1.本发明涉及能源调度
技术领域：
：，具体涉及含可控光伏的配电网多时间尺度无功功率调度方法及系统。
背景技术：
：：2.我国将大力提高分布式光伏发电的渗透率，配电网系统的形态正发生根本变化，主动配电网的架构搭建初具规模，而光伏发电(photovoltaic,pv)并网技术也逐渐从单一提供有功功率转变为有功无功协调出力,因此，如何实现光储技术与无功优化的协调，同时最大限度应对光伏发电的不确定性，具有十分重要的现实意义。3.现如今的主动配电网优化运行技术有确定性模型，但是确定性模型并未考虑到光伏发电带来的不确定性影响，难以应对光伏发电的不确定影响；有利用随机场景模拟光伏发电的不确定性影响，但是模拟场景计算量巨大，并且其鲁棒性通常较差。在现有技术中，有利用两阶段鲁棒优化技术求解最恶劣情况下的主动配电网优化策略，但是其未考虑光伏发电逆变器的运行策略，同时其优化策略是基于日前预测曲线所做出的，难以适应实际的配电网运行。4.鉴于此，本发明目的在于提供含可控光伏的配电网多时间尺度无功功率调度方法及系统。技术实现要素：5.本发明所要解决的技术问题是现有的主动配电网优化运行技术有确定性模型，但是未考虑到光伏发电带来的不确定性影响，难以应对光伏发电的不确定影响，而优化策略是基于日前预测曲线做出的，难以适应实际的配电网运行；本发明目的在于提供含可控光伏的配电网多时间尺度无功功率调度方法及系统，解决该技术问题。6.本发明通过下述技术方案实现：7.本方案提供含可控光伏的配电网多时间尺度无功功率调度方法，包括步骤：8.步骤一：构建光伏发电逆变器模型的控制策略；9.步骤二：构建配电网多时间尺度优化策略模型，所述配电网多时间尺度优化策略模型以网损最小为日前调度阶段的目标函数，以电压偏差最小为日内调度阶段的目标函数；且配电网多时间尺度优化策略模型考虑光伏发电逆变器模型的切换来构建目标函数的约束条件；10.步骤四：基于两阶段鲁棒优化模型求解配电网多时间尺度优化策略模型得到最优的光伏发电控制策略与光伏发电无功补偿量；11.步骤五：基于最优的光伏发电控制策略与光伏发电无功补偿量指导日能源调度。12.本方案工作原理：本发明首先给出光伏逆变器有功-无功的4种控制模型，再建立以网损最小为目标的配电网两阶段鲁棒日前优化模型，根据日前调度结果，以电压偏差最小为目标，建立日内优化模型，得到最优的pv控制策略与pv无功补偿量考虑到光伏发电带来的不确定性影响,然后采用ccg算法对上述模型进行求解；利用两阶段鲁棒优化技术求解最恶劣情况下的主动配电网优化策略，并考虑光伏发电逆变器的运行策略，能够更好的适应实际的配电网运行；本方案综合传统调压设备、储能元件和光伏发电的运行策略提出了一种主动配电网的两阶段鲁棒优化调度方法，以应对在光伏发电的不确定情况下，配电网电压偏差大、电压波动和网损较大等问题。13.进一步地，光伏发电逆变器模型的控制策略包括：未采用控制方式策略、采用无功功率控制方式策略(reactivepowercontrol,rpc)、采用有功功率限制方式策略(activepowercurtailment,apc)和逆变器优化调度策略(optimalinverterdispatch,oid)。14.进一步地，未采用控制方式策略(策略a)为：15.采用无功功率控制方式策略(策略b)为：16.采用有功功率限制方式策略(策略c)为：17.逆变器优化调度策略(策略d)为：18.式中，ppv为光伏的最大出力；sg为光伏逆变器的视在功率；θ是光伏逆变器的功率因数角，qg为逆变器发出无功功率的最大值；qpv_out和ppv_out为光伏无功的实际出力和光伏有功的实际出力，qpv_out,max为光伏出力上限。19.鲁棒优化(robustoptimization,ro)实际上是在负荷和光伏发电的日前预测曲线上做出的优化策略，然而配电网在实际运行中总是会受到光伏或者负荷的突然波动影响，所以本文提出了一种多时间尺度多设备协调优化策略，旨在应对光伏发电和负荷的不确定性的同时保持电网的安全电压并且最大限度地减少网损。20.日前调度阶段：日前优化调度旨在通过鲁棒优化ro得到svc、ess、oltc和sc调度策略。在此阶段，光伏发电和负荷波动是在有限的时间间隔t内做出预测，并设置变化上下限它们可以在边界之间随机变化。与经典的多时间尺度优化调度方法不同，本方案在日前调度阶段，将传统的vvc设备加入调度的同时考虑光伏逆变器的模式切换；在该阶段鲁棒优化ro协调模型中，vvc设备以及逆变器模式都是作为控制变量进行优化，值得注意的是，vvc设备是在最恶劣条件下的补偿操作，光伏逆变器也是最恶劣条件下的模式。本方案选择每4个小时为一个调度周期，利用鲁棒优化ro得到vvc设备的调度策略；但是只有第一个小时的调度策略被保留，剩下3个小时的策略均被丢弃；并且在日前调度阶段vvc设备会受到光伏逆变器的模式切换影响，然而配电网的实际运行中光伏发电会按照实际的运行曲线运行，所以光伏逆变器的策略选择也将被丢弃，并将在日内调度重新进行选择。21.日内调度阶段：vvc设备的日前操作是在预测曲线的最坏条件下做出的策略，在日内阶段，光伏逆变器在较短的时间段内做出调度方案以稳定系统电压水平，应对光伏发电和负荷突发的波动。22.进一步地，以网损最小为日前调度阶段的目标函数表示为：23.式中，f1是配网网损；iij,t为支路ij在t时刻的电流值；t为调度周期内的时段数；n为配电网的节点数；δt为调度间隔；24.以电压偏差最小为日内调度阶段的目标函数表示为：25.式中vref为参考电压值，取1.0p.u。日内阶段的控制变量为光伏逆变器的控制模式与无功出力以进行光伏逆变器的重调整。26.进一步地，约束条件包括：辐射状配电网支路潮流约束、节点电压约束、并联电容组约束、储能装置运行约束、静止无功补偿装置约束、有载调压器约束和光伏逆变器控制模式切换约束；27.所述辐射状配电网支路潮流约束为：对于图2所示的辐射状配电网的distflow潮流模型形式有：对于配电网中的节点j，有：[0028][0029][0030][0031][0032][0033]式中，σ(j)表示以节点j为首节点的支路集合、π(j)表示节点j为末节点的支路集合；pij,t和qij,t分别表示支路ij流过的有功功率和无功功率；lij,t、rij,t和xij,t分别表示支路ij的电流的平方、电阻和电抗；vj,t、qj,t和pj,t分别为节点j的电压幅值、注入无功功率和有功功率；pg,j,t和qg,j,t为节点j所连接的分布式电源在t时刻发出的有功功率和无功功率；pch,j,t为节点j所连接的储能元件在t时刻的充电量；pdch,j,t为节点j所连接的储能元件在t时刻的放电量；qsc,j,t为节点j所连接的无功补偿电容组在t时刻的出力；qsvc,j,t为节点j所连接的svc在t时刻的出力；代表没有安装有载调压器的支路；代表安装有载调压器的支路；hij为支路ij上有载调压器的变比；[0034]所述节点电压约束为：[0035]式中，和分别为节点i的电压最小值和电压最大值；[0036]所述支路电流约束为：[0037]式中，是支路ij的电流最大值；[0038]所述并联电容组约束为：[0039]qsc,j,t＝ksc,j,tδqscꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(12)[0040][0041]并联电容器属于离散型的无功补偿设备，式中，ksc,j,t是节点j在t时刻投切电容器的组数，δqsc是单台电容器的无功补偿量，和为节点j投切电容组的最小值和投切电容组的最大值；[0042]并联电容组只能分组投切，所以并联电容组的模型式(13)是一个离散的优化模型，通过下式转化为一个0-1整型规划的模型：[0043][0044]式中，k根据可投切电容组具体安装组数进行确定，为j节点可投切电容组的投切组数的上限；为了保护可投切电容组sc的使用寿命，在一天内可投切电容组sc的投切次数是有一定限制的。[0045]ε1j(t)-ε2j(t)ksc,j≤ksc,j(t+1)-ksc,j(t)≤ε1j(t)ksc,j-ε2j(t)[0046]其中ε1j(t),ε2j(t)∈{0,1}ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(15)[0047]0≤ε1j(t)+ε2j(t)≤1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(16)[0048][0049]式中，ε1j(t)、ε2j(t)为二进制辅助变量，为可投切电容组sc的最大投切次数；[0050]所述储能装置运行约束为：[0051][0052][0053][0054]dch,j,t+ddch,j,t≤1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(21)[0055][0056]式(17)表示储能系统ess的电量约束，ej,t为t时刻节点j上所连接储能系统的电量；pch,j,t和pdch,j,t分别为相应的储能系统ess在t时段的充电功率和放电功率；ηch和ηdch分别为充电效率和放电效率；为保证在新的调度周期内电效率具有相同的调节能力，所以每一个调度周期的初始储能要相同；[0057]和分别是节点j的储能系统ess充电功率上限和放电功率上限；由于储能系统的充电和放电不能同时进行，故引入dch,j,t和ddch,j,t两个0-1变量以表示储能系统ess在t时段内只能处于充电、放电和不充不放3种状态其中之一；[0058]为节点j的储能系统ess的电量上限，考虑储能装置的使用寿命，将其实际充放电范围设定为20％-100％；[0059]所述静止无功补偿装置约束为：[0060]式中，和分别为静止无功补偿装置svc的上限和下限；qsvc,t为静止无功补偿装置svc的实际出力；t当前时间段；[0061]所述有载调压器oltc约束为：有载调压器oltc只能以其中一个档位运行，所以有载调压器oltc的变比是一个离散的优化变量，n是有载调压器的档位数；因此，通过引入0-1二进制变量和大m法进行转化成为0-1规划问题；[0062][0063][0064][0065]式中，mij,k,t和hj,k,t分别为转化该问题的辅助变量；式(25)中的约束是两个互补条件，取目标函数最优的条件。m为一个任意大的实数。[0066]在一个调度周期内，有载调压器的档位调节次数会受到限制，即[0067][0068]式中，nt.max为一个调度周期内变压器投切的最大次数；n为变压器档位数。[0069]所述光伏逆变器控制模式切换约束为：光伏逆变器需要进行模式切换，因此需要对控制策略进行转化；未采用控制方式策略到采用无功功率控制方式策略的转化：[0070]ppv_out＝ppvꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(28)[0071][0072]-qpv_out,maxzg≤qpv_out≤qpv_out,maxzgꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(30)[0073]qpv_out,maxzg是一个连续变量和二进制变量所构成的非凸双线性项，于是用大m法将式(30)进行重新表述；[0074][0075]未采用控制方式策略到逆变器优化调度策略的转化：[0076]ppv(1-zf)≤ppv_out≤ppvꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(32)[0077][0078]-ppv_outzf≤qpv_out≤ppv_outzfꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(34)[0079]同理，ppv_outzf用大m法进行重新表述为；[0080][0081]-gpv_out≤qpv_out≤gpv_outꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(36)[0082][0083]安装到某一节点的光伏逆变器可以自主选择控制策略，其pq能力在策略a与策略d或策略a与策略b之间切换；对于具有未采用控制方式策略与采用无功功率控制方式策略切换能力的逆变器来说，zg＝0时表示为逆变器选择未采用控制方式策略运行，zg＝1表示为逆变器选择采用无功功率控制方式策略运行；对于具有四种策略切换能力的逆变器来说，zf＝0时表示为逆变器选择未采用控制方式策略运行，zf＝1表示为逆变器选择逆变器优化调度策略运行。[0084]进一步优化方案为，所述日前调度阶段目标函数的约束条件包括：式(2)、式(3)、式(5)、式(29)、式(31)、式(32)、式(35)和式(37)；所述日内调度阶段目标函数的约束条件包括：式(2)、式(3)、式(5)、式(11)、式(28)、式(29)、式(30)、式(31)、式(35)和式(37)。[0085]传统的配电网两阶段鲁棒优化仅将负荷及光伏有功输出能力作为不确定性集合，未将pv逆变器的策略切换能力考虑到优化之中。实际上pv逆变器的运行策略会根据配电网实际情况而会有所不同。因此，建立一个既要考虑光伏出力不确定性又要考虑光伏运行策略切换的两阶段鲁棒优化模型就显得尤为重要；具体来说，将用于选择pv逆变器的二元变量z加入到ro的第一阶段变量之中，并令其在ro求解过程中总是受到新加入的列约束限制。[0086]进一步优化方案为，所述两阶段鲁棒优化模型为：[0087][0088]z＝{zj∈{0,1}，zg∈{0,1}}[0089]式中，[0090]进一步优化方案为，步骤四包括以下子步骤：[0091]步骤4.1：将鲁棒优化求解分为主问题和子问题，分别表述为第一阶段和第二阶段[0092]步骤4.2：将用于选择pv逆变器的二元变量z加入到鲁棒优化的第一阶段变量之中，并令其在鲁棒优化求解过程中总是受到新加入的列约束限制得到两阶段鲁棒优化模型；[0093]步骤4.3：利用ccg算法迭代求解主问题和子问题，直到主问题下限和子问题上限之间差距小于收敛判据，完成问题求解；其中利用强对偶定理和外逼近法将子问题转化为一个可求解的线性规划问题，以得到第二阶段的最优解。[0094]标准形式的两阶段鲁棒优化模型cy本质上是一个“min-max-min”三层的鲁棒优化ro问题；对于“min-max-min”鲁棒优化ro问题求解可以将其分为主问题和子问题，可以分别表述为两个阶段；再利用ccg(columnconstraintgeneration)算法迭代求解主子问题，直到主问题下限和子问题上限之间差距小于收敛判据，完成问题求解。ro第一阶段为“min”问题；第二阶段为“max-min”问题，本方案利用强对偶定理和外逼近法(oa分解法)将“max-min”问题转化为一个可求解的线性规划问题，以此得到第二阶段的最优解。[0095]进一步优化方案为，第一阶段包括不等式约束、pv切换约束和等式约束，第二阶段包括不等式约束和不等式约束；所述第一阶段的不等式约束对应式(10)、式(11)、式(13)、式(14)、式(15)、式(16)、式(17)、式(19)、式(20)、式(21)、式(22)、式(27)和式(36)；所述第一阶段的pv切换约束对应式(31)、式(32)和式(37)；所述第一阶段的等式约束对应式(5)、式(6)、式(7)、式(12)、式(18)、式(24)、式(25)、式(26)和式(28)；所述第二阶段的不等式约束对应式(23)；所述第二阶段的二阶锥约束对应式(9)、式(29)和式(35)。[0096]本方案还提供含可控光伏的配电网多时间尺度无功功率调度系统，根据上述的方法构建，包括：控制策略构建模块、模型构建模块、计算模块和指导模块；所述控制策略构建模块用于构建光伏发电逆变器模型的控制策略；所述模型构建模块用于构建配电网多时间尺度优化策略模型，所述配电网多时间尺度优化策略模型以网损最小为日前调度阶段的目标函数，以电压偏差最小为日内调度阶段的目标函数；所述模型构建模块还用于考虑光伏发电逆变器模型的切换来构建目标函数的约束条件；所述计算模块用于基于两阶段鲁棒优化模型求解配电网多时间尺度优化策略模型得到最优的光伏发电控制策略与光伏发电无功补偿量；所述指导模块用于基于最优的光伏发电控制策略与光伏发电无功补偿量指导日能源调度。[0097]为了应对光伏发电与负荷的不确定性，本方案建立了主动配电网的多时间尺度鲁棒优化模型，在日前阶段的鲁棒优化第一阶段为oltc、sc、pv逆变器无功补偿量和ess的优化策略，第二阶段svc的优化策略，不确定性为有功-无功协调的光伏出力和负荷的波动；将第一阶段oltc、sc、svc、ess的调度结果保留至日内阶段，并在日内阶段对pv逆变器的运行策略及无功补偿量进行重优化；本模型有针对性地对配电网各种快、慢动作的设备进行调度，协调pv逆变器策略，充分保障了配电网的安全运行。[0098]本发明与现有技术相比，具有如下的优点和有益效果：[0099]本发明提供的含可控光伏的配电网多时间尺度无功功率调度方法及系统，根据日前调度结果，以电压偏差最小为目标，建立日内优化模型，得到最优的pv控制策略与pv无功补偿量考虑到光伏发电带来的不确定性影响,然后采用ccg算法对上述模型进行求解；利用两阶段鲁棒优化技术求解最恶劣情况下的主动配电网优化策略，并考虑光伏发电逆变器的运行策略，能够更好的适应实际的配电网运行；本方案综合传统调压设备、储能元件和光伏发电的运行策略提出了一种主动配电网的两阶段鲁棒优化调度方法，以应对在光伏发电的不确定情况下，配电网电压偏差大、电压波动和网损较大等问题。附图说明[0100]为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。在附图中：[0101]图1为含可控光伏的配电网多时间尺度无功功率调度方法流程图；[0102]图2为pv逆变器四种控制策略示意图；[0103]图3为distflow潮流模型示意图；[0104]图4为多时间尺度优化模型框架示意图；[0105]图5为两阶段鲁棒优化的ccg法求解流程图；[0106]图6为实施例3的ieee33节点系统示意图；[0107]图7为实施例3光伏与负荷的预测波动曲线图；[0108]图8为实施例3sc和oltc的日前决策示意图；[0109]图9为实施例3中svc和ess的日前决策示意图；[0110]图10为实施例3中pv逆变器的日前决策示意图；[0111]图11为实施例3中光伏逆变器的无功输入示意图；[0112]图12为实施例3中pv逆变器的日内决策示意图；[0113]图13为实施例3中pv逆变器的调度结果示意图；[0114]图14为实施例3中三种场景的网损对比示意图；[0115]图15为实施例3中三种场景的电压对比示意图；[0116]图16为实施例3中两种优化方法的网损对比示意图；[0117]图17为实施例3中两种优化方法的电压对比示意图。具体实施方式[0118]为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。[0119]实施例1[0120]本实施例提供含可控光伏的配电网多时间尺度无功功率调度方法，如图1所示，包括步骤：步骤一：构建光伏发电逆变器模型的控制策略；[0121]步骤二：构建配电网多时间尺度优化策略模型，所述配电网多时间尺度优化策略模型以网损最小为日前调度阶段的目标函数，以电压偏差最小为日内调度阶段的目标函数；且配电网多时间尺度优化策略模型考虑光伏发电逆变器模型的切换来构建目标函数的约束条件；[0122]步骤四：基于两阶段鲁棒优化模型求解配电网多时间尺度优化策略模型得到最优的光伏发电控制策略与光伏发电无功补偿量；[0123]步骤五：基于最优的光伏发电控制策略与光伏发电无功补偿量指导日能源调度。[0124]如图2所示，所述光伏发电逆变器模型的控制策略包括：未采用控制方式策略、采用无功功率控制方式策略、采用有功功率限制方式策略和逆变器优化调度策略。[0125]所述未采用控制方式策略表示为：[0126]所述采用无功功率控制方式策略表示为：[0127]所述采用有功功率限制方式策略表示为：[0128]所述逆变器优化调度策略表示为：[0129]式中，ppv为光伏的最大出力；sg为光伏逆变器的视在功率；θ是光伏逆变器的功率因数角，qg为逆变器发出无功功率的最大值；qpv_out和ppv_out为光伏无功的实际出力和光伏有功的实际出力，qpv_out,max为光伏出力上限。[0130]鲁棒优化(robustoptimization,ro)实际上是在负荷和光伏发电的日前预测曲线上做出的优化策略，然而配电网在实际运行中总是会受到光伏或者负荷的突然波动影响，所以本文提出了一种多时间尺度多设备协调优化策略，旨在应对光伏发电和负荷的不确定性的同时保持电网的安全电压并且最大限度地减少网损；该优化策略框架如图4所示。[0131]日前调度阶段：日前优化调度旨在通过ro得到svc、ess、oltc和sc调度策略；在此阶段，光伏发电和负荷波动是在有限的时间间隔t内做出预测，并设置变化上下限它们可以在边界之间随机变化。[0132]与经典的多时间尺度优化调度方法不同，本方案在日前调度阶段，将传统的vvc设备加入调度的同时考虑光伏逆变器的模式切换。[0133]日内调度阶段：vvc设备的日前操作是在预测曲线的最坏条件下做出的策略。在日内阶段，光伏逆变器在较短的时间段内做出调度方案以稳定系统电压水平，应对光伏发电和负荷突发的波动。[0134]所述以网损最小为日前调度阶段的目标函数表示为：[0135]式中，f1是配网网损；iij,t为支路ij在t时刻的电流值；t为调度周期内的时段数；n为配电网的节点数；δt为调度间隔；[0136]以电压偏差最小为日内调度阶段的目标函数表示为：[0137]式中vref为参考电压值，取1.0p.u。[0138]所述约束条件包括：辐射状配电网支路潮流约束、节点电压约束、并联电容组约束、储能装置运行约束、静止无功补偿装置约束、有载调压器约束和光伏逆变器控制模式切换约束；[0139]所述辐射状配电网支路潮流约束为：[0140]distflow潮流模型如图3所示，对于配电网中的节点j，有：[0141][0142][0143][0144][0145][0146]式中，σ(j)表示以节点j为首节点的支路集合、π(j)表示节点j为末节点的支路集合；pij,t和qij,t分别表示支路ij流过的有功功率和无功功率；lij,t、rij,t和xij,t分别表示支路ij的电流的平方、电阻和电抗；vj,t、qj,t和pj,t分别为节点j的电压幅值、注入无功功率和有功功率；pg,j,t和qg,j,t为节点j所连接的分布式电源在t时刻发出的有功功率和无功功率；pch,j,t为节点j所连接的储能元件在t时刻的充电量；pdch,j,t为节点j所连接的储能元件在t时刻的放电量；qsc,j,t为节点j所连接的无功补偿电容组在t时刻的出力；qsvc,j,t为节点j所连接的svc在t时刻的出力；代表没有安装有载调压器的支路；代表安装有载调压器的支路；hij为支路ij上有载调压器的变比；[0147]所述节点电压约束为：[0148]式中，和分别为节点i的电压最小值和电压最大值；[0149]所述支路电流约束为：[0150]式中，是支路ij的电流最大值；[0151]所述并联电容组约束为：qsc,j,t＝ksc,j,tδqscꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(12)[0152][0153]式中，ksc,j,t是节点j在t时刻投切电容器的组数，δqsc是单台电容器的无功补偿量，和为节点j投切电容组的最小值和投切电容组的最大值；[0154]并联电容组只能分组投切，所以并联电容组的模型式(13)是一个离散的优化模型，通过下式转化为一个0-1整型规划的模型：[0155]式中，k根据可投切电容组具体安装组数进行确定，为j节点可投切电容组的投切组数的上限；[0156]ε1j(t)-ε2j(t)ksc,j≤ksc,j(t+1)-ksc,j(t)≤ε1j(t)ksc,j-ε2j(t)[0157]其中ε1j(t),ε2j(t)∈{0,1}ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(15)[0158]0≤ε1j(t)+ε2j(t)≤1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(16)[0159][0160]式中，ε1j(t)、ε2j(t)为二进制辅助变量，为可投切电容组的最大投切次数；[0161]所述储能装置运行约束为：[0162][0163][0164][0165]dch,j,t+ddch,j,t≤1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(21)[0166][0167]式(17)表示储能系统的电量约束，ej,t为t时刻节点j上所连接储能系统的电量；pch,j,t和pdch,j,t分别为相应的储能系统在t时段的充电功率和放电功率；ηch和ηdch分别为充电效率和放电效率；为保证在新的调度周期内电效率具有相同的调节能力，所以每一个调度周期的初始储能要相同；和分别是节点j的储能系统充电功率上限和放电功率上限；由于储能系统的充电和放电不能同时进行，故引入dch,j,t和ddch,j,t两个0-1变量以表示储能系统在t时段内只能处于充电、放电和不充不放3种状态其中之一；ejmax为节点j的储能系统的电量上限，考虑储能装置的使用寿命，将其实际充放电范围设定为20％-100％；[0168]所述静止无功补偿装置约束为：[0169]式中，和分别为静止无功补偿装置的上限和下限；qsvc,t为静止无功补偿装置的实际出力；t当前时间段；[0170]所述有载调压器约束为：有载调压器只能以其中一个档位运行，所以有载调压器的变比是一个离散的优化变量，n是有载调压器的档位数；因此，通过引入0-1二进制变量和大m法进行转化成为0-1规划问题；[0171][0172][0173][0174]式中，mij,k,t和hj,k,t分别为转化该问题的辅助变量；式(25)中的约束是两个互补条件，取令目标函数最优的条件；m为一个任意大的实数[0175]在一个调度周期内，有载调压器的档位调节次数会受到限制，即[0176][0177]式中，nt.max为一个调度周期内变压器投切的最大次数；n为变压器档位数。[0178]所述光伏逆变器控制模式切换约束为：[0179]光伏逆变器需要进行模式切换，因此需要对控制策略进行转化；[0180]未采用控制方式模型到采用无功功率控制方式模型的转化：[0181]ppv_out＝ppvꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(28)[0182][0183]-qpv_out,maxzg≤qpv_out≤qpv_out,maxzgꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(30)[0184]qpv_out,maxzg是一个连续变量和二进制变量所构成的非凸双线性项，于是用大m法将式(30)进行重新表述；[0185][0186]未采用控制方式模型到逆变器优化调度模型的转化：[0187]ppv(1-zf)≤ppv_out≤ppvꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(32)[0188][0189]-ppv_outzf≤qpv_out≤ppv_outzfꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(34)[0190]同理，ppv_outzf用大m法进行重新表述为；[0191][0192]-gpv_out≤qpv_out≤gpv_outꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(36)[0193][0194]对于具有未采用控制方式策略与采用无功功率控制方式策略切换能力的逆变器来说，zg＝0时表示为逆变器选择未采用控制方式策略运行，zg＝1表示为逆变器选择采用无功功率控制方式策略运行；对于具有四种策略切换能力的逆变器来说，zf＝0时表示为逆变器选择未采用控制方式策略运行，zf＝1表示为逆变器选择逆变器优化调度策略运行。[0195]日前调度阶段目标函数的约束条件包括：式(2)、式(3)、式(5)、式(29)、式(31)、式(32)、式(35)和式(37)；日内调度阶段目标函数的约束条件包括：式(2)、式(3)、式(5)、式(11)、式(28)、式(29)、式(30)、式(31)、式(35)和式(37)。[0196]传统的配电网两阶段鲁棒优化仅将负荷及光伏有功输出能力作为不确定性集合，未将pv逆变器的策略切换能力考虑到优化之中。实际上pv逆变器的运行策略会根据配电网实际情况而会有所不同。因此，建立一个既要考虑光伏出力不确定性又要考虑光伏运行策略切换的两阶段鲁棒优化模型就显得尤为重要。具体来说，将用于选择pv逆变器的二元变量z加入到ro的第一阶段变量之中，并令其在ro求解过程中总是受到新加入的列约束限制；[0197]于是，所述两阶段鲁棒优化模型为：[0198][0199]z＝{zj∈{0,1}，zg∈{0,1}}[0200]式中，[0201]式中，和为负荷波动的上下限。[0202]步骤四包括以下子步骤：[0203]步骤4.1：将鲁棒优化求解分为主问题和子问题，分别表述为第一阶段和第二阶段[0204]步骤4.2：将用于选择pv逆变器的二元变量z加入到鲁棒优化的第一阶段变量之中，并令其在鲁棒优化求解过程中总是受到新加入的列约束限制得到两阶段鲁棒优化模型；[0205]步骤4.3：利用ccg算法迭代求解主问题和子问题，直到主问题下限和子问题上限之间差距小于收敛判据，完成问题求解；其中利用强对偶定理和外逼近法将子问题转化为一个可求解的线性规划问题，以得到第二阶段的最优解。[0206]如图5所示，第一阶段的不等式约束ax≤b对应式(10)、式(11)、式(13)、式(14)、式(15)、式(16)、式(17)、式(19)、式(20)、式(21)、式(22)、式(27)和式(36)；第一阶段的pv切换约束zx≤z；z∈{0,1}对应式(31)、式(32)和式(37)；第一阶段的等式约束bx+iy+ju＝c对应式(5)、式(6)、式(7)、式(12)、式(18)、式(24)-式(26)和式(28)。第二阶段的不等式约束fy≤f对应式(23)；所述第二阶段的二阶锥约束||ky||2≤hy对应式(9)、式(29)、式(35)。[0207]实施例2[0208]本实施例基于含可控光伏的配电网多时间尺度能源调度系统，根据实施例1的方法构建，包括：控制策略构建模块、模型构建模块、计算模块和指导模块；所述控制策略构建模块用于构建光伏发电逆变器模型的控制策略；所述模型构建模块用于构建配电网多时间尺度优化策略模型，所述配电网多时间尺度优化策略模型以网损最小为日前调度阶段的目标函数，以电压偏差最小为日内调度阶段的目标函数；所述模型构建模块还用于考虑光伏发电逆变器模型的切换来构建目标函数的约束条件；所述计算模块用于基于两阶段鲁棒优化模型求解配电网多时间尺度优化策略模型得到最优的光伏发电控制策略与光伏发电无功补偿量；所述指导模块用于基于最优的光伏发电控制策略与光伏发电无功补偿量指导日能源调度。[0209]实施例3[0210]本实施例选择在如图6所示改进的ieee33节点系统中进行仿真计算，将根节点的电压设为1.0pu，其余节点电压在0.9-1.1之间；每条支路最大电流400a；分别在16号节点和31号节点分别安装7组电容器，每组无功容量75kvar和80kvar；在18号节点安装1组储能电池，容量为600kwh，充放电功率为120kw，充放电效率为90％；分别9号节点安装可在策略a和策略b之间切换的pv逆变器，在18号节点安装可在策略a和策略d之间切换的pv逆变器，分别在25和33号节点安装光伏逆变器控制策略a和策略c的pv逆变器。假设光伏的最大装机容量为200kw，逆变器视在功率为装机容量的105％，则它可以输出的最大无功为96kvar。16号节点和33号节点安装svc，补偿容量为-300kvar～300kvar。[0211]负荷和光伏预测曲线如图7所示，负荷的波动范围为[0.85-1.15]之间，光伏的波动范围为[0.85-1.15]之间。在配置为2.30ghz16.0gb、工作环境为windows10系统的电脑上，基于matlab平台编码，通过yalmip调用gurobi求解器对该算例进行求解；[0212]日前调度阶段：日前调度阶段首先是基于pv有功功率以及负荷需求的不确定区间，并同时考虑pv逆变器的控制策略，进行两阶段鲁棒优化，获取在该阶段pv逆变器控制策略下oltc、sc的档位以及pv逆变器、ess和svc的调度决策，决策结果如图8图9和图10所示；值得注意的是，日前调度决策是以4个小时为周期且仅保留第一个小时所求解得到的决策。由于pv逆变器将会在日内调度重新选择调度策略以应对一些突发状况，所以pv逆变器的日前调度策略也将被遗弃。[0213]日内调度阶段：在日内调度阶段，将基于日前调度的svc、ess、oltc和sc的策略，并在给定pv输出和负载需求的短期预测(时间尺度为15min)上对pv逆变器的模式和无功输出量进行调度。以am10:00-am11:00时刻为例，pv逆变器的无功出力如图11所示；25号节点和33号节点的pv逆变器设置分别为策略a和策略c，所以其输出的无功功率为0。[0214]日内调度96点的pv逆变器控制策略如图12所示，在日前调度中，9号节点的pv逆变器控制选择在策略b运行，而在日内调度中，18号节点的pv逆变器则选择策略d(调控范围最大方式)运行；四个pv逆变器(pv9、pv18、pv25和pv33)一天内有功输出p和无功输出q能力如图13所示。[0215]为验证日内对pv逆变器控制的有效性，现设置两种场景与pv逆变器参与日内调度场景做比照。第一种场景是pv逆变器在日内阶段不参与控制，其控制策略依旧按照日前调度所产生的控制策略参与配网运行，第二种场景是没有pv逆变器参与配网运行的场景。将这两种场景的优化结果与pv逆变器参与日内调度的结果分别如图14和图15所示。[0216]由调度结果可知，将pv逆变器加入日内调度阶段后，系统网损明显降低、电压也明显抬升、电能质量明显提高，验证了本文提出含可控光伏的配电网多时间尺度鲁棒优化的有效性。[0217]本实施例采用蒙特卡洛模拟进行多时间尺度鲁棒优化在不确定条件下的鲁棒性分析。采用正态分布随机生成200个日常场景，在场景生成中标准差负荷和光伏发电的标准差为5％。再从其中抽取最恶劣场景，将其调度结果加入日内预测曲线与多时间尺度鲁棒优化结果做对比。网损及电压对比结果如图16和图17所示，网损及电压平均值及电压偏差如表1所示。[0218]表1两种方法对比[0219]table1theresultsoftwocomparisonmethods[0220][0221]以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12当前第1页12