CN105322534B - 一种基于区间不确定性的微网优化调度方法 - Google Patents

Abstract

本发明公开了一种基于区间不确定性的微网优化调度方法，以及微网有功和无功相互耦合的特征，采用区间不确定性描述方法建立微网系统有功无功联合优化调度模型。然后，本发明结合区间序关系的优化模型转换方法，将基于区间不确定性的优化调度模型转换成一般的确定性优化调度模型。进一步，利用GAMS软件求解确定性的优化调度模型，从而获得各微电源的最优调度策略和微网的最低发电成本。与确定性的微网优化调度方法相比，这种方法可应对微网系统新能源发电功率预测、负荷预测误差等不确定性因素，可优化计算出各微电源发电功率和微网系统运行成本的可能波动区间，可为权衡微网可靠性和经济性提供决策方法。

Description

一种基于区间不确定性的微网优化调度方法

技术领域

本发明涉及电力系统分析与调度技术领域，尤其涉及一种基于区间不确定性的微网优化调度方法。

背景技术

近年来，微网系统优化调度已成为国内外研究的热点。微网中光伏、风电等可再生分布式电源出力的波动性、随机性给短期微网优化调度带来困难。目前，微网优化调度技术主要偏向将光伏、风电等可再生分布式电源的输出功率预测数据通过蒙特卡罗方法随机产生。但实际情况中，分布式电源输出功率在一定的区间内波动，随机方法产生的输出功率数据仅能表示出力的平均水平，而无法反应其波动性特征。另外，一些方法采用了机会约束规划的方法来描述微网中存在的不确定性因素。但是，随机规划方法必须已知不确定参数的精确概率分布，而构造精确的概率分布需获得大量的不确定信息。光伏、风电等可再生分布式电源功率输出受天气因素影响，具有很大的波动性，并且由于测量技术、经济性或实际条件的限制，往往无法获得足够的样本信息。因此，在随机规划问题的实际求解中，对随机变量的分布类型及其相应参数，决策者往往需要做出一定程度的近似，然而不确定参数概率分布的较小误差可能导致较大的可靠性分析偏差。

对于包含可再生分布式电源的微电网而言，分布式电源发电预测和负荷预测的不确定性给微网优化调度带来困难，若微网的优化调度策略不能充分考虑这些不确定性因素，那么微网的实时发电计划将难以保证发电与用电平衡，影响微网系统的安全性、可靠性和经济性。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种基于区间不确定性的微网优化调度方法。

本发明为解决上述技术问题采用以下技术方案：

一种基于区间不确定性的微网优化调度方法，包含以下步骤：

步骤1)，统计微网运行历史数据，建立微网内所有可控电源的成本函数；

步骤2)，根据微网运行的历史数据，对未来一天的用电负荷、风电功率、光伏功率，利用人工神经网络方法进行预测，分别得到各自的预测区间；

步骤3)，为应对负荷预测、风电功率预测、光伏功率预测存在的不确定性，保证微网发电与用电实时平衡，将微网中可控电源的功率以及微网与配电网交换的功率定义为区间变量；

步骤4)，根据微网优化调度的周期，以微网运行成本和向配电网购电成本之和最小为优化调度目标，综合考虑微网系统的有功和无功潮流平衡约束、运行电压约束、联络线约束以及微网中各个机组的运行约束，并结合步骤1)和步骤2)得到的数据，建立基于区间不确定性的微网系统优化调度模型；

步骤5)，利用决策者对区间不确定水平容忍度的区间序关系，把基于区间不确定性的微网系统优化调度模型中包含不确定区间变量的目标函数和约束条件转换成一般的确定性目标函数和约束条件，进而得到微网系统确定性的优化调度模型；

步骤6)，求解步骤5)得到的微网系统确定性的优化调度模型，计算出中可控电源的功率以及微网与配电网交换的功率的最优区间。

作为本发明一种基于区间不确定性的微网优化调度方法进一步的优化方案，所述步骤2)中，用电负荷、风电功率、光伏功率的预测值，采用区间描述形式为：

$P_D^I\left(t\right)=\[P_D^L\left(t\right),P_D^R\left(t\right)\]$

$P_{WT}^I\left(t\right)=\[P_{WT}^L\left(t\right),P_{WT}^R\left(t\right)\]$

$P_{PV}^I\left(t\right)=\[P_{PV}^L\left(t\right),P_{PV}^R\left(t\right)\]$

其中，分别表示负荷预测、风电功率预测、光伏功率预测的范围区间，而上标L和R分别表示相应区间的下界和上界。

作为本发明一种基于区间不确定性的微网优化调度方法进一步的优化方案，所述步骤3)中，微网中的燃气机组功率以及微网与配电网交换的功率，采用区间描述形式为：

$P_{MT}^I\left(t\right)=\[P_{MT}^L\left(t\right),P_{MT}^R\left(t\right)\]$

$P_{GRID}^I\left(t\right)=\[P_{GRID}^L\left(t\right),P_{GRID}^R\left(t\right)\]$

其中，表示燃气机组功率区间，表示微网与配电网之间交换功率区间，上标L和R分别表示相应区间的下界和上界。

作为本发明一种基于区间不确定性的微网优化调度方法进一步的优化方案，所述步骤4)中，微网系统优化调度目标函数是为燃气机组、柴油机组、储能单元运行成本与微网向配电网购电成本之和；微网系统优化调度所考虑的约束条件包括有功和无功潮流平衡约束、节点电压约束、可控机组输出功率约束、微网与配电网允许交互的功率约束、储能单元运行约束。

作为本发明一种基于区间不确定性的微网优化调度方法进一步的优化方案，所述步骤5)中，决策者对区间数不确定水平容忍度的区间序关系为：

若A^C+(1-ξ)A^W＜B^C+(1-ξ)B^W,则区间A优于区间B；

其中，A^C、B^C、A^W、B^W分别表示区间A和区间B的中点和半径，ξ表示决策者对区间不确定水平的容忍度。

作为本发明一种基于区间不确定性的微网优化调度方法进一步的优化方案，所述步骤5)中，所述包含不确定区间变量的目标函数和约束条件具体为基于区间不确定性的微网系统优化调度模型中的目标函数、有功潮流平衡等式约束、燃气机组有功出力及爬坡率不等式约束、微网与配电网交换功率不等式约束。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

综合考虑了微网系统中风电和光伏的输出功率预测和负荷预测等不确定性因素，以及微网有功和无功相互耦合的特性，采用区间不确定描述方法建立微网系统有功无功联合优化调度模型。然后，利用决策者对区间不确定水平容忍度的区间序关系，将基于区间不确定性的优化调度模型转换为一般的确定性优化模型。最后，通过求解微网系统确定性的优化调度模型，获得在不同容忍度下的微网运行成本和最优调度方案。

附图说明

图1是微网系统示例的结构示意图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

微网示例包括风电、光伏、燃气机组、柴油机组、储能单元。如图1所示，针对该微网系统示例，运用本发明方法实施优化调度的具体步骤如下：

步骤(1)：统计微网运行历史数据，建立微网内所有可控电源的成本函数。

燃气机组、柴油机组每小时的运行成本函数描述如下：

F(P_i(t))＝α_i+β_iP_i(t)+γ_iP_i ²(t)

这里，P_i(t)可控机组每小时输出的有功功率；F(P_i(t))可控机组的运行成本；α_i、β_i、γ_i为可控机组的费用系数。

储能单元的成本函数包括投资折旧成本和运行维护成本：

$F\left(P_{SB}\right(t\left)\right)=\frac{a_{SB}{I}_{SB}^P}{8760}{P}_{SB}\left(t\right)+G_{SB}^E{P}_{SB}\left(t\right)$

这里，P_SB(t)为储能单元每小时输出的有功功率；a_SB为储能单元的年折旧系数；r_SB为储能单元的年利率；N_SB为储能单元的使用寿命；为储能单元的投资安装成本；为储能单元的运行维护成本。

步骤(2)：根据微网运行的历史数据，对未来一天的用电负荷、风电功率、光伏功率进行预测，分别得到各自的预测区间：

$P_D^I\left(t\right)=\[P_D^L\left(t\right),P_D^R\left(t\right)\]$

$P_{WT}^I\left(t\right)=\[P_{WT}^L\left(t\right),P_{WT}^R\left(t\right)\]$

$P_{PV}^I\left(t\right)=\[P_{PV}^L\left(t\right),P_{PV}^R\left(t\right)\]$

步骤(3)：为应对负荷预测、风电功率预测、光伏功率预测存在的不确定性，保证微网发电与用电实时平衡，将微网中可控电源的功率以及微网与配电网交换的功率设计成具有一定范围的区间变量：

$P_{MT}^I\left(t\right)=\[P_{MT}^L\left(t\right),P_{MT}^R\left(t\right)\]$

$P_{GRID}^I\left(t\right)=\[P_{GRID}^L\left(t\right),P_{GRID}^R\left(t\right)\]$

步骤(4)：微网优化调度的周期取1天，以微网运行成本和向配电网购电成本之和最小为优化调度目标，综合考虑微网系统的有功和无功潮流平衡约束、运行电压约束、联络线约束以及各机组的运行约束，并结合步骤(1)和(2)得到的数据，建立基于区间不确定性的微网系统优化调度模型。

1)微网的经济调度目标表达式为：

$min\underset{t=1}{\overset{24}{\Σ}}\left(F\right(P_{MT}^I\left(t\right))+F(P_{DE}\left(t\right))+F(P_{SB}\left(t\right))+cp(t\left)P_{GRID}^I\right(t\left)\right)$

这里，F(P_DE(t))、F(P_SB(t))分别为燃气机组、柴油机组和储能单元每小时的运行成本；cp(t)为微网向配电网购电的实时电价；为微网与配电网交换的有功功率区间。

2)有功和无功潮流平衡约束：

$\begin{array}{c}{P}_{MT,f}^I\left(t\right)+P_{DE,f}\left(t\right)+P_{SB,f}\left(t\right)+P_{GRID,f}^I\left(t\right)+P_{WT,f}^I\left(t\right)+P_{PV,f}^I\left(t\right)-P_{D,f}^I\left(t\right)\\ -\underset{g\∈h}{\overset{h}{\Σ}}{V}_f\left(t\right)V_g\left(t\right)(G_{fg}{\mathrm{cos\θ}}_{fg}+B_{fg}{\mathrm{sin\θ}}_{fg})=0\end{array}$

$Q_{SB,f}\left(t\right)+Q_{GRID,f}^I\left(t\right)-Q_{D,f}^I\left(t\right)-\underset{g\∈h}{\overset{h}{\Σ}}{V}_f\left(t\right)V_g\left(t\right)(G_{fg}{\mathrm{sin\θ}}_{fg}-B_{fg}{\mathrm{cos\θ}}_{fg})=0$

这里，h为系统节点个数；f＝1,2,…,h；G_fg，B_fg，θ_fg分别为节点f和g之间的导纳和相角差；g∈f表示与节点f相连的节点。

3)运行电压约束：

V_f,min≤V_f≤V_f,max

这里，V_f表示节点f的电压，而V_f,min，V_f,max分别为节点电压V_f的最小、最大值。

4)可控机组有功出力约束:

$P_{MT}^{\min }\≤P_{MT}^I\left(t\right)\≤P_{MT}^{\max }$

$P_{DE}^{\min }\≤P_{DE}\left(t\right)\≤P_{DE}^{\max }$

这里，和分别为燃气机组和柴油机组的有功上下限。

5)可控机组的爬坡约束

$R_{MT}^d\mathrm{\Δ}t\≤P_{MT}^I\left(t\right)-P_{MT}^I(t-1)\≤R_{MT}^u\mathrm{\Δ}t$

$R_{DE}^d\mathrm{\Δ}t\≤P_{DE}\left(t\right)-P_{DE}(t-1)\≤R_{DE}^u\mathrm{\Δ}t$

这里，Δt为时段长度，和分别为燃气机组和柴油机组的向上和向下爬坡速率。

6)微网与配电网允许交互的传输功率约束

$0\≤P_{GRID}^I\left(t\right)\≤P_{GRID,max}\left(t\right)$

0≤Q_GRID(t)≤Q_GRID,max(t)

其中P_GRID,max(t)，Q_GRID,max(t)分别为微网与外网允许交互的最大有功功率和无功功率。

7)储能单元运行约束

储能单元运行约束包括充放电限值约束、容量约束和储能平衡约束：

$P_{SB}^{\min }\≤P_{SB}\left(t\right)\≤P_{SB}^{\max }$

$-S_{SB}^{inv}\≤P_{SB}\left(t\right)\≤S_{SB}^{inv}$

$-\sqrt{S_{SB}^{inv2}-{P_{SB}}^2\left(t\right)}\≤Q_{SB}\left(t\right)\≤\sqrt{S_{SB}^{inv2}-{P_{SB}}^2\left(t\right)}$

C_SOC,min≤C_SOC(t)≤C_SOC,max

C_SOC(0)＝C_SOC(T)

其中，分别为储能单元的最大和最小有功功率；为储能单元逆变器的容量；P_SB(t)、Q_SB(t)分别为储能单元交流侧的充放电有功功率和无功功率；C_SOC,min、C_SOC,max分别为储能单元的最大和最小剩余容量，T为经济调度的周期，取24小时。

步骤(5)：利用决策者对区间不确定水平容忍度的区间序关系，把包含不确定区间变量的目标函数和约束条件转换成一般的确定性目标函数和约束条件，进而得到微网系统确定性的优化调度模型。

假设ξ为决策者对区间数不确定水平的容忍度，那么区间序关系为：若A^C+(1-ξ)A^W＜B^C+(1-ξ)B^W,则区间A优于区间B，这里A^C、B^C、A^W、B^W分别为区间A和区间B的中点和半径。根据区间序关系，将基于区间不确定性的微网系统优化调度模型转换成一般的确定性优化模型如下：

1)目标函数转换：

$\min \underset{t=1}{\overset{24}{\Σ}}\left(F\right(P_{MT}^C\left(t\right)+\left(1-\mathrm{\ξ}\right)P_{MT}^W\left(t\right))+F(P_{DE}\left(t\right))+F(P_{SB}\left(t\right))+cp(t\left)\right(P_{GRID}^C\left(t\right)+\left(1-\mathrm{\ξ}\right)P_{GRID}^W\left(t\right)\left)\right)$

2)有功潮流等式约束转换：

$P_f^C\left(t\right)-(1-\mathrm{\ξ})P_f^W\left(t\right)\≤P_{DE,f}\left(t\right)+P_{SB,f}\left(t\right)-\underset{g\∈h}{\overset{h}{\Σ}}{V}_f\left(t\right)V_g\left(t\right)(G_{fg}{\mathrm{cos\θ}}_{fg}+B_{fg}{\mathrm{sin\θ}}_{fg})$

$-P_f^C\left(t\right)+(1-\mathrm{\ξ})P_f^W\left(t\right)\≤-P_{DE,f}\left(t\right)-P_{SB,f}\left(t\right)+\underset{g\∈h}{\overset{h}{\Σ}}{V}_f\left(t\right)V_g\left(t\right)(G_{fg}{\mathrm{cos\θ}}_{fg}+B_{fg}{\mathrm{sin\θ}}_{fg})$

这里，

$P_f^C\left(t\right)=P_{MT,f}^C\left(t\right)+P_{GRID,f}^C\left(t\right)+P_{WT,f}^C\left(t\right)+P_{PV,f}^C\left(t\right)-P_{D,f}^C\left(t\right);$

$P_f^W\left(t\right)=P_{MT,f}^W\left(t\right)+P_{GRID,f}^W\left(t\right)+P_{WT,f}^W\left(t\right)+P_{PV,f}^W\left(t\right)-P_{D,f}^W\left(t\right).$

3)燃气机组有功出力约束转换：

$P_{MT}^C\left(t\right)+(1-\mathrm{\ξ})P_{MT}^W\left(t\right)\≤P_{MT}^{max}$

$-P_{MT}^C\left(t\right)-(1-\mathrm{\ξ})P_{MT}^W\left(t\right)\≤(-1)P_{MT}^{\min }$

4)燃气机组爬坡率约束转换：

$P_{MT}^C\left(t\right)-P_{MT}^C(t-1)+(1-\mathrm{\ξ})\left(P_{MT}^W\right(t)-P_{MT}^W(t-1\left)\right)\≤R_{MT}^u\mathrm{\Δ}t$

$-\left(P_{MT}^C\right(t)-P_{MT}^C(t-1\left)\right)-(1-\mathrm{\ξ})\left(P_{MT}^W\right(t)-P_{MT}^W(t-1\left)\right)\≤(-1)R_{MT}^d\mathrm{\Δ}t$

5)配电网交换功率约束转换：

$P_{GRID}^C\left(t\right)+(1-\mathrm{\ξ})P_{GRID}^W\left(t\right)\≤P_{GRID,max}\left(t\right)$

$-P_{GRID}^C\left(t\right)-(1-\mathrm{\ξ})P_{GRID}^W\left(t\right)\≤0$

6)其他约束保持不变。

步骤(6)：选取不同的容忍度水平值，采用GAMS优化软件求解步骤(5)得到的微网优化调度模型，制定出微网系统有功无功的最优调度方案。

微网示例应用效果：该微网系统优化调度示例证实，本发明方法可应对微网系统中可再生分布式电源发电预测和负荷预测等不确定性因素，可计算出不同不确定性容忍度下的微网最优调度策略。决策者可根据容忍度水平来权衡微网系统运行的可靠性和经济性，从而制定出经济合理的微网系统日发电计划。

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于区间不确定性的微网优化调度方法，其特征在于，包含以下步骤：

步骤1)，统计微网运行历史数据，建立微网内所有可控电源的成本函数；

步骤2)，根据微网运行的历史数据，对未来一天的用电负荷、风电功率、光伏功率，利用人工神经网络方法进行预测，分别得到各自的预测区间；

步骤3)，为应对负荷预测、风电功率预测、光伏功率预测存在的不确定性，保证微网发电与用电实时平衡，将微网中可控电源的功率以及微网与配电网交换的功率定义为区间变量；

步骤4)，根据微网优化调度的周期，以微网运行成本和向配电网购电成本之和最小为优化调度目标，综合考虑微网系统的有功和无功潮流平衡约束、运行电压约束、联络线约束以及微网中各个机组的运行约束，并结合步骤1)和步骤2)得到的数据，建立基于区间不确定性的微网系统优化调度模型；

步骤5)，利用决策者对区间不确定水平容忍度的区间序关系，把基于区间不确定性的微网系统优化调度模型中包含不确定区间变量的目标函数和约束条件转换成一般的确定性目标函数和约束条件，进而得到微网系统确定性的优化调度模型；

所述决策者对区间不确定水平容忍度的区间序关系为：

若A^C+(1-ξ)A^W＜B^C+(1-ξ)B^W,则区间A优于区间B；

其中，A^C、B^C、A^W、B^W分别表示区间A和区间B的中点和半径，ξ表示决策者对区间不确定水平的容忍度；

步骤6)，求解步骤5)得到的微网系统确定性的优化调度模型，计算出可控电源的功率以及微网与配电网交换的功率的最优区间。

2.根据权利要求1所述的基于区间不确定性的微网优化调度方法，其特征在于，所述步骤2)中，用电负荷、风电功率、光伏功率的预测值，采用区间描述形式为：

$P_D^I\left(t\right)=\[P_D^L\left(t\right),P_D^R\left(t\right)\]$

$P_{WT}^I\left(t\right)=\[P_{WT}^L\left(t\right),P_{WT}^R\left(t\right)\]$

$P_{PV}^I\left(t\right)=\[P_{PV}^L\left(t\right),P_{PV}^R\left(t\right)\]$

其中，分别表示负荷预测、风电功率预测、光伏功率预测的范围区间，而上标L和R分别表示相应区间的下界和上界。

3.根据权利要求1所述的基于区间不确定性的微网优化调度方法，其特征在于，所述步骤3)中，微网中的燃气机组功率以及微网与配电网交换的功率，采用区间描述形式为：

$P_{MT}^I\left(t\right)=\[P_{MT}^L\left(t\right),P_{MT}^R\left(t\right)\]$

$P_{GRID}^I\left(t\right)=\[P_{GRID}^L\left(t\right),P_{GRID}^R\left(t\right)\]$

其中，表示燃气机组功率区间，表示微网与配电网之间交换功率区间，上标L和R分别表示相应区间的下界和上界。

4.根据权利要求1所述的基于区间不确定性的微网优化调度方法，其特征在于，所述步骤4)中，微网系统优化调度目标函数是为燃气机组、柴油机组、储能单元运行成本与微网向配电网购电成本之和；微网系统优化调度所考虑的约束条件包括有功和无功潮流平衡约束、节点电压约束、可控机组输出功率约束、微网与配电网允许交互的功率约束、储能单元运行约束。

5.根据权利要求1所述的基于区间不确定性的微网优化调度方法，其特征在于，所述步骤5)中，所述包含不确定区间变量的目标函数和约束条件具体为基于区间不确定性的微网系统优化调度模型中的目标函数、有功潮流平衡等式约束、燃气机组有功出力及爬坡率不等式约束、微网与配电网交换功率不等式约束。