一种含微网的配电网动态随机调度控制方法
【技术领域】
[0001] 本发明涉及一种含微网的配电网动态随机调度控制方法。
【背景技术】
[0002] 微网（Micro-Grid)是集发电、输电、配电为一体的小型电力系统，是解决分布式 电源和负荷同时运行，大幅度消纳可再生能源出力，实现局部功率平衡的重要手段，已经成 为智能电网的一个重要组成部分。伴随着越来越多的微网接入配电网，研究含微网的配电 网动态调度具有重要的理论和实际意义。
[0003] 目前，国内外对于微网接入配电网的研究多是独立的，或单独研究微网的优化调 度，或单独研究配电网的优化调度。现有技术研究微网调度控制的同时，没有考虑配电网的 安全性与经济性，片面追求微网最大化经济效益，可能会影响配电网运行的安全性。另一方 面，多微网与配电网联合调度模式研究，考虑系统网损、负荷波动和微网运行经济性，建立 联合运行的双层优化模型，部分实现了微网和配电网的联合优化，但该方法先优化配电网， 再以配电网与微网的功率交换值为定值优化微网，虽然能够实现配电网经济效益的最大 化，但是没有考虑微网运行的安全性和经济效益，不能实现微网和配电网整体效益的最大 化。
【发明内容】
[0004] 本发明为了解决上述问题，提出了一种含微网的配电网动态随机调度控制方法， 该方法在满足安全性约束的条件下，实现配电网和微网总体经济效益的最大化。
[0005] 为了实现上述目的，本发明采用如下技术方案：
[0006] -种含微网的配电网动态随机调度控制方法，包括以下步骤：
[0007] (1)以微网的运行成本期望值最小化为动态调度目标，建立目标函数；
[0008] (2)以不计网损条件下的功率平衡、可控机组出力、可控机组爬坡、联络线交换功 率的机会和储能电池为约束条件，得到每个时间段的微网从配网输入的功率；
[0009] (3)计及运行成本最小的机会约束规划优化调度目标函数，以潮流方程约束、节点 电压约束和支路潮流的约束为条件，计算每个时间段的配网给微网的输出功率；
[0010] (4)计算微网从配网输入的功率和配网给微网的输出功率之和，构建功率目标函 数，构建功率交换区间，增加至约束条件，以粒子群算法和两点估计方法计算功率目标函数 的最优值；
[0011] (5)判断该时刻的迭代次数是否满足迭代次数目标值，如果没有，使迭代次数累加 1，重复步骤（1) - (5)，直到达到迭代次数目标值；
[0012] (6)输出最优微网和配网的最优运行成本及交换功率值。
[0013] 所述步骤（1)中，随机变量引起的功率调整费用，以微网的运行成本期望值最小 化为动态调度目标，目标函数如下：
[0015] 式中m是一个调度周期内的时段数；η是微网中可控机组数量；Ptil是可控机组i 在时间段t计划输出有功功率；心是时间段t的符号系数，从配网输入功率为1，向配网输 出功率为-1 ; λ渴时间段t的电价；P tH十划在时段t与配网的功率交换的期望值；f (P til) 为发电成本，表达式如下：
[0017] 式中Bpb1、C1是可控机组i的燃料费用系数。
[0018] 所述步骤（2)中，不计网损条件下的功率平衡约束为：
[0020] 式中，w是风机数量；Pt, j是时间段t第j个风机出力预测值；s是光伏电池数量； Ptik是时间段t第k个光伏电池出力预测值;m是电池储能系统数量；P ^是时间段t第m 个电池储能系统出力，当发出功率时为正值，吸收功率为负值；时间段t联络线交换功 率;PtD为时间段t负荷功率。
[0021] 所述步骤（2)中，可控机组的出力约束为：
[0023] 式中4Γ'分别是是第i个可控机组出力的最小值和最大值。
[0024] 所述步骤（2)中，可控机组爬坡约束为：
[0026] 式中<，巧分别为机组i的向上和向下爬坡速率；Δ t为时段长度。
[0027] 所述步骤（2)中，联络线交换功率的机会约束条件为：
[0028] P{PtL^PL,naJ ^ a (6)
[0029] 式中Puniax是联络线交换功率最大值；α为给定的置信度。
[0030] 所述步骤（2)中，储能电池的约束条件
[0031] 每个时间段储能电池的电量与输出功率之间的关系如下：
[0033] 式中Et+1,nl，Et, nl分别是在时间段t+l，t末的电池储能系统的能量；rl。，rld分别是 电池储能系统的充放电效率；
[0034] 电池容量约束，各个时间段电池电量不超过电池容量的上下限：
[0036] 式中￡Τ，￡Γ分别是电池储能系统充放电过程中容量的下限和上限；
[0037] 功率约束，各个时间段的输出功率不能超过功率的上限和下限：
[0039] 式中是电池储能系统的最大充放电功率。
[0040] 所述步骤（3)中，忽略负荷的波动，计及运行成本最小的机会约束规划优化调度 目标函数如下：
[0041] 式中L为支路数J1是支路1的电阻；P til，Qtil, Vtil分别是第t时间段支路1的始 端有功功率、无功功率和节点电压幅值。
[0042] 所述步骤（3)中，潮流方程约束，对于节点i, i = 1，2,... η，η为节点个数，约束条 件是：
[0045] 式中Blj是支路i-j的电纳；P ω，Qw分别是节点i的分布式电源注入有功、无功功 率；Pu, Qu分别是节点i的负荷有功、无功功率；《是角频率；K i是节点i上并联电容器投 入组数A是节点i上并联电容器单组电纳。
[0046] 所述步骤⑶中，节点电压约束，配网中也含有风机或光伏等分布式电源，因此给 出电压在约束范围内的置信度表达式
[0047] PiVnin^ V1^VnJ ^ β (12)
[0048] 式中V_，V_是节点电压下限和上限；β是给定的置信度。
[0049] 所述步骤（3)中，支路潮流的约束为：
[0051] 式中：S_，Sniax分别是支路潮流的下限和上限。
[0052] 所述步骤⑷中，对于微网的优化模型，粒子群求解优化问题时，问题的解，即各 个一个时间段可控机组的出力P til和可控电池的出力P 共同组成粒子，对于配网的优化 模型，粒子内的控制变量相对于微网增加了电容器投入组数K1，粒子i的信息用D维向量表 示，位置表示为X 1= (Pt,^Pt,n，K1, P:) τ，速度Sv1= (vPM, Vpt^VbVptJ'速度和位置的 更新方程为：
[0055] 式中< 是粒子i在第k次迭代中第d维的速度！C1, C2是加速系数，令c i= c 2 = 2. 0 ^and1,1&11(12是[0,1]之间的随机数； < 是第k次迭代中粒子i在第d维的坐标； 是第k次迭代中粒子i在第d维的个体极值点的坐标；gbestd是第d维的全局极值点的坐 标。
[0056] 所述步骤（4)中，初始粒子的获取方法为：对随机变量模拟产生的一组随机数，将 计算微网从配网输入的功率和配网给微网的输出功率和约束条件转化为确定性规划问题， 采用求解非线性规划的内点法高效求解，获得一个粒子，重复该过程，获得满足要求个数的 粒子。
[0057] 所述步骤（4)中，两点估计法的具体方法为：
[0058] 假定向量X = [X1. . . x.j. . . xn]，表示风机和光伏出力的随机变量，\，δ μ，Lj分别 代表均值、方差和协方差，令Y = f (X)代表潮流方程，则两点估计法如下：
[0059] 首先在均值f附件的两个点的计算公式如下：
[0067] 两点估计法相对于蒙特卡洛模拟方法，对每个随机量只需对其均值附件的两个点 构成的方程进行计算，而不是多次模拟，提高了计算效率，有助于在线调度应用。
[0068] 本发明的有益效果为：
[0069] (1)提出的含微网的配网动态随机调度控制方法，综合考虑了二者之间的最优交 换功率，提高了系统运行的稳定性，显著的提高了经济交易；
[0070] (2)在微网和配网的优化机会约束规划模型中，充分考虑了风机和光伏出力的随 机性，建立的模型具有普通的适用性，利用电池储能系统有效解决了可再生能源间歇式处 理问题；
[0071] (3)利用粒子群算法结合两点估计法求解，有效避免了多次蒙特卡洛模拟计算，提 高了计算效率，提高了配网运行稳定性，降低了运行成本。
【附图说明】
[0072] 图1是本发明微网简化系统结构图；
[0073] 图2是本发明算法流程图；
[0074] 图3是本发明改进的IEEE33节点系统示意图；
[0075] 图