CN111062513A - 基于自适应共识机制的分布式社区能源交易系统及方法 - Google Patents
基于自适应共识机制的分布式社区能源交易系统及方法 Download PDFInfo
- Publication number
- CN111062513A CN111062513A CN201911114461.0A CN201911114461A CN111062513A CN 111062513 A CN111062513 A CN 111062513A CN 201911114461 A CN201911114461 A CN 201911114461A CN 111062513 A CN111062513 A CN 111062513A
- Authority
- CN
- China
- Prior art keywords
- community
- energy
- microgrid
- calculating
- micro
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000007246 mechanism Effects 0.000 title claims abstract description 31
- 230000003993 interaction Effects 0.000 claims abstract description 40
- 238000011217 control strategy Methods 0.000 claims abstract description 25
- 230000003044 adaptive effect Effects 0.000 claims abstract description 19
- 230000005611 electricity Effects 0.000 claims description 40
- 238000005457 optimization Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 13
- 238000004146 energy storage Methods 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000005096 rolling process Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000009826 distribution Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电力系统及其自动化领域，目的是提供基于自适应共识机制的分布式社区能源交易系统及方法，其中，基于自适应共识机制的分布式社区能源交易系统，包括，社区管理模型，用于根据社区能源交易初始价格
计算社区能源系统的供需数据，并计算社区参与电力备用市场的最优备用容量FFR(k)及社区能源系统能量轨迹Pref，CA(k)；多个微网动态模型，根据社区能源交易初始价格
计算预测供需数据；微网交互模型，用于完成多个微网之间的交互，计算多微网间的共识价格
依据社区能源系统能量轨迹Pref，CA(k)进行判断，得到各微网的最优控制策略。本发明具有基于不同微网间的信息互换、能源交互机制实现社区能源高效互动、合理分配、综合利用的优点。
Description
技术领域
本发明涉及电力系统及其自动化领域，具体涉及基于自适应共识机制的分布式社区能源交易系统及方法。
背景技术
伴随着智能电网技术的高速发展，微网(Micro-grids,MGs)作为和外部电网、用户友好互动的一种关键技术手段，集成了多种能源生产、传输、存储、消费多个环节。作为未来智能电网的重要组成部分，微网的发展为开展新的商业模式提供了新的思路，但具有随机性的高渗透率分布式新能源对微网的经济运行带来了极大的挑战。
近年来，智能社区的概念已经出现，作为互联微网的虚拟组合，为现有微网高效运行提供了潜在的灵活运作空间。不同微网能源系统由于其资源禀赋差异，其能源输出/输入具有互补性，且信息通信技术的兴起，各个微网间可以实现高效通信与互联。
如何构造一个社区分布式能源交易管理系统，基于不同微网间的信息互换、能源交互机制实现社区能源高效互动、合理分配、综合利用，成为亟待解决的问题。
发明内容
本发明目的在于提供一种基于自适应共识机制的分布式社区能源交易系统及方法，具有基于不同微网间的信息互换、能源交互机制实现社区能源高效互动、合理分配、综合利用的优点。
为实现上述目的，本发明所采用的技术方案是：一种基于自适应共识机制的分布式社区能源交易方法，包括以下步骤，
S1：建立社区管理模型、微网交互模型及多个微网动态模型，执行S2；
S2：获取社区能源交易初始价格
多个微网动态模型分别根据社区能源交易初始价格
计算预测供需数据，执行S3；
S3：社区管理模型根据社区能源交易初始价格
及多个微网的预测供需状态预测社区供需数据并计算社区参与电力备用市场的最优备用容量FFR(k)，执行S3；
S3：社区管理模型获取备用容量调节信号α(k)，根据最优备用容量FFR(k)及备用容量调节信号α(k)计算社区能源系统能量轨迹Pref，CA(k)，执行S4；
S4：开展多微网交互过程，更新微网交互价格，确定各微网控制策略，得到社区能源系统能量轨迹，计算其与社区能源系统能量预期轨迹偏差，基于交互过程实现零偏差，由此得到各微网最优控制策略。
优选的，所述微网动态模型采用模型预测控制策略，通过预测优化时间段H内的供需数据实现滚动时域的优化控制。
优选的，所述微网动态模型的优化目标函数表述为：
其中，fDG为发电设备的运行成本，fDR为储能设备的运行成本，fBESS为柔性负荷的运行成本，ftrade为交易成本，ΔPDG为发电设备的输出功率，ΔPDR为负荷削减量，Pch为储能量，Pdis为放电量，Ptie为联络线功率。
优选的，所述步骤3中计算社区参与电力备用市场的最优备用容量FFR(k)具体包括以下步骤：
S31：获取优化时间段H内k时刻的社区从外部电网的买/卖电价格、社区向外部电网的买/卖电量、社区从外部电网的买/卖电价格以及社区向外部电网买/卖电量，执行S22；
S32：社区管理模型根据社区从外部电网的买/卖电价格、社区向外部电网的买/卖电量、社区从外部电网的买/卖电价格以及社区向外部电网买/卖电量计算社区参与电力备用市场的最优备用容量FFR(k)。
优选的，所述S4具体包括以下步骤，
S41：更新多微网间的共识价格
执行S42；
S42：根据Pref，CA(k)及联络线功率Ptie计算多微网聚合的能量流之间的不匹配功率ΔP，
其中，τ为迭代次数，执行S43；
S43：判断不匹配功率ΔP的值是否低于容忍阈值∈tol，若是，各微网动态模型优化完成，完成各微网的最优控制策略选择，若否，执行S44；
S44：τ＝τ+1，进行下一次迭代，执行S41。
优选的，所述S4具体包括以下步骤，
所述S4具体包括以下步骤，
S41：更新多微网间的共识价格
执行S42；
S42：根据Pref，CA(k)及联络线功率Ptie计算多微网聚合的能量流之间的不匹配功率ΔP，
其中，τ为迭代次数，执行S43；
S43：判断迭代次数τ是否为最大迭代次数τmax，若是，完成各微网的最优控制策略选择，若否，执行S44；
S44：τ＝τ+1，进行下一次迭代，执行S41。
一种基于自适应共识机制的分布式社区能源交易系统，包括，
社区管理模型，用于根据社区能源交易初始价格
计算社区能源系统的供需数据，并计算社区参与电力备用市场的最优备用容量FFR(k)及社区能源系统能量轨迹Pref，CA(k)；
多个微网动态模型，根据社区能源交易初始价格
计算预测供需数据；
微网交互模型，用于完成多个微网之间的交互，计算多微网间的共识价格
依据社区能源系统能量轨迹Pref，CA(k)进行判断，得到各微网的最优控制策略。
优选的，所述微网动态模型采用模型预测控制策略，通过预测优化时间段H内的供需数据实现滚动时域的优化控制。
优选的，社区管理模型使用以下方法计算社区参与电力备用市场的最优备用容量FFR(k)，
S31：获取优化时间段H内k时刻的社区从外部电网的买/卖电价格、社区向外部电网的买/卖电量、社区从外部电网的买/卖电价格以及社区向外部电网买/卖电量，执行S22；
S32：社区管理模型根据社区从外部电网的买/卖电价格、社区向外部电网的买/卖电量、社区从外部电网的买/卖电价格以及社区向外部电网买/卖电量计算社区参与电力备用市场的最优备用容量FFR(k)。
优选的，微网交互模型使用以下方法得到各微网的最优控制策略，
S41：更新多微网间的共识价格
执行S42；
S42：根据Pref，CA(k)及联络线功率Ptie计算多微网聚合的能量流之间的不匹配功率ΔP，
其中，τ为迭代次数，执行S43；
S43：判断不匹配功率ΔP的值是否低于容忍阈值∈tol，若是，各微网动态模型优化完成，完成各微网的最优控制策略选择，若否，执行S44；
S44：τ＝τ+1，进行下一次迭代，执行S41。
优选的，微网交互模型使用以下方法得到各微网的最优控制策略，
S41：更新多微网间的共识价格
执行S42；
S42：根据Pref，CA(k)及联络线功率Ptie计算多微网聚合的能量流之间的不匹配功率ΔP，
其中，τ为迭代次数，执行S43；
S43：判断迭代次数τ是否为最大迭代次数τmax，若是，完成各微网的最优控制策略选择，若否，执行S44；
S43：τ＝τ+1，进行下一次迭代，执行S41。
综上所述，本发明的有益效果为：
1、本发明具有基于不同微网间的信息互换、能源交互机制实现社区能源高效互动、合理分配、综合利用的优点；
2、本发明的多微网的交互过程可基于社区内现有的通信基础设施自发进行，无需增加新的通讯设备。与传统集中式模式相比，本发明的分布式特性促使社区能源通信的鲁棒性进一步增强；
3、本发明搭建电力备用市场与社区能源交易系统的双层市场优化模型，社区管理者(Community agent,CA)通过有效整合社区多微网中可控设备资源，参与外部电网的辅助服务市场，为整个社区能源系统提供额外经济效益。
附图说明
图1为本发明的实施例1基于自适应共识机制的分布式社区能源交易方法的流程图；
图2为本发明的实施例1基于自适应共识机制的分布式社区能源交易方法的S4的流程图；
图3为本发明的另一个实施例的基于自适应共识机制的分布式社区能源交易方法的S4的流程图；
图4为本发明的实施例3的第一个微网的交易情况的示意图；
图5为本发明的实施例3的第二个微网的交易情况的示意图；
图6为本发明的实施例3的第三个微网的交易情况的示意图；
图7为本发明的实施例3的第四个微网的交易情况的示意图；
图8为本发明的实施例3的第五个微网的交易情况的示意图；
图9为本发明的实施例3的基于共识机制的多微网交易价格迭代过程的示意图；
图10为本发明的实施例3的各微网的能量流及社区不平衡电量迭代过程的示意图。
具体实施方式
下面结合本发明的附图1～10，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
参照图1，一种基于自适应共识机制的分布式社区能源交易方法，包括以下步骤，
S1：建立社区管理模型、微网交互模型及多个微网动态模型，执行S2；
S2：获取社区能源交易初始价格
多个微网动态模型分别根据社区能源交易初始价格
计算预测供需数据，执行S3；
S3：社区管理模型根据社区能源交易初始价格
及多个微网的预测供需状态预测社区供需数据并计算社区参与电力备用市场的最优备用容量FFR(k)，执行S3；
S3：社区管理模型获取备用容量调节信号α(k)，根据最优备用容量FFR(k)及备用容量调节信号α(k)计算社区能源系统能量轨迹Pref，CA(k)，执行S4；
S4：开展多微网交互过程，更新微网交互价格，确定各微网控制策略，得到社区能源系统能量轨迹，计算其与社区能源系统能量预期轨迹偏差，基于交互过程实现零偏差，由此得到各微网最优控制策略。
值得说明的是，微网动态模型的优化目标函数表述为：
其中，fDG为发电设备的运行成本，fDR为储能设备的运行成本，fBESS为柔性负荷的运行成本，ftrade为交易成本，ΔPDG为发电设备的输出功率，ΔPDR为负荷削减量，Pch为储能量，Pdis为放电量，Ptie为联络线功率。
步骤3中计算社区参与电力备用市场的最优备用容量FFR(k)具体包括以下步骤：
S31：获取优化时间段H内k时刻的社区从外部电网的买/卖电价格、社区向外部电网的买/卖电量、社区从外部电网的买/卖电价格以及社区向外部电网买/卖电量，执行S22；
S32：社区管理模型根据社区从外部电网的买/卖电价格、社区向外部电网的买/卖电量、社区从外部电网的买/卖电价格以及社区向外部电网买/卖电量计算社区参与电力备用市场的最优备用容量FFR(k)。
本实施例中，S4具体包括以下步骤，
S41：更新多微网间的共识价格
执行S42；
S42：根据Pref，CA(k)及联络线功率Ptie计算多微网聚合的能量流之间的不匹配功率ΔP，
其中，τ为迭代次数，执行S43；
S43：判断不匹配功率ΔP的值是否低于容忍阈值∈tol，若是，各微网动态模型优化完成，完成各微网的最优控制策略选择，若否，执行S44；
S44：τ＝τ+1，进行下一次迭代，执行S41。
参照图3，在另一个实施例中，S4具体包括以下步骤，
S4具体包括以下步骤，
S41：更新多微网间的共识价格
执行S42；
S42：根据Pref，CA(k)及联络线功率Ptie计算多微网聚合的能量流之间的不匹配功率ΔP，
其中，τ为迭代次数，执行S43；
S43：判断迭代次数τ是否为最大迭代次数τmax，若是，完成各微网的最优控制策略选择，若否，执行S44；
S44：τ＝τ+1，进行下一次迭代，执行S41。
实施例2
在本实施例中，共有三种交互角色，社区管理者、外部电网及多个微网代理商，外部电网和多个微网代理商之间通过社区管理者进行交互。
参照图1、2，一种基于自适应共识机制的分布式社区能源交易系统，包括
社区管理模型，用于根据社区能源交易初始价格
计算社区能源系统的供需数据，并计算社区参与电力备用市场的最优备用容量FFR(k)及社区能源系统能量轨迹Pref，CA(k)；
多个微网动态模型，根据社区能源交易初始价格
计算预测供需数据；
微网交互模型，用于完成多个微网之间的交互，计算多微网间的共识价格
依据社区能源系统能量轨迹Pref，CA(k)进行判断，得到各微网的最优控制策略。
下面分别对社区管理模型、微网交互模型及多个微网动态模型进行说明。
每个微网由可控分布式发电设备(Distributed generator,DG)、光伏设备(Photovoltaic,PV)、储能(Battery electricity storage system,BESS)和柔性负荷组成，值得说明的是，本实施例中，发电设备采用燃气轮机。微网的动态模型可以表述为：
其中，PDG为燃气轮机的输出功率，Pch为储能充电量，Pdis为储能放电量，ΔPDR为负荷削减量，
为光伏输出量，
为初试负荷。
其空间状态方程可表述为：
x(k+1)＝Ax(k)+BuU(k)
y(k)＝CuU(k)+BdW(k)。
微网动态模型的决策目标是最优调度其可控能源资源，确定最优的交易功率，使得微网运行成本最小化，并同时满足所有约束条件。
微网动态模型的优化目标函数表述为：
其中，fDG为发电设备的运行成本，fDR为储能设备的运行成本，fBESS为柔性负荷的运行成本，ftrade为交易成本，ΔPDG为发电设备的输出功率，ΔPDG为负荷削减量，Pch为储能量，Pdis为放电量，Ptie为联络线功率。
下面依次对发电设备的运行成本、储能设备的运行成本、柔性负荷的运行成本及交易成本的计算进行说明。
(1)燃气轮机的运行成本计算
其中，αDG、βDG、γDG均为发电设备成本系数。
(2)储能设备的运行成本计算
其中，EBESS为储能容量，T为优化步长，ηch为储能充电效率，ηdis为储能放电效率。
值得说明的是，储能系统在每个调度过程中的物理约束如下：
(3)柔性负荷的运行成本计算
基于需求—价格的线性表达以及微网用户负荷的电价灵敏度，微网用户可削减负荷成本函数如下：
其中，ΔPDR为负荷削减量，αDR、βDR均为削负荷成本系数。
值得说明的是，微网用户可削减负荷需满足以下功率限制：
0＜ΔPDR，m(k)＜ηL，mPL，m(k)
由此可得到用户的最终负荷为Pload，m(k)＝PL，m(k)-ΔPDR，m(k)。
(4)交易成本计算
微网代理商可以在微网能源产出不足以满足微网能源需求时，作为消费者从外部电网或社区购买电力，或者微网代理商在微网能源产出多于微网能源需求时，将作为生产者向外电网或社区出售电力。因此，微网代理商的交易成本(或收益)为
ftrade(Ptie，m(k))＝(cbuy，m(k)Pbuy，m(k)-csell，m(k)Psell，m(k))·T
其中，cbuy为微网向外部电网购买电价格，csell为微网向外部电网购卖电价格，Pbuy为微网向外部电网购电量，Psell为微网向外部电网售电量。
值得说明的是，微网的功率平衡约束和最大买/卖功率约束限制交易功率如下：
Ptie，m(k)＝Pbuy，m(k)-Psell，m(k)＝-PPV，m(k)-PDG，m(k)+Pch，m(k)-Pdis，m(k)+Pload，m(k)
其中，PPV为光伏输出，PDG为燃气轮机输出功率，Pch为充能充电量，Pdis为储能放电量，Pload为实际负荷。
社区管理模型其优化目标是在每个优化区间开始时确定由外部电网运营的能量市场和电力备用市场的最优参与策略。其目标函数如下：
其中，该目标函数中第一项为参与电力备用市场的收益，第二项为与外部电网的交易成本，第三项为与社区内多微网的能源交易成本。其中，cbuy，CA/csell，CA，Pbuy，CA/Psell，CA分别为社区从外部电网的买/卖电价格以及买/卖电量；cbuy，m/csell，m，Pbuy，m/Psell，m为微网m从社区的买/卖电价格以及买/卖电量，H为总的优化时间段。
FFR是社区为外部电网提供的备用容量。但在实际运行时，外部电网在意图从社区备用容量中获得的功率支持仅为αFFR，其中α为归一化后的调节信号。一旦CA从外部电网接受到调节信号α(k)，可以得到社区能源系统与外部电网在k时刻交互的理想能量轨迹为Pref，CA：
社区内部无自主可控能源设备，所有可控能源设备均建设在微网之中，由微网代理商统一管理。在整个调度过程中，CA通过聚合多微网与社区的交易能流以满足外部电网对社区的能量轨迹需求。因此，多微网与CA能源耦合能约束可得：
正值的Ptie，CA意味着CA需要从外部电网购买能量，反之亦然。在每个时间点k，社区聚合的能量流与外部电网需求的能量轨迹间的误差应满足：
|Ptie，CA(k)-Pref，CA(k)|≤εtol
另外，社区能源系统为外部电网提供的备用容量须在整个社区可控的供电能力范围内：
考虑一个由n个微网组成的社区交易系统，基于社区现有的通信基础设施，多微网间可实现彼此交互，其通信交互为有向网络为可表述为G＝{V,E},，其中V＝{1,2,…,M}代表各微网代理商，
为通信网络.每个微网代理商由一个顶点表示，有向边为微网n与其相邻微网m间的通信链路。对于微网m来说
代表着其相邻微网的微网集合。基于这些最基本的元素，有向网络G的行随机矩阵D＝[dnm]可表示为：
给定一个强连通的交互网络，分布式微网的自适应共识机制的第τ次迭代过程描述为：
其中，ym为微网的输出/输出能量流。
将上层优化模型所要求的社区能量轨迹Pref，CA与多微网聚合的能量流间的不匹配功率ΔP引入自适应共识算法可得：
因此，为实现社区能源系统能量流的优化管理，满足外部电网的响应需求。基于自适应共识机制，在微网交互过程中，利用价格信号来引导多微网的能量流向：
其中μ为功率失配调整系数。在每次迭代中，更新的微网买电/卖电价格
紧密与ΔPτ相关。
本系统应用实施例1中所述的方法，实现多微网的控制与交互，从而确定最优的社区能源管理方案。
实施例3
基于实施例2的系统，建立包含五个微网的社区能源交易系统，本实施例进行仿真。
参照图4-10，可知各个微网的买电、卖电价格在迭代中趋于一致，所提出的基于价格的共识机制算法在迭代中可有效减少社区能源系统中聚合能量流与外部电网理想能量轨迹的不平衡电量。
在本发明的描述中，需要理解的是，术语“逆时针”、“顺时针”“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
Claims (10)
1.一种基于自适应共识机制的分布式社区能源交易方法，其特征在于，包括以下步骤，
S1：建立社区管理模型、微网交互模型及多个微网动态模型，执行S2；
S2：获取社区能源交易初始价格
多个微网动态模型分别根据社区能源交易初始价格
计算预测供需数据，执行S3；
S3：社区管理模型根据社区能源交易初始价格
及多个微网的预测供需状态预测社区供需数据并计算社区参与电力备用市场的最优备用容量FFR(k)，执行S3；
S3：社区管理模型获取备用容量调节信号α(k)，根据最优备用容量FFR(k)及备用容量调节信号α(k)计算社区能源系统能量轨迹Pref，CA(k)，执行S4；
S4：开展多微网交互过程，更新微网交互价格，确定各微网控制策略，得到社区能源系统能量轨迹，计算其与社区能源系统能量预期轨迹偏差，基于交互过程实现零偏差，由此得到各微网最优控制策略。
2.根据权利要求1所述的基于自适应共识机制的分布式社区能源交易方法，其特征在于，所述微网动态模型采用模型预测控制策略，通过预测优化时间段H内的供需数据实现滚动时域的优化控制。
3.根据权利要求2所述的基于自适应共识机制的分布式社区能源交易方法，其特征在于，所述微网动态模型的优化目标函数表述为：
其中，fDG为发电设备的运行成本，fDR为储能设备的运行成本，fBESS为柔性负荷的运行成本，ftrade为交易成本，ΔPDG为发电设备的输出功率，ΔPDR为负荷削减量，Pch为储能量，Pdis为放电量，Ptie为联络线功率。
4.根据权利要求1所述的基于自适应共识机制的分布式社区能源交易方法，其特征在于，所述步骤3中计算社区参与电力备用市场的最优备用容量FFR(k)具体包括以下步骤：
S31：获取优化时间段H内k时刻的社区从外部电网的买/卖电价格、社区向外部电网的买/卖电量、社区从外部电网的买/卖电价格以及社区向外部电网买/卖电量，执行S22；
S32：社区管理模型根据社区从外部电网的买/卖电价格、社区向外部电网的买/卖电量、社区从外部电网的买/卖电价格以及社区向外部电网买/卖电量计算社区参与电力备用市场的最优备用容量FFR(k)。
5.根据权利要求1-4任意一项所述的基于自适应共识机制的分布式社区能源交易方法，其特征在于，所述S4具体包括以下步骤，
S41：更新多微网间的共识价格
执行S42；
S42：根据Pref，CA(k)及联络线功率Ptie计算多微网聚合的能量流之间的不匹配功率ΔP，
其中，τ为迭代次数，执行S43；
S43：判断不匹配功率ΔP的值是否低于容忍阈值∈tol，若是，各微网动态模型优化完成，完成各微网的最优控制策略选择，若否，执行S44；
S44：τ＝τ+1，进行下一次迭代，执行S41。
6.根据权利要求1-4任意一项所述的基于自适应共识机制的分布式社区能源交易方法，其特征在于，所述S4具体包括以下步骤，
S41：更新多微网间的共识价格
执行S42；
S42：根据Pref，CA(k)及联络线功率Ptie计算多微网聚合的能量流之间的不匹配功率ΔP，
其中，τ为迭代次数，执行S43；
S43：判断迭代次数τ是否为最大迭代次数τmax，若是，完成各微网的最优控制策略选择，若否，执行S44；
S44：τ＝τ+1，进行下一次迭代，执行S41。
7.一种基于自适应共识机制的分布式社区能源交易系统，其特征在于，包括，
社区管理模型，用于根据社区能源交易初始价格
计算社区能源系统的供需数据，并计算社区参与电力备用市场的最优备用容量FFR(k)及社区能源系统能量轨迹Pref，CA(k)；
多个微网动态模型，根据社区能源交易初始价格
计算预测供需数据；
微网交互模型，用于完成多个微网之间的交互，计算多微网间的共识价格
依据社区能源系统能量轨迹Pref，CA(k)进行判断，得到各微网的最优控制策略。
8.根据权利要求7所述的基于自适应共识机制的分布式社区能源交易方法，其特征在于，所述微网动态模型采用模型预测控制策略，通过预测优化时间段H内的供需数据实现滚动时域的优化控制。
9.根据权利要求7所述的基于自适应共识机制的分布式社区能源交易方法，其特征在于，所述社区管理模型使用权利要求4所述的方法计算社区参与电力备用市场的最优备用容量FFR(k)。
10.根据权利要求7-9任意一项所述的基于自适应共识机制的分布式社区能源交易方法，其特征在于，所述微网交互模型使用权利要求5或6所述的方法得到各微网的最优控制策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911114461.0A CN111062513B (zh) | 2019-11-14 | 2019-11-14 | 基于自适应共识机制的分布式社区能源交易系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911114461.0A CN111062513B (zh) | 2019-11-14 | 2019-11-14 | 基于自适应共识机制的分布式社区能源交易系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111062513A true CN111062513A (zh) | 2020-04-24 |
| CN111062513B CN111062513B (zh) | 2023-08-18 |
Family
ID=70297768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911114461.0A Active CN111062513B (zh) | 2019-11-14 | 2019-11-14 | 基于自适应共识机制的分布式社区能源交易系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062513B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4054045A1 (de) * | 2021-03-05 | 2022-09-07 | Siemens Aktiengesellschaft | Verfahren und steuerungsvorrichtung zum steuern von lastflüssen zwischen mehreren energiesystemen |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070192078A1 (en) * | 2006-02-14 | 2007-08-16 | Edsa Micro Corporation | Systems and methods for real-time system monitoring and predictive analysis |
| CN102103720A (zh) * | 2011-01-31 | 2011-06-22 | 南京航空航天大学 | 一种基于风险的微电网分布式发电备用优化配置方法 |
| CN102664415A (zh) * | 2012-04-27 | 2012-09-12 | 湖北省电力公司电力试验研究院 | 基于终端用户的分级微电网组网系统 |
| CN103475020A (zh) * | 2013-08-22 | 2013-12-25 | 国电联合动力技术有限公司 | 一种微电网负荷跟随运行控制方法 |
| CN104113085A (zh) * | 2014-08-05 | 2014-10-22 | 华东理工大学 | 一种微电网能量优化管理方法 |
| CN106230020A (zh) * | 2016-08-11 | 2016-12-14 | 浙江工业大学 | 一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法 |
| CN106651552A (zh) * | 2016-12-13 | 2017-05-10 | 四川大学 | 一种基于信息互动的分布式能源系统多代理交易竞价模型 |
| CN107220889A (zh) * | 2017-06-30 | 2017-09-29 | 四川大学 | 一种多代理框架下微网社区的分布式资源交易方法 |
| CN108988316A (zh) * | 2018-06-15 | 2018-12-11 | 四川大学 | 一种交直流混合配电系统网架结构优化配置方法 |
| US20190036340A1 (en) * | 2017-07-28 | 2019-01-31 | Florida State University Research Foundation | Optimal control technology for distributed energy resources |
| WO2019070357A1 (en) * | 2017-10-06 | 2019-04-11 | Siemens Aktiengesellschaft | METHOD AND SYSTEM FOR PLATFORM OF SECURE AND PRIVATE TERM OPERATIONS IN TRANSACTIVE MICROARRAYS |
| US20190140477A1 (en) * | 2017-11-09 | 2019-05-09 | Wisys Technology Foundation, Inc. | Micro-Grid Energy Management System |
| CN110135625A (zh) * | 2019-04-17 | 2019-08-16 | 电子科技大学 | 一种针对社区微网端对端交易的两阶段竞价方法 |
| WO2019165702A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种多微网系统的双层协调鲁棒优化调度方法 |
| CN110245810A (zh) * | 2019-07-09 | 2019-09-17 | 国网山东省电力公司聊城供电公司 | 一种区域能源互联网协调优化运行方法 |
-
2019
- 2019-11-14 CN CN201911114461.0A patent/CN111062513B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070192078A1 (en) * | 2006-02-14 | 2007-08-16 | Edsa Micro Corporation | Systems and methods for real-time system monitoring and predictive analysis |
| CN102103720A (zh) * | 2011-01-31 | 2011-06-22 | 南京航空航天大学 | 一种基于风险的微电网分布式发电备用优化配置方法 |
| CN102664415A (zh) * | 2012-04-27 | 2012-09-12 | 湖北省电力公司电力试验研究院 | 基于终端用户的分级微电网组网系统 |
| CN103475020A (zh) * | 2013-08-22 | 2013-12-25 | 国电联合动力技术有限公司 | 一种微电网负荷跟随运行控制方法 |
| CN104113085A (zh) * | 2014-08-05 | 2014-10-22 | 华东理工大学 | 一种微电网能量优化管理方法 |
| CN106230020A (zh) * | 2016-08-11 | 2016-12-14 | 浙江工业大学 | 一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法 |
| CN106651552A (zh) * | 2016-12-13 | 2017-05-10 | 四川大学 | 一种基于信息互动的分布式能源系统多代理交易竞价模型 |
| CN107220889A (zh) * | 2017-06-30 | 2017-09-29 | 四川大学 | 一种多代理框架下微网社区的分布式资源交易方法 |
| US20190036340A1 (en) * | 2017-07-28 | 2019-01-31 | Florida State University Research Foundation | Optimal control technology for distributed energy resources |
| WO2019070357A1 (en) * | 2017-10-06 | 2019-04-11 | Siemens Aktiengesellschaft | METHOD AND SYSTEM FOR PLATFORM OF SECURE AND PRIVATE TERM OPERATIONS IN TRANSACTIVE MICROARRAYS |
| US20190140477A1 (en) * | 2017-11-09 | 2019-05-09 | Wisys Technology Foundation, Inc. | Micro-Grid Energy Management System |
| WO2019165702A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种多微网系统的双层协调鲁棒优化调度方法 |
| CN108988316A (zh) * | 2018-06-15 | 2018-12-11 | 四川大学 | 一种交直流混合配电系统网架结构优化配置方法 |
| CN110135625A (zh) * | 2019-04-17 | 2019-08-16 | 电子科技大学 | 一种针对社区微网端对端交易的两阶段竞价方法 |
| CN110245810A (zh) * | 2019-07-09 | 2019-09-17 | 国网山东省电力公司聊城供电公司 | 一种区域能源互联网协调优化运行方法 |
Non-Patent Citations (10)
| Title |
|---|
| HONGJUN GAO;JUNYONG LIU;LINGFENG WANG;ZHENBO WEI: "Decentralized Energy Management for Networked Microgrids in Future Distribution Systems", vol. 33, no. 4 * |
| J. DONG;F. GAO;X. GUAN;Q. ZHAI: "Storage-Reserve Sizing With Qualified Reliability for Connected High Renewable Penetration Micro-Grid", no. 2 * |
| KATIRAEI, F.;IRAVANI, M. R.: "Power Management Strategies for a Microgrid With Multiple Distributed Generation Units.", vol. 21, no. 4, XP011149805, DOI: 10.1109/TPWRS.2006.879260 * |
| 刘晓霞;李秀芬;孙彪;: "智能用电小区功能设计与分析", no. 06 * |
| 向月;刘俊勇;刘友波;龚辉;苟竞;冯艾;: "含微网新型配电系统协调优化关键问题研究", no. 05 * |
| 季珉杰;张沛超;方陈;黄宏声;: "采用基于市场控制的微网分布式能量优化方法", no. 15 * |
| 张国芳;吕林;刘俊勇;: "考虑分布式电源的智能电网备用市场交易模型", no. 1 * |
| 李雪松;滕欢;郭宁;梁梦可;吴泽穹;: "基于改进多目标粒子群算法的微网双层优化调度策略", no. 05 * |
| 段小宇;胡泽春;崔岩;郭子榛;曹曦;丁宁;张杨;: "长时间尺度下的电动汽车有序充放电调度", no. 12 * |
| 许志荣;杨苹;黄梓健;刘泽健;张育嘉;: "基于多进程的多微网分层控制仿真平台", no. 02 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4054045A1 (de) * | 2021-03-05 | 2022-09-07 | Siemens Aktiengesellschaft | Verfahren und steuerungsvorrichtung zum steuern von lastflüssen zwischen mehreren energiesystemen |
| WO2022184393A1 (de) * | 2021-03-05 | 2022-09-09 | Siemens Aktiengesellschaft | Verfahren und steuerungsvorrichtung zum steuern von lastflüssen zwischen mehreren energiesystemen |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111062513B (zh) | 2023-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Trading strategy and benefit optimization of load aggregators in integrated energy systems considering integrated demand response: A hierarchical Stackelberg game | |
| Guo et al. | Resilient configuration approach of integrated community energy system considering integrated demand response under uncertainty | |
| Chen et al. | Research on day-ahead transactions between multi-microgrid based on cooperative game model | |
| Lahon et al. | Risk‐based coalition of cooperative microgrids in electricity market environment | |
| CN111815369B (zh) | 一种基于深度强化学习的多能源系统能量调度方法 | |
| CN106548291A (zh) | 一种基于Shapley值的微电网运行效益分配方法 | |
| Dadashi et al. | Coordination of wind power producers with an energy storage system for the optimal participation in wholesale electricity markets | |
| Zhang et al. | Optimal selection of energy storage system sharing schemes in industrial parks considering battery degradation | |
| Bafrani et al. | Reliability and reserve in day ahead joint energy and reserve market stochastic scheduling in presence of compressed air energy storage | |
| Peng et al. | Review on bidding strategies for renewable energy power producers participating in electricity spot markets | |
| CN109670838B (zh) | 一种互联型能源系统风险交易的规避方法及系统 | |
| Zeng et al. | Optimal configuration planning of vehicle sharing station-based electro-hydrogen micro-energy systems for transportation decarbonization | |
| Wang et al. | A risk-averse day-ahead bidding strategy of transactive energy sharing microgrids with data-driven chance constraints | |
| Ju et al. | Data-driven two-stage robust optimization dispatching model and benefit allocation strategy for a novel virtual power plant considering carbon-green certificate equivalence conversion mechanism | |
| CN113765105A (zh) | 基于动态随机模型的微电网群能量管理方法 | |
| Zhang et al. | Optimal operation of multi-integrated energy system based on multi-level Nash multi-stage robust | |
| CN111062513B (zh) | 基于自适应共识机制的分布式社区能源交易系统及方法 | |
| Kaps et al. | When the wind of change blows, build batteries? Optimum renewable generation and energy storage investments | |
| Liu et al. | Reliability-constrained bi-level collaborative planning of distribution network and micro-energy grid | |
| CN117332937A (zh) | 一种考虑需求响应的多能互补虚拟电厂经济调度方法 | |
| CN111310111A (zh) | 多微电网系统协同优化调度模型与动态链接行为分析方法 | |
| Jiang et al. | Monthly electricity purchase and decomposition optimization considering wind power accommodation and day-ahead schedule | |
| CN116777235A (zh) | 一种商业和公共动态博弈的电力系统风险规避投资方法 | |
| Zhong et al. | A logic-based geometrical model for the next day operation of PV-battery systems | |
| CN115441494A (zh) | 基于柔性直流互联系统的换流站容量优化配置方法和装置 |
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 |