一种基于调度能力评估的微电网日前-日内调度方法、系统和设备与流程

本发明属于微电网优化调度，具体涉及一种基于调度能力评估的微电网日前-日内调度方法、系统和设备。

背景技术：

1、分布式储能是分布式新能源消纳最为直接和有效的手段。随着光伏、风电等新能源发电量快速增加，分布式储能装置存在广阔的应用前景。然而，相对于储能装置昂贵的投资成本，存在性价比不高、应用场景和商业模式单一、投资回报周期较长等问题，电力用户主动安装用户侧储能装置的意愿不够强烈。因此，通过开展微电网日前-日内优化调度，实现分布式储能电池的灵活充分电管理是提高分布式储能的收益、提高微电网运行稳定的关键措施。

2、当前，微电网通常采用日前调度策略，可再生能源出力和负荷预测随着时间尺度增长而变大，使得日前预测的精度较低，导致基于预测结果的日期调度策略不够合理。因此，如何更好的管理微电网内部分布式电源和储能的运行，提高微电网优化调度的经济性和实用价值成为目前亟待解决的难题。

技术实现思路

1、为解决现有技术中存在的问题，本发明提供一种基于调度能力评估的微电网日前-日内优化调度方法，针对储能可调节能力进行分析，实施调整日前调度计划，提高微电网日前调度的合理性、经济性和实用价值。

2、本发明的技术方案如下：

3、本发明提供一种基于可调度能力评估的微电网日前-日内优化调度方法，包括如下步骤：

4、s1、实时采集短期电力负荷数据和电力负荷影响特征数据，以及光伏出力数据和影响特征数据，进行数据预处理，实现异常值剔除；

5、s2、基于预处理的光伏出力、电力负荷数据，利用深度置信网络建立光伏出力预测模型和负荷预测模型；

6、s3、构建考虑电池储能损耗程度、充电消纳能力和补偿供电能力的评估指标，建立基于综合赋权法的储能可调度能力评估模型，对分布式储能系统节点的可调能力进行综合评估；

7、s4、基于步骤s2中光伏出力模型得到的具体时段与上层电网的交互功率以及负荷预测模型得到的任一个分布式电源在具体时段的有功出力，同时基于步骤s3中储能可调度能力评估模型，构建考虑整体运行成本最低和调整成本最低的基于分布式储能灵活充放电控制的日前调度模型和日内调度模型；

8、s5、采用平衡优化器算法，求解步骤s4中储能日前调度模型和日内调度模型，输出储能调度结果，完成储能调度指令。

9、进一步的，所述步骤s1中采用孤立森林算法对光伏出力数据和电力负荷数据进行异常值判断，异常分数计算公式如下式(1)-(3)：

10、

11、

12、h(n-1)＝in(n-1)+γ                                        (3)

13、式中，xi为第i个样本数据；num为样本个数；s(xi,num)为归一化后样本点的异常得分；t(num)为孤立树的平均搜索路径长度；hj(xi)表示样本xi在第j棵孤立树的路径长度；e(·)为路径长度的平均值；h(num-1)为谐波数；γ为欧拉常数；in(·)为对数函数。

14、进一步的，所述步骤s2中光伏出力预测模型的输入特征包括日照强度、温度、风速、出力历史数据、月/天时间特征；负荷预测模型输入特征包括：生产计划、温湿度、负荷历史数据、月/天时间特征。

15、进一步的，所述步骤s3中综合赋权法是利用了融合层次分析法和熵权法，储能可调度能力评估模型具体表示下式(4)：

16、

17、式中，fessi为第i个储能的可调度能力评估值，wj为第j个评估指标模型的综合权重，pi,j为无量纲化处理后第i个储能的第j个评估指标的属性值。

18、进一步的，在进行储能可调度能力综合评估时，结合系统对储能系统的需求，各个分布式储能充放电功率表示为下式(5)：

19、

20、式中，n为分布式储能总个数；pess,i为第i个储能的有功出力；pneed为电网对储能系统的需求量评估值。

21、进一步的，电池储能损耗程度评估指标模型具体表示为下式(6)：

22、e1＝-ψrttssoc_0ddncyc  (6)

23、式中，e1为储能损耗程度指数，为ψr为参考系数，tt为温度加速因数，ssoc_0为电池储能初始荷电状态对容量衰减的加速因数；dd为电池储能充放电深度对容量衰减的加速因数；ncyc为储能电池的充放电循环次数；

24、充电消纳能力用于表征分布式储能可补偿系统负荷需求能力，具体评估指标模型表示为下式(7)：

25、

26、式中，e2为充电消纳能力指数，xc为储能充电时的系统状态(充电为1，不充电为0)，eess为储能的额定容量，socmax为储能最大荷电状态，soc(t)为当前储能荷电状态，ηc为储能充电效率，δt为采样周期，pneed(t+1)为下时刻系统对储能系统需求量的评估值；

27、补偿供电能力用于表征分布式储能可补偿系统负荷需求的能力，具体评估指标模型表示为下式(8)：

28、

29、式中，e3为补偿供电能力指数，xd为储能放电时的系统状态(放电为1，不放电为0)，eess为储能的额定容量，socmax为储能最大荷电状态，soc(t)为当前储能荷电状态，ηd为储能放电效率，δt为采样周期，pneed(t+1)为下时刻系统对储能系统需求量的评估值。

30、进一步的，所述步骤s4基于分布式储能灵活充放电控制的日前-日内优化调度模型中，日前调度模型的目标函数为下式(9)：

31、min ctotal-1＝cgrid+cdg+cess(9)

32、式中，ctotal-1为整个调度周期的总运行成本，cgrid为与上级电网的交互电量成本，cdg为分布式电源的发电成本，cess为整个调度周期的储能运行成本；

33、日内调度模型的目标函数为下式(10)：

34、

35、式中，ctotal-2为日内调度周期的调节成本，wg(t)和wess(t)分别为分布式储能的调整成本、与上级电网交互电量的调整成本，pg(t)和pess(t)分别为分布式储能与电网交互电量的日前调度值，dg,i(t)和dess,i(t)分别分别为分布式储能与电网交互电量的日内调度值。

36、进一步的，与上级电网的交互电量成本cgrid的计算公式如下式(11)，分布式电源的发电成本cdg如下式(12)，整个调度周期的储能运行成本cess如下式(13)：

37、

38、

39、

40、式中，time为一个日前调度周期内的时段数，cg(t)和pg(t)分别为t时段与上层电网的交互价格和交互功率，pg(t)来自于步骤s2中光伏出力预测模型；cdg,i(t)和pdg,i(t)分别为第i个分布式电源在t时段的发电成本和有功出力，pdg,i(t)来自于步骤s2中负荷预测模型；ndg为微电网中分布式电源的总数量，ness为微电网中分布式储能的总数量，cess,i(t)和pess,i(t)分别为第i个分布式储能在t时段的运行成本和有功出力，ech,i(t)和edis,i(t)分别为第i个分布式储能在t时段的充放电状态，ηc,i和ηd,i分别为第i个分布式储能的充电效率和放电效率。

41、进一步的，所述平衡优化器算法的流程为：

42、初始化算法参数；初始化种群及参数，并在每个优化变量的上限、下限范围内进行随机初始化，即：

43、

44、其中，ciinit为第个i个体的初始浓度向量；cmin、cmax分别为优化变量的下限和上限向量；randi为第i个个体的随机数向量，其维度跟优化空间维度一致，每个元素值均为[0,1]的随机数；

45、确定当前平衡状态池，平衡状态池由当前初始化/迭代过程所产生的适应度值相对最优的4个个体及其平均值构成，即：

46、cp＝{ceq1,ceq2,ceq3,ceq4,cave}

47、

48、其中，cp为平衡状态池中的候选解；ceq1、ceq2、ceq3、ceq4分别为截至当前迭代找到的最优的4个个体；cave为最优的4个个体的平均值；平衡池中的5个候选解被选择的概率相同，均为0.2；

49、更新指数项系数f，可表示为：

50、f＝a1sign(r-0.5)(e-λt-1)

51、其中，a1为常数；sign为数学符号函数；r、λ均为随机数向量，每个元素值均为[0,1]之间的随机向量；

52、定义变量t为一个随着迭代次数递减的函数，即：

53、

54、其中，iter为当前迭代次数，itermax为最大迭代次数；a2为常数；

55、更新质量生成系数g，可表示为：

56、

57、g0＝gcp(ceq-λc)

58、

59、

60、其中，a1为常数；r、λ均为随机数向量；f为指数项系数；gcp为生成速率控制参数向量；ceq为平衡状态池中的解；c为个体当前解式；sign为数学符号函数；r1、r2为随机数向量，每个元素值均为[0,1]之间的随机向量，cp为生成概率；

61、更新个体当前解式，建立个体记忆保存机制，在第iter(iter≥2)次迭代后，每个个体求得的适应度值将与第iter-1次迭代后所求得适应度值进行比较，若第iter次迭代后个体求得适应度值更好，则将个体位置和适应度值进行相应的更新，反之则不做更新，并维持第次迭代后求得的个体位置和适应度值进入下一次迭代，个体的解可更新为：

62、

63、其中，ceq是从均衡池随机选出的一个解，v为单位体积；

64、6)判断当前迭代次数是否小于最大迭代次数，是则返回确定当前平衡状态池步骤，否则输出储能调度结果。

65、本发明还提供一种基于可调度能力评估的微电网日前-日内调度系统，包括

66、数据提取模块，用于提取日照强度、温度、风速、光伏出力、电价、出力历史数据、负荷用电历史数据；

67、建模分析模块，利用数据提取模块提取的各项数据，基于储能可调度能力的评估指标模型，建立微电网系统运行成本最小的日前-日内优化调度模型；

68、模型求解模块，在平衡优化器的基础上，用于对建模模块所建立的储能优化配置模型进行求解，得到储能充放电日前-日内调度的数据指令。

69、本发明还提供一种基于可调度能力评估的微电网日前-日内调度设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现基于可调度能力评估的微电网日前-日内调度方法。

70、相较于现有技术，本发明具有如下有益效果：

71、本发明构建的基于可调度能力评估的微电网日前-日内调度方法，主要是针对微电网日前调度不够合理的问题，通过增加主动配电网日内调度阶段，通过日内调度的修正指令，使得系统优化调度结果更加符合系统实际运行，弥补了微电网日前调度计划与实际系统运行偏差较大的影响，能有效降低微电网与上级电网并网功率的波动性，充分利用储能电池的灵活充放电管理，实现配电网系统的运行成本最低，提高微电网系统的控制精度；同时，本发明采用了平衡优化器求解算法，比传统粒子群等启发式求解算法具有更高的计算精度和效率。