基于分布式电源的主动配电网供需协同优化调度策略.docxVIP

基于分布式电源的主动配电网供需协同优化调度策略 随着积极电源网络（adn）的建立。 因其在节能减排方面的潜力EV正受到各国政府、汽车行业的大力推广, 仅2015年我国EV销量就高达247 482台 ADN中的分布式电源 (Distributed Generation, DG) ADN中EV的有序充电不仅可以改善配电网负荷峰谷差 本文以电动汽车群为研究对象, 研究集群规模的EV充放电响应对ADN调度控制的影响, 并以EV群、可控DG和从大电网购电量为调度对象.在充分计及风电和光伏发电概率特性的基础上, 利用机会约束规划理论, 将DSO生产成本最低与EV群车主充放电费用最少作为目标.联合带权极小模理想点法与蒙特卡洛粒子群优化算法对优化调度模型进行求解, 利用包含可控/不可控DG以及EV群的IEEE33节点配电系统来说明所提模型既可以减轻大规模EV无序充电引起的ADN负荷尖峰, 又可以提高系统的经济性与稳定性. 1 adn需求协调规划的主要部分 1.1 ev群服务商的职能 含有DG和EV群的ADN市场结构, 如图1所示.以ADN网架结构为基础, 建立由DSO、EV群代理商和EV群车主等市场角色组成的ADN市场结构.DSO是ADN的核心机构, 既是数据信息的汇聚中心又是调度指令的发出部门, 在负责ADN运行和管理的基础上, 通过信息系统实现市场内可调度资源的灵活交互与协同, 实现“供”和“需”的双侧协同.在制定日前优化调度方案时, DSO主要是从系统运行的角度出发, 在满足EV群的用电计划和降低从输电系统、可控DG代理商购电费用的同时, 实现对内部DG的协调调度. EV车主若单独接受DSO的管理和控制, 将导致很多的双边交易, 且车主的负荷水平达不到参与系统调度的最低水平, 很难找到电力交易的入口.作为DSO与用户之间的桥梁, EV群代理商是一个整合EV充放电并提供给DSO的独立组织, 其主要职能为: (1) 整合EV的充放电功率, 建立车主与DSO之间的联系, 为车主提供了一个参与市场调节的机会, 并充分挖掘EV的可调度潜力; (2) 对聚合后的EV负荷进行分类, 建立与车主之间的运营机制; (3) 向系统提供可调发电量, 使得系统在获取有功调节、电压控制与平衡机制等方面具有更多的选择, 降低系统的运营成本.通过引入Aggregator 在ADN市场互动机制下, 依赖信息及通信技术和先进的计量设施技术 1.2 mt运行时的燃料成本 对于DE等传统发电机的燃料成本模型, 其燃料燃烧成本与有功功率输出的关系一般用二次多项式表示 ( 公式中: MT运行时的燃料成本可以用下式进行计算 , (2) , (3) ( 公式中: 1.3 电能充放过程模型 作为一种移动储能介质, 可与普通电池储能系统一样, 通过电能的充放过程参与系统的优化运行 N N P , (8) , (9) 公式中:N 2 adn需求合作优化模型 2.1 目标函数 2.1.1 sdo的最高发电成本 调度周期内 , (10) 公式中: 2.1.2 有3公式 群代理商以 , (11) ( 公式中: 2.2 节点数的确定 功率平衡约束 , (13) , (14) 公式中:N为系统节点数;P 电源出力约束 P Q 公式中:P 节点电压约束 V 公式中:V 和 P S S S (t 公式中:P P P 公式中:P 线路潮流约束: P -P 公式中:P 3 基于蒙特卡洛模拟的粒子群优化算法 上述优化模型受系统安全和潮流平衡的约束, 系统侧发电成本最低与 , (26) 公式中: 在求取公式 (10) 、公式 (11) 对应的理想点以及目标函数C的过程中, 为了能充分计及间歇性可再生能源出力的随机性, 采用机会约束规划以实现对不确定量的随机模拟.由此, 优化模型的求解流程如图2所示, 求解步骤如下: 步骤1:建立公式 (15) 、公式 (16) 、公式 (18) 、公式 (19) 、公式 (20) 、公式 (21) 对应变量的常规约束模型, 对公式 (13) 、公式 (14) 、公式 (17) 、公式 (25) 对应状态变量建立满足一定置信水平α 步骤2:潮流约束公式 (13) 、公式 (14) 以及等式约束 (21) 的存在, 使得两个目标函数的求解成为复杂的非线性规划问题.其中每个目标的决策变量都包含调度周期内多个时段可控DG的发电出力、从主网的购电功率、ESS和EV群的充放电功率, 属于多决策变量优化问题, 采用基于蒙特卡洛模拟的粒子群优化算法 (MCS-PSO) 步骤3:构造极小模理想点目标函数F. 步骤4:利用步骤1的机会约束规划模型和步骤2的求解算法, 求解 在P