CN106650998A - 一种微电网多目标实时滚动优化方法 - Google Patents

Abstract

本发明公开了一种微电网多目标实时滚动优化方法。该方法考虑以考虑三相不平衡的日前经济优化结果为指导，运用超短期光伏、功率预测结果，决策微电网短时间内的储能出力，保持联络线功率、储能SOC值尽量跟随日前经济优化的结果，保证微电网系统的经济运行。本发明能满足经济性指标要求并有效跟随日前经济优化算法的结果。由于单三相混联系统出现的三相不平衡问题对配电系统和电气设备造成危害，在经济优化策略的实际运用中，日前预测值和实际值存在误差，因此考虑三相不平衡度约束，在微电网多目标实时滚动优化的情况下，以日前优化决策出的联络线功率为基准值，通过非支配排序的多目标算法得出实时储能功率值，可以实现微电网实时滚动优化。

Description

一种微电网多目标实时滚动优化方法

技术领域

本发明涉及微电网经济优化技术领域，特别涉及一种微电网多目标实时滚动优化方法。

背景技术

将分布式电源通过微电网接入配电网普遍被认为是利用分布式电源有效的方式之一，可有效降低分布式电源的间接性和波动性对大电网的影响。微电网是一种将分布式发电装置、变流器、负荷、储能装置以及监控保护控制装置有机整合在一起的发配电系统，具有自治运行，多能互补，优化管理和协调控制等优势，是能源互联网发展过程中不可或缺的重要部分。由于目前实现微电网成本较高，因此提高微电网的经济效益在以后的微电网发展和开拓过程中扮演重要角色。

现有关于微电网的研究较少考虑微电网中日前经济运行的不确定性对微电网运行的影响，由于日前预测值和实际值存在误差，策略如何应用与实施对微电网优化运行提出挑战。

经对现有技术文献的检索发现，一种基于对偶策略的微电网短期经济调度优化方法（发明专利：CN201410728293.5）基于微电网短期负荷预测和不可控微电源发电功率预测，以微电网并网运行的总经济成本最小为目标函数，构建微电网并网优化运行模型，以对偶策略进行求解；通过快速检测微电网中由于预测误差导致的实时不平衡电量，以微电网中实时不平衡电量最小为目标函数，解决微电网优化问题；将微电网波动性优化问题再次带入到微电网并网优化运行模型中迭代求解，解决微电网系统的机组组合问题，实现系统的短期经济调度优化。但该方法只考虑微电网系统的短期经济调度优化，未考虑运用超短期预测结果决策微电网短时间内的储能出力，保持实时优化的联络线功率、储能SOC（Stateof Charge，荷电状态）值尽量跟随日前经济优化的结果，保证微电网系统的经济运行。

针对以上不足，本发明提出了一种微电网多目标实时滚动优化方法。该方法为将微电网优化运行算法用于实际工况中，以考虑三相不平衡的日前经济优化结果为指导，运用超短期光伏、功率预测结果，运用非支配排序的多目标算法（NSGA-II，Non-dominatedsorting genetic algorithm II）决策微电网短时间内的储能出力，保持联络线功率、储能SOC值尽量跟随日前经济优化的结果，保证微电网系统的经济运行。

发明内容

本发明提出了一种微电网多目标实时滚动优化方法，所提方法以考虑三相不平衡的日前经济优化结果为指导，可保持联络线功率、储能SOC值尽量跟随日前经济优化的结果，并保证在15分钟微网多目标实时滚动算法运行后的SOC值跟随日前经济优化所决定的SOC值，满足最优化运行。

一种微电网多目标实时滚动优化方法，该方法以日前经济优化策略的结果为指导，即以日前优化决策出的联络线功率为基准值，运用超短期光伏、负荷功率预测结果，通过非支配排序的多目标算法（NSGA-II，Non-dominated sorting genetic algorithm）决策微电网短时间内的储能出力，以保持联络线功率、储能SOC值尽量跟随日前经济优化策略的结果，保证微电网系统的经济运行。

进一步地，所述优化方法具体包括如下步骤：

步骤1：对单三相微电网的光伏、负荷功率进行超短期预测；

步骤2：产生储能出力初始种群并将其编码；

步骤3：计算各染色体的适应度并选择适应度最优的种群；

步骤4：开始执行NSGA-II算法流程，进行种群的交叉与变异；

步骤5：对父、子种群进行合并；

步骤6：对合并后的种群进行排序，根据排序后的种群进行拥挤距离计算；

步骤7：修剪种群；

步骤8：若满足终止条件，则得到Pareto最优解集即多目标规划问题的有效解集，NSGA-II算法流程结束；若不满足终止条件，则返回步骤4，重新执行NSGA-II算法流程；

步骤9：得出多目标决策模糊最优解即微电网短时间内的储能出力，并将结果下传至各子微电网中央控制器。

进一步地，所述NSGA-II算法中的非支配排序指对父、子种群合并后的种群进行排序,根据排序后的种群进行拥挤距离计算，个体的拥挤距离越大，表示该个体与相邻个体的目标函数值差别越大，多样性越好，根据拥挤距离修剪种群，满足条件后输出Pareto解集。

进一步地，所述多目标算法考虑的三个目标均以日前优化结果为基准，目标分别是：

1）日前优化与实时优化结果间的储能功率前后波动最小；

2）日前优化与实时优化结果间的联络线功率波动最小；

3）日前优化与实时优化结果间的联络线电量最相近；

目标函数如下：

式中，f₁，f₂和f₃分别是以日前优化为结果的三个目标函数，P_{bsi_n}为实时优化中第n时刻的储能出力；P_{nett_n}代表实时优化中n时刻的联络线功率、P_{neti_n}代表日前优化中n时刻的联络线功率；Q_{nett_n}代表实时优化在一个优化时段的联络线电量，Q_{neti_n}代表日前优化中一个优化时段的联络线电量；

多目标算法优化过程应满足：

1）功率平衡约束：

∑P_{bsi_n}+∑P_{pvi_n}+∑P_{Ldi_n}=0，

式中，i=1～96；P_{pvi_n}为实时优化中第n时刻的光伏功率，P_{Ldi_n}为实时优化中第n时刻的负载功率；

2）储能装置电荷状态上下限约束：

SOC_nmin≤SOC_n≤SOC_nmax，

式中，SOC_n为第n时刻各微电网储能SOC值，SOC_max和SOC_min为所设定的SOC上下限；

3）储能装置充放电约束：

P_{chBS_n}≤P_{BS_n}≤P_{disBS_n}，

式中，P_{chBS_n}为实时优化中第n时刻的储能充电功率，P_{disBS_n}为实时优化中第n时刻的储能放电功率；

4）在实时优化后储能的SOC值与日前优化的SOC值一致：

SOC_f=SOC_D，

式中，SOC_f为实时优化后储能的SOC值，SOC_D为日前优化后储能的SOC值。

与现有技术相比，本发明具有如下优点和技术效果：针对多微网系统，以考虑三相不平衡的日前经济优化结果为指导，运用超短期光伏、功率预测结果，决策微电网短时间内的储能出力，保持联络线功率、储能SOC值尽量跟随日前经济优化的结果，保证微电网系统的经济运行。本发明能满足经济性指标要求并有效跟随日前经济优化算法的结果。

附图说明

图1是单三相混联微电网图。

图2是一种微电网多目标实时滚动优化流程图。

图3是子微电网光伏、负荷超短期预测曲线图。

图4是微电网多目标实时优化算法的储能出力图。

图5是日前经济优化的联络线功率分散式与微电网多目标实时优化算法的联络线功率对比图。

具体实施方式

下面结合附图，对本发明做进一步地详细说明，但本发明的实施方式不限于此。

图1是单三相混联微电网图，本发明基于该拓扑设计微电网多目标实时滚动优化方法。

图2是一种微电网多目标实时滚动优化方法流程图，其具体步骤如下：

步骤1：对单三相微电网的光伏、负荷功率进行超短期预测；

步骤2：产生储能出力初始种群并将其编码；

步骤3：计算各染色体的适应度并选择适应度最优的种群；

步骤4：开始执行NSGA-II算法流程，进行种群的交叉与变异；

步骤5：对父、子种群进行合并；

步骤6：对合并后的种群进行排序，根据排序后的种群进行拥挤距离计算；

步骤7：修剪种群；

步骤8：若满足终止条件，则得到Pareto最优解集，NSGA-II算法流程结束；

步骤9：若不满足终止条件，则返回步骤4，重新执行NSGA-II算法流程；

步骤10：得出多目标决策模糊最优解，并将结果下传至各子微电网中央控制器。

进一步地，所述NSGA-II算法，其特征在于：非支配排序指对父、子种群合并后的种群进行排序,根据排序后的种群进行拥挤距离计算，某个体的拥挤距离越大，表示该个体与相邻个体的目标函数值差别越大，多样性越好。根据拥挤距离修剪种群，满足条件后输出Pareto解集。

进一步地，所述所考虑的三个目标均以日前优化结果为基准，其特征在于：

目标分别是：

1、日前优化与实时优化结果间的储能功率前后波动最小；

2、日前优化与实时优化结果间的联络线功率波动最小；

3、日前优化与实时优化结果间的联络线电量最相近。

进一步地，所述目标函数如下：

式中，P_{bsi_n}为实时优化中第n时刻的储能出力；P_{nett_n}代表实时优化中i时刻的联络线功率、P_{neti_n}代表日前优化中i时刻的联络线功率；Q_{nett_n}代表实时优化在一个优化时段的联络线电量，Q_{neti_n}代表日前优化中一个优化时段的联络线电量。

优化过程应满足：

1）功率平衡约束

∑P_{BSi_n}+∑P_{pvi_n}+∑P_{Ldi_n}=0，

式中，i=1…96；P_{pvi_n}为实时优化中第n时刻的光伏功率，P_{Ldi_n}为实时优化中第n时刻的负载功率。

2）储能装置电荷状态上下限约束

SOC_nmin≤SOC_n≤SOC_nmax

式中，SOC_n为第n时刻各微电网储能SOC值，SOC_max和SOC_min为所设定的SOC上下限

3）储能装置充放电约束

P_{chBS_n}≤P_{BS_n}≤P_{disBS_n}

式中，P_{chBS_n}为实时优化中第n时刻的储能充电功率，P_{disBS_n}为实时优化中第n时刻的储能放电功率。

4）在分散式算法优化后储能的SOC值与日前优化的SOC值一致

SOC_f=SOC_D，

式中，SOC_f为实时优化优化后储能的SOC值，SOC_D为日前优化后储能的SOC值。

本方法设计如下算例进行方法验证。

设定三相子微电网1#为公共区域子微电网，三个单相子微电网2#、子微电网3#和子微电网4#分别为接于A、B、C相的三个家庭，并选取了典型的日光伏、负荷曲线进行分析。

其它数据设置：最大不平衡度设为15%，小区用电电价数据设为0.5283元/kW·h，考虑国家补贴的光伏上网电价为0.79元/kW·h。

各子微电网中源储参数如下：单相子微电网光伏额定功率3kW，储能容量为10kW·h，额定功率为30kW；三相子微电网光伏额定功率为30kW，储能容量为50kW·h，额定功率为30kW。

以单微电网日前经济优化结果中的两个时间段为优化对象，分别称为A时段和B时段。对A、B时段的光伏、负荷功率进行超短期预测，图3为超短期预测的光伏、负荷功率曲线，真实代表超短期功率预测的数据，预测代表日前经济优化所用的预测数据。将日前经济优化结果作为参考，通过微电网多目标实时滚动优化方法优化系统运行方案，目标如下：

（1）实时优化的联络线功率与日前联络线功率最接近；

（2）实时优化的联络线电量与日前联络线功率最接近；

（3）分散式优化的储能pcs出力前后的波动最小。

基于NSGA-II多目标优化到得Pareto最优解，运用多目标决策中的极大极小法选择储能出力，所选择的出力如图4所示，Pbs代表分散式优化的A、B时段每一时间点的储能出力，detaSOC代表实时优化与日前优化的SOC差值。图5表示日前经济优化的联络线功率与微电网多目标实时优化的联络线功率对比图。由图4中可看出，实时优化后系统的储能出力在日前出力的结果下上下小范围波动，单时间点最大波动为25%；SOC最大差值为0.12kWh；在图5中，实时优化后系统的联络线功率在日前预测的联络线功率上下小范围波动，A时段的日前优化的联络线电量为-0.38kWh，实时优化的联络线电量-0.42kWh，波动率11.5%；B时段的日前优化的联络线电量为0.6kWh，实时优化的联络线电量0.59kWh，波动率1.6%。由算例可知，微电网多目标实时滚动优化方法可保持联络线功率、储能SOC值尽量跟随日前经济优化的结果，并保证在15分钟微网多目标实时滚动算法运行后的SOC值跟随日前经济优化所决定的SOC值，满足最优化运行满足最优化运行。

本发明所描述的具体实施例仅是对本发明精神的具体说明，本领域技术人员可以在不违背本发明的原理和实质的前提下对本具体实施例做出各种修改或补充或者采用类似的方式替代，但是这些改动均落入本发明的保护范围。因此本发明技术范围不局限于上述实施例。

Claims (4)

1.一种微电网多目标实时滚动优化方法，其特征在于：以日前经济优化策略的结果为指导，即以日前优化决策出的联络线功率为基准值，运用超短期光伏、负荷功率预测结果，通过非支配排序的多目标算法(NSGA-II，Non-dominated sorting genetic algorithm)决策微电网短时间内的储能出力，以保持联络线功率、储能SOC值尽量跟随日前经济优化策略的结果，保证微电网系统的经济运行。

2.根据权利要求1所述的微电网多目标实时滚动优化方法，其特征在于具体包括如下步骤：

步骤1：对单三相微电网的光伏、负荷功率进行超短期预测；

步骤2：产生储能出力初始种群并将其编码；

步骤3：计算各染色体的适应度并选择适应度最优的种群；

步骤4：开始执行NSGA-II算法流程，进行种群的交叉与变异；

步骤5：对父、子种群进行合并；

步骤6：对合并后的种群进行排序，根据排序后的种群进行拥挤距离计算；

步骤7：修剪种群；

步骤8：若满足终止条件，则得到Pareto最优解集即多目标规划问题的有效解集，NSGA-II算法流程结束；若不满足终止条件，则返回步骤4，重新执行NSGA-II算法流程；

步骤9：得出多目标决策模糊最优解即微电网短时间内的储能出力，并将结果下传至各子微电网中央控制器。

3.根据权利要求1所述的一种微电网多目标实时滚动优化方法，其特征在于所述NSGA-II算法中的非支配排序指对父、子种群合并后的种群进行排序,根据排序后的种群进行拥挤距离计算，个体的拥挤距离越大，表示该个体与相邻个体的目标函数值差别越大，多样性越好，根据拥挤距离修剪种群，满足条件后输出Pareto解集。

4.根据权利要求2所述的一种微电网多目标实时滚动优化方法，其特征在于所述多目标算法考虑的三个目标均以日前优化结果为基准，目标分别是：

1)日前优化与实时优化结果间的储能功率前后波动最小；

2)日前优化与实时优化结果间的联络线功率波动最小；

3)日前优化与实时优化结果间的联络线电量最相近；

目标函数如下：

$\left\{\begin{array}{c}{f}_1=min\underset{n=2}{\overset{15}{\mathrm{\Σ}}}\left|P_{bsi\_n}-P_{bsi\_n-1}\right|\\ f_2=min\underset{n=1}{\overset{15}{\mathrm{\Σ}}}\left|P_{nett\_n}-P_{neti\_n}\right|\\ f_3=\min \left|Q_{nett}-Q_{neti}\right|\end{array}\right..$

式中，f₁，f₂和f₃分别是以日前优化为结果的三个目标函数，P_{bsi_n}为实时优化中第n时刻的储能出力；P_{nett_n}代表实时优化中n时刻的联络线功率、P_{neti_n}代表日前优化中n时刻的联络线功率；Q_{nett_n}代表实时优化在一个优化时段的联络线电量，Q_{neti_n}代表日前优化中一个优化时段的联络线电量；

多目标算法优化过程应满足：

1)功率平衡约束：

∑P_{bsi_n}+∑P_{pvi_n}+∑P_{Ldi_n}＝0，

式中，i＝1～96；P_{pvi_n}为实时优化中第n时刻的光伏功率，P_{Ldi_n}为实时优化中第n时刻的负载功率；

2)储能装置电荷状态上下限约束：

SOC_nmin≤SOC_n≤SOC_nmax，

式中，SOC_n为第n时刻各微电网储能SOC值，SOC_max和SOC_min为所设定的SOC上下限；

3)储能装置充放电约束：

P_{chBS_n}≤P_{BS_n}≤P_{disBS_n}，

式中，P_{chBS_n}为实时优化中第n时刻的储能充电功率，P_{disBS_n}为实时优化中第n时刻的储能放电功率；

4)在实时优化后储能的SOC值与日前优化的SOC值一致：

SOC_f＝SOC_D，

式中，SOC_f为实时优化后储能的SOC值，SOC_D为日前优化后储能的SOC值。

与现有技术相比，本发明具有如下优点和技术效果：针对多微网系统，以考虑三相不平衡的日前经济优化结果为指导，运用超短期光伏、功率预测结果，决策微电网短时间内的储能出力，保持联络线功率、储能SOC值尽量跟随日前经济优化的结果，保证微电网系统的经济运行。本发明能满足经济性指标要求并有效跟随日前经济优化算法的结果。