考虑可再生能源出力不确定性的电压控制策略优化方法技术

本发明专利技术公开了一种考虑可再生能源出力不确定性的电压控制策略优化方法，综合考虑可再生能源出力和储能系统的调度成本，以电压偏移量最小和控制设备调度成本最小为目标函数，建立考虑可再生能源出力不确定性的单时步优化模型；运用泰勒级数展开式对单时步优化模型进行线性化处理；将线性处理后的模型转化为双层鲁棒优化模型，再运用强对偶理论转换为单层鲁棒优化模型，求解得到可再生能源无功和有功出力以及储能设备出力；对系统内可再生能源的无功出力和储能设备的充电电量进行调度。本发明专利技术在可再生能源出力波动时最大程度的稳定各节点电压。

【技术实现步骤摘要】
考虑可再生能源出力不确定性的电压控制策略优化方法
本专利技术属于电网
，特别是一种考虑可再生能源出力不确定性的电压控制策略优化方法。
技术介绍
为了满足急剧增长的电力需求缓解环境压力，以可再生能源为动力的分布式电源和储能电源开始大规模接入电网，传统配电网也因此开始转变为主动配电网。然而分布式电源的大规模接入将会对电力系统的安全运行带来电压控制问题。首先，分布式电源可能会引起双向潮流从而导致馈线上电压升高。其次，可再生能源的随机性和波动性以及配电网的低X/R比也会导致电压波动。因此，只依赖于传统的电压控制设备及调度策略无法对电压进行有效的控制。现有的研究中，通过协调分布式电源与传统电压控制设备的配合对电压进行控制。然而，多数研究是基于确定性模型，将分布式电源出力当做确定值，以功率损耗最小、分布式电源有功出力最大为目标函数，考虑有功出力约束、无功出力约束、电压约束等，直接求解非线性优化模型或运用智能算法如多目标遗传算法进行求解。上述基于确定性模型的研究忽略了可再生能源的随机性和波动性对电压控制的影响，故确定性方法的有效性有待进一步提高。也有一部分文献考虑了分布式电源出力的不确定性，但都基于风速概率密度函数及概率分布曲线来估算出不同风速下的有功出力上限，然后运用随机优化模型、机会优化方法或蒙特卡洛方法来处理变量的不确定性。这种处理方法在实际应用中会有很大的问题，与风机实际出力有很大的误差。
技术实现思路
本专利技术的目的在于提供一种考虑可再生能源出力不确定性的电压控制策略优化方法。实现本专利技术目的的技术解决方案为：一种考虑可再生能源出力不确定性的电压控制策略优化方法，包括如下步骤：步骤1、综合考虑可再生能源出力和储能系统的调度成本，建立考虑可再生能源出力不确定性的单时步优化模型；步骤2、运用泰勒级数展开式对单时步优化模型进行线性化处理；步骤3、将线性处理后的模型转化为双层鲁棒优化模型，再运用强对偶理论转换为单层鲁棒优化模型，求解得到可再生能源无功和有功出力以及储能设备出力；步骤4、对系统内可再生能源的无功出力和储能设备的充电电量进行调度。本专利技术与现有技术相比，其显著优点为：考虑了可再生能源出力的不确定性对电压控制的影响，建立了单时步的鲁棒优化模型，并运用强对偶定理对其求解，能够保证在配电网受到大扰动及可再生能源出力不确定性产生等恶劣场景下系统运行满足安全约束。附图说明图1为本专利技术考虑可再生能源出力不确定性的电压控制策略优化方法流程图。图2为实际芬兰配电网的20kv拓扑图。图3为MV节点电压控制曲线图。图4为46节点电压控制曲线图。具体实施方式下面结合附图和实施例，进一步说明本专利技术方案。考虑到可再生能源出力的不确定性对节点电压的影响，本专利技术将鲁棒优化与电压控制策略相结合，提出一种考虑可再生能源出力不确定性的电压控制策略优化方法，在保证满足配电网的安全约束、潮流约束、储能设备容量约束等的前提下，以配电网的节点电压偏移量最小以及分布式电源出力和储能出力成本最小为目标函数，建立了基于鲁棒的电压控制优化模型。通过调度分布式电源以及储能设备出力，实现配电网的电压控制优化，使得配电网在受到大扰动以及分布式电源出力不确定的情况下，最大程度上稳定配电网节点电压。如图1所示，考虑可再生能源出力不确定性的电压控制策略优化方法，步骤如下：步骤1、建立考虑可再生能源出力不确定性的单时步优化模型；步骤1-1、考虑到可再生能源出力和储能系统的调度成本，以电压偏移量最小和控制设备调度成本最小为电压控制目标，建立优化目标为：式中，f1——配电网运行中的节点电压偏移量；f2——配电网运行过程中的储能系统充放电量偏移量；f3——配电网运行过程中的风机无功出力变化量；f4——配电网运行过程中的储能系统有功出力变化量；N——配电网节点的集合；NDG——配电网中风机的集合；NESS——配电网中储能电源的集合；Vi——节点i的电压；Vref——节点电压的参考值；SOCi——第i台储能电源充放电状态；SOCmid——储能电源的状态参考值；SOCi——第i台储能电源充放电状态；QtDGi——第t时刻第i台风机的无功出力；Qt-1DGi——第t-1时刻第i台风机的无功出力；PtESSi——第t时刻第i台储能电源的有功出力；Pt-1ESSi——第t-1时刻第i台储能电源的有功出力；步骤1-2、为方便求解，将多目标优化问题转化为单目标优化问题：式中，F——定义新的目标函数，在风机出力波动最恶劣的情况下，电压偏移量最小，储能出力成本最小以及风机无功出力成本最小时，该配电网越稳定。a,b,c,d——分别表示电压偏移量、储能状态偏移量、风机无功出力、储能电源有功出力的重要程度，可根据实际情况取值。步骤1-3、考虑配电网电压控制过程中需保持辐射状运行，且需要满足的安全性约束以及储能设备的容量约束，确定电压控制过程中需要考虑的约束条件：分布式电源约束：本专利技术中所采用的分布式电源为双馈感应风机，因此，需要满足如下约束：式中，PtDGi——t时刻分布式电源能提供的有功功率大小；——分布式电源预测有功功率出；式中，——t时刻分布式电源预测出力的波动上限；——t时刻分布式电源预测出力的波动下限；式中，Pt-1DGi——t-1时刻分布式电源能提供的有功功率大小；Pdeltamax——每个时步分布式电源能提供的最大有功功率；式中，QtDGi——t时刻分布式电源能提供的无功功率大小。Qmax——分布式电源能提供的最大无功功率。式中，Qt-1DGi——t-1时刻分布式电源能提供的无功功率大小；Qdeltamax——每个时步分布式电源能提供的最大无功功率；式中，US——分布式电源能定子侧电压；ISmax——分布式电源定子侧绕组最大电流；s——分布式电源的转差率。储能电源约束：储能电源需要满足如下状态方程：式中，CtESSi——第i台储能电源t时刻的充电状态；Ct-1ESSi——第i台储能电源t-1时刻的充电状态；PtESSi——第i台储能电源t时刻的有功功率出力；式中，CminESSi——第i台储能电源的充电状态下界；CnaxESSi——第i台储能电源的充电状态上界；式中，PminESSi——第i台储能电源的有功功率出力下界；PnaxESSi——第i台储能电源的有功功率出力上界；式中，PtESSi——第i台储能电源t时刻的有功功率出力；Pt-1ESSi——第i台储能电源t-1时刻的有功功率出力；PdeltaESSmax——每个时步储能电源能提供的最大有功功率；潮流模型约束：潮流模型可以通过泰勒近似进行线性化处理，节点电压与控制变量的表达式如下：式中，Vti——第i个节点t时刻的节点电压；Vt-1i——第i个节点t-1时刻的节点电压；——分布式电源输出的有功功率关于节点电压的灵敏度矩阵；——分布式电源输出的无功功率关于节点电压的灵敏度矩阵；——储能电源输出的有功功率关于节点电压的灵敏度矩阵；步骤2、对单时步优化模型模型进行线性化处理；分布式电源有功出力与无功出力的约束可以表示为：由于其含有的非线性项，因此需要对其进行线性化处理，得到：式中，PtDGi——t时刻分布式电源能提供的有功功率大小；Pt-1DGi——t-1时刻分布式电源能提供的有功功率大小；QtDGi——t时刻分布式电源能提供本文档来自技高网...

【技术保护点】
1.考虑可再生能源出力不确定性的电压控制策略优化方法，其特征在于，包括如下步骤：步骤1、综合考虑可再生能源出力和储能系统的调度成本，以电压偏移量最小和控制设备调度成本最小为目标函数，建立考虑可再生能源出力不确定性的单时步优化模型；步骤2、运用泰勒级数展开式对单时步优化模型进行线性化处理；步骤3、将线性处理后的模型转化为双层鲁棒优化模型，再运用强对偶理论转换为单层鲁棒优化模型，求解得到可再生能源无功和有功出力以及储能设备出力；步骤4、对系统内可再生能源的无功出力和储能设备的充电电量进行调度。

【技术特征摘要】
1.考虑可再生能源出力不确定性的电压控制策略优化方法，其特征在于，包括如下步骤：步骤1、综合考虑可再生能源出力和储能系统的调度成本，以电压偏移量最小和控制设备调度成本最小为目标函数，建立考虑可再生能源出力不确定性的单时步优化模型；步骤2、运用泰勒级数展开式对单时步优化模型进行线性化处理；步骤3、将线性处理后的模型转化为双层鲁棒优化模型，再运用强对偶理论转换为单层鲁棒优化模型，求解得到可再生能源无功和有功出力以及储能设备出力；步骤4、对系统内可再生能源的无功出力和储能设备的充电电量进行调度。2.根据权利要求1所述的考虑可再生能源出力不确定性的电压控制策略优化方法，其特征在于，建立考虑可再生能源出力不确定性的单时步优化模型的具体方法为：步骤1-1、考虑到可再生能源出力和储能系统的调度成本，以电压偏移量最小和控制设备调度成本最小为电压控制目标，建立优化目标为：式中，f1——配电网运行中的节点电压偏移量；f2——配电网运行过程中的储能系统充放电量偏移量；f3——配电网运行过程中的风机无功出力变化量；f4——配电网运行过程中的储能系统有功出力变化量；N——配电网节点的集合；NDG——配电网中风机的集合；NESS——配电网中储能电源的集合；Vi——节点i的电压；Vref——节点电压的参考值；SOCi——第i台储能电源充放电状态；SOCmid——储能电源的状态参考值；SOCi——第i台储能电源充放电状态；QtDGi——第t时刻第i台风机的无功出力；Qt-1DGi——第t-1时刻第i台风机的无功出力；PtESSi——第t时刻第i台储能电源的有功出力；Pt-1ESSi——第t-1时刻第i台储能电源的有功出力；步骤1-2、为方便求解，将多目标优化问题转化为单目标优化问题：式中，F——定义新的目标函数，在风机出力波动最恶劣的情况下，电压偏移量最小，储能出力成本最小以及风机无功出力成本最小时，该配电网越稳定。a,b,c,d——分别表示电压偏移量、储能状态偏移量、风机无功出力、储能电源有功出力的重要程度，可根据实际情况取值。步骤1-3、考虑配电网电压控制过程中需保持辐射状运行，且需要满足的安全性约束以及储能设备的容量约束，确定电压控制过程中需要考虑的约束条件：分布式电源约束：本发明中所采用的分布式电源为双馈感应风机，因此，需要满足如下约束：式中，PtDGi——t时刻分布式电源能提供的有功功率大小；——分布式电源预测有功功率出；式中，——t时刻分布式电源预测出力的波动上限；——t时刻分布式电源预测出力的波动下限；式中，Pt-1DGi——t-1时刻分布式电源能提供的有功功率大小；Pdeltamax——每个时步分布式电源能提供的最大有功功率；式中，QtDGi——t时刻分布式电源能提供的无功功率大小。Qmax——分布式电源能提供的最大无功功率。式中，Qt-1DGi——t-1时刻分布式电源能提供的无功功率大小；Qdeltamax——每个时步分布式电源能提供的最大无功功率；式中，US——分布式电源能定子侧电压；ISmax——分布式电源定子侧绕组最大电流；s——分布式电源的转差率。储能电源约束：储能电源需要满足如下状态方程：式中，CtESSi——第i台储能电源t时刻的充电状态；Ct-1ES...

【专利技术属性】
技术研发人员：黄详淇，谢云云，刘琳，郭伟清，谷志强，李德正，杨正婷，殷明慧，卜京，姚娟，张俊芳，邹云，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32