[发明专利]考虑不确定性和需求响应的独立微网容量优化配置方法

权利要求书

1.一种考虑不确定性和需求响应的独立微网容量优化配置方法，其特征是，它包括以下步骤：

1)给出含热泵储电的独立微网基本结构

独立微网包含风电机组(wind turbine，WT)、光伏阵列(photovoltaic cell，PV)、柴油发电机(diesel generator，DEG)、负荷和热泵储电(pumped heat electricity storage，PHES)系统，其中所述风电机组和光伏阵列通过不同类型变流器连接到交流母线上；负荷考虑刚性和可时移两种类型负荷；

PHES系统包含蓄热装置、电热转换装置和工作流体(working fluid，WF)，其中，所述蓄热装置包括一个蓄热罐和一个蓄冷罐，在蓄热罐和蓄冷罐内部均装有储热介质；电热转换装置包括一组共轴的压缩机和膨胀机、一组换热器及一组电动机和发电机；

PHES系统的简化数学模型参考电池储能的数学模型建立式(1)：

式中：t代表时段，取值为1,2，…，24；S_SOC,t为PHES系统t时段的荷电状态；ε为能量自损失率；η_in和η_out分别为PHES系统处于充电和放电状态时的效率；和分别为PHES系统的充电和放电功率；Δt为相邻时段时间间隔，取1h；和分别为荷电状态的最小值和最大值；和分别为PHES系统充电或放电的最小和最大功率；和为二进制变量，表示PHES的工作状态，为1时表示PHES处于充电状态，为1时表示PHES处于放电状态，两者不能同时为1；

2)建立计及源荷不确定性的独立微网运行场景

采用鲁棒优化的方法处理风光，即“源荷”中的“源”的不确定性和负荷，即“源荷”中的“荷”的不确定性，鲁棒优化的关键在于不确定集的构建；风速、太阳辐射强度和负荷的范围能够用预测值加上预测误差来表示；综上，对于独立微网，不确定集用式(2)表示；

式中：i取值为1,2,3，分别代表风速、太阳辐射强度和负荷三种不确定变量；u_i,t为考虑不确定性后的第i种不确定变量在t时段的值；为第i种不确定变量在t时段的预测值；x_i,t为二进制变量，为1时表示第i种不确定变量在t时段取到上限值或下限值，为0时表示取预测值；Δu_i,t为第i种不确定变量在t时段的最大预测误差，根据历史预测偏差值设定；Γ_i为引入的保守度系数，表示一天内第i种不确定变量取到上限值或下限值的个数，设置为0至24的整数；

3)构建独立微网双层优化配置模型

优化配置过程既涉及到长时间尺度的规划问题，即风电机组、光伏阵列、柴油发电机和储能容量的确定，也涉及到短时间尺度的运行问题，即不同时刻的弃风功率、弃光功率、柴油发电机和储能的输出功率以及可时移负荷转移时段的确定和转移功率的确定，构建独立微网双层优化配置模型，外层负责求解长时间尺度变量，内层负责求解短时间尺度变量；

①建立外层优化模型的步骤：

a、建立外层优化模型的目标函数，外层以满足独立微网建设和运行要求下运营商建设独立微网的总成本等年值C_total最低为目标；决策变量为各设备的安装数量或容量，对于风电机组和光伏组件，其单机容量是给定的，需要优化的变量为安装数量；对于PHES系统的蓄热装置和电热转换装置，其安装数量为1，需要优化的变量为安装容量，则目标函数为式(3)-(6)：

C_total＝min(C_inv+C_ope) (3)

式中：C_inv为设备投资的等年值成本，包括各设备的年平均投资成本和年维护成本；C_ope为系统年运行成本，由内层优化模型计算得到；k为独立微网中的设备类型，k取1至4分别表示风电机组、光伏阵列、PHES系统的蓄热/冷器和电热转换装置；C′_f,k为第k类设备的原单位初始投资成本；考虑到某些设备的寿命低于系统运行年限，需要在运行时长达到寿命时长后进行更换，为了计算方便，通过式(5)将各设备的单位初始投资成本折算为不再需要进行更换的等价单位初始投资成本C_f,k，即C_f,k为第k类设备的等价单位初始投资成本；C_m,k为第k类设备单位数量或容量的年维护成本；a_k为第k类设备的安装数量或容量；K₁为不需要更换的设备集合；K₂为系统运行年限内需要更换的设备集合；l_k表示第k类设备需要在第l_k年进行更换；G_k为第k类设备更换年份的集合；R为等年值算子，用于将现值折算到等年值，不考虑通货膨胀；r为贴现率；L为系统运行年限；

b、建立外层优化模型的约束条件

由于区域内用于安装各类设备的建设面积有限，因此分布式电源和热泵储电系统的可配置数量或容量应满足约束为式(7):

式中：a_k为第k类设备的安装数量或容量；为第k类设备的最大安装数量或容量；

②建立内层优化模型的步骤

a、建立内层优化模型的目标函数，内层考虑需求响应(demand response，DR)，以计及源荷不确定性的运行场景下的系统年运行成本最低为目标；目标函数为式(8)：

式中：C_DO,d为第d天的柴油机组油耗成本；C_DR,d为第d天给予参加激励型DR的用户补偿成本；C_Q,d为第d天弃电成本；C_T,d为第d天电量不足惩罚成本；

针对风速、太阳辐射强度和负荷均具有季节性的特点，使用风速、太阳辐射强度和负荷的季节典型日来代替该季节下各天的风速、太阳辐射强度和负荷数据，然后再基于式(2)构建每个季节段不确定变量的不确定集；由此，将式(8)改写为：

式中：s代表不同季节段的典型日，s取1、2、3时分别代表春秋、夏和冬季典型日；n_s为第s个典型日代表的天数；C_DO,s、C_DR,s、C_Q,s和C_T,s分别为第s个典型日的柴油机组油耗成本、给予参加DR的用户补偿成本、弃电成本和电量不足惩罚成本；

成本1：DEG油耗成本的计算，第s个典型日的柴油机组油耗成本C_DO,s由式(10)-(11)计算得到；

式中：ρ为柴油价格，取6.13元/L；F_s,t为第s个典型日t时段的DEG的油耗量；P_D,s,t为第s个典型日t时段DEG的输出功率；和分别为DEG可允许的最低出力和最高出力；a和b分别为DEG功率-燃料曲线的斜率和截距系数，分别取0.084和0.246；

成本2：DR成本的计算，不考虑DR时的第s个典型日t时段的负荷P_L,s,t主要由t时段的刚性负荷P_L0,s,t和可时移负荷P_L1,s,t两部分组成，为式(12)；

P_L,s,t＝P_L0,s,t+P_L1,s,t (12)

实施DR后，运营商可对可时移负荷P_L1,s,t加以利用；考虑的激励型DR通过运营商与用户签订协议来实现，在需要的时候运营商能够通过控制器调整负荷中可时移负荷的工作时段，根据调整量给予用户补偿；

考虑到调整负荷的工作时段会影响用户舒适度，设用户允许其可时移负荷最多向前和向后平移一个时段；因此，实施DR后的某时段的可时移负荷P′_L1,s,t由式(13)-(14)表示：

式中：P_L1,s,t为第s个典型日t时段的可时移负荷；和为二进制变量，当为1时表示有可时移负荷转入当前时段，为1时表示该时段的可时移负荷有转出到其他时段，显然两者不能同时为1；和分别为t-1时段和t+1时段转入t时段的负荷；和分别为从t时段转出到t-1时段和t+1时段的负荷；

DR成本主要为调整可时移负荷需要给予用户的补偿成本，正比于可时移负荷的调整量，由式(15)表示：

式中：C_DR,s为第s个典型日的DR成本；α为转移单位电量补偿给用户的费用，取0.32元/kWh；

成本3：弃电成本的计算，由弃风成本和弃光成本两部分组成，为式(16)；

式中：β为单位弃电量成本，取0.6元/kWh；n_WT,s,t和n_PV,s,t分别为第s个典型日t时段与独立微网断开的风机个数与光伏组数；P_WT0,s,t和P_PV0,s,t分别为第s个典型日t时段单台风机和单组光伏的可发电功率；

成本4：电量不足惩罚成本的计算，负荷供电不足时运营商应受到一定的惩罚，惩罚成本与缺电量成正比，为式(17)-(20)：

P′_L,s,t＝P_L0,s,t+P′_L1,s,t (19)

式中，γ为单位缺电量惩罚成本，取1.3元/kWh；P_T,s,t为第s个典型日t时段的缺电功率；P′_L,s,t为第s个典型日t时段负荷参与需求响应后的负荷值；和分别为PHES在第s个典型日t时段时的充电功率和放电功率；P_WT,s,t和P_PV,s,t分别为第s个典型日t时段的风电功率和光伏功率；P_L0,s,t为第s个典型日t时段刚性负荷；P′_L1,s,t为实施DR后第s个典型日t时段的可时移负荷；n_WT和n_PV分别为配置的风机台数和光伏组数，由外层给出；n_WT,s,t和n_PV,s,t分别为第s个典型日t时段与独立微网断开的风机个数与光伏组数；P_WT0,s,t和P_PV0,s,t分别为第s个典型日t时段单台风机和单组光伏的可发电功率；

b、确定内层优化模型的约束条件

约束1：功率平衡约束，为式(21)；

约束2：DEG发电量占比约束，对于独立微网，DEG发电量占比不应超过20％，如式(22)所示；

约束3：弃电量约束，为了保证可再生能源利用水平，弃电率λ不能高于某一限值λ₀，用式(23)表示；

式中，λ为弃电率；λ₀为弃电率上限；

约束4：可靠性约束，系统的缺电率ζ不能高于某一限值ζ₀；

式中，ζ为缺电率；ζ₀为缺电率上限；

③独立微网双层优化配置模型的求解

外层优化模型使用带有精英保留策略的遗传算法进行求解；当外层将配置结果传递给内层后，由于式(11)柴油发电机油耗成本的非线性表达导致内层优化模型为混合整数非线性规划模型而难以直接求解，因此需先采用Big-M法将式(11)等价转换为线性表达式(25)，然后即可采用Yalmip工具箱结合商用求解器Cplex在Matlab环境下编程实现高效求解；

式中：σ_1,s,t和σ_2,s,t均为二进制变量，且两者之和为1，σ_1,s,t为1时表示第s个典型日t时段柴油机组处于停机状态，σ_1,s,t为0时表示第s个典型日t时段柴油机组处于发电状态，σ_2,s,t为1时表示第s个典型日t时段柴油机组处于发电状态，σ_2,s,t为0时表示第s个典型日t时段柴油机组处于停机状态；M₁、M₂、M₃和M₄为充分大的数，实际计算时M₁和M₄可取柴油发电机单位小时额定油耗量，M₂和M₃可取柴油发电机额定功率。