動態節能配電方法與流程
2023-07-11 07:02:01 2
本發明涉及智能配電，特別涉及一種動態節能配電方法。
背景技術：
隨著智能電網技術的日益發展，世界各國投入了大量精力研究節能調度技術和加大新能源接入電網的力度，其目的就是減少常規能源的消耗以及降低溫室氣體的排放量，這對於節能減排具有重大的現實意義。電力系統優化調度是電力系統分析和控制中的一個非常重要的問題。其主要任務是保證用戶用電需求和電力系統安全穩定的條件下，通過安排電源運行方式，使系統的總發電成本最低。然而對於風電這種不穩定性的能源，給電力系統優化調度帶來了極大的挑戰。雖然基於風電的隨機優化技術已經應用於風電電力系統經濟調度中，但是這些現有技術主要是模糊和概率建模，存在一定的局限性，從實際效果來看不夠理想。
技術實現要素：
為解決上述現有技術所存在的問題，本發明提出了一種動態節能配電方法，包括：
讀取配電網初始參數；令每一個粒子的位置為決策約束向量；
在決策變量可行域內隨機初始化每一個粒子的位置和速度，計算損耗期望和標準差；
如果當前迭代次數未超過預設的最大迭代次數，則更新全局和個體最優位置，然後更新粒子的慣性權值，迭代計算損耗期望和標準差。
優選地，所述配電方法的目標設置為以下約束優化問題：
min[Fobj+E(∑τideci)+τα·max(αPL-σPloss/E(Ploss)，0)]
若hi＞hi，min,則deci＝hi-hi，max
若hi≤hi，min,則deci＝hi，min-hi
其中hi為第i個與決策變量約束有關的狀態變量，hi，min和hi，max分別為hi的下限和上限；deci為與第i個狀態約束有關的狀態變量的減分項；τi為第i個狀態變量越限的減分因數，τα為損耗降低性約束的減分因數；
其中目標函數Fobj為損耗期望E(Ploss)，並設置如下損耗成本降低約束：
σPloss/E(Ploss)≤αPL
其中，σPloss為損耗分布的標準差，αPL為成本降低閾值；
並且，決策變量包括分布式發電組件的有功出力、無功補償功率、平衡節點電壓幅值；其中，
無功補償量約束為
QCi，min<QCi<QCi，max
QCi是無功補償量；QCi，min和QCi，max分別是QCi的下限和上限；
平衡節點電壓約束為
Vsw，min<Vsw<Vsw，max
Vsw是平衡節點的電壓幅值；Vsw，min和Vsw，max分別是Vsw的下限和上限；
風電的出力與風速密切相關，給定風速值v，風電的有功出力Pwi通過以下函數關係獲得：
Pwi＝0,vvco
Pwi＝Pw,ri(v-vci)/(vr-vci)，vr≥v≥vci
Pwi＝Pw,ri,v<vci，vco≥v≥vr
其中，vci和vco分別為風電機組的切入風速和切出風速，vr是額定風速，Pw,ri為最大出力。
優選地，所述更新粒子的慣性權值，進一步包括：
根據以下公式更新粒子第k次的慣性權值wk：
wk＝wmax-(wmax-wmin)×k/kmax；
wmax和wmin分別為wk的上下限，kmax為關聯於最大迭代次數的參數；
更新迭代次數標記，然後返回計算損耗期望和標準差的步驟。
本發明相比現有技術，具有以下優點：
本發明提出的動態節能配電方法，僅獲得風電分布的部分概率參數的情況下，保證線路在各個狀態約束不越限，並同時優化配電網線路損耗，實現運行經濟性的提升。
附圖說明
附圖1是本發明動態節能配電方法流程圖
具體實施方式
下文提供對本發明一個或者多個實施例的詳細描述。結合這樣的實施例描述本發明，但是本發明不限於任何實施例。本發明的範圍僅由權利要求書限定，並且本發明涵蓋諸多替代、修改和等同物。在下文描述中闡述諸多具體細節以便提供對本發明的透徹理解。出於示例的目的而提供這些細節，並且無這些具體細節中的一些或者所有細節也可以根據權利要求書實現本發明。
本發明的配電網調度方法，目的是在僅獲得風電分布的部分概率參數的情況下，保證線路在各個狀態約束不越限，並同時優化配電網線路損耗，實現運行經濟性的提升。與此同時，保證損耗標準差和期望值之間的比值不會過高，因此可以對配網運行經濟性的降低性進行有效控制。
本發明模型採用損耗的期望值作為目標函數：
Fobj＝E(Ploss)
設置如下損耗成本降低約束：
σPloss/E(Ploss)≤αPL
其中，σPloss為損耗分布的標準差，αPL為成本降低閾值。即損耗分布的標準差和期望值的比值不能太高。
本發明的配電網調度方法中，決策變量包括分布式發電組件的有功出力、無功補償功率、平衡節點電壓幅值。其中，有功出力約束為：
PDDGi，min<PDDGi<PDDGi，max
PDDGi是有功出力；PDDGi，min和PDDGi，max分別是PDDGi的下限和上限。
無功補償量約束為
QCi，min<QCi<QCi，max
QCi是無功補償量；QCi，min和QCi，max分別是QCi的下限和上限。
平衡節點電壓約束為
Vsw，min<Vsw<Vsw，max
Vsw是平衡節點的電壓幅值；Vsw，min和Vsw，max分別是Vsw的下限和上限。
對於潮流約束，採用的潮流方程為隨機調度模型的等式約束，具體如下：
Pini-Vi∑Vj(Gijcosδij+Bijsinδij)＝0
Qini-Vi∑Vj(Gijcosδij-Bijsinδij)＝0
其中，Pini和Qini分別是母線集合內節點i的有功總輸入功率和無功總輸入功率，Gij為節點i和節點j之間的轉移電導，Bij為節點i和節點j之間的轉移電納，Vi和Vj分別為節點i和節點j的電壓幅值，δij為節點i和j之間的電壓相角差。
風電的出力與風速密切相關，給定風速值v，風電的有功出力Pwi通過以下函數關係獲得：
Pwi＝0,vvco
Pwi＝Pw,ri(v-vci)/(vr-vci)，vr≥v≥vci
Pwi＝Pw,ri,v<vci，vco≥v≥vr
其中，vci和vco分別為風電機組的切入風速和切出風速，vr是額定風速，Pw,ri為最大出力。
本發明的隨機調度模型本質上是一個約束優化數學問題。採用絕對值減分函數方法將以上相關公式轉化如下的等效模型：
min[Fobj+E(∑τideci)+τα·max(αPL-σPloss/E(Ploss)，0)]
若hi＞hi，min,則deci＝hi-hi，max
若hi≤hi，min,則deci＝hi，min-hi
hi為第i個與決策變量約束有關的狀態變量，hi，min和hi，max分別為hi的下限和上限；deci為與第i個狀態約束有關的狀態變量的減分項；τi為第i個狀態變量越限的減分因數，τα為損耗降低性約束的減分因數。
對於以上含離散優化變量和連續優化變量的複雜數學優化問題，本發明採用粒子群算法作為優化求解工具。首先利用因數k對決策約束進行加強，具體如下：
hi，min+(1-k)|hi，min|≤hi≤hi，max-(1-k)|hi，max|
根據上述描述，本發明將通過粒子群算法聯合求解上述配電網隨機調度問題，具體算法流程如下：
1.讀取配電網數據、分布式電源參數、風速概率參數，確定決策變量及其可行域；設置粒子群的控制參數，令每一個粒子的位置為決策約束向量；
2.在決策變量可行域內隨機初始化每一個粒子的位置，並初始化粒子的速度；
3.根據上述利用因數k對決策約束進行加強的公式，縮小決策變量的可行域，然後根據兩點估計算法計算E(∑τideci)，以及損耗的期望值和標準差；
4.如果當前迭代次數超過預設的最大迭代次數，則結束粒子群算法的優化過程，輸出E(∑τideci)；否則，進入步驟5；
5.更新全局最優位置和個體最優位置，然後根據以下公式更新粒子第k次的慣性權值wk：
wk＝wmax-(wmax-wmin)×k/kmax；
wmax和wmin分別為wk的上下限，kmax為關聯於最大迭代次數的參數；
6.更新迭代次數標記，然後返回步驟3。
應當理解的是，本發明的上述具體實施方式僅僅用於示例性說明或解釋本發明的原理，而不構成對本發明的限制。因此，在不偏離本發明的精神和範圍的情況下所做的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。此外，本發明所附權利要求旨在涵蓋落入所附權利要求範圍和邊界、或者這種範圍和邊界的等同形式內的全部變化和修改例。