[发明专利]面向能源社区能量管理的配网产消者分布式优化调度方法

权利要求书

1.一种面向能源社区能量管理的配网产消者分布式优化调度方法，其特征是，它包括以下内容：

1)能源社区调度策略建模

1.1)能源社区辐射状配电网模型

能源社区由内部低压网络和众多产消者组成，产消者包括储能系统(energy storagesystem，ESS)、光伏发电(photovoltaic，PV)和可控负荷(controllable load，CL)灵活性资源，能源社区通过公共连接点(point of common coupling，PCC)与主网进行功率交互，

为表述配电网拓扑结构，首先将其转换为由节点和支路构成的拓扑结构图，具体原则为：

(a)能源社区中馈电母线视为分支节点，其中PCC视为根节点，馈线末端产消者视为叶节点；

(b)将能源社区配电网中电力线路、母线分段开关线路视为无向边；

根据(a)和(b)原则，含有N个节点的能源社区配电网通过无向图G(N,E)来表示，在无向图G(N,E)中，与节点i相关的节点集合表示为：

(c)后代节点

(d)祖先节点

(e)叶节点

(f)分支节点

其中，N＝(i|i＝0,…,n)表示各个节点集合，其中节点i又可表示为(d₁,...,d_h)，h表示节点所属层次，节点0表示根节点σ；代表各支路集合；表示能源社区中各产消者的集合；

对于能源社区辐射状配电网，其LinDistFlow支路潮流模型为：

式中：T代表一个调度周期，T取24h，调度间隔为Δt，Δt取0.5h；r_ij和x_ij分别表示节点i和j之间线路的电阻和电抗；P_ij,t和Q_ij,t分别表示节点i和节点j之间线路t时刻的有功功率和无功功率；和分别表示j节点连接产消者t时刻注入的有功功率和无功功率；和分别表示节点j连接产消者t时刻储能放电功率、储能充电功率、主网购电功率、主网售电功率、负荷有功功率和光伏有功功率；和分别表示节点j所连接的产消者在t时刻的光伏无功功率、无功补偿装置功率和负荷无功功率；V_j,t为t时刻节点j的电压幅值；

1.2)能源社区辐射状配电网运行约束

由于配电网的高R/X比，考虑产消者有功功率交互对能源社区运行的影响，将所有节点的电压都将低于标称电压V₀，每个分支节点电压V_b,t需要保持在最小值V_min之上，应满足以下约束：

对于各产消者交互功率和分支节点b电压之间的关系通过矩阵来表示；

式中：ν_b,k为产消者k所在叶节点和分支节点b之间的有功-电压灵敏度系数；表示分支节点b的后代节点中的叶节点，即I_T和0_T分别为T阶的单位矩阵和零矩阵；

在整个调度时段运行过程中，辐射状配电网分支节点需满足系统安全约束为：

w_b＝V_0,b1_T-V_min,b1_T (5)

式中：V_0,b表示分支节点b的标称电压；表示分支节点b在各个调度时段的电压；表示产消者k整个调度时段的有功功率；表示各产消者在整个调度时段的有功功率；

1.3)产消者经济调度模型

在需求响应过程中，产消者在考虑用电经济性的同时，还要考虑储能设备运维成本，因此，产消者k的总运行成本函数表示为：

式中：f_k代表产消者k的总运行成本；分别为产消者k在t时刻的购售电成本、储能系统的运维成本、需求响应成本；分别表示t时刻主网的购、售电价；分别表示t时刻产消者k在从主网购电功率和售电功率；分别表示产消者k储能系统在t时刻充电功率和放电功率；c_ESS表示储能系统运维成本系数；d_k为产消者k需求响应成本系数；表示t时刻产消者k实际用电功率和预测用电功率；

1.4)约束条件

(I)产消者功率平衡约束

式中：为产消者k在t时刻光伏发电功率；

(II)主网购售电约束

产消者允许在光伏发电盈余时出售多余电能或在电量短缺时从主网购买电能，为了防止产消者通过日前市场恶意套利，产消者在某时刻的购售电量在确定的范围内变化：

式中：和分别为产消者k与主网购售电功率的最大值；

(III)储能系统约束

SOC_k,T＝SOC_k,0 (11)

式中：和分别为产消者k储能系统荷电状态的最小值和最大值；和分别为产消者k储能系统的充放电效率；和分别为产消者k储能系统充放电功率的最大值；E_ESS为产消者k储能系统总容量；

(IV)需求响应约束

式中：和分别为产消者k需求响应调整后负荷的最小值和最大值；L_k为产消者k调度周期内需求响应调整后总负荷需求的最小值；

2)基于ADMM的分布式调度模型和求解

能源社区在整个调度时段的目标函数为：

根据式(15)和ADMM基本原理，能源社区调度策略模型写成紧凑式：

式中：为包含产消者特定约束信息的目标函数；第二个式子耦合各个产消者决策向量p_k，即能源社区中的网络潮流约束；A为系数矩阵；C为参数矩阵；约束式(7)(8)(12)(13)构成以各产消者p_k的本地定义域为采用标准ADMM算法进行分布式求解计算，引入辅助变量y_b,k并重写成为：

增广拉格朗日函数为：

式中：矢量上标符号为矢量内元素的和，即为定义在约束集γ_B上的指示函数；λ为拉格朗日乘子；ρ为惩罚参数；

由此，按下式进行分布式求解；

式中：n为迭代次数，迭代过程为高斯-赛德尔求解机制(Gauss-Seidel，GS-ADMM)，即各个产消者按预先安排的顺序交替进行，任意时刻仅有一个子问题处于计算状态，当产消者数量较多时，大量产消者依次进行调度策略更新将导致总体优化时间过长；迭代也可采用雅可比求解机制(Proximal Jacobian ADMM，PJ-ADMM)，即实现各个产消者和分支节点子问题的并行处理，对于分支节点协调机制采用各个分支节点负责协调各产消者调度策略更新；各个产消者通过其EMS与分支节点通信并行更新其调度策略为：

式中：表示来自产消者k的祖先节点迭代信号；矩阵表示产消者k的祖先节点个数；表示分支节点b的后代节点个数；

采用残差作为收敛标准，收敛精度为ε，当式(27)成立时，则算法收敛，输出最优解：

基于分支节点协调机制的分布式并行优化策略更新机制的步骤为：

①日前阶段，预测日前电价后，各产消者初始化参数，将自身次日功率方案、购售电信息上传至分支节点；

②各分支节点整合产消者上报信息，由式(24)更新辅助变量，根据运行约束条件，协调产消者策略更新，更新迭代信号r_b；

③产消者k根据所获得的迭代信号r_k，根据各自收益函数，在满足可行域的条件下，根据式(22)并行更新计算各自优化迭代策略，直至所有产消者完成一次更新；

④更新拉格朗日乘子重复迭代步骤①-②直至满足算法迭代收敛条件式(27)。