CN104408532A - 一种基于对偶策略的微网短期经济调度优化方法 - Google Patents

Abstract

本发明公开了一种基于对偶策略的微网短期经济调度优化方法。基于微网短期负荷预测和不可控微电源发电功率预测，以微网并网运行的总经济成本最小为目标函数，构建微网并网优化运行模型，以对偶策略进行求解；通过快速检测微网中由于预测误差导致的实时不平衡电量，以微网中实时不平衡电量最小为目标函数，构建微网电量修正模型，采用Benders分解迭代算法进行求解，解决微网波动性优化问题；将微网波动性优化问题再次带入到微网并网优化运行模型中迭代求解，解决微网系统的机组组合问题，实现系统的短期经济调度优化。本发明快速有效的解决了微网经济调度优化问题，促进微网技术的全面推广应用。

Description

一种基于对偶策略的微网短期经济调度优化方法

技术领域

本发明涉及一种基于对偶策略的微网短期经济调度优化方法，属微网技术领域。

背景技术

随着环境问题和能源危机的日趋严重，传统电力系统通过消耗化石燃料来产生电能以及长距离传输的方式已难以满足节能减排、减轻环境污染、降低网损、改善电能质量和提高供电可靠性等要求，世界各国都在大力开发新能源及可再生能源和推动智能电网新技术的发展，以提高可再生能源发电的比重和满足用户对电能质量和供电可靠性的更高要求。同时，一种由风力发电、光伏发电、微型燃气轮机和燃料电池等分布式电源(distributed generators，DGs，也称为微电源)和储能装置、负荷共同组成的有机系统——微网技术(Microgrid)，已经得到国内外的广泛关注。相对大电网(Macrogrid)而言，微网的显著优势是微网既可以并网运行也可以孤岛运行，特别是当大电网出现供电不足或者事故故障时，微网可无缝切换到孤岛模式，通过调节合理的运行方式和调整不同种类微电源的发电出力，从而实现微网的经济运行。微网的并网运行可以实现一个共同的目标函数，即机组组合优化，使微网的经济成本最小，同时要满足微网系统中不同种类微电源的出力约束、运行约束和环境约束等。而微电源又分为可控微电源(dispatchable units,DU)和不可控微电源(non-dispatchable units,NU)，风力发电、光伏发电等新能源及可再生能源发电系统受到自然条件的影响，被认为是不可控微电源，其随机性、波动性和间歇性的特征增加了微网经济调度优化的难度，加之微网经济优化问题是一个多元化、非线性的优化问题，导致难以制定准确的微网调度计划。

因此，微网经济调度优化策略必须建立在准确、可靠的负荷预测和风力发电、光伏发电的预测以及合理的优化调度模型。当前国内外已有一些的学者对微网的调度优化问题开展研究，主要针对并网运行模式或者孤岛运行模式，从技术因素、经济效益、环境成本等方面着手考虑，取得了一定的研究成果。然而当前的研究方法都有一定的局限性，采用预测值为实际功率输出值，并进行简单的等效，忽略了微网中光伏发电或者风力发电预测误差以及负荷预测误差的影响，不能真正解决微网运行的经济调度优化问题，这样还需对微网系统的经济调度运行问题在广度和深度上进一步展开深入研究。

发明内容

本发明所考虑的微网系统包括光伏发电(Wind Turbine，PV)、风力发电(Wind Turbine,WT)、微型燃气轮机(Micro Gas Turbine,MT)和燃料电池(Fuel Cell,FC)、储能装置(EnergyStorage Systems,ESS)。负荷类型包括重要负荷和一般负荷，重要负荷，即为不可调负荷，具有最高供电的优先权，必须得到必要的电力供应，而一般负荷，即为可调负荷，可在电力供应不足的情况下切负荷运行，尽可能满足其电力供应。为了充分发挥可再生能源的环境效益和社会效益，可再生能源发电机组可优先发电，分布式发电作为可再生能源发电机组的重要补充，共同完成微网系统中重要负荷的电力供应。而储能装置主要用于调节可再生能源发电的波动和负荷预测的误差，更好地满足电能质量的要求。假定微网系统的调度时段为1h，负荷与发电机组均为恒功率运行，而且并网运行时微网与大电网可以根据实时电价相互购电。本发明提出了微网短期经济调度优化方法，首先构建微网并网优化运行模型，基于提前一天的微网短期负荷预测和不可控微电源发电功率预测，以微网并网运行的总经济成本最小为目标函数，同时满足功率平衡约束、机组出力上下限以及环境约束等运行约束条件，采用对偶策略解决非线性、多约束的优化问题；然后通过快速检测微网中由于预测误差导致的实时不平衡电量，并以微网中不平衡电量最小为目标函数，同时满足储能装置充放电约束、爬坡约束等多种约束条件，采用Benders分解迭代算法进行求解，快速有效的解决了微网经济调度优化问题，促进微网技术的全面推广应用。

1微网短期经济调度优化模型

1)微网并网优化运行模型

$\left\{\begin{array}{c}\min \mathrm{TC}=\min \underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i\∈\mathrm{DU}}{\mathrm{\Σ}}{u}_{i,t}({\mathrm{FC}}_{i,t}+{\mathrm{MC}}_{i,t}+{\mathrm{STC}}_{i,t})+\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{\mathrm{\κ}}_t\·P_{M,t}\\ {\mathrm{FC}}_{i,t}\left(p_{i,t}\right)=a_i{p}_{i,t}^2+b_i{p}_{i,t}+c_i\\ {\mathrm{MC}}_{i,t}\left(p_{i,t}\right)=d_i{p}_{i,t}\\ {\mathrm{STC}}_{i,t}=({\mathrm{HSC}}_i+{\mathrm{CSC}}_i[1-\exp (1-\frac{-T_{i,t}}{{\mathrm{\ρ}}_i})\left]\right)\end{array}\right.---\left(1\right)$

微网的并网优化运行模型是以微网并网运行的总经济成本最小为目标函数，主要包括两部分，分别是微网的运行成本和与大电网的购电成本。而微网的运行成本包括微型燃气轮机/燃料电池机组的燃料费用、运行与维护费用和启停机费用。其中，FC_i,t(p_i,t)为第i台发电机组在第t个调度时段的燃料费用；a_i、b_i、c_i为第i台发电机组的相关参数；p_i,t为第i台发电机组在第t个调度时段的发电出力。MC_i,t(p_i,t)为第i台发电机组在第t个调度时段的运行和维护费用；d_i为第i台发电机组的运行和维护费用的比例系数。STC_i,t为第i台发电机组在第t个调度时段的启停机费用；HSC_i为第i台发电机组的热启动费用；CSC_i为第i台发电机组的冷启动费用；T_i,t为第i台发电机组在第t个调度时段的停机时间；ρ_i为第i台发电机组的冷却时间；κ_t为第t个调度时段的实时电价；P_M,t为微网与大电网的购电功率，可为正值、负值或0，若为负值则表示，微网向大电网售电。同时微网的并网运行也必须满足运行约束条件。

$\underset{i}{\mathrm{\Σ}}{p}_{i,t}+P_{M,t}=\underset{d}{\mathrm{\Σ}}{P}_{d,t},\∀d\∈D,\∀t---\left(2\right)$

${-P}_M^{\max }\≤P_{M,t}\≤P_M^{\max },\∀t---\left(3\right)$

$p_i^{\min }{u}_{i,t}\≤p_{i,t}\≤p_i^{\max }{u}_{i,t},\∀i\∈\mathrm{DU},\∀t---\left(4\right)$

${\mathrm{DR}}_i\≤p_{i,t}-p_{i,t-1}\≤{\mathrm{UR}}_i,\∀i\∈\mathrm{DU},\∀t---\left(5\right)$

$T_{i,t}^{\mathrm{ON}}\≥{\mathrm{UT}}_i(u_{i,t}-u_{i,t-1}),\∀i\∈\mathrm{DU},\∀t---\left(6\right)$

$T_{i,t}^{\mathrm{OFF}}\≥{\mathrm{DT}}_i(u_{i,t-1}-u_{i,t}),\∀i\∈\mathrm{DU},\∀t---\left(7\right)$

$\underset{i}{\mathrm{\Σ}}{E}_{i,t}^e=\underset{i}{\mathrm{\Σ}}{A}_i{p}_{i,t}^2+B_i{p}_{i,t}+C_i\≤\mathrm{\ξ},\∀i\∈\mathrm{DU},\∀t---\left(8\right)$

其中，P_d,t为第t个调度时段的负荷；为微网与大电网交互功率的上限；分别为第i台发电机组的最小和最大功率限额；DR_i、UR_i分别为第i台发电机组的功率爬坡最小最大限额；分别为第i台发电机组在第t个调度时段的持续发电、停机时长；UT_i、DT_i分别为第i台发电机组最小运行时长和运行时长；E^e _i,t为第i台发电机组在第t个调度时段的污染物排放量；A_i、B_i、C_i分别为第i台发电机组的相关参数；ξ为污染物排放限制。

2)微网电量修正模型

本发明首次提出微网电量修正模型，通过快速检测由于不可控微电源预测误差、负荷预测误差导致的不平衡电量ω，并以微网中不平衡电量最小为目标函数，为：

$\min {\mathrm{\ω}}_t={\mathrm{\Δp}}_t^{\mathrm{NU}}+{\mathrm{\Δp}}_t^D---\left(9\right)$

其中，ω_t为第t个调度时段的总不平衡电量；分别为不可控微电源在t个调度时段的功率预测误差值和负荷预测误差值。同时必须满足微网运行的约束条件。

$\underset{i}{\mathrm{\Σ}}{p}_{i,t}+P_{M,t}+{\mathrm{\Δp}}_t^{\mathrm{NG}}-{\mathrm{\Δp}}_t^D=\underset{d}{\mathrm{\Σ}}{P}_{d,t},\∀t\∈D,\∀t---\left(10\right)$

$p_i^{\min }{u}_{i,t}\≤p_{i,t}\≤p_i^{\max }{u}_{i,t},\∀i\∈\mathrm{DU},\∀t---\left(11\right)$

${\mathrm{DR}}_i\≤p_{i,t}-p_{i,t-1}\≤{\mathrm{UR}}_i,\∀i\∈\mathrm{DU},\∀t---\left(12\right)$

$p_{i,t}\≤P_{i,t}^{d,\max }{\mathrm{\α}}_{i,t}-P_{i,t}^{c,\min }{\mathrm{\β}}_{i,t},\∀i\∈\mathrm{ESS},\∀t---\left(13\right)$

$p_{i,t}\≥P_{i,t}^{d,\min }{\mathrm{\α}}_{i,t}-P_{i,t}^{c,\max }{\mathrm{\β}}_{i,t},\∀i\∈\mathrm{ESS},\∀t---\left(14\right)$

$C_{i,t}=C_{i,t-1}-p_{i,t},\∀i\∈\mathrm{ESS},\∀t---\left(15\right)$

$0\≤C_{i,t}\≤C_i^{\max },\∀i\∈\mathrm{ESS},\∀t---\left(16\right)$

$P_{d,t}^{\min }{z}_{d,t}\≤P_{d,t}^{\max }{z}_{d,t},\∀d\∈D,\∀t---\left(17\right)$

$\underset{t\∈[{\mathrm{\δ}}_d,{\mathrm{\γ}}_d]}{\mathrm{\Σ}}{P}_{d,t}=E_d,\∀d\∈D---\left(18\right)$

对于储能装置，其充电容量受到充放电率的影响，因此充电时，其充电功率为负值，放电时放电功率为正值。其中，分别为第i台发电机组在第t个调度时段的最大、最小放电功率；分别为第i台发电机组在第t个调度时段的最大、最小充电功率α、β分别为储能装置的运行状态，一般取0或者1；C为储能装置的充电容量；为第i台储能装置的最大容量上限；分别为可调负荷的最小、最大限额；δ_d、γ_d分别为可调负荷的可调时段的起始时间和结束时间；E_d为可调负荷总值。

2对偶策略求解

针对微网短期经济调度优化问题，本发明首次提出对偶策略进行求解，求解过程如图1所示。针对图1，本发明将微网的短期经济调度作为主要问题，在提前一天的微网短期负荷预测和不可控微电源发电功率预测的基础上，以微网并网运行经济成本最小为目标函数，并计及多种约束条件，提出对偶策略求解微电源组合优化。然而微网短期负荷预测和不可控微电源发电功率预测的误差必将导致微网存在不平衡电量，因此将微网波动性优化作为次要问题，以微网不平衡电量最小为目标函数，计及多种约束条件，采用Benders分解算法分解为情况1和情况2两种优化问题。

首先，取q_i,t＝p_i,t·u_i,t，则目标函数公式(1)可化解为：

$\min \mathrm{TC}=\underset{\∀i\∈\mathrm{DU}}{\underset{q_{i,t},u_{i,t}}{\min }}\underset{t}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}(a_i{q}_{i,t}^2/u_{i,t}+b_i^{\′}{q}_{i,t}+c_i^{\′}{u}_{i,t})---\left(19\right)$

其中， $b_i^{\′}=b_i+d_i-{\mathrm{\κ}}_t,c_i^{\′}=c_i+{\mathrm{STC}}_{i,t}+{\mathrm{\κ}}_t\underset{d}{\mathrm{\Σ}}{P}_{d,t}^{\′},$ 则，约束条件转化为：

$s.t.\left\{\begin{array}{c}{p}_i^{\min }{u}_{i,t}\≤q_{i,t}\≤p_i^{\max }{u}_{i,t}\\ \underset{i}{\mathrm{\Σ}}{u}_{i,t}({\mathrm{DR}}_i+q_{i,0})\≤\underset{i}{\mathrm{\Σ}}{q}_{i,t}\≤\underset{i}{\mathrm{\Σ}}{u}_{i,t}({\mathrm{UR}}_i+q_{i,0})\\ u_{i,t}\≤\underset{i}{\mathrm{\Σ}}\frac{T_{i,t}^{\mathrm{ON}}}{{\mathrm{UT}}_i}+u_{i,0}\\ u_{i,t}\≥\underset{i}{\mathrm{\Σ}}\frac{T_{i,t}^{\mathrm{OFF}}}{{\mathrm{DT}}_i}+u_{i,0}\\ \underset{i}{\mathrm{\Σ}}{A}_i{q}_{i,t}^2/u_{i,t}+B_i{q}_{i,t}+C_i{u}_{i,t}\≤\mathrm{\ξ}\end{array}\right.---\left(20\right)$

由于目标函数公式(25)正定，且当u_i,t≠0时，p_i,t＝q_i,t/u_i.t，也即p_i,t＝q_i,t，因此，拉格朗日增值函数为：

其中，因此对偶拉格朗日函数为：

进而得：

根据的确定，可以得到当否则u_i,t＝0。因此，

然而求解微网短期经济调度优化方法还需要求解λ_t、u_t、v_t，而是对偶目标函数公式(28)的最优值，为了求解最优函数，需进一步进行迭代，得：

$\left\{\begin{array}{c}{\mathrm{\λ}}_t^{n+1}={\mathrm{\λ}}_t^n+{\mathrm{\τ}}^{\left(n\right)}(\underset{i}{\mathrm{\Σ}}{u}_{i,t}({\mathrm{DR}}_i+p_{i,0})-\underset{i}{\mathrm{\Σ}}{u}_{i,t}^{*\left(n\right)}{p}_{i,t}^{*\left(n\right)})\\ {\mathrm{\μ}}_t^{n+1}={\mathrm{\μ}}_t^n+{\mathrm{\τ}}^{\left(n\right)}(\underset{i}{\mathrm{\Σ}}{u}_{i,t}^{*\left(n\right)}{p}_{i,t}^{*\left(n\right)}-\underset{i}{\mathrm{\Σ}}{u}_{i,t}({\mathrm{UR}}_i+p_{i,0}))\\ v_t^{n+1}=v_t^n+{\mathrm{\τ}}^{\left(n\right)}(\underset{i}{\mathrm{\Σ}}{u}_{i,t}^{*\left(n\right)}{E}_{i,t}^e\left(p_{i,t}^{*\left(n\right)}\right)-\mathrm{\ξ})\end{array}\right.---\left(25\right)$

其中，取通过以上参数的迭代，快速求解微网短期经济调度优化问题，满足系统实时性和有效性的要求。

针对微网波动性的问题，本发明首次采用Benders分解算法进行求解不平衡电量，首先引入对偶变量表示第s台发电机组的运行状态，则通过Benders分解算法进行分解，即分解为情况1和情况2。情况1即是微网系统中的微电源有足够的备用容量，通过优化调度可控微电源能够保证系统中的不平衡电量为0，因此，引入Benders分解情况1为：

若微网中微电源没有足够的备用容量，则需要进一步调整微网系统中的可调负荷，以保证系统的的不平衡电量为0，因此，引入Benders分解情况2为：

其中，χ_s、ψ_s、w_s分别为相关参数。因此，根据Benders分解解决了系统中的不平衡电电量，改善了系统的供电可靠性，同时将微网波动性优化问题再次带入到微网并网优化运行模型中迭代求解，解决微网系统的机组组合问题，实现系统的短期经济调度优化。

附图说明

图1为微网经济调度优化计算步骤图；

图2为微网实际预测功率与负荷预测功率；

图3为风力发电与光伏发电的实际出力和预测出力；

图4为案例1与案例2中微网与大电网的售购电情况；

图5为案例1与案例2中储能装置的充放电情况。

具体实施方式

下面结合附图，对实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

(1)实例数据

本发明中微网系统是由微型燃气轮机、燃料电池、风力发电、光伏发电以及储能装置组成的，其中，微电源的相关参数如表1、2所示。图2为负荷预测和实际负荷功率在某个典型日24小时的动态变化曲线，图3为光伏、风电功率预测出力与实际发电出力情况。表3为可调负荷的相关参数，表4为实时上网电价情况。针对微网短期经济调度方法，本发明采用的是1h调度时段，负荷与发电机组均为恒功率运行，而且并网运行时微网与大电网可以根据实时电价相互购电。本发明分别就两种案例进行比较分析：

案例1：不考虑微网波动性的并网短期经济调度优化；

案例2：考虑微网波动性的并网短期经济调度优化。

表1微电源的相关参数

表2储能装置

表3可调负荷的相关参数

表4实时上网电价

(2)优化结果与分析

针对案例1，本发明通过采用基于对偶策略的方法就行求解，结果如表5、6以及图2、3所示，1-10时，微网的负荷较小，但PV和WT的发电功率较少，难以满足系统的供电需求，由于MT1都具有较好的经济性和环保性，MT1发电成本较低，低于市场的实时电价，因此安排开机上网发电，加之在整个调度时间段，微网有较大的功率缺额，因而MT1在1-24时均开机满负荷运行。相比MT1，MT2发电成本较高，在1-10时明显高于实时上网电价，随着负荷功率的增加以及购电限额的限制，MT2上网发电。表5中，12-22时，由于其发电成本低于实时上网电价，FC1和FC2上网发电，且满负荷运行。通过计算，微网并网运行的总经济成本TC为$11183美元，由此可以得出，微网的并网发电机组调度过程中，MT比FC更具有发电成本低、环保性好等特点，可以推广应用，而且整个调度时段，基于发电机组的经济性和环保性两方面进行发电机组组合和调度优化，进而满足不同种类负荷的需求。

相比案例1而言，案例2充分考虑到微网系统中不平衡电量的波动性问题，短期调度计划更为精细，有效避免了微网系统由于不平衡电量导致系统出现负荷中断等问题。如表7、8所示，通过微网并网调度优化方法得到初始的机组组合优化，1时初始不平衡电量ω₁为8.5MW，可以看出微网中除了MT1之外其他发电机组以及储能装置具备足够的发电容量可以满足系统的不平衡电量，解决其波动性问题。因而进行benders分解可得情况1，表7所示，MT2、FC1被安排组合发电，并且满负荷运行。随着不平衡电量以及负荷的不断增大，一直到9时，MT1、MT2、FC1均上网发电，而10时FC2也开始并网发电。13时，不平衡电量ω₁₃为15.6MW进而导致系统中没有足够的容量满足负荷的供电需求，只能进行benders分解情况2，即通过调整可调负荷的供电需求来满足当前的供电方案，因此负荷L1在13时调整为0状态，如表8所示，其他负荷均可满足供电需求。随着负荷的不断变化，可调负荷L3、L4也都进行了相应的优化。因此，通过benders分解算法解决了不平衡电量的波动性问题。

而在整个调度过程中，储能装置发挥了重要的作用。对比案例1与案例2，根据图5两种案例储能装置充放电情况，可以得出储能装置总是在市场的实时电价较低的时间段进行充电，在实时电价较高时进行放电，有效的保证了微网系统的运行经济性。而且在案例2的储能装置充放电调度计划中，储能装置在较案例1中少充电5个小时，这样更好地完成了平抑波动、及时供电的任务。同时图4也反映出微网与大电网的售购电情况，案例1中微网通过在低的实时电价情况下一直从大电网购电，而等到实时上网电价较高时再售电给大电网，满足了经济性的要求。而由于预测误差导致的不平衡电量，案例2更加精确的完成了调度计划的制定，通过发电机组组合优化以及储能装置的充放电计划，更完善了案例1的调度计划，与大电网的购电更加合理，其两者的曲线大致方向一致，这样也体现了微网电量“低买高卖”的现实情况。

总之，通过采用基于对偶策略的微网短期经济调度优化方法，不光实现了微网系统并网优化运行，更能有效解决了系统中不平衡电量的关键问题，解决了系统中微电源以及负荷波动性、间歇性的影响，提供更好地电力供应。

表5案例1微电源短期经济调度机组组合优化

表6案例1可调负荷的优化结果

表7案例2微电源短期经济调度机组组合优化

表8案例2可调负荷的优化结果

Claims (7)

1.一种基于对偶策略的微网短期经济调度优化方法,其特征在于：

基于微网短期负荷预测和不可控微电源发电功率预测，以微网并网运行的总经济成本最小为目标函数，构建微网并网优化运行模型，模型参数满足并网运行约束条件，以对偶策略进行求解；

然后通过快速检测微网中由于预测误差导致的实时不平衡电量，以微网中实时不平衡电量最小为目标函数，构建微网电量修正模型，微网电量修正模型参数满足储能装置充放电约束、爬坡约束条件，采用Benders分解迭代算法进行求解，解决微网波动性优化问题；

将微网波动性优化问题再次带入到微网并网优化运行模型中迭代求解，解决微网系统的机组组合问题，实现系统的短期经济调度优化。

2.如权利要求1所述的一种基于对偶策略的微网短期经济调度优化方法，其特征在于所述的微网并网优化运行模型以微网并网运行的总经济成本最小为目标函数，包括两部分，分别是微网的运行成本和与大电网的购电成本，微网的运行成本包括微型燃气轮机/燃料电池机组的燃料费用、运行与维护费用和启停机费用，所述的模型为：

$\left\{\begin{array}{c}\min \mathrm{TC}=\min \underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i\∈\mathrm{DU}}{\mathrm{\Σ}}{u}_{i,t}({\mathrm{FC}}_{i,t}+{\mathrm{MC}}_{i,t}+{\mathrm{STC}}_{i,t})+\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{\mathrm{\κ}}_t\·P_{M,t}\\ {\mathrm{FC}}_{i,t}{\left(p_{i,t}\right)=a}_i{p}_{i,t}^2+b_i{p}_{i,t}+c_i\\ {\mathrm{MC}}_{i,t}\left(p_{i,t}\right)=d_i{p}_{i,t}\\ {\mathrm{STC}}_{i,t}=({\mathrm{HSC}}_i+{\mathrm{CSC}}_i[1-\exp (1-\frac{{-T}_{i,t}}{{\mathrm{\ρ}}_i})\left]\right)\end{array}\right.---\left(1\right)$

其中，FC_i,t(p_i,t)为第i台发电机组在第t个调度时段的燃料费用；a_i、b_i、c_i为第i台发电机组的相关参数；p_i,t为第i台发电机组在第t个调度时段的发电出力；MC_i,t(p_i,t)为第i台发电机组在第t个调度时段的运行和维护费用；d_i为第i台发电机组的运行和维护费用的比例系数；STC_i,t为第i台发电机组在第t个调度时段的启停机费用；HSC_i为第i台发电机组的热启动费用；CSC_i为第i台发电机组的冷启动费用；T_i,t为第i台发电机组在第t个调度时段的停机时间；ρ_i为第i台发电机组的冷却时间；κ_t为第t个调度时段的实时电价；P_M,t为微网与大电网的购电功率，可为正值、负值或0，若为负值则表示，微网向大电网售电。

3.如权利要求1所述的一种基于对偶策略的微网短期经济调度优化方法，其特征在于所述的并网运行约束条件包括功率平衡约束、机组出力上下限以及环境约束，具体为：

$\begin{array}{cc}\underset{i}{\mathrm{\Σ}}{p}_{i,t}+P_{M,t}=\underset{d}{\mathrm{\Σ}}{P}_{d,t}& \∀d\∈D,\∀t---\left(2\right)\end{array}$

$\begin{array}{cc}{-P}_M^{\max }\≤P_{M,t}\≤P_M^{\max }& \∀t\end{array}---\left(3\right)$

$\begin{array}{cc}{p}_i^{\min }{u}_{i,t}\≤p_{i,t}\≤p_i^{\max }{u}_{i,t}& \∀i\∈\mathrm{DU},\∀t---\left(4\right)\end{array}$

$\begin{array}{cc}{\mathrm{DR}}_i\≤p_{i,t}-p_{i,t-1}\≤{\mathrm{UR}}_i& \∀i\∈\mathrm{DU},\∀t\end{array}---\left(5\right)$

$\begin{array}{cc}{T}_{i,t}^{\mathrm{ON}}\≥{\mathrm{UT}}_i(u_{i,t}-u_{i,t-1})& \∀i\∈\mathrm{DU},\∀t\end{array}----\left(6\right)$

$\begin{array}{cc}{T}_{i,t}^{\mathrm{OFF}}\≥{\mathrm{DT}}_i(u_{i,t-1}-u_{i,t})& \∀i\∈\mathrm{DU},\∀t\end{array}---\left(7\right)$

$\begin{array}{cc}\underset{i}{\mathrm{\Σ}}{E}_{i,t}^e=\underset{i}{\mathrm{\Σ}}{A}_i{p}_{i,t}^2+B_i{p}_{i,t}+C_i\≤\mathrm{\ξ}& \∀i\∈\mathrm{DU},\∀t\end{array}---\left(8\right)$

其中，P_d,t为第t个调度时段的负荷；为微网与大电网交互功率的上限；分别为第i台发电机组的最小和最大功率限额；DR_i、UR_i分别为第i台发电机组的功率爬坡最小最大限额；分别为第i台发电机组在第t个调度时段的持续发电、停机时长；UT_i、DT_i分别为第i台发电机组最小运行时长和运行时长；E^e _i,t为第i台发电机组在第t个调度时段的污染物排放量；A_i、B_i、C_i分别为第i台发电机组的相关参数；ξ为污染物排放限制。

4.如权利要求1所述的一种基于对偶策略的微网短期经济调度优化方法，其特征在于所述的微网电量修正模型通过快速检测由于不可控微电源预测误差、负荷预测误差导致的不平衡电量ω，并以微网中不平衡电量最小为目标函数，具体为：

$\min {\mathrm{\ω}}_t={\mathrm{\Δp}}_t^{\mathrm{NU}}+{\mathrm{\ΔP}}_t^D---\left(9\right)$

其中，ω_t为第t个调度时段的总不平衡电量；分别为不可控微电源在t个调度时段的功率预测误差值和负荷预测误差值。

5.如权利要求1所述的一种基于对偶策略的微网短期经济调度优化方法，其特征在于所述的储能装置充放电约束、爬坡约束条件为：

$\begin{array}{cc}\underset{i}{\mathrm{\Σ}}{p}_{i,t}+P_{M,t}+{\mathrm{\Δp}}_t^{\mathrm{NG}}-{\mathrm{\Δp}}_t^D=\underset{d}{\mathrm{\Σ}}{P}_{d,t}& \∀d\∈D,\∀t---\left(10\right)\end{array}$

$\begin{array}{cc}{p}_i^{\min }{u}_{i,t}\≤p_{i,t}\≤p_i^{\max }{u}_{i,t}& \∀i\∈\mathrm{DU},\∀t---\left(11\right)\end{array}$

$\begin{array}{cc}{\mathrm{DR}}_i\≤p_{i,t}-p_{i,t-1}\≤{\mathrm{UR}}_i& \∀i\∈\mathrm{DU},\∀t\end{array}----\left(12\right)$

$\begin{array}{cc}{p}_{i,t}\≤P_{i,t}^{d,\max }{\mathrm{\α}}_{i,t}-P_{i,t}^{c,\min }{\mathrm{\β}}_{i,t}& \∀i\∈\mathrm{ESS},\∀t\end{array}---\left(13\right)$

$\begin{array}{cc}{p}_{i,t}\≥P_{i,t}^{d,\min }{\mathrm{\α}}_{i,t}-P_{i,t}^{c,\max }{\mathrm{\β}}_{i,t}& \∀i\∈\mathrm{ESS},\∀t\end{array}---\left(14\right)$

$\begin{array}{cc}{C}_{i,t}=C_{i,t-1}-p_{i,t}& \∀i\∈\mathrm{ESS},\∀t\end{array}---\left(15\right)$

$\begin{array}{cc}0\≤C_{i,t}\≤C_i^{\max }& \∀i\∈\mathrm{ESS},\∀t\end{array}---\left(16\right)$

$\begin{array}{cc}{P}_{d,t}^{\min }{z}_{d,t}\≤P_{d,t}\≤P_{d,t}^{\max }{z}_{d,t}& \∀d\∈D,\∀t\end{array}---\left(17\right)$

$\begin{array}{cc}\underset{t\∈[{\mathrm{\δ}}_d,{\mathrm{\γ}}_d]}{\mathrm{\Σ}}{P}_{d,t}=E_d& \∀d\∈D\end{array}---\left(18\right)$

对于储能装置，其充电容量受到充放电率的影响，因此充电时，其充电功率为负值，放电时放电功率为正值，其中，分别为第i台发电机组在第t个调度时段的最大、最小放电功率；分别为第i台发电机组在第t个调度时段的最大、最小充电功率α、β分别为储能装置的运行状态，一般取0或者1；C为储能装置的充电容量；为第i台储能装置的最大容量上限；分别为可调负荷的最小、最大限额；δ_d、γ_d分别为可调负荷的可调时段的起始时间和结束时间；E_d为可调负荷总值。

6.如权利要求1所述的一种基于对偶策略的微网短期经济调度优化方法，其特征在于所述以对偶策略进行求解具体为：首先，取q_i,t＝p_i,t·u_i,t，则目标函数公式(1)可化解为：

$\min \mathrm{TC}=\underset{\underset{\∀i\∈\mathrm{DU}}{q_{i,t},u_{i,t}}}{\min }\underset{t}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}(a_i{q}_{i,t}^2/u_{i,t}+b_i^{\′}{q}_{i,t}+c_i^{\′}{u}_{i,t})---\left(19\right)$

其中，b′_i＝b_i+d_i-κ_t,则，约束条件转化为：

$s.t.\left\{\begin{array}{c}{p}_i^{\min }{u}_{i,t}\≤q_{i,t}\≤p_i^{\max }{u}_{i,t}\\ \underset{i}{\mathrm{\Σ}}{u}_{i,t}({\mathrm{DR}}_i+q_{i,0})\≤\underset{i}{\mathrm{\Σ}}{q}_{i,t}\≤\underset{i}{\mathrm{\Σ}}{u}_{i,t}({\mathrm{UR}}_i+q_{i,0})\\ u_{i,t}\≤\underset{i}{\mathrm{\Σ}}\frac{T_{i,t}^{\mathrm{ON}}}{{\mathrm{UT}}_i}+u_{i,0}\\ u_{i,t}\≥\underset{i}{\mathrm{\Σ}}\frac{T_{i,t}^{\mathrm{OFF}}}{{\mathrm{DT}}_i}+u_{i,0}\\ \underset{i}{\mathrm{\Σ}}{A}_i{q}_{i,t}^2/u_{i,t}+B_i{q}_{i,t}+\underset{i}{C{u}_{i,t}}\≤\mathrm{\ξ}\end{array}\right.---\left(20\right)$

由于目标函数公式正定，且当u_i,t≠0时，p_i,t＝q_i,t/u_i.t，也即p_i,t＝q_i,t，因此，拉格朗日增值函数为：

其中，因此对偶拉格朗日函数为：

进而得：

根据的确定，得到当否则u_i,t＝0；因此，

求解微网短期经济调度优化问题还需要求解λ_t、u_t、v_t，而是对偶目标函数公式的最优值，为了求解最优函数，需进一步进行迭代，得：

$\left\{\begin{array}{c}{\mathrm{\λ}}_t^{n+1}={\mathrm{\λ}}_t^n+{\mathrm{\τ}}^{\left(n\right)}(\underset{i}{\mathrm{\Σ}}{u}_{i,t}({\mathrm{DR}}_i+p_{i,0})-\underset{i}{\mathrm{\Σ}}{u}_{i,t}^{*\left(n\right)}{p}_{i,t}^{*\left(n\right)})\\ {\mathrm{\μ}}_t^{n+1}={\mathrm{\μ}}_t^n+{\mathrm{\τ}}^{\left(n\right)}(\underset{i}{\mathrm{\Σ}}{u}_{i,t}^{*\left(n\right)}{p}_{i,t}^{*\left(n\right)}-\underset{i}{\mathrm{\Σ}}{u}_{i,t}({\mathrm{UR}}_i+p_{i,0}))\\ v_t^{n+1}=v_t^n+{\mathrm{\τ}}^{\left(n\right)}(\underset{i}{\mathrm{\Σ}}{u}_{i,t}^{*\left(n\right)}{E}_{i,t}^e\left(p_{i,t}^{*\left(n\right)}\right)-\mathrm{\ξ})\end{array}\right.---\left(25\right)$

其中，取通过以上参数的迭代，快速求解微网短期经济调度优化问题，满足系统实时性和有效性的要求。

7.如权利要求1所述的一种基于对偶策略的微网短期经济调度优化方法，其特征`于所述的采用Benders分解迭代算法进行求解具体为：首先引入对偶变量表示第s台发电机组的运行状态，通过Benders分解算法进行分解，即分解为情况1和情况2；情况1即是微网系统中的微电源有足够的备用容量，通过优化调度可控微电源能够保证系统中的不平衡电量为0，因此，引入Benders分解情况1为：

若微网中微电源没有足够的备用容量，则需要进一步调整微网系统中的可调负荷，以保证系统的的不平衡电量为0，因此，引入Benders分解情况2为：

其中，χ_s、ψ_s、w_s分别为相关参数，因此，根据Benders分解解决了系统中的不平衡电电量，改善了系统的供电可靠性。