本发明涉及一种海岛微电网多源协调优化控制方法，属于可再生能源综合利用和智能电网优化控制领域。
背景技术：
社会经济发展对于能源的需求越来越大，越来越严重的环境污染使得传统能源在应用过程中面临瓶颈，如何解决能源匮乏和环境污染是当今社会面临的重要问题。海洋能源的开发对于海洋环境的保护，促进节能减排也具有重要意义。
智能微电网是为了解决分布式发电系统并网接入而提出了一种新的电网组织形式。微电网集分布式发电系统、储能系统和负荷于一体，通过自身的控制实现孤岛运行和并网运行，并可在两种运行方式间平滑切换。微电网是提高分布式发电系统利用效率的有效途径，避免了大量分布式发电系统接入对电力系统的冲击，并能够提高电网的供电能力。海洋蕴含大量的可开发的可再生能源，其中风能、太阳能、波浪能、潮流能、潮汐能等能源相对开发难度较低。目前基于上述能源的分布式发电系统不断涌现为海岛智能微电网的应用提供了条件。
随着海岛智能微电网的建设，基于分布式发电系统运行特性的微电网优化运行提上日程。当多种能源接入微电网时，需要对各种可再生能源根据其运行特性进行综合调度。国内外学者在这方面进行了大量的研究，从经济性、可靠性、环保性等不同角度对微电网多种能源进行协调控制，提高微电网运行的可靠性和经济性，从而提高可再生能源分布式发电系统的利用效率。
技术实现要素：
本发明的目的是为了综合考虑各种可再生能源分布式发电系统的运行特性，以光伏、潮流能、风能、柴油发电机和储能进行协调控制，提供一种海岛微电网多源协调优化控制方法，能够为微电网的综合运行提供指导，提高微电网运行的经济性和可靠性。
一种海岛微电网多源协调优化控制方法，微电网包括分布式发电系统、负荷和储能系统，其中，所述分布式发电系统包括光伏发电系统、风力发电系统、潮流能发电系统和柴油机发电系统，所述负荷包括民用负荷和海水淡化负荷，微电网多源协调优化控制的具体步骤如下：
步骤1：确定微电网网络拓扑结构：根据环境气象信息预测未来一天24小时每一刻钟96个时间段的风力发电系统、光伏发电系统和潮流能发电系统的输出功率以及负荷功率；
步骤2：构建微电网优化调度模型：以系统运行的经济性和系统运行的可靠性为目标函数，建立优化模型，结合储能电池运行特点，通过柴油发电机以及海水淡化负荷来协调电源和负荷的匹配；
步骤3：利用改进粒子群算法对步骤2建立的微电网优化调度模型以及约束条件进行求解，获得未来一天微电网运行控制策略，指导系统运行。
优选地，所述步骤1采用神经网络预测模型预测未来一天24小时每一刻钟96个时间段的光伏发电系统、潮流能发电系统和风力发电系统的输出功率以及负荷功率；其中，光伏发电系统的输出功率由公式(1)确定；潮流能发电系统的输出功率由公式(2)确定，风力发电系统的输出功率由公式(3)确定，负荷功率由神经网络预测模型确定；公式(1)、公式(2)和公式(3)如下：
其中，ppv为光伏发电系统的输出功率，pct为潮流能发电系统的输出功率，g(t)为光照强度，t(t)为温度，gstc、pstc、tstc分别为标准测试环境下的光照强度、最大输出功率和温度，k为温度系数；cp为水轮机获能系数，ρ为海水密度，s为水轮机叶轮的扫截面积，vct为潮流上游流速,pw为风力发电系统输出功率，vw为风速，vci，vr，vco分别为切入风速、额定风速和切除风速。
优选地，所述步骤2中所述的目标函数如公式(4)所示：
minf(x)＝[fcost(x),fenvi(x),freli(x)]t(4)；
其中，f(x)为微电网运行的目标函数，fcost(x)为微电网发电成本，fenvi(x)为微电网运行环境折算成本，freli(x)为微电网优化运行可靠性成本。
优选地，所述微电网发电成本fcost(x)包括分布式发电系统的运行维护成本、燃料费用成本和启动成本，具体计算公式如公式(5)所示：
其中，com为分布式发电系统的运行维护成本，cf为能源消耗成本，csc为机组的启动成本，cop为可再生能源的机会成本；
其中，所述分布式发电系统的运行维护成本com正比于机组的装机容量，如公式(6)所示：
式(6)中，ng为各发电单元的数量，
所述能源消耗成本cf为柴油发电机燃料费用成本，如公式(7)所示：
式(7)中，
不间断电源机组的启停费用成本取决于上一次机组停运的时间，所述各机组的启动成本csc可表示为：
式(8)中，nstop为电源的启动次数，σi为电源i的热启动费用，δi为电源i的冷启动费用，τi为电源i的冷却时间常数，toff,i为电源i已停运时间；
所述可再生能源的机会成本cop的计算公式如下所示：
式(9)中，a0为参考电价，
优选地，所述微电网运行环境折算成本fenvi(x)包含柴油机在运行过程中对环境的污染成本，结合微电网的环境效益，将环境损失作为微电网优化运行的目标，如公式(10)所示：
式(10)中，np为污染物种类，fenvi为微电网运行环境折算成本，yj为第j种污染物的排放量，dj为第j种污染物的环境折算成本。
优选地，所述微电网优化运行的可靠性成本freli(x)包括微电网优化运行过程中用户失去负荷的损失，其计算公式如下所示：
式(11)中，m为中断负荷数量，c0为电价，βi为用户费用补偿系数，
优选地，所述步骤(3)中的约束条件包括如下：
(1)功率平衡约束，即微电网各分布式电源和储能系统发出的功率之和与用户所需求的功率相互匹配，如公式(12)所示：
式(12)中，
(2)输出功率约束，即每个分布式发电系统的实际输出功率pi要满足其容量的上下限约束，如下所示：
式(13)中，pi,min为电源的最小输出功率，pi,max为电源的最大输出功率；
(3)最小关机和最小运行时间约束，即ti,off≥ti,off,min，ti,on≥ti,onf,min；其中ti,off,ti,on分别为电源i的关机、开机时间，ti,of,minf,ti,on,min分别为电源i的最小关机和开机时间；
(4)启停次数约束，即
(5)储能蓄电池状态约束，即储能系统中的储能蓄电池单位时间充放电过程中，储能蓄电池不能超过其最大容量10％，要满足其充放电约束及能量状态约束，如下所示：
其中，p+为单位小时内的充电功率，p-为单位小时内的放电功率，ebt为蓄电池的最大容量，δt为单位时间，
(6)日淡水供应量约束，如公式(16)所示：
式(16)中，qwater为日供水量，pdes海水淡化系统输入功率，ηdes为海水淡化系统效率。
优选地，所述步骤3对步骤2建立的微电网优化调度模型以及约束条件的具体求解步骤如下：
步骤3.1：构造粒子群结构，每个粒子的每一维为微电网中需要优化的分布式发电系统的输出功率x＝[x1,x2,...xn]，其中，初始化粒子群优化算法参数包括最大迭代次数、优化参数搜索范围、变邻域搜索区间；
步骤3.2：根据初始粒子位置和飞行速度进行目标函数的适应度计算，获得粒子群算法个体最优解xi,pbest和全局最优解xgbest，并进行粒子速度和位置的更新，其中，更新方程如下所示：
vi(iter)＝ωvi(iter-1)+c1r[xi,pbest-xi(iter-1)]+c2r[xgbest-xi(iter-1)]
xi(iter)＝vi(iter)+xi(iter-1)(17)
式(17)中，xi(iter)为迭代iter次后第i个粒子的位置，vi(iter)为迭代iter次后第i个粒子的速度，xi,best第i个粒子的个体最优解，xgbest粒子的全局最优解，c1，c2分别为加速算子，r为随机数，ω为权重因子，iter为迭代次数；
步骤3.3：利用logistic函数ui,j+1＝4ui,j(1-ui,j)产生一个混沌变量，其中ui,j为当前混沌变量，取值在(0,1)之间,且ui,j的值不等于0.25、0.5、0.75，ui,j+1为下一代混沌变量；
步骤3.4：将步骤3.3产生的混沌变量映射为变量变化值，δxi＝-β+2β·ui,j+1，其中，β为邻域半径，δxi为个体最优解或者全局最优解位置偏移值，邻域半径的变化为
步骤3.5：根据邻域搜索确定新的个体最优解和全局最优解位置，利用
步骤3.6：更新加速算子，加速算子的迭代如下式所示：
c2＝2-c1(19)；
其中，c1和c2为改进粒子群算法的加速算子，xi,avg为所有粒子位置的平均值，xgbest为粒子的全局最优解，
步骤3.7：粒子更新：判断个体是否越界，如果粒子越界，则粒子更新转化为：
并修改速度的最大值：
vi,max＝k(vi,max-vi,min)(21)；
其中，k为转换系数，介于0.1和1.0之间，即0.1≤k≤1.0；
步骤3.8：根据最大迭代次数判断算法是否终止，如果未达到最大迭代次数，返回步骤3.3，如果达到最大迭代次数，计算终止并输出未来一天系统的调度策略。
优选地，根据计算输出的系统的调度策略，进行微电网运行优化调度，实现微电网的多源协调优化控制。
有益效果：本发明提供一种海岛微电网多源协调优化控制方法，能够充分考虑海岛可再生能源的运行特性，结合柴油发电系统、储能系统以及海水淡化可控负荷，实现微电网的协调控制，达到系统最优运行的目标，从而提高海岛微电网智能化运行水平。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
一种海岛微电网多源协调优化控制方法，微电网包括分布式发电系统、负荷和储能系统，其中，所述分布式发电系统包括光伏发电系统、风力发电系统、潮流能发电系统和柴油机发电系统，所述负荷包括民用负荷和海水淡化负荷，微电网多源协调优化控制的具体步骤如下：
步骤1：确定微电网网络拓扑结构：根据环境气象信息预测未来一天24小时每一刻钟96个时间段的风力发电系统、光伏发电系统和潮流能发电系统的输出功率以及负荷功率(民用负荷功率和海水淡化负荷功率)；
步骤2：构建微电网优化调度模型：以系统运行的经济性和系统运行的可靠性为目标函数，建立优化模型，结合储能电池运行特点，通过柴油发电机以及海水淡化负荷来协调电源和负荷的匹配；
步骤3：利用改进粒子群算法对步骤2建立的微电网优化调度模型以及约束条件进行求解，获得未来一天微电网运行控制策略，指导系统运行。
优选地，所述步骤1采用神经网络预测模型预测未来一天24小时每一刻钟96个时间段的光伏发电系统、潮流能发电系统和风力发电系统的输出功率以及负荷功率；其中，光伏发电系统的输出功率由公式(1)确定；潮流能发电系统的输出功率由公式(2)确定，风力发电系统的输出功率由公式(3)确定，负荷功率由神经网络预测模型确定(其中，采用神经网络预测模型预测负荷功率为常规技术手段)；公式(1)、公式(2)和公式(3)如下：
其中，ppv为光伏发电系统的输出功率，pct为潮流能发电系统的输出功率，g(t)为光照强度，t(t)为温度，gstc、pstc、tstc分别为标准测试环境下的光照强度、最大输出功率和温度，k为温度系数；cp为水轮机获能系数，ρ为海水密度，s为水轮机叶轮的扫截面积，vct为潮流上游流速,pw为风力发电系统输出功率，vw为风速，vci，vr，vco分别为切入风速、额定风速和切除风速。
优选地，所述步骤2中所述的目标函数如公式(4)所示：
minf(x)＝[fcost(x),fenvi(x),freli(x)]t(4)；
其中，f(x)为微电网运行的目标函数，fcost(x)为微电网发电成本，fenvi(x)为微电网运行环境折算成本，freli(x)为微电网优化运行可靠性成本。
优选地，所述微电网发电成本fcost(x)包括分布式发电系统的运行维护成本、燃料费用成本和启动成本，具体计算公式如公式(5)所示：
其中，com为分布式发电系统的运行维护成本，cf为能源消耗成本，csc为机组的启动成本，cop为可再生能源的机会成本；
其中，所述分布式发电系统的运行维护成本com正比于机组的装机容量，如公式(6)所示：
式(6)中，ng为各发电单元的数量，
所述能源消耗成本cf为柴油发电机燃料费用成本，如公式(7)所示：
式(7)中，
不间断电源机组的启停费用成本取决于上一次机组停运的时间，所述各机组的启动成本csc可表示为：
式(8)中，nstop为电源的启动次数，σi为电源i的热启动费用，δi为电源i的冷启动费用，τi为电源i的冷却时间常数，toff,i为电源i已停运时间；
所述可再生能源的机会成本cop的计算公式如下所示：
式(9)中，a0为参考电价，
优选地，所述微电网运行环境折算成本fenvi(x)包含柴油机在运行过程中对环境的污染成本，结合微电网的环境效益，将环境损失作为微电网优化运行的目标，如公式(10)所示：
式(10)中，np为污染物种类，fenvi为微电网运行环境折算成本，yj为第j种污染物的排放量，dj为第j种污染物的环境折算成本。
优选地，所述微电网优化运行的可靠性成本freli(x)包括微电网优化运行过程中用户失去负荷的损失，其计算公式如下所示：
式(11)中，m为中断负荷数量，c0为电价，βi为用户费用补偿系数，
优选地，所述步骤(3)中的约束条件包括如下：
(1)功率平衡约束，即微电网各分布式电源和储能系统发出的功率之和与用户所需求的功率相互匹配，如公式(12)所示：
式(12)中，
(2)输出功率约束，即每个分布式发电系统的实际输出功率pi要满足其容量的上下限约束，如下所示：
式(13)中，pi,min为电源的最小输出功率，pi,max为电源的最大输出功率；
(3)最小关机和最小运行时间约束，即ti,off≥ti,off,min，ti,on≥ti,onf,min；其中ti,off,ti,on分别为电源i的关机、开机时间，ti,of,minf,ti,on,min分别为电源i的最小关机和开机时间；
(4)启停次数约束，即
(5)储能蓄电池状态约束，即储能系统中的储能蓄电池单位时间充放电过程中，储能蓄电池不能超过其最大容量10％，要满足其充放电约束及能量状态约束，如下所示：
其中，p+为单位小时内的充电功率，p-为单位小时内的放电功率，ebt为蓄电池的最大容量，δt为单位时间，
(6)日淡水供应量约束，如公式(16)所示：
式(16)中，qwater为日供水量，pdes海水淡化系统输入功率，ηdes为海水淡化系统效率。
优选地，所述步骤3对步骤2建立的微电网优化调度模型以及约束条件的具体求解步骤如下：
步骤3.1：构造粒子群结构，每个粒子的每一维为微电网中需要优化的分布式发电系统的输出功率x＝[x1,x2,...xn]，其中，初始化粒子群优化算法参数包括最大迭代次数、优化参数搜索范围、变邻域搜索区间；
步骤3.2：根据初始粒子位置和飞行速度进行目标函数的适应度计算，获得粒子群算法个体最优解xi,pbest和全局最优解xgbest，并进行粒子速度和位置的更新，其中，更新方程如下所示：
vi(iter)＝ωvi(iter-1)+c1r[xi,pbest-xi(iter-1)]+c2r[xgbest-xi(iter-1)]
xi(iter)＝vi(iter)+xi(iter-1)(17)
式(17)中，xi(iter)为迭代iter次后第i个粒子的位置，vi(iter)为迭代iter次后第i个粒子的速度，xi,best第i个粒子的个体最优解，xgbest粒子的全局最优解，c1，c2分别为加速算子，r为随机数，ω为权重因子，iter为迭代次数；
步骤3.3：利用logistic函数ui,j+1＝4ui,j(1-ui,j)产生一个混沌变量，其中ui,j为当前混沌变量，取值在(0,1)之间,且ui,j的值不等于0.25、0.5、0.75，ui,j+1为下一代混沌变量；
步骤3.4：将步骤3.3产生的混沌变量映射为变量变化值，δxi＝-β+2β·ui,j+1，其中，β为邻域半径，δxi为个体最优解或者全局最优解位置偏移值，邻域半径的变化为
步骤3.5：根据邻域搜索确定新的个体最优解和全局最优解位置，利用
步骤3.6：更新加速算子，加速算子的迭代如下式所示：
c2＝2-c1(19)；
其中，c1和c2为改进粒子群算法的加速算子，xi,avg为所有粒子位置的平均值，xgbest为粒子的全局最优解，
步骤3.7：粒子更新：判断个体是否越界，如果粒子越界，则粒子更新转化为：
并修改速度的最大值：
vi,max＝k(vi,max-vi,min)(21)；
其中，k为转换系数，介于0.1和1.0之间，即0.1≤k≤1.0；
步骤3.8：根据最大迭代次数判断算法是否终止，如果未达到最大迭代次数，返回步骤3.3，如果达到最大迭代次数，计算终止并输出未来一天系统的调度策略。
优选地，根据计算输出的未来一天的系统的调度策略，未来一天微电网运行各分布式发电系统的最优输出功率，进行微电网运行优化调度，实现微电网的多源协调优化控制。
本发明中的海岛微电网包含的分布式发电系统有光伏发电系统、潮流能发电系统、风力发电系统、柴油机发电系统四种分布式发电系统。其中，光伏发电系统、潮流能发电系统和风力发电系统为可再生能源分布式发电系统，在优化调度时优先考虑，当电源不足时通过柴油发电系统以及储能系统进行调节优化控制，另外在紧急情况下可切除一般民用负荷来满足电网运行的需求。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的两种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。