CN112634076B - 一种计及灵活性储备的含风电多微网***分布式调控方法 - Google Patents

一种计及灵活性储备的含风电多微网***分布式调控方法 Download PDF

Info

Publication number
CN112634076B
CN112634076B CN202011427220.4A CN202011427220A CN112634076B CN 112634076 B CN112634076 B CN 112634076B CN 202011427220 A CN202011427220 A CN 202011427220A CN 112634076 B CN112634076 B CN 112634076B
Authority
CN
China
Prior art keywords
micro
grid
distributed
agent
microgrid
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
CN202011427220.4A
Other languages
English (en)
Other versions
CN112634076A (zh
Inventor
边晓燕
孙明琦
董璐
吴振华
赵健
王小宇
林顺富
***
赵耀
徐波
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.)
Shanghai Electric Power University
Original Assignee
Shanghai Electric Power 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 Shanghai Electric Power University filed Critical Shanghai Electric Power University
Priority to CN202011427220.4A priority Critical patent/CN112634076B/zh
Publication of CN112634076A publication Critical patent/CN112634076A/zh
Application granted granted Critical
Publication of CN112634076B publication Critical patent/CN112634076B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Power Engineering (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明涉及一种计及灵活性储备的含风电多微网***分布式调控方法，包括以下步骤：日前调度规划阶段：通过微网下层管理智能体根据灵活性电池储备模型评估每个微网中可调控灵活性资源能力，并确定第i个微网的所有分布式单元可调节灵活性功率的总容量；日内重新调整阶段：通过微网上层全局优化智能体采用分布式一致性算法对各微网承担的负荷进行重新分配；实时优化运行阶段：通过微网上层局部优化智能体根据日内重新分配结果，进行该时间段内的实时优化运行。与现有技术相比，本发明具有评估准确、合理分配动态功率、充分挖掘风机的灵活性调控潜力等优点。

Description

一种计及灵活性储备的含风电多微网***分布式调控方法
技术领域
本发明涉及多微网分布式优化控制技术领域，尤其是涉及一种计及灵活性储备的含风电多微网***分布式调控方法。
背景技术
随着大规模风电的接入以及需求响应技术的推广，对分布式架构下多微网***实时功率平衡提出了更高的要求，电网应对分布式单元随机波动的快速调节能力成为解决***稳定运行的关键技术手段，为了应对发电侧与负荷侧的预测误差，***调度部门需灵活配置备用容量以应对“源-荷”的不确定性和波动性，需要评估***对于负荷和风电接入的“源-荷”双向变化鲁棒性是否充足，将当前电力***的备用容量和灵活性概念相结合，对灵活性储备模型进行合理定义。
目前的一些研究本质是将***的灵活性资源等值成储能元件，因为储能元件具有功率双向流动、状态相关性等特点，可以很好的表征***的灵活性特性。但这些研究主要都是对“负荷侧”进行灵活性聚合，对于“源侧”分布式风机都是作为不可调控单元进行处理。为了更好的利用“风能”参与***的有功功率平衡调控，有必要扩展虚拟灵活性电池储备模型以挖掘分布式风机的“风能”中所能获取的备用容量潜力；另外，现有研究一般采用超速控制参与***调频，由于风机是采用固定减载率参与调频，因此不能根据***的灵活性需求实时变化调整风机的备用容量。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种计及灵活性储备的含风电多微网***分布式调控方法。
本发明的目的可以通过以下技术方案来实现：
一种计及灵活性储备的含风电多微网***分布式调控方法，包括以下步骤：
日前调度规划阶段：通过微网下层管理智能体根据灵活性电池储备模型评估每个微网中可调控灵活性资源能力，并确定第i个微网的所有分布式单元可调节灵活性功率的总容量
Figure BDA0002825458260000021
日内重新调整阶段：通过微网上层全局优化智能体采用分布式一致性算法对各微网承担的负荷进行重新分配；
实时优化运行阶段：通过微网上层局部优化智能体根据日内重新分配结果，进行该时间段内的实时优化运行。
所述的日内重新调整阶段具体包括以下步骤：
1)定义可用灵活性储备作为协调各微网功率分配的指标；
2)将可用灵活性储备作为一致性变量，采用分布式一致性算法对各微网分布式单元承担的负荷进行重新分配，得到每个电网的在下一时刻的灵活性储备容量。
第i个微网的可用灵活性储备的定义式为：
Figure BDA0002825458260000022
其中，
Figure BDA0002825458260000023
为在t+1时刻第i个微网承担的负荷，
Figure BDA0002825458260000024
为第i个微网的所有分布式电源可调节灵活性功率的总容量。
对于微网中的分布式风电机组，采用可变减载率超速控制对双馈异步风电机组进行调频，将灵活性电池储备模型扩展为由实际灵活性电池储备和虚拟灵活性电池储备构成，则有：
Figure BDA0002825458260000025
其中，
Figure BDA0002825458260000026
为常规电源提供的灵活性能量，即实际灵活性电池储备，
Figure BDA0002825458260000027
为分布式风电机组提供的灵活性能量，即虚拟灵活性电池储备。
所述的虚拟灵活性电池储备
Figure BDA0002825458260000028
的表达式为：
Figure BDA0002825458260000029
其中，Tdel为能量输入时间段。
所述的实际灵活性电池储备
Figure BDA00028254582600000210
的表达式为：
Figure BDA00028254582600000211
Figure BDA00028254582600000212
其中，
Figure BDA0002825458260000031
为负荷的上、下波动变化，Ls为t+1时间段负荷，α+、α-为负荷误差下灵活性上、下调需求，αs为机组故障关机需求，
Figure BDA0002825458260000032
为风速误差下灵活性上、下调需求，Pw,t+1为在t+1时刻下风机出力，Pw,max为风机最大出力，Tdel为能量输入时间段。
微网上层全局优化智能体以一个小时为时间间隔，每日进行24次日内重新调整。
在实时优化运行阶段中，微网上层局部优化智能体根据日内重新分配结果，即，获取各微网所需的灵活性储备
Figure BDA0002825458260000033
确定分布式风电机组的减载率d％，则有：
Figure BDA0002825458260000034
Figure BDA0002825458260000035
其中，Kdel为中间参数，Cpmax为MPPT模式下风能利用系数，ρ为空气密度，R为叶片半径，Vw为风速。
采用多智能体架构对多微网***进行分布式调控建模实现分布式调控。
在多智能体架构中，智能体分为微网下层管理智能体、微网上层全局优化智能体和微网上层局部优化智能体三类，具体有：
(1)微网下层管理智能体：在多微网***中，每个微网包含各种分布式单元，每个分布式单元均安装有智能体；
(2)微网上层全局优化智能体：用以实现各微网之间的协调优化；
(3)微网上层局部优化智能体：用以在进行多微网间全局优化后，对各子微网内分布式单元再次优化。
与现有技术相比，本发明具有以下优点：
一、本发明提出的灵活性电池模型能够很好的评估分布式架构下***的可调用灵活性功率能力，对于调度层而言，只需处理一批“电池”即可了解该区域的可调用灵活性功率潜力。
二、本发明提出将可用灵活性功率作为一致性变量，使得灵活性储备大的微网承担更多的动态功率调节范围，充分挖掘多微网灵活性资源间协调优化潜力，在保障风电消纳的同时规避了微电网向外购电的需求，提高了***的经济性。
三、风机采用变减载率的超速控制方法设置其出力，使其留有一定的备用容量可以挖掘风机的灵活性调控潜力，在此情况下，可以将风机视为具备一定可控性的单元，更好的实现含风电多微网***功率的灵活性动态平衡。
附图说明
图1为多微网分布式协调调控流程图。
图2为考虑灵活性储备的风机超速控制策略。
图3为灵活性电池储备模型灵活性评估，其中，图(3a)为可调灵活性功率示意图，图(3b)为灵活性功率包络线示意图。
图4为多微网可调用灵活性功率示意图，其中，图(4a)为各微网可调用灵活性功率比率，图(4b)为各微网负荷承担量。
图5为基于变减载率超速控制调频效应图，其中，图(5a)为变减载下微网动态频率偏差，图(5b)为变减载下微网有功功率变化。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
如图1所示，本发明提供一种计及灵活性储备的含风电多微网***分布式协调调控方法，根据时间尺度分为三个阶段：日前调度规划阶段，日内重新调整阶段和实时优化运行阶段。其中，日前调度规划阶段由微网下层管理智能体执行，日内重新调整阶段由微网上层全局优化智能体决定，实时优化运行阶段由微网上层局部优化智能体实施，具体为：
阶段1、日前调度规划：通过微网下层管理智能体，对于单个区域微网中所有可调控灵活性资源进行整合与评估，确定灵活性电池储备模型的参数。
阶段2、日内重新调整：由于风功率的波动以及负荷的变化特性可以理解为一个随机的过程，根据需求侧响应的负荷变化数据，运用分布式一致性算法对各微网分布式单元承担负荷变化量进行重新分配。该阶段由微网上层全局优化智能体执行并在一天更新几次，本发明选取一个小时为时间间隔，进行24次日内重新调整。
阶段3、实时优化运行：微网上层局部优化智能体根据日内重新安排的结果，进行该时间段内的实时优化运行。其中实时功率的不平衡可能是由于负荷和间歇性发电机的连续变化、预测的误差或常规能源发电机在计划外的启停以及在运行点的爬坡率不协调所造成。
1、多智能体***建模
本发明采用多智能体架构(MAS)对多微网(MMG)***进行分布式调控建模。在多智能体架构中可将智能体分为微网下层管理智能体、微网上层全局优化智能体和微网上层局部优化智能体三类，对应的具体功能如下：
(1)微网下层管理智能体：在多微网***中，每个微网包含各种分布式单元(Distributed Unit，DU)，每个分布式单元都安装有智能体。
(2)微网上层全局优化智能体：该智能体负责多微网之间的协调优化。
(3)微网上层局部优化智能体：在进行多微网间全局优化后，对各子微网内分布式单元再次优化。
2、灵活性电池储备模型
本发明从能量维度定义灵活性电池储备模型(Flexibility Battery Reserve,FBR)，评估分布式架构下微网i中可调节灵活性功率的能力。
定义多微网***的功率状态变量{Pk}k∈K满足：
Figure BDA0002825458260000051
Figure BDA0002825458260000052
Figure BDA0002825458260000053
式中，
Figure BDA0002825458260000054
为微网i在t时刻的运行状态；
Figure BDA0002825458260000055
为微网i的灵活性电池储备模型在时间Δt内可调节灵活性功率；
Figure BDA0002825458260000056
为在t+1时刻，第i个MG中灵活性储备能量；
Figure BDA0002825458260000057
为第i个微网灵活性能量下调、上调约束；η+、η-为其充、放电效率。严格地说充放电效率并不是一个常数，而是和微网运行状态
Figure BDA0002825458260000058
相关。
3、考虑灵活性储备分布式风电机组超速控制策略
为了充分挖掘分布式风电机组提供的灵活性备用容量，本发明采用可变减载率超速控制对双馈异步风电机组进行调频，将风电机组所能提供的灵活性储备定义为虚拟灵活性电池储备模型。
对分布式风机所能调控的灵活性功率进行定量分析，将定义的FBR模型扩展成由实际灵活性电池储备(Real Flexibility Battery Reserve，RFBR)和虚拟灵活性电池储备(Virtual Flexibility Battery Reserve，VFBR)构成：
Figure BDA0002825458260000059
式中，
Figure BDA00028254582600000510
为常规电源提供的灵活性能量；
Figure BDA00028254582600000511
为分布式风机提供的灵活性能量。
通过虚拟灵活性电池储备模型计算出在不同风速下，DFIG所能提供的灵活性储备，将得到的数值保存在查找表中。在实时优化阶段DFIG通过在不同风速下在线选择查找表格中对应的灵活性储备数值以确定DIFG减载率，修正风机功率基准值。考虑灵活性储备的风机超速控制策略框图如图2所示。注入信号可以通过ROCOF或频率偏差，或者设定的转子转速偏差对有功功率参考值进行修改。
一致性变量设计
为了量化每个微电网所能提供的灵活性功率，结合上述的灵活性电池储备模型概念，定义每个微电网的可用灵活性储备。将每个微电网的可用灵活性储备作为一致性变量，定义
Figure BDA0002825458260000061
式中，
Figure BDA0002825458260000062
为第i个微网可用的灵活性储备；通过可用灵活性储备的概念使得灵活性储备容量大的微网承担更多的“源荷”不确定性波动，更好的利用微网中可调控灵活性资源。
实施例
对于含有分布式风机的多微网***进行可调用灵活性功率的协调优化，根据时间尺度分为三个阶段：日前调度规划阶段，日内重新调整阶段和实时优化运行阶段。其中日前调度规划阶段由微网下层管理智能体执行，日内重新调整阶段由微网上层全局优化智能体决定，实时优化运行阶段由微网上层局部优化智能体实施。
为了验证本发明所提的多微网分布式协调调控策略的有效性，通过华东某地区实际数据对微网进行相关仿真验证。
日前调度规划
将需求响应下的负荷功率曲线作为各微网所应承担的负荷量，同时基于灵活性电池储备模型，对微网灵活性进行评估。
从图(3a)可以看出，当不考虑风机的虚拟灵活性电池储备模型时，微网1的最大出力为蓝色曲线Gmax，最小出力为红色曲线Gmin，虚线阴影部分为微网1的出力调节范围，在采用需求响应技术后负荷曲线由原先的紫色曲线Load变为橙色曲线Lde。Lmin、Lmax、Lav分别为微网1的最小负荷承担量、最大负荷承担量和平均负荷承担量。在部分时间段内Lde曲线不在Gmax与Gmin所形成的功率包络线范围内(橙色虚线部分)，无法实现源-荷的动态功率平衡。
如图(3b)所示，其中绿色曲线为考虑风机备用容量的灵活性可调用功率G′max，蓝色曲线为需求响应下负荷曲线Lde，“源-荷”间功率缺额为图中红色面积部分。当考虑风机的虚拟灵活性电池储备模型时，虚拟灵活性电池模型估计的DFIG可调备用容量为
Figure BDA0002825458260000071
此时
Figure BDA0002825458260000072
微网1在大部分时间段内Lde都在新的最大出力G′max功率包络线范围内，即大部分时间均可以实现源-荷动态平衡。
日内重新调整
以1个小时为时间间隔估算各微网的负荷承担功率，微网上层全局优化智能体根据可用灵活性储备指标安排各微网分布式单元所应承担的负荷需求变化量。将MG中日前调度规划阶段微网下层管理智能体计算得到的灵活性储备容量值作为灵活性可调用功率指标，在应对负荷侧总需求的变化时，实现多微网内灵活性资源的协调优化。以图(4a)为例，根据各微网可用灵活性功率比率所得的一致性变量变化图，可以看到当发生负荷需求量变化时，各微网可用灵活性功率比率仍然可以收敛到新的最优可用灵活性功率比率。图(4b)为此时4个微网的负荷承担量。
实时优化运行
在此阶段仿真对比了固定10％减载率、考虑灵活性储备的可变减载率及未加超速控制三种方法下微电网频率及有功功率变化。图(5a)为风机实测的一组风速数据，并在45s时发生2MW的负荷变化，仿真时长为100s。相应的微电网频率、DFIG有功功率以及减载率取值分别如图5所示。从图(5b)可得，在45s时发生负荷扰动时，变减载率控制下的微网动态频率偏差远小于固定减载率情况。由图(5c)可得可变减载率控制方法DFIG输出的有功功率稍低于固定减载率情况，这部分有功功率为DFIG参与微网频率控制提供了更多的备用容量。通过灵活调控风机转子侧隐藏的动能可以更好的实现“源-荷”间实时功率平衡，提高***动态调频能力。

Claims (5)

1.一种计及灵活性储备的含风电多微网***分布式调控方法，其特征在于，包括以下步骤：
日前调度规划阶段：通过微网下层管理智能体根据灵活性电池储备模型评估每个微网中可调控灵活性资源能力，并确定第i个微网的所有分布式单元可调节灵活性功率的总容量
Figure FDA0003957369560000011
日内重新调整阶段：通过微网上层全局优化智能体采用分布式一致性算法对各微网承担的负荷进行重新分配；具体包括以下步骤：
1)定义可用灵活性储备作为协调各微网功率分配的指标；
第i个微网的可用灵活性储备的定义式为：
Figure FDA0003957369560000012
其中，
Figure FDA0003957369560000013
为在t+1时刻第i个微网承担的负荷，
Figure FDA0003957369560000014
为第i个微网的所有分布式电源可调节灵活性功率的总容量；
对于微网中的分布式风电机组，采用可变减载率超速控制对双馈异步风电机组进行调频，将灵活性电池储备模型扩展为由实际灵活性电池储备和虚拟灵活性电池储备构成，则有：
Figure FDA0003957369560000015
其中，
Figure FDA0003957369560000016
为常规电源提供的灵活性能量，即实际灵活性电池储备，
Figure FDA0003957369560000017
为分布式风电机组提供的灵活性能量，即虚拟灵活性电池储备；
所述的虚拟灵活性电池储备
Figure FDA0003957369560000018
的表达式为：
Figure FDA0003957369560000019
其中，Tdel为能量输入时间段；
所述的实际灵活性电池储备
Figure FDA00039573695600000110
的表达式为：
Figure FDA00039573695600000111
Figure FDA00039573695600000112
其中，
Figure FDA0003957369560000021
为负荷的上、下波动变化，Ls为t+1时间段负荷，α+、α-为负荷误差下灵活性上、下调需求，αs为机组故障关机需求，
Figure FDA0003957369560000022
为风速误差下灵活性上、下调需求，Pw,t+1为在t+1时刻下风机出力，Pw,max为风机最大出力，Tdel为能量输入时间段；
2)将可用灵活性储备作为一致性变量，采用分布式一致性算法对各微网分布式单元承担的负荷进行重新分配，得到每个电网的在下一时刻的灵活性储备容量；
实时优化运行阶段：通过微网上层局部优化智能体根据日内重新分配结果，进行该时间段内的实时优化运行。
2.根据权利要求1所述的一种计及灵活性储备的含风电多微网***分布式调控方法，其特征在于，微网上层全局优化智能体以一个小时为时间间隔，每日进行24次日内重新调整。
3.根据权利要求1所述的一种计及灵活性储备的含风电多微网***分布式调控方法，其特征在于，在实时优化运行阶段中，微网上层局部优化智能体根据日内重新分配结果，即，获取各微网所需的灵活性储备
Figure FDA0003957369560000023
确定分布式风电机组的减载率d％，则有：
Figure FDA0003957369560000024
Figure FDA0003957369560000025
其中，Kdel为中间参数，Cpmax为MPPT模式下风能利用系数，ρ为空气密度，R为叶片半径，Vw为风速。
4.根据权利要求1所述的一种计及灵活性储备的含风电多微网***分布式调控方法，其特征在于，采用多智能体架构对多微网***进行分布式调控建模实现分布式调控。
5.根据权利要求4所述的一种计及灵活性储备的含风电多微网***分布式调控方法，其特征在于，在多智能体架构中，智能体分为微网下层管理智能体、微网上层全局优化智能体和微网上层局部优化智能体三类，具体有：
(1)微网下层管理智能体：在多微网***中，每个微网包含各种分布式单元，每个分布式单元均安装有智能体；
(2)微网上层全局优化智能体：用以实现各微网之间的协调优化；
(3)微网上层局部优化智能体：用以在进行多微网间全局优化后，对各子微网内分布式单元再次优化。
CN202011427220.4A 2020-12-09 2020-12-09 一种计及灵活性储备的含风电多微网***分布式调控方法 Active CN112634076B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011427220.4A CN112634076B (zh) 2020-12-09 2020-12-09 一种计及灵活性储备的含风电多微网***分布式调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011427220.4A CN112634076B (zh) 2020-12-09 2020-12-09 一种计及灵活性储备的含风电多微网***分布式调控方法

Publications (2)

Publication Number Publication Date
CN112634076A CN112634076A (zh) 2021-04-09
CN112634076B true CN112634076B (zh) 2023-04-28

Family

ID=75308795

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011427220.4A Active CN112634076B (zh) 2020-12-09 2020-12-09 一种计及灵活性储备的含风电多微网***分布式调控方法

Country Status (1)

Country Link
CN (1) CN112634076B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114221357B (zh) * 2021-12-14 2024-03-26 上海电力大学 计及调频备用效益的主动配电网分层分布式优化调度方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108306288A (zh) * 2018-02-13 2018-07-20 华东理工大学 一种基于需求侧响应的微网社区分布式能量分配方法
CN111769600A (zh) * 2020-06-23 2020-10-13 内蒙古电力(集团)有限责任公司 一种基于灵活性裕度的电力***源荷储协调滚动调度方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544961A (zh) * 2019-09-04 2019-12-06 河海大学 一种孤网型交直流混联微电网动态经济调度方法
CN111786422B (zh) * 2020-08-04 2021-08-20 太原理工大学 基于bp神经网络的微电网参与上层电网实时优化调度方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108306288A (zh) * 2018-02-13 2018-07-20 华东理工大学 一种基于需求侧响应的微网社区分布式能量分配方法
CN111769600A (zh) * 2020-06-23 2020-10-13 内蒙古电力(集团)有限责任公司 一种基于灵活性裕度的电力***源荷储协调滚动调度方法

Also Published As

Publication number Publication date
CN112634076A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
Oshnoei et al. Robust control scheme for distributed battery energy storage systems in load frequency control
Reddy Optimal power flow with renewable energy resources including storage
Reddy Optimal scheduling of thermal-wind-solar power system with storage
Khan et al. Multi-agent based distributed control architecture for microgrid energy management and optimization
CN107039990B (zh) 一种提高风电消纳能力的多热源协调调度策略制定方法
CN103151803B (zh) 一种含风电***机组及备用配置的优化方法
Papathanassiou et al. Power limitations and energy yield evaluation for wind farms operating in island systems
CN101931241B (zh) 风电场并网协调控制方法
CN111245026B (zh) 虚拟电厂调控方法、***及设备
AU2018101070A4 (en) Automatic voltage control method, device and system for wind farm
CN111697578B (zh) 多目标含储能区域电网运行控制方法
CN115842359A (zh) 考虑动态调频性能的风光储场站一次调频备用整定方法
CN114825388A (zh) 一种基于源网荷储协同的新能源综合消纳调度方法
CN116760008A (zh) 一种考虑负荷特性的多时间尺度有功无功协调调度方法
CN117077974A (zh) 虚拟电厂资源优化调度方法、装置、设备及存储介质
CN115036914A (zh) 考虑灵活性与新能源消纳的电网储能双层优化方法及***
CN112634076B (zh) 一种计及灵活性储备的含风电多微网***分布式调控方法
CN117239740B (zh) 一种虚拟电厂***的优化配置与灵活性提升方法及***
Kushwaha et al. A novel framework to assess synthetic inertia & primary frequency response support from energy storage systems
CN108258701A (zh) 调节功率的方法和装置
CN116826736A (zh) 高比例新能源***惯量约束的灵活性资源配置方法及***
Wang et al. Generation-expansion planning with linearized primary frequency response constraints
ZHANG et al. A Robust Reserve Scheduling Method Considering Wind Turbine Generator’s De-loading Control
Yao et al. Economic optimal control of source-storage collaboration based on wind power forecasting for transient frequency regulation
Jin et al. DMPC-based AGC of an Interconnected Multi-Area Power System with CWES System Integration

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