一种电力需求响应参与配电网电压调节的方法及控制系统与流程

文档序号:11179880阅读:466来源:国知局
一种电力需求响应参与配电网电压调节的方法及控制系统与流程

本发明涉及电力需求响应技术领域,具体而言,是一种基于互联网云平台的电力需求响应参与配电网电压调节的方法及控制系统。



背景技术:

为了减少环境污染和应对能源枯竭问题。近年来,大规模利用可再生能源如太阳能、风能等已成为世界能源发展的大趋势。例如,丹麦政府设立了2050年实现能源供给全部依靠可再生能源的目标。美国能源部提出可再生能源可满足美国2050年80%的电力需求。我国也在大力发展可再生能源。然而,大规模可再生能源发电并网会影响电能质量,降低电网的稳定性。用户侧分布式发电产生的剩余电量会抬升配电网的电压,并有可能使配电网产生电压过高问题。另一方面,纯电动汽车近年来的发展也极为迅速。大量电动汽车同时充电会导致配电网电压下降,并有可能造成电压过低等问题。分布式发电并网和大量电动汽车充电接入配电网,使得配电网电压管理变得更加复杂且困难,给配电网带来电压的不稳定性,单靠传统发电设备调度的电力辅助服务已经很难解决问题,这也成为实现大规模可再生能源发电并网的技术障碍。

用户侧需求响应被认为是智能电网的一个重要组成部分,随着智能家居的发展,用户侧用电设备具备远程控制、自动控制等功能,可为需求响应提供更多的便利。用户侧用电设备可分为不可移动负荷与可移动负荷,不可移动负荷是指那些随用户开启而工作的用电设备,如电灯、电视机、计算机等,这些不可移动负荷的特点是工作时间随用户的开启动作而确定,不能随意移动。可移动负荷是指那些工作时间可以被灵活安排的用电设备,如洗衣机、电饭煲、空调、电热水器、电动汽车充电电池等,这些可移动负荷的特点是工作时间灵活,只要在用户设定的时间点前完成任务即可。在配电网中,由于容抗和阻抗的比值(即x/r)小,有功功率的变化会很大程度影响配电网中的电压。为了有效利用用户侧需求响应,现有技术通常采用强制性限制用户侧需求的方式(比如,政府机关事业单位或者办公楼强制性规定:在夏天用电高峰时设置空调温度不得低于26度),这种方式虽然可以在一定程度上起到调节电网的作用,但实际中存在不确定因素(主要基于用户对规则的遵守),无法精确参与电网调节。

故,针对目前现有技术中存在的上述缺陷,实有必要进行研究,以提供一种方案,解决现有技术中存在的缺陷。



技术实现要素:

有鉴于此,确有必要提供一种电力需求响应参与配电网电压调节的方法及控制系统,通过设置用户侧控制单元提前获取并预测用户负荷消费量和分布式发电量,并以此调整用户侧可移动负荷工作时间进而在不影响用户需求的情况下实现用户侧主动参与配电网的电压调节,从而可以减少电网侧的设备建设和维护费用的投入,节省配电网电压稳定的维护成本。

为了克服现有技术的缺陷,本发明的技术方案如下:

一种电力需求响应参与配电网电压调节的方法,包括以下步骤:

步骤s1:在用户侧设置用户侧控制单元以获取用户侧负荷信息并通过通信网络将用户侧信息发送至互联网云平台;

步骤s2:互联网云平台收集每个用户的用户侧信息以此规划可移动负荷的工作时间并向用户侧控制单元发送控制指令;

步骤s3:用户侧控制单元根据该控制指令控制可移动负荷的工作时间进而调节配电网的节点电压在合理范围内。

优选地,所述用户侧信息至少包括不可移动负荷用电信息、可移动负荷信息、分布式发电信息以及用户节点电压信息;所述可移动负荷信息通过所述用户侧控制单元进行设置。

优选地,在步骤s2中,互联网云平台根据用户侧信息预测用户侧的不可移动负荷消费量和分布式发电量,并以此规划可移动负荷的工作时间。

优选地,在步骤s2中,进一步包括提前规划的步骤s21和/或实时调节的步骤s22。

优选地,提前规划的步骤s21进一步包含以下步骤:

步骤s211:用户在用户侧控制单元设置未来某一时间段的可移动负荷的工作信息并发送至互联网云平台,可移动负荷信息包括:功率工作时间允许的工作时间段其中ai表示一种可移动负荷;

步骤s212:互联网云平台预测未来某一时间段的不可移动负荷消费以及分布式发电数据,以电压稳定、可移动负荷参数等为约束条件,以用户利润最大化为目标函数建立用户侧需求响应的优化模型,通过配电网内潮流优化计算,得到用户可移动负荷的运行计划;其中,用户利润最大化的优化数学模型如下所示:

max.

其中,fith是太阳能等分布式发电补贴,单位为元/kwh,pdg是分布式发电的功率,cfit是补贴价格;用户与电网交换的电力,billh分两种情况,当用户向电网输入电力时(即),用户向电网销售电力,csell表示售电价格;当电网向用户输入电力时(即),用户向电网买取电力,cbuy表示买电价格。h表示时间间隔编号,t表示时间间隔的长度,单位为分,h表示24小时的时间间隔数;num表示用户编号,nc表示用户总数量;表示电动汽车充电或放电的功率,表示不可移动负荷的功率,表示可移动负荷的功率;sign(ev)表示电动汽车是充电还是放电状态;是一个用户所有的可移动负荷的功率,而表示可移动负荷的数量,表示可移动负荷ai的工作状态,1表示开关闭合,0表示开关断开;

电力系统潮流等式,电压稳定、可移动负荷参数的约束条件如下:

2)电力系统潮流等式:

其中vnum,h、inum,h分别是节点电压和节点电流。是无功功率;

2)电压的稳定范围:

vmin≤vi≤vmax(9)

其中vi是用户节点i的电压,vmin和vmax分别是电压安全范围的下限值和上限值。电压越限即当电压低于下限值或超过上限值;

3)可移动负荷约束:

是可移动负荷ai的启动时间;前一天优化的目的是通过优化求出可移动负荷ai的启动时间

步骤s213:互联网云平台将可移动负荷的运行计划即启动时间发送至用户侧控制单元,用户侧控制单元存储可移动负荷的运行计划。

优选地,所述的优化数学模型采用遗传算法。

优选地,实时调节的步骤s22进一步包含以下步骤:

步骤s221:用户侧控制单元按提前制定的运行计划向可移动负荷发送启动指令;

步骤s222:互联网云平台实时收集用户节点电压;当有节点的电压越限(超过上限值或低于下限值)时,以可移动负荷参数为约束条件,以可移动负荷运行计划修改量最少为目标函数,通过优化计算获得需要修改运行计划的可移动负荷的节点地址和功率数量;可移动负荷运行计划修改量目标函数如下所示:

min.

其中,该优化函数通过电压敏感矩阵或其他启发式搜索算法解决;

步骤s223:互联网云平台向用户侧控制单元发送需要修改运行计划的可移动负荷信息,用户侧控制单元向可移动负荷发送启停指令。

为了克服现有技术的缺陷,本发明还提出了一种电力需求响应参与配电网电压调节的控制系统,该系统包括互联网云平台以及设置在用户端且能够通过通信网络接入所述互联网云平台的用户侧设备,其中,所述用户侧设备至少包括用户侧控制单元、用户侧负荷和用户侧分布式发电装置;所述用户侧负荷为用户的用电设备,包括不可移动负荷与可移动负荷;

所述互联网云平台收集每个用户端的用户侧信息以此规划可移动负荷的实际工作时间并向用户侧控制单元发送控制指令;

所述用户侧控制单元与用户侧负荷和用户侧分布式发电装置相连接,用于收集用户负荷消费和分布式发电数据并上传至互联网云平台以及接收并响应互联网云平台的控制指令并根据该控制指令控制可移动负荷的实际工作时间;用户通过所述用户侧控制单元设置可移动负荷的工作区间;所述互联网云平台通过优化算法安排可移动负荷的实际工作时间。

优选地,所述通信网络为互联网。

优选地,所述互联网云平台为互联网数据处理中心,其通过用户侧控制单元接收用户侧的不可移动负荷用电信息、可移动负荷信息、分布式发电信息、以及用户节点电压信息;所述可移动负荷信息为用户通过所述用户侧控制单元进行主动设置的信息。

与现有技术相比较,本发明通过用户设置可移动负荷的工作区间并通过特定数据算法合理安排可移动负荷的实际工作时间,通过规划用户侧可移动负荷工作时间实现控制配电网内的节点电压在合理范围内。采用本发明的技术方案,既不影响用户的用电体验,也可解决将来大量分布式发电并网带来的电压升高问题和大量电动汽车同时充电产生的电压降落问题,维护配电网的安全稳定运行。以此减少电网端电压调节设备的新建和维护,可为社会带来经济效益。

附图说明

图1为本发明电力需求响应参与配电网电压调节的控制系统法的配电网结构示

意图。

图2为本发明中一个用户侧设备的结构示意图。

图3为本发明中电力需求响应参与配电网电压调节的方法的流程框图。

图4为通过遗传算法求解的流程图。

图5为实时电压调节流程图。

图6为33总线配电网模型。

图7为太阳能发电和不可移动负荷的功率示意图。

图833节点24小时电压图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述,以便更清楚、完整地描述本发明的内容。但需要说明的是,所描述的实施例仅仅是本发明的一个实施例,而不是全部的实施例。

参见图1,所示为本发明配电网结构示意图。本发明一种电力需求响应参与配电网电压调节的控制系统包括互联网云平台以及设置在用户端且能够通过通信网络接入所述互联网云平台的用户侧设备,互联网云平台通过通信网络与用户侧控制单元进行双向通信。

参见图2,所示为本发明中一个用户侧设备的结构示意图。用户侧设备至少包括用户侧控制单元、用户侧负荷和用户侧分布式发电装置;用户侧控制单元是用户端的负荷控制装置,其可以收集用户负荷消费以及分布式发电数据并将用户的数据发送至互联网云平台,也可接收并响应互联网云平台发送的控制指令并向用户侧负荷发送启停控制指令。用户侧负荷为用户的用电设备,包括不可移动负荷与可移动负荷;不可移动负荷是指那些随用户开启而工作的用电设备,如电灯、电视机、计算机等,这些不可移动负荷的特点是工作时间随用户的开启动作而确定,不能随意移动。可移动负荷是指那些工作时间可以被灵活安排的用电设备,如洗衣机、电饭煲、空调、电热水器、电动汽车充电电池等,这些可移动负荷的特点是工作时间灵活,只要在用户设定的时间点前完成任务即可。例如用户希望电动汽车充电电池在早上8:00点之前完成充电,而充满电所需时间是5个小时,那么在该电动汽车充电电池可在接入后至凌晨3:00之间的任意时间开始启动充电。可移动负荷工作时间的灵活性可实现需求响应参与配电网电压调节。用户侧分布式发电装置是指太阳能光伏发电、风力发电等有别与传统发电厂的小型分布式发电装置。

通信网络是指互联网云平台与用户侧负荷之间的信息通信媒介,可为互联网。用户侧控制单元与用户侧负荷和用户侧分布式发电装置相连接,用于收集用户负荷消费和分布式发电数据并上传至互联网云平台以及接收并响应互联网云平台的控制指令并根据该控制指令控制可移动负荷的工作时间。互联网云平台是指互联网数据处理中心,其通过用户侧控制单元接收用户侧的不可移动负荷用电信息、可移动负荷信息、分布式发电信息、以及用户节点电压信息,也可对用户负荷消费量和分布式发电量做预测。互联网云平台可根据接收到的用户侧信息,检查配电网内节点电压,通过规划可移动负荷的工作时间调节配电网的节点电压在合理范围内。互联网云平台向用户侧控制单元发送控制指令,用户侧控制单元向用户侧可移动负荷发送启停控制指令。

参见图3,所示为本发明一种电力需求响应参与配电网电压调节的控制方法的流程框图,包括以下步骤:

步骤s1:在用户侧设置用户侧控制单元以获取用户侧信息并通过通信网络将用户侧信息发送至互联网云平台;

步骤s2:互联网云平台收集每个用户的用户侧信息以此规划可移动负荷的工作时间并向用户侧控制单元发送控制指令;

步骤s3:用户侧控制单元根据该控制指令控制可移动负荷的工作时间进而调节配电网的节点电压在合理范围内。

在步骤s2中,进一步包含提前规划步骤s21和/或实时调节步骤s22,通过上述两部分优化实现需求响应参与配电网电压调节,并在优化中使用户的利益最大化。

提前规划步骤进一步包含以下步骤:

步骤s211:用户在用户侧控制单元设置未来某一时段的可移动负荷的工作信息,可移动负荷信息包括:功率工作时间允许的工作时间段其中ai表示一种可移动负荷。用户侧控制单元把可移动负荷信息发送至互联网云平台。

步骤s212:互联网云平台预测用户未来某一时段的不可移动负荷消费以及分布式发电数据,以电压稳定、可移动负荷参数等为约束条件,以用户利润最大化为目标函数建立用户侧需求响应的优化模型,通过配电网内潮流优化计算,得到用户可移动负荷的运行计划。用户利润最大化的优化数学模型如下所示:

max.

其中,fith是太阳能等分布式发电补贴,单位为元/kwh,pdg是分布式发电的功率,cfit是补贴价格。用户与电网交换的电力,billh分两种情况,当用户向电网输入电力时(即),用户向电网销售电力,csell表示售电价格;当电网向用户输入电力时(即),用户向电网买取电力,cbuy表示买电价格。h表示时间间隔编号,t表示时间间隔的长度,单位为分,h表示24小时的时间间隔数。num表示用户编号,nc表示用户总数量。表示电动汽车充电或放电的功率,表示不可移动负荷的功率,表示可移动负荷的功率。sign(ev)表示电动汽车是充电还是放电状态。是一个用户所有的可移动负荷的功率,而表示可移动负荷的数量,表示可移动负荷ai的工作状态,1表示开关闭合,0表示开关断开。

电力系统潮流等式,电压稳定、可移动负荷参数等约束条件如下:

1)电力系统潮流等式:

其中vnum,h、inum,h分别是节点电压和节点电流。是无功功率。

2)电压的稳定范围:

vmin≤vi≤vmax(37)

其中vi是用户节点i的电压,vmin和vmax分别是电压安全范围的下限值和上限值。电压越限即当电压低于下限值或超过上限值。

3)可移动负荷约束:

是可移动负荷ai的启动时间。前一天优化的目的是求出可移动负荷ai的启动时间

为便于理解,图4显示了通过遗传算法求解上述优化算法的流程图。遗传算法的种群(population)是由经过基因编码的一定数目的个体(individual)组成,初始种群即是可移动负荷ai启动时间的一个随机解集合,即初始种群产生之后,按照适者生存和优胜劣汰的原理,逐代(generation)演化产生出越来越好的近似解。在每一代,都需要进行适应度(fitness)计算,适应度函数即上述前一天优化的目标函数。根据问题域中适应度的大小通过轮盘赌方法进行个体选择。选择出来的个体再借助于自然遗传学的遗传算子(geneticoperators)进行组合交叉(crossover)和变异(mutation),产生出新的解集种群。遗传算法这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境,当迭代次数达到预设的代数时,得到的种群里最好的个体可以作为问题近似最优解。

步骤s213:上述遗传算法计算得到的最优解即为可移动负荷未来某一时段的运行计划。互联网云平台将可移动负荷的运行计划即启动时间发送至用户侧控制单元。用户侧控制单元存储可移动负荷的运行计划。

由于在提前计划中,预测的用户的分布式发电数据、不可移动负荷的消费数据必然存在误差,而且用户也有可能改变原先设定的可移动负荷的运行参数。因此,需要实时调节以进一步保证配电网的电压稳定。

实时调节步骤进一步包含以下步骤:

步骤s221:用户侧控制单元按提前制定的运行计划向可移动负荷发送启动指令。

步骤s222:互联网云平台实时收集用户节点电压。当有节点的电压越限(超过上限值或低于下限值)时,以可移动负荷参数为约束条件,以可移动负荷运行计划修改量最少为目标函数,通过优化计算获得需要修改运行计划的可移动负荷的节点地址和功率数量。可移动负荷运行计划修改量目标函数如下所示:

min.

其中,优化的约束条件与步骤s212一致。

利用电压敏感系数决定各个分布式储能的有功功率调节量。电压敏感系数矩阵是由两个电力潮流计算公式(43)、(44)而来。从式(43)、(44)和雅克比矩阵的逆矩阵j‐1,可以得到式(45)。

令电压敏感系数矩阵s等于j‐1(式(46))。

通过式(45),电压相角的变化量δu和幅值的变化量δu实现解耦,δu可以通过式(47)进行计算。

δv=sup·δp+suq·δq(47)

若只考虑用户侧设备的有功功率调整,无功功率的变化不考虑在内。令δu=0,式(47)将变为(48):

δp=sup-1·δv(48)

在配电网中,电压存在非线性的特点,调节某一个节点的有功功率会非线性地影响其他节点的电压。利用式(48)可以计算出配电网中每个节点的分布式储能有功功率的调节量,以使系统中的电压调节到合理范围内。通过式(48),可以计算出最优的有功功率调节量,从而实现可移动负荷运行计划修改量最少。如图5所示,为当天实时电压调节流程图。当实时监测到电压超限后,计算出所需要调节的电压的差值δu,继而通过电压敏感矩阵计算出所需要调整的有功功率。需要特别说明的是,所计算出的δp与可移动负荷的功率不会完全一致,此时选择功率与δp数值接近并能够消除电压越限的可移动负荷。

步骤s223:互联网云平台向用户侧控制单元发送需要修改运行计划的可移动负荷信息,用户侧控制单元向可移动负荷发送启停指令。

为说明本发明对于配电网电压调节的效果,本实施例以33总线配电网(如图6所示)为系统模型,通过仿真说明本发明的控制效果。其中节点1位参考节点,电压固定为1p.u.,其他32个节点为用户节点,每个节点电压的允许范围是[0.9,1.1]p.u.。假设每个节点上有100个用户,用户太阳能发电和电动汽车的装载率分别为50%和30%。如图7所示为用户的太阳能发电和不可移动负荷的功率。用户侧可移动负荷假设如表1所示。为仿真方便,本实施例对空调简化建模:要求在3个小时的时间段里,空调需工作1一个小时。

表1可移动负荷参数

仿真得到33节点的24小时电压幅值如图8所示,图8(a)是未实施本发明方法的电压,即表1中用户的可移动负荷启动时间是随机的从图8(a)可知,在中午12:00附近,当太阳能发电达到峰值时,出现多次过电压的情况。而在晚上19:00-24:00期间,由于有大量的电动汽车充电,出现了大量低电压的情况。图8(b)实施本发明的方法后,24小时的电压幅值全部调整到允许范围内。由此可见,规划用户的可移动负荷工作时间,即可实现配电网电压调节的目的。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1