欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023100705783
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 发电、变电或配电
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种协调网侧资源的自储能柔性互联配电网有功-无功联合优化方法,其特征在于,包括如下步骤:步骤S1、确定日前和日内阶段分布式光伏和负荷多个预设时间尺度的预测时序场景;

步骤S2、以配电网运行成本最小为目标建立日前长时间有功-无功联合优化模型,以网损和电压偏移最小为目标建立日内多目标滚动优化模型,日前长时间有功-无功联合优化模型和日内多目标滚动优化模型的模型约束包含潮流等式约束、电压电流约束、分布式光伏无功约束、智能储能软开关运行约束、网络重构约束、有载调压变压器运行约束、无功补偿装置约束以及柔性负荷运行约束;

步骤S2中,日前长时间有功-无功联合优化模型目标函数为:C

其中,C

所述日内多目标滚动优化模型目标函数为:其中,f

步骤S3、基于KL散度确定源荷不确定性模糊集,基于列与约束生成算法将日前长时间有功-无功联合优化模型转化为日前两阶段分布鲁棒优化模型,基于理想点法转化日内多目标滚动优化模型,并基于线性近似方法将所述日前长时间有功-无功联合优化模型和日内多目标滚动优化模型的非线性部分线性化;

步骤S3中,通过统计分布式光伏和负荷历史数据,构建基于KL散度的源荷不确定性模糊集,基于列与约束生成算法将日前长时间有功-无功联合优化模型转化为日前两阶段分布鲁棒优化模型,并解耦为主、子问题迭代求解;基于理想点法转化日内多目标滚动优化模型;将所述配电网日前长时间有功-无功联合优化模型和日内多目标滚动优化模型中变量的平方项用线性变量替换,将日前长时间有功-无功联合优化模型和日内多目标滚动优化模型中的变量相乘形式引入大M法松弛处理,将二次型约束进行二阶锥松弛处理,并利用多面体近似的方法,转换为多个不等式表达式约束,将含绝对值约束引入两个非负中间变量替换,以将所述日前长时间有功-无功联合优化模型和日内多目标滚动优化模型的非线性部分线性化;

步骤S4、基于所述预测时序场景,对步骤S3中的日前长时间有功-无功联合优化模型和日内多目标滚动优化模型求解,得到配电网运行成本和网侧资源调控策略。

2.根据权利要求1所述的协调网侧资源的自储能柔性互联配电网有功-无功联合优化方法,其特征在于,所述步骤S1具体包括:确定分布式光伏出力与负荷的n个小时的历史数据,利用时序场景分析算法,采用时序聚类算法,将所述历史数据缩减为多个预设时间尺度的预测时序场景;所述时序场景分析算法如下式:上式中,p表示负荷和DPV出力;

3.根据权利要求1所述的协调网侧资源的自储能柔性互联配电网有功-无功联合优化方法,其特征在于,所述步骤S2中,所述潮流等式约束为采用支路潮流模型描述的潮流等式约束,具体如下:其中,x

所述步骤S2中,各支路电流、各节点电压满足约束条件为:其中:V

4.根据权利要求3所述的协调网侧资源的自储能柔性互联配电网有功-无功联合优化方法,其特征在于,所述步骤S2中,分布式光伏无功约束条件为:上式中,

智能储能软开关运行约束条件为:

其中:

5.根据权利要求4所述的协调网侧资源的自储能柔性互联配电网有功-无功联合优化方法,其特征在于,所述步骤S2中,引入储能功率区间约束:其中:

配电网络需满足辐射状与连通性约束,网络重构约束为:其中:α

考虑网络重构加入线路状态变量α

6.根据权利要求5所述的协调网侧资源的自储能柔性互联配电网有功-无功联合优化方法,其特征在于,所述步骤S2中,有载调压变压器运行约束为:其中:V

无功补偿装置约束为:

其中:

7.根据权利要求6所述的协调网侧资源的自储能柔性互联配电网有功-无功联合优化方法,其特征在于,所述步骤S2中,柔性负荷运行约束为:其中:

8.根据权利要求7所述的协调网侧资源的自储能柔性互联配电网有功-无功联合优化方法,其特征在于,所述步骤S3具体包括如下步骤:步骤S31、构建基于KL散度的源荷不确定性模糊集;通过对大量历史数据进行估计构造参考概率分布其中:

步骤S32、日前分布鲁棒优化模型转化;采用基于列与约束生成算法,将模型解耦为主、子问题迭代求解;子问题是以主问题优化确定的决策变量为已知量,在不确定性模糊集内最严重的场景分布概率并返回给主问题,子问题的模型为:式中:ρ

先求解下层S个混合整数线性规划模型,如式(38)所示:式中:

通过上述两个步骤,子问题可求得最差场景概率分布式中:η为中间变量,表示对子问题的预估值;K、k分别表示外层循环的总次数和第k次;

步骤S33、日内多目标优化模型转化;理想点法利用各个目标的最优解将目标函数与最优解的距离作为新的目标函数,如下所示:其中,F表示新构建的目标函数;f

minF=|f

步骤S34、平方项变量替换;将潮流等式约束式(5)、(8)和(9),安全约束式(10)中包含的电压电流平方项:步骤S35、对潮流等式约束式(45)和智能储能软开关运行约束式(13)、(14)进行二阶锥松弛处理,并线性化约束式;经松弛处理可得:式(47)等价为:

上式分解为两个旋转锥约束式:

式(48)、(49)、(51)和(52)具有相同的一般形式,如下所示:式中:α

其中,ξ和χ为中间变量;ν为决定线性化过程引入约束和变量数量的参数;β为小于ν的变量;

步骤S36:对其余约束条件进行线性化处理;采用大M法松弛约束式(27),转化为:-α

-α

-α

其中,M

有载调压变压器运行约束转化成如下形式:ν

其中:o

添加式(66)来线性化电容器组动作次数约束:其中,μ

对于绝对值处理方法,引入非负中间变量X