一种居民楼宇系统主动响应微电网优化调度方法与流程

本发明属于智能电网电能调度领域，提出了一种居民楼宇系统主动响应微电网优化调度方法。

背景技术：

近些年来，为了应对越发突出的环境和能源问题，国内外大力发展新能源产业。但由于新能源发电具有间歇性和不稳定性，从而导致新能源并网率没有得到有效提高。

随着用电大数据及预测技术的发展，源荷协同调度技术不断被挖掘。处于配电网末端的楼宇负荷在某些大型城市已超过城市总用电量的40％，其参与配电网的优化调度潜力巨大。目前控制楼宇负荷参与电网调度的策略主要有分时电价策略和激励型政策，然而价格型需求响应机制不适用突发情况，调节力度有限不适用于大规模的新能发电情形。激励型需求响应机制通过与用户签订协议，在调度过程中断开用户供电，这种方式虽然给了用户用电优惠，但很大程度影响了居民用电舒适度。且这两种方式易受人的主观意识影响，不足以深层次的挖掘楼宇负荷的调度潜力。

随着新能源发电并网比例的增长，会逐步形成“鸭子曲线”。光伏发电集中于白天，而城市用电负荷高峰期在夜晚。若要增大新能源发电并网比例，减少弃风弃光率，需要采用有效的措施来平衡新能源发电的特征及其不稳定性。传统的楼宇系统参与微电网的调度策略是从经济层面展开分析性，没有深入分析楼宇用电特征，且不适用于新能源高渗透率的环境下。因此，如何在新能源高渗透率的环境下，在不影响居民正常用电，在最小调度成本下，保障微电网系统安全可靠运行是一个技术难题。

技术实现要素：

为了解决上述技术难题，本发明提出了一种居民楼宇系统主动响应微电网优化调度方法，为了深入挖掘源荷互动的潜力，针对居民楼宇用电特征建立了一种具备灵活调度能力的新型楼宇储能系统结构。与此同时，基于不同类型的楼宇可控负荷的工作特性，建立负荷响应配网调度策略对居民产生的用电不满意度指标。在居民用电舒适度的约束下应用改进的粒子群算法求解不同调度区间内楼宇可控负荷及其储能系统最大可调度裕度。采用分层控制策略，基于最小调度成本原则，控制楼宇可控负荷及储能系统响应微电网的优化调度。

本发明解决上述问题的技术方案是：一种居民楼宇系统主动响应微电网优化调度方法，包括以下步骤：

步骤1:根据居民楼宇用电特征设计了一种具备灵活调度能力的新型楼宇储能系统结构；

1-1.楼宇储能系统内部含有m个b型号蓄电池和h个c型号蓄电池。这两种蓄电池型号参数相同，c型号蓄电池的容量较大，b型号蓄电池的容量相对较小，蓄电池之间通过智能信号开关连接。

1-2.假定已知调度区间k内，需要配置楼宇储能系统响应微电网调度的出力值为：ws_k，则配置储能系统内蓄电池参与调度方案如下：

ws_k＝φ(nb·sa+nc·sc)-s0(1)

nn＝nb+nc(4)

式中nb、nc分别为储能系统投入b、c类型的蓄电池数目；sa、sb为蓄电池a、b型号的最大储蓄能量。s0为参与调度b型号蓄电池数量按需不能被整除，采取进位取整措施所增补的电能；φ为蓄电池放电深度；

1-3.若储能系统在调度区间k内采用放电的方式响应微电网的调度策略，则储能系统输出的电压为：ubattery＝220×nn，通过控制电路的进行调控pwm波形，来控制dc/ac逆变器将nn倍220v直流电转换成220v交流电；如果储能系统以充电方式响应微电网的调度策略，则每个储能蓄电池以单个的个体形式通过信号开关直接与220v主干线直接连接进行充电；

步骤2:按照楼宇用电负荷特性和居民用电习惯把楼宇可控负荷分为可中断负荷、可转移负荷两种类型；

2-1.楼宇中可中断负荷主要由空调、电冰箱负荷组成。这类负荷在夏季占楼宇用电量的比拟较大，负荷主要呈感应电机特性，在系统不稳定时对电压影响较大。短时间的中断对用户的影响不大，合理的控制其开通关断时间能够有效的响应微电网的调度需求。

2-2.楼宇中可转移负荷主要有厨房电器、洗衣机、洗碗机、热水器这些负荷组成。楼宇延时负荷可以根据实际调度需求情况，通过把楼宇中用电设备的工作时间调整到其它时间段来响应微电网的调度策略，这类负荷从开通起到完成工作，中间时间不可以中断。

步骤3:根据居民用电行为特性建立居民用电不满意度指标，建立调度区间内楼宇可中断负荷、可转移负荷的调度出力模型；

3-1.建立楼宇可中断负荷参与微电网调度形成的居民用电不满意度指标；

3-1-1.楼宇系统中可中断负荷的最佳开通时间最佳关断时间与外界环境温度有关。防止在调度过程中形成负荷反弹效应，通过热力学etp模型，求解调度区间内最佳开通时间和最佳关断时间。

3-1-2.可中断负荷参与调度时产生的居民用电不满意度指标推导公式如下：

ton,i、toff,i为调度区间k内可中断负荷i的实际开通时长和关断时长；为可中断负荷i的最小可开通时长，为可中断负荷i的最大可关断时长；uk为调度区间k内可中断负荷参与微电网调度对居民产生的用电不满意度指标。

3-2.建立楼宇可转移负荷参与微电网调度形成的居民用电不满意度指标；

3-2-1.楼宇可平移负荷的平移时间长度受其功能及响应方式制约，因此不同属性的楼宇可平移负荷的可平移时间长度不同，建立可平移负荷信息矩阵h。

hk,i＝[te,i,td,i,ton,i,tr,i,tshift,i](8)

信息矩阵中te,i、td,i分别为楼宇中第i个楼宇可平移负荷最早开通时间及最迟开通时间，ton,i为第i个可转移负荷的开始工作时刻，tr,i、tshift,i分别为第i个可平移负荷的实际运行时长和实际平移时长。

3-2-2.可转移负荷参与调度时产生的居民用电不满意度指标推导公式如下：

式中ωk为可转移负荷参与调度时产生的居民用电不满意度指标。

3-3.建立调度区间内楼宇可中断负荷、可转移负荷的调度出力模型；

式中qil(i,t)为楼宇中第i个受控的可中断负荷在t时刻的功率；ton,i、toff,i分别为该负荷的原计划开通和关断时刻；t′on,i、t′off,i分别为响应调度策略后的开通和关断时刻；wil_k为调度区间k内可中断负荷的调度出力。

式中qdl(i,t)为楼宇中第i个受控可平移负荷在t时刻的功率；n2(i,t)为可平移负荷原计划运行状态函数，0代表中断，1代表运行状态；n′2(i,t)为响应调度计划后的可平移负荷的运行状态函数；wdl_k为调度区间k内受控可平移负荷的调度裕度。

步骤4:确定目标函数和约束条件；

4-1.目标函数为满足微电网调度中心的调度需要下，楼宇系统最小调度成本，如下所示：

式中wil_k,wdl_k,ws_k分别为调度区间k内楼宇可中断负荷、可平移负荷、楼宇储能系统响应调度方案的出力；c1、c2、c3分别为楼宇可中断负荷、可平移负荷、楼宇储能系统对应在调度区间k内的调度成本函数；

4-2.约束条件由区间调度需求约束、功率平衡约束、微网系统节点电压安全约束、储能系统约束、居民用电不满意度约束组成。

4-2-1.区间调度需求约束

wd_k＝wil_k+wdl_k+ws_k(18)

式中wd_k为调度区间k内，微网系统需要响应的调度电能总值；

4-2-2.功率平衡约束

pf(t)+pv(t)+pl(t)＝pload(t)+ps(t)(19)

pload(t)＝pil(t)+pdl(t)+p0(t)(20)

式中pf(t)、pv(t)、pl(t)分别为微电网系统内风电场输出功率、光伏系统输出功率和微网系统输送功率；pload(t)、ps(t)分别为居民楼宇系统用电功率、楼宇储能系统实时功率；pil(t)、pdl(t)、p0(t)分别为楼宇系统可中断负荷实时功率、楼宇可转移负荷实时功率、楼宇固定负荷实时功率；

4-2-3.微电网系统的节点电压安全约束

uimin≤ui≤uimax(21)

uimin、uimax为微网系统节点i对应的节点电压标幺值的上下安全约束边界；

4-2-4.楼宇储能系统约束

式中为楼宇储能系统充电功率的最大值和最小值，为楼宇储能系统放电功率的最大值和最小值；楼宇储能系统日总调度电能总和为0；

4-2-5.居民用电不满意度约束

式中θ1为单一可控负荷用电不满意度最大约束边界，θ2调度区间内总体可控负荷参与调度产生的用电不满意度最大约束边界；

步骤5:使用改进的粒子群算法对目标函数进行求解，制定出最佳的调度方案；

5-1.传统型的粒子群算法求解复杂问题容易陷入局部最优，故对传统型粒子群算法进行改进，改进后的粒子群更新方程如下：

惯性权重随粒子不同而动态变化，lig表示第i粒子与全局最优粒子pgd的距离；lmax、lmin为预先设计好的最大距离和最小距离参数。ωmax、ωmin为设定好的最大惯性权重和最小惯性权重。vid为粒子速度；k为当前迭代数；c1、c2为粒子的学习因子；r1、r2为在区间[0,1]内的随机数；pid为第i个粒子自身搜索到的历史最优值，pgd为所有粒子当前搜素到的最优解；经过改进后的算法，惯性权重随着搜索粒子距离最优点的距离减小而减小，这样可以使得粒子在接近最优解邻域时降低飞行速度，能够更加精准的寻找最优解，提高收敛效果。

5-2.根据微网的调度需要，设置最大迭代次数为m，在用电不满意度指标的约束下，基于楼宇用电负荷的状态信息，采用上述改进的粒子群算法求解调度区间k内楼宇可中断负荷荷区间内调度裕度值αk和楼宇可转移负荷区间内调度裕度值βk；

5-3.采用分层控制策略有序控制楼宇可控负荷及其储能系统响应微电网的优化调度。

5-3-1.在楼宇系统中，可中断负荷的调度成本最小，可转移负荷的调度成本次之，储能系统的调度成本最大，故优先调度楼宇可中断负荷和可转移负荷，并更新可控负荷参与调度后的状态信息。

5-3-2.当wd_k≤αk时，控制楼宇可中断负荷参与微电网的优化调度，并更新楼宇中可中断负荷运行状态信息，其它设备维持现状。

5-3-3.当αk≤wd_k≤αk+βkwd_k时，控制楼宇可中断负荷最大化参与微电网的优化调度，剩余的需求值通过控制楼宇可转移负荷响应微电网的调度来补充，并更新楼宇中可控负荷运行状态信息；

5-3-4.当wd_k＞αk+βk时，控制楼宇储能系统参与调度，考虑楼宇储能系统参与调度面对的具体运行问题，故设定楼宇储能系统区间调度最小限定出力值，即一旦楼宇储能系统参与微网调度，就必须大于设定的调度出力最小值wset。

5-4.完成一日内的n个区间调度需求，求解出日最小调度成本，对数据进行分析处理。

本发明的有益效果在于：本发明提出的一种具备灵活调度能力的楼宇储能系统结构，它能够在确保设备使用寿命最大化的前提下，基于随新能源发电情况及楼宇用电特征做出动态调度响应。本发明针对居民用电行为特性，建立了针对不同可控负荷特性的用电不满意度指标，深入分析了可控负荷及其储能系统不同区间的调度裕度，及上个调度区间对下一次调度的影响，深入挖掘了楼宇系统的调度潜力。在用电不满意及微电网系统安全运行的约束下，以最小调度成本为目标建立了楼宇系统的日调度模型，有效的保障了新能源高渗透率的微网系统安全、高效运行，同时有效的降低了楼宇系统用电负荷的波动率。

附图说明

图1为本发明的流程图。

图2为步骤1中的楼宇储能系统结构图。

图3为图1中改进的粒子群算法流程图。

图4为实施例改进的ieee-14节点配电系统拓扑图。

图5为可转移负荷响应调度策略后的用电情况分布图

图6为算例系统节点7节点电压图

具体实施方式

下面结合附图和实施例为本发明做进一步的说明。

如图1所示，一种居民楼宇系统主动响应微电网优化调度方法，包括以下步骤：

步骤1:根据居民楼宇用电特征设计了一种具备灵活调度能力的新型楼宇储能系统结构；

1-1.楼宇储能系统内部含有m个b型号蓄电池和h个c型号蓄电池。这两种蓄电池型号参数相同，c型号蓄电池的容量较大，b型号蓄电池的容量相对较小，蓄电池之间通过智能信号开关连接。

1-2.假定已知调度区间k内，需要配置楼宇储能系统响应微电网调度的出力值为：ws_k，则配置储能系统内蓄电池参与调度方案如下：

ws_k＝φ(nb·sa+nc·sc)-s0(1)

nn＝nb+nc(4)

式中nb、nc分别为储能系统投入b、c类型的蓄电池数目；sa、sb为蓄电池a、b型号的最大储蓄能量。s0为参与调度b型号蓄电池数量按需不能被整除，采取进位取整措施所增补的电能；φ为蓄电池放电深度；

1-3.若储能系统在调度区间k内采用放电的方式响应微电网的调度策略，则储能系统输出的电压为：ubattery＝220×nn，通过控制电路的进行调控pwm波形，来控制dc/ac逆变器将nn倍220v直流电转换成220v交流电；如果储能系统以充电方式响应微电网的调度策略，则每个储能蓄电池以单个的个体形式通过信号开关直接与220v主干线直接连接进行充电；

步骤2:按照楼宇用电负荷特性和居民用电习惯把楼宇可控负荷分为可中断负荷、可转移负荷两种类型；

2-1.楼宇中可中断负荷主要由空调、电冰箱负荷组成。这类负荷在夏季占楼宇用电量的比拟较大，负荷主要呈感应电机特性，在系统不稳定时对电压影响较大。短时间的中断对用户的影响不大，合理的控制其开通关断时间能够有效的响应微电网的调度需求。

2-2.楼宇中可转移负荷主要有厨房电器、洗衣机、洗碗机、热水器这些负荷组成。楼宇延时负荷可以根据实际调度需求情况，通过把楼宇中用电设备的工作时间调整到其它时间段来响应微电网的调度策略，这类负荷从开通起到完成工作，中间时间不可以中断。

步骤3:根据居民用电行为特性建立居民用电不满意度指标，建立调度区间内楼宇可中断负荷、可转移负荷的调度出力模型；

3-1.建立楼宇可中断负荷参与微电网调度形成的居民用电不满意度指标；

3-1-1.楼宇系统中可中断负荷的最佳开通时间最佳关断时间与外界环境温度有关。防止在调度过程中形成负荷反弹效应，通过热力学etp模型，求解调度区间内最佳开通时间和最佳关断时间。

3-1-2.可中断负荷参与调度时产生的居民用电不满意度指标推导公式如下：

ton,i、toff,i为调度区间k内可中断负荷i的实际开通时长和关断时长；为可中断负荷i的最小可开通时长，为可中断负荷i的最大可关断时长；uk为调度区间k内可中断负荷参与微电网调度对居民产生的用电不满意度指标。

3-2.建立楼宇可转移负荷参与微电网调度形成的居民用电不满意度指标；

3-2-1.楼宇可平移负荷的平移时间长度受其功能及响应方式制约，因此不同属性的楼宇可平移负荷的可平移时间长度不同，建立可平移负荷信息矩阵h。

hk,i＝[te,i,td,i,ton,i,tr,i,tshift,i](8)

信息矩阵中te,i、td,i分别为楼宇中第i个楼宇可平移负荷最早开通时间及最迟开通时间，ton,i为第i个可转移负荷的开始工作时刻，tr,i、tshift,i分别为第i个可平移负荷的实际运行时长和实际平移时长。

3-2-2.可转移负荷参与调度时产生的居民用电不满意度指标推导公式如下：

式中ωk为可转移负荷参与调度时产生的居民用电不满意度指标。

3-3.建立调度区间内楼宇可中断负荷、可转移负荷的调度出力模型；

式中qil(i,t)为楼宇中第i个受控的可中断负荷在t时刻的功率；ton,i、toff,i分别为该负荷的原计划开通和关断时刻；t′on,i、t′off,i分别为响应调度策略后的开通和关断时刻；wil_k为调度区间k内可中断负荷的调度出力。

式中qdl(i,t)为楼宇中第i个受控可平移负荷在t时刻的功率；n2(i,t)为可平移负荷原计划运行状态函数，0代表中断，1代表运行状态；n′2(i,t)为响应调度计划后的可平移负荷的运行状态函数；wdl_k为调度区间k内受控可平移负荷的调度裕度。

步骤4:确定目标函数和约束条件；

4-1.目标函数为满足微电网调度中心的调度需要下，楼宇系统最小调度成本，如下所示：

式中wil_k,wdl_k,ws_k分别为调度区间k内楼宇可中断负荷、可平移负荷、楼宇储能系统响应调度方案的出力；c1、c2、c3分别为楼宇可中断负荷、可平移负荷、楼宇储能系统对应在调度区间k内的调度成本函数；

4-2.约束条件由区间调度需求约束、功率平衡约束、微网系统节点电压安全约束、储能系统约束、居民用电不满意度约束组成。

4-2-1.区间调度需求约束

wd_k＝wil_k+wdl_k+ws_k(18)

式中wd_k为调度区间k内，微网系统需要响应的调度电能总值；

4-2-2.功率平衡约束

pf(t)+pv(t)+pl(t)＝pload(t)+ps(t)(19)

pload(t)＝pil(t)+pdl(t)+p0(t)(20)

式中pf(t)、pv(t)、pl(t)分别为微电网系统内风电场输出功率、光伏系统输出功率和微网系统输送功率；pload(t)、ps(t)分别为居民楼宇系统用电功率、楼宇储能系统实时功率；pil(t)、pdl(t)、p0(t)分别为楼宇系统可中断负荷实时功率、楼宇可转移负荷实时功率、楼宇固定负荷实时功率；

4-2-3.微电网系统的节点电压安全约束

uimin≤ui≤uimax(21)

uimin、uimax为微网系统节点i对应的节点电压标幺值的上下安全约束边界；

4-2-4.楼宇储能系统约束

式中为楼宇储能系统充电功率的最大值和最小值，为楼宇储能系统放电功率的最大值和最小值；楼宇储能系统日总调度电能总和为0；

4-2-5.居民用电不满意度约束

式中θ1为单一可控负荷用电不满意度最大约束边界，θ2调度区间内总体可控负荷参与调度产生的用电不满意度最大约束边界,ψ为日用电不满意度；

步骤5:使用改进的粒子群算法对目标函数进行求解，制定出最佳的调度方案；

5-1.传统型的粒子群算法求解复杂问题容易陷入局部最优，故对传统型粒子群算法进行改进，改进后的粒子群更新方程如下：

惯性权重随粒子不同而动态变化，lig表示第i粒子与全局最优粒子pgd的距离；lmax、lmin为预先设计好的最大距离和最小距离参数。ωmax、ωmin为设定好的最大惯性权重和最小惯性权重。vid为粒子速度；k为当前迭代数；c1、c2为粒子的学习因子；r1、r2为在区间[0,1]内的随机数；pid为第i个粒子自身搜索到的历史最优值，pgd为所有粒子当前搜素到的最优解；经过改进后的算法，惯性权重随着搜索粒子距离最优点的距离减小而减小，这样可以使得粒子在接近最优解邻域时降低飞行速度，能够更加精准的寻找最优解，提高收敛效果。

5-2.根据微网的调度需要，设置最大迭代次数为m，在用电不满意度指标的约束下，基于楼宇用电负荷的状态信息，采用上述改进的粒子群算法求解调度区间k内楼宇可中断负荷荷区间内调度裕度值αk和楼宇可转移负荷区间内调度裕度值βk；

5-3.采用分层控制策略有序控制楼宇可控负荷及其储能系统响应微电网的优化调度。

5-3-1.在楼宇系统中，可中断负荷的调度成本最小，可转移负荷的调度成本次之，储能系统的调度成本最大，故优先调度楼宇可中断负荷和可转移负荷，并更新可控负荷参与调度后的状态信息。

5-3-2.当wd_k≤αk时，控制楼宇可中断负荷参与微电网的优化调度，并更新楼宇中可中断负荷运行状态信息，其它设备维持现状。

5-3-3.当αk≤wd_k≤αk+βkwd_k时，控制楼宇可中断负荷最大化参与微电网的优化调度，剩余的需求值通过控制楼宇可转移负荷响应微电网的调度来补充，并更新楼宇中可控负荷运行状态信息；

5-3-4.当wd_k＞αk+βk时，控制楼宇储能系统参与调度，考虑楼宇储能系统参与调度面对的具体运行问题，故设定楼宇储能系统区间调度最小限定出力值，即一旦楼宇储能系统参与微网调度，就必须大于设定的调度出力最小值wset。

5-4.完成一日内的n个区间调度需求，求解出日最小调度成本，对数据进行分析处理。

本发明实施例如下：

附图2为本发明提出的具有灵活配置能力的楼宇储能系统的结构图，设定b型号的蓄电池的容量为5kwh,c型号的蓄电池的容量为10kwh，蓄电池的放电深度设置为0.9。将一天划分为96个时间段，每个时间长度为15min，调度区间内楼宇储能系统参与调度时最小出力值设置为30kwh，通过控制信号开关的状态，控制接入系统的蓄电池的类型，如表1所示：

表1不同开关状态下电源类型

将楼宇系统内的空调负荷设定为楼宇可中断负荷，将楼宇系统内的洗衣机、洗碗机、热水器、智能电饭锅、电热壶负荷设定为楼宇可转移负荷，这些被控设备的信息如表2所示：

表2被控楼宇电器设备信息

以附图4中改进的ieee-14节点配电系统为例来验证本发明提出的一种居民楼宇系统主动响应微电网优化调度方法的有效性。应用实测夏季当某地风速、光照强度数据和某市某居民楼宇200户夏季日用电数据作为测试数据。风电安装在6、12节点上，各节点装机容量均为200kw。光伏安装在10、11节点上，各节点装机容量均为100kw。节点7、14分别接含100户居民的楼宇系统。

居民楼宇的用电情况受时间、环境及生活习惯等因素影响。对某市某居民小区200户居民夏季生活用电情况进行数据统计。经过数据分析，得出该居民楼宇的居民用电习惯。附图5为楼宇系统内几种典型的可转移负荷的响应调度策略后的用电情况分布图：

改进的粒子群算法的学习因子c1、c2均取值为：1.8，lmax、lmin分别取值为：1、0.5，ωmax、ωmin分别取值为：0.8、0.2，最大迭代次数设置为：200次；θ1、θ2均设置为0.2；设置楼宇可中断负荷、楼宇可转移负荷、家庭备用电源及楼宇集中式储能系统的调度成本分别为：0.15元/kwh、0.20元/kwh、0.25元/kwh、0.3元/kwh。

根据居民用电行为特性及约束条件,应用改进的粒子群算法求解调度区间的具体调度方案。应用同样的参数设置，将本文所采用的调度方案与仅有可控负荷和仅有储能系统参与调度的情况进行对比，从实验数据中可以得到，本文所提方案能够在确保新能源利用率达到90％以上，同时对居民用电产生影响较小，日总调度成本也比采用储能方案要低22％。具体详细数据如表3所示。

表3目标函数相关指标大小

对算例系统进行潮流分析，实验数据显示96段调度区间内，与智慧楼宇相连的配电系统节点7和节点14的节点电压的最大值和最小值都能维持在0.965-1.04这个安全运行范围之间，能够保障电能质量，确保算例系统安全可靠运行。附图6为节点7在96个调度区间内进行潮流分析对应的区间内节点电压最大值及最小值。通过采用分层控制策略有效的降低了楼宇负荷用电峰值，降低了楼宇用电负荷曲线的功率波动率。

最后应当说明的是：以上仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。