CN112561120A - 一种基于微电网参考日前市场出清系统优化运行方法 - Google Patents

Abstract

本发明公开了一种基于微电网参考日前市场出清系统优化运行方法，通过微网自优化模型实现下层优化，可以建立以系统运行成本最低为目标的微电网源、荷、储协调优化调度模型；通过日前电力市场出清模型实现上层优化，以最大化社会福利为目标的电力市场日前出清。实施本发明，可以提高微电网系统的稳定性以及经济性。

Description

一种基于微电网参考日前市场出清系统优化运行方法

技术领域

本发明属于微电网能量管理技术领域，特别是涉及一种基于微电网参考日前市场出清系统优化运行方法。

背景技术

在新一轮的电力体制改革的背景下，参与电力市场交易的主体规模逐步扩大。实时节点电价逐步取代了现行的目录电价制度，这将对微电网能源管理系统的控制策略带来巨大冲击。原本对微电网源、荷、储协调经济优化调度策略将会失去作用。传统微电网优化策略研究主要集中于分布式电源、储能装置、负荷、能量转换和保护装置等设备间的协调配合，即在一个运行周期内，以运行成本为调度优化目标，确定其优先级和运行方式。而随着电力市场和微电网的商业化发展，以及风机WT(Wind Turbine)、光伏PV(PhotoVoltaic)等可再生能源RES(Renewable Energy Sources)的大量接入，进一步加大了微电网调度难度，也使得传统微电网电价机制难适应新变化。

在微电网源、荷、储协调优化调度的研究方面，主要集中于利用分时电价来引导用户进行价格型需求响应，促进微电网内部的供需平衡和稳定经济运行。但并未考虑在市场机制下微电网可再生能源如何进行消纳，以及如何通过价格机制引导需求响应，达到供需平衡的目的。同时仅仅依靠简单的供需关系来生成的分时电价，相比在电力市场中通过竞争机制出清的实时节点电价，后者更能有效引导电力资源在时间和空间上的配置。

总结国内外现有的微电网能量管理系统优化运行方法，大致可分为两类：

一、增加多目标优化函数调度策略。微电网的目标优化函数大体上从经济性、环保性以及可靠性角度进行考虑，多目标函数协同优化能提高微电网能源管理系统的综合性能。

二、积极的需求侧响应策略。通过供需关系生成分时电价，来引导用户改善负荷特性，从而合理的对内部的分布式发电、储能装置以及外电网交互进行优化控制。

但是现有的技术还存在一些不足之处，在增加多目标优化函数调度策略中，由于微电网发展迅速，其内部的能源转换和调度十分复杂。除了上述提到的目标函数，经常需要引入的优化目标还包括微型燃气轮机启停成本、运行效率以及网损等。这就导致各目标之间决策变量相互制约，相互矛盾。最优解集合的拓扑结构过于复杂，致使多目标优化进展难以进行。

发明内容

本发明所要解决的技术问题在于，提供一种基于微电网参考日前市场出清系统优化运行方法，可以实现双层优化调度，提高微电网系统的稳定性以及经济性。

本发明所采用的技术方案在于，提供一种基于微电网参考日前市场出清系统优化运行方法，其包括如下步骤：

步骤S10，微电网侧整体向电力市场侧申报供需双方功率以及供需双方价格；

步骤S11，建立以最大化社会福利为目标的出清目标函数；

步骤S12，根据功率平衡约束、出清功率上下限以及出清价格约束为条件，对所述出清目标函数进行求解，获得日前市场出清功率及分时电价；

步骤S13，根据微电网侧的各成员的模型建立微电网侧的以最小化成本为目标的自优化目标函数；

步骤S14，根据功率平衡约束、机组出力上下限约束、微型燃气轮机机组爬坡约束、蓄电池充放电量约束以及日前市场分时电价为约束条件，采用粒子群算法对所述自优化目标函数进行求解，获得优化的微型燃气轮机出力、蓄电池充放电量和与外电网交易电量数值；

步骤S15，输出所述优化的微型燃气轮机出力、蓄电池充放电量和与外电网交易电量数值，并输出监控的蓄电池充电状态的结果。

优选地，所述步骤S10进一步包括：

所述微电网包括储能蓄电池、光伏发电机组、风力发电机组以及微型燃气轮机组；所述微电网侧整体向电力市场侧申报用户负荷数据、可再生及不可再生能源出力数据、用户能源供电商报价数据。

优选地，所述步骤S11进一步包括：

建立如下的出清目标函数：

其中，S_cons和S_prod分别表示生产者和消费者的利润；P_clear、P_pv′、P_wt′、P_mt′分别为总出清功率、出清的光伏功率、出清的风机功率和出清的微型燃气轮机功率；C_clear、C_cons、C_pv、C_wt、C_mt分别为出清电价、用户申报电价、光伏机组申报电价、风电机组申报电价、微型燃气轮机申报电价。

优选地，在所述步骤S12中，其中：

功率平衡约束为：P′_pv(t)+P′_wt(t)+P′_mt(t)＝P_clear(t)；

出清功率上下限约束为：

P′_DG,j,min≤P′_DG,j(t)≤P′_DG,j,max

0≤P_clear≤P′_load

其中，P′_DG,j,min和P′_DG,j,max分别为第j台可控电源向电力市场申报的最小和最大功率；P′_load为用户向电力市场申报的功率。

优选地，在所述步骤S13中，其中的微电网侧的各成员的模型至少包括：风电机组模型、风电机组模型、微型燃气轮机模型以及储能蓄电池模型。

优选地，所述步骤S13进一步包括：

根据微电网侧的各成员的模型，并综合考虑微型燃气轮机成本、治污成本和与外电网交易成本，兼顾蓄电池调度成本，建立如下的优化目标函数：

其中，F_mt、F_util、F_pollution、F_ess分别表示在T时间周期内微型燃气轮机、外电网调度、治理污染和蓄电池调度的总成本；C_util为外网调度成本系数；P_util(t)为特定时间与外网交换功率量；α_mt(i)为微型燃气轮机排放三种污染物(CO₂、SO_x、 NO_X)的污染折算系数；E_mt(i)为单位功率排放三类污染物的量；δ_ess为蓄电池调度的成本系数。

优选地，在所述步骤S14中，其中：

所述功率平衡约束如下：

P_pv(t)+P_wt(t)+P_mt(t)+P_batt(t)+P_util(t)＝P_load(t)-P_batt,ch(t)-P_util,sell(t)

其中，P_pv(t)、P_wt(t)、P_mt(t)分别为光伏机组、风电机组和微型燃气轮机机组的出力功率；P_batt(t)和P_batt,ch(t)分别为蓄电池的放电和充电功率；P_util(t)和 P_util,sell(t)分别为从外电网购买和卖出的电功率。

所述机组出力上下限约束如下：

P_G,j,min(t)≤P_G,j(t)≤P_G,j,max(t)

其中，

和

分别为第j台可控电源最小和最大输出功率，P_G,j(t)为t 时刻第j台可控电源实际输出功率。

所述微型燃气轮机机组爬坡约束如下：

其中，U_mt和D_mt分别为微型燃气轮机机组上升和下降的速率；ΔT为调度的时间间隔。

所述蓄电池充放电量约束如下：

其中，P_batt,min和P_batt,max分别为ΔT调度时间蓄电池最大和最小放电功率；P_batt,ch,min和P_batt,ch,max分别为ΔT调度时间蓄电池最大和最小充电功率；SOC_min和 SOC_max分别为ΔT调度时间蓄电池最大和最小充电状态；SOC_int为初始化的充电状态。

优选地，在所述步骤S14中，所述采用粒子群算法对所述自优化目标函数进行求解，获得优化的微型燃气轮机出力、蓄电池充放电量和与外电网交易电量数值的步骤进一步包括：

步骤S141，设置粒子群的基本控制参数，其中，群体大小N，最大迭代次数M、学习因子c₁、c₂、惯性系数w；

步骤S142，在不等式约束条件下初始化代表微型燃气轮机出力大小和蓄电池充放电量粒子速度和位置，并利用等式约束生成与外电网交易电量粒子，并根据光照和风速初始化光伏机组和风电机组出力粒子；

步骤S143，利用不等式约束：蓄电池的充电状态和微型燃气轮机的启停状态来检查种群是否在合适的位置，并适当的修改适应度函数；当满足不等式约束条件后，带入初始适应度函数中计算适应度值；取最小适应度值作为全局最优f_g，并记录对应粒子的位置x_ig，同时记录每一代历史最优解；

步骤S144，利用下述速度和位置更新公式对空间内的粒子进行搜索，并利用等式和不等式约束条件筛选、进化粒子；根据适应度函数评价粒子，更新最优状态信息：

其中，c₁、c₂为学习因子或加速系数；r₁、r₂取值范围[0,1]，是该区间的均匀分布的随机数；

和

分别是k代群体中的个体最优值和群体最优值；w为惯性系数；

步骤S145，判断全局最优变化是否达到要求或是否到达最大迭代次数，如果达到，则进行下一步骤，否则转向步骤S143；

步骤S146，获得优化的微型燃气轮机出力、蓄电池充放电量和与外电网交易电量数值。

实施本发明，具有如下的有益效果：

本发明提供一种基于微电网参考日前市场出清系统优化运行方法，通过针对微电网参与日前市场出清双层优化调度模型，并根据各层模型特点，确定相应的求解机制；构建的日前市场出清模型，出清电价能够反映微电网之间供需关系和电能的稀缺程度，引导电能在时间和空间上的有效配置；

本发明通过对整个时间段内蓄电池充放电进行合理规划，整体的可用储存能量较高，能够保障了蓄电池的循环利用，提高微电网系统的稳定性；

本发明采用优化的调度方式，能够减少微型燃气轮机的使用，减少污染物的排放，消纳更多的可再生能源；同时能够减少与外电网交互电量，更大程度上保证外电网的稳定性；

本发明的微电网通过参与电力市场，能够积极作出响应。出清电价引导微电网调动储能管理以及调控与外网交易，能够在电价较低时更多存储电能，同时向外网购入电能满足自身需求，也能够在电价较高时更多的售出电能，增加收益，提高了整个微电网的经济性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。

图1为本发明涉及的微电网参与电力市场出清的运行机制示意图；

图2为本发明提供的一种基于微电网参考日前市场出清系统优化运行方法一个实施例的结构示意图；

图3为图2中涉及的微电网系统的框架结构；

图4为本发明涉及的方法的一个更详细的流程原理图。

具体实施方式

下面将结合本发明实施例中的附图，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。

为使本领域的普通技术人员更加清楚地理解发明的目的、技术方案和优点，以下结合附图和实施例对发明做进一步的阐述。

请结合图1所述，给出了本发明涉及的微电网参与电力市场出清的运行机制示意图。微电网侧作为一个统一的利益整体，需要先向电力市场侧申报供、需双方功率以及价格。由电力市场运营商以最大化社会福利为目标进行日前市场出清。其中出清的供、需功率作为微电网自优化的约束条件，即出清的供应侧功率必须用于满足微电网自身的负荷需求，不得与外电网进行交易。而出清的分时电价则作为微电网与外电网的交易电价。微电网侧的自优化模型以最小化成本为目标。其主要的外部成本来源是购买燃料成本和与电网交易成本，内部的成本有治污成本和蓄电池的调度成本。

更具体地，如图2所示，示出了本发明提供的一种基于微电网参考日前市场出清系统优化运行方法的一个实施例的主流程示意图，一并结合图3、图4所示，在本实施例中，所述方法包括如下步：

步骤S10，微电网侧整体向电力市场侧申报供需双方功率以及供需双方价格；

在一个具体的例子中，所述步骤S10进一步包括：

所述微电网包括储能蓄电池、光伏发电机组、风力发电机组以及微型燃气轮机组；所述微电网侧整体向电力市场侧申报用户负荷数据、可再生及不可再生能源出力数据、用户能源供电商报价数据。

步骤S11，建立以最大化社会福利为目标的出清目标函数；

在一个具体的例子中，所述步骤S11进一步包括：

建立如下的出清目标函数：

其中，S_cons和S_prod分别表示生产者和消费者的利润；P_clear、P_pv′、P_wt′、P_mt′分别为总出清功率、出清的光伏功率、出清的风机功率和出清的微型燃气轮机功率；C_clear、C_cons、C_pv、C_wt、C_mt分别为出清电价、用户申报电价、光伏机组申报电价、风电机组申报电价、微型燃气轮机申报电价。

步骤S12，根据功率平衡约束、出清功率上下限以及出清价格约束为条件，对所述出清目标函数进行求解，获得日前市场出清功率及分时电价；

在一个具体的例子中，在所述步骤S12中：

功率平衡约束为：P′_pv(t)+P′_wt(t)+P′_mt(t)＝P_clear(t)；

出清功率上下限约束为：

P′_DG,j,min≤P′_DG,j(t)≤P′_DG,j,max

0≤P_clear≤P′_load

其中，P′_DG,j,min和P′_DG,j,max分别为第j台可控电源向电力市场申报的最小和最大功率；P′_load为用户向电力市场申报的功率。

在本发明实施例中，电力市场的出清模型是以最大化社会福利为目标函数，反映了市场对生产者和消费者利益的优化与协调。在电力市场体制下，生产者和消费者形成了良性竞争，促成了双方利益最大化下的日前市场出清模型。

而本发明涉及的电力市场的出清模型为混合整数模型，在实际例子中，可以采用Yalmip工具箱调用Cplex求解器来进行求解。

步骤S13，根据微电网侧的各成员的模型建立微电网侧的以最小化成本为目标的自优化目标函数；

如图3所示，在所述步骤S13中，其中的微电网侧的各成员的模型至少包括：风电机组模型、风电机组模型、微型燃气轮机模型以及储能蓄电池模型。

其中，光伏机组和储能蓄电池通过逆变器接入微电网的交流母线，实际向微电网输出的功率需要乘以逆变器效率n_b。微电网能源供应商在满足微电网负荷条件下，可以将多余电量卖给外电网。同样当微电网负荷功率供应不足时，向外网购买电量。

具体地，风电机组模型如下：

风力发电机当前时段的输出功率与此时刻的风速、海拔高度、安装位置以及风电机组自身的参数密切相关。并且风机的出力与切入风速、额定风速、切出风速存在非线性关系，关系表达式如公式(1)。风机输出功率与风速之间的表达式如公式(2)。

其中ν_in、ν_out、ν_r分别代表切入风速、切出风速和额定风速；P_WT(ν_i)和P_WT(ν_i+1)代表对应风速ν_i和ν_i+1时的风机功率；rho为空气密度；Cf为容量因数；D为风机旋转直径:Swept_area为风机旋转时能够捕获的面积。

光伏机组模型如下：

光伏的输出功率由标准额定条件下的太阳辐照度G_STC；相对大气光学质量 AM；电池温度T_STC；光照强度和环境温度决定，其表达式如公式(3)。

其中P_pv(k)为k时段光伏机组出力；P_STC为电池温度T_STC下的输出功率；G_c为工作点的辐照度；G_STC为电池温度T_STC工作点的辐照度；ν为功率温度系数；T_c为工作点的电池温度。

微型燃气轮机模型如下：

微型燃气轮机是通过燃烧天然气进行发电的设备，其主要模型主要体现在燃料成本、运行维护成本和启动成本上。具体表达式如公式(4)。

其中C_mt(t)、OM(t)、SC(t)分别为特定时间的燃料成本、运行维护成本和启动成本；F_mt为燃料消耗率；P_mt(t)为特定时间微型燃气轮机实际输出功率；K_oc为运维费用与能量系数比；μ_(t-1),MT为上个时间点燃气轮机的启停状态；δ_MT为热启动时间常数；σ_MT为冷启动时间常数；τ_oof,MT为关机时间常数；τ_MT为冷却时间常数；e为自然常数。

储能蓄电池模型如下：

储能蓄电池可以采用商用标准，25Ah的电池可以提供以恒压12V，每小时 300W的电能输出。为了体现真实的电网，蓄电池连接逆变器接入交流母线。串联电池数量K表达式如公式(5)，通过串联电池的数量可以得出蓄电池总初始容量Ah_total如公式(6)。当释放功率为Pb_new对应的将要被消耗的电池容量Ah_{cur_con}如公式(7)，当前消耗的电池容量Ah_con如公式(8)，以此可以计算出当前的剩余容量 Ah_remain如公式(9)，最终就可以计算出在当前功率Pb_new消耗后的电池的荷电状态 SCO如公式(10)，另外，Pb_max为最大功率输出极限；Ah_int为单位电池的初始容量；pb_old为之前时间段输出功率；K为一系数。

Ah_total＝Ah_intK (6)

Ah_remain＝Ah_int-Ah_con (9)

在一个具体的例子中，所述步骤S13进一步包括：

根据微电网侧的各成员的模型，并综合考虑微型燃气轮机成本、治污成本和与外电网交易成本，兼顾蓄电池调度成本，建立如下的优化目标函数：

其中，F_mt、F_util、F_pollution、F_ess分别表示在T时间周期内微型燃气轮机、外电网调度、治理污染和蓄电池调度的总成本；C_util为外网调度成本系数；P_util(t)为特定时间与外网交换功率量；α_mt(i)为微型燃气轮机排放三种污染物(CO₂、SO_x、 NO_X)的污染折算系数；E_mt(i)为单位功率排放三类污染物的量；δ_ess为蓄电池调度的成本系数；P_mt(t)为微型燃气发电机输出功率。

可以理解的是，本发明涉及的优化目标函数，综合考虑微型燃气轮机成本、治污成本和与外电网交易成本，兼顾蓄电池调度成本，通过监管和控制蓄电池的充放电过程，最大化电池的电荷状态(SCO)，可以达到延长电池寿命提高系统整体稳定性的作用。

步骤S14，根据功率平衡约束、机组出力上下限约束、微型燃气轮机机组爬坡约束、蓄电池充放电量约束以及日前市场分时电价为约束条件，采用粒子群算法对所述自优化目标函数进行求解，获得优化的微型燃气轮机出力、蓄电池充放电量和与外电网交易电量数值；

在一个具体的例子中，在所述步骤S14中，其中：

所述功率平衡约束如下：

P_pv(t)+P_wt(t)+P_mt(t)+P_batt(t)+P_util(t)＝P_load(t)-P_batt,ch(t)-P_util,sell(t)

其中，P_pv(t)、P_wt(t)、P_mt(t)分别为光伏机组、风电机组和微型燃气轮机机组的出力功率；P_batt(t)和P_batt,ch(t)分别为蓄电池的放电和充电功率；P_util(t)和 P_util,sell(t)分别为从外电网购买和卖出的电功率。

所述机组出力上下限约束如下：

P_G,j,min(t)≤P_G,j(t)≤P_G,j,max(t)

其中，

和

分别为第j台可控电源最小和最大输出功率，P_G,j(t)为t 时刻第j台可控电源实际输出功率。

所述微型燃气轮机机组爬坡约束如下：

其中，U_mt和D_mt分别为微型燃气轮机机组上升和下降的速率；ΔT为调度的时间间隔。

所述蓄电池充放电量约束如下：

其中，P_batt,min和P_batt,max分别为ΔT调度时间蓄电池最大和最小放电功率；P_batt,ch,min和P_batt,ch,max分别为ΔT调度时间蓄电池最大和最小充电功率；SOC_min和 SOC_max分别为ΔT调度时间蓄电池最大和最小充电状态；SOC_int为初始化的充电状态。

在一个具体的例子中，在所述步骤S14中，粒子群算法是一种模拟鸟类飞行觅食寻优的群体搜索的启发式智能算法，原理是粒子在解空间追随最优的粒子进行搜索。所有的粒子都通过构造的适应度函数来判断优劣，同时每个粒子还兼具记忆功能，会储存搜索到的最佳位置。

所述采用粒子群算法对所述自优化目标函数进行求解，获得优化的微型燃气轮机出力、蓄电池充放电量和与外电网交易电量数值的步骤进一步包括：

步骤S141，设置粒子群的基本控制参数，其中，群体大小N，最大迭代次数M、学习因子c₁、c₂、惯性系数w；

步骤S142，在不等式约束条件下初始化代表微型燃气轮机出力大小和蓄电池充放电量粒子速度和位置，并利用等式约束生成与外电网交易电量粒子，并根据光照和风速初始化光伏机组和风电机组出力粒子；

步骤S143，利用不等式约束：蓄电池的充电状态和微型燃气轮机的启停状态来检查种群是否在合适的位置，并适当的修改适应度函数；当满足不等式约束条件后，带入初始适应度函数中计算适应度值；取最小适应度值作为全局最优f_g，并记录对应粒子的位置x_ig，同时记录每一代历史最优解；

步骤S144，利用下述速度和位置更新公式对空间内的粒子进行搜索，并利用等式和不等式约束条件筛选、进化粒子；根据适应度函数评价粒子，更新最优状态信息：

其中，c₁、c₂为学习因子或加速系数；r₁、r₂取值范围[0,1]，是该区间的均匀分布的随机数；

和

分别是k代群体中的个体最优值和群体最优值；w为惯性系数；

步骤S145，判断全局最优变化是否达到要求或是否到达最大迭代次数(如 24)，如果达到，则进行下一步骤，否则转向步骤S143；

步骤S146，获得优化的微型燃气轮机出力、蓄电池充放电量和与外电网交易电量数值。

步骤S15，输出所述优化的微型燃气轮机出力、蓄电池充放电量和与外电网交易电量数值，并输出监控的蓄电池充电状态的结果。

在本发明提供的实施例中，提出了一种双层优化调度方式，通过微网自优化模型实现下层优化，通过日前电力市场出清模型实现上层优化。上层是以最大化社会福利为目标的电力市场日前出清，下层根据出清实时电价和功率引导微电网，建立以系统运行成本最低为目标的微电网源、荷、储协调优化调度模型。在求解模型的设计中，上层优化的电力市场出清模型，是一个混合整数规划模型。针对这一模型，本发明加载Yalmip工具箱调用Cplex求解器进行求解。而下层的微电网自优化调度模型，是一个多维度、非线性、多耦合的复杂优化问题，本发明采用粒子群算法进行寻优求解。

实施本发明，具有如下的有益效果：

本发明提供一种基于微电网参考日前市场出清系统优化运行方法，通过针对微电网参与日前市场出清双层优化调度模型，并根据各层模型特点，确定相应的求解机制；构建的日前市场出清模型，出清电价能够反映微电网之间供需关系和电能的稀缺程度，引导电能在时间和空间上的有效配置；

本发明通过对整个时间段内蓄电池充放电进行合理规划，整体的可用储存能量较高，能够保障了蓄电池的循环利用，提高微电网系统的稳定性；

本发明采用优化的调度方式，能够减少微型燃气轮机的使用，减少污染物的排放，消纳更多的可再生能源；同时能够减少与外电网交互电量，更大程度上保证外电网的稳定性；

本发明的微电网通过参与电力市场，能够积极作出响应。出清电价引导微电网调动储能管理以及调控与外网交易，能够在电价较低时更多存储电能，同时向外网购入电能满足自身需求，也能够在电价较高时更多的售出电能，增加收益，提高整个微电网的经济性。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (8)

1.一种基于微电网参考日前市场出清系统优化运行方法，其特征在于，包括如下步骤：

步骤S10，微电网侧整体向电力市场侧申报供需双方功率以及供需双方价格；

步骤S11，建立以最大化社会福利为目标的出清目标函数；

步骤S12，根据功率平衡约束、出清功率上下限以及出清价格约束为条件，对所述出清目标函数进行求解，获得日前市场出清功率及分时电价；

步骤S13，根据微电网侧的各成员的模型建立微电网侧的以最小化成本为目标的自优化目标函数；

步骤S14，根据功率平衡约束、机组出力上下限约束、微型燃气轮机机组爬坡约束、蓄电池充放电量约束以及日前市场分时电价为约束条件，采用粒子群算法对所述自优化目标函数进行求解，获得优化的微型燃气轮机出力、蓄电池充放电量和与外电网交易电量数值；

步骤S15，输出所述优化的微型燃气轮机出力、蓄电池充放电量和与外电网交易电量数值，并输出监控的蓄电池充电状态的结果。

2.如权利要求1所述的方法，其特征在于，所述步骤S10进一步包括：

所述微电网包括储能蓄电池、光伏发电机组、风力发电机组以及微型燃气轮机组；所述微电网侧整体向电力市场侧申报用户负荷数据、可再生及不可再生能源出力数据、用户能源供电商报价数据。

3.如权利要求2所述的方法，其特征在于，所述步骤S11进一步包括：

建立如下的出清目标函数：

其中，S_cons和S_prod分别表示生产者和消费者的利润；P_clear、P_pv'、P_wt'、P_mt'分别为总出清功率、出清的光伏功率、出清的风机功率和出清的微型燃气轮机功率；C_clear、C_cons、C_pv、C_wt、C_mt分别为出清电价、用户申报电价、光伏机组申报电价、风电机组申报电价、微型燃气轮机申报电价。

4.如权利要求3所述的方法，其特征在于，在所述步骤S12中，其中：

功率平衡约束为：P′_pv(t)+P′_wt(t)+P′_mt(t)＝P_clear(t)；

出清功率上下限约束为：

P′_DG,j,min≤P′_DG,j(t)≤P′_DG,j,max

0≤P_clear≤P′_load

其中，P′_DG,j,min和P′_DG,j,max分别为第j台可控电源向电力市场申报的最小和最大功率；P′_load为用户向电力市场申报的功率。

5.如权利要求4所述的方法，其特征在于，在所述步骤S13中，其中的微电网侧的各成员的模型至少包括：风电机组模型、风电机组模型、微型燃气轮机模型以及储能蓄电池模型。

6.如权利要求5所述的方法，其特征在于，所述步骤S13进一步包括：

根据微电网侧的各成员的模型，并综合考虑微型燃气轮机成本、治污成本和与外电网交易成本，兼顾蓄电池调度成本，建立如下的优化目标函数：

其中，F_mt、F_util、F_pollution、F_ess分别表示在T时间周期内微型燃气轮机、外电网调度、治理污染和蓄电池调度的总成本；C_util为外网调度成本系数；P_util(t)为特定时间与外网交换功率量；α_mt(i)为微型燃气轮机排放三种污染物(CO₂、SO_x、NO_X)的污染折算系数；E_mt(i)为单位功率排放三类污染物的量；δ_ess为蓄电池调度的成本系数。

7.如权利要求6中的方法，其特征在于，在所述步骤S14中，其中：

所述功率平衡约束如下：

P_pv(t)+P_wt(t)+P_mt(t)+P_batt(t)+P_util(t)＝P_load(t)-P_batt,ch(t)-P_util,sell(t)

其中，P_pv(t)、P_wt(t)、P_mt(t)分别为光伏机组、风电机组和微型燃气轮机机组的出力功率；P_batt(t)和P_batt,ch(t)分别为蓄电池的放电和充电功率；P_util(t)和P_util,sell(t)分别为从外电网购买和卖出的电功率；

所述机组出力上下限约束如下：

P_G,j,min(t)≤P_G,j(t)≤P_G,j,max(t)

其中，

和

分别为第j台可控电源最小和最大输出功率，P_G,j(t)为t时刻第j台可控电源实际输出功率；

所述微型燃气轮机机组爬坡约束如下：

其中，U_mt和D_mt分别为微型燃气轮机机组上升和下降的速率；ΔT为调度的时间间隔；

所述蓄电池充放电量约束如下：

其中，P_batt,min和P_batt,max分别为ΔT调度时间蓄电池最大和最小放电功率；P_batt,ch,min和P_batt,ch,max分别为ΔT调度时间蓄电池最大和最小充电功率；SOC_min和SOC_max分别为ΔT调度时间蓄电池最大和最小充电状态；SOC_int为初始化的充电状态。

8.如权利要求7中的方法，其特征在于，在所述步骤S14中，所述采用粒子群算法对所述自优化目标函数进行求解，获得优化的微型燃气轮机出力、蓄电池充放电量和与外电网交易电量数值的步骤进一步包括：

步骤S141，设置粒子群的基本控制参数，其中，群体大小N，最大迭代次数M、学习因子c₁、c₂、惯性系数w；

步骤S142，在不等式约束条件下初始化代表微型燃气轮机出力大小和蓄电池充放电量粒子速度和位置，并利用等式约束生成与外电网交易电量粒子，并根据光照和风速初始化光伏机组和风电机组出力粒子；

步骤S143，利用不等式约束：蓄电池的充电状态和微型燃气轮机的启停状态来检查种群是否在合适的位置，并适当的修改适应度函数；当满足不等式约束条件后，带入初始适应度函数中计算适应度值；取最小适应度值作为全局最优f_g，并记录对应粒子的位置x_ig，同时记录每一代历史最优解；

步骤S144，利用下述速度和位置更新公式对空间内的粒子进行搜索，并利用等式和不等式约束条件筛选、进化粒子；根据适应度函数评价粒子，更新最优状态信息：

其中，c₁、c₂为学习因子或加速系数；r₁、r₂取值范围[0,1]，是该区间的均匀分布的随机数；

和

分别是k代群体中的个体最优值和群体最优值；w为惯性系数；

步骤S145，判断全局最优变化是否达到要求或是否到达最大迭代次数，如果达到，则进行下一步骤，否则转向步骤S143；

步骤S146，获得优化的微型燃气轮机出力、蓄电池充放电量和与外电网交易电量数值。

Images