CN117096957B - 一种配电网多源协同优化方法及系统 - Google Patents

一种配电网多源协同优化方法及系统 Download PDF

Info

Publication number
CN117096957B
CN117096957B CN202311366991.0A CN202311366991A CN117096957B CN 117096957 B CN117096957 B CN 117096957B CN 202311366991 A CN202311366991 A CN 202311366991A CN 117096957 B CN117096957 B CN 117096957B
Authority
CN
China
Prior art keywords
distribution network
resources
consumption
scheduling
source
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
Application number
CN202311366991.0A
Other languages
English (en)
Other versions
CN117096957A (zh
Inventor
王智博
田野
尚磊
朱义东
董旭柱
李振
史可鉴
顾泰宇
李海峰
张新宇
代子阔
刘云松
王阳
范维
陈强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Wuhan University WHU
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Wuhan University WHU
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Wuhan University WHU, Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202311366991.0A priority Critical patent/CN117096957B/zh
Publication of CN117096957A publication Critical patent/CN117096957A/zh
Application granted granted Critical
Publication of CN117096957B publication Critical patent/CN117096957B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J3/12—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
    • 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
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • 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
    • 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
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving

Abstract

本发明提供一种配电网多源协同优化方法及系统，属于配电网技术领域，方法包括：构建配电网的多源协同策略；基于配网源荷调度资源消耗模型确定配网源荷调度总消耗资源；建立配电网多源协同优化模型；模型包括：日前计划调度模型和日内滚动修正调度模型；日前计划调度模型以配网的总运行资源消耗最小为目标；日内滚动修正调度模型以配网源荷出力调整量最小以及风电和光伏消纳率最高为目标；基于配电网多源协同优化模型对配电网进行多源协同优化。本发明在完善优化策略并构建考虑全面的优化模型后，可以有效解决配网多源协同问题。

Description

一种配电网多源协同优化方法及系统
技术领域
本发明属于配电网技术领域，更具体地，涉及一种配电网多源协同优化方法及系统。
背景技术
发展新能源是应对气候变化、缓解环境污染及保障经济社会可持续发展的重要举措，以风、光为代表的可再生能源发电对我国能源结构转型起着重要作用。
然而，随着分布式能源的加速推进，其发电的随机性、波动性、间歇性对电网安全运行提出了更高要求，为应对分布式新能源而加装的储能装置也使源测发电形式更加复杂。与此同时，用户由单向受电转变为‘发用一体’的角色，电能传输方式也发生了复杂的改变，荷侧也不再是传统的不可调控。并且，近年来电动汽车及电动车也在飞速发展，其充放电的聚集行为同样会影响电网的稳定运行。可预见的是，随着越来越多且分散的分布式电源接入，配电网便可能出现诸如电能质量恶化、主动监测预控手段缺乏、台区重过载导致的故障率升高等问题，进而导致用户端出现供电故障、损坏用电设备、电器启动困难、精密仪器设备使用受影响等。
传统优化策略单一，考虑多源协同优化的时间尺度除了日前部分还应考虑日内部分，日前计划应进行滚动修正；传统优化模型简单，考虑目标仅包括新能源消纳或者系统经济运行；且传统多源协同优化没有考虑到小型火电机组的调整公平性。因此，已有传统的配网多源协同优化存在精细化控制策略研究不足。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种配电网多源协同优化方法及系统，旨在解决传统的配网多源协同优化存在精细化控制策略研究不足的问题。
为实现上述目的，第一方面，本发明提供了一种配电网多源协同优化方法，包括以下步骤：
构建配电网的多源协同策略；所述多源协同策略的时间尺度包括日前计划和日内滚动修正优化，在日内滚动修正优化调度中，采用预设时间尺度进行滚动预测，将风电、光伏、储能系统及小型火电机组的日前计划量作为日内滚动修正的状态值与滚动修正的预测结果相结合对日内滚动修正预测值进行优化；所述预设时间尺度小于预设值；
基于配网源荷调度资源消耗模型确定配网源荷调度总消耗资源，所述配网源荷调度资源消耗模型包括：储能调度消耗资源、小火电机组调度消耗资源、负荷调度消耗资源及电动车集群充电调度消耗资源；
建立配电网多源协同优化模型；所述模型包括：日前计划调度模型和日内滚动修正调度模型；所述日前计划调度模型以配网的总运行资源消耗最小为目标，其包括：风电和光伏发电运维消耗资源、电动车集群向配网付出的充电代价、配网向主网获取电量消耗的资源以及配网源荷调度总消耗资源；所述日内滚动修正调度模型以配网源荷出力调整量最小以及风电和光伏消纳率最高为目标，所述配网源荷处理调整量包括小型火电机组和储能系统的日内调度量与日前计划量之间的调整量；
基于所述配电网多源协同优化模型对配电网进行多源协同优化。
在一种可能的实施方式中，所述电动车集群包括：电动汽车集群和电瓶车集群。
在一种可能的实施方式中，所述小火电机组调度消耗资源为：
式中：为小火电机组发电生产消耗资源，/>为小火电机组的运维消耗资源，为小火电机组调度环境消耗资源；
式中：N为小火电机组总数，i表示第i台小火电机组；T为调度周期内的时刻总数，t表示第t时刻；为第i台小火电机组在第t时刻的燃料消耗资源；/>、/>分别为第i台机组在第t时刻的启动消耗资源和停机消耗资源；/>为第i台机组在第t时刻的状态参数，其中，开机和停机状态对应的状态参数值分别为1和0。
需要说明的是，小火电机组调整出力对比大型火电机组相对容易，但单位调整出力的成本也更高，因此需要考虑小火电机组的基本调峰公平性以及深度调峰公平性，以保障小火电机组参与多源配网系统资源协同的意愿。其中，火电机组深度调峰由辅助服务市场进行一定经济补偿。小型火电机组基本调峰公平性此处采用采用轮换制方式，即部分机组参与调整。在一定的时间尺度内部分机组出力值相对稳定，其他机组参与调整。在系统实际运行中，为消纳风电及光伏出力，在风电大发期应使得所有机组都参与调整以保障相对公平并增大系统调峰空间。风电出力有夜间多发的特点，因此不参与本次调整机组实际稳定出力时间段应为去除两端夜间风电出力后的中间部分。对于稳定出力的值，应视所处地区风电与分布式光伏装机规模与实际并网出力大小而定，并应取的尽量靠近各机组最大容量，使系统运行在最佳工作点。
在一种可能的实施方式中，所述负荷调度消耗资源为：
式中：为平移负荷的补偿消耗资源，/>为负荷削减的补偿消耗资源；其中，可削减负荷的补偿规则为：当削减量达到预设的第一个等级时，按照单位补偿消耗资源为C1进行补偿；当削减量达到预设的第二个等级时，不超过第一等级的削减量按照单位补偿消耗资源为C1补偿，超过第一个等级的部分按照单位补偿消耗资源为C2进行补偿；以此类推，当削减量达到预设的第i个等级时，不超过第i-1个等级的部分按照不同等级对应的单位补偿消耗资源分别进行补偿，超过第i-1级的部分，按照单位补偿消耗资源为Ci进行补偿；且C1、C2...至Ci的值逐渐增加。
可以理解的是，可削减负荷的补偿以阶梯补偿价格进行，其中，为保障可削减负荷补偿的公平性，各阶梯价格差并不一定要相等，需要根据负荷类型与其调度成本选取合适的阶梯价格。所形成的阶梯补偿提前与可削减负荷用户签订合同，当发生负荷削减时，依照合同对其进行补偿，保障其多源协同时的公平性。
在一种可能的实施方式中，所述日前计划调度模型的约束条件包括：配网功率平衡约束、小火电机组出力上下限及爬坡约束、可平移负荷功率平移约束、可削减负荷可调功率上下限约束、电动车集群充放电功率及电量约束、储能系统充放电电量及功率上下限约束以及节点电压约束；其中，配网的源测功率包括：风电、光伏、储能系统和小火电机组的出力，以及电动车集群向配网放电功率、主网向配网提供的功率以及可削减负荷削减的功率，负荷侧功率包括：负荷用电功率以及网损。
在一种可能的实施方式中，所述日内滚动修正调度模型的约束条件包括：配网功率平衡约束、小火电机组出力上下限及爬坡约束、储能充放电电量及功率上下限约束以及节点电压约束。
在一种可能的实施方式中，所述日前计划调度模型的目标函数minf 1为：；其中，/>为风电和光伏发电运维消耗资源、为电动车集群向配网付出的充电消耗资源、/>为配网向主网购买电量消耗的资源、为配网源荷调度总消耗资源。
在一种可能的实施方式中，所述日内滚动修正调度模型的目标函数minf 2和minf 3包括：
式中，H为日内调度的时刻总数，为日内优化调度在t时刻的计划值，/>为日前优化调度t时刻的计划值，/>和/>都为小火电机组及储能系统输出功率之和；/>为调整惩罚因子；
式中，为风电和光伏t时刻的出力值，/>为风电和光伏t时刻的并网功率。
第二方面，本发明提供了一种配电网多源协同优化系统，包括：
多源协同策略构建模块，用于构建配电网的多源协同策略；所述多源协同策略的时间尺度包括日前计划和日内滚动修正优化，在日内滚动修正优化调度中，采用预设时间尺度进行滚动预测，将风电、光伏、储能系统及小型火电机组的日前计划量作为日内滚动修正的状态值与滚动修正的预测结果相结合对日内滚动修正预测值进行优化；所述预设时间尺度小于预设值；
资源消耗模型确定模块，用于基于配网源荷调度资源消耗模型确定配网源荷调度总消耗资源，所述配网源荷调度资源消耗模型包括：储能调度消耗资源、小火电机组调度消耗资源、负荷调度消耗资源及电动车集群充电调度消耗资源；
多源协同优化模块，用于建立配电网多源协同优化模型；所述模型包括：日前计划调度模型和日内滚动修正调度模型；所述日前计划调度模型以配网的总运行资源消耗最小为目标，其包括：风电和光伏发电运维消耗资源、电动车集群向配网付出的充电代价、配网向主网获取电量消耗的资源以及配网源荷调度总消耗资源；所述日内滚动修正调度模型以配网源荷出力调整量最小以及风电和光伏消纳率最高为目标，所述配网源荷处理调整量包括小型火电机组和储能系统的日内调度量与日前计划量之间的调整量；以及基于所述配电网多源协同优化模型对配电网进行多源协同优化。
在一种可能的实施方式中，所述资源消耗模型确定模块确定的小火电机组调度消耗资源为：
式中：为小火电机组发电生产消耗资源，/>为小火电机组的运维消耗资源，为小火电机组调度环境消耗资源；
式中：N为小火电机组总数，i表示第i台小火电机组；T为调度周期内的时刻总数，t表示第t时刻；为第i台小火电机组在第t时刻的燃料消耗资源；/>、/>分别为第i台机组在第t时刻的启动消耗资源和停机消耗资源；/>为第i台机组在第t时刻的状态参数，其中，开机和停机状态对应的状态参数值分别为1和0。
在一种可能的实施方式中，所述资源消耗模型确定模块确定的负荷调度消耗资源为：
式中：为平移负荷的补偿消耗资源，/>为负荷削减的补偿消耗资源；其中，可削减负荷的补偿规则为：当削减量达到预设的第一个等级时，按照单位补偿消耗资源为C1进行补偿；当削减量达到预设的第二个等级时，不超过第一等级的削减量按照单位补偿消耗资源为C1补偿，超过第一个等级的部分按照单位补偿消耗资源为C2进行补偿；以此类推，当削减量达到预设的第i个等级时，不超过第i-1个等级的部分按照不同等级对应的单位补偿消耗资源分别进行补偿，超过第i-1级的部分，按照单位补偿消耗资源为Ci进行补偿；且C1、C2...至Ci的值逐渐增加。
在一种可能的实施方式中，所述多源协同优化模块采用的日前计划调度模型的目标函数为：；其中，/>为风电和光伏发电运维消耗资源、/>为电动车集群向配网付出的充电消耗资源、/>为配网向主网购买电量消耗的资源、/>为配网源荷调度总消耗资源。
第三方面，本发明提供一种电子设备，包括：至少一个存储器，用于存储程序；至少一个处理器，用于执行存储器存储的程序，当存储器存储的程序被执行时，处理器用于执行第一方面或第一方面的任一种可能的实施方式所描述的方法。
第四方面，本发明提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实施方式所描述的方法。
第五方面，本发明提供一种计算机程序产品，当计算机程序产品在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实施方式所描述的方法。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
本发明提供一种配电网多源协同优化方法及系统，为解决传统配电网多源协同模型和优化方法精细化控制策略研究的不足，同时考虑多源协同优化日前与日内时间尺度，采用日前计划与日内滚动修正的优化策略，建立双层优化模型，上层模型采用日前调度模式，以配网运行经济性为目标，下层模型采用日内调度模式，以配网源荷出力调整量最小以及新能源消纳率最高为目标；为解决传统配电网多源协同模型和优化方法对于各有源出力考虑不全的问题，建立配网源荷调度成本模型，包含储能调度成本、小火电机组调度成本、负荷调度成本和电动汽车及电瓶车充电集群调度成本。在完善优化策略并构建考虑全面的优化模型后，本发明可以有效解决配网多源协同问题。
附图说明
图1是本发明实施例提供的配电网多源协同优化方法的一种流程图；
图2是本发明实施例提供的配电网多源协同优化方法的另一种流程图；
图3是本发明实施例提供的配电网多源协同优化系统的架构图。
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用以解释本发明，并不用于限定本发明。
为解决现有技术中存在的不足，本发明提供一种配电网多源协同优化方法，考虑多源协同优化的时间尺度包含日前与日内两部分，用日前计划与日内滚动修正的优化策略，并将配网涉及的多种有源出力考虑在内，同时考虑储能，可平移负荷与电动集群，同时考虑小型火电机组的基本调峰公平性，有效解决配网多源协同问题。
图1为本发明实施例提供的配电网协同优化方法的一种流程图；如图1所示，包括以下步骤：
S101，构建配电网的多源协同策略；所述多源协同策略的时间尺度包括日前计划和日内滚动修正优化，在日内滚动修正优化调度中，采用预设时间尺度进行滚动预测，将风电、光伏、储能系统及小型火电机组的日前计划量作为日内滚动修正的状态值与滚动修正的预测结果相结合对日内滚动修正预测值进行优化；所述预设时间尺度小于预设值；
S102，基于配网源荷调度资源消耗模型确定配网源荷调度总消耗资源，所述配网源荷调度资源消耗模型包括：储能调度消耗资源、小火电机组调度消耗资源、负荷调度消耗资源及电动车集群充电调度消耗资源；
S103，建立配电网多源协同优化模型；所述模型包括：日前计划调度模型和日内滚动修正调度模型；所述日前计划调度模型以配网的总运行资源消耗最小为目标，其包括：风电和光伏发电运维消耗资源、电动车集群向配网付出的充电代价、配网向主网获取电量消耗的资源以及配网源荷调度总消耗资源；所述日内滚动修正调度模型以配网源荷出力调整量最小以及风电和光伏消纳率最高为目标，所述配网源荷处理调整量包括小型火电机组和储能系统的日内调度量与日前计划量之间的调整量；
S104，基于所述配电网多源协同优化模型对配电网进行多源协同优化。
需要说明的是，本发明中提到的“消耗资源”在具体的场景中指的是成本、代价或者费用。为表述更加形象化，以下实施例对此进行展开说明。
在一个更为具体的实施例中，本发明提供一种具体的配电网协同优化方法流程图，如图2所示，具体包括以下步骤：
步骤1，构建日前预测-日内滚动修正的配电网多源协同策略。在日内优化调度中，采用短时间尺度96时段进行滚动预测，对风电、光伏出力、储能系统和小型火电机组，将日前调度的计划量作为状态值与滚动预测的结果相结合进行优化。对负荷和电动车集群集群的计划出力值不再优化。对预测修正参数每15min进行一次修正。
步骤2，建立配网源荷调度成本模型，包含储能调度成本、小火电机组调度成本、负荷调度成本和电动汽车及电瓶车充电集群调度成本。
储能调度成本：
式中：为储能调度成本，/>为单位输出功率下储能的运维成本，/>为储能第t时刻输出的功率；/>为单位时间内消耗的使用寿命成本。
小火电机组调度成本：
式中：为小火电机组调度成本，/>为小火电机组发电生产成本，/>为小火电机组的运维成本，/>为环境成本。
式中：N为机组总数；i表示第i台机组（i=1,2,…,N）；T为调度周期内的时刻总数；t表示第t时刻（t=1,2,…,T）；为第i台机组在第t时刻的燃料成本；/>、/>分别为第i台机组在第t时刻的启动成本和停机成本；/>为第i台机组在第t时刻的状态参数，1表示开机状态，0表示停机状态。
具体地，可平移负荷按照同电网签订的补偿合同进行补偿，按照合同所约定的补偿价格进行计算；可削减负荷则按照阶梯补偿价格进行补偿，因此负荷调度成本为：
式中：为负荷调度成本，/>为平移负荷的补偿成本，/>为负荷削减的补偿成本。
可削减负荷补偿规则为：当削减量达到第一个等级时，补偿费用按照C1进行补偿；当削减量达到第二个等级时，不超过第一等级的削减量按照C1补偿，超过第一个等级的部分按照C1进行补偿；以此类推，当削减量达到第i个等级时，不超过第i-1个等级的部分按照不同的等级进行补偿，超过第i-1级的部分，按照Ci进行补偿。(C1<C2<C3…<Ci)。
电动集群调度成本为：
式中：为电动集群调度成本，/>为电动集群在第t时刻输出的功率，/>为电动集群单位功率下的补偿成本。
步骤3，建立配电网多源协同优化双层模型，上层模型采用日前调度模式，以配网运行经济性为目标。
上层规划考虑配网的经济性，因此目标函数建立为总运行成本（包括新能源发电运维成本、电动集群向配网支付的充电费用/>、配网向主网购买电量的成本/>、步骤2中的可控调度成本总和/>）最小，采用日前调度优化策略，具体表示为：
式中：可控调度成本总和。
上层规划的约束条件包括配网功率平衡约束、小火电机组出力上下限及爬坡约束、可平移负荷功率平移约束、可削减负荷可调功率上下限约束、电动集群充放电功率及电量约束、储能充放电电量及功率上下限约束、节点电压约束。
其中，功率平衡约束为等式约束，源测除包含新能源、储能、小火电机组出力外，还包括电动集群向配网放电功率、主网向配网提供的功率以及可削减负荷削减的功率，负荷侧则为负荷用电功率以及网损。
其中，小型火电机组基本调峰公平性方案采用轮换制方式，即部分机组参与调整。在一定的时间尺度内部分机组出力值相对稳定，其他机组参与调整。在系统实际运行中，为消纳风电及光伏出力，在风电大发期应使得所有机组都参与调整以保障相对公平并增大系统调峰空间。风电出力有夜间多发的特点，因此不参与本次调整机组实际稳定出力时间段应为去除两端夜间风电出力后的中间部分。对于稳定出力的值，应视所处地区风电与分布式光伏装机规模与实际并网出力大小而定，并应取的尽量靠近各机组最大容量，使系统运行在最佳工作点。
步骤4，建立配电网多源协同优化双层模型，下层模型采用日内调度模式，以配网源荷出力调整量最小以及新能源消纳率最高为目标。
下层规划目标一考虑小型火电机组和储能系统的日内调度量与日前计划调度量的调整量最小，目标二考虑新能源消纳率最大。
因此建立下层目标函数一为：
式中：为日内优化调度在t时刻的计划值，/>为日前优化调度t时刻的计划值，二者都由小火电机组及储能输出功率之和；/>为调整惩罚因子。
下层目标函数二为：
式中：为新能源t时刻的出力值，/>为新能源t时刻的消纳值即t时刻的并网功率。
下层规划的约束条件包括配网功率平衡约束、小火电机组出力上下限及爬坡约束、储能充放电电量及功率上下限约束、节点电压约束。
其中，功率平衡约束为等式约束，源测包含新能源、储能、小火电机组出力、主网向配网提供的功率以及可削减负荷削减的功率，负荷侧则为负荷用电功率以及网损。
图3是本发明实施例提供的配电网多源协同优化系统的架构图；如图3所示，包括：
多源协同策略构建模块310，用于构建配电网的多源协同策略；所述多源协同策略的时间尺度包括日前计划和日内滚动修正优化，在日内滚动修正优化调度中，采用预设时间尺度进行滚动预测，将风电、光伏、储能系统及小型火电机组的日前计划量作为日内滚动修正的状态值与滚动修正的预测结果相结合对日内滚动修正预测值进行优化；所述预设时间尺度小于预设值；
资源消耗模型确定模块320，用于基于配网源荷调度资源消耗模型确定配网源荷调度总消耗资源，所述配网源荷调度资源消耗模型包括：储能调度消耗资源、小火电机组调度消耗资源、负荷调度消耗资源及电动车集群充电调度消耗资源；
多源协同优化模块330，用于建立配电网多源协同优化模型；所述模型包括：日前计划调度模型和日内滚动修正调度模型；所述日前计划调度模型以配网的总运行资源消耗最小为目标，其包括：风电和光伏发电运维消耗资源、电动车集群向配网付出的充电代价、配网向主网获取电量消耗的资源以及配网源荷调度总消耗资源；所述日内滚动修正调度模型以配网源荷出力调整量最小以及风电和光伏消纳率最高为目标，所述配网源荷处理调整量包括小型火电机组和储能系统的日内调度量与日前计划量之间的调整量；以及基于所述配电网多源协同优化模型对配电网进行多源协同优化。
需要说明的是，上述模块功能的具体实现方式可参见前述方法实施例中的介绍，在此不做赘述。
应当理解的是，上述系统用于执行上述实施例中的方法，系统中相应的程序模块，其实现原理和技术效果与上述方法中的描述类似，该系统的工作过程可参考上述方法中的对应过程，此处不再赘述。
基于上述实施例中的方法，本发明实施例提供了一种电子设备。该设备可以包括：至少一个用于存储程序的存储器和至少一个用于执行存储器存储的程序的处理器。其中，当存储器存储的程序被执行时，处理器用于执行上述实施例中所描述的方法。
基于上述实施例中的方法，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行上述实施例中的方法。
基于上述实施例中的方法，本发明实施例提供了一种计算机程序产品，当计算机程序产品在处理器上运行时，使得处理器执行上述实施例中的方法。
可以理解的是，本发明的实施例中的处理器可以是中央处理单元(centralprocessing unit，CPU)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件，硬件部件或者其任意组合。通用处理器可以是微处理器，也可以是任何常规的处理器。
本发明的实施例中的方法步骤可以通过硬件的方式来实现，也可以由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器(random access memory，RAM)、闪存、只读存储器(read-only memory，ROM)、可编程只读存储器(programmable rom，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
可以理解的是，在本发明的实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本发明的实施例的范围。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种配电网多源协同优化方法，其特征在于，包括以下步骤：
构建配电网的多源协同策略；所述多源协同策略的时间尺度包括日前计划和日内滚动修正优化，在日内滚动修正优化调度中，采用预设时间尺度进行滚动预测，将风电、光伏、储能系统及小型火电机组的日前计划量作为日内滚动修正的状态值与滚动修正的预测结果相结合对日内滚动修正预测值进行优化；
基于配网源荷调度资源消耗模型确定配网源荷调度总消耗资源，所述配网源荷调度资源消耗模型包括：储能调度消耗资源、小火电机组调度消耗资源、负荷调度消耗资源及电动车集群充电调度消耗资源；
建立配电网多源协同优化模型；所述模型包括：日前计划调度模型和日内滚动修正调度模型；所述日前计划调度模型以配网的总运行资源消耗最小为目标，其包括：风电和光伏发电运维消耗资源、电动车集群向配网付出的充电消耗资源、配网向主网获取电量消耗的资源以及配网源荷调度总消耗资源；所述日内滚动修正调度模型以配网源荷出力调整量最小以及风电和光伏消纳率最高为目标，所述配网源荷出力调整量包括小型火电机组和储能系统的日内调度量与日前计划量之间的调整量；
基于所述配电网多源协同优化模型对配电网进行多源协同优化。
2.根据权利要求1所述的方法，其特征在于，所述小火电机组调度消耗资源为：
式中：为小火电机组发电生产消耗资源，/>为小火电机组的运维消耗资源，/>为小火电机组调度环境消耗资源；
式中：N为小火电机组总数，i表示第i台小火电机组；T为调度周期内的时刻总数，t表示第t时刻；为第i台小火电机组在第t时刻的燃料消耗资源；/>、/>分别为第i台机组在第t时刻的启动消耗资源和停机消耗资源；/>为第i台机组在第t时刻的状态参数，/>为第i台机组在第t-1时刻的状态参数，其中，开机和停机状态对应的状态参数值分别为1和0。
3.根据权利要求1所述的方法，其特征在于，所述负荷调度消耗资源为：
式中：为平移负荷的补偿消耗资源，/>为负荷削减的补偿消耗资源；其中，可削减负荷的补偿规则为：当削减量达到预设的第一个等级时，按照单位补偿消耗资源为C1进行补偿；当削减量达到预设的第二个等级时，不超过第一等级的削减量按照单位补偿消耗资源为C1补偿，超过第一个等级的部分按照单位补偿消耗资源为C2进行补偿；以此类推，当削减量达到预设的第i个等级时，不超过第i-1个等级的部分按照不同等级对应的单位补偿消耗资源分别进行补偿，超过第i-1级的部分，按照单位补偿消耗资源为Ci进行补偿；且C1、C2...至Ci的值逐渐增加。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述日前计划调度模型的目标函数minf 1为：；其中，/>为风电和光伏发电运维消耗资源、/>为电动车集群向配网付出的充电消耗资源、/>为配网向主网购买电量消耗的资源、/>为配网源荷调度总消耗资源。
5.根据权利要求1至3任一项所述的方法，其特征在于，所述日内滚动修正调度模型的目标函数minf 2和minf 3包括：
式中，H为日内调度的时刻总数，为日内优化调度在t时刻的计划值，/>为日前优化调度t时刻的计划值，/>和/>都为小火电机组及储能系统输出功率之和；/>为调整惩罚因子；
式中，为风电和光伏t时刻的出力值，/>为风电和光伏t时刻的并网功率。
6.一种配电网多源协同优化系统，其特征在于，包括：
多源协同策略构建模块，用于构建配电网的多源协同策略；所述多源协同策略的时间尺度包括日前计划和日内滚动修正优化，在日内滚动修正优化调度中，采用预设时间尺度进行滚动预测，将风电、光伏、储能系统及小型火电机组的日前计划量作为日内滚动修正的状态值与滚动修正的预测结果相结合对日内滚动修正预测值进行优化；
资源消耗模型确定模块，用于基于配网源荷调度资源消耗模型确定配网源荷调度总消耗资源，所述配网源荷调度资源消耗模型包括：储能调度消耗资源、小火电机组调度消耗资源、负荷调度消耗资源及电动车集群充电调度消耗资源；
多源协同优化模块，用于建立配电网多源协同优化模型；所述模型包括：日前计划调度模型和日内滚动修正调度模型；所述日前计划调度模型以配网的总运行资源消耗最小为目标，其包括：风电和光伏发电运维消耗资源、电动车集群向配网付出的充电消耗资源、配网向主网获取电量消耗的资源以及配网源荷调度总消耗资源；所述日内滚动修正调度模型以配网源荷出力调整量最小以及风电和光伏消纳率最高为目标，所述配网源荷出力调整量包括小型火电机组和储能系统的日内调度量与日前计划量之间的调整量；以及基于所述配电网多源协同优化模型对配电网进行多源协同优化。
7.根据权利要求6所述的系统，其特征在于，所述资源消耗模型确定模块确定的小火电机组调度消耗资源为：
式中：为小火电机组发电生产消耗资源，/>为小火电机组的运维消耗资源，/>为小火电机组调度环境消耗资源；
式中：N为小火电机组总数，i表示第i台小火电机组；T为调度周期内的时刻总数，t表示第t时刻；为第i台小火电机组在第t时刻的燃料消耗资源；/>、/>分别为第i台机组在第t时刻的启动消耗资源和停机消耗资源；/>为第i台机组在第t时刻的状态参数，/>为第i台机组在第t-1时刻的状态参数，其中，开机和停机状态对应的状态参数值分别为1和0。
8.根据权利要求6所述的系统，其特征在于，所述资源消耗模型确定模块确定的负荷调度消耗资源为：
式中：为平移负荷的补偿消耗资源，/>为负荷削减的补偿消耗资源；其中，可削减负荷的补偿规则为：当削减量达到预设的第一个等级时，按照单位补偿消耗资源为C1进行补偿；当削减量达到预设的第二个等级时，不超过第一等级的削减量按照单位补偿消耗资源为C1补偿，超过第一个等级的部分按照单位补偿消耗资源为C2进行补偿；以此类推，当削减量达到预设的第i个等级时，不超过第i-1个等级的部分按照不同等级对应的单位补偿消耗资源分别进行补偿，超过第i-1级的部分，按照单位补偿消耗资源为Ci进行补偿；且C1、C2...至Ci的值逐渐增加。
9.根据权利要求6至8任一项所述的系统，其特征在于，所述多源协同优化模块采用的日前计划调度模型的目标函数minf 1为：；其中，为风电和光伏发电运维消耗资源、/>为电动车集群向配网付出的充电消耗资源、为配网向主网购买电量消耗的资源、/>为配网源荷调度总消耗资源。
10.一种电子设备，其特征在于，包括：
至少一个存储器，用于存储程序；
至少一个处理器，用于执行所述存储器存储的程序，当所述存储器存储的程序被执行时，所述处理器用于执行如权利要求1-5任一所述的方法。
CN202311366991.0A 2023-10-20 2023-10-20 一种配电网多源协同优化方法及系统 Active CN117096957B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311366991.0A CN117096957B (zh) 2023-10-20 2023-10-20 一种配电网多源协同优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311366991.0A CN117096957B (zh) 2023-10-20 2023-10-20 一种配电网多源协同优化方法及系统

Publications (2)

Publication Number Publication Date
CN117096957A CN117096957A (zh) 2023-11-21
CN117096957B true CN117096957B (zh) 2023-12-26

Family

ID=88783348

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311366991.0A Active CN117096957B (zh) 2023-10-20 2023-10-20 一种配电网多源协同优化方法及系统

Country Status (1)

Country Link
CN (1) CN117096957B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107528345A (zh) * 2017-09-30 2017-12-29 国电南瑞科技股份有限公司 一种多时间尺度的网源荷储协调控制方法
CN110112767A (zh) * 2019-03-19 2019-08-09 华北电力大学 广域多形态需求侧负荷参与系统调峰的荷源优化控制方法
CN110957807A (zh) * 2019-10-09 2020-04-03 清华大学 分布式能源的配电网能量信息管控系统及方法
CN112465181A (zh) * 2020-09-11 2021-03-09 国网天津市电力公司电力科学研究院 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法
CN113346555A (zh) * 2021-05-25 2021-09-03 西安交通大学 一种考虑电量协调的日内滚动调度方法
CN116191505A (zh) * 2022-12-01 2023-05-30 国电南瑞南京控制系统有限公司 一种低压台区源荷储充全局动态互动的调节方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107528345A (zh) * 2017-09-30 2017-12-29 国电南瑞科技股份有限公司 一种多时间尺度的网源荷储协调控制方法
CN110112767A (zh) * 2019-03-19 2019-08-09 华北电力大学 广域多形态需求侧负荷参与系统调峰的荷源优化控制方法
CN110957807A (zh) * 2019-10-09 2020-04-03 清华大学 分布式能源的配电网能量信息管控系统及方法
CN112465181A (zh) * 2020-09-11 2021-03-09 国网天津市电力公司电力科学研究院 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法
CN113346555A (zh) * 2021-05-25 2021-09-03 西安交通大学 一种考虑电量协调的日内滚动调度方法
CN116191505A (zh) * 2022-12-01 2023-05-30 国电南瑞南京控制系统有限公司 一种低压台区源荷储充全局动态互动的调节方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Oveis Abedinia,et al..Synergizing Efficient Optimal Energy Hub Design for Multiple Smart Energy System Players and Electric Vehicles.《IEEE》.2023,第116650-116664页. *

Also Published As

Publication number Publication date
CN117096957A (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
CN108879746B (zh) 基于多时间尺度需求响应的集中式混合储能协调控制方法
CN109245183B (zh) 一种基于负荷控制的高风光渗透率地区电网调峰方法
CN114336702B (zh) 基于双层随机规划的风光储场站群功率分配协同优化方法
CN112803446B (zh) 基于客户侧需求响应的多能优化控制方法及控制系统
CN114825469B (zh) 一种分布式电源集群出力评估方法及系统
CN107994618B (zh) 配电网级光储集群的有功功率调度方法和配电网测控设备
Zhu et al. Optimal design and management of a smart residential PV and energy storage system
CN112531773B (zh) 一种新能源发电系统及其能量调控方法及装置
CN112510683B (zh) 考虑源荷不确定性的增量配电网灵活性资源配置方法
TWI725606B (zh) 電動車充電站分散式電能管理方法
CN117096957B (zh) 一种配电网多源协同优化方法及系统
CN117239771A (zh) 一种综合能源系统中的负荷柔性调度方法及系统
CN116805192A (zh) 考虑最优弃能率的综合能源系统双层规划优化方法及应用
CN116191505A (zh) 一种低压台区源荷储充全局动态互动的调节方法及装置
CN107453409B (zh) 一种基于短周期均值方差的新能源储能配置优化方法
Niu et al. Research on capacity allocation of optical storage system based on supply demand balance under the background of green power trading
CN117196173B (zh) 一种考虑运行风险和网络传输的虚拟电厂分布式调度方法
CN108183498A (zh) 一种含风光储配电网背景下的车储混合配置方法
Kong et al. Research on Multi-objective Optimization Dispatching Scheme Based on High-energy Load
CN117013926A (zh) 一种光伏储能控制系统及方法
Tao et al. Optimal Dispatch of Inter-regional Wind Power Consumption Based On Grid-wide Coordination and Multi-time Scale
Li et al. Optimal Control Strategy of Wind-Storage Combined System Participating in Frequency Regulation Based on Bollinger Bands
Xu et al. Theoretical research on carbon emission factors of distributed smart distribution network under high proportion of renewable energy access
Sun et al. Optimal Capacity Configuration of Energy Storage in PV Plants Considering Multi-Stakeholders
Gao et al. Optimized control strategy of green buildings with PV generation and energy storage integration

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