一种基于竞价均衡的微电网运行方法与流程

本发明涉及微电网优化运行领域，尤其涉及一种基于竞价均衡的微电网运行方法。

背景技术：

节能减排和可持续发展的问题成为世界各国关注的焦点，能源发展面临以可再生能源逐步替代化石能源，建造能源使用的创新体系，以信息技术彻底改造现有的能源利用体系，最大限度地开发电网体系的能源效率等挑战。在可再生能源应用中，风能、光伏等分布式发电(Distributed Generation，DG)是未来发电的重要形式，但由于间歇性和不可控性，如何管控及高效利用DG成为能源领域关注的重点。微电网在DG与电网之间提供了一个中间层，通过能量管理和控制，避免了间歇性DG对电网的冲击^[1-3]。以微电网为单元的DG接入方式，能有效提高供电可靠性，但也改变了传统电网的结构和运行方式，采用更加智能化的控制手段来优化和控制其运行是微电网发展的趋势。

由于微电网内组成元素的复杂性及运行方式的灵活性，其优化目标的实现往往需要内部各元件之间的相互配合、协调控制，因此运行优化过程是一个多目标、多变量、多约束条件和非线性的优化问题，优化目标可以是网络损耗最小、发电成本最小或可靠性最高等，并已有部分应用多智能体系统(Multi-Agent System，MAS)进行运行控制。国内外文献通常基于MAS结构建立上中下三层微电网优化控制，制定了包括维持系统电压稳定、最大化经济和环境效益的微电网优化控制目标，通过三层微电网Agent进行优化控制；或者将整个微电网视为一个代理参与配电网电力市场的竞价过程，并对分别按照统一电价和招投标电价两种不同电价决定机制下的运行结果进行比较和分析，得出微电网整体与配电网之间的电力互动策略的不同，以及对微网内部各项经济指标的影响^[4-6]。

随着新能源发电渗透率的不断提高、微电网应用的不断推广以及电力市场改革的不断实施，电力系统的运行方式将面临新的问题：(1)分布式发电使能源供应本地化，微电网内的电能将有很大一部分不经过大电网输、配环节直接供给用户，其电价若还按照大电网电价进行核算，有失准确与经济；(2)大电网的电价只能反映传统发输配电的成本和收益，并不能反映微电网内投资方，特别是多产权微电网各方的利益诉求，这不利于商业化微电网的建设和发展；(3)接于同一大电网下的多个微电网间可能存在不同的用电峰谷时段，若按照统一的大电网峰谷电价进行结算将有失对不同微电网用户的公平性。

针对上述问题，有必要在电力市场化视角下，根据微电网相对独立的特点引入竞价机制，通过模拟微电网内DG多次竞价并达到均衡的过程，最终形成微电网的内部清算电价、以及发电分配方案，实现微电网内的资源优化配置。

技术实现要素：

本发明提供了一种基于竞价均衡的微电网运行方法，本发明在确定微电网内部电价的同时，优化微电网内部总发电成本，制定发电分配方案，详见下文描述：

一种基于竞价均衡的微电网运行方法，所述微电网运行方法包括以下步骤：

微电网竞价单元Agent获取微电网内部清算电，以收益函数值最大为优化目标，求取能获得最优发电量的竞价函数并提交给微电网竞价管理Agent；

微电网竞价管理Agent根据上报的竞价函数，以供需平衡为条件求解新的微电网内部电价和发电分配方案，并将新的微电网内部电价发布给所有微电网竞价单元Agent；

各微电网竞价单元Agent根据新电价更新收益函数，重新决策竞价函数，并再次上报竞价管理Agent进行电价和发电分配的计算，不断重复直到电价收敛为止，并以收敛值作为微电网的内部清算电价；

以最终所得内部清算电价确定微电网最终发电方案。

所述微电网运行方法还包括：

若微电网竞价单元Agent在某一竞价阶段不能得到可盈利的竞价策略，则暂时退出竞价流程。

所述微电网最终发电方案具体为：

若所得微电网内电价介于大电网供电电价和购电电价之间，微电网竞价管理Agent以所得电价P_clear作为微电网内部电价，各DG以最新上报的目标搜索竞价函数确定发电量，不足的部分从大电网购电；

若所得微电网内统一电价高于大电网供电电价，微电网竞价管理Agent以大电网供电电价为微电网内部电价，未被满足的负荷需求将从大电网购电；

若所得微电网内电价低于大电网购电电价，微电网竞价管理Agent将剩余发电量以大电网购电电价卖给大电网，并以大电网购电电价为微电网内电价。

所述收益函数具体为：

其中，ρⁿ为第n次竞价确定的微电网内清算电价；Q_i为分布式电源发电量；和为可变成本系数；为固定成本系数。

本发明提供的技术方案的有益效果是：

(1)微电网中的电能很大一部分由本地分布式电源供给，并不经过大电网或者配电网传输，目前微电网的电价结算普遍采用联络节点的配电网电价，不能衡量分布式电源的发电成本与收益。本发明在微电网内引进竞价手段，制定与本地电力生产成本和供求关系相关联的电价进行结算，更加符合实际情况。

(2)本发明通过多次竞价后，得到发电分配方案，可以优化微电网分布式电源的发电总成本，实现微电网的经济运行。

(3)微电网内组成元素的复杂性及运行方式的灵活性，多分布式电源使得微电网具有分布分散的特点，本发明基于多智能体系统建立竞价过程的协商机制，能很好的适应微电网分散分布的特点。

附图说明

图1为本发明提供的竞价单元Agent的竞价优化递推过程的示意图；

图2为本发明提供的竞价管理Agent的竞价管理决策过程的示意图；

图3为本发明提供的竞价单元与竞价管理之间的信息交互的示意图；

图4为本发明提供的微电网基于竞价均衡的运行决策流程图的示意图；

图5为本发明提供的DUIT微电网结构的示意图；

图6为本发明提供的价格收敛曲线的示意图；

图7为本发明提供的微电网发电总成本曲线的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

实施例1

为了制定符合微电网内部发电生产成本和供需情况的微电网内部电价，本发明实施例提供了一种基于竞价均衡的微电网运行方法，参见图1至图4，该方法包括以下步骤：

101：微电网竞价单元Agent的竞价决策过程；

微电网竞价单元Agent：主要为DG单元，一定情况下可包括：负荷和储能单元。微电网竞价单元Agent基于本地测量信息以及与其他Agent的通信信息进行竞价决策，并将竞价策略提交给微电网竞价管理Agent。

本地测量信息包括：DG自身的发电能力、属性以及成本等信息，这些信息均为私有信息，是自身制定最优决策的有力根据。

102：微电网竞价管理Agent的决策过程；

微电网竞价管理Agent：该Agent管理微网内的竞价过程，得出发电经济分配方案，并将该方案与微电网运行控制Agent进行共享，同时将竞价所得电价上报微电网Agent。

103：判断电价收敛并确定微电网最终发电方案。

其中，步骤101中的微电网竞价管理Agent和步骤102中的微电网竞价单元Agent，两者互相独立且同步执行。

具体实现时，微电网竞价单元Agent和微电网竞价管理Agent之间通过信息交换和基于所获得信息的理性决策，构成了微电网内部竞价的整个流程。

微电网竞价单元Agent的竞价优化递推过程如图1所示，微电网竞价单元Agent从微电网竞价管理Agent获得微电网内部清算电价ρⁿ之后，以收益函数f_iⁿ值最大为优化目标，求取能获得最优发电量的竞价函数并提交给微电网竞价管理Agent。若微电网竞价单元Agent在某一竞价阶段不能得到可盈利的竞价策略，则暂时退出竞价流程。

微电网竞价管理Agent的竞价管理决策过程如图2所示，微电网竞价管理Agent根据上报的竞价函数，以供需平衡为条件求解新的微电网内部电价ρⁿ⁺¹和发电分配方案Qⁿ⁺¹，并将新的微电网内部电价ρⁿ⁺¹发布给所有微电网竞价单元Agent。

各微电网竞价单元Agent根据新电价ρⁿ⁺¹更新收益函数获得f_iⁿ，重新决策竞价函数，并再次上报竞价管理Agent进行电价和发电分配的计算，微电网竞价单元Agent与微电网竞价管理Agent之间的信息交互如图3所示，不断重复直到电价收敛为止，并以收敛值作为微电网的内部清算电价P_clear。该基于竞价均衡的微电网运行方法的运行决策流程如图4所示。

综上所述，本发明实施例通过上述步骤101至步骤103实现了通过模拟微电网内分布式电源的多次竞价并达到均衡，制定内部电价并引导微电网的优化运行，本方法能很好的适应微电网分散分布的特点，更加符合实际情况。

实施例2

下面结合具体的计算公式、实例对实施例1中的方案进行进一步地介绍，详见下文描述：

201：微电网竞价单元Agent的竞价决策过程；

2011：对于第n次竞价过程，分布式电源i的微电网竞价单元Agent获得微电网竞价管理Agent发布的微电网内统一电价ρⁿ；

实施过程中，对于第一次竞价，微电网内统一电价可以采用上一时段的结清价格，也可以使用默认的内部电价。该运行方法最后的收敛结果不受初始电价的影响，本发明实施例对此不做限制。

2012：基于微电网竞价管理Agent发布的微电网内统一电价ρⁿ，微电网竞价单元Agent i更新自身收益函数f_i；

其中，本发明实施例采用的自身收益函数表达式为：

其中，ρⁿ为第n次竞价确定的微电网内清算电价，由微电网竞价管理Agent决定；Q_i为分布式电源发电量，和为可变成本系数，为固定成本系数。

本发明实施例中，分布式电源成本建议但不限于采用二次函数形式。对于可再生分布式电源，成本系数和可设置为0；对于具有冷热电联产功能的综合能源设备，发电成本系数的设定，需考虑总支出成本减去其他类型的能源收益。

2013：对于微电网竞价单元Agent i，在竞价函数搜索空间y_i∈Y_i中，以收益f_i最大为目标搜索竞价函数

其中，Y_i为竞价单元i的优秀决策的集合库，该集合库可以通过人工设定，并基于历史决策信息更新；为能够达到或接近分布式电源自身最大收益的竞价函数系数。

该过程不限制最优搜索的方法，只要能达到该目标既可。本发明实施例中，包括但不限于通过历史决策匹配或人工智能算法，能够达到或接近分布式电源自身最大收益的竞价函数系数以和形式表示，并建立如下数学模型：

其中，和分别为第n+1次的竞价函数系数，为待决策变量；Q_i∈[Q_i,min,Q_i,max]为该机组的发电量；Q_i,max、Q_i,min分别为允许发电量上下限。

若采用遗传算法获取竞价函数系数，将和的取值区间进行10位二进制编码，每个编码串对应一个优化变量的取值，的解码公式如下：

其中，j＝1,2…L，表示二进制编码的第j位；Bj为第j位的取值(0或1)；L为编码串长度，此处L＝10。

解码与式(3)相同，将和的编码拼接形成20位基因编码串，并形成初始群体，其中使得收益函数f_iⁿ取值越大的个体，其适应度越大，将获得更大的选择及复制机会。通过对群体进行选择、复制、交叉及变异等操作不断更新群体，当群体最大适应度不再发生变化或达到最大更新代数后，取最大适应度个体作为竞价函数系数的最优解。

2014：判断所得最优竞价函数是否能在当前微电网统一结清电价ρⁿ条件下盈利，若能盈利则形成竞价策略信息[a_i，b_i]，并上报微电网竞价管理Agent；若不能盈利则退出本轮竞价过程。

其中，判断条件为大于零则能盈利，小于零则不能盈利。

本发明实施例中，对于收益为单峰凸函数的发电机组，其极值条件满足：

由(4)式可解出：

其中，为分布式电源i在第n次竞价过程中针对电价ρⁿ的最优发电功率。

对于越限的分布式电源由于不满足(4)式，取其越限边界值作为最优发电功率

本质上是微电网竞价单元Agent的优化目标，最优竞价函数将通过点即满足下式：

最优价格系数和在坐标系上为一条斜向下的直线，由于搜索的随机性，最优价格系数和为分布在该直线附近的离散点。

2015：所有竞价单元Agent上报竞价信息给微电网竞价管理Agent；

本发明实施例中，竞价单元Agent i上报竞价信息[a_i，b_i]和[Q_i,min,Q_i,max]。基于微电网竞价单元Agent上报竞价信息，可以获得竞价曲线y_i(Q_i)＝a_i+b_i×Q_i，其中a_i和b_i为竞价函数的价格系数，且有a_i∈[a_i,min,a_i,max]、b_i∈[b_i,min,b_i,max]，a_i,max、a_i,min、b_i,max、b_i,min分别为第i台DG竞价函数价格系数取值的上下限，由分布式电源所有者根据历史经验和风险偏好设定；Q_i∈[Q_i,min,Q_i,max]为该机组的发电量，Q_i,max、Q_i,min分别为允许发电量上下限，对于微燃气轮机、柴油机等可控的分布式电源，由装机容量；对于不可控分布式电源，由预测最大发电功率决定。

202：微电网竞价管理Agent的决策过程；

2021：微电网竞价管理Agent基于微电网竞价单元Agent上报的信息和微电网内的供需平衡，由如下方程求解出电价ρⁿ⁺¹和发电分配方案

式中，新电价ρⁿ⁺¹由所有上报的竞价函数计算得出；D_load为微电网内总负荷需求，以当前预测负荷为基准，实现供需平衡；

2022：若所得分配方案中存在发电越限的分布式电源，则取相应的越限边界值作为最优发电功率并剔除对应的竞价函数形成新的方程：

式中，M为未越限DG的编号集合，

2023：重新求解剔除越限分布式电源竞价函数，并重复该过程直到不再出现新的越限分布式电源为止，得出新的微电网电价ρⁿ⁺¹和发电分配方案Qⁿ⁺¹。

实施例中，假设所有DG中，未越限DG的编号集合为M，通过上述流程可解出第n+1次竞价过程电价ρⁿ⁺¹和各DG的发电分配情况Qⁿ⁺¹，其中：

设为扣除已越限DG总发电功率的剩余总负荷，经整理可得：

竞价管理Agent将新的微电网内电价ρⁿ⁺¹发布给所有竞价单元Agent，并将发电分配情况ρⁿ⁺¹作为历史值存储起来。

203：判断电价收敛并确定微电网最终发电方案。

2031：微电网竞价管理Agent基于得出新的微电网电价ρⁿ⁺¹和发电分配方案Qⁿ⁺¹，判断是否满足收敛条件|ρⁿ⁺¹-ρⁿ|＜ε，其中ε为设定的一个正小数，本发明实施例中，可以取0.001。若不满足则将新的电价ρⁿ⁺¹反馈给所有竞价单元Agent，重复竞价过程。

2032：若满足则停止竞价过程，并令微电网内部清算电价P_clear＝ρⁿ。

2033：以最终所得内部清算电价P_clear确定微电网最终发电方案。

微电网的差异化电价运行方式采用P_clear作为内部清算电价，可以很好的适应本地供求关系，为整个微电网的优化运行和电价制定提供支撑，使电力市场下的微电网运行更加经济、灵活，电价更加公平。采用竞价均衡算法运行的微电网能根据计算结果与大电网进行互动，确定微电网最终发电方案分如下三种情况：

(a)若所得微电网内电价介于大电网供电电价和购电电价之间，微电网竞价管理Agent将直接以所得电价P_clear作为微电网内部电价，各DG以最新上报的确定发电量，不足的部分从大电网购电；

(b)若所得微电网内统一电价高于大电网供电电价，则微电网竞价管理Agent以大电网供电电价为微电网内部电价，未被满足的负荷需求将从大电网购电；

(c)若所得微电网内电价低于大电网购电电价，则微电网竞价管理Agent将剩余发电量以大电网购电电价卖给大电网，并以大电网购电电价为微电网内电价。

综上所述，本发明实施例通过上述步骤201至步骤203实现了通过模拟微电网内分布式电源的多次竞价并达到均衡，制定内部电价并引导微电网的优化运行，本方法能很好的适应微电网分散分布的特点，更加符合实际情况。

实施例3

下面结合具体的图5、图6和图7对实施例1和2中的方案进行可行性验证，详见下文描述：

算例以美国加利福尼亚的San Ramon开展了分布式电源综合测试项目(Distributed Utility Integration Test，DUIT)为例进行应用分析。该微网是美国的首个商用微网项目，由美国能源局、加州能源署和太平洋燃气和电力公司合作开展，其系统结构如图5所示，包含：三条馈线、2台微燃机、2台柴油机、4个光伏电源，以及三个居民负荷。

某时刻系统中各分布式电源成本因数及发电功率限值如表1所示，假设该时刻系统有功负荷及有功损耗之和为630kW，并忽略微电网系统无功部分，大电网供电电价和购电电价分别为0.125$和0.067$。为验证所提算法的优化效果，本方法以发电总成本最低为目标，采用MATPOWER再次对该问题进行求解，并与所提竞价算法计算结果进行对比，该算例的竞价结果如表2所示。

表1 DGs的成本因数及发电功率上下限

表2基于竞价优化和matpower的微电网发电运行结果对比

由表2的竞价结果可知，本方法保障具有成本优势的DG多发电甚至满发，而成本较高的DG其发电计划则视负荷情况而定，并在此基础上实现一定的盈利，具有经济性。将本方法的计算结果和MATPOWER程序优化所得结果进行分析对比，可以验证本方法的成本优化功能。

图6显示了微电网内电价的收敛曲线。微电网竞价管理Agent首先以大电网供电电价作为初始电价，通过与微电网竞价单元Agent之间的多次竞价过程不断更行为微电网内部电价，最终收敛到收敛值。

图7为发电总成本的优化曲线，通过比较分析，可以看出发电总成本随着竞价过程的推进不断下降，并在微电网内电价趋于收敛值时达到最小值，说明本方法在形成微电网内电价的同时对发电总成本进行优化，并在满足供需平衡的前提下实现了发电的经济性。

参考文献：

[1]杨新法，苏剑，吕志鹏，等.微电网技术综述[J].中国电机工程学报，2014，34(1)：57-70.

[2]陈洁，杨秀，朱兰，等.微网多目标经济调度优化[J].中国电机工程学报，2013，19：57-66+19.

[3]董军，徐晓琳，董萌萌.基于多智能体的微电网系统优化经济运行研究[J].华东电力，2012，40(6)：1002-1006.

[4]艾芊，章健.基于多代理系统的微电网竞价优化策略[J].电网技术，2010(2)：46-51.

[5]C.Dou，B.Liu.Multi-agent based hierarchical hybrid control for smart microgrid

[J].IEEE Transactions on Smart Grid，2013，04(02)：771-778.

[6]刘志宏，吴福保，范敏，王少东，金峰.基于多Agent的配电网电压无功优化控制及其应用[J].电力系统自动化，2003，16：74-77.

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。