一种基于两阶段鲁棒优化的微电网能量管理方法技术

本发明专利技术涉及一种基于两阶段鲁棒优化的微电网能量管理方法,包括下列步骤:构建微电网电气设备基本模型；针对不确定变量构建不确定集；构建微电网两阶段鲁棒优化模型：分别将0/1变量和连续变量、不确定变量作为第一、第二阶段优化变量，以微电网运行成本最小为优化目标，以各设备运行限制和不确定集作为约束，建立微电网两阶段鲁棒优化模型；两阶段鲁棒优化模型求解：将两阶段模型分解为主问题和子问题，采用强对偶理论和线性化理论，得到问题的对偶问题；采用混合整数线性规划方法对主问题和子问题的对偶问题进行交替求解。

【技术实现步骤摘要】
一种基于两阶段鲁棒优化的微电网能量管理方法
一种基于两阶段鲁棒优化的微电网能量管理方法，属于分布式发电与微网

技术介绍
伴随着传统化石能源的日渐枯竭和环境污染问题的日益加重，开发利用可再生能源、实现经济的可持续发展成为各国政府的共识。作为高效利用可再生能源的有效载体，微电网技术近年来得到了大力的发展。然而，微电网在运行过程中面临着诸多不确定性的影响，例如光伏、风机等可再生分布式电源出力、微电网内本地负荷功率及市场实时电价等，这些不确定性因素给微电网的运行带来了新的挑战，如何设计合理、有效的能量管理方法，对微电网的长期稳定、经济运行至关重要。目前针对不确定环境下微电网日前能量管理方面的研究，主要采用基于场景的方法和随机规划方法。其中，基于场景的方法利用典型的场景对备选解决方案的性能，如经济性等进行评估，最终的方案需要在各场景下都有较好的性能表现；随机规划方法则基于各场景的概率得到备选方案的表现期望值，从而进行筛选，确定最佳方案。无论是基于场景的方法还是随机规划方法，两者的关键都在于生成典型的场景用以描述微电网内的不确定信息，因此方案的性能取决于场景的选取，主要存在以下几个问题：1)在微电网实际运行中，负荷功率和可再生分布式电源出力等不确定变量的概率曲线很难准确的获取，导致最终的模型不够准确；2)采用大量的场景对不确定变量信息进行描述，在计算前需要利用场景削减技术对场景进行合理的筛选，使得算法复杂度提高，计算量加大。针对上述问题，可以采用一种更适合实际工程应用的鲁棒优化方法，该方法以不确定集表示不确定变量的随机特性，因此不需要确定的概率曲线和大量的场景生成，通过优化手段得到最恶劣场景下系统经济性最优的方案。然而，在微电网的调度过程中，可能需要对机组开关机等0/1变量和机组输出功率等连续变量同时进行优化。此外，作为微电网的调度员，希望能够更加灵活地对日前调度方案的保守性进行调整。当前应用于微电网能量管理方面的鲁棒优化方法，或者无法对调度方案的保守性进行灵活的调整，或者无法在优化0/1变量和连续变量的同时，确定系统可能面临的最恶劣场景。
技术实现思路
针对上述问题，本专利技术的目的是克服现有技术的不足，结合微电网实际运行的需要，提出一种基于两阶段鲁棒优化的微电网能量管理方法。本专利技术能够在优化0/1变量和连续变量的同时，通过优化手段找到系统可能面临的最恶劣场景，同时设置调节参数，可对调度方案的保守性进行调整。本专利技术的技术方案如下一种基于两阶段鲁棒优化的微电网能量管理方法,包括下列步骤:(1)构建微电网电气设备基本模型分析微电网内各设备的运行特性和运行约束，建立微电网各电气设备的运行成本模型和运行约束模型，对于其中的非线性项，采用线性化方法进行处理，得到微电网的线性经济调度模型；(2)针对不确定变量构建不确定集利用输入光伏出力预测值uPV(t)、最大预测偏差非弹性负荷功率预测值uL(t)和最大预测偏差构建不确定集U；(3)构建微电网两阶段鲁棒优化模型分别将0/1变量和连续变量、不确定变量作为第一、第二阶段优化变量，以微电网运行成本最小为优化目标，以各设备运行限制和不确定集作为约束，建立微电网两阶段鲁棒优化模型；(4)两阶段鲁棒优化模型求解将两阶段模型分解为主问题和子问题，采用强对偶理论和线性化理论，得到问题的对偶问题；采用混合整数线性规划方法对主问题和子问题的对偶问题进行交替求解。本专利技术由于采取以上技术方案，与现有技术相比具有以下优点：(1)在应用灵活性方面：在优化模型中增加了鲁棒调节参数，可对调度方案的保守性进行灵活的调整。(2)在应用领域方面：采用两阶段优化形式，可应用于需要对0/1变量和连续变量进行优化的同时，确定系统可能面临的最恶劣情况的应用场景。(3)在应用拓展方面：推导了微电网调度储能的边界条件，可为微电网投资商规划储能和配电网运营商设计激励机制提供参考。附图说明图1是本专利技术应用的微电网系统结构图。图2是本专利技术应用的负荷实际功率和预测功率曲线。图3是本专利技术应用的光伏实际功率和预测功率曲线。图4是本专利技术应用的配电网日前交易电价。图5是本专利技术实施例的微型燃气轮机输出功率和微电网购售电功率。图6是本专利技术实施例的储能充放电功率。图7是本专利技术实施例的需求响应负荷调度功率和期望功率。图8是本专利技术实施例的储能使用率。图9是本专利技术实施例的实时市场不平衡量。具体实施方式本专利技术的步骤如下：(1)构建微电网电气设备基本模型分析微电网内各设备的运行特性和运行约束，建立微电网各电气设备的运行成本模型和运行约束模型。对于其中的非线性项，采用线性化方法进行处理，得到微电网的线性经济调度模型。(2)针对不确定变量构建不确定集输入光伏出力预测值uPV(t)、最大预测偏差和非弹性负荷功率预测值uL(t)和最大预测偏差构建不确定集U：其中，u为微电网内的不确定变量集合；uPV(t)和uL(t)为光伏出力和负荷功率在t时段对应的不确定变量；NT为调度周期，在日前调度中一般取值为24。(3)构建微电网两阶段鲁棒优化模型分别将0/1变量和连续变量、不确定变量作为第一、第二阶段优化变量，以微电网运行成本最小为优化目标，各设备运行限制和不确定集作为约束，建立微电网两阶段鲁棒优化模型。(4)两阶段鲁棒优化模型求解，步骤如下：第一步：将两阶段模型分解为如下所示的主问题和子问题；s.t.α≥cTyl,Dyl≥d,Kyl＝0,Fx+Gyl≥h,主问题中，c为目标函数对应的系数列向量；D、K、F、G和Iu为对应约束下变量的系数矩阵；d、h为常数列向量。k为当前的迭代次数；yl为第l次迭代后子问题的解；为第l次迭代后得到的最恶劣场景下不确定变量u的取值。子问题中，Ω(x,u)表示给定一组(x,u)时优化变量y的可行域。第二步：采用强对偶理论和线性化理论，得到如下所示子问题的对偶问题：其中，B＝(BPV(t),BL(t))T为二进制变量，取值为1时相应时段的不确定变量即取到区间的边界。ΓPV和ΓL分别为光伏出力和负荷功率的鲁棒调节参数，可用于调节最优解的保守性取值越大得到的方案越保守，反之，方案则越冒险。B′＝(B'PV(t),B'L(t))T为引入的连续辅助变量，为对偶变量的上界，可取为足够大的正实数。第三步：采用混合整数线性规划方法对主问题和子问题的对偶问题进行交替求解：1)给定一组不确定变量u的取值作为初始的最恶劣场景，设定最终调度方案对应的运行成本下界LB＝－∞，上界UB＝+∞，迭代次数k＝1；2)根据最恶劣场景求解主问题，得到最优解其中，主问题的目标函数值作为新的下界3)将求得的主问题解代入子问题的对偶问题中，得到子问题对偶问题的目标函数值和相应的最恶劣场景下不确定变量u的取值更新上界4)给定算法的收敛阈值为ε，若UB-LB≤ε，则停止迭代，返回最优解和否则增加变量yk+1及如下约束：α≥cTyk+1,Dyk+1≥d,Kyk+1＝0,Fx+Gyk+1≥h,令k＝k+1，跳转至2)直至算法收敛，得到原问题的最优解。以图1所示微电网为例，搭建微电网两阶段鲁棒优化模型。微电网内包含可控分布式电源、可再生分布式电源、储能、需求响应负荷和本地常规负荷。其中，可控分布式电源考虑微型燃气轮机，其成本函数可表示为：CG(t)＝(aPG(t)+b)Δt(本文档来自技高网...

【技术保护点】
一种基于两阶段鲁棒优化的微电网能量管理方法,包括下列步骤:(1)构建微电网电气设备基本模型分析微电网内各设备的运行特性和运行约束，建立微电网各电气设备的运行成本模型和运行约束模型，对于其中的非线性项，采用线性化方法进行处理，得到微电网的线性经济调度模型；(2)针对不确定变量构建不确定集利用输入光伏出力预测值

【技术特征摘要】
1.一种基于两阶段鲁棒优化的微电网能量管理方法,包括下列步骤:(1)构建微电网电气设备基本模型分析微电网内各设备的运行特性和运行约束，建立微电网各电气设备的运行成本模型和运行约束模型，对于其中的非线性项，采用线性化方法进行处理，得到微电网的线性经济调度模型；(2)针对不确定变量构建不确定集利用输入光伏出力预测值最大预测偏差非弹性负荷功率预测值和最大预测偏差构建不确定集U；(3)构建微电网两阶段鲁棒优化模型分别将0/1变量和连续变量、不确定变量作为第一、第二阶段优化变量，以微电网运行成本最小为优化目标，以各设备运行限制和不确定集作为约束，建立微电网两阶段鲁棒优化模型；(4)两阶段鲁棒优化模型求解将两阶段模型分解为主问题和子问题，采用强对偶理论和线性化理论，得到问题的对偶问题；采用混合整数线性规划方法对主问题和子问题的对偶问题进行交替求解。2.根据权利要求1所述的方法，其特征在于，不确定集U的表达形式如下：其中，u为微电网内的不确定变量集合；uPV(t)和uL(t)为光伏出力和负荷功率在t时段对应的不确定变量；NT为调度周期。3.根据权利要求2所述的方法，其特征在于，步骤(4)的两阶段鲁棒优化模型求解，步骤如下：第一步：将两阶段模型分解为如下所示的主问题和子问题：s.t.α≥cTyl,Dyl≥d,Kyl＝0,Fx+Gyl≥h,主问题中，c为目标函数对应的系数列向量；D、K、F、G和Iu为对应约束下变量的系数矩阵；d、h为常数...

【专利技术属性】
技术研发人员：刘一欣，郭力，王成山，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12