一种基于需求侧管理的光伏微网多目标调度方法与流程

本发明涉及微电网领域，特别涉及一种基于需求侧管理的光伏微网多目标调度方法

背景技术：

分布式发电作为可再生能源利用的主要形式之一，近年来得到迅速发展。为了解决大规模分布式发电给电网运行控制带来的困难，具有能量自治管理与控制能力的微电网得到了广泛关注和发展。微电网主要由分布式电源、储能系统、负荷，以及能量管理系统(Energy management system,EMS)、保护系统和监控系统等部分构成，其可以作为一个整体独立运行，也可以与大电网并列运行，从而能够为大电网提供有力的补充和支撑，是智能电网的重要组成部分。图1为典型光伏微电网的结构原理，其主要由分布式光伏电源、电池储能(Battery energy storage system,BESS)、固定负荷(Fixed load,FL)、可转移负荷(Transferable load,TL)、EMS等组件构成。图1中，光伏阵列通过DC/AC逆变器并入交流母线，采用最大功率跟踪控制策略；储能系统通过电压源型双向功率变换器并联在交流母线上，主要用于微电网的功率和能量的调节；交流母线则通过快速切换开关接入公用配电网，通过控制开关的通断实现微电网在孤岛/并网两种模式下切换。EMS通过与其他组件之间的通讯，实现微电网内各个模块的协调与控制，是微电网优化运行控制的关键。

光伏微电网具有两种运行模式，即孤岛模式和并网模式。在孤岛运行模式下，储能系统一般采用V/f控制方式，建立并维持系统的电压及频率稳定；而在并网模式下，储能系统一般采用PQ控制方式，其可根据经济运行的需要进行能量调节。

经济运行调度是微电网能量管理及运行控制研究中一个重要内容，其目标是在满足负荷电能需求的同时实现综合效益的最大化，是体现微电网经济效益的关键。同时，由于微电网通常容量很小，较小的电源或负荷波动都会对其优化运行调度带来较大影响。因此，研究微电网经济运行问题具有重要的理论和工程意义。然而，目前仍缺乏针对含需求侧管理的、电源单一的、运行状态切换频繁等特点的微网系统运行的优化调度方法。

技术实现要素：

本发明的目的是提供一种基于需求侧管理的光伏微网多目标调度方法，通过对模型的优化，得到最优的调度方法，提高微电网的运行经济性。

为了达到上述目的，本发明的技术方案如下:

本发明包括如下步骤：步骤1：根据包含需求侧管理的光伏微网系统的结构和运行模式，以系统总的运行费用最低和储能的循环电量最小为目标函数，建立基于需求侧管理的光伏微网多目标优化调度模型；

步骤2：确定基于需求侧管理的光伏微网系统的多目标优化调度模型的决策变量及其约束条件；

步骤3：确定光伏微网系统的参数以及系统优化的初始值；对目标函数进行求解；步骤4：根据不同天气预测情况光伏微网运行情况，通过多目标优化算法，得到非支配解前沿面，进而获得多个Pareto最优解；

步骤5：根据不同的日照强度及分时电价数据，得出对基于需求侧管理的光伏微网系统总运行费用和储能循环电量较小的优化方案，决策者选择对含需求侧管理的光伏微网系统运行的最优调度方案。

所述的步骤3中确定的参数包括如下数据：

(1)根据光伏电池组数、日照条件、光伏组件倾角和环境温度因素确定得到光伏发电功率；

(2)通过微电网短期负荷预测方法得到t时段的固定负荷功率P_FL(t)；

(3)确定决策变量t_s和P_b(t)的初始值，其中决策变量的初始值是通过在各自取值范围内随机产生，而后续迭代过程中的值由多目标优化算法决定；

最小化系统总运行费用的目标函数为：

最小化储能循环电量的目标函数为：

其中，T为优化的时段数；ΔT为单位时间间隔；P_g(t)为单位时间间隔内与配电网交换的平均功率(购电时为正，售电时为负)；p_r(t)为单位时间间隔内平均交易价格；上标TL代表可转移负荷；ρ_k为第k类可转移负荷的单位补偿费用；m为可转移负荷的种类数；t_b和t_s分别表示可转移负荷的转移前和转移后开始工作时段；为第k类可转移负荷从t_b时段转入t_s时段的量；为第k类可转移负荷从t_b时段转入t_s时段的单元数量；为第k类可转移负荷的基本单元量；P_B(t)和P_b(t)分别为t时段储能系统的放电功率和充放电交换功率，其中P_b(t)充电时为正，放电时为负。

多目标调度模型的决策变量为：第k类可转移负荷从t_b时段转入t_s时段的单元数量可转移负荷转移后开始工作时刻t_s，储能系统的充放电交换功率P_b(t)；约束条件为：

(1)系统功率平衡约束:含需求侧管理的光伏微网系统在运行过程中满足功率平衡关系；当光伏微电网孤岛运行时，其与配电网之间没有电能交换，即P_g(t)＝0，从而微电网内部需要实现功率的实时平衡，有：

P_b(t)+P_L(t)-P_pv(t)＝0

而当处于并网运行时，则有：

P_g(t)＝P_b(t)+P_L(t)-P_pv(t)

其中，

式中，P_pv(t)为光伏发电功率；P_L(t)为t时段负荷侧的总负荷功率，其包括固定负荷和转移后的可转移负荷；P_FL(t)为t时段的固定负荷功率；为转移后t时段的第k类可转移负荷量；为转移前t时段的可转移负荷量，Lk为第k类可转移负荷的持续工作时间；

(2)储能系统的充放电功率和SOC约束：储能系统的充放电功率受双向AC/DC功率变换器额定容量的约束，故应满足约束：

式中，P_{b_rat}和E_{b_rat}分别为储能系统的额定功率和额定容量；SOC_max和SOC_min分别是储能系统SOC的上限和下限；另外，储能系统的当前荷电量E_b(t)可通过下式递推得到，即

式中，η_b是储能系统的充/放电效率；荷电量E_b(t)应满足

E_{b_rat}SOC_min≤E_b(t)≤E_{b_rat}SOC_max

同时，考虑到每个优化周期具有连续性，故应使每个优化周期的储能系统初始SOC保持一致，即有

E_b(0)＝E_b(T)

(3)可转移负荷相关约束，对于可转移负荷，t时段转入/转出的负荷容量约束可表示为

式中，和分别为t时段第k类可转移负荷允许的最大转入量和转出量；可转移负荷允许转移时间约束

式中，S_k为第k类可转移负荷允许转移的时间范围；

(4)联络线路功率约束：微电网与配电网之间的交换功率受到联络线路的约束，即

P_g(t)≤min{P_{line_max},P_T}

式中，P_T为配电变压器的额定功率，P_{line_max}为联络线路允许的最大传输功率。目标函数的求解包括如下步骤，

①读入预测的光伏发电功率P_pv(t)和固定负荷功率P_FL(t)，以及决策变量t_s和P_b(t)的值，其中决策变量的初始值是通过在各自取值范围内随机产生，而后续迭代过程中的值由NSGA-II算法决定；

②计算各优化时段的总负荷量P_L(t)。

③计算各优化时段的储能系统充放电功率及SOC。在每个优化时段，首先根据光伏微电网孤岛运行模式计算P_b(t)，并根据储能系统的充放电功率和SOC约束对其进行校验，如果不满足约束，则切换至并网模式，并在充放电功率约束的约束范围内随机产生新的P_b(t)，并据此求取当前时段储能系统SOC；在最后一个优化时段T时，SOC还需要满足每个优化周期的储能系统初始SOC保持一致；

④计算光伏微电网与配电网之间的交换功率P_g(t)。在微电网切换至并网运行模式时，则根据步骤2中确定的储能系统功率P_b(t)，按照并网运行时系统功率平衡约束计算交换功率P_g(t)，并使用联络线路功率约束进行校验，如果不满足约束，则使用罚函数进行处理；

⑤计算优化目标函数。根据分时购/售电电价，计算得到优化周期内的系统运行总费用F和优化周期内的储能系统循环电量E。

本发明可以针对不同日照情况，针对光伏微网系统能量优化调度问题的研究，提出调度优化方案；提出的优化调度模型，可为考虑需求侧管理的光伏微网能量调度提供理论依据和技术支持，提高微网系统运行的高效性、稳定性和经济性。

附图说明

图1为现有技术中微电网的结构框图。

图2为优化目标函数的计算流程图

图3为采用改进的非支配排序遗传算法，在不同天气下的考虑需求侧管理时的优化调度Pareto最优解的示意图

图4为采用改进的非支配排序遗传算法，在不同天气下的不考虑需求侧管理时的优化调度Pareto最优解的示意图

具体实施方式

含需求侧管理的光伏微网系统的运行策略为:(1)根据微电网本身具有的特点，光伏微电网可以工作于孤岛和并网两种模式下，但优先考虑在孤岛模式下运行，只有在微电网无法满足孤岛运行条件，系统本身不能实现功率或能量平衡时，方切换至并网运行模式；(2)负荷主要包括固定负荷和可转移负荷，且假设负荷分布特性均已知，同时可转移负荷只有在工作时间被转移的情况下，微电网才需要提供相应的补偿，否则不考虑补偿费用；(3)最大限度地利用光伏发电的电能，优化建模时不考虑弃光问题，且假设光伏出力能够准确预测；(4)作为运行优化问题，本文不考虑光伏或储能系统发生故障而退出运行的情况，同时不计及微电网本身的建设和运维费用，即在微电网不从公用电网购电情况下，其发电费用忽略不计；(5)由于储能系统的放电深度会直接影响其使用寿命，因此本发明除了将光伏微电网的运行总费用作为优化目标外，还将储能循环电量也作为运行优化目标之一，从而构建为多目标优化问题。综上，必须保证光伏微网系统安全、稳定、高效率的运行。

本发明提供考虑需求侧管理的光伏微网多目标优化调度方法，该方法的步骤为：

步骤1:构建考虑需求侧管理的光伏微网多目标优化调度模型的目标函数；在满足系统稳定运行的情况下，设计优化目标如下：(1)最小化系统总运行费用；(2)最小化储能循环电量；

目标函数如下：

式中，T为优化的时段数；ΔT为单位时间间隔；P_g(t)为单位时间间隔内与配电网交换的平均功率(购电时为正，售电时为负)；p_r(t)为单位时间间隔内平均交易价格；上标TL代表可转移负荷；ρ_k为第k类可转移负荷的单位补偿费用；m为可转移负荷的种类数；t_b和t_s分别表示可转移负荷的转移前和转移后开始工作时段；为第k类可转移负荷从t_b时段转入t_s时段的量；为第k类可转移负荷从t_b时段转入t_s时段的单元数量；为第k类可转移负荷的基本单元量；P_B(t)和P_b(t)分别为t时段储能系统的放电功率和充放电交换功率，其中P_b(t)充电时为正，放电时为负。

步骤2：确定考虑需求侧管理的光伏微网系统的多目标调度模型的决策变量及其约束条件；

根据所设定的针对考虑需求侧管理的光伏微网系统的多目标调度模型的决策变量为：第k类可转移负荷从t_b时段转入t_s时段的单元数量可转移负荷转移后开始工作时刻t_s，储能系统的充放电交换功率P_b(t)；

根据优化目标设定的考虑需求侧管理的光伏微网系统的多目标优化调度模型的约束条件包括四个方面：(1)系统功率平衡约束；(2)储能系统的充放电功率和SOC约束；(3)可转移负荷相关约束；(4)联络线路功率约束；

(1)系统功率平衡约束；含需求侧管理的光伏微网系统在运行过程中满足功率平衡关系；当光伏微电网孤岛运行时，其与配电网之间没有电能交换，即P_g(t)＝0，从而微电网内部需要实现功率的实时平衡，有：

P_b(t)+P_L(t)-P_pv(t)＝0

而当处于并网运行时，则有：

P_g(t)＝P_b(t)+P_L(t)-P_pv(t)

其中，

式中，P_pv(t)为光伏发电功率；P_L(t)为t时段负荷侧的总负荷功率，其包括固定负荷和转移后的可转移负荷；P_FL(t)为t时段的固定负荷功率；为转移后t时段的第k类可转移负荷量；为转移前t时段的可转移负荷量，Lk为第k类可转移负荷的持续工作时间。

(2)储能系统的充放电功率和SOC约束：储能系统的充放电功率受双向AC/DC功率变换器额定容量的约束，故应满足约束：

式中，P_{b_rat}和E_{b_rat}分别为储能系统的额定功率和额定容量；SOC_max和SOC_min分别是储能系统SOC的上限和下限。另外，储能系统的当前荷电量E_b(t)可通过下式递推得到，即

式中，η_b是储能系统的充/放电效率；荷电量E_b(t)应满足

E_{b_rat}SOC_min≤E_b(t)≤E_{b_rat}SOC_max

同时，考虑到每个优化周期具有连续性，故应使每个优化周期的储能系统初始SOC保持一致，即有

E_b(0)＝E_b(T)

(3)可转移负荷相关约束，对于可转移负荷，t时段转入/转出的负荷容量约束可表示为

式中，和分别为t时段第k类可转移负荷允许的最大转入量和转出量。可转移负荷允许转移时间约束

式中，S_k为第k类可转移负荷允许转移的时间范围。

(4)联络线路功率约束：微电网与配电网之间的交换功率受到联络线路的约束，即

P_g(t)≤min{P_{line_max},P_T}

式中，P_T为配电变压器的额定功率，P_{line_max}为联络线路允许的最大传输功率。

步骤3：考虑需求侧管理的光伏微网多目标优化调度模型求解前，确定以下基础数据：(1)根据光伏电池组数、日照条件、光伏组件倾角和环境温度等因素确定得到光伏发电功率；(2)通过微电网短期负荷预测方法得到t时段的固定负荷功率P_FL(t)；(3)确定决策变量t_s和P_b(t)的初始值，其中决策变量的初始值是通过在各自取值范围内随机产生，而后续迭代过程中的值由多目标优化算法决定；(4)分时电价、光伏微网系统相关参数、联络线功率及多目标优化算法的相关参数设置的确定。

步骤4：根据不同天气预测情况光伏微网运行情况，通过多目标优化算法，得到非支配解前沿面，进而获得多个Pareto最优解；

步骤5：根据不同的日照强度及分时电价数据，得出对基于需求侧管理的光伏微网系统总运行费用和储能循环电量较小的优化方案，决策者选择对含需求侧管理的光伏微网系统运行的最优调度方案。

本发明中所述的多目标算法采用非支配排序遗传算法中的NSGA-II算法，该算法适合于求解非线性、多目标、多约束的优化问题，是目前广受关注的多目标优化问题求解算法之一。NSGA-II算法模型已经非常成熟，这里其算法不做详细说明。

如图2所示为本发明的目标函数的计算方法，包括如下步骤：

①读入预测的光伏发电功率P_pv(t)和固定负荷功率P_FL(t)，以及决策变量t_s和P_b(t)的值，其中决策变量的初始值是通过在各自取值范围内随机产生，而后续迭代过程中的值由NSGA-II算法决定；

②根据式和计算各优化时段的总负荷量P_L(t)。

③计算各优化时段的储能系统充放电功率及SOC。在每个优化时段，首先假设光伏微电网孤岛运行，根据式P_b(t)+P_L(t)-P_pv(t)＝0计算P_b(t)，并按照式E_{b_rat}SOC_min≤E_b(t)≤E_{b_rat}SOC_max

对其进行校验，如果不满足约束，则切换至并网模式，并在式的约束范围内随机产生新的P_b(t)，并据此求取当前时段储能系统SOC。当然，如果是最后一个优化时段T，SOC还需要满足式E_b(0)＝E_b(T)的约束；

④计算光伏微电网与配电网之间的交换功率P_g(t)。如果微电网切换至并网运行模式，则可根据步骤2中确定的储能系统功率P_b(t)，按照式P_g(t)＝P_b(t)+P_L(t)-P_pv(t)计算交换功率P_g(t)，并使用式P_g(t)≤min{P_{line_max,}P_T}进行校验，如果不满足约束，则使用罚函数进行处理；

⑤计算优化目标函数。根据分时购/售电电价，由式得到优化周期内的系统运行总费用F；根据式可求得优化周期内的储能系统循环电量E。

本发明公开了一例为采用NSGA-II多目标优化算法，在不同的天气情况下以及考虑DSM和不考虑DSM情况下得到的系统总运行费用和储能循环电量的函数关系图。图3和4均为两目标的优化结果，其中，图3为不同天气下的考虑需求侧管理时的优化调度Pareto最优解情况；图4为两种天气下的不考虑需求侧管理时的优化调度Pareto最优解的情况。决策者可通过优化结果得到的Pareto解集观察到考虑需求侧管理对于提高微电网的运行经济有显著作用。决策者可充分考虑到总运行费用和储能系统循环电量两个优化目标的冲突影响，在实际的应用中选取某一折衷调度方案。

本发明适用于针对光伏微电网具有电源单一、出力波动大、运行状态切换频繁等特点，提出了一种能够适用于孤岛和并网两种运行模式的多目标优化调度方法，此方法具体包括统一模型的建立和求解策略的提出；实现了对含需求侧管理的光伏微网系统的运行调度方案的优化；可为考虑需求侧管理的光伏微网系统的优化调度提供理论依据和技术支撑；提高系统运行的安全性、稳定性、高效性。

上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。