CN107958300A - 一种考虑互动响应的多微网互联运行协调调度优化方法 - Google Patents
一种考虑互动响应的多微网互联运行协调调度优化方法 Download PDFInfo
- Publication number
- CN107958300A CN107958300A CN201711011128.8A CN201711011128A CN107958300A CN 107958300 A CN107958300 A CN 107958300A CN 201711011128 A CN201711011128 A CN 201711011128A CN 107958300 A CN107958300 A CN 107958300A
- Authority
- CN
- China
- Prior art keywords
- micro
- capacitance sensor
- load
- optimization
- power
- 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.)
- Granted
Links
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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
一种考虑互动响应的多微网互联运行协调调度优化方法,包括如下步骤:在日前优化过程,对系统进行初始化并获取相关参数,各微电网根据初始信息独立求解各自的优化策略。然后微电网群内进行信息交互,共享各自获得的最优策略,并对系统状态信息进行更新,由系统控制中心判断是否达到纳什均衡。进入日内优化阶段,对风光出力及负荷需求进行短时预测。在单个微电网内,输入短时预测数据建立优化模型,对系统进行滚动优化并且求解。求解完成后,选取控制时域内的所有控制变量作为实际调度方案,等待下一优化周期的到来,并重复上述优化过程。该发明可以有效提高微网对新能源的消纳能力以及故障时的系统可靠性,并在一定程度上增加微电网的经济利益。
Description
技术领域
本发明属于多微网互联运行优化技术领域,具体涉及一种考虑互动响应的多微网互联运行协调调度优化方法。
背景技术
当今社会,煤、石油等化石燃料的大量使用使得全球气候和环境问题不断突出,面对日益严峻的能源和环境问题,单靠化石能源供给人类日常生活工作已经不再是长久之计,因此可再生能源的开发已成为能源领域当下的主流方向。但是由于可再生能源强烈的随机性、间歇性、波动性和不可控性等特点,难以实现可再生能源利用最大化,只有实现可再生能源发电的高效传输,实现多个电网之间能源的互联与共享,才能彻底实现可再生能源的有效利用。
能源互联网是解决未来大规模可再生能源发电接入,提高电力质量与用户需求侧管理水平,以及增强电网系统安全性、可靠性、经济性的重要手段,智能电网的发展与能源互联理念的提出,使得互联微网的能量管理和快速控制成为学术界的研究热点。将主动配电网划分为多个微电网,使各个微网分散自治、协同运行的运行模式,可以降低能量调控的难度,是大型互联系统优化运行的有效解决方法。未来微电网必将成为能源互联网的重要组成部分,因此,在多微网互联运行的环境下,研究微电网的自治运行方法和各微网间的协同运行方式,在主网与微网之间、微网与微网之间建立完善的能量交易体系,对电力系统和能源互联网的发展具有非常重要的作用。
综上所述,考虑到微网群中各类型微网繁多,可控程度不同且运行模式多样化等因素,在多微网互联互动构成的电力交易市场中,具有高度自治能力的微网个体,其行为具有更强的主观性与智能性,主网与微网之间、微网与微网之间的竞争与协作关系也更为复杂。因此,如何在兼顾稳定性与经济性的基础上对微网的博弈行为进行精确建模,以实现微网个体的效益最优与系统整体的协调控制,应是未来针对多微网系统互动开展深入研究的重点方向。
发明内容
为了克服现有多微网互联运行方式的微网对新能源的消纳能力较差、故障时的系统可靠性较低、鲁棒性较差的不足,本发明基于能源互联理念开展针对多微电网的互联运行方案研究。为了完成微网群系统的互联运行,本发明引入预测控制技术,实现微网群能量在日前预测规划和实时控制上的有机结合。在日前调度阶段,考虑负荷需求响应,并在实时电价的基础上,提出了一种基于非合作博弈理论的互联微网群模型,求解其纳什均衡并验证微网群互联协同运行方式的有效性,实现资源的合理配置。在日内调度阶段,为了应对由可再生能源以及负荷预测不确定性所带来的功率波动,基于模型预测的有限时域滚动优化控制框架,通过有限时域滚动的反馈校正,大幅提高该模型在预测不确定情况下的鲁棒性,有效缓解了预测不确定性所带来的影响,确保日前计划的有效实行与系统的稳定运行。
为了实现上述目的,本发明的技术方案为:
一种考虑互动响应的多微网互联运行协调调度优化方法,包括以下步骤:
S1:在日前优化过程,构建微电网群模型,对系统进行初始化并获取原始数据和优化所需参数,包括价格函数以及有关微电网群参数信息;
S2:建立博弈模型,在博弈设定的策略空间S中随机生成均衡点初值作为初始净负荷,各微电网个体根据初始状态独立优化决策,求解各自的成本最小化优化策略;
S3:微电网群内进行信息交互,各个微电网将各自获得的最优策略信息进行共享,并对系统状态信息进行更新;
S4:由系统判断是否达到纳什均衡,若是,则输出最终优化集合作为微电网群优化结果;若否,返回步骤S2根据更新后的状态信息重新进行优化;
S5:进入日内优化阶段,根据已有的信息对风光出力及负荷需求进行短时预测,得到日前预测数据;
S6:在单个微电网内,输入短时日前预测数据,以最小化实际与计划的净负荷之差为目标建立优化模型;
S7:以设定时段为周期,设定时间间隔对系统进行滚动优化,以校正净负荷偏差为目标,对系统进行求解;
S8:求解完成后,选取控制时域内的所有控制变量作为实际调度方案,等待下一优化周期的到来,并重复上述日内优化过程;
发明中所述微电网群环境由多个微电网个体组成,在每个微电网个体内部,其供电侧由风能、光能、储能等分布式电源组成,需求侧由不同类型的类荷组成。在各个微电网之间存在相互连接的联络线,以在微电网个体无法完全消纳分布式能源时,分享多余的电能。
进一步,所述步骤S1中,系统包括以下构成:
S1-1.基本负荷模型:根据其不同的特性负荷可分为不可控负荷和可转移负荷两类,不可控负荷不参与需求响应;可转移负荷作为主动负荷参与需求响应,满足分布式电源消纳需求,模型如下:
不可控负荷:第i个微电网的不可控负荷定义如下:
式中:ULi,j表示第i个微电网第j时段不可控负荷总量;N表示微电网总数;T为时间长度,指定为24小时;
可转移负荷:第i个微电网可转移负荷定义如下:
式中:TLi,j表示第i个微电网第j时段可转移负荷总量;
可转移负荷意味着消费者可以选择使用的时间,根据当前电价决定用电量,因此可转移负荷满足如下特性:
式中:[TLi min,TLi max]是可转移负荷的功率范围;[ti start,ti end]是可转移负荷的时间范围;Qi min是可转移负荷的需求量,即设备完成任务的最小耗电量;具体约束如下:
由式(4)可知,TL设备运行时段内,其功率处于允许范围内;运行结束时,其耗电量应满足最小耗电量要求才表明该设备已完成工作,TL设备可通过转移用电时段、同时保证完成工作要求来参与负荷调度响应电网需求;
S1-2.求解系统净负荷前后变化值,将第i个微电网在第j时段的净负荷如下所示:
式中,为微电网i在j时刻的净负荷,这部分负荷需要同配电网或其他微电网之间交易以平衡自身供需功率;和为微电网i在j时刻的储能充电与放电功率;Ppv,i是第i个微电网的光伏输出功率;Pw,i是第i个微电网的风机输出功率;
考虑到微电网群作为一个系统整体,计所有微电网个体净负荷之和,作为系统净负荷:
S1-3.实时电价模型:电力成本与系统负荷成二次函数关系,表
示为:
式中:代表微电网群的电力总成本;a、b、c为成本多项式的参数,其中a>0和b,c≥0;γ是光伏出力的倒送电价;
由于电力成本应当是一个连续函数,所以设置c=0,成本函数可近似为以下二次函数:
因此实时电价函数近似为:
除此之外,微电网个体的成本由电力成本、用户补偿、蓄电池运行维护费用、新能源补贴以及与其他微网交互收益五部分组成:
式中,KTL、KBESS和KRES分别代表可转移负荷、储能系统、新能源出力的成本系数,即单位kW·h储能充放电量、新能源输出功率所产生的成本或补贴,其中KTL为负荷转移补偿与负荷转移平方值之间的比例系数;ρalt为微网与微网之间的交互电价;
存在联络线以在微电网与微电网之间交易电能,假设微电网i与其他M个微电网互联,则微网i中的联络线功率具有以下特性:
式中,为联络线传输功率上限;为第j时段联络线停启状态,其他时段类似。公式(11)表明联络线功率满足传输限值约束,为正时,表示该微网向第m微网售出电能,反之表示从第m微网购电,公式(12)则说明对外售出或购入的电能总量应小于自身需求极限。
再进一步,所述步骤S2中,日前博弈模型的建立包括以下过程:
S2-1.采用博弈理论,研究不同决策方在给定信息下如何调控能量以最大化自身收益。在非合作博弈中,各方策略分别是各自的用电计划,在给定的约束条件下追求各自优化目标的最优化,最终达到纳什均衡,使得不同决策方实现利己和利他的平衡。在给定约束下实现各自的目标,最终达到纳什均衡,实现整体的最优决策,形成的非合作博弈模型表示如下:
参与者:U={U1,U2,…,UN}
策略集:S={S1,S2,…,SN},
目标函数:E={E1,E2,…,EN}
式中,Ui代表第i个微电网;Si代表微电网i的用电策略,其中TLi为可转移负荷用电规划,PB,i=Pch,i+Pdch,i,代表储能充放电安排,代表第i个微电网和与其相链接的第m个微电网之间的交互策略;Ei为第i个微电网的收益,是其优化的目标函数,Ei=-Ci,其中Ci为第i个微电网成本;
若上述博弈存在纳什均衡,即在给定信息下,所有参与者都选择了这样一组策略,在该策略下,各方参与的微电网都能够获得最大收益,且所有参与者不会单方面改变自身策略,以主动打破这种均衡。
更进一步,在所述步骤S4中,纳什均衡求解包括以下步骤:
S4-1.证明纳什均衡存在的定理如下:
定理:在博弈中,如果决策空间的非空凸子集的欧氏空间,支付函数是连续和拟凹的,则存在一个纯策略纳什均衡;
模型的策略空间是欧式空间中的非空紧凸集,故只需要说明收益函数Ei,j连续拟凹,即可根据定理证明本模型纳什均衡的存在;
由于交互功率需要基于优化后的结果合理分配各微电网多余电能,因此在个体微网优化求解过程中,为常量,所以目标函数转化分解为三个部分:
其中与为关于自变量的一次函数,其二阶导数为0,为非凹函数,关于的二阶导数(a'+KTL)为正,函数为凸函数。因此,成本函数Ci,j为凸函数,则收益函数Ei,j为凹函数。所有凹函数连续拟凹,根据定理,该模型具有“纳什均衡”;
S4-2.系统满足纳什均衡条件时,即|Pnl(k)–Pnl(k-1)|<0.001,当迭代前后,净负荷总量变化量小于设定的阈值0.001,认为迭代已经收敛,系统到达最优状态,若不满足则跳转步骤S2再次进行优化。
在所述步骤S5中,日前预测数据的获得包括以下内容:
S5-1.采用随机场景分析方法对风、光电源出力以及负荷需求的不确定性表现进行量化,根据已有的对风光电源出力以及负荷需求预测的研究结论,设风机、光伏出力以及负荷需求的预测值满足式(15)所示的模型。
式中,n=1,2,3;为第i个微电网中,风机、光伏或负荷在j时段的预测数据;Rn为一个服从U(-1,1)分布的随机数;τ为预测时间长度,预测的精确度随预测时长的增加而减小,当τ=24时,代表日前预测模型;为风机、光伏或负荷的预测误差阈值:
式中,表示风机、光伏或负荷的基准预测误差,具体数值如表1所示,J表示预测误差最大倍数。
表1
在所述步骤S6中,滚动优化模型的建立及求解包括以下步骤:
S6-1:滚动优化模型以单个微电网为单位,通过滚动优化对微电网内部联络线功率的校正,在基于滚动时域内优化后的调整结果,对各微电网之间的交互功率进行重新分配;
S6-2:在单个微电网内,根据微电网每时段的功率平衡方程及储能SOC迭代方程,选择储能充放电功率与负荷转移功率作为控制变量,基于固定负荷、风电机组及光伏出力的短时预测数据对控制变量进行优化调整,以最小化实际与计划的净负荷之差为目标,确保微电网对外界的联络线功率满足日前计划。因此,在滚动时域内的优化调度为以下的二次规划问题:
式中,Ji为第i个微电网在滚动时域内的目标函数;为微电网日内净负荷;τ为滚动时域周期。
在所述步骤S7中,在目标函数中添加了补偿,作为二者相应的柔性约束,约束的强弱取决于柔性约束的刚度,即对应的系数,最终的优化模型为:
式中,为j时段储能电池的SOC,即剩余容量;为日内的储能电池剩余容量;为日内的负荷转移功率;A、B和C是净负荷、储能剩余容量、负荷转移功率的权重。为了应对由于联络线故障导致的微电网群离网状态,引入状态变量uge(t)对优化目标进行切换,uge(t)取0或1;当系统正常运行时,uge(t)取1,以校正净负荷偏差为目标进行滚动优化;当系统在滚动优化过程中及时检测到故障时,uge(t)取0,优化目标切换为消除微电网群整体的不平衡电量。对微电网群,由于日前计划中已做初步优化,约束中各时刻可转移负荷、储能充放电以及各微网间联络线的停启状态均为常量,其值即为日前计划的优化结果,无需重复求解。
在所述步骤S8中,求解完成后,选取控制时域内的所有控制变量,作为实际调度方案,等待下一优化周期的到来,并重复上述优化过程。
本发明的有益效果是:
1、实现资源的合理配置,充分发挥分布式能源的潜力,实现坚强智能电网的建设和能源局域网的构建。
2、基于非合作博弈理论,建立多微网系统日前优化模型,可有效提高了系统运行的稳定性,降低峰谷差。
3、建立互联运行与交易机制,通过微网间能源的传输与共享,提高微网对新能源的消纳能力以及故障时的系统可靠性,并在一定程度上增加微电网的经济利益。
4、所提的优化方法在预测不确定情况下有着较强的鲁棒性,有效缓解不确定性对系统带来的影响,确保调度计划的有效实行与系统的稳定运行。
附图说明
图1是各确定度下的一日净负荷波动率分析曲线。
图2是各确定度下的一日经济效益分析曲线。
图3是两种优化方式下的系统净负荷曲线。
图4是互联方式下的各微网之间的交互功率曲线。
图5是不同预测长度下的净负荷波动率对比曲线。
图6是不同预测长度下的新能源消纳率对比曲线。
图7是一种考虑互动响应的多微网互联运行协调调度优化方法的流程图。
具体实施方法
下面结合附图对本发明做进一步说明。
参照图1~图7,一种考虑互动响应的多微网互联运行协调调度优化方法,包括以下步骤:
S1:在日前优化过程,构建微电网群模型,对系统进行初始化并获取原始数据和优化等所需参数,包括价格函数以及有关微电网群参数信息;
S2:建立博弈模型,在博弈设定的策略空间S中随机生成均衡点初值作为初始净负荷,各微电网个体根据初始状态独立优化决策,求解各自的成本最小化优化策略;
S3:微电网群内进行信息交互,各个微电网将各自获得的最优策略信息进行共享,并对系统状态信息进行更新;
S4:由系统判断是否达到纳什均衡,若是,则输出最终优化集合作为微电网群优化结果;若否,返回步骤S2根据更新后的状态信息重新进行优化;
S5:进入日内优化阶段,根据已有的信息对风光出力及负荷需求进行短时预测,得到日前预测数据;
S6:在单个微电网内,输入短时日前预测数据,以最小化实际与计划的净负荷之差为目标建立优化模型;
S7:以3h为周期,30min为时间间隔对系统进行滚动优化,以校正净负荷偏差为目标,对系统进行求解;
S8:求解完成后,选取控制时域内的所有控制变量作为实际调度方案,等待下一优化周期的到来,并重复上述日内优化过程;
所述微电网群环境由多个微电网个体组成,在每个微电网个体内部,其供电侧由风能、光能、储能等分布式电源组成,需求侧由不同类型的类荷组成。在各个微电网之间存在相互连接的联络线,以在微电网个体无法完全消纳分布式能源时,分享多余的电能。
进一步,所述步骤S1中,系统包括以下构成:
S1-1.基本负荷模型:所有参加需求响应的消费者都应该有一定比例的柔性负载,这就意味着他们有空间来调节负载的大小和时间。根据其不同的特性负荷可分为不可控负荷和可转移负荷两类。不可控负荷如照明类设备,其通断电将影响居民正常生活,不参与需求响应;可转移负荷用电时间较为灵活,在某一时间内完成工作需求即可;因此可转移负荷可作为主动负荷参与需求响应,满足分布式电源消纳需求。具体模型如下:
不可控负荷(uncontrollable loads,ULs):该类负荷链接智能插座,符合分布可预测,但不能对其进行控制,如室内照明、电视、电话机等,其是否正常运行关系到用户的基本需求是否能正常满足;第i个微电网的不可控负荷定义如下:
式中:ULi,j表示第i个微电网第j时段不可控负荷总量;N表示微电网总数;T为时间长度,指定为24小时。
可转移负荷(transferable load,TLs):该类负荷的工作时段存在一定范围,在该范围内工作时间可调度,第i个微电网可转移负荷定义如下:
式中:TLi,j表示第i个微电网第j时段可转移负荷总量。
可转移负荷意味着消费者可以选择使用的时间,根据当前电价决定用电量,因此可转移负荷满足如下特性:
式中:[TLi min,TLi max]是可转移负荷的功率范围;[ti start,ti end]是可转移负荷的时间范围;Qi min是可转移负荷的需求量,即设备完成任务的最小耗电量;具体约束如下:
由式(4)可知,TL设备运行时段内,其功率处于允许范围内;运行结束时,其耗电量应满足最小耗电量要求才表明该设备已完成工作。TL设备可通过转移用电时段、同时保证完成工作要求来参与负荷调度响应电网需求。
S1-2.求解系统净负荷前后变化值,我们将第i个微电网在第j时段的净负荷如下所示:
式中,为微电网i在j时刻的净负荷,这部分负荷需要同配电网或其他微电网之间交易以平衡自身供需功率;和为微电网i在j时刻的储能充电与放电功率;Ppv,i是第i个微电网的光伏输出功率;Pw,i是第i个微电网的风机输出功率;
考虑到微电网群作为一个系统整体,计所有微电网个体净负荷之和,作为系统净负荷:
S1-3.实时电价模型:为缓解高峰负荷需求压力,减小峰谷差,特别是为了最小化用户成本,分时电价理论得到了实际应用。分时电价理论是根据电网负荷变化情况,提前24h对未来各时段制定不同的电价水平,激励用户在用电高峰转移他们的负荷,但是此理论下峰值负荷有可能转移到非峰时段产生反弹峰,功率峰均比并未降低,无法达到优化目的。因此,本发明采用了一种实时电价模型,具体电价根据每时刻电力系统内的供需关系和各类约束条件决定,使得用户综合负载的分布尽可能保持均匀。可以使用户更合理地安排自己的用电时段,降低用电费用,实现电网的削峰填谷,充分利用电力市场的供需状况,自动反馈调节用户负荷,通过经济利益激励用户合理有效用电。实时电价每时段都会发生变化,导致电力成本与系统负荷关系也会发生改变,通常电力成本与系统负荷成二次函数关系,表示为:
式中:代表微电网群的电力总成本;a、b、c为成本多项式的参数,其中a>0和b,c≥0;γ是光伏出力的倒送电价;
由于电力成本应当是一个连续函数,所以设置c=0,为了简化计算,成本函数可近似为以下二次函数:
因此实时电价函数可近似为:
除此之外,微电网个体的成本主要由电力成本、用户补偿、蓄电池运行维护费用、新能源补贴以及与其他微网交互收益等五部分组成:
式中,KTL、KBESS和KRES分别代表可转移负荷、储能系统、新能源出力的成本系数,即单位kW·h储能充放电量、新能源输出功率所产生的成本或补贴,其中KTL为负荷转移补偿与负荷转移平方值之间的比例系数;ρalt为微网与微网之间的交互电价。
由于本发明中的存在联络线以在微电网与微电网之间交易电能,假设微电网i与其他M个微电网互联,则微网i中的联络线功率具有以下特性:
式中,为联络线传输功率上限;为第j时段联络线停启状态,其他时段类似。公式(11)表明联络线功率满足传输限值约束。为正时,表示该微网向第m微网售出电能,反之表示从第m微网购电。公式(12)则说明对外售出或购入的电能总量应小于自身需求极限。
再进一步,所述步骤S2中,日前博弈模型的建立包括以下过程:
S2-1.在微电网群体中,各微电网之间的利益相互关联,并存在一定的竞争制约关系。本发明采用博弈理论,研究不同决策方在给定信息下如何调控能量以最大化自身收益。在非合作博弈中,各方策略分别是各自的用电计划,在给定的约束条件下追求各自优化目标的最优化,最终达到纳什均衡,使得不同决策方实现利己和利他的平衡。在给定约束下实现各自的目标,最终达到纳什均衡,实现整体的最优决策,形成的非合作博弈模型表示如下:
参与者:U={U1,U2,…,UN}
策略集:S={S1,S2,…,SN},
目标函数:E={E1,E2,…,EN}
式中,Ui代表第i个微电网;Si代表微电网i的用电策略,其中TLi为可转移负荷用电规划,PB,i=Pch,i+Pdch,i,代表储能充放电安排,代表第i个微电网和与其相链接的第m个微电网之间的交互策略;Ei为第i个微电网的收益,是其优化的目标函数,Ei=-Ci,其中Ci为第i个微电网成本。
若上述博弈存在纳什均衡,即在给定信息下,所有参与者都选择了这样一组策略,在该策略下,各方参与的微电网都能够获得最大收益,且所有参与者不会单方面改变自身策略,以主动打破这种均衡。
更进一步,在所述步骤S4中,纳什均衡求解包括以下步骤:
S4-1.为了求解纳什均衡解的存在,我们首先对其纳什均衡存在性进行证明。证明纳什均衡存在的定理如下:
定理:在博弈中,如果决策空间的非空凸子集的欧氏空间,支付函数是连续和拟凹的,则存在一个纯策略纳什均衡。
由于本发明中模型的策略空间是欧式空间中的非空紧凸集,故只需要说明收益函数Ei,j连续拟凹,即可根据定理证明本模型纳什均衡的存在。
在本模型中,由于交互功率需要基于优化后的结果合理分配各微电网多余电能,因此在个体微网优化求解过程中,为常量,所以目标函数可转化分解为三个部分:
其中与为关于自变量的一次函数,其二阶导数为0,为非凹函数,关于的二阶导数(a'+KTL)为正,函数为凸函数。因此,成本函数Ci,j为凸函数,则收益函数Ei,j为凹函数。所有凹函数连续拟凹,根据定理,该模型具有“纳什均衡”。
S4-2.系统满足纳什均衡条件时,即|Pnl(k)–Pnl(k-1)|<0.001,当迭代前后,净负荷总量变化量小于设定的阈值0.001,认为迭代已经收敛,系统到达最优状态。若不满足则跳转步骤S2再次进行优化。
在所述步骤S5中,日前预测数据的获得包括以下内容:
S5-1.本发明采用随机场景分析方法对风、光电源出力以及负荷需求的不确定性表现进行量化,为了反映预测控制算法在不确定条件下的性能,同样以便于对本发明所提方法在预测不确定性环境下的鲁棒性进行深入分析。
根据已有的对风光电源出力以及负荷需求预测的研究结论,设风机、光伏出力以及负荷需求的预测值满足式(15)所示的模型。
式中,n=1,2,3;为第i个微电网中,风机、光伏或负荷在j时段的预测数据;Rn为一个服从U(-1,1)分布的随机数;τ为预测时间长度,预测的精确度随预测时长的增加而减小,当τ=24时,代表日前预测模型;为风机、光伏或负荷的预测误差阈值:
式中,表示风机、光伏或负荷的基准预测误差,具体数值如表1所示,J表示预测误差最大倍数。
表1
在所述步骤S6中,滚动优化模型的建立及求解包括以下步骤:
S6-1:本发明所用的滚动优化模型以单个微电网为单位,通过滚动优化对微电网内部联络线功率的校正,在一定程度上消除预测不确定性所带来的影响,在基于滚动时域内优化后的调整结果,对各微电网之间的交互功率进行重新分配。
S6-2:在单个微电网内,根据微电网每时段的功率平衡方程及储能SOC迭代方程,选择储能充放电功率与负荷转移功率作为控制变量,基于固定负荷、风电机组及光伏出力的短时预测数据对控制变量进行优化调整,以最小化实际与计划的净负荷之差为目标,确保微电网对外界的联络线功率满足日前计划。因此,在滚动时域内的优化调度为以下的二次规划问题:
式中,Ji为第i个微电网在滚动时域内的目标函数;为微电网日内净负荷;τ为滚动时域周期。
在所述步骤S7中,为了保证在日内调度过程中,可转移负荷总量依然满足日前计划的要求,以及储能系统满足日运行能量平衡约束,本发明在目标函数中添加了一定的补偿,作为二者相应的柔性约束,约束的强弱取决于柔性约束的刚度,即对应的系数,最终的优化模型为:
式中,为j时段储能电池的SOC,即剩余容量;为日内的储能电池剩余容量;为日内的负荷转移功率;A、B和C是净负荷、储能剩余容量、负荷转移功率的权重。为了应对由于联络线故障导致的微电网群离网状态,引入状态变量uge(t)对优化目标进行切换,uge(t)取0或1;当系统正常运行时,uge(t)取1,以校正净负荷偏差为目标进行滚动优化;当系统在滚动优化过程中及时检测到故障时,uge(t)取0,优化目标切换为消除微电网群整体的不平衡电量。对微电网群,由于日前计划中已做初步优化,约束中各时刻可转移负荷、储能充放电以及各微网间联络线的停启状态均为常量,其值即为日前计划的优化结果,无需重复求解。
在所述步骤S8中,求解完成后,选取控制时域内的所有控制变量,作为实际调度方案,等待下一优化周期的到来,并重复上述优化过程。
为使本领域技术人员更好地理解本发明,申请人使用某个微电网群的实际数据,互联时按配电网实时电价进行能量交易用于验证所提控制策略的有效性。该微电网群位于中国杭州,其中包括住宅区,商业区和办公区,分别命名为微网1、微网2和微网3。为了使优化效果更直观,本案例所设置的三个微电网中,微网1为平电微电网,其分布式电源容量与负荷大致相等,可自给自足,微网2为多电微电网,在满足自身负荷需求后,仍有部分多余电能可倒送至配电网,微网3为少电微电网,自身能源不足以支持其负荷需求。具体电源和储能容量配置如表2所示,各项参数如表3所示。
微网名称 | 光伏容量/kW | 风机容量/kW | 储能容量/kW·h |
微网1 | 400 | 400 | 600 |
微网2 | 300 | 400 | 600 |
微网3 | 800 | 800 | 1000 |
表2
表3
为了体现互联运行方式的优越性,本发明另外采用了传统的独立运行方法进行对比分析。
表4和表5分别为微电网群优化前后各项数据指标的详细变化。从表4可以看出,在独立或互联优化的作用下,微电网的净负荷波动性得到了有效改善,新能源消纳率也有明显提高,这说明本发明所提的两种运行方法,都有效增强了微电网运行的稳定性,同时新能源消纳率的提高,也有助于加快新能源技术的发展和普及,为提高新能源的大规模接入提供了有效的解决方案;此外,对比两种运行方式,在改善净负荷波动性方面,互联运行中净负荷波动率的优化效果比独立运行提高了6.570%,峰谷差提高了5.990%,独立运行方式对新能源的消纳效果达到了94.29%,而互联运行更是高达100%,充分利用了可再生能源。可见无论是提高微电网群系统运行的稳定性,还是对能源利用率的改善,互联运行都有更显著的效果。
波动率/kW·h | 峰谷差/kW·h | 波动削减率 | 能量消纳率 | |
优化前 | 270.7562 | 1014.0650 | - | 86.64% |
独立运行 | 75.5561 | 274.3770 | 69.25% | 94.29% |
互联运行 | 57.7685 | 213.5854 | 82.24% | 100% |
表4
表5
表5罗列了微电网在优化前后、以及不同优化方式下,在经济性上的不同。表中可以看出无论是独立运行,还是互联运行,对微电网经济性的提高效果都十分明显。对比互联运行和独立运行,可以发现在本发明所设置的互联交易机制下,微电网收益比起独立运行时,有了小幅度的提高,提高最大的如微网3,互联时的收益比独立运行提高了312.97元,提高了17%,变化最小的如微网1,其收益也有细微的提高;总成本方面,互联运行比独立运行一共增加了543.12元,约提高了8.62%。
由于天气与环境等因素的影响,微电网对风、光出力的预测具有强烈的不确定性。本节将通过随机场景分析在不同情况下日内滚动优化的具体性能。同时,为了增加仿真的可信度,随机场景个数设为100,图中的数据为所有场景中计算结果的箱线图分析。
由图1和2可知,系统优化后的经济效益与净负荷波动率随着不确定度的升高不断增加。对比两种算法下的优化结果,MPC算法下的结果明显比无MPC的结果更具有经济性和稳定性,随着不确定性的增加,具有MPC算法的多微网系统受到预测偏差的影响明显更小,同时结果也更靠近平均值,不会过多偏离优化的期望值。
为了体现互联运行方式对系统可靠性的影响,本发明设置不确定性为0,以便于对比两种运行方式下的优化效果,设定0:00am到8:00am为故障时段,故障期间由于与上级电网间的线路断开,造成微网群孤岛运行,图3为两种优化方式下的系统净负荷,图中可以看出,独立运行方式下,由于负荷转移与储能充、放电功率存在一定的约束限制,独立运行的微电网无法完全发挥风、光能源的消纳作用,使故障时段下,微电网无法实现自给自足、自发自用的目的,在故障时段依然存在负荷需求,需要切除大量负荷。与之相比,互联运行下的微电网群通过协同互联作用,将故障时的不平衡电量控制在允许的范围内,通过图4可知,在故障时段,电能过剩的多电微电网2将过剩的新能源传输给少电微电网3,以能量互补的方式实现了协同运行,达到了提高多微网系统运行可靠性的目的。
本节分别选取了不同的预测时长,通过多种场景对预测控制算法的优化效果进行分析与讨论,最终结果如图5与6所示。图中可以看出,预测控制框架下的模型优化效果始终比日前计划曲线要好,这是由于日前计划中只进行一次日前预测,且不进行任何的校正,而预测控制技术能随着滚动时域的前移,根据分布式电源和负荷需求的短时预测数据,产生相应的优化控制序列,保证模型的稳定性。而预测控制框架下的优化模型,随着预测时长的增大,其预测精度不断下降,导致多微网系统的净负荷波动率逐渐上升,新能源消纳率缓慢下滑。因此,为了获得最好的优化效果,将预测时长控制在9小时以内为佳。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也包括本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (8)
1.一种考虑互动响应的多微网互联运行协调调度优化方法,其特征在于,包括以下步骤:
S1:在日前优化过程,构建微电网群模型,对系统进行初始化并获取原始数据和优化所需参数,包括价格函数以及有关微电网群参数信息;
S2:建立博弈模型,在博弈设定的策略空间S中随机生成均衡点初值作为初始净负荷,各微电网个体根据初始状态独立优化决策,求解各自的成本最小化优化策略;
S3:微电网群内进行信息交互,各个微电网将各自获得的最优策略信息进行共享,并对系统状态信息进行更新;
S4:由系统判断是否达到纳什均衡,若是,则输出最终优化集合作为微电网群优化结果;若否,返回步骤S2根据更新后的状态信息重新进行优化;
S5:进入日内优化阶段,根据已有的信息对风光出力及负荷需求进行短时预测,得到日前预测数据;
S6:在单个微电网内,输入短时日前预测数据,以最小化实际与计划的净负荷之差为目标建立优化模型;
S7:以设定时段为周期,设定时间间隔对系统进行滚动优化,以校正净负荷偏差为目标,对系统进行求解;
S8:求解完成后,选取控制时域内的所有控制变量作为实际调度方案,等待下一优化周期的到来,并重复上述日内优化过程。
2.如权利要求1所述的一种考虑互动响应的多微网互联运行协调调度优化方法,其特征在于,所述步骤S1中,系统包括以下构成:
S1-1.基本负荷模型:根据其不同的特性负荷可分为不可控负荷和可转移负荷两类,不可控负荷不参与需求响应;可转移负荷作为主动负荷参与需求响应,满足分布式电源消纳需求,模型如下:
不可控负荷:第i个微电网的不可控负荷定义如下:
式中:ULi,j表示第i个微电网第j时段不可控负荷总量;N表示微电网总数;T为时间长度,指定为24小时;
可转移负荷:第i个微电网可转移负荷定义如下:
式中:TLi,j表示第i个微电网第j时段可转移负荷总量;
可转移负荷意味着消费者可以选择使用的时间,根据当前电价决定用电量,因此可转移负荷满足如下特性:
式中:[TLi min,TLi max]是可转移负荷的功率范围;[ti start,ti end]是可转移负荷的时间范围;Qi min是可转移负荷的需求量,即设备完成任务的最小耗电量;具体约束如下:
由式(4)可知,TL设备运行时段内,其功率处于允许范围内;运行结束时,其耗电量应满足最小耗电量要求才表明该设备已完成工作,TL设备可通过转移用电时段、同时保证完成工作要求来参与负荷调度响应电网需求;
S1-2.求解系统净负荷前后变化值,将第i个微电网在第j时段的净负荷如下所示:
式中,为微电网i在j时刻的净负荷,这部分负荷需要同配电网或其他微电网之间交易以平衡自身供需功率;和为微电网i在j时刻的储能充电与放电功率;Ppv,i是第i个微电网的光伏输出功率;Pw,i是第i个微电网的风机输出功率;
考虑到微电网群作为一个系统整体,计所有微电网个体净负荷之和,作为系统净负荷:
S1-3.实时电价模型:电力成本与系统负荷成二次函数关系,表示为:
式中:代表微电网群的电力总成本;a、b、c为成本多项式的参数,其中a>0和b,c≥0;γ是光伏出力的倒送电价;
由于电力成本应当是一个连续函数,所以设置c=0,成本函数可近似为以下二次函数:
因此实时电价函数近似为:
除此之外,微电网个体的成本由电力成本、用户补偿、蓄电池运行维护费用、新能源补贴以及与其他微网交互收益五部分组成:
式中,KTL、KBESS和KRES分别代表可转移负荷、储能系统、新能源出力的成本系数,即单位kW·h储能充放电量、新能源输出功率所产生的成本或补贴,其中KTL为负荷转移补偿与负荷转移平方值之间的比例系数;ρalt为微网与微网之间的交互电价;
存在联络线以在微电网与微电网之间交易电能,假设微电网i与其他M个微电网互联,则微网i中的联络线功率具有以下特性:
式中,为联络线传输功率上限;为第j时段联络线停启状态,公式(11)表明联络线功率满足传输限值约束,为正时,表示该微网向第m微网售出电能,反之表示从第m微网购电,公式(12)则说明对外售出或购入的电能总量应小于自身需求极限。
3.如权利要求1或2所述的一种考虑互动响应的多微网互联运行协调调度优化方法,其特征在于,所述步骤S2中,日前博弈模型的建立包括以下过程:
S2-1.采用博弈理论,研究不同决策方在给定信息下如何调控能量以最大化自身收益,在非合作博弈中,各方策略分别是各自的用电计划,在给定的约束条件下追求各自优化目标的最优化,最终达到纳什均衡,使得不同决策方实现利己和利他的平衡,在给定约束下实现各自的目标,最终达到纳什均衡,实现整体的最优决策,形成的非合作博弈模型表示如下:
式中,Ui代表第i个微电网;Si代表微电网i的用电策略,其中TLi为可转移负荷用电规划,PB,i=Pch,i+Pdch,i,代表储能充放电安排,代表第i个微电网和与其相链接的第m个微电网之间的交互策略;Ei为第i个微电网的收益,是其优化的目标函数,Ei=-Ci,其中Ci为第i个微电网成本;
若上述博弈存在纳什均衡,即在给定信息下,所有参与者都选择了这样一组策略,在该策略下,各方参与的微电网都能够获得最大收益,且所有参与者不会单方面改变自身策略,以主动打破这种均衡。
4.如权利要求1或2所述的一种考虑互动响应的多微网互联运行协调调度优化方法,其特征在于,在所述步骤S4中,纳什均衡求解包括以下步骤:
S4-1.证明纳什均衡存在的定理如下:
定理:在博弈中,如果决策空间的非空凸子集的欧氏空间,支付函数是连续和拟凹的,则存在一个纯策略纳什均衡;
模型的策略空间是欧式空间中的非空紧凸集,故只需要说明收益函数Ei,j连续拟凹,即可根据定理证明本模型纳什均衡的存在;
由于交互功率需要基于优化后的结果合理分配各微电网多余电能,因此在个体微网优化求解过程中,为常量,所以目标函数转化分解为三个部分:
其中与为关于自变量的一次函数,其二阶导数为0,为非凹函数,关于的二阶导数(a'+KTL)为正,函数为凸函数,因此,成本函数Ci,j为凸函数,则收益函数Ei,j为凹函数,所有凹函数连续拟凹,根据定理,该模型具有“纳什均衡”;
S4-2.系统满足纳什均衡条件时,即|Pnl(k)–Pnl(k-1)|<0.001,当迭代前后,净负荷总量变化量小于设定的阈值0.001,认为迭代已经收敛,系统到达最优状态,若不满足则跳转步骤S2再次进行优化。
5.如权利要求1或2所述的一种考虑互动响应的多微网互联运行协调调度优化方法,其特征在于,在所述步骤S5中,日前预测数据的获得包括以下内容:
S5-1.采用随机场景分析方法对风、光电源出力以及负荷需求的不确定性表现进行量化,根据已有的对风光电源出力以及负荷需求预测的研究结论,设风机、光伏出力以及负荷需求的预测值满足式(15)所示的模型,
式中,n=1,2,3;为第i个微电网中,风机、光伏或负荷在j时段的预测数据;Rn为一个服从U(-1,1)分布的随机数;τ为预测时间长度,预测的精确度随预测时长的增加而减小,当τ=24时,代表日前预测模型;为风机、光伏或负荷的预测误差阈值:
式中,表示风机、光伏或负荷的基准预测误差,具体数值如表1所示,J表示预测误差最大倍数;
表1。
6.如权利要求1或2所述的一种考虑互动响应的多微网互联运行协调调度优化方法,其特征在于,在所述步骤S6中,滚动优化模型的建立及求解包括以下步骤:
S6-1:滚动优化模型以单个微电网为单位,通过滚动优化对微电网内部联络线功率的校正,在基于滚动时域内优化后的调整结果,对各微电网之间的交互功率进行重新分配;
S6-2:在单个微电网内,根据微电网每时段的功率平衡方程及储能SOC迭代方程,选择储能充放电功率与负荷转移功率作为控制变量,基于固定负荷、风电机组及光伏出力的短时预测数据对控制变量进行优化调整,以最小化实际与计划的净负荷之差为目标,确保微电网对外界的联络线功率满足日前计划,因此,在滚动时域内的优化调度为以下的二次规划问题:
式中,Ji为第i个微电网在滚动时域内的目标函数;为微电网日内净负荷;τ为滚动时域周期。
7.如权利要求1或2所述的一种考虑互动响应的多微网互联运行协调调度优化方法,其特征在于,在所述步骤S7中,在目标函数中添加了补偿,作为二者相应的柔性约束,约束的强弱取决于柔性约束的刚度,即对应的系数,最终的优化模型为:
式中,为j时段储能电池的SOC,即剩余容量;为日内的储能电池剩余容量;为日内的负荷转移功率;A、B和C是净负荷、储能剩余容量、负荷转移功率的权重,为了应对由于联络线故障导致的微电网群离网状态,引入状态变量uge(t)对优化目标进行切换,uge(t)取0或1;当系统正常运行时,uge(t)取1,以校正净负荷偏差为目标进行滚动优化;当系统在滚动优化过程中及时检测到故障时,uge(t)取0,优化目标切换为消除微电网群整体的不平衡电量,对微电网群,由于日前计划中已做初步优化,约束中各时刻可转移负荷、储能充放电以及各微网间联络线的停启状态均为常量,其值即为日前计划的优化结果,无需重复求解。
8.如权利要求1或2所述的一种考虑互动响应的多微网互联运行协调调度优化方法,其特征在于,在所述步骤S8中,求解完成后,选取控制时域内的所有控制变量,作为实际调度方案,等待下一优化周期的到来,并重复上述优化过程。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710719596 | 2017-08-21 | ||
CN2017107195964 | 2017-08-21 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107958300A true CN107958300A (zh) | 2018-04-24 |
CN107958300B CN107958300B (zh) | 2020-08-04 |
Family
ID=61963998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711011128.8A Active CN107958300B (zh) | 2017-08-21 | 2017-10-26 | 一种考虑互动响应的多微网互联运行协调调度优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107958300B (zh) |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108599158A (zh) * | 2018-05-21 | 2018-09-28 | 西安交通大学 | 一种用于灾害后快速恢复供电的多微网的分层优化调度方法及系统 |
CN108711077A (zh) * | 2018-05-25 | 2018-10-26 | 电子科技大学 | 一种基于区块链技术的光伏型微电网交易方法 |
CN108777713A (zh) * | 2018-06-01 | 2018-11-09 | 广东电网有限责任公司电力科学研究院 | 一种分布式需求响应的负荷调节方法及装置 |
CN108964141A (zh) * | 2018-09-10 | 2018-12-07 | 沈阳工业大学 | 一种基于多微网互联系统自适应协同运行控制方法 |
CN109190882A (zh) * | 2018-07-25 | 2019-01-11 | 南京邮电大学 | 电力市场环境下基于云储能的微网经济优化交易方法 |
CN109286187A (zh) * | 2018-10-19 | 2019-01-29 | 国网宁夏电力有限公司经济技术研究院 | 一种面向多主体利益均衡的微网日前经济调度方法 |
CN109472469A (zh) * | 2018-10-23 | 2019-03-15 | 国网福建省电力有限公司 | 一种促进园区清洁能源消纳的多主体互动协调方法及系统 |
CN109474007A (zh) * | 2018-11-12 | 2019-03-15 | 沈阳工业大学 | 一种基于大数据云技术的能源互联网调度方法 |
CN109634119A (zh) * | 2018-12-24 | 2019-04-16 | 浙江工业大学 | 一种基于日内滚动优化的能源互联网优化控制方法 |
CN109861302A (zh) * | 2018-12-24 | 2019-06-07 | 浙江工业大学 | 一种基于主从博弈的能源互联网日前优化控制方法 |
CN110400059A (zh) * | 2019-07-05 | 2019-11-01 | 中国科学院电工研究所 | 一种综合能源系统联络线功率控制方法 |
CN110445173A (zh) * | 2019-08-07 | 2019-11-12 | 上海电力大学 | 一种基于多代理的分层多微网能量管理系统及调度方法 |
CN111293682A (zh) * | 2020-02-10 | 2020-06-16 | 浙江工业大学 | 一种基于协同模型预测控制的多微网能量管理方法 |
CN111310111A (zh) * | 2020-03-31 | 2020-06-19 | 国网浙江省电力有限公司电力科学研究院 | 多微电网系统协同优化调度模型与动态链接行为分析方法 |
CN111950807A (zh) * | 2020-08-26 | 2020-11-17 | 华北电力大学(保定) | 计及不确定性与需求响应的综合能源系统优化运行方法 |
CN112129995A (zh) * | 2020-09-25 | 2020-12-25 | 中国电力科学研究院有限公司 | 一种可再生能源电力生产和消纳量计量方法及系统 |
CN112232586A (zh) * | 2020-10-29 | 2021-01-15 | 上海电力大学 | 一种基于机会约束规划的综合能源微网群协调控制方法 |
CN112330486A (zh) * | 2020-10-29 | 2021-02-05 | 长沙理工大学 | 一种跨区联络线状态异常的挂牌交易优化决策方法 |
CN112491094A (zh) * | 2020-11-19 | 2021-03-12 | 南方电网数字电网研究院有限公司 | 一种混合驱动的微电网能量管理方法、系统及装置 |
CN112531699A (zh) * | 2020-12-04 | 2021-03-19 | 广东电网有限责任公司电力调度控制中心 | 一种微电网自治能管系统能量调度方法和系统 |
CN112564102A (zh) * | 2020-12-11 | 2021-03-26 | 合肥工业大学 | 多微网负荷优化调度方法和系统 |
CN112651112A (zh) * | 2020-12-17 | 2021-04-13 | 湖南大学 | 互联微网电能交易和系统运行协同决策方法、系统及设备 |
CN112766571A (zh) * | 2021-01-19 | 2021-05-07 | 西安交通大学 | 一种分布式与集中式相协同的微网群调度方法 |
CN113762808A (zh) * | 2021-09-24 | 2021-12-07 | 国网湖南省电力有限公司 | 微网多能源系统与电网系统的联合调度方法 |
CN113794244A (zh) * | 2021-08-25 | 2021-12-14 | 浙江工业大学 | 含多微网主动配电系统的定价与最优能量调度方法和系统 |
CN113972655A (zh) * | 2021-11-02 | 2022-01-25 | 许继集团有限公司 | 一种源网荷储协同优化控制方法及装置 |
CN114285093A (zh) * | 2021-12-29 | 2022-04-05 | 南京邮电大学 | 一种源网荷储互动调度方法及系统 |
CN114498639A (zh) * | 2022-04-15 | 2022-05-13 | 国网湖北省电力有限公司经济技术研究院 | 一种考虑需求响应的多微电网联合互济的日前调度方法 |
CN114884110A (zh) * | 2022-07-01 | 2022-08-09 | 国网湖北省电力有限公司经济技术研究院 | 一种源网荷多约束条件下的电力系统储能优化运行方法 |
CN115021327A (zh) * | 2022-05-19 | 2022-09-06 | 合肥工业大学 | 基于虚拟储能的互联微电网系统的协同日前优化调度方法 |
CN115204562A (zh) * | 2022-05-10 | 2022-10-18 | 浙江工业大学 | 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统 |
CN117039935A (zh) * | 2023-08-23 | 2023-11-10 | 昆明理工大学 | 一种利用vsg的微网系统多状态对象协同控制的方法 |
CN117039935B (zh) * | 2023-08-23 | 2024-04-30 | 昆明理工大学 | 一种利用vsg的微网系统多状态对象协同控制的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839109A (zh) * | 2013-10-19 | 2014-06-04 | 李涛 | 一种基于博弈纳什均衡的微网电源规划方法 |
CN104392279A (zh) * | 2014-11-19 | 2015-03-04 | 天津大学 | 一种多智能体结构的微电网优化运行方法 |
-
2017
- 2017-10-26 CN CN201711011128.8A patent/CN107958300B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839109A (zh) * | 2013-10-19 | 2014-06-04 | 李涛 | 一种基于博弈纳什均衡的微网电源规划方法 |
CN104392279A (zh) * | 2014-11-19 | 2015-03-04 | 天津大学 | 一种多智能体结构的微电网优化运行方法 |
Non-Patent Citations (3)
Title |
---|
NIKMEHR NIMA,ETAL: "Optimal power dispatch of multi-microgrids at fyture smart distribution grids", 《IEEE TRANSACTIONS ON SMART GRID》 * |
张有兵 等: "考虑价格型需求响应的独立型微电网优化配置", 《电力自动化设备》 * |
杨晓东 等: "考虑交互功率与可再生能源功率波动的微电网调度优化模型", 《电力系统保护与控制》 * |
Cited By (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108599158A (zh) * | 2018-05-21 | 2018-09-28 | 西安交通大学 | 一种用于灾害后快速恢复供电的多微网的分层优化调度方法及系统 |
CN108711077A (zh) * | 2018-05-25 | 2018-10-26 | 电子科技大学 | 一种基于区块链技术的光伏型微电网交易方法 |
CN108711077B (zh) * | 2018-05-25 | 2021-07-13 | 电子科技大学 | 一种基于区块链技术的光伏型微电网交易方法 |
CN108777713B (zh) * | 2018-06-01 | 2020-12-25 | 广东电科院能源技术有限责任公司 | 一种分布式需求响应的负荷调节方法及装置 |
CN108777713A (zh) * | 2018-06-01 | 2018-11-09 | 广东电网有限责任公司电力科学研究院 | 一种分布式需求响应的负荷调节方法及装置 |
CN109190882A (zh) * | 2018-07-25 | 2019-01-11 | 南京邮电大学 | 电力市场环境下基于云储能的微网经济优化交易方法 |
CN109190882B (zh) * | 2018-07-25 | 2021-11-30 | 南京邮电大学 | 电力市场环境下基于云储能的微网经济优化交易方法 |
CN108964141B (zh) * | 2018-09-10 | 2022-02-18 | 沈阳工业大学 | 一种基于多微网互联系统自适应协同运行控制方法 |
CN108964141A (zh) * | 2018-09-10 | 2018-12-07 | 沈阳工业大学 | 一种基于多微网互联系统自适应协同运行控制方法 |
CN109286187B (zh) * | 2018-10-19 | 2022-01-04 | 国网宁夏电力有限公司经济技术研究院 | 一种面向多主体利益均衡的微网日前经济调度方法 |
CN109286187A (zh) * | 2018-10-19 | 2019-01-29 | 国网宁夏电力有限公司经济技术研究院 | 一种面向多主体利益均衡的微网日前经济调度方法 |
CN109472469B (zh) * | 2018-10-23 | 2021-12-24 | 国网福建省电力有限公司 | 一种促进园区清洁能源消纳的多主体互动协调方法及系统 |
CN109472469A (zh) * | 2018-10-23 | 2019-03-15 | 国网福建省电力有限公司 | 一种促进园区清洁能源消纳的多主体互动协调方法及系统 |
CN109474007B (zh) * | 2018-11-12 | 2022-02-22 | 沈阳工业大学 | 一种基于大数据云技术的能源互联网调度方法 |
CN109474007A (zh) * | 2018-11-12 | 2019-03-15 | 沈阳工业大学 | 一种基于大数据云技术的能源互联网调度方法 |
CN109861302A (zh) * | 2018-12-24 | 2019-06-07 | 浙江工业大学 | 一种基于主从博弈的能源互联网日前优化控制方法 |
CN109634119A (zh) * | 2018-12-24 | 2019-04-16 | 浙江工业大学 | 一种基于日内滚动优化的能源互联网优化控制方法 |
CN109634119B (zh) * | 2018-12-24 | 2022-04-01 | 浙江工业大学 | 一种基于日内滚动优化的能源互联网优化控制方法 |
CN110400059A (zh) * | 2019-07-05 | 2019-11-01 | 中国科学院电工研究所 | 一种综合能源系统联络线功率控制方法 |
CN110400059B (zh) * | 2019-07-05 | 2021-11-02 | 中国科学院电工研究所 | 一种综合能源系统联络线功率控制方法 |
CN110445173A (zh) * | 2019-08-07 | 2019-11-12 | 上海电力大学 | 一种基于多代理的分层多微网能量管理系统及调度方法 |
CN111293682B (zh) * | 2020-02-10 | 2022-06-17 | 浙江工业大学 | 一种基于协同模型预测控制的多微网能量管理方法 |
CN111293682A (zh) * | 2020-02-10 | 2020-06-16 | 浙江工业大学 | 一种基于协同模型预测控制的多微网能量管理方法 |
CN111310111B (zh) * | 2020-03-31 | 2021-08-27 | 国网浙江省电力有限公司电力科学研究院 | 多微电网系统协同优化调度模型与动态链接行为分析方法 |
CN111310111A (zh) * | 2020-03-31 | 2020-06-19 | 国网浙江省电力有限公司电力科学研究院 | 多微电网系统协同优化调度模型与动态链接行为分析方法 |
CN111950807A (zh) * | 2020-08-26 | 2020-11-17 | 华北电力大学(保定) | 计及不确定性与需求响应的综合能源系统优化运行方法 |
CN111950807B (zh) * | 2020-08-26 | 2022-03-25 | 华北电力大学(保定) | 计及不确定性与需求响应的综合能源系统优化运行方法 |
CN112129995B (zh) * | 2020-09-25 | 2023-03-21 | 中国电力科学研究院有限公司 | 一种可再生能源电力生产和消纳量计量方法及系统 |
CN112129995A (zh) * | 2020-09-25 | 2020-12-25 | 中国电力科学研究院有限公司 | 一种可再生能源电力生产和消纳量计量方法及系统 |
CN112232586A (zh) * | 2020-10-29 | 2021-01-15 | 上海电力大学 | 一种基于机会约束规划的综合能源微网群协调控制方法 |
CN112330486A (zh) * | 2020-10-29 | 2021-02-05 | 长沙理工大学 | 一种跨区联络线状态异常的挂牌交易优化决策方法 |
CN112491094A (zh) * | 2020-11-19 | 2021-03-12 | 南方电网数字电网研究院有限公司 | 一种混合驱动的微电网能量管理方法、系统及装置 |
CN112491094B (zh) * | 2020-11-19 | 2023-07-04 | 南方电网数字电网研究院有限公司 | 一种混合驱动的微电网能量管理方法、系统及装置 |
CN112531699B (zh) * | 2020-12-04 | 2023-08-18 | 广东电网有限责任公司电力调度控制中心 | 一种微电网自治能管系统能量调度方法和系统 |
CN112531699A (zh) * | 2020-12-04 | 2021-03-19 | 广东电网有限责任公司电力调度控制中心 | 一种微电网自治能管系统能量调度方法和系统 |
CN112564102A (zh) * | 2020-12-11 | 2021-03-26 | 合肥工业大学 | 多微网负荷优化调度方法和系统 |
CN112651112A (zh) * | 2020-12-17 | 2021-04-13 | 湖南大学 | 互联微网电能交易和系统运行协同决策方法、系统及设备 |
CN112766571B (zh) * | 2021-01-19 | 2023-08-04 | 西安交通大学 | 一种分布式与集中式相协同的微网群调度方法 |
CN112766571A (zh) * | 2021-01-19 | 2021-05-07 | 西安交通大学 | 一种分布式与集中式相协同的微网群调度方法 |
CN113794244A (zh) * | 2021-08-25 | 2021-12-14 | 浙江工业大学 | 含多微网主动配电系统的定价与最优能量调度方法和系统 |
CN113794244B (zh) * | 2021-08-25 | 2022-11-25 | 浙江工业大学 | 含多微网主动配电系统的定价与最优能量调度方法和系统 |
CN113762808A (zh) * | 2021-09-24 | 2021-12-07 | 国网湖南省电力有限公司 | 微网多能源系统与电网系统的联合调度方法 |
CN113762808B (zh) * | 2021-09-24 | 2023-06-09 | 国网湖南省电力有限公司 | 微网多能源系统与电网系统的联合调度方法 |
CN113972655B (zh) * | 2021-11-02 | 2024-03-05 | 许继集团有限公司 | 一种源网荷储协同优化控制方法及装置 |
CN113972655A (zh) * | 2021-11-02 | 2022-01-25 | 许继集团有限公司 | 一种源网荷储协同优化控制方法及装置 |
CN114285093B (zh) * | 2021-12-29 | 2024-02-06 | 南京邮电大学 | 一种源网荷储互动调度方法及系统 |
CN114285093A (zh) * | 2021-12-29 | 2022-04-05 | 南京邮电大学 | 一种源网荷储互动调度方法及系统 |
CN114498639A (zh) * | 2022-04-15 | 2022-05-13 | 国网湖北省电力有限公司经济技术研究院 | 一种考虑需求响应的多微电网联合互济的日前调度方法 |
CN114498639B (zh) * | 2022-04-15 | 2022-06-24 | 国网湖北省电力有限公司经济技术研究院 | 一种考虑需求响应的多微电网联合互济的日前调度方法 |
CN115204562A (zh) * | 2022-05-10 | 2022-10-18 | 浙江工业大学 | 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统 |
CN115021327A (zh) * | 2022-05-19 | 2022-09-06 | 合肥工业大学 | 基于虚拟储能的互联微电网系统的协同日前优化调度方法 |
CN115021327B (zh) * | 2022-05-19 | 2024-03-01 | 合肥工业大学 | 基于虚拟储能的互联微电网系统的协同日前优化调度方法 |
CN114884110B (zh) * | 2022-07-01 | 2022-09-20 | 国网湖北省电力有限公司经济技术研究院 | 一种源网荷多约束条件下的电力系统储能优化运行方法 |
CN114884110A (zh) * | 2022-07-01 | 2022-08-09 | 国网湖北省电力有限公司经济技术研究院 | 一种源网荷多约束条件下的电力系统储能优化运行方法 |
CN117039935A (zh) * | 2023-08-23 | 2023-11-10 | 昆明理工大学 | 一种利用vsg的微网系统多状态对象协同控制的方法 |
CN117039935B (zh) * | 2023-08-23 | 2024-04-30 | 昆明理工大学 | 一种利用vsg的微网系统多状态对象协同控制的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107958300B (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107958300A (zh) | 一种考虑互动响应的多微网互联运行协调调度优化方法 | |
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
CN109617142B (zh) | 一种cchp型微电网多时间尺度优化调度方法及系统 | |
CN105207267A (zh) | 一种微网能量管理系统 | |
CN111400641A (zh) | 一种含蓄热式电采暖的综合能源系统日前优化调度方法 | |
CN113344736A (zh) | 一种园区级综合能源系统及其控制方法 | |
CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
CN114498639B (zh) | 一种考虑需求响应的多微电网联合互济的日前调度方法 | |
CN109636056A (zh) | 一种基于多智能体技术的多能源微网去中心化优化调度方法 | |
Eseye et al. | Grid-price dependent optimal energy storage management strategy for grid-connected industrial microgrids | |
KR20130074045A (ko) | 마이크로그리드 기반의 수용가 에너지 관리 방법 및 시스템 | |
CN109494813A (zh) | 一种电力调度方法、电子设备及存储介质 | |
Aiswariya et al. | Optimal microgrid battery scheduling using simulated annealing | |
CN115170343A (zh) | 一种区域综合能源系统分布式资源和储能协同规划方法 | |
CN112883630B (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
CN108494014A (zh) | 一种混合能源热电联产经济性优化管理方法 | |
Liu et al. | Hierarchical optimal dispatching strategy for microgrid system considering user-side resources | |
Jiarui et al. | Research on Demand Response Strategy of Electricity Market Based on Intelligent Power Consumption | |
Zhu et al. | Demand response strategy for promoting distributed power consumption based on resident load participation | |
Cao et al. | Optimal Capacity Configuration of Battery Storage System for Zero Energy Office Building on Campus | |
Sonawane et al. | Rooftop solar installations for demand side management-a case study | |
Luo et al. | The dynamic multi-objective optimal dispatch of grid-connected micro grid | |
Xiao et al. | Multi-objective optimization scheduling method for integrated energy system considering uncertainty | |
Zhang et al. | Convex optimization of battery energy storage station in a micro-grid | |
Li et al. | Research on Cooperative Dispatching Method of Distribution Network Considering Flexible Load |
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 |