CN110070210A - 一种多微电网系统能量管理与贡献度评估方法和系统 - Google Patents

Abstract

本发明公开了一种多微电网系统能量管理与贡献度评估方法和系统。现有的多微电网系统能量管理集中式方法存在对中央系统高度依赖，易受单点通信故障影响等问题；分布式优化方法的算法大都较为复杂、迭代次数过多。本发明首先建立多微电网SoS架构，基于此架构建立多微电网双层能量管理与贡献度评估模型；结合Bender法求解多微电网双层能量管理模型并采用shapley值法合理分配正涌现行为收益给不同利益主体的子微电网并评估各个子微电网的贡献度。本发明提出的多微电网SoS架构是一种协调多微电网运行的有效方式，可以对多微电网系统运行进行有效管理。

Description

一种多微电网系统能量管理与贡献度评估方法和系统

技术领域

本发明属于微电网领域，具体地说是一种基于体系架构的多微电网系统能量管理与贡献度评估方法和系统。

背景技术

近年来，含高渗透率可再生能源微电网得到快速推广与规模化应用，未来配电网中一个区域内多个邻近微电网互联互济形成多微电网系统将会成为电力系统的常态之一。目前国内外对于多微电网研究相比于单微电网而言较少。根据不同运行目标设计相应的运行和能量管理策略，目前多微电网系统的典型优化运行策略主要分为集中式优化与分布式优化。然而集中式优化存在对中央系统高度依赖，易受单点通信故障影响等问题；分布式优化方法的算法大都较为复杂、迭代次数过多。因此，典型优化方法在解决独立、复杂、差异巨大、动态变化的大量微电网组成的多微电网优化运行问题上仍存在许多不足之处。体系(SoS)是指大量功能相互独立，操作具有交互性的系统，按照一定约束条件组成一个全新的系统。SoS具有独立性，归属性、可联性、异构性与涌现性。相比于集中式与分布式方法，SoS方法在分析解决大型、独立、差异化的复杂系统之间的相互协调与操作问题上更具针对性。典型集中式、分布式与分散式方法是基于系统思想设计与开发的方法，而SoS方法是一种基于SoS架构协调多个独立自治系统获得更好性能或新特性的体系方法。SoS架构非常灵活，可以适应各种分散控制，按分散程度包括分层分散式控制、协同分散式控制和分布式控制等。因此，SoS方法比分布式方法或确定的分散方法更适合于研究多微电网系统的能量管理。

发明内容

本发明的目的在于针对上述现有技术存在的不足，提供一种基于体系架构的多微电网系统能量管理与贡献度评估方法，对多微电网系统运行进行有效管理。

为此，本发明采用如下的技术方案：一种多微电网系统能量管理与贡献度评估方法，其包括步骤：

步骤1)，建立多微电网系统的SoS架构；

步骤2)，基于多微电网系统的SoS架构，建立多微电网系统双层能量管理优化模型；

步骤3)，结合Benders法求解多微电网系统双层能量管理优化模型；

步骤4)，采用shapley法分配多微电网系统的正涌现收益并评价构成多微电网系统的各个子微电网的贡献度。

本发明可以对多微电网系统运行进行有效管理，在论证体系与多微电网系统特征具有高度类似的基础上，引入在分析解决大型、独立、差异化的复杂系统之间的相互协调与操作问题上更具针对性体系(SoS)方法解决多微电网系统复杂的运行优化问题。

作为上述评估方法的补充，步骤2)包括：首先，建立多微电网系统组成单元模型，包括风机、光伏与负荷的不确定模型，柴油发电机模型与储能运行约束模型；其次，建立多微电网系统双层能量管理优化模型的目标函数与约束条件。

作为上述评估方法的补充，所述风机、光伏与负荷的不确定模型如下式：

式中：为多微电网系统中第i个微电网中t时刻风机与光伏的预测功率，为多微电网系统中第i个微电网中t时刻的预测负荷功率； 与为多微电网系统中第i个微电网中t时刻风机与光伏的功率波动变化的上下限；为多微电网系统中第i个微电网t时刻的负荷功率波动变化的上下限；为0-1变量，取值为0时，表示风机、光伏功率与负荷量在t时刻取预测值；取值为1时，表示风机、光伏功率与负荷量在t时刻取上限值或下限值；α，β，γ为控制系统不确定性的变量；当α，β，γ取0时，表示不考虑风机、光伏与负荷的不确定性；α，γ取T且β取T/2时表示风机、负荷与光伏为上限或下限值；为考虑风机、光伏与负荷出力不确定性情况下的出力值，T为调度周期。

作为上述评估方法的补充，步骤2)中，在微电网系统中，储能运行约束模型考虑储能的充放电功率约束与SOC约束，储能充放电功率不大于储能允许的最大充放电功率，如下所示：

式中，分别表示储能充、放电功率，P_ch,max、P_dis,max分别表示储能允许的最大充、放电功率；

储能SOC不得小于最小SOC值也不能超过最大SOC值且调度周期始末的储能SOC值保持不变，如下所示：

式(4)表示t时刻第i个子微电网的储能SOC值，其中与表示t与t-1时刻第i个微电网的储能SOC，Q_i表示第i个微电网的储能容量，与表示第i个微电网t-1时刻储能的充放电功率，η_ch,i与η_dis,i表示第i个微电网储能的充放电效率；式(5)表示调度周期始末的第i个子微电网的SOC不变，其中与表示调度周期始末的SOC值；式(6)表示t时刻第i个微电网储能的SOC最大最小约束，SOC_i,min，SOC_i,max表示第i个子微电网储能允许的最小与最大SOC值。

作为上述评估方法的补充，步骤2)中，柴油发电机模型考虑柴油发电机的启停约束、柴油发电机出力约束以及爬坡率约束，运行约束如下所示：

式(7)表示柴油发电机的出力约束，其中表示多微电网系统中的第i个微电网的柴油发电机t时刻的运行状态，0/1分别表示柴油发电机开启与关闭状态，表示第i个微电网柴油发电机的出力，P_DEi,max、P_DEi,min表示第i个微电网的柴油发电机的最大出力与最小出力；；式(8)-(9)表示第i个微电网的启停状态，为柴油发电机的启动操作的状态变量，为柴油发电机关停操作的状态变量；式(10)-(11)表示柴油发电机的爬坡率约束，其中表示第i个微电网柴油机的爬坡率约束；式(12)-(14)表示柴油发电机的启停约束，其中T_on与T_off表示柴油发电机的最小开机时间与最小停机时间，T_on,max表示柴油发电机的最大开机时间。

作为上述评估方法的补充，步骤2)中，多微电网系统层目标函数如下：

多微电网系统层约束条件如下：

功率平衡约束：

微电网功率缺额与盈余约束：

切负荷约束：

其中θ_i为微电网i的最大切负荷率；

储能约束：式(2)-式(6)；

柴油发电机约束：式(7)-式(14)；

风机、光伏与负荷的不确定性约束：式(1)；

式(15)为系统层目标函数，其中第一、二项表示柴油机启停成本，第三、四项表示储能运行成本，第五项表示柴油发电机运行成本，第六项表示切负荷的惩罚费用，其中c_on,i，c_off,i表示第i个子微电网的柴油发电机的启停成本系数，c_B,i、c_DE,i与c_load第i个子微电网的储能、柴油机成本系数与切负荷的惩罚系数；表示式(17)-(18)中的与为子微电网i在购售电价格下使得运行成本最小时的功率缺额与盈余，与第i个微电网的预测负荷出力和切负荷量，P_bi,max与P_si,max表示第i个子微电网的最大购售电功率。

作为上述评估方法的补充，步骤2)中，多微电网体系层目标函数如下：

多微电网体系层的约束条件为：

购售电平衡与交互功率约束：

式(19)为体系层目标函数，其中第一、二项为各个子微电网的购售电成本，其中表示购售电价格，表示第i个子微电网的购售电功率，第三项为各个子微电网之间的交互成本，其中c_ij为微电网i与j之间的交互成本系数，表示微电网i与微电网j之间的交互功率；第四项C_i为各个子微电网运行成本；式(20)-(24)中P_bi,max与P_si,max表示第i个子微电网的最大购售电功率，P_ij,max表示微电网i与j之间的最大功率交互。

作为上述评估方法的补充，步骤3)中，为简化表达形式，系统层目标函数与约束条件重写为：

s.t:A_iy_i≤d_i (26)

B_iy_i＝g_i，y_i∈{0,1} (27)

Ω(y_i,U_i(w_i,p_i,l_i))＝{F_iz_i≤k_i-m_iy_i (28)

D_iz_i≤h_i (29)

E_iz_i＝j_i (30)

H_iz_i＝w_i (31)

I_iz_i＝p_i (32)

L_iz_i＝l_i} (33)

式中，y_i为系统层主问题决策变量，为柴油发电机的启停与运行状态变量，z_i为系统层子问题的决策变量主要为风机，光伏，柴油发电机，储能输出功率与微电网的功率缺额变量，变量y_i与z_i组成多微电网系统能量管理优化模型的独立变量，仅受各子微电网控制，反映各个微电网的独立性；约束式(26)为柴油发电机启停约束对应式(12)-式(14)；式(27)对应式(8)与式(9)；约束式(28)含两层决策变量对应式(10)-式(11)；式(29)为不等式约束对应式(2)-式(3)，式(6)与式(17)-式(18)；式(30)为等式约束对应式(4)-式(5)与式(16)，式(31)-式(33)为风光不确定性约束对应式(1)；其中是(26)-(33)中的A_i、B_i、F_i、D_i、E_i、H_i、I_i、L_i与d_i、g_i、k_i、m_i、h_i、j_i、w_i、p_i、l_i表示其相对应约束的矩阵表达形式，U_i(w_i,p_i,l_i)表示第i个微电网的源荷不确定性约束，表示第i个微电网的柴油发电机启停费用系数，其中 表示第i个微电网的运行费用系数，其中Ω(y_i,U_i(w_i,p_i,l_i))表示所有约束的集合；

1)系统层子问题在第ω次迭代时的模型如下：

式(29)-(33)

采用拉格朗日对偶对最大-最小模型进行解耦，其对偶问题的目标函数为：

χ≥0，π≥0，p,w,l∈U (38)

式中的π,χ,μ,ν,λ,η为对应于式(28)-式(33)的拉格朗日乘子，其中p,w,l分别与整形变量ν,λ,η相乘，采用M法将其线性化进行求解；

系统层优化子问题的上界为：

式中，β_i为优化子问题的目标函数值；

2)系统层主问题在第ω次迭代时的模型如下：

min Z_i (40)

式(26)-式(27)

式中，π_ω为子问题第ω次迭代求得的对偶变量值，式(42)约束为可行割，强制主问题产生的启停调度解满足负荷需求，从而保证子问题的可行性，与为风机与光伏预测值，为负荷取波动上限值，求解主问题得原问题下界U_Li＝Z_i；

系统层主问题与子问题交替迭代，当上界与下界的差值小于给定误差时，求得系统层优化问题的最优解。

作为上述评估方法的补充，多微电网双层能量管理优化模型的求解步骤为：

1)求解基于多微电网SoS架构运行的多微电网系统层模型，包括以下步骤；

(1)初始化系统层问题上界与下界与选择可行的柴油发电机启停次数与状态主问题决策变量y_i；

(2)将主问题决策变量y_i代入子问题中，优化求解子问题目标函数；

(3)主问题依据返回的对偶变量π计算Benders割，然后求解主问题，得到主问题决策变量y_i并给定下界U_Li＝Z_i；

(4)如果U_Bi-U_Li＜ρ，输出微电网i运行成本与功率缺额与盈余量，否则返回(2)，其中ρ为迭代收敛所允许的误差值；

2)依据系统层传递的各子微电网成本与功率缺额或盈余量信息，求解式(19)-式(24)体系层优化目标函数，得到多微电网联合运行的成本，并将各子微电网购售电功率与各子微电网之间交互功率的调度信息传递给各子微电网；

3)将多微电网未联合时的成本费用与联合运行的成本费用相减得到正涌现行为收益。

本发明采用的另一种技术方案为：一种多微电网系统能量管理与贡献度评估系统，其包括：

SoS架构建立单元，用于建立多微电网系统的SoS架构；

能量管理优化模型建立单元，基于多微电网系统的SoS架构，建立多微电网系统双层能量管理优化模型；

能量管理优化模型求解单元，结合Benders法求解多微电网系统双层能量管理优化模型；

正涌现收益分配及贡献度评价单元，采用shapley法分配多微电网系统的正涌现收益并评价构成多微电网系统的各个子微电网的贡献度。

本发明具有的有益效果如下：本发明结合Bender法求解多微电网双层能量管理优化模型，并采用shapley值法合理分配正涌现行为收益(多微电网通过合作运行使得成本降低所获收益)给不同利益主体的子微电网并评估各个子微电网的贡献度。本发明提出的多微电网SoS架构是一种协调多微电网运行的有效方式，可以对多微电网系统运行进行有效管理。

附图说明

图1为SoS和微电网群的特性对比图；

图2为本发明多微电网SoS架构图；

图3为本发明多微电网模型的求解流程图。

具体实施方式

下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。

实施例1

本发明通过对多微电网系统与SoS的特性比较可以发现多微电网所呈现的特性与SoS十分契合(见图1)。可说，多微电网系统实质上是电气工程与系统领域里的一种SoS。重要的是SoS方法表现出对多微电网协调优化与能量管理所面临的问题具有针对性的指导能力。

针对多微电网系统SoS架构建立，本发明从SoS方法的角度出发，发现多微电网系统是一个分层分散式SoS，分为系统级与体系级。系统级对应的各个单个子微电网系统是具有中心控制器的独立自治系统；单个子微电网通过本地的中心控制器(MGCC)发送日前调度计划给分布式电源与负荷控制器实现控制同时也收集控制器反馈的信息修正日前调度计划。单个子微电网能自主选择进入或退出多微电网系统联盟。多微电网协调控制器(DMS)协调通过收集本地中心控制器的反馈的功率缺额等信息协调各个子微电网之间的功率交互以及各个子微电网与配电网的能量交互组成体系层。换句话说，每个子微电网的MGCC在考虑到来自DMS的电力交换和交易的请求的情况下求解各个子微电网的能量管理的最佳解决方案。同时，DMS基于MGCC提供的最优解决方案评估多微电网系统的能量管理解决方案的最优性。由此建立了基于多微电网系统SoS架构(见图2)。

基于SoS架构的多微电网能量管理模型为双层优化模型，分别对应体系层与系统层。系统层各子微电网考虑风机、光伏出力与负荷的不确定性通过MGCC控制独立变量实现自身运行成本最小化并将缺额或盈余的信息传递给体系层；体系层DMS接收系统层的功率缺额与盈余的信息控制共享变量协调多微电网之间的功率互济以及微电网与主网之间的功率交互实现整体的运行成本最小化。多微电网之间通过功率互济的合作运行能获得相比于多微电网不进行合作更多的收益(称为涌现收益)，本发明采用shapley值法分配涌现收益给不同利益主体子微电网并评估各个子微电网对多微电网系统的贡献度，本发明的方法包括以下步骤：

步骤(1)：建立多微电网系统的SoS架构。

步骤(2)：基于多微电网系统的SoS架构，建立多微电网系统双层能量管理优化模型。首先建立多微电网系统组成单元模型，包括风机、光伏与负荷的不确定模型；柴油发电与储能运行约束模型。

考虑不确定性的可再生能源发电模型与负荷的不确定性模型如式(1)。

式中：为多微电网系统中第i个微电网中t时刻风机与光伏的预测功率，为多微电网系统中第i个微电网中t时刻的预测负荷功率；与为多微电网系统中第i个微电网中t时刻风机与光伏的功率波动变化的上下限；为多微电网系统中第i个微电网t时刻的负荷功率波动变化的上下限；为0-1变量，取值为0时，表示风机、光伏功率与负荷量在t时刻取预测值；取值为1时，表示风机、光伏功率与负荷量在t时刻取上限值或下限值；α，β，γ为控制系统不确定性的变量；当α，β，γ取0时，表示不考虑风机、光伏与负荷的不确定性；α，γ取T且β取T/2时表示风机、负荷与光伏为上限或下限值； 分别为考虑风机、光伏与负荷出力不确定性情况下的出力值，T为调度周期。

在微电网系统中，储能模型主要考虑储能的充放电功率约束与SOC约束。储能充放电功率不大于储能允许的最大充放电功率，如式(2)-(3)所示；储能SOC不得小于最小SOC值也不能超过最大SOC值且调度周期始末的储能SOC值保持不变，如式(4)-(6)所示，其中与表示t与t-1时刻第i个微电网的储能SOC，Q_i表示第i个微电网的储能容量，与表示第i个微电网t-1时刻储能的充放电功率，η_ch,i与η_dis,i表示第i个微电网储能的充、放电效率，与表示调度周期始末的SOC值，SOC_i,min，SOC_i,max表示第i个子微电网储能允许的最小与最大SOC值。

柴油发电机模型主要考虑柴油发电机的启停约束、柴油发电机出力约束以及爬坡率约束，运行约束如下所示。

式(7)表示柴油发电机的出力约束，其中表示多微电网系统中的第i个微电网的柴油发电机t时刻的运行状态，0/1分别表示柴油发电机开启与关闭状态，表示第i个微电网柴油发电机的出力，P_DEi,max、P_DEi,min表示第i个微电网的柴油发电机的最大出力与最小出力；式(8)-(9)表示第i个微电网的启停状态，为柴油发电机的启动操作的状态变量，为柴油发电机关停操作的状态变量；式(10)-(11)表示柴油发电机的爬坡率约束，其中表示第i个微电网柴油机的爬坡率约束；式(12)-(14)表示柴油发电机的启停约束，其中T_on与T_off表示柴油发电机的最小开机时间与最小停机时间，T_on,max表示柴油发电机的最大开机时间。

其次，建立多微电网双层能量管理的目标函数与约束条件。

多微电网系统层目标函数与约束条件：

约束条件：

功率平衡约束：

微电网功率缺额与盈余约束：

切负荷约束：

其中θ_i为微电网i的最大切负荷率。

储能约束：式(2)-式(6)；

柴油发电机约束：式(7)-式(14)；

风机、光伏与负荷的不确定性约束：式(1)；

式(15)为系统层目标函数，其中第一、二项表示柴油机启停成本，第三、四项表示储能运行成本，第五项表示柴油发电机运行成本，第六项表示切负荷的惩罚费用，其中c_on,i，c_off,i表示第i个子微电网的柴油发电机的启停成本系数，c_B,i、c_DE,i与c_load第i个子微电网的储能、柴油机成本系数与切负荷的惩罚系数；表示式(17)-(18)中的与为子微电网i在购售电价格下使得运行成本最小时的功率缺额与盈余，与第i个微电网的预测负荷出力和切负荷量，P_bi,max与P_si,max表示第i个子微电网的最大购售电功率。

多微电网体系层目标函数与约束条件：

约束条件为

购售电平衡与交互功率约束：

式(19)为体系层目标函数，其中第一、二项为各个子微电网的购售电成本，其中表示购售电价格，表示第i个子微电网的购售电功率，第三项为各个子微电网之间的交互成本，其中c_ij为微电网i与j之间的交互成本系数，表示微电网i与微电网j之间的交互功率；第四项C_i为各个子微电网运行成本；式(20)-(24)中P_bi,max与P_si,max表示第i个子微电网的最大购售电功率，P_ij,max表示微电网i与j之间的最大功率交互。

步骤(3)：结合Benders法求解多微电网双层能量管理模型，为简化表达形式，系统层目标函数与约束条件重写为：

s.t:A_iy_i≤d_i (26)

B_iy_i＝g_i y_i∈{0,1} (27)

Ω(y_i,U_i(w_i,p_i,l_i))＝{F_iz_i≤k_i-m_iy_i (28)

D_iz_i≤h_i (29)

E_iz_i＝j_i (30)

H_iz_i＝w_i (31)

I_iz_i＝p_i (32)

L_iz_i＝l_i} (33)

式中，y_i为系统层主问题决策变量，为柴油发电机的启停与运行状态变量，z_i为系统层子问题的决策变量主要为风机，光伏，柴油发电机，储能输出功率与微电网的功率缺额变量，变量y_i与z_i组成多微电网系统能量管理模型的独立变量，仅受各子微电网控制，反映各个微电网的独立性。约束式(26)为柴油发电机启停约束对应式(12)-式(14)；式(27)对应式(8)与式(9)；约束式(28)含两层决策变量对应式(10)-式(11)；式(29)为不等式约束对应式(2)-式(3)，式(6)与式(17)-式(18)；式(30)为等式约束对应式(4)-式(5)与式(16)，式(31)-式(33)为风光不确定性约束对应式(1)。A_i、B_i、F_i、D_i、E_i、H_i、I_i、L_i与d_i、g_i、k_i、m_i、h_i、j_i、w_i、p_i、l_i表示其相对应约束的矩阵表达形式；U_i(w_i,p_i,l_i)表示第i个微电网的源荷不确定性约束，表示第i个微电网的柴油发电机的启停费用系数，其中 表示第i个微电网的运行费用系数矩阵，Ω(y_i,U_i(w_i,p_i,l_i))表示所有约束的集合；

1)系统层子问题在第ω次迭代时的模型如下。

式(29)-(33)

采用拉格朗日对偶对最大-最小模型进行解耦，其对偶问题的目标函数为：

χ≥0，π≥0，p,w,l∈U (38)

式中的π,χ,μ,ν,λ,η为对应于式(28)-式(33)的拉格朗日乘子，其中p,w,η分别与整形变量ν,λ,η相乘，可采用M法将其线性化进行求解。

系统层优化子问题的上界为：

式中，β_i为优化子问题的目标函数值。

2)系统层主问题在第ω次迭代时的模型如下。

min Z_i (40)

式(26)-式(27)

式中，π^ω为子问题第ω次迭代求得的对偶变量值，式(42)约束为可行割，强制主问题产生的启停调度解满足负荷需求，从而保证子问题的可行性，与为风机与光伏预测值，为负荷取波动上限值，求解主问题可得原问题下界U_Li＝Z_i。

系统层主问题与子问题交替迭代，当上界与下界的差值小于给定误差时，求得系统层优化问题的最优解。由此，多微电网双层能量管理的求解步骤为：

(1)求解基于多微电网SoS架构运行的多微电网系统层模型，求解流程图见图3。

1)初始化系统层问题上界与下界与选择可行的柴油发电机启停次数与状态主问题决策变量y_i。

2)将主问题决策变量y_i代入子问题中，优化求解子问题目标函数。

3)主问题依据返回的对偶变量π计算Benders割，然后求解主问题，得到主问题决策变量y_i并给定下界U_Li＝Z_i。

4)如果U_Bi-U_Li＜ρ，输出微电网i运行成本与功率缺额与盈余量，否则返回2)。

(2)依据系统层传递的各子微电网成本与功率缺额或盈余量信息，求解式(19)-式(24)体系层优化目标函数，得到多微电网联合运行的成本，并将各子微电网购售电功率与各子微电网之间交互功率等调度信息传递给各子微电网。

(3)将多微电网未联合时的成本费用与联合运行的成本费用相减得到正涌现行为收益。

步骤(4)：采用shapley法分配多微电网系统的正涌现收益并评价构成多微电网的各个子微电网的贡献度。

实施例2

本实施例提供一种多微电网系统能量管理与贡献度评估系统，其包括：

SoS架构建立单元，用于建立多微电网系统的SoS架构；

能量管理优化模型建立单元，基于多微电网系统的SoS架构，建立多微电网系统双层能量管理优化模型；

能量管理优化模型求解单元，结合Benders法求解多微电网系统双层能量管理优化模型；

正涌现收益分配及贡献度评价单元，采用shapley法分配多微电网系统的正涌现收益并评价构成多微电网系统的各个子微电网的贡献度。

Claims (10)

1.一种多微电网系统能量管理与贡献度评估方法，其特征在于，包括步骤：

步骤1)，建立多微电网系统的SoS架构；

步骤2)，基于多微电网系统的SoS架构，建立多微电网系统双层能量管理优化模型；

步骤3)，结合Benders法求解多微电网系统双层能量管理优化模型；

步骤4)，采用shapley法分配多微电网系统的正涌现收益并评价构成多微电网系统的各个子微电网的贡献度。

2.根据权利要求1所述的一种多微电网系统能量管理与贡献度评估方法，其特征在于，步骤2)包括：首先，建立多微电网系统组成单元模型，包括风机、光伏与负荷的不确定模型，柴油发电机模型与储能运行约束模型；其次，建立多微电网系统双层能量管理优化模型的目标函数与约束条件。

3.根据权利要求2所述的一种多微电网系统能量管理与贡献度评估方法，其特征在于，所述风机、光伏与负荷的不确定模型如下式：

式中：为多微电网系统中第i个微电网中t时刻风机与光伏的预测功率，为多微电网系统中第i个微电网中t时刻的预测负荷功率； 与为多微电网系统中第i个微电网中t时刻风机与光伏的功率波动变化的上下限；为多微电网系统中第i个微电网t时刻的负荷功率波动变化的上下限；为0-1变量，取值为0时，表示风机、光伏功率与负荷量在t时刻取预测值；取值为1时，表示风机、光伏功率与负荷量在t时刻取上限值或下限值；α，β，γ为控制系统不确定性的变量；当α，β，γ取0时，表示不考虑风机、光伏与负荷的不确定性；α，γ取T且β取T/2时表示风机、负荷与光伏为上限或下限值；分别为考虑风机、光伏与负荷出力不确定性情况下的出力值，T为调度周期。

4.根据权利要求2所述的一种多微电网系统能量管理与贡献度评估方法，其特征在于，步骤2)中，

在微电网系统中，储能运行约束模型考虑储能的充放电功率约束与SOC约束，储能充放电功率不大于储能允许的最大充放电功率，如下所示：

式中，分别表示储能充、放电功率，P_ch,max、P_dis,max分别表示储能允许的最大充、放电功率；

储能SOC不得小于最小SOC值也不能超过最大SOC值且调度周期始末的储能SOC值保持不变，如下所示：

式(4)表示t时刻第i个子微电网的储能SOC值，其中与表示t与t-1时刻第i个微电网的储能SOC，Q_i表示第i个微电网的储能容量，与表示第i个微电网t-1时刻储能的充、放电功率，η_ch,i与η_dis,i表示第i个微电网储能的充、放电效率；式(5)表示调度周期始末的第i个子微电网的SOC不变，其中与表示调度周期始末的SOC值；式(6)表示t时刻第i个微电网储能的SOC最大最小约束，SOC_i,min，SOC_i,max表示第i个子微电网储能允许的最小与最大SOC值。

5.根据权利要求2所述的一种多微电网系统能量管理与贡献度评估方法，其特征在于，步骤2)中，柴油发电机模型考虑柴油发电机的启停约束、柴油发电机出力约束以及爬坡率约束，运行约束如下所示：

式(7)表示柴油发电机的出力约束，其中表示多微电网系统中的第i个微电网的柴油发电机t时刻的运行状态，0/1分别表示柴油发电机开启与关闭状态，表示第i个微电网柴油发电机的出力，P_DEi,max、P_DEi,min表示第i个微电网的柴油发电机的最大出力与最小出力；式(8)-(9)表示第i个微电网的启停状态，为柴油发电机的启动操作的状态变量，为柴油发电机关停操作的状态变量；式(10)-(11)表示柴油发电机的爬坡率约束，其中表示第i个微电网柴油机的爬坡率约束；式(12)-(14)表示柴油发电机的启停约束，其中T_on与T_off表示柴油发电机的最小开机时间与最小停机时间，T_on,max表示柴油发电机的最大开机时间。

6.根据权利要求5所述的一种多微电网系统能量管理与贡献度评估方法，其特征在于，步骤2)中，多微电网系统层目标函数如下：

多微电网系统层约束条件如下：

功率平衡约束：

微电网功率缺额与盈余约束：

切负荷约束：

其中，θ_i为微电网i的最大切负荷率；

储能约束：式(2)-式(6)；

柴油发电机约束：式(7)-式(14)；

风机、光伏与负荷的不确定性约束：式(1)；

式(15)为系统层目标函数，其中第一、二项表示柴油机启停成本，第三、四项表示储能运行成本，第五项表示柴油发电机运行成本，第六项表示切负荷的惩罚费用，其中c_on,i，c_off,i表示第i个子微电网的柴油发电机的启停成本系数，c_B,i、c_DE,i与c_load第i个子微电网的储能、柴油机成本系数与切负荷的惩罚系数；表示式(17)-(18)中的与为子微电网i在购售电价格下使得运行成本最小时的功率缺额与盈余，与第i个微电网的预测负荷出力和切负荷量，P_bi,max与P_si,max表示第i个子微电网的最大购售电功率。

7.根据权利要求6所述的一种多微电网系统能量管理与贡献度评估方法，其特征在于，步骤2)中，多微电网体系层目标函数如下：

多微电网体系层的约束条件为：

购售电平衡与交互功率约束：

式(19)为体系层目标函数，其中第一、二项为各个子微电网的购售电成本，其中表示购售电价格，表示第i个子微电网的购售电功率，第三项为各个子微电网之间的交互成本，其中c_ij为微电网i与j之间的交互成本系数，表示微电网i与微电网j之间的交互功率；第四项C_i为各个子微电网运行成本；式(20)-(24)中P_bi,max与P_si,max表示第i个子微电网的最大购售电功率，P_ij,max表示微电网i与j之间的最大功率交互。

8.根据权利要求7所述的一种多微电网系统能量管理与贡献度评估方法，其特征在于，步骤3)中，为简化表达形式，系统层目标函数与约束条件重写为：

s.t:A_iy_i≤d_i (26)

B_iy_i＝g_i y_i∈{0,1} (27)

Ω(y_i,U_i(w_i,p_i,l_i))＝{F_iz_i≤k_i-m_iy_i (28)

D_iz_i≤h_i (29)

E_iz_i＝j_i (30)

H_iz_i＝w_i (31)

I_iz_i＝p_i (32)

L_iz_i＝l_i} (33)

式中，y_i为系统层主问题决策变量，为柴油发电机的启停与运行状态变量，z_i为系统层子问题的决策变量主要为风机，光伏，柴油发电机，储能输出功率与微电网的功率缺额变量，变量y_i与z_i组成多微电网系统能量管理优化模型的独立变量，仅受各子微电网控制，反映各个微电网的独立性；约束式(26)为柴油发电机启停约束对应式(12)-式(14)；式(27)对应式(8)与式(9)；约束式(28)含两层决策变量对应式(10)-式(11)；式(29)为不等式约束对应式(2)-式(3)，式(6)与式(17)-式(18)；式(30)为等式约束对应式(4)-式(5)与式(16)，式(31)-式(33)为风光不确定性约束对应式(1)；其中是(26)-(33)中的A_i、B_i、F_i、D_i、E_i、H_i、I_i、L_i与d_i、g_i、k_i、m_i、h_i、j_i、w_i、p_i、l_i表示其相对应约束的矩阵表达形式；U_i(w_i,p_i,l_i)表示第i个微电网的源荷不确定性约束，表示第i个微电网的柴油发电机启停费用系数，其中 表示第i个微电网的运行费用系数，其中，Ω(y_i,U_i(w_i,p_i,l_i))表示所有约束的集合；

1)系统层子问题在第ω次迭代时的模型如下：

s.t.

式(29)-(33)

采用拉格朗日对偶对最大-最小模型进行解耦，其对偶问题的目标函数为：

s.t.

χ≥0，π≥0，p,w,l∈U (38)

式中的π,χ,μ,ν,λ,η为对应于式(28)-式(33)的拉格朗日乘子，其中p,w,l分别与整形变量ν,λ,η相乘，采用M法将其线性化进行求解；

系统层优化子问题的上界为：

式中，β_i为优化子问题的目标函数值；

2)系统层主问题在第ω次迭代时的模型如下：

min Z_i (40)

式(26)-式(27)

式中，π^ω为子问题第ω次迭代求得的对偶变量值，式(42)约束为可行割，强制主问题产生的启停调度解满足负荷需求，从而保证子问题的可行性，与为风机与光伏预测值，为负荷取波动上限值，求解主问题得原问题下界U_Li＝Z_i；

系统层主问题与子问题交替迭代，当上界与下界的差值小于给定误差时，求得系统层优化问题的最优解。

9.根据权利要求8所述的一种多微电网系统能量管理与贡献度评估方法，其特征在于，多微电网双层能量管理优化模型的求解步骤为：

1)求解基于多微电网SoS架构运行的多微电网系统层模型，包括以下步骤；

(1)初始化系统层问题上界与下界与选择可行的柴油发电机启停次数与状态主问题决策变量y_i；

(2)将主问题决策变量y_i代入子问题中，优化求解子问题目标函数；

(3)主问题依据返回的对偶变量π计算Benders割，然后求解主问题，得到主问题决策变量y_i并给定下界U_Li＝Z_i；

(4)如果U_Bi-U_Li＜ρ，输出微电网i运行成本与功率缺额与盈余量，否则返回(2)，其中ρ为迭代收敛所允许的误差值；

2)依据系统层传递的各子微电网成本与功率缺额或盈余量信息，求解式(19)-式(24)体系层优化目标函数，得到多微电网联合运行的成本，并将各子微电网购售电功率与各子微电网之间交互功率的调度信息传递给各子微电网；

3)将多微电网未联合时的成本费用与联合运行的成本费用相减得到正涌现行为收益。

10.一种多微电网系统能量管理与贡献度评估系统，其特征在于，包括：

SoS架构建立单元，用于建立多微电网系统的SoS架构；

能量管理优化模型建立单元，基于多微电网系统的SoS架构，建立多微电网系统双层能量管理优化模型；

能量管理优化模型求解单元，结合Benders法求解多微电网系统双层能量管理优化模型；

正涌现收益分配及贡献度评价单元，采用shapley法分配多微电网系统的正涌现收益并评价构成多微电网系统的各个子微电网的贡献度。