1.一种基于两阶段预处理策略的电动汽车并网优化调度方法,其特征在于:包括如下步骤:S1、获取电网模型和实时数据;
S2、建立两阶段电动汽车充放电优化调度模型,其中第一阶段模型以输电层发电成本最低为目标,第二阶段模型以配网层网损最低为目标;
S3、对第一阶段模型进行预处理以提高求解效率,包括:①将直流潮流约束作为第一阶段模型的一个约束条件;②初始化第一阶段模型的对象,形成权重自适应粒子群算法的初始种群,并对初始种群进行预处理;③初始化机组的开停机状态,使得机组满足机组启停约束条件;④初始化机组爬坡效率,使得机组满足机组爬坡约束条件;
所述初始化机组的开停机状态,具体包括如下过程:
S331、初始化i=1,t=1,进入步骤S332;
S332、若 并且满足 则设置 进入步骤S336;否则,进入步骤S333;
S333、若 并且满足 则设置 进入步
骤S336;否则,进入步骤S334;
S334、若 并且针对任意整数y,均满足 则设置
进入步骤S336;否则,进入步骤S335;
S335、设置 进入步骤S336;
S336、根据下式更新 和 更新完成后进入步骤S337:S337、i=i+1,进入步骤S338;
S338、判断i≤G是否成立:若成立,则返回步骤S332;否则,完成开停机预处理,即完成机组的开停机状态的初始化;
其中:t=1,2,…表示研究周期内的第t个时段,T表示研究周期内的时段总数,G为机组总数量, 表示机组i在t时段内的开停机状态, 和 分别表示i在t时段内开机和停机, 和 表示机组i在t时段内的连续运行时间和连续停运时间, 表示机组i在t时段内应满足的开机时长, 表示研究周期内机组i在t时段前的停运时间, 表示机组i的停运时间下限,Ti,down表示研究周期内机组i的时段的时间下限;
S4、采用权重自适应粒子群算法计算经预处理后的第一阶段模型的有功出力和机组组合;
S5、将第一阶段模型的输出作为第二阶段模型的输入,并对配网层各节点进行预处理以减少计算量;
S6、考虑网络安全约束情况下配网层各节点最优负担的充放电电动汽车数量;
S7、在最优负担的充放电电动汽车数量情况下,判断相应节点电压是否越限:若没有越限则满足网络安全约束,转入步骤S9;否则转入步骤S8;
S8、计算节点无功变化对电压的灵敏度并增加网络安全约束条件,转步骤S6;
S9、优化调度结束。
2.根据权利要求1所述的基于两阶段预处理策略的电动汽车并网优化调度方法,其特征在于:所述初始化机组爬坡效率,具体包括如下步骤:S341、计算机组i在微小时间段Δt内的有功出力波动ΔPit,并进入步骤S342:S342、判断 是否成立:若成立,则说明机组i满足机组爬坡约束条件,进入步骤S345;否则,进入步骤S343;
S343、若ΔPit≤-RDiΔt,则首先计算不满足条件的机组越限差值然后调节Pit直至满足Pit=Pit-1-RDiΔt,利用满足条件的机组对 进行调整;在调节全程中,机组i都应当满足爬坡约束条件,同时要保证机组的有功出力不越限,完成调节后进入步骤S345;否则,进入步骤S344;
S344、若ΔPit≤RUiΔt,则首先计算 然后调节Pit直至满足Pit=Pit-1+RDiΔt,利用满足条件的机组对 进行调整;在调节全程中,机组i都应当满足爬坡约束条件,同时要保证有功出力不越限,完成调节后进入步骤S345;
S345、i=i+1,进入步骤S346;
S346、判断i≤G是否成立:若成立,则返回步骤S341;否则,完成机组爬坡预处理,即完成机组的机组爬坡效率的初始化;
其中:Pit表示机组i在t时段内的有功出力,RDi和RUi表示机组i调整速率幅值的下限和上限, 和 表示不满足机组爬坡效率的机组越限差值。
3.根据权利要求1所述的基于两阶段预处理策略的电动汽车并网优化调度方法,其特征在于:所述步骤S8中,灵敏度的计算过程如下:建立牛顿拉夫逊法的雅克比矩阵,根据第一阶段模型得出的有功出力和前一次迭代得到的电压和无功出力进行潮流计算,得到各节点的电压值,令初次迭代的设置为节点1,发电机节点1.05,则:其中:P、Q、θ为配电网节点有功功率、无功功率、电压的相角;I为单位矩阵, 为对角矩阵,V的对角元素为对应节点的电压值,S为各节点的潮流值,ΔP和ΔQ为各节点潮流计算有功出力和无功出力的修正量,ΔV为各节点电压幅值修正量,Δθ为各节点电压相角修正量;
线路潮流的灵敏度计算过程如下:
求得灵敏度的值为:
其中:LS,Pi和LS,Qi为越限潮流对节点i的对其有功和无功灵敏度,LV,Pi和LV,Qi为越限节点i的对其有功和无功的灵敏度,Gij为节点i和j之间的电导率,θij为节点i和j之间的相角差,Bij为节点i和j之间的电纳值,θi和Vi为节点i的相角和幅值,Sij为节点i和j之间的潮流量。
4.根据权利要求3所述的基于两阶段预处理策略的电动汽车并网优化调度方法,其特征在于:所述步骤S5中,对配网层各节点进行预处理,具体包括如下步骤:S51、获取配网层各节点的潮流数据;
S52、建立配电网层的有功网损模型;
S53、求出负荷节点的无功变化对有功网损模型的灵敏度值;
S54、对所有节点的灵敏度进行计算和排序;
S55、设定阀值δ,去除灵敏度高于阀值δ的节点;
S56、统计保留的节点,即得到优化后的节点数量,完成配网层各节点的预处理。
5.根据权利要求4所述的基于两阶段预处理策略的电动汽车并网优化调度方法,其特征在于:配电网层的有功网损模型为:其中:Ploss为系统有功网损,Ui为节点i的电压,n为节点数;负荷点无功变化对系统有功网损的灵敏度为:其中:U、P、Q、P'、Q′、θ为配电网节点电压幅值、有功功率、无功功率、注入有功功率、注入无功功率以及电压的相角;在灵敏度计算中:因此得出:
得到:
其中:灵敏度因子SPQ由牛顿拉夫逊法的雅克比矩阵求出;对于节点i:根据自定义的阀值排除所有节点灵敏度后排除灵敏度值最大的一组节点,得出优化后的节点数,以降低运算负担和时间。
6.根据权利要求1所述的基于两阶段预处理策略的电动汽车并网优化调度方法,其特征在于:所述步骤S2中,第一阶段模型和第二阶段模型为:第一阶段模型的目标函数为:
第一阶段模型的约束条件为:
i=1,2,3,…,T
其中:F(Pit)为机组发电总成本,Pit为机组i在t时段内的有功出力,Sci,t为机组i在t时段内的启停成本,Ii,t为机组i在t时段内的启停状态,Ii,t=1表示机组i在t时段处于启动状态,Ii,t=0表示机组i在t时段处于停机状态,Ci(Pit)为机组i在t时段内的发电成本函数,G为可启停的机组总数,T为研究周期内的总时段数;
E为系统环境排放上限值,fe,i(Pit)为PM2.5排放量;
Ai、Bi、Ci、αi和γi为影响机组i排放量的系统参数;
Pd为电动汽车平均放电功率,Nd(t)为t时段内研究区域进行放电的总的电动汽车的数量,Pc为电动汽车平均充电功率,Nc(t)为t时段内研究区域进行充电的总的电动汽车的数量,Nw为研究系统中风电场的总数目,Pwt为风电场w在t时段的风电预测量,Dt为t时段内系t max,t统总负荷,Ploss为研究系统在t时段内的系统网损,Pi 为机组i在t时段内允许的有功出力最大值,α为备用对需求的系数;
Pimin,t为机组i在t时段内允许的有功出力最小值;
Pwmin,t和Pwmax,t为t时段内风电场w出力的最小值和最大值;
t min,t max,t
Qi为机组i在t时段内的无功出力,Qi 和Qi 机组i在t时段内的无功出力的最小值和最大值;
ΔPUimin和ΔPUimax为机组i在启动过程中功率变换的最小值和最大值;
ΔPDimin和ΔPDimax为机组i在停机过程中功率变换的最小值和最大值;
t-1 t-1 min min
T io和T if为机组i在t时段前处于运行和停机状态的时间,T io和T if为机组i的最小允许运行时间和最小运行停机时间;
第二阶段模型的目标函数为:
第二阶段模型的约束条件为:
其中:Ploss,t为t时段内系统的网损值,Vi和Vj为节点i和j的节点电压,Gij为节点导纳矩阵中对应元素的实部,δij为节点i和j之间的相角差;
Pdi,t为节点i在t时段的总的有功负荷值,Pi,t为在t时段内注入节点i的有功功率值;
Qdi,t为节点i在t时段的总的无功负荷值,Qi,t为在t时段内注入节点i的无功功率值;
Bij节点导纳矩阵中对应元素的虚部,代表节点i和j之间线路的电纳;Sij为节点i和j之间的潮流量,YiT为节点i和j之间线路的等效阻抗,Yim为节点i和j之间线路的对地导纳,上标*表示共轭;
Ndi(t)为t时段内在节点i进行放电的总的电动汽车的数量,Nci(t)为t时段内在节点i进行充电的总的电动汽车的数量,I为研究区域,Vi,min和Vi,max为节点i允许的最小和最大电压;
Qi、Qi,min、Qi,max为机组无功输出的值及其最小和最大值,Qw、Qw,min、Qw,max为风电场w吸收的无功功率及其允许的最小值和最大值,Smax为线路潮流的上限值。
7.根据权利要求1所述的基于两阶段预处理策略的电动汽车并网优化调度方法,其特征在于:所述步骤S7中,判断相应节点电压越限后的处理为:检查越限节点i的电压越限情况,在返回步骤S6之前增加如下约束:Vi,min≤Vi+lV,PiΔPi'+lV,QiΔQi'≤Vi,max其中:lV,Pi和lV,Qi为节点i的相对于其有功功率和无功功率的灵敏度,Vi,min和Vi,max为节点i的最小电压和最大电压,ΔPi'为有功出力和有功优化后有功出力上限之间的差值,ΔQi'为无功出力和无功优化后无功出力上限之间的差值。