CN115600793A - 面向源网荷储一体化园区的协同控制方法及系统 - Google Patents

面向源网荷储一体化园区的协同控制方法及系统 Download PDF

Info

Publication number
CN115600793A
CN115600793A CN202211100674.XA CN202211100674A CN115600793A CN 115600793 A CN115600793 A CN 115600793A CN 202211100674 A CN202211100674 A CN 202211100674A CN 115600793 A CN115600793 A CN 115600793A
Authority
CN
China
Prior art keywords
day
ahead
prediction
operation mode
data
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
CN202211100674.XA
Other languages
English (en)
Inventor
徐伟明
赵家振
沈中元
朱晔
钱伟杰
汤东升
陆爽
金�显
刘欣
吴正清
袁敏
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.)
Jiaxing Hengchuang Electric Power Design And Research Institute Co ltd
Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Jiaxing Hengchuang Electric Power Design And Research Institute Co ltd
Jiaxing Power Supply Co of State Grid Zhejiang 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 Jiaxing Hengchuang Electric Power Design And Research Institute Co ltd, Jiaxing Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Jiaxing Hengchuang Electric Power Design And Research Institute Co ltd
Priority to CN202211100674.XA priority Critical patent/CN115600793A/zh
Publication of CN115600793A publication Critical patent/CN115600793A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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

Landscapes

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

Abstract

本申请提供一种面向源网荷储一体化园区的协同控制方法及系统，方法包括：获取日前预测数据，基于日前预测数据获得与日前预测数据相匹配的微网运行模式，根据微网运行模式获得相应的日前多目标调度模型，日前多目标调度模型读取日前预测数据来获得日前预测结果；获取超短期预测数据和修正数据，基于超短期预测数据和日前预测结果来获得相应的预测误差修正模式，根据预测误差修正模型获得相应的日滚动多目标调度模型，日滚动多目标调度模型读取超短期预测数据、修正数据和日前预测结果来获得日滚动预测结果，基于日滚动预测结果指导园区工作。本申请基于园区情况来自适应调整参数，通过多场景多层级多目标调度来确保完成经济低碳调度工作。

Description

面向源网荷储一体化园区的协同控制方法及系统
技术领域
本申请涉及微电网能量管理技术领域，特别涉及一种面向源网荷储一体化园区的协同控制方法及系统。
背景技术
现有技术针对资源浪费情况采取的技术方案是通过建立调度模型来建立微网的能量管理系统。先建立第一调度模型，该模型包括分布式能源数学模型以及相应的约束条件。待确定第一调度模型后，通过在第一调度模型中加入修正惩罚系数，可以对第一调度模型中的数据进行修正，来得到调度精度更高的第二调度模型。即通过建立多级的调度模型可以不断提高调度精度，但是该调度模型一旦被建立后，模型中的参数和约束条件同时也被固定下来，无法再根据外界因素变化进行修改。但是在实际工作中，微网园区内的天气并不是一成不变的，环境中的风力和光能等能源也发生着变化，因此固定不变的调度模型已经不能很好地完成对微网园区的经济调度。
发明内容
本申请基于微网园区的实际天气自适应调整参数，通过多场景多层级多目标调度来确保调度模型完成对微网园区的经济低碳调度工作。
第一方面，本实施例提供了一种面向源网荷储一体化园区的协同控制方法，所述方法包括：
获取日前预测数据，基于所述日前预测数据获得与所述日前预测数据相匹配的微网运行模式，根据所述微网运行模式获得相应的日前多目标调度模型，所述日前多目标调度模型读取所述日前预测数据来获得日前预测结果；
获取超短期预测数据和修正数据，基于所述超短期预测数据和所述日前预测结果来获得相应的预测误差修正模式，根据所述预测误差修正模式获得相应的日滚动多目标调度模型，所述日滚动多目标调度模型读取所述超短期预测数据、所述修正数据和所述日前预测结果来获得日滚动预测结果，基于所述日滚动预测结果来指导园区工作。
在其中的一些实施例中，所述微网运行模式至少包括以下：风光大发经济运行模式、风光大发低碳运行模式、风光正常经济运行模式、风光正常低碳运行模式、多云天气经济运行模式和阴雨天气经济运行模式。
在其中的一些实施例中，所述日前多目标调度模型读取所述日前预测数据来获得日前预测结果包括：
获取所述日前多目标调度模型中的第一目标函数，其中，所述第一目标函数包括第一成本目标函数和第一碳排放目标函数；
获取所述日前多目标调度模型中的第一约束条件，基于所述第一约束条件和所述日前预测数据获得所述第一目标函数取得最小值时的目标预测结果。
在其中的一些实施例中，所述预测误差修正模式包括日前预测小误差经济运行模式、日前预测小误差低碳运行模式、日前预测大误差经济运行模式和日前预测大误差低碳运行模式；所述基于所述超短期预测数据和所述日前预测结果来获得相应的预测误差修正模式包括：获取所述日前预测结果和所述超短期预测数据之间的差值，判断所述差值是否大于预设差值，若大于，判断当前的微网运行模式是否属于经济运行，若属于经济运行，所述日前预测误差模式为日前预测大误差经济运行；若不属于经济运行，所述日前预测误差模式为日前预测大误差低碳运行；
若不大于，判断当前的微网运行模式是否属于经济运行，若属于经济运行，所述日前预测误差模式为日前预测小误差经济运行；若不属于经济运行，所述日前预测误差模式为日前预测小误差低碳运行。
在其中的一些实施例中，所述根据所述预测误差修正模式获得相应的日滚动多目标调度模型包括：
基于所述预测误差修正模式获得相应的修正惩罚系数，根据所述修正惩罚系数、所述差值和所述日前预测结果获得第二目标函数；
获取预测误差修正模式所对应的额外柔性约束，基于所述额外柔性约束和所述第一约束条件，获得第二约束条件；
基于所述第二目标函数和所述第二约束条件获得相应的日滚动多目标调度模型。
在其中的一些实施例中，所述方法还包括：
所述日前多目标调度模型的调度时间大于所述日滚动多目标调度模型的调度时间。
第二方面，本实施例提供了一种面向源网荷储一体化园区的协同控制系统，所述系统包括第一获取模块、日前多目标调度模块、第二获取模块、日滚动多目标调度模块和操作模块；其中，
所述第一获取模块，用来获取日前预测数据；
所述日前多目标调度模块，用来基于所述日前预测数据获得与所述日前预测数据相匹配的微网运行模式，根据所述微网运行模型获得相应的日前多目标调度模型，所述日前多目标调度模型读取所述日前预测数据来获得日前预测结果；
所述第二获取模块，用来获取超短期预测数据和修正数据；
所述日滚动多目标调度模块，用来基于所述超短期预测数据和所述日前预测结果来获得相应的预测误差修正模式，根据所述预测误差修正模式获得相应的日滚动多目标调度模型，所述日滚动多目标调度模型读取所述超短期预测数据、所述修正数据和所述日前预测结果来获得日滚动预测结果；
所述操作模块，用来基于所述日滚动预测结果来指导园区工作。
在其中的一些实施例中，所述系统还包括存储模块；其中，
所述存储模块，用来存储微网运行模式和日前预测误差模式，其中，所述微网运行模式至少包括风光大发经济运行模式、风光大发低碳运行模式、风光正常经济运行模式、风光正常低碳运行模式、多云天气经济运行模式和阴雨天气经济运行模式；
所述日前预测误差模式包括日前预测小误差经济运行模式、日前预测小误差低碳运行模式、日前预测大误差经济运行模式和日前预测大误差低碳运行模式。
第三方面，本申请实施例提供了一种服务器，所述服务器包括：处理器和存储器，所述存储器上存储有能在所述处理器上运行的计算机程序，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面向源网荷储一体化园区的协同控制方法。
第四方面，本申请实施例提供了一种存储介质，其上存储有能在处理器上运行的计算机程序，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面向源网荷储一体化园区的协同控制方法。
通过采用上述方法，本申请在于提供一种面向源网荷储一体化园区的协同控制方法用于解决微网园区调度过程中的经济性和低碳性问题。本申请依据地区实时天气和风光发电情况，建立与之相对应的六种运行模式。根据不同的场景建立与之对应的日前调度经济性数学模型，之后与碳排放模型组合形成日前多目标调度模型，在日前预测数据输入后匹配对应模式来选择对应模型，进行调度处理，输出至工作空间。根据超短期预测数据，匹配相对应的日滚动场景，选择相对应的日滚动多目标调度模型，日滚动多目标调度模型读取日前预测结果、超短期修正信息和超短期预测数据，进行调度处理，得到日滚动预测结果并输出至工作空间。日滚动多目标调度模型的时间尺度小于日前多目标调度模型的时间尺度。
综上所述，本申请一方面可以通过多场景多层级调度可以使得调度更加经济和低碳，另一方面，也可以根据场景来自适应切换优化参数和约束条件参数，来更准确地获得设备的出力情况。另外，本申请的时间尺度小于现有技术的时间尺度。
附图说明
图1是本实施例提供的面向源网荷储一体化园区的协同控制方法流程图。
图2是本实施例提供的面向源网荷储一体化园区的协同控制方法示意图。
图3是本实施例提供的园区未进行协同控制的效果图。
图4是本实施例提供的园区进行协同控制后风光大发场景经济运行效果图。
图5是本实施例提供的园区进行协同控制后风光大发场景低碳运行效果图。
图6是本实施例提供的园区进行协同控制后多云场景经济运行效果图。
图7是本实施例提供的园区进行协同控制后阴雨场景经济运行效果图。
图8是本实施例提供的园区进行协同控制后风光正常场景经济运行效果图。
图9是本实施例提供的面向源网荷储一体化园区的协同控制系统框架图。
图10是本实施例提供的服务器的结构框图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。然而，本领域的普通技术人员应该明白，可以在没有这些细节的情况下实施本申请。对于本领域的普通技术人员来说，显然可以对本申请所公开的实施例作出各种改变，并且在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本申请不限于所示的实施例，而是符合与本申请所要求保护的范围一致的最广泛范围。
下面结合说明书附图对本申请实施例作进一步详细描述。
微网是一种新型的网络结构，是实现主动式配电网的一种有效方式，由分布式电源、储能装置、能量转换装置、相关负荷和监控、保护装置汇集而成的小型发配电系统，是一个能够实现自我保护和管理的自治系统。微网能量管理是一种新型能源网络化供应与管理技术，将原本分散的分布式电源相互协调起来，保证配电网的可靠性和安全性，能够方便可再生能源系统的接入，实现用户需求侧管理以及现有能源和资源的最大化利用。
图1是本实施例提供的面向源网荷储一体化园区的协同控制方法流程图，如图1所示，该方法包括以下步骤：
步骤S101，获取日前预测数据，基于日前预测数据获得与日前预测数据相匹配的微网运行模式，根据微网运行模式获得相应的日前多目标调度模型，日前多目标调度模型读取日前预测数据来获得日前预测结果。
上述日前预测数据包括日前负荷预测数据和日前风光预测数据，通过气象仪可以获得风力数据和光能数据，接着将风力数据和光能数据输入到相关的负荷和光伏预测模型就可以获得表征未来时刻的日前负荷预测数据和日前风光预测数据，其中，日前负荷预测数据表征预测负荷的出力，日前风光预测数据表征风力和光能的出力。
由于风力和光能的发电情况与天气状况息息相关，而风力和光能发电作为微网系统中电量的主要来源，因此风力和光能会严重影响微网运行调度工作。为了可以更好地进行微网运行调度工作，需要根据微网园区内负荷、风力和光能的出力情况，来建立微网运行调度工作的多种微网运行模式。
该微网运行模型至少包括风光大发经济运行模式、风光大发低碳运行模式、风光正常经济运行模式、风光正常低碳运行模式、多云天气经济运行模式和阴雨天气经济运行模式。
在风和日丽的好天气中，风力和光能的出力情况很好，可以建立风光大发经济运行模式和风光大发低碳运行模式；在常规晴天微风的天气中，风力和光能的出力情况较好，可以建立风光正常经济运行模式和风光正常低碳模式；在多云天气中，风力和光能的出力情况较差，可以建立多云天气经济运行模式；在阴雨天气中，风力和光能的出力情况很差，可以建立阴雨天气经济运行模式。若要对微网运行调度工作建立更有针对性的场景，也可以建立更多的运行模式，比如，多云天气低碳运行模式和阴雨天气低碳运行模式，这里不做任何限定。
每一个微网运行模式都对应有一个日前预测模型。待获得日前预测数据后，可以根据该日前预测数据来匹配相应的微网运行模式，根据该微网运行模式来获得相对应的日前多目标调度模型，该日前多目标调度模型包括第一目标函数和第一约束条件。日前多目标调度模型读取日前预测数据来获得日前预测结果包括：获取日前多目标调度模型中的第一目标函数；获取日前多目标调度模型中的第一约束条件，基于第一约束条件和日前预测数据获得第一目标函数取得最小值时的目标预测结果。该目标预测结果为储能电池出力、V2G出力和可转移负载工作历程。
调度的目的在于依据数据选择不同的运行模式优先使用风力和光能等新能源，提高新能源的发电利用率。不同的微网运行模式所对应的第一目标函数和第一约束条件在风力设备、光能设备和可转移负载的使用数量和第一约束条件的上下限等方面不同，但第一目标函数和第一约束条件在计算公式方面都是一致的。第一目标函数包括第一成本目标函数和第一碳排放目标函数。
在第一成本目标函数中，基于日前预测数据，确定微网全周期内运行成本为第一成本目标函数进行日前调度，确定各时段储能电池、V2G和可转移负荷工作时间以及功率。在一天24小时中，每15分钟微网设备交换输出功率是不变的。该第一成本目标函数F1为：
Figure BDA0003840220350000061
其中，
Figure BDA0003840220350000062
为储能电池成本，
Figure BDA0003840220350000063
为V2G 成本，
Figure BDA0003840220350000064
为光能发电成本，
Figure BDA0003840220350000065
为风力发电成本，
Figure BDA0003840220350000066
为可转移负荷调度成本，
Figure BDA0003840220350000067
为并网电网成本。
对于储能电池成本
Figure BDA0003840220350000068
储能电池频繁充放电使储能电池寿命衰减，并且充放电深度、电流和温度都会影响其使用寿命。通过对储能电池循环使用寿命进行大量的数据统计，得到储能电池运行费用计算公式为：
Figure BDA0003840220350000069
其中，N为储能电池的总数量，Ceso,j为储能电池的运行维护成本，Cesc,j为储能电池的一次性安装费用，Nes,j为储能电池的使用年限，
Figure BDA00038402203500000610
为t时段储能电池中第j个储能电池的充放电功率。储能电池的使用年限一般为10至12年。
对于V2G成本
Figure BDA00038402203500000611
与储能电池同理，通过对V2G循环使用寿命进行大量的数据统计，得到V2G运行费用计算公式为：
Figure BDA00038402203500000612
其中，M 为V2G的总数，Cv2go,j为V2G的运行维护成本，Cv2gc,j为V2G的一次性安装费用，Nv2g,j为V2G的使用年限，
Figure BDA00038402203500000613
为t时段储能电池中第j个V2G的充放电功率。V2G的使用年限一般为5至6年。
对于光能发电成本
Figure BDA00038402203500000614
和风力发电成本
Figure BDA00038402203500000615
风力和光能发电成本包括建设成本和运行成本，根据其全寿命内发电总量估计，折合到单位发电量为：
Figure BDA00038402203500000616
Figure BDA00038402203500000617
其中，P为光能设备的总数量，W为风力设备的总数量，ρpv为光能单位发电成本，ρwt为风力单位发电成本，ρbpv为光能单位发电政府补贴，ρwbt为风力单位发电政府补贴，
Figure BDA00038402203500000618
为t时段光能设备中的第i个设备的发电功率，
Figure BDA00038402203500000619
为t时段风力设备中第i个设备的发电功率。
对于可转移负荷调度成本
Figure BDA00038402203500000620
可转移负荷指的是用户根据电价或者激励措施改变用电时段负荷，这类负荷通常对电价或者激励具有一定敏感性，能够实现该时段负荷的转移。可转移负荷是负荷管理中效果显著的一种手段，不仅有利于微网经济运行，同时还能调控负荷侧需求弹性，有效完成削峰填谷的目的。该微网中可转移负荷为普通充电桩，该普通充电桩的调度成本为：
Figure BDA00038402203500000621
其中，L为普通充电桩的总数量，
Figure BDA00038402203500000622
为普通充电桩中第i个充电桩在t时段用电功率，
Figure BDA0003840220350000071
为t时段购电价格。
对于并网电网成本
Figure BDA0003840220350000072
并网电网成本为：
Figure BDA0003840220350000073
其中，
Figure BDA0003840220350000074
为t时段购电价格，
Figure BDA0003840220350000075
为t时段售电价格，根据电网分时电价标准给定，包括峰谷平电价。
Figure BDA0003840220350000076
为t时段购电量，
Figure BDA0003840220350000077
为t时段售电量。
第一碳排放目标函数Cbtr为
Figure BDA0003840220350000078
其中，Pg为购电功率，η1是从大电网购电折算的碳排放系数，T是日前多目标调度模型的时间尺度。
基于第一成本目标函数和第一碳排放目标函数来建立日前多目标调度模型中的第一目标函数。第一目标函数为
Figure BDA0003840220350000079
其中，β1是碳汇价格，β2是F1和Cbtr的一个综合系数，
Figure BDA00038402203500000710
将F1作为基准，保证不会因为F1和Cbtr相差太多，防止权重系数调整失效。α1和α2分别对应相应的权重系数，α1+α2＝1，当α1＝1，α2＝0时，表征经济运行模式；当α1＝0，α2＝1时，表征低碳运行模式。用户可根据需求自行进行设置，该权重系数只与人为设定有关，不随场景变化而自动发生改变。第一成本函数和第一低碳函数在第一目标函数中的比例可根据实际情况进行调整，这里不做过多限制。
在第一约束条件中具体包括微网功率平衡约束、储能电池系统约束、V2G系统约束和可转移负荷约束。
微网功率平衡约束主要是指微网中发电和用电之间的平衡，即
Figure BDA00038402203500000711
Figure BDA00038402203500000712
其中，
Figure BDA00038402203500000713
为t时段光能设备发电功率，
Figure BDA00038402203500000714
Figure BDA00038402203500000715
为t时段风力设备发电功率，
Figure BDA00038402203500000716
Figure BDA00038402203500000717
为t时段负荷用电功率，
Figure BDA00038402203500000718
为t时段可转移负荷用电功率，
Figure BDA00038402203500000719
为t时段储能电池充电功率，
Figure BDA00038402203500000720
为t时段V2G充电功率。
储能电池系统约束包括荷电状态约束和充放电功率约束，即
Figure BDA00038402203500000721
Figure BDA00038402203500000722
其中，Socesmin和Socesmax分别为储能电池的荷电状态最小值和荷电状态最大值，
Figure BDA00038402203500000723
为t时段储能电池i的电荷状态，Pesmin和Pesmax分别为储能电池充放电功率的下限和上限，
Figure BDA00038402203500000724
为t时段储能电池的充放电功率。锂储能电池充放电功率的下限为-250kW，上限为250kW；氢储能电池充放电功率的下限为-30kW，上限为30kW。 t时段储能电池的荷电状态与t-1时段的充放电功率有关，即
Figure BDA00038402203500000725
Wess为储能电池的总容量，锂储能电池总容量为250kWh，氢储能电池总容量为30kWh。
为了保证微网长时间运行，要求储能电池在起始时刻的荷电量等于终止时刻的荷电量，即
Figure BDA00038402203500000726
同理可得V2G系统约束中的荷电状态约束和充放电功率约束，即
Figure BDA00038402203500000727
Figure BDA0003840220350000081
Figure BDA0003840220350000082
其中，Socv2gmin和Socv2gmax分别为V2G的荷电状态最小值和荷电状态最大值，
Figure BDA0003840220350000083
为t时段V2G中第i个V2G的电荷状态，Pv2gmin和Pv2gmax分别为V2G充放电功率的下限和上限，
Figure BDA0003840220350000084
为t时段V2G的充放电功率，Wv2g为V2G的总容量。V2G充放电功率的下限为-60kW，上限为60kW。
对于可转移负载的约束，每台普通充电桩可转移功率不可能超过其额定功率，即
Figure BDA0003840220350000085
其中，
Figure BDA0003840220350000086
为t时段普通充电桩的可转移额定功率上限，本实施例中普通充电桩的可转移额定功率上限为60kW。
限定普通充电桩使用时间，及在电动车充电高峰期不能断电转移：tlymin≤t≤tlymax。其中，tlymin为普通充电桩使用时间的下限，tlymax为普通充电桩使用时间的上限。
给定每日充电量总额，即使充电时间转移，但充电总量不变，以完成对所有电动车的充电：
Figure BDA0003840220350000087
步骤S102，获取超短期预测数据和修正数据，基于超短期预测数据和日前预测结果来获得相应的日前预测误差模式，根据日前预测误差模式获得相应的日滚动多目标调度模型，日滚动多目标调度模型读取超短期预测数据、修正数据和日前预测结果来获得日滚动预测结果，基于日滚动预测结果来指导园区工作。
上述超短期预测数据包括超短期负荷预测数据和超短期风光预测数据，修正数据包括Soc修正数据。该超短期预测数据也是通过相关的负荷和光伏预测模型来获得的，相比较于日前预测数据，超短期预测数据所代表的预测时间更短，相邻两次获取超短期预测数据所间隔的时间更短，对于时变的天气状况，可以获得更精准的预测数据。为了可以更好地修正日前调度模型中的误差，需要根据超短期预测数据和日前预测数据之间的差别来匹配不同的修正模式。其中，预测误差修正模式包括日前预测小误差经济运行模式、日前预测小误差低碳运行模式、日前预测大误差经济运行模式和日前预测大误差低碳运行模式。
基于超短期预测数据和日前预测结果来获得相应的预测误差修正模式包括：获取日前预测结果和超短期预测数据之间的差值，判断差值是否大于预设差值，若大于，判断当前的微网运行模式是否属于经济运行，若属于经济运行，日前预测误差模式为日前预测大误差经济运行；若不属于经济运行，日前预测误差模式为日前预测大误差低碳运行；若不大于，判断当前的微网运行模式是否属于经济运行，若属于经济运行，日前预测误差模式为日前预测小误差经济运行；若不属于经济运行，日前预测误差模式为日前预测小误差低碳运行。
通过将日前预测结果和超短期预测数据进行比较，若两者之间的差值大于预设差值时，则需要匹配到大误差模式范畴中，否则，只需要匹配到小误差模式范畴中即可。另外，通过获取当前微网运行模式，将当前微网运行模式和差值进行结合，就可以基于超短期预测数据和日前预测数据来获得相应的预测误差修正模式。根据不同的日前预测误差，来有针对性地选择相应的修正模式，使得更精准地修正日前预测误差，每个预测误差修正模式都对应有一个日滚动预测模型。
根据预测误差修正模式获得相应的日滚动多目标调度模型包括：基于预测误差修正模式获得相应的修正惩罚系数，根据修正惩罚系数、差值和日前预测结果获得第二目标函数；获取预测误差修正模式所对应的额外柔性约束，基于额外柔性约束和第一约束条件，获得第二约束条件；基于第二目标函数和第二约束条件获得相应的日滚动多目标调度模型。第二目标函数包括第二成本目标函数和第二碳排放目标函数。
日滚动预测模型是在日前预测模型的基础上添加了修正惩罚系数和风力和光能的波动性以及额外柔性约束，且进一步减少时间尺度，对日前预测模型进行修正。第二约束条件在原有第一约束的基础上，添加了线性和非线性的额外柔性约束，该额外柔性约束为可中断负荷约束和可调节负荷约束。第一目标函数在原有第一约束的基础上，添加了带有修正惩罚系数的储能电池差值和带有修正惩罚系数的V2G差值，以及还设有差值引入的成本。
不同日滚动预测模型中的修正惩罚系数不同，风力和光能波动性以及非线性和线性约束的上下限等方面不同，但不同日滚动预测模型中的第二目标函数和第二约束条件在计算公式方面都是一致的。比如，日滚动预测模型中都添加了可中断负荷约束和可调节负荷约束。该日滚动多目标调度模型包括第二目标函数和第二约束条件。
在获得日滚动预测模型后，该日滚动预测模型读取超短期预存数据、修正数据和日期预测结果来确定日滚动预测结果，使得第二目标函数可以取得最小值。日滚动预测结果包括储能电池出力、V2G出力、可中断负荷工作历程和可调节负荷控制历程。储能电池的Soc 数据随着使用状况发生着变化，因此在获得日滚动预测结果时，也应该考虑到储能电池的 Soc数据。日滚动调度模型主要是为了修正日前调度预测模型得到日前预测结果的预测误差，提升微网运行的安全性和经济性，同时在不同模式之中进行相应的权重调整。
在确定日滚动预测模型中的第二目标函数时，基于负荷、风力和光能的超短期预测结果，来滚动修正日前预测结果，确定下一时段Δt＝5分钟的储能电池、V2G和柔性负荷功率。日前多目标调度模型的调度时间大于日滚动多目标调度模型的调度时间。在本实施例中，日滚动多目标调度模型的调度时间周期为4小时。在日前多目标调度模型的基础上，考虑储能电池和V2G调度计划改变造成的经济成本，第二成本目标函数F2为：
Figure BDA0003840220350000091
Figure BDA0003840220350000101
其中，αes为储能电池调度修正惩罚系数，其数值越大，储能电池超短期充放电调整次数越低；αv2g为V2G调度修正惩罚系数，其数值越大，V2G超短期充放电调整次数越低。
在日前多目标调度模型的基础上，增加储能电池超短期差值
Figure BDA0003840220350000102
引入成本，得到第二目标函数中储能电池成本
Figure BDA0003840220350000103
其中，
Figure BDA0003840220350000104
为日滚动多目标调度模型中t时段储能电池中第j个储能电池的充放电功率。
在日前多目标调度模型的基础上，增加V2G超短期差值
Figure BDA0003840220350000105
引入成本，得到第二目标函数中V2G成本
Figure BDA0003840220350000106
其中，
Figure BDA0003840220350000107
为日滚动多目标调度模型中t时段V2G中第j个储能电池的充放电功率。
同理可得，日前多目标调度模型的基础上，增加风力超短期差值
Figure BDA0003840220350000108
引入成本，得到第二目标函数中风力发电成本
Figure BDA0003840220350000109
增加光能超短期差值
Figure BDA00038402203500001010
引入成本，得到第二目标函数中光能发电成本
Figure BDA00038402203500001011
Figure BDA00038402203500001012
其中，
Figure BDA00038402203500001013
为日滚动多目标调度模型中t时段光能设备中的第i个设备的发电功率，
Figure BDA00038402203500001014
为日滚动多目标调度模型中t时段风力设备中第i个设备的发电功率。
在日滚动调度时，引入对柔性负荷的控制，以补偿发电和用电之间的误差，实现低碳和经济运行。其中，柔性负荷包括可中断负荷和可调节负荷，可中断负荷可以为微网中非必要照明设备，可调节负荷可以为中央空调等可控负荷。第二目标函数中柔性负荷调度成本为
Figure BDA00038402203500001015
其中，ρlz为可中断负荷补贴，
Figure BDA00038402203500001016
为可中断负荷中断功率，ρlt为可调节负荷补贴，
Figure BDA00038402203500001017
为可调节负荷调节量，n为可中断负荷的个数，m为可调节负荷的个数。
第二目标函数中并网电网成本与第一目标函数中并网电网成本一致，即
Figure BDA00038402203500001018
Figure BDA00038402203500001019
第二碳排放目标函数Cbtr2为
Figure BDA00038402203500001020
其中，T2是日滚动多目标调度模型的时间尺度。第二目标函数为
Figure BDA00038402203500001021
在第二约束条件中具体包括微网功率平衡约束、储能电池系统约束、V2G系统约束、可中断负荷约束和可调节负荷约束。
关于微网功率平衡约束，在日前调度基础上，发电量增加风力超短期差值
Figure BDA00038402203500001022
和光能超短期差值
Figure BDA00038402203500001023
用电量增加储能电池差值
Figure BDA00038402203500001024
V2G差值
Figure BDA00038402203500001025
可中断负荷中断功率
Figure BDA00038402203500001026
和可调节负荷调节量
Figure BDA00038402203500001027
微网功率平衡约束为
Figure BDA00038402203500001028
Figure BDA0003840220350000111
第二约束条件中的储能电池系统约束和V2G系统约束和第一约束条件中的储能电池系统约束相同，这里不再赘述。
对于可中断负荷约束，可中断负荷功率不可能超过其额定功率，并且可以设置负荷可中断时间，即
Figure BDA0003840220350000112
同理，对于可调节负荷约束，可调节负荷预设功率不可能超过其额定功率，并且可以设置负荷可调整时间，即
Figure BDA0003840220350000113
图2是本实施例提供的面向源网荷储一体化园区的协同控制方法示意图。如图2所示，根据地区实际天气和风光发电情况，建立与之对应的六种场景，根据不同的场景建立与之对应的日前经济性数学模型，之后与碳排放模型组合形成相应六个日前多目标调度模型；气象仪等数据输入预测模型，输出光伏、风机预测数据以及负荷预测数据至SCADA系统的工作空间中，在日前预测数据输入后匹配对应场景然后选择对应的日前多目标调度模型，读取日前预测数据，并进行相应的调度处理，将处理结果输出至SCADA系统的工作空间；同时还读取超短期预测数据和相应的SOC修正数据，并且与日前多目标调度模型输出的日前预测结果进行相应的比较，匹配相对应的日滚动场景，选择相对应的日滚动多目标调度模型，日滚动多目标调度模型读取日前预测结果、超短期修正信息以及超短期预测数据，日前多目标调度模型的调度时间大于日滚动多目标调度模型的调度时间，在一天时间之内进行循环滚动操作，日滚动多目标调度模型输出日滚动预测结果至SCADA系统的工作空间，然后将日滚动预测结果传输到各个设备，设备进行处理，从而达到园区经济性和低碳性的运行要求。
图3是本实施例提供的园区未进行协同控制的效果图。图4至图8是本实施例提供的园区进行协同控制后不同场景运行效果图。对比图3和图4，可以清晰看到经济调度后购电量得到迅速的下降，保证了微网运行的经济性。对比图4和图5，可以清晰看到低碳调度的购电量相比于经济调度的购电量得到进一步减少，但未避开峰值电价，损失经济性以完成低碳减排。另外，低碳调度的经济性还是优于没有进行调度的经济性。从图6至图8中看到他们从负荷、发电量和运行波动效果都有很大不同，因此每个场景所采用的对应适合场景不同参数以达到低碳和经济调度多样化需求。
图9是本实施例提供的面向源网荷储一体化园区的协同控制系统框架图。如图9所示，一种微网运行调度系统包括第一获取模块、日前多目标调度模块、第二获取模块、日滚动多目标调度模块、操作模块和存储模块。
其中，第一获取模块，用来获取日前预测数据。日前多目标调度模块，用来基于日前预测数据获得与日前预测数据相匹配的微网运行模式，根据微网运行模型获得相应的日前多目标调度模型，日前多目标调度模型读取日前预测数据来获得日前预测结果。
第二获取模块，用来获取超短期预测数据和修正数据。日滚动多目标调度模块，用来基于超短期预测数据和日前预测结果来获得相应的预测误差修正模式，根据预测误差修正模式获得相应的日滚动多目标调度模型，日滚动多目标调度模型读取超短期预测数据、修正数据和日前预测结果来获得日滚动预测结果。操作模块，用来基于日滚动预测结果来指导园区工作。
存储模块，用来存储微网运行模式和日前预测误差模式，其中，微网运行模式至少包括风光大发经济运行模式、风光大发低碳运行模式、风光正常经济运行模式、风光正常低碳运行模式、多云天气经济运行模式和阴雨天气经济运行模式；日前预测误差模式包括日前预测小误差经济运行模式、日前预测小误差低碳运行模式、日前预测大误差经济运行模式和日前预测大误差低碳运行模式。
图10是本实施例提供的服务器的结构框图。如图10所示，该服务器包括处理器101和存储器102，其中，存储器102上存储有能在处理器101上运行的计算机程序103，该计算机程序103被处理器执行时实现本申请实施例提供的面向源网荷储一体化园区的协同控制方法。
存储器102可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器，或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器、只读光盘或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器102在一些实施例中可以是内部存储单元。
处理器101可以是中央处理器，通用处理器，数据信号处理器，专用集成电路，现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。用于运行存储器102中存储的程序代码或处理数据。
处理器101和存储器102通过总线连接。总线可包括一通路，在上述组件之间传送信息。总线可以是外设部件互连标准总线或扩展工业标准结构总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
图10仅示出了具有存储器102、处理器101、总线的服务器，本领域可以理解的是，图10所示的结构并不构成对服务器的限定，既可以是总线型结构，也可以是星形结构，服务器还可以包括比图示更多或者更少的部件，或者组合某些部件，或者不同的部件部署。其它现有的或今后可能出现的电子设备如何使用，也应包含在保护范围内，并以引用方式包含于此。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相关内容。
应该理解的是，虽然附图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。除非本文中有明确地说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.面向源网荷储一体化园区的协同控制方法，其特征在于，所述方法包括：
获取日前预测数据，基于所述日前预测数据获得与所述日前预测数据相匹配的微网运行模式，根据所述微网运行模式获得相应的日前多目标调度模型，所述日前多目标调度模型读取所述日前预测数据来获得日前预测结果；
获取超短期预测数据和修正数据，基于所述超短期预测数据和所述日前预测结果来获得相应的预测误差修正模式，根据所述预测误差修正模式获得相应的日滚动多目标调度模型，所述日滚动多目标调度模型读取所述超短期预测数据、所述修正数据和所述日前预测结果来获得日滚动预测结果，基于所述日滚动预测结果来指导园区工作。
2.根据权利要求1所述的方法，其特征在于，所述微网运行模式至少包括以下：风光大发经济运行模式、风光大发低碳运行模式、风光正常经济运行模式、风光正常低碳运行模式、多云天气经济运行模式和阴雨天气经济运行模式。
3.根据权利要求1所述的方法，其特征在于，所述日前多目标调度模型读取所述日前预测数据来获得日前预测结果包括：
获取所述日前多目标调度模型中的第一目标函数，其中，所述第一目标函数包括第一成本目标函数和第一碳排放目标函数；
获取所述日前多目标调度模型中的第一约束条件，基于所述第一约束条件和所述日前预测数据获得所述第一目标函数取得最小值时的目标预测结果。
4.根据权利要求3所述的方法，其特征在于，所述预测误差修正模式包括日前预测小误差经济运行模式、日前预测小误差低碳运行模式、日前预测大误差经济运行模式和日前预测大误差低碳运行模式；所述基于所述超短期预测数据和所述日前预测结果来获得相应的预测误差修正模式包括：
获取所述日前预测结果和所述超短期预测数据之间的差值，判断所述差值是否大于预设差值，若大于，判断当前的微网运行模式是否属于经济运行，若属于经济运行，所述日前预测误差模式为日前预测大误差经济运行；若不属于经济运行，所述日前预测误差模式为日前预测大误差低碳运行；
若不大于，判断当前的微网运行模式是否属于经济运行，若属于经济运行，所述日前预测误差模式为日前预测小误差经济运行；若不属于经济运行，所述日前预测误差模式为日前预测小误差低碳运行。
5.根据权利要求4所述的方法，其特征在于，所述根据所述预测误差修正模式获得相应的日滚动多目标调度模型包括：
基于所述预测误差修正模式获得相应的修正惩罚系数，根据所述修正惩罚系数、所述差值和所述日前预测结果获得第二目标函数；
获取预测误差修正模式所对应的额外柔性约束，基于所述额外柔性约束和所述第一约束条件，获得第二约束条件；
基于所述第二目标函数和所述第二约束条件获得相应的日滚动多目标调度模型。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
所述日前多目标调度模型的调度时间大于所述日滚动多目标调度模型的调度时间。
7.面向源网荷储一体化园区的协同控制系统，其特征在于，所述系统包括第一获取模块、日前多目标调度模块、第二获取模块、日滚动多目标调度模块和操作模块；其中，
所述第一获取模块，用来获取日前预测数据；
所述日前多目标调度模块，用来基于所述日前预测数据获得与所述日前预测数据相匹配的微网运行模式，根据所述微网运行模型获得相应的日前多目标调度模型，所述日前多目标调度模型读取所述日前预测数据来获得日前预测结果；
所述第二获取模块，用来获取超短期预测数据和修正数据；
所述日滚动多目标调度模块，用来基于所述超短期预测数据和所述日前预测结果来获得相应的预测误差修正模式，根据所述预测误差修正模式获得相应的日滚动多目标调度模型，所述日滚动多目标调度模型读取所述超短期预测数据、所述修正数据和所述日前预测结果来获得日滚动预测结果；
所述操作模块，用来基于所述日滚动预测结果来指导园区工作。
8.根据权利要求7所述的系统，其特征在于，所述系统还包括存储模块；其中，
所述存储模块，用来存储微网运行模式和日前预测误差模式，其中，所述微网运行模式至少包括风光大发经济运行模式、风光大发低碳运行模式、风光正常经济运行模式、风光正常低碳运行模式、多云天气经济运行模式和阴雨天气经济运行模式；
所述日前预测误差模式包括日前预测小误差经济运行模式、日前预测小误差低碳运行模式、日前预测大误差经济运行模式和日前预测大误差低碳运行模式。
9.一种服务器，其特征在于，所述服务器包括：处理器和存储器，所述存储器上存储有能在所述处理器上运行的计算机程序，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6中任意一项所述的面向源网荷储一体化园区的协同控制方法。
10.一种计算机可读存储介质，其上存储有能在处理器上运行的计算机程序，其特征在于，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6中任意一项所述的面向源网荷储一体化园区的协同控制方法。
CN202211100674.XA 2022-09-09 2022-09-09 面向源网荷储一体化园区的协同控制方法及系统 Pending CN115600793A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211100674.XA CN115600793A (zh) 2022-09-09 2022-09-09 面向源网荷储一体化园区的协同控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211100674.XA CN115600793A (zh) 2022-09-09 2022-09-09 面向源网荷储一体化园区的协同控制方法及系统

Publications (1)

Publication Number Publication Date
CN115600793A true CN115600793A (zh) 2023-01-13

Family

ID=84843330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211100674.XA Pending CN115600793A (zh) 2022-09-09 2022-09-09 面向源网荷储一体化园区的协同控制方法及系统

Country Status (1)

Country Link
CN (1) CN115600793A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116526582A (zh) * 2023-06-29 2023-08-01 南方电网数字电网研究院有限公司 基于人工智能联合驱动的电力机组组合调度方法与系统
CN117277439A (zh) * 2023-09-26 2023-12-22 宁德时代新能源科技股份有限公司 电网调度方法、装置、设备和存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116526582A (zh) * 2023-06-29 2023-08-01 南方电网数字电网研究院有限公司 基于人工智能联合驱动的电力机组组合调度方法与系统
CN116526582B (zh) * 2023-06-29 2024-03-26 南方电网数字电网研究院有限公司 基于人工智能联合驱动的电力机组组合调度方法与系统
CN117277439A (zh) * 2023-09-26 2023-12-22 宁德时代新能源科技股份有限公司 电网调度方法、装置、设备和存储介质
CN117277439B (zh) * 2023-09-26 2024-03-29 宁德时代新能源科技股份有限公司 电网调度方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
CN108879746B (zh) 基于多时间尺度需求响应的集中式混合储能协调控制方法
Dufo-López et al. Design and control strategies of PV-Diesel systems using genetic algorithms
Zhang et al. An improved charging/discharging strategy of lithium batteries considering depreciation cost in day-ahead microgrid scheduling
Li et al. Storage aided system property enhancing and hybrid robust smoothing for large-scale PV systems
Ahmadian et al. Two-layer optimization methodology for wind distributed generation planning considering plug-in electric vehicles uncertainty: A flexible active-reactive power approach
CN113688567B (zh) 一种考虑冲击负荷的虚拟电厂两阶段优化调度方法
CN115600793A (zh) 面向源网荷储一体化园区的协同控制方法及系统
CN111404206B (zh) 考虑投资回报约束的风光储发电系统容量双层规划方法
CN106953362A (zh) 并网型微电网的能量管理方法及系统
CN113541166B (zh) 一种分布式储能优化配置方法、系统、终端和存储介质
CN110783959B (zh) 一种新能源发电系统的稳定状态控制系统
CN116436008A (zh) 一种用于光储充电站的电力调度方法及终端
Bhoi et al. Optimal scheduling of battery storage with grid tied PV systems for trade-off between consumer energy cost and storage health
Zacharia et al. Optimal energy management and scheduling of a microgrid in grid-connected and islanded modes
CN111009914A (zh) 一种面向主动配电网的储能装置选址定容方法
Khoubseresht et al. An analytical optimum method for simultaneous integration of PV, wind turbine and BESS to maximize technical benefits
CN115759361A (zh) 基于双层规划的交通能源调度方法、系统、设备和介质
CN112821463B (zh) 基于风、光随机性的主动配电网多目标日前优化调度方法
Bakhtvar et al. A vision of flexible dispatchable hybrid solar‐wind‐energy storage power plant
Xu et al. Optimal scheduling of microgrid with consideration of demand response in smart grid
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
Wang et al. Improved PSO-based energy management of Stand-Alone Micro-Grid under two-time scale
CN116187019A (zh) 一种考虑阶梯碳价的含风光储的虚拟电厂经济调度方法
Liang et al. Three-stage scheduling scheme for hybrid energy storage systems to track scheduled feed-in PV power
CN113935182A (zh) 基于混合整数规划模型的量化电池寿命衰减预测方法

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