本发明涉及新能源领域、柔性交流输电
技术领域：
以及需求侧响应领域，尤其涉及一种源网荷协调控制方法及系统。
背景技术：
：风力发电是最成熟的可再生能源之一，然而其出力的随机性和间歇性使得常规电源的调节压力不断增大，传统调度方式难以满足大规模风电的送出需求。同时，大规模风电并网面临着电网消纳水平有限、外送通道狭窄、外送能力受阻等一系列困境，新建输电线路或增加线路容量等措施往往由于成本、实施困难等原因缺乏可行性，因此有必要探索促进风电消纳的新思路。随着智能电网的发展，电力电子技术的成熟，将需求侧响应(demandresponse，dr)和分布式潮流控制器(distributedpowerflowcontroller，dpfc)联合参与电网调控，即源网荷协调控制，既能提高电网灵活调节能力，也能提升现有电网供电能力，促进风电消纳。其中，传统发电机组和风电场为电源侧；dpfc作为控制电网潮流的一种d-facts装置，增强了电网的柔性可控性，其代表电网侧安装在输电线路中；负荷侧主要考虑智能家电(包括空调、热水器和电动汽车等)的需求响应潜力。然而现有研究主要从单个环节或局部问题出发，缺少从源网荷互动角度考虑风电弃风现象。技术实现要素：发明目的：针对以上问题，本发明提出一种既能促进风电消纳，又能减少调度成本的源网荷协调控制方法及系统。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：一种源网荷协调控制方法，包括步骤：(1)基于预先构建的分布式潮流控制器数学模型和需求侧响应潜力数学模型，以成本最小为优化目标构建源网荷协调控制优化函数；(2)在传统电网约束的基础上加入分布式潮流控制器和需求侧响应约束，限定源网荷协调控制优化函数的约束条件；(3)求解源网荷协调控制优化函数，得到最优解；(4)根据最优解运行结果进行调度。进一步地，所述步骤(3)中，若得不到最优解返回步骤(2)调整参数。进一步地，所述步骤(1)中，所述成本包括常规机组发电成本、风电发电成本、可中断负荷补贴成本、激励负荷补贴成本。进一步地，所述步骤(2)中，所述约束条件包括传统电网约束、风电出力约束、需求侧响应约束、分布式潮流控制器约束。进一步地，所述步骤(1)中，分布式潮流控制器数学模型为：其中，p12为线路有功传输功率，δ为节点电压间相角差，x表示线路电抗，|vdpfc|表示分布式潮流控制器的逆变电压。进一步地，所述步骤(1)中，需求侧响应潜力数学模型为：其中，n1为空调的个数，为第i个空调的额定功率，为第i个空调在t时刻的需求响应潜力状态；n2为热水器的个数，为第j个热水器的额定功率，为第j个热水器在t时刻的需求响应潜力状态；n3为电动汽车的个数，为第k个电动汽车的额定功率，为第k个电动汽车在t时刻的需求响应潜力状态。进一步地，所述步骤(1)中，源网荷协调控制优化函数为：其中，t代表时间间隔；k为风电场数量，pw.k.t代表t时刻第k个风电场发出的有功功率，cw.k为第k个风电场的发电成本；g为发电机数量，pg.k.t代表t时刻第k个火电厂发出的有功功率，cg.k为第k个火电厂的发电成本；l1为可中断负荷数量，为t时刻第k个可中断负荷减少的功率，为电网给用户的第k个可中断负荷的响应补贴成本；l2为激励负荷数量，为t时刻第k个激励负荷增加的功率，为电网给用户的第k个激励负荷的响应补贴成本。进一步地，所述步骤(2)中，源网荷协调控制优化函数的约束条件为：lkt-bk(θmt-θnt)-bkvqkt＝0其中，lkt为t时刻线路k的有功功率，δ+(n)、δ-(n)分别为以n节点为末端与首端的线路，dnt为t时刻节点n处的预测的负荷值，θnt为节点n的电压相角，vqkt为t时刻线路k上dpfc的注入电压，bk为线路k的电钠。需求侧响应约束条件：其中，drp-为可中断负荷的功率上限，drp+为激励负荷的功率上限。风电出力约束条件：其中，为t时刻风电场w的预测值。传统电网约束条件：|lkt|≤lklim-π≤θnt≤π其中，分别为发电机组g的有功出力上下限，rsvgt为发电机组g的备用，为发电机组g的爬坡率，是t时刻系统的所需备用，η为比例系数，反映火电机组爬坡速率与短时备用调用的关系，lklim为第k条线路的热稳定极限。分布式潮流控制器约束条件：其中，nk为线路k上dpfc的安装数量；uk为0-1整数变量，uk＝1和uk＝0分别表示线路k上是否安装dpfc；nk.max和nk.min分别为线路k上dpfc安装数量的上下限，与线路的长度及杆塔的分布有关；nt为dpfc可投入总数；和分别为线路k上单个dpfc注入电压的上下限；sdpfc为dpfc容量，ik.max为线路k的额定电流。一种源网荷协调控制系统，包括源网荷协调控制优化函数构建模块、约束条件构建模块、最优解模块和调度模块；所述源网荷协调控制优化函数构建模块，基于预先构建的分布式潮流控制器数学模型和需求侧响应潜力数学模型，以成本最小为优化目标构建源网荷协调控制优化函数；所述约束条件构建模块，在传统电网约束的基础上加入分布式潮流控制器和需求侧响应约束，限定源网荷协调控制优化函数的约束条件；所述最优解模块，求解源网荷协调控制优化函数，得到最优解；所述调度模块，根据最优解运行结果进行调度。进一步地，所述最优解模块若得不到最优解，则返回所述约束条件构建模块调整参数。有益效果：本发明的源网荷协调控制方法，以发电成本为优化目标，在考虑含风电系统的经济型、安全性以及电能质量的基础上，加入传统电网所不具备的facts装置和需求侧响应技术，从“源-网-荷”全局角度出发，为智能电网发展前景下的新能源消纳问题提供了一种解决思路，既能促进风电消纳，又能减少调度成本。附图说明图1是本发明的源网荷协调控制方法流程图；图2是分布式潮流控制器直流潮流模型图；图3是ieee-rts79系统结构图；图4是源网荷前后风电消纳图。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。如图1所示本发明所述的源网荷协调控制方法，旨在减少调度成本的同时提高风电消纳率，具体包括步骤：(1)分布式潮流控制器数学模型的确定；高电压等级输电网络中，分布式潮流控制器直流潮流模型如图2所示，其中，v1表示节点1的电压幅值，v2表示节点2的电压幅值，δ1表示节点1的电压相位角，δ2表示节点2的电压相位角。假设所有节点电压幅值均为1pu，节点电压间相角差δ较小，线路有功传输功率可表示为：其中，x表示线路电抗，|vdpfc|表示分布式潮流控制器的逆变电压。(2)需求侧响应潜力数学模型的确定，主要考虑智能家电的需求响应潜力状态，包括空调、热水器和电动汽车等；在t+1时刻的需求侧需求响应潜力可表示为：其中，n1为空调的个数，为第i个空调的额定功率，为第i个空调在t时刻的需求响应潜力状态；n2为热水器的个数，为第j个热水器的额定功率，为第j个热水器在t时刻的需求响应潜力状态；n3为电动汽车的个数，为第k个电动汽车的额定功率，为第k个电动汽车在t时刻的需求响应潜力状态。(3)构建源网荷协调控制优化函数，考虑常规机组发电成本，风电发电成本，可中断负荷和激励负荷的补贴成本，以成本最小为优化目标；其中，t代表时间间隔；k为风电场数量，pw.k.t代表t时刻第k个风电场发出的有功功率，cw.k为第k个风电场的发电成本；g为发电机数量，pg.k.t代表t时刻第k个火电厂发出的有功功率，cg.k为第k个火电厂的发电成本；l1为可中断负荷数量，为t时刻第k个可中断负荷减少的功率，cl1.k为电网给用户的第k个可中断负荷的响应补贴成本；l2为激励负荷数量，为t时刻第k个激励负荷增加的功率，cl2.k为电网给用户的第k个激励负荷的响应补贴成本。(4)限定约束条件，包括电网安全约束、电网电能质量约束、风电出力约束、需求侧响应约束、分布式潮流控制器数量约束、分布式潮流控制器注入电压约束等；在传统电网约束条件的基础上加入分布式潮流控制器和需求侧响应约束条件：lkt-bk(θmt-θnt)-bkvqkt＝0其中，lkt为t时刻线路k的有功功率，δ+(n)、δ-(n)分别为以n节点为末端与首端的线路，dnt为t时刻节点n处的预测的负荷值，θnt为节点n的电压相角，vqkt为t时刻线路k上dpfc的注入电压，bk为线路k的电钠。需求侧响应约束条件：其中，drp-为可中断负荷的功率上限，drp+为激励负荷的功率上限。风电出力约束条件：其中，为t时刻风电场w的预测值。传统电网约束条件：|lkt|≤lklim-π≤θnt≤π其中，分别为发电机组g的有功出力上下限，rsvgt为发电机组g的备用，为发电机组g的爬坡率，是t时刻系统的所需备用，η为比例系数，反映火电机组爬坡速率与短时备用调用的关系，lklim为第k条线路的热稳定极限。分布式潮流控制器约束条件：其中，nk为线路k上dpfc的安装数量；uk为0-1整数变量，uk＝1和uk＝0分别表示线路k上是否安装dpfc；nk.max和nk.min分别为线路k上dpfc安装数量的上下限，与线路的长度及杆塔的分布有关；nt为dpfc可投入总数；和分别为线路k上单个dpfc注入电压的上下限；sdpfc为dpfc容量，ik.max为线路k的额定电流。(5)进行求解，得到最优解进行步骤(6)，得不到最优解返回步骤(4)调整参数；(6)根据最优解运行结果进行调度。综合利用网络中分布式潮流控制器(dpfc)的实时潮流控制能力和需求侧响应(dr)能力，在保证用户舒适度的基础上，通过合理的价格引导，使得调度成本最低的同时风电消纳最大化。以如图3所示的具体网络来应用源网荷协调控制方法，采集图3所示网络的基本信息，该网络包含24个节点和38条输电线路，考虑在19号节点处接入容量为800mw的风机，假设系统中共可安装150台容量为70kva的dpfc，选择风机附近20节点作为激励负荷点，14节点作为可中断负荷点。以成本最低为优化目标：约束条件：lkt-bk(θmt-θnt)-bkvqkt＝0|lkt|≤lklim-π≤θnt≤π计算结果如表1、2和3所示。表1表2可激励负荷302.74mw中断负荷1536.87mw表3成本美元传统电网26524智能电网24990根据表1、2和3、图4所知，采用传统优化调度模型时，系统风电消纳率为0.9123，风机出力在1天24个时段中受限时段有9个，受限电量为783.4mw.h；考虑智能电网源网荷协调互动时，风电消纳率高达0.9979，风机出力受限时段降为2个，受限电量仅为18.4mw.h，风电消纳量明显提高，有效减少了弃风量。由于政府在弃风时段对风电消纳进行补贴，风电消纳越多，越有利于系统低成本运行。尽管dr作用会增加系统运行成本，但在该优化模型下，通过合理选择dr成本系数，系统在增加风电的出力的同时会减少常规电源的发电，从表三可知，源网荷互动下，调度成本减少了5.78％，对于实际大电网而言，还是非常可观的。本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。当前第1页12