基于模型预测控制技术的主动配电网优化运行方法技术

本发明专利技术涉及一种基于模型预测控制技术的主动配电网优化运行方法，在含有风机、光伏、微型燃气轮机和一体站接入的主动配电网中建立优化调度模型，并将模型转化为混合整数二阶锥模型求解。使用基于模型预测控制的多时间尺度优化调度策略实现对配电网日前调度、日内滚动调度和实时反馈校正，减少了分布式电源和负荷的预测误差对配电网运行的影响。在实际的工程运用中具有参考价值，对解决CSSIS接入ADN后产生的电网经济运行等问题具有重要的应用价值。

OPTIMAL OPERATION METHOD OF ACTIVE DISTRIBUTION NETWORK BASED ON MODEL PREDICTIVE CONTROL TECHNOLOGY

【技术实现步骤摘要】
基于模型预测控制技术的主动配电网优化运行方法
本专利技术涉及一种配电运行管理技术，特别涉及一种基于模型预测控制技术的主动配电网优化运行方法。
技术介绍
近年来，随着电动汽车(ElectricVehicle,EV)拥有量的迅速增加，未来EV充电负荷将成为电网负荷的重要组成部分。与需求的快速增长相比，EV充电基础设施建设的发展相对滞后。为提高综合利用效益，将充电站(batterychargingstation,BCS)、换电站(batteryswappingstation,BSS)与梯级储能电站(energystoragestation,ESS)集成为一体站(Charging-Swapping-StorageIntegratedStation,CSSIS)，并与主动配电网(Activedistributionnetwork,ADN)联合优化运行，可以满足所在区域EV充电需求、消纳分布式电源(Distributedgeneration,DG)出力、响应负荷波动、减少ADN运行维护费用，具有良好的发展前景。CSSIS的结构图参见图1所示。与常见EV的交流慢充模式不同，近年来出现的三种新型EV充电服务模式具有很大发展潜力。直流快充模式用户一般为电动出租车，具有充电时间短，充电功率大和扩展日行驶里程的特点，但是其对电池寿命的影响较大，需要综合考虑评价其对电池寿命及电网的影响。作为一种很好的可控能源形式，换电模式更加适合公共交通，但是随着电池标准化进程的加快，需要综合考虑电池需求的不确定性。与前两种充电服务模式相比，CSSIS兼具了前两种服务模式的优点，但是目前针对CSSIS的研究较少，而且主要集中于运行模型的构建，对于CSSIS进一步参与ADN优化调度的研究较少。对于含DG、EV的ADN优化调度问题，目前的研究对于因DG、EV预测精度较低导致预测误差较大的现象考虑较少。因此，对CSSIS和DG接入ADN后涉及不确定元件预测精度的电网运行模型的构建还需更进一步的研究。
技术实现思路
本专利技术是针对配电网优化运行的问题，提出了一种基于模型预测控制技术的主动配电网优化运行方法，优化电网中潮流分布、降低ADN日总运行成本，为未来EV大量接入电网的优化调度提供重要参考。本专利技术的技术方案为：一种基于模型预测控制技术的主动配电网优化运行方法，首先进行日前优化调度，提取风机、光伏、主动配电网各节点常规负荷和充电站充电需求的96个时段日前预测值作为输入量，输入到建立的成本优化调度模型，以各时段主动配电网ADN潮流变量作为状态变量，各时段微型燃气轮机MT、梯级储能电站ESS和静止无功补偿装置SVC出力为控制变量，结合凸松弛技术将非凸非线性潮流约束式转化为可用成熟商业软件高效求解的混合整数二阶锥模型，求解出各时段MT、ESS和SVC出力，根据求解结果计算出各时段的ADN交互功率，并使用插入法将ADN交互功率展开为288个时段值作为日内优化调度的参考值；然后进行日内优化调度，使用插入法将提取的风机、光伏、主动配电网各节点常规负荷和充电站充电需求得96个时段日前预测值展开为288个时段值，并分别叠加上服从正态分布的预测误差值，得到的日内预测值作为输入量，输入到建立的成本优化调度模型，以各时段主动配电网ADN潮流变量作为状态变量，各时段MT、ESS和SVC出力为控制变量，结合凸松弛技术将非凸非线性潮流约束式转化为可用成熟商业软件高效求解的混合整数二阶锥模型，求解出各时段微型燃气轮机MT、ESS和SVC出力，根据求解结果计算出各时段的ADN交互功率，将所有求解值作为功率优化调度模型的输入，此为日内优化调度的开环控制；日内优化调度的反馈闭合控制为反馈校正环节，使用对功率优化调度模型求解对MT、ESS和SVC各时段的出力进行实时调整，功率优化调度模型的目标为各时刻ADN交互功率波动最小，即日内优化调度的开环控制所得ADN交互功率尽量靠近日前优化调度所得的参考值，最终实现主动配电网优化运行。所述成本优化调度模型目标函数为ADN日综合成本最小，ADN日综合成本包括ADN日调度成本和碳排放成本，目标函数为：式中，Ftotal为ADN日综合成本；FD为ADN日调度成本；为ADN日碳排放成本；ADN日调度成本FD包括MT日燃料耗费成本、不可控消纳分布式电源DG日调度成本、ESS日调度成本和ADN与主网日功率交换成本；约束条件为：1)潮流约束：支路潮流表示式：式中δ(j)为ADN中以节点j为首端节点的支路的末端节点集合；Pij(t)、Qij(t)分别为第t时段流过支路ij有功和无功功率；Pjv(t)、Qjv(t)分别为第t时段流过支路jv有功和无功功率,v为δ(j)中的任意一节点；Vj(t)为第t时段节点j的电压幅值；Iij(t)为第t时段支路ij的电流；Xij为支路ij电抗；分别为第t时段节点j负荷有功和无功需求；为第t时段节点j处CSSIS有功需求；分别为第t时段节点j处DG有功和无功出力；Pj(t)和Qj(t)分别为节点j注入有功和无功功率，为节点j处静止无功补偿装置SVC无功出力；2)安全运行约束：Vimin≤Vi(t)≤Vimax式中，为支路ij允许的最大视在功率；Vimax和Vimin分别为节点i电压幅值上下限；3)ADN与主网交互功率波动约束：|Pinter(t)-Pinter(t-1)|≤b％BDG式中，b％为主网能够承受的最大功率变化率；BDG为ADN中DG总容量。所述功率优化调度模型目标函数为：式中，P(t+i|t)为第t+i时段ADN与主网交互功率日内功率优化调度值；为第t+i时段交互功率参考值，由日前优化调度求得；P0(t)为第t时段交互功率日内成本优化调度值；Δu(t+j|t)为第t时段预测的未来(t+(j-1),t+j)时段内MT、ESS和SVC出力增量；ΔPload(t+j|t)、ΔPBCS(t+j|t)、ΔPWT(t+j|t)和ΔPPV(t+j|t)分别为未来(t+(j-1),t+j]时段内ADN原负荷、充电站负荷、风电和光伏超短期预测功率增量；N为预测步长；日内优化调度闭合控制需要满足的约束条件为：控制变量出力约束：Δumin≤Δu(t+i|t)≤Δumax,i＝1,2,…N式中Δumax和Δumin分别为MT、ESS和SVC出力的上下限；ESS中SOC约束：式中SOCESS(t+i|t)为第t时段预测未来t+i时段ESS荷电状态；PESS(t+i|t)为第t时段预测未来t+i时段ESS充放电功率；为ESS电量最大值。本专利技术的有益效果在于：本专利技术基于模型预测控制技术的主动配电网优化运行方法，1)在主动配电网中考虑了电动汽车充换储一体站模型，在实际的工程运用中具有参考价值，对解决电动汽车充换储一体站接入电网后产生的电网经济运行等问题具有重要的应用价值；2)结合道路交通模型对电动公交车的行驶情况进行分析，提高了模型的精确性，分析求得的车辆平均行驶速度、剩余电量等能够真实的反映工程实际，对于充换储一体站进行优化调度提供了真实可靠的数据和新的思路；3)对DG、EV充电负荷预测精度下降从而导致预测误差较大的现象，提出了主动配电网日前和日内优化调度，结果能够反映实际工程情况；4)采用凸松弛方法将非凸非线性的潮流关系式转化为可用成熟商本文档来自技高网...

【技术保护点】
1.一种基于模型预测控制技术的主动配电网优化运行方法，其特征在于，首先进行日前优化调度，提取风机、光伏、主动配电网各节点常规负荷和充电站充电需求的96个时段日前预测值作为输入量，输入到建立的成本优化调度模型，以各时段主动配电网ADN潮流变量作为状态变量，各时段微型燃气轮机MT、梯级储能电站ESS和静止无功补偿装置SVC出力为控制变量，结合凸松弛技术将非凸非线性潮流约束式转化为可用成熟商业软件高效求解的混合整数二阶锥模型，求解出各时段MT、ESS和SVC出力，根据求解结果计算出各时段的ADN交互功率，并使用插入法将ADN交互功率展开为288个时段值作为日内优化调度的参考值；然后进行日内优化调度，使用插入法将提取的风机、光伏、主动配电网各节点常规负荷和充电站充电需求得96个时段日前预测值展开为288个时段值，并分别叠加上服从正态分布的预测误差值，得到的日内预测值作为输入量，输入到建立的成本优化调度模型，以各时段主动配电网ADN潮流变量作为状态变量，各时段MT、ESS和SVC出力为控制变量，结合凸松弛技术将非凸非线性潮流约束式转化为可用成熟商业软件高效求解的混合整数二阶锥模型，求解出各时段微型燃气轮机MT、ESS和SVC出力，根据求解结果计算出各时段的ADN交互功率，将所有求解值作为功率优化调度模型的输入，此为日内优化调度的开环控制；日内优化调度的反馈闭合控制为反馈校正环节，使用对功率优化调度模型求解对MT、ESS和SVC各时段的出力进行实时调整，功率优化调度模型的目标为各时刻ADN交互功率波动最小，即日内优化调度的开环控制所得ADN交互功率尽量靠近日前优化调度所得的参考值，最终实现主动配电网优化运行。...

【技术特征摘要】
1.一种基于模型预测控制技术的主动配电网优化运行方法，其特征在于，首先进行日前优化调度，提取风机、光伏、主动配电网各节点常规负荷和充电站充电需求的96个时段日前预测值作为输入量，输入到建立的成本优化调度模型，以各时段主动配电网ADN潮流变量作为状态变量，各时段微型燃气轮机MT、梯级储能电站ESS和静止无功补偿装置SVC出力为控制变量，结合凸松弛技术将非凸非线性潮流约束式转化为可用成熟商业软件高效求解的混合整数二阶锥模型，求解出各时段MT、ESS和SVC出力，根据求解结果计算出各时段的ADN交互功率，并使用插入法将ADN交互功率展开为288个时段值作为日内优化调度的参考值；然后进行日内优化调度，使用插入法将提取的风机、光伏、主动配电网各节点常规负荷和充电站充电需求得96个时段日前预测值展开为288个时段值，并分别叠加上服从正态分布的预测误差值，得到的日内预测值作为输入量，输入到建立的成本优化调度模型，以各时段主动配电网ADN潮流变量作为状态变量，各时段MT、ESS和SVC出力为控制变量，结合凸松弛技术将非凸非线性潮流约束式转化为可用成熟商业软件高效求解的混合整数二阶锥模型，求解出各时段微型燃气轮机MT、ESS和SVC出力，根据求解结果计算出各时段的ADN交互功率，将所有求解值作为功率优化调度模型的输入，此为日内优化调度的开环控制；日内优化调度的反馈闭合控制为反馈校正环节，使用对功率优化调度模型求解对MT、ESS和SVC各时段的出力进行实时调整，功率优化调度模型的目标为各时刻ADN交互功率波动最小，即日内优化调度的开环控制所得ADN交互功率尽量靠近日前优化调度所得的参考值，最终实现主动配电网优化运行。2.根据权利要求1所述基于模型预测控制技术的主动配电网优化运行方法，其特征在于，所述成本优化调度模型目标函数为ADN日综合成本最小，ADN日综合成本包括ADN日调度成本和碳排放成本，目标函数为：式中，Ftotal为ADN日综合成本；FD为ADN日调度成本；为ADN日碳排放成本；ADN日调度成本FD包括MT日燃料耗费成本、不可控消纳分布式电源DG日调度成本、ESS日调度成本和ADN与主网日功率交换成本；约束条件为：1)潮流...

【专利技术属性】
技术研发人员：袁洪涛，韦钢，张贺，
申请(专利权)人：上海电力学院，
类型：发明
国别省市：上海,31