CN114792974A - 一种互联微电网能源优化管理的方法和系统 - Google Patents

一种互联微电网能源优化管理的方法和系统 Download PDF

Info

Publication number
CN114792974A
CN114792974A CN202210445729.4A CN202210445729A CN114792974A CN 114792974 A CN114792974 A CN 114792974A CN 202210445729 A CN202210445729 A CN 202210445729A CN 114792974 A CN114792974 A CN 114792974A
Authority
CN
China
Prior art keywords
power
grid
micro
interconnected
cost
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
CN202210445729.4A
Other languages
English (en)
Inventor
王玉峰
李一江
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202210445729.4A priority Critical patent/CN114792974A/zh
Publication of CN114792974A publication Critical patent/CN114792974A/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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种互联微电网能源优化管理的方法。在一天中进行多轮优化管理，每轮根据互联微电网的状态调节功率可控设备的功率，然后根据互联微电网的拓扑结构对仍然未被消纳的功率在微电网之间进行调度，实现互联微电网的供需平衡。该方法主要包括以下步骤：将微电网中的设备分为功率可控设备和功率不可控设备，构造一轮互联微电网的能源优化管理的成本函数。该方法不需要建立复杂的物理模型，以数据为驱动训练网络，使网络逐步学习以最小成本实现互联微电网供需平衡的最优控制策略，避免了资源的浪费。

Description

一种互联微电网能源优化管理的方法和系统
技术领域
本发明涉及一种互联微电网能源优化管理的方法和系统，属于微电网电源调度技术领域。
背景技术
随着化石燃料的枯竭和环境污染问题的日益严重，例如太阳能、风能等可再生能源的利用受到了广泛的关注，近年来，微电网已经被广泛地采用和部署在现代电力系统中，微电网是指由可再生能源发电设备、储能装置、负荷、电力转换装置、监控和保护装置等组成的小型发配电系统。可再生能源发电虽然具有环境友好、可持续利用的优点，但是其发电功率受制于环境因素，具有波动性和随机性的缺点，加上负荷的不确定性，很容易出现微电网内部供需不平衡的问题，发电量富余时资源将会被废弃，同时会对微电网的安全造成威胁，发电量短缺时，负荷的需求难以得到满足，给用户造成不良的体验。
微电网能源管理就是为了适应可再生能源发电和负荷的随机性，调节功率可控设备的功率，在实现供需平衡的同时优化操作成本。在前的研究中，大多着眼于单个微电网，需要对微电网进行复杂的建模且依赖于对可再生能源发电的精确预测。然而，单个微电网中的设备种类可能并不完善，实现内部平衡的能力有限，对多个微电网以一定的拓扑关系连接构成的互联微电网进行联合经济调度的研究较少。同时，依赖于精确的预测需不仅会浪费大量的算力，而且在实际操作中预测的精度和稳定性难以保证。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种互联微电网能源优化管理的方法和系统，可不需要建立复杂的物理模型，以数据为驱动训练网络，使网络逐步学习以最小成本实现互联微电网供需平衡的最优控制策略，避免了资源的浪费。
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，本发明提供了一种互联微电网能源优化管理的方法，所述方法包括以下步骤：
步骤1：对微电网中的设备进行分类，分为功率不可控设备和功率可控设备；根据微电网的地理位置分布及相互连接的情况，得到互联微电网的拓扑结构，设置一天内进行优化管理的轮次数，初始化网络参数；
步骤2：根据微电网中不同设备的特性，构造一轮互联微电网的能源优化管理的成本函数；
步骤3：根据功率不可控设备的历史数据以及功率可控设备的当前运行状态，表示互联微电网在当前轮次的状态向量；
步骤4：将所述状态向量输入功率控制网络和成本估测网络；所述功率控制网络输出功率控制向量，用于控制互联微电网中功率可控设备的功率；所述成本估测网络输出对当前状态的互联微电网进行多轮优化管理至当天结束时所需累计成本的期望值的估计；
步骤5：根据互联微电网的拓扑结构，对微电网中仍然不平衡的功率在微电网之间进行调度，达到整个互联微电网的功率平衡；
步骤6：本轮优化管理结束时，根据所述成本函数，计算本轮能源优化管理的真实成本，进入下一轮。当一天结束时，根据每轮的真实累计成本与成本估测网络所估计的期望值的差距，更新功率控制网络和成本估测网络的参数。
进一步的，对微电网中的设备进行分类，分为功率不可控设备和功率可控设备；根据微电网的地理位置分布及相互连接的情况，得到互联微电网的拓扑结构，设置一天内进行优化管理的轮次数，初始化网络参数，包括以下步骤：
步骤1-1：系统获取互联微电网中设备的情况并分类，每个微电网中包含的部件包括：光伏发电设备、风力发电设备、柴油发电机、微型燃气轮机、储能设备和负载，分别记为PV，WTG，DEG，MT，ESS，Load；其中，光伏发电设备、风力发电设备为功率不可控发电设备，负载为功率不可控的用电设备，相应地，记功率不可控设备集为U＝{PV，WTG，Load}；柴油发电机、微型燃气轮机为功率可控的发电设备，储能设备为充放电功率可控设备，相应地，记功率可控设备集为Q＝{DEG，MT，ESS}；
步骤1-2：根据微电网的地理位置分布以及相互连接的情况构建互联微电网拓扑图G(V，E)；N个微电网由节点集V＝{1，2，…，N}表示，微电网之间的电力线由边集E＝{(1，2)，…，(a，b)，…}表示；记互联微电网中第i个微电网为MGi；
步骤1-3：将一天[0，24h]分为K个时隙，每个时隙中进行一轮能源的优化管理，时间步长为Δt＝24h/K；第k个时隙为[kΔt，(k+1)Δt]；在第k个时隙的开始时刻kΔt对互联微电网执行控制和调度方案，持续到结束时刻(k+1)Δt；同时，第k个时隙的结束时刻也是第k+1个时隙的开始时刻；
步骤1-4：功率控制网络和收益估测网络的参数θu、θv随机初始化。
进一步的，根据微电网中不同设备的特性，构造一轮互联微电网的能源优化管理的成本函数的方法包括：
第k轮互联微电网能源优化管理的成本函数为
Figure BDA0003616760820000021
式中，下标k为第k轮优化管理，
Figure BDA0003616760820000022
分别为DEG、MT的发电成本，
Figure BDA0003616760820000023
为储能设备的损耗成本，
Figure BDA0003616760820000031
为微电网之间功率传输的损耗成本，
Figure BDA0003616760820000032
为与主电网交易的成本。
进一步的，根据功率不可控设备的历史数据以及功率可控设备的当前运行状态，表示互联微电网在当前轮次的状态向量，包括：
步骤3-1：例如光伏发电等功率不可控设备的功率具有随机性和波动性，使用其在过去七天的真实历史数据的平均值近似表示当天的状态；将互联微电网中功率不可控设备在过去第m天的第k个时隙的真实数据用向量
Figure BDA0003616760820000033
表示，其中，
Figure BDA0003616760820000034
Figure BDA0003616760820000035
分别为MGi在过去的第m天的第k个时隙的光伏发电功率、风力发电功率、负载功率；故，功率不可控设备的在第k个时隙状态可近似表示为：
Figure BDA0003616760820000036
步骤3-2：互联微电网中的储能设备在第k个时隙的初始时刻的荷电状态可用向量表示为
Figure BDA0003616760820000037
其中，
Figure BDA0003616760820000038
SOCi，k为MGi的储能设备在第k个时隙的初始时刻的荷电状态，ηi、Qi分别为充放电系数和电池容量，
Figure BDA0003616760820000039
为MGi的储能设备在第k-1个时隙的充放电功率；
步骤3-3：将互联微电网在第k个时隙的初始时刻的状态向量表示为zk＝[kΔt，ek，sk]。
进一步的，将所述状态向量输入功率控制网络和成本估测网络，包括：
步骤4-1：构建功率控制网络，此网络实现互联微电网的状态向量zk向功率控制向量uk的映射
Figure BDA00036167608200000310
功率控制向量
Figure BDA00036167608200000311
其中
Figure BDA00036167608200000312
为MGi中的功率可控设备q在第k个时隙的功率
Figure BDA00036167608200000313
的标准化值，相应地，
Figure BDA00036167608200000314
分别为
Figure BDA00036167608200000315
在安全范围内所允许的最小和最大功率值。
步骤4-2：系统根据互联微电网的状态zk以及映射关系
Figure BDA00036167608200000316
进行多轮能源优化管理至一天结束的累计成本为
Figure BDA00036167608200000317
ct+k为第k+t轮能源优化管理的成本；由于功率不可控设备功率的随机性和映射关系
Figure BDA00036167608200000318
的不确定性，取基线函数为
Figure BDA00036167608200000319
Figure BDA00036167608200000320
式中
Figure BDA00036167608200000321
为数学期望，该函数为累计成本的期望值，作为衡量一轮控制信号选取的质量的基线，若G(zk)-Vπ(zk)为正值，则说明本次控制效果优于平均值，在最后网络更新时增加此次映射的概率，反之则减少；
步骤4-3：构建成本估测模块，此模块完成互联微电网的状态向量zt向
Figure BDA0003616760820000041
的映射；
Figure BDA0003616760820000042
为步骤4-2中成本函数Vπ(zk)的估测值；成本估测模块的输出层为V(zk)＝Wvf3+bv，将成本估测模块的整体参数记为θv。
进一步的，所述功率控制网络包含4层结构：
第1层为输入层，输入为互联微电网的状态向量zk，记为f1＝zk；
第2、3层为处理层，记为fl＝max(Wlfl-1+bl，0)，Wl、bl分别为第l层的权重矩阵和偏置向量，l＝2，3；
第4层为输出层，输出层分为两部分，且两部分的维度均与控制信号向量uk相同，分别为μt＝tanh(Wμf3+bμ)，σt＝softplus(Wσf3+bσ)，以μt作为均值向量，σt作为标准差向量，可得多维高斯分布
Figure BDA0003616760820000043
控制信号uk可、由
Figure BDA0003616760820000044
抽样得到,sigmoid函数的取值范围在0到1之间，所以控制向量中元素的取值在0到1之间；
以上公式中，tanh双曲正切函数，softplus(x)＝log(1+ex),sigmoid(x)＝1/(1+e-x)；Wl，Wμ，Wσ均为权重矩阵，bl，bμ，bσ均为偏置向量，将功率控制模块的上述参数整体记为θu。
进一步的，根据互联微电网的拓扑结构，对微电网中仍然不平衡的功率在微电网之间进行调度，达到整个互联微电网的功率平衡，包括：
将不平衡的功率在微电网之间进行调度，同时以主电网作为协调，向主电网售卖或购买电量；
若微电网MGi连接到了主电网，则记MGi和主电网之间传输的功率为
Figure BDA0003616760820000045
且
Figure BDA0003616760820000046
若MGi未连接到主电网，则
Figure BDA0003616760820000047
记MGi向MGj(i＜j)传输的功率为
Figure BDA0003616760820000048
Pi→j与Pj→i的关系可表示为：
Figure BDA0003616760820000049
Figure BDA00036167608200000410
其中，
Figure BDA00036167608200000411
为MGi到MGj的传输功率损耗，r(i，j)、V(i，j)为MGi和MGj之间电力线的电阻和电压；
步骤5-2：MGi内仍然存在的不平衡功率可表示为：
Figure BDA00036167608200000412
Figure BDA00036167608200000413
故，优化调度后每个微电网应满足功率平衡：
Figure BDA00036167608200000414
Figure BDA0003616760820000051
上式中∑(i，j)∈EPi→j代表连接到MGi上的所有电力线上功率之和，即表示互联微电网中，MGi和其它微电网交易的功率之和；互联微电网应满足功率平衡：
Figure BDA0003616760820000052
Figure BDA0003616760820000053
故，为了最小化传输调度中的功率损耗，可将互联微电网优化调度问题转化为一个凸优化问题：
Figure BDA0003616760820000054
s.t.(*)(1)(2)
式中，
Figure BDA0003616760820000055
ρbuy、ρsell分别为向主电网购买、出售单位功率的价格，求解后可得
Figure BDA0003616760820000056
和{Pi→j}(i，j)∈E，完成了电力的优化调度。
进一步的，根据每轮的真实累计成本与成本估测网络所估计的期望值的差距，更新功率控制网络和成本估测网络的参数，包括：
计算本轮互联微电网优化管理的成本ck，进入下一轮优化管理；
功率控制模块的损失函数为
Figure BDA0003616760820000057
成本估测模块的损失函数为
Figure BDA0003616760820000058
一天结束时，可得到互联微电网的运行轨迹
Figure BDA0003616760820000059
进而可计算得每一轮的累计成本C(zk)，更新功率控制模块的参数：
Figure BDA00036167608200000510
Figure BDA00036167608200000511
更新成本估测模块的参数：
Figure BDA00036167608200000512
进入下一天的优化管理。
第二方面，本发明提供一种互联微电网能源优化管理系统，所述系统包括：
分类模块：用于对微电网中的设备进行分类，分为功率不可控设备和功率可控设备；根据微电网的地理位置分布及相互连接的情况，得到互联微电网的拓扑结构，设置一天内进行优化管理的轮次数，初始化网络参数；
成本函数模块：用于根据微电网中不同设备的特性，构造一轮互联微电网的能源优化管理的成本函数；
状态向量模块：用于根据功率不可控设备的历史数据以及功率可控设备的当前运行状态，表示互联微电网在当前轮次的状态向量；
功率成本模块：用于将所述状态向量输入功率控制网络和成本估测网络；所述功率控制网络输出功率控制向量，用于控制互联微电网中功率可控设备的功率；所述成本估测网络输出对当前状态的互联微电网进行多轮优化管理至当天结束时所需累计成本的期望值的估计；
调度模块：用于根据互联微电网的拓扑结构，对微电网中仍然不平衡的功率在微电网之间进行调度，达到整个互联微电网的功率平衡；
更新模块：用于本轮优化管理结束时，根据所述成本函数，计算本轮能源优化管理的真实成本，进入下一轮。当一天结束时，根据每轮的真实累计成本与成本估测网络所估计的期望值的差距，更新功率控制网络和成本估测网络的参数。
第三方面，本申请提供一种互联微电网能源优化管理系统，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第一方面所述方法的步骤。
与现有技术相比，本发明所达到的有益效果：
1、本发明提出了一种互联微电网能源优化管理的方法和系统。随着化石燃料的枯竭和环境污染问题的日益严重，例如太阳能、风能等可再生能源的利用受到了广泛的关注，近年来，微电网已经被广泛地采用和部署在现代电力系统中，微电网是指由可再生能源发电设备、储能装置、负荷、电力转换装置、监控和保护装置等组成的小型发配电系统。可再生能源发电虽然具有环境友好、可持续利用的优点，但是其发电功率受制于环境因素，具有波动性和随机性的缺点，加上负荷的不确定性，很容易出现微电网内部供需不平衡的问题，发电量富余时资源将会被白白浪费，同时会对微电网的安全造成威胁，发电量短缺时，负荷的需求难以得到满足，给用户造成不良的体验。
2、实际运行中，初始时，网络参数被随机设定，功率控制网络所输出的控制信号的控制效果并不理想，成本估测网络对于成本的均值的估计也并不准确。通过历史数据对两个网络进行训练，使得网络参数在训练中一步步趋于稳定，功率控制网络逐渐学习到互联微电网的状态到功率控制向量的最优映射，成本估测网络对于累计成本均值的估计也更加准确。且在网络的输入数据中，不需要使用预测数据，克服了传统方法对于预测数据的依赖。
3、在控制信号形成后，根据互联微电网的拓扑结构在微电网之间进行优化调度实现互联微电网的供需平衡，并且在优化调度完成后计算成本函数，成本函数中综合考虑了传输的损耗、储能设备的损耗、发电成本以及和主电网进行交易的成本，相较于每个微电网单独进行能源管理，具有更好的系统稳定性，且进一步降低了实现供需平衡所需的成本。
附图说明
图1是本发明的系统整体结构图。
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。
实施例一：
本实施例提供一种互联微电网能源优化管理的方法和系统。该方法包括五个步骤：
第一步，将微电网中的设备分为功率可控设备和功率不可控设备，构造一轮互联微电网的能源优化管理的成本函数，系统初始化，设置参数。
第二步，根据功率可控设备的状态，结合功率不可控设备的历史数据，表示互联微电网的状态向量。
第三步，将互联微电网的状态向量输入功率控制网络和成本估测网络。功率控制网络输出功率控制向量，用于控制互联微电网中功率可控设备的功率；成本估测网络输出对当前状态的互联微电网进行多轮优化管理至一天结束时所需累计成本的期望值的估计。
第四步，根据互联微电网的拓扑结构，对微电网中仍然不平衡的功率进行调度，达到整个互联微电网的功率平衡，进入下一轮优化管理。
第五步，在一天结束时，根据每轮能源优化管理的真实累计成本与成本估测网络所估计的期望值的差距，更新功率控制网络和成本估测网络的参数，进入下一天的优化管理。
在一轮互联微电网能源优化管理中，系统管理者获取每个微电网的状态向量zk，使用功率控制向量uk调整功率可控设备的功率，以
Figure BDA0003616760820000071
确定每个微电网与主电网交易的功率，然后以{Pi→j}(i，j)∈E确定微电网之间传输的功率，实现互联微电网的供需平衡。一天结束时，根据每轮优化管理的真实累计成本与成本估计网络所估计的期望值的差距，更新网络参数，使功率控制网络学习最优映射，以最小化成本实现互联微电网供需平衡为目标，调控各种功率可控设备的功率。具体的运作流程如下：
步骤1：对微电网中的设备进行分类，分为功率不可控设备和功率可控设备。获取互联微电网的拓扑结构，设置一天内进行优化管理的轮次数，初始化网络参数。
步骤1-1：系统获取互联微电网中设备的情况并分类，不失一般性，假设每个微电网中可能包含的部件包括：光伏发电设备、风力发电设备、柴油发电机、微型燃气轮机、储能设备和负载，分别记为PV，WTG，DEG，MT，ESS，Load。其中，光伏发电设备、风力发电设备为功率不可控发电设备，负载为功率不可控的用电设备，相应地，记功率不可控设备集为U＝{PV，WTG，Load}；柴油发电机、微型燃气轮机为功率可控的发电设备，储能设备为充放电功率可控设备，相应地，记功率可控设备集为Q＝{DEG，MT，ESS}。
步骤1-2：根据微电网的地理位置分布以及相互连接的情况构建互联微电网拓扑图G(V，E)。N个微电网由节点集V＝{1，2，…，N}表示，微电网之间的电力线由边集E＝{(1，2)，…，(a，b)，…}表示。记互联微电网中第i个微电网为MGi。
步骤1-3：将一天[0，24h]分为K个时隙，每个时隙中进行一轮能源的优化管理，时间步长为Δt＝24h/K。例如，第k个时隙为[kΔt，(k+1)Δt]。在第k个时隙的开始时刻kΔt对互联微电网执行控制和调度方案，持续到结束时刻(k+1)Δt。同时，第k个时隙的结束时刻也是第k+1个时隙的开始时刻。
在步骤1-3中，将一天分为了k个时隙，每个时隙进行了一轮优化管理，举个例子，我们分为了24个时隙，那么每个时隙就是1个小时，每小时进行一轮优化管理，进入下一轮优化管理是指进入了下一个小时的优化管理，第5步是在一天结束时才更新网络参数，也就是说24轮优化管理结束，才更新网络参数。
步骤1-4：功率控制模块和收益估测模块的参数θu、θv随机初始化。
步骤2：构造一轮互联微电网的能源优化管理的成本函数。一天中第k轮互联微电网能源优化管理的成本函数为
Figure BDA0003616760820000081
式中，下标k为第k轮优化管理，
Figure BDA0003616760820000082
分别为DEG、MT的发电成本，
Figure BDA0003616760820000083
为储能设备的损耗成本，
Figure BDA0003616760820000084
为微电网之间功率传输的损耗成本，
Figure BDA0003616760820000085
为与主电网交易的成本。
整个系统的目标是实现互联微电网的功率平衡，同时最小化所需的成本，在步骤4中，功率控制网络输出的控制信号不同，则一轮优化管理的成本也是不同的，所以其实就是在训练步骤4中的两个网络，希望功率控制网络输出的控制信号是最优的(也就是希望根据这个信号去调控，一轮优化管理结束后所需的成本最小)；同时也希望成本估测网络对于每轮优化管理平均成本的估计是准确的。
于是这两个网络是需要联合训练的，在步骤6中，根据实际成本与估计的平均成本的差距，若此次控制产生的成本低于平均成本。，则调整网络参数，使功率控制网络更多的输出类似于这次调控的、能使调控后成本更低的控制信号。
步骤3：根据功率不可控设备在过去七天的历史数据，结合功率可控设备的运行状态，表示互联微电网的状态向量。
步骤3-1：例如光伏发电等功率不可控设备的功率具有随机性和波动性，使用其在过去七天的真实历史数据的平均值近似表示当天的状态。将互联微电网中功率不可控设备在过去第m天的第k个时隙的真实数据用向量
Figure BDA0003616760820000086
表示，其中，
Figure BDA0003616760820000087
Figure BDA0003616760820000088
分别为MGi在过去的第m天的第k个时隙的光伏发电功率、风力发电功率、负载功率。故，功率不可控设备的在第k个时隙状态可近似表示为：
Figure BDA0003616760820000089
步骤3-2：互联微电网中的储能设备在第k个时隙的初始时刻的荷电状态可用向量表示为
Figure BDA0003616760820000091
其中，
Figure BDA0003616760820000092
SOCi，k为MGi的储能设备在第k个时隙的初始时刻的荷电状态，ηi、Qi分别为充放电系数和电池容量，
Figure BDA0003616760820000093
为MGi的储能设备在第k-1个时隙的充放电功率。
步骤3-3：将互联微电网在第k个时隙的初始时刻的状态向量表示为zk＝[kΔt，ek，sk]。
步骤4：将互联微电网的状态向量输入功率控制网络和成本估测网络。功率控制网络输出功率控制向量，用于控制互联微电网中功率可控设备的功率；成本估测网络输出对当前状态的互联微电网进行多轮优化管理至当天结束时所需累计成本的期望值的估计。
步骤4-1：构建功率控制网络，此网络实现互联微电网的状态向量zk向功率控制向量uk的映射
Figure BDA0003616760820000094
功率控制向量
Figure BDA0003616760820000095
其中
Figure BDA0003616760820000096
为MGi中的功率可控设备q在第k个时隙的功率
Figure BDA0003616760820000097
的标准化值，相应地，
Figure BDA0003616760820000098
分别为
Figure BDA0003616760820000099
在安全范围内所允许的最小和最大功率值。具体的，功率控制网络包含多层结构，微电网的复杂程度越高则层数越多，不失一般性，取该网络包含4层结构：第1层为输入层，输入为互联微电网的状态向量zk，记为f1＝zk；第2、3层为处理层，记为fl＝max(Wlfl-1+bl，0)，Wl、bl分别为第l层的权重矩阵和偏置向量，l＝2，3；第4层为输出层，输出层分为两部分，且两部分的维度均与控制信号向量uk相同，分别为μt＝tanh(Wμf3+bμ)，σt＝softplus(Wσf3+bσ)，以μt作为均值向量，σt作为标准差向量，可得多维高斯分布
Figure BDA00036167608200000910
控制信号uk可由
Figure BDA00036167608200000911
抽样得到,sigmoid函数的取值范围在0到1之间，所以控制向量中元素的取值在0到1之间，由此保证了不会产生超过安全限制的控制信号。以上公式中，tanh双曲正切函数，softplis(x)＝log(1+ex),sigmoid(x)＝1/(1+e-x)。Wl，Wμ，Wσ均为权重矩阵，bl，bμ，bσ均为偏置向量，将功率控制模块的上述参数整体记为θu。
步骤4-2：系统根据互联微电网的状态zk以及步骤4-1中的映射关系
Figure BDA00036167608200000912
进行多轮能源优化管理至一天结束的累计成本为
Figure BDA00036167608200000913
ct+k为第k+t轮能源优化管理的成本。由于功率不可控设备功率的随机性和映射关系
Figure BDA00036167608200000914
的不确定性，取基线函数为
Figure BDA00036167608200000915
式中
Figure BDA00036167608200000916
为数学期望，该函数为累计成本的期望值，作为衡量一轮控制信号选取的质量的基线，若C(zk)-Vπ(zk)为正值，则说明本次控制效果优于平均值，在最后网络更新时增加此次映射的概率，反之则减少。
步骤4-3：构建成本估测模块，此模块完成互联微电网的状态向量zt向
Figure BDA0003616760820000101
的映射。
Figure BDA0003616760820000102
为步骤4-2中成本函数Vπ(zk)的估测值。此模块与功率控制模块的结构类似，区别在于输出层为V(zk)＝Wvf3+bv，将成本估测模块的整体参数记为θv。
步骤5：根据互联微电网的拓扑结构，对微电网中仍然不平衡的功率在微电网之间进行调度，达到整个互联微电网的功率平衡。
步骤5-1：经过上述步骤后，互联微电网中可控设备在第k个时隙中以
Figure BDA0003616760820000103
状态进行运行。但单个微电网内仍可能存在不平衡的功率，如过剩的发电功率或短缺的负载用电功率。系统将不平衡的功率在微电网之间进行调度，同时以主电网作为协调，可向主电网售卖或购买电量。若MGi连接到了主电网，则记MGi和主电网之间传输的功率为
Figure BDA0003616760820000104
且
Figure BDA0003616760820000105
若MGi未连接到主电网，则
Figure BDA0003616760820000106
记MGi向MGj(i＜j)传输的功率为
Figure BDA0003616760820000107
Pi→j与Pj→i的关系可表示为：
Figure BDA0003616760820000108
Figure BDA0003616760820000109
其中，
Figure BDA00036167608200001010
为MGi到MGj的传输功率损耗，r(i，j)、V(i，j)为MGi和MGj之间电力线的电阻和电压。
步骤5-2：MGi内仍然存在的不平衡功率可表示为：
Figure BDA00036167608200001011
Figure BDA00036167608200001012
故，优化调度后每个微电网应满足功率平衡：
Figure BDA00036167608200001013
Figure BDA00036167608200001014
上式中∑(i，j)∈EPi→j代表连接到MGi上的所有电力线上功率之和，即表示互联微电网中，MGi和其它微电网交易的功率之和。互联微电网应满足功率平衡：
Figure BDA00036167608200001015
Figure BDA00036167608200001017
故，为了最小化传输调度中的功率损耗，可将互联微电网优化调度问题转化为一个凸优化问题：
Figure BDA00036167608200001016
s.t.(*)(1)(2)
式中，
Figure BDA0003616760820000111
ρbuy、ρsell分别为向主电网购买、出售单位功率的价格，求解后可得
Figure BDA0003616760820000112
和{Pi→j}(i，j)∈E，完成了电力的优化调度。s.t.(*)(1)(2)代表min优化式的约束条件为(*)(1)(2)式，(*)(1)(2)式已在步骤5-1和5-2中标注。
步骤6：一天结束时，根据每轮能源优化管理的真实累计成本与成本估测网络所估计的期望值的差距，更新功率控制网络和成本估测网络的参数。
计算本轮互联微电网优化管理的成本ck，进入下一轮优化管理。功率控制模块的损失函数为
Figure BDA0003616760820000113
成本估测模块的损失函数为
Figure BDA0003616760820000114
一天结束时，可得到互联微电网的运行轨迹
Figure BDA0003616760820000115
Figure BDA0003616760820000116
进而可计算得每一轮的累计成本C(zk)，更新功率控制模块的参数：
Figure BDA0003616760820000117
Figure BDA0003616760820000118
更新成本估测模块的参数：
Figure BDA0003616760820000119
Figure BDA00036167608200001110
进入下一天的优化管理。
步骤7：进入下一轮优化管理，重复步骤3-步骤6。
本发明的方法其实这是一个在线的序贯决策的过程，互联微电网只要在运行，就是一直在循环的。比如本方法每小时进行优化管理一次，当前轮次是12点—13点，当前轮次结束了，本方法就进入了下一轮，也就是13—14点。
本发明提出了一种互联微电网能源优化管理的方法和系统。随着化石燃料的枯竭和环境污染问题的日益严重，例如太阳能、风能等可再生能源的利用受到了广泛的关注，近年来，微电网已经被广泛地采用和部署在现代电力系统中，微电网是指由可再生能源发电设备、储能装置、负荷、电力转换装置、监控和保护装置等组成的小型发配电系统。可再生能源发电虽然具有环境友好、可持续利用的优点，但是其发电功率受制于环境因素，具有波动性和随机性的缺点，加上负荷的不确定性，很容易出现微电网内部供需不平衡的问题，发电量富余时资源将会被白白浪费，同时会对微电网的安全造成威胁，发电量短缺时，负荷的需求难以得到满足，给用户造成不良的体验。
微电网能源管理就是为了适应可再生能源发电和负荷的随机性，调节功率可控设备的功率，在实现供需平衡的同时优化操作成本。在前的研究中，大多着眼于单个微电网，需要对微电网进行复杂的建模且依赖于对可再生能源发电的精确预测。然而，单个微电网中的设备种类可能并不完善，实现内部平衡的能力有限，对多个微电网以一定的拓扑关系连接构成的互联微电网进行联合经济调度的研究较少。同时，依赖于精确的预测需不仅会浪费大量的算力，而且在实际操作中预测的精度和稳定性难以保证。
实际运行中，初始时，网络参数被随机设定，功率控制网络所输出的控制信号的控制效果并不理想，成本估测网络对于成本的均值的估计也并不准确。通过历史数据对两个网络进行训练，使得网络参数在训练中一步步趋于稳定，功率控制网络逐渐学习到互联微电网的状态到功率控制向量的最优映射，成本估测网络对于累计成本均值的估计也更加准确。且在网络的输入数据中，不需要使用预测数据，克服了传统方法对于预测数据的依赖。
在控制信号形成后，根据互联微电网的拓扑结构在微电网之间进行优化调度实现互联微电网的供需平衡，并且在优化调度完成后计算成本函数，成本函数中综合考虑了传输的损耗、储能设备的损耗、发电成本以及和主电网进行交易的成本，相较于每个微电网单独进行能源管理，具有更好的系统稳定性，且进一步降低了实现供需平衡所需的成本。
实施例二：
本实施例提供一种互联微电网能源优化管理系统，所述系统包括：
分类模块：用于对微电网中的设备进行分类，分为功率不可控设备和功率可控设备；获取互联微电网的拓扑结构，设置一天内进行优化管理的轮次数，初始化网络参数；
成本函数模块：用于构造一轮互联微电网的能源优化管理的成本函数；
状态向量模块：用于根据功率不可控设备在过去七天的历史数据，结合功率可控设备的运行状态，表示互联微电网的状态向量；
功率成本模块：用于将互联微电网的状态向量输入功率控制网络和成本估测网络；所述功率控制网络输出功率控制向量，用于控制互联微电网中功率可控设备的功率；所述成本估测网络输出对当前状态的互联微电网进行多轮优化管理至当天结束时所需累计成本的期望值的估计；
调度模块：用于根据互联微电网的拓扑结构，对微电网中仍然不平衡的功率在微电网之间进行调度，达到整个互联微电网的功率平衡；
更新模块：用于计算本轮能源优化管理的真实成本，进入下一轮；一天结束时，根据每轮的真实累计成本与成本估测网络所估计的期望值的差距，更新功率控制网络和成本估测网络的参数。
本实施例的系统可用于实现实施例一所述的方法。
实施例三：
本实施例提供一种互联微电网能源优化管理系统，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实施例一所述方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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。
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)

1.一种互联微电网能源优化管理方法，其特征在于，所述方法包括如下步骤：
对微电网中的设备进行分类，分为功率不可控设备和功率可控设备；根据微电网的地理位置分布及相互连接的情况，得到互联微电网的拓扑结构，设置一天内进行优化管理的轮次数，初始化网络参数；
根据微电网中不同设备的特性，构造一轮互联微电网的能源优化管理的成本函数；
根据功率不可控设备的历史数据以及功率可控设备的当前运行状态，表示互联微电网在当前轮次的状态向量；
将所述状态向量输入功率控制网络和成本估测网络；所述功率控制网络输出功率控制向量，用于控制互联微电网中功率可控设备的功率；所述成本估测网络输出对当前状态的互联微电网进行多轮优化管理至当天结束时所需累计成本的期望值的估计；
根据互联微电网的拓扑结构，对微电网中仍然不平衡的功率在微电网之间进行调度，达到整个互联微电网的功率平衡；
本轮优化管理结束时，根据所述成本函数，计算本轮能源优化管理的真实成本，进入下一轮。当一天结束时，根据每轮的真实累计成本与成本估测网络所估计的期望值的差距，更新功率控制网络和成本估测网络的参数。
2.根据权利要求1所述的一种互联微电网能源优化管理方法，其特征在于，对微电网中的设备进行分类，分为功率不可控设备和功率可控设备；根据微电网的地理位置分布及相互连接的情况，得到互联微电网的拓扑结构，设置一天内进行优化管理的轮次数，初始化网络参数，包括以下步骤：
系统获取互联微电网中设备的情况并分类，每个微电网中包含的部件包括：光伏发电设备、风力发电设备、柴油发电机、微型燃气轮机、储能设备和负载，分别记为PV，WTG，DEG，MT，ESS，Load；其中，光伏发电设备、风力发电设备为功率不可控发电设备，负载为功率不可控的用电设备，相应地，记功率不可控设备集为U＝{PV，WTG，Load}；柴油发电机、微型燃气轮机为功率可控的发电设备，储能设备为充放电功率可控设备，相应地，记功率可控设备集为Q＝{DEG，MT，ESS}；
根据微电网的地理位置分布以及相互连接的情况构建互联微电网拓扑图G(V，E)；N个微电网由节点集V＝{1，2，…，N}表示，微电网之间的电力线由边集E＝{(1，2)，…，(a，b)，…}表示；记互联微电网中第i个微电网为MGi；
将一天[0，24h]分为K个时隙，每个时隙中进行一轮能源的优化管理，时间步长为Δt＝24h/K；第k个时隙为[kΔt，(k+1)Δt]；在第k个时隙的开始时刻kΔt对互联微电网执行控制和调度方案，持续到结束时刻(k+1)Δt；同时，第k个时隙的结束时刻也是第k+1个时隙的开始时刻；
功率控制网络和收益估测网络的参数θu、θv随机初始化。
3.根据权利要求1所述的一种互联微电网能源优化管理方法，其特征在于，根据微电网中不同设备的特性，构造一轮互联微电网的能源优化管理的成本函数的方法包括：
第k轮互联微电网能源优化管理的成本函数为
Figure FDA0003616760810000021
式中，下标k为第k轮优化管理，
Figure FDA0003616760810000022
分别为DEG、MT的发电成本，
Figure FDA0003616760810000023
为储能设备的损耗成本，
Figure FDA0003616760810000024
为微电网之间功率传输的损耗成本，
Figure FDA0003616760810000025
为与主电网交易的成本。
4.根据权利要求1所述的一种互联微电网能源优化管理方法，其特征在于，根据功率不可控设备的历史数据以及功率可控设备的当前运行状态，表示互联微电网在当前轮次的状态向量，包括：
例如光伏发电等功率不可控设备的功率具有随机性和波动性，使用其在过去七天的真实历史数据的平均值近似表示当天的状态；将互联微电网中功率不可控设备在过去第m天的第k个时隙的真实数据用向量
Figure FDA0003616760810000026
表示，其中，
Figure FDA0003616760810000027
分别为MGi在过去的第m天的第k个时隙的光伏发电功率、风力发电功率、负载功率；故，功率不可控设备的在第k个时隙状态可近似表示为：
Figure FDA0003616760810000028
互联微电网中的储能设备在第k个时隙的初始时刻的荷电状态可用向量表示为
Figure FDA0003616760810000029
Figure FDA00036167608100000210
其中，
Figure FDA00036167608100000211
SOCi，k为MGi的储能设备在第k个时隙的初始时刻的荷电状态，ηi、Qi分别为充放电系数和电池容量，
Figure FDA00036167608100000212
为MGi的储能设备在第k-1个时隙的充放电功率；
将互联微电网在第k个时隙的初始时刻的状态向量表示为zk＝[kΔt，ek，sk]。
5.根据权利要求1所述的一种互联微电网能源优化管理方法，其特征在于，将所述状态向量输入功率控制网络和成本估测网络，包括：
构建功率控制网络，此网络实现互联微电网的状态向量zk向功率控制向量uk的映射
Figure FDA00036167608100000213
功率控制向量
Figure FDA0003616760810000031
其中
Figure FDA0003616760810000032
为MGi中的功率可控设备q在第k个时隙的功率
Figure FDA0003616760810000033
的标准化值，相应地，
Figure FDA0003616760810000034
分别为
Figure FDA0003616760810000035
在安全范围内所允许的最小和最大功率值。
系统根据互联微电网的状态zk以及映射关系
Figure FDA0003616760810000036
进行多轮能源优化管理至一天结束的累计成本为
Figure FDA0003616760810000037
ct+k为第k+t轮能源优化管理的成本；由于功率不可控设备功率的随机性和映射关系
Figure FDA0003616760810000038
的不确定性，取基线函数为
Figure FDA0003616760810000039
式中
Figure FDA00036167608100000310
为数学期望，该函数为累计成本的期望值，作为衡量一轮控制信号选取的质量的基线，若C(zk)-Vπ(zk)为正值，则说明本次控制效果优于平均值，在最后网络更新时增加此次映射的概率，反之则减少；
构建成本估测模块，此模块完成互联微电网的状态向量zt向
Figure FDA00036167608100000311
的映射；
Figure FDA00036167608100000312
为步骤4-2中成本函数Vπ(zk)的估测值；成本估测模块的输出层为V(zk)＝Wvf3+bv，将成本估测模块的整体参数记为θv。
6.根据权利要求5所述的一种互联微电网能源优化管理方法，其特征在于，所述功率控制网络包含4层结构：
第1层为输入层，输入为互联微电网的状态向量zk，记为f1＝zk；
第2、3层为处理层，记为fl＝max(Wlfl-1+bl，0)，Wl、bl分别为第l层的权重矩阵和偏置向量，l＝2，3；
第4层为输出层，输出层分为两部分，且两部分的维度均与控制信号向量uk相同，分别为μt＝tanh(Wμf3+bμ)，σt＝softplus(Wσf3+bσ)，以μt作为均值向量，σt作为标准差向量，可得多维高斯分布
Figure FDA00036167608100000313
控制信号uk可、由
Figure FDA00036167608100000314
抽样得到，sigmoid函数的取值范围在0到1之间，所以控制向量中元素的取值在0到1之间；
以上公式中，tanh双曲正切函数，softplus(x)＝log(1+ex)，sigmoid(x)＝1/(1+e-x)；Wl，Wμ，Wσ均为权重矩阵，bl，bμ，bσ均为偏置向量，将功率控制模块的上述参数整体记为θu。
7.根据权利要求1所述的一种互联微电网能源优化管理方法，其特征在于，根据互联微电网的拓扑结构，对微电网中仍然不平衡的功率在微电网之间进行调度，达到整个互联微电网的功率平衡，包括：
将不平衡的功率在微电网之间进行调度，同时以主电网作为协调，向主电网售卖或购买电量；
若微电网MGi连接到了主电网，则记MGi和主电网之间传输的功率为
Figure FDA0003616760810000041
且
Figure FDA0003616760810000042
若MGi未连接到主电网，则
Figure FDA0003616760810000043
记MGi向MGj(i＜j)传输的功率为
Figure FDA0003616760810000044
Pi→j与Pj→i的关系可表示为：
Figure FDA0003616760810000045
Figure FDA0003616760810000046
其中，
Figure FDA0003616760810000047
为MGi到MGj的传输功率损耗，r(i，j)、V(i，j)为MGi和MGj之间电力线的电阻和电压；
MGi内仍然存在的不平衡功率可表示为：
Figure FDA0003616760810000048
故，优化调度后每个微电网应满足功率平衡：
Figure FDA0003616760810000049
上式中∑(i，j)∈EPi→j代表连接到MGi上的所有电力线上功率之和，即表示互联微电网中，MGi和其它微电网交易的功率之和；互联微电网应满足功率平衡：
Figure FDA00036167608100000410
Figure FDA00036167608100000411
故，为了最小化传输调度中的功率损耗，可将互联微电网优化调度问题转化为一个凸优化问题：
Figure FDA00036167608100000412
s.t.(*)(1)(2)
式中，
Figure FDA00036167608100000413
ρbuy、ρsell分别为向主电网购买、出售单位功率的价格，求解后可得
Figure FDA00036167608100000414
和
Figure FDA00036167608100000415
完成了电力的优化调度。
8.根据权利要求1所述的一种互联微电网能源优化管理方法，其特征在于，根据每轮的真实累计成本与成本估测网络所估计的期望值的差距，更新功率控制网络和成本估测网络的参数，包括：
计算本轮互联微电网优化管理的成本ck，进入下一轮优化管理；
功率控制模块的损失函数为
Figure FDA00036167608100000416
成本估测模块的损失函数为
Figure FDA0003616760810000051
一天结束时，可得到互联微电网的运行轨迹
Figure FDA0003616760810000052
进而可计算得每一轮的累计成本C(zk)，更新功率控制模块的参数：
Figure FDA0003616760810000053
Figure FDA0003616760810000054
更新成本估测模块的参数：
Figure FDA0003616760810000055
进入下一天的优化管理。
9.一种互联微电网能源优化管理系统，其特征在于，所述系统包括：
分类模块：用于对微电网中的设备进行分类，分为功率不可控设备和功率可控设备；根据微电网的地理位置分布及相互连接的情况，得到互联微电网的拓扑结构，设置一天内进行优化管理的轮次数，初始化网络参数；
成本函数模块：用于根据微电网中不同设备的特性，构造一轮互联微电网的能源优化管理的成本函数；
状态向量模块：用于根据功率不可控设备的历史数据以及功率可控设备的当前运行状态，表示互联微电网在当前轮次的状态向量；
功率成本模块：用于将所述状态向量输入功率控制网络和成本估测网络；所述功率控制网络输出功率控制向量，用于控制互联微电网中功率可控设备的功率；所述成本估测网络输出对当前状态的互联微电网进行多轮优化管理至当天结束时所需累计成本的期望值的估计；
调度模块：用于根据互联微电网的拓扑结构，对微电网中仍然不平衡的功率在微电网之间进行调度，达到整个互联微电网的功率平衡；
更新模块：用于本轮优化管理结束时，根据所述成本函数，计算本轮能源优化管理的真实成本，进入下一轮。当一天结束时，根据每轮的真实累计成本与成本估测网络所估计的期望值的差距，更新功率控制网络和成本估测网络的参数。
10.一种互联微电网能源优化管理系统，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权利要求1-8任一项所述方法的步骤。
CN202210445729.4A 2022-04-26 2022-04-26 一种互联微电网能源优化管理的方法和系统 Pending CN114792974A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210445729.4A CN114792974A (zh) 2022-04-26 2022-04-26 一种互联微电网能源优化管理的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210445729.4A CN114792974A (zh) 2022-04-26 2022-04-26 一种互联微电网能源优化管理的方法和系统

Publications (1)

Publication Number Publication Date
CN114792974A true CN114792974A (zh) 2022-07-26

Family

ID=82461812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210445729.4A Pending CN114792974A (zh) 2022-04-26 2022-04-26 一种互联微电网能源优化管理的方法和系统

Country Status (1)

Country Link
CN (1) CN114792974A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455422A (zh) * 2023-12-26 2024-01-26 山东赛马力发电设备有限公司 一种基于微电网的热能管理系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455422A (zh) * 2023-12-26 2024-01-26 山东赛马力发电设备有限公司 一种基于微电网的热能管理系统
CN117455422B (zh) * 2023-12-26 2024-03-08 山东赛马力发电设备有限公司 一种基于微电网的热能管理系统

Similar Documents

Publication Publication Date Title
CN110119886B (zh) 一种主动配网动态规划方法
CN109713732B (zh) 一种多微电网和配电网协调优化调度的方法
Patrinos et al. Stochastic MPC for real-time market-based optimal power dispatch
CN109190882B (zh) 电力市场环境下基于云储能的微网经济优化交易方法
CN109713673B (zh) 售电环境下并网型微电网系统配置及优化运行的方法
CN106953316B (zh) 微电网变时间尺度优化调度方法
CN112381263B (zh) 基于区块链分布式数据存储多微网日前鲁棒电能交易方法
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
CN110232583B (zh) 一种考虑碳排放权的电力市场边际价格规划方法
CN114970986A (zh) 一种基于纳什均衡的分布式电源及储能的协同规划方法
CN113675890A (zh) 基于td3的新能源微电网优化方法
CN112508325A (zh) 一种家庭微电网多时间尺度电能调度方法
CN115204562B (zh) 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统
CN115545291A (zh) 基于主从博弈的集中式共享储能容量配置和定价方法
CN114792974A (zh) 一种互联微电网能源优化管理的方法和系统
CN110070210B (zh) 一种多微电网系统能量管理与贡献度评估方法和系统
CN113554219B (zh) 一种可再生能源发电站共享储能容量规划方法及装置
CN115689375A (zh) 虚拟电厂运行控制方法、装置、设备及介质
CN114977160A (zh) 微网群优化运行策略生成方法、系统、设备及存储介质
CN115146870A (zh) 一种孤立海岛日内供电计划生成方法、系统、设备和介质
CN113255957A (zh) 综合服务站不确定因素的定量优化分析方法及系统
Yao et al. Performance optimization and evaluation of V2G in regulated and deregulated microgrid
Lyu et al. An Hour-ahead Cooperation Model of Virtual Power Plants Considering Uncertainties of Wind/Photovoltaic Power
CN116451880B (zh) 一种基于混合学习的分布式能源优化调度方法及装置

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