CN115204747B - 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
CN115204747B
CN115204747B CN202211004209.6A CN202211004209A CN115204747B CN 115204747 B CN115204747 B CN 115204747B CN 202211004209 A CN202211004209 A CN 202211004209A CN 115204747 B CN115204747 B CN 115204747B
Authority
CN
China
Prior art keywords
power supply
supply unit
sub
power
layer
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
Application number
CN202211004209.6A
Other languages
English (en)
Other versions
CN115204747A (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

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)
  • Power Engineering (AREA)
  • Strategic Management (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)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (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：
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；
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：
其中，式(3)为新能源厂网交互优化调度的子层目标函数，为子层供电单元a在调度周期的总成本，/>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，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，/>为分布式可控发电机的成本系数，/>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，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，为与子层供电单元a相连的联络线集合，T为调度周期，/>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/>为0，否则/>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：
其中，式(7)为分布式电源出力上下限约束，为子层供电单元a中分布式电源g在t时刻的无功出力，/>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，/>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，/>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；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，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，/>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：
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；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，为子层供电单元a包含的节点集合，
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，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，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，/>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，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；
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，/>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，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：
式中，Imax,kj、Sfmax,kj、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；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：
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，
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：
式中，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：
式中，分别为增广拉格朗日函数；/>为线路集合；/>为第it次迭代时的拉格朗日乘数；/>为第it次迭代时的惩罚权重；/>为第it次迭代时的不平衡量；符号/>表示向量逐项相乘；
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：
其中，式(17)为的表示式，/>为PQkj第h次迭代的值，/>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，/>为第一层级子层供电单元第it次迭代的共享交互变量vskj，/>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的值，并更新拉格朗日乘数和惩罚权重；
c.若的值超出阈值范围，则继续步骤b的循环计算，直至的值满足阈值范围，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：
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；
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：
其中，式(3)为新能源厂网交互优化调度的子层目标函数，为子层供电单元a在调度周期的总成本，/>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，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，/>为分布式可控发电机的成本系数，/>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，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，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/>为0，否则/>为1)，/>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：
其中，式(7)为分布式电源出力上下限约束，为子层供电单元a中分布式电源g在t时刻的无功出力，/>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，/>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，/>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；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，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，/>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：
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)，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，为子层供电单元a包含的节点集合，/>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，/>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，/>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，/> 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，/> 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；
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，/>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，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：
式中，Imax,kj、Sfmax,kj、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；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：
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，
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：
式中，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：
式中，分别为增广拉格朗日函数；/>为线路集合；/>为第it次迭代时的拉格朗日乘数；/>为第it次迭代时的惩罚权重；/>为第it次迭代时的不平衡量；符号/>表示向量逐项相乘。
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：
其中，式(17)为的表示式，/>为PQkj第h次迭代的值，/>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，/>为第一层级子层供电单元第it次迭代的共享交互变量vskj，/>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/>的值，并更新拉格朗日乘数和惩罚权重；c.若/>的值超出阈值范围，则继续b步骤的循环计算，直至/>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 (7)

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；
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：
其中，式(3)为新能源厂网交互优化调度的子层目标函数，为子层供电单元a在调度周期的总成本，/>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，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，/>为分布式可控发电机的成本系数，/>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，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，为与子层供电单元a相连的联络线集合，T为调度周期，/>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/>为0，否则/>为1；
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：
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，
为配电网中包含的联络线集合；N为时间间隔数。
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：
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；
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：
其中，式(7)为分布式电源出力上下限约束，为子层供电单元a中分布式电源g在t时刻的无功出力，/>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，/>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，/>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；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，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，/>为子层供电单元a拥有的分布式电源集合。
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，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：
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；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，为子层供电单元a包含的节点集合，
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，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，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，/>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，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；
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，/>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，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。
5.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，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：
式中，Imax,kj、Sfmax,kj、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；/> 分别为切换次数和与子层供电单元a相连的联络线集合。
6.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：
式中，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：
式中，分别为增广拉格朗日函数；/>为线路集合；/>为第it次迭代时的拉格朗日乘数；/>为第it次迭代时的惩罚权重；/>为第it次迭代时的不平衡量；符号/>表示向量逐项相乘；
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：
其中，式(17)为的表示式，/>为PQkj第h次迭代的值，/>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，/>为第一层级子层供电单元第it次迭代的共享交互变量vskj，/>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。
7.根据权利要求6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的值，并更新拉格朗日乘数和惩罚权重；
c.若的值超出阈值范围，则继续步骤b的循环计算，直至的值满足阈值范围，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 CN115204747A (zh) 2022-10-18
CN115204747B true 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
适应不确定因素的输配电系统优化规划研究;刘佳;中国博士学位论文全文数据库工程科技Ⅱ辑;全文 *

Also Published As

Publication number Publication date
CN115204747A (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
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
Bahmani-Firouzi et al. A new algorithm for combined heat and power dynamic economic dispatch considering valve-point effects
CN105703369B (zh) 一种多能耦合输配网最优能量流建模及求解方法
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
Xi et al. A deep reinforcement learning algorithm for the power order optimization allocation of AGC in interconnected power grids
CN110826880A (zh) 一种大规模电动汽车接入的主动配电网优化调度方法
CN112260271B (zh) 一种配电网故障恢复策略的生成方法和装置
CN110707755B (zh) 一种考虑非理想通信条件下基于能量枢纽的综合能源系统超短期调度方法
Musau et al. Multi area multi objective dynamic economic dispatch with renewable energy and multi terminal DC tie lines
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
Fatima et al. A brief review on smart grid residential network schemes
An et al. Real-time optimal operation control of micro energy grid coupling with electricity-thermal-gas considering prosumer characteristics
CN115204747B (zh) 一种新能源厂网交互分层优化调度方法
CN113780622A (zh) 基于多智能体强化学习的多微网配电系统分布式调度方法
Li et al. Energy Management of Multiple Microgrids Considering Missing Measurements: A Novel MADRL Approach
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
Ciornei et al. Adaptive distributed EMS for small clusters of resilient LVDC microgrids
Sun et al. An on-line generator start-up strategy based on deep learning and tree search
CN113890114B (zh) 一种主配用多层级电网灵活调节能力挖掘方法
Zhang et al. Energy optimization management of multi-microgrid using deep reinforcement learning
Germi et al. A hybrid model for daily peak load power forecasting based on SAMBA and neural network
Jasim et al. Coordinated control and load shifting-based demand management of a smart microgrid adopting energy internet
Olang’o et al. Multi objective multi area hydrothermal environmental economic dispatch using bat algorithm
Srinivasan et al. Generator maintenance scheduling with hybrid evolutionary algorithm

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