多微網主動配電系統(tǒng)的協(xié)調優(yōu)化調度研究

多微網主動配電系統(tǒng)的協(xié)調優(yōu)化調度研究

0含多微網主動配電系統(tǒng)自治優(yōu)化調度模型隨著能源體制改革的推進，分布電源積極發(fā)展，建立互聯(lián)能源發(fā)展機制的聲音不斷增強。微網作為一種包含可再生能源的分布式電源(distributedenergyresource,DER)綜合集成技術,是分布式發(fā)電的有效管理形式含多微網的主動配電系統(tǒng)動態(tài)經濟調度問題可采用非線性優(yōu)化模型來描述,分為集中式與分布式兩類建模方法分布式建模方法將配網與微網作為不同的利益主體分別建模,是目前該領域的發(fā)展趨勢。如,文獻[11]提出一種基于互動調度的微網與電網協(xié)調運行模式,采用差分進化算法實現(xiàn)能量優(yōu)化管理;文獻[12]把多微網經濟調度視為馬爾科夫決策過程,應用拉格朗日松弛技術和對偶原理求解;文獻[13]建立了微電源及負荷的隨機概率模型,并通過粒子群算法實現(xiàn)多微網的經濟運行。上述方法在模型上能夠細化微網與配網作為不同主體的利益述求,然而它們在優(yōu)化過程上并不能實現(xiàn)微網的并行求解,削弱了微網分散自治的優(yōu)勢;同時,也并未兼顧微網群大量間歇式能源波動特性的影響。針對以上文獻的不足,本文采用的目標級聯(lián)分析法能夠實現(xiàn)不同利益主體精細建模與并行協(xié)調求解,且有較高的計算效率。本文以此理論為基礎,建立了一種含多微網的主動配電系統(tǒng)自治優(yōu)化調度模型和求解方法。該模型細化了微網與配網對于經濟調度的運行約束和利益博弈,并結合機會約束規(guī)劃應對新能源隨機性的影響;通過將聯(lián)絡線功率作為解耦變量,實現(xiàn)微網自治模型與配網優(yōu)化模型的解耦與并行求解,在大大提高計算效率的基礎上重塑了含多微網配電系統(tǒng)的日前經濟調度分散自治框架。對改進的IEEE33節(jié)點系統(tǒng)和某實際配電網的算例進行分析,結果表明目標級聯(lián)分析法應用于含多微網主動配電系統(tǒng)的動態(tài)經濟調度是有效的。1微網與配網的功率交互含多微網的主動配電系統(tǒng)結構如圖1所示,微網在一個局部區(qū)域內直接將DER、配電網絡和本地用戶有機組合在一起,消納區(qū)域內的DER以滿足負荷需求;當微網產能過?；虿蛔銜r,與配網進行功率交互。微網中央控制器(microgridcentralcontroller,MGCC)通過合理安排各可控單元的出力計劃,協(xié)調與配網的功率傳送量,使微網的總運行費用最少;同理,配網在滿足自身負荷需求條件下,追求生產費用的最優(yōu),在必要時向微網傳送功率,以填補微網電能缺額。可見,微網與配網作為不同的利益主體,有不同的調度目標;其聯(lián)絡線上的功率交互使各自的經濟調度相互影響,在系統(tǒng)運行上存在強耦合性。以下給出配網和微網各自的動態(tài)經濟調度詳細模型。1.1網絡的動態(tài)經濟規(guī)劃模型1.1.1目標函數(shù)配網調度的目標是使機組的發(fā)電成本以及與微網間的交互成本之和最小,其目標函數(shù)為式中:F式中:T為調度周期;P1.1.2合同規(guī)定將配網動態(tài)經濟調度約束條件具體敘述如下。1方程4顯示了功率平衡的限制23如表5所示，計算傳統(tǒng)設備的產量限制3等式6顯示了傳統(tǒng)設備的傾斜極限4網絡的旋轉時間限制如等式7所示5方程8表示連接網絡的功率限制式中:1.2微網動態(tài)經濟規(guī)劃模型1.2.1微網號碼下標以微網的總生產成本最小作為優(yōu)化的目標,如式(9)所示。式中:下標j表示微網的編號;F本文考慮的微網經濟調度模型是在最大限度消納風電基礎上,優(yōu)化其他可控機組的運行式中:微網向配網購電的成本F式中:1.2.2合同規(guī)定與配網相似,將微網動態(tài)經濟調度約束條件敘述如下。1等式13顯示了功率平衡的限制214如等式14所示，計算中的上限和下限315如等式15所示4方程16表示連接網絡的功率限制式中:P5等式17至19顯示了電池運營的限制式中:E(t)為蓄電池的容量狀態(tài);E6等式20顯示了電池充電率的限制蓄電池充放電功率有一定的限額,同時蓄電池充放電狀態(tài)的頻繁轉換會對蓄電池產生損耗,因此需要限制蓄電池充放電狀態(tài)轉換次數(shù)式中:72旋轉中的額外興趣在風光發(fā)電的預測過程中,存在一定的預測誤差;負荷預測也受到天氣、社會事件等影響存在預測誤差,誤差可用正態(tài)分布來表征式中:R2含多微網主動配電系統(tǒng)動態(tài)經濟調度模型的atc優(yōu)化目標級聯(lián)分析法(analyticaltargetcascading,ATC)是一種采用并行思想解決復雜系統(tǒng)的設計方法,最初由密執(zhí)安大學研究人員提出,主要用于汽車、飛機等設計領域如圖2(a)所示,ATC的基本思想是將設計指標按系統(tǒng)→子系統(tǒng)→部件不斷分流,同時各級響應由下而上不斷反饋,系統(tǒng)、子系統(tǒng)和部件級各單元問題分別獨立求解,交疊優(yōu)化,直到滿足收斂條件為止。每一個元素都是由一個分析模塊和設計模塊組成,如圖2(b)所示。設計模塊用于自身問題的優(yōu)化設計,分析模塊用于計算優(yōu)化迭代時目標變量的響應值。系統(tǒng)將優(yōu)化后的設計變量t由1.1節(jié)所述的含多微網主動配電系統(tǒng)動態(tài)經濟調度模型可見,配網與微網分屬于不同的利益主體,有自身的優(yōu)化目標;同時,它們通過聯(lián)絡線的功率交互進行運行耦合,并使多微網主動配電系統(tǒng)總體效益最優(yōu)。這種層級結構與ATC的基本思想相一致,可將ATC應用于多微網的主動配電系統(tǒng)經濟調度問題的建模與求解。3基于目標級聯(lián)分析的調度模型基于配網與微網之間的運行耦合關系,將配網對應圖2的系統(tǒng)層,微網與子系統(tǒng)層對應。由于存在交互功率從配網角度出發(fā),聯(lián)絡線功率配網在求解自身經濟調度方案時,將虛擬負荷變量P式中ω同理,若配網與m個微網相連,在配網的目標函數(shù)加入m個拉格朗日罰函數(shù),表示配網虛擬負荷P因此,基于目標級聯(lián)分析的調度模型中,微網子系統(tǒng)模型由式(22)和式(13)—(21)構成,配網主系統(tǒng)模型由式(23)和式(4)—(8)構成。各系統(tǒng)調度模型獨立求解,交疊優(yōu)化直到滿足收斂條件。3.1動態(tài)經濟調度算法收斂判據ATC在本質上屬于最優(yōu)化方法中的乘子法,文獻[19]對其收斂性做出了嚴格的理論證明?；贏TC的動態(tài)經濟調度算法收斂條件為:式(24)表示在第k次迭代中,微網虛擬發(fā)電機P若收斂判據式(24)、(25)不能同時滿足,則根據式(26)更新拉格朗日罰函數(shù)乘子。為加速算法的收斂,β的取值一般為2<β<3,乘子ω3.2隨機模擬和隨機模擬由式(21)可知,風電、光伏及負荷的預測誤差等隨機變量的存在使模型不能求解,若采用隨機模擬的方法模擬預測誤差,再結合ATC求解會使模型更加復雜。因此,本文將機會約束條件(21)轉化為等價確定形式(27),F3.3分布式多微網主動配電系統(tǒng)最優(yōu)調度輸出基于ATC的含多微網主動配電系統(tǒng)動態(tài)經濟調度算法流程如圖4所示,具體步驟如下:1)輸入機組參數(shù),設定好耦合變量(即交互功率)及罰函數(shù)乘子初值,置迭代次數(shù)k=1。2)每個微網根據式(22)和式(13)—(21)進行各自優(yōu)化問題的求解,并將求解得到的虛擬發(fā)電機3)配網接收到微網傳遞的數(shù)據后,根據式(23)和式(4)—(8)自身優(yōu)化的同時靠近微網傳遞的值,將求解得到的虛擬負荷傳遞給微網。DS4)含多微網主動配電系統(tǒng)檢查收斂條件式(24)、(25),若同時滿足,則終止迭代過程,輸出最優(yōu)調度結果;否則,根據式(26)更新罰函數(shù)乘子,置k=k+1,返回步驟2)繼續(xù)求解。4計算與分析4.1某實際微網配置及動態(tài)經濟調度周期改進后的IEEE33節(jié)點配網系統(tǒng)如圖5所示。兩個微網分別接在節(jié)點11和28,每個微網的DER總容量均為5MW。每個微網包括2臺1.5MW柴油機組,風電機組、光伏機組各一臺,并配置有蓄電池。各微網的配置情況及參數(shù)均來源于某實際微網,分布式電源及配網機組參數(shù)見附錄A中表A1,動態(tài)經濟調度的周期為1天。實時交易電價見文獻[14],蓄電池充電與放電價格為衡量風光及負荷等隨機變量對含多微網主動配電系統(tǒng)動態(tài)經濟調度經濟效益的影響,本文對不考慮風光、負荷的預測誤差與考慮預測誤差兩種情景進行研究。4.1.1u3000蓄電池出力及充放電特性當主動配電系統(tǒng)不考慮預測誤差,即δ圖7(a)為微網1中蓄電池充放電曲線,其值為正時代表蓄電池向微網供電,為負時配網向蓄電池充電。圖7(b)為微網1機組出力曲線。由圖7可見,在19:00—21:00的高峰負荷時段時,DG1發(fā)電接近飽和,蓄電池向微網放電以滿足負荷需求。圖8(a)、(b)分別為微網2中蓄電池充放電及機組出力曲線。由圖8可見,微網2負荷變化平緩,微網2機組出力變化相應較小;6:00—8:00、18:00—20:00微網2迎來負荷高峰,蓄電池提供功率支撐;11:00—13:00雖為負荷高峰,附錄中圖A1表明此時微網的風光出力充足,無需蓄電池協(xié)助也能提供足夠的功率支撐。4.1.2運行成本分析當主動配電系統(tǒng)考慮預測誤差時,負荷波動方差取值為0.01pu,風光發(fā)電波動方差為0.1pu。模型中置信水平α的選取會對結果產生影響,在不同置信水平下的運行成本如表1所示。當主動配電系統(tǒng)不考慮預測誤差時,含多微網主動配電系統(tǒng)總運行成本為150728元;當置信水平α取60%時,總運行成本為153082元。這說明系統(tǒng)考慮預測誤差使系統(tǒng)可靠性水平提高,是以總運行成本的增加為代價的。當置信度提高時,總運行成本也依次增加,可以體現(xiàn)風電、光伏及負荷的隨機性對調度結果的影響。4.2算法的性能分析1分布式算法及收斂時間為驗證算法的性能,在IEEE33節(jié)點系統(tǒng)中依次接入更多的微網,分別采用集中式建模求解方法與本文所提的基于ATC的分散自治調度方法對該算例進行求解。其中,集中式建模求解采用的是混合整數(shù)規(guī)劃中的分支定界法。模型中置信水平α取為60%,收斂精度設為10當微網數(shù)量較少時,集中式求解規(guī)模小而有較快的求解速度;分布式由于計算過程中信息的傳遞使得求解時間增加。隨著微網數(shù)量增加,集中式求解方法的計算耗時呈指數(shù)級增長,而分布式的增長幅度相對緩慢。當微網數(shù)量較多時,由于系統(tǒng)規(guī)模的急劇增大,使集中式求解效率降低;而基于ATC的分散自治調度方法將大規(guī)模的優(yōu)化問題分解,不同利益主體的自治使得每個子系統(tǒng)維數(shù)降低,因而具有優(yōu)越的求解性能。2迭代收斂以兩微網接入的案例為例,相應的ATC算法收斂曲線如圖9所示,經過8次迭代收斂。3目標函數(shù)與所需初始的關系為驗證算法初值對目標函數(shù)的影響,本文通過隨機抽樣得到20組不同的初值。目標函數(shù)與初值的關系如圖10所示,當取不同的初值時,系統(tǒng)的目標函數(shù)都接近15.3萬元。這說明基于ATC的調度方法受初值的影響較小,且有良好的收斂性。4全局尋優(yōu)能力驗證理論上來說,當收斂精度足夠小時,ATC的計算結果將與集中式調度方法一致。為此,本文開展了大量仿真,對該方法的全局尋優(yōu)能力進行驗證。以2個微網參與調度(m=2)為例,不同的收斂精度對應的目標函數(shù)列于表3中。由表3可見,隨著收斂精度升高時,ATC總成本與集中式優(yōu)化的差值逐漸減少。當收斂精度達到104.3atc算法與其他有組織模式分析為驗證方法和模型的適用性,以某地區(qū)實際配網系統(tǒng)為基礎(接線示意圖見附錄A中圖A2),在配網中接入更多不同類型的微電網。圖中:MG1、4為家庭型微網;MG2為工業(yè)型微網;MG3為商業(yè)型微網。其容量配置和相關運行參數(shù)見文獻[4]。各類型微網調度結果如圖11—13所示。以圖13所示家庭型微網為例,家庭型微網在3:00—5:00與14:00—16:00處于負荷低谷,而此時風光充足,微網向蓄電池充電以消納多余的可再生能源;系統(tǒng)在18:00-20:00迎來用電高峰,蓄電池處于放電狀態(tài)以滿足高峰負荷的需要;而FC由于生產成本較高,只在負荷峰值時供電以保證微網運行的經濟性。圖14給出了配網與微網聯(lián)絡線功率在迭代過程中求解結果。由圖14可見,虛擬發(fā)電機與虛擬負荷的值在求解過程中,不斷相互靠近;體現(xiàn)微網子系統(tǒng)與配網主系統(tǒng)交疊優(yōu)化直至滿足收斂條件的過程。同時,表4對本文ATC方法與基于分支定界法的集中式求解方法進行對比。綜合表2、4可知,對于含多微網的主動配電系統(tǒng),微網數(shù)目越多,主動配網系統(tǒng)規(guī)模越大,本文提出的基于ATC多微網分散自治調度方法相對集中式方法其計算效率將逐步凸顯優(yōu)勢;此外,在優(yōu)化時只需通過傳遞虛擬負荷及虛擬發(fā)電機的值即可得到最優(yōu)解,保護了微網與配網的隱私,隨著智能小區(qū)理念的推廣,越來越多售電主體進入市場,本文所提模型和方法有較好的適用性。5分散自治理念本文提出的基于目標級聯(lián)分析方法的多微網主動配電系統(tǒng)分散自治優(yōu)化調度模型,以微網與配網能量自治管理為前提,實現(xiàn)了整個配電系統(tǒng)的全局能量優(yōu)化管理。與傳統(tǒng)的集中式建模和求解方法相比,本文所提模型的分散自治理念體現(xiàn)在微網與配網優(yōu)化模型的解耦與獨立求解上,即能夠在確保各利益主體隱私的基礎上,細化所有利益主體對于經濟調度的運行約束和利益博弈,能夠有效避免維數(shù)災的弊端,且真正體現(xiàn)微網分散自治的優(yōu)勢。通過IEEE33節(jié)點系統(tǒng)和某實際配電網算例表明:所提方法能夠得到全局最優(yōu)解,具有良好的收斂特性,且受初值的影響較小;隨著系統(tǒng)規(guī)模的增加,更多的微網接入配網,算法依然能夠保持良好的收斂性及計算效率。本文所作研究為主動配電系統(tǒng)的推廣應用,以及不同售電利益主體進入市場后的能量優(yōu)化管理提供了有效的決策理論和方法。附屬aIEEE33節(jié)點系統(tǒng)機組參數(shù)如表A1所示。微網2風光預測曲線如圖A1所示。某地區(qū)配電網結構示意圖如圖A2所示。sion信息siwellXIEMin,JIXiang,KEShaojia,LIUMingbo(SouthChinaUniversityofTechnology)KEYWORDS:activedistributionsystem(ADS);multi-microgrids;interestgame;analyticaltargetcascading(ATC);autonomousoptimizedeconomicdispatchWiththedevelopmentofADSandMGs,moreandmoredistributedenergyresourcesaccesstodistributionnetwork(DN)inMGsmanner.Atthesametime,theinterestgamebetweenDNandMGsbringsahugechallengetopowersystemeconomicdispatching.Toovercomethedifficultiesofcentralizedmodelingapproach,suchaslargeamountsoftransmissioninformation,complexcalculations,dimensionaldisaster,thispaperproposesanautonomyoptimizationmodeloftheactivedistributionsystemwithMGsbasedonATC.TheideaofATCistodividethedesignedindexfromsystemtosubsystemtocomponentconstantly.Atthesametime,theresponseofeverylevelisreturnedfrombottomtotop.Theproblemsofsystem,subsystemandcomponentaresolvedindependentlyandoverlapoptimizeduntiltheconvergenceconditionissatisfied.ThedecompositionschemeshowninFig.1isusedtodecoupletheDNsystemfromtheMGssubsystem,andDNisregardedasthesystemlayer,andMGscorrespondstothesubsystemlayer.Afterdecoupling,theobjectivefunctionsofDNandMGsareshowin(1)and(2)respectively.Powerbalance,limitsofunitsoutputandsomeothercommonconstrainsareconsidered.ThesimulationstudyofamodifiedIEEE33systembetweenATCandbranchandbound(BB)centralizedmethodisshowedinTab.1.Thecomparisonresultshowsthat:I.whenthenumberofMGissmall,thescaleofcentralize