一种考虑光伏出力不确定性的微电网日前优化调度方法技术

本发明专利技术公开了一种考虑光伏出力不确定性的微电网日前优化调度方法，应用于光储燃气轮机协同的微电网领域，包括：构建假设光伏出力无偏差的微电网总运行成本最小为目标的第一阶段确定性优化模型；针对光伏出力偏差，基于仿射约束建立对系统功率平衡进行再调度的再调度模型，得到系统功率平衡再调度成本；用光伏出力偏差的经验概率分布逼近真实概率分布，构建基于

【技术实现步骤摘要】
一种考虑光伏出力不确定性的微电网日前优化调度方法


[0001]本专利技术涉及光储燃气轮机协同的微电网领域，特别涉及一种考虑光伏出力不确定性的微电网日前优化调度方法
。

技术介绍

[0002]能源安全问题一直是未来能源布局上的重中之重，及时进行合理的战略规划，早日实现碳中和，对于解决能源安全问题具有重要意义
。
[0003]为了深入贯彻落实新能源发展战略部署，除建设大型集中式新能源发电基地外，在中低压配网侧，充分利用厂区及楼宇的屋顶
、
空地等剩余空间，因地制宜，建设小型微电网系统，实现新能源的就地消纳
、
自给自足，能有效减少输电线路建设成本与输电损耗，是新能源战略的关键环节之一
。
但是，接入光伏等新能源的小型微电网系统面临电力供应侧波动
、
发用电时空不匹配
、
经济收益不高等问题，为提高含概率分布式能源的小型配电网的“系统友好性”和“经济友好性”，迫切需要研究考虑概率分布式能源不确定性的微电网鲁棒优化调度策略
。
[0004]为此，如何提供一种考虑光伏出力不确定性的微电网日前优化调度方法是本领域技术人员亟需解决的问题
。

技术实现思路

[0005]有鉴于此，本专利技术提出了一种考虑光伏出力不确定性的微电网日前优化调度方法
。
不仅建立了考虑光伏出力不确定性的概率分布鲁棒优化模型，求解得到了兼具鲁棒性和经济型的日前优化调度策略，还考虑了需求侧响应切负荷对用户的影响，提高了用户侧用电满意程度
。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种考虑光伏出力不确定性的微电网目前优化调度方法，包括：
[0008]步骤
(1)
：构建含燃气轮机
、
需求侧响应负荷
、
储能以及微网购电的微电网数学模型，形成假设光伏出力无偏差的微电网总运行成本最小为目标的第一阶段确定性优化模型；
[0009]步骤
(2)
：针对光伏出力偏差引起的系统功率不平衡，基于仿射约束建立所述燃气轮机
、
需求侧响应负荷
、
储能以及微网购电的再调度模型，对系统功率平衡进行再调度，重构系统功率平衡约束，得到系统功率平衡再调度成本；
[0010]步骤
(3)
：基于
Wasserstein
度量，构建
δ
pv
，
t
模糊集，用
δ
pv
，
t
的经验概率分布
P
K
去逼近
δ
pv
，
t
的真实概率分布
P
，构建基于
Wasserstein
距离的
δ
pv
，
t
模糊集，结合系统功率平衡再调度成本，构建极端场景下光伏出力偏差导致系统再调度成本最小为目标的第二阶段鲁棒优化模型；
[0011]步骤
(4)
：将第一阶段确定性优化模型和第二阶段鲁棒优化模型结合，形成考虑光伏出力不确定性的二阶段概率分布鲁棒优化模型，求解得到极端场景下具有鲁棒性的微电
网目前优化调度策略
。
[0012]可选的，步骤
(1)
中，第一阶段确定性优化模型，如下：
[0013]F(x)
＝
f
gas
+f
cut
+f
bat
+f
in
；
[0014]其中，
f
gas
、f
cut
、f
bat
、f
in
分别为燃气轮机的运行成本
、
需求测响应切负荷的补偿成本
、
储能的运行成本
、
微电网从上级电网的购电成本；
[0015]燃气轮机的运行成本，如下：
[0016][0017][0018]其中，
P
h
，
t
、C
h
，
t
(P
h
，
t
)、
分别为第
h
个燃气轮机机组
t
时段的功率
、
运行成本
、
开机成本
、
停机成本；
a
h
、b
h
、c
h
为成本系数；
H
为燃气轮机的个数；
T
为总调度时长；
[0019]需求测响应切负荷的补偿成本，如下：
[0020][0021]C
n,t
＝
α
n
λ
t
；
[0022]其中，
P
n
，
t
为切负荷功率；
C
n
，
t
为切负荷补偿成本；
α
n
为补偿系数；
λ
t
为分时电价；
N
为算例节点数；
[0023]储能的运行成本，如下：
[0024][0025]其中，和分别为储能的充电成本和放电成本；和分别为储能的充电功率和放电功率系数；
η
为储能的充放电效率；
M
为储能个数；
[0026]微电网从上级电网的购电成本，如下：
[0027][0028]其中，
λ
t
为分时电价；
P
in
，
t
为微电网从上级电网的购电功率
。
[0029]可选的，步骤
(1)
中，第一阶段确定性优化模型的约束条件，包括：
[0030]功率平衡约束，如下：
[0031][0032]其中，
P
h
，
t
为第
h
个燃气轮机机组
t
时段的功率；为光伏预测出力；
P
in
，
t
为微电网向从上级电网的购电功率；为负荷功率；
P
n
，
t
为切负荷功率；和分别为储能
的充电功率和放电功率；
H
为燃气轮机的个数；
N
为算例节点数；
M
为储能个数；
PV
为光伏组件总数；
[0033]燃气轮机约束，包括：
[0034]出力上下限约束，如下：
[0035][0036]其中，为燃气轮机的二进制状态变量；
P
h
，
min
...

【技术保护点】

【技术特征摘要】
1.
一种考虑光伏出力不确定性的微电网日前优化调度方法，其特征在于，包括：步骤
(1)
：构建含燃气轮机
、
需求侧响应负荷
、
储能以及微网购电的微电网数学模型，形成假设光伏出力无偏差的微电网总运行成本最小为目标的第一阶段确定性优化模型；步骤
(2)
：针对光伏出力偏差引起的系统功率不平衡，基于仿射约束建立所述燃气轮机
、
需求侧响应负荷
、
储能以及微网购电的再调度模型，对系统功率平衡进行再调度，重构系统功率平衡约束，得到系统功率平衡再调度成本；步骤
(3)
：基于
Wasserstein
度量，构建
δ
pv,t
模糊集，用
δ
pv,t
的经验概率分布
P
K
去逼近
δ
pv,t
的真实概率分布
P
，构建基于
Wasserstein
距离的
δ
pv,t
模糊集，结合所述系统功率平衡再调度成本，构建极端场景下光伏出力偏差导致系统再调度成本最小为目标的第二阶段鲁棒优化模型；步骤
(4)
：将所述第一阶段确定性优化模型和所述第二阶段鲁棒优化模型结合，形成考虑光伏出力不确定性的二阶段概率分布鲁棒优化模型，求解得到极端场景下具有鲁棒性的微电网日前优化调度策略
。2.
根据权利要求1所述的一种考虑光伏出力不确定性的微电网日前优化调度方法，其特征在于，步骤
(1)
中，所述第一阶段确定性优化模型，如下：
F(x)
＝
f
gas
+f
cut
+f
bat
+f
in
；其中，
f
gas
、f
cut
、F
bat
、f
in
分别为燃气轮机的运行成本
、
需求测响应切负荷的补偿成本
、
储能的运行成本
、
微电网从上级电网的购电成本；所述燃气轮机的运行成本，如下：所述燃气轮机的运行成本，如下：其中，
P
h,t
、C
h,t
(P
h,t
)、
分别为第
h
个燃气轮机机组
t
时段的功率
、
运行成本
、
开机成本
、
停机成本；
a
h
、b
h
、c
h
为成本系数；
H
为燃气轮机的个数；
T
为总调度时长；所述需求测响应切负荷的补偿成本，如下：
C
n,t
＝
α
n
λ
t
；其中，
P
n,t
为切负荷功率；
C
n,t
为切负荷补偿成本；
α
n
为补偿系数；
λ
t
为分时电价；
N
为算例节点数；所述储能的运行成本，如下：其中，和分别为储能的充电成本和放电成本；和分别为储能的充电
功率和放电功率系数；
η
为储能的充放电效率；
M
为储能个数；所述微电网从上级电网的购电成本，如下：其中，
λ
t
为分时电价；
P
in,t
为微电网从上级电网的购电功率
。3.
根据权利要求1所述的一种考虑光伏出力不确定性的微电网日前优化调度方法，其特征在于，步骤
(1)
中，所述第一阶段确定性优化模型的约束条件，包括：功率平衡约束，如下：其中，
P
h,t
为第
h
个燃气轮机机组
t
时段的功率；为光伏预测出力；
P
in,t
为微电网向从上级电网的购电功率；为负荷功率；
P
n,t
为切负荷功率；和分别为储能的充电功率和放电功率；
H
为燃气轮机的个数；
N
为算例节点数；
M
为储能个数；
PV
为光伏组件总数；燃气轮机约束，包括：出力上下限约束，如下：其中，为燃气轮机的二进制状态变量；
P
h,min
和
P
h,max
分别为燃气轮机出力的下限和上限；热备用约束，如下：其中，
ρ
为热备用系数；爬坡约束，如下：爬坡约束，如下：其中，
P
h,t
‑1为第
h
个燃气轮机机组
t
‑1时段的功率；和分别为上下爬坡速率；和分别为最大上下爬坡容量；最小启停时间约束，如下：
其中，
TO
h
为燃气轮机最小启动时间；
TS
h
为燃气轮机最小关停时间；
τ
为求和过程中的计算变量；启动和关停成本约束，如下：其中，和分别为第
h
个燃气轮机机组
t
时段的开机成本和停机成本；
O
h
和
S
h
分别为燃气轮机启动和关停的成本系数；和分别为燃气轮机的二进制启动变量和二进制关停变量；状态耦合约束，如下：光伏出力约束，如下：其中，为光伏真实出力；为光伏实际最大出力；储能约束，如下：其中，为储能最大充放电功率；
η
为储能的充放电效率；
T
为总调度时长；微电网从上级电网的购电约束，如下：其中，为购电功率上限；潮流安全约束，如下：
其中，
P
l,t
为线路潮流功率；和分别为线路潮流的下限和上限；
G
l
‑
h
、G
l
‑
pv
、G
l
‑
m
、G
l
‑
in
、G
l
‑
n
分别为线路
‑
燃气轮机的潮流转移概率分布因子
、
线路
‑
光伏的潮流转移概率分布因子
、
线路
‑
储能的...

【专利技术属性】
技术研发人员：陈郁林，齐冬莲，陈庚睿，闫云凤，翁沈军，汪显博，
申请(专利权)人：浙江大学海南研究院，
类型：发明
国别省市：