CN107565607B - 一种基于实时电价机制的微电网多时间尺度能量调度方法 - Google Patents

一种基于实时电价机制的微电网多时间尺度能量调度方法 Download PDF

Info

Publication number
CN107565607B
CN107565607B CN201710999110.7A CN201710999110A CN107565607B CN 107565607 B CN107565607 B CN 107565607B CN 201710999110 A CN201710999110 A CN 201710999110A CN 107565607 B CN107565607 B CN 107565607B
Authority
CN
China
Prior art keywords
day
time
output
energy
scheduling
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
CN201710999110.7A
Other languages
English (en)
Other versions
CN107565607A (zh
Inventor
戴志辉
陈冰研
杨熙
寇博绰
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.)
North China Electric Power University
Original Assignee
North China Electric Power 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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN201710999110.7A priority Critical patent/CN107565607B/zh
Publication of CN107565607A publication Critical patent/CN107565607A/zh
Application granted granted Critical
Publication of CN107565607B publication Critical patent/CN107565607B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明公开了一种基于实时电价机制的微电网多时间尺度能量调度方法，所述基于实时电价机制的微电网多时间尺度能量调度方法包括日前调度时间尺度和日内调度时间尺度，并以优先级调度策略连接日前调度时间尺度和日内调度时间尺度，采用粒子群优化算法求解微网多时间尺度的鲁棒优化问题。满足实时电价机制的需求，适用于峰谷分时电价体系，其步骤简洁，在每个调度时段都能为微网内各分布式电源提供实时、明确的调度优先级，进而充分利用可再生能源，减少弃风弃光，提高负荷供电可靠性，并且基于实时电价信息的调度策略与多时间尺度理论的结合，增强了日前调度对日内调度的指导作用，促进了两个时间尺度调度的协调配合，减少了短时间尺度调度的负担。

Description

一种基于实时电价机制的微电网多时间尺度能量调度方法
技术领域
本发明涉及微电网能量管理技术领域，特别是涉及基于实时电价机制的微电网多时间尺度能量调度方法。
背景技术
近年来，风、光能源在发电领域得到了广泛的应用，风、光发电的装机容量逐年增加。但是，风、光能源的随机性和波动性深刻影响着调度的准确性。
分时电价机制是我国近几年应用较为普遍的一种电价体系，根据用户的负荷需求将每天的时间分为峰谷平或峰谷时段，并且基于峰谷分时电价机制的优化调度方法需依赖峰谷时段的划分。
与峰谷分时电价机制相比，实时电价机制能反应每小时甚至更短时间段电价波动。实时电价机制在互联电网间贸易结算、需求侧响应和为发电厂提供优化发电功率依据等方面有着比峰谷分时电价机制更为突出的优势。在仅有实时电价信息而无明确的时段划分时，部分调度策略的执行存在一定的难度。另外，部分策略保证了微网系统运行的经济性，但对提高可再生能源利用率、减少负荷缺失率方面改善不明显。
因此希望有一种基于实时电价机制的微电网多时间尺度能量调度方法可以克服或至少减轻现有技术中的问题。
发明内容
本发明的目的在于提供一种基于实时电价机制的微电网多时间尺度能量调度方法通过优先级信息将多个时间尺度紧密结合，根据主网实时电价信息与微网内柴油机单位发电成本之间的数量关系，确定日前每小时柴油机、网间交互功率、储能的优先调度顺序，直接指导日内短时间尺度调度，克服电价时段的划分对制定调度策略的影响，并运用鲁棒优化处理风能光能的出力不确定性。
本发明提供了一种基于实时电价机制的微电网多时间尺度能量调度方法，所述基于实时电价机制的微电网多时间尺度能量调度方法包括日前调度时间尺度和日内调度时间尺度，并以优先级调度策略连接日前调度时间尺度和日内调度时间尺度，采用粒子群优化算法求解微网多时间尺度的鲁棒优化问题；
所述基于实时电价机制的微电网多时间尺度能量调度包括以下步骤：
步骤一：基于实时电价优先级调度策略，并根据微网购电电价
Figure GDA0002379508600000021
微网售电电价
Figure GDA0002379508600000022
和柴油发电机的单位发电成本Cde三项指标将优先级调度策略划分为三种方案，并且当柴油发电机、储能电池和网间交互功率不能完全补充负荷需求时，负荷缺失；当柴油发电机出力取极小值
Figure GDA0002379508600000023
且储能电池和网间交互功率无法完全消纳电源出力时，放弃风能和光能；
所述步骤一中的优先级调度策略根据公式(19)和(20)确定柴油发电机的一次预设动作
Figure GDA0002379508600000024
即出力极大值
Figure GDA0002379508600000025
或极小值
Figure GDA0002379508600000026
Figure GDA0002379508600000027
Figure GDA0002379508600000028
Pde,max表示柴油机最大功率，tr约束表述为：在最小运行时间内，只允许柴油发电机发生一次从运行到停运的状态变化；ts约束表述为：在最小停运时间内，只允许柴油发电发生一次从停运到运行的状态变化；柴油机效率低时设定最小出力阈值为0.3Pde,max，即运行时柴油机保证出力大于0.3Pde,max，在此基础上根据公式(21)计算功率不平衡量ΔPt，其中
Figure GDA0002379508600000029
分别表示风、光出力的调度值，
Figure GDA00023795086000000210
为t时刻的负荷需求，
Figure GDA00023795086000000211
可正可负，正值表示主网向微网售电，负值表示主网从微网购电；
Figure GDA00023795086000000212
表示储能电池t时刻的出力，公式(22)表示ΔPt>0时能量富余增加出力
Figure GDA00023795086000000213
而ΔPt<0时能量缺失减少出力
Figure GDA00023795086000000214
根据公式(23)确定柴油机二次调整动作，
Figure GDA00023795086000000215
Figure GDA00023795086000000216
Figure GDA0002379508600000031
步骤二：以24小时为优化时间窗口，以1小时为时间单位进行日前优化；
步骤三：遵循日前调度优先级进行日内优化，保持柴油发电机每小时的启停状态与日前状态一致；
步骤四：由于风能和光能的可变性大于负荷的可变性，应用鲁棒优化方法求解再生风能和光能出力。
优选地，所述步骤一中的三种方案包括：
方案一：当
Figure GDA0002379508600000032
时，从主网购电，并减少柴油机发电量，柴油发电机一次预设出力为
Figure GDA0002379508600000033
由此确定功率不平衡量ΔPt，消纳富余能量的优先级别为Pes,-＞Pgrid,-；补充缺失能量的优先级别为Pes,+、Pgrid,+＞Pde，其中Pes,-和Pgrid,-表示储能出力和网间交互功率为负荷性质，当储能电池不能完全消纳富余能量时，微网向主网售电，微网售电费用计入微网收益，其中Pes,+和Pgrid,+表示储能出力和网间交互功率为电源性质，根据公式(24)计算储能电池t时刻的单位放电成本
Figure GDA0002379508600000034
并与微网的购电电价
Figure GDA0002379508600000035
比较，低者优先级别高，当储能出力和网间交互功率不能完全补充缺失能量时，确定柴油机二次调整增加出力
Figure GDA0002379508600000036
Figure GDA0002379508600000037
方案二：当
Figure GDA0002379508600000038
时，不从主网购电，也不考虑为售电而增加柴油机出力，柴油发电机一次预设出力为
Figure GDA0002379508600000039
由此确定功率不平衡量ΔPt，消纳富余能量的优先级别为Pes,-＞Pgrid,-，补充缺失能量的优先级别为Pde＞Pes,+、Pgrid,+，当储能出力和网间交互功率不能完全补充缺失能量时，确定柴油机二次调整增加出力
Figure GDA00023795086000000310
方案三：当
Figure GDA00023795086000000311
时，柴油发电机最大程度发电，并向主网售电，确定此时柴油发电机的一次预设出力
Figure GDA00023795086000000312
计算功率不平衡量ΔPt，补充缺失能量的优先级别为Pde＞Pes,+、Pgrid,+；消纳富余能量的优先级别为Pes,-＞Pgrid,-，当储能和网间交互功率无法完全消纳富余能量时，柴油发电机确定二次调整行为，减少出力
Figure GDA0002379508600000041
优选地，所述步骤二中的日前优化应用短期功率预测技术预测风、光和负荷数据，以微网系统总成本fcost最小和弃风弃光率fdrop最小为目标进行双目标优化，根据所述实时电价优先级调度策略，确定每小时的调度方案，制定日前调度计划，如公式(25)-(27)所示：
fcost＝Fwt+Fpv+Fde+Fes+Fgrid (25)
Figure GDA0002379508600000042
Figure GDA0002379508600000043
式中，Fwt表示风力发电机的配置总费用；Fpv表示光伏电池的配置总费用；Fgrid为微网与主网之间的功率交互总成本；Fde为柴油机配置总费用；Fes为储能电池配置总费用；T表示计算周期；St drop表示弃风弃光状态参数，有弃风弃光时为1，没有时为0；ΔT表示1小时；
Figure GDA0002379508600000044
为t时刻的风、光消纳差额，当
Figure GDA0002379508600000045
表示未被完全消纳，放弃风能和光能，当
Figure GDA0002379508600000046
表示被完全消纳。
优选地，所述步骤三中的日内优化以1h为优化时间窗口，以15min为基本时间单位，优化4次，以对日前计划调整fadj最小和系统负荷缺失率fre最小为目标进行多目标优化，如公式(28)-(29)所示，
Figure GDA0002379508600000047
Figure GDA0002379508600000048
式中，
Figure GDA0002379508600000049
为日前第t小时电源出力，
Figure GDA00023795086000000410
为日前第t小时对应的日内第i个时间单位的电源出力，a、b为加权系数，取a+b＝1，a＞b，并且日内一小时平均出力和每15min电源出力均约为日前出力。
优选地，所述步骤四中的鲁棒优化方法首先将风能和光能不确定性问题定义为：
Figure GDA0002379508600000051
式中：x为决策变量，X为决策变量集；ε为不确定变量，U为有界不确定集；不确定变量为风、光预测误差
Figure GDA0002379508600000052
且满足公式(5)-(6)，决策变量为
Figure GDA0002379508600000053
Figure GDA0002379508600000054
Figure GDA0002379508600000055
其次，所述鲁棒优化方法使用鲁棒优化框架处理风和光出力的预测误差，将不确定性问题转化为确定性问题求解，由公式(3)、(4)、(17)、(18)，可得系统功率备用约束如公式(31)：
Figure GDA0002379508600000056
Figure GDA0002379508600000057
Figure GDA0002379508600000058
Figure GDA0002379508600000059
Figure GDA00023795086000000510
其中
Figure GDA00023795086000000511
分别表示风、光出力的调度值和预测值；
如公式(32)构造拉格朗日函数，约束为公式(3)和(4)：
Figure GDA00023795086000000512
由公式(32)拉格朗日函数经线性对偶得到风、光预测误差之和的最大值
Figure GDA00023795086000000513
满足公式(33)：
Figure GDA0002379508600000061
式中p1、p2、q1、q2为常数，综合公式(31)、(33)，消去不确定量，则柴油发电机、储能电池和主网交换功率应满足公式(34)：
Figure GDA0002379508600000062
公式(34)反应了风、光预测误差对可控
Figure GDA0002379508600000063
的影响，不等式左侧反映的是考虑负荷备用系数的t时刻
Figure GDA0002379508600000064
最大出力潜力，不等式右侧反映了可再生能源随机性带来的出力波动，即使风、光出力预测精度最低，可控分布式电源和网间交互功率的出力潜力仍能保证系统稳定运行；
如公式(35)，系数p1、p2分别反应风、光预测误差对调度的影响，取值与设定的预侧误差有关：
Figure GDA0002379508600000065
式中，p1,max、p2,max为最大可取值，在预测误差最值一定的情况下，当p1、p2较小时，不等式右侧较大，不等式左侧也较大，即调度时应留有较多备用，以应对不确定的影响，当p1、p2较大时，不等式右侧较小，不等式左侧也较小，当p1或p2取最大值时，不等式右侧对应项为0，表示风电或光伏的不确定性对调度结果无影响。
优选地，所述粒子群优化算法包括：粒子的初始位置和速度随机产生，根据公式(36)和(37)更新粒子位置和速度：
Figure GDA0002379508600000071
xt+1＝xt+vt+1 (37)
式中，pbestt与gbestt分别为t时刻的个体最优值和全局最优值；c1为自我认知因子；c2为社会认知因子,反映了每个粒子向pbestt和gbestt位置移动的速度权值；c1、c2过小易使粒子在最优区域外徘徊，过大易使粒子越过最优区域，取c1＝c2＝2，w为惯性因子，表征粒子t时刻速度对t+1时刻速度的影响。
优选地，所述粒子群优化算法的过程包括：
(1)输入一天24小时微网购电和售电电价，以及柴油机的单位发电成本，确定每小时的调度方案；
(2)进行所述日前优化，收集日前1h级风、光出力预测值以及负荷预测值；
(3)按步骤(1)确定的方案执行，根据柴油机实际运行情况及公式(19)-(20)约束，确定柴油机的一次预设出力
Figure GDA0002379508600000072
并代入日前1h风、光、负荷数据，由公式(21)确定功率不平衡量ΔPt；根据所述基于实时电价机制的微电网多时间尺度能量调度的步骤一确定
Figure GDA0002379508600000073
由公式(22)-(23)确定柴油机二次调整出力
Figure GDA0002379508600000074
和最终出力
Figure GDA0002379508600000075
(4)若
Figure GDA0002379508600000076
满足公式(34)，即满足日前负荷备用约束，进行步骤(5)，否则返回步骤(3)；
(5)计算粒子的经济性、弃风和弃光率，并进行比较，取无相互支配关系的非支配解集，按拥挤距离排序得到群体最优解；
(6)进行日内优化，收集日内15min级风、光出力预测值以及负荷预测值；
(7)采用步骤(1)确定的调度方案，保证柴油机的启停状态与日前一致，并确定一次预设出力
Figure GDA0002379508600000077
代入日内15min风、光、荷数据，由公式(21)确定功率不平衡量ΔPt；根据所述基于实时电价机制的微电网多时间尺度能量调度的步骤一确定
Figure GDA0002379508600000081
由公式(22)-(23)确定柴油机二次调整出力
Figure GDA0002379508600000082
和最终出力
Figure GDA0002379508600000083
(8)若
Figure GDA0002379508600000084
满足式(34)，即满足日前负荷备用约束，进行步骤(9)，否则返回步骤(7)；
(9)计算粒子的负荷缺失率和对日前调整量，并进行比较，取无相互支配关系的非支配解集，按拥挤距离排序得到群体最优解；
(10)若4个15min优化均已完成，进入步骤(11)，否则进行下一个15min优化并返回步骤(6)；
(11)若一天24h的优化均已完成，优化结束，否则进行下一小时优化并返回步骤(2)。
本发明公开了一种基于实时电价机制的微电网多时间尺度能量调度方法，通过所述基于实时电价机制的微电网多时间尺度能量调度方法可知优先级调度策略不依赖电价时段的划分，满足实时电价机制的需求，也同样适用于目前广泛应用的峰谷分时电价体系，其决策步骤简洁，在每个调度时段都能为微网内各分布式电源提供实时、明确的调度优先级，进而充分利用可再生能源，减少弃风弃光，提高负荷供电可靠性，并且基于实时电价信息的调度策略与多时间尺度理论的结合，增强了日前调度对日内调度的指导作用，促进了两个时间尺度调度的协调配合，减少了短时间尺度调度的负担。
附图说明
图1是优先级调度策略示意图；
图2是粒子群算法求解流程图；
图3是风、光、负荷预测数据示意图；
图4是微网电价信息示意图；
图5是微网日前调度计划示意图；
图6是柴油发电机调度计划示意图；
图7是储能电池调度计划示意图；
图8是网间交互功率计划示意图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明。
1.风机和光伏数学模型
风能和太阳能属于清洁能源，在本发明中考虑全额接纳风、光出力，风机和光伏电池维护成本较小，因此，费用方面只考虑风机和光伏电池的安装成本如式(1)-(2)。
Fwt＝CwtNwt (1)
Fpv＝CpvNpv (2)
式中：Cwt、Nwt、Fwt分别表示风力发电机的单机安装成本、安装台数、配置总费用，Cpv、Npv、Fpv分别表示光伏电池的单机安装成本、安装台数、配置总费用。风、光出力应由预测出力部分和预测误差两部分组成，如式(3)-(4)。
Figure GDA0002379508600000091
Figure GDA0002379508600000092
Figure GDA0002379508600000093
Figure GDA0002379508600000094
Figure GDA0002379508600000095
分别表示风、光出力的调度值和预测值，
Figure GDA0002379508600000096
表示预测误差，ΔPwt,min、ΔPwt,max表示风电预测误差的最小值和最大值；ΔPpv,min、ΔPpv,max表示光伏预测误差的最小值和最大值。
2储能数学模型
储能电池在充电过程中的损耗相对较小，可忽略不计，只计算放电过程中的损耗。为保证铅酸蓄电池有相对较长的使用寿命，应使蓄电池浅充浅放。储能电池的运行约束条件如式(7)-(9)。并采用拟合的电池损耗成本函数，如式(10)-(11)所示。
Figure GDA0002379508600000101
Figure GDA0002379508600000102
Figure GDA0002379508600000103
Figure GDA0002379508600000104
Figure GDA0002379508600000105
式中：
Figure GDA0002379508600000106
分别为蓄电池t时段初和t-1时段初的剩余能量，ΔT为间隔时间。SOCmax、SOCmin表示电池的荷电状态上下限，ΔSOCt表示t时间段内电池荷电状态变化量，N为最大充放电循环次数，Fes,ini为电池的初始投资,k为修正系数；
Figure GDA0002379508600000107
为储能电池的充、放电功率；
Figure GDA0002379508600000108
为储能电池的最大充放电功率，需要考虑荷电状态约束；
Figure GDA0002379508600000109
和
Figure GDA00023795086000001010
分别为电池的充放电效率；
Figure GDA00023795086000001011
和
Figure GDA00023795086000001012
分别为电池的充放电状态；系数a、b、c、d可分别取308.6、-473.6、-129.5、308；SOC为积分变量，积分上下限
Figure GDA00023795086000001013
分别为t时段的初始和结束荷电状态。
3.柴油机数学模型
微网中柴油发电机的成本如式(12)。式(13)-(14)为柴油机运行需要满足的出力约束和启停时间约束：
Figure GDA00023795086000001014
Figure GDA00023795086000001015
Figure GDA00023795086000001016
式中：K、km,de、ke、
Figure GDA00023795086000001017
分别为柴油发电机的燃油成本系数、维护成本系数和环境成本系数和t时刻的发电量；Pde,max、Pde,min分别表示柴油机最大最小出力限制；Fde,ini、
Figure GDA0002379508600000111
分别表示柴油机的配置成本、总成本。tr和ts分别表示最小运行时间和最小停运时间；
Figure GDA0002379508600000112
和
Figure GDA0002379508600000113
表示t时刻的柴油机转换状态，当柴油机在t时刻从运行状态转换为停运状态时
Figure GDA0002379508600000114
为1，当其在t时刻从停运状态转换为运行状态时
Figure GDA0002379508600000115
为1，不发生状态转换时均为0。
4.功率数学模型
微网与主网之间的网间交互功率
Figure GDA0002379508600000116
应满足式(15)-(16)：
Figure GDA0002379508600000117
Figure GDA0002379508600000118
式中：
Figure GDA0002379508600000119
可正可负，正值表示主网向微网售电，负值表示主网从微网购电；Pgrid,max表示微网与主网之间的最大允许交互功率；
Figure GDA00023795086000001110
分别表示微网从主网购电和售电的电价；Fgrid为微网与主网之间的功率交互总成本。
5微网系统约束
微网系统内各单元应该满足式(17)功率平衡约束，以及式(18)负荷备用约束。式中，
Figure GDA00023795086000001111
为t时刻的负荷需求，L％为负荷备用系数，
Figure GDA00023795086000001112
分别表示风、光出力的调度值。
Figure GDA00023795086000001113
Figure GDA00023795086000001114
从日前调度和日内调度两个时间尺度开展。以优先级调度策略作为进一步连接两个时间尺度的纽带。日前根据主网每个小时的实时电价与微网内可控分布式电源的单位发电成本关系确定不同的调度方案，无需依赖于电价时段的划分，保证了调度策略对实时电价的适应。在日内每小时直接采用日前的确定的调度方案，无需考虑微网电价信息，简化了日内调度过程，保证了能量管理在两个时间尺度的协调配合，实现微网长时间尺度经济运行，短时间尺度可靠运行。
实时电价信息中没有峰谷区段的划分，因而传统的基于分时电价机制的峰谷调度策略无法应用于实时电价机制。考虑微网和大电网的电能交易，采用基于实时电价信息的优先级调度策略。
优先级调度策略根据公式(19)和(20)确定柴油发电机的一次预设动作
Figure GDA0002379508600000121
即出力极大值
Figure GDA0002379508600000122
或极小值
Figure GDA0002379508600000123
Figure GDA0002379508600000124
Figure GDA0002379508600000125
Pde,max表示柴油机最大功率，柴油机效率低时设定最小出力阈值为0.3Pde,max，即运行时柴油机保证出力大于0.3Pde,max，在此基础上根据公式(21)计算功率不平衡量ΔPt，其中
Figure GDA0002379508600000126
分别表示风、光出力的调度值，
Figure GDA0002379508600000127
为t时刻的负荷需求，
Figure GDA0002379508600000128
可正可负，正值表示主网向微网售电，负值表示主网从微网购电；
Figure GDA0002379508600000129
表示储能电池t时刻的出力，公式(22)表示ΔPt>0时能量富余增加出力
Figure GDA00023795086000001210
而ΔPt<0时能量缺失减少出力
Figure GDA00023795086000001211
并按需公式(23)确定柴油机二次调整动作，
Figure GDA00023795086000001212
Figure GDA00023795086000001213
Figure GDA00023795086000001214
如图1所示，根据微网购电电价
Figure GDA00023795086000001215
微网售电电价
Figure GDA00023795086000001216
和柴油发电机的单位发电成本Cde三项指标将优先级调度策略划分为三种方案，方案一：当
Figure GDA00023795086000001217
时，从主网购电，并减少柴油机发电量，柴油发电机一次预设出力为
Figure GDA00023795086000001218
由此确定功率不平衡量ΔPt，消纳富余能量的优先级别为Pes,-＞Pgrid,-；补充缺失能量的优先级别为Pes,+、Pgrid,+＞Pde，其中Pes,-和Pgrid,-表示储能出力和网间交互功率为负荷性质，当储能电池不能完全消纳富余能量时，微网向主网售电，微网售电费用计入微网收益，其中Pes,+和Pgrid,+表示储能出力和网间交互功率为电源性质，根据公式(24)计算储能电池t时刻的单位放电成本
Figure GDA00023795086000001219
并与微网的购电电价
Figure GDA00023795086000001220
比较，低者优先级别高，当储能出力和网间交互功率不能完全补充缺失能量时，确定柴油机二次调整增加出力
Figure GDA00023795086000001221
Figure GDA0002379508600000131
方案二：当
Figure GDA0002379508600000132
时，不从主网购电，也不考虑为售电而增加柴油机出力，柴油发电机一次预设出力为
Figure GDA0002379508600000133
由此确定功率不平衡量ΔPt，消纳富余能量的优先级别为Pes,-＞Pgrid,-，补充缺失能量的优先级别为Pde＞Pes,+、Pgrid,+，当储能出力和网间交互功率不能完全补充缺失能量时，确定柴油机二次调整增加出力
Figure GDA0002379508600000134
方案三：当
Figure GDA0002379508600000135
时，柴油发电机最大程度发电，并向主网售电，确定此时柴油发电机的一次预设出力
Figure GDA0002379508600000136
计算功率不平衡量ΔPt，补充缺失能量的优先级别为Pde＞Pes,+、Pgrid,+；消纳富余能量的优先级别为Pes,-＞Pgrid,-，当储能和网间交互功率无法完全消纳富余能量时，柴油发电机确定二次调整行为，减少出力
Figure GDA0002379508600000137
当柴油发电机、储能电池和网间交互功率不能完全补充负荷需求时，负荷缺失；当柴油发电机出力取极小值
Figure GDA0002379508600000138
且储能电池和网间交互功率无法完全消纳电源出力时，放弃风能和光能。
以24小时为优化时间窗口，以1小时为时间单位进行日前优化，优化24次，前优化应用短期功率预测技术预测风、光和负荷数据，以微网系统总成本fcost最小和弃风弃光率fdrop最小为目标进行双目标优化，根据所述实时电价优先级调度策略，确定每小时的调度方案，制定日前调度计划，如公式(25)-(27)所示：
fcost＝Fwt+Fpv+Fde+Fes+Fgrid (25)
Figure GDA0002379508600000139
Figure GDA00023795086000001310
式中，Fwt表示风力发电机的配置总费用；Fpv表示光伏电池的配置总费用；Fgrid为微网与主网之间的功率交互总成本；Fde为柴油机配置总费用；Fes为储能电池配置总费用；T表示计算周期；St drop表示弃风弃光状态参数，有弃风弃光时为1，没有时为0；ΔT表示1小时；
Figure GDA0002379508600000141
为t时刻的风、光消纳差额，当
Figure GDA0002379508600000142
表示未被完全消纳，放弃风能和光能，当
Figure GDA0002379508600000143
表示被完全消纳。
日内优化以1h为优化时间窗口，以15min为基本时间单位，优化4次，以对日前计划调整fadj最小和系统负荷缺失率fre最小为目标进行多目标优化，如公式(28)-(29)所示，
Figure GDA0002379508600000144
Figure GDA0002379508600000145
式中，
Figure GDA0002379508600000146
为日前第t小时电源出力，
Figure GDA0002379508600000147
为日前第t小时对应的日内第i个时间单位的电源出力，a、b为加权系数，取a+b＝1，a＞b，并且日内一小时平均出力和每15min电源出力均约为日前出力。
鲁棒优化方法首先将风能和光能不确定性问题定义为：
Figure GDA0002379508600000148
式中：x为决策变量，X为决策变量集；ε为不确定变量，U为有界不确定集；不确定变量为风、光预测误差
Figure GDA0002379508600000149
且满足公式(5)-(6)，决策变量为
Figure GDA00023795086000001410
Figure GDA00023795086000001411
Figure GDA00023795086000001412
其次，所述鲁棒优化方法使用鲁棒优化框架处理风和光出力的预测误差，将不确定性问题转化为确定性问题求解，由公式(3)、(4)、(17)、(18)，可得系统功率备用约束如公式(31)：
Figure GDA00023795086000001413
Figure GDA00023795086000001414
Figure GDA0002379508600000151
Figure GDA0002379508600000152
Figure GDA0002379508600000153
其中
Figure GDA0002379508600000154
分别表示风、光出力的调度值和预测值；
如公式(32)构造拉格朗日函数，约束为公式(3)和(4)：
Figure GDA0002379508600000155
由公式(32)拉格朗日函数经线性对偶得到风、光预测误差之和的最大值
Figure GDA0002379508600000156
满足公式(33)：
Figure GDA0002379508600000157
式中p1、p2、q1、q2为常数，综合公式(31)、(33)，消去不确定量，则柴油发电机、储能电池和主网交换功率应满足公式(34)：
Figure GDA0002379508600000158
公式(34)反应了风、光预测误差对可控
Figure GDA0002379508600000159
的影响，虽然在求解过程均为确定性变量，但从本质上仍能反映风、光出力的原始不确定性。不等式左侧反映的是考虑负荷备用系数的t时刻
Figure GDA00023795086000001510
最大出力潜力，右侧反映了可再生能源随机性带来的出力波动，即使风、光出力预测精度最低，可控分布式电源和网间交互功率的出力潜力仍能保证系统稳定运行；
如公式(35)，系数p1、p2分别反应风、光预测误差对调度的影响，取值与设定的预侧误差有关：
Figure GDA0002379508600000161
式中，p1,max、p2,max为最大可取值，在预测误差最值一定的情况下，当p1、p2较小时，不等式右侧较大，左侧也较大，即调度时应留有较多备用，以应对不确定的影响，当p1、p2较大时，不等式右侧较小，左侧也较小，调度时可留有较少备用，当p1或p2取最大值时，不等式右侧对应项为0，表示风电或光伏的不确定性对调度结果无影响。
粒子群优化算法包括：粒子的初始位置和速度随机产生，根据公式(36)和(37)更新粒子位置和速度：
Figure GDA0002379508600000162
xt+1＝xt+vt+1 (37)
式中，pbestt与gbestt分别为t时刻的个体最优值和全局最优值；c1为自我认知因子；c2为社会认知因子,反映了每个粒子向pbestt和gbestt位置移动的速度权值；c1、c2过小易使粒子在最优区域外徘徊，过大易使粒子越过最优区域，取c1＝c2＝2，w为惯性因子，表征粒子t时刻速度对t+1时刻速度的影响。
如图2所示，在编程中引入NSGA-II多目标遗传算法中拥挤距离因素，并对拥挤距离进行排序，使多目标优化Pareto最优前沿分布较为均匀，有利于寻找最优解。所述粒子群优化算法的过程包括：
(1)输入一天24小时微网购电和售电电价，以及柴油机的单位发电成本，确定每小时的调度方案；
(2)进行所述日前优化，收集日前1h级风、光出力预测值以及负荷预测值；
(3)按步骤(1)确定的方案执行，根据柴油机实际运行情况及公式(19)-(20)约束，确定柴油机的一次预设出力
Figure GDA0002379508600000163
并代入日前1h风、光、负荷数据，由公式(21)确定功率不平衡量ΔPt；根据所述基于实时电价机制的微电网多时间尺度能量调度的步骤一确定
Figure GDA0002379508600000171
由公式(22)-(23)确定柴油机二次调整出力
Figure GDA0002379508600000172
和最终出力
Figure GDA0002379508600000173
(4)若
Figure GDA0002379508600000174
满足公式(34)，即满足日前负荷备用约束，进行步骤(5)，否则返回步骤(3)；
(5)计算粒子的经济性和弃风弃光率，并进行比较，取无相互支配关系的非支配解集，按拥挤距离排序得到群体最优解；
(6)进行日内优化，收集日内15min级风、光出力预测值以及负荷预测值；
(7)采用步骤(1)确定的调度方案，保证柴油机的启停状态与日前一致，并确定一次预设出力
Figure GDA0002379508600000175
代入日内15min风、光、荷数据，由公式(21)确定功率不平衡量ΔPt；根据所述基于实时电价机制的微电网多时间尺度能量调度的步骤一确定
Figure GDA0002379508600000176
由公式(22)-(23)确定柴油机二次调整出力
Figure GDA0002379508600000177
和最终出力
Figure GDA0002379508600000178
(8)若
Figure GDA0002379508600000179
满足式(34)，即满足日前负荷备用约束，进行步骤(9)，否则返回步骤(7)；
(9)计算粒子的负荷缺失率和对日前调整量，并进行比较，取无相互支配关系的非支配解集，按拥挤距离排序得到群体最优解；
(10)若4个15min优化均已完成，进入步骤(11)，否则进行下一个15min优化并返回步骤(6)；
(11)若一天24h的优化均已完成，优化结束，否则进行下一小时优化并返回步骤(2)。
本发明选取某并网型风-光-柴-储混合微网作为分析对象。其中风电装机容量为6MW，光伏装机容量为4MW，柴油发电机容量为4MW，储能装置容量为5MW·h，最大充放电功率值为1MW，储能装置的最大荷电状态是0.9，最小电量是0.4，一天初始荷电状态为0.4，微网与主网之间的交互功率最大值为4MW，风、光短期预测误差最大值均取10％，最小值取-10％，超短期预测误差取5％和-5％，p1、p2均取2.5；负荷备用系数取15％。粒子群算法的参数选取如下：种群规模为20，进化代数为100，c1、c2均为2。
如图3所示，风、光、负荷预测数据。
如图4所示，微网内柴油机的单位发电成本、微网的购电和售电电价信息。调度策略分析，按照本发明提出的优先级调度策略可知，在1:00-8:00和22:00-24:00应采用方案1，在9:00-11:00和15：00-21：00应采用方案2，在12:00-14:00应采用方案3。如图5所示，根据不同的调度方案优化得到微网内各发电单元和网间交互功率日前24小时的调度计划。其中，净负荷功率指的是负荷需求与风、光出力的差值，为负荷性质。在1:00-8:00及22:00-24:00时段，采用方案1。此时，柴油发电机的单位发电成本相对较大。在满足最小运行、停运时间约束以及最小发电量约束的基础上，作为后备电源。其中，在时段1:00-4:00，柴油机出力为零，且储能电池的单位放电成大于本时刻的微网购电电价，因此缺失能量优先从主网获取，优先级别为Pgrid,+＞Pes,+＞Pde。在4:00-8:00时段，柴油机出力为零，风、光剩余能量优先为储能充电，即富余能量消纳优先级别为Pes,-＞Pgrid,-。在22:00-24:00时段，出现能量缺失，且此时储能电池可以放电，但是在23:00，其单位发电成本大于微网购电电价和柴油机发电成本，因此优先级别为Pgrid,+＞Pde＞Pes,+；在22:00和24:00，优先级别为Pes,+＞Pgrid,+＞Pde。
在9:00-11:00及15:00-21:00时段，采用方案2。此时柴油发电机的单位发电成本介于微网购电电价和售电电价之间，柴油发电机做后备电源。在时段9:00-11:00，出现能量富余。但此时段储能电池SOC已达上限，无法继续充电，剩余能量流向主网，优先级别为Pgrid,+＞Pes,+。在时段15:00-18:00，柴油发电机可以增发功率至净负荷功率，此时无能量富余或缺失，因此微网与主网没有能量交互。在时段19:00-21:00，柴油机最大出力后仍出现能量缺失，缺失能量由电池和主网补充能量，优先级别为Pde＞Pgrid,+＞Pes,+。
在12:00-14:00时段，采用方案3。此时首先控制柴油机功率增发至Pde,max，且储能电池SOC已达上限，富余能量由Pgrid,-消纳。
各时刻的调度优先级如表1所示。
Figure GDA0002379508600000181
Figure GDA0002379508600000191
表1日前调度优先级
如图3-8所示，微网内柴油发电机、储能电池、以及网间交互功率的日内与日前计划对比。
就柴油机而言，其日内调度计划相对日前波动较小，因为每个小时的调度方案是一定的，其初次控制量为0、0.3Pde,max、Pde,max三种。波动主要体现在柴油机的二次动作行为以及日前日内预测精度不同。在15:00-18:00时段采用调度方案2，此时柴油机出现第二次调整出力而增发功率。储能电池的出力受到本身SOC的限制，在8:00-21:00时段计划出力为0。在3:00-7:00充电使SOC增加至0.9，在21:00-24:00放电使SOC降低。除受15:00-18:00时段柴油机的增发行为影响，其他时段网间交互功率变化较大。这是因为受到储能电池的影响，部分时段电池的单位发电成本较大，实际放电时间较少，导致微网与主网之间频繁的进行能量交互。
调度结果分析
本发明优化后各时间尺度的目标函数值如表2所示。
Figure GDA0002379508600000192
表2优化结果分析
如图5所示，仅在柴油机不满足最小停运时间约束而被迫停机(如11:00时刻)，或分布式电源充分利用而网间交互功率已达到上限时才会出现负荷缺失。仅在柴油机出力最小但网间交互功率和储能不能完全消纳风、光能源时(如9:00)出现弃风弃光。
另外，柴油机的两次出力动作保证了在风、光出力不足时柴油机多出力，风、光出力过剩时少出力，尽可能减少了可再生能源的浪费，同时尽最大可能满足了负荷的需求，提高了供电可靠性。
本发明对可再生能源的随机性进行了处理，鲁棒优化的处理方式略显保守，追求较高负荷供电可靠性的同时在一定程度上增加了系统的运行成本。
对比图6-8可以看出柴油机、电池和网间交互功率的日内调度计划与日前相比有一定的差异，但总体变化趋势与日前相近。日内调度对日前计划的调整量较小，体现了日前对日内计划的指导性作用，也体现了优先级调度策略对两个时间尺度调度的协调作用。其差异源自优化精度的不同，日内的超短期预测精度较高，相应的调度计划准确度也较高，更符合实际。
最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种基于实时电价机制的微电网多时间尺度能量调度方法，其特征在于，所述基于实时电价机制的微电网多时间尺度能量调度方法包括日前调度时间尺度和日内调度时间尺度，并以优先级调度策略连接日前调度时间尺度和日内调度时间尺度，采用粒子群优化算法求解微网多时间尺度的鲁棒优化问题；
所述基于实时电价机制的微电网多时间尺度能量调度包括以下步骤：
步骤一：基于实时电价优先级调度策略，并根据微网购电电价
Figure FDA0002379508590000011
微网售电电价
Figure FDA0002379508590000012
和柴油发电机的单位发电成本Cde三项指标将优先级调度策略划分为三种方案；并且当柴油发电机、储能电池和网间交互功率不能完全补充负荷需求时，负荷缺失；当柴油发电机出力取极小值
Figure FDA0002379508590000013
且储能电池和网间交互功率无法完全消纳电源出力时，放弃风能和光能；
所述步骤一中的优先级调度策略根据公式(19)和(20)确定柴油发电机的一次预设动作
Figure FDA0002379508590000014
即出力极大值
Figure FDA0002379508590000015
或极小值
Figure FDA0002379508590000016
Figure FDA0002379508590000017
Figure FDA0002379508590000018
Pde,max表示柴油机最大功率，tr约束表述为：在最小运行时间内，只允许柴油发电机发生一次从运行到停运的状态变化；ts约束表述为：在最小停运时间内，只允许柴油发电发生一次从停运到运行的状态变化；柴油机效率低时设定最小出力阈值为0.3Pde,max，即运行时柴油机保证出力大于0.3Pde,max，在此基础上根据公式(21)计算功率不平衡量ΔPt，其中
Figure FDA0002379508590000019
分别表示风、光出力的调度值，
Figure FDA00023795085900000110
为t时刻的负荷需求，
Figure FDA00023795085900000111
可正可负，正值表示主网向微网售电，负值表示主网从微网购电；
Figure FDA00023795085900000112
表示储能电池t时刻的出力，公式(22)表示ΔPt>0时能量富余增加出力
Figure FDA00023795085900000113
而ΔPt<0时能量缺失减少出力
Figure FDA00023795085900000114
根据公式(23)确定柴油机二次调整动作，
Figure FDA00023795085900000115
Figure FDA0002379508590000021
Figure FDA0002379508590000022
步骤二：以24小时为优化时间窗口，以1小时为时间单位进行日前优化；
步骤三：遵循日前调度优先级进行日内优化，保持柴油发电机每小时的启停状态与日前状态一致；
步骤四：由于风能和光能的可变性大于负荷的可变性，应用鲁棒优化方法求解再生风能和光能出力。
2.如权利要求3所述的基于实时电价机制的微电网多时间尺度能量调度方法，其特征在于：所述步骤一中的三种方案包括：
方案一：当
Figure FDA0002379508590000023
时，从主网购电，并减少柴油机发电量，柴油发电机一次预设出力为
Figure FDA0002379508590000024
由此确定功率不平衡量ΔPt，消纳富余能量的优先级别为Pes,->Pgrid,-；补充缺失能量的优先级别为Pes,+、Pgrid,+>Pde，其中Pes,-和Pgrid,-表示储能出力和网间交互功率为负荷性质，当储能电池不能完全消纳富余能量时，微网向主网售电，微网售电费用计入微网收益，其中Pes,+和Pgrid,+表示储能出力和网间交互功率为电源性质，根据公式(24)计算储能电池t时刻的单位放电成本
Figure FDA0002379508590000025
并与微网的购电电价
Figure FDA0002379508590000026
比较，低者优先级别高，当储能出力和网间交互功率不能完全补充缺失能量时，确定柴油机二次调整增加出力
Figure FDA0002379508590000027
Figure FDA0002379508590000028
方案二：当
Figure FDA0002379508590000029
时，不从主网购电，也不考虑为售电而增加柴油机出力，柴油发电机一次预设出力为
Figure FDA00023795085900000210
由此确定功率不平衡量ΔPt，消纳富余能量的优先级别为Pes,->Pgrid,-，补充缺失能量的优先级别为Pde>Pes,+、Pgrid,+，当储能出力和网间交互功率不能完全补充缺失能量时，确定柴油机二次调整增加出力
Figure FDA00023795085900000211
方案三：当
Figure FDA00023795085900000212
时，柴油发电机最大程度发电，并向主网售电，确定此时柴油发电机的一次预设出力
Figure FDA00023795085900000213
计算功率不平衡量ΔPt，补充缺失能量的优先级别为Pde>Pes,+、Pgrid,+；消纳富余能量的优先级别为Pes,->Pgrid,-，当储能和网间交互功率无法完全消纳富余能量时，柴油发电机确定二次调整行为，减少出力
Figure FDA0002379508590000031
3.如权利要求4所述的基于实时电价机制的微电网多时间尺度能量调度方法，其特征在于：所述步骤二中的日前优化应用短期功率预测技术预测风、光和负荷数据，以微网系统总成本fcost最小和弃风弃光率fdrop最小为目标进行双目标优化，根据所述实时电价优先级调度策略，确定每小时的调度方案，制定日前调度计划，如公式(25)-(27)所示：
fcost＝Fwt+Fpv+Fde+Fes+Fgrid (25)
Figure FDA0002379508590000032
Figure FDA0002379508590000033
式中，Fwt表示风力发电机的配置总费用；Fpv表示光伏电池的配置总费用；Fgrid为微网与主网之间的功率交互总成本；Fde为柴油机配置总费用；Fes为储能电池配置总费用；T表示计算周期；St drop表示弃风弃光状态参数，有弃风弃光时为1，没有时为0；ΔT表示1小时；
Figure FDA0002379508590000034
为t时刻的风、光消纳差额，当
Figure FDA0002379508590000035
表示未被完全消纳，放弃风能和光能，当
Figure FDA0002379508590000036
表示被完全消纳。
4.如权利要求5所述的基于实时电价机制的微电网多时间尺度能量调度方法，其特征在于：所述步骤三中的日内优化以1h为优化时间窗口，以15min为基本时间单位，优化4次，以对日前计划调整fadj最小和系统负荷缺失率fre最小为目标进行多目标优化，如公式(28)-(29)所示，
Figure FDA0002379508590000037
Figure FDA0002379508590000041
式中，
Figure FDA0002379508590000042
为日前第t小时电源出力，
Figure FDA0002379508590000043
为日前第t小时对应的日内第i个时间单位的电源出力，a、b为加权系数，取a+b＝1，a>b，并且日内一小时平均出力和每15min电源出力均约为日前出力。
5.如权利要求6所述的基于实时电价机制的微电网多时间尺度能量调度方法，其特征在于：所述步骤四中的鲁棒优化方法首先将风能和光能不确定性问题定义为：
Figure FDA0002379508590000044
式中：x为决策变量，X为决策变量集；ε为不确定变量，U为有界不确定集；不确定变量为风、光预测误差
Figure FDA0002379508590000045
且满足公式(5)-(6)，决策变量为
Figure FDA0002379508590000046
Figure FDA0002379508590000047
Figure FDA0002379508590000048
其次，所述鲁棒优化方法使用鲁棒优化框架处理风和光出力的预测误差，将不确定性问题转化为确定性问题求解，由公式(3)、(4)、(17)、(18)，可得系统功率备用约束如公式(31)：
Figure FDA0002379508590000049
Figure FDA00023795085900000410
Figure FDA00023795085900000411
Figure FDA00023795085900000412
Figure FDA00023795085900000413
其中
Figure FDA00023795085900000414
分别表示风、光出力的调度值和预测值；
如公式(32)构造拉格朗日函数，约束为公式(3)和(4)：
Figure FDA0002379508590000051
由公式(32)拉格朗日函数经线性对偶得到风、光预测误差之和的最大值
Figure FDA0002379508590000052
满足公式(33)：
Figure FDA0002379508590000053
式中p1、p2、q1、q2为常数，综合公式(31)、(33)，消去不确定量，则柴油发电机、储能电池和主网交换功率应满足公式(34)：
Figure FDA0002379508590000054
公式(34)反应了风、光预测误差对可控
Figure FDA0002379508590000055
的影响，不等式左侧反映的是考虑负荷备用系数的t时刻
Figure FDA0002379508590000056
最大出力潜力，不等式右侧反映了可再生能源随机性带来的出力波动，即使风、光出力预测精度最低，可控分布式电源和网间交互功率的出力潜力仍能保证系统稳定运行；
如公式(35)，系数p1、p2分别反应风、光预测误差对调度的影响，取值与设定的预侧误差有关：
Figure FDA0002379508590000057
式中，p1,max、p2,max为最大可取值，在预测误差最值一定的情况下，当p1、p2较小时，不等式右侧较大，不等式左侧也较大，即调度时应留有较多备用，以应对不确定的影响，当p1、p2较大时，不等式右侧较小，不等式左侧也较小，当p1或p2取最大值时，不等式右侧对应项为0，表示风电或光伏的不确定性对调度结果无影响。
6.如权利要求7所述的基于实时电价机制的微电网多时间尺度能量调度方法，其特征在于：所述粒子群优化算法包括：粒子的初始位置和速度随机产生，根据公式(36)和(37)更新粒子位置和速度：
Figure FDA0002379508590000061
xt+1＝xt+vt+1 (37)
式中，pbestt与gbestt分别为t时刻的个体最优值和全局最优值；c1为自我认知因子；c2为社会认知因子,反映了每个粒子向pbestt和gbestt位置移动的速度权值；c1、c2过小易使粒子在最优区域外徘徊，过大易使粒子越过最优区域，取c1＝c2＝2，w为惯性因子，表征粒子t时刻速度对t+1时刻速度的影响。
7.如权利要求8所述的基于实时电价机制的微电网多时间尺度能量调度方法，其特征在于：所述粒子群优化算法的过程包括：
(1)输入一天24小时微网购电和售电电价，以及柴油机的单位发电成本，确定每小时的调度方案；
(2)进行所述日前优化，收集日前1h级风、光出力预测值以及负荷预测值；
(3)按步骤(1)确定的方案执行，根据柴油机实际运行情况及公式(19)-(20)约束，确定柴油机的一次预设出力
Figure FDA0002379508590000062
并代入日前1h风、光、负荷数据，由公式(21)确定功率不平衡量ΔPt；根据所述基于实时电价机制的微电网多时间尺度能量调度的步骤一确定
Figure FDA0002379508590000063
由公式(22)-(23)确定柴油机二次调整出力
Figure FDA0002379508590000064
和最终出力
Figure FDA0002379508590000065
(4)若
Figure FDA0002379508590000071
满足公式(34)，即满足日前负荷备用约束，进行步骤(5)，否则返回步骤(3)；
(5)计算粒子的经济性、弃风和弃光率，并进行比较，取无相互支配关系的非支配解集，按拥挤距离排序得到群体最优解；
(6)进行日内优化，收集日内15min级风、光出力预测值以及负荷预测值；
(7)采用步骤(1)确定的调度方案，保证柴油机的启停状态与日前一致，并确定一次预设出力
Figure FDA0002379508590000072
代入日内15min风、光、荷数据，由公式(21)确定功率不平衡量ΔPt；根据所述基于实时电价机制的微电网多时间尺度能量调度的步骤一确定
Figure FDA0002379508590000073
由公式(22)-(23)确定柴油机二次调整出力
Figure FDA0002379508590000074
和最终出力
Figure FDA0002379508590000075
(8)若
Figure FDA0002379508590000076
满足式(34)，即满足日前负荷备用约束，进行步骤(9)，否则返回步骤(7)；
(9)计算粒子的负荷缺失率和对日前调整量，并进行比较，取无相互支配关系的非支配解集，按拥挤距离排序得到群体最优解；
(10)若4个15min优化均已完成，进入步骤(11)，否则进行下一个15min优化并返回步骤(6)；
(11)若一天24h的优化均已完成，优化结束，否则进行下一小时优化并返回步骤(2)。
CN201710999110.7A 2017-10-24 2017-10-24 一种基于实时电价机制的微电网多时间尺度能量调度方法 Active CN107565607B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710999110.7A CN107565607B (zh) 2017-10-24 2017-10-24 一种基于实时电价机制的微电网多时间尺度能量调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710999110.7A CN107565607B (zh) 2017-10-24 2017-10-24 一种基于实时电价机制的微电网多时间尺度能量调度方法

Publications (2)

Publication Number Publication Date
CN107565607A CN107565607A (zh) 2018-01-09
CN107565607B true CN107565607B (zh) 2020-07-07

Family

ID=60986023

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710999110.7A Active CN107565607B (zh) 2017-10-24 2017-10-24 一种基于实时电价机制的微电网多时间尺度能量调度方法

Country Status (1)

Country Link
CN (1) CN107565607B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108090632B (zh) * 2018-01-23 2020-06-02 南方电网科学研究院有限责任公司 基于鲁棒优化的新能源并网电力系统多时间尺度调度方法
CN108258685B (zh) * 2018-01-26 2022-07-22 国网辽宁省电力有限公司 新能源电力系统在紧急调控域运行方式下的控制方法
CN108988390A (zh) * 2018-08-13 2018-12-11 国网江西省电力有限公司电力科学研究院 一种基于最佳弃光率的配电网电压控制方法
CN109119988B (zh) * 2018-09-11 2020-05-15 重庆大学 基于动态批发市价的光伏-电池微电网能量调度管理方法
CN110265996B (zh) * 2019-02-26 2023-04-07 国网吉林省电力有限公司 一种适于光伏/风电功率预测的时间特征尺度建模方法
CN109842158A (zh) * 2019-03-28 2019-06-04 广东工业大学 一种微电网优化配置方法
CN110224444B (zh) * 2019-05-16 2022-01-11 广东电网有限责任公司 一种海岛微电网多时间尺度协调控制方法
CN111030095B (zh) * 2019-12-06 2023-06-09 昆明理工大学 一种提升微网灵活性的调度方法
CN111339474B (zh) * 2020-02-17 2022-02-08 山东大学 一种基于趋势预测分析法的综合能源系统预测运行方法
CN111047227B (zh) * 2020-03-13 2020-06-16 四川大学 基于两阶段的能量和业务时空匹配的鲁棒能量调度方法
CN115411725B (zh) * 2022-08-26 2023-04-18 北京东润环能科技股份有限公司 虚拟电厂的协调控制方法、装置、电子设备及存储介质
CN116054241B (zh) * 2022-12-13 2023-09-15 广东工业大学 一种新能源微电网群系统鲁棒能量管理方法
CN116544920B (zh) * 2023-05-09 2024-03-26 南京邮电大学 一种居民台区电动汽车夜间充电优化控制方法、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104135025A (zh) * 2014-05-30 2014-11-05 国家电网公司 基于模糊粒子群算法和储能系统的微网经济运行优化方法
CN105790309A (zh) * 2016-04-26 2016-07-20 贵州电网有限责任公司 利用分布式能源和临时附加电价协同优化控制的方法
CN106505634A (zh) * 2016-12-14 2017-03-15 东南大学 基于两阶段协调优化与控制的冷热电联供型微网运行方法
CN106953316A (zh) * 2017-03-02 2017-07-14 国网山东省电力公司聊城供电公司 微电网变时间尺度优化调度方法
CN106960272A (zh) * 2017-02-28 2017-07-18 天津大学 含虚拟储能的楼宇微网多时间尺度优化调度方法
CN107196294A (zh) * 2017-06-16 2017-09-22 国网江苏省电力公司电力科学研究院 源网荷互动模式下微电网多时间尺度自适应能量调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104135025A (zh) * 2014-05-30 2014-11-05 国家电网公司 基于模糊粒子群算法和储能系统的微网经济运行优化方法
CN105790309A (zh) * 2016-04-26 2016-07-20 贵州电网有限责任公司 利用分布式能源和临时附加电价协同优化控制的方法
CN106505634A (zh) * 2016-12-14 2017-03-15 东南大学 基于两阶段协调优化与控制的冷热电联供型微网运行方法
CN106960272A (zh) * 2017-02-28 2017-07-18 天津大学 含虚拟储能的楼宇微网多时间尺度优化调度方法
CN106953316A (zh) * 2017-03-02 2017-07-14 国网山东省电力公司聊城供电公司 微电网变时间尺度优化调度方法
CN107196294A (zh) * 2017-06-16 2017-09-22 国网江苏省电力公司电力科学研究院 源网荷互动模式下微电网多时间尺度自适应能量调度方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A Multi Time-Scale and Multi Energy-Type Coordinated Microgrid Scheduling Solution;Zhejing Bao等;《IEEE TRANSACTIONS ON POWER SYSTEMS>;20150930;第30卷(第5期);全文 *
多时间尺度微电网能量管理优化调度方案;张海涛等;《电网技术》;20170531;第41卷(第5期);第1531-1540页、附录 *
张海涛等.多时间尺度微电网能量管理优化调度方案.《电网技术》.2017,第41卷(第5期), *
微电网改进多时间尺度能量管理模型;窦晓波等;《电力系统自动化》;20160510;第40卷(第9期);全文 *
微电网日内调度计划的混合整数规划模型;孙浩等;《电力系统自动化》;20151010;第39卷(第19期);第21-27页 *

Also Published As

Publication number Publication date
CN107565607A (zh) 2018-01-09

Similar Documents

Publication Publication Date Title
CN107565607B (zh) 一种基于实时电价机制的微电网多时间尺度能量调度方法
CN110188950B (zh) 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
Thingvad et al. Economic value of electric vehicle reserve provision in the Nordic countries under driving requirements and charger losses
CN106651026B (zh) 多时间尺度微电网能量管理优化调度方法
Zheng et al. Optimal allocation of energy storage system for risk mitigation of DISCOs with high renewable penetrations
CN106953316B (zh) 微电网变时间尺度优化调度方法
CN111969593B (zh) 基于混合储能的热电联供微网模型预测控制优化调度方法
CN111293691A (zh) 基于模型预测控制的微电网多时间尺度优化调度方法
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
CN112508325B (zh) 一种家庭微电网多时间尺度电能调度方法
CN113988444A (zh) 一种光储系统的电费优化控制系统及方法
Zhang et al. Grid-connected photovoltaic battery systems: A comprehensive review and perspectives
CN114069678A (zh) 一种考虑储能退化成本的光储直流微电网能量调度方法
CN111697635B (zh) 计及随机模糊双重不确定的交直流混合微网优化运行方法
CN112836849A (zh) 一种考虑风电不确定性的虚拟电厂调度方法
CN108446967A (zh) 虚拟电厂竞价方法
CN112688328B (zh) 一种交直流混合微电网时间协调能量优化配置方法
Luna et al. Generation and demand scheduling for a grid-connected hybrid microgrid considering price-based incentives
Ramachandran et al. Dynamic pricing based optimal power mix of grid connected micro grid using energy management system
JP2017046507A (ja) 系統安定化システム
CN115626072A (zh) 基于用户间博弈的网联电动汽车协同充放电调控方法
Hosseini et al. Battery swapping station as an energy storage for capturing distribution-integrated solar variability
Baneshi et al. Microgrid optimal planning in two functional modes grid connected and the intentional islanding
Kazari et al. Predictive Utilization of Energy Storage for Wind Power Fluctuation Mitigation
CN109038624B (zh) 基于双蓄电池容量动态分配的家庭能源调度方法

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