一种计及电动公交公司协同的配电网分布式应急调度方法

摘要

本发明涉及一种计及电动公交公司协同的配电网分布式应急调度方法，包括以下步骤，构建配电网自调度子模型；构建电动公交公司支撑配电网运行的电动公交公司自调度子模型；基于配电网自调度子模型和电动公交公司自调度子模型，采用增广拉格朗日法构建配电网‑电动公交公司‑电动公交车辆协同应急调度双层分布式模型；采用目标级联法对所述配电网‑电动公交公司‑电动公交车辆协同应急调度双层分布式模型进行分布式迭代优化，并利用求解器进行求解，得到配电网以及电动公交公司的最优应急调度策略。本发明从分布式角度进行应急调度，可以有效保护配电网与电动公交公司的数据隐私，通过双层分布式架构来提高调度问题的优化求解速度。

说明书

技术领域

本发明涉及配电网弹性恢复领域，具体涉及一种计及电动公交公司协同的配电网分布式应急调度方法。

背景技术

近年来，地震、海啸、飓风等极端天气频繁发生，极易对电力线路与关键设备造成物理性损害，进而诱发局部地区内的大停电事故。未来新型电力系统中将存在大量的风电、光伏等新能源机组和电化学储能设备。同时，配电网中还会配置一些柴油发电机组，以供不时之需。这些资源都可为大停电事故后配电网中重要负荷的恢复运行提供了可能条件。然而，极端事件可能同时摧毁数条电力线路，迫使配电网不得不以多个孤立网络的形式独立运行，导致大量新能源发电无法对重要负荷形成有效的供应链，面临着一部分孤网大量弃风弃光、而另一部分孤网却无电可用的窘境。

事实上，城市中存在着一种优质的移动式储能资源——电动公交车。在大停电事故发生后，城市居民的交通需求会有所降低，在此情况下电动公交公司可适当延长公交发车的时间间隔，以抽调出部分空闲的电动公交车，支撑配电网的弹性恢复。这些电动公交车可以在新能源富余的孤网充电，然后行驶到能量不足的孤网进行放电，以此实现孤网能量的跨时空传递，形成一条离散的能量链路。

目前，国内外学者对电动汽车参与配电网应急调度这一问题已经开展了大量的研究。现在研究认为配电网可以直接调度电动公交车，从集中式一体化的角度对配电网应急恢复调度问题进行优化。然而事实上，电动公交车普遍隶属于电动公交公司，配电网并没有对其直接控制权，现有集中式一体化的应急调度模式并不是适用于真实场景。一般而言，配电网与电动公交公司分属不同的利益主体，拥有不同的利益诉求以及隐私保护的需求。

发明内容

本发明所要解决的技术问题是提供一种计及电动公交公司协同的配电网分布式应急调度方法，可以克服传统集中式一体化应急调度模型的不足，保护配电网与电动公交公司的隐私，为配电网与电动公交协同应急调度提供最优方案，提高配电网的弹性恢复能力，保障更多的负荷运行。

本发明解决上述技术问题的技术方案如下：一种计及电动公交公司协同的配电网分布式应急调度方法，包括以下步骤，

S1，基于配电网中的柴油发电机、储能系统、切负荷以及可再生能源，计及配电网约束条件，构建配电网自调度子模型；

S2，根据电动公交公司的电动公交车辆参数与电动公交车辆可调度数量，计及电动公交车辆约束条件，构建电动公交公司支撑所述配电网运行的电动公交公司自调度子模型；

S3，基于所述配电网自调度子模型和所述电动公交公司自调度子模型，采用增广拉格朗日法构建配电网-电动公交公司-电动公交车辆协同应急调度双层分布式模型；

S4，采用目标级联法对所述配电网-电动公交公司-电动公交车辆协同应急调度双层分布式模型进行分布式迭代优化，并利用求解器进行求解，得到所述配电网以及所述电动公交公司的最优应急调度策略。

基于上述一种计及电动公交公司协同的配电网分布式应急调度方法，本发明还提供一种计及电动公交公司协同的配电网分布式应急调度系统。

一种计及电动公交公司协同的配电网分布式应急调度系统，包括以下模块，

配电网自调度子模型构建模块，其用于基于配电网中的柴油发电机、储能系统、切负荷以及可再生能源，计及配电网约束条件，构建配电网自调度子模型；

电动公交公司自调度子模型构建模块，其用于根据电动公交公司的电动公交车辆参数与电动公交车辆可调度数量，计及电动公交车辆约束条件，构建电动公交公司支撑所述配电网运行的电动公交公司自调度子模型；

配电网-电动公交公司-电动公交车辆协同应急调度双层分布式模型构建模块，其用于基于所述配电网自调度子模型和所述电动公交公司自调度子模型，采用增广拉格朗日法构建配电网-电动公交公司-电动公交车辆协同应急调度双层分布式模型；

分布式迭代优化模块，其用于采用目标级联法对所述配电网-电动公交公司-电动公交车辆协同应急调度双层分布式模型进行分布式迭代优化，并利用求解器进行求解，得到所述配电网以及所述电动公交公司的最优应急调度策略。

基于上述一种计及电动公交公司协同的配电网分布式应急调度方法，本发明还提供一种计算机存储介质。

一种计算机存储介质，包括存储器以及存储在所述存储器内的计算机程序，所述计算机程序被处理器执行时实现如上述所述的计及电动公交公司协同的配电网分布式应急调度方法。

本发明的有益效果是：本发明针对极端事件引起的大停电事故场景，提出了一种计及电动公交公司协同的配电网分布式应急调度方法、系统及计算机存储介质。具体地，在本发明中，配电网与电动公交公司可以在大停电发生后短时间内获得最优应急调度策略，以指导配电网内各电气设备与电动公交车的运行，可以保障更多的重要负荷恢复，从而挽回巨大的经济损失、维护社会的安定。其次，本发明从分布式角度进行应急调度，可以有效保护配电网与电动公交公司的数据隐私，更加贴合现实情况，具有良好的工程推广价值。最后，本发明考虑到电动公交车时空约束中含有大量的离散变量会延长求解过程，提出了配电网-电动公交公司-电动公交车双层分布式调度架构，通过双层分布式架构来提高该调度问题的优化求解速度，优化效率远高于配电网-电动公交公司(内含电动公交车模型)单层分布式调度架构，可在更短的时间内获得最优应急调度策略。

附图说明

图1为本发明一种计及电动公交公司协同的配电网分布式应急调度方法的流程图；

图2为配电网-电动公交公司-电动公交车双层分布式优化框架图；

图3为基于目标级联法的双层分布式优化求解流程图；

图4为改进IEEE 33节点配电网示意图；

图5为配电网负荷功率、风电与光伏功率的时变系数图；

图6为本发明一种计及电动公交公司协同的配电网分布式应急调度系统的结构框图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，一种计及电动公交公司协同的配电网分布式应急调度方法，包括以下步骤，

S1，基于配电网中的柴油发电机、储能系统、切负荷以及可再生能源，计及配电网约束条件，构建配电网自调度子模型；

S2，根据电动公交公司的电动公交车辆参数与电动公交车辆可调度数量，计及电动公交车辆约束条件，构建电动公交公司支撑所述配电网运行的电动公交公司自调度子模型；

S3，基于所述配电网自调度子模型和所述电动公交公司自调度子模型，采用增广拉格朗日法构建配电网-电动公交公司-电动公交车辆协同应急调度双层分布式模型；

S4，采用目标级联法对所述配电网-电动公交公司-电动公交车辆协同应急调度双层分布式模型进行分布式迭代优化，并利用求解器进行求解，得到所述配电网以及所述电动公交公司的最优应急调度策略。

下面对S1-S4进行具体说明：

S1：

在构建配电网自调度子模型之前，需要收集配电网内设备的参数，包括柴油发电机所处节点、最大/最小功率

在相关参数及数据收集预测完毕之后即可构建配电网自调度子模型。所述配电网自调度子模型具体为计及所述配电网约束条件且以配电网运行成本最小化为目标的第一目标函数；

所述第一目标函数包括柴油发电机燃油成本、储能系统充放电折损成本以及切负荷损失成本；

所述可再生能源包括风电及光伏能源；所述配电网约束条件包括柴油发电机运行约束条件、储能系统运行约束条件、风电及光伏出力约束条件、配电网各母线节点注入有功功率与无功功率约束条件和配电网潮流约束条件。

具体的，所述第一目标函数的表达式为，

其中，

具体的，C

所述柴油发电机运行约束条件的表达式为，

其中，

所述储能系统运行约束条件的表达式为，

其中，

所述风电及光伏出力约束条件的表达式为，

其中，

所述配电网各母线节点注入有功功率与无功功率约束条件的表达式为，

其中，p

除了以上设备运行约束外，配电网潮流约束也是需要被考虑的。由于配电网通常为辐射状网络，因此采用Distflow潮流方程模型，所述配电网潮流约束条件的表达式为，

其中，P

结合以上第一目标函数与配电网约束条件，构建出的配电网自调度子模型的紧凑形式表达为：

S2：

在构建电动公交公司自调度子模型之前，需要获取电动公交公司下属的电动公交车辆型号与电池参数、配电网接入点集合

在相关参数获取完毕后即可构建电动公交公司自调度子模型。所述电动公交公司自调度子模型具体为计及所述电动公交车辆约束条件且以电动公交公司运行成本最小化为目标的第二目标函数，其运行成本主要来自于电动公交车自身电池充放电折损成本，即：所述第二目标函数包括电动公交车自身电池充放电折损成本；

所述电动公交车辆约束条件包括电动公交车的时空运行约束条件和电动公交车载电池能量约束条件。

具体的，所述第二目标函数的表达式为，

其中，C

所述电动公交车的时空运行约束条件的表达式为，

其中，μ

电动公交车载电池与普通电池的电气特性基本相同，电动公交车载电池能量约束条件的表达式为，

其中，

结合以上第二目标函数与电动公交车辆约束条件，构建出的电动公交公司自调度子模型的紧凑形式表达为：

S3：

如图2所示，将配电网与电动公交之间的协同调度问题分成配电网-电动公交公司-电动公交车两层交互问题，上层配电网与电动公交公司之间通过交互功率矩阵

基于前述的配电网自调度子模型与电动公交公司自调度子模型，采用增广拉格朗日法，构建配电网-电动公交公司-电动公交车辆协同应急调度双层分布式模型，配电网-电动公交公司-电动公交车辆协同应急调度双层分布式模型的表达式为，

其中，

S4:

所述S4具体为，

S41，采用目标级联法将所述配电网-电动公交公司-电动公交车辆协同应急调度双层分布式模型P3进行分布式迭代优化建模，包括配电网子问题 P13、电动公交公司子问题P23、电动公交车子问题P33以及拉格朗日乘子与惩罚系数迭代机制；

S42，基于上、下层交互问题的迭代次数以及所述拉格朗日乘子与惩罚系数迭代机制对所述配电网子问题P13、所述电动公交公司子问题P23以及所述电动公交车子问题P33进行分布式迭代优化，得到配电网子问题优化模型、电动公交公司子问题优化模型以及电动公交车子问题优化模型；

S43，利用求解器对所述配电网子问题优化模型、所述电动公交公司子问题优化模型以及所述电动公交车子问题优化模型进行求解，得到配电网以及所述电动公交公司的最优应急调度策略。

令上、下层交互问题的迭代次数分别为k

如图3所示，所述S42具体为，

S421，初始化上层交互问题参数：

其中，

S422，求解如下配电网子问题P13，优化得到

其中，

S423，初始化下层交互问题参数：

其中，

S424，求解如下电动公交公司子问题P23，优化得到

其中，

S425，求解如下电动公交车子问题P33，优化得到

S426，更新下层拉格朗日乘子与惩罚系数，公式如下：

其中，β为惩罚因子迭代系数；

S427，判断下层误差是否满足预设求解精度要求ξ

S428，更新上层拉格朗日乘子与惩罚系数，公式如下：

S429，判断上层误差是否满足预设求解精度要求ξ

针对上述各子问题优化模型，利用现有求解器(如中国杉树科技开发的基数求解器，COPT)即可进行求解得到各自的最优调度策略。经过分布式优化后，可以得到电动公交车与配电网的最优调度策略，用于指导配电网恢复的过程。

下面以图4所示的改进IEEE 33节点配电网示意图为例来说明本发明。

本实施例以改进IEEE 33节点配电网为仿真对象，如图4所示，假定线路0-1、3-4、8-9遭受损坏，形成三个孤岛网络。柴油发电机位于节点6和 22，装机容量均为500kW，燃油成本系数分别为1.875元/kWh和0.6元/kWh；储能系统位于节点2和15，装机规格均为500kW/1000kWh，单位折损成本为0.2元/kWh，充放电效率为95％，最大最小荷电状态为0.1和0.9；风电装机位置与容量为节点11(200kW)、12(300kW)、13(450kW)、14(500kW)、 18(350kW)、19(450kW)；光伏装机位置与容量为节点20(400kW)、21(400 kW)、23(500kW)、24(450kW)、26(300kW)、27(350kW)。各节点负荷类型为商业负荷(1，2，3，7，8，24，25，30，31，32，33)、工业负荷(4，5，6，14，15，16，17，28，29)和居民负荷(其他全部节点)，对应切负荷单位损失成本分别为104.36元/kWh、247.53元/kWh和5.29元/kWh。各类负荷与风光功率的时变系数如图5所示。

电动公交公司拥有充足的电动公交车。假定在大停电事故发生后，电动公交公司可抽调出5辆电动公交车用于灾后应急恢复。电动公交车电池容量为300kWh，额定功率为360kW，单位行驶功率为30kW，充放电损耗为 95％，单位充放电折损成本为0.4元/kWh，最小、最大荷电状态为0.1和0.9。配电网中有三个电动公交车接入点，为节点10、25和33，且电动公交车可在半小时内从任一接入点到达另一接入点。事故发生时，这10辆电动汽车均为节点10，荷电状态为0.8，调度结束时荷电状态应不小于0.3。假设预期恢复时间为6小时，以30分钟为最小调度时间。在配置为i7-8700 CPU、16GB 内存的个人电脑上，基于MATLAB平台和YALMIP建模软件对该场景进行建模仿真分析。

在不考虑电动公交公司参与情况下，配电网需要切除4421.06kWh负荷，造成经济损失631714.28元。负荷切除主要来自于孤岛2，而孤岛1和3不存在切负荷现象。孤岛3拥有大量的风电、光伏资源，但是囿于没有输电通道，不得不舍弃6290.92kWh能量。在此情形下，配电网运行费用高达 642314.18元。当考虑电动公交公司协同参与应急恢复时，配电网只需切除 2828.05kWh负荷，弃风弃光量也减少为3994.36kWh，消纳了部分新能源发电，保障了更多的负荷运行。在电动公交协同情况下，配电网运行成本降低至242770.95元，共计挽回399543.23元经济损失。电动公交车除了将自身多余的电能释放供给负荷外，还可以去孤岛3取电，然后行驶到孤岛2进行放电，以此在孤岛2和3之间形成一条临时输电通道，保障更多负荷运行。由此可见，电动公交公司的参与可以有效提高配电网的弹性恢复能力，保障更多负荷安全运行。而本发明可以计及电动公交公司协同参与的配电网应急恢复提供合理有效的调度策略。

此外，双层分布式优化具有良好的收敛性。为凸显计算效率的优势，引入了一个单层分布式优化(配电网与电动公交公司之间，电动公交车模型纳入电动公交公司模型之中)进行比较分析。在单层分布式优化中，只考虑了上层交互优化，电动公交公司调度问题一个混合整数二次规划问题，每次求解都需要大量的时间，导致单层分布式优化的求解时间大大增加。在该算例仿真中，单层分布式优化求解所需时间超过20000秒。然而，双层分布式优化可以显著加快求解过程，只需要1530秒即可得到合理的调度策略。若采用并行计算，则求解时间还可进一步缩短。因此，本发明在求解速度上具有明显优势，可以在短时间内获得配电网最优应急调度策略。

基于上述一种计及电动公交公司协同的配电网分布式应急调度方法，本发明还提供一种计及电动公交公司协同的配电网分布式应急调度系统。

如图6所示，一种计及电动公交公司协同的配电网分布式应急调度系统，包括以下模块，

配电网自调度子模型构建模块，其用于基于配电网中的柴油发电机、储能系统、切负荷以及可再生能源，计及配电网约束条件，构建配电网自调度子模型；

电动公交公司自调度子模型构建模块，其用于根据电动公交公司的电动公交车辆参数与电动公交车辆可调度数量，计及电动公交车辆约束条件，构建电动公交公司支撑所述配电网运行的电动公交公司自调度子模型；

配电网-电动公交公司-电动公交车辆协同应急调度双层分布式模型构建模块，其用于基于所述配电网自调度子模型和所述电动公交公司自调度子模型，采用增广拉格朗日法构建配电网-电动公交公司-电动公交车辆协同应急调度双层分布式模型；

分布式迭代优化模块，其用于采用目标级联法对所述配电网-电动公交公司-电动公交车辆协同应急调度双层分布式模型进行分布式迭代优化，并利用求解器进行求解，得到所述配电网以及所述电动公交公司的最优应急调度策略。

基于上述一种计及电动公交公司协同的配电网分布式应急调度方法，本发明还提供一种计算机存储介质。

一种计算机存储介质，包括存储器以及存储在所述存储器内的计算机程序，所述计算机程序被处理器执行时实现如上述所述的计及电动公交公司协同的配电网分布式应急调度方法。

本发明针对极端事件引起的大停电事故场景，提出了一种计及电动公交公司协同的配电网分布式应急调度方法、系统及计算机存储介质。具体地，在本发明中，配电网与电动公交公司可以在大停电发生后短时间内获得最优应急调度策略，以指导配电网内各电气设备与电动公交车的运行，可以保障更多的重要负荷恢复，从而挽回巨大的经济损失、维护社会的安定。其次，本发明从分布式角度进行应急调度，可以有效保护配电网与电动公交公司的数据隐私，更加贴合现实情况，具有良好的工程推广价值。最后，本发明考虑到电动公交车时空约束中含有大量的离散变量会延长求解过程，提出了配电网-电动公交公司-电动公交车双层分布式调度架构，通过双层分布式架构来提高该调度问题的优化求解速度，优化效率远高于配电网-电动公交公司 (内含电动公交车模型)单层分布式调度架构，可在更短的时间内获得最优应急调度策略。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。