CN116073448B - 一种基于低碳效益的配电系统源网荷储协同调峰方法 - Google Patents
一种基于低碳效益的配电系统源网荷储协同调峰方法 Download PDFInfo
- Publication number
- CN116073448B CN116073448B CN202310285707.0A CN202310285707A CN116073448B CN 116073448 B CN116073448 B CN 116073448B CN 202310285707 A CN202310285707 A CN 202310285707A CN 116073448 B CN116073448 B CN 116073448B
- Authority
- CN
- China
- Prior art keywords
- model
- peak
- carbon
- objective
- power distribution
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000008901 benefit Effects 0.000 title claims abstract description 14
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 11
- 238000004146 energy storage Methods 0.000 abstract description 31
- 230000004044 response Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000007599 discharging Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000006386 neutralization reaction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 101150067055 minC gene Proteins 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/50—Controlling the sharing of the out-of-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
- H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
- H02J2310/62—The condition being non-electrical, e.g. temperature
- H02J2310/64—The condition being economic, e.g. tariff based load management
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Abstract
本发明公开了一种基于低碳效益的配电系统源网荷储协同调峰方法。首先提出了一种确定性的计及碳交易的配电系统源网荷储调峰模型，即最小化调峰成本和最小化净负荷曲线峰谷差的多目标优化模型，其中基于了改进的二阶锥潮流约束，调峰成本包括电交易成本和碳交易成本，调节措施包括DG有功与无功调节、动态重构、需求响应以及储能资源；其次，对上述确定性模型进行改进，构建基于光伏出力不确定性的矩信息分布鲁棒调峰模型，并对目标函数进行重新表述；最后，给出了上述模型的求解方法，包括分布鲁棒模型的变换以及多目标模型的变换求解。该方法可为配电网的调峰提供指导。
Description
技术领域
本发明属于配电网运行领域，涉及基于低碳效益的配电系统源网荷储协同调峰模型建立，包括改进的二阶锥潮流约束以及分布鲁棒不确定模型和ε约束法的求解方法。
背景技术
分布式风机、光伏等分布式电源(distributed generation，DG)、储能、新型负荷海量接入到配电网中。分布式电源的功率特性受环境影响较大、时序特性显著，给配电网带来了电压越限、电能质量恶化、网损增加等诸多问题，系统调峰压力越来越大，对调峰资源提出了更高的要求，仅仅依靠单一的资源调峰，将面临极高的系统运行成本。基于多种灵活性资源调节能力，可以实现削峰填谷，减小净负荷曲线的波动，从而保障配电网负载均衡。但现有研究仅建立单一资源的日前和日内调度模型，对所建立的优化调度模型并未综合基于系统运行的经济性、波动性以及风光出力，仅基于了其中的一个或者两个目标，且所运用的多目标处理方法本质上还是单目标求解。因此，研究源网荷储协同运行条件下配电网变得尤为重要。此外，随着科技进步和“碳中和、碳达峰”的战略推进，碳排放分析和优化引起了很多关注。然而现有研究并未基于如何将碳排放权交易与调峰融合，且很少有研究在基于配电网运行的同时，基于碳排放量造成的影响。
为了填补研究空白，本发明介绍了基于低碳效益的配电系统源网荷储协同调峰方法，并基于了改进的二阶锥潮流。研究基于矩信息的分布鲁棒分布式光伏出力不确定性调峰模型，并将碳排放成本计入目标成本，为配电网运行优化提供指导。
发明内容
一种基于低碳效益的配电系统源网荷储协同调峰方法，具体包括：
(1)构建确定性的计及碳交易的配电系统源网荷储调峰模型，即最小化调峰成本和最小化净负荷曲线峰谷差的多目标优化模型，其中基于了改进的二阶锥潮流约束，调峰成本包括电交易成本和碳交易成本，调节措施包括DG有功与无功调节、动态重构、需求响应以及储能资源；
(2)对上述确定性模型进行改进，构建基于光伏出力不确定性的矩信息分布鲁棒调峰模型，并基于随机性对目标函数的影响，对目标函数进行重新表述；
(3)提出基于低碳效益的配电系统调峰多目标优化模型求解方法，包括分布鲁棒模型的变换以及多目标模型的变换求解。
所述步骤(1)提出构建确定性的计及碳交易的配电系统源网荷储调峰模型，即最小化调峰成本和最小化净负荷曲线峰谷差的多目标优化模型，其中基于了改进的二阶锥潮流约束，调峰成本包括电交易成本和碳交易成本，调节措施包括DG有功与无功调节、动态重构、需求响应以及储能资源，包括：
1)目标函数
目标函数1为运行费用以及调节措施的费用和最小。具体包括线路首节点与上级电网交换功率所需的购售电交易成本Celectric、上述调节手段(DG有功削减、重构，需求响应以及储能配置)的实施费用以及碳交易成本Ccarbon。具体表述如下：
minC1＝Celectric+Ccarbon
表示线路与变电站交换功率。πelectric,t、πcarbon,t分别表示电价和碳价。et表示碳排放强度。CCUR为光伏削减所需成本，CRE为重构成本，CDR为可削减负荷成本，CESS为储能成本。
目标函数2为净负荷曲线标准差最小，即在不改变传统负荷的前提下，通过运用多种调节措施，并最大化清洁能源消纳量，使得系统综合负荷的标准差最小。目标函数为:
其中
2)约束条件
(a)改进的潮流潮流约束
系统中最常用的常规潮流模型如下所示
传统的二阶锥潮流方程仅适用于某些特殊情况，并不通用。这是因为潮流可以在网络中向不同的方向流动。因此基于对计算效率的基于，引入并提出了等效变换，改进的潮流约束如下：
在实际运行中，相邻节点之间的相位差相对较小，因此通常保持不变。因此，应包括约束
因此传统的潮流方程改进成如下等式
且自动满足。
将上式转化为改进的二阶锥约束
支路电压约束：
(b)安全约束：
节点电压约束：
支路容量约束：
式中，lij,t＝(Iij,t)2为第t个时段流过支路ij的功率、电流幅值的平方；vi,t为第t个时段节点a电压幅值的平方；/>为节点电压的下限，/>为节点电压的上限；Rij、Xij为支路ij的电阻、电抗，a(j)为以j为尾节点的首节点集合，b(j)为以j为首节点的尾节点集合，Pj,t、Qj,t为节点j注入有功、无功功率，PL,j,t和QL,j,t分别为节点j处负荷注入的有功功率和无功功率；/>为节点j处分布式电源注入的有功功率。
(c)调节措施约束
(1)DG有功无功协调削减
对光伏的削减量，有如下约束：
式中，为光伏的削减量，/>为光伏的最大削减程度。
光伏削减的费用如下：
式中，为光伏削减的单位功率成本。
(2)重构
重构是配电网优化运行中的一种重要技术手段，其通过对配电网线路中的分段开关和联络开关进行开合来改变网络的拓扑结构，从而改变配电网潮流分布，以实现降低网损、提高系统可靠性等目标。
动态重构的约束如下：
第一个约束表示采用大M方法限制支路潮流。第二个约束表示网络重构对电压的限制。第三个约束表示表示远程控制开关(RCS)的运行约束。第四个约束保证RCS在一天的开始和结束时的状态一致。
重构的成本如下：
(3)需求响应
可削减负荷通过分析用户舒适度与响应意愿对负荷进行削减或中断。常见负荷有大量的温控负荷、楼宇照明负荷等。可削减负荷需要满足削减负荷持续时间约束等。可削减负荷的响应特性模型如下所示：
成本如下：
(4)储能
储能元件正常运行时，储能需要满足如下的约束。在实际的工程中，过度充放电会降低储能的使用寿命，因此需要对储能的荷电状态进行约束，其表达式如下所示：
式中：和/>分别表示储能当前电量的上限和下限。
电池储能在工作过程中既可能在充电状态，也可能在放电状态，电池储能的电量也随着储能的不同工作状态而随时变化，其表达式如下：
为了保证储能在每个调度周期开始和结束时状态统一，一天内储能装置能量变化为0，将增加如下约束条件：
在实际的工程中，储能元件的实际充放电功率受电池的充放电功率上限约束，其表达式如下所示：
式中：PESS.max为储能充放电功率的上限。
储能的成本如下：
对于储能系统，其等年值成本CESS包括投资成本和运行维护成本，其表达式如下：
CESS＝αESSMESS+βESSMESS
MESS＝c2PESS.max+c3Er,i
式中，式中：aESS为所安装储能设备的资本回收系数，r为贴现率，n为储能设备运行的年限，c2为储能设备的单位功率投资费用，PESS.max为储能充放电可达到的最大功率，c3为储能设备的单位容量投资费用，Er为储能配置的容量，MESS为所装储能设备的一次性投资成本，βESS为储能设备的年运行维护费用系数。
所述步骤(2)对上述确定性模型进行改进，构建基于光伏出力不确定性的矩信息分布鲁棒调峰模型，并基于随机性对目标函数的影响，对目标函数进行重新表述，包括：
1)光伏出力建模
针对某一典型日进行建模
基于正态分布概率模型，基于分布式光伏出力均值和标准差的不确定性，利用海量地市级电网内分布式光伏出力时序特性曲线，对于光伏系统建立基于数据驱动矩信息的分布式光伏出力时序特性模糊集DPV1和DPV2：
式中，DPV1和DPV2分别为随机参数(光伏/风电出力)的模糊集和分布式电源出力曲线的均值序列/>和方差序列/>的不确定集合；/>为随机变量/>的分布集合；P(·)为求概率函数，表示随机变量/>的分布属于/>的概率为1；E(·)为求期望函数；/>和分别为均值的上下限；/>和/>分别为方差的上下限；μpv,pre,i,t和/>分别为均值和方差的预测值；α和β分别为允许偏离系数，可控制模糊集的保守度；NPV为分布式电源配置数量。
上述模糊集中，基于了由海量数据获取的出力均值和标准差上下限，同时通过α和β控制模糊集的保守度。
这里假设DG的有功削减只改变其均值，并不影响其方差的变化。可控PV系统的功率约束如下：
基于为随机变量，逆变器的容量约束为：
2)目标函数的重新表述
基于随机性之后，目标函数1可以表示为
其中EP(Psub,t)+表示交换功率均值大于0的部分。
目标函数1可以被转换如下：
其中并添加如下约束：
由于光伏的出力具有随机性，基于最恶劣的情况下的费用，因此目标函数1被进一步转换如下：
所述步骤(3)基于低碳效益的配电网调峰多目标优化模型求解方法，包括分布鲁棒模型的变换以及多目标模型的变换求解，包括：
1)容量约束的转换
通过采用圆形约束线性化的方法将容量约束用线性约束进行逼近如下
2)对偶理论
目标函数1被重新整理成紧凑矩阵形式如下：
s.t.Ax＝b
Bx≥d
Cx+Du＝e
Ex+Fu≥f
x＝[P,Q,Pre,PPVcur,PESS,α]
u＝[μPV,σPV],u∈D
采用对偶理论对上式进行转换
s.t.cT+BTλ1+ETλ2+ATμ1-CTμ2≤0
λ1≥0,λ2≥0
可以发现，双线性项-(Du)Tμ2+(Fu)Tλ2出现在上述目标函数中。对于这个双线性规划，变量的最优解是不确定集合D的极值点。在问题的多面体不确定集合中存在有限的极值点。可以找到所有极值点，然后通过枚举得到最优点。
3)多目标优化的变换
e-约束法是处理多目标优化问题的有效工具。本申请将采用该方法对上述多目标函数进行求解。该方法将多目标问题转化为多个单目标优化问题。特别的是，只有第一个目标函数被优化，而其他目标函数被约束为高于一个常数值该常数值在每次迭代中都被修改。通过改变/>预先计算出的每个目标函数的最大/>值和最小(ek )值，该程序能够计算出帕累托前沿。
本申请中，将净负荷曲线标准差最小作为目标函数，采用ε-约束法，将另一个目标即最小化费用转化为约束边界，因此，本文所提的多目标转化为了单目标问题并采用求解器进行求解。
有益效果：
(1)构建基于碳交易的多目标调峰模型，其中计及源网荷储调节手段，以及改进的二阶锥潮流，有力支持我国“碳中和、碳达峰”的战略推进。
(2)构建基于光伏出力不确定性的矩信息分布鲁棒调峰模型，促进配电系统与新能源协调发展。
(3)提出分布鲁棒模型的变换方法，为配电网优化提供指导。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例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他的附图。
图1本实施例中一种基于低碳效益的配电系统源网荷储协同调峰方法整体求解流程图。
图2本实施例中单环网结构示例图
图3调峰前后净负荷曲线对比
图4单环网网络重构示意图
图5储能充放电示意图
图6需求响应削减图
图7本方法流程图
具体实施方式
为使本发明的结构和优点更加清楚，下面将结合附图对本发明的结构作进一步地描述。
结合附图1详细阐述本发明所提一种基于低碳效益的配电系统源网荷储协同调峰方法整体求解流程，具体步骤如下：
Step1：提出确定性的配电系统源网荷储调峰模型，即最小化调峰成本和最小化净负荷曲线峰谷差的多目标优化模型，其中基于了改进的二阶锥潮流约束，调峰成本包括电交易成本和碳交易成本，调节措施包括DG有功与无功调节、动态重构、需求响应以及储能资源。
Step2：对上述确定性模型进行改进，构建基于光伏出力不确定性的矩信息分布鲁棒调峰模型，并基于随机性对目标函数的影响，对目标函数进行重新表述；
Step3：基于低碳效益的配电系统调峰多目标优化模型求解方法，包括分布鲁棒模型的变换以及多目标模型的变换求解。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在某一单环网中，总负荷为9.27MW，光伏接入一侧馈线，容量为7MW。储能的配置容量为40％光伏容量，需求响应的调节成本为0.6美元/kWh，不基于综合措施时，碳交易价格为7美分/kWh，碳交易价格定为15美元/tCO2。采用CPLEX求解器对问题进行求解，以年度费用为110.3万美元的点对结果进行展示，结果如下：
表一 各种调节手段及交易费用表
| 调节手段 | 光伏削减 | 重构 | 需求响应 | 储能 | 电交易 | 碳交易 |
| 费用/104美元 | 10.14 | 8.16 | 9.2 | 3.5 | 71.7 | 7.6 |
附图3中展示了调峰前后曲线对比，图4展示了网络重构示意图，图5展示了储能充放电示意图。
通过本实施例可以为运营商规划方案提供指导。
以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于低碳效益的配电系统源网荷储协同调峰方法，其特征在于：
(1)确定性的基于碳交易的配电系统源网荷储调峰模型，即最小化调峰成本和最小化净负荷曲线峰谷差的多目标优化模型；
(2)对上述确定性模型进行改进，构建基于光伏出力不确定性的矩信息分布鲁棒调峰模型，并基于随机性对目标函数的影响，对目标函数进行重新表述；
所述的确定性模型进行改进，构建基于光伏出力不确定性的矩信息分布鲁棒调峰模型，并基于随机性对目标函数的影响，对目标函数进行重新表述，具体如下：
光伏出力建模
针对某一典型日进行建模
基于正态分布概率模型，基于分布式光伏出力均值和标准差的不确定性，利用海量地市级电网内分布式光伏出力时序特性曲线，对于光伏系统I，建立基于数据驱动矩信息的光伏出力时序特性模糊集DPV1和DPV2：
式中，DPV1和DPV2分别为随机参数(光伏出力)的模糊集和分布式电源出力曲线的均值序列/>和方差序列/>的不确定集合；ΩPPV为随机变量/>的分布集合；P(·)为求概率函数，表示随机变量/>的分布属于/>的概率为1；E(·)为求期望函数；/>和/>分别为均值的上下限；/>和/>分别为方差的上下限；μpv,pre,i,t和/>分别为均值和方差的预测值；α和β分别为允许偏离系数，可控制模糊集的保守度；NPV为分布式光伏配置数量，
上述模糊集中，基于了由海量数据获取的出力均值和标准差上下限，同时通过α和β控制模糊集的保守度，
基于为随机变量，基于逆变器容量限制的可控PV系统功率约束为：
(3)基于低碳效益的配电系统调峰多目标优化模型求解方法，包括分布鲁棒模型的变换以及多目标模型的变换求解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310285707.0A CN116073448B (zh) | 2023-03-22 | 2023-03-22 | 一种基于低碳效益的配电系统源网荷储协同调峰方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310285707.0A CN116073448B (zh) | 2023-03-22 | 2023-03-22 | 一种基于低碳效益的配电系统源网荷储协同调峰方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116073448A CN116073448A (zh) | 2023-05-05 |
| CN116073448B true CN116073448B (zh) | 2024-03-08 |
Family
ID=86183938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310285707.0A Active CN116073448B (zh) | 2023-03-22 | 2023-03-22 | 一种基于低碳效益的配电系统源网荷储协同调峰方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116073448B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
| CN112018823A (zh) * | 2020-08-20 | 2020-12-01 | 天津大学 | 一种配电网多目标鲁棒优化方法 |
| CN112467722A (zh) * | 2020-09-30 | 2021-03-09 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 |
| KR102256434B1 (ko) * | 2020-08-14 | 2021-05-25 | 목포대학교 산학협력단 | 다수의 분산 에너지저장시스템 통합제어 장치 |
| CN115713197A (zh) * | 2022-10-31 | 2023-02-24 | 三峡大学 | 计及风电不确定性的电力系统荷储联合优化调度方法 |
| CN115811086A (zh) * | 2022-12-16 | 2023-03-17 | 国网山东省电力公司经济技术研究院 | 计及源荷不确定的光伏配电网储能优化配置方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9146547B2 (en) * | 2011-07-20 | 2015-09-29 | Nec Laboratories America, Inc. | Optimal energy management of a rural microgrid system using multi-objective optimization |
| CN111222711B (zh) * | 2020-01-16 | 2022-04-08 | 大连理工大学 | 一种基于指标联动分析的电力系统调峰调度多目标优化方法 |
-
2023
- 2023-03-22 CN CN202310285707.0A patent/CN116073448B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
| KR102256434B1 (ko) * | 2020-08-14 | 2021-05-25 | 목포대학교 산학협력단 | 다수의 분산 에너지저장시스템 통합제어 장치 |
| CN112018823A (zh) * | 2020-08-20 | 2020-12-01 | 天津大学 | 一种配电网多目标鲁棒优化方法 |
| CN112467722A (zh) * | 2020-09-30 | 2021-03-09 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 |
| CN115713197A (zh) * | 2022-10-31 | 2023-02-24 | 三峡大学 | 计及风电不确定性的电力系统荷储联合优化调度方法 |
| CN115811086A (zh) * | 2022-12-16 | 2023-03-17 | 国网山东省电力公司经济技术研究院 | 计及源荷不确定的光伏配电网储能优化配置方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| Distributed_Adaptive_Robust_Voltage_VAR_Control_With_Network_Partition_in_Active_Distribution_Networks;Peishuai Li;《IEEE TRANSACTIONS ON SMART GRID》;第11卷(第3期);第2245-2256页 * |
| Model_predictive_control_and_improved_low-pass_filtering_strategies_based_on_wind_power_fluctuation_mitigation;Yushu SUN;《J. Mod. Power Syst. Clean Energy》;第512-524页 * |
| 考虑净负荷矩不确定性的新型电力系统分布鲁棒优化问题;刘俊鹏;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;第C042-2084页 * |
| 适应风电参与电力市场的需求侧储能负荷运行优化研究;管馨;《综合智慧能源》;第35-41页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116073448A (zh) | 2023-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xia et al. | Multitime scale coordinated scheduling for the combined system of wind power, photovoltaic, thermal generator, hydro pumped storage, and batteries | |
| Hong et al. | Multiscenario underfrequency load shedding in a microgrid consisting of intermittent renewables | |
| Chen et al. | Smart energy management system for optimal microgrid economic operation | |
| CN103490410B (zh) | 一种基于多目标优化的微电网规划和容量配置方法 | |
| Zhai et al. | Robust model predictive control for energy management of isolated microgrids | |
| Wang et al. | Energy management strategy of hybrid energy storage based on Pareto optimality | |
| CN110994697B (zh) | 含光储联合体的交直流配电网优化运行控制方法及系统 | |
| Giannelos et al. | Option value of dynamic line rating and storage | |
| Khezri et al. | Multiobjective long-period optimal planning model for a grid-connected renewable-battery system | |
| Hu et al. | Adaptive time division power dispatch based on numerical characteristics of net loads | |
| Saber et al. | Smart micro-grid optimization with controllable loads using particle swarm optimization | |
| Kumar et al. | Multi-objective economic emission dispatch optimization strategy considering battery energy storage system in islanded microgrid | |
| CN116073448B (zh) | 一种基于低碳效益的配电系统源网荷储协同调峰方法 | |
| Le et al. | Design, sizing and operation of a hybrid renewable energy system for farming | |
| Ramesh et al. | Cost Optimization by Integrating PV-System and Battery Energy Storage System into Microgrid using Particle Swarm Optimization | |
| Wang et al. | Renewable and distributed energy integration with mini/microgrids | |
| Zhao et al. | Affinely adjustable robust optimal dispatch for island microgrids with wind power, energy storage and diesel generators | |
| Teixeira et al. | Optimized management of Renewable Energy Sources in Smart Grids in a VPP context | |
| Mahmoudian et al. | Sensitivity analysis in a multi-carrier energy hub system through electrical and thermal profile procurement | |
| Zhao et al. | Two-stage Robust Stochastic Optimal Dispatch of Regional Integrated Energy System Considering Renewable Energy and Load Uncertainty | |
| Hu et al. | Two-stage energy scheduling optimization model for complex industrial process and its industrial verification | |
| Ma et al. | Power mileage-based allocation and dispatch strategy of battery energy storage system | |
| Balasubramanyam et al. | Dynamic energy management system of microgrid using AI techniques: A comprehensive & comparative study | |
| Zhang et al. | Optimal allocation of energy storage participating in peak shaving based on improved hybrid particle swarm optimization | |
| CN116073439B (zh) | 一种采用同步电机接口的分布式多源发电系统及方法 |
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 |