一种基于技术型虚拟电厂的配电网阻塞管理方法与流程

本发明属于电力系统电源调度领域，尤其涉及一种基于技术型虚拟电厂的配电网阻塞管理方法。

背景技术：

随着科学技术的迅猛发展，分布式电源在地区电网中所占的比例也越来越大，其输出功率的不稳定性对电网的影响也随之增加。而虚拟电厂(virtualpowerplant，vpp)正是解决上述问题的一种有效形式。分布式能源发电具有极强的波动性，且用户均以自身经济利益为目标制定发电计划，会导致负荷大规模聚集，使配网线路潮流越限，发生线路阻塞，影响整个电网的安全稳定运行。因此，有必要研究vpp的安全校正问题，当线路发生潮流越限时，及时进行配电网的阻塞管理。

当配网电力输送的要求大于实际输送要求时，会发生配电网阻塞现象，影响用户正常电力交易计划，破坏配电网的安全高效运行。因此，如何进行配电网阻塞管理，对实现vpp的安全经济运行至关重要。而vpp能够聚合配电网侧各分布式电源，并提供快速响应的辅助服务，因此采用vpp的方式研究如何消除配电网阻塞问题具有实际价值。

技术实现要素：

发明目的：针对以上问题，本发明提出一种基于技术型虚拟电厂的配电网阻塞管理方法，该方法通过对vpp各聚合单元的调度方案进行调整，可以有效消除系统线路过载，并且能够尽可能的减少切负荷量，从而降低vpp的经济损失。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于技术型虚拟电厂的配电网阻塞管理方法，包括如下步骤：

步骤1，设置原始数据，采用蒙特卡罗法生成光伏场景以描述光伏出力不确定性；构建以vpp利润最大为优化目标的vpp经济调度模型；构建模型约束条件；所述原始数据包括：配网参数、vpp各聚合单元参数、市场电价参数以及光伏出力预测数据；求解该模型得到vpp各聚合单元的调度方案；

步骤2，以配电网所有节点的功率不平衡量的平方和最小作为目标函数，构造潮流计算优化模型；构建模型约束条件；通过潮流计算得到配电网各节点的电压和相角，并计算各线路潮流，判断各线路潮流是否越限；

步骤3，若发生越限，则以调整节点数和系统调整量最小为优化目标建立vpp安全校正优化模型；构建模型约束条件；求解vpp安全校正优化模型，得到vpp各聚合单元校正量，根据该校正量对步骤1中的vpp各聚合单元调度方案进行调整，从而消除系统线路过载。

进一步，步骤1所述约束条件包括：燃气轮机约束、可中断负荷约束、ev充电站约束、可转移负荷约束、vpp交易电量约束、vpp功率平衡约束。

进一步，步骤2所述约束条件包括：潮流方程约束、潮流计算的已知量约束。

进一步，步骤3所述约束条件包括：功率平衡约束、节点可调量约束、负荷节点功率因数约束、系统安全运行约束、交易量偏差约束。

进一步，所述步骤1构建以vpp利润最大为优化目标的vpp经济调度模型；构建模型约束条件；包括以下步骤：

步骤1.1：vpp所有者的优化目标是整体利润最大，包括参与日前电力市场所得的收入，燃气轮机的运行和启停成本以及可中断负荷成本，vpp经济调度模型的目标函数表示为：

其中，t为一天的总时段数；ns为光伏出力场景数，π(s)为第s组光伏出力场景的概率；λt为时段t的电力市场电价；gs,t为第s组光伏出力场景下时段t的vpp电力市场交易量，其值为正表示vpp向电力市场售电，其值为负表示vpp从电力市场购电；为燃气轮机在时段t的运行成本；为布尔变量，表示燃气轮机是否启动，启动时置1，不启动时置0；sf为燃气轮机的启动成本；为可控负荷成本；

燃气轮机的运行成本用分段线性函数表示：

其中，u为燃气轮机的固定成本；为布尔变量，表示燃气轮机是否工作，工作时不工作时z为发电成本曲线分段数；kj为燃气轮机第j段发电成本斜率；为t时段燃气轮机在第s组光伏出力场景下的第j段出力；

可中断负荷成本为vpp向用户支付的中断负荷补偿费用，考虑到不同中断负荷量对用户的影响不同，将中断补偿价格与负荷中断等级挂钩，中断等级越高，所需支付的补偿价格越高，表示为：

式中：nm为中断等级数；为第m级中断负荷补偿价格；为t时段第m级中断负荷量，为决策变量；

步骤1.2：构建vpp经济调度模型的约束条件，所述约束条件包括：

(1)vpp燃气轮机的约束条件：

其中，和分别为t时段和t-1时段燃气轮机在第s组光伏出力场景下的总出力；rampd,rampu分别为燃气轮机的向下和向上爬坡率；分别为燃气轮机的最小和最大出力；为布尔变量，表示t-1时段燃气轮机是否工作，工作时不工作时

(2)可中断负荷约束条件：

式中：为第m级中断负荷量；为第m级中断负荷量上限；和分别为t时段和t-1时段的总中断负荷量；l^c,max为连续时间段内的可中断负荷最大中断量；

(3)电动汽车(ev)充电站约束条件：

式中：分别为ev充电站的蓄电量上下限；和分别为t时段和t-1时段第v座ev充电站的蓄电量；分别为第v座ev充电站充/放电功率及其上限；分别为第v座ev充电站的充放电效率；为布尔变量，表示ev充电站是否充放电；

(4)可转移负荷约束条件：

式中，p^load,max、p^load,min为vpp供给负荷电量及其上下限；e^load为一天内的最小负荷需求；

(5)vpp交易电量约束条件：

-g^max≤gs,t≤g^max

式中，g^max为vpp在电力市场的交易量上限；

(6)vpp功率平衡约束条件：

式中，gs,t为t时段第s种场景下光伏电站出力；和分别为ev充电站的总充/放电功率；为vpp向负荷售电量。

进一步，所述步骤2建立潮流计算优化模型，包括以下步骤：

步骤2.1：以配电网所有节点的功率不平衡量的平方和最小作为目标函数，目标函数表示为：

式中，f为不平衡量的平方和；δpi、δqi表示节点i的功率不平衡量；nb为配电网节点数；

步骤2.2：构建潮流计算优化模型的约束条件，所述约束条件包括：

(1)潮流方程约束条件：

式中，pi＝pgi-pdi表示节点i的有功注入功率，其值为节点发电机有功出力pgi与节点有功负荷pdi的差值；qi＝qgi-qdi表示节点i的无功注入功率，其值为节点发电机无功出力qgi与节点无功负荷qdi的差值；ui、uj分别为节点i和节点j的电压幅值；θij＝θi-θj为节点i和节点j的电压相角差，θi为节点i的电压相角，θj为节点j的电压相角；gij和bij分别为节点导纳矩阵中第i行第j列元素的实部和虚部；

(2)潮流计算已知量约束条件：

式中，分别表示ui、θi以及pgi的给定值；npv、nph分别表示由pv节点、平衡节点的节点编号组成的集合。

进一步，所述步骤3建立vpp安全校正优化模型，包括以下步骤：

步骤3.1：以调整节点数和系统调整量最小为优化目标建立vpp安全校正优化模型，模型目标函数表示为：

式中，f1为调整节点数之和；f2为系统调整量之和；布尔变量bi表征节点i的调整状态：bi＝0表示节点i不参与调整，bi＝1表示节点i参与调整；dpi、dqi分别代表节点i的有功调整量以及无功调整量；

按节点所接负荷类型分为发电机节点和负荷节点，发电机节点调节发电机出力，负荷节点调节切负荷量，赋予发电机节点和负荷节点不同的权重，以保证安全校正的优先性；目标函数可以转化为：

式中，f3为计及权重系数的调整节点数之和；f4为计及权重系数的系统调整量之和；wi、wi'分别为节点i调整状态和调整量的权重系数；

在优化确定最小调整节点数的基础上进一步优化调整量，采用极大值法引入极大值m使多目标优化问题转化为具有优先级的优化问题，目标函数转化为：

式中，f5为单目标优化问题的目标函数；

步骤3.2：构建vpp安全校正优化模型的约束条件，所述约束条件包括：

(1)功率平衡约束条件：

式中，表示节点i的初始有功功率，其值为节点发电机初始有功出力与节点初始有功负荷的差值；表示节点i的初始无功功率，其值为节点发电机初始无功出力与节点初始无功负荷的差值；

(2)节点可调量约束条件：

式中，pi分别为节点i的可调有功功率上下限，若节点i为发电机节点，其值分别为节点i的有功出力上限和下限pgi；qi分别为节点i的可调无功功率上下限，若节点i为发电机节点，其值分别为节点i的无功出力上限和下限qgi；对于负荷节点而言，和的值按实际情况设定；

(3)负荷节点功率因数约束条件：

(4)系统安全运行约束条件：

式中，pij表示线路i-j的有功潮流；pij分别表示线路i-j有功潮流的上下限值；ui分别表示节点i电压幅值的上下限；θi分别表示节点i电压相角的上下限；

(5)交易量偏差约束条件：

-hd·g⁰≤dg≤hd·g⁰

式中，hd为交易量允许偏差；g⁰为安全校正前的vpp市场交易量；dg为交易偏差量。

有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：本发明提出了含vpp的配电网阻塞管理方法，建立了基于vpp的配电网阻塞管理模型，可有效消除系统线路过载，且以安全校正所需调整的节点数和调整量最少为优化目标，保证了vpp一定的经济效益。

附图说明

图1是vpp试点项目测试系统示意图；

图2是每时段的可中断负荷量和可转移负荷量图；

图3是电力市场电价图；

图4是光伏出力场景图；

图5是工况1和工况2情况下，vpp各聚合单元的校正量比较图；

图6是工况1和工况3情况下，vpp各聚合单元的校正量比较图；

图7是本发明的流程图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

本发明所述的一种基于技术型虚拟电厂的配电网阻塞管理方法，如图7所示，包括如下步骤：

步骤1，设置原始数据，采用蒙特卡罗法生成光伏场景以描述光伏出力不确定性；构建以vpp利润最大为优化目标的vpp经济调度模型；构建模型约束条件；所述原始数据包括：配网参数、vpp各聚合单元参数、市场电价参数以及光伏出力预测数据；所述约束条件包括：燃气轮机约束、可中断负荷约束、ev充电站约束、可转移负荷约束、vpp交易电量约束、vpp功率平衡约束；求解该模型得到vpp各聚合单元的调度方案；

步骤2，以配电网所有节点的功率不平衡量的平方和最小作为目标函数，构造潮流计算优化模型；构建模型约束条件；所述约束条件包括：潮流方程约束、潮流计算的已知量约束；通过潮流计算得到配电网各节点的电压和相角，并计算各线路潮流，判断各线路潮流是否越限；

步骤3，若发生越限，则以调整节点数和系统调整量最小为优化目标建立vpp安全校正优化模型；构建模型约束条件；所述约束条件包括：功率平衡约束、节点可调量约束、负荷节点功率因数约束、系统安全运行约束、交易量偏差约束；求解vpp安全校正优化模型，得到vpp各聚合单元校正量，根据该校正量对步骤1中的vpp各聚合单元调度方案进行调整，从而消除系统线路过载。

本实施例调用gams软件求解vpp安全校正优化模型，结果表明：该模型可有效消除系统线路过载，且以安全校正所需调整的节点数和调整量最少为优化目标，通过设置权重系数，能够在一定程度上减少切负荷量，从而降低vpp的经济损失。

所述步骤1建立vpp经济调度模型，建立虚拟电厂经济调度目标函数和约束条件，包括以下步骤：

步骤1.1：vpp所有者的优化目标是整体利润最大，包括参与日前电力市场所得的收入，燃气轮机的运行和启停成本以及可中断负荷成本，vpp经济调度模型的目标函数表示为：

其中，t为一天的总时段数；ns为光伏出力场景数，π(s)为第s组光伏出力场景的概率；λt为时段t的电力市场电价；gs,t为第s组光伏出力场景下时段t的vpp电力市场交易量，其值为正表示vpp向电力市场售电，其值为负表示vpp从电力市场购电；为燃气轮机在时段t的运行成本；为布尔变量，表示燃气轮机是否启动，启动时置1，不启动时置0；sf为燃气轮机的启动成本；为可控负荷成本；

燃气轮机的运行成本用分段线性函数表示：

其中，u为燃气轮机的固定成本；为布尔变量，表示燃气轮机是否工作，工作时不工作时z为发电成本曲线分段数；kj为燃气轮机第j段发电成本斜率；为t时段燃气轮机在第s组光伏出力场景下的第j段出力；

可中断负荷成本为vpp向用户支付的中断负荷补偿费用，考虑到不同中断负荷量对用户的影响不同，将中断补偿价格与负荷中断等级挂钩，中断等级越高，所需支付的补偿价格越高，表示为：

式中：nm为中断等级数；为第m级中断负荷补偿价格；为t时段第m级中断负荷量，为决策变量；

步骤1.2：构建vpp经济调度模型的约束条件，所述约束条件包括：

(1)vpp燃气轮机的约束条件：

其中，和分别为t时段和t-1时段燃气轮机在第s组光伏出力场景下的总出力；rampd,rampu分别为燃气轮机的向下和向上爬坡率；分别为燃气轮机的最小和最大出力；为布尔变量，表示t-1时段燃气轮机是否工作，工作时不工作时

(2)可中断负荷约束条件：

式中：为第m级中断负荷量；为第m级中断负荷量上限；和分别为t时段和t-1时段的总中断负荷量；l^c,max为连续时间段内的可中断负荷最大中断量；

(3)电动汽车(ev)充电站约束条件：

式中：分别为ev充电站的蓄电量上下限；和分别为t时段和t-1时段第v座ev充电站的蓄电量；分别为第v座ev充电站充/放电功率及其上限；分别为第v座ev充电站的充放电效率；为布尔变量，表示ev充电站是否充放电；

(4)可转移负荷约束条件：

vpp对可转移负荷进行协调调控可以避免负荷高峰期的用电尖峰问题以及负荷低谷期的电力浪费问题，需要满足如下约束：

式中，p^load,max、p^load,min为vpp供给负荷电量及其上下限；e^load为一天内的最小负荷需求；

(5)vpp交易电量约束条件：

考虑到vpp与主网传输功率限制，vpp在电力市场的交易电量需满足如下约束式：

-g^max≤gs,t≤g^max

式中，g^max为vpp在电力市场的交易量上限；

(6)vpp功率平衡约束条件：

式中，gs,t为t时段第s种场景下光伏电站出力；和分别为ev充电站的总充/放电功率；为vpp向负荷售电量。

所述步骤2建立潮流计算优化模型，包括以下步骤：

步骤2.1：以配电网所有节点的功率不平衡量的平方和最小作为目标函数，目标函数表示为：

式中，f为不平衡量的平方和；δpi、δqi表示节点i的功率不平衡量；nb为配电网节点数；

步骤2.2：构建潮流计算优化模型的约束条件，所述约束条件包括：

(1)潮流方程约束条件：

式中，pi＝pgi-pdi表示节点i的有功注入功率，其值为节点发电机有功出力pgi与节点有功负荷pdi的差值；qi＝qgi-qdi表示节点i的无功注入功率，其值为节点发电机无功出力qgi与节点无功负荷qdi的差值；ui、uj分别为节点i和节点j的电压幅值；θij＝θi-θj为节点i和节点j的电压相角差，θi为节点i的电压相角，θj为节点j的电压相角；gij和bij分别为节点导纳矩阵中第i行第j列元素的实部和虚部；

(2)潮流计算已知量约束条件：

式中，分别表示ui、θi以及pgi的给定值；npv、nph分别表示由pv节点、平衡节点的节点编号组成的集合。

所述步骤3建立vpp安全校正优化模型，包括以下步骤：

步骤3.1：以调整节点数和系统调整量最小为优化目标建立vpp安全校正优化模型，模型目标函数表示为：

式中，f1为调整节点数之和；f2为系统调整量之和；布尔变量bi表征节点i的调整状态：bi＝0表示节点i不参与调整，bi＝1表示节点i参与调整；dpi、dqi分别代表节点i的有功调整量以及无功调整量。

按节点所接负荷类型可分为发电机节点和负荷节点两大类，发电机节点调节发电机出力，负荷节点调节切负荷量。然而，为了保证经济效益，应优化调整发电机出力。因此，赋予发电机节点和负荷节点不同的权重，分别取为1和100，以保证安全校正的优先性。目标函数可以转化为：

式中，f3为计及权重系数的调整节点数之和；f4为计及权重系数的系统调整量之和；wi、wi'分别为节点i调整状态和调整量的权重系数，分别取为1和0.01；

本模型需要在优化确定最小调整节点数的基础上进一步优化调整量，因此可以采用极大值法将多目标优化问题转化为单目标优化问题，即引入极大值m，m取值为1000，使多目标优化问题转化为具有优先级的优化问题，目标函数转化为：

式中，f5为单目标优化问题的目标函数；

步骤3.2：构建vpp安全校正优化模型的约束条件，所述约束条件包括：

(1)功率平衡约束条件：

式中，表示节点i的初始有功功率，其值为节点发电机初始有功出力与节点初始有功负荷的差值；表示节点i的初始无功功率，其值为节点发电机初始无功出力与节点初始无功负荷的差值；

(2)节点可调量约束条件：

式中，pi分别为节点i的可调有功功率上下限，若节点i为发电机节点，其值分别为节点i的有功出力上限和下限pgi；qi分别为节点i的可调无功功率上下限，若节点i为发电机节点，其值分别为节点i的无功出力上限和下限qgi；对于负荷节点而言，和的值按实际情况设定；

(3)负荷节点功率因数约束条件：

(4)系统安全运行约束条件：

式中，pij表示线路i-j的有功潮流，pij分别表示线路i-j有功潮流的上下限值；ui分别表示节点i电压幅值的上下限；θi分别表示节点i电压相角的上下限；

(5)交易量偏差约束条件：

由于安全校正后，vpp对交易合同进行了修正，因此需要保证交易量偏差在一定范围内：

-hd·g⁰≤dg≤hd·g⁰

式中，hd为交易量允许偏差；g⁰为安全校正前的vpp市场交易量；dg为交易偏差量。

本实施例选取某地区实际数据作为算例基础，对某地区56节点配电网进行改进，所得的vpp试点项目测试系统如图1所示。该vpp中含有燃气轮机机组1处，光伏电站15处，可中断负荷3处，中央空调系统(可转移负荷)2处，ev充电站2处。燃气轮机机组采用centaur40型号，额定容量为3.515mw，爬坡率为1.8mw/h，启停成本为18€，采用分段线性函数表示燃气轮机的运行成本，其中第1、2段斜率分别为20€/mw和50€/mw。ev充电站的最大充放电功率均为0.65mw，充放电效率均为90％。每时段的可中断负荷量和可转移负荷量如图2所示，电力市场电价如图3所示，光伏出力场景如图4所示。

首先，在该地区配电网正常运行时，即工况1情况下，vpp通过对各分布式电源进行协调调度，以实现自身利润最大的目标。但是在发生非计划停运时，配电网很有可能产生潮流越限的问题。因此为保证电力系统的安全稳定运行，需要对非计划停运情况下的配电网进行潮流计算，并且在此基础上判断配电网潮流是否越限。本实施例设置了两种非计划停运情况，分别为工况2和工况3。工况2情况下，在11-14h，配电网线路27-28发生非计划停运，线路44-51经计算存在潮流越限问题。工况3情况下，在11-14h，配电网线路44-51发生非计划停运，线路9-13经计算存在潮流越限问题。表1列出了工况2及工况3下关键线路的潮流情况、热稳定限值。表2列出了两种工况下vpp对关键线路的安全校正优化结果。

表1

表2

由表2可知，针对非计划停运情况下产生的潮流越限问题，本文采用的vpp安全校正优化模型可以有效消除线路过载。由于权重系数的存在，该安全校正优化模型能够在一定程度上减少切负荷量，从而降低vpp的经济损失，提高vpp的整体利润。同时，两种工况下的校正计算时间均在2s左右，能够满足实际工程中的效率需求。

此外，该模型以安全校正所需调整的节点数最少为优化目标，因此调整所涉及的节点数较少，一般保证在4个以内。但是由于配电网功率平衡约束的存在，当vpp对某一分布式电源进行协调调整时，必然对其他节点造成影响，因此调整所涉及的节点数至少2个。

图5对vpp在工况1和工况2情况下，各聚合单元的校正量进行了比较；图5(a)为校正前后的燃气轮机发电量；图5(b)为校正前后ev充电站充电量(节点3)；图5(c)为校正前后ev充电站充电量(节点36)；图5(d)为校正前后电力市场交易量。

由图5可知，在工况2情况下，vpp对燃气轮机、ev充电站的调度方案以及电力市场的交易量进行调整，可以消除线路发生的过载情况。

图6对vpp在工况1和工况3情况下，各聚合单元的校正量进行了比较。图6(a)为校正前后负荷中断量(节点15)；图6(b)为校正前后燃气轮机发电量。

由图6可知，在工况3情况下，vpp对燃气轮机、可中断负荷的调度方案进行调整，以消除线路发生的过载情况。

以上仿真结果验证了本发明的有效性和实用性。该发明能够从安全调度的层面对vpp的经济调度策略进行修正和再调度，能够对配电网进行阻塞管理，消除线路过载问题，保证电网的安全稳定运行。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。