CN115912507A - 一种生物质能参与调峰的绿色乡镇配电网区域协同自治方法 - Google Patents

Abstract

本发明提供了一种生物质能参与调峰的绿色乡镇配电网区域协同自治方法，该方法先获取绿色乡镇各区域微网源荷预测数据、供能设备基本参数以及当地电网购售电价格数据；再根据源荷预测数据的时间尺度特性，建立源荷不确定性模型；接着构建绿色乡镇配电网双层优化模型，包括作为上层策略的基于各区域微网的供用能情况的区域微网能量交易价格模型，以及作为下层策略的基于源荷不确定性模型和区域微网能量交易价格，以经济性和清洁能源消纳率为优化目标，考虑综合约束条件的区域微网两阶段鲁棒优化模型；最后对绿色乡镇配电网双层优化模型进行迭代求解，得到使系统经济性和清洁能源消纳率最优的分布式能源出力、储能充放电功率和区域交互功率。

Description

一种生物质能参与调峰的绿色乡镇配电网区域协同自治方法

技术领域

本发明涉及配电网运行控制技术领域，尤其指一种生物质能参与调峰的绿色乡镇配电网区域协同自治方法。

背景技术

我国乡村地区太阳能、风能、水能、生物质能等可再生能源类型丰富，但新能量利用率低下，且农村地区存在秸秆露天焚烧、禽畜养殖粪便处理不当等现象，造成资源浪费的同时，增加了生态环境的压力，不利于乡村地区的可持续发展。新能源发电技术在农村地区得到推广应用。然而，大量分布式能源的接入势必会影响乡镇配电网运行的稳定性，增加了运行调度工作的难度，因此，亟需提出一种面向绿色乡镇配电网的优化运行方法。

农村地区流动人口数量多，负荷随季节波动特性明显。在春节期间，外出务工人口返乡，负荷量突增；而在春节过后，流动人口外出务工，负荷随之显著降低。由于农村地区日常负荷量不高，仅在短时间范围内负荷量升高，导致区域供电变压器易发生季节性重过载甚至烧毁。另一方面，农村地区接入的小水电、谷壳发电等分布式电源，具有较强的季节性特点。在汛期和秋收季期间，小水电和谷壳发电机组的发电量明显提升，易发生因潮流倒送而造成的区域重过载；在旱季和谷物生长季，小水电发电量降低，谷壳发电退出运行，区域内发电量整体降低，也易导致区域重过载。此外，由于乡村不同区域内分布式资源类型不同，不同地区之间的可再生能源协同性较差，不利于可再生能源的消纳，导致新能源利用率低下。当前研究多针对某个单一区域的经济运行进行研究，考虑多区域协同运行的研究还相对较少；另一方面，目前面向含生物质能的新型配电网的优化运行方面的研究较少，如何利用生物质机组灵活可控的特性，实现生物质能参与电网调峰、降低区域季节性重过载风险，是当前亟待解决的问题。

发明内容

本发明所要解决的技术问题是提供一种生物质能参与调峰的绿色乡镇配电网区域协同自治方法，该方法能实现绿色生态乡镇的区域协同运行，提高农村地区新能源消纳率，降低季节性重过载风险。

为了解决上述技术问题，本发明采用如下技术方法：一种生物质能参与调峰的绿色乡镇配电网区域协同自治方法，包括：

步骤S1，获取绿色乡镇各区域微网的源荷预测数据、供能设备基本参数以及当地电网的购售电价格数据，所述源荷预测数据包括光伏、风电、小水电、区域负荷功率以及沼气日产量、谷壳日产量的预测数据；

步骤S2，根据源荷预测数据的时间尺度特性，建立源荷不确定性模型；

步骤S3，构建绿色乡镇配电网双层优化模型；

S31，基于各区域微网的供用能情况，建立区域微网能量交易价格模型作为绿色乡镇配电网双层优化模型的上层策略；

S32，基于源荷不确定性模型和区域微网能量交易价格，以经济性和清洁能源消纳率为优化目标，考虑供需平衡约束、生物质能约束、机组运行约束、机组启停约束和区域重过载约束，建立区域微网两阶段鲁棒优化模型作为绿色乡镇配电网双层优化模型的下层策略；

步骤S4，对所构建的绿色乡镇配电网双层优化模型进行迭代求解，得到使系统经济性和清洁能源消纳率最优的分布式能源出力、储能充放电功率和区域交互功率。

进一步地，所述步骤S2中，光伏、风电、小水电以及区域负荷功率预测数据的单位时长为1h，采用多面体不确定集来进行建模；沼气日产量和谷壳日产量预测数据的单位时长为24h，采用盒式不确定集来进行建模，建立的源荷不确定性模型为：

式中：u为不确定变量，包括光伏功率向量P_PV、风电功率向量P_WT、小水电功率向量P_SH、负荷功率向量P_load、沼气日产量M_bio以及谷壳日产量M_cha；U为不确定变量构成的集合；P_PV,t、P_WT,t、P_SH,t、P_load,t分别为t时刻光伏功率、风电功率、小水电功率、负荷功率的实际值；分别为t时刻光伏功率、风电功率、小水电功率、负荷功率的预测值；分别为沼气日产量和谷壳日产量的预测值；λ_PV,t、λ_WT,t、λ_SH,t、λ_load,t分别为t时刻光伏功率、风电功率、小水电功率、负荷功率的不确定系数，值为0或1；h_PV、h_WT、h_SH、h_load、h_bio、h_cha分别为光伏功率、风电功率、小水电功率、负荷功率、沼气日产量和谷壳日产量的预测值最大允许误差，取0～1之间的数值。

进一步地，所述S31中，建立的区域微网能量交易价格模型为：

式中：D_t、R_t分别为t时刻区域微网的购售比、供需比；N为区域微网个数；分别为第n个区域微网在t时刻的购、售电量，包括向其它区域微网购、售电量以及向乡镇配网购、售的电量；b_buy,t、b_sell,t分别为t时刻微网间购、售电交易价格；c_buy,t、c_sell,t分别为t时刻微网向配网的购、售电价格。

更进一步地，所述步骤S3中，区域微网两阶段鲁棒优化模型的优化目标为：

min F＝ω₁F₁+ω₂F₂

式中：F₁为区域微网经济性目标；F₂为清洁能源消纳率目标；ω₁、ω₂为权重系数；a_om,x为机组x的运维成本；P_x,t为机组x的功率；x∈{PV、WT、SH、BG、CG、ESc、ESd}，依次为光伏、风力、小水电、沼气、谷壳发电机组和充、放电状态下的储能；y∈{BG、CG}；a_ss,y为机组y的单次启停成本；b_y,_t为t时刻机组y的启停状态；分别为第n个区域向其它区域微网购、售电量；分别为第n个区域向乡镇配网购、售的电量。

更进一步地，所述S32中，区域微网两阶段鲁棒优化模型的约束条件为：

1)供需平衡约束

P_load,t＝P_PV,t+P_WT,t+P_SH,t+P_BG,t+P_CG,t  (4)

式中：P_BG,t、P_CG,t分别为t时刻的沼气发电、谷壳发电功率；

2)生物质能约束

式中：p_bio、p_cha分别为的沼气和谷壳的热值；

3)机组运行约束

0≤P_z,t≤P_z,max

b_v,tP_v,min≤P_v,t≤b_v,tP_v,max

b_ESc,t+b_ESd,t≤1  (6)

S_ES,min≤S_ES,t≤S_ES,max,S_ES,0＝S_ES,24

S_ES,t＝S_ES,t-1(1-η_lo_ss)+η_EScP_ESc,t-P_ESd,t/η_ESd

式中：z∈{PV、WT、SH}；P_z,t、P_z,max分别为t时刻机组z的功率及其最大值；v∈{BG、CG、ESc、ESd}；P_v,t、P_v,max、P_v,min分别为t时刻机组v的功率及其上下限；b_v,t为机组v的开关状态，0-1变量；b_ESc,t、b_ESd,t分别为储能的充放电状态；P_ESc,t、P_ESc,max、P_ESc,min、P_ESd,t、P_ESd,max、P_ESd,min分别为t时刻储能的充放电功率及其上下限；S_ES,t、S_ES,0、S_ES,24分别为储能在t时刻、周期起始时刻、结束时刻的蓄电量；η_loss、η_ESc、η_ESd分别为储能自放电率和充、放电效率；

4)机组启停约束

b_y,t-b_y,t-1|+|b_y,t-1-b_y,t-2|≤1(7)

5)区域重过载约束

式中：P_T,max为区域变压器可承受的最大功率。

再进一步地，所述S32中，区域微网两阶段鲁棒优化模型为：

其中：F为优化目标；x、y分别为第一、二阶段优化变量，其表达式为：

式中：b_GB,t、b_CG,t分别为沼气发电、谷壳发电机组的启停状态。

优选地，所述步骤S4中，在MATLAB软件Yalmip工具箱中建立绿色乡镇配电网双层优化模型，调用Cplex求解器对该模型进行迭代求解，求解的过程包括：

1)输入各区域微网的源荷预测数据、供能设备基本参数和当地电网的购售电价格；

2)初始化最大迭代次数和微网购售电量最大允许误差率，定义初始最恶劣场景和微网购售电量；

3)将微网购售电量和电网电价格数据代入上层的区域微网能量交易价格模型中，得出微网交易电价；

4)将微网交易电价代入下层的区域微网两阶段鲁棒优化模型中，利用列与约束生成算法对该模型进行求解，得到分布式能源出力、储能充放电功率和区域微网交互功率，并更新微网购售电量；

5)若微网购售电量在误差允许范围内或迭代次数达到上限，则输出当前得到的分布式能源出力、储能充放电功率和区域微网交互功率，完成绿色乡镇配电网区域协同自治；否则返回上层的区域微网能量交易价格模型重新计算，直至下层的区域微网两阶段鲁棒优化模型收敛。

优选地，所述步骤S4中，求解时设置迭代次数为20，微网购售电量最大允许误差率为0.01。

针对现阶段乡镇地区小水电站以及沼气、谷壳等生物质能发电机组缺乏管控手段，低压台区容易发生区域重过载、区域齐风、弃水、齐光现象频发的问题，本发明提出一种生物质能参与调峰的绿色乡镇配电网区域协同自治方法，以提高清洁能源消纳水平，实现乡村能源互补运行。该方法通过生物质能机组的运行调度，根据生物质能、光伏、风机的时间尺度特点引入多重不确定性，提高了乡镇配电网运行的经济性，可靠性，以及清洁能源消纳率；且该方法中引入生物质能日产量约束，在乡村地区生物质产量有限的条件下，基于电网分时电价激励措施，让生物质能在高峰多发，低峰少发或停发，缓解区域电网的调峰压力；不仅如此，该方法中引入了启停成本，能有效解决小水电、生物质能发电机组的频繁启停问题。综合来说，本发明利用生物质机组灵活可调的特性，实现了区域微电网的有序运行，降低了区域季节性重过载的风险，且能够实现区域之间的能量互动，有效提高乡村地区可再生能源的消纳能力。

附图说明

图1为本发明提供的生物质能参与调峰的绿色乡镇配电网区域协同自治方法中迭代求解的流程图；

图2为本发明实施方式中绿色乡镇配电网供能结构图；

图3为本发明实施方式中绿色乡镇区域微网能量交易价格曲线图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。

一种生物质能参与调峰的绿色乡镇配电网区域协同自治方法，包括：

步骤S1，获取绿色乡镇各区域微网的源荷预测数据、供能设备基本参数以及当地电网的购售电价格数据，其中，如图2所示，绿色乡镇包括n个区域，每个区域内包括光伏、风电、小水电、沼气、谷壳分布式能源以及居民负荷，因此，本发明中的源荷预测数据包括光伏、风电、小水电、区域负荷功率以及沼气日产量、谷壳日产量的预测数据，这些源荷预测数据能从绿色乡镇智慧用能平台上获取，亦能从新能源电站和负荷聚合商处获取，可根据当地的实际情况选择。

步骤S2，根据源荷预测数据的时间尺度特性，建立源荷不确定性模型。

光伏、风电、小水电以及区域负荷功率预测数据的单位时长为1h，采用多面体不确定集来进行建模；沼气日产量和谷壳日产量预测数据的单位时长为24h，采用盒式不确定集来进行建模，建立的源荷不确定性模型为：

式中：u为不确定变量，包括光伏功率向量P_PV、风电功率向量P_WT、小水电功率向量P_SH、负荷功率向量P_load、沼气日产量M_bio以及谷壳日产量M_cha；U为不确定变量构成的集合；P_PV,t、P_WT,t、P_SH,t、P_load,t分别为t时刻光伏功率、风电功率、小水电功率、负荷功率的实际值；分别为t时刻光伏功率、风电功率、小水电功率、负荷功率的预测值；分别为沼气日产量和谷壳日产量的预测值；λ_PV,t、λ_WT,t、λ_SH,t、λ_load,t分别为t时刻光伏功率、风电功率、小水电功率、负荷功率的不确定系数，值为0或1；h_PV、h_WT、h_SH、h_load、h_bio、h_cha分别为光伏功率、风电功率、小水电功率、负荷功率、沼气日产量和谷壳日产量的预测值最大允许误差，取0～1之间的数值。

步骤S3，构建绿色乡镇配电网双层优化模型，该模型包括上层策略和下层策略，具体如下。

S31，如图3所示，基于各区域微网的供用能情况，建立区域微网能量交易价格模型作为绿色乡镇配电网双层优化模型的上层策略，该区域微网能量交易价格模型为：

式中：D_t、R_t分别为t时刻区域微网的购售比、供需比；N为区域微网个数；分别为第n个区域微网在t时刻的购、售电量，包括向其它区域微网购、售电量以及向乡镇配网购、售的电量；b_buy,t、b_sell,t分别为t时刻微网间购、售电交易价格；c_buy,t、c_sell,t分别为t时刻微网向配网的购、售电价格。

S32，基于源荷不确定性模型和区域微网能量交易价格，以经济性和清洁能源消纳率为优化目标，考虑供需平衡约束、生物质能约束、机组运行约束、机组启停约束和区域重过载约束，建立区域微网两阶段鲁棒优化模型作为绿色乡镇配电网双层优化模型的下层策略。

其中，区域微网两阶段鲁棒优化模型的优化目标为：

min F＝ω₁F₁+ω₂F₂

式中：F₁为区域微网经济性目标；F₂为清洁能源消纳率目标，该值越小越好，以减少齐风量，齐光量，以及生物质能舍弃量，从而提高新能源的利用水平；ω₁、ω₂为权重系数，优选为0.5；a_om,x为机组x的运维成本；P_x,t为机组x的功率；x∈{PV、WT、SH、BG、CG、ESc、ESd}，依次为光伏、风力、小水电、沼气、谷壳发电机组和充、放电状态下的储能；y∈{BG、CG}；a_ss,y为机组y的单次启停成本；b_y,t为t时刻机组y的启停状态；分别为第n个区域向其它区域微网购、售电量；分别为第n个区域向乡镇配网购、售的电量。

另外，区域微网两阶段鲁棒优化模型的约束条件为：

1)供需平衡约束

P_load,t＝P_PV,t+P_WT,t+P_SH,t+P_BG,t+P_CG,t  (4)

式中：P_BG,t、P_CG,t分别为t时刻的沼气发电、谷壳发电功率；

2)生物质能约束

式中：p_bio、p_cha分别为的沼气和谷壳的热值；

3)机组运行约束

0≤P_z,t≤P_z,max

b_v,tP_v,min≤P_v,t≤b_v,tP_v,max

b_ESc,t+b_ESd,t≤1  (6)

S_ES,min≤S_ES,t≤S_ES,max,S_ES,0＝S_ES,24

S_ES,t＝S_ES,t-1(1-η_loss)+η_EScP_ESc,t-P_ESd,t/η_ESd

式中：z∈{PV、WT、SH}；P_z,t、P_z,max分别为t时刻机组z的功率及其最大值；v∈{BG、CG、ESc、ESd}；P_v,t、P_v,max、P_v,min分别为t时刻机组v的功率及其上下限；b_v,t为机组v的开关状态，0-1变量；b_ESc,t、b_ESd,t分别为储能的充放电状态；P_ESc,t、P_ESc,max、P_ESc,min、P_ESd,t、P_ESd,max、P_ESd,min分别为t时刻储能的充放电功率及其上下限；S_ES,t、S_ES,0、S_ES,24分别为储能在t时刻、周期起始时刻、结束时刻的蓄电量；η_loss、η_ESc、η_ESd分别为储能自放电率和充、放电效率；

4)机组启停约束

|b_y,t-b_y,t-1|+|b_y,t-1-b_y,t-2|≤1  (7)

5)区域重过载约束

式中：P_T,max为区域变压器可承受的最大功率。

再进一步地，所述S32中，区域微网两阶段鲁棒优化模型为：

其中：F为优化目标；x、y分别为第一、二阶段优化变量，其表达式为：

式中：b_GB,t、b_CG,t分别为沼气发电、谷壳发电机组的启停状态。

步骤S4，对所构建的绿色乡镇配电网双层优化模型进行迭代求解，得到使系统经济性和清洁能源消纳率最优的分布式能源出力、储能充放电功率和区域交互功率。具体的，在MATLAB软件Yalmip工具箱中建立绿色乡镇配电网双层优化模型，调用Cplex求解器对该模型进行迭代求解，如图1所示，求解的过程包括：

1)输入各区域微网的源荷预测数据、供能设备基本参数和当地电网的购售电价格。

2)初始化最大迭代次数为20次和微网购售电量最大允许误差率为0.01，定义初始最恶劣场景，并基于源荷预测数据初始化微网购售电量。

3)将微网购售电量和电网电价格数据代入上层的区域微网能量交易价格模型中，得出微网交易电价。

4)将微网交易电价代入下层的区域微网两阶段鲁棒优化模型中，利用列与约束生成算法对该模型进行求解，得到分布式能源出力、储能充放电功率和区域微网交互功率，并更新微网购售电量。

5)若微网购售电量在误差允许范围内或迭代次数达到上限，则输出当前得到的分布式能源出力、储能充放电功率和区域微网交互功率，完成绿色乡镇配电网区域协同自治；否则返回上层的区域微网能量交易价格模型重新计算，直至下层的区域微网两阶段鲁棒优化模型收敛。

上述实施例为本发明较佳的实现方案，除此之外，本发明还可以其它方式实现，在不脱离本技术方案构思的前提下任何显而易见的替换均在本发明的保护范围之内。

为了让本领域普通技术人员更方便地理解本发明相对于现有技术的改进之处，本发明的一些附图和描述已经被简化，并且为了清楚起见，本申请文件还省略了一些其他元素，本领域普通技术人员应该意识到这些省略的元素也可构成本发明的内容。

Claims (8)

1.一种生物质能参与调峰的绿色乡镇配电网区域协同自治方法，其特征在于，包括：

步骤S1，获取绿色乡镇各区域微网的源荷预测数据、供能设备基本参数以及当地电网的购售电价格数据，所述源荷预测数据包括光伏、风电、小水电、区域负荷功率以及沼气日产量、谷壳日产量的预测数据；

步骤S2，根据源荷预测数据的时间尺度特性，建立源荷不确定性模型；

步骤S3，构建绿色乡镇配电网双层优化模型；

S31，基于各区域微网的供用能情况，建立区域微网能量交易价格模型作为绿色乡镇配电网双层优化模型的上层策略；

S32，基于源荷不确定性模型和区域微网能量交易价格，以经济性和清洁能源消纳率为优化目标，考虑供需平衡约束、生物质能约束、机组运行约束、机组启停约束和区域重过载约束，建立区域微网两阶段鲁棒优化模型作为绿色乡镇配电网双层优化模型的下层策略；

步骤S4，对所构建的绿色乡镇配电网双层优化模型进行迭代求解，得到使系统经济性和清洁能源消纳率最优的分布式能源出力、储能充放电功率和区域交互功率。

2.根据权利要求1所述的生物质能参与调峰的绿色乡镇配电网区域协同自治方法，其特征在于：所述步骤S2中，光伏、风电、小水电以及区域负荷功率预测数据的单位时长为1h，采用多面体不确定集来进行建模；沼气日产量和谷壳日产量预测数据的单位时长为24h，采用盒式不确定集来进行建模，建立的源荷不确定性模型为：

式中：u为不确定变量，包括光伏功率向量P_PV、风电功率向量P_WT、小水电功率向量P_SH、负荷功率向量P_load、沼气日产量M_bio以及谷壳日产量M_cha；U为不确定变量构成的集合；P_PV,t、P_WT,t、P_SH,t、P_load,t分别为t时刻光伏功率、风电功率、小水电功率、负荷功率的实际值；

分别为t时刻光伏功率、风电功率、小水电功率、负荷功率的预测值；

分别为沼气日产量和谷壳日产量的预测值；λ_PV,t、λ_WT,t、λ_SH,t、λ_load,t分别为t时刻光伏功率、风电功率、小水电功率、负荷功率的不确定系数，值为0或1；h_PV、h_WT、h_SH、h_load、h_bio、h_cha分别为光伏功率、风电功率、小水电功率、负荷功率、沼气日产量和谷壳日产量的预测值最大允许误差，取0～1之间的数值。

3.根据权利要求2所述的生物质能参与调峰的绿色乡镇配电网区域协同自治方法，其特征在于：所述S31中，建立的区域微网能量交易价格模型为：

式中：D_t、R_t分别为t时刻区域微网的购售比、供需比；N为区域微网个数；

分别为第n个区域微网在t时刻的购、售电量，包括向其它区域微网购、售电量以及向乡镇配网购、售的电量；b_buy,t、b_sell,t分别为t时刻微网间购、售电交易价格；c_buy,t、c_sell,t分别为t时刻微网向配网的购、售电价格。

4.根据权利要求3所述的生物质能参与调峰的绿色乡镇配电网区域协同自治方法，其特征在于：所述步骤S3中，区域微网两阶段鲁棒优化模型的优化目标为：

式中：F₁为区域微网经济性目标；F₂为清洁能源消纳率目标；ω₁、ω₂为权重系数；a_om,x为机组x的运维成本；P_x,t为机组x的功率；x∈{PV、WT、SH、BG、CG、ESc、ESd}，依次为光伏、风力、小水电、沼气、谷壳发电机组和充、放电状态下的储能；y∈{BG、CG}；a_ss,y为机组y的单次启停成本；b_y,t为t时刻机组y的启停状态；

分别为第n个区域向其它区域微网购、售电量；

分别为第n个区域向乡镇配网购、售的电量。

5.根据权利要求4所述的生物质能参与调峰的绿色乡镇配电网区域协同自治方法，其特征在于：所述S32中，区域微网两阶段鲁棒优化模型的约束条件为：

1)供需平衡约束

P_load,t＝P_PV,t+P_WT,t+P_SH,t+P_BG,t+P_CG,t(4)

式中：P_BG,t、P_CG,t分别为t时刻的沼气发电、谷壳发电功率；

2)生物质能约束

式中：p_bio、p_cha分别为的沼气和谷壳的热值；

3)机组运行约束

式中：z∈{PV、WT、SH}；P_z,t、P_z,max分别为t时刻机组z的功率及其最大值；v∈{BG、CG、ESc、ESd}；P_v,t、P_v,max、P_v,min分别为t时刻机组v的功率及其上下限；b_v,t为机组v的开关状态，0-1变量；b_ESc,t、b_ESd,t分别为储能的充放电状态；P_ESc,t、P_ESc,max、P_ESc,min、P_ESd,t、P_ESd,max、P_ESd,min分别为t时刻储能的充放电功率及其上下限；S_ES,t、S_ES,0、S_ES,24分别为储能在t时刻、周期起始时刻、结束时刻的蓄电量；η_loss、η_ESc、η_ESd分别为储能自放电率和充、放电效率；

4)机组启停约束

b_y,t-b_y,t-1+b_y,t-1-b_y,t-2≤1(7)

5)区域重过载约束

式中：P_T,max为区域变压器可承受的最大功率。

6.根据权利要求5所述的生物质能参与调峰的绿色乡镇配电网区域协同自治方法，其特征在于：所述S32中，区域微网两阶段鲁棒优化模型为：

其中：F为优化目标；x、y分别为第一、二阶段优化变量，其表达式为：

式中：b_GB,t、b_CG,t分别为沼气发电、谷壳发电机组的启停状态。

7.根据权利要求6所述的生物质能参与调峰的绿色乡镇配电网区域协同自治方法，其特征在于：所述步骤S4中，在MATLAB软件Yalmip工具箱中建立绿色乡镇配电网双层优化模型，调用Cplex求解器对该模型进行迭代求解，求解的过程包括：

1)输入各区域微网的源荷预测数据、供能设备基本参数和当地电网的购售电价格；

2)初始化最大迭代次数和微网购售电量最大允许误差率，定义初始最恶劣场景和微网购售电量；

3)将微网购售电量和电网电价格数据代入上层的区域微网能量交易价格模型中，得出微网交易电价；

4)将微网交易电价代入下层的区域微网两阶段鲁棒优化模型中，利用列与约束生成算法对该模型进行求解，得到分布式能源出力、储能充放电功率和区域微网交互功率，并更新微网购售电量；

5)若微网购售电量在误差允许范围内或迭代次数达到上限，则输出当前得到的分布式能源出力、储能充放电功率和区域微网交互功率，完成绿色乡镇配电网区域协同自治；否则返回上层的区域微网能量交易价格模型重新计算，直至下层的区域微网两阶段鲁棒优化模型收敛。

8.根据权利要求7所述的生物质能参与调峰的绿色乡镇配电网区域协同自治方法，其特征在于：所述步骤S4中，求解时设置迭代次数为20，微网购售电量最大允许误差率为0.01。

Images