CN106650998A - 一种微电网多目标实时滚动优化方法 - Google Patents
一种微电网多目标实时滚动优化方法 Download PDFInfo
- Publication number
- CN106650998A CN106650998A CN201610949176.0A CN201610949176A CN106650998A CN 106650998 A CN106650998 A CN 106650998A CN 201610949176 A CN201610949176 A CN 201610949176A CN 106650998 A CN106650998 A CN 106650998A
- Authority
- CN
- China
- Prior art keywords
- optimization
- real
- energy storage
- micro
- soc
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005096 rolling process Methods 0.000 title claims abstract description 21
- 238000004146 energy storage Methods 0.000 claims abstract description 56
- 230000005611 electricity Effects 0.000 claims description 18
- 230000020169 heat generation Effects 0.000 claims description 8
- 230000008901 benefit Effects 0.000 claims description 4
- 210000000349 chromosome Anatomy 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 238000005303 weighing Methods 0.000 claims 1
- 238000004804 winding Methods 0.000 claims 1
- 238000009826 distribution Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- FNMKZDDKPDBYJM-UHFFFAOYSA-N 3-(1,3-benzodioxol-5-yl)-7-(3-methylbut-2-enoxy)chromen-4-one Chemical compound C1=C2OCOC2=CC(C2=COC=3C(C2=O)=CC=C(C=3)OCC=C(C)C)=C1 FNMKZDDKPDBYJM-UHFFFAOYSA-N 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/123—DNA computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
-
- 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
-
- 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
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Genetics & Genomics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
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
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,Pbsi_n为实时优化中第n时刻的储能出力;Pnett_n代表实时优化中n时刻的联络线功率、Pneti_n代表日前优化中n时刻的联络线功率;Qnett_n代表实时优化在一个优化时段的联络线电量,Qneti_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:
∑Pbsi_n+∑Ppvi_n+∑PLdi_n=0,
式中,i=1~96;Ppvi_n为实时优化中第n时刻的光伏功率,PLdi_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:
SOCnmin≤SOCn≤SOCnmax,
式中,SOCn为第n时刻各微电网储能SOC值,SOCmax和SOCmin为所设定的SOC上下限;
3)储能装置充放电约束:
PchBS_n≤PBS_n≤PdisBS_n,
式中,PchBS_n为实时优化中第n时刻的储能充电功率,PdisBS_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:
SOCf=SOCD,
式中,SOCf为实时优化后储能的SOC值,SOCD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,Pbsi_n为实时优化中第n时刻的储能出力;Pnett_n代表实时优化中i时刻的联络线功率、Pneti_n代表日前优化中i时刻的联络线功率;Qnett_n代表实时优化在一个优化时段的联络线电量,Qneti_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
∑PBSi_n+∑Ppvi_n+∑PLdi_n=0,
式中,i=1…96;Ppvi_n为实时优化中第n时刻的光伏功率,PLdi_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
SOCnmin≤SOCn≤SOCnmax
式中,SOCn为第n时刻各微电网储能SOC值,SOCmax和SOCmin为所设定的SOC上下限
3)储能装置充放电约束
PchBS_n≤PBS_n≤PdisBS_n
式中,PchBS_n为实时优化中第n时刻的储能充电功率,PdisBS_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
SOCf=SOCD,
式中,SOCf为实时优化优化后储能的SOC值,SOCD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:
式中,f1,f2和f3分别是以日前优化为结果的三个目标函数,Pbsi_n为实时优化中第n时刻的储能出力;Pnett_n代表实时优化中n时刻的联络线功率、Pneti_n代表日前优化中n时刻的联络线功率;Qnett_n代表实时优化在一个优化时段的联络线电量,Qneti_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:
∑Pbsi_n+∑Ppvi_n+∑PLdi_n=0,
式中,i=1~96;Ppvi_n为实时优化中第n时刻的光伏功率,PLdi_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:
SOCnmin≤SOCn≤SOCnmax,
式中,SOCn为第n时刻各微电网储能SOC值,SOCmax和SOCmin为所设定的SOC上下限;
3)储能装置充放电约束:
PchBS_n≤PBS_n≤PdisBS_n,
式中,PchBS_n为实时优化中第n时刻的储能充电功率,PdisBS_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:
SOCf=SOCD,
式中,SOCf为实时优化后储能的SOC值,SOCD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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610949176.0A CN106650998A (zh) | 2016-10-26 | 2016-10-26 | 一种微电网多目标实时滚动优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610949176.0A CN106650998A (zh) | 2016-10-26 | 2016-10-26 | 一种微电网多目标实时滚动优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106650998A true CN106650998A (zh) | 2017-05-10 |
Family
ID=58821537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610949176.0A Pending CN106650998A (zh) | 2016-10-26 | 2016-10-26 | 一种微电网多目标实时滚动优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106650998A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108092290A (zh) * | 2017-08-16 | 2018-05-29 | 华东理工大学 | 一种联合储能容量配置与优化运行的微网能量配置方法 |
CN109672216A (zh) * | 2018-11-26 | 2019-04-23 | 南瑞集团有限公司 | 一种基于多因子的主动配电网分层控制方法及系统 |
CN113608434A (zh) * | 2021-01-22 | 2021-11-05 | 北京国电通网络技术有限公司 | 一种综合能源系统异质能流联动优化平台 |
CN114997068A (zh) * | 2022-07-04 | 2022-09-02 | 东南大学溧阳研究院 | 基于改进nsga-ⅱ的配电网三相不平衡多目标优化方法 |
CN115659595A (zh) * | 2022-09-26 | 2023-01-31 | 中国华能集团清洁能源技术研究院有限公司 | 基于人工智能的新能源场站的储能控制方法及装置 |
CN116911076A (zh) * | 2023-09-12 | 2023-10-20 | 国网浙江省电力有限公司电力科学研究院 | 多微电网对配电网的韧性支撑仿真方法、装置和电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105337315A (zh) * | 2015-10-21 | 2016-02-17 | 温州大学 | 一种风光蓄互补独立微电网高维多目标优化配置方法 |
CN105760964A (zh) * | 2016-03-15 | 2016-07-13 | 国网浙江省电力公司电力科学研究院 | 微电网优化配置方法和装置 |
CN105932723A (zh) * | 2016-06-13 | 2016-09-07 | 国网浙江省电力公司电力科学研究院 | 一种交直流混合微电网的网架结构优化规划方法 |
-
2016
- 2016-10-26 CN CN201610949176.0A patent/CN106650998A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105337315A (zh) * | 2015-10-21 | 2016-02-17 | 温州大学 | 一种风光蓄互补独立微电网高维多目标优化配置方法 |
CN105760964A (zh) * | 2016-03-15 | 2016-07-13 | 国网浙江省电力公司电力科学研究院 | 微电网优化配置方法和装置 |
CN105932723A (zh) * | 2016-06-13 | 2016-09-07 | 国网浙江省电力公司电力科学研究院 | 一种交直流混合微电网的网架结构优化规划方法 |
Non-Patent Citations (2)
Title |
---|
徐冬冬: "微电网多时间尺度优化算法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
肖浩等: "基于模型预测控制的微电网多时间尺度协调优化调度", 《电力系统自动化》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108092290A (zh) * | 2017-08-16 | 2018-05-29 | 华东理工大学 | 一种联合储能容量配置与优化运行的微网能量配置方法 |
CN108092290B (zh) * | 2017-08-16 | 2021-09-24 | 华东理工大学 | 一种联合储能容量配置与优化运行的微网能量配置方法 |
CN109672216A (zh) * | 2018-11-26 | 2019-04-23 | 南瑞集团有限公司 | 一种基于多因子的主动配电网分层控制方法及系统 |
CN113608434A (zh) * | 2021-01-22 | 2021-11-05 | 北京国电通网络技术有限公司 | 一种综合能源系统异质能流联动优化平台 |
CN113608434B (zh) * | 2021-01-22 | 2024-03-12 | 北京国电通网络技术有限公司 | 一种综合能源系统异质能流联动优化平台 |
CN114997068A (zh) * | 2022-07-04 | 2022-09-02 | 东南大学溧阳研究院 | 基于改进nsga-ⅱ的配电网三相不平衡多目标优化方法 |
CN115659595A (zh) * | 2022-09-26 | 2023-01-31 | 中国华能集团清洁能源技术研究院有限公司 | 基于人工智能的新能源场站的储能控制方法及装置 |
CN115659595B (zh) * | 2022-09-26 | 2024-02-06 | 中国华能集团清洁能源技术研究院有限公司 | 基于人工智能的新能源场站的储能控制方法及装置 |
CN116911076A (zh) * | 2023-09-12 | 2023-10-20 | 国网浙江省电力有限公司电力科学研究院 | 多微电网对配电网的韧性支撑仿真方法、装置和电子设备 |
CN116911076B (zh) * | 2023-09-12 | 2024-03-19 | 国网浙江省电力有限公司电力科学研究院 | 多微电网对配电网的韧性支撑仿真方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Modelling and optimal energy management for battery energy storage systems in renewable energy systems: A review | |
Teo et al. | Optimization of fuzzy energy-management system for grid-connected microgrid using NSGA-II | |
CN106650998A (zh) | 一种微电网多目标实时滚动优化方法 | |
Tan et al. | Integration of electric vehicles in smart grid: A review on vehicle to grid technologies and optimization techniques | |
Wong et al. | Review on the optimal placement, sizing and control of an energy storage system in the distribution network | |
Wu et al. | Hierarchical operation of electric vehicle charging station in smart grid integration applications—An overview | |
De Santis et al. | Hierarchical genetic optimization of a fuzzy logic system for energy flows management in microgrids | |
Wang et al. | Design and advanced control strategies of a hybrid energy storage system for the grid integration of wind power generations | |
Malysz et al. | An optimal energy storage control strategy for grid-connected microgrids | |
Li et al. | Energy management of microgrid considering renewable energy sources and electric vehicles using the backtracking search optimization algorithm | |
Taher et al. | New approach for optimal UPFC placement using hybrid immune algorithm in electric power systems | |
Kavousi-Fard et al. | Optimal distribution feeder reconfiguration for increasing the penetration of plug-in electric vehicles and minimizing network costs | |
Amjady et al. | Security constrained optimal power flow considering detailed generator model by a new robust differential evolution algorithm | |
Hamidi et al. | Multiobjective scheduling of microgrids to harvest higher photovoltaic energy | |
CN107239847A (zh) | 一种主动配电网储能系统动态规划方法 | |
CN104037765B (zh) | 基于改进遗传算法选取有源配电网供电恢复方案的方法 | |
CN103544655A (zh) | 一种含微电网的区域配电网分层优化方法 | |
CN111509781B (zh) | 一种分布式电源协调优化控制方法及系统 | |
CN102769155A (zh) | 一种面向有源智能配电网的电动汽车有序充电方法 | |
Malysz et al. | MILP-based rolling horizon control for microgrids with battery storage | |
Nikoobakht et al. | Adaptive robust co-optimization of wind energy generation, electric vehicle batteries and flexible AC transmission system devices | |
Lal et al. | Energy dispatch fuzzy model in hybrid power system | |
Mellouk et al. | Overview of mathematical methods for energy management optimization in smart grids | |
Suthar et al. | Energy management platform for integrated battery‐based energy storage–solar PV system: a case study | |
Singh et al. | Energy management of an active distribution network considering correlation between uncertain input variables |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |