考慮不平衡度約束的單三相混聯(lián)多微網(wǎng)日前經(jīng)濟優(yōu)化方法
【專利摘要】本發(fā)明公開了考慮不平衡度約束的單三相混聯(lián)多微網(wǎng)日前經(jīng)濟優(yōu)化方法。隨著電網(wǎng)單區(qū)域內(nèi)微電網(wǎng)接入數(shù)量增多，將形成運行模式及控制方式更加復雜的多微網(wǎng)，多微網(wǎng)作為結(jié)構(gòu)及控制模式更加復雜的微電網(wǎng)群落，針對商業(yè)應用價值較高的光儲型多微網(wǎng)進行經(jīng)濟優(yōu)化算法研究具有重要意義。本發(fā)明考慮單三相混聯(lián)拓撲，提出了一種考慮不平衡度約束的多微網(wǎng)日前經(jīng)濟優(yōu)化方法。基于分層分級的通信架構(gòu)及信息傳送方式，以雙層滾動優(yōu)化為結(jié)構(gòu)，底層為各子微網(wǎng)以經(jīng)濟性最優(yōu)為目標，上層通過平衡底層優(yōu)化后的各單相子微網(wǎng)聯(lián)絡(luò)線功率值，得出各子微網(wǎng)相應出力。經(jīng)實例驗證，所提方法可行并有效減少該系統(tǒng)三相不平衡度，為提高多微網(wǎng)經(jīng)濟性提供一定的借鑒意義。
【專利說明】
考慮不平衡度約束的單三相混聯(lián)多微網(wǎng)日前經(jīng)濟優(yōu)化方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及多微網(wǎng)經(jīng)濟優(yōu)化領(lǐng)域，特別涉及一種考慮不平衡度約束的單三相混聯(lián)多微網(wǎng)日前經(jīng)濟優(yōu)化方法。
【背景技術(shù)】
[0002]微電網(wǎng)是一種將分布式電源、負荷、儲能裝置、變流器以及監(jiān)控保護裝置有機整合在一起的小型發(fā)配電系統(tǒng)。憑借微電網(wǎng)的運行控制和能量管理等關(guān)鍵技術(shù)，可以實現(xiàn)其并網(wǎng)或孤島運行、降低間歇性分布式電源給配電網(wǎng)帶來的不利影響，最大限度地利用分布式電源出力，高供電可靠性和電能質(zhì)量。在微網(wǎng)向智能電網(wǎng)發(fā)展的過程中，多微網(wǎng)系統(tǒng)成為繼單微網(wǎng)之后的新型電網(wǎng)研究熱點。單相分布式電源，甚至單相微網(wǎng)的接入，從而形成單三相多微網(wǎng)混聯(lián)的復雜結(jié)構(gòu)系統(tǒng)，這方面研究國外剛開始開展，而國內(nèi)基本處于空白。而如何對混聯(lián)多微網(wǎng)進行經(jīng)濟優(yōu)化，提高多微網(wǎng)的經(jīng)濟效益，將成為多微網(wǎng)的研究核心及熱點問題。
[0003]經(jīng)對現(xiàn)有技術(shù)文獻的檢索發(fā)現(xiàn)，一種含間歇性能源獨立微電網(wǎng)的動態(tài)經(jīng)濟調(diào)度優(yōu)化方法(發(fā)明專利:CN201510212034.1)公開了一種含間歇性能源獨立微電網(wǎng)的動態(tài)經(jīng)濟調(diào)度優(yōu)化方法，通過在動態(tài)經(jīng)濟調(diào)度中引入功率平衡、系統(tǒng)備用容量、機組出力、機組最短啟停時間等約束條件，以及基于各分布式電源和儲能系統(tǒng)之間有功功率分配的優(yōu)化目標函數(shù)，根據(jù)系統(tǒng)負荷和風電在不同情況下的隨機波動變化，有效求解出各時段的系統(tǒng)最小運行成本及各分布式發(fā)電單元的最佳輸出功率，在有限的調(diào)度時間段內(nèi)極大地提高了系統(tǒng)經(jīng)濟調(diào)度優(yōu)化的效率和準確度，確保優(yōu)化目標為在系統(tǒng)穩(wěn)定可靠運行基礎(chǔ)上的總運行成本最小化。但該方法只考慮單微網(wǎng)的經(jīng)濟優(yōu)化調(diào)度，并未考慮快速發(fā)展的單三相多微網(wǎng)的經(jīng)濟優(yōu)化，更沒有滿足三相不平衡的調(diào)度約束。

【發(fā)明內(nèi)容】

[0004]本發(fā)明考慮單三相混聯(lián)拓撲，提出了考慮不平衡度約束的多微網(wǎng)日前經(jīng)濟優(yōu)化方法。經(jīng)實例驗證，所提方法可行并有效減少該系統(tǒng)三相不平衡度，提高多微網(wǎng)的經(jīng)濟效益。
[0005]考慮不平衡度約束的單三相混聯(lián)多微網(wǎng)日前經(jīng)濟優(yōu)化方法，包括如下步驟:
[0006](I)對各單相和三相微電網(wǎng)進行分布式單微網(wǎng)經(jīng)濟優(yōu)化，得出各單微網(wǎng)儲能出力的最優(yōu)解集GbestkΛ=1...3,1代表A相，2代表B相，3代表C相；
[0007](2)將步驟(I)得到的各單微網(wǎng)的最優(yōu)解集Gbestk,換算成聯(lián)絡(luò)線功率值按相序上傳至多微網(wǎng)中央控制器，在中央控制器內(nèi)完成不平衡約束修正算法。聯(lián)絡(luò)線功率值具體換算過程如下:？1^ = ?1。^11^^(^，其中，？1^代表某相單微網(wǎng)聯(lián)絡(luò)線功率值汰=1?3，1代表A相，2代表B相，3代表C相;Piciadk代表某項單微網(wǎng)內(nèi)負荷功率;Pvk代表某相單微網(wǎng)內(nèi)光伏功率;Pcbestk代表第(I)步中得出的單微網(wǎng)儲能出力功率值；
[0008](3)將單微網(wǎng)內(nèi)一日24小時的儲能出力分為96個時刻i，i = I?96，i的初始值為I ；
[0009](4)多微網(wǎng)中央控制器判斷i時刻所對應A、B、C三相的聯(lián)絡(luò)線功率值的不平衡度是否已經(jīng)大于設(shè)定百分比13%，若否，則將對應聯(lián)絡(luò)線功率值保存，使i加I，并從本步驟重新開始，若是，則進行下一步；
[0010](5)以i時刻對應的聯(lián)絡(luò)線功率值為輸入值，進行基于粒子群算法的聯(lián)絡(luò)線功率值優(yōu)化修正，保證三相不平衡度小于b%的同時，使修正后的各相聯(lián)絡(luò)線功率較修正前的變化總和最小，即 Δ Dimin= I Plinei'-Plinei | + | Plinei，-Plinei | + | Plinei，-Plinei |，其中△ Dimin 為各相聯(lián)絡(luò)線功率變化總和，pline31、pline31、pline3i為i時刻修改前所對應的各相儲能出力，plinei’、PBS2i’、PBS3i ’為修正后的各相聯(lián)絡(luò)線功率；
[0011](6)以時刻I至i對應的各相聯(lián)絡(luò)線功率為已知解集，生成第i時刻至第96時刻的基于SOC值的概率模糊偏正粒子群種群s，SOC為儲能狀態(tài)；
[0012](7)以偏正后粒子群種群為初始粒子群，基于粒子群算法求出第i時刻至第96時刻的全局最優(yōu)解；
[0013](8)使i加I，若i>96將修正優(yōu)化后全局最優(yōu)解Gbestf輸出至多微網(wǎng)中央控制器，用來控制次日單相微電網(wǎng)內(nèi)儲能的出力;若i〈 = 96，否則回到步驟(4)。
[OOM]進一步地，上述步驟(I)具體包括:
[0015](1.1)對微網(wǎng)進行光伏預測、負荷預測，得到次日光伏、負荷出力PvdPPlciadl;
[0016](1.2)根據(jù)Pvi和Piciadi以及SOC約束條件初始化粒子種群，種群規(guī)模96，SOC為儲能狀態(tài)，約束范圍為20%-80%，設(shè)定最大迭代次數(shù)a，初始迭代次數(shù)I = O;
[0017](1.3)以單日微網(wǎng)經(jīng)濟性最優(yōu)為目標，對粒子種群進行第I次迭代，找到儲能狀態(tài)局部最優(yōu)解Pbesti ；
[0018](1.4)比較Pbestl和前一個局部最優(yōu)解Pbestw的適應度，更新群體最優(yōu)解，并根據(jù)ΛPbest = Pbestl-Pbestl-1自適應調(diào)整權(quán)重系數(shù)，使得粒子向較好的區(qū)域靠攏；
[0019](1.5)令1 = 1+1，判斷是否迭代完成，若沒完成將調(diào)整后的權(quán)重系數(shù)代入步驟(3)，若完成進彳丁下一步；
[0020](1.6)得到分布式經(jīng)濟優(yōu)化的儲能狀態(tài)全局最優(yōu)解集Gbestk并輸出。
[0021]與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點和技術(shù)效果:本發(fā)明考慮單三相混聯(lián)拓撲，提出了一種考慮不平衡度約束的多微網(wǎng)日前經(jīng)濟優(yōu)化方法?；诜謱臃旨壍耐ㄐ偶軜?gòu)及信息傳送方式，以雙層滾動優(yōu)化為結(jié)構(gòu)，底層為各子微網(wǎng)以經(jīng)濟性最優(yōu)為目標，上層通過平衡底層優(yōu)化后的各單相子微網(wǎng)聯(lián)絡(luò)線功率值，得出各子微網(wǎng)相應出力。經(jīng)實例驗證，所提方法可行并有效減少該系統(tǒng)三相不平衡度，提高多微網(wǎng)的經(jīng)濟效益。
【附圖說明】
[0022]圖1是單三相混聯(lián)多微網(wǎng)日前經(jīng)濟優(yōu)化流程圖。
[0023]圖2是單三相多微網(wǎng)分布式經(jīng)濟優(yōu)化流程圖。
[0024]圖3是某家庭三相負荷功率和公共負荷功率圖。
[0025]圖4是某家庭三相光伏功率和公共光伏功率圖。
[0026]圖5是經(jīng)算法優(yōu)化后的儲能設(shè)備出力功率圖。
【具體實施方式】
[0027]下面結(jié)合附圖，對本發(fā)明做進一步地詳細說明，但本發(fā)明的實施方式不限于此。
[0028]圖1是單三相混聯(lián)多微網(wǎng)日前經(jīng)濟優(yōu)化流程圖，其具體步驟如下:
[0029](I)對各單相和三相微電網(wǎng)進行分布式單微網(wǎng)經(jīng)濟優(yōu)化，得出各單微網(wǎng)儲能出力的最優(yōu)解集Gbestk，k= I?3，I代表A相，2代表B相，3代表C相；
[0030](2)將步驟(I)得到的各單微網(wǎng)的最優(yōu)解集Gbe3stk,換算成聯(lián)絡(luò)線功率值按相序上傳至多微網(wǎng)中央控制器，在中央控制器內(nèi)完成不平衡約束修正算法。聯(lián)絡(luò)線功率值具體換算過程如下:PlinekzPlc^dk-Pvk-PGbestk，其中，Plinek代表某相單微網(wǎng)聯(lián)絡(luò)線功率值，1?=1...3，1代表A相，2代表B相，3代表C相;Piciadk代表某項單微網(wǎng)內(nèi)負荷功率;Pvk代表某相單微網(wǎng)內(nèi)光伏功率;Pcbestk代表第(I)步中得出的單微網(wǎng)儲能出力功率值；
[0031 ] (3)將單微網(wǎng)內(nèi)一日24小時的儲能出力分為96個時刻i，i = l?96，i的初始值為I;
[0032](4)多微網(wǎng)中央控制器判斷i時刻所對應A、B、C三相的聯(lián)絡(luò)線功率值的不平衡度是否已經(jīng)大于設(shè)定百分比15%，若否，則將對應聯(lián)絡(luò)線功率值保存，使i加I，并從本步驟重新開始，若是，則進行下一步；
[0033](5)以i時刻對應的聯(lián)絡(luò)線功率值為輸入值，進行基于粒子群算法的聯(lián)絡(luò)線功率值優(yōu)化修正，保證三相不平衡度小于15%的同時，使修正后的各相聯(lián)絡(luò)線功率較修正前的變化總和最小，即 Δ Dimin= I Plinei ’-Plinei | + | Plinei，-Plinei | + | Plinei，-Plinei |，其中△ Dimin 為各相聯(lián)絡(luò)線功率變化總和，Plim^Plim^Plinei為i時刻修改前所對應的各相儲能出力，Plinei’、PBS2i’、PBS3i ’為修正后的各相聯(lián)絡(luò)線功率；
[0034](6)以時刻I至i對應的各相聯(lián)絡(luò)線功率為已知解集，生成第i時刻至第96時刻的基于SOC值的概率模糊偏正粒子群種群s，SOC為儲能狀態(tài)；
[0035](7)以偏正后粒子群種群為初始粒子群，基于粒子群算法求出第i時刻至第96時刻的全局最優(yōu)解；
[0036](8)使i加I，若i>96將修正優(yōu)化后全局最優(yōu)解Gbestf輸出至多微網(wǎng)中央控制器，用來控制次日單相微電網(wǎng)內(nèi)儲能的出力;若i〈 = 96，否則回到步驟(4)。
[0037]圖2是單三相多微網(wǎng)分布式經(jīng)濟優(yōu)化流程圖，其具體步驟如下:
[0038](1.1)對微網(wǎng)進行光伏預測、負荷預測，得到次日光伏、負荷出力PvdPPlciadl;
[0039](1.2)根據(jù)Pvi和Piciadi以及SOC約束條件初始化粒子種群，種群規(guī)模96，SOC為儲能狀態(tài)，約束范圍為20%-80%，設(shè)定最大迭代次數(shù)a，初始迭代次數(shù)I = O;
[0040](1.3)以單日微網(wǎng)經(jīng)濟性最優(yōu)為目標，對粒子種群進行第I次迭代，找到儲能狀態(tài)局部最優(yōu)解Pbesti ；
[0041 ] (1.4)比較Pbestl和前一個局部最優(yōu)解Pbestw的適應度，更新群體最優(yōu)解，并根據(jù)ΛPbest = Pbestl-Pbestl-1自適應調(diào)整權(quán)重系數(shù)，使得粒子向較好的區(qū)域靠攏；
[0042](1.5)令1 = 1+1，判斷是否迭代完成，若沒完成將調(diào)整后的權(quán)重系數(shù)代入步驟(3)，若完成進彳丁下一步；
[0043](1.6)得到分布式經(jīng)濟優(yōu)化的儲能狀態(tài)全局最優(yōu)解集Gbestk并輸出。
[0044]本發(fā)明設(shè)計以下算例進行驗證
[0045]圖3是某家庭三相負荷功率和公共負荷功率圖，圖4是某家庭三相光伏功率和公共光伏功率圖，首先給定某家庭的預測負荷功率和預測光伏出力，15分鐘一個點，每天96個點。將其輸入到算法程序中，通過控制儲能系統(tǒng)的出力功率，以經(jīng)濟最優(yōu)為目標，使得系統(tǒng)在滿足不平衡約束的情況下，達到日前經(jīng)濟最大化，圖5是經(jīng)算法優(yōu)化后的儲能設(shè)備出力功率圖。
[0046]未經(jīng)算法不平衡修正的A相利潤、B相利潤、C相利潤和公共利潤分別為23.83元、17.06元、18.93元、111.6元;經(jīng)修正后，A相利潤、B相利潤、C相利潤和公共利潤分別為18.95元、11.5元、10.76元、111.6元。由此可看出，盡管不平衡修正后利潤變小，但仍在可以接受的范圍內(nèi)，系統(tǒng)經(jīng)不平衡修正后可以更加穩(wěn)定的運行。
【主權(quán)項】
1.考慮不平衡度約束的單三相混聯(lián)多微網(wǎng)日前經(jīng)濟優(yōu)化方法，其特征在于包括如下步驟: (1)對各單相和三相微電網(wǎng)進行分布式單微網(wǎng)經(jīng)濟優(yōu)化，得出各單微網(wǎng)儲能出力的最優(yōu)解集Gbestk，k = I?3，I代表A相，2代表B相，3代表C相； (2)將步驟(I)得到的各單微網(wǎng)的最優(yōu)解集Gbestk，換算成聯(lián)絡(luò)線功率值按相序上傳至多微網(wǎng)中央控制器，在中央控制器內(nèi)完成不平衡約束修正算法;聯(lián)絡(luò)線功率值具體換算過程如下:Plinek = Pl。adk-Pvk-PGbestk，其中，Plinek代表某相單微網(wǎng)聯(lián)絡(luò)線功率值，k=l?3，l代表A相，2代表B相，3代表C相;Piciadk代表某項單微網(wǎng)內(nèi)負荷功率;Pvk代表某相單微網(wǎng)內(nèi)光伏功率;P.stk代表第(I)步中得出的單微網(wǎng)儲能出力功率值； (3)將單微網(wǎng)內(nèi)一日24小時的儲能出力分為96個時刻i，i= I?96，i的初始值為I; (4)多微網(wǎng)中央控制器判斷i時刻所對應A、B、C三相的聯(lián)絡(luò)線功率值的不平衡度是否已經(jīng)大于設(shè)定百分比b%，若否，則將對應聯(lián)絡(luò)線功率值保存，使i加I，并從本步驟重新開始，若是，則進行下一步； (5)以i時刻對應的聯(lián)絡(luò)線功率值為輸入值，進行基于粒子群算法的聯(lián)絡(luò)線功率值優(yōu)化修正，保證三相不平衡度小于b%的同時，使修正后的各相聯(lián)絡(luò)線功率較修正前的變化總和最小，即 Δ Dimin= I Plinei ’ -Plinei | + | Plinei ’ -Plinei | + | Plinei ’ -Plinei |，其中 Δ Dimin為各相聯(lián)絡(luò)線功率變化總和，plim31、pline1、plim3i為i時刻修改前所對應的各相儲能出力，plinei’、pBS2i’、PBS3i ’為修正后的各相聯(lián)絡(luò)線功率； (6)以時刻I至i對應的各相聯(lián)絡(luò)線功率為已知解集，生成第i時刻至第96時刻的基于SOC值的概率模糊偏正粒子群種群s，SOC為儲能狀態(tài)； (7)以偏正后粒子群種群為初始粒子群，基于粒子群算法求出第i時刻至第96時刻的全局最優(yōu)解； (8)使i加I，若i>96將修正優(yōu)化后全局最優(yōu)解Gbestf輸出至多微網(wǎng)中央控制器，用來控制次日單相微電網(wǎng)內(nèi)儲能的出力，以達到多微網(wǎng)經(jīng)濟最優(yōu)的效果;若i〈 = 96，否則回到步驟⑷。2.根據(jù)權(quán)利要求1所述的考慮不平衡度約束的單三相混聯(lián)多微網(wǎng)日前經(jīng)濟優(yōu)化方法，其特征在在步驟(I)具體包括: (I.I)對微網(wǎng)進行光伏預測、負荷預測，得到次日光伏、負荷出力PvdPPiciadl; (1.2)根據(jù)Pvi和Piciadi以及SOC約束條件初始化粒子種群，種群規(guī)模96，SOC為儲能狀態(tài)，約束范圍為20%-80%，設(shè)定最大迭代次數(shù)a，初始迭代次數(shù)I = O; (1.3)以單日微網(wǎng)經(jīng)濟性最優(yōu)為目標，對粒子種群進行第I次迭代，找到儲能狀態(tài)局部最優(yōu)解Pbesti; (1.4)比較Pbestl和前一個局部最優(yōu)解Pbestl-1的適應度，更新群體最優(yōu)解，并根據(jù)Δ Pbest 自適應調(diào)整權(quán)重系數(shù)，使得粒子向較好的區(qū)域靠攏； (1.5)令1= 1+1，判斷是否迭代完成，若沒完成將調(diào)整后的權(quán)重系數(shù)代入步驟(3)，若完成進行下一步； (1.6)得到分布式經(jīng)濟優(yōu)化的儲能狀態(tài)全局最優(yōu)解集Gbestk并輸出。
【文檔編號】G06Q10/04GK106022515SQ201610322617
【公開日】2016年10月12日
【申請日】2016年5月15日
【發(fā)明人】楊蘋, 張育嘉, 許志榮, 宋嗣博, 何婷, 鄭成立
【申請人】華南理工大學