技术摘要：
本申请公开了一种配电网中压‑低压协同优化方法，包括：基于配电网时空尺度构建配电网中压‑低压资源协调控制体系，包括：日前阶段中压控制中心、日内阶段低压控制中心和实时阶段资源控制中心；基于日前阶段中压控制中心获取中压配电网系统运行成本，基于中压配电网系  全部
背景技术：
配电网在电力系统中占据重要的位置，其包括电源端和需求侧。在电源端，目前广 泛接入了分布式光伏，其具有适应配电区域的复杂地形、建设空间狭小的特点；在需求侧， 清洁无污染的电动汽车在发展水平较高的城市地区已大规模并入配电网中。随着配电网迅 速发展，分布式光伏的渗透率逐渐提高，容易造成网络阻塞，因此对配电网进行优化运行至 关重要。而分布式储能、空调热泵等柔性负荷以其灵活可调的特性，能够有效应对电动汽车 和分布式光伏的随机性，缓解网络阻塞。 当前专家对配电网的最优运行问题进行了研究，例如：基于复杂系统架构定义配 电公司与微网为两个独立的系统，以每个独立系统利益最大化为优化目标，建立主动配电 网运行控制模型，采用分层优化算法对模型进行求解。 然而本申请的发明人发现，配电网中的柔性负荷大多接入直接低压配电台区，而 现有技术大多对中压配电网进行优化运行处理，并未考虑到低压配电网的优化，无法实现 配电网中压-低压灵活资源的协同优化控制。
技术实现要素：
本申请提供了一种配电网中压-低压协同优化方法，以解决现有技术无法有效地 对配电网中压-低压灵活资源进行优化控制的问题。 为了解决上述技术问题，本申请实施例公开了如下技术方案： 本申请提供了一种配电网中压-低压协同优化方法，该方法包括：基于配电网时空 尺度构建配电网中压-低压资源协调控制体系；所述配电网中压-低压资源协调控制体系包 括：日前阶段中压控制中心、日内阶段低压控制中心和实时阶段资源控制中心； 基于所述日前阶段中压控制中心获取中压配电网系统运行成本，基于所述中压配 电网系统运行成本建立日前优化目标函数；设定日前优化约束条件；基于所述日前优化目 标函数和所述日前优化约束条件获取中压配电网优化调度模型； 基于所述日内阶段低压控制中心建立预测模型；对所述预测模型依次进行滚动优 化和反馈校正，得到低压配电网闭环滚动优化控制模型； 对所述中压配电网优化调度模型和所述低压配电网闭环滚动优化控制模型分别 求解，实现配电网中压-低压资源的协调控制。 可选的，所述中压配电网系统运行成本包括： 从资源运营商处购电的成本： αj＝cj·Δt 8 CN 111555369 A 说　明　书 2/17 页 其中： Δt表示预设的时间间隔； G表示可调度发电单元集合； 表示在第r时段内第j可调度发电单元的有功出力； cj表示国家补贴后从第j可调度发电单元购买1kWh电能的价格； 资源运营商削减补偿成本： β＝cDER,j·Δt 其中： 为在第r时段内第j可调度发电单元上报的有功出力； 为在第r时段内第j可调度发电单元实际的有功出力； 为在第r时段内第j可调度发电单元削减的有功出力； cDER,j为按合同规定削减1kWh发电量配电公司向发电商补偿的价格； 从上级电网购电成本： ψ＝cgrid·Δt 其中： 表示在r时段需从上级电网购得的有功功率； cgrid表示配电公司从上级电网购买1kWh电能的价格； 需求侧响应成本： λ＝cbid·Δt μ＝(csell,r-cgrid)·Δt 其中： C表示参与需求侧响应的用户集合； 表示在第r时段第v用户削减的有功功率； cbid表示合同中规定的用户响应中断请求后削减1kWh电能获得配电公司补偿的价 格； csell,r表示配电公司卖给用户的分时电价。 可选的，所述日前优化目标函数的建立方法包括： 其中： CDER表示从资源运营商处购电的成本； 9 CN 111555369 A 说　明　书 3/17 页 CpayDER表示资源运行商削减补偿成本； Cgrid表示从上级电网购电的成本； CDR表示需求侧响应成本。 可选的，所述日前优化约束条件包括： 电能平衡约束： 其中： NP为不可调度发电单元的数量； S为电动汽车充电站的数量； 为在第r时段第h电动汽车充电站的有功出力； 为在第r时段第u不可调度发电单元的有功出力； 为第r时段的总负荷； 为第r时段的网络损耗； 功率平衡约束： 其中: Pi和Qi分别为节点i注入的有功功率和无功功率； Gij、Bij、δij依次为节点i、j之间的电导、电纳和电压相角差； n为系统节点总数；Ui为节点i的电压幅值；Uj为节点j的电压幅值； 可调度发电单元运行约束： 其中： 表示在第r时段内第j可调度发电单元允许的最小有功功率； 表示在第r时段内第j可调度发电单元允许的最大有功功率； RN,j为在第j可调度发电单元在相邻两时段内增加或降低有功功率的限值； 电动汽车充电站运行约束： 10 CN 111555369 A 说　明　书 4/17 页 其中： 为第h个电动汽车集中型充电站的充/放电有功功率； PEV,hmin和PEV,hmax分别为第h个电动汽车集中型充电站的最小和最大充/放电有功功 率； 为第h个集中型充电站在r时段所有电池的剩余电量； ηC、ηF分别为充电机的充、放电效率； 为电动汽车集中型充电站在r时段的充电需求； SEV,hmax为第h个电动汽车集中型充电站所有电池的总电量； SOChmax、SOChmin为第h个电动汽车集中型充电站最大和最小的荷电状态； 可中断负荷削减负荷功率约束： 其中： 为在第r时段内第v用户允许削减负荷的最小有功功率； 为在第r时段内第v用户允许削减负荷的最大有功功率； 与上级电网交换功率约束： 其中： 为在第r时段内配电网与上级电网进行功率交换的最小有功值； 为在第r时段内配电网与上级电网进行功率交换的最大有功值； 可调低压线路功率约束： 其中： 为在第r时段内第l低压线路可调节功率的最小有功功率； 为在第r时段内第l低压线路可调节功率的最大有功功率。 可选的，所述预测模型的获取方法包括： 其中： u0(k)为k时刻储能、分布式光伏、可调节负荷功率优化控制值； Δu(k t|k)为k时刻的未来[k (t-1) ,k t]时段内储能、分布式光伏、可调节负荷 功率增量； u(k i|k)为k时刻预测未来k i时刻储能、分布式光伏、可调节负荷优化功率。 可选的，所述对所述预测模型进行滚动优化包括： 建立滚动优化目标函数，所述滚动优化目标函数为： 11 CN 111555369 A 说　明　书 5/17 页 其中： Ω为日内滚动优化控制对象集合；μp为网络损耗的成本系数； 为k i时刻的网络损耗值；NR为可再生能源的数量； μu为控制对象优化调整的成本系数； 为第n个可再生能源在k i时刻的预测出力值； 为第n个可再生能源在k i时刻的实际出力值； 为第j个控制对象在日前优化中k i时刻的调度值； u0,j(k i-1)为第j个控制对象在日前优化中k i-1时刻实际优化控制值； Δuj(k i)为控制变量，表示第j个控制对象在日内优化中k i时刻的控制值增量； Δt′表示预设的时间间隔； 设定滚动优化约束条件，所述滚动优化约束条件包括：线性潮流下的电压功率潮 流约束、分布式光伏出力约束、储能运行约束和可调节负荷功率调节约束； 基于所述滚动优化目标函数和所述滚动优化约束条件构建滚动优化模型，根据所 述滚动优化模型得到k i时刻的储能、分布式光伏、可调节负荷功率变化量列向量ΔuT(k i |k)；得到Tin个优化时段控制变量列向量序列集合： {ΔuT(k 1|k) ,ΔuT(k 2|k) ,…,ΔuT(k Tin|k)} 执行所述控制变量序列集合中的第一个控制变量列向量，得到k 1时刻低压配电 网储能、分布式光伏、可调节负荷的优化功率： u(k 1|k)＝u0(k) ΔuT(k 1|k)。 可选的，所述对所述预测模型进行反馈校正包括： 更新k 1时刻系统实际的负荷、光照量测值，用于预测k 1时刻的负荷、光伏短时滚 动预测；将k 1时刻的储能、分布式光伏和可调节负荷优化控制值作为k 1时刻滚动优化的 初始值，实现闭环控制： u0(k 1)＝ureal(k 1) 其中： u0(k 1)为k 1时刻控制对象的初始值； ureal(k 1)为k 1时刻通过优化控制获得的控制对象的出力值。 可选的，所述对所述中压配电网优化调度模型和所述低压配电网闭环滚动优化控 制模型分别求解包括： 基于粒子群算法对所述中压配电网优化调度模型进行求解； 基于预设的线性潮流计算方法对所述低压配电网闭环滚动优化控制模型进行求 解。 可选的，所述预设的线性潮流计算方法包括： 12 CN 111555369 A 说　明　书 6/17 页 获取潮流节点电压和支路潮流： 其中： Mr为支路关联矩阵；为节点电压矢量；线路注入复功率矢量； 为线路电流矢 量； 将公式(1)和(2)线性化处理： v≈Bvpp Bvqq kv          (3) pb≤Mrp Mr(Fpl(p) Fpl(q))      (4) qb≤Mrq Mr(Fql(p) Fql(q))      (5) 其中： Bvp、Bvq和kv是常数； Fpl为p的线性函数，表示实际支路有功功率损耗； Fql为q的线性函数，表示实际支路无功功率损耗； 忽略节点电压相量的虚部，得到线路电压降落的实部： 计算线路的电流矢量： 将公式(7)代入公式(6)中，将公式(3)转化为： 计算线路损耗： 基于分段线性逼近方法对公式(2)的支路功率损耗进行松弛处理，得到： 其中： 计算实际支路有功功率损耗Fpl和实际支路无功功率损耗Fql： 13 CN 111555369 A 说　明　书 7/17 页 其中： i∈N，ei表示 中的一个单位向量，第i个元素为1，其余元素为0； κ:＝{1,...,K}，包含支路电流的K个分区； fpk表示预设的无功损耗分段线性函数，fqk表示预设的无功损耗分段线性函数。 与现有技术相比，本申请的有益效果为： 本申请提供了一种配电网中压-低压协同优化方法，所述方法包括：基于配电网时 空尺度构建配电网中压-低压资源协调控制体系，包括：日前阶段中压控制中心、日内阶段 低压控制中心和实时阶段资源控制中心；基于日前阶段中压控制中心获取中压配电网系统 运行成本，基于中压配电网系统运行成本建立日前优化目标函数；设定日前优化约束条件； 基于日前优化目标函数和日前优化约束条件获取中压配电网优化调度模型；基于日内阶段 低压控制中心建立预测模型；对预测模型依次进行滚动优化和反馈校正，得到低压配电网 闭环滚动优化控制模型；对中压配电网优化调度模型和低压配电网闭环滚动优化控制模型 分别求解，实现配电网中压-低压资源的协调控制。本申请实施例所提出的方法能够实现中 压配电网和低压配电网之间的双向支撑：在日前时间尺度管理中压配电网的灵活资源，并 优化设定低压配电线路的出口功率，中压配电网的灵活资源优化有利于提升低压配电网对 分布式光伏的消纳水平；在日内短时能够充分考虑低压线路中接入的分布式光伏的随机出 力，采用模型预测控制方法实现对低压线路中的灵活资源的优化控制以及对日前调度设定 值的有效跟踪，减少分布式光伏随机性对中压配电网日前优化结果的影响。因此本申请实 施例可以有效地对配电网中压-低压灵活资源进行优化控制。 附图说明 为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简 单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下， 还可以根据这些附图获得其他的附图。 图1为本申请实施例提供的配电网中压-低压协同优化方法的流程示意图。