CN105406520B - 基于双主控动态协作的独立微电网经济调度优化方法 - Google Patents

基于双主控动态协作的独立微电网经济调度优化方法 Download PDF

Info

Publication number
CN105406520B
CN105406520B CN201610006784.8A CN201610006784A CN105406520B CN 105406520 B CN105406520 B CN 105406520B CN 201610006784 A CN201610006784 A CN 201610006784A CN 105406520 B CN105406520 B CN 105406520B
Authority
CN
China
Prior art keywords
mrow
msub
power
energy
master control
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
CN201610006784.8A
Other languages
English (en)
Other versions
CN105406520A (zh
Inventor
马艺玮
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201610006784.8A priority Critical patent/CN105406520B/zh
Publication of CN105406520A publication Critical patent/CN105406520A/zh
Application granted granted Critical
Publication of CN105406520B publication Critical patent/CN105406520B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/382—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y02P80/14—District level solutions, i.e. local energy networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种基于双主控动态协作的独立微电网经济调度优化方法，该独立微电网包含蓄电池储能系统和柴油发电机组两种主控电源，以及风力发电机组和光伏发电系统两种非主控电源；该方法包括：1)蓄电池储能系统作为独立微电网的主控电源时，系统的经济调度优化策略；2)柴油发电机组作为独立微电网的主控电源时，系统的经济调度优化策略；3)基于粒子群优化算法的双主控动态协作的独立微电网经济调度优化过程。本发明解决了独立微电网系统中包含蓄电池储能系统和柴油发电机组两种不同类型的主控电源的经济调度优化问题，能够同时追求系统最优运行控制模式和最小发电成本目标，有效实现了独立微电网系统经济运行的最小化发电总成本目标和最大化利用可再生能源，改善微电网经济运行性能。

Description

基于双主控动态协作的独立微电网经济调度优化方法
技术领域
本发明属于微电网经济运行技术领域，涉及一种基于双主控动态协作的独立微电网经济调度优化方法，特别是一种基于蓄电池储能系统和柴油发电机组双主控动态协作的独立微电网经济调度优化方法。
背景技术
独立微电网的经济调度优化是在确保系统稳定可靠运行的基础上，通过优化调配分布式电源组合及其出力大小实现系统总发电成本最小化的一项关键技术。由于独立微电网系统中各分布式电源的种类多样、控制特性各异、运行状态及运行成本各不相同等影响因素，因此，含多分布式电源独立微电网的经济调度优化是一个高维的、多时间尺度的、多约束的和非线性的复杂动态优化问题。相对于传统大电网，风光柴蓄混合能源独立微电网系统中高渗透率的风电和光伏等间歇性电源以及具有独特能量双向流动的蓄电池储能系统，使得微电网系统经济调度相对于传统大电网的经济调度具有非常大的差异性。
经对现有技术的文献检索发现，“独立运行模式下的微网实时能量优化调度”(独立运行模式下的微网实时能量优化调度[J].中国电机工程学报,2012,32(16):26-35.)一文针对含风光柴蓄混合能源的独立微电网能量管理问题，提出了一种独立微电网的实时能量优化调度方法，将作为主控电源的蓄电池储能装置能量状态划分为4个区间，并缩减作为系统主控电源的可控型微电源基点运行功率范围，从而根据储能装置能量状态、系统净负荷大小及被安排运行的可控型微电源的当前出力能力对独立微电网系统进行实时能量优化调度，但此方法对蓄电池储能装置的依赖太强。申请号为201110191474.5的中国发明专利申请提出一种独立运行模式下的微电网多时间尺度能量优化调度方法，将微电网的经济调度分为日前计划和实时调度两个阶段；在日前计划中，基于日前预测数据建立日前机组启停优化计划模型；在实时调度中，遵循日前计划的开停机结果，基于实时超短期预测数据与各电源的实时运行状态，以确定各电源的有功功率调度指令、卸荷功率指令及切负荷指令，但此方法没有针对系统中各分布式电源和蓄电池储能系统在各时段间的相互耦合影响，没有给出相应的多种不同可控型电源间的动态调度协调控制方案。
发明内容
有鉴于此，本发明的目的在于提供一种基于双主控动态协作的独立微电网经济调度优化方法，该方法包括了蓄电池储能系统和柴油发电机组分别作为独立微电网系统主控电源时，系统的经济调度优化策略与基于粒子群优化算法的双主控动态协作的微电网经济调度优化过程，该方法充分利用蓄电池储能系统和柴油发电机组不同的发电成本，使得蓄电池储能系统和柴油发电机组根据不同的运行条件而交替作为主控电源来维持和保证整个微电网系统电压和频率稳定性；能够同时追求系统最优运行控制模式和最小发电成本目标，有效实现了独立微电网系统经济运行的最小化发电总成本目标和最大化利用可再生能源，改善微电网经济运行性能。
为达到上述目的，本发明提供如下技术方案：
一种基于双主控动态协作的独立微电网经济调度优化方法，所述独立微电网包含蓄电池储能系统(BESS)和柴油发电机组(DE)两种主控电源，以及风力发电机组(WT)和光伏发电系统(PV)两种非主控电源，该方法包括以下步骤：
步骤一：获得初始阶段的基本数据，包含有系统负荷需求、风电输出功率和光伏输出功率、可用的分布式电源数量及输出功率限值、蓄电池储能系统的容量及容量限制值、分布式电源的各种成本值；
步骤二：采用粒子群优化算法对独立微电网经济调度优化模型进行综合权衡求解，同时计算求解出整个调度周期内微电网系统的最小发电成本以及最恰当的经济调度方案，在每个周期内的微电网经济调度优化过程中都有两个不同的时间尺度：时间尺度t：仅用于优化求解系统的最小发电成本目标；时间尺度t′：仅用于优化选择系统运行控制模式，求解最恰当的经济调度方案；
在整个调度期间，独立微电网系统的主控电源不是唯一的，可能是由蓄电池储能系统和柴油发电机组根据不同的运行条件而交替作为主控电源来维持和保证整个微电网系统电压和频率稳定性。主控电源M(t')需要在控制模式选择的时间域(t'＝t'+1)内评估主控电源是否满足最短启停时间约束。如果在整个调度周期内，主控电源总是始终由同一种分布式电源承担，那么t和t′这两个时间尺度相同，即t＝t′。
步骤三：以采样时间段T(通常设定为5分钟)为基本单位逐次循环求解，并以一天(24小时)为整个调度周期最大值进行检验是否满足终止条件，如果满足，则输出整个调度周期内所有采样时间段的微电网最小发电成本总和，即为所求解的独立微电网经济调度优化结果，否则，则返回步骤一继续运行直至满足终止条件。
进一步，在步骤二中，所述经济调度方案包括：
1)调度方案A：蓄电池储能系统作为主控电源，且独立微电网电源组合类型为“蓄电池储能+风力发电机组+光伏发电机组”，此种情况下，微电网系统内的所有电力负荷需求都是由风力发电机组、光伏发电机组和蓄电池储能系统来能够共同满足和承担，而不需柴油发电机组的电力补充供应；
2)调度方案B：蓄电池储能系统作为主控电源，且独立微电网电源组合类型为“蓄电池储能+风力发电机组+光伏发电机组+柴油发电机组”，而柴油发电机组则为从控电源并以恒定功率方式提供电力输出，此种情况下，微电网系统内的所有电力负荷需求都是由蓄电池储能系统、柴油发电机组、风力发电机组和太阳能光伏发电机组来共同承担和满足；
3)调度方案C：柴油发电机组作为主控电源，且独立微电网电源组合类型为“柴油发电机组+风力发电机组+光伏发电机组”，此种情况下，微电网系统内的所有电力负荷需求都是由风力发电机组、光伏发电机组和柴油发电机组来共同承担和满足，而不需要蓄电池储能系统参与调节；
4)调度方案D：柴油发电机组作为主控电源，且独立微电网电源组合类型为“柴油发电机组+风力发电机组+光伏发电机组+蓄电池储能”，而蓄电池储能系统则为从控电源并以恒功率控制(PQ控制)方式协助柴油发电机组进行功率补偿调节，此种情况下，微电网系统内的所有电力负荷需求都是由柴油发电机组、风力发电机组、光伏发电机组和蓄电池储能系统来共同承担和满足；
5)调度方案E：两种不同模式间的交互切换，即根据系统实时运行需求，微电网系统从当前控制模式切换到另一种控制模式，即微电网系统的两种不同运行控制模式Mode 1(蓄电池储能系统为主控电源)与Mode 2(柴油发电机组为主控电源)之间的相互切换。
进一步，在步骤二中，所述经济调度优化模型包括：
1)优化目标：调度周期内的独立微电网系统总发电成本最小，目标函数定义如下：
CMG(P)为独立微电网系统在整个调度周期NT内产生功率P所需要的总发电成本；N为某调度周期[0，NT]内采样时间段T的个数；G为分布式电源的类型数量；Cj(Pj(t))表示第j种分布式电源输出功率Pj(t)时的总发电成本；Pj(t)第j种分布式电源在第t个时间间隔期间[(t-1)T，tT]的输出功率；
11)可再生能源电源发电成本：
CDC,i、CMO,i和SES,i分别为第i个可再生能源分布式电源输出功率Pi(t)时的折旧成本、运行维护成本以及经济补贴；CAIC,i为第i个可再生能源分布式电源的年均投资成本；ρi为第i个可再生能源电源的运行维护成本系数；EAPG,i为第i个可再生能源分布式电源基于典型年历史数据的年发电总量预测值；kES为根据当地能源政策而对可再生能源发电所设定的价格补贴系数；
12)柴油发电机组发电成本：
CDC(PDE(t))、CMO(PDE(t))、CFC(PDE(t))和CEC(PDE(t))分别表示柴油发电机组输出功率为PDE(t)时的折旧成本、运行维护成本、燃料成本和污染物治理成本；CAIC,DE表示柴油发电机组的年均投资成本；EAPG,DE表示基于典型年历史数据的柴油发电机组年发电总量预测值；KMO,DE表示机组运行维护成本系数；表示柴油发电机组的额定功率；cfp表示柴油燃料价格；cE,k表示第k种(k＝1,2,3,4,5分别代表NOx，SO2，CO2，CO及灰尘)污染排放物的环境成本系数；
13)蓄电池储能系统发电成本：
CBESS(PBESS(t))表示蓄电池储能系统在放电功率为PBESS(t)时的发电成本；PBESS,dch(t)表示蓄电池储能系统的放电功率；βBESS表示蓄电池储能系统的单位发电成本系数；
2)约束条件：独立微电网系统的约束条件包括系统电力供需平衡、旋转备用容量、分布式电源输出功率约束、分布式电源最短启停时间约束和蓄电池储能系统容量约束等，以确保微电网的稳定可靠；
21)系统电力供需平衡：
Pexcessive(t)为超出系统负荷需求的功率，PL(t)为系统的总负荷需求；
22)旋转备用容量：
ΔPMG,SR(t)＝eMG·Pnet-L(t)
R为独立微电网系统中主控电源数目；PCG,SR(t)为独立微电网系统中主控电源可用的旋转备用容量；PMG,SR(t)为独立微电网系统所需的旋转备用容量；eMG为独立微电网系统净负荷实际值与预测值之间才偏差率；Pnet-L(t)为独立微电网系统的净负荷需求(Pnet-L(t)＝PL(t)-PWT(t)-PPV(t))；
23)分布式电源输出功率约束：
a.主控电源
PM,low,h(t)≤PM,h(t)≤PM,high,h(t)
PM,h(t)表示第h个主控电源的输出功率；PM,high,h(t)和PM,low,h(t)分别为第h个主控电源在正常运行区域内输出功率的上限和下限值；PM,max,h和PM,min,h分别为第h个主控电源的技术输出功率的最大值和最小值；
b.从控电源
PS,min,l≤PS,l(t)≤PS,max,l
PS,l(t)表示第l个从控电源的输出功率；PS,max,l和PS,min,l分别表示第l个从控电源的技术输出功率的最大值和最小值；
24)分布式电源最短启停时间约束：
Trs,j≥Trs,min,j
Trs,j表示第j个分布式电源的启停时间；Trs,min,j表示第j个分布式电源最短持续开机和持续停机时间；
25)蓄电池储能系统容量约束
SOCmin≤SOClow≤SOC(t)≤SOChigh≤SOCmax
SOCmax表示蓄电池储能系统的最大规格容量(额定容量)，SOCmin为由制造商提供的最小容量值，SOChigh和SOClow分别表示蓄电池储能系统正常运行区域设定的容量最高值与最低值。
本发明的有益效果在于：本发明根据独立微电网中蓄电池储能系统和柴油发电机组两种不同主控电源的不同动态调节特性与经济性，并考虑各个调度时段之间的关联性，设计了独立微电网系统双主控动态协作的经济调度优化策略与基于粒子群优化算法的双主控动态协作的独立微电网经济调度优化过程，该动态调度优化策略可以最大限度发挥蓄电池储能系统的耦合作用，以提高可再生能源利用率和减少柴油发电机组的运行时间，同时也可以提高柴油发电机组的负载率，进而减少柴油发电机组的燃料成本与污染物治理成本，从而降低独立微电网系统的发电成本，有效改善微电网经济运行性能。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1为独立微电网动态经济调度方法流程示意图；
图2为独立微电网动态经济调度优化过程图；
图3为独立微电网系统结构示意图；
图4为基于双主控动态协作的独立微电网最优经济调度结果；
图5为基于柴油发电机组单主控电源的独立微电网经济调度结果。
具体实施方式
下面将结合附图，对本发明的优选实施例进行详细的描述。
如图1和图2所示，本发明提供的一种基于双主控动态协作的独立微电网经济调度优化策略，包括如下步骤：
步骤1：需要获得初始阶段的基本数据，包含有系统负荷需求、风电输出功率和光伏输出功率、可用的分布式电源数量及输出功率限值、蓄电池储能系统的容量及容量限制值。
步骤2：建立独立微电网经济调度优化模型：
(1)优化目标：调度周期内的独立微电网系统总发电成本最小，目标函数定义如下：
CMG(P)为独立微电网系统在整个调度周期NT内产生功率P所需要的总发电成本；N为某调度周期[0，NT]内采样时间段T的个数；G为分布式电源的类型数量；Cj(Pj(t))表示第j种分布式电源输出功率Pj(t)时的总发电成本；Pj(t)第j种分布式电源在第t个时间间隔期间[(t-1)T，tT]的输出功率。
①可再生能源电源发电成本：
CDC,i、CMO,i和SES,i分别为第i个可再生能源分布式电源输出功率Pi(t)时的折旧成本、运行维护成本以及经济补贴；CAIC,i为第i个可再生能源分布式电源的年均投资成本；ρi为第i个可再生能源电源的运行维护成本系数；EAPG,i为第i个可再生能源分布式电源基于典型年历史数据的年发电总量预测值；kES为根据当地能源政策而对可再生能源发电所设定的价格补贴系数。
②柴油发电机组发电成本
CDC(PDE(t))、CMO(PDE(t))、CFC(PDE(t))和CEC(PDE(t))分别表示柴油发电机组输出功率为PDE(t)时的折旧成本、运行维护成本、燃料成本和污染物治理成本；CAIC,DE表示柴油发电机组的年均投资成本；EAPG,DE表示基于典型年历史数据的柴油发电机组年发电总量预测值；KMO,DE表示机组运行维护成本系数；表示柴油发电机组的额定功率；cfp表示柴油燃料价格；cE,k表示第k种(k＝1,2,3,4,5分别代表NOx，SO2，CO2，CO及灰尘)污染排放物的环境成本系数。
③蓄电池储能系统发电成本
CBESS(PBESS(t))表示蓄电池储能系统在放电功率为PBESS(t)时的发电成本；PBESS,dch(t)表示蓄电池储能系统的放电功率；βBESS表示蓄电池储能系统的单位发电成本系数。
(2)约束条件：独立微电网系统的约束条件包括系统电力供需平衡、旋转备用容量、分布式电源输出功率约束、分布式电源最短启停时间约束和蓄电池储能系统容量约束等，以确保微电网系统的稳定可靠。
①系统电力供需平衡
Pexcessive(t)为超出系统负荷需求的功率，PL(t)为系统的总负荷需求。
②旋转备用容量
ΔPMG,SR(t)＝eMG·Pnet-L(t)
R为独立微电网系统中主控电源数目；PCG,SR(t)为独立微电网系统中主控电源可用的旋转备用容量；PMG,SR(t)为独立微电网系统所需的旋转备用容量；eMG为独立微电网系统净负荷实际值与预测值之间才偏差率；Pnet-L(t)为独立微电网系统的净负荷需求(Pnet-L(t)＝PL(t)-PWT(t)-PPV(t))。
③分布式电源输出功率约束
a.主控电源
PM,low,h(t)≤PM,h(t)≤PM,high,h(t)
PM,h(t)表示第h个主控电源的输出功率；PM,high,h(t)和PM,low,h(t)分别为第h个主控电源在正常运行区域内输出功率的上限和下限值；PM,max,h和PM,min,h分别为第h个主控电源的技术输出功率的最大值和最小值。
b.从控电源
PS,min,l≤PS,l(t)≤PS,max,l
PS,l(t)表示第l个从控电源的输出功率；PS,max,l和PS,min,l分别表示第l个从控电源的技术输出功率的最大值和最小值。
④分布式电源最短启停时间约束
Trs,j≥Trs,min,j
Trs,j表示第j个分布式电源的启停时间；Trs,min,j表示第j个分布式电源最短持续开机和持续停机时间。
⑤蓄电池储能系统容量约束
SOCmin≤SOClow≤SOC(t)≤SOChigh≤SOCmax
SOCmax表示蓄电池储能系统的最大规格容量(额定容量)，SOCmin为由制造商提供的最小容量值，SOChigh和SOClow分别表示蓄电池储能系统正常运行区域设定的容量最高值与最低值。
步骤3：采用粒子群优化算法对独立微电网经济调度优化模型进行综合权衡求解，同时计算求解出整个调度周期内微电网系统的最小发电成本以及最恰当的经济调度方案。此处，在每个采样周期内的微电网经济调度优化过程中都有两个不同的时间尺度：
(1)时间尺度t：仅用于优化求解系统的最小发电成本目标；
(2)时间尺度t′：仅用于优化选择系统运行控制模式，求解最恰当的经济调度方案。图1中独立微电网的经济调度方案描述如下：
调度方案A：蓄电池储能系统作为主控电源(Mode 1)，且独立微电网电源组合类型为“蓄电池储能+风力发电机组+光伏发电机组”。此种情况下，微电网系统内的所有电力负荷需求都是由风力发电机组、光伏发电机组和蓄电池储能系统来能够共同满足和承担，而不需柴油发电机组的电力补充供应；
调度方案B：蓄电池储能系统作为主控电源(Mode 1)，且独立微电网电源组合类型为“蓄电池储能+风力发电机组+光伏发电机组+柴油发电机组”，而柴油发电机组则为从控电源并以恒定功率方式提供电力输出。此种情况下，微电网系统内的所有电力负荷需求都是由蓄电池储能系统、柴油发电机组、风力发电机组和太阳能光伏发电机组来共同承担和满足；
调度方案C：柴油发电机组作为主控电源(Mode 2)，且独立微电网电源组合类型为“柴油发电机组+风力发电机组+光伏发电机组”。此种情况下，微电网系统内的所有电力负荷需求都是由风力发电机组、光伏发电机组和柴油发电机组来共同承担和满足，而不需要蓄电池储能系统参与调节；
调度方案D：柴油发电机组作为主控电源(Mode 2)，且独立微电网电源组合类型为“柴油发电机组+风力发电机组+光伏发电机组+蓄电池储能”，而蓄电池储能系统则为从控电源并以恒功率控制(PQ控制)方式协助柴油发电机组进行功率补偿调节。此种情况下，独立微电网系统内的所有电力负荷需求都是由柴油发电机组、风力发电机组、光伏发电机组和蓄电池储能系统来共同承担和满足；
调度方案E：两种不同模式间的交互切换，即根据系统实时运行需求，微电网系统从当前控制模式切换到另一种控制模式。换言之，微电网系统的两种不同运行控制模式Mode 1(蓄电池储能系统为主控电源)与Mode 2(柴油发电机组为主控电源)之间的相互切换。
图2中各符号的含义说明如下：PL(t)为第t个采样时段内的负荷需求，PWT(t)为第t个采样时段内的风电输出功率，PPV(t)为第t个采样时段内的光伏发电输出功率，PBESS(t)为第t个采样时段内的蓄电池充放电功率，PDE(t)为第t个采样时段内的输出功率，SOC(t)为第t个采样时段内的蓄电池荷电状态，CMG(PL(t))为满足第t个采样时段内负荷需求PL(t)的独立微电网系统发电总成本，M(t')为第t′个采样时段内的独立微电网运行控制模式，T为微电网运行周期中的等值采样时间段，TM(t'),min为第t′个采样时段内主控电源的最小启停时间限值，CMG(PL(NT))为独立微电网在整个运行周期中的最小发电成本总和。
步骤4：以采样时间段T(通常设定为5分钟)为基本单位逐次循环求解，并以一天(24小时)为整个调度周期为最大值进行检验是否满足终止条件。如果满足，则输出整个调度周期内所有采样时间段的微电网最小发电成本总和，即为所求解的独立微电网经济调度优化结果；否则，则返回第一步继续运行直至满足终止条件。
参阅图3，在Matlab/Simulink中搭建风光柴蓄混合能源独立微电网仿真模型，以某一独立微电网为例验证本方法所提出的双主控动态协作的独立微电网经济调度优化策略，并对独立微电网采用基于柴油发电机组单主控电源调度策略“Mode 1”与采用双主控动态协作的经济调度优化策略“Mode 1+Mode 2”的经济性进行对比分析。风光柴蓄混合能源独立微电网的电源基本参数如表1所示，设定独立微电网的调度周期为1天(24小时)，分成288个时段，时间间隔(采样周期)为5分钟，仿真结果如图4和图5所示，“Mode 1”与“Mode 1+Mode 2”两种不同调度策略下的经济调度优化结果如表2所示。仿真结果验证了所提微电网双主控动态协作的经济调度优化策略能够有效实现系统经济运行的最小化发电总成本目标和最大化利用可再生能源，降低独立微电网系统的发电成本，提高了系统经济调度优化的效率和准确度。这里需说明的是，图4与图5的没有给出的WT04、PV04、PV05、DE05及DE06的输出功率曲线，表示这些分布式电源在该调度周期内没有运行。
表1分布式电源基本参数
表2两种经济调度策略的经济调度结果
由表2可知，风光柴蓄混合能源独立微电网经济调度的优化结果因调度策略不同而呈现出较大差异，采用双主控动态协作的经济调度优化策略比采用单主控调度策略在一个调度周期内节约发电成本5063.6097元。可见，如果按此比例计算，独立微电网系统采用双主控动态协作的经济调度优化策略在一年内节约的总发电成本则是一个非常可观的数据1848217.5405元。同时，在可再生能源发电利用率方面，该独立微电网在选择了文中所提出的双主控动态协作的经济调度优化策略有效提高了可再生能源发电利用率更高(达到100％完全吸收)；而采用单主控调度策略的可再生能源发电利用率则为96.59％，这表示为有部分可再生能源分布式电源在该调度周期内切机。
图4为风光柴蓄混合能源独立微电网系统在双主控动态协作的经济调度优化策略下的系统经济运行曲线，在该动态经济调度优化策略下，蓄电池储能系统和柴油发电机组根据系统运行状况交替作为系统主控电源，其中：(a)为负荷需求及分布式电源输出功率曲线，(b)为各风力发电机组输出功率曲线，(c)为光伏发电系统输出功率曲线，(d)为柴油发电机组的输出功率曲线，(e)为蓄电池储能系统的SOC曲线，由图4(a)-(d)可知：
(1)蓄电池储能系统作为独立微电网系统主控电源的运行时段有：①在0:00—4:55及23:05—24:00期间，当可再生能源电源风力发电机组和光伏发电系统的输出功率大于系统负荷需求时，蓄电池通过充电控制吸收系统的功率差额，在此过程中，柴油发电机组不工作。②在5:25—7:35、11:55—13:00、17:20—17:55及19:45—21:25期间，风力发电机组和光伏发电系统仍然以最大功率输出，柴油发电机组以恒定功率输出，蓄电池储能系统主要用于系统的调峰作用，调节系统净负荷的功率波动。
(2)柴油发电机组作为独立微电网系统主控电源的运行时段有：除去上述蓄电池储能系统作为主控电源的时间段，调度周期内的其它时间段均是柴油发电机组作为系统的主控电源，为了减少传统能源的消耗以及污染物排放，柴油发电机组应尽可能以较高的负载率工作，此时，蓄电池储能系统在其容量允许范围内，用于调节柴油发电机组的负载率与提供系统的瞬时功率补偿。
图4(e)为蓄电池储能系统的容量变化曲线，清楚显示了蓄电池储能系统的工作状态与容量变化，遵循了独立微电网系统的动态经济调度模型及动态调度策略的共同要求，最大程度实现独立微电网系统总发电成本最小化目标。
图5为风光柴蓄混合能源独立微电网系统在单主控电源调度策略下的系统经济运行曲线，在该单主控电源调度策略下，柴油发电机组作为独立微电网系统的主控电源跟随系统的功率波动，而蓄电池储能系统仅作为从控电源为系统提高瞬时功率补偿，其中：(a)为负荷需求及分布式电源输出功率曲线，(b)为风力发电机组的输出功率曲线，(c)为光伏发电系统输出功率曲线，(d)为柴油发电机组的输出功率曲线，(e)为蓄电池储能系统的SOC曲线。由图5(a)-(e)可知：
(1)独立微电网系统采用单主控电源调度策略时，不可避免导致系统在调度周期的某些时间段内舍弃部分可再生能源分布式电源，如图5(b)所示的风力发电机组WT03在2:30—5:00期间停止运行，从而导致可再生能源发电利用率下降。
(2)采用单主控电源调度策略也会导致在系统净负荷需求少的时间段，柴油发电机组的负载率减少，其经济性下降，如图5(d)所示的柴油发电机组DE01在0:00—3:40期间，其输出功率均低于50％的额定功率。柴油发电机组长时间的低负载率运行不仅影响自身的使用寿命，也降低了独立微电网系统的运行经济性。
(3)由图5(a)和图5(e)可知，蓄电池储能系统通过充电控制提高柴油发电机组的负载率，从而减少柴油发电机组的燃料消耗与污染物排放。但结合图5(d)所示的柴油发电机组输出功率曲线可知，采用双主控动态协作的经济调度优化策略，蓄电池储能系统作为系统的主控电源时，柴油发电机组某些时间段内可以以额定功率输出；但单主控电源调度策略则必需柴油发电机组保证一定的旋转备用容量以应对系统的瞬时功率波动。可见，采用单主控电源调度策略使得可再生能源分布式电源的利用率下降、柴油发电机组更多的燃料需求及更高污染物排放量，从而导致独立微电网系统更高的发电成本。
由图4与图5的仿真结果可知，本发明提出的双主控动态协作的经济调度优化策略可以最大限度发挥蓄电池储能系统的耦合作用，以提高可再生能源利用率和减少柴油发电机组的运行时间，同时也可以提高柴油发电机组的负载率，进而减少柴油发电机组的燃料成本与污染物治理成本，从而降低了独立微电网系统的发电成本。
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (3)

1.一种基于双主控动态协作的独立微电网经济调度优化方法，所述独立微电网包含蓄电池储能系统和柴油发电机组两种主控电源，以及风力发电机组和光伏发电系统两种非主控电源，其特征在于：该方法包括以下步骤：
步骤一：获得初始阶段的基本数据，包含有系统负荷需求、风电输出功率和光伏输出功率、可用的分布式电源数量及输出功率限值、蓄电池储能系统的容量及容量限制值和分布式电源的各种成本值；
步骤二：采用粒子群优化算法对独立微电网经济调度优化模型进行综合权衡求解，同时计算求解出整个调度周期内微电网系统的最小发电成本以及最恰当的经济调度方案，在每个周期内的微电网经济调度优化过程中都有两个不同的时间尺度：时间尺度t：仅用于优化求解系统的最小发电成本目标；时间尺度t′：仅用于优化选择系统运行控制模式，求解最恰当的经济调度方案；
步骤三：以采样时间段T为基本单位逐次循环求解，并以24小时为整个调度周期最大值进行检验是否满足终止条件，如果满足，则输出整个调度周期内所有采样时间段的微电网最小发电成本总和，即为所求解的独立微电网经济调度优化结果，否则，则返回步骤一继续运行直至满足终止条件。
2.根据权利要求1所述的基于双主控动态协作的独立微电网经济调度优化方法，其特征在于：在步骤二中，所述经济调度方案包括：
1)调度方案A：蓄电池储能系统作为主控电源，且独立微电网电源组合类型为“蓄电池储能+风力发电机组+光伏发电机组”，此种情况下，微电网系统内的所有电力负荷需求都是由风力发电机组、光伏发电机组和蓄电池储能系统来能够共同满足和承担，而不需柴油发电机组的电力补充供应；
2)调度方案B：蓄电池储能系统作为主控电源，且独立微电网电源组合类型为“蓄电池储能+风力发电机组+光伏发电机组+柴油发电机组”，而柴油发电机组则为从控电源并以恒定功率方式提供电力输出，此种情况下，微电网系统内的所有电力负荷需求都是由蓄电池储能系统、柴油发电机组、风力发电机组和太阳能光伏发电机组来共同承担和满足；
3)调度方案C：柴油发电机组作为主控电源，且独立微电网电源组合类型为“柴油发电机组+风力发电机组+光伏发电机组”，此种情况下，微电网系统内的所有电力负荷需求都是由风力发电机组、光伏发电机组和柴油发电机组来共同承担和满足，而不需要蓄电池储能系统参与调节；
4)调度方案D：柴油发电机组作为主控电源，且独立微电网电源组合类型为“柴油发电机组+风力发电机组+光伏发电机组+蓄电池储能”，而蓄电池储能系统则为从控电源并以恒功率控制方式协助柴油发电机组进行功率补偿调节，此种情况下，微电网系统内的所有电力负荷需求都是由柴油发电机组、风力发电机组、光伏发电机组和蓄电池储能系统来共同承担和满足；
5)调度方案E：两种不同模式间的交互切换，即根据系统实时运行需求，微电网系统从当前控制模式切换到另一种控制模式，即微电网系统的两种不同运行控制模式Mode 1蓄电池储能系统为主控电源与Mode 2柴油发电机组为主控电源之间的相互切换。
3.根据权利要求1所述的基于双主控动态协作的独立微电网经济调度优化方法，其特征在于：在步骤二中，所述经济调度优化模型包括：
1)优化目标：调度周期内的独立微电网系统总发电成本最小，目标函数定义如下：
<mrow> <msub> <mi>minC</mi> <mrow> <mi>M</mi> <mi>G</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>P</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>G</mi> </munderover> <msub> <mi>C</mi> <mi>j</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>j</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> </mrow>
CMG(P)为独立微电网系统在整个调度周期NT内产生功率P所需要的总发电成本；N为某调度周期[0，NT]内采样时间段T的个数；G为分布式电源的类型数量；Cj(Pj(t))表示第j种分布式电源输出功率Pj(t)时的总发电成本；Pj(t)第j种分布式电源在第t个时间间隔期间[(t-1)T，tT]的输出功率；
11)可再生能源电源发电成本：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>C</mi> <mrow> <mi>R</mi> <mi>E</mi> <mi>S</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>C</mi> <mrow> <mi>D</mi> <mi>C</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>C</mi> <mrow> <mi>M</mi> <mi>O</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>S</mi> <mrow> <mi>E</mi> <mi>S</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <mfrac> <mrow> <msub> <mi>C</mi> <mrow> <mi>A</mi> <mi>I</mi> <mi>C</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msub> <mi>&amp;rho;</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow> <msub> <mi>E</mi> <mrow> <mi>A</mi> <mi>P</mi> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> </mfrac> <mo>&amp;CenterDot;</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>k</mi> <mrow> <mi>E</mi> <mi>S</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <msub> <mi>C</mi> <mrow> <mi>A</mi> <mi>I</mi> <mi>C</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msub> <mi>&amp;rho;</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow> <msub> <mi>E</mi> <mrow> <mi>A</mi> <mi>P</mi> <mi>G</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> </mfrac> <mo>-</mo> <msub> <mi>k</mi> <mrow> <mi>E</mi> <mi>S</mi> <mo>,</mo> <mi>i</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced>
CDC,i、CMO,i和SES,i分别为第i个可再生能源分布式电源输出功率Pi(t)时的折旧成本、运行维护成本以及经济补贴；CAIC,i为第i个可再生能源分布式电源的年均投资成本；ρi为第i个可再生能源电源的运行维护成本系数；EAPG,i为第i个可再生能源分布式电源基于典型年历史数据的年发电总量预测值；kES为根据当地能源政策而对可再生能源发电所设定的价格补贴系数；
12)柴油发电机组发电成本：
<mfenced open = "" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>C</mi> <mrow> <mi>D</mi> <mi>E</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>E</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>C</mi> <mrow> <mi>D</mi> <mi>C</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>E</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>C</mi> <mrow> <mi>M</mi> <mi>O</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>E</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>C</mi> <mrow> <mi>F</mi> <mi>C</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>E</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>C</mi> <mrow> <mi>E</mi> <mi>C</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>E</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <mrow> <mo>(</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>A</mi> <mi>I</mi> <mi>C</mi> <mo>,</mo> <mi>D</mi> <mi>E</mi> </mrow> </msub> <msub> <mi>E</mi> <mrow> <mi>A</mi> <mi>P</mi> <mi>G</mi> <mo>,</mo> <mi>D</mi> <mi>E</mi> </mrow> </msub> </mfrac> <mo>+</mo> <msub> <mi>K</mi> <mrow> <mi>M</mi> <mi>O</mi> <mo>,</mo> <mi>D</mi> <mi>E</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>E</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <mrow> <mo>(</mo> <mn>0.146</mn> <mo>+</mo> <mn>0.05415</mn> <mo>&amp;CenterDot;</mo> <msubsup> <mi>P</mi> <mrow> <mi>D</mi> <mi>E</mi> </mrow> <mrow> <mi>R</mi> <mi>D</mi> </mrow> </msubsup> <mo>/</mo> <msub> <mi>P</mi> <mrow> <mi>D</mi> <mi>E</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mrow> <mo>(</mo> <msub> <mi>c</mi> <mrow> <mi>f</mi> <mi>p</mi> </mrow> </msub> <mo>+</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>5</mn> </munderover> <msub> <mi>c</mi> <mrow> <mi>E</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced>
CDC(PDE(t))、CMO(PDE(t))、CFC(PDE(t))和CEC(PDE(t))分别表示柴油发电机组输出功率为PDE(t)时的折旧成本、运行维护成本、燃料成本和污染物治理成本；CAIC,DE表示柴油发电机组的年均投资成本；EAPG,DE表示基于典型年历史数据的柴油发电机组年发电总量预测值；KMO,DE表示机组运行维护成本系数；表示柴油发电机组的额定功率；cfp表示柴油燃料价格；cE,k表示第k种，k＝1,2,3,4,5分别代表NOx，SO2，CO2，CO及灰尘，污染排放物的环境成本系数；
13)蓄电池储能系统发电成本：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>C</mi> <mrow> <mi>B</mi> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>B</mi> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>&amp;beta;</mi> <mrow> <mi>B</mi> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>P</mi> <mrow> <mi>B</mi> <mi>E</mi> <mi>S</mi> <mi>S</mi> <mo>,</mo> <mi>d</mi> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;beta;</mi> <mrow> <mi>B</mi> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>C</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>i</mi> <mi>t</mi> <mo>,</mo> <mi>B</mi> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>C</mi> <mrow> <mi>M</mi> <mi>O</mi> <mo>,</mo> <mi>B</mi> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> </mrow> <msub> <mi>E</mi> <mrow> <mi>a</mi> <mi>n</mi> <mi>n</mi> <mi>u</mi> <mo>,</mo> <mi>B</mi> <mi>E</mi> <mi>S</mi> <mi>S</mi> </mrow> </msub> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced>
CBESS(PBESS(t))表示蓄电池储能系统在放电功率为PBESS(t)时的发电成本；PBESS,dch(t)表示蓄电池储能系统的放电功率；βBESS表示蓄电池储能系统的单位发电成本系数；
2)约束条件：独立微电网系统的约束条件包括系统电力供需平衡、旋转备用容量、分布式电源输出功率约束、分布式电源最短启停时间约束和蓄电池储能系统容量约束等，以确保微电网系统的稳定可靠；
21)系统电力供需平衡：
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>G</mi> </munderover> <msub> <mi>P</mi> <mi>j</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>e</mi> <mi>x</mi> <mi>c</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> <mi>i</mi> <mi>v</mi> <mi>e</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>P</mi> <mi>L</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow>
Pexcessive(t)为超出系统负荷需求的功率，PL(t)为系统的总负荷需求；
22)旋转备用容量：
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>g</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>R</mi> </munderover> <msub> <mi>P</mi> <mrow> <mi>C</mi> <mi>G</mi> <mo>,</mo> <mi>S</mi> <mi>R</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;GreaterEqual;</mo> <msub> <mi>&amp;Delta;P</mi> <mrow> <mi>M</mi> <mi>G</mi> <mo>,</mo> <mi>S</mi> <mi>R</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow>
ΔPMG,SR(t)＝eMG·Pnet-L(t)
R为独立微电网系统中主控电源数目；PCG,SR(t)为独立微电网系统中主控电源可用的旋转备用容量；PMG,SR(t)为独立微电网系统所需的旋转备用容量；eMG为独立微电网系统净负荷实际值与预测值之间偏差率；Pnet-L(t)为独立微电网系统的净负荷需求，Pnet-L(t)＝PL(t)-PWT(t)-PPV(t)；
23)分布式电源输出功率约束：
a.主控电源
PM,low,h(t)≤PM,h(t)≤PM,high,h(t)
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mrow> <mi>M</mi> <mo>,</mo> <mi>h</mi> <mi>i</mi> <mi>g</mi> <mi>h</mi> <mo>,</mo> <mi>h</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>P</mi> <mrow> <mi>M</mi> <mo>,</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>,</mo> <mi>h</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&amp;Delta;P</mi> <mrow> <mi>M</mi> <mi>G</mi> <mo>,</mo> <mi>S</mi> <mi>R</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mrow> <mi>M</mi> <mo>,</mo> <mi>l</mi> <mi>o</mi> <mi>w</mi> <mo>,</mo> <mi>h</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>P</mi> <mrow> <mi>M</mi> <mo>,</mo> <mi>min</mi> <mo>,</mo> <mi>h</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>&amp;Delta;P</mi> <mrow> <mi>M</mi> <mi>G</mi> <mo>,</mo> <mi>S</mi> <mi>R</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced>
PM,h(t)表示第h个主控电源的输出功率；PM,high,h(t)和PM,low,h(t)分别为第h个主控电源在正常运行区域内输出功率的上限和下限值；PM,max,h和PM,min,h分别为第h个主控电源的输出功率的最大值和最小值；
b.从控电源
PS,min,l≤PS,l(t)≤PS,max,l
PS,l(t)表示第l个从控电源的输出功率；PS,max,l和PS,min,l分别表示第l个从控电源的输出功率的最大值和最小值；
24)分布式电源最短启停时间约束：
Trs,j≥Trs,min,j
Trs,j表示第j个分布式电源的启停时间；Trs,min,j表示第j个分布式电源最短持续开机和持续停机时间；
25)蓄电池储能系统容量约束
SOCmin≤SOClow≤SOC(t)≤SOChigh≤SOCmax
SOCmax表示蓄电池储能系统的最大规格容量，SOCmin为由制造商提供的最小容量值，SOChigh和SOClow分别表示蓄电池储能系统正常运行区域设定的容量最高值与最低值。
CN201610006784.8A 2016-01-06 2016-01-06 基于双主控动态协作的独立微电网经济调度优化方法 Active CN105406520B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610006784.8A CN105406520B (zh) 2016-01-06 2016-01-06 基于双主控动态协作的独立微电网经济调度优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610006784.8A CN105406520B (zh) 2016-01-06 2016-01-06 基于双主控动态协作的独立微电网经济调度优化方法

Publications (2)

Publication Number Publication Date
CN105406520A CN105406520A (zh) 2016-03-16
CN105406520B true CN105406520B (zh) 2017-12-29

Family

ID=55471844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610006784.8A Active CN105406520B (zh) 2016-01-06 2016-01-06 基于双主控动态协作的独立微电网经济调度优化方法

Country Status (1)

Country Link
CN (1) CN105406520B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105762821B (zh) * 2016-04-06 2017-12-26 清华大学 一种为电力系统实现电力平衡的电储能设备建模方法
CN105720605B (zh) * 2016-04-07 2018-04-10 广东电网有限责任公司电力调度控制中心 一种兼顾经济性和可靠性的系统备用容量选取方法
CN106099956B (zh) * 2016-05-15 2019-01-18 华南理工大学 考虑配网调度情况下的单三相多微网功率协调控制方法
CN106169752B (zh) * 2016-09-28 2019-03-19 南京四方亿能电力自动化有限公司 一种微电网离网模式下主电源柔性切换方法
CN106374536B (zh) * 2016-10-26 2019-07-23 西安交通大学 新能源接入条件下电力容量市场的低碳电源投资决策方法
CN107834606A (zh) * 2017-12-12 2018-03-23 中国恩菲工程技术有限公司 光储柴微电网供电系统及其控制方法
CN109802426B (zh) * 2018-11-14 2023-04-07 华为技术有限公司 光伏发电系统及其控制方法
CN110112786B (zh) * 2019-06-25 2020-09-15 中腾微网（北京）科技有限公司 一种含电热负荷的微网系统能量管理方法
CN111953016B (zh) * 2020-07-27 2024-02-09 江苏大学 一种移动式多能源微电网控制方法及系统
CN112165121A (zh) * 2020-10-27 2021-01-01 重庆邮电大学 基于策略驱动的微电网双通道优化调度方法
CN113627014B (zh) * 2021-08-10 2024-05-17 重庆邮电大学 面向psd-bpa快速生成风电场集电线路、箱变和发电机组模型的方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
PL2562901T3 (pl) * 2011-08-26 2014-08-29 Abb Research Ltd Rozdział obciążeń dla wytwarzania mocy wiatrowej
CN104166877A (zh) * 2014-05-31 2014-11-26 徐多 基于改进二进制粒子群优化算法的微网优化运行方法
CN104184172B (zh) * 2014-06-13 2017-03-15 西华大学 一种微电网能量控制方法、gpu处理器及系统
CN104779611B (zh) * 2015-03-23 2017-09-29 南京邮电大学 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

Also Published As

Publication number Publication date
CN105406520A (zh) 2016-03-16

Similar Documents

Publication Publication Date Title
CN105406520B (zh) 基于双主控动态协作的独立微电网经济调度优化方法
CN106026152B (zh) 一种电动汽车接入微电网的充放电调度方法
Yao et al. Challenges and progresses of energy storage technology and its application in power systems
CN104852373B (zh) 一种含间歇性能源独立微电网的动态经济调度优化方法
CN104135025B (zh) 基于模糊粒子群算法的微网并网经济优化方法
CN102710013B (zh) 基于微电网的园区能源网能量优化管理系统及其实现方法
CN108667052A (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
CN107294122A (zh) 一种混合储能系统分层动态控制方法
CN102545255A (zh) 光伏与微型燃气轮机混合微网协调运行控制方法
CN110829408B (zh) 基于发电成本约束的计及储能电力系统的多域调度方法
CN205846731U (zh) 一种提高基于风储集群的虚拟电厂电压稳定性的系统
CN105574620A (zh) 一种结合双主控协作与mpso算法的微电网动态优化调度方法
CN106450528A (zh) 储能系统及其功率均衡控制方法和控制装置
CN105226689A (zh) 考虑运行和维护的多类型储能系统能量管理方法和系统
CN102510080A (zh) 一种微电网中储能系统的调度方法
CN106505604A (zh) 接入区域配电网的光伏储能联合运行单元优化配置方法
CN103475020A (zh) 一种微电网负荷跟随运行控制方法
CN108695871A (zh) 含有电力弹簧的孤岛微电网的降低储能容量需求的配置方法
CN112134307A (zh) 多能互补系统的电储能/热储能容量联合优化方法及系统
CN114243760A (zh) 适用于配电网的光伏储能协调配置方法
Wang et al. Optimal dispatch of an island MG including a multiple energy storage system
Xiaotian et al. Research of application of energy storage technology on renewable energy
Chen et al. Optimization and analysis of microgrid based on different operational strategies
Zhang et al. Energy storage technology in power grid and its configuration optimization method
Zhuang et al. Optimal scheduling of wind power system considering electric vehicle demand response

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