计及电气互联的微电网分布式优化调度方法与流程

本发明属于电力系统微电网技术领域，是一种微电网运行的优化方法，特别涉及一种基于交替方向乘子法(alternatingdirectionmethodofmultipliers,admm)的计及电气互联的微电网分布式优化调度方法。

背景技术：

为了缓解环境污染，“减煤增气”已成为能源结构调整的大趋势。天然气作为化石能源向新能源过渡的桥梁，其优势在于资源丰富、清洁高效、经济性好，同时调节速度快，可用于应急调峰，与可再生能源的随机性、间歇性相协调。通过激励的方式刺激或诱导用户改变电或气的需求，从而对另一种能源的供求关系产生影响，达到缓解用能紧张等目的。2017年7月4日，国家发改委发布了《加快推进天然气利用的意见》的通知，对当前及今后一个时期我国天然气能源形势进行了分析，认为加快推进天然气利用，提高天然气在一次能源消费中的比重，是我国稳步推进能源消费革命，构建清洁低碳、安全高效的现代能源体系的必由之路。随着燃气轮机的发展，天然气发电的比例日益提高，可见电力网络与天然气网络的耦合具有很大的应用前景。采用储能系统对电负荷进行时段性转移，有利于削峰填谷；以微燃气轮机为核心的热电联供系统其高效的能量梯级利用，再结合用户侧的需求响应与可再生能源发电，将具有非常大的应用潜力。

随着微电网技术的发展，微电网的优化调度问题受到广泛关注，从优化方法的角度看，目前主要的优化方式有两种：集中式优化和分布式优化。一般，集中式优化中需将各微电网所有的电源及负荷信息传送至集中控制器，由集中控制器统一调度管理，这样会增大系统计算量，提高整体的通信成本，且由于各微电网分属于不同的运行主体，共享信息将会带来严重的隐私及商业信息泄露。考虑到集中式优化在应用中存在的较大问题，本发明采用分布式优化算法对计及电气互联的微电网能量管理问题进行优化调度。

技术实现要素：

本发明提出了一种基于admm的计及电气互联的微电网分布式优化调度方法。电力网络中互联微电网和天然气系统不断交替互动，直到达到供需平衡，即期望的供气量与实际供气量相等。电网络系统与天然气系统交互的信息仅限于期望供气量与实际供气量，可见这种迭代方式极大地保护了电网络系统与天然气系统的隐私信息，在满足各微电网电能需求及天然气系统负荷需求的基础上，使系统总运行成本最低。

本发明的目的在于，基于admm的计及电气互联的微电网分布式优化调度方法。在分布式迭代的过程中，仅需交换期望供气量与实际供气量，电网络系统和天然气系统即可完成优化调度，在满足各微电网电能需求及天然气系统负荷需求的基础上最小化运行成本，极大地保护电网络系统与天然气系统的隐私信息。

本发明的技术方案是，一种计及电气互联的微电网分布式优化调度方法，其特征是，所述方法包括下列步骤：

步骤1：确定系统目标函数、系统决策变量及相关的系统约束条件，形成原始全局优化问题；

步骤2：分别对储能系统(batteryenergystoragesystem，bess)、过网费等进行建模；

步骤3：分别建立电网络系统和天然气系统的成本模型；

步骤4：根据admm算法原理，将原始全局问题转化为admm的标准形式，并进一步推导出分布式迭代的最终形式；

步骤5：获取当前调度周期的光伏出力、电力负荷及天然气负荷的相关数据；

步骤6：求解电网络系统的成本模型，决策得到当次迭代的储能的充放电功率、dg发电量、各微电网(microgrid,mg)的期望交换功率及对天然气系统的期望供气量，并将期望供气量通知天然气系统；

步骤7：考虑电网络系统的期望供气量，天然气系统最优化其成本模型，并决策出实际供气量，将其广播给mg；

步骤8：根据期望供气量与实际供气量，拉格朗日乘子在电网络侧和天然气系统侧自主更新；

步骤9：分别计算原始残差和对偶残差，并判断原始残差及对偶残差是否均小于设定值，若满足收敛条件，则进行步骤10；若不满足，则返回步骤6；

步骤10：完成当前调度周期的优化，决策得到最优目标对应的决策变量，更新时间到下一时刻，直到整个优化时间区间结束。

所述步骤1中系统目标函数为最小化系统总运行成本，在互联运行中，各mg期望达到总体电网络成本和天然气系统成本最优的效果。目标函数包含五个部分：1)dg发电成本；2)储能充放电成本；3)过网费；4)天然气生产成本；5)天然气系统运行成本。目标函数如下式所示：

式中，n为微电网的个数；xdgn为dgn的输出功率；xbessn为bessn的输出功率；cdgn为dgn的成本；cbessn为bessn的成本；γn为mgn的过网费；为mgn的期望交换功率；f(z)为天然气生产成本；g(z)为天然气系统运行成本；l为输送距离；z为天然气系统由决策变量组成的向量，包含气源的产气量及供给电网络侧的天然气量。

系统决策变量包括各dg的发电量、各bess的充放电功率、各mg的期望交换功率、气源的产气量及供给电网络侧的天然气量等。

所述系统约束条件包括系统的电功率平衡、供气平衡、储能系统的充放电功率限制及容量约束等。所述约束条件使得天然气侧实际供气量与电网络系统期望供气量相等，从而确保在满足各微电网电能需求及天然气系统气负荷需求的基础上，使得总运行成本降至最低。

所述步骤2中对储能系统、过网费进行建模。储能系统的一次放电的成本可表示为：

式中，p是放电功率；δt是以p放电的时间段长度；i是bess的初始投资；h和l是两个常数，取值分别为-1.5和2.05；atotal是bess在全生命周期内的总的放电容量；q为电池容量；socinit为初始的荷电状态。

过网费的模型可表示如下：

式中，α为参数，近似表示对联络线的损耗；xⁱⁿ表示微电网的期望交换功率。

所述步骤3中分别建立电网络系统和天然气系统的成本模型。电网络系统的目标函数可表示如下：

电网络系统目标函数包含三个部分：1)dg发电成本；2)储能充放电成本；3)过网费。

天然气系统的目标函数可表示如下：

tgas(z)＝f(z)+g(l)

其中：

f(z)＝pg

g(l)＝1.5l/365q

式中，p为天然气价格；g为天然气系统的供气量；l为输送距离；q为日输量。

所述步骤4中根据admm算法原理，将原始全局问题转化为admm的标准形式，，可表示如下：

minsele+tgas

s.t.[gexp]-[gpro]＝0

其中：

gpro＝ggen-gload

式中，gexp为期望供气量；k2、k1、k0为燃气轮机耗量系数；pexp为期望供电量；gpro为实际供气量；ggen为气源产气量；gload为天然气系统中的负荷。

所述步骤4中根据admm算法原理推导后得出分布式迭代的最终形式：

其中，ρ是惩罚系数、k是迭代次数、x是电网络系统互联微电网优化目标的决策变量、z为天然气系统优化目标的决策变量、x^k为第k次迭代时电网络系统互联微电网优化目标的决策变量、z^k为第k次迭代时天然气系统优化目标的决策变量、u^k为第k次迭代的拉格朗日乘子。

所述步骤6中电网络系统中互联微电网与天然气系统交互的信息仅限于期望供气量和实际供气量，本方法极大地保护了各微电网及天然气系统的隐私，在满足各微电网电能需求及天然气系统气负荷需求的基础上，使得总运行成本降至最低。

所述步骤9中根据原始残差及对偶残差判断是否收敛，根据admm算法原理，原始残差和对偶残差分别如下：

其中，r^k和s^k分别代表第k次迭代时的原始残差和对偶残差、ε^pri和ε^dual分别为原始残差和对偶残差的收敛误差，z为天然气系统优化目标的决策变量、包括气源产气量及实际供气量。

本发明提出的计及电气互联的微电网分布式优化调度方法，根据admm原理，将原始全局优化问题分解为电网络系统和天然气系统的子问题，降低了计算复杂度；在优化迭代过程中，仅需交换期望供气量与实际供气量，电力网络和天然气系统即可完成优化调度，极大地保护了电网络系统和天然气系统的隐私；天然气作为化石能源向新能源过渡的桥梁，其优势在于资源丰富、清洁高效、经济性好，同时调节速度快，可用于应急调峰，与可再生能源的随机性、间歇性相协调，天然气网络与电力网络的耦合将有巨大的应用前景；采用储能系统对电负荷进行时段性转移，有利于削峰填谷；以微燃气轮机为核心的热电联供系统其高效的能量梯级利用，再结合用户侧的需求响应与可再生能源发电，将具有非常大的应用潜力。本发明提出了计及电气互联的微电网分布式优化调度模型和求解算法，在仅交互期望供气量与实际供气量的基础上最优化成本，为计及电气互联的微电网的经济运行提供了一种成本更低、可行性更高的优化方法。

附图说明

图1是本发明的优化调度流程图；

图2是各微电网净负荷及总净负荷曲线；

图3是各微电网中bess优化调度结果；

图4是微电网2和微电网3中dg调度结果(仅微电网2和微电网3中包含dg，微电网1中为热电联产系统)；

图5是各微电网的期望交换功率调度结果；

图6是电网络系统的期望供气量与天然气系统的实际供气量对比。

具体实施方式

下面结合附图，对优选实施例作详细说明。所述附图为一个实施例的结果及分析，采用matlab编程实现，应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

图1是本发明的优化调度流程图，首先，确定原始全局问题的目标函数、决策变量与相关约束条件，并对微电网中的储能系统、过网费等进行建模，分别建立电网络系统和天然气系统的成本模型。其次，根据admm算法原理，由原始全局问题推导出分布式迭代的最终形式。接着，获取当前调度周期的光伏出力，电网络系统和天然气系统不断优化互动，直到达到供需平衡。优化过程中，首先求解电网络优化模型，决策出期望供气量，并通知给天然气系统，接着求解天然气系统的优化模型，决策得出实际供气量，拉格朗日乘子根据期望供气量与实际供气量更新。再接着判断原始残差和对偶残差是否均小于设定值，若不小于，则继续求解电网络系统和天然气系统成本模型；若小于，则完成当前调度周期的优化调度，得到当前调度周期最优目标对应的各决策变量。最后判断是否到达最后调度周期，若到达，则整个时间区间优化终止；若未到达，则更新到下一个调度周期进行优化调度。

图2是由短期负荷预测得到的各微电网净负荷及总净负荷曲线。

图3是各微电网中bess优化调度结果。在优化周期1—17，36—61及91—96，互联微电网系统的风光功率大于负荷需求，因此在这些调度周期bess的值为负值，处于充电状态。当各微电网的风光功率不足时，各微电网的电能需求由储能系统放电或者dg发电满足。由于bess的放电成本比dg小，因此当电能不足时，由bess优先放电来满足电能需求，当bess中电量不足时，由dg发电供应剩余的电能。bess的最优充放电功率由分布式优化调度算法得到。

图4是是微电网2和微电网3中dg调度结果(仅微电网2和微电网3中包含dg，微电网1中为热电联产系统)。当bess中的电量不足以满足互联微电网系统中电能需求时，则由dg提供电能，如mg3在优化周期24时，bess3的放电功率为157.1087kw，不能满足净负荷需求，因此该调度周期dg出力为64.2482kw，在调度周期25时，mg3中储能系统没有剩余电量，不能进行发电，则全部电能由dg供应，此时dg的出力为137.3132kw。dg的成本受到燃料系数的影响，由于dg1发电的边际成本低于dg2的边际成本，因此dg1出力较多。dg的优化出力结果由分布式优化算法调度决策。

图5是各微电网的期望交换功率调度结果。由图可知，各微电网的期望交换功率之和为0，满足约束条件，如在调度周期18时，mg1的期望交换功率181.5682kw，mg2的期望交换功率是-267.8337kw，mg3的期望交换功率是86.2655kw，三个mg的期望交换功率之和为0。为最小化系统总运行成本，各微电网综合考虑储能充放电成本、过网费、天然气系统产气成本及运行成本，决策出dg出力、储能充放电功率，与其他微电网的交换功率、气源产气量及供气量。各微电网的期望交换功率由分布式优化调度算法得到。

图6是电网络系统的期望供气量与天然气系统的实际供气量对比。在优化迭代终止后，电网络系统的期望供气量与天然气系统的实际供气量，收敛条件得到满足，完成优化调度。如调度周期27，电网络系统的期望供气量为481.1321m³，天然气系统的实际供气量也为481.1321m³，系统约束得到满足。通过期望供气量的分布式优化迭代，能够在满足各微电网电能需求及天然气系统负荷需求的基础上，有效解决其优化调度问题，最小化系统总运行成本。

因此，提出的计及电气互联的微电网分布式优化调度方法，根据admm原理，将原始全局优化问题分解为电网络系统和天然气系统的子问题，降低了计算复杂度；在优化迭代过程中，仅需交换期望供气量与实际供气量，电力网络和天然气系统即可完成优化调度，极大地保护了电网络系统和天然气系统的隐私；天然气作为化石能源向新能源过渡的桥梁，其优势在于资源丰富、清洁高效、经济性好，同时调节速度快，可用于应急调峰，与可再生能源的随机性、间歇性相协调，天然气网络与电力网络的耦合将有巨大的应用前景；采用储能系统对电负荷进行时段性转移，有利于削峰填谷；以微燃气轮机为核心的热电联供系统其高效的能量梯级利用，再结合用户侧的需求响应与可再生能源发电，将具有非常大的应用潜力。本发明提出了计及电气互联的微电网分布式优化调度模型和求解算法，在仅互交换期望供气量与实际供气量的基础上最优化成本，为计及电气互联的微电网的经济运行提供了一种成本更低、可行性更高的优化方法。