、xL分别为风电、光伏、负荷的预测误差；KWT、KPV分别为风电出力和光伏出力预测误差概率密度拟合函数中正态分布函数的个数；μk、ωk分别为权重值；σWT,k、σPV,k、μWT,k、μPV,k分别为风电出力和光伏出力预测误差概率密度拟合函数中第k个分量的标准差以及期望值；σL、μL分别为负荷预测误差标准差和期望值；
Figure BDA0003808258170000103
分别为风电、光伏、负荷的概率密度函数；WT、PV、PL分别为风电、光伏、负荷的预测期望值。
通过步骤2)对风电、光伏、负荷进行随机采样，获取源荷数据，作为步骤4)-6)的优化控制变量。
步骤3)：将含新能源电厂的配电网分成若干个网格供电单元并进行分层定义；其他含新能源的配电网优化调度通常将配电网视作一个整体进行统一优化调度，分层定义与优化调度结合减少了不同区域电网之间的交互信息，保证了隐私性；
对电网进行网格化分区处理，分解为若干个供电单元，每个供电单元包括本单元的负荷和分布式电源(如分布式风电电厂、分布式光伏电厂、分布式可控发电机)。
各供电单元之间可以通过联络线相连，但相连后需满足配电网的辐射状约束；
在实施整个电网的优化调度之前，对各单元的优化层级进行定义：与上级电网相连的供电单元为第一层级，可以通过联络线与第一层级供电单元直接相连的供电单元为第二层级，可以通过联络线与第二层级供电单元直接相连的供电单元为第三层级……通过联络线与第n层级供电单元直接相连的供电单元为第n+1层级，其中，n≥3且取整数；
各单元可以独立地实施本地调度，属于同一层级的供电单元只将有限的数据传递给相邻单元，通过分散调控实现含新能源配电网的优化运行。
其中，“有限的数据”为步骤5)中指出的交互变量。本单元新能源电厂数据、本单元可控机组数据、本单元负荷数据只在本地子单元进行交互，无需传递至其他单元，保证了新能源电厂运行数据和用户用电数据的隐私性。
步骤4)：建立新能源厂网交互分层优化中各子层供电单元本地调度模型；
含新能源电厂的配电网优化调度需实现全网经济性目标和安全性约束条件下的最优潮流运行，建立每个网格供电单元子层优化调度目标，即最小化运行成本，可以表示为：
Figure BDA0003808258170000111
Figure BDA0003808258170000112
Figure BDA0003808258170000113
Figure BDA0003808258170000114
其中，式(3)为新能源厂网交互优化调度的子层目标函数，
Figure BDA0003808258170000115
为子层供电单元a在调度周期的总成本，
Figure BDA0003808258170000116
分别为子层供电单元a在调度周期内分布式可控发电机的总发电成本、从上级电网购电的购电成本以及各子层供电单元之间联络线的投切成本；
式(4)为分布式可控发电机总发电成本表示式，
Figure BDA0003808258170000117
为子层供电单元a的分布式可控发电机g在时段t的有功发电量，
Figure BDA0003808258170000118
为分布式可控发电机的成本系数，
Figure BDA0003808258170000119
为子层供电单元a拥有的分布式可控发电机集合，τ为每个时段的时长；
式(5)为从上级电网购电的购电成本表示式，λt为时段t预测购电价格，
Figure BDA0003808258170000121
为子层供电单元a在时段t从上级电网购得的电量；
式(6)为各子层供电单元之间联络线投切成本的表示式，csw为投切动作的成本，
Figure BDA0003808258170000122
为一二进制变量(若联络线k-j时段t-1和时段t的开关状态相同，则
Figure BDA0003808258170000123
为0，否则
Figure BDA0003808258170000124
为1)，
Figure BDA0003808258170000125
为与子层供电单元a相连的联络线集合。
含新能源电厂的配电网中，每个网格供电单元子层优化调度需要考虑如下的运行约束条件：
Figure BDA0003808258170000126
Figure BDA0003808258170000127
其中，式(7)为分布式电源出力上下限约束，
Figure BDA0003808258170000128
为子层供电单元a中分布式电源g在t时刻的无功出力，
Figure BDA0003808258170000129
分别为子层供电单元a中分布式电源g在t时刻的有功出力最小值与最大值，
Figure BDA00038082581700001210
分别为子层供电单元a中分布式电源g在t时刻的无功出力最小值与最大值，
Figure BDA00038082581700001211
为子层供电单元a中分布式电源g在t时刻的视在功率最大值；
Figure BDA00038082581700001212
为子单元a的分布式可控发电机g在时段t-1的有功发电量；T为调度周期。
式(8)为爬坡约束表示式，
Figure BDA00038082581700001213
分别为子层供电单元中分布式电源g向下和向上爬坡的极值，
Figure BDA00038082581700001214
为子层供电单元a拥有的分布式电源集合。
此外，还包括分层优化调度的如下约束条件：
通过引入二进制状态变量Sbt,kj，以分散的方式对整个配电网的交流潮流进行建模，如下所示：
Figure BDA00038082581700001215
Figure BDA0003808258170000131
Figure BDA0003808258170000132
其中，式(9)为每个供电单元的内部线路连接状态约束，Sbt,kj为t时刻线路k-j的状态(Sbt,kj值为1表示线路处于工作状态，该值为0表示线路k-j断开)，
Figure BDA0003808258170000133
为子层供电单元a的所有内部线路集合(不含单元间相连的联络线)；
式(10)为有功功率和无功功率约束，Pft,jd、Qft,jd分别为线路j-d在t时段的注入有功功率及无功功率，Pft,kj、Qft,kj分别为线路k-j在t时段的注入有功功率及无功功率，It,kj为线路k-j在t时段流过的电流平方，rkj、xkj分别为线路k-j的电阻及电抗，
Figure BDA0003808258170000134
为子层供电单元a包含的节点集合，
Figure BDA0003808258170000135
分别为子层供电单元a在t时段j节点的净注入有功功率和无功功率，
Figure BDA0003808258170000136
分别为子层供电单元a在t时段的风电机组w有功出力和光伏p有功出力，
Figure BDA0003808258170000137
分别为子层供电单元a在t时段j节点从上级电网购得的有功功率和无功功率，
Figure BDA0003808258170000138
Figure BDA0003808258170000139
分别为子层供电单元a在t时段j节点的有功负荷和无功负荷，
Figure BDA00038082581700001310
Figure BDA00038082581700001311
分别为子层供电单元a在j节点的分布式可控发电机、风电机组、光伏机组的集合；
Figure BDA0003808258170000141
为子单元a的分布式可控发电机g在时段t的有功发电量，
Figure BDA0003808258170000142
为子层供电单元a中分布式电源g在t时刻的无功出力；
式(11)为电压约束，vst,kj、vt,j分别为t时段联络线k-j受端电压的平方和节点j的电压平方，vmin、vmax分别为电压下限和上限，M为一个大数，
Figure BDA0003808258170000143
分别为整个配电网包含的内部线路及联络线集合和子层供电单元a包含的内部线路及联络线集合。
最后，各子层供电单元还需满足线路电流约束、线路功率流约束、子层供电单元结构放射状约束以及子层供电单元间的联络线切换次数约束，如下所示：
Figure BDA0003808258170000144
式中，Imax,kj、Sfmax,kj、
Figure BDA0003808258170000145
分别为线路k-j允许的电流上限、线路k-j允许流过的视在功率上限以及线路允许的投切次数上限；L、Lpl、NLl分别为所有联络线均处于闭合状态时配电网存在的环路集合、环路中的连接线集合以及环路中的连接线数量；l为环路编号；
Figure BDA0003808258170000146
分别为切换次数和与子单元a相连的联络线集合。
步骤5)：定义子层优化的交互变量；
各子层供电单元本地调度模型中，Pft,kj、Qft,kj、It,kj、vst,kj为子层供电单元与子层供电单元之间交互的共享变量，其余变量均可由子层供电单元本地控制。
可实现含新能源电网的优化调度尽可能少的进行数据共享，本单元新能源电厂数据、本单元可控机组数据、本单元负荷数据只在本地子层供电单元进行交互，无需传递至其他单元，保证了新能源电厂运行数据和用户用电数据的隐私性。
进一步地，用Pnt,kj和Qnt,kj表征Pft,kj、Qft,kj、It,kj，则共享变量可由如下两个向量PQkj和vskj表示：
Figure BDA0003808258170000151
Figure BDA0003808258170000152
式中，Pnt,kj和Qnt,kj分别为t时段经过线路k-j从节点k向节点j的净注入有功功率和无功功率；rkj、xkj分别为线路k-j的电阻及电抗，
Figure BDA0003808258170000153
为配电网中包含的联络线集合；N为时间间隔数。
此外，还需满足交互变量的一致性约束，即交互的净注入有功功率和无功功率在存在连接关系的两个子层供电单元本地调度模型中需满足一致，联络线的开关状态在存在连接关系的两个子层供电单元本地调度模型中需满足一致。
步骤4)形成子层调度；步骤5)中分层优化调度的交互变量是步骤6)的上层优化调度模型建立所需的前提；步骤6)形成全局调度。
步骤6)：建立基于多层目标级联法的上层协调控制模型，从而形成新能源厂网交互分层优化上层协调控制框架。
多层目标级联上层协调控制的目标函数为：
Figure BDA0003808258170000154
式中，
Figure BDA0003808258170000155
为子层供电单元a在调度周期的总成本，
Penaltya,(it)为子层供电单元a第it次迭代求解时的惩罚项，可以表示为：
Figure BDA0003808258170000156
式中，
Figure BDA0003808258170000157
分别为增广拉格朗日函数；
Figure BDA0003808258170000158
为线路集合；
Figure BDA0003808258170000159
为第it次迭代时的拉格朗日乘数；
Figure BDA00038082581700001510
为第it次迭代时的惩罚权重；
Figure BDA00038082581700001511
为第it次迭代时的不平衡量；符号
Figure BDA00038082581700001512
表示向量逐项相乘。
Figure BDA0003808258170000161
的表示式、拉格朗日乘数以及惩罚权重每次迭代过程中按照下式进行更新：
Figure BDA0003808258170000162
Figure BDA0003808258170000163
Figure BDA0003808258170000164
Figure BDA0003808258170000165
Figure BDA0003808258170000166
其中，式(17)为
Figure BDA0003808258170000167
的表示式，
Figure BDA0003808258170000168
为PQkj第h次迭代的值，
Figure BDA0003808258170000169
分别为通过联络线k-j与子层供电单元a相连的单元的优化层级和其二级优化层级，lea、sla分别为子层供电单元a的优化层级和二级优化层级，
Figure BDA00038082581700001610
为第一层级子层供电单元第it次迭代的共享交互变量vskj，
Figure BDA00038082581700001611
分别为联络线k-j的j侧子层供电单元和k侧子层供电单元第it-1次迭代的共享交互变量vskj；式(18)和式(19)为每次迭代过程中拉格朗日乘数的表示式；式(20)和式(21)为每次迭代过程中惩罚权重的表示式，β、γ分别为目标级联系数。
多层目标级联总体的优化流程为：
如图2所示，a.设所有联络线均闭合，获取电网存在的环路数，确定各供电单元所属的优化层级，设定
Figure BDA00038082581700001612
拉格朗日乘数以及惩罚权重的初值，令it＝0；b.根据优化目标函数及约束条件，按照各子层供电单元的优化层级分别计算出各子层供电单元的
Figure BDA00038082581700001613
的值，并更新拉格朗日乘数和惩罚权重；c.若
Figure BDA0003808258170000171
的值超出阈值范围，则继续b步骤的循环计算，直至
Figure BDA0003808258170000172
的值满足阈值范围，新能源厂网交互运行优化计算完毕。
在本发明实施例中，采用了图3所示的电力系统。将该电力系统进行网格化分区，共分为5个供电单元，图中虚线为各供电单元之间的联络线，可以闭合可以断开，但需使整个配电网满足辐射状约束。供电单元1为第一层级，供电单元2、3、4为第二层级，供电单元2、3、4的二级优化层级顺序分别为第一、第二和第三，供电单元5为第三层级。
图4给出了以下两种情形下电网的优化调度结果：
1)不考虑供电单元分层，假定联络线2、4、7、10闭合，其余联络线断开，将整个配电网视作整体进行优化调度；
2)考虑供电单元分层及联络线开闭，采用本发明的分层优化对配单网进行优化调度；
结果显示，情形1)的总成本以及网损均大于情形2)，情形2)中的全网电压最小值有所提升，有助于改善低压电网运行情况，提升了安全性与经济性。
因此，本发明所提能够考虑分布式新能源和负荷随机性，并在此基础上尽可能减少厂网间数据共享范围，实现全网优化运行的功能，保证电网的安全经济运行。
以上描述了本发明的具体实施方式。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的方法说明，在不脱离本发明的精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由所附的权利要求书及其效物界定。

Claims (11)

1.一种新能源厂网交互分层优化调度方法，其特征在于，包括以下步骤：
步骤1)：获取电网的网架结构数据、新能源电厂出力历史数据和负荷需求历史数据；
步骤2)：在步骤1)的基础上，采用混合高斯分布建立新能源出力的概率分布模型和负荷需求的概率分布模型；
步骤3)：将含新能源电厂的配电网分成若干个网格供电单元并进行分层定义；
步骤4)：在步骤2)-3)的基础上，建立新能源厂网交互分层优化中各子层供电单元本地调度模型；
步骤5)：定义子层优化的交互变量；
步骤6)：建立基于多层目标级联法的上层协调控制模型，从而形成新能源厂网交互分层优化上层协调控制框架。
2.根据权利要求1所述的一种新能源厂网交互分层优化调度方法，其特征在于，
步骤2)中，建立新能源出力的概率分布模型和负荷需求的概率分布模型如下：
Figure FDA0003808258160000011
Figure FDA0003808258160000012
式中，fWT(xWT)、fPV(xPV)、fL(xL)分别为风电、光伏、负荷预测误差的概率密度函数；xWT、xPV、xL分别为风电、光伏、负荷的预测误差；KWT、KPV分别为风电出力和光伏出力预测误差概率密度拟合函数中正态分布函数的个数；μk、ωk分别为权重值；σWT,k、σPV,k、μWT,k、μPV,k分别为风电出力和光伏出力预测误差概率密度拟合函数中第k个分量的标准差以及期望值；σL、μL分别为负荷预测误差标准差和期望值；
Figure FDA0003808258160000021
分别为风电、光伏、负荷的概率密度函数；WT、PV、PL分别为风电、光伏、负荷的预测期望值。
3.根据权利要求1所述的一种新能源厂网交互分层优化调度方法，其特征在于，
步骤3)中，
对电网进行网格化分区处理，分解为若干个供电单元，每个供电单元包括本单元的负荷和分布式电源，各供电单元之间通过联络线相连，相连后需满足配电网的辐射状约束；
在实施整个电网的优化调度之前，对各供电单元的优化层级进行定义：与上级电网相连的供电单元为第一层级，通过联络线与第一层级供电单元直接相连的供电单元为第二层级，通过联络线与第二层级供电单元直接相连的供电单元为第三层级……通过联络线与第n层级供电单元直接相连的供电单元为第n+1层级，其中，n≥3且取整数；
各供电单元独立地实施本地调度，属于同一层级的供电单元之间可将数据传递给相邻供电单元。
4.根据权利要求1所述的一种新能源厂网交互分层优化调度方法，其特征在于，
步骤4)中，以最小化运行成本为目标，建立各子层供电单元本地调度模型，表示为：
Figure FDA0003808258160000022
Figure FDA0003808258160000023
Figure FDA0003808258160000024
Figure FDA0003808258160000025
其中，式(3)为新能源厂网交互优化调度的子层目标函数，
Figure FDA0003808258160000026
为子层供电单元a在调度周期的总成本，
Figure FDA0003808258160000031
分别为子层供电单元a在调度周期内分布式可控发电机的总发电成本、从上级电网购电的购电成本以及各子层供电单元之间联络线的投切成本；
式(4)为分布式可控发电机总发电成本表示式，
Figure FDA0003808258160000032
为子层供电单元a的分布式可控发电机g在时段t的有功发电量，
Figure FDA0003808258160000033
为分布式可控发电机的成本系数，
Figure FDA0003808258160000034
为子层供电单元a拥有的分布式可控发电机集合，τ为每个时段的时长，T为调度周期；
式(5)为从上级电网购电的购电成本表示式，λt为时段t预测购电价格，
Figure FDA0003808258160000035
为子层供电单元a在时段t从上级电网购得的电量，T为调度周期；
式(6)为各子层供电单元之间联络线投切成本的表示式，csw为投切动作的成本，
Figure FDA0003808258160000036
为与子层供电单元a相连的联络线集合，T为调度周期，
Figure FDA0003808258160000037
为一二进制变量，若联络线k-j在时段t-1和时段t的开关状态相同，则
Figure FDA0003808258160000038
为0，否则
Figure FDA0003808258160000039
为1。
5.根据权利要求4所述的一种新能源厂网交互分层优化调度方法，其特征在于，
步骤4)中，含新能源电厂的配电网中，每个供电单元子层优化调度需要考虑如下的运行约束条件：
Figure FDA00038082581600000310
Figure FDA00038082581600000311
其中，式(7)为分布式电源出力上下限约束，
Figure FDA00038082581600000312
为子层供电单元a中分布式电源g在t时刻的无功出力，
Figure FDA00038082581600000313
分别为子层供电单元a中分布式电源g在t时刻的有功出力最小值与最大值，
Figure FDA00038082581600000314
分别为子层供电单元a中分布式电源g在t时刻的无功出力最小值与最大值，
Figure FDA0003808258160000041
为子层供电单元a中分布式电源g在t时刻的视在功率最大值；
Figure FDA0003808258160000042
为子层供电单元a的分布式可控发电机g在时段t-1的有功发电量；T为调度周期；
式(8)为爬坡约束表示式，
Figure FDA0003808258160000043
分别为子层供电单元中分布式电源g向下和向上爬坡的极值，
Figure FDA0003808258160000044
为子层供电单元a拥有的分布式电源集合。
6.根据权利要求4所述的一种新能源厂网交互分层优化调度方法，其特征在于，
步骤4)中，还考虑每个供电单元的内部线路连接状态约束、有功功率和无功功率约束、电压约束，如下为：
Figure FDA0003808258160000045
Figure FDA0003808258160000046
Figure FDA0003808258160000047
其中，式(9)为每个供电单元的内部线路连接状态约束，Sbt,kj为t时刻线路k-j的状态，Sbt,kj值为1时，表示线路处于工作状态，该值为0时，表示线路k-j断开；
Figure FDA0003808258160000048
为子层供电单元a的所有内部线路集合；
式(10)为有功功率和无功功率约束，Pft,jd、Qft,jd分别为线路j-d在t时段的注入有功功率及无功功率，Pft,kj、Qft,kj分别为线路k-j在t时段的注入有功功率及无功功率，It,kj为线路k-j在t时段流过的电流平方，rkj、xkj分别为线路k-j的电阻及电抗，
Figure FDA0003808258160000051
为子层供电单元a包含的节点集合，
Figure FDA0003808258160000052
分别为子层供电单元a在t时段j节点的净注入有功功率和无功功率，
Figure FDA0003808258160000053
分别为子层供电单元a在t时段的风电机组w有功出力和光伏p有功出力，
Figure FDA0003808258160000054
分别为子层供电单元a在t时段j节点从上级电网购得的有功功率和无功功率，
Figure FDA0003808258160000055
分别为子层供电单元a在t时段j节点的有功负荷和无功负荷，
Figure FDA0003808258160000056
分别为子层供电单元a在j节点的分布式可控发电机、风电机组、光伏机组的集合；
Figure FDA0003808258160000057
为子单元a的分布式可控发电机g在时段t的有功发电量，
Figure FDA0003808258160000058
为子层供电单元a中分布式电源g在t时刻的无功出力；
式(11)为电压约束，vst,kj、vt,j分别为t时段联络线k-j受端电压的平方和节点j的电压平方，vmin、vmax分别为电压下限和上限，M为一个大数，
Figure FDA0003808258160000059
分别为整个配电网包含的内部线路及联络线集合和子层供电单元a包含的内部线路及联络线集合。
7.根据权利要求4所述的一种新能源厂网交互分层优化调度方法，其特征在于，
步骤4)中，还考虑线路电流约束、线路功率流约束、子层供电单元结构放射状约束以及子层供电单元间的联络线切换次数约束，依次如下所示为：
Figure FDA00038082581600000510
式中，Imax,kj、Sfmax,kj、
Figure FDA00038082581600000511
分别为线路k-j允许的电流上限、线路k-j允许流过的视在功率上限以及线路允许的投切次数上限；L、Lpl、NLl分别为所有联络线均处于闭合状态时配电网存在的环路集合、环路中的连接线集合以及环路中的连接线数量；l为环路编号；
Figure FDA0003808258160000061
分别为切换次数和与子层供电单元a相连的联络线集合。
8.根据权利要求1所述的一种新能源厂网交互分层优化调度方法，其特征在于，
步骤5)中，定义子层优化的交互变量；
各子层供电单元本地调度模型中，Pft,kj、Qft,kj、It,kj、vst,kj为子层供电单元与子层供电单元之间交互的共享变量，其余变量均可由子层供电单元本地控制；
其中，Pft,kj、Qft,kj分别为线路k-j在t时段的注入有功功率及无功功率，
It,kj为线路k-j在t时段流过的电流平方，
vst,kj为t时段联络线k-j受端电压的平方。
9.根据权利要求8所述的一种新能源厂网交互分层优化调度方法，其特征在于，
采用Pnt,kj和Qnt,kj表征Pft,kj、Qft,kj、It,kj，则共享变量可由如下两个向量PQkj和vskj表示：
Figure FDA0003808258160000062
Figure FDA0003808258160000063
式中，Pnt,kj和Qnt,kj分别为t时段经过线路k-j从节点k向节点j的净注入有功功率和无功功率；rkj、xkj分别为线路k-j的电阻及电抗，
Figure FDA0003808258160000064
为配电网中包含的联络线集合；N为时间间隔数。
10.根据权利要求1所述的一种新能源厂网交互分层优化调度方法，其特征在于，
步骤6)中，
基于多层目标级联法的上层协调控制的目标函数为：
Figure FDA0003808258160000071
式中，
Figure FDA0003808258160000072
为子层供电单元a在调度周期的总成本，
Penaltya,(it)为子层供电单元a第it次迭代求解时的惩罚项，表示为：
Figure FDA0003808258160000073
式中，
Figure FDA0003808258160000074
分别为增广拉格朗日函数；
Figure FDA0003808258160000075
为线路集合；
Figure FDA0003808258160000076
为第it次迭代时的拉格朗日乘数；
Figure FDA0003808258160000077
为第it次迭代时的惩罚权重；
Figure FDA0003808258160000078
为第it次迭代时的不平衡量；符号
Figure FDA0003808258160000079
表示向量逐项相乘；
Figure FDA00038082581600000710
的表示式、拉格朗日乘数以及惩罚权重每次迭代过程中按照下式进行更新：
Figure FDA00038082581600000711
Figure FDA00038082581600000712
Figure FDA00038082581600000713
Figure FDA00038082581600000714
Figure FDA00038082581600000715
其中，式(17)为
Figure FDA0003808258160000081
的表示式，
Figure FDA0003808258160000082
为PQkj第h次迭代的值，
Figure FDA0003808258160000083
分别为通过联络线k-j与子层供电单元a相连的单元的优化层级和其二级优化层级，lea、sla分别为子层供电单元a的优化层级和二级优化层级，
Figure FDA0003808258160000084
为第一层级子层供电单元第it次迭代的共享交互变量vskj，
Figure FDA0003808258160000085
分别为联络线k-j的j侧子层供电单元和k侧子层供电单元第it-1次迭代的共享交互变量vskj；
式(18)和式(19)为每次迭代过程中拉格朗日乘数的表示式；
式(20)和式(21)为每次迭代过程中惩罚权重的表示式，β、γ分别为目标级联系数。
11.根据权利要求10所述的一种新能源厂网交互分层优化调度方法，其特征在于，
步骤6)中，
基于多层目标级联法的新能源厂网交互分层优化上层协调控制框架的优化流程为：
a.设所有联络线均闭合，获取电网存在的环路数，确定各供电单元所属的优化层级，设定
Figure FDA0003808258160000086
拉格朗日乘数以及惩罚权重的初值，令it＝0；
b.根据优化目标函数及约束条件，按照各子层供电单元的优化层级分别计算出各子层供电单元的
Figure FDA0003808258160000087
的值，并更新拉格朗日乘数和惩罚权重；
c.若
Figure FDA0003808258160000088
的值超出阈值范围，则继续步骤b的循环计算，直至
Figure FDA0003808258160000089
的值满足阈值范围，新能源厂网交互运行优化计算完毕。
CN202211004209.6A 2022-08-22 2022-08-22 一种新能源厂网交互分层优化调度方法 Active CN115204747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211004209.6A CN115204747B (zh) 2022-08-22 2022-08-22 一种新能源厂网交互分层优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211004209.6A CN115204747B (zh) 2022-08-22 2022-08-22 一种新能源厂网交互分层优化调度方法

Publications (2)

Publication Number Publication Date
CN115204747A true CN115204747A (zh) 2022-10-18
CN115204747B CN115204747B (zh) 2023-09-12

Family

ID=83572038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211004209.6A Active CN115204747B (zh) 2022-08-22 2022-08-22 一种新能源厂网交互分层优化调度方法

Country Status (1)

Country Link
CN (1) CN115204747B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101527455A (zh) * 2009-04-23 2009-09-09 湖南省电力公司调度通信局 基于潮流模块交替迭代的互联电网分布式潮流计算方法
CN101877500A (zh) * 2009-04-30 2010-11-03 北京科东电力控制系统有限责任公司 面向互联电力系统的分层分解时空协调建模方法
CN107451670A (zh) * 2016-05-30 2017-12-08 中国电力科学研究院 一种用于主动配电网的日前分层协调调度方法
CN110807588A (zh) * 2019-10-31 2020-02-18 国网河南省电力公司经济技术研究院 一种多能源耦合综合能源系统的优化调度方法
CN112529276A (zh) * 2020-12-01 2021-03-19 国网湖北省电力有限公司电力科学研究院 一种互联微电网分层分布式优化调度方法
WO2022095302A1 (zh) * 2020-11-05 2022-05-12 湖南大学 基于分层高斯混合模型的机器人快速鲁棒三维重建方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101527455A (zh) * 2009-04-23 2009-09-09 湖南省电力公司调度通信局 基于潮流模块交替迭代的互联电网分布式潮流计算方法
CN101877500A (zh) * 2009-04-30 2010-11-03 北京科东电力控制系统有限责任公司 面向互联电力系统的分层分解时空协调建模方法
CN107451670A (zh) * 2016-05-30 2017-12-08 中国电力科学研究院 一种用于主动配电网的日前分层协调调度方法
CN110807588A (zh) * 2019-10-31 2020-02-18 国网河南省电力公司经济技术研究院 一种多能源耦合综合能源系统的优化调度方法
WO2022095302A1 (zh) * 2020-11-05 2022-05-12 湖南大学 基于分层高斯混合模型的机器人快速鲁棒三维重建方法
CN112529276A (zh) * 2020-12-01 2021-03-19 国网湖北省电力有限公司电力科学研究院 一种互联微电网分层分布式优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘佳: "适应不确定因素的输配电系统优化规划研究", 中国博士学位论文全文数据库工程科技Ⅱ辑 *

Also Published As

Publication number Publication date
CN115204747B (zh) 2023-09-12

Similar Documents

Publication Publication Date Title
WO2022048127A1 (zh) 一种电热泵-热电联合系统的优化调控方法及系统
Panda et al. A modified bacteria foraging based optimal power flow framework for Hydro-Thermal-Wind generation system in the presence of STATCOM
Khan et al. Multi-agent based distributed control architecture for microgrid energy management and optimization
JP7261507B2 (ja) 電気ヒートポンプ－熱電併給システムを最適化する調整方法及びシステム
Niknam et al. A new modified teaching-learning algorithm for reserve constrained dynamic economic dispatch
Miranda et al. Evolutionary computation in power systems
CN112651634B (zh) 基于序列运算的有源配电系统源网荷储日前有功调度方法
Amjady et al. Short-term load forecast of microgrids by a new bilevel prediction strategy
Mandal et al. Daily combined economic emission scheduling of hydrothermal systems with cascaded reservoirs using self organizing hierarchical particle swarm optimization technique
CN113393172B (zh) 一种考虑配电网多设备时序运行的“源网储”规划方法
CN108233430B (zh) 一种计及系统能源波动性的交直流混合微网优化方法
CN108599270A (zh) 一种考虑风电随机性的电力系统广域协调消纳方法
Li et al. Hierarchical multi-reservoir optimization modeling for real-world complexity with application to the Three Gorges system
CN104866919A (zh) 基于改进nsga-ii的含风电场电网多目标规划方法
CN112561273B (zh) 一种基于改进pso的主动配电网可再生dg规划方法
CN114709816A (zh) 一种冰灾场景下能源互联配电系统韧性恢复方法
Liu et al. Two-stage optimal economic scheduling for commercial building multi-energy system through internet of things
Yang et al. Deep learning-based distributed optimal control for wide area energy Internet
Abarghooee et al. Stochastic dynamic economic emission dispatch considering wind power
CN108075471A (zh) 基于随机性电源出力预测的多目标约束优化电网调度策略
CN107808256A (zh) 一种基于机会约束规划的地区高压配电网转供方法
Huy et al. Real-time power scheduling for an isolated microgrid with renewable energy and energy storage system via a supervised-learning-based strategy
An et al. Real-time optimal operation control of micro energy grid coupling with electricity-thermal-gas considering prosumer characteristics
CN114759616B (zh) 一种考虑电力电子器件特性的微电网鲁棒优化调度方法
CN116865271A (zh) 一种基于数字孪生驱动的微电网多智能体协调优化控制策略

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