CN110322372B - 区域电力***中多级电网联动的机组组合调度方法 - Google Patents
区域电力***中多级电网联动的机组组合调度方法 Download PDFInfo
- Publication number
- CN110322372B CN110322372B CN201910618627.6A CN201910618627A CN110322372B CN 110322372 B CN110322372 B CN 110322372B CN 201910618627 A CN201910618627 A CN 201910618627A CN 110322372 B CN110322372 B CN 110322372B
- Authority
- CN
- China
- Prior art keywords
- power
- distribution network
- unit
- active
- constraints
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000005540 biological transmission Effects 0.000 claims abstract description 118
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims description 208
- 238000004146 energy storage Methods 0.000 claims description 71
- 238000007599 discharging Methods 0.000 claims description 34
- 230000003828 downregulation Effects 0.000 claims description 14
- 230000003827 upregulation Effects 0.000 claims description 14
- 238000010248 power generation Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 230000033228 biological regulation Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 46
- 238000005457 optimization Methods 0.000 description 26
- 230000006870 function Effects 0.000 description 24
- 101100378514 Schizosaccharomyces pombe (strain 972 / ATCC 24843) adg1 gene Proteins 0.000 description 19
- 230000008878 coupling Effects 0.000 description 18
- 238000010168 coupling process Methods 0.000 description 18
- 238000005859 coupling reaction Methods 0.000 description 18
- 101150058833 adg2 gene Proteins 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 12
- 208000012927 adermatoglyphia Diseases 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000009194 climbing Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000011541 reaction mixture Substances 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种区域电力***中多级电网联动的机组组合调度方法,包括步骤:确定区域电力***中多级电网主动量及各级电网机组运行参数;建立考虑机组启停、各级电网主动量为联动决策量的安全约束机组组合经济调度模型;基于目标级联分析法求解模型,确定***最优调度结果。微网约束包括微网功率平衡约束,微网联络线传输功率约束。本发明围绕某一区域电力***,以区域***总体运行成本最小为目标,在满足各级电网层各自约束前提下,建立考虑机组启停、各级电网层主动量为联动决策量的安全约束机组组合模型,实现对全电力***的统一分析和决策,并采用分布式并行计算的目标级联分析法(ATC)对该模型进行求解,实现复杂***源网荷协同调度。
Description
技术领域
本发明涉及电力***分析技术领域,具体涉及区域电力***多级电网联动的机组组合调度方法。
背景技术
当今,面对广域互联的电力***,电网呈现多层、多级复杂的拓扑结构,与传统电力***不同的是,主动配电网(ADG)、微网(MG)中不仅有分布式的可再生能源发电,而且也兼有常规电源、储能、需求侧响应负荷,由此,输-配-微各级电网之间出现了双向流,打破了传统输电网自上而下的功率流,主动配电网(ADG)和微网(MG)的存在使电网出现逆流而上的功率流。在这种情况下,若继续沿用传统安全约束的机组组合问题(传统的电力***中,配电、微网中没有任何的主动电源,在解决区域电力***的机组组合问题时,就没有必要考虑配网及以下的网络),必然导致其决策结果的不合理性,也实现不了最有效的接纳可再生能源发电的目标。
既然主动配电网(ADG)、微网(MG)中有了主动的能力,也就必然与输电网(TG)有了耦合与关联,如何有机考虑这一耦合与关联,即如何在机组组合研究中考虑ADG、MG主动性成为关键问题。
发明内容
为了解决上述技术问题,本发明提供了一种区域电力***中多级电网联动的机组组合调度方法,包括以下步骤:
确定区域电力***中多级电网主动量及各级电网机组运行参数;
建立考虑机组启停、各级电网主动量为联动决策量的安全约束机组组合经济调度模型;
基于目标级联分析法求解模型,确定***最优调度结果。
在上述方法中,所述多级电网为输-配-微三级电网;
主动量包括分布式可再生能源、常规电源、储能、需求侧响应负荷;
各级电网运行参数包括:***中火电机组的集合,主动配电网的数量,微网数量,分布式电源外机组的数量,各级电网间传输功率,火电机组二次调频的上调/下调备用容量,机组输出功率,主动配电网储能***的充电/放电功率值,主动配电网储能***在充电/放电状态提供上调备用和下调备用容量,微网中储能***充电/放电功率值。
在上述方法中,所述调度模型包括:
以区域输电网火电机组组合成本、主动配电网运行成本与微网运行成本之和最小为目标,为了充分利用可再生能源,设定可再生能源的价格为0,且目标函数如下:
DGn表示主动配电网n中除分布式电源外机组的数量;n表示主动配电网的编号;表示第n个主动配电网的总生产成本;为第n个主动配电网中的机组发电成本的二次函数;为主动配电网n中机组g在时段t的输出功率;分别为第n个主动配电网储能***e在时段t的充电/放电功率值和对应的成本系数; 分别为第n个主动配电网储能***e在充电/放电状态提供上调备用和下调备用的成本系数;
分别为第n个主动配电网储能***e在放电/充电状态提供的上调备用和下调备用;MG表示微网;m表示微网的编号;为微网m的总成本;am-g、bm-g、cm-g分别为对应的成本特性系数;分别为微网中储能***e在t时段充放电功率和相应的成本;
约束条件包括区域输电网约束、主动配电网约束、微网约束以及输-配-微三级电网之间的关联约束。
在上述方法中,所述区域输电网约束包括有功功率平衡约束,节点有功功率平衡约束,输电网联络线传输功率约束,输电网考虑不确定性的功率平衡约束,电网频率质量约束,机组一次调频约束,机组二次调频约束,机组输出功率上下限约束;
主动配电网约束包括主动配电网功率平衡约束,主动配电网考虑不确定性的功率平衡约束,主动配电网联络线传输功率约束;
微网约束包括微网功率平衡约束,微网联络线传输功率约束。
本发明围绕某一区域电力***,以区域***总体运行成本最小为目标,在满足各级电网层各自约束前提下,建立考虑机组启停、各级电网层主动量为联动决策量的安全约束机组组合模型,实现对全电力***的统一分析和决策,并采用分布式并行计算的目标级联分析法(ATC)对该模型进行求解,实现复杂***源网荷协同调度。
附图说明
图1为本发明中提供的流程图;
图2为本发明中输-配-微三级电网***结构示意图;
图3为本发明中输电网与主要配电网的解耦机制结构示意图;
图4(a)为本发明中基于ATC的区域电力***配-微电网层联动的机组组合优化算法流程图;
图4(b)为本发明中基于ATC的区域电力***输-配电网层联动的机组组合优化算法流程图;
图5为本发明案例中6节点***接线图;
图6为本发明案例中配电网风电功率曲线图;
图7为本发明案例中输-配-微电网的负荷功率曲线图;
图8为本发明案例中微网中光伏发电功率曲线图;
图9(a)为本发明案例中采用OLM算法求解得到联络线功率曲线图;
图9(b)为本发明案例中采用ATC算法求解得到联络线功率曲线图;
图10为本发明案例中配网1方案3中的储能***充放电功率示意图;
图11为本发明案例中配网1的储能充放电功率示意图;
图12为本发明案例中配网1的机组、风电出力及负荷功率示意图。
具体实施方式
本发明针对输-配-微各层的主动量与机组组合之间能否进行联动决策的问题进行了深入研究,即输电网机组启停变量与ADG、MG中主动量同时作为决策变量进行全网统一优化的问题,围绕某一区域电力***,以微网、主动配电网和输电网三层有机联动为例,以区域***总体运行成本最小为目标,在满足输电网、配网、微网各自约束前提下,建立考虑机组启停、配网和微网主动量为联动决策量的安全约束机组组合模型,实现对全电力***的统一分析和决策。采用分布式并行计算的目标级联分析法(ATC)对该模型进行求解,实现复杂***源网荷协同调度。
下面结合具体实施方式和说明书附图对本发明做出详细的说明。
如图1所示,本发明提供了一种区域电力***中多级电网联动的机组组合调度方法,包括以下步骤:
S1、确定区域电力***中多级电网主动量及各级电网运行参数;
本实施例中,区域电力***中TG-ADG-MG三级电网结构如图2所示,输电网的机组组合、主动配电网和微网的优化问题是已解决的问题,关键就是处理三级电网关联约束部分,即联络线交换功率PT→D/PD→T、PD→M/PM→D。微网位于电网的最底层,微网通过合理安排区域内各控制单元的出力计划,实现自治,如果微网区域内电能不足或冗余,则需要协调与主动配电网的功率交换PD→M/PM→D;同理,主动配电网位于中间层,配网在满足自身负荷需求条件下,如果出现电能缺额或冗余,可通过利用拓扑结构及分布式能源的主动行为优先完成与微网的功率交换PD→M/PM→D,再与输电网进行功率交换PT→D/PD→T。输-配-微三级网络联络线之间的耦合与关联使电网有了互动的能力,这样就可以把输-配-微三级互联***决策量一起优化,追求***总运行成本的最优,上层自上而下的不断分流,下层各级响应自下而上的不断反馈,进而实现全***的统一分析和优化。
各级电网运行参数包括:***中火电机组的集合,主动配电网的数量,微网数量,分布式电源外机组的数量,各级电网间传输功率,火电机组二次调频的上调/下调备用容量,机组输出功率,主动配电网储能***的充电/放电功率值,主动配电网储能***在充电/放电状态提供上调备用和下调备用容量,微网中储能***充电/放电功率值。
S2、根据电网运行参数,建立考虑机组启停、各级电网主动量为联动决策量的安全约束机组组合经济调度模型;具体如下:
本实施例以区域输电网火电机组组合成本、主动配电网运行成本与微网运行成本之和最小为目标,为了充分利用可再生能源,设定可再生能源的价格为0,建立以下目标函数:
式中,T为调度周期,G为***中火电机组的集合,N为主动配电网的数量,M为微网数量;为机组g在时段t二次调频的上调和下调备用以及对应的成本系数;DGn表示配网n中除分布式电源外机组的数量;下标n表示主动配电网的编号;表示第n个配网的总生产成本;为第n个配网中的机组发电成本的二次函数。为配网n中机组g在时段t的输出功率;分别为第n个主动配电网储能***e在时段t的充电/放电功率值和对应的成本系数;分别为第n个主动配电网储能***e在充电/放电状态提供上调备用和下调备用的成本系数; 分别为第n个主动配电网储能***e在放电/充电状态提供的上调备用和下调备用容量。MG表示微网;下标m表示微网的编号;为微网m的总成本;am-g、bm-g、cm-g分别为对应的成本特性系数。分别为微网中储能***e在t时段充放电功率和相应的成本。其中,约束条件包括区域输电网约束、主动配电网约束、微网约束以及它们之间的关联约束。
一、区域输电网约束
1)有功功率平衡约束
式中,为区域输电网中机组g在时段t的输出功率;为时段t由输电网向主动配电网n传输的功率,从输电网角度出发,该值往往被等效为虚拟负荷,从输电网吸收功率。Ddt表示区域输电网中负荷d在时段t的有功功率预测值。
2)机组输出功率上下限约束
3)机组爬坡速率约束
4)机组最小开停机时间约束
5)节点有功功率平衡约束
式中,为时段t有输电网向配网k传输的功率;Bij表示节点i与节点j之间的线路导纳;θit为节点i在t时段的相角;fkb,t为节点k与节点b之间输电线路的有功传输功率;为输电线路有功传输功率的限值。B,L分别为***中节点及输电线路的数量。
6)输电网联络线传输功率约束
7)输电网考虑不确定性的功率平衡约束
式(2)中的负荷或虚拟负荷,其实际功率往往会偏离预测值,在不确定性环境下,计及一次、二次频率调节作用的平衡约束:
由此,式(16)可等效为下式式(17)-(18):
8)电网频率质量约束
-Δfmax≤Δfdn≤0≤Δfup≤Δfmax (19)
9)机组一次调频约束
10)机组二次调频约束
11)机组输出功率上下限约束
式(19)~(23)中,Δfmax为正常运行时电网频率相对而额定频率的最大允许偏差;Rg为机组g频率调节系数,Δg为不确定性环境下,AGC机组g二次调整功率最大调整量,对于非AGC机组,Δg等于0。
二、主动配电网的约束
1)主动配电网功率平衡约束
式(24)中,表示配网n中负荷d在时段t的负荷预测值;表示主动配电网n中风电w在时段t的风电出力值;表示主动配电网n中光伏v在时段t的光伏发电功率值;为输电网与第n个主动配电网间联络线交换功率值,从主动配电网角度出发,其往往被等效为虚拟电源,向配电网供电。为时段t由主动配电网向微网m传输的功率,从主动配电网角度出发,其往往被等效为虚拟负荷,向配电网吸收功率。
2)常规机组输出功率上下限约束
3)常规机组爬坡速率约束
4)主动配电网考虑不确定性的功率平衡约束
假设第n个主动配电网中的负荷、风电相对预测值偏差的不确定性区间分别为和采用由Yumin Zhang,Xueshan Han,Ming Yang,Bo Xu,Yuanchun Zhao,Hefeng Zhai等人2019年1月在International Journalof Electrical Power and Energy Systems期刊上提出的“Adaptive robust unitcommitment considering distributional uncertainty”(考虑概率分布不确定性的自适应鲁棒机组组合)提出的非精确狄利克雷模型估计得到;且假设两者相互独立,参照式(17)~式(18),满足:
5)主动配电网联络线传输功率约束
6)储能***充/放电状态约束
7)储能***充/放电功率约束
8)储能***存储能量调节范围约束
当储能***存储的能量处于最大值和最小值的时,不再有调控能力,所以为使储能***能够在应对不确定性时具有一定的调节能力,应该满足:
式(35)-式(38)中,为t时段储能***存储能量值;分别为储能***充电、放电效率;为储能***存储能量允许的最大值、最小值。分别为初始时段、最终时段储能***的电量值。为保证下一调度周期内储能***可以正常发挥作用,因而要求每个周期结束时储能***的电量值等于初始时段的电量值,Δt=60min。
三、微网的约束
1)功率平衡约束
2)DER输出功率上下限约束
3)DER爬坡速率约束
4)联络线传输功率约束
5)储能***充/放电状态约束
6)储能***充/放电功率约束
7)储能***容量约束
式中:为微网m中时段t储能***e存储能量值;分别为微网m中储能***e充电、放电效率;为微网m中储能***e存储能量允许的最大、最小值;分别为初始时段、最终时段微网m中储能***e的电量值。为保证下一调度周期内储能***可以正常发挥作用,因而要求每个周期结束时储能***的电量值等于初始时段的电量值。Δt=60min。
S3、基于目标级联分析法求解模型,确定***最优调度结果。
由于区域***中输-配-微电网间的耦合与关联,难以用集中的方法处理,本实施例通过ATC算法解决这一问题。为了便于描述,以下给出模型的矩阵表达式:
式中,gT、hT分别为输电网的不等式和等式约束,表示输电网区域变量需满足的本地约束;x表示输电网除联络线以外的本地决策变量,x,t1,t2,...,tn表示输电网区域变量,其中,tn=[tn,1,tn,2,...,tn,T];分别表示第n个主动配电网的不等式和等式约束条件,y为主动配电网除联络线以外的本区域决策变量,y,r1,r2,...,rn,t′1,t′2,...,t′m表示第n个主动配电网区域变量,其中,rn=[rn,1,rn,2,...,rn,T];c表示输电网区域变量与第n个主动配电网区域变量的耦合约束;表示第m个微电网区域变量的不等式和等式约束,z为微电网除联络线以外的本区域决策变量,Z,r′1,r′2,…,r′m表示第m个微电网区域变量,其中,t′=[t′m,1,t′m,2,…,t′m,T],d表示主动配电网区域变量与第m个微电网区域变量的耦合约束。
一、目标级联分析法求解本实施例具体如下:
本实施例中以输-配网为例,采用图3所示的解耦机制实现输-配网的解耦。由于耦合约束c的存在,式(49)不能单独求解,需要对上述优化问题进行分解,使其能够独立求解,图中给出了一个分层的两级结构,其中,输电网位于上级,主动配电网位于下级。引入两组不同的变量集合对共享变量c进行建模,建立各独立***相关的目标函数和约束条件。第一个变量t称为目标变量(target变量),它是两个***之间从输电网发送到主动配电网的共享变量的向量。实际上,是从上层(第i层)***向下层(第j层)***传输的功率。第二个变量r是响应变量(response变量),为下层主动配电网传送给上层输电网的共享变量r的向量。目标变量t和响应变量r作为***之间的共享变量,都是基于输电***和ADG之间的物理连接进行标识的。
如图3所示,通过物理连接的功率交换是这两个独立***之间的共享变量c。这个变量将区域电力***内输电网和主动配电网两层***联动的SCUC问题联系在一起。假设电源从输电网传输到ADG。目标变量和响应变量的建模如图3所示,从输电网的角度出发,联络线功率等效为虚拟负荷从输电网获取功率;从主动配电网的角度出发,联络线功率等效为虚拟发电机向主动配电网供电。联络线功率等效为虚拟负荷和虚拟发电机,分别在输电网和主动配电网模型中求解。由于考虑了风电和负荷不确定性特征对电网调度的影响,必然会引起各联络线传输功率的波动,分别对应着输电网约束中的虚拟负荷的变动和主动配电网中的虚拟电源的波动,其不确定性功率都等于输电网与对应主动配电网间的联络线传输功率的波动范围。根据目标变量和响应变量,引入式(49e)表示的耦合约束,并将耦合约束式(49e)分别在输电网和主动配电网优化模型中求解。利用罚函数π以松弛耦合约束,如下:
式中,⊙表示Hadamard积;λ、μ分别为增广拉格朗日罚函数一次项与二次项的乘子向量。其中,λ可避免寻优过程出现数值病态问题,μn使松弛的耦合约束随着其数值的增大趋于可行。
利用式(50)将输配间耦合约束松弛后,输电网和主动配电网只剩下区域变量需满足的本地约束和本地决策变量,分别构成了输电网与主动配电网自治优化模型,如式(51)和式(52)所示,实现了输电网与主动配电网的解耦:
同理,从主动配电网角度出发,联络线功率等效为虚拟负荷从主动配电网获取功率;从微网的角度出发,联络线功率等效为虚拟发电机向微网供电。联络线功率等效为虚拟负荷和虚拟发电机,分别在主动配电网和微网模型中求解。引入式(49f)表示的耦合约束,并将耦合约束式(49f)分别在配电网和微网优化模型中求解。利用罚函数π以松弛耦合约束,如下:
式中,⊙表示Hadamard积;ω、γ分别为增广拉格朗日罚函数一次项与二次项的乘子向量。
由此,可以构造主动配电网与微网的自治优化模型,模型的简化表达形式为下式(54)和式(55):
(1)解耦的输电网与主动配电网的优化模型
输电网在求解自身机组组合方案时,将虚拟负荷变量以及虚拟负荷波动变量优化后的值以参数的形式传递给主动配电网,主动配电网在进行独立优化时,将虚拟发电机和虚拟负荷tnt联动优化。依据式(55),加入拉格朗日惩罚函数对耦合约束进行松弛处理,并作为惩罚项加入到主动配电网目标函数,即:
由此,基于ATC的机组组合模型中,分解后的输电网模型由式(57)和式(49b)构成,主动配电网由式(57)和式(49c)构成。输-配模型已经分解,可以独立求解,通过不断迭代直到满足收敛条件。
(2)解耦的配网与微网的优化模型
与上述解耦的输电网与主动配电网模型同理,微网的目标函数为:
主动配电网的目标函数为:
由此,基于ATC的机组组合模型中,分解后的微网模型由式(58)和式(49d)构成,主动配电网由式(59)和式(49c)构成。配、微模型已分解,可以独立求解,通过不断迭代直到满足收敛条件。
(3)输电网与主要配电网的收敛判据与乘子更新原则
由Michelena N,Park H,Papalambros PY等人于2003年5月在“AIAA Journal”期刊上提出的“Convergence properties of analytical target cascading”(目标级联分析法的收敛特性)提及的ATC算法在本质上是拉格朗日乘子法的扩展和改进;对其收敛性做出了严格的理论推导和证明,基于区域电力***联动机组组合模型,输电网与主要配电网层之间的收敛条件为:
|tntk-rntk|≤ε1 (60)
式(60)表示在第k次迭代中,主要配电网虚拟发电机 与输电网虚拟负荷作为耦合变量,它们的差值应满足精度要求;式(61)检查含主动配电网的输电***总体效益是否达到最优;表示在第k次迭代中输电网中总成本;表示在第k次迭代中配电网n的成本。
若收敛条件式(60)和式(61)不能同时满足,则根据式(62)更新拉格朗日惩罚函数乘子。
为加快收敛速度,β的取值一般为2≤β≤3,本实施例取β=2.5;乘子的初值一般取较小的常数,本实施例均设置为1.5。
(4)主要配网与微网的收敛判据与乘子更新原则
同理,主动配电网层与微网层之间的收敛性条件为:
|t′mtk-r′mtk|≤ε3 (63)
若收敛判据式(63)、(64)不能同时满足,则根据式(65)更新拉格朗日惩罚函数乘子。
为加速收敛,本实施例取β=2.5,乘子初值均设置为1.5。
二、ATC算法流程
基于ATC的区域电力***多层联动的机组组合优化算法流程具体包括以下:
(1)、配-微电网层联动的机组组合优化算法流程如图4(a)所示,具体包括以下算法:
A1:初始化。设定初值,输入机组参数、惩罚函数乘子等初值,置迭代次数k=1。
A4:判断上述配-微电网层间是否满足收敛条件式(63)和式(64),若不能同时满足,按式(65)更新乘子,置迭代次数k=k+1,返回步骤A1;若同时满足,则终止迭代过程,输出最优调度结果,并将此结果作为配网子***的初始值。
(2)、输-配电网层联动的机组组合优化算法流程如图4(b)所示,具体包括以下算法:
同理,设定罚函数乘子、最大迭代次数等初值,置迭代次数w=1。
B3、判断上述输-主要配电网间是否满足收敛条件式(60)和式(61),若不能同时满足,按式(62)更新乘子,置迭代次数w=w+1,返回步骤B1;若同时满足,则终止迭代过程,输出最优调度结果。
下面通过具体案例分析本实施例方法。
本案例以6节点***为例,对上述实施例所提出模型的有效性进行分析。如图5所示的6节点***,该***由1个输电网、2个主动配电网(ADG1、ADG2)、3个微网(MG1、MG2、MG3)组成。其中,
输电网包含3台火电机组、7条线路,1个常规负荷,输电网中的火电机组容量、爬坡速率,线路等技术数据参考文献由Jianhui Wang,Shahidehpour,M.,Zuyi Li等人于2008年在“IEEE Transactions on Power Systems”期刊上提出的“Security-constrained unitcommitment with volatile wind power generation”。(考虑风电出力随机性的安全约束机组组合)正常运行时允许的频率调节范围为50±0.1Hz,各火电机组的单位调节功率的标幺值为20,负荷的频率调节效应标幺值为2.89%。
2个主动配电网分别接在节点3和节点4,每个配网均包含2台15MW的柴油机组、1台60MW的风电机组,1个100MW储能***组成,每个配网节点的负荷数据参考上述文献,储能***参数见表1,风电出力数据如图6所示。
表1储能***参数
每个主动配电网又包含3个微网,每个微网均包含2台1.5MW的柴油机组、1台5MW的风电机组、1台5MW的光伏机组,1个储能***组成。输-配-微三级电网的负荷功率数据如图7所示,配-微电网机组数据如下表2所示,微网中光伏发电功率数据如图8所示。储能***充/放电价格分别为0.4/0.6($/kWh),收敛精度均设为0.01。测试计算采用Visual Studio2016 C++软件调用CPLEX12.8求解器进行求解,计算机配置为Win10***,Intel Core i7-8700k系列,主频3.0GHz,内存16G。
表2、主要配电网和微网的机组数据
一、算法比较
为验证实施例中所提ATC算法的性能,分别将其与传统的集中式计算方法、传统的拉格朗日算法(Ordinary Lagrangian Method,OLM)(惩罚函数不含二次项)进行比较,对比结果如下表3所示。
表3、三种算法的计算结果
索引 | 集中式 | OLM | ATC |
输电网运行成本($) | -- | 45792.4 | 45768.9 |
配网1运行成本($) | -- | 1492.92 | 1400.56 |
配网2运行成本($) | -- | 1171.23 | 1135.09 |
微网1运行成本($) | -- | 459.1 | 437.9 |
微网2运行成本($) | -- | 124.93 | 114.51 |
微网3运行成本($) | -- | 39.69 | 36.87 |
总成本($) | 48760.92 | 48887.65 | 48844.94 |
总迭代次数 | 1 | 19 | 11 |
时间(s) | 2.62 | 2.99 | 2.57 |
由上表可见,采用传统的集中式计算方法的总成本最低、总迭代次数(输配迭代次数和配微迭代次数)最少;采用OLM算法求解的总成本、输电网运行成本、2个配网的运行成本、3个微网的运行成本、总迭代次数都是最高的,集中式方法的求解时间为2.62s,OLM算法的求解时间为2.99s,ATC算法求解时间为2.57秒;OLM算法的总迭代次数为16次,ATC算法的总迭代次数为11次。对比3种方法,在成本效益上,集中式求解方法是最优的,但其在求解效率上,比所提ATC算法要低,主要原因是集中方法优化时需要更多的信息,而ATC算法只需要知道联络线之间交互的信息即可求得最优解。
随着电网互联***的规模逐渐增大,ATC算法的优势会越来越凸显。与OLM算法相比,无论在成本效益上、求解速度上,还是在求解效率上,ATC算法都具有优越的求解性能。主要原因是:在采用ATC算法求解时,目标函数中式(56)~式(58)中均增加了二次惩罚项,加快了寻优过程。同时,收敛条件式(61)和式(64)能够更好的检查总体收益是否达到最优;收敛判据式(62)和式(65)加快了算法的收敛速度。
二、收敛精度的影响
从理论上分析,随着收敛精度的逐渐提高,ATC算法的计算结果将逐渐接近集中式算法的结果。为了验证此结论,对不同收敛精度进行了算例验证,计算得到优化结果如下表4所示。
表4、收敛精度对ATC算法计算结果的影响
收敛精度 | 10<sup>-2</sup> | 10<sup>-3</sup> | 10<sup>-4</sup> | 10<sup>-5</sup> |
集中式总成本($) | 48760.92 | 48760.92 | 48760.92 | 48760.92 |
ATC总成本($) | 48844.94 | 48809.52 | 48793.08 | 48790.82 |
输电网运行成本($) | 45723.13 | 45690.49 | 45676.57 | 45675.17 |
配网1运行成本($) | 1399.16 | 1397.52 | 1396.61 | 1396.21 |
配网2运行成本($) | 1133.95 | 1133.30 | 1132.62 | 1132.49 |
微网1运行成本($) | 437.46 | 437.14 | 436.43 | 436.27 |
微网2运行成本($) | 114.40 | 114.31 | 114.12 | 114.06 |
微网3运行成本($) | 36.83 | 36.75 | 36.73 | 36.63 |
总迭代次数 | 9 | 11 | 14 | 17 |
时间(s) | 2.57 | 3.01 | 3.67 | 3.73 |
由上表可见,随着收敛精度逐渐提高,ATC算法的总成本、各层电网的运行成本都逐渐减少,且逐渐逼近集中式算法的总成本。与此同时迭代次数和求解时间也随着精度的提高逐渐增加。但是即使精度为10-2时,两种方法计算得到的总成本偏差为(48844.94-48760.92)/48844.9=0.172%,可见,即使精度不高时,计算误差也非常小,说明所使用的ATC算法具有工程实用价值。
三、联络线交互功率
以配微之间的联络线为例,分别采用OLM算法和ATC算法求解得到联络线功率(即虚拟发电机和虚拟负荷)在迭代过程中的结果,图9(a)为本发明案例中采用OLM算法求解得到联络线功率曲线图;图9(b)为本发明案例中采用ATC算法求解得到联络线功率曲线图。
对比图9(a)、图9(b)可见,采用OLM算法的迭代次数是16次,采用ATC算法的迭代次数是9次,说明采用的ATC算法在计算速度和计算效率方面具有明显的优势。在迭代过程中,可以观察到主动配电网和微网联络线的功率逐渐相互靠近,直到主动配电网与微网交换功率一致为止,既满足收敛条件为止。也体现了优化过程逐渐趋于最优的过程。
四、不考虑风电、负荷不确定性的输配协同效果分析
为说明电网各层主动量与机组组合之间的关系,以及电网各层之间的互动能力对全网统一优化结果的影响,用以下3个方案说明不同因素对优化结果的影响:
方案1:ADG1与ADG2中只有柴油发电机,没有风电和储能***。
方案2:ADG1与ADG2中有柴油发电机和风电,没有储能***。
方案3:ADG1与ADG2中既有柴油发电机、风电场和储能***。
(1)、在方案1中,由于ADG1、ADG2中只有柴油发电机,没有风电和储能***,可将ADG1、ADG2视为传统配电网,没有主动能力,只是被动接受输电网自上而下的功率流,在实施例目标函数中,将相应的变量设为0即可;用ATC算法直接对模型进行求解,计算所得最优的机组组合结果如下表5所示。
表5、3种方案对应的机组组合结果
由上表5可见,在方案1中,最经济的机组G1在研究周期内始终运行,最昂贵的机组G2只在负荷高峰时段19:00~20:00运行,G3在负荷高峰时段9:00~11:00、13:00~22:00时段同样处在运行状态,对应的***总成本为48945$。在方案2中,由于ADG1和ADG2在方案1的基础上加入了风电场,仍然没有配置储能***。在该方案中,最经济的机组G1在研究周期内始终运行,最昂贵的机组G2仅在负荷高峰时段18:00~19:00运行,G3在负荷高峰时段9:00、11:00退出运行,在13:00~22:00时段同样处在运行状态,对应的***总成本为45876.6$。在方案3中,由于ADG1和ADG2在方案2的基础上考虑了储能的作用,在该方案中,最经济的机组G1在研究周期内始终运行,最昂贵的机组G2仅在负荷高峰时段18:00~19:00运行,G3在负荷高峰时段9:00、11:00退出运行,在13:00~22:00时段同样处在运行状态,与方案2相比,机组启/停状态没有发生变化,但是对应的***总成本下降为45768.9$。通过3种方案的比较分析,说明了配电网中风电和储能***的配置可以减轻输电网中火电机组配置备用的压力,使不经济的机组逐渐退出运行,顺应减缓或遏制化石能源的趋势,促进绿色、低碳、节能、环保生态环境的建立。
(2)、如下表6所示,为上述3种方案对应的联络线交换功率的结果,由表6可见,在方案1中,ADG1在时段9:00~11:00、16:00~20:00与输电网交换功率为114MW,ADG2在时段17:00~18:00、20:00与输电网交换功率为15MW;在方案2中,ADG1在时段20:00与输电网交换功率为6.5MW;ADG2与输电网没有交换功率,意味着在方案2中,配网在更多的时段内实现了分布自治。在方案3中,ADG1和ADG2都没有与输电网交换功率,意味着在方案3中,ADG1和ADG2完全实现了分布自治,这说明了主动配电网能够利用拓扑结构及分布式能源的主动行为实现自治。
表6、3种方案对应的联络线交换功率
(3)、如下表7所示,为上述3种方案对应的联络线节点价格的结果,由表可见,在方案1中,ADG1在时段9:00~11:00、16:00~20:00与输电网有功率交换,且此时段节点边际价格相当高;ADG2在时段17:00~18:00、20:00与输电网有功率交换,此时段节点边际价格偏高;在方案2中,ADG1在时段20:00与输电网有功率交换,此时段节点边际价格偏高;ADG2与输电网没有交换功率,且此时段节点边际价格相对偏低。在方案3中,ADG1、ADG2都没有与输电网交换功率,整个调度周期内,相对方案1和方案2,其节点边际价格偏低。这说明主动配电网在实现自治的同时,也降低了***总运行成本。说明主动配电网中的主动量不仅可以带来环境效益还可以带来经济效益。
表7、3种方案对应的联络线节点价格
(4)、如下表8所示,给出上述3种方案对应的运行成本的结果。由表8可见,在方案1中,主动配电网ADG1的总运行成本为1686.52$;主动配电网ADG2的总运行成本为1285.32$;输电网的总运行成本为48945$。由于ADG1、ADG2中只有柴油发电机,没有风电和储能***,其运行总成本是最高的。在方案2中,由于配置了风电场,输电网、ADG1、ADG2的总运行成本相对方案1分别降低了16.65%、11.69%、6.27%,可体现风电场的配置对运行成本的影响显著。在方案3中,由于配置了储能***,输电网、ADG1、ADG2的总运行成本相对方案2略有降低。并且,由于储能的削峰填谷作用,使配电网在整个运行周期内都可以实现自治,不需要输电网交换功率,按本章方法经2次交替迭代即可收敛到最优解,迭代次数明显降低。
表8、3种方案对应的运行成本的结果
索引 | 方案1 | 方案2 | 方案3 |
配电网1成本($) | 1686.52 | 1405.66 | 1400.56 |
配电网2成本($) | 1285.32 | 1135.08 | 1135.08 |
输电网成本($) | 48945 | 45876.6 | 45768.9 |
迭代次数 | 10 | 9 | 2 |
(5)、如图10所示,给出配电网1在上述方案3中的储能***充放电功率的结果。
由图可见,ADG1储能***在1:00~4:00、7:00时段内充电,在10:00~11:00、18:00~20:00时段内放电,使不经济的机组G3在负荷高峰时段19:00退出运行;同时ADG1在时段20:00没有与输电网交换功率,从而使总费用由方案1的48945$减少为45768.9$。可见,由于储能的削峰填谷作用,既可以减少火电机组运行的数量,又使配电网在更多时段内实现自治。
四、考虑风电、负荷不确定性的输配协同效果分析
(1)、当考虑配网中风电、负荷的不确定对输配协调效果的影响时,固定负荷的预测误差为σd=0.05,风电的预测误差分别取σw=0.05、0.1、0.15、0.2、0.5、0.3时的输电网和配电网的运行成本如表9所示。
表9、不同风电预测误差下的调度结果
σ | 0.05 | 0.1 | 0.15 | 0.2 | 0.25 | 0.3 |
配网1 | 1404.83 | 1405.51 | 1406.25 | 1406.96 | 1408 | 1409 |
配网2 | 1137.32 | 1137.74 | 1138.18 | 1138.62 | 1139.49 | 1140 |
输电网 | 46298.7 | 46319.2 | 46477.1 | 46497.6 | 46518.9 | 46551 |
交换功率 | 7.6048 | 9.0098 | 10.4148 | 11.8198 | 13.2049 | 14.63 |
迭代次数 | 8 | 8 | 8 | 8 | 9 | 9 |
由表9可知,随着风电预测误差增大,输电网和配电网的总运行成本、联络线交换的功率都以不均匀的形式成单调增加的趋势。这说明***考虑风电和负荷的预测误差使***的可靠性水平提高,是以牺牲***运行的经济性为代价的。
(2)、同时考虑负荷的预测误差和风电的预测误差分别取σd=σw=0.05、0.1、0.15、0.2、0.5、0.3时的输电网和配电网的运行成本如下表10所示。
表10不同风电预测误差下的调度结果
σ | 0.05 | 0.1 | 0.15 | 0.2 | 0.25 | 0.3 |
配网1 | 1404.83 | 1409.3 | 1418.11 | 1456.88 | 1539.27 | 无解 |
配网2 | 1137.32 | 1139.63 | 1141.35 | 1143.45 | 1146.25 | 无解 |
输电网 | 46298.7 | 1139.63 | 46863.1 | 48116.3 | 51329.5 | 无解 |
交换功率 | 7.59141 | 15.18996 | 29.2963 | 75.51922 | 202.847 | 无 |
迭代次数 | 8 | 9 | 10 | 10 | 11 | 无 |
由表10可知,随着风电和负荷的预测误差从0.05增加到0.25时,输电网和配电网的总运行成本、联络线交换的功率都以不均匀的形式成单调增加的趋势。当风电和负荷的预测误差增加到0.3时,***无解。原因在于,风电和负荷波动超出了自身消纳的范围,也超出了联络线传输功率的极限,导致输电网不能给配电网的功率缺额提供足够的救济。
(3)、如图11所示,为配电网1中储能充放电功率曲线,其值为正时代表储能向配网供(放)电,为负值时表示配网向储能充电。图12为ATC算法计算所得配电网1中的机组出力、风电出力结果。
由图11和图12可见,在0:00~8:00的低谷负荷时段内,配网1中的柴油发电机的出力曲线与负荷曲线趋势相近,由于风电的“反调峰”特征,此时段的风电出力较高,所以此时段内供电是充足的,在此时段向储能装置充电,以备负荷高峰时所需。在8:00~11:00、20:00、24:00负荷高峰时段内,配电网1中的机组出力接近饱和,储能***放电提供功率支撑以满足负荷需求。
本实施例以应对风电、负荷不确定性为目的,提出了输-配-微三级多区域互联电力***中机组组合调度的方法。通过算例分析,得出以下结论:
1)各层电网的决策量联动优化,对全***的决策变量进行统一分析和决策,实现了全***最优的目标。主配网和微网的主动力量减轻了输电网中火电机组配置备用的压力,减少了机组频繁启停,使不经济的机组逐渐退出运行,节省了调度成本。
2)所提出的ATC算法准确,其最终结果与利用所有可用信息的集中式方法得到的结果相近。对算法性能进行对比分析,验证了ATC算法在计算速度和计算效率方面的优越性,同时验证了ATC应用于输-配-微三级电网的可行性和有效性。
3)本实施例风电和负荷不确定区间采用非精确IDM方法获得,提高了不确定区间的刻画精度。输电网的机组组合和备用配置能力既取决于配网中风电不确定性水平,又取决于二者之间的联络线的交换功率和储能传递备用的能力。
本发明不局限于上述最佳实施方式,任何人应该得知在本发明的启示下作出的结构变化,凡是与本发明具有相同或相近的技术方案,均落入本发明的保护范围之内。
Claims (4)
1.区域电力***中多级电网联动的机组组合调度方法,其特征在于,包括以下步骤:
S1.确定区域电力***中多级电网主动量及各级电网机组运行参数;
其中,各级电网运行参数包括:***中火电机组的集合,主动配电网的数量,微网数量,分布式电源外机组的数量,各级电网间传输功率,火电机组二次调频的上调/下调备用容量,机组输出功率,主动配电网储能***的充电/放电功率值,主动配电网储能***在充电/放电状态提供上调备用和下调备用容量,微网中储能***充电/放电功率值;
S2.建立考虑机组启停、各级电网主动量为联动决策量的安全约束机组组合经济调度模型;
所述调度模型包括:
以区域输电网火电机组组合成本、主动配电网运行成本与微网运行成本之和最小为目标,为了充分利用可再生能源,设定可再生能源的价格为0,且目标函数如下:
DGn表示主动配电网n中除分布式电源外机组的数量;n表示主动配电网的编号;表示第n个主动配电网的总生产成本;为第n个主动配电网中的机组发电成本的二次函数;为主动配电网n中机组g在时段t的输出功率;分别为第n个主动配电网储能***e在时段t的充电/放电功率值和对应的成本系数; 分别为第n个主动配电网储能***e在充电/放电状态提供上调备用和下调备用容量的成本系数;
分别为第n个主动配电网储能***e在放电/充电状态提供的上调备用和下调备用容量;MG表示微网;m表示微网的编号;为微网m的总成本;am-g、bm-g、cm-g分别为对应的成本特性系数;分别为微网中储能***e在t时段充放电功率和相应的成本;
约束条件主要包括区域输电网约束和主动配电网约束,所述区域输电网约束包括有功功率平衡约束,节点有功功率平衡约束,输电网联络线传输功率约束,输电网考虑不确定性的功率平衡约束,电网频率质量约束,机组一次调频约束,机组二次调频约束,机组输出功率上下限约束;
所述输电网考虑不确定性的功率平衡约束具体包括:
在不确定性环境下,计及一次、二次频率调节作用的平衡约束:
由此可得:
主动配电网约束包括主动配电网功率平衡约束,主动配电网考虑不确定性的功率平衡约束,主动配电网联络线传输功率约束;
计算所述主动配电网考虑不确定性的功率平衡约束具体包括:
S3.基于目标级联分析法求解模型,确定***最优调度结果。
2.如权利要求1所述的区域电力***中多级电网联动的机组组合调度方法,其特征在于,所述多级电网为输-配-微三级电网;
主动量包括分布式可再生能源、常规电源、储能、需求侧响应负荷。
3.如权利要求2所述的区域电力***中多级电网联动的机组组合调度方法,其特征在于,所述约束条件还包括微网约束以及输-配-微三级电网之间的关联约束。
4.如权利要求3所述的区域电力***中多级电网联动的机组组合调度方法,其特征在于,所述微网约束包括微网功率平衡约束,微网联络线传输功率约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910618627.6A CN110322372B (zh) | 2019-07-10 | 2019-07-10 | 区域电力***中多级电网联动的机组组合调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910618627.6A CN110322372B (zh) | 2019-07-10 | 2019-07-10 | 区域电力***中多级电网联动的机组组合调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110322372A CN110322372A (zh) | 2019-10-11 |
CN110322372B true CN110322372B (zh) | 2022-04-12 |
Family
ID=68123281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910618627.6A Active CN110322372B (zh) | 2019-07-10 | 2019-07-10 | 区域电力***中多级电网联动的机组组合调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110322372B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884265B (zh) * | 2019-11-30 | 2023-01-13 | 国网天津市电力公司电力科学研究院 | 一种应用于城市电网网源协调的智能管理方法 |
CN111030123B (zh) * | 2019-12-31 | 2023-04-28 | 东北大学 | 一种基于边缘计算的多智能体负荷调控方法 |
CN112072641B (zh) * | 2020-08-19 | 2021-09-24 | 国网江苏省电力有限公司扬州供电分公司 | 一种源网荷储柔性协调控制和运行优化方法 |
CN112054556B (zh) * | 2020-08-26 | 2022-06-10 | 济南大学 | 一种多微网分布式交互运行优化控制方法与*** |
CN112183865B (zh) * | 2020-09-29 | 2023-10-31 | 华中科技大学 | 一种配电网分布式调度方法 |
CN112734098B (zh) * | 2020-12-31 | 2023-01-31 | 国网山东省电力公司青岛供电公司 | 一种基于源-荷-网平衡的配电网电力调度方法及*** |
CN112700069B (zh) * | 2021-01-15 | 2024-04-19 | 国网湖北省电力有限公司经济技术研究院 | 一种含储能的区域配电网短期负荷预测方法 |
CN113193600B (zh) * | 2021-03-19 | 2022-08-09 | 山东大学 | 计及风电概率分布不确定性的电力***调度方法及装置 |
CN113421004B (zh) * | 2021-06-30 | 2023-05-26 | 国网山东省电力公司潍坊供电公司 | 输配协同的主动配电网分布式鲁棒扩展规划***及方法 |
CN114925540A (zh) * | 2022-06-02 | 2022-08-19 | 华北电力大学(保定) | 一种考虑多区域频率动态安全的风险调度方法 |
CN116805800B (zh) * | 2023-02-28 | 2024-05-07 | 南方电网科学研究院有限责任公司 | 区域互联电网调度方法、装置和非易失性存储设备 |
CN117791613B (zh) * | 2024-02-27 | 2024-06-21 | 浙电(宁波北仑)智慧能源有限公司 | 一种基于资源集群调控的决策方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108599373A (zh) * | 2018-05-16 | 2018-09-28 | 山东大学 | 高比例可再生能源电力***输配协调调度目标级联分析法 |
CN109980685A (zh) * | 2019-04-02 | 2019-07-05 | 东南大学 | 一种考虑不确定性的主动配电网分布式优化运行方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10078318B2 (en) * | 2013-08-26 | 2018-09-18 | Ecole Polytechnique Federale De Lausanne (Epfl) | Composable method for explicit power flow control in electrical grids |
-
2019
- 2019-07-10 CN CN201910618627.6A patent/CN110322372B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108599373A (zh) * | 2018-05-16 | 2018-09-28 | 山东大学 | 高比例可再生能源电力***输配协调调度目标级联分析法 |
CN109980685A (zh) * | 2019-04-02 | 2019-07-05 | 东南大学 | 一种考虑不确定性的主动配电网分布式优化运行方法 |
Non-Patent Citations (3)
Title |
---|
冯麒铭;含不同类型能源的多局域电网优化经济调度;《电网技术》;20190228;第452-461页 * |
基于目标级联分析法的多微网主动配电***自治优化经济调度;谢敏等;《中国电机工程学报》;20170905;第4911-4923页 * |
高比例可再生能源电力***的输配协同优化调度方法;张旭等;《电力***自动化》;20190210;第67-85页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110322372A (zh) | 2019-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110322372B (zh) | 区域电力***中多级电网联动的机组组合调度方法 | |
CN112072641B (zh) | 一种源网荷储柔性协调控制和运行优化方法 | |
CN109559035B (zh) | 一种考虑灵活性的城市配电网双层规划方法 | |
CN110429649B (zh) | 考虑灵活性的高渗透率可再生能源集群划分方法 | |
CN110676849B (zh) | 一种孤岛微电网群能量调度模型的构建方法 | |
CN110826880A (zh) | 一种大规模电动汽车接入的主动配电网优化调度方法 | |
CN107104462B (zh) | 一种用于风电场储能调度的方法 | |
CN111769543B (zh) | 一种含多微网的区域配电网自律协同运行优化方法 | |
CN110137981B (zh) | 一种基于一致性算法的分布式储能聚合器agc方法 | |
CN112053035B (zh) | 考虑经济性与灵活性的输电通道与储能联合规划方法 | |
CN110212584A (zh) | 一种风电与大规模电动汽车协调优化的调度方法 | |
CN110707758A (zh) | 一种用于提高新能源消纳的分布式储能***调度方法 | |
CN107968430A (zh) | 考虑风-储联合***概率模型的储输协同随机规划方法 | |
CN112311017A (zh) | 一种虚拟电厂与主网最优协同调度方法 | |
CN107658867B (zh) | 多主体参与的交直流混合配电网动态重构方法 | |
CN115689233A (zh) | 计及调峰主动性的风光水火储***互补协调优化调度方法 | |
CN115545291A (zh) | 基于主从博弈的集中式共享储能容量配置和定价方法 | |
CN110070210B (zh) | 一种多微电网***能量管理与贡献度评估方法和*** | |
CN113837449B (zh) | 虚拟电厂参与的电网***集中优化调度方法 | |
CN115021327B (zh) | 基于虚拟储能的互联微电网***的协同日前优化调度方法 | |
CN116544953A (zh) | 大规模数据中心微网群的灵活性资源鲁棒调度方法 | |
CN114759616B (zh) | 一种考虑电力电子器件特性的微电网鲁棒优化调度方法 | |
CN115800276A (zh) | 一种考虑机组爬坡的电力***应急调度方法 | |
CN115000994B (zh) | 一种多储能单元分组一致性功率分配方法 | |
CN115719132A (zh) | 含多座抽蓄电站的省级电网日前计划分层递进优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |