《多个微电网集群如何实现完全分布式优化调度.doc》由会员分享，可在线阅读，更多相关《多个微电网集群如何实现完全分布式优化调度.doc（4页珍藏版）》请在第一文库网上搜索。
1、多个微电网集群如何实现完全分布式优化调度随着电力市场的推进，微电网群是电力市场交易的重要应用场景，后续研究中我们将研究现货市场环境下微电网群的优化与运行。主要内容1）微电网群优化调度模型。随着可再生能源分布式发电技术的大量应用，微电网作为分布式电源的有效接入方式，受到广泛关注。但单个微电网具有容量有限，抗干扰能力弱等缺点，将多个微电网互联并以集群的形式运行，有利于提高供电可靠性。本文研究的微电网群不与大电网相连，相邻的微电网之间存在功率交换和信息交互。微电网内部包含光伏、风机、柴油发电机、蓄电池等分布式电源以及电力负荷。本文中的优化策略主要是通过优化柴油发电机功率和蓄电池充放电功率等可控变量使
2、得整个微电网群的运行成本最低。微电网群的优化目标是最小化全部微电网的总运行成本，包括各子微电网的蓄电池充放电损耗、柴油机燃料消耗以及交换功率的成本。微电网群优化问题的约束条件可以分为子微电网内部约束和微电网群全局约束。子微电网内部约束包括内部功率平衡约束、柴油机出力上下限约束、交换功率上下限约束和蓄电池运行约束；微电网群全局约束指的是微电网间的交换功率平衡约束，即全部子微电网的输入或输出的功率之和为零。2）同步型ADMM算法和有限时间一致性算法。标准ADMM法的迭代过程是子问题按照事先安排好的顺序交替进行的，前一个子问题的求解结果会代入后一个子问题进行优化求解，所有子问题全部完成一次迭代后再更
3、新拉格朗日乘子。两区域分布式优化的迭代过程写成以下形式：对于微电网群优化问题，交换功率平衡约束条件中包含了所有子微电网的交换功率变量。分布式优化过程中，每次迭代中需要获取其它子微电网的期望交换功率优化结果。为了避免迭代混乱，采用同步型ADMM算法，使各子微电网在迭代过程从异步计算转换为同步计算。在某个子微电网进行优化计算时，选取前次期望交换功率计算结果的修正值作为下一次迭代的参考值。本文中采用的分布式算法在迭代过程中需要获取各个微电网期望交换功率的平均值信息，通过有限一致性算法可以在没有控制中心的情况下进行必要的信息传递。此外，有限时间一致性算法在通信拓扑发生改变的情况下仍然可以进行有效的信息
4、传递。3）基于MPC的分布式优化调度。图1 MPC的滚动优化过程MPC的滚动优化过程如图1所示。假如当前系统运行在时刻，采集时刻的系统状态，在已知未来一段时域内系统扰动变量的预测信息的基础上，以最小化运行成本为目标求取预测时域内柴油机和蓄电池的最优出力，但仅在一个控制时域内采用该优化结果，在时刻重复此优化过程。这里，只有储能SOC值与上个时刻的状态值有关，每个时刻需要采集的状态变量为蓄电池的SOC值；扰动变量为具有随机性的风光荷功率；柴油机和蓄电池的出力作为系统的控制变量，也是优化问题中的决策变量。将MPC作为微电网群的优化调度策略，全天划分为96个时刻进行滚动优化，采用同步型ADMM对每个时
5、刻的优化模型进行分布式求解，同步型ADMM的分布式求解过程中需要获取各个微电网的一致性信息（即平均的期望交换功率），采用一致性算法在只与相邻微电网通信的情况下获取全局的一致性信息。4）算例分析。以一个由4个MG组成的微电网群为例，进行分析。图2为分别采用本文方法和实时单步优化策略时微电网群各个时刻的运行成本对比。可以看出，两种方法下的运行成本差异主要出现在第70至96个时刻，这段时间负荷功率处于较高的水平，MPC的每一步优化都考虑了系统未来一段时间的状态，在负荷高峰期由柴油机和蓄电池同时供电，而单步优化中先由蓄电池供电后由柴油机供电，可以有效避免柴油机高负荷运行，从而降低运行成本。统计24h内
6、微电网群的总运行成本，采用MPC比采用单步优化降低6.59%的运行费用。图2 两种方法下的运行成本对比创新点1）采用同步型ADMM求解优化问题，并引入有限时间一致性算法进行信息交互，传递分布式算法迭代过程中所需信息，以实现完全分布式计算。2）考虑到微电网系统的时间耦合性和多扰动的特点，将MPC和分布式算法结合，应用于微电网群的优化调度问题。MPC可以考虑未来一段时间内的系统运行状态，通过滚动优化的方式降低风光等不确定因素的影响，达到更优的控制效果，降低微电网群的总运行成本。后续研究方向本文提出的微电网群分布式优化调度策略主要针对微电网群的有功功率调度问题，验证了MPC在微电网群有功功率协调方面的有效性，但未涉及到无功功率优化方面的内容，因此后续考虑将MPC应用于微电网群的无功优化，更好协调各子微电网间的无功分布维持电压稳定。此外，随着电力市场的推进，微电网群是电力市场交易的重要应用场景，后续研究中我们将研究现货市场环境下微电网群的优化与运行。4
免费区 
