CN109687510B - 一种计及不确定性的配电网多时间尺度优化运行方法 - Google Patents

一种计及不确定性的配电网多时间尺度优化运行方法 Download PDF

Info

Publication number
CN109687510B
CN109687510B CN201811507881.0A CN201811507881A CN109687510B CN 109687510 B CN109687510 B CN 109687510B CN 201811507881 A CN201811507881 A CN 201811507881A CN 109687510 B CN109687510 B CN 109687510B
Authority
CN
China
Prior art keywords
establishing
power
constraint
load
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.)
Active
Application number
CN201811507881.0A
Other languages
English (en)
Other versions
CN109687510A (zh
Inventor
顾伟
赵毅
吴志
窦晓波
龙寰
吴在军
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.)
Southeast University
Liyang Research Institute of Southeast University
Original Assignee
Southeast University
Liyang Research Institute of Southeast 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 Southeast University, Liyang Research Institute of Southeast University filed Critical Southeast University
Priority to CN201811507881.0A priority Critical patent/CN109687510B/zh
Publication of CN109687510A publication Critical patent/CN109687510A/zh
Application granted granted Critical
Publication of CN109687510B publication Critical patent/CN109687510B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H02J3/382—
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种计及不确定性的配电网多时间尺度优化运行方法，包括：步骤1)建立min‑max‑min两阶段三层鲁棒优化调度模型，利用列约束生成算法（CCG）对鲁棒优化调度模型求解，确定最恶劣场景下的慢动作设备的操作状态；步骤2)基于灰色预测的短期预测数据，设定目标函数，结合***运行约束条件及确定的慢动作设备的操作状态，建立短时间尺度下主动配电网的优化调度模型；步骤3)：基于灰色预测的超短期预测数据，综合考虑可调可控设备的操作次数和操作时间的限制，设定目标函数，结合***运行约束条件及确定的慢动作设备的操作状态，建立超短时间尺度下主动配电网的优化调度模型，对于分布式电源高渗透率的地区能够很好保证***的安全性。

Description

一种计及不确定性的配电网多时间尺度优化运行方法
所属领域
本发明属于配电网运行优化技术领域，具体涉及一种计及不确定性的配电网多时间尺度优化运行方法。
背景技术
随着大量分布式电源，可调负荷，无功补偿装置等可调可控资源接入配电网，传统的配电网正在逐渐演化成为能够实现发电设备，储能装置以及用电设备协调控制，更加灵活更加友好的主动配电网。但是考虑到分布式电源出力具有随机性和波动性，预测精度较低，且预测误差随着时间的增加而增大等特点，给配电网的优化调度提出更高的挑战，给配电网的安全运行提出更高的要求。如何合理安排各分布式电源有功出力，最大化利用可再生能源出力，保证主动配电网运行的经济性和安全性是亟待解决的关键问题。
区别于传统的配电网有功调度，由于主动配电网的电阻和电抗的耦合关系，有功优化可以通过合理的优化调度提高***的经济性，无功优化可以减少网损间接提高***的经济性。同时考虑到可再生能源和负荷的预测误差，通过缩小预测周期，主动配电网的精细化调度方法成为近几年研究的重点。
目前对主动配电网的优化调度研究已经趋于成熟，但是对于考虑不确定性的主动配电网的精细化调度尚处于探索阶段。部分学者仅仅通过缩短预测周期，使用模型预测控制等方法，虽然能够一定程度上减小分布式电源出力的随机性对配电网调度的影响，但是还是难以提供不确定性尤其较恶劣的场景下的配电网优化调度方案。同时许多学者采用随机优化的方法，采用蒙塔卡罗方法模拟最恶劣场景，但是所选场景难以覆盖所有可能场景。因而问题的关键在于建立一个考虑光伏和负荷不确定性的主动配电网多时间尺度优化运行模型，使得在任何场景下(包含最恶劣场景)能够提供主动配电网的优化调度方案，保证***的经济性和安全性。
发明内容
本发明正是针对现有技术中的问题，提供了一种计及不确定性的配电网多时间尺度优化运行方法，通过建立min-max-min两阶段三层鲁棒优化调度模型，利用列约束生成算法对鲁棒优化调度模型求解，确定最恶劣场景下的慢动作设备的操作状态；然后基于灰色预测的短期预测数据，利用以***未来4小时内的总运行成本最低为目标函数，结合***应该满足的运行约束条件以及之前确定下的慢动作设备的操作状态，建立短时间尺度下主动配电网的优化调度模型，实时反馈阶段基于灰色预测的超短期预测数据，综合考虑可调可控设备的操作次数和操作时间的限制，以***超短时间内可调可控设备的调整量最小为目标函数，结合***应该满足的运行约束条件以及日前确定下的慢动作设备的操作状态，建立超短时间尺度下主动配电网的优化调度模型。
为了实现上述目的，本发明采用的技术方案是：一种计及不确定性的配电网多时间尺度优化运行方法，包括如下步骤：
S1，日前慢动作设备的操作状态确定：建立min-max-min两阶段三层鲁棒优化调度模型，利用列约束生成算法对鲁棒优化调度模型求解，确定最恶劣场景下的慢动作设备的操作状态；
S2，日内滚动短时间尺度下主动配电网的优化调度模型建立：基于灰色预测的短期预测数据，设定目标函数，结合***应该满足的运行约束条件以及步骤S1确定的慢动作设备的操作状态，建立短时间尺度下主动配电网的优化调度模型；
S3，实时超短时间尺度下主动配电网的优化调度模型建立：基于灰色预测的超短期预测数据，综合考虑可调可控设备的操作次数和操作时间的限制，设定目标函数，结合***应该满足的运行约束条件以及步骤S1确定的慢动作设备的操作状态，建立超短时间尺度下主动配电网的优化调度模型。
作为本发明的一种改进，所述步骤S1中的慢动作设备至少包括有载调压器OLTC和分组投切电容器组CB。
作为本发明的另一种改进，所述步骤S1中鲁棒优化调度模型的建立进一步包括：
S11，建立考虑光伏和负荷不确定性的鲁棒优化调度的目标函数，所述目标函数为：
Figure GDA0002898625760000031
其中，
Figure GDA0002898625760000032
为配电网与主网联络线功率交换成本；
Figure GDA0002898625760000033
和
Figure GDA0002898625760000034
分别为燃气轮机DG成本，可中断负荷IL与储能装置ESS成本；
Figure GDA0002898625760000035
和
Figure GDA0002898625760000036
分别为补偿电容器CB和有载调压器OLTC的补偿成本；
S12，建立约束条件：所述约束条件至少包括功率平衡约束、光伏和负荷的不确定性集约束、***安全约束、无功补偿装置SVC的运行约束、分组式投切电容器组CB的运行约束、分布式电源相关约束、储能约束、有载调压器的运行约束及可中断负荷的运行约束。
作为本发明的另一种改进，所述步骤S11中，
所述燃气轮机DG成本
Figure GDA0002898625760000037
为：
Figure GDA0002898625760000038
所述可中断负荷IL成本
Figure GDA0002898625760000039
为：
Figure GDA00028986257600000310
所述储能装置ESS的成本
Figure GDA00028986257600000311
为：
Figure GDA00028986257600000312
所述补偿电容器CB的补偿成本
Figure GDA00028986257600000313
为：
Figure GDA00028986257600000314
所述有载调压器OLTC的补偿成本
Figure GDA00028986257600000315
为：
Figure GDA00028986257600000316
其中，c1,c2,c3是DG的成本系数；
Figure GDA00028986257600000317
和rCB分别是IL，OLTC和CB的补偿成本系数；ΔUT和ΔUCB分别为OLTC档位和CB档位的全天调整次数，每次仅能调节一个档位；
Figure GDA00028986257600000318
以及
Figure GDA00028986257600000319
为连接的燃气轮机，可中负荷，有载调压器，补偿电容器以及储能装置的节点集合；Nt为整个调度周期，所述Nt＝24h。
作为本发明的又一种改进，所述步骤S12进一步包括：
S121，建立功率平衡约束
Figure GDA0002898625760000041
其中：集合u(j)表示以j为末端节点的支路的首端节点的集合；集合v(j)表示以j为首端节点的支路的末端节点的集合；
Figure GDA0002898625760000042
和
Figure GDA0002898625760000043
分别为t时刻ij支路的有功功率和无功功率；
Figure GDA0002898625760000044
为t时刻j节点的电压值；
Figure GDA0002898625760000045
为t时刻ij支路的电流值；
Figure GDA0002898625760000046
和
Figure GDA0002898625760000047
分别为t时刻j节点的有功功率和无功功率的净注入值；
Figure GDA0002898625760000048
Figure GDA0002898625760000049
以及
Figure GDA00028986257600000410
分别代表t时刻j节点的负荷有功功率，ESS充放电功率，光伏PV的有功功率，燃气轮机的有功功率以及可中断负荷的有功功率；
Figure GDA00028986257600000411
Figure GDA00028986257600000412
以及
Figure GDA00028986257600000413
分别t时刻j节点所连接的负荷无功功率，无功补偿装置SVC补偿功率，PV的无功功率，分组投切电容器CB的无功功率，燃气轮机的无功功率以及储能装置的无功功率；rij和xij分别为支路ij的电阻和电抗；kij,t为t时刻ij支路所连接的OLTC的投切档位；
S122，建立光伏和负荷的不确定性集：
Figure GDA00028986257600000414
Figure GDA00028986257600000415
其中：
Figure GDA00028986257600000416
分别为光伏出力的预测值，最大上限偏差和最大下限偏差值；
Figure GDA00028986257600000417
分别为负荷的预测值，最大上限偏差和最大下限偏差值；
Figure GDA00028986257600000418
为0-1变量；
S123，建立***安全约束
Figure GDA0002898625760000051
Figure GDA0002898625760000052
其中：
Figure GDA0002898625760000053
和
Figure GDA0002898625760000054
分别为j节点电压幅值的上下限；
Figure GDA0002898625760000055
为ij支路电流的上限值；
S124，建立无功补偿装置SVC的运行约束
Figure GDA0002898625760000056
其中：
Figure GDA0002898625760000057
和
Figure GDA0002898625760000058
分别为无功补偿装置的无功出力的上下限值；
S125，建立分组式投切电容器组CB的运行约束
Figure GDA0002898625760000059
Figure GDA00028986257600000510
Figure GDA00028986257600000511
Figure GDA00028986257600000512
Figure GDA00028986257600000513
其中：
Figure GDA00028986257600000514
为每组电容器的补偿功率；
Figure GDA00028986257600000515
和
Figure GDA00028986257600000516
分别为投切操作的0-1标识，当
Figure GDA00028986257600000517
表示t时刻j节点增加一组CB的投运，
Figure GDA00028986257600000518
同理；
Figure GDA00028986257600000519
为每次投切最大组数的上限；
Figure GDA00028986257600000520
为电容器组投切次数的上限；
S126，建立分布式电源相关约束，所述分布式电源相关约束包括光伏约束和微型燃气轮机约束，具体如下：
S1261，光伏约束
Figure GDA00028986257600000521
其中：
Figure GDA00028986257600000522
表示光伏出力的预测值；
Figure GDA00028986257600000523
为光伏逆变器最大输出功率；
S1262，微型燃气轮机约束
Figure GDA00028986257600000524
其中：
Figure GDA00028986257600000525
为逆变器最大输出功率；
Figure GDA00028986257600000526
为微型燃气轮机爬坡约束限值；
S127，建立储能约束
Figure GDA0002898625760000061
Figure GDA0002898625760000062
其中：
Figure GDA0002898625760000063
表示t时刻j节点的ESS电量；ηch和ηdis分别为充放电效率；
Figure GDA0002898625760000064
和
Figure GDA0002898625760000065
分别为充放电功率的最大值；
S128，建立有载调压器的运行约束
kij,t＝kij0+Mij,tΔkij,t
Figure GDA0002898625760000066
其中：Mij,t为t时刻ij支路所连接的OLTC的档位；
Figure GDA0002898625760000067
为ij支路所连接的OLTC档位的上下限；kij0为档位的初始值；Δkij,t为OLTC两个相邻档位差值；
S129，建立可中断负荷的运行约束
Figure GDA0002898625760000068
其中：
Figure GDA0002898625760000069
为j节点可中断负荷的上限。
作为本发明的又一种改进，所述步骤S2中目标函数以***未来4小时内的总运行成本最低为目标，实现以4h为周期的滚动优化调度，即：
Figure GDA00028986257600000610
其中：
Figure GDA00028986257600000611
表示日内滚动阶段t时刻的与主网的联络功率即购电量；
Figure GDA00028986257600000612
和
Figure GDA00028986257600000613
分别表示日内滚动阶段t时刻i节点的可控分布式电源和储能成本。
作为本发明的又一种改进，所述步骤S2中短时间尺度下主动配电网的优化调度模型的约束条件依次包括：步骤S121-步骤S124、步骤S126、步骤S127及步骤S129。
作为本发明的跟进一步改进，所述步骤S3目标函数以***超短时间内可调可控设备的调整量最小为目标，所述***超短时间设定为5min内，实现以5min为周期的滚动优化调度，即：
Figure GDA0002898625760000071
Figure GDA0002898625760000072
其中：U代表实时反馈阶段可调可控资源的集合；uFK.real，ΔuFK和uDI分别代表实时反馈阶段的可控资源的输出值，可调可控资源的出力调整值和日内滚动阶段可调可控资源的输出值。
作为本发明的更进一步改进，所述步骤S3中超短时间尺度下主动配电网的优化调度模型的约束条件依次包括：步骤S121-步骤S124、步骤S126、步骤S127及步骤S129。
与现有技术相比，本发明提出的一种计及不确定性的配电网多时间尺度优化运行方法，首先建立min-max-min三层鲁棒优化调度模型确定日前慢动作设备操作状态，并且基于短期预测数据和超短期预测数据实现多时间尺度优化求解。本发明所提出的模型重点考虑光伏和负荷的不确定性的问题，模型中采用了盒式不确定集合描述不确定性变量，利用列约束生成算法算法求解min-max-min三层鲁棒模型，保证在最恶劣场景下，该方法较传统的多时间尺度优化模型经济效益更好，同时利用列约束生成算法算法进行求解，收敛速度快，迭代次数少。
其次，本发明在日前鲁棒模型的基础上，综合考虑不同调度周期内***目标函数不同，建立了主动配电网的精细化调度模型，该优化模型为混合整数线性规划模型，可以调用成熟的求解器(如CPLEX)进行求解，由此可以确定最恶劣场景下可调可控设备的出力状态。
此外，本发明所建立的考虑不确定性的主动配电网的精细化调度模型对于分布式电源高渗透率的地区能够很好保证***的安全性。
附图说明
图1为本发明优化运行方法的流程图；
图2是本发明实施例1中的***结构图；
图3是本发明中实施例1中的购电电价数据；
图4是本发明中实施例1中的日前阶段光伏和负荷预测数据；
图5是本发明中实施例1中的日内滚动阶段光伏和负荷预测数据；
图6是本发明中实施例1中的实时反馈阶段光伏和负荷预测数据；
图7是本发明中实施例1中的各可调可控设备仿真结果图。
具体实施方式
以下将结合附图和实施例，对本发明进行较为详细的说明。
实施例1
本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
本实施例中的***结构如图2所示，***由光伏(PV1,PV2)，燃气轮机(MT1,MT2)，无功补偿装置(SVC1,SVC2),储能装置(ESS1,ESS2),可中断负荷(IL)以及分组投切电容器组(CB)等组成，各设备的参数和连接位置见表1；同时最恶劣场景下***总的操作成本的对比见表2；***与电网相连，从电网购电但不向电网售电，电价数据和负荷数据分别见图3-6所示。
表1算例中的各设备参数
Figure GDA0002898625760000081
Figure GDA0002898625760000091
表2操作成本对比表
本文模型 传统的多时间尺度模型
总成本(元) 32931.2 34221.5
本案例在Matlab环境下利用Cplex算法包开发上述考虑光伏和负荷不确定性性的主动配电网调度模型，各可调可控设备的出力如图7所示。
基于光伏和负荷不确定性的配电网多时尺度优化运行方法，如图1所示，包括如下步骤：
S1，日前慢动作设备的操作状态确定：建立min-max-min两阶段三层鲁棒优化调度模型，利用列约束生成算法对鲁棒优化调度模型求解，确定最恶劣场景下的慢动作设备的操作状态，所述慢动作设备至少包括有载调压器OLTC和分组投切电容器组CB；
所述鲁棒优化调度模型的建立进一步包括：
S11，建立考虑光伏和负荷不确定性的鲁棒优化调度的目标函数，所述目标函数为：
Figure GDA0002898625760000092
其中，
Figure GDA0002898625760000093
为配电网与主网联络线功率交换成本；
Figure GDA0002898625760000094
和
Figure GDA0002898625760000095
分别为燃气轮机DG成本，可中断负荷IL与储能装置ESS成本；
Figure GDA0002898625760000096
和
Figure GDA0002898625760000097
分别为补偿电容器CB和有载调压器；
所述燃气轮机DG成本
Figure GDA0002898625760000101
为：
Figure GDA0002898625760000102
所述可中断负荷IL成本
Figure GDA0002898625760000103
为：
Figure GDA0002898625760000104
所述储能装置ESS的成本
Figure GDA0002898625760000105
为：
Figure GDA0002898625760000106
所述补偿电容器CB的补偿成本
Figure GDA0002898625760000107
为：
Figure GDA0002898625760000108
所述有载调压器OLTC的补偿成本
Figure GDA0002898625760000109
为：
Figure GDA00028986257600001010
其中，c1,c2,c3是DG的成本系数；
Figure GDA00028986257600001011
和rCB分别是IL，OLTC和CB的补偿成本系数；ΔUT和ΔUCB分别为OLTC档位和CB档位的全天调整次数，每次仅能调节一个档位；
Figure GDA00028986257600001012
以及
Figure GDA00028986257600001013
为连接的燃气轮机，可中负荷，有载调压器，补偿电容器以及储能装置的节点集合；Nt为整个调度周期，所述Nt＝24hOLTC的补偿成本；
S12，建立约束条件：所述约束条件至少包括功率平衡约束、光伏和负荷的不确定性集约束、***安全约束、无功补偿装置SVC的运行约束、分组式投切电容器组CB的运行约束、分布式电源相关约束、储能约束、有载调压器的运行约束及可中断负荷的运行约束，具体如下：
S121，建立功率平衡约束
Figure GDA00028986257600001014
其中：集合u(j)表示以j为末端节点的支路的首端节点的集合；集合v(j)表示以j为首端节点的支路的末端节点的集合；
Figure GDA00028986257600001015
和
Figure GDA00028986257600001016
分别为t时刻ij支路的有功功率和无功功率；
Figure GDA0002898625760000111
为t时刻j节点的电压值；
Figure GDA0002898625760000112
为t时刻ij支路的电流值；
Figure GDA0002898625760000113
和
Figure GDA0002898625760000114
分别为t时刻j节点的有功功率和无功功率的净注入值；
Figure GDA0002898625760000115
Figure GDA0002898625760000116
以及
Figure GDA0002898625760000117
分别代表t时刻j节点的负荷有功功率，ESS充放电功率，光伏PV的有功功率，燃气轮机的有功功率以及可中断负荷的有功功率；
Figure GDA0002898625760000118
Figure GDA0002898625760000119
以及
Figure GDA00028986257600001110
分别t时刻j节点所连接的负荷无功功率，无功补偿装置SVC补偿功率，PV的无功功率，分组投切电容器CB的无功功率，燃气轮机的无功功率以及储能装置的无功功率；rij和xij分别为支路ij的电阻和电抗；kij,t为t时刻ij支路所连接的OLTC的投切档位；
S122，建立光伏和负荷的不确定性集：
Figure GDA00028986257600001111
Figure GDA00028986257600001112
其中：
Figure GDA00028986257600001113
分别为光伏出力的预测值，最大上限偏差和最大下限偏差值；
Figure GDA00028986257600001114
分别为负荷的预测值，最大上限偏差和最大下限偏差值；
Figure GDA00028986257600001115
为0-1变量；
S123，建立***安全约束
Figure GDA00028986257600001116
Figure GDA00028986257600001117
其中：
Figure GDA00028986257600001118
和
Figure GDA00028986257600001119
分别为j节点电压幅值的上下限；
Figure GDA00028986257600001120
为ij支路电流的上限值；
S124，建立无功补偿装置SVC的运行约束
Figure GDA00028986257600001121
其中：
Figure GDA00028986257600001122
和
Figure GDA00028986257600001123
分别为无功补偿装置的无功出力的上下限值；
S125，建立分组式投切电容器组CB的运行约束
Figure GDA0002898625760000121
Figure GDA0002898625760000122
Figure GDA0002898625760000123
Figure GDA0002898625760000124
Figure GDA0002898625760000125
其中：
Figure GDA0002898625760000126
为每组电容器的补偿功率；
Figure GDA0002898625760000127
和
Figure GDA0002898625760000128
分别为投切操作的0-1标识，当
Figure GDA0002898625760000129
表示t时刻j节点增加一组CB的投运，
Figure GDA00028986257600001210
同理；
Figure GDA00028986257600001211
为每次投切最大组数的上限；
Figure GDA00028986257600001212
为电容器组投切次数的上限；
S126，建立分布式电源相关约束，所述分布式电源相关约束包括光伏约束和微型燃气轮机约束，具体如下：
S1261，光伏约束
Figure GDA00028986257600001213
其中：
Figure GDA00028986257600001214
表示光伏出力的预测值；
Figure GDA00028986257600001215
为光伏逆变器最大输出功率；
S1262，微型燃气轮机约束
Figure GDA00028986257600001216
其中：
Figure GDA00028986257600001217
为逆变器最大输出功率；
Figure GDA00028986257600001218
为微型燃气轮机爬坡约束限值；
S127，建立储能约束
Figure GDA00028986257600001219
Figure GDA00028986257600001220
其中：
Figure GDA00028986257600001221
表示t时刻j节点的ESS电量；ηch和ηdis分别为充放电效率；
Figure GDA00028986257600001222
和
Figure GDA00028986257600001223
分别为充放电功率的最大值；
S128，建立有载调压器的运行约束
kij,t＝kij0+Mij,tΔkij,t
Figure GDA0002898625760000131
其中：Mij,t为t时刻ij支路所连接的OLTC的档位；
Figure GDA0002898625760000132
为ij支路所连接的OLTC档位的上下限；kij0为档位的初始值；Δkij,t为OLTC两个相邻档位差值；
S129，建立可中断负荷的运行约束
Figure GDA0002898625760000133
其中：
Figure GDA0002898625760000134
为j节点可中断负荷的上限。
S2，日内滚动短时间尺度下主动配电网的优化调度模型建立：基于灰色预测的短期预测数据，设定目标函数，结合***应该满足的运行约束条件以及步骤S1确定的慢动作设备的操作状态，建立短时间尺度下主动配电网的优化调度模型；
S21，建立目标函数：
基于光伏和负荷的短期预测数据，实现以4h为周期的滚动优化调度。滚动优化的目标函数是使一个滚动调度周期(4h)内的运行费用最小，即：
Figure GDA0002898625760000135
式中：
Figure GDA0002898625760000136
表示日内滚动阶段t时刻的与主网的联络功率即购电量；
Figure GDA0002898625760000137
和
Figure GDA0002898625760000138
分别表示日内滚动阶段t时刻i节点的可控分布式电源和储能成本。
S22，建立约束条件,：所述条件依次包括：步骤S121-步骤S124、步骤S126、步骤S127及步骤S129。
S3，实时超短时间尺度下主动配电网的优化调度模型建立：基于灰色预测的超短期预测数据，综合考虑可调可控设备的操作次数和操作时间的限制，设定目标函数，结合***应该满足的运行约束条件以及步骤S1确定的慢动作设备的操作状态，建立超短时间尺度下主动配电网的优化调度模型，具体如下：
S31，建立目标函数：
基于光伏和负荷的超短期预测数据，实现以5min为周期的滚动优化调度。考虑到可调可控资源的操作时间，实时反馈的目标函数是使得一个调度周期可调可控资源的出力调整最小：
Figure GDA0002898625760000141
Figure GDA0002898625760000142
式中：U代表实时反馈阶段可调可控资源的集合；uFK.real，ΔuFK和uDI分别代表实时反馈阶段的可控资源的输出值，可调可控资源的出力调整值和日内滚动阶段可调可控资源的输出值。
S32，建立约束条件：所述约束条件依次包括：步骤S121-步骤S124、步骤S126、步骤S127及步骤S129。
本实施例中，步骤S1首先可以分别主问题和子问题，子问题可以通过对偶算法和大_M算法转化为线性的max问题，该模型通过列约束生成算法算法求解；步骤S2和步骤S3中所述的精细化调度模型均为混合整数非线性化问题，均可以使用成熟求解器进行求解。
至此，根据建立的目标函数以及设定的约束条件，确定主动配电网最恶劣场景下各种可调可控设备的实时出力，保证***的安全经济运行。
综上所述，本发明实施例首先建立主动配电网日前鲁棒模型确定的慢动作设备的操作状态，其次分别基于灰色预测的短期和超短期预测数据，建立主动配电网精细化调度的模型。能够很好的应对可再生能源的不确定性对配电网优化调度的影响。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实例的限制，上述实例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。

Claims (8)

1.一种计及不确定性的配电网多时间尺度优化运行方法，其特征在于，包括如下步骤：
S1，日前慢动作设备的操作状态确定：建立min-max-min两阶段三层鲁棒优化调度模型，利用列约束生成算法对鲁棒优化调度模型求解，确定最恶劣场景下的慢动作设备的操作状态,所述步骤S1中鲁棒优化调度模型的建立进一步包括：
S11，建立考虑光伏和负荷不确定性的鲁棒优化调度的目标函数，所述目标函数为：
Figure FDA0002898625750000011
其中，
Figure FDA0002898625750000012
为配电网与主网联络线功率交换成本；
Figure FDA0002898625750000013
和
Figure FDA0002898625750000014
分别为燃气轮机DG成本，可中断负荷IL与储能装置ESS成本；
Figure FDA0002898625750000015
和
Figure FDA0002898625750000016
分别为补偿电容器CB和有载调压器OLTC的补偿成本；
Figure FDA0002898625750000017
和
Figure FDA0002898625750000018
分别为电容器组投切操作的0-1标识；Mij和kij为ij支路所连接的OLTC的档位和实际调压比；Pij和Qij分别为ij支路的有功和无功功率；Vi为节点i的电压值；Pi,DG和Qi,DG分别为i节点所连接的微型燃气轮机的有功无功功率；Pi PV和
Figure FDA0002898625750000019
分别为i节点所连接的光伏的有功无功功率；Pi ch,Pi dis和
Figure FDA00028986257500000110
分别为i节点所连接的储能装置的充电功率、放电功率和电量；p和d分别为光伏和负荷某一特定情境下的取值；PV和Pd分别为光伏和负荷的取值集合；x和y分别为第一阶段离散型变量和第二阶段连续性变量的集合；
S12，建立约束条件：所述约束条件至少包括功率平衡约束、光伏和负荷的不确定性集约束、***安全约束、无功补偿装置SVC的运行约束、分组式投切电容器组CB的运行约束、分布式电源相关约束、储能约束、有载调压器的运行约束及可中断负荷的运行约束；
S2，日内滚动短时间尺度下主动配电网的优化调度模型建立：基于灰色预测的短期预测数据，设定目标函数，结合***应该满足的运行约束条件以及步骤S1确定的慢动作设备的操作状态，建立短时间尺度下主动配电网的优化调度模型；
S3，实时超短时间尺度下主动配电网的优化调度模型建立：基于灰色预测的超短期预测数据，综合考虑可调可控设备的操作次数和操作时间的限制，设定目标函数，结合***应该满足的运行约束条件以及步骤S1确定的慢动作设备的操作状态，建立超短时间尺度下主动配电网的优化调度模型。
2.如权利要求1所述的一种计及不确定性的配电网多时间尺度优化运行方法，其特征在于所述步骤S1中的慢动作设备至少包括有载调压器OLTC和分组投切电容器组CB。
3.如权利要求2所述的一种计及不确定性的配电网多时间尺度优化运行方法，其特征在于所述步骤S11中，
所述燃气轮机DG成本
Figure FDA0002898625750000021
为：
Figure FDA0002898625750000022
所述可中断负荷IL成本
Figure FDA0002898625750000023
为：
Figure FDA0002898625750000024
所述储能装置ESS的成本
Figure FDA0002898625750000025
为：
Figure FDA0002898625750000026
所述补偿电容器CB的补偿成本
Figure FDA0002898625750000027
为：
Figure FDA0002898625750000028
所述有载调压器OLTC的补偿成本
Figure FDA0002898625750000029
为：
Figure FDA00028986257500000210
其中，c1,c2,c3是DG的成本系数；
Figure FDA00028986257500000211
和rCB分别是IL，OLTC和CB的补偿成本系数；ΔUT和ΔUCB分别为OLTC档位和CB档位的全天调整次数，每次仅能调节一个档位；
Figure FDA00028986257500000212
以及
Figure FDA00028986257500000213
为连接的燃气轮机，可中负荷，有载调压器，补偿电容器以及储能装置的节点集合；Nt为整个调度周期，所述Nt＝24h。
4.如权利要求3所述的一种计及不确定性的配电网多时间尺度优化运行方法，其特征在于所述步骤S12进一步包括：
S121，建立功率平衡约束
Figure FDA0002898625750000031
其中：集合u(j)表示以j为末端节点的支路的首端节点的集合；集合v(j)表示以j为首端节点的支路的末端节点的集合；
Figure FDA0002898625750000032
和
Figure FDA0002898625750000033
分别为t时刻ij支路的有功功率和无功功率；
Figure FDA0002898625750000034
为t时刻j节点的电压值；
Figure FDA0002898625750000035
为t时刻ij支路的电流值；
Figure FDA0002898625750000036
和
Figure FDA0002898625750000037
分别为t时刻j节点的有功功率和无功功率的净注入值；
Figure FDA0002898625750000038
Figure FDA0002898625750000039
以及
Figure FDA00028986257500000310
分别代表t时刻j节点的负荷有功功率，ESS充放电功率，光伏PV的有功功率，燃气轮机的有功功率以及可中断负荷的有功功率；
Figure FDA00028986257500000311
Figure FDA00028986257500000312
以及
Figure FDA00028986257500000313
分别t时刻j节点所连接的负荷无功功率，无功补偿装置SVC补偿功率，PV的无功功率，分组投切电容器CB的无功功率，燃气轮机的无功功率以及储能装置的无功功率；rij和xij分别为支路ij的电阻和电抗；kij,t为t时刻ij支路所连接的OLTC的投切档位；
S122，建立光伏和负荷的不确定性集：
Figure FDA00028986257500000314
Figure FDA00028986257500000315
Figure FDA00028986257500000316
Figure FDA00028986257500000317
其中：
Figure FDA00028986257500000318
分别为光伏出力的预测值，最大上限偏差和最大下限偏差值；
Figure FDA00028986257500000319
分别为负荷的预测值，最大上限偏差和最大下限偏差值；
Figure FDA00028986257500000320
为0-1变量；
S123，建立***安全约束
Figure FDA0002898625750000041
Figure FDA0002898625750000042
其中：
Figure FDA0002898625750000043
和
Figure FDA0002898625750000044
分别为j节点电压幅值的上下限；
Figure FDA0002898625750000045
为ij支路电流的上限值；
S124，建立无功补偿装置SVC的运行约束
Figure FDA0002898625750000046
其中：
Figure FDA0002898625750000047
和
Figure FDA0002898625750000048
分别为无功补偿装置的无功出力的上下限值；
S125，建立分组式投切电容器组CB的运行约束
Figure FDA0002898625750000049
Figure FDA00028986257500000410
Figure FDA00028986257500000411
Figure FDA00028986257500000412
Figure FDA00028986257500000413
其中：
Figure FDA00028986257500000414
为每组电容器的补偿功率；
Figure FDA00028986257500000415
和
Figure FDA00028986257500000416
分别为投切操作的0-1标识，当
Figure FDA00028986257500000417
表示t时刻j节点增加一组CB的投运，
Figure FDA00028986257500000418
同理；
Figure FDA00028986257500000419
为每次投切最大组数的上限；
Figure FDA00028986257500000420
为电容器组投切次数的上限；
S126，建立分布式电源相关约束，所述分布式电源相关约束包括光伏约束和微型燃气轮机约束，具体如下：
S1261，光伏约束
Figure FDA00028986257500000421
其中：
Figure FDA00028986257500000422
表示光伏出力的预测值；
Figure FDA00028986257500000423
为光伏逆变器最大输出功率；
S1262，微型燃气轮机约束
Figure FDA00028986257500000424
Figure FDA00028986257500000425
其中：
Figure FDA00028986257500000426
为逆变器最大输出功率；
Figure FDA00028986257500000427
为微型燃气轮机爬坡约束限值；
S127，建立储能约束
Figure FDA0002898625750000051
Figure FDA0002898625750000052
其中：
Figure FDA0002898625750000053
表示t时刻j节点的ESS电量；ηch和ηdis分别为充放电效率；
Figure FDA0002898625750000054
和
Figure FDA0002898625750000055
分别为充放电功率的最大值；
S128，建立有载调压器的运行约束
kij,t＝kij0+Mij,tΔkij,t
Figure FDA0002898625750000056
其中：Mij,t为t时刻ij支路所连接的OLTC的档位；
Figure FDA0002898625750000057
为ij支路所连接的OLTC档位的上下限；kij0为档位的初始值；Δkij,t为OLTC两个相邻档位差值；
S129，建立可中断负荷的运行约束
Figure FDA0002898625750000058
其中：
Figure FDA0002898625750000059
为j节点可中断负荷的上限。
5.如权利要求1或2所述的一种计及不确定性的配电网多时间尺度优化运行方法，其特征在于所述步骤S2中目标函数以***未来4小时内的总运行成本最低为目标，实现以4h为周期的滚动优化调度，即：
Figure FDA00028986257500000510
其中：
Figure FDA00028986257500000511
表示日内滚动阶段t时刻的与主网的联络功率即购电量；
Figure FDA00028986257500000512
和
Figure FDA00028986257500000513
分别表示日内滚动阶段t时刻i节点的可控分布式电源和储能成本。
6.如权利要求5所述的一种计及不确定性的配电网多时间尺度优化运行方法，其特征在于所述步骤S2中短时间尺度下主动配电网的优化调度模型的约束条件依次包括：步骤S121-步骤S124、步骤S126、步骤S127及步骤S129。
7.如权利要求1或2所述的一种计及不确定性的配电网多时间尺度优化运行方法，其特征在于所述步骤S3目标函数以***超短时间内可调可控设备的调整量最小为目标，所述***超短时间设定为5min内，实现以5min为周期的滚动优化调度，即：
Figure FDA0002898625750000061
Figure FDA0002898625750000062
其中：U代表实时反馈阶段可调可控资源的集合；uFK.real，ΔuFK和uDI分别代表实时反馈阶段的可控资源的输出值，可调可控资源的出力调整值和日内滚动阶段可调可控资源的输出值。
8.如权利要求4所述的一种计及不确定性的配电网多时间尺度优化运行方法，其特征在于所述步骤S3中超短时间尺度下主动配电网的优化调度模型的约束条件依次包括：步骤S121-步骤S124、步骤S126、步骤S127及步骤S129。
CN201811507881.0A 2018-12-11 2018-12-11 一种计及不确定性的配电网多时间尺度优化运行方法 Active CN109687510B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811507881.0A CN109687510B (zh) 2018-12-11 2018-12-11 一种计及不确定性的配电网多时间尺度优化运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811507881.0A CN109687510B (zh) 2018-12-11 2018-12-11 一种计及不确定性的配电网多时间尺度优化运行方法

Publications (2)

Publication Number Publication Date
CN109687510A CN109687510A (zh) 2019-04-26
CN109687510B true CN109687510B (zh) 2021-05-25

Family

ID=66187514

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811507881.0A Active CN109687510B (zh) 2018-12-11 2018-12-11 一种计及不确定性的配电网多时间尺度优化运行方法

Country Status (1)

Country Link
CN (1) CN109687510B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126664A (zh) * 2019-11-25 2020-05-08 广西电网有限责任公司 一种基于鲁棒优化的主动配电网交流潮流的管理方法
CN110994697B (zh) * 2019-12-03 2022-07-26 国网浙江平阳县供电有限责任公司 含光储联合体的交直流配电网优化运行控制方法及***
CN110880771B (zh) * 2019-12-11 2022-01-11 广东电网有限责任公司 一种输配网无功优化方法及装置
CN111612265B (zh) * 2020-05-28 2022-10-14 国家电网公司西南分部 考虑通道利用小时数的水电集群外送规划及运行优化方法
CN111612266B (zh) * 2020-05-28 2021-11-30 国家电网公司西南分部 考虑清洁能源利用率的水电集群送出网架优化方法
CN111612271B (zh) * 2020-05-28 2022-10-14 国家电网公司西南分部 考虑清洁能源利用率的清洁能源外送规划及运行优化方法
CN111799847B (zh) * 2020-07-16 2022-11-22 国网北京市电力公司 计及风险的主动配电网两阶段随机模型的预测控制方法
CN112068431B (zh) * 2020-09-03 2023-03-24 广州大学 一种双时间尺度的控制方法、***、装置及存储介质
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
CN113555870B (zh) * 2021-07-26 2023-10-13 国网江苏省电力有限公司南通供电分公司 一种基于Q-learning光伏预测的配电网多时间尺度优化调度方法
CN116599060B (zh) * 2023-07-18 2023-11-21 山东大学 一种主动配电网一体化调度方法、***、终端设备及介质

Also Published As

Publication number Publication date
CN109687510A (zh) 2019-04-26

Similar Documents

Publication Publication Date Title
CN109687510B (zh) 一种计及不确定性的配电网多时间尺度优化运行方法
CN110690732B (zh) 一种光伏无功分区计价的配电网无功优化方法
CN109873447B (zh) 一种多源协同主动配电网多时间级有功-无功调控方法
CN109802399A (zh) 考虑调相机协调作用和***滤波要求的特高压直流换流站动态无功优化方法
CN106549392B (zh) 一种配电网协调控制方法
CN107196315A (zh) 含光储***配电网的动态拓展无功优化控制方法
CN110135662B (zh) 一种考虑减小峰谷差的储能选址定容多目标优化方法
CN109842123B (zh) 调相机与分层结构特高压直流受端换流站的协调动态无功优化方法
CN104158198A (zh) 配电网优化潮流控制装置和方法
CN114597969B (zh) 计及智能软开关和虚拟电厂技术的配电网双层优化方法
CN112018790B (zh) 基于分层分布式储能参与需求响应调节控制方法
CN104810840A (zh) 一种全网电压无功优化控制***及其控制方法
CN110808597A (zh) 主动配电网中考虑三相不平衡的分布式电源规划方法
CN107332252B (zh) 一种计及广义无功源的配电网低电压综合治理方法
CN108933448B (zh) 一种含光伏电源的中低压配电网协调控制方法和***
CN110690702A (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
CN106229995B (zh) 基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法
Li et al. Decentralized communication based two-tier volt-var control strategy for large-scale centralized photovoltaic power plant
Farooq et al. Power generation control of restructured hybrid power system with FACTS and energy storage devices using optimal cascaded fractional‐order controller
CN114884136A (zh) 一种计及风电相关性的主动配电网鲁棒优化调度方法
CN115481856A (zh) 考虑综合需求响应的综合能源***多尺度调度方法及***
CN108667071B (zh) 一种主动配电网负荷精准控制计算方法
CN112039126A (zh) 含分布式电源的配电网多时间尺度协调调度方法及***
Zhang et al. Day-ahead stochastic optimal dispatch of LCC-HVDC interconnected power system considering flexibility improvement measures of sending system
CN113013884B (zh) 一种用于含高渗透率光伏配电***的三段式无功电压控制方法

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
TA01 Transfer of patent application right

Effective date of registration: 20201202

Address after: 213300 room 428, building a, 218 Hongkou Road, Kunlun Street, Liyang City, Changzhou City, Jiangsu Province (in Zhongguancun Science and Technology Industrial Park, Jiangsu Province)

Applicant after: Liyang Research Institute of Southeast University

Applicant after: SOUTHEAST University

Address before: Four pailou Nanjing Xuanwu District of Jiangsu Province, No. 2 210096

Applicant before: SOUTHEAST University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant