CN109409615A - 基于非合作博弈的充换储一体化电站微电网优化调度方法 - Google Patents
基于非合作博弈的充换储一体化电站微电网优化调度方法 Download PDFInfo
- Publication number
- CN109409615A CN109409615A CN201811376969.3A CN201811376969A CN109409615A CN 109409615 A CN109409615 A CN 109409615A CN 201811376969 A CN201811376969 A CN 201811376969A CN 109409615 A CN109409615 A CN 109409615A
- Authority
- CN
- China
- Prior art keywords
- power
- power station
- micro
- capacitance sensor
- moment
- 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 28
- 230000005611 electricity Effects 0.000 claims abstract description 73
- 230000010354 integration Effects 0.000 claims abstract description 26
- 238000010248 power generation Methods 0.000 claims abstract description 19
- 239000002253 acid Substances 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 7
- 238000005286 illumination Methods 0.000 claims abstract description 6
- 230000003993 interaction Effects 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 7
- 239000000295 fuel oil Substances 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 208000001613 Gambling Diseases 0.000 claims description 2
- 239000002283 diesel fuel Substances 0.000 claims description 2
- 238000007599 discharging Methods 0.000 claims description 2
- 238000004146 energy storage Methods 0.000 claims description 2
- 239000000446 fuel Substances 0.000 claims description 2
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 238000004088 simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
基于非合作博弈的充换储一体化电站微电网优化调度方法,包括构建含光伏、风电、铅酸蓄电池和柴油发电机的发电模型;采集微电网未来一天的光照强度、温度、风速以及一体化电站的负荷信息,并按照步骤一的模型求解各机组出力情况;构建以微电网侧发电利润最大的上层微电网经济运行模型,得到微电网发电的边际成本;构建以一体化电站支出费用以及不满意度最小的下层一体化电站经济运行模型;将边际成本和一体化电站需求带入博弈效用函数,利用滑动窗口法对一体化电站运行进行优化;将微电网与一体化电站之间进行互动博弈,得到分时电价和各机组的出力曲线;判断是否小于上一次的优化负荷偏差。该方法最终实现微电网和充换储一体化电站在达到功率平衡时经济最优化。
Description
技术领域
本发明涉及一种微电网协调优化调度方法,具体为一种基于非合作博弈的充换储一体化电站微电网优化调度方法。
背景技术
融合了充电站、换电站、储电站功能的一体化电站,是未来电动汽车功能设施的主要发展方向。一体化电站在电力系统中同时扮演能源供给者和消费者的双重身份。且随着电动汽车的推广,一体化电站的规模不断扩大,这种身份也日益明显。因此研究一体化电站与微电网之间的能量协调调度、考虑微电网的整体负荷需求、合理调度充换电站与储能电站的功率流动是保证充换电站具有较稳定的运行环境以满足电动汽车能源供给并降低电动汽车的用电成本的关键,也是为储能电站提供可调节容量支撑的关键。
目前,能量优化大多采用传统多目标优化算法,通常可得到含多个最优解的集合供决策者选择,但是会常常受到人为偏见的影响,缺少了微电网的灵活性和智能性,在一体化电站的负荷需求对微电网优化策略的影响方面缺少深入研究。
发明内容
为解决上述技术问题,本发明提供一种基于非合作博弈的充换储一体化电站微电网优化调度方法,该方法在能源侧,可实现个体理性情况下的能源最优;在用户侧,可对一体化电站运行进行优化,加强动力电池的梯次利用率,对微电网负荷削峰填谷,平抑负荷曲线;并最终让微电网和充换储一体化电站在达到功率平衡时经济最优化。
本发明采取的技术方案为:
基于非合作博弈的充换储一体化电站微电网优化调度方法,包括以下步骤:
步骤1:构建含光伏、风电、铅酸蓄电池和柴油发电机的发电模型;
步骤2:采集微电网未来一天的信息,包括未来一天的光照强度、温度、风速以及一体化电站的负荷信息,并按照步骤一的模型求解各机组出力情况;
步骤3:构建以微电网侧发电利润最大的上层微电网经济运行模型,得到微电网发电的边际成本;
步骤4:构建以一体化电站支出费用以及不满意度最小的下层一体化电站经济运行模型;
步骤5:将边际成本和一体化电站需求带入博弈效用函数,利用滑动窗口法对一体化电站运行进行优化;
步骤6:将微电网与一体化电站之间进行互动博弈,得到分时电价和各机组的出力曲线;
步骤7:判断是否小于上一次的优化负荷偏差,若是,则结束;否则返回步骤2;
通过上述步骤,完成充换储一体化电站微电网协调优化调度。
本发明的技术效果如下:
在本发明提供的方法中,构建双层协调优化调度模型。上层为以微电网侧发电利润最大为目标的微电网经济运行模型,结合光伏、风电、铅酸蓄电池、柴油机出力,制定上层优化调度模型功率和电价约束;下层为以一体化电站收益最大以及用户满意度最高为目标的一体化电站经济运行模型。上层微电网作为领导者,制定个性化电价;下层一体化电站作为跟随者,调整一体化电站充放电计划,并反馈回微电网侧。微电网侧与一体化电站侧进行互动博弈,最终达到斯坦克尔博格均衡。仿真结果表明,本发明在能源侧,可实现个体理性情况下的能源最优;在用户侧,可对一体化电站运行进行优化,加强动力电池的梯次利用率,对微电网负荷削峰填谷,平抑负荷曲线;并最终让微电网和充换储一体化电站在达到功率平衡时经济最优化。
附图说明
图1是充换储一体化电站微电网结构图;
图2是微电网一体化电站调度框架图;
图3是微电网与一体化电站之间能量优化流程图;
图4是微电网各机组一天各时段的出力曲线图;
图5是微电网传统分时电价和博弈优化分时电价下的对比曲线图;
图6是微电网不同模型情况下的负荷分布曲线图;
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
图1为本发明的充换储一体化电站微电网结构图。充换储一体化电站微电网由光伏发电、风力发电、柴油机、铅酸蓄电池、充换储一体化电站以及负荷组成。柴油机、光伏发电、铅酸蓄电池通过逆变器和断路器并入微电网;一体化电站通过整流器和断路器并入微电网。本发明采用6台风机,4组光伏阵列,1组蓄电池和3台额定功率分别为30kW、30kW和20kW的柴油发电机。
构建双层协调优化调度模型,如图2所示。上层为以微电网侧发电利润最大为目标的微电网经济运行模型;下层为以一体化电站收益最大以及用户满意度最高为目标的一体化电站经济运行模型。上层微电网经济运行模型作为领导者,制定个性化电价;下层一体化电站经济运行模型作为跟随者,调整一体化电站充放电计划,并反馈回微电网侧。微电网侧与一体化电站侧进行非合作博弈,最终达到微电网和一体化电站双方收益最大的结果。具体实施方案如下图3所示:
步骤一:构建微源发电模型,具体如下:
1)光伏发电模型:
PPV=PSTCGAC[1+ks(TC-Tr)]/GSTC
式中,PPV为输出功率,PSTC为标准测试条件下,太阳能入射强度1kW/m2,环境温度为298.15K下的最大测试功率;GAC为标准测试条件下的光照,取1kW/m2;Ks为功率温度系数,为-0.47%/K;TC为光伏阵列的工作温度;Tr为参考温度,值为298.15K。
2)风力发电模型为:
式中,PW为风力发电功率,v为预测风速,Vci为切入风速,Vco为切出风速,Vr为额定风速,Pr为风机额定功率。
3)铅酸蓄电池发电模型:
式中,Soc(t)为第t个时段结束时蓄电池的荷电状态;Soc(t-1)为第t-1个时段结束时蓄电池的荷电状态;Pc、Pd为蓄电池的充、放电功率;ηc、ηd为蓄电池的充、放电功率90%;△t为蓄电池充、放电时间;Ec为蓄电池的额定容量。
4)柴油发电机的发电模型:
Diesel=C1PDG+C2PDG-rated
式中,Diesel表示单位时间内柴油发电机耗油量;PDG表示柴油发电机输出功率;PDG-rated表示柴油发电机额定功率;C1和C2为系数。
步骤二:采集微电网未来一天的信息,包括未来一天的光照强度、温度、风速以及一体化电站的负荷信息;并按照步骤一的模型求解各机组出力情况。
步骤三:构建上层微电网经济运行模型,具体为:
以微电网运行成本最小为目标函数:
式中,CMG为微电网的运行成本;C为微电网内部的发电成本;CExch为微电网的交互成本。
N为一天分成的时段数。
微电网内部发电成本:
式中,ct为可再生能源发电边际成本;gt为微电网在t时刻的总发电量;Cm表示设备的运行维护成本;CDG表示柴油发电机的燃油费;Ki表示第i类设备维护成本系数;表示第i类设备在t时刻的输出功率;k表示每公升柴油的价格;PDG-rated表示第i台柴油机的额定功率;表示第i台柴油机的t时刻的输出功率;M,N分别表示微电网中设备数量、一天分成的时段数。
微电网交互成本:
式中,分别表示充换储一体化电站的买卖电价格;表示一体化电站的运行功率。
式中,ct为可再生能源发电边际成本;CDG表示柴油发电机的燃油费;gt为微电网在t时刻的总发电量。
相应的约束条件为:
充换电站充放电模型:
PBCSS,ch=nPBi,ch·PPB,ch·ηch
PBCSS,dis=nPBi,dis·PPB,dis/ηdis
式中,nPBi,ch、nPBi,dis分别为正在充、放电的动力电池数;PPB,ch、PPB,dis分别为动力电池的充、放电功率。
功率平衡约束:
式中,分别为为t时刻风电出力、光伏出力、柴油发电机出力,铅酸蓄电池出力;为t时刻从主网得到的交换功率;为微电网t时刻的基本负荷;为一体化电站t时刻的运行功率。
柴油发电机出力和爬坡约束:
式中,分别为柴油发电机的发电上、下限;分别为柴油发电机在t时刻和t-1时刻的出力;△t为单位时间尺度;Rdown、Rup分别为柴油机爬坡速率。
一体化电站功率约束:
式中,分别为一体化电站在t时刻运行功率的上下限;为一体化电站t时刻的运行功率。
电价约束:
式中,为充换储一体化电站的买电价格,ct为可再生能源发电边际成本。
步骤四:构建一体化电站经济运行模型,具体为:
以一体化电站利润与用户满意度之和最大为目标函数:
max CCSSIS=max(a1(CR-Cch-Cdis-Cg)+a2St)
式中,St为用户满意度;CR、Cg、Cch、Cdis分别为一体化电站收入、购电成本、一体化电站充电成本、一体化电站放电成本;a1、a2为权重值。
用户满意度:
式中,为日前预测t时刻一体化电站的运行功率;为一体化电站t时刻的真实运行功率;ɑt<0,与电价弹性相关;βt>0,对应常规负荷下的常规电价。
一体化电站收入:
式中,NEVt为t时刻电动汽车用户换电需求量;为t时刻一体化电站的卖电价格;为t时刻一体化电站的卖电功率;Crated为电池的标准容量;λs为换电站BSS向电动汽车用户提供的换电零售价,ɑ为电池租赁价格;N为一天分成的时段数。
购电成本:
式中,为t时刻一体化电站的买电价格;为一体化电站t时刻的运行功率;N为一天分成的时段数。
一体化电站运行损耗成本:
式中,Cint为充换储一体化电站的蓄电池投资成本;kch、kdis分别为充、放电影响因子;Pch、Pdis分别为蓄电池的充、放电功率;SOCstart、SOCend分别为开始充电、放电结束时的荷电状态;SOCmax、SOCmin为蓄电池最大、最小荷电状态;PBCSS,ch、PBCSS,dis分别为一体化电站的充、放电功率。
相应的约束条件为:
在线动力电池的换电约束:
式中,nfull(t)、nneed(t)分别为时段t内处于i组并正在充电的动力电池数、满充动力电池数和换电需求量;n为动力电池的组数。
一体化电站运行约束:
式中,分别为一体化电站、充换电站、储能电站在t时刻的运行功率。
动力电池约束:
式中,分别为动力电池的最大充、放电功率;分别为动力电池的最小充、放电功率。
充换电站容量约束:
式中,为充换电站在t时刻的运行功率;分别为充换电站在t时刻的最大、最小运行功率。
储能电站的约束:
E(0)=EESS(T)
式中,为储能电站在t时刻的运行功率;分别为储能电站在t时刻的最大、最小运行功率;E(0),EESS(T)分别为储能电站周期始、末荷电量;分别为储能电站充、放电功率;ηc、ηdc分别为储能电站充、放电效率。
步骤五:将边际成本和用户需求负荷带入博弈效用函数,使微电网和一体化电站之间进行互动博弈,得到分时电价和各机组的出力曲线,让微电网和一体化电站双方收益最大。
博弈过程描述如下:
1)分别确定微网侧与一体化电站侧的效用系数u1,u2
u1=-CMG
u2=CCSSIS
式中,u1、u2分别为微网侧的效用函数、一体化电站的效用函数;CMG为微电网的运行成本;CCSSIS为一体化电站的利润。
2)令求得一体化电站最优运行功率:
式中,为t时刻一体化电站的买电价格;ɑt<0,与电价弹性相关;βt>0,对应常规负荷下的常规电价;分别为在的前提下日前预测t时刻一体化电站的运行功率、一体化电站最优运行功率。
3)在2)的基础上,求得:
式中,u1为微网侧的效用函数;为一体化电站t时刻的真实运行功率;i=[0,1,2,…24]矩阵中某个值,表示一天中的某个时刻;为充换电站在t时刻的运行功率;ɑt<0,与电价弹性相关;βt>0,对应常规负荷下的常规电价;为日前预测t时刻一体化电站的运行功率;为一体化电站t时刻的真实运行功率;
4)由数学分析得,上式矩阵为负定矩阵,根据2),得到充换储一体化电站的买电价格:
式中,为充换储一体化电站的买电价格;ɑt<0,与电价弹性相关;βt>0,对应常规负荷下的常规电价;为日前预测t时刻一体化电站的运行功率;为一体化电站t时刻的真实运行功率;
步骤六:利用滑动窗口法,优化充换储电站BCSS运行。优化策略描述如下:
1)取时间窗口H=NPB·△t即PB持续充放电的时间尺度,NPB为在线PB分组数。
2)进入时段t,计算此时段为满足t+H时段换电需求而需要开启充电的PB个数,
3)在满足换电需求的前提下,计算滑动窗口H内的平均电价(pavg,w)以决策BCSS充、放电:①若pavg,w低于优先充电电价,则BCSS优先充电;②若pavg,w等于高电价,说明整个时间窗口处于高电价时段,BCSS满足换电需求后优先放电;③若pavg,w高于优先充电电价且不高于平电价,则扩大滑动窗口为1.5H,并计算1.5H平均电价,若此时窗口平均电价变大,说明后续时段电价升高,则BCSS优先充电,否则只需根据安排充电。
4)每一时段末,将待充和满充PB分别编号放入相应队列,时间窗口跟随优化调度时段后移。
步骤七:判断是否小于上一次的优化负荷偏差,若是,则结束;否则返回步骤二;
图4仿真结果表明:本发明提供的方法能够针对微电网负荷削峰填谷,平抑负荷曲线。
Claims (8)
1.基于非合作博弈的充换储一体化电站微电网优化调度方法,其特征在于包括以下步骤:
步骤1:构建含光伏、风电、铅酸蓄电池和柴油发电机的发电模型;
步骤2:采集微电网未来一天的信息,包括未来一天的光照强度、温度、风速以及一体化电站的负荷信息,并按照步骤一的模型求解各机组出力情况;
步骤3:构建以微电网侧发电利润最大的上层微电网经济运行模型,得到微电网发电的边际成本;
步骤4:构建以一体化电站支出费用以及不满意度最小的下层一体化电站经济运行模型;
步骤5:将边际成本和一体化电站需求带入博弈效用函数,利用滑动窗口法对一体化电站运行进行优化;
步骤6:将微电网与一体化电站之间进行互动博弈,得到分时电价和各机组的出力曲线;
步骤7:判断是否小于上一次的优化负荷偏差,若是,则结束;否则返回步骤2;
通过上述步骤,完成充换储一体化电站微电网协调优化调度。
2.根据权利要求1所述基于非合作博弈的充换储一体化电站微电网优化调度方法,其特征在于:所述步骤1中,
光伏发电模型为:
PPV=PSTCGAC[1+ks(TC-Tr)]/GSTC
式中,PPV为输出功率,PSTC为标准测试条件下(太阳能入射强度1kW/m2,环境温度为298.15K)下的最大测试功率;GAC为标准测试条件下的光照,取1kW/m2;Ks为功率温度系数,为-0.47%/K;TC为光伏阵列的工作温度;Tr为参考温度,值为298.15K;
风电发电模型为:
式中,PW为风力发电功率,v为预测风速,Vci为切入风速,Vco为切出风速,Vr为额定风速,Pr为风机额定功率;
铅酸蓄电池发电模型为:
式中,Soc(t)为第t个时段结束时蓄电池的荷电状态;Soc(t-1)为第t-1个时段结束时蓄电池的荷电状态;Pc、Pd为蓄电池的充、放电功率;ηc、ηd为蓄电池的充、放电功率90%;△t为蓄电池充、放电时间;Ec为蓄电池的额定容量;
柴油发电机发电模型为:
Diesel=C1PDG+C2PDG-rated
式中,Diesel表示单位时间内柴油发电机耗油量;PDG表示柴油发电机输出功率;PDG-rated表示柴油发电机额定功率;C1和C2为系数。
3.根据权利要求1所述基于非合作博弈的充换储一体化电站微电网优化调度方法,其特征在于:所述步骤3中,上层微电网经济运行模型为:
以微电网运行成本最小为目标函数:
式中,CMG为微电网的运行成本;C为微电网内部的发电成本;CExch为微电网的交互成本;N为一天分成的时段数;
微电网内部发电成本:
式中,ct为可再生能源发电边际成本;gt为微电网在t时刻的总发电量;Cm表示设备的运行维护成本;CDG表示柴油发电机的燃油费;Ki表示第i类设备维护成本系数;表示第i类设备在t时刻的输出功率;k表示每公升柴油的价格;PDG-rated表示第i台柴油机的额定功率;表示第i台柴油机的t时刻的输出功率;M,N分别表示微电网中设备数量、一天分成的时段数;
微电网交互成本:
式中,分别表示充换储一体化电站的买卖电价格;表示一体化电站的运行功率。
4.根据权利要求3所述基于非合作博弈的充换储一体化电站微电网优化调度方法,其特征在于:相应的约束条件为:
充换电站充放电模型:
PBCSS,ch=nPBi,ch·PPB,ch·ηch
PBCSS,dis=nPBi,dis·PPB,dis/ηdis
式中nPBi,ch、nPBi,dis分别为正在充、放电的动力电池数;PPB,ch、PPB,dis分别为动力电池的充、放电功率;
功率平衡约束:
式中,分别为为t时刻风电出力、光伏出力、柴油发电机出力,铅酸蓄电池出力;为t时刻从主网得到的交换功率;为微电网t时刻的基本负荷;为一体化电站t时刻的运行功率;
柴油发电机出力和爬坡约束:
式中,分别为柴油发电机的发电上、下限;分别为柴油发电机在t时刻和t-1时刻的出力;△t为单位时间尺度;Rdown、Rup分别为柴油机爬坡速率;
一体化电站功率约束:
式中,分别为一体化电站在t时刻运行功率的上下限;为一体化电站t时刻的运行功率;
电价约束:
式中,为充换储一体化电站的买电价格,ct为可再生能源发电边际成本。
5.根据权利要求3所述基于非合作博弈的充换储一体化电站微电网优化调度方法,其特征在于:所述步骤5中,一体化电站经济运行模型为:
以一体化电站利润与用户满意度之和最大为目标函数:
max CCSSIS=max(a1(CR-Cch-Cdis-Cg)+a2St)
式中,St为用户满意度;CR、Cg、Cch、Cdis分别为一体化电站收入、购电成本、一体化电站充电成本、一体化电站放电成本;a1、a2为权重值;
用户满意度:
式中,为日前预测t时刻一体化电站的运行功率;为一体化电站t时刻的真实运行功率;ɑt<0,与电价弹性相关;βt>0,对应常规负荷下的常规电价;
一体化电站收入:
式中,NEVt为t时刻电动汽车用户换电需求量;为t时刻一体化电站的卖电价格;为t时刻一体化电站的卖电功率;Crated为电池的标准容量;λs为换电站BSS向电动汽车用户提供的换电零售价,ɑ为电池租赁价格;N为一天分成的时段数;
购电成本:
式中,为t时刻一体化电站的买电价格;为一体化电站t时刻的运行功率;N为一天分成的时段数;
一体化电站运行损耗成本:
式中,Cint为充换储一体化电站的蓄电池投资成本;kch、kdis分别为充、放电影响因子;Pch、Pdis分别为蓄电池的充、放电功率;SOCstart、SOCend分别为开始充电、放电结束时的荷电状态;SOCmax、SOCmin为蓄电池最大、最小荷电状态;PBCSS,ch、PBCSS,dis分别为一体化电站的充、放电功率。
6.根据权利要求5所述基于非合作博弈的充换储一体化电站微电网优化调度方法,其特征在于:相应的约束条件为:
在线动力电池的换电约束:
式中,nfull(t)、nneed(t)分别为时段t内处于i组并正在充电的动力电池数、满充动力电池数和换电需求量;n为动力电池的组数;
一体化电站运行约束:
式中,分别为一体化电站、充换电站、储能电站在t时刻的运行功率;
动力电池约束:
式中,分别为动力电池的最大充、放电功率;分别为动力电池的最小充、放电功率;
充换电站容量约束:
式中,为充换电站在t时刻的运行功率;分别为充换电站在t时刻的最大、最小运行功率;
储能电站约束:
E(0)=EESS(T)
式中,为储能电站在t时刻的运行功率;分别为储能电站在t时刻的最大、最小运行功率;E(0),EESS(T)分别为储能电站周期始、末荷电量;分别为储能电站充、放电功率;ηc、ηdc分别为储能电站充、放电效率。
7.根据权利要求1所述基于非合作博弈的充换储一体化电站微电网优化调度方法,其特征在于:所述步骤5中,采用滑动窗口法优化充换电站BCSS运行;优化策略描述如下:
1)取时间窗口H=NPB·△t即PB持续充放电的时间尺度,NPB为在线PB分组数;
2)进入时段t,计算此时段为满足t+H时段换电需求而需要开启充电的PB个数,
3)在满足换电需求的前提下,计算滑动窗口H内的平均电价(pavg,w)以决策BCSS充、放电:①若pavg,w低于优先充电电价,则BCSS优先充电;②若pavg,w等于高电价,说明整个时间窗口处于高电价时段,BCSS满足换电需求后优先放电;③若pavg,w高于优先充电电价且不高于平电价,则扩大滑动窗口为1.5H,并计算1.5H平均电价,若此时窗口平均电价变大,说明后续时段电价升高,则BCSS优先充电,否则只需根据安排充电;
4)每一时段末,将待充和满充PB分别编号放入相应队列,时间窗口跟随优化调度时段后移。
8.根据权利要求1所述基于非合作博弈的充换储一体化电站微电网优化调度方法,其特征在于:所述步骤5中,采用非合作博弈使微电网和一体化电站双方收益最大;博弈过程描述如下:
1)分别确定微网侧与一体化电站侧的效用函数u1,u2
u1=-CMG
u2=CCSSIS
式中,u1、u2分别为微网侧的效用函数、一体化电站的效用函数;CMG为微电网的运行成本;CCSSIS为一体化电站的利润;
2)令求得一体化电站最优功率:
式中,为t时刻一体化电站的买电价格;ɑt<0,与电价弹性相关;βt>0,对应常规负荷下的常规电价;分别为在的前提下日前预测t时刻一体化电站的运行功率、一体化电站最优运行功率;
3)在步骤2的基础上,求得:
式中,u1为微网侧的效用函数;为一体化电站t时刻的真实运行功率;i=[0,1,2,…24]矩阵中某个值,表示一天中的某个时刻;为充换电站在t时刻的运行功率;ɑt<0,与电价弹性相关;βt>0,对应常规负荷下的常规电价;为日前预测t时刻一体化电站的运行功率;为一体化电站t时刻的真实运行功率;
4)由上式二阶导<0,可得海森矩阵为负定矩阵,斯坦克尔博格均衡唯一,得出:上式矩阵为负定矩阵,根据步骤2,得到充换储一体化电站的买电价格:
式中,为充换储一体化电站的买电价格;ɑt<0,与电价弹性相关;βt>0,对应常规负荷下的常规电价;为日前预测t时刻一体化电站的运行功率;为一体化电站t时刻的真实运行功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811376969.3A CN109409615A (zh) | 2018-11-19 | 2018-11-19 | 基于非合作博弈的充换储一体化电站微电网优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811376969.3A CN109409615A (zh) | 2018-11-19 | 2018-11-19 | 基于非合作博弈的充换储一体化电站微电网优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109409615A true CN109409615A (zh) | 2019-03-01 |
Family
ID=65474128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811376969.3A Pending CN109409615A (zh) | 2018-11-19 | 2018-11-19 | 基于非合作博弈的充换储一体化电站微电网优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109409615A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109787261A (zh) * | 2019-03-14 | 2019-05-21 | 国网江苏省电力有限公司镇江供电分公司 | 电网侧及用户侧储能系统容量优化配置方法 |
CN110165663A (zh) * | 2019-05-10 | 2019-08-23 | 三峡大学 | 基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法 |
CN110751368A (zh) * | 2019-09-18 | 2020-02-04 | 清华大学 | 一种考虑充电负荷灵活性的电动汽车储充站规划方法 |
CN110852618A (zh) * | 2019-11-11 | 2020-02-28 | 广东电网有限责任公司 | 一种综合能源系统的日前调度方法和相关装置 |
CN111404206A (zh) * | 2020-04-21 | 2020-07-10 | 清华大学 | 考虑投资回报约束的风光储发电系统容量双层规划方法 |
CN111552912A (zh) * | 2020-04-21 | 2020-08-18 | 三峡大学 | 一种微电网并网的双层经济优化方法 |
CN111762057A (zh) * | 2020-07-06 | 2020-10-13 | 上海电力大学 | 一种区域微网中v2g电动汽车智能充放电管理方法 |
CN113947483A (zh) * | 2021-09-26 | 2022-01-18 | 上海电力大学 | 一种微网群多层主体交易策略的优化方法 |
Citations (4)
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 |
US20160064934A1 (en) * | 2013-03-27 | 2016-03-03 | Electric Power Research Institute Of State Grid Zhejiang Electric Power Company | Optimization method for independent micro-grid system |
CN105591406A (zh) * | 2015-12-31 | 2016-05-18 | 华南理工大学 | 一种基于非合作博弈的微电网能量管理系统的优化算法 |
CN106451552A (zh) * | 2016-11-17 | 2017-02-22 | 华南理工大学 | 一种基于势博弈的微电网能量管理系统分布式优化算法 |
-
2018
- 2018-11-19 CN CN201811376969.3A patent/CN109409615A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160064934A1 (en) * | 2013-03-27 | 2016-03-03 | Electric Power Research Institute Of State Grid Zhejiang Electric Power Company | Optimization method for independent micro-grid system |
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 |
CN105591406A (zh) * | 2015-12-31 | 2016-05-18 | 华南理工大学 | 一种基于非合作博弈的微电网能量管理系统的优化算法 |
CN106451552A (zh) * | 2016-11-17 | 2017-02-22 | 华南理工大学 | 一种基于势博弈的微电网能量管理系统分布式优化算法 |
Non-Patent Citations (3)
Title |
---|
刘延博等: "孤岛运行下含储能系统的微电网多代理博弈模型", 《高压电器》 * |
林凯骏等: "基于非合作博弈的冷热电联供微能源网运行策略优化", 《电力系统自动化》 * |
路尧等: "非合作博弈下考虑用户满意度的虚拟电厂经济优化运行", 《分布式能源》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109787261A (zh) * | 2019-03-14 | 2019-05-21 | 国网江苏省电力有限公司镇江供电分公司 | 电网侧及用户侧储能系统容量优化配置方法 |
CN110165663A (zh) * | 2019-05-10 | 2019-08-23 | 三峡大学 | 基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法 |
CN110751368A (zh) * | 2019-09-18 | 2020-02-04 | 清华大学 | 一种考虑充电负荷灵活性的电动汽车储充站规划方法 |
CN110751368B (zh) * | 2019-09-18 | 2021-12-24 | 清华大学 | 一种考虑充电负荷灵活性的电动汽车储充站规划方法 |
CN110852618B (zh) * | 2019-11-11 | 2022-07-19 | 广东电网有限责任公司 | 一种综合能源系统的日前调度方法和相关装置 |
CN110852618A (zh) * | 2019-11-11 | 2020-02-28 | 广东电网有限责任公司 | 一种综合能源系统的日前调度方法和相关装置 |
CN111404206A (zh) * | 2020-04-21 | 2020-07-10 | 清华大学 | 考虑投资回报约束的风光储发电系统容量双层规划方法 |
CN111552912A (zh) * | 2020-04-21 | 2020-08-18 | 三峡大学 | 一种微电网并网的双层经济优化方法 |
CN111404206B (zh) * | 2020-04-21 | 2021-07-09 | 清华大学 | 考虑投资回报约束的风光储发电系统容量双层规划方法 |
CN111762057A (zh) * | 2020-07-06 | 2020-10-13 | 上海电力大学 | 一种区域微网中v2g电动汽车智能充放电管理方法 |
CN111762057B (zh) * | 2020-07-06 | 2022-02-22 | 上海电力大学 | 一种区域微网中v2g电动汽车智能充放电管理方法 |
CN113947483A (zh) * | 2021-09-26 | 2022-01-18 | 上海电力大学 | 一种微网群多层主体交易策略的优化方法 |
CN113947483B (zh) * | 2021-09-26 | 2024-05-31 | 上海电力大学 | 一种微网群多层主体交易策略的优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109409615A (zh) | 基于非合作博弈的充换储一体化电站微电网优化调度方法 | |
CN106026152B (zh) | 一种电动汽车接入微电网的充放电调度方法 | |
CN108009693B (zh) | 基于两级需求响应的并网微电网双层优化方法 | |
CN109256800A (zh) | 一种区域充换储一体化电站微电网群协调优化调度方法 | |
CN109599856B (zh) | 一种微网多楼宇中电动汽车充放电管理优化方法及装置 | |
CN109146201A (zh) | 基于合作博弈的充换储一体化电站微电网优化调度方法 | |
CN109740846A (zh) | 智能小区需求响应调度方法和系统 | |
CN109672202A (zh) | 一种基于区块链技术的储能系统自动需求响应方法 | |
CN103793758A (zh) | 含光伏发电系统的电动汽车充电站的多目标优化调度方法 | |
CN109754112A (zh) | 一种考虑配电网削峰填谷的光储充电塔随机优化调度方法 | |
CN106487036A (zh) | 一种基于多目标优化算法的独立光伏拖动系统容量配置方法 | |
CN109217290A (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
CN113988444A (zh) | 一种光储系统的电费优化控制系统及方法 | |
CN107590607A (zh) | 一种基于光伏预测的微电网优化调度系统和方法 | |
CN110165715B (zh) | 一种将电动汽车储能式充电站接入虚拟电厂的方法 | |
CN105896596B (zh) | 一种考虑需求侧响应的风电功率分层平滑系统及其方法 | |
CN113326467B (zh) | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 | |
CN107196586A (zh) | 含电动汽车接入的光柴储微网系统优化运行方法 | |
CN115936244A (zh) | 考虑可再生能源发电不确定性的虚拟电厂优化调度方法 | |
CN105741027A (zh) | 一种含电动汽车的虚拟电厂优化调度方法 | |
CN111762057B (zh) | 一种区域微网中v2g电动汽车智能充放电管理方法 | |
CN113708366A (zh) | 一种计及新能源和电动汽车的配电网优化调度方法及系统 | |
CN109978240A (zh) | 一种电动汽车有序充电优化方法及系统 | |
CN108921331A (zh) | 一种计及v2g功能的电动汽车与新能源的调度优化建模及算法 | |
CN112269966B (zh) | 一种考虑备用需求的通信基站虚拟电厂发电容量测量方法 |
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: 20190301 |