一种提升有源配电网韧性的储能双层优化配置方法

本发明属于电力系统自动化，特别涉及一种提升有源配电网韧性的储能双层优化配置方法。

背景技术：

1、目前，有源配电网韧性提升策略主要包括规划阶段的灾前故障预防策略、抵御阶段的灾中故障响应策略以及恢复阶段的灾后故障恢复策略。灾前故障预防策略包括线路加固，植被管理，分布式资源与储能资源优化配置等。而灾后的故障恢复策略会涉及元件黑启动、网络重构、元件修复以及分散控制等策略。不论是针对灾前故障预防与灾后故障恢复的韧性提升方法都还存在种种不足，如灾前针对线路加固与分布式资源优化配置的方法，能有效提高有源配电网的冗余度，但由于极端事件难以预测的特点，无法针对性进行韧性提升，也无法对灾后有源配电网的动作进行准确刻画；灾后故障恢复策略能快速恢复极端事件后有源配电网的停电负荷，但是由于其依赖特定的故障场景而难以给灾前的资源配置给出指导性意见。现有的研究往往将灾前故障预防与灾后故障恢复视作相互独立的两个阶段，鲜有综合考虑两阶段耦合关系的储能优化配置策略。

2、同时，现有的储能配置策略主要分为固定储能设备的配置策略以及移动储能设备的配置和调度策略。移动储能虽然具有可调度的优势，但是其受道路交通中断与交通负荷的影响，极端事件场景下会受到限制。

技术实现思路

1、针对背景技术存在的问题，本发明提供了一种提升有源配电网韧性的储能双层优化配置方法。

2、为解决上述技术问题，本发明采用如下技术方案：一种提升有源配电网韧性的储能双层优化配置方法，包括：

3、生成典型故障场景；根据有源配电网节点数量、支路数量、支路连接方式、各负荷节点有功无功功率、各分布式电源出力上下限信息建立有源配电网数学模型，并生成典型故障场景；

4、针对得到的典型故障场景集，建立储能双层优化配置模型；包括外层储能配置模型以及内层故障恢复模型；

5、采用灰狼-粒子群混合算法与branch-and-cut算法求解储能双层优化配置模型，得到储能优化配置方案；

6、根据所得储能优化配置方案，在有源配电网数学模型中添加储能装置，针对特定极端事件场景评估储能配置方法带来的韧性评估效果。

7、在上述提升有源配电网韧性的储能双层优化配置方法中，生成典型故障场景利用k-means方法，具体方法如下：

8、对于有源配电网的功能函数s采用如下公式计算：

9、s＝ωloss∑ploss+ωlr∑lijrij                     (29)

10、式中，ωloss表示停电负荷的权重，σploss表示故障恢复后停电负荷量，ωlr表示网络损耗的权重，lij表示线路ij上电流幅值的平方，rij表示线路ij的电阻，σlijrij表示总网络损耗，取ωloss为0.9，ωlr为0.1；

11、对于有源配电网n-1型故障，遍历有源配电网所有线路，将其设置为故障线路，针对故障后的有源配电网进行故障恢复，计算有源配电网功能函数s，选取功能函数最大者作为典型的n-1型故障；

12、对于有源配电网n-2型故障，随机选取有源配电网中任意两条线路，生成n个故障场景，针对此n个故障场景，利用k-means聚类方法分别对故障点位置、停电负荷量、网络损耗量以及其加权平均值s进行聚类，求出各典型故障场景占总场景数的比例作为不同n-2型故障典型故障场景的权重。

13、在上述提升有源配电网韧性的储能双层优化配置方法中，建立双层优化模型的方法如下：

14、建立储能配置外层模型：

15、

16、式中，ωf.ess表示储能配置成本的权重，cess表示储能系统的容量，priceess表示储能配置的单价，ωf.loss表示外层模型中停电经济损失的权重，δt表示故障持续时间，priceload表示负荷停电经济损失，ωf.lr表示网络损耗权重，pricenetwork表示网络损耗带来的经济损失，invmax、invmin分别代表储能配置投资预算的最大值、最小值；取ωf.ess为0.33，ωf.loss为0.33，ωf.lr为0.33；

17、建立内层故障恢复模型，目标函数为：

18、minf＝(pricenetwork∑lijrij+priceload∑ploss)δt     (31)

19、其约束条件包括：

20、1)distflow潮流模型约束，其支路潮流方程包括：

21、

22、

23、

24、式中，vi表示节点i处的电压，zij表示支路ij的阻抗，iij表示支路ij上流过的电流，ε表示配电系统所有联通的支路集合，sij表示由节点i注入节点j的复功率，sj表示外界注入节点j的净复功率，可用如下的公式计算：

25、

26、式中，sdg.j表示节点j接入的分布式发电机组的出力；sdis.j表示节点j接入的处于放电状态的储能系统输出的功率；sload.j表示节点j处所接的负荷所消耗的功率；sch.j表示节点j接入的处于充电状态的储能系统吸收的功率，n表示配电网所有节点构成的集合；在distflow支路潮流模型中，式(4)采用欧姆定律表示节点间的电压约束关系，式(5)表示支路ij首端功率，式(6)表示节点j处功率平衡方程；

27、2)储能系统充电功率与放电功率在不同工作状态下的约束条件：

28、0≤ydis+ych≤1      (36)

29、

30、

31、式中，ydis、ych等于1时分别表示储能系统处于放、充电状态；pdis、pdis.max分别表示储能系统的输出功率以及最大输出功率；pch、pch.max分别表示储能系统的吸收功率以及最大吸收功率；

32、3)储能系统荷电状态约束：

33、

34、socmin≤soc≤socmax      (40)

35、式中，sock表示k时刻储能系统的荷电状态，ηch表示储能系统充电效率，ηdis表示储能系统放电效率，socmin和socmax分别表示储能系统荷电量的上下限值；

36、4)传统机组出力约束：

37、pdg.jmin≤pdg.j≤pdg.jmax (41)

38、qdg.jmin≤qdg.j≤qdg.jmax (42)

39、式中，pdg.j、pdg.jmax、pdg.jmin分别表示节点j接入的分布式发电机组的有功功率及其上下限值；qdg.j、qdg.jmax、qdg.jmin分别表示节点j接入的分布式发电机组的无功功率及其上下限值；

40、5)节点电压约束：

41、vj.min≤vj≤vj.max (43)

42、式中，vj.max、vj.min分别表示节点j处电压的上下限值；

43、6)支路电流及支路功率约束：

44、

45、

46、式中，sij.max、表示支路ij功率的上下限值；iij.max、iij.min分别表示支路ij处电流的上下限值；yij表示支路ij的通断状态，yij＝1表示支路ij为联通状态；

47、7)配电网拓扑约束：

48、网络重构后保持辐射状的开环运行：

49、

50、

51、

52、式中，约束(18)表示最终生成的网络结构中，节点数n与支路数σyij的数量关系，是辐射状约束的必要条件；约束(19)中，αij是表征支路ij上节点i和节点j的功率流动的关系变量，若功率从节点i流向节点j，则αij＝1，此时称i为j的父节点，反之为0；约束(20)表示除1号节点以外，其余节点均必须存在一个父节点。

53、在上述提升有源配电网韧性的储能双层优化配置方法中，求解双层优化配置模型的方法如下：

54、s1.线性化内层模型的非线性等式约束包括约束(5)和约束(6)；

55、s2.线性化内层模型的非线性不等式约束包括约束(8)-(10)、约束(16)-(17)；

56、s3.初始化灰狼-粒子群混合算法的参数，包括算法的种群数、最大迭代次数、速度更新的学习因数以及随机的储能配置初始方案；

57、s4.将储能配置初始方案带入线性化后的内层模型，针对所述典型故障场景，利用branch-and-cut算法分别进行故障恢复计算，将得到的停电负荷、网络损耗与节点电压偏差传递到外层模型；

58、s5.计算外层函数的目标函数值，根据目标函数值进行速度更新，灰狼-粒子群混合算法的速度更新公式如下：

59、

60、式中，表示第k+1次迭代粒子i的速度，c1、c2、c3为算法的固定参数，在本发明中c1为0.6，c2为0.3，c3为0.1，r1、r2、r3为每次迭代的随机参数，分别表示狼群中α,β,δ三个个体的位置，表示第k+1次迭代粒子i的位置；

61、s6.判断是否达到最大迭代次数，若是，则输出储能配置方案；否则，将第k+1次迭代粒子i的位置作为新的储能配置方案，重复s4-s6。

62、在上述提升有源配电网韧性的储能双层优化配置方法中，所述线性化内层模型的非线性等式约束包括约束具体操作方法如下；

63、s1.1.引入新变量lij与vj，使其满足：

64、lij＝|iij|2 vj＝|vj|2        (50)

65、s1.2.将新变量带入约束(6)，可得到式(23-24)

66、

67、

68、s1.3.将新变量带入约束(5)，可得到式(25)

69、

70、s1.4.将式(25)的等号放缩为不等号，得到标准的二阶锥约束式(26)，完成非线性等式约束的线性化与二阶锥松弛；

71、

72、在上述提升有源配电网韧性的储能双层优化配置方法中，所述线性化的内层模型的非线性不等式约束的具体操作方法包括：

73、将约束(8)-(10)以及约束(16)-(17)转化为式(27)、式(28)，完成非线性不等式约束的线性化：

74、

75、

76、在上述提升有源配电网韧性的储能双层优化配置方法中，所述采用灰狼-粒子群混合算法与branch-and-cut算法求解储能双层优化配置模型的方法具体为：在matlab软件中，利用yamlip工具箱建立线性化后的目标函数与约束条件模型，采用cplex软件求解内层模型；在matlab软件中，编写灰狼-粒子群算法程序，求解外层模型。

77、在上述提升有源配电网韧性的储能双层优化配置方法中，所述特定极端事件场景指预设的由极端事件引发的有源配电网多条线路断线故障。

78、与现有技术相比，本发明的有益效果：

79、1.采用随机故障场景生成与基于k-means的场景缩减方法选择典型故障场景，可有效反映典型故障，为优化配置提供针对性场景；

80、2.建立内层故障恢复与外层储能配置的双层优化模型，可有效统合灾前资源配置阶段与灾后故障恢复阶段有源配电网工作状态，精确刻画有源配电网面对极端事件的防御措施，优化储能配置方案；

81、3.利用灰狼-粒子群算法求解外层模型，可兼顾灰狼算法与粒子群算法到的优势，达到收敛速度快与收敛到最优解的目标；

82、4.利用二阶锥松弛与big-m法进行约束线性化，可将内层模型转化为使用数学方法求解的混合整数二阶锥规划，使模型的优化结果具有数学理论基础。