一种基于Benders分解的独立型微电网多目标设备优化配置方法技术

本发明专利技术涉及一种基于Benders分解的独立型微电网多目标设备优化配置方法，提出了一种计及供电可靠性的独立型微电网多目标双层优化配置方法，基于Benders分解将优化配置问题解耦为考虑经济性和环保性的设备优化配置主问题和供电可靠性检验子问题，显著地降低了问题的复杂度，提高了求解效率。本发明专利技术考虑负荷重要等级，建立了分级负荷模型，并在供电可靠性检验子问题中引入了两类松弛变量，同时保证了重要负荷的可靠供电以及系统的供电可靠性要求。求。求。

【技术实现步骤摘要】
一种基于Benders分解的独立型微电网多目标设备优化配置方法


[0001]本专利技术涉及一种独立型微电网优化配置方法。特别是涉及一种基于Benders分解的独立型微电网多目标设备优化配置方法。

技术介绍

[0002]对于极区、海岛和部分偏远地区，由于受地理环境的限制无法与电网互联，独立型微电网成为解决这类地区供电问题的有效手段。与并网型微电网不同，独立型微电网内部发电和储能设备故障可能导致用户电力供应中断，在一些特殊场景给用户造成无法承担的损失。因此，在追求经济性和环保性的同时，进一步考虑供电可靠性对独立型微电网配置方案的影响，这对于进一步推动其工程应用具有重要意义。
[0003]微电网的优化配置涉及设备容量配置和运行优化的耦合，是一个典型的多目标组合优化问题，常用的求解方法有人工智能算法以及解耦算法。其中，粒子群算法和遗传算法等人工智能算法不受限于具体的数学模型，适用范围极其广泛。但由于可靠性评估本身就是包含抽样和状态模拟的复杂问题，计及供电可靠性的独立型微电网的优化配置问题，若采用需要大量初始种群的人工智能算法会带来庞大的计算量。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Benders分解的独立型微电网多目标设备优化配置方法，包括如下步骤：步骤1：输入系统参数(系统类型，系统规划参数，备选设备型号，备选设备经济及技术参数，负荷曲线，可再生能源数据，重要负荷占比)，设置系统年最大允许缺供电量EENS
set
。步骤2：初始化迭代次数i＝1。步骤3：求解计及经济性和环保性的设备优化配置主问题。步骤4：若主问题可行，则转向步骤5。否则根据实际安装场地环境和空间大小等因素合理地调整设备配置约束，并转向步骤3。步骤5：基于拉丁超立方抽样以及Choleskey分解进行相关性抽样，根据主问题设备配置方案计算设备故障状态组合及各状态的概率。步骤6：求解供电可靠性检验子问题，判断当前配置条件下系统的供电可靠性是否满足要求。步骤7：若松弛变量S为零，转入步骤8；若松弛变量S大于零，根据子问题配置变量约束的对偶变量给主问题添加Benders割约束，并返回步骤3，以求解新的配置方案。步骤8：输出系统优化配置结果。2.根据权利要求1所述的一种基于Benders分解的独立型微电网多目标设备优化配置方法，其特征在于，所述的步骤3中的求解计及经济性和环保性的设备优化配置主问题具体步骤如下：步骤3
‑
1：考虑可再生能源与负荷波动性的影响，利用基于典型日评价指标体系的混合整数多目标线性优化模型选取典型日及相应权重系数。步骤3
‑
2：以等年值总成本C
total
为优化目标，设备配置及运行变量为优化变量，求解仅考虑经济性和环保性的设备优化配置主问题。3.根据权利要求1所述的一种基于Benders分解的独立型微电网多目标设备优化配置方法，其特征在于，所述的步骤5中的基于拉丁超立方抽样以及Choleskey分解进行相关性抽样，根据主问题设备配置方案计算设备故障状态组合及各状态的概率具体步骤如下：步骤5
‑
1：以小时级风速v、光照强度G、电池储能系统荷电状态C和电力负荷P
L
组成相关性抽样输入向量V＝[v,G,C,P
L
]，其中风速服从威布尔分布，光照强度服从贝塔分布，电力负荷以及储能SOC服从经验分布。对V进行拉丁超立方抽样和Choleskey分解排序得到具有目标相关性的样本矩阵R，包含N
LHS
个样本R
j
(j＝1,2,
…
,N
LHS
)。步骤5
‑
2：对发电和储能设备采用“正常
‑
故障”两状态模型，并假定各设备故障事件相互独立，枚举出各设备故障状态得到每一样本条件下的故障状态组合矩阵Z
j
，该矩阵包含N
F
个样本Z
...

【专利技术属性】
技术研发人员：魏炜，王贺蓉，侯恺，
申请(专利权)人：天津大学，
类型：发明
国别省市：