CN116522584B - 一种配电网供电爬坡能力最大化计算的优化方法 - Google Patents
一种配电网供电爬坡能力最大化计算的优化方法 Download PDFInfo
- Publication number
- CN116522584B CN116522584B CN202310208505.6A CN202310208505A CN116522584B CN 116522584 B CN116522584 B CN 116522584B CN 202310208505 A CN202310208505 A CN 202310208505A CN 116522584 B CN116522584 B CN 116522584B
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- power
- power supply
- climbing capacity
- 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
- 230000009194 climbing Effects 0.000 title claims abstract description 103
- 238000005457 optimization Methods 0.000 title claims abstract description 71
- 238000004364 calculation method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000002347 injection Methods 0.000 claims description 8
- 239000007924 injection Substances 0.000 claims description 8
- 238000009434 installation Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000010248 power generation Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001803 electron scattering Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000001105 regulatory 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
- H02J3/381—Dispersed generators
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
-
- 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
-
- 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
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Power Engineering (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
本发明公开了一种配电网供电爬坡能力最大化计算的优化方法,涉及电力系统规划技术领域,配电网供电爬坡能力优化规划模型中,增加分布式电源及主动配电网基本信息的线性模型,以典型电力电子装置的优化配置参数为决策变量,加入主动配电网供电爬坡能力优化规划模型中;依据所述配电网供电爬坡能力最大化优化模型求解的结果制定优化方案,并根据优化方案配置主动配电网典型电力电子装置的参数取值,确保主动配电网内所优化配网节点的供电爬坡能力上限达到最大。以配电网供电爬坡能力为优化目标,提出了一种基于典型电力电子装置优化配置的配电网灵活性优化模型构建方法,实现了配电网供电爬坡能力的优化建模及优化求解。
Description
技术领域
本发明涉及电力系统规划技术领域,尤其是涉及一种配电网供电爬坡能力最大化计算的优化方法。
背景技术
主动配电网(ADN)是具有灵活的网络拓扑结构,并且能够对其中包含的分布式能源(DER)进行主动控制和主动管理的先进配电网。分布式电源(DER)包括分布式发电(DG)、储能设备(ESS)、可控负荷(CL)等;其中,分布式发电(DG)主要是以可再生能源为主的各类清洁能源,包括分布式光伏发电、风电以及分布式燃气发电等;可控负荷则包括电动汽车(EV)、响应负荷(RL)等。以上均要求主动配电网(ADN)在主网配网协同控制基础上,拥有针对分布式发电、储能、电动汽车和需求侧响应等新兴电源和负荷丰富的调控手段,需要有更强的协调灵活资源、调节运行状态的能力,具有更高的灵活性。
配电网灵活性是指在一定的时间尺度内,在计及调控成本的前提下,通过合理调度配电网内的灵活性资源,有效应对由分布式电源和新兴负荷引入配电网的波动性和不确定性的能力,使得配网系统达到电力平衡和灵活性供需平衡状态,保证配电网的稳定经济运行。
主动配电网的灵活性主要体现在以下两个方面:
(1)主动配电网能够快速调用灵活性资源,适应多元的分布式电源和新兴负荷的接入所引入的随机性和波动性,保证配电网的稳定经济运行。
(2)针对可能存在的各类扰动和故障,主动配电网能快速响应动作,及时实现主动配电网的自愈,保证主动配电网安全可靠运行。
配网灵活性一直是电力系统运行和规划中需要充分考虑的问题,配网内需要有足够的协调灵活性资源和调节运行状态的能力,有效提升配电网灵活性。主动配电网灵活性越高,那么表征它应对配网内负荷变动,应对各类扰动和故障的能力越强。许多学者在电力系统灵活性的定性和定量分析方面开展了广泛研究,也取得了很多研究成果。
研究主动配电网的灵活性离不开下面两个基本的条件:
从配电网灵活性的概念和本质出发,描述配电网灵活性的物理涵义,定义出能表征配电网灵活性的优化指标。
通过数学方法准确描述配电网内的负荷变动,构建以配电网灵活性优化指标为目标函数的配电网模型,用于当前针对配电网灵活性的研究。
基础配电网供电爬坡能力是配电网需要主动优化的重要参数,基础配电网供电爬坡能力可以理解为,基于配电网某个节点,配电网在单位时间内维持该节点供电和需电功率平衡的功率调节能力,单位定义为。配电网的供电爬坡能力能够反映出配电网在该节点供电功率以及消纳发电输出功率所能改变幅度大小。从电力平衡角度分析,对于DG接入节点而言,配电网供电爬坡能力体现于单位时间内该节点对发电功率的能消纳输出功率变动的最大能力;对于用电负荷节点,供电爬坡能力则体现于单位时间内该节点对其负荷供电的最大变动能力。
通常意义上,配电网有发电机组的爬坡速率这个概念,一般认为是同在发电机组的启动时,转子是逐步提速的,因此存在每个小时能增加稳定输出功率的最大能力的描述,或者是发电机组单位时间能增加或减少出力功率的能力,一般以15分钟为一个交易时段,爬坡单位为:MW/分钟。
新型电力系统建设背景下,新能源发电出力具有波动性高、不确定性高的特征,其通过电力电子装置并网也将导致电力系统转动惯量减少,这些都对新型电力系统运行的安全性、可靠性提出了挑战。国家能源局于2021年底印发《电力辅助服务管理办法》,提出了爬坡、快速频率响应、转动惯量等新型辅助服务,以应对新能源出力波动、风光等弱惯量系统对电网运行造成的影响。在国外成熟电力市场中,随着新能源占比逐步提高,新型辅助服务交易品种也逐步被纳入电力市场体系,以体现系统灵活性资源的调节价值。
根据国家能源局《电力辅助服务管理办法》,爬坡是指为应对可再生能源发电波动等不确定因素带来的系统净负荷短时大幅变化,具备较强负荷调节速率的并网主体根据调度指令调整出力,以维持系统功率平衡所提供的服务。当系统上爬坡能力不足,系统存在供应不足限电风险;当系统下爬坡能力不足,系统存在供应过剩弃电风险。因此,在现货市场出清(或发电计划安排)过程中,需要在各时段预留足够的爬坡能力。
在目前提出的配电网节点供电爬坡能力,是一个新的概念,其试图描述配电网系统应对指定节点的负荷变动的适应能力;当节点负荷增大时,配电网系统在该节点应该能增大输出功率保证电力平衡;当节点负荷降低时,配电网系统在该节点能够降低输出功率保证电力平衡。在当前的发明中,暂时不去考虑节点负荷的突然降低,比如切除负荷时对配电网系统的要求,仅仅考虑当节点负荷增大时,配电网在该节点输出功率也随着增大保证电力供应平衡的能力,能否满足节点负荷变化的需要。
比如节点负荷在当前一时刻是kt1MW,下一时刻变成了kt2MW的负荷需求,如果配电网在该节点的负荷供电爬坡能力(输出的上爬坡能力)小于(kt2-kt1)MW,那么说明配电网系统在该节点无法保证下一时刻的电力平衡。相反,如果配电网在该节点的负荷供电爬坡能力大于(kt2-kt1)MW,那么在下一时刻,能在该节点保证电力平衡;其包含两层含义,一是下一时刻配电网能在该节点输出kt2MW的功率,二是能在单位时间内增大(kt2-kt1)MW功率,从kt1MW提升到kt2MW。
如何实现主动配电网中指定节点的爬坡能力最大化的优化是保证电力供应平衡的关键。
发明内容
为了解决主动配电网爬坡能力最大化的优化需求,本发明提供一种配电网供电爬坡能力最大化计算的优化方法。采用如下的技术方案:
一种配电网供电爬坡能力最大化计算的优化方法,包括以下步骤:
步骤1,获取主动配电网的基本信息,基本信息包括网架拓扑和基础负荷信息,将所述基本信息录入典型的配电网理想模型;
步骤2,定义主动配电网节点负荷变动的变量;
步骤3,根据步骤2中变量构建主动配电网供电爬坡能力优化规划模型;
步骤4,在步骤3中的主动配电网供电爬坡能力优化规划模型中,增加分布式电源及主动配电网基本信息的线性模型,以典型电力电子装置的优化配置参数为决策变量,加入主动配电网供电爬坡能力优化规划模型中;
步骤5,依据所述配电网供电爬坡能力最大化优化模型求解的结果制定优化方案,并根据优化方案配置主动配电网典型电力电子装置的参数取值,确保主动配电网内所优化配网节点的供电爬坡能力上限达到最大。
通过上述技术方案,主动配电网的基本信息包括变压器输出限制、网架拓扑、基础负荷信息等,作为算法的基本条件,录入到算法程序中。定义出能够准确及合理描述配电网节点负荷变动的变量;考虑主动配电网供电爬坡能力最大化的电力电子装置优化配置方法,实际上是通过对配网内节点负荷变动的数学描述,结合包含了分布式电源和主动配电网基本信息的配网模型,以指定节点的供电爬坡能力上限为优化目标,以配电网内典型电力电子装置的优化配置为决策变量而构建优化模型,该模型的研究对象和研究内容以及研究目的都很明确。
可选的,步骤3中,配电网供电爬坡能力优化规划模型的基本框架基于二阶锥松弛的配电网混合整数规划模型,并以主动配电网网损最小和主动配电网配网节点K的供电爬坡能力最大化为目标函数。
通过上述技术方案,配网重构能优化配网运行指标,如网损、电压、潮流、三相对称性等;配电网重构模型的求解算法主要分启发式算法和数学优化算法。传统启发式算法在重构应用中得到了广泛应用,能实现对配重构这种典型非凸问题进行求解。数学优化算法可靠性比较高,但求解难度较高,特别是考虑到系统潮流约束这组非线性非凸约束。现有技术中使用了潮流方程二阶锥转换,由此将问题从混合整数非线性规划转变为相对容易求解的,基于二阶锥松弛的混合整数二次规划,但其中的配网辐射性约束还可以加以适当改进;
以配电网网损和供电爬坡能力最大化为目标函数,这是以主动配电网网损最小和主动配电网配网节点K的供电爬坡能力最大化为目标函数。
可选的,配电网网损项表达公式是:
C1为主动配电网运行能量损耗,T为总时段数,t为时段编号,nl为总的线路数,j为线路编号,为线路功率。
可选的,优化规划模型的目标函数公式是:
Mi n(f)=γ×C1-λ×K94(n);
γ、λ为目标函数的权重系数;n是指定所要考察研究的供电爬坡能力的配电网节点序号;K94为配电网负荷倍乘系数。
可选的,步骤4中典型电力电子装置是智能软开关SOP。
通过上述技术方案,智能软开关SOP作为典型的电力电子装置,其接入联络点的位置对主动配电网灵活性有较大影响,如何通过对智能软开关SOP的选型、接入和运行等优化配置提升主动配电网的灵活性,利用主动配电网的线路链接装置实现的配电网重构功能,构建以配电网供电爬坡能力为优化目标的主动配电网灵活性优化规划模型,实现对配网灵活性的改善目的。
可选的,步骤3中,在配电网运行状态优化时,设置有功功率传输约束、端口无功功率约束和端口容量约束;
有功功率传输约束:
端口无功功率约束:
端口容量约束:
k为典型电力电子装置的顺序标识;和/>分别是第k个电力电子装置的两个VSC在第t时段的有功传输值;/>和/>分别是第k个SOP的两个VSC在t时段的无功注入值;/>和/>分别表示相应VSC的无功注入上下限;/>和/>分别表示第k个SOP的2个VSC的安装容量。
通过上述技术方案,智能软开关SOP模型,选取了基于背靠背电压源型变流器(backtobackvoltagesourceconverter,B2BVSC),在忽略内部损耗的情况下,在配电网运行状态优化时,需要满足有功功率传输约束、端口无功功率约束和端口容量约束。
可选的,步骤1中,配电网理想模型采用94节点模型,配电网理想模型中接入连续可调的分布式发电装置;
确定至少两个对所优化配网节点供电爬坡能力影响最大的候选接入位置,候选接入位置作为备选的典型电力电子装置接入位置。
与待优化配网节点所在馈线具有直接连线关系的联络线作为候选接入位置;
与待优化配网节点之间存在的其他节点数量越少,对所优化配网节点供电爬坡能力影响越大。
通过上述技术方案,选择候选接入位置的依据之一:只要是跟待考察节点所在馈线具有直接连线关系的联络线,都可以成为首选的候选接入位置。
选择候选接入位置的依据之二:在上述几个首选的候选接入位置之中,按照跟待考察节点之间存在其他节点个数的多寡排序,相距的节点个数越小,一般就越有可能影响到待考察节点的供电爬坡能力。
智能软开关SOP的候选接入位置,可事先根据物理概念和计算分析,是当前配电网内所优化配网节点的供电爬坡能力可能影响最大的三条候选接入位置,再经过配电网供电爬坡能力优化模型的求解,进一步筛选出其中的最佳接入位置和容量,当然随着SOP端口容量的提高,都能有效提升配电网负荷转移能力。
根据上述的优化计算结果,初步可以拟定,智能软开关SOP接入联络线的位置,对于所优化配网节点的供电爬坡能力的提升最优。
综上所述,本发明包括以下至少一种有益技术效果:
一.从配电网灵活性的概念出发,提出了一个能反映主动配电网灵活性综合性能的优化指标,“配电网供电爬坡能力”,这能在一个方面体现配电网灵活性的本质能力;
二.为了描述在配电网中负荷的扰动现象,提出了一种能够准确描述各节点负荷变动的数学表达方法,作为研究配电网灵活性建模的基础。该负荷变动的数学表达方法,不仅局限于配电网节点负荷的倍数变量,还可以分别设计节点负荷有功值的倍数变量,节点负荷无功值的倍数变量。
三.以配电网供电爬坡能力为优化目标,提出了一种基于典型电力电子装置优化配置的配电网灵活性优化模型构建方法,实现了配电网供电爬坡能力的优化建模及优化求解。
附图说明
图1是本发明流程示意图;
图2是基于94节点模型的配网接线示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本发明实施例公开一种配电网供电爬坡能力最大化计算的优化方法。
参照图1和图2,一种配电网供电爬坡能力最大化计算的优化方法,包括以下步骤:
步骤1,获取主动配电网的基本信息,基本信息包括网架拓扑和基础负荷信息,将基本信息录入典型的配电网理想模型;
步骤2,定义主动配电网节点负荷变动的变量;
步骤3,根据步骤2中变量构建主动配电网供电爬坡能力优化规划模型;
步骤4,在步骤3中的主动配电网供电爬坡能力优化规划模型中,增加分布式电源及主动配电网基本信息的线性模型,以典型电力电子装置的优化配置参数为决策变量,加入主动配电网供电爬坡能力优化规划模型中;
步骤5,依据配电网供电爬坡能力最大化优化模型求解的结果制定优化方案,并根据优化方案配置主动配电网典型电力电子装置的参数取值,确保主动配电网内所优化配网节点的供电爬坡能力上限达到最大。
主动配电网的基本信息包括变压器输出限制、网架拓扑、基础负荷信息等,作为算法的基本条件,录入到算法程序中。定义出能够准确及合理描述配电网节点负荷变动的变量;考虑主动配电网供电爬坡能力最大化的电力电子装置优化配置方法,实际上是通过对配网内节点负荷变动的数学描述,结合包含了分布式电源和主动配电网基本信息的配网模型,以指定节点的供电爬坡能力上限为优化目标,以配电网内典型电力电子装置的优化配置为决策变量而构建优化模型,该模型的研究对象和研究内容以及研究目的都很明确。
步骤3中,配电网供电爬坡能力优化规划模型的基本框架基于二阶锥松弛的配电网混合整数规划模型,并以主动配电网网损最小和主动配电网配网节点K的供电爬坡能力最大化为目标函数。
配网重构能优化配网运行指标,如网损、电压、潮流、三相对称性等;配电网重构模型的求解算法主要分启发式算法和数学优化算法。传统启发式算法在重构应用中得到了广泛应用,能实现对配重构这种典型非凸问题进行求解。数学优化算法可靠性比较高,但求解难度较高,特别是考虑到系统潮流约束这组非线性非凸约束。现有技术中使用了潮流方程二阶锥转换,由此将问题从混合整数非线性规划转变为相对容易求解的,基于二阶锥松弛的混合整数二次规划,但其中的配网辐射性约束还可以加以适当改进;
以配电网网损和供电爬坡能力最大化为目标函数,这是以主动配电网网损最小和主动配电网配网节点K的供电爬坡能力最大化为目标函数。
配电网网损项表达公式是:
C1为主动配电网运行能量损耗,T为总时段数,t为时段编号,nl为总的线路数,j为线路编号,为线路功率。
优化规划模型的目标函数公式是:
Mi n(f)=γ×C1-λ×K94(n);
γ、λ为目标函数的权重系数;n是指定所要考察研究的供电爬坡能力的配电网节点序号;K94为配电网负荷倍乘系数。
步骤4中典型电力电子装置是智能软开关SOP。
智能软开关SOP作为典型的电力电子装置,其接入联络点的位置对主动配电网灵活性有较大影响,如何通过对智能软开关SOP的选型、接入和运行等优化配置提升主动配电网的灵活性,利用主动配电网的线路链接装置实现的配电网重构功能,构建以配电网供电爬坡能力为优化目标的主动配电网灵活性优化规划模型,实现对配网灵活性的改善目的。
步骤3中,在配电网运行状态优化时,设置有功功率传输约束、端口无功功率约束和端口容量约束;
有功功率传输约束:
端口无功功率约束:
端口容量约束:
k为典型电力电子装置的顺序标识;和/>分别是第k个电力电子装置的两个VSC在第t时段的有功传输值;/>和/>分别是第k个SOP的两个VSC在t时段的无功注入值;/>和/>分别表示相应VSC的无功注入上下限;/>和/>分别表示第k个SOP的2个VSC的安装容量。
智能软开关SOP模型,选取了基于背靠背电压源型变流器(backtobackvoltagesourceconverter,B2BVSC),在忽略内部损耗的情况下,在配电网运行状态优化时,需要满足有功功率传输约束、端口无功功率约束和端口容量约束。
步骤1中,配电网理想模型采用94节点模型,配电网理想模型中接入连续可调的分布式发电装置;
确定至少两个对所优化配网节点供电爬坡能力影响最大的候选接入位置,候选接入位置作为备选的典型电力电子装置接入位置。
与待优化配网节点所在馈线具有直接连线关系的联络线作为候选接入位置;
与待优化配网节点之间存在的其他节点数量越少,对所优化配网节点供电爬坡能力影响越大。
选择候选接入位置的依据之一:只要是跟待考察节点所在馈线具有直接连线关系的联络线,都可以成为首选的候选接入位置。
选择候选接入位置的依据之二:在上述几个首选的候选接入位置之中,按照跟待考察节点之间存在其他节点个数的多寡排序,相距的节点个数越小,一般就越有可能影响到待考察节点的供电爬坡能力。
智能软开关SOP的候选接入位置,可事先根据物理概念和计算分析,是当前配电网内所优化配网节点的供电爬坡能力可能影响最大的三条候选接入位置,再经过配电网供电爬坡能力优化模型的求解,进一步筛选出其中的最佳接入位置和容量,当然随着SOP端口容量的提高,都能有效提升配电网负荷转移能力。
根据上述的优化计算结果,初步可以拟定,智能软开关SOP接入联络线的位置,对于所优化配网节点的供电爬坡能力的提升最优。
本发明一种配电网供电爬坡能力最大化计算的优化方法的实施原理是:
本实施例基于94节点理想模型,其基本模型的负荷参数如附录中的表1所示:
表1:94节点模型内94个节点负荷值(KW)
功率容量基准为100MVA,基准电压为11.4kV;配电网模型中接入连续可调的DG,同时四个变压器容量上限也做了相关的约束;联络线86、93、94作为备选的智能软开关(SOP)接入位置,考虑在这三个备选的位置接入一个SOP,其端口容量可变化;当前实施案例的优化目标,是考察配电网在节点31处的配电网节点供电爬坡能力,也就是研究如何选择SOP的接入位置和端口容量参数,以达到配电网在节点31处的供电爬坡能力最大。
在本实施案例中,为了凸显智能软开关SOP的优化配置对配电网节点供电爬坡能力的影响,暂时不考虑各条线路的容量约束,仅考虑在T1~T4变压器的变压器容量上限约束为10MVA情况下的配网优化。
步骤1,配电网的基本信息,基本信息包括变压器输出限制、网架拓扑、基础负荷信息等,作为算法的基本条件,录入到算法程序中。
步骤2,定义出能够准确及合理描述配电网节点负荷变动的变量;目前假定,31节点的负荷变动,以当前节点负荷的倍数方式改变,也就是节点负荷的有功值和无功值以等比例的方式实现改变。
在本实施例中是针对配电网内指定的第31节点的供电爬坡能力上限进行优化,因此在实际中,我们定义了一个长度为94的“负荷倍数变量”K94,其初始值为[1,1,.knode31..,1,1],其中knode31为变量K94的第31元素,对应节点31的序号。那么在算法程序中,配电网节点负荷可以用Load94=K94.*load94表示,其中的load94是配电网94个节点的原始节点负荷数值。
为了考察节点31的供电爬坡能力,在维持配电网其他节点的负荷值不变,单独增加节点31的节点负荷值倍数;如果在下一时刻,由于节点31节点负荷值超过了一定的数值,导致了配电网灵活性优化规划模型的解集发散,我们认为,这节点31处增加的负荷数值,就能表征在节点31处的配电网供电爬坡能力的最大值。从数学描述角度而言,就是定义了“负荷倍数变量”K94中,除了K94(31)为优化变量之外,其他的变量都限制为1,因为只变动节点31的负荷值。
步骤3,以配电网网损和供电爬坡能力最大化为目标函数,这是配电网的网损和K94(31)组合的最小值为目标函数。
其中配电网网损项表达如下:
其中:C1为配电网运行能量损耗;T为总时段数取24;t为时段编号;nl为总的线路数,j为线路编号;为线路功率。
那么优化规划模型的目标函数可以表示为:
Min(f)=γ×C1-λ×K94(31)
为介绍简便起见,这里的γ、λ都取了值为1.
步骤4:在主动配电网灵活性优化规划模型中,增加下面的一些设备模型:
在节点12、19、34、75、79这5个节点处增加DG的连续可调模型,其最大的输出实际功率为标幺值0.015;
增加智能软开关SOP的线性模型,其备选的接入联络线位置为86、93、94,其端口容量则需要在配网灵活性优化规划模型的求解中确定。
本实施案例的智能软开关SOP模型,选取了基于背靠背电压源型变流器(backtobackvoltagesourceconverter,B2BVSC)为例,在忽略内部损耗的情况下,在配电网运行状态优化时,需要满足下列几个约束条件:
有功功率传输约束:
端口无功功率约束:
端口容量约束:
其中:k为SOP的顺序标识;分别是第k个SOP的两个VSC在第t时段的有功传输值;/>分别是第k个SOP的两个VSC在t时段的无功注入值;/>和表示相应VSC的无功注入上下限;/>和/>分别表示第k个SOP的2个VSC的安装容量。
假定实施例中SOP的端口容量限制为10MVA、3.16MVA、1MVA;那么此时的和/>的标幺值为分别对应为0.01、0.001、0.0001,在程序中分别参与优化计算。
步骤5,根据上述构建的主动配电网节点供电爬坡能力优化规划模型并求解,首先得到的结论是,在配电网内接入不同容量的可控DG,随着装机容量的提高,其对于配电网供电爬坡能力也是相应提高的,有表2的优化计算结果:
表2:接入DG装机容量与节点31处最大供电爬坡能力关系表
接入的5个DG装机容量(kVA) | 节点供电爬坡能力knode31 |
0(配网内不安装DG) | 1.422 |
500kVA | 2.842 |
1000kVA | 3.514 |
1500kVA | 3.917 |
上述knode31的值大于1.0,说明对于节点31而言,如果不考虑其他约束,仅限制在当前计算模型的约束条件下,配电网能给节点负荷在下一时间段增大到knode31倍的情况下,还能够支持对节点31的供电,能承受相应的负荷最大变动改变。在配电网内接入可调控的DG,在一定程度上能提高配电网节点供电爬坡能力,其DG的可调容量跟供电爬坡能力并不呈严格的线性关系。
求解上述主动配电网灵活性优化规划模型,就能得到引入了智能软开关的选址定容,当前配电网在节点31的供电爬坡能力最大化优化模型求解的结果。
根据上述构建的主动配电网供电爬坡能力优化规划模型并求解,当前四个变压器的容量上限是10MVA。
表3:SOP位置和端口容量与节点31供电爬坡能力关系
从表3的优化计算结果数据分析,当SOP接在86联络线位置,不仅是在SOP端口容量比较小的场景下(1MVA),而且在SOP端口容量相对比较大的场景下(10MVA),能确保配电网在节点31处的供电爬坡能力的上限增幅最大;其中SOP接入联络线93则增幅其次,接入联络线94时,在端口容量相对比较大时,其节点处31的配电网供电爬坡能力增幅相对最小。
前面提到的三个SOP接入的联络线位置,事先根据物理概念和计算分析,是当前配电网内确保针对节点31的供电爬坡能力可能影响最大的三条候选接入位置,再经过本专利描述的配电网供电爬坡能力优化模型的求解,进一步筛选出其中的最佳接入位置和容量,当然随着SOP端口容量的提高,都能有效提升配电网负荷转移能力。
根据上述的优化计算结果,初步可以拟定,SOP接入联络线86的位置,对于节点31的供电爬坡能力的提升最优。
以上均为本发明的较佳实施例,并非以此限制本发明的保护范围,故:凡依本发明的结构、形状、原理所做的等效变化,均应涵盖于本发明的保护范围之内。
Claims (4)
1.一种配电网供电爬坡能力最大化计算的优化方法,其特征在于,包括以下步骤:
步骤1,获取主动配电网的基本信息,基本信息包括变压器输出限制、网架拓扑和基础负荷信息,将所述基本信息录入典型的配电网理想模型;
步骤2,定义主动配电网节点负荷变动的变量;
步骤3,根据步骤2中变量构建主动配电网供电爬坡能力优化规划模型;
步骤4,在步骤3中的主动配电网供电爬坡能力优化规划模型中,增加分布式电源及主动配电网基本信息的线性模型,以典型电力电子装置的优化配置参数为决策变量;
步骤5,依据所述配电网供电爬坡能力最大化优化模型求解的结果制定优化方案,并根据优化方案配置主动配电网典型电力电子装置的参数取值,确保主动配电网内所优化配网节点的供电爬坡能力上限达到最大;
步骤3中,配电网供电爬坡能力优化规划模型的基本框架基于二阶锥松弛的配电网混合整数规划模型,并以主动配电网网损最小和主动配电网配网节点K的供电爬坡能力最大化为目标函数;
配电网网损项表达公式是:
;
C1为主动配电网运行能量损耗,T为总时段数,t为时段编号,nl为总的线路数,j为线路编号,为线路功率;
优化规划模型的目标函数公式是:
Min(ƒ)=γ×C1-λ×K94(n);
γ、λ为目标函数的权重系数;n是指定所要考察研究的供电爬坡能力的配电网节点序号;K94为配电网负荷倍乘系数;
步骤3中,在配电网运行状态优化时,设置有功功率传输约束、端口无功功率约束和端口容量约束;
有功功率传输约束:
;
端口无功功率约束:
;
端口容量约束:
;
和/>分别是第k个电力电子装置的两个VSC在第t时段的有功传输值;/>和/>分别是第k个SOP的两个VSC在t时段的无功注入值;/>和/>分别表示相应VSC的无功注入上下限;/>和/>分别表示第k个SOP的2个VSC的安装容量。
2.根据权利要求1所述的一种配电网供电爬坡能力最大化计算的优化方法,其特征在于:步骤4中典型电力电子装置是智能软开关SOP。
3.根据权利要求1所述的一种配电网供电爬坡能力最大化计算的优化方法,其特征在于:步骤1中,配电网理想模型采用94节点模型,配电网理想模型中接入连续可调的分布式电源;
确定至少两个对所优化配网节点供电爬坡能力影响最大的候选接入位置,候选接入位置作为备选的典型电力电子装置接入位置。
4.根据权利要求3所述的一种配电网供电爬坡能力最大化计算的优化方法,其特征在于:与待优化配网节点所在馈线具有直接连线关系的联络线作为候选接入位置;
与待优化配网节点之间存在的其他节点数量越少,对所优化配网节点供电爬坡能力影响越大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310208505.6A CN116522584B (zh) | 2023-03-07 | 2023-03-07 | 一种配电网供电爬坡能力最大化计算的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310208505.6A CN116522584B (zh) | 2023-03-07 | 2023-03-07 | 一种配电网供电爬坡能力最大化计算的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116522584A CN116522584A (zh) | 2023-08-01 |
CN116522584B true CN116522584B (zh) | 2023-10-27 |
Family
ID=87398268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310208505.6A Active CN116522584B (zh) | 2023-03-07 | 2023-03-07 | 一种配电网供电爬坡能力最大化计算的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116522584B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107688879A (zh) * | 2017-10-20 | 2018-02-13 | 云南电网有限责任公司 | 一种考虑源荷匹配度的主动配电网分布式电源规划方法 |
CN108599373A (zh) * | 2018-05-16 | 2018-09-28 | 山东大学 | 高比例可再生能源电力系统输配协调调度目标级联分析法 |
CN112072711A (zh) * | 2020-08-11 | 2020-12-11 | 华北电力大学(保定) | 基于动态优先级的配电网灵活性优化调度方法 |
WO2021062748A1 (zh) * | 2019-09-30 | 2021-04-08 | 西门子股份公司 | 综合能源系统的优化方法、装置和计算机可读存储介质 |
CN113572163A (zh) * | 2021-07-28 | 2021-10-29 | 三峡大学 | 基于改进仿射算法的分布式电源主动配电网优化调度方法 |
CN113783224A (zh) * | 2021-07-07 | 2021-12-10 | 南京理工大学 | 一种考虑多种分布式能源运行的配电网双层优化规划方法 |
CN115222195A (zh) * | 2022-05-24 | 2022-10-21 | 上海电力大学 | 考虑源-网-荷-储灵活性资源的配电网优化调度方法 |
CN115392785A (zh) * | 2022-09-23 | 2022-11-25 | 福州大学 | 计及阻塞抵抗性的配电网阻塞调度方法 |
WO2023010760A1 (zh) * | 2021-08-04 | 2023-02-09 | 国网江苏省电力有限公司南通供电分公司 | 配售电竞争态势下区域配电网的供电能力评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2931500T3 (es) * | 2018-12-03 | 2022-12-30 | Siemens Ag | Planificación operativa predictiva en una microrred con intercambio de potencia entre la microrred y una red eléctrica principal |
-
2023
- 2023-03-07 CN CN202310208505.6A patent/CN116522584B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107688879A (zh) * | 2017-10-20 | 2018-02-13 | 云南电网有限责任公司 | 一种考虑源荷匹配度的主动配电网分布式电源规划方法 |
CN108599373A (zh) * | 2018-05-16 | 2018-09-28 | 山东大学 | 高比例可再生能源电力系统输配协调调度目标级联分析法 |
WO2021062748A1 (zh) * | 2019-09-30 | 2021-04-08 | 西门子股份公司 | 综合能源系统的优化方法、装置和计算机可读存储介质 |
CN112072711A (zh) * | 2020-08-11 | 2020-12-11 | 华北电力大学(保定) | 基于动态优先级的配电网灵活性优化调度方法 |
CN113783224A (zh) * | 2021-07-07 | 2021-12-10 | 南京理工大学 | 一种考虑多种分布式能源运行的配电网双层优化规划方法 |
CN113572163A (zh) * | 2021-07-28 | 2021-10-29 | 三峡大学 | 基于改进仿射算法的分布式电源主动配电网优化调度方法 |
WO2023010760A1 (zh) * | 2021-08-04 | 2023-02-09 | 国网江苏省电力有限公司南通供电分公司 | 配售电竞争态势下区域配电网的供电能力评估方法 |
CN115222195A (zh) * | 2022-05-24 | 2022-10-21 | 上海电力大学 | 考虑源-网-荷-储灵活性资源的配电网优化调度方法 |
CN115392785A (zh) * | 2022-09-23 | 2022-11-25 | 福州大学 | 计及阻塞抵抗性的配电网阻塞调度方法 |
Non-Patent Citations (1)
Title |
---|
基于机会约束规划的DG与配电网架多目标协调规划;白牧可;唐巍;张璐;所丽;;电工技术学报(10);第346-354页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116522584A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rahman et al. | Analysis of power grid voltage stability with high penetration of solar PV systems | |
Bloemink et al. | Benefits of distribution-level power electronics for supporting distributed generation growth | |
Pezeshki et al. | Probabilistic voltage management using OLTC and dSTATCOM in distribution networks | |
Song et al. | Cost-based adaptive droop control strategy for VSC-MTDC system | |
Xiao et al. | Online supervisory voltage control for grid interface of utility-level PV plants | |
CN112072711A (zh) | 基于动态优先级的配电网灵活性优化调度方法 | |
Saad et al. | Optimal DG deployment to improve voltage stability margin considering load variation | |
Xu | Hybrid GWO and CS Algorithm for UPQC Positioning in the Power Distribution Network | |
Hatata et al. | Centralized control method for voltage coordination challenges with OLTC and D-STATCOM in smart distribution networks based IoT communication protocol | |
Lachovicz et al. | Impacts of pv-statcom reactive power dispatch in the allocation of capacitors bank and voltage regulators on active distribution networks | |
Zhou et al. | Real time digital simulation (RTDS) of a novel battery-integrated PV system for high penetration application | |
Mahendru et al. | Reduction in system losses and power demand by combination of optimal power flow and conservation voltage reduction using smart PV inverters | |
Ikechukwu et al. | Improving power system stability in distribution network with intelligent distributed generation scheme | |
CN116522584B (zh) | 一种配电网供电爬坡能力最大化计算的优化方法 | |
CN107611993A (zh) | 一种适用于特高压半波长输电系统的无功优化方法 | |
Li et al. | Active and reactive power coordinated optimization of active distribution networks considering dynamic reconfiguration and SOP | |
Pires et al. | Balancing LV Distribution Networks in the Context of the Smart Gird | |
Thorat et al. | Optimization of fuel cost incorporating with wind, solar PV and Electric vehicle energy sources using improved artificial bee colony algorithm | |
A. Abd El-Ghany et al. | Optimal dg deployment based on technical and economic considerations with daily load variation | |
Lakshmi et al. | Coordinated operational optimization approach for PV inverters and BESSs to minimize the energy loss of distribution networks | |
Bogunović et al. | Application of PandaPower tool in evaluating the potential of using PV distributed generation for voltage regulation in electrical power networks | |
CN115588991A (zh) | 一种三相不平衡配电网最优潮流模型建立方法 | |
CN116108322B (zh) | 一种配电网负荷转移能力最大化计算方法 | |
Carpinelli et al. | A Decision Theory Approach for the Multi-objective Optimal Allocation of Active Filters in Smart Grids | |
Biswas et al. | Optimal placement of distributed generation in an unbalanced radial distribution system considering load variation |
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 |