一种基于户用光储一体机集群的在线调配方法、系统

1.一种基于户用光储一体机集群的在线调配方法，其特征在于，包括：获取低压配电网的基本数据；对基本数据中配电网运行过程中的不确定因素进行预处理；根据配电网的潮流约束和安全运行约束，结合预处理后的基本数据建立基础配电网模型；根据计算所得光储一体机接入的节点内部的可调度功率或缺额功率，判断光储一体机接入的节点是否需要从配电网吸收功率，根据判断结果进行节点内光储一体机的能量调配，并形成光储节点的可调度功率约束加入到基础配电网模型中，得到配电网模型；建立在线调配策略的上层模型，在线调配策略的上层模型利用Benders分解算法来优化配电网模型上层的输入信息；所述在线调配策略的上层模型的目标函数 为： ；其中， 和 分别为有功功率输入和用户储能容量差的权重； 表示节点1输入的有功功率； 表示在节点 的第 个用户的储能容量与配电网中所有用户储能容量平均值之差；建立在线调配策略的下层模型，在线调配策略的下层模型利用粒子群优化算法来优化配电网模型下层的输入信息；所述在线调配策略的下层模型的目标函数 为： ；其中， 和 分别为节点 的实际电压和参考电压；整合优化后的配电网模型上层的输入信息和配电网模型下层的输入信息，得到配电网参考节点的输入功率、光储一体机之间能量的调配情况，以及光储节点输出的无功功率。 2.根据权利要求1所述的基于户用光储一体机集群的在线调配方法，其特征在于，所述基础配电网模型包括：配电网的潮流约束：将节点 和 之间的节点电压关系表示为： ；其中， 表示节点 的实际电压， 表示节点 的实际电压； 表示支路 中的电流； 与 分别是支路 上的阻抗和感抗； 与 表示支路 上的有功功率与无功功率 与 表示支路 上的有功功率与无功功率； 和 表示节点 注入的有功功率和无功功率；约束关系如下： ； ； 和 是节点 的父节点和子节点的集合，同时需要满足如下有功功率与无功功率的计算约束关系： ；配电网的安全运行约束：支路 中的电流和节点 电压需要在安全运行范围内： ； 。 3.根据权利要求1所述的基于户用光储一体机集群的在线调配方法，其特征在于，根据计算所得光储一体机接入的节点内部的可调度功率或缺额功率，判断光储一体机接入的节点是否需要从配电网吸收功率，根据判断结果进行节点内光储一体机的能量调配，包括：遍历每个用户，当用户的光伏发电量大于用户负荷时，计算用户的多余电力，并将用户的多余电力存储在用户储能中或分配给同一节点的其他用户；当用户的光伏发电量小于用户负荷时，计算用户的电力缺额，如果用户储能中余量足够，则先从用户储能中补偿电力缺额，否则从同一节点的其他用户中补偿电力缺额；直至完成对节点中所有光储用户的功率计算，得到该节点向外输出的最大可调度功率或需要从其他节点吸收的缺额功率，完成节点内光储一体机的能量调配。 4.根据权利要求1所述的基于户用光储一体机集群的在线调配方法，其特征在于，在线调配策略的上层模型利用Benders分解算法来优化配电网模型上层的输入信息，包括：使用Benders分解算法优化光储节点的有功功率，包括参考节点的输入功率以及光储节点间功率的输入情况，将参考节点的输入功率以及光储节点间功率的输入情况分解成主问题和子问题，通过求解主问题得到参考节点的输入功率，通过求解子问题得到光储节点间功率的输入输出情况，从而平衡用户间的储能容量。 5.根据权利要求4所述的基于户用光储一体机集群的在线调配方法，其特征在于，通过求解主问题得到参考节点的输入功率，通过求解子问题得到光储节点间功率的输入输出情况，从而平衡用户间的储能容量，包括：初始化算法参数，初始上、下界；初始化主问题：在运行范围内随机生成一个主问题的解，即参考节点总的输入功率， ；求解子问题：将主问题的解代入配电网模型的节点信息，在满足约束条件的情况下，计算配电网的潮流分布，从而得到子问题的解和对应的目标值，其中，子问题的解为光储节点间用户功率的输入输出情况，对应的目标函数为储能差异 ；根据目标值最小化的方向，通过迭代来优化光储节点间用户功率的输入输出情况，从而得到子问题的最优解，及其最小化的目标函数值；更新主问题，根据子问题反馈的割平面，将产生的Benders割加入到主问题的约束条件中并调整主问题的解，包括：计算目标解的影子价格,通过线性规划的拉格朗日乘子法获得影子价格，影子价格通常表示为每个节点上的约束条件对应的拉格朗日乘子 ，代表对主问题解的敏感度，即主问题的解发生微小变化时，子问题目标函数变化的速率，计算公式为： ； 为节点 的功率；通过影子价格计算出Benders割，用于逼近主问题的解空间，假设当前子问题的解为 ，则Benders割为： ；该不等式会被添加到主问题中，约束主问题的解，使得未来的解越来越接近全局最优解；在新产生的主问题解空间中取值，得到新的主问题的解 ，其中，更新的主问题包括新的Benders割；将新的主问题的解再代入子问题中求解，反复上述步骤直到主问题和子问题的解收敛。 6.根据权利要求1所述的基于户用光储一体机集群的在线调配方法，其特征在于，在线调配策略的下层模型利用粒子群优化算法来优化配电网模型下层的输入信息，包括：初始化粒子群中粒子的数量N；每个粒子代表一个可能的解；粒子的维度等于待优化变量的数量，即光储一体机节点的数量；每个粒子的位置代表其输出的无功功率 ；在无功功率的可行范围内初始化粒子的位置；为每个粒子分配一个初始速度 ；将粒子的初始位置作为其初始的个体最优解 ，在初始粒子群中选择一个目标函数值最小的粒子作为全局最优解 ；在第 次迭代中，根据公式更新粒子的速度： ；其中， 是惯性权重； 和 是加速常数；选择范围0.1~0.3； 和 是随机数；使用更新后的速度调整粒子的位置 ，如果超过边界，将位置限制在边界上；在第 次迭代中，对每个粒子的新位置计算目标函数值，即无功功率分布对系统电压的影响，比较粒子的新位置与历史中个体最优位置对应的目标函数值，根据粒子的新位置的目标函数值及粒子的历史最优位置的目标函数值来确定粒子的新位置及历史最优位置中中更优位置，如果粒子的新位置更优，则利用粒子的新位置更新粒子的个体最优解 ；比较所有粒子的个体最优解，从所有粒子的个体最优解中确定当前迭代次中的全局最优解，根据当前迭代次中的全局最优解与前一迭代次数的全局最优解，来更新全局最优解 ；检查收敛条件：如果迭代次数达到最大值，或者全局最优解在多次迭代中不再变化，则认为算法收敛；若未收敛，则返回继续迭代；算法收敛后，输出全局最优解，这就是无功功率的最优分布。 7.一种基于户用光储一体机集群的在线调配系统，其特征在于，包括：数据获取模块，用于获取低压配电网的基本数据；数据预处理模块，用于对基本数据中配电网运行过程中的不确定因素进行预处理；配电网模型建立模块，用于根据配电网的潮流约束和安全运行约束，结合预处理后的基本数据建立基础配电网模型；能量调配模块，用于根据计算所得光储一体机接入的节点内部的可调度功率或缺额功率，判断光储一体机接入的节点是否需要从配电网吸收功率，根据判断结果进行节点内光储一体机的能量调配，并形成光储节点的可调度功率约束加入到基础配电网模型中，得到配电网模型；模型优化模块，用于建立在线调配策略的上层模型，在线调配策略的上层模型利用Benders分解算法来优化配电网模型上层的输入信息；所述在线调配策略的上层模型的目标函数 为： ；其中， 和 分别为有功功率输入和用户储能容量差的权重； 表示节点1输入的有功功率； 表示在节点 的第 个用户的储能容量与配电网中所有用户储能容量平均值之差；所述模型优化模块，用于建立在线调配策略的下层模型，在线调配策略的下层模型利用粒子群优化算法来优化配电网模型下层的输入信息；所述在线调配策略的下层模型的目标函数 为： ；其中， 和 分别为节点 的实际电压和参考电压；信息整合模块，用于整合优化后的配电网模型上层的输入信息和配电网模型下层的输入信息，得到配电网参考节点的输入功率、光储一体机之间能量的调配情况，以及光储节点输出的无功功率。 8.根据权利要求7所述的基于户用光储一体机集群的在线调配系统，其特征在于：所述基础配电网模型包括：配电网的潮流约束：将节点 和 之间的节点电压关系表示为： ；其中， 表示节点 的实际电压， 表示节点 的实际电压； 表示支路 中的电流； 与 分别是支路 上的阻抗和感抗； 与 表示支路 上的有功功率与无功功率 与 表示支路 上的有功功率与无功功率； 和 表示节点 注入的有功功率和无功功率；约束关系如下： ； ； 和 是节点 的父节点和子节点的集合，同时需要满足如下有功功率与无功功率的计算约束关系： ；配电网的安全运行约束：支路 中的电流和节点 电压需要在安全运行范围内： ； 。 9.根据权利要求7所述的基于户用光储一体机集群的在线调配系统，其特征在于：根据计算所得光储一体机接入的节点内部的可调度功率或缺额功率，判断光储一体机接入的节点是否需要从配电网吸收功率，根据判断结果进行节点内光储一体机的能量调配，包括：遍历每个用户，当用户的光伏发电量大于用户负荷时，计算用户的多余电力，并将用户的多余电力存储在用户储能中或分配给同一节点的其他用户；当用户的光伏发电量小于用户负荷时，计算用户的电力缺额，如果用户储能中余量足够，则先从用户储能中补偿的电力缺额，否则从同一节点的其他用户中补偿电力缺额；直至完成对节点中所有光储用户的功率计算，得到该节点向外输出的最大可调度功率或需要从其他节点吸收的缺额功率，完成节点内光储一体机的能量调配。 10.根据权利要求7所述的基于户用光储一体机集群的在线调配系统，其特征在于：在线调配策略的上层模型利用Benders分解算法来优化配电网模型上层的输入信息，包括：使用Benders分解算法优化光储节点的有功功率，包括参考节点的输入功率以及光储节点间功率的输入情况，将参考节点的输入功率以及光储节点间功率的输入情况分解成主问题和子问题，通过求解主问题得到参考节点的输入功率，通过求解子问题得到光储节点间功率的输入输出情况，从而平衡用户间的储能容量。 11.根据权利要求10所述的基于户用光储一体机集群的在线调配系统，其特征在于：通过求解主问题得到参考节点的输入功率，通过求解子问题得到光储节点间功率的输入输出情况，从而平衡用户间的储能容量，包括：初始化算法参数，初始上、下界；初始化主问题：在运行范围内随机生成一个主问题的解，即参考节点总的输入功率， ；求解子问题：将主问题的解代入配电网模型的节点信息，在满足约束条件的情况下，计算配电网的潮流分布，从而得到子问题的解和对应的目标值，其中，子问题的解为光储节点间用户功率的输入输出情况，对应的目标函数为储能差异 ；根据目标值最小化的方向，通过迭代来优化光储节点间用户功率的输入输出情况，从而得到子问题的最优解，及其最小化的目标函数值；更新主问题，根据子问题反馈的割平面，将产生的Benders割加入到主问题的约束条件中并调整主问题的解，包括：计算目标解的影子价格,通过线性规划的拉格朗日乘子法获得影子价格，影子价格通常表示为每个节点上的约束条件对应的拉格朗日乘子 ，代表对主问题解的敏感度，即主问题的解发生微小变化时，子问题目标函数变化的速率，计算公式为： ； 为节点 的功率；通过影子价格计算出Benders割，用于逼近主问题的解空间，假设当前子问题的解为 ，则Benders割为： ；该不等式会被添加到主问题中，约束主问题的解，使得未来的解越来越接近全局最优解；在新产生的主问题解空间中取值，得到新的主问题的解 ，其中，更新的主问题包括新的Benders割；将新的主问题的解再代入子问题中求解，反复上述步骤直到主问题和子问题的解收敛。 12.根据权利要求7所述的基于户用光储一体机集群的在线调配系统，其特征在于：在线调配策略的下层模型利用粒子群优化算法来优化配电网模型下层的输入信息，包括：初始化粒子群中粒子的数量N；每个粒子代表一个可能的解；粒子的维度等于待优化变量的数量，即光储一体机节点的数量；每个粒子的位置代表其输出的无功功率 ；在无功功率的可行范围内初始化粒子的位置；为每个粒子分配一个初始速度 ；将粒子的初始位置作为其初始的个体最优解 ，在初始粒子群中选择一个目标函数值最小的粒子作为全局最优解 ；在第 次迭代中，根据公式更新粒子的速度： ；其中， 是惯性权重； 和 是加速常数；选择范围0.1~0.3； 和 是随机数；使用更新后的速度调整粒子的位置 ，如果超过边界，将位置限制在边界上；在第 次迭代中，对每个粒子的新位置计算目标函数值，即无功功率分布对系统电压的影响，比较粒子的新位置与历史中个体最优位置对应的目标函数值，根据粒子的新位置的目标函数值及粒子的历史最优位置的目标函数值来确定粒子的新位置及历史最优位置中最优位置，如果粒子的新位置最优，利用粒子的新位置更新粒子的个体最优解 ；比较所有粒子的个体最优解，从所有粒子的个体最优解中确定当前迭代次中的全局最优解，根据当前迭代次中的全局最优解与前一迭代次数的全局最优解，来更新全局最优解 ；检查收敛条件：如果迭代次数达到最大值，或者全局最优解在多次迭代中不再变化，则认为算法收敛；若未收敛，则返回继续迭代；算法收敛后，输出全局最优解，这就是无功功率的最优分布。 13.一种基于户用光储一体机集群的在线调配设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该设备实现如权利要求1至6中任意一项所述基于户用光储一体机集群的在线调配方法的步骤。 14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，该程序被处理器执行时，实现如权利要求1至6中任意一项所述基于户用光储一体机集群的在线调配方法的步骤。