【技術實現步驟摘要】
本專利技術屬于微電網優化調度，尤其涉及一種配微電網的優化調度方法。
技術介紹
1、目前大量分布式能源迅速發展，新型電力系統中新能源的滲透率不斷加深，其波動性和間歇性為電網安全運行帶來巨大挑戰，消納高比例新能源的技術愈發重要。
2、微電網聚合地域鄰近的負荷和分布式能源設備，通過提高分布式新能源的就地消納率來提升微電網內部的能源自給率，降低整個微電網的用電需求，從而緩解配電網供電壓力，提高配電網運行安全性。同時微電網的優化配置能有效提高分布式新能源的消納水平，降低其對電網的沖擊。
3、隨著分布式能源的繼續發展以及負荷的快速增長，每個微電網均存在源荷二重性，即各微電網接入的新能源裝機容量、負荷用能特性均存在差異性。這種差異性使得微電網間的用能互補特性具有很大的挖掘潛力。多微電網系統是在同一配電網區域內地域鄰近的多個微電網互聯而成，通過多微電網之間的功率交互有效利用微電網的源荷二重性。但微電網之間雖然存在功率交互，但仍與外部電網存在功率交互，這個功率交互的需求會引起配電網的潮流波動，因此在考慮微電網優化調度的同時也需要考慮配電網的安全運行的需要。目前多數微電網調度研究，僅僅將配電網視作簡單的能源提供者，忽略了配電網網架的潮流運輸能力的限制。
技術實現思路
1、為解決現有技術存在的問題，本專利技術提出一種配微電網的優化調度方法。
2、本專利技術的技術方案如下：
3、一種配微電網的優化調度方法，所述配微電網包括由多個微電網組成的配電網，所述方法包
4、基于微電網源荷數據的源荷運行特征，對多個微電網進行相關于微網類型的劃分；
5、基于劃分結果，構建用于微電網之間交互的第一優化調度模型以及用于微電網與配電網之間交互的第二優化調度模型；所述第一優化調度模型以多哥微電網的總運行成本最小化為目標，并以考慮分布式電源的發電行為以及電動汽車的充電行的功率約束為約束條件，且以各微電網的運行策略為決策變量；所述第二優化調度模型以各微電網所接入的配電網的網損最小化為目標，并以安全運行約束為約束條件，且以配電網的運行策略為決策變量；
6、構建所述第一優化調度模型與第二優化調度模型之間的耦合約束，并在所述耦合約束下對所述第一優化調度模型和所述第二優化調度模型進行迭代求解，獲取各微電網的運行策略以及配電網的運行策略。
7、進一步地，基于微電網源荷數據的源荷運行特征，對多個微電網進行相關于微網類型的聚類的具體方法包括：
8、將每一微電網的電源出力數據和負荷數據按照同一排序規則生成電源出力向量和負荷向量，并計算所述電源出力向量與所述負荷向量之間的spearman秩相關系數；
9、計算所述電源出力數據和所述負荷數據之間的歐氏距離；
10、根據所述spearman秩相關系數和歐氏距離通過權重賦值法計算所述源荷數據的源荷匹配度；
11、判斷所述源荷匹配度是否滿足預設匹配值；若是，則將與所述源荷匹配度相對應的微電網的微網類型劃分為微網群體；否則，將與所述源荷匹配度相對應的微電網的微網類型劃分為獨立微網。
12、進一步地，第一優化調度模型的目標函數為：
13、
14、式中，fmg表示多微網的總運行成本；fgrid,i表示微電網mgi與配電網進行功率交互的費用；若微電網mgi被標記為所述微網群體，則fmg,i表示微電網mgi與其他微電網進行功率交互的費用；若微電網mgi被標記為所述獨立微網，則fmg,i為零；p1(t)和p2(t)分別表示微電網向配電網購電的價格和售電的價格；pgrid,b,i(t)和pgrid,s,i(t)分別表示微電網mgi從配電網購電的功率和售電的功率；δt表示調度單位時間間隔；pi,j(t)表示t時刻微電網mgi與微電網mgj的交互功率，若pi,j(t)為正，則微電網mgi向微電網mgj售電，反之為購電。
15、進一步地，考慮分布式電源的發電行為以及電動汽車的充電行的功率約束的表達式為：
16、pwt,i(t)+ppv,i(t)+x(t)pgrid,b,i(t)-pi,j(t)-[1-x(t)]pgrid,s,i(t)＝pload,i(t)
17、式中，pwt,i(t)和ppv,i(t)分別表示微電網mgi在t時刻的風電出力功率模型和光伏出力功率模型；x(t)表示0-1二進制變量，當微電網mgi向配電網購電時，x(t)為1，反之為0；pload,i(t)表示t時刻的負荷功率，pload,i(t)＝pmrc+pflex，pmrc表示充電負荷模型，pflex表示柔性負荷模型。
18、進一步地，所述充電負荷模型的獲取方法如下：
19、s41、根據電動汽車的開始充電時刻基于正態分布建立充電概率密度模型；
20、s42、根據電動汽車的停止充電時刻基于對數正態分布建立停充概率密度模型；
21、s43、根據電動汽車用戶的期望電量基于對數正態分布建立期望電量概率密度模型；
22、s44、通過蒙特卡洛抽樣法根據所述充電概率密度模型、停充概率密度模型以及期望電量概率密度模型進行計算，得到充電負荷模型。
23、所述風電出力功率模型和光伏出力功率模型的獲取方法如下：
24、光伏出力功率模型：
25、
26、式中，ppv(t)表示t時刻pv輸出功率；r(t)表示為t時刻的光照強度；rste表示標準環境下的光照強度；rc表示某個輻射點光照強度；prc表示pv額定功率。
27、風機出力功率模型：
28、
29、其中，pwt(t)表示風機在t時刻的輸出功率；prw表示風機額定功率；v(t)表示t時刻的風速；vr表示風機額定風速；von表示風機啟動風速；voff表示風機停機風速；
30、所述柔性負荷模型包括可平移負荷模型、可轉移負荷模型以及可削減負荷模型；
31、所述可平移負荷模型：
32、δpshift(t)＝fshift[t+δt(δδshift(t))]-fshift(t)；
33、
34、式中，δpshift(t)表示t時段需要平移的電功率，即可平移負荷模型；fshift(t)表示可平移負荷的初始負荷曲線；δt表示需要平移的時段；δδshift(t)表示t時段相關價格變化量，t為調度周期；
35、所述可轉移負荷模型：
36、δptrans(t)＝ftrans(δδ(t)，ptrans(t)，etrans(t))-ftrans(t)；
37、
38、式中，δptrans(t)表示t時段需要轉移的電功率，即可轉移負荷模型；ptrans(t)表示t時段的基礎轉移負荷；etrans(t)表示自轉移彈性系數；ftrans(t)表示可轉移負荷的初始負荷曲線；
39、所述可削減負荷模型：
40、δpcu本文檔來自技高網...
【技術保護點】
1.一種配微電網的優化調度方法，所述配微電網包括由多個微電網組成的配電網，其特征在于，所述方法包括：
2.根據權利要求1所述的配微電網的優化調度方法，其特征在于，所述基于微電網源荷數據的源荷運行特征，對多個微電網進行相關于微網類型的聚類的具體方法包括：
3.根據權利要求2所述的配微電網的優化調度方法，其特征在于，所述第一優化調度模型的目標函數為：
4.根據權利要求3所述的配微電網的優化調度方法，其特征在于，所述考慮分布式電源的發電行為以及電動汽車的充電行的功率約束的表達式為：
5.根據權利要求4所述的配微電網的優化調度方法，其特征在于，所述充電負荷模型的獲取方法如下：
6.根據權利要求5所述的配微電網的優化調度方法，其特征在于，所述第二優化調度模型的目標函數為：
7.根據權利要求6所述的配微電網的優化調度方法，其特征在于，所述安全運行約束包括配電網絡線路潮流約束、配電網運行的電壓約束、線路載流量約束和變電站輸出功率約束；
8.根據權利要求7所述的配微電網的優化調度方法，其特征在于，所述第一優化調度
9.根據權利要求8所述的配微電網的優化調度方法，其特征在于，所述在所述耦合約束下對所述第一優化調度模型和所述第二優化調度模型進行迭代求解，獲取各微電網的運行策略以及配電網的運行策略的具體步驟包括：
10.根據權利要求9所述的配微電網的優化調度方法，其特征在于，所述基于交替方向乘子法根據所述耦合約束將所述第一優化調度模型與所述第二優化調度模型進行解耦，并對解耦后的第一優化調度模型和第二優化調度模型分別進行迭代求解
...【技術特征摘要】
1.一種配微電網的優化調度方法，所述配微電網包括由多個微電網組成的配電網，其特征在于，所述方法包括：
2.根據權利要求1所述的配微電網的優化調度方法，其特征在于，所述基于微電網源荷數據的源荷運行特征，對多個微電網進行相關于微網類型的聚類的具體方法包括：
3.根據權利要求2所述的配微電網的優化調度方法，其特征在于，所述第一優化調度模型的目標函數為：
4.根據權利要求3所述的配微電網的優化調度方法，其特征在于，所述考慮分布式電源的發電行為以及電動汽車的充電行的功率約束的表達式為：
5.根據權利要求4所述的配微電網的優化調度方法，其特征在于，所述充電負荷模型的獲取方法如下：
6.根據權利要求5所述的配微電網的優化調度方法，其特征在于，所述第二優化調度模型的目標函數為：
...【專利技術屬性】
技術研發人員：倪俊，韓剛，董震威，王曉棟，吳衛民，王彥虹，沙宇晨，
申請(專利權)人：國網江蘇省電力有限公司無錫供電分公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。