CN117394366A - 一种含多微网的主动配电网不确定性分层调度方法 - Google Patents
一种含多微网的主动配电网不确定性分层调度方法 Download PDFInfo
- Publication number
- CN117394366A CN117394366A CN202311350538.0A CN202311350538A CN117394366A CN 117394366 A CN117394366 A CN 117394366A CN 202311350538 A CN202311350538 A CN 202311350538A CN 117394366 A CN117394366 A CN 117394366A
- Authority
- CN
- China
- Prior art keywords
- power
- node
- grid
- time
- 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.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 230000002829 reductive effect Effects 0.000 claims abstract description 27
- 238000005096 rolling process Methods 0.000 claims abstract description 17
- 230000002452 interceptive effect Effects 0.000 claims abstract description 10
- 230000009471 action Effects 0.000 claims abstract description 8
- 230000000670 limiting effect Effects 0.000 claims abstract description 7
- 238000010248 power generation Methods 0.000 claims abstract description 7
- 230000006399 behavior Effects 0.000 claims abstract description 4
- 238000004146 energy storage Methods 0.000 claims description 64
- 230000005611 electricity Effects 0.000 claims description 42
- 239000003990 capacitor Substances 0.000 claims description 27
- 230000005540 biological transmission Effects 0.000 claims description 21
- 230000003068 static effect Effects 0.000 claims description 21
- 238000007599 discharging Methods 0.000 claims description 18
- 239000000243 solution Substances 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 9
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000002347 injection Methods 0.000 claims description 6
- 239000007924 injection Substances 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000029087 digestion Effects 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 101150089047 cutA gene Proteins 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- H02J3/50—Controlling the sharing of the out-of-phase component
-
- 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)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种含多微网的主动配电网不确定性分层调度方法,包括:建立微电网的日前优化调度模型,将日内交互功率的不确定区间以确定概率水平限制在一定范围内;对微电网日前优化调度模型转换并求解,并上报调度计划给配电网;建立主动配电网的日前优化调度模型,确定离散调度单元的动作状态;采用列与约束生成算法将鲁棒优化模型划分为变量规模降低的主问题和子问题;建立主动配电网的日内优化调度模型,改善系统行为;利用日内滚动优化确定连续调度单元在日内的动作量。本发明针对配电网及微电网运行的日前和日内两个时间尺度,提出一种调度策略方法以缓解网络中可再生能源发电的不确定性及提升运行经济性。
Description
技术领域
本发明属于配电网运行与优化领域,具体涉及一种含多微网的主动配电网不确定性分层调度方法。
背景技术
随着分布式电源渗透率的逐步提高,配电网中的不确定因素大幅增加,使得配电系统的优化调度日趋复杂。与此同时,电网向综合能源服务角色的转变和电力市场的发展,使得分布式电源连同负荷构成微电网独立主体的接入形态将在未来主动配电网中广泛存在。传统的配电系统优化调度往往只通过调节配电网中的调度单元,以确保分布式电源出力波动较大时的实时功率平衡,然而在高比例可再生能源以微电网形式友好接入主动配电网时,通过微电网中储能、可控分布式电源等调度单元的优化运行,为分担配电网不确定性风险、提高配电网弹性提供了新的思路。
发明内容
发明目的:为了克服现有技术中存在的不足,提供一种含多微网的主动配电网不确定性分层调度策略。在分层调度框架的基础上,首先采用机会约束规划条件描述分布式可再生电源出力的不确定性,然后采用多面体不确定集合描述微电网上报交互功率计划的不确定性,最后通过滚动优化理论在日内调整连续调度设备的出力计划,建立了包含微电网日前机会约束规划模型、配电网日前鲁棒优化调度模型、配电网日内滚动优化调度模型的分层调度模型。
技术方案:为实现上述目的,本发明提供一种含多微网的主动配电网不确定性分层调度方法,包括如下步骤:
S1:建立微电网的日前优化调度模型,利用机会约束规划模型描述可再生能源发电出力预测误差,基于经济性和不确定性消纳能力将日内交互功率的不确定区间以确定概率水平限制在一定范围内;
S2:对微电网日前优化调度模型转换并求解,并上报调度计划给配电网;
S3:建立主动配电网的日前优化调度模型,确定离散调度单元的动作状态,配电网侧根据微电网上报的交互功率不确定区间及负荷预测信息进行鲁棒优化调度;
S4:采用了列与约束生成算法将鲁棒优化模型划分为变量规模降低的主问题和子问题;
S5:建立主动配电网的日内优化调度模型,改善系统行为;
S6:利用日内滚动优化确定连续调度单元在日内的动作量。
进一步地,所述步骤S1中微电网的日前优化调度模型的表达式如下:
式(1)中,为微电网日前运行总成本;T为日前调度总时段;Ct grid为微电网与上级配电网间的t时段的购售电成本;Ct DG为t时段分布式电源的运行成本;Ct ESS为t时段储能的运行成本;Ct f为t时段燃气轮机的燃耗成本;BN为节点集合;和分别为微电网在t时段向主动配电网的购电价格和售电价格;为主动配电网在t时段向微电网的传输功率计划;为t时刻微电网向主动配电网的传输功率计划;cDG为分布式电源运行成本;Pt DG为t时段分布式电源出力;BESS为储能所在节点集合;cESS为储能的充放电运维成本;和为t时刻节点i处储能的充放电功率。BF为燃气轮机所在节点集合;cf为燃气轮机单位功率的燃耗成本;为节点i处燃气轮机在t时刻出力;式(2)中,Pt grid为t时刻主动配电网与微电网交互功率的实际值;为t时段i节点负荷有功需求;式(3)中,和分别为t时刻主动配电网向微电网输电状态变量和微电网向主动配电网输电状态变量,为0-1变量;式(4)中,为主动配电网向微电网传输功率上限;为微电网向主动配电网传输功率上限;式(5)中,δ为预先设定的交互功率预测误差范围;式(6)中,为t时刻分布式电源预测出力;ξt为t时刻分布式电源的出力预测误差;式(7)中,σt为分布式电源预测误差所服从正态分布的标准差;ρDG和为预测误差的相关系数;PDG为分布式电源装机容量;式(8)中,和Pi f 分别为节点i处燃气轮机出力上下限;式(9)中,和分别为t时刻的储能充、放电状态,为0-1变量;式(10)中,分别为储能i在t时刻的充、放电功率;和为功率取值的上边界;Pchar 和Pdischar 为功率取值的下边界;式(11)中,为储能i的额定容量;Δt为调度时间间隔;和SOC为储能的荷电状态的上下限;SOCi,t为储能i在t时刻的荷电状态值;SOCi,0、SOCi,end、SOCi,set分别为储能在调度周期初始荷电状态值、调度周期末期荷电状态值和设定的初始荷电状态值。
进一步地,所述步骤S2中微电网日前优化模型转化的表达式如下:
式(12)中,Φ-1是Φ的逆函数;sup为序列的最大值;式(13)中,Kα为满足的一个实数。
进一步地,所述步骤S3中主动配电网日前优化调度模型表达式如下:
式(16)中,为主动配电网日前优化运行成本;BN为节点集合;Bsub为上级电网变压器所接节点集合;Ct G为t时段的购电成本;Ct LC为t时段可削减负荷的调度成本;Ct ESS为t时段储能的运行成本;Ct grid为t时刻主动配电网与微电网交易价格,为正时代表主动配电网向微电网售电收益,为负时代表主动配电网向微电网购电成本;λt G为t时段上级配网的售电价格;Pt sub为t时段节点i处配电网变压器向上级电网实际有功需求;BLC为可削减负荷所在节点集合;cLC为需求侧响应补偿成本;为需求侧响应负荷;BESS为储能所在节点集合;cESS为储能的充放电运维成本;和为t时刻节点i处储能的充放电功率;BMG为微电网所接节点集合;和分别为主动配电网在t时段对于微电网的购电价格和售电价格;Pt gridin为t时刻节点i处主动配电网向微电网的传输功率;Pt gridout为t时刻节点i处微电网向主动配电网的传输功率;式(17)中,π(j)为以j节点为末端节点的支路首端节点集合;Pj,t和Qj,t分别为j节点在t时刻的有功注入功率和无功注入功率;Pij,t和Qij,t分别为支路ij上t时刻的有功功率和无功功率;Vi,t为节点i在t时刻的节点电压大小;和分别为节点i所接分布式电源在t时刻的有功出力和无功出力;和分别为节点i在t时刻的负荷有功大小和负荷无功大小;为节点i在t时刻的负荷削减大小;为节点i所接分组投切电容器在t时刻的无功出力;为节点i所接静止无功补偿器在t时刻的无功出力;tanφ为被削减负荷的功率因数角正切值;式(18)中,为线路ij在t时刻的电流平方;为节点i在t时刻的电压平方;式(19)中,和Psub 分别为上级电网传输功率上下限;式(20)中,和分别为节点i所接微电网在t时刻的日内实际出力和日前预测出力;ξi,t≥0,为节点i所接分布式电源在t时刻的波动率,即最大波动偏差百分数;δi为节点i所连微电网在日前上报的误差范围;τi为分布式电源出力时间约束不确定预算,可以用于调整解的保守性;式(22)中,和分别为t时刻的储能充、放电状态,为0-1变量;式(23)中,分别为储能i在t时刻的充、放电功率;和为功率取值的上边界;Pchar 和Pdischar 为功率取值的下边界;式(24)中,为储能i的额定容量;Δt为调度时间间隔;和SOC为储能的荷电状态的上下限;SOCi,t为储能i在t时刻的荷电状态值;SOCi,0、SOCi,end、SOCi,set分别为储能在调度周期初始荷电状态值、调度周期末期荷电状态值和设定的初始荷电状态值;式(25)中,为t时刻负荷实际削减量;为t时刻可削减负荷的最大削减量;为0-1变量,表示负荷削减状态;式(26)中,为0-1变量,分别表示开始削减负荷,停止削减负荷状态;式(27)中,分别表示负荷单次最短削减时间和最长削减时间;式(28)中,表示可同时削减的负荷数量;式(29)中,BCB为包含分组投切电容器的节点集合;为t时刻节点i处电容器的投运容量,为分组投切电容器档位变化的档位切换容量;为整数变量,代表电容器在t时刻的挂接组数;为节点i处分组投切电容器投运组数上限;式(30)中,为分组投切电容器的投切次数最大值;表示相邻时刻分组投切电容器补偿容量变化;式(31)中,BSVC为包含静止无功补偿器的节点集合;和分别为静止无功补偿器补偿功率的上限和下限;为t时刻静止无功补偿器的补偿容量。
进一步地,所述步骤S4中模型划分方法如下:
式(32)中,k为当前的迭代次数;yl为第l次迭代后子问题求解得到的连续变量最优解;为第l次迭代后子问题在最恶劣场景下的不确定变量取值;式(34)中,ρ为子问题的最优解;α、β、γ、ν、κ、分别为相应对偶过程中的拉格朗日乘子;式(37)表示将主问题划分为限制主问题和子问题问题,可采用列与约束生成算法进行求解。
进一步地,所述步骤S5中主动配电网日内优化调度模型的表达式如下:
式(38)中,为主动配电网日前优化运行成本;BN为节点集合;Bsub为上级电网变压器所接节点集合;Ct G为t时段的购电成本;Ct ESS为t时段储能的运行成本;Ct grid为t时刻主动配电网与微电网交易价格,为正时代表主动配电网向微电网售电收益,为负时代表主动配电网向微电网购电成本;λt G为t时段上级配网的售电价格;Pt sub为t时段节点i处配电网变压器向上级电网实际有功需求;BESS为储能所在节点集合;cESS为储能的充放电运维成本;和为t时刻节点i处储能的充放电功率;式(39)中,Pij,t、Qij,t分别为t时刻线路ij有功和无功功率;vi,t为节点电压;Pi,t、分别为t时刻上级电网输入有功、分布式电源的有功出力、负荷削减功率、负荷有功;Qi,t、分别为t时刻上级电网输入无功、节点i的注入功率、分布式电源的无功出力、分组投切电容器的补偿容量、静止无功补偿器的补偿容量及负荷无功;tanφ为被削减负荷的功率因数角tan值。式(40)中,Sij,max为线路最大视在功率;式(41)中,θij,t为线路两端相角差值;gij、bij分别为线路ij的电导和电纳;Ui,t为节点i的电压平方项;式(42)中,和分别为节点i所接微电网在t时刻的日内实际出力和日前预测出力;分别为节点i所接微电网在t时刻的日内实际无功功率;式(43)中,和分别为t时刻的储能充、放电状态,为0-1变量;式(44)中,分别为储能i在t时刻的充、放电功率;和为功率取值的上边界;Pchar 和Pdischar 为功率取值的下边界;式(45)中,为储能i的额定容量;Δt为调度时间间隔;和SOC为储能的荷电状态的上下限;SOCi,t为储能i在t时刻的荷电状态值;SOCi,0、SOCi,end、SOCi,set分别为储能在调度周期初始荷电状态值、调度周期末期荷电状态值和设定的初始荷电状态值;式(46)中,和分别为静止无功补偿器补偿功率的上限和下限;为t时刻静止无功补偿器的补偿容量。
进一步地,所述步骤S6中主动配电网日内滚动优化的步骤如下:
调度时段由日前的24h缩减为ΔT时段,滚动过程如下:
A1:设定初值,滚动窗口M=0,系统运行时间t=t0;
A2:在时刻t-δt读取2h预测数据,选取调度时刻[t,t+ΔTd]以运行成本最低为目标建模求解,仅执行第一个周期即[t,t+ΔT1]时刻的调度计划;
A3:更新初始值,令滚动窗口M=M+1,系统运行时间t=t0+MΔTr,返回步骤A2。
本发明与现有技术相比,有益效果是:研究了可再生能源发电以微电网形式接入配电网的能量管理策略,考虑了可再生能源发电功率的不确定性和微电网的自管理能力,基于分层调度研究方法,从日前-日内的时间尺度以及微电网-配电网的角度出发,解决可再生能源发电接入下主动配电网在不确定环境下的优化调度问题。有效降低不确定性因素给系统带来的经济损失,给调度人员提供了一个更加经济可行的调度方案,并有效提升配电网自平衡运行能力。
附图说明
图1是本发明一种含多微网的主动配电网不确定性分层调度方法的流程框图;
图2是本发明实例中所采用的电网结构图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,本发明提供一种含多微网的主动配电网不确定性分层调度方法,包括如下步骤:
S1:建立微电网的日前优化调度模型,利用机会约束规划模型描述可再生能源发电出力预测误差,基于经济性和不确定性消纳能力将日内交互功率的不确定区间以确定概率水平限制在一定范围内;
微电网的日前优化调度模型的表达式如下:
式(1)中,为微电网日前运行总成本;T为日前调度总时段;Ct grid为微电网与上级配电网间的t时段的购售电成本;Ct DG为t时段分布式电源的运行成本;Ct ESS为t时段储能的运行成本;Ct f为t时段燃气轮机的燃耗成本;BN为节点集合;和分别为微电网在t时段向主动配电网的购电价格和售电价格;为主动配电网在t时段向微电网的传输功率计划;为t时刻微电网向主动配电网的传输功率计划;cDG为分布式电源运行成本;Pt DG为t时段分布式电源出力;BESS为储能所在节点集合;cESS为储能的充放电运维成本;和为t时刻节点i处储能的充放电功率。BF为燃气轮机所在节点集合;cf为燃气轮机单位功率的燃耗成本;为节点i处燃气轮机在t时刻出力;式(2)中,Pt grid为t时刻主动配电网与微电网交互功率的实际值;为t时段i节点负荷有功需求;式(3)中,和分别为t时刻主动配电网向微电网输电状态变量和微电网向主动配电网输电状态变量,为0-1变量;式(4)中,为主动配电网向微电网传输功率上限;为微电网向主动配电网传输功率上限;式(5)中,δ为预先设定的交互功率预测误差范围;式(6)中,为t时刻分布式电源预测出力;ξt为t时刻分布式电源的出力预测误差;式(7)中,σt为分布式电源预测误差所服从正态分布的标准差;ρDG和为预测误差的相关系数;PDG为分布式电源装机容量;式(8)中,和Pi f 分别为节点i处燃气轮机出力上下限;式(9)中,ut char和分别为t时刻的储能充、放电状态,为0-1变量;式(10)中,分别为储能i在t时刻的充、放电功率;和为功率取值的上边界;Pchar 和Pdischar 为功率取值的下边界;式(11)中,为储能i的额定容量;Δt为调度时间间隔;和SOC为储能的荷电状态的上下限;SOCi,t为储能i在t时刻的荷电状态值;SOCi,0、SOCi,end、SOCi,set分别为储能在调度周期初始荷电状态值、调度周期末期荷电状态值和设定的初始荷电状态值。
S2:对微电网日前优化调度模型转换并求解,并上报调度计划给配电网;
微电网日前优化模型转化的表达式如下:
式(12)中,Φ-1是Φ的逆函数;sup为序列的最大值;式(13)中,Kα为满足的一个实数。
S3:建立主动配电网的日前优化调度模型,确定离散调度单元的动作状态,配电网侧根据微电网上报的交互功率不确定区间及负荷预测信息进行鲁棒优化调度;
主动配电网日前优化调度模型表达式如下:
式(16)中,为主动配电网日前优化运行成本;BN为节点集合;Bsub为上级电网变压器所接节点集合;Ct G为t时段的购电成本;Ct LC为t时段可削减负荷的调度成本;Ct ESS为t时段储能的运行成本;Ct grid为t时刻主动配电网与微电网交易价格,为正时代表主动配电网向微电网售电收益,为负时代表主动配电网向微电网购电成本;λt G为t时段上级配网的售电价格;Pt sub为t时段节点i处配电网变压器向上级电网实际有功需求;BLC为可削减负荷所在节点集合;cLC为需求侧响应补偿成本;为需求侧响应负荷;BESS为储能所在节点集合;cESS为储能的充放电运维成本;和为t时刻节点i处储能的充放电功率;BMG为微电网所接节点集合;和分别为主动配电网在t时段对于微电网的购电价格和售电价格;Pt gridin为t时刻节点i处主动配电网向微电网的传输功率;Pt gridout为t时刻节点i处微电网向主动配电网的传输功率;式(17)中,π(j)为以j节点为末端节点的支路首端节点集合;Pj,t和Qj,t分别为j节点在t时刻的有功注入功率和无功注入功率;Pij,t和Qij,t分别为支路ij上t时刻的有功功率和无功功率;Vi,t为节点i在t时刻的节点电压大小;和分别为节点i所接分布式电源在t时刻的有功出力和无功出力;和分别为节点i在t时刻的负荷有功大小和负荷无功大小;为节点i在t时刻的负荷削减大小;为节点i所接分组投切电容器在t时刻的无功出力;为节点i所接静止无功补偿器在t时刻的无功出力;tanφ为被削减负荷的功率因数角正切值;式(18)中,为线路ij在t时刻的电流平方;为节点i在t时刻的电压平方;式(19)中,和Psub 分别为上级电网传输功率上下限;式(20)中,和分别为节点i所接微电网在t时刻的日内实际出力和日前预测出力;ξi,t≥0,为节点i所接分布式电源在t时刻的波动率,即最大波动偏差百分数;δi为节点i所连微电网在日前上报的误差范围;τi为分布式电源出力时间约束不确定预算,可以用于调整解的保守性;式(22)中,和分别为t时刻的储能充、放电状态,为0-1变量;式(23)中,分别为储能i在t时刻的充、放电功率;和为功率取值的上边界;Pchar 和Pdischar 为功率取值的下边界;式(24)中,为储能i的额定容量;Δt为调度时间间隔;和SOC为储能的荷电状态的上下限;SOCi,t为储能i在t时刻的荷电状态值;SOCi,0、SOCi,end、SOCi,set分别为储能在调度周期初始荷电状态值、调度周期末期荷电状态值和设定的初始荷电状态值;式(25)中,为t时刻负荷实际削减量;为t时刻可削减负荷的最大削减量;为0-1变量,表示负荷削减状态;式(26)中,为0-1变量,分别表示开始削减负荷,停止削减负荷状态;式(27)中,分别表示负荷单次最短削减时间和最长削减时间;式(28)中,表示可同时削减的负荷数量;式(29)中,BCB为包含分组投切电容器的节点集合;为t时刻节点i处电容器的投运容量,为分组投切电容器档位变化的档位切换容量;为整数变量,代表电容器在t时刻的挂接组数;为节点i处分组投切电容器投运组数上限;式(30)中,为分组投切电容器的投切次数最大值;表示相邻时刻分组投切电容器补偿容量变化;式(31)中,BSVC为包含静止无功补偿器的节点集合;和分别为静止无功补偿器补偿功率的上限和下限;为t时刻静止无功补偿器的补偿容量。
S4:采用了列与约束生成算法将鲁棒优化模型划分为变量规模降低的主问题和子问题;
模型划分方法如下:
式(32)中,k为当前的迭代次数;yl为第l次迭代后子问题求解得到的连续变量最优解;为第l次迭代后子问题在最恶劣场景下的不确定变量取值;式(34)中,ρ为子问题的最优解;α、β、γ、ν、κ、分别为相应对偶过程中的拉格朗日乘子;式(37)表示将主问题划分为限制主问题和子问题问题,可采用列与约束生成算法进行求解。
S5:建立主动配电网的日内优化调度模型,改善系统行为;
主动配电网日内优化调度模型的表达式如下:
式(38)中,为主动配电网日前优化运行成本;BN为节点集合;Bsub为上级电网变压器所接节点集合;Ct G为t时段的购电成本;Ct ESS为t时段储能的运行成本;Ct grid为t时刻主动配电网与微电网交易价格,为正时代表主动配电网向微电网售电收益,为负时代表主动配电网向微电网购电成本;λt G为t时段上级配网的售电价格;Pt sub为t时段节点i处配电网变压器向上级电网实际有功需求;BESS为储能所在节点集合;cESS为储能的充放电运维成本;和为t时刻节点i处储能的充放电功率;式(39)中,Pij,t、Qij,t分别为t时刻线路ij有功和无功功率;vi,t为节点电压;Pi,t、分别为t时刻上级电网输入有功、分布式电源的有功出力、负荷削减功率、负荷有功;Qi,t、分别为t时刻上级电网输入无功、节点i的注入功率、分布式电源的无功出力、分组投切电容器的补偿容量、静止无功补偿器的补偿容量及负荷无功;tanφ为被削减负荷的功率因数角tan值。式(40)中,Sij,max为线路最大视在功率;式(41)中,θij,t为线路两端相角差值;gij、bij分别为线路ij的电导和电纳;Ui,t为节点i的电压平方项;式(42)中,和分别为节点i所接微电网在t时刻的日内实际出力和日前预测出力;分别为节点i所接微电网在t时刻的日内实际无功功率;式(43)中,和分别为t时刻的储能充、放电状态,为0-1变量;式(44)中,分别为储能i在t时刻的充、放电功率;和为功率取值的上边界;Pchar 和Pdischar 为功率取值的下边界;式(45)中,为储能i的额定容量;Δt为调度时间间隔;和SOC为储能的荷电状态的上下限;SOCi,t为储能i在t时刻的荷电状态值;SOCi,0、SOCi,end、SOCi,set分别为储能在调度周期初始荷电状态值、调度周期末期荷电状态值和设定的初始荷电状态值;式(46)中,和分别为静止无功补偿器补偿功率的上限和下限;为t时刻静止无功补偿器的补偿容量。
S6:利用日内滚动优化确定连续调度单元在日内的动作量。
主动配电网日内滚动优化的步骤如下:
调度时段由日前的24h缩减为ΔT时段,滚动过程如下:
A1:设定初值,滚动窗口M=0,系统运行时间t=t0;
A2:在时刻t-δt读取2h预测数据,选取调度时刻[t,t+ΔTd]以运行成本最低为目标建模求解,仅执行第一个周期即[t,t+ΔT1]时刻的调度计划;
A3:更新初始值,令滚动窗口M=M+1,系统运行时间t=t0+MΔTr,返回步骤A2。
基于上述内容,为了验证本发明方案的有效性,本实施例中将上述方案进行实例应用,具体如下:
选取某农村地区51节点10kV配网测试系统进行改进,如图2所示。节点负荷及馈线参数如表1、表2所示。
表1测试系统节点负荷大小
表2测试系统馈线参数
为了验证本发明提出的不确定性分级管理框架,设微电网日前调度模型中的置信水平为95%,配电网鲁棒优化模型的不确定预算取6,设置如下几种场景进行成本对比分析。
场景一:PV出力的不确定性全部由微电网承担;
场景二:微电网将联络线功率的波动范围限制在5%以内,5%以内的联络线波动由配电网承担;
场景三:微电网将联络线功率的波动范围限制在10%以内,10%以内的联络线波动由配电网承担。
几种场景下的结果如表3所示。
表3不同场景下调度结果
分析算例结果,不难发现,随着微电网上报交互功率的不确定范围不断提高,其自身运行成本显著提高,具体体现在可再生能源发电不确定性导致微电网用电需求及微电网售电量具有波动,从而使配电网对上级电网的购电需求不断增加,经济效益明显降低。同时,通过比较几种场景下的网损指标可以发现,随着配电网向微电网购电功率的增加,配电网线路中的网损不断提高。分析其原因可以发现,微电网对配电网的供电引起了反向潮流,造成了系统网损的增加。该算例结果表明了联络线功率的波动大小与配电网运行成本成正比,证明了当微电网作为独立主体参与电力市场时不确定性分级调度管理措施的必要性。
表4中对比了日内滚动阶段继承所有运行计划和仅继承离散变量计划两种方案的配电网运行成本,结果表明了本文所提日内滚动优化方案实现配电网经济运行的有效性。
表4不同继承计划下的运行指标
根据本实施例的结果,在分层调度框架的基础上,首先采用机会约束规划条件描述分布式可再生电源出力的不确定性,然后采用多面体不确定集合描述微电网上报交互功率计划的不确定性,最后通过滚动优化理论在日内调整连续调度设备的出力计划,促进了分布式电源的渗透,大幅降低了配电网中的不确定因素。综上所述,体现了本发明所提供的含多微网的主动配电网不确定性分层调度研究的有益效果。
最后应该说明的是,结合上述实施例仅说明本发明的技术方案而非对其限制。所属领域的普通技术人员应当理解到,本领域技术人员可以对本发明的具体实施方式进行修改或者等同替换,但这些修改或变更均在申请待批的权利要求保护范围之中。
Claims (7)
1.一种含多微网的主动配电网不确定性分层调度方法,其特征在于,所述方法包括如下步骤:
S1:建立微电网的日前优化调度模型,利用机会约束规划模型描述可再生能源发电出力预测误差,基于经济性和不确定性消纳能力将日内交互功率的不确定区间以确定概率水平限制在一定范围内;
S2:对微电网日前优化调度模型转换并求解,并上报调度计划给配电网;
S3:建立主动配电网的日前优化调度模型,确定离散调度单元的动作状态,配电网侧根据微电网上报的交互功率不确定区间及负荷预测信息进行鲁棒优化调度;
S4:采用了列与约束生成算法将鲁棒优化模型划分为变量规模降低的主问题和子问题;
S5:建立主动配电网的日内优化调度模型,改善系统行为;
S6:利用日内滚动优化确定连续调度单元在日内的动作量。
2.根据权利要求1所述的一种含多微网的主动配电网不确定性分层调度方法,其特征在于,所述步骤S1中微电网的日前优化调度模型的表达式如下:
式(1)中,为微电网日前运行总成本;T为日前调度总时段;Ct grid为微电网与上级配电网间的t时段的购售电成本;Ct DG为t时段分布式电源的运行成本;Ct ESS为t时段储能的运行成本;Ct f为t时段燃气轮机的燃耗成本;BN为节点集合;和分别为微电网在t时段向主动配电网的购电价格和售电价格;为主动配电网在t时段向微电网的传输功率计划;为t时刻微电网向主动配电网的传输功率计划;cDG为分布式电源运行成本;Pt DG为t时段分布式电源出力;BESS为储能所在节点集合;cESS为储能的充放电运维成本;和为t时刻节点i处储能的充放电功率;BF为燃气轮机所在节点集合;cf为燃气轮机单位功率的燃耗成本;为节点i处燃气轮机在t时刻出力;式(2)中,Pt grid为t时刻主动配电网与微电网交互功率的实际值;为t时段i节点负荷有功需求;式(3)中,和分别为t时刻主动配电网向微电网输电状态变量和微电网向主动配电网输电状态变量,为0-1变量;式(4)中,为主动配电网向微电网传输功率上限;为微电网向主动配电网传输功率上限;式(5)中,δ为预先设定的交互功率预测误差范围;式(6)中,为t时刻分布式电源预测出力;ξt为t时刻分布式电源的出力预测误差;式(7)中,σt为分布式电源预测误差所服从正态分布的标准差;ρDG和为预测误差的相关系数;PDG为分布式电源装机容量;式(8)中,和Pi f 分别为节点i处燃气轮机出力上下限;式(9)中,和分别为t时刻的储能充、放电状态,为0-1变量;式(10)中,分别为储能i在t时刻的充、放电功率;和为功率取值的上边界;Pchar 和Pdischar 为功率取值的下边界;式(11)中,为储能i的额定容量;Δt为调度时间间隔;和SOC为储能的荷电状态的上下限;SOCi,t为储能i在t时刻的荷电状态值;SOCi,0、SOCi,end、SOCi,set分别为储能在调度周期初始荷电状态值、调度周期末期荷电状态值和设定的初始荷电状态值。
3.根据权利要求1所述的一种含多微网的主动配电网不确定性分层调度方法,其特征在于,所述步骤S2中微电网日前优化模型转化的表达式如下:
式(12)中,Φ-1是Φ的逆函数;sup为序列的最大值;式(13)中,Kα为满足的一个实数。
4.根据权利要求1所述的一种含多微网的主动配电网不确定性分层调度方法,其特征在于,所述步骤S3中主动配电网日前优化调度模型表达式如下:
式(16)中,为主动配电网日前优化运行成本;BN为节点集合;Bsub为上级电网变压器所接节点集合;Ct G为t时段的购电成本;Ct LC为t时段可削减负荷的调度成本;Ct ESS为t时段储能的运行成本;Ct grid为t时刻主动配电网与微电网交易价格,为正时代表主动配电网向微电网售电收益,为负时代表主动配电网向微电网购电成本;λt G为t时段上级配网的售电价格;Pt sub为t时段节点i处配电网变压器向上级电网实际有功需求;BLC为可削减负荷所在节点集合;cLC为需求侧响应补偿成本;为需求侧响应负荷;BESS为储能所在节点集合;cESS为储能的充放电运维成本;和为t时刻节点i处储能的充放电功率;BMG为微电网所接节点集合;和分别为主动配电网在t时段对于微电网的购电价格和售电价格;Pt gridin为t时刻节点i处主动配电网向微电网的传输功率;Pt gridout为t时刻节点i处微电网向主动配电网的传输功率;式(17)中,π(j)为以j节点为末端节点的支路首端节点集合;Pj,t和Qj,t分别为j节点在t时刻的有功注入功率和无功注入功率;Pij,t和Qij,t分别为支路ij上t时刻的有功功率和无功功率;Vi,t为节点i在t时刻的节点电压大小;和分别为节点i所接分布式电源在t时刻的有功出力和无功出力;和分别为节点i在t时刻的负荷有功大小和负荷无功大小;为节点i在t时刻的负荷削减大小;为节点i所接分组投切电容器在t时刻的无功出力;为节点i所接静止无功补偿器在t时刻的无功出力;tanφ为被削减负荷的功率因数角正切值;式(18)中,为线路ij在t时刻的电流平方;为节点i在t时刻的电压平方;式(19)中,和Psub 分别为上级电网传输功率上下限;式(20)中,和分别为节点i所接微电网在t时刻的日内实际出力和日前预测出力;ξi,t≥0,为节点i所接分布式电源在t时刻的波动率,即最大波动偏差百分数;δi为节点i所连微电网在日前上报的误差范围;τi为分布式电源出力时间约束不确定预算,可以用于调整解的保守性;式(22)中,和分别为t时刻的储能充、放电状态,为0-1变量;式(23)中,分别为储能i在t时刻的充、放电功率;和为功率取值的上边界;Pchar 和Pdischar 为功率取值的下边界;式(24)中,为储能i的额定容量;Δt为调度时间间隔;和SOC为储能的荷电状态的上下限;SOCi,t为储能i在t时刻的荷电状态值;SOCi,0、SOCi,end、SOCi,set分别为储能在调度周期初始荷电状态值、调度周期末期荷电状态值和设定的初始荷电状态值;式(25)中,为t时刻负荷实际削减量;为t时刻可削减负荷的最大削减量;为0-1变量,表示负荷削减状态;式(26)中,为0-1变量,分别表示开始削减负荷,停止削减负荷状态;式(27)中,分别表示负荷单次最短削减时间和最长削减时间;式(28)中,表示可同时削减的负荷数量;式(29)中,BCB为包含分组投切电容器的节点集合;为t时刻节点i处电容器的投运容量,为分组投切电容器档位变化的档位切换容量;为整数变量,代表电容器在t时刻的挂接组数;为节点i处分组投切电容器投运组数上限;式(30)中,为分组投切电容器的投切次数最大值;表示相邻时刻分组投切电容器补偿容量变化;式(31)中,BSVC为包含静止无功补偿器的节点集合;和分别为静止无功补偿器补偿功率的上限和下限;为t时刻静止无功补偿器的补偿容量。
5.根据权利要求1所述的一种含多微网的主动配电网不确定性分层调度方法,其特征在于,所述步骤S4中模型划分方法如下:
式(32)中,k为当前的迭代次数;yl为第l次迭代后子问题求解得到的连续变量最优解;为第l次迭代后子问题在最恶劣场景下的不确定变量取值;式(34)中,ρ为子问题的最优解;α、β、γ、ν、κ、θ分别为相应对偶过程中的拉格朗日乘子;式(37)表示将主问题划分为限制主问题和子问题问题,可采用列与约束生成算法进行求解。
6.根据权利要求1所述的一种含多微网的主动配电网不确定性分层调度方法,其特征在于,所述步骤S5中主动配电网日内优化调度模型的表达式如下:
式(38)中,为主动配电网日前优化运行成本;BN为节点集合;Bsub为上级电网变压器所接节点集合;Ct G为t时段的购电成本;Ct ESS为t时段储能的运行成本;Ct grid为t时刻主动配电网与微电网交易价格,为正时代表主动配电网向微电网售电收益,为负时代表主动配电网向微电网购电成本;λt G为t时段上级配网的售电价格;Pt sub为t时段节点i处配电网变压器向上级电网实际有功需求;BESS为储能所在节点集合;cESS为储能的充放电运维成本;和为t时刻节点i处储能的充放电功率;式(39)中,Pij,t、Qij,t分别为t时刻线路ij有功和无功功率;vi,t为节点电压;Pi,t、分别为t时刻上级电网输入有功、分布式电源的有功出力、负荷削减功率、负荷有功;Qi,t、分别为t时刻上级电网输入无功、节点i的注入功率、分布式电源的无功出力、分组投切电容器的补偿容量、静止无功补偿器的补偿容量及负荷无功;tanφ为被削减负荷的功率因数角tan值。式(40)中,Sij,max为线路最大视在功率;式(41)中,θij,t为线路两端相角差值;gij、bij分别为线路ij的电导和电纳;Ui,t为节点i的电压平方项;式(42)中,和分别为节点i所接微电网在t时刻的日内实际出力和日前预测出力;分别为节点i所接微电网在t时刻的日内实际无功功率;式(43)中,和分别为t时刻的储能充、放电状态,为0-1变量;式(44)中,分别为储能i在t时刻的充、放电功率;和为功率取值的上边界;Pchar 和Pdischar 为功率取值的下边界;式(45)中,Ei nomal为储能i的额定容量;Δt为调度时间间隔;和SOC为储能的荷电状态的上下限;SOCi,t为储能i在t时刻的荷电状态值;SOCi,0、SOCi,end、SOCi,set分别为储能在调度周期初始荷电状态值、调度周期末期荷电状态值和设定的初始荷电状态值;式(46)中,和分别为静止无功补偿器补偿功率的上限和下限;为t时刻静止无功补偿器的补偿容量。
7.根据权利要求1所述的一种含多微网的主动配电网不确定性分层调度方法,其特征在于,所述步骤S6中主动配电网日内滚动优化的步骤如下:
调度时段由日前的24h缩减为ΔT时段,滚动过程如下:
A1:设定初值,滚动窗口M=0,系统运行时间t=t0;
A2:在时刻t-δt读取2h预测数据,选取调度时刻[t,t+ΔTd]以运行成本最低为目标建模求解,仅执行第一个周期即[t,t+ΔT1]时刻的调度计划;
A3:更新初始值,令滚动窗口M=M+1,系统运行时间t=t0+MΔTr,返回步骤A2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311350538.0A CN117394366A (zh) | 2023-10-18 | 2023-10-18 | 一种含多微网的主动配电网不确定性分层调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311350538.0A CN117394366A (zh) | 2023-10-18 | 2023-10-18 | 一种含多微网的主动配电网不确定性分层调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117394366A true CN117394366A (zh) | 2024-01-12 |
Family
ID=89469653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311350538.0A Pending CN117394366A (zh) | 2023-10-18 | 2023-10-18 | 一种含多微网的主动配电网不确定性分层调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117394366A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117689179A (zh) * | 2024-01-30 | 2024-03-12 | 山东建筑大学 | 基于多阶段鲁棒的综合能源系统运行优化方法及系统 |
CN118572783A (zh) * | 2024-08-05 | 2024-08-30 | 天津大学 | 城市雪花配电网日前日内两阶段优化运行方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113541191A (zh) * | 2021-07-22 | 2021-10-22 | 国网上海市电力公司 | 考虑大规模可再生能源接入的多时间尺度调度方法 |
CN114597894A (zh) * | 2022-03-15 | 2022-06-07 | 天津大学合肥创新发展研究院 | 考虑碳成本及多重不确定性的配电网日前调度方法及装置 |
-
2023
- 2023-10-18 CN CN202311350538.0A patent/CN117394366A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113541191A (zh) * | 2021-07-22 | 2021-10-22 | 国网上海市电力公司 | 考虑大规模可再生能源接入的多时间尺度调度方法 |
CN114597894A (zh) * | 2022-03-15 | 2022-06-07 | 天津大学合肥创新发展研究院 | 考虑碳成本及多重不确定性的配电网日前调度方法及装置 |
Non-Patent Citations (3)
Title |
---|
LIN YI等: "Distributionally Robust Resilience Enhancement Model for the Power Distribution System Considering the Uncertainty of Natural Disasters", 《 2023 IEEE INTERNATIONAL CONFERENCE ON POWER SCIENCE AND TECHNOLOGY (ICPST)》, 4 July 2023 (2023-07-04) * |
张剑等: "部分分布式电源提供辅助服务的主动配电网快速 鲁棒优化", 《高电压技术》, 19 October 2022 (2022-10-19) * |
李宁等: "考虑需求响应不确定性的综合能源系统优化调度研究", 《电气工程学报》, vol. 18, no. 1, 31 March 2023 (2023-03-31) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117689179A (zh) * | 2024-01-30 | 2024-03-12 | 山东建筑大学 | 基于多阶段鲁棒的综合能源系统运行优化方法及系统 |
CN117689179B (zh) * | 2024-01-30 | 2024-05-03 | 山东建筑大学 | 基于多阶段鲁棒的综合能源系统运行优化方法及系统 |
CN118572783A (zh) * | 2024-08-05 | 2024-08-30 | 天津大学 | 城市雪花配电网日前日内两阶段优化运行方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119886B (zh) | 一种主动配网动态规划方法 | |
CN108876131B (zh) | 基于电网成效贡献度的储备项目优选方法 | |
CN117394366A (zh) | 一种含多微网的主动配电网不确定性分层调度方法 | |
CN106655207A (zh) | 基于多数据分析的配电网无功优化系统及方法 | |
CN112364516A (zh) | 考虑不同负荷结构的10kV馈线最佳负载能力计算方法 | |
CN106849097A (zh) | 一种主动配电网潮流计算方法 | |
CN112380694B (zh) | 一种基于差异化可靠性需求的配电网优化规划方法 | |
Tomin et al. | Deep reinforcement learning for energy microgrids management considering flexible energy sources | |
CN111200281B (zh) | 互联微网储能配置扩容优化方法 | |
CN114336636B (zh) | 一种交直流混合配电网系统双层储能配置方法 | |
CN110739719A (zh) | 柔性多状态开关优化接入的两步式决策方法 | |
Hashem et al. | A Bi-level optimizer for reliability and security assessment of a radial distribution system supported by wind turbine generators and superconducting magnetic energy storages | |
CN115833105A (zh) | 一种基于集群划分的配电网规划方法 | |
CN115693652A (zh) | 基于电力平衡和性能成本的配电网网架优化方法及装置 | |
An et al. | Optimal operation of multi-micro energy grids under distribution network in Southwest China | |
CN108667071B (zh) | 一种主动配电网负荷精准控制计算方法 | |
CN117767407A (zh) | 一种分布式电源联合可信容量评估方法 | |
Shi et al. | Optimal allocation of energy storage capacity for hydro-wind-solar multi-energy renewable energy system with nested multiple time scales | |
CN112561319A (zh) | 一种数据中心能源系统综合评价方法 | |
CN115564142A (zh) | 一种混合储能系统的选址定容优化方法及系统 | |
CN115204944A (zh) | 一种计及全寿命周期的储能最优峰谷价差测算方法及装置 | |
Tao et al. | Distributed Energy Storage Cluster Control Method for DC Microgrid Considering Flexibility | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
CN113690942A (zh) | 一种基于多目标神经网络优化的分布式新能源定容方法 | |
Seervi et al. | Renewable Energy Forecasting for Energy Storage Sizing: A Review |
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 |