本发明涉及电气化高速公路电能调度，特别涉及一种用于高速公路主动配电网运行调度的智能软开关方法。
背景技术：
1、目前，国内外学者致力于研究能有效整合网内可调度资源的adn，试图通过串联高速公路沿线电网，构建具备高灵活性、高可靠性高速公路adn系统达到削弱潮流波动的目的。然而，受制于不均匀的发电设备安装位置和装机容量，联动adn各设备形成新形态配电网络将导致线路和开关数目大、接入设备种类多，模型构筑趋于复杂。如何在动态时域下充分发挥adn主动性，实现电网动态互联和功率交换是adn面临的主要问题。独立电网间的信息、功率交互主要通过分布式电源、智能软开关(soft open point,sop)以及储能设备实现，制定适宜的sop安装位置和开断方案能灵活改变电网结构并改善其电气特性。
2、基于上述问题，本发明构建一种用于高速公路主动配电网运行调度的智能软开关技术，通过使用sop设备串联高速公路沿线独立电网的长链式adn系统，以实现对高速公路全路段供电。为进一步保证高速公路电能供应的稳定和经济性，提出了一种适配adn系统电力调度的二阶优化模型，在试图保证adn整体稳定最优的前提下最小化用电成本，通过该模型能有效平抑ev充电负荷和dm并网造成的电网波动。
技术实现思路
1、本发明目的就在于为了解决上述的问题，而提供一种用于高速公路主动配电网运行调度的智能软开关方法。
2、为实现上述目的，本发明采取的技术方案为：
3、根据本发明的一个方面，提供了一种用于高速公路主动配电网运行调度的智能软开关方法，用于电气化高速公路电能调度，其特征在于：包括以下步骤：
4、s1、基于wasserstein距离构建的高速公路多元不确定数据模型；
5、s1.1、wasserstein距离定义及其应用特征；
6、wasserstein距离的定义涉及到了两个概率分布之间的所有可能的联合分布，并通过对这些联合分布下的样本对距离的期望值取下确界来得到最终的距离值，具体来说，对于两个概率分布p和pk，其的wasserstein距离定义为：
7、
8、式中，不确定参数ωk、分别服从pk和p所代表的模糊不确定集；π为pk和p的联合分布；
9、s1.2、高速公路环境下的不确定数据特征分析；
10、基于鲁棒优化原理改进出一种能够囊括所有分布式微电网出力功率的鲁棒集，并结合wasserstein距离构筑从属于一定概率分布的分布式鲁棒不确定数据集；以上不确定数据集可由以公式(2)和公式(3)描述：
11、
12、式中，u为盒式鲁棒不确定数据集，设定pmax、pmin分别为f(x,u)在约束条件下的鲁棒区间上限和下限，表示参数ξ遵循的所有概率分布。
13、由于置信区间ε(k,t)的约束，模糊不确定集p呈现出一个以pk为中心，ε(k,t)为半径的盒状wasserstein数据集的置信区间，该置信区间约束下构成的分布式鲁棒不确定数据集内包含了不确定参数所有可能的概率分布。
14、s1.3、动态wasserstein不确定数据集；
15、基于s1.2步骤得到的wasserstein数据集依旧为t时刻时的独立不确定集，并没有随时间改变的特性，将该静态的数据集置于滚动时域环境下，得到一个随时间动态变化的半径为ε(k,t)的wasserstein数据集，该数据集的置信区间半径ε数学表达式如下:
16、
17、式中，β为人工设置的不确定参数置信水平；d为样本均匀系数，可通过求解历史数据样本的最优概率期望问题得到，μ为样本历史数据平均值；ρ为各概率分布间欧氏距离。
18、并对分布式微电网采取构建weibull分布、beta分布wasserstein球不确定数据集方式描述其输出功率；
19、同时通过最小二乘法拟合四阶高斯混合模型得到电动汽车充电负荷的wasserstein矩形数据集，实现负荷端不确定数据建模；
20、s2、含sop设备的“交通-电气”耦合adn网络；
21、首先对高速公路交通网、高速公路沿线城市微电网分别建模；其次，为实现各城市微电网动态交互，提出含智能软开关soft open point,sop的城际微电网主动配电网active distribution network,adn模型；然后，分析高速公路负荷对城市微电网的扰动及城市微电网地理间距，构建含多决策变量的adn建设目标函数；最后，结合nsga-ii算法求解最佳adn建设方案；
22、s2.1、高速公路交通网络模型
23、采用出行分布模型origin-destination model,o-d model建立高速公路模型；此外，承担电动汽车充电负荷的充电桩集中建设于服务区，且电动汽车充电负荷对电网扰动过大无法均匀分布于城市微电网各节点；而其余高速公路节点负荷为常规负荷，负荷功率可均匀分布于城市微电网各节点，因此为凸显服务区节点特征，对服务区节点重点建模；通过s2.1的描述最终构建了包含8个服务区节点的25节点高速公路o-d模型；
24、s2.2、城市配电网建模
25、选用支路潮流模型branch flow model,bfm对高速公路沿线城市微电网建模，为简化计算，选取标准ieee-33节点模型统一对高速公路沿线城市微电网建模；
26、其中，bfm模型功率平衡约束如下：
27、
28、式中，pi，qi分别表示供电网系统中第i号节点的有功功率和无功功率数值；gij，bij分别表示微电网第i号节点与第j号节点之间的电导和电纳；n表示微电网节点总数；δij为第i号节点与第j号节点之间的电压相角差。
29、s2.3、含sop设备的城际微电网adn模型
30、结合s2.1所构建的o-d模型提取高速公路沿线微电网，构建含33个地理单元的城际微电网adn模型，其中包含3个风力微电网、5个光伏微电网以及25个城市微电网。
31、s2.4、含sop的“交通-电气”adn模型
32、构建含sop的“交通-电力”and模型将从以下步骤开展，首先，为保障高速公路供能可靠性，高速公路节点就近选择城市微电网耦合，形成“交通-电力”耦合系统；然后，选取适宜参数构建adn网络良性评判体系，并构建最优adn构筑目标函数；最后，采用nsga-ii算法计算最优adn建设方案。
33、s3、多优化目标协同参与二阶优化模型及其适配求解算法；
34、s3.1、多优化目标协同参与二阶优化模型；
35、二阶优化模型结构如下：上层主问题计算sop最优开关方案，结合微电网全局电压偏移求解sop的最优开关状态；下层子问题为计算sop最优功率调度方案，以用电调度成本最小化、微电网全局电压偏移最小化为优化目标计算sop最佳有功、无功功率调度方案；
36、s3.2、二阶优化算法构筑及算法约束条件；
37、选用pso算法求解最佳功率调度方案，采用“nsga-ii-pso”双层启发式算法构建二阶多目标优化模型，以求解在滚动时域下构建的含sop的良性adn网络及网络功率调度方案；本方法构筑的双层启发式优化算法约束条件如下：
38、
39、
40、以上约束条件中，ubus t分别为配电系统母线的电压上下限数值；ubus t为微电网于t时刻的母线平均电压，ugrid t分别为电网母线电压上、下限。pgrid t和qgrid t分别为t时刻配电网自主发电的有功功率上下限和无功功率上下限；pgrid t、qgrid t分别第n个微电网t时刻时自主发出的有功功率和无功功率；psop,in,n t、qsop,in,n t分别为第n个微电网通过sop设备输入有功功率和无功功率；同理，psop,out,n t、qsop,out,n t为第n个微电网通过sop设备输出有功功率、无功功率；psop,in t、qsop,in t和psop,out t、qsop,out t分别为sop可输送入微电网的有功功率、无功功率上下限和sop输出有功功率、无功功率上下限。式(6)和式(7)为有功功率和无功功率功率平衡约束；考虑光伏发电设备通常不发出无功功率，因此无功功率平衡不考虑光伏发电因素，为表征sop开关的0-1二进制变量；
41、进一步地，s1.3动态wasserstein不确定数据集中，构建的包含具体概率分布特征的wasserstein数据集公式所示：
42、
43、
44、式中，分别为遵循beta分布的光伏发电功率概率分布；分别为遵循weibull分布约束的风力发电功率概率分布；π(p1,p2)为概率分布p1和p2之间的距离测度；γ为测定距离阶数，为人工设置变量，该参数用于描述测定wasserstein距离差在γ阶下的积分，表征wasserstein距离的测定精度；
45、
46、公式(19)和公式(20)分别为weibull分布和beta分布的表达式。式(19)中，c为风速参数；k为风速波动形状参数。式(20)中α、β分别为beta分布的形状参数；emax为最大光照下的光伏出力功率数值；e为实际场景的光伏出力功率；
47、负荷端不确定数据建模具体如下：
48、首先将负荷端的不确定参数分布简化为互不隶属的独立正态分布，再通过最小二乘法塑造四阶高斯混合模型gaussian mixture model,gmm达到构建负荷不确定数据建模的目的；公式如下：
49、
50、式中，k为gmm的拟合阶数，为人工设置常数，若gmm模型是由两个独立高斯模型拟合，则k＝2；αk为权重因子，用于表示每个高斯分量模型n(x,μk,∑k)的加权比重，它满足等式(22)中给出的约束；μk为第k个高斯分布的位置参数，∑k是第k高斯分布的色散测度参数；
51、然后将该静态数据集置于滚动时域中，构建具备滚动优化能力的动态不确定数据集，结合公式(23)，利用不确定数据集置信区间半径ε(k,t)达到动态数据集构筑的目的，
52、
53、ε(k,t)是不确定数据集p于t时刻的数据边界，是一个可基于人工设置变动的参数，当时刻t设置为0:00～23:59后可以得到全日的不确定参数集。
54、进一步地，s2.4、含sop的“交通-电气”adn模型；
55、结合节点距离dij构建改进耦合目标函数，避免“交通-电气”耦合点位选择有误导致的电能供应成本上涨和供能质量下降，该目标函数如下公式所示：
56、
57、μ1+μ2＝1 (25)
58、式中，表示在当前网络耦合方案下第i时刻j号电网的电压方差；dj表示j号电网的地理位置；vk表示在当前sop建设方案下电网k号节点电压；vave表示当前sop建设方案下单个电网的电压平均值；t为时间变量；n为城市微电网编号；μ为权重系数。
59、进一步地，s3、多优化目标协同参与二阶优化模型及其适配求解算法中，上层sop开关状态计算模型中选取滚动优化下系统全局电压偏移最小化为目标函数开展选址优化工作，配电系统电压偏移最小目标函数可由公式(26)所示：
60、
61、s.t.t∈[0,24]
62、下层功率调度模型中的成本目标函数数学表达式如公式(27)所示：
63、minf2＝ccons+cactive+creactive+cpenalty (27)
64、式中，ccons为sop建设成本；cactive为sop调度有功功率的成本；creactive为sop调度无功功率的成本，cpenalty为系统电压偏移惩罚成本；
65、ccons＝α1n2+α2n (28)
66、式中，n为sop建设数量；α1、α2为sop建设成本系数；
67、
68、式中，n为sop建设数量，n＝(1,2,…6)；pt、qt分别为t时刻的有功功率购电价格和无功功率购电价格；psop、qsop分别为通过sop调度的有功功率和无功功率；β1、β2、β3和c1、c2、c3分别为价格常数；
69、
70、式中，为系统电压方差；ξ1、ξ2、ξ3为电压偏移惩罚参数。
71、进一步地，s3.2、二阶优化算法构筑及算法约束条件中采用nsga-ii算法为上层优化算法，求解各时段sop设别的开关策略；面对功率调度等连续变量和线性约束时，选用pso算法求解调度功率数值。
72、与现有技术相比，本发明具有如下有益效果：
73、(1)结合高速公路具体场景构筑的“交通-电气”耦合网络能具有交通路网o-d模型的整体特征，同时还兼具独立bfm的个体特征，能有效地将分布式微电网和高速公路需求纳入优化调度，可进一步提高交通网、微电网的安全性、经济性。
74、(2)相较于传统adn，耦合sop开关设备的adn网络具有更强的电网间信息交互、功率传输能力，使冗余功率得到有效利用，进而改善adn微电网的电压水平。该优势使本发明模型在动态时域调度更具优势，该优势具体体现在含sop的adn网络电气指标更加平稳、均匀上。
75、(3)本发明构筑的“nsga-ii-pso”二阶优化模型数据驱动效果良好，具体表现为优化模型能基于具体功率环境灵活切换sop开断状态，并得到主、子问题博弈最优的功率调度方案。相较于同类优化模型既考虑了adn全局电气稳定特性，也兼顾了电力调度经济性。
1.一种用于高速公路主动配电网运行调度的智能软开关方法，用于电气化高速公路电能调度，其特征在于：包括以下步骤：
2.如权利要求1所述的一种用于高速公路主动配电网运行调度的智能软开关方法，其特征在于：s1.3动态wasserstein不确定数据集中，构建的包含具体概率分布特征的wasserstein数据集公式所示：
3.如权利要求1所述的一种用于高速公路主动配电网运行调度的智能软开关方法，其特征在于：s2.4、含sop的“交通-电气”adn模型；
4.如权利要求1所述的一种用于高速公路主动配电网运行调度的智能软开关方法，其特征在于：s3、多优化目标协同参与二阶优化模型及其适配求解算法中，上层sop开关状态计算模型中选取滚动优化下系统全局电压偏移最小化为目标函数开展选址优化工作，配电系统电压偏移最小目标函数可由公式(26)所示：
5.如权利要求1所述的一种用于高速公路主动配电网运行调度的智能软开关方法，其特征在于：s3.2、二阶优化算法构筑及算法约束条件中采用nsga-ii算法为上层优化算法，求解各时段sop设别的开关策略；面对功率调度等连续变量和线性约束时，选用pso算法求解调度功率数值。
