考虑光-储灵活调度的配电网分布式资源控制方法与流程

本发明属于配电网，具体涉及考虑光-储灵活调度的配电网分布式资源控制方法。

背景技术：

1、近年来，分布式光伏接入配电网的渗透率及装机容量逐渐上升，但由于光伏出力受到环境因素的影响，其具有波动性及不确定性，故不利于电网稳定运行，同时限制了光伏渗透率的进一步上升；而电动汽车由于其环境友好性，也获得了迅速发展。电动汽车接入电网(v2g)可以替代储能装置改善分布式光伏出力的波动，缓解光伏渗透率受限问题，同时有利于保护环境，节约成本；电动汽车与光伏发电进行协调控制，可以提高系统稳定性，改善配电网的电能质量；但电动汽车充电时主要受到私家车车主出行意愿影响，不接受上级部门的调控，其无序充电将影响配电网对负荷的消纳能力，大规模无序电动汽车接入电网对电网调控产生不利影响，故需研究电动汽车充放电特性，同时调控电动汽车进行有序充电；因此，提供一种最大限度提高有功功率输出、保持电压在额定范围内、提高系统效率的考虑光-储灵活调度的配电网分布式资源控制方法是非常有必要的。

技术实现思路

1、本发明的目的是为了克服现有技术的不足，而提供一种最大限度提高有功功率输出、保持电压在额定范围内、提高系统效率的考虑光-储灵活调度的配电网分布式资源控制方法。

2、本发明的目的是这样实现的：考虑光-储灵活调度的配电网分布式资源控制方法，所述的方法包括以下步骤：

3、步骤1：构建分布式资源模型控制框架：配电网dn可以用图论来表示，gdn＝(ωb,ωl)，其中b和l分别表示母线集合和线路集合；令lij表示连接母线i和j的电力线，πb(i)表示从母线i开始的母线集合；

4、步骤2：构建配电网分布式资源聚合控制算法优化模型。

5、所述的步骤1中的构建分布式资源模型控制框架具体包括以下步骤：

6、步骤1.1：光伏逆变器控制框架；

7、步骤1.2：电动汽车优化充电调度。

8、所述的步骤1.1中的光伏逆变器控制框架具体为：光伏逆变器并入电网中，令ωp表示带有光伏逆变器的母线节点集合，无功补偿是常用的配网调压手段，光伏逆变器的v-q控制策略被广泛用于缓解电压波动问题，传统v-q控制作为一种就地控制策略，预先给光伏逆变器设置好无功补偿斜率，根据电压偏移量补偿电压值，无功功率输出如下：其中，m∈ωp表示安装有光伏并网逆变器的节点；是逆变器m在t时刻的无功功率输出；是逆变器m的最大无功功率输出；是并网点m处的电压上限和下限；是并网点m处的动作电压的上限和下限；vm,t表示节点m在t时刻的电压；然而，传统v-q控制策略不能实现多个逆变器的协调，造成部分区域过补偿和欠补偿，因此，提出基于v-q下垂曲线优化控制框架，引入了下垂控制斜率自变量km,t，表示逆变器m在t时刻的下垂斜率，以此协调逆变器并提高系统效率，逆变器m的修正无功功率输出由下式给出：因此，在各个时间段t内，每个逆变器都对v-q曲线的斜率进行更新，并根据vm节点电压输出不同的无功功率qm，斜率则通过最大化一条馈线中所有逆变器的总有功功率输出得到。

9、所述的逆变器m的有功功率输出是由逆变器的容量sm、最大功率点跟踪的结果pmppt和无功功率输出决定的，逆变器的无功功率输出可以通过调节功率因数角从移至来实现，它随着有功功率的变化而变化，由于逆变器容量的限制，如果无功功率从qm增加到qm′，最大允许有功功率从pm降低到pm′，因此，光伏逆变器输出的有功功率如下所示：其中，是第m个光伏逆变器mppt的结果，也是逆变器m在当前阶段所能产生的最大有功功率；是逆变器m在阶段t输出的容量；在条件允许的情况下逆变器输出最大有功功率，但应优先保证终端电压保持在额定范围内，因此，当需要一定量的无功功率来调节电压时，将减少有功功率，将优化后的结果km,t带入(3.28)，并且可以得到更新后的斜率变化的v-q曲线，逆变器将遵循特定的v-q曲线来补偿无功功率，因此，可以计算逆变器需要输出的无功功率然后根据公式(3.29)，还可以计算出输出的有功功率将这些值设定为逆变器控制器的参考无功功率和有功功率，因此，光伏逆变器之间的协调可以转化为优化问题，其目标是最小化逆变器的总无功功率输出：其中，qt是逆变器的总有功功率输出；是逆变器m的无功功率输出，其输出功率取决于自变量km,t。

10、所述的步骤1.2中的电动汽车优化充电调度具体为：针对配网中可控的电动汽车资源提出考虑充电站容量限制的电动汽车优化充电框架，以充电功率对配网造成的电压偏移最小为目标；电动汽车充电用户通常可以分为两类：有紧急充电需求并希望尽快完成充电的刚性充电用户，以及有经济性的充电需求并愿意花费较长时间以较低价格完成充电的柔性充电用户；尽管在所提出的充电调度方法中考虑了功率调度，但这两种充电需求都可以通过提出的充电调度方法来满足，当用户有紧急充电需求时，可以设置期望充电时间为最短充电时间；对于没有紧急充电需求的用户，用户可以发送更长充电时间的信息，进而所提出的算法可以充分利用其停留时间的调度灵活性并制定充电方案，提升配电网灵活性；当第r个电动汽车用户有充电需求并向调度中心报告时，将报告时间记录为用户期望达成充电的时间为初始的电池充电状态soc值所需的电池soc值以及电池容量capr，因此，可以得到第r辆电动汽车所需的能量：用户设定的预期充电时间不能小于最小充电时间：电动汽车r的离站时间可由下式得到：令tg为电动汽车g从到的时间间隔，用户可以通过设置充电信息实现不同的充电服务需求，提出的协调充电调度算法充分利用现有充电设施的灵活特性，设ωe(n)为分配给充电站n进行充电的电动汽车集合，则位于母线j的充电站n在时间段t的充电功率为：其中，ar,t是二进制变量；考虑到充电器的数量限制，其代表每辆电动汽车的连接状态，即：设m(n)为充电站n的充电器数量；ωc为充电站的集合，由于充电站的服务能力有限，只能同时为m(n)辆电动汽车充电：由于电动汽车不在充电站时无法连接到充电器，因此应满足以下约束条件：ar,t＝0,如果充电功率不能超过最大充电功率pmax：没有连接到充电器时，电动汽车不能充电：pg,t＝0,如果该满足每辆电动汽车的能源需求：由于每个充电器所能提供的最大充电功率是有限的，设定充电站n中的充电器数量为m(n)，所以总的充电功率应该满足因此，在充电站分配模型中，还应考虑容量限制，充电站剩余的充电余量应满足电动汽车在其停留时间内的能量需求，假设预期充电功率由g∈ωe(n)辆停留在充电站n的电动汽车叠加而成，对于新到达的电动汽车g+1，充电站的分配必须遵循：

11、所述的步骤1.2中的电动汽车优化充电调度利用电动汽车灵活充放电特性对配电网电压稳定进行支撑，因此，电动汽车优化充电的目标为最小化充电功率对于配网电压偏移的影响，为：其中，vi,t为节点i在t时刻的电压；vref为节点额定电压，充电功率对配电网电压的影响取决于每辆电动车得到的充电功率，即决策变量为ag,t和pg,t，由于ag,t为二进制变量，因此该模型成为了混合整数非线性问题。

12、所述的步骤2中的构建配电网分布式资源聚合控制算法优化模型具体包括以下步骤：

13、步骤2.1：目标函数；

14、步骤2.2：约束条件；

15、步骤2.3：模型求解。

16、所述的步骤2.1中的目标函数具体为：旨在协调光伏逆变器的电压无功补偿斜率和电动汽车充电站的充电功率，保证配电网电压稳定的同时提升可再生能源的利用效率，因此定义目标函数为：其决策变量为每个逆变器的设定v-q斜率km,t和每个充电站的充电功率pcsj,t，其中，w1、w2为各目标函数的权重系数。

17、所述的步骤2.2中的约束条件具体为：考虑配电网的运行状态，因此需要保证配网的功率和潮流平衡，与潮流有关的约束为：式(3.44)-(3.47)描述了节点的功率平衡，其中下标t表示时间；rij和xij表示线路lij的阻抗和电抗；vij是母线j的电压，vij,t是线路lij上的电流；pij,t、qij,t表示线路lij上的有功功率和无功功率；表示母线j处的有功和无功功率负荷；是位于母线j的充电站在时间段t的总充电功率；约束条件(3.48)-(3.51)表示发电机的有功和无功功率界限，以及母线j处的电压幅值边界；式(3.51)是电力线lij上的潮流约束；光伏逆变器的无功功率输出取决于并网点电压值，即满足式(3.28)约束，进一步的有功功率应满足式(3.29)约束，进一步的，通过调节下垂系数可实现对电压的无功补偿，下垂系数约束应满足：km,t≥0(3.52)，此外，对于电动汽车充电，考虑了电动汽车充电站的充电容量因素，因此在节点的充电功率需满足式(3.34)，式(3.35)-(3.37)表示充电站的容量限制，同时，充电站在进行功率调度时，也应该保证用户的充电需求(3.40)，因此，dracs优化模型为：目标函数：最小化逆变器的总无功功率输出和充电功率对于配网电压偏移的影响：约束条件：考虑配电网的运行状态，需要保证配网的功率和潮流平衡；通过调节下垂系数实现对电压的无功补偿：s.t.(3.44)-(3.52)，通过解决最优化问题，可以得到最优决策变量向量km,t和

18、所述的步骤2.3中的模型求解具体为：由于二进制变量的存在，所建立的优化模型成为了minlp问题，因此需要提出对应的求解方法，当充电分配固定时，即ag,t为固定值时，可以获得公式化的凸优化问题：s.t.(3.44)-(3.52)，在约束条件中，由ag,t是常数，因此可以忽略约束条件(3.41)，在其余的约束条件中，非凸情况由式(3.47)引起，其可以被松弛为：每个固定的n值对应于一个minlp问题，可以用gbd算法解决，在这里定义变量

19、本发明的有益效果：本发明为考虑光-储灵活调度的配电网分布式资源控制方法，在使用中，本发明为基于光伏和电动汽车灵活调度的配电网分布式资源聚合控制策略(dracs)，其中，针对配网中的光伏，dracs中基于分布式光伏的无功-电压下垂曲线优化控制框架在传统的无功-电压下垂控制基础上，能综合考虑配网中的各类可控资源，协调优化所有逆变器的v-q曲线斜率，从而提升逆变器运行效率；针对配网中的充电站，acs考虑充电站容量限制的电动汽车优化充电框架，在保证充电需求的前提下协调电动汽车充电；通过统一采集光伏逆变器节点信息和充电站节点信息，基于网架结构和灵敏度分析构建约束，进行acs优化运算，并将优化配置的结果发送到各光伏逆变器和充电站，从而保证配电网电压安全稳定运行，提高可再生能源利用效率，并保障用户充电需求；本发明具有最大限度提高有功功率输出、保持电压在额定范围内、提高系统效率的优点。