基于场景生成和削减的风光氢储日前随机优化调度方法与流程

本发明属于微电网优化调度，具体涉及基于基于场景生成和削减的风光氢储日前随机优化调度方法。

背景技术：

1、微电网将区域内分布式电源、用户侧负荷、管理控制设备以及一些其它能量转换设备整合成一个独立的小型电网系统，能够为服务范围内的用户提供电能和其它服务。微电网可以通过控制内部分布式电源的出力和储能设备来快速响应用户侧负荷需求，此外微电网对内部设备的集中控制有效降低了分布式电源出力的不确定性。对大电网来说微电网是一个虚拟发电厂，既可以在电网负荷较高时提供部分电能支持，又可以在负荷低谷期间对自身储能充电起到削峰填谷的作用。对用户来说微电网是一个随时可以接入的小型配电系统，可以保证负荷中的关键负荷不因输电中止而停止工作。在大电网输电线路出现差错时，微电网能够与自身储能设备协同运行为重要负荷正常运行提供可靠支撑，减少因大电网停电带来的损失，提高电网的安全稳定性。

2、微电网优化调度作为微电网一项核心技术，是应对可再生能源和负荷不确定性、保障微电网经济可靠运行的重要支撑。考虑日前市场价格波动的不确定性，在能源交易市场参与下，建立日前随机优化调度模型，利用不同能源的互补特性提高电力系统风光消纳能力。对于丰富电力系统调度的随机优化方法和决策体系具有理论意义，为风光高占比多能源电力系统调度运行奠定理论基础，对促进新能源消纳，减少弃风、弃光电量以及降低因供能不足导致的负荷减载增加具有极为重要的现实意义。

技术实现思路

1、现有研究多考虑源荷两端的不确定性对微电网进行优化调度，部分研究加入多场景分析技术，但均模拟的是源荷两端的不确定性，目前少有研究考虑氢储能以及能源交易市场参与微网进行日前优化调度，为克服现有技术的不足，本发明提出基于场景生成和削减的风光氢储日前随机优化调度方法，该方法采用场景生成和削减技术模拟日前市场价格波动，可以有效减小微电网运行成本，且风光氢储配合能源交易市场优化运行，能够及时响应负荷需求以及减小负荷减载量，同时可以减小弃风和弃光带来的能源浪费，能够有效提高多微网系统运行的整体经济性。该方法包括以下几个步骤：首先，基于自回归移动平均模型进行场景生成，并在已有生成场景的基础上，利用kantorovich距离进行场景削减；其次，以各微电网运行成本最小为目标建立随机优化调度模型，并分析多微网优化调度模型的多个等式和不等式约束条件；最后，基于ieee-24节点系统算例，采用求解器进行模型求解，并对典型场景和采用场景处理的模型进行对比分析。

2、本发明采用的技术方案为：基于场景生成和削减的风光氢储日前随机优化调度方法，分别为：

3、s1：基于自回归移动平均的场景生成模型；

4、s2：在已有生成场景的基础上，利用kantorovich距离进行场景削减；

5、s3：以各微电网运行成本最小为目标建立随机优化调度模型；

6、s4：分析多微网优化调度模型的多个等式和不等式约束条件。

7、具体的，所述s1：基于自回归移动平均的场景生成模型。为了模拟日前市场价格波动场景，同时考虑到求解模型的不确定性，可采用随机规划方法预测不确定参数的各种状态，以便在不确定性模型中做出最优决策，其中自回归移动平均模型(arima)可用于解决随机规划问题。本发明采用arima模型生成多个日前市场价格波动场景，其数学模型表达式为：

8、

9、式中，m、n分别表示为自回归和滑动平均的阶数；uk、vk分别为自回归和滑动平均参数；μt为误差项，服从均值为0，方差为σ2的正态分布；s表示场景索引；b为后移算子。

10、具体的，所述s2：在已有生成场景的基础上，利用kantorovich距离进行场景削减。基于s1中场景生成数学模型生成多个日前市场价格波动场景，场景的维度将会大幅增加，随后对不必要的场景进行削减，避免大量的场景增加系统的复杂度和计算负担。通过计算生成的各个场景间kantorovich distance(kd)进行削减。具体原理为：

11、假设d为场景的初始集合，j为从d中削减的场景集合。计算d中每对场景的kd，形成由每个场景和其他所有kd组成的场景距离矩阵(akdm)。场景si和sj之间的kd定义如下：

12、tkd＝||si-sj||2i,j＝1,2,…,ns

13、对于每一个场景si，计算求得距离其最近的场景sj，即两场景之间的距离为min{tkd(si,sj)}，距离si最近的场景会在akdm中标记。随后，根据每个场景对应的最小距离，计算对应的概率距离，计算公式为：

14、

15、式中，为评估场景si发生的概率。

16、最后，计算每一个待评估场景的概率距离，求出所有待评估场景中概率距离的最小值，进而找到其对应的待评估场景和已标记距离其最近的场景，同时将待评估场景从d中删除并添加到j中。

17、将上述待评估的场景削减后，将待评估场景的概率加到上述标记的距离待评估场景最近的场景概率上，并重新更新akdm，直到满足保留场景数为止。

18、具体的，所述s3：以各微电网运行成本最小为目标建立随机优化调度模型。为了最大化微电网在日前市场中的经济效益，建立微电网m的运行成本目标函数，具体表达式为：

19、

20、式中，分别表示t时刻微电网m在s场景下电转氢和氢转电量；表示t时刻微电网m日前市场的能源销量；分别表示系统中能源需求量和负荷减载量；表示能源销售价格；表示日前市场价格；表示负荷减载价格；φs表示场景s的概率，等价于表示氢储能系统中电转氢成本函数的系数；表示氢储能系统中氢转电成本函数的系数；ns、nt、nb分别表示场景数、时间段和母线的数量。

21、具体的，所述s4：分析多微网随机优化调度模型的多个等式和不等式约束条件。约束条件及具体模型包括以下8个部分：

22、(1)系统功率平衡等式约束。多微网中通过风电机组、光伏发电系统、氢储能系统以及与能源交易市场间增加系统功率，通过氢储能系统、向日前市场售电、向能源交易市场传输功率、负荷消耗、功率损耗、负荷减载减小功率，微网中功率平衡的等式条件为：

23、

24、式中，分别表示t时刻光伏系统和风机的出力；nm表示微电网的数量；ptloss表示t时刻微电网的功率损耗；表示t时刻从能源交易市场传输到微电网m的功率；表示t时刻从微电网m传输到能源交易市场的功率。

25、(2)光伏发电功率约束。光伏发电功率约束不等式为：

26、

27、式中，表示t时刻微电网m中光伏发电系统的输出功率；分别表示光伏发电系统的尺寸系数以及发电效率；表示t时刻光照强度。

28、(3)风力发电功率约束。t时刻微电网m中风力发电系统的输出功率为：

29、

30、式中，vt表示t时刻的风速；表示额定额定发电功率；别表示额定风速、切入风速、切出风速；γ1、γ2、γ3涡轮机的模型系数。

31、(4)氢储能系统等式及不等式约束。当电网功率不平衡或售电价格较高时，可以通过氢储能系统向电网提供所需的电能，且假设所有的氢都转化为了电能输入到电网，目标函数需要满足以下等式和不等式约束。其中，氢储能系统中需要满足的平衡等式为：

32、

33、式中，表示微电网m在时刻t氢储能系统中存储的氢能；ηhp、ηph分别表示氢转电和电转氢的效率。

34、电转氢和氢转电的不等式约束为：

35、

36、

37、式中，分别表示氢储能系统的氢转电和电转氢状态的二进制变量，氢储能系统在这两种状态下运行，但无法在同一时间完成氢转电和电转氢，因此需要满足以下不等式约束：

38、

39、氢储能系统中，储氢量需要满足以下等式和不等式约束：

40、

41、

42、

43、式中，分别表示存储氢能的初始量、终止量。

44、(5)负荷需求侧能源管理等式及不等式约束。负荷需求侧用能包括实际需求消耗以及负荷减载，需要满足以下等式约束：

45、

46、式中，母线i在时刻t的预测负荷量；为考虑弹性需求一日中负荷相对于预测值的偏移量，该值需要满足以下等式和不等式要求：

47、

48、

49、式中，ξmax表示系统中占预测偏移量的比例。

50、同时，负荷减载量需要满足以下不等式约束：

51、

52、

53、式中，分别表示上下限值；分别表示预测负荷量的上下限值。

54、(6)日前市场的能源交易约束。约束不等式为：

55、

56、式中，分别表示上下限值。

57、(7)潮流等式及不等式约束。t时刻在母线i处的有功和无功功率平衡方程为：

58、

59、

60、式中，分别表示时刻t母线i上注入的有功和无功功率；分别表示时刻母线上发出的有功和无功功率；表示负荷无功需求；表示系统中电容器产生的无功功率。其中，根据潮流方程，的具体计算公式为：

61、

62、

63、式中，vi,t、vj,t分别为母线i、j的电压幅值；δi,t、δj,t分别为母线i、j的电压幅值；yi,j、θi,j分别为母线间支路的导纳及相角。

64、系统中损耗等式约束为：

65、

66、式中，ri,j为母线间支路的电阻。

67、上述潮流方程还需要满足以下不等式约束，分别包括电容器组的无功输出、电压大小、相位角和复功率的上下限值(式中，含下标“l”表示下限值，含下标“u”表示上限值)：

68、

69、

70、

71、

72、(8)能源交易市场等式及不等式约束。负荷与能源交易市场之间无法在同一时间既从能源市场转移到负荷侧，又从负荷侧交易到能源市场中，因此需要满足以下不等式约束：

73、

74、式中，分别表示从能源市场交易到负荷的有功、从负荷侧转移到能源交易市场的能源，为二进制量。且交易的功率需要满足以下不等式约束：

75、

76、

77、式中，乘以系数θ表示可交易的最大功率量。

78、同时，能源交易市场也需要满足以下有功等式约束：

79、

80、

81、本发明的有益效果：现有研究多考虑源荷两端的不确定性对微电网进行优化调度，部分研究加入多场景分析技术，但均模拟的是源荷两端的不确定性，目前少有研究考虑氢储能以及能源交易市场参与微网进行日前优化调度，为克服现有技术的不足，本发明提出基于场景生成和削减的风光氢储日前随机优化调度方法，该方法采用场景生成和削减技术模拟日前市场价格波动，可以有效减小微电网运行成本，且风光氢储配合能源交易市场优化运行，能够及时响应负荷需求以及减小负荷减载量，同时可以减小弃风和弃光带来的能源浪费，能够有效提高多微网系统运行的整体经济性。