【技术实现步骤摘要】
本专利技术属于电气工程领域，更具体地，涉及一种基于近似动态规划的配电网实时协同调压方法。
技术介绍
1、随着可再生能源渗透率的不断提高，配电网开始向着有源与主动的形式转变。然而，一方面高比例可再生能源的并网易造成电压越限、线路过载和网损增大等问题，导致配电网接纳分布式电源的能力降低，另一方面其随机性使得系统潮流和电压分布具有不确定性。因此，电压管理对于随机环境下配电网的安全稳定运行具有重要意义。
2、传统调压手段包括调节有载调压器和投切并联电容器组等。然而传统调压方式调节速度慢，频繁动作影响调压器寿命，且传统调压方式调节的离散型，依然难以应对分布式电源波动性。未来电网将朝着“源-网-荷”多种联动交互的运行模式发展，这是由于电源、电网和负荷都具有一定的灵活性。在这种发展趋势下，电动汽车作为一个重要的组成部分，可以被看作是可控的负荷资源，参与到配电网的集中调度。而电动汽车与电网互动概念的提出，为配电网电压控制提供了新的调节手段。
3、现有考虑传统调压方式与电动汽车协同调压的研究中，均为确定性场景，未考虑可再生能源出力以及负荷的随机性对电压优化结果的影响。新能源出力的预测值与实际值不符的结果将导致原有的调度策略无法使调度结果达到最优。在满足配电网及电动汽车运行限制的前提下，如何应对可再生能源出力和负荷的不确定性，给出随机环境下配电网调压最优调度结果，是目前亟待解决的问题。
技术实现思路
1、本专利技术针对配电网电压稳定性以及新能源和负荷不确定性问题，有载调压器与电
2、本专利技术的技术方案包括以下步骤：
3、步骤一，以电压波动性最小作为目标函数，并根据电动汽车集群调度特点建立配电网电压协同优化模型；
4、步骤二，将配电网电压协同优化模型重构为马尔科夫决策过程，转换为逐时段求解的实时调压模型；
5、步骤三，采用分段线性函数对马尔科夫决策过程中的贝尔曼方程进行值函数近似，分段线性函数的斜率可通过预测数据抽样产生的一组离线训练场景训练后获得；
6、步骤四，逐时段求解所述经过值函数近似后的贝尔曼方程，得到近似全局最优的决策。
7、本专利技术所述配电网电压协同优化模型的目标函数为：
8、
9、采用各时段各节点电压相对参考电压的偏差量之和表征系统电压的波动性，其中：c为所有优化时段的电压偏差量之和；为t时段节点e电压幅值的平方；为节点参考电压模值的平方；为系统节点数，t为总优化时段。
10、本专利技术所述电动汽车集群调度通过以下方法实现：
11、
12、其中，为电动汽车总数，为第i类电动汽车数量；和分别为电动汽车在t时段充电功率的单体变量和群体变量；和分别为电动汽车在t时段放电功率的单体变量和群体变量；和分别为电动汽车在t时段电量的单体变量和群体变量。
13、本专利技术所述配电网电压协同优化模型包括电动汽车充电桩选择模型、电动汽车充放电功率调控模型、有载调压器模型和支路潮流模型;
14、（1）电动汽车充电桩选择模型
15、电动汽车充电位置的选择受现有充电桩位置的限制，同时保证一类电动汽车仅在一个充电桩充电，且各类电动汽车的充电位置经第一个时段决策后，后续时段不再改变，因此有以下约束：
16、
17、式中，为表示i类集群电动汽车充电位置的0-1变量，表示配电网已有充电桩的位置，电动汽车充电位置仅可在存在充电桩的节点进行充放电；
18、（2）电动汽车充放电功率调控模型
19、电动汽车的充放电功率受接入充电站的时间和最大充放电功率的限制，同时，电动汽车无法同时进行充放电，如下所示：
20、
21、式中，和分别为t时段i类集群电动汽车的充放电标志位；为t时段i类集群电动汽车接入充电桩的0-1变量；和分别为i类集群电动汽车的最大充放电功率；
22、电动汽车的电量约束如下所示：
23、
24、式中：为第i辆电动汽车离开充电桩时的期望电量；为第i辆电动汽车到达充电桩时的初始电量；和分别为i类集群电动汽车到达和离开充电桩的时间，为为i类集群电动汽车数量；
25、当电动汽车离开充电站时，soc应该满足用户的预期soc；soc的上限和下限需要根据运行参数（即、、、和）重新制定，重新制定后的soc的边界如下所示：
26、
27、式中：为第i辆电动汽车的soc下限计算调节裕量，保证电动汽车的soc一定满足下限要求；为第i辆电动汽车末时段soc调节裕量，使得电动汽车参与电压调节时更加灵活；
28、电动汽车的电量平衡约束如下所示：
29、
30、式中：为i类集群电动汽车在时段的电量；为电动汽车充放电效率系数；
31、（3）有载调压器模型
32、任意时刻有载调压器仅处于其中一个挡位：
33、
34、有载调压器单次调节量不能超过最大值：
35、
36、式中：为t时段调压器变比；为有载调压器挡位；为t时段有载调压器挡位n的0-1变量；和分别为t时段有载调压器挡位上升和下降的0-1变量；为挡位单次最大调节量；
37、（4）网络潮流模型
38、新能源出力约束：
39、
40、式中：和分别为t时段新能源机组g的出力上下限；为t时段新能源机组g的出力；
41、选择支路潮流模型进行潮流计算，存在以下潮流约束：
42、
43、
44、
45、式中，e，f，k为节点编号；和分别为t时段节点e和节点f的电压幅值；和分别为t时段为节点f注入的有功功率和无功功率；和分别为支路ef的电抗和电阻值；和分别为t时段支路ef首端流过的有功和无功功率；和分别为t时段支路fk首端流过的有功和无功功率；为t时段支路ef流过的电流；
46、节点的注入功率由负荷功率、新能源出力以及根节点功率计算，如下所示：
47、
48、式中：和分别为t时段根节点发出的有功功率和无功功率；和分别为t时段节点f的风电和光伏出力；为t时段节点f的常规负荷功率；为t时段节点f的充电桩功率；
49、以上潮流约束含二次项，属于非凸性约束，常规算法对于含非凸性约束的优化问题求解效果不佳。因此，可通过相角松弛和二阶锥松弛将非凸潮流约束转化为二阶锥约束，从而使得混整非线性规划问题转化为二阶锥规划问题，该类问题采用一般商业求解器求解效果很好，且在目标函数为凸函数的情况下，商业求解器对二阶锥规划问题的求解是精确的最优解。下面介绍非凸约束的相角松弛和二阶锥松弛过程。
50、通过下式引本文档来自技高网...
【技术保护点】
1.一种基于近似动态规划的配电网实时协同调压方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于所述配电网电压协同优化模型的目标函数为：
3.根据权利要求1所述的方法，其特征在于所述电动汽车集群调度通过以下方法实现：
4.根据权利要求1所述的方法，其特征在于所述配电网电压协同优化模型包括电动汽车充电桩选择模型、电动汽车充放电功率调控模型、有载调压器模型和支路潮流模型：
5.根据权利要求1所述的方法，其特征在于所述配电网电压协同优化模型满足电动汽车充放电约束、有载调压器运行约束、配电网潮流约束，其中：
6.根据权利要求1所述的方法，其特征在于，所述马尔科夫决策过程为：
7.根据权利要求1所述的方法，其特征在于，将配电网电压协同优化模型重构为马尔科夫决策过程后，最优决策序列通过动态规划方法求解贝尔曼方程获得，如下所示：
8.根据权利要求1所述的方法，其特征在于所述的马尔科夫决策过程中，所述分段线性函数为：
9.根据权利要求1或8所述的方法，其特征在于所述的分段线性函数
...【技术特征摘要】
1.一种基于近似动态规划的配电网实时协同调压方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于所述配电网电压协同优化模型的目标函数为：
3.根据权利要求1所述的方法，其特征在于所述电动汽车集群调度通过以下方法实现：
4.根据权利要求1所述的方法，其特征在于所述配电网电压协同优化模型包括电动汽车充电桩选择模型、电动汽车充放电功率调控模型、有载调压器模型和支路潮流模型：
5.根据权利要求1所述的方法，其特征在于所述配电网电压协同优化模型满...
【专利技术属性】
技术研发人员：杨志淳，李进扬，李瑞杰，崔世常，杨帆，蔡敏，雷杨，朱一峰，胡伟，闵怀东，陈鹤冲，方石磊，
申请(专利权)人：国网湖北省电力有限公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。