一种考虑需求响应的离网型微电网储能优化配置方法与流程

本发明属于智能电网领域，特别涉及一种考虑需求响应的离网型微电网储能优化配置方法。

背景技术：

微电网可以分为并网型微电网和离网型微电网两种。离网型微电网不与大电网相联，利用微电网内部的分布式电源和储能装置来满足本身的负荷需求，这一类微电网适用于为海岛、边远地区以及重要负荷供电。

负荷需求响应是指电力用户针对市场价格信号或激励机制改变原有电力消费模式的行为。价格型需求响应通过价格信号引导用户合理调节用户用电方式；激励型需求响应通过与用户签订负荷中断合同对负荷进行直接控制。微电网通过负荷需求响应能够实现负荷削峰填谷，提高供电效率和可靠性。

由于微电网内部风、光分布式电源出力和用电负荷预测存在不确定性，需要依靠储能装置配合可控分布式电源的使用来进行协调。但由于离网型微电网不予外界进行功率交换，依靠储能装置来完全平抑供电波的经济效益较低。采用机会约束规划将传统完全满足约束条件的优化问题转化为满足约束条件的概率高于某一置信水平的约束问题，能够在一定程度考虑不确定因素的前提下，减少储能配置容量，有效降低微电网投资成本。

技术实现要素：

本发明的目的在于，针对上述现有技术的不足，提供一种考虑需求响应的离网型微电网储能优化配置方法，该方法以离网型微电网为对象，考虑微电网内部可再生分布式电源出力的不确定性，采用基于价格和基于激励的需求响应对用户用电量进行主动管理，在保证负荷供电可靠性以及用户用电舒适度的前提下，尽量减少储能装置的投入成本。

本发明是通过如下的技术方案来实现上述目的的：

一种考虑需求响应的离网型微电网储能优化配置方法，其特征在于，它包括以下步骤：

步骤一、微电网控制中心根据所在地区风速、光照强度、温度各数据，结合风、光分布式电源的历史输出功率，估计出力的概率密度函数模型参数，得到概率密度模型；

步骤二、对微电网内负荷需求进行预测，划分调度周期内负荷需求峰、谷、平对应的时间段，并以此为依据制定价格需求响应和激励需求响应的负荷控制策略；

步骤三、考虑风、光分布式电源出力不确定性，建立以微电网供电可靠性最高、用户用电满意度最大以及储能配置容量最小为目标的机会约束优化模型，求解优化算法得到满足机会约束的微电网运行所需配置的最小储能装置容量。

进一步，所述的步骤一中，采用二参数的weibull分布拟合风速概率密度，进一步得到风力分布式电源出力概率密度，采用二参数的beta分布拟合光照强度概率密度，进一步得到风力分布式电源出力概率密度。

进一步，所述的步骤二中，对于价格型需求响应，在负荷预测曲线的基础上，划分调度周期内负荷的峰、谷、平时间段，通过对不同时间段售电电价的控制引导用户改变用电量，通过价格弹性系数来表征价格变化量和用电变化量之间的关系。

进一步，所述的步骤二中，对于激励型需求响应，微电网控制中心事先与用户签订可中断负荷合同，合同包含负荷中断时间、中断持续时间、中断次数、可中断容量、中断补偿费用各内容，其中中断补偿费用采取与负荷中断有效性相关的形式，微电网可以在调度周期内根据合同对负荷进行直接中断控制。

进一步，所述的步骤三中，微电网供电可靠性用负荷停电率来衡量；用户用电满意度用用户用电舒适度和中断补偿满意度两方面来衡量；优化模型变量包括风、光分布式电源出力随机变量以及各时间段电价改变量、中断负荷量、微型燃气轮机出力、储能装置充放电功率各控制变量；采用蒙特卡洛模拟抽样处理风、光分布式电源出力的不确定性；使用遗传算法求解优化模型。

本发明与现有技术相比的有益效果在于：

1、本发明结合离网型微电网的特殊性，充分考虑内部需求响应资源，在保障供电可靠性和最大化用户用电满意度的情况下，尽量减少所需储能装置的配置容量，能够有效降低微电网的投资成本。

2、本发明将优化模型中的确定性约束转化成机会约束条件，既能在一定程度上考虑风、光分布式电源出力的不确定性，又能使所需储能装置容量大大减少，同样有助于降低微电网的投资成本。

附图说明

图1为一种考虑需求响应的离网型微电网储能优化配置方法的流程图；

图2为离网型微电网的示意图；

图3为遗传算法求解优化模型流程图。

图中：1、利用历史数据信息估计风力、光伏分布式电源出力的概率密度函数参数，2、负荷需求响应控制策略，3、建立优化调度模型并求解，4、母线。

具体实施方式

下面对本发明作进一步的描述如下：

一种考虑需求响应的离网型微电网储能优化配置方法，它包括以下步骤：

步骤一、微电网控制中心根据所在地区风速、光照强度、温度等数据，结合风、光分布式电源的历史输出功率，估计出力的概率密度函数模型参数，得到概率密度模型。

所述的步骤一中，对于离网型微电网，其内包含风、光风分布式电源、微型燃气轮机、储能装置以及用电负荷，其结构如图2所示，采用二参数的weibull分布拟合风速概率密度，进一步得到风力分布式电源出力概率密度，采用二参数的beta分布拟合光照强度概率密度，进一步得到风力分布式电源出力概率密度。

步骤二、对微电网内负荷需求进行预测，划分调度周期内负荷需求峰、谷、平对应的时间段，并以此为依据制定价格需求响应和激励需求响应的负荷控制策略。

所述的步骤二中，对于价格型需求响应，在负荷预测曲线的基础上，划分调度周期内负荷的峰、谷、平时间段，通过对不同时间段售电电价的控制引导用户改变用电量，通过价格弹性系数来表征价格变化量和用电变化量之间的关系，其中，价格弹性系数定义为：

公式(1)中，和分别为执行价格需求响应前调度周期内第t时间段的用电负荷和第s时间段的售电电价；和分别为需求响应后第t时间段的负荷变化量和第s时间段售电电价变化量。

将微电网内部负荷分为n组，同时考虑同一时刻自弹性系数和不同时刻交叉弹性系数对负荷变化量的影响，则第k组负荷在响应价格变化后的负荷需求为：

公式(2)中，为第t时间段价格自弹性系数；为第t时间段和第s时间段之间的价格交叉弹性系数。

所述的步骤二中，对于激励型需求响应，微电网控制中心事先与用户签订可中断负荷合同，合同包含负荷中断时间、中断持续时间、中断次数、可中断容量、中断补偿费用等内容，以价格需求响应后的负荷为基准，对负荷进行中断控制，则第k组负荷变为：

公式(3)中，为第k组负荷在第t时间段的中断负荷量。考虑到中断负荷结束控制后重新接入系统会引起负荷反弹，在公式(3)中应加入反弹负荷修正量。采用3阶段模型对反弹负荷进行模拟：

公式(4)中，为第t时段第k组用户的反弹负荷；、、分别为第k组用户在第、、时段的中断负荷量；分别为对应时段系数。考虑反弹负荷后，公式(3)变为：

中断用户得到的中断补偿费用大小与负荷的受控有效性相关，即用户负荷可以越有效的被中断，获得的中断补偿费用越高。定义用户负荷受控有效性并给出实际中断补偿费表达式：

公式(6)中，风别为第k组用户的最大连续受控时间与最小连续运行时间；为基本中断补偿费用；为常数；为所有用户的实际中断补偿。

步骤三、考虑风、光分布式电源出力不确定性，建立以微电网供电可靠性最高、用户用电满意度最大以及储能配置容量最小为目标的机会约束优化模型，求解优化算法得到满足机会约束的微电网运行所需配置的最小储能装置容量。

所述的步骤三中，微电网供电可靠性用负荷停电率来衡量；用户用电满意度包括用电舒适度和中断补偿满意度两方面。

对于用电舒适度。假设不进行需求响应，即无电价差别以及不进行负荷中断情况下的负荷曲线为用户舒适度最大的用电负荷曲线，根据用户实际用电曲线和舒适度最大用电曲线的相关系数来计算总体用户适应度，表达式为：

公式(7)中，、分别为需求响应前的平均负荷和激励需求响应后的平均负荷。

中断补偿满意度由用电负荷进行需求响应前后电费支出之间的关系来表征：

用户的用电满意度表达式为：

离网型微电网的供电可靠性主要考虑负荷的供电缺额率，表达式为：

对微电网中的储能进行优化配置时，根据储能装置在运行周期内的充放电功率计算各时间段的储能剩余容量，选取整个周期内各时间段的最大剩余容量为储能配置容量。储能装置运行过程中的容量计算公式为：

公式(11)中，为0-1变量，当时，，当时，；为储能装置初始容量；分别为储能装置充放电效率。

储能装置容量配置最小的目标函数表示为：

将多目标优化问题通过权系数转化为单目标优化问题：

机会约束条件为：

公式(14)中，表示括号中事件的发生概率；为置信水平。其他确定性约束条件包括

可控分布式电源出力和爬坡约束：

可中断负荷中断量约束：

储能装置充放电功率约束：

公式(15)中，和分别为储能剩余容量的最低、最高限值。要使储能装置各个调度周期内能够持续的发挥作用，需要满足首末时间段的储能剩余容量相等，即，表示为：

以上给出了离网型微电网储能优化配置问题的优化模型，包括用户用电满意度最大、微电网供电可靠性最高、储能装置配置容量最小的目标函数，以及各机会约束条件和确定约束条件，控制变量包括风、光分布式电源出力等随机变量以及各时间段电价改变量、中断负荷量、微型燃气轮机出力、储能装置充放电功率等控制变量。建立模型后，采用蒙特卡洛模拟抽样处理风、光分布式电源出力的不确定性，使用遗传算法求解优化模型，具体求解步骤流程图如图3所示。

以上所述只是本发明的较佳实施例而已，上述举例说明不对本发明的实质内容作任何形式上的限制，所属技术领域的普通技术人员在阅读了本说明书后依据本发明的技术实质对以上具体实施方式所作的任何简单修改或变形，以及可能利用上述揭示的技术内容加以变更或修饰为等同变化的等效实施例，均仍属于本发明技术方案的范围内，而不背离本发明的实质和范围。