一种企业微电网能量经济优化调度方法技术

本发明专利技术涉及一种企业微电网能量经济优化调度方法，该方法包括1)分析企业微电网发电与用电系统运行特性，建立各系统运行模型；2)根据系统运行模型，结合各系统历史运行数据，采用最优预测算法，进行发电与用电功率预测；3)根据微电网系统功率预测结果，结合各系统运行成本与约束条件，建立基于日前的微电网经济环保最优、安全可靠的多目标函数，采用改进遗传算法进行求解，获取日前最优调度计划；4)基于日前最优调度计划，结合短时预测结果，建立日内优化目标函数和约束条件，采用改进遗传算法进行求解，获取日内最优调度计划；5)下发日内最优调度计划到各系统设备中。与现有技术相比，本发明专利技术具有实现微电网经济优化运行的目的等优点。等优点。等优点。

【技术实现步骤摘要】
一种企业微电网能量经济优化调度方法


[0001]本专利技术涉及微电网优化调度领域，尤其是涉及一种企业微电网能量经济优化调度方法。

技术介绍

[0002]新型电力系统下，以风力、光伏为主的清洁能源，在电力系统中的占比逐渐增加，而为了更好的降低这些清洁能源带来的波动、间歇以及不确定性的影响，同时为应对峰谷价差的逐渐拉大，一般通过配置储能系统给予解决，特别是在以园区、工商业企业为主的微电网系统中，风光配储系统更加普遍。
[0003]但限于原材料与技术的问题，导致储能系统的建设成本居高不下，传统的储能系统仅用于备用电源与削峰填谷的策略，已无法满足微电网系统经济性的要求，针对于此，相关研究采用优化调度方法实现系统运行的经济性，但相关调度方法多采用单一算法与单一尺度进行模型优化与求解，很难适应因运行条件与周围环境的变化，导致的系统运行不稳定与经济不最优的问题。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种企业微电网能量经济优化调度方法。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]根据本专利技术的一个方面，提供了一种企业微电网能量经济优化调度方法，该方法包括以下步骤：
[0007]步骤1)分析企业微电网发电与用电系统运行特性，建立各系统运行模型；
[0008]步骤2)根据系统运行模型，结合各系统历史运行数据，采用最优预测算法，进行发电与用电功率预测；
[0009]步骤3)根据微电网系统功率预测结果，结合各系统运行成本与约束条件，建立基于日前的微电网经济环保最优、安全可靠的多目标函数，采用改进遗传算法进行求解，获取日前最优调度计划；
[0010]步骤4)基于日前最优调度计划，结合短时预测结果，建立日内优化目标函数和约束条件，采用改进遗传算法进行求解，获取日内最优调度计划；
[0011]步骤5)下发日内最优调度计划到各系统设备中，实现微电网安全可靠、经济最优的运行目的。
[0012]作为优选的技术方案，所述的步骤1)具体为：
[0013]分析微电网发用电系统运行特性，具体包括风电系统、光伏系统、储能系统、负荷系统的运行特性，并建立其数学模型；
[0014]其中所述风电系统的数学模型为一个分阶段函数，具体为：
[0015][0016]其中，P
wind
为风力发电的输出功率，P
wr
为额定功率，R为实际风速，R
i
为切入风速，R
t
为额定风速，R
o
为切出风速，a、b、c为模型参数，由风机厂家的风速功率曲线获得；
[0017]所述光伏系统的数学模型为：
[0018][0019]其中，P
pv
为光伏发电的输出功率，P
max，0
为光伏发电系统在标准测试条件下的最大输出功率，μ
pmax
为温度引起输出最大功率变化系数，G为太阳能辐射强度，T为光伏电池绝对温度，G
ref
为标准环境下太阳能辐照强度，T
ref
为标准温度；
[0020]所述的储能系统的数学模型为：
[0021][0022]其中，SOC(t)、SOC(t
‑
1)为t、t
‑
1时刻的电池剩余电能，ε为自放电率，E
b
为电池的容量，P
b.c
、P
b.d
为电池充放电功率，η
c
、η
d
为充放电效率；
[0023]所述的负荷系统的数学模型为：。
[0024]P
′
Load
(t)＝P
Load0
(t)
‑
μ
L
*P
Load
(t)
[0025]其中，P
′
Load
(t)为t时段采用负荷中断后的负荷供给量；P
Load0
(t)为t时段的可中断负荷用户需求量；P
Load0
(t)为t时段的可中断负荷调整量；μ
L
为0
‑
1变量，表示可中断负荷的运行状态，0表示不进行中断，1表示进行中断。
[0026]作为优选的技术方案，所述的步骤2)中的结合各系统历史运行数据与环境信息，具体包括光伏系统的历史运行数据、温度、湿度、风速、辐照度；风电系统的历史运行数据、风速、风向角度、风力等级、降水量、气压；负荷系统的负荷历史运行数据、最高温度、最低温度、平均温度、相对湿度、降雨量。
[0027]作为优选的技术方案，所述的步骤2)中的采用各系统最优预测算法，进行发用电功率预测具体包括光伏系统采用鲸鱼优化算法优化长短期记忆网络的预测模型进行光伏输出功率预测；风电系统采用XGBOOST极限梯度提升模型进行风电输出功率预测；负荷系统采用随机森林回归模型进行负荷功率预测；结合未来环境信息，分别获取日前每小时各个系统的功率值。
[0028]作为优选的技术方案，所述的步骤3)中的各系统运行成本与约束条件，其中运行成本包括用电成本、维护成本、环境成本；约束条件包括功率平衡约束、储能容量约束、联络线功率约束。
[0029]作为优选的技术方案，所述的用电成本，计算如下：
[0030][0031]其中，C
grid
为用电成本，e
sell
(t)、e
buy
(t)分别为t时售电价格和购电价格，P
grid.sell
(t)、P
grid.buy
(t)分别为微电网向电网售电量和购电量，t为时间，T为优化周期，Δt为第t时段的时长；
[0032]所述的维护成本，计算如下：
[0033][0034]其中，K
om，i
为设备i的运行维护系数，P
i
(t)为所需维护的设备容量大小，N为设备总数，t为时间，T为优化周期；
[0035]所述的环境成本，计算如下：
[0036][0037]其中，f
i
(t)为i设备排放的污染物，K
tre，i，j
为相应污染物j的治理成本，K
ex，i，j
为相应污染物j的排放系数，N为设备总数，M为污染物种类，t为时间，T为优化周期。
[0038]作为优选的技术方案，所述的功率平衡约束具体为：
[0039]P
grid
(t)+P
bat
(t)+P
pv
(t)+P
wind(
t)＝P
load
(t)
[0040]其中，P
grid
(t)微电网与大电网交换功率，P
grid
(t)＞0表示电能从大电网流向微电网、P
grid
(t)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种企业微电网能量经济优化调度方法，其特征在于，该方法包括以下步骤：步骤1)分析企业微电网发电与用电系统运行特性，建立各系统运行模型；步骤2)根据系统运行模型，结合各系统历史运行数据，采用最优预测算法，进行发电与用电功率预测；步骤3)根据微电网系统功率预测结果，结合各系统运行成本与约束条件，建立基于日前的微电网经济环保最优、安全可靠的多目标函数，采用改进遗传算法进行求解，获取日前最优调度计划；步骤4)基于日前最优调度计划，结合短时预测结果，建立日内优化目标函数和约束条件，采用改进遗传算法进行求解，获取日内最优调度计划；步骤5)下发日内最优调度计划到各系统设备中，实现微电网安全可靠、经济最优的运行目的。2.根据权利要求1所述的一种企业微电网能量经济优化调度方法，其特征在于，所述的步骤1)具体为：分析微电网发用电系统运行特性，具体包括风电系统、光伏系统、储能系统、负荷系统的运行特性，并建立其数学模型；其中所述风电系统的数学模型为一个分阶段函数，具体为：其中，P
wind
为风力发电的输出功率，P
wr
为额定功率，R为实际风速，R
i
为切入风速，R
t
为额定风速，R
o
为切出风速，a、b、c为模型参数，由风机厂家的风速功率曲线获得；所述光伏系统的数学模型为：其中，P
pv
为光伏发电的输出功率，P
max,
为光伏发电系统在标准测试条件下的最大输出功率，μ
pmax
为温度引起输出最大功率变化系数，G为太阳能辐射强度，T为光伏电池绝对温度，G
ref
为标准环境下太阳能辐照强度，T
ref
为标准温度；所述的储能系统的数学模型为：其中，SOC(t)、SOC(t
‑
1)为t、t
‑
1时刻的电池剩余电能，ε为自放电率，E
b
为电池的容量，P
b.c
、P
b.d
为电池充放电功率，η
c
、η
d
为充放电效率；所述的负荷系统的数学模型为：P
′
Load
(t)=P
Load0
(t)
‑
μ
L
*P
Load
(t)其中，P
′
Load
(t)为t时段采用负荷中断后的负荷供给量；P
Load0
(t)为t时段的可中断负荷用户需求量；P
Load0
(t)为t时段的可中断负荷调整量；μ
L
为0
‑
1变量，表示可中断负荷的运行状态，0表示不进行中断，1表示进行中断。3.根据权利要求1所述的一种企业微电网能量经济优化调度方法，其特征在于，所述的
步骤2)中的结合各系统历史运行数据与环境信息，具体包括光伏系统的历史运行数据、温度、湿度、风速、辐照度；风电系统的历史运行数据、风速、风向角度、风力等级、降水量、气压；负荷系统的负荷历史运行数据、最高温度、最低温度、平均温度、相对湿度、降雨量。4.根据权利要求1所述的一种企业微电网能量经济优化调度方法，其特征在于，所述的步骤2)中的采用各系统最优预测算法，进行发用电功率预测具体包括光伏系统采用鲸鱼优化算法优化长短期记忆网络的预测模型进行光伏输出功率预测；风电系统采用XGBOOST极限梯度提升模型进行风电输出功率预测；负荷系统采用随机森林回归模型进行负荷功率预测；结合未来环境信息，分别获取日前每小时各个系统的功率值。5.根据权利要求1所述的一种企业微电网能量经济优化调度方法，其特征在于，所述的步骤3)中的各系统运行成本与约束条件，其中运行成本包括用电成本、维护成本、环境成本；约束条件包括功率平衡约束、储能容量约束、联络线功率约束。6.根据权利要求5所述的一种企业微电网能量经济优化调度方法，其特征在于，所述的用电成本...

【专利技术属性】
技术研发人员：司文旭，万俊杰，方严，李新颜，郑孝雨，史学超，
申请(专利权)人：江苏安科瑞电器制造有限公司江苏安科瑞微电网研究院有限公司，
类型：发明
国别省市：