CN108734350A - 一种含微电网的配电网独立与联合调度的求解方法 - Google Patents

一种含微电网的配电网独立与联合调度的求解方法 Download PDF

Info

Publication number
CN108734350A
CN108734350A CN201810474185.8A CN201810474185A CN108734350A CN 108734350 A CN108734350 A CN 108734350A CN 201810474185 A CN201810474185 A CN 201810474185A CN 108734350 A CN108734350 A CN 108734350A
Authority
CN
China
Prior art keywords
micro
capacitance sensor
formula
power
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.)
Pending
Application number
CN201810474185.8A
Other languages
English (en)
Inventor
殷桂梁
张颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yanshan University
Original Assignee
Yanshan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yanshan University filed Critical Yanshan University
Priority to CN201810474185.8A priority Critical patent/CN108734350A/zh
Publication of CN108734350A publication Critical patent/CN108734350A/zh
Pending legal-status Critical Current

Links

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种含微电网的配电网独立与联合调度的求解方法，建立含微电网的配电网的模型；建立各微电网调度的目标函数，配电网调度的目标函数；确立微电网与配电网独立与联合调度的约束条件；采用粒子群算法求解户用型微电网和配电网，运用Benders分解法求解热电联型微电网。在户用型微电网中，考虑需求响应，运用遗传算法优化负荷曲线。针对风电预测误差，建立三参数Weibull分布的风机场景法模型。本发明可应用于含多微电网经济调度技术领域，在满足***约束条件的前提下，使多方利益主体满意。采用Benders分解法对热电联***求解，有效的保护了电热两***信息的隐私性，提高了计算的准确性。

Description

一种含微电网的配电网独立与联合调度的求解方法
技术领域
本发明涉及综合能源***经济调度技术领域，具体涉及一种含微电网的配 电网独立与联合调度求解方法。
背景技术
随着电力市场改革，配电网中大量的分布式电源由用户或新能源供应商建 设，改变了分布式电源所有权归电网所有的供电模式。参与竞争的售电主体可 分为三类，一是电网企业售电公司；二是社会资本投资增量配电网，拥有配电网 运营权的售电公司；三是独立售电公司，不拥有配电网经营权，不承担保底供电 服务。新模式下，由电网公司垄断“独买独卖”的模式将逐步转向”多买多卖”的市 场格局,各市场主体以自身利益最大化的原则，将电能量作为一种商品在电力交 易市场上交易，利用价格杠杆使电力市场达到最优的平衡状态。
为充分发挥价格杠杆引导资源配置作用，促进可再生能源和节能环保发电 项目健康、合理、有序发展，再加上相比较于传统发电的上网方式，风光发电 上网仍处于劣势地位，所以近几年，国家财政会给风光上网一定量的补贴。
户型微电网指的就是家庭微电网，户用微电网能量管理问题的研究实际上 是多个领域的交集，主要涉及智能用电、需求侧管理、分布式发电以及微电网 技术。因此，有必要针对微电网与配电网的独立与联合调度发明一种新的调度 求解方法。
发明内容
本发明的目的在于提供一种解决复杂计算难度大的问题以及负荷需求响应 调整的方式、同时达到各方利益主体满意的含微电网的配电网独立与联合调度 的求解方法。
为了解决上述存在的技术问题，本发明所述方法包括以下步骤：
步骤1，建立含微电网的配电网模型，包括配电网调度的模型、户用型微电 网调度模型、热电联型微电网调度模型；
步骤2，建立微电网与配电网独立与联合调度的目标函数；
步骤3，确立含微电网的配电网独立与联合调度的约束条件；
步骤4，选取粒子群算法求解配电网的调度，选择遗传算法优化负荷；采用Benders分解法解决热电联微电网优化调度问题。
步骤1的内容如下：
1-1、配电网调度模型
配电网调度时，考虑从主网的购电量、与两类微电网的电能交换以及风光 消纳情况；
牛顿-拉夫逊法潮流计算公式如下：
(1)-(2)式中，PG、PM和PL分别表示主网注入有功、两种类型的微电网注入 有功及负荷有功功率；Gij和Bij分别为节点ij之间的电导和电纳；Ui表示节 点i的电压；θij表示节点ij间的相角差；QG、QL、QM分别表示主网注入无功、 两种类型的微电网注入无功及负荷无功功率；
采用场景法对风电误差的不确定性进行描述，场景法的形成包括场景产生 与场景缩减两个主要步骤；
采用“预测箱”的方式划分风电出力的范围，将风电数据进行了标幺化，区间 大小为0.0125。利用Weibull分布拟合每个区间的风电误差曲线，运用粒子群算 法结合极大似然法估计参数；
Weibull分布的概率密度表达式为
(3)式中，α为尺度参数；β为形状参数；γ为位置参数；
Weibull分布的似然函数为
(4)式中，θ＝(α,β,γ)；
Weibull分布似然函数的对数为
场景缩减是使缩减之前的场景集合与最终保留的场景子集合之间的概率距 离最小，即
(6)式中，pi表示场景i发生的概率，表示场景i和场景j之间的距 离，J为场景缩减过程中最终消去的场景所组成的集合；
1-2、户用型微电网模型
负荷分为四类：固定负荷、可中断负荷、可调节负荷(功率可调)和可平 移负荷(使用时段可调)；
负荷需求响应的模型为：
(7)式中Lt为时刻t(1～24)的实际负荷，Lobj,t为时刻t(1～24)的目标负荷，Lfirm,t、Ltran,t、Lint,t和Ladj,t分别表示固定负荷、可转移负荷、可中断负荷和可调节负荷； K(t)为t时刻电价。
蓄电池的运行成本包括其充电成本与寿命损耗成本；
Cch-dis＝CG+Cch+Cdis (8)
(8)—(10)式中，Cch-dis表示储发成本，CG表示单位电量购电电价，Cch，Cdis为 蓄电池充放电的寿命损耗成本，燃料电池模型为蓄Cinit电池购买投资成本；NSB为 循环充放电次数；可见充、放电成本(Cch、Cdis)由充、放电成本系数(lch、ldis) 决定，而充、放电成本系数由充放电始末荷电状态(SOCstart，SOCend)、充放电 功率(Pch，Pdis)和充放电影响因子(kch，kdis)所决定。
1-3、热电联型微电网数学模型
热电联型微电网包含微型燃气轮机、燃气锅炉、风机、光伏、储能***和 热电负荷，计及微电网与配电网之间的电能交换效益和各微电源的相关出力约 束，建立了以电热收益最大为调度目标的微电网经济调度模型；
光伏发电单元的成本模型为：
F(PPV,t)＝aIPPPV,t+GEPPV,t (11)
(11)式中：
(11)—(12)式中，a表示光伏安装的成本系数；GE表示光伏运行维护成本 系数；IP为光伏发电单元的单位投资成本；N表示使用年限，为20年；
风机发电单元的成本模型为：
F(PW,t)＝aIPPW,t+GEPW,t (13)
(13)式中，相同变量的含义同光伏发电单元；
相变蓄热器数学模型：
在考虑相变蓄热器的成本时，只考虑其运行维护成本和折旧成本：
Cm,TB＝Cmm,TBHTB (15)
(14)、(15)式中l为年利息率；Cint,TB表示相变蓄热器在投资周期内的折旧成本；CTB为建设初期的投资成本；Cm,TB表示运行维护成本；Cmm,TB为单位功率维护成本； HTB为热功率；
燃气轮机数学模型：
燃气轮机的热电联供***的经济数学模型计算公式如下：
Qhe＝QMT×ηrec×COPhe (18)
(16)-(19)式中，CMT为微燃机一天的燃料成本；Cng为天然气价格，2元/m3；LHVng为天然气低热值，9.7kwh/m3；PMT,i为时刻i的净输出电功率，kW；ηMT,i为 时刻i的机组效率；式中，QMT为燃气轮机排气余热量，kW；ηl为燃气轮机散热 损失系；Qhe为燃气轮机烟气余热提供的制热量，kW；COPhe为制热系数；ηrec为 烟气余热回收效率；T0为环境温度，K；T1、T2分别为余热烟气进出滨冷机的温 度，K，T1、T2取573.15K和423.15K；
燃气锅炉数学模型：
燃气锅炉运行过程中的气热关系:
(20)式中，ηB为燃气锅炉的实际运行效率,取0.85；FB为燃气锅炉天然气消耗 量，Nm3；q为天然气低位发热量，9.7kW/m3；
微燃机的气体排放治理费用函数如下：
(21)式中，αk、λk分别为排放类型k的外部折扣成本、排放因子，M为排放类型。
步骤2的内容如下：
配电网以电力公司收益最大作为目标函数，户用型微电网以用户电费支出 最小作为目标函数，热电联型微电网以盈利最大作为目标函数，建立配电网与 微电网联合经济调度模型为：
(22)式中：PAL,t为场景s中的总负荷；Ct为电网公司售电电价；CF1、CF2为 交换功率的价格；PF1,t和PF2,t分别为供电公司t时段与微电网的交换功率；PTR,t为供电公司t时段向输电网购买的功率；CPCP和CPCW分别为弃风弃光的惩罚 电价；ΔPPV,t和ΔPW,t分别为弃风弃光的功率；
户用型微电网以家庭当日总电费支出最小作为目标：
(23)式中C表示户用微网日总电费，总电费为负值表示盈利；Cb,t为购电价格行 向量，Pb,t为用户从电网的购电量，Cch-dis为储能***的运行维护费用；KiPi,t表 示分布式电源的维护成本，与分布式电源的出力成正比；
热电联型微电网以盈利最大作为调度目标：
(24)式中，CP、CH分别表示微电网中热能和电能的售价；PLoad、QLoad分别表示 热、电负荷；F(PMT)、F(QMB)、F(PEB)、F(QTB)、F(PPV)和F(PW)分别表示燃气 轮机、燃气锅炉、蓄电设备、蓄热设备、光伏和风机的运行维护成本；F(PGrid)为 微电网从配电网的购电成本。
步骤3的内容如下：
3-1、配电网约束条件：
(1)功率平衡
PTR,t+PF1,t+PF2,t＝PAL,t (25)
(25)式中，PTR,t为电力公司从上级电网购电功率；PF1,t为供电公司从户用型微 电网购电功率；PF2,t为电力公司从热电联型微电网购电功率；PAL,t为配电网所带 总负荷；
(2)配电网与微电网交互功率限制
(26)式中，分别为配电网与微电网功率交换的上下限；
(3)电网支路潮流约束
(27)式中，分别为线路m的最大潮流、最小潮流，为t时 刻线路m的潮流；
(4)电网运行时，电压和电流必须在额定范围内，网损不能超过最大值：
(28)-(29)式中角标max表示其最大值，角标min表示其最小值；U、I分别 表示线路的电压和电流；
3-2、户用型微电网约束条件：
(1)户用型微电网的电平衡约束为：
Pgrid1(t)+Ppv1(t)+Pbs1(t)＝Lload1(t) (30)
(30)式中，Pgrid1(t)表示户用型微电网与配电网的交换功率；Ppv1(t)为是家庭光伏发电单元每小时的发电量；Pbs1(t)为蓄电池的充电或放电功率；Lload1(t)是经过 需求响应调整后，t(1～24)时刻的负荷；
需求响应时，负荷调节需满足的约束条件为：
Pflexmin,i≤Pflex,i≤Pflexmax,i (31)
(31)式中，Pflex,i表示可调节负荷，上下限约束为其功率可调范围；
负荷中断需满足的约束条件为：
Nint≤Nintmax (32)
(32)式中，Nint表示可中断负荷数，Nintmax为最大可中断负荷数；
(2)储能充放电约束为：
SOCmin(t)≤SOC(t)≤SOCmax(t) (33)
Xt∈{0,1}，Yt∈{0,1}，Xt·Yt＝0 (34)
SOC(0)＝SOC(T) (35)
(33)-(36)式中，SOC表示电池的荷电状态，Pch-dis表示电池的充放电速率； 该储能约束模型同样适用于热电联型微电网；
3-3、热电联型微电网约束：
电平衡约束：
Pgrid(t)+Ppv(t)+Pw(t)+PMT(t)+PEB(t)＝PLoad(t) (37)
热平衡约束：
QMT+QTB+QMB＝QLoad (38)
(37)-(38)式中，P表示电能，Q表示热能，下标MT、MB、EB、TB、PV、 W、Load、grid分别表示燃气轮机、燃气锅炉、蓄电设备、蓄热设备、光伏、风 机、负荷和电网；
蓄热设备约束：
蓄热、放热速率约束为
(39)式中，qc,t表示蓄热速率、qd,t表示放热速率，Vmax为设备容量最大值，Vt为蓄热装置t时段所含热能；
蓄热容量约束为
Vmin≤Vt≤Vmax (40)
供热始末状态约束为
(41)式中，qt为单位时间内的充放电量，λt为放热状态，λt＝1为放热；
燃气轮机出力约束：
Pi,min≤Pi≤Pi,max (42)
燃气轮机爬坡约束：
PMT(t)-PMT(t-1)≤Rup,MT
PMT(t-1)-PMT(t)≤Rdown,MT (43)
燃气锅炉出力约束：
(43)-(44)式中，QMB为燃气锅炉的出力，PMT表示燃气轮机的出力，Rup,MT、Rdown,MT分别为燃气轮机爬坡约束的上下限。
步骤4的内容如下：
4-1、智能算法求解过程
模型结构为：
其中，fi(x)为待优化的目标函数，若目标函数为求最小值，则取其倒数；x为待 优化的变量；lb和ub分别为变量x的下限和上限约束；另外两个分别是变量x 的等式约束和不等式约束；
(1)、初始化
首先设定迭代次数maxgen＝1,种群规模sizepop＝50，根据各发电单元的出力 特点、储能***的运行特点以及电网安全可靠运行的要求，得出第一次的调度 方案；
(2)、负荷需求响应问题求解
负荷需求响应模型为：
(3)、迭代更新
粒子群算法更新公式如下：
其中，ω为惯性权重；r1和r2为分布于[0,1]区间的随机数；k是当前迭代次 数；为个体最优粒子位置；为全局最优粒子位置；c1和c2为常数；V为粒 子速度；X为粒子位置；
(4)、收敛检验
每求解一次目标函数检验是否达到期望值或最大迭代次数，F1、F2、F3分 别表示配电网、户用型微电网、热电联型微电网的调度目标函数，F1'、F2'、F3'分 别表示配电网、户用型微电网、热电联型微电网的调度：
由于智能算法属于启发式算法，因此，要多次计算求平均值。
4-2、Benders分解法求解过程
电力***求解时不需要向热力***提供详细的微源参数、调度方案等信息， 同时热力***中的燃气锅炉及相变蓄热器的运行状态也不需要共享给电力系 统，两个***只需交互微型燃气轮机的最优出力及Benders割约束来求解该模 型。因此，该方法在实现电热联合***最优调度的同时，也保护了两个***的 隐私性。
(1)变量初始化
将迭代次数v置为1，定义为目标函数在第v次迭代时的下边界值，另基于电力***复杂变量pi的可行域，给出pv的初始值p0，即pv＝p0；
(2)求解模型
电力***的迭代模型为：
(49)式中，q为上一次热力***主问题优化的结果；电力***子函数的目标函数为热电联微电网调度的目标函数，约束条件包括电力***约束和热电耦合约束； 模型求解得出了p(v)值和目标函数值，定义目标函数值为第v次迭代之后的上边 界
热力***的迭代模型为：
热力***调度的目标函数为总目标函数中的热力部分，约束条件包括热力***约束和热电耦合约束；模型求解得出了q(v+1)和目标函数的下边界
(3)收敛检验
检验热力***主问题所得出的目标函数的下边界和电力***子问题所 得的目标函数的上边界公差是否小于ε，关系如下：
(51)式中，ε的值可以任意给定一个大于0的正数，如果迭代结果满足(51)式， 则得出最优解：
q＝q(v)
p＝p(v) (52)
如果迭代结果不满足上式，则需要产生割约束，由电力***子问题向热力系 统主问题返回Benders割进行修正：
式中，为双向变量，也称为影子价格，用来增加目标函数的敏感度，形成Benders割的约束条件：
与现有技术相比，本发明具有如下有益效果：
1、详细考虑了配电网模型，包括线路损耗和安全运行约束；在电力公司与 微电网利益主体之间找到了较为折中的解决方案；
2、提出了一种灵活的用户负荷需求响应方式，发明中对用户负荷有较为具 体的划分，充分考虑了用户的用电特点，符合现代人的用电观念；用智能算法 优化解决用户负荷的24小时分配问题，其中最为先进的理念则是可中断负荷与 可平移负荷的灵活转换；
3、含微电网的配电网调度是一个多维的、复杂的、非线性优化问题，应用 传统的优化算法计算难度较大，采用粒子群算法优化各类目标函数，遗传算法 优化需求响应负荷，降低***计算复杂度，能够快速收敛到***最优值，可用 于实际工程中电网的优化调度问题。
4、采用Benders分解法将热电联***分解成主、子问题求解，降低***计 算复杂度，能够快速收敛到***最优值，可用于实际工程中大规模大***的优 化问题
附图说明
图1是本发明方法的求解流程图。
图2是本发明方法的配电网结构图。
图3是本发明方法的Benders分解法流程图。
具体实施方式
下面结合附图1对本发明做进一步说明。
本发明所述方法的步骤如下：
步骤1，建立含微电网的配电网的模型，包括配电网调度模型、户用型微电 网调度模型、热电联型微电网调度模型，配电网结构如附图2所示；
1-1、配电网独立与联合调度模型
配电网独立进行优化时，不考虑微网的利益，保证配电网经济安全运行的 同时，使供电公司的收益最大。而在配电网与微电网联合优化调度时，要同时 优化配电网的调度目标与两个微电网的调度目标。配电网调度时，要综合考虑 其安全性、可靠性与经济性。
做配电网优化调度时，电压和网损是保证电网安全经济运行的两个最关键 的因素，本发明利用牛顿-拉夫逊法计算分析；
牛顿-拉夫逊法潮流计算公式如下：
PG+PM-PL＝Ui∑Uj(Gijcosθij+Bij sinθij) (1a)
QG+QM-QL＝Ui∑Uj(Gijsinθij+Bijcosθij) (2a)
(1a)式中，PG、PM和PL分别表示主网注入有功、两种类型的微电网注入有功 及负荷有功功率；Gij和Bij分别为节点ij之间的电导和电纳；Ui表示节点i 的电压；θij表示节点ij间的相角差；QG、QL、QM与式(1a)中相同字母含义相同；
随着越来越多的风电投入运行，对风电预测误差的准确性要求也越来越高。 国家电网公司规定：短期风电预测误差不得超过20％。由于风电误差及其对应 决策在时间上具有关联性，本文采用场景法对风电误差的不确定性进行描述。 场景法的形成包括场景产生与场景缩减两个主要步骤。
目前，常用的风电误差分布主要有正态分布和贝塔分布。本发明采用“预测 箱”的方式划分风电出力的范围，并将风电数据进行了标幺化，区间大小为 0.0125。由于三参数的Weibull分布通过改变参数可以表达多种分布，本发明利 用Weibull分布拟合每个区间的风电误差曲线，运用粒子群算法结合极大似然法 估计参数。
Weibull分布的概率密度表达式为
(3a)式中，α为尺度参数；β为形状参数；γ为位置参数
Weibull分布的似然函数为
(4a)式中，θ＝(α,β,γ)
Weibull分布似然函数的对数为
场景缩减的基本思想是使缩减之前的场景集合与最终保留的场景子集合之 间的概率距离最小，即
(6a)式中，pi表示场景i发生的概率，表示场景i和场景j之间的 距离，J为场景缩减过程中最终消去的场景所组成的集合
户用型微电网的调度以实际负荷曲线与期望负荷曲线的吻合度最高为调度目标：
(7a)式中Lt：时刻t(1～24)的实际负荷，Lobj,t时刻t(1～24)的目标负荷，Lfirm,t、Ltran,t、Lint,t和Ladj,t分别表示固定负荷、可转移负荷、可中断负荷和可调节负荷。 K(t)为t时刻电价。
蓄电池作为最常见的储能设备之一，已经具备了科学合理的数学模型。蓄 电池的寿命损耗与它的荷电状态、充放电次数、充放电功率密不可分:
Cch-dis＝CG+Cch+Cdis (8a)
(8a)—(10a)式中，Cch-dis表示储发成本，CG表示单位电量购电电价，Cch，Cdis为 蓄电池充放电的寿命损耗成本，燃料电池模型为蓄Cinit电池购买投资成本；NSB为 循环充放电次数。可见充、放电成本(Cch、Cdis)由充、放电成本系数(lch、ldis) 决定，而充、放电成本系数由充放电始末荷电状态(SOCstart，SOCend)、充放电 功率(Pch，Pdis)和充放电影响因子(kch，kdis)所决定。
1-3、热电联型微电网数学模型
本发明中，热电联型微电网包含微型燃气轮机、燃气锅炉、风机、光伏、 储能***和热电负荷，计及微电网与配电网之间的电能交换效益和各微电源的 相关出力约束，建立了以电热收益最大为调度目标的微电网经济调度模型。
光伏发电单元的成本模型为：
F(PPV,t)＝aIPPPV,t+GEPPV,t (11a)
(11a)式中：
(11a)—(12a)式中，a表示光伏安装的成本系数；GE表示光伏运行维护成本 系数；IP为光伏发电单元的单位投资成本；N表示使用年限，为20年。
风机发电单元的成本模型为：
F(PW,t)＝aIPPW,t+GEPW,t (13a)
(13a)式中，相同变量的含义同光伏发电单元；
相变蓄热器数学模型：
相变蓄热，以相变储能材料为基础，利用相变潜热储存热量，主要包括显 热储热、热化学储热和相变储热。相比于前两者，相变储热的储热密度大且温 度恒定，在太阳能热利用、废热和余热的回收利用已有应用，在电力调度行业 具有广阔的应用前景。
由于蓄热器并不能自发产生和消耗能量，仅作为能源中转站，因此，在考 虑相变蓄热器的成本时，只考虑其运行维护成本和折旧成本：
Cm,TB＝Cmm,TBHTB (15a)
(14a)、(15a)式中l为年利息率；Cint,TB表示相变蓄热器在投资周期内的折旧成本；CTB为建设初期的投资成本；Cm,TB表示运行维护成本；Cmm,TB为单位功率维护 成本；HTB为热功率。
燃气轮机数学模型：
燃气轮机能利用天然气、沼气等多种燃料进行发电和供热。燃气轮机的热 电联供***的经济数学模型计算公式如下：
Qhe＝QMT×ηrec×COPhe (18a)
(16a)-(19a)式中，CMT为微燃机一天的燃料成本；Cng为天然气价格，2元/m3； LHVng为天然气低热值，9.7kwh/m3；PMT,i为时刻i的净输出电功率，kW；ηMT,i为 时刻i的机组效率。式中，QMT为燃气轮机排气余热量，kW；ηl为燃气轮机散热 损失系数，本文取0.03；Qhe为燃气轮机烟气余热提供的制热量，kW；COPhe为 制热系数；ηrec为烟气余热回收效率；T0为环境温度，K；T1、T2分别为余热烟气 进出滨冷机的温度，K，T1、T2取573.15K和423.15K。
燃气锅炉数学模型：
燃气锅炉作为热电联供***中主要发热设备，天然气的消耗量与其发热量 密切相关，为简化分析，忽略其他因素的影响，得出燃气锅炉运行过程中的气 热关系:
(20a)式中，ηB为燃气锅炉的实际运行效率,取0.85；FB为燃气锅炉天然气消 耗量，Nm3；q为天然气低位发热量，9.7kW/m3。
天然气的燃烧会产生污染气体和固体颗粒，为保证环境效益，将排放物的 治理纳入微电网的运行成本中。微燃机的气体排放治理费用函数如下：
(21a)式中，αk、λk分别为排放类型k的外部折扣成本、排放因子，M为排放类 型(NOX、SO2或CO2)。
步骤2，建立微电网与配电网独立与联合调度的目标函数；
配电网以电力公司收益最大作为目标函数，户用型微电网以用户电费支出 最小作为目标函数，热电联型微电网以盈利最大作为目标函数，建立配电网与 微电网联合经济调度模型为：
(22a)式中：PAL,t为场景s中的总负荷；Ct为电网公司售电电价；CF1、CF2为 交换功率的价格；PF1,t和PF2,t分别为供电公司t时段与微电网的交换功率；PTR,t为供电公司t时段向输电网购买的功率；CPCP和CPCW分别为弃风弃光的惩罚 电价；ΔPPV,t和ΔPW,t分别为弃风弃光的功率。
户用型微电网以家庭当日总电费支出最小作为目标：
(23a)式中C表示户用微网日总电费，总电费为负值表示盈利；Cb,t为购电价格 行向量，Pb,t为用户从电网的购电量，Cch-dis为储能***的运行维护费用。KiPi,t表示分布式电源的维护成本，与分布式电源的出力成正比。
热电联型微电网以盈利最大作为调度目标：
(24a)式中，CP、CH分别表示微电网中热能和电能的售价；PLoad、QLoad分别表示 热、电负荷；F(PMT)、F(QMB)、F(PEB)、F(QTB)、F(PPV)和F(PW)分别表示燃气 轮机、燃气锅炉、蓄电设备、蓄热设备、光伏和风机的运行维护成本；F(PGrid)为 微电网从配电网的购电成本；
步骤3，确立含微电网的配电网独立与联合调度的约束条件；
3-1、配电网约束条件：
(1)功率平衡
PTR,t+PF1,t+PF2,t＝PAL,t (25a)
(25a)式中，PTR,t为电力公司从上级电网购电功率；PF1,t为供电公司从户用型 微电网购电功率；PF2,t为电力公司从企业型微电网购电功率；PAL,t为配电网所带 总负荷；
(2)配电网与微电网交互功率限制
(26a)式中，分别为配电网与微电网功率交换的上下限；
(3)电网支路潮流约束
(27a)式中，分别为线路m的最大潮流、最小潮流，为t 时刻线路m的潮流；
(4)电网运行时，电压和电流必须在额定范围内，网损不能超过最大值：
(28a)-(29a)式中角标max表示其最大值，角标min表示其最小值；U和I 分别表示线路的电压和电流；
3-2、户用型微电网约束条件：
(1)户用型微电网的电平衡约束为：
Pgrid1(t)+Ppv1(t)+Pbs1(t)＝Lload1(t) (30a)
(30a)式中，Pgrid1(t)表示户用型微电网与配电网的交换功率；Ppv1(t)为是家庭光伏发电单元每小时的发电量；Pbs1(t)为蓄电池的充电或放电功率；Lload1(t)是经过需 求响应调整后,t(1～24)时刻的负荷；
需求响应时，负荷调节需满足的约束条件为：
Pflexmin,i≤Pflex,i≤Pflexmax,i (31a)
(31a)式中，Pflex,i表示可调节负荷，上下限约束为其功率可调范围；
负荷中断需满足的约束条件为：
Nint≤Nintmax (32a)
(32a)式中，Nint表示可中断负荷数，Nintmax为最大可中断负荷数；
(3)储能充放电约束为：
SOCmin(t)≤SOC(t)≤SOCmax(t) (33a)
Xt∈{0,1}，Yt∈{0,1}，Xt·Yt＝0 (34a)
SOC(0)＝SOC(T) (35a)
对于蓄电池，为防止蓄电池过充和过放的发生，蓄电池的荷电状态(SOC) 应满足上、下限值约束；蓄电池不能同时处于充电和放电状态，因此蓄电池的 充放电状态Xt、Yt需要满足0-1约束；蓄电池在参与***的运行优化过程中， 除户用型微电网，其余电网能量状态(SOC)需满足在调度周期始末相等的约束； 同时，考虑到蓄电池充放电功率大小与电池的寿命有关，单位时间内充放电最 大功率Pch-dis需在限制范围内；
3-3、热电联型微电网约束：
电平衡约束：
Pgrid(t)+Ppv(t)+Pw(t)+PMT(t)+PEB(t)＝PLoad(t) (37a)
热平衡约束：
QMT+QTB+QMB＝QLoad (38a)
(37a)-(38a)式中，P表示电能，Q表示热能，下标MT、MB、EB、TB、PV、 W、Load、grid分别表示燃气轮机、燃气锅炉、蓄电设备、蓄热设备、光伏、风 机、负荷和电网；
蓄热设备约束：
蓄热、放热速率约束为
(39a)式中，qc,t表示蓄热速率、qd,t表示放热速率，Vmax为设备容量最大值， Vt为蓄热装置t时段所含热能；
蓄热容量约束为
Vmin≤Vt≤Vmax (40a)
供热始末状态约束为
(41a)式中，qt为单位时间内的充放电量，λt为放热状态，λt＝1为放热；
风机、光伏和燃气轮机的出力约束：
Pi,min≤Pi≤Pi,max (42a)
燃气轮机爬坡约束：
PMT(t)-PMT(t-1)≤Rup,MT
PMT(t-1)-PMT(t)≤Rdown,MT (43a)
燃气锅炉出力约束：
(43a)-(44a)式中，QMB为燃气锅炉的出力，PMT表示燃气轮机的出力，Rup,MT、Rdown,MT分别为燃气轮机爬坡约束的上下限。
步骤4，智能算法是模仿自然界中生物个体与个体之间的互相交流与合作， 用简单、有限的个体行为与智能,通过相互作用形成整个群体难以估量的整体能 力；粒子群算法和遗传算法算法简单、参数较少、参数的调整和设置也较为方 便，并且遗传算法在处理离散问题方面较为成熟，因此本发明选取粒子群算法 求解配电网的调度，选择遗传算法优化负荷；采用Benders分解法解决热电联微 电网优化调度问题。根据热电联***的变量类型，将其分解为微电网的热力主 问题和电力子问题，Benders分解法的求解流程如图3所示。
4-1、智能算法求解过程；模型结构为：
其中，fi(x)为待优化的目标函数，若目标函数为求最小值，则取其倒数；x为待 优化的变量；lb和ub分别为变量x的下限和上限约束；另外两个分别是变量x 的等式约束和不等式约束；
(1)、初始化
首先设定迭代次数maxgen＝1,种群规模sizepop＝50,根据各发电单元的出力 特点、储能***的运行特点以及电网安全可靠运行的要求，得出第一次的调度 方案；
(2)、负荷需求响应问题求解
负荷需求响应模型为：
负荷需求响应是指通过需求响应手段，使每个时段的负荷接近用户期望的 负荷值；这是离散变量的优化问题；通过遗传算法的选择、交叉、变异一系列 操作，使P值最接近M值；
(3)、迭代更新
本发明中，仅在负荷需求响应时使用遗传算法优化，其他条件求解时，均 使用粒子群算法。
粒子群算法更新公式如下：
Xk+1＝Xk+Vk+1 (47a)
其中，ω为惯性权重；r1和r2为分布于[0,1]区间的随机数；k是当前迭代次 数；为个体最优粒子位置；为全局最优粒子位置；c1和c2为常数；V为粒 子速度；X为粒子位置；
(4)、收敛检验
每求解一次目标函数检验是否达到期望值或最大迭代次数，F1、F2、F3分 别表示配电网、户用型微电网、热电联型微电网的调度目标函数，F1'、F2'、F3'分 别表示配电网、户用型微电网、热电联型微电网的调度：
由于智能算法属于启发式算法，因此，要多次计算求平均值。
4-2、Benders分解法求解过程
电力***求解时不需要向热力***提供详细的微源参数、调度方案等信息， 同时热力***中的燃气锅炉及相变蓄热器的运行状态也不需要共享给电力系 统，两个***只需交互微型燃气轮机的最优出力及Benders割约束来求解该模 型。因此，该方法在实现电热联合***最优调度的同时，也保护了两个***的 隐私性。
(1)变量初始化
首先，将迭代次数v置为1，定义为目标函数在第v次迭代时的下边界 值，另基于电力***复杂变量pi的可行域，给出pv的初始值p0，即 pv＝p0。
(2)求解模型
电力***的迭代模型为：
(49a)式中，q为上一次热力***主问题优化的结果；电力***子函数的目标函数为热电联微电网调度的目标函数，约束条件包括电力***约束和热电耦合约束。 模型求解得出了p(v)值和目标函数值，定义目标函数值为第v次迭代之后的上边 界
热力***的迭代模型为：
热力***调度的目标函数为总目标函数中的热力部分，约束条件包括热力 ***约束和热电耦合约束。模型求解得出了q(v+1)和目标函数的下边界
(3)收敛检验
检验热力***主问题所得出的目标函数的下边界和电力***子问题所 得的目标函数的上边界公差是否小于ε，关系如下：
(51a)式中，ε的值可以任意给定一个大于0的正数，如果迭代结果满足上式， 则得出最优解：
q＝q(v)
p＝p(v) (52a)
如果迭代结果不满足上式，则需要产生割约束，由电力***子问题向热力系 统主问题返回Benders割进行修正：
式中，为双向变量，也称为影子价格，用来增加目标函数的敏感度，形成Benders割的约束条件：

Claims (1)

1.一种含微电网的配电网独立与联合调度的求解方法，其特征在于，所述方法包括以下步骤：
步骤1，建立含微电网的配电网模型，包括配电网调度的模型、户用型微电网调度模型、热电联型微电网调度模型；
步骤2，建立微电网与配电网独立与联合调度的目标函数；
步骤3，确立含微电网的配电网独立与联合调度的约束条件；
步骤4，选取粒子群算法求解配电网的调度，选择遗传算法优化负荷；采用Benders分解法解决热电联微电网优化调度问题。
步骤1的内容如下：
1-1、配电网调度模型
配电网调度时，考虑从主网的购电量、与两类微电网的电能交换以及风光消纳情况；
牛顿-拉夫逊法潮流计算公式如下：
(1)-(2)式中，PG、PM和PL分别表示主网注入有功、两种类型的微电网注入有功及负荷有功功率；Gij和Bij分别为节点ij之间的电导和电纳；Ui表示节点i的电压；θij表示节点ij间的相角差；QG、QL、QM分别表示主网注入无功、两种类型的微电网注入无功及负荷无功功率；
采用场景法对风电误差的不确定性进行描述，场景法的形成包括场景产生与场景缩减两个主要步骤；
采用“预测箱”的方式划分风电出力的范围，将风电数据进行了标幺化，区间大小为0.0125。利用Weibull分布拟合每个区间的风电误差曲线，运用粒子群算法结合极大似然法估计参数；
Weibull分布的概率密度表达式为
(3)式中，α为尺度参数；β为形状参数；γ为位置参数；
Weibull分布的似然函数为
(4)式中，θ＝(α,β,γ)；
Weibull分布似然函数的对数为
场景缩减是使缩减之前的场景集合与最终保留的场景子集合之间的概率距离最小，即
(6)式中，pi表示场景i发生的概率，表示场景i和场景j之间的距离，J为场景缩减过程中最终消去的场景所组成的集合；
1-2、户用型微电网模型
负荷分为四类：固定负荷、可中断负荷、可调节负荷(功率可调)和可平移负荷(使用时段可调)；
负荷需求响应的模型为：
(7)式中Lt为时刻t(1～24)的实际负荷，Lobj,t为时刻t(1～24)的目标负荷，Lfirm,t、Ltran,t、Lint,t和Ladj,t分别表示固定负荷、可转移负荷、可中断负荷和可调节负荷；K(t)为t时刻电价。
蓄电池的运行成本包括其充电成本与寿命损耗成本；
Cch-dis＝CG+Cch+Cdis (8)
(8)—(10)式中，Cch-dis表示储发成本，CG表示单位电量购电电价，Cch，Cdis为蓄电池充放电的寿命损耗成本，燃料电池模型为蓄Cinit电池购买投资成本；NSB为循环充放电次数；可见充、放电成本(Cch、Cdis)由充、放电成本系数(lch、ldis)决定，而充、放电成本系数由充放电始末荷电状态(SOCstart，SOCend)、充放电功率(Pch，Pdis)和充放电影响因子(kch，kdis)所决定。
1-3、热电联型微电网数学模型
热电联型微电网包含微型燃气轮机、燃气锅炉、风机、光伏、储能***和热电负荷，计及微电网与配电网之间的电能交换效益和各微电源的相关出力约束，建立了以电热收益最大为调度目标的微电网经济调度模型；
光伏发电单元的成本模型为：
F(PPV,t)＝aIPPPV,t+GEPPV,t (11)
(11)式中：
(11)—(12)式中，a表示光伏安装的成本系数；GE表示光伏运行维护成本系数；IP为光伏发电单元的单位投资成本；N表示使用年限，为20年；
风机发电单元的成本模型为：
F(PW,t)＝aIPPW,t+GEPW,t (13)
(13)式中，相同变量的含义同光伏发电单元；
相变蓄热器数学模型：
在考虑相变蓄热器的成本时，只考虑其运行维护成本和折旧成本：
Cm,TB＝Cmm,TBHTB (15)
(14)、(15)式中l为年利息率；Cint,TB表示相变蓄热器在投资周期内的折旧成本；CTB为建设初期的投资成本；Cm,TB表示运行维护成本；Cmm,TB为单位功率维护成本；HTB为热功率；
燃气轮机数学模型：
燃气轮机的热电联供***的经济数学模型计算公式如下：
Qhe＝QMT×ηrec×COPhe (18)
(16)-(19)式中，CMT为微燃机一天的燃料成本；Cng为天然气价格，2元/m3；LHVng为天然气低热值，9.7kwh/m3；PMT,i为时刻i的净输出电功率，kW；ηMT,i为时刻i的机组效率；式中，QMT为燃气轮机排气余热量，kW；ηl为燃气轮机散热损失系；Qhe为燃气轮机烟气余热提供的制热量，kW；COPhe为制热系数；ηrec为烟气余热回收效率；T0为环境温度，K；T1、T2分别为余热烟气进出滨冷机的温度，K，T1、T2取573.15K和423.15K；
燃气锅炉数学模型：
燃气锅炉运行过程中的气热关系:
(20)式中，ηB为燃气锅炉的实际运行效率,取0.85；FB为燃气锅炉天然气消耗量，Nm3；q为天然气低位发热量，9.7kW/m3；
微燃机的气体排放治理费用函数如下：
(21)式中，αk、λk分别为排放类型k的外部折扣成本、排放因子，M为排放类型。
步骤2的内容如下：
配电网以电力公司收益最大作为目标函数，户用型微电网以用户电费支出最小作为目标函数，热电联型微电网以盈利最大作为目标函数，建立配电网与微电网联合经济调度模型为：
(22)式中：PAL,t为场景s中的总负荷；Ct为电网公司售电电价；CF1、CF2为交换功率的价格；PF1,t和PF2,t分别为供电公司t时段与微电网的交换功率；PTR,t为供电公司t时段向输电网购买的功率；CPCP和CPCW分别为弃风弃光的惩罚电价；ΔPPV,t和ΔPW,t分别为弃风弃光的功率；
户用型微电网以家庭当日总电费支出最小作为目标：
(23)式中C表示户用微网日总电费，总电费为负值表示盈利；Cb,t为购电价格行向量，Pb,t为用户从电网的购电量，Cch-dis为储能***的运行维护费用；KiPi,t表示分布式电源的维护成本，与分布式电源的出力成正比；
热电联型微电网以盈利最大作为调度目标：
(24)式中，CP、CH分别表示微电网中热能和电能的售价；PLoad、QLoad分别表示热、电负荷；F(PMT)、F(QMB)、F(PEB)、F(QTB)、F(PPV)和F(PW)分别表示燃气轮机、燃气锅炉、蓄电设备、蓄热设备、光伏和风机的运行维护成本；F(PGrid)为微电网从配电网的购电成本。
步骤3的内容如下：
3-1、配电网约束条件：
(1)功率平衡
PTR,t+PF1,t+PF2,t＝PAL,t (25)
(25)式中，PTR,t为电力公司从上级电网购电功率；PF1,t为供电公司从户用型微电网购电功率；PF2,t为电力公司从热电联型微电网购电功率；PAL,t为配电网所带总负荷；
(2)配电网与微电网交互功率限制
(26)式中，分别为配电网与微电网功率交换的上下限；
(3)电网支路潮流约束
(27)式中，分别为线路m的最大潮流、最小潮流，为t时刻线路m的潮流；
(4)电网运行时，电压和电流必须在额定范围内，网损不能超过最大值：
(28)-(29)式中角标max表示其最大值，角标min表示其最小值；U、I分别表示线路的电压和电流；
3-2、户用型微电网约束条件：
(1)户用型微电网的电平衡约束为：
Pgrid1(t)+Ppv1(t)+Pbs1(t)＝Lload1(t) (30)
(30)式中，Pgrid1(t)表示户用型微电网与配电网的交换功率；Ppv1(t)为是家庭光伏发电单元每小时的发电量；Pbs1(t)为蓄电池的充电或放电功率；Lload1(t)是经过需求响应调整后，t(1～24)时刻的负荷；
需求响应时，负荷调节需满足的约束条件为：
Pflexmin,i≤Pflex,i≤Pflexmax,i (31)
(31)式中，Pflex,i表示可调节负荷，上下限约束为其功率可调范围；
负荷中断需满足的约束条件为：
Nint≤Nintmax (32)
(32)式中，Nint表示可中断负荷数，Nintmax为最大可中断负荷数；
(2)储能充放电约束为：
SOCmin(t)≤SOC(t)≤SOCmax(t) (33)
Xt∈{0,1}，Yt∈{0,1}，Xt·Yt＝0 (34)
SOC(0)＝SOC(T) (35)
(33)-(36)式中，SOC表示电池的荷电状态，Pch-dis表示电池的充放电速率；该储能约束模型同样适用于热电联型微电网；
3-3、热电联型微电网约束：
电平衡约束：
Pgrid(t)+Ppv(t)+Pw(t)+PMT(t)+PEB(t)＝PLoad(t) (37)
热平衡约束：
QMT+QTB+QMB＝QLoad (38)
(37)-(38)式中，P表示电能，Q表示热能，下标MT、MB、EB、TB、PV、W、Load、grid分别表示燃气轮机、燃气锅炉、蓄电设备、蓄热设备、光伏、风机、负荷和电网；
蓄热设备约束：
蓄热、放热速率约束为
(39)式中，qc,t表示蓄热速率、qd,t表示放热速率，Vmax为设备容量最大值，Vt为蓄热装置t时段所含热能；
蓄热容量约束为
Vmin≤Vt≤Vmax (40)
供热始末状态约束为
(41)式中，qt为单位时间内的充放电量，λt为放热状态，λt＝1为放热；
燃气轮机出力约束：
Pi,min≤Pi≤Pi,max (42)
燃气轮机爬坡约束：
PMT(t)-PMT(t-1)≤Rup,MT
PMT(t-1)-PMT(t)≤Rdown,MT (43)
燃气锅炉出力约束：
(43)-(44)式中，QMB为燃气锅炉的出力，PMT表示燃气轮机的出力，Rup,MT、Rdown,MT分别为燃气轮机爬坡约束的上下限。
步骤4的内容如下：
4-1、智能算法求解过程
模型结构为：
其中，fi(x)为待优化的目标函数，若目标函数为求最小值，则取其倒数；x为待优化的变量；lb和ub分别为变量x的下限和上限约束；另外两个分别是变量x的等式约束和不等式约束；
(1)、初始化
首先设定迭代次数maxgen＝1,种群规模sizepop＝50，根据各发电单元的出力特点、储能***的运行特点以及电网安全可靠运行的要求，得出第一次的调度方案；
(2)、负荷需求响应问题求解
负荷需求响应模型为：
(3)、迭代更新
粒子群算法更新公式如下：
其中，ω为惯性权重；r1和r2为分布于[0,1]区间的随机数；k是当前迭代次数；为个体最优粒子位置；为全局最优粒子位置；c1和c2为常数；V为粒子速度；X为粒子位置；
(4)、收敛检验
每求解一次目标函数检验是否达到期望值或最大迭代次数，F1、F2、F3分别表示配电网、户用型微电网、热电联型微电网的调度目标函数，F′1、F′2、F′3分别表示配电网、户用型微电网、热电联型微电网的调度：
由于智能算法属于启发式算法，因此，要多次计算求平均值。
4-2、Benders分解法求解过程
电力***求解时不需要向热力***提供详细的微源参数、调度方案等信息，同时热力***中的燃气锅炉及相变蓄热器的运行状态也不需要共享给电力***，两个***只需交互微型燃气轮机的最优出力及Benders割约束来求解该模型。因此，该方法在实现电热联合***最优调度的同时，也保护了两个***的隐私性。
(1)变量初始化
将迭代次数v置为1，定义为目标函数在第v次迭代时的下边界值，另基于电力***复杂变量pi的可行域，给出pv的初始值p0，即pv＝p0；
(2)求解模型
电力***的迭代模型为：
(49)式中，q为上一次热力***主问题优化的结果；电力***子函数的目标函数为热电联微电网调度的目标函数，约束条件包括电力***约束和热电耦合约束；模型求解得出了p(v)值和目标函数值，定义目标函数值为第v次迭代之后的上边界
热力***的迭代模型为：
热力***调度的目标函数为总目标函数中的热力部分，约束条件包括热力***约束和热电耦合约束；模型求解得出了q(v+1)和目标函数的下边界
(3)收敛检验
检验热力***主问题所得出的目标函数的下边界和电力***子问题所得的目标函数的上边界公差是否小于ε，关系如下：
(51)式中，ε的值可以任意给定一个大于0的正数，如果迭代结果满足(51)式，则得出最优解：
q＝q(v)
p＝p(v) (52)
如果迭代结果不满足上式，则需要产生割约束，由电力***子问题向热力***主问题返回Benders割进行修正：
式中，为双向变量，也称为影子价格，用来增加目标函数的敏感度，形成Benders割的约束条件：
CN201810474185.8A 2018-05-17 2018-05-17 一种含微电网的配电网独立与联合调度的求解方法 Pending CN108734350A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810474185.8A CN108734350A (zh) 2018-05-17 2018-05-17 一种含微电网的配电网独立与联合调度的求解方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810474185.8A CN108734350A (zh) 2018-05-17 2018-05-17 一种含微电网的配电网独立与联合调度的求解方法

Publications (1)

Publication Number Publication Date
CN108734350A true CN108734350A (zh) 2018-11-02

Family

ID=63938506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810474185.8A Pending CN108734350A (zh) 2018-05-17 2018-05-17 一种含微电网的配电网独立与联合调度的求解方法

Country Status (1)

Country Link
CN (1) CN108734350A (zh)

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108988390A (zh) * 2018-08-13 2018-12-11 国网江西省电力有限公司电力科学研究院 一种基于最佳弃光率的配电网电压控制方法
CN109190860A (zh) * 2018-11-09 2019-01-11 浙江大学 一种基于人工萤火虫群优化算法的计及产能节点使用寿命的产能分配方法
CN109359896A (zh) * 2018-12-10 2019-02-19 国网福建省电力有限公司 一种基于svm的电网线路故障风险预警方法
CN109473992A (zh) * 2019-01-21 2019-03-15 国网河北省电力有限公司经济技术研究院 一种提高配电网韧性的方法、***及终端设备
CN109685332A (zh) * 2018-12-06 2019-04-26 广东电网有限责任公司 一种综合能源多主体利益均衡优化调度方法及设备
CN109713732A (zh) * 2019-01-17 2019-05-03 南京邮电大学 一种多微电网和配电网协调优化调度的方法
CN109816556A (zh) * 2019-02-01 2019-05-28 南京邮电大学 促进光伏消纳考虑热电联产及需求响应的并网型微电网经济优化调度策略
CN110264051A (zh) * 2019-06-06 2019-09-20 新奥数能科技有限公司 确定微网的优化调度方案的方法及装置
CN110263981A (zh) * 2019-05-30 2019-09-20 天津大学 考虑弹性调度策略的气-电耦合综合能源***规划方法
CN110289642A (zh) * 2019-06-22 2019-09-27 南京邮电大学 一种基于指数罚函数的配电网分层调度优化方法
CN110472780A (zh) * 2019-07-30 2019-11-19 安徽匠桥电子信息有限公司 一种基于神经网络的配电优化调度方法
CN110518637A (zh) * 2019-09-30 2019-11-29 深圳供电局有限公司 复合相变储能微网配置方法
CN110570051A (zh) * 2019-09-27 2019-12-13 东北大学 一种基于Benders-Pso算法的分布式储能鲁棒性选址***与方法
CN110796291A (zh) * 2019-10-10 2020-02-14 国网山东省电力公司德州供电公司 基于Dantzig-Wolfe分解的多能互补微网集群分布式优化调度
CN110829424A (zh) * 2019-11-21 2020-02-21 国网四川省电力公司经济技术研究院 一种考虑风电消纳的区域多微网配电网互动方法
CN110854931A (zh) * 2019-11-20 2020-02-28 广东电网有限责任公司 一种抽水蓄能机组日前发电计划编制方法、***以及设备
CN110991928A (zh) * 2019-12-18 2020-04-10 华北电力大学 一种多微能源网的综合能源***能量管理方法及***
CN111539599A (zh) * 2020-04-03 2020-08-14 国网浙江省电力有限公司经济技术研究院 区域综合能源***协调规划方法
CN111585305A (zh) * 2020-06-12 2020-08-25 国网天津市电力公司 适用于多能互补联动经济性评价的方法
CN112330492A (zh) * 2020-11-24 2021-02-05 国网河南省电力公司经济技术研究院 一种基于通信可靠性约束的主动配电网能源共享方法
CN112348343A (zh) * 2020-10-30 2021-02-09 杭州意能电力技术有限公司 一种考虑不确定性的多能流配电网运行成本评估方法
CN112510683A (zh) * 2020-11-13 2021-03-16 安徽电力交易中心有限公司 考虑源荷不确定性的增量配电网灵活性资源配置方法
CN112633702A (zh) * 2020-12-25 2021-04-09 天津天成恒创能源科技有限公司 一种考虑可再生能源的电力***可靠性快速评估方法
CN112668791A (zh) * 2020-12-30 2021-04-16 华北电力大学（保定） 热电联供***的优化方法
CN112819204A (zh) * 2021-01-14 2021-05-18 华北电力大学 一种源荷互动模型构建方法和***
CN113285458A (zh) * 2021-06-11 2021-08-20 燕山大学 对含多微网的主动配电网经济调度的分解协调方法及***
CN113555887A (zh) * 2021-07-14 2021-10-26 北京金山云网络技术有限公司 电网能源控制方法、装置、电子设备及存储介质
CN113822468A (zh) * 2021-08-27 2021-12-21 广西电网有限责任公司电力科学研究院 电力市场环境下工业园区电能用能策略的优化方法
CN114077934A (zh) * 2022-01-19 2022-02-22 国网湖北省电力有限公司经济技术研究院 一种综合能源微网互联***及其调度方法
CN114169800A (zh) * 2021-12-27 2022-03-11 国网湖南省电力有限公司 综合能源***的能量调度方法
CN115187316A (zh) * 2022-09-14 2022-10-14 国网湖北省电力有限公司经济技术研究院 一种适应现货市场交易的风储微电网分布式交易方法
CN117060408A (zh) * 2023-10-13 2023-11-14 国网浙江省电力有限公司宁波供电公司 新能源发电预测方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104135025A (zh) * 2014-05-30 2014-11-05 国家电网公司 基于模糊粒子群算法和储能***的微网经济运行优化方法
CN105160451A (zh) * 2015-07-09 2015-12-16 上海电力学院 一种含电动汽车的微电网多目标优化调度方法
CN106022503A (zh) * 2016-03-17 2016-10-12 北京睿新科技有限公司 面向具有耦合型电冷热需求的微电网容量规划方法
CN106505634A (zh) * 2016-12-14 2017-03-15 东南大学 基于两阶段协调优化与控制的冷热电联供型微网运行方法
US20180041036A1 (en) * 2016-08-02 2018-02-08 Tsinghua University Reactive power optimization method
CN107887903A (zh) * 2017-10-31 2018-04-06 深圳供电局有限公司 考虑元件频率特性的微电网鲁棒优化调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104135025A (zh) * 2014-05-30 2014-11-05 国家电网公司 基于模糊粒子群算法和储能***的微网经济运行优化方法
CN105160451A (zh) * 2015-07-09 2015-12-16 上海电力学院 一种含电动汽车的微电网多目标优化调度方法
CN106022503A (zh) * 2016-03-17 2016-10-12 北京睿新科技有限公司 面向具有耦合型电冷热需求的微电网容量规划方法
US20180041036A1 (en) * 2016-08-02 2018-02-08 Tsinghua University Reactive power optimization method
CN106505634A (zh) * 2016-12-14 2017-03-15 东南大学 基于两阶段协调优化与控制的冷热电联供型微网运行方法
CN107887903A (zh) * 2017-10-31 2018-04-06 深圳供电局有限公司 考虑元件频率特性的微电网鲁棒优化调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PAN HU: "Optimal integration of microgrid for distribution network", 《2015 IEEE PES ASIA-PACIFIC POWER AND ENERGY ENGINEERING CONFERENCE(APPEEC)》 *
孙军 等: "多微电网接入主动配电网的分解协调优化策略研究", 《电器与能效管理技术》 *
张颖: "主动配电网中不同利益主体微电网优化调度", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108988390A (zh) * 2018-08-13 2018-12-11 国网江西省电力有限公司电力科学研究院 一种基于最佳弃光率的配电网电压控制方法
CN109190860A (zh) * 2018-11-09 2019-01-11 浙江大学 一种基于人工萤火虫群优化算法的计及产能节点使用寿命的产能分配方法
CN109190860B (zh) * 2018-11-09 2022-03-25 浙江大学 一种基于人工萤火虫群优化算法的计及产能节点使用寿命的产能分配方法
CN109685332A (zh) * 2018-12-06 2019-04-26 广东电网有限责任公司 一种综合能源多主体利益均衡优化调度方法及设备
CN109359896A (zh) * 2018-12-10 2019-02-19 国网福建省电力有限公司 一种基于svm的电网线路故障风险预警方法
CN109713732A (zh) * 2019-01-17 2019-05-03 南京邮电大学 一种多微电网和配电网协调优化调度的方法
CN109713732B (zh) * 2019-01-17 2021-03-30 南京邮电大学 一种多微电网和配电网协调优化调度的方法
CN109473992A (zh) * 2019-01-21 2019-03-15 国网河北省电力有限公司经济技术研究院 一种提高配电网韧性的方法、***及终端设备
CN109816556A (zh) * 2019-02-01 2019-05-28 南京邮电大学 促进光伏消纳考虑热电联产及需求响应的并网型微电网经济优化调度策略
CN109816556B (zh) * 2019-02-01 2022-03-04 南京邮电大学 促进光伏消纳考虑热电联产及需求响应的并网型微电网经济优化调度策略
CN110263981A (zh) * 2019-05-30 2019-09-20 天津大学 考虑弹性调度策略的气-电耦合综合能源***规划方法
CN110264051A (zh) * 2019-06-06 2019-09-20 新奥数能科技有限公司 确定微网的优化调度方案的方法及装置
CN110289642B (zh) * 2019-06-22 2022-08-12 南京邮电大学 一种基于指数罚函数的配电网分层调度优化方法
CN110289642A (zh) * 2019-06-22 2019-09-27 南京邮电大学 一种基于指数罚函数的配电网分层调度优化方法
CN110472780A (zh) * 2019-07-30 2019-11-19 安徽匠桥电子信息有限公司 一种基于神经网络的配电优化调度方法
CN110570051A (zh) * 2019-09-27 2019-12-13 东北大学 一种基于Benders-Pso算法的分布式储能鲁棒性选址***与方法
CN110570051B (zh) * 2019-09-27 2023-01-13 东北大学 一种基于Benders-Pso算法的分布式储能鲁棒性选址***与方法
CN110518637A (zh) * 2019-09-30 2019-11-29 深圳供电局有限公司 复合相变储能微网配置方法
CN110796291B (zh) * 2019-10-10 2023-06-20 国网山东省电力公司德州供电公司 基于Dantzig-Wolfe分解的多能互补微网集群分布式优化调度
CN110796291A (zh) * 2019-10-10 2020-02-14 国网山东省电力公司德州供电公司 基于Dantzig-Wolfe分解的多能互补微网集群分布式优化调度
CN110854931A (zh) * 2019-11-20 2020-02-28 广东电网有限责任公司 一种抽水蓄能机组日前发电计划编制方法、***以及设备
CN110829424A (zh) * 2019-11-21 2020-02-21 国网四川省电力公司经济技术研究院 一种考虑风电消纳的区域多微网配电网互动方法
CN110991928B (zh) * 2019-12-18 2023-01-13 华北电力大学 一种多微能源网的综合能源***能量管理方法及***
CN110991928A (zh) * 2019-12-18 2020-04-10 华北电力大学 一种多微能源网的综合能源***能量管理方法及***
CN111539599A (zh) * 2020-04-03 2020-08-14 国网浙江省电力有限公司经济技术研究院 区域综合能源***协调规划方法
CN111585305B (zh) * 2020-06-12 2023-08-11 国网天津市电力公司 适用于多能互补联动经济性评价的方法
CN111585305A (zh) * 2020-06-12 2020-08-25 国网天津市电力公司 适用于多能互补联动经济性评价的方法
CN112348343A (zh) * 2020-10-30 2021-02-09 杭州意能电力技术有限公司 一种考虑不确定性的多能流配电网运行成本评估方法
CN112510683B (zh) * 2020-11-13 2023-10-13 安徽电力交易中心有限公司 考虑源荷不确定性的增量配电网灵活性资源配置方法
CN112510683A (zh) * 2020-11-13 2021-03-16 安徽电力交易中心有限公司 考虑源荷不确定性的增量配电网灵活性资源配置方法
CN112330492A (zh) * 2020-11-24 2021-02-05 国网河南省电力公司经济技术研究院 一种基于通信可靠性约束的主动配电网能源共享方法
CN112633702B (zh) * 2020-12-25 2022-06-14 天津天成恒创能源科技有限公司 一种考虑可再生能源的电力***可靠性快速评估方法
CN112633702A (zh) * 2020-12-25 2021-04-09 天津天成恒创能源科技有限公司 一种考虑可再生能源的电力***可靠性快速评估方法
CN112668791A (zh) * 2020-12-30 2021-04-16 华北电力大学（保定） 热电联供***的优化方法
CN112819204A (zh) * 2021-01-14 2021-05-18 华北电力大学 一种源荷互动模型构建方法和***
CN113285458A (zh) * 2021-06-11 2021-08-20 燕山大学 对含多微网的主动配电网经济调度的分解协调方法及***
CN113555887B (zh) * 2021-07-14 2024-05-14 北京金山云网络技术有限公司 电网能源控制方法、装置、电子设备及存储介质
CN113555887A (zh) * 2021-07-14 2021-10-26 北京金山云网络技术有限公司 电网能源控制方法、装置、电子设备及存储介质
CN113822468A (zh) * 2021-08-27 2021-12-21 广西电网有限责任公司电力科学研究院 电力市场环境下工业园区电能用能策略的优化方法
CN114169800A (zh) * 2021-12-27 2022-03-11 国网湖南省电力有限公司 综合能源***的能量调度方法
CN114169800B (zh) * 2021-12-27 2024-05-28 国网湖南省电力有限公司 综合能源***的能量调度方法
CN114077934A (zh) * 2022-01-19 2022-02-22 国网湖北省电力有限公司经济技术研究院 一种综合能源微网互联***及其调度方法
CN115187316A (zh) * 2022-09-14 2022-10-14 国网湖北省电力有限公司经济技术研究院 一种适应现货市场交易的风储微电网分布式交易方法
CN117060408B (zh) * 2023-10-13 2024-05-28 国网浙江省电力有限公司宁波供电公司 新能源发电预测方法及***
CN117060408A (zh) * 2023-10-13 2023-11-14 国网浙江省电力有限公司宁波供电公司 新能源发电预测方法及***

Similar Documents

Publication Publication Date Title
CN108734350A (zh) 一种含微电网的配电网独立与联合调度的求解方法
Wang et al. Planning and operation method of the regional integrated energy system considering economy and environment
Zhu et al. Optimal scheduling method for a regional integrated energy system considering joint virtual energy storage
CN108229025B (zh) 一种冷热电联供型多微网主动配电***经济优化调度方法
Gu et al. Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives
JP7261507B2 (ja) 電気ヒートポンプ－熱電併給システムを最適化する調整方法及びシステム
CN106936147B (zh) 一种基于双层优化的微电网面向电蓄热锅炉的优化运行管理方法
CN104734168B (zh) 一种基于电热联合调度的微电网运行优化***及方法
CN109740827A (zh) 一种基于双层优化的区域综合能源***规划优化方法
CN108009693A (zh) 基于两级需求响应的并网微电网双层优化方法
CN108206543A (zh) 一种基于能源梯级利用的能源路由器及其运行优化方法
CN110110897A (zh) 一种考虑不同储能运行策略的综合能源***优化方法
Zhai et al. Optimization of integrated energy system considering photovoltaic uncertainty and multi-energy network
CN113592365B (zh) 一种考虑碳排放与绿电消纳的能源优化调度方法及***
CN114662752A (zh) 基于价格型需求响应模型的综合能源***运行优化方法
CN115204562B (zh) 一种计及多能共享的互联微能源网分布式协同优化调度方法和***
CN115829142A (zh) 一种工业企业综合能源***优化规划方法
Ju et al. A risk aversion optimal model for microenergy grid low carbon‐oriented operation considering power‐to‐gas and gas storage tank
Jintao et al. Optimized operation of multi-energy system in the industrial park based on integrated demand response strategy
Yu et al. Research on energy management of a virtual power plant based on the improved cooperative particle swarm optimization algorithm
Yang et al. Coordination and optimization of CCHP microgrid group game based on the interaction of electric and thermal energy considering conditional value at risk
Gao et al. Multi-energy sharing optimization for a building cluster towards net-zero energy system
CN112883630A (zh) 用于风电消纳的多微网***日前优化经济调度方法
An et al. Real-time optimal operation control of micro energy grid coupling with electricity-thermal-gas considering prosumer characteristics
Zhai et al. Low carbon economic dispatch of regional integrated energy system considering load uncertainty

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181102