CN107092991A - 一种智能电网自适应经济调度分配方法 - Google Patents
一种智能电网自适应经济调度分配方法 Download PDFInfo
- Publication number
- CN107092991A CN107092991A CN201710310644.4A CN201710310644A CN107092991A CN 107092991 A CN107092991 A CN 107092991A CN 201710310644 A CN201710310644 A CN 201710310644A CN 107092991 A CN107092991 A CN 107092991A
- Authority
- CN
- China
- Prior art keywords
- mrow
- unit
- msub
- load dispatching
- economic load
- 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
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 51
- 238000005457 optimization Methods 0.000 claims description 24
- 238000013461 design Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000013459 approach Methods 0.000 abstract description 2
- 239000004744 fabric Substances 0.000 description 5
- 230000005611 electricity Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种智能电网自适应经济调度分配方法主要包括两个阶段,在每个经济调度周期的开始阶段,通过采用一致性领导者‑跟随者一致性控制协议来找到每个机组初始化功率输出来实现智能电网供需平衡;在第二个阶段,通过执行含有自适应参数的分布式一致性协议来实现含有通信不确定情况下的机组间最优功率调度,并在第二个阶段针对机组调整容量未受限和受限两种情形分别给出不同的分布式自适应一致性协议。本发明方法可用于解决存在通信受限、数据丢失以及攻击环境下满足智能电网供需平衡的机组经济调度问题,能够消除一类有界通信不确定性对电力最优调度的影响,为存在通信不确定性情况下电力经济调度提供了新思路。
Description
技术领域
本发明属于电力***自动化领域,涉及一种智能电网自适应经济调度分配方法。
背景技术
智能电网是一个包含多种监测、控制和实施装置的电力和通信网络,其中包括智能元件(智能电表,智能家电),传统机组、可再生能源、储能以及各种负荷等。最近,运营商已经开始将其业务从集中管理方式转变为分布式或分散式管理,以应对智能电网规模的不断扩大。
在智能电网中,最优经济调度控制策略一直以来都是业界和学术界关注的重点。最优经济调度的目标在于找到含有网络和机组约束情况下的发电机组的最优输出,且满足电力需求以及实现总发电量代价的最小化。
传统的经济调度方法主要基于调度中心集中式数据采集、处理和分发方式来实现。随着电网规模的不断增大和电网机组数量的不断增多,传统集中式调度方案的实施面临着新的挑战和技术难题。在“能源互联网”框架下,智能电网通信基础设施的不断完善,这为实现分布式信息采集、计算和控制带来了新的契机。当采用分布式调度方案来解决经济调度问题时,只需要相邻发电机组之间进行本地信息通信。此外,配备分布式调度方案的智能电网的计算和决策可以局部实施,由此将传统大规模网络优化问题进行解耦,很好地适应了网络的变化和***参数不确定性。与集中式电力调度方法相比,分布式调度算法具有易实现和维护,通信成本低,对通信不确定性的强鲁棒性等诸多优点。
尽管已有许多工作针对不同环境下给出了分布式经济调度控制策略,但是其基本上都是在理想可靠性通信链路情况下实现,而对含有通信不确定性(通信受限、数据丢失、网络攻击、量化误差等)环境下的设计比较少见。在智能电网调度运行过程中,通信链路的不确定性严重降低电网机组功率分配的经济性和可靠性。考虑到通信不确定因素降低最终经济调度性能,除了改善智能电网通信基础设施的外,还需要设计强大的调度算法来应对通信缺陷和不确定性。
基于上述考虑,本发明提出了自适应鲁棒一致性分配经济调度算法用于解决存在通讯不确定性下的智能电网最优经济调度问题。所提出的经济调度策略主要包括两个阶段进行实施。在每个经济调度周期的开始阶段,通过设计一种领导者-跟随者一致性控制协议来找到每个机组初始化功率输出来实现智能电网供需平衡;在第二个阶段,通过所提出的一种新的含有自适应参数的分布式一致性协议来实现机组间增量成本的一致性。在第二个阶段针对机组调整容量未受限和受限两种情形分别给出不同的分布式自适应一致性协议;为了处理未知且有界的通信不确定性,本发明提出了一种基于局部邻居信息的自适应权重更新算法。此外,上述分布式一致性协议针对机组容量未受限和受限两种情形分别给出,且所提出方法的可靠性可通过图论和能量函数理论进行证明。
发明内容
发明目的:为了解决现有的分布式经济调度控制策略中不适用于含有通信不确定性环境的智能电网,本发明提供一种智能电网自适应经济调度分配方法,能够消除一类有界通信不确定性对电力最优调度的影响,为存在通信不确定性情况下电力经济调度提供了新思路。
技术方案:为实现上述目的,本发明中的智能电网自适应经济调度分配方法,在多智能体网络环境下,设计一种领导者-跟踪者协议来给出各个机组初始化功率输出以满足电网供需平衡约束。该协议根据***总的功率缺额以及各个机组的调整能力来设计,将机组调整量与其最大可调能力比值作为一致性变量,通过领导者-跟踪者算法使得该一致性变量趋于一致,体现初始分配的公平性和可行性。
在机组调整能力未受限和存在有界通信不确定性情况下,设计一种自适应鲁棒分布式一致性算法来实现分布式环境下机组间最优经济调度。其中,该算法链路权重通过分布式自适应算法进行更新;将机组增量成本作为一致性变量输出以及在相邻机组间进行交互,最终通过增量成本一致性来实现机组间最优经济调度。
针对机组调整容量受限情形,所提出方法将该调整容量区间约束转化为对数障碍函数,将其考虑在目标函数中,从而将含约束优化问题转化为类似上文中的无约束优化问题。其次,应用上述步骤中鲁棒分布式一致性协议来给出机组间最优经济调度。
本发明中智能电网自适应经济调度分配方法,主要分为两个阶段,均是在多智能体网络环境下实施,本发明中为了描述统一和方便,将参与经济调度的机组称为经济调度机组,将分配初始阶段各个机组功率值的处理中心称为协调中心,每个经济调度机组被视为一个智能体参与电力调度分配,协调中心仅仅在初始阶段给出每个发电机初始虚拟出力,最终经济发电调整通过分布式优化算法来实现,主要包括以下步骤:
步骤1,设计一种领导者-跟踪者协议来给出各个机组初始化功率输出以满足电网供需平衡约束。该协议根据***总的功率缺额以及各个机组的调整能力来设计,将机组调整量与其最大可调能力比值作为一致性变量,通过领导者-跟踪者算法使得该一致性变量趋于一致,体现初始分配的公平性和可行性。
步骤2,针对电网机组调整容量未受限和受限两种情况分别进行优化目标的设置。
在机组调整能力未受限和存在有界通信不确定性情况下,设计一种自适应鲁棒分布式一致性算法来实现分布式环境下机组将最优经济调度。其中,该算法链路权重通过分布式自适应算法进行更新;将机组增量成本作为一致性变量输出以及在相邻机组间进行交互,最终通过增量成本一致性来实现机组间最优经济调度。
针对机组调整容量受限情形,所提出方法将该调整容量区间约束转化为对数障碍函数,将其考虑在目标函数中,从而将含约束优化问题转化为跟未受限情况类似的中无约束优化问题。其次,应用鲁棒分布式一致性协议来给出机组间最优经济调度。
步骤1中具体包括以下步骤:
(1)假定***中含有N个经济调度机组,分别为1,2,…,N。令第i机组的当前实际出力为PGi(t),机组出力上下界为机组出力调整量为ΔPGi(t)。令***当前负荷用电量为PD(t),则可以得到***功率不匹配量为首先定义每个机组的一致性变量ri(t)为其调整功率跟其最大可调能力的比值,即满足其中机组i最大可调量为:
(2)将协调中心节点作为领导节点,其可通过网络监测和通信设施获知负荷和机组信息如且满足令其虚拟一致性变量为rv(t),设计领导节点一致性变量更新算法为:
其中,表示变量rv的导数,初始化rv(0)=0,μ(t)>0为时变待设计有界增益,通过选取适当的值可将rv(t)控制在[0 1]区间内。当ΔP(t)=0时,上述动力学到达平衡点,即
(3)每个经济调度机组作为跟随者(标记为i=1,2,…,N),通过自上而下的通信网络获取领导节点一致性变量rv(t)(由公式(2)给出),用于自身一致性跟踪协议设计,即:
其中,表示变量ri(t)的导数,c1>0,c2>0为控制增益,sign(·)为符号函数。可以证明当μ(t)一致有界时,一致有界,此时可假设即被常数限定。则当时,上述跟随者动力学(3)指数收敛于领导者动力学(2)。
步骤2中,针对电网机组调整容量未受限和受限两种情况分别进行优化目标的设置。
(1)针对电网机组调整容量未受限的情况,考虑供需平衡的最优经济调度问题旨在求解如下优化问题:
其中,机组i的成本函数为二次型,即αi,βi和γi分别为常数项、一次项和二次项系数;由此机组i的发电增量函数可表示为ICi(PGi(t))=βi+2γiPGi(t).由最优化条件知,上述经济调度最优解将会在增量函数一致性条件下获得,即
在通信网络存在不确定性情况下,基于分布式一致性算法的鲁棒经济调度协议可设计如下:
其中,表示变量的导数,Ni为与机组i存在通信连接的邻居机组集合,表示机组i的增量成本,此处为多智能体***一致性变量;ωij(t)为时变通信链路不确定性,满足ωij(t)=ωji(t),假设其有界;κ>0为一常系数用于调整算法的收敛速率;A(t)=[aij(t)]为电网中通信网络邻接矩阵表示,aij(t)>0表示机组i与j间存在通信关联,否则aij(t)=0;hij>0为控制增益,为aij(t)的导数。动力学方程(5)则为机组i的一致性变量更新方程,其中仅用到邻居机组信息;(6)为权重矩阵的自适应更新律,假设网络的连接关系不随时间变化。
(2)在电网机组调整容量受限情况下,考虑供需平衡的最优经济调度问题旨在求解如下优化问题:
为了便于应用所提出的控制协议(5)-(6),可将容量区间优化转化为对数障碍函数,即:
其中,θ>0为惩罚项权重。则(7)转化为如下优化问题,……
类似于式(4),优化式(8)最优解将会在新的增量函数一致性条件下获得,即其中增量函数给出如下:
在通信网络存在不确定性情况下,针对优化问题(8),基于分布式一致性算法的鲁棒经济调度协议可设计如下:
其中,表示变量PGi(t)导数,为aij(t)的导数,分布式协议中一致性变量由式(9)给出,其他参数同协议(5)-(6)。相应地,动力学方程(10)则为机组i的一致性变量更新方程,其中仅用到邻居机组信息;式(11)为权重矩阵的自适应更新律,假设网络的连接关系不随时间变化。可以证明上述分布式经济调度协议可收敛到问题(8)的最优解。
有益效果:本发明中智能电网自适应经济调度分配方法,与现有的集中式经济调度和已有的分布式经济调度策略相比,作为鲁棒一致性分布式经济调度方法,能够有效处理通信不确定性,降低通信不确定性对经济调度性能的影响;并且仅需要利用邻居信息来更新自身一致性变量,通过增量成本一致性来实现最终机组出力分配的最优性,有效地减少网络的通信成本,具有较高的网络自适应能力和扩展性,具有一定的理论和实际应用价值。
附图说明
图1是本发明中智能电网自适应经济调度分配方法的两阶段电力调度示意图;
图2是基于领导者-跟随者协议初始化功率输出通信结构示意图。
具体实施方式
下面结合附图对本发明的方案进行清楚、完整的描述,如附图1,本发明中智能电网自适应经济调度分配方法在每个功率调度周期T内可分为两个子阶段进行实施,时间区间对应附图1中T1,T2阶段,具体实施步骤如下:
步骤1:见附图2,假定***中含有N个经济调度机组,分别为1,2,…,N。令第i机组的当前实际出力为PGi(t),机组出力上下界为机组出力调整功率为ΔPGi(t)。令***当前负荷用电量为PD(t),则可以得到***功率不匹配量为ΔP(t)=首先定义每个机组的一致性变量ri(t)为其调整功率跟其最大可调能力的比值,即满足其中机组i的功率最大可调量为:
见附图2,将协调中心节点作为领导节点,假定其可通过网络监测和通信设施获知负荷和机组信息如且满足令其虚拟一致性变量为rv(t),设计领导节点一致性变量更新算法为:
其中,表示变量rv(t)的导数,初始化rv(0)=0,μ(t)>0为时变待设计有界增益,通过选取适当的值可将rv(t)控制在[0 1]区间内。当ΔP(t)=0时,上述动力学到达平衡点,即
步骤2:见附图2,每个跟随者(机组i=1,2,…,N),通过自上而下的通信网络获取领导节点一致性变量rv(t),用于自身一致性跟踪协议设计,即:
其中,为变量ri(t)的导数,c1>0,c2>0为控制增益,sign(·)为符号函数。可以证明当μ(t)一致有界时,一致有界,此时可假设即被常数限定。则当时,上述跟随者动力学(3)指数收敛于领导者动力学(2)。
1)在电网机组调整容量未受限情况下,考虑供需平衡的最优经济调度问题旨在求解如下优化问题:
其中,机组i的成本函数为二次型,即αi,βi和γi分别为常数项、一次项和二次项系数;机组i的发电增量函数可表示为ICi(PGi(t))=βi+2γiPGi(t).由最优化条件知,上述经济调度最优解将会在增量函数一致性条件下获得,即
通信网络存在不确定性情况下,基于分布式一致性算法的鲁棒经济调度协议可设计如下:
其中,为变量ri(t)的导数,Ni为与机组i存在通信连接的邻居机组集合,表示机组i的增量成本,此处为多智能体***一致性变量;ωij(t)为时变通信链路不确定性,满足ωij(t)=ωji(t),假设其有界;κ>0为一常系数用于调整算法的收敛速率;A(t)=[aij(t)]为电网中通信网络邻接矩阵表示,aij(t)>0表示机组i与j间存在通信关联,否则aij(t)=0,为aij(t)的导数;hij>0为控制增益。动力学方程(5)则为机组i的一致性变量更新方程,其中仅用到邻居机组信息;(6)为权重矩阵的自适应更新律,假设网络的连接关系不随时间变化。
2)在电网机组调整容量受限情况下,考虑供需平衡的最优经济调度问题旨在求解如下优化问题:
为了便于应用所提出的控制协议(5)-(6),可将容量区间优化转化为对数障碍函数,即
其中θ>0为惩罚项权重常数。则(7)转化为如下优化问题,……
类似于公式(4),优化问题(8)的最优解将会在新的增量函数一致性条件下获得,即其中增量函数给出如下:
在通信网络存在不确定性情况下,针对优化问题(8),基于分布式一致性算法的鲁棒经济调度协议可设计如下:
其中,表示变量PGi(t)的导数,分布式协议中一致性变量相应地,动力学方程(10)则为机组i的一致性变量更新方程,其中仅用到邻居机组信息;公式(11)为权重矩阵的自适应更新律,假设网络的连接关系不随时间变化。可以证明上述分布式协议可收敛到问题(8)的最优解。
以上仅是本发明的优选实施方式,应当指出以上实施列对本发明不构成限定,相关工作人员在不偏离本发明技术思想的范围内,所进行的多样变化和修改,均落在本发明的保护范围内。
Claims (8)
1.一种智能电网自适应经济调度分配方法,其特征在于,该方法包括以下步骤:
(1)将协调中心作为领导节点,各经济调度机组作为跟随者,初始化领导节点的虚拟一致性变量和跟随者的一致性变量;
(2)领导节点根据所获取的***中的负荷信息和机组信息更新其虚拟一致性变量,跟随者根据领导节点的虚拟一致性变量更新自身的一致性变量;所述***中的负荷信息包括***功率不匹配量,机组信息包括各经济调度机组的一致性变量和功率最大可调整量;
(3)根据电网机组调整容量的未受限和受限两种情况分别建立供需平衡的最优经济调度问题的优化目标,在通信网络存在不确定性的情况下,基于分布式一致性算法设置鲁棒经济调度协议,并利用所述鲁棒经济调度协议求解所述优化目标的最优解。
2.根据权利要求1所述的智能电网自适应经济调度分配方法,其特征在于,所述领导节点的虚拟一致性变量的更新公式为:
式中,表示变量rv(t)的导数,rv(t)为领导节点的虚拟一致性变量,μ(t)为时变待设计有界增益,ri(t)为机组i的一致性变量,为机组i的功率最大可调整量,ΔP(t)为***功率不匹配量,N为***中经济调度机组的个数。
3.根据权利要求1所述的智能电网自适应经济调度分配方法,其特征在于,所述跟随者的一致性变量的更新公式为:
<mrow>
<msub>
<mover>
<mi>r</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>r</mi>
<mi>v</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>c</mi>
<mn>2</mn>
</msub>
<mi>s</mi>
<mi>i</mi>
<mi>g</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>r</mi>
<mi>v</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
式中,表示ri(t)的导数,ri(t)为机组i一致性变量,c1>0,c2>0为控制增益,sign(·)为符号函数,rv(t)为领导节点的虚拟一致性变量。
4.根据权利要求1所述的智能电网自适应经济调度分配方法,其特征在于,步骤(3)中在电网机组调整容量的受限情况下所建立的优化目标为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mi>D</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中,机组i的成本函数αi,βi和γi分别为常数项、一次项和二次项系数;PD(t)为***的负荷用电量,PGi(t)为机组i的实际出力。
5.根据权利要求4所述的智能电网自适应经济调度分配方法,其特征在于,步骤(3)中在电网机组调整容量未受限情况下基于分布式一致性算法设置鲁棒经济调度协议为:
其中,表示的导数,Ni为与机组i存在通信连接的邻居机组集合,κ为常系数用于调整算法的收敛速率,表示机组i的增量成本,表示机组j的增量成本,ωij(t)时变通信链路不确定性,A(t)=[aij(t)]为电网中通信网络邻接矩阵表示,aij(t)>0表示机组i与j间存在通信关联,否则aij(t)=0,hij>0为控制增益,为aij(t)的导数。
6.根据权利要求1所述的智能电网自适应经济调度分配方法,其特征在于,步骤(3)中在电网机组调整容量受限情况下所建立的优化目标为:
<mrow>
<msubsup>
<mi>min&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mi>D</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
<mi>min</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mo>&rsqb;</mo>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mi>N</mi>
</mrow>
式中,机组i的成本函数αi,βi和γi分别为常数项、一次项和二次项系数;PD(t)为***的负荷用电量,机组i的实际出力为PGi(t),为机组i的出力上下界。
7.根据权利要求6所述的智能电网自适应经济调度分配方法,其特征在于,在对在电网机组调整容量受限情况下所建立的优化目标进行求解时,先将容量区间优化转化为对数障碍函数,即:
为惩罚项权重;将优化问题转化为:
8.根据权利要求7所述的智能电网自适应经济调度分配方法,其特征在于,步骤(3)中在电网机组调整容量的受限情况下基于分布式一致性算法设置鲁棒经济调度协议为:
式中,表示PGi(t)的导数,表示含惩罚项成本函数的增量成本,Ni为与机组i存在通信连接的邻居机组集合,κ为用于调整算法的收敛速率的一常系数,表示机组i的增量成本,表示机组j的增量成本,ωij(t)为时变通信链路不确定性,A(t)=[aij(t)]为电网中通信网络邻接矩阵表示,aij(t)>0表示机组i与j间存在通信关联,否则aij(t)=0,hij>0为控制增益,为aij(t)的导数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710310644.4A CN107092991B (zh) | 2017-05-05 | 2017-05-05 | 一种智能电网自适应经济调度分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710310644.4A CN107092991B (zh) | 2017-05-05 | 2017-05-05 | 一种智能电网自适应经济调度分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107092991A true CN107092991A (zh) | 2017-08-25 |
CN107092991B CN107092991B (zh) | 2020-06-16 |
Family
ID=59637509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710310644.4A Active CN107092991B (zh) | 2017-05-05 | 2017-05-05 | 一种智能电网自适应经济调度分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107092991B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451704A (zh) * | 2017-09-15 | 2017-12-08 | 厦门大学 | 一种基于预测控制的多时滞智能电网经济调度方法 |
CN108320080A (zh) * | 2018-01-05 | 2018-07-24 | 上海电力学院 | 基于两层一致性算法的能源互联网实时动态功率分配方法 |
CN109494740A (zh) * | 2018-12-27 | 2019-03-19 | 北京天诚同创电气有限公司 | 对电力传输进行调度的方法和设备 |
CN110928185A (zh) * | 2019-11-22 | 2020-03-27 | 广东工业大学 | 一种多智能体***的量化控制方法 |
CN111193263A (zh) * | 2020-01-22 | 2020-05-22 | 中国科学技术大学 | 适用于智能电网多区域经济调度的方法 |
WO2020244049A1 (zh) * | 2019-06-05 | 2020-12-10 | 清华大学 | 基于过渡矩阵的泛在电力物联网分布式经济调度方法 |
CN112305914A (zh) * | 2020-10-27 | 2021-02-02 | 东北大学 | 一种考虑阻塞攻击的电力互联***分布式控制算法 |
CN112598211A (zh) * | 2020-10-30 | 2021-04-02 | 天津大学 | 基于一致性的分布式电网经济调度注入攻击缓解方法 |
CN114336782A (zh) * | 2022-01-04 | 2022-04-12 | 南京邮电大学 | 非周期性Dos攻击下的电力***分布式经济调度方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150025696A1 (en) * | 2013-07-17 | 2015-01-22 | Carnegie Mellon University | Distributed Methods and Software For Balancing Supply and Demand In An Electric Power Network |
CN104701844A (zh) * | 2015-03-27 | 2015-06-10 | 国家电网公司 | 一种输电网分布式经济调度方法 |
CN105391056A (zh) * | 2015-11-18 | 2016-03-09 | 南京邮电大学 | 一种考虑不平衡通信网络的电力***分布式经济调度方法 |
CN105429185A (zh) * | 2015-12-08 | 2016-03-23 | 华南理工大学 | 一种具有鲁棒协同一致性的经济调度方法 |
-
2017
- 2017-05-05 CN CN201710310644.4A patent/CN107092991B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150025696A1 (en) * | 2013-07-17 | 2015-01-22 | Carnegie Mellon University | Distributed Methods and Software For Balancing Supply and Demand In An Electric Power Network |
CN104701844A (zh) * | 2015-03-27 | 2015-06-10 | 国家电网公司 | 一种输电网分布式经济调度方法 |
CN105391056A (zh) * | 2015-11-18 | 2016-03-09 | 南京邮电大学 | 一种考虑不平衡通信网络的电力***分布式经济调度方法 |
CN105429185A (zh) * | 2015-12-08 | 2016-03-23 | 华南理工大学 | 一种具有鲁棒协同一致性的经济调度方法 |
Non-Patent Citations (2)
Title |
---|
于丹文 等: "《鲁棒优化在电力***调度决策中的应用研究综述》", 《电力***自动化》 * |
徐豪 等: "《非理想通信网络条件下的经济调度鲁棒协同一致性算法》", 《电力***自动化》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451704A (zh) * | 2017-09-15 | 2017-12-08 | 厦门大学 | 一种基于预测控制的多时滞智能电网经济调度方法 |
CN108320080A (zh) * | 2018-01-05 | 2018-07-24 | 上海电力学院 | 基于两层一致性算法的能源互联网实时动态功率分配方法 |
CN108320080B (zh) * | 2018-01-05 | 2021-09-07 | 上海电力学院 | 基于两层一致性算法的能源互联网实时动态功率分配方法 |
CN109494740A (zh) * | 2018-12-27 | 2019-03-19 | 北京天诚同创电气有限公司 | 对电力传输进行调度的方法和设备 |
CN109494740B (zh) * | 2018-12-27 | 2024-01-30 | 北京天诚同创电气有限公司 | 对电力传输进行调度的方法和设备 |
WO2020244049A1 (zh) * | 2019-06-05 | 2020-12-10 | 清华大学 | 基于过渡矩阵的泛在电力物联网分布式经济调度方法 |
CN110928185B (zh) * | 2019-11-22 | 2022-07-05 | 广东工业大学 | 一种多智能体***的量化控制方法 |
CN110928185A (zh) * | 2019-11-22 | 2020-03-27 | 广东工业大学 | 一种多智能体***的量化控制方法 |
CN111193263A (zh) * | 2020-01-22 | 2020-05-22 | 中国科学技术大学 | 适用于智能电网多区域经济调度的方法 |
CN112305914A (zh) * | 2020-10-27 | 2021-02-02 | 东北大学 | 一种考虑阻塞攻击的电力互联***分布式控制算法 |
CN112598211A (zh) * | 2020-10-30 | 2021-04-02 | 天津大学 | 基于一致性的分布式电网经济调度注入攻击缓解方法 |
CN114336782A (zh) * | 2022-01-04 | 2022-04-12 | 南京邮电大学 | 非周期性Dos攻击下的电力***分布式经济调度方法 |
CN114336782B (zh) * | 2022-01-04 | 2023-06-23 | 南京邮电大学 | 非周期性Dos攻击下的电力***分布式经济调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107092991B (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107092991A (zh) | 一种智能电网自适应经济调度分配方法 | |
Sarker et al. | Progress on the demand side management in smart grid and optimization approaches | |
Niknam et al. | A new multi-objective reserve constrained combined heat and power dynamic economic emission dispatch | |
Li et al. | Optimal control in microgrid using multi-agent reinforcement learning | |
CN110365057A (zh) | 基于强化学习的分布式能源参与配电网调峰调度优化方法 | |
CN103972896B (zh) | 一种基于需求响应的负荷建模和优化控制方法 | |
CN111242443B (zh) | 基于深度强化学习的能源互联网中虚拟电厂经济调度方法 | |
Liu et al. | Federated reinforcement learning for decentralized voltage control in distribution networks | |
CN107579518B (zh) | 基于mhba的电力***环境经济调度方法和装置 | |
Li et al. | Virtual-action-based coordinated reinforcement learning for distributed economic dispatch | |
CN106934497A (zh) | 基于深度学习的智慧小区用电量实时预测方法及装置 | |
Jadoun et al. | Multi-area economic dispatch with reserve sharing using dynamically controlled particle swarm optimization | |
Engels et al. | A distributed gossip-based voltage control algorithm for peer-to-peer microgrids | |
Rayati et al. | An optimal and decentralized transactive energy system for electrical grids with high penetration of renewable energy sources | |
CN108537363A (zh) | 一种配售分开环境下售电公司购电量控制方法 | |
CN106026084A (zh) | 一种基于虚拟发电部落的agc功率动态分配方法 | |
CN110474353A (zh) | 分层式储能***及其参与的电网调频协调控制方法 | |
Zhao et al. | Distributed multi-objective day-ahead generation and HVDC transmission joint scheduling for two-area HVDC-linked power grids | |
Zhang et al. | Metaems: A meta reinforcement learning-based control framework for building energy management system | |
CN113690885A (zh) | 一种供电控制方法及供电平台 | |
CN107910881A (zh) | 一种基于电网负载应急管理的admm控制方法 | |
Zhang et al. | Improving the accuracy of load forecasting for campus buildings based on federated learning | |
Robert et al. | Economic emission dispatch of hydro‐thermal‐wind using CMQLSPSN technique | |
CN109149558A (zh) | 基于***串联补偿的跨区域电网调度agc方法 | |
Lin et al. | Optimizing for Large Time Delay Systems by BP Neural Network and Evolutionary Algorithm Improving. |
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 |