CN114243693B - 微电网的调度模型构建方法、装置和计算机设备 - Google Patents

微电网的调度模型构建方法、装置和计算机设备 Download PDF

Info

Publication number
CN114243693B
CN114243693B CN202111559986.2A CN202111559986A CN114243693B CN 114243693 B CN114243693 B CN 114243693B CN 202111559986 A CN202111559986 A CN 202111559986A CN 114243693 B CN114243693 B CN 114243693B
Authority
CN
China
Prior art keywords
micro
grid
cost function
coefficient
input vector
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
CN202111559986.2A
Other languages
English (en)
Other versions
CN114243693A (zh
Inventor
张子昊
俞靖一
马溪原
黄彦璐
闫东翔
姚森敬
张凡
陈元峰
程凯
李卓环
周悦
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.)
Southern Power Grid Digital Grid Research Institute Co Ltd
Original Assignee
Southern Power Grid Digital Grid Research Institute 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 Southern Power Grid Digital Grid Research Institute Co Ltd filed Critical Southern Power Grid Digital Grid Research Institute Co Ltd
Priority to CN202111559986.2A priority Critical patent/CN114243693B/zh
Publication of CN114243693A publication Critical patent/CN114243693A/zh
Application granted granted Critical
Publication of CN114243693B publication Critical patent/CN114243693B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed 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
    • 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
    • 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
    • H02J3/48—Controlling the sharing of the in-phase component
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及一种微电网的调度模型构建方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：确定多种类型的微电网的有功优化系数，其中，有功优化系数包括经济调度系数、排污花费系数以及安全运行风险系数中的至少一个系数；根据有功优化系数，确定目标函数，其中，目标函数用于确定多种类型的微电网的运行指标；根据目标函数和微电网的约束条件，构建调度模型。采用本方法能够扩大调度模型的适用范围。

Description

微电网的调度模型构建方法、装置和计算机设备
技术领域
本申请涉及微电网优化调度技术领域，特别是涉及一种微电网的调度模型构建方法、装置和计算机设备。
背景技术
微电网包括分布式电源、负荷、储能装置及保护装置等组成部分，并与大电网在公共连接点连接。通过微电网的有功优化调度，可以有效减少微电网对大电网的依赖，实现可再生能源发电的就地消纳。
传统的方法中，每投运一个新的微电网，就根据该新的微电网的物理架构建立相应的调度模型，并基于调度模型确定有功优化调度策略，进而基于有功优化调度策略进行微电网的有功优化调度。
然而，传统方法中，一个微电网对应一个调度模型，该数据优化模型无法适用于其他微电网，因此传统的调度模型存在适用范围受限的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够扩大调度模型的适用范围的微电网的调度模型构建方法、装置和计算机设备。
第一方面，本申请提供了一种微电网的调度模型构建方法。所述方法包括：
确定多种类型的微电网的有功优化系数，其中，所述有功优化系数包括经济调度系数F1、排污花费系数F2以及安全运行风险系数F3中的至少一个系数；所述经济调度系数F1表示所述微电网的运行成本，所述排污花费系数F2表示所述微电网排放的污染物的治理费用，所述安全运行风险系数F3表示所述微电网安全运行的风险系数；不同类型的微电网确定的经济调度系数F1、排污花费系数F2以及安全运行风险系数F3均不相同；
根据所述有功优化系数，确定目标函数，其中，所述目标函数用于确定所述多种类型的微电网的运行指标；
根据所述目标函数和所述微电网的约束条件，构建所述调度模型；不同类型的微电网对应不同的目标函数和不同的约束条件；其中，所述约束条件包括柴油机组的约束条件、燃料电池机组的约束条件、微型燃气轮机机组的约束条件、水电机组的约束条件、风电机组和光伏机组的约束条件、储能设备的约束条件、负荷元件的约束条件中的至少一种以及所述微电网的系统约束条件；
获取至少一个待识别微电网的输入向量X，其中，所述输入向量X用于表示所述待识别微电网的属性参数；不同类型的微电网对应的输入向量X不同，所述待识别微电网的属性参数能够确定对应的经济调度系数F1、排污花费系数F2以及安全运行风险系数F3；
将所述输入向量X输入至所述调度模型，以由所述调度模型预测所述待识别微电网的输出功率；
根据所述输出功率，确定所述待识别微电网的调度策略；其中，通过改变输入至所述调度模型的输入向量X，不同类型的微电网均能够基于所述调度模型得到对应的调度策略；
其中，所述目标函数表示为：
min F＝ω1·min F1+ω2·min F2+ω3·min F3
ω1、ω2和ω3为所述目标函数的权重向量Bfun中的元素；ω1+ω2+ω3≥1；当ω1、ω2或ω3的值等于1时，表示所述有功优化系数包括所述元素对应的系数，当ω1、ω2或ω3的值等于0时，表示所述有功优化系数不包括所述元素对应的系数；
min F1＝FG+FSU+FSD+FMT+FFC+FH+Fwind+Fpv+FSL+FSR+Fbat+Fgrid
FG为柴油机组的运行成本函数，FSU为柴油机组的启动成本函数，FSD为柴油机组的停机成本函数，FMT为微型燃气轮机机组的运行成本函数，FFC为燃料电池机组的运行成本函数，FH为水电机组的运行成本函数，Fwind为风电机组的弃电成本函数，Fpv为光伏机组的弃电成本函数，FSL为可调节负荷的成本函数，FSR为可削减负荷的成本函数，Fbat为储能设备的老化成本函数，Fgrid为微电网与大电网之间的购售电成本；
Figure SMS_1
n为1～N之间的整数，共N个排放的污染物的种类；i为1～NG之间的整数，NG为柴油机组的数量，
Figure SMS_2
为治理污染物n的费用，βG,n为所述微电网的排污系数，PG,i为柴油机组i的出力，Pgrid为所述微电网与大电网联络线的交换功率，Pgrid大于0表示所述微电网从所述大电网买电，Pgrid小于0表示所述微电网向所述大电网卖电；
Figure SMS_3
m为1～Nbat之间的整数，Nbat为储能设备的数量，Rm为储能设备的备用容量，risk为所述微电网的预设风险等级；Pwv为风电机组w的弃风功率Pwind,w以及光伏机组v的弃光功率Ppv,v之和，Pwv＝Pwind,w+Ppv,v；
X＝(Xi,Xj,Xk,Xs,Xw,Xv,Xf,Xh,Xm,Xn,Xgird)，其中，Xi为柴油机组的输入向量；Xj为微型燃气轮机机组的输入向量；Xk为燃料电池机组的输入向量；Xs为水电机组的输入向量；Xw为风电机组的输入向量；Xv为光伏机组的输入向量；Xf为可调节负荷的输入向量；Xh为可削减负荷的输入向量；Xm为储能设备的输入向量；Xn为影响环境的输入向量；Xgird为系统的输入向量。
第二方面，本申请还提供了一种微电网的调度模型构建装置。所述装置包括：
第一确定模块，用于确定多种类型的微电网的有功优化系数，其中，所述有功优化系数包括经济调度系数F1、排污花费系数F2以及安全运行风险系数F3中的至少一个系数；所述经济调度系数F1表示所述微电网的运行成本，所述排污花费系数F2表示所述微电网排放的污染物的治理费用，所述安全运行风险系数F3表示所述微电网安全运行的风险系数；不同类型的微电网确定的经济调度系数F1、排污花费系数F2以及安全运行风险系数F3均不相同；
第二确定模块，用于根据所述有功优化系数，确定目标函数，其中，所述目标函数用于确定所述多种类型的微电网的运行指标；
构建模块，用于根据所述目标函数和所述微电网的约束条件，构建所述调度模型；不同类型的微电网对应不同的目标函数和不同的约束条件；其中，所述约束条件包括柴油机组的约束条件、燃料电池机组的约束条件、微型燃气轮机机组的约束条件、水电机组的约束条件、风电机组和光伏机组的约束条件、储能设备的约束条件、负荷元件的约束条件中的至少一种以及所述微电网的系统约束条件；
获取模块，用于获取至少一个待识别微电网的输入向量X，其中，所述输入向量X用于表示所述待识别微电网的属性参数；不同类型的微电网对应的输入向量X不同，所述待识别微电网的属性参数能够确定对应的经济调度系数F1、排污花费系数F2以及安全运行风险系数F3；
预测模块，用于将所述输入向量X输入至所述调度模型，以由所述调度模型预测所述待识别微电网的输出功率；
第三确定模块，用于根据所述输出功率，确定所述待识别微电网的调度策略；其中，通过改变输入至所述调度模型的输入向量X，不同类型的微电网均能够基于所述调度模型得到对应的调度策略；
其中，所述目标函数表示为：
min F＝ω1·min F1+ω2·min F2+ω3·min F3
ω1、ω2和ω3为所述目标函数的权重向量Bfun中的元素；ω1+ω2+ω3≥1；当ω1、ω2或ω3的值等于1时，表示所述有功优化系数包括所述元素对应的系数，当ω1、ω2或ω3的值等于0时，表示所述有功优化系数不包括所述元素对应的系数；
min F1＝FG+FSU+FSD+FMT+FFC+FH+Fwind+Fpv+FSL+FSR+Fbat+Fgrid
FG为柴油机组的运行成本函数，FSU为柴油机组的启动成本函数，FSD为柴油机组的停机成本函数，FMT为微型燃气轮机机组的运行成本函数，FFC为燃料电池机组的运行成本函数，FH为水电机组的运行成本函数，Fwind为风电机组的弃电成本函数，Fpv为光伏机组的弃电成本函数，FSL为可调节负荷的成本函数，FSR为可削减负荷的成本函数，Fbat为储能设备的老化成本函数，Fgrid为微电网与大电网之间的购售电成本；
Figure SMS_4
n为1～N之间的整数，共N个排放的污染物的种类；i为1～NG之间的整数，NG为柴油机组的数量，
Figure SMS_5
为治理污染物n的费用，βG,n为所述微电网的排污系数，PG,i为柴油机组i的出力，Pgrid为所述微电网与大电网联络线的交换功率，Pgrid大于0表示所述微电网从所述大电网买电，Pgrid小于0表示所述微电网向所述大电网卖电；
Figure SMS_6
m为1～Nbat之间的整数，Nbat为储能设备的数量，Rm为储能设备的备用容量，risk为所述微电网的预设风险等级；Pwv为风电机组w的弃风功率Pwind,w以及光伏机组v的弃光功率Ppv,v之和，Pwv＝Pwind,w+Ppv,v；
X＝(Xi,Xj,Xk,Xs,Xw,Xv,Xf,Xh,Xm,Xn,Xgird)，其中，Xi为柴油机组的输入向量；Xj为微型燃气轮机机组的输入向量；Xk为燃料电池机组的输入向量；Xs为水电机组的输入向量；Xw为风电机组的输入向量；Xv为光伏机组的输入向量；Xf为可调节负荷的输入向量；Xh为可削减负荷的输入向量；Xm为储能设备的输入向量；Xn为影响环境的输入向量；Xgird为系统的输入向量。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤。
上述微电网的调度模型构建方法、装置和计算机设备，通过确定多种类型的微电网的有功优化系数，其中，该有功优化系数包括经济调度系数、排污花费系数以及安全运行风险系数中的至少一个系数，并根据该有功优化系数，确定目标函数，其中，该目标函数用于确定该多种类型的微电网的运行指标，进而根据该目标函数和该微电网的约束条件，构建该调度模型。由于传统技术中是基于微电网的物理架构建立相应的调度模型，而本实施例中是基于多种类型的微电网对应的有功优化系数确定目标函数，进而根据目标函数和多种类型的微电网的约束条件构建调度模型。因此，本实施例提供的方法，构建的调度模型能够适用于多种类型的微电网，解决了传统方法中，数据优化模型适用范围受限的问题，扩大调度模型的适用范围。
附图说明
图1为本申请实施例中提供的可靠性分配方法的流程示意图；
图2为本申请实施例中提供的一种确定微电网的经济调度系数的流程示意图；
图3为本申请实施例中提供的一种确定微电网的排污花费系数的流程示意图；
图4为本申请实施例中提供的一种确定微电网的安全运行风险系数的流程示意图；
图5为本申请实施例中提供的一种确定微电网的调度策略的流程示意图；
图6为本申请实施例中提供的一种可靠性分配装置的结构示意图；
图7为本申请实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本实施例中，提供了一种微电网的调度模型构建方法，本实施例以该方法应用于计算机设备进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括计算机设备和服务器的系统，并通过计算机设备和服务器的交互实现。
图1为本申请实施例中提供的可靠性分配方法的流程示意图，该方法应用于计算机设备或服务器中，在一个实施例中，如图1所示，包括以下步骤：
S101，确定多种类型的微电网的有功优化系数，其中，有功优化系数包括经济调度系数、排污花费系数以及安全运行风险系数中的至少一个系数。
在本实施例中，有功优化系数包括经济调度系数F1、排污花费系数F2以及安全运行风险系数F3中的至少一个系数。例如，有功优化系数仅包括经济调度系数F1，也可以包括经济调度系数F1、排污花费系数F2以及安全运行风险系数F3，本实施例对此不做限制。
其中，经济调度系数表示微电网的运行成本，排污花费系数表示微电网排放的污染物的治理费用，安全运行风险系数表示微电网安全运行的风险系数。
S102，根据有功优化系数，确定目标函数，其中，目标函数用于确定多种类型的微电网的运行指标。
在本实施例中，计算机设备根据上述S101确定的有功优化系数，可以确定目标函数F，如式(1)所示。目标函数用于确定多种类型的微电网的运行指标。
min F＝ω1·min F1+ω2·min F2+ω3·min F3 (1)
其中，ω1、ω2和ω3为目标函数的权重向量Bfun中的元素。当ω1、ω2或ω3的值等于1时，表示有功优化系数包括元素对应的系数。当ω1、ω2或ω3的值等于0时，表示有功优化系数不包括元素对应的系数。例如，ω1＝1，ω2＝1，ω3＝0时，有功优化系数是经济调度系数和排污花费系数，则微电网的运行指标为运行成本的最小值和治理排污花费的最小值。可以理解的是，ω1+2+3≥1，具体的元素值本实施例不做限制。因此，本实施例考虑了经济调度成本、排污花费成本、安全运行风险三个因素建立有功优化调度的目标，从而确定目标函数。
S103，根据目标函数和微电网的约束条件，构建调度模型。
在本实施例中，计算机设备根据目标函数F和微电网的约束条件，可以构建对应的调度模型。可以理解的是，不同类型的微电网对应不同的目标函数和不同的约束条件，因此根据多种类型的微电网的目标函数和约束条件，构建的调度模型能够适用于多种类型的微电网。
上述微电网的调度模型构建方法、装置和计算机设备，通过确定多种类型的微电网的有功优化系数，其中，有功优化系数包括经济调度系数、排污花费系数以及安全运行风险系数中的至少一个系数，并根据有功优化系数，确定目标函数，其中，目标函数用于确定多种类型的微电网的运行指标，进而根据目标函数和微电网的约束条件，构建调度模型。由于传统技术中是基于微电网的物理架构建立相应的调度模型，而本实施例中是基于多种类型的微电网对应的有功优化系数确定目标函数，进而根据目标函数和多种类型的微电网的约束条件构建调度模型。因此，本实施例提供的方法，构建的调度模型能够适用于多种类型的微电网，解决了传统方法中，数据优化模型适用范围受限的问题，扩大调度模型的适用范围。
图2为本申请实施例中提供的一种确定微电网的经济调度系数的流程示意图，参照图2，本实施例涉及的是如何确定多种类型的微电网的经济调度系数的一种的实现方式。在上述实施例的基础上，上述的S101包括如下步骤：
S201，对于各种类型的微电网，确定微电网的成本函数，其中，微电网的成本函数包括柴油机组的运行成本函数、柴油机组的启动成本函数、柴油机组的停机成本函数、微型燃气轮机机组的运行成本函数、燃料电池机组的运行成本函数、水电机组的运行成本函数、风电机组的弃电成本函数、光伏机组的弃电成本函数、可调节负荷的成本函数、可削减负荷的成本函数、储能设备的老化成本函数、微电网与大电网之间的购售电成本函数中的至少一种成本函数。
在本实施例中，各种类型的微电网由于物理架构不同，对应的微电网的成本函数也不相同。本实施例定义了不同的成本函数，根据不同类型的微电网，可以确定对应的成本函数。
如下式(2)表示柴油机组的运行成本函数FG。
Figure SMS_7
其中，i为1～NG之间的整数，NG为柴油机组的数量，共NG个柴油机组，根据i表示柴机油组i。例如，当i＝1时表示柴油机组1。ai、bi和ci柴油机组i的燃料成本参数，PG,i为柴油机组i的出力。non,表示柴油机组i的运行状态，non,i等于1时表示柴油机组i处于运行状态，non,等于0时表示柴油机组i处于非运行状态。
如下式(3)表示柴油机组的启动成本函数FSU。
Figure SMS_8
其中，SUi为柴油机组i的启动成本。nsu,表示柴油机组i的启动状态，nsu,等于1时表示柴油机组i处于启动状态，nsu,等于0时表示柴油机组i处于非启动状态。
如下式(4)表示柴油机组的停机成本函数FSD。
Figure SMS_9
其中，SDi为柴油机组i的停机成本。nsd,表示柴油机组i的停机状态，nsd,等于1时表示柴油机组i处于停机状态，nsd,等于0时表示柴油机组i处于非停机状态。
如下式(5)表示微型燃气轮机机组的运行成本函数FMT。
Figure SMS_10
其中，j为1～NMT之间的整数，NMT为微型燃气轮机机组的数量，共NMT个微型燃气轮机机组，根据j表示微型燃气轮机机组j。例如，当j＝1时表示微型燃气轮机机组1。Pgas为天然气的价格，LHV为天然气的低热值，PMT,为微型燃气轮机机组j的出力，ηMT,为微型燃气轮机机组j的工作效率。
如下式(6)表示燃料电池机组的运行成本函数FFC。
Figure SMS_11
其中，k为1～NFC之间的整数，NFC为燃料电池机组的数量，共NFC个燃料电池机组，根据k表示燃料电池机组k。例如，当k＝1时表示燃料电池机组1。PFC,为燃料电池机组k的出力，ηFC,为燃料电池机组k的工作效率。
如下式(7)表示水电机组的运行成本函数FH。
Figure SMS_12
其中，s为1～NH之间的整数，NH为水电机组的数量，共NH个水电机组，根据s表示水电机组s。例如，当s＝1时表示水电机组1。CMH,s为水电机组s的维护成本。COH,s为水电机组s的单位运行成本。CCH,s为水电机组s的单位电价补偿。PH,s为水电机组s的出力，
Figure SMS_13
水电机组s的最小出力，/>
Figure SMS_14
为水电机组s的最大出力。
如下式(8)表示风电机组的弃电成本函数Fwind。
Figure SMS_15
其中，w为1～Nwind之间的整数，Nwind为风电机组的数量，共Nwind个风电机组，根据w表示风电机组w。例如，当w＝1时表示风电机组1。Cwind,w为风电机组w的单位弃风补偿电价。Pwind,w为风电机组w的出力。
Figure SMS_16
为风电机组w的最大出力。
如下式(9)表示光伏机组的弃电成本函数Fpv。
Figure SMS_17
其中，v为1～Npv之间的整数，Npv为光伏机组的数量，共Npv个光伏机组，根据v表示光伏机组v。例如，当v＝1时表示光伏机组1。Cpv,v为光伏机组v的单位弃光补偿电价。Ppv,v为光伏机组v的出力。
Figure SMS_18
为光伏机组v的最大出力。
如下式(10)表示可调节负荷的成本函数FSL。
Figure SMS_19
其中，f为1～Nla之间的整数，Nla为可调节负荷的数量，共Nla个可调节负荷，根据f表示可调节负荷f。例如，当f＝1时表示可调节负荷1。Cla,f为可调节负荷f的单位损失成本。ΔPla,f为可调节负荷f的具体调节负荷值。
如下式(11)表示可削减负荷的成本函数FSR。
Figure SMS_20
其中，h为1～Nlb之间的整数，Nlb为可削减负荷的数量，共Nlb个可削减负荷，根据h表示可削减负荷h。例如，当h＝1时表示可削减负荷1。Clb,h为可削减负荷h的单位损失成本。ΔPlb,h为可削减负荷h的具体削减负荷值。
如下式(12)表示储能设备的老化成本函数Fbat。
Figure SMS_21
其中，m为1～Nbat之间的整数，Nbat为储能设备的数量，共Nbat个储能设备，根据m表示储能设备m。例如，当m＝1时表示储能设备1。Cbat,m为储能设备m的充放电成本。Pcha,m为储能设备m的充电功率，ηcha,m为储能设备m的充电效率。Pdis,m为储能设备m的放电功率，ηdis,m为储能设备m的放电效率。
如下式(13)表示微电网与大电网之间的购售电成本函数Fgrid。
Fgrid＝Pgrid·Pe (13)
其中，Pgrid为微电网与大电网联络线的交换功率，Pe为大电网的购售电价。Pgrid大于0表示微电网从大电网买电，Pgrid小于0表示微电网向大电网卖电。
S202，根据微电网的成本函数，确定经济调度系数。
在本实施例中，确定经济调度系数的最小值为minF1，如下式(14)表示minF1。
minF1＝G+SU+SD+MT+FC+
FH+wind+pv+SL+SR+bat+grid(14)
可以理解的是，微电网的运行成本越小越好，即经济调度系数越小越好。对于各种类型的微电网确定的经济调度系数也不相同，例如，微电网1对应的经济调度系数为FG+pv+SL+SR+bat+grid；微电网2对应的经济调度系数为FH+wind+bat。
本实施例对于各种类型的微电网，确定微电网的成本函数，其中，微电网的成本函数包括柴油机组的运行成本函数、柴油机组的启动成本函数、柴油机组的停机成本函数、微型燃气轮机机组的运行成本函数、燃料电池机组的运行成本函数、水电机组的运行成本函数、风电机组的弃电成本函数、光伏机组的弃电成本函数、可调节负荷的成本函数、可削减负荷的成本函数、储能设备的老化成本函数、微电网与大电网之间的购售电成本函数中的至少一种成本函数。进而根据微电网的成本函数，确定经济调度系数。由于基于多种类型的微电网对应的成本函数确定经济调度系数，从而基于多种类型的微电网对应的经济调度系数确定目标函数，进而根据目标函数和多种类型的微电网的约束条件构建调度模型。
图3为本申请实施例中提供的一种确定微电网的排污花费系数的流程示意图，参照图3，本实施例涉及的是如何确定多种类型的微电网的排污花费系数的一种的实现方式。在上述实施例的基础上，上述的S101包括如下步骤：
S301，对于各种类型的微电网，获取微电网所排放的污染物的种类、污染物的治理费用、微电网的排污系数、微电网包括的柴油机组的数量、柴油机组的出力以及微电网与大电网的交换功率。
在本实施例中，计算机设备获取各种类型微电网所排放的污染物的种类N、污染物的治理费用
Figure SMS_22
微电网的排污系数βG,n、微电网包括的柴油机组的数量NG、柴油机组i的出力PG,i以及微电网与大电网的交换功率Pgrid。
S302，根据污染物的种类、污染物的治理费用、排污系数、柴油机组的数量、柴油机组的出力以及微电网与大电网的交换功率，确定排污花费系数。
在本实施例中，确定排污花费系数的最小值为min F2，如下式(15)表示min F2。
Figure SMS_23
其中，n为1～N之间的整数，共N个排放污染物种类，根据n表示污染物n。例如，当n＝1时表示污染物1。
Figure SMS_24
表示治理污染物n的费用。βG,n表示微电网的排污系数。
可以理解的是，微电网排放的污染物的治理费用越小越好，即排污花费系数越小越好。排污花费系数主要考虑微电网中的可控分布式发电机组，例如柴油机组的碳排放以及其它污染气体及颗粒物排放对环境的影响。可再生能源例如风电机组以及能源储例如储能设备造成的污染物排放认为是零。因此，对于各种类型的微电网确定的排污花费系数也不相同，例如，微电网1对应的排污花费系数可以为零。
本实施例，对于各种类型的微电网，获取微电网所排放的污染物的种类、污染物的治理费用、微电网的排污系数、微电网包括的柴油机组的数量、柴油机组的出力以及微电网与大电网的交换功率。从而根据污染物的种类、污染物的治理费用、排污系数、柴油机组的数量、柴油机组的出力以及微电网与大电网的交换功率，确定排污花费系数。由于基于多种类型的微电网确定排污花费系数，从而基于多种类型的微电网对应的排污花费系数确定目标函数，进而根据目标函数和多种类型的微电网的约束条件构建调度模型。
图4为本申请实施例中提供的一种确定微电网的安全运行风险系数的流程示意图，参照图4，本实施例涉及的是如何确定多种类型的微电网的安全运行风险系数的一种的实现方式。在上述实施例的基础上，上述的S101包括如下步骤：
S401，对于各种类型的微电网，获取微电网的储能设备的数量、储能设备的备用容量、风电机组的弃风功率、光伏机组的弃光功率以及微电网的预设风险等级。
在本实施例中，计算机设备获取微电网的储能设备的数量Nbat、储能设备的备用容量Rm、风电机组的弃风功率Pwind,、光伏机组的弃光功率Ppv,以及微电网的预设风险等级risk。预设风险等级risk与风险程度成正比。
S402，根据储能设备的数量、储能设备的备用容量、风电机组的弃风功率、光伏机组的弃光功率以及预设风险等级，确定安全运行风险系数。
在本实施例中，确定安全运行风险系数的最小值为min F3，如下式(16)表示minF3。
Figure SMS_25
其中，Pwv为风电机组w的弃风功率Pwind,以及光伏机组v的弃光功率Ppv,之和，Pwv＝wind,+pv,。
可以理解的是，微电网运行风险越小越好，即安全运行风险系数越小越好。安全运行风险系数主要考虑微电网中的可再生能源例如风电机组和光伏机组，光伏和风电属于清洁能源，同时也具有不可控性，因此风电机组和光伏机组很容易受气候影响，影响对应类型微电网的运行稳定性。而储能设备的备用容量可以增加该类型微电网的稳定性。因此，对于各种类型的微电网确定的运行风险系数也不相同。
本实施例，对于各种类型的微电网，获取微电网的储能设备的数量、储能设备的备用容量、风电机组的弃风功率、光伏机组的弃光功率以及微电网的预设风险等级。从而根据储能设备的数量、储能设备的备用容量、风电机组的弃风功率、光伏机组的弃光功率以及预设风险等级，确定安全运行风险系数。由于基于多种类型的微电网确定安全运行风险系数，从而基于多种类型的微电网对应的安全运行风险系数确定目标函数，进而根据目标函数和多种类型的微电网的约束条件构建调度模型。
可选的，上述的约束条件包括柴油机组的约束条件、燃料电池机组的约束条件、微型燃气轮机机组的约束条件、水电机组的约束条件、可再生能源机组的约束条件、储能设备的约束条件、负荷元件的约束条件中的至少一种以及所述微电网的系统约束条件。
在本实施例中，计算机设备需要根据各类型微电网对应的目标函数和约束条件，构建对应的调度模型。各类型微电网对应的约束条件也不相同，本实施例定义了各类型微电网的约束条件，需要说明的是，约束条件对任意的一个调度周期内的时间段、任意一个可控分布式发电机例如柴油机组、以及任意一个储能设备都是成立的。
如下式(17)～式(20)均为柴油机组的约束条件。其中式(17)为柴油机组的爬坡约束条件。
-PG,down≤PG,t-PG,t-1≤PG,up (17)
其中，t取值大于零小于T的整数，例如T为24小时，则t取值1～24，表示一天内的第t个时间段。PG,down表示柴油机组单次爬坡下限，PG,up表示柴油机组单次爬坡上限。PG,t表示第t个时间段的任意一个柴油机组的出力，PG,t-1表示第t-1个时间段的任意一个柴油机组的出力。式(17)表示对于任意一个柴油机组，相邻两个时间段的柴油机组的出力的变化值总在柴油机组单次爬坡的上下限范围内。
式(18)表示柴油机组的出力约束条件。
Figure SMS_26
其中，nG,on表示任意一个柴油机组在任意时间段内的爬坡状态，nG,on等于1时表示柴油机组处于爬坡状态，nG,on等于0时表示柴油机组在处于非爬坡状态。
Figure SMS_27
表示任意一个柴油机组在任意时间段内的最小出力；/>
Figure SMS_28
表示任意一个柴油机组在任意时间段内的最大出力；PG表示任意一个柴油机组在任意时间段的出力。式(18)表示对于同一时间段内的同一个柴油机组，柴油机组的出力总是在同一时间段内的最大出力和最小出力的范围内。
式(19)～式(20)表示柴油机组的状态约束条件。
nsu,i,t-nsd,i,t＝non,i,t-non,i,t-1 (19)
nsu,i,t+nsd,i,t≤1 (20)
其中，nsu,,表示柴油机组i在第t个时间段的启动状态。nsu,,等于1时表示柴油机组i在第t个时间段内处于启动状态，nsu,,等于0时表示柴油机组i在第t个时间段内处于非启动状态。nsd,,表示柴油机组i在第t个时间段的停机状态。nsd,,等于1时表示柴油机组i在第t个时间段内处于停机状态，nsd,,等于0时表示柴油机组i在第t个时间段内处于非停机状态。non,i,表示柴油机组i在第t个时间段内的运行状态。non,,等于1时表示柴油机组i第t个时间段内处于运行状态，non,,等于0时表示柴油机组i第t个时间段内处于非运行状态。同理，non,,-1表示柴油机组i在第t-1个时间段内的运行状态。
式(19)表示同一个柴油机组i在相邻两个时间段，要么都是运行状态，要么都是非运行状态，要么从运行状态变为非运行状态，要么从非运行状态变为运行状态。同理，同一个柴油机组i在同一时间段内，要么是启动状态，要么停机状态，要么是非启动非停机状态。式(20)表示同一个时间段内柴油机组i不能同时处于启动状态和停机状态。
式(21)～式(25)表示柴油机组的最小启停时间约束条件。
UTi＝min{T,(Ton,i-Ion,i)·non,i,0} (21)
DTi＝min{T,(Toff,i-Ioff,i)·(1-non,i,0)} (22)
Figure SMS_29
Figure SMS_30
Figure SMS_31
其中，UTi表示柴油机组i的最小启动时间，DTi表示柴油机组i的最小停机时间。Ton,表示柴油机组i的最短启动时间，Toff,i表示柴油机组i的最短停机时间。Ion,表示柴油机组i的初始运行时间，Ioff,i表示柴油机组i的初始停运行时间。non,,表示柴油机组i的初始状态。non,,等于1时表示柴油机组i的初始状态为运行状态，non,i,等于0时表示柴油机组i的初始状态为非运行状态。
如下为微型燃气轮机机组的约束条件，更具体地，其中式(26)为微型燃气轮机机组的运行约束条件。
Figure SMS_32
其中，
Figure SMS_33
为微型燃气轮机机组j的最大出力。式(26)表示微型燃气轮机机组j的出力大于等于零，小于等于该机组最大出力。
如下为燃料电池机组的约束条件，更具体地，其中式(27)为燃料电池机组的运行约束条件。
Figure SMS_34
其中，
Figure SMS_35
为燃料电池机组k的最大出力。式(27)表示燃料电池机组k的出力大于等于零，小于等于该机组最大出力。
如下为水电机组的约束条件，更具体地，其中式(28)为水电机组的运行约束条件。式(28)表示水电机组s的出力大于等于零，小于等于该机组最大出力。
Figure SMS_36
如下为可再生能源机组的约束条件，更具体地，其中式(29)为风电机组的运行约束条件，式(30)为光伏机组的运行约束条件。式(29)表示风电机组w的出力大于等于零，小于等于该机组最大出力。式(30)表示光伏机组v的出力大于等于零，小于等于该机组最大出力。
Figure SMS_37
Figure SMS_38
如下为负荷元件约束条件，更具体地，其中式(31)为可调节负荷的上下限约束条件，式(32)为可削减负荷的上下限约束条件。
Figure SMS_39
Figure SMS_40
其中，
Figure SMS_41
为可调节负荷f的最小调节负荷值，/>
Figure SMS_42
为可调节负荷f的最大调节负荷值。/>
Figure SMS_43
可削减负荷h的最小削减负荷值，/>
Figure SMS_44
为可削减负荷h的最大削减负荷值。式(31)表示可调节负荷f的具体调节负荷值ΔPla,大于等于该负荷的最小调节负荷值，小于等于该负荷的最大调节负荷值。式(32)表示可削减负荷h的具体削减负荷值ΔPlb,大于等于该负荷的最小削减负荷值，小于等于该负荷的最大削减负荷值。
如下为储能设备的约束条件，更具体地，其中式(33)为储能设备充放电状态的约束条件，式(34)～式(35)为储能设备充放电功率的上下限约束条件，式(36)～式(37)为储能设备容量约束条件。
ncha,m+ndis,m≤1 (33)
Figure SMS_45
/>
Figure SMS_46
Figure SMS_47
Ec·socmin≤PES,t≤Ec·socmax (37)
其中，ncha,m表示储能设备m的充电状态，ncha,m等于1时表示储能设备m处于充电状态，ncha,m等于0时表示储能设备m处于非充电状态。ndis,m表示储能设备m的放电状态，ndis,m等于1时表示储能设备m处于放电状态，ndis,m等于0时表示储能设备m处于非放电状态。
Figure SMS_48
为储能设备m的最小充电功率，/>
Figure SMS_49
为储能设备m的最大充电功率。/>
Figure SMS_50
为储能设备m的最小放电功率，/>
Figure SMS_51
为储能设备m的最大放电功率。QES,表示任意一个储能设备在第t个时间段内的储能能量，QES,-1表示储能设备在第t-1个时间段内的储能能量。Ec表示储能设备的电池的最大容量。socmin表示储能设备的电池的最小荷电状态，socmax表示储能设备的电池的最大荷电状态。
如下为微电网的系统约束条件，更具体地，其中式(38)为微电网系统与外部电网联络线功率约束条件，式(39)为功率平衡约束条件。
Figure SMS_52
Figure SMS_53
其中，B为固定联络线功率控制二进制参数，表示固定联络线功率运行目标的二进制指令，B＝1时表示微电网以固定联络线功率G运行，B＝0以可变联络线功率运行。
Figure SMS_54
为微电网与大电网联络线的最小交换功率，/>
Figure SMS_55
为微电网与大电网联络线的最大交换功率。可以理解的是，当微电网独立于大电网运行时，/>
Figure SMS_56
Pload,表示不可调负荷l的不可调负荷值，l为1～Nload之间的整数，Nload为不可调负荷的数量，共Nload个不可调负荷。
本实施例的约束条件包括柴油机组的约束条件、燃料电池机组的约束条件、微型燃气轮机机组的约束条件、水电机组的约束条件、可再生能源机组的约束条件、储能设备的约束条件、负荷元件的约束条件中的至少一种以及所述微电网的系统约束条件，由于不同类型的微电网确定的约束条件不同，发明考虑了多种类型的微电网类型，以及微电网离并网、固定联络线功率等不同的运行方式，从而根据各类型的微电网对应的目标函数和对应的约束条件，构建各类型微电网对应的调度模型。
图5为本申请实施例中提供的一种确定微电网的调度策略的流程示意图，参照图5，本实施例涉及的是如何确定待识别微电网的调度策略的一种的实现方式。在上述实施例的基础上，上述的微电网的调度模型构建方法还包括如下步骤：
S501，获取至少一个待识别微电网的输入向量，其中，输入向量是用于表示待识别微电网的属性参数的向量。
在本实施例中，定义如下式(40)为输入向量X。
X＝(Xi,Xj,Xk,Xs,Xw,Xv,Xf,Xh,Xm,Xn,Xgird) (40)
其中，Xi为柴油机组的输入向量；Xj为微型燃气轮机机组的输入向量；Xk为燃料电池机组的输入向量；Xs为水电机组的输入向量；Xw为风电机组的输入向量；Xv为光伏机组的输入向量；Xf为可调节负荷的输入向量；Xh为可削减负荷的输入向量；Xm为储能设备的输入向量；Xn为影响环境的输入向量；Xgird为系统的输入向量。
可以理解的是，X是待识别微电网当前调度周期内的输入向量，不同的微电网对应的输入向量X不同。例如，微电网1的输入向量可以为(Xi,Xm,Xn,Xgird)。微电网2的输入可以为(Xw,Xv,Xh,Xm,Xgird)。
更具体地，输入向量是用于表示待识别微电网的属性参数。进一步地，根据待识别微电网的属性参数可以确定对应的经济调度系数、排污花费系数以及安全运行风险系数，从而确定待识别微电网的目标函数，进而利用目标函数可以确定待识别微电网的运行指标。
Xi可以用式(41)表示。
Figure SMS_57
Xi包括的属性参数为：柴油机组的数量NG、燃料成本参数ai、bi和ci、柴油机组i的工作状态non,i；柴油机组i的启动成本SUi、停机成本SDi；柴油机组i第t个时间段时段柴油机组的出力PG,t,i；柴油机组i的最短启动时间Ton,i、最短停机时间Toff,i、初始运行时间Ion,i、初始停运时间Ioff,i；柴油机组i的初始运行状态non,i,0。
Xj可以用式(42)表示。
Figure SMS_58
Xj为包括的属性参数为：微型燃气轮机机组的数量NMT、微型燃气轮机机组j的工作效率ηMT,、天然气的价格Pgas、天然气的低热值LHV。
Xk可以用式(43)表示。
Figure SMS_59
/>
Xk包括的属性参数为：燃料电池机组的数量NFC，燃料电池机组k的工作效率ηFC,、天然气的价格Pgas、天然气的低热值LHV。
Xs可以用式(44)表示。
Figure SMS_60
Xs包括的属性参数为：水电机组的数量NH、水电机组s的维护成本CMH,、水电机组s的单位运行成本COH,、水电机组s的单位电价补偿CCH,s、水电机组s的出力PH,s。
Xw可以用式(45)表示。
Figure SMS_61
Xw包括的属性参数为：风电机组的数量Nwind、风电机组w的单位弃风补偿电价Cwind,。
Xv可以用式(46)表示。
Figure SMS_62
Xv包括的属性参数为：光伏机组的数量Npv、光伏机组v的单位弃光补偿电价Cpv,。
Xf可以用式(47)表示。
Figure SMS_63
Xf包括的属性参数为：可调节负荷的数量Nla、为可调节负荷f的单位损失成本Cla,。
Xh可以用式(48)表示。
Figure SMS_64
Xh包括的属性参数为：可削减负荷的数量Nlb、为可削减负荷h的单位损失成本Clb,h。
Xm可以用式(49)表示。
Figure SMS_65
Xm包括的属性参数为：储能设备的数量Nbat、储能设备m的充电效率ηcha,m、储能设备m的放电功率Pdis,m、储能设备m的充放电成本Cbat,m、储能设备m的最大容量Ec,m、储能设备m的电池的最小荷电状态socmin,m，储能设备m的电池的最大荷电状态socmax,max。
Xn可以用式(50)表示。
Figure SMS_66
Xn包括的属性参数为：污染物种类N、治理污染物N的费用
Figure SMS_67
微电网中污染物N的排污系数βg,n。
Xgird可以用式(51)表示。
Figure SMS_68
Xgird包括的属性参数为：大电网的购售电价Pe、微电网与大电网联络线的最小交换功率
Figure SMS_69
微电网与大电网联络线的最大交换功率/>
Figure SMS_70
目标函数的权重向量Bfun、固定联络线功率控制二进制参数B、固定联络线功率值G。
S502，将输入向量输入至调度模型，以由调度模型预测待识别微电网的输出功率。
在本实施例中，定义如下式(52)为输出向量Y。
Figure SMS_71
在本实施例中，获取待识别微电网的输入向量后，即可对调度模型进行求解。更具体地，使用MATLAB对式(1)～式(51)求解，得到式(52)。式(52)包括预测的待识别微电网在下一个预设调度周期的输出功率。其中，PG,i为柴油机组i的出力预测值；PMT,为微型燃气轮机机组j的出力预测值；PFC,为燃料电池机组k的出力预测值；PH,s为水电机组s的出力预测值；Pwind,为风电机组w的出力预测值；Ppv,为光伏机组v的出力预测值；Pcha,m为储能设备m的充电功率预测值；Pdis,m为储能设备m的放电功率预测值；Pgrid为微电网与大电网联络线的交换功率预测值。
更具体地，输入当前调度周期如一天24h的各类型微电网的输入向量，对调度模型进行求解后可以得到下一天各类型微电网的输出功率预测值。
S503，根据输出功率，确定待识别微电网的调度策略。
在本实施例中，根据S502确定的输出向量Y，可以确定待识别微电网的输出功率的预测值。进一步地，可以根据预测输出功率确定下一个预设调度周期的经济调度系数F1、排污花费系数F2以及安全运行风险系数F3，从而确定下一个预设调度周期此微电网的运行指标。进而技术人员可以参考该运行指标和输出功率的预测值，确定或调整微电网的调度策略。
本实施例通过获取至少一个待识别微电网的输入向量，其中，输入向量是用于表示待识别微电网的属性参数的向量，并且将输入向量输入至调度模型，以由调度模型预测待识别微电网的输出功率。进而根据输出功率，确定待识别微电网的调度策略。由于本实施例提供的方法通过将自定义的待识别微电网的输入向量输入至调度模型，并根据求解结果得到待识别微电网的调度策略。因此，本实施例通过改变模型输入参数，实现了不同微电网类型均可以基于调度模型得到待识别微电网的有功优化调度策略。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的微电网的调度模型构建方法的微电网的调度模型构建装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个微电网的调度模型构建装置实施例中的具体限定可以参见上文中对于微电网的调度模型构建方法的限定，在此不再赘述。
参照图6，图6为本申请实施例中提供的一种微电网的调度模型构建装置的结构示意图，该装置600包括：第一确定模块601、第二确定模块602和构建模块603，其中：
第一确定模块601，用于确定多种类型的微电网的有功优化系数，其中，有功优化系数包括经济调度系数、排污花费系数以及安全运行风险系数中的至少一个系数。
第二确定模块602，用于根据有功优化系数，确定目标函数，其中，目标函数用于确定多种类型的微电网的运行指标。
构建模块603，用于根据目标函数和微电网的约束条件，构建调度模型。
本实施例提供的微电网的调度模型构建装置，通过确定多种类型的微电网的有功优化系数，其中，有功优化系数包括经济调度系数、排污花费系数以及安全运行风险系数中的至少一个系数，并根据有功优化系数，确定目标函数，其中，目标函数用于确定多种类型的微电网的运行指标，进而根据目标函数和微电网的约束条件，构建调度模型。由于传统技术中是基于微电网的物理架构建立相应的调度模型，而本实施例中是基于多种类型的微电网对应的有功优化系数确定目标函数，进而根据目标函数和多种类型的微电网的约束条件构建调度模型。因此，本实施例提供的方法，构建的调度模型能够适用于多种类型的微电网，解决了传统方法中，数据优化模型适用范围受限的问题，扩大调度模型的适用范围。
可选的，第一确定模块601包括：
第一确定单元，用于对于各种类型的微电网，确定微电网的成本函数，其中，微电网的成本函数包括柴油机组的运行成本函数、柴油机组的启动成本函数、柴油机组的停机成本函数、微型燃气轮机机组的运行成本函数、燃料电池机组的运行成本函数、水电机组的运行成本函数、风电机组的弃电成本函数、光伏机组的弃电成本函数、可调节负荷的成本函数、可削减负荷的成本函数、储能设备的老化成本函数、微电网与大电网之间的购售电成本函数中的至少一种成本函数。
第二确定单元，用于根据微电网的成本函数，确定经济调度系数。
可选的，第一确定模块601还包括：
第一获取单元，用于对于各种类型的微电网，获取微电网所排放的污染物的种类、污染物的治理费用、微电网的排污系数、微电网包括的柴油机组的数量、柴油机组的出力以及微电网与大电网的交换功率。
第三确定单元，用于根据污染物的种类、污染物的治理费用、排污系数、柴油机组的数量、柴油机组的出力以及微电网与大电网的交换功率，确定排污花费系数。
可选的，第一确定模块601还包括：
第二获取单元，用于对于各种类型的微电网，获取微电网的储能设备的数量、储能设备的备用容量、风电机组的弃风功率、光伏机组的弃光功率以及微电网的预设风险等级。
第四确定单元，用于根据储能设备的数量、储能设备的备用容量、风电机组的弃风功率、光伏机组的弃光功率以及预设风险等级，确定安全运行风险系数。
可选的，所述约束条件包括柴油机组的约束条件、燃料电池机组的约束条件、微型燃气轮机机组的约束条件、水电机组的约束条件、可再生能源机组的约束条件、储能设备的约束条件、负荷元件的约束条件中的至少一种以及微电网的系统约束条件。
可选的，该装置600还包括：
获取模块，用于获取至少一个待识别微电网的输入向量，其中，输入向量是用于表示待识别微电网的属性参数的向量。
预测模块，用于将输入向量输入至调度模型，以由调度模型预测待识别微电网的输出功率。
第三确定模块，用于根据输出功率，确定待识别微电网的调度策略。
上述微电网的调度模型构建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图7为本申请实施例中计算机设备的内部结构图，在本实施例中，提供了一种计算机设备，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种微电网的调度模型构建方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述实施例提供的微电网的调度模型构建方法的步骤。其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例提供的微电网的调度模型构建方法的步骤。其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述实施例提供的微电网的调度模型构建方法的步骤。其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (8)

1.一种微电网的调度模型构建方法，其特征在于，所述方法包括：
确定多种类型的微电网的有功优化系数，其中，所述有功优化系数包括经济调度系数F1、排污花费系数F2以及安全运行风险系数F3中的至少一个系数；所述经济调度系数F1表示所述微电网的运行成本，所述排污花费系数F2表示所述微电网排放的污染物的治理费用，所述安全运行风险系数F3表示所述微电网安全运行的风险系数；不同类型的微电网确定的经济调度系数F1、排污花费系数F2以及安全运行风险系数F3均不相同；
根据所述有功优化系数，确定目标函数，其中，所述目标函数用于确定所述多种类型的微电网的运行指标；
根据所述目标函数和所述微电网的约束条件，构建所述调度模型；不同类型的微电网对应不同的目标函数和不同的约束条件；其中，所述约束条件包括柴油机组的约束条件、燃料电池机组的约束条件、微型燃气轮机机组的约束条件、水电机组的约束条件、风电机组和光伏机组的约束条件、储能设备的约束条件、负荷元件的约束条件中的至少一种以及所述微电网的系统约束条件；
获取至少一个待识别微电网的输入向量X，其中，所述输入向量X用于表示所述待识别微电网的属性参数；不同类型的微电网对应的输入向量X不同，所述待识别微电网的属性参数能够确定对应的经济调度系数F1、排污花费系数F2以及安全运行风险系数F3；
将所述输入向量X输入至所述调度模型，以由所述调度模型预测所述待识别微电网的输出功率；
根据所述输出功率，确定所述待识别微电网的调度策略；其中，通过改变输入至所述调度模型的输入向量X，不同类型的微电网均能够基于所述调度模型得到对应的调度策略；
其中，所述目标函数表示为：
minF＝ω1·minF1+ω2·minF2+ω3·minF3
ω1、ω2和ω3为所述目标函数的权重向量Bfun中的元素；ω1+ω2+ω3≥1；当ω1、ω2或ω3的值等于1时，表示所述有功优化系数包括所述元素对应的系数，当ω1、ω2或ω3的值等于0时，表示所述有功优化系数不包括所述元素对应的系数；
minF1＝FG+FSU+FSD+FMT+FFC+FH+Fwind+Fpv+FSL+FSR+Fbat+Fgrid
FG为柴油机组的运行成本函数，FSU为柴油机组的启动成本函数，FSD为柴油机组的停机成本函数，FMT为微型燃气轮机机组的运行成本函数，FFC为燃料电池机组的运行成本函数，FH为水电机组的运行成本函数，Fwind为风电机组的弃电成本函数，Fpv为光伏机组的弃电成本函数，FSL为可调节负荷的成本函数，FSR为可削减负荷的成本函数，Fbat为储能设备的老化成本函数，Fgrid为微电网与大电网之间的购售电成本；
Figure FDA0004191350940000021
n为1～N之间的整数，共N个排放的污染物的种类；i为1～NG之间的整数，NG为柴油机组的数量，
Figure FDA0004191350940000022
为治理污染物n的费用，βG，n为所述微电网的排污系数，PG，i为柴油机组i的出力，Pgrid为所述微电网与大电网联络线的交换功率，Pgrid大于0表示所述微电网从所述大电网买电，Pgrid小于0表示所述微电网向所述大电网卖电；
Figure FDA0004191350940000023
m为1～Nbat之间的整数，Nbat为储能设备的数量，Rm为储能设备的备用容量，risk为所述微电网的预设风险等级；Pwv为风电机组w的弃风功率Pwind,w以及光伏机组v的弃光功率Ppv，v之和，Pwv＝Pwind,w+Ppv，v；
X＝(Xi，Xj，Xk，Xs，Xw，Xv，Xf，Xh，Xm，Xn，Xgird)，其中，Xi为柴油机组的输入向量；Xj为微型燃气轮机机组的输入向量；Xk为燃料电池机组的输入向量；Xs为水电机组的输入向量；Xw为风电机组的输入向量；Xv为光伏机组的输入向量；Xf为可调节负荷的输入向量；Xh为可削减负荷的输入向量；Xm为储能设备的输入向量；Xn为影响环境的输入向量；Xgird为系统的输入向量。
2.根据权利要求1所述的方法，其特征在于，若所述有功优化系数包括所述经济调度系数F1，则所述确定多种类型的微电网的有功优化系数，包括：
对于各种类型的微电网，确定所述微电网的成本函数，其中，所述微电网的成本函数包括柴油机组的运行成本函数、所述柴油机组的启动成本函数、所述柴油机组的停机成本函数、微型燃气轮机机组的运行成本函数、燃料电池机组的运行成本函数、水电机组的运行成本函数、风电机组的弃电成本函数、光伏机组的弃电成本函数、可调节负荷的成本函数、可削减负荷的成本函数、储能设备的老化成本函数、微电网与大电网之间的购售电成本函数中的至少一种成本函数；不同类型的微电网由于物理结构不同，对应的微电网的成本函数不同；
根据所述微电网的成本函数，确定所述经济调度系数F1。
3.根据权利要求1所述的方法，其特征在于，若所述有功优化系数包括所述排污花费系数F2，则所述确定多种类型的微电网的有功优化系数，包括：
对于各种类型的微电网，获取所述微电网所排放的污染物的种类、所述污染物的治理费用、所述微电网的排污系数、所述微电网包括的柴油机组的数量、所述柴油机组的出力以及所述微电网与大电网联络线的交换功率；
根据所述污染物的种类、所述污染物的治理费用、所述排污系数、所述柴油机组的数量、所述柴油机组的出力以及所述微电网与大电网联络线的交换功率，确定所述排污花费系数F2。
4.根据权利要求1所述的方法，其特征在于，若所述有功优化系数包括所述安全运行风险系数F3，则所述确定多种类型的微电网的有功优化系数，包括：
对于各种类型的微电网，获取所述微电网的储能设备的数量、所述储能设备的备用容量、风电机组的弃风功率、光伏机组的弃光功率以及所述微电网的预设风险等级；
根据所述储能设备的数量、所述储能设备的备用容量、所述风电机组的弃风功率、所述光伏机组的弃光功率以及所述预设风险等级，确定所述安全运行风险系数F3。
5.一种微电网的调度模型构建装置，其特征在于，所述装置包括：
第一确定模块，用于确定多种类型的微电网的有功优化系数，其中，所述有功优化系数包括经济调度系数F1、排污花费系数F2以及安全运行风险系数F3中的至少一个系数；所述经济调度系数F1表示所述微电网的运行成本，所述排污花费系数F2表示所述微电网排放的污染物的治理费用，所述安全运行风险系数F3表示所述微电网安全运行的风险系数；不同类型的微电网确定的经济调度系数F1、排污花费系数F2以及安全运行风险系数F3均不相同；
第二确定模块，用于根据所述有功优化系数，确定目标函数，其中，所述目标函数用于确定所述多种类型的微电网的运行指标；
构建模块，用于根据所述目标函数和所述微电网的约束条件，构建所述调度模型；不同类型的微电网对应不同的目标函数和不同的约束条件；其中，所述约束条件包括柴油机组的约束条件、燃料电池机组的约束条件、微型燃气轮机机组的约束条件、水电机组的约束条件、风电机组和光伏机组的约束条件、储能设备的约束条件、负荷元件的约束条件中的至少一种以及所述微电网的系统约束条件；
获取模块，用于获取至少一个待识别微电网的输入向量X，其中，所述输入向量X用于表示所述待识别微电网的属性参数；不同类型的微电网对应的输入向量X不同，所述待识别微电网的属性参数能够确定对应的经济调度系数F1、排污花费系数F2以及安全运行风险系数F3；
预测模块，用于将所述输入向量X输入至所述调度模型，以由所述调度模型预测所述待识别微电网的输出功率；
第三确定模块，用于根据所述输出功率，确定所述待识别微电网的调度策略；其中，通过改变输入至所述调度模型的输入向量X，不同类型的微电网均能够基于所述调度模型得到对应的调度策略；
其中，所述目标函数表示为：
minF＝ω1·minF1+ω2·minF2+ω3·minF3
ω1、ω2和ω3为所述目标函数的权重向量Bfun中的元素；ω1+ω2+ω3≥1；当ω1、ω2或ω3的值等于1时，表示所述有功优化系数包括所述元素对应的系数，当ω1、ω2或ω3的值等于0时，表示所述有功优化系数不包括所述元素对应的系数；
minF1＝FG+FSU+FSD+FMT+FFC+FH+Fwind+Fpv+FSL+FSR+Fbat+Fgrid
FG为柴油机组的运行成本函数，FSU为柴油机组的启动成本函数，FSD为柴油机组的停机成本函数，FMT为微型燃气轮机机组的运行成本函数，FFC为燃料电池机组的运行成本函数，FH为水电机组的运行成本函数，Fwind为风电机组的弃电成本函数，Fpv为光伏机组的弃电成本函数，FSL为可调节负荷的成本函数，FSR为可削减负荷的成本函数，Fbat为储能设备的老化成本函数，Fgrid为微电网与大电网之间的购售电成本；
Figure FDA0004191350940000051
n为1～N之间的整数，共N个排放的污染物的种类；i为1～NG之间的整数，NG为柴油机组的数量，
Figure FDA0004191350940000052
为治理污染物n的费用，βG，n为所述微电网的排污系数，PG，i为柴油机组i的出力，Pgrid为所述微电网与大电网联络线的交换功率，Pgrid大于0表示所述微电网从所述大电网买电，Pgrid小于0表示所述微电网向所述大电网卖电；
Figure FDA0004191350940000053
m为1～Nbat之间的整数，Nbat为储能设备的数量，Rm为储能设备的备用容量，risk为所述微电网的预设风险等级；Pwv为风电机组w的弃风功率Pwind,w以及光伏机组v的弃光功率Pgv，v之和，Pwv＝Pwind,w+Ppv，v；
X＝(Xi，Xj，Xk，Xs，Xw，Xv，Xf，Xh，Xm，Xn，Xgird)，其中，Xi为柴油机组的输入向量；Xj为微型燃气轮机机组的输入向量；Xk为燃料电池机组的输入向量；Xs为水电机组的输入向量；Xw为风电机组的输入向量；Xv为光伏机组的输入向量；Xf为可调节负荷的输入向量；Xh为可削减负荷的输入向量；Xm为储能设备的输入向量；Xn为影响环境的输入向量；Xgird为系统的输入向量。
6.根据权利要求5所述的装置，其特征在于，若所述有功优化系数包括所述经济调度系数F1，则所述第一确定模块包括：
第一确定单元，用于对于各种类型的微电网，确定所述微电网的成本函数，其中，所述微电网的成本函数包括柴油机组的运行成本函数、所述柴油机组的启动成本函数、所述柴油机组的停机成本函数、微型燃气轮机机组的运行成本函数、燃料电池机组的运行成本函数、水电机组的运行成本函数、风电机组的弃电成本函数、光伏机组的弃电成本函数、可调节负荷的成本函数、可削减负荷的成本函数、储能设备的老化成本函数、微电网与大电网之间的购售电成本函数中的至少一种成本函数；不同类型的微电网由于物理结构不同，对应的微电网的成本函数不同；
第二确定单元，用于根据所述微电网的成本函数，确定所述经济调度系数F1。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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4中任一项所述的方法的步骤。
8.一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，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
CN202111559986.2A 2021-12-20 2021-12-20 微电网的调度模型构建方法、装置和计算机设备 Active CN114243693B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111559986.2A CN114243693B (zh) 2021-12-20 2021-12-20 微电网的调度模型构建方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111559986.2A CN114243693B (zh) 2021-12-20 2021-12-20 微电网的调度模型构建方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN114243693A CN114243693A (zh) 2022-03-25
CN114243693B true CN114243693B (zh) 2023-06-27

Family

ID=80758998

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111559986.2A Active CN114243693B (zh) 2021-12-20 2021-12-20 微电网的调度模型构建方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN114243693B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107704947A (zh) * 2017-08-31 2018-02-16 合肥工业大学 一种考虑电动汽车随机接入的微电网多目标优化调度方法
CN109193798A (zh) * 2018-08-24 2019-01-11 广西大学 一种基于多目标粒子群算法调节微电源出力的优化调度方法
CN113659638A (zh) * 2021-09-07 2021-11-16 华北电力大学 一种风-光-水-火联合发电系统日前优化调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107704947A (zh) * 2017-08-31 2018-02-16 合肥工业大学 一种考虑电动汽车随机接入的微电网多目标优化调度方法
CN109193798A (zh) * 2018-08-24 2019-01-11 广西大学 一种基于多目标粒子群算法调节微电源出力的优化调度方法
CN113659638A (zh) * 2021-09-07 2021-11-16 华北电力大学 一种风-光-水-火联合发电系统日前优化调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Financial Risk-Based Scheduling of Micro grids Accompanied by Surveying the Influence of the Demand Response Program;Tohid Khalili 等;《2021 IEEE/IAS 57th Industiral and Commercial Power Systems Technical Conference(I&CPS)》;全文 *
微电网弱鲁棒多目标优化调度研究;石国宜 等;《电力科学与工程》;第37卷(第05期);9-17 *

Also Published As

Publication number Publication date
CN114243693A (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
Arya AGC of PV-thermal and hydro-thermal power systems using CES and a new multi-stage FPIDF-(1+ PI) controller
Nemati et al. Optimization of unit commitment and economic dispatch in microgrids based on genetic algorithm and mixed integer linear programming
Mohamed et al. A novel framework-based cuckoo search algorithm for sizing and optimization of grid-independent hybrid renewable energy systems
Chen et al. Increasing the flexibility of combined heat and power for wind power integration in China: Modeling and implications
Chen et al. Optimal allocation and economic analysis of energy storage system in microgrids
Guo et al. Multi‐objective stochastic optimal planning method for stand‐alone microgrid system
Zhao et al. Optimal sizing, operating strategy and operational experience of a stand-alone microgrid on Dongfushan Island
Maleki et al. Comparative study of artificial intelligence techniques for sizing of a hydrogen-based stand-alone photovoltaic/wind hybrid system
Karami et al. Optimal scheduling of residential energy system including combined heat and power system and storage device
Hemmati et al. System modeling and optimization for islanded micro-grid using multi-cross learning-based chaotic differential evolution algorithm
Chen et al. Optimal allocation of distributed generation and energy storage system in microgrids
Bai et al. Interdependence of electricity and heat distribution systems coupled by an AA‐CAES‐based energy hub
Xu et al. Implementation of repowering optimization for an existing photovoltaic‐pumped hydro storage hybrid system: A case study in Sichuan, China
Lee et al. Optimal optimisation‐based microgrid scheduling considering impacts of unexpected forecast errors due to the uncertainty of renewable generation and loads fluctuation
JP2017174277A (ja) 運転計画算出装置、運転計画算出方法および運転計画算出プログラム
CN114202229B (zh) 基于深度强化学习的微电网的能量管理策略的确定方法
Katsigiannis et al. A software tool for capacity optimization of hybrid power systems including renewable energy technologies based on a hybrid genetic algorithm—tabu search optimization methodology
Boroumandfar et al. Information gap decision theory with risk aversion strategy for robust planning of hybrid photovoltaic/wind/battery storage system in distribution networks considering uncertainty
Zhou et al. Multiobjective scheduling method for short-term peak shaving operation of cascade hydro plants
Niknam et al. Impact of heat, power and hydrogen generation on optimal placement and operation of fuel cell power plants
Thang Optimal sizing of distributed energy resources and battery energy storage system in planning of islanded micro-grids based on life cycle cost
Zadeh et al. Optimized day-ahead hydrothermal wind energy systems scheduling using parallel PSO
CN117239810B (zh) 虚拟电厂电能调度方案获取方法、装置和设备
Patel et al. Stochastic optimisation and economic analysis of combined high temperature superconducting magnet and hydrogen energy storage system for smart grid applications
JP5504504B2 (ja) リソースの配分に係る演算処理を行なうシステムおよびリソース配分を決定する方法

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
GR01 Patent grant
GR01 Patent grant