计及需求侧响应的CCHP型微电网两阶段优化调度方法

本发明属于电力系统，具体涉及一种计及需求侧响应的cchp型微电网两阶段优化调度方法。

背景技术：

1、cchp(combined cooling heating and power，冷热电联产)型微电网不仅可以实现能量的梯级利用，还能提升能源的利用率，引起了国内外广泛的关注。为增强电力供求双方的联系以及实现供求双方的″互利共赢″，需求侧响应(demand response，dr)逐渐受到人们的重视，通过dr策略的实施可以有效地平衡、缓解供电方与用户之间的矛盾。在清洁能源发电技术发展的过程中，电力输出的不确定性始终是该发电模式需要解决的重要问题之一，虽然在微电网中加入储能单元以及使用需求侧响应策略可以在一定程度上缓解这一情况，但制定一个高效的调度策略才是解决这一问题的关键所在。

2、现有的调度策略大多都缺乏与时间断面的耦合性，这种通过长时间尺度的日前预测数据来制定调度计划的模式，无法应对风速、光照等不确定输入因素的干扰。因此，微电网的调度策略的制定不仅需要追求一个高效的调度方案，还需要缩短调度的时间尺度，增加对可再生能源出力的预测精度与频率，且能对调度策略做出及时的反馈与校正，这样才能更好的满足实际调度工作中的需要。因此，需要一种新的优化调度方法来解决这个问题。

技术实现思路

1、本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种计及需求侧响应的cchp型微电网两阶段优化调度方法，其步骤简单，设计合理，实现方便，能够有效提升能源利用率，实现″削峰填谷″，对日内计划的有效跟踪，极大提高了预测精度，令调度策略能够满足实时调度的需求，效果显著，便于推广。

2、为解决上述技术问题，本发明采用的技术方案是：一种计及需求侧响应的cchp型微电网两阶段优化调度方法，包括以下步骤：

3、步骤一、建立基于需求侧响应的cchp型微电网模型；

4、步骤二、建立基于峰值负荷转移的cchp型微网日前多目标优化调度模型；

5、步骤三、运用混合整数线性规划方法和增强约束法求解基于峰值负荷转移的cchp型微网日前多目标优化调度模型；

6、步骤四、建立基于mpc方法的超短期日内滚动预测模型；

7、步骤五、设置预测时域和控制时域，在一个控制时域结束后将控制输出结果与实时数据进行校正和反馈。

8、上述的计及需求侧响应的cchp型微电网两阶段优化调度方法，步骤一中所述基于需求侧响应的cchp型微电网包括光伏发电单元、风力发电单元、微型燃气轮机、蓄电池组、燃气锅炉、余热炉、吸收式制冷机、电制冷机和热能交换机。

9、上述的计及需求侧响应的cchp型微电网两阶段优化调度方法，步骤二中所述基于峰值负荷转移的cchp型微网日前多目标优化调度模型的目标函数为微电网运行成本最小和微电网与大电网的交互功率峰值最小；

10、所述微电网运行成本最小包括：

11、

12、

13、

14、

15、cex(t)＝pgrid(t)cgrid(t)-psell(t)csell(t)

16、

17、式中，cfue1为微型燃气轮机和燃气锅炉的天然气燃料成本，com为微电网各单元的运行维护成本，cex为微电网与大电网的购售电成本，cem为污染气体治理成本，cil为实施可中断负荷策略的用户补偿成本；cgas为天然气的价格，pmt(t)和qboiler(t)分别为t时刻微型燃气轮机的输出功率和燃气锅炉的输出功率；kmt、kboiler、kbat、kexc、kac、kec分别为微型燃气轮机、燃气锅炉、蓄电池、热交换器、吸收式制冷机和电制冷机的维护成本系数；qheat为热负荷的日前预测值；lac与lec之和为冷负荷的日前预测值；和分别是蓄电池在t时刻的充电和放电功率；n为污染气体总类别数，λi为不同污染气体的治理成本转换系数；cgrid(t)为t时刻购电的实时价格，csell(t)为t时刻微电网的售电电价，pgrid(t)表示t时刻微电网从大电网处购买的电量，psell(t)表示微电网在t时刻向大电网出售的电量；d表示已签订协议的用户类型，n表示在中断负荷逐步报价阶梯中的阶梯数，δt，d，n表示在t时刻用户d在第n级阶梯中的负荷中断总量，cd，n表示第n级阶梯对应的单位补偿金额；

18、所述微电网与大电网的交互功率峰值最小包括：

19、fpeak＝min max{pgird(t)-psell(t)}

20、式中，fpeak为交互功率峰值。

21、上述的计及需求侧响应的cchp型微电网两阶段优化调度方法，步骤二中所述基于峰值负荷转移的cchp型微网日前多目标优化调度模型的约束条件包括能量平衡等式约束、综合需求响应运行约束、微型燃气轮机约束、蓄电池约束和购电约束；

22、所述能量平衡等式约束包括：

23、

24、

25、式中，ppv(t)、pmt(t)和pec(t)分别为t时刻光伏发电单元的预测输出功率、风力发电单元的预测输出功率和电制冷机消耗的电功率，p0(t)为电负荷需求量；qheat(t)、qmt(t)、qboiler(t)分别为t时刻热负荷需求量的预测值、微型燃气轮机的产热值、燃气锅炉的产热值，ηexc、ηwhrb和ηac分别为热交换器、余热炉和吸附式制冷机的效率；

26、所述综合需求响应运行约束包括价格型需求响应和激励型需求响应；

27、所述价格型需求响应包括：

28、

29、

30、0≤dre，up(t)≤pe，d(t)αup

31、0≤dre，down(t)≤pe，d(t)αdown

32、式中，pe，d(t)表示在时段t用户电负荷，dre，up(t)、dre，down(t)分别表示价格型需求响应引导下t时刻增加的负荷量，减少的负荷量，αup、αdown表示最大可转移负荷的比例；

33、所述激励型需求响应包括：

34、

35、

36、式中，表示第n个电激励型需求响应占总负荷的比例；

37、所述微型燃气轮机约束包括：

38、

39、-dr≤pmt(t)-pmt(t-1)≤ur

40、

41、

42、式中，ppv(t)、pwt(t)和pec(t)分别为t时刻光伏发电单元的预测输出功率、风力发电单元的预测输出功率和电制冷机消耗的电功率，p0(t)为电负荷需求量；qheat(t)、qmt(t)、qboiler(t)分别为t时刻热负荷需求量的预测值、微型燃气轮机的产热值、燃气锅炉的产热值，ηexc、ηwhrb和ηac分别为热交换器、余热炉和吸附式制冷机的效率；分别是微型燃气轮机输出功率的上下限；dr、ur分别是微型燃气轮机爬坡速率的上下限；代表燃气锅炉输出功率的上限；ψ表示微型燃气轮机的热电比；

43、所述蓄电池约束包括：

44、

45、

46、ychr(t)+ydis(t)≤1

47、

48、

49、

50、

51、式中，和分别为t时刻的蓄电池的充电功率，和分为分别表示蓄电池的最大充电功率和最大放电功率，ychr(t)和ydis(t)分别为蓄电池的充电、放电模式的开关状态的二进制变量；drchr、urchr、drdis、urdis分别表示充、放电功率的下降以及上升极限；ssoc(t)为t时刻蓄电池的剩余容量，表示蓄电池的最大容量，与分别表示蓄电池剩余容量的上下限；ηchr、ηdis、分别为充电效率、放电效率、电池损失效率；

52、所述购电约束包括：

53、

54、式中，是微电网向大电网购电量的最大值。

55、上述的计及需求侧响应的cchp型微电网两阶段优化调度方法，步骤三中所述混合整数线性规划方法的具体过程包括：

56、步骤a1、将微型燃气轮机的天然气消耗费用与输出功率的函数关系式分成n段来线性逼近；

57、步骤a2、引入二元状态变量zi(t)和连续变量pi(t)在每一个分段中；

58、步骤a3、设置ai和bi分别为第i段的斜率和纵轴截点，且当pi(t)的值对应于第i段的直线时，zi(t)的值将被设置为1；

59、步骤a4、微型燃气轮机的线性成本函数：

60、

61、

62、bi＝cmt(pi)-aipi

63、zi(t)pi≤pi(t)≤zi(t)pi+1

64、

65、式中，np表示线性段的数量；

66、步骤a5、燃气轮机效率曲线拟合函数：

67、ηmt＝α(pmt)3-β(pmt)2+γ(pmt)+χ

68、式中，α＝2.789×10-6，β＝3.439×10-4，γ＝1.391×10-2，χ＝0.1068。

69、上述的计及需求侧响应的cchp型微电网两阶段优化调度方法，步骤三中所述增强约束法的具体过程包括：

70、步骤引、目标函数微电网运行成本最小计算出最优值，计为a；将运行成本的最小值作为约束条件，优化微电网与大电网的交互功率峰值最小目标函数的最优值，记为b；

71、步骤b2、微电网与大电网的交互功率峰值最小计算出最优值，记为c；将交互功率峰值的最小值作为约束条件，优化运行成本目标函数的最优值，记为d；

72、步骤b3、将最优值建立支付矩阵：

73、步骤b4、选择目标函数微电网运行成本最小作为主要函数，并通过支付矩阵中的每一列中的最大值和最小值确定交互功率目标函数的范围，将这些范围划分为l相等的区间，区间范围为k＝b-c/l；

74、步骤b5、对增强约束法的最终目标函数进行优化，i为循环次数，每个成本目标的函数值为c，令每一段的约束范围为e(i)＝c+i×k，最小化e(i)中每个成本目标的函数值，直到e(i)＝b，得到最优解，若不是则i＝i+1，重复本步骤再进行循环；

75、步骤b6、将最优解进行筛选。

76、上述的计及需求侧响应的cchp型微电网两阶段优化调度方法，步骤四中所述建立基于mpc方法的超短期日内滚动预测模型的具体过程包括：

77、步骤401、基于日前优化调度的结果，选取输入状态向量x(k)：

78、x(k)＝[pmt(k)，pil(k)，pbat.ex(k)，ssoc(k)，pgrid.ex(k)]t；

79、式中，pmt(k)，pil(k)，pbat.ex(k)，ssoc(k)，pgrid.ex(k)分别为每一个调度周期内微型燃气轮机出力值、蓄电池剩余容量、蓄电池的荷电状态值、购售电功率以及可削减负荷量；

80、步骤402、选取控制变量u(k)：

81、u(k)＝[δpmt(k)，δpgrid.ex(k)，δpbat.ex(k)]t

82、式中，δpmt(k)，δpgrid.ex(k)，δpbat.ex(k)每一调度周期内微型燃气轮机输出功率的的改变量、购售电功率的改变量、蓄电池剩余容量的改变量；

83、步骤403、选取干扰变量r(k)：

84、r(k)＝[δpd|(k)，δppv(k)，δpwt(k)]t

85、式中，δpd|(k)，δppv(k)，δpwt(k)分别为每一个调度周期内电负荷的改变量、光伏输出功率改变量、风机输出功率的改变量；

86、步骤404、选取输出变量y(k)：

87、y(k)＝[pgrid.ex(k)，ssoc(k)]t

88、式中，pgrid.ex(k)，ssoc(k)分别为购售电量和蓄电池荷电状态值；

89、步骤405、建立一个基于mpc方法的多输入、多输出的离散状态状态空间模型，如下所示：

90、

91、

92、步骤406、将所述的搭建的离散状态空间预测模型进行反复迭代，向前预测p个步长，得到下式：

93、y＝[pgrid.ex(k+i|k)，ssoc(k+i|k)]t，i＝1，2，...，np

94、式中，y为预测时域npδt内的输出向量；

95、步骤407、选取跟踪向量：

96、

97、式中，yref为跟踪向量，分别为预测时域npδt内大电网的交互功率和蓄电池的荷电状态值的日内计划值；

98、步骤408、设置目标函数及其约束条件；

99、选取输出值中的大电网交互功率和蓄电池荷电状态值为跟踪数据，将其与日内计划值的误差最小为目标函数，同时使控制变量中各出力单元的调整量最小为目标；以所述的综合需求响应运行约束、微型燃气轮机约束、蓄电池约束、购电约束为约束条件；日内优化调度阶段的目标函数为：

100、min jintra-day＝(yref-y)tr(yref-y)+utqu

101、

102、式中，q为控制变量的权重系数矩阵；r为误差权重矩阵，分别为k时刻的大电网的交互功率和蓄电池的误差权重；

103、通过调用gurobi求解器进行求解，得到控制时域ncδt内所有的优化控制变量数据，在该时刻仅将第一个调度周期的控制变量数据下发。

104、上述的计及需求侧响应的cchp型微电网两阶段优化调度方法，步骤五中所述控制时域中的第一个控制时域内，输入的状态信息来源于日内调度计划的起始时刻数据，之后各个控制时域的输入来源于上一个调度周期的输入变量值。

105、上述的计及需求侧响应的cchp型微电网两阶段优化调度方法，所述调度周期设置为5分钟，所述控制时域设置为1小时，在日内阶段将进行288次滚动优化，在每一个预测时域结束之后，预测模型会将最后一个输出数据与实际值对比校正，并反馈给下一控制时域作为输入值；反馈校正环节为：

106、p0(k+1)＝preal(k+1)

107、式中，p0(k+1)表示k+1时刻预测模型的输入状态变量的数值，preal(k+1)表示k+1时刻通过测量得到的实际数据。

108、本发明与现有技术相比具有以下优点：

109、1、本发明步骤简单，设计合理，实现方便。

110、2、本发明通过cchp系统与微电网的结合能够在微电网有效利用清洁能源发电的基础上，提升其对能源的利用率，实现了多能源流的输出，可以满足用户对多种负荷的需求，实现微电网污染气体排放量的降低及多种类负荷的有效耦合。

111、3、本发明同需求侧响应策略的实施，使得用户和电网企业能够实现双赢，使得电力系统的运行更安全，更经济，增强了电力供、求两方的联系，并且可以提高电力市场的效率与稳定性，实现电负荷高峰时段的负荷中断、提高用户的用电满意度、提高微电网的经济性与稳定性。

112、4、本发明通过建立日前-日内两阶段的优化调度策略，减轻了各不确定性输入因素为微电网的稳定运行带来了负面影响，消减由于风、光、电出力的随机性、波动性，降低对风、光、电及负荷的预测结果带来的影响，令调度策略能够满足实时调度的需求，效果显著，便于推广。

113、综上所述，本发明步骤简单，设计合理，实现方便，能够有效提升能源利用率，实现″削峰填谷″，对日内计划的有效跟踪，极大提高了预测精度，令调度策略能够满足实时调度的需求，效果显著，便于推广。

114、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。