CN114142535A - 一种微电网源网荷储的调度方法、系统、设备及介质 - Google Patents
一种微电网源网荷储的调度方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN114142535A CN114142535A CN202111459781.7A CN202111459781A CN114142535A CN 114142535 A CN114142535 A CN 114142535A CN 202111459781 A CN202111459781 A CN 202111459781A CN 114142535 A CN114142535 A CN 114142535A
- Authority
- CN
- China
- Prior art keywords
- load
- establishing
- model
- scheduling
- 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.)
- Granted
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
- H02J3/38—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- H02J3/007—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
- 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
- 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
Abstract
本发明属于微电网技术领域,具体公开了一种微电网源网荷储的调度方法、系统、设备及介质,包括以下步骤:步骤1,分别建立电力系统各个机组的优化调度模型;步骤2,分别建立电力系统各个机组的约束模型;步骤3,结合步骤1建立的优化调度模型和步骤2建立的约束模型建立以总损耗最小为目标的目标函数;步骤4,通过步骤3建立的目标函数,进行迭代优化算法求解各个优化时段各机组的出力结果并输出。实现了微电网源网荷储协调优化调度,有效提高系统运行灵活性。使得电力系统更加灵活高效地处理源与荷的统筹与转换,将电能定量、定点地准确调度,使电网各个终端均能实现能量的调度管理。
Description
技术领域
本发明属于微电网技术领域,具体涉及一种微电网源网荷储的调度方法、系统、设备及介质。
背景技术
随着可再生能源技术的快速发展,分布式光伏接入电网的比例日益提升,使得配电网承担起了负荷分配与能源消纳的双重任务。同时电动汽车等新型负荷的出现使得负荷用电需求更加多样化,在合适的情况下,其又能够充当储能的角色。新型电力系统需要更加灵活高效地处理源与荷的统筹与转换,将电能定量、定点地准确调度,使电网各个终端均能实现能量的调度管理,打破传统电力系统和电力设备被动调节功率平衡的现状。但是目前国内外关于考虑需求侧响应的微电网源网荷储协调优化调度方法有待进一步研究。
发明内容
为了克服现有技术的缺点,本发明的目的在于提供一种微电网源网荷储的调度方法、系统、设备及介质,以解决不能实现源网荷储协调优化调度,无法灵活高效地处理源与荷的统筹与转换的问题。
为了达到上述目的,本发明采用以下技术方案实现:
第一方面,本发明提供一种微电网源网荷储的调度方法,包括:
步骤1,分别建立电力系统各个机组的优化调度模型;
步骤2,分别建立电力系统各个机组的约束模型;
步骤3,结合步骤1建立的优化调度模型和步骤2建立的约束模型建立以总损耗最小为目标的目标函数;
步骤4,通过步骤3建立的目标函数,进行迭代优化算法求解各个优化时段各机组的出力结果并输出。
进一步的,所述步骤1包括:
步骤11,建立储能非调度运行损耗模型:
式中,Ces_run(t)表示储能在t时刻的运行损耗成本;Nes表示储能机组总个数;Pi es(t)表示第i组储能t时刻的输出功率;τes表示储能寿命损耗系数;表示单组储能成本;δ(t)表示最小优化时间;ues,i(t)表示第i组储能是否调度的0、1变量,当储能处于调度运行时取0,非调度运行时取1;
步骤12,建立储能调度损耗模型:
式中,Ces_dis(t)表示储能在t时刻的调度成本;Pi es_dis(t)表示第i组储能在t时刻的调度功率;
步骤13,建立可中断负荷补偿模型:
式中,Cload_com(t)表示t时刻可中断负荷补偿成本;Nload_com表示可中断负荷总个数;表示第i组可中断负荷的中断补偿成本;uload_com,i(t)表示第i组可中断负荷是否中断的0、1变量,当负荷中断时取1,否则取0;
步骤14,建立可转移负荷补偿模型:
式中,Cload_trans(t)表示t时刻可转移负荷的补偿成本;Nload_trans表示可转移负荷总个数;表示第i组可转移负荷的转移补偿费用单价;表示第i个可转移负荷的转移功率;uload_trans,i(t)表示第i组可转移负荷是否转移的0、1变量,当负荷转移时取1,否则取0;
步骤15,建立与大电网的交互模型:
Cgird(t)=λgird(t)Pgird(t)ugird(t)δ(t)
式中,Cgird(t)表示与大电网交互的费用,包括购电费用及售电费用;λgird(t)表示t时的电价;Pgird(t)表示t时与电网的交互功率;ugird(t)表示与大电网交互的1、-1变量,当向大电网购电时取1,售电时取-1。
进一步的,所述步骤2包括:
步骤21,建立储能约束模型,具体包括:
步骤211,建立储能容量约束模型:
Mi(t)=Mi(t-1)-Pi es(t-1)δ(t)
0.1Mmax≤Mi(t)≤0.9Mmax
式中,Mi(t)表示第i组储能t时刻的容量状态;Mmax表示储能的最大容量,限制储能的充放电容量上下限为0.9Mmax和0.1Mmax;
步骤212,建立储能功率约束模型:
-Pes_max≤Pi es(t)≤Pes_max
-Pes_max≤Pi es_dis(t)≤Pes_max
式中,Pes_max表示储能的最大充放电功率。
进一步的,所述步骤2还包括:
步骤22,建立可中断负荷约束模型,具体包括:
步骤221,建立可中断负荷最大中断时间约束模型:
步骤222,建立可中断负荷最小运行时间约束模型:
步骤223,建立可中断负荷的功率上下限约束模型:
进一步的,所述步骤2还包括:
步骤23,建立可转移负荷的约束模型,具体包括:
步骤231,建立可转移负荷的最小转移时间约束模型:
步骤232,建立可转移负荷的功率上下限约束模型:
步骤24,建立功率平衡约束模型:
式中,PPV(t)表示t时刻的光伏发电功率;Pload_fixed(t)表示t时刻的固定负荷功率。
进一步的,所述步骤3包括:
结合步骤1建立的优化调度模型和步骤2建立的约束模型建立以总损耗最小为目标的目标函数:
式中,T表示优化时段。
进一步的,所述步骤4通过迭代优化算法求解未来24h各个优化时段各机组的出力结果,具体包括以下步骤:
步骤41,随机初始化各优化时段各机组的启停状态及出力结果;
步骤42:利用粒子群算法更新各优化时段各机组的启停状态及出力结果;
步骤43:更新个体最优值和全局最优值;
步骤44:通过目标函数求解,后一个优化时段的初始条件为前一个优化时段的优化结果,进行优化循环迭代;
步骤45:输出各优化时段最优机组组合、机组出力结果。
第二方面,本发明提供一种微电网源网荷储的调度系统,包括:
优化调度模型建立模块,用于分别建立电力系统各个机组的优化调度模型,建立储能非调度运行损耗模型、储能调度损耗模型、可中断负荷补偿模型、可转移负荷补偿模型和与大电网的交互模型;
约束模型建立模块,用于分别建立电力系统各个机组的约束模型,建立储能约束模型、可中断负荷约束模型、可转移负荷的约束模型和功率平衡约束模型;
目标函数建立模块,用于结合建立的优化调度模型和建立的约束模型建立以总损耗最小为目标的目标函数;
出力结果计算模块,用于通过建立的目标函数,进行迭代优化算法求解各个优化时段各机组的出力结果并输出。
第三方面,本发明提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现所述的一种微电网源网荷储的调度方法。
第四方面,一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现所述的一种微电网源网荷储的调度方法。
本发明至少具有以下有益效果:
1、本发明首先建立了电力系统各个机组的优化调度模型,包括储能非调度运行损耗模型、储能调度损耗模型、可中断负荷补偿模型、可转移负荷补偿模型以及与大电网的交互模型。其次建立了各设备的约束模型,包括储能容量和功率约束模型、可中断负荷最大中断时间、最小运行时间和功率上下限约束模型、可转移负荷的最小转移时间和功率上下限约束模型以及功率平衡约束模型。再次结合优化调度模型和约束模型建立以总损耗最小为目标的目标函数。最后通过迭代优化算法求解了各个优化时段各机组的出力结果。实现了微电网源网荷储协调优化调度,有效提高系统运行灵活性。
2、本发明能够使得电力系统更加灵活高效地处理源与荷的统筹与转换,将电能定量、定点地准确调度,使电网各个终端均能实现能量的调度管理。
3、本发明通过协调可中断负荷及可转移负荷,实现削峰填谷的效果,最大程度提高系统运行效率,增加能源消纳。
4、本发明通过支付相对合理的补偿费用来激励用户负荷参与需求侧响应,可有效调度可利用资源,实现系统高效运行,提高系统运行经济性。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明提供的一种微电网源网荷储的调度方法的流程图;
图2为本发明提供的一种微电网源网荷储的调度方法步骤1的流程图;
图3为本发明提供的一种微电网源网荷储的调度方法步骤2的流程图;
图4为本发明提供的一种微电网源网荷储的调度方法步骤21的流程图;
图5为本发明提供的一种微电网源网荷储的调度方法步骤22的流程图;
图6为本发明提供的一种微电网源网荷储的调度方法步骤23的流程图;
图7为本发明提供的一种微电网源网荷储的调度系统的模块结构图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
实施例1
本发明提供一种微电网源网荷储的调度方法,包括以下步骤:
步骤1,分别建立电力系统各个机组的优化调度模型,具体包括以下步骤:
步骤11,建立储能非调度运行损耗模型:
式中,Ces_run(t)表示储能在t时刻的运行损耗成本;Nes表示储能机组总个数;Pi es(t)表示第i组储能t时刻的输出功率;τes表示储能寿命损耗系数;表示单组储能成本;δ(t)表示最小优化时间;ues,i(t)表示第i组储能是否调度的0、1变量,当储能处于调度运行时取0,非调度运行时取1。
步骤12,建立储能调度损耗模型:
式中,Ces_dis(t)表示储能在t时刻的调度成本;Pi es_dis(t)表示第i组储能在t时刻的调度功率。
步骤13,建立可中断负荷补偿模型:
式中,Cload_com(t)表示t时刻可中断负荷补偿成本;Nload_com表示可中断负荷总个数;表示第i组可中断负荷的中断补偿成本;uload_com,i(t)表示第i组可中断负荷是否中断的0、1变量,当负荷中断时取1,否则取0。
步骤14,建立可转移负荷补偿模型:
式中,Cload_trans(t)表示t时刻可转移负荷的补偿成本;Nload_trans表示可转移负荷总个数;表示第i组可转移负荷的转移补偿费用单价;表示第i个可转移负荷的转移功率;uload_trans,i(t)表示第i组可转移负荷是否转移的0、1变量,当负荷转移时取1,否则取0。
步骤15,建立与大电网的交互模型:
Cgird(t)=λgird(t)Pgird(t)ugird(t)δ(t)
式中,Cgird(t)表示与大电网交互的费用,包括购电费用及售电费用;λgird(t)表示t时的电价;Pgird(t)表示t时与电网的交互功率;ugird(t)表示与大电网交互的1、-1变量,当向大电网购电时取1,售电时取-1。
步骤2,分别建立电力系统各个机组的约束模型,具体包括以下步骤:
步骤21,建立储能约束模型,具体包括以下步骤:
步骤211,建立储能容量约束模型:
Mi(t)=Mi(t-1)-Pi es(t-1)δ(t)
0.1Mmax≤Mi(t)≤0.9Mmax
式中,Mi(t)表示第i组储能t时刻的容量状态;Mmax表示储能的最大容量,为延长储能使用寿命,限制储能的充放电容量上下限为0.9Mmax和0.1Mmax。
步骤212,建立储能功率约束模型:
-Pes_max≤Pi es(t)≤Pes_max
-Pes_max≤Pi es_dis(t)≤Pes_max
式中,Pes_max表示储能的最大充放电功率。
步骤22,建立可中断负荷约束模型,具体包括以下步骤:
步骤221,建立可中断负荷最大中断时间约束模型:
步骤222,建立可中断负荷最小运行时间约束模型:
步骤223,建立可中断负荷的功率上下限约束模型:
步骤23,建立可转移负荷的约束模型,具体包括以下步骤:
步骤231,建立可转移负荷的最小转移时间约束模型:
步骤232,建立可转移负荷的功率上下限约束模型:
步骤24,建立功率平衡约束模型:
式中,PPV(t)表示t时刻的光伏发电功率;Pload_fixed(t)表示t时刻的固定负荷功率。
步骤3,结合步骤1建立的优化调度模型和步骤2建立的约束模型建立以总损耗最小为目标的目标函数:
式中,T表示优化时段。
步骤4,通过步骤3建立的目标函数,进行迭代优化算法求解各个优化时段各机组的出力结果并输出。
步骤41,通过迭代优化算法求解未来24h各个优化时段各机组的出力结果,具体包括以下步骤:
步骤41,随机初始化各优化时段各机组的启停状态及出力结果;
步骤42:利用粒子群算法更新各优化时段各机组的启停状态及出力结果;
步骤43:更新个体最优值和全局最优值;
步骤44:通过目标函数求解,后一个优化时段的初始条件为前一个优化时段的优化结果,进行优化循环迭代;
步骤45:输出各优化时段最优机组组合、机组出力结果。
实施例2
本发明提供一种微电网源网荷储的调度系统,包括:
优化调度模型建立模块,用于分别建立电力系统各个机组的优化调度模型,建立储能非调度运行损耗模型、储能调度损耗模型、可中断负荷补偿模型、可转移负荷补偿模型和与大电网的交互模型;
约束模型建立模块,用于分别建立电力系统各个机组的约束模型,建立储能约束模型、可中断负荷约束模型、可转移负荷的约束模型和功率平衡约束模型;
目标函数建立模块,用于结合建立的优化调度模型和建立的约束模型建立以总损耗最小为目标的目标函数;
出力结果计算模块,用于通过步骤3建立的目标函数,进行迭代优化算法求解各个优化时段各机组的出力结果。
实施例3
本发明提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现实施例1所述的一种微电网源网荷储的调度方法。
实施例4
本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现实施例1所述的一种微电网源网荷储的调度方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、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。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种微电网源网荷储的调度方法,其特征在于,包括:
步骤1,分别建立电力系统各个机组的优化调度模型;
步骤2,分别建立电力系统各个机组的约束模型;
步骤3,结合步骤1建立的优化调度模型和步骤2建立的约束模型建立以总损耗最小为目标的目标函数;
步骤4,通过步骤3建立的目标函数,进行迭代优化算法求解各个优化时段各机组的出力结果并输出。
2.根据权利要求1所述的一种微电网源网荷储的调度方法,其特征在于,所述步骤1包括:
步骤11,建立储能非调度运行损耗模型:
式中,Ces_run(t)表示储能在t时刻的运行损耗成本;Nes表示储能机组总个数;Pi es(t)表示第i组储能t时刻的输出功率;τes表示储能寿命损耗系数;表示单组储能成本;δ(t)表示最小优化时间;ues,i(t)表示第i组储能是否调度的0、1变量,当储能处于调度运行时取0,非调度运行时取1;
步骤12,建立储能调度损耗模型:
式中,Ces_dis(t)表示储能在t时刻的调度成本;Pi es_dis(t)表示第i组储能在t时刻的调度功率;
步骤13,建立可中断负荷补偿模型:
式中,Cload_com(t)表示t时刻可中断负荷补偿成本;Nload_com表示可中断负荷总个数;表示第i组可中断负荷的中断补偿成本;uload_com,i(t)表示第i组可中断负荷是否中断的0、1变量,当负荷中断时取1,否则取0;
步骤14,建立可转移负荷补偿模型:
式中,Cload_trans(t)表示t时刻可转移负荷的补偿成本;Nload_trans表示可转移负荷总个数;表示第i组可转移负荷的转移补偿费用单价;表示第i个可转移负荷的转移功率;uload_trans,i(t)表示第i组可转移负荷是否转移的0、1变量,当负荷转移时取1,否则取0;
步骤15,建立与大电网的交互模型:
Cgird(t)=λgird(t)Pgird(t)ugird(t)δ(t)
式中,Cgird(t)表示与大电网交互的费用,包括购电费用及售电费用;λgird(t)表示t时的电价;Pgird(t)表示t时与电网的交互功率;ugird(t)表示与大电网交互的1、-1变量,当向大电网购电时取1,售电时取-1。
3.根据权利要求2所述的一种微电网源网荷储的调度方法,其特征在于,所述步骤2包括:
步骤21,建立储能约束模型,具体包括:
步骤211,建立储能容量约束模型:
Mi(t)=Mi(t-1)-Pi es(t-1)δ(t)
0.1Mmax≤Mi(t)≤0.9Mmax
式中,Mi(t)表示第i组储能t时刻的容量状态;Mmax表示储能的最大容量,限制储能的充放电容量上下限为0.9Mmax和0.1Mmax;
步骤212,建立储能功率约束模型:
-Pes_max≤Pi es(t)≤Pes_max
-Pes_max≤Pi es_dis(t)≤Pes_max
式中,Pes_max表示储能的最大充放电功率。
7.根据权利要求6所述的一种微电网源网荷储的调度方法,其特征在于,所述步骤4通过迭代优化算法求解未来24h各个优化时段各机组的出力结果,具体包括:
步骤41,随机初始化各优化时段各机组的启停状态及出力结果;
步骤42:利用粒子群算法更新各优化时段各机组的启停状态及出力结果;
步骤43:更新个体最优值和全局最优值;
步骤44:通过目标函数求解,后一个优化时段的初始条件为前一个优化时段的优化结果,进行优化循环迭代;
步骤45:输出各优化时段最优机组组合、机组出力结果。
8.一种微电网源网荷储的调度系统,其特征在于,包括:
优化调度模型建立模块,用于分别建立电力系统各个机组的优化调度模型,建立储能非调度运行损耗模型、储能调度损耗模型、可中断负荷补偿模型、可转移负荷补偿模型和与大电网的交互模型;
约束模型建立模块,用于分别建立电力系统各个机组的约束模型,建立储能约束模型、可中断负荷约束模型、可转移负荷的约束模型和功率平衡约束模型;
目标函数建立模块,用于结合建立的优化调度模型和建立的约束模型建立以总损耗最小为目标的目标函数;
出力结果计算模块,用于通过建立的目标函数,进行迭代优化算法求解各个优化时段各机组的出力结果并输出。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的一种微电网源网荷储的调度方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的一种微电网源网荷储的调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111459781.7A CN114142535B (zh) | 2021-12-01 | 2021-12-01 | 一种微电网源网荷储的调度方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111459781.7A CN114142535B (zh) | 2021-12-01 | 2021-12-01 | 一种微电网源网荷储的调度方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114142535A true CN114142535A (zh) | 2022-03-04 |
CN114142535B CN114142535B (zh) | 2023-03-24 |
Family
ID=80387244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111459781.7A Active CN114142535B (zh) | 2021-12-01 | 2021-12-01 | 一种微电网源网荷储的调度方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114142535B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114865673A (zh) * | 2022-05-31 | 2022-08-05 | 国网湖北省电力有限公司荆门供电公司 | 一种微电网荷储协同优化方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140277599A1 (en) * | 2013-03-13 | 2014-09-18 | Oracle International Corporation | Innovative Approach to Distributed Energy Resource Scheduling |
CN108054784A (zh) * | 2018-01-09 | 2018-05-18 | 河海大学常州校区 | 一种海岛微电网多源协调优化控制方法 |
CN110311421A (zh) * | 2019-07-12 | 2019-10-08 | 燕山大学 | 基于需求侧响应的微电网多时间尺度能量管理方法 |
-
2021
- 2021-12-01 CN CN202111459781.7A patent/CN114142535B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140277599A1 (en) * | 2013-03-13 | 2014-09-18 | Oracle International Corporation | Innovative Approach to Distributed Energy Resource Scheduling |
CN108054784A (zh) * | 2018-01-09 | 2018-05-18 | 河海大学常州校区 | 一种海岛微电网多源协调优化控制方法 |
CN110311421A (zh) * | 2019-07-12 | 2019-10-08 | 燕山大学 | 基于需求侧响应的微电网多时间尺度能量管理方法 |
Non-Patent Citations (1)
Title |
---|
纪斌等: "基于模块化多电平换流器的无功补偿控制策略研究", 《电力电容器与无功补偿》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114865673A (zh) * | 2022-05-31 | 2022-08-05 | 国网湖北省电力有限公司荆门供电公司 | 一种微电网荷储协同优化方法、装置、设备及存储介质 |
CN114865673B (zh) * | 2022-05-31 | 2023-06-27 | 国网湖北省电力有限公司荆门供电公司 | 一种微电网荷储协同优化方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114142535B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abdolrasol et al. | An optimal scheduling controller for virtual power plant and microgrid integration using the binary backtracking search algorithm | |
CN109193812B (zh) | 一种园区光储荷微电网经济调度实现方法 | |
CN109066744B (zh) | 一种含储能配电网协调调度方法和系统 | |
CN112583017B (zh) | 考虑储能运行约束的混合微电网能量分配方法及系统 | |
CN104915725B (zh) | 计及实时电价的微网用户群电能优化互济交易方法 | |
CN115271397A (zh) | 一种电力日前市场出清的计算方法、装置及储存介质 | |
Malysz et al. | MILP-based rolling horizon control for microgrids with battery storage | |
CN114142535B (zh) | 一种微电网源网荷储的调度方法、系统、设备及介质 | |
CN104484757B (zh) | 一种应用于智能微电网的异质载荷调度和能量管理方法 | |
CN112952876B (zh) | 一种分布式数据中心型变电站协同运行与优化调度方法 | |
CN111798070B (zh) | 一种用户侧光储系统的配置方法及装置 | |
CN111884214B (zh) | 适用于园区能量路由器集群的分层优化调度方法及装置 | |
CN107482658B (zh) | 一种微电网储能经济运行控制方法和装置 | |
CN116683486A (zh) | 用于集群储能系统功率调度控制的方法及装置 | |
CN116402223A (zh) | 一种配电网协同调度方法、系统及设备 | |
CN114285093B (zh) | 一种源网荷储互动调度方法及系统 | |
CN113394768B (zh) | 一种客户侧柔性负荷综合响应控制方法和装置 | |
CN115660371A (zh) | 虚拟电厂日前日内两阶段协同调控方法及装置 | |
CN115186889A (zh) | 一种综合能源服务商源荷储资源协同优化方法及系统 | |
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 | |
CN114400689A (zh) | 一种基于v2g充电站的电力调度方法及装置 | |
CN114493143A (zh) | 面向并网型微电网的虚拟电厂多目标优化调度系统及方法 | |
CN112491067A (zh) | 一种基于复合储能的主动配电网容量配置方法 | |
CN117439126B (zh) | 一种新能源汇集区域共享储能优化运行方法及装置 | |
CN114744632B (zh) | 一种含快充负荷的低压直流互联配电网调度方法、装置及存储介质 |
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 |