申请/专利权人：合肥工业大学

申请日：2022-05-19

公开（公告）日：2024-03-01

公开（公告）号：CN115021327B

主分类号：H02J3/46

分类号：H02J3/46;H02J3/00;H02J3/32

优先权：

专利状态码：有效-授权

法律状态：2024.03.01#授权;2022.09.23#实质审查的生效;2022.09.06#公开

摘要：本发明公开了一种基于虚拟储能的互联微电网系统的协同日前优化调度方法，其步骤包括：1对于风电功率波动预测的概率分布特性，建立微电网的灵活性需求分析模型；2对于微电网内灵活性资源的供给进行分析，建立微电网的灵活性供给模型；3基于互联微电网内剩余可调度灵活性资源，将微网个体的需求和供给等效为虚拟储能充放电状态，建立微电网的虚拟储能模型，以协调互联微电网的优化调度；4采用分散协调调度优化模型求解。本发明通过互联微电网的虚拟储能模型对微电网内部的可调度资源的进行分析，再通过调度策略平衡互联微电网，从而能提高互联微电网整体的可靠性和供电质量。

主权项：1.一种基于虚拟储能的互联微电网系统的协同日前优化调度方法，其特征在于，是按如下步骤进行：步骤1、基于风电功率波动预测的概率特性，对微电网的灵活性需求进行分析，建立灵活性需求的概率模型；步骤1.1、利用式1计算t时段单个微电网的净负荷 式1中，为t时段单个微电网的负荷预测值，为t时段单个微电网的风电功率预测值；利用式2计算t时段单个微电网的灵活性需求Ft； 式2中，为t+1时段单个微电网的净负荷；利用式3计算单个微电网的净负荷波动量预测εz：εz＝εload-εwind3式3中，εload和εwind分别为单个微电网的负荷波动的预测和单个微电网的风电功率波动的预测；步骤1.2、对历史的负荷实际数据、负荷预测数据以及历史的风电实际数据、风电预测数据进行分析，得到服从于正态分布的风电功率波动预测的概率特性；步骤1.3、基于概率特性，利用式4得到单个微电网的t时段灵活性需求的概率模型fFt：fFt＝NFt；μ+△Pload,σ4式4中，μ和σ分别风电功率波动预测的正态分布的概率密度函数N·的均值和标准差；△Pload为负荷预测波动量；步骤2、对于单个微电网内的灵活性资源供给进行分析，建立单个微电网的灵活性供给模型；步骤2.1、利用式5和式6分别计算t时段单个微电网的总上调灵活性Ftup和总下调灵活性Ftdown： 式5和式6中，和分别为微电网内第i个火电机组的向上、向下爬坡能力；Pg,i,t、Pg,i,max和Pg,i,min分别为第i个火电机组的出力及其上、下限；△T为调度时间间隔；步骤2.2、利用式7和式8得到单个微电网的t时段切负荷风险和弃风风险 式7和式8中，Ft,max为t时段单个微电网的灵活性需求最大值；为Ft的概率密度函数；x为单个微电网t时段的不确定性的灵活性需求取值；步骤3、基于互联微电网系统内剩余可调度灵活性资源，将互联微电网系统中的每个微电网的需求和供给等效为虚拟储能的充放电状态，从而建立每个微电网的虚拟储能模型，以协调互联微电网系统的优化调度；步骤3.1、根据单个微电网虚拟储能的原理建立虚拟储能的充、放电特性模型；利用式9构建单个微电网的放电特性模型Qd： 式9中，Ng为单个微电网内火电机组的数量；利用式10构建充单个微电网的电特性模型Qc： 步骤4、采用分散协调调度方法求解由上级模型和下级模型构成的协同日前优化调度模型；步骤4.1、利用式11构建下级模型的目标函数，并由式12至式22构建下级模型的约束条件： SOCmin≤SOCt≤SOCmax16 式11中，δup为单个微电网的切负荷风险的惩罚系数；δdown为单个微电网的弃风风险的惩罚系数；Ωs为第s个微电网的联络线总节点数；和为微电网s协调优化算法的乘子系数；T为调度周期；为上级中央控制器下发给第s个微电网的联络线参考功率；为下级的第s个微电网的联络线功率；式12为功率平衡约束，Pload,t为单个微电网的t时刻负荷功率；Pwp,t为单个微电网的t时刻弃风功率；Pwind,t为单个微电网的t时刻风电功率；Pql,t为单个微电网的t时刻切负荷功率；Pessc,t和Pessd,t分别为单个微电网的储能t时刻充电和放电功率；Pbuy,t为t时刻从与独立微电网联结的大电网购电功率；式13至式15为储能充放电约束，以及分别为单个微电网的t时刻储能充电功率的上、下限以及储能放电功率的上、下限；和分别为单个微电网的t时刻的充电放电状态；式16至式17为荷电状态约束，SOCmax和SOCmin分别为单个微电网的最大和最小的荷电状态；SOCt为单个微电网t时刻的储能荷电状态；ηc、ηd分别为单个微电网的储能充放电效率；式18至式19为火电机组爬坡约束；式20至式21为调度上下限约束，式22为联络线约束；步骤4.2、利用式23构建上级模型的目标函数，并由式24构建上级模型的约束条件： 式23中，h为单个微电网的总数；为待优化的上级中央控制器下发给第s个微电网的联络线参考功率；和为下级第s个和第s1个微电网上报的联络线功率；式24为一致性约束；由式9和式10、式11-式24共同构成基于虚拟储能的互联微电网系统的协同日前优化调度方法模型；步骤4.3、定义并初始化迭代次数τ＝1，上级的中央控制器初始化第τ次迭代时下发的联络线参考功率、第τ次迭代时下级微电网的联络线功率、第τ次迭代的协调优化的乘子系数以及收敛判据ε1、ε2，并一起下发给对应的下级模型；步骤4.4、各个微电网内下级调度中心独立求解自身的第τ次迭代时的下级模型，得到各自微电网内部的第τ次迭代的运行调度方案和第τ次迭代优化后的联络线功率，并将第τ次迭代优化后的联络线功率上报给上级的中央控制器；步骤4.5、上级的中央控制器接收到各个下级的微电网上报的第τ次迭代优化后的联络线功率后，以实现联络线功率偏差之和最小化为目标，求解第τ次迭代时的上级模型，并更新第τ次迭代的联络线参考功率后再次下发给每个下级的微电网；步骤4.6、根据式25和式26判断是否满足迭代条件，若满足，则停止优化，并输出各自微电网内部的第τ次迭代运行调度方案并作为最优方案，否则，继续步骤4.7； 步骤4.7、将τ+1赋值给τ后，利用式27得到第τ次迭代的算法乘子系数，并返回步骤4.4； 式27中，γ为常数。

全文数据：

权利要求：

百度查询： 合肥工业大学 基于虚拟储能的互联微电网系统的协同日前优化调度方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD