CN110460036B - 一种考虑风电不确定性的交直流配电网分布式优化方法 - Google Patents
一种考虑风电不确定性的交直流配电网分布式优化方法 Download PDFInfo
- Publication number
- CN110460036B CN110460036B CN201910390494.1A CN201910390494A CN110460036B CN 110460036 B CN110460036 B CN 110460036B CN 201910390494 A CN201910390494 A CN 201910390494A CN 110460036 B CN110460036 B CN 110460036B
- Authority
- CN
- China
- Prior art keywords
- power
- sub
- distribution network
- node
- stage
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 127
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000005611 electricity Effects 0.000 claims abstract description 29
- 238000005192 partition Methods 0.000 claims abstract description 6
- 238000010248 power generation Methods 0.000 claims abstract description 6
- 238000004146 energy storage Methods 0.000 claims description 23
- 230000008878 coupling Effects 0.000 claims description 16
- 238000010168 coupling process Methods 0.000 claims description 16
- 238000005859 coupling reaction Methods 0.000 claims description 16
- 230000009977 dual effect Effects 0.000 claims description 15
- 238000007599 discharging Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000003190 augmentative effect Effects 0.000 claims description 3
- 125000004432 carbon atom Chemical group C* 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000013486 operation strategy Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 239000000243 solution Substances 0.000 claims 8
- 238000002347 injection Methods 0.000 claims 1
- 239000007924 injection Substances 0.000 claims 1
- 238000002360 preparation method Methods 0.000 claims 1
- 238000012216 screening Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/36—Arrangements for transfer of electric power between ac networks via a high-tension dc link
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑风电不确定性的交直流配电网分布式优化方法,基于交直流配电网的自然分区属性,搭建了典型的交直流混合配电网结构和分布式优化框架,在每个交/直流电网子区域内部,同时考虑1‑范数和∞‑范数对各风电出力场景概率分布进行约束,建立基于数据驱动的两阶段分布鲁棒模型。该模型以上级电网购电成本与交直流子区域间购售电成本、弃风成本、微型燃气轮机发电成本等为优化目标,利用1‑范数和∞‑范数对筛选获得的典型场景概率分布不确定性进行约束,构建基于数据驱动的两阶段分布鲁棒模型,并采用列与约束生成算法进行求解。
Description
技术领域
本发明涉及配电网领域,具体为一种考虑风电不确定性的交直流配电网分布式优化方法。
背景技术
配电网是由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿器及一些附属设施等组成的,在电力网中起重要分配电能作用的网络。配电网按电压等级来分类,可分为高压配电网(35-110KV),中压配电网(6-10KV,苏州有20KV),低压配电网(220/380V);在负载率较大的特大型城市,220KV电网也有配电功能。按供电区的功能来分类,可分为城市配电网,农村配电网和工厂配电网等。在城市电网***中,主网是指110KV及其以上电压等级的电网,主要起连接区域高压(220KV及以上)电网的作用,配电网是指35KV及其以下电压等级的电网,作用是给城市里各个配电站和各类用电负荷供给电源,配电网一般采用闭环设计、开环运行,其结构呈辐射状。配电线的线径比输电线的小,导致配电网的R/X较大。由于配电线路的R/X较大,使得在输电网中常用的这些算法在配电网的潮流计算中其收敛性难以保证。交直流配电网在当今有着较为广泛的推广和使用,对交直流配电网的影响因素较为多种多样,风电不确定性对交直流配电网的影响是我们需要注意的问题。
发明内容
本发明的目的在于提供一种考虑风电不确定性的交直流配电网分布式优化方法,基于交直流配电网的自然分区属性,搭建了典型的交直流混合配电网结构和分布式优化框架,在每个交/直流电网子区域内部,同时考虑1-范数和∞-范数对各风电出力场景概率分布进行约束,建立基于数据驱动的两阶段分布鲁棒模型;
两阶段模型中,储能充放电功率、上级电网购电功率和交直流子区域电网间交换功率作为第一阶段鲁棒决策变量,风电实际调度功率、燃气轮机出力和上级电网额外调整功率作为第二阶段灵活调节变量;
将子区域间的耦合元件VSC等效为节点进行处理建模,并获得各子区域间的功率一致性约束;
然后,采用ADMM算法对整个分布式优化运行模型进行全局协调更新与迭代求解,其中各子区域配电网的两阶段分布鲁棒模型则利用CCG算法分解为主问题和子问题进行快速求解,最终实现交直流配电网的经济运行策略。
优选的,以最终各个交直流分区的运行成本最小为优化目标,考虑潮流,上级电网,换流器VSC等约束条件,使用Distflow线性化潮流提高求解速度,以风电历史出力数据为基础,考虑风电的不确定性,利用1-范数和∞-范数为基础约束风电场景概率不确定性,通过交直流区域之间交换有功功率为耦合一致性变量,对交直流区域分别并行求解,构建在分布式框架下的考虑风电不确定性的分布式优化方法,
所述风电的不确定性利用1-范数和∞-范数进行约束:
令上式中的右半部分分别等于α1和α∞,则有:
通过设定场景概率波动在给定范围内的置信度α1和α∞,获得两种范数的概率偏差范围限值;
优选的,所述交流配电网区域的目标函数为:
其中,为交流子区域e的第一阶段总成本,其中第一项是向上级电网购电成本,第二项实际为向直流子区域配电网购售电成本;为j节点处t时段向上级电网购电功率/交直流子区域配电网间的交换功率,为第一阶段鲁棒变量,对应图1中的P1、P2和P3,为正代表交流电网向直流电网售电,反之为购电;T为总时段集合;和分别为t时段向上级电网购电功率和交直流区域电网交换功率的成本系数,和分别为子区域e变电站节点集合和VSC节点集合,第二阶段成本包括弃风惩罚成本、燃气轮机发电成本和向上级电网购电电量调整成本;为交流电网中第n个场景下j节点处风机的实际出力,为风电预测出力,为与上级电网交换功率的调整功率增加量和调整功率减小量,为第二阶段变量,可以根据实际运行工况进行灵活调节,cw、和分别为弃风、燃气轮机、向上级电网购电量与调节功率增减的成本系数,其中调整成本系数要远高于第一阶段向上级电网购电成本和分别是子区域e内风机与燃气轮机节点集合;
所述电网约束:
其中,δ(j)表示j节点的父节点集合;π(j)表示以节点j为首节点的支路首端节点集合;Be为子区域e内的节点集合;分别为支路ij的有功功率和无功功率;rij,xij分别为支路ij的电阻和电抗;和为向上级电网购电调整功率增加量和减少量。和为上级电网、VSC、负荷和燃气轮机在j节点处第t时段的无功功率;Vj,n,t与Vi,n,t为节点电压幅值;Ee为支路集合;
所述换流站约束:
其中,换流站交流侧容量约束:
一致性约束:VSC交直流两侧应满足相应的耦合一致性关系,注入到换流站交流侧的有功功率与输出到直流侧的有功功率相等如下:
VSC等效为阻抗部分和换流阀部分,内部阻抗等效到交流侧为换流阀看成节点进行等效处理,等效后在交流侧将产生新的节点s,支路sj的阻抗为上述内部等效阻抗。与分别为时段t节点j处输入换流站交流侧的有功/无功功率;为t时段j节点换流站输出到直流侧的有功功率。
向上级电网购电调整功率相关约束:
在交流子区域电网向上级电网购电时,在实际运行过程中可能会出现调整购电量情况,约束如上,其中和分别为增加功率和减少功率的状态,为0-1变量,显然同一时刻不允许购电调整量增加和减少同时出现;和为允许调整的有功功率和无功功率最大值;和为所允许调整的有功功率和无功功率最小值;
储能约束为:
其中,分别为节点j第t时段储能充电和放电功率; 是储能充放电状态,为0-1变量;为节点j第t时段储能充放电功率;为节点j处储能充放电功率上限;为储能节点j第t时段电量;和分别为充放电效率;和为储能容量的上下限。
燃气轮机包括功率约束和爬坡约束:
直流区域目标函数:
直流区域潮流约束:
优选的,交直流电网之间通过有功功率进行耦合一致性约束,区域之间只需要交换各自边界的有功功率即可,本文提出的分布式框架下两阶段分布鲁棒模型可表达如下:
s.t.Ge(xe)≤0 (1)
He(xe)=0 (2)
ge,n(ye,n,ξe,n)≤0 (4)
he,n(ye,n,ξe,n)=0 (5)
Le(xe)+Me,n(ye,n,ξe,n)=0 (6)
le(xe)+me,n(ye,n,ξe,n)≤0 (7)
上式中,式(1)和式(2)是第一阶段变量的可行域;式(3)表示各个子区域间的一致性约束,其主要应用于ADMM方法的全局变量更新,等式左边为各子区域的局部优化变量,即各个子区域的边界有功功率,等式右边是随着迭代更新的全局变量;式(4)和式(5)表示第二阶段变量约束条件;式(6)和式(7)综合了第一阶段和第二阶段变量的等式与不等式约束条件,保证了两阶段的耦合,式(8)为潮流平衡,式(9)表示变压器的容量调整约束。
优选的,在进行分布式优化时,交直流电网分别对各自区域进行优化,然后将边界变量传递,因此在分布式框架下,将目标函数引入新变量,转化为增广拉格朗日函数,以直流区域为例:
其中,λe,j,t>0表示对偶变量,ρ>0是惩罚因子;
迭代终止准则,随着原始残差和对偶残差逐渐趋于收敛,从而得到最优解;下式分别为原始残差和对偶残差,m为迭代次数,
最终迭代终止准则为:
分布式优化算法的最终步骤为:
2)信息交换与更新,每一个子区域接收相邻的子区域的交换变量,用式子(2)和(3)来更新一致性约束变量;
5)对偶变量更新,每个子区域同时进行更新:
6)令m=m+1且返回步骤2)。
与现有技术相比,本发明的有益效果是:该方法提出两阶段分布鲁棒模型为三层min-max-min问题。主问题通过子问题获得的场景概率分布集合,求得最恶劣目标期望下的最优方案,从而传递给子问题求解,主问题获得的优化目标值给整个模型提供一个下界值。子问题通过主问题传递的第一阶段变量,首先求解各场景下的最优第二阶段目标值,进而获得整体目标函数最差期望下的各场景概率,并将该场景概率传递给主问题,以便下一次迭代,子问题获得的优化目标值给整个模型提供一个上界值。主问题、子问题反复迭代,直到满足收敛条件,得出第一阶段鲁棒变量,主要为边界交换变量,为ADMM迭代作准备。该模型以上级电网购电成本(交流子区域电网)与交直流子区域间购售电成本、弃风成本、微型燃气轮机发电成本等为优化目标,利用1-范数和∞-范数对筛选获得的典型场景概率分布不确定性进行约束,构建基于数据驱动的两阶段分布鲁棒模型,并采用列与约束生成算法(Column and Constraint Generation,CCG)进行求解。而交直流混合配电网分布式优化则以电压源型换流器(Voltage Source Converter,VSC)为耦合元件,对电压源型换流器进行等效化建模,通过功率一致性约束对各子区域配电网进行协调,并利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)进行全局协调与迭代求解,实现整个交直流混合配电网各子区域间功率平衡。最后,算例验证了本文分布式优化和分布鲁棒方法的有效性。
附图说明
图1为交直流配电网分布式优化框图;
图2为VSC换流站结构图;
图3为模型流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
一种考虑风电不确定性的交直流配电网分布式优化方法,基于交直流配电网的自然分区属性,搭建了典型的交直流混合配电网结构和分布式优化框架,在每个交/直流电网子区域内部,同时考虑1-范数和∞-范数对各风电出力场景概率分布进行约束,建立基于数据驱动的两阶段分布鲁棒模型;
两阶段模型中,储能充放电功率、上级电网购电功率和交直流子区域电网间交换功率作为第一阶段鲁棒决策变量,风电实际调度功率、燃气轮机出力和上级电网额外调整功率作为第二阶段灵活调节变量;
将子区域间的耦合元件VSC等效为节点进行处理建模,并获得各子区域间的功率一致性约束;
然后,采用ADMM算法对整个分布式优化运行模型进行全局协调更新与迭代求解,其中各子区域配电网的两阶段分布鲁棒模型则利用CCG算法分解为主问题和子问题进行快速求解,最终实现交直流配电网的经济运行策略。
以最终各个交直流分区的运行成本最小为优化目标,考虑潮流,上级电网,换流器VSC等约束条件,使用Distflow线性化潮流提高求解速度,以风电历史出力数据为基础,考虑风电的不确定性,利用1-范数和∞-范数为基础约束风电场景概率不确定性,通过交直流区域之间交换有功功率为耦合一致性变量,对交直流区域分别并行求解,构建在分布式框架下的考虑风电不确定性的分布式优化方法,
所述风电的不确定性利用1-范数和∞-范数进行约束:
令上式中的右半部分分别等于α1和α∞,则有:
通过设定场景概率波动在给定范围内的置信度α1和α∞,获得两种范数的概率偏差范围限值;
所述交流配电网区域的目标函数为:
其中,为交流子区域e的第一阶段总成本,其中第一项是向上级电网购电成本,第二项实际为向直流子区域配电网购售电成本;为j节点处t时段向上级电网购电功率/交直流子区域配电网间的交换功率,为第一阶段鲁棒变量,对应图1中的P1、P2和P3,为正代表交流电网向直流电网售电,反之为购电;T为总时段集合;和分别为t时段向上级电网购电功率和交直流区域电网交换功率的成本系数,和分别为子区域e变电站节点集合和VSC节点集合,第二阶段成本包括弃风惩罚成本、燃气轮机发电成本和向上级电网购电电量调整成本;为交流电网中第n个场景下j节点处风机的实际出力,为风电预测出力,为与上级电网交换功率的调整功率增加量和调整功率减小量,为第二阶段变量,可以根据实际运行工况进行灵活调节,cw、和分别为弃风、燃气轮机、向上级电网购电量与调节功率增减的成本系数,其中调整成本系数要远高于第一阶段向上级电网购电成本和分别是子区域e内风机与燃气轮机节点集合;
所述电网约束:
其中,δ(j)表示j节点的父节点集合;π(j)表示以节点j为首节点的支路首端节点集合;Be为子区域e内的节点集合;分别为支路ij的有功功率和无功功率;rij,xij分别为支路ij的电阻和电抗;和为向上级电网购电调整功率增加量和减少量。和为上级电网、VSC、负荷和燃气轮机在j节点处第t时段的无功功率;Vj,n,t与Vi,n,t为节点电压幅值;Ee为支路集合;
所述换流站约束:
其中,换流站交流侧容量约束:
一致性约束:VSC交直流两侧应满足相应的耦合一致性关系,注入到换流站交流侧的有功功率与输出到直流侧的有功功率相等如下:
VSC等效为阻抗部分和换流阀部分,内部阻抗等效到交流侧为换流阀看成节点进行等效处理,等效后在交流侧将产生新的节点s,支路sj的阻抗为上述内部等效阻抗。与分别为时段t节点j处输入换流站交流侧的有功/无功功率;为t时段j节点换流站输出到直流侧的有功功率。
向上级电网购电调整功率相关约束:
在交流子区域电网向上级电网购电时,在实际运行过程中可能会出现调整购电量情况,约束如上,其中和分别为增加功率和减少功率的状态,为0-1变量,显然同一时刻不允许购电调整量增加和减少同时出现;和为允许调整的有功功率和无功功率最大值;和为所允许调整的有功功率和无功功率最小值;
储能约束为:
其中,分别为节点j第t时段储能充电和放电功率; 是储能充放电状态,为0-1变量;为节点j第t时段储能充放电功率;为节点j处储能充放电功率上限;为储能节点j第t时段电量;和分别为充放电效率;和为储能容量的上下限。
燃气轮机包括功率约束和爬坡约束:
直流区域目标函数:
直流区域潮流约束:
交直流电网之间通过有功功率进行耦合一致性约束,区域之间只需要交换各自边界的有功功率即可,本文提出的分布式框架下两阶段分布鲁棒模型可表达如下:
s.t.Ge(xe)≤0 (1)
He(xe)=0 (2)
ge,n(ye,n,ξe,n)≤0 (4)
he,n(ye,n,ξe,n)=0 (5)
Le(xe)+Me,n(ye,n,ξe,n)=0 (6)
le(xe)+me,n(ye,n,ξe,n)≤0 (7)
上式中,式(1)和式(2)是第一阶段变量的可行域;式(3)表示各个子区域间的一致性约束,其主要应用于ADMM方法的全局变量更新,等式左边为各子区域的局部优化变量,即各个子区域的边界有功功率,等式右边是随着迭代更新的全局变量;式(4)和式(5)表示第二阶段变量约束条件;式(6)和式(7)综合了第一阶段和第二阶段变量的等式与不等式约束条件,保证了两阶段的耦合,式(8)为潮流平衡,式(9)表示变压器的容量调整约束。
在进行分布式优化时,交直流电网分别对各自区域进行优化,然后将边界变量传递,因此在分布式框架下,将目标函数引入新变量,转化为增广拉格朗日函数,以直流区域为例:
其中,λe,j,t>0表示对偶变量,ρ>0是惩罚因子;
迭代终止准则,随着原始残差和对偶残差逐渐趋于收敛,从而得到最优解;下式分别为原始残差和对偶残差,m为迭代次数,
最终迭代终止准则为:
分布式优化算法的最终步骤为:
2)信息交换与更新,每一个子区域接收相邻的子区域的交换变量,用式子(2)和(3)来更新一致性约束变量;
5)对偶变量更新,每个子区域同时进行更新:
6)令m=m+1且返回步骤2)。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种考虑风电不确定性的交直流配电网分布式优化方法,其特征在于,
基于交直流配电网的自然分区属性,搭建了典型的交直流混合配电网结构和分布式优化框架,在每个交直流子区域配电网内部,同时考虑1-范数和∞-范数对各风电出力场景概率分布进行约束,建立基于数据驱动的两阶段分布鲁棒模型,两阶段分布鲁棒模型中,储能充放电功率、上级电网购电功率和交直流子区域配电网间交换功率作为第一阶段鲁棒决策变量,而风电实际调度功率、燃气轮机出力和上级电网额外调整功率作为第二阶段灵活调节变量,将交直流子区域配电网间的耦合元件换流器等效为节点进行处理建模,并获得各交直流子区域配电网间的功率一致性约束,然后,采用ADMM算法对整个分布式优化运行模型进行全局协调更新与迭代求解,其中各交直流子区域配电网的两阶段分布鲁棒模型则利用CCG算法分解为主问题和子问题进行快速求解,最终实现交直流配电网的经济运行策略;
以最终各个交流子区域配电网和直流子区域配电网的运行成本最小为优化目标,考虑约束条件有:潮流约束,上级电网约束,换流器约束、储能约束,使用Distflow线性化潮流提高求解速度,以风电历史出力数据为基础,考虑风电的不确定性,利用1-范数和∞-范数为基础约束风电场景概率不确定性,通过交直流子区域配电网之间交换有功功率为耦合一致性变量,对交直流子区域配电网分别并行求解,构建在分布式框架下的考虑风电不确定性的分布式优化方法;
风电的不确定性利用1-范数和∞-范数进行约束:
令上式中的右半部分分别等于α1和α∞,则有:
可以看出,通过设定场景概率波动在给定范围内的置信度α1和α∞,可以获得两种范数的概率偏差范围限值;
交流子区域配电网的目标函数为:
其中,为交流子区域配电网e的第一阶段总成本,其中第一项是向上级电网购电成本,第二项为向直流子区域配电网购售电成本,为燃气轮机组有功功率;为j节点处t时段向上级电网购电功率、交直流子区域配电网间的交换功率,为第一阶段鲁棒决策变量,为正代表交流子区域配电网向直流子区域配电网售电,反之为购电;T为总时段集合,和分别为t时段向上级电网购电功率和交直流子区域配电网交换功率的成本系数;和分别为交流子区域配电网e变电站节点集合和换流器节点集合;第二阶段成本包括弃风惩罚成本、燃气轮机发电成本和向上级电网购电电量调整成本;为交流子区域配电网中第n个场景下j节点处风机的实际出力,为风电预测出力,为与上级电网交换功率的调整功率增加量和调整功率减小量,为第二阶段变量,可以根据实际运行工况进行灵活调节;cW、和分别为弃风、燃气轮机、向上级电网购电量与调节功率增减的成本系数,其中调节功率增减的成本系数要远高于第一阶段向上级电网购电成本系数 和分别是交流子区域配电网e内风机与燃气轮机节点集合;
电网约束:
其中,δ(j)表示j节点的父节点集合,k节点为δ(j)集合中的节点之一;π(j)表示以j节点为首节点的支路首端节点集合;Be为交流子区域配电网e内的节点集合;分别为支路ij的有功功率和无功功率;为节点j第t时段储能充放电功率;为支路jk的有功功率和无功功率;rij,xij分别为支路ij的电阻和电抗;和为向上级电网购电调整无功功率增加量和减少量;和为上级电网、换流器、负荷和燃气轮机在j节点处第t时段的无功功率;Vj,n,t与Vi,n,t为节点电压幅值;Ee为支路集合;
换流站约束:
其中,换流站交流侧容量约束:
一致性约束:
显然,换流站交直流两侧应满足相应的耦合一致性关系,注入到换流站交流侧的有功功率与输出到直流侧的有功功率相等如下:
将换流器等效为阻抗部分和换流阀部分,内部阻抗等效到交流侧为内部等效阻抗其中分别为等效电阻和等效电抗;换流阀看成节点进行等效处理,等效后在交流侧将产生新的节点s,支路sj的阻抗为上述内部等效阻抗;与分别为时段t时段j节点处输入换流站交流侧的有功、无功功率;为t时段j节点换流站输出到直流侧的有功功率;
向上级电网购电调整功率相关约束:
在交流子区域配电网向上级电网购电时,在实际运行过程中可能会出现调整购电量情况,约束如上式,其中和分别为增加功率和减少功率的状态,为0-1变量,显然同一时刻不允许购电调整量增加和减少同时出现;为允许调整的有功功率的增加量最大值和减少量最大值; 为允许调整的无功功率的增加量最大值和减少量最大值;
储能约束为:
其中,分别为节点j第t时段储能充电和放电功率; 是储能充放电状态,为0-1变量;为节点j第t时段储能充放电功率;为节点j处储能充放电功率上限;为储能节点j第t时段电量;和分别为充放电效率;和为储能容量的上下限;为储能节点集合;
燃气轮机包括功率约束和爬坡约束:
直流子区域配电网目标函数:
其中,为直流子区域配电网的第一阶段总成本,为向交流子区域配电网购售电成本;第二阶段成本为弃风惩罚成本和燃气轮机发电成本;cDA为向交流子区域配电网购售电成本系数;为正代表直流子区域配电网向交流子区域配电网买电,反之为购电,
直流子区域配电网潮流约束:
交直流子区域配电网之间通过有功功率进行耦合一致性约束,区域之间只需要交换各自边界的有功功率即可;综上,分布式框架下两阶段分布鲁棒模型可表达如下:
s.t.Ge(xe)≤0 (1)
He(xe)=0 (2)
ge,n(ye,n,ξe,n)≤0 (4)
he,n(ye,n,ξe,n)=0 (5)
Le(xe)+Me,n(ye,n,ξe,n)=0 (6)
le(xe)+me,n(ye,n,ξe,n)≤0 (7)
其中,为第二阶段目标函数,式(1)和式(2)是第一阶段变量的可行域,式(3)表示各个交直流子区域配电网间的一致性约束,其应用于ADMM方法的全局变量更新,等式左边为各交直流子区域配电网的局部优化变量,即各个子区域的边界有功功率,等式右边是随着迭代更新的全局变量;式(4)和式(5)表示第二阶段变量约束条件;式(6)和式(7)综合了第一阶段和第二阶段变量的等式与不等式约束条件,保证了两阶段的耦合,式(8)为潮流平衡,式(9)表示变压器的容量调整约束;
分布式优化框架及其解法:
在进行分布式优化时,交直流子区域配电网分别对各自区域进行优化,然后将边界变量传递,因此在分布式框架下,将目标函数引入新变量,转化为增广拉格朗日函数,以直流子区域配电网为例:
其中,λe,j,t>0表示对偶变量,ρ>0是惩罚因子;
迭代终止准则,随着原始残差和对偶残差逐渐趋于收敛,从而得到最优解;下式分别为原始残差和对偶残差,m为迭代次数;
最终迭代终止准则为:
分布式优化算法的最终步骤为:
2)信息交换与更新,每一个子区域配电网接收相邻的交直流子区域配电网的交换变量,更新一致性约束变量;
6)令m=m+1且返回步骤2);
每个交直流子区域配电网的内部采用CCG算法求解:
由于该方法提出两阶段分布鲁棒模型为三层min-max-min问题,主问题通过子问题获得的场景概率分布集合,求得最恶劣目标期望下的最优方案,从而传递给子问题求解,主问题获得的优化目标值给整个模型提供一个下界值;子问题通过主问题传递的第一阶段变量,首先求解各场景下的最优第二阶段目标值,进而获得整体目标函数最差期望下的各场景概率,并将该场景概率传递给主问题,以便下一次迭代,子问题获得的优化目标值给整个模型提供一个上界值,主问题、子问题反复迭代,直到满足收敛条件,得出第一阶段鲁棒决策变量,为ADMM迭代作准备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910390494.1A CN110460036B (zh) | 2019-05-10 | 2019-05-10 | 一种考虑风电不确定性的交直流配电网分布式优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910390494.1A CN110460036B (zh) | 2019-05-10 | 2019-05-10 | 一种考虑风电不确定性的交直流配电网分布式优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110460036A CN110460036A (zh) | 2019-11-15 |
CN110460036B true CN110460036B (zh) | 2021-08-24 |
Family
ID=68480954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910390494.1A Active CN110460036B (zh) | 2019-05-10 | 2019-05-10 | 一种考虑风电不确定性的交直流配电网分布式优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110460036B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111091298B (zh) * | 2019-12-20 | 2020-09-01 | 华北电力大学 | 一种风电场流场耦合特性评估与智能分群方法及*** |
CN111401647B (zh) * | 2020-03-23 | 2022-04-08 | 清华大学 | 考虑不确定性传递的电气耦合***分布式优化调度方法 |
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 |
CN112290531A (zh) * | 2020-07-27 | 2021-01-29 | 四川大学 | 一种用于交直流配电网结合改进乘子法的优化***和方法 |
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 |
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 |
CN112186764B (zh) * | 2020-10-15 | 2022-03-25 | 国网浙江省电力有限公司经济技术研究院 | 一种配电网设备的接入优化方法、装置及电子设备 |
CN113361078B (zh) * | 2021-05-20 | 2022-08-16 | 国网湖北省电力有限公司电力科学研究院 | 一种考虑光伏发电不确定性的配电网云边协同调控方法 |
CN113393054B (zh) * | 2021-07-05 | 2023-11-24 | 华北电力大学 | 一种风储联合***的优化调度方法及优化调度*** |
CN113394786B (zh) * | 2021-07-20 | 2022-09-23 | 天津大学 | 考虑数据负载不确定性的数据中心供能***经济运行方法 |
CN114581223B (zh) * | 2022-05-05 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 分配任务处理方法、设备、分布式计算***及存储介质 |
CN114912714B (zh) * | 2022-06-17 | 2023-11-07 | 国网江苏省电力有限公司苏州供电分公司 | 一种考虑雷电气候下风光出力不确定性的低碳经济调度方法和*** |
CN117556969B (zh) * | 2024-01-11 | 2024-03-26 | 武汉工程大学 | 一种基于概率场景驱动的柔性配电网分布式无功优化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107465193A (zh) * | 2017-08-21 | 2017-12-12 | 上海交通大学 | 计及源储荷的交直流配电网的调度控制方法 |
CN108510404A (zh) * | 2018-03-28 | 2018-09-07 | 山东大学 | 一种多微网有序并网优化调度方法、装置及*** |
CN108631328A (zh) * | 2018-07-04 | 2018-10-09 | 四川大学 | 一种考虑dg无功支撑和开关重构的主动配电网分布鲁棒无功优化方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108701273A (zh) * | 2016-01-22 | 2018-10-23 | 比亚里网络有限公司 | 用于设计配电网络的方法和*** |
US10873188B2 (en) * | 2017-11-03 | 2020-12-22 | Opus One Solutions Energy Corporation | Dynamic hosting capacity system and method for DER integration and management on distribution utility networks |
-
2019
- 2019-05-10 CN CN201910390494.1A patent/CN110460036B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107465193A (zh) * | 2017-08-21 | 2017-12-12 | 上海交通大学 | 计及源储荷的交直流配电网的调度控制方法 |
CN108510404A (zh) * | 2018-03-28 | 2018-09-07 | 山东大学 | 一种多微网有序并网优化调度方法、装置及*** |
CN108631328A (zh) * | 2018-07-04 | 2018-10-09 | 四川大学 | 一种考虑dg无功支撑和开关重构的主动配电网分布鲁棒无功优化方法 |
Non-Patent Citations (1)
Title |
---|
考虑风电不确定性的电热综合***分布鲁棒协调优化调度模型;税月等;《中国电机工程学报》;20181220;第38卷(第24期);摘要,正文第0-6节 * |
Also Published As
Publication number | Publication date |
---|---|
CN110460036A (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110460036B (zh) | 一种考虑风电不确定性的交直流配电网分布式优化方法 | |
CN107968439B (zh) | 基于混合整数线性规划的主动配电网联合优化算法 | |
CN103840457B (zh) | 考虑电动汽车充放电影响的配电网内dg优化配置方法 | |
CN110266038A (zh) | 一种多虚拟电厂分布式协调调控方法 | |
CN110826880B (zh) | 一种大规模电动汽车接入的主动配电网优化调度方法 | |
CN110265991B (zh) | 一种直流微电网的分布式协调控制方法 | |
CN115995790A (zh) | 一种配电网故障恢复方法、***、设备及介质 | |
CN109494750B (zh) | 一种高中压配电网的分层分布式电压优化控制方法 | |
CN105069700A (zh) | 一种分层分区的配电网架规划方法 | |
CN107968430A (zh) | 考虑风-储联合***概率模型的储输协同随机规划方法 | |
CN109390930A (zh) | 一种考虑控制自治性和通信成本的主动配电网微电网化分区方法 | |
Kaysal et al. | Hierarchical energy management system with multiple operation modes for hybrid DC microgrid | |
CN114928110A (zh) | 基于n-k故障的规划调度协同优化的三层鲁棒优化方法 | |
CN104659812B (zh) | 一种基于预测控制的多微网协调控制方法 | |
CN115833105A (zh) | 一种基于集群划分的配电网规划方法 | |
Liu et al. | A fully distributed economic dispatch method in DC microgrid based on consensus algorithm | |
Roy et al. | Probabilistic optimal power dispatch in a droop controlled islanded microgrid in presence of renewable energy sources and PHEV load demand | |
CN113361078A (zh) | 一种考虑光伏发电不确定性的配电网云边协同调控方法 | |
CN110867902B (zh) | 基于发电预测的微电网分布式电源去中心优化运行方法 | |
CN115496427B (zh) | 一种多微网***柔性互联投资规划决策方法 | |
An et al. | Real-time optimal operation control of micro energy grid coupling with electricity-thermal-gas considering prosumer characteristics | |
CN111105089A (zh) | 一种考虑主配网协调的城市电网规划方法 | |
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 | |
CN115765035A (zh) | 一种适应于全时段动态重构的柔性配电网扰动恢复方法 | |
CN110232462A (zh) | 一种含分布式光伏的配电网无功配置双层规划方法 |
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 |