[发明专利]一种主动配电网滚动优化调度方法

说明书

本发明涉及一种主动配电网滚动优化调度方法，可包括以下步骤：S1：建立以运行成本最小、可控电源出力调整量最小、有功网络损耗最小和节点电压偏差最小为目标函数和以元件约束、负荷约束和网络约束为约束条件的主动配电网滚动优化调度模型；S2：利用改进差分进化算法MOEA/D‑TSA求解该主动配电网滚动优化调度模型，得到该主动配电网的滚动优化调度方案。采用本发明方法对主动配电网进行日内滚动优化调度可以使主动配电网的有功网络损耗和节点电压偏差更小。

技术领域

本发明涉及主动配电网领域，具体地涉及一种主动配电网滚动优化调度方法。

背景技术

在能源危机和温室效应的背景下，可再生能源得到了迅速发展。这些可再生能源装置大多以分布式方式连接到电力系统。然而，分布式发电的有功功率输出具有很强的不确定性和波动性，受到风能和太阳能条件的很大影响。所以分布式电源大规模并入电网将对配电网的继电保护、电能质量和网络规划产生不利影响，传统配电网的安全稳定运行无法得到保证。因此，为了解决上述问题，主动配电网技术逐渐成为电网方向的研究热点。

目前，ADN的研究主要集中在分散式发电机组的优化规划、能量管理、优化调度、网络保护和性能风险评估等方面。ADN的优化调度通常包括两部分，即日前调度计划和日内滚动计划。风能和光能输出的预测精度随预测时间的增加而降低。预测时间为24小时的日前预测精度远远低于只预测3-8小时的日内预测精度。由于预测精度不准确，日前调度计划的实施将给AGC机组带来沉重的负担。因此，实施基于日前调度的日内滚动优化调度对于提高电能质量、降低网损、维护配电网安全运行至关重要。

同时，主动配电网调度目标模型从单目标模型逐渐转向多目标模型。但是大多数单目标或多目标调度模型只考虑ADN的经济优化，而没有考虑网络稳定性和功率损耗的优化。本文考虑多个不同类型的目标模型，进而最大程度地满足系统的经济性和稳定性。

对含有风光以及负荷等不确定因素的主动配电网进行优化调度，目前常用的有3种方法，即随机规划法、机会约束法和滚动优化法。随机规划法会大大增加模型的计算量，当场景数比较多的时候，还需要采取场景削减技术选取典型场景，可能漏掉一些重要场景；机会约束法要求不确定量的分布必须满足一定的概率函数，但实际情况中不确定量的分布特征可能很难得到；滚动优化法是采用历史数据和最新已知数据进行未来有限长时间段N内的预测和优化，随着采样时间点向前推移，不断利用最新已知数据进行预测和优化，同时预测和优化时长N不变，滚动优化方法能够有效解决风光和负荷等不确定因素的预测精度随着时间变长而降低的问题，而且比较贴近实际情况。

由于进化算法有其自然的优势，所以通常采用这类方法来解决多目标优化问题。基于分解的多目标进化算法(MOEA/D)就是这样一种进化算法，将一个多目标优化问题分解为多个标量子问题同时优化求解，并引入邻居子问题的概念，实现子问题和其邻居子问题的协调优化。在众多的多目标优化进化算法中，MOEA/D算法因其具有较强的搜索能力和良好的收敛性脱颖而出。尽管目前的MOEA/D算法对多目标优化问题已经解决的很好，但是在面对更难的、目标个数较多的高维多目标优化问题仍然存在着较大问题，如容易陷入局部最优、收敛速度慢等。因此本文对MOEA/D算法进行进一步的研究和改进，使其能够更好地处理多目标优化问题。

发明内容

本发明旨在提供一种主动配电网滚动优化调度方法，以解决上述问题。为此，本发明采用的具体技术方案如下：

一种主动配电网滚动优化调度方法，可包括以下步骤：

S1：建立以运行成本最小、可控电源出力调整量最小、有功网络损耗最小和节点电压偏差最小为目标函数和以元件约束、负荷约束和网络约束为约束条件的主动配电网滚动优化调度模型，主动配电网包括储能装置、风机机组、光伏机组、微型燃气轮机机组、上级电网和负荷；

S2：利用改进差分进化算法MOEA/D-TSA求解该主动配电网滚动优化调度模型，得到该主动配电网滚动优化调度计划，具体步骤如下：