CN112766571B - 一种分布式与集中式相协同的微网群调度方法 - Google Patents

Abstract

本发明公开了一种分布式与集中式相协同的微网群调度方法，获取园区微网群各单元中的光伏、负荷的日前预测数据；构建园区微网群计划调度模型，求解得到微网群的计划调度结果；利用园区微网群各设备、负荷的实时运行状态数据和微网群的计划调度结果作差计算得到园区整体实时净电功率偏差；计算园区各单元分摊的实时净电功率偏差，构建各单元实时优化调度模型，求解各单元实时优化调度模型得到园区各单元微网实时功率参考值；将求解得到的实时功率参考值下发各微网单元，完成单次微网群的优化调度，在运行日内重复执行以上步骤，完成微网群的日运行调度。本发明实现了整个微网群的差异性利益最大化，符合当今电网全局发展经济要求。

Description

一种分布式与集中式相协同的微网群调度方法

技术领域

本发明属于智能电网技术领域，具体涉及一种分布式与集中式相协同的微网群调度方法。

背景技术

智能电网背景下，园区微网群已成为微网的重要发展趋势和能源综合利用的有效形式，其中包括多类能源供应和消费单元，如单微网、含分布式电源的智能用户、传统用户、电动汽车充电桩等。这些单元可能有着不同的自主管理能力、信息安全要求或自主管理意愿，因此需要针对多样化的用户管理需要采用差异化的调度策略。例如：单微网、智能楼宇等，有独立的能量管理系统，能够自主进行调度管理，这类单元可采用分布式调度策略；而对于传统用户、公共用电等单元不具有自主管理能力，适用于传统的集中式调度策略。可见，传统的集中式调度策略与分布式调度策略均难以满足这一差异化的调度需求，因此，需要针对园区微网群的特征提出相适应的调度策略。

同时，随着电力体制改革，电力市场化程度加大，越来越多的资本力量参与到微网的投资建设。不同的微网分属不同的利益主体，有着各自的利益诉求与管理意愿。因此，有必要建立与微网群特征相适应的调度分析工具。

到目前为止，已有关于微网群调度优化的部分研究，但针对不同微网特征的差异性调度策略分析工具仍然缺失。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种分布式与集中式相协同的微网群调度方法，保障微网群可靠稳定运行的同时，根据不同微网的差异性特征构建了不同的调度方法保障了微网群的不同利益诉求。

本发明采用以下技术方案：

一种分布式与集中式相协同的微网群调度方法，包括以下步骤：

S1、获取园区微网群各单元中的光伏、负荷的日前预测数据；

S2、利用步骤S1获取的预测数据，确定目标函数和约束条件，构建园区微网群计划调度模型，对构建的园区微网群计划调度模型进行求解得到微网群的计划调度结果；

S3、利用园区微网群各设备、负荷的实时运行状态数据和步骤S2得到微网群的计划调度结果作差计算得到园区整体实时净电功率偏差；

S4、根据步骤S3得到的园区整体实时净电功率偏差计算园区各单元分摊的实时净电功率偏差，根据各单元分摊的实时净电功率偏差构建各单元实时优化调度模型，对各单元实时优化调度模型进行求解得到园区各单元微网实时功率参考值；

S5、将步骤S4求解得到的实时功率参考值下发各微网单元，完成单次微网群的优化调度，在运行日内重复执行以上步骤，完成微网群的日运行调度。

具体的，步骤S2中，微网群的计划调度结果包括可控电源的开停机计划、出力计划、电储能、蓄热槽的充放电计划以及购售电计划。

具体的，步骤S2中，园区微网群计划调度模型中的约束条件包括：

燃气锅炉消耗的燃料费用为：

供热量满足约束如下：

开机状态变量满足约束如下：

其中，S_gas为天然气的价格；η^GB为燃气锅炉的效率；HV为天然气热值(KJ/m³)；B^GB(t)为燃气锅炉的运行状态变量；分别为燃气锅炉的最大、最小出力；/>为燃气锅炉的开机标志变量；

电锅炉模型为：

H^EB(t)＝P^EB(t)η^EB

其中，H^EB(t)、P^EB(t)分别为电热锅炉的产热量和耗电量；η^EB为电热锅炉的效率；为电热锅炉的容量；

热电联产机组采用可变热电产出比模式，具体模型为：

0＜α_k＜1

其中，P^CHP(t)、H_i ^CHP(t)为热电联产机组输出的电功率和热功率；B^CHP(t)为运行状态变量；为热电联产机组的开机标志变量；

蓄热槽模型为：

其中，W^HST(t)为蓄热槽中存储的热量；η^HST蓄热槽的效率；分别为t时刻的蓄热槽单位时间内的蓄热与放热量；

电动汽车的充电功率和荷电状态约束为：

其中，为电动汽车的充电功率；/>为最大充电功率；SOC^EV(t)为电动汽车蓄电池的荷电状态；/>为充电效率；/>分别为允许的最小、最大核电状态；

园区微网群计划调度模型的目标函数为：

其中，_nMG为园区内调度单元微网群数量。

具体的，步骤S3中，园区整体实时净电功率偏差计算模型为：

其中，{P_i ^e(t)|e∈E}表示第i个单微网中各元件输出的电功率，包括可控电源、电锅炉、热电联产机组、电储能设备以及电动汽车；E表示通用单微网模型中供电元件的集合；分别为电储能的充放电功率；P_i ^net(t)为单微网i中的电负荷功率；P_i ^PV(t)为单微网i中光伏电源出力；/>表示第i个微网中各元件输出的热功率，包括燃气锅炉、电锅炉、热电联产机组以及热储能设备。

具体的，步骤S4中，园区各单元分摊的实时净电功率偏差计算模型为：

其中，分别为单元i内负荷与光伏出力实时预测偏差；DP_err,S(t)为园区微网群整体实时净电负荷偏差；/>为单元i分摊的实时功率偏差。

具体的，步骤S4中，各单元实时优化调度模型的目标函数为：

其中，分别为可控电源、燃气锅炉、热电机组实时运行的燃料费用，与日前调度模型中的燃料费用函数形式相同；/>P_i ^e(t)为各供电设备的实时与计划出力；/>为各供热设备的实时与计划出力。C_dis、C_ch分别为电储能的放电成本与边际成本；/>为储能的实时充放电功率；为蓄热槽的实时蓄热与放热功率。

具体的，步骤S4中，各单元实时优化调度模型的约束条件为：

其中，为单元i内的实时净热负荷偏差。

具体的，步骤S5中，微网群的日运行调度具体为：

各微网单元定期更新微网群的计划调度结果，判断是否到达规定时间执行实时调度，若完成了一天内的实时调度结果，则结束；否则，执行下一阶段的实时调度，如此反复直至结束全天调度。

与现有技术相比，本发明至少具有以下有益效果：

本发明一种分布式与集中式相协同的微网群调度方法，针对用户类型的多样性问题，在各类供电、供热设备建模的基础上，建立了一种通用的单微网模型，实现了热电联合调度。针对用户差异性的管理需求问题，对具有自主管理能力的单元采用分布式调度策略；对不具有自主管理能力的单元采用集中式调度策略。实现了园区微网群调度问题的集中与分布式协同优化求解，减小了中央管理系统的计算负担，降低了信息传输量，有利于保护用户信息安全，更有利于促进光伏出力的消纳、降低整体运行费用。同时构建的微网群调度方法包含多个时间尺度上的协同调度，有效保障了微网群日常运行调度的安全可靠性。

进一步的，为了保证微网的实时输出功率能有一个最优参考标准，在进行微网群实时调度之前，求解了微网群的计划调度，并以此作为实时调度的基础。

进一步的，为了得到微网群的计划调度结果，本发明建立了微网群的计划调度模型，通过求解便可以得到计划调度结果。

进一步的，为了度量微网群的实时功率偏离计划的调度结果的大小，求解了园区整体的实时净电功率偏差，同时作为后续调度的参考。

进一步的，将上述园区整体的实时净电功率偏差分摊到各个单元元件中，方便对每个单元进行优化调度，下发调度指令。

进一步的，为了保证在微网群的实时优化调度的结果能有比较好的经济性，建立了各单元实时优化调度模型目标函数。

进一步的，考虑到各个微网群中各个元件的出力上下限及实际运行约束，追加了各单元实时优化调度模型约束条件，大大提交了落地的实用性和实际性。

进一步的，各微网单元在运行日内重复执行步骤完成微网群的日运行调度可以保证数据的实时性，提高调度的有效性。

综上所述，本发明允许微网群中的不同微网归属不同的利益主体，但综合考虑了各个微网的差异特性，构建统一的集中式与分布式优化模型，避免了不同微网之间的恶性竞争，通过一个整体的协调调度，实现了整个微网群的差异性利益最大化。在当今能源互联网全局建设的形式下更能体现微网群调度的经济合理性，更符合当今电网全局发展的经济要求。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为分布式与集中式相协同的微网群调度框架示意图；

图2为本发明提出的一种分布式与集中式相协同的微网群调度方法实现流程图；

图3为园区微网群测试算例结构图；

图4为园区微网群测试算例采用的风电、光伏出力与负荷数据图；

图5为采用本发明方法得到的微网群调度结果图。

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。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。

请参阅图3，本发明提供了一种分布式与集中式相协同的微网群调度方法，将微网群中不同微网根据控制结构与微网偏好分为自主调度单元和非自主调度单元。其中，自主调度单元采用分布式调度方法、非自主调度单元采用集中式调度方法，自主调度单元与非自主调度单元通过配网进行能量交互协同。

本发明集中考虑了园区微网群中用户类型的多样性、满足差异化的管理需求；同时引入了各类微网的特性约束、系统约束、安全约束，对具有自主管理能力的单元采用分布式调度策略，对不具有自主管理能力的单元采用集中式调度策略，构建了整个园区微网群调度优化模型；采用的园区微网群的风电、光伏出力及负荷数据如图4所示。

请参阅图2，本发明一种分布式与集中式相协同的微网群调度方法，包括以下步骤：

S1、获取园区微网群各单元中的光伏、负荷的日前预测数据；

微网群各单元中的光伏、负荷的日前预测数据为提前24h的以15min为间隔的96点预测数据。

S2、以式(16)为目标函数，以(1)～(15)为约束条件基于S1的预测数据，构建园区微网群计划调度模型，并进行求解，得到园区微网群中各单元的日前计划调度功率参考值；

园区微网群计划调度模型中的约束条件包括以下部分：

燃气锅炉通常以天然气为燃料向用户供暖、供热，式(1)给出了燃气锅炉消耗的燃料费用，其供热量满足约束(2)，开机状态变量满足约束(3)；具体的燃气锅炉调度模型为：

其中，S_gas为天然气的价格；η^GB为燃气锅炉的效率；HV为天然气热值(KJ/m³)；B^GB(t)为燃气锅炉的运行状态变量；分别为燃气锅炉的最大、最小出力；/>为燃气锅炉的开机标志变量。

电锅炉的结构比较简单、价格便宜、运行灵活、无污染、能量转换效率可达95％以上，在园区或智能楼宇中有较好的应用前景。具体的电锅炉模型为：

H^EB(t)＝P^EB(t)η^EB (4)

其中，H^EB(t)、P^EB(t)分别为电热锅炉的产热量和耗电量；η^EB为电热锅炉的效率；为电热锅炉的容量。

热电联产机组采用可变热电产出比模式进行建模分析，其具体的模型为：

0＜α_k＜1 (8)

其中，P^CHP(t)、H_i ^CHP(t)为热电联产机组输出的电功率和热功率；B^CHP(t)为运行状态变量；为热电联产机组的开机标志变量。

蓄热槽成本低、效率高，可以与电热锅炉和燃气锅炉配合使用，满足用户供暖和供热需求，蓄热槽模型为：

其中，W^HST(t)为蓄热槽中存储的热量；η^HST蓄热槽的效率；分别为t时刻的蓄热槽单位时间内的蓄热与放热量。

电动汽车的蓄电池存在两种运行策略，即EV策略和V2G策略。电动汽车的充电功率和荷电状态约束为：

其中，为电动汽车的充电功率；/>为最大充电功率；SOC^EV(t)为电动汽车蓄电池的荷电状态；/>为充电效率；/>分别为允许的最小、最大核电状态。

园区微网群计划调度模型中的目标函数为：

其中，_nMG为园区内调度单元微网群数量。

微网群的计划调度结果具体为：可控电源的开停机计划、出力计划、电储能、蓄热槽的充放电计划以及购售电计划。

S3、获取园区微网群的各设备、负荷的实时运行状态数据，采用式(17)-(20)计算园区整体的实时净电功率偏差；

园区微网群的各设备、负荷的实时状态数据包括：非自主调度单元中各设备中各设备、负荷的实时运行状态数据；本地控制单元获取自主控制单元中各设备、负荷的实时运行状态数据。

园区整体的实时净电功率偏差计算模型为：

其中，{P_i ^e(t)|e∈E}表示第i个单微网中各元件输出的电功率，包括可控电源、电锅炉、热电联产机组、电储能设备以及电动汽车；E表示通用单微网模型中供电元件的集合；分别为电储能的充放电功率；P_i ^net(t)为单微网i中的电负荷功率；P_i ^PV(t)为单微网i中光伏电源出力；/>表示第i个微网中各元件输出的热功率，包括燃气锅炉、电锅炉、热电联产机组以及热储能设备。

S4、根据步骤S3中得到的总的实时净电功率偏差，采用式(21)-(23)计算各微网单元分摊的实时净电功率偏差，以式(24)-(26)为目标函数，以式(1)-(15)、(27)、(28)为约束条件，构建各单元实时优化调度模型并求解，得到各单元微网的实时功率参考值；

各微网单元分摊的实时净电功率偏差计算模型为：

其中，分别为单元i内负荷与光伏出力实时预测偏差；DP_err,S(t)为园区微网群整体实时净电负荷偏差；/>为单元i分摊的实时功率偏差。

各单元实时优化调度模型的目标函数为：

其中，分别为可控电源、燃气锅炉、热电机组实时运行的燃料费用，与日前调度模型中的燃料费用函数形式相同；/>P_i ^e(t)为各供电设备的实时与计划出力；/>为各供热设备的实时与计划出力。C_dis、C_ch分别为电储能的放电成本与边际成本；/>为储能的实时充放电功率；为蓄热槽的实时蓄热与放热功率。

各单元实时优化调度模型约束条件为：

其中，为单元i内的实时净热负荷偏差。此外，实时优化调度模型还包括所有日前的元件约束。

S5、将最终求解结果下发各微网单元，完成单次微网群的优化调度，在运行日内重复上述步骤完成微网群的日运行调度。

各微网单元在运行内重复执行步骤完成微网群的日运行调度为：

各微网单元定期更新微网群的计划调度结果，判断是否到达规定时间执行实时调度，若完成了一天内的实时调度结果，则结束；否则，执行下一阶段的实时调度，如此反复直至结束全天调度。

请参阅图1，展示了集中与分布协同调度的框架示意图。将园区微网中的单元分为非自主调度单元与自主调度单元两类，非自主调度单元由中央管理系统进行调度，自主调度单元由本地管理单元进行调度。采用这种调度框架实现了园区微网群调度问题的集中与分布式协同优化求解，减小了中央管理系统的计算负担，降低了信息传输量，有利于保护用户信息安全，更有利于促进光伏出力的消纳、降低整体运行费用。

请参阅图5，展示了采用本发明所提方法后得到的微网群调度结果图。通过一个整体的协调调度，实现了整个微网群的差异性利益最大化。在当今能源互联网全局建设的形式下更能体现微网群调度的经济合理性，更符合当今电网全局发展的经济要求。

本发明在一个实施例中，采用的园区微网群的由5个调度单元组成，其中3个为热电联供单元、一个由光伏、储能、负荷组成的单元与一个电动汽车，本实施例中假设各单元间无供热交换。单元1、2、3为自主调度单元，包含可控电源(DG)、燃气锅炉(GB)、光伏(PV)、热电联产机组(CHP)、电锅炉(EB)、电储能(ESS)、蓄热槽(HST)、已经用电、用热负荷。自主调度单元采用分布式调度策略，各自主调度单元通过PCC点接入园区微网群母线，即可并入微网群运行，紧急情况下也可孤岛运行；单元4、5为非自主调度单元，采用集中调度策略。

本发明再一个实施例中，一种分布式与集中式相协调的微网群调度系统包括建模单元、约束单元、处理单元。

其中，建模单元，包括日前计划调度模型、园区整体的实时净电功率偏差计算模型、各微网单元分摊的实时净电功率偏差计算模型、各单元实时优化调度模型目标函数以及；

约束单元，各元件日前经济调度约束模型、各单元实时优化调度模型约束条件；

处理单元，各微网单元在运行内重复执行步骤完成微网群的日运行调度。各微网单元定期更新微网群的计划调度结果，判断是否到达规定时间执行实时调度，若完成了一天内的实时调度结果，则结束；否则，执行下一阶段的实时调度，如此反复直至结束全天调度；

求解结果显示了通过一个整体的协调调度，实现了整个微网群的差异性利益最大化。在当今能源互联网全局建设的形式下更能体现微网群调度的经济合理性，更符合当今电网全局发展的经济要求。

本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于分布式与集中式相协同的微网群调度的操作，包括：

获取园区微网群各单元中的光伏、负荷的日前预测数据；利用获取的预测数据，确定目标函数和约束条件，构建园区微网群计划调度模型，对构建的园区微网群计划调度模型进行求解得到微网群的计划调度结果；利用园区微网群各设备、负荷的实时运行状态数据和得到微网群的计划调度结果作差计算得到园区整体实时净电功率偏差；根据得到的园区整体实时净电功率偏差计算园区各单元分摊的实时净电功率偏差，根据各单元分摊的实时净电功率偏差构建各单元实时优化调度模型，对各单元实时优化调度模型进行求解得到园区各单元微网实时功率参考值；将求解得到的实时功率参考值下发各微网单元，完成单次微网群的优化调度，在运行日内重复执行以上步骤，完成微网群的日运行调度。

本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。

可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关分布式与集中式相协同的微网群调度方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：

获取园区微网群各单元中的光伏、负荷的日前预测数据；利用获取的预测数据，确定目标函数和约束条件，构建园区微网群计划调度模型，对构建的园区微网群计划调度模型进行求解得到微网群的计划调度结果；利用园区微网群各设备、负荷的实时运行状态数据和得到微网群的计划调度结果作差计算得到园区整体实时净电功率偏差；根据得到的园区整体实时净电功率偏差计算园区各单元分摊的实时净电功率偏差，根据各单元分摊的实时净电功率偏差构建各单元实时优化调度模型，对各单元实时优化调度模型进行求解得到园区各单元微网实时功率参考值；将求解得到的实时功率参考值下发各微网单元，完成单次微网群的优化调度，在运行日内重复执行以上步骤，完成微网群的日运行调度。

综上所述，本发明一种分布式与集中式相协同的微网群调度方法，针对用户类型的多样性问题，在各类供电、供热设备建模的基础上，建立了一种通用的单微网模型，实现了热电联合调度。针对用户差异性的管理需求问题，对具有自主管理能力的单元采用分布式调度策略；对不具有自主管理能力的单元采用集中式调度策略。实现了园区微网群调度问题的集中与分布式协同优化求解，减小了中央管理系统的计算负担，降低了信息传输量，有利于保护用户信息安全，更有利于促进光伏出力的消纳、降低整体运行费用。同时构建的微网群调度方法包含多个时间尺度上的协同调度，有效保障了微网群日常运行调度的安全可靠性。分布式与集中式相协同的微网群调度方法，允许微网群中的不同微网归属不同的利益主体，但综合考虑了各个微网的差异特性，构建统一的集中式与分布式优化模型，避免了不同微网之间的恶性竞争，通过一个整体的协调调度，实现了整个微网群的差异性利益最大化。在当今能源互联网全局建设的形式下更能体现微网群调度的经济合理性，更符合当今电网全局发展的经济要求。。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (1)

1.一种分布式与集中式相协同的微网群调度方法，其特征在于，包括以下步骤：

S1、获取园区微网群各单元中的光伏、负荷的日前预测数据；

S2、利用步骤S1获取的预测数据，确定目标函数和约束条件，构建园区微网群计划调度模型，对构建的园区微网群计划调度模型进行求解得到微网群的计划调度结果，微网群的计划调度结果包括可控电源的开停机计划、出力计划、电储能、蓄热槽的充放电计划以及购售电计划，园区微网群计划调度模型中的约束条件包括：

燃气锅炉消耗的燃料费用为：

供热量满足约束如下：

开机状态变量满足约束如下：

其中，S_gas为天然气的价格；η^GB为燃气锅炉的效率；HV为天然气热值(KJ/m³)；B^GB(t)为燃气锅炉的运行状态变量；分别为燃气锅炉的最大、最小出力；/>为燃气锅炉的开机标志变量；

电锅炉模型为：

H^EB(t)＝P^EB(t)η^EB

其中，H^EB(t)、P^EB(t)分别为电热锅炉的产热量和耗电量；η^EB为电热锅炉的效率；为电热锅炉的容量；

热电联产机组采用可变热电产出比模式，具体模型为：

0＜α_k＜1

其中，P^CHP(t)、为热电联产机组输出的电功率和热功率；B^CHP(t)为运行状态变量；/>为热电联产机组的开机标志变量；

蓄热槽模型为：

其中，W^HST(t)为蓄热槽中存储的热量；η^HST蓄热槽的效率；分别为t时刻的蓄热槽单位时间内的蓄热与放热量；

电动汽车的充电功率和荷电状态约束为：

其中，为电动汽车的充电功率；/>为最大充电功率；SOC^EV(t)为电动汽车蓄电池的荷电状态；/>为充电效率；/>分别为允许的最小、最大核电状态；

园区微网群计划调度模型的目标函数为：

其中，_nMG为园区内调度单元微网群数量；

S3、利用园区微网群各设备、负荷的实时运行状态数据和步骤S2得到微网群的计划调度结果作差计算得到园区整体实时净电功率偏差，园区整体实时净电功率偏差计算模型为：

其中，{P_i ^e(t)|e∈E}表示第i个单微网中各元件输出的电功率，包括可控电源、电锅炉、热电联产机组、电储能设备以及电动汽车；E表示通用单微网模型中供电元件的集合； 分别为电储能的充放电功率；P_i ^net(t)为单微网i中的电负荷功率；P_i ^PV(t)为单微网i中光伏电源出力；/>表示第i个微网中各元件输出的热功率，包括燃气锅炉、电锅炉、热电联产机组以及热储能设备；

S4、根据步骤S3得到的园区整体实时净电功率偏差计算园区各单元分摊的实时净电功率偏差，根据各单元分摊的实时净电功率偏差构建各单元实时优化调度模型，对各单元实时优化调度模型进行求解得到园区各单元微网实时功率参考值，各单元实时优化调度模型的目标函数为：

其中，分别为可控电源、燃气锅炉、热电机组实时运行的燃料费用，与日前调度模型中的燃料费用函数形式相同；/>P_i ^e(t)为各供电设备的实时与计划出力；/>为各供热设备的实时与计划出力；C_dis、C_ch分别为电储能的放电成本与边际成本；/>为储能的实时充放电功率；/>为蓄热槽的实时蓄热与放热功率；

各单元实时优化调度模型的约束条件为：

其中，为单元i内的实时净热负荷偏差；

S5、将步骤S4求解得到的实时功率参考值下发各微网单元，完成单次微网群的优化调度，在运行日内重复执行以上步骤，完成微网群的日运行调度，微网群的日运行调度具体为：

各微网单元定期更新微网群的计划调度结果，判断是否到达规定时间执行实时调度，若完成了一天内的实时调度结果，则结束；否则，执行下一阶段的实时调度，如此反复直至结束全天调度。