CN113283654B - 基于聚合解列机制的微网群优化控制方法及系统 - Google Patents
基于聚合解列机制的微网群优化控制方法及系统 Download PDFInfo
- Publication number
- CN113283654B CN113283654B CN202110592252.8A CN202110592252A CN113283654B CN 113283654 B CN113283654 B CN 113283654B CN 202110592252 A CN202110592252 A CN 202110592252A CN 113283654 B CN113283654 B CN 113283654B
- Authority
- CN
- China
- Prior art keywords
- microgrid
- micro
- bidding
- grid
- optimization control
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000007246 mechanism Effects 0.000 title claims abstract description 36
- 230000002776 aggregation Effects 0.000 title claims abstract description 23
- 238000004220 aggregation Methods 0.000 title claims abstract description 23
- 238000010248 power generation Methods 0.000 claims abstract description 21
- 230000008901 benefit Effects 0.000 claims abstract description 17
- 230000004931 aggregating effect Effects 0.000 claims abstract description 10
- 238000010977 unit operation Methods 0.000 claims abstract description 8
- 238000004146 energy storage Methods 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 13
- 230000005611 electricity Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000009194 climbing Effects 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 6
- 238000006116 polymerization reaction Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000006467 substitution reaction Methods 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
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
- G06Q10/04—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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开提供了一种基于聚合解列机制的微网群优化控制方法及系统，获取各个微网的日前预设时段内的供给侧总发电量和需求侧总消耗量；将供给侧总发电量与需求侧总消耗量的差值大于或等于预设阈值的微网进行聚合，得到聚合后的微网群；以微网群体投标总效益最高构建优化控制模型，根据优化控制模型得到各个微网的最优投标控制量，根据最优投标控制量进行各个微网的机组运行反馈调度控制；本公开既能遵守电力市场规则和电力系统约束，还可以实现投标效益的最大化，实现了更经济的微网机组运行调度。
Description
技术领域
本公开涉及微电网优化控制技术领域，特别涉及一种基于聚合解列机制的 微网群优化控制方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有 技术。
当前，群体化微网在电力系统中的渗透率逐渐增高。这里的微网可能是由 光伏和蓄电池构成的小型户用发电系统，可能是某些建筑的能源站，也可能是 只包含新能源的发电系统。尽管微电网的概念被逐渐泛化，但随着微电网体量 的逐年增加，其对电力市场的影响缺越发深远。
首先，微网所属的不同利益主体具有上网卖电获利的强烈意愿，错综复杂 的上网卖电行为(时间分布不均，电量波动起伏大)给电力市场稳定运行带了 巨大挑战；其次，不同微网之间存在交易竞争，增大了电力市场管控难度。上 述问题使微网难以以最优效益运营。因此，从电力市场角度对微网群体进行统 一化协调优化控制是解决上述问题的关键点。
发明人发现，现有技术大都针对独立微网在电力系统和电力市场内交易控 制方法和运行问题的探讨，缺少对微网群体的研究；尽管一些基于合作或非合 作博弈的方法被应用于微网群体运行控制，但是并没有给出如何在满足电力市 场调控约束和微网利益最大化等条件下引导微网群体的投标行为以实现更经济 的微网机组调度控制。
发明内容
为了解决现有技术的不足，本公开提供了一种基于聚合解列机制的微网群 优化控制方法及系统，既能遵守电力市场规则和电力系统约束，还可以实现投 标效益的最大化，实现了更经济的微网机组运行调度。
为了实现上述目的，本公开采用如下技术方案：
本公开第一方面提供了一种基于聚合解列机制的微网群优化控制方法。
一种基于聚合解列机制的微网群优化控制方法，包括以下过程：
获取各个微网的日前预设时段内的供给侧总发电量和需求侧总消耗量；
将供给侧总发电量与需求侧总消耗量的差值大于或等于预设阈值的微网进 行聚合，得到聚合后的微网群；
以微网群体投标总效益最高构建优化控制模型，根据优化控制模型得到各 个微网的最优投标控制量，根据最优投标控制量进行各个微网的机组运行反馈 调度控制。
本公开第二方面提供了一种基于聚合解列机制的微网群优化控制系统。
一种基于聚合解列机制的微网群优化控制系统，包括：
数据获取模块，被配置为：获取各个微网的日前预设时段内的供给侧总发 电量和需求侧总消耗量；
微网聚合模块，被配置为：将供给侧总发电量与需求侧总消耗量的差值大 于或等于预设阈值的微网进行聚合，得到聚合后的微网群；
运行控制模块，被配置为：以微网群体投标总效益最高构建优化控制模型， 根据优化控制模型得到各个微网的最优投标控制量，根据最优投标控制量进行 各个微网的机组运行反馈调度控制。
本公开第三方面提供了一种计算机可读存储介质，其上存储有程序，该程 序被处理器执行时实现如本公开第一方面所述的基于聚合解列机制的微网群优 化控制方法中的步骤。
本公开第四方面提供了一种电子设备，包括存储器、处理器及存储在存储 器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第 一方面所述的基于聚合解列机制的微网群优化控制方法中的步骤。
与现有技术相比，本公开的有益效果是：
1、本公开所述的方法、系统、介质或电子设备，为微网群体在电力市场中 的投标提供了一种便捷的优化控制途径，既能遵守电力市场规则和电力系统约 束，还可以实现投标效益的最大化，根据最优投标控制量进行各个微网机组的 反馈调度控制，实现了更经济的微网运行调度控制。
2、本公开所述的方法、系统、介质或电子设备，给出了群体化能源系统参 与电力市场投标优化控制形成机制，促进了各个微网在投标过程中的相互协作。
3、本公开所述的方法、系统、介质或电子设备，通过先聚合微网群体以形 成协调机制，然后解列微网群体模型以及采用分布式求解来降低微网之间的信 息交互，实现每个微网的投标优化和运行控制的独立性，同时提高了计算效益 和市场出清速度。
本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述 中变得明显，或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公 开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例1提供的基于聚合解列机制的微网群体投标优化控制 方法的流程图。
图2为本公开实施例1提供的面向电力市场的微网群体投标优化控制示意 图。
图3为本公开实施例1提供的基于替代次梯度的模型解列和分布式求解算 法流程图。
图4为本公开实施例1提供的具体负荷与新能源发电示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。 除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的 普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图 限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确 指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说 明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器 件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例1：
本公开实施例1提供了一种基于聚合解列机制的微网群优化控制方法，包括 以下过程：
获取各个微网的日前预设时段内的供给侧总发电量和需求侧总消耗量；
将供给侧总发电量与需求侧总消耗量的差值大于或等于预设阈值的微网进 行聚合，得到聚合后的微网群；
以微网群体投标总效益最高构建优化控制模型，根据优化控制模型得到各 个微网的最优投标控制量，根据最优投标控制量进行各个微网的机组运行反馈 调度控制。
具体的包括以下内容：
S1：对于给定的微网群，分析微网运行的供需特征，在日前时段内(24小 时)采用供给侧总发电量
与需求侧总消耗量
作差的方式判别微网属于 购售电类型，t是时间刻度。取两者的差值为
如果ε≥0，则微网 属于售电类型；如果ε≤0，则微网属于购电类型。
S2：在多个微网中，聚合ε≥0的售电型微网，剔除ε≤0的购电型微网。
S3：建立微网电力生产与消耗的运行模型，包括：
S3.1：建立发电机出力约束条件：
其中，
表示微网i在t时刻的发电机输出功率，
分别表示发电机 出力上限和下限。
S3.2：建立发电机爬坡约束条件：
其中，RUn、RDn分别表示发电机的爬坡、下坡功率。
S3.3：建立储能设备充放电模型：
其中，ESi,t为微网i内储能设备在t时刻的荷电状态；
分别表示储能设 施充放电功率；ηc、ηd分别表示储能设施充放电效率；Δt表示运行时间间隔。
S3.4：建立储能设备出力约束：
ESi,min≤ESi,t≤ESi,max (7)
其中，
分别为储能设施充放电功率上限。ESmin、ESmax分别表示储 能设施最小、最大容量。
S3.5：建立微网i供需平衡约束：
其中，
是新能源出力，
为微网i内的负荷。
上述模型反映了微网在没有投标下的电力生产与消耗情况。
S4：结合省级电力交易中心所发布的电力招标信息，包括(每个时段的招 标电价θt和招标电量Wt)，采用需求价格逆向线性关系描述微网聚合投标协调 机制，具体为：
其中，γt是每个时段的投标电价，N是所聚合的微网个数，
代表了微网i 在t时间段内的投标量。
S5：将投标量引入微网运行，构建面向聚合投标价格机制的微网群体投标 优化控制模型，包括：
S5.1：更新公式(8)
S5.2：建立微网投标约束：
S5.3：构建微网群体投标目标函数：
其中，α为储能设备的折旧费用，ai，bi，ci为发电机的运行费用系数。
可以看出，公式(1)-公式(12)的模型是针对微网群体投标总效益所建立 的，微网的分布如图1所示。通过聚合售电型微网，依次调节所有微网的投标量 来影响价格，进一步减去每个微网内部的运行花费，以获取总收益。
然而总体模型的计算，需要知道微网群体的所有信息，导致微网之间没有 隐私，更无法做出独立的优化控制决策。因此，需要执行分布式求解。
S6：执行基于替代次梯度的分布式求解算法解列和求解微网群体投标模型， 实现每个微网的独立运行优化和控制投标，包括：
S6.1：采用泰勒展开群体投标耦合项
其中，k代表了算法的迭代次数。
S6.2：可以看出
和
相对于当前迭代是已知量，因此有：
S6.3：引入拉格朗日松弛项，消除供需平衡约束，解列后独立微网的目标函 数变为：
其中，λi,t、ρi,t分别表示表示t时刻拉格朗日罚函数一次项与二次项的乘子。 从而群体投标模型被解列为独立的微网投标优化控制模型。
S6.4：定义每个微网的出力和投标为变量
初始化拉 格朗日乘子λi,t和ρi,t。
S6.5：采用cplex内的二次规划求解器计算每个微网的独立投标优化控制模 型，计算
设定替代最优条件：
其中，N0和N1是每一次求解中微网所在的动态集合，此类集合的划分依据 (17)式，如果(17)式满足，则迭代对微网模型的求解，所求解过的微网被 列入N0(称为当前求解集合)，未被求解过的微网被列入N1(称为无需求解集 合)，通过这两种集合分配降低了求解的复杂度。
S6.6：验证收敛条件，如果
则求解停止， 否则k＝k+1。按下式更新拉格朗日乘子：
将本方法和独立投标控制的方法进行对比，来验证所提基于聚合分解机制 的微网群体投标优化控制方法性能。
多微网投标市场环境，所采用的节点为IEEE 26节点且包含3个微网。每个微 网的发电机容量分别为200kW、200kW、150kW。储能设备为150kW、95kW、 195kW。具体负荷与新能源发电如图4所示。费用对比如表1所示。可以看出所 提方法(聚合投标优化控制)下微网费用显著小于非聚合投标下的微网费用， 也就是说，通过聚合投标量提升价格扩大了投标收益，降低了微网的运营花费。
表1：费用对比
| 微网1费用 | 微网2费用 | 微网3费用 | 总费用 | |
| 聚合投标控制 | 5569 | 3365 | 1784 | 10719 |
| 非聚合投标 | 5716 | 3493 | 1964 | 11173 |
| 节约率 | 2.5％ | 3.7％ | 9.1％ | 4.1％ |
实施例2：
本公开实施例2提供了一种基于聚合解列机制的微网群优化控制系统，包 括：
数据获取模块，被配置为：获取各个微网的日前预设时段内的供给侧总发 电量和需求侧总消耗量；
微网聚合模块，被配置为：将供给侧总发电量与需求侧总消耗量的差值大 于或等于预设阈值的微网进行聚合，得到聚合后的微网群；
运行控制模块，被配置为：以微网群体投标总效益最高构建优化控制模型， 根据优化控制模型得到各个微网的最优投标控制量，根据最优投标控制量进行 各个微网的机组运行反馈调度控制。
所述系统的工作方法与实施例1提供的基于聚合解列机制的微网群优化控 制方法相同，这里不再赘述。
实施例3：
本公开实施例3提供了一种计算机可读存储介质，其上存储有程序，该程序 被处理器执行时实现如本公开实施例1所述的基于聚合解列机制的微网群优化 控制方法中的步骤。
实施例4：
本公开实施例4提供了一种电子设备，包括存储器、处理器及存储在存储器 上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施 例1所述的基于聚合解列机制的微网群优化控制方法中的步骤。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计 算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和 硬件方面的实施例的形式。而且，本公开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和光学存储 器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程， 是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算 机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。 其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory， ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领 域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则 之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之 内。
Claims (10)
1.一种基于聚合解列机制的微网群优化控制方法，其特征在于：包括以下过程：
获取各个微网的日前预设时段内的供给侧总发电量和需求侧总消耗量；
将供给侧总发电量与需求侧总消耗量的差值大于或等于预设阈值的微网进行聚合，得到聚合后的微网群；
以微网群体投标总效益最高构建优化控制模型，根据优化控制模型得到各个微网的最优投标控制量，根据最优投标控制量进行各个微网的机组运行反馈调度控制；
所述构建优化控制模型，包括：
S3.1：建立发电机出力约束条件：
其中，
表示微网i在t时刻的发电机输出功率，
分别表示发电机出力上限和下限；
S3.2：建立发电机爬坡约束条件：
其中，RUi、RDn分别表示发电机的爬坡、下坡功率；
S3.3：建立储能设备充放电模型：
其中，ESi,t为微网i内储能设备在t时刻的荷电状态；
分别表示储能设施充放电功率；ηc、ηd分别表示储能设施充放电效率；Δt表示运行时间间隔；
S3.4：建立储能设备出力约束：
ESi,min≤ESi,t≤ESi,max (7)
其中，
分别为储能设施充放电功率上限，ESmin、ESmax分别表示储能设施最小、最大容量；
S3.5：建立微网i供需平衡约束：
其中，
是新能源出力，
为微网i内的负荷；
上述模型反映了微网在没有投标下的电力生产与消耗情况；
S4：结合省级电力交易中心所发布的电力招标信息，包括每个时段的招标电价θt和招标电量Wt，采用需求价格逆向线性关系描述微网聚合投标协调机制，具体为：
其中，γt是每个时段的投标电价，N是所聚合的微网个数，
代表了微网i在t时间段内的投标量；
S5：将投标量引入微网运行，构建面向聚合投标价格机制的微网群体投标优化控制模型，包括：
S5.1：更新公式(8)
S5.2：建立微网投标约束：
S5.3：构建微网群体投标目标函数：
其中，α为储能设备的折旧费用，ai，bi，ci为发电机的运行费用系数；
可以看出，公式(1)-公式(12)的模型是针对微网群体投标总效益所建立的；通过聚合售电型微网，依次调节所有微网的投标量来影响价格，进一步减去每个微网内部的运行花费，以获取总收益；
S6：执行基于替代次梯度的分布式求解算法解列和求解微网群体投标模型，实现每个微网的独立运行优化和控制投标，包括：
S6.1：采用泰勒展开群体投标耦合项
其中，k代表了算法的迭代次数；
S6.2：可以看出
和
相对于当前迭代是已知量，因此有：
S6.3：引入拉格朗日松弛项，消除供需平衡约束，解列后独立微网的目标函数变为：
其中，λi,t、ρi,t分别表示表示t时刻拉格朗日罚函数一次项与二次项的乘子，从而群体投标模型被解列为独立的微网投标优化控制模型；
S6.4：定义每个微网的出力和投标为变量
初始化拉格朗日乘子λi,t和ρi,t；
S6.5：采用cplex内的二次规划求解器计算每个微网的独立投标优化控制模型，计算
设定替代最优条件：
其中，N0和N1是每一次求解中微网所在的动态集合，此类集合的划分依据(17)式，如果(17)式满足，则迭代对微网模型的求解，所求解过的微网被列入N0，N0称为当前求解集合，未被求解过的微网被列入N1，N1称为无需求解集合，通过这两种集合分配降低了求解的复杂度；
S6.6：验证收敛条件，如果
则求解停止，否则k＝k+1；按下式更新拉格朗日乘子：
2.如权利要求1所述的基于聚合解列机制的微网群优化控制方法，其特征在于：
优化控制模型中，微网的供需平衡约束为储能设施放电功率、发电机输出功率和新能源出力三者的加和等于微网内的负荷、储能设施充电功率和微网的投标量的加和。
3.如权利要求1所述的基于聚合解列机制的微网群优化控制方法，其特征在于：
采用需求价格逆向线性关系描述微网聚合投标协调机制，包括微网供需平衡约束：每个时段的招标电价为第一变量，每个时段的招标电价和招标电量的比值再与各个微网的投标量之和的乘积为第二变量，第一变量与第二变量的差值为每个时段的投标电价。
4.如权利要求1所述的基于聚合解列机制的微网群优化控制方法，其特征在于：
基于替代次梯度的分布式求解算法进行优化控制模型的求解。
5.如权利要求4所述的基于聚合解列机制的微网群优化控制方法，其特征在于：
采用泰勒展开优化控制模型中的群体投标耦合项；
引入拉格朗日松弛项，消除供需平衡约束；
定义每个微网的出力和投标为变量，初始化拉格朗日乘子；
设定替代最优条件，采用二次规划求解器计算动态集合下的微网群体目标；
当满足收敛条件时，得到各个微网的最优目标值和最优投标控制量。
6.如权利要求1所述的基于聚合解列机制的微网群优化控制方法，其特征在于：
优化控制模型中，微网群投标约束为：投标量小于或等于发电机出力上限、储能设施放电功率上限与新能源出力三者的加和。
7.如权利要求1所述的基于聚合解列机制的微网群优化控制方法，其特征在于：
所述优化控制模型还包括发电机出力约束、发电机爬坡约束、储能设备出力约束、储能设备充放电与荷电状态关系约束、储能设备容量约束和微网供需平衡约束。
8.一种基于聚合解列机制的微网群优化控制系统，其特征在于：包括：
数据获取模块，被配置为：获取各个微网的日前预设时段内的供给侧总发电量和需求侧总消耗量；
微网聚合模块，被配置为：将供给侧总发电量与需求侧总消耗量的差值大于或等于预设阈值的微网进行聚合，得到聚合后的微网群；
运行控制模块，被配置为：以微网群体投标总效益最高构建优化控制模型，根据优化控制模型得到各个微网的最优投标控制量，根据最优投标控制量进行各个微网的机组运行反馈调度控制；
所述构建优化控制模型，包括：
S3.1：建立发电机出力约束条件：
其中，
表示微网i在t时刻的发电机输出功率，
分别表示发电机出力上限和下限；
S3.2：建立发电机爬坡约束条件：
其中，RUi、RDn分别表示发电机的爬坡、下坡功率；
S3.3：建立储能设备充放电模型：
其中，ESi,t为微网i内储能设备在t时刻的荷电状态；
分别表示储能设施充放电功率；ηc、ηd分别表示储能设施充放电效率；Δt表示运行时间间隔；
S3.4：建立储能设备出力约束：
ESi,min≤ESi,t≤ESi,max (7)
其中，
分别为储能设施充放电功率上限，ESmin、ESmax分别表示储能设施最小、最大容量；
S3.5：建立微网i供需平衡约束：
其中，
是新能源出力，
为微网i内的负荷；
上述模型反映了微网在没有投标下的电力生产与消耗情况；
S4：结合省级电力交易中心所发布的电力招标信息，包括每个时段的招标电价θt和招标电量Wt，采用需求价格逆向线性关系描述微网聚合投标协调机制，具体为：
其中，γt是每个时段的投标电价，N是所聚合的微网个数，
代表了微网i在t时间段内的投标量；
S5：将投标量引入微网运行，构建面向聚合投标价格机制的微网群体投标优化控制模型，包括：
S5.1：更新公式(8)
S5.2：建立微网投标约束：
S5.3：构建微网群体投标目标函数：
其中，α为储能设备的折旧费用，ai，bi，ci为发电机的运行费用系数；
可以看出，公式(1)-公式(12)的模型是针对微网群体投标总效益所建立的；通过聚合售电型微网，依次调节所有微网的投标量来影响价格，进一步减去每个微网内部的运行花费，以获取总收益；
S6：执行基于替代次梯度的分布式求解算法解列和求解微网群体投标模型，实现每个微网的独立运行优化和控制投标，包括：
S6.1：采用泰勒展开群体投标耦合项
其中，k代表了算法的迭代次数；
S6.2：可以看出
和
相对于当前迭代是已知量，因此有：
S6.3：引入拉格朗日松弛项，消除供需平衡约束，解列后独立微网的目标函数变为：
其中，λi,t、ρi,t分别表示表示t时刻拉格朗日罚函数一次项与二次项的乘子，从而群体投标模型被解列为独立的微网投标优化控制模型；
S6.4：定义每个微网的出力和投标为变量
初始化拉格朗日乘子λi,t和ρi,t；
S6.5：采用cplex内的二次规划求解器计算每个微网的独立投标优化控制模型，计算
设定替代最优条件：
其中，N0和N1是每一次求解中微网所在的动态集合，此类集合的划分依据(17)式，如果(17)式满足，则迭代对微网模型的求解，所求解过的微网被列入N0，N0称为当前求解集合，未被求解过的微网被列入N1，N1称为无需求解集合，通过这两种集合分配降低了求解的复杂度；
S6.6：验证收敛条件，如果
则求解停止，否则k＝k+1；按下式更新拉格朗日乘子：
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于聚合解列机制的微网群优化控制方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于聚合解列机制的微网群优化控制方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110592252.8A CN113283654B (zh) | 2021-05-28 | 2021-05-28 | 基于聚合解列机制的微网群优化控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110592252.8A CN113283654B (zh) | 2021-05-28 | 2021-05-28 | 基于聚合解列机制的微网群优化控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113283654A CN113283654A (zh) | 2021-08-20 |
| CN113283654B true CN113283654B (zh) | 2022-06-10 |
Family
ID=77282377
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110592252.8A Active CN113283654B (zh) | 2021-05-28 | 2021-05-28 | 基于聚合解列机制的微网群优化控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113283654B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114996980B (zh) * | 2022-08-08 | 2022-11-18 | 中国科学院电工研究所 | 一种分布式能源微网群的聚合惯量能力评估方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8457802B1 (en) * | 2009-10-23 | 2013-06-04 | Viridity Energy, Inc. | System and method for energy management |
| CN106300343A (zh) * | 2016-08-31 | 2017-01-04 | 上海市南变配电站服务有限公司 | 一种基于市场均衡机制的微网能量优化方法 |
| CN110473068A (zh) * | 2019-08-15 | 2019-11-19 | 电子科技大学 | 一种面向现货市场的社区居民端对端电能交易方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110264003B (zh) * | 2019-06-20 | 2021-11-02 | 国网山东省电力公司聊城供电公司 | 一种基于价格引导的多微网系统协调自治优化运行方法 |
| CN112821470B (zh) * | 2021-03-10 | 2023-10-27 | 江南大学 | 基于小生境混沌粒子群算法的微网群优化调度策略 |
-
2021
- 2021-05-28 CN CN202110592252.8A patent/CN113283654B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8457802B1 (en) * | 2009-10-23 | 2013-06-04 | Viridity Energy, Inc. | System and method for energy management |
| CN106300343A (zh) * | 2016-08-31 | 2017-01-04 | 上海市南变配电站服务有限公司 | 一种基于市场均衡机制的微网能量优化方法 |
| CN110473068A (zh) * | 2019-08-15 | 2019-11-19 | 电子科技大学 | 一种面向现货市场的社区居民端对端电能交易方法 |
Non-Patent Citations (2)
| Title |
|---|
| "Sto2Auc: A Stochastic Optimal Bidding Strategy for Microgrids";Dou An 等;《IEEE INTERNET OF THINGS JOURNAL》;20171231;第4卷(第6期);第2260-2274页 * |
| "电力市场环境下考虑投标决策的微电网运行鲁棒优化";德格吉日夫 等;《可再生能源》;20181231;第36卷(第11期);第1697-1703页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113283654A (zh) | 2021-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110994694B (zh) | 计及差异化需求响应的微电网源荷储协调优化调度方法 | |
| Zhao et al. | Extracting flexibility of heterogeneous deferrable loads via polytopic projection approximation | |
| CN111047114A (zh) | 抽水蓄能机组在日前电力现货市场的双层竞价优化方法 | |
| Han et al. | Constructing prosumer coalitions for energy cost savings using cooperative game theory | |
| Kurniawan et al. | A genetic algorithm for unrelated parallel machine scheduling minimizing makespan cost and electricity cost under time-of-use (TOU) tariffs with job delay mechanism | |
| CN115733178A (zh) | 基于成本和风险多目标的光储充电站容量配置方法及系统 | |
| CN113283654B (zh) | 基于聚合解列机制的微网群优化控制方法及系统 | |
| CN115276047A (zh) | 电能调度方法、装置及计算机可读存储介质 | |
| CN115275983A (zh) | 一种基于分布式资源聚类的光伏功率波动平抑控制方法 | |
| Liu et al. | Multi-objective mayfly optimization-based frequency regulation for power grid with wind energy penetration | |
| CN114358378A (zh) | 一种用于考虑需量管理的用户侧储能优化配置系统及方法 | |
| CN113794224A (zh) | 基于风电场应用场景的储能系统优化配置方法及装置 | |
| Zhang et al. | A dynamic game behavior: Demand side management based on utility maximization with renewable energy and storage integration | |
| CN117039881A (zh) | 一种计及用户参与不确定性的虚拟电厂聚合方法及系统 | |
| CN110599032A (zh) | 一种灵活电源的深度斯坦伯格自适应动态博弈方法 | |
| CN113555887B (zh) | 电网能源控制方法、装置、电子设备及存储介质 | |
| CN115133607A (zh) | 用户侧退役电池储能容量配置方法、系统、设备和介质 | |
| Lu et al. | Assembly and Competition for Virtual Power Plants With Multiple ESPs Through a “Recruitment–Participation” Approach | |
| Farzaneh et al. | Deterministic mean field game for energy management in a utility with many users | |
| CN110571791A (zh) | 一种新能源接入下的输电网规划的优化配置方法 | |
| Puech et al. | Controlling microgrids without external data: A benchmark of stochastic programming methods | |
| Okajima et al. | Strategic battery storage management of aggregators in energy demand networks | |
| CN108649566B (zh) | 一种基于实时电价的蓄电池充放电方法 | |
| YiHua et al. | Research on partitioning strategy based on locational marginal price with high proportion of renewable energy | |
| Liu et al. | Multi-objective non-cooperative game optimization for microgrid clusters based on NSGA-II coordinated interior-point method |
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 |