CN106451566B - 一种海岛智能微电网多源协调控制方法 - Google Patents

一种海岛智能微电网多源协调控制方法 Download PDF

Info

Publication number
CN106451566B
CN106451566B CN201610740253.1A CN201610740253A CN106451566B CN 106451566 B CN106451566 B CN 106451566B CN 201610740253 A CN201610740253 A CN 201610740253A CN 106451566 B CN106451566 B CN 106451566B
Authority
CN
China
Prior art keywords
microgrid
optimal solution
power generation
cost
generation system
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
CN201610740253.1A
Other languages
English (en)
Other versions
CN106451566A (zh
Inventor
史朝晖
钟志钢
赵臻德
朱月涌
傅钧
王磊
冯宝玥
周占平
胡钢
江冰
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.)
Shandong Electric Power Engineering Consulting Institute Corp Ltd
Original Assignee
Shandong Electric Power Engineering Consulting Institute Corp Ltd
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 Shandong Electric Power Engineering Consulting Institute Corp Ltd filed Critical Shandong Electric Power Engineering Consulting Institute Corp Ltd
Priority to CN201610740253.1A priority Critical patent/CN106451566B/zh
Publication of CN106451566A publication Critical patent/CN106451566A/zh
Application granted granted Critical
Publication of CN106451566B publication Critical patent/CN106451566B/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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Abstract

本发明公开了一种海岛智能微电网多源协调控制方法，具体为考虑海岛可再生能源分布式发电系统的运行特性，确定微电网网络拓扑结构，进行输出功率的预测，构建经济性、可靠性为目标函数的优化运行模型，基于粒子群算法，在约束条件下求解优化运行模型的全局最优解和个体最优解，确定最优值以对微电网多源优化调度。本发明能够充分考虑海岛可再生能源分布式发电系统的运行特性，结合柴油发电系统和储能系统，实现微电网内部分布式发电系统的协调控制，达到微电网优化运行的目的，从而提高系统运行的可靠性和经济性。

Description

一种海岛智能微电网多源协调控制方法
技术领域
本发明涉及一种海岛智能微电网多源协调控制方法。
背景技术
社会经济发展对于能源的需求越来越大，越来越严重的环境污染使得传统能源在应用过程中面临瓶颈，如何解决能源匮乏和环境污染是当今社会面临的重要问题。十八大报告提出“提高海洋资源开发能力，发展海洋经济，保护海洋生态，坚决维护国家海洋权益，建设海洋强国”。海岛作为海洋的重要组成部分，建设开发海岛是中国实施海洋战略的重要组成部分，是壮大海洋经济、拓展发展空间的重要依托。我国海岛众多，能源保障是海岛开发的基本要求，以此，开发海岛及其周围丰富的可再生能源，构建基于可再生能源分布式发电系统的海岛智能微电网，可以解决海岛开发过程中的能源问题。海洋能源的开发对于海洋环境的保护，促进节能减排也具有重要意义。
智能微电网是为了解决分布式发电系统并网接入而提出了一种新的电网组织形式。微电网集分布式发电系统、储能系统和负荷于一体，通过自身的控制实现孤岛运行和并网运行，并可在两种运行方式间平滑切换。微电网是提高分布式发电系统利用效率的有效途径，避免了大量分布式发电系统接入对电力系统的冲击，并能够提高电网的供电能力。海洋蕴含大量的可开发的可再生能源，其中风能、太阳能、波浪能、潮流能、潮汐能等能源相对开发难度较低。目前基于上述能源的分布式发电系统不断涌现为海岛智能微电网的应用提供了条件。
随着海岛智能微电网的建设，基于分布式发电系统运行特性的微电网优化运行提上日程。当多种能源接入微电网时，需要对各种可再生能源根据其运行特性进行综合调度。国内外学者在这方面进行了大量的研究，从经济性、可靠性、环保性等不同角度对微电网多种能源进行协调控制，提高微电网运行的可靠性和经济性，从而提高可再生能源分布式发电系统的利用效率。
发明内容
本发明为了解决上述问题，提出了一种海岛智能微电网多源协调控制方法，本发明综合考虑各种可再生能源分布式发电系统的运行特性，以光伏、潮流能、柴油发电机和储能进行协调控制，提供一种海岛智能微电网多源协调控制方法。该方法能够为微电网的综合运行提供指导，提高微电网运行的经济性和可靠性。
为了实现上述目的，本发明采用如下技术方案：
一种海岛智能微电网多源协调控制方法，考虑海岛可再生能源分布式发电系统的运行特性，确定微电网网络拓扑结构，进行输出功率的预测，构建经济性、可靠性为目标函数的优化运行模型，基于粒子群算法，在约束条件下求解优化运行模型的全局最优解和个体最优解，确定最优值以对微电网多源优化调度。
优选的，所述可再生能源分布式发电系统具体包括光伏发电系统和潮流能发电系统。
优选的，当可再生能源分布式发电系统的能源不足时，通过柴油发电系统以及储能系统进行调节优化控制。
优选的，进行输出功率的预测时，利用人工神经网络方法构建光伏、潮流能和负荷预测模型预测光伏系统、潮流能发电系统未来一段时间的输出功率和负荷功率。
优选的，微电网优化运行模型的目标函数为微电网运行成本、微电网运行环境折算成本和供电可靠性成本之和最小。
进一步的，微电网运行成本包括运行维护成本、能源消耗成本和各机组的启动成本。
进一步的，微电网运行环境折算成本为所有污染物的排放量与其对应的环境折算成本乘积之和。
进一步的，供电可靠性成本包含微电网优化运行过程中用户失去负荷的损失，由电价、用户费用补偿系数和相应时刻的负荷中断功率确定。
优选的，所述约束条件包括：微电网各分布式电源发出的功率之和与用户所需求的功率相互匹配，每个微电源的实际输出功率任意时刻都要在其容量的上下限之内，每个电源的开机、关机时间均大于等于各自的最小开机和关机时间，调度时段内的启停次数要小于等于最大启停次数，或/和储能蓄电池在单位时间充放电过程中充电、放电功率不超过最大容量与设定阈值的乘积。
优选的，所述基于粒子群算法的方法为，将微电网中需要优化的分布式发电系统输出功率为粒子群每个粒子的每一维，确定最大迭代次数、优化参数搜索范围和变邻域搜索区间，进行目标函数的适应度计算，获得粒子群算法个体最优解和全局最优解，并进行粒子速度和位置的更新，对全局最优解和个体最优解进行局部的混沌变邻域搜索，根据邻域搜索确定新的个体最优解和全局最优解位置，直到满足迭代次数。
进一步的，混沌变邻域搜索时，利用logistic函数构造混沌变量，将产生的混沌变量映射为变量变化值，确定邻域半径和个体最优解或者全局最优解位置偏移值。
进一步的，混沌变邻域搜索时，邻域半径根据粒子位置的最大和最小值变化而变化，邻域半径随着迭代次数的增加而非线性的减小。
进一步的，确定新的个体最优解位置和全局最优解位置时，分别对比邻域搜索前后个体最优解和全局最优解的适应度，将适应度高的粒子确定为最新的个体最优解和全局最优解。
本发明的有益效果为：
(1)本发明提供了一种优化协调控制方法，综合利用海岛各种可再生能源，同时又不破坏海岛生态，为解决海岛供电和提高海岛可再生能源的综合开发提供保障；
(2)本发明能够充分考虑海岛可再生能源分布式发电系统的运行特性，结合柴油发电系统和储能系统，实现微电网内部分布式发电系统的协调控制，达到微电网优化运行的目的，从而提高系统运行的可靠性和经济性；
(3)本发明计算过程简单，且综合了经济型、可靠性和环保性的角度对为电网多种能源进行调控，提高微电网运行的可靠性和经济性，从而提高可再生能源分布式发电系统的利用效率。
附图说明
图1为本发明的流程示意图。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
一种海岛智能微电网多源协调控制方法，包括以下步骤：
(1)构建微电网网络拓扑结构，对微电网中的分布式发电系统进行功率预测，确定光伏系统、潮流能系统以及负荷的预测情况；
(2)构建光伏系统、潮流能系统的模型，建立以微电网运行的经济性、可靠性为目标函数的微电网优化运行模型；
(3)构建功率平衡、输出功率、最小关机和最小运行时间、启停次数和储能蓄电池状态的约束条件；
(4)基于粒子群算法，在约束条件下求解微电网优化运行模型的全局最优解和个体最优解，进行粒子更新，输出最优值；
(5)将最优值作为微电网运行各分布式发电系统的最优出力进行微电网运行优化调度，实现微电网的多源协调优化控制。
所述步骤(1)中，微电网网络的分布式发电系统，具体包括光伏发电系统、潮流能发电系统和柴油机发电系统，在优化调度时考虑光伏发电系统、潮流能发电系统，当电源不足时再通过柴油发电系统以及储能系统进行调节优化控制。
所述步骤(1)中，利用人工神经网络方法构建光伏、潮流能和负荷预测模型预测光伏系统、潮流能发电系统未来一段时间的输出功率和负荷功率。
所述步骤(2)中，微电网优化运行模型的目标函数为微电网运行成本、微电网运行环境折算成本和供电可靠性成本之和最小。
所述步骤(2)中，微电网运行成本包括运行维护成本、能源消耗成本和各机组的启动成本。
所述步骤(2)中，微电网运行环境折算成本为所有污染物的排放量与其对应的环境折算成本乘积之和。
所述步骤(2)中，可靠性成本包含微电网优化运行过程中用户失去负荷的损失，由电价、用户费用补偿系数和相应时刻的负荷中断功率确定。
所述步骤(3)中，约束条件具体包括：
(I)微电网各分布式电源发出的功率之和与用户所需求的功率相互匹配；
(II)每个微电源的实际输出功率任意时刻都要在其容量的上下限之内；
(III)每个电源的开机、关机时间均大于等于各自的最小开机和关机时间；
(IV)调度时段内的启停次数要小于等于最大启停次数；
(V)储能蓄电池在单位时间充放电过程中充电、放电功率不超过最大容量与设定阈值的乘积。
所述步骤(4)中，具体步骤包括：
(4-1)微电网中需要优化的分布式发电系统输出功率为粒子群每个粒子的每一维，确定最大迭代次数、优化参数搜索范围、变邻域搜索区间；
(4-2)根据初始粒子位置和飞行速度进行目标函数的适应度计算，获得粒子群算法个体最优解和全局最优解，并进行粒子速度和位置的更新；
(4-3)对全局最优解和个体最优解进行局部的混沌变邻域搜索，根据邻域搜索确定新的个体最优解和全局最优解位置；
(4-4)根据确定的个体最优解和全局最优解进行粒子更新，根据最大迭代次数判断算法是否终止，如果未达到最大迭代次数，返回步骤(4-2)，如果达到迭代次数，计算终止输出结果。
所述步骤(4-3)中，利用logistic函数构造混沌变量，将产生的混沌变量映射为变量变化值，确定邻域半径和个体最优解或者全局最优解位置偏移值。
所述步骤(4-3)中，邻域半径根据粒子位置的最大和最小值变化而变化，邻域半径随着迭代次数的增加而非线性的减小。
所述步骤(4-4)中，确定新的个体最优解位置和全局最优解位置，分别对比邻域搜索前后个体最优解和全局最优解的适应度，将适应度高的粒子确定为最新的个体最优解和全局最优解。
如图1所示，本发明提供了一种智能海岛微电网多源协调控制方法，所述方法包含以下步骤：
步骤1：构建基于分布式发电系统运行特性的微电网多源协调优化控制模型。包含的分布式发电系统有光伏发电系统、潮流能发电系统、柴油机发电系统三种分布式发电系统。其中，光伏发电系统、潮流能发电系统为可再生能源分布式发电系统，在优化调度时优先考虑，当电源不足时通过柴油发电系统以及储能系统进行调节优化控制，另外在紧急情况下可切除一般负荷来满足电网运行的需求。
步骤2：采用基于混沌变量改进粒子群优化算法对分布式发电系统进行优化协调控制，达到系统最优运行
在步骤1中，首先确定微电网网络拓扑结构，光伏系统、潮流能系统以及负荷的预测情况。在实际运行过程中需要对微电网中的分布式发电系统进行功率预测，利用人工神经网络方法构建光伏、潮流能和负荷预测模型预测光伏系统、潮流能发电系统未来一天的输出功率，未来一天的负荷功率。
建立微电网优化运行模型，构建以微电网运行的经济性、可靠性为目标函数的微电网优化运行模型。
光伏发电系统的模型为：
潮流能发电系统模型为：
其中，PPV光伏发电系统功率，PCT为潮流能发电系统输出功率，G(t)为光照强度，T(t)为温度，GSTC、PSTC、TSTC分别为标准测试环境下(1000W/m2,25℃)下的光照强度、最大输出功率和温度。Cp为水轮机获能系数，ρ为海水的密度，S为水轮机叶轮的扫截面积，v为潮流上游流速。
微电网优化协调优化模型目标函数为：min F(x)＝[FCost(x),FEnvi(x),FReli(x)]T，其中FCost(x)为微电网运行成本，FEnvi(x)为微电网运行环境折算成本，FReli(x)为供电可靠性成本。
微电网运行成本由COM为运行维护成本，CF为能源消耗成本，CSC为各机组的启动成本组成，可表示为：其中，运行维护成本COM正比于机组的装机容量柴油发电机燃料费用成本表示不间断电源机组的启停费用成本取决于上一次机组停运的时间，机组的启动成本CSC表示为：
其中，NG为各发电单元的数量，为第i种电源的装机容量，Komi为第i种电源的运行维护系数；为t时段内的第i个柴油机所需燃料，为发电机启停状态，Ci为燃料价格；NSTOP为电源的启动次数，σi为电源i的热启动费用，δi为电源i的冷启动费用，τi为电源i的冷却时间常数，Toff,i为i电源已停运时间；
考虑到微网的环境效益，将环境损失作为微网优化运行的目标，表示为
可靠性成本包含微电网优化运行过程中用户失去负荷的损失，
其中，CE为环保折算费用，Yj为第j种污染物的排放量，Dj为第j种污染物的环境折算成本；M为中断负荷数量，C0为电价，βi为用户费用补偿系数，为t时刻负荷中断功率。负荷中断功率由负荷容量SIL,i和负荷关断标记ITIL,i决定，并满足
3)功率平衡约束。微电网各分布式电源发出的功率之和与用户所需求的功率相互匹配，其中，为t时刻用户需求功率；分别是潮流、光伏、储能、柴油机在t时刻所发出的功率。
输出功率约束。每个微电源的实际输出功率任意时刻都要满足其容量的上下限约束： Pi,min≤Pi≤Pi,max,Pi,min为电源i的最小输出功率，Pi,max为电源i的最大输出功率。
最小关机和最小运行时间约束。Ti,off≥Ti,off,min，Ti,on≥Ti,on,min。Ti,off，Ti,on分别为电源i的关机、开机时间，Ti,off,min，Ti,on,min分别为电源i的最小关机和开机时间。
启停次数约束。Ni,max为调度时段内最大启停次数。
储能蓄电池状态约束。考虑到其使用寿命的影响，其单位时间充放电过程中，不能超过其最大容量20％，要满足其充放电约束及能量状态约束：
P+为单位小时内的充电功率，P-为单位小时内的放电功率，EBT为蓄电池的最大容量，Δt为单位时间，为时段内的剩余容量，ηch为蓄电池充电效率，tch为蓄电池充电时间，ηdis为蓄电池放电效率，tdis为蓄电池放电时间。
建立系统优化模型后，利用步骤2进行求解：
步骤2-1：首先，构造粒子群结构，每个粒子的每一维为微电网中需要优化的分布式发电系统输出功率X＝[x1,x2,...xn]。初始化粒子群优化算法参数包括最大迭代次数、优化参数搜索范围、变邻域搜索区间；
步骤2-2：根据初始粒子位置和飞行速度进行目标函数的适应度计算，获得粒子群算法个体最优解xi,pbest和全局最优解xgbest，并进行粒子速度和位置的更新，更新的方程为：
其中，是第i个粒子在t时刻的速度，是第i个粒子在t时刻的位置，xi,pbest第i个粒子在t时刻的个体最优极值，gbest为所有粒子的全局最优极值，r1，r2是介于(0，1)的随机数，c1， c2是学习因子，w是粒子群的动态权重值。
步骤2-3：利用logistic函数ui,j+1＝4ui,j(1-ui,j)产生一个混沌变量，其中ui,j初始混沌变量取值在(0,1)之间，并不等于0.25、0.5、0.75，ui,j+1位下一代混沌变量。
步骤2-4：将产生的混沌变量映射为变量变化值Δxi＝-β+2β·ui,j+1，其中β为邻域半径，Δxi为个体最优解或者全局最优解位置偏移值。其中，邻域半径的变化为b＝(xi,max-xi,min)e-t， xi,min、xi,max为粒子位置的最大和最小值，邻域半径随着迭代次数的增加而非线性的减小。
步骤2-5：根据邻域搜索确定新的个体最优解和全局最优解位置。利用式确定新的个体最优解位置和全局最优解位置，分别对比邻域搜索前后个体最优解和全局最优解的适应度，将适应度高的粒子确定为最新的个体最优解和全局最优解。
步骤2-6：根据确定的个体最优解和全局最优解进行粒子更新，根据最大迭代次数判断算法是否终止，如果未达到最大迭代次数，返回步骤2，如果达到迭代次数，计算终止输出结果。
步骤3：根据计算得到的未来一天微电网运行各分布式发电系统的最优出力进行微电网运行优化调度，实现微电网的多源协调优化控制。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (8)

1.一种海岛智能微电网多源协调控制方法，其特征是：考虑海岛可再生能源分布式发电系统的运行特性，确定微电网网络拓扑结构，进行输出功率的预测，构建经济性、可靠性为目标函数的优化运行模型，基于粒子群算法，在约束条件下求解优化运行模型的全局最优解和个体最优解，进行粒子更新，输出最优值，将最优值作为微电网运行各分布式发电系统的最优出力进行微电网运行优化调度，实现微电网的多源协调优化控制；
进一步的，所述可再生能源分布式发电系统具体包括光伏发电系统和潮流能发电系统；
进一步的，所述光伏发电系统的模型为：
进一步的，所述潮流能发电系统模型为：其中，PPV光伏发电系统功率，PCT为潮流能发电系统输出功率，G(t)为光照强度，T(t)为温度，GSTC、PSTC、TSTC分别为标准测试环境下，即1000W/m2,25℃下的光照强度、最大输出功率和温度；Cp为水轮机获能系数，ρ为海水的密度，S为水轮机叶轮的扫截面积，v为潮流上游流速；
进一步的，所述微电网优化运行模型为微电网运行成本、微电网运行环境折算成本和供电可靠性成本之和最小；
进一步的，所述微电网优化运行模型的目标函数为：minF(x)＝[FCost(x),FEnvi(x),FReli(x)]T，其中FCost(x)为微电网运行成本，FEnvi(x)为微电网运行环境折算成本，FReli(x)为供电可靠性成本；
进一步的，所述微电网运行成本由，运行维护成本COM，能源消耗成本CF，各机组的启动成本CSC组成，可表示为：
进一步的，所述运行维护成本COM，正比于机组的装机容量
进一步的，所述能源消耗成本CF，表示
进一步的，所述各机组的启动成本CSC取决于上一次机组停运的时间，机组的启动成本CSC表示为其中，NG为各发电单元的数量，为第i种电源的装机容量，Komi为第i种电源的运行维护系数；f(Pi t)为t时段内的第i个柴油机所需燃料，为发电机启停状态，Ci为燃料价格；NSTOP为电源的启动次数，σi为电源i的热启动费用，δi为电源i的冷启动费用，τi为电源i的冷却时间常数，Toff,i为i电源已停运时间。
2.如权利要求1所述的一种海岛智能微电网多源协调控制方法，其特征是：可再生能源分布式发电系统的能源不足时，通过柴油发电系统以及储能系统进行调节优化控制。
3.如权利要求1所述的一种海岛智能微电网多源协调控制方法，其特征是：进行输出功率的预测时，利用人工神经网络方法构建光伏、潮流能和负荷预测模型预测光伏系统、潮流能发电系统未来一段时间的输出功率和负荷功率。
4.如权利要求1所述的一种海岛智能微电网多源协调控制方法，其特征是：约束条件包括：微电网各分布式电源发出的功率之和与用户所需求的功率相互匹配，每个微电源的实际输出功率任意时刻都要在其容量的上下限之内，每个电源的开机、关机时间均大于等于各自的最小开机和关机时间，调度时段内的启停次数要小于等于最大启停次数，或/和储能蓄电池在单位时间充放电过程中充电、放电功率不超过最大容量与设定阈值的乘积。
5.如权利要求1所述的一种海岛智能微电网多源协调控制方法，其特征是：所述基于粒子群算法的方法为，将微电网中需要优化的分布式发电系统输出功率为粒子群每个粒子的每一维，确定最大迭代次数、优化参数搜索范围和变邻域搜索区间，进行目标函数的适应度计算，获得粒子群算法个体最优解和全局最优解，并进行粒子速度和位置的更新，对全局最优解和个体最优解进行局部的混沌变邻域搜索，根据邻域搜索确定新的个体最优解和全局最优解位置，直到满足迭代次数。
6.如权利要求5所述的一种海岛智能微电网多源协调控制方法，其特征是：混沌变邻域搜索时，利用logistic函数构造混沌变量，将产生的混沌变量映射为变量变化值，确定邻域半径和个体最优解或者全局最优解位置偏移值。
7.如权利要求5所述的一种海岛智能微电网多源协调控制方法，其特征是：混沌变邻域搜索时，邻域半径根据粒子位置的最大和最小值变化而变化，邻域半径随着迭代次数的增加而非线性的减小。
8.如权利要求5所述的一种海岛智能微电网多源协调控制方法，其特征是：确定新的个体最优解位置和全局最优解位置时，分别对比邻域搜索前后个体最优解和全局最优解的适应度，将适应度高的粒子确定为最新的个体最优解和全局最优解。
CN201610740253.1A 2016-08-27 2016-08-27 一种海岛智能微电网多源协调控制方法 Active CN106451566B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610740253.1A CN106451566B (zh) 2016-08-27 2016-08-27 一种海岛智能微电网多源协调控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610740253.1A CN106451566B (zh) 2016-08-27 2016-08-27 一种海岛智能微电网多源协调控制方法

Publications (2)

Publication Number Publication Date
CN106451566A CN106451566A (zh) 2017-02-22
CN106451566B true CN106451566B (zh) 2019-12-13

Family

ID=58182318

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610740253.1A Active CN106451566B (zh) 2016-08-27 2016-08-27 一种海岛智能微电网多源协调控制方法

Country Status (1)

Country Link
CN (1) CN106451566B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106972533A (zh) * 2017-04-27 2017-07-21 国网江苏省电力公司连云港供电公司 一种海岛微电网黑启动的系统及方法
CN107203136A (zh) * 2017-06-08 2017-09-26 国网甘肃省电力公司电力科学研究院 一种智慧农业大棚微型能源网的优化调度方法及装置
CN108054784A (zh) * 2018-01-09 2018-05-18 河海大学常州校区 一种海岛微电网多源协调优化控制方法
CN108631302B (zh) * 2018-05-15 2021-01-12 佛山科学技术学院 一种岛礁综合能源系统优化调度方法及装置
CN108539793B (zh) * 2018-05-15 2021-05-04 佛山科学技术学院 一种海岛微电网综合优化配置方法及装置
CN109390970B (zh) * 2018-10-12 2021-11-16 国网浙江平阳县供电有限责任公司 基于多Agent通信网络的海岛微电网分布式控制方法及系统
CN109494794B (zh) * 2018-11-26 2022-05-03 国网河南省电力公司电力科学研究院 区域分布式储能优化调度方法及装置
CN109361237B (zh) * 2018-11-30 2022-01-18 国家电网公司西南分部 基于改进混合粒子群算法的微电网容量优化配置方法
CN109670636B (zh) * 2018-12-06 2021-01-05 新奥数能科技有限公司 一种用于泛能站的能源调度模型的优化方法及装置
CN109995021B (zh) * 2019-01-28 2020-11-10 西安交通大学 一种基于典型拓扑匹配的微电网系统源-网协调规划方法
CN111105100B (zh) * 2020-01-10 2023-01-24 昆明理工大学 一种基于神经网络的多微电网调度机制的优化方法及系统
CN113111572B (zh) * 2021-03-23 2023-04-07 合肥工业大学 航空发动机剩余寿命预测方法及系统
CN115663923B (zh) * 2022-12-26 2023-05-16 国网浙江省电力有限公司宁波供电公司 基于储能装置的海域电网控制方法、系统及设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103887825A (zh) * 2014-03-03 2014-06-25 清华大学 微电网运行控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6331998B2 (ja) * 2014-12-01 2018-05-30 日本工営株式会社 自然エネルギー発電システム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103887825A (zh) * 2014-03-03 2014-06-25 清华大学 微电网运行控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
海岛智能微电网系统优化调度;刘娇娇等;《上海电机学院学报》;20140625;第17卷(第3期);第151-157页 *

Also Published As

Publication number Publication date
CN106451566A (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN106451566B (zh) 一种海岛智能微电网多源协调控制方法
CN102694391B (zh) 风光储联合发电系统日前优化调度方法
CN108054784A (zh) 一种海岛微电网多源协调优化控制方法
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
CN109390981B (zh) 新能源参与电量平衡的送端电网机组组合运行控制方法
Li et al. A novel rolling optimization strategy considering grid-connected power fluctuations smoothing for renewable energy microgrids
CN110957717A (zh) 一种多电源电力系统多目标日前优化调度方法
Wang et al. Microgrid operation relying on economic problems considering renewable sources, storage system, and demand-side management using developed gray wolf optimization algorithm
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
CN112821466B (zh) 一种含光热发电的独立微电网容量配置方法
An et al. Coordinative optimization of hydro-photovoltaic-wind-battery complementary power stations
Kumar et al. A New Approach to Design and Optimize Sizing of Hybrid Microgrids in Deregulated Electricity Environment
CN114069688A (zh) 一种基于时序生产模拟的多电源容量布局规划方法
Hu et al. Optimal dispatch of combined heat and power units based on particle swarm optimization with genetic algorithm
Zhang et al. Optimization dispatching of isolated island microgrid based on improved particle swarm optimization algorithm
CN114741960A (zh) 一种综合能源经济环境调度优化方法及系统
Friedrich et al. Combining offshore and onshore renewables with energy storage and diesel generators in a stand-alone Hybrid Energy System
El-Hendawi et al. Enhanced MG with optimum operational cost of pumping water distribution systems
Paliwal et al. Energy scheduling of Wind-Battery-Hydro based hybrid microgrid system using heuristic techniques
Bao et al. Genetic algorithm based optimal capacity allocation for an independent wind/pv/diesel/battery power generation system
Hao et al. PSO applied to optimal operation of a micro-grid with wind power
Dong et al. Optimal Allocation of Hybrid Hydrogen and Battery Storage System for Multi-energy Seaport Microgrid
Ma et al. Two-stage optimal dispatching based on wind-photovoltaic-pumped storage-thermal power combined power generation system
Liang et al. Risk Stabilization and Market Bidding Strategy of Virtual Power Plant Alliance Based on Multi-stage Robust Optimization
Ma et al. Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation

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