计及源网荷互动的交直流混合微电网优化运行方法及装置的制造方法
【技术领域】
[0001] 本发明涉及新能源电力系统中微电网技术领域，尤其涉及一种基于混沌粒子群优 化算法和博弈论方法的计及源网荷互动的交直流混合微电网优化运行方法及装置。
【背景技术】
[0002] 微电网是一种以可再生能源为主的分布式电源储能系统、负荷、变换器及监控保 护等装置结合在一起的小型发、配、用电系统。按内部主网络的供电方式，微电网可分为交 流微电网（目前微电网主要存在形式）、直流微电网和交直流混合微电网。交直流混合微 电网同时含有交流母线和直流母线，可有效整合交流微电网和直流微电网的优点。随着建 设能源节约型社会目标的提出，如何充分发挥交直流混合微电网中两种供电方式的互补优 势，提高微电网运行经济、环保效益的同时，更好地达到节能降损的要求，是其优化运行问 题研究的关键之一。
[0003] 传统的微电网运行优化运行方法多是针对交流微电网，优化目标多为最小化运行 成本、污染物排放、线损以及最大化供电可靠性等。然而，传统方法多将降低线损作为提高 经济效益的一部分而考虑，而非达到节能降损要求的一部分，更没有考虑微电网变换器中 多级能量变换造成的功率损耗。关于需求侧微电网的优化运行问题，现有方法多采用电价 激励等经济手段引导用户改变负荷用电时间和用电量，以达到削峰填谷、降低用电费用等 目的，这些方法没能发挥需求侧资源的可调度性，不能有效提高微电网供用电效率，从而也 不能实现节能降损的要求。
【发明内容】
[0004] 本发明提供了一种计及源网荷互动的交直流混合微电网优化运行方法及装置，本 发明在交、直流供电区各自的运行与控制要求约束下，实现了微电网运行经济效益、环境效 益的提高，并更好地达到节能减损的要求，详见下文描述：
[0005] -种计及源网荷互动的交直流混合微电网优化运行方法，所述优化运行方法包括 以下步骤：
[0006] 将交直流混合微电网划分为交流供电区和直流供电区；
[0007] 获取需求侧负荷设备参数，对负荷进行分类，并获取微电网24小时负荷需求预测 值；
[0008] 获取交直流混合微电网中变换器参数，确定变换器中功率变换损耗计算方式；
[0009] 采用概率方法对光伏电池、风力发电机最大出力和负荷功率的分布曲线进行估 计；
[0010] 利用Stackelberg博弈模型上层博弈优化负荷供电模式，最小化微电网功率转换 损耗；利用Stackelberg博弈模型下层博弈在满足交流区和直流区各自运行与控制要求 下，优化调度分布式电源出力、蓄电池出力、大电网交互功率，最小化交流区和直流区的运 行成本。
[0011] 在所述将交直流混合微电网划分为交流供电区和直流供电区的步骤之前，所述优 化运行方法还包括：
[0012] 获取风力发电机、微型燃气轮机、光伏电池、燃料电池和蓄电池的设备参数、风力 发电机与光伏电池24小时最大功率输出预测值。
[0013] 其中，所述将交直流混合微电网划分为交流供电区和直流供电区的步骤具体为：
[0014] 根据风力发电机、微型燃气轮机、光伏电池、燃料电池和蓄电池的交流型或直流型 的电能供给、存储方式，接入交、直流母线，将交直流混合微电网划分为交流供电区和直流 供电区。
[0015] 所述利用随机机会约束Stackelberg博弈模型对包含随机参数的交直流混合微 电网的运行进行优化的步骤具体为：
[0016] 采用随机模拟为随机机会约束Stackelberg博弈模型中的不确定函数产生训练 样本集；在训练样本集上训练神经元网络；
[0017] 采用混沌优化初始化上层博弈粒子群，对上层博弈决策者的策略进行编码；通过 训练好的神经元网络检验粒子的可行性；
[0018] 对应上层博弈粒子群中每个粒子，产生下层博弈粒子群；根据上层博弈每个粒子 的策略，采用混合智能算法求得下层博弈Nash均衡；
[0019] 将下层博弈Nash均衡作为已知量，利用神经元网络计算上层博弈每个粒子的收 益函数值；
[0020] 根据每个粒子的收益函数值，保存上层博弈粒子群全局最优值、全局最优位置和 每个粒子当前最优位置。
[0021] 其中，所述优化运行方法还包括：
[0022] 根据迭代次数或收敛精度判断是否终止程序；如果是，流程终止；
[0023] 如果否，更新粒子群，通过计算任意粒子与当前最优粒子之间的距离，判定是否对 粒子进行更新。
[0024] 一种计及源网荷互动的交直流混合微电网优化运行装置，所述装置包括：
[0025] 划分模块，用于将交直流混合微电网划分为交流供电区和直流供电区；
[0026] 第一获取模块，用于获取需求侧负荷设备参数，对负荷进行分类，并获取微电网24 小时负荷需求预测值；
[0027] 第二获取模块，用于获取交直流混合微电网中变换器参数，确定变换器中功率变 换损耗计算方式；
[0028] 估计模块，用于概率方法对光伏电池、风力发电机最大出力和负荷功率的分布曲 线进行估计；
[0029] 优化模块，用于利用Stackelberg博弈模型上层博弈优化负荷供电模式，最小化 微电网功率转换损耗；利用Stackelberg博弈模型下层博弈在满足交流区和直流区各自运 行与控制要求下，优化调度分布式电源出力、蓄电池出力、大电网交互功率，最小化交流区 和直流区的运行成本。
[0030] 其中，所述装置还包括：
[0031] 第三获取模块，用于获取风力发电机、微型燃气轮机、光伏电池、燃料电池和蓄电 池的设备参数、风力发电机与光伏电池24小时最大功率输出预测值。
[0032] 其中，所述划分模块包括：
[0033] 划分子模块，用于根据风力发电机、微型燃气轮机、光伏电池、燃料电池和蓄电池 的交流型或直流型的电能供给、存储方式，接入交、直流母线，将交直流混合微电网划分为 交流供电区和直流供电区。
[0034] 其中，所述优化模块包括：
[0035] 训练子模块，用于采用随机模拟为随机机会约束Stackelberg博弈模型中的不确 定函数产生训练样本集；在训练样本集上训练神经元网络；
[0036] 编码子模块，用于采用混沌优化初始化上层博弈粒子群，对上层博弈决策者的策 略进行编码；
[0037] 验证子模块，用于通过训练好的神经元网络检验粒子的可行性；
[0038] 第一获取子模块，用于对应上层博弈粒子群中每个粒子，产生下层博弈粒子群；根 据上层博弈每个粒子的策略，采用混合智能算法求得下层博弈Nash均衡；
[0039] 第二获取子模块，用于将下层博弈Nash均衡作为已知量，利用神经元网络计算上 层博弈每个粒子的收益函数值；
[0040] 保存子模块，用于根据每个粒子的收益函数值，保存上层博弈粒子群全局最优值、 全局最优位置和每个粒子当前最优位置。
[0041 ] 进一步地，所述优化模块还包括：
[0042] 判断子模块，用于根据迭代次数或收敛精度判断是否终止程序；如果是，流程终 止；
[0043] 更新子模块，用于如果否，更新粒子群；通过计算任意粒子与当前最优粒子之间的 距离，判定是否对粒子进行更新。
[0044] 本发明提供的技术方案的有益效果是：本发明发挥交直流混合微电网具有的交、 直流互补供用电模式的优势，充分考虑交直流混合微电网需求侧与供电侧以及与大电网的 源-网-荷互动，交、直流供电区内具有不同电气特性的分布式电源和储能设备的源-源协 调，利用随机机会约束Stackelberg博弈模型对多目标、多约束的交直流混合微电网综合 优化运行问题建模，在交、直流供电区各自的运行与控制要求约束下，实现微电网运行经济 效益、环境效益的提高，并更好地达到节能减损的要求。在能源节约型社会建设背景下，有 助于创造经济、可靠、环保、低碳的供电环境。
【附图说明】
[0045] 图1为本发明提供的交直流混合微电网的结构示意图；
[0046] 图2为本发明提供的计及源网荷互动的交直流混合微电网综合优化运行方法流 程不意图；
[0047] 图3为本发明提供的交直流混合微网中风力发电机、光伏电池及负荷预测功率 图；
[0048] 图4为本发明提供的交、直流区负荷优化前后接入情况图；
[0049] 图5为本发明提供的交、直流区优化调度结果图；
[0050] 图6为计及源网荷互动的交直流混合微电网优化装置的结构示意图；
[0051] 图7为计及源网荷互动的交直流混合微电网优化装