CN110676849A - 一种孤岛微电网群能量调度模型的构建方法 - Google Patents

Abstract

本发明公开了一种孤岛微电网群能量调度模型的构建方法，包括以下步骤：S1：获取灵活性需求参数和灵活性供给参数，根据灵活性需求参数和灵活性供给参数获建立灵活性不足风险指标；S2：基于多代理系统，建立微电网‑集群双层能量管理架构；S3：在步骤S2建立的微电网‑集群双层能量管理架构基础上，引入步骤S1建立的灵活性不足风险指标，以运行成本最低、灵活性不足风险最小以及灵活性资源调用成本最小为微电网自治运行目标构建孤岛微电网群能量调度模型。本发明充分考虑了不同利益主体组成的微电网群系统的协同运行及可再生能源不确定性对系统运行带来的影响，将够构建的模型用于能量调度时能够实现经济效益足最大化。

Description

一种孤岛微电网群能量调度模型的构建方法

技术领域

本发明涉及能源调度领域，具体涉及一种孤岛微电网群能量调度模型的构建方法。

背景技术

全球能源行业的技术基础、组织结构与经济模式正在逐步向低碳、可持续发展转变。分布式发电作为传统大型集中发电的补充，因其能实现“能源再生，就地消纳”，而受到广泛关注并逐渐被应用于配电系统中。而微电网作为分布式发电的有效承载形式，有助于建立多元融合、供需互动、高效配置的能源生产与消费模式，推动清洁低碳、安全高效的现代能源体系建设。其优势主要体现在：

一方面，微网是分布式发电的高级发展阶段和最佳利用形式，也是与大电网友好互动的技术手段。微电网作为可实现区域内源-荷-储协调优化的可控微型能源系统，通过适当的能量管理和协调控制可最大限度地优化分布式电源运行，提高清洁能源消纳比例。

另一方面，微电网能够有效提高配电系统运行的安全稳定性。微电网既可以通过储能、电动汽车和负荷管理支撑大电网运行，减少大系统备用，又可在主网或者配网内出现故障时，进行灵活切换与调控，保障对关键负荷的供电，提高整个配电系统的可靠性。

微电网的能量管理是一个优化与决策的过程，在现有对微电网管理和控制的研究中，其模型可分为三类：集中式、分层式和分布式。集中式将全系统视作整体，由中心节点统一从所有的网络节点收集与该优化决策问题相关的数据，并计算该优化问题的最优决策。文献使用集中式优化，分别建立了考虑多种优化目标、储能策略以及考虑市场交易的微电网能量管理模型，但是其过度依赖中心控制器，可靠性较差。在分层式架构中，下层控制器操作局部数据进行局部优化计算，然后将局部计算结果反馈至上层计算节点。

微电网中接入了大量风机和光伏等可再生能源发电设备，其不确定性对系统高效、可靠运行造成的影响不容忽视。以往研究关注点多在于根据某一时刻的不确定性进行优化。但由于气象条件和预测水平的双重不确定性，系统净负荷的短时波动使得净负荷呈现随时间变化的“鸭型曲线”形态。为应对这一变化对系统正常运行带来的影响，在制定运行调度方案时，关注点需要从传统的电力平衡转向“源–荷–储”互动的灵活性供需平衡。

现有对微电网能量管理的研究多侧重于单个微电网的经济运行，未充分考虑不同利益主体组成的微电网群系统的协同运行及可再生能源不确定性对系统运行带来的影响。

发明内容

本发明的目的在于提供一种孤岛微电网群能量调度模型的构建方法，本发明充分考虑了不同利益主体组成的微电网群系统的协同运行及可再生能源不确定性对系统运行带来的影响，将够构建的模型用于能量调度时能够实现经济效益足最大化。

本发明通过下述技术方案实现：

一种孤岛微电网群能量调度模型的构建方法，包括以下步骤：

S1：获取孤岛微电网的不确定参数，所述不确定参数包括灵活性需求参数和灵活性供给参数，根据灵活性需求参数和灵活性供给参数获得当前调度计划下微电网可能出现的最大上行灵活性缺额和下行灵活性缺额，根据最大上行灵活性缺额和下行灵活性缺额建立灵活性不足风险指标；

S2：基于多代理系统，建立微电网-集群双层能量管理架构；

S3：在步骤S2建立的微电网-集群双层能量管理架构基础上，引入步骤S1建立的灵活性不足风险指标，以运行成本最低、灵活性不足风险最小以及灵活性资源调用成本最小为微电网自治运行目标构建孤岛微电网群能量调度模型；

S4：采用宽容分层序列法分解多目标问题构建的孤岛微电网群能量调度模型进行线性化处理。

进一步地，步骤S1中灵活性需求参数包括上行灵活性需求FRU和下行灵活性需求FRD，所述灵活性供给参数由可控分布式电源(CDG)和储能(ESS)的可调控裕度构成，其中，灵活性供给参数包括上调灵活性供给裕度FPU和下调灵活性供给裕度FPD。

进一步地，灵活性不足风险指标为RFS，其表达公式如下：

该公式满足：

FSU(t,Δt)＝max{Pr{FRU-FPU≤0}≥β^U,0}

FSD(t,Δt)＝max{Pr{FRD-FPD≤0}≥β^D,0}

式中，FSU(t,Δt)、FSD(t,Δt)分别为在t到t+Δt时段内，当前调度计划下微电网可能出现的最大上行和下行灵活性缺额，PFSU(t,Δt)、PFSD(t,Δt)为相应的灵活性缺额概率，

为上下行灵活性缺额出现后的风险严重度系数，β^U、β^D为净负荷偏差的置信水平。

进一步地，步骤S2中微电网层由各微电网控制器代理分散自治，各微电网由储能系统、分布式电源以及负荷构成，各微电网之间通过联络线连接；集群层由微电网群管理控制器代理根据各微电网意愿及其上传数据进行集中资源分配。

进一步地，步骤S1中灵活性需求参数和灵活性供给参数采用约束条件进行约束，所述约束条件包括功率平衡约束、可控机组约束和储能系统约束。

进一步地，功率平衡约束为微电网系统内，各分布式电源出力与负荷应满足如下功率平衡，所述各分布式电源包括风光发电设备，满足以下公式：

式中，

为第i个储能单元在t时段的充电功率，

为第i个储能在t时段放电功率，P_CDG,i(t)为第i个CDG在t时段的输出功率，P_EX(t)为t时段希望交互功率，P_LS,i(t)为t时段切除的负荷功率，

分别为t和Δt时刻净负荷预测值的期望值，P_Cur(t)为t时段切除的风光发电功率。

进一步地，可控机组约束满足以下公式：

式中：

分别为t时段CDG的输出功率上下限；

分别为输出功率最大向上爬坡率和最大下行率；

分别为CDG输出功率上下限。

进一步地，满足以下公式：

S^ch+S^dis＝1

式中：E_c为蓄电池总容量；η^ch、η^dis分别为蓄电池充放电效率，S^ch、S^dis为整数变量，分别代表充电和放电状态，其值取1代表蓄电池处于相应状态，反之则取0；

分别为t时段蓄电池的输出功率上下限，其值与蓄电池规定出力上下限和规定荷电状态均有关。

进一步地，步骤S3中所述孤岛微电网群能量调度模型如下：

f₁-f₃分别为运行成本、灵活性不足风险以及灵活性资源调用成本；

式中，C_CDG为可控分布式电源运维总成本，C_ESS为储能系统的运维成本，C_LS为切负荷成本，C_Cur为弃风、弃光成本，C_EX为能量交互成本；

其中，

式中，式中：l为可控分布式电源总数，c_f,i、c_om,i分别为各可控分布式电源的燃料成本和运维成本，P_CDG,i(t)为第i个CDG在t时段的输出功率；m为储能单元总数，c_ess,i为储能运行成本；c_ls,i为切负荷补偿成本，P_LS,i(t)为t时段切除的负荷功率；c_ex为微电网间购售电交互成本，P_EX(t)为t时段希望交互功率。

对于孤岛微电网系统，灵活性需求是指在特定时间窗口内负荷及可再生能源出力波动所引起的净负荷波动，并且根据波动方向可分为上行灵活性需求和下行灵活性需求；在孤岛运行方式下，微电网灵活性供给主要由可控分布式电源(CDG)和储能(ESS)的可调控裕度构成，与灵活性需求相对应，灵活性供给也分为上调灵活性供给和下调灵活性供给，微电网-集群双层能量管理架构为通过代理之间的信息交互实现决策优化。所述风光发电设备为风力发电设备和光伏发电设备。

本发明考虑风、光出力不确定性的特点，分析孤岛微电网灵活性供需关系，基于目标机会约束规划，建立运行灵活性不足风险评估指标；基于多代理系统，建立孤岛微电网群双层三阶段能量管理系统，将复杂系统分解为多个子系统，子系统间通过协调或者竞争实现优化控制，建立各级能量管理代理和元件管理代理模型，通过满足FIPA的通信语言实现各代理之间的交互；建立孤岛微电网三目标优化调度模型，一方面考虑以运行维护费所表征的经济性；另一方面考虑灵活性不足风险和灵活性供给成本，以提升微电网运行可靠性。考虑微电网间交互及灵活性指标后，降低了分布式电源不确定性对系统运行带来的潜在风险，通过微电网间的能量互济，实现了可再生能源利用率的提升和运行经济性的提升。

综上，本发明充分考虑了不同利益主体组成的微电网群系统的协同运行及可再生能源不确定性对系统运行带来的影响，将够构建的模型用于能量调度时能够实现经济效益足最大化。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明构建调度模型时一方面考虑以运行维护费所表征的经济性；另一方面考虑灵活性不足风险和灵活性供给成本，以提升微电网运行可靠性；考虑微电网间交互及灵活性指标后，降低了分布式电源不确定性对系统运行带来的潜在风险，通过微电网间的能量互济，实现了可再生能源利用率的提升和运行经济性的提升。本发明充分考虑了不同利益主体组成的微电网群系统的协同运行及可再生能源不确定性对系统运行带来的影响，将够构建的模型用于能量调度时能够实现经济效益足最大化。

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为本发明的技术线路示意图；

图2为典型日内基础负荷曲线示意图；

图3为典型日内风机出力示意图；

图4为典型日内光伏出力示意图；

图5为微电网集群运行交互功率示意图；

图6为微电网弃风弃光及切负荷功率示意图；

图7为MG2净负荷波动范围示意图；

图8为MG2灵活性不足风险示意图。

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：

如图1-图8所示，一种孤岛微电网群能量调度模型的构建方法，包括以下步骤：

S1：获取孤岛微电网的不确定参数，所述不确定参数包括灵活性需求参数和灵活性供给参数，根据灵活性需求参数和灵活性供给参数获得当前调度计划下微电网可能出现的最大上行灵活性缺额和下行灵活性缺额，根据最大上行灵活性缺额和下行灵活性缺额建立灵活性不足风险指标；具体地：

对于孤岛微电网系统，灵活性需求是指在特定时间窗口内负荷及可再生能源出力波动所引起的净负荷波动，并且根据波动方向可分为上行灵活性需求FRU和下行灵活性需求FRD，其表达式为：

FRU(t,Δt)＝max{P_var(t,Δt)+P_un(t,Δt),0} (1)

FRD(t,Δt)＝max{-P_var(t,Δt)-P_un(t,Δt),0} (2)

式中：P_var(t,Δt)为净负荷在t到Δt时间段的波动值，不确定性部分P_un(t,Δt)为净负荷预测值误差波动范围。

分别为t和Δt时刻净负荷预测值的期望值，

为t时段负荷功率预测的期望值；

分别为t时段内光伏发电和风机发电出力预测的期望值。在孤岛运行方式下，微电网灵活性供给主要由可控分布式电源(CDG)和储能(ESS)的可调控裕度构成。

与灵活性需求相对应，灵活性供给也分为上调灵活性供给和下调灵活性供给。对于CDG，其上调、下调灵活性裕度FPU_CDG和FPD_CDG分别为:

式中：

和P_CDG,i(t)分别为第i个CDG最大、最小输出功率和t时段输出功率，

分别为第i个CDG的最大向上和向下爬坡率。对于ESS，其灵活性裕度为：

式中：

分别为蓄电池出力最大值与最小值；

分别为从当前荷电状态充电至上限SOC_max和放电至下限SOC_min的功率；

为第i个储能单元在t时段的充电功率，

为第i个储能在t时段放电功率。

在衡量灵活性对系统运行的影响时，应综合考虑灵活性供需匹配程度以及上下调灵活性缺额带来的不同潜在风险的严重程度，基于机会约束目标规划，建立灵活性不足风险指标(Risk of Flexibility Shortage，RFS)。

FSU(t,Δt)＝max{Pr{FRU-FPU≤0}≥β^U,0} (10)

FSD(t,Δt)＝max{Pr{FRD-FPD≤0}≥β^D,0} (11)

FSU(t,Δt),FSD(t,Δt)≥0 (12)

式中：FSU(t,Δt)、FSD(t,Δt)分别为在t到t+Δt时段内，当前调度计划下微电网可能出现的最大上行和下行灵活性缺额，PFSU(t,Δt)、PFSD(t,Δt)为相应的灵活性缺额概率，β^U、β^D为净负荷偏差的置信水平，

为上下行灵活性缺额出现后的风险严重度系数。当式(1)、(2)中FRU和FRD大于零时，其不确定性部分P_un(t,Δt)可分离，式(10)、(11)可转化为式(13)、(14)的确定形式。

忽略负荷预测的误差，不确定性部分由风、光预测的随机误差构成。其分别服从

以及

的正态分布。其中

式中：分别为风力、光伏发电在t时段的预测期望值，P_iw、P_ipv为风机和光伏发电的装机容量；ε_fw、ε_fpv、ε_iw、ε_ipv为对应的预测误差系数。故误差总和P_un(t)服从

的正态分布。

S2：基于多代理系统，建立微电网-集群双层能量管理架构；具体地：

本申请所建立的孤岛微电网群分层能量管理策略分为三个阶段，相较于集中式策略，基于多代理系统的分层式策略更注重各微电网主体的利益，在局部优化自治的前提下进行集群协调。第一阶段：微电网群中的各微电网根据自身RES代理和LD代理预测数据以及CDG和ESS的运行情况，按照优化目标进行内部优化。在该阶段，各微电网确定是否参与集群层协同优化，同时将交互意愿告知MGCM代理；第二阶段：MGCM代理根据分配策略进行集群层二次优化，并将分配结果告知各参与协调的微电网；第三阶段：各微电网MGC代理根据MGCM代理二次优化分配结果，进行三次优化，对自治计划进行调整最终确定当前时段调度计划。

S3：在步骤S2建立的微电网-集群双层能量管理架构基础上，引入步骤S1建立的灵活性不足风险指标，以运行成本最低、灵活性不足风险最小以及灵活性资源调用成本最小为微电网自治运行目标构建孤岛微电网群能量调度模型。具体地：

3.1.1微电网层

本技术以运行成本最小、灵活性不足风险最小以及灵活性供给成本最小为优化目标。其中运行成本包括各分布式电源的燃料成本、运维成本、切负荷成本以及微电网间交互费用。

式中：l为可控分布式电源总数，c_f,i、c_om,i分别为各可控分布式电源的燃料成本和运维成本，P_CDG,i(t)为第i个CDG在t时段的输出功率；m为储能单元总数，c_ess,i为储能运行成本；c_ls,i为切负荷补偿成本，P_LS,i(t)为t时段切除的负荷功率；c_ex为微电网间购售电交互成本，P_EX(t)为t时段希望交互功率，其值取正时代表有售电意愿，为负时代表有购电意愿。由于在第三阶段优化前，交互功率分配已经确定，故在微电网层三次优化时，P_EX(t)的值为零。

模型含三个目标函数，采用解析方法难以求解。考虑到三个目标之间存在着重要程度的区别，故采用宽容分层序列法进行求解。第一目标为运行成本最小，其次在运行成本的宽容域内求解最小化灵活性不足风险问题，最后求解灵活性供给成本最小问题。

3.1.2集群层

完成第一阶段优化后，MGCM代理根据各MGC代理所告知的交互意愿进行集群层功率分配。在二次优化中，首先由MGCM代理对接收到的数据进行分类处理，将有交互意愿各微电网分为需求方和供给方，在供给方和需求方均存在的情况下，根据供需总量进行分配。此过程中可能出现三类供需匹配情况。

第一类：

此情况下供需平衡，供需双方均能按照交互意愿进行互济。其中

为供给方能够提供的功率总和，

为需求方所需功率总和。

第二类：

此类情况下，可供给交互功率大于需求交互功率，根据每个供给方可供给能力的大小，为使得供给能力大且灵活性不足风险低的微电网承担更多的供给功率，定义供给共享因子。

其中δ为一个取值很小的正数。在共享因子的作用下，各供给方微电网每一轮分配后累计外送功率为：

式中，

为到第r轮分配为止第j个供给方微电网所提供的互济功率值，若任一微电网外送功率达到其期望供给功率值，则该微电网退出分配，当集群供给功率总和与需求方所分得功率总和相等，即

时，集群层功率分配结束；为第r轮迭代中，第j个需求方微电网的需求共享因子，其值随分配过程中已完成分配微电网的退出而更新。

第三类：

此类情况下，可供给功率小于需求功率，综合考虑各微电网需求功率大小以及其灵活性不足风险程度，定义需求共享因子以衡量各需求方微电网对交互功率的需求程度，其表达式如下

类似于第二类情况，在需求共享因子的作用下，各需求方微电网每一轮分配后累计所得功率为

约束条件

3.2.1功率平衡约束

微电网系统内，各分布式电源出力与负荷应满足如下功率平衡：

3.2.2可控机组约束

式中：

分别为t时段CDG的输出功率上下限；

分别为输出功率最大向上爬坡率和最大下行率；

分别为CDG输出功率上下限。

3.2.2储能系统约束

S^ch+S^dis＝1 (34)

式中：E_c为蓄电池总容量；η^ch、η^dis分别为蓄电池充放电效率。S^ch、S^dis为整数变量，分别代表充电和放电状态，其值取1代表蓄电池处于相应状态，反之则取0；

分别为t时段蓄电池的输出功率上下限，其值与蓄电池规定出力上下限和规定荷电状态均有关。

S4：采用宽容分层序列法分解多目标问题构建的孤岛微电网群能量调度模型进行线性化处理。

如图1所示，为验证本专利所建立的孤岛微电网群能量管理模型的有效性，本专利采用某地区由四个微电网组成的孤岛微电网群作为算例进行分析。

1、参数设置：

本技术利用JADE平台搭建多代理系统架构，采用IBM CPLEX求解器求解，求解以下两种场景：(1)孤岛运行场景(2)集群运行场景，并对两种场景下优化配置结果进行对比分析。算例选取一个典型日进行仿真，典型日内基本负荷数据如图2所示，微电网接入最大负荷水平为595kW，风机及光伏出力如图3、图4示，单位时间长度为1h。

采用由四个微电网组成的孤岛微电网群系统进行仿真分析，设置微电网集群运行和孤岛运行两种场景。根据中国东部沿海某地气象条件，风光出力使用由HOMER仿真软件计算的数值。Δt取1h，净负荷偏差的置信水平取0.95，ε_fw、ε_fpv取0.5，ε_iw、ε_ipv取0.05。各微电网中ESS的SOC变化范围为0.1～0.9，CDG的出力下限为20kW设备及运行参数如表1所示。

表1分布式电源参数

2、优化结果与分析：

2.1场景一

在0宽容度下，分别设置各微电网孤岛运行和集群两种运行方式，对比分析其运行经济性。仿真结果如表2和图5所示。结果表明在集群模式下，各微电网运行成本均低于孤岛模式。一方面，能量交互带来收益。在0:00～6:00时段，MG1的净负荷大，由于能量共享成本小于CDG发电成本，故MG1优先选择从集群购电，而此段时间内其余微电网的净负荷均处于低位，而储能系统的运行费用低于能量共享的收益，故MG2、MG3和MG4在满足内部电能供给后，优先选择通过释放储能能量向集群售电。在6:00～11:00时段，由于MG2和MG4净负荷的增长，集群内可共享能量减少，MG1主要由CDG出力满足供能需求。由于光伏出力的时序波动特性，11:00～17:00间各微电网净负荷呈现先减小后增大的趋势，MG4成为最主要的能量共享需求方，MG1的净负荷虽然也处于回升中，但其净负荷主要由储能系统通过释放在11:00～14:00净负荷处于负值时吸收的能量提供。而这一时段内，MG2、MG3为主要的收益方。另一方面，弃风弃光和切负荷量减少所降低的成本。如图6所示，集群运行下的弃风弃光和切负荷量明显低于孤岛运行。对于MG2，其在11:00～13:00时段净负荷为负，在孤岛模式下，在储能系统充电至上限后必须弃风弃光，而在集群模式下，通过能量共享，可减少近20％的弃用新能源的损失。对于MG4，孤岛模式下，在11:00～17:00时段内，存在较大净负荷缺额，而通过集群交互，可减少近70％的切负荷损失。

表2运行成本

2.2场景二

微电网的在孤岛和集群两种不同运行方式下的灵活性不足风险会出现差异。此外宽容度的取值将改变微电网对内部资源的调度方案，进而影响灵活性不足风险。

以MG2为例，由图7可见，虽然14:00～15:00时段的净负荷预测期望值的波动量很小，但是由于该时间段光伏出力较大，相应预测值的不确定性所存在的误差水平高，导致可能的净负荷取值区间在[-50kW,75kW]之间，在向上和向下两个方向上均存在灵活性需求。而在此前的11:00～13:00时段，净负荷期望为负，ESS持续充电，CDG工作在20kW附近，具备充足的向上灵活性供给，而缺乏向下灵活性供给，故在孤岛运行下出现了如图8所示的0宽容度情况下的高灵活性不足风险。相比之下，集群运行方式下，通过出售13:00～14:00时段将富裕可再生能源发电量，保留了ESS的向下灵活性供给能力，使得下一时段的灵活性不足风险小于孤岛模式下的二分之一。

同时从图中可知，虽然集群运行方式下整体灵活性不足风险下降，但仍有少量时段的灵活性不足风险大于孤岛，说明严格按照最小化运行成本进行微电网间的能量共享可能造成某些时段缺少灵活性供给。因此需要放宽成本约束，以达到释放系统的灵活性供给潜力的目的。

在集群运行模式下，考虑对经济性目标进行宽容后，运行费用如表3所示。

表3不同宽容度下各微电网的运行成本及平均RFS

从表3和图8可知，在宽容值的作用下，求解灵活性不足风险时的运行成本可行域扩大，各微电网通过调节CDG、ESS的出力和弃风、弃光量以及切负荷量，使得系统获得了更高的运行灵活性。与0宽容度下的灵活性水平相比，0.3宽容度下全调度周期内灵活性不足风险降低了近二分之一。在进一步增加宽容度至0.5后，虽然灵活性风险仍在14:00～15:00时段进一步降低，但其他时段灵活性水平与0.3宽容度下基本一致，说明在0.5宽容度的成本约束域内，当前资源条件下系统对灵活性水平的调节能力已趋于边界。

从以上分析可知，本专利所提孤岛微电网集群能量管理能够从能量共享和减少弃风光、切负荷量，有效提升各微电网运行经济性，同时通过能量共享和灵活性不足风险指标和宽容值的设置，在满足经济性约束的同时，可有效引导微电网群内资源的利用，降低微电网运行灵活性不足的风险，减小风、光等可再生能源出力不确定性对系统运行带来的潜在风险。

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 (9)

1.一种孤岛微电网群能量调度模型的构建方法，其特征在于，包括以下步骤：

S1：获取孤岛微电网的不确定参数，所述不确定参数包括灵活性需求参数和灵活性供给参数，根据灵活性需求参数和灵活性供给参数获得当前调度计划下微电网可能出现的最大上行灵活性缺额和下行灵活性缺额，根据最大上行灵活性缺额和下行灵活性缺额建立灵活性不足风险指标；

S2：基于多代理系统，建立微电网-集群双层能量管理架构；

S3：在步骤S2建立的微电网-集群双层能量管理架构基础上，引入步骤S1建立的灵活性不足风险指标，以运行成本最低、灵活性不足风险最小以及灵活性资源调用成本最小为微电网自治运行目标构建孤岛微电网群能量调度模型；

S4：采用宽容分层序列法分解多目标问题构建的孤岛微电网群能量调度模型进行线性化处理。

2.根据权利要求1所述的一种孤岛微电网群能量调度模型的构建方法，其特征在于，步骤S1中灵活性需求参数包括上行灵活性需求FRU和下行灵活性需求FRD，所述灵活性供给参数由可控分布式电源和储能的可调控裕度构成，其中，灵活性供给参数包括上调灵活性供给裕度FPU和下调灵活性供给裕度FPD。

3.根据权利要求2所述的一种孤岛微电网群能量调度模型的构建方法，其特征在于，所述灵活性不足风险指标为RFS，其表达公式如下：

该公式满足：

FSU(t,Δt)＝max{Pr{FRU-FPU≤0}≥β^U,0}

FSD(t,Δt)＝max{Pr{FRD-FPD≤0}≥β^D,0}

式中，FSU(t,Δt)、FSD(t,Δt)分别为在t到t+Δt时段内，当前调度计划下微电网可能出现的最大上行和下行灵活性缺额，PFSU(t,Δt)、PFSD(t,Δt)为相应的灵活性缺额概率，

为上下行灵活性缺额出现后的风险严重度系数，β^U、β^D为净负荷偏差的置信水平。

4.根据权利要求1所述的一种孤岛微电网群能量调度模型的构建方法，其特征在于，步骤S2中微电网层由各微电网控制器代理分散自治，各微电网由储能系统、分布式电源以及负荷构成，各微电网之间通过联络线连接；集群层由微电网群管理控制器代理根据各微电网意愿及其上传数据进行集中资源分配。

5.根据权利要求1所述的一种孤岛微电网群能量调度模型的构建方法，其特征在于，步骤S1中灵活性需求参数和灵活性供给参数采用约束条件进行约束，所述约束条件包括功率平衡约束、可控机组约束和储能系统约束。

6.根据权利要求5所述的一种孤岛微电网群能量调度模型的构建方法，其特征在于，所述功率平衡约束为微电网系统内，各分布式电源出力与负荷应满足如下功率平衡，所述各分布式电源包括风光发电设备，满足以下公式：

式中，为第i个储能单元在t时段的充电功率，

为第i个储能在t时段放电功率，P_CDG,i(t)为第i个CDG在t时段的输出功率，P_EX(t)为t时段希望交互功率，P_LS,i(t)为t时段切除的负荷功率，

分别为t和Δt时刻净负荷预测值的期望值，P_Cur(t)为t时段切除的风光发电功率。

7.根据权利要求5所述的一种孤岛微电网群能量调度模型的构建方法，其特征在于，所述可控机组约束满足以下公式：

式中：

分别为t时段CDG的输出功率上下限；分别为输出功率最大向上爬坡率和最大下行率；

分别为CDG输出功率上下限。

8.根据权利要求5所述的一种孤岛微电网群能量调度模型的构建方法，其特征在于，所述满足以下公式：

S^ch+S^dis＝1

式中：E_c为蓄电池总容量；η^ch、η^dis分别为蓄电池充放电效率，S^ch、S^dis为整数变量，分别代表充电和放电状态，其值取1代表蓄电池处于相应状态，反之则取0；分别为t时段蓄电池的输出功率上下限，其值与蓄电池规定出力上下限和规定荷电状态均有关。

9.根据权利要求1所述的一种孤岛微电网群能量调度模型的构建方法，其特征在于，步骤S3中所述孤岛微电网群能量调度模型如下：

f₁-f₃分别为运行成本、灵活性不足风险以及灵活性资源调用成本；

式中，C_CDG为可控分布式电源运维总成本，C_ESS为储能系统的运维成本，C_LS为切负荷成本，C_Cur为弃风、弃光成本，C_EX为能量交互成本；

其中，

式中，式中：l为可控分布式电源总数，c_f,i、c_om,i分别为各可控分布式电源的燃料成本和运维成本，P_CDG,i(t)为第i个CDG在t时段的输出功率；m为储能单元总数，c_ess,i为储能运行成本；c_ls,i为切负荷补偿成本，P_LS,i(t)为t时段切除的负荷功率；c_ex为微电网间购售电交互成本，P_EX(t)为t时段希望交互功率。

Images