基于电力电子变压器的微电网优化配置方法及装置制造方法及图纸

本发明专利技术公开了一种基于电力电子变压器的微电网优化配置方法和装置，通过建立微电网优化配置数学模型，获取交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率；根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率、粒子群算法对所述微电网优化配置数学模型进行求解，以获取使微电网的总损耗功率最小时的决策变量x的目标值和决策变量y的目标值。该方法考虑了电力电子变压器的实际效率曲线，可以适应复杂场景下微电网的优化配置问题，以微电网的拓扑结构为研究对象得到基于电力电子变压器的微电网数学模型，采用粒子群算法对直流侧的光伏容量配置比例和直流侧的储能容量配置比例进行优化，实现了更合理地配置微电网。 1

Optimal configuration method and device of microgrid based on power electronic transformer

The invention discloses an optimal configuration method and device for the micro grid based on electric power transformer. By establishing a mathematical model of the optimized configuration of the micro grid, the photovoltaic output power of the AC side, the photovoltaic output power of the DC side, the consumption power of the AC load and the consumption power of the DC load are obtained. The output power, the photovoltaic output power of the DC side, the consumption power of the AC load, the consumption power of the DC load, and the particle swarm optimization algorithm are used to solve the mathematical model of the optimized configuration of the microgrid, in order to obtain the target value of the decision variable x and the target value of the decision variable y, which make the total loss power of the microgrid the hourly. This method takes into account the actual efficiency curve of the power electronic transformer and can adapt to the optimal configuration of the microgrid under the complex scene. The micro grid mathematical model based on the power electronic transformer is obtained with the topology of the micro grid as the research object, and the PV capacity allocation ratio and the DC side of the DC side are applied to the DC side by the particle swarm optimization algorithm. The proportion of energy storage capacity is optimized to achieve a more reasonable configuration of the microgrid. One

【技术实现步骤摘要】
基于电力电子变压器的微电网优化配置方法及装置
本专利技术涉及电网分析计算
，尤其涉及一种基于电力电子变压器的微电网优化配置方法及装置。
技术介绍
近年来，随着可再生能源发电装置、储能设备及各种类型的电能负载的接入，传统的电力系统设备无法满足供电形式多样性和能量多向流动等要求，无法适应未来电力化市场的需要。基于电力电子变换技术的电力电子变压器为不同的新能源发电装置和不同类型负载提供灵活多样化的借口电气形式，还可实现能量的多向流动，在能源互联网体系下发挥着越来越重要的作用。但在电力电子变压器体系下，电力电子变换器在不同运行工况下的效率是不同的，在额定工况下与在低载情况下的效率差距能达5-10％以上。具体地，在多端口电力电子变压器体系下，光伏发电装置、储能设备等接在不同端口下会使得流经各电力电子变换器的功率流不同，从而使得整个系统的损耗不同。如何更合理地配置微电网成为亟待解决的问题。
技术实现思路
本专利技术的目的旨在至少在一定程度上解决上述的技术问题之一。为此，本专利技术的第一个目的在于提出的基于电力电子变压器的微电网优化配置方法，该方法考虑了电力电子变压器的实际效率曲线，可以适应复杂场景下微电网的优化配置问题，以微电网的拓扑结构为研究对象得到基于电力电子变压器的微电网数学模型，采用粒子群算法对直流侧的光伏容量配置比例和直流侧的储能容量配置比例进行优化，实现了更合理地配置微电网。为此，本专利技术的第二个目的在于提出的基于电力电子变压器的微电网优化配置方装置。为了实现上述目的，本专利技术第一方面实施例的基于电力电子变压器的微电网优化配置方法，包括：建立微电网优化配置数学模型，所述微电网优化配置数学模型包括：目标函数、决策变量、约束条件，其中，决策变量包括x,y，决策变量x为直流侧的光伏容量配置比例，决策变量y为直流侧的储能容量配置比例；获取交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率；根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率、粒子群算法对所述微电网优化配置数学模型进行求解，以获取使微电网的总损耗功率最小时的决策变量x的目标值和决策变量y的目标值。如上所述的方法，所述建立微电网优化配置数学模型包括：确定基于电力电子变压器的微电网的拓扑结构；基于所述拓扑结构建立微电网优化配置数学模型。如上所述的方法，所述根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率、粒子群算法对所述微电网优化配置数学模型进行求解，以获取微电网的目标优化指标，包括：设置粒子群的大小、迭代次数、控制参数，其中，每个粒子为两个维度的数组，第一维度的粒子位置对应决策变量x,第二维度的粒子位置对应决策变量y；初始化粒子群；将目标函数作为适应度函数；开始迭代过程，包括(1)至(3)：(1)、根据所述适应度函数计算当前粒子群中各个粒子的适应度，确定各个粒子的当前个体极值和全局最优解；其中，所述根据所述适应度函数计算当前粒子群中各个粒子的适应度，包括：根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率求解微电网优化配置数学模型，计算目标函数对应的微电网的总损耗功率，将目标函数对应的微电网的总损耗功率作为当前粒子群中各个粒子的适应度；(2)、分别根据各个粒子的当前个体极值和全局最优解，更新各个粒子的速度；分别根据各个粒子更新后的速度，更新各个粒子的位置；(3)、判断本次迭代是否达到迭代终止条件，若达到，输出当前适应度最大的粒子，停止迭代过程；若未达到，返回执行(1)。根据当前适应度最大的粒子的第一维度对应的粒子速度，确定决策变量x的目标值，以及根据当前适应度最大的粒子的第二维度对应的粒子速度，确定决策变量y的目标值。如上所述的方法，所述目标函数为：f＝min(LossAll)；其中，LossAll为微电网的总损耗功率。如上所述的方法，所述约束条件包括功率平衡约束、变换器功率流约束、储能约束、光伏发电功率约束。为了实现上述目的，本专利技术第二方面实施例的基于电力电子变压器的微电网优化配置装置，包括：模型建立模块，用于建立微电网优化配置数学模型，所述微电网优化配置数学模型包括：目标函数、决策变量、约束条件，其中，决策变量包括x,y，决策变量x为直流侧的光伏容量比例，决策变量y为直流侧的储能容量配置比例；获取模块，用于获取交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率；求解模块，用于根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率、粒子群算法对所述微电网优化配置数学模型进行求解，以获取使微电网的总损耗功率最小时的决策变量x的目标值和决策变量y的目标值。如上所述的装置，所述模型建立模块具体用于：确定基于电力电子变压器的微电网的拓扑结构；基于所述拓扑结构建立微电网优化配置数学模型。如上所述的装置，所述求解模块具体用于：设置粒子群的大小、迭代次数、控制参数，其中，每个粒子为两个维度的数组，第一维度的粒子位置对应决策变量x,第二维度的粒子位置对应决策变量y；初始化粒子群；将目标函数作为适应度函数；开始迭代过程，包括(1)至(3)：(1)、根据所述适应度函数计算当前粒子群中各个粒子的适应度，确定各个粒子的当前个体极值和全局最优解；其中，所述根据所述适应度函数计算当前粒子群中各个粒子的适应度，包括：根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率求解微电网优化配置数学模型，计算目标函数对应的微电网的总损耗功率，将目标函数对应的微电网的总损耗功率作为当前粒子群中各个粒子的适应度；(2)、分别根据各个粒子的当前个体极值和全局最优解，更新各个粒子的速度；分别根据各个粒子更新后的速度，更新各个粒子的位置；(3)、判断本次迭代是否达到迭代终止条件，若达到，输出当前适应度最大的粒子，停止迭代过程；若未达到，返回执行(1)。根据当前适应度最大的粒子的第一维度对应的粒子速度，确定决策变量x的目标值，以及根据当前适应度最大的粒子的第二维度对应的粒子速度，确定决策变量y的目标值；根据当前适应度最大的粒子的第一维度对应的粒子速度，确定决策变量x的目标值，以及根据当前适应度最大的粒子的第二维度对应的粒子速度，确定决策变量y的目标值。如上所述的装置，所述目标函数为：f＝min(LossAll)；其中，LossAll为微电网的总损耗功率。如上所述的装置，所述约束条件包括功率平衡约束、变换器功率流约束、储能约束、光伏发电功率约束。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中，图1为本专利技术示例性的基于电力电子变压器的微电网的拓扑结构；图2为本专利技术实施例的基于电力电子变压器的微电网优化配置方法的流程示意图；图3为典型电力电子变换器的效率曲线；图4为本专利技术一实施例的基于电力电子变压器的微电网优化配置装置的结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相本文档来自技高网...

【技术保护点】
1.一种基于电力电子变压器的微电网优化配置方法，其特征在于，包括：

【技术特征摘要】
1.一种基于电力电子变压器的微电网优化配置方法，其特征在于，包括：建立微电网优化配置数学模型，所述微电网优化配置数学模型包括：目标函数、决策变量、约束条件，其中，决策变量包括x,y，决策变量x为直流侧的光伏容量配置比例，决策变量y为直流侧的储能容量配置比例；获取交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率；根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率、粒子群算法对所述微电网优化配置数学模型进行求解，以获取使微电网的总损耗功率最小时的决策变量x的目标值和决策变量y的目标值。2.如权利要求1所述的方法，其特征在于，所述建立微电网优化配置数学模型包括：确定基于电力电子变压器的微电网的拓扑结构；基于所述拓扑结构建立微电网优化配置数学模型。3.如权利要求1所述的方法，其特征在于，所述根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率、粒子群算法对所述微电网优化配置数学模型进行求解，以获取使微电网的总损耗功率最小时的决策变量x的目标值和决策变量y的目标值，包括：设置粒子群的大小、迭代次数、控制参数，其中，每个粒子为两个维度的数组，第一维度的粒子位置对应决策变量x,第二维度的粒子位置对应决策变量y；初始化粒子群；将目标函数作为适应度函数；开始迭代过程，包括(1)至(3)：(1)、根据所述适应度函数计算当前粒子群中各个粒子的适应度，确定各个粒子的当前个体极值和全局最优解；其中，所述根据所述适应度函数计算当前粒子群中各个粒子的适应度，包括：根据交流侧的光伏输出功率、直流侧的光伏输出功率、交流负荷的消耗功率、直流负荷的消耗功率求解微电网优化配置数学模型，计算目标函数对应的微电网的总损耗功率，将目标函数对应的微电网的总损耗功率作为当前粒子群中各个粒子的适应度；(2)、分别根据各个粒子的当前个体极值和全局最优解，更新各个粒子的速度；分别根据各个粒子更新后的速度，更新各个粒子的位置；(3)、判断本次迭代是否达到迭代终止条件，若达到，输出当前适应度最大的粒子，停止迭代过程；若未达到，返回执行(1)。根据当前适应度最大的粒子的第一维度对应的粒子速度，确定决策变量x的目标值，以及根据当前适应度最大的粒子的第二维度对应的粒子速度，确定决策变量y的目标值。4.如权利要求1所述的方法，其特征在于，所述目标函数为：f＝min(LossAll)；其中，LossAll为微电网的总损耗功率。5.如权利要求1所述的方法，其特征在...

【专利技术属性】
技术研发人员：郑竞宏，郭轩，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11