本发明涉及计及分布式电源配电技术领域，特别是涉及一种计及多类电源的主动配电网分布式优化调度算法。
背景技术
大量分布式风电、光伏发电等新能源接入给主配电网的调度运行带来了很大的挑战，分布式发电和主动配电网(activedistributionnetwork，adn)技术得到越来越多的关注。同时，以光伏和风机为代表的分布式电源大规模的接入，使得配电网从无源网络变成了有源网络，配电网的有功负荷在个电源间的经济分配问题日益突出，因此提高分布式电源的利用率和主动配电网系统的经济运行，保证配电网系统的供电可靠性和电能质量具有重要的经济效益和社会价值。
经济调度(economicdispatch，ed)是研究如何将系统功率需求合理分配给一定机组的问题。现有的大部分经济调度计划都是集中式的，由于需要处理海量数据以及通信系统的重大延迟，集中式方法难以实时提供最佳控制设置。另外，集中式方案通常执行起来很昂贵，不灵活，且易受到单点故障的影响。分布式协同控制策略相比于集中式控制策略具有更好的实时性、鲁棒性以及系统可扩展性，同时也具有更灵活的通信网络布置方式。因此，利用本地信息以及局部通信进行优化控制的分布式方法得到日益广泛的关注与研究。与集中式经济调度相比，分布式经济调度是每个机组即代表一个agent(智能体)，由多个机组构成的多agent动态信息物理网络下进行计算的。分布式经济调度不要求每个电力元件都与调度中心进行双向通讯，其通过局部信息交互实现最优经济运行的目的。分布式经济调度的主要思想为将全局运行成本函数分解为每个智能体成本函数之和，各智能体通过与其领域智能体进行信息交互实现本地优化，进而达到全局成本函数最小的目的。多智能体系统特点在于系统中每一个智能体都仅能获取领域智能体的信息，当多个智能体通过通信网络，以给定的通信协议连接在一起时，agent间通过信息交互进行协调完成系统分配的任务。目前多智能体系统已成功应用于蜂拥控制、无人机编队控制等问题中，在未来信息网络与物理电网高度融合的智能电网，借助多智能体理论，可以实施分布式调度策略。
技术实现要素：
本发明中一种计及多类电源的主动配电网分布式优化调度算法，包括：
建立一种或多种组合形式的电源单元、储能单元以及主网购电的运行成本的最小值表达式；
所述最小值表达式表示为：
式中，ωg是同步发电机单元的集合，ωb是储能单元的集合，pg，i是第i个同步发电机的输出功率；pb，j是第j个储能单元的输出功率，cg，i(pg，i)是所述同步发电机单元的运行成本函数，cb，j(pb，j)是所述储能单元的运行成本函数，cgrid(pgrid)是当前主网的购电成本；
式中：pg，i为同步发电机出力，αg，i，βg，i，γg，i是所述同步发电机运行成本函数的常数项、一次项、二次项系数，pgrid为主网注入配网的功率；pprice为主网节点成本微增率；
根据所述最小值表达式确定i和j，根据所述i、j计算约束条件中pd；
所述约束条件表示为：
式中，ωr为主动配电网中的可再生能源发电单元的集合，ω为主动配电网中用电负荷单元的集合；pd，l为负荷单元l的有功需求值；
同步发电机组运行约束为有功出力上下限约束：
pg，imin≤pg，i≤pg，imax(4)；
由bess构成的储能单元约束，表示为：
pb，jmin≤pb，j≤pb，jmax(5)；
所述pd即
根据所述pd建立计及分布式电源容量约束的主动配电网的分布式经济调度算法，求解目标单元输出功率和负荷需求差额的预测值。
可选的，
所述pd建立计及分布式电源容量约束的主动配电网的分布式经济调度算法包括：
根据多agent系统理论，根据第一智能体一致性更新规则建立计及分布式电源容量约束情况下的主动配电网的分布式经济调度算法：
所述第一智能体一致性更新规则包括：
式中，wij是一致项系数矩阵w的第i行第j列元素；vij是反馈项系数矩阵v的第i行第j列元素；
当pi[0]为第i个单元输出功率的初值时，pi[0]满足：
pi[0]∈[pi，min，pi，max](7)；
因此根据成本函数为二次函数的条件，第i个发电单元的初始成本微增率ri[0]为：
ri[0]＝2γg，i*pi[0]+βg，i(8)；
第i单元出力值对负荷需求差额的预测值为fi[0]：
式中，将命令节点记为0，
一致项系数矩阵w和反馈项系数矩阵v对分布式经济调度算法的收敛速度的影响较大，本算法基于自设权重来设置一致项系数矩阵w，给可控单元的智能体分配较高的权重，而给不可控单元的智能体分配较低的权重：
式中，i，j∈ω，
反馈项系数矩阵v也按照自设权重设置如下：
式中，i，j∈ω，
可选的，
所述pd建立计及分布式电源容量约束的主动配电网的分布式经济调度算法包括：
将所述第一智能体一致性更新规则转化为第二智能体一致性更新规则：
式中，β＝diag([β1，β2，…，βn])＝diag([1/a1，1/a2，…，1/an])，α＝[-b1/a1，-b2/a2，…，-bn/an]t，r＝[r1，r2，…，rn]t，f＝[f1，f2，…，fn]t，p＝[p1，p2，…，pn]t；
先对式(12)中第三式的等式两边同时左乘1t(1t为维数为n元素全为1的列向量)，由于v是列随机矩阵，可以得到：
即
1t(f[t+1]+p[t+1])＝1t(f[t]+p[t])(14)；
由此可以得到，1t(f[t]+p[t])的值对所有的t都是恒定的；由对pi[0]和fi[0]初始值得设定，可知
可选的，
所述pd建立计及分布式电源容量约束的主动配电网的分布式经济调度算法包括：
根据投影算法，根据第三智能体一致性更新规则建立计及分布式电源容量约束情况下的主动配电网的分布式经济调度算法：
所述第三智能体一致性更新规则包括：
式中，φ(r[t+1])＝[φ1(r1[t+1])，φ2(r2[t+1])，lφn(rn[t+1])]t；
第i个单元输出功率pi[0]和其初始成本微增率ri[0]的初值取最小值时，输出功率和负荷需求差额的预测值的初值为：
可选的，
步骤所述根据所述pd建立计及分布式电源容量约束的主动配电网的分布式经济调度算法之后还包括：
对算法初始化过程的修改，去除掉了命令节点的作用，得到了完全分布式经济调度算法；
在上述算法中，需要一个命令节点0来给网络发送总的负荷需求量，这就需要全局信息pd；但由前面的分析可知命令节点只在初始化阶段起了作用，因此，这部分将对初始化过程进行改进，取消掉命令节点，即不再需要全局负荷需求信息pd，以实行完全分布式的配电网经济调度；
母线i上的负荷需求记为pd，i，按照下列方法对分布式算法(17)进行初始化，第i个单元输出功率的初值pi[0]，可取值为：
其中，第i个单元的初始成本微增率ri[0]以及输出功率和负荷需求差额的预测值fi[0]为：
如果母线i仅有负荷，则pi，max＝pi，min＝0；上述初始化过程没有利用全局负荷需求信息，因此算法完全分布式的，将所有的fi[0]对i求和，可以得到
本发明具有如下优点和有益效果：
本发明针对主动配电网中大规模光伏发电机、风力发电机等分布式电源以及大容量储能系统接入后的经济运行问题，提出了基于多agent系统的主动配电网分布式经济调度算法。首先给出了主动配电网信息物理分层架构，其次建立了计及多类电源以系统运行成本最小为目标的主动配电网经济调度数学模型；再根据多agent系统理论和投影算法提出了计及分布式电源容量约束情况下的主动配电网分布式经济调度算法；然后，给出了主动配电网分布式经济调度算法的实施流程；最后，通过仿真分析验证了所提出的方法能够提高主动配电网对可再生能源的消纳能力，提升系统经济性。
附图说明
图1是主动配电网物理信息双层结构；
图2是分布式经济调度框架结构图；
图3是智能体的结构示意图；
图4是不同反馈系数下算法收敛情况；
图5是简化ieee14配电系统图；
图6是简化ieee-14节点配电系统中各同步发电机、储能和风电的输出功率。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
以下结合附图对本发明专利作进一步说明。
如图1，为主动配电网物理信息双层结构，信息物理系统(cyberphysicalsystem，cps)是通过对信息系统的充分开发应用，来优化物理系统运行效果和性能。主动配电网是一个典型的电力cps，物理层包括各类电力设备和电力网络，信息层包括通信节点以及通信网络信息层与物理层之间通过智能体相互联接。智能体由通信器、决策器以及传感器与执行器组成。每一个智能体都能根据通信器接收到的以及传感器采集的信息由决策器进行自主计算，计算得到的控制指令由执行器执行，外送信息由通信器发送给相邻智能体，本发明专利中将每个分布式电源视为一个智能体，每个智能体仅与其领域智能体进行信息交互，最终实现全局目标函数最小的目的。
建立了计及多类电源的主动配电网最优经济调度的数学模型，其包括经济调度的目标函数和约束条件。
主动配电网中含有发电单元、储能单元和负荷单元。其中发电单元包含柴油机、燃气轮机，风力发电机组、太阳能光伏电池等多类电源，储能单元由含电池的储能系统构成，本专利充分考虑多类电源组合形式，以柴油机、燃气轮机、储能以及主网购电的运行成本最小为目标，则目标函数可以表示为：
式中，ωg是同步发电机单元的集合，ωb是储能单元的集合，pg，i是第i个同步发电机的输出功率；pb，j是第j个储能单元的输出功率，cg，i(pg，i)是所述同步发电机单元的运行成本函数，cb，j(pb，j)是所述储能单元的运行成本函数，cgrid(pgrid)是当前主网的购电成本。
式中：pg，i为同步发电机出力，αg，i，βg，i，γg，i是所述同步发电机运行成本函数的常数项、一次项、二次项系数，pgrid为主网注入配网的功率；pprice为主网节点成本微增率。
主动配电网中满足有功功率平衡约束条件，可以表达为：
式中，ωr为主动配电网中的可再生能源发电单元的集合，ω为主动配电网中用电负荷单元的集合；pd，l为负荷单元l的有功需求值。
同步发电机组运行约束为有功出力上下限约束：
pg，imin≤pg，i≤pg，imax(4)
由bess构成的储能单元约束，可表示为：
pb，jmin≤pb，j≤pb，jmax(5)
根据多agent系统理论和投影算法提出在计及分布式电源容量约束情况下的主动配电网的分布式经济调度算法。
如图2，分布式最优经济调度策略中每个智能体仅与其邻居进行信息交互，智能体一致性更新规则可表示为：
式中，wij是一致项系数矩阵w的第i行第j列元素；vij是反馈项系数矩阵v的第i行第j列元素；
初始化：pi[0]为第i个单元输出功率的初值，满足其上下限的值即可：
pi[0]∈[pi，min，pi，max](7)
因此根据成本函数为二次函数的条件，第i个发电单元的初始成本微增率ri[0]为：
ri[0]＝2γg，i*pi[0]+βg，i(8)
第i单元出力值对负荷需求差额的预测值为fi[0]：
式中，将命令节点记为0，
一致项系数矩阵w和反馈项系数矩阵v对分布式经济调度算法的收敛速度的影响较大，本算法基于自设权重来设置一致项系数矩阵w，给可控单元的智能体分配较高的权重，而给不可控单元的智能体分配较低的权重：
式中，i，j∈ω，
一致项权重。主动配电网中可控单元作为控制对象，而存在随机出力的可再生能源如风机作为不可控单元只在分布式算法中仅起信息流通的作用。当单元i可控时，ξi可取较大值为0.85；单元i不易控时，ξi取较小值，这里取为0.15。
反馈项系数矩阵v也按照自设权重设置如下：
式中，i，j∈ω，
为了分析式(6)中所提算法的性质和收敛性，将算法写成以下的矩阵形式：
式中，β＝diag([β1，β2，…，βn])＝diag([1/a1，1/a2，…，1/an])，α＝[-b1/a1，-b2/a2，…，-bn/an]t，r＝[r1，r2，…，rn]t，f＝[f1，f2，…，fn]t，p＝[p1，p2，…，pn]t。
先对式(12)中第三式的等式两边同时左乘1t(1t为维数为n元素全为1的列向量)，由于v是列随机矩阵，可以得到：
即
1t(f[t+1]+p[t+1])＝1t(f[t]+p[t])(14)
由此可以得到，1t(f[t]+p[t])的值对所有的t都是恒定的。由对pi[0]和fi[0]初始值得设定，可知
为了计及分布式电源的容量约束，引入投影算法：
此时主动配电网的经济调度算法可表达为：
式中，φ(r[t+1])＝[φ1(r1[t+1])，φ2(r2[t+1])，lφn(rn[t+1])]t。
第i个单元输出功率pi[0]和其初始成本微增率ri[0]的初值取最小值时，输出功率和负荷需求差额的预测值的初值为：
4.经过对算法初始化过程的修改，去除掉了命令节点的作用，得到了完全分布式经济调度算法。
在上述算法中，需要一个命令节点0来给网络发送总的负荷需求量，这就需要全局信息pd。但由前面的分析可知命令节点只在初始化阶段起了作用，因此，这部分将对初始化过程进行改进，取消掉命令节点，即不再需要全局负荷需求信息pd，以实行完全分布式的配电网经济调度。
母线i上的负荷需求记为pd，i，按照下列方法对分布式算法(17)进行初始化，第i个单元输出功率的初值pi[0]，可取值为：
则，第i个单元的初始成本微增率ri[0]以及输出功率和负荷需求差额的预测值ri[0]为：
如果母线i仅有负荷，则pi，max＝pi，min＝0。上述初始化过程没有利用全局负荷需求信息，因此算法完全分布式的，将所有的fi[0]对i求和，可以得到
5.主动配电网分布式经济调度算法的实施过程
所提出的分布式经济调度算法可以借助多agent理论来实施，如前所述，将主动配电网中每个单元都连接一个智能体，每个智能体测量获得本地局部的负荷需求信息，并与其领域智能体进行信息交互更新本地信息。通信网络的设计可以独立于电力网络，即使对于较大复杂的电力网络，仍然可以根据成本、位置和便利性设计一个合适的通信网。
智能体的结构如图3所示，每个智能体包含两层控制，上层控制寻找最优的微增率并确定单元i的输出功率指令
现结合图3智能体的结构示意图，给出主动配电网分布式经济调度算法的实施方案。
1)初始时刻，单元i的agenti获取测量得到的本地负荷信息pd，i，并对单元i的成本微增率ri[0]和输出功率pi[0]及输出功率和负荷需求差额的预测值fi[0]进行初始化；
2)在t时刻，agenti的通信模块从输入型领域agentj接收rj[t]和fj[t]，并将rj[t]和fj[t]送至本地局部信息更新模块和最优成本微增率寻找模块，同时向输出型领域agentj发送ri[t]和fi[t]；
3)最优成本微增率寻找模块按照式(17)中第一式和三式来更新成本微增率信息，本地局部信息更新模块利用本地信息按照式(17)第二式对单元i的输出功率进行更新，并发送给下层控制功率指令piref(piref＝pi[t+1])；
4)在t+1时刻，测量和初始化模块从下层控制得到第t+1采样时刻单元i的输出功率信息pi[t+1]与本地负荷需求信息pd，i[t+1]，继续转到第(2)步，进行t+1时刻的更新计算。
反馈系数ε是影响分布式经济调度算法收敛性的重要因素，如果反馈系数的取值不合适，算法的仿真结果可能会震荡，甚至可能不收敛，因此有必要研究算法收敛性质和反馈系数间的关系。本算例中选取了4组反馈系数，分别为：1*10-3、2*10-3、4*10-3和8*10-3。仿真结果如图4所示，从图中可以看出，当ε取值较小时，算法收敛速度比较慢，且暂态过程比较平滑；当反馈系数ε取值较大时，算法的收敛速度快，但是会引起算法振荡，本算例中当反馈系数超过8*10-3时会引起算法发散。
如图5是简化ieee14节点系统图。该系统采用的完全分布式经济调度算法，不依赖于调度中心的全局信息，且不需获取负载总负荷需求的信息。将该完全分布式经济调度算法应用于简化ieee14节点配网系统的运行条件下，经过4组数据测试，反馈系数的取值为ε＝4*10-3时，可得仿真结果如图6所示，可以看出所有同步电机、风机和储能单元的出力都在运行约束范围内，
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。