CN114865673A - 一种微电网荷储协同优化方法、装置、设备及存储介质 - Google Patents

一种微电网荷储协同优化方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114865673A
CN114865673A CN202210608892.8A CN202210608892A CN114865673A CN 114865673 A CN114865673 A CN 114865673A CN 202210608892 A CN202210608892 A CN 202210608892A CN 114865673 A CN114865673 A CN 114865673A
Authority
CN
China
Prior art keywords
microgrid
loads
optimization
load
demand response
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
Application number
CN202210608892.8A
Other languages
English (en)
Other versions
CN114865673B (zh
Inventor
皮志勇
魏业文
刘红云
王灿
周卓
李振兴
罗伟
张月钧
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.)
Jiangxi Dbk Corp Co ltd
China Three Gorges University CTGU
Jingmen Power Supply Co of State Grid Hubei Electric Power Co Ltd
Original Assignee
Jiangxi Dbk Corp Co ltd
China Three Gorges University CTGU
Jingmen Power Supply Co of State Grid Hubei Electric Power 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 Jiangxi Dbk Corp Co ltd, China Three Gorges University CTGU, Jingmen Power Supply Co of State Grid Hubei Electric Power Co Ltd filed Critical Jiangxi Dbk Corp Co ltd
Priority to CN202210608892.8A priority Critical patent/CN114865673B/zh
Publication of CN114865673A publication Critical patent/CN114865673A/zh
Application granted granted Critical
Publication of CN114865673B publication Critical patent/CN114865673B/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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Public Health (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)

Abstract

本发明公开了一种微电网荷储协同优化方法、装置、设备及存储介质，方法包括：获取微电网中的分布式电源参数，建立微电网系统运行成本优化函数；根据用电习惯对微电网内的负荷进行分类，并根据分类后的负荷参与需求响应，结合所述微电网系统运行成本优化函数建立得到基于用电成本和舒适度的微电网优化模型；利用降半Γ形隶属度函数将多目标优化问题转化为单目标问题后，采用GOJaya算法求解所述微电网优化模型。本发明能在兼顾灵活性负荷用电舒适的前提下降低微电网运行成本，在微电网系统源网荷储协同优化运行中有很好的适用性，而且GOJaya算法还能解决Jaya算法前期搜索速度慢及后期搜索精度差的问题。

Description

一种微电网荷储协同优化方法、装置、设备及存储介质
技术领域
本发明涉及合规分析方法，尤其涉及一种微电网荷储协同优化方法、装置、设备及存储介质。
背景技术
微电网作为一种集“分布式电源-负荷-储能”于一体的小型电力系统，为社会能源转型提供了一种有效的解决方案。根据负荷用电决策有限理性的特点，负荷需求响应时除了考虑自身用电成本，其用电舒适度也是需要考虑的重要因素。微电网系统在处理多目标优化问题时，由于优化模型具有变量多、复杂度高、求解难度大的特点，因此很难得到微电网系统最优运行状态。所以如何选择合适的求解方法，以协调微电网系统运行成本以及负荷用电舒适度之间的关系，是微电网需要解决的一个重要问题。
发明内容
本发明的主要目的在于提供一种微电网荷储协同优化方法、装置、设备及存储介质，旨在解决协调微电网系统运行成本以及负荷用电舒适度的技术问题。
为实现上述目的，本申请实施例第一方面提供了一种微电网荷储协同优化方法，所述微电网荷储协同优化方法包括以下步骤：
获取微电网中的分布式电源参数，建立微电网系统运行成本优化函数；
根据用电习惯对微电网内的负荷进行分类，并根据分类后的负荷参与需求响应，结合所述微电网系统运行成本优化函数建立得到基于用电成本和舒适度的微电网优化模型；
利用降半Γ形隶属度函数将多目标优化问题转化为单目标问题后，采用GOJaya算法求解所述微电网优化模型。
在第一方面的一种实施方式中，所述的根据用电习惯对负荷进行分类，具体为：
根据用电习惯将微电网系统内的负荷分为：重要负荷、可平移负荷、可转移负荷和可削减负荷。
其中，可平移负荷、可转移负荷和可削减负荷用于参与需求响应。
在第一方面的一种实施方式中，所述的微电网优化模型具体为：
f2＝(S1+S2)/2；
Figure BDA0003672441380000021
Figure BDA0003672441380000022
其中，S1表示用电移动电量比，S2表示用电移动跨度时间比，q0(t)为灵活性负荷响应前用电量；q(t)为灵活性负荷实际用电量；P0,n(t)为灵活性负荷n需求响应前功率；Pn(t)为灵活性负荷n需求响应后功率；T0为需求响应前时间；Te为需求响应后时间；N为参与需求响应负荷的总个数；f2为微电网优化模型。
在第一方面的一种实施方式中，所述的采用GOJaya算法求解所述微电网优化模型，具体包括：
A、初始化种群参数，计算种群中个体的适应度，选出最优和最差候选解。
B、更新种群的候选解，选取三个适应度最高的个体，记录其所处种群位置。
C、对三个适应度最高的个体进行单纯形变换，更新候选解。
D、判断候选解是否优于当前解，若优于当前解，则更新当前最优解，否则保持当前最优解；
E、重复步骤B至步骤D直至满足终止条件，输出最优解。
在第一方面的一种实施方式中，所述候选解的公式为：
X′j,k,i＝ωiXj,k,i+[r1,k,i(Xj,best,i-|Xj,k,i|)-r2,k,i(Xj,worst,i-|Xj,k,i|)]；
Figure BDA0003672441380000031
其中，Xj,k,i为第i次迭代中变量值；Xj,best,i、Xj,worst,i为第i次迭代中最优解和最差解；ωi为第i次迭代权重因子；ωmax、ωmin分别为权重因子的最大、最小值，取ω＝max、ωmin；imax为停止迭代的次数。
本申请实施例第二方面提供了一种微电网荷储协同优化装置，所述微电网荷储协同优化装置包括：
获取单元，用于获取微电网中的分布式电源参数，建立微电网系统运行成本优化函数；
分类单元，用于根据用电习惯对微电网内的负荷进行分类，并根据分类后的负荷参与需求响应，结合所述微电网系统运行成本优化函数建立得到基于用电成本和舒适度的微电网优化模型；
求解单元，用于利用降半Γ形隶属度函数将多目标优化问题转化为单目标问题后，采用GOJaya算法求解所述微电网优化模型。
在第二方面的一种实施方式中，所述的根据用电习惯对负荷进行分类，具体为：
根据用电习惯将微电网系统内的负荷分为：重要负荷、可平移负荷、可转移负荷和可削减负荷。
其中，可平移负荷、可转移负荷和可削减负荷用于参与需求响应。
在第二方面的一种实施方式中，所述的微电网优化模型具体为：
f2＝(S1+S2)/2；
Figure BDA0003672441380000041
Figure BDA0003672441380000042
其中，S1表示用电移动电量比，S2表示用电移动跨度时间比，q0(t)为灵活性负荷响应前用电量；q(t)为灵活性负荷实际用电量；P0,n(t)为灵活性负荷n需求响应前功率；Pn(t)为灵活性负荷n需求响应后功率；T0为需求响应前时间；Te为需求响应后时间；N为参与需求响应负荷的总个数；f2为微电网优化模型。
本申请实施例第三方面提供了一种电子设备，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：所述计算机程序被所述处理器执行时实现如第一方面所述的微电网荷储协同优化方法的步骤。
本申请实施例第四方面提供了一种计算机存储介质，所述计算机存储介质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如第一方面所述的微电网荷储协同优化方法的步骤。
本发明的上述方案至少包括以下有益效果是：
本发明通过建立基于负荷用电成本和用电舒适度的微电网优化模型，并通过全局优化后的GOJaya算法求解微电网优化模型，不仅能在兼顾灵活性负荷用电舒适的前提下降低微电网运行成本，在微电网系统源网荷储协同优化运行中有很好的适用性，而且GOJaya算法还能解决Jaya算法前期搜索速度慢及后期搜索精度差的问题，在收敛速度和收敛精度方面均优于GA和Jaya算法。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一种微电网荷储协同优化方法的步骤流程图；
图2是本发明一种微电网荷储协同优化装置的模块方框图；
图3是本发明实施例的算例系统结构图；
图4是本发明实施例的不考虑负荷需求响应优化方法下的各设备出力结果示意图；
图5是本发明实施例的考虑负荷需求响应优化方法下的各设备出力结果示意图；
图6是本发明实施例的考虑负荷需求响应优化方法下的各设备出力结果示意图；
图7是本发明实施例中三种优化方法下的灵活性负荷用电舒适度示意图；
图8是本发明实施例中三种算法求解过程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
参考图1，本申请实施例提供了一种微电网荷储协同优化方法，所述微电网荷储协同优化方法包括以下步骤：
S1、获取微电网中的分布式电源参数，建立微电网系统运行成本优化函数；
S2、根据用电习惯对微电网内的负荷进行分类，并根据分类后的负荷参与需求响应，结合所述微电网系统运行成本优化函数建立得到基于用电成本和舒适度的微电网优化模型；
S3、利用降半Γ形隶属度函数将多目标优化问题转化为单目标问题后，采用GOJaya算法求解所述微电网优化模型。
本实施例中，GOJaya算法为在Jaya算法的基础上改进的算法，GOJaya算法在Jaya算法中引入一个非线性递减权重因子ω以平衡随机值r1,k,i和r2,k,i对算法迭代前期搜索速度以及搜索范围影响。并且在Jaya算法中引入单纯形变换进行扰动，以解决算法迭代后期求解精度低的问题。
在一实施方式中，所述的根据用电习惯对负荷进行分类，具体为：
根据用电习惯将微电网系统内的负荷分为：重要负荷、可平移负荷、可转移负荷和可削减负荷。
其中，可平移负荷、可转移负荷和可削减负荷均为灵活性负荷，可参与需求响应。
在一实施方式中，所述的微电网优化模型具体为：
f2＝(S1+S2)/2；
Figure BDA0003672441380000071
Figure BDA0003672441380000072
其中，S1表示用电移动电量比，S2表示用电移动跨度时间比，q0(t)为灵活性负荷响应前用电量；q(t)为灵活性负荷实际用电量；P0,n(t)为灵活性负荷n需求响应前功率；Pn(t)为灵活性负荷n需求响应后功率；T0为需求响应前时间；Te为需求响应后时间；N为参与需求响应负荷的总个数；f2为微电网优化模型。
在一实施方式中，所述的采用GOJaya算法求解所述微电网优化模型，具体包括：
A、初始化种群参数，计算种群中个体的适应度，选出最优和最差候选解。
B、更新种群的候选解，选取三个适应度最高的个体，记录其所处种群位置。
C、对三个适应度最高的个体进行单纯形变换，更新候选解。
D、判断候选解是否优于当前解，若优于当前解，则更新当前最优解，否则保持当前最优解；
E、重复步骤B至步骤D直至满足终止条件，输出最优解。
本实施例中，对三个适应度最高的个体进行单纯形变换为分别计算某一时刻当前最优解Xh、Xs、Xl的函数值fh、fs、fl。假设fs＞fl＞fh，对Xh、Xs、Xl进行单纯形变换：
1)反射：首先计算出Xh、Xl的中心Xc，然后进行反射变换得到点Xr：
Figure BDA0003672441380000081
Xr＝Xc+α(Xc-Xs)
2)扩张：若fh＞fr，进行扩张变换得到点Xe：
Xe＝Xc+γ(Xr-Xc)
若fh＞fe，将Xe替换Xs，否则Xr替换Xs。
3)压缩：若fr＞fs，进行压缩变换得到点Xt：
Xt＝Xc+δ(Xs-Xc)
若fs＞ft，将Xt替换Xs。
4)收缩：若fs＞fr＞fh，进行收缩变换得到点Xw：
Figure BDA0003672441380000082
若fs＞fw，将Xw替换Xs，否则将Xr替换Xs。
其中，α、γ、δ以及
Figure BDA0003672441380000083
分别为变换系数。
在一实施方式中，所述候选解的公式为：
Xj′,k,i＝ωiXj,k,i+[r1,k,i(Xj,best,i-|Xj,k,i|)-r2,k,i(Xj,worst,i-|Xj,k,i|)]；
Figure BDA0003672441380000091
其中，Xj,k,i为第i次迭代中变量值；Xj,best,i、Xj,worst,i为第i次迭代中最优解和最差解；ωi为第i次迭代权重因子；ωmax、ωmin分别为权重因子的最大、最小值，取ω＝max、ωmin；imax为停止迭代的次数。本实施例中，取ωmax＝0.9、ωmin＝0.4。
本发明具体实施例中，表1是三种优化方法下的优化目标结果。本实施例采用3种不同方法进行对比：方法1：不考虑负荷需求响应的优化方法；方法2：考虑负荷需求响应的优化方法；方法3：本发明所提优化方法。从表1中可以看出，在微电网系统运行成本方面，方法1的运行成本最高。这是因为方法2以及方法3考虑了负荷需求响应，通过将峰时段的灵活性负荷移到谷时段运行，降低了负荷的购电成本以及柴油发电机的燃料成本。相比于方法1，方法2以及方法3的微电网系统运行成本分别减少了24.06％以及17.91％。在灵活性负荷用电舒适度方面，可以看出方法2未考虑灵活性负荷用电决策的有限理性，因此方法2中的灵活性负荷用电舒适度最小。方法1以及方法3中的灵活性负荷用电舒适度分别高出方法2中的灵活性负荷用电舒适度0.44以及0.25。
Figure BDA0003672441380000092
表1
表2是三种算法性能对比。从表2可以看出：与GA算法和Jaya算法相比，GOJaya算法在收敛时间上分别减少了42.19％、22.16％，在迭代次数上分别减少了36.65％、29.84％。在迭代后期单纯形变换增强了GOJaya算法的扰动能力，提高了算法的求解精度。
Figure BDA0003672441380000101
表2
图3是算例系统结构图。本实施例中以改进的IEEE-33节点测试系统进行算例分析。其中，a表示柴油机，b表示光伏，c表示储能电池，d表示负荷，该系统中有2个柴油机、2个光伏、3个储能电池和4个负荷。
图4～图7分别是三种优化方法下的各设备出力结果和灵活性负荷用电舒适度。图4～图6中，黑色柱体表示储能电池，斜杠柱体表示联络线，网格柱体表示柴油机，白色柱体表示光伏设备；图7中，正方形表示不考虑符合需求响应的优化方法，圆形表示考虑符合需求响应的优化方法，三角形表示本发明实施例的优化方法。在11:00～14:00时段配电网电价处于峰时段，从图4～图7中可以看出方法2及方法3中的部分灵活性负荷移到其他时段工作，降低了自身用电舒适度。柴油发电机在满足自身负荷用电的同时向配电网出售电能，以增加微电网系统自身的经济效益。在18:00～21:00时段配电网电价处于峰时段，该时段负荷用电较多，柴油发电机以及储能电池因最大出力不能满足负荷的用电需求，需要额外向配电网购买电能。该时段方法1向配电网购买的电能大于方法2及方法3，因为方法2及方法3中的部分灵活性负荷移到了其他时段工作，减少了负荷的用电需求。此时方法2及方法3的灵活性负荷用电舒适度低于方法1中的灵活性负荷用电舒适度。
图8是三种算法求解过程。其中，实线表示GOJaya算法，点虚线表示Jaya算法，虚线表示GA算法。设三种算法种群大小为100，最大迭代次数为500。从图8中可以看出，GOJaya算法在迭代前期收敛速度快，明显快于Jaya算法以及GA算法，这是因为在GOJaya算法迭代前期非线性递减权重因子变化幅度大，候选解对于当前最优解继承程度较小，因此候选解的搜索范围较大，加快了GOJaya算法的求解速度，使候选解很快到达最优解附近。
参考图2，本申请实施例还提供了一种微电网荷储协同优化装置，所述微电网荷储协同优化装置包括：
获取单元，用于获取微电网中的分布式电源参数，建立微电网系统运行成本优化函数；
分类单元，用于根据用电习惯对微电网内的负荷进行分类，并根据分类后的负荷参与需求响应，结合所述微电网系统运行成本优化函数建立得到基于用电成本和舒适度的微电网优化模型；
求解单元，用于利用降半Γ形隶属度函数将多目标优化问题转化为单目标问题后，采用GOJaya算法求解所述微电网优化模型。
在第二方面的一种实施方式中，所述的根据用电习惯对负荷进行分类，具体为：
根据用电习惯将微电网系统内的负荷分为：重要负荷、可平移负荷、可转移负荷和可削减负荷。
其中，可平移负荷、可转移负荷和可削减负荷用于参与需求响应。
在第二方面的一种实施方式中，所述的微电网优化模型具体为：
f2＝(S1+S2)/2；
Figure BDA0003672441380000121
Figure BDA0003672441380000122
其中，S1表示用电移动电量比，S2表示用电移动跨度时间比，q0(t)为灵活性负荷响应前用电量；q(t)为灵活性负荷实际用电量；P0,n(t)为灵活性负荷n需求响应前功率；Pn(t)为灵活性负荷n需求响应后功率；T0为需求响应前时间；Te为需求响应后时间；N为参与需求响应负荷的总个数；f2为微电网优化模型。
此外，本发明实施例还提出一种电子设备，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：
所述计算机程序被所述处理器执行时实现上述各实施例中所述的微电网荷储协同优化方法的步骤。
此外，本发明实施例还提出一种计算机存储介质。
所述计算机存储介质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实施例提供的微电网荷储协同优化方法中的操作。
从上述内容可知，本发明通过建立基于负荷用电成本和用电舒适度的微电网优化模型，并通过全局优化后的GOJaya算法求解微电网优化模型，不仅能在兼顾灵活性负荷用电舒适的前提下降低微电网运行成本，在微电网系统源网荷储协同优化运行中有很好的适用性，而且GOJaya算法还能解决Jaya算法前期搜索速度慢及后期搜索精度差的问题，在收敛速度和收敛精度方面均优于GA和Jaya算法
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来，而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序；术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种微电网荷储协同优化方法，其特征在于，所述微电网荷储协同优化方法包括以下步骤：
获取微电网中的分布式电源参数，建立微电网系统运行成本优化函数；
根据用电习惯对微电网内的负荷进行分类，并根据分类后的负荷参与需求响应，结合所述微电网系统运行成本优化函数建立得到基于用电成本和舒适度的微电网优化模型；
利用降半Γ形隶属度函数将多目标优化问题转化为单目标问题后，采用GOJaya算法求解所述微电网优化模型。
2.根据权利要求1所述的一种微电网荷储协同优化方法，其特征在于：所述的根据用电习惯对负荷进行分类，具体为：
根据用电习惯将微电网系统内的负荷分为：重要负荷、可平移负荷、可转移负荷和可削减负荷。
其中，可平移负荷、可转移负荷和可削减负荷用于参与需求响应。
3.根据权利要求1所述的一种微电网荷储协同优化方法，其特征在于：所述的微电网优化模型具体为：
f2＝(S1+S2)/2；
Figure FDA0003672441370000011
Figure FDA0003672441370000012
其中，S1表示用电移动电量比，S2表示用电移动跨度时间比，q0(t)为灵活性负荷响应前用电量；q(t)为灵活性负荷实际用电量；P0,n(t)为灵活性负荷n需求响应前功率；Pn(t)为灵活性负荷n需求响应后功率；T0为需求响应前时间；Te为需求响应后时间；N为参与需求响应负荷的总个数；f2为微电网优化模型。
4.根据权利要求1所述的一种微电网荷储协同优化方法，其特征在于：所述的采用GOJaya算法求解所述微电网优化模型，具体包括：
A、初始化种群参数，计算种群中个体的适应度，选出最优和最差候选解。
B、更新种群的候选解，选取三个适应度最高的个体，记录其所处种群位置。
C、对三个适应度最高的个体进行单纯形变换，更新候选解。
D、判断候选解是否优于当前解，若优于当前解，则更新当前最优解，否则保持当前最优解；
E、重复步骤B至步骤D直至满足终止条件，输出最优解。
5.根据权利要求4所述的一种微电网荷储协同优化方法，其特征在于：所述候选解的公式为：
X′j,k,i＝ωiXj,k,i+[r1,k,i(Xj,best,i-|Xj,k,i|)-r2,k,i(Xj,worst,i-|Xj,k,i|)]；
Figure FDA0003672441370000021
其中，Xj,k,i为第i次迭代中变量值；Xj,best,i、Xj,worst,i为第i次迭代中最优解和最差解；ωi为第i次迭代权重因子；ωmax、ωmin分别为权重因子的最大、最小值，取ω＝max、ωmin；imax为停止迭代的次数。
6.一种微电网荷储协同优化装置，其特征在于，所述微电网荷储协同优化装置包括：
获取单元，用于获取微电网中的分布式电源参数，建立微电网系统运行成本优化函数；
分类单元，用于根据用电习惯对微电网内的负荷进行分类，并根据分类后的负荷参与需求响应，结合所述微电网系统运行成本优化函数建立得到基于用电成本和舒适度的微电网优化模型；
求解单元，用于利用降半Γ形隶属度函数将多目标优化问题转化为单目标问题后，采用GOJaya算法求解所述微电网优化模型。
7.根据权利要求6所述的一种微电网荷储协同优化装置，其特征在于：所述的根据用电习惯对负荷进行分类，具体为：
根据用电习惯将微电网系统内的负荷分为：重要负荷、可平移负荷、可转移负荷和可削减负荷。
其中，可平移负荷、可转移负荷和可削减负荷用于参与需求响应。
8.根据权利要求6所述的一种微电网荷储协同优化装置，其特征在于：所述的微电网优化模型具体为：
f2＝(S1+S2)/2；
Figure FDA0003672441370000031
Figure FDA0003672441370000032
其中，S1表示用电移动电量比，S2表示用电移动跨度时间比，q0(t)为灵活性负荷响应前用电量；q(t)为灵活性负荷实际用电量；P0,n(t)为灵活性负荷n需求响应前功率；Pn(t)为灵活性负荷n需求响应后功率；T0为需求响应前时间；Te为需求响应后时间；N为参与需求响应负荷的总个数；f2为微电网优化模型。
9.一种电子设备，其特征在于，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的微电网荷储协同优化方法的步骤。
10.一种计算机存储介质，其特征在于，所述计算机存储介质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如权利要求1至5中任一项所述的微电网荷储协同优化方法的步骤。
CN202210608892.8A 2022-05-31 2022-05-31 一种微电网荷储协同优化方法、装置、设备及存储介质 Active CN114865673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210608892.8A CN114865673B (zh) 2022-05-31 2022-05-31 一种微电网荷储协同优化方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210608892.8A CN114865673B (zh) 2022-05-31 2022-05-31 一种微电网荷储协同优化方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114865673A true CN114865673A (zh) 2022-08-05
CN114865673B CN114865673B (zh) 2023-06-27

Family

ID=82640835

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210608892.8A Active CN114865673B (zh) 2022-05-31 2022-05-31 一种微电网荷储协同优化方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114865673B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016022034A1 (pt) * 2014-08-04 2016-02-11 Inov Inesc Inovação - Instituto De Novas Tecnologias Método de controlo dinâmico da potência injetada na rede de energia elétrica por geradores distribuídos
US20170188132A1 (en) * 2015-12-29 2017-06-29 Bragi GmbH Power Management For Wireless Earpieces Utilizing Sensor Measurements
CN107196586A (zh) * 2017-05-15 2017-09-22 国网安徽省电力公司电力科学研究院 含电动汽车接入的光柴储微网系统优化运行方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN110994694A (zh) * 2019-11-26 2020-04-10 国网江西省电力有限公司电力科学研究院 计及差异化需求响应的微电网源荷储协调优化调度方法
CN111445092A (zh) * 2020-04-21 2020-07-24 三峡大学 基于改进jaya算法的多微电网优化方法
CN111523059A (zh) * 2020-04-21 2020-08-11 南京信息工程大学 一种基于改进蛙跳算法的个性化旅游路线推荐方法
CN111812506A (zh) * 2020-09-14 2020-10-23 东风汽车集团有限公司 基于单纯形法的永磁同步电机系统的自动标定系统及方法
CN112183843A (zh) * 2020-09-24 2021-01-05 国网辽宁省电力有限公司辽阳供电公司 一种基于混合智能算法的火电厂负荷优化分配方法
CN113988471A (zh) * 2021-11-22 2022-01-28 西南交通大学 一种微电网运行多目标优化方法
CN114142535A (zh) * 2021-12-01 2022-03-04 国网北京市电力公司 一种微电网源网荷储的调度方法、系统、设备及介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016022034A1 (pt) * 2014-08-04 2016-02-11 Inov Inesc Inovação - Instituto De Novas Tecnologias Método de controlo dinâmico da potência injetada na rede de energia elétrica por geradores distribuídos
US20170188132A1 (en) * 2015-12-29 2017-06-29 Bragi GmbH Power Management For Wireless Earpieces Utilizing Sensor Measurements
CN107196586A (zh) * 2017-05-15 2017-09-22 国网安徽省电力公司电力科学研究院 含电动汽车接入的光柴储微网系统优化运行方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN110994694A (zh) * 2019-11-26 2020-04-10 国网江西省电力有限公司电力科学研究院 计及差异化需求响应的微电网源荷储协调优化调度方法
CN111445092A (zh) * 2020-04-21 2020-07-24 三峡大学 基于改进jaya算法的多微电网优化方法
CN111523059A (zh) * 2020-04-21 2020-08-11 南京信息工程大学 一种基于改进蛙跳算法的个性化旅游路线推荐方法
CN111812506A (zh) * 2020-09-14 2020-10-23 东风汽车集团有限公司 基于单纯形法的永磁同步电机系统的自动标定系统及方法
CN112183843A (zh) * 2020-09-24 2021-01-05 国网辽宁省电力有限公司辽阳供电公司 一种基于混合智能算法的火电厂负荷优化分配方法
CN113988471A (zh) * 2021-11-22 2022-01-28 西南交通大学 一种微电网运行多目标优化方法
CN114142535A (zh) * 2021-12-01 2022-03-04 国网北京市电力公司 一种微电网源网荷储的调度方法、系统、设备及介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
SABHA RAJ ARYA,ET AL.: "Control Algorithm Based on Limit Cycle Oscillator-FLL for UPQC-S with Optimized PI Gains", 《CSEE JOURNAL OF POWER AND ENERGY SYSTEMS》, vol. 6, no. 3, pages 649 - 661 *
彭春华 等: "计及差异化需求响应的微电网源荷储协调优化调度", 《电力自动化设备》, vol. 40, no. 03, pages 1 - 7 *
彭春华;张金克;陈露;孙惠娟;: "计及差异化需求响应的微电网源荷储协调优化调度", 电力自动化设备, no. 03 *
朱辉 等: "考虑双重目标的微电网优化调度", 《上海电机学院学报》, vol. 23, no. 1, pages 23 - 28 *
田恬 等: "考虑微电网间能量互济的多微电网日前经济优化策略", 《广东电力》, vol. 33, no. 1, pages 69 - 76 *

Also Published As

Publication number Publication date
CN114865673B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
Al-Sumait et al. Application of pattern search method to power system valve-point economic load dispatch
Askarzadeh et al. Parameter identification for solar cell models using harmony search-based algorithms
Alsumait et al. A hybrid GA–PS–SQP method to solve power system valve-point economic dispatch problems
CN103455948B (zh) 一种配电系统多维多分辨率建模与分析方法
Miao et al. Metamodel based design optimization approach in promoting the performance of proton exchange membrane fuel cells
CN111934315A (zh) 考虑需求侧的源网荷储协同优化运行方法及终端设备
CN116388177A (zh) 电力系统静态电压稳定性分析方法、装置、设备及介质
Li et al. Parameter design on the multi-objectives of PEM fuel cell stack using an adaptive neuro-fuzzy inference system and genetic algorithms
CN113837812A (zh) 节点电价联合概率预测方法及装置
Fele et al. Probabilistic sensitivity of Nash equilibria in multi-agent games: a wait-and-judge approach
CN110492470A (zh) 基于负荷聚类与网络等值的配电网多维典型场景生成方法
Dong et al. Demand‐side management using a distributed initialisation‐free optimisation in a smart grid
CN114865673A (zh) 一种微电网荷储协同优化方法、装置、设备及存储介质
Lopez et al. Improving the integration of the IGD+ indicator into the selection mechanism of a Multi-objective Evolutionary Algorithm
CN116611246A (zh) 光伏系统的寻优方法、装置、终端设备及存储介质
CN114329960B (zh) 一种可行域投影等值方法及系统
CN113884928B (zh) 一种基于燃料电池健康度校正的多堆分布式控制方法
CN110768294B (zh) 一种分布式电源随机调度方法和装置
Ye et al. Novel fast forecasting method for nodal voltage violations
CN110417020B (zh) 一种处理非光滑约束的综合能源系统潮流计算方法及系统
CN114583696A (zh) 基于bp神经网络和场景匹配的配电网无功优化方法及系统
Duan et al. An optimal parameters estimation for the proton exchange membrane fuel cells based on amended deer hunting optimization algorithm
CN112488550A (zh) 基于深度学习的不确定性电网静态安全分析方法及系统
CN117913902B (zh) 基于预设时间观测器的孤岛微网状态估计方法及系统
Cai et al. Optimal dispatch of a virtual storage plant using inexact ADMM

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