CN112688328A - 一种交直流混合微电网时间协调能量优化配置方法 - Google Patents
一种交直流混合微电网时间协调能量优化配置方法 Download PDFInfo
- Publication number
- CN112688328A CN112688328A CN202011398789.2A CN202011398789A CN112688328A CN 112688328 A CN112688328 A CN 112688328A CN 202011398789 A CN202011398789 A CN 202011398789A CN 112688328 A CN112688328 A CN 112688328A
- Authority
- CN
- China
- Prior art keywords
- power
- time
- grid
- model
- hybrid
- 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 27
- 238000005457 optimization Methods 0.000 title claims description 16
- 238000006243 chemical reaction Methods 0.000 claims abstract description 35
- 238000005096 rolling process Methods 0.000 claims abstract description 29
- 239000000446 fuel Substances 0.000 claims description 27
- 230000005540 biological transmission Effects 0.000 claims description 24
- 238000004146 energy storage Methods 0.000 claims description 8
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 6
- 229910052744 lithium Inorganic materials 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 230000002411 adverse Effects 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 230000002457 bidirectional effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000013256 coordination polymer Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- BPPVUXSMLBXYGG-UHFFFAOYSA-N 4-[3-(4,5-dihydro-1,2-oxazol-3-yl)-2-methyl-4-methylsulfonylbenzoyl]-2-methyl-1h-pyrazol-3-one Chemical group CC1=C(C(=O)C=2C(N(C)NC=2)=O)C=CC(S(C)(=O)=O)=C1C1=NOCC1 BPPVUXSMLBXYGG-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 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
- 230000001419 dependent effect Effects 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 229940037201 oris Drugs 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Images
Abstract
本发明公开了一种交直流混合微电网时间协调能量优化配置方法,包括:获取交直流混合微电网的优化配置模型,优化配置模型包括BC动态转换效率模型、BC成本模型、交直流混合微电网成本模型以及电力系统可靠性指标;通过日前经济能源管理模型使日运行成本最小化:根据BC成本模型和交直流混合微电网成本模型和电力系统可靠性指标,建立日前经济能源管理目标函数;基于BC动态转换效率模型建立运行平衡约束条件;建立滚动预测模型对控制范围内的控制变量进行预测;基于BC动态转换效率模型建立目标函数以及约束方程减小预测误差引起的功率;本发明能有效解决多种不确定性因素带来的不利影响,实现交直流混合微电网的经济运行。
Description
技术领域
本发明涉及交直流混合微电网能量管理,具体涉及一种交直流混合微电网时间协调能量优化配置方法。
背景技术
微电网是集分布式电源(DGs)、电池储能系统(ESs)和负荷为一体的小型发电和配电系统。是大规模分布式可再生能源(RESs)接入现有电网的有效载体。由于自然条件的影响,RESs的输出是间歇性的、随机性的。负荷需求也主要由人的行为决定,难以准确预测。基于如上所述因素对微电网的能源管理提出了很大的挑战。
近年来,已对微电网能源管理进行了大量的研究。目前,微电网能源管理策略主要分为随机优化和鲁棒优化两大类。随机优化利用随机变量描述不确定性信息,利用概率统计和随机分析方法建立随机优化模型,得到最小成本调度。然而,对于不同的情况,随机规划过于依赖于精确的概率曲线。在某些情况下,模型不够准确,不能反映实际情况。而鲁棒优化用不确定集代替随机变量的精确概率分布,得到最坏情况下的最优调度。但由于过分追求稳定运行,鲁棒优化常常导致过于保守的调度。
目前,微电网能量管理的研究主要集中在交流微电网上。近年来,随着直流电源数量和负载的增加。这不仅影响了微电网的电能质量,而且降低了微电网运行的经济性。AC/DC混合微电网通过双向AC/DC变换器(BC)将交流区和直流区分开,消除了大量的AC/DC变换。然而,在能源管理方面,传统交流微电网面临的主要挑战是应对负荷的不确定性。由于交直流混合微电网的交直流互耦完全是通过交流母线和直流母线连接的BC来完成的。BC的运行成本和转换效率对交直流混合微电网的能量管理具有重要影响。此外,BC的转换效率总是变化的。这些因素共同构成了交直流混合微电网的多重不确定性。但在以往的研究中,忽略了多重不确定性。因此,BC调度将不匹配实际的BC操作状态。
发明内容
本发明的目的在于提供一种交直流混合微电网时间协调能量优化配置方法,该方法能够有效解决来自可再生能源、电力负荷和双向交/直流变换器的多重不确定性带来的不利影响。
实现本发明目的的技术方案为:一种交直流混合微电网时间协调能量优化配置方法,包括步骤:
步骤1:获取交直流混合微电网的优化配置模型,优化配置模型包括BC动态转换效率模型、BC成本模型、交直流混合微电网成本模型以及电力系统可靠性指标;
步骤2:日前经济能源管理阶段:根据BC成本模型、交直流混合微电网成本模型和电力系统可靠性指标,建立日前经济能源管理目标函数;基于BC动态转换效率模型建立运行平衡约束条件;
步骤3:日内滚动能源管理阶段:建立滚动预测模型对控制范围内的控制变量进行预测;基于BC动态转换效率模型建立目标函数以及约束条件。
进一步的,所述步骤1中BC动态转换效率模型ηBC为:
ηBC=k1PR+k2+k3/PR (1)
其中,k1、k2和k3为与操作有关的参数,通过实验测试获得;PR为传输功率比,即传输功率与转换器额定功率之比。
进一步的,所述步骤1中交直流混合微电网成本模型包括燃料电池成本模型、LB成本模型和交直流混合微电网与主电网交换的成本模型。
进一步的,所述步骤1中电力系统可靠性指标包括系统平均中断频率指数、用户平均中断持续时间指数和用户平均中断频率指数。
进一步的,所述步骤2中日前经济能源管理目标函数为:
其中:CDA是交直流混合微电网日前总成本,T是时间段总数,CBC,t,CFC,t,Cli,t和Cgrid,t为在t时刻BC成本模型、燃料电池成本模型、LB成本模型和交直流混合微电网与主电网交换的成本模型;
所述运行平衡约束条件包括总体运行平衡约束和交直流区域各自的运行平衡约束,具体为:
其中:PPV,t和PWT,t是t时刻PV和WT的功率,PFC,t是t时刻的燃料电池的输出功率、Pch,t和Pdis,t是t时刻LB的充电功率和放电功率,PPgrid,t是t时刻从主电网到微电网的电力流量,PSgrid,t是t时刻从微电网到主电网的电力流量,是t时刻从交流到BC的功率流,是t时刻从直流到BC的功率流,PSgrid,t是t时刻从微电网到主电网的电力流量,PLac,t和PLdc,t是t时刻的交流负载和直流负载。
进一步的,所述步骤3中控制变量包括交直流混合微电网中分布式电源、电池储能系统和BC的功率。
进一步的,所述步骤3中滚动预测模型为:
其中,m代表控制视界内的调度时段数,i代表控制视界内的第i个调度时段,x(t+kΔt|t)是在t时刻预测的t+kΔt时刻x的状态,x是燃料电池功率PFC、锂电池功率Pli、电池功率PBC或储能荷电状态SOC,u(t+iΔt|t)或r(t+iΔt|t)表示在t时刻预测的t+iΔt时刻的功率变化,u是燃料电池功率波动ΔPFC或锂电池功率波动ΔPli,r是光伏功率波动ΔPPV、风机功率波动ΔPWT、交流负荷功率波动ΔPLac或直流负荷功率波动ΔPLdc,λ为每小时的调度时段数,Erc是LB的额定功率。
进一步的,所述步骤3中目标函数f如下:
优化目标约束条件:
s.t.PFCmin≤PFC(t+kΔt|t)≤PFCmax (12)
ΔPFCmin≤ΔPFC(t+kΔt|t)≤ΔPFCmax (13)
Plimin≤Pli(t+kΔt|t)≤Plimax (14)
ΔPlimin≤ΔPli(t+kΔt|t)≤ΔPlimax (15)
PBCmin≤PBC(t+kΔt|t)≤PBCmax (16)
Pgridmin≤Pgrid(t+kΔt|t)≤Pgridmax (17)
SOCmin≤SOC(t+kΔt|t)≤SOCmax (18)
其中:Y、Yref和U分别是输出向量、目标向量和控制向量,G和H均是对角矩阵,表示差权向量和控制权向量,PFCmin和PFCmax是燃料电池的最小和最大输出功率,ΔPFCmin和ΔPFCmax是燃料电池的最小和最大输出功率变化,Plimax和Plimin是LB的最大和最小输出功率,而ΔPlimin和ΔPlimax是LB的最小和最大输出功率变化,PBCmax和PBCmin是BC的最大和最小传输功率,:Pgridmax和Pgridmin是联络线的最大和最小交换功率,SOCmin和SOCmax是LB的最小和最大SOC,k=1,2,...,m,所述目标函数还受日前经济能源管理目标函数的约束条件的约束。
进一步的,所述步骤2的日内滚动能源管理阶段,时间尺度为5分钟,控制水平为1小时,包含12个间隔;在每一个时间步长,为控制水平的每一区间制定时间表;只有第一个5分钟间隔的调度被执行,而其余的调度被视为引用;控制次数一天内向前移动288次。
与现有技术相比,本发明的有益效果是:本发明方法包括日前经济能源管理和日内滚动能源管理两个阶段;日前经济能源管理阶段使交直流混合微电网的运行成本最小化;日内滚动能源管理阶段减小经济能源管理阶段预测误差引起的功率变化;该方法考虑双向交/直流变换器动态转换效率作为日前经济能源管理和日内滚动能源管理的运行约束条件,大大消除了可再生能源、电力负荷和双向交/直流变换器的多重不确定性带来的不利影响,实现交直流混合微电网的经济运行。
附图说明
图1为交直流混合微电网的结构图。
图2为图1中换流器(BC)拓扑图。
图3为本发明提出的交直流混合微电网的时间协调能量管理框架图。
图4为交直流混合微电网中光伏预测功率图。
图5为交直流混合微电网中风电预测功率图。
图6为交直流混合微电网中交直流负荷预测功率图。
图7为交直流混合微电网日前能量管理结果图。
图8为基于不同转换效率模型的BC和储能(LB-SOC)传输功率图。
图9(a)为阴天光照条件下BC的传输功率图,图9(b)为雨天光照条件下BC的传输功率图。
图10为交直流混合微电网日内能量管理结果图。
图11为BC传输功率和LB-SOC的跟踪效应图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
一种常见的交直流混合微电网结构如图1所示,交流母线(交流总线)承载风机(WT)和交流负载,与主电网相连;燃料电池、光伏板、锂离子电池和直流负载与直流母线(直流总线)相连,直流区域的LB可以实现整个微电网的削峰/填谷;交流母线和直流母线通过BC(双向交流/直流变换器)连接,在两个区域之间进行电力交换。在工作状态下,交流负载和直流负载首先由相应区域的DGs供电。
显然,AC/DC混合微电网通过BC将交流和直流区分开,取代了传统交流微电网中大量的AC/DC变换。然而,由于BC在交直流混合微电网中作为能量转换的主体,因此BC的转换效率和运行成本对能量管理的影响要比传统的交流微电网大得多。而且BC的转化效率一直在变化。因此,准确地模拟BC的转换效率是交直流混合微电网能量管理的必要条件。
一种交直流混合微电网时间协调能量优化配置方法,包括如下步骤:
步骤1:获取交直流混合微电网的优化配置模型,优化配置模型包括BC动态转换效率模型、BC成本模型、交直流混合微电网成本模型以及电力系统可靠性指标;
步骤2:日前经济能源管理阶段:通过日前经济能源管理模型使日运行成本最小化:根据BC成本模型、交直流混合微电网成本模型和电力系统可靠性指标,建立日前经济能源管理目标函数;基于BC动态转换效率模型建立运行平衡约束条件;
步骤3:日内滚动能源管理阶段:建立滚动预测模型对控制范围内的控制变量进行预测;基于BC动态转换效率模型建立目标函数以及约束条件减小预测误差引起的功率变化。具体的步骤为:
双向交流/直流功率变换器拓扑结构如图2所示,BC准确的转换效率模型描述如下:
图2中,s1-s6为IGBT模块,变换器损耗主要包括IGBT模块损耗和电感损耗。IGBT模块的损耗是IGBT模块和二极管的导通损耗和开关损耗之和,IGBT的导通损耗PT定义如下:
其中:uCE和iC是IGBT的终端电压和电流,uF和iF是二极管的端电压和电流,D是占空比循环。
由于iC等于iF,PT可以用线性表示为:
PT=(RCE+RF)IC 2+(UCEO+UFO)IC (2)
其中:IC为通态电流,RCE和RF是IGBT和二极管的导通状态等效电阻,UCEO和UFO是IGBT和二极管的阈值电压。
IGBT模块的开关损耗主要由IGBT的开关损耗PSI和二极管的反向恢复损耗PSD组成。
其中:UCE是IGBT的集电极-发射极电压,在稳态下可以看作是一个定值;PSon和PSoff是指IGBT的导通损耗和关断损耗,ai(i=1,2,...,9)参考运行变换器的电感损耗,主要是铜损失,它与IC的平方成正比,考虑式(2)-(4),变换器损耗PL可描述为:
其中:RL是负载电阻。
由于UCE在工作条件下是恒定的,所以IC与转换器的传输功率P成正比。因此(5)可以改为(6)。
PL=b1P2+b2P+b3 (6)
其中,b1、b2和b3是与操作相关的参数,因此,BC(转换器)的转换效率ηBC可以表示如下:
ηBC=(P-PL)/P=-b1P+1-b2-b3/P (7)
将传输功率比PR定义为传输功率P与转换器额定功率PN之比,然后结合系数,ηBC可导出为:
ηBC=k1PR+k2+k3/PR (8)
式中:k1、k2和k3为与操作有关的参数,可通过实验测试获得。
BC成本CBC,t主要分为运行和维护两部分,可以表示为:
其中:CBCOM,t和CBCL,t是t时刻时BC的运行维护成本和功率损耗成本,ηBC,t是t时刻时BC(转换器)的转换效率,或是从交流或直流到BC在t时刻的功率流,KBCOM是BC的运行和维护成本系数,CP,t是t时刻时主电网的电价,Δt为时间间隔;
BC(转换器)操作应满足以下约束条件:
交直流混合微电网的成本模型描述如下:
(1)燃料电池(FC)的成本模型
燃料电池在t时刻CFC,t的成本可以如下所示。
其中:CFCO,t,CFCM,t和PFC,t分别代表燃料电池在t时刻的运行成本、维护成本和功率;CF为天然气价格,QLHV为燃气低热值,Δt为时间间隔;ηFC和KFCM为燃料电池的效率和维护成本系数。
PFC,t约束条件为:
PFCmin≤PFC,t≤PFCmax (12)
其中:PFCmin和PFCmax是燃料电池的最小和最大输出功率。
(2)LB(电池)成本模型
根据基于雨流计数法的泄流深度模型和基于吞吐量估算方法的损失模型,LB在t时刻的CliO,t的运营成本可以描述如下:
其中:Pch,t和Pdis,t是LB的充电功率和放电功率,Cin是初始投资成本,Nrl,t和Erc是LB的循环寿命和额定功率,Dod,t是LB的放电深度。
LB在t时刻的Cli,t的成本表示如下:
Cli,t=CliO,t+CliM,t (15)
CliM,t=KliM(Pch,t+Pdis,t)Δt (16)
式中:CliM,t代表LB在t时刻的维护成本,KliM是LB的维护成本系数;
LB的运行应满足以下限制条件:
Er,0=Er,T (19)
其中:Plimax是LB的最大充电/放电功率,Pli,t是LB在t时刻处的功率,假设放电模式为正值,充电模式为负值。Ich,t、Idis,t代表LB的充/放电模式指示灯(“1”表示LB处于充电/放电模式,否则为“0”)。式(18)显示了容量限制,SOCt是t时刻时LB的荷电状态(SOC),SOCmin和SOCmax是LB的最小和最大SOC,Er,t是LB在t时刻的剩余容量,ηli是LB的效率。式(19)限制LB在能量管理循环中的初始和最终剩余容量,Er,0和Er,T是LB的初始和最终剩余容量。为了保证能量管理的长期实施,LB的剩余容量应该是周期性的。
(3)交直流混合微电网与主电网(AC)交换的成本模型
微电网与主电网交换时间间隔的时间成本Cgrid,t定义如下:
Cgrid,t=(CP,tPPgrid,t-CS,tPSgrid,t)Δt (20)
式中:CP,t和Cs,t是t时刻时主电网的购电价格和对主电网的销售价格,PPgrid,t是t时刻从主电网到微电网的电力流量,而PSgrid,t则相反。
电力交换应满足以下限制条件:
其中:Pgridmax是联络线的最大交换功率,Pgrid,t是联络线在t时刻的交换功率,PPgird,t和PSgird,t是联络线在t时刻的交换功率二元变量,决定微电网向主电网购电或售电的功率,假设从主电网购买电力为正值,向主电网出售电力为负值网格,IPgrid,t和ISgrid,t是二元变量,分别决定微电网向主电网购电或售电的状态。
电力系统可靠性指标有如下三个指标描述:
(1)系统平均中断频率指数(SAIFI)
SAIFI定义为用户在该年或工作期间经历的平均中断次数,即中断的用户总数除以所服务的用户总数。此值计算用户不中断的平均分钟数。
其中:Ni是负载点i用户数量,λi是负载点i的故障率。
(2)用户平均中断持续时间指数(CAIDI)
CAIDI是在任何中断期间恢复服务的平均时间,其计算方法与SAIDI相似,但是,应对应于削减的客户数量和辅助客户总数。通常,指恢复所需的平均时间。其中:Ui是负载点i每年的停机时间,Ni是负载点i用户数量,λi是负载点i的故障率。
(3)用户平均中断频率指数(CAIFI)
CAIFI值是通过SAIFI值的计算方法计算得出的,该方法用于测量每年被中断的每个客户的平均中断次数,通常通过将中断次数除以受中断影响的客户数量来获得。
其中:Ni是负载点i用户数量,N0是初始负载点i用户数量。
步骤2中:
与传统的交流微电网相比,交流和直流区域同时存在源负荷不确定性,给能量管理带来了巨大的挑战。已有研究给出了许多预测方法,结果表明短期预测往往比长期预测更准确,因此在短期运行时间尺度中可以更好地缓解不确定性的影响。为此,提出了一种AC/DC混合微电网的实时协调能量管理策略。该策略包括日前经济能源管理和日内滚动能源管理两个阶段,能源管理框架如图3所示。
在日前经济能源管理阶段,根据光伏、WT和负荷的预测数据,确定日前小时计划,使日运行成本最小化。该模型综合考虑了RESs输出、微电网元件运行特性和分时电价。
日前经济能源管理的目标是使交直流混合微电网的运行成本最小化。目标函数可以表示为:
其中:CDA是交直流混合微电网日前总成本,T是时间段总数。CBC,t,CFC,t,Cli,t和Cgrid,t为在t时刻BC成本模型、燃料电池成本模型、LB成本模型和交直流混合微电网与主电网交换的成本模型,其表达式分别在(9)、(11)、(15)和(20)中给出。
结合交直流混合微电网的运行方式以及DGs、ESs和变流器的运行特性,需要满足以下约束条件:
交直流混合微电网运行平衡约束:
交直流混合微电网运行平衡约束包括总体运行平衡约束和交直流区域各自的运行平衡约束。
其中:PPV,t和PWT,t是t时刻PV和WT的功率,PFC,t是t时刻的燃料电池的输出功率、Pch,t和Pdis,t是t时刻LB的充电功率和放电功率,PPgrid,t是t时刻从主电网到微电网的电力流量,PSgrid,t是t时刻从微电网到主电网的电力流量,是t时刻从交流到BC的功率流,是t时刻从直流到BC的功率流,PSgrid,t是t时刻从微电网到主电网的电力流量,PLac,t和PLdc,t是t时刻的交流负载和直流负载。
步骤3中日内滚动能源管理阶段,微电网运行需要适应PV、WT和负荷的动态波动。因此,基于当日超短期预测数据,采用滚动期优化策略对日前调度进行调整。此外,为了确保当天日程安排的有效性,该策略还尽可能地跟踪BC的前一天日程安排和LB的SOC。时间尺度为5分钟,控制水平为1小时(包含12个间隔)。在每一个时间步长,为控制水平的每一区间制定时间表。但是只有第一个5分钟间隔的调度被执行,而其余的调度被视为引用。然后,在下一个时间步,控制水平向前移动5分钟,如图3所示。模型输入将被更新,上面的过程将被重复。控制次数一天内向前移动288次。
随着时间尺度的缩短,预测精度不断提高。因此,基于当日超短期预测数据对交直流混合微电网进行日内滚动能量管理,可以有效降低日前预测误差的负面影响。
日内滚动能量管理的目标是在尽可能接近BC和LB的SOC提前调度的同时,尽量减少由于日前预测误差而产生的变化。该模型由滚动预测模型和优化问题建模两部分组成。
1)滚动预测模型
建立滚动预测模型,对控制范围内的控制变量进行预测,即实现交直流混合微电网中DGs(分布式电源)、Ess(电池储能系统)和BC(转换器)的功率预测。模型可以表示为:
公式(29)给出了燃料电池和LB的滚动预测模型,在(30)、(31)中,基于交直流混合微电网的功率平衡和LB的SOC迭代公式,进一步推导了输出变量的滚动预测模型,其中,m代表控制视界内的调度时段数,i代表控制视界内的第i个调度时段,x(t+kΔt|t)是在t时刻预测的t+kΔt时刻x的状态,x是燃料电池功率PFC、锂电池功率Pli、电池功率PBC或储能荷电状态SOC,u(t+iΔt|t)或r(t+iΔt|t)表示在t时刻预测的t+iΔt时刻的功率变化,u是燃料电池功率波动ΔPFC或锂电池功率波动ΔPli,r是光伏功率波动ΔPPV、风机功率波动ΔPWT、交流负荷功率波动ΔPLac或直流负荷功率波动ΔPLdc,λ为每小时的调度时段数,Erc是LB的额定功率。
2)优化问题建模
为了尽量减小日前预测误差引起的功率变化,同时尽可能接近地跟踪BC的日前调度和LB的SOC,建立日内滚动能量管理模型的目标函数f如下:
约束条件为:
s.t.PFCmin≤PFC(t+kΔt|t)≤PFCmax (36)
ΔPFCmin≤ΔPFC(t+kΔt|t)≤ΔPFCmax (37)
Plimin≤Pli(t+kΔt|t)≤Plimax (38)
ΔPlimin≤ΔPli(t+kΔt|t)≤ΔPlimax (39)
PBCmin≤PBC(t+kΔt|t)≤PBCmax (40)
Pgridmin≤Pgrid(t+kΔt|t)≤Pgridmax (41)
SOCmin≤SOC(t+kΔt|t)≤SOCmax (42)
Y、Yref和U分别是输出向量、目标向量和控制向量,G和H均是对角矩阵,表示差权向量和控制权向量,PFCmin和PFCmax是燃料电池的最小和最大输出功率,ΔPFCmin和ΔPFCmax是燃料电池的最小和最大输出功率变化,Plimax和Plimin是LB的最大和最小输出功率,而ΔPlimin和ΔPlimax是LB的最小和最大输出功率变化,PBCmax和PBCmin是BC的最大和最小传输功率,Pgridmax和Pgridmin是联络线的最大和最小交换功率,SOCmin和SOCmax是LB的最小和最大SOC,k=1。在上述约束条件下,k=1,2,...,m。此外,该模型还受(26)表示的运行平衡的约束。
实施例
将具体实施方式中的时间协调能量优化配置方法应用于交直流混合微电网进行能量管理,仿真研究交直流混合微电网实时协调能量配置策略的有效性。微电网结构如图1所示。交直流混合微电网运行参数如表1所示。
表1 交直流混合微电网的运行参数表
PV、WT和AC/DC负荷的日前和日内超短期预测数据如图4-图6所示,直线表示日前预测值,曲线表示日内预测值,日前预测与日内超短期预测的误差分别为13.6%、16.5%、11.3%和10.2%。
根据开发的日前经济能源管理模型,交直流混合微电网的能源管理结果如图7所示。日前能源经济管理结果分析如下:河谷时段(23:00-6:00)AC、DC负荷均较低,直流区域PV功率接近于0。而交流区域的功率波动较大,微电网从主电网购电。除了满足交流负载,能量通过BC流入直流侧,并且传输功率方向是负的。在低谷期,由于直流区域PV功率较大,LB大部分为放电状态,因此直流侧的功率流向交流侧,BC的传输功率主要为正。16:00-19:00时段BC传输功率为0。这是因为交直流区域间换电的综合成本高于同期从主电网购电的成本。
夜间WT功率充足,购买价格为低谷价。夜间充电后,LB的SOC达到较高值。早上WT功率降低,PV功率仍然不足。随着负载需求的增加,系统的电量和SOC逐渐降低。因此,微电网可以在满足负荷需求的同时向主电网销售电能。中午时分,光伏发电达到了当天的峰值。在高峰时段(19:00-23:00),光伏电源停止运行,LB放电。LB的SOC最终返回到能量管理启动的初始值,以确保能量管理的周期性。综上所述,LB不仅有效地发挥了削峰填谷的作用,而且可以使微电网从峰谷电价差异中获益。
根据发电机组的运行和损耗特性,建立了发电机组的DCE模型。为了评价模型的合理性和有效性,本节采用传统模型进行比较。在传统模型中,BC转换效率为常数,本次仿真将其设置为0.95。在日前能源经济管理中,分别采用上述两种模型。
图8为基于不同转换效率模型的BC传输功率和LB的SOC。图中柱状图为BC传输功率,折线图为LB的SOC。表2列出了基于不同转换效率模型的日前计划运行成本及相应计算时间。这里的运行成本是指日前实际运行成本。
表2 不同模型转化效率比较表
显然,DCE模型计算时间较长,但运行成本较低。传统模型虽然计算时间较短,但不能准确反映实际运行状态,导致运行成本较高。以图10中16:00-19:00为例,交流与直流区域所需交换功率明显降低。因此,根据BC的传输特性,转换效率大大降低。因此,交直流地区之间的电力交换成本将高于从主电网购买电力。因此,基于DCE模型的BC传输功率降为0。然而,由于传统模型中BC转换效率是一个常数,因此电力交换成本始终低于从主电网购买电力。因此,交流和直流区域之间总是存在功率交换。但这显然与实际运营状况不符,最终将导致运营成本的提高。此外,如图8所示,当采用DCE模型时,LB-SOC的范围比传统模型小。这有利于延长LB的循环寿命。
上述模拟是在一个典型的晴天实现的。图9(a)、图9(b)分别为基于不同转换效率模型的阴天和雨天光照条件下BC传输功率。为便于比较,小波变换的输出功率、负荷分布和电价与上述仿真结果相同,分别如图6-图7所示。表3给出了两种转换效率模型在不同光照条件下的运行成本偏差,以及传输功率的绝对偏差之和。
表3 不同光照条件下的比较表
综上所述,提出的BC的DCE模型能够更准确地反映BC的运行状态,有效降低AC/DC混合微电网的运行成本,特别是在弱光条件下。随着微电网容量和用户负荷的增加,DCE模型的经济效益将进一步放大。此外,虽然该模型需要较长的计算时间,但由于高性能的计算机和更先进的算法,它不会成为在线应用程序的计算负担。
根据提出的日内滚动能量管理模型,AC/DC混合微电网的能量管理结果如图10所示。根据日内超短期预测数据,对日前计划进行了某些调整。日内新增成本为20.19¥,总运行成本为105.42¥,但如果没有日内滚动能量管理,日内功率波动只会被主电网通过联络线抑制。在这种情况下,当天的额外成本将达到28.56件,比所提策略高出34.1%。因此,交直流混合微电网日内滚动能量管理可以有效地降低日前预测误差的负面影响,获得良好的综合经济效益。
图11为BC传输功率与LB的SOC的跟踪效果。可以看出,日内BC传输功率和LB的SOC较好地遵循了日前调度。因此,交直流混合微电网的日内滚动能量管理,不仅减少了日前预测误差的负面影响,而且保证了日前计划的有效性。此外,BC传输功率的准确跟踪也有效地保证了AC/DC混合微电网实时稳定、鲁棒运行。
Claims (9)
1.一种交直流混合微电网时间协调能量优化配置方法,其特征在于,包括步骤:
步骤1:获取交直流混合微电网的优化配置模型,优化配置模型包括BC动态转换效率模型、BC成本模型、交直流混合微电网成本模型以及电力系统可靠性指标;
步骤2:日前经济能源管理阶段:根据BC成本模型、交直流混合微电网成本模型和电力系统可靠性指标,建立日前经济能源管理目标函数;基于BC动态转换效率模型建立运行平衡约束条件;
步骤3:日内滚动能源管理阶段:建立滚动预测模型对控制范围内的控制变量进行预测;基于BC动态转换效率模型建立目标函数以及约束条件。
2.根据权利要求1所述的一种交直流混合微电网时间协调能量优化配置方法,其特征在于,所述步骤1中BC动态转换效率模型ηBC为:
ηBC=k1PR+k2+k3/PR (1)
其中,k1、k2和k3为与操作有关的参数,通过实验测试获得;PR为传输功率比,即传输功率与转换器额定功率之比。
3.根据权利要求1所述的一种交直流混合微电网时间协调能量优化配置方法,其特征在于,所述步骤1中交直流混合微电网成本模型包括燃料电池成本模型、LB成本模型和交直流混合微电网与主电网交换的成本模型。
4.根据权利要求1所述的一种交直流混合微电网时间协调能量优化配置方法,其特征在于,所述步骤1中电力系统可靠性指标包括系统平均中断频率指数、用户平均中断持续时间指数和用户平均中断频率指数。
5.根据权利要求1所述的一种交直流混合微电网时间协调能量优化配置方法,其特征在于,所述步骤2中日前经济能源管理目标函数为:
其中:CDA是交直流混合微电网日前总成本,T是时间段总数,CBC,t,CFC,t,Cli,t和Cgrid,t为在t时刻BC成本模型、燃料电池成本模型、LB成本模型和交直流混合微电网与主电网交换的成本模型;
所述运行平衡约束条件包括总体运行平衡约束和交直流区域各自的运行平衡约束,具体为:
6.根据权利要求1所述的一种交直流混合微电网时间协调能量优化配置方法,其特征在于,所述步骤3中控制变量包括交直流混合微电网中分布式电源、电池储能系统和BC的功率。
7.根据权利要求1所述的一种交直流混合微电网时间协调能量优化配置方法,其特征在于,所述步骤3中滚动预测模型为:
其中,m代表控制视界内的调度时段数,i代表控制视界内的第i个调度时段,x(t+kΔt|t)是在t时刻预测的t+kΔt时刻x的状态,x是燃料电池功率PFC、锂电池功率Pli、电池功率PBC或储能荷电状态SOC,u(t+iΔt|t)或r(t+iΔt|t)表示在t时刻预测的t+iΔt时刻的功率变化,u是燃料电池功率波动ΔPFC或锂电池功率波动ΔPli,r是光伏功率波动ΔPPV、风机功率波动ΔPWT、交流负荷功率波动ΔPLac或直流负荷功率波动ΔPLdc,λ为每小时的调度时段数,Erc是LB的额定功率。
8.根据权利要求7所述的一种交直流混合微电网时间协调能量优化配置方法,其特征在于,所述步骤3中目标函数f如下:
优化目标约束条件:
s.t.PFCmin≤PFC(t+kΔt|t)≤PFCmax (12)
ΔPFCmin≤ΔPFC(t+kΔt|t)≤ΔPFCmax (13)
Plimin≤Pli(t+kΔt|t)≤Plimax (14)
ΔPlimin≤ΔPli(t+kΔt|t)≤ΔPlimax (15)
PBCmin≤PBC(t+kΔt|t)≤PBCmax (16)
Pgridmin≤Pgrid(t+kΔt|t)≤Pgridmax (17)
SOCmin≤SOC(t+kΔt|t)≤SOCmax (18)
其中:Y、Yref和U分别是输出向量、目标向量和控制向量,G和H均是对角矩阵,表示差权向量和控制权向量,PFCmin和PFCmax是燃料电池的最小和最大输出功率,ΔPFCmin和ΔPFCmax是燃料电池的最小和最大输出功率变化,Plimax和Plimin是LB的最大和最小输出功率,而ΔPlimin和ΔPlimax是LB的最小和最大输出功率变化,PBCmax和PBCmin是BC的最大和最小传输功率,Pgridmax和Pgridmin是联络线的最大和最小交换功率,SOCmin和SOCmax是LB的最小和最大SOC,k=1,2,...,m,所述目标函数还受日前经济能源管理目标函数的约束条件的约束。
9.根据权利要求1所述的一种交直流混合微电网时间协调能量优化配置方法,其特征在于,所述步骤2的日内滚动能源管理阶段,时间尺度为5分钟,控制水平为1小时,包含12个间隔;在每一个时间步长,为控制水平的每一区间制定时间表;只有第一个5分钟间隔的调度被执行,而其余的调度被视为引用;控制次数一天内向前移动288次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011398789.2A CN112688328B (zh) | 2020-12-04 | 2020-12-04 | 一种交直流混合微电网时间协调能量优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011398789.2A CN112688328B (zh) | 2020-12-04 | 2020-12-04 | 一种交直流混合微电网时间协调能量优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112688328A true CN112688328A (zh) | 2021-04-20 |
CN112688328B CN112688328B (zh) | 2024-02-13 |
Family
ID=75447303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011398789.2A Active CN112688328B (zh) | 2020-12-04 | 2020-12-04 | 一种交直流混合微电网时间协调能量优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112688328B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113300408A (zh) * | 2021-04-30 | 2021-08-24 | 北京天诚同创电气有限公司 | 微电网群同期控制方法和系统 |
CN115189369A (zh) * | 2022-07-18 | 2022-10-14 | 国网江苏省电力有限公司连云港供电分公司 | 基于数据驱动的交直流混合微电网故障后电压稳定性预测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160118799A1 (en) * | 2014-10-22 | 2016-04-28 | SEWW Energy Inc. | Apparatuses, Methods, and Systems for Sustainable Energy Microgrid Mobile Medical Solutions |
CN106877338A (zh) * | 2017-03-29 | 2017-06-20 | 华北电力大学(保定) | 含高密度间歇性能源的交直流微电网不确定优化运行方法 |
CN109687444A (zh) * | 2018-12-27 | 2019-04-26 | 广东电网有限责任公司 | 一种微电网电源多目标双层优化配置方法 |
CN109995091A (zh) * | 2019-04-26 | 2019-07-09 | 太原理工大学 | 一种考虑预测误差的交直流混合微电网经济调度方法 |
WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
CN110752629A (zh) * | 2019-10-25 | 2020-02-04 | 中民新能投资集团有限公司 | 一种交直流混合家庭微电网能量优化管理方法 |
CN110782363A (zh) * | 2019-08-15 | 2020-02-11 | 东南大学 | 一种计及风电不确定性的交直流配电网调度方法 |
CN111092429A (zh) * | 2019-12-23 | 2020-05-01 | 国网北京市电力公司 | 一种柔性互联配电网的优化调度方法、存储介质及处理器 |
-
2020
- 2020-12-04 CN CN202011398789.2A patent/CN112688328B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160118799A1 (en) * | 2014-10-22 | 2016-04-28 | SEWW Energy Inc. | Apparatuses, Methods, and Systems for Sustainable Energy Microgrid Mobile Medical Solutions |
CN106877338A (zh) * | 2017-03-29 | 2017-06-20 | 华北电力大学(保定) | 含高密度间歇性能源的交直流微电网不确定优化运行方法 |
WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
CN109687444A (zh) * | 2018-12-27 | 2019-04-26 | 广东电网有限责任公司 | 一种微电网电源多目标双层优化配置方法 |
CN109995091A (zh) * | 2019-04-26 | 2019-07-09 | 太原理工大学 | 一种考虑预测误差的交直流混合微电网经济调度方法 |
CN110782363A (zh) * | 2019-08-15 | 2020-02-11 | 东南大学 | 一种计及风电不确定性的交直流配电网调度方法 |
CN110752629A (zh) * | 2019-10-25 | 2020-02-04 | 中民新能投资集团有限公司 | 一种交直流混合家庭微电网能量优化管理方法 |
CN111092429A (zh) * | 2019-12-23 | 2020-05-01 | 国网北京市电力公司 | 一种柔性互联配电网的优化调度方法、存储介质及处理器 |
Non-Patent Citations (1)
Title |
---|
肖浩;裴玮;孔力;: "基于模型预测控制的微电网多时间尺度协调优化调度", 电力系统自动化, no. 18 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113300408A (zh) * | 2021-04-30 | 2021-08-24 | 北京天诚同创电气有限公司 | 微电网群同期控制方法和系统 |
CN113300408B (zh) * | 2021-04-30 | 2023-10-27 | 北京天诚同创电气有限公司 | 微电网群同期控制方法和系统 |
CN115189369A (zh) * | 2022-07-18 | 2022-10-14 | 国网江苏省电力有限公司连云港供电分公司 | 基于数据驱动的交直流混合微电网故障后电压稳定性预测方法及系统 |
CN115189369B (zh) * | 2022-07-18 | 2024-01-12 | 国网江苏省电力有限公司连云港供电分公司 | 基于数据驱动的交直流混合微电网故障后电压稳定性预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112688328B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Optimal sizing of distributed generations in DC microgrids with comprehensive consideration of system operation modes and operation targets | |
CN106651026B (zh) | 多时间尺度微电网能量管理优化调度方法 | |
Xiong et al. | Multi-agent based multi objective renewable energy management for diversified community power consumers | |
CN107565607B (zh) | 一种基于实时电价机制的微电网多时间尺度能量调度方法 | |
Begovic et al. | Impact of renewable distributed generation on power systems | |
Acevedo-Arenas et al. | MPC for optimal dispatch of an AC-linked hybrid PV/wind/biomass/H2 system incorporating demand response | |
Chen et al. | Smart energy management system for optimal microgrid economic operation | |
CN111293691A (zh) | 基于模型预测控制的微电网多时间尺度优化调度方法 | |
Zhao et al. | An intelligent solar powered battery buffered EV charging station with solar electricity forecasting and EV charging load projection functions | |
Zhu et al. | Managing microgrids with intermittent resources: A two-layer multi-step optimal control approach | |
CN112688328B (zh) | 一种交直流混合微电网时间协调能量优化配置方法 | |
Yao et al. | Energy storage sizing optimization for large-scale PV power plant | |
CN112350369B (zh) | 光储充一体化电站能效评估方法 | |
Zeng et al. | Model predictive control for energy storage systems in a network with high penetration of renewable energy and limited export capacity | |
Ouédraogo et al. | Performances of energy management strategies for a Photovoltaic/Battery microgrid considering battery degradation | |
CN109950900B (zh) | 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法 | |
Tan et al. | Joint scheduling optimization of virtual power plants and equitable profit distribution using shapely value theory | |
CN112699562B (zh) | 一种构建配电网架构的方法及终端 | |
Ciornei et al. | Real-time optimal scheduling for prosumers resilient to regulatory changes | |
CN110739684B (zh) | 基于多时间尺度的多交直流混合微电网优化调度方法 | |
CN115619431A (zh) | 微电网的调度方法、装置、终端及存储介质 | |
Li et al. | Multiobjective Optimization Model considering Demand Response and Uncertainty of Generation Side of Microgrid | |
CN112418950A (zh) | 计及光伏的微电网短期负荷预测及控制方法 | |
CN113629758A (zh) | 一种多能源并网运行控制方法和系统 | |
Yu et al. | A Two-stage Model Predictive Control Strategy for Economical Operation of Microgrid |
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 |