多微網(wǎng)主動配電系統(tǒng)的協(xié)調(diào)優(yōu)化調(diào)度研究

多微網(wǎng)主動配電系統(tǒng)的協(xié)調(diào)優(yōu)化調(diào)度研究

0含多微網(wǎng)主動配電系統(tǒng)自治優(yōu)化調(diào)度模型隨著能源體制改革的推進(jìn)，分布電源積極發(fā)展，建立互聯(lián)能源發(fā)展機(jī)制的聲音不斷增強(qiáng)。微網(wǎng)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(shù),是分布式發(fā)電的有效管理形式含多微網(wǎng)的主動配電系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)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(wǎng)與微網(wǎng)作為不同的利益主體分別建模,是目前該領(lǐng)域的發(fā)展趨勢。如,文獻(xiàn)[11]提出一種基于互動調(diào)度的微網(wǎng)與電網(wǎng)協(xié)調(diào)運(yùn)行模式,采用差分進(jìn)化算法實(shí)現(xiàn)能量優(yōu)化管理;文獻(xiàn)[12]把多微網(wǎng)經(jīng)濟(jì)調(diào)度視為馬爾科夫決策過程,應(yīng)用拉格朗日松弛技術(shù)和對偶原理求解;文獻(xiàn)[13]建立了微電源及負(fù)荷的隨機(jī)概率模型,并通過粒子群算法實(shí)現(xiàn)多微網(wǎng)的經(jīng)濟(jì)運(yùn)行。上述方法在模型上能夠細(xì)化微網(wǎng)與配網(wǎng)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(shí)現(xiàn)微網(wǎng)的并行求解,削弱了微網(wǎng)分散自治的優(yōu)勢;同時,也并未兼顧微網(wǎng)群大量間歇式能源波動特性的影響。針對以上文獻(xiàn)的不足,本文采用的目標(biāo)級聯(lián)分析法能夠?qū)崿F(xiàn)不同利益主體精細(xì)建模與并行協(xié)調(diào)求解,且有較高的計算效率。本文以此理論為基礎(chǔ),建立了一種含多微網(wǎng)的主動配電系統(tǒng)自治優(yōu)化調(diào)度模型和求解方法。該模型細(xì)化了微網(wǎng)與配網(wǎng)對于經(jīng)濟(jì)調(diào)度的運(yùn)行約束和利益博弈,并結(jié)合機(jī)會約束規(guī)劃應(yīng)對新能源隨機(jī)性的影響;通過將聯(lián)絡(luò)線功率作為解耦變量,實(shí)現(xiàn)微網(wǎng)自治模型與配網(wǎng)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(chǔ)上重塑了含多微網(wǎng)配電系統(tǒng)的日前經(jīng)濟(jì)調(diào)度分散自治框架。對改進(jìn)的IEEE33節(jié)點(diǎn)系統(tǒng)和某實(shí)際配電網(wǎng)的算例進(jìn)行分析,結(jié)果表明目標(biāo)級聯(lián)分析法應(yīng)用于含多微網(wǎng)主動配電系統(tǒng)的動態(tài)經(jīng)濟(jì)調(diào)度是有效的。1微網(wǎng)與配網(wǎng)的功率交互含多微網(wǎng)的主動配電系統(tǒng)結(jié)構(gòu)如圖1所示,微網(wǎng)在一個局部區(qū)域內(nèi)直接將DER、配電網(wǎng)絡(luò)和本地用戶有機(jī)組合在一起,消納區(qū)域內(nèi)的DER以滿足負(fù)荷需求;當(dāng)微網(wǎng)產(chǎn)能過剩或不足時,與配網(wǎng)進(jìn)行功率交互。微網(wǎng)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(diào)與配網(wǎng)的功率傳送量,使微網(wǎng)的總運(yùn)行費(fèi)用最少;同理,配網(wǎng)在滿足自身負(fù)荷需求條件下,追求生產(chǎn)費(fèi)用的最優(yōu),在必要時向微網(wǎng)傳送功率,以填補(bǔ)微網(wǎng)電能缺額?？梢?微網(wǎng)與配網(wǎng)作為不同的利益主體,有不同的調(diào)度目標(biāo);其聯(lián)絡(luò)線上的功率交互使各自的經(jīng)濟(jì)調(diào)度相互影響,在系統(tǒng)運(yùn)行上存在強(qiáng)耦合性。以下給出配網(wǎng)和微網(wǎng)各自的動態(tài)經(jīng)濟(jì)調(diào)度詳細(xì)模型。1.1網(wǎng)絡(luò)的動態(tài)經(jīng)濟(jì)規(guī)劃模型1.1.1目標(biāo)函數(shù)配網(wǎng)調(diào)度的目標(biāo)是使機(jī)組的發(fā)電成本以及與微網(wǎng)間的交互成本之和最小,其目標(biāo)函數(shù)為式中:F式中:T為調(diào)度周期;P1.1.2合同規(guī)定將配網(wǎng)動態(tài)經(jīng)濟(jì)調(diào)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(shè)備的產(chǎn)量限制3等式6顯示了傳統(tǒng)設(shè)備的傾斜極限4網(wǎng)絡(luò)的旋轉(zhuǎn)時間限制如等式7所示5方程8表示連接網(wǎng)絡(luò)的功率限制式中:1.2微網(wǎng)動態(tài)經(jīng)濟(jì)規(guī)劃模型1.2.1微網(wǎng)號碼下標(biāo)以微網(wǎng)的總生產(chǎn)成本最小作為優(yōu)化的目標(biāo),如式(9)所示。式中:下標(biāo)j表示微網(wǎng)的編號;F本文考慮的微網(wǎng)經(jīng)濟(jì)調(diào)度模型是在最大限度消納風(fēng)電基礎(chǔ)上,優(yōu)化其他可控機(jī)組的運(yùn)行式中:微網(wǎng)向配網(wǎng)購電的成本F式中:1.2.2合同規(guī)定與配網(wǎng)相似,將微網(wǎng)動態(tài)經(jīng)濟(jì)調(diào)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(wǎng)絡(luò)的功率限制式中:P5等式17至19顯示了電池運(yùn)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(zhuǎn)換會對蓄電池產(chǎn)生損耗,因此需要限制蓄電池充放電狀態(tài)轉(zhuǎn)換次數(shù)式中:72旋轉(zhuǎn)中的額外興趣在風(fēng)光發(fā)電的預(yù)測過程中,存在一定的預(yù)測誤差;負(fù)荷預(yù)測也受到天氣、社會事件等影響存在預(yù)測誤差,誤差可用正態(tài)分布來表征式中:R2含多微網(wǎng)主動配電系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度模型的atc優(yōu)化目標(biāo)級聯(lián)分析法(analyticaltargetcascading,ATC)是一種采用并行思想解決復(fù)雜系統(tǒng)的設(shè)計方法,最初由密執(zhí)安大學(xué)研究人員提出,主要用于汽車、飛機(jī)等設(shè)計領(lǐng)域如圖2(a)所示,ATC的基本思想是將設(shè)計指標(biāo)按系統(tǒng)→子系統(tǒng)→部件不斷分流,同時各級響應(yīng)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(dú)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(shè)計模塊組成,如圖2(b)所示。設(shè)計模塊用于自身問題的優(yōu)化設(shè)計,分析模塊用于計算優(yōu)化迭代時目標(biāo)變量的響應(yīng)值。系統(tǒng)將優(yōu)化后的設(shè)計變量t由1.1節(jié)所述的含多微網(wǎng)主動配電系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度模型可見,配網(wǎng)與微網(wǎng)分屬于不同的利益主體,有自身的優(yōu)化目標(biāo);同時,它們通過聯(lián)絡(luò)線的功率交互進(jìn)行運(yùn)行耦合,并使多微網(wǎng)主動配電系統(tǒng)總體效益最優(yōu)。這種層級結(jié)構(gòu)與ATC的基本思想相一致,可將ATC應(yīng)用于多微網(wǎng)的主動配電系統(tǒng)經(jīng)濟(jì)調(diào)度問題的建模與求解。3基于目標(biāo)級聯(lián)分析的調(diào)度模型基于配網(wǎng)與微網(wǎng)之間的運(yùn)行耦合關(guān)系,將配網(wǎng)對應(yīng)圖2的系統(tǒng)層,微網(wǎng)與子系統(tǒng)層對應(yīng)。由于存在交互功率從配網(wǎng)角度出發(fā),聯(lián)絡(luò)線功率配網(wǎng)在求解自身經(jīng)濟(jì)調(diào)度方案時,將虛擬負(fù)荷變量P式中ω同理,若配網(wǎng)與m個微網(wǎng)相連,在配網(wǎng)的目標(biāo)函數(shù)加入m個拉格朗日罰函數(shù),表示配網(wǎng)虛擬負(fù)荷P因此,基于目標(biāo)級聯(lián)分析的調(diào)度模型中,微網(wǎng)子系統(tǒng)模型由式(22)和式(13)—(21)構(gòu)成,配網(wǎng)主系統(tǒng)模型由式(23)和式(4)—(8)構(gòu)成。各系統(tǒng)調(diào)度模型獨(dú)立求解,交疊優(yōu)化直到滿足收斂條件。3.1動態(tài)經(jīng)濟(jì)調(diào)度算法收斂判據(jù)ATC在本質(zhì)上屬于最優(yōu)化方法中的乘子法,文獻(xiàn)[19]對其收斂性做出了嚴(yán)格的理論證明?；贏TC的動態(tài)經(jīng)濟(jì)調(diào)度算法收斂條件為:式(24)表示在第k次迭代中,微網(wǎng)虛擬發(fā)電機(jī)P若收斂判據(jù)式(24)、(25)不能同時滿足,則根據(jù)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(jī)模擬和隨機(jī)模擬由式(21)可知,風(fēng)電、光伏及負(fù)荷的預(yù)測誤差等隨機(jī)變量的存在使模型不能求解,若采用隨機(jī)模擬的方法模擬預(yù)測誤差,再結(jié)合ATC求解會使模型更加復(fù)雜。因此,本文將機(jī)會約束條件(21)轉(zhuǎn)化為等價確定形式(27),F3.3分布式多微網(wǎng)主動配電系統(tǒng)最優(yōu)調(diào)度輸出基于ATC的含多微網(wǎng)主動配電系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度算法流程如圖4所示,具體步驟如下:1)輸入機(jī)組參數(shù),設(shè)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(wǎng)根據(jù)式(22)和式(13)—(21)進(jìn)行各自優(yōu)化問題的求解,并將求解得到的虛擬發(fā)電機(jī)3)配網(wǎng)接收到微網(wǎng)傳遞的數(shù)據(jù)后,根據(jù)式(23)和式(4)—(8)自身優(yōu)化的同時靠近微網(wǎng)傳遞的值,將求解得到的虛擬負(fù)荷傳遞給微網(wǎng)。DS4)含多微網(wǎng)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(diào)度結(jié)果;否則,根據(jù)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(shí)際微網(wǎng)配置及動態(tài)經(jīng)濟(jì)調(diào)度周期改進(jìn)后的IEEE33節(jié)點(diǎn)配網(wǎng)系統(tǒng)如圖5所示。兩個微網(wǎng)分別接在節(jié)點(diǎn)11和28,每個微網(wǎng)的DER總?cè)萘烤鶠?MW。每個微網(wǎng)包括2臺1.5MW柴油機(jī)組,風(fēng)電機(jī)組、光伏機(jī)組各一臺,并配置有蓄電池。各微網(wǎng)的配置情況及參數(shù)均來源于某實(shí)際微網(wǎng),分布式電源及配網(wǎng)機(jī)組參數(shù)見附錄A中表A1,動態(tài)經(jīng)濟(jì)調(diào)度的周期為1天。實(shí)時交易電價見文獻(xiàn)[14],蓄電池充電與放電價格為衡量風(fēng)光及負(fù)荷等隨機(jī)變量對含多微網(wǎng)主動配電系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度經(jīng)濟(jì)效益的影響,本文對不考慮風(fēng)光、負(fù)荷的預(yù)測誤差與考慮預(yù)測誤差兩種情景進(jìn)行研究。4.1.1u3000蓄電池出力及充放電特性當(dāng)主動配電系統(tǒng)不考慮預(yù)測誤差,即δ圖7(a)為微網(wǎng)1中蓄電池充放電曲線,其值為正時代表蓄電池向微網(wǎng)供電,為負(fù)時配網(wǎng)向蓄電池充電。圖7(b)為微網(wǎng)1機(jī)組出力曲線。由圖7可見,在19:00—21:00的高峰負(fù)荷時段時,DG1發(fā)電接近飽和,蓄電池向微網(wǎng)放電以滿足負(fù)荷需求。圖8(a)、(b)分別為微網(wǎng)2中蓄電池充放電及機(jī)組出力曲線。由圖8可見,微網(wǎng)2負(fù)荷變化平緩,微網(wǎng)2機(jī)組出力變化相應(yīng)較小;6:00—8:00、18:00—20:00微網(wǎng)2迎來負(fù)荷高峰,蓄電池提供功率支撐;11:00—13:00雖為負(fù)荷高峰,附錄中圖A1表明此時微網(wǎng)的風(fēng)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(yùn)行成本分析當(dāng)主動配電系統(tǒng)考慮預(yù)測誤差時,負(fù)荷波動方差取值為0.01pu,風(fēng)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(jié)果產(chǎn)生影響,在不同置信水平下的運(yùn)行成本如表1所示。當(dāng)主動配電系統(tǒng)不考慮預(yù)測誤差時,含多微網(wǎng)主動配電系統(tǒng)總運(yùn)行成本為150728元;當(dāng)置信水平α取60%時,總運(yùn)行成本為153082元。這說明系統(tǒng)考慮預(yù)測誤差使系統(tǒng)可靠性水平提高,是以總運(yùn)行成本的增加為代價的。當(dāng)置信度提高時,總運(yùn)行成本也依次增加,可以體現(xiàn)風(fēng)電、光伏及負(fù)荷的隨機(jī)性對調(diào)度結(jié)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(yàn)證算法的性能,在IEEE33節(jié)點(diǎn)系統(tǒng)中依次接入更多的微網(wǎng),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(diào)度方法對該算例進(jìn)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(shè)為10當(dāng)微網(wǎng)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(wǎng)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(dāng)微網(wǎng)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(diào)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(wǎng)接入的案例為例,相應(yīng)的ATC算法收斂曲線如圖9所示,經(jīng)過8次迭代收斂。3目標(biāo)函數(shù)與所需初始的關(guān)系為驗(yàn)證算法初值對目標(biāo)函數(shù)的影響,本文通過隨機(jī)抽樣得到20組不同的初值。目標(biāo)函數(shù)與初值的關(guān)系如圖10所示,當(dāng)取不同的初值時,系統(tǒng)的目標(biāo)函數(shù)都接近15.3萬元。這說明基于ATC的調(diào)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(yàn)證理論上來說,當(dāng)收斂精度足夠小時,ATC的計算結(jié)果將與集中式調(diào)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(jìn)行驗(yàn)證。以2個微網(wǎng)參與調(diào)度(m=2)為例,不同的收斂精度對應(yīng)的目標(biāo)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(dāng)收斂精度達(dá)到104.3atc算法與其他有組織模式分析為驗(yàn)證方法和模型的適用性,以某地區(qū)實(shí)際配網(wǎng)系統(tǒng)為基礎(chǔ)(接線示意圖見附錄A中圖A2),在配網(wǎng)中接入更多不同類型的微電網(wǎng)。圖中:MG1、4為家庭型微網(wǎng);MG2為工業(yè)型微網(wǎng);MG3為商業(yè)型微網(wǎng)。其容量配置和相關(guān)運(yùn)行參數(shù)見文獻(xiàn)[4]。各類型微網(wǎng)調(diào)度結(jié)果如圖11—13所示。以圖13所示家庭型微網(wǎng)為例,家庭型微網(wǎng)在3:00—5:00與14:00—16:00處于負(fù)荷低谷,而此時風(fēng)光充足,微網(wǎng)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(fù)荷的需要;而FC由于生產(chǎn)成本較高,只在負(fù)荷峰值時供電以保證微網(wǎng)運(yùn)行的經(jīng)濟(jì)性。圖14給出了配網(wǎng)與微網(wǎng)聯(lián)絡(luò)線功率在迭代過程中求解結(jié)果。由圖14可見,虛擬發(fā)電機(jī)與虛擬負(fù)荷的值在求解過程中,不斷相互靠近;體現(xiàn)微網(wǎng)子系統(tǒng)與配網(wǎng)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(jìn)行對比。綜合表2、4可知,對于含多微網(wǎng)的主動配電系統(tǒng),微網(wǎng)數(shù)目越多,主動配網(wǎng)系統(tǒng)規(guī)模越大,本文提出的基于ATC多微網(wǎng)分散自治調(diào)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(fù)荷及虛擬發(fā)電機(jī)的值即可得到最優(yōu)解,保護(hù)了微網(wǎng)與配網(wǎng)的隱私,隨著智能小區(qū)理念的推廣,越來越多售電主體進(jìn)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(biāo)級聯(lián)分析方法的多微網(wǎng)主動配電系統(tǒng)分散自治優(yōu)化調(diào)度模型,以微網(wǎng)與配網(wǎng)能量自治管理為前提,實(shí)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(wǎng)與配網(wǎng)優(yōu)化模型的解耦與獨(dú)立求解上,即能夠在確保各利益主體隱私的基礎(chǔ)上,細(xì)化所有利益主體對于經(jīng)濟(jì)調(diào)度的運(yùn)行約束和利益博弈,能夠有效避免維數(shù)災(zāi)的弊端,且真正體現(xiàn)微網(wǎng)分散自治的優(yōu)勢。通過IEEE33節(jié)點(diǎn)系統(tǒng)和某實(shí)際配電網(wǎng)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(wǎng)接入配網(wǎng),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(yīng)用,以及不同售電利益主體進(jìn)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(diǎn)系統(tǒng)機(jī)組參數(shù)如表A1所示。微網(wǎng)2風(fēng)光預(yù)測曲線如圖A1所示。某地區(qū)配電網(wǎng)結(jié)構(gòu)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