CN105427063A - 一种微电网调度决策方法及系统 - Google Patents

Abstract

本发明属于微电网运行控制技术领域，具体涉及一种微电网调度决策方法及系统。它包括用户交互端、调度器、优化调度模块和系统数据库，用户在用户交互端选择一种优化调度算法，向调度器发送操作申请，请求调用该优化调度算法；调度器接收到用户交互端发送的操作申请，并根据操作申请调用优化调度算法模块中的指定优化调度算法，且返回消息通知用户交互端优化调度算法执行完毕；优化调度算法模块使用优化调度算法求解微电网优化调度数学模型，并将求解结果写入系统数据库中；系统数据库，用于存储系统参数、算法参数以及优化调度算法的求解结果。本发明大大提高了优化调度算法的适用性，降低了系统开发成本。

Description

一种微电网调度决策方法及系统

技术领域

本发明属于微电网运行控制技术领域，具体涉及一种微电网调度决策方法及系统。

背景技术

当前能源结构以化石燃料为主，人们不得不面对化石燃料日渐枯竭及其产生的环境污染问题。人们希望能够开发利用可再生能源来取代化石能源。目前应用比较广泛的几种新能源包括太阳能，风能，蓄电池等。利用新能源发电的风力发电机和太阳能电池等为分布式电源，它们的特点是单机装机容量小，发电间隙大和随机性大，若大规模并网发电将对现有电网产生冲击，不利于电网的安全稳定运行。为了能提高分布式发电所带来的经济效益，提高电力系统安全性和可靠性，并尽量减小分布式电源对主网的冲击，学者们提出了微电网概念。

微电网是一种新型网络结构，是一组微电源、负荷、储能系统和控制装置构成的系统单元。微电网是一个能够实现自我控制、保护和管理的自治系统，既可以与外部电网并网运行，也可以孤立运行。

微电网实现分布式电源到电网的无缝接入，具有环境友好、无需建设配电站等优点，已成为大电网的有益补充。微电网优化调度的研究是推动微电网发展的重要部分。采用进化算法求解微电网优化调度数学模型是当前国内外研究的热点。微电网中分布式电源的输出受环境影响，发电很不稳定，这就要求微电网优化调度有较高的实时性，即进化算法有较高的求解速度。

参考专利文献CN104716672A公开了一种电力系统使分布式电源主动配电网的方法，该方法采用了基于实数编码的遗传算法，算法结构和流程固定，借助计算机编程实现，便于较大规模的分布式电源并网分析。参考专利文献CN103580061B公开了一种微电网运行方法，该方法包括以下步骤：对微电网建立经济运行策略问题目标函数模型；利用模拟退火算法和粒子群算法分别求解目标函数模型的值，比较所求出的两个值并协同优化，计算出目标函数模型的最优值，确立微电网的运行模式；按照上一步所求出的最优值确立微电网的运行模式，运行电网。有助于解决分布式电源的大规模接入给电网带来的问题。

以上基于进化算法的求解方案为获得较好的求解结果，采用较大规模的种群，这样就降低了进化算法求解速度。

发明内容

针对现有技术存在的不足之处，本发明提出了一种微电网调度决策方法及系统，能够充分利用进化算法的优点，用多进程小种群进化算法取代单进程大规模种群进化算法，并通过对各个小种群做集合操作，使得各种群交叉进化，避免小种群陷入局部陷阱。不仅提高了算法的求解速度，还提高了优化调度算法的通用性和微电网优化调度决策系统的应用价值。

本发明采用如下技术方案：

一种微电网调度决策系统，它包括，

用户交互端，用于编辑系统数据库中的系统参数和算法参数，以及读取系统数据库中调度优化算法的求解结果，用户在用户交互端选择一种优化调度算法，向调度器发送操作申请，请求调用该优化调度算法；

调度器，用于连接用户交互端和优化调度算法模块，调度器接收到用户交互端发送的操作申请，并根据操作申请调用优化调度算法模块中的指定优化调度算法，且返回消息通知用户交互端优化调度算法执行完毕；

优化调度算法模块，从系统数据库中读取系统参数和算法参数，使用优化调度算法求解微电网优化调度数学模型，并将求解结果写入系统数据库中；

系统数据库，用于存储系统参数、算法参数以及优化调度算法的求解结果。

进一步的，优化调度算法模块中优化调度算法采用并行算法，求解微电网优化调度数学模型。

进一步的，优化调度算法模块中包括粒子群算法、差分进化算法和蚁群算法的一种或几种。

进一步的，微电网优化调度数学模型由母线和线路组成，母线接负载、风电单元、光伏发电单元、微型燃气轮机、蓄电池中的一种或几种。

更进一步的，微电网优化调度数学模型以系统运行维护成本最小和能耗成本最小为目标建立模型，约束条件包括潮流约束、发电单元出力约束和蓄电池荷电状态约束。

更进一步的，算法参数包括方案编号、算法名称、种群规模、算法迭代次数、潮流计算迭代次数、潮流计算精度和算法的基本参数。

进一步的，系统参数包括系统母线参数、线路参数、负载参数和分布式电源参数，分布式电源包括风电单元、光伏发电单元、微型燃气轮机和蓄电池。

一种微电网调度决策方法，它包括以下步骤，

S1，用户在用户交互端选择一种优化调度算法，并向调度器发送操作申请，请求调用该优化调度算法；

S2，调度器接收到用户交互端发送的操作申请，根据操作申请调用优化调度算法模块中的指定优化调度算法；

S3，优化调度算法从系统数据库中读取系统参数和算法参数，求解微电网优化调度数学模型，并将求解结果写入系统数据库中；

S4，调度器返回消息通知用户交互端优化调度算法执行完毕，用户交互端从系统数据库读取求解结果。

进一步的，步骤S3中优化调度算法采用并行算法，求解微电网优化调度数学模型。

进一步的，步骤S3中的优化调度算法为粒子群算法、差分进化算法或蚁群算法。

与现有的采用进化算法求解微电网优化调度数学模型的方法相比，本发明的特点在于由用户交互端，调度器，优化调度算法和微电网系统数据库四个模块组成，实现了优化调度算法的封装，用户可以在不同平台的用户界面上通过调度器向服务端发送请求，调用某个具体的优化调度算法求解模型，并读取保存在数据库中的计算结果。这样大大提高了优化调度算法的适用性，降低了算法编程的工作量和系统开发成本。

附图说明

图1为微电网调度决策系统结构图；

图2为用户交互端功能示意图；

图3为调度器的工作原理图；

图4为优化调度算法模块工作流程图；

图5为系统数据库结构关系图。

具体实施方式

为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。

现结合附图和具体实施方式对本发明进一步说明。

参阅图1至图5所示，本发明提出了一种微电网调度决策系统，该系统包括用户交互端、调度器、优化调度算法模块和系统数据库。其中，用户交互端，用于编辑系统数据库中的系统参数和算法参数，以及读取系统数据库中调度优化算法的求解结果，用户在用户交互端选择一种优化调度算法，向调度器发送操作申请，请求调用该优化调度算法。调度器，用于连接用户交互端和优化调度算法模块，调度器接收到用户交互端发送的操作申请，并根据操作申请调用优化调度算法模块中的指定优化调度算法，且返回消息通知用户交互端优化调度算法执行完毕。优化调度算法模块，从系统数据库中读取系统参数和算法参数，使用优化调度算法求解微电网优化调度数学模型，并将求解结果写入系统数据库中。系统数据库，用于存储系统参数、算法参数以及优化调度算法的求解结果。

用户交互端、调度器、优化调度算法模块和系统数据库这四个模块组成了环形双向系统，相邻两个模块之间能够相互发送信息，可以把这个环形系统分为两层功能：调用层，读写层。

从调用层来看，用户交互端通过发送操作申请给调度器，调度器根据接收到用户交互端的操作申请，并根据用户交互端操作申请信息中需要申请的优化调度算法，调用优化调度算法模型中用户制定的优化调度算法。在优化调度算法执行完毕后，调度器将返回消息给用户交互端，用户交互端根据调度器返回信息判断是否成功调用优化调度算法。

从读写层来看，与系统数据库有直接关系的是用户交互端以及优化调度算法模块。用户交互端直接访问系统数据库，能够直接往系统数据库中添加新的微电网系统，也可以读取系统数据库中已有微电网的系统参数。通过与系统数据库直接连接，用户交互端还能够根据需要修改已有微电网系统的系统参数，实现系统更新。优化调度算法模块对系统数据库的访问主要在两个阶段，第一个阶段即初始化参数阶段，将优化调度算法模块所需要的系统参数及算法参数从系统数据库中读取出来；第二个阶段即写入优化调度算法求解结果阶段，将优化调度算法的求解结果写入系统数据库中，以供用户交互端读取。

参阅图2所示，为用户交互端功能示意图。用户登录用户交互端进行相关操作，用户登录用户交互端需要提供用户信息，验证通过后才能进入用户交互端的主界面。在主界面，用户可以编辑数据库信息，包括数据库名、数据库所在服务器地址和数据库端口信息等。此外，还能够打开一个已有的微电网系统，修改该微电网的系统参数，或者新建一个微电网系统，输入微电网系统参数，微电网系统参数包括系统节点参数、线路参数、负载参数和分布式电源参数。

由于分布式电源包括风电单元、光伏发电单元、微型燃气轮机和蓄电池。因此，分布式电源参数包括风力发电单元参数、光伏发电单元参数、微型燃气轮机参数和蓄电池参数。这些参数全都需要输入微电网的系统数据库中。

在建好微电网系统或者打开微电网系统，系统参数确定后，用户选择优化调度算法，优化调度算法包括粒子群算法、差分进化算法和蚁群算法的一种或几种。如果有多种优化调度算法，用户根据自己的需求，选择其中一种优化调度算法，例如用户选择差分进化算法。确定好优化调度算法后，设置该算法参数，算法参数包括方案编号、算法名称、种群规模、算法迭代次数、潮流计算迭代次数、潮流计算精度和算法的基本参数。用户既可以直接调用系统数据库中的算法参数，也可以直接在用户交互端输入算法参数来求解微电网优化调度数学模型。

用户交互端发送操作请求给调度器，调度器调用优化调度算法模块里的指定的优化调度算法，算法执行完毕后会将求解结果写入系统数据库中，并通过调度器告知用户交互端该算法执行完毕。用户交互端可直接查看优化调度算法求解结果。

参阅图3所示，为调度器的工作原理图，调度器用于连接用户交互端和优化调度算法模块。调度器负责接收用户交互端发送来的操作请求，并根据该请求调用相应的优化调度算法，在算法执行完毕后，返回消息告知用户交互端算法运行完毕。

本发明基于WebService的调度器采用gSOAP开发WebService的服务端和客户端，gSOAP编译工具提供了一个SOAP/XML的实现，即自动地将用户定义的本地化数据类型转为符合XML语法的数据结构，同时也可以将XML语法的数据结构转换为本地数据类型，从而让开发WebService服务端或者客户端的工作变得相对轻松。gSOAP支持大多数平台，包括LINUX，UNIX，WINDOWS以及嵌入式系统。基于gSOAP开发的客户端可以在上述平台等系统平台上调用基于gSOAP开发的服务端算法。

调度器通过接口文件来指示监听的端口信息和接口函数信息，一个接口函数对应一个服务函数，调度器在服务函数中实现对后台优化调度算法的调用或者后台其他函数的调用。一般情况下，接口函数中最后一个参数表示对应服务函数运行完成后返回的参数，可以利用这个参数来查询服务函数是否调用结束。gSOAP利用这个接口文件，可以生成供用户交互端使用的各类库函数，用户交互端使用这些库函数，便能够通过调度器访问优化调度算法。

参阅图4所示，为优化调度算法模块工作流程图。优化调度算法模块负责求解微电网优化调度数学模型。微电网优化调度数学模型由若干母线和线路组成微电网网络，母线上可接负载和分布式电源。其中，母线上可只连接一种负载或者分布式电源，可以同时连接多个负载或者分布式电源，也可以不连接任何负载或者分布式电源。系统参数和算法参数从系统数据库中读取。

需要说明的是，该数学模型的目标函数不唯一，目标函数的建立，根据用户的需求，可以建立不同的目标函数。

该实施例以系统运行维护成本最小和能耗成本最小为例构建目标函数

minC＝C_r+C_F，

$C_r=\underset{t=1}{\overset{24}{\Σ}}\underset{i=1}{\overset{N}{\Σ}}{C}_{ri}\left(P_i\right(t\left)\right),$

$C_F=\underset{t=1}{\overset{24}{\Σ}}\underset{i=1}{\overset{N}{\Σ}}{C}_{Fi}\left(P_i\right(t\left)\right),$

式中，C为总成本，C_r表示系统运行维护成本，C_ri为分布式电源i运行维护成本系数，P_i(t)为分布式电源i在t时段的有功出力，C_F表示能耗成本，C_Fi为分布式电源i能耗成本系数，N为分布式电源总个数。

约束条件如下：

(1)为了保证微电网系统的安全稳定运行，各个发电单元的出力必须满足严格的上下限限制，即：

$P_i^{\min }\≤P_i\≤P_i^{max},\∀i=1,2,\mathrm{...},N$

式中：

P_i——分布式电源i的出力大小，KW；

P_i ^max——分布式电源i的出力上限，KW；

P_i ^min——分布式电源i的出力下限，KW。

(2)为了延长蓄电池的使用寿命，蓄电池的荷电状态要处于一定的范围内，即：

SOC_min≤SOC≤SOC_max

式中：

SOC——蓄电池当前的荷电状态，％；

SOC_min——蓄电池所允许的最小荷电状态，％；

SOC_max——蓄电池所允许的最大荷电状态，％

(3)蓄电池的荷电状态与蓄电池出力之间的关系

$SOC(t+1)=SOC\left(t\right)+\frac{P\left(t\right)\mathrm{\Δ}t}{C_a}$

其中，SOC(t)为t时段的蓄电池荷电状态，P(t)为蓄电池出力，Δt为时间间隔，C_a为蓄电池的额定容量。

(4)潮流约束

各个机组的出力必须满足下面的等式约束，即潮流约束：

$\left\{\begin{array}{c}{P}_i=e_i\underset{j=1}{\overset{n}{\Σ}}(G_{ij}{e}_j-B_{ij}{f}_j)+f_i\underset{j=1}{\overset{n}{\Σ}}(G_{ij}{f}_j+B_{ij}{e}_j)\\ Q_i=f_i\underset{j=1}{\overset{n}{\Σ}}(G_{ij}{e}_j-B_{ij}{f}_j)-e_i\underset{j=1}{\overset{n}{\Σ}}(G_{ij}{f}_j+B_{ij}{e}_j)\end{array}\right.$

式中：

P_i——微电网系统中的节点i的有功功率值；

e_i——微电网系统中的节点i的电压的实部；

f_i——微电网系统中的节点i的电压的虚部；

Q_i——微电网系统中的节点i的无功功率值；

G_ij——微电网系统中节点导纳矩阵的实部；

B_ij——微电网系统中节点导纳矩阵的虚部。

在进行优化调度算法计算时，首先，从系统数据库中读入优化调度算法所需数据，包括微电网系统节点参数、线路参数、负载参数和分布式电源参数；其次，确定微电网系统正常运行需要满足的各项约束条件以及约束处理办法；然后，根据用户交互端调用情况采用相应的优化调度算法并初始化算法参数；最后，利用算法求解模型，并将求解结果存入系统数据库。

优化调度算法在编写程序过程中，采用MPI(MassagePassingInterface)并行设计，根据服务器的CPU进程数以及算法能够以较高效率求解得到较好解所需种群规模，设置合适的子进程种群规模，各进程种群分别按算法规则进行进化更新。通过引入MPI进程通信机制，使得各种群能够以一定规则进行交叉进化，增加种群多样性，避免陷入局部最优陷阱。

在优化调度算法中引入MPI并行设计后，各子种群规模都较小，降低了各进程中优化算法的运算量，从而提高了进化算法整体求解速度。为了提高各进程算法的搜索效率，需要采取一定的措施来维持算法迭代过程中种群的多样性，比如基于种群聚集程度的迁徙操作来避免子种群的早熟现象。在这基础上，结合MPI通信机制，各进程能够共享信息，交叉进化，使得算法的搜索效率大大提高。

参阅图5所示，为系统数据库结构关系图，微电网系统数据库包含系统参数、算法参数和求解结果三个部分。其中，系统参数包括节点参数、线路参数、负载参数和分布式电源参数。

节点即一条电压母线，故节点参数也称为母线参数，具体参数包括母线编号、母线类型、电压幅值、电压相角、有功出力、无功出力、母线电压上限、母线电压下限。

线路为微电网系统中连接各个节点的线路网络，线路参数包括线路编号、线路上下级节点编号、线路电阻、线路电抗、对地电导、对地电纳、变压器变比等参数。

负载为微电网系统各时段的用电需求量，负载连接于微电网的负载节点下，是该节点下所有用户的用电量总和，负载参数包括负载编号、时间段、有功负荷和无功负荷。

分布式电源参数包括分布式电源编号、类型、有功出力范围和无功出力范围、发电系数、运行维护成本等参数。

不同的优化调度算法的算法参数不同，算法参数包括方案编号、算法名称、种群规模、算法迭代次数、潮流计算迭代次数、潮流计算精度和算法的基本参数。

求解结果包括系统节点各时段有功功率、无功功率、节点电压幅值、节点电压相角的潮流分布、微电网内分布式电源在各调度时段出力、各段线路的传输功率以及最优目标值等调度决策结果。

微电网系统数据库通过用户交互端输入参数以及修改参数，用户在用户交互端输入的每一条记录代表一个数据元素。以线路参数为例，一条线路包括线路编号，线路上下级节点编号、线路电阻、线路电抗、对地电导、对地电纳、变压器变比等数据项，在用户交互端的线路参数窗口输入一条数据，则该数据代表一条线路。整个线路参数表为一个数据集合，表示具体微电网系统的线路结构以及各线路参数。

本发明提出的微电网调度决策系统，采用MPI并行机制，通过将优化调度算法运算量分散给CPU各进程，并通过适当的通信机制，实现各进程种群的交叉进化，提高算法的搜索效率。此外，采用接口文件对优化调度算法进行声明，用户通过使用同一接口文件生成的库函数可以在不同平台的用户交互端上通过调度器调用优化算法求解模型，提高了优化调度算法的复用性，提高了系统的开发效率。将基于MPI并行设计的优化算法封装，避免了重复开发复杂的并行算法，降低了调度决策支持系统的开发和维护成本，为快速开发调度决策系统提供了有力保证。

基于微电网调度决策系统，本发明还提出了一种微电网调度决策方法，它包括以下步骤，

S1，用户在用户交互端选择一种优化调度算法，并向调度器发送操作申请，请求调用该优化调度算法；

S2，调度器接收到用户交互端发送的操作申请，根据操作申请调用优化调度算法模块中的指定优化调度算法；

S3，优化调度算法从系统数据库中读取系统参数和算法参数，求解微电网优化调度数学模型，并将求解结果写入系统数据库中；

S4，调度器返回消息通知用户交互端优化调度算法执行完，用户交互端从系统数据库读取求解结果。

需要说明的是，步骤S3中优化调度算法采用并行算法，求解微电网优化调度数学模型。步骤S3中的优化调度算法为粒子群算法、差分进化算法或蚁群算法。在优化调度算法模块中有粒子群算法、差分进化算法和蚁群算法三种算法，用户在用户交互端选择其中一种算法进行求解。

此外，步骤S3中微电网优化调度数学模型由母线和线路组成，母线接负载、风电单元、光伏发电单元、微型燃气轮机、蓄电池中的一种或几种。

微电网优化调度数学模型的建立，根据不同的目标建立不同的模型。本发明只给出一种实施例，微电网优化调度数学模型以系统运行维护成本最小和能耗成本最小为目标建立模型，约束条件包括潮流约束、各发电单元出力约束和蓄电池荷电状态约束。本领域技术人员可知，还可以依据其他目标函数建立模型。

尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (10)

1.一种微电网调度决策系统，其特征在于：它包括，

用户交互端，用于编辑系统数据库中的系统参数和算法参数，以及读取系统数据库中调度优化算法的求解结果，用户在用户交互端选择一种优化调度算法，向调度器发送操作申请，请求调用该优化调度算法；

调度器，用于连接用户交互端和优化调度算法模块，调度器接收到用户交互端发送的操作申请，并根据操作申请调用优化调度算法模块中的指定优化调度算法，且返回消息通知用户交互端优化调度算法执行完毕；

优化调度算法模块，从系统数据库中读取系统参数和算法参数，使用优化调度算法求解微电网优化调度数学模型，并将求解结果写入系统数据库中；

系统数据库，用于存储系统参数、算法参数以及优化调度算法的求解结果。

2.如权利要求1所述的微电网调度决策系统，其特征在于：所述优化调度算法模块中优化调度算法采用并行算法，求解微电网优化调度数学模型。

3.如权利要求1或2所述的微电网调度决策系统，其特征在于：所述优化调度算法模块中包括粒子群算法、差分进化算法和蚁群算法的一种或几种。

4.如权利要求1所述的微电网调度决策系统，其特征在于：所述微电网优化调度数学模型由母线和线路组成，母线接负载、风电单元、光伏发电单元、微型燃气轮机、蓄电池中的一种或几种。

5.如权利要求4所述的微电网调度决策系统，其特征在于：所述微电网优化调度数学模型以系统运行维护成本最小和能耗成本最小为目标建立模型，约束条件包括潮流约束、发电单元出力约束和蓄电池荷电状态约束。

6.如权利要求5所述的微电网调度决策系统，其特征在于：所述算法参数包括方案编号、算法名称、种群规模、算法迭代次数、潮流计算迭代次数、潮流计算精度和算法的基本参数。

7.如权利要求4所述的微电网调度决策系统，其特征在于：所述系统参数包括系统母线参数、线路参数、负载参数和分布式电源参数，分布式电源包括风电单元、光伏发电单元、微型燃气轮机和蓄电池。

8.一种微电网调度决策方法，其特征在于：它包括以下步骤，

S1，用户在用户交互端选择一种优化调度算法，并向调度器发送操作申请，请求调用该优化调度算法；

S2，调度器接收到用户交互端发送的操作申请，根据操作申请调用优化调度算法模块中的指定优化调度算法；

S3，优化调度算法从系统数据库中读取系统参数和算法参数，求解微电网优化调度数学模型，并将求解结果写入系统数据库中；

S4，调度器返回消息通知用户交互端优化调度算法执行完，用户交互端从系统数据库读取求解结果。

9.如权利要求8所述的微电网调度决策方法，其特征在于：所述步骤S3中优化调度算法采用并行算法，求解微电网优化调度数学模型。

10.如权利要求8或9所述的微电网调度决策方法，其特征在于：所述步骤S3中的优化调度算法为粒子群算法、差分进化算法或蚁群算法。