CN108462198A - 一种基于多代理技术的多能互补微网优化调度方法 - Google Patents
一种基于多代理技术的多能互补微网优化调度方法 Download PDFInfo
- Publication number
- CN108462198A CN108462198A CN201810069440.0A CN201810069440A CN108462198A CN 108462198 A CN108462198 A CN 108462198A CN 201810069440 A CN201810069440 A CN 201810069440A CN 108462198 A CN108462198 A CN 108462198A
- Authority
- CN
- China
- Prior art keywords
- power
- grid
- microgrid
- micro
- source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 46
- 230000000295 complement effect Effects 0.000 title claims abstract description 26
- 238000005516 engineering process Methods 0.000 title claims abstract description 25
- 230000005611 electricity Effects 0.000 claims abstract description 38
- 230000007613 environmental effect Effects 0.000 claims abstract description 19
- 238000004146 energy storage Methods 0.000 claims abstract description 18
- 230000008901 benefit Effects 0.000 claims abstract description 16
- 230000033228 biological regulation Effects 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 11
- 239000003795 chemical substances by application Substances 0.000 claims description 31
- 230000003993 interaction Effects 0.000 claims description 13
- 230000007246 mechanism Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 8
- 239000002245 particle Substances 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims 1
- 230000003827 upregulation Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 9
- 238000011217 control strategy Methods 0.000 abstract description 5
- 230000036632 reaction speed Effects 0.000 abstract description 2
- 239000002699 waste material Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 230000001172 regenerating effect Effects 0.000 description 5
- 239000010977 jade Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- H02J3/382—
-
- 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
-
- 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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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]
Abstract
一种基于多代理技术的多能互补微网优化调度方法,在多源互补微网并网运行状态下,将全天24h的用电量分为高、平、谷三个时段,分别制定不同情况下蓄电池的充放电方式,使储能单元与发电侧以及用户侧达到一个供需平衡的关系;该方法包括考虑基于MAS技术的微网协同调控、模型以经济效益和环境效益最大为优化目标,约束条件考虑优化前后用户满意度、有功功率平衡约束、微源有功功率出力约束、蓄电池荷电状态、微网与大电网交互约束以及净负荷约束。本发明不仅提高了各微源与负荷之间的通信反应速度,让微网系统更加稳定,并且所提充放电控制策略也可以提高所储电能合理高效的利用,减少了电量浪费,提高了系统整体的经济效益。
Description
技术领域
本发明属于电力系统优化运行领域,具体涉及到一种基于多代理技术的多能互补微网优化调度方法。
背景技术
随着电力需求的不断增长以及二氧化碳等排放量的环保规定,可再生清洁能源被视为在未来电力系统中的最佳解决方案,通过微网可有效利用可再生能源。微网的优化调度可考虑发电侧微源的出力、储能单元以及需求侧可控负荷电力需求量的协同调控,提高微源的利用率。
微网是由光伏,风力发电机组,燃料电池,微型涡轮机等小型模块化微源与超级电容器和电池等存储元件以及可控负载结合的一个低压电网络,微网不仅可以实现自我调控和保护管理,还能与配电网形成孤岛和并网两种运行模式。计及微网的经济性和环保性,不仅需要协同调控微源之间的运行状态,还需针对微源和用户侧负荷的协调控制进行考虑。针对微网中需求侧的可控负荷,可通过多代理系统(Multi-Agent System,MAS)技术对负荷的单个代理间进行集中分散控制,及时反馈系统故障,提高系统稳定性。
发明内容
本发明的目的是:为了解决目前微网带来的经济和环境问题,为提高微网运行的经济效益,解决微网发电侧可再生能源出力的间歇性和不稳定性,提出一种基于多代理技术的多能互补微网优化调度方法。该方法以一天24小时为例,在并网运行方式下研究各个微源的优化输出特性曲线,采用多智能体技术对发电侧、储能单元以及需求侧进行区域自治协同调控,同时考虑储能单元充放电策略用于有效实现微网发电侧不同类型微源的优化调度。在此基础上,对所建优化调度模型采用多智能体粒子群算法求解,使优化过程更为精准有效。
本发明采取的技术方案为:
一种基于多代理技术的多能互补微网优化调度方法,在多源互补微网并网运行状态下,将全天24h的用电量分为高、平、谷三个时段,分别制定不同情况下蓄电池的充放电方式,使储能单元与发电侧以及用户侧达到一个供需平衡的关系;
该方法包括考虑基于MAS技术的微网协同调控、模型以经济效益和环境效益最大为优化目标,约束条件考虑优化前后用户满意度、有功功率平衡约束、微源有功功率出力约束、蓄电池荷电状态、微网与大电网交互约束以及净负荷约束。
一种基于多代理技术的多能互补微网优化调度方法,包括以下步骤:
步骤1:微网中储能单元的充放电策略以及相关计算参数如下:
多能互补微网基于分时定价机制,将全天24h的用电量分为高、平、谷三个时段,分别制定不同情况下蓄电池的充放电方式;其中0-8时刻为谷时段,9-11时刻、17-19时刻、23-24时刻为平时段,12-16时段、20-22时段为峰时段;
某时刻的负荷功率与微源出力和之差称为微网的“净负荷”,即t时刻的净负荷设为△Pt,蓄电池的荷电状态为WBt,其中WBt,min和WBt,max为储能装置的最小和最大荷电状态,PGrid,max为多能互补微网和大电网之间的最大交互功率,PBt为t时刻蓄电池的充放电功率,PBt,d,max、PBt,c,max为蓄电池的最大放电和充电功率。
步骤2:设定优化变量为:多能互补微网系统运行的发电成本F1,多能互补微网系统运行的环境成本F2,用户满意度H。
步骤3:确定优化模型的目标函数:
为使系统发电成本F1和环境成本F2最低,如式(1),(2):
式(1)-(2)中,CGrid为微网与配电网的交互成本,CF(t)为微源MT和DE的燃料成本,COM(t)为微源的管理成本。其中CGrid、CF(t)、COM(t)由如下式子表示:
CGrid(t)=c(a·Pf+Pp+b·Pg) (3)
式(3)-(5)中CGrid为微网与配电网的交互成本,其中Pf、Pp、Pg分别为峰、平、谷时段与配电网的功率交互总和,c为配电网单位电价,即平时电价,a为上调电价系数,取值通常大于1,b为下调电价系数,取值通常小于1。CF(t)为微源MT和DE的燃料成本,fi为微源i的燃料耗量函数,Pi表示输出功率。COM(t)为微源的管理成本,KOMi代表不同微源i的运行和维护成本。
步骤4:将用户满意度列入优化之后的考虑范围,计及用户侧客户的满意程度,即用户满意度H为:
H=β1δ+β2ε (6)
上式中用户满意度考虑用电方式δ与用电支出ε的综合满意度,一天24h采用分时电价机制后用户峰平谷时段用电量变化值之和为∑△f,δ∈[0,1]。C(Pt)为分时电价之前用户的用电支出,C(Pf,Pp,Pg)为峰平谷时段的用户电费支出,其中ε∈[0,1]。不同的用户用电方式的满意度系数β1和用电方式的满意度系数β2随机取值,满足β1+β2=1的约束条件。
步骤5:确定优化模型的约束条件:
约束条件包括有功功率平衡约束、微源有功功率出力约束、蓄电池荷电状态、微网与大电网交互约束以及净负荷约束分别如下:
①、有功功率平衡约束:
PPV(t)+PWT(t)+PMT(t)+PBA(t)+PDE(t)+PGrid(t)=Pload(t) (10)
②、微源有功功率出力约束:
Pi,min≤Pi≤Pi,max (11)
③、蓄电池荷电状态:
WB,min≤WB≤WB,max (12)
④、微网与大电网交互约束:
PGrid,min≤PGrid≤PGrid,max (13)
⑤、净负荷约束:
0≤△Pt≤PGrid,max (14)
式(10)中PGrid(t)为微网与大电网的交互功率,PBA(t)为蓄电池的充放电功率,微网中蓄电池放电时功率为正,反之为负,Pload(t)为微网中负荷;
式(11)中表示微源i的功率上下限;
式(12)中WB为蓄电池的荷电状态,WB,min和WB,max为蓄电池荷电状态的下限和上限;
式(13)表示微网与大电网交互功率PGrid的约束上下限;
式(14)中表示当发电侧与负荷侧输出功率相等时,△Pt为0。△Pt不能大于PGrid(t)。
步骤6:求解优化运行模型:
利用多Agent粒子群优化算法及计算软件求解上述优化模型,得到一天24小时不同微网的优化出力,以及优化后对应蓄电池的充放电输出功率,用以实现微网系统的协同调控。
本发明一种基于多代理技术的多能互补微网优化调度方法,技术效果如下:
1:针对微网发电侧与需求侧能量供需平衡的考虑,本发明充分考虑需求侧微源出力与用户需求侧负荷供需平衡的协调发展,提出蓄电池充放电策略,使需求侧负荷在一天24小时不同用电时段采用不同的充放电策略提高系统能量利用率,降低经济成本和环境成本,提出用户满意度的概念考虑用户改变用电方式以及用电支出后的用户侧影响,使微网优化运行考虑范围更为全面。通过多Agent算法不仅能使模型不陷入局部最优,且相较于标准粒子群算法运行更为迅速。同时采用多代理技术对需求侧负荷进行通信协调控制,使各个负荷代理之间以及负荷和微源间解决突发故障更为迅速,提高系统稳定性。
2:目前关于微网优化运行的方法多考虑经济性,针对微源出力对环境的影响研究较少,本发明针对微网需求侧提出基于分时电价机制环境下,计及微网的运行成本与环境成本最低为优化目标,建立用户侧满意度优化调度模型,采用多Agent粒子群算法对优化调度模型进行求解,达到提高微网经济效益和环境效益,降低系统运行的间歇性和不稳定的目的。
3:微网在优化运行中,对需求侧可控负荷协同调控以及发电侧与需求侧的能量供需平衡没有进行较多研究,针对多能互补微网的发电侧微源、储能单元、需求侧负荷调度提出一种基于MAS的可控负荷协调控制方式,基于分时电价机制,以微网日调度作为负荷协调控制的研究范围,将储能单元按峰平谷不同时段的协同策略进行充放电。由于多代理系统是面向智能体的技术中发展最快的领域之一,它处理自治决策实体的建模问题,微网的MAS建模中每个必要的元素都由一个智能的自治代理来表示,多代理系统中单个代理的特征和行为由系统的目标决定,它通常优化了系统的控制和管理操作,因此可采用MAS技术对微网的发电侧微源以及需求侧负荷进行协调控制,优化系统运行状态。
4:采用本发明方法,不仅提高了各微源与负荷之间的通信反应速度,让微网系统更加稳定,并且所提充放电控制策略也可以提高所储电能合理高效的利用,减少了电量浪费,提高了系统整体的经济效益。
附图说明
图1为多代理系统各代理运行结构图;
图2为本发明用以计算优化运行模型的蓄电池控制策略结构图;
图3为本发明的基于MAS微网系统的通信图。
图4为本发明蓄电池优化前后对比图。
图5为本发明微网优化调度后各微源出力图。
具体实施方式
为将本发明的技术优点更加清楚表述,下面将结合附图并举实例,对本发明进一步详细说明。
一种基于多代理技术的多能互补微网优化调度方法,包括以下步骤:
步骤一:根据多能互补微网结构,分布式发电单元采用风力发电WT,光伏发电PV,其中考虑到可再生能源的间歇性与不稳定性,将微型燃气轮机MT,柴油机DE投入发电侧。储能单元采用蓄电池(Battery)储能,需求侧考虑交流负荷与直流负荷,若出现微源供电不足,则向大电网购电满足负荷需求,使系统稳定运行。微网结构图如图1所示。
步骤二:根据步骤一的相应微网结构,针对储能单元的负荷提出相应充放电策略满足节约电能和提高经济效益和环境效益的目的。
多能互补微网基于分时定价机制,将全天24h的用电量分为高、平、谷三个时段,分别制定不同情况下蓄电池的充放电方式。峰时段,当负荷功率大于微源出力时,发电侧首先通过蓄电池放电满足自身需求,若蓄电池放电不能满足微网需求再调度微源出力,若仍不满足微网需求,向大电网购电;当负荷功率小于微源出力时,应尽可能多的售电,若微源出力大于微网与大电网的交互功率,超出部分给蓄电池充电,仍有剩余则向大电网售电。平时段,当负荷功率大于微源出力时,调度微源出力,同时段给蓄电池充电,若出力不足则向大电网购电;当负荷功率小于微源出力时,优先给蓄电池充电,剩余电量向大电网售电。谷时段,当负荷功率大于微源出力时,向大电网购电,起到“填谷”的作用,然后调度微源出力,同时给蓄电池充电;当负荷功率小于微源出力时,首先给蓄电池充电,多余电量向大电网售电。相应蓄电池充放电结构图如图3所示。
步骤三:基于MAS对需求侧和发电侧进行协调控制;
在粒子群的每一次迭代过程都需要JADE软件完成一次各个代理之间的通信,首先通信的S3-S14步为各代理向DF代理询问系统中所有代理的运行状态,包括硬件功能、容量、约束条件能信息,其中,other代理相当于信息储存地址,所有的信息发送与反馈都通过other代理调用,形成通信信息网络,通过other代理调用通信ID地址,微源、蓄电池以及负荷都可与配电网进行信息交互,若出现单个微源故障时,S15-S27的步骤中反映了微源与微源、负荷间的信息交互,通过MAS向上级发出请求信息,管理层ams代理接受信息后反馈信息,及时处理单个代理故障,使整个微网系统形成基于MAS的协调控制机制,使系统运行更加稳定直至完成迭代。
步骤四:对可再生能源PV、WT以及负荷进行预测;
由于可再生能源的间歇性和不稳定性,在考虑微源出力以及微网系统的优化运行时,对PV以及WT进行预测分析,将数值带入到优化模型中进行计算。
步骤五:分别给出微网与外网交互功率购电与售电两种形式的价格参数,以及各微源的功率上下限,运行管理系数以及污染物排放量参数。
步骤六:对微网需求侧进行MAS的协同调控,针对发电侧微源的出力在仿真软件中进行模型优化处理,不仅考虑微源的运行成本、环境成本以及居民满意度,并且对系统功率平衡,微源出力的边界条件以及蓄电池充放电限制等约束条件予以考虑,采用多Agent粒子群算法,对所提微网运行过程进行优化调度分析。
步骤七:得到一天24小时每个时段微网中微源的出力状况。
具体步骤如下:
步骤1:微网中储能单元的充放电策略以及相关计算参数如下:
多能互补微网基于分时定价机制,将全天24h的用电量分为高、平、谷三个时段,分别制定不同情况下蓄电池的充放电方式;其中0-8时刻为谷时段,9-11时刻、17-19时刻、23-24时刻为平时段,12-16时段、20-22时段为峰时段;
某时刻的负荷功率与微源出力和之差称为微网的“净负荷”,即t时刻的净负荷设为△Pt,蓄电池的荷电状态为WBt,其中WBt,min和WBt,max为储能装置的最小和最大荷电状态,PGrid,max为多能互补微网和大电网之间的最大交互功率,PBt为t时刻蓄电池的充放电功率,PBt,d,max、PBt,c,max为蓄电池的最大放电和充电功率。
步骤2:设定优化变量为:多能互补微网系统运行的发电成本F1,多能互补微网系统运行的环境成本F2,用户满意度H。
步骤3:确定优化模型的目标函数:
为使系统发电成本F1和环境成本F2最低,如式(1),(2):
式(1)-(2)中,CGrid为微网与配电网的交互成本,CF(t)为微源MT和DE的燃料成本,COM(t)为微源的管理成本。αi,j为微源i在单位出力情况下排出的污染物气体j的产量(CO2,NO2,NOX),μj为污染物j的单位治理费用,Pi为微源i的输出功率。
其中CGrid、CF(t)、COM(t)由如下式子表示:
CGrid(t)=c(a·Pf+Pp+b·Pg) (3)
式(3)-(5)中CGrid为微网与配电网的交互成本,其中Pf、Pp、Pg分别为峰、平、谷时段与配电网的功率交互总和,c为配电网单位电价,即平时电价,a为上调电价系数,取值通常大于1,b为下调电价系数,取值通常小于1。CF(t)为微源MT和DE的燃料成本,fi为微源i的燃料耗量函数,Pi表示输出功率。COM(t)为微源的管理成本,KOMi代表不同微源i的运行和维护成本。
步骤4:将用户满意度列入优化之后的考虑范围,计及用户侧客户的满意程度,即用户满意度H为:
H=β1δ+β2ε (6)
上式中用户满意度考虑用电方式δ与用电支出ε的综合满意度,一天24h采用分时电价机制后用户峰平谷时段用电量变化值之和为∑△f,δ∈[0,1]。ft(Pt)为固定电价下用电量,fh,t(Pf,Pp,Pg)为实时电价情况下的用电量,C(Pt)为分时电价之前用户的用电支出,C(Pf,Pp,Pg)为峰平谷时段的用户电费支出,其中ε∈[0,1]。不同的用户用电方式的满意度系数β1和用电方式的满意度系数β2随机取值,满足β1+β2=1的约束条件。
步骤5:确定优化模型的约束条件:
约束条件包括有功功率平衡约束、微源有功功率出力约束、蓄电池荷电状态、微网与大电网交互约束以及净负荷约束分别如下:
①、有功功率平衡约束:
PPV(t)+PWT(t)+PMT(t)+PBA(t)+PDE(t)+PGrid(t)=Pload(t) (10)
②、微源有功功率出力约束:
Pi,min≤Pi≤Pi,max (11)
③、蓄电池荷电状态:
WB,min≤WB≤WB,max (12)
④、微网与大电网交互约束:
PGrid,min≤PGrid≤PGrid,max (13)
⑤、净负荷约束:
0≤△Pt≤PGrid,max (14)
式(10)中PGrid(t)为微网与大电网的交互功率,PBA(t)为蓄电池的充放电功率,微网中蓄电池放电时功率为正,反之为负,Pload(t)为微网中负荷;
式(11)中Pi,min和Pi,max表示微源i功率上下限;
式(12)中WB为蓄电池的荷电状态,WB,min和WB,max为蓄电池荷电状态的下限和上限;
式(13)中PGrid,min和PGrid,max表示微网与大电网交互功率PGrid的约束上下限;
式(14)中表示当发电侧与负荷侧输出功率相等时,△Pt为0。△Pt不能大于PGrid(t)。
步骤6:求解优化运行模型:
利用多Agent粒子群优化算法及计算软件求解上述优化模型,得到一天24小时不同微网的优化出力,以及优化后对应蓄电池的充放电输出功率,将优化前后的效益绘制如表1,
表1微网优化前后效益对比
多Agent粒子群算法使微网的全天运行费用节省了211.9元,由此用以实现微网系统的协同调控。
图3表示多代理技术通过JADE平台的通信图。JADE的运行实例是一个主容器,其中ams为代理管理系统,df是目录服务器,其中ams是管理层,首先底层的发电侧和需求侧对管理层发送请求信号(request),管理层收到信号对发送侧给出反馈信息(inform),形成通信回路,other相当于信息储存地址,所有的信息发送与反馈都通过other调用,形成通信信息网络,
由图4可知,蓄电池在优化前和优化后的出力对比图。优化后的蓄电池通过充放电控制策略在0-8时段的谷时期以储能为主,在12-16时段和20-22时段的峰时期以辅助微源放电为主,使蓄电池的充放电更加合理,提高自身经济效益。
由图5各微源的输出功率可知,基于MAS技术的协同调控下,各微源的出力降低了运行成本和环境成本,且通过计算可得用户满意度为97.86%,在9-11、17-19、23-24三个时段的平时期,蓄电池没有满足充电量时以充电为主,蓄电池电量充足时,以MT和DE为主的可控微源放电为主,多余电能出售给大电网,当微源无法满足需求侧负荷要求时,微网与大电网交互功率为负,向大电网购电满足微网供电需求。
利用本发明方法,采用MAS技术对需求侧可控负荷进行协同调控,使其与发电侧微源协调控制,让单个代理之间形成通信信息网络,更快的确定供需要求,提升系统稳定。通过分时电价机制使各微源与储能单元协调控制,通过所提蓄电池控制策略,采用多Agent粒子群优化算法,验证了所提分时电价机制下运行成本与环境成本在该策略下的经济性,使微网全天的系统出力更加合理高效。
1)、本发明提出的方法,采用智能多代理技术,将微网的发电侧微源、蓄电池以及需求侧负荷进行合理的协调控制,通过多代理技术的通信技术,增升线路以及系统故障的传输速度和准确率,降低大面积停电风险。
2)、提出基于分时电价的充放电策略,不仅提高系统的经济效益和环保效益,还使需求侧用户在有效利用能源的基础上,提升用户满意度,达到节能减排、环境保护的目的。
Claims (2)
1.一种基于多代理技术的多能互补微网优化调度方法,其特征在于:在多源互补微网并网运行状态下,将全天24h的用电量分为高、平、谷三个时段,分别制定不同情况下蓄电池的充放电方式,使储能单元与发电侧以及用户侧达到一个供需平衡的关系;
该方法包括考虑基于MAS技术的微网协同调控、模型以经济效益和环境效益最大为优化目标,约束条件考虑优化前后用户满意度、有功功率平衡约束、微源有功功率出力约束、蓄电池荷电状态、微网与大电网交互约束以及净负荷约束。
2.一种基于多代理技术的多能互补微网优化调度方法,其特征在于包括以下步骤:
步骤1:微网中储能单元的充放电策略以及相关计算参数如下:
多能互补微网基于分时定价机制,将全天24h的用电量分为高、平、谷三个时段,分别制定不同情况下蓄电池的充放电方式;其中0-8时刻为谷时段,9-11时刻、17-19时刻、23-24时刻为平时段,12-16时段、20-22时段为峰时段;
某时刻的负荷功率与微源出力和之差称为微网的“净负荷”,即t时刻的净负荷设为△Pt,蓄电池的荷电状态为WBt,其中WBt,min和WBt,max为储能装置的最小和最大荷电状态,PGrid,max为多能互补微网和大电网之间的最大交互功率,PBt为t时刻蓄电池的充放电功率,PBt,d,max、PBt,c,max为蓄电池的最大放电和充电功率;
步骤2:设定优化变量为:多能互补微网系统运行的发电成本F1,多能互补微网系统运行的环境成本F2,用户满意度H;
步骤3:确定优化模型的目标函数:
为使系统发电成本F1和环境成本F2最低,如式(1),(2):
式(1)-(2)中,CGrid为微网与配电网的交互成本,CF(t)为微源MT和DE的燃料成本,COM(t)为微源的管理成本;其中CGrid、CF(t)、COM(t)由如下式子表示:
CGrid(t)=c(a·Pf+Pp+b·Pg) (3)
式(3)-(5)中CGrid为微网与配电网的交互成本,其中Pf、Pp、Pg分别为峰、平、谷时段与配电网的功率交互总和,c为配电网单位电价,即平时电价,a为上调电价系数,取值通常大于1,b为下调电价系数,取值通常小于1;CF(t)为微源MT和DE的燃料成本,fi为微源i的燃料耗量函数,Pi表示输出功率;COM(t)为微源的管理成本,KOMi代表不同微源i的运行和维护成本;
步骤4:将用户满意度列入优化之后的考虑范围,计及用户侧客户的满意程度,即用户满意度H为:
H=β1δ+β2ε (6)
上式中用户满意度考虑用电方式δ与用电支出ε的综合满意度,一天24h采用分时电价机制后用户峰平谷时段用电量变化值之和为∑△f,δ∈[0,1];C(Pt)为分时电价之前用户的用电支出,C(Pf,Pp,Pg)为峰平谷时段的用户电费支出,其中ε∈[0,1];不同的用户用电方式的满意度系数β1和用电方式的满意度系数β2随机取值,满足β1+β2=1的约束条件;
步骤5:确定优化模型的约束条件:
约束条件包括有功功率平衡约束、微源有功功率出力约束、蓄电池荷电状态、微网与大电网交互约束以及净负荷约束分别如下:
①、有功功率平衡约束:
PPV(t)+PWT(t)+PMT(t)+PBA(t)+PDE(t)+PGrid(t)=Pload(t) (10)
②、微源有功功率出力约束:
Pi,min≤Pi≤Pi,max (11)
③、蓄电池荷电状态:
WB,min≤WB≤WB,max (12)
④、微网与大电网交互约束:
PGrid,min≤PGrid≤PGrid,max (13)
⑤、净负荷约束:
0≤△Pt≤PGrid,max (14)
式(10)中PGrid(t)为微网与大电网的交互功率,PBA(t)为蓄电池的充放电功率,微网中蓄电池放电时功率为正,反之为负,Pload(t)为微网中负荷;
式(11)中表示微源i的功率上下限;
式(12)中WB为蓄电池的荷电状态,WB,min和WB,max为蓄电池荷电状态的下限和上限;
式(13)表示微网与大电网交互功率PGrid的约束上下限;
式(14)中表示当发电侧与负荷侧输出功率相等时,△Pt为0;△Pt不能大于PGrid(t);
步骤6:求解优化运行模型:
利用多Agent粒子群优化算法及计算软件求解上述优化模型,得到一天24小时不同微网的优化出力,以及优化后对应蓄电池的充放电输出功率,用以实现微网系统的协同调控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810069440.0A CN108462198A (zh) | 2018-01-24 | 2018-01-24 | 一种基于多代理技术的多能互补微网优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810069440.0A CN108462198A (zh) | 2018-01-24 | 2018-01-24 | 一种基于多代理技术的多能互补微网优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108462198A true CN108462198A (zh) | 2018-08-28 |
Family
ID=63238912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810069440.0A Pending CN108462198A (zh) | 2018-01-24 | 2018-01-24 | 一种基于多代理技术的多能互补微网优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108462198A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110365052A (zh) * | 2019-08-08 | 2019-10-22 | 东北大学 | 基于功率优化调度的微网储能系统状态一致性控制方法 |
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 |
CN111832807A (zh) * | 2020-06-10 | 2020-10-27 | 杭州电子科技大学 | 计及负荷特性和需求响应的多微电网协调优化调度方法 |
CN112054513A (zh) * | 2020-08-20 | 2020-12-08 | 三峡大学 | 基于混合博弈的多微电网双层协调优化调度方法 |
CN112270433A (zh) * | 2020-10-14 | 2021-01-26 | 中国石油大学(华东) | 考虑可再生能源不确定性和用户满意度的微电网优化方法 |
CN112800658A (zh) * | 2020-11-30 | 2021-05-14 | 浙江中新电力工程建设有限公司自动化分公司 | 一种考虑源储荷互动的主动配电网调度方法 |
CN115986850A (zh) * | 2023-03-20 | 2023-04-18 | 国网湖北省电力有限公司经济技术研究院 | 一种考虑多源平衡动态全响应的输配协同优化调度方法 |
CN113141057B (zh) * | 2021-04-20 | 2024-01-26 | 北方民族大学 | 一种用于微网的监控一体装置与分布式控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777769A (zh) * | 2010-03-24 | 2010-07-14 | 上海交通大学 | 电网的多智能体优化协调控制方法 |
CN103001225A (zh) * | 2012-11-14 | 2013-03-27 | 合肥工业大学 | 基于mas的多微电网能量管理系统仿真方法 |
CN106451550A (zh) * | 2016-11-10 | 2017-02-22 | 三峡大学 | 一种基于改进次梯度粒子群的微电网并网优化调度方法 |
CN107292449A (zh) * | 2017-07-18 | 2017-10-24 | 广东双新电气科技有限公司 | 一种含多微网主动配电系统分散协同经济调度方法 |
-
2018
- 2018-01-24 CN CN201810069440.0A patent/CN108462198A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777769A (zh) * | 2010-03-24 | 2010-07-14 | 上海交通大学 | 电网的多智能体优化协调控制方法 |
CN103001225A (zh) * | 2012-11-14 | 2013-03-27 | 合肥工业大学 | 基于mas的多微电网能量管理系统仿真方法 |
CN106451550A (zh) * | 2016-11-10 | 2017-02-22 | 三峡大学 | 一种基于改进次梯度粒子群的微电网并网优化调度方法 |
CN107292449A (zh) * | 2017-07-18 | 2017-10-24 | 广东双新电气科技有限公司 | 一种含多微网主动配电系统分散协同经济调度方法 |
Non-Patent Citations (2)
Title |
---|
刘明亮: "微电网系统环保经济调度模型及优化算法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
王凌云: "基于multi-agent 改进粒子群算法的分时电价机制下多微网系统联合优化调度", 《电源学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110365052A (zh) * | 2019-08-08 | 2019-10-22 | 东北大学 | 基于功率优化调度的微网储能系统状态一致性控制方法 |
CN111832807A (zh) * | 2020-06-10 | 2020-10-27 | 杭州电子科技大学 | 计及负荷特性和需求响应的多微电网协调优化调度方法 |
CN111832807B (zh) * | 2020-06-10 | 2023-09-19 | 杭州电子科技大学 | 计及负荷特性和需求响应的多微电网协调优化调度方法 |
CN112054513A (zh) * | 2020-08-20 | 2020-12-08 | 三峡大学 | 基于混合博弈的多微电网双层协调优化调度方法 |
CN112054513B (zh) * | 2020-08-20 | 2022-03-08 | 三峡大学 | 基于混合博弈的多微电网双层协调优化调度方法 |
CN112270433A (zh) * | 2020-10-14 | 2021-01-26 | 中国石油大学(华东) | 考虑可再生能源不确定性和用户满意度的微电网优化方法 |
CN112270433B (zh) * | 2020-10-14 | 2023-05-30 | 中国石油大学(华东) | 考虑可再生能源不确定性和用户满意度的微电网优化方法 |
CN112800658A (zh) * | 2020-11-30 | 2021-05-14 | 浙江中新电力工程建设有限公司自动化分公司 | 一种考虑源储荷互动的主动配电网调度方法 |
CN112800658B (zh) * | 2020-11-30 | 2024-03-05 | 浙江中新电力工程建设有限公司自动化分公司 | 一种考虑源储荷互动的主动配电网调度方法 |
CN113141057B (zh) * | 2021-04-20 | 2024-01-26 | 北方民族大学 | 一种用于微网的监控一体装置与分布式控制方法 |
CN115986850A (zh) * | 2023-03-20 | 2023-04-18 | 国网湖北省电力有限公司经济技术研究院 | 一种考虑多源平衡动态全响应的输配协同优化调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108462198A (zh) | 一种基于多代理技术的多能互补微网优化调度方法 | |
US11314304B2 (en) | Datacenter power management using variable power sources | |
CN101510686B (zh) | 基于多代理技术的微电网协调控制系统 | |
Konstantinopoulos et al. | Optimal management of hydrogen storage in stochastic smart microgrid operation | |
Pourmousavi et al. | Real-time energy management of a stand-alone hybrid wind-microturbine energy system using particle swarm optimization | |
Qiu et al. | Tri-level mixed-integer optimization for two-stage microgrid dispatch with multi-uncertainties | |
Trifkovic et al. | Dynamic real‐time optimization and control of a hybrid energy system | |
CN111293682B (zh) | 一种基于协同模型预测控制的多微网能量管理方法 | |
Tomin et al. | Deep reinforcement learning for energy microgrids management considering flexible energy sources | |
CN108233430A (zh) | 一种计及系统能源波动性的交直流混合微网优化方法 | |
CN113783193B (zh) | 一种基于边端协同的乡村供用能系统优化调控方法及系统 | |
Allwyn et al. | A comprehensive review on energy management strategy of microgrids | |
CN115147245B (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
Li et al. | Towards net-zero smart system: An power synergy management approach of hydrogen and battery hybrid system with hydrogen safety consideration | |
CN114825388A (zh) | 一种基于源网荷储协同的新能源综合消纳调度方法 | |
CN106229992A (zh) | 电力市场下的微电网能量管理方法 | |
CN111563831B (zh) | 一种面向泛在电力物联网的源网荷储协同调度方法 | |
CN110544044B (zh) | 一种分布式电源对分时电价发电响应的边缘协同计算方法 | |
Roy et al. | Stochastic power allocation of distributed tri-generation plants and energy storage units in a zero bus microgrid with electric vehicles and demand response | |
Shi et al. | Optimal allocation of energy storage capacity for hydro-wind-solar multi-energy renewable energy system with nested multiple time scales | |
Izquierdo-Monge et al. | Control Strategies in Microgrid Management: A state of Art | |
CN113852109B (zh) | 一种异构式微电网群的公平载荷裕度分布式调控方法 | |
Zhu et al. | Distributed cluster regulation strategy of multipark integrated energy system using multilayer deep Q learning | |
Yao et al. | Scheduling optimization mode of multi-microgrid considering demand response | |
CN117559526A (zh) | 一种基于光储充一体化充电站的拟路由器能量调控方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180828 |