CN115377968A - 一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法 - Google Patents

一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法 Download PDF

Info

Publication number
CN115377968A
CN115377968A CN202211007176.0A CN202211007176A CN115377968A CN 115377968 A CN115377968 A CN 115377968A CN 202211007176 A CN202211007176 A CN 202211007176A CN 115377968 A CN115377968 A CN 115377968A
Authority
CN
China
Prior art keywords
power
representing
time
load
distribution network
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
CN202211007176.0A
Other languages
English (en)
Inventor
蔡胜
谢云云
吴昊
时涵
卜京
殷明慧
邹云
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 University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202211007176.0A priority Critical patent/CN115377968A/zh
Publication of CN115377968A publication Critical patent/CN115377968A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
    • 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
    • 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
    • H02J3/472—For selectively connecting the AC sources in a particular order, e.g. sequential, alternating or subsets of sources
    • 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)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (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

本发明公开了一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法，首先分别构建可再生能源出力及负荷功率需求模型、顺序恢复过程中配电网拓扑结构模型和顺序恢复过程中源‑网‑荷‑储协调调度模型，最后对构建的模型进行线性化处理并求解。本发明的技术方案在顺序恢复过程中考虑了可再生能源的出力波动，实现了新型配电网顺序恢复过程中对风电、光伏等不确定电源的合理调度，更大限度的利用了本地发电资源，在保证电网供电恢复策略安全性的同时提高了停电系统的顺序恢复能力。

Description

一种考虑可再生能源出力波动的新型配电网顺序恢复优化 方法
技术领域
本发明属于电网技术领域，特别涉及一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法
背景技术
极端自然灾害频繁发生，给电力系统的安全运行带来了巨大挑战，尤其是配电网由于网架等基础设施薄弱、备用容量不足的原因，极易受到自然灾害的破坏而发生大范围停电事故。为了减少大停电事故造成的社会影响和经济损失，自然灾害下的配电网应急控制成为研究的热点。随着近年来新能源发电技术的提升和我国双碳目标的提出，以新能源为主体的新型电力系统建设加速推进，风电、储能、移动应急电源等分布式电源大规模接入配电系统。在此背景下，国内外学者提出了基于“弹性配电网”的应急控制策略，利用配电网中分布式电源和未故障区域构成微电网，维持重要负荷持续供电，从而减小停电范围、缩短停电时间、提高供电可靠性。
对配电网进行顺序恢复是在应急控制条件下提升配电网弹性的关键之一。现有顺序恢复研究主要利用燃气轮机、柴发等确定性电源来实现配电网的顺序恢复。然而，风电、光伏等可再生能源的大量接入，使得现有基于确定性电源的顺序恢复方法无法适用于新型电力系统条件下的配电网顺序恢复，可再生能源的出力不确定性会导致顺序恢复过程中功率平衡、节点电压等安全约束越限，严重时甚至会引发二次停电事故。
发明内容
针对新型电力系统中供给侧和需求侧的不确定性问题，本发明提出了一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法，基于源-网-荷-储协调的三层鲁棒对顺序恢复极性优化，首先将风电出力及负荷需求建模为一个多边形不确定集合，在此基础上建立了三层鲁棒模型对源-网-荷-储进行协调调度；并且为了对所提模型进行有效求解，首先将原模型进行松弛以减少0-1变量的数量，随后采用扩展列和约束生成算法对改进后的模型进行迭代求解。仿真算例表明，所提方法能保证不确定条件下微电网的安全性，改善传统鲁棒优化方法过于保守的问题，并且在保证模型求解精度的同时提高求解速率。
实现本发明目的的具体技术方案为：
一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法，包括以下步骤：
步骤1、构建可再生能源出力及负荷功率需求模型；
步骤2、构建顺序恢复过程中配电网拓扑结构模型；
步骤3、构建顺序恢复过程中源-网-荷-储协调调度模型；
步骤4、对步骤1至步骤3构建的模型进行线性化处理并求解，得到最优配电网顺序恢复方案。
本发明与现有技术相比，其显著优点在于：
本发明的技术方案在顺序恢复过程中考虑了可再生能源的出力波动，实现了新型配电网顺序恢复过程中对风电、光伏等不确定电源的合理调度，更大限度的利用了本地发电资源，在保证电网供电恢复策略安全性的同时提高了停电系统的顺序恢复能力。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为本发明的考虑可再生能源出力波动的新型配电网顺序恢复优化方法步骤流程图。
图2为本发明的一个实施例中的IEEE13配电网拓扑图。
图3为本发明的一个实施例中的可再生能源预测的出力区间示意图。
图4为本发明的一个实施例中的两个微电网中恢复路径示意图。
图5为本发明的一个实施例中的最坏情况下微电网中负荷恢复量示意图。
图6为本发明的一个实施例中的最坏情况下微电网中分布式电源有功调度出力示意图。
具体实施方式
结合图1，一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法，包括以下步骤：
步骤1、构建可再生能源出力及负荷功率需求模型，具体为：
步骤1-1、根据已获得的可再生能源预测值，利用盒式不确定性集合刻画可再生能源出力预测误差，构建考虑不确定性的可再生能源出力区间模型：
Figure BDA0003809311060000031
其中，UR表示可再生能源机组出力的不确定集，NR表示可再生能源机组集合，
Figure BDA0003809311060000032
表示t时刻可再生能源机组r的预测出力，
Figure BDA0003809311060000033
表示t时刻可再生能源机组r的不确定出力，
Figure BDA0003809311060000034
表示t时刻可再生能源机组r的预测出力最大值，
Figure BDA0003809311060000035
表示t时刻可再生能源机组r的预测出力最小值，
Figure BDA0003809311060000036
表示t时刻可再生能源出力不确定集的上边界，
Figure BDA0003809311060000037
表示t时刻可再生能源出力不确定集的下边界；
步骤1-2、根据已获得的负荷功率需求预测值，利用盒式不确定性集合刻画负荷功率需求预测误差，构建考虑不确定性的负荷功率需求出力区间模型：
Figure BDA0003809311060000038
其中，UL表示负荷功率需求的不确定集，NL表示负荷所在节点集合；
Figure BDA0003809311060000039
表示t时刻节点l上负荷的预测功率需求，
Figure BDA00038093110600000310
表示t时刻节点l上负荷的不确定功率需求，
Figure BDA00038093110600000311
表示t时刻节点l上负荷的预测功率需求最大值，
Figure BDA00038093110600000312
表示t时刻节点l上负荷的预测功率需求最小值；
Figure BDA00038093110600000313
表示t时刻节点l上负荷功率需求不确定集的上边界，
Figure BDA00038093110600000314
表示t时刻节点l上负荷功率需求不确定集的下边界。
步骤2、构建顺序恢复过程中配电网拓扑结构模型，具体为：
步骤2-1、为了保证配电网在顺序恢复过程中逐步生成电网结构，对配电网顺序恢复过程中的拓扑结构设置约束条件：
Figure BDA00038093110600000315
其中，
Figure BDA00038093110600000316
表示t时刻节点i的供电状态，h＝θ(i)表示配电网拓扑结构中节点i的父亲节点集合；
步骤2-2、配电网顺序恢复过程中负荷、电源等设备恢复供电的前提是其所在节点恢复供电，线路恢复供电的前提是其两端节点恢复供电，因此，对配电网顺序恢复过程中的负荷、电源、线路的供电状态设置约束条件：
Figure BDA0003809311060000041
Figure BDA0003809311060000042
Figure BDA0003809311060000043
Figure BDA0003809311060000044
其中，
Figure BDA0003809311060000045
表示t时刻节点i上负荷的供电恢复状态，
Figure BDA0003809311060000046
表示t时刻分布式电源g的运行状态，
Figure BDA0003809311060000047
表示t时刻线路(h,i)上开关的闭合状态；
步骤2-3、对配电网拓扑结构设置约束条件，配电网顺序恢复过程中，需要保证树状结构，即恢复供电的系统在每一时步需满足如下约束：
Figure BDA0003809311060000048
步骤3、构建顺序恢复过程中源-网-荷-储协调调度模型，具体为：
步骤3-1、考虑以风电为例的可再生能源出力的不确定性，同时计及负荷功率需求量的不确定性，建立三层鲁棒优化模型，以故障持续时间内的加权负荷恢复量最大为顺序恢复目标：
Figure BDA0003809311060000049
其中，T表示顺序恢复时步集合，ωi表示节点i的权重系数，
Figure BDA00038093110600000410
表示节点i在t时刻有功功率调度值，Δt表示一个优化时步内持续的时间长度。
进一步的，所述优化模型的约束为：
(1)分布式电源出力约束，电源出力约束包括功率限额约束、电源爬坡率约束、电源容量约束等：
Figure BDA00038093110600000411
Figure BDA00038093110600000412
Figure BDA00038093110600000413
Figure BDA0003809311060000051
其中，
Figure BDA0003809311060000052
表示t时刻电源g的有功调度出力，
Figure BDA0003809311060000053
表示t时刻电源g的无功调度出力，
Figure BDA0003809311060000054
和
Figure BDA0003809311060000055
分别表示电源g的最小和最大有功出力，
Figure BDA0003809311060000056
和
Figure BDA0003809311060000057
分别表示电源g的最小和最大无功出力，
Figure BDA0003809311060000058
和
Figure BDA0003809311060000059
分别表示机组g在单位时段内的下、上爬坡速率，
Figure BDA00038093110600000510
表示机组g的容量；
(2)储能设备出力约束，储能设备出力约束包括功率限额约束、储能荷电状态约束等：
Figure BDA00038093110600000511
Figure BDA00038093110600000512
Figure BDA00038093110600000513
Figure BDA00038093110600000514
Figure BDA00038093110600000515
Figure BDA00038093110600000516
其中，
Figure BDA00038093110600000517
表示t时刻储能e的充电状态，
Figure BDA00038093110600000518
表示t时刻储能e的放电状态，
Figure BDA00038093110600000519
表示t时刻储能e的有功充电功率，
Figure BDA00038093110600000520
表示t时刻储能e的有功放电功率，
Figure BDA00038093110600000521
表示储能e有功充电功率最小值，
Figure BDA00038093110600000522
表示储能e有功放电功率最小值，
Figure BDA00038093110600000523
表示储能e有功充电功率最大值，
Figure BDA00038093110600000524
表示储能e有功放电功率最大值，Ee.0表示储能e的初始荷电状态，
Figure BDA00038093110600000525
表示储能e在t时刻的荷电状态，
Figure BDA00038093110600000526
表示储能e的允许荷电状态最小值，
Figure BDA00038093110600000527
表示储能e的允许荷电状态最大值，
Figure BDA00038093110600000528
表示储能e的充电效率，
Figure BDA00038093110600000529
表示储能e的放电效率；
(3)可控负荷的负荷需求量约束，其功率需求量应满足如下约束：
Figure BDA00038093110600000530
Figure BDA00038093110600000531
其中，
Figure BDA0003809311060000061
表示负荷l在t时刻有功功率需求量的最大值，
Figure BDA0003809311060000062
表示负荷l在t时刻有功功率需求量的最小值，
Figure BDA0003809311060000063
表示负荷l在t时刻无功功率调度值，σl表示负荷l的功率需求因数，
Figure BDA0003809311060000064
表示t时刻节点l上负荷的供电状态；
(4)配电网潮流约束，采用配电网供电恢复过程中常用的DistFlow潮流模型，将功率平衡约束和节点电压约束描述为：
Figure BDA0003809311060000065
Figure BDA0003809311060000066
Figure BDA0003809311060000067
Figure BDA0003809311060000068
Figure BDA0003809311060000069
Figure BDA00038093110600000610
Figure BDA00038093110600000611
其中，
Figure BDA00038093110600000612
表示t时刻在线路(h,i)上流过的有功功率，
Figure BDA00038093110600000613
表示t时刻在线路(h,i)上流过的无功功率，Ui.t表示t时刻节点i电压幅值的平方，
Figure BDA00038093110600000614
表示节点i电压幅值平方的最大值，
Figure BDA00038093110600000615
表示节点i电压幅值平方的最小值，
Figure BDA00038093110600000616
表示线路(h,i)上允许流通的有功功率最大值，
Figure BDA00038093110600000617
表示线路(h,i)上允许流通的有功功率最小值，
Figure BDA00038093110600000618
表示线路(h,i)上允许流通的无功功率最大值，
Figure BDA00038093110600000619
表示线路(h,i)上允许流通的无功功率最小值，M表示一个很大的常数。
步骤4、对步骤1至步骤3构建的模型进行线性化处理并求解，得到最优配电网顺序恢复方案，具体为：
步骤4-1、对步骤1至步骤3构建的模型中的非线性约束进行线性化处理；
电源容量约束是一个二次约束，可以利用多边形内近似法，将可行域近似为一个多边形区域。采用内近似法对二次约束进行线性化处理时，可以采用一组线性不等式约束替代二次约束。以正十二边形为例，经过缩减的可行域可表示为如下不等式约束集：
Figure BDA0003809311060000071
步骤4-2、对步骤1至步骤3构建的模型进行求解，具体为：
步骤1至步骤3构建的模型为三层鲁棒顺序恢复模型，可以表示为如下矩阵形式：
Figure BDA0003809311060000072
s.t.Ax≤p
Fx+Gy+Hz≤v
Ix+Jy+Kz+Lu≤w
y≥0,z∈{0,1}
将所述模型采用EC&CG算法分解为一个主问题和一个子问题，并采用迭代求解，得到优化结果，即考虑不确定条件下的最优顺序恢复方案。下面分别对主问题和子问题的求解方法进行阐述。
主问题可以写成如下形式：
Obj.PM＝maxη
Figure BDA0003809311060000073
Ax≤p
Figure BDA0003809311060000074
Figure BDA0003809311060000075
x∈X,yh≥0,zh∈{0,1}
第h+1次迭代过程中的子问题可以表示为：
Figure BDA0003809311060000076
Figure BDA0003809311060000077
Figure BDA0003809311060000078
y≥0,z∈{0,1}
上述模型中的内层问题是一个混合整数线性规划问题，导致强对偶理论无法直接使用。因此，首先对子问题中0-1变量进行松弛，进而对其进行等效转化。子问题求解的具体步骤如下：
1)在得到主问题的最优解
Figure BDA0003809311060000079
后，将子问题中的0-1变量松弛为连续变量，可以得到对应的线性规划松弛问题：
Figure BDA0003809311060000081
Figure BDA0003809311060000082
Figure BDA0003809311060000083
y≥0,0≤z≤1
2)运用强对偶理论，可以将双层问题“min-max”问题转化为等效的单层“min”问题,进而进行求解得到最恶劣的风电出力及负荷需求波动场景
Figure BDA00038093110600000822
Figure BDA0003809311060000084
Figure BDA0003809311060000085
Figure BDA0003809311060000086
Figure BDA0003809311060000087
由于存在双线性项
Figure BDA0003809311060000088
需要采用McCormick对其进行线性化处理。令
Figure BDA0003809311060000089
并引入如下四组约束：
Figure BDA00038093110600000810
3)将主问题优化解
Figure BDA00038093110600000811
和步骤2)中得到的
Figure BDA00038093110600000812
作为参数，通过求解单层确定性混合整数线性规划模型，得到优化的第二阶段决策变量
Figure BDA00038093110600000813
和
Figure BDA00038093110600000814
Figure BDA00038093110600000815
Figure BDA00038093110600000816
Figure BDA00038093110600000817
y≥0,z∈{0,1}
4)固定0-1变量
Figure BDA00038093110600000818
将子问题转为一个双层线性规划问题，并利用强对偶理论将子问题转化为一个单层优化问题，进一步采用McCormick对双线性项进行线性化处理。等效的单阶段优化问题可以表示为：
Figure BDA00038093110600000819
Figure BDA00038093110600000820
Figure BDA00038093110600000821
一种考虑可再生能源出力波动的新型配电网顺序恢复系统，包括以下模块：
可再生能源出力及负荷功率需求模型构建模块：用于构建可再生能源出力及负荷功率需求模型；
配电网拓扑结构模型构建模块：用于构建顺序恢复过程中配电网拓扑结构模型；
源-网-荷-储协调调度模型构建模块：用于构建顺序恢复过程中源-网-荷-储协调调度模型；
求解模块：用于对构建的模型进行线性化处理并求解，得到最优配电网顺序恢复方案。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
步骤1、构建可再生能源出力及负荷功率需求模型；
步骤2、构建顺序恢复过程中配电网拓扑结构模型；
步骤3、构建顺序恢复过程中源-网-荷-储协调调度模型；
步骤4、对步骤1至步骤3构建的模型进行线性化处理并求解，得到最优配电网顺序恢复方案。
一种计算机可存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
步骤1、构建可再生能源出力及负荷功率需求模型；
步骤2、构建顺序恢复过程中配电网拓扑结构模型；
步骤3、构建顺序恢复过程中源-网-荷-储协调调度模型；
步骤4、对步骤1至步骤3构建的模型进行线性化处理并求解，得到最优配电网顺序恢复方案。
下面结合实施例对本发明做进一步的说明。
实施例
以改进的IEEE13节点配电系统验证所提顺序恢复方法的有效性，其拓扑结构如图2所示。
假设配电系统由于极端自然灾害的影响处于全停状态，且主网停电时间约30分钟，顺序恢复过程中相邻时步间隔Δt设为3分钟。配电网中含有三台分布式电源，两台储能设备和两台风机。分布式电源的参数如表1所示，其中包括位置、状态和功率容量等参数。发电机状态反映了其黑启动能力，其中“1”表示该电源具有黑启动能力；“0/1”表示其不具有黑启动能力，但当满足启动功率要求时可以进行供电；“0”表示该台分布式电源退出运行，不参与顺序恢复过程。
表1 IEEE13节点配电系统中分布式电源参数
Tab.1 Parameters of distributed generators in IEEE 13-bus system
Figure BDA0003809311060000101
储能设备参数如表2所示，其中包括储能所在位置、容量、初设荷电状态(state ofcharge,SoC)，储能设备荷电状态的允许上下限，最大充放电功率，充放电效率。此外，节点632和671上分别连有一个风机，其额定容量分别为20kW和30kW，风电出力预测区间如图3所示。系统中各条线路的开关操作时间如表3所示；负荷参数如表4所示。在本实施例中，风机出力预测误差设为±15％，负荷功率需求的预测误差设为±5％。
表2 IEEE13节点配电系统中储能设备参数
Tab.2 Parameters of energy storage systems in IEEE 13-bus system
Figure BDA0003809311060000102
表3线路开关操作时间
Tab.3 Operation time of line switch
Figure BDA0003809311060000103
Figure BDA0003809311060000111
表4 IEEE13节点配电系统中负荷参数
Tab.4 Parameters of loads in IEEE 13-bus system
Figure BDA0003809311060000112
首先通过两组对比算例验证考虑风电参与顺序恢复过程的必要性。算例1中，风电机组不参与顺序恢复过程；算例2中，三台分布式电源、两台储能和两台风机均参与顺序恢复过程，两组算例中均考虑负荷需求量的不确定性。
表5对优化结果进行了对比，分别展示了两组算例中的目标函数、迭代次数和计算时间。从表中可以看出，算例2中的目标函数比算例1中多大约15％，表明在弹性配电网顺序恢复过程中考虑可再生能源的参与能有效提高重要负荷的供电恢复量。
表5两算例结果对比
Tab.5 Companion of results in two cases
Figure BDA0003809311060000113
图4展示了算例2中微电网MG1和MG2内的恢复路径。由于配电网中含有两个黑启动电源，因此逐渐生成两个微电网，且每个微电网至少包含一台黑启动电源和多台分布式电源。
优化的电源及负荷恢复顺序如表6所示。可以看出，算例2中的顺序恢复过程比算例1中先完成，这是由于在算例2中两台风机在第二时步恢复供电，所以在不需要快速提高电源出力的情况下能够恢复更多的负荷。
表6两组算例中电源及负荷的恢复顺序
Tab.6 Restoration sequences of DGs and loads in two cases
Figure BDA0003809311060000121
在算例2中风电出力及负荷需求波动最恶劣场景下，两个微电网中各时步负荷恢复量如图5所示。注意到一些负荷(如L4和L13)在恢复供电后被再次切除，这是因为分布式电源容量有限，恢复这些负荷会引起配电网中功率平衡安全约束越限。因此，考虑到分布式电源的稀缺性，为了保证微电网的安全运行，需要对一些已恢复但负荷权重较小的负荷进行切除，待微网内电源容量足够时再次对其进行恢复。
在算例2中风电出力及负荷需求波动最恶劣场景下，各时步电源设备的有功调度出力如图6所示，电源设备逐渐提高出力大小以实现配电网的顺序恢复。从图5和图6可以看出，各时步微电网内电源设备的出力之和与负荷有功需求量相等。
为了说明不确定性成本对顺序恢复结果的影响，本算例采用三组不确定集对风电出力及负荷需求的不确定性进行描述。三组集合中不确定性成本如表7所示，从集合1到集合3，不确定性成本逐渐增大以表示更大的可再生能源出力预测误差和负荷需求预测误差。同时，本算例还对基于确定性方法的顺序恢复策略进行了测试，以说明基于鲁棒优化的顺序恢复方法的必要性。
表7具有不同不确定性成本的集合
Tab.7 Different uncertainty budget set
Figure BDA0003809311060000131
进一步采用蒙特卡洛抽样法对生成的顺序恢复方案进行可行性校验在。每一个场景集中随机生成1000个风电出力及负荷需求场景，当不存在安全约束越限时，认为此恢复方案可行，否则，认为该恢复方案不可行。从场景集1到场景集3中，正态分布的标准差逐渐增加，以表示不确定度的增大。表8分别展示了三组不确定成本集下可行的顺序恢复方案的平均负荷恢复量，以及通过鲁棒方法和确定性方法得到的顺序恢复方案在预测误差实际发生时的非可行场景占比。
表8不同不确定集下的顺序恢复策略可行性校验
Tab.8 Feasibility check of SSR scheme under different uncertaintysets
Figure BDA0003809311060000132
Figure BDA0003809311060000141
可以看出，当实际风电出力和负荷需求量波动较小时，所提的基于鲁棒优化的顺序恢复策略可以完全保证顺序恢复方案的可行性，但通过确定性模型得到的顺序恢复方案中非可行场景占2.3％。随着系统不确定性程度的增加，通过确定性模型得到的顺序恢复方案中非可行场景占比快速提升。同时，通过不确定性集合1和集合2得到的方案中也开始出现非可行场景，但通过不确定性集合3得到的顺序恢复策略可以完全保证其可行性。由此可知，虽然鲁棒优化方法会造成优化结果较为保守，但是其在预测误差实际发生时可以更好的保障微电网的安全性。
以上实施例显示和描述了本发明的基本原理、主要特征。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说明本发明的原理，在不脱离本发明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。

Claims (10)

1.一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法，其特征在于，包括以下步骤：
步骤1、构建可再生能源出力及负荷功率需求模型；
步骤2、构建顺序恢复过程中配电网拓扑结构模型；
步骤3、构建顺序恢复过程中源-网-荷-储协调调度模型；
步骤4、对步骤1至步骤3构建的模型进行线性化处理并求解，得到最优配电网顺序恢复方案。
2.根据权利要求1所述的考虑可再生能源出力波动的新型配电网顺序恢复方法，其特征在于，所述步骤1中的构建可再生能源出力及负荷功率需求模型，具体为：
步骤1-1、根据已获得的可再生能源预测值，构建考虑不确定性的可再生能源出力区间模型：
Figure FDA0003809311050000011
Figure FDA0003809311050000012
其中，UR表示可再生能源机组出力的不确定集，NR表示可再生能源机组集合，
Figure FDA0003809311050000013
表示t时刻可再生能源机组r的预测出力，
Figure FDA0003809311050000014
表示t时刻可再生能源机组r的不确定出力，
Figure FDA0003809311050000015
表示t时刻可再生能源机组r的预测出力最大值，
Figure FDA0003809311050000016
表示t时刻可再生能源机组r的预测出力最小值，
Figure FDA0003809311050000017
表示t时刻可再生能源出力不确定集的上边界，
Figure FDA0003809311050000018
表示t时刻可再生能源出力不确定集的下边界，R表示符合量不确定性的集合；
步骤1-2、根据已获得的负荷功率需求预测值，构建考虑不确定性的负荷功率需求出力区间模型：
Figure FDA0003809311050000019
Figure FDA00038093110500000110
其中，UL表示负荷功率需求的不确定集，NL表示负荷所在节点集合；
Figure FDA00038093110500000111
表示t时刻节点l上负荷的预测功率需求，
Figure FDA0003809311050000021
表示t时刻节点l上负荷的不确定功率需求，
Figure FDA0003809311050000022
表示t时刻节点l上负荷的预测功率需求最大值，
Figure FDA0003809311050000023
表示t时刻节点l上负荷的预测功率需求最小值；
Figure FDA0003809311050000024
表示t时刻节点l上负荷功率需求不确定集的上边界，
Figure FDA0003809311050000025
表示t时刻节点l上负荷功率需求不确定集的下边界。
3.根据权利要求1所述的考虑可再生能源出力波动的新型配电网顺序恢复方法，其特征在于，所述步骤2中的构建顺序恢复过程中配电网拓扑结构模型，具体为：
步骤2-1、对配电网顺序恢复过程中的拓扑结构设置约束条件：
Figure FDA0003809311050000026
其中，
Figure FDA0003809311050000027
表示t时刻节点i的供电状态，h＝θ(i)表示配电网拓扑结构中节点i的父亲节点集合；
步骤2-2、对配电网顺序恢复过程中的负荷、电源、线路的供电状态设置约束条件为：
Figure FDA0003809311050000028
Figure FDA0003809311050000029
Figure FDA00038093110500000210
Figure FDA00038093110500000211
其中，
Figure FDA00038093110500000212
表示t时刻节点i上负荷的供电恢复状态，
Figure FDA00038093110500000213
表示t时刻分布式电源g的运行状态，
Figure FDA00038093110500000214
表示t时刻线路(h,i)上开关的闭合状态；
步骤2-3、对配电网拓扑结构设置约束条件：
Figure FDA00038093110500000215
4.根据权利要求1所述的考虑可再生能源出力波动的新型配电网顺序恢复方法，其特征在于，所述步骤3中的构建顺序恢复过程中源-网-荷-储协调调度模型，具体为：
步骤3-1、考虑以风电为例的可再生能源出力的不确定性，同时计及负荷功率需求量的不确定性，建立三层鲁棒优化模型，以故障持续时间内的加权负荷恢复量最大为顺序恢复目标：
Figure FDA0003809311050000031
其中，T表示顺序恢复时步集合，ωi表示节点i的权重系数，
Figure FDA0003809311050000032
表示节点i在t时刻有功功率调度值，Δt表示一个优化时步内持续的时间长度。
5.根据权利要求1所述的考虑可再生能源出力波动的新型配电网顺序恢复方法，其特征在于，所述优化模型的约束为：
(1)分布式电源出力约束：
Figure FDA0003809311050000033
Figure FDA0003809311050000034
Figure FDA0003809311050000035
Figure FDA0003809311050000036
其中，
Figure FDA0003809311050000037
表示t时刻电源g的有功调度出力，
Figure FDA0003809311050000038
表示t时刻电源g的无功调度出力，
Figure FDA0003809311050000039
和
Figure FDA00038093110500000310
分别表示电源g的最小和最大有功出力，
Figure FDA00038093110500000311
和
Figure FDA00038093110500000312
分别表示电源g的最小和最大无功出力，
Figure FDA00038093110500000313
和
Figure FDA00038093110500000314
分别表示机组g在单位时段内的下、上爬坡速率，
Figure FDA00038093110500000315
表示机组g的容量；
(2)储能设备出力约束：
Figure FDA00038093110500000316
Figure FDA00038093110500000317
Figure FDA00038093110500000318
Figure FDA00038093110500000319
Figure FDA00038093110500000320
Figure FDA0003809311050000041
其中，
Figure FDA0003809311050000042
表示t时刻储能e的充电状态，
Figure FDA0003809311050000043
表示t时刻储能e的放电状态，
Figure FDA0003809311050000044
表示t时刻储能e的有功充电功率，
Figure FDA0003809311050000045
表示t时刻储能e的有功放电功率，
Figure FDA0003809311050000046
表示储能e有功充电功率最小值，
Figure FDA0003809311050000047
表示储能e有功放电功率最小值，
Figure FDA0003809311050000048
表示储能e有功充电功率最大值，
Figure FDA0003809311050000049
表示储能e有功放电功率最大值，Ee.0表示储能e的初始荷电状态，
Figure FDA00038093110500000410
表示储能e在t时刻的荷电状态，
Figure FDA00038093110500000411
表示储能e的允许荷电状态最小值，
Figure FDA00038093110500000412
表示储能e的允许荷电状态最大值，
Figure FDA00038093110500000413
表示储能e的充电效率，
Figure FDA00038093110500000414
表示储能e的放电效率；
(3)可控负荷的负荷需求量约束：
Figure FDA00038093110500000415
Figure FDA00038093110500000416
其中，
Figure FDA00038093110500000417
表示负荷l在t时刻有功功率需求量的最大值，
Figure FDA00038093110500000418
表示负荷l在t时刻有功功率需求量的最小值，
Figure FDA00038093110500000419
表示负荷l在t时刻无功功率调度值，σl表示负荷l的功率需求因数，
Figure FDA00038093110500000420
表示t时刻节点l上负荷的供电状态；
(4)配电网潮流约束：
Figure FDA00038093110500000421
Figure FDA00038093110500000422
Figure FDA00038093110500000423
Figure FDA00038093110500000424
Figure FDA00038093110500000425
Figure FDA00038093110500000426
Figure FDA00038093110500000427
其中，
Figure FDA00038093110500000428
表示t时刻在线路(h,i)上流过的有功功率，
Figure FDA00038093110500000429
表示t时刻在线路(h,i)上流过的无功功率，Ui.t表示t时刻节点i电压幅值的平方，
Figure FDA00038093110500000430
表示节点i电压幅值平方的最大值，
Figure FDA00038093110500000431
表示节点i电压幅值平方的最小值，
Figure FDA00038093110500000432
表示线路(h,i)上允许流通的有功功率最大值，
Figure FDA0003809311050000051
表示线路(h,i)上允许流通的有功功率最小值，
Figure FDA0003809311050000052
表示线路(h,i)上允许流通的无功功率最大值，
Figure FDA0003809311050000053
表示线路(h,i)上允许流通的无功功率最小值，M表示一个很大的常数。
6.根据权利要求1所述的考虑可再生能源出力波动的新型配电网顺序恢复方法，其特征在于，所述步骤4中的对步骤1至步骤3的模型进行求解，具体为：
步骤4-1、对步骤1至步骤3构建的模型中的非线性约束进行线性化处理，
步骤4-2、对步骤1至步骤3构建的模型进行求解。
7.根据权利要求6所述的考虑可再生能源出力波动的新型配电网顺序恢复方法，其特征在于，所述步骤4-2中的对构建的模型进行求解，具体为：
步骤1至步骤3构建的模型为三层鲁棒顺序恢复模型，将所述模型采用EC&CG算法分解为一个主问题和一个子问题，并采用迭代求解，得到优化结果。
8.一种考虑可再生能源出力波动的新型配电网顺序恢复系统，其特征在于，包括以下模块：
可再生能源出力及负荷功率需求模型构建模块：用于构建可再生能源出力及负荷功率需求模型；
配电网拓扑结构模型构建模块：用于构建顺序恢复过程中配电网拓扑结构模型；
源-网-荷-储协调调度模型构建模块：用于构建顺序恢复过程中源-网-荷-储协调调度模型；
求解模块：用于对构建的模型进行线性化处理并求解，得到最优配电网顺序恢复方案。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述方法的步骤。
10.一种计算机可存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7项所述的方法的步骤。
CN202211007176.0A 2022-08-22 2022-08-22 一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法 Pending CN115377968A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211007176.0A CN115377968A (zh) 2022-08-22 2022-08-22 一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211007176.0A CN115377968A (zh) 2022-08-22 2022-08-22 一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法

Publications (1)

Publication Number Publication Date
CN115377968A true CN115377968A (zh) 2022-11-22

Family

ID=84067705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211007176.0A Pending CN115377968A (zh) 2022-08-22 2022-08-22 一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法

Country Status (1)

Country Link
CN (1) CN115377968A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115995815A (zh) * 2023-03-23 2023-04-21 国网山西省电力公司电力科学研究院 一种基于多模块嵌套迭代的负荷故障恢复方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115995815A (zh) * 2023-03-23 2023-04-21 国网山西省电力公司电力科学研究院 一种基于多模块嵌套迭代的负荷故障恢复方法
CN115995815B (zh) * 2023-03-23 2023-06-13 国网山西省电力公司电力科学研究院 一种基于多模块嵌套迭代的负荷故障恢复方法

Similar Documents

Publication Publication Date Title
WO2022257712A1 (zh) 面向韧性提升的配电网分布式电源储能控制方法及系统
Zhang et al. Optimal allocation of PV generation and battery storage for enhanced resilience
Li et al. Optimal planning of energy storage system in active distribution system based on fuzzy multi-objective bi-level optimization
Qiu et al. Resilience-oriented multistage scheduling for power grids considering nonanticipativity under tropical cyclones
CN105790265A (zh) 一种考虑交流潮流约束的不确定性机组组合模型及求解方法
Zhao et al. Distributed risk-limiting load restoration for wind power penetrated bulk system
CN115995790A (zh) 一种配电网故障恢复方法、系统、设备及介质
Li et al. A dynamic multi-constraints handling strategy for multi-objective energy management of microgrid based on MOEA
Liu et al. Bi-level coordinated power system restoration model considering the support of multiple flexible resources
Gao et al. Field exploration and analysis of power grid side battery energy storage system
El-Bahay et al. Computational methods to mitigate the effect of high penetration of renewable energy sources on power system frequency regulation: a comprehensive review
Hu et al. Real‐time power management technique for microgrid with flexible boundaries
CN113346484B (zh) 一种考虑暂态不确定性的配电网弹性提升方法及系统
CN115377968A (zh) 一种考虑可再生能源出力波动的新型配电网顺序恢复优化方法
CN113361078A (zh) 一种考虑光伏发电不确定性的配电网云边协同调控方法
CN115496427B (zh) 一种多微网系统柔性互联投资规划决策方法
Quan et al. Optimal Energy Management of Vanadium Redox Flow Batteries Energy Storage System for Frequency Regulation and Peak Shaving in an Islanded Microgrid
CN116131318A (zh) 面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置
Liu et al. Optimal virtual inertial-based power system frequency regulation through multi-cluster wind turbines using BWOA
Chen et al. Robust islanded restoration coordinating multiple distributed resources to enhance resilience of active distribution system
Qin et al. Resilience Enhancement of Multi-microgrid System of Systems Based on Distributed Energy Scheduling and Network Reconfiguration
Xin et al. A Robust Planning Considering Multiple Uncertainties of Distributed Generation
Han et al. Integrated Planning of Energy Storage Systems and Data Centers Considering Resilience Enhancement in Distribution Network
CN112769158B (zh) 一种考虑vsc和储能快速控制的交直流系统机组组合方法
Qi et al. Research on optimization of wind power system based on reliability evaluation and modeling

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