一种基于虚拟发电的主动配电网优化调度方法
阅读：1019发布：2020-10-19
专利汇可以提供一种基于虚拟发电的主动配电网优化调度方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于虚拟发电的主动配 电网 优化调度方法，包括下述步骤：(1)建立优化调度目标函数；(2)获得优化调度目标函数的约束条件；约束条件包括：系统负荷平衡约束，系统旋转备用约束，常规机组与需求侧资源的技术出 力 限制，常规机组爬坡约束，常规机组最小运行时间和最小停运时间约束，需求侧最大连续受控时间约束，用电方式满意度约束；(3)根据优化调度目标函数以及约束条件并通过基于启发式规则的离散粒子群 算法 来逐个时段的确定所有机组的启停状态；(4)在完成所有机组各个时段启停状态的计算之后，在已知启停状态的 基础 上，对每一个机组在按照约束条件的基础上进行经济分配；从而实现主动配电网优化调度。，下面是一种基于虚拟发电的主动配电网优化调度方法专利的具体信息内容。
1.一种基于虚拟发电的主动配电网优化调度方法，其特征在于，包括下述步骤：
(1)建立优化调度目标函数；以系统发电运行成本最低为目标建立第一目标函数F1，以污染物排放总当量数最小为目标建立第二目标函数F2；
(2)获得所述优化调度目标函数的约束条件；所述约束条件包括：系统负荷平衡约束，系统旋转备用约束，常规机组与需求侧资源的技术出力限制，常规机组爬坡约束，常规机组最小运行时间和最小停运时间约束，需求侧最大连续受控时间约束，用电方式满意度约束；
(3)将需求侧响应等效为一台虚拟发电机，根据所述优化调度目标函数以及所述约束条件并通过基于启发式规则的离散粒子群算法来逐个时段的获得所有机组的启停状态；
(4)根据所有机组的启停状态，并通过基于启发式规则的连续粒子群算法对每一个机组在按照所述约束条件的基础上进行经济分配；并根据经济分配的结果以及所有机组各个时段的最终启停状态和出力大小调配各机组的出力，实现主动配电网优化调度；
步骤(1)中，所述第一目标函数为：
所述第二目标函数为：
其中，F1表示系统发电运行成本；T表示调度周期时间；NG表示常规机组总台数；fi(PGi(t))＝Ai×PGi(t)2+Bi×PGi(t)+Ci，fi表示第i台常规机组运行成本；PGi表示第i台常规机组的输出功率；Si表示第i台常规机组启停成本；ui(t)及ui(t-1)分别表示第i台机组当前时刻与前一时刻的启停状态；fDR表示需求侧响应补偿总金额；fDR(PDR(t))＝dDR×PDR(t)，PDR表示需求侧调节功率，即虚拟发电功率；uDR(t)表示虚拟发电当前时刻的启停状态；Ai、Bi及Ci表示第i台常规机组的运行参数； Shi表示第i台常规机组热启动
成本；Sci表示第i台常规机组冷启动成本；Ti.off.min表示第i台常规机组允许的最小持续停运时间；Ti.off表示第i台常规机组在某时段之前已经持续停机的时间，若该机组之前是开机状态，则为0；Ti,cs表示常规机组i的冷启动时间；dDR为需求侧减小每千瓦时电量所补偿的金
2
额；F2表示污染物排放总当量数；gi(PGi(t))＝ai×PGi(t)+bi×PGi(t)+ci，gi表示第i台常规机组的污染物排放当量；ai、bi及ci表示第i台常规机组的污染排放系数。
2.如权利要求1所述的主动配电网优化调度方法，其特征在于，步骤(2)中，所述系统负荷平衡约束为 其中，NDG表示分布式电源种类数；PDGj(t)
表示第j种分布式电源t时刻出力；PL(t)表示t时刻的负荷功率；
所述系统旋转备用约束为 其中，PGi,max
表示第i台常规机组最大技术出力；PDR,max表示最大可用的需求侧调节负荷；PRL表示系统旋转备用需求； 表示系统为应对分布式电源的出力不确定性而新增的备用容量，考虑分布式电源功率100％概率区间的不确定性，此处PDGj即为第j种分布式电源出力；
所述常规机组与需求侧资源的技术出力限制为 PGi,min、PGi,max分
别表示第i台常规机组最小、最大技术出力；
所述常规机组爬坡约束为 其中Pi(t)和Pi(t-1)分别表示当前时刻
与前一时刻第i台常规机组的输出功率；rui和rdi分别表示第i台常规机组功率上升速率和下降速率；
所述常规机组最小运行时间和最小停运时间约束为 其中，Ti,on表示第i台常规机组连续运行时间；Ti,off表示第i台常规机组连续停运时间；Ti,on,min表示第i台常规机组允许的最小持续运行时间；
所述需求侧最大连续受控时间约束为TDR≤TDR，max，其中，TDR表示需求侧受控时间；TDR，max表示需求侧允许的最大连续受控时间；
所述用电方式满意度约束为 其中ms表示用电方式满意度；ms,min表示
允许的最小用电方式满意度， 表示在一个调度周期T内，优化前后每一时段电量的改变量绝对值的和； 表示在一个调度周期T内，优化前总的用电量。
一种基于虚拟发电的主动配电网优化调度方法
技术领域
[0001] 本发明属于主动配电网优化调度技术领域，更具体地，涉及一种基于虚拟发电的主动配电网优化调度方法。
背景技术
[0002] 分布式电源、柔性负荷和新型储能系统的大规模接入，以及现代电力电子装置在电网中的广泛应用，使配电网在系统结构和运行方式上都发生了一系列变化。主动配电网作为综合控制分布式能源(DG、柔性负荷和储能)的配电网系统，在整个配电网层面对分布式能源进行管理，不仅关注局部的自主控制，同时也关注整个配电网全局的优化协调，为解决分布式能源的大规模集中接入提供了新思路。主动配电网源网荷三者的协调配合，如何有效地一体化协调发电侧、电网侧和负荷侧的可调度资源，从而取得安全、经济与环境效益的最优，并实现配电网安全可靠、优质高效运行，是当前亟需解决的问题。
[0003] 现阶段主动配电网优化调度的研究，多是针对分布式电源、电动汽车及储能系统的调度研究，或是单独针对需求侧响应策略的研究。个别研究了基于需求侧响应的风电消纳模型以及建立了含风电系统日前发电计划的混合整数规划模型，并利用ILOG/CPLEX商业软件进行求解，缺乏对常规机组、分布式电源(主要包含风电、光伏发电)、需求侧响应以及用户用电满意度的综合优化调度方法的研究。本发明提出综合运用虚拟发电及主动配电网技术，将负荷侧的需求响应资源等效为虚拟发电资源，并作为虚拟机组参与电力平衡调节。同时根据风电及光伏发电的出力预测曲线，结合常规机组，建立了综合分布式电源、需求侧资源及常规机组的多目标优化模型，将调度问题转化为机组组合问题，并利用改进后的双重粒子群算法进行了求解。算例表明在满足较高的用户用电方式满意度的基础上，此调度方法可有效减小配电网发电运行成本及环境污染，并可有效减小负荷峰谷差。
发明内容
[0004] 针对现有技术的以上缺陷或改进需求，本发明提供了一种基于虚拟发电的主动配电网优化调度方法，其目的在于运用虚拟发电思想将负荷侧的需求响应资源等效为虚拟发电资源，作为虚拟机组参与电力平衡调节，并利用改进双重粒子群法求解，实现主动配电网资源的优化配置，由此解决主动配电网中同时考虑常规机组、分布式电源、需求侧响应以及用户用电满意度时，优化计算速度较慢导致难以快速进行调度控制的技术问题。
[0005] 本发明提供了一种基于虚拟发电的主动配电网优化调度方法，包括下述步骤：
[0006] (1)建立优化调度目标函数；以系统发电运行成本最低为目标建立第一目标函数F1，以污染物排放总当量数最小为目标建立第二目标函数F2；
[0007] (2)获得所述优化调度目标函数的约束条件；所述约束条件包括：系统负荷平衡约束，系统旋转备用约束，常规机组与需求侧资源的技术出力限制，常规机组爬坡约束，常规机组最小运行时间和最小停运时间约束，需求侧最大连续受控时间约束，用电方式满意度约束；
[0008] (3)将需求侧响应等效为一台虚拟发电机，根据所述优化调度目标函数以及所述约束条件并通过基于启发式规则的离散粒子群算法来逐个时段的获得所有机组的启停状态；
[0009] (4)根据所有机组的启停状态，并通过基于启发式规则的连续粒子群算法对每一个机组在按照所述约束条件的基础上进行经济分配；并根据经济分配的结果以及所有机组各个时段的最终启停状态和出力大小调配各机组的出力，实现主动配电网优化调度。
[0010] 更进一步地，步骤(1)中，所述第一目标函数为：
所述第二目标函数为：
所述第二目标函数为：
[0011] 其中，F1表示系统发电运行成本；T表示调度周期时间；NG表示常规机组总台数；fi(PGi(t))＝Ai×PGi(t)2+Bi×PGi(t)+Ci，fi表示第i台常规机组运行成本；PGi表示第i台常规机组的输出功率；Si表示第i台常规机组启停成本；ui(t)及ui(t-1)分别表示第i台机组当前时刻与前一时刻的启停状态；fDR表示需求侧响应补偿总金额；fDR(PDR(t))＝dDR×PDR(t)，PDR表示需求侧调节功率，即虚拟发电功率；uDR(t)表示虚拟发电当前时刻的启停状态；Ai、Bi及Ci表示第i台常规机组的运行参数； Shi表示第i台常规机组热启动成本；Sci表示第i台常规机组冷启动成本；Ti.off.min表示第i台常规机组允许的最小持续停运时间；Ti.off表示第i台常规机组在某时段之前已经持续停机的时间，若该机组之前是开机状态，则为0；Ti,cs表示常规机组i的冷启动时间；dDR为需求侧减小每千瓦时电量所补偿的金额；F2表示污染物排放总当量数；gi(PGi(t))＝ai×PGi(t)2+bi×PGi(t)+ci，gi表示第i台常规机组的污染物排放当量；ai、bi及ci表示第i台常规机组的污染排放系数。
[0012] 更进一步地，步骤(2)中，所述系统负荷平衡约束为其中，NDG表示分布式电源种类数；PDGj(t)表示第j种分布式电源t时刻出力；PL(t)表示t时刻的负荷功率；所述系统旋转备用约束为 其
中，PGi,max表示第i台常规机组最大技术出力；PDR,max表示最大可用的需求侧调节负荷；PRL表示系统旋转备用需求； 表示系统为应对分布式电源的出力不确定性而新增的备用容量，考虑分布式电源功率100％概率区间的不确定性，此处PDGj即为第j种分布式电源出力；所述常规机组与需求侧资源的技术出力限制为 PGi,min、PGi,max分别
表示第i台常规机组最小、最大技术出力；所述常规机组爬坡约束为
其中Pi(t)和Pi(t-1)分别表示当前时刻与前一时刻第i台常规机组的输出功率；rui和rdi分别表示第i台常规机组功率上升速率和下降速率；所述常规机组最小运行时间和最小停运时间约束为 其中，Ti,on表示第i台常规机组连续运行时间；Ti,off表示第i台常规机组连续停运时间；Ti,on,min表示第i台常规机组允许的最小持续运行时间；所述需求侧最大连续受控时间约束为TDR≤TDR，max，其中，TDR表示需求侧受控时间；TDR，max表示需求侧允许的最大连续受控时间；所述用电方式满意度约束为 其中ms表示用电方式满意度；ms,min表示允许的最小用电方式满意度， 表示在一个调度周期T内，优化前后每一时段电量的改变量绝对值的和； 表示在一个调度周期T内，优化前总的用电量。
中，PGi,max表示第i台常规机组最大技术出力；PDR,max表示最大可用的需求侧调节负荷；PRL表示系统旋转备用需求； 表示系统为应对分布式电源的出力不确定性而新增的备用容量，考虑分布式电源功率100％概率区间的不确定性，此处PDGj即为第j种分布式电源出力；所述常规机组与需求侧资源的技术出力限制为 PGi,min、PGi,max分别
表示第i台常规机组最小、最大技术出力；所述常规机组爬坡约束为
其中Pi(t)和Pi(t-1)分别表示当前时刻与前一时刻第i台常规机组的输出功率；rui和rdi分别表示第i台常规机组功率上升速率和下降速率；所述常规机组最小运行时间和最小停运时间约束为 其中，Ti,on表示第i台常规机组连续运行时间；Ti,off表示第i台常规机组连续停运时间；Ti,on,min表示第i台常规机组允许的最小持续运行时间；所述需求侧最大连续受控时间约束为TDR≤TDR，max，其中，TDR表示需求侧受控时间；TDR，max表示需求侧允许的最大连续受控时间；所述用电方式满意度约束为 其中ms表示用电方式满意度；ms,min表示允许的最小用电方式满意度， 表示在一个调度周期T内，优化前后每一时段电量的改变量绝对值的和； 表示在一个调度周期T内，优化前总的用电量。
[0013] 更进一步地，其特征在于，步骤(3)中所述基于启发式规则的离散粒子群算法具体为：
[0014] (3.1)初始化各常规机组、需求侧特性参数、系统预测负荷大小和分布式电源预测出力大小；
[0015] (3.2)随机初始化各机组启停状态，根据现有离散粒子群速度更新公式和位置更新公式进行给定次数(可取100次)的粒子速度和位置更新，完成离散粒子群算法第一时段启停状态的计算；
[0016] 离散粒子群算法中所需要处理的最小持续运行时间约束、最小持续停运时间约束、最大连续受控时间约束采用启发式修正方法为：在某次粒子位置更新后，若某机组运行或停运时间不满足给定约束，则强制改变该机组的运行状态使其满足约束。系统旋转备用约束的启发式修正方法为：先根据优先顺序法对各机组按照运行经济性从好到坏的顺序排序，在某次粒子位置更新后，若不满足系统旋转备用约束，则按运行经济性从好到坏的顺序依次打开未运行的机组，直到系统旋转备用约束被满足；
[0017] 同时，为了避免所有机组均运行在最小出力附近，采用如下启发式修正：在某次粒子位置更新后，若所有已运行的常规机组与等效虚拟发电机的最小出力限值之和大于系统负荷与分布式电源出力总和之差的0.9倍，则按运行经济性从坏到好的顺序排序依次关闭已运行的机组，直到上述不等式被满足，从而进一步保证机组出力的经济分配；
[0018] (3.3)确定调度周期内的总时段数T(一般取24)，重复步骤(3.2)内容，直到完成离散粒子群算法全部时段启停状态的计算。存储各常规机组和等效虚拟发电机组各个时段的最终启停状态。
[0019] 更进一步地，步骤(4)中所述基于启发式规则的连续粒子群算法具体为：
[0020] (4.1)根据上述离散粒子群算法结果，初始化各常规机组及等效虚拟发电机组各个时段启停状态信息。
[0021] (4.2)随机初始化第一个时段各常规机组及等效虚拟发电机组的出力分配。采用现有连续粒子群速度更新公式和位置更新公式进行给定次数(可取100次)的粒子速度和位置更新，完成连续粒子群算法第一时段各个机组出力经济分配计算。
[0022] 连续粒子群算法中所需要处理的技术出力限制约束和爬坡约束的出力的启发式修正方法为：在某次粒子位置更新后，若某机组出力大小大于该机组最大出力限值和前一时段该机组出力值与该机组最大单位时间爬升出力之和中的较小值，则强制该机组出力为上述两值中的较小值；若某机组出力大小小于该机组最小出力限值和前一时段该机组出力值与该机组最大单位时间下降出力之差中较大值，则强制该机组出力为上述两值中的较大值。用户用电方式满意度约束的启发式修正方法为：在某次粒子位置更新后，若用户用电方式满意度约束不满足，则强制降低等效虚拟发电机的出力直到满足用户用电方式满意度约束。
[0023] 系统负荷平衡约束采用惩罚函数法处理。处理方法为：将约束条件转换成为罚函数，通过惩罚因子将罚函数与目标函数组合在一起成为新的适应度函数参与算法的计算。若约束条件不满足，则罚函数的函数值为一正数；若约束条件满足，则罚函数的函数值为0。
[0024] (4.3)重复步骤(4.2)内容，直到完成连续粒子群算法全部时段各常规机组和等效虚拟发电机组出力经济分配的计算。离散粒子群算法求得各常规机组和等效虚拟发电机组各个时段的最终启停状态和连续粒子群算法求得各常规机组和等效虚拟发电机组各个时段的出力大小，即为机组组合的最终结果，也即本发明所述的优化调度结果。
[0025] 总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
[0026] (1)采用虚拟发电思想，将需求侧资源等效为虚拟发电资源，与常规机组、分布式电源共同参与系统功率平衡调节，将传统的优化调度问题转化为机组优化组合问题，能够更加方便有效地对需求侧资源进行统一调配。算例表明此调度方法可有效减小系统成本及环境污染，同时还可以满足较高的用户用电满意度。
[0027] (2)采用改进双重粒子群算法，弥补了单一连续粒子群算法难以确定机组启停的2值状态的缺点，同时此算法将离散粒子群与连续粒子群解耦，采用逐时段计算的方法，使求解速度大大加快。算法中加入的各种启发式修正能够使所得的解完全满足所有的约束条件，临界算子的引入保证了粒子在不失多样性的同时向着更优的方向更新，从而保证算法在满足较高准确性的同时，求解速度得以有效提高。附图说明
[0028] 图1是本发明实施例的主动配电网优化调度原理示意图；
[0029] 图2是本发明实施例的利用改进双重粒子群法进行优化调度示意图；
[0030] 图3是本发明实施例的基于启发式规则的离散粒子群算法流程图；
[0031] 图4是本发明实施例的基于启发式规则的连续粒子群算法流程图；
[0032] 图5是本发明实施例提供的风力发电预测曲线；
[0033] 图6是本发明实施例提供的理想光伏出力预测曲线；
[0034] 图7是本发明实施例提供的系统总负荷曲线；
[0035] 图8是本发明实施例提供的优化前后系统负荷曲线对比图。
具体实施方式
[0036] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0037] 本发明实施例提出的虚拟发电是指将可调控的需求侧资源作为系统备用电源，在电网负荷值较高时，适当减小此类资源的用电，并对用户进行相应的电价补偿。由于减小负荷等价于增加发电量，并且补偿电价等价于发电成本，因此可将此类需求侧资源等效为虚拟发电资源，主动参与电网调控。
[0038] 本发明实施例的主动配电网优化调度方法包括如下步骤：
[0039] (1)建立优化调度目标函数F1和F2。
[0040] S1：建立系统发电运行成本目标函数：
[0041]
[0042] 式中，F1表示系统发电运行成本；T表示调度周期时间；NG表示常规机组总台数；fi表示第i台常规机组运行成本；PGi表示第i台常规机组的输出功率；Si表示第i台常规机组启停成本；ui(t)及ui(t-1)分别表示第i台机组当前时刻与前一时刻的启停状态；fDR表示需求侧响应补偿总金额；PDR表示需求侧调节功率，即虚拟发电功率；uDR(t)表示虚拟发电当前时刻的启停状态；Ai、Bi及Ci表示第i台常规机组的运行参数；Shi表示第i台常规机组热启动成本；Sci表示第i台常规机组冷启动成本；Ti.off.min表示第i台常规机组允许的最小持续停运时间；Ti.off表示第i台常规机组在某时段之前已经持续停机的时间，若该机组之前是开机状态，则为0；Ti,cs表示常规机组i的冷启动时间；dDR为需求侧减小每千瓦时电量所补偿的金额。
[0043] S2：建立污染物排放目标函数：
[0044]
[0045] 式中，F2表示污染物排放总当量数；gi表示第i台常规机组的污染物排放当量；ai、bi及ci表示第i台常规机组的污染排放系数。
[0046] (2)建立优化调度约束条件，包括：系统负荷平衡约束，系统旋转备用约束，常规机组与需求侧资源的技术出力限制，常规机组爬坡约束，常规机组最小运行时间和最小停运时间约束，需求侧最大连续受控时间约束，用电方式满意度约束。
[0047] S3：建立系统负荷平衡约束：
[0048]
[0049] 式中，NDG表示分布式电源种类数；PDGj(t)表示第j种分布式电源t时刻出力；PL(t)表示t时刻的负荷功率。
[0050] S4：建立系统旋转备用约束：
[0051]
[0052] 式中，PGi,max表示第i台常规机组最大技术出力；PDR,max表示最大可用的需求侧调节负荷；PRL表示系统旋转备用需求； 表示系统为应对分布式电源的出力不确定性而新增的备用容量，考虑分布式电源功率100％概率区间的不确定性，此处PDGj即为第j种分布式电源出力。
[0053] S5：建立常规机组与需求侧资源的技术出力限制：
[0054] PGi,min≤PGi(t)≤PGi,max (5)
[0055] 0≤PDR(t)≤PDR,max
[0056] 式中，PGi,min、PGi,max分别表示第i台常规机组最小、最大技术出力。
[0057] S6：建立常规机组爬坡约束：
[0058] Pi(t)-Pi(t-1)≤ruiT (6)
[0059] Pi(t-1)-Pi(t)≤rdiT
[0060] 式中，Pi(t)和Pi(t-1)分别表示当前时刻与前一时刻第i台常规机组的输出功率；rui和rdi分别表示第i台常规机组功率上升速率和下降速率。
[0061] S7：建立常规机组允许的最小持续运行时间和最小持续停运时间约束：
[0062] Ti,on≥Ti,on,min (7)
[0063] Ti,off≥Ti,off,min
[0064] 式中，Ti,on表示第i台常规机组连续运行时间；Ti,off表示第i台常规机组连续停运时间；Ti,on,min表示第i台常规机组允许的最小持续运行时间。
[0065] S8：建立需求侧允许的最大连续受控时间约束(即虚拟电源允许的持续运行时间约束)：
[0066] TDR≤TDR，max (8)
[0067] 式中，TDR表示需求侧受控时间；TDR，max表示需求侧允许的最大连续受控时间。
[0068] S9：建立用户用电方式满意度约束：
[0069]
[0070] 式中，ms表示用电方式满意度；ms,min表示允许的最小用电方式满意度， 表示在一个调度周期T内，优化前后每一时段电量的改变量绝对值的和； 表示在一个调度周期T内，优化前总的用电量。
[0071] (3)将需求侧响应等效为一台虚拟发电机，通过基于启发式规则的离散粒子群算法来逐个时段的确定所有机组的启停状态。
[0072] S10：初始化各常规机组特性参数，包括：机组出力限制，燃料特性系数，最小启停机时间，冷启动时间，爬坡限制，启动成本，排污特性系数，已持续运行/停运时间；初始化需求侧特性参数，包括：需求侧资源的最大技术出力，需求侧允许的最大连续受控时间；初始化系统预测负荷大小和分布式电源预测出力大小。
[0073] S11：初始化某个时段常规机组及等效虚拟发电机组的启停状态；设有bpop个(一般可取[20,80]之间的整数)表示机组在某时段启停状态的粒子，每个粒子的维数与系统中常规机组和等效虚拟发电机组数之和一致，粒子每一维的值表示系统中对应机组的启停状态。首先随机初始化所有机组的启停状态为0或1，其中0表示关闭，1表示开启。之后首先判断初始化后的粒子是否满足允许的最小持续运行时间约束和最小持续停运时间约束，并进行粒子位置的修正，修正公式如下：
[0074]
[0075] 式中， 表示第k个粒子第0次迭代第i维的值，即第i台常规机组某一时段初始化后机组的状态。若在初始化时刻，第i台常规机组之前是停机状态，则Ti,on＝0；若第i台常规机组之前是开机状态，则Ti.off＝0。
[0076] 每个粒子还需要判断是否满足需求侧最大连续受控时间约束，并进行粒子位置的修正，修正公式如下：
[0077]
[0078] 式中， 表示第k个粒子，第0次迭代，第n维的值，即虚拟发电机n在某一时段初始化后机组的状态。Tn,DR表示第n台虚拟发电机在某时段之前已经持续开机的时间，若该机组之前是停机状态，则为0。Tn,DR，max表示需求侧允许的最大连续受控时间即等效第n台虚拟发电机允许的最大持续运行时间。
[0079] 对每一个粒子进行是否满足最小运行时间约束，最小停运时间约束和需求侧最大连续受控时间约束的检测、修正之后，判断各粒子是否满足系统旋转备用约束。引入优先排序法对各常规机组按照运行经济性从好到差的顺序依次排序。运行经济性通过平均满负荷费用AFLC(Average Full-Load Cost)用来进行判断，表达式如下：
[0080]
[0081] fi(PGi,max)＝Ai×PGi,max2+Bi×PGi,max+Ci
[0082] 式中，fi(PGi.max)表示第i台常规机组满负荷情况下的运行成本。平均满负荷费用越小，机组的运行经济性越好。
[0083] 若某一粒子不满足系统旋转备用约束，则按照运行经济性从好到差的顺序依次开启之前没有开启的机组并判断粒子是否满足系统旋转备用约束，直到所有粒子都满足系统旋转备用约束。
[0084] 之后对各粒子启停状态进行启发式修正，判断各粒子启停状态是否满足如下约束条件：
[0085]
[0086] 式中， 表示分布式电源在t时段的出力总和。N表示常规机组和等效虚拟发电机数之和。
[0087] 当某时刻所有运行机组的最小技术出力之和都大于总负荷与分布式电源总出力差值的90％时，为了满足系统负荷平衡约束，所有机组几乎必须运行在最小出力左右，这样一定不是经济最优的，因此，加入启发式修正以加快收敛速度。同样对各常规机组按照运行经济性由好到差的顺序依次排序，判断常规机组运行经济性好坏的指标见式(12)。若某一粒子不满足约束条件式(13)，则按照运行经济性从坏到好的顺序依次关闭之前没有关闭的机组并判断是否满足约束条件式(13)，直到所有粒子都满足约束条件式(13)。
[0088] S12：完成离散粒子群的单步更新。先按照基于启发式规则的离散粒子群算法进行速度更新，速度更新公式如下：
[0089] vk(t+1)＝wvk(t)+c1r1(Pk,best(t)-xk(t))+c2r2(Pg(t)-xk(t)) (14)[0090] 式中，vk(t)表示第k个粒子第t次迭代之后的速度，xk(t)表示第k个粒子第t次迭代之后的位置，Pk,best(t)表示第k个粒子的历史最优值，Pg(t)表示全局最优值。w表示惯性权重(一般在[0.4,0.9]之间)，c1、c2表示学习因子(一般可取2)，r1、r2为[0,1]之间的随机数。
[0091] 完成速度更新之后，进行位置更新，位置更新步骤如下：
[0092] 首先判断机组的启停状态是否满足最小运行时间约束，最小停运时间约束和最大可持续运行时间约束，若满足，则根据标准离散粒子群的位置更新公式，使用临界算子进行位置更新；若不满足则用(10)、(11)式进行更新。其中，临界算子的引入是希望使得迭代过程的向优性更好。普通粒子群算法采用一个随机数λ，在速度被转化为0～1之间的数s后，λ取的过大或过小，机组状态转变成0或1的几率过大，则严重影响迭代的向优性。临界算子0.1<λ1<0.4，0.6<λ2<0.9，将随机数λ的范围缩小至[λ1,λ2]，这样在不失粒子多样性的同时保证粒子向着更优的方向更新。
[0093] 离散粒子群的位置更新公式如下：
[0094]
[0095]
[0096] 式中，xk(t)表示第k个粒子第t次迭代之后的位置；rand为[0,1]之间的随机数；Sigmoid为自定义函数。
[0097] 接下来，判断粒子是否满足旋转备用约束，并进行更新，更新过程同S11中旋转备用约束的更新过程。
[0098] 最后，对各粒子启停状态进行启发式修正，修正过程同S11中启发式修正过程。
[0099] 完成粒子位置更新之后，将每个粒子带入到适应度函数中求解适应值，进行最优值更新。本问题中适应度函数为机组启动成本，公式如下：
[0100] F＝Si(t)×(1-ui(t-1))
[0101]
[0102] 式中，F表示机组启动成本。
[0103] 最优值更新的步骤为：若第k个粒子带入适应度函数计算出的适应值Pk(t)小于第k个粒子的历史最优值Pk,best(t)，则令Pk,best(t)＝Pk(t)，否则Pk,best(t)保持不变。若当前更新完成后种群的全局最优值Pg,now(t)小于之前的全局最优值Pg(t)，则令Pg,now(t)＝Pg(t)。
[0104] S13：完成离散粒子群算法单时段启停状态的计算；确定好每一时段需要迭代的迭代次数CB(一般可取100次)，先进行是S11步骤，之后重复进行S12步骤直到循环次数达到CB次，得到最终某时段的启停状态，并储存该数据。
[0105] S14：完成离散粒子群算法全部时段启停状态的计算。在确定好一个调度周期内的总时段数T之后(一般取24)，就可以按照S13步骤的方法依次进行每一时段启停状态的计算。将所有机组各个时段的最终启停状态结果结果储存起来。
[0106] (4)在完成所有机组各个时段启停状态的计算之后，在已知启停状态的基础上，通过基于启发式规则的连续粒子群算法对每一个机组在按照约束条件的基础上进行经济分配，具体实施步骤如下：
[0107] S15：初始化某一时段各个机组的出力分配。设有cpop个(一般可取[20,80]之间的随机整数)表示所有机组在某时段出力的粒子，每个粒子的维数与系统中常规机组和等效虚拟发电机数之和一致，粒子每一维的值表示系统中对应机组的出力大小。在各机组最大最小出力的范围内，随机初始化所有机组的出力大小。
[0108] S16：完成标准粒子群单步更新。先按照标准粒子群算法进行速度更新，速度更新公式同离散粒子群的速度更新公式，见式(14)，再进行位置更新。连续粒子群算法位置更新公式为：
[0109] xk(t+1)＝xk(t)+vk(t) (17)
[0110] 在位置更新后，各粒子需要判断是否满足常规机组的爬坡约束，并进行粒子位置的修正，修正公式如下：
[0111]
[0112] 式中， 和 分别表示第k个粒子在t时段和t-1时段第i维的值，即在t时段和t-1时段第i台常规机组的出力大小。UPi和DNi分别表示常规机组i单位时间能够爬升的最大出力大小和下降的最大出力大小。
[0113] 各粒子还需要满足用户用电方式满意度约束，并进行粒子位置的修正，修正公式如下：
[0114]
[0115] 式中， 表示第k个粒子在t时段第n维的值，即在t时段第n台虚拟发电机的出力大小。PL(t)表示时段t的系统总负荷。
[0116] 完成位置更新之后，将每个粒子带入到适应度函数中求解适应值，进行最优值的更新。本问题的适应度函数由机组的运行成本，系统排污的等效价格和系统负荷平衡约束的惩罚函数组成。适应度函数公式为：
[0117]
[0118] 式中，c表示排污价格因子。λ表示惩罚因子。多项式最后一项表示系统负荷平衡约束的惩罚函数。
[0119] 最优值更新的步骤与S12中最优值更新的步骤相同。
[0120] S17：完成单时段各个机组出力的经济分配计算；确定好每一时段需要迭代的迭代次数CC(一般可取100次)，先进行S15步骤，之后重复进行S16步骤直到循环次数达到CC次，得到最终某时段各个机组出力经济分配的情况，并储存该数据。
[0121] S18：完成标准粒子群算法全部时段各个机组出力经济分配的计算；在确定好时段数T之后，就可以按照S17步骤的方法依次进行每一时段机组经济分配的计算。将所有机组各个时段的最终出力大小储存。
[0122] S19：求得所有机组各个时段的最终启停状态和出力大小，即为机组组合的最终结果。根据机组组合结果，调度中心有计划地调配各机组的出力，实现主动配电网优化调度。
[0123] 在本发明实施例中，为验证所提出优化调度方法的有效性，将提出的方法应用于主动配电网优化调度的计算。选取常规火电机组的技术参数如表1所示，风电、光伏发电出力的预测曲线分别如图5和图6所示，系统总负荷如图7所示。实际电网中，需求侧资源类型具有多样性，用户侧需求侧响应需补偿电价，而储能等需求侧资源仅需考虑维护成本，无需进行价格补偿。为简化模型进行计算，设定所有需求侧可调度资源总大小为80MW，等效的平均每千瓦时补偿金额为0.016$，用户用电方式满意度不低于90％。
[0124] 表1 常规火电机组的技术参数
[0125]
[0126]
[0127] 续表1常规火电机组的技术参数
[0128]
[0129] 仿真结果如下：
[0130] (a)未进行优化调度前，仅采用常规机组供应负荷需求，此时24小时内系统运行总成本为426300$，污染物排放当量数为82985kg。
[0131] (b)加入分布式电源，进行优化调度后，可得到系统24小时内系统运行总成本为390660$，较情况(a)下降了35640$；污染物排放当量数为74433kg，较情况(a)下降了
8552kg。
8552kg。
[0132] (c)若同时考虑分布式电源及需求侧响应，进行优化调度后，可得到系统24小时内系统运行总成本为370698$，较情况(b)下降了19962$；污染物排放当量数为72487kg，较情况(b)下降了1946kg。优化调度前后负荷曲线对比如图8所示，可以看出，考虑需求侧响应后，负荷峰值明显下降，有效减小了负荷的峰谷差。
[0133] 由算例可以看出，采用本发明实施例提出的优化调度方法，分布式电源与需求侧资源同时参与电网调节，可有效减小系统发电运行成本，减小负荷峰谷差，同时减小环境污染，对电网的优化运行具有积极意义。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种融合网关部分和机顶盒部分相互通讯的方法 | 2020-05-08 | 791 |
| 一种基于单向网络的跨网文件即时传输方法及系统 | 2020-05-11 | 746 |
| 一种太阳能与天然气冷能联合超临界发电以及蓄能耦合利用方法及装置 | 2020-05-12 | 247 |
| 一种变压器设备的地震模拟振动试验方法及装置 | 2020-05-11 | 745 |
| 基于光伏电源支撑的电力电子变压器故障穿越方法 | 2020-05-12 | 654 |
| 一种基于实时路况的分布式驱动公交车转矩分配方法 | 2020-05-13 | 525 |
| 一种需求侧背靠背变流器无功响应控制系统 | 2020-05-14 | 537 |
| UE组，UE组管理者UE和UE组成员UE | 2020-05-14 | 82 |
| 允许可靠的无线通信的装置、基站和方法 | 2020-05-14 | 865 |
| 综合能源管控系统及可视化展示平台 | 2020-05-14 | 683 |
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