CN111915161A - 基于可调鲁棒算法的区域光储充系统短期调度方法和系统 - Google Patents

基于可调鲁棒算法的区域光储充系统短期调度方法和系统 Download PDF

Info

Publication number
CN111915161A
CN111915161A CN202010682347.4A CN202010682347A CN111915161A CN 111915161 A CN111915161 A CN 111915161A CN 202010682347 A CN202010682347 A CN 202010682347A CN 111915161 A CN111915161 A CN 111915161A
Authority
CN
China
Prior art keywords
power
charging
scheduling
charging system
power station
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
Application number
CN202010682347.4A
Other languages
English (en)
Other versions
CN111915161B (zh
Inventor
彭道刚
张�浩
李璞皓
赵慧荣
曹一纯
王丹豪
徐樾
吴腾飞
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.)
Shanghai Shunyi Energy Technology Co ltd
State Grid Shanghai Electric Power Co Ltd
Original Assignee
Shanghai Electric Power University
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 Shanghai Electric Power University filed Critical Shanghai Electric Power University
Priority to CN202010682347.4A priority Critical patent/CN111915161B/zh
Publication of CN111915161A publication Critical patent/CN111915161A/zh
Application granted granted Critical
Publication of CN111915161B publication Critical patent/CN111915161B/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
    • G06Q10/06—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
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Water Supply & Treatment (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及一种基于可调鲁棒算法的区域光储充系统短期调度方法和系统，方法包括：获取区域内各节点信息；根据获取的信息建立光伏电站输出功率的集合模型，同时引入调度间隔系数，建立电动汽车充电站充电需求功率的集合模型，进而建立光储充系统日前调度模型，光储充系统日前调度模型包括实现系统运行和环境治理成本最低的目标函数和对应的约束条件；设置鲁棒参数Γ，并采用拉格朗日松弛算法对光储充系统日前调度模型进行求解；制定日前调度计划进行短期调度。与现有技术相比，本发明实现光伏电站、储能电站和电动汽车充电站组成的微电网系统的优化调度，提高光伏电站的利用效率和环保效益，同时也保证了系统自身运行的稳定性。

Description

基于可调鲁棒算法的区域光储充系统短期调度方法和系统
技术领域
本发明涉及电力系统调度领域，尤其是涉及一种基于可调鲁棒算法的区域光储充系统短期调度方法和系统。
背景技术
资源枯竭、环境污染以及全球气候变化等所带来的现实环境难题促使建立在化石能源现代化基础上的能源发展管理方式正亟待转型和调整。可再生清洁能源如何有效地开发利用已成为当今的研究重点。在智能电网建设中，实现电动汽车充电站与可再生能源的有机集成，对二者的应用都存在促进作用，也助于提高整体运行的经济和环境效益。可再生能源发电可降低电动汽车充电站对化石燃料的依赖，同时，电动汽车充电站又能协助解决可再生能源的间歇性问题，通过集成系统实现电动汽车充电站对可再生能源发电的就地消纳利用，可降低简单接入电网造成的不良影响，可再生分布式电源就地服务于电动汽车充电，将减少其远距离输送电能的容量，使长线路输送过程产生的功率损耗得到明显改善。因此，如何实现光伏发电和储能等新型能源与电动汽车充电站结合的调度，以期提高可再生能源的利用效率，同时，兼顾环保效益是目前亟需解决的问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于可调鲁棒算法的区域光储充系统短期调度方法和系统，以期提高电网中可再生能源的利用效率，同时提高运行稳定性和环保效益。
本发明的目的可以通过以下技术方案来实现：
一种基于可调鲁棒算法的区域光储充系统短期调度方法，所述的区域光储充系统为设定区域内的光伏电站、储能电站和电动汽车充电站组成的电网系统，其特征在于，调度方法包括以下步骤：
S1、获取区域内各光伏电站、储能电站和电动汽车充电站的节点信息；
S2、根据获取的信息建立光伏电站输出功率的集合模型，同时引入调度间隔系数，建立电动汽车充电站充电需求功率的集合模型，进而建立光储充系统日前调度模型，所述的光储充系统日前调度模型包括实现系统运行和环境治理成本最低的目标函数和对应的约束条件；
S3、设置鲁棒参数Γ，并采用拉格朗日松弛算法对光储充系统日前调度模型进行求解；
S4、根据求得的最优解制定日前调度计划进行短期调度；
其中，所述的光储充系统日前调度模型的目标函数为：
Min{Sup C1+C2}
Figure BDA0002586304810000021
Figure BDA0002586304810000022
式中，C1是系统的日运行成本，C2是环境处理成本，T为时段，
Figure BDA0002586304810000023
为t时刻光伏电站的运维成本，下标0表示基准场景，
Figure BDA0002586304810000024
为t时刻储能电站的调度成本，
Figure BDA0002586304810000025
为电动汽车电池退化成本，
Figure BDA0002586304810000026
为t时刻系统与外部主网的日功率交换成本，Ch为第h个污染物排放的处理成本，ugrid,t是外部电网的排放物污染系数，
Figure BDA0002586304810000027
为光伏电站输出功率。
进一步地，所述的约束条件包括以下约束条件的一个或多个：光伏电站出力约束、储能电站出力约束、电动汽车充电功率约束、光储充系统功率平衡约束和经济调度约束。
进一步地，所述的光伏电站出力约束表达式为：
Figure BDA0002586304810000028
式中，
Figure BDA0002586304810000029
为t时刻光伏电站的输出功率，
Figure BDA00025863048100000210
为t时刻光伏电站的最大允许输出功率。
进一步地，所述的储能电站出力约束表达式为：
Figure BDA00025863048100000211
Figure BDA00025863048100000212
Figure BDA00025863048100000213
式中，
Figure BDA0002586304810000031
为t时刻储能电站充电功率，
Figure BDA0002586304810000032
和
Figure BDA0002586304810000033
分别为t时刻储能电站的最大充、放电功率，
Figure BDA0002586304810000034
和
Figure BDA0002586304810000035
为布尔变量，表示t时刻储能电站是否处于充、放电状态，是则为1，否则为0。
进一步地，设置引入调度间隔系数
Figure BDA0002586304810000036
单个电动汽车充电功率约束表达式为：
Figure BDA0002586304810000037
式中，
Figure BDA0002586304810000038
是第i辆电动汽车在t时刻的充电需求预测值，
Figure BDA0002586304810000039
和
Figure BDA00025863048100000310
是均值和方差，
Figure BDA00025863048100000311
和
Figure BDA00025863048100000312
是方差
Figure BDA00025863048100000313
的下界和上界，ηi,t∈[-1,1]。
进一步地，将电动汽车在园区内的停留时间分为k个时期，每个时期到达的电动汽车被定义为一组，所有电动汽车的充电功率可以表达为：
Figure BDA00025863048100000314
式中，
Figure BDA00025863048100000315
为第k组电动汽车充电功率。
进一步地，所述的光储充系统功率平衡约束表达式为：
Figure BDA00025863048100000316
式中，
Figure BDA00025863048100000317
为t时刻光伏电站的输出功率，
Figure BDA00025863048100000318
为t时刻购电负荷需求，
Figure BDA00025863048100000319
为t时刻储能电站的放电功率，
Figure BDA00025863048100000320
为t时刻储能电站充电功率，
Figure BDA00025863048100000321
为t时刻所有电动汽车的充电功率，
Figure BDA00025863048100000322
为t时刻光储充系统除电动汽车充电站外的实际用电负荷。
进一步地，所述的经济调度约束表达式为：
Figure BDA00025863048100000323
式中，
Figure BDA00025863048100000324
为t时刻光伏电站的输出功率，
Figure BDA00025863048100000325
为t时刻储能电站的输出功率，
Figure BDA00025863048100000326
为t时刻购电负荷需求，Lt是负荷储备系数，
Figure BDA00025863048100000327
为t时刻所有电动汽车的充电功率，
Figure BDA00025863048100000328
为t时刻光储充系统除电动汽车充电站外的实际用电负荷。
进一步地，所述的步骤S4中，模型求解具体包括以下步骤：
A1、根据对偶原理，对依据目标函数和和约束条件建立的光储充系统日前调度模型进行鲁棒解耦，将原问题转变为线性约束的优化问题；
A2、根据调度间隔系数确定不确定性变量Γ，如果Γ为整数，则表示只有Γ个不确定变量在整个范围内变化，其余不确定变量均为期望值；如果Γ是小数，则表示仅
Figure BDA00025863048100000329
个不确定变量在整个范围内变化，一个不确定变量在
Figure BDA00025863048100000330
个范围内变化，其余不确定变量均为期望值；
A3、通过拉格朗日松弛算法对目标进行迭代求解，直至满足约束条件为止；
A4、输出光储充系统日前调度模型的鲁棒最优解。
一种基于可调鲁棒算法的区域光储充系统短期调度系统，包括处理器和存储器，其特征在于，存储器上存储有程序，该程序被处理器执行时实现如上任一所述的光储充系统短期调度方法。
与现有技术相比，本发明具有以下有益效果：
1、本发明的调度方法在保证有效接纳光伏发电并保证全消纳的基础上，减少了系统的运行成本以及系统运行污染物排放，在提高可再生能源利用的同时，保障了环保效益，有效地保证了区域光储充系统在各种复杂运行环境下的稳定性。
2、本发明基于区域光储充系统组成联合运营系统，针对其在时空上的互补特性，有效减少了对电力系统稳定性的影响。
3、本发明提出了基于区间预测理论的鲁棒优化算法，使得可再生清洁能源优先发电上网，光伏发电被全额消纳，储能装置作为平抑电网和光伏发电并网产生波动的手段，剩余负荷部分由外部电网承担，减小了储能和光伏发电并网时的波动对电网产生的冲击。
附图说明
图1为区域光储充系统的运行示意图。
图2为本发明的流程示意图。
图3为本发明中可调鲁棒优化算法流程示意图。
图4为实施例中现有的随机优化调度计划示意图。
图5为实施例中的可调鲁棒优化下的储能运行情况示意图。
图6为实施例中的可调鲁棒优化下的电网运行情况示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
由于光伏发电和储能装置两者之间在时间和空间上具有一定的互补协调特性，而储能装置系统具有良好的调节性能，能够有效地平抑光伏出力在接入电力系统时所产生的波动性。将光伏、储能以及火电看成一个综合能源系统，构成一个以光储充为一体的互补能源系统，并通过制定相应的光储充系统调度策略使得各可再生清洁能源的运营更加平稳可控。光储充互补发电系统的联合运行图如图1所示。
光伏电站以及储能根据自身供电特性形成互补系统后，极大地保证了对可再生能源发电的就地消纳利用，降低了其简单接入对电网造成的不良影响，同时，目前火电属于稳定电源，依然是电力供应的主力，因此，光储充系统供电不足时，向外部电网购电以保证系统的稳定可靠运行，进而平抑新能源发电的随机波动性对电网的冲击，保障电力的安全供应和电力系统的稳定运行。本实施例中，在某工业园区(相当于设定区域)内设有区域能源系统，该系统包括光伏发电站、储能电站和电动汽车充电站。
如图2所示，本实施例提供了种基于可调鲁棒算法的区域光储充系统短期调度方法，包括以下步骤：
步骤S1、获取区域内各光伏电站、储能电站和电动汽车充电站的节点信息。
步骤S2、根据获取的信息建立光伏电站输出功率的集合模型，同时引入调度间隔系数，建立电动汽车充电站充电需求功率的集合模型，进而建立光储充系统日前调度模型，所述的光储充系统日前调度模型包括实现系统运行和环境治理成本最低的目标函数和对应的约束条件。
步骤S3、设置鲁棒参数Γ，并采用拉格朗日松弛算法对光储充系统日前调度模型进行求解。
步骤S4、根据求得的最优解制定日前调度计划进行短期调度。
其中，步骤S2的原理和展开如下：
光储充系统日前调度模型被定义为关于储能(ESS)，光伏(PV)和电动汽车(EV)的多目标优化问题。在本实施例中，假设应优先考虑可再生能源发电，而剩余负荷需求将由常规能源发电(CG)来补充。本实施例充分考虑光伏、电动汽车等的随机分布特征的差异，构建新型基于分类概率机会约束的不确定性集合，以实现对系统内部各组成部分的准确描述。
本发明调度总体目标是在满足系统负载要求的同时，将系统运行和环境治理的成本降至最低。因此，光储充系统日前调度模型的目标函数为：
Min{Sup C1+C2}
Figure BDA0002586304810000061
Figure BDA0002586304810000062
式中，C1是系统的日运行成本，C2是环境处理成本，T为时段，
Figure BDA0002586304810000063
为t时刻光伏电站的运维成本，下标0表示基准场景，
Figure BDA0002586304810000064
为t时刻储能电站的调度成本，
Figure BDA0002586304810000065
为电动汽车电池退化成本，
Figure BDA0002586304810000066
为t时刻系统与外部主网的日功率交换成本，Ch为第h个污染物排放的处理成本，ugrid,t是外部电网的排放物污染系数，
Figure BDA0002586304810000067
为光伏电站输出功率。
约束条件包括以下约束条件的一个或多个，本实施例中采用全部约束调节，分别为光伏电站出力约束、储能电站出力约束、电动汽车充电功率约束、光储充系统功率平衡约束和经济调度约束。
光伏发电具有很强的地域性和随机性，光伏发电功率大小受很多因素影响，因此光伏电站的出力一定约束在固定的范围内，光伏电站出力约束表达式为：
Figure BDA0002586304810000068
式中，
Figure BDA0002586304810000069
为t时刻光伏电站的输出功率，
Figure BDA00025863048100000610
为t时刻光伏电站的最大允许输出功率。
储能电站在本发明中既能在用电量处于低谷的时候从外部电网购电，也能在用电量处于峰值的时候对光储充系统持续供电，但是储能电站不能同时处于充电和放电两个状态，因此，储能电站出力约束表达式为：
Figure BDA00025863048100000611
Figure BDA00025863048100000612
Figure BDA00025863048100000613
式中，
Figure BDA00025863048100000614
为t时刻储能电站充电功率，
Figure BDA00025863048100000615
和
Figure BDA00025863048100000616
分别为t时刻储能电站的最大充、放电功率，
Figure BDA00025863048100000617
和
Figure BDA00025863048100000618
为布尔变量，表示t时刻储能电站是否处于充、放电状态，是则为1，否则为0。
电动汽车充电站在运行过程中，对于每个电动汽车，其充电需求在一定范围内波动，考虑引入调度间隔系数
Figure BDA00025863048100000619
以确定电动汽车的充电需求。因此，单个电动汽车充电功率约束表达式为：
Figure BDA00025863048100000620
式中，
Figure BDA0002586304810000071
是第i辆电动汽车在t时刻的充电需求预测值，
Figure BDA0002586304810000072
和
Figure BDA0002586304810000073
是均值和方差，
Figure BDA0002586304810000074
和
Figure BDA0002586304810000075
是方差
Figure BDA0002586304810000076
的下界和上界，ηi,t∈[-1,1]。
假定工业园区中的电动汽车在园区内的停留时间为8：00–17：00，将电动汽车在园区内的停留时间分为k个时期，每个时期到达的电动汽车被定义为一组，所有电动汽车的充电功率可以表达为：
Figure BDA0002586304810000077
式中，
Figure BDA0002586304810000078
为第k组电动汽车充电功率。
本发明中的区域光储充系统在调度运行过程中，系统内部的功率应该保持平衡，因此，约束表达式为：
Figure BDA0002586304810000079
式中，
Figure BDA00025863048100000710
为t时刻光伏电站的输出功率，
Figure BDA00025863048100000711
为t时刻购电负荷需求，
Figure BDA00025863048100000712
为t时刻储能电站的放电功率，
Figure BDA00025863048100000713
为t时刻储能电站充电功率，
Figure BDA00025863048100000714
为t时刻所有电动汽车的充电功率，
Figure BDA00025863048100000715
为t时刻光储充系统除电动汽车充电站外的实际用电负荷。
本发明中的区域光储充系统在调度运行过程中，在考虑系统内部的功率保持平衡的基础上，还应考虑系统在调度运行中的经济性，因此，约束表达式为：
Figure BDA00025863048100000716
式中，
Figure BDA00025863048100000717
为t时刻光伏电站的输出功率，
Figure BDA00025863048100000718
为t时刻储能电站的输出功率，
Figure BDA00025863048100000719
为t时刻购电负荷需求，Lt是负荷储备系数，
Figure BDA00025863048100000720
为t时刻所有电动汽车的充电功率，
Figure BDA00025863048100000721
为t时刻光储充系统除电动汽车充电站外的实际用电负荷。
步骤S3的原理和展开如下：
本实施例首先将上述调度目标转换为线性规划问题，再将基于区间预测的拉格朗日松弛等方法加入到算法中，以此提出了一种可调鲁棒优化算法。本发明以提高可再生能源利用率为目标，在基于区间预测理论的拉格朗日松弛算法中，通过鲁棒解耦将调度模型转变为线性优化调度问题，同时引入负荷备用约束率来保证系统的鲁棒性。同时，在满足电力平衡约束的条件下，还要满足光伏电站出力约束、储能电站出力约束、电动汽车充电功率约束、光储充系统外部购电功率约束以及经济调度约束。详细的流程图如图3所示，也就是说步骤S3具体步骤如下：
步骤A1：根据对偶原理，对依据目标函数和和约束条件建立光储充系统日前调度模型进行鲁棒解耦，将原问题转变为线性约束的优化问题；
步骤A2：根据调度间隔系数确定不确定性变量(鲁棒参数)Γ，如果Γ为整数，则意味着只有Γ个不确定变量在整个范围内变化，其余不确定变量均为期望值。如果Γ是小数，则意味着仅Γ个不确定变量在整个范围内变化，一个不确定变量的范围是整个间隔的时间的
Figure BDA0002586304810000081
倍，其余的不确定变量都是期望值。
步骤A3：通过上述方式对系统内的各元件进行迭代求解，直至满足约束条件为止；
步骤A4：输出光储充系统各单元的鲁棒最优解。
步骤A3的具体展开为：
根据设定的鲁棒参数Γ确定调度间隔系数，设定基本参数以及约束条件，构建拉格朗日松弛模型；对建立的光储充系统日前调度模型进行鲁棒解耦；
任选一个拉格朗日乘子λt(t＝1)；
对λt，从
Figure BDA00025863048100000816
中任选一个次梯度St：若St＝0，则λt达到最优解而停止计算；否则有λt+1＝max{λt+θtSt,0}，t:＝t+1，返回步骤A4开始下一次计算；
判断计算的结果是否满足预设的精度或迭代次数，若是则停止迭代，输出结果，否则继续求解。
其中，对等解耦后的线性约束条件表达式为：
Figure BDA0002586304810000082
式中，Lt为负荷储备系数，上标G代表预测值，
Figure BDA0002586304810000083
是光伏电站在t时刻的输出预测值，
Figure BDA0002586304810000084
是储能电站在t时刻的输出预测值，
Figure BDA0002586304810000085
是系统从外部电网购电功率，
Figure BDA0002586304810000086
和
Figure BDA0002586304810000087
是方差
Figure BDA0002586304810000088
的下界和上界，
Figure BDA0002586304810000089
和
Figure BDA00025863048100000810
是方差
Figure BDA00025863048100000811
的下界和上界，
Figure BDA00025863048100000812
和
Figure BDA00025863048100000813
是方差
Figure BDA00025863048100000814
的下界和上界，αt,βt,γt,δt,νt,λt为大于0的常数。
上述调度函数单调递增，严格凸且可微。根据强对偶理论，它在恶劣运行环境下的对偶问题也是可行和有限的，目标值无差异。因此，双重问题变成：
Figure BDA00025863048100000815
s.t.-αt+βt≥1
-γt+δt≥1
-νt+λt≥-1-Lt
αt,βt,γt,δt,νt,λt≥0
同时，为方便起见，本实施例设定如果有v个变量更改，Qv,t是这些不确定变量的值：
Figure BDA0002586304810000091
该鲁棒方案具有很大概率的可实施性，参数Γt协调违反负荷备用约束(CVP)的概率与调度问题的经济学之间的关系，可以进行如下表示：
Figure BDA0002586304810000092
式中，
Figure BDA0002586304810000093
同时，概率Pr{a≥b}提供了更为准确的可能边界的概率，为了便于更好的决策分析，做如下描述：
Figure BDA0002586304810000094
Figure BDA0002586304810000095
式中，n是集合V中元素的数量，并且
Figure BDA0002586304810000096
仿真验证
将现有的随机优化调度和本发明的鲁棒优化调度方法进行对比：
(1)随机优化调度方法
系统优化调度的目标是光储充系统运营成本和环境保护成本最小化。采用随机优化调度方法策略后，在稳定运行的情况下新能源发电性能良好，消纳了光电，有效地解决了可再生能源发展中日益严峻的“弃风弃光”现象。储能装置在用电需求较低时，作为大功率负荷有效存储，在光电供电供应能力无法满足用电需求时，又可以作为发电装置向微网内部供电。在满足系统安全有效运行的同时，使微电网系统对外部电网的用电需求日趋平缓，极大地提高了用电的经济性和可靠性。但是，此时系统未考虑预测变量的不确定性，因此系统的动态性和鲁棒性不是最佳的。
(2)本发明的可调鲁棒优化调度方法
使用本发明的调度方法后，区域光储充系统在进行可调鲁棒优化调度时，通过设置不同的鲁棒优化参数Γ验证系统的鲁棒性能和经济性能。当鲁棒优化参数Γ为0时，表示系统处于随机优化的运行环境，此时，电动汽车等不确定性干扰因素还未介入，将系统中的出力和输出视为平均值，光储充系统的鲁棒性不是最佳的。随着参数Γ的逐渐增加，在进行调度运行时应考虑更多的不确定性以提高其鲁棒性，与此同时，外部电网增加其对光储充系统的输入以满足系统的平稳运行。
表1在不同情况下生成的鲁棒优化结果
Figure BDA0002586304810000101
表1中显示了动态参数Γ在不同情况下生成的可调鲁棒优化结果，可调鲁棒优化结果使调度系统具有更强的鲁棒性，其中鲁棒性指数由CVP表示，CVP如前文定义为不满足约束的概率。动态参数Γ＝0表示随机优化结果，随着参数Γ的逐步增加，越来越多的变量不确定性在调度策略中需要加以考虑，从而使系统的鲁棒性更强，同时也需要更多的运营成本来维持系统的鲁棒性。
由不同的Γ引起的外部电网供电和储能变化如图5和图6所示。从图5和图6中，可以发现储能电站通常都在上午的某些时段充电，这是由于光伏电站的发电量在满足系统内部负荷运转和电动汽车充电站充电需求的同时，仍有部分剩余，合理地将此部分剩余电量进行存储，可以有效地发挥储能电站的调节作用，此时从外部电网购电功率较小，这部分购电功率主要用来对于系统内部的关键设备进行供电。在下午的某些时段，尤其是用电高峰期，光伏电站的出力已经无法满足系统内部的用电需求，此时，光伏电站、储能电站以及外部电网同时对系统进行供电，以保证光储充系统的稳定运行。另外，从图5和图6也可以看出，随着Γ的逐渐增加，光伏电站的功率输出被直接利用的越来越多，被存储在储能电站中的越来越少，储能电站和外部电网逐渐增加输出以满足剩余的负载要求。
区域光储充系统在运行过程中，不但要考虑光伏电站的出力大小，电动汽车充电站的充电需求，还要考虑到储能电站配置容量、储能成本以及与外部电网的购电成本，本发明方法给出了光储充系统运行成本最低情况下的鲁棒优化调度结果，制定最优调度时的储能电站出力计划和外部电网购电计划。从图5和图6中可以看出，鲁棒优化算法可以使系统更合理地配置光伏电站、电动汽车充电站、储能电站的功率需求，在优化前，光储充系统没有考虑变量的不确定性，系统调度属于随机优化的情况；优化后的光储充系统，在充分考虑变量不确定性的基础上，提高了系统中可再生能源的利用效率，同时，通过鲁棒优化参数Γ的引入，在保证系统运行经济性的同时，使系统的鲁棒性也得到了保障。由于该优化问题可以解耦为带约束的线性优化问题，拉格朗日松弛算法能够很好的解决此类问题，从结果也可以看出，经过拉格朗日松弛算法对其进行协同优化，光储充电站可以显著发挥储能电站和光伏电站的作用，提高了可再生能源的利用效率和系统运行的稳定性
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于可调鲁棒算法的区域光储充系统短期调度方法，所述的区域光储充系统为设定区域内的光伏电站、储能电站和电动汽车充电站组成的电网系统，其特征在于，调度方法包括以下步骤：
S1、获取区域内各光伏电站、储能电站和电动汽车充电站的节点信息；
S2、根据获取的信息建立光伏电站输出功率的集合模型，同时引入调度间隔系数，建立电动汽车充电站充电需求功率的集合模型，进而建立光储充系统日前调度模型，所述的光储充系统日前调度模型包括实现系统运行和环境治理成本最低的目标函数和对应的约束条件；
S3、设置鲁棒参数Γ，并采用拉格朗日松弛算法对光储充系统日前调度模型进行求解；
S4、根据求得的最优解制定日前调度计划进行短期调度；
其中，所述的光储充系统日前调度模型的目标函数为：
Min{Sup C1+C2}
Figure FDA0002586304800000011
Figure FDA0002586304800000012
式中，C1是系统的日运行成本，C2是环境处理成本，T为时段，
Figure FDA0002586304800000013
为t时刻光伏电站的运维成本，下标0表示基准场景，
Figure FDA0002586304800000014
为t时刻储能电站的调度成本，
Figure FDA0002586304800000015
为电动汽车电池退化成本，
Figure FDA0002586304800000016
为t时刻系统与外部主网的日功率交换成本，Ch为第h个污染物排放的处理成本，ugrid,t是外部电网的排放物污染系数，
Figure FDA0002586304800000017
为光伏电站输出功率。
2.根据权利要求1所述的一种基于可调鲁棒算法的区域光储充系统短期调度方法，其特征在于，所述的约束条件包括以下约束条件的一个或多个：光伏电站出力约束、储能电站出力约束、电动汽车充电功率约束、光储充系统功率平衡约束和经济调度约束。
3.根据权利要求2所述的一种基于可调鲁棒算法的区域光储充系统短期调度方法，其特征在于，所述的光伏电站出力约束表达式为：
Figure FDA0002586304800000018
式中，
Figure FDA0002586304800000021
为t时刻光伏电站的输出功率，
Figure FDA0002586304800000022
为t时刻光伏电站的最大允许输出功率。
4.根据权利要求2所述的一种基于可调鲁棒算法的区域光储充系统短期调度方法，其特征在于，所述的储能电站出力约束表达式为：
Figure FDA0002586304800000023
Figure FDA0002586304800000024
Figure FDA0002586304800000025
式中，
Figure FDA0002586304800000026
为t时刻储能电站充电功率，
Figure FDA0002586304800000027
和
Figure FDA0002586304800000028
分别为t时刻储能电站的最大充、放电功率，
Figure FDA0002586304800000029
和
Figure FDA00025863048000000210
为布尔变量，表示t时刻储能电站是否处于充、放电状态，是则为1，否则为0。
5.根据权利要求2所述的一种基于可调鲁棒算法的区域光储充系统短期调度方法，其特征在于，设置引入调度间隔系数
Figure FDA00025863048000000211
单个电动汽车充电功率约束表达式为：
Figure FDA00025863048000000212
式中，
Figure FDA00025863048000000213
是第i辆电动汽车在t时刻的充电需求预测值，
Figure FDA00025863048000000214
和
Figure FDA00025863048000000215
是均值和方差，
Figure FDA00025863048000000216
和
Figure FDA00025863048000000217
是方差
Figure FDA00025863048000000218
的下界和上界，ηi,t∈[-1,1]。
6.根据权利要求5所述的一种基于可调鲁棒算法的区域光储充系统短期调度方法，其特征在于，将电动汽车在园区内的停留时间分为k个时期，每个时期到达的电动汽车被定义为一组，所有电动汽车的充电功率表达为：
Figure FDA00025863048000000219
式中，
Figure FDA00025863048000000220
为第k组电动汽车充电功率。
7.根据权利要求2所述的一种基于可调鲁棒算法的区域光储充系统短期调度方法，其特征在于，所述的光储充系统功率平衡约束表达式为：
Figure FDA00025863048000000221
式中，
Figure FDA00025863048000000222
为t时刻光伏电站的输出功率，
Figure FDA00025863048000000223
为t时刻购电负荷需求，
Figure FDA00025863048000000224
为t时刻储能电站的放电功率，
Figure FDA00025863048000000225
为t时刻储能电站充电功率，
Figure FDA00025863048000000226
为t时刻所有电动汽车的充电功率，
Figure FDA00025863048000000227
为t时刻光储充系统除电动汽车充电站外的实际用电负荷。
8.根据权利要求2所述的一种基于可调鲁棒算法的区域光储充系统短期调度方法，其特征在于，所述的经济调度约束表达式为：
Figure FDA0002586304800000031
式中，
Figure FDA0002586304800000032
为t时刻光伏电站的输出功率，
Figure FDA0002586304800000033
为t时刻储能电站的输出功率，
Figure FDA0002586304800000034
为t时刻购电负荷需求，Lt是负荷储备系数，
Figure FDA0002586304800000035
为t时刻所有电动汽车的充电功率，
Figure FDA0002586304800000036
为t时刻光储充系统除电动汽车充电站外的实际用电负荷。
9.根据权利要求1所述的一种基于可调鲁棒算法的区域光储充系统短期调度方法，其特征在于，所述的步骤S4中，模型求解具体包括以下步骤：
A1、根据对偶原理，对依据目标函数和和约束条件建立的光储充系统日前调度模型进行鲁棒解耦，将原问题转变为线性约束的优化问题；
A2、根据调度间隔系数确定不确定性变量Γ，如果Γ为整数，则表示只有Γ个不确定变量在整个范围内变化，其余不确定变量均为期望值；如果Γ是小数，则表示仅
Figure FDA0002586304800000037
个不确定变量在整个范围内变化，一个不确定变量在
Figure FDA0002586304800000038
个范围内变化，其余不确定变量均为期望值；
A3、通过拉格朗日松弛算法对目标进行迭代求解，直至满足约束条件为止；
A4、输出光储充系统日前调度模型的鲁棒最优解。
10.一种基于可调鲁棒算法的区域光储充系统短期调度系统，包括处理器和存储器，其特征在于，存储器上存储有程序，该程序被处理器执行时实现如权利要求1～9任一所述的光储充系统短期调度方法。
CN202010682347.4A 2020-07-15 2020-07-15 基于可调鲁棒算法的区域光储充系统短期调度方法和系统 Active CN111915161B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010682347.4A CN111915161B (zh) 2020-07-15 2020-07-15 基于可调鲁棒算法的区域光储充系统短期调度方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010682347.4A CN111915161B (zh) 2020-07-15 2020-07-15 基于可调鲁棒算法的区域光储充系统短期调度方法和系统

Publications (2)

Publication Number Publication Date
CN111915161A true CN111915161A (zh) 2020-11-10
CN111915161B CN111915161B (zh) 2023-02-07

Family

ID=73280223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010682347.4A Active CN111915161B (zh) 2020-07-15 2020-07-15 基于可调鲁棒算法的区域光储充系统短期调度方法和系统

Country Status (1)

Country Link
CN (1) CN111915161B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113158412A (zh) * 2021-02-05 2021-07-23 合肥优尔电子科技有限公司 一种基于布谷鸟算法的光储电站协同优化方法
CN113224758A (zh) * 2021-05-25 2021-08-06 上海玫克生储能科技有限公司 光储充电站的储能充放电的控制方法、系统、设备及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8290892B1 (en) * 2005-12-13 2012-10-16 The Mathworks, Inc. System and method for performing non-linear constrained optimization with an augmented lagrangian pattern search
CN103241130A (zh) * 2013-04-10 2013-08-14 华中科技大学 一种电动公交车充换电站的能量管理方法及系统
CN106169108A (zh) * 2016-07-14 2016-11-30 河海大学 含电池储能系统的主动配电网短期有功优化方法
CN108448619A (zh) * 2018-03-30 2018-08-24 东南大学 计及不可控发电机功率跟踪的交直流微网鲁棒调度方法
CN109300326A (zh) * 2018-08-16 2019-02-01 北京航天控制仪器研究所 一种基于实时gps的公交短时动态调度方法
CN110739725A (zh) * 2019-09-27 2020-01-31 上海电力大学 一种配电网优化调度方法
US20200161867A1 (en) * 2018-11-15 2020-05-21 Hefei University Of Technology Method, system and storage medium for load dispatch optimization for residential microgrid
CN111199015A (zh) * 2019-12-31 2020-05-26 新奥数能科技有限公司 一种综合能源系统优化方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8290892B1 (en) * 2005-12-13 2012-10-16 The Mathworks, Inc. System and method for performing non-linear constrained optimization with an augmented lagrangian pattern search
CN103241130A (zh) * 2013-04-10 2013-08-14 华中科技大学 一种电动公交车充换电站的能量管理方法及系统
CN106169108A (zh) * 2016-07-14 2016-11-30 河海大学 含电池储能系统的主动配电网短期有功优化方法
CN108448619A (zh) * 2018-03-30 2018-08-24 东南大学 计及不可控发电机功率跟踪的交直流微网鲁棒调度方法
CN109300326A (zh) * 2018-08-16 2019-02-01 北京航天控制仪器研究所 一种基于实时gps的公交短时动态调度方法
US20200161867A1 (en) * 2018-11-15 2020-05-21 Hefei University Of Technology Method, system and storage medium for load dispatch optimization for residential microgrid
CN110739725A (zh) * 2019-09-27 2020-01-31 上海电力大学 一种配电网优化调度方法
CN111199015A (zh) * 2019-12-31 2020-05-26 新奥数能科技有限公司 一种综合能源系统优化方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PING CHE等: "An Improved Lagrangian Relaxation Algorithm for the Robust Generation Self-Scheduling Problem", 《HINDAWI MATHEMATICAL PROBLEMS IN ENGINEERING》 *
郑伟民等: "计及引导型充电控制策略的电动汽车充电设施与配电系统协同规划", 《电力科学与技术学报》 *
马溪原等: "面向多能互补的分布式光伏与气电混合容量规划方法", 《电气系统自动化》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113158412A (zh) * 2021-02-05 2021-07-23 合肥优尔电子科技有限公司 一种基于布谷鸟算法的光储电站协同优化方法
CN113224758A (zh) * 2021-05-25 2021-08-06 上海玫克生储能科技有限公司 光储充电站的储能充放电的控制方法、系统、设备及介质

Also Published As

Publication number Publication date
CN111915161B (zh) 2023-02-07

Similar Documents

Publication Publication Date Title
CN107634518B (zh) 一种“源-网-荷”相协调的主动配电网经济调度方法
CN100380774C (zh) 功率控制装置、发电系统以及电力网系统
CN111915161B (zh) 基于可调鲁棒算法的区域光储充系统短期调度方法和系统
CN107482679B (zh) 考虑储能系统充放电次数的主动配电网日前优化调度方法
CN113193547A (zh) 计及新能源及负荷区间不确定性的电力系统日前-日内协同调度方法与系统
JP2010259303A (ja) 分散発電システム
CN111404206A (zh) 考虑投资回报约束的风光储发电系统容量双层规划方法
CN115117931A (zh) 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统
CN110601334A (zh) 一种充电站及其能量调度管理方法
CN115689233A (zh) 计及调峰主动性的风光水火储系统互补协调优化调度方法
Li et al. Fuzzy logic-based coordinated control method for multi-type battery energy storage systems
CN110165715B (zh) 一种将电动汽车储能式充电站接入虚拟电厂的方法
CN113541195B (zh) 一种未来电力系统中高比例可再生能源的消纳方法
CN111146793B (zh) 基于功率特征提取的光伏-储能系统容量优化设计方法及系统
CN110707745B (zh) 基于改进vmd的电热综合系统多时间尺度经济调度方法
CN112182915A (zh) 一种协同促进风电消纳的优化调度方法及系统
CN112085327A (zh) 一种配电商参与的主动配电网多层分区调控方法及系统
CN116805192A (zh) 考虑最优弃能率的综合能源系统双层规划优化方法及应用
CN116316800A (zh) Vpp优化调度模型风光出力场景生成方法
CN115841216A (zh) 计及分布式光伏消纳率的配电网储能优化配置方法
CN115333085A (zh) 考虑灵活性约束的含分布式新能源配电网双层优化调度方法
Arcos-Aviles et al. Fuzzy control-based energy management system for interconnected residential microgrids using the forecasts of power generation and load demand
CN109412181B (zh) 基于新能源转氨气的多能源框架、消纳方法、介质及设备
CN112883566A (zh) 一种基于虚拟电池模型的光伏产消者能量建模方法及系统
CN110417002A (zh) 一种孤岛微电网能量模型的优化方法

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
CB03 Change of inventor or designer information

Inventor after: Dou Zhenlan

Inventor after: Wu Tengfei

Inventor after: Zhang Chunyan

Inventor after: Peng Daogang

Inventor after: Zhang Hao

Inventor after: Li Puhao

Inventor after: Zhao Huirong

Inventor after: Cao Yichun

Inventor after: Wang Danhao

Inventor after: Xu Yue

Inventor before: Peng Daogang

Inventor before: Zhang Hao

Inventor before: Li Puhao

Inventor before: Zhao Huirong

Inventor before: Cao Yichun

Inventor before: Wang Danhao

Inventor before: Xu Yue

Inventor before: Wu Tengfei

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20230118

Address after: 200083 Room 1801-12, Floor 18, No.125, Liuying Road, Hongkou District, Shanghai

Applicant after: Shanghai Shunyi Energy Technology Co.,Ltd.

Address before: 200090 No. 2103, Pingliang Road, Shanghai, Yangpu District

Applicant before: Shanghai Electric Power University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230317

Address after: 200083 No. 1122, Yuanshen Road, Pudong New Area, Shanghai

Patentee after: STATE GRID SHANGHAI MUNICIPAL ELECTRIC POWER Co.

Patentee after: Shanghai Shunyi Energy Technology Co.,Ltd.

Address before: 200083 Room 1801-12, Floor 18, No.125, Liuying Road, Hongkou District, Shanghai

Patentee before: Shanghai Shunyi Energy Technology Co.,Ltd.

TR01 Transfer of patent right