一种含集中充电站的环境经济调度的双层调度求解方法
【专利摘要】本发明公开了一种含集中充电站的环境经济调度的双层调度求解方法，建立了含集中充电站的双层环境经济调度模型。在上层模型中，以机组的总成本最小为目标函数，利用粒子群算法优化每个时刻整体集中充电站和整体火电机组的总出力，利用综合灵敏度优化调度每个时刻各个机组的出力；在下层模型中，以优化网络损耗为目标函数，利用网损灵敏度优化分配每个时刻各个集中充电站的出力。根据求解的每个时刻各个机组和各个集中充电站的出力，计算机组总成本和网络总损耗。本发明解决了求解经济调度问题时维数大、时间长的问题，同时利用本文方法既满足了经济性的要求，又降低了整个电力系统的网损。
【专利说明】
一种含集中充电站的环境经济调度的双层调度求解方法
技术领域
[0001] 本发明涉及电力系统经济调度技术领域，具体涉及一种含集中充电站的环境经济 调度的双层调度求解方法。
【背景技术】
[0002] 近年来，电动汽车以其高效、节能、低噪声、零排放的优势，在市场中得到了快速的 发展和广泛的应用。同时，电动汽车可以作为一种重要的储能设备参与到电力系统的环境 经济调度中，但在我国，国家电网公司明确采取"集中充电"的模式，能够统一处理换下来的 电池，有助于电池的维护和管理，集中充电的换电模式可以有效的解决电动汽车充电时间 长的问题，同时避免了电动汽车充电在时间和空间上的随机性，为集中调度控制创造了条 件，集中充电站规模庞大，其可作为负荷或电源直接接入220kV电网，参与电网的调度，经济 调度的求解是一个高维、非凸、非线性的问题，对于含电动汽车或集中充电站的调度问题求 解很困难。同时，线损是供电企业重要的经济指标，也是国家考核电力企业的一项重要指 标，研究充电站的调度策略有必要考虑网损的变化。
[0003] 综上所述，有必要针对集中调度发明一种新的调度求解方法，以解决现有调度求 解方法时间长、容易陷入维数灾的问题，同时也要能够达到降损的目的。
【发明内容】
[0004] 本发明的目的在于提供一种调度维数小、调度时间短的含集中充电站的环境经济 调度的双层调度求解方法。
[0005] 本发明所述方法的步骤如下：
[0006] 步骤1，建立含有多个集中充电站的双层经济调度模型，所述双层经济调度模型包 括上层模型和下层模型；
[0007] 步骤2,针对上层模型，采用粒子群优化算法求解每个时刻所有集中充电站作为整 体的出力和每个时刻所有火电机组作为整体的出力;利用综合灵敏度优化调度每个时刻各 个火电机组的出力；
[0008] 步骤3,针对下层模型，利用网损灵敏度优化分配每个时刻各个集中充电站的出 力；
[0009] 步骤4,通过各个火电机组出力以及各个集中充电站出力的数据，计算火电机组的 总成本和整个电网系统的网损。
[0010] 进一步的，步骤1中，建立含有多个集中充电站的双层经济调度模型的具体过程如 下：
[0011] -、建立上层模型
[0012] 在上层模型中考虑环境和燃料费用的综合总成本，以机组的总成本最小为目标函 数，建立上层模型：
[0013]
CD
[0014] 式中，T为调度时间；N为火电机组的台数;Pk, t为火电机组k在t时刻的出力；e为碳 税;ak、bk、ck为火电机组煤耗系数;ak、0k、y k为C〇2排放系数；
[0015]二、建立下层模型
[0016] 通过直流潮流计算整个电网的损耗，以优化整个电网的损耗为目标函数，建立下 层模型：
[0017]
(1〇)
[0018]式中，Pl为整个电网系统的网损;为节点i、j之间的互电导;1^、山分别为节点i、j 的电压幅值;Θ i j为节点i、j间的电压相角差。
[0019] 进一步的，上层模型的约束条件如下：
[0020] 集中充电站入网、计及集中充电站电量平衡、电量储存约束、充放电约束限制、系 统平衡约束、机组出力上下限、机组爬坡约束；
[0021] 具体约束条件为：
[0022] (1)功率平衡
[0023]
(2)
[0024] 式中，N为火电机组的台数，m为集中充电站的个数，Pk, t为机组k在时刻t的出力;Pl 为t时刻整个电网系统的网损;Pd,时刻系统的总负荷;、/$分别为第g个集中充电 站在t时刻的总充、放电功率；
[0025] (2)常规机组出力限制
[0026]
(3)
[0027] 式中，Pk, min、Pk,max分别为机组k的最小、最大出力;Pk, t为机组k在t时刻的出力； [0028] (3)常规机组爬坡限制
[0029]
(4)
[0030] 式中，为火电机组k的最大下调有功量;巧#为火电机组k的最大上调有功量；
[0031] (4)电量平衡
[0032]
(5)
[0033] 式中，Eg,t为第g个集中充电站站在t时刻储存的电量;Eg,η为第g个集中充电站在 t-1时刻储存的电量;η。为集中充电站的充电效率;nd为集中充电站的放电效率；△ t。为充电 时间段；A td为放电时间段;w为每个电池容量组的容量;Dg,Η为第g个集中充电站在t-ι时 刻需要更换电池的个数;L g, η为第g个集中充电站在t-Ι时刻更换下来的电池中剩余的电 量；
[0034] (5)充、放电功率限制
[0035](6)
[0036] 式中，cg,t
为充电控制变量(0/1)，1表示充电，0表示不充电；dg, t为放电控制变量 (〇/1)，1表示放电，〇表示不放电；gU#、为集中充电站g在t时刻的最大充、放电功 率；
[0037] (6)电量储存限制
[0038] Emin.g.t^Eg.t^Emax.g.t (7)
[0039] 式中，Emin,g,t、Emax,g, t为集中充电站g在t时刻的最小、最大储存电量;Eg,t为集中充 电站g在t时刻的电量；
[0040] (7)充、放电状态限制
[0041] 0^cg)t+dg)t^l (8)
[0042] (8)集中充电站的备用需求
[0043] Eg;t^(l+n)Emin>g>t (9)
[0044] 式中，η表示集中充电站的电量备用率。
[0045] 进一步的，下层模型的约束条件考虑网络安全约束和上下层模型中集中充电站的 总电量平衡约束;具体如下：
[0046] (1)系统潮流平衡方程
[0047]
(11)
[0048] 式中，Pi为节点i的有功功率;Qi为节点i的无功功率;Gi^Gij分别为节点i的自电 导、节点i、j的互电导;Bn、Bu分别为节点i的自电納、节点i、j的互导纳;U、山分别为节点i、 j的电压幅值;Θ i j为节点i、j间的电压相角差；
[0049] (2)线路容量限制
[0050] Pi|^Pimax (12)
[0051] 式中，Pi为输电线路潮流向量;Pimax为输电线路潮流上限向量；
[0052] (3)集中充电站换电总电量平衡
[0053]
(13)
[0054] 式中，m为集中充电站的个数;Ph,g,t为第g个换电站t时刻的充/放电功率;Ph,t为在 上层模型中求解的集中充电站t时刻总的充/放电功率。
[0055] 进一步的，所述步骤2的具体过程如下：
[0056] (2-1)粒子群优化
[0057] 将每个时刻的所有集中充电站作为一个整体，将每个时刻的所有火电机组作为一 个整体，采用粒子群优化算法优化每个时刻整体集中充电站和整体火电机组的总出力;将 所有火电机组作为一个整体机组，由于每台机组的总成本函数的特性相同，所以选取任意 一台机组的参数作为整体机组的参数；
[0058] (2-2)综合灵敏度
[0059] 在分配火电机组的出力时，等式约束中计及网损：
[0060]
(14)
[0061 ]式中，N为火电机组的台数;Pk为机组k的出力;η为系统节点数;PDi为节点i的负荷； Pl为整个电网系统的网损；
[0062] 建立该优化的拉格朗日函数如下式：
[0063]
(15) ?=1 i=l
[0064] 式中，F为火电机组的综合成本;fk(Pk)为机组k的总成本；
[0065]该函数取得最小值的条件如下：
[0066] (16)
[0067] (17)[0068] 公式（15)-( 17)化简如下：
[0069]
[0070]
[0071] 一 k 一 L· ^ 一 .L ' 一 k-'
[0072] 式中，Pk为机组k的出力;a为整个电网系统的网损;β为综合灵敏度；Afk(Pk)/AP k 为机组总成本灵敏度；
[0073] (2-3)火电机组出力分配
[0074] 先随机分配机组出力;然后按β值从小到大对各个火电机组进行排序;最后，排序 在前的机组增加出力，排序在后的机组减小出力，直到每个机组的β相等或者接近相等时为 止，此时火电机组在考虑网损的情况下达到了总成本最小。
[0075] 进一步的，所述步骤3的具体过程如下：
[0076] (3-1)网损灵敏度 [0077]网络损耗公式：
[0078]
'2()y
[0079] 网损灵敏度α为：
[0080]
(21 )
[0081]式中，Pk为机组k的出力;PL为整个电网系统的网损;为节点i、j的互电导;Βυ为 节点i、j的互导纳;Ui、Uj分别为节点i、j的电压幅值；0^为节点i、j间的电压相角差;α为网 损灵敏度为节点i的电压相角；
[0082] (3-2)集中充电站出力分配
[0083]初始集中充电站的出力:对集中充电站所接的各个节点的网损灵敏度进行大小排 序，当集中充电站处在充电状态时，网损灵敏度大的节点初始的出力大；当集中充电站处在 放电状态时，网损灵敏度小的节点初始的出力大；
[0084] 判断是否满足下层模型的约束条件，若满足，停止分配;若不满足，当集中充电站 处在充电状态时，减小网损灵敏度大的节点的出力，增加网损灵敏度小的节点的出力；当集 中充电站处在放电状态时，减小网损灵敏度小的节点的出力，增加网损灵敏度大的节点的 出力，直到满足下层模型的约束条件；
[0085] 此时在调度集中充电站时，达到了优化网络损耗。
[0086] 本发明与现有技术相比有益效果如下：
[0087] 1、考虑因素全面，能够避免维数灾；
[0088] 2、提出双层求解的策略，能降低求解时间，提高求解效率；
[0089] 3、针对上层模型采用粒子群优化算法优化每个时刻整体机组和整体集中充电站 的总出力，利用综合灵敏度优化调度每个时刻各个火电机组的出力;针对下层模型，利用网 损灵敏度优化分配每个时刻各个集中充电站的出力，既能满足经济性的要求，又能降低网 络的损耗。
【附图说明】
[0090] 图1是本发明方法的含集中充电站的双层调度模型的基本框架图。
[0091 ]图2是本发明方法的上层模型求解图。
[0092]图3是本发明方法的下层模型求解图。
[0093]图4是本发明方法的流程图。
【具体实施方式】
[0094] 下面结合附图对本发明做进一步说明。
[0095] 如图1、4所示，本发明所述方法的步骤如下：
[0096] 步骤1，建立含有多个集中充电站的双层经济调度模型。
[0097] 一、建立上层模型，如图2所示。
[0098] 在上层模型中考虑环境和燃料费用的综合总成本，以机组的总成本最小为目标函 数，建立上层模型：
[0099] (1) t二 i k二I
[0100] 式中，T为调度时间；N为火电机组的台数;Pk, t为火电机组k在t时刻的出力；e为碳 税;ak、bk、ck为火电机组煤耗系数;ak、0k、y k为C〇2排放系数；
[0101 ]上层模型的约束条件如下：
[0102] 集中充电站入网、计及集中充电站电量平衡、电量储存约束、充放电约束限制、系 统平衡约束、机组出力上下限、机组爬坡约束；
[0103] 具体约束条件为：
[0104] (1)功率平衡
[0105]
(2) ./i=l g=l
[0106] 式中，N为火电机组的台数;m为集中充电站的个数;Pk, t为机组k在时刻t的出力； Pl , t为t时刻整个电网系统的网损;Pd, t为t时刻系统的总负荷；分别为第g个集中 充电站在t时刻的总充、放电功率。
[0107] (2)常规机组出力限制
[0108]
(3)
[0109] 式中，Pk,min、Pk,max分别为机组k的最小、最大出力;Pk, t为机组k在t时刻的出力。 [0110] (3)常规机组爬坡限制
[0111]
(4)
[0112] 式中，ff5为火电机组k的最大下调有功量;if "为火电机组k的最大上调有功量。
[0113] (4)电量平衡
[0114]
(5)
[0115] 式中，Eg,t为第g个集中充电站站在t时刻储存的电量;Eg,η为第g个集中充电站在 t-1时刻储存的电量;η。为集中充电站的充电效率;nd为集中充电站的放电效率；△ t。为充电 时间段；A td为放电时间段;w为每个电池容量组的容量;Dg,Η为第g个集中充电站在t-ι时 刻需要更换电池的个数;L g, Η为第g个集中充电站在t-ι时刻更换下来的电池中剩余的电 量。
[0116] (5)充、放电功率限制
[0117]
[0118] 式中，cg,t为充电控制变量(0/1)，1表示充电，0表示不充电；dg, t为放电控制变量 (0/1)，1表不放电，0表不不放电；为集中充电站g在t时刻的最大充、放电功 率；
[0119] (6)电量储存限制
[0120] Emin,g,t^Eg,t^Emax,g,t (7)
[0121] 式中，Emin,g,t、Emax,g, t为集中充电站g在t时刻的最小、最大储存电量;Eg,t为集中充 电站g在t时刻的电量；
[0122] (7)充、放电状态限制
[0123] 0^cg)t+dg)t^l (8)
[0124] (8)集中充电站的备用需求
[0125] Eg;t^(l+n)Emin>g>t (9)
[0126] 式中，η表示集中充电站的电量备用率。
[0127] 二、建立下层模型，如图3所示。
[0128] 通过直流潮流计算整个电网的损耗，以优化整个电网的损耗为目标函数，建立下 层模型：
[0129]
(1〇):
[0130] 式中，Pl为堅个电|WJ糸统的|WJ损;Gij为节点i、j之间的互电导;Ui、Uj分别为节点i、j 的电压幅值;Θ i j为节点i、j间的电压相角差。
[0131] 下层模型的约束条件考虑网络安全约束和上下层模型中集中充电站的总电量平 衡约束;具体如下：
[0132] (1)系统潮流平衡方程
[0133]
(11)
[0134] 式中，Pi为节点i的有功功率;Qi为节点i的无功功率;Gi^Gij分别为节点i的自电 导、节点i、j的互电导;Bn、Bu分别为节点i的自电納、节点i、j的互导纳;U、山分别为节点i、 j的电压幅值;Θ i j为节点i、j间的电压相角差。
[0135] (2)线路容量限制
[0136] Pi|^Pimax (12)
[0137] 式中，Pi为输电线路潮流向量;Plmax为输电线路潮流上限向量；
[0138] (3)集中充电站换电总电量平衡
[0139]
(1:'"
[0140] 式中，m为集中充电站的个数;Ph,g,t为第g个换电站t时刻的充/放电功率;Ph,t为在 上层模型中求解的集中充电站t时刻总的充/放电功率。
[0141] 步骤2,针对上层模型，采用粒子群优化算法求解每个时刻所有集中充电站作为整 体的出力和每个时刻所有火电机组作为整体的出力;利用综合灵敏度优化调度每个时刻各 个火电机组的出力；
[0142 ]将每个时刻的所有集中充电站作为一个整体，将每个时刻的所有火电机组作为一 个整体，采用粒子群优化算法优化每个时刻整体集中充电站和整体火电机组的总出力;将 所有火电机组作为一个整体机组，由于每台机组的总成本函数的特性相同，所以选取任意 一台机组的参数作为整体机组的参数；
[0143] 在分配火电机组的出力时，等式约束中计及网损：
[0144]
14)
[0145] 式中，N为火电机组的台数;Pk为机组k的出力;η为系统节点数;PDi为节点i的负荷； Pl为整个电网系统的损耗。
[0146] 建立该优化的拉格朗日函数如下式：
[0147]
(15)
[0148] 式中，F为火电机组的综合成本;fk(Pk)为机组k的总成本。
[0150] (16)
[0149] 该函数取得最小值的条件如下：
[0151] (17)
[0152] 公式（15)-(17)化简如下：
[0153] (18)
[0154]
[0155] (19)
[0156] 式中，Pk为机组k的出力;a为整个电网系统的网损;β为综合灵敏度；Afi(Pk)/APk 为机组总成本灵敏度。
[0157] 针对粒子群优化算法优化的整体机组的总出力，采用综合灵敏度调度分配每个火 电机组。对机组综合灵敏度小的机组增加出力，对机组综合灵敏度大的机组减少出力，达到 考虑网损的情况下，降低机组的总成本。
[0158] 首先随机分配机组出力;然后按β值从小到大对各个火电机组进行排序;最后，排 序在前的机组增加出力，排序在后的机组减小出力，直到每个机组的β相等或者接近相等时 为止，此时火电机组在考虑网损的情况下达到了总成本最小。
[0159] 步骤3,针对下层模型，利用网损灵敏度优化分配每个时刻各个集中充电站的出 力；
[0160] (3-1)网损灵敏度
[0161] 网络损耗公式：
[0162](20) 1== l J = l
[0163]网损灵敏度α为：
[0164]
(21 )
[0165]式中，Gij为节点i、j的互电导;Bij为节点i、j的互导纳;Ui、Uj分别为节点i、j的电压 幅值A沩节点i、j间的电压相角差;α为网损灵敏度A为节点i的电压相角。
[0166] (3-2)集中充电站出力分配
[0167] 下层模型针对上层模型中求解出来的整体集中充电站的出力进行优化分配，采用 网损灵敏度分配调度集中充电站。对集中充电站所接的网络节点计算网损灵敏度。当集中 充电站处在充电时，集中充电站接在网损灵敏度大的节点充电有助于降低整个电网系统的 网损；当集中充电站处在放电状态时，集中充电站接在网损灵敏度小的节点放电有助于降 低整个电网系统的网损。
[0168] 在分配集中充电站充/放电时的大致步骤如下：
[0169] 初始集中充电站的出力:对集中充电站所接的各个节点的网损灵敏度进行大小排 序，当集中充电站处在充电状态时，网损灵敏度大的节点初始的出力大；当集中充电站处在 放电状态时，网损灵敏度小的节点初始的出力大；
[0170] 判断是否满足下层模型的约束条件，若满足，停止分配;若不满足，当集中充电站 处在充电状态时，减小网损灵敏度大的节点的出力，增加网损灵敏度小的节点的出力；当集 中充电站处在放电状态时，减小网损灵敏度小的节点的出力，增加网损灵敏度大的节点的 出力，直到满足下层模型的约束条件；
[0171] 此时在调度集中充电站时，达到了优化整个电网系统的网损。
[0172] 步骤4,将步骤2和步骤3求解的每个时刻各个火电机组的出力和每个时刻各个集 中充电站的出力代入到公式(1)和公式(10)中，计算火电机组的总成本和整个网络的损耗。
[0173] 为了更加全面的验证本发明的有效性，将本发明的方法与粒子群优化算法进行对 比，采用IEEE30节点6机组进行对比验证，结果如表1。
[0174] 表1算法求解结果对比
[0175] Table.1 Comparison of solution results
[0176]
[0177] 通过与粒子群优化算法比较，虽然本发明的计算结果比粒子群优化算法提高了 0.02%，但计算时间降低了85.6%，网络损耗降低了38.67%，验证了本发明的优越性。
[0178] 以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范 围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方 案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
【主权项】
1. 一种含集中充电站的环境经济调度的双层调度求解方法，其特征在于，所述方法的 步骤如下： 步骤1，建立含有多个集中充电站的双层经济调度模型，所述双层经济调度模型包括上 层模型和下层模型； 步骤2,针对上层模型，采用粒子群优化算法求解每个时刻所有集中充电站作为整体的 出力和每个时刻所有火电机组作为整体的出力;利用综合灵敏度优化调度每个时刻各个火 电机组的出力； 步骤3,针对下层模型，利用网损灵敏度优化分配每个时刻各个集中充电站的出力； 步骤4,通过各个火电机组出力W及各个集中充电站出力的数据，计算火电机组的总成 本和整个电网系统的网损。2. 根据权利要求1所述的一种含集中充电站的环境经济调度的双层调度求解方法，其 特征在于，步骤1中，建立含有多个集中充电站的双层经济调度模型的具体过程如下： 一、 建立上层模型 在上层模型中考虑环境和燃料费用的综合总成本，W机组的总成本最小为目标函数， 建立上层模型：(1) 式中，T为调度时间;N为火电机组的台数;Pk,t为火电机组k在t时刻的出力；e为碳税;ak、 bk、ck为火电机组煤耗系数;Qk、故、丫 k为C〇2排放系数； 二、 建立下层模型 通过直流潮流计算整个电网的损耗，W优化整个电网的损耗为目标函数，建立下层模 型：(10) 式中，Pl为整个电网系统的网损;Gi功节点i、j之间的互电导;Ui、U汾别为节点i、j的电 压幅值;θι功节点i、j间的电压相角差。3. 根据权利要求2所述的一种含集中充电站的环境经济调度的双层调度求解方法，其 特征在于，上层模型的约束条件如下： 集中充电站入网、计及集中充电站电量平衡、电量储存约束、充放电约束限制、系统平 衡约束、机组出力上下限、机组爬坡约束； 具体约束条件为： (1) 功率平衡α) 式中，Ν为火电机组的台数，m为集中充电站的个数，Pk, t为机组k在时刻t的出力;Pl为t时 亥帷个电网系统的网损;Pd,t为t时刻系统的总负荷；巧，、嗦，分别为第g个集中充电站在t 时刻的总充、放电功率； (2) 常规机组出力限制(3 )式中，Pk,min、Pk,max分别为机 组k的最小、最大出力;Pk, t为机组k在t时刻的 出力； (3)常规机组爬坡限制(4) 式中，皆^为火电机组k的最大下调有功量;if"为火电机组k的最大上调有功量；（4)电 量平衡(5) 式中，Eg,t为第g个集中充电站站在t时刻储存的电量;Eg,t-功第g个集中充电站在t-l时 刻储存的电量;ric为集中充电站的充电效率;rid为集中充电站的放电效率；Δ tc为充电时间 段；A td为放电时间段;W为每个电池容量组的容量;Dg,t-l为第g个集中充电站在t-l时刻需 要更换电池的个数;Lg,t-l为第g个集中充电站在t-l时刻更换下来的电池中剩余的电量； (5) 充、放电功率限制C6) 式中，cg,t为充电控制变量(0/1)，1表示充电，0表示不充电；dg,t为放电控制变量(0/1)， 1表示放电，0表示不放电；巧。为集中充电站g在t时刻的最大充、放电功率； (6) 电量储存限制 Emin, g, t《Eg, t《Emax, g, t (7) 式中，Emln,g,t、Emax,g,t为集中充电站g在t时刻的最小、最大储存电量;Eg,t为集中充电站g 在t时刻的电量； (7) 充、放电状态限制 0《cg,t+dg,t《l (8) (8) 集中充电站的备用需求 Eg, ( 1巧）Emin, g, t (9) 式中，η表示集中充电站的电量备用率。4.根据权利要求2所述的一种含集中充电站的环境经济调度的双层调度求解方法，其 特征在于，下层模型的约束条件考虑网络安全约束和上下层模型中集中充电站的总电量平 衡约束;具体如下： (1)系统潮流平衡方程(11) 式中，Ρ功节点i的有功功率;Qi为节点i的无功功率;Gii、Gu分别为节点i的自电导、节 点i、j的互电导;Bii、Bij分别为节点i的自电納、节点i、j的互导纳;Ui、Uj分别为节点i、j的电 压幅值;θι功节点i、j间的电压相角差； (2) 线路容量限制 Pi 恃Imax (12) 式中，Pi为输电线路潮流向量;Plmax为输电线路潮流上限向量； (3) 集中充电站换电总电量平衡(13) 式中，m为集中充电站的个数;Ph,g,t为第g个换电站t时刻的充/放电功率;Ph,t为在上层 模型中求解的集中充电站t时刻总的充/放电功率。5.根据权利要求1所述的一种含集中充电站的环境经济调度的双层调度求解方法，其 特征在于，所述步骤2的具体过程如下： (2-1)粒子群优化 将每个时刻的所有集中充电站作为一个整体，将每个时刻的所有火电机组作为一个整 体，采用粒子群优化算法优化每个时刻整体集中充电站和整体火电机组的总出力;将所有 火电机组作为一个整体机组，由于每台机组的总成本函数的特性相同，所W选取任意一台 机组的参数作为整体机组的参数； (2-2)综合灵敏度 在分配火电机组的出力时，等式约束中计及网损：(14) 式中，N为火电机组的台数;Pk为机组k的出力;η为系统节点数;Pdi为节点i的负荷;Pl为 整个电网系统的网损； 建立该优化的拉格朗日函数如下式：05) 式中，F为火电机组的综合成本;f k (Pk)为机组k的总成本； 该函数取得最小值的条件如下：式中，Pk为机组k的出力;Pl为整个电网系统的网损;β为综合灵敏度；Δ fk化)/ Δ Pk为机 组总成本灵敏度； (2-3)火电机组出力分配 先随机分配机组出力；然后按β值从小到大对各个火电机组进行排序;最后，排序在前 的机组增加出力，排序在后的机组减小出力，直到每个机组的β相等或者接近相等时为止， 此时火电机组在考虑网损的情况下达到了总成本最小。6.根据权利要求1所述的一种含集中充电站的环境经济调度的双层调度求解方法，其 特征在于，所述步骤3的具体过程如下： (3-1)网损灵敏度 网络损耗公式：式中，Pk为机组k的出力；Pl为整个电网系统的网损;Gu为节点i、j的互电导;Βυ为节点 1〇的互导纳;化、&分别为节点1〇'的电压幅值；0^为节点1〇'间的电压相角差;〇为网损灵 敏度;Θ功节点i的电压相角； (3-2)集中充电站出力分配 初始集中充电站的出力：对集中充电站所接的各个节点的网损灵敏度进行大小排序， 当集中充电站处在充电状态时，网损灵敏度大的节点初始的出力大；当集中充电站处在放 电状态时，网损灵敏度小的节点初始的出力大； 判断是否满足下层模型的约束条件，若满足，停止分配;若不满足，当集中充电站处在 充电状态时，减小网损灵敏度大的节点的出力，增加网损灵敏度小的节点的出力；当集中充 电站处在放电状态时，减小网损灵敏度小的节点的出力，增加网损灵敏度大的节点的出力， 直到满足下层模型的约束条件； 此时在调度集中充电站时，达到了优化网络损耗。
【文档编号】G06Q10/04GK105976065SQ201610338995
【公开日】2016年9月28日
【申请日】2016年5月20日
【发明人】李学平, 高菲, 卢志刚
【申请人】燕山大学