CN113937802A - 一种基于李雅普诺夫优化的微电网实时调度方法及装置 - Google Patents

一种基于李雅普诺夫优化的微电网实时调度方法及装置 Download PDF

Info

Publication number
CN113937802A
CN113937802A CN202111059007.7A CN202111059007A CN113937802A CN 113937802 A CN113937802 A CN 113937802A CN 202111059007 A CN202111059007 A CN 202111059007A CN 113937802 A CN113937802 A CN 113937802A
Authority
CN
China
Prior art keywords
time
real
soc
lyapunov
energy storage
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.)
Withdrawn
Application number
CN202111059007.7A
Other languages
English (en)
Inventor
苏恒循
施烨
金浩
马向追
张高峰
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.)
NR Electric Co Ltd
NR Engineering Co Ltd
Original Assignee
NR Electric Co Ltd
NR Engineering 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 NR Electric Co Ltd, NR Engineering Co Ltd filed Critical NR Electric Co Ltd
Priority to CN202111059007.7A priority Critical patent/CN113937802A/zh
Publication of CN113937802A publication Critical patent/CN113937802A/zh
Withdrawn legal-status Critical Current

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
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/38—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]
    • 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
    • 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)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种基于李雅普诺夫优化的微电网实时调度方法及装置，属于微电网能源调度技术领域，方法包括：确定微电网系统的目标函数、决策变量与约束条件；定义储能容量的李雅普诺夫方程，并构建李雅普诺夫偏移量；基于类下垂的思想，根据储能剩余容量确定系统权重系数的取值；在每个调度断面，将微电网实时调度问题转换成线性优化问题进行求解，获取下一时刻微电网的调度策略。本发明基于李雅普诺夫漂移优化理论，在缺少可靠预测信息的条件下，通过序列控制的思想来保证系统稳定，并基于类下垂思想，引入惩罚量权重系数调整方法，来协调储能剩余容量、弃分布式电源功率、削减负荷功率等指标，实现微电网的能量管控。

Description

一种基于李雅普诺夫优化的微电网实时调度方法及装置
技术领域
本发明涉及一种基于李雅普诺夫优化的微电网实时调度方法及装置，属于微电网能源调度技术领域。
背景技术
目前，“高原、海岛、边防、无人区”(高海边无)地区普遍存在着供电能力不足、供电质量不高、供电维护滞后等现象，严重影响着当地军民的生活。相比于电网远程输电的供电方式，微电网具有投资成本小、抗打击能力强的优点；相较于就地柴油机发电的供电方式，微电网具有清洁环保、不依赖化石能源的优点。微电网可为解决高海边无地区缺电问题提供有效途径，但为了充分发挥其灵活、清洁、自治的特点，除了需要深入研究高效清洁能源发电技术外，还需要研究对应的能量管理策略。在已有研究中，多时间尺度的优化调度策略已成为处理微电网能量管理问题的主流方法。该方法基于分布式电源(DistributedGeneration,DG)和负荷的功率预测信息，将微网的能量管理过程分为日前、日内和实时等不同时间尺度的混合整数线性规划(Mixed Integer Linear Program,MILP)问题进行分层协调处理。该方法兼顾了系统未来运行趋势和实时运行状态，但其优化调度结果却严重依赖于DG功率预测信息。对于高海边无地区，当地的气象条件往往比较恶劣，进行DG功率预测的难度较大，对于涉及军事边防的敏感区域，其气象和地理信息会进行保密处理，这更增大了DG功率预测的难度。并且随着优化时长和微电网设备类型的增加，所构建的MILP方程将很复杂，为了保证调度结果求解的及时性，需要使用外部求解软件，将增大系统的投资和维护成本。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种基于李雅普诺夫优化的微电网实时调度方法及装置，在保证作为主要电压源的储能设备长期并网运行的基础上，减小削减分布式电源和负荷的功率值，考虑储能SOC区间的动态调节李雅普诺夫优化目标函数中的权重系数，提高系统运行的经济性和可靠性。
为达到上述目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种基于李雅普诺夫优化的微电网实时调度方法，包括：以储能容量为时序队列，确定李雅普诺夫方程以及李雅普诺夫位移变量，根据李雅普诺夫法构建实时优化调度模型；
执行更新微电网实时运行信息步骤，所述执行微电网实时运行信息步骤包括从微电网SCADA系统中获取当前控制时间断面的微电网的输出功率信息，对微电网的状态量进行更新，得到当前控制时间断面的实时优化调度模型；
基于类下垂方法，调节当前控制时间断面的实时优化调度模型中的权重系数；
利用线性规划算法求解当前控制时间断面的实时优化调度模型，得到下一个控制时间断面的调度计划，并下发微电网控制执行，从而进入下一个控制时间断面，转至更新微电网实时运行信息步骤，进行循环执行。
进一步的，所述储能容量的李雅普诺夫方程为：
Figure BDA0003255673070000021
所述储能容量的李雅普诺夫位移变量为：
Figure BDA0003255673070000022
其中，E{}表示数学期望，CBS(t+1)为t+1时刻的储能容量，CBS(t)为t时刻储能容量。
进一步的，根据李雅普诺夫法确定实时优化调度模型的目标函数为：
Figure BDA0003255673070000031
其中，ELoadf(t)为t时刻负荷功率需求与调度周期的乘积，EDGf(t)为t时刻分布式电源的可发功率与调度周期的乘积；XLoad(t)为t时刻削减负荷功率与调度周期的乘积；XDG(t)为t时刻削减分布式电源功率与调度周期的乘积；V为权重系数；kLoad和kDG分别为削减负荷与分布式电源的惩罚系数。
进一步的，所述实时优化调度模型的约束条件为：
0≤XDG(t)≤EDGf(t)，
0≤XLoad(t)≤ELoadf(t)，
Figure BDA0003255673070000032
其中，
Figure BDA0003255673070000033
和
Figure BDA0003255673070000034
分别为最大和最小储能容量。
进一步的，基于类下垂方法，调节当前控制时间断面的实时优化调度模型中的权重系数，包括：
当t时刻的剩余储能容量SOC(t)处于储能容量高限SOChigh和储能容量最大值SOCmax之间，权重系数V＝max(Vmin,kset1·SOCmax-kset2·SOC(t)+bset1)；
当t时刻的剩余储能容量SOC(t)处于储能容量低限SOClow和储能容量最小值SOCmin之间，V＝max(Vmin,kset3·SOC(t)-kset4·SOCmin+bset2)；
当t时刻的剩余储能容量SOC(t)处于储能容量低限SOClow和储能容量高限SOChigh之间，V＝Vset，kset1·SOCmax-kset2·SOChigh+bset1＝kset3·SOClow-kset4·SOCmin+bset2＝Vset；
其中，Vmin表示权重系数设定的最小值，kset1、kset2、kset3、kset4为比例系数，bset1、bset2为常数系数。
进一步的，使用优化求解器求解当前控制时间断面的实时优化调度模型。
第二方面，本发明提供一种基于李雅普诺夫优化的微电网实时调度装置，包括：
优化调度模型构建单元，用于以储能容量为时序队列，确定李雅普诺夫方程以及李雅普诺夫位移变量，根据李雅普诺夫法确定实时优化调度模型；
更新微电网实时运行信息执行单元，用于执行更新微电网实时运行信息步骤，所述执行微电网实时运行信息步骤包括从微电网SCADA系统中获取当前控制时间断面的微电网的输出功率信息，对微电网的状态量进行更新，得到当前控制时间断面的实时优化调度模型；
权重系数调节单元，用于基于类下垂方法，调节当前控制时间断面的实时优化调度模型中的权重系数；
调度计划获取单元，用于利用线性规划算法求解当前控制时间断面的实时优化调度模型，得到下一个控制时间断面的调度计划，并下发微电网控制执行，从而进入下一个控制时间断面，转至更新微电网实时运行信息执行单元，进行循环执行。
进一步的，所述当前控制时间断面的实时优化调度模型使用优化求解器求解获得。
第三方面，本发明提供一种基于李雅普诺夫优化的微电网实时调度装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据上述任一项所述方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。
与现有技术相比，本发明所达到的有益效果：
1、本发明基于李雅普诺夫优化算法，在缺少可靠负荷与分布式电源功率预测信息的条件下，制定独立型微电网的控制方法，实现了储能系统的长期挂网运行，提高了独立型微电网运行的安全性和可靠性，并根据储能SOC所属区间，通过类下垂方法调节优化目标中的权重系数，进一步提高独立型微电网系统运行的经济性；
2、本发明在基于李雅普诺夫优化进行微电网实时调度时，通过调整削减负荷与分布式电源的惩罚系数kLoad和kDG，可实现首先满足负荷的供电需求，其次实现分布式电源功率的最大化消纳，即满足负荷供电优先原则，提升用户的用能体验，通过类下垂的方法调整权重系数V，保证储能容量在即将越限时，具有尽量少充或者放电的趋势，减小紧急情况下，负荷限功率值；
3、本发明提出的基于李雅普诺夫方法的微电网实时调度策略的控制逻辑不基于分布式电源与负荷的功率预测信息，仅基于系统实测值以及储能容量的李雅普诺夫位移变量，完成对储能SOC的控制，控制逻辑简单清晰，方便进行程序实现。
附图说明
图1为微电网结构图；
图2为基于李雅普诺夫优化的微电网实时调度方法执行流程图；
图3为储能SOC划分区间示意图；
图4为储能SOC∈(SOChigh,SOCmax]时，权重系数V的类下垂选取方法图；
图5为储能SOC∈[SOCmin,SOClow)时，权重系数V的类下垂选取方法图；
图6为分布式电源功率过剩时，储能SOC的变化情况图；
图7为分布式电源功率过剩时，各装置功率变化情况图；
图8为分布式电源功率不足时，储能SOC的变化情况图；
图9为分布式电源功率不足时，各装置功率变化情况图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
本实施例介绍一种基于李雅普诺夫优化的微电网实时调度方法，包括：
以储能容量为时序队列，确定李雅普诺夫方程以及李雅普诺夫位移变量，根据李雅普诺夫法构建实时优化调度模型；
执行更新微电网实时运行信息步骤，所述执行微电网实时运行信息步骤包括从微电网SCADA系统中获取当前控制时间断面的微电网的输出功率信息，对微电网的状态量进行更新，得到当前控制时间断面的实时优化调度模型；
基于类下垂方法，调节当前控制时间断面的实时优化调度模型中的权重系数；
利用线性规划算法求解当前控制时间断面的实时优化调度模型，得到下一个控制时间断面的调度计划，并下发微电网控制执行，从而进入下一个控制时间断面，转至更新微电网实时运行信息步骤，进行循环执行。
参考图1所示，本发明的研究对象为离网型风光储微电网模型，包括：
功率流网架和信息流网架；
风机、光伏、负荷、蓄电池等微源均通过能量转换和调控装置并联在同一交流母线上，各微源均配备有就地的PQ控制器，这些PQ控制器对下实现相应微源的就地电量采集和功率控制，对上向调度主站上传电量遥测值，并接收主站下发的功率遥调指令。调度主站实现微电网的数据采集与监视控制(Supervisory ControlAnd DataAcquisition,SCADA)功能。微电网的实时调度策略即由调度主站控制下发实现；
由于缺少大电网支撑，一般由能量可双向流动的储能单元，即图1中的蓄电池+储能变流器(Power Control System,PCS)，作为系统的电压源，建立母线电压。风机和光伏通过跟踪母线电压，实现最大功率点跟踪(Maximum Power Point Tracking,MPPT)控制，或接受主站的遥调指令进行限功率控制。负荷通过功率调节装置并联在母线上，亦可接受主站的功率遥调指令进行限功率或切负荷控制。
参考图2所示，本实施例提供的基于李雅普诺夫优化的微电网实时调度方法，其应用过程具体涉及如下步骤：
步骤1：构建实时优化调度模型，为解决微电网实时优化调度问题提供所需要的目标函数、约束条件、决策变量/状态变量，并以储能容量为时序队列，确定李雅普诺夫方程以及李雅普诺夫位移变量；
步骤2：更新微电网实时运行信息，从微电网SCADA系统中获取当前控制时间断面的用能负荷运行信息、储能容量限值信息、储能充/放电功率信息、光伏/风机等微电源的输出功率信息，对微电网的状态量进行更新；
步骤3：基于类下垂方法调节权重系数，以微电网剩余储能容量为输入，当储能容量较高时，反比例调节李雅普诺夫优化目标中的权重系数；当储能容量较低时，正比例调节李雅普诺夫优化目标中的权重系数，实现储能容量的平滑度与削减分布式电源或负荷功率的惩罚量之间的动态平衡；
步骤4：利用线性规划算法求解，利用优化求解器对微电网当前控制时间断面所产生的优化调度问题进行求解，获取下一个控制事件断面的调度计划；
步骤5：从优化调度问题的求解结果中获取下一个控制时间断面的调度计划并下发微电网控制执行，从而进入下一个控制时间断面，跳转到步骤2，进行循环执行。
参考图3所示，本发明剩余储能容量SOC控制原则及区间划分方法为：
在一般状态下，微电网运行过程中需要满足的关系式为：
PBSD-PBSC＝PLoad-PDG (1)
式(1)中PBSD、PBSC表示储能的放电、充电功率，PLoad表示负荷耗电功率，PDG表示分布式电源输出功率。在系统稳定运行时，该功率平衡等式应成立。
由于在每一时刻，储能的充、放电状态不能同时发生，设定PBS＝PBSD-PBSC为储能的功率，当PBS≥0时，表示储能输出功率；当PBS<0时，表示储能吸收功率。设定PLD＝PLoad-PDG表示系统的等效负荷功率，当PLD≥0时，表示负荷功率大于分布式电源的输出功率；当PLD<0时，表示分布式电源输出功率大于负荷功率。
孤岛微电网进行能量控制时，应首先满足负荷的供电需求，其次实现DG功率的最大化消纳，即削减负荷的代价要高于削减分布式电源功率的代价。在满足上述前提的条件下，通过储能的充放电控制，平抑负荷与DG之间的功率差额。并且应保证储能具有尽量多充电的趋势，减小紧急情况下，限负荷功率值。
如图3所示，将剩余储能容量SOC分为5段，仅当SOC处于[SOChigh,SOCmax]，[SOCmin,SOClow]，[SOCmax,100％]，[0,SOCmin]区间时，能量管理通过调节分布式电源和负荷，来间接调节储能的SOC。当储能的SOC处于[SOClow,SOChigh]时，为储能SOC的调节死区，此时主站对储能SOC的变化不予控制。其中[SOChigh,SOCmax]、[SOCmin,SOClow]和[SOClow,SOChigh]区间构成了SOC正常运行区间，[SOCmax,100％]为储能SOC越上限区间，[0,SOCmin]为储能SOC越下限区间。
当储能的SOC处于[SOChigh,SOCmax]时，需要进行储能SOC越上限的预防控制，通过增负荷、减DG出力的手段来减小储能的充电功率；当储能的SOC处于[SOCmax,100％]时，需要进行储能SOC越上限的紧急控制，主要通过减DG出力的手段，控制储能以较小功率放电，以降低SOC，为避免储能在充、放电模式间频繁转换，需要控制SOC至[SOClow,SOChigh]区间，才退出SOC越上限的紧急控制；当储能的SOC处于[SOCmin,SOClow]时，需要进行储能SOC越下限的预防控制，通过增DG出力、减负荷等手段来减小储能的放电功率；当储能的SOC处于[0,SOCmin]时，需要进行储能SOC越下限的紧急控制，通过减负荷、启柴发的手段，控制储能以较小功率充电，以提高SOC，为避免储能在充、放电模式间频繁转换，需要控制SOC至[SOClow,SOChigh]区间，才退出SOC越下限的紧急控制。
对于本实施例所考虑的独立性微电网，是一个简单的分布式电源-负荷-储能系统，分布式电源的可发功率与调度周期的乘积为EDGf(t)，削减分布式电源功率与调度周期的乘积为XDG(t)，监测到的负荷功率需求与调度周期的乘积为ELoadf(t)，削减负荷功率与调度周期的乘积为XLoad(t)，储能与微网的交换功率与调度周期乘积为EBS(t)，且当EBS(t)>0时，储能充电；EBS(t)<0时，储能放电。
根据式(1)所示功率平衡方程，则存在
EBS(t)＝EDGf(t)-XDG(t)-(ELoadf(t)-XLoad(t)) (2)
若不考虑储能的蓄、放能损耗和静置损耗，则储能容量的时序表达式CBS(t)为:
Figure BDA0003255673070000101
储能容量是一个有限值，不会趋向无穷大，则满足下式：
Figure BDA0003255673070000102
其中E{}表示数学期望，||表示绝对值运算，若式(4)成立，则认为储能系统的时间序列均值稳定，储能电池的容量不随时间的增加而无限增大。
定义储能容量的李雅普诺夫方程为：
Figure BDA0003255673070000103
则储能容量的李雅普诺夫位移变量可定义为：
Figure BDA0003255673070000104
李雅普诺夫偏移量Δ(CBS(t))用于保证系统运行时间序列的稳定性。
若以系统的切机、切负荷值为惩罚量，根据李雅普诺夫法确定的优化目标为min{Δ(CBS(t))+VE{XLoad(t)+XDG(t)}} (7)
经推导可得：
Figure BDA0003255673070000111
由于在CBS(t)·(EDGf(t)-ELoadf(t))中不包含可控项，故可以从目标函数中排除，将原优化方程转换为如下形式的优化目标方程：
Figure BDA0003255673070000112
其中，ELoadf(t)和EDGf(t)分别通过负荷和分布式电源在t时刻的实测出力值乘以调度周期获得；CBS(t)为t时刻电池的容量；XLoad(t)和XDG(t)分别为t时刻削减负荷和分布式电源功率的控制量；V为权重系数；kLoad和kDG分别为削减负荷与分布式电源的惩罚系数。
削减分布式电源功率与调度周期的乘积限值约束为：
0≤XDG(t)≤EDGf(t) (10)
上式(10)表示在t时刻得出的分布式电源的削减功率值应介于0和当前分布式电源的出力之间。
削减负荷功率与调度周期的乘积限值约束为：
0≤XLoad(t)≤ELoadf(t) (11)
上式(11)表示在t时刻得出的负荷的削减功率值应介于0和当前负荷的功率之间。
储能容量限制约束为：
Figure BDA0003255673070000121
上式(12)表示在t时刻储能的容量应介于最大容量
Figure BDA0003255673070000122
和最小容量
Figure BDA0003255673070000123
之间。
在式(9)中的权重系数V用于平衡储能容量的平滑度和削减分布式电源或负荷的惩罚量，随着V值的增加，对于削减分布式电源或负荷的惩罚量将增加，以减小分布式电源或负荷的削减功率值；随着V值的减小，对于削减分布式电源或负荷的惩罚量将减小，以增大储能容量的平滑度。
参考图4所示，为剩余储能容量SOC∈(SOChigh,SOCmax]时，权重系数V的类下垂选取方法：
当储能的容量越接近其容量上限时，则参考下垂方法，采用反比例特性线性减小V值，增大储能容量的平滑度，降低储能容量的越上限风险。当t时刻的剩余储能容量SOC(t)处于SOC高限SOChigh和SOC最大值SOCmax之间，即SOC∈(SOChigh,SOCmax]时，有
V＝max(Vmin,kset1·SOCmax-kset2·SOC(t)+bset1) (13)
其中Vmin表示权重设定的最小值，kset1、kset2为调节的比例系数，bset1为调节的常数系数。
参考图5所示，储能SOC∈[SOCmin,SOClow)时，权重系数V的类下垂选取方法：
当储能的容量越接近其容量下限时，参考下垂方法，采用正比例特性线性减小V值，增大储能容量的平滑度，降低储能容量的越下限风险，当t时刻的剩余储能容量SOC(t)处于SOC低限SOClow和SOC最小值SOCmin之间，即SOC∈[SOCmin,SOClow)时，有
V＝max(Vmin,kset3·SOC(t)-kset4·SOCmin+bset2) (14)
其中Vmin表示权重设定的最小值，kset3、kset4为调节的比例系数，bset2为调节的常数系数。
当储能的容量位于容量下限和容量上限之间时，则将V设定为稳态Vset值进行优化调度，当t时刻的剩余储能容量SOC(t)处于SOC低限SOClow和SOC高限SOChigh之间，即SOC∈[SOClow,SOChigh)时，有
V＝Vset (15)
稳态Vset值与式(13)、式(14)之间的关系可以表示为
kset1·SOCmax-kset2·SOChigh+bset1＝Vset (16)
kset3·SOClow-kset4·SOCmin+bset2＝Vset (17)
从而保证权重系数调整的连续性。
在每个调度周期内，将独立型微电网的实时调度转换为式(9)～式(12)的优化问题，并根据储能SOC所处的区间按照式(13)～式(15)调整式(14)中的权重系数V，由于所构建的优化问题并不复杂，可以通过优化求解器进行求解。在获得分布式电源和负荷的功率削减值，在下一个控制周期，由调度系统将分布式电源和负荷的功率削减指令下发执行，在下一个程序将流转到步骤2循环执行。
参考图6所示，为分布式电源功率过剩时，储能SOC的变化情况。当分布式电源的出力大于负荷用能需求，系统有削减分布式电源出力的需求，此时在本发明所提策略下，储能SOC的变化趋势。可见在本实施例所提策略下，储能SOC将平滑到达控制上限，能预留更大的能量区间来应对系统的不确定因素。
参考图7所示，为分布式电源功率过剩时，各装置功率变化情况。可见在本实施例所提策略下，由于风电、光伏的出力远大于负荷的用电需求，导致蓄电池将持续充电，随着储能SOC的增加，调度系统将会通过削减光伏、风机出力的手段来保证分布式电源和负荷功率平滑的同时，蓄电池SOC不越限。
参考图8所示，为分布式电源功率不足时，储能SOC的变化情况。当分布式电源的出力小于负荷用能需求，系统有削减负荷用能的需求，此时在本发明所提策略下，储能SOC的变化趋势。可见在本实施例所提策略下，储能SOC将平滑到达控制下限，能预留更大的能量区间来应对系统的不确定因素。
参考图9所示，为分布式电源功率不足时，各装置功率变化情况。可见在本实施例所提策略下，由于风电、光伏的出力远小于负荷的用电需求，导致蓄电池将持续放电，随着储能SOC的减小，调度系统将会通过削减负荷用能的手段来保证分布式电源和负荷功率平滑的同时，蓄电池SOC不越限。
实施例2
本实施例提供一种基于李雅普诺夫优化的微电网实时调度装置，包括：
优化调度模型构建单元，用于以储能容量为时序队列，确定李雅普诺夫方程以及李雅普诺夫位移变量，根据李雅普诺夫法确定实时优化调度模型；
更新微电网实时运行信息执行单元，用于执行更新微电网实时运行信息步骤，所述执行微电网实时运行信息步骤包括从微电网SCADA系统中获取当前控制时间断面的微电网的输出功率信息，对微电网的状态量进行更新，得到当前控制时间断面的实时优化调度模型；
权重系数调节单元，用于基于类下垂方法，调节当前控制时间断面的实时优化调度模型中的权重系数；
调度计划获取单元，用于利用线性规划算法求解当前控制时间断面的实时优化调度模型，得到下一个控制时间断面的调度计划，并下发微电网控制执行，从而进入下一个控制时间断面，转至更新微电网实时运行信息执行单元，进行循环执行。
进一步的，所述当前控制时间断面的实时优化调度模型使用优化求解器求解获得。
实施例3
本实施例提供一种基于李雅普诺夫优化的微电网实时调度装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据下述任一项所述方法的步骤：
以储能容量为时序队列，确定李雅普诺夫方程以及李雅普诺夫位移变量，根据李雅普诺夫法构建实时优化调度模型；
执行更新微电网实时运行信息步骤，所述执行微电网实时运行信息步骤包括从微电网SCADA系统中获取当前控制时间断面的微电网的输出功率信息，对微电网的状态量进行更新，得到当前控制时间断面的实时优化调度模型；
基于类下垂方法，调节当前控制时间断面的实时优化调度模型中的权重系数；
利用线性规划算法求解当前控制时间断面的实时优化调度模型，得到下一个控制时间断面的调度计划，并下发微电网控制执行，从而进入下一个控制时间断面，转至更新微电网实时运行信息步骤，进行循环执行。
实施例4
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现下述任一项所述方法的步骤：
以储能容量为时序队列，确定李雅普诺夫方程以及李雅普诺夫位移变量，根据李雅普诺夫法构建实时优化调度模型；
执行更新微电网实时运行信息步骤，所述执行微电网实时运行信息步骤包括从微电网SCADA系统中获取当前控制时间断面的微电网的输出功率信息，对微电网的状态量进行更新，得到当前控制时间断面的实时优化调度模型；
基于类下垂方法，调节当前控制时间断面的实时优化调度模型中的权重系数；
利用线性规划算法求解当前控制时间断面的实时优化调度模型，得到下一个控制时间断面的调度计划，并下发微电网控制执行，从而进入下一个控制时间断面，转至更新微电网实时运行信息步骤，进行循环执行。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于李雅普诺夫优化的微电网实时调度方法，其特征在于，包括：
以储能容量为时序队列，确定李雅普诺夫方程以及李雅普诺夫位移变量，根据李雅普诺夫法构建实时优化调度模型；
执行更新微电网实时运行信息步骤，所述执行微电网实时运行信息步骤包括从微电网SCADA系统中获取当前控制时间断面的微电网的输出功率信息，对微电网的状态量进行更新，得到当前控制时间断面的实时优化调度模型；
基于类下垂方法，调节当前控制时间断面的实时优化调度模型中的权重系数；
利用线性规划算法求解当前控制时间断面的实时优化调度模型，得到下一个控制时间断面的调度计划，并下发微电网控制执行，从而进入下一个控制时间断面，转至更新微电网实时运行信息步骤，进行循环执行。
2.根据权利要求1所述的基于李雅普诺夫优化的微电网实时调度方法，其特征在于：所述储能容量的李雅普诺夫方程为：
Figure FDA0003255673060000011
所述储能容量的李雅普诺夫位移变量为：
Figure FDA0003255673060000012
其中，E{}表示数学期望，CBS(t+1)为t+1时刻的储能容量，CBS(t)为t时刻储能容量。
3.根据权利要求1所述的基于李雅普诺夫优化的微电网实时调度方法，其特征在于：根据李雅普诺夫法确定实时优化调度模型的目标函数为：
Figure FDA0003255673060000013
其中，ELoadf(t)为t时刻负荷功率需求与调度周期的乘积，EDGf(t)为t时刻分布式电源的可发功率与调度周期的乘积；XLoad(t)为t时刻削减负荷功率与调度周期的乘积；XDG(t)为t时刻削减分布式电源功率与调度周期的乘积；V为权重系数；kLoad和kDG分别为削减负荷与分布式电源的惩罚系数。
4.根据权利要求1所述的基于李雅普诺夫优化的微电网实时调度方法，其特征在于：所述实时优化调度模型的约束条件为：
0≤XDG(t)≤EDGf(t)，
0≤XLoad(t)≤ELoadf(t)，
Figure FDA0003255673060000021
其中，
Figure FDA0003255673060000022
和
Figure FDA0003255673060000023
分别为最大和最小储能容量。
5.根据权利要求1所述的基于李雅普诺夫优化的微电网实时调度方法，其特征在于：基于类下垂方法，调节当前控制时间断面的实时优化调度模型中的权重系数，包括：
当t时刻的剩余储能容量SOC(t)处于储能容量高限SOChigh和储能容量最大值SOCmax之间，权重系数V＝max(Vmin,kset1·SOCmax-kset2·SOC(t)+bset1)；
当t时刻的剩余储能容量SOC(t)处于储能容量低限SOClow和储能容量最小值SOCmin之间，V＝max(Vmin,kset3·SOC(t)-kset4·SOCmin+bset2)；
当t时刻的剩余储能容量SOC(t)处于储能容量低限SOClow和储能容量高限SOChigh之间，V＝Vset，kset1·SOCmax-kset2·SOChigh+bset1＝kset3·SOClow-kset4·SOCmin+bset2＝Vset；
其中，Vmin表示权重系数设定的最小值，kset1、kset2、kset3、kset4为比例系数，bset1、bset2为常数系数。
6.根据权利要求1所述的基于李雅普诺夫优化的微电网实时调度方法，其特征在于：使用优化求解器求解当前控制时间断面的实时优化调度模型。
7.一种基于李雅普诺夫优化的微电网实时调度装置，其特征在于，包括：
优化调度模型构建单元，用于以储能容量为时序队列，确定李雅普诺夫方程以及李雅普诺夫位移变量，根据李雅普诺夫法确定实时优化调度模型；
更新微电网实时运行信息执行单元，用于执行更新微电网实时运行信息步骤，所述执行微电网实时运行信息步骤包括从微电网SCADA系统中获取当前控制时间断面的微电网的输出功率信息，对微电网的状态量进行更新，得到当前控制时间断面的实时优化调度模型；
权重系数调节单元，用于基于类下垂方法，调节当前控制时间断面的实时优化调度模型中的权重系数；
调度计划获取单元，用于利用线性规划算法求解当前控制时间断面的实时优化调度模型，得到下一个控制时间断面的调度计划，并下发微电网控制执行，从而进入下一个控制时间断面，转至更新微电网实时运行信息执行单元，进行循环执行。
8.根据权利要求7所述的基于李雅普诺夫优化的微电网实时调度装置，其特征在于：所述当前控制时间断面的实时优化调度模型使用优化求解器求解获得。
9.一种基于李雅普诺夫优化的微电网实时调度装置，其特征在于：包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～6任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1～6任一项所述方法的步骤。
CN202111059007.7A 2021-09-10 2021-09-10 一种基于李雅普诺夫优化的微电网实时调度方法及装置 Withdrawn CN113937802A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111059007.7A CN113937802A (zh) 2021-09-10 2021-09-10 一种基于李雅普诺夫优化的微电网实时调度方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111059007.7A CN113937802A (zh) 2021-09-10 2021-09-10 一种基于李雅普诺夫优化的微电网实时调度方法及装置

Publications (1)

Publication Number Publication Date
CN113937802A true CN113937802A (zh) 2022-01-14

Family

ID=79275508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111059007.7A Withdrawn CN113937802A (zh) 2021-09-10 2021-09-10 一种基于李雅普诺夫优化的微电网实时调度方法及装置

Country Status (1)

Country Link
CN (1) CN113937802A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115325682A (zh) * 2022-08-26 2022-11-11 河南省建筑科学研究院有限公司 一种高效智能制冷机房性能监测的优化控制方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105322550A (zh) * 2015-08-28 2016-02-10 南方电网科学研究院有限责任公司 一种家居微电网运行的优化方法
CN105743081A (zh) * 2016-03-25 2016-07-06 华北电力大学 社区级直流微电网群的在线能量调度方法
CN108494012A (zh) * 2018-01-31 2018-09-04 浙江工业大学 一种计及电转气技术的区域综合能源系统在线优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105322550A (zh) * 2015-08-28 2016-02-10 南方电网科学研究院有限责任公司 一种家居微电网运行的优化方法
CN105743081A (zh) * 2016-03-25 2016-07-06 华北电力大学 社区级直流微电网群的在线能量调度方法
CN108494012A (zh) * 2018-01-31 2018-09-04 浙江工业大学 一种计及电转气技术的区域综合能源系统在线优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
施烨等: "缺乏可靠功率预测条件下的微电网实时调度策略", 电力信息与通信技术 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115325682A (zh) * 2022-08-26 2022-11-11 河南省建筑科学研究院有限公司 一种高效智能制冷机房性能监测的优化控制方法及装置
CN115325682B (zh) * 2022-08-26 2024-04-26 河南省建筑科学研究院有限公司 一种高效智能制冷机房性能监测的优化控制方法及装置

Similar Documents

Publication Publication Date Title
US11770098B2 (en) Coordinated control of renewable electric generation resource and charge storage device
AU2018101070A4 (en) Automatic voltage control method, device and system for wind farm
CN108964097B (zh) 抽水蓄能与可再生能源发电协同运行系统及方法
CN107508327B (zh) 基于模型预测控制的配电网自治区域并网功率控制方法
CN106549380A (zh) 多模态微电网能量协调优化控制方法
CN106385044B (zh) 用于风电场发电计划跟踪的复合储能控制系统及其控制方法
WO2022252382A1 (zh) 一种源网荷储网络化协调频率控制方法
CN110323785B (zh) 源网荷储互动的多电压等级直流配电网优化调度方法
Zhang et al. Multi-objective day-ahead optimal scheduling of isolated microgrid considering flexibility
Teng et al. Key technologies and the implementation of wind, PV and storage co-generation monitoring system
CN110046780B (zh) 基于分时电价的孤岛微电网需求响应经济调度方法及系统
Xiao et al. Flat tie-line power scheduling control of grid-connected hybrid microgrids
CN112865075A (zh) 一种交直流混合微电网优化方法
CN107994618B (zh) 配电网级光储集群的有功功率调度方法和配电网测控设备
CN108258684A (zh) 一种清洁能源电网“源荷域”协调调控方法
CN113937802A (zh) 一种基于李雅普诺夫优化的微电网实时调度方法及装置
CN110994695A (zh) 配电网的日内优化调度方法和系统
Wang et al. Improved PSO-based energy management of Stand-Alone Micro-Grid under two-time scale
Wang et al. Multi-objective optimal dispatch of wind-integrated power system based on distributed energy storage
CN115663791A (zh) 基于运行环境时变性的智能配电网多目标自适应调度方法
Sathishkumar et al. Adaptive power management strategy-based optimization and estimation of a renewable energy storage system in stand-alone microgrid with machine learning and data monitoring
CN114400704A (zh) 基于双q学习考虑经济调节的孤岛微电网多模式切换策略
CN114421479A (zh) 交直流微电网群协同互供的电压控制方法
JP2022072385A (ja) 電力変換器、電力変換器の制御方法、電力システム、電力システムの制御方法およびプログラム
CN109245114B (zh) 一种微电网电能质量控制方法及系统

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20220114