一种微电网多能源联合优化调度方法与流程

本发明涉及一种微电网多能源联合优化调度方法，属于微电网优化调度器件领域。

背景技术：

微电网中含有光伏、风电、储能、地源热泵、太阳能热发电、燃气发电、生物质发电等多种类型分布式可再生能源，分布式电源渗透率高，而光伏、风电等新能源出力波动较大，网络拓扑复杂，给主动配电网的灵活可控调度带来了较大的挑战。能否综合考虑各种因素，如何合理安排这些微电源的运行计划，保证微电网在不同时段都满足负荷要求，同时实现微电网优质运行，是微电网研究中的一个突出问题。

技术实现要素：

本发明所要解决的技术问题是克服现有技术的不足，提供一种微电网多能源联合优化调度方法，建立微电网多能源联合优化调度模型，微网多能源系统能促进能源梯级利用、降低污染物排放、增强供能系统经济效益，有效缓解经济快速发展所引起的能源短缺和环境恶化问题。

本发明提供一种微电网多能源联合优化调度方法，包括以下步骤，

步骤1、基于不同场景下供能设备出力情况及储能设备运行状态，搭建多能源系统的物理模型；

步骤2、建立微电网多能源系统各单元数学模型，包括风力发电机模型、光伏发电模型、微燃机模型、燃料电池模型以及储能模型；

步骤3、以系统运行的最低综合费用为目标，综合考虑各dg的运行约束、系统安全约束以及多能源之间的耦合特性，建立微电网多能源优化调度模型；其中，dg为分布式电源，包括光伏、风力、燃料电池，微燃机；

步骤4：基于逆序动态规划对微电网多能源优化模型进行求解，得到微网多能源联合优化运行策略。

作为本发明的进一步技术方案，所述步骤1中多能源系统的物理模型包含分布式可再生能源，热电联产单元、热储能、电储能及其他可控性分布式电源，所述多能源系统同时为负荷至少提供热、电能源的供应，且电力网络和热网络之间基于热电联产机组相互耦合；为同时保证热、电能量的供需平衡，电负荷方面，当系统中电能过剩时，由蓄电池储能进行吸纳或者向外输送到低压配电网，电能不足时启动备用电源进行支撑；热负荷方面，微型燃气轮机利用其热电联产综合效益高的优势，以满足热负荷的需求，其出力应根据系统在各时段的热电负荷比值及各种能源的价格来综合决策，当微型燃气轮机供热过剩时，由热储能吸纳，避免资源的浪费；当微型燃气轮机供热不足时，由外部补燃锅炉和热储能同时进行补充。

进一步的，所述步骤2的具体步骤为：分别建立风力发电机模型、光伏发电模型、微燃机模型、燃料电池模型、储能模型；

步骤2.1、所述风力发电机模型，

风力发电机的风速统计描述的概率密度函数表达式为：

式中，v为风速；k和c为weibull分布的两个重要参数，k为形状参数，k＞0；c称为尺度参数，c＞1；

风力发电机的输出功率pwt与风速v之间关系可用如下分段函数关系近似表示：

式中，vin、vn、vout分别为切入风速、限定风速、切出风速；pr为风机额定功率；awt、bwt、cwt三个u可根据风力发电机风速-功率特性曲线拟合得到；

步骤2.2、所述光伏发电模型，

光伏发电输出功率与太阳光照射强度、环境温度等因素密切相关，据统计，在1～10h内太阳光照强度可以近似看成beta分布，其概率密度函数可表示如下：

式中，γ为gamma函数，g和gmax分别为这一段时间内的实际光照强度和最大光照强度；α和β为be-ta分布的形状参数，可由这一段时间内的光照强度平均μ值和标准差σ得到；

光伏电池的输出功率可由其标准测试条件下的输出、光照强度、环境温度等于实际工作条件下的光照强度通过式(4)对比估算得到：

式中，含下标stc的物理量为标准测试条件下的运行参数；gstc为标准测试条件下的太阳光照强度，取为1000w/m²；tstc为标准参考温度；t为太阳电池的表面工作温度。

由式(3)和式(4)综合可得光伏发电系统的输出功率的概率密度分布为：

步骤2.3、所述微燃机模型：

当微型燃气轮机工作在热电联产模式时，其热电耦合关系及燃耗的相关数学模型可表示为：

式中，qmt为燃气轮机排气余热量；pe为微型燃气轮机输出的电功率；ηe为燃气发电效率；η1为微型燃气轮机散热损失系数；qhe为燃气轮机烟气余热提供的制热量；khe为溴冷机的制热系数；vmt为燃气轮机消耗的天然气量；lhvf为天然气地热热值，取为9.7kw·h/m³；△t为两次调度之间的时间间隔；

根据式(6)，综合热、电联产总效益，微型燃气轮机的运行总效率ηmt可由式(7)计算：

式中，mf为天然气的流量；

确定微型燃气轮机的总运行效率后，微型燃气轮机的运行成本cmt可以表述为：

式中，cgas为天然气的价格；

步骤2.4、所述燃料电池模型：

燃料电池可通过其出厂的功率-效率曲线拟合得到，求得燃料电池的运行效率后，其燃耗成本cfc可近似按式(9)计算：

式中，pfc(t)为燃料电池的输出功率；ηfc为燃料电池的发电效率；

步骤2.5、所述储能模型：

储能系统为微网中的重要组成部分，储能充放电过程中，储能在t时段的荷电状态(soc)与t-1时段的荷电状态、[t-1,t]时段蓄电池的充放电量以及每小时的电量衰减量有关。储能充电时，t时段的soc可表示为：

储能放电时，t时段的soc可表示为：

式中，soc(t)为储能在t时刻的荷电状态；σ为储能的自放电率；ηc和ηd分别为储能的充电及放电效率；pch,t为t时段的储能充电功率；pch,t为t时段的储能放电功率；ebat为储能容量。

进一步的，所述步骤3的具体步骤为：

步骤3.1、建立目标函数，

综合考虑了各dg的燃耗费用、维护费用、折旧费用、污染排放物的惩罚费用、锅炉补燃费用以及微网与大电网之间的电能交易情况，以系统综合运行费用最小为目标，同时考虑系统安全约束和各设备的运行约束限制，建立优化调度数学模型，模型的目标函数表述如下：

式中，nt为运行调度的总时段数；ndc为分布式电源的个数；cf(·)、com(·)、cdp(·)、ceav(·)、分别为dg运行的燃耗成本、维护成本、折旧成本和污染排放成本；pgi,t为第i个分布式电源在t时段的电功率；nb为补燃锅炉的的数量；ηbj为第j个锅炉效率；hbj,t为第j个锅炉在t实弹的热功率；pgrid,t为微网与主网之间在t时段的交换功率；cpp(·)、isp(·)分别为微网在t时段向大电网购电的成本和售电收益；

步骤3.2、约束条件

系统运行时满足以下约束条件：

①电功率平衡约束：

式中，pl,t为t时段的电负荷功率。

②热功率平衡约束：

③分布式电源出力功率上下限约束：

式中，和分别为第i个分布式电源的最小和最大输出功率；

④分布式电源出力爬坡约束：

式中，rd和ru分别为可调度分布式电源每小时的爬坡率下限幅值和爬坡率上限幅值；

⑤联络线传输功率限制：

式中，和分别为微网与大电网之间按照合同允许传输的最小和最大功率；

⑥储能的荷电状态约束：

式中，和分别为储能的荷电状态下限与上限值；

⑦为保证储能满足下一天的运行，运行调度末时段的soc应等于起始时段的soc：

soc,t＝0＝soc,t＝t(19)

⑧在运行调度中，储能充放电功率受其荷电状态限制范围及储能电池本身技术限制的影响，其最大充放电功率可表述为：

式中，和分别为储能允许的最大充电和放电功率；和分别为储能允许的最大充电和放电电流；vbat为储能端电压；pinv为储能系统逆变器容量；

⑨热储能的储热量约束：

⑩式中，和分别为热储能的储热量的下限与上限值；

热储能运行调度末时段的储热量应等于起始时段的储热量：

ehss,t＝0＝ehss,t＝t(22)

热储能输出功率的约束：

式中，和分别为热储能输出功率的下限与上限。

进一步的，所述步骤4.2的具体方法为：

令xk为状态变量，即可调度机组的功率出力；uk为决策变量，即可调度机组的出力调整量；函数vk(xk,uk)为阶段指标方程，即运行调度中的综合费用；函数xk+1＝g(xk,uk)为状态转移方程，即相邻时段机组出力的迭代方程和储能soc的迭代方程，则微网优化调度的求解方程为：

目标函数：

约束条件：

xk+1＝g(xk,uk)(25)

cke(xk,uk)＝0,cne(xn)＝0(26)

ck1(xk,uk)≤0,cn1(xn)≤0(27)

式中，cke、cne表示等式约束，代指功率平衡约束和电储能、热储能的soc平衡约束；ck1、cn1表示不等式约束，代指机组运行约束、储能充放电约束以及联络线传输功率容量约束。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明建立了以系统运行综合费用最低为目标的多能源微网优化调度模型，基于动态规划法对模型进行求解，分时或实时电价有利于引导和激励储能低价、负荷谷时段购电，高价负荷峰时段售电，在电网的削峰填谷方面发挥重要作用。

本发明对多种能源实施能源联合优化控制，可以有效缓解能量密集型区域能源供需的矛盾，通过应用储能、热泵、分布式电源管理等技术，促进可再生能源就地消纳，达到低碳节能优化运行的目的，进而构建以电力能源为基础的多种能源低碳环保、节能经济、无缝高效的综合利用与能源服务体系。

本发明通过发展分布式能源、储热锅炉等多种能源存储转换及调度技术，既可以发挥多元化电源的互补协调优势，有效利用电能生产过程中的余热，实现区域能源利用效率的提升，同时可以降低单位能源利用的碳排放值。研究微电网多能源联合优化运行控制策略研究，以达到提升区域分布式能源的协调优化利用水平和综合能效，实现区域供能系统的低碳化、经济化、安全化、高质化等运行目标。

附图说明

图1为本发明的调度方法流程图。

图2为本发明的微网多能源系统优化控制模型。

图3为本发明的基于动态规划模型求解流程图。

具体实施方式

本实施例提供一种微电网多能源联合优化调度方法，如图1所示，包括以下步骤，

步骤1、基于不同场景下供能设备出力情况及储能设备运行状态，搭建多能源系统的物理模型。

其中，多能源系统的物理模型如图2所示，包含分布式可再生能源，热电联产单元、热储能、电储能及其他可控性分布式电源，该系统能同时为负荷提供热、电多种能源的供应，且电力网络和热网络之间基于热电联产机组相互耦合。为同时保证热、电能量的供需平衡，当系统中电能过剩时，可由蓄电池储能进行吸纳或者向外输送到低压配电网，电能不足时启动备用电源进行支撑。热负荷方面，微型燃气轮机(简称微燃机，mt)可利用其热电联产综合效益高的优势，尽量满足热负荷的需求，其出力应根据系统在各时段的热电负荷比值及各种能源的价格来综合决策，当微燃机供热过剩时，可由热储能吸纳，避免资源的浪费；当微燃机供热不足时，由外部补燃锅炉和热储能同时进行补充。

步骤2、建立微电网多能源系统各单元数学模型，包括风力发电机模型、光伏发电模型、微燃机模型、燃料电池模型以及储能模型。

其中，分别建立风力发电机模型、光伏发电模型、微燃机模型、燃料电池模型、储能模型。

(1)风力发电机模型：

风力发电机的风速统计描述的概率密度函数表达式为：

式中，v为风速；k和c为weibull分布的两个重要参数，k为形状参数，k＞0；c称为尺度参数，c＞1；

风力发电机的输出功率pwt与风速v之间关系可用如下分段函数关系近似表示：

式中，vin、vn、vout分别为切入风速、限定风速、切出风速；pr为风机额定功率；awt、bwt、cwt三个u可根据风力发电机风速-功率特性曲线拟合得到；

(2)光伏发电模型，

光伏发电输出功率与太阳光照射强度、环境温度等因素密切相关，据统计，在1～10h内太阳光照强度可以近似看成beta分布，其概率密度函数可表示如下：

式中，γ为gamma函数，g和gmax分别为这一段时间内的实际光照强度和最大光照强度；α和β为be-ta分布的形状参数，可由这一段时间内的光照强度平均μ值和标准差σ得到；

光伏电池的输出功率可由其标准测试条件下的输出、光照强度、环境温度等于实际工作条件下的光照强度通过式(4)对比估算得到：

式中，含下标stc的物理量为标准测试条件下的运行参数；gstc为标准测试条件下的太阳光照强度，取为1000w/m²；tstc为标准参考温度；t为太阳电池的表面工作温度。

由式(3)和式(4)综合可得光伏发电系统的输出功率的概率密度分布为：

(3)微燃机模型：

当微型燃气轮机工作在热电联产模式时，其热电耦合关系及燃耗的相关数学模型可表示为：

式中，qmt为燃气轮机排气余热量；pe为微型燃气轮机输出的电功率；ηe为燃气发电效率；η1为微型燃气轮机散热损失系数；qhe为燃气轮机烟气余热提供的制热量；khe为溴冷机的制热系数；vmt为燃气轮机消耗的天然气量；lhvf为天然气地热热值，取为9.7kw·h/m³；△t为两次调度之间的时间间隔；

根据式(6)，综合热、电联产总效益，微型燃气轮机的运行总效率ηmt可由式(7)计算：

式中，mf为天然气的流量；

确定微型燃气轮机的总运行效率后，微型燃气轮机的运行成本cmt可以表述为：

式中，cgas为天然气的价格；

(4)燃料电池模型：

燃料电池可通过其出厂的功率-效率曲线拟合得到，求得燃料电池的运行效率后，其燃耗成本cfc可近似按式(9)计算：

式中，pfc(t)为燃料电池的输出功率；ηfc为燃料电池的发电效率；

(5)储能模型：

储能系统为微网中的重要组成部分，储能充放电过程中，储能在t时段的荷电状态(soc)与t-1时段的荷电状态、[t-1,t]时段蓄电池的充放电量以及每小时的电量衰减量有关。储能充电时，t时段的soc可表示为：

储能放电时，t时段的soc可表示为：

式中，soc(t)为储能在t时刻的荷电状态；σ为储能的自放电率；ηc和ηd分别为储能的充电及放电效率；pch,t为t时段的储能充电功率；pch,t为t时段的储能放电功率；ebat为储能容量。

步骤3、以系统运行的综合费用最低为目标，综合考虑各dg的运行约束、系统安全约束以及多能源之间的耦合特性，建立微电网多能源优化调度模型。

包括如下具体步骤：

(1)目标函数

综合考虑了各dg的燃耗费用、维护费用、折旧费用、污染排放物的惩罚费用、锅炉补燃费用以及微网与大电网之间的电能交易情况，以系统综合运行费用最小为目标，同时考虑系统安全约束和各设备的运行约束限制，建立优化调度数学模型，模型的目标函数表述如下：

式中，nt为运行调度的总时段数；ndc为分布式电源的个数；cf(·)、com(·)、cdp(·)、ceav(·)、分别为dg运行的燃耗成本、维护成本、折旧成本和污染排放成本；pgi,t为第i个分布式电源在t时段的电功率；nb为补燃锅炉的的数量；ηbj为第j个锅炉效率；hbj,t为第j个锅炉在t实弹的热功率；pgrid,t为微网与主网之间在t时段的交换功率；cpp(·)、isp(·)分别为微网在t时段向大电网购电的成本和售电收益。

(2)约束条件

系统运行时满足以下约束条件：

①电功率平衡约束：

式中，pl,t为t时段的电负荷功率。

②热功率平衡约束：

③分布式电源出力功率上下限约束：

式中，和分别为第i个分布式电源的最小和最大输出功率；

④分布式电源出力爬坡约束：

式中，rd和ru分别为可调度分布式电源每小时的爬坡率下限幅值和爬坡率上限幅值；

⑤联络线传输功率限制：

式中，和分别为微网与大电网之间按照合同允许传输的最小和最大功率；

⑥储能的荷电状态约束：

式中，和分别为储能的荷电状态下限与上限值；

⑦为保证储能满足下一天的运行，运行调度末时段的soc应等于起始时段的soc：

soc,t＝0＝soc,t＝t(19)

⑧在运行调度中，储能充放电功率受其荷电状态限制范围及储能电池本身技术限制的影响，其最大充放电功率可表述为：

式中，和分别为储能允许的最大充电和放电功率；和分别为储能允许的最大充电和放电电流；vbat为储能端电压；pinv为储能系统逆变器容量；

⑨热储能的储热量约束：

⑩式中，和分别为热储能的储热量的下限与上限值；

热储能运行调度末时段的储热量应等于起始时段的储热量：

ehss,t＝0＝ehss,t＝t(22)

热储能输出功率的约束：

式中，和分别为热储能输出功率的下限与上限。

步骤4、基于逆序动态规划对微电网多能源优化模型进行求解，得到微网多能源联合优化运行策略。

(1)将优化调度过程分为24个阶段决策过程，在进行每个阶段决策时，应考虑从本阶段直至最后一个阶段的存储量。

(2)列出微网优化调度模型的动态规划方程，采用内点法协调不等式约束和改善等式约束，并采用序列二次规划进行求解。令xk为状态变量，即可调度机组的功率出力；uk为决策变量，即可调度机组的出力调整量；函数vk(xk,uk)为阶段指标方程，即运行调度中的综合费用；函数xk+1＝g(xk,uk)为状态转移方程，即相邻时段机组出力的迭代方程和储能soc的迭代方程，则微网优化调度的求解方程为：

目标函数：

约束条件：

xk+1＝g(xk,uk)(25)

cke(xk,uk)＝0,cne(xn)＝0(26)

ck1(xk,uk)≤0,cn1(xn)≤0(27)

式中，cke、cne表示等式约束，代指功率平衡约束和电储能、热储能的soc平衡约束；ck1、cn1表示不等式约束，代指机组运行约束、储能充放电约束以及联络线传输功率容量约束。

以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解，本发明不受上述具体实施例的限制，上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理，在不脱离本发明精神范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。