基于分区的微电网动态经济调度研究

基于分区的微电网动态经济调度研究

0基于同步型admm算法的分布式优化微电网是一种将分布电源、储存装置和负荷集中于新型能源系统的系统。然而,微电网集中式优化存在电源运行特性差异性较大、对集中式控制的网络通信要求难以满足,以及对于被调度者隐私性的保护等问题的弊端作为分布式优化领域中重要的一种方法,交替方向乘子法(AlternatingDirectionMethodofMultipliers,ADMM)是基于非传统梯度的分布式优化算法,较之一般的次梯度方法优势在于其收敛速度有很大的提高本文针对考虑网络安全约束微电网经济调度分散式优化问题,采用同步型ADMM算法,使得各区域之间得到完全解耦,在每次迭代中各区域只需更新本区域内部的变量,各自更新完成后再统一更新相邻区域之间的耦合变量,从而可以实现区域之间的并行计算。最后通过实际的微电网算例进行验证,并对比集中式优化的结果,证明此算法可行。1微电网蓄电池微电网经济调度的分布式优化计算需要先对微电网进行区域划分。图1给出了某实际13节点微电网的接线和分区图。其中,可再生能源设备包括2个光伏电站(PV1和PV2)和1个风力电站(WT),配备了2台铅酸蓄电池(S1和S2)作为储能装置,另外还备有一台柴油发电机(DEG)。当蓄电池储能水平过低,可再生能源无法满足负荷的情况下,可起动柴油机提供支持。各电源在发电端交流电压均为0.38kV,通过升压变压器升压到10kV,传输到负荷端再降为0.38kV。在微电网中,按照各个微电源接入微网的连接情况,将电网分成多个区域。图2将微电网中2个光伏电站、1个风力电站、2个蓄电池、1个柴油机和配电网络分成一共7个区域,微电源并入电网的支路(升压变支路)作为区域之间的公共支路。图3以区域R图2中,微电网一共被分成了7个区域,其中,R2外部电网没有功率交换对于处于孤岛模式下的微电网,在与外部电网没有功率交换的情况下既要满足微电网自身的功率平衡和安全性要求,又要使得微电网的经济性达到最优。2.1优化目标的定义针对包含柴油发电机、风电场、光伏电站、储能装置和10kV配电网络的微电网,其优化目标定义为式中,F式中,P可见,蓄电池荷电状态(StateofCharge,SOC)越高,单位充电量折旧费用σ越高;蓄电池SOC越低,单位放电量折旧费用σ越高。该特性更符合蓄电池实际情况2.2不同区域的内部限制2.2.1边界一致性的确定实施分散式优化的前提是实施系统分区,为清晰界定各个分区的边界,需要引入边界支路,从而引入边界变量并列写边界一致约束,边界节点电压相角作为边界变量是一个合适的选择。此外,在优化目标中,要考虑分区R式中,P2.2.2各种电源的功率上下限制微电网中的柴油机、光伏电站、风力电站和蓄电池各个时刻的出力都在其上、下限间,即式中,P2.2.3发动机倾斜性能限制式中,U2.2.4能源装置的限制蓄电池在实际运行中每个时刻t只能处于充电或者放电的其中一种状态中,并要处于其荷电量上、下限之间,即式中,SOC2.3共发性约束条件微电网中各个区域内部除了满足内部的等式约束与不等式约束条件外,还需要令不同区域之间的公共节点的相角相等。以R式中,θ因此,可以将上述微电网分布式经济调度模型写成如下的紧凑形式式中,N3admm的基本原则交替方向乘子法是求解分散优化问题的方法之一,具有收敛性好、鲁棒性强和不要求子优化模型目标函数严格凸和有限的优点3.1迭代求解过程两区域的标准ADMM形式为式中,A和B为两区域耦合等式系数矩阵;第1个式子为两区域目标函数之和;第2个式子为两区域之间的边界耦合方程。两区域的迭代求解过程为式中,k为迭代次数;λ为增广拉格朗日乘子向量;β为大于零的常数;第1、2个式子分别为两区域内部变量的更新;第3个式子为拉格朗日乘子向量的更新。在标准ADMM法的优化过程中,两个区域之间的优化迭代是按照事先安排顺序依次交替进行的,前一个区域优化的最新值代入后一个区域进行优化求解,所有区域依次完成一次优化后再通过全局的协调中心对全局迭代变量λ进行更新与广播,其优化过程如图5所示。3.2同步型admm基本原理由增广拉格朗日函数的一次项和二次项得为使ADMM算法从异步计算转换成同步计算,在对某区域进行优化计算时,选取两区域上一次迭代的计算结果对应边界变量的平均值作为下一次迭代计算的固定值,代替标准ADMM选取最近一次迭代相邻区域的边界变量值。令式中,x将其代入式(23),可得以上为两区域SADMM的原理,其基本思路为:每个区域划分开进行独立求解,各区域每次求解完后都要对边界的变量进行交换与更新;各区域在每次求解过程中可以实现并行计算,且各区域的迭代变量是独立计算的,从而取缔了协调中心的作用实现完全分散式控制。其优化过程如图6所示。同步型ADMM的收敛证明见文献对于本文所示的微电网及其分区情况,在每个区域独立完成一次内部求解优化之后,需要对每个区域之间进行一次信息交换,其过程如图7所示。图7中,θ在各区域内部分布式优化求解的过程中,只需要选取一个全局的参考相角即可。对于图7所示微电网结构与分区,选取1号节点电压相角作为全局参考相角,对于与1号节点直接相连的区域,区域R3.3分散式计算方法对于本文所示的微电网的分区模型,先引入以下几个集合。节点j所属的区域集合可用M则|M则区域r内边界支路的公共节点集合可表示为采用SADMM进行微电网动态经济调动分散式优化计算,迭代次数用k表示,给定全局常量ε,对于每一个并行计算的区域r,步骤如下:1)初始化θ2)求解该区域动态经济调度模型,更新本区域节点电压相角3)各区域之间更新迭代变量的值为返回步骤2),进行下一次迭代。如此反复,直至满足收敛条件,收敛至最优解。对于每次迭代相角之间的变化量,构造收敛判据为当Γ趋近于零时,则算法收敛。4自适应充放电负荷本文将SADMM应用于如图1所示实际微电网的经济调度模型中。微电网内负荷、光伏和风电的预测出力曲线如图8所示。微电网的负荷在凌晨处于较低的水平,白天负荷有所上升,在夜晚达到负荷的峰值。光伏预测出力和太阳的运行规律有关,在中午达到光伏出力峰值。风点预测出力在各个时刻比较平均。微电网中,光伏电站的弃光费用C本文在Matlab2014a上搭建以上模型,每次循环求解调用GAMS23.7采用标准ADMM法的β取50000,采用SADMM法的全局常量ε取50000,收敛判据Γ取10图9为各类微电源和储能装置的出力曲线对比,在正午时刻,光伏电站出力最大,柴油机停机,蓄电池机组充电,此时光伏和风电的出力依旧大于负荷,因为弃光成本更高,因此采取弃风措施;夜晚时段,微电网负荷增大,此时光伏和风电出力不能满足负荷,需要蓄电池和柴油机出力从而达到功率平衡。采用标准ADMM法与SADMM法的分布式算法与集中式的微电网经济调度结果完全一致,一方面说明了分散式优化模型与集中式优化模型是等价的,另一方面也说明了分布式优化算法能得到全局最优。采用两种分散式优化方法与集中式优化方法的计算时间和迭代次数对比见表3。总体来说,集中式优化求解时间最短,但是收集全局信息通信成本较高,且不能保护发电单元的隐私性;标准ADMM法与SADMM法仅需要交换各区域之间的边界信息即可实现全局优化,其中标准ADMM法需要按照顺序依次对各区域优化求解,同一次迭代中,前一个区域最新优化结果带入下一个区域的优化计算中,因此其迭代次数相对较少,但是需要一个协调中心来更新全局迭代变量;SADMM法对每个区域内部优化求解后再向相邻区域收集和传递边界变量信息,各个区域内部自行更新迭代变量,因此不需要协调中心来控制,各个区域可以实现完全分散的优化求解,从而实现并行计算,虽然迭代次数相对标准ADMM法较多一点,但是可以通过各区域之间的并行计算缩短优化时间。采用SADMM法时,前5次迭代时各区域的优化计算时间对比见表4。在该算例中,各个区域的规模均较小,虽然除了R图10为微电网动态经济调度目标函数的收敛曲线,图11为SADMM的收敛判据Γ的收敛曲线,开始迭代时曲线有所振荡,在迭代后期曲线能稳定地收敛到最优解,算法具有较强的稳定性。全局常量ε的取值与算法收敛所需的迭代次数有一定的关系,如图12所示。可见,ε在500000时迭代次数不到20000多次,随着ε的减小,迭代次数也逐渐减少,ε取30000时迭代次数仅不到3000次,但是ε继续减小,迭代次数则会上升。5sadm法的特点本文基于微电网分散式经济调度问题,在标准ADMM法基础上,采用一种改进的ADMM法进行求解,