计及移动式储能的配电网分布式能量应急调度方法及系统与流程

1.本发明涉及电力系统运营和能源规划技术领域，尤其涉及一种计及移动式储能的配电网分布式能量应急调度方法及系统。


背景技术：

2.由于小概率高风险极端灾害事件的发生，可能导致城市配电网络发生大面积、长时间的停电事故，使得城市配电网中的每一个微网进入孤网运行状态。在该场景下，受限于储能系统和柴机或储存电量和燃料的不足，仅仅依赖于分布式发电和储能系统可能无法满足部分关键负荷的供电需求。为此，灵活应用移动式储能为配电网络所有用电负荷进行应急供电、弥补各微网内电力资源的不足，成为研究热点。
3.目前，国内外学者针对移动式储能资源参与城市配电网能量应急调度这一问题已经展开大量研究。然而，现有研究存在两方面的不足。一是将所研究的配电网络作为一个整体进行集中式优化，忽略了各微网不同运行主体的客观条件和重要用电负荷隐私信息保护的需求。现有研究中往往未能针对这一问题进行改进并设计一种分布式优化调度框架，导致所提出的方法和模型难以实际应用。二是在应用传统的交叉方向乘子法(admm)进行分布式优化调度的过程中，惩罚系数的选取对算法的收敛性具有较大影响，较小的惩罚系数通常导致惩罚系数收敛缓慢，较大的惩罚系数容易导致决策变量收敛缓慢，由此可见，若惩罚系数选取不当，将会严重影响标准admm算法的收敛性。


技术实现要素：

4.本发明所要解决的技术问题是提供一种计及移动式储能的配电网分布式能量应急调度方法及系统，可以克服传统模型的不足，为城市配电网提供更加灵活的应急供电方案，同时兼顾经济的最优性和算法的收敛性，促进城市配电网的良性发展。
5.本发明解决上述技术问题的技术方案如下：一种计及移动式储能的配电网分布式能量应急调度方法，包括以下步骤，
6.s1，根据移动式储能的离散能量流特性和交通流特性，构建移动式储能约束模型；
7.s2，根据ieee配电网拓扑结构，构建由柴机、风电、光伏和储能系统组成以及含移动式储能接入的配电网约束模型；
8.s3，以配电网运行成本最小化为目标，以所述配电网约束模型和所述移动式储能约束模型为约束条件，构建考虑移动式储能资源的配电网分布式能量应急调度模型；
9.s4，采用自适应惩罚系数-交替方向乘子法对所述配电网分布式能量应急调度模型进行迭代求解，得到配电网最优应急调度方案。
10.基于上述一种计及移动式储能的配电网分布式能量应急调度方法，本发明还提供一种计及移动式储能的配电网分布式能量应急调度系统。
11.一种计及移动式储能的配电网分布式能量应急调度系统，包括以下模块，
12.移动式储能约束模型构建模块，其用于根据移动式储能的离散能量流特性和交通
流特性，构建移动式储能约束模型；
13.配电网约束模型构建模块，其用于根据ieee配电网拓扑结构，构建由柴机、风电、光伏和储能系统组成以及含移动式储能接入的配电网约束模型；
14.配电网分布式能量应急调度模型构建模块，其用于以配电网运行成本最小化为目标，以所述配电网约束模型和所述移动式储能约束模型为约束条件，构建考虑移动式储能资源的配电网分布式能量应急调度模型；
15.迭代求解模块，其用于采用自适应惩罚系数-交替方向乘子法对所述配电网分布式能量应急调度模型进行迭代求解，得到配电网最优应急调度方案。
16.基于上述一种计及移动式储能的配电网分布式能量应急调度方法，本发明还提供一种计算机存储介质。
17.一种计算机存储介质，包括存储器以及存储在所述存储器内的计算机程序，所述计算机程序被处理器执行时实现如上述所述的计及移动式储能的配电网分布式能量应急调度方法。
18.本发明的有益效果是：本发明一种计及移动式储能的配电网分布式能量应急调度方法、系统及计算机存储介质在移动式储能资源参与城市配电网能量应急调度场景下，结合离散能量流和交通流模型，构建了移动式储能约束模型；基于ieee配电网拓扑结构，构建了由柴机、风电、光伏和储能系统组成以及含移动式储能接入的配电网约束模型；由此，以配电网络运行成本最小化为目标，以配电网约束模型和移动式储能约束模型为约束条件，建立了考虑移动式储能资源的城市配电网分布式能量应急调度模型；考虑到传统交替方向乘子法的收敛特性受迭代系数影响严重，采用自适应惩罚系数-交替方向乘子法在迭代过程中自适应调节惩罚系数，借助gurobi商业求解器对所述城市配电网分布式能量应急调度模型进行迭代求解，得到城市配电网的最优应急调度方案。因此，本发明相较于传统的城市配电网能量应急调度方案，计及了移动式储能资源的参与，能够有效提升城市配电网应急供电的灵活性、经济性、可靠性，同时采用分布式优化框架，有效实现了城市配电网的重要负荷的隐私信息保护，为城市配电网能量应急调度提供了最优策略，更能契合未来城市配电系统的发展方向，促进了城市配电网的良性发展。
附图说明
19.图1为本发明一种计及移动式储能的配电网分布式能量应急调度方法的流程图；
20.图2为实施例采用的改进ieee 33节点配电网络系统拓扑示意图；
21.图3为实施例采用的风电出力、光伏出力和负荷预测曲线图；
22.图4为仿真的移动式储能最优调度路径示意图；
23.图5为仿真的微网负荷供应策略示意图；
24.图6为不同仿真场景下的节点电压变化情况示意图；
25.图7为不同算法下的迭代收敛情况示意图；
26.图8为本发明一种计及移动式储能的配电网分布式能量应急调度系统的结构框图。
具体实施方式
27.以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
28.如图1所示，一种计及移动式储能的配电网分布式能量应急调度方法，包括以下步骤，
29.s1，根据移动式储能的离散能量流特性和交通流特性，构建移动式储能约束模型；
30.s2，根据ieee配电网拓扑结构，构建由柴机、风电、光伏和储能系统组成以及含移动式储能接入的配电网约束模型；
31.s3，以配电网运行成本最小化为目标，以所述配电网约束模型和所述移动式储能约束模型为约束条件，构建考虑移动式储能资源的配电网分布式能量应急调度模型；
32.s4，采用自适应惩罚系数-交替方向乘子法对所述配电网分布式能量应急调度模型进行迭代求解，得到配电网最优应急调度方案。
33.下面对s1-s4进行具体说明：
34.s1，根据移动式储能的离散能量流特性和交通流特性，构建移动式储能约束模型。
35.在停电事故发生后，城市配电网应急指挥中心在接到故障预警后，需迅速进行应急响应，决策并对本地可调控的应急资源进行分配，生成当前最优的城市配电网能量应急调度方案。其中，针对本地可调控的移动式储能资源，考虑到其离散能量流和交通流的双重特性，得到的由离散能量流和交通流组成的移动式储能约束模型如下公式(1)-(4)所示；具体的，所述移动式储能约束模型包括移动式储能交通流约束模型和移动式储能离散能量流约束模型；
36.所述移动式储能交通流约束模型为，
[0037][0038]
其中，设停电事故发生初始时刻为0时段，为所有移动式储能集合，n为移动式储能变量；为配电网中的节点集合，i、j为节点变量；为发生停电事故后应急调度的时段集合，h为时段变量；为移动式储能的0-1位置标志位变量，具体表示移动式储能n在h时段是否已经到达节点i，若已到达，则若未到达，则θ
ji
表示节点j与节点i之间的实际距离，δh表示每个时段的长度；
[0039]
所述移动式储能离散能量流约束模型为，
[0040][0041][0042][0043]
其中，均为常量，均为常量，分别为移动式储能n中动力电池的最大有功放电功率、最大有功充电功率、最大无功功率，分别为移动式储能n中储能电池的最大有功放电功率、最大有功充电功率、最大无功功率，表示移动式储能n中动力电池在h时段的有功放电功率，分别表示移动式储能n中动力电池在h时段通过节点i吸收的有功功率、吸收的无功功率，分别表示移动式储能n中储能电池在h时段通过节点i吸收的有功功率、释放的有功功率、吸收的无功功率，均为常数且分别表示移动式储能n中动力电池和储能电池的容量，动力电池和储能电池的容量，均为常数，分别表示移动式储能n中动力电池的初始荷电状态、荷电状态最小值、荷电状态最大值，态、荷电状态最小值、荷电状态最大值，分别表示移动式储能n中储能电池的初始荷电状态、荷电状态最小值、荷电状态最大值，均为常数，分别表示移动式储能n中动力电池的充放电效率系数、有功容量，分别表示移动式储能n中储能电池的充放电效率系数、有功容量，分别为移
动式储能n中动力电池在h时段、h时段的荷电状态，分别为移动式储能n中储能电池在h时段、h时段的荷电状态。
[0044]
具体的，式(1)表示移动式储能的交通流约束，包括位置唯一性约束和转移时间约束，式(2)-(4)表示移动式储能的离散能量流约束，由移动式储能的0-1位置标志位变量限制，其中，式(2)表示移动式储能的动力电池和储能电池的有功功率、无功功率约束，式(3)表示移动式储能的动力电池和储能电池的容量约束，式(4)表示移动式储能的荷电状态约束。
[0045]
s2，根据ieee配电网拓扑结构，构建由柴机、风电、光伏和储能系统组成以及含移动式储能接入的配电网约束模型。
[0046]
在停电事故发生后最优的城市配电网能量应急调度方案中，针对本地可调控的柴机、风电、光伏、储能系统资源和移动式储能的接入，基于ieee配电网络拓扑结构，得到的由柴机、风电、光伏和储能系统组成以及含移动式储能接入的配电网约束模型如下式(5)-(8)所示；具体的，所述配电网约束模型包括柴机运行约束模型、风电和光伏运行约束模型、储能系统运行约束模型和配电网潮流约束模型；
[0047]
所述柴机运行约束模型为，
[0048][0049]
其中，为配电网中节点i配置的柴机在h时段的出力运行状态变量，若配电网中节点i配置的柴机在h时段处于运行状态，则若配电网中节点i配置的柴机在h时段处于停机状态，则为配电网中节点i配置的柴机在h-1时段的启停状态变量，若配电网中节点i配置的柴机在h-1时段处于开启动作，则若配电网中节点i配置的柴机在h-1时段处于停止动作，则均为常数且分别表示节点i配置的柴机的最小有功功率、最大有功功率、最小无功功率、最大无功功率、最大有功功率变化率，表示节点i配置的柴机在h时段注入的有功功率、无功功率；
[0050]
所述风电和光伏运行约束模型为，
[0051][0052]
其中，分别为节点i配置的风电、光伏在h时段的最大出力，分别为节点i配置的风电、光伏在h时段的最大出力，分别为节点i配置的风电、光伏在h时段的实际出力；
[0053]
所述储能系统运行约束模型为，
[0054][0055]
其中，均为常数且分别表示节点i配置的储能系统的初始荷电状态、荷电状态最小值、荷电状态最大值、充电功率最小值、充电功率最大值、放电功率最小值、放电功率最大值、容量、充放电效率系数、有功容量，分别表示储能系统在h时段通过节点i吸收的有功功率、释放的有功功率、释放的无功功率，分别表示节点i配置的储能系统在h时段、h时段的荷电状态；
[0056]
所述配电网潮流约束模型为，
[0057][0058]
其中，表示配电网中线路构成的集合，(i,m)表示节点i、m组成的线路r
ji
、x
ji
、均为常数且分别表示线路的电阻、电抗、最大传输容量、最大传输复电流的平方值，分别表示节点i的最小复电压的平方值、最大复电压的平方值，为节点i配置的负荷在h时段的有功功率需求、无功功率需求，p
ji,h
、q
ji,h
、l
ji,h
分别表示线路在h时段的有功传输功率、无功传输功率、传输电流的平方值，v
i,h
表示节点i在h时段的复电压的平方值v
j,h
表示节点j在h时段的复电压的平方值。
[0059]
具体的，式(5)表示节点i配置的柴机的运行约束，式(6)表示节点i配置的风电和光伏的运行约束，式(7)表示节点i配置的储能系统的运行约束，包括荷电状态约束、功率约束、容量约束，式(8)表示基于distflow潮流方程的运行约束，包括节点的功率平衡约束、电压幅值约束，支路的传输容量约束、传输电流约束、传输功率约束。
[0060]
s3，以配电网运行成本最小化为目标，以所述配电网约束模型和所述移动式储能约束模型为约束条件，构建考虑移动式储能资源的配电网分布式能量应急调度模型。
[0061]
以配电网运行成本最小化为目标的目标函数为，
[0062][0063][0064]
其中，为节点i在h时段的固有配置运行成本，包括储能系统运行成本和柴机运行成本为移动式储能n在h时段的运行成本，包括动力电池运行成本和储能电池运行成本pg、ai、bi、ci、均为常数且分别表示单位燃油价格、柴机启停成本系数、柴机运行成本系数、柴机发电成本系数、储能系统折损成本系数、动力电池折损成本系数、储能电池折损成本系数；
[0065]
则所述配电网分布式能量应急调度模型为，
[0066][0067][0068]
s.t.(1)-(8)
[0069]
s4，采用自适应惩罚系数-交替方向乘子法对所述配电网分布式能量应急调度模型进行迭代求解，得到配电网最优应急调度方案。
[0070]
所述s4具体包括如下s41-s43，
[0071]
s41，将所述配电网分布式能量应急调度模型变换为增广拉格朗日形式。
[0072]
所述配电网分布式能量应急调度模型的增广拉格朗日形式为，
[0073][0074][0075]
其中，为增广拉格朗日函数，x、y分别表示配电网中节点i和移动式储能n的优化决策变量；α、β均为给定的惩罚系数；分别为有功功率实际交互变量、有功功率虚拟交互变量，并分别表示移动式储能n在h时段注入节点i的有功功率、节点i在h时段从移动式储能n收集的有功功率；分别为无功功率实际交互变量、无功功率虚拟交互变量，并分别表示移动式储能n在h时段注入节点i的无功功率、节点i在h时段从移动式储能n收集的无功功率；δ为有功功率实际交互变量、有功功率虚拟交互变量之间的拉格朗日乘数向量，为无功功率实际交互变量、无功功率虚拟交互变量之间的拉格朗日乘数向量，具体的，δ
n,i,h
表示移动式储能n在h时段注入节点i的无功功率、节点i在h时段从移动式储能n收集的无功功率之间的拉格朗日乘数向量，表示移动式储能n在h时段注入节点i的无功功率、节点i在h时段从移动式储能n收集的无功功率之间的拉格朗日乘数向量。
[0076]
s42，基于增广拉格朗日形式的配电网分布式能量应急调度模型，将能量应急调度问题分解为节点优化子问题和移动式储能优化子问题。
[0077]
所述节点优化子问题的表达式为，
[0078][0079]
所述移动式储能优化子问题的表达式为，
[0080][0081]
其中，k∈{1,2，...，k}为迭代次数，为配电网中节点i的优化决策变量集合，为移动式储能n的优化决策变量集合，xi(k+1)为第k+1次迭代时配电网中节点i的优化决策变量，xi为配电网中节点i的优化决策变量，yn(k+1)为第k+1次迭代时移动式储能n的优化决策变量，yn为移动式储能n的优化决策变量，δ(k)、均为第k+1次迭代时的惩罚系数，为第k次迭代时的有功功率实际交互变量、为第k+1次迭代时的有功功率虚拟交互变量，为第k次迭代时的无功功率实际交互变量，为第k+1次迭代时的无功功率虚拟交互变量，为问题p1在α、β给定时的增广拉格朗日函数。
[0082]
s43，采用自适应惩罚系数-交替方向乘子法对所述节点优化子问题和所述移动式
储能优化子问题进行迭代求解，得到配电网最优应急调度方案。
[0083]
所述s43具体为，
[0084]
s431，初始化所述节点优化子问题和所述移动式储能优化子问题：k＝1，α(k),β(k)＞0，k＞1；定义三个常数λ1、λ2、m，且λ1,λ2＞0，m＞1；其中，α(k)和β(k)为第k次迭代时的惩罚系数；
[0085]
s432，通过配电网收集发生停电事故后h时段各节点配置的功率需求各节点配置的风电、光伏的最大出力值各节点配置的储能系统的荷电状态各节点配置的柴机状态变量各移动式储能的初始位置以及动力电池和储能电池的荷电状态
[0086]
s433，所有节点收集并结合所述s432中收集的参数，根据所述节点优化子问题的表达式求解节点优化决策变量xi(k+1)和交互变量并将交互变量发送给移动式储能；
[0087]
s434，所有移动式储能收集发送过来的交互变量并结合所述s432中收集的参数，根据所述移动式储能优化子问题的表达式求解移动式储能优化决策变量yn(k+1)和交互变量
[0088]
s435，判断所述s433求解得到的交互变量以及所述s434求解得到的交互变量是否满足如下公式(15)的收敛性；
[0089][0090]
其中，为交互变量之间的原始残差，为交互变量之间的原始残差，φ1(k+1)为交互变量(k+1)为交互变量之间的对偶残差，φ2(k+1)为交互变量之间的对偶残差；
[0091]
若所述s433求解得到的交互变量以及所述s434求解得到的交互变量满足公式(15)的收敛性，则所述s433求解得到的节点优化决策变量xi(k+1)以及所述s434求解得到的移动式储能优化决策变量yn(k+1)即为停电事故发生后h时段的配电网最优应急调度方案；
[0092]
若所述s433求解得到的交互变量以及所述s434求解得到
的交互变量不满足公式(15)的收敛性，则更新惩罚系数α、β以及拉格朗日乘数向量δ、并基于更新后的惩罚系数α、β以及拉格朗日乘数向量δ、返回所述s433，继续进行分布式迭代，直至满足公式(15)的收敛性或达到最大迭代次数k；
[0093]
其中，更新惩罚系数α、β的公式为，
[0094][0095]
更新拉格朗日乘数向量δ、的公式为，
[0096][0097]
所述s4可以利用gurobi求解器求解，求解模型后，得到的即是停电故障后h时段内，计及移动式储能资源的城市配电网的最优应急调度方案，包括柴机、风电、光伏、储能系统的出力情况，移动式储能的交通转移情况和出力情况，配电网络节点电压、支路电流、传输功率等情况。
[0098]
下面是本发明的具体实施例：
[0099]
本实施例采用图2所示的改进ieee 33节点配电网络拓扑结构，其中，#1-13、#19-28节点构成微网1，#14-18节点构成微网2，#29-33节点构成微网3，柴机、风电、光伏、储能电站系统、移动式储能的接入情况如图2所示。考虑城市配电网应急调度的时间尺度为4小时，单位调度时间为10分钟。测试场景为停电事故发生后，测试系统表示的配电网与大电网连接中断、同时各微网进入孤网运行状态。
[0100]
设定储能系统和移动式储能的充放电效率为90％，采用三元锂电池和铅酸蓄电池分别作为移动式储能的动力电池和储能电池，规格分别为200kwh(容量)/120kw(额定充电功率)/50kw(额定放电功率)、3000kwh(容量)/800kw(额定充电功率)/800kw(额定放电功率)。柴机的相关系数设计为a＝0.0083,b＝0.05,c＝0.2，柴油价格设为9元/l。进一步地，采用图3所示的用电负荷、风电、光伏典型数据作为停电事故发生后3个微网的预测数据，移动式储能在#28节点(微网1)、#18节点(微网2)、#33节点(微网3)之间的距离分别设为10km、10km、20km，行驶速度设为60km/h，因此，移动式储能在三个微网接入点的行驶时间分别为：10分钟、10分钟、20分钟。以2辆移动式储能作为实施例的最优调度路径如图4所示，分别计算计及移动式储能资源参与和不计及移动式储能资源参与的城市配电网运行成本如表1所示，因此移动式储能的灵活运用可以约22.22％的运行成本。3个微网的负荷供应情况如图5
所示，可以看出，移动式储能资源的灵活运用可以有效降低对于各微网内柴机和储能资源的依赖，有效提升关键负荷的供电需求。将微网1的节点按照功率流向重新编号，分别作出计及移动式储能资源参与和不计及移动式储能资源参与下微网1各节点电压随时间变化图像如图6所示。相较于不计及移动式储能资源参与，移动式储能资源的参与能够有效补充电能、稳定节点电压。基于算法参数λ1＝λ2＝0.05，α(1)＝β(1)＝0.0002，m＝k＝3，作出传统admm算法和自适应惩罚系数-admm算法的迭代收敛图像如图7所示，自适应惩罚系数-admm算法能够有效克服因惩罚系数选择不当导致的不收敛问题。
[0101]
表1
[0102][0103]
基于上述一种计及移动式储能的配电网分布式能量应急调度方法，本发明还提供一种计及移动式储能的配电网分布式能量应急调度系统。
[0104]
如图8所示，一种计及移动式储能的配电网分布式能量应急调度系统，包括以下模块，
[0105]
移动式储能约束模型构建模块，其用于根据移动式储能的离散能量流特性和交通流特性，构建移动式储能约束模型；
[0106]
配电网约束模型构建模块，其用于根据ieee配电网拓扑结构，构建由柴机、风电、光伏和储能系统组成以及含移动式储能接入的配电网约束模型；
[0107]
配电网分布式能量应急调度模型构建模块，其用于以配电网运行成本最小化为目标，以所述配电网约束模型和所述移动式储能约束模型为约束条件，构建考虑移动式储能资源的配电网分布式能量应急调度模型；
[0108]
迭代求解模块，其用于采用自适应惩罚系数-交替方向乘子法对所述配电网分布式能量应急调度模型进行迭代求解，得到配电网最优应急调度方案。
[0109]
基于上述一种计及移动式储能的配电网分布式能量应急调度方法，本发明还提供一种计算机存储介质。
[0110]
一种计算机存储介质，包括存储器以及存储在所述存储器内的计算机程序，所述计算机程序被处理器执行时实现如上述所述的计及移动式储能的配电网分布式能量应急调度方法。
[0111]
本发明一种计及移动式储能的配电网分布式能量应急调度方法、系统及计算机存储介质在移动式储能资源参与城市配电网能量应急调度场景下，结合离散能量流和交通流模型，构建了移动式储能约束模型；基于ieee配电网拓扑结构，构建了由柴机、风电、光伏和储能系统组成以及含移动式储能接入的配电网约束模型；由此，以配电网络运行成本最小化为目标，以配电网约束模型和移动式储能约束模型为约束条件，建立了考虑移动式储能资源的城市配电网分布式能量应急调度模型；考虑到传统交替方向乘子法的收敛特性受迭代系数影响严重，采用自适应惩罚系数-交替方向乘子法在迭代过程中自适应调节惩罚系数，借助gurobi商业求解器对所述城市配电网分布式能量应急调度模型进行迭代求解，得到城市配电网的最优应急调度方案。因此，本发明相较于传统的城市配电网能量应急调度方案，计及了移动式储能资源的参与，能够有效提升城市配电网应急供电的灵活性、经济
性、可靠性，同时采用分布式优化框架，有效实现了城市配电网的重要负荷的隐私信息保护，为城市配电网能量应急调度提供了最优策略，更能契合未来城市配电系统的发展方向，促进了城市配电网的良性发展。
[0112]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。