r>[0164] 训练子模块51，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；
[0165] 编码子模块52,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；
[0166] 验证子模块53,用于通过训练好的神经元网络检验粒子的可行性；
[0167] 第一获取子模块54,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；
[0168] 第二获取子模块55,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；
[0169] 保存子模块56,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。
[0170] 进一步地，参见图10,该优化模块5还包括：
[0171] 判断子模块57,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；
[0172] 更新子模块58,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。
[0173] 具体实现时，本发明实施例对上述模块、子模块的执行主体不作限制，只要能完成 上述功能的器件均可，可以为单片机、PC机等具有计算功能的器件。
[0174] 综上所述，本发明实施例通过上述的模块和子模块实现了对微电网的优化，提高 了微电网运行的经济效益、环境效益。
[0175] 本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制， 只要能完成上述功能的器件均可。
[0176] 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。
[0177] 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。
【主权项】
1. 一种计及源网荷互动的交直流混合微电网优化运行方法，其特征在于，所述优化运 行方法包括以下步骤： 将交直流混合微电网划分为交流供电区和直流供电区； 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； 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； 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； 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。2. 根据权利要求1所述的一种计及源网荷互动的交直流混合微电网优化运行方法，其 特征在于，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： 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。3. 根据权利要求1所述的一种计及源网荷互动的交直流混合微电网优化运行方法，其 特征在于，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： 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。4. 根据权利要求1所述的一种计及源网荷互动的交直流混合微电网优化运行方法，其 特征在于，利用随机机会约束Stackelberg博弈模型对交直流混合微电网的运行进行优化 的步骤具体为： 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； 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； 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； 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； 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。5. 根据权利要求4所述的一种计及源网荷互动的交直流混合微电网优化运行方法，其 特征在于，所述优化运行方法还包括： 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； 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。6. -种计及源网荷互动的交直流混合微电网优化运行装置，其特征在于，所述装置包 括： 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； 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； 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； 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； 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。7. 根据权利要求6所述的一种计及源网荷互动的交直流混合微电网优化运行装置，其 特征在于，所述装置还包括： 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。8. 根据权利要求6所述的一种计及源网荷互动的交直流混合微电网优化运行装置，其 特征在于，所述划分模块包括： 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。9. 根据权利要求6所述的一种计及源网荷互动的交直流混合微电网优化运行装置，其 特征在于，所述优化模块包括： 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； 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； 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； 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； 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； 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。10. 根据权利要求9所述的一种计及源网荷互动的交直流混合微电网优化运行装置， 其特征在于，所述优化模块还包括： 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； 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。
【专利摘要】本发明公开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，优化运行方法包括：将交直流混合微电网划分为交流供电区和直流供电区；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；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；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；利用随机机会约束Stackelberg博弈模型对交直流混合微电网运行进行优化。装置包括：划分模块、第一获取模块、第二获取模块、估计模块和优化模块。本发明提高了微电网运行经济效益、环境效益，同时达到节能减损目的，有助于创造经济可靠环保低碳的供电环境。
【IPC分类】H02J3/00, G06Q50/06, H02J3/28, G06F19/00, H02J3/46
【公开号】CN105071389
【申请号】CN201510511461
【发明人】李鹏, 徐多, 赵波, 闫书畅, 周金辉
【申请人】华北电力大学（保定）, 国网浙江省电力公司电力科学研究院
【公开日】2015年11月18日
【申请日】2015年8月19日