(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202110045867.9
(22)申请日 2021.01.14
(71)申请人 华北电力大学
地址 102200 北京市昌平区回龙观
(72)发明人 张丽婧 毛安家
(74)专利代理机构 北京沃知思真知识产权代理
有限公司 11942
代理人 王妮
(51)Int.Cl.
G06Q 10/04(2012.01)
G06Q 10/06(2012.01)
G06Q 50/06(2012.01)
G06N 3/00(2006.01)
H02J 3/28(2006.01)
H02J 3/38(2006.01)
(54)发明名称
方法
(57)摘要
本发明公开了一种含分布式储能的主动配
电网优化调度方法，属于电网调度优化技术领
域，该优化调度方法具体步骤如下：(1)获取数
(4)进行分布式储能的协调优化；(5)构建主动配
MOPSO算法，作为模型算法工具，在充分考虑用户
用电方式和用电费用支付满意度指标的基础上
建立主动配电网优化调度模型，并利用HTL ‑
MOPSO算法对模型求解，有利于降低经济成本和
系统网络损失。权利要求书2页 说明书6页 附图1页CN 112734116 A 2021.04.30
C N 112734116
A
1.一种含分布式储能的主动配电网优化调度方法，其特征在于，该优化调度方法具体步骤如下：
(1)获取数据：获取主动配电网的网络拓扑结构，以及获取风力发电系统、光伏发电系统、储能系统和可控负荷的基本信息数据；
(2)构建优化算法：以粒子算法和教学算法为基本理论基础，并结合已有的领导粒子选择策略，构建出一种HTL‑MOPSO算法，作为模型算法工具；
(3)进行储能选址定容：对步骤(1)中的基本信息进行分析，以最小化储能配置运行综合经济成本和电压偏差为目标函数，考虑配电网安全和稳定运行约束条件，建立了分布式储能在主动配电网中的优化配置模型，将优化配置模型转换为双层优化模型，在外层进行储能选址定容方案的优化，在内层中进行典型工作日内系统的运行优化，最后采用步骤(2)中的HTL‑MOPSO算法进行模型求解，实现了合理的储能选址定容；
(4)进行分布式储能的协调优化：在步骤(1)主动配电网的网络拓扑结构不变的情况下，以日前调度中可控分布式电源和分布式储能计划出力为决策变量建立经济环境优化调度模型，根据worst‑case理论中的鲁棒多目标优化理论，将经济环境优化调度模转换为鲁棒经济环境调度模型，并利用步骤(2)中的HTL‑MOPSO算法对鲁棒经济环境调度模型进行求解；
(5)构建主动配电网优化调度模型：在充分考虑用户用电方式和用电费用支付满意度指标的基础上建立主动配电网优化调度模型，并利用步骤(2)中的HTL‑MOPSO算法对主动配电网优化调度模型进行求解，实现了主动配电网协调优化调度。
2.根据权利要求1所述的一种含分布式储能的主动配电网优化调度方法，其特征在于，步骤(1)所述基本信息包括负荷数据、决策变量与状态变量的约束条件、风电预测数据、预测误差、储能配置约束条件、储能能量转移公式和储能充放电约束条件。
3.根据权利要求1所述的一种含分布式储能的主动配电网优化调度方法，其特征在于，步骤(2)所述HTL‑MOPSO算法的具体计算流程如下：
S1：设置算法的所有参数：包括种P规模N、精英档案集规模N_arv、PSO搜索策略中的参数、TLBO搜索策略中的参数，以及参数INV；
S2：初始化种P中所有粒子的位置及速度、个体最优以及全局最优；
S3：基于非支配解的概念获取种P中的非支配解，并存入精英档案集arv中；
S4：根据HTL‑PSO搜索策略并结合领导粒子选择策略更新种P中所有个体的位置；获取种P更新后的非支配解nd_x并判断其是否需要存入精英档案集arv中；
S5：判断精英档案集arv是否需要删减，若需要删减，执行S6；反之，执行S7；
S6：采用循环拥挤排序策略进行精英档案集筛选；
S7：变异操作，若种中所有粒子速度小于阀值Vlimt，对种P进行多项式变异；反之，跳到S8；
S8：判断迭代次数是否达到最大值，若达到，输出精英档案集的个体；反之跳至S4。
4.根据权利要求1所述的一种含分布式储能的主动配电网优化调度方法，其特征在于，步骤(5)中目标函数有：
①最小化负荷的峰谷差F：
minF＝(max(Q)‑min(Q)) (1)
式中，Q为负荷调度周期内用户用电量时间序列，一般为24小时内负荷分布数据；
②基于分时电价的需求侧响应成本C
C rou (t)＝p 0(t)*d 0(t)‑p(t)*d(t) (2)
式中，p 0为t时刻原始电价，d 0(t)为原始电价p 0(t)时负荷需求，p(t)为需求侧响应后t 时刻调整电价，d(t)为电价为p(t)时的最优需求侧响应后的负荷需求量；
③配电网优化调度的经济目标表达式为：
C rou (t)＝p 0(t)*d 0(t)‑p(t)*d(t) (3)。
5.根据权利要求1所述的一种含分布式储能的主动配电网优化调度方法，其特征在于，步骤(5)中约束条件如下：
①负荷峰谷期的电价上下限约束为：
p off ‑peak ≤p peak ≤p max
(4)p min ≤p valley ≤p off ‑peak (5)
②峰谷电价比满足约束条件为：
③将用户用电方式满意度指标M S 和电费支出满意度指标M P 作为用电侧参与需求响应的约束条件：
④用电方式满意度：
⑤电费支出满意度：
式中，d 0(t)和d(t)分别为不参与需求响应时和参与电价响应后t时段内的负荷量，C 0(t)和C(t)分别为不参与需求响应前和参与电价响应后t时段内的购电费用，当m p，pin 为1时用户参与需求响应前后整个T时间段内费用支出不变。
一种含分布式储能的主动配电网优化调度方法
技术领域
[0001]本发明涉及电网调度优化技术领域，尤其涉及一种含分布式储能的主动配电网优化调度方法。
背景技术
[0002]经检索，中国专利号CN104734200B公开了一种基于虚拟发电的主动配电网优化调度方法，该方法所使用的算法没有考虑到新能源接入电网带来的不确定性，容易造成系统网络损失和经济成本增加；主动配电网可以采用调控手段自主调节分布式发电(DG)、储能装置(ESS)、柔性负荷(FL)等分布式能源，并根据配电网的实际运行状态自适应调节其网络结构、发电单元及负荷，来达到配电网安全和经济运行的目标；目前，随着化石能源的短缺和自然环境的不断恶化，以风电和光伏为代表的可再生能源得到了迅速发展，近年来在配电网中的比率逐渐升高，如何协调主动配电网内多种分布式能源、储能装置以及主动负荷，并有效参与到当前电力市场中，从而改善配电网电压水平、减小配电网运行成本，成为亟待解决的问题；因此发明出一种含分布式储能的主动配电网优化调度方法变得尤为重要：[0003]现有的配电网优化调度方法大多都是针对传统配电网进行优化调度，其没有考虑有功功率与无功功率的耦合，也没有考虑新能源接入电网带来的不确定性，容易造成系统网络损失和经济成本增加，为此，我们提出一种含分布式储能的主动配电网优化调度方法。
发明内容
[0004]本发明的目的是为了解决现有技术中存在的缺陷，而提出的一种含分布式储能的主动配电网优化调度方法。
[0005]为了实现上述目的，本发明采用了如下技术方案：
[0006]一种含分布式储能的主动配电网优化调度方法，该优化调度方法具体步骤如下：[0007](1)获取数据：获取主动配电网的网络拓扑结构，以及获取风力发电系统、光伏发电系统、储能系统和可控负荷的基本信息数据；
[0008](2)构建优化算法：以粒子算法和教学算法为基本理论基础，并结合已有的领导粒子选择策略，构建出一种HTL‑MOPSO算法，作为模型算法工具；
[0009](3)进行储能选址定容：对步骤(1)中的基本信息进行分析，以最小化储能配置运行综合经济成本和电压偏差为目标函数，考虑配电网安全和稳定运行约束条件，建立了分布式储能在主动配电网中的优化配置模型，将优化配置模型转换为双层优化模型，在外层进行储能选址定容方案的优化，在内层中进行典型工作日内系统的运行优化，最后采用步骤(2)中的HTL‑MOPSO算法进行模型求解，实现了合理的储能选址定容；
[0010](4)进行分布式储能的协调优化：在步骤(1)主动配电网的网络拓扑结构不变的情况下，以日前调度
中可控分布式电源和分布式储能计划出力为决策变量建立经济环境优化调度模型，根据worst‑case理论中的鲁棒多目标优化理论，将经济环境优化调度模转换为鲁棒经济环境调度模型，并利用步骤(2)中的HTL‑MOPSO算法对鲁棒经济环境调度模型进行
求解；
[0011](5)构建主动配电网优化调度模型：在充分考虑用户用电方式和用电费用支付满意度指标的基础上建立主动配电网优化调度模型，并利用步骤(2)中的HTL ‑MOPSO算法对主动配电网优化调度模型进行求解，实现了主动配电网协调优化调度。
[0012]优选的，步骤(1)所述基本信息包括负荷数据、决策变量与状态变量的约束条件、风电预测数据、预测误差、储能配置约束条件、储能能量转移公式和储能充放电约束条件。
[0013]优选的，步骤(2)所述HTL ‑MOPSO算法的具体计算流程如下：
[0014]S1：设置算法的所有参数：包括种P规模N、精英档案集规模N_arv、PSO搜索策略中的参数、TLBO搜索策略中的参数，以及参数INV；
[0015]S2：初始化种P中所有粒子的位置及速度、个体最优以及全局最优；
[0016]S3：基于非支配解的概念获取种P中的非支配解，并存入精英档案集arv中；
[0017]S4：根据HTL ‑PSO搜索策略并结合领导粒子选择策略更新种P中所有个体的位置；获取种P更新后的非支配解nd_x并判断其是否需要存入精英档案集arv中；
[0018]S5：判断精英档案集arv是否需要删减，若需要删减，执行S6；反之，执行S7；
[0019]S6：采用循环拥挤排序策略进行精英档案集筛选；
[0020]S7：变异操作，若种中所有粒子速度小于阀值Vlimt，对种P进行多项式变异；反之，跳到S8；
[0021]S8：判断迭代次数是否达到最大值，若达到，输出精英档案集的个体；反之跳至S4。
[0022]优选的，步骤(5)中目标函数有：
[0023]①最小化负荷的峰谷差F：
[0024]minF＝(max(Q)‑min(Q)) (1)
[0025]式中，Q为负荷调度周期内用户用电量时间序列，一般为24小时内负荷分布数据；
[0026]②基于分时电价的需求侧响应成本C
[0027]C rou (t)＝p 0(t)*d 0
(t)‑p(t)*d(t) (2)[0028]式中，p 0为t时刻原始电价，d 0(t)为原始电价p 0(t)时负荷需求，p(t)为需求侧响应后t时刻调整电价，d(t)为电价为p(t)时的最优需求侧响应后的负荷需求量；
[0029]③配电网优化调度的经济目标表达式为：
[0030]C rou (t)＝p 0(t)*d 0
(t)‑p(t)*d(t) (3)。[0031]优选的，步骤(5)中约束条件如下：
[0032]①负荷峰谷期的电价上下限约束为：
[0033]p off ‑peak ≤p peak ≤p max
(4)[0034]p min ≤p valley ≤p off ‑peak
(5)[0035]②峰谷电价比满足约束条件为：
[0036]
[0037]③将用户用电方式满意度指标M S 和电费支出满意度指标M P 作为用电侧参与需求响应的约束条件：
[0038]
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议