基于分布式优化的电力负荷最优协调研究.docxVIP

基于分布式优化的电力负荷最优协调研究 0 居民负荷分布式协调控制方法 随着空调负荷的稳定增长和电动汽车负荷的大规模增加，。 随着EV渗透率的不断提高，近年来研究人员开始关注EV集中充电对变压器寿命的影响。文献 为了解决上述问题，本文提出了居民负荷的新型分布式协调控制方法。方法具有2个突出特点：一是根据变压器HST动态确定最大负载，既能合理利用变压器的过载能力、提高整个配电网运行的经济性，又能保证变压器运行的安全性，实现了更具智能的动态阻塞管理；二是该方法框架能够适应EV、空调等多类型柔性负荷，各类柔性负荷只需根据用电偏好定义功率可行域和满意度损失惩罚项，并可以采用不同的优化时域，负荷差异性得以充分体现。 1 优化轴承模型 1.1 优化问题模型 本文建立了居民负荷用电滚动优化模型如下 式中：μ 负荷平衡约束如下 式中：P 变压器运行约束如下 式中： 负荷约束如下 式中：P 1.2 配网调度值的计算 在式（1）中，绕组HST值θ 利用对偶分解原理，式（1）的对偶函数为 式中：f 而f 而配网调度仅需更新乘子λ以保证供需平衡，计算量极小。本文采用次梯度法进行迭代更新 式中： 上述分布式滚动优化问题的求解过程见图1。 1.3 讨论 1.3.1 乘子玉 观察式（7），可知当其不等式条件非活动时（即变压器功率和HST皆未达限额），最优功率满足 可见此时乘子λ 1.3.2 提升了方法的原则性 由图1可见，柔性负荷与负责协调控制的配网调度之间仅需交换乘子信号和功率信号，在保护隐私的同时提升了方法的通用性。对于不同柔性负荷，由式（8）可知，只需根据偏好给出满意度s 2 变压器老化成本 本节研究变压器优化子问题（7）中老化成本模型。根据文献 式中：L 式中：θ 式中：θ 式中：K 综合式（11）—式（15）可见，因油和绕组具有热时间常数，变压器老化成本并非瞬时反映其当前负载。 容易证明，变压器老化成本C是关于变压器功率P 3 居民负荷优化模型 本节针对空调和EV 2类典型负荷开展研究。 3.1 归一化满意度s式 为不失一般性，本文研究对制冷空调的协调控制。居民空调的热力学过程可用等效热参数（equivalent thermal parameters,ETP）模型 式中：θ 定义t时刻空调i的归一化满意度s 式中： 我国居民空调以变频空调为主，可以通过调节压缩机频率来实现对制冷量和电功率的连续调节。其电功率与制冷量之间存在如下线性关系 式中：p 将式（13）、式（14）代入上式，可以得到如下形式的空调动态方程 式中：a 由式（16）可知，为使t+1时刻室温达到允许的满意度下限（s 式中： 定义空调i在时刻t的满意度损失为 式中：w为权重系数； 空调负荷的功率可行域为 至此，将式（22）、式（23）代入式（8），即构成空调负荷的优化子问题，容易看出该问题为凸优化。 3.2 分布式优化方法 本文假设只要满足了目标电量要求，就不再考虑满意度损失。这样，在式（8）中，EV只需考虑如下的充电功率可行域 式中：P 本文的分布式优化方法充分考虑了EV充电行为的差异性，各EV无需采用统一的优化时域。在非入网时段，只需设置P 4 模拟分析 4.1 空调系统充电行为仿真 根据某居民负荷源网荷互动项目的基本情况建立了仿真系统。变压器容量为630 k VA，模型参数见表1,HST上限为120℃。仿真中考虑了100户居民，每户安装2台空调，户均拥有1辆EV，采用慢充方式，额定充电功率为3.7 k W，容量在20～25 k Wh之间随机分布，充电行为模式参考文献 仿真设置了4种代表性方案，其中方案1为本文方案，其余为对比方案。方案1为动态阻塞管理。以变压器HST不越110℃为条件 4.2 德国的阻塞管理效果分析 以变压器额定有功功率作为基值，图3—图6绘制了第2—4天各方案下变压器负载曲线。 4.2.1 变压器附加电价 图3可见：(1) EV被协调至23:00—次日7:00充电，在防止集中充电的同时，降低了充电成本；(2)利用建筑物的热惯性，在高电价时段到来之前，空调会增加用电提前给室内降温，以降低用电成本；(3)在6:00—7:00和8:00—8:30时段内，由于变压器HST不高且历史负载相对较低，变压器会利用其短时过载能力超过额定功率运行；(4)变压器将其老化边际成本显式附加到电费上，从而进一步引导柔性负荷有序用电，避免阻塞。由图3可知各时段的附加电价（绿色部分）。当变压器HST较低时，边际老化成本很小，可以忽略不计。 4.2.2 变压器hst持续升温 图4可见：(1)相对于方案1，本方案能够在全天内防止变压器功率越限，达到了静态阻塞管理的目的；(2)与方案1相比，由于未考虑变压器老化成本，EV负荷更为集中、峰值也更高，在0:00—6:00时段变压器持续满载运行，会导致