基于双层一致性算法的灵活性资源聚合调度方法技术

本发明专利技术公开了一种基于双层一致性算法的灵活性资源聚合调度方法，包括以下步骤：S1.建立适应灵活性资源的聚合分散调度模型，聚合分散调度模型以发电成本最小化为目标建立目标函数，确立聚合分散调度模型的约束条件；S2.根据电网架构及灵活性资源的分布，构建适应聚合分散的双层一致性算法，上层为决策层，下层为分解层，下层通过接收上层发送的决策信息进行分解，上层通过接收下层返回的分解信息进行决策；S3.设定双层一致性算法的异步迭代策略，根据异步迭代策略进行双层一致性算法的迭代，直至算法收敛得到收敛值，获得电网节点的分散调度结果，根据分散调度结果对电网的每个节点进行控制。聚合调度能够显著加快算法的收敛速度，并保持较高的精度。并保持较高的精度。并保持较高的精度。

【技术实现步骤摘要】
基于双层一致性算法的灵活性资源聚合调度方法


[0001]本专利技术涉及电力系统调度方法，具体地说，涉及一种适应大规模灵活性资源的聚合调度方法。

技术介绍

[0002]灵活性资源具有数量大、容量小，分布广泛等特点，可以由聚合商统一管理和调度。然而，现有的集中调度方法存在较大的通信负担和信息私密性问题，且无法保证决策独立性，难以满足大规模灵活性资源调度需求。为了解决这一难题，研究人员提出了分析目标级联法(Analysis Target Cascading，ATC)、交替方向乘子法(Alternating Direction Method of Multipliers，ADMM)和辅助问题原理法(Auxiliary Principle Problem，APP)等分散优化算法。然而，此类分散算法主要用于多个区域的分散经济调度问题，难以应对灵活性资源频繁的并离网切换等现象。
[0003]一致性算法作为一种经典的点对点的去中心化分散优化算法，在微电网的电力经济调度中得到了成功应用。该算法操作灵活，可以满足即插即用的要求。然而，现有的一致性算法都是单层级的，并不适应灵活性资源的聚合调度模式。在聚合模式下，分散调度主要包括两个层级，内层分散是灵活性资源个体间的分散，外层分散是聚合商之间的分散，两层之间通过聚合商进行交互。因此，有必要提出一种新的双层一致性算法，以满足大规模灵活性资源聚合调度要求。

技术实现思路

[0004]本专利技术的目的在于解决传统一致性算法难以实现聚合商模式分散调度的问题，提供一种基于双层一致性算法的灵活性资源聚合调度方法，实现灵活性资源聚合商模式下双层分散调度。
[0005]为了实现上述目的，本专利技术所采用的技术方案如下：
[0006]一种基于双层一致性算法的灵活性资源聚合调度方法，包括以下步骤：
[0007]S1.建立适应灵活性资源的聚合分散调度模型，聚合分散调度模型以发电成本最小化为目标建立目标函数，确立聚合分散调度模型的约束条件；
[0008]S2.根据电网架构及灵活性资源的分布，构建适应聚合分散的双层一致性算法，上层为决策层，下层为分解层，下层通过接收上层发送的决策信息进行分解，上层通过接收下层返回的分解信息进行决策；
[0009]S3.设定双层一致性算法的异步迭代策略，根据异步迭代策略进行双层一致性算法的迭代，直至算法收敛得到收敛值，获得电网节点的分散调度结果，根据分散调度结果对电网的每个节点进行控制。
[0010]进一步地，聚合分散调度模型的目标函数为：
[0011][0012]式中，a
i,n
为与节点i相连的灵活性资源n的成本系数的二次项；b
i,n
为与节点i相连的灵活性资源n的成本系数的一次项；c
i,n
为与节点i相连的灵活性资源n的成本系数的常数项；P
i,n
为与节点i相连的灵活性资源n的功率；Ω
G,i
为与节点i相连的所有灵活性资源的集合；
[0013]聚合分散调度模型的约束条件包括潮流约束、功率约束和线路容量约束；
[0014]潮流约束为：
[0015][0016]式中，PL
i
为节点i的负荷量；θ
i
为节点i的相角；θ
j
为节点j的相角；X
ij
表示连接节点i和节点j的线路阻抗；Ω
i
为与节点i存在连接的节点的集合；
[0017]功率约束为：
[0018][0019]式中，为与节点i相连的灵活性资源n的功率上限；P
i,n
为与节点i相连的灵活性资源n的功率下限；
[0020]线路容量约束为：
[0021][0022]式中，表示连接节点i和节点j的线路的传输容量上限；Ω
L
为所有线路的集合。
[0023]进一步地，一致性算法的原理是通过迭代的方式使变量收敛到目标值，迭代过程包括一致性项和目标渐近项，将一致性项和目标渐进项叠加后赋予一致性项，目标渐进项趋于零时，一致性项收敛到稳定值，具体为：
[0024][0025]式中，ξ
k
为第k次迭代时的一致性项，H
*k
为第k次迭代时的目标渐进项，ξ
k+1
为第k+1次迭代时的一致性项；
[0026]在直流潮流中，定义本地变量为一致性项，表示在第k次迭代中与节点i相关的所有变量的集合；为节点i在第k次迭代时潮流约束对应的拉格朗日乘子；为节点i在第k次迭代时的相角；为连接节点i和节点j的线路在第k次迭代时容量约束对应的拉格朗日乘子；为与节点i相连的灵活性资源n在第k次迭代时的功率；
[0027]的更新策略为：
[0028][0029]式中，函数g(
·
)为目标渐进项；Φ为与目标渐进项对应的调节参数；T(
·
)为约束函数，约束函数T(
·
)负责将变量投影到确定的可行域内；表示在第k+1次迭代中与节点i相关的所有变量的集合。
[0030]进一步地，适应聚合分散的双层一致性算法分为上下两层，上层表示聚合商之间的分散，下层表示聚合商内部个体间的分散；适应聚合分散的双层一致性算法的原理为：
[0031]首先，在上层模型中，上层聚合商节点之间通过点对点分散的方式进行决策，然后
将决策变量传到下层聚合商节点；接着，在下层模型中，聚合商内部的个体通过分散的形式对该决策变量分解，然后下层聚合商节点将分解后的价格信息返回上层聚合商节点；最后，上层聚合商节点再根据返回的价格信息继续上层迭代。
[0032]进一步地，构建的适应聚合分散的双层一致性算法中，将潮流约束对应的拉格朗日乘子作为价格信息传到上层；在上层模型中，聚合商根据下层的成本信息参与上层迭代，聚合商节点功率的更新策略为：
[0033][0034]式中，为节点i在第k次迭代时潮流约束对应的拉格朗日乘子；为节点i在上层第k次迭代时下层传回的价格信息；ρ为调节参数，ρ取值大于0；为节点i在第k
‑
1次迭代时的注入功率；为节点i在第k次迭代时的注入功率；
[0035]上层聚合商节点的决策变量表示节点需要向电网输出的功率，即聚合商节点在迭代时的注入功率，可以等效成下层的负荷需求；在下层模型中，把该决策变量作为聚合商节点处的负荷参与下层的迭代，具体为：
[0036][0037]式中，PL
i
为节点i的负荷量，为节点i修正后的负荷量；
[0038]对于节点相角，聚合商节点的相角可以一分为二为和θ，和θ分别参与上下层的迭代；待上下层都收敛后，对下层所有节点的相角作以下处理：
[0039]θ
′
i,o
＝θ
i,o
+Δ
i
[0040]式中，θ
i,o
为与节点i处于同一个下层的节点o的相角收敛值；Δ<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双层一致性算法的灵活性资源聚合调度方法，其特征在于，包括以下步骤：S1.建立适应灵活性资源的聚合分散调度模型，聚合分散调度模型以发电成本最小化为目标建立目标函数，确立聚合分散调度模型的约束条件；S2.根据电网架构及灵活性资源的分布，构建适应聚合分散的双层一致性算法，上层为决策层，下层为分解层，下层通过接收上层发送的决策信息进行分解，上层通过接收下层返回的分解信息进行决策；S3.设定双层一致性算法的异步迭代策略，根据异步迭代策略进行双层一致性算法的迭代，直至算法收敛得到收敛值，获得电网节点的分散调度结果，根据分散调度结果对电网的每个节点进行控制。2.根据权利要求1所述的基于双层一致性算法的灵活性资源聚合调度方法，其特征在于，聚合分散调度模型的目标函数为：式中，a
i,n
为与节点i相连的灵活性资源n的成本系数的二次项；b
i,n
为与节点i相连的灵活性资源n的成本系数的一次项；c
i,n
为与节点i相连的灵活性资源n的成本系数的常数项；P
i,n
为与节点i相连的灵活性资源n的功率；Ω
G,i
为与节点i相连的所有灵活性资源的集合；聚合分散调度模型的约束条件包括潮流约束、功率约束和线路容量约束；潮流约束为：式中，PL
i
为节点i的负荷量；θ
i
为节点i的相角；θ
j
为节点j的相角；X
ij
表示连接节点i和节点j的线路阻抗；Ω
i
为与节点i存在连接的节点的集合；功率约束为：式中，为与节点i相连的灵活性资源n的功率上限；P
i,n
为与节点i相连的灵活性资源n的功率下限；线路容量约束为：式中，表示连接节点i和节点j的线路的传输容量上限；Ω
L
为所有线路的集合。3.根据权利要求2所述的基于双层一致性算法的灵活性资源聚合调度方法，其特征在于，一致性算法的原理是通过迭代的方式使变量收敛到目标值，迭代过程包括一致性项和目标渐近项，将一致性项和目标渐进项叠加后赋予一致性项，目标渐进项趋于零时，一致性项收敛到稳定值，具体为：式中，ξ
k
为第k次迭代时的一致性项，H
*k
为第k次迭代时的目标渐进项，ξ
k+1
为第k+1次迭代时的一致性项；在直流潮流中，定义本地变量为一致性项，表示在第k次迭代中与
节点i相关的所有变量的集合；为节点i在第k次迭代时潮流约束对应的拉格朗日乘子；为节点i在第k次迭代时的相角；为连接节点i和节点j的线路在第k次迭代时容量约束对应的拉格朗日乘子；为与节点i相连的灵活性资源n在第k次迭代时的功率；的更新策略为：式中，函数g(
·
)为目标渐进项；Φ为与目标渐进项对应的调节参数；T(
·
)为约束函数，约束函数T(
·
)负责将变量投影到确定的可行域内；表示在第k+1次迭代中与节点i相关的所有变量的集合。4.根据权利要求3所述的基于双层一致性算法的灵活性资源聚合调度方法，其特征在于，适应聚合分散的双层一致性算法分为上下两层，上层表示聚合商之间的分散，下层表示聚合商内部个体间的分散；适应聚合分散的双层一致性算法的原理为：首先，在上层模型中，上层聚合商节点之间通过点对点分散的方式进行决策，然后将决策变量传到下层聚合商节点；接着，在下层模型中，聚合商内部的个体通过分散的形式对该决策变量分解，然后下层聚合商节点将分解后的价格信息返回上层聚合商节点；最后，上层聚合商节点再根据返回的价格信息继续上层迭代。5.根据权利要求4所述的基于双层一致性算法的灵活性资源聚合调度方法，其特征在于，构建的适应聚合分散的双层一致性算法中，将潮流约束对应的拉格朗日乘子作为价格信息传到上层；在上层模型中，聚合商根据下层的成本信息参与上层迭代，聚合商节点功率的更新策略为：式中，为节点i在第k次迭代时潮流约束对应的拉格朗日乘子；为节点i在上层第k次迭代时下层传回的价格信息；ρ为调节参数，ρ取值大于0；为节点i在第k
‑
1次迭代时的注入功率；为节点i在第k次迭代时的注入功率；上层聚合商节点的决策变量表示节点需要向电网输出的功率，即聚合商节点在迭代时的注入功率，可以等效成下层的负荷需求；在下层模型中，把该决策变量作为聚合商节点处的负荷参与下层的迭代，具体为：式中，PL
i
为节点i的负荷量，为节点i修正后的负荷量；对于节点相角，聚合...

【专利技术属性】
技术研发人员：朱建全，黄豪江，赵文猛，陈嘉俊，罗毓豪，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：