[发明专利]计及源-荷相关性的含多微网的配电网分布式优化调度方法

权利要求书

1.一种计及源-荷时空相关性的含多微网的配电网分布式优化调度方法，其特征在于，该运行方法包括以下步骤：

步骤1)：基于拉丁超立方抽样和Cholesky分解技术相结合的处理方法对服从特定分布函数的光照强度和负荷进行相关性处理，生成服从相关性的光照强度和负荷数据，并将光照强度数据转化为光伏有功无功出力；

步骤2)：基于上述生成的光伏有功无功出力和负荷数据，建立计及源-荷时空相关性的含多微网的配电网分布式优化调度模型,并将计及源-荷时空相关性的优化模型与传统的配电网优化模型对比分析，验证所提模型的正确性和有效性。

2.根据权利要求1所述的计及源-荷时空相关性的含多微网的配电网分布式优化调度方法，其特征在于：所述的步骤1)中，计及源-荷时空相关性的光伏出力和负荷数据的生成包括以下步骤：

步骤101)光伏建模：使用Beta分布来描述光照强度的不确定性

式中：S为光照强度的随机值；S_PV,r为额定光照强度；α和β为分布参数；Γ为Gamma函数；

光伏输出有功无功功率和光照强度之间关系可以近似表示为：

式中：P^PV,Q^PV,分别为光伏输出有功无功功率以及功率因数角；P^PV,r为光伏额定有功功率；

步骤102)负荷建模：采用正态分布来描述负荷的不确定性：

式中：P_load和Q_load分别为负荷有功功率和无功功率的随机量；μ_p和σ_p分别为负荷有功功率的期望值和标准差；为负荷的功率因素角；

步骤103)相关性建模：

采用Spearman秩相关系数来描述邻近光照强度的之间以及光照强度和负荷以及之间的相关性，Spearman秩相关系数的计算公式如下所示：

式中：R_i和R_j分别为随机变量r_i和r_j的秩；cov(R_i,R_j)为随机变量R_i和R_j的秩的协方差；σ(R_i)和σ(R_j)分别为随机变量R_i和R_j的秩的标准差，ρ_s的取值范围为[-1,1]；当0＜ρ_s≤1则表明变量R_i和R_j正相关；特殊的，ρ_s＝1表明随机变量R_i和R_j是一个单调递增函数；-1≤ρ_s＜0表明变量R_i和R_j负相关；

假设有N个随机变量r₁,r₂,...,r_n，则随机变量秩相关系数矩阵如下所示：

步骤104)光伏和负荷相关性样本数据的生成：具体的流程如下所示：

(104-1)假设有M个待采样的随机变量，N为采样规模，首先利用拉丁超立方抽样(LHS)生成一个M*N的初始样本矩阵X；

(104-2)随机生成一个M*N的顺序矩阵L，计算顺序矩阵L的相关系数矩阵ρ_L,并通过Cholesky分解技术得到下三角矩阵Q；

ρ_L＝QQ^T (7)

并通过公式(8)消除顺序矩阵L的相关性，得到矩阵G的相关系数矩阵为单位阵；

G＝Q^-1L (8)

(104-3)对随机变量的实际相关系数ρ₀做Cholesky分解，得到下三角矩阵P；

ρ₀＝PP^T (9)

通过式(10)使得G₀的相关系数矩阵与ρ₀近似相等；

G₀＝PG＝PQ^-1L (10)

(104-4)按照G₀对应行的元素顺序与初始样本矩阵X进行更新，得到新的样本矩阵X₀，可以得到满足源-荷相关性的光照强度和负荷的数据，并根据光伏模型转将光照强度数据化为光伏有功无功出力。

3.按照权利要求2所述的计及源-荷时空相关性的含多微网的配电网分布式优化调度方法，其特征在于：所述的步骤2)中，计及源-荷时空相关性含多微网主动配电网模型的建立生成具体步骤为：

步骤201)建立配电网优化模型，具体步骤为：

(201-1)建立目标函数，配电网的目标函数为配电网日运行成本最小，其中配电网日运行成本主要包括配电网从上级电网的购电成本，燃气轮机的燃料成本，可中断负荷的补偿成本，配电网与微网交互成本以及拉格朗日惩罚函数；

(201-1)建立约束条件：

ρ_s(S_i,S_j,P_L)＝ρo (21)

其中式(12)配电网和上级电网所连的运行约束；式(13)-(18)分别描述可中断负荷出力约束，光伏出力约束，储能装置充放电约束，储能装置电量约束，微型燃气轮机出力约束以及无功补偿装置的无功约束；式(19)是配电网潮流约束；式(20)配电网运行的安全约束；式(21)为光伏和光伏，以及光伏和负荷的相关性约束；

式(11-22)中：C_DS为配电网的日运行成本；以及分别为配电网所连接的上级电网，微型燃气轮机，可中断负荷,微电网以及无功补偿装置的集合；分别为t时刻j节点配电网所连接的上级电网购电功率，微型燃气轮机有功出力，可中断负荷的有功出力，配电网与微网交换有功功率以及光伏的有功出力；分别为t时刻配电网从上级电网购电成本，微型燃气轮机燃料成本，可中断负荷补偿成本以及配电网与微网交换功率成本；λ_j,t,ρ_j,t,η_j,t和为拉格朗日乘子；分别为t时刻j节点所连接的光伏的无功出力，微型燃气轮机无功出力以及光伏的无功出力；和分别为j节点所连接上级电网购电功率的上下限值；为j节点所连接可中断负荷最大有功功率；和为t时刻j节点所连接的光伏的预测的有功无功功率，这里数据为上节生成的光伏的出力预测数据；和分别为t时刻j节点配电网所连接的储能装置的充放电功率；和为j节点所连接的储能装置充放电功率的最大值；和是用于描述储能装置充放电状态的0-1变量；和分别j节点所连接的微型燃气轮机的有功无功出力的最大值；和分别为j节点所连接的微型燃气轮机爬坡功率的上下限；和分别为j节点所连接的无功补偿装置无功出力的上下限值；v(j)和u(j)分别为以j节点为首末端节点的集合；以及分别t时刻ij支路的有功无功功率以及电流值；分别为t时刻j节点的有功无功功率以及电压幅值；r_ij和x_ij分别为支路ij的电阻电抗；和分别为j节点电压的上下限；为ij支路电流的上限；和分别为配电网流向微电网的有功无功功率；和分别为微电网从配电网购入的有功无功功率；S_i,S_j和P_L分别为不同光伏的光照强度以及负荷；ρ_o为实际的秩相关系数矩阵。

步骤202)建立微电网优化模型，具体包括为：建立目标函数，微电网的目标函数为微电网日运行成本最小，其中微电网日运行成本主要包括微电网从配电网的购电成本，燃气轮机的燃料成本，可中断负荷的补偿成本以及拉格朗日惩罚函数；

式中：下标MG代表微网；C_MG为微网的运行成本；

步骤203)计及源-荷时空相关性的含多微网的配电网分布式优化模型：

基于步骤(1)中所生成的具有相关性的时空相关性光伏和负荷数据，以及步骤201)和202)所建立的存在耦合关系的配电网和微电网模型，建立计及源-荷时空相关性的含多微网主动配电网的分布式优化模型。