[发明专利]一种应对环境及负荷需求变化的微电网鲁棒优化方法

权利要求书

1.一种应对环境及负荷需求变化的微电网鲁棒优化方法，其特征在于：包括以下步骤：

步骤1：根据微电网信息建立基本网架结构模型；

步骤1中所述微电网信息包括节点信息、支路信息、可再生分布式电源的出力信息、传统分布式电源的出力信息、储能装置信息、负荷需求信息；其中所述节点包括微电网中的各个节点；所述支路包括微电网中的各条支路；所述可再生分布式电源包括微电网中的光伏发电电源以及风力发电电源；所述传统分布式电源为燃气轮机；所述储能装置包括微电网中的储能装置；所述负荷需求包括微电网中的负荷需求；

所述基本网架结构模型包括节点连接状态矩阵、节点间信息矩阵、可再生分布式电源出力矩阵、传统分布式电源出力矩阵、储能装置信息矩阵、负荷需求矩阵；其中所述节点连接状态矩阵中的元素只含有0或1，0代表节点之间连接状态为断开，1代表节点之间连接状态为连接；所述节点间信息矩阵为节点间线路阻抗矩阵；所述可再生分布式电源出力矩阵包括光伏发电出力矩阵以及风力发电出力矩阵；所述传统分布式电源出力矩阵为燃气轮机出力矩阵；所述储能装置信息矩阵包括储能装置的位置信息矩阵；所述负荷需求矩阵包括负荷需求值矩阵；

步骤2：对可再生分布式电源出力和负荷需求进行鲁棒等效表征；

步骤2.1：建立可再生分布式电源出力的鲁棒等效表征，包括光伏发电出力鲁棒等效表征、风力发电出力鲁棒等效表征：

所述光伏发电出力鲁棒等效表征，如下式所示：

其中，为光伏发电出力的鲁棒等效表征，为节点p的光伏电源在时间段t内的累积分布函数的反函数，为光伏发电出力的累积分布函数，E_PV为光伏发电出力的期望，为节点p上的光伏发电机组在时间段t内的概率密度函数，服从Beta分布，即α_p,t、β_p,t分别为贝塔Beta分布的两个参数，ζ为鲁棒调整参数，Ω_PV为所有配置光伏发电电源的节点集合；

所述风力发电出力鲁棒等效表征，如下式所示：

其中，为风力发电出力的鲁棒等效表征，为节点w的风电电源在时间段t内的累积分布函数的反函数，为风力发电出力的累积分布函数，E_WT,t为风力发电出力的期望，为节点ω上的风力发电机组在时间段t内的概率密度函数，服从威布尔Weibull分布，即κ_ω,t、λ_ω,t分别为Weibull分布的两个参数，Ω_WT为所有配置风力发电电源的节点集合；

步骤2.2：建立负荷需求的鲁棒等效表征，如下式所示：

其中，分别为负荷需求在节点i时间段t内有功功率和无功功率的鲁棒等效表征，为节点i的负荷需求在时间段t内的累积分布函数的反函数，分别为负荷需求在节点i时间段t内的有功功率和无功功率的累积分布函数，E_P,t为负荷有功需求的期望，E_Q,t为负荷无功需求的期望，分别为负荷需求在节点i时间段t内的有功功率和无功功率概率密度函数，服从双变量正态分布函数，即其中分别为节点i在时间段t内有功需求的平均值和标准差，分别为节点i在时间段t内无功需求的平均值和标准差，ρ_i,t为点i在时间段t内有功需求和无功需求的相关系数，Ω_D为所有配置负荷的节点集合；

步骤2.3：计算光伏发电出力鲁棒等效表征、风力发电出力鲁棒等效表征、负荷需求鲁棒等效表征中的鲁棒调整参数ζ，如下式所示：

ζ＝A*Υ

其中，Υ为不同概率密度函数的鲁棒性调整参数，有0Υ1，参数A有其中

步骤3：建立微电网鲁棒优化模型的目标函数；

步骤3中所述目标函数如下式所示：

其中，Δ_t为时间段t的时间段长度，为时间段t内从主网输入功率的单位成本，为节点i在时间段t内从主网输入的功率，为节点g处传统分布式电源发电的单位成本，为节点g在时间段t内传统分布式电源的有功功率，为节点b处储能装置的单位放电成本，为节点b处储能装置的放电功率，为节点b处储能装置的单位充电成本，为节点b处储能装置的充电功率，为节点i处的单位减载成本，Ψ_i,t为节点i在时间段t内与减载相关的二进制变量，当需要减载时Ψ_i,t＝1，当不需要减载时Ψ_i,t＝0，Ω_T为包含所有时间段t的时间段集合，Ω_S、Ω_DG、Ω_ESS、Ω分别为包含公共连接点PCC的节点集合、所有配置传统分布式电源的节点集合、所有配置储能装置的节点集合、微电网中包含的所有节点集合；

步骤4：建立微电网潮流功率平衡、微电网电压电流、传统分布式电源以及储能装置充放电约束条件；

步骤4中所述微电网潮流功率平衡约束条件，如下式所示：

其中，P_ki,t、P_ij,t分别为线路ki、线路ij在时间段t内的有功功率流，I_ij,t为线路ij在时间段t内的电流值，Ω_l为微电网中包含的线路集合，R_ij为线路ij的等效电阻，为在t时间段内节点i处从主网输入的有功功率，Ω_PV为包含光伏发电电源的节点集合，Ω_WT为包含风力发电电源的节点集合，Q_ki,t，Q_ij,t分别为线路ki、线路ij在时间段t内的无功功率流，X_ij为线路ij的等效电抗，为在t时间段内节点i处从主网输入的无功功率，为在时间段t内节点g处的传统分布式电源的无功功率；

所述微电网电压电流约束条件，如下式所示：

其中，V_j,t为节点j在时间段t内的电压值，V、分别为最小、最大电压幅值，为线路ij最大电流幅值，为节点i处主网输入的最大视在功率；

所述传统分布式电源约束条件，如下式所示：

F_g,t≥F_g

其中，分别为节点g在时间段t内传统分布式电源发出的有功功率、无功功率，为节点g在时间段t内传统分布式电源发出功率的最大值，Π_g,t为节点g在时间段t内与传统分布式电源相关的二进制变量，当传统分布式电源投入时Π_g,t＝1，而当传统分布式电源未投入时Π_g,t＝0，pf_g为节点g处传统分布式电源的功率因数限制，分别为节点g处传统分布式电源下降极限、爬坡极限，F_g,t为时间段t内节点g处柴油发电机剩余燃料，为节点g处柴油发电机组的燃料效率，FC_g为节点g处柴油发电机组的燃料容量，H_g为节点g处柴油发电机单位燃料的热值，F_g为节点g处柴油发电机组最小燃料；

所述储能装置充放电约束条件，如下式所示：

Λ_b,t+Φ_b,t≤1

其中，SOC_b,t为节点b在时间段t内储能装置的荷电状态，ξ_b为节点b处储能装置的自放电率，EC_b为节点b处储能装置的能量容量，为节点b处储能装置放电效率，为节点b处储能装置充电效率，Φ_b,t为节点b在时间段t内与储能装置放电操作相关的二进制变量，放电时Φ_b,t＝1，充电时Φ_b,t＝0，分别为节点b处储能装置放电功率最小值、最大值，Λ_b,t为节点b在时间段t内与储能装置充电操作相关的二进制变量，充电时Λ_b,t＝1，放电时Λ_b,t＝0，分别为节点b处储能装置充电功率最小值、最大值，SOC_b、分别为节点b处储能系统最小、最大荷电状态，为节点b在周期τ内最小荷电状态；

步骤5：完成微电网鲁棒优化建模，输出优化结果，完成应对环境及负荷需求变化的微电网鲁棒优化。