CN110165663A

CN110165663A - 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

Info

Publication number: CN110165663A
Application number: CN201910390255.6A
Authority: CN
Inventors: 程杉; 徐康仪; 倪凯旋; 何黎君; 何畅; 赵孟雨; 闫海
Original assignee: China Three Gorges University CTGU
Current assignee: China Three Gorges University CTGU
Priority date: 2019-05-10
Filing date: 2019-05-10
Publication date: 2019-08-23
Anticipated expiration: 2039-05-10
Also published as: CN110165663B

Abstract

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，包括:首先预测上层微电网内光伏、风机、负荷出力，初始化内部电价。判断迭代次数k是否达到差分进化算法(DE)最大迭代次数K_max；然后根据得到的初始化内部电价，得到CSSIS的最优充、放电计划并反馈给上层微电网。利用DE算法计算满足上层约束条件的上层微电网目标函数C_MG。内部电价经过变异、交叉产生子代内部电价，并计算子代相应的上层微电网目标函数C′_MG。最后判断上层微电网目标函数C_MG、子代相应的上层微电网目标函数C′_MG大小。本发明方法可实现微电网与电动汽车充换储一体化电站CSSIS的互利共赢，而且还能更有效的利用电动汽车充换储一体化电站CSSIS内的资源。

Description

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

技术领域

本发明涉及微网运行优化技术领域，具体涉及一种基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法。

背景技术

目前针对微网的优化调度研究大多是考虑将储能系统作为灵活可调度对象，用于削峰填谷平滑功率波动，或低储高发套利，实现优化运行。也有些研究考虑了电动汽车的接入，将电动汽车作为单体储能或集成为充、换电站发挥储能系统作用，但此类研究对电动汽车充换电调度如何参与微网优化运行的探究不够深入，且难以体现充换电站与普通储能站的区别。也有提出将电动汽车充电站换电站和储能电站设计成一体化电站并入微电网参与微电网经济运行，但却并未考虑到主要以对换电站(BSS)的直接调度为基本假设，认为BSS充放电装置的充放电状态及功率由微电网调度中心控制，而没有充分考虑BSS的利益和意愿。实际上，BSS有多种运营模式，微电网运行人员没有直接调度BSS的权利，而是需要通过激励措施来引导BSS充放电行为，从而实现间接调度BSS负荷的目的。

因而针对上述存在问题，考虑到电动汽车充换储一体化电站与微电网所有权不同时的微电网经济运行问题，提出了一种基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法。

发明内容

本发明提供一种基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法，可以使微电网在满足运行约束条件下，达到收益最大的目标，通过对内部电价对电动电动汽车充换储一体化电站CSSIS的充、放电计划进行引导，不仅可以提高微电网和电动电动汽车充换储一体化电站CSSIS利润，实现双方互利共赢，而且还可以充分利用电动电动汽车充换储一体化电站CSSIS资源，避免因资源闲置带来的经济损失。有利于提高电网、微电网及其内CSSIS运行的经济效益。

本发明采取的技术方案为：

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，包括以下步骤：

步骤1：预测上层微电网内光伏、风机、负荷出力，初始化内部电价k＝0。具体初始化公式如下：

β_a、β_b分别为内部电价调整系数，分别为0.17、0.28。

步骤2：判断迭代次数k是否达到差分进化算法(DE)最大迭代次数K_max，若是则输出优化后的结果；否则继续执行下一步。

步骤3：根据步骤1中得到的初始化内部电价调用Gurobi软件得到下层电动汽车充换储一体化电站CSSIS的最优充、放电计划并反馈给上层微电网。

步骤4：考虑微电网经济运行问题，利用DE算法计算满足上层约束条件的上层微电网目标函数C_MG。

步骤5：内部电价经过变异、交叉产生子代内部电价并计算子代相应的上层微电网目标函数C′_MG。

步骤6：判断上层微电网目标函数C_MG、子代相应的上层微电网目标函数C′_MG大小，若上层微电网目标函数C_MG大，则将父代内部电价作为下次迭代的内部电价否则将子代内部电价作为下次迭代的内部电价转至步骤2。

本发明一种基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法，优点在于：

1：将电动汽车通过电动汽车充换储一体化电站CSSIS接入微网，消纳微电网内可再生能源，可降低大规模可再生能源并网对电网带来的冲击；将充换电站中不满足换电需求的动力电池作为储能电池使用，不仅可以实现电池的梯次利用，还可以为动力电池提供较为稳定的充放电环境，同时动力电池为储能站提供可调节容量支撑，也可作为备用，在配电网故障时通过PCC交互口可以扩大供电范围进而实现配电网的黑启动，为电网提供支撑，实现多方共赢。

2：本发明方法不仅可以促进新能源的消纳吸收，实现微电网与电动汽车充换储一体化电站CSSIS的互利共赢，而且还能更有效的利用电动汽车充换储一体化电站CSSIS内的资源。

附图说明

图1是含充换储一体化电站微电网结构图。

图2是微电网内各部分预测出力图。

图3(1)是案例1中DE算法的迭代收敛图(微电网利润)。

图3(2)是案例1中DE算法的迭代收敛图(一体化电站利润)。

图4(1)是案例1中微电网和电动汽车充换储一体化电站CSSIS出力情况图。

图4(2)是案例2中微电网和电动汽车充换储一体化电站CSSIS出力情况图。

图4(3)是案例3中微电网和电动汽车充换储一体化电站CSSIS出力情况图。

具体实施方式

图1为含充换储一体化电站微电网结构图。含充换储一体化电站微电网主要由上、下两层构成：上层是微电网，主要由风机、光伏、负荷三部分组成，可以配电网和下层充换储一体化电站进行交互；下层是充换储一体化电站CSSIS，主要由充换电站(BCSS)和储能电站(ESS)组成。风机、光伏、充换储一体化电站CSSIS通过逆变器、断路器并网。

本发明通过将电动汽车充换电站和储能电站组合在一起构成充换储一体化电站，并入微网，将一体化电站作为整体参与微网经济优化调度。上层微电网作为领导者，制定与下层充换储一体化电站CSSIS进行电能交易的内部电价，以上层微电网自身收益最大为目标函数。下层充换储一体化电站CSSIS作为跟随者，根据上层微电网制定的内部电价调整自身充、放电计划，以实现自身收益最大。

本发明采用差分进化算法(DE)和Gurobi软件分别对上、下两层优化问题进行求解，得到最优内部电价以及充换储一体化电站的最优充、放电计划。

具体实施方案如下：

1..上层微电网以微电网利润最大为目标函数，可按照如下公式表述：

所述上层微电网目标函数C_MG为：

式中：T为调度时段，T＝24；

分别为t时刻微电网从配电网购电电价、微电网售电给配电网电价；

分别代表t时刻微电网从电动汽车充换储一体化电站CSSIS购电电价、微电网售电给电动汽车充换储一体化电站CSSIS电价；

分别为t时刻微电网与配电网交互功率、微电网与电动汽车充换储一体化电站CSSIS交互功率；

分别表示微电网从配电网购电、电动汽车充换储一体化电站CSSIS从微电网购电；

分别表示微电网向配电网售电、电动汽车充换储一体化电站CSSIS向微电网售电。

所述上层微电网相应的约束条件为：

1)功率平衡约束：

式中：分别为t时刻风机、光伏、负荷的功率。

2)电价约束：

上层微电网购电、售电电价应满足如下约束：

所述下层电动汽车充换储一体化电站CSSIS目标函数为：

max U_CSSIS＝max(C_R-C_C)

式中：C_R、C_C分别为：电动汽车充换储一体化电站CSSIS总收入、总支出。

电动汽车充换储一体化电站CSSIS总收入如下表示：

式中：λ为CSSIS向家用电动汽车收取的换电费用；

C_rated为电动汽车电池额定容量；

为电动汽车在时段t的换电需求；

为代表t时刻微电网从电动汽车充换储一体化电站CSSIS购电电价；

e_n、d_n分别为CSSIS消耗电能的偏好系数，可以反映出用户对电能需求程度，会影响用户对电能需求量。

为电动汽车充换储一体化电站CSSIS功率，其值为充换电站BCSS功率和储能电站ESS功率之和，满足功率如下约束：

式中：P_CSSIS，min、P_CSSIS，max分别为电动汽车充换储一体化电站CSSIS最大、最小功率。

电动汽车充换储一体化电站CSSIS总支出可如下表示：

式中：代表t时刻微电网售电给电动汽车充换储一体化电站CSSIS电价；

为电动汽车充换储一体化电站CSSIS功率：

α₀为电池进行一次充、放电的折旧费用；

为电动汽车在时段t的换电需求；

为充换电站充、放电功率；

为储能电站功率；

表示充换电站BCSS充电功率；

表示充换电站BCSS放电功率；

表示储能电站ESS的放电功率；

表示充换电站BCSS放电功率的绝对值；

表示充换电站ESS放电功率的绝对值；

C_Bcrated、C_Ecrated为充换电站BCSS、储能电站ESS中电池的标准容量。

所述下层电动汽车充换储一体化电站CSSIS相应的约束条件为：

1)电池总数量平衡约束：

式中：N_all、分别为t时刻满电电池数量、待充电池数量、BCSS内总电池数量充电、放电电池数量充电、放电电池数量。

2)各个时段内的换电约束：

式中：分别为t时刻换电需求、t+1时刻换电需求。

3)充、放电电池数量约束：

式中：N_max为充换电站BCSS内充、放电槽数量。

4)充、放电方法约束：

5)满电、待充电池约束：

6)储能电站ESS约束：

出力约束如下：

式中：P_ESS,min、P_ESS,max分别为储能电站ESS最小、最大功率。

荷电状态约束：

E(0)＝E_ESS(T)

SOC(t)∈[0.3,0.9]

式中：

为t-1时刻储能电站ESS能量；

分别为储能电站ESS在t时刻的充、放电功率；

η_c、η_dc分别为储能电站ESS充、放电效率；

E(0)、E_ESS(T)分别为储能电站ESS始、末能量；

SOC(t)为储能电站ESS在t时刻荷电状态；

Δt为调度时长，这里取1小时。

由上式可知，储能电站ESS需满足始末荷电状态相等，荷电状态介于0.3与0.9之间。为了说明微电网和电动汽车充换储一体化电站CSSIS协调优化带来的经济效益，本发明设计了3个仿真案例进行对比，分别为：

案例1采用Stackelberg博弈对微电网和CSSIS协调优化；

案例2不采用Stackelberg博弈对微电网和CSSIS协调优化；

案例3采用Stackelberg博弈对微电网和BCSS协调优化。

3种案例中微电网和CSSIS(BCSS)微电网利润如下表1所示：

表1 3种案例中微电网和CSSIS利润

由表可知案例3和案例1中微电网和CSSIS利润相比案例2中都有了不同程度的提高，说明了采用Stackelberg博弈的有效性。其中案例1相比较案例3利润也有一定程度提高，充分体现了CSSIS相比BCSS的经济性优势。由此可见将Stackelberg博弈引入到本模型中，不仅可以有助于DE算法寻优，而且还能提高微电网和CSSIS(BCSS)利润，实现两者互利共赢。

图2是微电网内各部分预测出力，可以看出时段8-15期间，微电网内的风机、光伏共同出力大于负荷需求，其他时段则无法满足负荷需求，需要从外部购电满足用户需求。

图3(1)、图3(2)是案例1中DE算法的迭代收敛曲线，从图3(1)、图3(2)中可以看出，微电网利润随着迭代进行逐渐增加，CSSIS利润逐渐减少，迭代43次左右，上、下两层同时达到收敛，证明了本发明方法的有效性。

图4(1)、图4(2)、图4(3)为3种案例中微电网和CSSIS出力情况，结合图4(1)、图4(2)、图4(3)可以发现，3种案例中除时段8-14之外，其他时段CSSIS出力与电网交互功率，数值相差不大，主要是因为这些时段风机、光伏出力不大，微电网净功率较小，而CSSIS出力较大，所以两者数值相差较小；时段8-14中，风机、光伏共同出力大于自身负荷需求，盈余电量较多，微电网将之销售给CSSIS，数值相差相较其他时段大。可以发现CSSIS放电的时间段各个时段都有，但主要集中于电价的平时段和谷时段，这主要是因为峰时段也正是家用电动汽车换电需求的高峰期，需要对站内电池进行充电以满足用户需求，并且还需要考虑留有一定的裕度以面对各种突发情况。

案例1中放电时间段为2、4、19、21、23，案例2为2、20、23，案例3为1、3、5、19、21、23，会发现案例1和案例3中放电时间段为相比案例2中要更多，且其放电量要更大，虽然案例1中放电时间段相比案例3少一个，且从图4(1)中可以看出，其各时段出力相比案例3小，但是其所获利润却比案例3高，这也反映出了采用CSSIS的优势，不仅可以减少对电网的冲击，还能提升微电网和自身利润。

Claims

1.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，其特征在于包括以下步骤：

步骤1：预测上层微电网内光伏、风机、负荷出力，初始化内部电价k＝0；

步骤2：判断迭代次数k是否达到差分进化算法DE最大迭代次数K_max，若是则输出优化后的结果；否则继续执行下一步；

步骤3：根据步骤1中得到的初始化内部电价调用Gurobi软件得到下层电动汽车充换储一体化电站CSSIS的最优充、放电计划并反馈给上层微电网；

步骤4：考虑微电网经济运行问题，利用DE算法计算满足上层约束条件的上层微电网目标函数C_MG；

步骤5：内部电价经过变异、交叉产生子代内部电价并计算子代相应的上层微电网目标函数C′_MG；

2.根据权利要求1所述基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法，其特征在于：所述上层微电网目标函数C_MG为：

式中：T为调度时段，T＝24；

3.根据权利要求1所述基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法，其特征在于：所述上层微电网相应的约束条件为：

1)功率平衡约束：

式中：分别为t时刻风机、光伏、负荷的功率；

2)电价约束：

上层微电网购电、售电电价应满足如下约束：

分别为t时刻微电网从配电网购电电价、微电网售电给配电网电价。

4.根据权利要求1所述基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法，其特征在于：所述下层电动汽车充换储一体化电站CSSIS目标函数为：

max U_CSSIS＝max(C_R-C_C)

式中：C_R、C_C分别为：电动汽车充换储一体化电站CSSIS总收入、总支出；

电动汽车充换储一体化电站CSSIS总收入如下表示：

式中：λ为CSSIS向家用电动汽车收取的换电费用；

C_rated为电动汽车电池额定容量；

为电动汽车在时段t的换电需求；

e_n、d_n分别为CSSIS消耗电能的偏好系数，可以反映出用户对电能需求程度，会影响用户对电能需求量；

式中：P_CSSIS，min、P_CSSIS，max分别为电动汽车充换储一体化电站CSSIS最大、最小功率；电动汽车充换储一体化电站CSSIS总支出可如下表示：

为电动汽车充换储一体化电站CSSIS功率：

α₀为电池进行一次充、放电的折旧费用；

为电动汽车在时段t的换电需求；

为充换电站充、放电功率；

为储能电站功率；

表示充换电站BCSS充电功率；

表示充换电站BCSS放电功率；

表示储能电站ESS的放电功率；

表示充换电站BCSS放电功率的绝对值；

表示充换电站ESS放电功率的绝对值；

5.根据权利要求1所述基于Stackelberg博弈的含充换储一体化电站微电网能量优化调度方法，其特征在于：所述下层电动汽车充换储一体化电站CSSIS相应的约束条件为：

1)电池总数量平衡约束：

式中：分别为t时刻满电电池数量、待充电池数量、BCSS内总电池数量充电、放电电池数量充电、放电电池数量；

2)各个时段内的换电约束：

式中：分别为t时刻换电需求、t+1时刻换电需求；

3)充、放电电池数量约束：

式中：N_max为充换电站BCSS内充、放电槽数量；

4)充、放电方法约束：

5)满电、待充电池约束：

6)储能电站ESS约束：

出力约束如下：

式中：P_ESS,min、P_ESS,max分别为储能电站ESS最小、最大功率；

荷电状态约束：

E(0)＝E_ESS(T)

SOC(t)∈[0.3,0.9]

式中：

为t-1时刻储能电站ESS能量；

分别为储能电站ESS在t时刻的充、放电功率；

η_c、η_dc分别为储能电站ESS充、放电效率；

E(0)、E_ESS(T)分别为储能电站ESS始、末能量；

SOC(t)为储能电站ESS在t时刻荷电状态；

Δt为调度时长，这里取1小时；

由上式可知，储能电站ESS需满足始末荷电状态相等，荷电状态介于0.3与0.9之间。