一种多微电网系统多时间尺度自适应优化调度方法与流程

本发明属于微电网调度技术，尤其涉及一种多微电网系统多时间尺度自适应优化调度方法。

背景技术：

随着含高渗透率可再生能源的微电网大范围接入配电网，势必一定区域内多个邻近微电网集群形成多微电网系统。通过对多微电网系统内子微电网集群运行进行优化可以有效提高可再生能源的消纳和管控能力；多微电网系统调度过程中，子微电网计划或非计划动态接入或退出多微电网系统的动态链接行为与多微电网系统内部故障都会给多微电网运行管理带来挑战，如何有效管理多微电网系统内子微电网动态链接行为对于有效管理多微电网，提升可再生分布式能源的消纳率有着现实意义。由于多微电网系统优化问题相比单微电网而言规模更大、复杂性更高，如何有效管理多微电网系统运行是多微电网系统研究中亟待解决的难题之一。

技术实现要素：

本发明要解决的技术问题是：提供一种多微电网系统多时间尺度自适应优化调度方法，以提高多时间尺度下多微电网系统自适应应对子微电网接入或退出的动态链接行为与故障的能力，以提升可再生分布式能源的消纳率。

本发明采取的技术方案是：

一种多微电网系统多时间尺度自适应优化调度方法，它包括：

步骤1、构建多微电网系统多时间尺度调度框架和多微电网系统优化调度的自适应架构；

步骤2、基于多时间尺度调度框架和自适应架构构建多时间尺度下多微电网系统自适应协同优化调度模型，所述多时间尺度下多微电网系统自适应协同优化调度模型包括日前优化调度模型与日内优化调度模型；

步骤3、采用交替方向乘子法实现模型求解，得到考虑子微电网动态接入或退出多微电网系统的调度结果；所述模型求解包括日前优化调度模型求解与日内优化调度模型求解。

步骤1所述构建的多微电网系统多时间尺度调度框架构建方法为：基于模型预测控制的优势，为处理多微电网系统内可再生能源及负荷出力的不确定性，根据可再生分布式电源输出功率预测误差随着预测时间尺度缩短而减小的特点，构建基于模型预测控制方法的多微电网系统日前及日内多时间尺度优化框架。

所述多微电网系统日前多时间尺度优化框架的优化目标包含：最小化多微电网系统整体运行成本、单个子微电网系统能独立控制本地分布式可再生能源供给本地负荷需求和维持互联多微电网系统整体的供需平衡；日前优化调度根据日前多微电网系统的可再生分布式电源与负荷的输出功率预测值；所述日内多时间尺度优化框架采用基于模型预测控制的动态自适应调度方法，各子微电网需满足目标为：以可再生分布式电源及负荷的超短期预测值为基准，通过与其他子微电网的协同合作；跟踪日前调度计划；处理供需的不确定性和当存在子微电网退出多微电网系统或发生故障时，各子微电网能自适应调整日内调度计划应对多微电网系统实时动态链接行为或故障事件。

所述构建多微电网系统优化调度的自适应架构的方法为：为有效应对多微电网系统内子微电网非计划实时退出或接入多微电网系统的动态链接行为，实现多微电网优化调度的自适应管理，建立多微电网系统自适应动态架构；mg-emc为各子微电网的控制器，iep为各子微电网之间的信息交互中心，子微电网通过iep进行信息交互实现多微电网系统整体运行成本最小化；采用无向连通图(m(t),l(t))描述多微电网系统物理链接，l(t)表示多微电网系统物理链接的邻接矩阵，m(t)＝{1,2,…,n}表示构成多微电网的子微电网集合，lij(t)＝1,lij(t)∈l(t),i,j∈m(t)表示子微电网i与j之间存在物理链接，lii(t)＝1表示子微电网i与配电网存在物理链接，信息链接用矩阵e(t)＝[e1(t),…,en(t)]描述，ei(t)＝1为子微电网i与iep存在信息链接；

日内滚动优化时，子微电网非计划加入或退出多微电网的实时动态链接行为使得多微电网物理与信息链接矩阵的对应元素存在增减与变化，定义动态链接矩阵y用于描述多微电网系统实时的动态链接行为

当日内调度t＝t0时刻存在n个子微电网加入多微电网时，可以保证原有物理与信息链接矩阵形式不变，只需在原有增广动态链接矩矩阵增加相应的行和列即可，得到增加n个子微电网的增广动态矩阵如式(2)，用表示t＝t0时刻多微电网的物理链接情况，其中，

若存在日内调度t＝t1时刻子微电网i退出多微电网系统，只需删掉增广动态链接矩阵子微电网i所在行和列元素

式(3)中y⁽ⁿ⁾(t1)为多微电网系统t＝t1时刻的物理链接情况。

所述日前优化调度模型的构建方法为：

日前调度以最小化多微电网系统的整体运行成本为目标，根据日前负荷、风光可再生能源输出功率预测值，通过优化调度储能、可控分布式电源与负荷的出力，并确定各子微电网间的交互功率、子微电网与配电网的购售电功率，使得多微电网系统整体运行成本最低；

多微电网系统能量管理的动态自适应架构下，各子微电网考虑与其他子微电网进行功率交互的日前目标函数为

式中：cdg,i(t)为子微电网i在t时段可控分布式电源的运行成本，cbe,i(t)为储能运行成本，cdn,i(t)为子微电网i向配电网系统的购售电成本，cdr,i(t)为子微电网i负荷的需求侧响应成本；各子微电网系统单元的调度模型与运行约束条件如下：

可控分布式电源成本为：

cdg,i(t)＝(adg,ipdg,i(t)+bdg,i)δt(5)

式中：adg,i与bdg,i为运行成本系数，可控分布式电源运行约束如下：

式中：与为微电网i的可控分布式电源最大与最小功率约束；

储能系统模型为

cbe,i(t)＝cbe,i(pc,i(t)ηi+pd,i(t)/ηi)δt(7)

式中：cbe,i为子微电网i储能系统单位充放电成本，pc,i(t)与pd,i(t)为充放电功率，ηi为储能充放电效率，运行过程中满足的约束如下：

式中：与为子微电网i的储能允许的最大充放电功率，与为子微电网i运行过程中储能的允许的最小与最大剩余容量；式(8)与式(9)为子微电网i的储能充分电功率约束，式(10)与式(11)为子微电网i的储能剩余容量约束；

可平移负荷的需求侧响应模型

各子微电网系统存在可平移负荷，由于负荷平移给用户的补偿成本如下

式(12)中cdr,i为可平移负荷的单位补偿成本，pl,i为子微电网i的实际调度功率，为子微电网i在t时段期望调度功率，其需求侧响应满足的约束条件为：

式(13)保证考虑需求侧响应后用户用电量不变，式(14)为各时段最小/大用电量约束，a为可平移负荷出力占总负荷的最大比例；

各子微电网间功率交互及购售电模型

cdn,i(t)＝(cb,i(t)pb,i(t)-cs,i(t)ps,i(t))δt(15)

式中：cb,i(t)与cs,i(t)为子微电网i在t时段的购售电价，pb,i(t)与ps,i(t)为子微电网i在t时段的购售电功率，各子微电网间功率交互及购售电功率满足运行约束条件为

ui(t)+vi(t)≤1(19)

pij(t)+pji(t)＝0(20)

式中：为子微电网i向配电网系统购售电的最大功率，为子微电网i与j的功率交互最大值；ui(t)与vi(t)为子微电网购售电状态的0/1变量，不能同时取1。式(16)—(17)为子微电网i的购售电功率最大约束，式(18)—(20)为子微电网i与j的功率交互约束；

子微电网i的功率平衡约束为：

pb,i(t)-ps,i(t)+pwt,i(t)+ppv,i(t)+pij(t)+pdg,i(t)-pc,i(t)+pd,i(t)＝pl,i(t)(21)

式中：pwt,i(t)、ppv,i(t)，与pl,i(t)分别为子微电网i在t时段的风机、光伏与负荷的预测出力。

日内优化调度模型构建方法为：

日内优化调度中各子微电网在滚动时间长度t＝{k1,k1+1,…,k1+m}内以多微电网整体运行成本最小为目标，根据日内短期风机、光伏及负荷的预测值，调控内部储能、可平移负荷和可控分布式电源维持各微电网系统稳定运行，由于各子微电网的储能与可控负荷需在长时间尺度下安排出力计划，因此，日内滚动优化调度中各子微电网的储能及可平移负荷出力跟踪日前预定的功率输出轨迹，实现多微电网系统安全稳定运行且提升多微电网调度周期内的综合效益；

各子微电网日内滚动优化以多微电网系统整体运行成本最小为目标，跟踪日前各子微电网储能及可平移负荷出力，将各子微电网日内储能、可平移负荷出力偏差作为罚函数，具体模型如下：

约束为：

式中分别为日前子微电网i的储能、可平移负荷计划调度值，ug(k)为布尔状态量，ug(k)＝0表示多微电网系统发生实时的动态链接行为或故障事件。

所述日前优化调度模型求解方法为：

首先iep收集日前多微电网系统物理链接矩阵(m(t),l(t))与信息链接矩阵e(t)；

其次采用交替方向乘子法解耦实现对各子微电网的分布式求解，具体方法为：在子微电网层面，子微电网i在接受来自于iep的日前多微电网物理与信息链接矩阵，在第k次迭代各子微电网接受iep的参考交互功率与拉格朗日乘子求解第k次迭代各子微电网日前调度计划；

多微电网系统交互层，iep接受各子微电网的第k次迭代的功率交互值

约束条件为：

拉格朗日乘子更新：

t∈{1,2,...,t}

当满足条件时，迭代收敛，求解得到各子微电网的日前调度计划。

所述日内优化调度模型求解方法为：

日内滚动优化根据日内风机、光伏及负荷的短期预测，跟踪日前调度计划，当出现实时动态链接行为时自适应调整优化调度目标函数维持多微电网系统的稳定运行，日内滚动优化的具体步骤如下：

首先，在t＝k1时刻，iep收集多微电网系统物理与信息链接的信息，得到实时增广动态链接矩阵y(k1)与标志动态链接或故障是否发生的变量ug(k1)，在滚动周期t＝{k1,k1+1,…,k1+m}的物理与信息链接矩阵与t＝k1时刻由增广动态链接矩阵y(k1)分解到的物理链接与信息链接矩阵相同；

其次各子微电网接受来自于iep的实时动态链接矩阵y(k1)与标志动态链接行为或故障是否发生的变量ug(k1)；采用admm算法求解式(22)，根据当前t＝k1预测滚动周期t＝{k1,k1+1,…,k1+m}内各子微电网风机、光伏与负荷的短期预测功率，计算滚动优化周期内多微电网系统中各子微电网的调度计划；

在第m次迭代，子微电网系统i接受来自于iep的参考交互功率与拉格朗日乘子求解第m次迭代各子微电网滚动调度时长内的调度计划；

在多微电网系统交互层，iep接受各子微电网的第m次迭代的功率交互值求解第m+1次迭代的参考交互功率与拉格朗日乘子；

约束条件为：

拉格朗日乘子更新：

t∈{k1,k1+1,...,k1+m}

当满足条件时，迭代收敛，求解得到各子微电网系统滚动周期内{k1,k1+1,…,k1+m}调度计划，并将k1时刻调度计划实施到控制系统。

最后，在k1+1时刻，更新实时增广动态链接矩阵y(k1)与标志动态链接是否发生的变量ug(k1)，重复上述日内滚动优化步骤，进行新一轮优化，迭代结束得到日内多微电网系统优化调度结果。

本发明的有益效果：

本发明为应对风机发电、光伏发电及负荷出力的不确定性，根据源-荷输出功率预测误差随时间尺度缩短而减少的特点，基于模型预测控制方法构建了多微电网系统多时间尺度调度框架。为应对实时动态链接行为和故障事件，建立多微电网自适应动态架构，在此基础上，提出了多微电网系统多时间尺度自适应调度策略，该策略能自适应调整调度目标减少多微电网系统内实时动态链接行为或故障事件对多微电网协同优化运行的影响，提高多微电网系统运行的经济韧性和安全稳定性；以提高多时间尺度下多微电网系统自适应应对子微电网接入或退出的动态链接行为与故障的能力。

附图说明

图1为本发明的多微电网系统多时间尺度调度框架；

图2为本发明的多微电网系统自适应动态架构；

图3为本发明的多微电网日前与日内自适应优化调度模型示意图。

具体实施方式

本发明包括：

步骤1)构建多微电网系统多时间尺度调度框架和建立多微电网系统优化调度的自适应架构。

步骤1)所述构建多微电网系统多时间尺度调度框架具体是：基于模型预测控制的优势，为处理多微电网系统内可再生能源及负荷出力的不确定性，根据可再生分布式电源输出功率预测误差随着预测时间尺度缩短而减小的特点，构建基于模型预测控制方法的多微电网系统日前及日内多时间尺度优化框架，具体实过程如图1所示。

日前多时间尺度优化框架的优化目标包含三个方面(见图1)：1)最小化多微电网系统整体运行成本；2)单个子微电网系统能独立控制本地分布式可再生能源供给本地负荷需求；3)维持互联多微电网系统整体的供需平衡。日前优化调度根据日前多微电网系统的可再生分布式电源与负荷的输出功率预测值，通过优化调度得到各子微电网可控分布式电源、储能、购售电及与其他子微电网功率交互量的日前调度计划，为日内滚动优化提供调度参考。

日内多时间尺度优化框架采用基于模型预测控制的动态自适应调度策略，各子微电网需满足以下目标：1)以可再生分布式电源及负荷的超短期预测值为基准，通过与其他子微电网的协同合作，跟踪日前调度计划；2)处理供需的不确定性；3)当存在子微电网退出多微电网系统或发生故障时，各子微电网能自适应调整日内调度计划应对多微电网系统实时动态链接行为或故障事件。日内滚动优化主要采用最新的信息，通过预测模型得到最新的可再生能源及负荷滚动时域的预测输出功率，跟踪日前调度值的同时实现在线优化，得到滚动时域内各子微电网的优化调度指令，并将第一个指令实施到控制中，下一时刻重复此过程。

步骤1)所述建立多微电网系统优化调度的自适应架构。具体是：为有效应对多微电网系统内子微电网非计划实时退出或接入多微电网系统的动态链接行为，实现多微电网优化调度的自适应管理，建立多微电网系统自适应动态架构(见图2)。

mg-emc为各子微电网的控制器，iep为各子微电网之间的信息交互中心，子微电网通过iep进行信息交互实现多微电网系统整体运行成本最小化(见图2)。

采用无向连通图(m(t),l(t))描述多微电网系统物理链接，l(t)表示多微电网系统物理链接的邻接矩阵，m(t)＝{1,2,…,n}表示构成多微电网的子微电网集合，lij(t)＝1,lij(t)∈l(t),i,j∈m(t)表示子微电网i与j之间存在物理链接，lii(t)＝1表示子微电网i与配电网存在物理链接，信息链接用矩阵e(t)＝[e1(t),…,en(t)]描述，ei(t)＝1为子微电网i与iep存在信息链接。

日内滚动优化时，子微电网非计划加入或退出多微电网的实时动态链接行为使得多微电网物理与信息链接矩阵的对应元素存在增减与变化，定义动态链接矩阵y用于描述多微电网系统实时的动态链接行为。

当日内调度t＝t0时刻存在n个子微电网加入多微电网时，可以保证原有物理与信息链接矩阵形式不变，只需在原有增广动态链接矩矩阵增加相应的行和列即可，得到增加n个子微电网的增广动态矩阵如式(2)，用

表示t＝t0时刻多微电网的物理链接情况，其中，

若存在日内调度t＝t1时刻子微电网i退出多微电网系统，只需删掉增广动态链接矩阵子微电网i所在行和列元素。

式(3)中y⁽ⁿ⁾(t1)为多微电网系统t＝t1时刻的物理链接情况。

步骤2)包括：建立多时间尺度下多微电网系统自适应协同优化调度模型，主要为日前优化调度模型与日内优化调度模型。

步骤2)中，日前优化调度模型，具体是：

日前调度以最小化多微电网系统的整体运行成本为目标，根据日前负荷、风光可再生能源输出功率预测值，通过优化调度储能、可控分布式电源与负荷的出力，并确定各子微电网间的交互功率、子微电网与配电网的购售电功率，使得多微电网系统整体运行成本最低。

多微电网系统能量管理的动态自适应架构下，各子微电网考虑与其他子微电网进行功率交互的日前目标函数为

式中：cdg,i(t)为子微电网i在t时段可控分布式电源的运行成本，cbe,i(t)为储能运行成本，cdn,i(t)为子微电网i向配电网系统的购售电成本，cdr,i(t)为子微电网i负荷的需求侧响应成本。各子微电网系统单元的调度模型与运行约束条件如下：

可控分布式电源成本为：

cdg,i(t)＝(adg,ipdg,i(t)+bdg,i)δt(5)

式中：adg,i与bdg,i为运行成本系数，可控分布式电源运行约束如下：

式中：与为微电网i的可控分布式电源最大与最小功率约束。

储能系统模型

cbe,i(t)＝cbe,i(pc,i(t)ηi+pd,i(t)/ηi)δt(7)

式中：cbe,i为子微电网i储能系统单位充放电成本，pc,i(t)与pd,i(t)为充放电功率，ηi为储能充放电效率，运行过程中满足的约束如下：

式中：与为子微电网i的储能允许的最大充放电功率，与为子微电网i运行过程中储能的允许的最小与最大剩余容量。式(8)与式(9)为子微电网i的储能充分电功率约束，式(10)与式(11)为子微电网i的储能剩余容量约束。

可平移负荷的需求侧响应模型

各子微电网系统存在可平移负荷，由于负荷平移给用户的补偿成本如下

式(12)中cdr,i为可平移负荷的单位补偿成本，pl,i为子微电网i的实际调度功率，为子微电网i在t时段期望调度功率，其需求侧响应满足的约束条件为：

式(13)保证考虑需求侧响应后用户用电量不变，式(14)为各时段最小/大用电量约束，a为可平移负荷出力占总负荷的最大比例。

各子微电网间功率交互及购售电模型

cdn,i(t)＝(cb,i(t)pb,i(t)-cs,i(t)ps,i(t))δt(15)

式中：cb,i(t)与cs,i(t)为子微电网i在t时段的购售电价，pb,i(t)与ps,i(t)为子微电网i在t时段的购售电功率，各子微电网间功率交互及购售电功率满足运行约束条件为

ui(t)+vi(t)≤1(19)

pij(t)+pji(t)＝0(20)

式中：为子微电网i向配电网系统购售电的最大功率，为子微电网i与j的功率交互最大值。ui(t)与vi(t)为子微电网购售电状态的0/1变量，不能同时取1。式(16)—(17)为子微电网i的购售电功率最大约束，式(18)—(20)为子微电网i与j的功率交互约束。

子微电网i的功率平衡约束为：

pb,i(t)-ps,i(t)+pwt,i(t)+ppv,i(t)+pij(t)+pdg,i(t)-pc,i(t)+pd,i(t)＝pl,i(t)(21)

式中：pwt,i(t)、ppv,i(t)，与pl,i(t)分别为子微电网i在t时段的风机、光伏与负荷的预测出力。

步骤2)中，日内优化调度模型，具体是：

日内优化调度中，各子微电网在滚动时间长度t＝{k1,k1+1,…,k1+m}内以多微电网整体运行成本最小为目标，根据日内短期风机、光伏及负荷的预测值，调控内部储能、可平移负荷、可控分布式电源的维持各微电网系统稳定运行，由于各子微电网的储能与可控负荷需在长时间尺度下安排出力计划，因此，日内滚动优化调度中各子微电网的储能及可平移负荷出力跟踪日前预定的功率输出轨迹，有效实现多微电网系统安全稳定运行且提升多微电网调度周期内的综合效益。

各子微电网日内滚动优化以多微电网系统整体运行成本最小为目标，跟踪日前各子微电网储能及可平移负荷出力，将各子微电网日内储能、可平移负荷出力偏差作为罚函数，具体模型如下：

约束为：

及可控分布式电源运行约束的式(6)，储能充放电约束的式(8)与式(9)，各子微电网间的功率交互及购售电功率约束的式(16)—(20)与功率平衡约束式(21)。

式(22)中分别为日前子微电网i的储能、可平移负荷计划调度值，ug(k)为布尔状态量，ug(k)＝0表示多微电网系统发生实时的动态链接行为或故障事件，由于实时调度过程中可能存在频繁的动态链接行为或故障事件发生，因此自适应调度策略将改变运行目标函数增强子微电网间的功率相互支持，维持多微电网在动态链接行为或故障事件下的功率平衡，提高多微电网系统的韧性。

多微电网系统日前与日内自适应调度框架，日前各子微电网mg-emc根据源-荷出力的预测值通过iep与其他微电网信息交互求解得到各子微电网的储能及可平移负荷的调度计划，日内iep将采集到的实时增广动态链接矩阵y(k1)与实时动态链接行为与故障事件标志位ug(k)传递给各子微电网，各子微电网mg-emc根据短期风光及负荷在滚动时域的出力预测值，与iep实现与其他微电网信息交互，求解日内优化目标函数得到各子微电网滚动时域调度计划，并将调度计划第一个值实施到各子微电网系统调度控制中，下一时刻重复以上步骤。

步骤3)，采用交替方向乘子法实现模型求解，得到考虑子微电网动态接入或退出多微电网系统的调度结果，其包括日前优化调度模型求解与日内优化调度模型求解。

步骤3)中，日前优化调度模型求解，具体是：

首先，iep收集日前多微电网系统物理链接矩阵(m(t),l(t))与信息链接矩阵e(t)。

其次，采用交替方向乘子法(admm)对式(20)的解耦实现对各子微电网的分布式求解，具体流程为：

在子微电网层面，子微电网i在接受来自于iep的日前多微电网物理与信息链接矩阵，在第k次迭代各子微电网接受iep的参考交互功率与拉格朗日乘子求解第k次迭代各子微电网日前调度计划。

约束条件为：式(6)，式(8)—式(11)，式(13)—式(14)，式(16)—式(19)与式(21)。

多微电网系统交互层，iep接受各子微电网的第k次迭代的功率交互值求解第k+1次迭代的参考交互功率与拉格朗日乘子。

约束条件为：

拉格朗日乘子更新：

t∈{1,2,...,t}

当满足条件时，迭代收敛，求解得到各子微电网的日前调度计划。

步骤3)中，日内优化调度模型求解，具体是：

日内滚动优化根据日内风机、光伏及负荷的短期预测，跟踪日前调度计划，当出现实时动态链接行为时自适应调整优化调度目标函数维持多微电网系统的稳定运行，日内滚动优化的具体步骤如下：

首先，在t＝k1时刻，iep收集多微电网系统物理与信息链接的信息，得到实时增广动态链接矩阵y(k1)与标志动态链接或故障是否发生的变量ug(k1)，所提模型在滚动周期t＝{k1,k1+1,…,k1+m}的物理与信息链接矩阵与t＝k1时刻由增广动态链接矩阵y(k1)分解到的物理链接与信息链接矩阵相同。

其次，各子微电网接受来自于iep的实时动态链接矩阵y(k1)与标志动态链接行为或故障是否发生的变量ug(k1)。采用admm算法求解式(22)，根据当前t＝k1预测滚动周期t＝{k1,k1+1,…,k1+m}内各子微电网风机、光伏与负荷的短期预测功率，计算滚动优化周期内多微电网系统中各子微电网的调度计划。

在第m次迭代，子微电网系统i接受来自于iep的参考交互功率与拉格朗日乘子求解第m次迭代各子微电网滚动调度时长内的调度计划。

约束条件为：式(6)，式(8)—式(9)，(16)—式(19)，式(21)与式(23)。

在多微电网系统交互层，iep接受各子微电网的第m次迭代的功率交互值求解第m+1次迭代的参考交互功率与拉格朗日乘子。

约束条件为：

拉格朗日乘子更新：

t∈{k1,k1+1,...,k1+m}

当满足条件时，迭代收敛，求解得到各子微电网系统滚动周期内{k1,k1+1,…,k1+m}调度计划，并将k1时刻调度计划实施到控制系统。

最后，在k1+1时刻，更新实时增广动态链接矩阵y(k1)与标志动态链接是否发生的变量ug(k1)，重复上述日内滚动优化步骤，进行新一轮优化，迭代结束得到日内多微电网系统优化调度结果。