一种含微电网的区域配电网分层优化方法
【专利摘要】本发明涉及电力系统自动化领域的一种优化方法，具体涉及一种含微电网的区域配电网分层优化方法。所述方法包括下述步骤：<1>建立微电网与配电网联合调度模型；<2>建立微电网效益最大化二次调度模型；<3>对上述两个调度模型进行优化。该方法将微电网作为可独立调度的可控单元，通过对配网侧可控分布式电源、微电网及配电网的协调调度及微电网内部分布式能源经济调度的双层调度控制，对内实现了分布式能源的最大化利用，对外实现区域配电网电源、负荷的最优化调度，可有效提高配电网对分布式电源接纳能力。
【专利说明】—种含微电网的区域配电网分层优化方法
【技术领域】
[0001]本发明涉及电力系统自动化领域的一种优化方法，具体涉及一种含微电网的区域配电网分层优化方法。
【背景技术】
[0002](一)微电网技术
[0003]微电网是指由分布式电源、储能装置、能量转换装置、相关负荷和监控、保护装置汇集而成的小型发配电系统。微电网中的电源多为容量较小的分布式电源，即含有电力电子接口的小型机组，包括微型燃气轮机、燃料电池、光伏电池、小型风力发电机组以及超级电容、飞轮及蓄电池等储能装置。它们接在用户侧，具有成本低、电压低以及污染小等特点。
[0004]微电网技术的应用消除了单个分布式电源(DG)并网运行的随机性与不可调度性，宏观上表现出微电网的可控性。电网将对DG的协调控制权移交给微电网，摆脱了多个DG管理上、控制上的难题。微电网根据自身组成和负荷情况，在系统负荷低谷时以较低价格向电网购电，在系统负荷高峰时以较高价格向电网售电。不仅提高了电力系统可靠性，在提升微电网运营水平，实现能源效益、经济效益、环境效益最大化方面具有重要意义。
[0005](二)NSGA-1I算法为多目标优化算法，有3个性能评价指标:
[0006]1、所求得的解要尽量接近Pareto最优解；
[0007]2、所求得的解集要尽量分布均匀；
[0008]3、求解过程中要防止获得的Pareto最优解丢失。
[0009]与此对应，NSGA-1I算法有3种关键技术使其成为一种优秀的多目标优化算法，即快速非支配排序、个体拥挤距离和精英策略。基于NSGA-1I的基本原理，为多目标网架重构优化设计了以下3种算子。
[0010](一)快速非支配排序算子设计:
[0011]多目标优化问题的设计关键在于求取Pareto最优解集。NSGA-1I算法中的快速非支配排序是依据个体的非劣解水平对种群分层，其作用是指引搜索向Pareto最优解集方向进行。它是一个循环的适应值分级过程:首先找出群体中非支配解集，记为第一非支配层Fl，将其所有个体赋予非支配序irank=l(其中:irank是个体i的非支配序值)，并从整个群体中除去；然后继续找出余下群体中非支配解集，记为第二非支配层F2，个体被赋予非支配序irank=2 ;照此进行下去，直到整个种群被分层，同一分层内的个体具有相同的非支配序irank。
[0012](二)个体拥挤距离算子设计:
[0013]为了能够在具有相同irank的个体内进行选择性排序，NSGA-1I提出了个体拥挤距离的概念。个体i的拥挤距离是目标空间上与i相邻的2个体i+Ι和1-Ι之间的距离，其计算步骤为:
[0014](I)对同层的个体初始化距离。令L[i]d=0(其中:L[i]d表示任意个体i的拥挤距离)；[0015](2)对同层的个体按第m个目标函数值升序排列；
[0016](3)使得排序边缘上的个体具有选择优势,给定一个大数W,令
[0017]L[0]d=L[l]d=ff(27)；
[0018](4)对排序中间的个体，求拥挤距离:
【权利要求】
1.一种含微电网的区域配电网分层优化方法，其特征在于，所述配电网调度中心接收微电网调度中心提供的购售电价格和出力上下限信息以电网公司效益最大化为目标确定发电计划；微电网调度中心接收各分布式电源提供的购售电价格和出力上下限以微电网效益最大化为目标制定网内分布式电源的调度策略； 所述方法包括下述步骤: <1>建立微电网与配电网联合调度模型； <2>建立微电网效益最大化二次调度模型； <3>对上述两个调度模型进行优化。
2.如权利要求1所述的区域配电网分层优化方法，其特征在于，所述步骤〈1>中，建立微电网与配电网联合调度模型包括确定发电计划目标函数及约束条件。
3.如权利要求2所述的区域配电网分层优化方法，其特征在于，所述发电计划目标函数以发电成本最小为目标，表达式如下: minC = CMG+CG+CDG (O ; 式中:C为总发电成本，Ck为电网调度微电网成本，Cg常规发电机组发电成本，Cdg为直接并网的分布式能源发电机组或直接并网型的风电及光伏电厂的发电成本，统称为非微电网形式可调度分布式电源；
4.如权利要求2所述的区域配电网分层优化方法，其特征在于，所述发电计划约束包括微电网出力约束和电网运行约束； A、所述微电网出力约束表达式如下:
5.如权利要求1所述的区域配电网分层优化方法，其特征在于，所述步骤〈2>中，建立微电网效益最大化二次调度模型包括下述步骤: 1、确定以微电网效益最大化的目标函数； I1、确定以微电网效益最大化的约束条件； II1、对微电网内分布式电源出力和负荷进行预测。
6.如权利要求5所述的区域配电网分层优化方法，其特征在于，所述步骤I中，所述微电网效益最大化即微电网综合成本最小，其目标函数的表达式如下:
7.如权利要求5所述的区域配电网分层优化方法，其特征在于，所述步骤II中，以微电网效益最大化的约束条件包括: 1>系统功率平衡约束:
8.如权利要求5所述的区域配电网分层优化方法，其特征在于，所述步骤III中，所述微电网内分布式电源出力预测包括: ①光伏出力预测: 光伏系统的输出功率服从Beta分布，其概率密度函数为:
9.如权利要求1所述的区域配电网分层优化方法，其特征在于，所述步骤〈3>中，对微电网与配电网联合调度模型和微电网效益最大化二次调度模型采用NSGA-1I算法进行优化，包括下述步骤: 步骤S1:基因编码:选择常规机组、直接并网型可调度分布式发电机组以及微电网内的可调度分布式电源的有功实时出力作为NSGA-1I算法中的基因，并对此基因进行二进制编码，当配电网包含η个PQ节点，染色体由表示所有节点信息的3η个基因组成，各节点的编码顺序根据节点编号从小到大排列；步骤S2:对微电网与配电网联合调度模型和微电网效益最大化二次调度模型进行优化调度； 步骤S3:输出优化调度结果。
10.如权利要求9所述的区域配电网分层优化方法，其特征在于，所述步骤S2中，对微电网与配电网联合调度模型和微电网效益最大化二次调度模型进行优化包括下述步骤:步骤S201:群体初始化: 初始化群体中每个个体的候选出力，包括:在各机组对应的有功和无功最大功率范围内，随机选出一个数，得出配置容量； 步骤S202:非支配排序: 在选择运算之前，根据多目标分层优化调度数学模型进行计算，得到每个个体的目标函数值，根据每个个体的非支配水平对种群分层排序；所述多目标分层优化调度数学模型包括微电网与配电网联合调度模型和微电网效益最大化二次调度模型； 步骤S203:拥挤度计算: 基于非支配排序结果，对同一层的Pareto解根据多目标计算数学模型中的目标函数值计算拥挤距离； 步骤S204:选择、交叉和变异运算: 根据排序和拥挤距离的计算结果，采用轮赛制随机选择2个个体，并进行交叉和变异计算; 步骤S205:选择前N个个体产生父代种群； 步骤S206:精英个体校验: 将父代与子代合并，进行非支配排序和拥挤距离计算，开始新一轮的选择、变异和交叉，选取产生新的父代； 步骤S207:重复步骤S202-207，直到最大迭代次数时停止。
【文档编号】H02J3/46GK103544655SQ201310492377
【公开日】2014年1月29日 申请日期:2013年10月18日 优先权日:2013年10月18日
【发明者】季宇, 刘海涛, 吴鸣, 苏剑, 李洋, 于辉, 李蕊, 吕志鹏, 黄松 申请人:国家电网公司, 中国电力科学研究院, 江西省电力科学研究院