CN115693797A - 考虑v2g与需求响应的配电网调度方法、介质及系统 - Google Patents

考虑v2g与需求响应的配电网调度方法、介质及系统 Download PDF

Info

Publication number
CN115693797A
CN115693797A CN202211376215.4A CN202211376215A CN115693797A CN 115693797 A CN115693797 A CN 115693797A CN 202211376215 A CN202211376215 A CN 202211376215A CN 115693797 A CN115693797 A CN 115693797A
Authority
CN
China
Prior art keywords
distribution network
carbon
power distribution
demand response
power
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
CN202211376215.4A
Other languages
English (en)
Inventor
车彬
张泽龙
杨艳
韦冬妮
杨钊
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.)
Economic and Technological Research Institute of State Grid Ningxia Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Ningxia 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 Economic and Technological Research Institute of State Grid Ningxia Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Ningxia Electric Power Co Ltd
Priority to CN202211376215.4A priority Critical patent/CN115693797A/zh
Publication of CN115693797A publication Critical patent/CN115693797A/zh
Pending legal-status Critical Current

Links

Images

Abstract

本发明公开一种考虑V2G与需求响应的配电网调度方法、介质及系统，包括：步骤S1：以主动配电网调度成本最小为目标构建考虑V2G与需求响应的主动配电网日前低碳经济调度确定性模型；骤S2：将所述主动配电网日前低碳经济调度确定性模型转化为一般形式的优化模型；步骤S3：基于所述一般形式的优化模型式，计及风光出力的不确定性，建立考虑V2G与需求响应的主动配电网日前低碳鲁棒调度模型；步骤S4：求解所述主动配电网日前低碳鲁棒调度模型，得到主动配网低碳经济鲁棒调度优化结果，以用于主动配电网调度。本发明可获得兼顾安全性、经济性和低碳性的主动配电网日前调度方案。

Description

考虑V2G与需求响应的配电网调度方法、介质及系统
技术领域
本发明涉及主动配电网优化运行技术领域，尤其涉及一种考虑V2G与需求响应的配电网调度方法、介质及系统。
背景技术
近年来，随着能源转型升级的进一步推进，以风光为主的可再生能源、负荷侧可控分布式电源和电动汽车等灵活负荷接入配电网的数量逐年增加，传统配电网逐渐过渡到主动配电网。相较于传统配电网，主动配电网凭借其具有灵活的网络拓扑结构的优势，能主动地控制和管理局部的分布式电源。但是随着我国新型电力系统和“双碳目标”的推进，主动配电网的低碳经济调度面临着巨大的挑战。
目前，国内外学者针对主动配电网的调度优化已开展了诸多研究，但其大多以经济性为优化目标，没有考虑主动配电网运行的低碳优化。因而，如何有效降低主动配电网的碳排放是目前调度优化的重要问题。增加风光等清洁能源入网是降低主动配电网碳排放的最直接方式，但是高比例新能源接入后会不可避免的产生新能源消纳问题。电动汽车作为一种环境友好型的交通工具，具有良好的节能、环保和低碳排放潜力。然而，大量电动汽车接入配电网进行无序充电会加剧系统负荷的峰谷差，不利于配电网的安全经济运行。同时，需求响应作为主动配电网的一种有效调节手段，其与V2G(Vehicle-to-grid，车辆到电网)技术一起参与主动配电网的低碳经济调度值得深入研究。另一方面，主动配电网的源侧与荷侧存在大量的不确定因素，使得确定性的调度优化策略不符合实际情况。鲁棒优化越来越多地被用来解决主动配电网内新能源出力的不确定影响，但大多聚焦于鲁棒优化对不确定问题的处理效果，未分析鲁棒优化对碳排放的影响。
因此，在含风机、光伏、电动汽车和分布式燃气轮机的主动配电网优化运行模型基础上，进一步研究主动配电网日前低碳经济鲁棒调度优化对主动配电网优化运行具有重要意义。
发明内容
本发明实施例提供一种考虑V2G与需求响应的配电网调度方法、介质及系统，以解决现有技术未分析鲁棒优化对碳排放的影响的问题。
第一方面，提供一种考虑V2G与需求响应的配电网调度方法，包括：
步骤S1：以主动配电网调度成本最小为目标构建考虑V2G与需求响应的主动配电网日前低碳经济调度确定性模型；
步骤S2：将所述主动配电网日前低碳经济调度确定性模型转化为一般形式的优化模型；
步骤S3：基于所述一般形式的优化模型式，计及风光出力的不确定性，建立考虑V2G与需求响应的主动配电网日前低碳鲁棒调度模型；
步骤S4：求解所述主动配电网日前低碳鲁棒调度模型，得到主动配网低碳经济鲁棒调度优化结果，以用于主动配电网调度。
第二方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如上述第一方面实施例所述的考虑V2G与需求响应的配电网调度方法。
第三方面，提供一种考虑V2G与需求响应的配电网调度系统，包括：如上述第二方面实施例所述的计算机可读存储介质。
这样，本发明实施例，引入了V2G技术和需求响应机制，增强系统调度的灵活性，减少主动配电网的调度成本和碳排放量；并且计及V2G、需求响应和阶梯型碳交易机制的鲁棒优化，考虑了风光出力的不确定性，可获得兼顾安全性、经济性和低碳性的主动配电网日前调度方案。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的考虑V2G与需求响应的配电网调度方法的流程图；
图2是本发明实施例的考虑V2G与需求响应的配电网调度方法的求解框架流程图；
图3是含风机、光伏、分布式燃气轮机和电动汽车的IEEE33节点配电网系统实施例图；
图4是主动配电网实施例的净电负荷图；
图5是算例4的主动配电网进行确定性调度和鲁棒调度的分布式燃气轮机开关机状态示意图；
图6是算例5的主动配电网进行确定性调度和鲁棒调度的分布式燃气轮机开关机状态示意图；
图7是算例4和算例5的主动配电网进行确定性调度和鲁棒调度的分布式燃气轮机出力对比示意图一；
图8是算例4和算例5的主动配电网进行确定性调度和鲁棒调度的分布式燃气轮机出力对比示意图二；
图9是算例4和算例5的主动配电网进行确定性调度和鲁棒调度的购电功率对比图。
具体实施方式
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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种考虑V2G与需求响应的配电网调度方法。具体的，如图1和2所示，该方法包括如下的步骤：
步骤S1：以主动配电网调度成本最小为目标构建考虑V2G与需求响应的主动配电网日前低碳经济调度确定性模型。
考虑系统碳排放的同时引入V2G技术，建立电动汽车有序充放电模型，再基于可转移负荷和可中断负荷进行需求响应建模，然后对配电网支路潮流约束进行二阶锥松弛处理，把阶梯型碳交易成本加入主动配电网调度成本里，并以主动配电网调度成本最小为目标构建考虑V2G与需求响应的主动配电网日前低碳经济调度确定性模型。
具体的，上述模型的目标函数如下：
Figure BDA0003926758880000041
其中，上述各项分别采用下式计算：
Figure BDA0003926758880000042
Figure BDA0003926758880000043
Figure BDA0003926758880000044
Figure BDA0003926758880000045
Figure BDA0003926758880000046
Figure BDA0003926758880000047
其中，t为调度时间的索引；
Figure BDA0003926758880000051
分别为购电成本和分布式发电成本；
Figure BDA0003926758880000052
为碳交易成本；
Figure BDA0003926758880000053
为需求响应中断电负荷补偿费用；
Figure BDA0003926758880000054
为弃风/弃光惩罚费用；
Figure BDA0003926758880000055
为失负荷惩罚费用；
Figure BDA0003926758880000056
表示配网向主网购电的价格；
Figure BDA0003926758880000057
为分布式发电的购气价格；
Figure BDA00039267588800000522
为配网从主网购买的电功率；q为分布式燃气轮机的索引；
Figure BDA0003926758880000058
为分布式燃气轮机的耗气功率；Ctran为碳交易价格；
Figure BDA00039267588800000523
为碳排放量；Dt为配网获得的碳排放配额；d为电负荷的索引；
Figure BDA0003926758880000059
为需求响应中断电负荷的补偿价格；
Figure BDA00039267588800000510
为需求响应中断电负荷电功率；r、w分别为风机和光伏的索引；
Figure BDA00039267588800000511
为弃风/弃光惩罚价格；
Figure BDA00039267588800000512
分别为弃风功率和弃光功率；
Figure BDA00039267588800000513
为失负荷惩罚价格；
Figure BDA00039267588800000514
为失负荷电功率。
具体的，上述目标函数的约束条件包括：
(1)阶梯型碳交易模型约束：
Figure BDA00039267588800000515
Figure BDA00039267588800000516
Figure BDA00039267588800000517
Figure BDA00039267588800000518
其中，rc,upper、rc,GT分别为上级电网、分布式燃气轮机单位电量的碳排放基准额度；
Figure BDA00039267588800000519
为第q台分布式燃气轮机在t时刻的出力；
Figure BDA00039267588800000524
为主动配电网的碳排放量；
Figure BDA00039267588800000525
为上级主网向主动配电网释放的碳排放量；
Figure BDA00039267588800000520
为分布式燃气轮机产生的碳排放；μupper、
Figure BDA00039267588800000521
为上级主网和分布式燃气轮机的碳排放强度。
为进一步降低碳排放，引入阶梯型碳交易价格进行结算。阶梯型碳交易价格如下：
Figure BDA0003926758880000061
其中，
Figure BDA0003926758880000062
为市场上的碳交易价格；L为碳排放量区间长度；Δ为每个阶梯碳交易价格的增长幅度，每上升一个阶梯，碳交易价格增加
Figure BDA0003926758880000063
(2)考虑V2G的电动汽车充放电模型约束：
为便于鲁棒优化模型的建立和处理，引入电动汽车接入状态变量辅助建模，该约束具体如下：
Figure BDA0003926758880000064
Figure BDA0003926758880000065
Figure BDA0003926758880000066
Figure BDA0003926758880000067
Figure BDA0003926758880000068
Figure BDA0003926758880000069
Figure BDA00039267588800000610
Figure BDA00039267588800000611
Figure BDA00039267588800000612
Figure BDA00039267588800000613
其中，
Figure BDA00039267588800000614
为电动汽车接入时刻的0-1变量，接入时刻为1，其余时刻为0；
Figure BDA00039267588800000615
为电动汽车充、放电时间，在接入时间后一时刻到离开时间为1，其余时间为0；Ilt为接入时刻和充、放电时间之和；
Figure BDA00039267588800000616
为电动汽车充电状态，充电为1，否则为0；
Figure BDA00039267588800000617
为电动汽车放电状态，放电为1，否则为0；Pl c,rate、Pl d,rate分别为电动汽车额定充、放电功率；M为预设正数，其是足够大正数；
Figure BDA0003926758880000071
为电动汽车电池荷电状态；
Figure BDA0003926758880000072
为电动汽车初始荷电状态；
Figure BDA0003926758880000073
为电动汽车t-1时刻的电池荷电状态；
Figure BDA0003926758880000074
和
Figure BDA0003926758880000075
分别为电动汽车充、放电效率；
Figure BDA00039267588800000721
为电动汽车电池容量；
Figure BDA0003926758880000076
为电动汽车离开时刻，离开时刻为1，其余时刻为0；
Figure BDA0003926758880000077
为电动汽车离开时刻电池荷电状态；
Figure BDA00039267588800000722
和
Figure BDA00039267588800000723
分别为电池荷电状态的下限和上限。
(3)基于可中断电负荷和可转移电负荷的需求响应约束：
Figure BDA0003926758880000078
Figure BDA0003926758880000079
Figure BDA00039267588800000710
Figure BDA00039267588800000711
Figure BDA00039267588800000712
Figure BDA00039267588800000713
Figure BDA00039267588800000714
其中，
Figure BDA00039267588800000715
和
Figure BDA00039267588800000716
分别为时段t的需求响应电负荷、需求响应可中断电负荷、需求响应可转移电负荷、需求响应后电负荷、预测电负荷、系统允许的最大电负荷；
Figure BDA00039267588800000717
分别为时段t的最大可中断和可转移的电负荷比例；
Figure BDA00039267588800000718
表示调度时间内的最大可中断电负荷。
(4)主动配电网约束：
(4.1)DistFlow模型约束：
Figure BDA00039267588800000719
Figure BDA00039267588800000720
Figure BDA0003926758880000081
Figure BDA0003926758880000082
其中，Ω(j)为连接到配电网节点j的设备集合；δ(j)为配电网中以j为首端节点的支路末端节点集合；r、w分别为风机和光伏的索引；
Figure BDA0003926758880000083
分别为风电和光伏的出力；Pij,t为t时刻配电线路ij段的有功功率；Iij,t为t时刻配电线路ij段的电流；Rij、Xij分别为配电线路ij段的电阻、电抗值；
Figure BDA0003926758880000084
为t时刻失电负荷量；
Figure BDA00039267588800000815
为t时刻上级电网向配电网输送的无功功率；Qij,t为t时刻配电线路ij段的无功功率；
Figure BDA0003926758880000085
为t时刻需求响应后无功功率；
Figure BDA0003926758880000086
为t时刻负荷d的功率因数；Vit为t时刻节点i的电压大小。
(4.2)节点电压幅值约束：
Vi min≤Vit≤Vi max (34)
其中，Vi min、Vi max分别为节点i电压的最小值和最大值。
(4.3)线路传输电流约束：
Figure BDA0003926758880000087
其中，
Figure BDA0003926758880000088
表示线路ij能够传输的最大电流。
(4.4)风、光出力约束：
Figure BDA0003926758880000089
Figure BDA00039267588800000810
Figure BDA00039267588800000811
Figure BDA00039267588800000812
其中，
Figure BDA00039267588800000816
分别为风机和光伏的预测出力；
Figure BDA00039267588800000813
分别为弃风比例和弃光比例。
(4.5)分布式燃气轮机约束：
Figure BDA00039267588800000814
Figure BDA0003926758880000091
Figure BDA0003926758880000092
Figure BDA0003926758880000093
Figure BDA0003926758880000094
Figure BDA0003926758880000095
Figure BDA0003926758880000096
Figure BDA0003926758880000097
Figure BDA0003926758880000098
其中，
Figure BDA0003926758880000099
为分布式燃气轮机的耗气功率；F(·)为热耗率曲线；
Figure BDA00039267588800000910
分别为分布式燃气轮机开启/关停所消耗的气功率；LHANG为天然气低热值，取9.7kW·h/m3；
Figure BDA00039267588800000911
为分布式燃气轮机的启停状态，开机为1，关机为0；k为分段数的索引；
Figure BDA00039267588800000912
分别为第k段增加的天然气耗量和发电功率；
Figure BDA00039267588800000913
Figure BDA00039267588800000914
分别为开启/关停一次所消耗的气功率；
Figure BDA00039267588800000919
分别为分布式燃气轮机出力的最小值和最大值；
Figure BDA00039267588800000920
分别为燃气机组的上爬坡率和下爬坡率；
Figure BDA00039267588800000915
分别为分布式燃气轮机在t-1时段内连续开机、停机的时间；
Figure BDA00039267588800000921
分别为分布式燃气轮机在t时段内的最小开机、关机时间。
(4.6)失负荷约束：
Figure BDA00039267588800000916
其中，
Figure BDA00039267588800000917
为t时段允许的最大失负荷量。
(4.7)购电功率约束：
Figure BDA00039267588800000922
Figure BDA00039267588800000918
其中，
Figure BDA00039267588800000923
分别为从上级电网购入的有功功率和无功功率；Pin,min、Pin,max、Qin,min、Qin,max分别为允许购入有功功率的最小值、最大值和购入无功功率的最小值和最大值。
(5)主动配电网支路潮流约束的二阶锥松弛约束：
具体的，主动配电网支路潮流约束的二阶锥松弛处理如下：
首先定义下式：
Figure BDA0003926758880000101
Figure BDA0003926758880000102
结合支路电流与功率关系对节点电压降落方程进行松弛处理，得到二阶锥松弛方程式下：
Figure BDA0003926758880000103
Figure BDA0003926758880000104
Figure BDA0003926758880000105
Figure BDA0003926758880000106
步骤S2：将主动配电网日前低碳经济调度确定性模型转化为一般形式的优化模型。
为便于讨论，上述提出的考虑V2G与需求响应的主动配电网日前低碳经济调度确定性模型可采用一般形式的优化模型来表示：
Figure BDA0003926758880000107
其中，x为分布式燃气轮机的启停状态和电动汽车的充放电状态；y为系统其余调度功率；v为失负荷量；
Figure BDA0003926758880000108
和
Figure BDA0003926758880000109
为目标函数的常系数向量，由式(1)-(7)得到；A、B、C和b分别为约束常系数矩阵和向量，由式(8)-(51)得到；Kr和
Figure BDA00039267588800001010
为二阶锥松弛约束的系数矩阵和向量，由式(52)-(57)得到。
步骤S3：基于一般形式的优化模型，计及风光出力的不确定性，建立考虑V2G与需求响应的主动配电网日前低碳鲁棒调度模型。
具体的，在考虑V2G与需求响应的主动配电网日前低碳经济调度确定性模型基础上，引入两阶段鲁棒优化处理风光出力的不确定性问题，构建考虑V2G与需求响应的主动配电网日前低碳鲁棒调度模型，该两阶段的鲁棒调度模型如下式(59)～(60)所示。该模型的第一阶段为基础场景下配电网优化调度、电动汽车充放电状态等决策状态的最优调度方案，第二阶段是在第一阶段的调度方案基础上，根据风光出力波动调整分布式机组出力、V2G和需求响应负荷等以保证系统的安全运行。其中，最大最小子问题是用来辨识不确定条件下可能导致系统最大安全越限的最坏场景。
Figure BDA0003926758880000111
Figure BDA0003926758880000112
其中，u、U分别为与风电、光伏出力不确定性相关的不确定变量和不确定性合集；D、E、F、G、H和p分别为相关变量的常系数矩阵和矢量；z为根据风光出力变化调整的系统其余机组调度出力。
步骤S4：求解主动配电网日前低碳鲁棒调度模型，得到主动配网低碳经济鲁棒调度优化结果，以用于主动配电网调度。
该求解的过程为：首先，确定主动配电网日前低碳鲁棒调度模型的主问题和子问题；然后，采用约束生成CCG(column and constraint generation)算法求解主问题和子问题，得到主动配网低碳经济鲁棒调度优化结果。
(1)主问题
具体的，主问题为求解最小化基础场景的总成本问题，即鲁棒优化主问题的目标函数为最小化基础场景的总成本，约束条件包括基础场景约束以及最坏场景约束；最坏场景所对应的风电出力、光伏出力
Figure BDA0003926758880000121
由第q次迭代中的子问题中求解得到，Q为迭代的总次数，q＝1，2，……，Q，具体如下：
Figure BDA0003926758880000122
Figure BDA0003926758880000123
Figure BDA0003926758880000124
Figure BDA0003926758880000125
Figure BDA0003926758880000126
(2)子问题
具体的，双层最大最小子问题是识别最坏场景的问题，寻找到造成系统最大违反安全规定值的场景，即确定最坏场景中不确定量的具体取值。其中，x*和y*分别为求解主问题得到的系统机组启停状态和机组出力安排，λ和(ξ,ω)分别为线性不等式约束的对偶变量和二阶锥约束的二阶锥对偶变量。子问题具体如下：
Figure BDA0003926758880000127
Fz+Gv+Hu≤p-Dx*-Ey*:(λ) (67)
Figure BDA0003926758880000128
上述双层最大最小子问题可以通过对偶变换转化为单层最大化优化问题，即：
Figure BDA0003926758880000129
Figure BDA00039267588800001210
单层最大化优化问题的目标函数中包含了双线性变量乘积λu。因为在最坏场景下，不确定参数变量只会取其上限、均值或下限，双线性变量乘积λu可通过下式求解：
Figure BDA0003926758880000131
其中，λ0，λ+和λ-为辅助连续变量，β0，β+和β-为辅助0-1变量，对应u取其不确定合集上限u+、均值ub、下限u-的情况；M为预设常数，其是一个极大的数。
(3.3)CCG法求解流程
具体的，采用约束生成CCG算法求解主问题和子问题的步骤：
步骤S41：令迭代计数器q＝0，设置系统允许的违反安全规定最大值εmax。
步骤S42：求解主动配电网日前低碳鲁棒调度模型的主问题。
步骤S43：若有解，则更新系统机组启停状态x和机组出力安排y。
应当理解的是，若无解，则停止迭代。
步骤S44：根据步骤S43得到的系统机组启停状态x和机组出力安排y，求解主动配电网日前低碳鲁棒调度模型的子问题，得到导致最大可能违反安全规定值的最坏景下的风力和光伏出力
Figure BDA0003926758880000132
步骤S45：判断第q次迭代下的最大可能违反安全规定值是否小于违反安全规定最大值εmax。
步骤S46：若是，则停止迭代求解过程，输出步骤S43求解得到的系统机组启停状态x和机组出力安排y作为主动配网低碳经济鲁棒调度优化结果。
步骤S47：若否，则令q＝q+1，将步骤S44求解得到的最坏景下的风力和光伏出力
Figure BDA0003926758880000141
以及，新的CCG约束代入主动配电网日前低碳鲁棒调度模型的主问题，返回步骤S42，继续迭代求解；
其中，新的CCG约束为：
Figure BDA0003926758880000142
应当理解的是，上述求解的过程可以在商业求解器中进行，例如采用商业求解器Gurobi进行求解。应用时，将前述步骤的目标函数、约束条件等涉及的参数，包括：主动配电网系统数据、设备参数、运行参数等，输入到商业求解器中，在商业求解器内进行该步骤求解。
最终求解得到的系统机组启停状态x和机组出力安排y，可用于指导主动配电网的调度。
本发明实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如上述实施例所述的考虑V2G与需求响应的配电网调度方法。
本发明实施例还公开了一种考虑V2G与需求响应的配电网调度系统，包括：如上述实施例所述的计算机可读存储介质。
下面通过具体应用例对本发明实施例的技术方案做进一步说明。
(1)算例介绍。
如图3所示，采用包含两个风电场、一个光伏电站、两台分布式燃气轮机和一个电动汽车充电站的标准IEEE 33节点配电网系统对所提模型进行仿真验证。两个风电场分别接入16节点、21节点，光伏电站接入32节点，电动汽车充电站接入14节点，两台分布式燃气轮机分别接入8节点、23节点。假定电动汽车充电站所管辖的电动汽车数量为100辆。主动配电网单位电量的碳排放基准额度设为0.798t/(MW·h)，碳交易第一阶段的价格为20元/t，碳排放量区间长度为8t，上级电网和分布式燃气轮机的碳排放强度分别0.9t/(MW·h)和0.85t/(MW·h)。以1小时为间隔，24小时为调度周期。测试工具采用Matlab2018a编程软件和GUROBI9.1商用求解器。
(2)实施例场景描述。
为验证考虑V2G与需求响应的主动配电网日前低碳经济调度模型的有效性，设置以下算例1-4；为进一步分析考虑V2G与需求响应的主动配电网日前低碳经济鲁棒调度优化的作用，设置算例5。
算例1：风电场、光伏电站、分布式燃气轮机和电动汽车均接入标准IEEE33节点配电网系统，且电动汽车采取无序充电方式。
算例2：在算例1的基础上，采用V2G技术进行电动汽车充放电管理。
算例3：在算例2的基础上，考虑需求响应，设置可转移电负荷比例为0.12，可中断电负荷比例为0.08。
算例4：在算例3的基础上，引入阶梯型碳交易机制。
算例5：在算例4的基础上，考虑风电和光伏出力的波动比例为0.2，进行鲁棒优化调度。
(3)实施例结果分析。
表1给出了算例1-5的调度成本明细和碳排放量，从中可以得到：V2G技术在一定程度上降低了配电网的运行总成本，在主动配电网低碳性方面基本没有作用，但是也不会显著增大系统的碳排放。需求响应机制能明显减小配电网的运行总成本，有助于促进系统的低碳调度优化，且积极作用比较明显。阶梯型碳交易机制使得配电网采取更为清洁的供电方式满足负荷需求，有效降低了配电网的碳排放。考虑风光出力不确定性的鲁棒优化调度模型可以在保证主动配电网安全运行的条件下，使系统的总成本维持在可接受的范围内，一定程度上降低碳排放量。
表1算例1-5的调度成本明细和碳排放量
Figure BDA0003926758880000161
图4给出了算例1-4的净电负荷，其中净电负荷由实际电负荷减去风光出力得到。从图4容易得到：V2G技术增强了电动汽车和电网的互动，有效避免了电动汽车在用电高峰时段进行充电，有利于配电网安全运行。在需求响应作用下，配电网可以根据分时电价灵活转入、转出或中断可响应电负荷，完成负荷的“削峰填谷”。在需求响应作用基础上，阶梯型碳交易机制能进一步增强配电网的调度灵活性，实现系统安全低碳运行。
图5～图9分别描述了算例4和算例5的分布式燃气轮机开关机状态、分布式燃气轮机出力与购电功率情况。由图5～图9可知，鲁棒调度考虑了风电和光伏出力的不确定性，在确保最坏场景碳排放小于等于基础场景碳排放的前提下，为同时得到最优的安全、低碳、经济调度方案，主动配电网采取降低碳排放强度大的主网购电功率，增加分布式燃气轮机出力的供电方式。
综上，本发明实施例，利用V2G技术充分挖掘电动汽车与主动配电网的互动潜力，引入需求响应显著增强系统调度的灵活性；采取阶梯型碳交易机制，更严格地控制系统的碳排放量，有利于清洁机组上网，使得所提模型能明显减小主动配电网的调度总成本和碳排放量；利用二阶锥松弛将非凸优化问题转化为凸优化问题，提高了模型的求解速度；考虑V2G与需求响应的主动配电网日前低碳鲁棒调度模型能保证最坏场景的碳排放量在允许范围内，同时有效处理风光出力不确定性问题，获得一种兼顾安全性、经济性和低碳性的主动配电网日前调度方案。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种考虑V2G与需求响应的配电网调度方法，其特征在于，包括：
步骤S1：以主动配电网调度成本最小为目标构建考虑V2G与需求响应的主动配电网日前低碳经济调度确定性模型；
步骤S2：将所述主动配电网日前低碳经济调度确定性模型转化为一般形式的优化模型；
步骤S3：基于所述一般形式的优化模型式，计及风光出力的不确定性，建立考虑V2G与需求响应的主动配电网日前低碳鲁棒调度模型；
步骤S4：求解所述主动配电网日前低碳鲁棒调度模型，得到主动配网低碳经济鲁棒调度优化结果，以用于主动配电网调度。
2.根据权利要求1所述的考虑V2G与需求响应的配电网调度方法，其特征在于，所述主动配电网日前低碳经济调度确定性模型的目标函数为：
Figure FDA0003926758870000011
其中，
Figure FDA0003926758870000012
Figure FDA0003926758870000013
Figure FDA0003926758870000014
Figure FDA0003926758870000015
Figure FDA0003926758870000016
Figure FDA0003926758870000017
其中，t为调度时间的索引；
Figure FDA0003926758870000018
分别为购电成本和分布式发电成本；
Figure FDA0003926758870000019
为碳交易成本；
Figure FDA00039267588700000110
为需求响应中断电负荷补偿费用；
Figure FDA00039267588700000111
为弃风/弃光惩罚费用；
Figure FDA00039267588700000112
为失负荷惩罚费用；
Figure FDA00039267588700000113
为配网向主网购电的价格；
Figure FDA00039267588700000114
为分布式发电的购气价格；Pt in为配网从主网购买的电功率；q为分布式燃气轮机的索引；
Figure FDA0003926758870000021
为分布式燃气轮机的耗气功率；Ctran为碳交易价格；
Figure FDA0003926758870000022
为碳排放量；Dt为配网获得的碳排放配额；d为电负荷的索引；
Figure FDA0003926758870000023
为需求响应中断电负荷的补偿价格；
Figure FDA0003926758870000024
为需求响应中断电负荷电功率；r、w分别为风机和光伏的索引；
Figure FDA0003926758870000025
为弃风/弃光惩罚价格；
Figure FDA0003926758870000026
分别为弃风功率和弃光功率；
Figure FDA0003926758870000027
为失负荷惩罚价格；
Figure FDA0003926758870000028
为失负荷电功率。
3.根据权利要求2所述的考虑V2G与需求响应的配电网调度方法，其特征在于，所述主动配电网日前低碳经济调度确定性模型的约束条件包括：
(1)阶梯型碳交易模型约束包括：
Figure FDA0003926758870000029
Figure FDA00039267588700000210
Figure FDA00039267588700000211
Figure FDA00039267588700000212
其中，rc,upper、rc,GT分别为上级电网、分布式燃气轮机单位电量的碳排放基准额度；
Figure FDA00039267588700000213
为第q台分布式燃气轮机在t时刻的出力；
Figure FDA00039267588700000214
为主动配电网的碳排放量；
Figure FDA00039267588700000215
为上级主网向主动配电网释放的碳排放量；
Figure FDA00039267588700000216
为分布式燃气轮机产生的碳排放；μupper、
Figure FDA00039267588700000217
为上级主网和分布式燃气轮机的碳排放强度；
其中，阶梯型碳交易价格包括：
Figure FDA00039267588700000218
其中，
Figure FDA00039267588700000219
为市场上的碳交易价格；L为碳排放量区间长度；Δ为每个阶梯碳交易价格的增长幅度，每上升一个阶梯，碳交易价格增加
Figure FDA0003926758870000031
(2)考虑V2G的电动汽车充放电模型约束包括：
Figure FDA0003926758870000032
Figure FDA0003926758870000033
Figure FDA0003926758870000034
Figure FDA0003926758870000035
Figure FDA0003926758870000036
Figure FDA0003926758870000037
Figure FDA0003926758870000038
Figure FDA0003926758870000039
Figure FDA00039267588700000310
Figure FDA00039267588700000311
其中，
Figure FDA00039267588700000312
为电动汽车接入时刻的0-1变量，接入时刻为1，其余时刻为0；
Figure FDA00039267588700000313
为电动汽车充、放电时间，在接入时间后一时刻到离开时间为1，其余时间为0；Ilt为接入时刻和充、放电时间之和；
Figure FDA00039267588700000314
为电动汽车充电状态，充电为1，否则为0；
Figure FDA00039267588700000315
为电动汽车放电状态，放电为1，否则为0；Pl c,rate、Pl d,rate分别为电动汽车额定充、放电功率；M为预设正数；
Figure FDA00039267588700000316
为电动汽车电池荷电状态；
Figure FDA00039267588700000317
为电动汽车初始荷电状态；
Figure FDA00039267588700000318
为电动汽车t-1时刻的电池荷电状态；
Figure FDA00039267588700000319
和
Figure FDA00039267588700000320
分别为电动汽车充、放电效率；
Figure FDA00039267588700000321
为电动汽车电池容量；
Figure FDA00039267588700000322
为电动汽车离开时刻，离开时刻为1，其余时刻为0；
Figure FDA00039267588700000323
为电动汽车离开时刻电池荷电状态；
Figure FDA00039267588700000324
和
Figure FDA00039267588700000325
分别为电池荷电状态的下限和上限；
(3)基于可中断电负荷和可转移电负荷的需求响应约束包括：
Figure FDA0003926758870000041
Figure FDA0003926758870000042
Figure FDA0003926758870000043
Figure FDA0003926758870000044
Figure FDA0003926758870000045
Figure FDA0003926758870000046
Figure FDA0003926758870000047
其中，
Figure FDA0003926758870000048
和
Figure FDA0003926758870000049
分别为时段t的需求响应电负荷、需求响应可中断电负荷、需求响应可转移电负荷、需求响应后电负荷、预测电负荷、系统允许的最大电负荷；
Figure FDA00039267588700000410
分别为时段t的最大可中断和可转移的电负荷比例；
Figure FDA00039267588700000411
为调度时间内的最大可中断电负荷；
(4)主动配电网运行约束包括：
①DistFlow模型约束包括：
Figure FDA00039267588700000412
Figure FDA00039267588700000413
Figure FDA00039267588700000414
Figure FDA00039267588700000415
其中，Ω(j)为连接到配电网节点j的设备集合；δ(j)为配电网中以j为首端节点的支路末端节点集合；r、w分别为风机和光伏的索引；
Figure FDA00039267588700000416
分别为风电和光伏的出力；Pij,t为t时刻配电线路ij段的有功功率；Iij,t为t时刻配电线路ij段的电流；Rij、Xij分别为配电线路ij段的电阻、电抗值；
Figure FDA0003926758870000051
为t时刻失电负荷量；
Figure FDA0003926758870000052
为t时刻上级电网向配电网输送的无功功率；Qij,t为t时刻配电线路ij段的无功功率；
Figure FDA0003926758870000053
为t时刻需求响应后无功功率；
Figure FDA0003926758870000054
为t时刻负荷d的功率因数；Vit为t时刻节点i的电压大小；
②节点电压幅值约束包括：
Vi min≤Vit≤Vi max；
其中，Vi min、Vi max分别为节点i电压的最小值和最大值；
③线路传输电流约束包括：
Figure FDA0003926758870000055
其中，
Figure FDA0003926758870000056
表示线路ij能够传输的最大电流；
④风、光出力约束包括：
Figure FDA0003926758870000057
Figure FDA0003926758870000058
Figure FDA0003926758870000059
Figure FDA00039267588700000510
其中，
Figure FDA00039267588700000511
分别为风机和光伏的预测出力；
Figure FDA00039267588700000512
分别为弃风比例和弃光比例；
⑤分布式燃气轮机约束包括：
Figure FDA00039267588700000513
Figure FDA00039267588700000514
Figure FDA00039267588700000515
Figure FDA00039267588700000516
Figure FDA00039267588700000517
Figure FDA0003926758870000061
Figure FDA0003926758870000062
Figure FDA0003926758870000063
Figure FDA0003926758870000064
其中，
Figure FDA0003926758870000065
为分布式燃气轮机的耗气功率；F(·)为热耗率曲线；
Figure FDA0003926758870000066
分别为分布式燃气轮机开启/关停所消耗的气功率；LHANG为天然气低热值；
Figure FDA0003926758870000067
为分布式燃气轮机的启停状态，开机为1，关机为0；k为分段数的索引；
Figure FDA0003926758870000068
Figure FDA0003926758870000069
分别为第k段增加的天然气耗量和发电功率；
Figure FDA00039267588700000610
分别为开启/关停一次所消耗的气功率；
Figure FDA00039267588700000611
分别为分布式燃气轮机出力的最小值和最大值；
Figure FDA00039267588700000612
分别为燃气机组的上爬坡率和下爬坡率；
Figure FDA00039267588700000613
分别为分布式燃气轮机在t-1时段内连续开机、停机的时间；
Figure FDA00039267588700000614
分别为分布式燃气轮机在t时段内的最小开机、关机时间；
⑥失负荷约束包括：
Figure FDA00039267588700000615
其中，
Figure FDA00039267588700000616
为t时段允许的最大失负荷量；
⑦购电功率约束：
Figure FDA00039267588700000617
Figure FDA00039267588700000618
其中，
Figure FDA00039267588700000619
分别为从上级电网购入的有功功率和无功功率；Pin,min、Pin,max、Qin,min、Qin,max分别为允许购入有功功率的最小值、最大值和购入无功功率的最小值和最大值；
(5)主动配电网支路潮流约束的二阶锥松弛约束包括：
Figure FDA00039267588700000620
Figure FDA00039267588700000621
Figure FDA0003926758870000071
Figure FDA0003926758870000072
Figure FDA0003926758870000073
Figure FDA0003926758870000074
4.根据权利要求3所述的考虑V2G与需求响应的配电网调度方法，其特征在于，所述一般形式的优化模型包括：
Figure FDA0003926758870000075
其中，x为分布式燃气轮机的启停状态和电动汽车的充放电状态；y为系统其余调度功率；v为失负荷量；
Figure FDA0003926758870000076
和
Figure FDA0003926758870000077
为目标函数的常系数向量；A、B、C和b分别为约束常系数矩阵和向量；Kr和
Figure FDA0003926758870000078
为二阶锥松弛约束的系数矩阵和向量。
5.根据权利要求4所述的考虑V2G与需求响应的配电网调度方法，其特征在于，所述主动配电网日前低碳鲁棒调度模型包括：
Figure FDA0003926758870000079
Figure FDA00039267588700000710
其中，u、U分别为与风电、光伏出力不确定性相关的不确定变量和不确定性合集；D、E、F、G、H和p分别为相关变量的常系数矩阵和矢量；z为根据风光出力变化调整的系统其余机组调度出力。
6.根据权利要求1所述的考虑V2G与需求响应的配电网调度方法，其特征在于，所述求解所述主动配电网日前低碳鲁棒调度模型的步骤，包括：
确定所述主动配电网日前低碳鲁棒调度模型的主问题和子问题；
采用约束生成CCG算法求解所述主问题和所述子问题，得到所述主动配网低碳经济鲁棒调度优化结果。
7.根据权利要求6所述的考虑V2G与需求响应的配电网调度方法，其特征在于，
所述主问题为求解最小化基础场景的总成本问题，包括：
Figure FDA0003926758870000081
Figure FDA0003926758870000082
Figure FDA0003926758870000083
Figure FDA0003926758870000084
Figure FDA0003926758870000085
其中，Q为迭代的总次数，q＝1，2，……，Q；
所述子问题为识别最坏场景的问题，包括：
Figure FDA0003926758870000086
Fz+Gv+Hu≤p-Dx*-Ey*:(λ)；
Figure FDA0003926758870000087
其中，x*和y*分别为求解所述主问题得到的系统机组启停状态和机组出力安排，λ和(ξ,ω)分别为线性不等式约束的对偶变量和二阶锥约束的二阶锥对偶变量；
通过对偶变换方法将所述子问题转化为单层最大化优化问题，包括：
Figure FDA0003926758870000088
Figure FDA0003926758870000091
其中，所述单层最大化优化问题的目标函数中包含的双线性变量乘积λu通过如下的计算式求解：
Figure FDA0003926758870000092
其中，λ0，λ+和λ-为辅助连续变量，β0，β+和β-为辅助0-1变量，对应u取其不确定合集上限u+、均值ub、下限u-的情况；M为预设常数。
8.根据权利要求7所述的考虑V2G与需求响应的配电网调度方法，其特征在于，所述采用约束生成CCG算法求解所述主问题和所述子问题的步骤，包括：
步骤S41：令迭代计数器q＝0，设置系统允许的违反安全规定最大值εmax；
步骤S42：求解所述主动配电网日前低碳鲁棒调度模型的主问题；
步骤S43：若有解，则更新系统机组启停状态x和机组出力安排y；
步骤S44：根据步骤S43得到的系统机组启停状态x和机组出力安排y，求解所述主动配电网日前低碳鲁棒调度模型的子问题，得到导致最大可能违反安全规定值的最坏景下的风力和光伏出力
Figure FDA0003926758870000093
步骤S45：判断第q次迭代下的最大可能违反安全规定值是否小于违反安全规定最大值εmax；
步骤S46：若是，则停止迭代求解过程，输出所述步骤S43求解得到的所述系统机组启停状态x和机组出力安排y作为所述主动配网低碳经济鲁棒调度优化结果；
步骤S47：若否，则令q＝q+1，将所述步骤S44求解得到的最坏景下的风力和光伏出力
Figure FDA0003926758870000101
以及，新的CCG约束代入所述主动配电网日前低碳鲁棒调度模型的主问题，返回所述步骤S42，继续迭代求解；
其中，所述新的CCG约束为：
Figure FDA0003926758870000102
9.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如权利要求1～8中任一项所述的考虑V2G与需求响应的配电网调度方法。
10.一种考虑V2G与需求响应的配电网调度系统，其特征在于，包括：如权利要求9所述的计算机可读存储介质。
CN202211376215.4A 2022-11-04 2022-11-04 考虑v2g与需求响应的配电网调度方法、介质及系统 Pending CN115693797A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211376215.4A CN115693797A (zh) 2022-11-04 2022-11-04 考虑v2g与需求响应的配电网调度方法、介质及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211376215.4A CN115693797A (zh) 2022-11-04 2022-11-04 考虑v2g与需求响应的配电网调度方法、介质及系统

Publications (1)

Publication Number Publication Date
CN115693797A true CN115693797A (zh) 2023-02-03

Family

ID=85048607

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211376215.4A Pending CN115693797A (zh) 2022-11-04 2022-11-04 考虑v2g与需求响应的配电网调度方法、介质及系统

Country Status (1)

Country Link
CN (1) CN115693797A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116861627A (zh) * 2023-05-29 2023-10-10 河海大学 一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116861627A (zh) * 2023-05-29 2023-10-10 河海大学 一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法

Similar Documents

Publication Publication Date Title
CN111815025A (zh) 考虑风光与负荷不确定性综合能源系统柔性优化调度方法
CN111293691A (zh) 基于模型预测控制的微电网多时间尺度优化调度方法
CN107316125A (zh) 一种基于经济运行域的主动配电网经济运行评价方法
CN113095791A (zh) 一种综合能源系统运行方法及系统
CN114358431A (zh) 计及供需双向需求响应的多能源系统优化调度方法及装置
CN110783950A (zh) 一种配电网节点光伏最佳配置容量确定方法
CN113592133A (zh) 一种能量枢纽优化配置方法及系统
CN115204562B (zh) 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统
CN115577909A (zh) 考虑价格型需求响应和v2g的园区综合能源系统调度方法
Jiang et al. Study on optimal operation of integrated energy system considering new energy incentive mechanism
CN115860413A (zh) 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网系统经济调度方法
CN115693797A (zh) 考虑v2g与需求响应的配电网调度方法、介质及系统
Tan et al. Joint scheduling optimization of virtual power plants and equitable profit distribution using shapely value theory
CN114977180A (zh) 一种基于负荷侧灵活性资源的微电网低碳优化调度方法
CN114298393A (zh) 考虑不确定性的储能电站动态配置方法、系统及设备
CN113298407A (zh) 一种工业园区电-气综合能源系统优化调度模型建立方法
CN115912342B (zh) 基于云模型的区域柔性负荷低碳调度方法
CN116402223A (zh) 一种配电网协同调度方法、系统及设备
CN116742812A (zh) 一种多能互补发电系统储能容量协调优化配置方法和系统
CN114243691A (zh) 一种电力系统低碳优化调度方法
CN114493143A (zh) 面向并网型微电网的虚拟电厂多目标优化调度系统及方法
Zhang et al. A Two-Stage Optimization Model of Capacity Allocation and Regulation Operation for Virtual Power Plant
CN113869927A (zh) 一种促进社区微网内部多产消者能源共享的分时定价方法
CN112713590A (zh) 计及idr的冷热电联供微网与主动配电网联合优化调度方法
CN112182915A (zh) 一种协同促进风电消纳的优化调度方法及系统

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