CN116911076B - 多微电网对配电网的韧性支撑仿真方法、装置和电子设备 - Google Patents
多微电网对配电网的韧性支撑仿真方法、装置和电子设备 Download PDFInfo
- Publication number
- CN116911076B CN116911076B CN202311170930.7A CN202311170930A CN116911076B CN 116911076 B CN116911076 B CN 116911076B CN 202311170930 A CN202311170930 A CN 202311170930A CN 116911076 B CN116911076 B CN 116911076B
- Authority
- CN
- China
- Prior art keywords
- period
- power distribution
- distribution network
- power
- optimization
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 178
- 238000004088 simulation Methods 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000005457 optimization Methods 0.000 claims abstract description 136
- 238000005096 rolling process Methods 0.000 claims abstract description 29
- 229910052739 hydrogen Inorganic materials 0.000 claims description 79
- 239000001257 hydrogen Substances 0.000 claims description 79
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 65
- 238000003860 storage Methods 0.000 claims description 61
- 238000004146 energy storage Methods 0.000 claims description 43
- 230000006870 function Effects 0.000 claims description 35
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 230000005611 electricity Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 16
- 238000000547 structure data Methods 0.000 claims description 11
- 230000008878 coupling Effects 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 230000008901 benefit Effects 0.000 abstract description 10
- 230000002045 lasting effect Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 206010036086 Polymenorrhoea Diseases 0.000 description 56
- 239000011159 matrix material Substances 0.000 description 10
- 230000008093 supporting effect Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000009194 climbing Effects 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 150000002431 hydrogen Chemical class 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
-
- 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
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了多微电网对配电网的韧性支撑仿真方法、装置和电子设备,属于配电系统技术领域。现有方案基于日前、日内优化方案进行决策,时效性太短,导致仿真结果变得不精确,影响了配电系统整体供电率,不利于推广使用。本发明多微电网对配电网的韧性支撑仿真方法,通过构建断线场景仿真模型、长周期调度仿真模型、短周期日前仿真模型、配电网调度求解模型,完成多微电网对配电网的韧性支撑仿真,长周期优化与短周期日前优化同时进行,在灾害全时段内进行滚动优化,其中长周期优化为日前优化提供指导数据,从而与持续数天的自然灾害相匹配,能有效提高韧性支撑效果,提升配电系统整体供电率的效果,并能提高多微电网自身的经济效益。
Description
技术领域
本发明涉及多微电网对配电网的韧性支撑仿真方法、装置和电子设备,属于配电系统技术领域。
背景技术
配电系统的供电能力是衡量其韧性的重要指标,自然灾害往往伴随着配电系统供电性能的下降,如何减少配电系统供电能力的缺失是提高其韧性的一个重要方法。配电系统中的配电线路在极端灾害下易发生断裂,是灾害天气容易发生的故障之一,线路的断裂会造成配电网某些节点与主网脱离,从而失电。
随着新型电力系统概念的提出与发展,配电系统逐步形成“配电网+多微电网”的格局,多微电网内又包含着分布式的能源以及氢电混合储能资源,当配电线路因灾害断裂时,各节点与节点下接的多个自治运行的微电网形成孤岛,利用微电网中分布式能源与储能资源,可以对孤岛内的节点紧急供电以提升配电系统的韧性。
中国专利(公布号:CN113159366A)公开了一种多微电网系统多时间尺度自适应优化调度方法,它包括:构建多微电网系统多时间尺度调度框架和多微电网系统优化调度的自适应架构;基于多时间尺度调度框架和自适应架构,构建多时间尺度下多微电网系统自适应协同优化调度模型;采用交替方向乘子法实现模型求解,得到考虑子微电网动态接入或退出多微电网系统的调度结果;所述模型求解包括日前优化调度模型求解与日内优化调度模型求解;其能自适应调整调度目标,以减少多微电网系统内实时动态链接行为或故障事件对多微电网协同优化运行的影响,提高多微电网系统运行的经济韧性和安全稳定性。
上述方案,基于日前、日内优化方案进行决策,主要适用于多微电网系统内实时动态链接行为改变或发生故障事件的场景中,不太适合直接应用于自然灾害场景中。因为在自然灾害场景中,灾害影响往往持续数天,如果只考虑当日情况,时效性太短,没有充分考虑自然灾害场景的长期性,可能会导致调度结果变得不精确,从而降低多微电网对配电网的韧性支撑效果,进而影响了配电系统整体供电率,因而影响了多微电网自身的经济效益,不利于推广使用。
发明内容
针对上述问题或上述问题之一,本发明的目的一在于提供一种通过构建断线场景仿真模型、长周期调度仿真模型、短周期日前仿真模型、配电网调度求解模型,对配电网结构数据以及灾害预测数据进行处理,得到长周期内的线路断线场景信息;并根据长周期内的线路断线场景信息,计算得到能源储备指导数据;再对能源储备指导数据进行处理,获得短周期功率平衡调度数据;然后采用滚动优化策略,对长周期调度仿真模型和短周期日前仿真模型进行耦合,获得长周期内电网每日调度数据;最后根据长周期内电网每日调度数据,利用预先构建的韧性支撑仿真模型,完成多微电网对配电网的韧性支撑仿真,方案科学、合理,切实可行的多微电网对配电网的韧性支撑仿真方法。
针对上述问题或上述问题之一,本发明的目的二在于提供一种通过设置长周期调度仿真模型生成模块、短周期日前仿真模型生成模块、配电网调度求解模型生成模块,构成针对多时间尺度不确定性的韧性提升系统,长周期优化与短周期日前优化同时进行,在灾害全时段内进行滚动优化,其中长周期优化为日前优化提供指导数据,从而与持续数天的自然灾害相匹配,能有效提高韧性支撑效果,同时便于对分布式能源、氢储能与电池储能进行优化调度,以提升配电系统整体供电率,并能提高多微电网自身的经济效益,利于推广使用的多微电网对配电网的韧性支撑仿真装置。
针对上述问题或上述问题之一,本发明的目的三在于提供一种长周期优化与短周期日前优化同时进行,在灾害全时段内进行滚动优化,其中长周期优化为日前优化提供指导数据,从而与持续数天的自然灾害相匹配,能有效提高韧性支撑效果,提升配电系统整体供电率,并能提高多微电网自身的经济效益,利于推广使用的多微电网对配电网的韧性支撑仿真方法、装置和电子设备。
为实现上述目的之一,本发明的第一种技术方案为:
一种多微电网对配电网的韧性支撑仿真方法,包括以下内容:
利用预先构建的断线场景仿真模型,对配电网结构数据以及灾害预测数据进行处理,得到长周期内的线路断线场景信息;
根据长周期内的线路断线场景信息,利用预先构建的长周期调度仿真模型,计算得到能源储备指导数据;
利用预先构建的短周期日前仿真模型,对能源储备指导数据进行处理,获得短周期功率平衡调度数据;
根据短周期功率平衡调度数据,通过预先构建的配电网调度求解模型,并采用滚动优化策略,对长周期调度仿真模型和短周期日前仿真模型进行耦合,获得长周期内电网每日调度数据;
根据长周期内电网每日调度数据,利用预先构建的韧性支撑仿真模型,完成多微电网对配电网的韧性支撑仿真。
本发明经过不断探索以及试验,通过构建断线场景仿真模型、长周期调度仿真模型、短周期日前仿真模型、配电网调度求解模型,对配电网结构数据以及灾害预测数据进行处理,得到长周期内的线路断线场景信息;并根据长周期内的线路断线场景信息,计算得到能源储备指导数据;再对能源储备指导数据进行处理,获得短周期功率平衡调度数据;然后采用滚动优化策略,对长周期调度仿真模型和短周期日前仿真模型进行耦合,获得长周期内电网每日调度数据;最后根据长周期内电网每日调度数据,利用预先构建的韧性支撑仿真模型,完成多微电网对配电网的韧性支撑仿真,方案科学、合理,切实可行。
因而,本发明利用长周期调度仿真模型、短周期日前仿真模型构成针对多时间尺度不确定性的韧性提升策略,长周期优化与短周期日前优化同时进行,在灾害全时段内进行滚动优化,其中长周期优化为日前优化提供指导数据,从而与持续数天的自然灾害相匹配,能有效提高韧性支撑效果,提升配电系统整体供电率,并能提高多微电网自身的经济效益,利于推广使用。
作为优选技术措施:
断线场景仿真模型,得到长周期内的线路断线场景的方法如下:
获取某区域的配电网结构数据;
根据配电网结构数据,调取同区域的自然灾害历史数据;
根据自然灾害历史数据,计算自然灾害发生概率;
获取最新的灾害预测数据,并根据自然灾害发生概率以及配电网结构数据,计算线路发生故障概率值;
当线路发生故障概率值超过设定阈值时,选取对应的故障场景信息作为线路断线场景信息。
本发明利用断线场景仿真模型,选取发生概率超过特定阈值的故障场景,能够较为准确地提前预判线路断线场景,进一步提升本发明的韧性支撑仿真精度。
作为优选技术措施:
长周期调度仿真模型,计算得到能源储备仿真数据的方法如下:
步骤21,根据长周期内的线路断线场景信息,计算配电网中线路在长周期内断裂的概率;
步骤22,根据线路在长周期内断裂的概率,得到配电网遇灾后的拓扑场景及其出现的概率;
步骤23,根据拓扑场景及其出现的概率,并根据多微电网长周期能量匹配算法,获得各个微电网每日的最优储氢值;
步骤24,根据各个微电网每日的最优储氢值,获取首日需要的储氢量,并求取储氢量的数学期望,得到关于储氢量的能源储备仿真数据。
作为优选技术措施:
短周期日前仿真模型为两阶段三层日前调度模型,其包括第一阶段优化单元和第二阶段优化单元,并根据功率平衡经济调度策略进行求解;
第一阶段优化单元以小时为时间间隔,采用两阶段鲁棒优化算法,建立第一阶段的目标函数,其约束条件包括可再生能源约束、紧急发电机约束、储氢系统约束和微电网功率平衡约束;
第一阶段的目标函数以第一阶段总经济成本为目标,根据紧急备用发电机的成本、发电机的状态、发电机的出力、发电机开机一次与停机一次的成本、发电机向上向下备用的成本系数、发电机启停状态、发电机向上向下备用量、储氢系统成本和储氢系统输入与输出的电功率,进行计算;
第二阶段优化单元,根据微电网及配电网节点削减负荷的惩罚成本,建立第二阶段的目标函数,对整个配电系统供电能力进行正向优化,其约束条件包括可再生能源约束、紧急发电机约束、电池储能系统约束、电交易量约束、切负荷约束、微电网功率平衡约束和配电网潮流约束;
第二阶段的目标函数以第二阶段的总经济成本为目标,根据发电机的功率调节成本、发电机功率向上与向下调整量、相应调节成本系数、电池储能系统成本、电池储能系统输入与输出的功率、成本系数、储能电池的效率系数、弃电惩罚成本、考虑日不确定下的新能源出力日前预测值、实际可再生能源利用量、切负荷成本、节点的紧急切负荷功率、购电成本与售电收入、每个调度时刻的购售电功率、配电网线路传输的损耗成本、损耗成本系数、电流的平方值和线路电阻,进行计算。
作为优选技术措施:
功率平衡经济调度策略利用拓展列与约束生成算法,将第一阶段优化单元和第二阶段优化单元分为主问题与子问题迭代求解,包括以下内容:
主问题通过第一阶段优化变量和第二阶段的目标函数进行构建;
基于每次主问题的求解结果,子问题通过优化生成一个最恶劣场景,并将最恶劣场景以及第二阶段优化单元的约束条件添加到主问题,且主问题满足所有迭代中子问题返回的约束条件;
子问题返回的约束条件包括第二阶段优化的不等式约束、第二阶段优化的等式约束、第二阶段优化含0-1变量的不等式约束、第二阶段优化含不确定集的不等式约束以及第二阶段优化的二阶锥约束;
设置主问题和子问题的迭代次数,目标函数的上界值以及下界值,收敛判据,最大迭代次数;
求解主问题,并根据优化结果,对主问题、目标函数值、下界值和上界值进行更新;
再判断下界值和上界值是否收敛;
当收敛时,结束迭代;输出第一阶段决策变量结果与第二阶段决策变量,得到短周期功率平衡调度数据;
当不收敛时,主问题增加新变量,增加新的约束,继续迭代计算;
当迭代次数大于最大迭代次数时,结束迭代。
作为优选技术措施:
采用滚动优化策略包括以下内容:
当日结束时统计多微电网与配电网节点的实际失负荷量,以及多微电网为配电网额外供给的电能;
同时获取更新后电网数据;
更新后电网数据包括线路的实际状态信息、设备实际状态信息以及各微电网储氢状况信息;
并将更新后电网数据重新输入到长周期调度仿真模型和短周期日前仿真模型中,进行滚动耦合计算,以实现下一个长周期优化与下一日的日前短周期两阶段鲁棒优化,优化一直滚动至灾害结束且配电系统供电性能完全恢复。
作为优选技术措施:
韧性支撑仿真模型进行韧性支撑仿真的方法如下:
根据长周期内电网每日调度数据,计算整个灾害周期内的供给电能;
根据供给电能以及整个灾害周期内总负荷,计算多微电网对配电网的韧性支撑值;
根据韧性支撑值,评估配电系统的韧性水平,完成多微电网对配电网的韧性支撑仿真。
为实现上述目的之一,本发明的第二种技术方案为:
一种多微电网对配电网的韧性支撑仿真方法,包括以下步骤:
第一步,利用预先构建的断线场景仿真模型,对多微电网结构数据以及灾害预测数据进行处理,得到长周期内的线路断线场景信息;
第二步,根据长周期内的线路断线场景信息,利用预先构建的长周期调度仿真模型,计算得到能源储备指导数据;
第三步,利用预先构建的短周期日前仿真模型,对能源储备指导数据进行处理,获得短周期功率平衡调度数据;
第四步,根据短周期功率平衡调度数据,通过预先构建的配电网调度求解模型,并采用滚动优化策略,对长周期调度仿真模型和短周期日前仿真模型进行耦合,获得长周期内电网每日调度数据;
第五步,根据长周期内电网每日调度数据,利用预先构建的韧性支撑仿真模型,完成多微电网对配电网的韧性支撑仿真。
为实现上述目的之一,本发明的第三种技术方案为:
一种多微电网对配电网的韧性支撑仿真装置,应用上述的一种多微电网对配电网的韧性支撑仿真方法,其包括长周期调度仿真模型生成模块、短周期日前仿真模型生成模块、配电网调度求解模型生成模块;
长周期调度仿真模型生成模块,用于基于新能源与负荷长周期预测值和长周期自然灾害数据,计算长周期内的线路断线场景,构建电氢混合储能的长周期调度仿真模型;
短周期日前仿真模型生成模块,用于采用两阶段鲁棒优化算法,建立两阶段三层的短周期日前仿真模型;并采用列约束生成的算法,主子问题迭代求解短周期日前仿真模型;
配电网调度求解模型生成模块,用于采用滚动优化策略,对长周期调度仿真模型和短周期日前仿真模型进行耦合迭代,获得长周期内电网每日调度数据,并计算配电系统的韧性支撑值。
本发明通过设置长周期调度仿真模型生成模块、短周期日前仿真模型生成模块、配电网调度求解模型生成模块,构成针对多时间尺度不确定性的韧性提升系统,长周期优化与短周期日前优化同时进行,在灾害全时段内进行滚动优化,其中长周期优化为日前优化提供指导数据,从而与持续数天的自然灾害相匹配,能有效提高韧性支撑效果,同时便于对分布式能源、氢储能与电池储能进行优化调度,以达到提升配电系统整体供电率的效果,并能提高多微电网自身的经济效益,利于推广使用。
为实现上述目的之一,本发明的第四种技术方案为:
一种电子设备,其包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的一种多微电网对配电网的韧性支撑仿真方法。
与现有技术方案相比,本发明具有以下有益效果:
本发明经过不断探索以及试验,通过构建断线场景仿真模型、长周期调度仿真模型、短周期日前仿真模型、配电网调度求解模型,对配电网结构数据以及灾害预测数据进行处理,得到长周期内的线路断线场景信息;并根据长周期内的线路断线场景信息,计算得到能源储备指导数据;再对能源储备指导数据进行处理,获得短周期功率平衡调度数据;然后采用滚动优化策略,对长周期调度仿真模型和短周期日前仿真模型进行耦合,获得长周期内电网每日调度数据;最后根据长周期内电网每日调度数据,利用预先构建的韧性支撑仿真模型,完成多微电网对配电网的韧性支撑仿真,方案科学、合理,切实可行。
进一步,本发明利用长周期调度仿真模型、短周期日前仿真模型构成针对多时间尺度不确定性的韧性提升策略,长周期优化与短周期日前优化同时进行,在灾害全时段内进行滚动优化,其中长周期优化为日前优化提供指导数据,从而与持续数天的自然灾害相匹配,能有效提高韧性支撑效果,提升配电系统整体供电率,并能提高多微电网自身的经济效益,利于推广使用。
再进一步,本发明通过设置长周期调度仿真模型生成模块、短周期日前仿真模型生成模块、配电网调度求解模型生成模块,构成针对多时间尺度不确定性的韧性提升系统,长周期优化与短周期日前优化同时进行,在灾害全时段内进行滚动优化,其中长周期优化为日前优化提供指导数据,从而与持续数天的自然灾害相匹配,能有效提高韧性支撑效果,同时便于对分布式能源、氢储能与电池储能进行优化调度,以达到提升配电系统整体供电率的效果,并能提高多微电网自身的经济效益,利于推广使用。
附图说明
图1为本发明方法的一种流程图;
图2为本发明实施例中节点布置的一种示意图;
图3为本发明进行长周期优化光伏数据预测的一种示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
相反,本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步,为了使公众对本发明有更好的了解,在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文所使用的术语只是为了描述具体的实施例的目的,不是旨在限制本发明。
如图1所示,本发明多微电网对配电网的韧性支撑仿真方法的第一种具体实施例:
一种多微电网对配电网的韧性支撑仿真方法,包括以下步骤:
第一步,利用预先构建的断线场景仿真模型,对多微电网结构数据以及灾害预测数据进行处理,得到长周期内的线路断线场景信息;
第二步,根据长周期内的线路断线场景信息,利用预先构建的长周期调度仿真模型,计算得到能源储备指导数据;
第三步,利用预先构建的短周期日前仿真模型,对能源储备指导数据进行处理,获得短周期功率平衡调度数据;
第四步,根据短周期功率平衡调度数据,通过预先构建的配电网调度求解模型,并采用滚动优化策略,对长周期调度仿真模型和短周期日前仿真模型进行耦合,获得长周期内电网每日调度数据;
第五步,根据长周期内电网每日调度数据,利用预先构建的韧性支撑仿真模型,完成多微电网对配电网的韧性支撑仿真。
本发明多微电网对配电网的韧性支撑仿真方法的第二种具体实施例:
一种多微电网对配电网的韧性支撑仿真方法,包括:基于依据新能源与负荷长周期预测值和长周期自然灾害的物理模型与概率模型,结合灾害预测,构建长周期内的线路断线场景,并构建电氢混合储能的多微电网长周期调度模型;采用鲁棒优化方法刻画新能源波动以及线路断线数不确定集,建立两阶段三层短周期功率平衡模型;采用滚动优化的方法获得长周期内多微电网每日调度策略,并通过计算多微电网对配电网节点的额外供电总量,计算配电系统的韧性提升。
本发明多微电网对配电网的韧性支撑仿真方法的第三种具体实施例:
一种多微电网对配电网的韧性支撑仿真方法,包括以下步骤:
步骤1,计算长周期内的线路断线场景,构建电氢混合储能的多微电网长周期调度模型;
步骤2,采用两阶段鲁棒优化算法,建立两阶段三层日前调度模型;
步骤3,采用列约束生成算法,以及主子问题算法,迭代求解短周期功率平衡经济调度策略;
步骤4,采用滚动优化的方式,迭代长周期调度模型和日前调度模型,获得长周期内电网每日调度策略,并计算配电系统的韧性提升。
本发明构建电氢混合储能的多微电网长周期调度模型的一种具体实施例:
构建电氢混合储能的多微电网长周期调度模型的方法,包括以下内容:
基于新能源与负荷长周期预测值和长周期自然灾害的物理模型与概率模型,计算长周期内的线路断线场景,并根据线路断线场景,构建电氢混合储能的多微电网长周期调度模型,其具体包括以下内容:
长周期优化以天为时间间隔,每天的时长为(24小时),其目标函数如下所示:
其中:为调度周期内总经济成本的目标函数,其包含了微电网及配电网节点削减负荷的惩罚成本,因此相当于对整个配电系统供电能力进行正向优化;/>为紧急备用发电机的成本,当且仅当配电线路出现断线时开启紧急发电机;/>、/>与/>为发电机出力二次模型的各次项参数;/>为当前场景下第n天第i个微电网中发电机一天的发电量,因为长周期优化不确定性强,其精确度的要求有限,因此不考虑发电机的启停情况;/>为储氢系统总成本,包括P2H装置与氢燃料电池的运行成本;/>、/>分别为储氢系统输入与输出的电能;/>和/>为充放氢效率系数;/>和/>为相应成本系数;/>为可再生能源的弃电惩罚成本;/>为惩罚系数;/>为以日为单位的第N天总新能源出力的预测值;/>为某个灾难场景下实际的可再生能源利用量;/>为供能不足时切负荷的惩罚成本;/>与/>分别为微电网与配电网节点的切负荷成本系数,设置微电网切负荷的惩罚成本系数更大,以保证多微电网优先供给自身内部的负荷;/>与/>分别为第i个微电网与配电网第j个节点的紧急切负荷量;/>与/>分别为购电成本与售电收入,、/>、/>和/>为相应的购售电量与电价。
长周期优化的约束条件包括可再生能源约束、紧急发电机功率约束、储氢系统约束、电交易量约束、切负荷约束、微电网能量平衡约束、配电网节点能量平衡约束。
可再生能源约束的表达式如下:
紧急发电机功率约束的表达式如下:
其中:与/>为发电机输出功率的最小值与最大值。
储氢系统约束的表达式如下:
其中:与/>为储氢系统输入功率的上下限,由电转氢(Power toHydrogen,P2H)装置的运行限制以及储氢罐的输入流量共同决定。/>与/>为储氢系统输出功率的上下限,由氢燃料电池的运行限制以及储氢罐的输出流量共同决定。/>为当前灾难场景下第n天微网i中储氢罐储存的能量,最小值与最大值限制分别为/>和,/>为相应微网前一日的储氢量。/>为储氢罐每小时的储氢损耗率。/>为初始储氢量,/>为调度周期最后一日的储氢量,储氢罐中的能量在N天的调度周期内进行平衡。
电交易量约束的表达式如下:
其中:,/>为购售电功率限制,关系矩阵C描述了配电网的孤岛状态,具体表示节点j是否和微电网i处于同一个孤岛,即是否连通,/>表示节点j是否与主网相连。/>中的/>表示与微电网i直接相连的配电网节点,/>表示微电网i向配电网节点j分配的电能。当在与主网相连的时候微电网进行正常的购售电操作保证微电网自身正常运行,当微电网与主网脱离时则按售电价格向所处的孤岛中其他的配电网节点进行优化分配电能,以保证经济性的条件下减少整个系统的切负荷量。
切负荷约束的表达式如下:
其中:为第N天微电网负荷预测值,/>为配电网节点负荷预测值。
微电网能量平衡约束的表达式如下:
配电网节点能量平衡约束的表达式如下:
指导储氢值的计算公式如下:
其中,为利用自然灾害的物理模型与概率模型计算出的当前断线场景发生的概率,对每个线路拓扑场景计算出来的第一天的储氢值/>求数学期望,得到指导储氢值,该指导储氢值为步骤二中的短周期功率优化提供指导作用,短周期日前优化中下一日结束时的储氢量要与指导储氢值相匹配。
本发明建立两阶段三层日前调度模型的一种具体实施例:
采用两阶段鲁棒优化算法,建立两阶段三层日前调度模型,具体包括以下内容:
短周期优化以小时为时间间隔,第一阶段的目标函数如下所示:
其中:表示第一阶段总经济成本的目标函数,/>为紧急备用发电机的成本;表示发电机的状态,0为发电机关闭状态,1为发电机开启状态;/>表示发电机的出力。与/>分别为发电机开机一次与停机一次的成本;/>和/>分别为发电机向上向下备用的成本系数;/>和/>为发电机启停状态,1为发电机启动或关闭,0表示发电机运行状态不变;/>和/>为向上向下备用量;/>为储氢系统成本,/>、/>分别表示储氢系统输入与输出的电功率。
短周期优化第一阶段的约束条件包括可再生能源约束、紧急发电机约束、储氢系统约束、微电网功率平衡约束。
可再生能源约束的表达式如下:
其中:为日前预测的下一日各时段新能源最大出力,/>为新能源使用量。
紧急发电机约束的表达式如下:
/>
其中:、/>、/>以及/>分别为向上与向下备用的最小值与最大值。和/>为发电机向上、向下爬坡的极限。
储氢系统约束的表达式如下:
其中:表示储氢系统的状态,0代表充氢,1代表放氢。/>为储氢罐储存的能量。/>、/>、/>以及/>分别为充氢与放氢过程的向下与向上爬坡极限。为第一阶段优化得到的储氢指导值,/>为调节参数,当日的储氢值需要在指导储氢值上下一定区间内。
微电网功率平衡约束的表达式如下:
其中:与/>为微电网购售电的最大功率,其与导线容量以及变压器容量有关。/>
短周期优化中的鲁棒不确定集的计算公式如下:
其中:与/>为新能源的最大波动范围;/>与/>均为0-1变量;/>为表示日前线路的实际状态的0-1变量,1表示线路完好,0表示断线;/>表示第二阶段优化时考虑当日断线不确定性后的线路状态;/>与/>为相应不确定集的限值;/>由日前未损坏线路的实际数量减去短周期优化中求取的超过一定概率阈值的最恶劣断线数求得。
短周期优化第二阶段的目标函数如下所示:
其中:为第二阶段总经济成本的目标函数,其包含了微电网及配电网节点削减负荷的惩罚成本,因此相当于对整个配电系统供电能力进行正向优化;/>为发电机的功率调节成本;/>与/>表示发电机功率向上与向下调整量;/>与/>为相应调节成本系数;/>为电池储能系统成本;/>、/>分别表示电池储能系统输入与输出的功率;/>和/>为成本系数;/>为储能电池的效率系数;/>为弃电惩罚成本;/>为考虑日不确定下的新能源出力日前预测值;/>为实际可再生能源利用量;/>为切负荷成本;/>与/>分别表示第i个微电网与配电网第j个节点的紧急切负荷功率;/>与分别代表购电成本与售电收入;/>、/>为每个调度时刻的购售电功率;/>为配电网线路传输的损耗成本;/>为损耗成本系数;/>表示线路k在t时刻通过电流的平方值;/>为线路电阻;在短周期优化的第二阶段,线路拓扑确定的情况下,考虑线路潮流约束与潮流损耗。
短周期优化第二阶段的约束条件包括可再生能源约束、紧急发电机约束、电池储能系统约束、电交易量约束、切负荷约束、微电网功率平衡约束、配电网潮流约束。
可再生能源约束的表达式如下:
紧急发电机约束的表达式如下:
其中:为发电机实际输出功率。
电池储能系统约束的表达式如下:
其中:表示储能系统的充放电标志,0代表充电,1代表放电;/>为电池的储能状态;/>为储能电池的总容量;/>与/>为电池储能状态的最小限值与最大限值;/>为电池每小时损耗率;/>与/>为储能电池向下与向上的爬坡极限。蓄电池中的能量在一日内进行平衡。
电交易量约束的表达式如下:
切负荷约束的表达式如下:
其中:为微电网负荷;/>为配电网节点负荷。
微电网功率平衡约束的表达式如下:
配电网潮流约束的表达式如下:
其中:为平衡节点电压的平方;/>为常数;/>为其他节点电压的平方;/>和/>为其上下限值;/>和/>为配电网线路传输的有功功率与无功功率;/>、与/>为相应传输极限;/>为线路的电抗;/>和/>分别代为线路/>首端与末端节点的电压平方值;/>为辅助的松弛变量,以保证电压降方程严格满足;/>为输入功率到节点/>的所有线路集合;/>为由节点/>输出功率的所有线路集合;/>为微电网/>与节点/>是否直接相连,直接相连为1,否则为0。配电网潮流约束采用二阶锥潮流模型,其中包含二阶锥约束。
本发明求解短周期功率平衡经济调度策略的一种具体实施例:
采用列约束生成算法,以及主子问题算法,迭代求解短周期功率平衡经济调度策略,其具体包括以下内容:
求解第二阶段含有0-1变量的两阶段鲁棒优化模型,这里利用拓展列与约束生成算法(EC&CG),将两个阶段分为主问题与子问题迭代求解,具体步骤如下:
将主问题写成紧凑形式,可得若干次迭代后两阶段鲁棒优化的主问题,主问题的表达式如下所示:
其中:为主问题目标函数值,/>为第一阶段优化变量,/>为主问题目标函数中第一阶段优化变量的系数矩阵;/>为第二阶段优化目标函数的松弛变量,表示第二阶段的成本;/>、/>分别为第一阶段优化模型中不等式约束与等式约束里变量的系数矩阵,/>、为相应常数矩阵;/>和/>为总共m次迭代后,第p次迭代时增加的所有第二阶段优化变量,分别为连续变量与0-1变量;/>为总共m次迭代后子问题向主问题返回的所有最恶劣场景。
基于每次主问题的求解结果,子问题通过优化生成一个最恶劣场景,并将该场景以及相应的第二阶段优化的约束添加到主问题,在迭代过程中要满足大于所有恶劣情况下的第二阶段优化成本,且主问题要满足所有迭代中子问题返回的约束。子问题的约束包含第二阶段优化的不等式约束、第二阶段优化的等式约束、第二阶段优化含0-1变量的不等式约束、第二阶段优化含不确定集的不等式约束以及第二阶段优化的二阶锥约束。/>为线路总数,/>为总时刻数。/>、/>和/>分别为第二阶段目标函数中连续变量系数矩阵、0-1变量系数矩阵与常数矩阵;/>、/>、/>与/>分别为第二阶段优化模型中不等式约束、等式约束、含0-1变量的不等式约束以及含不确定集的不等式约束里连续变量的系数矩阵,/>、为相应第一阶段优化变量的系数矩阵,/>为相应0-1变量的系数矩阵,/>为相应不确定场景变量的系数矩阵,/>、/>、/>与/>为相应常数矩阵,/>与/>为二阶锥约束中连续变量的系数矩阵。
每次迭代,主问题生成最优解与/>,并将/>作为已知值传递给子问题。
将子问题写成紧凑形式,为子问题目标函数值,其表达式如下:
其中:与/>为第二阶段连续变量与0-1变量;/>为由不确定集构建的场景。
第二阶段目的是向主问题返回当前下最恶劣的场景。
求解子问题的方法如下:
首先对0-1变量进行松弛,将仅含连续变量的子问题进行对偶求解,对偶形式的表达式如下:
其中:、/>、/>、/>、/>和/>为原问题相应约束的拉格朗日乘子;对于目标函数中构成的双线性项,利用大M法引入辅助变量/>进行线性化,/>中的每个元素/>代表着中第/>个元素/>与/>中第/>个元素/>的乘积,其具体约束形式为:
/>
其中:M是一个极大的数。
求解以上优化问题,得到松弛0-1变量后的最恶劣场景。
利用已知的与/>求解第二阶段的最优决策变量,优化模型为:
求解以上优化问题,得到0-1变量决策值。
最后,再次求解第二阶段的对偶问题:
求解以上优化问题,得到利用拓展列与约束生成算法EC&CG获得的第m次主子问题迭代后子问题的最恶劣场景,并返回给主问题。
求解短周期优化的整体步骤如下:
设置主子问题迭代次数,目标函数的上界/>,下界/>,收敛判据/>,最大迭代次数/>;
求解主问题,更新主问题优化结果、/>以及目标函数值/>,更新下界值;
依据,利用拓展列与约束生成算法EC&CG求解子问题的方法,得到子问题的最恶劣场景/>与目标函数值/>,更新上界值;
判断上下界是否收敛,当,主子问题收敛,结束迭代。输出第一阶段决策变量结果/>与第二阶段决策变量/>。否则若/>,主问题增加新变量/>,增加新的约束,/>,返回步骤2;若/>,结束迭代,输出算法不收敛。/>
本发明迭代长周期调度模型和日前调度模型的一种具体实施例:
采用滚动优化的方式,迭代长周期调度模型和日前调度模型,获得长周期内电网每日调度策略,并计算配电系统的韧性提升,其具体包括以下内容:
当日结束时统计多微电网与配电网节点的实际失负荷量,以及多微电网为配电网额外供给的电能。更新线路的实际状态、设备实际状态以及各微电网储氢状况,返回步骤一与步骤二,重新进行下一个长周期优化与下一日的日前短周期两阶段鲁棒优化,优化一直滚动至灾害结束且配电系统供电性能完全恢复。
此时配电系统在整个灾害周期内供给的电能与总负荷的比值可以反映配电系统的韧性水平。
其中:为配电系统的韧性指标,/>与/>分别为配网第j个节点与第i个微网在实际灾害周期中第n天第t时刻的切负荷值,/>与/>为相应总负荷值,N为灾害周期内的总天数,T为一日总时刻数(24小时)。
本发明多微电网对配电网韧性支撑仿真装置的第一种具体实施例:
一种多微电网对配电网的韧性支撑仿真装置,应用上述的一种多微电网对配电网的韧性支撑仿真方法,其包括长周期调度仿真模型生成模块、短周期日前仿真模型生成模块、配电网调度求解模型生成模块。
长周期调度仿真模型生成模块,用于基于新能源与负荷长周期预测值和长周期自然灾害数据,计算长周期内的线路断线场景,构建电氢混合储能的长周期调度仿真模型;
短周期日前仿真模型生成模块,用于采用两阶段鲁棒优化算法,建立两阶段三层的短周期日前仿真模型;并采用列约束生成的算法,主子问题迭代求解短周期日前仿真模型;
配电网调度求解模型生成模块,用于采用滚动优化策略,对长周期调度仿真模型和短周期日前仿真模型进行耦合迭代,获得长周期内电网每日调度数据,并计算配电系统的韧性支撑值。
本发明多微电网对配电网韧性支撑仿真装置的第二种具体实施例:
一种计及电氢混合储能的多微电网对配电网韧性支撑仿真装置,包括长周期调度模型生成模块、短周期功率平衡模型生成模块、日前调度模型求解模块、含电氢混合储能多微电网的配电网调度模型求解模块。
长周期调度模型生成模块,用于基于新能源与负荷长周期预测值和长周期自然灾害的物理模型与概率模型,计算长周期内的线路断线场景,构建电氢混合储能的多微电网长周期调度模型;
短周期功率平衡模型生成模块,用于采用两阶段鲁棒优化算法,建立两阶段三层日前调度模型;
日前调度模型求解模块,用于采用列约束生成的算法,主子问题迭代求解短周期功率平衡模型;
含电氢混合储能多微电网的配电网调度模型求解模块,用于采用滚动优化的方式,迭代长周期调度模型和日前调度模型,获得长周期内电网每日调度策略,并计算配电系统的韧性提升。
应用本发明方法的一种具体实施例:
应用本发明的韧性支撑方法,基于一个接了三个微电网的IEEE-33节点的配电网算例,给出计算机仿真结果。本发明采用计算机程序设计语言python编程,商业求解器Gurobi对图2的配电系统进行韧性提升的仿真优化,研究极端天气灾害下,利用本发明的方法对多微电网下分布式能源、氢储能与电池储能进行优化调度的效果,从而验证应用本发明的多微电网是否能对配电系统进行韧性支撑。
本实施例主体为标准IEEE-33节点配电网系统,其包括节点0至节点32。节点0为平衡节点,连接着主网。在节点15、节点19与节点30处分别接了微电网1、微电网2与微电网3,每个微电网内包含分布式光伏、电池储能系统、氢储能系统以及紧急分布式发电机。多微电网可以与配电网主体通过电力交易的形式进行能量传输。在非灾害时期,多微电网内部进行最大程度的自治运行,灾害时期通过售电的形式为配电网其他节点进行电能供给。配电网系统线路阻抗参数同标准IEEE-33节点配电网系统。
当调度决策方收到灾害即将到来的警报,开始进行滚动优化。每次滚动优化先进行一次长周期优化,首先对未来7日的自然灾害因素进行预测,得到配电网各个线路平均断线概率,利用线路平均断线概率得到配电线路可能出现的故障集。灾害开始时,随着灾害持续时间的增加,配电系统发生断线的概率增加,当线路已经发生断裂则该线路在下一日断线的概率为1,因此呈现出灾害中间时段配电系统预期发生的断线数量最多。而随着灾害趋于结束,对配电系统新增的破坏减小,同时人为对断裂的线路进行抢修使得其重新连接,且新连接的线路发生损坏的概率较低,因此灾害后期配电系统预期断线数再次下降。
根据预期未来7天发生断线数的概率分布,将断线数从少到多依次排列,选取概率和超过一定阈值的断线数进行分析。如设定阈值为0.8,第一天发生0条线路断裂的概率为0.72,发生0条或1条线路断裂的总概率为0.95,超过了阈值0.8,则将发生0条或1条线路断裂的所有拓扑场景纳入故障集。
预测未来7天每日的新能源出力,以长周期滚动优化中的第8天为例,可参见图3,其为第8天时预测的未来7日每天的光伏出力。图3的横坐标为日期,单位为天;纵坐标为光伏预测值,单位为kW。针对故障集中的每一个场景依照长周期优化的数学模型进行能量优化,最终确定首日的储氢量,长周期优化模型中的首日即为日前调度中的下一天。对所有故障场景下多微电网的首日储氢量求数学期望,可得到相应的指导储氢值。
利用指导储氢值进行日前优化,预测下一日各时段新能源出力以及负荷情况。同时,对下一日的自然灾害因素进行预测得到配电网各个线路断线概率,日前的预测往往要比长周期预测更加精确,用与长周期类似的方法计算出超过一定概率阈值的故障场景。日前优化将选取的故障场景中最恶劣的额外断线数作为不确定集加入鲁棒优化。以滚动优化的第8天为例,多微电网指导储氢值为4660kW,2184kW与2607kW,计算得到的最恶劣的额外断线数为2条,选取光伏的不确定区间为日前预测值的上下20%,利用拓展列与约束生成算法EC&CG求解两阶段鲁棒优化问题。
连续滚动优化20天,此时灾害结束,分析配电系统整个灾害周期的供电水平作为其韧性指标,可发现灾害周期中系统供电率先下降后上升的趋势,且在灾害结束时恢复到原有水平。在周期内,利用本发明的韧性支撑方法,为配电系统额外供给了绿色部分的负荷,具体的韧性支撑值,可以由每天的韧性差乘上当日配电系统总负荷,最终再求和得到结果,经过计算可知,韧性支撑值共274447kW,因此可见本发明有效提升配电网的其韧性水平。
因而,本发明针对极端灾害天气下提升配电系统韧性提出一种方法,其利用多微电网内包含的分布式能源以及氢电混合储能资源,在配电线路因灾害断裂时,对所在孤岛内的节点紧急供电以提升配电系统的韧性;并利用长短周期混合时间尺度滚动优化与两阶段鲁棒优化相结合的方法对多微电网下的资源进行调度,优化对配电网节点的负荷供给率,并且在提升配电系统韧性的同时兼顾微电网的经济效益。
应用本发明方法的一种设备实施例:
一种电子设备,其包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的一种多微电网对配电网的韧性支撑仿真方法。
应用本发明方法的一种计算机介质实施例:
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的一种多微电网对配电网的韧性支撑仿真方法。
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、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、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。
本申请是根据本申请实施例的方法、设备(系统)、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。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置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。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供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步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (5)
1.一种多微电网对配电网的韧性支撑仿真方法,其特征在于:
包括以下内容:
利用预先构建的断线场景仿真模型,对配电网结构数据以及灾害预测数据进行处理,得到长周期内的线路断线场景信息;
断线场景仿真模型,得到长周期内的线路断线场景的方法如下:
1).获取某区域的配电网结构数据;
2).根据配电网结构数据,调取同区域的自然灾害历史数据;
3).根据自然灾害历史数据,计算自然灾害发生概率;
4).获取最新的灾害预测数据,并根据自然灾害发生概率以及配电网结构数据,计算线路发生故障概率值;
5).当线路发生故障概率值超过设定阈值时,选取对应的故障场景信息作为线路断线场景信息;
根据长周期内的线路断线场景信息,利用预先构建的长周期调度仿真模型,计算得到能源储备指导数据;
长周期调度仿真模型,计算得到能源储备仿真数据的方法如下:
步骤21,根据长周期内的线路断线场景信息,计算配电网中线路在长周期内断裂的概率;
步骤22,根据线路在长周期内断裂的概率,得到配电网遇灾后的拓扑场景及其出现的概率;
步骤23,根据拓扑场景及其出现的概率,并根据多微电网长周期能量匹配算法,获得各个微电网每日的最优储氢值;
步骤24,根据各个微电网每日的最优储氢值,获取首日需要的储氢量,并求取储氢量的数学期望,得到关于储氢量的能源储备仿真数据;
利用预先构建的短周期日前仿真模型,对能源储备指导数据进行处理,获得短周期功率平衡调度数据;
根据短周期功率平衡调度数据,通过预先构建的配电网调度求解模型,并采用滚动优化策略,对长周期调度仿真模型和短周期日前仿真模型进行耦合,获得长周期内电网每日调度数据;
采用滚动优化策略包括以下内容:
(1)当日结束时统计多微电网与配电网节点的实际失负荷量,以及多微电网为配电网额外供给的电能;
(2)同时获取更新后电网数据;更新后电网数据包括线路的实际状态信息、设备实际状态信息以及各微电网储氢状况信息;
(3)并将更新后电网数据重新输入到长周期调度仿真模型和短周期日前仿真模型中,进行滚动耦合计算,以实现下一个长周期优化与下一日的日前短周期两阶段鲁棒优化,优化一直滚动至灾害结束且配电系统供电性能完全恢复;
根据长周期内电网每日调度数据,利用预先构建的韧性支撑仿真模型,完成多微电网对配电网的韧性支撑仿真;
韧性支撑仿真模型进行韧性支撑仿真的方法如下:
1).根据长周期内电网每日调度数据,计算整个灾害周期内的供给电能;
2).根据供给电能以及整个灾害周期内总负荷,计算多微电网对配电网的韧性支撑值;
3).根据韧性支撑值,评估配电系统的韧性水平,完成多微电网对配电网的韧性支撑仿真。
2.如权利要求1所述的一种多微电网对配电网的韧性支撑仿真方法,其特征在于:
短周期日前仿真模型为两阶段三层日前调度模型,其包括第一阶段优化单元和第二阶段优化单元,并根据功率平衡经济调度策略进行求解;
第一阶段优化单元以小时为时间间隔,采用两阶段鲁棒优化算法,建立第一阶段的目标函数,其约束条件包括可再生能源约束、紧急发电机约束、储氢系统约束和微电网功率平衡约束;
第一阶段的目标函数以第一阶段总经济成本为目标,根据紧急备用发电机的成本、发电机的状态、发电机的出力、发电机开机一次与停机一次的成本、发电机向上向下备用的成本系数、发电机启停状态、发电机向上向下备用量、储氢系统成本和储氢系统输入与输出的电功率,进行计算;
第二阶段优化单元,根据微电网及配电网节点削减负荷的惩罚成本,建立第二阶段的目标函数,对整个配电系统供电能力进行正向优化,其约束条件包括可再生能源约束、紧急发电机约束、电池储能系统约束、电交易量约束、切负荷约束、微电网功率平衡约束和配电网潮流约束;
第二阶段的目标函数以第二阶段的总经济成本为目标,根据发电机的功率调节成本、发电机功率向上与向下调整量、相应调节成本系数、电池储能系统成本、电池储能系统输入与输出的功率、成本系数、储能电池的效率系数、弃电惩罚成本、考虑日不确定下的新能源出力日前预测值、实际可再生能源利用量、切负荷成本、节点的紧急切负荷功率、购电成本与售电收入、每个调度时刻的购售电功率、配电网线路传输的损耗成本、损耗成本系数、电流的平方值和线路电阻,进行计算。
3.如权利要求2所述的一种多微电网对配电网的韧性支撑仿真方法,其特征在于:
功率平衡经济调度策略利用拓展列与约束生成算法,将第一阶段优化单元和第二阶段优化单元分为主问题与子问题迭代求解,包括以下内容:
主问题通过第一阶段优化变量和第二阶段的目标函数进行构建;
基于每次主问题的求解结果,子问题通过优化生成一个最恶劣场景,并将最恶劣场景以及第二阶段优化单元的约束条件添加到主问题,且主问题满足所有迭代中子问题返回的约束条件;
子问题返回的约束条件包括第二阶段优化的不等式约束、第二阶段优化的等式约束、第二阶段优化含0-1变量的不等式约束、第二阶段优化含不确定集的不等式约束以及第二阶段优化的二阶锥约束;
设置主问题和子问题的迭代次数,目标函数的上界值以及下界值,收敛判据,最大迭代次数;
求解主问题,并根据优化结果,对主问题、目标函数值、下界值和上界值进行更新;
再判断下界值和上界值是否收敛;
当收敛时,结束迭代;输出第一阶段决策变量结果与第二阶段决策变量,得到短周期功率平衡调度数据;
当不收敛时,主问题增加新变量,增加新的约束,继续迭代计算;
当迭代次数大于最大迭代次数时,结束迭代。
4.一种多微电网对配电网的韧性支撑仿真装置,其特征在于:
应用如权利要求1-3任一所述的一种多微电网对配电网的韧性支撑仿真方法,其包括长周期调度仿真模型生成模块、短周期日前仿真模型生成模块、配电网调度求解模型生成模块;
长周期调度仿真模型生成模块,用于基于新能源与负荷长周期预测值和长周期自然灾害数据,计算长周期内的线路断线场景,构建电氢混合储能的长周期调度仿真模型;
短周期日前仿真模型生成模块,用于采用两阶段鲁棒优化算法,建立两阶段三层的短周期日前仿真模型;并采用列约束生成的算法,主子问题迭代求解短周期日前仿真模型;
配电网调度求解模型生成模块,用于采用滚动优化策略,对长周期调度仿真模型和短周期日前仿真模型进行耦合迭代,获得长周期内电网每日调度数据,并计算配电系统的韧性支撑值。
5.一种电子设备,其特征在于:
其包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-3任一所述的一种多微电网对配电网的韧性支撑仿真方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311170930.7A CN116911076B (zh) | 2023-09-12 | 2023-09-12 | 多微电网对配电网的韧性支撑仿真方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311170930.7A CN116911076B (zh) | 2023-09-12 | 2023-09-12 | 多微电网对配电网的韧性支撑仿真方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116911076A CN116911076A (zh) | 2023-10-20 |
CN116911076B true CN116911076B (zh) | 2024-03-19 |
Family
ID=88363345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311170930.7A Active CN116911076B (zh) | 2023-09-12 | 2023-09-12 | 多微电网对配电网的韧性支撑仿真方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116911076B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11955782B1 (en) | 2022-11-01 | 2024-04-09 | Typhon Technology Solutions (U.S.), Llc | System and method for fracturing of underground formations using electric grid power |
CN117728421B (zh) * | 2024-02-18 | 2024-04-16 | 国网辽宁省电力有限公司经济技术研究院 | 微电网集群协调调度方法、系统、计算机设备和存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650998A (zh) * | 2016-10-26 | 2017-05-10 | 华南理工大学 | 一种微电网多目标实时滚动优化方法 |
CN111416351A (zh) * | 2020-04-23 | 2020-07-14 | 上海交通大学 | 考虑调度系数及合理性的区域电网灾变恢复方法 |
CN113159366A (zh) * | 2020-12-31 | 2021-07-23 | 贵州电网有限责任公司 | 一种多微电网系统多时间尺度自适应优化调度方法 |
CN114595966A (zh) * | 2022-03-07 | 2022-06-07 | 国网上海市电力公司 | 一种计及不同灾害类型的特大型城市电网韧性评估方法 |
CN114661011A (zh) * | 2022-03-17 | 2022-06-24 | 国网(苏州)城市能源研究院有限责任公司 | 楼宇综合能源系统优化运行方法、装置及存储介质 |
CN114709816A (zh) * | 2022-01-21 | 2022-07-05 | 华北电力大学 | 一种冰灾场景下能源互联配电系统韧性恢复方法 |
CN115062833A (zh) * | 2022-06-09 | 2022-09-16 | 国网浙江省电力有限公司电力科学研究院 | 极端天气下考虑配电网可靠性及弹性的移动储能规划方法 |
WO2022257712A1 (zh) * | 2021-06-11 | 2022-12-15 | 国网上海市电力公司 | 面向韧性提升的配电网分布式电源储能控制方法及系统 |
CN115833258A (zh) * | 2022-12-05 | 2023-03-21 | 国网浙江省电力有限公司电力科学研究院 | 多能微网能量功率匹配优化方法及装置、电子设备、介质 |
CN116131318A (zh) * | 2022-11-23 | 2023-05-16 | 国网吉林省电力有限公司电力科学研究院 | 面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置 |
CN116247745A (zh) * | 2023-04-09 | 2023-06-09 | 天津大学 | 考虑非计划离网风险的氢能微网滚动优化调度方法 |
CN116667424A (zh) * | 2022-12-07 | 2023-08-29 | 国网上海市电力公司 | 一种基于韧性提升的配电网二阶段鲁棒故障恢复方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130253718A1 (en) * | 2012-03-23 | 2013-09-26 | Power Analytics Corporation | Systems and methods for integrated, model, and role-based management of a microgrid based on real-time power management |
-
2023
- 2023-09-12 CN CN202311170930.7A patent/CN116911076B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650998A (zh) * | 2016-10-26 | 2017-05-10 | 华南理工大学 | 一种微电网多目标实时滚动优化方法 |
CN111416351A (zh) * | 2020-04-23 | 2020-07-14 | 上海交通大学 | 考虑调度系数及合理性的区域电网灾变恢复方法 |
CN113159366A (zh) * | 2020-12-31 | 2021-07-23 | 贵州电网有限责任公司 | 一种多微电网系统多时间尺度自适应优化调度方法 |
WO2022257712A1 (zh) * | 2021-06-11 | 2022-12-15 | 国网上海市电力公司 | 面向韧性提升的配电网分布式电源储能控制方法及系统 |
CN114709816A (zh) * | 2022-01-21 | 2022-07-05 | 华北电力大学 | 一种冰灾场景下能源互联配电系统韧性恢复方法 |
CN114595966A (zh) * | 2022-03-07 | 2022-06-07 | 国网上海市电力公司 | 一种计及不同灾害类型的特大型城市电网韧性评估方法 |
CN114661011A (zh) * | 2022-03-17 | 2022-06-24 | 国网(苏州)城市能源研究院有限责任公司 | 楼宇综合能源系统优化运行方法、装置及存储介质 |
CN115062833A (zh) * | 2022-06-09 | 2022-09-16 | 国网浙江省电力有限公司电力科学研究院 | 极端天气下考虑配电网可靠性及弹性的移动储能规划方法 |
CN116131318A (zh) * | 2022-11-23 | 2023-05-16 | 国网吉林省电力有限公司电力科学研究院 | 面向韧性提升主动配电网两阶段鲁棒优化控制方法及装置 |
CN115833258A (zh) * | 2022-12-05 | 2023-03-21 | 国网浙江省电力有限公司电力科学研究院 | 多能微网能量功率匹配优化方法及装置、电子设备、介质 |
CN116667424A (zh) * | 2022-12-07 | 2023-08-29 | 国网上海市电力公司 | 一种基于韧性提升的配电网二阶段鲁棒故障恢复方法 |
CN116247745A (zh) * | 2023-04-09 | 2023-06-09 | 天津大学 | 考虑非计划离网风险的氢能微网滚动优化调度方法 |
Non-Patent Citations (3)
Title |
---|
Siyuan Wang等.A Resilience-Oriented Multi-Stage Adaptive Distribution System Planning Considering Multiple Extreme Weather Events.IEEE Transactions on Sustainable Energy.2023,第14卷(第2期),第1193-1204页. * |
Wei Du等.A Comparative Study of Two Widely Used Grid-Forming Droop Controls on Microgrid Small-Signal Stability.IEEE Journal of Emerging and Selected Topics in Power Electronics .2019,第8卷(第2期),第963 - 975页. * |
吴文仙等.考虑韧性增强策略的配电网负荷恢复优化.电力科学与工程.2019,第35卷(第04期),第17-24页. * |
Also Published As
Publication number | Publication date |
---|---|
CN116911076A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116911076B (zh) | 多微电网对配电网的韧性支撑仿真方法、装置和电子设备 | |
CN110119886B (zh) | 一种主动配网动态规划方法 | |
Correa-Florez et al. | Stochastic operation of home energy management systems including battery cycling | |
Bozorgavari et al. | Robust planning of distributed battery energy storage systems in flexible smart distribution networks: A comprehensive study | |
Gonzalez et al. | Forecasting power prices using a hybrid fundamental-econometric model | |
CN111200281B (zh) | 互联微网储能配置扩容优化方法 | |
CN110635518B (zh) | 一种基于光伏高渗透率的源网荷储优化方法 | |
JP2012016185A (ja) | 電力制御方法、プログラムおよび電力制御装置 | |
CN110867852B (zh) | 计及全寿命周期成本的微电网储能优化配置方法及装置 | |
CN114938035B (zh) | 考虑储能退化成本的共享储能能量调度方法及系统 | |
CN112994092B (zh) | 一种基于功率预测的独立风光储微电网系统尺寸规划方法 | |
CN112383086B (zh) | 一种孤岛微电网日前能量-备用联合优化调度方法 | |
Feng et al. | Scenario reduction for stochastic unit commitment with wind penetration | |
Petrichenko et al. | Modelling the Future of the Baltic Energy Systems: A Green Scenario | |
Giannelos et al. | Option value of dynamic line rating and storage | |
François-Lavet et al. | Towards the minimization of the levelized energy costs of microgrids using both long-term and short-term storage devices | |
CN113779874B (zh) | 一种离网微电网建设的多目标优化方法 | |
Helseth et al. | Multi-market price forecasting in hydro-thermal power systems | |
CN116502771B (zh) | 一种基于电力物资预测的配电方法及系统 | |
CN114676979B (zh) | 一种能量调度方法及其装置、计算机设备、存储介质 | |
CN116167578A (zh) | 一种商业楼宇的电动汽车充电站协调调控方法及电子设备 | |
CN115146870A (zh) | 一种孤立海岛日内供电计划生成方法、系统、设备和介质 | |
Le | Building energy management and Electric Vehicle charging considering battery degradation and random vehicles’ arrivals and departures | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
Haidar et al. | A market framework for energy bidding decision-making strategy to provide a competitive mechanism in the context of deregulated electricity market |
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 |