[發明專利]一種智能電網混合優化模型的加速分布式優化方法

有效

• 申請號: 202010402590.6
• 申請日: 2020-05-13
• 公開（公告）號: CN111555367B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 羅松林;羅煜;陳威洪;劉樹安;李敬光;張鑫
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司東莞供電局
• 主分類號: H02J3/46
• 分類號: H02J3/46
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李寧

1.一種智能電網混合優化模型的加速分布式優化方法，其特征在于，基于智能電網的混合優化模型實現，

所述模型分為兩個階段：

第一階段：確定電價典型場景；

第二階段：在所述第一階段的每個所述電價典型場景下進行可再生能源RE和負載的混合隨機規劃魯棒優化；

電價典型場景的獲取方法包括：通過對電價歷史數據的分析，得到電價的預測分布，再進行場景選擇；

場景選擇采用拉丁超立方體抽樣方法，分別從(0,1)等分的n_s個子區間產生n_s個場景；

所述第二階段的魯棒優化是將傳統能源發電CGs、風力發電WGs、電池存儲系統BSSs、可移動設備SAs和在n_s個場景下與外部電網的銷售/購買電力的總體預期成本降到最低：

其中：為第i個傳統能源發電的成本函數，為第i個傳統能源發電的出力,n_g為傳統能源發電機個數；為第i個風力發電的削減罰款函數，為第i個風力發電的出力，n_w為風力發電機個數；為第i個儲能系統的成本函數，為第i個儲能系統的出力，n_b為儲能系統個數；為第i個可移動設備不滿意成本的函數，為第i個可移動設備的出力，n_sa可移動設備個數；為外部電網購買/出售電力的成本函數，為外部電網購買/出售的電力；

在第s個電價的情況下，建立混合隨機規劃魯棒優化模型具體為：

s.t.D(X)＝0

E(X)≤0

其中，x_i是因變量，f_i(x_i)表示傳統能源發電成本函數、風力發電成本函數、電池存儲系統成本函數、可移動設備成本函數和在n_s個場景下于外部電網的銷售/購買電力的成本函數；M表示場景的序號；

所述智能電網混合優化模型的加速分布式優化方法包括如下步驟：

步驟100、在多智能體系統一致的算法基礎上建立混合隨機規劃魯棒優化模型相對應的拉格朗日對偶為：

其中，λ和μ分別是D(X)和E(X)的拉格朗日對偶乘子；

步驟200、每個智能體拉格朗日對偶中分解得到子問題，所述子問題具體為：

其中，X_i是X在當地的復制，λ_i是λ在當地的復制，μ_i是μ在當地的復制；

步驟300、在每個智能體中設置初始變量，并逐次進行迭代，在第k次迭代時由加速梯度下降法進行更新，具體為：

其中是L_i關于的導數，τ₁是固定的步長；

分布式優化的信息交換過程基于多智能體系統一致性算法，每個智能體只與它的鄰居交換信息，信息交換矩陣W的信息交換權重w_ij計算如下：

其中N_i和n_i是智能體i的鄰居集和鄰居個體；

P_Ω是X_i在其取值集合上的投影，具體定義為：

將x_ij的更新、交換和投影協議簡化為：

λ_i更新規則和信息交換協議為：

其中τ₂是固定步長；

μ_i的更新規則和信息交換協議與λ_i相同：

迭代停止準則由以下條件確定：

其中，δ_e是于固定的誤差容限。

2.根據權利要求1所述的一種智能電網混合優化模型的加速分布式優化方法，其特征在于，第s個價格場景下各個成本具體為：

其中，為基準值功率輸出；為可再生能源發電和負荷偏差的備用容量；a_gi，b_gi和c_gi為成本系數；Λ為風電偏差的協方差矩陣，σ為協方差總合；

其中，a_wi為成本系數為基準值功率輸出，P_wi,f預測手段得到的最大可用風能；

其中，為基準功率值，為可再生能源發電和負荷偏差的備用容量，a_bsi為成本系數；

其中，a_sai為折中的成本系數，P_sai,d指期望功耗；

其中，是成本系數。