[发明专利]计及实时电价的微网用户群电能优化互济交易方法

摘要

本发明公开了一种计及实时电价的微网用户群电能优化互济交易方法，用户可以根据自身的分布式电源状况，并借助锂电池等储能单元在其安全循环充放电范围内可以按照用户需求快速充放电的特性，在实时电价环境下对载荷进行优化，而DG和用户载荷时间上的不匹配以致在不同的时间段有多余的DG或缺少电能需要从电网购买，本发明实现多个用户之间在不同时间段内对多余的DG电能进行交易满足自身的需求，提高DG利用率，并且减少购电花费。该策略通过在不同时间点生成有根节树；采用深度优先的动态规划算法，根据该时间段内是否有多余DG电能确立根节点和子节点，将根节点的多余DG电能分配到子节点。本发明可提高整体DG利用率，节约用户在购电上的花费。

主权项

一种计及实时电价的微网用户群电能优化互济交易方法，其特征在于，包括以下步骤：(1)单用户对自身用电进行优化，具体包括以下子步骤：(1.1)按半小时时间间隔采样，获取当前时刻电网系统中全部DG、RTP的状态信息；(1.2)对用电设备进行分类，包含刚性负荷、不可中断负荷、可中断负荷，并建立柔性负荷工作模型：αa≤tastart≤ha≤taend≤βa,a=1,...,m+nxah={0,1},h∈∀haβa-αa≥daEa=Pa×daΣh=αaβaxah×Pa=Ea---(1)]]>其中，ha是设备可能工作的时间点，是设备开始工作时刻，是设备结束工作时刻，[αa,βa]是设备允许工作时段范围，是设备在ha时刻的工作状态，表示设备正在工作，表示设备处于停用状态，Pa为设备额定功率，设备在工作时以额定功率运行，da为工作时长，Ea为设备总功率需求，m代表不可中断的负荷数目，n代表可中断负荷的数目；(1.3)设置遗传算法种群大小N，最大迭代次数Gen；以用二进制编码的长度为48的染色体代表设备的工作状态，在其允许工作时段内能够出现“1”，工作时段外只能出现“0”，且“1”的个数由设备工作时长决定；(1.4)分别抽取每种设备N×48矩阵中的一行，按设备的编号重组成N个(m+n)×48染色体组其中每行代表相应编号设备在48个时段内的工作状态，即每个染色体组代表所有设备工作状态集合；(1.5)将经过初始化后的染色体组分别乘以相应设备的额定功率，形成N组能量消耗矩阵PChrom＝XChrom(a)·Pa；随机选择种群中的一组能量消耗矩阵，查看未经负荷调度安排的设备用电状况；(1.6)建立基于DG的负荷调度策略目标函数如公式(2)所示：minΣh=148|PDGh-Pmusth-Σa=1m+nxah·Pa|---(2)]]>其中是DG在h时刻的供电功率，是刚性负荷在h时刻的用电需求，代表所有柔性负荷在h时刻的用电需求，因此，DG和负荷间的供需差异越小越利于降低购电费用；此外，由于适应度值越大的染色体组越有机会参与下一次的遗传迭代，因而选取目标函数的倒数作为遗传算法(GA)的适应度函数；(1.7)执行GA的选择操作：为了不在交叉变异过程中遗失最佳的染色体组，保留每次迭代后前store个适应度值较高的设备组不参与后续变化，再用轮盘赌方式在所有种群中选择设备组进行复制，形成其余N‑store个染色体组；(1.8)针对其后的N‑store个设备组执行GA的交叉操作：生成随机数rand1，若其值小于交叉概率pc，则随机选择设备编号a∈1,2,…,m+n，判断设备a属于哪种类型负荷，并按照负荷特性对其进行交叉操作，①若设备a是可中断负荷，则生成随机数rand3用于确定该设备的交叉位置，将第i个染色体组的染色体a与第i+1个染色体组的染色体a在rand3位置进行交叉，即交换这两个染色体在rand3位置后的染色体片段，②若设备a是不可中断负荷，则此时进行的迭代过程本质上不是交叉操作，而是在其允许的工作时间范围[αa,βa]内，向左或向右整体移动设备实际工作时段此外，若rand1大于交叉概率pc，则当前代不进行交叉操作；(1.9)针对其后的N‑store个设备组执行GA的变异操作：生成随机数rand1，若其值小于变异概率pm，则对可中断负荷的在[αa,βa]时段内的随机位置处的工作状态进行变异；判断所有设备a∈1,2,…,m+n在相应[αa,βa]时段内的实际工作时长与设备总时长要求da是否相同，若则将多余的1变成0；若则将[αa,βa]内多余的0变成1；(1.10)判断种群迭代结束条件：选择最大适应度值，即目标函数最小值对应的染色体组为当前所有柔性负荷的整体最佳工作状态集合，返回(1.7)执行下一代的遗传操作，并记录上一代目标函数值objvalue(t‑1)与这一代目标函数值objvalue(t)的差值持续小于误差范围ε的次数，即objvalue(t‑1)‑objvalue(t)≤ε持续发生的次数Times，其中，若下一时刻发生objvalue(t‑1)‑objvalue(t)>ε的状况，则计数量Times清零，若其值大于阈值或程序总迭代次数达到最大迭代次数Gen，则终止遗传算法运行，所获得的最大适应度值对应的染色体组为基于DG调度策略的最佳设备组运行状况，转入执行步骤(1.11)；(1.11)计算初始购电量BuyElec与购电费用BestCost：对于每个半小时采样点，若DG大于总负荷需求，则系统当前时刻有电量冗余，无需不购电；反之，计算其差值的绝对值为当前时刻的购电功率，最终得到一天内不同时刻购电功率向量BuyElec；由于购电费用是购电量、用电时间、实时电价之间的函数，因而购电费用BestCost=Σh=148BuyElec(h)×0.5×RTP(h);]]>(1.12)建立基于RTP的负荷调度策略目标函数如公式(3)所示：min{0.5×caj×RTPj+0.5×cak×RTPk}]]>j∈{i|PDGi<Pmusti+Pflexiblei,i=1,...,48}]]>a∈{a|xaj=1,a=1,...,m+n}]]>s.t.k∈{k|xak=0,k=[αa,βa]}]]>caj=0,PDGj≥Pmustj+Pflexiblej-xaj·PaPmustj+Pflexiblej-xaj·Pa-PDGj,PDGj<Pmustj+Pflexiblej-xaj·Pa]]>cak=0,PDGk≥Pmustk+Pflexiblek+PaPmustk+Pflexiblek+Pa-PDGk,PDGk<Pmustk+Pflexiblek+Pa---(3)]]>其中，是柔性负荷在i时刻的总耗电功率，设备a从j时刻转移到k时刻，是移除设备a后在j时刻需要向电网购买的功率，是将设备a转移至k时刻后在k时刻需要向电网购买的功率，RTPj及RTPk分别代表相应时刻的实时电价，由于所有设备在每个时间点的执行时长为半小时，而购电量是购电功率与时长的乘积，所以目标函数需要分别乘以0.5(代表半小时)；因为同一个设备无法在当天的同一个时刻运行两次，必须保证设备a所需要转移至的k时刻在执行转移前没有运行设备a，即在转移之前必须保证且(1.13)选出所有时段内负荷总用电需求量超过DG供电量的时刻j，选取该时刻正在工作的最大功率设备a，判断该设备的工作类型，①若a是不可中断负荷，找出其连续工作时段将设备a在的所有工作状态置0，在[αa,βa]时段内寻优移入设备a后最低购电费用所处的工作区间，注意：由于需要转移的设备是不可中断负荷，因此在转移时不止要先移除设备在j时刻的工作状态，而是将设备当前所在的整个工作区域转移；②若a是可中断负荷，将设备a在j时刻移除，转移至在[αa,βa]区间内购电费用最低且该设备在转移前未运行的时刻k；(1.14)设备重新安排后，更新相应的设备组安排状况PChrom及剩余购电量BuyElec，计算更新的最低电费BestCost；继续执行步骤(1.13)直至最低电费不再降低，转入步骤(1.15)；(1.15)选出剩余购电量BuyElec大于0的时刻j，选取该时刻正在工作的最小功率设备a，按照步骤(1.13)的①、②不同状况执行负荷转移；(1.16)设备重新安排后，更新相应的设备组安排状况PChrom及剩余购电量BuyElec，计算更新的最低电费BestCost；继续执行步骤(1.15)直至最低电费不再降低，所获得的设备组工作时刻状况PChrom为基于RTP调度策略的最佳设备组运行状况，转入步骤(1.17)；(1.17)根据当前DG及负荷总耗电状况进行蓄电池的容量配置，选取合适容量Q的蓄电池用于后续储能操作；(1.18)将实时电价按电价下降与上升进行分区，若处于电价下降区间，执行步骤(1.19)；否则执行步骤(1.20)至(1.24)；(1.19)由于处于电价下降阶段，只要保证当前时刻的用电需求即可，无需从电网向蓄电池充电；①若当前DG供电量大于负荷用电需求判断从DG往蓄电池充电带来的收益是否大于启动蓄电池的代价；若大于，则从DG往蓄电池存储多余供电量直至蓄电池充电极限，更新蓄电池充电量及其荷电状态如公式(4)‑(5)所示：Charge=min{(PDGi-PLoadi)×0.5,(Smax-SOC(i))×Q}---(4)]]>SOC(i+1)＝SOC(i)+Charge/Q；  (5)否则，放弃充电操作；②若当前DG供电量小于负荷用电需求判断从蓄电池往负荷放电带来的收益是否大于启动蓄电池的代价；若大于，则从蓄电池向负荷供电直至满足用电需求，或达到放电极限后再从电网向负荷继续供电，更新蓄电池放电量如公式(6)所示、荷电状态如公式(5)所示，当前时刻负荷向电网的购电量如公式(7)所示：Charge=min{(PDGi-PLoadi)×0.5,(Smin-SOC(i))×Q}---(6)]]>Buy=max{0,|(PDGi-PLoadi)×0.5-Charge|}---(7)]]>否则，蓄电池不放电，更新购电量为返回至步骤(1.18)继续分区域执行，直至所有时刻运行结束；(1.20)记录电价上升阶段PDG>PLoad的初始时刻p及DG可向蓄电池提供的总充电量sLoad1，PDG<PLoad的初始时刻q及蓄电池需向负荷放电的总放电量sLoad2；得到执行至下一个PDG>PLoad时刻前的蓄电池剩余电量，大于0表明有剩余，小于0表明单纯放电不够满足负荷需求，如公式(8)所示：S＝(SOC(i)‑Smin)×Q+sLoad1+sLoad2  (8)当电价上升阶段的第一个采样点处于PDG>PLoad情况时(即p<q)，执行步骤(1.21)至(1.23)；否则，跳转至步骤(1.24)；(1.21)蓄电池从DG处充电，根据S状态判断是否需要蓄电池或负荷向电网购电；当S≥0，执行步骤(1.22)；否则，执行步骤(1.23)；(1.22)分情况判断是否需要从电网购电，①若蓄电池极限可放电量大于负荷除去DG供电后的总电能需求，即(Smax‑Smin)×Q≥|sLoad2|，则蓄电池充满电后能够满足后面阶段的负荷需求，按照公式(4)‑(5)更新蓄电池充电量及其荷电状态，且无需向电网购电；②否则，先在PDG>PLoad阶段按公式(4)‑(5)通过DG将蓄电池充电至Smax状态，再在PDG<PLoad的几个初始时刻直接从电网向负荷供电，直至剩余的负荷需求可以由电池的放电获得，其中可能存在一个时刻的负荷既从电网直接购电、又从蓄电池向其放电的情况；返回步骤(1.18)继续分区域执行，直至所有时刻运行结束；(1.23)判断从电网的购电时刻及被供电对象，①若DG可向蓄电池提供的充电量小于蓄电池的充电极限，即sLoad1<(Smax‑SOC(p))×Q，则可以在p时刻从电网向电池充电直至达到负荷用电需求，即Buy＝‑S，或充电至蓄电池极限Smax，即Buy＝(Smax‑SOC(p))×Q‑sLoad1，再在PDG<PLoad的几个初始时刻直接从电网向负荷供电，直至剩余的负荷用电需求可以直接由电池放电供给；②否则，直接按照公式(4)‑(5)通过DG将蓄电池充电至Smax状态，再在PDG<PLoad的几个初始时刻直接从电网向负荷供电，直至剩余的负荷用电需求可以直接由电池放电供给；返回步骤(1.18)继续分区域执行，直至所有时刻运行结束；(1.24)分情况判断是否需要从电网购电，①若S≥0，则无需购电，直接由蓄电池向负荷放电；②否则，在PDG<PLoad初始时刻直接从电网向负荷供电，并向电池充电至负荷所需量，即或至充电极限Smax，即再在下一时刻继续直接从电网向负荷供电，直至剩余的负荷用电需求可以直接由电池放电供给；返回步骤(1.18)继续分区域执行，直至所有时刻运行结束；(2)假设有K个用户,每个用户DG输出能力与电池储能容量大小在‑10％～+10％之间波动，每个用户均采用步骤(1)对自身用电进行调度优化；在每一位用户对自身用电进行优化之后，将自身的用电调度数据通过广播上传到调度中心；(3)调度中心在收到各用户上传的用电调度数据后，对用户进行编号，按地理位置的远近将K个用户从1到K编号；(4)令delta＝PtDG‑PtLoad,t∈[1,48]计算出每一个时间段内每一个用户的过剩DG量或用电缺口，PtDG为用户自身的DG，PtLoad为用户自身的负荷；delta≥0则为DG过剩，EtDG＝delta，EtDG为过剩DG量；delta<0则为用电需求dv未满足，dv＝|delta|为用电缺口；(5)建立有根节树，所有delta≥0的节点为父节点，delta<0的节点为子节点；父节点的权值cv和需求dv都为零；(6)按照深度优先遍历寻找其中最大的父节点s，即DG输出最大的用户，设为根节点，此时暂设其余父节点的过剩DG输出为零；周围6个邻近子节点的权值根据根节点的状态而改变：若则执行步骤(7)，否则执行步骤(11)；从过剩DG输出最大的用户开始分配电能；(7)将根节点周围6户用户划分为一邻居群，邻居群内每个用户的权值预计分配电量(8)依次判断群内子节点若是则执行步骤(9)，否则执行步骤(10)；(9)子节点分配得到电量新的需求为根节点输出EtDG＝0，标记根节点，执行步骤(13)；(10)子节点分配得到电量预计分配电量与实际得到电量差值将差值电量分配给相邻子节点返回执行步骤(8)；(11)群内每一子节点可分配到电量(12)邻居群内所有节点合并为一个新的父节点，该父节点DG电能输出(13)标记根节点，恢复其余父节点的DG输出，返回执行步骤(6)；(14)判断是否所有父节点都被标记，若是则执行步骤(15)，若否则执行步骤(6)；(15)记录每一个时间段内各用户之间交易状况；(16)计算一天内每个用户节约用电在购电上节约费用(17)计算所有用户在一天内共节约用电在购电上节约的费用最终完成计及实时电价的微网用户群电能优化互济交易。