• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      考慮靈活性供需魯棒平衡的兩階段配電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度

      2022-08-30 02:56:54趙晶晶朱炯達李振坤李梓博
      電力系統(tǒng)自動化 2022年16期
      關鍵詞:魯棒供需靈活性

      趙晶晶,朱炯達,李振坤,張 宇,劉 帥,李梓博

      (上海電力大學電氣工程學院,上海市 200090)

      0 引言

      作為電力工業(yè)實施能源變革的重要組成部分,分布式電源(distributed generator,DG)在配電網(wǎng)中的滲透率越來越高。DG 一般是指容量小于50 MW、地理上接近負荷側的分散型發(fā)電裝置[1],包括分布式光伏(distributed photovoltaic,DPV)、分布式儲能系統(tǒng)(energy storage system,ESS)及微型燃氣輪機(micro gas turbine,MGT)等。

      含高滲透率DG 的配電網(wǎng)中,DG 規(guī)模大、單個容量小且空間分散,采用傳統(tǒng)集中調(diào)度的配電網(wǎng)調(diào)度模型無法滿足調(diào)度過程中的求解效率要求。因此,配電能量管理系統(tǒng)架構由傳統(tǒng)的集中式轉變?yōu)榉植际?決策機制由單一模式轉變?yōu)樽灾闻c協(xié)調(diào)模式[2]。文獻[3]對比了傳統(tǒng)集中式調(diào)控與分布式調(diào)控的優(yōu)缺點,指出分布式調(diào)控具有更優(yōu)的計算靈活性及計算效率。而實現(xiàn)配電網(wǎng)分布式調(diào)控需對配電網(wǎng)進行分布式電源集群(distributed generator cluster,DGC)劃分[4],以可控DG 為控制對象,通過聚合配電網(wǎng)內(nèi)DG(包括DPV)與負荷節(jié)點形成多個控制區(qū)域,一個控制區(qū)域為一個DGC[5],使每個DGC 內(nèi)源荷匹配,從而實現(xiàn)基于DGC 的配電網(wǎng)分布式調(diào)控[6]。文獻[7-8]分別從降低數(shù)學模型維度及最大化新能源消納角度對配電網(wǎng)進行DGC 劃分,并采用交替方向乘子法(alternating direction method of multipliers,ADMM)分別實現(xiàn)了分布式無功優(yōu)化及經(jīng)濟調(diào)度的高效求解,但所采用的DGC劃分方法與分布式調(diào)度目標耦合性弱,難以充分發(fā)揮分布式調(diào)度的優(yōu)勢。而DPV 出力的強不確定性對電力系統(tǒng)運行靈活性提出了更高要求,提高配電網(wǎng)的靈活性、有效降低高滲透率DG 接入的不利影響,是近年來國內(nèi)外的研究熱點。

      目前,已有學者針對配電網(wǎng)靈活性水平開展研究。在靈活性需求側,文獻[9]考慮風電出力預測誤差帶來的靈活性需求,建立多時間尺度優(yōu)化調(diào)度模型,提升系統(tǒng)風電消納水平。在靈活性供給側,文獻[10]提出了電源靈活性裕度指標,通過對靈活性資源進行優(yōu)化分配有效提升系統(tǒng)靈活性水平,增強風電消納能力。而配電網(wǎng)靈活性本質(zhì)上是不同時間尺度下配電網(wǎng)內(nèi)源荷功率平衡的能力,文獻[11-12]建立了配電網(wǎng)多時間尺度調(diào)度模型:在日前優(yōu)化階段,以1 h 為時間間隔,確定了未來24 h 各機組出力計劃;在日內(nèi)滾動優(yōu)化階段,以15 min 為間隔,調(diào)整各機組出力計劃;在實時調(diào)度階段,根據(jù)可再生能源及負荷的實時信息,以5 min 為間隔,采用模型預測控制(model predictive control,MPC)方法,對日內(nèi)出力計劃進行微調(diào),以滿足系統(tǒng)實際運行時不斷變化的需求。上述研究表明,多時間尺度優(yōu)化調(diào)度方法能夠有效消除新能源及負荷預測誤差給調(diào)度帶來的影響,但在日內(nèi)優(yōu)化階段,均采用集中式優(yōu)化方法,沒有考慮大規(guī)模DG 接入帶來的求解效率低等問題。

      本文為消除DPV 及負荷預測誤差給調(diào)度帶來的影響,建立了考慮靈活性供需魯棒平衡的兩階段配電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度方法。首先,在第1 階段建立了考慮配電網(wǎng)靈活性的DGC 劃分方法,對DPV 與負荷日前預測誤差產(chǎn)生的靈活性需求進行量化,結合配電網(wǎng)靈活性資源供給能力,提出基于區(qū)間覆蓋率的DGC 靈活性供需魯棒平衡指標,并采用改進遺傳算法,對配電網(wǎng)進行DGC 劃分。然后,在第2 階段基于同步型交替方向乘子法(synchronous ADMM,SADMM),以日運行成本最小為目標,提出一種適用于DGC 調(diào)控的配電網(wǎng)分布式優(yōu)化調(diào)度模型。最后,以IEEE 33 節(jié)點系統(tǒng)為例驗證了采用本文所提DGC 劃分方法得到的DGC 具有良好的群內(nèi)靈活性供需平衡能力,所建立的基于DGC 劃分的分布式優(yōu)化調(diào)度模型能夠實現(xiàn)含高滲透率DG 配電網(wǎng)的高效求解。

      1 DGC 靈活性供給與需求模型

      1.1 DGC 靈活性需求魯棒區(qū)間

      本文考慮配電網(wǎng)調(diào)度靈活性,即配電網(wǎng)應對凈負荷預測誤差(日前預測值與日內(nèi)預測值存在的誤差)所產(chǎn)生的不確定性的響應能力[13]。凈負荷即負荷功率與新能源出力之間的差值,因此,配電網(wǎng)調(diào)度靈活性來源于新能源出力與負荷功率預測值之間的誤差。在電力系統(tǒng)運行中,調(diào)度員在日前階段根據(jù)凈負荷日前預測數(shù)據(jù)選擇合理的機組啟停及出力計劃,但由于存在凈負荷預測誤差,在日內(nèi)調(diào)度時需要具有足夠調(diào)節(jié)能力的發(fā)電機組來保證系統(tǒng)的功率平衡。

      1.1.1 負荷、DPV 預測誤差率分布模型

      本文建立負荷、DPV 預測誤差率分布模型計算配電網(wǎng)靈活性需求。

      1.1.2 DGC 靈活性需求魯棒區(qū)間計算

      靈活性需求來源于DPV 及負荷預測的誤差,由于存在向上及向下的預測誤差,靈活性需求同樣存在方向性。本文以魯棒區(qū)間形式表示靈活性需求,區(qū)間上界即為最大向上靈活性需求,區(qū)間下界即為最大向下靈活性需求?;?.1.1 節(jié)得到的DPV 及負荷向上/向下預測誤差率的混合高斯函數(shù),并采用蒙特卡洛抽樣法計算靈活性需求魯棒區(qū)間,求解步驟如下:

      步驟1:建立預測誤差率分布概率模型?;?.1.1 節(jié),根據(jù)負荷及DPV 歷史向上/向下預測誤差率,進行混合高斯擬合,得到DPV 在各自不同功率區(qū)段內(nèi)及負荷的混合高斯函數(shù),如式(1)所示。

      步驟2:建立負荷及DPV 預測場景。針對給定的負荷及DPV 日前預測值,根據(jù)步驟1 所得預測誤差率分布概率模型及各時刻DPV 出力所在功率區(qū)段不同,分別對各時刻負荷及DPV 功率進行向上預測誤差率抽樣及向下預測誤差率抽樣,而將最大向上/向下預測誤差率場景納入考慮顯然過于保守,因此給定置信水平π,得到預測誤差率場景,與各時刻日前預測值累加得到負荷及DPV 預測場景,如式(2)、式(3)所示。

      步驟4:建立DGC 靈活性需求場景。凈負荷預測誤差是靈活性需求來源,DGC 凈負荷預測誤差場景即為DGC 靈活性需求場景。

      步驟5:建立DGC 靈活性需求魯棒區(qū)間。區(qū)間方法作為一種有效的不確定性分析方法,僅需要不確定性變量分布區(qū)間的大小即可對模型進行求解。根據(jù)式(7)、式(8)計算DGC 靈活性需求場景中各時刻DGC 靈活性需求最大值及靈活性需求最小值,得到DGC 靈活性需求魯棒區(qū)間,而步驟2 中的置信水平反映了靈活性需求魯棒區(qū)間的魯棒性,置信水平越小,所得區(qū)間魯棒性越強,但更趨于保守。

      1.2 DGC 靈活性供給區(qū)間模型

      靈活性供給同樣存在向上及向下的方向性。為將配電網(wǎng)靈活性供給映射至與靈活性需求相同的坐標區(qū)間,本文同樣以區(qū)間形式表示DG 靈活性供給能力,區(qū)間上界即為最大向上靈活性供給,區(qū)間下界即為最大向下靈活性供給。配電網(wǎng)中包含大量可控DG,其中MGT 以及ESS 擁有靈活調(diào)節(jié)自身出力的特性[16-17]。因此,本文考慮的靈活性資源包括MGT以及ESS,為最大化消納DPV,本文暫不考慮其靈活調(diào)節(jié)能力。

      ESS 通過放電和充電提供向上、向下的靈活性。在調(diào)整ESS 出力時,還需考慮其最大充放電功率限制以及容量限制,其靈活性供給上界和下界分別如式(9)、式(10)所示。

      2 兩階段配電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度方法

      2.1 整體優(yōu)化調(diào)度框架

      本文考慮靈活性供需魯棒平衡能力,提出考慮靈活性并基于集群劃分的兩階段配電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度方法。在第1 階段,對配電網(wǎng)進行DGC 劃分,為使得到的DGC 群內(nèi)靈活性供需魯棒平衡能力最優(yōu),需充分發(fā)揮DGC 功率自治能力,計算各可控DG 靈活性供給上下界,通過聚合配電網(wǎng)內(nèi)DG 與負荷節(jié)點形成DGC,并將DGC 劃分結果傳遞給第2階段;在第2 階段,根據(jù)第1 階段DGC 劃分結果,采用SADMM,并以運行成本最小為目標,確定各DG日內(nèi)最優(yōu)出力結果。配電網(wǎng)兩階段日內(nèi)分布式優(yōu)化調(diào)度框架如圖1 所示。

      圖1 配電網(wǎng)兩階段日內(nèi)分布式優(yōu)化調(diào)度框架Fig.1 Framework of two-stage intraday distributed optimal dispatch for distribution network

      2.2 第1 階段:考慮靈活性的配電網(wǎng)DGC 劃分模型

      2.2.1 DGC 靈活性供需魯棒平衡指標

      本文結合DGC 靈活性需求魯棒區(qū)間及DGC 靈活性供給區(qū)間,計算DGC 靈活性供需魯棒平衡區(qū)間。如圖2 所示,DGC 靈活性供給區(qū)間與靈活性需求魯棒區(qū)間的覆蓋區(qū)間(陰影區(qū)域)即為DGC 靈活性供需魯棒平衡區(qū)間,其上下界如式(15)所示。

      圖2 靈活性供需魯棒平衡區(qū)間Fig.2 Interval of robust balance between flexibility supply and demand

      式中:Sbal,c為第c個DGC 靈活性供需魯棒平衡率,其計算值在[0,1]范圍內(nèi),越接近于1,則DGC 靈活性供需魯棒平衡能力越強;T為調(diào)度周期。

      為對所劃分的配電網(wǎng)DGC 靈活性供需魯棒平衡能力進行整體評估,將各DGC 靈活性供需魯棒平衡率進行求和并歸一化得到靈活性供需魯棒平衡指標,如式(17)所示。

      式中:f為靈活性供需魯棒平衡指標;NC為劃分DGC總個數(shù)。

      2.2.2 模塊度指標

      本文采用基于電氣距離的模塊度指標衡量劃分后集群的結構特性。模塊度首先由Newman 等人設計提出[19],以量化社區(qū)的結構強度。文獻[20]將模塊度引入集群劃分中,以評價集群劃分的結構強度,包括集群內(nèi)部關聯(lián)度、集群間關聯(lián)度、集群個數(shù)、集群規(guī)模、集群邏輯合理性等。模塊度指標越接近于1 代表集群內(nèi)部聯(lián)系越緊密,集群間聯(lián)系越松散。為滿足DGC 內(nèi)部耦合強、外部耦合稀松的特性,以基于電氣距離的模塊度指標作為集群結構性指標,如式(18)所示。

      式中:DQV,mn為節(jié)點m、n間基于無功-電壓靈敏度系數(shù)的電氣距離;SQV,mN和SQV,nN分別為節(jié)點m和n與配電網(wǎng)中與其相連節(jié)點的無功-電壓靈敏度系數(shù);N為配電網(wǎng)中節(jié)點數(shù)量。

      2.2.3 DGC 劃分模型

      為滿足DGC 結構性以及功能性,綜合模塊度指標及靈活性供需魯棒平衡指標為DGC 劃分目標函數(shù),采用線性加權法,將多目標轉化為單目標問題。加權目標函數(shù)Z如式(21)所示。

      式中:ω1和ω2分別為DGC 靈活性供需魯棒平衡指標及模塊度指標的權重,根據(jù)不同目標賦予兩個指標不同的權重,且ω1+ω2=1。

      采用改進遺傳算法對DGC 劃分問題進行求解,以鄰接矩陣為基礎進行染色體編碼[20],保證集群內(nèi)節(jié)點的聯(lián)通性,采用輪盤賭算法進行個體選擇,采用自適應交叉、變異概率算法進行個體交叉、變異,并以上述加權目標函數(shù)為適應度評價函數(shù)。適用于DGC 劃分的遺傳算法流程圖見附錄A 圖A1。

      2.3 第2 階段:配電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度

      2.3.1 適 用 于DGC 的SADMM 算 法

      針對傳統(tǒng)集中控制難以滿足DG 高滲透配電網(wǎng)日內(nèi)調(diào)度時間性能要求的問題,根據(jù)DPV 與負荷滾動上報的超短期日內(nèi)預測數(shù)據(jù),采用SADMM,建立基于配電網(wǎng)DGC 劃分的日內(nèi)分布式優(yōu)化調(diào)度模型,以最大限度地消除DPV 與負荷預測誤差帶來的影響。

      為實現(xiàn)基于DGC 的SADMM 算法,首先將配電網(wǎng)各DGC 進行解耦。如圖3 所示,i、j分別為相鄰的集群i與集群j的邊界節(jié)點,兩個節(jié)點通過線路ij相連,其中,根據(jù)潮流流向,集群i為上游DGC,集群j為下游DGC。對集群i與集群j進行解耦時,斷開聯(lián)絡線ij,在上游DGC 集群i中引入節(jié)點j的復制節(jié)點j',其作為負荷節(jié)點與節(jié)點i相連,聯(lián)絡線ij'為集群i的虛擬邊界聯(lián)絡線,而在下游DGC 集群j中,引入節(jié)點i的復制節(jié)點i',其作為電源節(jié)點與節(jié)點j相連,聯(lián)絡線i'j為集群j的虛擬邊界聯(lián)絡線。由此,實現(xiàn)配電網(wǎng)各DGC 之間的解耦。

      圖3 DGC 解耦過程Fig.3 Decoupling process of DGC

      在計算過程中,各集群進行獨立并行計算,而僅需與各自的上下游集群交換虛擬邊界聯(lián)絡線的各變量數(shù)據(jù)。在傳統(tǒng)電力系統(tǒng)潮流計算過程中,變量包括線路有功和無功功率、線路電流以及各節(jié)點電壓,在配電網(wǎng)中,節(jié)點電壓與線路有功和無功功率以及電流存在耦合關系,因此,本文設定集群i與集群j虛擬邊界聯(lián)絡線的變量為Xij'={Pij',Qij',Iij'};集群j與集群i虛擬邊界聯(lián)絡線的變量為Xi'j={Pi'j,Qi'j,Ii'j}。如此實現(xiàn)配電網(wǎng)DGC 解耦,將配電網(wǎng)整體優(yōu)化調(diào)度模型轉化為DGC 優(yōu)化調(diào)度的分布式模型,僅需交互各DGC 少量邊界數(shù)據(jù),即可實現(xiàn)配電網(wǎng)基于DGC 的分布式優(yōu)化調(diào)度,以減小通信壓力、提高計算效率。

      在對某DGC 進行優(yōu)化計算時,將其與相鄰DGC 上一次迭代的虛擬邊界聯(lián)絡線變量的平均值作為此次迭代過程中的參考值進行計算,如式(22)所示。

      2.3.2 日內(nèi)分布式優(yōu)化調(diào)度模型

      本文中,日內(nèi)優(yōu)化調(diào)度考慮日運行成本最小的經(jīng)濟性目標,并引入一致性成本,DG 包括DPV、MGT 以及ESS。對配電網(wǎng)DGC 進行劃分后,建立各DGC 優(yōu)化調(diào)度目標函數(shù)如下:

      4)MGT 運行約束:MGT 運行約束包括出力上下限約束,如式(33)所示。

      式中:us,char(t)和us,disc(t)分別為第s臺ESS 的充放電狀態(tài)0-1 變量,us,disc(t)=1 時處于放電狀態(tài),us,char(t)=1 時處于充電狀態(tài);Smins和Smaxs分別為第s臺ESS 的最大、最小荷電狀態(tài)(state of charge,SOC);Es(t)為t時刻第s臺ESS 的容量;Es為第s臺ESS 的額定容量。

      2.3.3 基于DGC 劃分的SADMM 計算流程本文基于集群劃分的SADMM 計算流程如下:步驟1:初始化拉格朗日乘子,以及各DGC 虛擬聯(lián)絡線變量參考值,初始值為日前調(diào)度結果。

      步驟2:求解各DGC 優(yōu)化模型,獲取第m次迭代各DGC 虛擬聯(lián)絡線變量值。

      步驟3:根據(jù)式(27)、式(28)計算原始殘差以及對偶殘差,判斷殘差是否滿足收斂條件,若滿足則結束迭代,輸出優(yōu)化調(diào)度結果,否則進入步驟4 計算。

      步驟4:根據(jù)式(22)、式(25)、式(26)計算第m+1 次迭代各DGC 虛擬聯(lián)絡線變量參考值以及拉格朗日乘子,返回步驟2。

      3 算例分析

      3.1 算例系統(tǒng)介紹

      算例采用包含DG 的IEEE 33 節(jié)點系統(tǒng)。系統(tǒng)中DG 接入情況如下:1)18 臺DPV;2)10 臺MGT、5 臺ESS。各類DG 參數(shù)及接入節(jié)點如附錄B 表B1、表B2 所示。

      DPV、負荷日前與日內(nèi)預測值分別如附錄B 圖B1、圖B2 所示。分時電價按北京市工商業(yè)分時電價設置[23],如附錄B 表B3 所示,各ESS 運行成本參數(shù)為0.083 2 元/(kW·h)[24],各MGT 出力成本參數(shù)為0.85 元/(kW·h)[25]。日前調(diào)度以日運行成本最優(yōu)為目標,日前調(diào)度結果如附錄B 圖B3 所示。算例在MATLAB 2017b 環(huán)境下計算,集群劃分采用改進遺傳算法進行求解,以鄰接矩陣為染色體,設定種群數(shù)為100,最大迭代次數(shù)為500,采用精英保留策略確保算法的收斂性。

      3.2 考慮靈活性的配電網(wǎng)DGC 劃分

      為驗證本文所提集群劃分方法的有效性,設置了兩種集群劃分方案:

      方案1:只考慮模塊度指標進行集群劃分,即ω1=0,ω2=1;

      方案2:兼顧集群模塊度指標以及靈活性供需魯棒平衡指標進行集群劃分,即ω1=0.5,ω2=0.5。

      各方案集群劃分結果如圖4 所示,其中PV 代表該節(jié)點接有DPV,S 代表該節(jié)點接有ESS 設備,G 代表該節(jié)點接有MGT。

      根據(jù)劃分結果可以看出,方案1 僅考慮模塊度指標,劃分后DGC 數(shù)量最多,結構性能更強;而方案2 兼顧模塊度和靈活性供需魯棒平衡指標,將配電網(wǎng)劃分為4 個集群,結構強度稍弱于方案1,各集群內(nèi)所含可控DG 數(shù)量相當。

      各方案集群劃分指標結果如表1 所示,各方案DGC 靈活性魯棒供需平衡區(qū)間如圖5、圖6 所示。

      根據(jù)表1 模塊度指標結果可以進一步發(fā)現(xiàn),各方案模塊度指標結果與其劃分結果一致。方案1 模塊度指標結果最優(yōu),即所劃分集群結構性能最強;方案2 模塊度指標結果雖弱于方案1,但僅存在較小差距。

      根據(jù)表1 中各方案DGC 靈活性供需魯棒平衡指標及圖5 可以發(fā)現(xiàn),方案1 雖具有最優(yōu)的結構性能,但各DGC 的靈活性供需魯棒平衡能力有較大差異,集群④的靈活性供需魯棒平衡能力為0,無法充分發(fā)揮各DGC 的功率自治能力。而方案2 劃分得到的各DGC 在具有較優(yōu)結構性能的同時,各DGC靈活性供需魯棒平衡指標均較優(yōu),都達到0.7 以上,各集群都具有較強的群內(nèi)功率自治能力。

      圖5 方案1 劃分集群群內(nèi)靈活性供需魯棒平衡區(qū)間Fig.5 Interval of robust balance between flexibility demand and supply within cluster of scheme 1

      表1 各方案集群劃分指標結果Table 1 Results of cluster partitioning index of each scheme

      綜上所述,本文提出的配電網(wǎng)DGC 劃分方法通過結合DGC 靈活性供需魯棒平衡指標以及模塊度指標,尋求配電網(wǎng)最優(yōu)DGC 劃分結果,劃分得到的DGC 在擁有較優(yōu)結構性能的同時,能最大限度地滿足各集群內(nèi)部的靈活性供需魯棒平衡,充分發(fā)揮DGC 群內(nèi)功率自治能力。

      3.3 配電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度

      為驗證本文SADMM 分布式算法的有效性以及在求解性能方面的優(yōu)勢,分別對采用傳統(tǒng)集中式與分布式的日內(nèi)優(yōu)化調(diào)度進行算例分析。

      基于DGC 劃分方案2 所得結果的分布式優(yōu)化調(diào)度結果見圖7,系統(tǒng)總調(diào)度成本為30 303.89 元。集中式優(yōu)化方法得到的系統(tǒng)總調(diào)度成本為30 241.63 元,分布式優(yōu)化方法與集中式優(yōu)化方法所得到的系統(tǒng)總調(diào)度成本誤差率僅為0.2%。

      圖7 日內(nèi)分布式優(yōu)化調(diào)度結果Fig.7 Result of intraday distributed optimal dispatch

      圖8 所示為集中式優(yōu)化方法和分布式優(yōu)化方法計算收斂曲線。從圖中可以看出,經(jīng)過9 次迭代,分布式優(yōu)化方法逐步與集中式優(yōu)化方法結果趨于一致,在求解效率方面,集中式優(yōu)化方法耗時188 s,而分布式優(yōu)化方法經(jīng)過9 次迭代后共耗時676 s??紤]到本文在單臺電腦優(yōu)化計算為串行計算,實際并行計算環(huán)境下,分布式優(yōu)化方法各DGC 平均求解耗時為676 s/4≈169 s,較集中式優(yōu)化方法減少了10.2%。由此可見,分布式優(yōu)化方法較集中式優(yōu)化方法在求解效率方面具有顯著優(yōu)勢。

      圖8 SADMM 及集中式優(yōu)化收斂曲線Fig.8 Convergence curves of SADMM and centralized optimization

      為分析集群劃分結果對分布式優(yōu)化調(diào)度的影響,對基于DGC 劃分方案1 和方案2 的DGC 劃分結果的分布式優(yōu)化調(diào)度進行比較。

      基于方案1 的分布式優(yōu)化方法計算得到系統(tǒng)總調(diào)度成本為30 339.41 元,誤差率為0.3%。計算效率方面,圖9 所示為基于方案1 的分布式優(yōu)化方法計算收斂曲線。從圖中可以看出,方法經(jīng)過15 次迭代收斂?;诜桨? 的分布式優(yōu)化方法共耗時1 080 s,并行計算環(huán)境下,各DGC 平均求解耗時為1 080 s/6≈180 s。對比基于方案1 的分布式優(yōu)化方法與基于方案2 的分布式優(yōu)化方法,基于方案1 的分布式優(yōu)化方法計算誤差略有增加,且求解時間增加了6.6%,這是因為方案1 在DGC 劃分時僅考慮模塊度指標,將配電網(wǎng)劃分為6 個DGC,SADMM算法求解時所需交互的虛擬邊界變量更多,收斂速度變慢。

      圖9 方案1 的SADMM 及集中式優(yōu)化收斂曲線Fig.9 Convergence curves of SADMM and centralized optimization of scheme 1

      為比較不同劃分方案得到的DGC 的靈活性及功率平衡自治能力,對日內(nèi)與日前DGC 間功率交互變化量ΔPint進行分析,ΔPint為日內(nèi)與日前優(yōu)化調(diào)度結果得到的DGC 間功率交互量的差值。DGC 間功率交互變化量ΔPint如圖10 所示。

      由圖10 可見,在DPV 出力高峰期,各方案下DGC 間功率交互變化量ΔPint均發(fā)生較大變化,方案1 劃分出的DGC 的ΔPint波動性比方案2 更大,這表明方案2 同時考慮模塊度和DGC 靈活性供需魯棒平衡,相較于方案1 僅考慮模塊度劃分出的DGC,其靈活性及功率平衡自治能力更強。

      圖10 各方案日內(nèi)與日前DGC 間功率交互變化Fig.10 Intraday and day-ahead changes in power interaction between DGCs of each scheme

      4 結語

      本文考慮DPV 及負荷預測誤差帶來的靈活性需求,以及集中式調(diào)度方法難以滿足日內(nèi)調(diào)度求解時間性能的問題,提出了兩階段配電網(wǎng)日內(nèi)分布式優(yōu)化調(diào)度方法。通過算例分析,得出以下結論:

      1)在配電網(wǎng)DGC 劃分階段考慮靈活性供需魯棒平衡指標,可以合理分配配電網(wǎng)靈活性資源,各DGC 不僅擁有較優(yōu)的結構性能,而且具有較強的功率自治能力;

      2)在日內(nèi)調(diào)度中,采用基于集群劃分的SADMM 算法能夠在保證計算結果有效的前提下,提升計算效率,實現(xiàn)DG 高滲透配電網(wǎng)的高效求解。

      本文所提的考慮靈活性的配電網(wǎng)DGC 劃分方法以及分布式調(diào)度方法均以日內(nèi)優(yōu)化調(diào)度為研究目標,針對日前優(yōu)化調(diào)度的配電網(wǎng)DGC 劃分方法以及分布式調(diào)度方法將是下一步的研究方向。

      附錄見本刊網(wǎng)絡版(http://www.aeps-info.com/aeps/ch/index.aspx),掃英文摘要后二維碼可以閱讀網(wǎng)絡全文。

      猜你喜歡
      魯棒供需靈活性
      供需緊張局勢拉動煤炭價格上漲
      新型儲換熱系統(tǒng)在熱電聯(lián)產(chǎn)電廠靈活性改造中的應用
      供需略微寬松 價格波動縮窄
      基于學習的魯棒自適應評判控制研究進展
      自動化學報(2019年6期)2019-07-23 01:18:18
      油價上漲的供需驅動力能否持續(xù)
      中國外匯(2019年9期)2019-07-13 05:46:30
      我國天然氣供需呈現(xiàn)緊平衡態(tài)勢
      基于SVD可操作度指標的機械臂靈活性分析
      更純粹的功能卻帶來更強的靈活性ESOTERIC第一極品N-03T
      目標魯棒識別的抗旋轉HDO 局部特征描述
      自動化學報(2017年4期)2017-06-15 20:28:54
      基于Cauchy魯棒函數(shù)的UKF改進算法
      滦南县| 霞浦县| 开平市| 荥经县| 抚松县| 信宜市| 夹江县| 滨州市| 老河口市| 梁山县| 岳阳市| 漳州市| 上犹县| 安溪县| 苏尼特左旗| 比如县| 汉沽区| 滨州市| 甘德县| 石渠县| 屏南县| 同仁县| 玉田县| 监利县| 昌乐县| 勐海县| 邵武市| 正蓝旗| 陇西县| 永靖县| 新丰县| 宜黄县| 星座| 攀枝花市| 礼泉县| 城固县| 甘肃省| 泸西县| 澄江县| 色达县| 西贡区|