一种基于事件的智能微电网运行优化方法与流程

本发明涉及一种基于事件的智能微电网运行优化方法。

背景技术：

在能源危机、环境恶化的严峻形势以及市场需求的推动下，由可再生发电单元、储能单元、控制单元以及负载等组成的智能微电网应运而生。智能微电网作为发挥分布式电源效能的有效技术手段，成为未来智能电网建设的一项重要技术。对智能微电网进行研究不仅具有重大的经济价值，也具有积极的社会影响。

经济性是智能微电网吸引用户并能在电力系统中得以推广的关键。虽然可以从大电网借鉴众多经验，但智能微电网中所包含的发电单元类型、负载特性、所采取的电力市场政策，与传统电力系统存在较大区别。

针对智能微电网的运行优化问题，以经济性最优为目标，国内外开展了大量研究，但已有研究基本都是将其作为确定性问题，当光伏输出功率、用电负荷或电价发生变化后，系统的经济最优性得不到保证，即使有的研究考虑了光伏发电、用电负荷或电价等不确定性，但求解方法比较复杂。

技术实现要素：

本发明为了解决上述问题，提出了一种基于事件的智能微电网运行优化方法，本发明考虑光伏输出功率、用电负荷和电价变化，以保证在光伏输出功率、用电负荷或电价发生变化时，本发明所涉及的方法仍能保证智能微电网获得较好的经济性，并在实际智能微电网系统中得以推广应用。

为了实现上述目的，本发明采用如下技术方案：

一种基于事件的智能微电网运行优化方法，包括以下步骤：

(1)分析导致智能微电网原运行优化方案失效的因素，并进行分类，构建事件集合；

(2)以设定的时间间隔将优化周期划分为若干时段，结合构建的事件，进行滚动窗口划分，将优化周期重新划分为若干个滚动窗口；

(3)以智能微电网系统运行成本最低为目标，基于滚动窗口，建立基于事件的智能微电网滚动优化模型；

(4)采用基于滚动优化框架的运行优化方法对模型进行求解。

所述步骤(1)中，所述事件集合包括光伏输出功率变化事件、用电负荷变化事件和电价变化事件。

所述步骤(1)中，光伏输出功率变化事件的表达方法为：设定光伏输出功率最大允许差值，默认优化周期起始时刻有光伏输出功率变化事件发生，在判断某一时刻(非优化周期起始时刻)是否有光伏输出功率变化事件发生时，用该时刻光伏输出功率与已经发生的距离该时刻最近的光伏输出功率变化事件发生时刻光伏输出功率求差再取绝对值，然后与最大允许差值进行比较，若超过最大允许差值，则认为该时刻有光伏输出功率变化事件发生，否则认为该时刻没有光伏输出功率变化事件发生。

所述步骤(1)中，用电负荷变化事件的表达方法为：设定用电负荷最大允许差值，默认优化周期起始时刻有用电负荷变化事件发生，在判断某一时刻(非优化周期起始时刻)是否有用电负荷变化事件发生时，用该时刻用电负荷与已经发生的距离该时刻最近的用电负荷变化事件发生时刻用电负荷求差再取绝对值，然后与最大允许差值进行比较，若超过最大允许差值，则认为该时刻有用电负荷变化事件发生，否则认为该时刻没有用电负荷变化事件发生。

所述步骤(1)中，电价变化事件的表达方法为：取电价最大允许差值为0，默认优化周期起始时刻有电价变化事件发生，在判断某一时刻(非优化周期起始时刻)是否有电价变化事件发生时，用该时刻电价与已经发生的距离该时刻最近的电价事件发生时刻电价求差再取绝对值，然后与最大允许差值即0进行比较，若超过0，则认为该时刻有电价变化事件发生，否则认为该时刻没有电价变化事件发生。

所述步骤(2)中，滚动窗口划分规则：如果在若干个连续的时段内光伏输出功率和用电负荷变化均不大，且电价不变，则可以将这几个时段合并为一个滚动窗口。

所述步骤(2)中，选取时间间隔将优化周期划分为t个相同的时段，根据滚动窗口划分规则合并时段将优化周期重新划分为i个滚动窗口，滚动窗口i和时段t之间的对应关系用t(i)和n(i)来表示，使得滚动窗口i由从t(i)开始的n(i)个连续的时段合并成。

所述步骤(3)中，智能微电网滚动优化模型的目标函数为包括光伏电池阵列和蓄电池运行维护成本、蓄电池折旧成本以及购电成本和售电收益在内的所有运行成本之和最低。

所述步骤(3)中，智能微电网滚动优化模型的约束条件具体包括系统功率平衡约束、蓄电池充放电功率约束、蓄电池荷电状态约束、与电网交互功率约束、0-1变量约束和蓄电池荷电状态更新约束。

所述步骤(4)中，基于滚动优化方法，采用基于滚动优化框架的运行优化方法对模型进行求解，该方法考虑优化窗口和执行窗口，每次对运行优化窗口求解，并将优化结果应用到执行窗口，不断迭代，直到到达整个优化周期的最后，最终得到整个问题的解。

与现有技术相比，本发明的有益效果为：

(1)本发明利用滚动窗口划分可以在保证运行优化的优化性的同时保证运行优化的实时性；

(2)本发明可以有效解决由光伏输出功率和用电负荷的不确定性以及电价变化引起的运行成本增加问题；

(3)如果有事件发生，则再次进行优化，如果没有事件发生，则不再次进行优化，避免了计算资源的浪费。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为基于事件的智能微电网运行优化方法流程图；

图2为本发明智能微电网拓扑结构图；

图3为判断某一时刻是否有光伏输出功率变化事件发生示意图；

图4为滚动窗口与时段对应关系图；

图5为基于事件的智能微电网滚动优化模型求解示意图。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

正如背景技术所介绍的，现有技术中存在已有研究基本都是将其作为确定性问题，当光伏输出功率、用电负荷或电价发生变化后，系统的经济最优性得不到保证，即使有的研究考虑了光伏发电、用电负荷或电价等不确定性，但求解方法比较复杂的不足，针对智能微电网的运行优化问题，考虑光伏输出功率、用电负荷和电价变化，提出基于事件的智能微电网运行优化方法，以保证在光伏输出功率、用电负荷或电价发生变化时，本发明所涉及的方法仍能保证智能微电网获得较好的经济性，并在实际智能微电网系统中得以推广应用。

本申请的一种典型的实施方式中，本发明提供了一种基于事件的智能微电网运行优化方法，其流程图如图1，包括以下步骤：

提出光伏输出功率、用电负荷和电价变化事件；

按等时间间隔将优化周期划分为若干时段，基于步骤(1)中的事件，进行滚动窗口划分；

基于步骤(2)中的滚动窗口，建立基于事件的智能微电网滚动优化模型；

采用基于滚动优化框架的运行优化方法对步骤(3)中的模型进行求解。

一、上述事件的表达如下：

1.光伏输出功率变化事件

记光伏输出功率最大允许差值为δ(kw)，则光伏输出功率变化事件可描述为：

首先，默认优化周期起始时刻有光伏输出功率变化事件发生。其次，在判断某一时刻是否有光伏输出功率变化事件发生时，用该时刻光伏输出功率与已经发生的距离该时刻最近的光伏输出功率变化事件发生时刻光伏输出功率求差再取绝对值，然后与δ进行比较，若超过δ，则认为该时刻有光伏输出功率变化事件发生，否则认为该时刻没有光伏输出功率变化事件发生。图3为判断某一时刻是否有光伏输出功率变化事件发生示意图。

2.用电负荷变化事件

记用电负荷最大允许差值为δ'(kw)，用电负荷变化事件的描述同光伏输出功率变化事件。

3.电价变化事件

电价包括购电和售电电价。与光伏输出功率和用电负荷变化事件不同，对于电价变化事件，取电价最大允许差值为0(购电和售电电价最大允许差值均为0，元/(kw·h))，也就是说，在判断某一时刻是否有电价变化事件发生时，只要该时刻电价与距离该时刻最近的电价变化事件发生时刻电价不相等(购电和售电电价均不相等)，则认为该时刻有电价变化事件发生，否则认为该时刻没有电价变化事件发生。

二、上述滚动窗口划分如下：

滚动窗口划分规则：如果在若干个连续的时段内光伏输出功率和用电负荷变化均不大，且电价不变，则可以将这几个时段合并为一个滚动窗口。

首先，选取时间间隔将优化周期划分为t个相同的时段，记作t＝1,2,…,t；然后，根据滚动窗口划分规则合并时段将优化周期重新划分为i个滚动窗口(每个滚动窗口都可能不同)，记作i＝1,2,…,i。滚动窗口i和时段t之间的对应关系可以用t(i)和n(i)来表示，意思是滚动窗口i由从t(i)开始的n(i)个连续的时段合并成，其示意图如图4。

三、上述基于事件的智能微电网滚动优化模型如下：

1.目标函数

本文针对光伏储能智能微电网系统的运行优化问题，考虑以其运行成本最低为目标，包括光伏电池阵列和蓄电池运行维护成本、蓄电池折旧成本以及购电成本和售电收益，目标函数如下：

minctotal＝com+cpurchase+csale+cbat(1)

其中，ctotal为总运行成本(元)；com为光伏电池阵列和蓄电池运行维护成本(元)；cpurchase为购电成本(元)；csale为售电收益(元)；cbat为蓄电池折旧成本(元)。

运行维护成本

式中：δt为时段长度(h)；p′pv,i为滚动窗口i光伏输出功率(kw)；p′bc,i和p′bd,i分别为滚动窗口i蓄电池充电和放电功率(充电功率小于0，放电功率大于0，kw)；sw为滚动窗口个数；kom,pv和kom,bat分别为光伏电池阵列和蓄电池运行维护系数(元/(kw·h))。

购电成本

式中：p′gp,i为滚动窗口i购电功率(购电功率大于0，kw)；c′gp,i为滚动窗口i购电电价(元/(kw·h))。

售电收益

式中：p′gs,i为滚动窗口i售电功率(售电功率小于0，kw)；c′gs,i为滚动窗口i售电电价(元/(kw·h))。

折旧成本

蓄电池折旧成本计算如式(5)：。

式中：cbw为蓄电池单位放电折旧成本(元/(kw·h))。

2.约束条件

系统功率平衡约束

其中，p′ld,i为滚动窗口i用电负荷(kw)；ηpv,inv为并网逆变器逆变效率；ηbat,rec和ηbat,inv分别为双向逆变器整流和逆变效率；

蓄电池充放电功率约束

其中，pbc,max和pbd,max分别为蓄电池所允许的最大充电和放电功率(均为正，kw)。

蓄电池荷电状态约束

socmin≤soci′≤socmaxi＝1,2,…,sw(8)

其中，soci′为滚动窗口i末蓄电池荷电状态；socmin和socmax分别为蓄电池所允许的最小和最大荷电状态；

与电网交互功率约束

其中，pgs,max和pgp,max分别为所允许的最大购电和售电功率(均为正，kw)；0-1变量约束

其中，λi＝1表示蓄电池处于充电状态，否则表示蓄电池处于放电状态；δi＝1表示智能微电网与电网之间的功率交互处于售电状态，否则表示智能微电网与电网之间的功率交互处于购电状态；

蓄电池荷电状态更新约束

socinitial＝socn-1(11)

其中，socinitial为蓄电池荷电状态初始值；socn-1为时段(n-1)末蓄电池荷电状态。

四、上述基于滚动优化框架的运行优化方法如下：

基于滚动优化方法，采用基于滚动优化框架的运行优化方法对模型进行求解，该方法考虑优化窗口和执行窗口，每次对优化窗口求解，并将优化结果应用到执行窗口，不断迭代，直到到达整个优化周期的最后，最终得到整个问题的解，图5为基于事件的智能微电网滚动优化运行优化模型求解示意图。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。