一种用于最优电力调度和电压控制的微电网多层控制系统技术方案

一种用于最优电力调度和电压控制的微电网多层控制系统，包括调度层、执行层和调整层；调度层包括微电网运行成本的最小化以及产生的二氧化碳排放量，并为接下来的24小时提供功率参考；在执行层，将执行交流潮流计算，以获得不同微电网母线的电压幅值的初始值；调整层通过调整微电网分布式能源提供的功率，将电压保持在预先指定的范围内，根据电压偏差、分布式发电机组在网络中的位置及其与发生电压偏差母线的距离，将为相关发电机组提供适当的动态增益，更新后的设置然后被反馈到调度层，调度层执行新的优化，并在DER单元之间重新分配调整后的参考设置点。本发明专利技术在保证微网内电压在约束范围内的同时，实现了系统运行成本和碳排放的最小化。

【技术实现步骤摘要】
一种用于最优电力调度和电压控制的微电网多层控制系统
本专利技术涉及一种用于最优电力调度和电压控制的微电网多层控制系统。
技术介绍
分布式能源在未来能源领域中扮演着重要角色。这些技术目前处于不同的发展阶段，将我们推向一个更加分散的能源世界。燃料电池、风机、光伏或柴油发电机等分布式能源正在快速部署。以广泛、高效和经济的方式部署分布式能源需要先进的控制策略，并且可以帮助配电网向更智能的电网发展。智能微电网可以支持提高主电网环境有效性和恢复能力的趋势。微电网是主电网的子系统，主电网由(可控)负载和包含可调度电源、可再生能源以及分布储能设备的分布式电源组成。微电网可以并网运行或者离网运行。由于微电网架构可以定期改变，为了提高其可伸缩性的潜力，控制策略应该以即插即用的方式实现。目前也有一些学者对微电网的分层控制策略进行了研究，但在这些研究中所提策略只针对微网并网运行和孤岛运行其中一个。同时，未全面考虑微网的经济性和对环境的影响。
技术实现思路
为了克服已有技术的不足，本专利技术提出了一种同时适用于并网运行和孤岛运行的以微网运行成本和碳排放量最小为优化目标的多层控制系统，在保证系统稳定运行(电压在约束范围内)的同时，提前确定了微电网内各控制单位的运行状态，实现了微电网运行成本以及碳排放的最小化。本专利技术解决其技术问题所采用的技术方案是：一种用于最优电力调度和电压控制的微电网多层控制系统，包括调度层、执行层和调整层；所述调度层为微电网多层控制的最高层，执行提前一天的机组组合策略，包括同时优化燃料成本和本地发电机的二氧化碳排放；目标函数为：Min(CG(PG),εG(PG))(1)其中，CG(PG)和εG(PG)分别代表微电网发电机组的运行成本和二氧化碳排放量，PG为微电网发电机组有功功率，两者都应该在变量PG上最小化；燃料成本函数描述了运行发电机产生单位功率所需成本；燃料成本模型为二次模型，它将燃料成本描述为发电机有功功率输出的二次函数，因此，这些发电机组在调度时间范围内的运行成本表示如下：其中，aj、bj和cj为发电机组的燃料成本系数；N为总时间步长；Ngen为微网内发电机组总数；i为第i个时刻；j为第j个发电机组；运行成本单位为$/h；碳排放函数模型的形式取决于污染物的类型；燃料发电的碳排放直接与燃料的消耗总量相关联，通过二次燃料消耗曲线来表示，因此二氧化碳的排放量表示为发电机有功功率输出的二次函数：其中dj，ej和fj为发电机组的碳排放量系数；排放量的单位为kg/h；式(1)中目标函数受潮流和系统性能要求约束，第一个约束是各发电机组发电功率之和必须等于微电网内的实际耗电量，表示为：式中，为第j个大电机组；代表实际电负荷需求，线损也包括在实际负荷需求中，其占微网实际需求的5.05％；由于可再生能源，如光伏和风力发电，以零运行成本和零排放发电，其输出功率可被视为负的负载；因此，实际负荷功率等于总需求电功率减去可再生能源发电功率PRES，如下：总的负荷需求由不可控负荷和可控负荷组成：作为需求侧参与策略的一部分，引入了一个灵活、可控的负荷，当它连接到微电网时，可以在其约束范围内对其进行控制；每个微网中机组的功率参考设定值如下：PGmax、PGminPGmin＜PG＜PGmax(7)式中，PGmax为微网中机组发电功率上限，PGmin为微网中机组发电功率下限；引入储能系统，充放电指令根据最低成本和最低CO2排放进行分配，此外，充放电指令也与能源价格相关，储能系统模型如下所示：式中，Pstorage为储能系统充放电功率；Estorage为储能系统当前容量；Epre-storage为前一天结束时储能系统容量，储能系统容量约束：Emin＜Estorage＜Emax(9)式中，Emax、Emin为储能系统最大和最小容量；储能系统充电则可将其视为一个负载，Pstorage为负值；对于充电，在一个时间周期Ts期间Pstorage有如下约束：Pstorage·Ts≤Emax-Estorage(10)当储能系统放电时，有功功率将会被注入到微网中，此时Pstorage为正值；对于放电，在一个时间周期Ts期间Pstorage有如下约束：Pstorage·Ts≤Estorage-Emin(11)此外，储能系统的充放电速率被约束并且包含在式(7)中；添加具有电动汽车特性的柔性负载，只能存储能量，只有当电动车并网充电时才可将其视为负载；式中，PEV为电动汽车充电功率；EEV为电动汽车充电后容量，是当电动汽车通电前电动汽车容量，EEV具有最小值和最大值的限定范围：EEVmin＜EEV＜EEVmax(13)当电动汽车充电并作为负载时，PEV为负值；对于充电，在一个时间周期Ts期间PEV有如下约束：PEV·Ts≤EEVmax-EEV(14)电动汽车充电功率为非负值并且具有最大值和最小值的限定范围包含在式(7)中；给定输入特性、目标、输入等式约束和算法选项，计算微网中发电机组的功率设定值以实现优化目标最小化。所述执行层中，将利用调度层计算的功率参考设定值进行交流潮流计算，以获得微网网络中不同母线的电压幅值；所述调整层中，在潮流计算后之后，总线电压的数值将被传输到调整层，通过提高或降低微网发电机组发电功率从而将电压维持在预先设定范围内；如果微网内任何母线出现严重的电压偏差，将引入动态增益；根据偏差，发电机组的位置以及它们各自电压，提供合适的增益来调整微网发电机组的运行边界如式(7)；随后，当结束循环时，更新的边界被反馈到调度层，调度层重新计算机组组合解；更新后的发电计划将再次通过控制层级的执行层和调整层，这种迭代过程将继续，直到电压违规被消除，并找到收敛的最优解。进一步，所述调整层中，电压控制方法如下：所述微电网为径向网络拓扑结构，通过引入网络矩阵和因子矩来描述影响边界和发电机组参考设定值的动态增益，网络矩阵为一个Nunit×Nbus矩阵，表示微网中各机组对减小某以母线电压偏差的贡献，Nunit为微网内机组个数，Nbus为微网内母线个数；式中，Cunitktobusm表示机组k对母线m处的电压偏差的贡献量。该值为正值且无量纲，大小取决于出现电压偏差的母线位置与微电网机组的距离其中，是一个无量纲的量：Lmax＝maxk,m(Lktom)(18)式中，Lktom为线长反映了机组k到母线m的线路阻抗，Lmax为线路最大阻抗。机组越靠近电压偏差点，其对电压偏差的贡献越大；如果微电网机组的位置出现电压偏差，机组贡献将被设置为1，这是因为在这种情况下是由于机组自身引起的电压偏差可以被机组自身降低，与此同时其他机组为0；其次，引入因子矩阵来描述电压偏差发生的位置，针对不同电压偏差类型，分为欠电压因子矩阵和过电压因子矩阵矩阵本文档来自技高网...

【技术保护点】
1.一种用于最优电力调度和电压控制的微电网多层控制系统，其特征在于，所述系统包括调度层、执行层和调整层；所述调度层为微电网多层控制的最高层，执行提前一天的机组组合策略，包括同时优化燃料成本和本地发电机的二氧化碳排放；/n目标函数为：/nMin(C

【技术特征摘要】
1.一种用于最优电力调度和电压控制的微电网多层控制系统，其特征在于，所述系统包括调度层、执行层和调整层；所述调度层为微电网多层控制的最高层，执行提前一天的机组组合策略，包括同时优化燃料成本和本地发电机的二氧化碳排放；
目标函数为：
Min(CG(PG),εG(PG))(1)
其中，CG(PG)和εG(PG)分别代表微电网发电机组的运行成本和二氧化碳排放量，PG为微电网发电机组有功功率，两者都应该在变量PG上最小化；燃料成本函数描述了运行发电机产生单位功率所需成本；燃料成本模型为二次模型，它将燃料成本描述为发电机有功功率输出的二次函数，因此，这些发电机组在调度时间范围内的运行成本表示如下：



其中，aj、bj和cj为发电机组的燃料成本系数；N为总时间步长；Ngen为微网内发电机组总数；i为第i个时刻；j为第j个发电机组；运行成本单位为$/h；碳排放函数模型的形式取决于污染物的类型；燃料发电的碳排放直接与燃料的消耗总量相关联，通过二次燃料消耗曲线来表示，因此二氧化碳的排放量表示为发电机有功功率输出的二次函数：



其中dj，ej和fj为发电机组的碳排放量系数；排放量的单位为kg/h；
式(1)中目标函数受潮流和系统性能要求约束，第一个约束是各发电机组发电功率之和必须等于微电网内的实际耗电量，表示为：



式中，PGj为第j个大电机组；代表实际电负荷需求，线损也包括在实际负荷需求中，其占微网实际需求的5.05％；由于可再生能源，如光伏和风力发电，以零运行成本和零排放发电，其输出功率可被视为负的负载；因此，实际负荷功率等于总需求电功率减去可再生能源发电功率PRES，如下：



总的负荷需求由不可控负荷和可控负荷组成：



作为需求侧参与策略的一部分，引入了一个灵活、可控的负荷，当它连接到微电网时，在其约束范围内对其进行控制；
每个微网中机组的功率参考设定值如下：PGmax、PGmin
PGmin＜PG＜PGmax(7)
式中，PGmax为微网中机组发电功率上限，PGmin为微网中机组发电功率下限；
引入储能系统，充放电指令根据最低成本和最低CO2排放进行分配，此外，充放电指令也与能源价格相关，储能系统模型如下所示：



式中，Pstorage为储能系统充放电功率；Estorage为储能系统当前容量；Epre-storage为前一天结束时储能系统容量，储能系统容量约束：
Emin＜Estorage＜Emax(9)
式中，Emax、Emin为储能系统最大和最小容量；
储能系统充电则可将其视为一个负载，Pstorage为负值；对于充电，在一个时间周期Ts期间Pstorage有如下约束：
Pstorage·Ts≤Emax-Estorage(10)
当储能系统放电时，有功功率将会被注入到微网中，此时Pstorage为正值；对于放电，在一个时间周期Ts期间Pstorage有如下约束：
Pstorage·Ts≤Estorage-Emin(11)
此外，储能系统的充放电速率被约束并且包含在式(7)中；
添加具有电动汽车特性的柔性负载，只能存储能量，只有当电动车并网充电时才可将其视为负载；



式中，PEV为电动汽车充电功率；EEV为电动汽车充电后容量，是当电动汽车通电前电动汽车容量，EEV具有最小值和最大值的限定范围：
EEVmin＜EEV＜EEVmax(13)
当电动汽车充电并作为负载时，PEV为负值；对于充电，在一个时间周期Ts期间PEV有如下约束：
PEV·Ts≤EEVmax-EEV(14)
电动汽车充电功...

【专利技术属性】
技术研发人员：金军，金红卫，任立群，杨彪，施光南，陈堉，秦杰诚，陈璇，俞冰，张继轩，谢锦，周丹，刘业伟，
申请(专利权)人：绍兴市上虞区舜兴电力有限公司，国网浙江绍兴市上虞区供电有限公司，国网浙江省电力有限公司绍兴供电公司，浙江工业大学，杭州众兴电力设备有限公司，
类型：发明
国别省市：浙江;33