主动配电网序贯-自适应鲁棒优化调度系统及调度方法技术方案

本发明专利技术公开了一种计及不确定性的主动配电网序贯‑鲁棒优化调度系统及调度方法，其中调度框架包括上层序贯优化模型和下层鲁棒自适应模型；基于所述调度框架的调度方法，包括：针对主动配电网中的传统调压设备，进行小时级优化调度，引入序贯优化理论，构建上层优化模型，降低不确定性对决策的影响；基于上层调度指令，进行小时内的下层优化，采用鲁棒自适应优化方法，构建鲁棒自适应有功‑无功协调优化模型，实现对配电网的主动控制与实时优化；本发明专利技术针对大规模可再生能源接入的主动配电网，通过调用一切可控资源提供系统支撑，充分降低可再生能源出力不确定性的不利影响，实现配电网的可靠、安全、经济、高效运行。

And the active distribution network sequential robust optimization scheduling system and scheduling method of uncertainty

The invention discloses a meter and the uncertainty of the active distribution network sequential robust optimization scheduling system and scheduling method, the scheduling framework including the upper model and the lower robust adaptive sequential optimization model; including scheduling method, the scheduling framework based on active distribution network: Based on the traditional adjustable pressure in the equipment, hour level optimization the introduction of sequential scheduling, optimization theory, construct the upper optimization model, reduce the uncertainty of decision-making; upper instruction scheduling based on optimization to lower hours, using the method of robust adaptive optimization, constructing robust adaptive active coordinated reactive power optimization model, realize the active control of the distribution network and real-time optimization; the invention of active distribution network for large scale renewable energy access, to provide system support by calling all controllable resources, fully reduced The adverse effects of the uncertainty of renewable energy output, the reliable, safe, economical and efficient operation of the distribution network.

【技术实现步骤摘要】
计及不确定性的主动配电网序贯-鲁棒优化调度系统及调度方法
本专利技术涉及主动配电网的调度框架和调度方法，特别是涉及一种计及不确定性的主动配电网序贯鲁棒优化调度系统及调度方法。
技术介绍
积极发展可再生能源发电技术，是我国调整能源结构、转变经济发展方式和实现可持续发展的战略选择，分布式电源技术(DG)已成为我国能源可持续发展关键技术的焦点。分布式电源的大规模并网，给配电网的运行带来了广泛的影响和巨大的挑战。现有的主动配电网调控策略主要包括：单时间断面优化调度、日前调度以及多时间尺度协调配合的分层调度。单时间断面优化调度未充分考虑传统调控设备与分布式电源的区别，对配网实际运行指导意义不足；日前调度依赖于分布式电源的预测值，而分布式电源实际值与预测值往往存在一定的偏差，且预测时间越长，偏差越大，因此日前调度计划往往精度不高；多时间尺度协调配合的分层调度仍是配电网安全约束越限后的被动调节，不是真正的主动控制与实时优化，且其容易存在计算次数多，成本高的问题。因此，现有技术存在调度时间尺度过低、对分布式电源不确定性处理能力不足等问题，不能确保配电网的可靠、安全、经济、高效运行。
技术实现思路
专利技术目的：为克服现有技术存在的不足，提供了一种采用双层立体调度框架，小时级优化调度与小时内优化调度结合的计及不确定性的主动配电网序贯-鲁棒优化调度系统及调度方法。技术方案：一种计及不确定性的主动配电网序贯-鲁棒优化调度系统，包括上层优化模型和下层优化模型；上层优化模型对传统调控设备进行优化，下次优化模型对分布式电源进行实时优化，下层优化模型接收上层优化模型的调度指令，进行小时内的下层优化，下层优化模型将信息反馈给上层优化模型。其中，所述上层优化模型为序贯优化模型，所述下层优化模型为鲁棒自适应有功-无功协调优化模型；所述序贯优化模型为：其中，u表示控制变量，x表示状态变量，L(u,x)＝0表示等式约束，G(u,x)≤0表示不等式约束，Ploss表示系统网损；所述鲁棒自适应有功-无功协调优化模型为：其中，为无扰动状态下的目标函数，为有扰动状态下的目标函数，g(P,Q)＝0表示等式约束，h(P,Q)≤0表示不等式约束；分布式电源的最大有功出力仿射表达式为：其中，pmax为分布式电源最大有功出力，为分布式电源最大有功出力的预测值，为最大扰动量，ε为分布式电源出力扰动因子，Ω为不确定集；分布式电源最优有功出力的自适应函数，如下式所示：p＝p0+p(ε)(4)p(ε)＝pα1ε+pα2εTε+…(5)其中，p为分布式电源最优有功出力，p0为无扰动情况下分布式电源的最优有功出力，p(ε)为分布式电源有功出力随扰动变化的自适应函数，pα1为分布式电源有功出力的一阶扰动量，pα2为分布式电源有功出力的二阶扰动量，εT是ε的转置；其中公式(5)为多项式函数，其项数具体个数与优化模型的具体表达式相关；分布式电源最优无功出力的自适应函数，如下式所示：Q＝q0+q(ε)(6)q(ε)＝qα1ε+qα2εTε+…(7)其中，Q为分布式电源最优无功出力，q0为无扰动情况下分布式电源的最优无功出力，q(ε)为分布式电源无功出力随扰动变化的自适应函数，qα1为分布式电源无功出力的一阶扰动量，qα2为分布式电源无功出力的二阶扰动量；其中公式(7)为多项式函数，其项数具体个数与优化模型的具体表达式相关。一种基于上述调度框架的调度方法，包括以下步骤：(1)构建上层优化模型针对主动配电网中的传统调压设备，进行小时级优化调度，引入序贯优化理论，进行序贯滚动优化，构建上层优化模型；(2)构建下层优化模型基于上层调度指令，进行小时内的下层优化，充分发挥分布式电源的系统支撑能力，将不确定变量处理成区间的形式，采用鲁棒自适应优化方法，构建鲁棒自适应有功-无功协调优化模型，即下层优化模型。其中，所述步骤(1)进一步包括：(a)上层制定调度计划上层制定调度计划时，同时考虑传统调控设备和分布式电源，但主要动作传统离散调控设备，分布式电源的调控指令主要来源于下层优化；(b)获取调度计划上层优化以T为一个调度周期，每个调度周期开始进行优化决策，获取调度计划；(c)更新调度计划若当前时间距离传统离散设备动作时间超过1小时，则每隔T1时间进行一次滚动优化，更新调度计划；若当前时间距离传统离散设备动作时间小于1小时，则每隔T2时间进行一次滚动优化，更新调度计划；传统离散设备动作之前T3时间，再进行一次优化，更新调度计划。上层优化的数学模型为：其中，u表示控制变量，x表示状态变量，L(u,x)＝0表示等式约束，G(u,x)≤0表示不等式约束，Ploss表示系统网损。其中，上层优化的调度周期T的取值范围为1h～24h，T1的取值范围为20min～1h，T2的取值范围为10min～20min，T3的取值范围为3min～10min。另外，下层优化仅调控分布式电源的有功出力和无功出力，对分布式电源进行实时优化；基于上层的调度指令，下层优化采用鲁棒自适应有功-无功协调优化方法，将不确定变量处理为区间形式，构建自适应函数，构建鲁棒自适应优化模型，用以求取分布式电源的自适应控制规则；优化的时间粒度为T4，即每隔T4时间进行一次优化调度，获取该T4时间内的操作指令，T4取值范围为30s～5min；主动配电网中，分布式电源的最大有功出力为不确定变量，其区间表达式如下所示：其中，Pmax表示分布式电源最大有功出力，表示区间出力的下限，表示区间出力的上限；分布式电源的最大有功出力仿射表达式为：其中，pmax为分布式电源最大有功出力，为分布式电源最大有功出力的预测值，为最大扰动量，ε为分布式电源出力扰动因子，Ω为不确定集；分布式电源最优有功出力的自适应函数，如下式所示：p＝p0+p(ε)(11)p(ε)＝pα1ε+pα2εTε+…(12)其中，p为分布式电源最优有功出力，p0为无扰动情况下分布式电源的最优有功出力，p(ε)为分布式电源有功出力随扰动变化的自适应函数，pα1为分布式电源有功出力的一阶扰动量，pα2为分布式电源有功出力的二阶扰动量，εT是ε的转置；其中公式(12)为多项式函数，其项数具体个数与优化模型的具体表达式相关；分布式电源最优无功出力的自适应函数，如下式所示：Q＝q0+q(ε)(13)q(ε)＝qα1ε+qα2εTε+…(14)其中，Q为分布式电源最优无功出力，q0为无扰动情况下分布式电源的最优无功出力，q(ε)为分布式电源无功出力随扰动变化的自适应函数，qα1为分布式电源无功出力的一阶扰动量，qα2为分布式电源无功出力的二阶扰动量；其中公式(14)为多项式函数，其项数具体个数与优化模型的具体表达式相关；主动配电网鲁棒自适应有功-无功协调优化模型，如下所示：其中，为无扰动状态下的目标函数，为有扰动状态下的目标函数，g(P,Q)＝0表示等式约束，h(P,Q)≤0表示不等式约束。有益效果：与现有技术相比，本专利技术具有以下优点：充分调用了主动配电网中的传统调控设备和分布式电源，并根据其特点设计了双层立体调度框架；在上层优化调度中，引入了序贯优化理论，确保了不确定性条件下，优化决策的准确性与有效性，且相比于多时间尺度协调优化，降低了运算次数，降低了成本；在下层优化调度中，采用了自适应鲁棒优化方法，实现了本文档来自技高网...

【技术保护点】
一种计及不确定性的主动配电网序贯‑鲁棒优化调度系统，其特征在于，包括上层优化模型和下层优化模型；上层优化模型对传统调控设备进行优化，下层优化模型对分布式电源进行实时优化，下层优化模型接收上层优化模型的调度指令，进行小时内的下层优化，下层优化模型将信息反馈给上层优化模型。

【技术特征摘要】
1.一种计及不确定性的主动配电网序贯-鲁棒优化调度系统，其特征在于，包括上层优化模型和下层优化模型；上层优化模型对传统调控设备进行优化，下层优化模型对分布式电源进行实时优化，下层优化模型接收上层优化模型的调度指令，进行小时内的下层优化，下层优化模型将信息反馈给上层优化模型。2.根据权利要求1所述的一种计及不确定性的主动配电网序贯-鲁棒优化调度系统，其特征在于，所述上层优化模型为序贯优化模型，所述下层优化模型为鲁棒自适应有功-无功协调优化模型；所述序贯优化模型为：minf(u,x)＝minPlossL(u,x)＝0G(u,x)≤0其中，u表示控制变量，x表示状态变量，L(u,x)＝0表示等式约束，G(u,x)≤0表示不等式约束，Ploss表示系统网损；所述鲁棒自适应有功-无功协调优化模型为：g(P,Q)＝0h(P,Q)≤0p＝p0+p(ε)p(ε)＝pα1ε+pα2εTε+…Q＝q0+q(ε)q(ε)＝qα1ε+qα2εTε+…ε∈Ω其中，为无扰动状态下的目标函数，为有扰动状态下的目标函数，g(P,Q)＝0表示等式约束，h(P,Q)≤0表示不等式约束；分布式电源的最大有功出力仿射表达式为：其中，pmax为分布式电源最大有功出力，为分布式电源最大有功出力的预测值，为最大扰动量，ε为分布式电源出力扰动因子，Ω为不确定集；分布式电源最优有功出力的自适应函数，如下式所示：p＝p0+p(ε)p(ε)＝pα1ε+pα2εTε+…其中，p为分布式电源最优有功出力，p0为无扰动情况下分布式电源的最优有功出力，p(ε)为分布式电源有功出力随扰动变化的自适应函数，pα1为分布式电源有功出力的一阶扰动量，pα2为分布式电源有功出力的二阶扰动量，εT是ε的转置；分布式电源最优无功出力的自适应函数，如下式所示：Q＝q0+q(ε)q(ε)＝qα1ε+qα2εTε+…其中，Q为分布式电源最优无功出力，q0为无扰动情况下分布式电源的最优无功出力，q(ε)为分布式电源无功出力随扰动变化的自适应函数，qα1为分布式电源无功出力的一阶扰动量，qα2为分布式电源无功出力的二阶扰动量。3.一种基于权利要求1所述的调度系统的调度方法，其特征在于，包括以下步骤：(1)构建上层优化模型针对主动配电网中的传统调压设备，进行小时级优化调度，引入序贯优化理论，进行序贯滚动优化，构建上层优化模型；(2)构建下层优化模型基于上层调度指令，进行小时内的下层优化，充分发挥分布式电源的系统支撑能力，将不确定变量处理成区间的形式，采用鲁棒自适应优化方法，构建鲁棒自适应有功-无功协调优化模型，即下层优化模型。4.根据权利要求3所述的一种调度方法，其特征在于，所述步骤(1)具体包括：(11)上层制定调度计划上层制定调度计划时，同时考虑传统调控设备和分布式电源，但主要动作传统离散调控设备，分布式电源的调控指令主要来源于下层优化；(12)获取调度计划上层优化以T为一个调度周期，每个调度周期开始进行优化决策，获取调度计划；(...

【专利技术属性】
技术研发人员：吴在军，李培帅，胡敏强，胡静宜，窦晓波，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32