CN105262129B - 一种含复合储能微电网的多目标优化系统及方法 - Google Patents

一种含复合储能微电网的多目标优化系统及方法 Download PDF

Info

Publication number
CN105262129B
CN105262129B CN201510700862.XA CN201510700862A CN105262129B CN 105262129 B CN105262129 B CN 105262129B CN 201510700862 A CN201510700862 A CN 201510700862A CN 105262129 B CN105262129 B CN 105262129B
Authority
CN
China
Prior art keywords
energy storage
power
micro
grid
controller
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.)
Active
Application number
CN201510700862.XA
Other languages
English (en)
Other versions
CN105262129A (zh
Inventor
杨苹
许志荣
温剑威
郑群儒
袁昊哲
张育嘉
陈柱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201510700862.XA priority Critical patent/CN105262129B/zh
Publication of CN105262129A publication Critical patent/CN105262129A/zh
Application granted granted Critical
Publication of CN105262129B publication Critical patent/CN105262129B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • Y04S10/123—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving renewable energy sources
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/14—Energy storage units

Landscapes

  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种含复合储能微电网的多目标优化系统及方法，该含复合储能微电网的多目标优化系统由微电网中央控制器、储能控制器、光伏控制器和负荷控制器等控制器以及通信网络组成。含复合储能微电网的多目标优化方法针对包含光伏、液流电池和锂电池等储能装置的并网型复合储能微电网，以微电网购电费用和联络线功率波动两者最小为目标建立多目标优化模型。本发明基于二人零和博弈法确定加权系数，并采用线性加权方法将该模型转化为单目标优化问题进行求解。该含复合储能微电网的多目标优化系统可有效实现微电网可再生能源利用最大化、减少联络线功率波动和分布式电源并网运行冲击，提高微电网运行经济性。

Description

一种含复合储能微电网的多目标优化系统及方法
技术领域
本发明属于微电网能量管理技术领域，尤其是一种含复合储能微电网的多目标优化系统及方法。
背景技术
随着人们环保意识的增强，分布式发电得到了越来越多的重视与应用，由小容量分布式电源形成的微电网研究则更加令人关注。该类微电网中的分布式电源主要包括风力发电机、太阳能光伏电池、燃料电池、微型燃气轮机等，而不同种类的分布式电源又有着不同的运行特性。在确保微电网正常运行时，如何对这些分布式电源进行合理的管理，以保证微电网在不同时段都能满足负荷的电能质量要求并且获得最理想的经济效益，是研究微电网技术的关键问题之一，也是国内外研究的热点。
事实上，由于微电网多目标优化问题中各个目标有时是相互矛盾甚至是相互对立的，往往很难同时兼顾各个目标。目前多目标优化问题的主要求解方法有线性加权法，优先级法，约束法，最大最小法。线性加权法通过为每一个目标赋一个权重系数，将多目标问题转化为单目标问题进行求解，该方法的困难在于权重系数的选取，各子目标函数的权重系数直接反映了各目标函数的重要程度，对于较为重要的目标函数，相应的权系数较大，而不重要的目标函数其相应的权系数较小。而博弈论作为一种先进的数学工具，在处理多方决策问题上具有明显优势。微电网能量管理决策者在选择微电网多目标优化运行的权重系数时实际上与随机干扰构成了一种博弈：决策者既要争取每个目标都尽量能达到最优，同时又要避免随机干扰造成收益恶化的情况发生。
经对现有技术文献的检索发现，针对微电网能量多目标优化管理问题，含分布式发电的微电网能量管理多目标优化(王新刚,艾芊,徐伟华,韩鹏.含分布式发电的微电网能量管理多目标优化[J].电力系统保护与控制,2009,20:79-83.)提出采用小生境进化的多目标免疫算法优化微电网能量管理，但算法没有考虑到可再生能源出力的随机波动性；基于遗传算法的微电网多目标优化控制研究(韩肖清,刘海龙.基于遗传算法的微电网多目标优化控制研究[A].中国电工技术学会.2011中国电工技术学会学术年会论文集[C].中国电工技术学会:,2011:5.)和基于电池储能系统动态调度的微电网多目标运行优化(钟宇峰,黄民翔,叶承晋.基于电池储能系统动态调度的微电网多目标运行优化[J].电力自动化设备,2014,06:114-121.)则分别提出采用遗传算法、动态规划方法求解，然而均没有考虑权重系数的选择优化问题。
发明内容
本发明的目的是为了解决上述现有技术中存在的不足之处，提供一种含复合储能微电网的多目标优化系统及方法，以微电网购电费用和联络线功率波动系数两者最小为目标建模，基于二人零和博弈求解权重系数，并采用线性加权方法将该模型转化为单目标优化问题进行求解。该优化方法可有效实现微电网可再生能源利用最大化、并有效减少联络线功率波动和分布式电源并网运行冲击，提高微电网运行经济性。
所述含复合储能微电网的多目标优化系统，包括控制层和底层设备，控制层由MGCC(Microgrid Control Center system,微电网中央控制器)、下层控制器以及通信网络组成，下层控制器包括负荷控制器、光伏控制器和储能控制器；底层设备包括静态负荷、光伏发电系统、液流电池储能装置、锂电池储能装置、光伏逆变器、储能逆变器；
MGCC与并/离网控制开关通过通信总线连接，以控制微电网系统处于并网运行状态或者离网运行状态；
MGCC与负荷控制器、光伏控制器和储能控制器通过通信总线进行连接；负荷控制器、光伏控制器和储能控制器通过通信总线上传负荷、光伏发电系统和储能装置的电气信息给MGCC；MGCC通过通信总线向下层控制器下达相应指令，以控制负荷、光伏发电系统和储能装置的运行状态；
负荷控制器、光伏控制器和储能控制器分别与静态负荷开关、光伏发电系统开关和储能装置开关连接，以控制相应开关的开合状态；
光伏控制器和储能控制器分别与光伏发电系统逆变器和储能装置逆变器相连接，以控制微电源的输出功率。
所述含复合储能微电网的多目标优化系统的优化方法，步骤如下：
(1)根据微电网实际运行的调度信息初始化光伏出力、电价、负荷数据，确定不同储能电池的出力和电量数据，并设定MGCC的调度周期；
(2)确定目标函数f1和f2，微电网的运行效率与经济性通过向大电网缴纳的电费来衡量，因此以微电网从大电网的购电费用为目标函数f1；联络线功率瞬时变化过大将对大电网造成冲击，影响大电网的电能质量，因此，以功率裕度波动系数作为目标函数f2；
(3)采用加权滑动平均法，先滤出微电网功率裕度Pgw-Pd的低频部分，再滤出高频部分，最后得到锂电池和液流电池相应的在各个调度周期的充放电功率上下限，作为约束条件之一；同时，任意时刻电池的电量不能超过所能储存能量的上下限，因此以各个储能电池的剩余容量SOCS(t)和SOCB(t)均不越限作为另一约束条件；
(4)计算单一目标下的最优解，并得到相应的博弈矩阵；微电网能量管理决策者在选择微电网多目标优化运行的权重系数时实际上与随机干扰构成了一种博弈：决策者既要争取每个目标都尽量能达到最优，同时又要避免随机干扰造成收益恶化的情况发生，因此，将微电网能量管理者建模为决策者I，将恶化收益的随机干扰建模为虚拟决策者II；根据单独目标函数f1的最优解x1 *和目标函数f2的最优解x2 *确定博弈矩阵；
(5)基于二人零和博弈法计算博弈权重系数；先计算决策者I的期望支付F，建立二人博弈模型，根据纳什均衡存在的充要条件，将上述博弈问题的求解等价于求解如下两个线性原始-对偶问题，最终确定各个目标的权重系数λi，i＝1,2；
(6)基于线性加权法将原多目标优化问题等价为单目标优化问题模型，从而求解该多目标优化模型，确定各个调度周期的潮流分布，并根据当前时刻所处的时间对于微电网的运行进行实时调度。
所述含复合储能微电网的多目标优化系统的优化方法，步骤(1)的初始化数据为各个调度周期内实时的负荷数据Pd(t)，光伏发电功率的实时数据Pgw(t)，当地实时电价c(t)，以及液流电池的最高充放电功率限制±Psmax和锂电池的最高充放电功率限制±Pbmax，电池功率为正表示充电，功率为负表示放电。
所述含复合储能微电网的多目标优化系统的优化方法，步骤(2)目标函数f1和f2的确定方法如下：
以微电网从大电网的购电费用为目标函数:
以功率裕度波动系数作为目标函数：
其中，T为调度周期，Δt为时间间隔，Δt＝24/T(单位：小时)，t表示第t/Δt次调度的决策时刻，c(t)为时间段[t,t+Δt]的实时电价，Pmar(t)为微电网与大电网之间的联络线功率：
Pmar(t)＝Pgw(t)-Pd(t)-Ps(t)-PB(t)
式中，Pd(t)为t时刻的负荷需求，PS(t)为液流储能电池在t时刻的储能功率，PB(t)为锂电池在t时刻的储能功率，Pgw(t)为光伏向微电网提供的出力。
所述含复合储能微电网的多目标优化系统的优化方法，步骤(3)中约束条件的确定方法为：
约束条件1：采用加权滑动平均法，记t时刻微电网功率裕度的低频部分为PBESS(t)，高频部分为PUC(t)，则
PBESS(t)＝0.1[Pgw(t-3Δt)-Pd(t-3Δt)]+0.2[Pgw(t-2Δt)-Pd(t-2Δt)]
+0.3[Pgw(t-Δt)-Pd(t-Δt)]+0.1[Pgw(t)-Pd(t)]
PUC(t)＝Pgw(t)-Pd(t)-PBESS(t)
其中，Pgw(t)-Pd(t)表示t决策时刻的微电网功率裕度，Pgw(t-Δt)-Pd(t-Δt)表示t-Δt决策时刻的微电网功率裕度，Pgw(t-2Δt)-Pd(t-2Δt)表示t-2Δt决策时刻的微电网功率裕度，Pgw(t-3Δt)-Pd(t-3Δt)表示t-3Δt决策时刻的微电网功率裕度。
约束条件2:
其中，PSmax，-PSmax分别为液流电池充放电功率的上下限，表示液流电池充放电的能力，超过此上下限将损坏液流电池，PS(t)>0表示充电，PS(t)<0表示放电；PBmax，-PBmax分别为锂电池充放电功率的上下限，表示锂电池充放电的能力，超过此上下限将损坏锂电池，PB(t)>0表示充电，PB(t)<0表示放电；
约束条件3：
其中SOCSmin，SOCSmax分别为液流电池储能装置所能储存能量的上限值和下限，SOCBmin，SOCBmax分别为锂电池储能装置所能储存能量的上限值和下限值，两种储能装置的剩余电量必须满足上下限约束否则将损伤储能电池。
无论液流电池还是锂电池，都是微电网储能系统，其储存能量可以表示为
SOC(t+1)＝SOC(t)+P(t)Δt
其中，P(t)表示t时刻电池的充放电功率，SOC(t)表示t时刻电池的储存电量，SOC(t+1)表示t+1时刻电池的储存电量；
在一个完整的调度周期之后，剩余容量应该与初始值相同，否则多个调度周期之后电量将逐渐增大或减少至不能充放电，即
所述含复合储能微电网的多目标优化系统的优化方法，步骤(4)的博弈矩阵确定方法为：原问题有两个目标函数，单独优化目标f1时，最优解记作x1*；单独优化目标f2时，最优解记作x2*；
构建博弈模型如下：
决策者：I,II
策略集：fi∈{f1,f2},xi∈{x1 *,x2 *}
支付：fi(xi),-fi(xi)
决策者的支付矩阵如下：
所述含复合储能微电网的多目标优化系统的优化方法，步骤(5)基于二人零和博弈法的权重系数的确定方法为：
记f(i,j)＝fi(xj *)，考虑到多目标优化问题中的各个目标的量纲一般不同,需要对各目标做下述归一化处理：
其中，f'(i,j)为归一化后的博弈矩阵元素，i表示决策者II策略中的第i个，j表示决策者I策略中的第j个，进一步，令λ1，λ2表示决策者I选择f1，f2作为策略的概率，μ1，μ2表示决策者II选择x1*，x2*作为策略的概率；参与者I的期望支付为：
其中，F表示决策者I的期望支付。
在二人零和博弈模型中，决策者I的目标是最小化F，而决策者II的目标是最大化F；该二人零和博弈问题模型如下：
由纳什均衡存在的充要条件，上述博弈问题的求解等价于求解如下两个线性原始-对偶问题；
其中，ri为决策者II的第i个归一化的最优混合策略，sj为决策者I的第j个归一化的最优混合策略。则上述二人零和博弈的最优解为
如此，上述二人零和博弈问题的混合策略纳什均衡解为：
λi＝F*ri,μj＝F*sj
所述含复合储能微电网的多目标优化系统的优化方法，步骤(3.6)基于线性加权法将将原多目标优化问题等价的单目标优化问题模型如下：
根据此目标优化模型计算出各储能装置在各个调度周期内的SOC，从而保证了微电网购电费用和联络线功率波动两者最小。
与现有技术相比，本发明具有如下优点和技术效果：提供一种含复合储能微电网的多目标优化系统及方法，可有效实现微电网可再生能源利用最大化、并有效减少联络线功率波动和分布式电源并网运行冲击，提高微电网运行经济性。
附图说明
图1是一种含复合储能微电网的多目标优化系统结构图。
图2是一种含复合储能并网型微电网的多目标优化运行的能量管理策略框图。
图3是算例中负荷曲线。
图4是算例中光伏出力曲线。
图5是算例中不同优化目标下的光伏及联络线功率曲线。
图6是算例中锂电池与液流电池各时段的SOC及充放电情况曲线。
具体实施方式
下面结合实施例及附图，对本发明作进一步详细的说明，但本发明的实施方式不限于此。
图1是为一种含复合储能微电网的多目标优化系统结构图，包括控制层和底层设备，控制层由MGCC、下层控制器以及通信网络组成，下层控制器包括负荷控制器、光伏控制器和储能控制器；底层设备包括静态负荷、光伏发电系统、液流电池储能装置、锂电池储能装置、光伏逆变器、储能逆变器；
MGCC与并/离网控制开关通过通信总线连接，以控制微电网系统处于并网运行状态或者离网运行状态；
MGCC与负荷控制器、光伏控制器和储能控制器通过通信总线进行连接；负荷控制器、光伏控制器和储能控制器通过通信总线上传负荷、光伏发电系统和储能装置的电气信息给MGCC；MGCC通过通信总线向下层控制器下达相应指令，以控制负荷、光伏发电系统和储能装置的运行状态；
负荷控制器、光伏控制器和储能控制器分别与静态负荷开关、光伏发电系统开关和储能装置开关连接，以控制相应开关的开合状态；
光伏控制器和储能控制器分别与光伏发电系统逆变器和储能装置逆变器相连接，以控制微电源的输出功率。
一种含复合储能微电网的多目标优化系统的优化方法，包括如下步骤：
第一步：初始化原始数据，包括各个调度周期内实时的负荷数据Pd(t)，光伏发电功率的实时数据Pgw(t)，当地实时电价c(t)，以及液流电池的最高充放电功率限制±Psmax和锂电池的最高充放电功率限制±Pbmax，电池功率为正表示充电，功率为负表示放电。
第二步：确定目标函数f1和f2：
以微电网从大电网的购电费用为目标函数:
以功率裕度波动系数作为目标函数：
其中，T为调度周期，Δt为时间间隔，Δt＝24/T(单位：小时)，t表示第t/Δt次调度的决策时刻，c(t)为时间段[t,t+Δt]的实时电价，Pmar(t)为微电网与大电网之间的联络线功率：
Pmar(t)＝Pgw(t)-Pd(t)-Ps(t)-PB(t)
式中，Pd(t)为t时刻的负荷需求，PS(t)为液流储能电池在t时刻的储能功率，PB(t)为锂电池在t时刻的储能功率，Pgw(t)为光伏向微电网提供的出力。
第三步：确定约束条件：
约束条件1：采用加权滑动平均法，记t时刻微电网功率裕度的低频部分为PBESS(t)，高频部分为PUC(t)，则
PBESS(t)＝0.1[Pgw(t-3Δt)-Pd(t-3Δt)]+0.2[Pgw(t-2Δt)-Pd(t-2Δt)]
+0.3[Pgw(t-Δt)-Pd(t-Δt)]+0.1[Pgw(t)-Pd(t)]
PUC(t)＝Pgw(t)-Pd(t)-PBESS(t)
其中，Pgw(t)-Pd(t)表示t决策时刻的微电网功率裕度，Pgw(t-Δt)-Pd(t-Δt)表示t-Δt决策时刻的微电网功率裕度，Pgw(t-2Δt)-Pd(t-2Δt)表示t-2Δt决策时刻的微电网功率裕度，Pgw(t-3Δt)-Pd(t-3Δt)表示t-3Δt决策时刻的微电网功率裕度。
约束条件2:
其中，PSmax，-PSmax分别为液流电池充放电功率的上下限，表示液流电池充放电的能力，超过此上下限将损坏液流电池，PS(t)>0表示充电，PS(t)<0表示放电；PBmax，-PBmax分别为锂电池充放电功率的上下限，表示锂电池充放电的能力，超过此上下限将损坏锂电池，PB(t)>0表示充电，PB(t)<0表示放电；
约束条件3：
其中SOCSmin，SOCSmax分别为液流电池储能装置所能储存能量的上限值和下限，SOCBmin，SOCBmax分别为锂电池储能装置所能储存能量的上限值和下限值，两种储能装置的剩余电量必须满足上下限约束否则将损伤储能电池。
无论液流电池还是锂电池，都是微电网储能系统，其储存能量可以表示为
SOC(t+1)＝SOC(t)+P(t)Δt
其中，P(t)表示t时刻电池的充放电功率，SOC(t)表示t时刻电池的储存电量，SOC(t+1)表示t+1时刻电池的储存电量；
在一个完整的调度周期之后，剩余容量应该与初始值相同，否则多个调度周期之后电量将逐渐增大或减少至不能充放电，即
第四步：原问题有两个目标函数，单独优化目标f1时，最优解记作x1*；单独优化目标f2时，最优解记作x2*；
构建博弈模型如下：
决策者：I,II
策略集：fi∈{f1,f2},xi∈{x1 *,x2 *}
支付：fi(xi),-fi(xi)
决策者的支付矩阵如下：
第五步：基于二人零和博弈法的权重系数的确定方法为：
记f(i,j)＝fi(xj *)，考虑到多目标优化问题中的各个目标的量纲一般不同,需要对各目标做下述归一化处理：
其中，f'(i,j)为归一化后的博弈矩阵元素，i表示决策者II策略中的第i个，j表示决策者I策略中的第j个，进一步，令λ1，λ2表示决策者I选择f1，f2作为策略的概率，μ1，μ2表示决策者II选择x1*，x2*作为策略的概率；参与者I的期望支付为：
其中，F表示决策者I的期望支付。
在二人零和博弈模型中，决策者I的目标是最小化F，而决策者II的目标是最大化F；该二人零和博弈问题模型如下：
由纳什均衡存在的充要条件，上述博弈问题的求解等价于求解如下两个线性原始-对偶问题；
其中，ri为决策者II的第i个归一化的最优混合策略，sj为决策者I的第j个归一化的最优混合策略。则上述二人零和博弈的最优解为
如此，上述二人零和博弈问题的混合策略纳什均衡解为：
λi＝F*ri,μj＝F*sj
第六步：基于线性加权法将可将原多目标优化问题等价的单目标优化问题模型如下：
根据此目标优化模型计算出各储能装置在各个调度周期内的SOC，从而保证了微电网购电费用和联络线功率波动两者最小。
第七步：重新返回第一步，根据当前的调度周期，向能量管理系统传输运行数据。
图3-图6为微电网并网运行模式下的能量优化管理仿真结果。
表1、图3、图4为原始数据。图3为负荷曲线Pd(t)，微电网每15分钟调度一次，一天24个小时，共24*4＝96个调度点，t＝{1，2，3……，96}。图4为光伏发电出力曲线Pgw(t)，表1为当地实时电价信息。
表1分时电价信息
时段 电价时段 电价
23:00-8:00 低谷段 平价电价基础上下浮50％
8:00-9:00 平价段 平价电价0.6元/kwh
9:00-12:00 高峰段 平价电价基础上上浮50％
12:00-17:00 平价段 平价电价
17:00-22:00 高峰段 平价电价基础上上浮50％
22:00-23:00 平价段 平价电价
图5为各种优化目标下光伏及联络线功率的对比图。其中，Pmar1为单独考虑电费最小时的联络线功率，此时对应的电费为-30.0467元，而波动系数为149.6778；Pmar2为单独考虑波动系数最小时的联络线功率，此时对应的电费为-29.0729元，而波动系数为78.8829；Pmar为同时考虑电费与波动系数最小时的联络线功率，此时对应的电费为-29.9169元，而波动系数为106.7997。与该优化结果对应的决策者支付矩阵如下：
可得出相对应的权重分别为：0.9683、0.0317。
图6为应用该方法处理后锂电池与液流电池在任意时刻的充放电功率情况及荷电状态，由实例知，复合锂电池储能时，不仅能完成储能电池移峰填谷的作用，电价低谷期充电，电价高峰时放电以增大微电网收益；而且由于有液流电池共同调节，使得锂电池减少对功率变化的高频部分进行出力，既有效平滑联络线功率，减小光伏出力波动对大电网的冲击，又能延长锂电池的使用寿命。
以上对本发明所提供的一种含复合储能微电网的多目标优化系统及方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (3)

1.基于含复合储能微电网的多目标优化系统的优化方法，所述含复合储能微电网的多目标优化系统，包括控制层和底层设备，控制层由MGCC、下层控制器以及通信网络组成，下层控制器包括负荷控制器、光伏控制器和储能控制器；底层设备包括静态负荷、光伏发电系统、液流电池储能装置、锂电池储能装置、光伏逆变器、储能逆变器；
MGCC与并/离网控制开关通过通信总线连接，以控制微电网系统处于并网运行状态或者离网运行状态；
MGCC与负荷控制器、光伏控制器和储能控制器通过通信总线进行连接；负荷控制器、光伏控制器和储能控制器通过通信总线上传负荷、光伏发电系统和储能装置的电气信息给MGCC；MGCC通过通信总线向下层控制器下达相应指令，以控制负荷、光伏发电系统和储能装置的运行状态；
负荷控制器、光伏控制器和储能控制器分别与静态负荷开关、光伏发电系统开关和储能装置开关连接，以控制相应开关的开合状态；
光伏控制器和储能控制器分别与光伏发电系统逆变器和储能装置逆变器相连接，以控制微电源的输出功率；其特征在于，所述优化方法包括如下步骤：
(1)根据微电网实际运行的调度信息初始化光伏出力、电价、负荷数据，确定不同储能电池的出力和电量数据，并设定MGCC的调度周期；初始化数据为各个调度周期内实时的负荷数据Pd(t)，光伏发电功率的实时数据Pgw(t)，当地实时电价c(t)，以及液流电池的最高充放电功率限制±PSmax和锂电池的最高充放电功率限制±PBmax，电池功率为正表示充电，功率为负表示放电；
(2)确定目标函数f1和f2，微电网的运行效率与经济性通过向大电网缴纳的电费来衡量，因此以微电网从大电网的购电费用为目标函数f1；联络线功率瞬时变化过大将对大电网造成冲击，影响大电网的电能质量，因此，以功率裕度波动系数作为目标函数f2；目标函数f1和f2的确定方法如下：
以微电网从大电网的购电费用为目标函数:
<mrow> <msub> <mi>f</mi> <mn>1</mn> </msub> <mo>=</mo> <mo>-</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <mi>c</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>r</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>&amp;Delta;</mi> <mi>t</mi> </mrow>
以功率裕度波动系数作为目标函数：
<mrow> <msub> <mi>f</mi> <mn>2</mn> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <mo>|</mo> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>r</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>r</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>|</mo> </mrow>
其中，T为调度周期，Δt为时间间隔；Δt＝24/T，单位为小时，t表示第t/Δt次调度的决策时刻，c(t)为时间段[t,t+Δt]的实时电价，Pmar(t)为微电网与大电网之间的联络线功率：
Pmar(t)＝Pgw(t)-Pd(t)-Ps(t)-PB(t)
式中，Pd(t)为t时刻的负荷需求，PS(t)为液流电池在t时刻的储能功率，PB(t)为锂电池在t时刻的储能功率，Pgw(t)为光伏向微电网提供的出力；
(3)采用加权滑动平均法，先滤出微电网功率裕度Pgw-Pd的低频部分，再滤出高频部分，最后得到锂电池和液流电池相应的在各个调度周期的充放电功率上下限，作为约束条件之一；同时，任意时刻电池的电量不能超过所能储存能量的上下限，因此以各个储能电池的剩余容量SOCS(t)和SOCB(t)均不越限作为另一约束条件；约束条件的确定方法为：
约束条件1：采用加权滑动平均法，记t时刻微电网功率裕度的低频部分为PBESS(t)，高频部分为PUC(t)，则
PBESS(t)＝0.1[Pgw(t-3Δt)-Pd(t-3Δt)]+0.2[Pgw(t-2Δt)-Pd(t-2Δt)]
+0.3[Pgw(t-Δt)-Pd(t-Δt)]+0.1[Pgw(t)-Pd(t)]
PUC(t)＝Pgw(t)-Pd(t)-PBESS(t)，
其中，Pgw(t)-Pd(t)表示t决策时刻的微电网功率裕度，Pgw(t-Δt)-Pd(t-Δt)表示t-Δt决策时刻的微电网功率裕度，Pgw(t-2Δt)-Pd(t-2Δt)表示t-2Δt决策时刻的微电网功率裕度，Pgw(t-3Δt)-Pd(t-3Δt)表示t-3Δt决策时刻的微电网功率裕度；
约束条件2:
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mi>S</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mrow> <mo>&amp;lsqb;</mo> <mrow> <mn>0</mn> <mo>,</mo> <mi>min</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>P</mi> <mrow> <mi>U</mi> <mi>C</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mi>P</mi> <mrow> <mi>S</mi> <mi>max</mi> </mrow> </msub> </mrow> <mo>)</mo> </mrow> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>P</mi> <mrow> <mi>U</mi> <mi>C</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&gt;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mi>S</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mrow> <mo>&amp;lsqb;</mo> <mrow> <mi>max</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>P</mi> <mrow> <mi>U</mi> <mi>C</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>,</mo> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>S</mi> <mi>max</mi> </mrow> </msub> </mrow> <mo>)</mo> </mrow> <mo>,</mo> <mn>0</mn> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>P</mi> <mrow> <mi>U</mi> <mi>C</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&lt;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mi>B</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mrow> <mo>&amp;lsqb;</mo> <mrow> <mn>0</mn> <mo>,</mo> <mi>min</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>P</mi> <mrow> <mi>B</mi> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mi>P</mi> <mrow> <mi>B</mi> <mi>max</mi> </mrow> </msub> </mrow> <mo>)</mo> </mrow> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>P</mi> <mrow> <mi>B</mi> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&gt;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mi>B</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mrow> <mo>&amp;lsqb;</mo> <mrow> <mi>max</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>P</mi> <mrow> <mi>B</mi> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>,</mo> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>B</mi> <mi>max</mi> </mrow> </msub> </mrow> <mo>)</mo> </mrow> <mo>,</mo> <mn>0</mn> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>P</mi> <mrow> <mi>B</mi> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&lt;</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced>
其中，PSmax，-PSmax分别为液流电池充放电功率的上下限，表示液流电池充放电的能力，超过此上下限将损坏液流电池，PS(t)>0表示充电，PS(t)<0表示放电；PBmax，-PBmax分别为锂电池充放电功率的上下限，表示锂电池充放电的能力，超过此上下限将损坏锂电池，PB(t)>0表示充电，PB(t)<0表示放电；
约束条件3：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>SOC</mi> <mrow> <mi>S</mi> <mi>min</mi> </mrow> </msub> <mo>&lt;</mo> <msub> <mi>SOC</mi> <mi>S</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&lt;</mo> <msub> <mi>SOC</mi> <mrow> <mi>S</mi> <mi>max</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>SOC</mi> <mrow> <mi>B</mi> <mi>min</mi> </mrow> </msub> <mo>&lt;</mo> <msub> <mi>SOC</mi> <mi>B</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&lt;</mo> <msub> <mi>SOC</mi> <mrow> <mi>B</mi> <mi>max</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced>
其中SOCSmin，SOCSmax分别为液流电池储能装置所能储存能量的下限值和上限值，SOCBmin，SOCBmax分别为锂电池储能装置所能储存能量的下限值和上限值，两种储能装置的剩余电量必须满足上下限约束否则将损伤储能电池；
无论液流电池还是锂电池，都是微电网储能系统，其储存能量可以表示为
SOC(t+1)＝SOC(t)+P(t)Δt
其中，P(t)表示t时刻电池的充放电功率，SOC(t)表示t时刻电池的储存电量，SOC(t+1)表示t+1时刻电池的储存电量；
在一个完整的调度周期之后，剩余容量应该与初始值相同，否则多个调度周期之后电量将逐渐增大或减少至不能充放电，即
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>SOC</mi> <mi>S</mi> </msub> <mrow> <mo>(</mo> <mi>T</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>SOC</mi> <mi>S</mi> </msub> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>SOC</mi> <mi>B</mi> </msub> <mrow> <mo>(</mo> <mi>T</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>SOC</mi> <mi>B</mi> </msub> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>
(4)计算单一目标下的最优解，并得到相应的博弈矩阵；微电网能量管理决策者在选择微电网多目标优化运行的权重系数时实际上与随机干扰构成了一种博弈：决策者既要争取每个目标都尽量能达到最优，同时又要避免随机干扰造成收益恶化的情况发生，因此，将微电网能量管理者建模为决策者I，将恶化收益的随机干扰建模为虚拟决策者II；根据单独目标函数f1的最优解x1 *和目标函数f2的最优解x2 *确定博弈矩阵；
(5)基于二人零和博弈法计算博弈权重系数；先计算决策者I的期望支付F，建立二人博弈模型，根据纳什均衡存在的充要条件，将上述博弈问题的求解等价于求解如下两个线性原始-对偶问题，最终确定各个目标的权重系数λi，i＝1,2；
(6)基于线性加权法将原多目标优化问题等价为单目标优化问题模型，从而求解该多目标优化模型，确定各个调度周期的潮流分布，并根据当前时刻所处的时间对于微电网的运行进行实时调度；基于线性加权法将将原多目标优化问题等价的单目标优化问题模型如下：
<mrow> <munder> <mi>min</mi> <mrow> <msub> <mi>P</mi> <mi>S</mi> </msub> <mo>,</mo> <msub> <mi>P</mi> <mi>B</mi> </msub> <mo>,</mo> <msub> <mi>P</mi> <mrow> <mi>g</mi> <mi>w</mi> </mrow> </msub> </mrow> </munder> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </munderover> <msub> <mi>&amp;lambda;</mi> <mi>i</mi> </msub> <msub> <mi>f</mi> <mi>i</mi> </msub> </mrow>
根据此目标优化模型计算出各储能装置在各个调度周期内的SOC，从而保证了微电网购电费用和联络线功率波动两者最小。
2.根据权利要求1所述的优化方法，其特征在于，步骤(4)的博弈矩阵确定方法为：原问题有两个目标函数，单独优化目标f1时，最优解记作x1*；单独优化目标f2时，最优解记作x2*；
构建博弈模型如下：
决策者：I,II
策略集：fi∈{f1,f2},xi∈{x1 *,x2 *}
支付：fi(xi),-fi(xi)
决策者的支付矩阵由x1*、x* 2和f1、f2组成。
3.根据权利要求1所述的优化方法，其特征在于，步骤(5)基于二人零和博弈法的权重系数的确定方法为：
记f(i,j)＝fi(xj *)，考虑到多目标优化问题中的各个目标的量纲一般不同,需要对各目标做下述归一化处理：
<mrow> <msup> <mi>f</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>f</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mo>|</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow> </mfrac> <mo>+</mo> <mn>1</mn> </mrow>
其中，f'(i,j)为归一化后的博弈矩阵元素，i表示决策者II策略中的第i个，j表示决策者I策略中的第j个，进一步，令λ1，λ2表示决策者I选择f1，f2作为策略的概率，μ1，μ2表示决策者II选择x1*，x2*作为策略的概率；参与者I的期望支付为：
其中，F表示决策者I的期望支付；
在二人零和博弈模型中，决策者I的目标是最小化F，而决策者II的目标是最大化F；该二人零和博弈问题模型如下：
<mrow> <munder> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <msub> <mi>&amp;mu;</mi> <mi>j</mi> </msub> </munder> <munder> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> <msub> <mi>&amp;lambda;</mi> <mi>i</mi> </msub> </munder> <mi>F</mi> </mrow>
<mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </munderover> <msub> <mi>&amp;lambda;</mi> <mi>i</mi> </msub> <mo>=</mo> <mn>1</mn> <mo>,</mo> <msub> <mi>&amp;lambda;</mi> <mi>i</mi> </msub> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </munderover> <msub> <mi>&amp;mu;</mi> <mi>j</mi> </msub> <mo>=</mo> <mn>1</mn> <mo>,</mo> <msub> <mi>&amp;mu;</mi> <mi>j</mi> </msub> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
由纳什均衡存在的充要条件，上述博弈问题的求解等价于求解如下两个线性原始-对偶问题；
<mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </munderover> <msub> <mi>r</mi> <mi>i</mi> </msub> </mrow>
<mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>r</mi> <mi>i</mi> </msub> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </munderover> <msup> <mi>f</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <msub> <mi>r</mi> <mi>i</mi> </msub> <mo>&amp;le;</mo> <mn>1</mn> </mrow> </mtd> <mtd> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
<mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </munderover> <msub> <mi>s</mi> <mi>j</mi> </msub> </mrow>
<mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>s</mi> <mi>i</mi> </msub> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </munderover> <msup> <mi>f</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <msub> <mi>s</mi> <mi>j</mi> </msub> <mo>&amp;GreaterEqual;</mo> <mn>1</mn> </mrow> </mtd> <mtd> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
其中，ri为决策者II的第i个归一化的最优混合策略，sj为决策者I的第j个归一化的最优混合策略；则上述二人零和博弈的最优解为
<mrow> <msup> <mi>F</mi> <mo>*</mo> </msup> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </munderover> <msub> <mi>r</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </munderover> <msub> <mi>s</mi> <mi>j</mi> </msub> </mrow> </mfrac> </mrow>
如此，上述二人零和博弈问题的混合策略纳什均衡解为：
λi＝F*ri,μj＝F*sj。
CN201510700862.XA 2015-10-22 2015-10-22 一种含复合储能微电网的多目标优化系统及方法 Active CN105262129B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510700862.XA CN105262129B (zh) 2015-10-22 2015-10-22 一种含复合储能微电网的多目标优化系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510700862.XA CN105262129B (zh) 2015-10-22 2015-10-22 一种含复合储能微电网的多目标优化系统及方法

Publications (2)

Publication Number Publication Date
CN105262129A CN105262129A (zh) 2016-01-20
CN105262129B true CN105262129B (zh) 2018-01-16

Family

ID=55101685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510700862.XA Active CN105262129B (zh) 2015-10-22 2015-10-22 一种含复合储能微电网的多目标优化系统及方法

Country Status (1)

Country Link
CN (1) CN105262129B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105743081A (zh) * 2016-03-25 2016-07-06 华北电力大学 社区级直流微电网群的在线能量调度方法
CN106208118B (zh) * 2016-08-26 2021-03-16 中国电力科学研究院有限公司 一种储能系统多目标优化规划方法
CN109546645B (zh) * 2018-10-19 2020-06-23 国网安徽省电力有限公司 压缩空气储能系统的容量补贴计算方法及装置
CN110148962B (zh) * 2019-05-08 2020-10-23 复变时空(武汉)数据科技有限公司 基于云平台的综合能源管理系统及管理策略
CN110601223B (zh) * 2019-09-30 2021-08-10 西安特锐德领充新能源科技有限公司 功率调节方法、装置、电子设备及存储介质
CN110556874B (zh) * 2019-09-30 2021-08-10 西安特锐德领充新能源科技有限公司 功率控制方法、装置、电子设备及存储介质
CN110912246B (zh) * 2019-11-28 2022-03-25 兰州交通大学 一种应用于光储系统的功率协调控制器
CN111942383B (zh) * 2020-07-14 2023-05-23 南京天航智能装备研究院有限公司 一种电动汽车跟驰节能控制系统及其博弈论方法
CN112488486B (zh) * 2020-11-25 2022-04-15 吉林大学 一种基于零和博弈的多准则决策方法
CN112803567B (zh) * 2021-01-29 2023-04-28 西安交通大学 基于智能楼宇光储供电设备的参数优化设计方法及系统
CN113487207B (zh) * 2021-07-16 2022-06-28 重庆大学 基于多智能体系统最优用户集群的多能源社区中的多目标能源管理系统
CN113949108B (zh) * 2021-10-14 2022-12-06 合肥工业大学 基于二人零和博弈的含智能软开关的配电网功率调控方法
CN113762650B (zh) * 2021-11-10 2022-02-15 广东电网有限责任公司东莞供电局 一种分散式预测电网的优化方法及系统
TWI797019B (zh) * 2022-05-30 2023-03-21 陳正一 微電網電力調度系統及其方法
CN115423388B (zh) * 2022-11-04 2023-02-07 国网浙江省电力有限公司金华供电公司 一种电网侧独立储能站容量动态分配方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2354904B (en) * 1999-10-01 2003-12-17 Ericsson Telefon Ab L M Addressing in a communications network
CN102664429B (zh) * 2012-05-29 2014-05-14 国电联合动力技术有限公司 一种并网不上网微网系统及其控制保护方法
CN102801790B (zh) * 2012-07-19 2013-07-10 江苏省电力设计院 一种基于iec 61850和多代理方法的微网能量管理系统

Also Published As

Publication number Publication date
CN105262129A (zh) 2016-01-20

Similar Documents

Publication Publication Date Title
CN105262129B (zh) 一种含复合储能微电网的多目标优化系统及方法
Saboori et al. Maximizing DISCO profit in active distribution networks by optimal planning of energy storage systems and distributed generators
Rezaeimozafar et al. A review of behind-the-meter energy storage systems in smart grids
CN108879746B (zh) 基于多时间尺度需求响应的集中式混合储能协调控制方法
CN109066750B (zh) 基于需求侧响应的光伏-电池微电网混合能量调度管理方法
CN103151797A (zh) 基于多目标调度模型的并网运行方式下微网能量控制方法
CN103346562A (zh) 计及需求响应的多时间尺度微网能量控制方法
Hossain et al. Design a novel controller for stability analysis of microgrid by managing controllable load using load shaving and load shifting techniques; and optimizing cost analysis for energy storage system
Wang et al. Multi-objective energy management system for DC microgrids based on the maximum membership degree principle
Mohamed et al. Microgrid online management and balancing using multiobjective optimization
Meiqin et al. Economic analysis of the microgrid with multi-energy and electric vehicles
CN111293718B (zh) 基于场景分析的交直流混合微网分区二层优化运行方法
CN108039722A (zh) 一种适用于交直流混合的分布式可再生能源系统优化配置方法
Gao et al. Annual operating characteristics analysis of photovoltaic-energy storage microgrid based on retired lithium iron phosphate batteries
CN109873449A (zh) 一种户用微网中光储容量优化配置方法
Rossi et al. Real-time optimization of the battery banks lifetime in hybrid residential electrical systems
KR20130074045A (ko) 마이크로그리드 기반의 수용가 에너지 관리 방법 및 시스템
Han et al. Economic evaluation of micro-grid system in commercial parks based on echelon utilization batteries
Ren et al. Multitime scale coordinated scheduling for electric vehicles considering photovoltaic/wind/battery generation in microgrid
Chun et al. Unit commitment considering coordinated dispatch of large scale electric vehicles and wind power generation
CN111313444A (zh) 一种面向高密度光伏配网台区侧的储能系统优化配置方法
CN111160618A (zh) 一种结合电动汽车充电场站的建筑能量优化调度方法
CN117559526A (zh) 一种基于光储充一体化充电站的拟路由器能量调控方法
Li et al. Optimal operation of AC/DC hybrid microgrid under spot price mechanism
CN115940284A (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20160120

Assignee: Guangzhou Development Zone Yuedian new energy Co.,Ltd.

Assignor: SOUTH CHINA University OF TECHNOLOGY

Contract record no.: X2023980036273

Denomination of invention: A multi-objective optimization system and method for composite energy storage microgrids

Granted publication date: 20180116

License type: Common License

Record date: 20230615

EE01 Entry into force of recordation of patent licensing contract