一种建筑园区内的微电网调控方法与流程

本发明涉及微电网调控，尤其涉及一种建筑园区内的微电网调控方法。

背景技术：

1、微电网中通常配备了可再生新能源的发电装置，如分布式光伏系统和小型风力发电机等；同时，微电网也可以连接到主电网上，作为市场主体积极参与能源交易，这使得微电网的实际运行过程变得更加复杂。光伏发电、风力发电等受外部环境影响因素较大，具有较强的随机波动性和间歇性，这给微电网的优化运行带来了极大挑战；建筑园区内中用户侧负荷与实时电力市场的不确定性也增加了微电网能量管理的难度。

2、微电网能量管理是指在微电网运行过程中，在满足功率平衡限制、系统内各单元运行限制、容量限制、潮流限制等多种限制条件下，通过实时控制及调度微电网系统内的各个可控单元或者为其制定运行计划，达到微电网运行的目标，包括维持系统稳定、促进新能源高效利用、减小用电成本等。

3、为了积极应对微电网面临的多重不确定因素，除了从发电侧及装备侧角度提高供电稳定性外，更需要提升微电网的能量管理水平。可靠、经济、高效的能量管理策略是微电网是系统安全、稳定、高效运行的重要保障，是微电网优化运行的基础。为此，微电网能量管理策略具有很大的研究价值。

4、传统优化方法是将微电网能量管理模型建模为线性规划问题或者混合整数规划问题等，再通过数值计算出结果或者利用商业求解器求解模型。传统方法可以在获得准确数据的条件下，计算得到能源管理时序决策问题的最优值。传统优化方法是通过对微电网的准确建模并求解可以获得理论上的最优值，所以该方法常用于微电网日前调度的问题。但由于此类方法需要通过求解构建的优化问题来获取最优结果，不能够直接用于实时决策。

技术实现思路

1、本发明主要解决的技术问题是提供一种建筑园区内的微电网调控方法，解决不能够直接用于实时决策的问题。

2、为解决上述技术问题，本发明采用的一个技术方案是提供一种建筑园区内的微电网调控方法，包括步骤：

3、步骤s1:基于建筑园区内微电网的应用场景，构建含有多种可调度资源的用户模型；

4、步骤s2:设定日前规划模型，基于可再生能源的预测信息，确立建筑园区内的可削减负荷的负荷曲线、可转移负荷的用能计划、电动汽车的充电时间规划、储能系统的初始充放电动作，获取建筑园区内微电网与电力市场的能量交易曲线；

5、步骤s3:设定实时调控模型，基于可再生能源发电预测的偏差，以维持所述能量交易曲线的稳定为目标，获取储能系统以及可控发电机的实时动作策略，响应可再生能源预测与实际发电的偏差。

6、优选的，建筑园区内微电网中包含光伏发电装置、小型风力发电机、不可控负荷、可削减负荷、可转移负荷、电动汽车、储能系统和备用发电机。

7、优选的，可削减负荷是用户在使用过程中改变其功率的负荷，可削减负荷可表示如下：

8、

9、

10、上式中，表示可削减负荷的装置总数，picur(t)表示在时刻t时可削减负荷的实际负荷量，表示可削减负荷的削减率，当为0时，表示在当前时刻，可削减负荷不发生变动，表示装置i要保证生活所需或维持正常工作状态。

11、优选的，可削减负荷维持在正常水平，通过下式定义可削减负荷的用户不满意度，用以衡量调控可削减负荷的成本，

12、

13、上式中，表示第i个电器的不满意度系数，若值越大。

14、优选的，可转移负荷指用户使用过程中可改变使用时间但不能改变使用功率的负荷，可转移负荷可表示如下：

15、

16、

17、

18、上式中，表示可转移负荷的装置总数，表示转移负荷在t时刻的负荷量，和表示可调度负荷k在时刻t允许的最小和最大运行功率，表示可调度负荷只在规定时间范围使用，其中uk表示可调度负荷k的连续使用时长，表明可调度负荷在使用时不能中断；

19、对于可转移负荷，在可供使用的时间范围内，自时刻开始使用是达到最高用户满意度，往后延迟则会导致用户满意度降低，可转移负荷的用户不满意度可由下式刻画：

20、

21、上式中，表示第k个可转移负荷装置的不满意度函数的成本系数。

22、优选的，电动汽车通过调节充电时间来响应需求侧响应，在完成一个完整的充电周期后，将电动汽车完全充满电为最高满意度；电动汽车的不满意度用下式表示：

23、fev＝αev[(soe-soemax)sev]2+βev[(soe-soemax)sev]，

24、如上式所示，αev和βev分别表示表示不满意度依赖二次系数和一次系数，soe表示电动汽车的充电状态，sev表示电动汽车充电容量。

25、优选的，建筑园区内微网日前规划建模为混合整数非线性规划问题，具体如下：

26、minftotal＝min(afe+bfdis-sat+cftran)，

27、

28、fdis-sat＝∑fcur(t)δt+fsh+fev，

29、ftran＝∑σtran(pbuy(t)-psell(t)-pgap(t))2，

30、在上述式子中，fe、fdis-sat、ftran分别表示用户用电成本、不满意度成本、不合理交易成本，a、b、c为表示不同类型成本的重要度系数，和表示微电网购电价格和售电价格，式ftran＝∑σtran(pbuy(t)-psell(t)-pgap(t))2为建筑园区内微电网合理交易水平限制，用于减少储能的过量使用。

31、优选的，在通过日前规划制定建筑园区内微电网需求侧响应计划的过程中，设定运行限制，以满足建筑园区内微电网基本运行条件，运行限制包括：

32、

33、

34、

35、

36、pe-ch(t)·pe-dis(t)＝0，

37、ptev-max≤pev(t)≤ptev-max，

38、

39、

40、socmin≤soc(t)≤socmax，

41、soemin≤soe(t)≤soemax，

42、其中，pwt(t)、ppv(t)表示t时刻风力发电与光伏发电功率，表示负荷功率，包括可削减负荷、可转移负荷、固定负荷和电动汽车充电功率，pe-ch(t)、pe-dis(t)代表储能系统充放电功率，根据式pe-ch(t)·pe-dis(t)＝0可知，储能系统不能同时充放电，pev(t)表示电动汽车充电功率，式socmin≤soc(t)≤socmax和式soemin≤soe(t)≤soemax规定了储能系统和电动汽车的能量状态的变化范围。

43、优选的，实时调控模型包含的基本元素为环境观测状态st，微电网能量管理系统输出动作at，微电网能量管理系统获得的奖励rt，以及状态转移概率p，定义微电网经济调度问题的状态空间为s:st∈s，动作空间为a:at∈a，奖励空间为r:rt∈r，

44、在t时刻，微电网能量管理系统获取到的环境状态包括可在生能源的供电功率、负荷功率、储能系统的荷电状态、电动汽车的充电情况、微电网购电价格，则状态空间表示如下：

45、

46、式中：ptwind、ptpv和ptload表示风力发电机、光伏与不可控负荷的在t时刻的实时功率；soct表示储能系统在t时刻的实时荷电状态；eev(t)表示在调度时刻t，电动汽车的剩余充电容量，代表微电网从主电网的实时购电价格。

47、优选的，实时调控的动作空间设计为：

48、at＝[δpess(t),pdg(t)]，

49、上式中，δpess(t)表示储能系统的调整功率，pdg(t)表示可控发电机的发电功率，

50、将强化学习形式下的奖励函数设计为建筑园区内微电网单步的负成本，可表示如下：

51、r(t)＝-(cdev(t)+cdg(t))，

52、cdev(t)＝ξ·ρtbuy·(pgrid(t)-pgrid*(t))2，

53、cdg＝αdg[pdg(t)]2+βdgpdg(t)，

54、在上述式子中,ξ表示偏差惩罚系数；αdg/βdg分别表示可控发电机的二次/一次成本系数，pgrid(t)为实时的微电网与电网交易量，pgrid*(t)为计划的交易量。

55、本发明的有益效果是：考虑含有多类型负荷、储能以及可控序充电电动汽车的建筑园区内微电网模型，在日前规划阶段以经济成本、用户不满意度、合理交易水平为目标构建建筑园区内微电网的多目标优化决策模型，并以此确定和上级能量管理中心的交易电量，形成建筑园区内微电网的日前负荷曲线；在考虑预测数据的误差情况下，将含误差的预测数据作为训练集，以日前负荷曲线偏差最小为目标，采用竞争网络架构的深度强化学习算法，训练以储能系统和可控发电机为核心的实时调度微电网能量管理系统，使得该微电网能量管理系统能够实时响应的可再生能源变化，确保微电网负荷曲线的稳定性。