一种多微网能量共享方法与流程

1.本发明涉及电力技术领域，具体是一种多微网能量共享方法。


背景技术：

2.目前，能源转换技术的成熟发展正在加速推进能源结构的转变。与此同时，社会对能源需求的灵活性、安全性要求不断提高，使传统的集中式大型电力系统向分布式联供系统转变。多微网与配电网的协同调度研究成为助力碳达峰、碳中和的重要抓手。
3.而当前对于可再生能源供应大于需求的微网，微网是直接将多余的可再生能源直接卖给配电网，由于可再生能源的不确定性，直接卖给配电网可能会造成配电网运行稳定性降低，增加了电能远距离传输的损耗，降低可再生能源利用率。
4.考虑多微网之间的可再生能源共享，由于各微网分布式发电的类型和负荷特性不同，每个微网的首要任务是满足自己需求。如果达不到目的，它可以从配电网购买电力。当微网有剩余电量时，剩余电量优先共给其他缺电的微网，如果还有多余的电量，则将多余的电量卖给配电网。基于此，可降低各个微网与配网之间交易的电量，提高配网运行稳定性和各微网的经济性至关重要。


技术实现要素：

5.本发明所要解决的问题是提供一种多微网能量共享方法，降低各个微网与配网之间交易的电量，提高配网运行稳定性和各微网的经济性。
6.本发明的目的是通过以下技术方案实现的：
7.一种多微网能量共享方法，包括以下步骤：
8.s1，对微网内部组成单元建模，建立风力发电、光伏发电、储能电池的数学模型；
9.s2，确定微网内部组成单元的约束限制，所述约束限制包括负载需求相应限制、储能电池限制、可再生能源限制；
10.s3，基于步骤s1建立的数学模型和步骤s2确定的约束限制设计多微网系统拓扑结构；
11.s4，在步骤s3设计的多微网系统拓扑结构中应对实际场景中不同时间尺度的调度问题，应用双时间尺度控制策略，提出分层优化的方法；
12.s5，根据步骤s4提出的优化方法，采用阶梯协调调度思想的调度策略，对各子网控制级进行能源优化，中间层通过管理储能电池的充放电，调整可控负荷需求量，上层根据优先级以及实时的市场交易电价达到以经济代价最小为前提来满足各用户的用电需求这一优化目标，底层负荷集合控制器将在快时间尺度上对用户负荷用电需求进行优化。
13.进一步的，步骤s1中对微网内部组成单元建模，建立风力发电、光伏发电、储能电池的数学模型，具体如下：
14.s11:风力发电模型
15.采用威布尔分布模型对风速进行模拟，其分布函数如下：
[0016][0017]
其概率密度函数如下：
[0018][0019]
式中，v表示风速，k表示形状参数，c表示尺度参数，风力发电机出力函数表示如下：
[0020][0021]
式中，pwgr表示风力发电机组的额定功率，pwg表示风力发电系统的实际输出功率，vi表示切入风速，v0表示切出风速，v表示实际风速，vr表示额定风速；
[0022]
s12：光伏发电模型
[0023]
在一定时间范围内，地面实际太阳光照强度满足beat分布，其概率密度如下：
[0024][0025]
其中，e和e
max
分别为该时段内实际和最大光照强度，α、β均为beat分布参数，光伏电池将光能转换为电能，则该光伏电池输出功率为：
[0026]
p
pv
＝η
pv
es
[0027]
式中，η
pv
为光伏电池转换效率；s为光伏电池有效辐照面积；
[0028]
光伏电池的输出功率也呈beat分布，表示为：
[0029][0030]
式中，p
pv,max
＝η
pvemax
s为光伏电池最大功率；
[0031]
s13：储能电池模型
[0032]
选择蓄电池作为微网的储能单元，用ei(k)表示第i个微网系统的储能电池在 k时刻储存的电量，则下一时刻的储能电量与上一时刻的储能电量和当前时刻的充/放电量以及交换效率有关，其数学模型如下所示：
[0033][0034]
式中，p
ibess
(k)表示第i个微网系统的储能电池在第k时刻与当前微网系统交换的总能量，表示如下：
[0035]
p
ibess
(k)＝p
ires
(k)-p
il
(k)
[0036]
式中，p
ibess
(k)＞0表示在k时刻第i个微网系统的储能电池充电，p
ibess
(k)＜0 表
示在k时刻第i个微网系统的储能电池放电，表示第i个微网系统的储能电池在k时刻的充电效率，表示第i个微网系统的储能电池在k时刻的放电效率，且
[0037]
进一步的，步骤s2中各约束限制具体如下：
[0038]
s21：负载需求响应限制：
[0039][0040][0041]
p
il
(k)＝p
idr
(k)+δp
il
(k)
[0042]
式中，p
l
为总负载的需求的最下有功功率，为总负载的需求最大有功功率，即第i个微网系统总负载的需求响应p
il
(k)应满足功率流约束，p
idr
为重要负载，为可控负载的最大能量调度；
[0043]
s22:储能电池限制：
[0044][0045][0046]
式中，为储能电池储存能量的上限，p
bess
和分别表示储能电池与本地系统交换电量的最大充放电限制；
[0047]
s23:可再生能源限制：
[0048][0049]
式中，为可再生发电源产生的最大输出功率，微网的可再生发电源在k 时刻应该满足最小和最大功率流限制。
[0050]
进一步的，步骤s3中的所述多微网系统拓扑结构由m个微网系统组成，其中每个微网系统都包含以光伏发电和风力发电为代表的可再生能源、以冰箱和空调为代表的重要负荷以及以充电桩为代表的可控负荷以及储能电池，在微网内部以及微网之间会通过电力传输线传输电能；
[0051]
所述多微网系统拓扑结构是一个分布式的控制结构，每个微网系统具有控制器，每个微网优先满足自己的能量供应需求，如果微网可供应的可再生能源超过系统负载需求，在满足自己供应需求的情况下，剩余的可再生能源则优先供给其他缺电的微网，若还有剩余，则卖给配电网；如果微网可供应的能量难以满足系统负载需求，在接受其他微网可再生能源接济的情况下若还不能满足，则从配电网购买电能。
[0052]
进一步的，步骤s4在s3设计的多微网系统拓扑结构中应对实际场景中不同时间尺度的调度问题，应用双时间尺度控制策略，提出分层优化的方法，具体如下：
[0053]
在实际场景中，能量协调层和负荷调控层在微网中以不同的采样周期执行。此外，不同层次之间还存在信息和能量的交换，针对不同时间尺度的调度问题，采用双时间尺度控制策略，提出了包括上中、底、层的三层优化结构，针对整个系统可能出现供不应求的情况，配电网可能没有足够电量与微网进行交易，因此，中层优化问题首先在慢时间尺度下求
解，基于负荷需求、可再生能源预测信息和储能充放电，对微网和配电网的能量交换和微网内部的能量分配进行优化，剩余的可再生能源优先提供给其他微网，再卖给配电网，并将本地微网的不平衡信息上传到配电网；其次，顶层的优化问题将以与中层相同时间尺度协调配电网与微网之间的能量交换；最后，根据上中两层的优化，在底层实现第三次优化，以更快的采样周期来调整用户的可控负荷希求，优化用户的能量分配。
[0054]
进一步的，步骤s4中分层优化的方法具体为：
[0055]
s41:本地amg优化
[0056]
中间层的本地amg优化目标是通过管理s1中储能电池模型的充放电，调整可控负荷需求量，与其他微网共享的可再生能源电量以及与dno的购/售电来初步满足供需平衡和代价最小原则，提出本地优化的目标函数如下：
[0057][0058]
式中，ns表示能量调度的优化时域(24h)，ls表示慢采样周期，ξ
ij
，i＝1，
…
， m，j＝1，
…
，3为权重系数，λi(k)表示k时刻amg与dno的市场交易电价， p
ib
(k+ls|k)表示amg从dno购买电量，p
is
(k+ls|k)表示amg向dno出售电量；
[0059]
目标函数第一项的实际物理意义是对储能电池过高充/放电量的惩罚，若电池频繁的进行大量的充/放电，将对电池容量造成一定损耗，定义其惩罚函数如下：
[0060]ji,bat
(k+ls∣k)＝p
ibess
(k+ls∣k)2[0061]
根据自治微网特性，p
ibsee
(k+ls|k)写成：
[0062]
p
ibess
(k+ls∣k)＝p
ires
(k+ls∣k)-p
il
(k+ls∣k)
[0063]
目标函数第二项的实际物理含义表示减少用户可控负荷所带来的不满意成本，采用基于激励的需求响应管理计划，将这部分代价视作虚拟发电单元的成本代价，其成本函数如下所示：
[0064][0065]
式中，ai和bi是需求缩减量与舒适度的付出成本之间的独立正系数；
[0066]
目标函数第三项表示本地微网的购/售电成本，第四项表示和其他微网共享的可再生能源电量；
[0067]
根据以上表述，将本地amg优化问题的决策变量令为：
[0068]
ui(k+ls|k)＝[δp
il
(k+ls|k)p
ib
(k+ls|k)p
is
(k+ls|k)p
iout
(k+ls|k)p
iin
(k+ls|k),ui(k+ls|k)∈ωi[0069]
其中，ωi是微网子系统i容许控制量集合，δp
il
(k+ls|k)为微网子系统i的可调节负荷预测量，则优化问题1写成：
[0070][0071][0072]
如果p
ibess
(k+ls∣k)≥0，则：
[0073]
0≤p
iout
(k+l
s∣k
)≤p
ibess
(k+ls∣k)
[0074]
如果p
ibess
(k+ls∣k)≤0，则：
[0075]
0≤p
iin
(k+ls∣k)≤|p
ibess
(k+ls∣k)|
[0076]
并且
[0077][0078]
能量守恒约束如下：
[0079]
p
ires
(k+ls∣k)-p
is
(k+ls∣k)+p
ib
(k+ls∣k)-p
iout
(k+ls∣k)+ p
iin
(k+ls∣k)-pre_p
ibess
(k+ls∣k)＝pre_p
il
(k+ls∣k)
[0080]
式中，pre_p
ibess
(k+ls∣k),pre_p
il
(k+ls∣k)为优化后的值；
[0081]
s42:全局dno优化
[0082]
dno作为多微网系统中与各amg子系统进行能量交易的共同耦合节点，是一个系统全局层面的控制实体，在每个慢采样周期，采集各微网的供求信息，优化其能量分配后再把优化值下达给每个amg，尽力满足整个多微网系统的供需平衡，并保证系统收益以及用户用电舒适度，dno根据优先级以及实时的市场交易电价，最终达到以经济代价最小为前提来满足各用户的用电需求这一优化目标，提出dno优化的目标函数如下：
[0083][0084]
其中，λ(k)是所有微网子系统的平均交易电价，如下所示：
[0085][0086]
式中，为dno向所有微网子系统购买电量的预测值，为dno向所有微网子系统出售电量的预测值，则优化问题2写成：
[0087][0088][0089][0090][0091]
s43:负荷集合控制器优化
[0092]
经过上、中两层优化问题的求解后，获得慢采样周期的优化解在接受到上两层慢时间尺度的优化信息后，底层负荷集合控制器将在快时间尺度上对用户负荷用电需求进行优化；
[0093]
将负荷侧的优化值设为：
[0094][0095]
其中，lf表示慢采样周期；
[0096]
底层负荷集合控制器的优化目标为跟踪上顶层dno优化问题给出优化参考解δp
il*
(k+ls|k)，基于此，提出负荷集合控制器的优化目标函数如下：
[0097][0098]
则优化问题3写成：
[0099][0100]
优化问题3的决策变量为zi(k+ls+nlf∣k)＝[δp
il
(k+ls+nlf∣k)]
t
，其优化解可表示为
[0101]
进一步的，步骤s5具体如下：
[0102]
采用阶梯协调调度思想的调度策略，优先对中间层子网控制级进行能源优化，然后对其余两层进行优化，
[0103]
算法设计流程如下：每次优化周期开始，首先求解优化问题1，将优化后的供求平衡信息上传到顶层dno；然后，dno控制层求解优化问题2获得全局供需平衡下的能量交易优化值；最后将得到的优化指令下发给底层集合器，通过求解优化问题3优化分配相关的可控负荷。
[0104]
本发明针对微网内部可再生能源供过于求的情况，提出了一种多微网能量共享的方法，可进一步减少其他微网从配网购买的电量，减少可再生并网的影响，提高微网的经济性。
附图说明
[0105]
图1是本发明实施例一种多微网能量共享方法流程图；
[0106]
图2是本发明实施例发电机输出特性曲线图；
[0107]
图3是本发明实施例微网联盟与配网的运行模式图；
[0108]
图4是本发明实施例阶梯协调调度思想算法流程图；
[0109]
图5是本发明实施例微网可再生能源和负荷曲线图；
[0110]
图6是本发明实施例amg与dno交易电价曲线图；
[0111]
图7是本发明实施例amgs的不平衡能量分布曲线图；
[0112]
图8是本发明实施例本地优化后的微网储能电池充放电曲线图；
[0113]
图9是本发明实施例本地优化后微网系统储能电池容量曲线图；
[0114]
图10是本发明实施例负荷优化前后的对比曲线图；
[0115]
图11是本发明实施例dno优化后的交易电量曲线图；
[0116]
图12是本发明实施例两时间尺度下负荷响应曲线比较图；
[0117]
图13是本发明实施例ebr曲线比较图。
具体实施方式
[0118]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0119]
参见图1，本发明实施例提供了提出的一种多微网能量共享方法，该方法考虑了微网内部可能出现供过于求的情况，建立了包含微网能量共享的amg能量协调管理方案。首先，中间层着眼于本地微网子系统的分区自治，优先协调自身的供需平衡，并将供需信息和微网之间的可再生能源共享电量提供给顶层dno；然后dno优化与amgs交易的电量；最后，底层集合控制器再依据上中两层的优化结果做出相应的负荷中断。所述方法具体包括如下步骤：
[0120]
s1)，对微网内部组成单元建模，建立风力发电、光伏发电、储能电池的数学模型；建立的数学模型具体如下：
[0121]
s11:风力发电模型
[0122]
目前主流的风力发电建模方法是概率法，其中最具有简单灵活特性的分布模型就是威布尔分布。由于威布尔分布模型对实际风速具有较好的拟合性，对可灵活调节风速变化的相关参数，所以本发明采用威布尔分布模型对风速进行模拟。其分布函数如下：
[0123][0124]
其概率密度函数如下：
[0125][0126]
式中，v表示风速，k表示形状参数，c表示尺度参数。风力发电机出力函数表示如下：
[0127][0128]
式中，pwgr表示风力发电机组的额定功率，pwg表示风力发电系统的实际输出功率，vi表示切入风速，v0表示切出风速，v表示实际风速，vr表示额定风速。其出力曲线如图2所示。
[0129]
s12:光伏发电模型
[0130]
光伏发电系统的发电功率主要由光照强度决定且受多种因素制约，但因地面光照强度的随机性，光伏发电系统的发电功率也算随机的，发电功率存在较大的波动，理想情况下在一定时间范围内，地面实际太阳光照强度满足beat分布，其概率密度如下：
[0131]
[0132]
其中，e和e
max
分别为该时段内实际和最大光照强度，α、β均为beat分布参数。光伏电池将光能转换为电能，则该光伏电池输出功率为：
[0133]
p
pv
＝η
pv
es
[0134]
式中，η
pv
为光伏电池转换效率；s为光伏电池有效辐照面积。
[0135]
由此可知光伏电池的输出功率也呈beat分布，表示为
[0136][0137]
式中，p
pv,max
＝η
pvemax
s为光伏电池最大功率。
[0138]
本发明选择蓄电池作为微网的储能单元，用ei(k)表示第i个微网系统的储能电池在k时刻储存的电量。则下一时刻的储能电量与上一时刻的储能电量和当前时刻的充/放电量以及交换效率有关，其数学模型如下所示：
[0139][0140]
式中，p
ibess
(k)表示第i个微网系统的储能电池在第k时刻与当前微网系统交换的总能量，表示如下：
[0141]
p
ibess
(k)＝p
ires
(k)-p
il
(k)
[0142]
式中，p
ibess
(k)＞0表示在k时刻第i个微网系统的储能电池充电，p
ibess
(k)＜0 表示在k时刻第i个微网系统的储能电池放电，表示第i个微网系统的储能电池在k时刻的充电效率，表示第i个微网系统的储能电池在k时刻的放电效率，且
[0143]
s2，确定微网内部组成单元的约束限制，包括负载需求相应限制、储能电池限制、可再生能源限制；
[0144]
负载需求响应限制：
[0145][0146][0147]
p
il
(k)＝p
idr
(k)+δp
il
(k)
[0148]
式中，p
l
为总负载的需求的最下有功功率，为总负载的需求最大有功功率。即第i个微网系统总负载的需求响应p
il
(k)应满足功率流约束。p
idr
为重要负载，为可控负载的最大能量调度。
[0149]
储能电池限制：
[0150][0151][0152]
式中，为储能电池储存能量的上限，p
bess
和分别表示储能电池与本地系统交换电量的最大充放电限制。
[0153]
可再生能源限制：
[0154][0155]
式中，为可再生发电源产生的最大输出功率，微网的可再生发电源在k 时刻应该满足最小和最大功率流限制。
[0156]
s3)，基于步骤s1建立的数学模型和步骤s2确定的约束限制设计多微网系统拓扑结构。
[0157]
本发明提出的多微网系统拓扑结构如图3所示，由m个微网系统组成。其中每个微网系统都包含以光伏发电和风力发电为代表的可再生能源、以冰箱和空调为代表的重要负荷以及以充电桩为代表的可控负荷以及储能电池。在微网内部以及微网之间会通过电力传输线传输电能。
[0158]
从拓扑结构上看，该多微网系统是一个分布式的控制结构，每个微网系统都有自己的控制器。每个微网优先满足自己的能量供应需求，如果微网可供应的可再生能源超过系统负载需求，在满足自己供应需求的情况下，剩余的可再生能源则优先供给其他缺电的微网，若还有剩余，则卖给配电网。如果微网可供应的能量难以满足系统负载需求，在接受其他微网可再生能源接济的情况下若还不能满足，则从配电网购买电能。
[0159]
s4，在步骤s3设计的多微网系统拓扑结构中应对实际场景中不同时间尺度的调度问题，应用双时间尺度控制策略，提出分层优化的方法。
[0160]
图5、图6和图7给出了某地区的负荷需求、ress输出曲线以及市场电价的真实曲线。从图6可以看出，在7-9期间，由于ress高于负荷需求，amg1 对dno有剩余电力。但是，amg2需要从dno购买一些电力，因为负荷需求大于ress供应，而amg3的供应需求几乎平衡。图6显示了能源交易价格与能源供应的关系，当能源缺乏时，市场价格会增加，并根据微网的决定进行波动
[0161]
三层能源管理架构中的中间层所有微网的仿真优化结果如图8、图9、图10 所示。图8展示了一天内各微网子系统的储能电池的充/放电情况。从图中可以看出，各微网子系统的储能设备充/放电优化值都在给定的约束范围内。图9展示了一天内各微网子系统的储能电量的存储电量的变化情况，可以看出，储能容量的优化值都在给定的约束范围内。将二者对比分析，在时间段0：00-5：00里，微网1始终处于供过于求的状况，微网1一方面给储能充电，一方面将部分能源共享给其他微2，因此微网1的储能电池并不会充满电。微网2始终处于供给少于需求的情况，则由于缺额较大，所以一开始储能电池就急速放电。而微网3 在这一段时间内，始终保持着供需平衡，其储能电池容量一直保持在45p.u.。在 6：00-11：00，微网1始终供过于求，微网2始终供给少于需求，微网3和微网 2一样。而微网1的可再生能源电量除了给储能充电，还共享给其他微网，因此微网1的储能电池并不会充满电。其他时间段也均根据供需关系调整储能的容量。
[0162]
中间层各子系统优化完其储能设备的充/放电后，将其自身的供求失衡信息上传到顶层dno。然后dno综合分析所有微网子系统的供求信息，通过求解本层级优化问题，对所有能量进行调度。dno优化后的交易电量如图10所示。
[0163]
如图11所示，曲线为正则表示本地微网子系统从dno购买电量，曲线为负则代表微网子系统向dno卖出电量，可以看出，dno交易的电量均在约束范围内。根据优化后的交易电
量曲线，在时间段0：00-10：00和17：00-23：00，三个微网的电量交易非常活跃，故而在这两个时间段内，市场交易电价达到峰值。本发明在考虑了微网之间的能量共享之后，极大减少了和dno的交易电量，例如在8：00，本发明的微网2在接受了微网1的能量共享后，从dno购买的电量为10p.u.。在时间段19：00-23：00，本发明所有微网子系统在考虑能量共享之后，和微网交易的电量相比文献[14]都有所减少但考虑到微网的经济性，在整个dno优化过程中，还是会有部分多余的可再生能源电量卖给dno。从dno交易电量可以看出，amg之间仍存在供需平衡。因此，dno将多个微网的供求信息下发给底层的控制器，进一步优化结果，削减可控负荷用电量，对负荷的需求响应进行优化调度。
[0164]
上中两层的优化可以实现能源的最优调度，并将最优解发送到底层的负荷集合控制器，通过调节可控负荷来进一步优化能源调度。图12展示了在快时间尺度和慢时间尺度下负荷需求响应分布的比较曲线。可以看出，虽然用户需求实时变化，但是在快速采样周期内的负载响应曲线总能够实时地跟踪上慢采样周期内的负载响应曲线。
[0165]
为了评估微网能量调度策略的有效性，定义了能量平衡率指标(energybalanceratio，ebr)，公式如下：
[0166][0167]
其中，p
ies
(k)为第i个微网系统在k时刻总的能源供给量，可由下式计算：
[0168]
p
ies
(k)＝p
ires
(k)+p
ib
(k)+p
ib
(k)-p
is
(k)+p
iin
(k)+p
iout
(k)
[0169]
图13展示了在采用本发明提出了控制策略前后的ebr有效性比较曲线。从图中可以看出，本发明所提控制方法的ebr在任何时候都在95％以上。从11点到14点，三个微网子系统供需平衡，因此曲线平缓，而在19以后，由于光伏发电出力为0，所以ebr曲线波动较大。
[0170]
s5，根据步骤s4提出的优化方法，采用阶梯协调调度思想的调度策略，优先对中间层子网控制级进行能源优化。首先，中间层本地的微网系统以慢采样周期采集可再生发电源、总负载用电需求以及储能系统存储电量的预测信息，通过调节其储能设备的充放电继而改变本地系统供应电量来优化对负荷的供电。再将该系统的供需失衡信息也就是它可以共享给其他微网子系统多少可再生能源电量/可接受其他微网子系统传入的可再生能源电量，以及它需要从dno买入/卖出多少电量上传给顶级dno。然后，dno在接收到所有子系统微网传来的供求信息和储能容量后，以与中层相同的采样周期做出优化决策，得到它与每个子系统应该交易的电量，然后发出指令。最后，位于底层的负荷集合控制器将以更快的时间尺度执行上层下发的优化指令，优化每个微网子系统中用户的智能可控负荷的用电需求，以此匹配上供电平衡。
[0171]
算法设计流程如下：每次优化周期开始，首先求解优化问题1，将优化后的供求平衡信息上传到顶层dno。然后，dno控制层求解优化问题2获得全局供需平衡下的能量交易优化值。最后将得到的优化指令下发给底层集合器，通过求解优化问题3优化分配相关的可控负荷。算法流程如图4所示。
[0172]
以上所述，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，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应
涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。