一种考虑源荷耦合的模糊优化调度方法、系统及设备与流程

本发明涉及配网调度，尤其涉及一种考虑源荷耦合的模糊优化调度方法、系统及设备。

背景技术：

1、随着科技与经济的发展，居民的用电需求日益提高，主动配电网是在配电网中引入主动控制机制，是未来智能配电网实现对大量接入的分布式能源进行主动管理的有效解决方案，但是光伏、风机等间歇性分布式电源出力的随机性为其参与配网调度运行带来了极大的挑战，有间歇性分布式电源参与的电网在用电峰值时承受的较大压力与电网在用电谷值时的供电能力闲置成为亟待解决的问题。

技术实现思路

1、本发明提供了一种考虑源荷耦合的模糊优化调度方法、系统及设备，以解决电网在用电峰值时承受压力较大与电网在用电谷值时的供电能力闲置的配网调度的技术问题。

2、为了解决上述技术问题，本发明实施例提供了一种考虑源荷耦合的模糊优化调度方法，包括：

3、获取光伏储能和柔性负荷的历史数据；

4、基于获取的历史数据构建考虑光伏储能和柔性负荷的调度模型，确定调度模型的目标函数和约束条件；

5、针对光伏储能、柔性负荷的不确定性对调度模型进行模糊优化，确定模糊优化模型的目标函数，调整调度模型中的约束条件为模糊机会约束条件，以得到模糊优化模型；其中，光伏储能采用梯形隶属度函数进行模糊优化处理，柔性负荷采用三角隶属度函数进行模糊优化；

6、构建置信度的目标函数，并基于动量法迭代得到小于预设置信度阈值的优化置信度；其中，所述置信度的目标函数包括经济性指标和稳定性指标；

7、将得到的优化置信度输入模糊优化模型以得到模糊优化调度结果，根据模糊优化调度结果对电网进行调度。

8、这样，通过对常规的调度模型进行改进，梯形隶属度和三角隶属度模糊优化了光伏和柔性负荷还有与之相关的部分约束条件，考虑到光伏储能、柔性负荷的不确定性对调度模型进行模糊优化。引入置信度概念控制风险，调整其部分约束条件为模糊机会约束，利用动量法对置信度进行优化，得到兼具经济性和稳定性的模糊优化模型。改善了主动配电网调度中有关柔性负荷和光伏不确定的带来的问题，采用梯形、三角隶属度函数，使得模糊优化模型更加客观准确，提高了调度的安全可靠性。

9、作为优选方案，所述确定调度模型的目标函数，具体为：

10、

11、

12、其中，feco为总成本，为运营维护成本，为柔性负荷调度运行成本，为弃光成本，为配电网购电成本，是进行负荷消减的运行成本，是进行负荷平移的运行成本，为光伏发电极端出力情况下的弃光成本。

13、这样，配电网调度模型的目标函数从经济性指标方面考虑，以各经济调度成本最优为目标函数。

14、作为优选方案，所述确定调度模型的约束条件，具体为：确定调度模型的功率平衡约束、潮流约束、储能系统约束、荷电状态约束和柔性负荷约束，其中，所述柔性负荷约束包括可消减负荷约束和可平移负荷约束。

15、确定调度模型的潮流约束、储能系统约束、荷电状态约束和柔性负荷约束，具体为：潮流约束包括节点处电压上下限约束和电流上下限约束；储能系统约束包括充电状态上下限约束和放电状态上下限约束；荷电状态约束包括节点处的荷电状态上下限约束；柔性负荷约束包括单个节点进行负荷消减的负荷功率最大约束和单个节点进行负荷平移的负荷功率最大约束。

16、作为优选方案，所述确定调度模型的功率平衡约束，具体为：

17、

18、其中，为节点时刻经过需求响应过后的总负荷，为节点时刻初始用电总负荷，为节点时刻进行需求响应所消减的负荷，为节点时刻进行需求响应所转移出的负荷，为节点时刻上级节点供电的功率，为节点时刻产电功率，通常为负值，为节点时刻光伏设备接入功率，为节点时刻储能系统放电功率，为节点时刻储能系统充电功率。

19、所述确定调度模型的潮流约束，具体为：

20、

21、其中，是在时刻节点产生的有功功率，是在时刻节点产生的无功功率，为在时刻从节点流向下级节点的有功功率，、为在时刻从节点流向下级节点的无功功率，为时刻从上级节点流向节点的有功功率，为时刻从上级节点流向节点的无功功率，为时刻流入节点的有功功率，为时刻流入节点的无功功率，为节点和节点传输线路之间的电阻值，为节点和节点传输线路之间的电抗值，为时刻节点的电压，为时刻节点的电压，为时刻节点和节点传输线路之间的电流，为节点电压的最大值，为节点电压的最小值，为节点和节点传输线路之间的电流最大值。

22、所述确定调度模型的储能系统约束，具体为：

23、

24、其中，为表征储能系统是否充电的二进制变量，为表征储能系统是否放电的二进制变量，为节点时刻储能系统放电功率，为节点时刻储能系统充电功率，为储能系统在节点处的充电功率最小值，为储能系统在节点处的充电功率最大值，为储能系统在节点处的放电功率最小值，为储能系统在节点处的放电功率最大值。

25、所述确定调度模型的荷电状态约束，具体为：

26、

27、其中，为储能系统在节点处时刻的自放电率，为储能电站的充电效率，为储能电站的放电效率，为节点处储能系统总容量，为节点在时刻的荷电状态，为节点的荷电状态最小值，为节点的荷电状态最大值，为运行周期。

28、所述确定调度模型的柔性负荷约束中的可消减负荷约束，具体为：

29、

30、其中，为单个节点进行负荷消减的负荷功率最大值，为判断节点在时刻是否进行负荷消减的二进制变量，为单个节点在一个周期内所进行负荷消减的最大次数，为节点在时刻进行单位功率负荷消减所补偿的成本。

31、所述确定调度模型的柔性负荷约束中的可平移负荷约束，具体为：

32、

33、其中，为节点在时刻平移入该节点的负荷功率，为节点在时刻平移出该节点的负荷功率，为单个节点进行负荷平移的负荷功率最大值，为判断节点在时刻是否进行负荷平移的二进制变量，为节点在时刻进行单位功率负荷平移所补偿的成本。

34、作为优选方案，所述光伏储能采用梯形隶属度函数表达，具体为：

35、

36、其中，ppv是光伏储能的模糊表达式，、、、为光伏储能梯形隶属度函数的四个参数，、、、是计算梯形隶属度函数的系数，由历史数据确定，为时刻光伏的预测值。

37、这样，由于预测与实际情况存在误差，故光伏预测出力并不一定小于等于实际调度值，故存在弃光情况，所以根据不同弃光情况对光伏的模糊隶属度函数做出调整。不同于现有技术中的随机优化方法和鲁棒优化方法，这两种方法都对统计信息有着较高要求，而本发明隶属度函数可以在一定程度上避免对统计信息的高要求，适用性更强。

38、所述柔性负荷采用三角隶属度函数表达，具体为：

39、

40、其中，pflex是柔性负荷的模糊表达式，、、为柔性负荷三角隶属度函数的三个参数，、、是计算三角隶属度函数的系数，由历史数据确定，为时刻柔性负荷的预测值。

41、这样，先确定光伏出力情况，再确认柔性负荷调度方案,即柔性负荷不同于光伏出力，不能认为其一段区间内的出力都属于良好出力情况，故柔性负荷的模糊隶属度函数选择为三角隶属度函数。

42、作为优选方案，所述确定模糊优化模型的目标函数，具体为：

43、feco，min=c1+c2,min+c3,min

44、c1=cgrid

45、

46、c3,min=

47、其中，feco，min为最小总成本，为运营维护成本，为最小柔性负荷调度运行成本，为最小弃光成本，为配电网购电成本，是进行负荷消减的最小运行成本，是进行负荷平移的最小运行成本。

48、这样，将模糊化的约束条件解模糊，运用清晰等价类转换来解模糊得到确定的表达形式，考虑置信水平大于0.5的情况，得到转换后的最小弃光成本，考虑置信水平、大于0.5的情况，得到转换后的最小柔性负荷调度成本。

49、所述调整调度模型中的约束条件为模糊机会约束条件，具体为：调整功率平衡约束为模糊机会约束，计算式为:

50、

51、其中，为节点时刻初始用电总负荷，为节点时刻上级节点供电的功率，为节点时刻光伏设备接入功率，pflex，i（t）为节点时刻柔性负荷。

52、作为优选方案，所述获取光伏储能和柔性负荷的历史数据，具体为：

53、获取历史光伏发电量信息、历史配网负荷信息、历史各时间段的电价信息、柔性负荷各类型负荷分布信息、柔性负荷各类型负荷历史出力信息以及历史用电负荷量信息。

54、这样，还对获取的数据进行预处理:包括数据平衡处理，数据清洗处理和数据平滑处理，可以减少数据不平衡、错误值、噪音影响，得到切实、可用的数据。

55、作为优选方案，所述构建置信度的目标函数，具体为：

56、

57、其中，为经济性指标，为稳定性指标，为经济性指标的加权权重，为稳定性指标的加权权重，为置信度，其取值范围为0.5到1。

58、这样，置信度的大小反应了对风险的预期大小，置信度越小则系统对风险的预期越大，越趋向于保守以提高系统稳定性，间接导致经济成本上升，故一个合适的置信度对整体的模型优化是一个重要参数。

59、所述并基于动量法迭代得到小于预设置信度阈值的优化置信度，具体为：

60、

61、<θ1

62、其中，为第次迭代得到的置信度，为每一次迭代的步长，为第次迭代由指数加权移动平均得到的动量，为在次迭代后的置信度处的梯度，为指数加权移动平均设置的超参数，为迭代前后置信度变化量，θ1为预设置信度阈值。

63、这样，利用过去累积的梯度元素与当前迭代步骤的梯度元素进行加权运算，使其朝着最优解更快收敛，可以通过震荡更小的、路径更直接的方式实现收敛过程，更快得到所述优化置信度。

64、本发明还提供了一种考虑源荷耦合的模糊优化调度系统，包括获取模块、构建模块、模糊优化模块、置信度模块和调度模块；

65、其中，所述获取模块，用于获取光伏储能和柔性负荷的历史数据；

66、所述构建模块，用于基于获取的历史数据构建考虑光伏储能和柔性负荷的调度模型，确定调度模型的目标函数和约束条件；

67、所述模糊优化模块，用于针对光伏储能、柔性负荷的不确定性对调度模型进行模糊优化，确定模糊优化模型的目标函数，调整调度模型中的约束条件为模糊机会约束条件，以得到模糊优化模型；其中，光伏储能采用梯形隶属度函数进行模糊优化，柔性负荷采用三角隶属度函数进行模糊优化；

68、所述置信度模块，用于构建置信度的目标函数，并基于动量法迭代得到小于预设置信度阈值的优化置信度；其中，所述置信度的目标函数包括经济性指标和稳定性指标；

69、所述调度模块，用于将得到的优化置信度输入模糊优化模型以得到模糊优化调度结果，根据模糊优化调度结果对电网进行调度。

70、本发明还提供了一种终端设备，包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如上述一种考虑源荷耦合的模糊优化调度方法。

71、本发明还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被计算机调用并执行，实现如上述一种考虑源荷耦合的模糊优化调度方法。

72、相比于现有技术，本发明实施例具有如下有益效果：

73、本发明实施例通过对常规的调度模型进行改进，梯形隶属度和三角隶属度模糊优化了光伏和柔性负荷还有与之相关的部分约束条件，由于光伏预测与实际情况存在误差而导致的弃光情况，同时，柔性负荷在一段区间内并不都属于良好出力的情况，综合考虑光伏储能、柔性负荷的不确定性对调度模型进行模糊优化。

74、引入置信度概念控制风险，调整其部分约束条件为模糊机会约束，利用动量法对置信度进行优化，得到兼具经济性和稳定性的模糊优化模型。改善了主动配电网调度中有关柔性负荷和光伏不确定的带来的问题，采用梯形、三角隶属度函数，使得模糊优化模型更加客观准确，克服了现有技术电网在用电峰值时承受压力较大与电网在用电谷值时的供电能力闲置的问题，提高了调度的安全性以及供电的可靠性。

75、本发明实施例在一定程度上克服了在数据难以准确获取情况下，主动配电网调度中有关柔性负荷和光伏不确定的带来的问题，通过清晰等价类转换，提高了模型求解的速度，减少了模型求解的难度，利用动量法对置信度进行优化，通过震荡更小的、路径更直接的方式实现收敛过程。