一种分布式新能源配电网的优化调度方法、系统及设备
阅读：415发布：2020-05-08
专利汇可以提供一种分布式新能源配电网的优化调度方法、系统及设备专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种分布式新 能源 配 电网 的优化调度方法，本发明针对最大供 电能 力 下含分布式新能源电源配电网优化调度问题，建立考虑分布式新能源出力不确定性的电网调度双层模型，采用KKT条件将下层配电网出力成本最低模型转为线性约束条件，进而将双层优化模型转变为 单层 线性优化问题，采用变步长方式增加负荷量直至达到最大负荷量，最终得到最大负载能力下考虑分布式新能源出力不确定性的配电网优化调度方案,本发明考虑了考虑电力市场环境下的配电网供电最低成本以及新能源出力不确定性最差情况，从而得到配电网供电能力最大时的电网优化调度方案，并且简化了计算过程，大大提高了计算效率，在实际应用中具有指导性意义。，下面是一种分布式新能源配电网的优化调度方法、系统及设备专利的具体信息内容。
1.一种分布式新能源配电网的优化调度方法，其特征在于，包括以下步骤：
步骤S1：获取现有的电力系统的相关参数；
步骤S2：基于电力系统的相关参数建立基于分布式新能源出力不确定性的电网优化调度双层模型，并将双层模型转化为单层线性模型；
步骤S3：由各节点用电商上报的用电量确定电力系统中各个节点的负荷值，根据负荷值求解单层线性模型，判断其是否存在可行解；
步骤S4：若存在可行解，在上一次求解的负荷基础上以步长h增加各节点的负荷量，重新执行步骤S3；
若不存在可行解，在上一次求解的负荷基础上以步长h/2增加各节点的负荷量，重新执行步骤S3；当步长的值小于预设值ε时执行步骤S5；
步骤S5：根据单层线性模型求解得到的潮流分布结果以及各节点负荷之和，输出配电网供电能力最大时的电网优化调度方案。
2.根据权利要求1所述的一种分布式新能源配电网的优化调度方法，其特征在于，电力系统的相关参数包括电力系统结构、线路参数、电力市场中的电价以及新能源出力不确定性参数。
3.根据权利要求2所述的一种分布式新能源配电网的优化调度方法，其特征在于，新能源出力不确定性参数采用保守性可控的不确定集合进行表示。
4.根据权利要求1所述的一种分布式新能源配电网的优化调度方法，其特征在于，在步骤S2中，基于分布式新能源出力不确定性的电网优化调度双层模型的包括下层电网出力成本最低模型以及上层新能源出力不确定性最差情况模型；
下层电网出力成本最低模型的目标函数为最小化电网出力成本，上层新能源出力不确定性最差情况模型的目标函数为新能源出力不确定性最差情况下的惩罚电价。
5.根据权利要求4所述的一种分布式新能源配电网的优化调度方法，其特征在于，在步骤S2中，并将双层模型转化为单层线性模型的具体步骤如下：
采用Karush-Kuhn-Tucker条件将下层电网出力成本最低模型转换为线性约束条件，将线性约束条件作为上层新能源出力不确定性最差情况模型的线性约束条件，从而将双层模型转变为单层线性模型。
6.根据权利要求1所述的一种分布式新能源配电网的优化调度方法，其特征在于，在步骤S4中，对各个节点负荷量进行增加时，各个节点负荷量所能达到的最大值为电网的最大负载值。
7.根据权利要求1所述的一种分布式新能源配电网的优化调度方法，其特征在于，基于分布式新能源出力不确定性的电网优化调度双层模型的目标函数为：
式中，Nng为分布式新能源电源的数量，T为调度时段， 新能源出力与预期出力相差的惩罚电价， 为新能源电源i在t时刻的出力与预期的偏差绝对值； 为t时刻主网的购电电价， 为t时刻配电网从主网购电的购电量；NTDG为配电网中传统的分布式电源的数量； 为传统分布式电源的发电成本， 为传统分布式机组的发电量,对于燃煤机组和燃气机组， 为 的二次函数。
8.一种分布式新能源配电网的优化调度系统，其特征在于，包括相关参数确定模块、双层模型模块、单层线性模型转换模块以及模型求解模块；
所述相关参数确定模块用于确定电力系统的相关参数；
所述双层模型模块用于基于电力系统的相关参数建立基于分布式新能源出力不确定性的电网优化调度双层模型；
所述单层线性模型转换模块用于将基于分布式新能源出力不确定性的电网优化调度双层模型转换为单层线性模型；
所述模型求解模块用于确定电力系统中各个节点的负荷值，根据负荷值求解单层线性模型，得到配电网供电能力最大时的电网优化调度方案。
9.根据权利要求8所述的一种分布式新能源配电网的优化调度系统，其特征在于，所述系统还包括储存模块。
10.一种分布式新能源配电网的优化调度设备，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1～7中任意一项所述的一种分布式新能源配电网的优化调度方法。
一种分布式新能源配电网的优化调度方法、系统及设备
技术领域
[0001] 本发明涉及电网优化调度技术领域，尤其涉及一种分布式新能源配电网的优化调度方法、系统及设备。
背景技术
[0002] 随着环境问题的不断恶化与可再生能源技术的发展，以风能、太阳能为代表的可再生能源在配电网中接入的比例不断增加。随着高比例的分布式可再生能源接入电力系统，其特有的不确定性与波动性对电网的安全稳定运行带来了极大的挑战。因此，考虑新能源出力不确定性最差的情况下配电网的优化调度问题具有重要经济意义。此外，准确地计算含高渗透率分布式可再生能源配电网的最大供电能力可以保证配电网的安全稳定运行。特别是随着电力市场化改革的推进，保障配电网在市场环境下以最大供电能力运行具有良好的经济意义。
[0003] 国内外学者对未考虑可再生能源并网的传统配电网已进行了大量研究。对于含高渗透率分布式新能源电源的配电网，目前的研究重点在于考虑新能源出力不确定性对电网安全稳定运行带来的影响。许多研究通过对分布式新能源的不确定性进行建模，再采用场景分析法或鲁棒分析对系统调度进行优化。虽然也有一些研究考虑了新能源出力不确定性对电网调度的经济性带来的影响，但是缺少考虑最大供电能力下新能源出力不确定性带来的经济影响。此外，在现有的双层调度模型中，上下层模型之间的变量与约束条件之间存在复杂的耦合关系，为模型求解带来了很大的挑战。因此采用合适的算法对双层模型的优化调度问题进行求解十分重要。
[0004] 综上所述，现有技术中对分布式新能源电源的配电网调度优化时，存在着缺少考虑最大供电能力下新能源出力不确定性带来的影响的技术问题。
发明内容
[0005] 本发明提供了一种分布式新能源配电网的优化调度方法、系统及设备，解决了现有技术中对分布式新能源电源的配电网调度优化时，存在着缺少考虑最大供电能力下新能源出力不确定性带来的影响的技术问题。
[0006] 本发明提供的一种分布式新能源配电网的优化调度方法，包括以下步骤：
[0007] 步骤S1：获取现有的电力系统的相关参数；
[0008] 步骤S2：基于电力系统的相关参数建立基于分布式新能源出力不确定性的电网优化调度双层模型，并将双层模型转化为单层线性模型；
[0009] 步骤S3：由各节点用电商上报的用电量确定电力系统中各个节点的负荷值，根据负荷值求解单层线性模型，判断其是否存在可行解；
[0010] 步骤S4：若存在可行解，在上一次求解的负荷基础上以步长h增加各节点的负荷量，重新执行步骤S3；
[0011] 若不存在可行解，在上一次求解的负荷基础上以步长h/2增加各节点的负荷量，重新执行步骤S3；当步长的值小于预设值ε时执行步骤S5；
[0012] 步骤S5：根据单层线性模型求解得到的潮流分布结果以及各节点负荷之和，输出配电网供电能力最大时的电网优化调度方案。
[0013] 优选的，电力系统的相关参数包括电力系统结构、线路参数、电力市场中的电价以及新能源出力不确定性参数。
[0014] 优选的，新能源出力不确定性参数采用保守性可控的不确定集合进行表示。
[0015] 优选的，在步骤S2中，基于分布式新能源出力不确定性的电网优化调度双层模型的包括下层电网出力成本最低模型以及上层新能源出力不确定性最差情况模型；
[0016] 下层电网出力成本最低模型的目标函数为最小化电网出力成本，上层新能源出力不确定性最差情况模型的目标函数为新能源出力不确定性最差情况下的惩罚电价。
[0017] 优选的，在步骤S2中，并将双层模型转化为单层线性模型的具体步骤如下：
[0018] 采用Karush-Kuhn-Tucker条件将下层电网出力成本最低模型转换为线性约束条件，将线性约束条件作为上层新能源出力不确定性最差情况模型的线性约束条件，从而将双层模型转变为单层线性模型。
[0019] 优选的，在步骤S4中，对各个节点负荷量进行增加时，各个节点负荷量所能达到的最大值为配电网的最大负载值。
[0020] 优选的，基于分布式新能源出力不确定性的电网优化调度双层模型的目标函数为：
[0021]
[0022] 式中，Nng为分布式新能源电源的数量，T为调度时段， 新能源出力与预期出力相差的惩罚电价， 为新能源电源i在t时刻的出力与预期的偏差绝对值； 为t时刻主网的购电电价， 为t时刻配电网从主网购电的购电量；NTDG为配电网中传统的分布式电源的数量； 为传统分布式电源的发电成本， 为传统分布式机组的发电量,对于燃煤机组和燃气机组， 为 的二次函数。
[0023] 一种分布式新能源配电网的优化调度系统，包括相关参数确定模块、双层模型模块、单层线性模型转换模块以及模型求解模块；
[0024] 所述相关参数确定模块用于确定电力系统的相关参数；
[0025] 所述双层模型模块用于基于电力系统的相关参数建立基于分布式新能源出力不确定性的电网优化调度双层模型；
[0026] 所述单层线性模型转换模块用于将基于分布式新能源出力不确定性的电网优化调度双层模型转换为单层线性模型；
[0027] 所述模型求解模块用于确定电力系统中各个节点的负荷值，根据负荷值求解单层线性模型，得到配电网供电能力最大时的电网优化调度方案。
[0028] 优选的，所述系统还包括储存模块。
[0029] 一种分布式新能源配电网的优化调度设备，包括处理器以及存储器；
[0030] 所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0031] 所述处理器用于根据所述程序代码中的指令执行上述的一种分布式新能源配电网的优化调度方法。
[0032] 从以上技术方案可以看出，本发明具有以下优点：
[0033] 本发明实施例针对最大供电能力下含分布式新能源电源配电网优化调度问题，建立考虑分布式新能源出力不确定性的电网调度双层模型，采用KKT条件将下层配电网出力成本最低模型转为线性约束条件，进而将双层优化模型转变为单层线性优化问题，采用变步长方式增加负荷量直至达到最大负荷量，最终得到最大负载能力下考虑分布式新能源出力不确定性的配电网优化调度方案,本发明考虑了考虑电力市场环境下的配电网供电最低成本以及新能源出力不确定性最差情况，从而得到配电网供电能力最大时的电网优化调度方案，在实际应用中具有指导性意义。
[0034] 本发明的另一个实施例具有一下优点：
[0035] 本发明实施例针对新能源出力不确定性，采用不确定集进行描述，对于考虑新能源出力最差情况下基于电力市场考虑的优化调度双层模型，通过KKT条件将其转变为单层模型，大大简化了求解过程，提高了计算效率。附图说明
[0036] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0037] 图1为本发明实施例提供的一种分布式新能源配电网的优化调度方法、系统及设备的方法流程图。
[0039] 图3为本发明实施例提供的一种分布式新能源配电网的优化调度方法、系统及设备的设备结构图。
[0040] 图4为本发明实施例提供的一种分布式新能源配电网的优化调度方法、系统及设备的配电网系统结构图。
[0041] 图5为本发明实施例提供的一种分布式新能源配电网的优化调度方法、系统及设备的配电网初始的调度方案图。
[0042] 图6为本发明实施例提供的一种分布式新能源配电网的优化调度方法、系统及设备的配电网最大供电能力的调度方案图。
具体实施方式
[0043] 本发明实施例提供了一种分布式新能源配电网的优化调度方法、系统及设备，用于解决的现有技术中对分布式新能源电源的配电网调度优化时，存在着缺少考虑最大供电能力下新能源出力不确定性带来的影响的技术问题。
[0044] 为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0045] 传统配电网由于大量分布式电源的接入，其结构由辐射状变为含源网络。含源网络中分布式新能源电源的不确定性对配电网的安全稳定运行带来了很大的挑战。某些情况下，可再生能源出力的随机性会成为配电网不确定性的主要来源。因此，考虑新能源出力不确定性最差的情况下配电网的最大供电能力具有重要的实际意义。此外，随着电力市场改革的不断推进，研究配电网如何在最大供电能力下尽可能多地利用清洁能源，并以最低的发电成本进行调度也具有显著的经济意义。本发明实施例基于上述考虑，提出一种最大供电能力下含分布式新能源电源配电网优化调度方法。
[0046] 实施例1
[0047] 请参阅图1，图1为本发明实施例提供的一种分布式新能源配电网的优化调度方法、系统及设备的方法流程图。
[0048] 本发明提供的一种分布式新能源配电网的优化调度方法，包括以下步骤：
[0049] 步骤S1：获取现有的电力系统的相关参数，为后续步骤中建立模型做准备；
[0050] 步骤S2：基于电力系统的相关参数建立基于分布式新能源出力不确定性的电网优化调度双层模型，并将双层模型转化为单层线性模型；将双层模型转化为单层线性模型，从而将对双层模型转化为对单层模型进行求解，简化了求解过程，避免进行复杂的耦合运算。
[0051] 步骤S3：由各节点用电商上报的用电量确定电力系统中各个节点的负荷值，根据负荷值求解单层线性模型，判断其是否存在可行解；
[0052] 步骤S4：若存在可行解，在上一次求解的负荷基础上以步长h增加各节点的负荷量，重新执行步骤S3；
[0053] 若不存在可行解，在上一次求解的负荷基础上以步长h/2增加各节点的负荷量，重新执行步骤S3；当步长的值小于预设值ε时执行步骤S5；
[0054] 步骤S5：根据单层线性模型求解得到的潮流分布结果以及各节点负荷之和，输出配电网供电能力最大时的电网优化调度方案。
[0055] 作为一个优选的实施例，电力系统的相关参数包括电力系统结构、线路参数、电力市场中的电价以及新能源出力不确定性参数。
[0056] 作为一个优选的实施例，新能源出力不确定性参数采用保守性可控的不确定集合进行表示。
[0057] 记系统中新能源电源i出力的最大值为 期望为 标准差为σi，t，新能源出力与期望的最大偏差值为 给定风险系数αi，t，则新能源出力的不确定集为：
[0058]
[0059]
[0060]
[0061] 其中 与 为1时，分别代表新能源出力高于预期功率和低于预期功率，为0时则表示不高于与不低于预期功率。Γ表示保守性系数，数值越大调度方案的鲁棒性越强。通过调整Γ值的大小，可以得到风险性不同的配电网模型。相较于传统的基于历史信息求取新能源出力的概率分布函数的方法，本发明采用的方法仅需考虑新能源出力的期望与方差，因而具有更强的可实施性。
[0062] 作为一个优选的实施例，在步骤S2中，基于分布式新能源出力不确定性的电网优化调度双层模型的包括下层电网出力成本最低模型以及上层新能源出力不确定性最差情况模型；
[0063] 下层电网出力成本最低模型的目标函数为最小化电网出力成本，上层新能源出力不确定性最差情况模型的目标函数为新能源出力不确定性最差情况下的惩罚电价。
[0064] 作为一个优选的实施例，在步骤S2中，并将双层模型转化为单层线性模型的具体步骤如下：
[0065] 采用Karush-Kuhn-Tucker条件将下层电网出力成本最低模型转换为线性约束条件，将线性约束条件作为上层新能源出力不确定性最差情况模型的线性约束条件，从而将双层模型转变为单层线性模型。
[0066] 在下层模型中，在任意时刻配电网中任意相连的节点i,j间的潮流需满足线路潮流约束：
[0067] -Pij，max≤Pij，t≤Pij，max
[0068] 电力网络中任意节点i在任意时刻都应满足功率平衡约束：
[0069]
[0070] 式中 为t时刻i节点的新能源发电量， 为t时刻i节点的传统分布式电源的发电量，Pmi，t为t时刻流入节点i的有功，Pin，t为t时刻流出节点i的有功， 为t时刻i节点的负荷量。分布式电源的出力要满足最大最小出力限制与爬坡速率限制：
[0071]
[0072] 式中 与 分别为传统分布式机组出力的上下限， 与 分别为爬坡功率的上下限。
[0073] 在确定了模型的约束条件后，采用了KKT条件将下层模型转换为线性约束条件。对于优化问题中的不等式约束g≥0，KKT条件会引入互补松弛变量λ，增加下述约束条件：
[0074]
[0075] 通过引入变量σ∈{0，1}和无穷大的数M，可以将全部不等式约束转换为：
[0076]
[0077] 下层电网出力成本最低的KKT条件作为上层新能源出力不确定性最差情况模型的线性约束条件，下层模型的min问题被转换成了上层模型的max问题的约束条件，原来的双层优化模型变为了单层优化模型，其求解过程被极大简化。
[0078] 作为一个优选的实施例，在步骤S4中，对各个节点负荷量进行增加时，各个节点负荷量所能达到的最大值为电网的最大负载值。当达到配电网的最大负载值时，则不再增加节点的负荷量。
[0079] 作为一个优选的实施例，基于分布式新能源出力不确定性的电网优化调度双层模型的目标函数为：
[0080]
[0081] 式中，Nng为分布式新能源电源的数量，T为调度时段， 新能源出力与预期出力相差的惩罚电价， 为新能源电源i在t时刻的出力与预期的偏差绝对值； 为t时刻主网的购电电价， 为t时刻配电网从主网购电的购电量；NTDG为配电网中传统的分布式电源的数量； 为传统分布式电源的发电成本， 为传统分布式机组的发电量,对于燃煤机组和燃气机组， 为 的二次函数。
[0082] 如图2所示，一种分布式新能源配电网的优化调度系统，包括相关参数确定模块201、双层模型模块202、单层线性模型转换模块203以及模型求解模块204；
[0083] 所述相关参数确定模块201用于确定电力系统的相关参数；
[0084] 所述双层模型模块202用于基于电力系统的相关参数建立基于分布式新能源出力不确定性的电网优化调度双层模型；
[0085] 所述单层线性模型转换模块203用于将基于分布式新能源出力不确定性的电网优化调度双层模型转换为单层线性模型；
[0086] 所述模型求解模块204用于确定电力系统中各个节点的负荷值，根据负荷值求解单层线性模型，得到配电网供电能力最大时的电网优化调度方案。
[0087] 作为一个优选的实施例，所述系统还包括储存模块205，储存模块205用于将得到的配电网供电能力最大时的电网优化调度方案进行储存，以便后期进行调用。
[0088] 如图3所示，一种分布式新能源配电网的优化调度设备30，所述设备包括处理器300以及存储器301；
[0089] 所述存储器301用于存储程序代码302，并将所述程序代码302传输给所述处理器；
[0090] 所述处理器300用于根据所述程序代码302中的指令执行上述的一种分布式新能源配电网的优化调度的方法中的步骤。
[0091] 示例性的，所述计算机程序302可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器301中，并由所述处理器300执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序302在所述终端设备30中的执行过程。
[0092] 所述终端设备30可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器300、存储器301。本领域技术人员可以理解，图3仅仅是终端设备30的示例，并不构成对终端设备30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
[0093] 所称处理器300可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0094] 所述存储器301可以是所述终端设备30的内部存储单元，例如终端设备30的硬盘或内存。所述存储器301也可以是所述终端设备30的外部存储设备，例如所述终端设备30上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器301还可以既包括所述终端设备30的内部存储单元也包括外部存储设备。所述存储器301用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器301还可以用于暂时地存储已经输出或者将要输出的数据。
[0095] 实施例2
[0096] 在本实施例中，对改进的ieee33节点配电网系统进行优化调度。配电网的结构见附图4。在图4的配电系统中，节点13与节点21含有风电设备，装机容量为96MW。节点25含有光伏设备，装机容量为50MW。节点22与节点32含有传统分布式电源，为燃煤机组。节点1与主网相连，通过节点1，配电网可以与主网之间进行购电或售电操作。
[0097] 应用本发明实施例的算法，首先确定了在调度时段中，电力市场中主网的电价与新能源惩罚电价(20$/MW)。24小时内的主网电价如下：
[0098]
[0099] 对风电与光伏的不确定性集合进行了构建，保守性系数Г为8，风险系数αi，t取值为0.64。随后，根据式4构建了系统的调度模型。在调度模型中，下层约束满足功率平衡约束条件，线路上允许流过的最大潮流记为1000MW，22节点的传统机组出力的上下限为220MW与50MW，爬坡速率为150MW/h，32节点的出力上下限为15MW与150MW，爬坡速率为105MW/h。采用某配电网的真实负荷数据作为初始值，负荷的增长步长为初始数据的0.02倍，精度为初始数据的0.01倍，将上述负荷数据带入约束条件。利用YALMIP建模后，通过Gurobi求解器对上述模型进行求解，得到初始条件下的调度方案见图5。
[0100] 从图5中可以看出，考虑最差出力情况下，本模型中风机1在8、9、10与21时刻出现了风力的缺失，风机2在8、9、10与11时刻出现了风力缺失，光伏出力没有出现缺失。说明在电价较高且新能源出力预期最高的时刻出现弃光弃风等现象时对系统的经济性带来的影响最大。因此，为了保证调度的经济性，在这些时刻应尽量保证分布式新能源电源的安全稳定运行。总体看来，由于新能源出力的成本与主网购电的成本相比可以忽略不计，应尽可能的保证新能源出力全部接入配电网中。在电价较高的7、8、9、10、11时刻，两台燃煤机组均以最大出力运行，由于燃煤机组2的边际成本与燃煤机组1相比较低，在随后的12到15时刻，燃煤机组2依旧以最大出力运行，而燃煤机组1以最小出力运行。在晚间电价相对较高的时刻，燃煤机组2以最大出力运行而机组1以最小出力运行。上述过程说明分布式机组会对电力市场中的电价做出显著的响应，通过在电价较高时刻增加自身出力，在电价较低时刻减少出力的逻辑以获得最大利润。因此，在高渗透率分布式电源的配电网中，在满足安全性的前提下，电价作为反映电力资源稀缺性的指标对分布式电源的出力具有决定性作用。当负荷水平达到原始负荷水平的1.145倍时配电网达到最大供电能力，此时的调度方案见图6。可以看出，在最大供电能力下风机1,2在8、9、10时刻出现了风电的缺失，在18、19时刻风机1出力高于预期。对于传统燃煤机组，其变化趋势与图5的趋势类似，但在18、19、20时刻机组2以最大出力工作，边际成本较高的机组1出力有所增加，这说明在配电网的安全约束与最大出力约束下，在高负荷需求时只能通过增加成本较高的机组1出力满足负荷量的需求。
[0101] 从上述分析可以看出，本发明提出了一种计及电网供电能力的含分布式新能源配电网优化调度方法，针对新能源出力不确定性，采用不确定集进行描述。对于考虑新能源出力最差情况下基于电力市场考虑的优化调度双层模型，通过KKT条件将其转变为单层模型，简化了求解过程。通过实例证明了利用本算法能对配电网的调度方案进行优化。
[0102] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0103] 在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0104] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0105] 另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0106] 所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0107] 以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 档位管理方法、装置、设备与计算机可读存储介质 | 2020-05-08 | 1031 |
| 一种投资能力鉴定方法、装置及非暂存性计算机可读存储介质 | 2020-05-08 | 251 |
| 基于供应商材料信息的装修工程报价系统 | 2020-05-12 | 524 |
| 一种生理润眼仪 | 2020-05-13 | 189 |
| 一种基于安卓虚拟机修改的有效测试框架 | 2020-05-11 | 771 |
| 智能开锁系统及其开锁方法 | 2020-05-13 | 886 |
| 细粒度分类 | 2020-05-14 | 836 |
| 基于燃气机组的能源市场调度方法、系统和存储介质 | 2020-05-13 | 856 |
| 一种基于互联网的共享打印（扫描）设备及系统 | 2020-05-08 | 974 |
| 一种方控信号模拟装置 | 2020-05-12 | 514 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈