[发明专利]一种基于可调度能力的微电网优化运行实时控制方法

摘要

一种基于可调度能力的微电网优化运行实时控制方法，包括以下步骤：对一天的时间进行离散化处理，设置多个采样点；结合前一日采样点RES出力或负荷需求的实际值和预测值，在动态优化时域的后续时段对RES出力情况以及常规负荷需求做短期预测；经过预测模型计算、修正后续时段RES出力和负荷需求，制定优化时域内最小综合运行成本下的最优调度方案；按最优调度方案，在采样周期内设置更短的采样周期，制定功率分配准则，使各响应主体快速响应系统能量补偿需求；AMI收集系统运行最新数据信息，微电网能量管理中心据此更新预测模型信息；重复上述步骤，直至优化区间结束。本发明有效改善系统的负荷特性，同时提高供需两侧的经济性。

主权项

1.一种基于可调度能力的微电网优化运行实时控制方法，其特征在于，该方法包括以下步骤：S1.综合考虑供电侧可再生能源出力及需求侧电动汽车EV的不确定性，建立含智能量测系统、微电网能量管理中心、EV充放电设施、可再生能源RES和响应主体在内的微电网模型；S2.将一天连续24h的时间进行离散化处理，共设立J个采样点，对于任意第k时段，有k＝{k0,k0+1,…,K}，其中，k0表示当前采样点，K表示末采样点，且K≤J；初始采样点k0＝1；S3.结合前一日采样点k时刻RES出力或负荷需求的实际值和预测值，微电网能量管理中心在动态优化时域Thor＝{k0,k0+1,…,K}的后续时段对RES出力情况以及常规负荷需求做短期预测；S4.微电网能量管理中心利用智能量测系统AMI收集的系统运行最新数据信息，考虑系统约束，结合MPC滚动优化，经过预测模型计算、修正后续时段RES出力和负荷需求，制定优化时域内最小综合运行成本下的最优调度方案；微电网动态优化过程包括以下步骤：S4‑1：同时考虑当前系统的运行状态和后续时段的预测数据，基于预测数据并结合MPC滚动优化，建立微电网动态优化控制的广义模型为：式中：为优化时域目标函数；为当前采样点k₀处的函数值；为后续时段目标函数预测值；S4‑2：制定内部电价，基于系统内部能量补偿需求，面向响应主体发展一种带有倾斜分档率IBR的实时电价机制；为保证系统优化运行，应尽量减小系统净负荷波动和峰谷差，因此首先根据净负荷电量定义实时电价：ρRTP(k)＝aQnet2(k)+bQnet(k)+c                  (14)其中，ρRTP(k)表示采样点k处的电价；a、b和c为RTP系数；Qnet(k)＝Pnet(k)Δs表示采样点k处系统净负荷电量，Pnet(k)表示净负荷，表示如下：式中，LB(k)、PW(k)、PPV(k)分别表示采样点k处常规负荷、风机出力和光伏出力；在带有IBR的电价机制中，当系统总电量需求超过给定阈值时，电价将会达到一个更高水平，具体表示为：式中，xk、yk和zk为三个电价等级；δ1(k)、δ2(k)为不同电价等级的阈值；由公式(15)可知，当微网内的电量供给大于负荷需求时，净负荷为负，将有部分剩余RES出力倒送至大电网，因此，考虑到RES倒送，结合公式(14)与(16)，系统内部电价机制表示为：式中，λ1、λ2为不同电价等级下的价格倍率，且λ2＞λ1＞1；ρre表示单位电量的倒送价格；S4‑3：以最小化微电网日运行总成本为目标建立动态优化目标函数，因此公式(13)进一步表示为：式中，C_Int(k)、P_Int(k)和ρ_Int(k)分别表示采样点k处微网与大电网的交互成本、交互功率和交互电价；C_EV,sub(k)、I_EV,sub分别表示采样点k处EV集群参与微网辅助服务的补偿费用和补偿价格，ΔP_tra,i(k)表示采样点k处车辆i的负荷转移量；C_R,op(k)表示微网运维总费用，分别为风机、光伏和BES的运维成本系数；C_BES,cd(k)、C_EV,cd(k)和C_R,sub(k)分别表示采样点k处BES的充放电损耗成本、EV集群用户的充放电费用和RES发电补贴；P_W,valid(k)、P_PV,valid(k)分别为采样点k处被消纳的风机、光伏出力，I_W,sub、I_PV,sub分别为风机、光伏发电每度补贴价格；在建立优化调度模型过程中，除了考虑微网内响应主体的运行约束外，还应考虑系统约束：1)系统功率平衡约束2)倒送功率约束对于电网容量不太充足的情形，过大的风光电力倒送可能会对大电网稳定性与经济运行造成不利影响，因此对微电网倒送功率有所限制；Pgridout(k)≤Pgridout,max                   (21)式中，Pgridout(k)表示微电网倒送功率；Pgridout,max为倒送功率上限；S5.微电网能量管理中心按最优调度方案，在采样周期k内设置更短的采样子周期，采样子周期长度为Δt，基于动态优化控制得到的各响应主体荷电状态SOC的变化序列以及响应主体的可调度能力SA，制定功率分配准则，从而使各响应主体能够快速响应系统能量补偿需求；功率实时分配过程如下：S5‑1.设定本阶段优化时域为Tk,hor＝{1,2,…,V}，对于任意采样点有νk∈Tk,hor，V为采样点总数，则V＝Δs/Δt，初始采样点vk＝1；S5‑2.首先需确定该优化阶段每一采样点处响应主体需保持的荷电状态：式中，为响应主体i在采样点ν_k处需要保持的SOC；Θ_S,i(k)＝(S_i(k)‑S_i(k‑1))Q_s,i，表示响应主体i在第k个采样周期需要增加的SOC，其中,S_i(k)、S_i(k‑1)分别表示响应主体i在采样点k、k‑1处的SOC,S_i(k)、S_i(k‑1)均由动态优化过程得到；其次确定每一采样点处系统能量补偿需求量和补偿需求状态，补偿需求量为：Pcom(νk)＝PW(νk)+PPV(νk)‑LB(νk)               (23)补偿状态为：式中，Pcom(νk)、φ(νk)分别表示采样点νk处系统所需功率补偿量；PW(νk)、PPV(νk)和LB(νk)分别表示采样点νk处的风机、光伏出力和常规负荷，φG2V、φV2G分别表示系统处于充电、放电补偿需求状态，且φV2G＝{0,1}，φG2V＝{0,1}，φV2GφG2V＝0；S5‑3.针对所有入网响应主体进行SA评估；为精细量化有意愿参与微网运行调控的EV以及微网内BES的SA，考虑以下因素：1)电池损耗程度，表示为：式中，表示温度加速因数；分别表示初始荷电状态S_0,i、电池放电深度D_i对电池容量衰减的加速因数；Y_cyc,i表示响应主体i的历史充放电循环次数；2)充电迫切程度：当φ(νk)＝φG2V＝1，响应主体需充电以消纳多余RES出力，引入充电迫切程度的概念用以表征响应主体消纳多余RES的能力；充电迫切程度表示如下：式中，Si(νk‑1)表示响应主体i在第νk‑1个采样点的SOC；3)反向供电能力：当φ(νk)＝φV2G＝1，响应主体需放电以满足系统负荷需求，引入反向供电能力用以表征响应主体满足系统负荷需求的能力；反向供电能力表示如下：4)信用度：用于表征一定时间周期内响应主体i参与调度策略时的完成情况，表示如下；式中，X表示一定时间周期内响应主体i参与调度的总次数；分别表示第x次参与调度的起始时间和预期离网时间；表示第x次参与调度时离开电网的时间；因此对于响应主体i的越接近信用度越大；特别地，储能蓄电池由于不存在入离网的情况，因此信用度为1；基于乘法组合法融合由层次分析法、标准差和平均差最大化方法确定的主、客观权重而得到综合权重，根据得出的综合权重向量与各项评估指标值，对响应主体可调度能力进行综合评估，响应主体i在采样点νk处的可调度能力表示为：式中，m表示评估指标个数；wj表示综合权重系数；di,j为无量纲化处理后响应主体i的第j个评估指标的属性值；S5‑4.制定响应主体功率分配准则；根据所有入网响应主体的SA评估值初步确定各响应主体的调度优先权结合各采样周期内系统功率补偿需求和响应主体的调度优先权，制定响应主体功率广义分配准则：式中，Pi(νk)表示响应主体i在采样点νk处的功率；在每一采样周期内设定合理的SA阈值，使得各响应主体基于SA值所分得的功率尽量满足额定功率限制，因此SA阈值表示为：式中，TH(ν_k)为SA阈值；当时，令重新调整响应主体的调度优先权，调整后的调度优先权记为结合以上前提，响应主体的实时功率分配准则准确描述为：式中，Pi(νk)表示响应主体i在采样点νk处的功率；S5‑5.若vk＜V，则令vk＝vk+1，转至步骤S5‑2；否则，转至步骤S6；S6.智能量测系统收集系统运行最新数据信息，微电网能量管理中心根据相关信息更新预测模型信息；S7.若k＜K，则令k＝k+1，转至步骤S3，否则转至步骤S8；S8.重复步骤S1～S7，直至优化完成。