考虑多微电网储能共享的主动配电网博弈优化调度方法技术

考虑多微电网储能共享的主动配电网博弈优化调度方法，建立基于双重博弈的主动配电网

【技术实现步骤摘要】
考虑多微电网储能共享的主动配电网博弈优化调度方法


[0001]本专利技术涉及配电网优化调度
，具体涉及一种考虑多微电网储能共享的主动配电网博弈优化调度方法。

技术介绍

[0002]为了促进新能源就地消纳，风光新能源一般以微电网(Microgrid,MG)的形式接入主动配电网(Active distribution network,ADN)，形成含有多微电网的主动配电网系统，多微电网共同参与ADN的优化运行调度，可提升系统整体可靠性与经济性，如文献[1]：陈纬楠，胡志坚，岳菁鹏，等.考虑微电网接入的主动配电网双层能量管理[J].南方电网技术，2020，14(7)：30
‑
38.中的记载。
[0003]当多微电网接入同一配电网并单独运行时，各微电网的储能仅用来平衡自身新能源与自身负荷间的功率差，功率过剩或余缺继续通过与上级ADN交互实现平衡。因各微电网储能充放电和能量产消特性各异，在某些调度时段可能存在个别微电网能量过剩，而相邻微电网存在功率缺额的现象，而独立运行模式下的微电网储能仅服务于自身负荷，无法协调相邻微电网的储能行为，使得整体视角下多个微电网储能充放电行为存在无序性特点，导致储能资源浪费。
[0004]而多微电网并网系统具有两个互补性：1)多微电网储能应用的充放电行为各异且具有互补性；2)多微电网的能量产消特性各异且具有互补性。利用这两个特点将多个微电网结盟，形成多微电网联盟(Multi Microgrid Coalition,MMG)，有利于微电网间互联互济，发挥各微电网资源互补效应，促进主动配电网运行效益提升。如文献[2]：X.Feng,J.Gu and X.Guan.Optimal allocation of hybrid energy storage for microgrids based on multi
‑
attribute utility theory[J].Journal of Modern Power Systems and Clean Energy,2018,6(1):107
‑
117.中的记载。
[0005]文献[3]：何黎君，程杉，陈梓铭.考虑交互功率控制和双边竞价交易的多微电网双层优化调度[J].电力系统保护与控制，2020，48(11)：10
‑
17.提出了考虑多微电网与配网交互功率控制的优化调度方法，抑制了多微电网与配电网间交互功率波动，且能降低多微电网系统综合成本。
[0006]文献[4]：黄张浩，张亚超，郑峰，等.基于不同利益主体协调优化的主动配电网日前
‑
实时能量管理方法[J].电网技术，2021，45(6)：2299
‑
2308.针对不同利益主体的配电网和微电网，建立了双层优化调度模型，实现了配电网和微电网群的收益均衡。
[0007]文献[5]：陈波，孙旻，曾伟，何伟.考虑微能源网接入的主动配电网日前优化调度[J].电力系统及其自动化学报，2020，32(11)：102
‑
108.研究了多微电网接入主动配电网后日前调度策略，有效降低了系统综合损耗。
[0008]文献[6]：Y.Fu,Z.Zhang,Z.Li,et al.Energy management for hybrid AC/DC distribution system with microgrid clusters using master
‑
slave game theory and robust optimization[J].IEEE Transactions on Smart Grid,2020,11(2):1510
‑
1525.建立了含微电网群的交直流混合配电系统能量管理框架，通过主从博弈模型实现各主体的利益均衡。
[0009]文献[7]：Marzband M,Javadi M,Pourmousavi S A,et al.An advanced retail electricity market for active distribution systems and home microgrid interoperability based on game theory[J].Electric Power Systems Research,2018,157:187
‑
199.提出了一种家庭微电网优化运行和零售市场交易模型，提高所有参与者的利润。
[0010]文献[8]：Y.Zhang,X.Ai,J.Wen,J.Fang and H.He.Data
‑
adaptive robust optimization method for the economic dispatch of active distribution networks[J].IEEE Transactions on Smart Grid,2019,10(4):3791
‑
3800.针对含有可再生能源的ADN提出了一种自适应鲁棒优化策略，提高了系统运行经济性。
[0011]文献[9]：H.Sheng,C.Wang,B.Li,J.Liang,et al.Multi
‑
timescale active distribution network scheduling considering demand response and user comprehensive satisfaction[J].IEEE Transactions on Industry Applications,2021,57(3):1995
‑
2005.提出了一种考虑用户需求响应和用电满意度的调度方法，用来平抑负荷波动和促进新能源消纳。
[0012]文献[10]：Wei C,Fadlullah Z M,Kato N,et al.GT
‑
CFS:A game theoretic coalition formulation strategy for reducing power loss in micro grids[J].IEEE Transactions on Parallel&Distributed Systems,2014,25(9):2307
‑
2317.提出了一种基于博弈论的多微电网联盟调度策略，有效降低了功率损耗。
[0013]目前，含多微电网的主动配电网优化调度已有大量研究成果，但较少涉及多微电网共享储能。

技术实现思路

[0014]针对多微电网接入主动配电网后产生的充放电无序性及资源浪费等问题，本专利技术提供一种考虑多微电网储能共享的主动配电网博弈优化调度方法，建立基于双重博弈的主动配电网(ADN)
‑
多微电网联盟(MMG)
‑
微电网(MG)协同优化调度模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.考虑多微电网储能共享的主动配电网博弈优化调度方法，其特征在于包括以下步骤：步骤1：根据主动配电网ADN、多微电网联盟MMG的博弈关系，建立主从博弈优化模型；步骤2：构建主从博弈优化模型的约束条件；步骤3：获取主动配电网ADN和多微电网联盟MMG的参数，以及用于主从博弈优化模型求解的粒子群算法参数；步骤4：设定主从博弈优化模型的Stackelberg
‑
Nash均衡解初值并计算下层MMG的回应集并代入上层ADN进行新一轮寻优；步骤5：在第k轮循环过程中，上层ADN以k
‑
1轮MMG的均衡解作为输入策略，求出ADN在当前第k轮的最优策略集及对应的下层MMG的回应集步骤6：判别步骤五的求解结果是否为Stackelberg
‑
Nash均衡解；若满足条件，则输出博弈均衡解，进入步骤7；否则，执行k＝k+1，返回步骤5；步骤7：根据SVM方法分配多微电网联盟MMG的合作剩余，计算各微电网成员分摊的收益。2.根据权利要求1所述考虑多微电网储能共享的主动配电网博弈优化调度方法，其特征在于：所述步骤1中，主从博弈优化模型具体如下：主从博弈模型G的数学表达式可描述为：G＝{{ADN,MMG}；{ρ
s
,ρ
b
}；{P
PCC,MMG,b
,P
PCC,MMG,s
}；{J
ADN
}；{J
MMG
}}
ꢀꢀꢀꢀꢀꢀ
(1)；其中：{ADN,MMG}代表博弈双方，分别为主动配电网和多微电网联盟；{ρ
b
,ρ
s
}代表ADN购售电价策略集；ρ
b
代表ADN回购电价；ρ
s
代表ADN售电电价；{P
PCC,MMG,b
,P
PCC,MMG,s
}代表MMG购售电量策略集，P
PCC,MMG,b
、P
PCC,MMG,s
分别表示MMG的购电量和售电量；当ADN的运行成本J
ADN
和MMG的运行成本J
MMG
共同达到最优时，博弈模型G存在唯一的纳什均衡解，并满足如下条件：式中，博弈模型的均衡解分别代表：ADN售电电价，ADN购电电价，MMG购电量，MMG售电量；上层ADN目标函数为系统的总运行成本，包括机组的发电成本和运行维护成本、ADN与大电网的功率交互成本、ADN与MMG间功率交互成本等，其目标函数如式(3)所示：式中，C
ADN
表示ADN总运行成本；C
PCC,MMG
表示ADN与MMG功率交互成本；C
g
表示ADN与上级大电网功率交互成本；为ADN中可控机组的发电成本；为ADN中发电机组运维成本；下层MMG的目标函数如式(4)所示：J
MMG
＝minC
MMG
＝min(C
MTΣ
+C
PCC,MMG
+C
OMΣ
)
ꢀꢀꢀꢀꢀ
(4)；
式中：C
MMG
表示MMG运行总成本；C
MTΣ
表示MMG中燃气轮机发电总成本；C
OMΣ
表示MMG内发电机组运维总成本。3.根据权利要求1所述考虑多微电网储能共享的主动配电网博弈优化调度方法，其特征在于：所述步骤2中，主从博弈优化模型的约束条件，包括：上层ADN的约束条件如下：1)配电网潮流约束：式(5)中，n1为ADN节点数；P
i
、Q
i
分别为节点i的注入有功、无功功率；U
i
为节点i的电压幅值；G
ij
、B
ij
、δ
ij
分别为节点i与节点j之间的电导值、电纳值、电压相角差；2)ADN线路功率约束：0≤P
lt
≤P
lmax
ꢀꢀꢀꢀ
(6)；式(6)中，P
lt
为配电网t时段第l条支路上的有功功率，P
lmax
为第l条支路的最大传输功率；3)ADN节点电压约束：式中，分别为节点i的电压下限与上限；4)ADN机组出力约束：式中，分别为机组j的出力下限与上限；表示机组j在t时刻的出力；5)分时电价约束：分时电价的基本模型为：分时电价的基本模型为：式(9)、(10)分别表示ADN制定的分时售电电价、购电电价约束；T
g
,T
p
,T
f
分别代表谷、平、峰时段；ρ
sg
,ρ
sp
,ρ
sf
分别代表谷、平、峰时段的售电电价；ρ
bg
,ρ
bp
,ρ
bf
分别代表谷、平、峰时段的回购电价；分时电价需要满足不等式关系ρ
sf
≥ρ
sp
≥ρ
sg
、ρ
bf
≥ρ
bp
≥ρ
bg
，且同一时段的售电电价大于购电电价下层...

【专利技术属性】
技术研发人员：李飞，李咸善，方子健，李振兴，张彬桥，鲁明芳，
申请(专利权)人：三峡大学，
类型：发明
国别省市：