一种多时间尺度的微电网能量管理方法与流程

1.本发明涉及智能电网技术领域，具体为一种多时间尺度的微电网能量管理方法。


背景技术：

2.当今，为了应对全球变暖对人类社会和生态系统造成的影响，以及解决能源短缺和化石能源环境污染问题，加快开发利用可再生能源，减少碳排放已经成为世界各国的共识。但是可再生能源的间歇性和不确定性给电网稳定性造成不可忽视的影响，仅靠不断扩建发电侧已经满足不了发展的需求，同时更需要配合以合理的能量管理优化方法，对微电网中各种性能各异的分布式可再生能源和储能装置进行协调管理，实现微电网的稳定运行、优化调度，因此对微电网能量管理的研究意义重大。
3.目前微电网通讯组网方案多是采用现场总线技术，而现场总线种类较多，如profibus总线、modbus总线、canopen总线等，多种现场总线之间无法兼容，软硬件通常只能使用一家产品，不同厂家产品之间缺乏互操作性和互换性，可集成性差。对于大范围的分布式系统，大量的i/o电缆及敷设施工，不仅增加成本，也增加了系统的不可靠性，不能够满足控制网络不断增长的要求。现有的能量管理技术多是通过优化可控的电源和储能来进行能量管理，但是清洁能源的随机性、波动性(如光伏发电)给电网带来不稳定因素，因此需要配备更大的储能或大电网支持。现有的能量管理方法多是在调度日到来之前，采集日前信息，只制定一个以1小时为周期，调度日24小时的调度计划，而随着时间尺度变长，负荷预测和光伏出力预测的不确定因素的影响不断增加，预测的准确度会随着时间尺度的增加逐渐降低，且24小时的日前计划是阶段式的，突变较大，实际运行不能完全按此执行，故需要更短时间尺度的优化结果。
4.为了解决以上问题，如公开号为cn109950919a的中国专利公开了一种微电网能量管理方法，包括以下步骤:步骤一:建立电网的优化模型，包括光伏、风机、微燃机、储能系统和负荷；步骤二:建立以储能系统为基础的可控供电成本最小为目标的函数；步骤三:预测负荷和放电功率的数据；步骤四:储存系统的充放电功率计算；步骤五:优化储能系统的充放电控制。本发明通过储能系统的充放电功率，综合协调光伏、微燃机和用户负荷的需要，解决可能源出力和负荷需求分布不对等问题，实现了高效使用；通过减小预测误差对储能系统充放电控制的干扰、提高能量管理的灵活性，充分利用各类能源基础上有效起到了消减负荷峰值的作用，减小冲击负荷对电网的影响，实现了能源的经济、优化利用。
5.又如公开号为cn112069676a的中国专利公开了一种含清洁能源的微电网能量管理方法，属于电力系统微电网技术领域，包括如下步骤：步骤1：对微电网中的光伏发电系统、风力发电系统、储能系统、柴油发电机系统和微型燃气轮机系统进行建模；步骤2：确定系统总目标函数；步骤3：建立微电网中各系统的约束条件；步骤4：nsga-ii算法的改进；步骤5：将改进的nsga-ii方法与构建的总目标函数结合，得到目标函数的最优解。该方法对现有微电网能量管理策略存在的缺陷进行改进，使得确保微电网正常运行时，对分布式发电、燃气轮机、储能装置等进行合理的分配，以保证微电网运行的最大经济效益和环保效益。
6.目前，现有微电网能量管理技术还存在不足之处：第一份专利通过建模，建立目标函数，预测并计算储能系统的充放电功率，解决了可能源出力和负荷需求分布不对等问题。第二份专利通过建模，确定利用改进的nsga-ii算法和构建的系统总目标函数结合，实现了微电网系统装置的合理分配，但第一份专利是预测并计算当天需要的充放电功率，预测的准确度会随时间尺度增加而降低，第二份专利由于清洁能源的随机性和波动性导致的电网不稳定性仍然存在，现有技术仍有待改进。


技术实现要素：

7.针对现有技术的不足，本发明提供了一种多时间尺度的微电网能量管理方法，以解决上述问题。
8.为实现以上目的，本发明通过以下技术方案予以实现：
9.一种多时间尺度的微电网能量管理方法，主要包含以下步骤：
10.s1：利用基于路由器组网的通讯方案进行微电网中各设备的信息交换，通信协议采用modbus/tcp协议；
11.s2：中央控制器依据实时采集的系统运行信息执行并下发微电网的实时调度策略，统筹分布式电源和储能单元的出力状况以及控制负载的投切，以及是否与大电网进行购售电，确保微电网系统高效运行，并且将采集的光伏输出功率和负荷历史数据以及天气预报，用于对光伏输出功率和负荷的预测；
12.s3：在预测信息的基础上，中央控制器采集实时电价，综合考虑微网内各单元的约束条件，对各单元进行数学建模，以运行成本和环境治理成本最小化为优化目标，以1小时为周期制定24小时的日前调度方案，并传输给本地控制器,日前调度方案以最小化微电网的运行费用和环境治理费用为优化目标，其目标函数为：
13.min[c
operation
+c
environment
+c
grid
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0014]
(1)式中c
operation
是微电网的运行成本,c
environment
是环境治理费用，c
grid
是微电网与大电网购售电带来的成本；
[0015]
s4：根据最新的精度更高的日内预测信息，在调度日，中央控制器以15分钟为周期对日前调度方案进行在线滚动修正得到日内调度方案，提高调度方案的精度，减小微电网实际运行中的功率误差，日内调度方案的优化目标是在日前调度方案的优化目标上加入了惩罚成本，这样的目的是减小日内调度方案与日前调度方案的差异，其目标函数为：
[0016]
min[c
operation
+c
environment
+c
grid
+c
penalty
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0017]
(2)式中c
penalty
是惩罚成本。
[0018]
进一步的，所述微电网中包括多个分布式发电单元，每个分布式发电单元有一个本地控制器，所有本地控制器通过超六类网线连接到路由器，再通过超六类网线与中央控制器连接。同时本地控制器配有人机界面hmi，方便现场工作人员检测设备状态并进行操作，中央控制器负责收集分布式发电单元接入微电网的并网点处本地局部信息以及大电网电压频率等信息，据此完成所有的计算任务，包括调度计划的制定、光伏输出功率和负荷的预测，完成计算后下达指令给本地控制器。
[0019]
进一步的，所述光伏输出功率和负荷的预测是根据最新的天气预报信息，先通过小波分析对光伏功率和负荷的历史数据进行时频分析，提高预测结果的准确度，再通过bp
神经网络预测得到结果。日前调度方案的制定距调度日还有一段时间，因此调度日的天气预报等信息准确度较低，以1小时为周期进行预测，而日内调度方案是在调度日当天制定，天气预报等信息准确度高，以15分钟为周期做更细致的预测。
[0020]
进一步的，所述日前调度方案以最小化微电网的运行费用和环境治理费用为优化目标，其目标函数中微电网的运行成本c
operation
主要包括各分布式发电单元的维护费用；环境治理费用c
environment
主要包括对分布式发电带来的氮化物硫化物等污染物的处理，c
grid
是微电网与大电网购售电带来的成本。
[0021]
进一步的，所述微电网的运行成本c
operation
公式为：
[0022][0023]ci
＝χipiꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-2)
[0024]
(1-1)式中ci是第i个分布式发电单元的运行成本，n是分布式发电单元的数量；(1-2)式中χi是维护成本系数，pi是第i个分布式发电单元的有功输出功率。
[0025]
进一步的，所述环境治理费用c
environment
公式为：
[0026][0027]
(1-3)式中αn和αs是治理硫化物和氮化物的成本系数，和是第i个发电单元发电1小时所排放的硫、氮化物的量，pi(t)是t时刻第i个发电单元的有功输出功率。
[0028]
进一步的，所述微电网与大电网购售电带来的成本c
grid
公式为：
[0029][0030]
(1-4)式中c
buy
和c
sell
分别表示从大电网购电和向大电网售电的价格，p
grid
是微电网与大电网交互的功率，大于0表示从主网购电，小于0表示向主网售电。
[0031]
进一步的，所述微电网中的约束条件主要包括总体约束和各单元约束，总体约束指微电网中的功率平衡：
[0032][0033]
(3)式中p
load
(t)是微电网中t时刻的有功负荷需求，p
loss
(t)为微电网中t时刻的总有功功率损耗。
[0034]
各单元的约束包括分布式发电单元功率限制，储能系统的荷电状态限制，可控机组的功率变化速率限制：
[0035][0036]
soc
min
≤soc(t)≤soc
max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3-2)
[0037][0038]
(3-1)式中和是第i个分布式发电单元的有功输出功率上下限；(3-2)式中soc是储能电池的荷电状态，soc
max
和soc
min
是荷电状态的上下限，这样是为了延长电池寿命；(3-3)式中是第i个可控机组的最大功率变化速率。
[0039]
进一步的，所述的日前调度方案中的日前的功率预测的准确度会随着时间的增加而不断降低，因此日前调度方案无法满足实际的微网运行需求，需要滚动修正电力负荷与
光伏出力的预测结果，在尽量遵循日前计划、不改变负荷运行状态，且满足功率平衡、各单元输出功率限制等约束，以15分钟为周期，在调度日的第一个周期到来时初始调度计划按照日前调度计划执行，同时每个周期都要预测下一周期的光伏功率与负荷信息，制定下一周期的日内调度计划，滚动修正各个机组接下来时刻的调度安排，使得发电单元的总出力与实际发电需求逐级逼近，保证微电网安全稳定地运行，日内调度方案的优化目标是在日前调度方案的优化目标上加入了惩罚成本，这样的目的是减小日内调度方案与日前调度方案的差异。其目标函数中惩罚成本c
penalty
：
[0040][0041]
惩罚成本c
penalty
与日内调度方案和日前调度方案中的功率指令值差异有关。(2-1)式中n是可控发电单元的数量；μi是第i个可控发电单元的惩罚系数。
[0042]
约束条件不仅要满足上述日前调度方案中的约束条件，还要对各发电单元的功率调整量加以限制。
[0043][0044]
进一步的，所述微电网能够根据实时电价与微电网中各分布式电源的出力信息来决定是否与大电网进行购售电，以此达到稳定微电网运行，最小化运行成本的目的。
[0045]
相对于现有技术，本发明的有益效果在于：一种多时间尺度的微电网能量管理方法，采用低成本的基于路由器组网方案，简便易行，无需复杂的现场总线即可实现通信交互，将日前和日内优化相结合，日内优化根据最新的，精度更高的预测信息对日前调度方案进行滚动修正，降低了预测信息的不确定性因素的影响，提高了微电网调度计划的准确性和可靠性，降低了微电网运行成本。引入与大电网功率交互，降低了新能源发电带来的波动，进一步提高了微电网的稳定性，同时大电网实时电价与分布式电源发电入网电价的竞价使得微电网成本进一步优化。为了避免优化目标的单一，将环境治理成本纳入目标函数，实现了对环境效益和经济效益的综合考量。
附图说明
[0046]
图1为本发明一种多时间尺度的微电网能量管理方法的一实施例的微电网系统结构示意图；
[0047]
图2为本发明一种多时间尺度的微电网能量管理方法的一实施例的微电网能量管理系统结构图；
[0048]
图3为本发明一种多时间尺度的微电网能量管理方法一实施例的微电网能量管理系统流程图；
[0049]
图4为本发明一种多时间尺度的微电网能量管理方法一实施例的微电网通讯组网方案图；
[0050]
图5为本发明一种多时间尺度的微电网能量管理方法日前优化与日内优化的关系图；
[0051]
图6为本发明一种多时间尺度的微电网能量管理方法光伏输出功率和负荷功率预测流程图；
[0052]
图7为本发明一种多时间尺度的微电网能量管理方法预测误差图；
[0053]
图8为本发明一种多时间尺度的微电网能量管理方法实际光伏输出功率预测结果；
[0054]
图9为本发明一种多时间尺度的微电网能量管理方法负荷功率预测结果；
[0055]
图10为本发明一种多时间尺度的微电网能量管理方法日前调度方案仿真结果；
[0056]
图11为本发明一种多时间尺度的微电网能量管理方法日内调度方案仿真结果。
具体实施方式
[0057]
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
[0058]
本发明提供一种技术方案：一种多时间尺度的微电网能量管理方法，主要包含以下步骤：
[0059]
s1：利用基于路由器组网的通讯方案进行微电网中各设备的信息交换，通信协议采用modbus/tcp协议。
[0060]
所述的微电网中包括多个分布式发电单元，每个分布式发电单元有一个本地控制器，所有本地控制器通过超六类网线连接到路由器，再通过超六类网线与中央控制器连接。同时本地控制器配有人机界面hmi，方便现场工作人员检测设备状态并进行操作，中央控制器负责收集分布式发电单元接入微电网的并网点处本地局部信息以及大电网电压频率等信息，据此完成所有的计算任务，包括调度计划的制定、光伏输出功率和负荷的预测，完成计算后下达指令给本地控制器。
[0061]
s2：中央控制器依据实时采集的系统运行信息执行并下发微电网的实时调度策略，统筹分布式电源和储能单元的出力状况以及控制负载的投切，以及是否与大电网进行购售电，确保微电网系统高效运行，并且将采集的光伏输出功率和负荷历史数据以及天气预报，用于对光伏输出功率和负荷的预测。
[0062]
中央控制器负责处理本地控制器传送来的数据，优化计算得出分布式电源的优化调度指令，发送至本地控制器。本地控制器主要负责监控每个分布式电源的运行状态将数据发送至中央处理器，以及接收中央处理器传达的指令，控制分布式电源的有功输出，达到统一控制的目的。能源供应侧包括上级电网、沼气发电、光伏发电、小型生物质发电；储能侧由蓄电池、抽水蓄能构成；能源需求侧包含了各类负荷。中央控制器中的scada软件除了负责采集微电网中的信息进行优化计算还可以实时显示天气情况与实时电价以及生成报表等，如图1所示。
[0063]
微电网并网运行状态是在满足用户侧需求的基础之上，用电高峰时期采用蓄电池供电优先，非用电高峰时期采用电网供电优先，中央控制器执行分布式发电与储能单元实时检测调控策略，光伏、沼气以及小型生物质系统采用最大功率点跟踪保持最大功率输出，抽水和储能系统根据微电网的实际运行状态来调整运行状态，普通负荷和重要负荷保持额定运行状态，负荷可以根据用户需要进行变化，不受微电网能量管理平台控制，确保微电网运行的安全性和可靠性的同时使经济效益达到最优。微电网孤岛运行状态下，储能单元按照中央控制器下发的指令调整储能系统的充放电功率，各分布式发电单元采用最大功率点跟踪控制保持最大功率输出，中央控制器根据当前储能以及分布式发电单元的状态来实时下发指令来确保微电网内能量供需平衡。
[0064]
实时调度策略流程为中央控制下发初始化指令，对微电网各个单元的可控数据变量以及运行状态进行初始化处理后进行微电网巡检，判断当前各个单元是否故障以及存在安全警告等情况，当一切就绪后下发并网或者孤岛指令，微电网并网状态具体的控制过程为：在t时刻，当时，并且soc
max
≥soc(t)≥soc
min
时，此时若处于用电低谷时，则蓄电池从电网充电，微电网向电网购电；若处于用电高峰时期，当储能系统按照最大放电功率输出电能可以满足微电网有功功率缺额时，此时储能根据此有功功率差额确定其输出功率，蓄电池向微电网放电，联络线功率为0；否则，蓄电池向微电网放电的同时微电网向电网购电；soc(t)≥soc
max
时，此时若处于用电低谷时，则蓄电池不充不放，微电网向电网购电；用电高峰时与上述调整过程相同。当时，并且soc(t)≥soc
max
时，说明储能系统的soc值已经达到充电上限值，则蓄电池不充不放，微电网将多余的电量输送给电网；若soc(t)《soc
max
时，当储能系统可以吸收微电网所溢出的能量，蓄电池从微电网充电，联络线上功率为0；否则储能装置按照最大输入功率充电，并且微电网将多余的电量向电网出售。
[0065]
微电网孤岛状态具体的控制过程为：在t时刻，当时，并且soc(t)≥soc
min
时，储能允许输出功率，当其最大输出功率是否可以补足当前微电网的能量亏损时，蓄电池向微电网放电，微电网可以接入负载；否则蓄电池向微电网放电，微电网切负荷；当soc(t)《soc
min
时，此时储能系统己达到放电下限值不允许放出电能，蓄电池不充不放，微电网进行切负荷。当时，并且soc(t)》soc
min
时，说明微电网功率刚好与负荷和线损有功功率总和相等，储能既不充电也不放电，微电网在接入负载后，蓄电池向微电网放电；若soc(t)≤soc
min
时，微电网不能接入负载。当时，并且soc(t)≥soc
max
时，说明储能系统已达到充电上限值不能继续充电，微电网需要进行切微源的操作，即蓄电池不冲不放，微电网减少出力；若soc(t)《soc
max
时，此时储能系统可以从微电网充电，当蓄电池的最大充电功率大于微电网所溢出的功率，说明蓄电池可以吸收多余的电能，微电网不用接入负载；否则蓄电池以最大输入功率充电，并且微电网减少出力或者接入负载。所述微电网能量管理系统流程图如图3所示，p
cmax
为储能最大充电功率；p
dmax
为储能最大放电功率。
[0066]
所述光伏输出功率预测和负荷预测的具体方式如下：对于本发明中的实施例，光伏输出功率预测就是对未来一段时间的光伏功率序列进行预测。负荷序列和光伏功率序列都属于非平稳信号，具有很强的随机性，受天气情况影响较大，如阴晴、降雨、大风、气温等都会引起负荷和光伏输出功率的变化，因此，这两种序列都存在波动性。对太阳辐照度的预测是光伏功率预测的重中之重。首先要对原始数据进行处理，分析其内在的规律性。对于电力负荷和太阳辐照度这两种信号，我们既要获得所有的频率分量，还要了解各个频率分量在什么时候出现，即信号频率随时间的变化情况，也就是需要进行时频分析。在预测前用小波分析将负荷/光伏的数据序列分解为高频分量和低频分量。这样通过小波分析，得到原始数据的不同频率尺度的分量。然后要针对每个频率尺度上的分量进行预测。本发明采用bp神经网络作为预测算法，采用的网络中的各层神经元数目：输入层和输出层各40个，隐含层10个，样本测试数据为某地700天的早上8点到晚上6点的太阳辐照度，测量间隔为15分钟，
输入变量为训练集中的某一天的太阳辐照度变化情况，期望输出就是接下来一天的太阳辐照度变化。利用700天的太阳辐照度的历史数据对bp神经网络进行训练后，用测试集中的太阳辐照度数据来测试进行训练后的bp神经网络的性能，测试集中共有400天的太阳辐照度数据，将前300天的数据作为输入，对接下来6天的太阳辐照度进行预测，将预测输出和这6天的实际的太阳辐照度(期望输出)比较，得到预测误差如图7所示，误差较低，验证了预测模型的有效性。实际的光伏输出功率和负荷预测结果如图8、图9所示。
[0067]
s3：在预测信息的基础上，中央控制器采集实时电价，综合考虑微网内各单元的约束条件，对各单元进行数学建模，以运行成本和环境治理成本最小化为优化目标，以1小时为周期制定24小时的日前调度方案，并传输给本地控制器。日前调度方案的目标函数为：
[0068]
min[c
operation
+c
environment
+c
grid
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0069]
(1)式中c
operation
是微电网的运行成本，主要包括各分布式发电单元的维护费用，c
environment
是环境治理费用，主要包括对分布式发电带来的氮化物硫化物等污染物的处理，c
grid
是微电网与大电网购售电带来的成本。其中，
[0070][0071]ci
＝χipiꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-2)
[0072]
(1-1)式中ci是第i个分布式发电单元的运行成本，n是分布式发电单元的数量；(1-2)式中χi是维护成本系数，pi是第i个分布式发电单元的有功输出功率。
[0073][0074]
(1-3)式中αn和αs是治理硫化物和氮化物的成本系数，和是第i个发电单元发电1小时所排放的硫、氮化物的量，pi(t)是t时刻第i个发电单元的有功输出功率。
[0075][0076]
(1-4)式中c
buy
和c
sell
分别表示从大电网购电和向大电网售电的价格，p
grid
是微电网与大电网交互的功率，大于0表示从主网购电，小于0表示向主网售电。
[0077]
s4：根据最新的精度更高的日内预测信息，在调度日，中央控制器以15分钟为周期对日前调度方案进行在线滚动修正得到日内调度方案，提高调度方案的精度，减小微电网实际运行中的功率误差。日内调度方案其目标函数为：
[0078]
min[c
operation
+c
environment
+c
grid
+c
penalty
]
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0079]
(2)式中c
penalty
是惩罚成本。
[0080]
日前优化与日内优化的关系如图5所示。日前优化特征在于所述的日前调度方案以最小化微电网的运行费用和环境治理费用为优化目标，是基于负荷和光伏出力的预测信息，通过采集微网内各部分信息，基于所处时段电价，以及考虑各发电单元的技术特性在满足微网内约束的条件下，能量管理系统利用数学求解器cplex计算相应时段的最优调度策略，获得使微网运行成本最小的调度方案，保证微网经济稳定运行。优化时长为24小时，即一个调度日的时长，以1小时为优化间隔，在每个优化间隔期间，各发电单元的输出功率与储能系统的充放电功率视作不发生变化的常量。所述的日前调度方案中的日前功率预测准确度会随着时间的增加而不断降低，因此日前调度方案无法满足实际的微网运行需求，我们需要滚动修正电力负荷与光伏出力的预测结果，在尽量遵循日前计划、不改变负荷运行
状态，且满足功率平衡、各单元输出功率限制等约束，以15分钟为周期，在调度日的第一个周期到来时初始调度计划按照日前调度计划执行，同时每个周期都要预测下一周期的光伏功率与负荷信息，制定下一周期的日内调度计划，滚动修正各个机组接下来时刻的调度安排，使得发电单元的总出力与实际发电需求逐级逼近，保证微电网安全稳定地运行，日内调度方案的优化目标是在日前调度方案的优化目标上加入了惩罚成本，这样的目的是减小日内调度方案与日前调度方案的差异，同时，为避免调整过大，造成成本增加，日内调度计划要严格遵循日前的机组启停策略。日内滚动优化以15分钟为优化间隔，将全天分为96个时段，并考虑峰谷平时段的差异，优化调度周期为1小时，根据最新的功率预测信息，以下一阶段总费用最小为目标在日前计划的基础上调整各机组日内出力计划。其目标函数中：
[0081][0082]
惩罚成本c
penalty
与日内调度方案和日前调度方案中的功率指令值差异有关；(2-1)式中n是可控发电单元的数量，μi是第i个可控发电单元的惩罚系数。
[0083]
约束条件不仅要满足上述日前调度方案中的约束条件，还要对各发电单元的功率调整量加以限制。
[0084][0085]
所述的微电网能够根据实时电价与微电网中各分布式电源的出力信息来决定是否与大电网进行购售电，以此达到稳定微电网运行，最小化运行成本的目的。
[0086]
所述微电网中的约束条件主要包括总体约束和各单元约束，总体约束指微电网中的功率平衡：
[0087][0088]
(3)式中p
load
(t)是微电网中t时刻的有功负荷需求，p
loss
(t)为微电网中t时刻的总有功功率损耗。
[0089]
各单元的约束包括分布式发电单元功率限制，储能系统的荷电状态限制，可控机组的功率变化速率限制：
[0090][0091]
soc
min
≤soc(t)≤soc
max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3-2)
[0092][0093]
(3-1)式中和是第i个分布式发电单元的有功输出功率上下限；(3-2)式中soc是储能电池的荷电状态，soc
max
和soc
min
是荷电状态的上下限，这样是为了延长电池寿命；(3-3)式中是第i个可控机组的最大功率变化速率。
[0094]
利用cplex求解器得到的日前调度方案如图10所示。可以看出，发电单元出力情况很好地跟随负荷曲线变化，受到分时电价和电力负荷峰谷差异的影响，调度计划的整体情况是：电价低谷期，大量从主网购电，并将多余的存储到储能单元中，电价高峰期，主网购电量明显下降，主要依靠新能源发电和储能单元出力。
[0095]
利用cplex求解器得到的日内调度方案如图11所示。可以看出，相较于日前优化的结果，日内优化机组的调整更加的频繁，但整体结果较好的遵循了日前调度方案，符合日内调度方案是在日前调度方案上的微调的要求。下表是日前调度方案和日内调度方案的成本
比较：
[0096]
表1各时间尺度优化结果的经济成本
[0097][0098]
日前调度方案的经济成本较低，但是日前优化预测精度较低，而日内电能调度时间尺度较短，预测精度高，日内滚动优化是以当前时段的经济性为目标，发电单元的调动频率较高，全局的经济效益考虑不足，成本增加，但是实际使用更可靠。
[0099]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。