CN115496427B - 一种多微网系统柔性互联投资规划决策方法 - Google Patents
一种多微网系统柔性互联投资规划决策方法 Download PDFInfo
- Publication number
- CN115496427B CN115496427B CN202211430554.6A CN202211430554A CN115496427B CN 115496427 B CN115496427 B CN 115496427B CN 202211430554 A CN202211430554 A CN 202211430554A CN 115496427 B CN115496427 B CN 115496427B
- Authority
- CN
- China
- Prior art keywords
- microgrid
- planning
- micro
- cost
- investment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000003462 Bender reaction Methods 0.000 claims abstract description 17
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 16
- 238000004146 energy storage Methods 0.000 claims description 33
- 238000005457 optimization Methods 0.000 claims description 19
- 230000005611 electricity Effects 0.000 claims description 14
- 239000007789 gas Substances 0.000 claims description 13
- 229910052799 carbon Inorganic materials 0.000 claims description 11
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 10
- 238000002485 combustion reaction Methods 0.000 claims description 10
- 150000001875 compounds Chemical class 0.000 claims description 10
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 8
- 230000014509 gene expression Effects 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 4
- 239000003345 natural gas Substances 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 239000000446 fuel Substances 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical group [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- Mathematical Optimization (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种多微网系统柔性互联投资规划决策方法，属于多微网配电网技术领域。本发明包括基于模糊聚类理论构建微网规划场景；使用Benders分解算法将规划问题分为最优投资决策主问题和优化运行子问题进行求解，得到微网规划场景下，成本最小、经济性最高的微网系统。本发明针对分布式电源的运行特性建立典型场景，对于多微网互联结构、投资和运营成本的协调规划问题，采用Benders分解法将问题分为投资决策主问题和优化运行子问题进行求解，最终得到成本最小、经济性最高的多微网互联方案。
Description
技术领域
本发明属于多微网配电网技术领域，具体涉及一种多微网系统柔性互联投资规划决策方法。
背景技术
微网通常独立运行，这限制了它跟外部网络的能量交换。因此，为了平衡可再生能源的间歇性出力，每个微网需要大量的储能容量配置。如果多微网系统可以通过柔性互联设备（Flexible Interconnection Device，FID）同步运行，将会减少电力波动以及储能配置带来的高额成本。多微网系统的协调运行可以提高系统效率，减少功率损耗，改善电压分布。而对多个MG进行适当规划可以提高系统供电可靠性，特别在突发事件中的自我修复能力。而多端FID可以连接来自不同MG的多个电源点，这可以显著提高系统N-1故障可靠性。
为使多微网系统在配电网中充分发挥上述优势，对多微网系统的结构定义，运行控制，和能量管理策略等问题开展了研究。一种方案提出多微网的聚合结构与不同种类MG的互联；另一种方案着重研究MG的运行和控制技术，证实了多MG的互联运行的可行性。在传统的交流多微网集群中，由于相位差和电压环流的原因，来自不同变压器的MG不能直接连接。第三种方案采用模拟退火算法和锥优化方法、遗传算法和原对偶内点法求解带有FID的柔性配电网协同运行问题。
当下，鲜有针对多个MG与配电网的协调设计和规划问题。考虑到可再生能源的出力特性，规划需要评估投资和运营成本，采用不同的DG，储能技术与电力调度来满足负荷需求，规划尺度从几小时到几十年不等。为了求解这类复杂问题，已有许多方法在研究中证明了有效性，比如分散式求解算法ADMM，人工智能算法以及凸优化理论。但是很少有研究涉及到多微网系统通过FID在配电网中实现柔性互联的协调规划问题，这类规划问题中，互联结构与FID设备的选型将会限制MG间的能量互济。因此，有必要研究互联结构、投资和运营成本的协调规划问题。
发明内容
有鉴于此，本发明针对基于不同配电变压器区域的多个微网系统，综合考虑分布式电源和储能的投资与运行成本，以整个系统总成本最小，经济性最高为目标，提出一种多微网系统柔性互联投资规划决策方法。
为了解决上述技术问题，本发明提供以下技术方案：
一种多微网系统柔性互联投资规划决策方法，包括如下步骤：
基于模糊聚类理论构建微网规划场景；
使用Benders分解算法将规划问题分为最优投资决策主问题和优化运行子问题进行求解，得到微网规划场景下，成本最小、经济性最高的微网系统。
进一步的，基于模糊聚类理论构建微网规划场景，具体为：
基于实地数据计算风光概率密度函数，通过采样生成若干离散场景；
采用模糊C均值聚类进行场景缩减，构建考虑风光不确定性的微网规划场景。
进一步的，使用Benders分解算法将规划问题分为主问题和子问题进行求解，具体包括：
使用Benders分解算法将具有复杂变量的规划问题分解为线性规划和整数规划，用割平面的方法分解出主问题与子问题，通过迭代的方法求解出最优值。
进一步的，规划问题为多微网协调规划模型综合考虑分布式电源、储能和柔性互联设备的安装容量和每小时电力调度时，使多微网系统总成本最小的问题，多微网协调规划模型的优化变量包括决策变量和运行变量，利用Benders分解算法将规划问题分解为最优投资决策主问题和优化运行子问题，通过主问题与子问题之间的迭代求解获得最优解。
进一步的，通过主问题与子问题之间的迭代求解获得最优解，具体包括：
获取微网规划场景下的多微网协调规划模型和数据；
对最优投资决策主问题进行迭代求解，在满足约束条件时进入后续步骤；
对优化运行子问题进行迭代求解，直到满足收敛性条件后得到最优规划结果。
进一步的， 最优投资决策主问题的目标是使柔性互联设备与分布式电源投资成本最小，对应的数学表达式具体如下：
式中，
C为所述最优投资决策主问题中所求的投资成本，为折算到每年的DG固定投资费用，为折算到每年的FID综合费用，为微网与变压器连接的线路费用，为微网中储能配置费用。
进一步的，优化运行子问题的目标是基于主问题的多微网结构和容量配置下的系统运行成本最小问题，包括碳排放成本、购电成本，微型燃气轮机MT购气成本，对应的数学表达式具体如下：
式中，为所述优化运行子问题中所求的系统运行成本，为弃新能源惩罚，为碳排放成本，为微型燃气轮机MT购气成本，为购电成本，为微网数量，、分别为弃新能源量和MT碳排放量的惩罚因子；为微网中的分布式电源数量；为微燃机出力，为微网中的微燃机数量；为天然气价格；a，b为微燃机燃料消耗成本系数；为电价；为微网与变压器台区是否相连的状态变量，为微网通过变压器台区的购电量。
进一步的，多微网协调规划模型考虑到了实时功率平衡约束、拓扑结构约束与运行变量约束，实时功率平衡约束条件具体如下：
式中，为微网中的分布式电源出力，为微网与微网是否相连的状态变量，为微网和之间的交换功率，为微网与变压器台区是否相连的状态变量，为微网与变压器台区的交换功率，为微网中的微燃机出力，为微网中的储能输出功率，为微网中的用户负荷。
进一步的，拓扑结构约束具体为：
每个微网最多有三个柔性互联结构与其他微网相连，且每个变压器台区下至少有一个微网与母线相连。
进一步的，运行变量约束具体包括：
分布式电源出力上下限约束、柔性互联设备交换功率约束、微网与变压器交换功率约束以及储能设备SOC及充放电约束。
综上，本发明提供了一种多微网系统柔性互联投资规划决策方法，包括基于模糊聚类理论构建微网规划场景；使用Benders分解算法将规划问题分为最优投资决策主问题和优化运行子问题进行求解，得到微网规划场景下，成本最小、经济性最高的微网系统。本发明针对分布式电源的运行特性建立典型场景，对于多微网互联结构、投资和运营成本的协调规划问题，采用Benders分解法将问题分为投资决策主问题和优化运行子问题进行求解，最终得到成本最小、经济性最高的多微网互联方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种多微网系统柔性互联投资规划决策方法的求解流程图；
图2为本发明实施例提供的一种典型互联结构BTB VSC的结构图；
图3为本发明实施例提供的多微网系统的传统连接模式图；
图4为本发明实施例提供的单位容量风电机组四季出力场景图；
图5为本发明实施例提供的单位容量光电机组四季出力场景图；
图6为本发明实施例提供的多微网系统负荷图；
图7为本发明实施例提供的多微网系统柔性互联模型图；
图8为本发明实施例提供的微网间交换功率图；
图9为本发明实施例提供的储能系统SOC变化图；
图10为本发明实施例提供的传统方案与柔性互联的成本比较图。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
近年，随着“双碳”目标的落地和能源转型的加速，多元化源网荷储设备的接入给传统配电网运行带来了巨大挑战。传统的低压交流配电网为一种功率单向流动的辐射型结构。由于电磁环网问题，各馈线不可互联运行。未来随着电力能源领域政策发展变化，分布式电源（distributed generation，DG）大量并入配电网，传统配电网调控能力不足的局限性日益突出。因此，传统配电网正逐渐向智能配电网、主动配电网（active distributionnetwork, ADN）等新形态变革。
柔性配电网凭借柔性互联装置（flexible interconnection device, FID）实现柔性闭环运行，能有效解决广泛分布式电源接入传统配电网后带来的馈线负载不均衡、电压越限等问题。其调节能力强，响应速度快等优势使其成为配电网改造的一个重要趋势。FID基于智能软开关（smart operation points，SOP）实现，用于替换配电网中的联络开关（tie switch, TS），可以独立对有功、无功功率进行实时、连续的调控，对提高配电网的主动调节性也是有益的。
未来将会有大量包含DG的微网（micro grids，MG）接入配电网，而可再生能源的不确定性和波动性会给微网的规划运行带来新问题。近年来，构建主动配电网（ADN）和虚拟电厂（VPP）等策略被用来规划和管理多微网配电系统。实际运行中，交流配电网的结构固定，不同类型微网的互补性不能得到充分利用。
微网通常独立运行，这限制了它跟外部网络的能量交换。因此，为了平衡可再生能源的间歇性出力，每个微网需要大量的储能容量配置。如果多微网系统可以通过柔性互联设备（Flexible Interconnection Device，FID）同步运行，将会减少电力波动以及储能配置带来的高额成本。多微网系统的协调运行可以提高系统效率，减少功率损耗，改善电压分布。而对多个MG进行适当规划可以提高系统供电可靠性，特别在突发事件中的自我修复能力。而多端FID可以连接来自不同MG的多个电源点，这可以显著提高系统N-1故障可靠性。
为使多微网系统在配电网中充分发挥上述优势，对多微网系统的结构定义，运行控制，和能量管理策略等问题开展了研究。一种方案提出多微网的聚合结构与不同种类MG的互联；另一种方案着重研究MG的运行和控制技术，证实了多MG的互联运行的可行性。在传统的交流多微网集群中，由于相位差和电压环流的原因，来自不同变压器的MG不能直接连接。第三种方案采用模拟退火算法和锥优化方法、遗传算法和原对偶内点法求解带有FID的柔性配电网协同运行问题。
当下，鲜有针对多个MG与配电网的协调设计和规划问题。考虑到可再生能源的出力特性，规划需要评估投资和运营成本，采用不同的DG，储能技术与电力调度来满足负荷需求，规划尺度从几小时到几十年不等。为了求解这类复杂问题，已有许多方法在研究中证明了有效性，比如分散式求解算法ADMM，人工智能算法以及凸优化理论。但是很少有研究涉及到多微网系统通过FID在配电网中实现柔性互联的协调规划问题，这类规划问题中，互联结构与FID设备的选型将会限制MG间的能量互济。因此，有必要研究互联结构、投资和运营成本的协调规划问题。
基于此，本发明针对基于不同配电变压器区域的多个微网系统，综合考虑分布式电源和储能的投资与运行成本，以整个系统总成本最小，经济性最高为目标，提出一种多微网系统柔性互联投资规划决策方法。
以下是对本发明的一种多微网系统柔性互联投资规划决策方法的实施例进行的详细介绍。
本实施例提供一种多微网系统柔性互联投资规划决策方法。
柔性互联设备FID基于电力电子器件实现，具体拓扑结构种类较多。典型的拓扑结构包括BTB-VSC和UPFC。本发明以BTB-VSC为例进行研究，其结构如图2所示。由一个背对背的电压源逆变器（VSC）组成，两个VSC共享同一直流母线，而交流侧则连接到两个不同的交流电力系统。该装置有多种控制模式，在正常运行时，常采用PQ-VdcQ控制，对于连接在节点i和j之间的FID，其可控变量有3个：一台变换器输出的有功功率PFID,i，两台变换器分别输出的无功功率QFID,i和QFID,j。FID的运行边界条件包含以下约束（式1-3请见后续介绍）：
1）FID容量约束：
（4）
（5）
2）FID有功功率平衡约束：
（6）
（7）
3）FID无功功率约束：
（8）
（9）
以上各式中，SFID,ij为连接在节点i和j之间的FID的容量；PFID,i，PFID,j，QFID,I，QFID,j分别为该FID输出的有功与无功功率，以注入电网为正；PFID,loss,ij为该FID的装置损耗；cFID,loss为该FID的损耗系数；μ为该FID的无功功率限制系数。
通常，一个FID可以由两个以上的VSC组成构成多端FID，并且VSC共享相同的直流总线；该模型类似于背靠背FID，但其操作模式更为复杂。由于有功功率和无功功率是独立控制的，VSC有功功率P与直流母线电压耦合，而无功功率Q与交流母线电压耦合。在交流功率计算中，VSC可以被视为PQ或PV节点，而当计算直流功率流时可以视为P、U或下垂节点。为了确保平稳运行，直流母线电压需要稳定，因此至少一个VSC用于控制直流电压。在本实施例中，主要讨论不同MG的传输功率容量的设计和规划，并使用FID实现MG的点对点连接。
本实施例首先针对分布式电源的运行特性，利用模糊聚类理论建立典型场景。
模糊聚类理论通过引入隶属度的概念，模糊地判断样本属于的类别。其具体步骤如下：
步骤1：确定类别数，初始聚类中心、隶属度矩阵和迭代终止条件。
步骤2：计算数据样本到各个聚类中心的距离矩阵。
步骤3：已知聚类中心，更新隶属度。重新计算目标函数，当目标函数值小于迭代误差即迭代结束。
本实施例采用模糊聚类理论构建典型场景的具体流程如图1所示，包括基于实地数据计算风光概率密度函数，通过采样生成大量的离散场景，然后采用模糊C均值聚类算法进行场景缩减，构建考虑风光不确定性的MG规划场景。
需要说明的是，还可以使用基于软化分的模糊聚类方法或者使用其他聚类算法找出典型场景。
利用Benders分解原理将多微网系统柔性互联规划问题分解为投资规划主问题和优化运行子问题。
投资规划主问题以整个系统总成本最小为目标，包括系统总投资成本和运行成本。主问题为最优投资决策问题，目标是FID设备与分布式电源投资成本最小。其数学表达式为：
（1）
各部分费用的含义与计算方法如下。
折算到每年的DG固定投资费用：
（10）
式中：为微网中的DG数量；为微网数量；为DG m的单位容量造价；为DG m的装机容量；为DG的资本回收系数，见式（12），为折现率，为使用年限。
（11）
折算到每年的FID综合费用，包括固定投资费用与运行维护费用：
（12）
式中，为FID设备的资本回收系数；为微网和微网是否柔性互联的状态变量；为FID设备的单位造价；为MG、之间的FID设备容量，为年运行维护费用系数。
微网与变压器连接的线路费用：
（13）
式中，为变压器台区数量；为变压器台区下的微网数量；为MG与变压器台区是否相连的状态变量；为电缆线路的单位造价；为MG与变压器台区的电气距离。
微网中储能配置费用：
（14）
式中，为单位容量ES配置成本，为MG的储能配置容量。
优化运行子问题目标是基于主问题的多微网结构和容量配置下的系统运行成本最小问题，包括碳排放成本、购电成本，微型燃气轮机MT购气成本。其数学表达式为：
（2）
式中，、分别为弃新能源量和MT碳排放量的惩罚因子；为MG中的微燃机数量q；为天然气价格；为电价； 为MG通过变压器台区的购电量。
规划模型考虑到了实时功率平衡约束、拓扑结构约束与运行变量的边界条件约束。约束条件如下：
模型中每个MG的功率平衡约束如下，以MG为例：
（3）
式中，MG的功率平衡由DG出力、MG、间的交换功率、
MG与变压器台区的交换功率、ES输出功率和用户负荷组成。
运行变量约束包括DG出力上下限约束、FID设备交换功率约束、微网与变压器交换功率约束、ES设备SOC及充放电约束。见式（15）-（21）：
（15）
（16）
（17）
（18）
（19）
（20）
此外，考虑系统实际情况，每个MG最多有三个柔性互联结构与其他MG相连。
（21）
每个变压器台区下至少有一个MG与母线相连。
Benders分解算法被用来分离设计决策变量和操作变量，已被广泛用于解决大规模混合整数非线性规划（MINLP）问题，并已被证明可用于解多电力工程的优化问题，如发电扩展规划（GEP）、安全约束机组组合（SCUC）和其他电力系统规划问题。这个结构的MINLP问题可以描述如下。
（22）
（23）
其中，是整数变量，是连续变量，优化问题的上下限反应了物理限制。
利用Benders分解法解决多个MG和配电网的的复杂协调规划问题，将原问题分解为投资决策主问题和单MG运行优化子问题，微网间不需要提交系统结构、运行参数等信息。只需要交互系统最优出力及Benders割约束对模型进行求解。因此，此方法在保证了多MG系统的隐私性前提下，实现了柔性互联多微网系统的优化运行，并迭代获得最优解。Benders分解法的原理和过程如图1所示。求解过程如下：
步骤1：主问题求解。迭代因子计数，求解混合整数非线性规划主问题，即规划问题，具体为FID安装容量与MG连接类型决策问题。
步骤2：运行优化子问题求解。求解非线性规划子问题，即区域内优化运行问题，具体为规划模型中运行成本最小。
步骤3：收敛性检验。计算目标函数最优值的上下界，若不满足收敛性条件则继续迭代。
需要说明的是，本实施例所述多微网系统柔性互联投资规划决策方法在流程细节进一步优化，算法步骤流程增多或简化，或者其他在本发明实质内容上修改。
所述的多微网系统柔性互联投资规划决策方法以背靠背电压源型变换器为例进行研究分析，也可以通过其他典型的拓扑结构如统一潮流控制器，或者其他在本发明实质内容上修改。
以下结合具体的仿真实例来对上述结构和方法的应用进行进一步说明。
仿真采用两变压器分区下的四个微网系统，传统方案方式如图3所示。MG1包含风电WD，储能站ES；MG2包含微型燃气轮机MT、风电和光伏电站；MG3包含微燃机、风电、光伏电站和储能站；MG4包含微燃机、光伏电站和储能站。MG1、MG3连接台区A，MG2、MG4连接台区B。通过计算确定微网和变压器台区的结构与连接方式，同时确定每个MG的DG、ES安装容量。为了便于分析比较，设定MG1仅与台区A相连。
基于某地年风速与光照强度小时分布数据，基于上文所述方法，计算得到基于模糊C均值聚类算法的四季典型风光出力场景，单位容量风电与光伏机组的出力（标幺值）时刻分布分别如图4-5所示。
表1 FID参数
基于中国储能网数据，风电、光伏、储能、燃气轮机设备的投资成本约为6600元/kWh、4500元/kWh、1200元/kWh、2200元/kWh。项目投资周期为20年。储能设备为锂电池，使用周期为5年。配电网峰平谷电价分别为1.3元/kWh、0.8元/kWh和0.4元/kWh。天然气价为2.8元/m3。
MG负荷如图6所示，MG1、MG3为商业负荷，MG2为工业负荷，MG4为居民负荷。FID设备成本相关参数见表1。
最终，使用Matlab程序进行仿真得出的多微网系统的柔性互联规划结果如图7所示。
MG2通过FID设备与MG3、MG4互联，MG3、MG4通过FID设备互联，MG4不与变压器台区相连，仅靠与MG2、MG3互联实现功率平衡，从现实角度看，模型具有可行性，并且多端互联可以提高运行可靠性。以春季数据为例，优化后微网间的能量流动如图8所示（MG4-3交换功率为正即功率由MG4流向MG3）。
表2 柔性互联方案配置
微网中储能的SOC变化如图9所示，由于MG1不与其他微网互联，其储能SOC变化趋势独立。MG2、MG4中的储能系统SOC变化趋势较为一致，构成了协调运行的储能系统。同时，各区域储能系统SOC区间变化合理。
分布式电源和FID配置方案如表2所示，传统配置方案如表3所示。
表3 传统方案配置
可以看出，作为对照组的MG1由于没有与其它MG互联，需要大容量储能配置（770kWh）来平衡微网内风电机出力的波动来避免高额的弃新能源惩罚。独立微网MG4可以通过柔性互联线路帮助MG2、3平衡新能源出力，因此不要大容量的储能配置。互联后的MG2、3所需配置的储能容量大大减少。模型对于不同种类MG的功率运行特性有较好的适应性。
规划模型总运行成本为154.3万元，费用主要来源是是新能源和储能配置费用53.4万元（34.6%）、65.74万元（42.6%），FID投资费用为6.7万元（4.36%）。而传统规划方案由于大规模储能配置，总成本为195.8万元，具体数据比较如图10所示，其中每组柱状比较类型中左边为柔性互联方案费用，右边为传统方案费用。
结果表明，与传统配电网结构相比，使用FID的互联结构具有良好的灵活性与经济性，微网中的储能设备受新能源发电量和电价的多重影响，互联的储能设备协调运行，组合成大容量分布式电源。在多微网和配电系统互联的结构中，柔性互联架构具有良好的经济性与灵活性。
本实施例提供一种多微网系统柔性互联投资规划决策方法，通过建立多微网配电网的规划模型，以年运营成本最小为优化目标，针对分布式电源的运行特性建立典型场景，详细考虑了互联结构、投资、装机容量和年运行成本的耦合影响。为了解决复杂的组合双层规划问题，采用了Benders分解法将问题分为投资决策主问题和优化运行子问题进行求解。最终验证了互联方案的有效性和经济性。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.一种多微网系统柔性互联投资规划决策方法，其特征在于，包括如下步骤：
基于模糊聚类理论构建微网规划场景；
使用Benders分解算法将规划问题分为最优投资决策主问题和优化运行子问题进行求解，得到所述微网规划场景下，成本最小、经济性最高的微网系统；
使用所述Benders分解算法将具有复杂变量的所述规划问题分解为线性规划和整数规划，用割平面的方法分解出主问题与子问题，通过迭代的方法求解出最优值；
所述规划问题为多微网协调规划模型综合考虑分布式电源、储能和柔性互联设备的安装容量和每小时电力调度时，使多微网系统总成本最小的问题，所述多微网协调规划模型的优化变量包括决策变量和运行变量，利用Benders分解算法将所述规划问题分解为所述最优投资决策主问题和所述优化运行子问题，通过主问题与子问题之间的迭代求解获得最优解；
通过主问题与子问题之间的迭代求解获得最优解，具体包括：
获取所述微网规划场景下的多微网协调规划模型和数据；
对所述最优投资决策主问题进行迭代求解，在满足约束条件时进入后续步骤；
对所述优化运行子问题进行迭代求解，直到满足收敛性条件后得到最优规划结果；
所述最优投资决策主问题的目标是使柔性互联设备与分布式电源投资成本最小，对应的数学表达式具体如下：
式中，为所述最优投资决策主问题中所求的投资成本，为折算到每年的DG固定投资费用，为折算到每年的FID综合费用，为微网与变压器连接的线路费用，为微网中储能配置费用；
所述多微网协调规划模型考虑到了实时功率平衡约束、拓扑结构约束与运行变量约束，所述实时功率平衡约束条件具体如下：
式中，为微网中的分布式电源出力，为微网与微网是否相连的状态变量，为微网和之间的交换功率，为微网与变压器台区是否相连的状态变量，为微网与变压器台区的交换功率，为微网中的微燃机出力，为微网中的储能输出功率，为微网中的用户负荷；
所述运行变量约束具体包括：
分布式电源出力上下限约束、柔性互联设备交换功率约束、微网与变压器交换功率约束以及储能设备SOC及充放电约束。
2.根据权利要求1所述的多微网系统柔性互联投资规划决策方法，其特征在于，所述基于模糊聚类理论构建微网规划场景，具体为：
基于实地数据计算风光概率密度函数，通过采样生成若干离散场景；
采用模糊C均值聚类进行场景缩减，构建考虑风光不确定性的微网规划场景。
3.根据权利要求1所述的多微网系统柔性互联投资规划决策方法，其特征在于，所述优化运行子问题的目标是基于主问题的多微网结构和容量配置下的系统运行成本最小问题，包括碳排放成本、购电成本，微型燃气轮机MT购气成本，对应的数学表达式具体如下：
式中，为所述优化运行子问题中所求的系统运行成本，为弃新能源惩罚，为碳排放成本，为微型燃气轮机MT购气成本，为购电成本，为微网数量，、分别为弃新能源量和MT碳排放量的惩罚因子；为微网中的分布式电源数量；为微燃机出力，为微网中的微燃机数量；为天然气价格；a，b为微燃机燃料消耗成本系数；为电价；为微网与变压器台区是否相连的状态变量，为微网通过变压器台区的购电量。
4.根据权利要求1所述的多微网系统柔性互联投资规划决策方法，其特征在于，所述拓扑结构约束具体为：
每个微网最多有三个柔性互联结构与其他微网相连，且每个变压器台区下至少有一个微网与母线相连。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211430554.6A CN115496427B (zh) | 2022-11-16 | 2022-11-16 | 一种多微网系统柔性互联投资规划决策方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211430554.6A CN115496427B (zh) | 2022-11-16 | 2022-11-16 | 一种多微网系统柔性互联投资规划决策方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115496427A CN115496427A (zh) | 2022-12-20 |
| CN115496427B true CN115496427B (zh) | 2023-04-07 |
Family
ID=85116171
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211430554.6A Active CN115496427B (zh) | 2022-11-16 | 2022-11-16 | 一种多微网系统柔性互联投资规划决策方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115496427B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116611192A (zh) * | 2023-05-22 | 2023-08-18 | 上海交通大学 | 一种计及运行风险的柔性配电网随机扩展规划方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112464419B (zh) * | 2020-11-17 | 2024-04-26 | 苏州钧灏电力有限公司 | 基于随机鲁棒混合优化的独立微电网设计系统及方法 |
| CN115034670A (zh) * | 2022-06-30 | 2022-09-09 | 上海电力大学 | 一种基于模糊场景聚类的微电网容量优化配置方法 |
-
2022
- 2022-11-16 CN CN202211430554.6A patent/CN115496427B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115496427A (zh) | 2022-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Optimal planning of energy storage system in active distribution system based on fuzzy multi-objective bi-level optimization | |
| Qiu et al. | Decentralized-distributed robust electric power scheduling for multi-microgrid systems | |
| Tan et al. | Two-stage robust optimization dispatch for multiple microgrids with electric vehicle loads based on a novel data-driven uncertainty set | |
| Singh et al. | Distributed power generation planning for distribution networks using electric vehicles: Systematic attention to challenges and opportunities | |
| Sharma et al. | A critical and comparative review of energy management strategies for microgrids | |
| Sedighizadeh et al. | Multi-objective day-ahead energy management of a microgrid considering responsive loads and uncertainty of the electric vehicles | |
| Zhang et al. | Research on bi-level optimized operation strategy of microgrid cluster based on IABC algorithm | |
| 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 | |
| Roustaee et al. | Multi-objective stochastic operation of multi-microgrids constrained to system reliability and clean energy based on energy management system | |
| CN102801790A (zh) | 基于iec 61850和多代理方法的微网能量管理系统 | |
| Xu et al. | A hierarchically coordinated operation and control scheme for DC microgrid clusters under uncertainty | |
| Yang et al. | Review on optimal planning of new power systems with distributed generations and electric vehicles | |
| Kaysal et al. | Hierarchical energy management system with multiple operation modes for hybrid DC microgrid | |
| CN115496427B (zh) | 一种多微网系统柔性互联投资规划决策方法 | |
| Wang et al. | A hybrid transmission network in pelagic islands with submarine cables and all-electric vessel based energy transmission routes | |
| Nasab et al. | Charging management of electric vehicles with the presence of renewable resources | |
| Wang et al. | Bi-stage operation optimization of active distribution networks with soft open point considering violation risk | |
| CN113364043A (zh) | 一种基于条件风险价值的微电网群优化方法 | |
| An et al. | Real-time optimal operation control of micro energy grid coupling with electricity-thermal-gas considering prosumer characteristics | |
| Ma et al. | Decentralized robust optimal dispatch of user-level integrated electricity-gas-heat systems considering two-level integrated demand response | |
| Lin et al. | A Solution Method for Many-Objective Security-Constrained Unit Commitment Considering Flexibility | |
| Saini et al. | Power enhancement in distributed system to control the bidirectional power flow in electric vehicle | |
| Saki et al. | A compromise solution based on fuzzy decision making for multi-objective hourly planning in clustered microgrids considering uncertainty of renewable energy resources | |
| Hannan et al. | ANN based binary backtracking search algorithm for virtual power plant scheduling and cost-effective evaluation | |
| Mu et al. | Sponge Grid with Numerous Virtual Energy Storage Systems: Concept, Model, and Decentralized Control |
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 |