本发明是一种分散式经济调度方法,属于电力系统调度的技术领域。
背景技术:
随着能源危机和环境污染问题的日益加剧,清洁的分布式电源(distributedgenerators,dgs)得到了国内外的高度重视和快速发展。由于dgs渗透率以及运行灵活度要求的提高,电力系统运行的复杂性大大增加,迫切需要研究适应高渗透率分布式电源灵活运行要求的经济调度策略。
电力系统经济调度本质上是一个优化问题,目标是在满足系统中各种约束条件的基础上,合理分配每个发电机的有功功率输出,使系统总发电成本最低。
传统的经济调度往往采用集中式方法,调度中心在全面掌握电力系统运行状态的情况下,根据一定的优化算法把负荷经济地分配给各台机组。但集中式方法依赖于调度中心对大量节点的数据进行收集和集中处理,其计算量大,灵活性不够,还会使系统对通信网络的单点故障非常敏感。随着分布式网络结构的兴起,未来的电力系统急需一种低复杂度计算和局域相互作用的分散式调度方法。
技术实现要素:
本发明的目的在于克服现有方法的上述不足,提供一种基于交替方向乘子法(admm)的分散式经济调度方法,在考虑风电功率波动的情况下,能够使各台dg在本地独立迭代计算各自的最优有功功率,实现dg运行状态的实时分散式并行优化,克服了集中式调度方法存在的限制,并且具有良好的收敛性及鲁棒性。
为实现上述目的,本发明采用了以下技术方案:基于交替方向乘子法的电力系统分散式经济调度方法,该方法包括以下步骤:
(1)引入基于下垂控制的dgs动态模型;
(2)分析风电有功功率模型和数据生成过程;
(3)在admm基本原理和经济调度模型基础上,设计基于同步型admm算法的分散式经济调度方法。
进一步的,步骤(1)所述的“引入基于下垂控制的dgs动态模型”的具体内容为:
引入一阶惯性环节模型来模拟输出有功功率跟踪功率输入参考的动态过程。其中下垂控制常用于实现分布式发电单元的协调控制,在系统有功功率平衡发生变化时,其可以保证系统频率在一定范围内补偿稳定。
本发明将采用以参考有功功率作为输入并具有频率下垂控制功能的输入—输出动态模型,实现系统实时控制。
基于参考有功功率阶跃响应推导出一阶模型作为dg动态模型为:
进一步的,步骤(2)所述的“分析风电有功功率模型和数据生成过程”的具体内容为:
由于风力发电不需要消耗额外的一次能源,风电功率在满足系统运行要求前提下一般可进行最大化消纳,因此本发明中将风电功率全额上网,再通过优化可调度dgs的有功功率来实现整个系统的经济运行。
风力发电机的输出功率与风速密切相关,其输出功率可以表示为如下分段函数:
进一步的,步骤(3)所述的“在admm基本原理和经济调度模型基础上,设计基于同步型admm算法的分散式经济调度方法。”的具体内容为:
电力系统经济调度的目的是优化机组功率,最小化总发电成本。假设有n台dgs,第i台dg的发电成本一般是其输出功率的二次函数:ci(pi)=aipi2+bipi+ci式中:pi表示第i台dg的输出功率;ai、bi和ci为相关的燃料消耗系数。
本发明不考虑风电产生的成本,那么含有n台dgs的系统经济调度目标函数为:
另外,经济调度还必须满足有功功率平衡约束以及dg的发电容量不等式约束如下(忽略网损,其中净负荷为总负荷需求与风电输出功率之差):
下面利用admm算法中交替迭代的核心思想,实现分散式求解,admm基本原理如下:
admm算法主要用于求解具有可分离变量的优化问题。两变量标准admm形式如下:
admm通过交替过程依次求解x和y,然后更新对偶变量直至收敛,具体迭代步骤如下:
标准admm算法也可以扩展到多个可分离变量的优化问题。类似于两变量标准admm求解过程,多个变量按照事先安排的顺序,将前一变量迭代更新后的结果代入到下一变量的计算过程,再依次进行交替迭代。
基于以上admm算法原理,每个分布式电源的输出功率优化问题可通过如下步骤进行交替迭代求解:
然而上述过程属于异步迭代过程,并且每个变量的更新依赖于相邻变量的最近一次迭代更新值。为了使各变量可以同步迭代,并且能够在本地进行独立求解,可选取所有变量上一次迭代的计算结果的平均值作为相邻变量的更新值,形成同步型admm算法。
基于同步型admm可将式(11)转化为同步迭代求解经济调度问题。具体如下,令
根据admm原理,上述迭代过程的终止条件为原始残差和对偶残差同时满足收敛精度,即:
注意到,在上述优化过程中,上层控制中心仅需要收集所有dg的输出功率pik和系统净负荷需求,进而求出dg输出功率的平均值
附图说明
图1是本发明提出的基于admm的电力系统分散式经济调度方法流程图;
具体实施方式
下面结合附图对本发明做进一步说明:
如图1所示,一种基于admm的电力系统分散式经济调度方法,该方法计算过程包括以下步骤:
(1)初始化dg输出功率pi0以及对偶变量ui0;
(2)通过上层控制中心收集所有dgs的有功功率pik和系统净负荷的数据,计算出
(3)更新迭代得到各台dg有功功率pik+1和对偶变量uik+1;
(4)当满足收敛判据时,pik+1即为最优分配方案;如不满足,返回步骤(3)。
具体的讲,步骤(2)中计算输出功率的平均值
为了使各变量可以同步迭代,并且能够在本地进行独立求解,选取所有变量上一次迭代的计算结果的平均值作为相邻变量的更新值,形成同步型admm算法。通过式
步骤(3)中迭代计算各台dg有功功率pik+1和对偶变量uik+1的方法如下:
将式
步骤(4)中的收敛条件及计算最优结果的方法如下:
根据admm原理,上述迭代过程的终止条件为原始残差和对偶残差同时满足收敛精度,即: