CN115473284A - 区域电力交换约束下配电系统运行的鲁棒优化方法、系统及计算机设备 - Google Patents

区域电力交换约束下配电系统运行的鲁棒优化方法、系统及计算机设备 Download PDF

Info

Publication number
CN115473284A
CN115473284A CN202210953266.2A CN202210953266A CN115473284A CN 115473284 A CN115473284 A CN 115473284A CN 202210953266 A CN202210953266 A CN 202210953266A CN 115473284 A CN115473284 A CN 115473284A
Authority
CN
China
Prior art keywords
power
model
output
constraint
branch
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
CN202210953266.2A
Other languages
English (en)
Other versions
CN115473284B (zh
Inventor
丁波
戴欣
王栋
李�浩
魏巍
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.)
HuaiAn Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
HuaiAn Power Supply Co of 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 HuaiAn Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical HuaiAn Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority to CN202210953266.2A priority Critical patent/CN115473284B/zh
Publication of CN115473284A publication Critical patent/CN115473284A/zh
Application granted granted Critical
Publication of CN115473284B publication Critical patent/CN115473284B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • 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
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • H02J3/28—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
    • 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
    • H02J3/388—Islanding, i.e. disconnection of local power supply from the network
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (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

本发明涉及配网内运行调度与控制领域，公开了一种区域功率交换约束下配电系统运行的鲁棒优化方法、系统及计算机设备，包括如下步骤：1）构建配电网内DG的日常出力模型，包括风电、储能、微型燃气轮机；2）以配电网运行的等效成本最小为目标，优化调度区域电网内的DG有功出力，建立区域功率交换约束下配电系统运行的双层鲁棒优化调度模型；3）采用对偶理论将该模型转换为一个混合整数线性规划模型，4）采用CPLEX求解该模型。与现有技术相比，本发明得到的运行策略充分考虑了风电出力的不确定性，能够保证在各种情况下满足安全约束，模型简单，易于求解，具有一定的理论价值和工程价值。

Description

区域电力交换约束下配电系统运行的鲁棒优化方法、系统及 计算机设备
技术领域
本发明属于配网内运行调度与控制领域，涉及一种区域电力交换约束下配电系统运行的鲁棒优化方法、系统及计算机设备。
背景技术
当主电网供电被极端自然灾害中断时，传统的配电网经济运行调度方案不再适用。为了在不违反安全约束的情况下确保配电网的运行，可以通过孤岛划分的方式将配电网拆分为微电网，保障微网内负荷的正常运行。但是，在形成微电网时，对于微网内部DG出力预测的不准确会导致过大的功率冲击并最终导致微电网形成失败引发二次故障。为了避免这种情况，需要在考虑微网内DG出力不确定性的情况下限制联络线功率。
本发明提出一种在区域电力交换约束下配电系统运行的鲁棒优化方法，在传统配电网有功调度方案的基础上通过区域功率交换约束来限制联络线功率，保障微网的安全建立。
发明内容
发明目的：针对背景技术中指出的问题，本发明提出一种区域电力交换约束下配电系统运行的鲁棒优化方法、系统及计算机设备，在传统配电网有功调度方案的基础上通过区域功率交换约束来限制联络线功率，保障微网的安全建立。
技术方案：本发明公开了一种区域电力交换约束下配电系统运行的鲁棒优化方法，包括以下步骤：
步骤1：构建配电网内DG的日常出力模型，包括风电、储能、微型燃气轮机；
步骤2：以配电网运行等效成本最小为目标构建包含多种DG的双层鲁棒优化调度模型，并设置约束条件；
步骤3：利用强对偶理论将双层问题转化为单层问题，最终转化为混合整数线性规划模型；
步骤4：对步骤3中的混合整数线性规划模型求解，得到计及区域功率交换的配电系统优化最优调度方案以及灾时孤岛划分策略。
进一步地，所述步骤1中构建配电网内DG的日常出力模型，具体包括以下步骤：
步骤1-1：构建风电的预测出力模型，出力预测区间为：
Figure RE-GDA0003923999510000021
其中，
Figure RE-GDA0003923999510000022
表示第t时步的风机预测出力；
Figure RE-GDA0003923999510000023
表示第t时步的风机预测出力误差下限，是一个负值；
Figure RE-GDA0003923999510000024
表示第t时步的风机预测出力误差上限，是一个正值；
步骤1-2：构建风电的允许出力模型，出力允许区间为：
Figure RE-GDA0003923999510000025
其中，
Figure RE-GDA0003923999510000026
表示第t时步的风机出力允许误差下限，是一个负值；
Figure RE-GDA0003923999510000027
表示第t时步的风机出力允许误差上限，是一个正值；
步骤1-3：预测出力区间范围需在允许出力区间范围内，由步骤1-1和1-2 可得风电出力约束：
Figure RE-GDA0003923999510000028
步骤1-4：构建网损的成本函数，网损用
Figure RE-GDA0003923999510000029
表示：
Figure RE-GDA00039239995100000210
其中，kG表示网损成本系数，Il,t表示支路l上的电流平方，Rl,t表示支路l上的电阻，
Figure RE-GDA00039239995100000211
表示配电网内部在时间t内所产生的网损；
步骤1-5：构建储能成本函数，储能成本用
Figure RE-GDA00039239995100000212
表示：
Figure RE-GDA00039239995100000213
其中，kESS表示储能成本系数，Pi ESS(t)表示储能装置的充放电功率；
步骤1-6：构建微型燃气轮机的成本函数，微型燃气轮机的成本用
Figure RE-GDA00039239995100000214
表示：
Figure RE-GDA00039239995100000215
其中，kMT表示燃气轮机成本系数，Pi MT(t)表示微型燃气轮机的出力。
进一步地，所述步骤2中以配电网运行等效成本最小为目标构建包含多种 DG的双层鲁棒优化调度模型，具体为：
采用鲁棒模型描述风电出力不确定性，以配电网运行等效成本最小为目标，构建区域功率交换约束下配电系统运行的双层鲁棒优化调度模型的初始目标函数：
Figure RE-GDA0003923999510000031
其中，X表示所有的决策变量集，D表示风电出力区间，NL表示所有的支路集合，kG表示网损成本系数，Il,t表示第t个时步支路l上的电流平方，表示支路l上的电流平方，kMT表示燃气轮机成本系数，Rl,t表示支路l上的电阻，Pi MT(t) 表示第t个时步微型燃气轮机的出力，kESS表示储能成本系数，Pi ESS(t)表示第t 个时步储能装置的充放电功率。
进一步地，所述步骤2中约束条件如下：
(1)系统运行约束
配电网内的每个节点都需要满足有功功率和无功功率平衡约束，因此，系统运行约束表示为：
Figure RE-GDA0003923999510000032
Figure RE-GDA0003923999510000033
Figure RE-GDA0003923999510000034
Figure RE-GDA0003923999510000035
其中，Pij,t和Qij,t分别为支路ij在时间t内的有功和无功功率流，Zi,j,t为节点i 和节点j在时间t内的连接状态，若两节点相连则为1，否则为0；
Figure RE-GDA0003923999510000036
和
Figure RE-GDA0003923999510000037
分别是MT和WT在节点i上的时间t内的有功功率输出，
Figure RE-GDA0003923999510000038
和
Figure RE-GDA0003923999510000039
分别为ESS 在节点i的充电和放电功率，
Figure RE-GDA00039239995100000310
和
Figure RE-GDA00039239995100000311
分别为节点i上的时间t内的有功和无功负荷，Ui,t和Uj,t是节点i和节点j在时间t内的电压的平方，Iij是节点i和节点j 在时间t内的电流平方，Rij和Xij分别为支路ij的电阻和电抗，Pi,t和Qi,t分别为在时间t内注入节点i的有功功率和无功功率；
(2)安全运行约束
所有节点的电压和所有支路的电流必须满足安全标准，具体可以表示为以下不等式约束：
Figure RE-GDA0003923999510000041
Figure RE-GDA0003923999510000042
其中，
Figure RE-GDA0003923999510000043
和
Figure RE-GDA0003923999510000044
分别为节点i处电压最小值的平方和最大值的平方，Iij,t是支路ij在时间t内的电流的平方，
Figure RE-GDA0003923999510000045
是支路ij的最大平方电流；
(3)DG约束
配电网内的每个DG包括储能、微型燃气轮机、风机都需要满足有功功率和无功功率平衡约束，可以写作：
Figure RE-GDA0003923999510000046
Figure RE-GDA0003923999510000047
Figure RE-GDA0003923999510000048
Figure RE-GDA0003923999510000049
Figure RE-GDA00039239995100000410
Figure RE-GDA00039239995100000411
Figure RE-GDA00039239995100000412
Figure RE-GDA00039239995100000413
Figure RE-GDA00039239995100000414
Figure RE-GDA00039239995100000415
其中，Ei,max表示ESS的最大容量，Pi,ch,max和Pi,dis,max分别是放置于节点i的ESS的最大充电和放电功率，
Figure RE-GDA0003923999510000051
和
Figure RE-GDA0003923999510000052
分别表示放置于节点i的ESS在时间t 上的充放电状态，
Figure RE-GDA0003923999510000053
和
Figure RE-GDA0003923999510000054
分别为放置于节点i的微型燃气轮机(MT)的向上爬坡功率限值和向下爬坡功率限值，
Figure RE-GDA0003923999510000055
表示ESS在时间t+1上的SOC状态，ΔT 代表一个优化时步，E0表示ESS的初始SOC状态，
Figure RE-GDA0003923999510000056
和
Figure RE-GDA0003923999510000057
分别代表ESS的充电和放电功率；
(4)区域电力交换约束
Scons1,t-Scons2,t<SMAX
通过限制配电网和含DG的区域电网之间的功率交换，使得在主网发生故障时，含DG的区域电网能安全形成孤岛，Scons1,t和Scons2,t分别是它们之间的流入功率和流出功率；
(5)辐射状结构约束
Figure RE-GDA0003923999510000058
Figure RE-GDA0003923999510000059
Figure RE-GDA00039239995100000510
αij+αji＝1
其中，nb是配电网中的支路总数，b是支路序列号，xb是支路的开关状态，支路关闭时xb的值为1，支路断开时xb的值为0，N和Ns分别是配电网中的节点总数和电源总数，ni和nj分别为支路两端的节点，αij是0-1变量，用于指示ni和 nj的父子关系，在配电网的结构中，当nj是ni的父节点时，αij的值为1，否则为0，Ωs是配电网中的包含DG的节点集，Ωu是配电网中的包含负载的节点集；Γi是与ni相邻的节点集。
进一步地，所述步骤3中利用强对偶理论将双层问题转化为单层问题，最终转化为混合整数线性规划模型，具体包括以下步骤：
步骤3-1：一般的鲁棒优化模型可以被描述如下：
Figure RE-GDA0003923999510000061
式中，x为决策变量；y为不确定参数，在本模型中代表风机出力，A,B,C为参数矩阵；
Figure RE-GDA0003923999510000062
代表一般的含不确定变量的目标函数；式(1)表示不等式约束，对于含确定性变量和不确定型变量的约束都必须满足该类约束，在本模型中对于风机出力的任何变化也必须满足该类约束；式(2)表示常规机组的出力约束；式(3)表示风机允许出力区间约束；
步骤3-2：一般的鲁棒优化模型转化方法可以被描述如下：
鲁棒优化模型min-max问题的根本在于当不确定量的不确定性最大时，约束能够满足且目标函数值最小，因此，当生成不确定参数的最坏情况以保证系统的安全约束得以满足，即可将上述的min-max问题转化为双层优化模型；
由于式(1)约束条件含有不确定变量导致模型难以求解，因此先将式(1) 转化为如下两层优化模型：
Figure RE-GDA0003923999510000063
式中，i为模型中所包含的约束，Ai,Bi,Ci为相对应的约束内的参数矩阵；
上述两层优化模型运用强对偶理论进一步转化为单层优化模型，先将不确定变量y用其预测范围来表示其不确定性，原模型进一步转化为：
Figure RE-GDA0003923999510000064
然后，引入对偶乘子α，上述模型对应的对偶问题可以表示为：
Figure RE-GDA0003923999510000065
根据强对偶定理，有如下公式：
Figure RE-GDA0003923999510000066
因此，原问题最终转化为下述一般优化模型：
Figure RE-GDA0003923999510000071
步骤3-3：将该优化方法应用到实际模型上，可以被描述如下：
Figure RE-GDA0003923999510000072
Figure RE-GDA0003923999510000073
本发明还公开一种基于上述区域电力交换约束下配电系统运行的鲁棒优化方法的系统，包括以下模块：
DG模型构建模块：用于构建配电网内包括风电、储能、微型燃气轮机的 DG的日常出力成本模型，包括风电、储能、微型燃气轮机；
鲁棒优化模型构建模块：用于结合DG的日常出力成本模型，以配电网运行等效成本最小为目标构建包含多种DG的鲁棒优化调度模型，并设置约束条件；
转化模块，用于利用强对偶理论将鲁棒优化模型的双层问题转化为单层问题，最终转化为混合整数线性规划模型；
模型求解模块：用于求解运行策略的混合整数规划模型，得到计及区域功率交换的配电系统优化最优调度方案以及灾时孤岛划分策略。
本发明还公开一种计算机设备，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上述区域电力交换约束下配电系统运行的鲁棒优化方法的步骤。
有益效果：
本发明考虑了多类DG，丰富了模型的结构，用基于鲁棒优化的方法，可以考虑到风电波动的最坏情况，利用本发明得到的运行调度方案能够让日常运行成本最小并保证配网在失去主电网供电时，微网可以安全建立。本发明可以适用于含多种类DG的配电网日常运行调度，具有一定的理论价值和工程价值。
附图说明
图1为本发明的方法流程图。
图2为测试系统的拓扑结构。
图3为考虑预测误差前后配电网整体电压水平前后对比图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
结合图1，在区域电力交换约束下配电系统运行的鲁棒优化方法，包括如下步骤：
步骤1、配电网内部DG建模，包括风电、储能、微型燃气轮机。考虑风电出力不确定性后，风电出力的预测区间和允许区间都可以用有界凸区域来描述，并且需要满足允许区间的上下限不得高于预测区间的上下限，以保证预测区间的精确度，由此可建立风机出力模型。储能装置和微型燃气轮机均只考虑运行成本。所有的物理实体模型需化为线性模型，具体步骤为：
步骤1-1、构建风电的预测出力模型，出力预测区间为：
Figure RE-GDA0003923999510000081
其中，
Figure RE-GDA0003923999510000082
表示第t时步的风机预测出力；
Figure RE-GDA0003923999510000083
表示第t时步的风机预测出力误差下限，是一个负值；
Figure RE-GDA0003923999510000084
表示第t时步的风机预测出力误差上限，是一个正值。
步骤1-2、构建风电的允许出力模型，出力允许区间为：
Figure RE-GDA0003923999510000085
其中，
Figure RE-GDA0003923999510000086
表示第t时步的风机出力允许误差下限，是一个负值；
Figure RE-GDA0003923999510000087
表示第t时步的风机出力允许误差上限，是一个正值。
步骤1-3、预测出力区间范围需在允许出力区间范围内，由步骤1-1和1-2 可得风电出力约束：
Figure RE-GDA0003923999510000088
步骤1-4、构建网损的成本函数，网损用
Figure RE-GDA0003923999510000091
表示：
Figure RE-GDA0003923999510000092
其中，kG表示网损成本系数，Il,t表示支路l上的电流平方，Rl,t表示支路l上的电阻。
Figure RE-GDA0003923999510000093
表示配电网内部在时间t内所产生的网损。
步骤1-5、构建储能成本函数，储能成本用
Figure RE-GDA0003923999510000094
表示：
Figure RE-GDA0003923999510000095
其中，kESS表示储能成本系数，Pi ESS(t)表示储能装置的充放电功率。
步骤1-6、构建微型燃气轮机的成本函数，微型燃气轮机的成本用
Figure RE-GDA0003923999510000096
表示：
Figure RE-GDA0003923999510000097
其中，kMT表示燃气轮机成本系数，Pi MT(t)表示微型燃气轮机的出力。
步骤2、根据步骤1的各类DG模型，建立以配电网运行等效成本最小为目标构建包含多种DG的双层鲁棒优化调度模型，具体为：
步骤2-1、采用鲁棒模型描述风电出力不确定性，以配电网运行等效成本最小为目标，构建区域功率交换约束下配电系统运行的双层鲁棒优化调度模型的初始目标函数：
Figure RE-GDA0003923999510000098
其中，X表示所有的决策变量集，D表示风电出力区间，NL表示所有的支路集合。kG表示网损成本系数，Il,t表示第t个时步支路l上的电流平方，表示支路l上的电流平方。kMT表示燃气轮机成本系数，
Figure RE-GDA0003923999510000099
表示第t个时步微型燃气轮机的出力，kESS表示储能成本系数，Pi ESS(t)表示第t个时步储能装置的充放电功率。
本发明设定配电网内的所有DG都可供配电网运营商调度使用。除了配电网的网损，将DG的运行发电成本纳入到运营商成本的考虑中，可以使得运营商成本最小化。
步骤2-2、确定优化调度策略的过程中，需要考虑的约束条件如下：
(1)系统运行约束
配电网内的每个节点都需要满足有功功率和无功功率平衡约束。因此，系统运行约束表示为：
Figure RE-GDA0003923999510000101
Figure RE-GDA0003923999510000102
Figure RE-GDA0003923999510000103
Figure RE-GDA0003923999510000104
其中，Pij,t和Qij,t分别为支路ij在时间t内的有功和无功功率流，Zi,j,t为节点i 和节点j在时间t内的连接状态，若两节点相连则为1，否则为0；
Figure RE-GDA0003923999510000105
和
Figure RE-GDA00039239995100001015
分别是MT和WT在节点i上的时间t内的有功功率输出，
Figure RE-GDA0003923999510000106
和
Figure RE-GDA0003923999510000107
分别为ESS 在节点i的充电和放电功率，
Figure RE-GDA0003923999510000108
和
Figure RE-GDA0003923999510000109
分别为节点i上的时间t内的有功和无功负荷，Ui,t和Uj,t是节点i和节点j在时间t内的电压的平方，Iij是节点i和节点j 在时间t内的电流平方，Rij和Xij分别为支路ij的电阻和电抗，Pi,t和Qi,t分别为在时间t内注入节点i的有功功率和无功功率。
(2)安全运行约束
所有节点的电压和所有支路的电流必须满足安全标准。具体可以表示为以下不等式约束：
Figure RE-GDA00039239995100001010
Figure RE-GDA00039239995100001011
其中，
Figure RE-GDA00039239995100001012
和
Figure RE-GDA00039239995100001013
分别为节点i处电压最小值的平方和最大值的平方。Iij,t是支路ij在时间t内的电流的平方。
Figure RE-GDA00039239995100001014
是支路ij的最大平方电流。
(3)DG约束
配电网内的每个DG包括储能，微型燃气轮机，风机都需要满足有功功率和无功功率平衡约束，可以写作：
Figure RE-GDA0003923999510000111
Figure RE-GDA0003923999510000112
Figure RE-GDA0003923999510000113
Figure RE-GDA0003923999510000114
Figure RE-GDA0003923999510000115
Figure RE-GDA0003923999510000116
Figure RE-GDA0003923999510000117
Figure RE-GDA0003923999510000118
Figure RE-GDA0003923999510000119
Figure RE-GDA00039239995100001110
其中，Ei,max表示ESS的最大容量。Pi,ch,max和Pi,dis,max分别是放置于节点i的 ESS的最大充电和放电功率。
Figure RE-GDA00039239995100001111
和
Figure RE-GDA00039239995100001112
分别表示放置于节点i的ESS在时间t 上的充放电状态。
Figure RE-GDA00039239995100001113
和
Figure RE-GDA00039239995100001114
分别为放置于节点i的微型燃气轮机(MT)的向上爬坡功率限值和向下爬坡功率限值。
Figure RE-GDA00039239995100001117
表示ESS在时间t+1上的SOC状态。ΔT 代表一个优化时步，E0表示ESS的初始SOC状态。
Figure RE-GDA00039239995100001115
和
Figure RE-GDA00039239995100001116
分别代表ESS的充电和放电功率。
(4)区域电力交换约束
Scons1,t-Scons2,t<SMAX
通过限制配电网和含DG的区域电网之间的功率交换，使得在主网发生故障时，含DG的区域电网能安全形成孤岛。Scons1,t和Scons2,t分别是它们之间的流入功率和流出功率。
(5)辐射状结构约束
Figure RE-GDA0003923999510000121
Figure RE-GDA0003923999510000122
Figure RE-GDA0003923999510000123
αij+αji＝1
其中，nb是配电网中的支路总数，b是支路序列号。xb是支路的开关状态。支路关闭时xb的值为1，支路断开时xb的值为0。N和Ns分别是配电网中的节点总数和电源总数。ni和nj分别为支路两端的节点，αij是0-1变量，用于指示ni和 nj的父子关系。在配电网的结构中，当nj是ni的父节点时，αij的值为1，否则为0。Ωs是配电网中的包含DG的节点集，Ωu是配电网中的包含负载的节点集；Γi是与ni相邻的节点集。
步骤3、运用对偶理论，基于步骤2的鲁棒优化模型，对含有风电出力的运行约束进行最坏情况处理，将双层鲁棒问题化为单层，具体为：
步骤3-1、一般的鲁棒优化模型可以被描述如下：
Figure RE-GDA0003923999510000124
式中，x为决策变量；y为不确定参数，在本模型中代表风机出力；
Figure RE-GDA0003923999510000125
为目标函数。式(1)表示不等式约束，例如功率平衡约束，对于风机出力的任何变化都必须满足该约束；式(2)表示常规机组的出力约束；式(3)表示风机允许出力区间约束。
步骤3-2、一般的鲁棒优化模型转化方法可以被描述如下：
鲁棒优化模型min-max问题的根本在于当不确定量的不确定性最大时，约束能够满足且目标函数值最小。因此，当生成不确定参数的最坏情况以保证系统的安全约束得以满足，即可将上述的min-max问题转化为双层优化模型。
由于式(1)约束条件含有不确定变量导致模型难以求解，因此可以先将式(1)转化为如下两层优化模型：
Figure RE-GDA0003923999510000131
式中，i为模型中所包含的约束，Ai,Bi,Ci为相对应的约束内的参数矩阵。
上述两层优化模型运用强对偶理论可以进一步转化为单层优化模型，从而方便求解。先将不确定变量y用其预测范围来表示其不确定性，原模型进一步转化为：
Figure RE-GDA0003923999510000132
然后，引入对偶乘子α，上述模型对应的对偶问题可以表示为：
Figure RE-GDA0003923999510000133
根据强对偶定理，有如下公式：
Figure RE-GDA0003923999510000134
因此，原问题最终转化为下述一般优化模型：
Figure RE-GDA0003923999510000135
步骤3-3、将该优化方法应用到实际模型上，可以被描述如下：
Figure RE-GDA0003923999510000136
Figure RE-GDA0003923999510000137
步骤4、线性化后的模型是混合整数规划模型，采用商业软件CPLEX求解，得到最优运行策略。
下面结合具体实施例对本发明做进一步详细的描述：
本发明采用改进的IEEE33节点测试系统适用于测试所提出方法的性能，其中，电压偏差的允许波动为0.08p.u.，最大支路电流设置为400A，负荷参数为标准33节点系统的1.2倍。采用国内某一典型日的风机发电2小时内8个时步的预测出力值为参考值，由于实际的风机出力是波动的，给风机预测出力加入波动量以模拟风机出力的波动区间，表1给出详细参数：
表1风机出力预测值
Figure RE-GDA0003923999510000141
系统包括风机、储能、微型燃气轮机三种分布式能源，均安装在节点30处。风机的规模为160kW；储能的规模为1×0.16MW，储能的SoC状态的下限和上限分别设置为0.2和0.9，效率系数为100％；微型燃气轮机的有功出力上下限为 0.25MW和0.1MW，上下爬坡功率限制为0.04MW/h和0.04MW/h，图2表示测试系统的拓扑结构。
图3显示了在第8个时步的配电网的整体电压电平在考虑预测误差的前后对比结果。从图中可以看出，两种情况下的配电网最小电压均为0.93p.u.，这意味着考虑预测误差对系统总电压的影响很小。
表2在两小时内考虑预测误差前后目标函数值对比。可见，考虑预测误差在很少影响配电网运行调度的情况下显著提高了配电网在形成微电网时的安全性。
表2目标函数值在有无预测误差的情况下比较结果
Figure RE-GDA0003923999510000142
表3显示了网架重构策略和区域功率约束所选支路。当主网发生停电时，所区域功率约束所选支路的开关将被关闭，使得包含DG在内的区域电网可以安全地形成孤岛电网。
表3网架重构策略和区域功率约束所选支路
Figure RE-GDA0003923999510000151
综上，当主网正常运行时，按照传统调度方案结合网架重构策略对于DG出力进行调度；当主网发生故障时，通过区域功率约束，隔离DG附近区域并形成孤岛，利用DG的主动发电能力，保障区域内的负荷应急供电。
从以上实施结果可以看出，本发明的方法考虑区域功率约束下配电网运行的成本函数模型，在此基础上利用鲁棒的方法进行优化调度模型的建模，充分考虑了风电出力不确定性的影响，模型简单，易于求解，利用本发明得到的运行策略能够充分利用风电资源以及配电网内部的各种DG，保证了微网建立的安全性，降低了配电网运营商的整体运行成本。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (7)

1.一种区域电力交换约束下配电系统运行的鲁棒优化方法，其特征在于，包括以下步骤：
步骤1：构建配电网内DG的日常出力模型，包括风电、储能、微型燃气轮机；
步骤2：以配电网运行等效成本最小为目标构建包含多种DG的双层鲁棒优化调度模型，并设置约束条件；
步骤3：利用强对偶理论将双层问题转化为单层问题，最终转化为混合整数线性规划模型；
步骤4：对步骤3中的混合整数线性规划模型求解，得到计及区域功率交换的配电系统优化最优调度方案以及灾时孤岛划分策略。
2.根据权利要求1所述的区域电力交换约束下配电系统运行的鲁棒优化方法，其特征在于，所述步骤1中构建配电网内DG的日常出力模型，具体包括以下步骤：
步骤1-1：构建风电的预测出力模型，出力预测区间为：
Figure RE-FDA0003923999500000011
其中，
Figure RE-FDA0003923999500000012
表示第t时步的风机预测出力；VP t W表示第t时步的风机预测出力误差下限，是一个负值；
Figure RE-FDA0003923999500000013
表示第t时步的风机预测出力误差上限，是一个正值；
步骤1-2：构建风电的允许出力模型，出力允许区间为：
Figure RE-FDA0003923999500000014
其中，
Figure RE-FDA0003923999500000015
表示第t时步的风机出力允许误差下限，是一个负值；
Figure RE-FDA0003923999500000016
表示第t时步的风机出力允许误差上限，是一个正值；
步骤1-3：预测出力区间范围需在允许出力区间范围内，由步骤1-1和1-2可得风电出力约束：
Figure RE-FDA0003923999500000017
步骤1-4：构建网损的成本函数，网损用
Figure RE-FDA0003923999500000018
表示：
Figure RE-FDA0003923999500000021
其中，kG表示网损成本系数，Il,t表示支路l上的电流平方，Rl,t表示支路l上的电阻，
Figure RE-FDA0003923999500000022
表示配电网内部在时间t内所产生的网损；
步骤1-5：构建储能成本函数，储能成本用
Figure RE-FDA0003923999500000023
表示：
Figure RE-FDA0003923999500000024
其中，kESS表示储能成本系数，Pi ESS(t)表示储能装置的充放电功率；
步骤1-6：构建微型燃气轮机的成本函数，微型燃气轮机的成本用
Figure RE-FDA0003923999500000025
表示：
Figure RE-FDA0003923999500000026
其中，kMT表示燃气轮机成本系数，Pi MT(t)表示微型燃气轮机的出力。
3.根据权利要求1所述的区域电力交换约束下配电系统运行的鲁棒优化方法，其特征在于，所述步骤2中以配电网运行等效成本最小为目标构建包含多种DG的双层鲁棒优化调度模型，具体为：
采用鲁棒模型描述风电出力不确定性，以配电网运行等效成本最小为目标，构建区域功率交换约束下配电系统运行的双层鲁棒优化调度模型的初始目标函数：
Figure RE-FDA0003923999500000027
其中，X表示所有的决策变量集，D表示风电出力区间，NL表示所有的支路集合，kG表示网损成本系数，Il,t表示第t个时步支路l上的电流平方，表示支路l上的电流平方，kMT表示燃气轮机成本系数，Rl,t表示支路l上的电阻，Pi MT(t)表示第t个时步微型燃气轮机的出力，kESS表示储能成本系数，Pi ESS(t)表示第t个时步储能装置的充放电功率。
4.根据权利要求3所述的区域电力交换约束下配电系统运行的鲁棒优化方法，其特征在于，所述步骤2中约束条件如下：
(1)系统运行约束
配电网内的每个节点都需要满足有功功率和无功功率平衡约束，因此，系统运行约束表示为：
Figure RE-FDA0003923999500000031
Figure RE-FDA0003923999500000032
Figure RE-FDA0003923999500000033
Figure RE-FDA0003923999500000034
其中，Pij,t和Qij,t分别为支路ij在时间t内的有功和无功功率流，Zi,j,t为节点i和节点j在时间t内的连接状态，若两节点相连则为1，否则为0；
Figure RE-FDA0003923999500000035
和
Figure RE-FDA0003923999500000036
分别是MT和WT在节点i上的时间t内的有功功率输出，
Figure RE-FDA0003923999500000037
和
Figure RE-FDA0003923999500000038
分别为ESS在节点i的充电和放电功率，
Figure RE-FDA0003923999500000039
和
Figure RE-FDA00039239995000000310
分别为节点i上的时间t内的有功和无功负荷，Ui,t和Uj,t是节点i和节点j在时间t内的电压的平方，Iij是节点i和节点j在时间t内的电流平方，Rij和Xij分别为支路ij的电阻和电抗，Pi,t和Qi,t分别为在时间t内注入节点i的有功功率和无功功率；
(2)安全运行约束
所有节点的电压和所有支路的电流必须满足安全标准，具体可以表示为以下不等式约束：
Figure RE-FDA00039239995000000311
Figure RE-FDA00039239995000000312
其中，
Figure RE-FDA00039239995000000313
和
Figure RE-FDA00039239995000000314
分别为节点i处电压最小值的平方和最大值的平方，Iij,t是支路ij在时间t内的电流的平方，
Figure RE-FDA00039239995000000315
是支路ij的最大平方电流；
(3)DG约束
配电网内的每个DG包括储能、微型燃气轮机、风机都需要满足有功功率和无功功率平衡约束，可以写作：
Figure RE-FDA0003923999500000041
Figure RE-FDA0003923999500000042
Figure RE-FDA0003923999500000043
Figure RE-FDA0003923999500000044
Figure RE-FDA0003923999500000045
Figure RE-FDA0003923999500000046
Figure RE-FDA0003923999500000047
Figure RE-FDA0003923999500000048
Figure RE-FDA0003923999500000049
Figure RE-FDA00039239995000000410
其中，Ei,max表示ESS的最大容量，Pi,ch,max和Pi,dis,max分别是放置于节点i的ESS的最大充电和放电功率，
Figure RE-FDA00039239995000000411
和
Figure RE-FDA00039239995000000412
分别表示放置于节点i的ESS在时间t上的充放电状态，
Figure RE-FDA00039239995000000413
和
Figure RE-FDA00039239995000000414
分别为放置于节点i的微型燃气轮机(MT)的向上爬坡功率限值和向下爬坡功率限值，
Figure RE-FDA00039239995000000415
表示ESS在时间t+1上的SOC状态，ΔT代表一个优化时步，E0表示ESS的初始SOC状态，
Figure RE-FDA00039239995000000416
和
Figure RE-FDA00039239995000000417
分别代表ESS的充电和放电功率；
(4)区域电力交换约束
Scons1,t-Scons2,t<SMAX
通过限制配电网和含DG的区域电网之间的功率交换，使得在主网发生故障时，含DG的区域电网能安全形成孤岛，Scons1,t和Scons2,t分别是它们之间的流入功率和流出功率；
(5)辐射状结构约束
Figure RE-FDA00039239995000000418
Figure RE-FDA0003923999500000051
Figure RE-FDA0003923999500000052
αij+αji＝1
其中，nb是配电网中的支路总数，b是支路序列号，xb是支路的开关状态，支路关闭时xb的值为1，支路断开时xb的值为0，N和Ns分别是配电网中的节点总数和电源总数，ni和nj分别为支路两端的节点，αij是0-1变量，用于指示ni和nj的父子关系，在配电网的结构中，当nj是ni的父节点时，αij的值为1，否则为0，Ωs是配电网中的包含DG的节点集，Ωu是配电网中的包含负载的节点集；Γi是与ni相邻的节点集。
5.根据权利要求1所述的区域电力交换约束下配电系统运行的鲁棒优化方法，其特征在于，所述步骤3中利用强对偶理论将双层问题转化为单层问题，最终转化为混合整数线性规划模型，具体包括以下步骤：
步骤3-1：一般的鲁棒优化模型可以被描述如下：
Figure RE-FDA0003923999500000053
式中，x为决策变量；y为不确定参数，在本模型中代表风机出力，A,B,C为参数矩阵；
Figure RE-FDA0003923999500000054
代表一般的含不确定变量的目标函数；式(1)表示不等式约束，对于含确定性变量和不确定型变量的约束都必须满足该类约束，在本模型中对于风机出力的任何变化也必须满足该类约束；式(2)表示常规机组的出力约束；式(3)表示风机允许出力区间约束；
步骤3-2：一般的鲁棒优化模型转化方法可以被描述如下：
鲁棒优化模型min-max问题的根本在于当不确定量的不确定性最大时，约束能够满足且目标函数值最小，因此，当生成不确定参数的最坏情况以保证系统的安全约束得以满足，即可将上述的min-max问题转化为双层优化模型；
由于式(1)约束条件含有不确定变量导致模型难以求解，因此先将式(1)转化为如下两层优化模型：
Figure RE-FDA0003923999500000061
式中，i为模型中所包含的约束，Ai,Bi,Ci为相对应的约束内的参数矩阵；
上述两层优化模型运用强对偶理论进一步转化为单层优化模型，先将不确定变量y用其预测范围来表示其不确定性，原模型进一步转化为：
Figure RE-FDA0003923999500000062
然后，引入对偶乘子α，上述模型对应的对偶问题可以表示为：
Figure RE-FDA0003923999500000063
根据强对偶定理，有如下公式：
Aix+Biy≤Aix+Bi y+1Tαi
因此，原问题最终转化为下述一般优化模型：
Figure RE-FDA0003923999500000064
步骤3-3：将该优化方法应用到实际模型上，可以被描述如下：
Figure RE-FDA0003923999500000065
Figure RE-FDA0003923999500000066
6.一种基于权利要求1至5任一所述的区域电力交换约束下配电系统运行的鲁棒优化方法的系统，其特征在于，包括以下模块：
DG模型构建模块：用于构建配电网内包括风电、储能、微型燃气轮机的DG的日常出力成本模型，包括风电、储能、微型燃气轮机；
鲁棒优化模型构建模块：用于结合DG的日常出力成本模型，以配电网运行等效成本最小为目标构建包含多种DG的鲁棒优化调度模型，并设置约束条件；
转化模块，用于利用强对偶理论将鲁棒优化模型的双层问题转化为单层问题，最终转化为混合整数线性规划模型；
模型求解模块：用于求解运行策略的混合整数规划模型，得到计及区域功率交换的配电系统优化最优调度方案以及灾时孤岛划分策略。
7.一种计算机设备，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1-5中任一项所述区域电力交换约束下配电系统运行的鲁棒优化方法的步骤。
CN202210953266.2A 2022-08-09 2022-08-09 区域电力交换约束下配电系统运行的鲁棒优化方法、系统及计算机设备 Active CN115473284B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210953266.2A CN115473284B (zh) 2022-08-09 2022-08-09 区域电力交换约束下配电系统运行的鲁棒优化方法、系统及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210953266.2A CN115473284B (zh) 2022-08-09 2022-08-09 区域电力交换约束下配电系统运行的鲁棒优化方法、系统及计算机设备

Publications (2)

Publication Number Publication Date
CN115473284A true CN115473284A (zh) 2022-12-13
CN115473284B CN115473284B (zh) 2024-02-02

Family

ID=84367394

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210953266.2A Active CN115473284B (zh) 2022-08-09 2022-08-09 区域电力交换约束下配电系统运行的鲁棒优化方法、系统及计算机设备

Country Status (1)

Country Link
CN (1) CN115473284B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117039892A (zh) * 2023-10-08 2023-11-10 江苏省电力试验研究院有限公司 配电台区柔性互联系统优化调度方法、系统、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110350541A (zh) * 2019-06-30 2019-10-18 南京理工大学 考虑可再生能源出力不确定性的电压控制策略优化方法
US20200313433A1 (en) * 2018-06-06 2020-10-01 Nanjing Institute Of Technology Data-driven three-stage scheduling method for electricity, heat and gas networks based on wind electricity indeterminacy
CN112100564A (zh) * 2020-08-27 2020-12-18 国网江苏省电力有限公司淮安供电分公司 一种用于社区多微网系统的主从博弈鲁棒能量管理方法
CN112152256A (zh) * 2019-06-27 2020-12-29 南京理工大学 考虑可再生能源不确定性的电网恢复混合整数规划方法
CN114759616A (zh) * 2022-06-14 2022-07-15 之江实验室 一种考虑电力电子器件特性的微电网鲁棒优化调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200313433A1 (en) * 2018-06-06 2020-10-01 Nanjing Institute Of Technology Data-driven three-stage scheduling method for electricity, heat and gas networks based on wind electricity indeterminacy
CN112152256A (zh) * 2019-06-27 2020-12-29 南京理工大学 考虑可再生能源不确定性的电网恢复混合整数规划方法
CN110350541A (zh) * 2019-06-30 2019-10-18 南京理工大学 考虑可再生能源出力不确定性的电压控制策略优化方法
CN112100564A (zh) * 2020-08-27 2020-12-18 国网江苏省电力有限公司淮安供电分公司 一种用于社区多微网系统的主从博弈鲁棒能量管理方法
CN114759616A (zh) * 2022-06-14 2022-07-15 之江实验室 一种考虑电力电子器件特性的微电网鲁棒优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谢云云 等: "基于鲁棒模型预测控制的配电网供电恢复策略", 电力系统自动化, vol. 45, no. 23, pages 123 - 130 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117039892A (zh) * 2023-10-08 2023-11-10 江苏省电力试验研究院有限公司 配电台区柔性互联系统优化调度方法、系统、设备及存储介质
CN117039892B (zh) * 2023-10-08 2024-01-19 江苏省电力试验研究院有限公司 配电台区柔性互联系统优化调度方法、系统、设备及存储介质

Also Published As

Publication number Publication date
CN115473284B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
Wong et al. Review on the optimal placement, sizing and control of an energy storage system in the distribution network
Chen et al. Multi-time step service restoration for advanced distribution systems and microgrids
Reddy et al. A review of Integration, Control, Communication and Metering (ICCM) of renewable energy based smart grid
Tan et al. Optimization of distribution network incorporating distributed generators: An integrated approach
US9618914B2 (en) Energy resource-grid-load automatic control system of smart microgrid and control methods thereof
Wang et al. Service restoration based on AMI and networked MGs under extreme weather events
CN110490363B (zh) 一种多日机组组合优化方法及系统
Hooshmand et al. Experimental demonstration of a tiered power management system for economic operation of grid-tied microgrids
Almassalkhi et al. Enabling city-scale multi-energy optimal dispatch with energy hubs
CN110808597A (zh) 主动配电网中考虑三相不平衡的分布式电源规划方法
Chen et al. Review of restoration technology for renewable‐dominated electric power systems
CN115473284A (zh) 区域电力交换约束下配电系统运行的鲁棒优化方法、系统及计算机设备
CN115618616A (zh) 一种源、网、荷资源的混合储能可靠性评估模型构建方法
Di Carlo et al. Optimizing renewable power management in transmission congestion. an energy hub model using hydrogen storage
Bian et al. A hierarchical optimization model for multi-microgrids to enhance power system resilience
Zhang et al. Multi-Resource Collaborative Service Restoration of a Distribution Network with Decentralized Hierarchical Droop Control
CN110854922A (zh) 基于蚁群算法的地区电网接纳新能源能力评估系统及方法
CN106410867B (zh) 一种电能路由器功率流优化分析方法
Wanxiao et al. CVaR-based reserve optimization for isolated multi-energy complementary generation system in mixed time scale
CN114583738B (zh) 一种考虑老化速率的储能系统均衡控制方法
Brown Evaluation of integration of pumped storage units in an isolated network
Vattekar Analysis and model of consumption patterns and solar energy potentials for residential area smart grid cells
Lovelady et al. A scenario driven reliability assessment approach for microgrids
Wang et al. Coordinated Planning of HVDC Terminal and Multi-Time Scale Energy Storage in Multi-Area Hybrid AC/DC Power System
Sauter et al. On Robustness Regarding Modeling Errors in Predictive Energy Management Systems for Multi-Carrier Energy Grids

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