CN110264003B - 一种基于价格引导的多微网系统协调自治优化运行方法 - Google Patents

一种基于价格引导的多微网系统协调自治优化运行方法 Download PDF

Info

Publication number
CN110264003B
CN110264003B CN201910538216.6A CN201910538216A CN110264003B CN 110264003 B CN110264003 B CN 110264003B CN 201910538216 A CN201910538216 A CN 201910538216A CN 110264003 B CN110264003 B CN 110264003B
Authority
CN
China
Prior art keywords
microgrid
price
power
micro
grid
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.)
Active
Application number
CN201910538216.6A
Other languages
English (en)
Other versions
CN110264003A (zh
Inventor
刘奇
周海全
王华玺
雷霞
何浩
史吏
白杨
黄国强
武乃虎
赵冠
闫敏
窦金妍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Xihua University
Liaocheng Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Xihua University
Liaocheng Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Xihua University, Liaocheng Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910538216.6A priority Critical patent/CN110264003B/zh
Publication of CN110264003A publication Critical patent/CN110264003A/zh
Application granted granted Critical
Publication of CN110264003B publication Critical patent/CN110264003B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于价格引导的多微网系统协调自治优化运行方法，该方法包括：基于多代理技术搭建了包含中间代理与各微网自治代理的双层决策体系；各微网自治代理MGA获取各微网数据，并根据电价信息制定微网优化调度计划，然后向中间代理MA传递余/缺量信息；MA根据各微网的余缺量信息，按照供需关系制定了MMG系统内部的电能交易价格机制；各微网自治代理MGA与中间代理MA进行多次量价交互反馈直到均衡解集产生，各微网自治代理MGA将最终优化调度计划下发到各微网能量管理系统进行执行。本发明通过价格引导各微网的优化运行可以在保证各微网利益及隐私的基础上，提升清洁能源的就地消纳能力和系统的经济环保等运行性能。

Description

一种基于价格引导的多微网系统协调自治优化运行方法
技术领域
本发明涉及电气信息技术领域，具体涉及一种基于价格引导的多微网系统协调自治优化运行方法。
背景技术
微网作为“源-网-荷-储”一体化运营的综合管控单元，既可有效进行局部区域内分布式资源的自消纳，也可在并网时与电网进行互动，具有运行方式灵活以及可靠性高等特点，得到了广泛关注与大力发展。随着微网的大量形成，在地域上相邻的微网可互联形成多微网系统，通过微网间的协调互补可增强彼此运行的可靠性与稳定性、提高分布式资源的就地消纳能力、降低运行成本、以及提升大电网的安全稳定运行性能。
目前，在多微网系统协调优化运行方面，已有大量采用集中式方法的研究，其研究结果均表明该方法可以有效提升MMG系统的整体运行性能，在多个微网属于同一主体、各微网运行目标一致、利益统一的情况下具有较强的实用性。但该方法存在集中决策层决策维度高、决策难度大以及决策时间长等问题。同时，随着深化电力体制改革的推进，微网的投资运营主体将呈现多元化的特点，MMG中的各微网经济利益独立、各微网之间的交互运行存在非合作特性的情况将会大量出现，仅考虑整体利益的集中式方法已难以适用，将微网考虑成不同利益主体进行自主建模与并行求解的分散式方法逐渐兴起。然而，在已有的对于分散式方法的研究中，多是对各微网的交互功率进行直接协调，这仍会使得某些微网无法在能量交互过程中获得利益，将可能出现不愿参与协同的情况。
发明内容
为了解决上述现有技术存在的决策难度大、决策时间长、难以适用多利益主体参与的情况等技术问题，本发明提供了一种基于价格引导的多微网系统协调自治优化运行方法；本发明将微网视作独立的利益主体，采用价格引导的方法，通过对微网之间的利益协调实现MMG系统内清洁、经济能量的协调共享。
本发明通过下述技术方案实现：
一种基于价格引导的多微网系统协调自治优化运行方法，该方法包括以下步骤：
步骤一，基于多代理技术搭建了包含中间代理MA与各微网自治代理MGA的双层决策体系；
步骤二，各微网自治代理MGA作为下层自治单元，获取各微网数据，并根据电价信息制定微网优化调度计划，然后向中间代理MA传递余/缺量信息；
步骤三，中间代理MA作为上层协调者，接收各微网自治代理MGA传递的余/缺量信息，按照供需关系制定多微网系统内部的电能交易价格机制；
步骤四，各微网自治代理MGA与中间代理MA进行多次量价交互反馈直到均衡解集产生，各微网自治代理MGA将最终优化调度计划下发到各微网能量管理系统进行执行。
优选的，所述步骤二的根据电价信息制定微网优化调度计划体现为：以经济性为目标建立了微网日前优化调度的混合整数线性规划模型。
优选的，所述步骤二的建立微网日前优化调度的混合整数线性规划模型具体包括：
步骤2.1，建立微网日前优化调度目标函数：
Figure BDA0002101847790000021
Figure BDA0002101847790000022
Figure BDA0002101847790000023
Figure BDA0002101847790000024
Figure BDA0002101847790000025
Figure BDA0002101847790000026
其中，fk为微网k运行成本；
Figure BDA0002101847790000027
为微网k中机组发电成本；
Figure BDA0002101847790000028
为微网k与外网交互的成本；
Figure BDA0002101847790000029
为微网k中蓄电池参与运行的成本；t＝1,2...T为各调度时段，T＝24为最大调度时段；
Figure BDA00021018477900000210
为微网k购买天然气价格；
Figure BDA00021018477900000211
分别为MT、FC在时段t的发电功率；ηMT、ηFC为燃气机组的发电效率；LHVNG为天然气低热值；
Figure BDA00021018477900000212
为MT发电成本；
Figure BDA00021018477900000213
为FC发电成本；
Figure BDA00021018477900000214
分别为微网k在时段t的购、售电功率；
Figure BDA00021018477900000215
分别为多微网系统内部的购、售电价格；
Figure BDA00021018477900000216
和
Figure BDA00021018477900000217
分别为蓄电池在时段t的充、放电功率，cdis、cch分别为相应的运行管理成本；
步骤2.2，微网日前优化调度约束条件：
Figure BDA00021018477900000218
Figure BDA0002101847790000031
Figure BDA0002101847790000032
Figure BDA0002101847790000033
Figure BDA0002101847790000034
式中：
Figure BDA0002101847790000035
分别表示微网k中光伏发电、风机发电及负荷在时段t的日前预测值；
Figure BDA0002101847790000036
分别为微网k中FC有功出力的上下限值；
Figure BDA0002101847790000037
分别为微网k中MT有功出力的上下限值；
Figure BDA0002101847790000038
为微网k与外网交换功率上限；
Figure BDA0002101847790000039
和
Figure BDA00021018477900000310
表示微网购售电状态，当
Figure BDA00021018477900000311
为1时表示购电，
Figure BDA00021018477900000312
为0时表示不购电；
Figure BDA00021018477900000313
为1时表示售电，
Figure BDA00021018477900000314
为0时表示不售电，
Figure BDA00021018477900000315
与
Figure BDA00021018477900000316
不同时为1；
Figure BDA00021018477900000317
和
Figure BDA00021018477900000318
分别表示微网中蓄电池放、充电功率上限；
Figure BDA00021018477900000319
和
Figure BDA00021018477900000320
表示蓄电池充放电状态，二者不同时为1；Ek,min、Ek,max分别为保证蓄电池安全运行所允许的电池电量上下限；Ek,t为时刻t的电池电量，其与上一个时刻的电池电量以及本时段的充放电功率相关；Δt为调度间隔时长，为1h。
优选的，所述步骤三包括：
步骤3.1，多微网系统内部的供需功率，为各微网自治优化后总的功率余/缺量：
Figure BDA00021018477900000321
式中：
Figure BDA00021018477900000322
分别多微网系统中时段t的功率供应量与需求量；
步骤3.2，所述中间代理MA按照多微网系统内部的供需功率制定多微网系统内部电能交易价格机制。
优选的，所述步骤3.2中的制定的多微网系统内部电能交易价格机制具体包括：
a.当
Figure BDA0002101847790000041
时，此时MMG内无可交易电量，内部价格即为电网公司制定的电价：
Figure BDA0002101847790000042
式中：
Figure BDA0002101847790000043
分别为多微网系统内部的购、售电价格，
Figure BDA0002101847790000044
分别为电网公司制定的购、售电价格；
b.当
Figure BDA0002101847790000045
时，暂不考虑MA从价格差中获利，内部价格应按中间价制定：
Figure BDA0002101847790000046
c.当
Figure BDA0002101847790000047
时，MA制定的内部价格为：
Figure BDA0002101847790000048
式中：Rt为时段t的能量供需比；
d.当
Figure BDA0002101847790000049
时，MA制定的内部价格为：
Figure BDA00021018477900000410
式中：Xt为时段t的能量需供比。
优选的，所述步骤四中的量价交互反馈具体为：第n次内部价格由第n次传递的余/缺量决定，并将该价格反馈以引导下一次循环中各微网的自治优化。
优选的，所述步骤二中的各微网数据包括各微网新能源发电预测、负荷预测以及可控微源数据。
优选的，所述微网包含能源发电机组、燃气发电机组和电力负荷；相邻区域内的多个微网互联形成多微网系统，系统中各微网分属不同利益主体且微网之间能够进行能量交互。
本发明具有如下的优点和有益效果：
本发明针对在地域上临近的多个微电网互联形成多微网系统、各微电网属于不同利益主体且微电网之间可进行电能交互的情况，从各微网自治优化调度出发，采用一种通过价格引导各微网之间进行能量交互的方法实现各微网的利益协调和能量优化管理，实现在保证各微网利益及隐私的前提下，优化各微网的供能结构，减少分布式能源对大电网的影响，提升清洁能源的就地消纳能力和系统整体的经济环保等运行性能。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明的多微网系统结构图。
图2为本发明的多微网系统协调自治优化运行方法流程示意图。
图3为本发明的多微网内部价格与供需比关系示意图。
图4为采用本发明的各微网成本随循环次数的变化示意图。
图5为采用本发明最终制定的内部价格。
图6为采用本发明对各微网协调前后优化结果示意图。图中，a)为MG1协调前出力结果，b)为MG1协调后出力结果；c)MG2协调前出力结果，d)MG2协调后出力结果；e)MG3协调前出力结果，f)MG3协调后出力结果。
图7为采用本发明协调前后多微网与大电网交互功率图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
本实施例提出了一种基于价格引导的多微网系统协调自治优化运行方法，用于优化各微网的供能结构以及系统的经济环保等运行性能。
该方法主要原理是：首先，基于多代理技术搭建了包含中间代理与各微网自治代理的双层决策体系。其次，各微网自治代理MGA作为下层自治单元，获取各微网数据，并根据电价信息制定微网优化调度计划(本实施例中，优化调度计划采用从微电网自治优化运行出发，以经济性为目标建立了包含光伏、风机、微型燃气轮机、燃料电池、蓄电池等设备的微电网日前优化调度的混合整数线性规划模型)，然后向中间代理MA传递余/缺量信息；然后，以MA作为上层协调者，根据各微网的余缺量信息，按照供需关系制定了MMG系统内部的电能交易价格机制。最后，各微网自治代理MGA与中间代理MA进行多次量价交互反馈直到均衡解集产生，各微网自治代理MGA将最终优化调度计划下发到各微网能量管理系统进行执行。本实施例通过价格引导各微网的优化运行可以在保证各微网利益及隐私的基础上，提升清洁能源的就地消纳能力和系统的经济环保等运行性能，并能够减少分布式能源对大电网的影响。
本实施例构建了如图1所示的多微网(Multi-microgrid，MMG)系统，如图1所示，本实施例中所述微网包含风机、光伏等清洁能源发电机组，燃料电池、微型燃气轮机等燃气发电机组，蓄电池以及各种类型的电力负荷。相邻区域内的多个微网互联形成多微网系统，系统中各微网分属不同利益主体且微网之间能够进行能量交互，且MMG系统则通过相应的联络线路与大电网相连。微网能量管理系统(Microgrid Energy management system,MG-EMS)对微网内部能量进行优化管理；MMG能量管理系统(MMG-EMS)则负责管理微网之间的能量流动及与大电网的能量交换。其中，k＝1,2...K为微网编号，K为微网数量。在图1所示结构下，微网既可以电网公司制定的电价
Figure BDA0002101847790000061
和
Figure BDA0002101847790000062
向电网公司购、售电量，也可在MMG系统内部购、售电量，相应的购售电价设为内部价格
Figure BDA0002101847790000063
与
Figure BDA0002101847790000064
如图2所示，本实施例提出的一种基于价格引导的多微网系统协调自治优化运行方法具体包括以下步骤：
(1)基于多代理技术搭建了包含中间代理与各微网自治代理的双层决策体系以及相应的信息传递结构：各微网代理作为下层自治单元，获取各微网新能源发电预测、负荷预测以及可控微源数据，并根据电价信息制定微网优化调度计划，然后向中间代理传递余/缺量信息；MA作为上层协调者，接收各MGA的余/缺量信息按照供需关系制定MMG内部能量交易价格，并向各MGA反馈，同时，由于各MGA传递的余/缺量通常处于不平衡状态，MA也作为MMG代理向电网公司购/售电；各MGA与MA进行多次量价互动直到均衡解集产生，MGA将最终调度计划下发到各微网执行。
(2)各微网自治代理MGA作为下层自治单元，获取各微网数据，并根据电价信息制定微网优化调度计划，然后向中间代理MA传递余/缺量信息。
具体的，从微电网自治优化运行出发，以经济性为目标建立了以光伏、风机、微型燃气轮机、燃料电池、蓄电池等设备向用户进行供电的微电网日前优化调度的混合整数线性规划模型。
1)微电网日前优化调度目标函数：
Figure BDA0002101847790000065
Figure BDA0002101847790000066
Figure BDA0002101847790000071
Figure BDA0002101847790000072
Figure BDA0002101847790000073
Figure BDA0002101847790000074
式中：fk为微网k运行成本；
Figure BDA0002101847790000075
为微网k中机组发电成本；
Figure BDA0002101847790000076
为微网k与外网交互的成本；
Figure BDA0002101847790000077
为微网k中蓄电池参与运行的成本；t＝1,2...T为各调度时段，T＝24为最大调度时段；
Figure BDA0002101847790000078
为微网k购买天然气价格；
Figure BDA0002101847790000079
分别为MT、FC在时段t的发电功率；ηMT、ηFC为燃气机组的发电效率；LHVNG为天然气低热值；
Figure BDA00021018477900000710
为MT发电成本；
Figure BDA00021018477900000711
为FC发电成本；
Figure BDA00021018477900000712
分别为微网k在时段t的购、售电功率；
Figure BDA00021018477900000713
分别为多微网系统内部的购、售电价格；
Figure BDA00021018477900000714
和
Figure BDA00021018477900000715
分别为蓄电池在时段t的充、放电功率，cdis、cch分别为相应的运行管理成本。
2)微电网日前优化调度约束条件：
Figure BDA00021018477900000716
Figure BDA00021018477900000717
Figure BDA00021018477900000718
Figure BDA00021018477900000719
Figure BDA00021018477900000720
式中：
Figure BDA0002101847790000081
分别表示微网k中光伏发电、风机发电及负荷在时段t的日前预测值；
Figure BDA0002101847790000082
分别为微网k中FC有功出力的上下限值；
Figure BDA0002101847790000083
分别为微网k中MT有功出力的上下限值；
Figure BDA0002101847790000084
为微网k与外网交换功率上限；
Figure BDA0002101847790000085
和
Figure BDA0002101847790000086
表示微网购售电状态，当
Figure BDA0002101847790000087
为1时表示购电，
Figure BDA0002101847790000088
为0时表示不购电；
Figure BDA0002101847790000089
为1时表示售电，
Figure BDA00021018477900000810
为0时表示不售电，
Figure BDA00021018477900000811
与
Figure BDA00021018477900000812
不同时为1；
Figure BDA00021018477900000813
和
Figure BDA00021018477900000814
分别表示微网中蓄电池放、充电功率上限；
Figure BDA00021018477900000815
和
Figure BDA00021018477900000816
表示蓄电池充放电状态，二者不同时为1；Ek,min、Ek,max分别为保证蓄电池安全运行所允许的电池电量上下限；Ek,t为时刻t的电池电量，其与上一个时刻的电池电量以及本时段的充放电功率相关；Δt为调度间隔时长，为1h。
(3)以MA作为上层协调者，根据各微网的余缺量信息，按照供需关系制定了MMG系统内部的电能交易价格机制。
1)MMG内的供需功率
在MMG中，各微网自治优化后总的功率余/缺量即为MMG系统内部的供/需功率：
Figure BDA00021018477900000817
式中：
Figure BDA00021018477900000818
分别MMG中时段t的功率供应量与需求量。
2)MA定价模型
a.当
Figure BDA00021018477900000819
时，此时MMG内无可交易电量，内部价格即为电网公司制定的电价：
Figure BDA00021018477900000820
b.当
Figure BDA00021018477900000821
时，暂不考虑MA从价格差中获利，为体现公平性，内部价格应按中间价制定：
Figure BDA00021018477900000822
c.当
Figure BDA00021018477900000823
时，MA制定的内部价格为：
Figure BDA00021018477900000824
式中：Rt为时段t的能量供需比。
式(15)的推导过程如下：
此时0≤Rt＜1，当需求方向供应方购电后，不足的部分仍需要向电网公司购买，故应先制定
Figure BDA0002101847790000091
为向供给方及电网公司购电的平均价格。交易价格与供需比可以反向变化关系表示：
Figure BDA0002101847790000092
式中：a、b分别为相应的系数。
考虑价格在端点处连续，则有：
Figure BDA0002101847790000093
式中：当Rt＝1时，即供需相等，售电价格如式(14)所示；当Rt＝0时，表明无内部供应量，需求电量只能由MA向电网公司以
Figure BDA0002101847790000094
购买，再向需求方售电，故此时
Figure BDA0002101847790000095
将式(17)求解可得a、b的值，代入式(16)可求得此时的内部售电价格
Figure BDA0002101847790000096
根据求得的
Figure BDA0002101847790000097
按照经济平衡关系，有如下表达式：
Figure BDA0002101847790000098
求解式(18)可得此时的内部购电价格
Figure BDA0002101847790000099
d.当
Figure BDA00021018477900000910
时，MA制定的内部价格为：
Figure BDA00021018477900000911
式中：Xt定义为时段t的能量需供比。
式(19)的推导过程如下：
此时满足需求方后多余的电量将向电网公司出售，故应先制定
Figure BDA00021018477900000912
为向需求方及电网公司售电的平均价格。由于交易价格与Rt成反向变化关系，故与Xt成同向变化关系，可表示为：
Figure BDA0002101847790000101
式中：c、d分别为相应的系数。
同样考虑价格在端点处连续，可得：
Figure BDA0002101847790000102
式中：当Xt＝0时，表明无内部需求量，售电量只能向电网公司出售，为激励购电方购电，则制定此时
Figure BDA0002101847790000103
同理，求解式(21)得到c、d的值后，代入式(20)可求得此时的内部购电价格
Figure BDA0002101847790000104
再根据经济平衡关系(18)可求得此时的内部售电价格
Figure BDA0002101847790000105
根据上述定价模型，得到如图3所示的内部价格随供需比变化关系，其中，内部电价始终处于电网公司电价之间，在供小于需时，内部价格较高，可激励售电方增加发电量多售电；在供大于需时，内部价格较低，可引导需求方减少自身高成本发电，而购买其他微网多余的清洁、经济的能源，满足吸引各微网参与协调的条件。
(4)双层规划模型及其求解
针对此双层规划模型，本实施例采用上下层进行量价交互反馈的方式进行求解，即各MGA与MA进行多次量价互动直到均衡解集产生，MGA将最终调度计划下发到各MG-EMS执行。该流程中，n＝1,2,...N为MGA根据内部价格调整调度计划的调整次数。N为最大允许调整次数。在第n次循环时，各MGA接收内部价格后将根据自己的优化目标调整调度计划，然后将调整后的余/缺量传递给MA制定第n次的内部价格以引导下一次的自治优化。其中，当n＝1时，各微网以电网公司制定的电价进行初始自治优化，并在MA中进行第一次定价交易。
由于上层模型为非优化问题，当各微网局部利益存在冲突时，则可能出现无最优均衡解的情况，其原理类似于多目标规划与交叉规划，可寻找多微网系统协调互动的相对稳定状态并求取其相对最优均衡解集，然后按照一定评价准则选择解。基于此，下层各微网自治优化在MATLAB中使用YALMIP工具箱建模并调用CPLEX进行优化求解，上层在MATLAB中进行编码，两层之间进行交互传递直至处于相对稳定状态，然后以总运行成本最小来选择解。
同时，由于各MGA传递的余/缺量通常处于不平衡状态，MA也作为MMG代理向电网公司购/售电；MA虽不持有能量，但各购售方均与MA进行交易。
实施例2
本实施例采用上述实施例1提出的一种基于价格引导的多微网系统协调自治优化运行方法，对如图1所示的结构进行仿真分析。
各微网均设置有WT、PV、BT、MT及FC各一台。MG1设置为居民型微网，MG2为商业型微网，MG3为工业型微网，设定WT及PV均以最大功率跟踪模式运行，各微网WT、PV预测发电量及负荷预测曲线均在图6中表示。各微网参数配置情况如表1所示，电网公司制定的电价为分时电价，其如表2所示。MG1天然气价格为2.28元/m3，MG2与MG3均为3.25元/m3；MT发电效率为30％，FC发电效率为40％，燃气低热值为9.7kWh/m3；蓄电池充放电管理成本分别为0.4、0.6元/(kWh)。表1中各功率值均为功率上限，功率下限设定为0，蓄电池容量下限设定为总容量的0.25倍，蓄电池调度的初始容量设为0.5倍最大容量。
本实施例中为研究对MMG系统优化调度的影响，对不同运行方案进行对比分析：
方案A：各微网按照分时电价独立优化，只与电网公司进行交易，而不进行MMG内协调共享；(即方案A为采用现有优化方法，不进行MMG内部协调)
方案B：以本发明所提定价方法进行协调优化，设定最大循环次数为50次，其流程如图2所示。(即方案B为采用上述实施例1提出的优化运行方法，进行MMG内部协调)
表1微网参数
Figure BDA0002101847790000111
表2分时电价
Figure BDA0002101847790000112
优化运行结果：
(1)运行经济性
采用上述实施例1提出的优化运行方法(即采用方案B)后各微网成本在独立优化基础上随循环次数的变化如图4所示，为负表示微网运行成本在独立优化的基础上减少，循环次数为0表示各微网独立优化。由图4可见，方案B中，各MGA与MA进行5次左右的量价互动后即处于相对稳定状态。此时，相比于方案A，方案B中各微网运行成本在MA的协调下均降低，表明本文所提方法提升了各微网的运行效益，体现了价格激励的有效性。在该稳定状态下，相对最优均衡解集中包含两个解，本实施例选取其中MMG运行成本较低的情况。这是由于在稳定状态下，每个微网的优化结果变化不会太大，处于定价方式下每个微网都可以接受的公平状态，MMG运行成本较低的情况则体现出MMG系统整体处于较优的运行状态。将各方案下各微网及MMG运行成本示于表3。
表3成本比较(元)
Figure BDA0002101847790000121
(2)内部价格：
采用方案B最终制定的内部价格如图5所示。可见，内部价格始终处于电网公司制定的分时电价之间，在分时电价低谷及平时段时内部电价较高，可提升微网售电量；在高峰时内部价格较低，有利于微网购电，验证了本文所提定价方式的合理性及有效性。
(3)供能结构
各微网协调前后(协调前即采用方案A；协调后即采用方案B)优化结果如图6所示。其中，交换功率为正表示微网购电，为负表示售电，BT功率为正表示放电，为负表示充电。从独立优化结果来看：MG1作为居民型微网，其负荷较小且燃气机组发电成本较低，在大多数时段处于售电状态；MG2在电价高峰时段处于售电状态，在平时段处于购电状态；MG3作为工业型微网，负荷量较大，因此长时期处于购电状态，在时段7～12处于负荷高峰时，其发电成本较高的MT也处于发电状态。通过协调优化后，各微网在时段1～6以及时段20～24的微源状态变化较小；在时段7～11，MG3购电量增加，且其MT机组不再发电；在时段12～16，MG2购电量增加以向蓄电池充电；在时段12～19，MG1的FC发电量增加且售电量增加。
结合图5对以上状态变化进行分析。在时段1～6，各微网负荷较小且分时电价处于低谷期，主要由可再生能源以及向电网公司购电进行供电，功率余缺量较小，因此在协调前后状态基本无变化；在时段7～11，由于MG1与MG2有较大的功率余量，故此时内部交易价格接近于分时售电电价，从而MG3以较低价格在MMG中购买电量需求并减少其发电成本较高的MT的发电量；在时段12～19，MG2与MG3的总功率需求大于MG1的功率供给，故内部价格接近于分时购电电价，而MG1的FC发电成本处于内部售电电价与分时售电电价之间，因此其作为闲置资源将增发功率以获得额外收益来降低自身运行成本，MG2与MG3也可以较低的价格购买功率缺额；在时段20～24，MG1与MG2虽有部分功率余量，但MG3处于负荷低谷期，此时主要由自身微源供电，基本无功率需求量，故此时协调后各MG变化较小。可见，MA根据供需关系制定的内部价格有效地吸引了各微网参与内部交易，形成了微网之间的时空互补，清洁、经济的分布式资源得到了充分的就地消纳。
(4)对大电网的影响
协调前后MMG与大电网日交互功率如图7所示。相比于协调前(即采用方案A)，协调后(即采用方案B)MMG与大电网的交互功率有较大幅度的下降，多余的分布式资源进行充分的就地消纳后向大电网的渗透率降低，有利于大电网的安全稳定运行。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于价格引导的多微网系统协调自治优化运行方法，其特征在于，该方法包括以下步骤：
步骤一，基于多代理技术搭建了包含中间代理MA与各微网自治代理MGA的双层决策体系；
步骤二，各微网自治代理MGA作为下层自治单元，获取各微网数据，并根据电价信息制定微网优化调度计划，然后向中间代理MA传递余/缺量信息；
步骤三，中间代理MA作为上层协调者，接收各微网自治代理MGA传递的余/缺量信息，按照供需关系制定多微网系统内部的电能交易价格机制；
步骤四，各微网自治代理MGA与中间代理MA进行多次量价交互反馈直到均衡解集产生，各微网自治代理MGA将最终优化调度计划下发到各微网能量管理系统进行执行；所述步骤二的根据电价信息制定微网优化调度计划体现为：以经济性为目标建立了微网日前优化调度的混合整数线性规划模型；所述步骤二的建立微网日前优化调度的混合整数线性规划模型具体包括：
步骤2.1，建立微网日前优化调度目标函数：
Figure FDA0003239489440000011
Figure FDA0003239489440000012
Figure FDA0003239489440000013
Figure FDA0003239489440000014
Figure FDA0003239489440000015
Figure FDA0003239489440000016
其中，fk为微网k运行成本；
Figure FDA0003239489440000017
为微网k中机组发电成本；
Figure FDA0003239489440000018
为微网k与外网交互的成本；
Figure FDA0003239489440000019
为微网k中蓄电池参与运行的成本；t＝1,2...T为各调度时段，T＝24为最大调度时段；
Figure FDA00032394894400000110
为微网k购买天然气价格；
Figure FDA00032394894400000111
分别为MT、FC在时段t的发电功率；ηMT、ηFC为燃气机组的发电效率；LHVNG为天然气低热值；
Figure FDA00032394894400000112
为MT发电成本；
Figure FDA00032394894400000113
为FC发电成本；
Figure FDA00032394894400000114
分别为微网k在时段t的购、售电功率；
Figure FDA00032394894400000115
分别为多微网系统内部的购、售电价格；
Figure FDA0003239489440000021
和
Figure FDA0003239489440000022
分别为蓄电池在时段t的充、放电功率，cdis、cch分别为相应的运行管理成本；
步骤2.2，微网日前优化调度约束条件：
Figure FDA0003239489440000023
Figure FDA0003239489440000024
Figure FDA0003239489440000025
Figure FDA0003239489440000026
Figure FDA0003239489440000027
式中：
Figure FDA0003239489440000028
分别表示微网k中光伏发电、风机发电及负荷在时段t的日前预测值；
Figure FDA0003239489440000029
分别为微网k中FC有功出力的上下限值；
Figure FDA00032394894400000210
分别为微网k中MT有功出力的上下限值；Pk ex,max为微网k与外网交换功率上限；
Figure FDA00032394894400000211
和
Figure FDA00032394894400000212
表示微网购售电状态，当
Figure FDA00032394894400000213
为1时表示购电，
Figure FDA00032394894400000214
为0时表示不购电；
Figure FDA00032394894400000215
为1时表示售电，
Figure FDA00032394894400000216
为0时表示不售电，
Figure FDA00032394894400000217
与
Figure FDA00032394894400000218
不同时为1；Pk dis,max和Pk ch,max分别表示微网中蓄电池放、充电功率上限；kt dis和
Figure FDA00032394894400000219
表示蓄电池充放电状态，二者不同时为1；Ek,min、Ek,max分别为保证蓄电池安全运行所允许的电池电量上下限；Ek,t为时刻t的电池电量，其与上一个时刻的电池电量以及本时段的充放电功率相关；Δt为调度间隔时长，为1h；所述步骤三包括：
步骤3.1，多微网系统内部的供需功率，为各微网自治优化后总的功率余/缺量：
Figure FDA0003239489440000031
式中：SPt sup、SPt de分别多微网系统中时段t的功率供应量与需求量；
步骤3.2，所述中间代理MA按照多微网系统内部的供需功率制定多微网系统内部电能交易价格机制；所述步骤3.2中的制定的多微网系统内部电能交易价格机制具体包括：
a.当SPt de＝SPt sup＝0时，此时MMG内无可交易电量，内部价格即为电网公司制定的电价：
Figure FDA0003239489440000032
式中：
Figure FDA0003239489440000033
分别为多微网系统内部的购、售电价格，
Figure FDA0003239489440000034
分别为电网公司制定的购、售电价格；
b.当SPt de＝SPt sup≠0时，暂不考虑MA从价格差中获利，内部价格应按中间价制定：
Figure FDA0003239489440000035
c.当SPt sup＜SPt de时，MA制定的内部价格为：
Figure FDA0003239489440000036
式中：Rt为时段t的能量供需比；
d.当SPt sup＞SPt de时，MA制定的内部价格为：
Figure FDA0003239489440000037
式中：Xt为时段t的能量需供比。
2.根据权利要求1所述的一种基于价格引导的多微网系统协调自治优化运行方法，其特征在于，所述步骤四中的量价交互反馈具体为：第n次内部价格由第n次传递的余/缺量决定，并将该价格反馈以引导下一次循环中各微网的自治优化。
3.根据权利要求1所述的一种基于价格引导的多微网系统协调自治优化运行方法，其特征在于，所述步骤二中的各微网数据包括各微网新能源发电预测、负荷预测以及可控微源数据。
4.根据权利要求1-3任一项所述的一种基于价格引导的多微网系统协调自治优化运行方法，其特征在于，所述微网包含能源发电机组、燃气发电机组和电力负荷；相邻区域内的多个微网互联形成多微网系统，系统中各微网分属不同利益主体且微网之间能够进行能量交互。
CN201910538216.6A 2019-06-20 2019-06-20 一种基于价格引导的多微网系统协调自治优化运行方法 Active CN110264003B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910538216.6A CN110264003B (zh) 2019-06-20 2019-06-20 一种基于价格引导的多微网系统协调自治优化运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910538216.6A CN110264003B (zh) 2019-06-20 2019-06-20 一种基于价格引导的多微网系统协调自治优化运行方法

Publications (2)

Publication Number Publication Date
CN110264003A CN110264003A (zh) 2019-09-20
CN110264003B true CN110264003B (zh) 2021-11-02

Family

ID=67920027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910538216.6A Active CN110264003B (zh) 2019-06-20 2019-06-20 一种基于价格引导的多微网系统协调自治优化运行方法

Country Status (1)

Country Link
CN (1) CN110264003B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111371087A (zh) * 2020-01-16 2020-07-03 贵州电网有限责任公司贵安供电局 一种多微网系统协调优化的交易策略和利益分配机制
CN112531768A (zh) * 2020-11-11 2021-03-19 中国电力科学研究院有限公司 一种用于新能源电力系统的分散集群控制系统及方法
CN113283654B (zh) * 2021-05-28 2022-06-10 济南大学 基于聚合解列机制的微网群优化控制方法及系统
CN113807564B (zh) * 2021-07-28 2023-08-04 合肥工业大学 基于两阶段强化学习的园区微网负荷优化调度方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109840692A (zh) * 2019-01-03 2019-06-04 广州供电局有限公司 一种互联微电网分布式鲁棒调度系统及调度方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8762196B2 (en) * 2011-07-20 2014-06-24 Nec Laboratories America, Inc. Systems and methods for optimizing microgrid capacity and storage investment under environmental regulations
CN107392395A (zh) * 2017-08-23 2017-11-24 天津大学 一种基于价格激励机制的配电网和微电网协调优化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109840692A (zh) * 2019-01-03 2019-06-04 广州供电局有限公司 一种互联微电网分布式鲁棒调度系统及调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
An Agent-Based Hierarchical Bargaining Framework for Power Management of Multiple Cooperative Microgrids;Kaveh Dehghanpour et.al;《IEEE TRANSACTIONS ON SMART GRID》;20190131;第10卷(第1期);全文 *
基于多代理的多微网智能配电网动态博弈模型;江润洲 等;《电网技术》;20141231;第38卷(第12期);第3321-3327页 *
江润洲 等.基于多代理的多微网智能配电网动态博弈模型.《电网技术》.2014,第38卷(第12期),3322-3327. *

Also Published As

Publication number Publication date
CN110264003A (zh) 2019-09-20

Similar Documents

Publication Publication Date Title
CN110264003B (zh) 一种基于价格引导的多微网系统协调自治优化运行方法
Lu et al. A robust optimization approach for optimal load dispatch of community energy hub
Ullah et al. A multi-objective energy optimization in smart grid with high penetration of renewable energy sources
Jiang et al. A multiagent-based hierarchical energy management strategy for maximization of renewable energy consumption in interconnected multi-microgrids
CN112054513B (zh) 基于混合博弈的多微电网双层协调优化调度方法
Klaimi et al. A novel loss-based energy management approach for smart grids using multi-agent systems and intelligent storage systems
CN114155103A (zh) 基于区块链合作博弈的能量共享联盟灵活性交易方法
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
Zhang Optimal design and planning of energy microgrids
Mets et al. Distributed multi-agent algorithm for residential energy management in smart grids
Huang et al. Dynamic pricing for distributed generation in smart grid
Li et al. Low-carbon operation method of microgrid considering carbon emission quota trading
Hu et al. Coordinated scheduling model of power system with active distribution networks based on multi-agent system
Li et al. Integrated energy system for low-carbon economic operation optimization: Pareto compromise programming and master-slave game
Fu et al. Interactive scheduling optimization of regional multi-agent integrated energy systems considering uncertainties based on game theory
Zhou et al. Energy management for smart energy hub considering gas dispatch factor and demand response
Ma et al. Optimal Peer-to-Peer Energy Transaction of Distributed Prosumers in High-Penetrated Renewable Distribution Systems
Mishra et al. A scalable and computational efficient peer-to-peer energy management scheme
Ji et al. Transactive control and coordination of multiple integrated energy systems
Wen et al. Virtual power plant trading strategy based on block-chain to satisfy clean energy partiality
Wang et al. A master–slave game optimal scheduling strategy for park-integrated energy systems based on adjustable robust optimization
CN110556821A (zh) 考虑交互功率控制和双边竞价交易的多微电网双层优化调度方法
CN115796929A (zh) 一种绿电交易驱动的互联微网群低碳共享方法
Linna et al. A Review on Risk Management of Virtual Power Plant
Tang et al. Framework design of load aggregators participating in electricity market

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