基于风、光随机性的主动配电网多目标日前优化调度方法技术

本发明专利技术涉及一种基于风、光随机性的主动配电网多目标日前优化调度方法，包括步骤：分别采用Weibull分布与Beta分布建立风机出力预测模型和光伏出力预测模型；分别建立基于价格和激励的需求响应模型；根据机会约束规划的理论将含有随机变量的目标函数、约束条件用满足一定置信度的形式表达，并利用随机模拟技术来计算，建立机会约束规划模型；以及根据场景法的理论生成大量风、光出力场景，经排序、缩减后获得较少场景，按照期望目标函数与约束条件，建立场景法模型；提出主动配电网的经济性、安全性和可靠性指标，利用MOEA/D算法针对机会约束规划模型与场景法模型分别求解。本发明专利技术较好的解决包含风、光、储、需求响应的主动配电网日前多目标随机优化调度问题。多目标随机优化调度问题。多目标随机优化调度问题。

【技术实现步骤摘要】
基于风、光随机性的主动配电网多目标日前优化调度方法


[0001]本专利技术属于主动配电网
，具体地涉及一种基于风、光随机性的主动配电网多目标日前优化调度方法。

技术介绍

[0002]在全球能源紧缺和环境恶化问题日渐突出的背景下，以风、光为代表的可再生能源成为研究热点。这类可再生能源机组多以分布式形式接入配电网，然而，传统配电网固定的网络结构与被动的控制及保护模式，缺乏对可再生能源进行管理的有效手段，无法解决高渗透率分布式电源接入带来的一系列不利影响，更无法实现对配网能量的最优调度。主动配电网能够利用各种调节技术对电网潮流进行管控，实现配电系统经济性、可靠性、稳定性与大规模分布式可再生能源接入电网的效益共赢，是未来智能电网的发展方向。由于需要应对大量的具有出力波动性、随机性、间歇性的分布式能源接入，主动配电网的优化调度较传统配电网更为复杂，亟须对其进行全面深入研究，以保障电网的安全经济运行。根据负荷、风电、光伏预测的时间尺度信息，主动配电网的优化调度可分为长时间尺度优化调度、日前优化调度、日内滚动优化调度以及实时调度等。其中，日前优化调度能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于风、光随机性的主动配电网多目标日前优化调度方法，其特征在于，包括以下步骤：分别采用Weibull分布与Beta分布建立风机出力预测模型和光伏出力预测模型；分别建立基于价格和激励的需求响应模型；根据机会约束规划的理论将含有随机变量的目标函数、约束条件用满足一定置信度的形式表达，并利用随机模拟技术来计算，建立机会约束规划模型；以及根据场景法的理论生成大量风、光出力场景，经排序、缩减后获得较少场景，按照期望目标函数与约束条件，建立场景法模型；提出主动配电网的经济性、安全性和可靠性指标，利用MOEA/D算法针对机会约束规划模型与场景法模型分别求解。2.如权利要求1所述的方法，其特征在于，采用Weibull分布建立风机出力预测模型的具体过程如下：Weibull分布的概率密度函数与累积分布函数分别为：Weibull分布的概率密度函数与累积分布函数分别为：其中，c为Weibull分布的尺度参数，k为形状参数，分别可通过公式计算：其中，c为Weibull分布的尺度参数，k为形状参数，分别可通过公式计算：其中，μ
w
为风速历史数据的平均值，σ
w
为风速历史数据的标准差，Γ表示伽马函数；对概率分布函数进行反函数变换可得：通过生成[0,1]上的随机数赋值给F(v)即可得到风速v的模拟值；在已经预测出风速v的情况下，风机出力预测模型为：其中,P
W
为风机出力功率,P
r
为风机额定出力功率,v
i
为风机切入风速，v
o
为切出风速,v
r
为额定风速。3.如权利要求1所述的方法，其特征在于，光伏出力预测模型为：
其中，P
l
为光伏出力功率，P
lmax
为光伏最大出力功率，Γ表示伽马函数，α与β为Beta分布的两个参数，其计算公式为：的两个参数，其计算公式为：其中，μ
l
为光照强度历史数据的平均值，σ
l
为标准差。4.如权利要求1所述的方法，其特征在于，目标函数包括：最小化主动配电网运行成本：其中，t为时段数，C
F
为火电机组出力成本，C
OMP
为火电机组与储能装置运行维护成本，C
DEP
为火电机组与储能装置折旧成本,C
DR
为需求响应的让利成本；最小化负荷需求电量削减的期望值：其中，f2表示在给定时间内因发电量短缺导致负荷需求电量削减的期望值，T为给定时间，P
S
为系统处于状态s的概率，C
S
为系统状态s下负荷的削减量；以及最小化节点电压越限：其中p为网络节点数，U
avi
为节点i基准电...

【专利技术属性】
技术研发人员：张景瑞，李卓耘，杨洋，李钷，陈腾鹏，何良宗，李维达，
申请(专利权)人：厦门大学，
类型：发明
国别省市：