CN111832807B - 计及负荷特性和需求响应的多微电网协调优化调度方法 - Google Patents
计及负荷特性和需求响应的多微电网协调优化调度方法 Download PDFInfo
- Publication number
- CN111832807B CN111832807B CN202010524060.9A CN202010524060A CN111832807B CN 111832807 B CN111832807 B CN 111832807B CN 202010524060 A CN202010524060 A CN 202010524060A CN 111832807 B CN111832807 B CN 111832807B
- Authority
- CN
- China
- Prior art keywords
- micro
- grid
- load
- power
- price
- 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
Links
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种计及负荷特性和需求响应的多微电网协调优化调度方法。首先针对不同类型的微电网建立了不同的负荷电价特性模型和需求侧响应成本函数模型。然后以多微电网协调优化调度总成本最小为目标的优化模型,采用改进的人工鱼算法对其进行求解。并考虑了用户的非理性行为,设置需求侧响应的满意度阈值,当微电网用户的满意度低于阈值时,按阈值参与需求侧响应,更新后优化问题后重新迭代求解,直到满足迭代次数或各微电网用户的满意度均高于阈值;否则各微电网用户均取满意度值为阈值参与需求侧响应。因此本发明得到的多微电网协调调度结果更具有现实意义。
Description
技术领域
本发明属于多微电网协调优化调度技术领域,具体涉及一种计及负荷特性和需求响应的多微电网协调优化调度方法。
背景技术
近年来,随着传统能源的日益枯竭以及以煤炭为主的能源结构压力和生态环境的日益恶化,微电网技术的发展为可再生能源的风光消纳提供了灵活的技术途径,也为主动配电网的运行和控制提供了友好接口。
随着微电网接入配电网的数量逐渐增多,如何协调调度各个微电网的电源、储能系统和负荷以降低多微电网运行的成本具有很重要的研究意义。而现有的多微电网协调优化调度研究主要集中在如何安排微电网中各微源出力,对负荷进行最优分配和协调微电网购售电等方面,对不同负荷类型微电网以及不同特性负荷参与的需求侧响应特性的精细化建模考虑的不够。此外,还需要考虑用户的非理性行为,也就是并非所有用户都会牺牲自己的满意度来换取微电网运行的经济性。因此还需对计及负荷特性和需求响应的多微电网协调优化调度方法进行深入的研究。
发明内容
本发明将微电网根据负荷的特性分为三类:居民型微电网、商业型微电网和工业型微电网。针对三类微电网对激励价格的敏感性不同分别建立了对应的价格模型和需求侧响应收益函数,在此基础上考虑了用户的满意度约束,以多微电网系统的经济成本和环保成本最低为优化目标建立了多微电网日前协调优化调度模型。本发明研究的微电网主要包括光伏发电单元(PV)、风力发电单元(WT)、柴油发电机(DE)、储能系统(BT)和负荷单元。本发明的具体步骤如下:
步骤1、将各微电网根据自身负荷特性将其分为居民型微电网、商业型微电网和工业型微电网;
步骤2、输入不同类型微电网的平均电价、电价的上调系数、下调系数、价格补偿系数、弹性系数以及微电网间交易电价;
步骤3、建立不同类型微电网对应的价格模型;
(1)居民型微电网电价模型
将居民电价分为3档,表示为:
上式中:λ1.h(t)、λ2.h(t)、λ3.h(t)分别为居民型微电网在时刻t的下的3档电价;H1、H2、H3分别对应3档电价与平均电价的比值,不同时段对应的比值如式(2)和式(3)所示。λh为未参加需求响应前的电价,取0.5元/kWh,第一、二档分档电量分别为Q1、Q2,ΔPL.1(t)表示用电量;
(2)商业型微电网电价模型
针对商业型微电网采用分时电价模型,其中峰谷电价是在平均电价的基础上调整得到,可表示为:
上式中:分别为商业型微电网的负荷峰时电价和谷时电价,λs为商业微电网的平均电价,取0.9元/kWh,/>分别为峰时电价和谷时电价的上调系数和下调系数,可分别取0.5和0.6。
(3)工业型微电网负荷电价模型
工业用电负荷按照负荷的重要程度将其分为三级,一级为重要负荷,不允许参与调度,二级负荷和三级负荷均可参与,但优惠电价比例分别为1.1和0.2,其负荷比例为10%和15%,其电价模型表示为:
上式中:分别为工业型微电网的负荷峰时电价和谷时电价,λg为商业微电网的平均电价,取0.6元/kWh,α%、β%分别为在备用线路下用户电价的增长率和下降率,分别取0.6和0.6。
步骤4、建立不同类型微电网参与需求侧响应后的成本计算模型。居民型负荷和商业型负荷会产生明显的峰谷差,而工业型微电网其用电波动性较弱。当考虑互弹性价格系数时,会造成用户在高用电量还会有负荷转移到此时段,故居民型和商业型不考虑互弹性价格系数,而工业型微电网由于用电负荷峰值不明显,在考虑自身的用电可靠性上,考虑了互弹性价格系数。
自弹性价格系数表示为:
式中ε表示自弹性价格系数,PL(t)、ΔPL(t)分别为需求响应前后时刻t的用电负荷和负荷变化量;λ(t)、Δλ(t)分别为需求响应前后时刻t的用电价格和价格变化量。
考虑负荷需求侧响应后,微电网成本表示为:
对于居民型和商业型微电网来讲,利用式(6)和(7)可化简得:
其中:
上式中:λm(t)、Δλm(t)分别为居民型和商业型微电网m需求响应前后时刻t的用电价格和价格变化量,PL.m(t)、ΔPL.m(t)分别为居民型和商业型微电网m需求响应前后时刻t的用电负荷和负荷变化量,T为日前优化调度周期,为一天24小时,Cm.DR表示微电网m需求响应前后的电力成本,由电量和电价决定,Rm为微电网m的优惠电价比例,居民和商业型微电网分别取0.15、0.2;
而对于工业型微电网,由于既考虑自弹性价格系数又考虑互弹性价格系数,因此负荷需求表示为:
式中λt分别为需求响应前后的用电价格,εst表示电力需求价格弹性,s、t代表时间,当s=t时,被称为自弹性,当s≠t时,被称为交叉弹性,PL.g(t)、ΔPL.g(t)为工业型微电网需求响应前后时刻t的用电负荷和负荷变化量。
考虑负荷需求侧响应后,工业型微电网的成本利用式(7)和(10)化简得:
其中Cg.DR表示工业型微电网需求响应前后的电力成本,λg(t)、Δλg(t)分别为工业型微电网需求响应前后时刻t的用电价格和价格变化量。
综上所述得到多微电网参与需求响应的总成本为:
CDR=Ch.DR+Cs.DR+Cg.DR (12)
其中Ch.DR表示居民微电网需求响应前后的电力成本、Cs.DR表示商业型微电网需求响应前后的电力成本;
步骤5、建立计及负荷特性和需求响应的多微电网协调优化调度模型
(1)目标函数
并网多微电网协调优化调度的运行成本包括了各个微电源发电成本、微电网与微电网之间能量交互费用、微电网与大电网之间的能量交互费用、环境成本、微电源维护费用和微电网负荷参与需求侧响应的费用。其中各微电网中微电源的维护成本Cm.O表示为:
式中:KO.PV,KO.WT,KO.BT,KO.DE分别为光伏发电单元PV,风力发电单元WT,储能系统BT,柴油发电机DE的成本维护系数,PPV.m(t)表示t时刻微电网m的光伏出力,PWT.m(t)表示t时刻微电网m的风机出力,PBT.m(t)表示t时刻微电网m的储能出力,PDE.m(t)表示t时刻微电网m的柴油机出力。
柴油机的发电成本表示为:
上式中:a,b,c分别为柴油发电机的成本系数;
微电网间的交易成本为:
式中:Cm.sell表示微电网m出售给电网的电价,Cm.buy表示微电网m从电网购电的电价,Ckm(t)表示t时刻微电网k和m间交易的电价,Pkm(t)表示t时刻微电网k与微电网m的交互功率。当Pkm(t)>0时,表示微电网k向微电网m购电,反之售电,Pkm(t)=-Pmk(t)。
多微电网污染治理成本由柴油发电机和大电网产生,表示为:
式中:Ck表示处理第k种污染物所需的单位成本,σk表示发电机组的第k各污染排放因子。
考虑多微电网的需求响应成本,则并网多微电网协调优化调度的运行成本表示为:
F=Cm.O+Cm.de+Cm.net+Cm.en+CDR (17)
(2)该优化调度模型的约束条件有:
1)功率平衡约束:
Pm(t)+Pkm(t)+PWT.m(t)+PPV.m(t)+PDE.m(t)-PBT.m(t)=PL.m(t)-ΔPL.m(t) (18)
2)机组出力上下限约束:
Pi.m.min(t)<Pi.m(t)<Pi.m.max(t) (19)
上式中:Pi.m.min(t)、Pm.max(t)分别为微电网m中可控微源i的输出功率下限和上限;
3)柴油机机组爬坡约束
Pi.m(t)-Pi.m(t-1)<Pi.m.up (20)
上式表示柴油机机组的上行爬坡功率限制。
Pi.m(t-1)-Pi.m(t)<Pi.m.down (21)
上式表示柴油机机组的下行爬坡功率限制。
4)储能系统充放电约束:
PBT.m.min(t)<PBT.m(t)<PBT.m.max(t) (22)
上式中:EBT.m(t)为第m个微电网前t个时间段的储能充放电之和。
5)微电网之间传输功率约束
各个微电网之间能够直接传输功率,功率约束范围为:
Pkm.min(t)<Pkm(t)<Pkm.max(t) (24)
上式中:Pkm.min(t)、Pkm.max(t)分别为微电网k与微电网m之间传输功率下限和上限;
6)微电网与配电网传输功率约束
微电网与配电网的传输功率限制范围为:
Pm.min(t)<Pm(t)<Pm.max(t) (25)
上式中:Pm.min(t)、Pm.max(t)分别为微电网m与配电网之间传输功率下限和上限;
步骤6、确定目标函数和优化变量后,利用改进的人工鱼算法对该优化调度模型进行求解,具体步骤如下:
(1)算法初始化:设定人工鱼群算法中的初始人工鱼的规模M、人工鱼所在初始位置、初始位置对应的函数值作为最初公告板、人工鱼的视野Visual、拥挤度因子、最大迭代次数D、每一代人工鱼的最大尝试次数Try_number;
(2)调整视野范围并确定视步系数a,0<a<1,将步长表示为:
Step=a·Visual (26)
(3)通过聚群、追尾、改进的觅食、随机行为,每条人工鱼会不断地更新自己所处的位置。移动方向表示为:
式中:是人工鱼i在时刻t的位置,/>是人工鱼移动后的位置,Xj是目标点位置,Step·rand()是人工鱼的移动范围;
(4)计算每条人工鱼所在位置对应的函数值,并把该函数值与公告板作比较,如果优于公告板,则把该值赋值给公告板;
(5)检查终止条件:是否达到迭代次数或者是否满足求解精度要求,如果满足则输出公告板的值;反之执行第(3)步;
(6)输出最终结果;
步骤7、利用式(28)计算每个微网的满意度指标A,当各微电网满意度高于阈值时,此时的优化结果即为最终结果,当出现微电网的满意度低于阈值0.9时,将其微电网负荷以最低阈值0.9参与需求侧响应的调度,其他微电网正常参与,返回步骤5重新进行多微电网协调优化调度计算,直到满足迭代次数或者各微电网的满意度均高于阈值;否则各微电网负荷均取满意度值为0.9参与需求侧响应。
本发明方法具有的优点及有益结果为:
1、本发明针对居民型微电网、商业型微电网和工业型微电网不同的负荷特性,建立了不同类型微电网负荷的电价特性模型和参与需求侧响应的成本计算模型,使得所建模型更贴近实际情况,从而得到的优化结果也更具有现实意义。
2、考虑了用户的非理性行为,设置了微电网用户参与需求侧响应的满意度阈值。当微电网用户的满意度低于阈值时,尽管从数值上看用户还有参与需求侧响应的能力,但由于会影响用户的满意度,所以用户不会增加参与需求侧响应的功率值。
3、本发明采用改进的人工鱼算法,对算法的步长和视野进行拓宽,有助于人工鱼迅速发现全局最优值并向其靠近,不但克服了算法陷入局部最优解,而且又提高了寻优精度和收敛速度。
附图说明
图1是具体实例中各微电网的负荷预测图;
图2是具体实例各微电网的实时光伏发电预测图;
图3是具体实例各微电网的实时风机发电预测图;
图4是配电网与各微电网交互功率图;
图5是各微电网之间的交互功率图;
图6是各微电网中柴油发电机的出力图;
图7是各微电网中储能系统SOC的出力图;
具体实施方式
下面结合具体实施例对本发明进行详细的说明,但不应该理解为本发明上述主题范围仅限于下述实施实例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。
本实施例中,多类型微电网包括居民型微电网1、商业型微电网2和工业型微电网3的用电系统进行了为期一天的协调调度,各微电网分布式发电装置组成如表1所示,计算周期为1天,分24个时段,每个时段持续时间为1h。微电网1、2、3的柴油机的爬坡功率都为30kW,储能蓄电池的充放电效率设为3,蓄电池的SOC设为0.1-1,自放电率设为0,充放电率设为1。如图4所示,微电网和配电网之间的传输功率约束为60kW,如图5所示,微电网之间的传输功率约束设为30kW;如图6、图7所示为各微电网中柴油发电机和储能系统SOC的出力图;
表1各微电网分布式发电信息表
微电网 | MG1 | MG2 | MG3 |
风机容量/kW | 80 | 140 | 150 |
光伏容量/kW | 70 | 50 | 50 |
储能容量/kWh | 15 | 10 | 10 |
柴油发电机/kW | 60 | 50 | 40 |
各微电网的负荷预测图、光伏发电预测图和风机发电预测图如图1-3所示。
微电网中各微源成本维护系数如表2所示,柴油发电机的参数如表3所示。
表2各微源的维护成本(单位:元/kW)
光伏(PV) | 风机(WT) | 储能(BT) | 柴油发电机(DE) |
0.03 | 0.05 | 0.05 | 0.06 |
表3柴油机发电成本系数
微电网的污染物排放因子及处理成本如表4所示:
表4污染物排放因子及处理成本
配电网采用的是分时电价,设定谷时段为23:00-7:00,平时段为7:00-11:00,15:00-18:00,21:00-23:00,峰时段为11:00-15:00,18:00-21:00,微电网之间进行能量交互时的电价为0.7元/kWh。居民型微电网的价格弹性系数为-0.05,其分档电量Q1、Q2分别为15kWh、45kWh。商业型微电网的价格弹性系数为-0.12,工业型微电网的自弹性系数为-0.38,交叉弹性系数峰平谷时段分别为0.03,0.30,0.03。
步骤1、将各微电网根据自身负荷特性将其分为居民型微电网、商业型微电网和工业型微电网。
步骤2、输入不同类型微电网的平均电价、电价的上调系数、下调系数、价格补偿系数、弹性系数以及微电网间交易电价。
步骤3、建立不同类型微电网对应的价格模型。
(1)居民型微电网电价模型
将居民电价分为3档,可表示为:
上式中:λ1.h(t)、λ2.h(t)、λ3.h(t)分别为居民型微电网在时刻t的下的3档电价;H1、H2、H3分别对应3档电价与平均电价的比值,不同时段对应的比值如式(2)和式(3)所示。λh为未参加需求响应前的电价,取0.5元/kWh,第一、二档分档电量分别为Q1、Q2。
(2)商业型微电网电价模型
针对商业型微电网可采用分时电价模型,其中峰谷电价是在平均电价的基础上调整得到,可表示为:
上式中:分别为商业型微电网的负荷峰时电价和谷时电价,λs为商业微电网的平均电价,取0.9元/kWh,/>分别为峰时电价和谷时电价的上调系数和下调系数,可分别取0.5和0.6。
(3)工业型微电网负荷电价模型
工业用电负荷按照负荷的重要程度可将其分为三级,一级为重要负荷,不允许参与调度,二级负荷和三级负荷均可参与,但优惠电价比例分别为1.1和0.2,其负荷比例为10%和15%,其电价模型可表示为:
上式中:分别为工业型微电网的负荷峰时电价和谷时电价,λg为商业微电网的平均电价,取0.6元/kWh,α%、β%分别为在备用线路下用户电价的增长率和下降率,分别取0.6和0.6。
步骤4、建立不同类型微电网参与需求侧响应后的成本计算模型。居民型负荷和商业型负荷会产生明显的峰谷差,而工业型微电网其用电波动性较弱。当考虑互弹性价格系数时,会造成用户在高用电量还会有负荷转移到此时段,故居民型和商业型不考虑互弹性价格系数,而工业型微电网由于用电负荷峰值不明显,在考虑自身的用电可靠性上,考虑了互弹性价格系数。
自弹性价格系数可表示为:
式中ε表示自弹性价格系数,PL(t)、ΔPL(t)分别为需求响应前后时刻t的用电负荷和负荷变化量;λ(t)、Δλ(t)分别为需求响应前后时刻t的用电价格和价格变化量。
考虑负荷需求侧响应后,微电网成本可以表示为:
对于居民型和商业型微电网来讲,利用式(6)和(7)可化简得:
其中:
上式中:T为日前优化调度周期,为一天24小时,Cm.DR表示微电网m需求响应前后的电力成本,主要由电量和电价决定,Rm为微电网m的优惠电价比例,居民和商业型微电网分别取0.15、0.2。
而对于工业型微电网,由于既考虑自弹性价格系数又考虑互弹性价格系数,因此负荷需求可表示为:
式中λt分别为需求响应前后的用电价格,s、t代表时间,当s=t时,被称为自弹性,当s≠t时,被称为交叉弹性。
考虑负荷需求侧响应后,工业型微电网的成本利用式(7)和(10)可化简得:
综上所述可以得到多微电网参与需求响应的总成本为:
CDR=Ch.DR+Cs.DR+Cg.DR (12)
步骤5、建立计及负荷特性和需求响应的多微电网协调优化调度模型
(1)目标函数
并网多微电网协调优化调度的运行成本包括了各个微电源发电成本、微电网与微电网之间能量交互费用、微电网与大电网之间的能量交互费用、环境成本、微电源维护费用和微电网负荷参与需求侧响应的费用。其中各微电网中微电源的维护成本Cm.O可表示为:
式中:KO.PV,KO.WT,KO.BT,KO.DE分别为PV,WT,BT,DE的成本维护系数,PPV.m(t)表示t时刻微电网m的光伏出力,PWT.m(t)表示t时刻微电网m的风机出力,PBT.m(t)表示t时刻微电网m的储能出力,PDE.m(t)表示t时刻微电网m的柴油机出力。
柴油机的发电成本可表示为:
上式中:a,b,c分别为柴油发电机的成本系数;
微电网间的交易成本为:
式中:Cm.sell表示微电网m出售给电网的电价,Cm.buy表示微电网m从电网购电的电价,Ckm表示微电网k和m间交易的电价,Pkm(t)表示t时刻微电网k与微电网m的交互功率。当Pkm(t)>0时,表示微电网k向微电网m购电,反之售电,Pkm(t)=-Pmk(t)。
多微电网污染治理成本主要由柴油发电机和大电网产生,可表示为
式中:Ck表示处理第k种污染物所需的单位成本,σk表示发电机组的第k各污染排放因子。
考虑多微电网的需求响应成本,则并网多微电网协调优化调度的运行成本可表示为:
F=Cm.O+Cm.de+Cm.net+Cm.en+CDR (17)
(2)该优化调度模型的约束条件有:
1)功率平衡约束:
Pm(t)+Pkm(t)+PWT.m(t)+PPV.m(t)+PDE.m(t)-PBT.m(t)=PL.m(t)-ΔPL.m(t)(18)
2)机组出力上下限约束:
Pi.m.min(t)<Pi.m(t)<Pi.m.max(t) (19)
上式中:Pi.m.min(t)、Pm.max(t)分别为微电网m中可控微源i的输出功率下限和上限;
3)柴油机机组爬坡约束
Pi.m(t)-Pi.m(t-1)<Pi.m.up (20)
上式表示柴油机机组的上行爬坡功率限制。
Pi.m(t-1)-Pi.m(t)<Pi.m.down (21)
上式表示柴油机机组的下行爬坡功率限制。
4)储能系统充放电约束:
PBT.m.min(t)<PBT.m(t)<PBT.m.max(t) (22)
上式中:EBT.m(t)为第m个微电网前t个时间段的储能充放电之和。
5)微电网之间传输功率约束
各个微电网之间能够直接传输功率,功率约束范围为:
Pkm.min(t)<Pkm(t)<Pkm.max(t) (24)
上式中:Pkm.min(t)、Pkm.max(t)分别为微电网k与微电网m之间传输功率下限和上限;
6)微电网与配电网传输功率约束
微电网与配电网的传输功率限制范围为:
Pm.min(t)<Pm(t)<Pm.max(t) (25)
上式中:Pm.min(t)、Pm.max(t)分别为微电网m与配电网之间传输功率下限和上限;
步骤6、确定目标函数和优化变量后,利用改进的人工鱼算法对该优化调度模型进行求解,具体步骤如下:
(1)算法初始化:设定人工鱼群算法中的初始人工鱼的规模M、人工鱼所在初始位置、初始位置对应的函数值作为最初公告板、人工鱼的视野Visual、拥挤度因子、最大迭代次数D、每一代人工鱼的最大尝试次数Try_number;
(2)调整视野范围并确定视步系数a(0<a<1),将步长表示为:
Step=a·Visual (26)
(4)通过聚群、追尾、改进的觅食、随机行为,每条人工鱼会不断地更新自己所处的位置。移动方向可表示为:
式中:是人工鱼i在时刻t的位置,/>是人工鱼移动后的位置,Xj是目标点位置,Step·rand()是人工鱼的移动范围;
(4)计算每条人工鱼所在位置对应的函数值,并把该函数值与公告板作比较,如果优于公告板,则把该值赋值给公告板;
(5)检查终止条件(是否达到迭代次数或者是否满足求解精度要求),如果满足则输出公告板的值;反之执行第(3)步;
(6)输出最终结果;
步骤7、利用式(28)计算每个微网的满意度指标A,当各微电网满意度高于阈值时,此时的优化结果即为最终结果,当出现微电网的满意度低于阈值0.9时,将其微电网负荷以最低阈值0.9参与需求侧响应的调度,其他微电网正常参与,返回步骤5重新进行多微电网协调优化调度计算,直到满足迭代次数或者各微电网的满意度均高于阈值;否则各微电网负荷均取满意度值为0.9参与需求侧响应。
本发明为计及负荷特性和需求响应的多微电网协调优化调度,对比考虑研究三种不同的情形,情形一:在多类型微电网优化调度中,只考虑综合成本,不考虑需求侧响应;情形二:考虑需求侧响应的多类型微电网优化调度;情形三:不考虑负荷满意度阈值的需求侧响应的多类型微电网优化调度。
最后表5是系统分别在三种情形下的综合运行比较。
表5三种情形下综合运行对比
由上表可知,在不考虑需求响应时,多微电网的综合成本和峰谷差率都较高,但是用户的满意度最大。考虑需求侧响应后负荷曲线的峰谷差率都有所下降,说明需求侧响应对负荷曲线有一定的削峰和填谷作用,从而降低了多微网协调优化调度的总成本。针对情形二和三,从表中可以看出如果不考虑微电网用户满意度阈值的限制时即情形三时,多微网协调优化调度的总成本最低。但是由于用户是非理性的,所以微电网3只会在一定程度上参与需求侧响应,以保证用户的满意度,也就是情形二对应的结果。此时,微电网1和2的用户会更多的参与需求侧响应,从而使得两者对应的满意度指标与情形三相比略有下降,对应的多微网协调优化调度的总成本也会有所上升。
Claims (1)
1.计及负荷特性和需求响应的多微电网协调优化调度方法,其特征在于,该方法具体包括以下步骤:
步骤1、将各微电网根据自身负荷特性将其分为居民型微电网、商业型微电网和工业型微电网;
步骤2、输入不同类型微电网的平均电价、电价的上调系数、下调系数、价格补偿系数、弹性系数以及微电网间交易电价;
步骤3、建立不同类型微电网对应的价格模型;
(1)居民型微电网电价模型
将居民电价分为3档,表示为:
上式中:λ1.h(t)、λ2.h(t)、λ3.h(t)分别为居民型微电网在时刻t的下的3档电价;H1、H2、H3分别对应3档电价与平均电价的比值,不同时段对应的比值如式(2)和式(3)所示;λh为未参加需求响应前的电价,第一、二档分档电量分别为Q1、Q2,ΔPL.1(t)表示用电量;
(2)商业型微电网电价模型
针对商业型微电网采用分时电价模型,其中峰谷电价是在平均电价的基础上调整得到,表示为:
上式中:分别为商业型微电网的负荷峰时电价和谷时电价,λs为商业微电网的平均电价,/>分别为峰时电价和谷时电价的上调系数和下调系数;
(3)工业型微电网负荷电价模型
工业用电负荷按照负荷的重要程度将其分为三级,一级为重要负荷,不允许参与调度,二级负荷和三级负荷均可参与,其电价模型表示为:
上式中:分别为工业型微电网的负荷峰时电价和谷时电价,λg为商业微电网的平均电价,α%、β%分别为在备用线路下用户电价的增长率和下降率;
步骤4、建立不同类型微电网参与需求侧响应后的成本计算模型;居民型负荷和商业型负荷会产生明显的峰谷差,而工业型微电网其用电波动性较弱;当考虑互弹性价格系数时,会造成用户在高用电量还会有负荷转移到此时段,故居民型和商业型不考虑互弹性价格系数,而工业型微电网由于用电负荷峰值不明显,在考虑自身的用电可靠性上,考虑了互弹性价格系数;
自弹性价格系数表示为:
式中ε表示自弹性价格系数,PL(t)、ΔPL(t)分别为需求响应前后时刻t的用电负荷和负荷变化量;λ(t)、Δλ(t)分别为需求响应前后时刻t的用电价格和价格变化量;
考虑负荷需求侧响应后,微电网成本表示为:
对于居民型和商业型微电网来讲,利用式(6)和(7)可化简得:
其中:
上式中:λm(t)、Δλm(t)分别为居民型和商业型微电网m需求响应前后时刻t的用电价格和价格变化量,εm表示微电网m的价格弹性系数,PL.m(t)、ΔPL.m(t)分别为居民型和商业型微电网m需求响应前后时刻t的用电负荷和负荷变化量,T为日前优化调度周期,为一天24小时,Cm.DR表示微电网m需求响应前后的电力成本,由电量和电价决定,Rm为微电网m的优惠电价比例;
而对于工业型微电网,由于既考虑自弹性价格系数又考虑互弹性价格系数,因此负荷需求表示为:
式中λt分别为需求响应前后的用电价格,εst表示电力需求价格弹性,s、t代表时间,当s=t时,被称为自弹性,当s≠t时,被称为交叉弹性,PL.g(t)、ΔPL.g(t)为工业型微电网需求响应前后时刻t的用电负荷和负荷变化量;
考虑负荷需求侧响应后,工业型微电网的成本利用式(7)和(10)化简得:
其中Cg.DR表示工业型微电网需求响应前后的电力成本,λg(t)、Δλg(t)分别为工业型微电网需求响应前后时刻t的用电价格和价格变化量;
综上所述得到多微电网参与需求响应的总成本为:
CDR=Ch.DR+Cs.DR+Cg.DR (12)
其中Ch.DR表示居民微电网需求响应前后的电力成本、Cs.DR表示商业型微电网需求响应前后的电力成本;
步骤5、建立计及负荷特性和需求响应的多微电网协调优化调度模型
(1)目标函数
并网多微电网协调优化调度的运行成本包括了各个微电源发电成本、微电网与微电网之间能量交互费用、微电网与大电网之间的能量交互费用、环境成本、微电源维护费用和微电网负荷参与需求侧响应的费用;其中各微电网中微电源的维护成本Cm.O表示为:
式中:KO.PV,KO.WT,KO.BT,KO.DE分别为光伏发电单元PV,风力发电单元WT,储能系统BT,柴油发电机DE的成本维护系数,PPV.m(t)表示t时刻微电网m的光伏出力,PWT.m(t)表示t时刻微电网m的风机出力,PBT.m(t)表示t时刻微电网m的储能出力,PDE.m(t)表示t时刻微电网m的柴油机出力;
柴油机的发电成本表示为:
上式中:a,b,c分别为柴油发电机的成本系数;
微电网间的交易成本为:
式中:Cm.sell表示微电网m出售给电网的电价,Cm.buy表示微电网m从电网购电的电价,Ckm(t)表示t时刻微电网k和m间交易的电价,Pkm(t)表示t时刻微电网k与微电网m的交互功率;当Pkm(t)>0时,表示微电网k向微电网m购电,反之售电,Pkm(t)=-Pmk(t);
多微电网污染治理成本由柴油发电机和大电网产生,表示为:
式中:Ck表示处理第k种污染物所需的单位成本,σk表示发电机组的第k各污染排放因子,n表示微电网个数;;
考虑多微电网的需求响应成本,则并网多微电网协调优化调度的运行成本表示为:
F=Cm.O+Cm.de+Cm.net+Cm.en+CDR (17)
(2)该优化调度模型的约束条件有:
1)功率平衡约束:
Pm(t)+Pkm(t)+PWT.m(t)+PPV.m(t)+PDE.m(t)-PBT.m(t)=PL.m(t)-ΔPL.m(t) (18)
2)机组出力上下限约束:
Pi.m.min(t)<Pi.m(t)<Pi.m.max(t) (19)
上式中:Pi.m.min(t)、Pi.m.max(t)分别为微电网m中可控微源i的输出功率下限和上限;
3)柴油机机组爬坡约束
Pi.m(t)-Pi.m(t-1)<Pi.m.up (20)
上式表示柴油机机组的上行爬坡功率限制;
Pi.m(t-1)-Pi.m(t)<Pi.m.down (21)
上式表示柴油机机组的下行爬坡功率限制;
4)储能系统充放电约束:
PBT.m.min(t)<PBT.m(t)<PBT.m.max(t) (22)
上式中:EBT.m(t)为第m个微电网前t个时间段的储能充放电之和;
5)微电网之间传输功率约束
各个微电网之间能够直接传输功率,功率约束范围为:
Pkm.min(t)<Pkm(t)<Pkm.max(t) (24)
上式中:Pkm.min(t)、Pkm.max(t)分别为微电网k与微电网m之间传输功率下限和上限;
6)微电网与配电网传输功率约束
微电网与配电网的传输功率限制范围为:
Pm.min(t)<Pm(t)<Pm.max(t) (25)
上式中:Pm.min(t)、Pm.max(t)分别为微电网m与配电网之间传输功率下限和上限;
步骤6、确定目标函数和优化变量后,利用改进的人工鱼算法对该优化调度模型进行求解,具体步骤如下:
(1)算法初始化:设定人工鱼群算法中的初始人工鱼的规模M、人工鱼所在初始位置、初始位置对应的函数值作为最初公告板、人工鱼的视野Visual、拥挤度因子、最大迭代次数D、每一代人工鱼的最大尝试次数Try_number;
(2)调整视野范围并确定视步系数a,0<a<1,将步长表示为:
Step=a·Visual (26)
(3)通过聚群、追尾、改进的觅食、随机行为,每条人工鱼会不断地更新自己所处的位置;移动方向表示为:
式中:是人工鱼i在时刻t的位置,/>是人工鱼移动后的位置,Xj是目标点位置,Step·rand()是人工鱼的移动范围;
(4)计算每条人工鱼所在位置对应的函数值,并把该函数值与公告板作比较,如果优于公告板,则把该值赋值给公告板;
(5)检查终止条件:是否达到迭代次数或者是否满足求解精度要求,如果满足则输出公告板的值;反之执行第(3)步;
(6)输出最终结果;
步骤7、利用式(28)计算每个微网的满意度指标A,当各微电网满意度高于阈值时,此时的优化结果即为最终结果,当出现微电网的满意度低于阈值时,将其微电网负荷以最低阈值参与需求侧响应的调度,其他微电网正常参与,返回步骤5重新进行多微电网协调优化调度计算,直到满足迭代次数或者各微电网的满意度均高于阈值;否则各微电网负荷均取满意度值为0.9参与需求侧响应;
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010524060.9A CN111832807B (zh) | 2020-06-10 | 2020-06-10 | 计及负荷特性和需求响应的多微电网协调优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010524060.9A CN111832807B (zh) | 2020-06-10 | 2020-06-10 | 计及负荷特性和需求响应的多微电网协调优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111832807A CN111832807A (zh) | 2020-10-27 |
CN111832807B true CN111832807B (zh) | 2023-09-19 |
Family
ID=72898699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010524060.9A Active CN111832807B (zh) | 2020-06-10 | 2020-06-10 | 计及负荷特性和需求响应的多微电网协调优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111832807B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112671036A (zh) * | 2020-12-21 | 2021-04-16 | 北京华能新锐控制技术有限公司 | 一种考虑需求响应的微电网调度方法 |
CN113283709A (zh) * | 2021-04-29 | 2021-08-20 | 国网浙江省电力有限公司湖州供电公司 | 一种面向农村电网的分层分布式负荷协同调度方法 |
CN117439090B (zh) * | 2023-12-19 | 2024-04-02 | 浙江大学 | 以灵活调节系数为指标的灵活性资源配置或调度方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108462198A (zh) * | 2018-01-24 | 2018-08-28 | 三峡大学 | 一种基于多代理技术的多能互补微网优化调度方法 |
CN110994694A (zh) * | 2019-11-26 | 2020-04-10 | 国网江西省电力有限公司电力科学研究院 | 计及差异化需求响应的微电网源荷储协调优化调度方法 |
-
2020
- 2020-06-10 CN CN202010524060.9A patent/CN111832807B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108462198A (zh) * | 2018-01-24 | 2018-08-28 | 三峡大学 | 一种基于多代理技术的多能互补微网优化调度方法 |
CN110994694A (zh) * | 2019-11-26 | 2020-04-10 | 国网江西省电力有限公司电力科学研究院 | 计及差异化需求响应的微电网源荷储协调优化调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111832807A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111832807B (zh) | 计及负荷特性和需求响应的多微电网协调优化调度方法 | |
CN109523052B (zh) | 一种考虑需求响应和碳交易的虚拟电厂优化调度方法 | |
CN107017619B (zh) | 非合作博弈视角的光伏充电站网络分布式能量管理方法 | |
CN110163411A (zh) | 一种区域综合能源系统运行优化方法 | |
CN109861302B (zh) | 一种基于主从博弈的能源互联网日前优化控制方法 | |
CN110796373B (zh) | 面向风电消纳的多阶段场景生成电热系统优化调度方法 | |
CN110245794A (zh) | 考虑灵活性的多能源汇集中心火储容量双层优化方法 | |
Zhang et al. | Research on the optimal allocation method of source and storage capacity of integrated energy system considering integrated demand response | |
CN115310749A (zh) | 含大规模电动汽车的区域综合能源供需调度方法和系统 | |
CN115102231A (zh) | 一种多尺度电-碳模式下风光储场站优化控制方法和系统 | |
Liu et al. | Optimal dispatch strategy of virtual power plants using potential game theory | |
CN105930919A (zh) | 基于两阶段随机规划的虚拟电厂风险规避优化运行方法 | |
Yuanyuan et al. | Optimization scheduling method of power grid energy-saving based on fuzzy decision | |
CN113988471A (zh) | 一种微电网运行多目标优化方法 | |
Fu et al. | Research on the stackelberg game method of building micro-grid with electric vehicles | |
CN108400585B (zh) | 多辆电动汽车在微电网系统中的分布式实时能量分配方法 | |
TWI639962B (zh) | 一種應用於智慧電網之粒群最佳化模糊邏輯控制充電法 | |
CN113888204A (zh) | 多主体博弈的虚拟电厂容量优化配置法 | |
CN116061742B (zh) | 一种分时电价光伏园区内电动汽车的充电控制方法和系统 | |
CN104112168A (zh) | 一种基于多代理系统的智能家居经济优化方法 | |
CN115730747A (zh) | 一种综合能源系统多主体利益分配方法及其应用 | |
CN116402307A (zh) | 考虑可调度柔性资源运行特性的电网规划容量分析方法 | |
CN115293485A (zh) | 考虑电动汽车和需求响应的综合能源系统低碳调度方法 | |
Mohseni et al. | A game-theoretic approach to model interruptible loads: application to micro-grid planning | |
Du et al. | Day-ahead bidding strategy for the smart-building virtual power plant participating in energy and frequency regulation 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 |