CN107134773B - 一种基于事件的智能微电网运行优化方法 - Google Patents

一种基于事件的智能微电网运行优化方法 Download PDF

Info

Publication number
CN107134773B
CN107134773B CN201710308898.2A CN201710308898A CN107134773B CN 107134773 B CN107134773 B CN 107134773B CN 201710308898 A CN201710308898 A CN 201710308898A CN 107134773 B CN107134773 B CN 107134773B
Authority
CN
China
Prior art keywords
event
change events
grid
moment
rolling
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
CN201710308898.2A
Other languages
English (en)
Other versions
CN107134773A (zh
Inventor
李歧强
刘建楠
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 Zhengchen Technology Co Ltd
Original Assignee
Shandong University
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 University filed Critical Shandong University
Priority to CN201710308898.2A priority Critical patent/CN107134773B/zh
Publication of CN107134773A publication Critical patent/CN107134773A/zh
Application granted granted Critical
Publication of CN107134773B publication Critical patent/CN107134773B/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
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/383—
    • 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
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/10—Photovoltaic [PV]
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y02P80/14—District level solutions, i.e. local energy networks
    • 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

本发明公开了一种基于事件的智能微电网运行优化方法，通过分析导致智能微电网原运行优化方案失效的因素，并进行分类，构建事件集合；以设定的时间间隔将优化周期划分为若干时段，结合构建的事件，进行滚动窗口划分，将优化周期重新划分为若干个滚动窗口；以智能微电网系统运行成本最低为目标，基于滚动窗口，建立基于事件的智能微电网滚动优化模型；采用基于滚动优化框架的运行优化方法对模型进行求解。本发明可有效解决由光伏输出功率和用电负荷不确定性以及电价变化引起的预测不准确而带来的运行成本增加问题。

Description

一种基于事件的智能微电网运行优化方法
技术领域
本发明涉及一种基于事件的智能微电网运行优化方法。
背景技术
在能源危机、环境恶化的严峻形势以及市场需求的推动下，由可再生发电单元、储能单元、控制单元以及负载等组成的智能微电网应运而生。智能微电网作为发挥分布式电源效能的有效技术手段，成为未来智能电网建设的一项重要技术。对智能微电网进行研究不仅具有重大的经济价值，也具有积极的社会影响。
经济性是智能微电网吸引用户并能在电力系统中得以推广的关键。虽然可以从大电网借鉴众多经验，但智能微电网中所包含的发电单元类型、负载特性、所采取的电力市场政策，与传统电力系统存在较大区别。
针对智能微电网的运行优化问题，以经济性最优为目标，国内外开展了大量研究，但已有研究基本都是将其作为确定性问题，当光伏输出功率、用电负荷或电价发生变化后，系统的经济最优性得不到保证，即使有的研究考虑了光伏发电、用电负荷或电价等不确定性，但求解方法比较复杂。
发明内容
本发明为了解决上述问题，提出了一种基于事件的智能微电网运行优化方法，本发明考虑光伏输出功率、用电负荷和电价变化，以保证在光伏输出功率、用电负荷或电价发生变化时，本发明所涉及的方法仍能保证智能微电网获得较好的经济性，并在实际智能微电网系统中得以推广应用。
为了实现上述目的，本发明采用如下技术方案：
一种基于事件的智能微电网运行优化方法，包括以下步骤：
(1)分析导致智能微电网原运行优化方案失效的因素，并进行分类，构建事件集合；
(2)以设定的时间间隔将优化周期划分为若干时段，结合构建的事件，进行滚动窗口划分，将优化周期重新划分为若干个滚动窗口；
(3)以智能微电网系统运行成本最低为目标，基于滚动窗口，建立基于事件的智能微电网滚动优化模型；
(4)采用基于滚动优化框架的运行优化方法对模型进行求解。
所述步骤(1)中，所述事件集合包括光伏输出功率变化事件、用电负荷变化事件和电价变化事件。
所述步骤(1)中，光伏输出功率变化事件的表达方法为：设定光伏输出功率最大允许差值，默认优化周期起始时刻有光伏输出功率变化事件发生，在判断某一时刻(非优化周期起始时刻)是否有光伏输出功率变化事件发生时，用该时刻光伏输出功率与已经发生的距离该时刻最近的光伏输出功率变化事件发生时刻光伏输出功率求差再取绝对值，然后与最大允许差值进行比较，若超过最大允许差值，则认为该时刻有光伏输出功率变化事件发生，否则认为该时刻没有光伏输出功率变化事件发生。
所述步骤(1)中，用电负荷变化事件的表达方法为：设定用电负荷最大允许差值，默认优化周期起始时刻有用电负荷变化事件发生，在判断某一时刻(非优化周期起始时刻)是否有用电负荷变化事件发生时，用该时刻用电负荷与已经发生的距离该时刻最近的用电负荷变化事件发生时刻用电负荷求差再取绝对值，然后与最大允许差值进行比较，若超过最大允许差值，则认为该时刻有用电负荷变化事件发生，否则认为该时刻没有用电负荷变化事件发生。
所述步骤(1)中，电价变化事件的表达方法为：取电价最大允许差值为0，默认优化周期起始时刻有电价变化事件发生，在判断某一时刻(非优化周期起始时刻)是否有电价变化事件发生时，用该时刻电价与已经发生的距离该时刻最近的电价事件发生时刻电价求差再取绝对值，然后与最大允许差值即0进行比较，若超过0，则认为该时刻有电价变化事件发生，否则认为该时刻没有电价变化事件发生。
所述步骤(2)中，滚动窗口划分规则：如果在若干个连续的时段内光伏输出功率和用电负荷变化均不大，且电价不变，则可以将这几个时段合并为一个滚动窗口。
所述步骤(2)中，选取时间间隔将优化周期划分为T个相同的时段，根据滚动窗口划分规则合并时段将优化周期重新划分为I个滚动窗口，滚动窗口i和时段t之间的对应关系用t(i)和N(i)来表示，使得滚动窗口i由从t(i)开始的N(i)个连续的时段合并成。
所述步骤(3)中，智能微电网滚动优化模型的目标函数为包括光伏电池阵列和蓄电池运行维护成本、蓄电池折旧成本以及购电成本和售电收益在内的所有运行成本之和最低。
所述步骤(3)中，智能微电网滚动优化模型的约束条件具体包括系统功率平衡约束、蓄电池充放电功率约束、蓄电池荷电状态约束、与电网交互功率约束、0-1变量约束和蓄电池荷电状态更新约束。
所述步骤(4)中，基于滚动优化方法，采用基于滚动优化框架的运行优化方法对模型进行求解，该方法考虑优化窗口和执行窗口，每次对运行优化窗口求解，并将优化结果应用到执行窗口，不断迭代，直到到达整个优化周期的最后，最终得到整个问题的解。
与现有技术相比，本发明的有益效果为：
(1)本发明利用滚动窗口划分可以在保证运行优化的优化性的同时保证运行优化的实时性；
(2)本发明可以有效解决由光伏输出功率和用电负荷的不确定性以及电价变化引起的运行成本增加问题；
(3)如果有事件发生，则再次进行优化，如果没有事件发生，则不再次进行优化，避免了计算资源的浪费。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为基于事件的智能微电网运行优化方法流程图；
图2为本发明智能微电网拓扑结构图；
图3为判断某一时刻是否有光伏输出功率变化事件发生示意图；
图4为滚动窗口与时段对应关系图；
图5为基于事件的智能微电网滚动优化模型求解示意图。
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。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的，现有技术中存在已有研究基本都是将其作为确定性问题，当光伏输出功率、用电负荷或电价发生变化后，系统的经济最优性得不到保证，即使有的研究考虑了光伏发电、用电负荷或电价等不确定性，但求解方法比较复杂的不足，针对智能微电网的运行优化问题，考虑光伏输出功率、用电负荷和电价变化，提出基于事件的智能微电网运行优化方法，以保证在光伏输出功率、用电负荷或电价发生变化时，本发明所涉及的方法仍能保证智能微电网获得较好的经济性，并在实际智能微电网系统中得以推广应用。
本申请的一种典型的实施方式中，本发明提供了一种基于事件的智能微电网运行优化方法，其流程图如图1，包括以下步骤：
提出光伏输出功率、用电负荷和电价变化事件；
按等时间间隔将优化周期划分为若干时段，基于步骤(1)中的事件，进行滚动窗口划分；
基于步骤(2)中的滚动窗口，建立基于事件的智能微电网滚动优化模型；
采用基于滚动优化框架的运行优化方法对步骤(3)中的模型进行求解。
一、上述事件的表达如下：
1.光伏输出功率变化事件
记光伏输出功率最大允许差值为Δ(kW)，则光伏输出功率变化事件可描述为：
首先，默认优化周期起始时刻有光伏输出功率变化事件发生。其次，在判断某一时刻是否有光伏输出功率变化事件发生时，用该时刻光伏输出功率与已经发生的距离该时刻最近的光伏输出功率变化事件发生时刻光伏输出功率求差再取绝对值，然后与Δ进行比较，若超过Δ，则认为该时刻有光伏输出功率变化事件发生，否则认为该时刻没有光伏输出功率变化事件发生。图3为判断某一时刻是否有光伏输出功率变化事件发生示意图。
2.用电负荷变化事件
记用电负荷最大允许差值为Δ'(kW)，用电负荷变化事件的描述同光伏输出功率变化事件。
3.电价变化事件
电价包括购电和售电电价。与光伏输出功率和用电负荷变化事件不同，对于电价变化事件，取电价最大允许差值为0(购电和售电电价最大允许差值均为0，元/(kW·h))，也就是说，在判断某一时刻是否有电价变化事件发生时，只要该时刻电价与距离该时刻最近的电价变化事件发生时刻电价不相等(购电和售电电价均不相等)，则认为该时刻有电价变化事件发生，否则认为该时刻没有电价变化事件发生。
二、上述滚动窗口划分如下：
滚动窗口划分规则：如果在若干个连续的时段内光伏输出功率和用电负荷变化均不大，且电价不变，则可以将这几个时段合并为一个滚动窗口。
首先，选取时间间隔将优化周期划分为T个相同的时段，记作t＝1,2,…,T；然后，根据滚动窗口划分规则合并时段将优化周期重新划分为I个滚动窗口(每个滚动窗口都可能不同)，记作i＝1,2,…,I。滚动窗口i和时段t之间的对应关系可以用t(i)和N(i)来表示，意思是滚动窗口i由从t(i)开始的N(i)个连续的时段合并成，其示意图如图4。
三、上述基于事件的智能微电网滚动优化模型如下：
1.目标函数
本文针对光伏储能智能微电网系统的运行优化问题，考虑以其运行成本最低为目标，包括光伏电池阵列和蓄电池运行维护成本、蓄电池折旧成本以及购电成本和售电收益，目标函数如下：
min CTotal＝COM+CPurchase+CSale+CBat (1)
其中，CTotal为总运行成本(元)；COM为光伏电池阵列和蓄电池运行维护成本(元)；CPurchase为购电成本(元)；CSale为售电收益(元)；CBat为蓄电池折旧成本(元)。
运行维护成本
式中：Δt为时段长度(h)；P′pv,i为滚动窗口i光伏输出功率(kW)；P′bc,i和P′bd,i分别为滚动窗口i蓄电池充电和放电功率(充电功率小于0，放电功率大于0，kW)；SW为滚动窗口个数；KOM,pv和KOM,bat分别为光伏电池阵列和蓄电池运行维护系数(元/(kW·h))。
购电成本
式中：P′gp,i为滚动窗口i购电功率(购电功率大于0，kW)；c′gp,i为滚动窗口i购电电价(元/(kW·h))。
售电收益
式中：P′gs,i为滚动窗口i售电功率(售电功率小于0，kW)；c′gs,i为滚动窗口i售电电价(元/(kW·h))。
折旧成本
蓄电池折旧成本计算如式(5)：。
式中：cbw为蓄电池单位放电折旧成本(元/(kW·h))。
2.约束条件
系统功率平衡约束
其中，P′ld,i为滚动窗口i用电负荷(kW)；ηpv,inv为并网逆变器逆变效率；ηbat,rec和ηbat,inv分别为双向逆变器整流和逆变效率；
蓄电池充放电功率约束
其中，Pbc,max和Pbd,max分别为蓄电池所允许的最大充电和放电功率(均为正，kW)。
蓄电池荷电状态约束
SOCmin≤SOCi′≤SOCmax i＝1,2,…,SW (8)
其中，SOCi′为滚动窗口i末蓄电池荷电状态；SOCmin和SOCmax分别为蓄电池所允许的最小和最大荷电状态；
与电网交互功率约束
其中，Pgs,max和Pgp,max分别为所允许的最大购电和售电功率(均为正，kW)；0-1变量约束
其中，λi＝1表示蓄电池处于充电状态，否则表示蓄电池处于放电状态；δi＝1表示智能微电网与电网之间的功率交互处于售电状态，否则表示智能微电网与电网之间的功率交互处于购电状态；
蓄电池荷电状态更新约束
SOCinitial＝SOCn-1 (11)
其中，SOCinitial为蓄电池荷电状态初始值；SOCn-1为时段(n-1)末蓄电池荷电状态。
四、上述基于滚动优化框架的运行优化方法如下：
基于滚动优化方法，采用基于滚动优化框架的运行优化方法对模型进行求解，该方法考虑优化窗口和执行窗口，每次对优化窗口求解，并将优化结果应用到执行窗口，不断迭代，直到到达整个优化周期的最后，最终得到整个问题的解，图5为基于事件的智能微电网滚动优化运行优化模型求解示意图。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
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 (9)

1.一种基于事件的智能微电网运行优化方法，其特征是：包括以下步骤：
(1)分析导致智能微电网原运行优化方案失效的因素，并进行分类，构建事件集合，所述事件集合包括光伏输出功率变化事件、用电负荷变化事件和电价变化事件；
(2)以设定的时间间隔将优化周期划分为若干时段，结合构建的事件，进行滚动窗口划分，将优化周期重新划分为若干个滚动窗口；
(3)以智能微电网系统运行成本最低为目标，基于滚动窗口，建立基于事件的智能微电网滚动优化模型；
(4)采用基于滚动优化框架的运行优化方法对模型进行求解。
2.如权利要求1所述的一种基于事件的智能微电网运行优化方法，其特征是：所述步骤(1)中，光伏输出功率变化事件的表达方法为：设定光伏输出功率最大允许差值，默认优化周期起始时刻有光伏输出功率变化事件发生，在判断某一时刻(非优化周期起始时刻)是否有光伏输出功率变化事件发生时，用该时刻光伏输出功率与已经发生的距离该时刻最近的光伏输出功率变化事件发生时刻光伏输出功率求差再取绝对值，然后与最大允许差值进行比较，若超过最大允许差值，则认为该时刻有光伏输出功率变化事件发生，否则认为该时刻没有光伏输出功率变化事件发生。
3.如权利要求1所述的一种基于事件的智能微电网运行优化方法，其特征是：所述步骤(1)中，用电负荷变化事件的表达方法为：设定用电负荷最大允许差值，默认优化周期起始时刻有用电负荷变化事件发生，在判断某一时刻(非优化周期起始时刻)是否有用电负荷变化事件发生时，用该时刻用电负荷与已经发生的距离该时刻最近的用电负荷变化事件发生时刻用电负荷求差再取绝对值，然后与最大允许差值进行比较，若超过最大允许差值，则认为该时刻有用电负荷变化事件发生，否则认为该时刻没有用电负荷变化事件发生。
4.如权利要求1所述的一种基于事件的智能微电网运行优化方法，其特征是：所述步骤(1)中，电价变化事件的表达方法为：取电价最大允许差值为0，默认优化周期起始时刻有电价变化事件发生，在判断某一时刻(非优化周期起始时刻)是否有电价变化事件发生时，用该时刻电价与已经发生的距离该时刻最近的电价事件发生时刻电价求差再取绝对值，然后与最大允许差值即0进行比较，若超过0，则认为该时刻有电价变化事件发生，否则认为该时刻没有电价变化事件发生。
5.如权利要求1所述的一种基于事件的智能微电网运行优化方法，其特征是：所述步骤(2)中，滚动窗口划分规则：如果在若干个连续的时段内光伏输出功率和用电负荷变化均不大，且电价不变，则可以将这几个时段合并为一个滚动窗口。
6.如权利要求1所述的一种基于事件的智能微电网运行优化方法，其特征是：所述步骤(2)中，选取时间间隔将优化周期划分为T个相同的时段，根据滚动窗口划分规则合并时段将优化周期重新划分为I个滚动窗口，滚动窗口i和时段t之间的对应关系用t(i)和N(i)来表示，使得滚动窗口i由从t(i)开始的N(i)个连续的时段合并成。
7.如权利要求1所述的一种基于事件的智能微电网运行优化方法，其特征是：所述步骤(3)中，智能微电网滚动优化模型的目标函数为包括光伏电池阵列和蓄电池运行维护成本、蓄电池折旧成本以及购电成本和售电收益在内的所有运行成本之和最低。
8.如权利要求1所述的一种基于事件的智能微电网运行优化方法，其特征是：所述步骤(3)中，智能微电网滚动优化模型的约束条件具体包括：系统功率平衡约束、蓄电池充放电功率约束、蓄电池荷电状态约束、与电网交互功率约束、0-1变量约束和蓄电池荷电状态更新约束。
9.如权利要求1所述的一种基于事件的智能微电网运行优化方法，其特征是：所述步骤(4)中，基于滚动优化方法，采用基于滚动优化框架的运行优化方法对模型进行求解，该方法考虑优化窗口和执行窗口，每次对优化窗口求解，并将优化结果应用到执行窗口，不断迭代，直到到达整个优化周期的最后，最终得到整个问题的解。
CN201710308898.2A 2017-05-04 2017-05-04 一种基于事件的智能微电网运行优化方法 Active CN107134773B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710308898.2A CN107134773B (zh) 2017-05-04 2017-05-04 一种基于事件的智能微电网运行优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710308898.2A CN107134773B (zh) 2017-05-04 2017-05-04 一种基于事件的智能微电网运行优化方法

Publications (2)

Publication Number Publication Date
CN107134773A CN107134773A (zh) 2017-09-05
CN107134773B true CN107134773B (zh) 2019-08-20

Family

ID=59715861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710308898.2A Active CN107134773B (zh) 2017-05-04 2017-05-04 一种基于事件的智能微电网运行优化方法

Country Status (1)

Country Link
CN (1) CN107134773B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112736918B (zh) * 2020-12-29 2023-01-24 广东电网有限责任公司电力调度控制中心 微电网中源储荷协调的两级优化调度方法、装置及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184475A (zh) * 2011-05-11 2011-09-14 浙江大学 基于多时间尺度协调的微网经济运行优化调度方法
CN104268652A (zh) * 2014-09-28 2015-01-07 南方电网科学研究院有限责任公司 一种考虑实时电价与可控负荷的微电网运行优化方法
CN105356521A (zh) * 2015-12-14 2016-02-24 东南大学 一种基于时域滚动控制的交直流混合微电网运行优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184475A (zh) * 2011-05-11 2011-09-14 浙江大学 基于多时间尺度协调的微网经济运行优化调度方法
CN104268652A (zh) * 2014-09-28 2015-01-07 南方电网科学研究院有限责任公司 一种考虑实时电价与可控负荷的微电网运行优化方法
CN105356521A (zh) * 2015-12-14 2016-02-24 东南大学 一种基于时域滚动控制的交直流混合微电网运行优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于鲁棒后悔度的光储微网优化调度;王刚等;《电网技术》;20170131;第41卷(第1期);第106-111页

Also Published As

Publication number Publication date
CN107134773A (zh) 2017-09-05

Similar Documents

Publication Publication Date Title
Akella et al. Distributed power balancing for the FREEDM system
CN102694391B (zh) 风光储联合发电系统日前优化调度方法
CN106532764B (zh) 一种就地消纳光伏发电的电动汽车充电负荷调控方法
Chen et al. Multi-time scale coordinated optimal dispatch of microgrid cluster based on MAS
CN106532751B (zh) 一种分布式电源能效优化方法及系统
CN103441520A (zh) 微网分布式新能源储能系统
CN114336702B (zh) 基于双层随机规划的风光储场站群功率分配协同优化方法
CN110994694A (zh) 计及差异化需求响应的微电网源荷储协调优化调度方法
CN105162113A (zh) 一种基于灵敏度分析的微电网与配电网互动成本计算方法
CN106451552A (zh) 一种基于势博弈的微电网能量管理系统分布式优化算法
CN104852399A (zh) 光储微网系统的储能容量动态优化方法
Mannepalli et al. Allocation of optimal energy from storage systems using solar energy
Zhang et al. Efficient design of energy microgrid management system: a promoted Remora optimization algorithm-based approach
Fan et al. Scheduling framework using dynamic optimal power flow for battery energy storage systems
CN114938035B (zh) 考虑储能退化成本的共享储能能量调度方法及系统
CN115169723A (zh) 发电功率预测方法、负荷预测方法及模型训练方法
Meng et al. Distributed grid intelligence for future microgrid with renewable sources and storage
CN107134773B (zh) 一种基于事件的智能微电网运行优化方法
Kumar et al. Smart home energy management with integration of PV and storage facilities providing grid support
CN117332963A (zh) 一种源网荷储协同的虚拟电厂动态优化调度方法及系统
Wang et al. Noncooperative distributed social welfare optimization with EV charging response
CN109347120A (zh) 一种面向电网频率响应的决策方法和系统
CN112564151B (zh) 一种计及隐私意识的多微网云储能优化调度方法及系统
CN106300425B (zh) 一种基于用户舒适度的分布式能源管理方法
Ganesan et al. Dynamic and intelligent load servicing strategy for a stand-alone solar PV-based microgrid

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20211116

Address after: 250000 floor 5, building 2, Aosheng building, 1166 Xinluo street, high tech Industrial Development Zone, Jinan, Shandong Province

Patentee after: Shandong Zhengchen Technology Co., Ltd

Address before: 250061 No. 17923, Jingshi Road, Jinan City, Shandong Province

Patentee before: Shandong University