一种多微网随机预测控制方法技术

一种多微网随机预测控制方法，通过对系统内售购电和购气量联合概率约束，对可再生能源发电以及电热负荷的不确定性进行建模。采用分解法将具有耦合性的联合概率约束分解为M个机会约束，并采用机会约束预测控制将机会约束替换为考虑不确定参数统计特性的确定性约束。本发明专利技术在所提能量管理控制策略中以系统售购电以及购气量联合概率约束的形式，考虑到了系统内可再生能源不确定以及负荷不确定对系统的影响。同时由于可再生能源在微网中渗透率越来越高，因此从主网角度来看，该策略可以是互联微网的行为更加具有可预测性，从而减少能量管理系统的复杂性。

【技术实现步骤摘要】
一种多微网随机预测控制方法
本专利技术涉及一种多微网随机预测控制方法。
技术介绍
模型预测控制(MPC)是目前电力系统界关注的最成功的控制策略之一。MPC能够考虑系统的特性和运行约束，并考虑系统行为的未来预测和闭环控制策略，使其成为电力系统应用中极具吸引力的一种控制策略。在现有关于多微网能量管理策略的专利技术中，存在以下问题：(1)现有专利技术主要是针对以电力为单一能源的微电网，较少考虑到含有多种能源形式的微网(2)未对系统内可再生能源出力以及热电负荷不确定性进行分析并在提出的算法也未将其考虑进去。风力发电和光伏发电具有高度不确定性，严重影响了微电网的实际运行，同时系统内电负荷与热负荷由于天气以及人为等因素的影响，使得其也具有一定不确定性。
技术实现思路
为了克服已有技术的不足，本专利技术在随机预测控制框架基础上提出一种协调多微网的能量管理方法，在消除风光以及负荷不确定性对系统影响的基础上，实现整个系统以及各微网的运行成本最小。本专利技术解决其技术问题所采用的技术方案是：一种多微网随机预测控制方法，包括以下步骤：1)建立多微网系统框架在随机预测控制框架下协调多微网的运行管理，多微网系统包含M个异构微网，式(1)-(4)为每个微网的动态等式：式中：zi(t)为t时刻微网i中储能系统荷电状态(Stateofcharge，SOC)；PESS,i(t)为t时刻微网i中储能系统充放电功率；CESS,i为微网i中储能系统充放电系数；和分别为t时刻微网i的购电和售电功率；PWT,i(t)为t时刻微网i中风力发电功率；PPV,i(t)为t时刻微网i中光伏发电功率；为t时刻微网i中燃料电池发电功率；为t时刻微网i中热泵热功率；ηHP,i微网i中热泵产热效率；和分别t时刻微网i的电负荷和热负荷；为t时刻微网i中燃气锅炉热功率；为t时刻微网i的购气量；LHV为天然气的低热值，取9.7kWh/Nm3；ηFC,i与ηGB,i分别为微网i中燃料电池发电效率和燃气锅炉热效率；根据(2)看出，在电力短缺的情况下，微网可以从主电网购买所需的电力，在电力过剩的情况下向电网出售能源，但是同时买卖是不允许的；每个微网总运行成本如式(5)：式中：为微网i总运行成本；costi(t)为微网i购买电以及购气所花成本；为微网i中设备运行成本；λpur、λsell和λgas分别为购买电价格以及购气价格；λESS,i、λSOFC,i、λHP,i和λGB,i分别为微网i中各装置维护成本价格系数；为了系统的安全，也需要满足以下约束：式中：分别为微网i中储能系统荷电状态上下限；分别为微网i中储能系统充放电功率上下限；分别为微网i中燃料电池发电功率上下限；分别为微网i中热泵热功率上下限；分别为微网i中燃气锅炉热功率上下限；为微网i购电功率上限；为微网i卖电功率上限；为微网i购气量上限；考虑到微网能量交易的不确定性，因此对微网能量交易进行了联合概率约束，其中P为事件发生概率；1-ρ为预先设定的置信水平；式中M为微网个数；根据联合约束式(14)，系统中所有微网的能量交换约束满足要求概率都大于1-ρ，但同时该约束也使得各个微网的运行相互耦合；利用一种分解法，将随机约束转换为了M个机会约束和M个新的耦合约束，如式(15)(16)，在协调多微网系统中，能量管理中心通过最小化系统的总成本，将风险参数分配给各个微网；式中：σi为每个微网的风险系数；2)机会约束预测控制在MPC中，考虑了系统的动态预测模型，在所设定的控制范围内求解一个约束优化问题，并得到一系列最优控制动作；然而，该系统只执行了所获得的最优控制序列的第一个样本，忽略了剩余的样本，下一步，控制系统在考虑系统状态和参数最新信息的情况下，进行整个优化过程，这种内在的反馈机制给算法带来了鲁棒性，使其成为在不确定性条件下进行决策的合适工具；在CCMPC中，除了确定性约束外，优化问题中还可以包含一些如式(17)的概率(机会)约束。在这种情况下，最常见的解决策略是将机会约束替换为考虑不确定参数统计特性的确定性约束；P{xmin≤x(t)≤xmax}≥1-ρ(17)假设不确定参数x(t)服从高斯概率密度函数，即x(t)～N(m,a2)，m为期望值，a2为方差，则将式(17)转化为式(18)(19)：利用累计分布函数性质，得到式(17)的确定性约束：m≤xmax-aφ-1(1-ρ)(20)m≥xmin+aφ-1(1-ρ)(21)式中：φ(·)表示均值为零和单位方差的标准正态变量的累积分布函数；当不确定参数的概率密度函数未知时，使用切尔雪夫不等式推导出确定性约束如式(22)、(23)：3)能量管理方法在CCMPC框架下，研究具有联合约束的微电网协调运行管理问题，将风机和光伏发电的间歇性以及负荷的可变性作为不确定性的不同来源，引入两个新的变量μi(t)、βi(t)，假设μi(t)、β(t)服从正态分布概率密度函数，即其中和为两个变量的期望值，∑μ,i和∑β,i为两个变量的方差；考虑到式(2)～(4)的线性关系，售购电功率以及购天然气量的期望和协方差表示为：式中：和为t时刻微网i购电功率和卖电功率期望值；和为t时刻微网i购电功率和卖电功率方差；为t时刻微网i购气量期望值；为t时刻微网i购气量方差；最后，提出的基于CCMPC的耦合概率约束微电网能量管理问题表述如下：s.t.(1),(6)-(13),(16),(26)-(30)(32)式中：Hp为系统运行周期。在每个采样时间间隔开始时，多微网系统的能量管理中心将从每个微网收集所需信息，并解决上述优化问题。然后获得控制序列并与微电网本地控制器进行通信，以在相关微网中实现。能量管理中心发出的控制序列信息包含储能充放电功率，燃料电池发电功率，燃气锅炉产热功率，热泵产热功率，向主网购售电量，购气量。本专利技术通过对系统内售购电和购气量联合概率约束，对可再生能源发电以及电热负荷的不确定性进行建模。采用分解法将具有耦合性的联合概率约束分解为M个机会约束，并采用机会约束预测控制将机会约束替换为考虑不确定参数统计特性的确定性约束。本专利技术针对包含有多种能源形式的微网，在机会约束MPC(chance-constrainedMPC，CCMPC)框架下，对微网的协同运行管理进行了研究。提出了一种联合概率约束，保证微网与主网的实时功率交换以及从燃气公司购买燃气量不违反预先设定的置信水平的期望运行范围，实现系统运行成本经济最优。首先各微网中本地控制器会在本文档来自技高网...

【技术保护点】
1.一种多微网随机预测控制方法，其特征在于，所述方法包括以下步骤：/n1)建立多微网系统框架/n在随机预测控制框架下协调多微网的运行管理，多微网系统包含M个异构微网，式(1)-(4)为每个微网的动态等式：/n

【技术特征摘要】
1.一种多微网随机预测控制方法，其特征在于，所述方法包括以下步骤：
1)建立多微网系统框架
在随机预测控制框架下协调多微网的运行管理，多微网系统包含M个异构微网，式(1)-(4)为每个微网的动态等式：












式中：zi(t)为t时刻微网i中储能系统荷电状态(Stateofcharge，SOC)；PESS,i(t)为t时刻微网i中储能系统充放电功率；CESS,i为微网i中储能系统充放电系数；和分别为t时刻微网i的购电和售电功率；PWT,i(t)为t时刻微网i中风力发电功率；PPV,i(t)为t时刻微网i中光伏发电功率；为t时刻微网i中燃料电池发电功率；为t时刻微网i中热泵热功率；ηHP,i微网i中热泵产热效率；和分别t时刻微网i的电负荷和热负荷；为t时刻微网i中燃气锅炉热功率；为t时刻微网i的购气量；LHV为天然气的低热值，取9.7kWh/Nm3；ηFC,i与ηGB,i分别为微网i中燃料电池发电效率和燃气锅炉热效率；
根据(2)看出，在电力短缺的情况下，微网可以从主电网购买所需的电力，在电力过剩的情况下向电网出售能源，但是同时买卖是不允许的；
每个微网总运行成本如式(5)：



式中：为微网i总运行成本；costi(t)为微网i购买电以及购气所花成本；为微网i中设备运行成本；λpur、λsell和λgas分别为购买电价格以及购气价格；λESS,i、λSOFC,i、λHP,i和λGB,i分别为微网i中各装置维护成本价格系数；
为了系统的安全，也需要满足以下约束：
























式中：分别为微网i中储能系统荷电状态上下限；分别为微网i中储能系统充放电功率上下限；分别为微网i中燃料电池发电功率上下限；分别为微网i中热泵热功率上下限；分别为微网i中燃气锅炉热功率上下限；为微网i购电功率上限；为微网i卖电功率上限；为微网i购气量上限；
考虑到微网能量交易的不确定性，因此对微网能量交易进行了联合概率约束，其中P为事件发生概率；1-ρ为预先设定的置信水平；



式中M为微网个...

【专利技术属性】
技术研发人员：肖龙海，邬成锋，张群艳，汤化国，顾华东，朱新，王晓明，刘闯，
申请(专利权)人：国网浙江海宁市供电有限公司，海宁市金能电力实业有限公司，
类型：发明
国别省市：浙江;33