亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于邊緣計(jì)算的高滲透率微電網(wǎng)并行分布式優(yōu)化經(jīng)濟(jì)調(diào)度

        2023-03-06 09:01:02聶涌泉彭超逸胡亞平何宇斌馬光黃楚鴻
        南方電網(wǎng)技術(shù) 2023年1期
        關(guān)鍵詞:優(yōu)化

        聶涌泉,彭超逸,胡亞平,何宇斌,馬光,黃楚鴻

        (1. 中國(guó)南方電網(wǎng)有限責(zé)任公司電力調(diào)度控制中心, 廣州 510663; 2. 中國(guó)能源建設(shè)集團(tuán)廣東省電力設(shè)計(jì)研究院有限公司, 廣州 510663)

        0 引言

        新能源具有可持續(xù)性和環(huán)境友好性,使用風(fēng)力、光伏等新能源發(fā)電是減少碳排放的有效方式,因此新能源發(fā)電技術(shù)已經(jīng)成為各國(guó)關(guān)注的焦點(diǎn)[1-2]。與此同時(shí),新能源發(fā)電可以解決大部分發(fā)展中和發(fā)達(dá)國(guó)家都在遭受能源短缺的問(wèn)題[3-4]。為了提高可再生能源的滲透率,將可再生能源發(fā)電進(jìn)行規(guī)?;M合形成微電網(wǎng),并利用控制中心對(duì)其進(jìn)行控制與調(diào)度,大大降低了可再生能源的波動(dòng)性對(duì)大電網(wǎng)的影響,提高了供電可靠性[5]。大電網(wǎng)與合適的控制方法相結(jié)合,被國(guó)內(nèi)外許多專家學(xué)者認(rèn)為是降低能耗、提高電力系統(tǒng)可靠性可靠性和靈活性的主要方式[6]。微電網(wǎng)的運(yùn)行方式主要分為并網(wǎng)和離網(wǎng)兩種,對(duì)于包含海量分布式可再生能源的微電網(wǎng)而言,采用并網(wǎng)運(yùn)行方式可以提高系統(tǒng)運(yùn)行穩(wěn)定性[7],并網(wǎng)運(yùn)行時(shí)為了給微電網(wǎng)留出足夠安全裕量,協(xié)調(diào)控制微電網(wǎng)內(nèi)部分布式電源來(lái)平抑關(guān)口變壓器功率輸出[8]。

        邊緣計(jì)算是靠近端側(cè)設(shè)備或數(shù)據(jù)源頭的本地計(jì)算,具備實(shí)時(shí)采集、即時(shí)計(jì)算、在線響應(yīng)和準(zhǔn)確控制等優(yōu)點(diǎn)[9]。基于邊緣計(jì)算的微電網(wǎng)控制方法可以確保信息流處理的實(shí)時(shí)性,進(jìn)而保證能量流控制的穩(wěn)定性,近來(lái)已得到廣泛關(guān)注[10]。文獻(xiàn)[11]結(jié)合邊緣計(jì)算和深度強(qiáng)化學(xué)習(xí),提出一種微電網(wǎng)能量調(diào)度方案,考慮邊緣計(jì)算服務(wù)器任務(wù)載量的同時(shí)對(duì)原問(wèn)題進(jìn)行了分解,實(shí)現(xiàn)了微電網(wǎng)供電計(jì)劃的分布式求解。文獻(xiàn)[12]基于多接入邊緣計(jì)算對(duì)微電網(wǎng)進(jìn)行能源調(diào)度,考慮可再生能源預(yù)測(cè)和能源消耗的不確定性,提出一種具有風(fēng)險(xiǎn)意識(shí)的微電網(wǎng)能源調(diào)度方法來(lái)最小化調(diào)度方案實(shí)際的能量剩余。文獻(xiàn)[13]提出了一種具有邊緣計(jì)算能力的自供電無(wú)線網(wǎng)絡(luò)能量調(diào)度機(jī)制,建立了系統(tǒng)總能耗最小的兩階段線性隨機(jī)規(guī)劃模型,實(shí)現(xiàn)了電網(wǎng)的經(jīng)濟(jì)調(diào)度。文獻(xiàn)[14]提出一種基于云-邊緣計(jì)算架構(gòu)的海島微電網(wǎng)經(jīng)濟(jì)調(diào)度策略,通過(guò)啟發(fā)式算法生成最優(yōu)決策樣本并采用監(jiān)督學(xué)習(xí)模型進(jìn)行訓(xùn)練,實(shí)現(xiàn)了孤島微電網(wǎng)的實(shí)時(shí)經(jīng)濟(jì)調(diào)度。

        在過(guò)去10年中,很多學(xué)者對(duì)微電網(wǎng)的控制做了大量研究,所提出的控制方案主要有3 種類型,即分層控制[15-18]、集中控制[19-22]以及分散或分布式控制[23-26]。分層控制包括主控制、二次控制,有時(shí)包括三次控制,其中分布式電源(distributed generator,DG)由主控制調(diào)節(jié),而主控制引入的偏差由二次控制消除。

        在集中控制中,有一個(gè)中央控制器收集并處理所有信息,因此無(wú)需迭代即可獲得最優(yōu)解。文獻(xiàn)[27]根據(jù)發(fā)電機(jī)穩(wěn)態(tài)模型,以最小化運(yùn)行成本與最大化環(huán)境效益為目標(biāo)函數(shù),提出了一種基于集中控制策略的調(diào)度模式。文獻(xiàn)[5]以最大化發(fā)電收益為目標(biāo)函數(shù),提出了一種互聯(lián)微電網(wǎng)集中式預(yù)測(cè)模型,實(shí)現(xiàn)了集中控制下微網(wǎng)的發(fā)電機(jī)最大資源收益。文獻(xiàn)[28]提出了一種集中式一致性算法,運(yùn)用總功率偏差作為收斂條件,在總功率偏差的計(jì)算中對(duì)當(dāng)前所有的發(fā)電機(jī)輸出功率進(jìn)行求和再進(jìn)行運(yùn)算,從而解決了對(duì)每個(gè)區(qū)域的功率調(diào)度問(wèn)題,然而單點(diǎn)故障將導(dǎo)致整個(gè)系統(tǒng)故障。

        另一方面,在分散控制或分布式控制中,僅使用局部信息,即使多個(gè)控制器失效,系統(tǒng)仍然可以工作。為了降低通信和計(jì)算的復(fù)雜性,分散或分布式控制似乎更適合復(fù)雜系統(tǒng)。由于微電網(wǎng)的分布式特性,利用相鄰單元之間的溝通和信息交流可以提高信息傳輸?shù)男省R虼?,近年?lái),微電網(wǎng)的分布式控制和分布式優(yōu)化調(diào)度方法,已成為研究的熱點(diǎn)。

        文獻(xiàn)[29]基于傳統(tǒng)的下垂控制提出了一種交流電網(wǎng)的最優(yōu)功率控制策略,應(yīng)用等微增率原理滿足系統(tǒng)的經(jīng)濟(jì)調(diào)度要求。文獻(xiàn)[30]以發(fā)電機(jī)最小成本為目標(biāo)函數(shù),提出了一種完全分布式算法來(lái)解決有向網(wǎng)絡(luò)上的微電網(wǎng)經(jīng)濟(jì)調(diào)度問(wèn)題,該算法使得每個(gè)處理器可以進(jìn)行本地分配權(quán)重,并且在考慮了噪聲和傳輸延遲的情況下實(shí)現(xiàn)了最優(yōu)調(diào)度。文獻(xiàn)[31]提出了一種基于一致性的分布式微電網(wǎng)控制方案,將頻率控制與圖論中的一致性協(xié)議相結(jié)合,采用PI頻率控制器和神經(jīng)網(wǎng)絡(luò)頻率控制器開發(fā)經(jīng)濟(jì)調(diào)度方法,并且提出了魯棒經(jīng)濟(jì)調(diào)度控制方法,使得系統(tǒng)在通訊失敗的情況下也能保持最佳調(diào)度,在實(shí)現(xiàn)經(jīng)濟(jì)調(diào)度的同時(shí)提高了系統(tǒng)魯棒性。文獻(xiàn)[32]提出了一種基于混合整數(shù)規(guī)劃微電網(wǎng)分布式發(fā)電經(jīng)濟(jì)調(diào)度策略,使用分段線性的方法產(chǎn)生可行解和區(qū)域解的下界,從而實(shí)現(xiàn)更快速和準(zhǔn)確的計(jì)算。文獻(xiàn)[33]提出了一種交直流微電網(wǎng)群的分布式控制調(diào)度方法,根據(jù)離散一致性原則對(duì)電流變換器進(jìn)行控制,從而實(shí)現(xiàn)各個(gè)交直流微電網(wǎng)之間的功率分配,從而達(dá)到最優(yōu)經(jīng)濟(jì)調(diào)度的目的。文獻(xiàn)[34]提出了一種混合連接微網(wǎng)的經(jīng)濟(jì)調(diào)度策略,該方法充分考慮了可再生能源與負(fù)荷的波動(dòng),在多網(wǎng)絡(luò)連接的拓?fù)浣Y(jié)構(gòu)中有著更高的魯棒性。

        一致性算法可以以分布式方式解決成本最小化的經(jīng)濟(jì)調(diào)度問(wèn)題。然而,對(duì)于更一般的優(yōu)化問(wèn)題,找到一個(gè)變量來(lái)達(dá)成一致并不容易。在這種情況下,交替方向乘子法(alternating direction method of multipliers,ADMM)能夠以一種分布式的方式進(jìn)行一般優(yōu)化問(wèn)題的快速求解[35]。ADMM 早在上世紀(jì)七十年代就由Gabay 和Mercier 等人提出,最近又由Stephen Boyd 進(jìn)行整理,成為一種求解具有可分結(jié)構(gòu)的凸優(yōu)化問(wèn)題的重要方法[36]。ADMM 同時(shí)具備對(duì)偶分解法和增廣拉格朗日法的優(yōu)點(diǎn),既能夠?qū)⒃瓎?wèn)題分解為多個(gè)子問(wèn)題來(lái)進(jìn)行分布求解,又放寬了對(duì)目標(biāo)函數(shù)必須為凸函數(shù)且可導(dǎo)的嚴(yán)格要求。因此,該算法已經(jīng)被廣泛應(yīng)用于求解各類可分凸優(yōu)化問(wèn)題[37]。文獻(xiàn)[38]使用二階錐松弛方法以及同步型ADMM 算法作為模型上層搭建多微網(wǎng)的主動(dòng)配網(wǎng)分布式雙層優(yōu)化調(diào)度策略,有效地實(shí)現(xiàn)了系統(tǒng)的最優(yōu)運(yùn)行,提高了系統(tǒng)的經(jīng)濟(jì)性。文獻(xiàn)[39]使用ADMM 算法將全局變量轉(zhuǎn)化為局部變量,并以滿足局部變量為基礎(chǔ),進(jìn)而推進(jìn)滿足全局變量?jī)?yōu)化,解決了多微網(wǎng)運(yùn)行之間的個(gè)體變量矛盾,高效解決了多微網(wǎng)的聯(lián)合經(jīng)濟(jì)調(diào)度,減少了運(yùn)行成本。

        綜上所述,ADMM是一種廣泛使用的分布式優(yōu)化方法,結(jié)合邊緣節(jié)點(diǎn)天然分布式特性,可以在邊緣計(jì)算分布式平臺(tái)上得到充分利用。但是,標(biāo)準(zhǔn)的ADMM是串行工作的,這意味著每一個(gè)邊緣節(jié)點(diǎn)要等上一個(gè)邊緣節(jié)點(diǎn)更新完成后,才開始計(jì)算和更新。對(duì)于一個(gè)多變量的復(fù)雜優(yōu)化問(wèn)題,隨著優(yōu)化問(wèn)題規(guī)模的增大,這樣的串行求解過(guò)程可能會(huì)導(dǎo)致ADMM需要更多的迭代次數(shù)來(lái)尋找最優(yōu)解。如果分布式優(yōu)化方法并行工作,信息可以在多個(gè)邊緣節(jié)點(diǎn)之間交換和處理,各邊緣節(jié)點(diǎn)可以同時(shí)(并行)搜索其子問(wèn)題的解空間,從而加快迭代尋優(yōu)的收斂速度。

        基于邊緣計(jì)算分布式優(yōu)化框架,本文提出了一種并行ADMM方法,所有邊緣節(jié)點(diǎn)并行對(duì)子問(wèn)題的決策變量進(jìn)行更新求解,并將求得的本地中間解與鄰接的邊緣節(jié)點(diǎn)進(jìn)行交換,在反復(fù)迭代的過(guò)程中,逐步得到優(yōu)化問(wèn)題的全局最優(yōu)解。在不降低優(yōu)化精度的前提下,改進(jìn)的ADMM 算法比標(biāo)準(zhǔn)ADMM算法收斂更快。進(jìn)一步,融合邊緣計(jì)算信息網(wǎng)絡(luò),建立微電網(wǎng)信息-能量雙層模型,將該方法應(yīng)用于求解微電網(wǎng)經(jīng)濟(jì)調(diào)度問(wèn)題。仿真結(jié)果表明,求解相同的優(yōu)化問(wèn)題,并行ADMM 算法的迭代次數(shù)僅為標(biāo)準(zhǔn)ADMM 算法的二分之一甚至更少。求解含海量可再生能源微電網(wǎng)發(fā)電成本最小優(yōu)化調(diào)度時(shí),各可控DG 的增量成本趨于一致,表明此方法能夠使得微電網(wǎng)運(yùn)行成本最小化。

        1 基于邊緣計(jì)算的改進(jìn)并行ADMM

        首先介紹了邊緣計(jì)算的概念并描述了其對(duì)應(yīng)信息網(wǎng)絡(luò)分布式求解的流程,接著介紹了標(biāo)準(zhǔn)ADMM 算法串行求解可分解優(yōu)化問(wèn)題的計(jì)算步驟并提出了一種改進(jìn)的并行ADMM 算法用于分布式地求解優(yōu)化問(wèn)題。

        1.1 邊緣計(jì)算與信息網(wǎng)絡(luò)

        邊緣計(jì)算是指靠近網(wǎng)絡(luò)邊緣側(cè)數(shù)據(jù)源頭,融合網(wǎng)絡(luò)、感知、計(jì)算、存儲(chǔ)、分析等核心應(yīng)用能力的分布式開放平臺(tái)。邊緣計(jì)算依托于靠近端側(cè)設(shè)備的邊緣節(jié)點(diǎn)(Node)對(duì)數(shù)據(jù)進(jìn)行感知和本地計(jì)算,并通過(guò)分布式組建的信息網(wǎng)絡(luò)在平臺(tái)內(nèi)分享信息,從而在保證信息流實(shí)效性的基礎(chǔ)上提供穩(wěn)定的服務(wù)。邊緣節(jié)點(diǎn)組建的分布式信息網(wǎng)絡(luò)如圖1所示。

        圖1 邊緣計(jì)算信息網(wǎng)絡(luò)Fig. 1 The information network of edge computing

        邊緣計(jì)算框架要求信息網(wǎng)絡(luò)中的邊緣節(jié)點(diǎn)作為對(duì)等節(jié)點(diǎn)能夠?qū)崿F(xiàn)雙向通信以提升整個(gè)通信過(guò)程的協(xié)同性。D2D(device-to-device)通信技術(shù)是實(shí)現(xiàn)智能代理之間的橫向通信且無(wú)需占用過(guò)多公共通信資源的一種優(yōu)勢(shì)技術(shù)[40]。本文選擇D2D 通信技術(shù)作為邊緣計(jì)算框架的通信基礎(chǔ),忽略時(shí)延、丟包等問(wèn)題認(rèn)為在迭代求解過(guò)程中邊緣節(jié)點(diǎn)之間可以理想地共享信息。

        式中:F(x)為總目標(biāo)函數(shù);x∈Rn×1;A∈Rm×n;B∈Rm×1;f(xi)為凸函數(shù);n為節(jié)點(diǎn)數(shù)量。

        原問(wèn)題F(x)經(jīng)分解后,可以得到每個(gè)邊緣節(jié)點(diǎn)對(duì)應(yīng)的子問(wèn)題f(xi)及子決策變量xi。優(yōu)化問(wèn)題求解過(guò)程中,Nodei可以感知xi的當(dāng)前狀態(tài)并進(jìn)行本地計(jì)算,之后Nodei與鄰接的其余邊緣節(jié)點(diǎn)進(jìn)行信息共享并根據(jù)共享得到的信息對(duì)本地計(jì)算結(jié)果進(jìn)行修正,依托于邊緣計(jì)算信息網(wǎng)絡(luò)天然的分布式特性,優(yōu)化問(wèn)題得以在滿足全局約束的條件下實(shí)現(xiàn)分布式的求解。

        1.2 改進(jìn)的并行ADMM

        式(1)對(duì)應(yīng)的增廣拉格朗日函數(shù)Lρ為:

        式中:y為拉格朗日乘子組且y∈Rm×1;ρ為懲罰因子且ρ>0。

        采用標(biāo)準(zhǔn)ADMM 算法,各變量依次進(jìn)行交替求解的計(jì)算步驟如式(3)所示。

        式中:k為迭代次數(shù);xk,i為第k次迭代中第i個(gè)節(jié)點(diǎn)接收到的上一個(gè)節(jié)點(diǎn)更新過(guò)的本地決策量;xik+1為第k次迭代更新后第i個(gè)節(jié)點(diǎn)的值;yk為第k+1 次和第k次迭代更新后的拉格朗日乘子組。

        采用標(biāo)準(zhǔn)ADMM 求解時(shí),每個(gè)邊緣節(jié)點(diǎn)根據(jù)式(3)更新完本地的決策量后,都會(huì)用更新后的本地決策量來(lái)替代更新之前的值并傳送給下一個(gè)邊緣節(jié)點(diǎn),即xk,i為:

        所有的決策量根據(jù)式(4)更新完成后,利用本次迭代更新完的決策量來(lái)統(tǒng)一更新拉格朗日乘子,完成本輪迭代。更新后的拉格朗日乘子在下一次迭代更新過(guò)程中依次傳遞。因此,第k次迭代中第i個(gè)邊緣節(jié)點(diǎn)更新時(shí)接收到的由上一個(gè)可控DG 邊緣節(jié)點(diǎn)發(fā)送的信息為:

        采用標(biāo)準(zhǔn)ADMM 對(duì)上述可分解優(yōu)化問(wèn)題進(jìn)行串行求解時(shí),當(dāng)某一個(gè)邊緣節(jié)點(diǎn)更新本地決策變量時(shí),環(huán)形信息網(wǎng)絡(luò)中其余所有邊緣節(jié)點(diǎn)均處于等待狀態(tài),造成計(jì)算資源的浪費(fèi)和求解時(shí)長(zhǎng)的增加。如圖1 所示,環(huán)形信息網(wǎng)絡(luò)中邊緣節(jié)點(diǎn)之間的通信鏈路是雙向的,改進(jìn)ADMM 算法使所有邊緣節(jié)點(diǎn)可以并行地更新本地決策變量,并將更新后的中間解與鄰接的邊緣節(jié)點(diǎn)進(jìn)行交換,可以提高求解效率。在上層環(huán)形信息網(wǎng)絡(luò)中,采用改進(jìn)ADMM 算法,各邊緣節(jié)點(diǎn)并行求解的計(jì)算步驟如式(6)所示。

        采用改進(jìn)ADMM 算法求解時(shí),上層環(huán)形信息網(wǎng)絡(luò)中每個(gè)邊緣節(jié)點(diǎn)在進(jìn)行迭代計(jì)算前會(huì)收到左右兩個(gè)鄰接邊緣節(jié)點(diǎn)發(fā)送來(lái)的上一次迭代完成的中間解。上層信息網(wǎng)絡(luò)中邊緣節(jié)點(diǎn)的數(shù)量為n時(shí),第k次迭代計(jì)算前第i個(gè)邊緣節(jié)點(diǎn)接收到的來(lái)自左右兩個(gè)鄰接邊緣節(jié)點(diǎn)發(fā)送的中間解匯總后分別如式(7)所示。

        式中si(j)為環(huán)形信息網(wǎng)絡(luò)中第j個(gè)邊緣節(jié)點(diǎn)到第i個(gè)邊緣節(jié)點(diǎn)的通信距離。

        若兩個(gè)相互鄰接的邊緣節(jié)點(diǎn)之間的通信距離為1,則環(huán)形信息網(wǎng)絡(luò)中編號(hào)為j的邊緣節(jié)點(diǎn)到編號(hào)為i的邊緣節(jié)點(diǎn)的通信距離可表示為:

        在第k次迭代中,第i個(gè)邊緣節(jié)點(diǎn)更新完本地的決策變量后,將xik+1與xk,i進(jìn)行整合得到-xk,i,用于進(jìn)一步更新可以表示為:

        如式(9)所示,各邊緣節(jié)點(diǎn)利用更新完的中間解并行地更新本地的拉格朗日乘子,并將更新后的本地拉格朗日乘子與中間決策變量發(fā)送給鄰接的邊緣節(jié)點(diǎn)。因此,在第k次迭代前,第i個(gè)邊緣節(jié)點(diǎn)接收到的由左右兩個(gè)鄰接邊緣節(jié)點(diǎn)發(fā)送的信息為:

        在下一次迭代開始前,每個(gè)邊緣節(jié)點(diǎn)利用接收到的信息,將鄰接邊緣節(jié)點(diǎn)發(fā)送的本地拉格朗日乘子與自身的本地拉格朗日乘子進(jìn)行融合,確保迭代運(yùn)算的結(jié)果收斂到全局最優(yōu)值。

        2 微電網(wǎng)信息-能量雙層模型

        為了對(duì)微電網(wǎng)中分散的電氣設(shè)備進(jìn)行實(shí)時(shí)的就地分布式控制,借助邊緣計(jì)算理論,本文提出一種基于邊緣計(jì)算的微電網(wǎng)信息-能量雙層優(yōu)化結(jié)構(gòu),其中包括由邊緣節(jié)點(diǎn)組成的上層信息網(wǎng)絡(luò)和由微電網(wǎng)終端設(shè)備連接而成的下層能量網(wǎng)絡(luò)。下層能量網(wǎng)絡(luò)由分布式電源和負(fù)載組成,分布式電源包括光伏、風(fēng)機(jī)、微型燃?xì)廨啓C(jī)和小型柴油發(fā)電機(jī)等;上層信息網(wǎng)絡(luò)中包含各類終端DG對(duì)應(yīng)的邊緣節(jié)點(diǎn),邊緣節(jié)點(diǎn)就地對(duì)終端DG 的出力進(jìn)行感知、計(jì)算分析和控制。具體的微電網(wǎng)信息-能量雙層優(yōu)化結(jié)構(gòu)如圖2 所示,圖中上層信息網(wǎng)絡(luò)中的邊緣節(jié)點(diǎn)由菱形框表示,有向箭頭用來(lái)表示各邊緣節(jié)點(diǎn)之間的通信鏈路及其方向。邊緣節(jié)點(diǎn)通過(guò)虛線雙向箭頭對(duì)物理網(wǎng)絡(luò)中DG的出力進(jìn)行感知和控制。

        圖2 雙層網(wǎng)絡(luò)的微電網(wǎng)分布式控制模型Fig. 2 Two-layer distributed control model for microgrids (MGs)

        為了最大限度消納海量分布式可再生能源,降低并網(wǎng)微電網(wǎng)的碳排放量,使光伏、風(fēng)機(jī)等分布式電源工作在最大功率點(diǎn)追蹤方式(maximum power point tracking,MPPT),此時(shí)其功率輸出不能人為地調(diào)整,故稱其為不可控DG;微型燃?xì)廨啓C(jī)、小型柴油發(fā)電機(jī)等可以根據(jù)需要人為地調(diào)整其功率輸出,工作在PQ模式,稱為可控DG;微電網(wǎng)并網(wǎng)運(yùn)行時(shí),微電網(wǎng)中的公共耦合節(jié)點(diǎn)(point of common coupling,PCC)通過(guò)關(guān)口變壓器與上級(jí)電網(wǎng)交換瞬時(shí)波動(dòng)功率來(lái)提供電壓和頻率的支撐,隨后PCC處的交換功率被其他可控DG 分擔(dān)。微電網(wǎng)通過(guò)與上級(jí)電網(wǎng)互動(dòng)調(diào)控使微電網(wǎng)在留有較大安全裕量的同時(shí)實(shí)現(xiàn)穩(wěn)定運(yùn)行。

        信息網(wǎng)絡(luò)中對(duì)應(yīng)PCC的邊緣節(jié)點(diǎn)通過(guò)感知微電網(wǎng)中PCC當(dāng)前的功率輸出,獲得微電網(wǎng)當(dāng)前時(shí)刻的功率波動(dòng),并將這一信息傳遞給鄰接可控DG 對(duì)應(yīng)的邊緣節(jié)點(diǎn),即PCC對(duì)應(yīng)的邊緣節(jié)點(diǎn)只有出邊沒(méi)有入邊??煽谼G 對(duì)應(yīng)的邊緣節(jié)點(diǎn),在對(duì)信息進(jìn)行計(jì)算處理后,通過(guò)雙向的通信鏈路與鄰接的邊緣節(jié)點(diǎn)進(jìn)行信息共享已完成經(jīng)濟(jì)調(diào)度的分布式求解,因此其同時(shí)具有出邊和入邊。如圖2 所示的上層信息網(wǎng)絡(luò),可控DG 對(duì)應(yīng)的邊緣節(jié)點(diǎn)依次按順序成環(huán)形連接,確保后續(xù)分布式求解優(yōu)化問(wèn)題時(shí)結(jié)果能夠收斂到全局最優(yōu)。

        3 微電網(wǎng)優(yōu)化經(jīng)濟(jì)調(diào)度模型

        首先建立了并網(wǎng)微電網(wǎng)發(fā)電成本最小的優(yōu)化調(diào)度模型,之后在建立的微電網(wǎng)信息-能量雙層模型的上層信息網(wǎng)絡(luò)中,結(jié)合邊緣計(jì)算的分布式優(yōu)化框架,利用本文改進(jìn)的ADMM 算法,推導(dǎo)出了微電網(wǎng)發(fā)電成本最優(yōu)調(diào)度時(shí)各可控DG 出力的迭代計(jì)算公式。

        3.1 優(yōu)化經(jīng)濟(jì)調(diào)度模型

        微電網(wǎng)并網(wǎng)運(yùn)行時(shí),其經(jīng)濟(jì)調(diào)度的主要任務(wù)是實(shí)現(xiàn)內(nèi)部分布式電源發(fā)電成本的最小化,當(dāng)風(fēng)機(jī)、光伏等可再生能源按照最大功率跟蹤模式輸出時(shí)其發(fā)電成本可以忽略不記,則微電網(wǎng)的發(fā)電成本主要由微型燃?xì)廨啓C(jī)等可控DG 的發(fā)電成本構(gòu)成[41-43]。微型燃?xì)廨啓C(jī)等可控DG 的發(fā)電成本函數(shù)通??梢越票硎緸槠漭敵鲇泄β实亩魏瘮?shù)[44],此外可控DG 發(fā)電產(chǎn)生碳氧化物的治理成本可以用其需要繳納的碳稅來(lái)衡量,當(dāng)單位碳稅價(jià)格已知時(shí),碳氧化物的治理成本可以表示為輸出有功功率的一次線性函數(shù)[45],則微電網(wǎng)優(yōu)化經(jīng)濟(jì)調(diào)度的目標(biāo)函數(shù)可以表示為:

        式中:ncg為微電網(wǎng)中可控DG的數(shù)量;Fi為第i臺(tái)可控DG 的優(yōu)化目標(biāo)函數(shù);Ci(·)為第i臺(tái)可控DG 的發(fā)電成本函數(shù);Ei(·)為第i臺(tái)可控DG 發(fā)電產(chǎn)生碳氧化物的治理成本函數(shù);Pcg,i(t)為第i臺(tái)可控DG在t時(shí)刻的發(fā)電功率。

        可控DG 的發(fā)電成本函數(shù)和碳氧化物治理函數(shù)分別如式(12)所示。

        式中:αi、βi和γi分別為第i臺(tái)可控DG 發(fā)電成本的一次、二次和常數(shù)項(xiàng)系數(shù);egas為單位碳稅成本系數(shù)。

        當(dāng)t時(shí)刻微電網(wǎng)中以可再生能源驅(qū)動(dòng)的DG 出力或者負(fù)荷需求突然發(fā)生變化時(shí),PCC 立即通過(guò)關(guān)口變壓器與上級(jí)電網(wǎng)進(jìn)行功率交換,維持微電網(wǎng)的電壓和頻率穩(wěn)定,因此在t時(shí)刻微電網(wǎng)中PCC 的出力如式(13)所示。

        式中:PL(t)為微電網(wǎng)在t時(shí)刻的負(fù)荷需求量;Pre,i(t)為第i臺(tái)可再生能源在t時(shí)刻的發(fā)電功率;PPCC(t)為微電網(wǎng)中PCC 在t時(shí)刻的交換功率;nre為微電網(wǎng)中可再生能源發(fā)電機(jī)數(shù)量。

        為了在外部環(huán)境或負(fù)荷需求發(fā)生突變時(shí),微電網(wǎng)能夠擁有較大的調(diào)節(jié)能力,微電網(wǎng)根據(jù)PCC與上級(jí)電網(wǎng)交換功率值對(duì)可控DG 輸出進(jìn)行調(diào)控,即微電網(wǎng)中可控DG的功率輸出需滿足式(14)約束。

        此外,微電網(wǎng)中的可控DG,其任一時(shí)刻的功率輸出存在上下限,如如式(15)所示。

        式中:Pcg,i,min和Pcg,i,max分別為第i臺(tái)可控DG 的發(fā)電功率下限和上限。

        第i臺(tái)可控DG 的功率輸出限制即其在t時(shí)刻的爬坡速率限制如式(16)所示。

        式中:dPcg,i,down和dPcg,i,up分別為第i臺(tái)可控DG 的最大下坡速率和最大上坡速率。

        3.2 基于改進(jìn)ADMM的優(yōu)化模型求解

        并網(wǎng)微電網(wǎng)發(fā)電成本最小優(yōu)化模型如式(17)所示。

        記t時(shí)刻優(yōu)化求解得到的第i臺(tái)可控DG 的出力Pcg,i(t+1) =Pcg,i,則考慮等式約束時(shí),根據(jù)邊緣計(jì)算分布式優(yōu)化框架,利用改進(jìn)ADMM 算法求解微電網(wǎng)發(fā)電成本最小的迭代公式如式(18)所示。

        式中:Pcgk,i為第i個(gè)可控DG邊緣節(jié)點(diǎn)在第k次迭代前接收到的鄰接可控DG 邊緣節(jié)點(diǎn)發(fā)送的可控DG出力中間解;為第i個(gè)可控DG 邊緣節(jié)點(diǎn)在第k次迭代中更新完本地可控DG 出力后的中間解;-1為元素全為1 的ncg維列向量;Pcg(t)為t時(shí)刻可控DG出力組成的列向量。

        根據(jù)式(18)完成每次迭代后,各可控DG 邊緣節(jié)點(diǎn)根據(jù)式(15)—(16)所示的上下限約束來(lái)進(jìn)一步確定本次迭代中間解的最終值。

        4 算例分析

        首先基于MATLAB/Simulink建立了含海量可再生能源微電網(wǎng)仿真平臺(tái),之后通過(guò)對(duì)典型可分解凸優(yōu)化函數(shù)進(jìn)行求解,對(duì)比測(cè)試了標(biāo)準(zhǔn)ADMM 算法和改進(jìn)ADMM 算法的求解性能,最后在微電網(wǎng)仿真平臺(tái)上采用改進(jìn)ADMM 算法對(duì)可控DG的發(fā)電成本最優(yōu)調(diào)度進(jìn)行了求解。

        4.1 微電網(wǎng)仿真平臺(tái)

        為了測(cè)試改進(jìn)ADMM 算法求解微電網(wǎng)發(fā)電成本最優(yōu)的有效性,在Matlab/Simulink 環(huán)境下搭建了包括11 個(gè)DG 及其負(fù)荷的放射型并網(wǎng)微電網(wǎng)仿真平臺(tái)如圖3所示。其中,6臺(tái)可控DG 的發(fā)電成本系數(shù)如表1所示。

        表1 可控DG發(fā)電成本系數(shù)Tab. 1 Generation cost coefficients for controlled DGs

        圖3 微電網(wǎng)仿真模型Fig. 3 Simulation model for MGs

        微電網(wǎng)內(nèi)各DG 的容量及其運(yùn)行方式,以及其對(duì)應(yīng)的負(fù)載最大需求如表2所示。

        表2 DG和負(fù)載參數(shù)Tab. 2 Setup and parameters of DGs and loads

        4.2 算法對(duì)比

        為了測(cè)試所提改進(jìn)ADMM 算法的性能,本算例對(duì)比測(cè)試了標(biāo)準(zhǔn)串行ADMM 和改進(jìn)并行ADMM在邊緣計(jì)算分布式優(yōu)化框架下求解的精度和收斂速度。選用如表3 所示的4 種典型凸函數(shù)作為目標(biāo)函數(shù),來(lái)對(duì)兩種算法進(jìn)行比較測(cè)試。

        表3 測(cè)試函數(shù)表Tab. 3 Tables of test functions

        為了消除隨機(jī)性對(duì)算法求解性能的影響,在每種測(cè)試目標(biāo)函數(shù)下分別設(shè)置100 組系數(shù)不同的等式約束條件分別利用標(biāo)準(zhǔn)串行ADMM 和并行ADMM求解,再將相關(guān)的性能指標(biāo)做平均來(lái)做比較。等式約束中優(yōu)化變量對(duì)應(yīng)系數(shù)取值式(19)所示。

        同時(shí),等式約束常數(shù)項(xiàng)的取值應(yīng)保證所構(gòu)造優(yōu)化問(wèn)題最優(yōu)解的存在。

        以內(nèi)點(diǎn)法求解的結(jié)果作為參考最優(yōu)解,計(jì)算標(biāo)準(zhǔn)ADMM 和改進(jìn)ADMM 算法所求出最優(yōu)解與參考最優(yōu)解的絕對(duì)平均偏差(mean absolute errors,MAE)來(lái)比較兩者求解精度。MAE 的計(jì)算公式如式(20)所示。

        式中:xi*,IPA為內(nèi)點(diǎn)法計(jì)算得到的參考最優(yōu)解的第i個(gè)分量;xi*為邊緣節(jié)點(diǎn)利用標(biāo)準(zhǔn)ADMM 或改進(jìn)ADMM計(jì)算得到的第i個(gè)子問(wèn)題的最優(yōu)解。

        標(biāo)準(zhǔn)ADMM 和改進(jìn)ADMM 算法的懲罰因子設(shè)置相同均為0.05,收斂精度均取0.01,則在所設(shè)置的100組約束條件下消除隨機(jī)性后利用標(biāo)準(zhǔn)ADMM算法和改進(jìn)ADMM 算法求解上述表中所示典型凸優(yōu)化問(wèn)題得到的最優(yōu)解與內(nèi)點(diǎn)法參考最優(yōu)解的絕對(duì)平均偏差MAE 以及所需迭代次數(shù)(number of iteration,NoI)如表4所示。

        表4 串行ADMM與并行ADMM結(jié)果對(duì)比Tab. 4 Results comparison berween serial ADMM and parallel ADMM

        由表4 可知,在邊緣計(jì)算分布式優(yōu)化框架下采用標(biāo)準(zhǔn)ADMM 算法和本文改進(jìn)的ADMM 算法對(duì)測(cè)試的優(yōu)化問(wèn)題求解時(shí),MAE 值很小,得到的最優(yōu)解與采用內(nèi)點(diǎn)法得到的參考最優(yōu)解基本一致。其中,對(duì)同一測(cè)試函數(shù)縱向?qū)Ρ葋?lái)看,當(dāng)n值增大即問(wèn)題復(fù)雜度提高時(shí),采用兩種算法求解的迭代次數(shù)都會(huì)增加。此外,橫向?qū)Ρ葋?lái)看,分別采用標(biāo)準(zhǔn)ADMM 算法和改進(jìn)ADMM 對(duì)同一優(yōu)化問(wèn)題進(jìn)行求解時(shí),改進(jìn)ADMM 算法求得的最優(yōu)解精度更高,且迭代次數(shù)更少收斂速度更快。測(cè)試第一類函數(shù)時(shí),改進(jìn)ADMM 算法的迭代次數(shù)僅為標(biāo)準(zhǔn)ADMM算法的三分之一;測(cè)試第二類函數(shù)時(shí),改進(jìn)ADMM算法的迭代次數(shù)僅為標(biāo)準(zhǔn)ADMM 算法的二分之一;測(cè)試第三類函數(shù)時(shí),改進(jìn)ADMM 算法的迭代次數(shù)最小為標(biāo)準(zhǔn)ADMM 算法的四分之一;測(cè)試第四類函數(shù)時(shí),改進(jìn)ADMM 算法的迭代次數(shù)平均最小為標(biāo)準(zhǔn)ADMM算法的十分之一。

        此外,根據(jù)事前分析估算法可以計(jì)算出單次迭代過(guò)程中本文所提并行ADMM 算法與標(biāo)準(zhǔn)ADMM算法的空間復(fù)雜度,包含存儲(chǔ)執(zhí)行代碼和預(yù)分配變量的內(nèi)存在內(nèi),若最大允許迭代次數(shù)為Tmax,則兩者的單位空間復(fù)雜度都可以近似表示為O(nTmax+n)。結(jié)合上述利用事后統(tǒng)計(jì)法對(duì)比迭代次數(shù)的結(jié)果可知,在單位空間復(fù)雜度近似相同的情況下,本文所提的并行ADMM 算法相對(duì)于標(biāo)準(zhǔn)ADMM 算法而言在時(shí)間復(fù)雜度對(duì)比上仍然具有優(yōu)越性。

        4.3 成本最小

        仿真過(guò)程中,微電網(wǎng)內(nèi)高比例風(fēng)機(jī)和光伏的出力曲線以及微電網(wǎng)內(nèi)負(fù)荷總的有功需求和無(wú)功需求分別如圖4和表5所示。

        表5 負(fù)荷需求波動(dòng)Tab. 5 The fluctuations of the loads demand

        圖4 微電網(wǎng)仿真環(huán)境設(shè)置Fig. 4 The simulation environment setting for MGs

        在建立的微電網(wǎng)仿真平臺(tái)中,上層信息網(wǎng)絡(luò)中邊緣節(jié)點(diǎn)利用式(20)所示的并行ADMM 求解公式來(lái)對(duì)孤島運(yùn)行微電網(wǎng)發(fā)電成本最小優(yōu)化調(diào)度進(jìn)行求解,在調(diào)度周期內(nèi)各可控DG 的出力曲線如圖5所示。

        圖5 可控DG出力曲線Fig. 5 The output curve for controlled DGs

        如圖5 所示,t=2 h 之前微電網(wǎng)內(nèi)沒(méi)有較大的功率波動(dòng),各可控DG 的出力沒(méi)有較大變化,且如圖所示各可控DG 對(duì)應(yīng)的耗量微增率始終保持相等,微電網(wǎng)內(nèi)可控DG的出力實(shí)現(xiàn)了經(jīng)濟(jì)最優(yōu)。

        在t=2 h,微電網(wǎng)內(nèi)部負(fù)荷需求突然急劇增大,此時(shí)如圖6 所示,微電網(wǎng)的電壓和頻率受到影響從而發(fā)生較大波動(dòng)。

        圖6 微電網(wǎng)電壓和頻率曲線Fig. 6 The voltage and frequency curve of MGs

        如圖7 所示,微電網(wǎng)調(diào)控PCC 及時(shí)從上級(jí)電網(wǎng)汲取功率,從而保證微電網(wǎng)的電壓和頻率穩(wěn)定且不會(huì)越過(guò)安全限制。之后PCC對(duì)應(yīng)的邊緣節(jié)點(diǎn)感知從上級(jí)電網(wǎng)汲取的功率值,并在信息網(wǎng)絡(luò)中與可控DG 對(duì)應(yīng)的邊緣節(jié)點(diǎn)進(jìn)行共享,可控DG 邊緣節(jié)點(diǎn)并行進(jìn)行更新,通過(guò)控制可控DG 增發(fā)功率來(lái)分擔(dān)儲(chǔ)能系統(tǒng)的放電輸出,如圖8 所示,增發(fā)功率后各可控DG 的耗量微增率仍然保持一致,微電網(wǎng)內(nèi)的發(fā)電成本實(shí)現(xiàn)了經(jīng)濟(jì)最優(yōu)。

        圖7 PCC出力曲線Fig. 7 The output curve for PCC

        圖8 可控DG耗量微增率曲線Fig. 8 Incremental ratio of consumption curves for controlled DGs

        在t=4 h,微電網(wǎng)內(nèi)部負(fù)荷需求突然大幅度減小,此時(shí)如所示微電網(wǎng)的電壓和頻率受到影響發(fā)生較大波動(dòng)。如圖7 所示,微電網(wǎng)調(diào)控PCC 及時(shí)通過(guò)關(guān)口變壓器向上級(jí)電網(wǎng)輸送功率來(lái)消納微電網(wǎng)內(nèi)多余的電量,進(jìn)一步穩(wěn)定微電網(wǎng)的電壓和頻率。之后各可控DG 按照對(duì)應(yīng)邊緣節(jié)點(diǎn)更新的控制指令來(lái)減發(fā)功率,通過(guò)微電網(wǎng)與上級(jí)電網(wǎng)的互動(dòng)調(diào)控使PCC的功率波動(dòng)為零,如圖8 所示,減發(fā)功率后各可控DG 的耗量微增率仍然保持一致,微電網(wǎng)內(nèi)的發(fā)電成本實(shí)現(xiàn)了經(jīng)濟(jì)最優(yōu)。

        其余時(shí)刻,當(dāng)微電網(wǎng)內(nèi)部的負(fù)荷需求突然減小或增大時(shí),微電網(wǎng)通過(guò)與上級(jí)電網(wǎng)互動(dòng)調(diào)控使PCC及時(shí)通過(guò)關(guān)口變壓器向上級(jí)電網(wǎng)汲取或釋放功率,從而維持微電網(wǎng)電壓和頻率的穩(wěn)定。之后PCC對(duì)應(yīng)的邊緣節(jié)點(diǎn)將感知到的關(guān)口變壓器交換功率與信息網(wǎng)絡(luò)中其余的邊緣節(jié)點(diǎn)進(jìn)行共享,各可控DG 對(duì)應(yīng)的邊緣節(jié)點(diǎn)在上層信息網(wǎng)絡(luò)中采用改進(jìn)的ADMM算法對(duì)各自出力的大小進(jìn)行分布式的求解,在保障微電網(wǎng)留有較大安全裕量的基礎(chǔ)上實(shí)現(xiàn)了經(jīng)濟(jì)最優(yōu)。

        5 結(jié)論

        基于邊緣計(jì)算的分布式優(yōu)化框架,本文提出了一種用于含海量分布式可再生能源微電網(wǎng)能量管理的并行分布式優(yōu)化方法,在并網(wǎng)微電網(wǎng)與上級(jí)電網(wǎng)互動(dòng)調(diào)控的前提下實(shí)現(xiàn)微電網(wǎng)的經(jīng)濟(jì)調(diào)度,其目的是提高分布式優(yōu)化方法的收斂速度。因此,對(duì)標(biāo)準(zhǔn)ADMM 的串行求解方式進(jìn)行改進(jìn),在本文提出的并行ADMM 方法中,邊緣節(jié)點(diǎn)在本地并行地對(duì)優(yōu)化問(wèn)題進(jìn)行求解,并將求得的局域優(yōu)化結(jié)果與鄰接的邊緣節(jié)點(diǎn)進(jìn)行共享,在邊緣計(jì)算的分布式框架下反復(fù)迭代,從而逐步獲得優(yōu)化問(wèn)題的全局最優(yōu)解。此方法在不降低優(yōu)化精度的前提下,可以提高算法收斂速度。進(jìn)一步,搭建含海量可再生能源微電網(wǎng)的優(yōu)化調(diào)度模型,將該方法應(yīng)用于求解微電網(wǎng)經(jīng)濟(jì)調(diào)度問(wèn)題。

        在MATLAB/Simulink 中搭建微電網(wǎng)仿真平臺(tái),從仿真結(jié)果可以得到下面的結(jié)論。首先,將并行ADMM 求得的最優(yōu)解的精度與使用IPA 和標(biāo)準(zhǔn)ADMM 得到的結(jié)果進(jìn)行了比較,結(jié)果表明這三種方法得到的最優(yōu)解幾乎相同。其次,求解相同的可分解優(yōu)化問(wèn)題時(shí),本文所提的并行ADMM 算法的迭代速度要遠(yuǎn)快于標(biāo)準(zhǔn)ADMM 算法,前者的迭代次數(shù)僅為后者的二分之一甚至更少。最后,采用設(shè)計(jì)的并行分布式方法對(duì)含海量分布式可再生能源微電網(wǎng)的優(yōu)化調(diào)度問(wèn)題進(jìn)行求解,仿真結(jié)果表明,在并網(wǎng)微電網(wǎng)與上級(jí)電網(wǎng)互動(dòng)調(diào)控的前提下,微電網(wǎng)可以在保留較大安全裕量的同時(shí)實(shí)現(xiàn)穩(wěn)定運(yùn)行,且微電網(wǎng)內(nèi)分布式電源的增量成本一致,即微電網(wǎng)運(yùn)行成本最小實(shí)現(xiàn)了最優(yōu)調(diào)度。

        猜你喜歡
        優(yōu)化
        超限高層建筑結(jié)構(gòu)設(shè)計(jì)與優(yōu)化思考
        PEMFC流道的多目標(biāo)優(yōu)化
        能源工程(2022年1期)2022-03-29 01:06:28
        民用建筑防煙排煙設(shè)計(jì)優(yōu)化探討
        關(guān)于優(yōu)化消防安全告知承諾的一些思考
        一道優(yōu)化題的幾何解法
        由“形”啟“數(shù)”優(yōu)化運(yùn)算——以2021年解析幾何高考題為例
        圍繞“地、業(yè)、人”優(yōu)化產(chǎn)業(yè)扶貧
        事業(yè)單位中固定資產(chǎn)會(huì)計(jì)處理的優(yōu)化
        4K HDR性能大幅度優(yōu)化 JVC DLA-X8 18 BC
        幾種常見(jiàn)的負(fù)載均衡算法的優(yōu)化
        電子制作(2017年20期)2017-04-26 06:57:45
        亚洲无码激情视频在线观看| 偷拍夫妻视频一区二区| 美女网站免费观看视频| 欧美老妇多毛xxxxx极瑞视频| 久久综合另类激情人妖| 日本免费久久高清视频| 综合色免费在线精品视频| 妺妺窝人体色www婷婷| 精品人妻少妇一区二区三区不卡| 老少配老妇老熟女中文普通话| 国产精品久久一区二区三区| 久久亚洲中文字幕无码| 欧美日韩一区二区三区色综合| 久久无码精品精品古装毛片| 国产精品原创av片国产日韩 | 国产精品久久婷婷婷婷| 在线观看中文字幕不卡二区 | 婷婷丁香开心五月综合| 国产放荡对白视频在线观看| 欧洲freexxxx性少妇播放| 亚洲日韩∨a无码中文字幕| 四虎精品成人免费观看| 青青草伊人视频在线观看| 日本免费一区二区久久久| 日本国产亚洲一区二区| 最近在线更新8中文字幕免费| v一区无码内射国产| 欧美a在线播放| h动漫尤物视频| 女同在线视频一区二区| 亚洲午夜av久久久精品影院色戒 | 国产av天堂一区二区二区| 亚洲中文字幕精品乱码2021 | 国产一区二区丰满熟女人妻| 五码人妻少妇久久五码| 亚洲综合新区一区二区| 一区二区三区人妻av| 成人午夜福利视频后入| 无码人妻丰满熟妇精品区| 亚洲午夜看片无码| 黄色潮片三级三级三级免费|