本发明涉及一种微电网负荷波动抑制双层优化方法,属于微电网优化调度领域。
背景技术:
1、现代工业的快速发展导致了前所未有的能源需求,而以化石燃料为基础的传统能源结构已无法满足日益增长的需求。为了应对能源和环境污染带来的挑战,绿色、环保、低碳的生活方式已成为首要目标。可再生能源具有清洁可再生、分布广泛的特点,但由于其随机性和地域限制,在日常生活中的利用率仍然很低。为了提高可再生能源的利用率,微电网运行方式应运而生,微电网能够整合可再生能源并采用储能系统,最大限度地提高可再生能源利用率。智能微电网系统由分布式发电设备、储能系统、能量管理系统、输配电系统等组成。
2、微电网中分布式发电设备出力具有随机性特点,且微电网负荷也具有一定的波动性,影响微电网功率平衡,进而影响微电网运行稳定性。同时负荷波动会改变微电网功率调度结果,影响微电网中各发电设备出力分配,甚至可能降低微电网运行的经济性。
技术实现思路
1、针对负荷波动会影响微电网运行稳定性的问题,本发明提供一种微电网负荷波动抑制双层优化方法。
2、本发明的一种微电网负荷波动抑制双层优化方法,包括:
3、s1、对微电网中光伏出力以及负荷功率进行预测,获得预测结果:未来24小时内的光伏出力以及负荷;
4、s2、制定微电网各发电设备的调度优先级,并设定各发电设备的运行状态;
5、s3、建立双层优化模型,包括上层优化模型和下层优化模型;上层优化模型利用微电网运行功率约束,以保证各发电设备调度优先级和降低微电网运行成本为目标函数;下层优化模型采用s1获得的预测结果,对微电网运行功率及备用容量进行约束,以降低发电总容量为目标函数;上层优化模型与下层优化模型间,以各发电设备输出的功率相互耦合;
6、s4、将双层优化模型转换为单层优化模型,求解转换后的单层优化模型的最优解,得到各发电设备输出的功率,完成优化。
7、作为优选,s2中,根据微电网调度策略制定微电网各发电设备的调度优先级,并设定各发电设备的运行状态;
8、所述微电网调度策略包括:
9、1)光伏发电设备是主要的电力供应;
10、2)储能系统针对光伏发电设备出力的波动性,在微电网中既能消纳光伏设备产生过剩的电能,又能及时补充负荷缺额;
11、3)备用设备用于输出无功功率,维持微电网电压稳定;同时补充光伏和储能系统的有功功率输出能力;备用设备可实现两种运行模式:并网发电模式和有源电力滤波器模式;
12、4)微电网通过变压器与主电网相连,并与主网进行电力交换;
13、5)负荷中包括部分可调节负荷。
14、作为优选,s3中,上层优化模型的目标函数为:
15、min f(x,p)=α·o(x)+β·c(p)
16、o(x)=∑opvxxpv(t)+∑ogrxxgr(t)+∑oesxxes(t)+oexxxex(t)
17、c(p)=∑cpvppv(t)+∑cgrpgr(t)+∑cespes(t)+cexpex(t)
18、式中,o(x)是调整微电网中设备调度优先级的函数,c(p)是运行成本函数;
19、onx是微电网中各发电设备优先级的系数,xn(t)表示发电设备的运行状态,cn是微电网中各发电设备的成本系数,pn(t)是微电网中各发电设备输出的有功功率;
20、onx、xn(t)、cn、pn(t)中下标n∈{pv,gr,es,ex},opvx、ogrx、oesx和oexx分别为光伏设备、备用设备、储能系统以及与主网进行电能交换的调度优先级系数;xpv(t)、xgr(t)、xes(t)、xex(t)分别表示光伏设备、备用设备、储能系统以及与主网进行电能交互的运行状态;ppv(t)、pgr(t)、pes(t)、pex(t)分别为光伏设备出力、备用设备出力、储能系统出力以及与主网交互的有功功率;cpv、cgr、ces、cex分别为光伏设备、备用设备、储能系统以及与主网进行功率交换的成本系数;α、β是目标函数加权系数;
21、微电网运行功率约束包括微电网的功率平衡约束、微电网中发电设备的输出功率约束和单个时间间隔内输出有功功率变化量约束;
22、微电网的功率平衡约束为:
23、
24、其中,为节点i处负荷的有功功率,pcl(t)为t时刻可调负荷有功功率;
25、
26、其中,qpv(t)、qgr(t)、qex(t)分别为t时刻光伏设备、备用设备以及与主网交互的无功功率,为节点i处负荷的无功功率;
27、微电网中发电设备的输出功率约束:
28、
29、其中,和下标n∈{pv,gr,es,ex},分别为光伏设备、备用设备、储能系统以及与主网交互的输出有功功率的下限和上限;
30、
31、其中,和下标m∈{pv,gr,ex},分别为光伏设备、备用设备以及与主网交互的输出无功功率的下限和上限;
32、对于微电网中的所有发电设备,单个时间间隔内输出有功功率变化量的约束为:
33、δpmin≤pn(t)-pn(t-1)≤δpmax
34、其中,δpmin、δpmax下标n∈{pv,gr,es,ex},为各发电设备输出有功功率变化范围的下限和上限。
35、作为优选,所述上层优化模型的目标函数中,对于备用设备的运行状态的变量xgr(t),对应的工作状态为:
36、
37、对于其他发电设备运行状态的变量xn(t),对应的工作状态为:
38、
39、作为优选,上层优化模型的约束还包括:
40、socmin≤soc(t)≤socmax
41、
42、soc(t)表示t时刻发电设备电池的soc,σ为电池的自放电率;ηch、ηdch分别为电池的充电效率和放电效率;capes为电池容量;δt是时间间隔;pes(t)是电池的充放电功率。
43、作为优选,上层优化模型的约束还包括:
44、当备用设备的逆变器工作在apf模式时,需要满足:
45、hpcc,i+εh,i≤(1-xgr,i)capapf,i+caph,i
46、其中,hpcc,i是在节点i处检测到的谐波分量,εh,i为节点i处谐波的随机变量,xgr,i为节点i处备用设备工作状态,capapf,i是节点i处备用设备工作在apf模式下的谐波补偿能力,caph,i是节点i处无源器件的谐波补偿能力。
47、作为优选,下层优化模型的目标函数为:
48、min f(p)=∑cnpn(t)
49、其中,cn为各发电设备的运行成本系数,pn(t)为各发电设备的有功功率,cn和pn(t)中下标n∈{pv,gr,es,ex},分别表示光伏设备、备用设备、储能系统以及与主网交互;
50、微电网运行功率的约束包括微电网功率平衡约束、微电网中发电设备的输出功率约束和备用设备单位时间内的输出电能约束;
51、微电网功率平衡约束:
52、
53、
54、其中,为节点i处负荷有功功率的预测值;为t时刻光伏设备输出功率的预测值;pgr(t)、pes(t)、pex(t)分别为t时刻备用设备、储能系统以及与主网交互的有功功率;为节点i处负荷无功功率的预测值;qpv(t)、qgr(t)、qex(t)分别为t时刻备用设备、储能系统以及与主网交互的无功功率;
55、微电网中发电设备的输出功率约束:
56、
57、
58、备用设备单位时间内的输出电能约束:
59、
60、其中,是单位时间内备用设备发出的电能的下限和上限,δt为单位时间间隔。
61、备用容量约束:
62、
63、其中,ρgr、ρes分别为备用设备和储能系统的备用容量系数;capgr、capes分别为备用设备和储能系统的容量;δ为负荷功率系数。
64、作为优选,所述下层优化模型的约束还包括可调负荷相关约束:
65、
66、
67、其中,pcl(t)为t时刻可调负荷有功功率,δpcl(t)为可调负载当前时刻可调功率值,为负荷可调功率区间上下限。
68、作为优选,s4包括:
69、s41、双层优化模型为:
70、minf(x,p)
71、s.t.ga(x,p)≤0,a=1,2,…,c
72、hb(x,p)=0,b=1,2,…,d
73、min f(p)
74、s.t.gi(p)≤0,i=1,2,…,m
75、hj(p)=0,j=1,2,…,n
76、x∈x,p∈p
77、其中,f(x,p)为上层优化模型目标函数,ga(x,p)和hb(x,p)分别为上层优化模型的不等式约束和等式约束,c和d分别表示上层优化模型的不等式约束和等式约束的数量;f(p)为下层优化模型的目标函数,gi(p)、hj(p)分别为下层优化模型的不等式约束和等式约束,m和n分别表示下层优化模型的不等式约束和等式约束的数量;x表示各发电设备的运行状态,p表示各发电设备输出的有功功率;
78、s42、通过kkt条件将下层优化模型转换为:
79、
80、gi(p)≤0,λi≥0
81、λigi(p)=0,i=1,2,…,m
82、hj(p)=0,μj≠0
83、p∈p
84、其中,λi为下层优化模型中第i个不等式约束的拉格朗日系数,μj为下层优化模型中第j个等式约束的拉格朗日系数;
85、s43、将转换后的下层优化模型与上层优化模型的约束结合,从而将双层优化模型转换为一个单层优化模型:
86、min f(x,p)
87、s.t.ga(x,p)≤0,hb(x,p)=0,
88、
89、gi(p)≤0,λi≥0,
90、λigi(p)=0,
91、hj(p)=0,μj≠0,
92、x∈x,p∈p
93、s44、通过求解器求解单层优化模型的最优解。
94、作为优选,s1中,处理历史数据,采用人工神经网络方法对微电网中光伏出力以及负荷功率进行预测,获得预测结果:未来24小时内的光伏出力以及负荷。
95、本发明的有益效果,本发明对微电网进行优化调度,同时考虑光伏、储能、柴油发电机等发电设备,综合考虑微电网内各发电设备的调度策略以及运行经济性要求,在保证微电网各设备调度优先级情况下,降低微电网负荷波动对微电网调度带来的影响,提高运行稳定性并降低微电网运行成本。