CN117353395A - 一种分布式优化调度方法、系统、设备及存储介质 - Google Patents
一种分布式优化调度方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN117353395A CN117353395A CN202311643930.4A CN202311643930A CN117353395A CN 117353395 A CN117353395 A CN 117353395A CN 202311643930 A CN202311643930 A CN 202311643930A CN 117353395 A CN117353395 A CN 117353395A
- Authority
- CN
- China
- Prior art keywords
- grid
- micro
- power
- representing
- distribution network
- 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 117
- 230000005611 electricity Effects 0.000 claims abstract description 159
- 238000005457 optimization Methods 0.000 claims abstract description 93
- 230000003993 interaction Effects 0.000 claims abstract description 41
- 230000033228 biological regulation Effects 0.000 claims abstract description 30
- 238000004146 energy storage Methods 0.000 claims description 178
- 230000008569 process Effects 0.000 claims description 35
- 239000003990 capacitor Substances 0.000 claims description 25
- 230000008878 coupling Effects 0.000 claims description 25
- 238000010168 coupling process Methods 0.000 claims description 25
- 238000005859 coupling reaction Methods 0.000 claims description 25
- 239000007789 gas Substances 0.000 claims description 25
- 230000003068 static effect Effects 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000007599 discharging Methods 0.000 claims description 14
- 238000010561 standard procedure Methods 0.000 claims description 14
- 230000002452 interceptive effect Effects 0.000 claims description 13
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 12
- 230000001105 regulatory effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 239000003345 natural gas Substances 0.000 claims description 6
- 239000002737 fuel gas Substances 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 230000009194 climbing Effects 0.000 claims description 4
- 238000005338 heat storage Methods 0.000 claims description 4
- 101100379081 Emericella variicolor andC gene Proteins 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000002040 relaxant effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 239000000243 solution Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- 241001604129 Polydactylus Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- H02J3/12—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
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Power Engineering (AREA)
- Accounting & Taxation (AREA)
- Mathematical Analysis (AREA)
- Public Health (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开实施例涉及电网领域,公开了一种分布式优化调度方法、系统、设备及存储介质,所述方法包括:建立并求解综合能源微网的日前优化控制模型,获得综合能源微网的购售电需求;建立并求解智能配电网的日前优化调度模型,根据求解结果判断智能配电网是否能全额满足综合能源微网的购售电需求;当智能配电网不能全额满足综合能源微网的购售电需求时,调整所述智能配电网的日前优化调度模型,开展松弛优化并制定联络线交互功率上限;本公开的示例性实施例,以联络线交互功率是否发生调整为关键信息,循环调整微网与配电网的调控方案直至满足优化控制的收敛判据。
Description
技术领域
本公开实施例涉及电网技术领域,具体涉及一种考虑综合能源微网多节点并网的智能配电网分布式优化调度方法、系统、设备及存储介质。
背景技术
综合能源微网是风电、光伏、燃气轮机、各类储能等设备的有效管理单元,其内部可以实现多类型能源设备的耦合运行,通过控制并网点处联络线上功率的双向灵活流动,还可以与外部的配电网实现高效互动运行,成为能源领域广泛关注的热点。据调研,配电网目前一般只为每个微网分配一个并网点,但是随着分布式电源装机容量的不断增加,综合能源微网与配电网之间的功率交互需求也逐渐增长,有限的并网容量很可能会限制综合能源微网的时空灵活性,从而制约清洁电能的消纳,需要探索满足分布式电源发展需求的更先进的并网模式。此外,综合能源微网的运行具有自主性,配电网侧存在越来越丰富的灵活资源,需要设计合理的信息交互机制,才能在保护综合能源微网运行隐私的前提下,实现双方的协调优化运行。由此可见,亟需探索含多综合能源微网的智能配电网分布式优化调度方法。
微网外特性各异且通常自主运行,调度中心难以直接控制微网内的设备,综合微网的接入会降低配电系统的可观性和可控性,微网内部的控制方案是用户的隐私信息,配电网调度中心无权限进行直接控制,影响电网安全经济运行。在含高比例新能源的智能配电网中,分布式电源的规模大,传统集中式统一调度模型将面临变量维数高,计算效率低等问题。目前关于如何进行微网和配电网的协调最优运行已有较多相关研究,可以建立双层控制模型,上层以配电网为控制对象优化得到配电网和微网之间的交换功率,下层以微网为控制对象得到成本最优的运行方案。已有研究在制定联络线上的功率交互方案时,往往会为了配电网的经济性目标而一定程度上导致较多的弃风弃光。
在未来的智能配电网环境下,源、网、荷各侧均存在灵活资源。分布式发电、电储能及综合能源等技术的应用促进了配电网能量来源的清洁化和多元化,一次电气网络中的电力电子应用、二次信息网络的全覆盖等因素大幅提升了配电网智能化,在智能配电网环境下,综合能源微网的运行可行域更大,提升综合能源微网的时间灵活性。比如通过负荷的管理可以控制使负荷适应分布式电源出力波动,从而促进新能源的消纳,降低供电成本。各种灵活资源对配电网中可再生能源的消纳、供电经济性和电压质量等方面都有不同程度的提升作用,而已有研究进行智能配电网调度时未充分考虑各种灵活资源。
综上所述,在综合能源微网单点并网的情况下,在风光资源丰富的地区,很可能会因线路潮流越限而导致过多的弃风弃光,而目前的分布式调度方法未能充分考虑配电网对可再生能源的消纳责任。
发明内容
本公开实施例提供一种分布式优化调度方法、系统、设备及存储介质,以解决或缓解现有技术中的以上一个或多个技术问题。
根据本公开的一个方面,提供一种分布式优化调度方法,包括:
建立综合能源微网的多节点并网模型;
基于所述综合能源微网的多节点并网模型,建立综合能源微网的日前优化控制模型,求解所述综合能源微网的日前优化控制模型,获得综合能源微网的购售电需求,并上报至电网调控中心;
建立并求解智能配电网的日前优化调度模型,根据智能配电网的日前优化调度模型的求解结果,判断智能配电网是否能全额满足综合能源微网的购售电需求;
当智能配电网不能全额满足综合能源微网的购售电需求时,通过电网调控中心调整所述智能配电网的日前优化调度模型,开展松弛优化并制定联络线交互功率上限;
根据所述联络线交互功率上限,调整并求解综合能源微网的日前优化控制模型,获得调整后的综合能源微网的购售电需求;
反复迭代智能配电网和综合能源微网的调度结果,输出智能配电网和综合能源微网的优化调控方案。
在一种可能的实现方式中,建立综合能源微网的多节点并网模型包括:
确定综合能源微网的并网节点数量;
设计综合能源微网内的多母线拓扑结构;
确定综合能源微网的可控制设备集合;
根据所述并网节点数量、多母线拓扑结构和可控制设备集合,形成综合能源微网的多节点并网模型。
在一种可能的实现方式中,综合能源微网的控制中心可调节的功率包括:
综合能源微网与智能配电网之间联络线上的购电功率和售电功率,和分别表示综合能源微网在智能配电网节点i处时刻t从智能配电网的购电功率和售电功率;
综合能源微网内产能设备的出力,所述产能设备包括燃气轮机、柴油发电机和燃气锅炉,S gen,t表示产能设备在t时刻的起停状态,P gen,out,t表示产能设备在t时刻的输出,所述综合能源微网存在运行约束:;式中,表示综合能源微网内的第r台可再生能源机组的预测最大出力;表示第r台可再生能源机组的实际出力;
综合能源微网内储能设备的充放功率,表示第k条母线与电储能设备的交互功率,以储能放电为正,充电为负,为热储能的最大充/放能功率,为冷储能的最大充/放能功率,以储能放能为正,充能为负;
综合能源微网内能量耦合设备的功率,所述能量耦合设备包括余热锅炉、电锅炉、吸收式制冷机和电制冷机,P tra,out,t和P tra,in,t分别表示能量耦合设备在t时刻输出和输入;
综合能源微网的控制中心还可调节分布式电源的连接方案。
在一种可能的实现方式中,建立并求解综合能源微网的日前优化控制模型包括:
制定综合能源微网的优化控制目标;
确定综合能源微网的运行约束;
根据所述综合能源微网的优化控制目标和综合能源微网的运行约束建立综合能源微网的日前优化控制模型。
在一种可能的实现方式中,所述综合能源微网的优化控制目标为:
;
式中,F MG表示微电网的总运行成本,f DN表示微网与配电网之间的功率交互成本,f BS1表示微网侧储能的调用成本,f DI表示柴油机的运行成本,f GAS表示燃气使用成本,f LO表示联络线上的功率损耗成本,t表示某一时刻,T表示所有时刻,S MG表示配电系统中微网并网节点的集合;C t,buy和C t,sell分别表示在时刻t购电和售电的分时电价,和分别表示在t购电和售电的功率,C BS1表示微网侧电储能交互电量1kWh时的调用成本;BU为微网内与储能有连接关系的母线集合,表示第k条母线与电储能设备的交互功率,以储能放电为正,充电为负,i和k存在一一对应关系,P DI,t表示微网柴油机组在时刻t的出力,、b DI和c DI分别表示柴油机组相应的成本系数,C ch为天然气单价,Q ch为天然气的热值,P mt,t为微型燃气轮机输出电功率,为其燃气转换电能的效率,H gb,t为微网燃气锅炉输出热功率,为其效率,为节点i在t时刻电压值的平方,R代表微网侧汇流线路和逆变器的等效电阻。
在一种可能的实现方式中,所述综合能源微网的运行约束包括:
产能设备运行约束:
;
式中,S gen,t表示产能设备在t时刻的起停状态;P gen,out,t是产能设备在t时刻的输出;是产能设备在t-1时刻的输出;Pgen,out,max和Pgen,out,min表示产能设备在t时刻的最大和最小输出;Pgen,lan为设备的滑坡限值,为负数;P gen,cli为设备的爬坡限值,为正数;
能量耦合设备运行约束:
;
式中,S tra,t表示能量耦合设备在t时刻的开停状态;P tra,out,t和P tra,in,t分别表示能量耦合设备在t时刻输出和输入;P tra,in,max和P tra,in,min分别表示能量耦合设备的最大和最小输入;为能量转换效率;
储能设备运行约束,所述储能设备运行约束包括电储能运行约束、热储能和冷储能运行约束,电储能运行约束为:
;
式中,表示微网侧电储能设备在时刻t+1的剩余电量;表示微网侧电储能设备在时刻t的剩余电量;表示仿真步长;BU为微网内与储能有连接关系的母线集合;k表示为微网内与储能有连接关系的其中一条母线;表示第k条母线与电储能设备的交互功率;k soc,m1和k soc,M1分别表示电储能的最小和最大荷电状态;E BS1为电储能的装机容量;为通过微网内第k条母线和电储能的最大交互功率;表示一个调度周期内初始时刻的储能电量;表示一个调度周期内最后时刻的储能电量;
热储能运行约束为:
;
式中,表示微网热储能在时刻t+1的剩余能量;表示微网热储能在时刻t的剩余能量;表示仿真步长;k min和k max分别表示热储能的最小和最大系数;为热储能的装机容量;为热储能的最大充/放能功率,为热储能在时刻t的充/放能功率,以储能放能为正,充能为负;表示一个调度周期内初始时刻的热储能能量,表示一个调度周期内最后时刻的热储能能量;
冷储能运行约束为:
;
式中,表示微网冷储能在时刻t+1的剩余能量;表示微网冷储能在时刻t的剩余能量;表示仿真步长;k min和k max分别表示冷储能的最小和最大系数;为冷储能的装机容量;为冷储能的最大充/放能功率,为冷储能在时刻t的充/放能功率,以储能放能为正,充能为负;表示一个调度周期内初始时刻的冷储能能量,表示一个调度周期内最后时刻的冷储能能量;
联络线容量约束:
;
式中,和表示微网购售电状态的0-1变量;和分别表示在t购电和售电的功率;为微网和配电网之间联络线的最大容量;
;
式中,和分别表示在t购电和售电的功率;和分别表示智能配电网在时刻t从节点i处的微网购电和向节点i处的微网售电的功率;
功率平衡约束:
;
式中,和分别表示在t购电和售电的功率;表示第r台可再生能源机组的实际出力;S i为通过母线与配电网节点i相连的可再生能源机组集合;r为通过母线与配电网节点i相连的其中一个可再生能源机组;表示第i条母线与电储能设备的交互功率;表示微网柴油机组在时刻t的出力;表示微型燃气轮机输出电功率;、和分别代表电负荷、热负荷和冷负荷;和分别代表电锅炉和电制冷机的输入功率;、、和分别代表电锅炉、燃气锅炉、余热锅炉和电制冷机输出功率;和分别表示热储能和冷储能的输出功率;和分别表示吸收式制冷机的输入和输出功率。
在一种可能的实现方式中,建立并求解智能配电网的日前优化调度模型,根据求解结果判断智能配电网是否能全额满足综合能源微网的购售电需求包括:
根据综合能源微网的购售电需求,更新智能配电网的节点功率;
建立不计及静态安全约束的智能配电网日前优化调度模型;
基于负荷和风光出力预测值,求解所述智能配电网日前优化调度模型,根据求解结果判断智能配电网是否存在电压和功率越线。
在一种可能的实现方式中,根据综合能源微网的购售电需求,更新智能配电网的节点功率包括:
当综合能源微网从智能配电网购电时,节点i的有功功率增加,由更新为+;
当综合能源微网向智能配电网售电时,节点i的有功功率减少,由更新为-。
在一种可能的实现方式中,建立不计及静态安全约束的智能配电网日前优化调度模型包括:
设定智能配电网的日前优化控制目标:
;
其中,和分别表示经济性和电压质量的权重因子;C 1表示运行成本效益;C 2表示网损成本;C 3表示需求响应调用成本;C 4表示集中式储能损耗成本;表示电压偏差指标;
运行成本效益C 1的计算公式为:
;
其中,和代表在时刻t配电网运营商从上级电网购电和售电的功率,和分别表示在时刻t购电和售电的分时电价;
网损成本C 2的计算公式为:
;
其中,代表配电网中所有的支路集合;代表以节点i为首端,以节点j为末端的支路电阻;代表以节点i为首端,以节点j为末端的t时刻支路电流的平方值;C t代表单位网损的费用;
需求响应调用成本C 3的计算公式为:
;
其中,代表时刻t对进行需求响应用户的单位补偿电价;D表示与电网公司签订响应合约的用户集;代表时刻t未参与需求响应的节点i上用户的原始负荷;代表电负荷;
集中式储能损耗成本C 4的计算公式为:
;
其中,C BS2表示集中式储能交互功率1kWh的运行费用;表示i节点上集中式储能的功率,以放电为正,充电为负;
电压偏差指标的计算公式为:
;
其中,和分别表示在时刻t节点i的电压和额定电压;n表示节点的集合;表示节点i的电压在时刻t的偏移量绝对值。
在一种可能的实现方式中,建立不计及静态安全约束的智能配电网日前优化调度模型包括:
建立智能配电网的日前优化调度约束,智能配电网的日前优化调度约束包括:
节点注入功率平衡约束:
;
;
其中,代表电负荷;和分别表示在t购电和售电的功率;表示i节点上集中式储能的功率,以放电为正,充电为负;代表以节点i为首端,以节点j为末端的支路电阻;代表以节点i为首端,以节点j为末端的t时刻支路电流的平方值;表示代表从节点j流向节点k的t时刻支路有功功率;表示代表从节点j流向节点k的t时刻支路无功功率;和分别代表从节点j流向节点i的t时刻支路有功和无功功率;代表以节点i和节点j之间的支路电抗;H(i)代表与节点i相关联的节点集合;代表时刻t节点i处的无功负荷;代表时刻t配电网运营商在节点i配置的储能的无功出力;代表时刻t节点i处分组电容器的无功出力;表示时刻t节点i处静态无功发生器的出力;S(i)表示通过SOP与节点i相连的节点集合;和分别表示节点m通过SOP设备在时刻t向节点i流进的有功和无功功率,以功率流入记为正;
相邻节点之间电压降的约束条件:
;
锥形式的约束条件:
;
其中,和分别表示以节点i为首段,以节点j为末端的支路首末节点电压的平方值;表示节点i和节点j之间的支路电阻;和分别代表从节点j流向节点i的t时刻支路有功和无功功率;代表节点i和节点j之间的支路电抗;代表以节点i为首端,以节点j为末端的t时刻支路电流的平方值;
SOP的容量约束条件:
;
其中,表示与节点i直接相连SOP的视在容量;和分别表示节点m通过SOP设备在时刻t向节点i流进的有功和无功功率,以功率流入记为正;
智能配电网的购电上限约束条件:
;
其中,和分别表示智能配电网在时刻t从节点i处的微网购电和向节点i处的微网售电的功率;和分别表示在t购电和售电的功率;
根节点电压约束条件:
;
其中,和分别为有载调压变压器可调变比上、下限的平方;为有载调压变压器可调变比的平方;表示有载调压变压器档位与档位变比平方的差值;表示变压器分接头投切情况的0-1变量;表示配网根节点电压值的平方;表示配网根节点电压值的平方;
电容器约束条件:
;
其中,表示节点i处单个电容器无功出力;表示节点i处在时刻t时的无功总出力;表示节点i处时刻t电容器投入运行组数;和表示节点i处电容器最小/大数量;表示调度周期内电容器的最大调整次数;表示节点i在时刻t电容器投切组数是否改变的0-1变量;表示节点i处时刻t-1电容器投入运行组数;
静止无功发生器约束条件:
;
其中,代表静态无功发生器的无功出力极限;表示时刻t节点i处静态无功发生器的出力;
储能设备损耗约束条件:
;
其中,和分别代表节点i处配电网运营商所属储能发出无功功率极限和储能电源视在容量;代表节点i处储能在时刻t的能量损耗;为接入节点i上储能系统的损耗系数;和分别表示集中式电储能设备剩余电量的最小/大系数;表示配电网运营商所属储能的无功输出;表示配电网运营商所属储能的有功输出;
需求侧响应约束条件:
;
其中,和分别表示负荷转移深度;代表时刻t未参与需求响应的节点i上用户的原始负荷;代表电负荷。
在一种可能的实现方式中,当智能配电网不能全额满足综合能源微网的购售电需求时,调整所述智能配电网的日前优化调度模型,开展松弛优化并制定联络线交互功率上限包括:
松弛综合能源微网的购售电需求:
;
其中,和分别表示智能配电网从节点i处在时刻t的购电功率和售电功率;和分别表示在t购电和售电的功率;
更新智能配电网的节点功率:当综合能源微网向智能配电网购电时,节点i的有功功率由变为+;综合能源微网向智能配电网售电时,节点i的有功功率减少,由变为-;
在智能配电网日前优化调度模型中增加节点电压和支路潮流约束:
;
;
其中,和分别表示节点i的电压下限和上限;表示各个支路的电流上限;表示在时刻t节点i和节点j之间支路电流值;表示在时刻t节点i的电压值;
同时,智能配电网日前优化调度模型的目标函数中增加购售电功率缺额的惩罚项C5:
;
其中,表示每kWh不满足电能的惩罚成本;和分别表示智能配电网在时刻t从节点i处的微网购电和向节点i处的微网售电的功率;和分别表示在t购电和售电的功率;
修正智能配电网的日前优化调度模型,并将优化后的和作为综合能源微网的联络线功率上限,下发至每个综合能源微网的能量管理中心。
在一种可能的实现方式中,根据所述联络线交互功率上限,调整并求解综合能源微网的日前优化控制模型,获得调整后的综合能源微网的购售电需求包括:
根据智能配电网向综合能源微网下发的联络线功率上限信息,在综合能源微网日前优化控制模型中增加联络线功率约束,调整综合能源微网的日前优化控制模型,联络线功率约束为:
;
式中,和分别表示智能配电网在时刻t从节点i处的微网购电和向节点i处的微网售电的功率;和分别表示在t购电和售电的功率;
重新求解调整后的综合能源微网日前优化控制模型,将更新后的和上报配电网调控中心。
在一种可能的实现方式中,反复迭代智能配电网和综合能源微网的调度结果,输出智能配电网和综合能源微网的优化调控方案,包括:
反复迭代智能配电网和综合能源微网的调度结果,直至智能配电网不再出现电压和潮流越限的情况,此时联络线的功率满足条件:
;
式中,和分别表示智能配电网在时刻t从节点i处的微网购电和向节点i处的微网售电的功率;表示节点i处微网在时刻t的购电功率,表示节点i处微网在时刻t的售电功率,SMG表示配电系统中微网并网节点的集合。
根据本公开的一个方面,提供一种分布式优化调度系统,包括:
第一建立单元,用于建立综合能源微网的多节点并网模型;
第二建立单元,用于基于所述综合能源微网的多节点并网模型,建立综合能源微网的日前优化控制模型,求解所述综合能源微网的日前优化控制模型,获得综合能源微网的购售电需求,并上报至电网调控中心;
第三建立单元,用于建立并求解智能配电网的日前优化调度模型,根据智能配电网的日前优化调度模型的求解结果,判断智能配电网是否能全额满足综合能源微网的购售电需求;
电网调控中心,用于当智能配电网不能全额满足综合能源微网的购售电需求时,调整所述智能配电网的日前优化调度模型,开展松弛优化并制定联络线交互功率上限;
调整单元,用于根据所述联络线交互功率上限,调整并求解综合能源微网的日前优化控制模型,获得调整后的综合能源微网的购售电需求;
输出单元,用于反复迭代智能配电网和综合能源微网的调度结果,输出智能配电网和综合能源微网的优化调控方案。
在一种可能的实现方式中所述第一建立单元包括:
第一确定模块,用于确定综合能源微网的并网节点数量;
设计模块,用于设计综合能源微网内的多母线拓扑结构;
第二确定模块,用于确定综合能源微网的可控制设备集合;
形成模块,用于根据所述并网节点数量、多母线拓扑结构和可控制设备集合,形成综合能源微网的多节点并网模型。
根据本公开的一个方面,提供一种分布式优化调度设备,包括:
处理器以及存储器;
所述存储器用于存储计算机程序,所述处理器调用所述存储器存储的计算机程序,以执行上述任一项所述的分布式优化调度方法。
根据本公开的一个方面,提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,当所述计算机程序被处理器执行时,使得所述处理器能够执行上述任一项所述的分布式优化调度方法。
本公开的示例性实施例具有以下有益效果:本公开的示例性实施例,提出了一种考虑综合能源微网多节点并网的智能配电网分布式优化调度方法,每个综合能源微网可通过多个节点并网,并计及了源-网-荷-储侧多类灵活资源对调度方案的影响;本实施例首先设计存在多个并网节点的综合能源微网并网模式,并考虑微网运行隐私性和配电网消纳清洁能源责任,提出了分布式的优化调度策略;然后,分别建立了综合能源微网和智能配电网的日前优化调度模型,两类主体的优化调度模型通过联络线传输功率建立耦合关系;最后,以联络线交互功率是否发生调整为关键信息,循环调整微网与配电网的调控方案直至满足优化控制的收敛判据。
本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其它特征和优点将从说明书附图变得明显。应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本示例性实施例的一种分布式优化调度方法的流程图;
图2是本示例性实施例智能配电网的分布式调度流程图;
图3是本示例性实施例综合能源微网的多节点并网拓扑结构原理图;
图4是本示例性实施例含多综合能源微网的智能配电网拓扑结构示意图;
图5是本示例性实施例系统节点电压时序分布情况示意图;
图6是本示例性实施例的一种分布式优化调度系统的框图;
图7是本示例性实施例的一种分布式优化调度设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件单元或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。
此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或子模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或子模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或子模块。
本发明中存在智能配电网和综合能源微网两类主体,对智能配电网开展的运行优化称为日前优化“调度”,对综合能源微网开展的运行优化称为日前优化“控制”,通过迭代进行日前优化“调度”和日前优化“控制”,在满足收敛判据时,得到智能配电网的优化“调度”方案。
图1是本示例性实施例的一种分布式优化调度方法的流程图,如图1所示,本公开的示例性实施例提供了一种分布式优化调度方法,包括:
S1建立综合能源微网的多节点并网模型;
S2基于所述综合能源微网的多节点并网模型,建立综合能源微网的日前优化控制模型,求解所述综合能源微网的日前优化控制模型,获得综合能源微网的购售电需求,并上报至电网调控中心;
S3建立并求解智能配电网的日前优化调度模型,根据智能配电网的日前优化调度模型的求解结果,判断智能配电网是否能全额满足综合能源微网的购售电需求;
S4当智能配电网不能全额满足综合能源微网的购售电需求时,通过电网调控中心调整所述智能配电网的日前优化调度模型,开展松弛优化并制定联络线交互功率上限;
S5根据所述联络线交互功率上限,调整并求解综合能源微网的日前优化控制模型,获得调整后的综合能源微网的购售电需求;
S6反复迭代智能配电网和综合能源微网的调度结果,输出智能配电网和综合能源微网的优化调控方案。
本实施例提出了一种考虑综合能源微网多节点并网的智能配电网分布式优化调度方法。面向综合能源微网与配电网之间日益增长的电功率交互需求,设计了一种存在多个并网节点的综合能源微网并网模式,并提出了考虑综合能源微网运行隐私性和电网消纳可再生能源责任的分布式调度策略,以每个综合能源微网多条并网线路的传输功率为耦合变量,分别建立了综合能源微网和智能配电网的日前优化调度模型,并通过对联络线传输功率上限的循环调整完成双方优化调度方案的制定。
如图2所示,具体而言,本实施例将通过以下步骤完成考虑综合能源微网多节点并网的智能配电网分布式优化调度:
Step 1:设计综合能源微网的多节点并网模型;
设计综合能源微网的内部结构,每条母线通过联络线与并网点相连,微网控制中心可以通过调控储能充放电策略、联络线功率、可再生能源出力以及可控单元实现功率平衡。每台可再生能源机组可通过刀闸选择其中一条母线进行连接,同时两条母线均与该微网内的储能相连,可以通过优化储能两侧的充放电功率对两条母线上的功率进行二次分配,从而实现联络线潮流的合理转移。
Step 2: 建立综合能源微网的日前优化控制模型,制定并上报综合能源微网的购售电方案;
通过分时电价计及市电系统对综合能源微网的影响,以微网内部的开关设备、储备、燃气轮机、电锅炉等设备为优化对象,建立综合能源微网的日前优化控制模型,根据冷、热、电负荷的预测结果制定最优控制方案,并向配电网调控中心上报每条联络线的购售电信息。
Step3: 建立智能配电网的日前优化调度模型,校验智能配电网能否全额满足综合能源微网的购售电需求;
确定智能配电网侧日前优化调度的决策变量,重点考虑有载调压变压器(OLTC)分接头、无功补偿设备、集中式储能、软开关等潜在资源,以网损最小和电压偏差最小为优化目标,建立智能配电网的日前优化调度模型,在全额满足综合能源微网购售电需求的情况下,校验能否在保障电网安全的前提下满足每条联络线上的功率交互需求,如果能满足,则进入step6,如果不能满足,进入step4。
Step4: 调整智能配电网的日前优化调度模型,开展松弛优化并制定联络线交互功率上限;
值得说明的是,“松弛”是相对于step3中的“全额满足”而言的,如果step3中判定配电网不能全额满足微网的购售电需求,则要通过优化的方法指定“尽可能满足”微网购售电的方案,这一过程可通过在配电网优化模型中增加“不满足的惩罚项”来实现,把这种处理方法和优化过程简明地称为“松弛优化”。
将优化模型中综合能源微网上报的购售电功率等式约束调整为不等式约束,实现对综合能源微网的购售电功率的松弛处理,同时在智能配电网优化模型的目标函数中增加松弛惩罚项,更新智能配电网的日前优化调度模型,进而对智能配电网开展松弛优化,制定并下发联络线交互功率上限信息。
Step5: 重新开展综合能源微网的日前优化控制,调整综合能源微网的日前控制方案并上报更新的购售电方案;
在综合能源微网的日前优化控制模型中增加各条联络线的功率交互上限约束,重新制定综合能源微网的最优控制方案,上报联络线购售电功率信息,重新进入step3。
Step6: 输出智能配电网和综合能源微网的优化调控方案;
以联络线交互功率是否发生调整为关键信息,制定综合能源微网与智能配电网的联合优化迭代收敛判据,循环调整微网与配电网的调控方案,直至满足收敛判据。
本实施例提出了一种考虑综合能源微网多节点并网的智能配电网分布式优化调度方法,以下结合图3-5对实施过程做进一步详细说明。
1. 设计综合能源微网的多节点并网模型:
1.1 综合能源微网的多母线拓扑结构:
综合能源微网的数量记为N,第n个综合能源微网的并网节点数量记为N n,inte。如图4中存在3个综合能源微网,综合能源微网1的并网节点数为2个,分别是9号和28号节点。为了避免配电网中形成环网,在第n个综合能源微网中设置N n,inte条母线,如图3中的综合能源微网内存在2条母线。分散式风机和分布式光伏的数量比较多,把它们分为M n组,每组分布式电源配置2个开关设备,它们至多有一个是闭合的,从而通过开关设备选择M n组分布式电源分别接入哪一条母线。微网内部存在电储能设备,电储能设备通过变流器同时与N n,inte条母线相连,从而在一定程度上调节N n,inte条母线上的功率分布。除分散式风机和分布式光伏外,其他设备固定接入某一条母线。
1.2 综合能源微网的运行控制方式:
综合能源微网在投建可再生能源发电机组和储能等设备后,拥有这些设备的调度权限。以图3中的综合能源微网为例,综合能源微网控制中心可调节的设备包括:
1)微网与配网之间联络线上的购售电功率,记为和,分别表示微网在配网节点i处时刻t从智能配电网的购电功率和售电功率。
2)微网内产能类设备的出力。综合能源微网中能够主动供能的设备单元称为产能设备。具体而言,本文的产能设备包括燃气轮机、柴油发电机、燃气锅炉。S gen,t表示产能设备在t时刻的起停状态;P gen,out,t是产能设备在t时刻输出的一种泛化表达。其中,微网内可再生能源机组的实际出力总是不高于最大预测出力,存在如下运行约束。
;
表示微网内的第r台可再生能源机组的预测最大出力;表示第r台可再生能源机组的实际出力。
3)微网内储能设备的充放功率。表示第k条母线与电储能设备的交互功率,以储能放电为正,充电为负;为热储能的最大充/放能功率,为冷储能的最大充/放能功率,以储能放能为正,充能为负。
4)微网内能量耦合设备的功率。本文的能量耦合设备包括余热锅炉、电锅炉、吸收式制冷机和电制冷机,P tra,out,t和P tra,in,t分别表示能量耦合设备在t时刻输出和输入。
5)分布式电源的连接方案。比如,图3中微网内存在5组等容量的光伏设备时,如表1所示,表1为微网内PV(光伏设备)的连接方案表,其连接方案包括如下6种组合:
表1
2. 建立综合能源微网的日前优化控制模型,制定并上报综合能源微网的购售电方案:
能量管理系统可根据可再生能源的出力情况,以自身运行成本最小为目标,对内部各个可控单元的出力进行协调,即综合能源微网运行具有自主性。
2.1 制定综合能源微网的优化控制目标:
综合能源微网日前优化调度目标函数可表达为可控单元的二次函数,如下式所示。
;
其中,F MG表示微电网的总运行成本,f DN表示微网与配电网之间的功率交互成本,f BS1表示微网侧储能的调用成本,f DI表示柴油机的运行成本,f GAS表示燃气使用成本,f LO表示联络线上的功率损耗成本。S MG表示配电系统中微网并网节点的集合;C t,buy和C t,sell分别表示在时刻t购电和售电的分时电价;C BS1表示微网侧电储能交互电量1kWh时的调用成本;BU为微网内与储能有连接关系的母线集合;表示第k条母线与电储能设备的交互功率,以储能放电为正,充电为负,i和k存在一一对应关系;P DI,t表示微网柴油机组在时刻t的出力;、b DI和c DI分别表示柴油机组相应的成本系数;C ch为天然气单价;Q ch为天然气的热值;P mt,t为微型燃气轮机输出电功率,为其燃气转换电能的效率;H gb,t为微网燃气锅炉输出热功率,为其效率;为节点i在t时刻电压值的平方;R代表微网侧汇流线路和逆变器的等效电阻。
2.2 确定综合能源微网的运行约束:
1)产能设备运行约束。将综合能源微网中能够主动供能的设备单元称为产能设备。具体而言,本文的产能设备包括燃气轮机、柴油发电机、燃气锅炉。该类型设备的主要运行约束为出力约束和爬坡约束,如下式所示。
;
其中,S gen,t表示产能设备在t时刻的起停状态;P gen,out,t是产能设备在t时刻输出的一种泛化表达;P gen,out,max和P gen,out,min表示产能设备在t时刻的最大和最小输出;P gen,lan为设备的滑坡限值,为负数;P gen,cli为设备的爬坡限值,为正数。通过该约束条件可以计及综合能源微网内的发电、产热、制冷设备的启停状态和功率上下限。
2)能量耦合设备运行约束。将综合能源微网中能够实现能量不同形式转换的设备称为能量耦合设备,例如电制冷机可以将电能转换成冷能,则电制冷机是能量耦合设备。具体而言,本文的能量耦合设备包括余热锅炉、电锅炉、吸收式制冷机和电制冷机。该类型设备的主要运行约束为输入能量上下限约束,以及输出效率约束,如下式所示。
;
其中,S tra,t表示能量耦合设备在t时刻的开停状态;P tra,out,t和P tra,in,t分别表示能量耦合设备在t时刻输出和输入;P tra,in,max和P tra,in,min分别表示能量耦合设备的最大和最小输入;为能量转换效率。通过该约束条件可以计及综合能源微网内的多种能量转换设备的启停状态和功率上下限。
3)储能设备的运行约束。综合能源微网结构中,可以通过多条母线进行微网侧电储能的充/放电,因此电储能的运行过程存在如下约束。
;
其中,表示微网侧电储能设备在时刻t的剩余电量;k soc,m1和k soc,M1分别表示电储能的最小和最大荷电状态(state of charge,SOC,用以表明储能的剩余电量);E BS1为电储能的装机容量;为通过微网内第k条母线和电储能的最大交互功率;表示一个调度周期内初始时刻的储能电量;表示一个调度周期内最后时刻的储能电量。通过该约束条件可以计及综合能源微网内的多种电储能设备的功率和能量上下限。热储能和冷储能满足如下泛化运行约束。
热储能运行约束为:
;
式中,表示微网热储能在时刻t+1的剩余能量;表示微网热储能在时刻t的剩余能量;表示仿真步长;k min和k max分别表示热储能的最小和最大系数;为热储能的装机容量;为热储能的最大充/放能功率,为热储能在时刻t的充/放能功率,以储能放能为正,充能为负;表示一个调度周期内初始时刻的热储能能量,表示一个调度周期内最后时刻的热储能能量;
冷储能运行约束为:
;
式中,表示微网冷储能在时刻t+1的剩余能量;表示微网冷储能在时刻t的剩余能量;表示仿真步长,仿真步长是指模拟系统在每个时刻更新模型状态和计算输出的时间间,仿真步长决定了仿真模型在模拟过程中的时间分辨率;k min和k max分别表示冷储能的最小和最大系数;为冷储能的装机容量;为冷储能的最大充/放能功率,为冷储能在时刻t的充/放能功率,以储能放能为正,充能为负;表示一个调度周期内初始时刻的冷储能能量,表示一个调度周期内最后时刻的冷储能能量;通过该约束条件可以计及综合能源微网内的多种储热、储冷设备的功率和能量上下限。
4)联络线容量约束。微网通过联络线从配电网购电或者向配电网售电时应满足联络线容量的上限的约束,具体约束条件如下所示。
;
其中,和表示微网购售电状态的0-1变量;为微网和配电网之间联络线的最大容量。通过该约束条件可以计及综合能源微网与配电网之间联络线上的购售电功率上下限。在部分风、光大发时刻,配电网由于安全运行要求不能完全满足微网的购售电需求,会向微网下发购售电上限,所以联络线功率还应该满足如下约束。
;
其中,和分别表示智能配电网在时刻t从节点i处的微网购电和向节点i处的微网售电的功率。通过该约束条件允许综合能源微网采取弃风和弃光措施。
5)功率平衡约束。功率平衡约束主要包括电功率、热功率以及冷功率平衡,约束如下。
;
其中,表示第i条母线与电储能设备的交互功率;表示微网柴油机组在时刻t的出力;表示微型燃气轮机输出电功率;S i为通过母线与配电网节点i相连的可再生能源机组集合;、和分别代表电负荷、热负荷和冷负荷;和分别代表电锅炉和电制冷机的输入功率;、、和分别代表电锅炉、燃气锅炉、余热锅炉和电制冷机输出功率;和分别表示热储能和冷储能的输出功率;和分别表示吸收式制冷机的输入和输出功率。该优化模型可以通过引入中间变量的方式消去绝对值项从而转换成二次规划模型,此处不再详述。
2.3 确定并上报综合能源微网联络线上的购售电方案:
基于微网冷、热、电负荷的预测数据,以及风机、光伏设备的出力预测值,求解上述优化控制模型,将和上报配电网调控中心。
3. 建立智能配电网的日前优化调度模型,校验智能配电网能否全额满足综合能源微网的购售电需求。
3.1 更新配电网的节点功率数据:
综合能源微网从配电网购电时,节点i的有功功率增加,由变为+;相应的,综合能源微网向配电网售电时,节点i的有功功率减少,由变为-。
3.2 建立不计及静态安全约束的智能配电网日前优化调度模型:
1)配电网的日前优化控制目标。
配电网通过变压器与上级电网相连,可以从上级电网购电或向上级电网售电。运行成本效益C 1可由下式计算:
;
其中,和代表在时刻t配电网运营商从上级电网购电和售电的功率,和分别表示在时刻t购电和售电的分时电价。配电网运行要求降低网损,可通过网损成本的方式计及,记为C 2,计算方法如下所示:
;
其中,代表配电网中所有的支路集合;代表以节点i为首端,以节点j为末端的支路电阻;代表以节点i为首端,以节点j为末端的t时刻支路电流的平方值;C t代表单位网损的费用。越来越多的用户具有需求响应的能力和参与意愿,需求响应调用成本记为C 3,其计算方法如下所示。
;
其中,代表时刻t对进行需求响应用户的单位补偿电价;D表示与电网公司签订响应合约的用户集;代表时刻t未参与需求响应的节点i上用户的原始负荷。集中式储能损耗的成本记为C 4,可由下式进行计算得到。
;
其中,C BS2表示集中式储能充/放电1kWh的运行费用;表示i节点上集中式储能的功率,以放电为正,充电为负。电压质量也是配电网建设和调度的重要考虑因素,故引入电压偏差指标,其表达式如下:
;
其中,和分别表示在时刻t节点i的电压和额定电压,表示节点i的电压在时刻t的偏移量绝对值。智能配电网调度目标函数为经济性和电压质量的加权最优,如下所示。
;
其中,和分别表示经济性和电压质量的权重因子。
2)配电网的日前优化调度约束。
节点注入功率应满足功率平衡约束,基于DistFlow潮流模型建立如下约束条件。
;
;
其中,和分别代表从节点j流向节点i的t时刻支路有功和无功功率;代表以节点i和节点j之间的支路电抗;H(i)代表与节点i相关联的节点集合;代表时刻t节点i处的无功负荷;代表时刻t配电网运营商在节点i配置的储能的无功出力;代表时刻t节点i处分组电容器的无功出力;表示时刻t节点i处静态无功发生器的出力;S(i)表示通过SOP与节点i相连的节点集合;和分别表示节点m通过SOP设备在时刻t向节点i流进的有功和无功功率,以功率流入记为正;表示代表从节点j流向节点k的t时刻支路有功功率;表示代表从节点j流向节点k的t时刻支路无功功率。
相邻节点之间的电压满足如下电压降的约束条件。
;
为表征支路电流、节点电压与线路有功功率和无功功率的物理关系,建立如下锥形式的约束条件。
;
其中,和分别表示以节点i为首段,以节点j为末端的支路首末节点电压的平方值。同样,SOP的容量约束也可被建为锥形式的约束,如下所示。
;
其中,表示与节点i直接相连SOP的视在容量。
在制定与微网的边界交互信息时,应尽量满足微网的购电需求,并设置配电网的购电上限,数学形式的约束条件如下所示。
;
设配电网根节点安装有载调压变压器,可在调度周期内通过改变分接头来改变根节点电压,变压器分接头为离散型决策变量,通过如下约束建立根节点电压表达式。
;
其中,和分别为有载调压变压器可调变比上、下限的平方;为有载调压变压器可调变比的平方;表示有载调压变压器档位与档位变比平方的差值;表示变压器分接头投切情况的0-1变量;表示配网根节点电压值的平方;表示配网根节点电压值的平方。
电容器组在智能配电网运行调度过程中是分组进行投切的,故电容器为离散型决策变量,且其在调度周期内有严格的投切改变次数,故建立如下约束。
;
其中,表示节点i处单个电容器无功出力;表示节点i处在时刻t时的无功总出力;表示节点i处电容器投入运行组数;和表示节点i处电容器最小/大数量;表示调度周期内电容器的最大调整次数;表示节点i在时刻t电容器投切组数是否改变的0-1变量。静止无功发生器在智能配电网运行调度过程中是可以连续可调的,在调度周期内可以吸收无功或发出无功,故建立如下约束。
;
其中,代表静态无功发生器的无功出力极限。
考虑储能设备在充放电过程中会有一定的损耗,且在愈发成熟的储能控制策略下,考虑储能对配电网的无功功率支撑作用,故建立如下的约束条件。
;
其中,和分别代表节点i处配电网运营商所属储能发出无功功率极限和储能电源视在容量;代表节点i处储能在时刻t的能量损耗;为接入节点i上储能系统的损耗系数;和分别表示集中式电储能设备剩余电量的最小/大系数;表示配电网运营商所属储能的无功输出;表示配电网运营商所属储能的有功输出。
假设目前该配电网的需求响应参与负荷全部为可转移负荷,且对负荷的转移深度有所限制,故建立如下的需求侧响应约束条件。
;
其中,和分别表示负荷转移深度。
3.3 校验配电网是否存在电压和功率越限:
基于负荷和风光出力预测值,求解上述配电网的日前优化调度模型,对24个时间断面依次开展潮流计算,判断系统是否存在电压和功率越限。图5给出了图4所示系统在某次优化调度后的节点电压分布情况,此时部分时段的电压超过了系统的电压上限1.1,表示配电网不能完全满足综合能源微网的购售电功率。
如果存在越限情况,进入步骤4,如果没有越限,则进入步骤6。
4.调整智能配电网的日前优化调度模型,开展松弛优化并制定联络线交互功率上限。
4.1 松弛综合能源微网的购售电功率:
在已经判定配电网不能完全满足综合能源微网的购售电功率时,对3.1步所确定系统节点负荷进行松弛处理,数学形式的约束条件如下所示。
;
其中,和分别表示智能配电网从节点i处在时刻t的购电功率和售电功率。节点i的有功功率由变为+;相应的,综合能源微网向配电网售电时,节点i的有功功率减少,由变为-。
在配电网日前优化调度模型中增加严格的节点电压和支路潮流约束:
;
;
其中,和分别表示节点i的电压下限和上限;表示各个支路的电流上限;表示在时刻t节点i和节点j之间支路电流值;表示在时刻t节点i的电压值。
同时,在目标函数中增加购售电功率缺额的惩罚项:
;
其中,表示每kWh不满足电能的惩罚成本。
4.2 更新智能配电网的日前优化调度模型并下发联络线功率上限信息;
根据第4.1步的方法修正第3.2步的日前优化调度模型,重新制定配电网的日前优化调度方案,把优化后的和作为综合能源微网的联络线功率上限,下发至每个微网的能量管理中心。
5. 重新开展综合能源微网的日前优化控制,调整综合能源微网的日前控制方案并上报更新的购售电方案。
5.1 更新综合能源微网的日前优化控制模型;
根据配电网向微网下发的联络线功率上限信息,在综合能源微网日前优化控制模型中增加如下的联络线功率约束:
;
更新综合能源微网的日前优化控制模型。
5.2 更新综合能源微网联络线的购售电方案:
重新求解修正后的综合能源微网日前优化控制模型,将更新后的和上报配电网调控中心。
6. 输出智能配电网和综合能源微网的优化调控方案。
反复迭代配电网和微网的调度结果,直至步骤3的校验环节不再出现电压和潮流越限的情况,此时联络线的功率满足如下的条件:
;
式中,和分别表示智能配电网在时刻t从节点i处的微网购电和向节点i处的微网售电的功率;表示节点i处微网在时刻t的购电功率,表示节点i处微网在时刻t的售电功率,SMG表示配电系统中微网并网节点的集合。
上述分布式调度策略适用于含多综合能源微网的智能配电网日前优化调度,一般通过对联络线传输功率上限的2~5次调整,即可完成各主体调度方案的快速制定。
综上,针对已有研究的不足,本实施例提出了一种考虑综合能源微网多节点并网的智能配电网分布式优化调度方法,其根本逻辑是在配电网安全运行的前提下最大限度满足微网购售电功率需求,通过对每个综合能源微网多条联络线交互功率的循环调整,实现了微网和智能配电网的协调优化运行,并计及了源-网-荷-储侧多类灵活资源对调度方案的影响。
图6是本示例性实施例的一种分布式优化调度系统的框图,如图6所示,本公开的示例性实施例提供了一种分布式优化调度系统,包括:
第一建立单元10,用于建立综合能源微网的多节点并网模型;
第二建立单元20,用于基于所述综合能源微网的多节点并网模型,建立综合能源微网的日前优化控制模型,求解所述综合能源微网的日前优化控制模型,获得综合能源微网的购售电需求,并上报至电网调控中心;
第三建立单元30,用于建立并求解智能配电网的日前优化调度模型,根据智能配电网的日前优化调度模型的求解结果,判断智能配电网是否能全额满足综合能源微网的购售电需求;
电网调控中心40,用于当智能配电网不能全额满足综合能源微网的购售电需求时,调整所述智能配电网的日前优化调度模型,开展松弛优化并制定联络线交互功率上限;
调整单元50,用于根据所述联络线交互功率上限,调整并求解综合能源微网的日前优化控制模型,获得调整后的综合能源微网的购售电需求;
输出单元60,用于反复迭代智能配电网和综合能源微网的调度结果,输出智能配电网和综合能源微网的优化调控方案。
具体地,所述第一建立单元包括:
第一确定模块,用于确定综合能源微网的并网节点数量;
设计模块,用于设计综合能源微网内的多母线拓扑结构;
第二确定模块,用于确定综合能源微网的可控制设备集合。
图7是本示例性实施例的一种分布式优化调度设备的结构示意图。如图7所示,与上述提供的分布式优化调度方法相对应,本发明还提供一种分布式优化调度设备。由于该设备的实施例相似于上述方法实施例,所以描述得比较简单,相关之处请参见上述方法实施例部分的说明即可,下面描述的设备仅是示意性的。该设备可以包括:处理器(processor)1、存储器(memory)2和通信总线(即上述装置总线)以及查找引擎,其中,处理器1和存储器2通过通信总线完成相互间的通信,通过通信接口与外部进行通信。处理器1可以调用存储器2中的逻辑指令,以执行分布式优化调度方法。
此外,上述的存储器2中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:存储芯片、U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种处理器可读存储介质,处理器可读存储介质上存储有计算机程序3,该计算机程序3被处理器1执行时实现以执行上述各实施例提供的分布式优化调度方法。
处理器可读存储介质可以是处理器1能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
以上仅是本公开的优选实施方式,本公开的保护范围并不仅局限于上述实施例,凡属于本公开思路下的技术方案均属于本公开的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本公开原理前提下的若干改进和润饰,应视为本公开的保护范围。
Claims (17)
1.一种分布式优化调度方法,其特征在于,包括:
建立综合能源微网的多节点并网模型;
基于所述综合能源微网的多节点并网模型,建立综合能源微网的日前优化控制模型,求解所述综合能源微网的日前优化控制模型,获得综合能源微网的购售电需求,并上报至电网调控中心;
建立并求解智能配电网的日前优化调度模型,根据智能配电网的日前优化调度模型的求解结果,判断智能配电网是否能全额满足综合能源微网的购售电需求;
当智能配电网不能全额满足综合能源微网的购售电需求时,通过电网调控中心调整所述智能配电网的日前优化调度模型,开展松弛优化并制定联络线交互功率上限;
根据所述联络线交互功率上限,调整并求解综合能源微网的日前优化控制模型,获得调整后的综合能源微网的购售电需求;
反复迭代智能配电网和综合能源微网的调度结果,输出智能配电网和综合能源微网的优化调控方案。
2.根据权利要求1所述的分布式优化调度方法,其特征在于,建立综合能源微网的多节点并网模型包括:
确定综合能源微网的并网节点数量;
设计综合能源微网内的多母线拓扑结构;
确定综合能源微网的可控制设备集合;
根据所述并网节点数量、多母线拓扑结构和可控制设备集合,形成综合能源微网的多节点并网模型。
3.根据权利要求1或2所述的分布式优化调度方法,其特征在于,综合能源微网的控制中心可调节的功率包括:
综合能源微网与智能配电网之间联络线上的购电功率和售电功率,和分别表示综合能源微网在智能配电网节点i处时刻t从智能配电网的购电功率和售电功率;
综合能源微网内产能设备的出力,所述产能设备包括燃气轮机、柴油发电机和燃气锅炉,S gen,t表示产能设备在t时刻的起停状态,P gen,out,t表示产能设备在t时刻的输出,所述综合能源微网存在运行约束:;式中,表示综合能源微网内的第r台可再生能源机组的预测最大出力;表示第r台可再生能源机组的实际出力;
综合能源微网内储能设备的充放功率,表示第k条母线与电储能设备的交互功率,以储能放电为正,充电为负,为热储能的最大充/放能功率,为冷储能的最大充/放能功率,以储能放能为正,充能为负;
综合能源微网内能量耦合设备的功率,所述能量耦合设备包括余热锅炉、电锅炉、吸收式制冷机和电制冷机,P tra,out,t和P tra,in,t分别表示能量耦合设备在t时刻输出和输入;
综合能源微网的控制中心还可调节分布式电源的连接方案。
4.根据权利要求3所述的分布式优化调度方法,其特征在于,建立并求解综合能源微网的日前优化控制模型包括:
制定综合能源微网的优化控制目标;
确定综合能源微网的运行约束;
根据所述综合能源微网的优化控制目标和综合能源微网的运行约束建立综合能源微网的日前优化控制模型。
5.根据权利要求4所述的分布式优化调度方法,其特征在于,
所述综合能源微网的优化控制目标为:
;
式中,F MG表示微电网的总运行成本,f DN表示微网与配电网之间的功率交互成本,f BS1表示微网侧储能的调用成本,f DI表示柴油机的运行成本,f GAS表示燃气使用成本,f LO表示联络线上的功率损耗成本,t表示某一时刻,T表示所有时刻,S MG表示配电系统中微网并网节点的集合;C t,buy和C t,sell分别表示在时刻t购电和售电的分时电价,和分别表示在t购电和售电的功率,C BS1表示微网侧电储能交互电量1kWh时的调用成本;BU为微网内与储能有连接关系的母线集合,表示第k条母线与电储能设备的交互功率,以储能放电为正,充电为负,i和k存在一一对应关系,P DI,t表示微网柴油机组在时刻t的出力,、b DI和c DI分别表示柴油机组相应的成本系数,C ch为天然气单价,Q ch为天然气的热值,P mt,t为微型燃气轮机输出电功率,为其燃气转换电能的效率,H gb,t为微网燃气锅炉输出热功率,为其效率,为节点i在t时刻电压值的平方,R代表微网侧汇流线路和逆变器的等效电阻。
6.根据权利要求5所述的分布式优化调度方法,其特征在于,所述综合能源微网的运行约束包括:
产能设备运行约束:
;
式中,S gen,t表示产能设备在t时刻的起停状态;P gen,out,t是产能设备在t时刻的输出;是产能设备在t-1时刻的输出;Pgen,out,max和Pgen,out,min表示产能设备在t时刻的最大和最小输出;Pgen,lan为设备的滑坡限值,为负数;P gen,cli为设备的爬坡限值,为正数;
能量耦合设备运行约束:
;
式中,S tra,t表示能量耦合设备在t时刻的开停状态;P tra,out,t和P tra,in,t分别表示能量耦合设备在t时刻输出和输入;P tra,in,max和P tra,in,min分别表示能量耦合设备的最大和最小输入;为能量转换效率;
储能设备运行约束,所述储能设备运行约束包括电储能运行约束、热储能和冷储能运行约束,电储能运行约束为:
;
式中,表示微网侧电储能设备在时刻t+1的剩余电量;表示微网侧电储能设备在时刻t的剩余电量;表示仿真步长;BU为微网内与储能有连接关系的母线集合;k表示为微网内与储能有连接关系的其中一条母线;;表示第k条母线与电储能设备的交互功率;k soc,m1和k soc,M1分别表示电储能的最小和最大荷电状态;E BS1为电储能的装机容量;为通过微网内第k条母线和电储能的最大交互功率;表示一个调度周期内初始时刻的储能电量;表示一个调度周期内最后时刻的储能电量;
热储能运行约束为:
;
式中,表示微网热储能在时刻t+1的剩余能量;表示微网热储能在时刻t的剩余能量;表示仿真步长;k min和k max分别表示热储能的最小和最大系数;为热储能的装机容量;为热储能的最大充/放能功率,为热储能在时刻t的充/放能功率,以储能放能为正,充能为负;表示一个调度周期内初始时刻的热储能能量,表示一个调度周期内最后时刻的热储能能量;
冷储能运行约束为:
;
式中,表示微网冷储能在时刻t+1的剩余能量;表示微网冷储能在时刻t的剩余能量;表示仿真步长;k min和k max分别表示冷储能的最小和最大系数;为冷储能的装机容量;为冷储能的最大充/放能功率,为冷储能在时刻t的充/放能功率,以储能放能为正,充能为负;表示一个调度周期内初始时刻的冷储能能量,表示一个调度周期内最后时刻的冷储能能量;
联络线容量约束:
;
式中,和表示微网购售电状态的0-1变量;和分别表示在t购电和售电的功率;为微网和配电网之间联络线的最大容量;
;
式中,和分别表示在t购电和售电的功率;和分别表示智能配电网在时刻t从节点i处的微网购电和向节点i处的微网售电的功率;
功率平衡约束:
;
式中,和分别表示在t购电和售电的功率;表示第r台可再生能源机组的实际出力;S i为通过母线与配电网节点i相连的可再生能源机组集合;r为通过母线与配电网节点i相连的其中一个可再生能源机组;表示第i条母线与电储能设备的交互功率;表示微网柴油机组在时刻t的出力;表示微型燃气轮机输出电功率;、和分别代表电负荷、热负荷和冷负荷;和分别代表电锅炉和电制冷机的输入功率;、、和分别代表电锅炉、燃气锅炉、余热锅炉和电制冷机输出功率;和分别表示热储能和冷储能的输出功率;和分别表示吸收式制冷机的输入和输出功率。
7.根据权利要求6所述的分布式优化调度方法,其特征在于,建立并求解智能配电网的日前优化调度模型,根据求解结果判断智能配电网是否能全额满足综合能源微网的购售电需求包括:
根据综合能源微网的购售电需求,更新智能配电网的节点功率;
建立不计及静态安全约束的智能配电网日前优化调度模型;
基于负荷和风光出力预测值,求解所述智能配电网日前优化调度模型,根据求解结果判断智能配电网是否存在电压和功率越线。
8.根据权利要求7所述的分布式优化调度方法,其特征在于,根据综合能源微网的购售电需求,更新智能配电网的节点功率包括:
当综合能源微网从智能配电网购电时,节点i的有功功率增加,由更新为+;
当综合能源微网向智能配电网售电时,节点i的有功功率减少,由更新为-。
9.根据权利要求8所述的分布式优化调度方法,其特征在于,建立不计及静态安全约束的智能配电网日前优化调度模型包括:
设定智能配电网的日前优化控制目标:
;
其中,和分别表示经济性和电压质量的权重因子;C 1表示运行成本效益;C 2表示网损成本;C 3表示需求响应调用成本;C 4表示集中式储能损耗成本;表示电压偏差指标;
运行成本效益C 1的计算公式为:
;
其中,和代表在时刻t配电网运营商从上级电网购电和售电的功率,和分别表示在时刻t购电和售电的分时电价;
网损成本C 2的计算公式为:
;
其中,代表配电网中所有的支路集合;代表以节点i为首端,以节点j为末端的支路电阻;代表以节点i为首端,以节点j为末端的t时刻支路电流的平方值;C t代表单位网损的费用;
需求响应调用成本C 3的计算公式为:
;
其中,代表时刻t对进行需求响应用户的单位补偿电价;D表示与电网公司签订响应合约的用户集;代表时刻t未参与需求响应的节点i上用户的原始负荷;代表电负荷;
集中式储能损耗成本C 4的计算公式为:
;
其中,C BS2表示集中式储能交互功率1kWh的运行费用;表示i节点上集中式储能的功率,以放电为正,充电为负;
电压偏差指标的计算公式为:
;
其中,和分别表示在时刻t节点i的电压和额定电压;n表示节点的集合;表示节点i的电压在时刻t的偏移量绝对值。
10.根据权利要求9所述的分布式优化调度方法,其特征在于,建立不计及静态安全约束的智能配电网日前优化调度模型包括:
建立智能配电网的日前优化调度约束,智能配电网的日前优化调度约束包括:
节点注入功率平衡约束:
;
;
其中,代表电负荷;和分别表示在t购电和售电的功率;表示i节点上集中式储能的功率,以放电为正,充电为负;代表以节点i为首端,以节点j为末端的支路电阻;代表以节点i为首端,以节点j为末端的t时刻支路电流的平方值;表示代表从节点j流向节点k的t时刻支路有功功率;表示代表从节点j流向节点k的t时刻支路无功功率;和分别代表从节点j流向节点i的t时刻支路有功和无功功率;代表以节点i和节点j之间的支路电抗;H(i)代表与节点i相关联的节点集合;代表时刻t节点i处的无功负荷;代表时刻t配电网运营商在节点i配置的储能的无功出力;代表时刻t节点i处分组电容器的无功出力;表示时刻t节点i处静态无功发生器的出力;S(i)表示通过SOP与节点i相连的节点集合;和分别表示节点m通过SOP设备在时刻t向节点i流进的有功和无功功率,以功率流入记为正;
相邻节点之间电压降的约束条件:
;
锥形式的约束条件:
;
其中,和分别表示以节点i为首段,以节点j为末端的支路首末节点电压的平方值;表示节点i和节点j之间的支路电阻;和分别代表从节点j流向节点i的t时刻支路有功和无功功率;代表节点i和节点j之间的支路电抗;代表以节点i为首端,以节点j为末端的t时刻支路电流的平方值;
SOP的容量约束条件:
;
其中,表示与节点i直接相连SOP的视在容量;和分别表示节点m通过SOP设备在时刻t向节点i流进的有功和无功功率,以功率流入记为正;
智能配电网的购电上限约束条件:
;
其中,和分别表示智能配电网在时刻t从节点i处的微网购电和向节点i处的微网售电的功率;和分别表示在t购电和售电的功率;
根节点电压约束条件:
;
其中,和分别为有载调压变压器可调变比上、下限的平方;为有载调压变压器可调变比的平方;表示有载调压变压器档位与档位变比平方的差值;表示变压器分接头投切情况的0-1变量;表示配网根节点电压值的平方;表示配网根节点电压值的平方;
电容器约束条件:
;
其中,表示节点i处单个电容器无功出力;表示节点i处在时刻t时的无功总出力;表示节点i处时刻t电容器投入运行组数;和表示节点i处电容器最小/大数量;表示调度周期内电容器的最大调整次数;表示节点i在时刻t电容器投切组数是否改变的0-1变量;表示节点i处时刻t-1电容器投入运行组数;
静止无功发生器约束条件:
;
其中,代表静态无功发生器的无功出力极限;表示时刻t节点i处静态无功发生器的出力;
储能设备损耗约束条件:
;
其中,和分别代表节点i处配电网运营商所属储能发出无功功率极限和储能电源视在容量;代表节点i处储能在时刻t的能量损耗;为接入节点i上储能系统的损耗系数;和分别表示集中式电储能设备剩余电量的最小/大系数;表示配电网运营商所属储能的无功输出;表示配电网运营商所属储能的有功输出;
需求侧响应约束条件:
;
其中,和分别表示负荷转移深度;代表时刻t未参与需求响应的节点i上用户的原始负荷;代表电负荷。
11.根据权利要求10所述的分布式优化调度方法,其特征在于,当智能配电网不能全额满足综合能源微网的购售电需求时,调整所述智能配电网的日前优化调度模型,开展松弛优化并制定联络线交互功率上限包括:
松弛综合能源微网的购售电需求:
;
其中,和分别表示智能配电网从节点i处在时刻t的购电功率和售电功率;和分别表示在t购电和售电的功率;
更新智能配电网的节点功率:当综合能源微网向智能配电网购电时,节点i的有功功率由变为+;综合能源微网向智能配电网售电时,节点i的有功功率减少,由变为-;
在智能配电网日前优化调度模型中增加节点电压和支路潮流约束:
;
;
其中,和分别表示节点i的电压下限和上限;表示各个支路的电流上限;表示在时刻t节点i和节点j之间支路电流值;表示在时刻t节点i的电压值;
同时,智能配电网日前优化调度模型的目标函数中增加购售电功率缺额的惩罚项C5:
;
其中,表示每kWh不满足电能的惩罚成本;和分别表示智能配电网在时刻t从节点i处的微网购电和向节点i处的微网售电的功率;和分别表示在t购电和售电的功率;
修正智能配电网的日前优化调度模型,并将优化后的和作为综合能源微网的联络线功率上限,下发至每个综合能源微网的能量管理中心。
12.根据权利要求11所述的分布式优化调度方法,其特征在于,根据所述联络线交互功率上限,调整并求解综合能源微网的日前优化控制模型,获得调整后的综合能源微网的购售电需求包括:
根据智能配电网向综合能源微网下发的联络线功率上限信息,在综合能源微网日前优化控制模型中增加联络线功率约束,调整综合能源微网的日前优化控制模型,联络线功率约束为:
;
式中,和分别表示智能配电网在时刻t从节点i处的微网购电和向节点i处的微网售电的功率;和分别表示在t购电和售电的功率;
重新求解调整后的综合能源微网日前优化控制模型,将更新后的和上报配电网调控中心。
13.根据权利要求12所述的分布式优化调度方法,其特征在于,反复迭代智能配电网和综合能源微网的调度结果,输出智能配电网和综合能源微网的优化调控方案,包括:
反复迭代智能配电网和综合能源微网的调度结果,直至智能配电网不再出现电压和潮流越限的情况,此时联络线的功率满足条件:
;
式中,和分别表示智能配电网在时刻t从节点i处的微网购电和向节点i处的微网售电的功率;表示节点i处微网在时刻t的购电功率,表示节点i处微网在时刻t的售电功率,SMG表示配电系统中微网并网节点的集合。
14.一种分布式优化调度系统,其特征在于,包括:
第一建立单元,用于建立综合能源微网的多节点并网模型;
第二建立单元,用于基于所述综合能源微网的多节点并网模型,建立综合能源微网的日前优化控制模型,求解所述综合能源微网的日前优化控制模型,获得综合能源微网的购售电需求,并上报至电网调控中心;
第三建立单元,用于建立并求解智能配电网的日前优化调度模型,根据智能配电网的日前优化调度模型的求解结果,判断智能配电网是否能全额满足综合能源微网的购售电需求;
电网调控中心,用于当智能配电网不能全额满足综合能源微网的购售电需求时,调整所述智能配电网的日前优化调度模型,开展松弛优化并制定联络线交互功率上限;
调整单元,用于根据所述联络线交互功率上限,调整并求解综合能源微网的日前优化控制模型,获得调整后的综合能源微网的购售电需求;
输出单元,用于反复迭代智能配电网和综合能源微网的调度结果,输出智能配电网和综合能源微网的优化调控方案。
15.根据权利要求14所述的分布式优化调度系统,其特征在于,所述第一建立单元包括:
第一确定模块,用于确定综合能源微网的并网节点数量;
设计模块,用于设计综合能源微网内的多母线拓扑结构;
第二确定模块,用于确定综合能源微网的可控制设备集合;
形成模块,用于根据所述并网节点数量、多母线拓扑结构和可控制设备集合,形成综合能源微网的多节点并网模型。
16.一种分布式优化调度设备,其特征在于,包括:
处理器以及存储器;
所述存储器用于存储计算机程序,所述处理器调用所述存储器存储的计算机程序,以执行权利要求1至13任一项所述的分布式优化调度方法。
17.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,当所述计算机程序被处理器执行时,使得所述处理器能够执行权利要求1至13任一项所述的分布式优化调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311643930.4A CN117353395B (zh) | 2023-12-04 | 2023-12-04 | 一种分布式优化调度方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311643930.4A CN117353395B (zh) | 2023-12-04 | 2023-12-04 | 一种分布式优化调度方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117353395A true CN117353395A (zh) | 2024-01-05 |
CN117353395B CN117353395B (zh) | 2024-04-02 |
Family
ID=89361717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311643930.4A Active CN117353395B (zh) | 2023-12-04 | 2023-12-04 | 一种分布式优化调度方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117353395B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876004A (zh) * | 2018-05-04 | 2018-11-23 | 云南电网有限责任公司 | 一种基于块坐标下降法的微网群分层分布式经济调度方法 |
CN112072641A (zh) * | 2020-08-19 | 2020-12-11 | 国网江苏省电力有限公司扬州供电分公司 | 一种源网荷储柔性协调控制和运行优化方法 |
CN116307072A (zh) * | 2023-01-31 | 2023-06-23 | 国网河南省电力公司焦作供电公司 | 一种综合能源配电网多目标优化调度方法 |
WO2023201916A1 (zh) * | 2022-04-18 | 2023-10-26 | 国网智能电网研究院有限公司 | 一种分布式灵活资源聚合控制装置及控制方法 |
-
2023
- 2023-12-04 CN CN202311643930.4A patent/CN117353395B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876004A (zh) * | 2018-05-04 | 2018-11-23 | 云南电网有限责任公司 | 一种基于块坐标下降法的微网群分层分布式经济调度方法 |
CN112072641A (zh) * | 2020-08-19 | 2020-12-11 | 国网江苏省电力有限公司扬州供电分公司 | 一种源网荷储柔性协调控制和运行优化方法 |
WO2023201916A1 (zh) * | 2022-04-18 | 2023-10-26 | 国网智能电网研究院有限公司 | 一种分布式灵活资源聚合控制装置及控制方法 |
CN116307072A (zh) * | 2023-01-31 | 2023-06-23 | 国网河南省电力公司焦作供电公司 | 一种综合能源配电网多目标优化调度方法 |
Non-Patent Citations (2)
Title |
---|
CHANGQING YU ET AL.: ""Research on the Optimal Economic Dispatching of Micro-grid with Hybrid Energy Storage"", 《2019 IEEE INNOVATIVE SMART GRID TECHNOLOGIES - ASIA (ISGT ASIA)》, pages 2720 - 2725 * |
赵宇鑫: ""微电网多目标优化调度策略研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, pages 042 - 1833 * |
Also Published As
Publication number | Publication date |
---|---|
CN117353395B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Optimal energy flow control strategy for a residential energy local network combined with demand-side management and real-time pricing | |
Wang et al. | Transactive energy sharing in a microgrid via an enhanced distributed adaptive robust optimization approach | |
CN110690702B (zh) | 一种考虑综合承载力的主动配电网优化调度及运行方法 | |
Wang et al. | Multi-objective energy management system for DC microgrids based on the maximum membership degree principle | |
Murty et al. | Impact of D‐STATCOM in distribution systems with load growth on stability margin enhancement and energy savings using PSO and GAMS | |
Gao et al. | Source-load-storage consistency collaborative optimization control of flexible DC distribution network considering multi-energy complementarity | |
CN113471976B (zh) | 基于多能互补微电网与主动配电网的优化调度方法 | |
CN111769543B (zh) | 一种含多微网的区域配电网自律协同运行优化方法 | |
CN108400593A (zh) | 基于分层多代理技术的主动配电网电气模型建立方法 | |
Li et al. | Active distribution network active and reactive power coordinated dispatching method based on discrete monkey algorithm | |
Bruno et al. | Predictive dispatch across time of hybrid isolated power systems | |
Khan et al. | Issues associated with microgrid integration | |
An et al. | Optimal operation of multi-micro energy grids under distribution network in Southwest China | |
CN115149540A (zh) | 一种基于分区自治的多区域虚拟电厂协同优化运行方法 | |
An et al. | Real-time optimal operation control of micro energy grid coupling with electricity-thermal-gas considering prosumer characteristics | |
Ji et al. | Transactive control and coordination of multiple integrated energy systems | |
CN117353395B (zh) | 一种分布式优化调度方法、系统、设备及存储介质 | |
Wang et al. | Multi-timescale risk scheduling for transmission and distribution networks for highly proportional distributed energy access | |
Liang et al. | Adaptive robust energy management strategy for campus-based commercial buildings considering comprehensive comfort levels | |
Zolfaghari et al. | Isolated UIPC-intertied AC-DC microgrids operation with novel dynamic flexible loads model | |
Zhang et al. | Multi-objective Optimal Operation of AC/DC Hybrid Microgrid Considering the Combination of Electric Energy Router Control Modes | |
Fan | [Retracted] Multiobjective Optimal Dispatching Method of Generalized Power Active Distribution Network Based on Game Theory | |
Qi et al. | Coordinated optimization of integrated energy system considering demand response and energy storage | |
Chen et al. | Optimal Scheduling of CCHP Based on Comprehensive Demand Response | |
Pan et al. | Robust Scheduling of Integrated Energy Systems with Decision-Dependent Uncertainties |
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 |