CN102593874A - 一种用于微电网的能量调度方法 - Google Patents
一种用于微电网的能量调度方法 Download PDFInfo
- Publication number
- CN102593874A CN102593874A CN2012100715683A CN201210071568A CN102593874A CN 102593874 A CN102593874 A CN 102593874A CN 2012100715683 A CN2012100715683 A CN 2012100715683A CN 201210071568 A CN201210071568 A CN 201210071568A CN 102593874 A CN102593874 A CN 102593874A
- Authority
- CN
- China
- Prior art keywords
- power
- electrical network
- little electrical
- power supply
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种用于微电网的能量调度方法,其特征是采用蒙特卡罗方法对微电网运行中的不确定性因素进行随机模拟,产生由可再生能源电源的输出功率等构成的样本;给定微电网负荷满足率的置信水平,设置微电网旋转备用概率约束条件,以微电网能量调度时段的计划运行成本最小构成微电网能量调度的目标函数;设计蒙特卡罗法随机模拟和遗传算法相结合的能量调度算法进行微电网能量调度目标函数的求解,获得微电网的最优能量调度方案。本发明通过设定微电网负荷满足率的置信水平和引入微电网旋转备用概率约束条件,对微电网中多种不确定性因素进行处理,实现了微电网运行经济性与可靠性之间的折中,满足微电网的实际运行要求。
Description
技术领域
本发明涉及微电网技术领域,更具体地说为一种用于微电网的能量调度方法。
背景技术
微电网实现了分布式电源和负荷的一体化运行,能够灵活地接入和切出配电网,满足用户对于电能质量和供电可靠性的要求,也为可再生能源的综合利用提供了一种有效的技术手段。但是可再生能源的高渗透率,使得微电网承受扰动的能力相对较弱,尤其是在孤岛运行模式下,系统可能会面临更高的风险。因此,必须针对微电网特点进行合理的能量调度,以在确保系统安全性和可靠性的前提下,实现经济运行。
由于微电网概念提出的时间不长,目前直接针对微电网能量调度的研究较少。由丁明、张颖媛、茆美琴等人撰稿、刊载在电力系统自动化2009.33(24):78-82上的“集中控制式微网系统的稳态建模与运行优化”针对集中控制式微电网建立了优化调度模型。但其中没有考虑可再生能源的随机性和间歇性,难以符合微电网的实际运行要求,且未给出完整的微电网能量调度方法。
发明内容
本发明的目的是提供一种用于微电网的能量调度方法,通过引入概率约束条件,实现对微电网中不确定性因素的处理,避免现有技术所存在的不足,并能在微电网运行的经济性与可靠性之间进行合理折中。
为了达到上述目的,本发明所采用的技术方案为:
本发明用于微电网的能量调度方法的特点是:所述微电网是由可再生能源电源、输出功率可控的常规电源和负荷构成,所述微电网可以和与其并列运行的配电网进行功率交换,所述配电网与微电网间的功率交换只考虑配电网向微电网输出功率的情况,所述调度方法按如下步骤进行:
步骤一、采用蒙特卡罗方法对微电网运行中的不确定性因素进行随机模拟,产生由可再生能源电源的输出功率、可再生能源电源和常规电源的状态、负荷波动构成的样本,所述不确定性因素是指影响微电网运行状态的包括天气情况和设备故障在内的不确定因素;将所述随机模拟进行N次,产生容量为N的样本集,所述样本集中的样本用于对微电网旋转备用进行微电网旋转备用概率约束校验;所述样本集中的第k个样本为:
Samplek={p1k R,p2k R,...pik R...,pmk R,u1k R,u2k R,...uik R...,umk R,u1k,u2k,...ujk...,unk,δL k} (1)
式(1)中,k∈[1,N],pik R为第k个样本中第i个可再生能源电源的输出功率,uik R为第k个样本中第i个可再生能源电源的运行状态,m和n分别为微电网中可再生能源电源的个数和常规电源的个数,ujk为第k个样本中第j个常规电源的运行状态;可再生能源电源和常规电源的状态取值为“1”或“0”,以“1”表示可再生能源电源和常规电源正常运行,以“0”表示可再生能源电源和常规电源停运,δL k为第k个样本中微电网中负荷的波动;
步骤二、给定微电网负荷满足率的置信水平β,设置微电网旋转备用概率约束条件;所述微电网旋转备用概率约束条件是微电网提供的电能满足负荷要求的概率不小于给定的微电网负荷满足率的置信水平β,即:
式(2)中,m和n分别为微电网中的可再生能源电源个数和常规电源个数,ui R和uj分别为第i个可再生能源电源和第j个常规电源的状态,可再生能源电源和常规电源的状态取值为“1”或为“0”,以“1”表示可再生能源电源和常规电源正常运行,以“0”表示可再生能源电源和常规电源停运,pi R为第i个可再生能源电源输出功率,pj和rj分别为第j个常规电源的输出功率和所能提供的旋转备用功率,pG和rG分别为配电网的输出功率和提供的旋转备用容量,pL为负荷值,负荷值pL可以通过预测获得,δL为负荷的波动;
步骤三、设置常规电源的输出功率约束条件、配电网与微电网可交换功率约束条件和微电网功率平衡约束条件;
所述常规电源的输出功率约束条件是限定微电网中各常规电源输出功率的变化区间,即:
pj min≤pj≤pj max (3)
式(3)中,pj为第j个常规电源输出功率,pj min和pj max分别为第j个常规电源输出功率的上限值和下限值;
所述配电网与微电网可交换功率约束条件是限定配电网向微电网输出功率的变化区间,即:
0≤pG+rG≤pG max (4)
式(4)中,pG和rG分别为配电网向微电网输出功率、配电网向微电网提供的旋转备用功率,pG max为配电网向微电网输出功率的上限值;
所述微电网功率平衡约束条件是要求微电网中各可再生能源电源输出功率、各常规电源输出功率以及配电网向微电网输出功率之和等于微电网的负荷值pL,如式(5):
步骤四、以微电网能量调度时段的计划运行成本最小构成微电网能量调度的目标函数,计划运行成本F由常规电源的发电成本、配电网向微电网输出功率成本、从配电网向微电网提供的旋转备用成本构成,则微电网能量调度的目标函数表示为:
式(6)中,pj为第j个常规电源的输出功率,fj(pj)为第j个常规电源的发电成本,c为电价,pG为从配电网获取的功率,cpG为从配电网获取的功率成本,cr为旋转备用价格,rG为从配电网获取的旋转备用,crrG为从配电网获取的旋转备用成本;
步骤五、采用蒙特卡罗法随机模拟和遗传算法相结合的能量调度算法进行微电网能量调度目标函数的求解,获得微电网的最优能量调度方案。
本发明用于微电网的能量调度方法的特点也在于按如下方法确定样本集中的第k个样本:
①第k个样本中可再生能源电源输出功率值的确定方法:
设定第i个可再生能源电源输出功率的标准差为σi R,按均值为0、方差为(σi R)2的正态分布,随机产生第i个可再生能源电源的输出功率pik R;
将i取值为1到m,分别获得各可再生能源电源输出功率p1k R...pmk R;
②第k个样本中可再生能源电源运行状态的确定方法:
设定第i个可再生能源电源的强迫停运率为fi R,按0-1分布随机产生第i个可再生能源电源的运行状态uik R;
将i取值为1到m,分别获得各可再生能源电源运行状态u1k R...umk R;
③第k个样本中常规电源运行状态的确定方法:
设定第j个输出功率可控的常规电源的强迫停运率为fj,按0-1分布,随机产生第j个输出功率可控的常规电源的运行状态ujk;
将j取值为1到n,分别获得各输出功率可控的常规电源的运行状态u1k...unk;
④第k个样本中负荷波动的确定方法:
设定负荷波动的标准差为σL,按均值为0、方差为(σL)2的正态分布,随机产生负荷波动值δL k;
⑤利用①②③④中随机模拟产生的结果,直接构成第k个样本。
本发明用于微电网的能量调度方法的特点还在于:所述步骤五中的目标函数求解算法按以下步骤进行:
①、将微电网中n个常规电源的输出功率p1,p2,...,pn、配电网向微电网输出功率pG和配电网向微电网提供的旋转备用功率rG组成个体S,个体编码长度为n+2;
②、设定群体规模M、最大迭代次数T、阈值ε;
③、随机产生M个个体,形成初始群体,置当前代数t=1,置当前个体s=1;
④、按如下方法计算第s个个体的适应度:
a、利用第s个个体的基因计算微电网能量调度的目标函数值作为第s个个体的适应度;
b、由常规电源输出功率约束条件、配电网与微电网可交换功率约束条件和微电网功率平衡约束条件分别构造罚函数,利用第s个个体的基因计算相应的罚函数值后分别增加到第s个个体的适应度上;
由常规电源输出功率约束条件构造的罚函数为:
将j取值为1到n;
由配电网与微电网可交换功率约束条件构造的罚函数为:
由微电网功率平衡约束条件构造的罚函数为:
c、由微电网旋转备用概率约束条件构造罚函数,利用第s个个体的基因计算罚函数值后增加到第s个个体的适应度上,最终得到第s个个体的适应度;
由微电网旋转备用概率约束条件构造的罚函数为:
⑤、若s>M,转入步骤⑥,否则s=s+1,转入步骤④;
⑥、进行选择、交叉和变异,产生新的个体,形成下一代群体;
⑦、选择出适应度最小的个体,若最小适应度<ε或t>T,转入步骤⑧,否则t=t+1,转入步骤④;
⑧、将当前迭代次数所得到的适应度最小个体的基因作为解。
与已有技术相比,本发明的有益效果体现在:
本发明针对微电网自身的特点,以计划运行成本最低为目标进行能量调度,提高了微电网运行的经济效益;引入旋转备用概率约束条件,处理微电网中可再生能源电源输出功率波动、负荷波动、机组故障停运等不确定性因素的影响,保证了系统的可靠性;通过设定不同的微电网负荷满足率的置信水平,获得具有不同经济性和可靠性的能量调度方案,供调度决策者选择,满足了微电网的实际运行要求。
附图说明
图1为本发明所涉及的微电网能量调度的流程示意图;
图2为本发明所涉及的微电网能量调度目标函数求解的流程示意图;
图3为本发明具体实施例所涉及的最优能量调度方案示意图。
具体实施方式
本实施例中所指微电网是由可再生能源电源、输出功率可控的常规电源和负荷构成,微电网可以和与其并列运行的配电网进行功率交换,配电网与微电网间的功率交换只考虑配电网向微电网输出功率的情况,调度方法按如下步骤进行:
步骤一、采用蒙特卡罗方法对微电网运行中的不确定性因素进行随机模拟,产生由可再生能源电源的输出功率、可再生能源电源和常规电源的状态、负荷波动构成的样本,不确定性因素是指影响微电网运行状态的包括天气情况和设备故障在内的不确定因素;将随机模拟进行N次,产生容量为N的样本集,样本集中的样本用于对微电网旋转备用进行微电网旋转备用概率约束校验;样本集中的第k个样本为:
Samplek={p1k R,p2k R,...pik R...,pmk R,u1k R,u2k R,...uik R...,umk R,u1k,u2k,...ujk...,unk,δL k} (1)
对微电网运行中的不确定性因素采用蒙特卡罗法进行随机模拟产生第k个样本,将k取值为1到N,获得容量为N的包含各种不确定性因素的样本集。第k个样本的产生方法如下:
①第k个样本中可再生能源电源输出功率值的确定方法:
设定第i个可再生能源电源输出功率的标准差为σi R,按均值为0、方差为(σi R)2的正态分布,随机产生第i个可再生能源电源的输出功率pik R;
将i取值为1到m,分别获得各可再生能源电源输出功率p1k R...pmk R;
②第k个样本中可再生能源电源运行状态的确定方法:
设定第i个可再生能源电源的强迫停运率为fi R,按0-1分布随机产生第i个可再生能源电源的运行状态uik R;
将i取值为1到m,分别获得各可再生能源电源运行状态u1k R...umk R;
③第k个样本中常规电源运行状态的确定方法:
设定第j个输出功率可控的常规电源的强迫停运率为fj,按0-1分布,随机产生第j个输出功率可控的常规电源的运行状态ujk;
将j取值为1到n,分别获得各输出功率可控的常规电源的运行状态u1k...unk;
④第k个样本中负荷波动的确定方法:
设定负荷波动的标准差为σL,按均值为0、方差为(σL)2的正态分布,随机产生负荷波动值δL k;
⑤利用①②③④中随机模拟产生的结果,直接构成第k个样本。
微电网的运行状态受到诸如天气、设备故障等不确定因素的影响,具体表现在微网中的可再生能源电源的输出功率、可再生能源电源和常规电源工作状态的变化,负荷的随机波动上。采用蒙特卡罗方法对微电网运行中的不确定性因素进行随机模拟,产生容量为N的样本集,在样本集中充分包含了各种不确定因素的影响,体现了可再生能源的随机性和间歇性,负荷的波动性,符合微电网的实际运行要求。
步骤二、给定微电网负荷满足率的置信水平β,设置微电网旋转备用概率约束条件;微电网旋转备用概率约束条件是微电网提供的电能满足负荷要求的概率不小于给定的微电网负荷满足率的置信水平β,即:
微电网的运行状态受到各种不确定因素的影响,如何在微电网能量调度中充分考虑各种不确定因素,这里提出设置微电网旋转备用概率约束条件的方法,即给定微电网负荷满足率的置信水平,利用步骤一产生的样本,来统计微电网提供的电能满足负荷要求的概率,如果该概率大于置信水平,就认为在考虑了各种不确定因素影响的前提下,微电网提供的电能能够满足负荷要求,如果该概率小于置信水平,就认为在考虑了各种不确定因素影响的前提下,微电网提供的电能不能够满足负荷要求。
步骤三、设置常规电源的输出功率约束条件、配电网与微电网可交换功率约束条件和微电网功率平衡约束条件;
常规电源的输出功率约束条件是限定微电网中各常规电源输出功率的变化区间,即:
pj min≤pj≤pj max (3)
配电网与微电网可交换功率约束条件是限定配电网向微电网输出功率的变化区间,即:
0≤pG+rG≤pG max (4)
微电网功率平衡约束条件是要求微电网中各可再生能源电源输出功率、各常规电源输出功率以及配电网向微电网输出功率之和等于微电网的负荷值pL,如式(5):
通过设置常规电源的输出功率约束条件、配电网与微电网可交换功率约束条件和微电网功率平衡约束条件,保证微电网的正常安全运行。
步骤四、以微电网能量调度时段的计划运行成本最小构成微电网能量调度的目标函数,计划运行成本F由常规电源的发电成本、配电网向微电网输出功率成本、从配电网向微电网提供的旋转备用成本构成,则微电网能量调度的目标函数表示为:
在微电网能量调度时段的计划运行成本构成方面,不考虑可再生能源电源的成本,且配电网与微电网间的功率交换只考虑配电网向微电网输出功率的情况。
步骤五、采用蒙特卡罗法随机模拟和遗传算法相结合的能量调度算法进行微电网能量调度目标函数的求解,获得微电网的最优能量调度方案。
微电网能量调度目标函数求解步骤如下:
①、将微电网中n个常规电源的输出功率p1,p2,...,pn、配电网向微电网输出功率pG和配电网向微电网提供的旋转备用功率rG组成个体S,个体编码长度为n+2;
②、设定群体规模M、最大迭代次数T、阈值ε;
③、随机产生M个个体,形成初始群体,置当前代数t=1,置当前个体s=1;
④、按如下方法计算第s个个体的适应度:
a、利用第s个个体的基因计算微电网能量调度的目标函数值作为第s个个体的适应度;
b、由常规电源输出功率约束条件、配电网与微电网可交换功率约束条件和微电网功率平衡约束条件分别构造罚函数,利用第s个个体的基因计算相应的罚函数值后分别增加到第s个个体的适应度上;
由常规电源输出功率约束条件构造的罚函数为:
将j取值为1到n;
由配电网与微电网可交换功率约束条件构造的罚函数为:
由微电网功率平衡约束条件构造的罚函数为:
c、由微电网旋转备用概率约束条件构造罚函数,利用第s个个体的基因计算罚函数值后增加到第s个个体的适应度上,最终得到第s个个体的适应度;
由微电网旋转备用概率约束条件构造的罚函数为:
⑤、若s>M,转入步骤⑥,否则s=s+1,转入步骤④;
⑥、进行选择、交叉和变异,产生新的个体,形成下一代群体;
⑦、选择出适应度最小的个体,若最小适应度<ε或t>T,转入步骤⑧,否则t=t+1,转入步骤④;
⑧、将当前迭代次数所得到的适应度最小个体的基因作为解。
采用蒙特卡罗法随机模拟和遗传算法相结合的能量调度算法寻求微电网最优能量调度方案,考虑了可再生能源电源的输出功率、可再生能源电源和常规电源工作状态的变化,负荷的随机波动等不确定因素对微电网运行状态的影响,也充分利用了遗传算法收敛性好、计算精度高、计算时间少、鲁棒性高的优点。
实施例:
以一个包含光伏电池、风力发电机和柴油机的并网运行微电网的能量调度为例。
在这一微电网中,配电网的传输功率上限为500kW,各分布式电源的数据如表1:
表1分布式电源的数据
类型 | 功率下限/kw | 功率上限/kw | 强迫停运率 | 数量 |
柴油机 | 40 | 100 | 0.080 | 1 |
柴油机 | 80 | 200 | 0.050 | 1 |
光伏电池 | 0 | 20 | 0.003 | 5 |
风力发电机 | 0 | 100 | 0.040 | 2 |
1、采用蒙特卡罗方法对微电网运行中的不确定性因素进行随机模拟,产生由可再生能源电源的输出功率、可再生能源电源和常规电源的状态、负荷波动构成的样本;
在这一步骤中,蒙特卡罗模拟的次数取N=1000。设各可再生能源电源输出功率的标准差均为其输出功率的10%,负荷波动的标准差为其预测值的5%,各机组的强迫停运率见表1。
2、给定微电网负荷满足率的置信水平β=0.99,设置微电网旋转备用概率约束条件,如式(1):
3、设置输出功率可控的常规电源输出功率约束条件、配电网与微电网可交换功率约束条件和微电网功率平衡约束条件,分别如式(2)、式(3)、式(4):
pj min≤pj≤pj max (2)
0≤pG+rG≤pG max (3)
4、以微电网能量调度时段的计划运行成本最小构成微电网能量调度的目标函数,如式(5):
5、设计蒙特卡罗法随机模拟和遗传算法相结合的能量调度算法进行微电网能量调度目标函数的求解,获得微电网的最优能量调度方案。
在这一步骤中,遗传算法的参数设置为:群体规模M=20,迭代次数T=100,阈值ε=0.1,交叉概率PC=0.6,变异概率PM=0.1。
对微电网全天24个时段分别进行能量调度,获得的最优调度方案如图3所示,对应的全天计划运行成本为3891.5元。
图3为采用蒙特卡罗法随机模拟和遗传算法相结合能量调度算法寻求的微电网最优能量调度方案中全天24个时段各个常规电源的输出功率曲线、配电网向微电网输出功率曲线、配电网向微电网提供的旋转备用功率曲线;其中曲线a是常规电源100kW柴油机的输出功率曲线,曲线b是常规电源200kW柴油机的输出功率曲线,曲线c是配电网向微电网输出功率曲线,曲线d是配电网向微电网提供的旋转备用功率曲线。
Claims (3)
1.一种用于微电网的能量调度方法,其特征在于:所述微电网是由可再生能源电源、输出功率可控的常规电源和负荷构成,所述微电网可以和与其并列运行的配电网进行功率交换,所述配电网与微电网间的功率交换只考虑配电网向微电网输出功率的情况,所述调度方法按如下步骤进行:
步骤一、采用蒙特卡罗方法对微电网运行中的不确定性因素进行随机模拟,产生由可再生能源电源的输出功率、可再生能源电源和常规电源的状态、负荷波动构成的样本,所述不确定性因素是指影响微电网运行状态的包括天气情况和设备故障在内的不确定因素;将所述随机模拟进行N次,产生容量为N的样本集,所述样本集中的样本用于对微电网旋转备用进行微电网旋转备用概率约束校验;所述样本集中的第k个样本为:
Samplek={p1k R,p2k R,...pik R...,pmk R,u1k R,u2k R,...uik R...,umkR,u1k,u2k,...ujk...,unk,δL k} (1)
式(1)中,k∈[1,N],pik R为第k个样本中第i个可再生能源电源的输出功率,uik R为第k个样本中第i个可再生能源电源的运行状态,m和n分别为微电网中可再生能源电源的个数和常规电源的个数,ujk为第k个样本中第j个常规电源的运行状态;可再生能源电源和常规电源的状态取值为“1”或“0”,以“1”表示可再生能源电源和常规电源正常运行,以“0”表示可再生能源电源和常规电源停运,δL k为第k个样本中微电网中负荷的波动;
步骤二、给定微电网负荷满足率的置信水平β,设置微电网旋转备用概率约束条件;所述微电网旋转备用概率约束条件是微电网提供的电能满足负荷要求的概率不小于给定的微电网负荷满足率的置信水平β,即:
式(2)中,ui R和uj分别为第i个可再生能源电源和第j个常规电源的状态,可再生能源电源和常规电源的状态取值为“1”或为“0”,以“1”表示可再生能源电源和常规电源正常运行,以“0”表示可再生能源电源和常规电源停运,pi R为第i个可再生能源电源输出功率,pj和rj分别为第j个常规电源的输出功率和所能提供的旋转备用功率,pG和rG分别为配电网的输出功率和提供的旋转备用容量,pL为负荷值,负荷值pL可以通过预测获得,δL为负荷的波动;
步骤三、设置常规电源的输出功率约束条件、配电网与微电网可交换功率约束条件和微电网功率平衡约束条件;
所述常规电源的输出功率约束条件是限定微电网中各常规电源输出功率的变化区间,即:
pj min≤pj≤pj max (3)
式(3)中,pj为第j个常规电源输出功率,pj min和pj max分别为第j个常规电源输出功率的上限值和下限值;
所述配电网与微电网可交换功率约束条件是限定配电网向微电网输出功率的变化区间,即:
0≤pG+rG≤pG max (4)
式(4)中,pG和rG分别为配电网向微电网输出功率、配电网向微电网提供的旋转备用功率,pG max为配电网向微电网输出功率的上限值;
所述微电网功率平衡约束条件是要求微电网中各可再生能源电源输出功率、各常规电源输出功率以及配电网向微电网输出功率之和等于微电网的负荷值pL,即:
步骤四、以微电网能量调度时段的计划运行成本最小构成微电网能量调度的目标函数,计划运行成本F由常规电源的发电成本、配电网向微电网输出功率成本、从配电网向微电网提供的旋转备用成本构成,则微电网能量调度的目标函数表示为:
式(6)中,pj为第j个常规电源的输出功率,fj(pj)为第j个常规电源的发电成本,c为电价,pG为从配电网获取的功率,cpG为从配电网获取的功率成本,cr为旋转备用价格,rG为从配电网获取的旋转备用,crrG为从配电网获取的旋转备用成本;
步骤五、采用蒙特卡罗法随机模拟和遗传算法相结合的能量调度算法进行微电网能量调度目标函数的求解,获得微电网的最优能量调度方案。
2.根据权利要求1所述的用于微电网的能量调度方法,其特征在于按如下方法确定样本集中的第k个样本:
①第k个样本中可再生能源电源输出功率值的确定方法:
设定第i个可再生能源电源输出功率的标准差为σi R,按均值为0、方差为(σi R)2的正态分布,随机产生第i个可再生能源电源的输出功率pik R;
将i取值为1到m,分别获得各可再生能源电源输出功率p1k R...pmk R;
②第k个样本中可再生能源电源运行状态的确定方法:
设定第i个可再生能源电源的强迫停运率为fi R,按0-1分布随机产生第i个可再生能源电源的运行状态uik R;
将i取值为1到m,分别获得各可再生能源电源运行状态u1k R...umk R;
③第k个样本中常规电源运行状态的确定方法:
设定第j个输出功率可控的常规电源的强迫停运率为fj,按0-1分布,随机产生第j个输出功率可控的常规电源的运行状态ujk;
将j取值为1到n,分别获得各输出功率可控的常规电源的运行状态u1k...unk;
④第k个样本中负荷波动的确定方法:
设定负荷波动的标准差为σL,按均值为0、方差为(σL)2的正态分布,随机产生负荷波动值δL k;
⑤利用①②③④中随机模拟产生的结果,直接构成第k个样本。
3.根据权利要求1所述的用于微电网的能量调度方法,其特征在于:所述步骤五中的目标函数求解算法按以下步骤进行:
①、将微电网中n个常规电源的输出功率p1,p2,...,pn、配电网向微电网输出功率pG和配电网向微电网提供的旋转备用功率rG组成个体S,个体编码长度为n+2;
②、设定群体规模M、最大迭代次数T、阈值ε;
③、随机产生M个个体,形成初始群体,置当前代数t=1,置当前个体s=1;
④、按如下方法计算第s个个体的适应度:
a、利用第s个个体的基因计算微电网能量调度的目标函数值作为第s个个体的适应度;
b、由常规电源输出功率约束条件、配电网与微电网可交换功率约束条件和微电网功率平衡约束条件分别构造罚函数,利用第s个个体的基因计算相应的罚函数值后分别增加到第s个个体的适应度上;
由常规电源输出功率约束条件构造的罚函数为:
将j取值为1到n;
由配电网与微电网可交换功率约束条件构造的罚函数为:
由微电网功率平衡约束条件构造的罚函数为:
c、由微电网旋转备用概率约束条件构造罚函数,利用第s个个体的基因计算罚函数值后增加到第s个个体的适应度上,最终得到第s个个体的适应度;
由微电网旋转备用概率约束条件构造的罚函数为:
⑤、若s>M,转入步骤⑥,否则s=s+1,转入步骤④;
⑥、进行选择、交叉和变异,产生新的个体,形成下一代群体;
⑦、选择出适应度最小的个体,若最小适应度<ε或t>T,转入步骤⑧,否则t=t+1,转入步骤④;
⑧、将当前迭代次数所得到的适应度最小个体的基因作为解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100715683A CN102593874A (zh) | 2012-03-19 | 2012-03-19 | 一种用于微电网的能量调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100715683A CN102593874A (zh) | 2012-03-19 | 2012-03-19 | 一种用于微电网的能量调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102593874A true CN102593874A (zh) | 2012-07-18 |
Family
ID=46482202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100715683A Pending CN102593874A (zh) | 2012-03-19 | 2012-03-19 | 一种用于微电网的能量调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102593874A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103023066A (zh) * | 2012-11-21 | 2013-04-03 | 华中科技大学 | 一种适合于含风电电力系统储能功率的优化配置方法 |
CN103217900A (zh) * | 2013-02-06 | 2013-07-24 | 浙江工业大学 | 基于实时电价的中压微网混沌pso最优潮流实现方法 |
CN103532109A (zh) * | 2013-07-24 | 2014-01-22 | 国家电网公司 | 一种用于含微网的配电网故障恢复方法 |
WO2014153946A1 (zh) * | 2013-03-27 | 2014-10-02 | 国网浙江省电力公司电力科学研究院 | 独立微网系统的优化方法 |
CN104092209A (zh) * | 2014-06-18 | 2014-10-08 | 光一科技股份有限公司 | 基于实时反馈的互动型微电网能量控制处理方法 |
CN104638662A (zh) * | 2015-01-28 | 2015-05-20 | 广西大学 | 应对多区域新能源功率随机波动的常规机组调节功率配备方法 |
CN105207253A (zh) * | 2015-09-15 | 2015-12-30 | 重庆大学 | 考虑风电及频率不确定性的agc随机动态优化调度方法 |
CN106300439A (zh) * | 2016-08-31 | 2017-01-04 | 郑州众智科技股份有限公司 | 基于发电质量的并联发电机组的调度方法 |
CN106372764A (zh) * | 2016-11-04 | 2017-02-01 | 广东电网有限责任公司电力科学研究院 | 一种10kV配电网及10kV配电网协调配置方法 |
CN106972549A (zh) * | 2017-05-12 | 2017-07-21 | 北京金风科创风电设备有限公司 | 用于风电场的能量管理的方法和设备 |
CN107392395A (zh) * | 2017-08-23 | 2017-11-24 | 天津大学 | 一种基于价格激励机制的配电网和微电网协调优化方法 |
CN107451686A (zh) * | 2017-07-18 | 2017-12-08 | 广东双新电气科技有限公司 | 考虑随机预测误差的遗传算法的微电网能源优化方法 |
CN107742900A (zh) * | 2017-11-10 | 2018-02-27 | 国网四川省电力公司技能培训中心 | 风光储智能微电网经济调度控制方法 |
CN109217349A (zh) * | 2017-06-30 | 2019-01-15 | 国网山西省电力公司经济技术研究院 | 基于多微网并网场景下的计及运行策略的微电网外特性求解方法 |
CN109409609A (zh) * | 2018-11-05 | 2019-03-01 | 南方电网科学研究院有限责任公司 | 综合能源系统多能流供需平衡的概率约束建模方法和装置 |
CN109472422A (zh) * | 2018-11-28 | 2019-03-15 | 中国电力科学研究院有限公司 | 一种综合能源网络成本优化方法及装置 |
CN111047227A (zh) * | 2020-03-13 | 2020-04-21 | 四川大学 | 基于两阶段的能量和业务时空匹配的鲁棒能量调度方法 |
CN112270440A (zh) * | 2020-10-30 | 2021-01-26 | 国网安徽省电力有限公司合肥供电公司 | 一种基于胶囊神经网络的配电网负荷预测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002027892A1 (en) * | 2000-09-28 | 2002-04-04 | Youtility Inc | Local area grid for distributed power |
-
2012
- 2012-03-19 CN CN2012100715683A patent/CN102593874A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002027892A1 (en) * | 2000-09-28 | 2002-04-04 | Youtility Inc | Local area grid for distributed power |
Non-Patent Citations (1)
Title |
---|
刘小平等: "微网系统的动态经济调度", 《中国电机工程学报》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103023066A (zh) * | 2012-11-21 | 2013-04-03 | 华中科技大学 | 一种适合于含风电电力系统储能功率的优化配置方法 |
CN103217900B (zh) * | 2013-02-06 | 2015-10-07 | 浙江工业大学 | 基于实时电价的中压微网混沌pso最优潮流实现方法 |
CN103217900A (zh) * | 2013-02-06 | 2013-07-24 | 浙江工业大学 | 基于实时电价的中压微网混沌pso最优潮流实现方法 |
WO2014153946A1 (zh) * | 2013-03-27 | 2014-10-02 | 国网浙江省电力公司电力科学研究院 | 独立微网系统的优化方法 |
US9985438B2 (en) | 2013-03-27 | 2018-05-29 | Electric Power Research Institute Of State Grid Zhejiang Electric Power Company | Optimization method for independent micro-grid system |
CN103532109B (zh) * | 2013-07-24 | 2016-02-10 | 国家电网公司 | 一种用于含微网的配电网故障恢复方法 |
CN103532109A (zh) * | 2013-07-24 | 2014-01-22 | 国家电网公司 | 一种用于含微网的配电网故障恢复方法 |
CN104092209A (zh) * | 2014-06-18 | 2014-10-08 | 光一科技股份有限公司 | 基于实时反馈的互动型微电网能量控制处理方法 |
CN104638662A (zh) * | 2015-01-28 | 2015-05-20 | 广西大学 | 应对多区域新能源功率随机波动的常规机组调节功率配备方法 |
CN104638662B (zh) * | 2015-01-28 | 2016-09-14 | 广西大学 | 应对多区域新能源功率随机波动的常规机组调节功率配备方法 |
CN105207253A (zh) * | 2015-09-15 | 2015-12-30 | 重庆大学 | 考虑风电及频率不确定性的agc随机动态优化调度方法 |
CN105207253B (zh) * | 2015-09-15 | 2017-11-21 | 重庆大学 | 考虑风电及频率不确定性的agc随机动态优化调度方法 |
CN106300439A (zh) * | 2016-08-31 | 2017-01-04 | 郑州众智科技股份有限公司 | 基于发电质量的并联发电机组的调度方法 |
CN106372764A (zh) * | 2016-11-04 | 2017-02-01 | 广东电网有限责任公司电力科学研究院 | 一种10kV配电网及10kV配电网协调配置方法 |
CN106972549A (zh) * | 2017-05-12 | 2017-07-21 | 北京金风科创风电设备有限公司 | 用于风电场的能量管理的方法和设备 |
CN106972549B (zh) * | 2017-05-12 | 2019-11-12 | 北京金风科创风电设备有限公司 | 用于风电场的能量管理的方法和设备 |
CN109217349A (zh) * | 2017-06-30 | 2019-01-15 | 国网山西省电力公司经济技术研究院 | 基于多微网并网场景下的计及运行策略的微电网外特性求解方法 |
CN107451686A (zh) * | 2017-07-18 | 2017-12-08 | 广东双新电气科技有限公司 | 考虑随机预测误差的遗传算法的微电网能源优化方法 |
CN107451686B (zh) * | 2017-07-18 | 2020-12-15 | 广东双新电气科技有限公司 | 考虑随机预测误差的遗传算法的微电网能源优化方法 |
CN107392395A (zh) * | 2017-08-23 | 2017-11-24 | 天津大学 | 一种基于价格激励机制的配电网和微电网协调优化方法 |
CN107742900A (zh) * | 2017-11-10 | 2018-02-27 | 国网四川省电力公司技能培训中心 | 风光储智能微电网经济调度控制方法 |
CN109409609A (zh) * | 2018-11-05 | 2019-03-01 | 南方电网科学研究院有限责任公司 | 综合能源系统多能流供需平衡的概率约束建模方法和装置 |
CN109472422A (zh) * | 2018-11-28 | 2019-03-15 | 中国电力科学研究院有限公司 | 一种综合能源网络成本优化方法及装置 |
CN111047227A (zh) * | 2020-03-13 | 2020-04-21 | 四川大学 | 基于两阶段的能量和业务时空匹配的鲁棒能量调度方法 |
CN112270440A (zh) * | 2020-10-30 | 2021-01-26 | 国网安徽省电力有限公司合肥供电公司 | 一种基于胶囊神经网络的配电网负荷预测方法 |
CN112270440B (zh) * | 2020-10-30 | 2023-04-07 | 国网安徽省电力有限公司合肥供电公司 | 一种基于胶囊神经网络的配电网负荷预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102593874A (zh) | 一种用于微电网的能量调度方法 | |
Zou et al. | Evaluating the contribution of energy storages to support large-scale renewable generation in joint energy and ancillary service markets | |
Zhu et al. | Sharing renewable energy in smart microgrids | |
Chen et al. | Key technologies for integration of multitype renewable energy sources—Research on multi-timeframe robust scheduling/dispatch | |
Fang et al. | Data-driven-based stochastic robust optimization for a virtual power plant with multiple uncertainties | |
CN104933516A (zh) | 一种多时间尺度的电力系统鲁棒调度系统设计方法 | |
CN102097828A (zh) | 一种基于功率预测的风电优化调度方法 | |
Srikantha et al. | Distributed optimization of dispatch in sustainable generation systems via dual decomposition | |
CN104573875B (zh) | 一种低碳化的电源电网优化规划的方法 | |
CN104779611A (zh) | 基于集中式和分布式双层优化策略的微电网经济调度方法 | |
Wu et al. | Deep learning to optimize: Security-constrained unit commitment with uncertain wind power generation and BESSs | |
CN102509175A (zh) | 分布式供电系统可靠性优化方法 | |
Fang et al. | Optimal energy management of multiple electricity-hydrogen integrated charging stations | |
Guo et al. | Evaluating effects of battery storage on day-ahead generation scheduling of large hydro–wind–photovoltaic complementary systems | |
Tang et al. | Optimal operation method for microgrid with wind/PV/diesel generator/battery and desalination | |
Xu et al. | Multi‐objective optimal scheduling strategy for wind power, PV and pumped storage plant in VSC‐HVDC grid | |
CN104392282A (zh) | 一种考虑大规模风电接入的发电机组检修计划最小失负荷期望方法 | |
CN103326394B (zh) | 一种计及风电波动性的多场景概率优化调度方法 | |
Wu et al. | Economic dispatch with CHP and wind power using probabilistic sequence theory and hybrid heuristic algorithm | |
Yang et al. | Multi-Objective optimal scheduling of island microgrids considering the uncertainty of renewable energy output | |
Hong et al. | Markov model-based energy storage system planning in power systems | |
Mao et al. | Microgrid group control method based on deep learning under cloud edge collaboration | |
Hu et al. | Adaptive time division power dispatch based on numerical characteristics of net loads | |
Wang et al. | Coordinated operation strategy for hydrogen energy storage in the incremental distribution network | |
Yuan et al. | Optimal proportion of wind and PV capacity in provincial power systems based on bilevel optimization algorithm under low-carbon economy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120718 |