CN112564102B - 多微网负荷优化调度方法和系统 - Google Patents

多微网负荷优化调度方法和系统 Download PDF

Info

Publication number
CN112564102B
CN112564102B CN202011453521.4A CN202011453521A CN112564102B CN 112564102 B CN112564102 B CN 112564102B CN 202011453521 A CN202011453521 A CN 202011453521A CN 112564102 B CN112564102 B CN 112564102B
Authority
CN
China
Prior art keywords
microgrid
power grid
large power
grid
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.)
Active
Application number
CN202011453521.4A
Other languages
English (en)
Other versions
CN112564102A (zh
Inventor
周开乐
郑望
焦建玲
陆信辉
丁涛
李兰兰
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202011453521.4A priority Critical patent/CN112564102B/zh
Publication of CN112564102A publication Critical patent/CN112564102A/zh
Application granted granted Critical
Publication of CN112564102B publication Critical patent/CN112564102B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • 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
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种多微网负荷优化调度方法和系统，涉及微网负荷优化调度技术领域。本方案首先基于各微网的运行成本构建多微网优化调度模型；然后基于多微网优化调度模型对多微网进行优化调度，获取各微网与大电网的电能交互量；其次，根据电能交互量，大电网获取大电网博弈策略，多微网获取各微网博弈策略；最后，大电网和各微网分别基于各自的博弈策略以及非合作博弈模型进行非合作博弈，输出纳什均衡解，并基于纳什均衡解对多微网进行实时优化调度。本技术方案不仅实现了多微网间多余能量共享，提高了能源利用率，同时让各微网参与到了与大电网进行电能交互的过程中，提高了各微网与大电网进行交互的主动性。

Description

多微网负荷优化调度方法和系统
技术领域
本发明涉及微网负荷优化调度技术领域，具体涉及一种多微网负荷优化调度方法和系统。
背景技术
为了克服由于可再生能源发电波动性大对冷热电联供微网(简称微网)内三种负荷的供需平衡造成的影响，需要通过有效的优化调度策略来提高微网的能源利用效率，实现微网的经济稳定运行。微网优化调度分为单一微网优化调度和多微网优化调度。多微网优化调度是指对于存在一定区域内的多个微网，通过采用一定的优化调度策略，在满足各微网内冷热电负荷需求的同时，对微网中各设备出力进行优化以及通过对各微网的燃气购入策略、电能购售策略、能量交互策略进行调整，从而促进各微网系统稳定运行，减少多微网运行成本，降低环境污染，提高能源利用率。
现有的多微网优化调度策略一般是基于微网“以热定电”、“以电定热”运行方式或通过优化各设备出力(输出功率)和电气购入策略来满足微网负荷需求并实现多微网经济运行。
然而，现有的一些微网优化调度策略，如单一微网优化调度虽然能满足微网内负荷需求，但无法实现多微网间的电能交互共享，造成能源利用率不高，多微网协同优化调度虽然保证一定区域内多微网的经济运行，一定程度上提高了能源利用率，但微网只能被动地根据大电网发布的实时电价进行购售电能，缺乏微网与大电网进行电能交互的主动性。综上可知，现有的微网优化调度技术存在无法在提高微网能源利用效率的同时提升微网与大电网之间进行电能交互的主动性的问题。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种多微网负荷优化调度方法和系统，解决了无法在提高微网能源利用效率的同时提升微网与大电网之间进行电能交互的主动性的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
第一方面，本发明提出一种多微网负荷优化调度方法，所述方法包括：
基于各微网的运行成本构建多微网优化调度模型；
基于所述多微网优化调度模型对多微网进行优化调度，获取各微网与大电网的电能交互量；
根据所述电能交互量，大电网基于动态电价机制获取大电网博弈策略，多微网获取各微网博弈策略；
大电网和各微网分别基于所述大电网博弈策略、所述各微网博弈策略，以及非合作博弈模型进行非合作博弈，输出纳什均衡解；
基于所述纳什均衡解对多微网进行实时优化调度。
优选的，所述多微网优化调度模型的目标函数为：
Figure BDA0002832441300000021
其中，n＝{1,2,3,...,N}表示微网序号，N为多微网中微网的总个数；t∈T表示时刻，T为调度周期总时段数；
Figure BDA0002832441300000022
分别表示电能交互成本、微网设备维护成本、购气成本、微网间能量共享成本和需求响应成本。
优选的，所述动态电价机制为：
Figure BDA0002832441300000023
其中at、bt、ct、dt均为t时刻的动态电价参数，
Figure BDA0002832441300000031
为t时段内各微网与大电网的交互量总和，Pgrid(t)大于0时表示在t时段内各微网与大电网总的电能交互量为正，即大电网处于售电状态，Pgrid(t)小于0时表示各微网与大电网总的电能交互量为负，即大电网处于购电状态。
优选的，所述各微网博弈策略为：将满足各微网负荷需求和多微网之间多余能量共享时的购售电量作为各微网博弈策略；
所述大电网博弈策略为：基于所述动态电价机制生成的同时兼顾售电收益和电网波动性的购售电电价作为大电网博弈策略。
优选的，所述非合作博弈模型包括：
G＝(L；S；U)
其中，L、S、U分别表示博弈模型的三个要素：参与者、策略集和效用；所述参与者为各微网和大电网；所述策略集为各微网博弈策略和大电网博弈策略；所述效用包括：
各微网的效用函数：
Umic＝-C；
其中，C为多微网调度周期内运行的总成本；
大电网效用函数：
Figure BDA0002832441300000032
其中，
Figure BDA0002832441300000033
表示N个微网第t个时段内与电网进行电能交互的总和，
Figure BDA0002832441300000034
表示调度周期内电网平均电能交互量，Cv表示大电网电能交互量波动的单位成本。
第二方面，本发明提出了一种多微网负荷优化调度系统，所述系统包括：
调度模型确定模块，用于基于各微网的运行成本构建多微网优化调度模型；
电能交互量获取模块，用于基于所述多微网优化调度模型对多微网进行优化调度，获取各微网与大电网的电能交互量；
博弈策略获取模块，用于根据所述电能交互量，大电网基于动态电价机制获取大电网博弈策略，多微网获取各微网博弈策略；
非合作博弈模块，用于大电网和各微网分别基于所述大电网博弈策略、所述各微网博弈策略，以及非合作博弈模型进行非合作博弈，输出纳什均衡解；
设备和需求响应模块，用于基于所述纳什均衡解对多微网进行实时优化调度。
优选的，所述多微网优化调度模型的目标函数为：
Figure BDA0002832441300000041
其中，n＝{1,2,3,...,N}表示微网序号，N为多微网中微网的总个数；t∈T表示时刻，T为调度周期总时段数；
Figure BDA0002832441300000042
分别表示电能交互成本、微网设备维护成本、购气成本、微网间能量共享成本和需求响应成本。
优选的，所述动态电价机制为：
Figure BDA0002832441300000043
其中at、bt、ct、dt均为t时刻的动态电价参数，
Figure BDA0002832441300000044
为t时段内各微网与大电网的交互量总和，Pgrid(t)大于0时表示在t时段内各微网与大电网总的电能交互量为正，即大电网处于售电状态，Pgrid(t)小于0时表示各微网与大电网总的电能交互量为负，即大电网处于购电状态。
优选的，所述各微网博弈策略为：将满足各微网负荷需求和多微网之间多余能量共享时的购售电量作为各微网博弈策略；
所述大电网博弈策略为：基于所述动态电价机制生成的同时兼顾售电收益和电网波动性的购售电电价作为大电网博弈策略。
优选的，所述非合作博弈模型包括：
G＝(L；S；U)
其中，L、S、U分别表示博弈模型的三个要素：参与者、策略集和效用；所述参与者为各微网和大电网；所述策略集为各微网博弈策略和大电网博弈策略；所述效用包括：
各微网的效用函数：
Umic＝-C；
其中，C为多微网调度周期内运行的总成本；
大电网效用函数：
Figure BDA0002832441300000051
其中，
Figure BDA0002832441300000052
表示N个微网第t个时段内与电网进行电能交互的总和，
Figure BDA0002832441300000053
表示调度周期内电网平均电能交互量，Cv表示大电网电能交互量波动的单位成本。
(三)有益效果
本发明提供了一种多微网负荷优化调度方法和系统。与现有技术相比，具备以下有益效果：
本发明通过构建多微网的优化调度模型，对多微网进行优化调度，获取各微网与大电网的电能交互量，然后通过动态电价机制获取大电网的博弈策略，同时获取各微网的博弈策略，并让大电网和各微网分别基于各自的博弈策略，利用非合作博弈模型进行非合作博弈，最终基于非合作博弈过程输出的纳什均衡解对多微网进行实时优化调度。该技术方案不仅实现了多微网间多余能量共享，提高了能源利用率，同时让各微网参与到了与大电网进行电能交互的过程中，提高了各微网与大电网进行交互的主动性。
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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一种多微网负荷优化调度方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本申请实施例通过提供一种多微网负荷优化调度方法和系统，解决了现有技术无法在提高微网能源利用率的同时提升微网与大电网之间进行电能交互的主动性的问题，实现了在提高微网能源利用率的同时提升了微网与大电网进行电能交互的主动性的目的。
本申请实施例中的技术方案为解决上述技术问题，总体思路如下：
本发明通过构建多微网的优化调度模型，对多微网进行优化调度，获取各微网与大电网的电能交互量，然后通过动态电价机制和设置的电能交互规则分别获取大电网和各微网的博弈策略，并让大电网和各微网分别基于其各自的博弈策略，再利用非合作博弈模型进行非合作博弈，最终基于非合作博弈过程输出的纳什均衡解对多微网进行实时优化调度。该技术方案一方面实现了多微网间多余能量共享，以此提高能源利用率，同时让各微网参与到了与大电网进行电能交互的过程中，提高了各微网与大电网进行交互的主动性。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例1：
第一方面，本发明提出一种多微网负荷优化调度方法，所述方法包括：
S1、基于各微网的运行成本构建多微网优化调度模型；
S2、基于上述多微网优化调度模型对多微网进行优化调度，获取各微网与大电网的电能交互量；
S3、根据上述电能交互量，大电网基于动态电价机制获取大电网博弈策略，多微网获取各微网博弈策略；
S4、大电网和各微网分别基于上述大电网博弈策略、上述各微网博弈策略，以及非合作博弈模型进行非合作博弈，输出纳什均衡解；
S5、基于上述纳什均衡解对多微网进行实时优化调度。
可见，本发明通过构建多微网的优化调度模型，对多微网进行优化调度，获取各微网与大电网的电能交互量，然后通过动态电价机制获取大电网的博弈策略，同时获取各微网的博弈策略，并让大电网和各微网分别基于各自的博弈策略，利用非合作博弈模型进行非合作博弈，最终基于非合作博弈过程输出的纳什均衡解对多微网进行实时优化调度。该技术方案不仅实现了多微网间多余能量共享，提高了能源利用率，同时让各微网参与到了与大电网进行电能交互的过程中，提高了各微网与大电网进行交互的主动性。
本发明实施例的上述方法中，为了提高能源利用率，降低环境污染，减少多微网运行成本，一种较佳的处理方式是，确定所述多微网优化调度模型的目标函数为：
Figure BDA0002832441300000081
其中，n＝{1,2,3,...,N}表示微网序号，N为多微网中微网的总个数；t∈T表示时刻，T为调度周期总时段数；
Figure BDA0002832441300000082
分别表示电能交互成本、微网设备维护成本、购气成本、微网间能量共享成本和需求响应成本。
另外，本发明实施例的上述方法中，为了更加科学合理的获得大电网的博弈策略，一种较佳的处理方式是，利用动态电价机制获取大电网的博弈策略，所述动态电价模型为：
Figure BDA0002832441300000083
其中at、bt、ct、dt均为t时刻的动态电价参数，
Figure BDA0002832441300000084
为t时段内各微网与大电网的交互量总和，Pgrid(t)大于0时表示在t时段内各微网与大电网总的电能交互量为正，即大电网处于售电状态，Pgrid(t)小于0时表示各微网与大电网总的电能交互量为负，即大电网处于购电状态。
实际中，在本发明实施例的上述方法中，为了让各微网能够参与到与大电网进行电能交互的过程中，提高各微网与大电网进行交互的主动性，在优化调度过程中，构建大电网和各微网之间的非合作博弈模型，该模型包括：
G＝(L；S；U)
其中，L、S、U分别表示博弈模型的三个要素：参与者、策略集和效用；所述参与者为各微网和大电网；所述策略集为各微网博弈策略和大电网博弈策略；所述效用包括：
各微网的效用函数：
Umic＝-C；
其中，C为多微网调度周期内运行的总成本；
大电网效用函数：
Figure BDA0002832441300000091
其中，
Figure BDA0002832441300000092
表示N个微网第t个时段内与电网进行电能交互的总和，
Figure BDA0002832441300000093
表示调度周期内电网平均电能交互量，Cv表示大电网电能交互量波动的单位成本。
下面结合对具体步骤的解释，来详细说明本发明一个实施例的实现过程。
图1是本发明一种多微网负荷优化调度方法的流程图，参见图1，多微网负荷优化调度方法具体过程包括：
S1、基于各微网的运行成本构建多微网优化调度模型。
典型的冷热电联供微网(简称微网)一般由燃气轮机、燃气锅炉、余热回收装置、吸收式制冷机、可再生能源发电装置等几个部分组成，根据典型冷热电联供微网的组成，对各微网的各个设备分别进行建模，然后，根据各设备模型获取多微网的运行成本，最后根据各微网的运行成本确定多微网优化调度模型。
具体地，对燃气轮机建模：
Figure BDA0002832441300000094
其中，
Figure BDA0002832441300000095
表示冷热电联供微网燃气轮机在t时段内的发电功率，
Figure BDA0002832441300000101
为冷热电联供微网中燃气轮机t时段内消耗的燃气功率，ηgt为燃气轮机的发电效率，
Figure BDA0002832441300000102
为燃气轮机在t时段内产生的电能，
Figure BDA0002832441300000103
为燃气轮机消耗的燃气消耗量，Lgas为燃气热值；
对燃气锅炉建模：
Figure BDA0002832441300000104
其中，
Figure BDA0002832441300000105
为冷热电联供微网n中燃气锅炉在t时段的输出功率，
Figure BDA0002832441300000106
为燃气锅炉所消耗的燃气量，Lgas为燃气热值，ηgb为燃气锅炉的产热效率；
对余热回收装置建模：
Figure BDA0002832441300000107
其中，
Figure BDA0002832441300000108
为冷热电联供微网n中余热回收装置在t时段的输出热功率，
Figure BDA0002832441300000109
为余热回收装置输入功率，ηwh为余热回收装置的回收效率；
对换热装置建模：
Figure BDA00028324413000001010
其中，
Figure BDA00028324413000001011
为冷热电联供微网n中换热装置t时段的输出制热功率，γheat为余热回收装置输出功率中供给系统热负荷的比率，ηhx为换热装置的效率；
对吸收式制冷机建模：
Figure BDA00028324413000001012
其中，
Figure BDA00028324413000001013
为冷热电联供微网n中吸收式制冷机的输出制冷功率，γcool为余热回收装置输出功率中用于供给系统冷负荷的比率，ηac为吸收式制冷机的制冷效率；
对电制冷机建模：
Figure BDA0002832441300000111
其中，
Figure BDA0002832441300000112
为微网n中电制冷机在t时段的输出制冷功率，
Figure BDA0002832441300000113
为电制冷机在t时段的输入电功率，ηec为电制冷机的能效比。
各微网的运行成本，具体地包括：
微网设备维护成本：
Figure BDA0002832441300000114
其中，i＝{1，2，3，...,9}表示设备种类，i＝1～9分别表示光伏、风机、蓄电池、燃气轮机、燃气锅炉、换热装置、余热回收装置、吸收式制冷机、电制冷机；n表示微网对应的序号；Ki表示微网n中第i种设备单位电能的运行维护费用；Pi n(t)表示微网n中第i种设备在时间t内的输出/输入功率；
微网间能量共享成本：
Figure BDA0002832441300000115
其中，
Figure BDA0002832441300000116
表示微网n在t时段内与其他微网进行电能共享时的能量传输费用；c(t)表示微网间单位电能传输费用；
Figure BDA0002832441300000117
为微网n与配电区域内微网j的能量共享功率，
Figure BDA0002832441300000118
表示微网n从其他微网j处得到共享能量，
Figure BDA0002832441300000119
表示微网n共享能量给其他微网j。
电能交互成本：
Figure BDA00028324413000001110
其中，
Figure BDA00028324413000001111
为微网n在t时段与大电网进行电能交互的费用；cgrid(t)为t时段的交互电价；
Figure BDA00028324413000001112
为微网n在t时段的交互功率，当
Figure BDA0002832441300000121
时表示微网n向大电网购电，
Figure BDA0002832441300000122
时表示微网n向大电网售电；
购气成本：
Figure BDA0002832441300000123
其中，
Figure BDA0002832441300000124
为微网n在t时段内的购气成本；cgas为t时段的购气气价；
Figure BDA0002832441300000125
和
Figure BDA0002832441300000126
分别为燃气锅炉和燃气轮机在t时段消耗的燃气量；
需求响应成本：
Figure BDA0002832441300000127
其中，
Figure BDA0002832441300000128
为微网n在t时段内的需求响应成本；
Figure BDA0002832441300000129
和
Figure BDA00028324413000001210
分别为微网n的电、热、冷三种负荷的需求响应成本；
Figure BDA00028324413000001211
Figure BDA00028324413000001212
分别为增加/削减电负荷需求响应的单位成本；
Figure BDA00028324413000001213
分别为微网n在t时段内增加/削减的电负荷；
Figure BDA00028324413000001214
分别表示为增加/削减热负荷需求响应的单位成本，
Figure BDA00028324413000001215
分别为微网n在t时段内增加/削减的热负荷；
Figure BDA00028324413000001216
分别表示为增加/削减冷负荷需求响应的单位成本；
Figure BDA00028324413000001217
分别为微网n在t时段内增加/削减的冷负荷；
对多微网进行优化调度，实际上是在满足各微网三种负荷需求并考虑多微网之间多余能量共享的基础上，以调度周期内多微网的总运行成本最小化进行优化调度，所以多微网系统优化调度模型的目标函数可以表示为：
Figure BDA0002832441300000131
其中，n＝{1,2,3,...,N}表示微网序号，N为多微网中微网的总个数；t∈T表示时刻，T为调度周期总时段数；
Figure BDA0002832441300000132
分别表示电能交互成本、微网设备维护成本、购气成本、微网间能量共享成本和需求响应成本。
S2、基于所述多微网优化调度模型对多微网进行优化调度，获取各微网与大电网的电能交互量。
从各微网数据库中获取历史信息记录数据，将各设备的可再生能源发电装置历史发电量和各冷热电联供微网的冷热电负荷历史需求数据，输入上述构建的多微网优化调度模型中，在满足各微网三种负荷需求并考虑多微网之间多余能量共享的基础上，以调度周期内多微网总运行成本最小化进行优化调度，即对上述多微网系统优化调度模型的目标函数进行最小化，得到各微网与大电网总的电能交互量。
在多微网优化调度模型进行优化调度过程中，需要确定负荷及各微网的约束条件，具体地，约束条件包括：
冷热电三种负荷供需平衡约束：
Figure BDA0002832441300000133
其中，
Figure BDA0002832441300000134
分别为微网n中的电负荷功率、冷负荷功率和热负荷功率；
Figure BDA0002832441300000135
分别为微网n中风力和光伏在t时段内的发电功率；
Figure BDA0002832441300000136
表示为蓄电池在t时段的充放电功率，当
Figure BDA0002832441300000137
时表示充电，
Figure BDA0002832441300000138
表示放电；
微网能量共享约束：
Figure BDA0002832441300000141
其中，
Figure BDA0002832441300000142
表示微网n在t时段内进行能量共享的最大值；
与电网电能交互量约束：
Figure BDA0002832441300000143
其中，
Figure BDA0002832441300000144
表示微网n与电网进行电能交互的最大交互量；
微网各设备出力上下限约束：
Pi min≤Pi n(t)≤Pi max；
其中，Pi n(t)表示微网n中第i种设备的出力功率，Pi min和Pi max分别表示第i种设备输出功率的最大值和最小值；
蓄电池能量存储及充放电功率约束：
Figure BDA0002832441300000145
其中，
Figure BDA0002832441300000146
为蓄电池在t时间段内存储的电量；μ为蓄电池自放电系数；
Figure BDA0002832441300000147
和
Figure BDA0002832441300000148
为蓄电池的充电效率和放电效率；
Figure BDA0002832441300000149
和
Figure BDA00028324413000001410
分别为蓄电池容量的最小值和最大值；
Figure BDA00028324413000001411
和
Figure BDA00028324413000001412
分别为蓄电池充放电功率的最小值和最大值；
Figure BDA00028324413000001413
和
Figure BDA00028324413000001414
表示充放电状态位，为0-1变量；
Figure BDA00028324413000001415
(或
Figure BDA00028324413000001416
)为1时表示微网n中蓄电池在t时段内处于充电(或放电)状态，为0时表示未处于充电(或放电)状态，且充放电状态互斥；
电需求响应策略约束：
Figure BDA0002832441300000151
其中，
Figure BDA0002832441300000153
分别表示微网n在调度周期内增加/削减电负荷的总和，
Figure BDA0002832441300000154
分别为用电负荷需求上移/下移指标，为0-1变量，1表示微网n电负荷需求处于上移/下移状态；
Figure BDA0002832441300000155
表示电负荷需求上升/下降的最大比率，
Figure BDA0002832441300000156
为微网n在t时段的电负荷需求响应量。
热需求响应策略约束：
Figure BDA0002832441300000152
其中：
Figure BDA0002832441300000157
分别表示微网n在调度周期内增加，削减热负荷的总和，
Figure BDA0002832441300000158
分别为热负荷需求上移、下移指标，为0-1变量，1表示微网n热负荷需求处于上移、下移状态。
Figure BDA0002832441300000159
表示热负荷需求上升、下降的最大比率，
Figure BDA00028324413000001510
为微网n在t时段的热负荷需求响应量。
冷需求响应策略约束：
Figure BDA0002832441300000161
其中：
Figure BDA0002832441300000163
分别表示微网n在调度周期内增加，削减冷负荷的总和，
Figure BDA0002832441300000164
分别为冷负荷需求上移、下移指标，为0-1变量，1表示微网n冷负荷需求处于上移、下移状态。
Figure BDA0002832441300000165
表示冷负荷需求上升、下降的最大比率，
Figure BDA0002832441300000166
为微网n在t时段的冷负荷需求响应量。
S3、根据上述电能交互量，大电网基于动态电价机制获取大电网博弈策略，多微网获取各微网博弈策略。
根据S2中得到的各微网与大电网之间总的电能交互量，各个微网根据预先设置好的电能交互规则自动调整各时段与大电网的电能交互分量(即每个微网与大电网之间的购售电量)，并以其作为各微网的博弈策略上传到大电网；大电网基于各个微网的购售电量，根据动态电价机制自动对购售电电价cgrid(t)进行调整，并以其作为大电网的博弈策略发布给各个微网。上述动态电价机制的公式为：
Figure BDA0002832441300000162
其中at、bt、ct、dt均为t时刻的动态电价参数，
Figure BDA0002832441300000167
为t时段内各微网与大电网的交互量总和，Pgrid(t)大于0时表示在t时段内各微网与大电网总的电能交互量为正，即大电网处于售电状态，Pgrid(t)小于0时表示各微网与大电网总的电能交互量为负，即大电网处于购电状态。
S4、大电网和各微网分别基于上述大电网博弈策略、上述各微网博弈策略，以及非合作博弈模型进行非合作博弈，输出纳什均衡解。
基于上述S3中得到的大电网和各微网的博弈策略，然后各微网与大电网之间利用非合作博弈模型进行非合作博弈，并且双方不断调整其各自的博弈策略，直到达到纳什均衡。该过程中，非合作博弈模型为：
G＝(L；S；U)
其中，L、S、U分别表示非合作博弈模型的三个要素，L表示参与者，S表示策略集，U表示效用。本模型中的参与者为各个微网和大电网，各微网以各时段购售电量作为博弈策略，大电网以对微网的售电电价作为博弈策略，各微网的效用函数为：
Umic＝-C；
其中，C为各微网运行的总成本；
大电网的效用函数为：
Figure BDA0002832441300000171
其中，
Figure BDA0002832441300000172
表示N个微网第t个时段内与电网进行电能交互的总和，
Figure BDA0002832441300000173
表示调度周期内电网平均电能交互量，Cv表示大电网电能交互量波动的单位成本。
S5、基于上述纳什均衡解对多微网进行实时优化调度。
各微网与大电网在上述非合作博弈过程中，双方不断更新各自的博弈策略，直到相邻两次策略相同或达到最大迭代次数，停止迭代，此时输出纳什均衡解。最大迭代次数可以根据实际需要进行设置，输出的纳什均衡解为最终满足各微网平稳经济运行和电网售能效益的微网购售电量和购售电电价。
至此，完成了本发明一种多微网负荷优化调度方法的全部过程。
实施例2：
第二方面，本发明还提供了一种多微网负荷优化调度系统，该系统包括：
调度模型确定模块，用于基于各微网的运行成本构建多微网优化调度模型；
电能交互总量获取模块，用于基于所述多微网优化调度模型对多微网进行优化调度，获取各微网与大电网的电能交互总量；
博弈策略获取模块，用于根据所述电能交互量，大电网基于动态电价机制获取大电网博弈策略，多微网获取各微网博弈策略；
非合作博弈模块，用于大电网和各微网分别基于所述大电网博弈策略、所述各微网博弈策略，以及非合作博弈模型进行非合作博弈，输出纳什均衡解；
设备和需求响应模块，用于基于所述纳什均衡解对多微网进行实时优化调度。
优选的，所述多微网优化调度模型的目标函数为：
Figure BDA0002832441300000181
其中，n＝{1,2,3,...,N}表示微网序号，N为多微网中微网的总个数；t∈T表示时刻，T为调度周期总时段数；
Figure BDA0002832441300000183
分别表示电能交互成本、微网设备维护成本、购气成本、微网间能量共享成本和需求响应成本。
优选的，所述动态电价机制为：
Figure BDA0002832441300000182
其中at、bt、ct、dt均为t时刻的动态电价参数，
Figure BDA0002832441300000184
为t时段内各微网与大电网的交互量总和，Pgrid(t)大于0时表示在t时段内各微网与大电网总的电能交互量为正，即大电网处于售电状态，Pgrid(t)小于0时表示各微网与大电网总的电能交互量为负，即大电网处于购电状态。
优选的，所述各微网博弈策略为：将满足各微网负荷需求和多微网之间多余能量共享时的购售电量作为各微网博弈策略；
所述大电网博弈策略为：基于所述动态电价机制生成的同时兼顾售电收益和电网波动性时的购售电电价作为大电网博弈策略。
优选的，所述非合作博弈模型包括：
G＝(L；S；U)
其中，L、S、U分别表示博弈模型的三个要素：参与者、策略集和效用；所述参与者为各微网和大电网；所述策略集为各微网博弈策略和大电网博弈策略；所述效用包括：
各微网的效用函数：
Umic＝-C；
其中，C为多微网调度周期内运行的总成本；
大电网效用函数：
Figure BDA0002832441300000191
其中，
Figure BDA0002832441300000192
表示N个微网第t个时段内与电网进行电能交互的总和，
Figure BDA0002832441300000193
表示调度周期内电网平均电能交互量，Cv表示大电网电能交互量波动的单位成本。
可理解的是，本发明实施例提供的多微网负荷优化调度系统与上述多微网负荷优化调度方法相对应，其有关内容的解释、举例、有益效果等部分可以参考多微网负荷优化调度方法中的相应内容，此处不再赘述。
综上所述，与现有技术相比，具备以下有益效果：
1、本发明通过构建多微网的优化调度模型，对多微网进行优化调度，获取各微网与大电网的电能交互量，然后通过动态电价机制获取大电网的博弈策略，同时获取各微网的博弈策略，并让大电网和各微网分别基于各自的博弈策略，利用非合作博弈模型进行非合作博弈，最终基于非合作博弈过程输出的纳什均衡解对多微网进行实时优化调度。该技术方案不仅实现了多微网间多余能量共享，提高了能源利用率，同时让各微网参与到了与大电网进行电能交互的过程中，提高了各微网与大电网进行交互的主动性；
2、本发明在满足各微网三种负荷需求并考虑多微网之间多余能量共享的基础上，以调度周期内多微网的总运行成本最小化进行优化调度，提高了能源利用率，降低环境污染，减少多微网运行成本；
3、本发明构建大电网和各微网之间的非合作博弈模型，让各微网能够参与到与大电网进行电能交互的过程中，提高了各微网与大电网进行交互的主动性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.一种多微网负荷优化调度方法，其特征在于，所述方法包括：
基于各微网的运行成本构建多微网优化调度模型；
基于所述多微网优化调度模型对多微网进行优化调度，获取各微网与大电网的电能交互量；
根据所述电能交互量，大电网基于动态电价机制获取大电网博弈策略，多微网获取各微网博弈策略；
大电网和各微网分别基于所述大电网博弈策略、所述各微网博弈策略，以及非合作博弈模型进行非合作博弈，输出纳什均衡解；
基于所述纳什均衡解对多微网进行实时优化调度；
所述多微网优化调度模型的目标函数为：
Figure FDA0003765074790000011
其中，n＝{1,2,3,...,N}表示微网序号，N为多微网中微网的总个数；t∈T表示时刻，T为调度周期总时段数；
Figure FDA0003765074790000012
分别表示电能交互成本、微网设备维护成本、购气成本、微网间能量共享成本和需求响应成本；
所述动态电价机制为：
Figure FDA0003765074790000013
其中at、bt、ct、dt均为t时刻的动态电价参数，
Figure FDA0003765074790000014
为t时段内各微网与大电网的交互量总和，Pgrid(t)大于0时表示在t时段内各微网与大电网总的电能交互量为正，即大电网处于售电状态，Pgrid(t)小于0时表示各微网与大电网总的电能交互量为负，即大电网处于购电状态；
所述非合作博弈模型包括：
G＝(L；S；U)
其中，L、S、U分别表示博弈模型的三个要素：参与者、策略集和效用；所述参与者为各微网和大电网；所述策略集为各微网博弈策略和大电网博弈策略；所述效用包括：
各微网的效用函数：
Umic＝-C；
其中，C为多微网调度周期内运行的总成本；
大电网效用函数：
Figure FDA0003765074790000021
其中，
Figure FDA0003765074790000022
表示N个微网第t个时段内与电网进行电能交互的总和，
Figure FDA0003765074790000023
表示调度周期内电网平均电能交互量，Cv表示大电网电能交互量波动的单位成本，
Figure FDA0003765074790000024
表示第n个微网与大电网的电能交互量。
2.如权利要求1所述的方法，其特征在于，所述各微网博弈策略为：将满足各微网负荷需求和多微网之间多余能量共享时的购售电量作为各微网博弈策略；
所述大电网博弈策略为：基于所述动态电价机制生成的同时兼顾售电收益和电网波动性的购售电电价作为大电网博弈策略。
3.一种多微网负荷优化调度系统，其特征在于，所述系统包括：
调度模型确定模块，用于基于各微网的运行成本构建多微网优化调度模型；
电能交互量获取模块，用于基于所述多微网优化调度模型对多微网进行优化调度，获取各微网与大电网的电能交互量；
博弈策略获取模块，用于根据所述电能交互量，大电网基于动态电价机制获取大电网博弈策略，多微网获取各微网博弈策略；
非合作博弈模块，用于大电网和各微网分别基于所述大电网博弈策略、所述各微网博弈策略，以及非合作博弈模型进行非合作博弈，输出纳什均衡解；
设备和需求响应模块，用于基于所述纳什均衡解对多微网进行实时优化调度；
所述多微网优化调度模型的目标函数为：
Figure FDA0003765074790000031
其中，n＝{1,2,3,...,N}表示微网序号，N为多微网中微网的总个数；t∈T表示时刻，T为调度周期总时段数；
Figure FDA0003765074790000032
分别表示电能交互成本、微网设备维护成本、购气成本、微网间能量共享成本和需求响应成本；
所述动态电价机制为：
Figure FDA0003765074790000033
其中at、bt、ct、dt均为t时刻的动态电价参数，
Figure FDA0003765074790000034
为t时段内各微网与大电网的交互量总和，Pgrid(t)大于0时表示在t时段内各微网与大电网总的电能交互量为正，即大电网处于售电状态，Pgrid(t)小于0时表示各微网与大电网总的电能交互量为负，即大电网处于购电状态；
所述非合作博弈模型包括：
G＝(L；S；U)
其中，L、S、U分别表示博弈模型的三个要素：参与者、策略集和效用；所述参与者为各微网和大电网；所述策略集为各微网博弈策略和大电网博弈策略；所述效用包括：
各微网的效用函数：
Umic＝-C；
其中，C为多微网调度周期内运行的总成本；
大电网效用函数：
Figure FDA0003765074790000041
其中，
Figure FDA0003765074790000042
表示N个微网第t个时段内与电网进行电能交互的总和，
Figure FDA0003765074790000043
表示调度周期内电网平均电能交互量，Cv表示大电网电能交互量波动的单位成本，
Figure FDA0003765074790000044
表示第n个微网与大电网的电能交互量。
4.如权利要求3所述的系统，其特征在于，所述各微网博弈策略为：将满足各微网负荷需求和多微网之间多余能量共享时的购售电量作为各微网博弈策略；
所述大电网博弈策略为：基于所述动态电价机制生成的同时兼顾售电收益和电网波动性的购售电电价作为大电网博弈策略。
CN202011453521.4A 2020-12-11 2020-12-11 多微网负荷优化调度方法和系统 Active CN112564102B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011453521.4A CN112564102B (zh) 2020-12-11 2020-12-11 多微网负荷优化调度方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011453521.4A CN112564102B (zh) 2020-12-11 2020-12-11 多微网负荷优化调度方法和系统

Publications (2)

Publication Number Publication Date
CN112564102A CN112564102A (zh) 2021-03-26
CN112564102B true CN112564102B (zh) 2022-09-09

Family

ID=75061584

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011453521.4A Active CN112564102B (zh) 2020-12-11 2020-12-11 多微网负荷优化调度方法和系统

Country Status (1)

Country Link
CN (1) CN112564102B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344249B (zh) * 2021-05-14 2022-09-30 合肥工业大学 基于区块链的冷热电联供多微网优化调度方法和系统
CN113642793B (zh) * 2021-08-13 2023-10-27 武汉大学 一种基于合作博弈的多区域电网协同优化调度方法
CN113762808B (zh) * 2021-09-24 2023-06-09 国网湖南省电力有限公司 微网多能源系统与电网系统的联合调度方法
CN114938035B (zh) * 2022-05-06 2023-06-09 合肥工业大学 考虑储能退化成本的共享储能能量调度方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10211638B2 (en) * 2013-09-30 2019-02-19 Board Of Regents, The University Of Texas System Power quality of service optimization for microgrids
CN103839109A (zh) * 2013-10-19 2014-06-04 李涛 一种基于博弈纳什均衡的微网电源规划方法
CN107958300B (zh) * 2017-08-21 2020-08-04 浙江工业大学 一种考虑互动响应的多微网互联运行协调调度优化方法
CN107545325B (zh) * 2017-08-21 2021-02-26 浙江工业大学 一种基于博弈论的多微网互联运行优化方法
CN109190802B (zh) * 2018-08-13 2020-12-29 南京邮电大学 云储能环境下基于发电预测的多微网博弈优化方法

Also Published As

Publication number Publication date
CN112564102A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
Li et al. Optimal scheduling of integrated demand response-enabled integrated energy systems with uncertain renewable generations: A Stackelberg game approach
Gu et al. Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives
CN112564102B (zh) 多微网负荷优化调度方法和系统
Wu et al. Dynamic economic dispatch of a microgrid: Mathematical models and solution algorithm
CN109657993B (zh) 一种基于非合作博弈的能源局域网储能系统自动需求响应方法
Ju et al. A Tri-dimensional Equilibrium-based stochastic optimal dispatching model for a novel virtual power plant incorporating carbon Capture, Power-to-Gas and electric vehicle aggregator
CN106228258A (zh) 一种计及需求侧管理的家庭能源局域网能量优化控制方法
CN110245810B (zh) 一种区域能源互联网协调优化运行方法
CN114662752B (zh) 基于价格型需求响应模型的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
CN113794244B (zh) 含多微网主动配电系统的定价与最优能量调度方法和系统
CN112365021A (zh) 一种基于混合储能的区域综合能源系统规划优化方法
CN114155103A (zh) 基于区块链合作博弈的能量共享联盟灵活性交易方法
CN114611772B (zh) 一种基于多智能体强化学习的多微网系统协同优化方法
Du et al. RETRACTED ARTICLE: Optimal scheduling of integrated energy system based on improved grey wolf optimization algorithm
CN113344249B (zh) 基于区块链的冷热电联供多微网优化调度方法和系统
CN115829142A (zh) 一种工业企业综合能源系统优化规划方法
Hayati et al. A two-stage stochastic optimization scheduling approach for integrating renewable energy sources and deferrable demand in the spinning reserve market
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及系统
Gang et al. Optimal stochastic scheduling in residential micro energy grids considering pumped-storage unit and demand response
CN112036637A (zh) 考虑风电消纳的社区能源互联网能源交易调度方法及系统
CN117039862A (zh) 基于氢共享储能服务的微网群双层优化配置方法和装置
CN112270432B (zh) 一种考虑多主体利益均衡的综合能源系统的能量管理方法
Tong et al. Economical optimization for multi-microgrid based on Stackelberg game
Qian et al. Low carbon optimization dispatching of energy intensive industrial park based on adaptive stepped demand response incentive mechanism

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