[发明专利]含不确定性预算调节的无平衡节点微网鲁棒调度方法

摘要

本发明含不确定性预算调节的无平衡节点微网鲁棒调度方法，以运行成本、环境成本和可再生能源波动最小为目标，以系统安全运行为约束构建微网鲁棒优化调度模型，生成最优解集。以灰熵关联度为最优解集的评价指标，建立以灰熵关联度为择优指标的微电网鲁棒调度方法。将储能系统当前和历史的状态通过映射法则预测当前微电网调度的不确定性预算，最后通过灰熵关联度客观选出最优解作为发电单元出力指令。本发明方法能有效增强系统对不确定因素的抗性，具有极强的操作性；不确定性预算调节策略控调一体，在分配微电源发电计划的同时调节微电源的控制特性，使微电网经济、环保地制定发电计划，调度过程具有较好的鲁棒性；能有效避免储能系统过充过放。

主权项

1.含不确定性预算调节的无平衡节点微网鲁棒调度方法，其特征是，包括以下步骤：第一步，根据微电网调度信息确定参数，构建微电网鲁棒调度模型：根据不确定性环境发电的总体要求，确定随机因素；通过盒式不确定集合描述不确定参数的波动区间，以运行成本、环境成本和可再生能源波动最小为目标，以微电网调度安全和下垂控制运行要求为约束构建微电网鲁棒调度模型；第二步，通过不确定性预算调节策略预测不确定性预测，并将所预测值传递到微电网鲁棒调度模型中：根据微电网运行当前和历史的状态通过映射法则预测不确定性预测，并将所预测值应用于当前鲁棒调度模型中；第三步，采用改进微分进化算法分别求解发电计划和下垂控制电压幅值、频率、有功功率和无功功率的额定值与下垂系数；所述改进微分进化算法以微分进化算法为基础，在更新当代粒子时以灰熵关联度为标准，让优秀粒子采用云模型进行局部搜索，以局部更优更新优秀粒子，并将更新后的优秀粒子存入外部精英存档中；同时，让非优秀粒子通过混沌算法进行全局搜索挑选出优秀粒子，并将所选出的优秀粒子存入外部精英存档中；随后进入下一代寻优过程直到满足终止条件为止；每次调度迭代过程达到最大代数时，通过灰熵关联度为评价指标选出最优粒子作为发电计划和下垂控制计划，如果调度继续，则通过不确定性预算调节策略预测新的不确定性预测，重复第二步和第三步，直到调度结束为止；所述不确定性预算调节策略为：法则1采用遗忘因子加权的方式对储能系统状态偏移无纲量和历史不确定性预测进行线性加权，公式如下：法则2采用线性加权法对历史功率波动和历史不确定性预测进行加权，公式如下：Γ(t)＝a₁Γ(t‑1)+a₂Γ(t‑2)+…+a_nΓ(t‑n)+…+b₁[P_L，t‑1‑P_PV，t‑1‑P_WT，t‑1]+b₂[P_L，t‑2‑P_PV，t‑2‑P_WT，t‑2]+…+b_n[P_L，t‑n‑P_PV，t‑n‑P_WT，t‑n]+…法则3采用神经网络建立不确定性预测、负荷误差预测、光伏出力误差预测、风机出力误差预测与时间、历史不确定性预测、历史负荷误差、历史光伏出力误差、历史风机出力误差、历史负荷误差预测、历史光伏出力误差预测、历史风机出力误差预测的映射关系，公式如下：以上三个公式中，Γ(t)为时段t不确定性预测；Γ_min、Γ_max分别为不确定性预测的上、下限；ω₁、ω₂、…、ω_n、…为遗忘因子；Soc_t‑1为t‑1时刻储能系统的荷电状态；Soc分别为储能系统荷电状态的上限和下限；Γ(0)为不确定性预算的初始值；a₁、a₂、…、a_n、…，b₁、b₂、…、b_n、…分别为映射法则系数；P_L,t、P_PV,t、P_WT,t分别为t时刻负荷、光伏发电和风力发电的功率；ΔP_L,t为时段t负荷误差；ΔP_PV,t为时段t光伏出力误差；ΔP_WT,t为时段t风机出力误差；为时段t负荷误差预测；为时段t光伏出力误差预测；为时段t风机出力误差预测；上述不确定性预算调节策略所预测的不确定性预测传递给鲁棒调度模型。