CN113991648A - 一种微电网群源网荷储双层优化调度方法及系统 - Google Patents

一种微电网群源网荷储双层优化调度方法及系统 Download PDF

Info

Publication number
CN113991648A
CN113991648A CN202111240630.2A CN202111240630A CN113991648A CN 113991648 A CN113991648 A CN 113991648A CN 202111240630 A CN202111240630 A CN 202111240630A CN 113991648 A CN113991648 A CN 113991648A
Authority
CN
China
Prior art keywords
layer
double
lowest
objective function
active power
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.)
Pending
Application number
CN202111240630.2A
Other languages
English (en)
Inventor
彭博
魏振
郭英雷
安树怀
刘永亮
方威
林文辉
陈先凯
曹家伟
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.)
QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co
Original Assignee
QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co
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 QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co filed Critical QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co
Priority to CN202111240630.2A priority Critical patent/CN113991648A/zh
Publication of CN113991648A publication Critical patent/CN113991648A/zh
Pending 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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel generators
    • 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
    • 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
    • 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

Landscapes

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

Abstract

本公开提供了一种微电网群源网荷储双层优化调度方法及系统，获取微电网群的运行参量数据；根据获取的运行参量数据与预设双层优化模型，得到微电网群的调度策略；其中，双层优化模型中，第一层优化为以能源过剩率最低和负荷失电率最低的多目标优化，第二层优化为以电网群的运行管理费用最低和污染物处理的环境成本最低的多目标优化；本公开将能源过剩率最小和负荷失电率最小等作为上层目标，将经济成本最小和环境成本最小作为下层目标，上层模型中的自变量既可以影响本层的目标函数值和约束条件，也影响下层的最优解集，下层的最优解集同时又能影响上层的目标函数值和约束条件，实现了兼顾稳定性和综合效益的微电网群调度。

Description

一种微电网群源网荷储双层优化调度方法及系统
技术领域
本公开涉及微电网群优化调度技术领域，特别涉及一种微电网群源网荷储双层优化调度方法及系统。
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。
微电网群内部结构与功能越来越复杂，在电力系统中的角色也越来越重要，随着微电网群的不断发展，其经济性与可靠性的平衡发展异常重要。
发明人发现，现有的微电网群优化调度模型一般采用单目标的优化模型，得到的微电网群优化调度策略大多只能实现单一目标，无法实现微电网群稳定性和成本的最优化兼顾。
发明内容
为了解决现有技术的不足，本公开提供了一种微电网群源网荷储双层优化调度方法及系统，将能源过剩率最小和负荷失电率最小等作为上层目标，将经济成本最小和环境成本最小作为下层目标，上层模型中的自变量既可以影响本层的目标函数值和约束条件，也影响下层的最优解集，下层的最优解集同时又能影响上层的目标函数值和约束条件，实现了兼顾稳定性和综合效益的微电网群调度。
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微电网群源网荷储双层优化调度方法。
一种微电网群源网荷储双层优化调度方法，包括以下过程：
获取微电网群的运行参量数据；
根据获取的运行参量数据与预设双层优化模型，得到微电网群的调度策略；
其中，双层优化模型中，第一层优化为以能源过剩率最低和负荷失电率最低的多目标优化，第二层优化为以电网群的运行管理费用最低和污染物处理的环境成本最低的多目标优化。
本公开第二方面提供了一种微电网群源网荷储双层优化调度系统。
一种微电网群源网荷储双层优化调度系统，包括：
数据获取模块，被配置为：获取微电网群的运行参量数据；
双层优化模块，被配置为：根据获取的运行参量数据与预设双层优化模型，得到微电网群的调度策略；
其中，双层优化模型中，第一层优化为以能源过剩率最低和负荷失电率最低的多目标优化，第二层优化为以电网群的运行管理费用最低和污染物处理的环境成本最低的多目标优化。
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微电网群源网荷储双层优化调度方法中的步骤。
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微电网群源网荷储双层优化调度方法中的步骤。
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，将能源过剩率最小和负荷失电率最小等作为上层目标，将经济成本最小和环境成本最小作为下层目标，上层模型中的自变量既可以影响本层的目标函数值和约束条件，也影响下层的最优解集，下层的最优解集同时又能影响上层的目标函数值和约束条件，实现了兼顾稳定性和综合效益的微电网群调度。
2、本公开所述的方法、系统、介质或电子设备，采用多目标粒子群算法进行多目标优化函数的求解，极大的提高了微电网群调度策略的优化精度。
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提供的微电网群源网荷储双层优化调度方法的流程示意图。
图2为本公开实施例1提供的各电源成本及相关费用系数示意图。
图3为本公开实施例1提供的柴油机排放系数及治污费用示意图。
图4为本公开实施例1提供的调度日每小时负荷功率示意图。
图5为本公开实施例1提供的调度日每小时风电机组输出功率示意图。
图6为本公开实施例1提供的调度日每小时光伏输出功率示意图。
图7为本公开实施例1提供的双层优化调度方法与常规单层优化调度方法的效果对比图。
图8为本公开实施例1提供的一天中各微源的调度运行情况示意图。
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：
如图1所示，本公开实施例1提供了一种微电网群源网荷储双层优化调度方法，包括以下过程：
获取微电网群的运行参量数据；
根据获取的运行参量数据与预设双层优化模型，得到微电网群的调度策略；
其中，双层优化模型中，第一层优化为以能源过剩率最低和负荷失电率最低的多目标优化，第二层优化为以电网群的运行管理费用最低和污染物处理的环境成本最低的多目标优化。
具体的，包括以下内容：
可见，在双层优化模型中，上层模型与下层模型看似相互独立，却是紧密联系的，双层模型可表示为：
Figure RE-GDA0003389056420000041
其中，x是上层优化决策变量，y是下层优化变量，F和f分别为上下层优化中的目标函数，g和h分别代表上下层优化的约束条件。
将能源过剩率、负荷失电率等作为上层研究目标；将经济成本、环境成本等作为下层研究目标。
S1：上层优化数学模型
把微电网群的负荷失电率和能量过剩率作为目标函数建立上层优化数学模型。
Figure RE-GDA0003389056420000051
式中，fL是负荷失电率，fP是能量过剩率。
S1.1：负荷失电率
负荷失电率反应微网群系统供电的可靠性，即：
Figure RE-GDA0003389056420000052
其中，PWT(tj)、PPV(tj)、PBT(tj)、PFC(tj)、PMT(tj)、PLoad(tj)分别代表风电机组、光伏发电机组、蓄电池、燃料电池、燃气轮机和负荷的有功功率，N为计算时间内的采样点数；Δt为相邻采样点时间间隔。可见，fL越小，代表微电网群的缺电量越少，可靠性越高。
S1.2：能源过剩率
能源过剩率反应微网群对有功功率的利用效率，即：
Figure RE-GDA0003389056420000053
可见，fP越小，微电网群有功功率浪费越少，则有更高的利用率。
S2：下层优化数学模型
将微电网群的综合效益作为经济调度的目标函数，其中包括，微电网群的运行管理费用，污染物处理的环境成本。
S2.1：微电网群的运行管理费用
Figure RE-GDA0003389056420000061
Figure RE-GDA0003389056420000062
Figure RE-GDA0003389056420000063
其中，k1、k2的取值为0或1，为相关费用的计及系数，当考虑本项费用时取值为1，当不考虑本项费用时取值为0，CG、COM为微源发电单元的燃料费用成本和管理成本，KG、KOM为第i种微源的燃料消耗系数和管理系数，Pi(t)为t时刻下第i种微源的有功功率
S2.2：微电网群的污染物处理环境成本
Figure RE-GDA0003389056420000064
其中，Ck为处理该污染物所需的成本，γik为该污染物的排放系数。
下层优化数学模型中还应满足以下约束条件：
Figure RE-GDA0003389056420000065
其中，d为可调度单元的数目；q为不可调度单元的数目；Pit为可调度单元t时刻功率输出，Pft为不可调度单元t时刻功率输出；PLt为t时刻微电网群的负荷之和。
S3：模型求解
S3.1：对多目标粒子群进行初始化。即设置粒子的初始位置、初始速度、种群规模、迭代次数，以及内、外部记忆库的规模和内外部记忆库中包含的最优目标极值。
S3.2：求解实例中的目标函数值。求解此时对应的目标函数值，与内、外部记忆库中的函数值相对比，可以出现上述多目标粒子群简述中的三种情况，即当所求目标函数值优于库中极值，则取而代之成为新的库中极值；当所求目标函数值没有优于库中极值，库中极值不变，仍为原来的极值；当无法判断此时所求目标函数值与库中极值孰优孰劣，并且库容不满时，将此时所求解也加入到内、外记忆库中，当库容已满，则采用其他判别依据取舍所求解。
S3.3：迭代完成后，将迭代次数加1，同时判别是否已经达到所设迭代次数，如果未达到初始化时所规定的迭代次数，则开始新的迭代，更新粒子的位置速度等，然后重复S3.2的过程，如果已达到初始化设定的迭代次数，寻找最优的帕累托解集并结束寻优求解过程。
S3.4：整理得到所求非劣解集，即最优目标函数解。
S3.5：在得到该问题的帕累托最优解集后，采用模糊数学法计算解集中各非劣解的满意度，选取满意度最大的解作为问题的折衷解。
其中各非劣解对应的各目标函数的满意度可用下式表示：
Figure RE-GDA0003389056420000071
式中，fik为第i个非劣解的第k个目标函数值；fk,min、fk,max分别为第k个目标函数的最小值和最大值，则各非劣解的满意度可表示为：
Figure RE-GDA0003389056420000072
式中，K为目标函数的个数；N为帕累托解集中非劣解的个数，选取满意度最大的非劣解作为该问题的折衷解。
S4：算例分析
本实施例中微电网群算例包括风电机组、光伏发电机组、柴油发电机和蓄电池等。风力机组和光伏发电机组的额定功率为3kW和100W，蓄电池的额定容量为2.4kW h，柴油机的额定功率为1.5kW，燃料消耗系数为0.369元/(kw h)，图2和图3给出了系统参数。
图4、图5和图6分别给出了一天中每小时负荷功率，风电机组和太阳能机组每小时的输出功率。
通过描述的双层模型及优化算法，对上例进行分析求解，并与单层模型相比较可得如图7所示的结果。可以看出，两层模型在投资成本、污染处理费用等优化指标都优于单层模型，只有在能源过剩率方面高于单层优化，这是因为在两层优化中，大大提高微网群中可再生能源在整个微网群中所占的比例，因此容量大；同时提高了供电可靠性。因此通过比较两层优化模型在微电网群的优化及调度中切实可行，在实际应用中应予以采用。
一天中各微源的调度运行情况如图8所示。可知，由于本微网群中提高可再生能源电机的比重，即风电机组和太阳能发电机组发电比例增加，同时，风电机组的发电连续性大大优于太阳能发电机组，因此风电机组在微网群的装机容量远远高于太阳能机组。蓄电池在此微网群中也起到了举足轻重的作用，由于，可再生能源出力受环境、气候等因素影响较大，有功出力波动性和随机性较大，因此在负荷需求量大，有功出力少时，蓄电池输出有功功率，从而满足负荷的需要；在负荷需求量小，而可再生能源出力多时，蓄电池作为储能装置，将多余的有功储存于蓄电池之中，较好的缓和了可再生能源出力的波动性，提高微网群供电可靠性。柴油发电机与可再生能源机组相比，波动性和随机性小，可控性高，但消耗燃料，产生污染性气体，因此本文将减少柴油机出力从而优化下层调度的目标函数，从上图中，可见我们将柴油机组装机容量减少，只在一天中傍晚时分，负荷需求高，而可再生能源出力少的情况下采用柴油机出力以满足较高的负荷需求。
实施例2：
本公开实施例2提供了一种微电网群源网荷储双层优化调度系统，包括：
数据获取模块，被配置为：获取微电网群的运行参量数据；
双层优化模块，被配置为：根据获取的运行参量数据与预设双层优化模型，得到微电网群的调度策略；
其中，双层优化模型中，第一层优化为以能源过剩率最低和负荷失电率最低的多目标优化，第二层优化为以电网群的运行管理费用最低和污染物处理的环境成本最低的多目标优化。
所述系统的工作方法与实施例1提供的微电网群源网荷储双层优化调度方法相同，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所述的微电网群源网荷储双层优化调度方法中的步骤。
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所述的微电网群源网荷储双层优化调度方法中的步骤。
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)

1.一种微电网群源网荷储双层优化调度方法，其特征在于：包括以下过程：
获取微电网群的运行参量数据；
根据获取的运行参量数据与预设双层优化模型，得到微电网群的调度策略；
其中，双层优化模型中，第一层优化为以能源过剩率最低和负荷失电率最低的多目标优化，第二层优化为以电网群的运行管理费用最低和污染物处理的环境成本最低的多目标优化。
2.如权利要求1所述的微电网群源网荷储双层优化调度方法，其特征在于：
根据风电机组有功功率、光伏发电机组有功功率、蓄电池有功功率、燃料电池有功功率、燃气轮机有功功率、负荷有功功率、采样点数和相邻采样点时间间隔得到负荷失电率。
3.如权利要求1所述的微电网群源网荷储双层优化调度方法，其特征在于：
根据风电机组有功功率、光伏发电机组有功功率、蓄电池有功功率、燃料电池有功功率、燃气轮机有功功率、负荷有功功率、采样点数和相邻采样点时间间隔得到能源过剩率。
4.如权利要求1所述的微电网群源网荷储双层优化调度方法，其特征在于：
运行管理费用为微源发电单元的燃料费用成本和管理成本的加和。
5.如权利要求1所述的微电网群源网荷储双层优化调度方法，其特征在于：
根据处理该污染物所需的成本、污染物的排放系数和为可调度单元的功率输出得到污染物处理的环境成本。
6.如权利要求1所述的微电网群源网荷储双层优化调度方法，其特征在于：
采用多目标粒子群算法进行预设双层优化模型的求解。
7.如权利要求6所述的微电网群源网荷储双层优化调度方法，其特征在于：
对多目标粒子群进行初始化；
求解实例中的目标函数值，求解对应的目标函数值，与记忆库中的函数值相对比，当所求目标函数值优于库中极值，则取而代之成为新的库中极值；当所求目标函数值没有优于库中极值，库中极值不变，仍为原来的极值；当无法判断此时所求目标函数值与库中极值孰优孰劣，并且库容不满时，将此时所求解也加入到记忆库中，当库容已满，则采用其他判别依据取舍所求解；
迭代完成后，将迭代次数加1，同时判别是否已经达到所设迭代次数，如果未达到初始化时所规定的迭代次数，则开始新的迭代，更新粒子的位置和速度，然后前一步的过程，如果已达到初始化设定的迭代次数，寻找最优的帕累托解集并结束寻优求解过程；
整理得到所求非劣解集，得到最优目标函数解；
在得到该问题的帕累托最优解集后，采用模糊数学法计算解集中各非劣解的满意度，选取满意度最大的解作为问题的折衷解。
8.一种微电网群源网荷储双层优化调度系统，其特征在于：包括：
数据获取模块，被配置为：获取微电网群的运行参量数据；
双层优化模块，被配置为：根据获取的运行参量数据与预设双层优化模型，得到微电网群的调度策略；
其中，双层优化模型中，第一层优化为以能源过剩率最低和负荷失电率最低的多目标优化，第二层优化为以电网群的运行管理费用最低和污染物处理的环境成本最低的多目标优化。
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任一项所述的微电网群源网荷储双层优化调度方法中的步骤。
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任一项所述的微电网群源网荷储双层优化调度方法中的步骤。
CN202111240630.2A 2021-10-25 2021-10-25 一种微电网群源网荷储双层优化调度方法及系统 Pending CN113991648A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111240630.2A CN113991648A (zh) 2021-10-25 2021-10-25 一种微电网群源网荷储双层优化调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111240630.2A CN113991648A (zh) 2021-10-25 2021-10-25 一种微电网群源网荷储双层优化调度方法及系统

Publications (1)

Publication Number Publication Date
CN113991648A true CN113991648A (zh) 2022-01-28

Family

ID=79740942

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111240630.2A Pending CN113991648A (zh) 2021-10-25 2021-10-25 一种微电网群源网荷储双层优化调度方法及系统

Country Status (1)

Country Link
CN (1) CN113991648A (zh)

Similar Documents

Publication Publication Date Title
CN111340274A (zh) 一种基于虚拟电厂参与的综合能源系统优化方法和系统
CN110222938B (zh) 一种梯级水电站群短期调峰调度协同优化方法和系统
CN104166877A (zh) 基于改进二进制粒子群优化算法的微网优化运行方法
CN112713618A (zh) 基于多场景技术的主动配电网源网荷储协同优化运行方法
CN110957717A (zh) 一种多电源电力系统多目标日前优化调度方法
CN113378100B (zh) 考虑碳排放的配电网源网荷储协同优化调度模型和方法
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
CN107017625A (zh) 用于独立微电网的能量动态调度的方法和设备
Dimopoulou et al. A Markov decision process for managing a hybrid energy storage system
CN114243791A (zh) 风光氢蓄系统的多目标优化配置方法、系统及存储介质
CN115759361A (zh) 基于双层规划的交通能源调度方法、系统、设备和介质
CN111126675A (zh) 多能互补微网系统优化方法
CN111181197B (zh) 一种多弃风区域风储容量配置方法
CN113991648A (zh) 一种微电网群源网荷储双层优化调度方法及系统
CN114386323A (zh) 基于改进蝴蝶算法的含分布式电源的配电网无功优化方法
CN113410900B (zh) 基于自适应差分鲸鱼优化的微电网hess优化配置方法及系统
CN115425650A (zh) 一种供电所微电网配置方法、装置、设备及介质
CN115940284A (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN113988578A (zh) 计及可靠性的微电网群源网荷储协同优化调度方法及系统
CN113988403A (zh) 一种电动汽车充电负荷预测方法及系统
CN114282780A (zh) 一种区域综合能源系统的优化调度仿真方法及系统
Luo et al. Multi-Objective Optimization Scheduling of Microgrids Based on Particle Swarm Optimization Algorithm
Fang et al. Energy scheduling and decision learning of combined cooling, heating and power microgrid based on deep deterministic policy gradient
Zhao et al. A novel binary social learning particle swarm optimizer for power system unit commitment
CN112069676A (zh) 一种含清洁能源的微电网能量管理方法

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