CN116136930A - 一种计及可靠性的交直流混合微电网规划方法 - Google Patents
一种计及可靠性的交直流混合微电网规划方法 Download PDFInfo
- Publication number
- CN116136930A CN116136930A CN202310154271.1A CN202310154271A CN116136930A CN 116136930 A CN116136930 A CN 116136930A CN 202310154271 A CN202310154271 A CN 202310154271A CN 116136930 A CN116136930 A CN 116136930A
- Authority
- CN
- China
- Prior art keywords
- reliability
- constraints
- model
- cost
- planning
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000004146 energy storage Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 13
- 238000009434 installation Methods 0.000 claims description 9
- 239000000446 fuel Substances 0.000 claims description 7
- 238000010248 power generation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 9
- 230000007423 decrease Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- H02J3/381—Dispersed generators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- 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
- H02J3/36—Arrangements for transfer of electric power between ac networks via a high-tension dc link
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel 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
- 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
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Biodiversity & Conservation Biology (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种计及可靠性的交直流混合微电网规划方法，其特征在于，包括：通过设置目标函数和约束条件以建立含变流器的规划模型；对规划模型进行线性化处理，转化为混合整数线性规划模型；通过数学求解器对混合整数线性规划模型求解，以获取最优规划结果；其中，目标函数以经济成本最低为目标；约束条件包括：可靠性显式约束、变流器精细化控制约束、分布式电源选址约束和潮流安全约束。本发明实施例通过建立变流器的精细化控制模型，并提出了可靠性约束显式化表征方法，建立了计及可靠性的交直流混合微电网规划模型。针对模型中的非线性问题，本发明实施例提出了一种线性化潮流计算方法，使模型可以快速求解。
Description
技术领域
本发明涉及微电网规划技术领域，具体涉及一种计及可靠性的交直流混合微电网规划方法。
背景技术
随着新能源比例的增大，电源侧的光伏和储能得到了广泛的发展，然而，他们本身具有直流特性，接入交流微电网需要通过交直流变换环节，同时负荷中常见的电动汽车等直流负荷日益增多，接入交流系统时需要通过AC/DC交直流变换供电，这样增加了系统投资，降低了系统转化效率。为了应对上述大规模直流负荷和分布式新能源电源的接入所带来的问题，交直流微电网受到了广泛关注。由于既有交流部分又有直流部分，可以使分布式电源和交直流负荷直接接入，且运行方式更加灵活多样，有利于提高配电网的灵活性和稳定性，更利于分布式能源的高效利用。因此针对交直流混合微电网的相关研究可以提高我国分布式可再生能源的利用率，降低碳排放，节约投资成本，推动国家能源革命具有十分重要的意义。
在交直流混合微电网规划方面，考虑了不同的技术建立了多种规划模型。一种是考虑可靠性约束的微电网储能系统配置模型，可靠性评估考虑了设备故障。另一种建立了基于多场景的负荷削减模型，评估了微电网可靠性。他们均通过场景削减技术来减小场景规模。然而，由于蒙特卡罗法需要大量样本，该方法可能会影响可靠性指标的准确性。考虑可靠性规划的另一类研究将可靠性评估集成到优化程序中，反复检查其是否满足要求。除此之外，还有些研究考虑了可靠性约束的嵌入，提出了针对孤岛型微网和配电网的规划方法，但主要适应于孤岛型微网和配电网络。总之，研究人员对微电网的可靠性评估方法进行了充分的研究，但对可靠性在微电网规划时的优化应用研究尚不足。蒙特卡罗法可靠性计算通常较费时，直接嵌于迭代算法中将使得计算时长剧增，因此仍需要探索将可靠性显式表征为易解函数的方法。
发明内容
有鉴于此，本发明实施例提供了一种计及可靠性的交直流混合微电网规划方法，以解决现有技术中针对交直流混合微电网规划方法的可靠性计算用时长、效率低的问题。
本发明实施例提供了一种计及可靠性的交直流混合微电网规划方法，包括：
通过设置目标函数和约束条件以建立含变流器的规划模型；
对规划模型进行线性化处理，转化为混合整数线性规划模型；
通过数学求解器对混合整数线性规划模型求解，以获取最优规划结果；
其中，目标函数以经济成本最低为目标；约束条件包括：可靠性显式约束、变流器精细化控制约束、分布式电源选址约束和潮流安全约束。
可选地，经济成本包括分布式电源设备的投资建设成本、运行成本和运行周期内设备更换成本。
可选地，约束条件还包括：网架约束、设备运行特性约束、功率平衡约束和运行安全约束。
可选地，对规划模型进行线性化处理，转化为混合整数线性规划模型，包括：
采用忽略高阶无穷小量和二次函数的分段线性化方法对规划模型进行线性化处理；和/或，
采用大M法对规划模型进行线性化处理；其中，大M法的处理对象包括规划模型中的连续变量和二元变量相乘的非线性项。
可选地，分布式电源包括：柴油发电机、储能设备、光伏机组和风电机组中的任意一者或多者。
可选地，设置目标函数包括：
获取各个分布式电源折算到年的平均总成本；
获取各个分布式电源折算到年的设备投资建设成本；
获取各个分布式电源在运行周期内由于设备生命周期需要更换新设备产生的更换成本；
获取各个分布式电源在运行周期结束后的设备残值；
获取各个分布式电源的设备日常运行维护成本；
获取柴油发电机组发电产生的燃油成本；
获取系统切负荷成本；
获取在任意时刻的系统切负荷量。
可选地，获取各个分布式电源折算到年的设备投资建设成本包括：
通过获取年利率、运行模拟时间、规划的微网运行周期、设备生命周期、设备单位容量的运行维护成本、单位发电燃料成本、拟安装容量、变流器的交换功率、变流器效率和单位电量成本，从而将各个分布式电源折算到年的设备投资建设成本折算到当年值来进行计算。
可选地，约束条件包括：
根据各类型分布式电源的拟规划容量对各个分布式电源的单位时刻出力进行约束；
对储能设备机组设置最大充放电约束规律、最大荷电状态约束、最小荷电状态约束和充放电状态运行约束；
根据安装数量对分布式电源选址进行约束。
可选地，变流器精细化控制约束包括：
获取交流子网中各节点的第一功率方程和直流子网中各节点的第二功率方程；
分别对第一功率方程和第二功率方程进行归一化处理，获取交流微电网的下垂特性和直流微电网的下垂特性；
通过归一化后的交流侧频率和直流侧电压之差，实现互联变流器的控制；
通过设置有功功率下垂增益，控制每个时间段内两个电网之间的功率流。
可选地，还包括：
对交流子网和直流子网设置电压约束；
对交流子网设置相角差约束。
本发明实施例的有益效果：
本发明实施例通过建立变流器的精细化控制模型，解决了针对交直流微电网孤岛运行时需要通过双向变流器的控制来提供微网频率和电压支撑的问题。其次基于提出的可靠性约束显式化表征方法，并考虑分布式电源的接入优化，建立了计及可靠性的交直流混合微电网规划模型。然后针对潮流计算的非线性问题，基于泰勒展开方法提出了一种线性化潮流计算方法，使模型可以快速求解。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1示出了本发明实施例中一种计及可靠性的交直流混合微电网规划方法的流程图；
图2示出了本发明实施例中另一种计及可靠性的交直流混合微电网规划方法的流程图；
图3示出了本发明实施例用2L个变量线性化近似结果；
图4示出了本发明实施例用L+2个变量线性化结果；
图5示出了本发明实施例一种需要规划的微电网结构图；
图6示出了本发明实施例中一种变流器全年各月典型日的功率交换图；
图7示出了本发明实施例中一种全年各季度典型日电源出力图；
图8示出了本发明实施例中不同直流负荷占比变流器的功率交换值；
图9示出了本发明实施例中某典型日中变流器优化运行结果中的典型日负荷；
图10示出了本发明实施例中某典型日中变流器优化运行结果中的风光出力；
图11示出了本发明实施例中某典型日中变流器优化运行结果中的典型日变流器功率传输；
图12示出了本发明实施例中某典型日中变流器优化运行结果中的变流器交流侧节点电压；
图13示出了本发明实施例中情景1(基准场景)接入方式；
图14示出了本发明实施例中情景2接入方式；
图15示出了本发明实施例中情景3接入方式；
图16示出了本发明实施例中情景4接入方式。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种计及可靠性的交直流混合微电网规划方法，如图1所示，包括：
步骤S10，通过设置目标函数和约束条件以建立含变流器的规划模型。其中，目标函数以经济成本最低为目标；约束条件包括：可靠性显式约束、变流器精细化控制约束、分布式电源选址约束和潮流安全约束。
在本实施例中，以经济成本最低为目标，微电网的经济成本主要包括各类分布式电源设备的投资建设成本、运行成本以及运行周期内设备的更换成本。在具体实施例中，添加满足可靠性显式约束，建立双向AC/DC变流器的相关约束以及分布式电源的选址优化约束，同时还应满足网架约束，设备运行特性约束，功率平衡约束以及运行安全约束等电力系统常规约束条件。
步骤S20，对规划模型进行线性化处理，转化为混合整数线性规划模型。
在本实施例中，由于模型中考虑了潮流约束，致使模型中有了非线性项，为了模型便于求解对潮流方程进行线性化处理。采用忽略高阶无穷小量和二次函数的分段线性化方法进行线性化处理，对于连续变量和二元变量相乘的非线性项，使用大M法进行线性化处理。
步骤S30，通过数学求解器对混合整数线性规划模型求解，以获取最优规划结果。
在本实施例中，通过CPLEX对混合整数线性规划模型求解。
在具体实施例中，根据提供的数据，建立目标函数。项目的经济性是建立微电网的重要考虑因素。拟规划光伏/柴油/储能/风机微网的总成本，包括项目期间光伏(PV)、柴油发动机(DE)、电池储能系统(BS)，风机(WT)的投资成本和运营成本以及可能的失负荷成本。在整个项目生命周期内将总成本控制到最小。总成本包括投资和运营成本以及负荷削减成本。考虑到时间成本，所有的成本都是按照现值计算。目标函数如下：
min C＝Cpv+Cde+Cbs+Cwt+Closs (1)
其中，式(1)表示项目工程年平均费用，Cde、Cbs和Cpv分别表示柴油发电机、储能设备和光伏机组的折算到年的平均总成本。以PV为例，
表示光伏机组的折算到年的设备投资建设成本；/>
表示在项目周期内由于设备生命周期需要更换新设备产生的更换成本；/>
表示项目周期结束后设备残值；/>
表示设备的日常运行维护成本。/>
表示柴油发电机组发电产生的燃油成本。
将微网中设备的投资建设成本折算到当年值来进行计算。柴油机组和储能的设备投资建设成本，更换设备的成本以及设备残值的计算模型均与光伏相同。仍以PV为例，式中：xpv为整数变量，
表示光伏设备的单位容量，/>
表示光伏机组的单位投资建设成本。为将成本折算到现值，引入年利率r，T为运行模拟时间，Y为规划的微网项目周期，Lpv为规划光伏的设备生命周期，Mpv为项目周期与设备生命周期的比值。/>
表示光伏设备单位容量的运行维护成本，/>
表示柴油发电机的单位发电燃料成本。
这里
是决策变量，表示规划机组的拟安装容量；而机组安装数量xpv不再是决策变量；同时增加了风电机组，其成本计算方法同光伏。变流器的中/>
表示变流器的交换功率，η为变流器效率，ρ为单位电量成本。
柴油发电机、光伏及风电机组运行约束如式所示：
式中，
分别为柴油发电机组、光伏和风电机组的单位时刻出力；
和/>
为各类机组的拟规划容量；/>
和/>
分别表示光伏、风电单位容量的预测百分比曲线。
储能机组需要满足最大充放电功率约束，最大、最小荷电状态约束以及充放电状态等运行约束：
式中，
分别为储能电池的放电和充电功率，/>
为储能机组的最大充放电功率，其中，/>
为储能机组的荷电状态，/>
分别为储能机组荷电状态的最大值和最小值，其中，/>
拟规划的分布式电源可安装在微电网内任一节点，各电源安装节点不同会影响到安装容量优化结果。安装数量与选址决策变量之间的关系表示如下：
式中：
表示微电网节点(母线)集合，/>
和/>
各个分布式电源选址决策变量，以/>
为例表示第2台柴油发电机组接在节点3上。同时为了保证每个节点只安装一台电源，引入式(24)所示的约束。
交流子网中节点功率方程如下：
式中，
和/>
分别为交流子网n节点的发电机有功功率和负荷；/>
和/>
分别为交流子网n节点的发电机无功功率和负荷；/>
为交流子网节点集合；/>
和/>
分别为节点n和m的电压幅值；θnm＝θn-θm，θn和θm分别为节点n和m的电压相角，/>
和/>
分别为支路nm的电导和电纳。
直流子网中节点功率方程如下：
式中各变量含义类比交流子网。
交直流微电网的下垂特性分别由电压和频率表示，通过归一化来处理，将直流侧电压和交流侧频率都归一化为[-1,1]区间上的无量纲标量。
式中，ωmax和ωmin分别为交流子网的最大和最小频率，Vdc,max和Vdc,min分别为直流侧电压的最大和最小值，ω为交流子网中与变流器相连节点的频率值，Vdc为直流子网中与变流器相连节点的电压值。
通过采用式(31)和式(32)列出的方程进行归一化，并引入归一化的交流侧频率和直流侧电压之差
即可实现互联变流器的控制，各子网间的功率传输可用式(33)和式(34)表示。
式中，γp为有功功率下垂增益；Δe在时间范围内连续变化，以控制每个时间段内两个电网之间的功率流。Δe＜0的值表示直流子网向交流子网传输功率。在这种情况下，变流器的有功功率和无功功率从直流子网转移到交流子网，
对Δe＞0，反之亦然。
变流器连接交、直流两个子网，功率通过变流器在两个子网之间传递，因此变流器两侧的节点功率平衡需要考虑传输功率。
式中，
为01变量，当该节点连接到双向变流器时值为1，否则为0；/>
和
分别为变流器流向交流和直流子网的功率。
交、直流子网中都需满足电压约束：
式中，V dc和
分别为直流子网最小、最大电压；V ac、/>
分别为交流子网的最小、最大电压。
交流子网中还应满足相角差约束：
式中，θnm为交流子网节点电压相角差，
为最大相角差。
线路传输功率约束：当电压和相角满足约束时即是满足了线路的传输功率约束，不再加入冗余约束条件。
可靠性约束为规划的分布式电源装机容量满足预定的可靠性要求：
基于提出的可靠性显式化方法将式(42)改写如下所示的线性约束。
经过上述目标函数和约束条件，计及可靠性的交直流微电网规划建模完成。下面进行模型的求解。
模型线性化处理。模型中考虑了潮流约束，致使模型中有了非线性项，为了模型便于求解对潮流方程进行线性化处理。交流子网中支路nm的潮流计算方程如式(46)所示。
根据微电网自身特点与电力系统潮流计算特点，有如下近似：
1、微电网内线路较短，因此认为电压相角差θnm非常小，可近似等于0，相应的潮流计算方程中三角函数可以近似为：
2、微网内网架规模较小，节点电压一般在参考电压标幺值1附近，因此将节点电压写成参考电压和一个无穷小量的形式，在忽略了高阶无穷小量后电压二次项可近似表示为：
Vn Vm＝(1+δVn)(1+δVm)≈1 (49)
联立两式即可得到支路nm有功功率的近似表达式为：
同理可得支路nm无功功率的近似表达式为：
式中最后一项(二次项)来自余弦函数的二阶近似，是对正常运行时线路中功率损耗的极佳近似值。
如图3所示，使用2L个变量可以计算线损的线性近似。然而，同样的结果也可以通过如式(52)至式(56)仅使用L+2个变量来实现，如图4所示，其中L个变量是将函数的定义域限制为正值所需的变量，剩下的两个变量
是线性化绝对函数所必需的。
此外，在节点功率平衡方程中，由于模型计及了选址优化，因此分布式能源是否接在该节点是决策变量(01变量)，如
这会出现连续变量和二元变量相乘的非线性项，使用如式(57)所示的M法进行线性化。
可以看出，经过上述对潮流方程的线性化，模型中目标函数及所有的约束条件均为线性，模型成为混合整数线性规划模型。
使用CPLEX求解器对上述混合整数线性规划模型进行求解。
本实施例以某交直流微电网的真实数据为例，对本发明提供的计及可靠性的交直流混合微电网规划方法进行验证。
如图5所示的交直流微电网拓扑结构中，模型的重点是孤岛式微电网，因此不接入大电网。该微电网需要各接入一台柴油发电机、光伏阵列、风电机组和储能电池，需要优化这些分布式电源的接入位置，并确定它们的最优容量来满足负荷供应。
需要优化的微电网中交流子网中有3个负荷点，其中直流子网中有两个负荷点，分别考虑了常用的交流负荷及电动汽车、笔记本电脑等常用的直流负荷。同时考虑到未来直流负荷的不断发展，场景中直流负荷在总负荷占比为60％。分布式电源部分经济技术指标如表1所示：
表1分布式电源参数
模型求解后，微电网优化配置结果如表2所示，微电网年均总计投资103454元，年发电量109200千瓦时，度电价格0.95元。优化选址上，柴油发电机接在1号母线，储能电池接在7号母线上，光伏阵列和风电机组分别接在8号和5号母线上，1号母线作为交流子网中连接变流器的节点，柴油发电机作为稳定的出力电源，接在1号母线上更有利于向两个子网供能。
表2优化配置结果表
图6给出了变流器全年各月典型日的功率交换情况。由图6可见，交换功率为正表示功率从直流子网传输到交流子网。可以看出全年大部分时间功率从交流子网输送到直流子网，这是由于两个直流负荷节点占比共计60％，在负荷中占比较多，而稳定出力的柴油发电机接在交流子网中。全年变流器共计传输电量26.1兆瓦时，仅占全年发电量约24％，电量损耗约2610千瓦时，符合变流器功率损耗最小的优化目标。
图7给出了全年四个季度典型日的电源出力图，可以看出储能电池的充放电动作基本为在光伏及风电资源良好时充电其他时段放电，以此来降低系统总成本，提高新能源利用率，此外由于柴油发电机燃料成本较高，储能电池这种动作可减少柴油发电机出力。
下面考虑不同直流负荷占比对规划的影响。
交直流微电网的主要作用之一就是更好地接受直流负荷，如快速发展的电动车等，因此对不同直流负荷占比时的算例结果进行分析显得十分必要。算例以上述优化选址结果为输入，即确定各分布式电源接入点位置，改变交直流负荷所占比例进行计算，为了更好地分析成本变化，提高成本对直流负荷变化的敏感性。结果如表3所示。
表3不同直流负荷规划结果
算例结果显示，随着直流负荷的降低变流器交换功率随之下降，功率损耗亦然降低，损耗成本下降，但总成本却上升。造成这一现象的原因是由于确定了个分布式电源的接入点，由于负荷比例的变化，需要增加交流侧的分布式电源来满足负荷变化，因此总成本升高。这也从侧面印证了分布式电源优化选址，选择接入节点的重要性。
图8给出了直流负荷占比从0.6降低至0.3时，变流器的功率交换值，可以看出当直流负荷降低时，变流器中从交流子网流向直流子网的功率显著降低，时间序列也明显减少。
图9至图12给出了某典型日中变流器优化运行结果。
由图9至图12可以看出典型日当日负荷呈现出典型的双峰曲线特性，午高峰、晚高峰时期负荷最大负荷分别为20kW和22kW。风电及光伏出力为年最大出力的占比系数，可见当日光伏为大出力，风电出力系数最小0.2，最大0.8出现在晚间，日内出力波动较大。典型日运行结果如图6中图(c)和图(d)，由图可以看出典型日内变流器传输功率在11时至16时由直流子微网传输至交流子微网，其余时段有交流传输至直流，这是由于接在直流微网的光伏电源在该时段出力较大，而其余时段交流子网向直流子网传输功率。图(d)中蓝色曲线所示为变流器交流侧节点电压曲线，红色虚线为最大最小运行电压，可见典型日内节点电压在0.9-1.1之间负荷电压安全约束，其变化趋势与功率传输趋势相反，即交流侧电压较高时，功率从交流子网传至直流子网，反之亦然。
下面考虑分布式电源选址对规划结果的影响。
上面的算例分析着重直流负荷变化对变流器损耗的影响，同时也证明了分布式电源选址的重要性，因此接下来，选定直流负荷占比60％，对分布式电源接入系统不同节点的情形进行分析。算例选取如图3-12所示的四种接入方式情景分别进行分析，图13作为基准场景即算例1中最优化的接入方式。
计算结果如表4所示。对比4个场景可以看出，基础场景下成本为103454元，而图10的接入方式中成本高达133744元，增长了接近40％，柴油机组和光伏机组容量虽然降低到了10kW，但是风电的装机容量达到了105kW，使得成本增高。这是由于在该情景下，柴油机组和光伏机组都接在了交流负荷节点，只有风电机组接在直流负荷节点，而直流负荷占比较高，同时受限于变流器及线路传输约束，不得不大量安装风电机组来满足负荷要求。
表4不同分布式电源选址情景下规划结果
在图11的接入方式中，出力稳定的柴油发电机组依然安装在交直流电网耦合的节点1上，同基础场景相反的是风电机组安装在了直流侧，光伏机组安装了交流侧，算例结果显示成本几乎不变，只增长了0.1％。在图12的接入方式中，柴油发电机安装在了直流侧，光伏和风电机组都安装在交流侧，计算结果显示柴油机组装机不变，而新能源装机增长了2kW，但总成本增长了6％，这是由于柴油发电机组接在直流侧，提供了更多的电力供给，由于其高昂的发电成本造成的。
对比上述场景可以发现，柴油发电机应接在交直流电网连接处，光伏和风电机组分别安装在交直流侧，其位置变化对成本影响较小，但不可接在同一侧，这会使得成本大幅上升。
经过上述分析，证明了模型的正确性，本发明的规划结果经济性优并能保证微电网的安全可靠运行，是一种易于推广、实用性强的交直流微网规划方法。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种计及可靠性的交直流混合微电网规划方法，其特征在于，包括：
通过设置目标函数和约束条件以建立含变流器的规划模型；
对所述规划模型进行线性化处理，转化为混合整数线性规划模型；
通过数学求解器对所述混合整数线性规划模型求解，以获取最优规划结果；
其中，所述目标函数以经济成本最低为目标；所述约束条件包括：可靠性显式约束、变流器精细化控制约束、分布式电源选址约束和潮流安全约束。
2.根据权利要求1所述的计及可靠性的交直流混合微电网规划方法，其特征在于，所述经济成本包括分布式电源设备的投资建设成本、运行成本和运行周期内设备更换成本。
3.根据权利要求1所述的计及可靠性的交直流混合微电网规划方法，其特征在于，所述约束条件还包括：网架约束、设备运行特性约束、功率平衡约束和运行安全约束。
4.根据权利要求1所述的计及可靠性的交直流混合微电网规划方法，其特征在于，对所述规划模型进行线性化处理，转化为混合整数线性规划模型，包括：
采用忽略高阶无穷小量和二次函数的分段线性化方法对所述规划模型进行线性化处理；和/或，
采用大M法对所述规划模型进行线性化处理；其中，所述大M法的处理对象包括所述规划模型中的连续变量和二元变量相乘的非线性项。
5.根据权利要求1所述的计及可靠性的交直流混合微电网规划方法，其特征在于，所述分布式电源包括：柴油发电机、储能设备、光伏机组和风电机组中的任意一者或多者。
6.根据权利要求5所述的计及可靠性的交直流混合微电网规划方法，其特征在于，设置目标函数包括：
获取各个所述分布式电源折算到年的平均总成本；
获取各个所述分布式电源折算到年的设备投资建设成本；
获取各个所述分布式电源在运行周期内由于设备生命周期需要更换新设备产生的更换成本；
获取各个所述分布式电源在运行周期结束后的设备残值；
获取各个所述分布式电源的设备日常运行维护成本；
获取柴油发电机组发电产生的燃油成本；
获取系统切负荷成本；
获取在任意时刻的系统切负荷量。
7.根据权利要求6所述的计及可靠性的交直流混合微电网规划方法，其特征在于，获取各个所述分布式电源折算到年的设备投资建设成本包括：
通过获取年利率、运行模拟时间、规划的微网运行周期、设备生命周期、设备单位容量的运行维护成本、单位发电燃料成本、拟安装容量、变流器的交换功率、变流器效率和单位电量成本，从而将各个所述分布式电源折算到年的设备投资建设成本折算到当年值来进行计算。
8.根据权利要求5所述的计及可靠性的交直流混合微电网规划方法，其特征在于，所述约束条件包括：
根据各类型分布式电源的拟规划容量对各个所述分布式电源的单位时刻出力进行约束；
对储能设备机组设置最大充放电约束规律、最大荷电状态约束、最小荷电状态约束和充放电状态运行约束；
根据安装数量对分布式电源选址进行约束。
9.根据权利要求1所述的计及可靠性的交直流混合微电网规划方法，其特征在于，变流器精细化控制约束包括：
获取交流子网中各节点的第一功率方程和直流子网中各节点的第二功率方程；
分别对所述第一功率方程和所述第二功率方程进行归一化处理，获取交流微电网的下垂特性和直流微电网的下垂特性；
通过归一化后的交流侧频率和直流侧电压之差，实现互联变流器的控制；
通过设置有功功率下垂增益，控制每个时间段内两个电网之间的功率流。
10.根据权利要求9所述的计及可靠性的交直流混合微电网规划方法，其特征在于，还包括：
对所述交流子网和所述直流子网设置电压约束；
对所述交流子网设置相角差约束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310154271.1A CN116136930B (zh) | 2023-02-23 | 2023-02-23 | 一种计及可靠性的交直流混合微电网规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310154271.1A CN116136930B (zh) | 2023-02-23 | 2023-02-23 | 一种计及可靠性的交直流混合微电网规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116136930A true CN116136930A (zh) | 2023-05-19 |
| CN116136930B CN116136930B (zh) | 2024-06-18 |
Family
ID=86333494
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310154271.1A Active CN116136930B (zh) | 2023-02-23 | 2023-02-23 | 一种计及可靠性的交直流混合微电网规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116136930B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104242318A (zh) * | 2014-08-29 | 2014-12-24 | 清华大学 | 基于模型预测控制理论的直流近区电压自动控制方法 |
| CN105932723A (zh) * | 2016-06-13 | 2016-09-07 | 国网浙江省电力公司电力科学研究院 | 一种交直流混合微电网的网架结构优化规划方法 |
| CN107968439A (zh) * | 2017-12-29 | 2018-04-27 | 国网山东省电力公司菏泽供电公司 | 基于混合整数线性规划的主动配电网联合优化算法 |
| CN108448636A (zh) * | 2018-05-10 | 2018-08-24 | 合肥工业大学 | 一种考虑线路因素的交直流混合微电网优化规划方法 |
| CN108681823A (zh) * | 2018-05-23 | 2018-10-19 | 云南电网有限责任公司 | 一种含微电网的配电网分布式电源规划方法 |
| CN109274116A (zh) * | 2018-09-12 | 2019-01-25 | 湘潭大学 | 一种交直流混合微电网连续潮流计算方法 |
| US20190140453A1 (en) * | 2017-11-07 | 2019-05-09 | Zhehan Yi | Model Predictive Controller for Autonomous Hybrid Microgrids |
-
2023
- 2023-02-23 CN CN202310154271.1A patent/CN116136930B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104242318A (zh) * | 2014-08-29 | 2014-12-24 | 清华大学 | 基于模型预测控制理论的直流近区电压自动控制方法 |
| CN105932723A (zh) * | 2016-06-13 | 2016-09-07 | 国网浙江省电力公司电力科学研究院 | 一种交直流混合微电网的网架结构优化规划方法 |
| US20190140453A1 (en) * | 2017-11-07 | 2019-05-09 | Zhehan Yi | Model Predictive Controller for Autonomous Hybrid Microgrids |
| CN107968439A (zh) * | 2017-12-29 | 2018-04-27 | 国网山东省电力公司菏泽供电公司 | 基于混合整数线性规划的主动配电网联合优化算法 |
| CN108448636A (zh) * | 2018-05-10 | 2018-08-24 | 合肥工业大学 | 一种考虑线路因素的交直流混合微电网优化规划方法 |
| CN108681823A (zh) * | 2018-05-23 | 2018-10-19 | 云南电网有限责任公司 | 一种含微电网的配电网分布式电源规划方法 |
| CN109274116A (zh) * | 2018-09-12 | 2019-01-25 | 湘潭大学 | 一种交直流混合微电网连续潮流计算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 朱永强: "《考虑储能系统调度的交直流混合微电网中互联变流器容量配置》", 《电力建设》, 31 October 2019 (2019-10-31), pages 1 - 5 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116136930B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zheng et al. | Hierarchical optimal allocation of battery energy storage systems for multiple services in distribution systems | |
| You et al. | Comparative assessment of tactics to improve primary frequency response without curtailing solar output in high photovoltaic interconnection grids | |
| Ali et al. | Optimal scheduling of electric vehicles considering uncertain RES generation using interval optimization | |
| Zeng et al. | Model predictive control for energy storage systems in a network with high penetration of renewable energy and limited export capacity | |
| Mirez et al. | Energy management of distributed resources in microgrids | |
| Teo et al. | Near-optimal day-ahead scheduling of energy storage system in grid-connected microgrid | |
| Çakmak et al. | Using open data for modeling and simulation of the all electrical society in eASiMOV | |
| Maurya et al. | Challenges, configuration, control, and scope of DC microgrid systems: a review | |
| Moneta et al. | Storage units: possible improvements for voltage control of MV distribution networks | |
| O'Connell et al. | Multi-period three-phase unbalanced optimal power flow | |
| Becker et al. | Smart grid services provided by building energy management systems | |
| Mahmud et al. | An event-triggered distributed coordinated voltage control strategy for large grid-tied PV system with battery energy storage | |
| CN116136930B (zh) | 一种计及可靠性的交直流混合微电网规划方法 | |
| Riar et al. | Energy management of a microgrid: Compensating for the difference between the real and predicted output power of photovoltaics | |
| Saini et al. | Power enhancement in distributed system to control the bidirectional power flow in electric vehicle | |
| Abadi et al. | A combined central-local volt/VAR approach in distribution systems with high PV uptake | |
| Arfoa et al. | Techno-economic feasibility analysis of on-grid battery energy storage system: Almanara PV power plant case study | |
| Krim et al. | Joint optimisation of sizing and fuzzy logic power management of a hybrid storage system considering economic reliability indices | |
| Azmi | Grid interaction performance evaluation of BIPV and analysis with energy storage on distributed network power management | |
| Vollenweider | Grid integration of PV systems and local storage in distribution networks | |
| Kaya | Newton-Raphson based load flow analysis of AC/DC distribution systems with distributed generation | |
| Givisiez et al. | Residential PV Settings for MV-LV Networks: A Distributed Three-Phase AC OPF | |
| Lazzeroni et al. | Battery energy storage system usage in a distribution grid for PV exploitation: A Middle-East case study | |
| Wongdet et al. | Line loss reduction by optimal location of battery energy storage system for the daily operation in microgrid with distributed generations | |
| Pandya et al. | Simulation and analysis for WECS-based DC microgrid for futuristic microgrid–Review and findings |
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 |