法律状态公告日
法律状态信息
法律状态
2019-10-18
授权
授权
2016-10-19
实质审查的生效 IPC(主分类):G06Q10/04 申请日:20160426
实质审查的生效
2016-09-21
公开
公开
技术领域
本发明属于虚拟电厂经济调度技术领域,尤其是一种基于分布式梯度算法的虚拟电厂经济调度方法。
背景技术
分布式能源在空间上是分散存在的,现代智能配电系统可以将这些能源集成在一起向电力用户提高电能。分布式能源具有两种类型的发电机组,即分布式发电机,比如柴油发电机、风力发电机、光伏发电系统等,也有分布式储能装置,比如蓄电池、抽水蓄能装置等。充分开发这些分布式能源可以提高能源利用效率,能够节约化石能源,减少环境污染。为了有效地利用这些分布式能源,虚拟电厂的概念被提出。虚拟电厂可认为是通过先进信息通信技术和软件系统,实现对分布式能源的聚合和协调优化,以作为一个整体参与电力市场和电网运行的电源协调管理系统。
虚拟电厂的经济调度是一类经济运行优化问题,根据对偶原理,该经济调度问题可以转换为求机组发电成本和从系统购电成本最小化的优化问题,这样就与一般的电力经济调度问题相同。对分布式能源进行调度,最小发电成本受制于每个分布式能源的容量约束和系统运行约束。其算法可以分为两类,一类是解析式算法,包括λ迭代法和梯度搜索法,另一类是启发式算法,比如遗传算法、粒子群优化算法、蒙特卡罗法。现有算法中,大多数为集中式的。由于有大量的数据传输以及通信系统有不可避免的时滞、延迟,导致集中式算法在提供实时优化控制时困难重重。此外,集中式调度灵活性差,易受单点故障的影响。现实中,分布式能源在地理位置上是分散的,采用集中式调度还会面临更多困难:传递每个分布式能源信息(包括其出力,成本,收益)给调度中心、在调度中心和分布式能源之间架设高带宽通信信道等,这都需要巨大的投资,还会带来维数灾难。相比于传统的集中式调度,分布式调度能够更好地集合分布式能源和电网负荷。采用分布式调度不需要搭建复杂的调度中心,其调度中仅需获取相邻分布式能源的数据信息,不需要获取所有分布式能源的信息,极大减少了通信线路的架设与维护所需的昂贵成本,在最优发电控制中有很大的应用前景。
发明内容
本发明所解决的技术问题在于提供一种基于分布式梯度算法的虚拟电厂经济调度方法,通过分布式调度获取相邻能源的数据信息,结合梯度算法迭代更新,能够减少通 信线路的架设和维护成本,且存储量小、操作简单,极大缩减了优化时间。
实现本发明目的的技术解决方案为:
一种基于分布式梯度算法的虚拟电厂经济调度方法,包括以下步骤:
步骤1:建立虚拟电厂调度模型,设置机组i的初始输出功率,并给定机组i的功率平衡约束和功率输出约束,i=1,...,n,n为机组总数;
步骤2:计算机组i的权值矩阵;
步骤3:判断机组i当前的输出功率是否超过功率输出的上限或下限,若超过上限或下限,则转到步骤4;若不超过上限或下限,则转到步骤5;
步骤4:若机组i当前的输出功率超过预设的功率输出的上限,则将当前的输出功率设置为最大输出功率,同时将机组i从通信网络中脱离,并转到步骤6;若机组i当前的输出功率超过预设的功率输出的下限,则将当前的输出功率设置为最小输出功率,同时将机组i从通信网络中脱离,并转到步骤6;
步骤5:采用分布式梯度算法对机组i的输出功率进行迭代更新;
步骤6:计算功率供需误差ΔP;
步骤7:判断|ΔP|是否在允许的误差范围ε内,若是,则结束;若否,转到步骤2。
进一步的,本发明的基于分布式梯度算法的虚拟电厂经济调度方法,步骤1的调度模型中,机组i的成本函数为:
其中,n表示分布式能源机组的数量,PGi表示机组i的输出功率,Ci(PGi)表示机组i在输出功率为PGi时所产生的发电成本,ai、bi、ci为成本系数。
进一步的,本发明的基于分布式梯度算法的虚拟电厂经济调度方法,步骤1的调度模型中,虚拟电厂的总利润为:
其中,Ps表示从主电网流入虚拟电厂的节点功率,节点S表示虚拟电厂连接到主电网的接口节点,如果Ps是负的,则表示功率从虚拟电厂流向主电网;PDj表示电力用户j需求的功率,m表示电力用户的数量,θ表示虚拟电厂从主电网处购买电能的价格,β是虚拟电厂向电力用户的售电价格。
进一步的,本发明的基于分布式梯度算法的虚拟电厂经济调度方法,步骤1中机组 i的功率平衡约束为:
其中,PGi表示机组i的输出功率,Ps表示从主电网流入虚拟电厂的节点功率,PDj表示电力用户j需求的功率。
进一步的,本发明的基于分布式梯度算法的虚拟电厂经济调度方法,步骤1中机组i的功率输出约束为:
其中,
进一步的,本发明的基于分布式梯度算法的虚拟电厂经济调度方法,步骤2中的权值矩阵为:
其中,ni[k]表示进行第k次迭代时与机组i有通信连接的机组数量,nj[k]表示进行第k次迭代时与机组j有通信连接的机组数量,L(i)表示与机组i有通信联系的所有机组j的集合,Wij表示机组i和与其相连的机组j的通信权值。
进一步的,本发明的基于分布式梯度算法的虚拟电厂经济调度方法,步骤5中对机组i的输出功率进行迭代更新的公式为:
其中,L(i)表示与机组i有通信联系的所有机组j的集合,Wii表示机组i自身的权值,Wij表示机组i和与其相连的机组j的通信权值,
进一步的,本发明的基于分布式梯度算法的虚拟电厂经济调度方法,步骤6中功率供需误差ΔP为:
其中,m表示电力用户的数量,PDj表示电力用户j需求的功率,n表示分布式能源机组的数量,PGi表示机组i的输出功率,Ps表示从主电网流入虚拟电厂的节点功率。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、本发明的方法通过分布式控制,能够实时在线进行发电控制;
2、本发明能够在保证虚拟电厂稳定性的基础上,极大缩减了优化时间;
3、本发明的方法计算量小,存储量小,操作简单,能够应用于多种调度场景。
附图说明
图1是本发明的基于分布式梯度算法的虚拟电厂经济调度方法流程图;
图2是本发明在仿真场景一下的系统通信拓扑图;
图3是本发明在仿真场景一下的各机组的优化调度结果;
图4是本发明在仿真场景一下的功率供需;
图5是本发明在仿真场景一下的节点功率;
图6是本发明在仿真场景二下的;
图7是本发明在仿真场景二下的功率供需;
图8是本发明在仿真场景二下的节点功率;
图9是本发明在仿真场景三下的系统通信拓扑图;
图10是本发明在仿真场景三下的各机组的优化调度结果;
图11是本发明在仿真场景三下的功率供需;
图12是本发明在仿真场景三下的节点功率。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
首先,每个分布式能源可以看成一个发电机,该发电机可以被看做是某个图的一个顶点。那么,虚拟电厂中的所有分布式发电机组可以组成一个图,图中的顶点就可以代表一个机组,顶点的位置代表该机组实际的地理位置,顶点之间的边代表发电机之间是否有通信关系,如果顶点之间有连接,说明发电机之间有通信关系,如果顶点之间没有连接,说明发电机之间无通信关系。因此,整个虚拟电厂就可以通过一个图来表示。图的拓扑情况就代表虚拟电厂的通信网络拓扑。根据虚拟电厂中分布式能源的地理位置,画出其通信拓扑。根据拓扑结构写出其邻接矩阵A=[aij]。为了能够做到实时在线控制,将邻接矩阵设计成动态的,即元素用aij[k]表示。
一种基于分布式梯度算法的虚拟电厂经济调度方法,如图1所示,包括以下步骤:
步骤1:建立虚拟电厂调度模型,设置机组i的初始输出功率,并给定机组i的功率平衡约束和功率输出约束,i=1,...,n,n为机组总数。
调度模型中,机组i的成本函数为:
其中,n表示分布式能源机组的数量,PGi表示机组i的输出功率,Ci(PGi)表示机组i在输出功率为PGi时所产生的发电成本,ai、bi、ci为成本系数。
虚拟电厂的总利润为:
其中,Ps表示从主电网流入虚拟电厂的节点功率,节点S表示虚拟电厂连接到主电网的接口节点,如果Ps是负的,则表示功率从虚拟电厂流向主电网;PDj表示电力用户j需求的功率,m表示电力用户的数量,θ表示虚拟电厂从主电网处购买电能的价格,β是虚拟电厂向电力用户的售电价格,θ、β由虚拟电厂、主电网、电力用户之间制定。
机组i的功率平衡约束为:
其中,PGi表示机组i的输出功率,Ps表示从主电网流入虚拟电厂的节点功率,PDj表示电力用户j需求的功率。
机组i的功率输出约束为:
其中,
步骤2:计算机组i的权值矩阵。
所述权值矩阵在第k次的迭代值为:
其中,ni[k]表示进行第k次迭代时与机组i有通信连接的机组数量,nj[k]表示进行第k次迭代时与机组j有通信连接的机组数量,L(i)表示与机组i有通信联系的所有机>ij表示机组i和与其相连的机组j的通信权值。
ni[k]可以通过计算公式
步骤3:判断机组i当前的输出功率是否超过功率输出的上限或下限,若超过上限或下限,则转到步骤4;若不超过上限或下限,则转到步骤5。
步骤4:若机组i当前的输出功率超过预设的功率输出的上限,则将当前的输出功率设置为最大输出功率,同时将机组i从通信网络中脱离,并转到步骤6;若机组i当前的输出功率超过预设的功率输出的下限,则将当前的输出功率设置为最小输出功率,同时将机组i从通信网络中脱离,并转到步骤6;否则转到步骤5。
步骤5:采用分布式梯度算法对机组i的输出功率进行迭代更新。
所述迭代更新的公式为:
其中,L(i)表示与机组i有通信联系的所有机组j的集合,Wii表示机组i自身的权值,Wij表示机组i和与其相连的机组j的通信权值,
步骤6:计算功率供需误差ΔP。
所述供需误差ΔP为:
其中,m表示电力用户的数量,PDj表示电力用户j需求的功率,n表示分布式能源机组的数量,PGi表示机组i的输出功率,Ps表示从主电网流入虚拟电厂的节点功率。
步骤7:判断|ΔP|是否在允许的误差范围ε内,若是,则结束;若否,转到步骤2。
为了验证本发明方法的可用性与稳定性,以及可应用于制定虚拟电厂的经济调度之中,本实施例以下面数据为例说明。该虚拟电厂与电力系统公共节点的功率代数和为PS,总电力负荷为PD,含20个分布式能源机组,类型有光伏机组、风电机组、柴油机组、蓄电池,其中光伏机组、风电机组不消耗化石能源,蓄电池主要存储、释放能量,但这些机组设备的购置、维护也需要一定的成本,将它们的成本函数拟合为二次函数,统一称作为分布式发电机组,各机组耗量参数以及容量范围如表1所示。而当采用集中式优化调度时,各机组的最优出力如表2所示。以下提供3个典型场景的仿真分析:1)不考虑机组出力约束的分布式优化调度;2)考虑机组出力约束的分布式优化调度;3)改变通信网络拓扑的分布式优化调度。
表1分布式能源机组的参数
表2采用集中式调度的优化结果
场景一:不考虑机组的出力约束
图2是本场景的通信拓扑图,该虚拟电厂与主电网存在实时功率交换。本着优先调度可再生能源的原则,光伏机组、风电机组按最大可发功率参与调度。蓄电池可以充电,也可放电,当充电时其输出功率为负值。图3是各分布式能源机组的优化调度曲线,图4-5提供了分布式优化过程中功率不平衡量的变化情况。由图3-5可见,本文提出的分布式优化调度,取得了与集中式优化调度一样的最优调度方案,表明了该分布式调度策略的有效性。当虚拟电厂总发电功率高于总负荷时,剩余功率将从虚拟电厂送入主电网;当虚拟电厂总发电功率低于总负荷时,虚拟电厂从主电网吸收功率以维持供需平衡,该过程如图5所示。此时,PS处于负值状态,表明虚拟电厂能向主电网出售电能,如果PS处于正值,则虚拟电厂从主电网购买电能。
场景二:考虑机组的出力约束
实际运行中,必须考虑虚拟电厂经济调度中的不等式约束,各机组出力约束如表1所示。图6是各分布式能源机组的优化调度曲线,图7-8提供了分布式优化过程中功率不平衡量的变化情况。由图5-8可见,本文提出的分布式优化调度,取得了与集中式优化调度一样的最优调度方案,表明了该分布式调度策略对处理处理约束的有效性。
场景三:改变通信网络拓扑
改变虚拟电厂的通信网络拓扑,新的通信拓扑如图9所示。由图10-12可见,改变 通信拓扑后,本文提出的分布式优化调度,仍然取得了与集中式优化调度一样的最优调度方案,表明了该分布式调度策略对不同通信拓扑的适应性。
随着国家新能源政策的出台,越来越多的光电、风电等分布式能源将会纳入电力调度之中。以虚拟电厂的形式管理这些分布式能源,需要建立合理的虚拟电厂的经济调度模型,并采用分布式梯度算法来解决经济调度问题。分布式梯度算法结合了梯度算法的快速收敛性和分布式调度的低成本、强鲁棒优点,仿真结果可以说明该算法的优势,以及所提出调度策略的可用性、新颖性。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进,这些改进应视为本发明的保护范围。
机译: 分布式神经网络的实时经济调度计算方法
机译: 基于安全区域的安全约束经济调度方法
机译: 基于安全域的安全约束经济调度方法