智能小区需求响应调度方法和系统技术方案

本发明专利技术提供了一种智能小区需求响应调度方法和系统，其中方法包括以系统总运行费用和电网的交换电量最小为目标函数，构建包含光伏、储能和电动汽车的优化调度模型，然后利用多种群协同净化遗传算法进行求解，获得优化结果。本发明专利技术首先分析智能小区的主要构成部分，并研究其运行特性；针对包含多种用能资源的智能用电小区的日负荷需求响应的协调优化调度问题，以包含电动汽车、储能等分布式能源的居民智能用电模式为研究对象，以系统总运行费用和电网的交换电量最小为目标函数，考虑可调度负荷、电动汽车、分布式储能等约束条件，并利用多种群协同净化遗传算法进行求解，获得优化结果，实现削峰填谷，最后借助算例分析优化模型和求解策略的有效性。

Demand Response Scheduling Method and System for Intelligent Community

【技术实现步骤摘要】
智能小区需求响应调度方法和系统
本专利技术属于电网
，基于多种群协同进化遗传算法的智能小区需求响应调度策略。
技术介绍
随着智能采集、传感、控制等支撑技术的发展，智能小区的大规模应用成为可能。2017年，国家重点研发计划“城区用户与电网供需友好互动系统”配套工程之一“智能型小区示范工程”开展规模化推广，目前在常州武进、苏州金鸡湖地区已完成6个智能型小区建设，主要进行居民用户互动能力建设、小区公共区域光储、电动汽车等建设。需求响应作为智能小区的关键组成部分,不仅能够让用户侧参与到电网的互动中，降低自身用电费用，也可以降低电力系统的负荷峰谷差，提高发输电设备利用率，延迟设备投资，实现用户和电力公司的双赢。智能小区典型设备包括光伏、储能、电动汽车。在实际运行中，可以针对电动汽车、储能、用户侧等方面分别对需求响应调度进行研究。但关于如何综合利用多能互补特性、需求响应及源—储—荷协调关系来整体协调调度多种用能资源的方法比较少。
技术实现思路
本专利技术的目的在于针对包含多种用能资源的智能用电小区的日负荷需求响应的协调优化调度问题进行研究，为智能小区的优化运行提供支撑。本专利技术为实现上述技术目的，采用以下技术方案:在第一个方面提供了智能小区需求响应调度优化设计方法，包括以下步骤：(1)根据智能小区场景用户的负荷类型确定智能小区优化评估指标，所述智能小区优化评估指标包括电动汽车充放电功率和储能系统充放电实时功率；(2)针对智能小区优化评估指标建立智能小区的负荷调度的优化目标函数；(3)采用多种群协同进化遗传算法，对建立的目标函数进行优化，求得智能小区优化评估指标最优解。进一步，智能小区场景用户的负荷类型可以分为下面几类：1)固定负荷是居民日常生活必需的负荷以满足日常用电的最低要求，不能进行调度；2)可转移负荷，是提高居民生活质量的负荷，可以进行转移和调度；3)电动汽车负荷，是用以满足用户外出需求，电动汽车在充电过程中所消耗的电能；4)分布式发电负荷，是指通过光伏发电产生的电能，这部分电能用户可以自己使用，当电能有剩余的时候，多出的电能部分可以送入电网或储存在储能装置中；5)储能装置负荷，这部分负荷与分布式发电负荷共同组成分布式电源系统，储能装置可以在低电价时通过电网存储电能，也可以在分布式发电系统有剩余时存储电能。在以上技术方案中目标函数如下所示：智能小区优化调度的目标函数综合考虑智能小区的运行成本，以及小区和配电网的交换电量，引入智能小区优化评估指标，考虑把储能装置的折旧成本计入系统运行费用，另外把荷电状态的约束惩罚项加入总运行成本，以系统总运行费用和电网的交换电量最小设置目标函数为：即minH＝αF+βG其中：式中ΔT为单位时间间隔；T为优化的时段数；Pg(t)为单位时间间隔内与配电网交换的平均功率(购电时为正，售电时为负)；pr(t)为单位时间间隔内平均交易价格；PB(t)和Pb(t)分别为t时段储能系统的放电功率和充/放电功率，其中Pb(t)充电时为正，放电时为负；σ为惩罚系数；SOCmin为储能的荷电状态的下限。其中等号右边第1项为微电网与配电网的电能交易成本，第2项为储能装置的折旧成本，第三项为储能放电罚函数。H为智能小区优化评估指标，α、β分别为用户自己设置的参数。因为储能在整个寿命周期内的循环充放电总量基本保持不变。如果储能的更换成本固定，可以假设每千瓦时的充放电量所造成的储能替换成本也是固定的，即式中Cs_bear为储能电池累计放电1kW·h的折旧成本；Cs_buy为储能装置的购买成本；Cs_buy为储能装置全寿命输出的总电量。在经济调度中，对储能装置最主要的影响因素是其荷电状态。如果储能装置在放电时处于较高的荷电状态，对其寿命损耗影响比较小，可以有效延长其使用寿命。反之，如果其在放电时位于较低的荷电状态，对其损耗比较大。储能的寿命损耗系数和其荷电状态之间关系的数学表达式为:式中SOC(t)表示储能t时刻的荷电状态。以上目标函数下的约束条件为：1)功率平衡约束Pb(t)+PEV(t)+PL(t)＝Ppv(t)+Pg(t)式中Ppv(t)为光伏发电功率；PL(t)为t时段负荷侧的固定负荷功率，可以通过短期负荷预测的方法得到[18]；PEV(t)为电动汽车在t时段的充电总功率。式中PEV,n(t)为t时段第n辆电动汽车的充电功率；N为电动汽车的总数量；Pavrg_n为第n辆电动汽车在充电时段内的平均充电功率；tEV,n为为第n辆电动汽车的起始充电时刻；PEV,n(t)为第n辆电动汽车在t时刻的充电功率；EEV,n为第n辆电动汽车在t2-t1时刻的充入电量，由第n辆电动汽车的电量需求量Ereq_n决定。2)电动汽车约束式中PEV_rat为电动汽车充电电池的额定充放电功率；SEV为电动汽车停留在充电站的时间段。3)储能装置约束|Pb(t)|≤Pb_ratEb(t)SOCmin≤Eb(t)≤Eb_rat(t)SOCmaxEb(0)＝Eb(T)式中Pb_rat为储能装置的额定功率；Eb(t)为储能装置当前的荷电量；ηb为储能装置的充/放电效率；Eb_rat(t)为储能装置的额定荷电量；SOCmax为储能系统荷电状态的上限。4)联络线功率约束Pg(t)≤min{Pmax,PT}式中PT为配电变压器的额定功率；Pmax为联络线路允许的最大传输功率。进一步，步骤(3)采用多种群协同进化遗传算法，对建立的目标函数进行优化具体方法包括：步骤1：将智能小区的用户负载、发电功率预测值、电动车到达时间以及剩余电量初始化；步骤2：生成初始种群，对种群中的每个个体进行二进制进行编码，进化代数为1；步骤3：通过目标函数计算全部满足约束条件的个体的目标函数值，并取其函数值的倒数作为个体的适应度值；步骤4：依据体的适应度值，采用轮盘赌的方法对个体进行选择；步骤5：种群内部交叉变异；变异方法采用差分进化方法，其变异算子表达式如下：Xnew＝X1+rand(0,1)·(X2-X3)其中Xi是互不相同的个体，Xnew为新个体。步骤6：种群之间迁移优秀个体；步骤7：判断是否达到预定的遗传代数。若不满足，进化代数加1，返回步骤3，重新计算目标函数值；若达到预定遗传代数，则将最优个体输出；步骤8：结束。在另一个方面，本专利技术提供了智能小区需求响应调度设计系统，包括：智能小区优化评估指标确定模块，用于根据智能小区场景用户的负荷类型确定智能小区优化评估指标，所述智能小区优化评估指标包括电动汽车充放电功率和储能系统充放电实时功率；目标函数建立模块，用于针对智能小区优化评估指标建立智能小区的负荷调度的优化目标函数；优化求解模块，用于采用多种群协同进化遗传算法，对建立的目标函数进行优化，求得智能小区优化评估指标最优解。在以上技术方案中，所述负荷调度模型模块建立的智能小区的负荷模型为：在以上技术方案中，以系统总运行费用和电网的交换电量最小设置目标函数建立模块建立的目标函数设置为：minH＝αF+βG式中ΔT为单位时间间隔；T为优化的时段数；Pg(t)为单位时间间隔内与配电网交换的平均功率；pr(t)为单位时间间隔内平均交易价格；PB(t)和Pb(t)分别为t时段储能系统的放电功率和充放电功率，其中Pb(t)充电时为正，放电时为负；σ为惩罚系数；SOCmi本文档来自技高网...

【技术保护点】
1.智能小区需求响应调度方法，其特征在于：包括以下步骤：根据智能小区场景用户的负荷类型确定智能小区优化评估指标，所述智能小区优化评估指标包括电动汽车充放电功率和储能系统充放电实时功率；针对智能小区优化评估指标建立智能小区的负荷调度的优化目标函数；采用多种群协同进化遗传算法对建立的目标函数进行优化，求得智能小区优化评估指标最优解。

【技术特征摘要】
1.智能小区需求响应调度方法，其特征在于：包括以下步骤：根据智能小区场景用户的负荷类型确定智能小区优化评估指标，所述智能小区优化评估指标包括电动汽车充放电功率和储能系统充放电实时功率；针对智能小区优化评估指标建立智能小区的负荷调度的优化目标函数；采用多种群协同进化遗传算法对建立的目标函数进行优化，求得智能小区优化评估指标最优解。2.根据权利要求1所述的智能小区需求响应调度方法，其特征在于：智能小区场景用户的负荷类型分为下面几类：固定负荷、可转移负荷、电动汽车负荷、分布式发电负荷以及储能装置负荷。3.根据权利要求1所述的智能小区需求响应调度方法，其特征在于：所述智能小区的负荷调度的优化目标函数为：minH＝αF+βG式中ΔT为单位时间间隔；T为优化的时段数；Pg(t)为单位时间间隔内与配电网交换的平均功率；pr(t)为单位时间间隔内平均交易价格；PB(t)和Pb(t)分别为t时段储能系统的放电功率和充放电功率，其中Pb(t)充电时为正，放电时为负；σ为惩罚系数；SOCmin为储能的荷电状态的下限；目标函数中为微电网与配电网的电能交易成本，为储能装置的折旧成本，其中Cs_bear为储能电池累计放电1kW·h的折旧成本，Cs_bear的表达式如下：式中Cs_buy为储能装置的购买成本；Cs_buy为储能装置全寿命输出的总电量；为储能放电罚函数，H为智能小区优化评估指标，α、β分别为用户自己设置的参数。4.根据权利要求3所述的智能小区需求响应调度方法，其特征在于：f(SOC(t)表示储能的寿命损耗系数和储能装置荷电状态之间关系，其数学表达式为：式中SOC(t)表示储能t时刻的荷电状态。5.根据权利要求3所述的智能小区需求响应调度方法，其特征在于：所述目标函数的约束条件为：1)功率平衡约束Pb(t)+PEV(t)+PL(t)＝Ppv(t)+Pg(t)式中Ppv(t)为光伏发电功率；PL(t)为t时段负荷侧的固定负荷和可转移负荷功率；PEV(t)为电动汽车在t时段的充电总功率；式中PEV,n(t)为t时段第n辆电动汽车的充电功率；N为电动汽车的总数量；Pavrg_n为第n辆电动汽车在充电时段内的平均充电功率；tEV,n为为第n辆电动汽车的起始充电时刻；PEV,n(t)为第n辆电动汽车在t时刻的充电功率；EEV,n为第n辆电动汽车在t2-t1时刻的充入电量，由第n辆电动汽车的电量需求量Ereq_n决定；2)电动汽车约束式中PEV_rat为电动汽车充电电池的额定充放电功率；SEV为电动汽车停留在充电站的时间段；3)储能装置约束|Pb(t)|≤Pb_ratEb(t)SOCmin≤Eb(t)≤Eb_rat(t)SOCmaxEb(0)＝Eb(T)式中Pb_rat为储能装置的额定功率；Eb(t)为储能装置当前的荷电量；ηb为储能装置的充放电效率；Eb_rat(t)为储能装置的额定荷电量；SOCmax为储能系统荷电状态的上限；4)联络线功率约束Pg(t)≤min{Pmax,PT}式中PT为配电变压器的额定功率；Pmax为联络线路允许的最大传输功率。6.根据权利要求1所述的智能小区需求响应调度方法，其特征在于：采用多种群协同进化遗传算法对建立的目标函数进行优化，包括：步骤1：将智能小区的用户负载、发电功率预测值、电动车到达时间以及剩余电量初始化；步骤2：生成初始种群，对种群中的每个体进行二进制编码，进化代数为1；步骤3...

【专利技术属性】
技术研发人员：陆子刚，卢树峰，黄奇峰，郑爱霞，何胜，陈振宇，杨斌，阮文骏，史忠伟，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，国家电网有限公司，国网江苏省电力有限公司，江苏伟业电力通信工程有限公司，江苏省电力试验研究院有限公司，
类型：发明
国别省市：江苏,32