主动配电网多主体优化方法、电子设备及存储介质

1.本发明涉及配电网优化技术领域，尤其涉及一种主动配电网多主体优化方法、电子设备及存储介质。


背景技术：

2.随着以风、光为主的分布式电源技术不断发展，配电网已经已经慢慢从被动管理模式转化为主动参与的主动配电网，并且担负着制定最优运行计划的责任。但是由于配电网中包含负荷、分布式电源以及储能等不同主体，各主体的需求与优化目标也不尽相同，现有的对于主动配电网的单一集中控制方法也越来越难以满足最优需求，会造成能源浪费。
3.近年来电网分区控制方法为解决该问题提供了新思路。所谓“分区”就是将配电网按照一定的方法划分为若干个区域，各区域内进行独立的优化计算。然而如何进行分区并且实现各分区间的优化协调计算是现阶段亟待解决的问题。


技术实现要素：

4.本发明实施例提供了一种主动配电网多主体优化方法、电子设备及存储介质，以解决如何对主动配电网进行分区优化协调的问题。
5.第一方面，本发明实施例提供了一种主动配电网多主体优化方法，包括：
6.将主动配电网内部的所有分布式发电装置随机划分到不同的虚拟群组中，每个虚拟群组构成一个分区；
7.针对每个分布式发电装置，利用预测模型，预测该分布式发电装置在各分区中的预测误差；
8.根据所述预测误差，更新各分区的成员以及所述预测模型；
9.在预设终止条件不满足时，跳转到“利用预测模型，预测该分布式发电装置在各分区中的预测误差”步骤，并执行后续步骤，循环迭代直到满足预设终止条件，得到最终的分区；
10.根据各分区内的主体，对应建立不同的目标函数以及约束条件，得到不同的优化模型；
11.对所述不同的优化模型进行优化求解，得到各分区内的最优调度结果。
12.在一种可能的实现方式中，所述利用预测模型，预测该分布式发电装置在各分区中的预测误差，包括：
13.获取该分布式发电装置的出力数据；
14.针对每一个分区，根据该分布式发电装置的处理数据，确定该分布式发电装置在该分区时，该分区中所有分布式发电装置出力的总和；
15.将所述每一个分区中所有分布式发电装置出力的总和，输入对应的预测模型中，得到该分布式发电装置在各分区中的预测误差。
16.在一种可能的实现方式中，所述根据所述预测误差，更新各分区成员以及所述预
测模型，包括：
17.针对每一个分布式发电装置，根据该分布式发电装置在各分区中的预测误差，将该分布式发电装置重新划分到预测误差最小的一个分区中；
18.各分区的成员更新完成后，获取中各分区中所有分布式发电装置的整体出力数据；
19.根据所述整体出力数据，对各分区对应的预测模型进行更新。
20.在一种可能的实现方式中，所述预设终止条件包括：|n(r)-n(r-1)|＜ξ或者r＝r
max
；
21.其中，n(r)表示第r次迭代后的分区信息集合，n(r-1)表示第r-1次迭代后的分区信息集合，ξ表示第一迭代精度，r
max
表示最大迭代次数。
22.在一种可能的实现方式中，根据各分区内的主体，对应建立不同的目标函数，包括：
23.对于包含新能源主体的分区，根据建立第一目标函数；
24.其中，f1表示第一目标函数，cd表示新能源单位未消纳成本，表示新能源计划出力，pg表示新能源实际出力，t表示当前时段，t表示总时段；
25.对于包含储能主体的分区，根据建立目标函数；
26.其中，f2表示第二目标函数，c
buy
表示储能单位的购电成本，c
sell
表示储能单位的售电成本，p
cha
(t)表示t时段的储能充电功率，p
dis
(t)表示t时段的储能放电功率；
27.对于包含发电机主体的分区，根据建立第三目标函数；
28.其中，f3表示第三目标函数，cg表示机组单位出力成本；pg(t)表示t时段的机组出力功率。
29.在一种可能的实现方式中，所述约束条件包括：潮流功率平衡约束：
[0030][0031]
其中，pg表示新能源实际出力，pi表示初始节点的有功功率，pg表示机组出力功率，p
l
表示有功负荷，p
dis
表示储能放电功率，p
cha
表示储能充电功率， vi表示初始节点的电压幅值，vm表示终止节点的电压幅值，g
im
表示支路电导， b
im
表示支路电纳，θ
im
表示初始节点和终止节点的相角差，n表示支路数量，qg表示新能源实际无功功率，qi表示初始节点的无功功率，qg表示机组无功功率， q
l
表示无功负荷；
[0032]
以及，不等式约束：其中，和分别表示储能充电功率上限和储能充电功率下限，和分别表示储能放电功率上限和储能放电功率下限，p
cha
(t)表示t时段的储能充电功率，p
dis
(t)表示t时段的储能放电功率。
[0033]
在一种可能的实现方式中，对于包含储能主体的分区，所述约束条件还包括：
[0034]
储能约束：
[0035]
其中，s
es
(t)和s
es
(t-1)分别表示t时段与t-1时段的储能装置能量状态；σ
es
表示储能装置自损率；η
cha
和η
dis
分别表示充电效率和放电效率；p
cha
(t-1) 和p
dis
(t-1)分别表示t-1时段的储能充电功率和储能放电功率；s
es,max
和 s
es,min
分别表示储能装置能量状态上限和储能装置能量状态下限；pg(t)表示t 时段的机组出力功率；p
gmax
和p
gmin
分别表示机组出力功率上限和机组出力功率下限。
[0036]
在一种可能的实现方式中，对所述不同的优化模型进行优化求解，得到各分区内的最优调度结果，包括：
[0037]
根据各分区对应的目标函数以及约束条件，分别优化求解各分区对应的优化模型，得到各分区对应的边界耦合变量；
[0038]
根据各分区对应的边界耦合变量，初始化惩罚函数，并将各分区对应的边界耦合变量，分别传递给相邻的分区；
[0039]
按照预设的优先级顺序，根据所述边界耦合变量和所述惩罚函数，依次优化求解各分区对应的优化模型，得到新的边界耦合变量并传递给相邻的分区；
[0040]
待到各分区对应的优化模型全部求解结束后，根据新的边界耦合变量，更新惩罚函数；
[0041]
在收敛条件不满足时，跳转到“按照预设的优先级顺序，根据所述边界耦合变量和所述惩罚函数，依次优化求解各分区对应的优化模型，得到新的边界耦合变量并传递给相邻的分区”步骤，并执行后续步骤，循环迭代，直到满足收敛条件，输出各分区内的最优调度结果。
[0042]
第二方面，本发明实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
[0043]
第三方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储
介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
[0044]
本发明实施例提供一种主动配电网多主体优化方法、电子设备及存储介质，通过将主动配电网内部的所有分布式发电装置随机划分到不同的虚拟群组中，每个虚拟群组构成一个分区；针对每个分布式发电装置，利用预测模型，预测该分布式发电装置在各分区中的预测误差；根据预测误差，更新各分区的成员以及所述预测模型；在预设终止条件不满足时，跳转到“利用预测模型，预测该分布式发电装置在各分区中的预测误差”步骤，并执行后续步骤，循环迭代直到满足预设终止条件，得到最终的分区；根据各分区内的主体，对应建立不同的目标函数以及约束条件，得到不同的优化模型；对不同的优化模型进行优化求解，得到各分区内的最优调度结果，可以有效实现对于主动配电网的分区协调优化。
附图说明
[0045]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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。
[0046]
图1是本发明实施例提供的主动配电网多主体优化方法的实现流程图；
[0047]
图2是本发明实施例提供的对分布式发电装置进行分区时的算法结构示意图；
[0048]
图3是本发明实施例提供的对不同优化模型进行优化求解的实现流程图；
[0049]
图4是本发明实施例提供的主动配电网多主体优化装置的结构示意图；
[0050]
图5是本发明实施例提供的电子设备的示意图。
具体实施方式
[0051]
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
[0052]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
[0053]
图1为本发明实施例提供的主动配电网多主体优化方法的实现流程图，详述如下：
[0054]
步骤101，将主动配电网内部的所有分布式发电装置随机划分到不同的虚拟群组中，每个虚拟群组构成一个分区。
[0055]
对主动配电网内部的所有分布式发电装置进行初始化随机划分，得到初始化分区集合：c(0)＝{c1(0),...ck(0),...ck(0)}。
[0056]
其中，c(0)表示初始分区集合，c1(0)表示初始状态下的第一个分区， ck(0)表示初始状态下的第k个分区，ck(0)表示初始状态下的第k个分区。分区数量k可由用户自行定义，本发明实施例对此不做具体限定。需要注意的是，分区数量要小于或等于分布式发电装置的数量。
[0057]
相应地，分布式发电装置的初始分区信息为： n(0)＝{n1(0),...nm(0),...nm(0)}。
[0058]
其中，n(0)表示所有分布式发电装置的初始分区信息集合，n1(0)表示初始状态下的第一个分布式发电装置的分区信息，nm(0)表示初始状态下的第m 个分布式发电装置的分区信息，nm(0)表示初始状态下的第m个分布式发电装置的分区信息。m表示分布式发电装置数量。为保证有效分区，可以理解的是， 1≤k≤m。
[0059]
分布式发电装置的分区信息可以简单理解为：该分布式发电装置被划分到哪一个分区里。例如，n1(0)＝1，就说明第一个分布式发电装置被划分到第一个分区中。
[0060]
对应于初始分区结果，相应生成多个初始预测模型，以对应不同的分区。初始预测模型为：
[0061]
其中，f(0)表示所有初始预测模型的集合，表示第k个分区对应的初始预测模型，表示初始分区后，第k个分区中所有分布式发电装置出力的总和，表示第k个分区对应的初始预测模型中的参数或者超参数集合。
[0062]
步骤102，针对每个分布式发电装置，利用预测模型，预测该分布式发电装置在各分区中的预测误差。
[0063]
可选的，步骤102可以包括：
[0064]
获取该分布式发电装置的出力数据；
[0065]
针对每一个分区，根据该分布式发电装置的出力数据，确定该分布式发电装置在该分区时，该分区中所有分布式发电装置出力的总和；
[0066]
将每一个分区中所有分布式发电装置出力的总和，输入对应的预测模型中，得到该分布式发电装置在各分区中的预测误差。
[0067]
一个分布式发电装置的出力数据可以表示为： pm＝(p
m,1
,p
m,2
,...p
m,t
,...,p
m,t
)。其中，pm表示第m个分布式发电装置的出力数据集合，p
m,1
表示在第一时段内第m个分布式发电装置的出力数据，p
m,2
表示在第二时段内第m个分布式发电装置的出力数据，p
m,t
表示在第t时段内第m 个分布式发电装置的出力数据，p
m,t
表示在第t时段内第m个分布式发电装置的出力数据。相应地，所有分布式发电装置的出力数据可以表示为：其中，p表示所有分布式发电装置的出力数据矩阵，该矩阵为m
×
t维的实数矩阵，p1表示第一个分布式发电装置的出力数据集合，p2表示第二个分布式发电装置的出力数据集合，pm表示第m个分布式发电装置的出力数据集合，pm表示第m个分布式发电装置的出力数据集合。
[0068]
根据上述预测模型可知，确定预测模型的参数或者超参数集合，输入对应分区中
所有分布式发电装置出力的总和，即可通过预测模型得到预测误差。
[0069]
示例性地，假设共有三个分区，对于一个分布式发电装置来说，当该分布式发电装置处于第一个分区时，获取第一个分区中所有分布式发电装置出力的总和，并将该总和输入到第一分区对应的预测模型中，得到该分布式发电装置在第一个分区中的预测误差，重复上述步骤，依次得到该分布式发电装置在三个分区中的预测误差。按照上述方法，可以依次得到每一个分布式发电装置在每一分区中的预测误差。
[0070]
预测误差可以表示为：其中，e(r)表示第r次更新后，所有分布式发电装置在各分区中的预测误差集合，表示第r次更新后，第m个分布式发电装置在第k个分区中的预测误差。
[0071]
步骤103，根据预测误差，更新各分区的成员以及预测模型。
[0072]
可选的，步骤103可以包括：
[0073]
针对每一个分布式发电装置，根据该分布式发电装置在各分区中的预测误差，将该分布式发电装置重新划分到预测误差最小的一个分区中。
[0074]
各分区的成员更新完成后，获取中各分区中所有分布式发电装置的整体出力数据。
[0075]
根据整体出力数据，对各分区对应的预测模型进行更新。
[0076]
针对每一个分布式发电装置，比较该分布式发电装置在每一个分区中的预测误差的大小，将该分布式发电装置重新划分到预测误差最小的一个分区中。例如，对于某一个分布式发电装置，该装置在第一分区、第二分区和第三分区中的预测误差分别为3、5和6。则将该装置重新划分到第一分区中。
[0077]
上述更新原则可以用公示表示为：
[0078]
其中，nm(r+1)表示第m个分布式发电装置在第r+1次更新后的分区信息，表示第m个分布式发电装置在第r次更新后的最小预测误差，表示第m个分布式发电装置在第r次更新后的所有预测误差集合。
[0079]
待到所有分布式装置重新划分完成后，分别获取每个分区中所有分布式发电装置的整体出力数据，并根据整体出力数据对对应的预测模型中的参数或者超参数集合进行更新，得到新的预测模型。
[0080]
待到一次更新完成后，判断是否满足预设终止条件，在预设终止条件不满足时，跳转到“利用预测模型，预测该分布式发电装置在各分区中的预测误差”步骤，并执行后续步骤，循环迭代直到满足预设终止条件，得到最终的分区。
[0081]
可选的，预设终止条件包括：|n(r)-n(r-1)|＜ξ或者r＝r
max
。
[0082]
其中，n(r)表示第r次迭代后的分区信息集合，n(r-1)表示第r-1次迭代后的分区信息集合，ξ表示第一迭代精度，r
max
表示最大迭代次数。
[0083]
也就是说，如果当前的分区信息集合与上一次的分区信息集合的差值小于第一迭代精度时，或者迭代次数达到最大迭代次数时，停止循环迭代，得到最终的分区结果。
[0084]
参见图2，在对主动配电网内所有分布式发电装置进行分区时，当一次分区更新完成后，利用预测模型预测分布式发电装置在各分区中的预测误差，将预测误差作为反馈信号，重新对分布式发电装置进行分区，更新分区结果。在对分布式发电装置进行分区时，考虑到分布式发电出力预测的误差和准确性，能够更好地平衡区域内部的预测误差，消纳新能源。并且，还能减小新能源随机性和波动性的影响。
[0085]
步骤104，根据各分区内的主体，对应建立不同的目标函数以及约束条件，得到不同的优化模型。
[0086]
可选的，对于包含新能源主体的分区来说，新能源主体需求是促进新能源最大消纳，因此可以以新能源消纳最大化为目标建立第一目标函数。
[0087]
具体地，根据建立第一目标函数。
[0088]
其中，f1表示第一目标函数，cd表示新能源单位未消纳成本，表示新能源计划出力，pg表示新能源实际出力，t表示当前时段，t表示总时段。
[0089]
对于包含储能主体的分区来说，储能主体的需求是储能运营商收益最大化，因此建立包含储能售电收益以及购电成本的第二目标函数。
[0090]
具体地，根据建立第二目标函数。
[0091]
其中，f2表示第二目标函数，c
buy
表示储能单位的购电成本，c
sell
表示储能单位的售电成本，p
cha
(t)表示t时段的储能充电功率，p
dis
(t)表示t时段的储能放电功率。
[0092]
对于包含发电机主体的分区来说，发电机主体的需求是发电机组出力成本最小，因此，可以以发电机组出力成本最小为目标，建立第三目标函数。
[0093]
具体地，根据建立第三目标函数；
[0094]
其中，f3表示第三目标函数，cg表示机组单位出力成本；pg(t)表示t时段的机组出力功率。
[0095]
可选的，对于第一目标函数和第二目标函数，其约束条件可以包括：
[0096]
潮流功率平衡约束：
[0097][0098]
其中，pg表示新能源实际出力，pi表示初始节点的有功功率，pg表示机组出力功率，p
l
表示有功负荷，p
dis
表示储能放电功率，p
cha
表示储能充电功率， vi表示初始节点的电压幅值，vm表示终止节点的电压幅值，g
im
表示支路电导， b
im
表示支路电纳，θ
im
表示初始节点和终止节点的相角差，n表示支路数量，qg表示新能源实际无功功率，qi表示初始节点的无功功率，qg表示机组无功功率，q
l
表示无功负荷。
[0099]
以及，不等式约束：其中，和分别表示储能充电功率上限和储能充电功率下限，和分别表示储能放电功率上限和储能放电功率下限，p
cha
(t)表示t时段的储能充电功率，p
dis
(t)表示t时段的储能放电功率。
[0100]
对于第三目标函数，其约束条件还可以包括：
[0101]
储能约束：
[0102]
其中，s
es
(t)和s
es
(t-1)分别表示t时段与t-1时段的储能装置能量状态；σ
es
表示储能装置自损率；η
cha
和η
dis
分别表示充电效率和放电效率；p
cha
(t-1) 和p
dis
(t-1)分别表示t-1时段的储能充电功率和储能放电功率；s
es,max
和 s
es,min
分别表示储能装置能量状态上限和储能装置能量状态下限；pg(t)表示t 时段的机组出力功率；p
gmax
和p
gmin
分别表示机组出力功率上限和机组出力功率下限。
[0103]
步骤105，对不同的优化模型进行优化求解，得到各分区内的最优调度结果。
[0104]
可选的，在对不同的优化模型进行优化求解时，可以采用交替方向乘子算法按照预设的优先级顺序，分别求解各分区对应的优化模型。参见图3，步骤105可以包括：
[0105]
步骤151，根据各分区对应的目标函数以及约束条件，分别优化求解各分区对应的优化模型，得到各分区对应的边界耦合变量。
[0106]
根据上述目标函数和对应的约束条件，分别独立优化求解各分区对应的优化模型，得到该分区内各节点的节点电压、节点有功功率和节点无功功率。这里的边界耦合变量包括分区内边界节点的节点电压、节点有功功率和节点无功功率。对于整个主动配电网来说，相邻分区间共用的节点，即为分区内的边界节点。例如，第一分区和第二分区相邻，且第一分区和第二分区共用第一节点，则该第一节点就属于第一分区和第二分区的边界节点。该第一节点对应的节点电压、节点有功功率和节点无功功率即为第一分区和第二分区对应的边界耦合变量。
[0107]
步骤152，根据各分区对应的边界耦合变量，初始化惩罚函数，并将各分区对应的边界耦合变量，分别传递给相邻的分区。
[0108]
根据相邻分区间拉格朗日法得到惩罚函数：
[0109][0110]
其中，l表示一致性约束对应的惩罚函数,λ
p,t
、λ
q,t
和λ
u,t
分别表示有功功率、无功
功率和电压一致性约束的拉格朗日乘子,ρ为迭代步长。p
1,t
表示在t时段内当前分区的边界节点有功功率，p
2,t
表示在t时段内当前分区接收到相邻分区传递的边界节点有功功率，q
1,t
表示在t时段内当前分区的边界节点无功功率，q
2,t
表示在t时段内当前分区接收到相邻分区传递的边界节点无功功率， u
1,t
表示在t时段内当前分区的边界节点电压，u
2,t
表示在t时段内当前分区接收到相邻分区传递的边界节点电压，t表示时段数量。
[0111]
根据步骤151中得到的各分区中的边界耦合变量，带入上述惩罚函数中，令l＝0，得到初始的拉格朗日乘子，完成对于惩罚函数的初始化。
[0112]
步骤153，按照预设的优先级顺序，根据边界耦合变量和惩罚函数，依次优化求解各分区对应的优化模型，得到新的边界耦合变量并传递给相邻的分区。
[0113]
示例性地，主动配电网内共有三个分区，第一分区(包含新能源主体)与第二分区(包含储能主体)相邻，第二分区与第三分区(包含发电机组主体) 相邻，且第一分区优先级最高，第三分区优先级最低。则在执行步骤153时可以：先优化第一分区对应的优化模型，将第一分区接收到第二分区传递的边界耦合变量，带入惩罚函数中，并以f1+l为目标，优化求解第一分区对应的优化模型，得到新的边界耦合变量，传递给第二分区；将第二分区接收第一分区传递的新的边界耦合变量，带入惩罚函数中，并以f2+l为目标，优化求解第二分区对应的优化模型，得到新的边界耦合变量，传递给第三分区；将第三分区接收第二分区传递的新的边界耦合变量，带入惩罚函数中，并以f3+l为目标，优化求解第三分区对应的优化模型。
[0114]
步骤154，待到各分区对应的优化模型全部求解结束后，根据新的边界耦合变量，更新惩罚函数。
[0115]
待到所有优化模型全部求解结束后，根据更新惩罚函数中的拉格朗日乘子，得到新的惩罚函数。
[0116]
其中，和分别表示第k+1次迭代后有功功率、无功功率和电压一致性约束的拉格朗日乘子，和分别表示第k次迭代后有功功率、无功功率和电压一致性约束的拉格朗日乘子；ρ为迭代步长。表示第k+1次迭代后t时段内当前所有分区的边界节点有功功率集合，表示第k次迭代后t时段内当前所有分区接收到相邻分区传递的边界节点有功功率集合，表示第k+1次迭代后t时段内当前所有分区的边界节点无功功率集合，表示第k次迭代后t时段内当前所有分区接收到相邻分区传递的边界节点无功功率集合，表示第k+1次迭代后t时段内当前所有分区的边界节点电压集合，
表示第k次迭代后t时段内当前所有分区接收到相邻分区传递的边界节点电压集合。
[0117]
所有分区优化计算完毕后，即一次更新完成，判断是否满足收敛条件。在收敛条件不满足时，跳转到“按照预设的优先级顺序，根据边界耦合变量和惩罚函数，依次优化求解各分区对应的优化模型，得到新的边界耦合变量并传递给相邻的分区”步骤，并执行后续步骤，循环迭代，直到满足收敛条件，输出各分区内的最优调度结果。
[0118]
可选的，收敛条件为：其中，ε表示第二迭代精度。
[0119]
本发明实施例通过将主动配电网内部的所有分布式发电装置随机划分到不同的虚拟群组中，每个虚拟群组构成一个分区；针对每个分布式发电装置，利用预测模型，预测该分布式发电装置在各分区中的预测误差；根据预测误差，更新各分区的成员以及所述预测模型；在预设终止条件不满足时，跳转到“利用预测模型，预测该分布式发电装置在各分区中的预测误差”步骤，并执行后续步骤，循环迭代直到满足预设终止条件，得到最终的分区；根据各分区内的主体，对应建立不同的目标函数以及约束条件，得到不同的优化模型；对不同的优化模型进行优化求解，得到各分区内的最优调度结果，可以有效实现对于主动配电网的分区协调优化。其中，通过预测分布式发电装置在各分区中的预测误差，将预测误差作为反馈信号，对分布式发电装置进行迭代分区，相较于现有的其他分区方法，本发明的闭环反馈分区方法考虑到分布式发电装置出力预测的误差和准确性，能够更好地平衡区域内部的预测误差，消纳新能源。
[0120]
此外，各分区内的装置主体不同，因此优化目标各不相同。各分区间通过边界耦合变量进行信息传递，能够实现区域间的协同优化，得到各区域内的最优调度策略。
[0121]
相较于传统的“信息集中，统一决策”的集中式协调优化方法，本发明实施例对于配电网进行分区协调优化，能够满足配电网逐渐分布化的需求，考虑到新能源预测误差，对主动配电网进行科学地分区，减小新能源随机性和波动性的影响，同时可以协调各分区间的出力计划，实现对于配电网更加合理、灵活的优化控制。
[0122]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0123]
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
[0124]
图4示出了本发明实施例提供的主动配电网多主体优化装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0125]
如图4所示，主动配电网多主体优化装置4包括：分区单元41，建模单元 42和优化单元43。
[0126]
分区单元41，用于将主动配电网内部的所有分布式发电装置随机划分到不同的虚
拟群组中，每个虚拟群组构成一个分区。
[0127]
分区单元41，还用于针对每个分布式发电装置，利用预测模型，预测该分布式发电装置在各分区中的预测误差。
[0128]
分区单元41，还用于根据预测误差，更新各分区的成员以及预测模型。
[0129]
分区单元41，还用于在预设终止条件不满足时，跳转到“利用预测模型，预测该分布式发电装置在各分区中的预测误差”步骤，并执行后续步骤，循环迭代直到满足预设终止条件，得到最终的分区。
[0130]
建模单元42，用于根据各分区内的主体，对应建立不同的目标函数以及约束条件，得到不同的优化模型。
[0131]
优化单元43，用于对不同的优化模型进行优化求解，得到各分区内的最优调度结果。
[0132]
在一种可能的实现方式中，分区单元41，用于获取该分布式发电装置的出力数据。
[0133]
分区单元41，还用于针对每一个分区，根据该分布式发电装置的处理数据，确定该分布式发电装置在该分区时，该分区中所有分布式发电装置出力的总和。
[0134]
分区单元41，还用于将每一个分区中所有分布式发电装置出力的总和，输入对应的预测模型中，得到该分布式发电装置在各分区中的预测误差。
[0135]
在一种可能的实现方式中，分区单元41，用于针对每一个分布式发电装置，根据该分布式发电装置在各分区中的预测误差，将该分布式发电装置重新划分到预测误差最小的一个分区中；
[0136]
分区单元41，还用于各分区的成员更新完成后，获取中各分区中所有分布式发电装置的整体出力数据；
[0137]
分区单元41，还用于根据整体出力数据，对各分区对应的预测模型进行更新。
[0138]
在一种可能的实现方式中，预设终止条件包括：|n(r)-n(r-1)|＜ξ或者 r＝r
max
；
[0139]
其中，n(r)表示第r次迭代后的分区信息集合，n(r-1)表示第r-1次迭代后的分区信息集合，ξ表示第一迭代精度，r
max
表示最大迭代次数。
[0140]
在一种可能的实现方式中，对于包含新能源主体的分区，建模单元42，用于根据建立第一目标函数。
[0141]
其中，f1表示第一目标函数，cd表示新能源单位未消纳成本，表示新能源计划出力，pg表示新能源实际出力，t表示当前时段，t表示总时段；
[0142]
对于包含储能主体的分区，建模单元42，用于根据建立目标函数。
[0143]
其中，f2表示第二目标函数，c
buy
表示储能单位的购电成本，c
sell
表示储能单位的售电成本，p
cha
(t)表示t时段的储能充电功率，p
dis
(t)表示t时段的储能放电功率；
[0144]
对于包含发电机主体的分区，建模单元42，用于根据建立第三目标函数。
[0145]
其中，f3表示第三目标函数，cg表示机组单位出力成本；pg(t)表示t时段的机组出力功率。
[0146]
在一种可能的实现方式中，约束条件包括：
[0147]
潮流功率平衡约束：
[0148][0149]
其中，pg表示新能源实际出力，pi表示初始节点的有功功率，pg表示机组出力功率，p
l
表示有功负荷，p
dis
表示储能放电功率，p
cha
表示储能充电功率， vi表示初始节点的电压幅值，vm表示终止节点的电压幅值，g
im
表示支路电导， b
im
表示支路电纳，θ
im
表示初始节点和终止节点的相角差，n表示支路数量，qg表示新能源实际无功功率，qi表示初始节点的无功功率，qg表示机组无功功率， q
l
表示无功负荷；
[0150]
以及，不等式约束：其中，和分别表示储能充电功率上限和储能充电功率下限，和分别表示储能放电功率上限和储能放电功率下限，p
cha
(t)表示t时段的储能充电功率，p
dis
(t)表示t时段的储能放电功率。
[0151]
在一种可能的实现方式中，对于包含储能主体的分区，约束条件还包括：
[0152]
储能约束：
[0153]
其中，s
es
(t)和s
es
(t-1)分别表示t时段与t-1时段的储能装置能量状态；σ
es
表示储能装置自损率；η
cha
和η
dis
分别表示充电效率和放电效率；p
cha
(t-1) 和p
dis
(t-1)分别表示t-1时段的储能充电功率和储能放电功率；s
es,max
和 s
es,min
分别表示储能装置能量状态上限和储能装置能量状态下限；pg(t)表示t 时段的机组出力功率；p
gmax
和p
gmin
分别表示机组出力功率上限和机组出力功率下限。
[0154]
在一种可能的实现方式中，优化单元43，用于根据各分区对应的目标函数以及约束条件，分别优化求解各分区对应的优化模型，得到各分区对应的边界耦合变量。
[0155]
优化单元43，还用于根据各分区对应的边界耦合变量，初始化惩罚函数，并将各分区对应的边界耦合变量，分别传递给相邻的分区。
[0156]
优化单元43，还用于按照预设的优先级顺序，根据边界耦合变量和惩罚函数，依次优化求解各分区对应的优化模型，得到新的边界耦合变量并传递给相邻的分区；
[0157]
优化单元43，还用于待到各分区对应的优化模型全部求解结束后，根据新的边界耦合变量，更新惩罚函数。
[0158]
优化单元43，还用于在收敛条件不满足时，跳转到“按照预设的优先级顺序，根据所述边界耦合变量和所述惩罚函数，依次优化求解各分区对应的优化模型，得到新的边界耦合变量并传递给相邻的分区”步骤，并执行后续步骤，循环迭代，直到满足收敛条件，输出各分区内的最优调度结果。
[0159]
本发明实施例通过分区单元41将主动配电网内部的所有分布式发电装置随机划分到不同的虚拟群组中，每个虚拟群组构成一个分区；针对每个分布式发电装置，分区单元41利用预测模型，预测该分布式发电装置在各分区中的预测误差；分区单元41还根据预测误差，更新各分区的成员以及预测模型；在预设终止条件不满足时，分区单元41跳转到“利用预测模型，预测该分布式发电装置在各分区中的预测误差”步骤，并执行后续步骤，循环迭代直到满足预设终止条件，得到最终的分区；建模单元42根据各分区内的主体，对应建立不同的目标函数以及约束条件，得到不同的优化模型；优化单元43对不同的优化模型进行优化求解，得到各分区内的最优调度结果，可以有效实现对于主动配电网的分区协调优化。其中，分区单元41通过预测分布式发电装置在各分区中的预测误差，将预测误差作为反馈信号，对分布式发电装置进行迭代分区，相较于现有的其他分区方法，本发明中分区单元42采用的闭环反馈分区方法考虑到分布式发电装置出力预测的误差和准确性，能够更好地平衡区域内部的预测误差，消纳新能源。
[0160]
此外，各分区内的装置主体不同，因此优化目标各不相同。各分区间通过边界耦合变量进行信息传递，能够实现区域间的协同优化，得到各区域内的最优调度策略。
[0161]
相较于传统的“信息集中，统一决策”的集中式协调优化方法，本发明实施例对于配电网进行分区协调优化，能够满足配电网逐渐分布化的需求，考虑到新能源预测误差，对主动配电网进行科学地分区，减小新能源随机性和波动性的影响，同时可以协调各分区间的出力计划，实现对于配电网更加合理、灵活的优化控制。
[0162]
图5是本发明实施例提供的电子设备的示意图。如图5所示，该实施例的电子设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52 时实现上述各个主动配电网多主体优化方法实施例中的步骤，例如图1所示的步骤101至步骤105。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图4所示单元41至43的功能。
[0163]
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述电子设备5中的执行过程。例如，所述计算机程序52可以被分割成图4所示的单元41至43。
[0164]
所述电子设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备5可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图
5仅仅是电子设备5的示例，并不构成对电子设备5 的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
[0165]
所称处理器50可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列 (field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0166]
所述存储器51可以是所述电子设备5的内部存储单元，例如电子设备5 的硬盘或内存。所述存储器51也可以是所述电子设备5的外部存储设备，例如所述电子设备5上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器51还可以既包括所述电子设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
[0167]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0168]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0169]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0170]
在本发明所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0171]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目
的。
[0172]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0173]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个主动配电网多主体优化方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-onlymemory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。