[发明专利]一种风光储柴自治微网群跨域协同互动与消纳方法

摘要

本发明公开了一种风光储柴自治微网群跨域协同互动与消纳方法，考虑多因素构建网络拓扑矩阵权值，并将这些相关性较低的度量值有机的统一起来，从而大大减少了约束条件的个数为算法的简化奠定了基础，将MST搜索算法和LMI优化算法结合起来使用分别构造新的微网拓扑结构下的“树干”和“树叶”，既利用了算法各自的优点又方便算法的随时结合与拆分使用，从而避免了每次采样后都对这个算法的重新运行，大大简化了计算量，提高了算法效率，合理安排储能单元的充放电状态，使该策略得以从空间和时间两个维度对电能进行优化安排，从而使电能的利用率得到更大程度的提高。

主权项

1.一种风光储柴自治微网群跨域协同互动与消纳方法，其特征是包括如下步骤：(1)按时间间隔Δt采样，获取当前时刻系统分布式电源DGs、重要负荷CLs、普通负荷NLs、储能设备Ss的状态信息；(2)判断是否如果存在则执行(3)，否则执行(18)，其中，和分别为(t‑Δt)时刻和t时刻自治微网i_AMG中DG与CL的功率之差，N_AMG(t‑Δt)为(t‑Δt)时刻存在的自治微网的个数；(3)构建当前t时刻的网络拓扑矩阵A(t)；(4)判断是否是则执行(5)，否则执行(6)，其中，N_DG是微网群中DG的总个数，N_CL是CL的总个数，N_NL是NL的总个数；(5)S_i∈{x|x is load},i＝1,…,N_s并执行(9)，其中，S_i为第i个储能设备，N_s为微网群中储能设备的总个数；(6)判断是否是则执行(7)，否则执行(8)；(7)S_i∈{x|x|is|load}∪{y|y is generater},i＝1,…,N_s并执行(9)和(10)，；(8)S_i∈{y|y is generater},i＝1,…,N_s并执行(10)；(9)判断是否每个S_i的SOC_i≥80％,i＝1,…,N_s，是则执行(11)，否则执行(12)，其中SOC_i，为第i个储能设备的荷电状态；(10)判断是否每个S_i的SOC_i≤20％,i＝1,…,N_s，是则执行(11)，否则执行(13)；(11)其中，S_i为第i个储能设备，G_i为第i个供电电源，L_i为第i个用电设备；N_G为微网群中发电电源的总个数，N_L为微网群中电负荷的总个数；(12)执行(14)，其中，S_i为第i个储能设备，G_i为第i个供电电源，为微网群中将储能设备视作发电电源的总个数；(13)执行(14)，其中，S_i为第i个储能设备，L_i为第i个用电设备，为微网群中将储能设备视作用电负荷的总个数；(14)计算从到的最小权值和：Min[sum(weights)]_ij，得N_G×N_CL棵最小树，其中，G_i为第i个供电电源，N_G为微网群中发电电源的总个数，CL_j为第j个重要负荷，N_CL为微网群中重要负荷的总个数，sum(·)为求和函数，weights为网络拓扑矩阵权值；(15)选择最小权值和中最小的Min[sum(weights)]_ij所对应的G_i作为jth重要负荷CL_j的供电节点；(16)确定全部N_G×N_CL个集合{G_i,CL_j},i∈(1,N_G),j∈(1,N_CL)，其中，G_i为第i个供电电源，CL_j为第j个重要负荷；(17)判断是否每个集合{G_i,CL_j},i∈(1,N_G),j∈(1,N_CL)中G_i‑CL_j＞0，是则执行(19)，否则执行(18)；(18)选择次小的权值和Submin[sum(weights)]_ij所对应的G_i作为jth重要负荷CL_j的供电节点并执行(19)，其中，Submin(·)表示求次最小值，sum(·)为求和函数，weights为网络拓扑矩阵权值；(19)确定G_i和CL_j之间普通负荷NLs中市政用电Municipal，第三产业用电Tertiary，轻工业用电Light的个数并保存在变量n_M，n_T和n_L中；(20)构建线性矩阵不等式LMI：ε＝min{x·M(t)+y·T(t)+z·L(t)‑(G_i‑CL_j)}s.t.:0≤εx≤n_M；y≤n_T；z≤n_L其中，M(t)，T(t)和L(t)分别为三种NLs在时刻t的负荷功率值，x,y,z为电源G_i与重要负荷CL_j之间希望连接的三种NLs的数量；(21)通过求解上述LMI优化问题，确定x，y和z的值；(22)选择G_i，CL_j以及两者之间y和z个Municipal，Tertiary，Light构成集合{k|kth|Autonomous MG,k∈(1,N_G×N_CL)}，即第k个自治微网。