CN113690925B - 一种基于微电网的能量交互优化方法及系统 - Google Patents

一种基于微电网的能量交互优化方法及系统 Download PDF

Info

Publication number
CN113690925B
CN113690925B CN202110659172.XA CN202110659172A CN113690925B CN 113690925 B CN113690925 B CN 113690925B CN 202110659172 A CN202110659172 A CN 202110659172A CN 113690925 B CN113690925 B CN 113690925B
Authority
CN
China
Prior art keywords
grid
micro
power
energy
time
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
CN202110659172.XA
Other languages
English (en)
Other versions
CN113690925A (zh
Inventor
孙可
杨翾
商佳宜
张禄亮
陈致远
张志鹏
陆海波
陈琳
李飞
龚莺飞
卫炜
王岗
杨志超
徐驰名
朱鹏
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.)
South China University of Technology SCUT
State Grid Zhejiang Electric Power Co Ltd
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
South China University of Technology SCUT
State Grid Zhejiang Electric Power Co Ltd
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
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 South China University of Technology SCUT, State Grid Zhejiang Electric Power Co Ltd, Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical South China University of Technology SCUT
Priority to CN202110659172.XA priority Critical patent/CN113690925B/zh
Publication of CN113690925A publication Critical patent/CN113690925A/zh
Application granted granted Critical
Publication of CN113690925B publication Critical patent/CN113690925B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

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

Abstract

本发明提出了一种基于微电网的能量交互优化方法及系统，包括：根据负荷与分布式能源机组、储能装置之间的供电关系，将配电网划分为若干个微电网；对可再生能源机组进行风险预测；分别获取储能装置和非可再生能源机组的运行成本；根据风险预测的结果和运行成本，结合微电网之间的能量交互成本构建成本目标函数，确定微电网在能量交互时的状态约束和功率约束；在同时满足状态约束和功率约束的情况下，对成本目标函数进行求解，根据求解结果调整各个微电网在能量交互时的功率。在成本目标函数中引入了向其他微电网购售电的功率，在降低多微电网运行成本的同时，能够减少用电高峰期微电网与电网之间能量交互的功率。

Description

一种基于微电网的能量交互优化方法及系统
技术领域
本发明属于配电网技术领域，尤其涉及一种基于微电网的能量交互优化方法及系统。
背景技术
随着智能电网和可再生能源发电技术的不断发展，可再生能源在配电网中的渗透率不断提高，能够带来降低环境污染、提高能源可持续性等诸多好处。由于风能、光伏等可再生能源具有间歇性和随机性，提高可再生能源的渗透率将会对配电网的正常运行造成不良影响，为了解决可再生能源的高渗透率给配电网带来的问题，通常在配电网给中应用微电网技术以促进可再生能源的大规模接入。
微电网是由分布式能源机组、储能装置以及负荷组成的小型发配电系统，微电网可作用独立的购售电主体参与电力市场交易，从而通过微电网与电网之间的能量交互，辅助电网实现发电与用能负荷的平衡。在各个微电网以及电网之间的能量交互过程中，当各个微电网发电能力大于自身负荷时向电网售电，当各个微电网发电能力小于自身负荷时向电网购电。
现有的能量交互优化策略中仅考虑了微电网与电网之间进行能量交互时运行经济性与可靠性指标上的优化，若微电网过多的向电网进行能量交互，严重影响电网的正常运行同时，也影响了微电网的稳定运行，进而对配电网弹性造成影响。
发明内容
为了解决现有技术中存在的缺点和不足，本发明提出了基于微电网的能量交互优化方法，包括：
根据负荷与分布式能源机组、储能装置之间的供电关系，将配电网划分为若干个微电网；
对分布式能源机组中的可再生能源机组进行风险预测；
分别获取储能装置和分布式能源机组中非可再生能源机组的运行成本；
根据风险预测的结果和运行成本，结合微电网之间的能量交互成本构建成本目标函数，确定微电网在能量交互时的状态约束和功率约束；
在同时满足状态约束和功率约束的情况下，对成本目标函数进行求解，根据求解结果调整各个微电网在能量交互时的功率。
可选的，所述根据负荷与分布式能源机组、储能装置之间的供电关系，将配电网划分为若干个微电网，包括：
确定配电网的馈线上的各个负荷，将为负荷供电的分布式能源机组以及储能装置划分为一个微电网。
可选的，所述对分布式能源机组中的可再生能源机组进行风险预测，包括：
基于公式一计算风能机组n在t时刻的输出功率x的第一概率密度函数f1(x)；
其中，μt为风能机组n在t时刻的输出功率预测值，σt为风能机组n在t时刻的输出功率误差，n、t的取值范围为正整数；
基于公式二对第一概率密度函数进行积分计算，得到风能机组n在t时刻的功率不足期望值通过/>衡量风能机组输出功率不足的风险程度；
其中，为风能机组n在t时刻的输出功率测量值，/>为风能机组n在t时刻的输出功率最小值。
可选的，所述对分布式能源机组中的可再生能源机组进行风险预测，包括：
基于公式三计算光伏机组n在t时刻的输出功率x的第二概率密度函数f2(x)；
其中，μt为光伏机组n在t时刻的输出功率预测值，σt为光伏机组n在t时刻的输出功率误差，n、t的取值范围为正整数；
基于公式四对第二概率密度函数进行积分计算，得到光伏机组n在t时刻的功率不足期望值通过/>衡量光伏机组输出功率不足的风险程度；
其中，为光伏机组n在t时刻的输出功率测量值，/>为光伏机组n在t时刻的输出功率最小值。
可选的，所述分别获取储能装置和分布式能源机组中非可再生能源机组的运行成本，包括：
基于公式五计算微电网n中储能装置在t时刻的维护成本
其中，为微电网n中储能装置的预设维护成本系数，/>为微电网n中储能装置在t时刻的充放电功率；
基于公式六计算微电网n中非可再生能源机组在t时刻的燃料成本与维护成本/>
其中，为微电网n中非可再生能源机组的预设燃料成本系数，/>为微电网n中非可再生能源机组的预设维护成本系数，/>为微电网n中非可再生能源机组在t时刻的输出功率。
可选的，所述根据风险预测的结果和运行成本，结合微电网之间的能量交互成本构建成本目标函数，包括：
建立成本目标函数C为：
其中，为微电网n中非可再生能源机组在t时刻的燃料成本，/>为微电网n中非可再生能源机组在t时刻的维护成本，/>为微电网n中储能装置在t时刻的维护成本，/>为微电网n在t时刻向电网购电的功率，/>为微电网n在t时刻向电网售电的功率，/>为t时刻微电网向电网的购电价，/>为t时刻微电网向电网的售电价，/>表示微电网n中风能机组在t时刻输出功率不足的风险程度，/>表示微电网n中光伏机组在t时刻输出功率不足的风险程度，λ为预设的惩罚系数，G为微电网的总个数，T为总时长；
以及λ的取值范围均为正数，G、T、n以及t的取值范围均为正整数。
可选的，所述状态约束为：
其中，r(n,m,t)表示微电网n向微电网m购电的权限，r(n,m,t)取值为1时表示微电网n可以向微电网m购电，r(n,m,t)取值为0时表示微电网n不可以向微电网m购电；s(n,m,t)表示微电网n向微电网m售电的权限，s(n,m,t)取值为1时表示微电网n可以向微电网m购电，s(n,m,t)为0时表示微电网n不可以向微电网m售电；v(n,t)表示微电网n向电网购电的权限，v(n,t)取值为1时表示微电网n可以向电网购电，v(n,t)取值为0时表示微电网n不可以向电网购电；u(n,t)表示微电网n向电网售电的权限，u(n,t)为1时表示微电网n可以向电网售电；
n、m的取值范围均为正整数，且n≠m。
可选的，所述功率约束为：
其中，表示t时刻微电网n向微电网m的购电功率，/>表示预设的微电网n向微电网m的购电功率最大值，/>表示t时刻微电网n向微电网m的售电功率，表示预设的微电网n向微电网m的售电功率最大值，/>表示t时刻微电网n向电网的购电功率，/>表示微电网n向电网的售电功率最大值，/>表示微电网n向电网的售电功率，/>表示微电网n向电网的购电功率最大值；
以及/>的取值范围均为正数。
可选的，所述功率约束还包括单个微电网的功率平衡约束，所述功率平衡约束为：
为微电网n中非可再生能源机组在t时刻的输出功率，/>为微电网n中储能装置在t时刻的充放电功率，/>为微电网n中风能机组在t时刻的输出功率测量值，为微电网n中光伏机组在t时刻的输出功率测量值，/>为t时刻微电网n向微电网m的购电功率，/>为t时刻微电网n向电网的购电功率，/>为t时刻微电网n的负荷功率。
本发明还基于同样的思路提出了一种基于微电网的能量交互优化系统，包括：
划分单元：用于根据负荷与分布式能源机组、储能装置之间的供电关系，将配电网划分为若干个微电网；
风险预测单元：用于对分布式能源机组中的可再生能源机组进行风险预测；
成本计算单元：用于分别获取储能装置和分布式能源机组中非可再生能源机组的运行成本；
目标函数单元：用于根据风险预测的结果和运行成本，结合微电网之间的能量交互成本构建成本目标函数，确定微电网在能量交互时的状态约束和功率约束；
调整单元：用于在同时满足状态约束和功率约束的情况下，对成本目标函数进行求解，根据求解结果调整各个微电网在能量交互时的功率。
本发明提供的技术方案带来的有益效果是：
将配电网划分为若干个微电网，相比于传统的能量交互优化算法，在成本目标函数中引入了向其他微电网购售电的功率，并设置了相应的状态约束和功率约束，从而求解出支持微电网之间进行能量交互的优化策略。通过本发明提出的能量交互优化方法，在降低多微电网运行成本的同时，能够减少用电高峰期微电网与电网之间能量交互的功率，降低了微电网对电网正常运行的影响，提高了微电网运行稳定性，实现最大程度的利用本地分布式资源满足发电与用电负荷平衡的效果，同时能够在发生孤岛式操作的情况下，通过微电网之间的优化调整满足临时电力需求，进而提升了配电网弹性。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例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为本发明提出的一种基于微电网的能量交互优化方法的流程示意图；
图2为微电网的嵌套结构示意图；
图3为柴油发电机与储能装置的相关参数表；
图4为微电网间交互电价和电网购售电价的分时电价表；
图5为传统能量交互优化策略下微电网与电网的能量交互功率的仿真结果；
图6为支持微电网之间购电售电后的微电网与电网的能量交互功率的仿真结果；
图7为本发明提出的一种基于微电网的能量交互优化系统的结构框图。
具体实施方式
为使本发明的结构和优点更加清楚，下面将结合附图对本发明的结构作进一步地描述。
实施例一
如图1所示，本实施例提出了一种基于微电网的能量交互优化方法，包括：
S1：根据负荷与分布式能源机组、储能装置之间的供电关系，将配电网划分为若干个微电网；
S2：对分布式能源机组中的可再生能源机组进行风险预测；
S3：分别获取储能装置和分布式能源机组中非可再生能源机组的运行成本；
S4：根据风险预测的结果和运行成本，结合微电网之间的能量交互成本构建成本目标函数，确定微电网在能量交互时的状态约束和功率约束；
S5：在同时满足状态约束和功率约束的情况下，对成本目标函数进行求解，根据求解结果调整各个微电网在能量交互时的功率。
通过本实施例提出的能量交互优化方法，在降低多微电网运行成本的同时，能够减少用电高峰期微电网与电网之间能量交互的功率，降低了微电网对电网正常运行的影响，提高了微电网运行稳定性，实现最大程度的利用本地分布式资源满足发电与用电负荷平衡的效果，同时能够在发生孤岛式操作的情况下，通过微电网之间的优化调整满足临时电力需求，进而提升了配电网弹性。
在本实施例中，确定配电网的馈线上的各个负荷，将为负荷供电的分布式能源机组以及储能装置划分为一个微电网。在图2中，将配电网的任何子部分设想为微电网的嵌套集合，根据负荷层级结构划分微电网的嵌套关系，以配电网中的馈线为例，微电网2中的负荷为微电网3中负荷的下一层级，因此将微电网2设为中间级别，微电网1中的负荷为微电网2中负荷的下一层级，因此将微电网1设为最低级别。由此可见，根据负荷的层级关系，每个微电网除了包括自己的负荷、分布式能源机组以及储能装置外，还包括下一个层级的微电网。如图2所示，分布式能源机组包括柴油发电机DG、风电机组WT以及光伏机组PV，ESS表示储能装置，Load表示馈线上接入的负荷。从最低级别到最高级别，每个级别的微电网都有自己的市场，并且可以参与到更高级别的市场，与其他微电网进行点对点交易。这种嵌套的微电网能量交互模型可以最大程度地利用本地分布式资源满足高级别微电网的电力需求，从而在发生孤岛式操作的情况下支持关键微电网的紧急临时操作，提升配电网的弹性。
每个微电网可以看作是一个可调度的发电机，具有双向功率流，并在其整体上进行调度。为避免使用负值变量，本实施例中定义了四个变量来表示单个微电网在进行能量交互的功率，包括向其他的微电网购电的功率向其他的微电网售电的功率/>向电网购电的功率/>以及向电网售电的功率/>
由于可再生能源机组，例如风电机组和光伏机组的输出功率很难得到准确的值，为了解决在构建成本目标函数时无法准确量化风电机组和光伏机组输出功率的问题，本实施例将风电机组和光伏机组的不确定性转化为置信区间变量，采用功率不足期望值(EPNS)衡量风机和光伏的风险。以风电机组为例，考虑95％的置信水平，则风电机组输出功率的置信区间如下：
本实施例中，α＝0.05，
根据风电机组在短期内服从高斯分布的特征，基于公式一计算风能机组n在t时刻的输出功率x的第一概率密度函数f1(x)；
其中，μt为风能机组n在t时刻的输出功率预测值，σt为风能机组n在t时刻的输出功率误差，n、t的取值范围为正整数；
基于公式二对第一概率密度函数进行积分计算，得到风能机组n在t时刻的功率不足期望值通过/>衡量风能机组输出功率不足的风险程度；
其中，为风能机组n在t时刻的输出功率测量值，/>为风能机组n在t时刻的输出功率最小值。
对分布式能源机组中的可再生能源机组进行风险预测同理，基于公式三计算光伏机组n在t时刻的输出功率x的第二概率密度函数f2(x)；
其中，μt为光伏机组n在t时刻的输出功率预测值，σt为光伏机组n在t时刻的输出功率误差，n、t的取值范围为正整数；
基于公式四对第二概率密度函数进行积分计算，得到光伏机组n在t时刻的功率不足期望值通过/>衡量光伏机组输出功率不足的风险程度；
其中，为光伏机组n在t时刻的输出功率测量值，/>为光伏机组n在t时刻的输出功率最小值。
在构建成本目标函数时还要考虑将非可再生能源机组以及储能装置的成本降至最低，在本实施例中，非可再生能源机组以柴油发电机为例，分别获取储能装置和分布式能源机组中非可再生能源机组的运行成本，所述运行成本包括机组的维护成本以及燃料成本。
基于公式五计算微电网n中储能装置在t时刻的维护成本
其中，为微电网n中储能装置的预设维护成本系数，/>为微电网n中储能装置在t时刻的充放电功率。
本实施例中对于储能装置的约束包括充放电功率约束和SOC限制约束，具体包括：
SOCmin<SOC(n,t)<SOCmax；
式中，为微电网n中储能装置最大的充放电功率限额，SOCmin和SOCmax分别为储能装置的最小和最大荷电状态，本实施例中分别设定为0.2和1；SOC(n,t)为微电网n储能装置在t时刻的荷电状态；SOE(n,t)为微电网n在t时刻中储能装置的能量状态，/>为微电网n中储能装置的额定容量。
基于公式六计算微电网n中非可再生能源机组在t时刻的燃料成本与维护成本/>
其中，为微电网n中非可再生能源机组的预设燃料成本系数，/>为微电网n中非可再生能源机组的预设维护成本系数，/>为微电网n中非可再生能源机组在t时刻的输出功率。
本实施例中对于柴油发电机的约束包括输出功率约束以及上升和下降速度限制，具体包括：
式中，和/>分别为微电网n中柴油发电机的输出功率上下限，/>和/>分别为微电网n上升和下降速度限制。
基于上述结果，根据风险预测的结果和运行成本，结合微电网之间的能量交互成本构建成本目标函数，具体为：
建立成本目标函数C为：
其中，为微电网n中非可再生能源机组在t时刻的燃料成本，/>为微电网n中非可再生能源机组在t时刻的维护成本，/>为微电网n中储能装置在t时刻的维护成本，/>为微电网n在t时刻向电网购电的功率，/>为微电网n在t时刻向电网售电的功率，/>为t时刻微电网向电网的购电价，/>为t时刻微电网向电网的售电价，/>表示微电网n中风能机组在t时刻输出功率不足的风险程度，/>表示微电网n中光伏机组在t时刻输出功率不足的风险程度，λ为预设的惩罚系数，G为微电网的总个数，T为总时长；
以及λ的取值范围均为正数，G、T、n以及t的取值范围均为正整数。
本实施例构建的成本目标函数在考虑多微电网的嵌套结构的前提下，协调微电网内各分布式能源机组的出力、微电网间的能量交互以及与电网的能量交易，实现多微电网总运行成本和风电机组、光伏机组的EPNS最小化。
本实施例通过二进制参数设置微电网之间以及与电网之间的能量交互状态，r(n,m,t)或s(n,m,t)等于1时，表示微电网n和微电网m存在能量交互，同理，v(n,t)＝u(n,t)＝0时，表示微电网n和电网不存在能量交互。同时，考虑到微电网系统不能同时进行购电和售电，因此，对于单个微电网任意时刻都要满足以下状态约束：
其中，r(n,m,t)表示微电网n向微电网m购电的权限，r(n,m,t)取值为1时表示微电网n可以向微电网m购电，r(n,m,t)取值为0时表示微电网n不可以向微电网m购电；s(n,m,t)表示微电网n向微电网m售电的权限，s(n,m,t)取值为1时表示微电网n可以向微电网m购电，s(n,m,t)为0时表示微电网n不可以向微电网m售电；v(n,t)表示微电网n向电网购电的权限，v(n,t)取值为1时表示微电网n可以向电网购电，v(n,t)取值为0时表示微电网n不可以向电网购电；u(n,t)表示微电网n向电网售电的权限，u(n,t)为1时表示微电网n可以向电网售电；
n、m的取值范围均为正整数，且n≠m。
由于线路容量和逆变器接口的技术限制，交换功率不能超过相应的功率限制。本实施例还相应设置了功率约束，具体为：
其中，表示t时刻微电网n向微电网m的购电功率，/>表示预设的微电网n向微电网m的购电功率最大值，/>表示t时刻微电网n向微电网m的售电功率，/>表示预设的微电网n向微电网m的售电功率最大值，/>表示t时刻微电网n向电网的购电功率，/>表示微电网n向电网的售电功率最大值，/>表示微电网n向电网的售电功率，表示微电网n向电网的购电功率最大值；
以及/>的取值范围均为正数。
另外，微电网n从微电网m购电的功率与微电网m向微电网n售电的功率相同，即有：
在本实施例中，所述功率约束还包括单个微电网的功率平衡约束，所述功率平衡约束为：
为微电网n中非可再生能源机组在t时刻的输出功率，/>为微电网n中储能装置在t时刻的充放电功率，/>为微电网n中风能机组在t时刻的输出功率测量值，为微电网n中光伏机组在t时刻的输出功率测量值，/>为t时刻微电网n向微电网m的购电功率，/>为t时刻微电网n向电网的购电功率，/>为t时刻微电网n的负荷功率。
通过对成本目标函数进行求解，得到满足本实施例中所设置的各类约束条件的优化策略，根据解算出的以及/>的值调整购电功率或售电功率，从而使配电网的发电与用电负荷的平衡状态达到最优效果，因为本实施例提出的优化方法支持微电网之间的能量交互，因此可以减少微电网与电网进行能量交互的功率，降低微电网对电网运行的影响，
为验证了所提模型在实现多微电网系统的经济运行以及配电网的弹性提升方面的有效性，本实施例基于如图2所示将配电网划分为3个微电网组成的嵌套集合为例进行仿真分析。每个微电网都含有DG、ESS、PV和WT，WT，DG和ESS相关参数如图3所示，微电网间交互电价和电网购售电价如图4所示，WT和PV的EPNS惩罚系数设置为5。
如图5和图6所示，由微电网向电网进行能量交互的功率仿真结果可知，通过本实施例提出的能量交互优化方法进行调整后，微网1从电网购电的功率明显减少，极大的降低了微网1从电网购电的成本。其次，在当日09-次日02时段，微网2不再与电网进行能量交易，通常该时段正处于一天中负荷需求量大的时段，因此，本实施例提出的能量交互优化方法能够减少用电高峰期微电网与电网进行能量交易的功率，能够降低微电网对电网运行的影响，提高微电网的运行稳定性。最后，微网3不再与电网进行能量交易。一方面，本实施例提出的能量交互优化方法能够降低微电网与电网的能量交易；另一方面，本实施例还可以基于嵌套集群的微电网可以预设级别安排微电网间的能量交互，优先给高级别微电网进行能量交互，降低该微电网与电网的能量交易。因此可以最大程度地利用本地分布式资源满足高级别微电网的电力需求，从而在发生孤岛式操作的情况下通过在微电网之间进行能量交互调整快速响应特殊情况的用电需求，提升配电网的弹性。
实施例二
如图7所示，本实施了提出了一种基于微电网的能量交互优化系统6，包括：
划分单元61：用于根据负荷与分布式能源机组、储能装置之间的供电关系，将配电网划分为若干个微电网；
风险预测单元62：用于对分布式能源机组中的可再生能源机组进行风险预测；
成本计算单元63：用于分别获取储能装置和分布式能源机组中非可再生能源机组的运行成本；
目标函数单元64：用于根据风险预测的结果和运行成本，结合微电网之间的能量交互成本构建成本目标函数，确定微电网在能量交互时的状态约束和功率约束；
调整单元65：用于在同时满足状态约束和功率约束的情况下，对成本目标函数进行求解，根据求解结果调整各个微电网在能量交互时的功率。
通过本实施例提出的能量交互优化方法，在降低多微电网运行成本的同时，能够减少用电高峰期微电网与电网之间能量交互的功率，降低了微电网对电网正常运行的影响，提高了微电网运行稳定性，实现最大程度的利用本地分布式资源满足发电与用电负荷平衡的效果，同时能够在发生孤岛式操作的情况下，通过微电网之间的优化调整满足临时电力需求，进而提升了配电网弹性。
在本实施例中，划分单元61具体用于确定配电网的馈线上的各个负荷，将为负荷供电的分布式能源机组以及储能装置划分为一个微电网。在图2中，将配电网的任何子部分设想为微电网的嵌套集合，根据负荷层级结构划分微电网的嵌套关系，以配电网中的馈线为例，微电网2中的负荷为微电网3中负荷的下一层级，因此将微电网2设为中间级别，微电网1中的负荷为微电网2中负荷的下一层级，因此将微电网1设为最低级别。由此可见，根据负荷的层级关系，每个微电网除了包括自己的负荷、分布式能源机组以及储能装置外，还包括下一个层级的微电网。如图2所示，分布式能源机组包括柴油发电机DG、风电机组WT以及光伏机组PV，ESS表示储能装置，Load表示馈线上接入的负荷。从最低级别到最高级别，每个级别的微电网都有自己的市场，并且可以参与到更高级别的市场，与其他微电网进行点对点交易。这种嵌套的微电网能量交互模型可以最大程度地利用本地分布式资源满足高级别微电网的电力需求，从而在发生孤岛式操作的情况下支持关键微电网的紧急临时操作，提升配电网的弹性。
每个微电网可以看作是一个可调度的发电机，具有双向功率流，并在其整体上进行调度。为避免使用负值变量，本实施例中定义了四个变量来表示单个微电网在进行能量交互的功率，包括向其他的微电网购电的功率向其他的微电网售电的功率/>向电网购电的功率/>以及向电网售电的功率/>
由于可再生能源机组，例如风电机组和光伏机组的输出功率很难得到准确的值，为了解决在构建成本目标函数时无法准确量化风电机组和光伏机组输出功率的问题，本实施例通过风险预测单元62将风电机组和光伏机组的不确定性转化为置信区间变量，采用功率不足期望值(EPNS)衡量风机和光伏的风险。以风电机组为例，考虑95％的置信水平，则风电机组输出功率的置信区间如下：
本实施例中，α＝0.05，
根据风电机组在短期内服从高斯分布的特征，基于公式一计算风能机组n在t时刻的输出功率x的第一概率密度函数f1(x)；
其中，μt为风能机组n在t时刻的输出功率预测值，σt为风能机组n在t时刻的输出功率误差，n、t的取值范围为正整数；
基于公式二对第一概率密度函数进行积分计算，得到风能机组n在t时刻的功率不足期望值通过/>衡量风能机组输出功率不足的风险程度；
其中，为风能机组n在t时刻的输出功率测量值，/>为风能机组n在t时刻的输出功率最小值。
对分布式能源机组中的可再生能源机组进行风险预测同理，基于公式三计算光伏机组n在t时刻的输出功率x的第二概率密度函数f2(x)；
其中，μt为光伏机组n在t时刻的输出功率预测值，σt为光伏机组n在t时刻的输出功率误差，n、t的取值范围为正整数；
基于公式四对第二概率密度函数进行积分计算，得到光伏机组n在t时刻的功率不足期望值通过/>衡量光伏机组输出功率不足的风险程度；
其中，为光伏机组n在t时刻的输出功率测量值，/>为光伏机组n在t时刻的输出功率最小值。
在构建成本目标函数时还要考虑将非可再生能源机组以及储能装置的成本降至最低，在本实施例中，非可再生能源机组以柴油发电机为例，通过成本计算单元63分别获取储能装置和分布式能源机组中非可再生能源机组的运行成本，所述运行成本包括机组的维护成本以及燃料成本。
基于公式五计算微电网n中储能装置在t时刻的维护成本
其中，为微电网n中储能装置的预设维护成本系数，/>为微电网n中储能装置在t时刻的充放电功率。
本实施例中对于储能装置的约束包括充放电功率约束和SOC限制约束，具体包括：
SOCmin<SOC(n,t)<SOCmax；
/>
式中，为微电网n中储能装置最大的充放电功率限额，SOCmin和SOCmax分别为储能装置的最小和最大荷电状态，本实施例中分别设定为0.2和1；SOC(n,t)为微电网n储能装置在t时刻的荷电状态；SOE(n,t)为微电网n在t时刻中储能装置的能量状态，/>为微电网n中储能装置的额定容量。
基于公式六计算微电网n中非可再生能源机组在t时刻的燃料成本与维护成本/>
其中，为微电网n中非可再生能源机组的预设燃料成本系数，/>为微电网n中非可再生能源机组的预设维护成本系数，/>为微电网n中非可再生能源机组在t时刻的输出功率。
本实施例中对于柴油发电机的约束包括输出功率约束以及上升和下降速度限制，具体包括：
式中，和/>分别为微电网n中柴油发电机的输出功率上下限，/>和/>分别为微电网n上升和下降速度限制。
基于上述结果，通过目标函数单元64根据风险预测的结果和运行成本，结合微电网之间的能量交互成本构建成本目标函数，具体为：
建立成本目标函数C为：
其中，为微电网n中非可再生能源机组在t时刻的燃料成本，/>为微电网n中非可再生能源机组在t时刻的维护成本，/>为微电网n中储能装置在t时刻的维护成本，/>为微电网n在t时刻向电网购电的功率，/>为微电网n在t时刻向电网售电的功率，/>为t时刻微电网向电网的购电价，/>为t时刻微电网向电网的售电价，/>表示微电网n中风能机组在t时刻输出功率不足的风险程度，/>表示微电网n中光伏机组在t时刻输出功率不足的风险程度，λ为预设的惩罚系数，G为微电网的总个数，T为总时长；
以及λ的取值范围均为正数，G、T、n以及t的取值范围均为正整数。
本实施例构建的成本目标函数在考虑多微电网的嵌套结构的前提下，协调微电网内各分布式能源机组的出力、微电网间的能量交互以及与电网的能量交易，实现多微电网总运行成本和风电机组、光伏机组的EPNS最小化。
本实施例通过二进制参数设置微电网之间以及与电网之间的能量交互状态，r(n,m,t)或s(n,m,t)等于1时，表示微电网n和微电网m存在能量交互，同理，v(n,t)＝u(n,t)＝0时，表示微电网n和电网不存在能量交互。同时，考虑到微电网系统不能同时进行购电和售电，因此，对于单个微电网任意时刻都要满足以下状态约束：
其中，r(n,m,t)表示微电网n向微电网m购电的权限，r(n,m,t)取值为1时表示微电网n可以向微电网m购电，r(n,m,t)取值为0时表示微电网n不可以向微电网m购电；s(n,m,t)表示微电网n向微电网m售电的权限，s(n,m,t)取值为1时表示微电网n可以向微电网m购电，s(n,m,t)为0时表示微电网n不可以向微电网m售电；v(n,t)表示微电网n向电网购电的权限，v(n,t)取值为1时表示微电网n可以向电网购电，v(n,t)取值为0时表示微电网n不可以向电网购电；u(n,t)表示微电网n向电网售电的权限，u(n,t)为1时表示微电网n可以向电网售电；
n、m的取值范围均为正整数，且n≠m。
由于线路容量和逆变器接口的技术限制，交换功率不能超过相应的功率限制。本实施例还相应设置了功率约束，具体为：
其中，表示t时刻微电网n向微电网m的购电功率，/>表示预设的微电网n向微电网m的购电功率最大值，/>表示t时刻微电网n向微电网m的售电功率，表示预设的微电网n向微电网m的售电功率最大值，/>表示t时刻微电网n向电网的购电功率，/>表示微电网n向电网的售电功率最大值，/>表示微电网n向电网的售电功率，/>表示微电网n向电网的购电功率最大值；/>
以及/>的取值范围均为正数。
另外，微电网n从微电网m购电的功率与微电网m向微电网n售电的功率相同，即有：
在本实施例中，所述功率约束还包括单个微电网的功率平衡约束，所述功率平衡约束为：
为微电网n中非可再生能源机组在t时刻的输出功率，/>为微电网n中储能装置在t时刻的充放电功率，/>为微电网n中风能机组在t时刻的输出功率测量值，为微电网n中光伏机组在t时刻的输出功率测量值，/>为t时刻微电网n向微电网m的购电功率，/>为t时刻微电网n向电网的购电功率，/>为t时刻微电网n的负荷功率。
最后，本实施例中的调整单元65通过对成本目标函数进行求解，得到满足本实施例中所设置的各类约束条件的优化策略，根据解算出的以及/>的值调整购电功率或售电功率，从而使配电网的发电与用电负荷的平衡状态达到最优效果，因为本实施例提出的优化方法支持微电网之间的能量交互，因此可以减少微电网与电网进行能量交互的功率，降低微电网对电网运行的影响，
上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于微电网的能量交互优化方法，其特征在于，所述能量交互优化方法包括：
根据负荷与分布式能源机组、储能装置之间的供电关系，将配电网划分为若干个微电网；
对分布式能源机组中的可再生能源机组进行风险预测；
分别获取储能装置和分布式能源机组中非可再生能源机组的运行成本；
根据风险预测的结果和运行成本，结合微电网之间的能量交互成本构建成本目标函数，确定微电网在能量交互时的状态约束和功率约束；
在同时满足状态约束和功率约束的情况下，对成本目标函数进行求解，根据求解结果调整各个微电网在能量交互时的功率；
所述分别获取储能装置和分布式能源机组中非可再生能源机组的运行成本，
包括：
基于公式五计算微电网n中储能装置在t时刻的维护成本
其中，为微电网n中储能装置的预设维护成本系数，/>为微电网n中储能装置在t时刻的充放电功率；
基于公式六计算微电网n中非可再生能源机组在t时刻的燃料成本与维护成本
其中，为微电网n中非可再生能源机组的预设燃料成本系数，/>为微电网n中非可再生能源机组的预设维护成本系数，/>为微电网n中非可再生能源机组在t时刻的输出功率；
所述根据风险预测的结果和运行成本，结合微电网之间的能量交互成本构建成本目标函数，包括：
建立成本目标函数C为：
其中，为微电网n中非可再生能源机组在t时刻的燃料成本，/>为微电网n中非可再生能源机组在t时刻的维护成本，/>为微电网n中储能装置在t时刻的维护成本，/>为微电网n在t时刻向电网购电的功率，/>为微电网n在t时刻向电网售电的功率，为t时刻微电网向电网的购电价，/>为t时刻微电网向电网的售电价，/>表示微电网n中风能机组在t时刻输出功率不足的风险程度，/>表示微电网n中光伏机组在t时刻输出功率不足的风险程度，λ为预设的惩罚系数，G为微电网的总个数，T为总时长；
以及λ的取值范围均为正数，G、T、n以及t的取值范围均为正整数。
2.根据权利要求1所述的一种基于微电网的能量交互优化方法，其特征在于，所述根据负荷与分布式能源机组、储能装置之间的供电关系，将配电网划分为若干个微电网，包括：
确定配电网的馈线上的各个负荷，将为负荷供电的分布式能源机组以及储能装置划分为一个微电网。
3.根据权利要求1所述的一种基于微电网的能量交互优化方法，其特征在于，所述对分布式能源机组中的可再生能源机组进行风险预测，包括：
基于公式一计算风能机组n在t时刻的输出功率x的第一概率密度函数f1(x)；
其中，μt为风能机组n在t时刻的输出功率预测值，σt为风能机组n在t时刻的输出功率误差，n、t的取值范围为正整数；
基于公式二对第一概率密度函数进行积分计算，得到风能机组n在t时刻的功率不足期望值通过/>衡量风能机组输出功率不足的风险程度；
其中，为风能机组n在t时刻的输出功率测量值，/>为风能机组n在t时刻的输出功率最小值。
4.根据权利要求1所述的一种基于微电网的能量交互优化方法，其特征在于，所述对分布式能源机组中的可再生能源机组进行风险预测，包括：
基于公式三计算光伏机组n在t时刻的输出功率x的第二概率密度函数f2(x)；
其中，μt为光伏机组n在t时刻的输出功率预测值，σt为光伏机组n在t时刻的输出功率误差，n、t的取值范围为正整数；
基于公式四对第二概率密度函数进行积分计算，得到光伏机组n在t时刻的功率不足期望值通过/>衡量光伏机组输出功率不足的风险程度；
其中，为光伏机组n在t时刻的输出功率测量值，/>为光伏机组n在t时刻的输出功率最小值。
5.根据权利要求1所述的一种基于微电网的能量交互优化方法，其特征在于，所述状态约束为：
其中，r(n,m,t)表示微电网n向微电网m购电的权限，r(n,m,t)取值为1时表示微电网n可以向微电网m购电，r(n,m,t)取值为0时表示微电网n不可以向微电网m购电；s(n,m,t)表示微电网n向微电网m售电的权限，s(n,m,t)取值为1时表示微电网n可以向微电网m购电，s(n,m,t)为0时表示微电网n不可以向微电网m售电；v(n,t)表示微电网n向电网购电的权限，v(n,t)取值为1时表示微电网n可以向电网购电，v(n,t)取值为0时表示微电网n不可以向电网购电；u(n,t)表示微电网n向电网售电的权限，u(n,t)为1时表示微电网n可以向电网售电；
n、m的取值范围均为正整数，且n≠m。
6.根据权利要求1所述的一种基于微电网的能量交互优化方法，其特征在于，所述交互功率约束为：
其中，表示t时刻微电网n向微电网m的购电功率，/>表示预设的微电网n向微电网m的购电功率最大值，/>表示t时刻微电网n向微电网m的售电功率，/>表示预设的微电网n向微电网m的售电功率最大值，/>表示t时刻微电网n向电网的购电功率，表示微电网n向电网的售电功率最大值，/>表示微电网n向电网的售电功率，表示微电网n向电网的购电功率最大值；
以及/>的取值范围均为正数。
7.根据权利要求6所述的一种基于微电网的能量交互优化方法，其特征在于，所述功率约束还包括单个微电网的功率平衡约束，所述功率平衡约束为：
为微电网n中非可再生能源机组在t时刻的输出功率，/>为微电网n中储能装置在t时刻的充放电功率，/>为微电网n中风能机组在t时刻的输出功率测量值，/>为微电网n中光伏机组在t时刻的输出功率测量值，/>为t时刻微电网n向微电网m的购电功率，/>为t时刻微电网n向电网的购电功率，/>为t时刻微电网n的负荷功率。
8.一种基于微电网的能量交互优化系统，其特征在于，所述能量交互优化系统包括：
划分单元：用于根据负荷与分布式能源机组、储能装置之间的供电关系，将配电网划分为若干个微电网；
风险预测单元：用于对分布式能源机组中的可再生能源机组进行风险预测；
成本计算单元：用于分别获取储能装置和分布式能源机组中非可再生能源机组的运行成本，包括：
基于公式五计算微电网n中储能装置在t时刻的维护成本
其中，为微电网n中储能装置的预设维护成本系数，/>为微电网n中储能装置在t时刻的充放电功率；
基于公式六计算微电网n中非可再生能源机组在t时刻的燃料成本与维护成本
其中，为微电网n中非可再生能源机组的预设燃料成本系数，/>为微电网n中非可再生能源机组的预设维护成本系数，/>为微电网n中非可再生能源机组在t时刻的输出功率；
目标函数单元：用于根据风险预测的结果和运行成本，结合微电网之间的能量交互成本构建成本目标函数，确定微电网在能量交互时的状态约束和功率约束，包括：
建立成本目标函数C为：
其中，为微电网n中非可再生能源机组在t时刻的燃料成本，/>为微电网n中非可再生能源机组在t时刻的维护成本，/>为微电网n中储能装置在t时刻的维护成本，/>为微电网n在t时刻向电网购电的功率，/>为微电网n在t时刻向电网售电的功率，为t时刻微电网向电网的购电价，/>为t时刻微电网向电网的售电价，/>表示微电网n中风能机组在t时刻输出功率不足的风险程度，/>表示微电网n中光伏机组在t时刻输出功率不足的风险程度，λ为预设的惩罚系数，G为微电网的总个数，T为总时长；
以及λ的取值范围均为正数，G、T、n以及t的取值范围均为正整数；
调整单元：用于在同时满足状态约束和功率约束的情况下，对成本目标函数进行求解，根据求解结果调整各个微电网在能量交互时的功率。
CN202110659172.XA 2021-06-15 2021-06-15 一种基于微电网的能量交互优化方法及系统 Active CN113690925B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110659172.XA CN113690925B (zh) 2021-06-15 2021-06-15 一种基于微电网的能量交互优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110659172.XA CN113690925B (zh) 2021-06-15 2021-06-15 一种基于微电网的能量交互优化方法及系统

Publications (2)

Publication Number Publication Date
CN113690925A CN113690925A (zh) 2021-11-23
CN113690925B true CN113690925B (zh) 2023-08-25

Family

ID=78576542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110659172.XA Active CN113690925B (zh) 2021-06-15 2021-06-15 一种基于微电网的能量交互优化方法及系统

Country Status (1)

Country Link
CN (1) CN113690925B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805328A (zh) * 2018-04-30 2018-11-13 国网浙江省电力有限公司经济技术研究院 光热电站热电联供微网系统的优化运行方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
AU2020102245A4 (en) * 2019-01-08 2020-10-29 Nanjing Institute Of Technology A grid hybrid rolling dispatching method considering congestion and energy storage tou price
CN111882105A (zh) * 2020-06-15 2020-11-03 东南大学 含共享储能系统的微电网群及其日前经济优化调度方法
CN112101987A (zh) * 2020-08-27 2020-12-18 国网浙江海宁市供电有限公司 一种多微网随机预测控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109462231B (zh) * 2018-11-15 2020-09-01 合肥工业大学 居民微电网的负荷优化调度方法、系统和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN108805328A (zh) * 2018-04-30 2018-11-13 国网浙江省电力有限公司经济技术研究院 光热电站热电联供微网系统的优化运行方法
AU2020102245A4 (en) * 2019-01-08 2020-10-29 Nanjing Institute Of Technology A grid hybrid rolling dispatching method considering congestion and energy storage tou price
CN111882105A (zh) * 2020-06-15 2020-11-03 东南大学 含共享储能系统的微电网群及其日前经济优化调度方法
CN112101987A (zh) * 2020-08-27 2020-12-18 国网浙江海宁市供电有限公司 一种多微网随机预测控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
多微电网互联系统能量管理方法研究;陈其森;汪湘晋;池伟;张雪松;;电力系统保护与控制(第11期);全文 *

Also Published As

Publication number Publication date
CN113690925A (zh) 2021-11-23

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
De et al. The optimization of hybrid energy conversion systems using the dynamic programming model—Rapsody
CN103151797A (zh) 基于多目标调度模型的并网运行方式下微网能量控制方法
CN110661301B (zh) 一种水光蓄多能互补发电系统的容量配置优化方法
CN113326467B (zh) 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统
CN112803495A (zh) 基于能量共享的5g基站微网光储系统容量优化配置方法
CN114243795A (zh) 一种典型充电站综合能源协同交互优化配置方法及系统
Zheng et al. Optimal dispatch for reversible solid oxide cell-based hydrogen/electric vehicle aggregator via stimuli-responsive charging decision estimation
CN114301081B (zh) 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法
CN115577929A (zh) 基于多场景分析的乡村综合能源系统随机优化调度方法
CN113690925B (zh) 一种基于微电网的能量交互优化方法及系统
CN113746105A (zh) 电力需求响应的优化控制方法、装置、设备和存储介质
Tian et al. Coordinated RES and ESS Planning Framework Considering Financial Incentives Within Centralized Electricity Market
Sadullaev et al. Micro-grid based power supply of remote consumers located away from the centralized power grid
CN110610328B (zh) 一种直流微电网多维运行评估方法
Guo et al. Coordinated dispatching of flexible AC/DC distribution areas considering uncertainty of source and load
CN112087041A (zh) 一种光伏全电厨房及能量管理优化系统
Yun et al. Optimization of Operation Strategy of Virtual Power Plants Involved in Peak Shaving
Lin et al. Programming optimization model of PV-BESS in tegrated system considering transferable demand response
Li et al. Research on energy management scheme of commercial buildings cluster considering demand response
Zhuo et al. Two-Stage Optimized Dispatch Strategy of AC/DC Hybrid Microgrid under Uncertainty
CN117498467B (zh) 一种基于多层级虚拟电厂的能量协调控制分配方法及系统
Liang et al. Allowable Capacity Analysis of Distributed Renewable Energy Resources in Active Distribution Network
Wentao et al. Multi-objective optimization of capacity configuration for grid-connected microgrid system
CN118157177A (zh) 一种直流微电网能量调度方法及系统

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