CN106992538A - 一种基于Benders分解的独立型交流微电网优化配置方法 - Google Patents

Abstract

本发明公开了一种基于Benders分解的独立型微电网鲁棒优化容量配置方法。本发明采用的技术方案包括：1)获取独立型交流微电网的拓扑结构及基本参数；2)用不确定集对可再生能源出力和负荷的不确定性进行表示；3)建立独立型交流微电网的二层鲁棒优化容量配置模型，该模型包括目标函数和系统、设备的运行约束条件；4)构造可行性检验子问题和经济最优子问题，采用拉格朗日对偶方法分别将子问题进行解耦，得到对偶后的目标函数、约束条件以及可行割和不可行割的形式；5)求解容量优化配置问题。本发明考虑到可再生能源出力的不确定性，能够实现独立型交流微电网的容量优化配置，为合理配置交流微电网各机组容量提供了指导和帮助。

Description

一种基于Benders分解的独立型交流微电网优化配置方法

技术领域

本发明属于微电网优化配置技术领域，具体地说是一种基于Benders分解的独立型交流微电网优化配置方法。

背景技术

随着经济的快速发展和工业化水平的逐渐提高，化石能源逐渐枯竭，环境污染日益严重，充分利用可再生清洁能源发电已成为电力行业的发展趋势。微电网由于能够灵活接入包含风机和光伏等分布式电源，其应用得到了广泛的关注。分布式电源的优化配置是微电网规划的前期主要工作，是微电网经济可靠运行的基础。一方面，微电网电源的优化配置涉及到电源容量配置和运行优化的耦合性。另一方面，在微电网电源优化配置的过程中要对风机、光伏和负荷的功率进行预测，但由于风、光资源和负荷具有较强的间歇性和波动性，会影响系统的经济性和可靠性，因此应充分考虑不确定性因素对系统的影响。

现有的研究方法大多数未合理考虑风、光、负荷的不确定性因素对系统经济性的影响，尤其在最恶劣自然条件下保证系统可靠性的最经济运行方式，且未考虑机组台数配置主问题和经济运行子问题的交互影响，因此需要在采用合理方式计及不确定自然条件对优化配置的影响，并且充分考虑主子问题的耦合性对机组台数进行优化配置。

发明内容

本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于Benders分解的独立型交流微电网优化配置方法，其考虑风光发电和负荷功率的不确定性，能够实现在最恶劣自然条件下满足可靠性要求的独立型交流微电网优化配置，为合理配置独立型交流微电网各机组的容量提供指导和帮助。

为解决上述技术问题，本发明采用如下的技术方案：一种基于Benders分解的独立型交流微电网优化配置方法，其包括：

步骤1)，获取交流微电网拓扑结构和基本参数；

步骤2)，用不确定集对可再生能源出力和负荷的不确定性进行表示；

步骤3)，建立独立型交流微电网的二层鲁棒优化容量配置模型，该模型包括目标函数、系统和设备的运行约束条件；

步骤4)，构造独立型交流微电网的二层鲁棒优化容量配置可行性检验子问题和经济最优子问题，采用拉格朗日对偶方法分别将子问题进行解耦，得到对偶后的目标函数、约束条件以及不可行割和最优运行割的形式；

步骤5)，采用Benders分解方法求解容量优化配置问题：首先初始化机组台数；

对机组台数进行可行性判断，若不可行则添加不可行割，直到机组台数处于可行域内；判断机组台数是否达到最优，通过添加最优运行割使机组台数配置达到运行最优。

作为优选，所述的步骤1)具体包括：获取独立型交流微电网的拓扑结构，确定微电网中包含的运行设备及各设备之间的连接关系，获取独立型交流微电网的基本参数。

作为优选，所述的独立型交流微电网拓扑结构具体包括：交流母线接有风机、交流负荷及柴油发电机，光伏发电板和蓄电池通过双向换流器连接在交流母线上。

作为优选，所述独立型交流微电网的基本参数具体包括：风机、光伏、储能、双向换流器和柴油发电机的设备运行参数，交流负荷参数。

作为优选，所述的步骤2)具体包括：用不确定集对可再生能源出力和负荷的不确定性进行表示，具体形式为：

式中，i代表不确定集类型，P_i(_t)表示风机功率、光伏功率或者负荷功率；P_imean(t)代表风机、光伏发电功率或负荷大小的当前预测值；代表风机、光伏发电功率或者负荷的上限；ΔP_i (t)代表风机、光伏发电功率功率或者负荷的下限； u _i(t)为引入的二值变量，当取1时，代表P_i(t)处于相应的上限，当u _i(t)取1时，代表P_i(t)处于相应的下限，若二者都取0，则风机、光伏发电功率或者负荷处于当前的预测值；

b、a分别为变量的上、下限，d、c分别为变量u _i(t)的上、下限，通过改变a、b、c、d的值限制不确定集的不确定程度。

作为优选，所述的步骤3)具体包括：

步骤31)，基于步骤1)和步骤2)，确定独立型交流微电网的二层鲁棒优化容量配置模型的目标函数，以分布式电源净现值投资成本和不确定集作用下的最小运行费用作为二层鲁棒优化容量配置模型的目标函数，分布式电源净现值投资成本包括风机、光伏和柴油发电机的净现值投资成本；最小运行费用包括柴油发电机的运行费用、停电惩罚费用和弃电费用，具体形式为：

式中，C_total为目标函数的总成本；C_int为净现值投资成本；C_opt代表不确定集作用下的运行成本；代表最大不确定条件下的最小运行成本；C_de代表柴油发电机的运行费用；C_lsh代表停电惩罚费用，C_dump代表弃电费用；i代表微源的种类；G代表柴油发电机；RES代表风机和光伏发电；S代表储能系统；κ_it代表机组i的净现值系数；x_i代表第i种机组种台数；CP_i代表微源i单位功率的初始投资成本，CE_i代表储能单位容量的初始投资成本；代表i种微源的额定功率，代表储能的额定容量；η代表单位油耗的价格，F₀、F₁为比例系数，P_G ^max代表柴油发电机最大功率，P_G(t)为t时刻的柴油发电机功率；υ为单位功率停电惩罚费用；P_lsh(t)为t时刻的切负荷量；μ为单位功率弃电费用；P_dump(t)为t时刻的弃电量；

步骤32)，基于步骤1)和步骤2)，确定独立型交流微电网二层鲁棒优化容量配置的约束条件，独立型交流微电网在运行中需要满足系统及各设备的运行约束，其中系统约束包括：

功率平衡约束：

式中，P_i(t)表示t时刻风机功率、光伏功率或者负荷功率；P^dch(t)、P^ch(t)分别代表t时刻储能充、放电功率，P_lsh(t)代表t时刻的切负荷量，P_load(t)代表t时刻负荷不确定集，P_dump(t)代表由于风光发电过多引起的t时刻系统弃电量；

切负荷约束：

P_lsh(t)≥0，

式中，切负荷量大于等于零，全年切负荷量小于等于总负荷，τ表示比例系数；

系统弃电量约束：

P_dump(t)≥0，

式中，系统弃电量大于等于零，全年弃电量小于等于可再生能源发电量，λ表示比例系数；

可再生能源功率渗透率约束：

式中，全年可再生能源发电功率大于等于总负荷，表示比例系数；

各设备的运行约束包括风机、光伏、储能和柴油发电机组的运行约束，其中：

风机、光伏的运行约束为：

式中，RES代表可再生能源机组，即光伏或风机，x_i代表机组台数，P_i(t)代表第i台可再生能源机组的额定功率、w表示迭代次数；

柴油发电机组出力约束：

式中，柴油发电机发电功率P_G(t)小于所有机组额定功率的最大值，表示柴油发电机额定功率最大值，x_G表示柴油发电机配置台数，w表示迭代次数；

储能运行约束：

式中，P^dch(t)为t时刻储能的放电功率；P^dchmax为储能最大放电功率；P^ch(t)为t时刻储能的充电功率；P^chmax为储能最大放电功率；E(t)、E(t-1)分别为t时刻和t-1时刻储能的容量；η_c为储能的充电效率；η_d为储能的放电效率；E_min、E_max分别为储能容量的下限和上限，x_bat表示储能配置台数，w表示迭代次数。

作为优选，所述的步骤4)具体包括：

步骤41)，基于步骤1)、步骤2)和步骤3)，构造独立型交流微电网的二层鲁棒优化容量配置可行性检验子问题的目标函数及约束条件，具体形式为：

目标函数：

min S＝s₁+s₂+s₃，

约束条件：

0≤P^dch(t)≤P^dchmaxx_bat ^w-1 (4)

0≤P^ch(t)≤P^chmaxx_bat ^w-1 (5)

E(t)＝E(t-1)+η_cP^ch(t)-P^dch(t)/η_d (6)

E_minx_bat ^w-1≤E(t)≤E_maxx_bat ^w-1 (7)

P_lsh(t)≥0 (8)

P_dump(t)≥0 (9)

s₁≥0 (13)

s₂≥0 (14)

s₃≥0 (15)

式中，s₁,s₂,s₃为约束条件(10)、(11)、(12)引入的松弛变量，采用拉格朗日对偶方法将该子问题进行解耦，得到对偶后的目标函数、约束条件和不可行割的形式，具体形式为：

目标函数：

约束条件：

y₁(t)-y_3-1(t)+y_3-2(t)-λy₁₂(t)＝0，

y₁(t)+y₂(t)-λy₁₂(t)-y₁₃(t)＝0，

y₁(t)-y_4-1(t)+y_4-2(t)-1/η_d y₆(t)＝0，

-y₁(t)-y_5-1(t)+y_5-2(t)+η_ch y₆(t)＝0，

y₁(t)-y₉(t)+y₁₁(t)＝0，

-y₁(t)-y₁₀(t)+y₁₂(t)＝0，

y₆(t+1)-y₆(t)-y_8-1(t)+y_8-2(t)＝0，

1-y₁₁(t)-y₁₄(t)＝0，

1-y₁₂(t)-y₁₅(t)＝0，

1-y₁₃(t)-y₁₆(t)＝0，

添加的不可行割为：

式中，y_i(t)为t时刻约束条件i引入的对偶变量，各约束条件引入的对偶变量

大于等于零；

步骤42)，基于步骤1)、步骤2)和步骤3)，构造独立型交流微电网的二层鲁棒优化容量配置最优运行子问题的目标函数及约束条件，具体形式为：

目标函数：

上式表示最大不确定性条件下的最小运行费用，η(F₀P_G ^max+F₁P_G(t))表示柴油机费用，为切负荷费用，为弃电量费用；

约束条件：

0≤P^dch(t)≤P^dchmaxx_bat ^w-1 (4)

0≤P^ch(t)≤P^chmaxx_bat ^w-1 (5)

E(t)＝E(t-1)+η_cP^ch(t)-P^dch(t)/η_d (6)

E_minx_bat ^w-1≤E(t)≤E_maxx_bat ^w-1 (7)

P_lsh(t)≥0 (8)

P_dump(t)≥0 (9)

采用拉格朗日对偶方法将该子问题进行解耦，得到对偶后的目标函数、约束条件和最优运行割的形式，具体形式为：

目标函数：

约束条件：

y₁(t)-y_3-1(t)+y_3-2(t)-λy₁₂(t)＝0，

y₁(t)+y₂(t)-λy₁₂(t)-y₁₃(t)＝0，

y₁(t)-y_4-1(t)+y_4-2(t)-1/η_d y₆(t)＝0，

-y₁(t)-y_5-1(t)+y_5-2(t)+η_ch y₆(t)＝0，

y₁(t)-y₉(t)+y₁₁(t)＝0，

-y₁(t)-y₁₀(t)+y₁₂(t)＝0，

y₆(t+1)-y₆(t)-y_8-1(t)+y_8-2(t)＝0，

添加的最优运行割为：

式中，Λ为对偶问题目标函数的最优解。

作为优选，所述的步骤5)具体包括：

步骤51)，基于步骤1)、步骤2)、步骤3)和步骤4)初始化机组台数，具体形式为：x_imin≤x_i≤x_imax，

式中，x_imin和x_imax由系统可再生能源分布情况、机组额定容量和系统负荷决定；

步骤52)，基于步骤1)、步骤2)和步骤3)对机组台数进行可行性判断，若不可行则添加不可行割：按照步骤41)的方法构造可行性检验子问题，判断初始化机组台数是否满足所有约束条件，若松弛变量之和大于零，则不满足所有约束条件，给初始化机组台数添加不可行割约束，重新初始化，直到松弛变量之和为零；

步骤53)，基于步骤1)、步骤2)、步骤3)和步骤52)判断机组台数是否达到最优，通过添加最优运行割使得机组台数配置达到运行最优，具体过程为：求解经济最优主问题，主问题第w次迭代时的求解形式：

可行性检验子问题添加的不可行割：

主问题得到原问题的下界LB＝Z以及对应的初始化机组台数；

按照步骤42)的方法求解对偶后的运行最优子问题，得到原问题的上界：

式中，Λ为运行最优子问题的最优目标函数值；

判断上界UB是否等于下界LB，若|UB-LB|≤ε(ε表示收敛阈值)，则原问题迭代收敛，达到最优得到最优机组台数以及原问题最经济的总费用；否则通过最优运行子问题的最优解给原问题添加可行割进行第w+1次迭代，添加的可行割形式为：

与现有技术相比，本发明具有以下有益效果：该方法针对包含风/光/柴/储的独立型交流微电网，以初始投资费用和日运行费用最小为优化目标，建立了考虑风光出力和负荷不确定性的二层鲁棒优化混合整数规划模型，本发明为更加全面考虑了在最恶劣自然条件下保证系统可靠运行的最优设备容量配置方法；针对目标函数电源容量优化和运行优化耦合的特点，采用Benders分解的方法交替迭代求解，体现了两者的交互影响。

附图说明

图1为本发明实施例的流程图；

图2为本发明实施例中交直流混合微网的拓扑结构图。

具体实施方式

下面结合说明书附图，对本发明的技术方案做进一步的说明。

如图1所示，本发明实施例提供一种基于Benders分解的独立型微电网鲁棒优化容量配置方法，该方法包括以下步骤：

步骤1)，获取独立型交流微电网拓扑结构及基本参数；

步骤2)，用不确定集对可再生能源出力和负荷的不确定性进行表示；

步骤3)，建立独立型交流微电网的二层鲁棒优化容量配置模型，该模型包括目标函数和系统、设备的运行约束条件；

步骤4)，构造独立型交流微电网的二层鲁棒优化容量配置可行性检验子问题和经济最优子问题，采用拉格朗日对偶方法分别将子问题进行解耦，得到对偶后的目标函数、约束条件以及不可行割和最优运行割的形式；

步骤5)，采用Benders求解容量优化配置问题：首先初始化机组台数；对机组台数进行可行性判断，若不可行则添加不可行割，直到机组台数处于可行域内；判断机组台数是否达到最优，通过添加最优运行割使得机组台数配置达到运行最优。

作为优选方案，所述的步骤1)具体包括：获取交流独立微电网的拓扑结构，确定微网中包含的运行设备及各设备之间的连接关系，获取交流独立微电网的基本参数。

作为优选方案，所述的独立型交流微电网拓扑结构具体包括：交流母线接有风机、交流负荷及柴油发电机，光伏发电板和蓄电池通过双向换流器连接在交流母线上。独立型交流微电网的拓扑结构如图2所示。

作为优选方案，所述的独立型交流微电网基本参数具体包括：风机、光伏、储能、双向换流器、柴油发电机的设备运行参数，交流负荷参数。

作为优选方案，所述的步骤2)具体包括：用不确定集对可再生能源出力和负荷的不确定性进行表示，具体形式为：

式中，i代表不确定集类型，P_i(t)风机功率、光伏功率或者负荷功率；P_imean(t)代表风机，光伏发电功率或负荷大小的当前预测值；代表风机，光伏发电功率或者负荷的上限；ΔP_i (t)代表风机、光伏发电功率功率或者负荷的下限； u _i(t)为引入的二值变量，当取1时，代表P_i(t)处于相应的上限，当u _i(t)取1时，代表P_i(t)处于相应的下限，若二者都取0，则风机，光伏发电功率或者负荷位于当前的预测值。b、a分别为变量的上、下限，d、c分别为变量u _i(t)的上、下限，通过改变a、b、c、d的值限制不确定集的不确定程度。

作为优选方案，所述的步骤3)具体包括：

步骤31)，基于步骤1)和步骤2)，确定独立型交流微电网经济优化模型的目标函数，以分布式电源净现值投资成本和不确定集作用下的最小运行费用作为经济优化模型的目标函数，分布式电源净现值投资成本包括风机、光伏、柴油发电机的净现值投资成本；最小运行费用包括：柴油发电机的运行费用、停电惩罚费用和弃电费用。具体形式为：

式中，C_total为目标函数的总成本；C_int为净现值投资成本；C_opt代表不确定集作用下的运行成本；代表最大不确定条件下的最小运行成本；C_de代表柴油发电机的运行费用；C_lsh代表停电惩罚费用，C_dump代表弃电费用；i代表表微源的种类；G代表柴油发电机；RES代表风机和光伏发电；S代表储能系统；κ_it代表机组i的净现值系数；x_i代表第i种机组种台数；CP_i代表微源i单位功率的初始投资成本，CE_i代表储能单位容量的初始投资成本；代表i种微源的额定功率，代表储能的额定容量；η代表单位油耗的价格；F₀、F₁为比例系数，P_G ^max代表柴油发电机最大功率，P_G(t)为t时刻的柴油发电机功率；υ为单位功率停电惩罚费用；P_lsh(t)为t时刻的切负荷量；u为单位功率弃电费用；P_dump(t)为t时刻的弃电量。

步骤32)，基于步骤1)和步骤2)确定独立型交流微电网优化配置的约束条件，独立型交流微电网在运行中需要满足系统及各设备的运行约束，其中系统约束包括：

功率平衡约束：

切负荷约束：

P_lsh(t)≥0，

式中，切负荷量大于等于零，全年切负荷量小于总负荷的一定比例。

系统弃电量约束：

P_dump(t)≥0，

式中，系统弃电量大于等于零，全年弃电量小于等于可再生能源发电量的一定比例。可再生能源功率渗透率约束：

式中，全年可再生能源发电功率大于等于总负荷的一定比例。

各设备的运行约束包括风机、光伏、储能、和柴油发电机组的运行约束，其中：

风机、光伏的运行约束为：

式中，RES代表可再生能源机组，及光伏或风机，x_i代表机组台数。

柴油发电机组出力约束：

式中，柴油发电机发电功率小于所有机组额定功率的最大值。

储能运行约束：

式中，P^dch(t)为t时刻储能的放电功率；P^dchmax为储能最大放电功率；P^ch(t)为t时刻储能的充电功率；P^chmax为储能最大放电功率；E(t),E(t-1)分别为t时刻和t-1时刻储能的容量；η_c为储能的充电效率；η_d为储能的放电效率；E_min、E_max为储能容量的下限和上限。

作为优选方案，所述的步骤4)具体包括：

步骤41)，基于步骤1)、步骤2)和步骤3)，构造独立型交流微电网的二层鲁棒优化容量配置可行性检验子问题的目标函数及约束条件，具体形式为：

目标函数：

min S＝s₁+s₂+s₃，

约束条件：

0≤P^dch(t)≤P^dchmaxx_bat ^w-1 (4)

0≤P^ch(t)≤P^chmaxx_bat ^w-1 (5)

E(t)＝E(t-1)+η_cP^ch(t)-P^dch(t)/η_d (6)

E_minx_bat ^w-1≤E(t)≤E_maxx_bat ^w-1 (7)

P_lsh(t)≥0 (8)

P_dump(t)≥0 (9)

s₁≥0 (13)

s₂≥0 (14)

s₃≥0(15)

式中s₁,s₂,s₃为约束条件10,11,12引入的松弛变量。采用拉格朗日对偶方法将该子问题进行解耦，得到对偶后的目标函数、约束条件和不可行割的形式，具体形式为：

目标函数：

约束条件：

y₁(t)-y_3-1(t)+y_3-2(t)-λy₁₂(t)＝0，

y₁(t)+y₂(t)-λy₁₂(t)-y₁₃(t)＝0，

y₁(t)-y_4-1(t)+y_4-2(t)-1/η_d y₆(t)＝0，

-y₁(t)-y_5-1(t)+y_5-2(t)+η_ch y₆(t)＝0，

y₁(t)-y₉(t)+y₁₁(t)＝0，

-y₁(t)-y₁₀(t)+y₁₂(t)＝0，

y₆(t+1)-y₆(t)-y_8-1(t)+y_8-2(t)＝0，

1-y₁₁(t)-y₁₄(t)＝0，

1-y₁₂(t)-y₁₅(t)＝0，

1-y₁₃(t)-y₁₆(t)＝0，

添加的不可行割为：

式中，y_i为约束条件i引入的对偶变量，各约束条件引入的对偶变量大于等于零。

步骤42)，基于步骤1)、步骤2)和步骤3)，构造独立型交流微电网的二层鲁棒优化容量配置最优运行子问题的目标函数及约束条件，具体形式为：

目标函数：

约束条件：

0≤P^dch(t)≤P^dchmaxx_bat ^w-1 (4)

0≤P^ch(t)≤P^chmaxx_bat ^w-1 (5)

E(t)＝E(t-1)+η_cP^ch(t)-P^dch(t)/η_d (6)

E_minx_bat ^w-1≤E(t)≤E_maxx_bat ^w-1 (7)

P_lsh(t)≥0 (8)

P_dump(t)≥0 (9)

采用拉格朗日对偶方法将该子问题进行解耦，得到对偶后的目标函数、约束条件和最优运行割的形式，具体形式为：

目标函数：

约束条件:

y₁(t)-y_3-1(t)+y_3-2(t)-λy₁₂(t)＝0，

y₁(t)+y₂(t)-λy₁₂(t)-y₁₃(t)＝0，

y₁(t)-y_4-1(t)+y_4-2(t)-1/η_d y₆(t)＝0，

-y₁(t)-y_5-1(t)+y_5-2(t)+η_ch y₆(t)＝0，

y₁(t)-y₉(t)+y₁₁(t)＝0，

-y₁(t)-y₁₀(t)+y₁₂(t)＝0，

y₆(t+1)-y₆(t)-y_8-1(t)+y_8-2(t)＝0，

添加的最优运行割为：

式中，Λ为对偶问题目标函数的最优解。

作为优选方案，所述的步骤5)具体包括：

步骤51)，基于步骤1)、步骤2)和步骤3)和步骤4)初始化机组台数，具体形式为：x_imin≤x_i≤x_imax，

式中，x_imin和x_imax由系统可再生能源分布情况，机组额定容量和系统负荷决定。

步骤52)，基于步骤1)和步骤2)和步骤3)对机组台数进行可行性判断，若不可行则添加不可行割：按照步骤41)的方法构造可行性检验子问题，判断初始化机组台数是否满足所有约束条件，若松弛变量之和大于零，则不满足所有约束条件，给初始化机组台数添加不可行割约束，重新初始化，直到松弛变量之和为零。

步骤53)，基于步骤1)、步骤2)、步骤3)和步骤52)判断机组台数是否达到最优，通过添加最优运行割使得机组台数配置达到运行最优，具体过程为：求解经济最优主问题，主问题第w次迭代时的求解形式：

可行性检验子问题添加的不可行割：

主问题得到原问题的下界LB＝Z以及对应的初始化机组台数；

按照步骤42)的方法求解对偶后的运行最优子问题，得到原问题的上界：

式中，Λ为运行最优子问题的最优目标函数值。

判断上界UB是否等于下界LB，若|UB-LB|≤ε，则原问题迭代收敛，达到最优得到最优机组台数以及原问题最经济的总费用；否则通过最优运行子问题的最优解给原问题添加可行割进行第w+1次迭代，添加的可行割形式为：

本发明实施例的方法，以独立型交流微电网为研究对象，考虑到微电网优化配置结果受到风、光、负荷等不确定因素的影响，要在所有可能不确定因素的作用下保证系统经济可靠运行，同时微电网优化配置的容量优化和运行优化具有耦合性，建立了考虑风光出力和负荷不确定性的二层鲁棒优化混合整数规划模型，模型目标函数的外层为微电网的初始投资费用，内层为包含不确定集的微电网的运行费用、停电惩罚费用和弃电费用；并采用用Benders分解的方法将外层问题和内层问题交互迭代求解直到目标函数达到最优，获得独立型交流微电网的最优容量优化配置结果，优化结果可为交直流混合微网的经济运行提供指导。

以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解，本发明不受上述具体实施例的限制，上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。

Claims (8)

1.一种基于Benders分解的独立型交流微电网优化配置方法，其特征在于，该方法包括：

步骤1)，获取交流微电网拓扑结构和基本参数；

步骤2)，用不确定集对可再生能源出力和负荷的不确定性进行表示；

步骤3)，建立独立型交流微电网的二层鲁棒优化容量配置模型，该模型包括目标函数、系统和设备的运行约束条件；

步骤4)，构造独立型交流微电网的二层鲁棒优化容量配置可行性检验子问题和经济最优子问题，采用拉格朗日对偶方法分别将子问题进行解耦，得到对偶后的目标函数、约束条件以及不可行割和最优运行割的形式；

步骤5)，采用Benders求解容量优化配置问题：首先初始化机组台数；对机组台数进行可行性判断，若不可行则添加不可行割，直到机组台数处于可行域内；判断机组台数是否达到最优，通过添加最优运行割使机组台数配置达到运行最优。

2.根据权利要求1所述的基于Benders分解的独立型交流微电网优化配置方法，其特征在于，所述的步骤1)具体包括：获取独立型交流微电网的拓扑结构，确定微电网中包含的运行设备及各设备之间的连接关系，获取独立型交流微电网的基本参数。

3.根据权利要求2所述的基于Benders分解的独立型交流微电网优化配置方法，其特征在于，所述的独立型交流微电网拓扑结构具体包括：交流母线接有风机、交流负荷及柴油发电机，光伏发电板和蓄电池通过双向换流器连接在交流母线上。

4.根据权利要求2所述的基于Benders分解的独立型交流微电网优化配置方法，其特征在于，所述的独立型交流微电网的基本参数具体包括：风机、光伏、储能、双向换流器和柴油发电机的设备运行参数，交流负荷参数。

5.根据权利要求1所述的基于Benders分解的独立型交流微电网优化配置方法，其特征在于，所述的步骤2)具体包括：用不确定集对可再生能源出力和负荷的不确定性进行表示，具体形式为：

$\left\{\begin{array}{c}{P}_i\left(t\right)=P_{imean}\left(t\right)+{\stackrel{\‾}{u}}_i\left(t\right)\×{\stackrel{\‾}{\mathrm{\Δ}P}}_i\left(t\right)-{\underset{\‾}{u}}_i\left(t\right)\×{\underset{\‾}{\mathrm{\Δ}P}}_i\left(t\right)\\ 0\≤{\stackrel{\‾}{u}}_i\left(t\right)+{\underset{\‾}{u}}_i\left(t\right)\≤1\\ a\≤\underset{t=1}{\overset{T}{\Σ}}{\stackrel{\‾}{u}}_i\left(t\right)\≤b\\ c\≤\underset{t=1}{\overset{T}{\Σ}}{\underset{\‾}{u}}_i\left(t\right)\≤d\end{array}\right.$

式中，i代表不确定集类型，P_i(t)表示风机功率、光伏功率或者负荷功率；P_imean(t)代表风机、光伏发电功率或负荷大小的当前预测值；代表风机、光伏发电功率或者负荷的上限；ΔP_i (t)代表风机、光伏发电功率功率或者负荷的下限；u_i(t)为引入的二值变量，当取1时，代表P_i(t)处于相应的上限，当u_i(t)取1时，代表P_i(t)处于相应的下限，若二者都取0，则风机、光伏发电功率或者负荷处于当前的预测值；

b、a分别为变量的上、下限，d、c分别为变量u_i(t)的上、下限，通过改变a、b、c、d的值限制不确定集的不确定程度。

6.根据权利要求1所述的基于Benders分解的独立型交流微电网优化配置方法，其特征在于，所述的步骤3)具体包括：

步骤31)，基于步骤1)和步骤2)，确定独立型交流微电网的二层鲁棒优化容量配置模型的目标函数，以分布式电源净现值投资成本和不确定集作用下的最小运行费用作为经济优化模型的目标函数，分布式电源净现值投资成本包括风机、光伏和柴油发电机的净现值投资成本；最小运行费用包括柴油发电机的运行费用、停电惩罚费用和弃电费用，具体形式为：

$\left\{\begin{array}{c}{C}_{total}=\min C_{\mathrm{int}}+\underset{P}{min}\underset{U}{max}{C}_{opt}\\ C_{int}=\underset{i\∈G,RES}{\mathrm{\Σ}}{\mathrm{\κ}}_{it}{\mathrm{CP}}_i{P}_i^{\max }{x}_i+\underset{i\∈S}{\mathrm{\Σ}}{\mathrm{\κ}}_{it}({\mathrm{CP}}_i{P}_i^{\max }+{\mathrm{CE}}_i{E}_i^{\max })x_i\\ C_{opt}=C_{de}+C_{lsh}+C_{dump}\\ =\underset{t=1}{\overset{T}{\Σ}}\mathrm{\η}(F_0{P_G}^{\max }+F_1{P}_G(t\left)\right)+\underset{t=1}{\overset{T}{\Σ}}{\mathrm{\υP}}_{lsh}\left(t\right)+\underset{t=1}{\overset{T}{\Σ}}{\mathrm{\μP}}_{dump}\left(t\right)\end{array}\right.$

式中，C_total为目标函数的总成本；C_int为净现值投资成本；C_opt代表不确定集作用下的运行成本；代表最大不确定条件下的最小运行成本；C_de代表柴油发电机的运行费用；C_lsh代表停电惩罚费用，C_dump代表弃电费用；i代表微源的种类；G代表柴油发电机；RES代表风机和光伏发电；S代表储能系统；κ_it代表机组i的净现值系数；x_i代表第i种机组种台数；CP_i代表微源i单位功率的初始投资成本，CE_i代表储能单位容量的初始投资成本；代表i种微源的额定功率，代表储能的额定容量；η代表单位油耗的价格，F₀、F₁为比例系数，P_G ^max代表柴油发电机最大功率，P_G(t)为t时刻的柴油发电机功率；υ为单位功率停电惩罚费用；P_lsh(t)为t时刻的切负荷量；μ为单位功率弃电费用；P_dump(t)为t时刻的弃电量；

步骤32)，基于步骤1)和步骤2)，确定独立型交流微电网二层鲁棒优化容量配置的约束条件，独立型交流微电网在运行中需要满足系统及各设备的运行约束，其中系统约束包括：

功率平衡约束：

$\underset{i\∈G,RES}{\Σ}{P}_i\left(t\right)+P^{dch}\left(t\right)-P^{ch}\left(t\right)+P_{sh}\left(t\right)=P_{load\left(t\right)}+P_{dump}\left(t\right),$

式中，P_i(t)表示t时刻风机功率、光伏功率或者负荷功率；P^dch(t)、P^ch(t)分别代表t时刻储能充、放电功率，P_lsh(t)代表t时刻的切负荷量，P_load(t)代表t时刻负荷不确定集，P_dump(t)代表由于风光发电过多引起的t时刻系统弃电量；

切负荷约束：

P_lsh(t)≥0，

$\underset{t}{\Σ}{P}_{lsh}\left(t\right)\≤\mathrm{\τ}\underset{t}{\Σ}{P}_{load}\left(t\right),$

式中，切负荷量大于等于零，全年切负荷量小于等于总负荷，τ表示比例系数；

系统弃电量约束：

P_dump(t)≥0，

$\underset{t}{\Σ}{P}_{dump}\left(t\right)\≤\mathrm{\λ}\underset{t}{\Σ}\underset{i\∈RES,G}{\Σ}{P}_i\left(t\right),$

式中，系统弃电量大于等于零，全年弃电量小于等于可再生能源发电量，λ表示比例系数；

可再生能源功率渗透率约束：

式中，全年可再生能源发电功率大于等于总负荷，表示比例系数；

各设备的运行约束包括风机、光伏、储能和柴油发电机组的运行约束，其中：

风机、光伏的运行约束为：

$\underset{i\∈RES}{P_i}\left(t\right)=P_i\left(t\right){x_i}^{w-1},$

式中，RES代表可再生能源机组，即光伏或风机，x_i代表机组台数，P_i(t)代表第i台可再生能源机组的额定功率、w表示迭代次数；

柴油发电机组出力约束：

$0\≤P_G\left(t\right)\≤P_G^{\max }{x_G}^{w-1},$

式中，柴油发电机发电功率P_G(t)小于所有机组额定功率的最大值，表示柴油发电机额定功率最大值，x_G表示柴油发电机配置台数，w表示迭代次数；

储能运行约束：

$\left\{\begin{array}{c}0\≤P^{dch}\left(t\right)\≤P^{dch\max }{x_{bat}}^{w-1}\\ 0\≤P^{ch}\left(t\right)\≤P^{ch\max }{x_{bat}}^{w-1}\\ E\left(t\right)=E(t-1)+{\mathrm{\η}}_c{P}^{ch}\left(t\right)-P^{dch}\left(t\right)/{\mathrm{\η}}_d\\ E_{\min }{x_{bat}}^{w-1}\≤E\left(t\right)\≤E_{\max }{x_{bat}}^{w-1}\end{array}\right.$

式中，P^dch(t)为t时刻储能的放电功率；P^dchmax为储能最大放电功率；P^ch(t)为t时刻储能的充电功率；P^chmax为储能最大放电功率；E(t)、E(t-1)分别为t时刻和t-1时刻储能的容量；η_c为储能的充电效率；η_d为储能的放电效率；E_min、E_max分别为储能容量的下限和上限，x_bat表示储能配置台数，w表示迭代次数。

7.根据权利要求6所述的基于Benders分解的独立型交流微电网优化配置方法，其特征在于，所述的步骤4)具体包括：

步骤41)，基于步骤1)、步骤2)和步骤3)，构造独立型交流微电网的二层鲁棒优化容量配置可行性检验子问题的目标函数及约束条件，具体形式为：

目标函数：

min S＝s₁+s₂+s₃，

约束条件：

$\underset{i\∈G,RES}{\Σ}{P}_i\left(t\right)+P^{dch}\left(t\right)-P^{ch}\left(t\right)+P_{lsh}\left(t\right)=P_{load\left(t\right)}+P_{dump}\left(t\right)---\left(1\right)$

$\underset{i\∈RES}{P_i}\left(t\right)=P_i\left(t\right){x_i}^{w-1}---\left(2\right)$

$0\≤P_G\left(t\right)\≤P_G^{\max }{x_G}^{w-1}---\left(3\right)$

0≤P^dch(t)≤P^dchmaxx_bat ^w-1 (4)

0≤P^ch(t)≤P^chmaxx_bat ^w-1 (5)

E(t)＝E(t-1)+η_cP^ch(t)-P^dch(t)/η_d (6)

E_minx_bat ^w-1≤E(t)≤E_maxx_bat ^w-1 (7)

P_lsh(t)≥0 (8)

P_dump(t)≥0 (9)

$\underset{t}{\Σ}{P}_{lsh}\left(t\right)-s_1\≤\mathrm{\τ}\underset{t}{\Σ}{P}_{load}\left(t\right)---\left(10\right)$

$\underset{t}{\Σ}{P}_{dump}\left(t\right)-s_2\≤\mathrm{\λ}\underset{t}{\Σ}\underset{i\∈RES,G}{\Σ}{P}_i\left(t\right)---\left(11\right)$

s₁≥0 (13)

s₂≥0 (14)

s₃≥0(15)

式中，s₁,s₂,s₃为约束条件(10)、(11)、(12)引入的松弛变量，采用拉格朗日对偶方法将该子问题进行解耦，得到对偶后的目标函数、约束条件和不可行割的形式，具体形式为：

目标函数：

约束条件：

y₁(t)-y_3-1(t)+y_3-2(t)-λy₁₂(t)＝0，

y₁(t)+y₂(t)-λy₁₂(t)-y₁₃(t)＝0，

y₁(t)-y_4-1(t)+y_4-2(t)-1/η_d y₆(t)＝0，

-y₁(t)-y_5-1(t)+y_5-2(t)+η_ch y₆(t)＝0，

y₁(t)-y₉(t)+y₁₁(t)＝0，

-y₁(t)-y₁₀(t)+y₁₂(t)＝0，

y₆(t+1)-y₆(t)-y_8-1(t)+y_8-2(t)＝0，

1-y₁₁(t)-y₁₄(t)＝0，

1-y₁₂(t)-y₁₅(t)＝0，

1-y₁₃(t)-y₁₆(t)＝0，

添加的不可行割为：

$\begin{array}{c}S-\underset{t}{\Σ}{y}_3\left(t\right)P_G^{\max }(x_G-x_G^{w-1})-\underset{i\∈RES}{\Σ}\underset{t}{\Σ}{y}_2\left(t\right)P_i\left(t\right)(x_i-x_i^{w-1})-\underset{t}{\Σ}\left(y_5\right(t)P^{ch\max }+y_4(t\left)P^{dch\max }\right)(x_{bat}-x_{bat}^{w-1})\\ +\underset{t}{\Σ}\left(y_{8-1}\right(t)E_{\min }-y_{8-2}(t\left)E_{\max }\right)(x_{bat}-x_{bat}^{w-1})\≤0\end{array}$

式中，y_i(t)为t时刻约束条件i引入的对偶变量，各约束条件引入的对偶变量大于等于零；

步骤42)，基于步骤1)、步骤2)和步骤3)，构造独立型交流微电网的二层鲁棒优化容量配置最优运行子问题的目标函数及约束条件，具体形式为：

目标函数：

$\underset{P}{\min }\underset{U}{max}(\underset{t}{\Σ}\mathrm{\η}\left(F_0{P_G}^{\max }+F_1{P}_G\left(t\right)\right)+\underset{t}{\Σ}{\mathrm{\υP}}_{lsh}\left(t\right)+\underset{t}{\Σ}{\mathrm{\μP}}_{dump}(t\left)\right),$

上式表示最大不确定性条件下的最小运行费用，η(F₀P_G ^max+F₁P_G(t))表示柴油机费用，为切负荷费用，为弃电量费用；

约束条件：

$\underset{i\∈G,RES}{\Σ}{P}_i\left(t\right)+P^{dch}\left(t\right)-P^{ch}\left(t\right)+P_{lsh}\left(t\right)=P_{load}\left(t\right)+P_{dump}\left(t\right)---\left(1\right)$

$\underset{i\∈RES}{P_i}\left(t\right)=P_i\left(t\right){x_i}^{w-1}---\left(2\right)$

$0\≤P_G\left(t\right)\≤P_G^{\max }{x_G}^{w-1}---\left(3\right)$

0≤P^dch(t)≤P^dchmaxx_bat ^w-1 (4)

0≤P^ch(t)≤P^chmaxx_bat ^w-1(5)

E(t)＝E(t-1)+η_cP^ch(t)-P^dch(t)/η_d(6)

E_minx_bat ^w-1≤E(t)≤E_maxx_bat ^w-1(7)

P_lsh(t)≥0(8)

P_dump(t)≥0(9)

$\underset{t}{\Σ}{P}_{lsh}\left(t\right)\≤\mathrm{\τ}\underset{t}{\Σ}{P}_{load}\left(t\right)---\left(10\right)$

$\underset{t}{\Σ}{P}_{dump}\left(t\right)\≤\mathrm{\λ}\underset{t}{\Σ}\underset{i\∈RES,G}{\Σ}{P}_i\left(t\right)---\left(11\right)$

采用拉格朗日对偶方法将该子问题进行解耦，得到对偶后的目标函数、约束条件和最优运行割的形式，具体形式为：

目标函数：

约束条件：

y₁(t)-y_3-1(t)+y_3-2(t)-λy₁₂(t)＝0，

y₁(t)+y₂(t)-λy₁₂(t)-y₁₃(t)＝0，

y₁(t)-y_4-1(t)+y_4-2(t)-1/η_d y₆(t)＝0，

-y₁(t)-y_5-1(t)+y_5-2(t)+η_ch y₆(t)＝0，

y₁(t)-y₉(t)+y₁₁(t)＝0，

-y₁(t)-y₁₀(t)+y₁₂(t)＝0，

y₆(t+1)-y₆(t)-y_8-1(t)+y_8-2(t)＝0，

添加的最优运行割为：

$UB=\mathrm{\Λ}+\underset{i\∈G,RES}{\Σ}{\mathrm{\κ}}_{it}{\mathrm{CP}}_{it}{P}_i^{\max }{x}_i^{w-1}+\underset{i\∈S}{\Σ}{\mathrm{\κ}}_{it}({\mathrm{CP}}_{it}{P}_i^{\max }+{\mathrm{CE}}_{it}{E}_i^{\max })x_i^{w-1},$

式中，Λ为对偶问题目标函数的最优解。

8.根据权利要求7所述的基于Benders分解的独立型交流微电网优化配置方法，其特征在于，所述的步骤5)具体包括：

步骤51)，基于步骤1)、步骤2)、步骤3)和步骤4)初始化机组台数，具体形式为：x_imin≤x_i≤x_imax，

式中，x_imin和x_imax由系统可再生能源分布情况、机组额定容量和系统负荷决定；

步骤52)，基于步骤1)、步骤2)和步骤3)对机组台数进行可行性判断，若不可行则添加不可行割：按照步骤41)的方法构造可行性检验子问题，判断初始化机组台数是否满足所有约束条件，若松弛变量之和大于零，则不满足所有约束条件，给初始化机组台数添加不可行割约束，重新初始化，直到松弛变量之和为零；

步骤53)，基于步骤1)、步骤2)、步骤3)和步骤52)判断机组台数是否达到最优，通过添加最优运行割使得机组台数配置达到运行最优，具体过程为：求解经济最优主问题，主问题第w次迭代时的求解形式：

$\begin{array}{c}Z\≥\underset{i\∈G,RES}{\Σ}{\mathrm{\κ}}_{it}{\mathrm{CP}}_{it}{P}_i^{\max }{x}_i+\underset{i\∈S}{\Σ}{\mathrm{\κ}}_{it}({\mathrm{CP}}_{it}{P}_i^{\max }+{\mathrm{CE}}_{it}{E}_i^{\max })x_i\\ x_{imin}\≤x_i\≤x_{i\max }\end{array},$

可行性检验子问题添加的不可行割：

$\begin{array}{c}S-\underset{t}{\Σ}{y}_{23}\left(t\right)P_G^{\max }(x_G-x_G^{w-1})-\underset{i\∈RES}{\Σ}\underset{t}{\Σ}{y}_{24}\left(t\right)P_i\left(t\right)(x_i-x_i^{w-1})-\underset{t}{\Σ}\left(y_{25}\right(t)P^{ch\max }+y_{26}(t\left)P^{dch\max }\right)(x_{bat}-x_{bat}^{w-1})\\ +\underset{t}{\Σ}\left(y_{28-1}\right(t)E_{\min }-y_{28-2}(t\left)E_{\max }\right)(x_{bat}-x_{bat}^{w-1})\≤0\end{array},$

主问题得到原问题的下界LB＝Z以及对应的初始化机组台数；

按照步骤42)的方法求解对偶后的运行最优子问题，得到原问题的上界：

$UB=\mathrm{\Λ}+\underset{i\∈G,RES}{\Σ}{\mathrm{\κ}}_{it}{\mathrm{CP}}_{it}{P}_i^{\max }{x}_i^w+\underset{i\∈S}{\Σ}{\mathrm{\κ}}_{it}({\mathrm{CP}}_{it}{P}_i^{\max }+{\mathrm{CE}}_{it}{E}_i^{\max })x_i^w,$

式中，Λ为运行最优子问题的最优目标函数值；

判断上界UB是否等于下界LB，若|UB-LB|≤ε，则原问题迭代收敛，达到最优得到最优机组台数以及原问题最经济的总费用，ε表示收敛阈值；否则通过最优运行子问题的最优解给原问题添加可行割进行第w+1次迭代，添加的可行割形式为：

$\begin{array}{c}Z\≥\underset{i\∈G,RES}{\Σ}{\mathrm{\κ}}_{it}{\mathrm{CP}}_{it}{P}_i^{\max }{x}_i+\underset{i\∈S}{\Σ}{\mathrm{\κ}}_{it}({\mathrm{CP}}_{it}{P}_i^{\max }+{\mathrm{CE}}_{it}{E}_i^{\max })x_i-\underset{t}{\Σ}{y}_{23}\left(t\right)P_G^{\max }(x_G-x_G^w)-\underset{i\∈RES}{\Σ}\underset{t}{\Σ}{y}_{24}\left(t\right)P_i\left(t\right)(x_i-x_i^{w-1})\\ -\underset{t}{\Σ}\left(y_{25}\right(t)P^{ch\max }+y_{26}(t\left)P^{dch\max }\right)(x_{bat}-x_{bat}^w)+\underset{t}{\Σ}\left(y_{28-1}\right(t)E_{\min }-y_{28-2}(t\left)E_{\max }\right)(x_{bat}-x_{bat}^w)+\mathrm{\Λ}\end{array}.$