含不確定性預算調節的無平衡節點微網魯棒調度方法與流程

2023-06-18 23:42:01 2

本發明屬於電力系統調度自動化技術領域，特別涉及含不確定性預算調節的無平衡節點微網魯棒調度方法。

背景技術：

近年來，大規模接入可再生能源有效擴大了供電受益面，提高了能量利用率，提升了供電可靠性，促進了電力市場發展和改革，減少了碳排放，降低了線損，減緩了負荷膨脹增長的壓力。然而，微電網中的不確定性因素成為了微電網應用的瓶頸之一，當下關於不確定性因素的研究成為相關領域的熱點和難點。

微電網是將分布式電源、負荷、儲能系統及其控制裝置有機整合在一起的發配電系統。其概念源於分布式發電技術的發展。美、歐、日等國家通過示範性工程和相關項目推出了與自身相適應的微電網經典結構。我國堅持「節約、清潔、安全」的能源發展戰略方針，意在建設清潔高效、安全、可持續的現代能源體系；為此《能源發展戰略行動計劃(2014-2020年)》提出了節約優先、立足國內、綠色低碳、創新驅動的四大戰略；建立了國家風光儲輸示範工程、浙江舟山東福山島微電網示範工程和國家金太陽水光互補微電網發電示範工程等多個微電網項目。

對於含風光發電的混合微電網來說，微電網調度往往以經濟性為目標，以安全運行為約束條件。隨著環保理念的深入，「清潔」、「綠色」、「可持續」等概念也成為微電網運行過程中的重要要求，並產生了一系列與微電網有關的環境技術指標和目標期望。但鑑於光電出力和負荷在時空分布上具有波動性、間歇性和隨機性，當系統功率波動較大時，系統電壓和頻率會超出運行範圍，從而影響微電網系統的穩定性甚至引發電力系統事故。因此，如何在不確定環境中實現微電網安全、環保、經濟的運行有著重要意義。

當前，電力系統主要通過增加調度過程中的備用容量，並依賴於事實調度的調節能力來應對微電網中的不確定性因素。但備用增加會引起系統年計算費用的增加。而事實調度主要包括快速調節發電機組，切負荷、棄風電光電等操作，但快速調節發電機組會產生較高的發電費用，切負荷可能造成覆蓋區域斷電，棄風電光電造成可再生能源的浪費。為此，不少專家學者提出了魯棒優化調度模型、概率約束調度模型等調度模型，但魯棒優化存在保守性選擇的問題，而概率約束需要大量的歷史數據支持和置信度選擇的問題。因此，面對微電網運行中的不確定因素，如何提高調度策略魯棒性，減低微電網運行風險成為為電網運行的迫切需要。

技術實現要素：

針對上述現有技術存在的技術問題，本發明提出含不確定性預算調節的無平衡節點微網魯棒調度方法，實現在不確定環境下，在增強系統調度策略魯棒性的同時防止儲能系統過充過放。

為實現上述目的，本發明採用如下技術方案：

含不確定性預算調節的無平衡節點微網魯棒調度方法，包括以下步驟：

第一步，根據微電網調度信息確定參數，構建微電網魯棒調度模型：

根據不確定性環境發電的總體要求，確定隨機因素；通過盒式不確定集合描述不確定參數的波動區間，以運行成本、環境成本和可再生能源波動最小為目標，以微電網調度安全和下垂控制運行要求為約束構建微電網魯棒調度模型；

第二步，通過不確定性預算調節策略預測不確定性預測，並將所預測值傳遞到微電網魯棒調度模型中：

根據微電網運行當前和歷史的狀態通過映射法則預測不確定性預測，並將所預測值應用於當前魯棒調度模型中；

第三步，採用改進微分進化算法分別求解發電計劃和下垂控制電壓幅值、頻率、有功功率和無功功率的額定值與下垂係數；

所述改進微分進化算法以微分進化算法為基礎，在更新當代粒子時以灰熵關聯度為標準，讓優秀粒子採用雲模型進行局部搜索，以局部更優更新優秀粒子，並將更新後的優秀粒子存入外部精英存檔中；同時，讓非優秀粒子通過混沌算法進行全局搜索挑選出優秀粒子，並將所選出的優秀粒子存入外部精英存檔中；隨後進入下一代尋優過程直到滿足終止條件為止；每次調度迭代過程達到最大代數時，通過灰熵關聯度為評價指標選出最優粒子作為發電計劃和下垂控制計劃，如果調度繼續，則通過不確定性預算調節策略預測新的不確定性預測，重複第二步和第三步，直到調度結束為止。

所述不確定性預算調節策略為：

法則1採用遺忘因子加權的方式對儲能系統狀態偏移無綱量和歷史不確定性預測進行線性加權，公式如下：

法則2採用線性加權法對歷史功率波動和歷史不確定性預測進行加權，公式如下：

法則3採用神經網絡建立不確定性預測、負荷誤差預測、光伏出力誤差預測、風機出力誤差預測與時間、歷史不確定性預測、歷史負荷誤差、歷史光伏出力誤差、歷史風機出力誤差、歷史負荷誤差預測、歷史光伏出力誤差預測、歷史風機出力誤差預測的映射關係，公式如下：

以上三個公式中，γ(t)為時段t不確定性預測；γmin、γmax分別為不確定性預測的上、下限；ω1、ω2、…、ωn、…為遺忘因子；soct-1為t-1時刻儲能系統的荷電狀態；soc分別為儲能系統荷電狀態的上限和下限；γ(0)為不確定性預算的初始值；a1、a2、…、an、…，b1、b2、…、bn、…分別為映射法則係數；pl,t、ppv,t、pwt,t分別為t時刻負荷、光伏發電和風力發電的功率；δpl,t為時段t負荷誤差；δppv,t為時段t光伏出力誤差；δpwt,t為時段t風機出力誤差；為時段t負荷誤差預測；為時段t光伏出力誤差預測；為時段t風機出力誤差預測；

上述不確定性預算調節策略所預測的不確定性預測傳遞給魯棒調度模型。

所述微電網在孤島運行模式時，微電網採用對等控制策略即下垂控制；以含不確定性預算調節策略的魯棒調度模型為核心的調度方法在制定發電功率計劃的同時協調調度各逆變器下垂控制的控制參數，使微電網運行具有魯棒性。

本發明的優點在於：

採用魯棒優化理論改進調度能有效增強系統對不確定因素的抗性，本發明方法不需精確的概率分布，只需要針對不確定參數的波動範圍，具有極強的操作性。

本方法的不確定性預算調節策略控調一體，在分配微電源發電計劃的同時調節微電源的控制特性，使微電網經濟、環保地制定發電計劃，調度過程具有較好的魯棒性。

引入不確定性預算的反饋調節策略實現不確定性預算的動態調節，有效避免儲能系統過充過放。

附圖說明

圖1為本發明實施例1的混合獨立運行微電網系統調度電路圖；

圖中：

1蓄電池

2蓄電池boost/buck充放電電路

3蓄電池boost/buck充放電電路濾波電容

4蓄電池boost/buck充放電電路濾波電感

5直流母線電容

6單向逆變電路

7單向逆變電路濾波電感

8單向逆變電路濾波電容

9三相負荷

10微型燃氣輪機變壓電路lc濾波器

11微型燃氣輪機變壓電路濾波電容

12微型燃氣輪機變壓電路濾波電感

13微型燃氣輪機逆變器

14微型燃氣輪機boost升壓電路濾波電容

15微型燃氣輪機boost升壓電路

16微型燃氣輪機boost升壓電路電感

17微型燃氣輪機boost升壓電路電容

18微型燃氣輪機三級電力電子變壓器

19微型燃氣輪機

20雙向dc/ac變換器

21雙向dc/ac變換器lc濾波電感

22雙向dc/ac變換器lc濾波電容

23雙向dc/ac變換器lc濾波器

24柴油機變壓電路lc濾波器

25柴油機變壓電路濾波電容

26柴油機變壓電路濾波電感

27柴油機逆變器

28柴油機boost升壓電路濾波電容

29柴油機boost升壓電路

30柴油機boost升壓電路電感

31柴油機boost升壓電路電容

32柴油機三級電力電子變壓器

33柴油機

34光伏電池

35光伏電池boost升壓電路

36光伏電池boost升壓電路電容

37光伏電池boost升壓電路電感

38風力發電機boost升壓電路

39風力發電機boost升壓電路電感

40風力發電機boost升壓電路電容

41風力發電機不控整流

42風力發電機

43燃料電池變壓電路lc濾波器

44燃料電池變壓電路濾波電容

45燃料電池變壓電路濾波電感

46燃料電池逆變器

47燃料電池boost升壓電路濾波電容

48燃料電池boost升壓電路

49燃料電池boost升壓電路電感

50燃料電池boost升壓電路電容

51燃料電池二級電力電子變壓器

52燃料電池

圖2為本發明含不確定性預算調節策略的微電網魯棒調度方法的流程圖。

圖3為本發明不確定性預算調節策略的映射法則。

具體實施方式

以下結合結合具體附圖對本發明的具體實施方式作詳細說明，但不構成對本發明權利要求保護範圍的限制。

1、為便於說明，光伏發電單元簡稱pv，風力發電單元簡稱wt，微型燃氣輪機發電單元簡稱mt，柴油機發電單元簡稱dg，燃料電池發電單元簡稱fc，交流母線簡稱bus。

根據時間尺度的不同採用微電網分層控制方法：零級控制、一級控制、二級控制、三級控制。其中，零級控制(毫秒級)為：該控制單元位於各發電單元和儲能單元內部，維持各單元的正常運行，改善各單元控制性和經濟性，為一級控制提供準備；一級控制(秒級)為：利用可控微電源自身下垂控制，執行能量管理系統分配的功率基點和下垂係數，抑制微電網中負荷的瞬時小幅度波動；二級控制(分鐘級)為：利用可控微電源自身下垂控制，執行能量管理系統分配的下垂特性中的空載頻率和空載電壓，應對負荷因長時間大幅波動帶來的微電源運行功率基點偏離嚴重，保證系統頻率和電壓的安全運行；三級控制(天級/小時級/實時級)為：結合功率預測和負荷預測分別依靠微電網日前調度、日內調度和再調度指定各單元功率的基值、下垂係數、下垂空載頻率、下垂空載電壓和運行狀態。

如圖1所示，微電網系統由儲能系統boost/buck充放電電路2、單向逆變電路6、微型燃氣輪機三級電力電子變壓器18、雙向ad/dc變換器20、柴油機三級電力電子變壓器32、光伏boost升壓電路35、風機boost升壓電路38和燃料電池逆變器51組成。

混合微電網通過直流母線將儲能系統1、風力發電機42、光伏電池34和負載6連接起來，mttp(最大功率點跟蹤)控制器控制風電單元與光電單元以最大功率輸出，經光伏電池boost升壓電路35和風力發電機boost升壓電路38將直流母線電壓穩定在750v；儲能系統採用boost/buck充放電電路2控制調節儲能系統的充放電過程；交流母線將微型燃氣輪機13、柴油發電機33和燃料電池52和交流負荷9連接起來，三種微電源通過多級電力電子變壓器包括微型燃氣輪機三級電力電子變壓器18、柴油機三級電力電子變壓器32和燃料電池二級電力電子變壓器51分別調節母線電壓，多級電力電子變壓器中逆變單元包括微型燃氣輪機逆變器13、柴油機逆變器27和燃料電池逆變器46分別採用下垂控制自動調節交流電的幅值與頻率；雙向ac/dc變換器20進行直流和交流之間的雙向變換，其中逆變器過程同樣採用下垂控制調節交流電的幅值和頻率。由於系統大量採用電力電子設備，直流發電單元需要通過母線電容5穩定直流母線電壓，各直流單元輸出端同樣需要電容穩定電壓，如蓄電池boost/buck充放電電路濾波電容3、單向逆變電路濾波電容8、光伏電池boost升壓電路電容36和風力發電機boost升壓電路電容40。而交流側發電單元採用lc濾波器濾除諧波便於混合微電網的穩態分析，如微型燃氣輪機變壓電路lc濾波器10、雙向dc/ac變換器lc濾波器23、柴油機變壓電路lc濾波器24和燃料電池變壓電路lc濾波器43。因此，變壓器和變換器的關鍵是如何合理調節下垂控制中的電壓幅值、頻率、有功功率和無功功率的額定值與下垂係數。

如圖2所示，首先，由於系統採用對等控制策略、綜合控制策略的孤島運行方式——下垂控制，系統沒有平衡節點。下垂控制節點一般採用p-f/q-v的控制方式，其下垂特性方程為：

式(1)中，ωk,n、vk,n，k∈{mt,fc,dg,bus}，分別為逆變器輸出電壓頻率參考值、幅值參考值、頻率額定值和幅值額定值；mi、ni分別為有功和無功功率的靜態下垂係數；pk,n、pk、qk,n、qk分別為下垂特性逆變器額定有功功率、實際有功功率、額定無功功率和實際無功功率。

下垂特性中，需要滿足：

構建魯棒優化模型：

目標函數

minft＝min[c(pt),b(pt),f(pt)](3)

式(3)和式(4)中：ft為t時段目標函數；c(pt)為t時段微電網運行成本包括微型燃氣輪機、燃料電池和柴油機的運行成本，即j∈sc＝{mt,fc,dg}；b(pt)為t時段微電網環境成本包含微型燃氣輪機、燃料電池和柴油機的汙染物成本和懲罰成本，即j∈sc＝{mt,fc,dg}；f(pt)為t時段微電網可再生能源輸出波動程度；分別為光伏電池、風力發電機、儲能系統的有功發電計劃。

傳統魯棒調度的約束條件分別為：

-ri·δt≤pi,t-pi,t-1≤ri·δt(8)

-di·δt≤qi,t-qi,t-1≤di·δt(10)

soct＝soct-1(1-η)+pess,tηc/sess,pess,t＞0(12)

soct＝soct-1(1-η)+pess,t/ηdsess,pess,t≤0(13)

pq,z≥0(18)

式(5)-式(18)中，pi,t為微電源i在時段t的有功功率輸出，qi,t為微電源i在時段t的無功功率輸出,i∈sdg＝{pv,wt,mt,fc,dg}，j∈sc＝{mt,fc,dg}；pload,t為時段t的有功負荷；pess,t為時段t儲能系統充放電亮；qload,t為時段t的無功負荷；pi、qi分別為微電源i有功和無功的上下限；ri、di分別為有功和無功的爬坡限值；δt為調度步長；soct為儲能系統時段t時的荷電狀態；soc、分別為儲能系統荷電狀態的上下限；sess為儲能系統的容量；η、ηc、ηd分別為儲能系統的自身消耗效率、充電效率和放電效率；pess、分別為儲能系統充放電的上下限；l％為備用率；z、pq，q∈su＝{pv,wt}分別為輔助變量；γ為不確定性預測；ρ為預測誤差最大值；分別為風光時段t預測輸出功率。

下垂係數相關技術約束分別為：

式(19)-式(22)中，分別為微電源k電壓頻率和幅值的期望；cpf、cqv、分別為係數上下限。其餘定義同上。

增強約束分別為：

其中，分別為光伏電池、風力發電機、燃料電池、交直流母線雙向換流器、微型燃氣輪機與柴油發電機的有功功率計劃和交直流母線雙向換流器、微型燃氣輪機與柴油發電機的無功功率計劃。其餘定義同上。

如上所述，本發明在傳統魯棒優化(如式(3)-式(18))的基礎上引入下垂特性(如式(1)-式(2))和相關技術約束(如式(19)-式(22))。傳統電網是通過傳輸線將各種發電設備與負荷連接起來，傳輸線將交流電從發電節點傳輸到用電節點上，微電網具有交流母線的同時又具有直流母線，兩母線用過雙向ac/dc換流器傳輸能量，因此，增加約束(式(23)-式(30))改進魯棒優化調度模型。

2、日內調度過程中，引入改進魯棒優化模型(式(1)-式(30))和不確定預算調節策略進行微電網多目標動態調度；關鍵是如何預測「不確定性預測」。本發明方法採集不同歷史數據構造映射法則，法則1為採集儲能系統當前狀態的偏移與不確定性預測的歷史數據，通過線性加權預測不確定性預測的無量綱量；法則2為採集風電、光電和負荷的歷史波動情況與歷史不確定性預測數據通過線性加權法預測當前不確定性預測；法則3為：如圖3為黑箱子策略，通過神經網絡構造「負荷、風電和光伏的預測誤差的預測值，當前不確定性預測」與「時間，歷史不確定性預測，負荷、風電和光伏的預測誤差的歷史數據和預測值」的模型，通過歷史數據訓練完成映射法則；預測的不確定性預測將會以數值形式傳遞到改進後的魯棒調度模型中，以便改進微分進化算發求解發電計劃和下垂控制電壓幅值、頻率、有功功率和無功功率的額定值與下垂係數。

不確定預算調節策略如下式(31)和(33)所示：

法則1：

法則2：

法則3：

神經網絡

式(31)至式(33)中，γ(t)為時段t不確定性預測；γmin、γmax為不確定性預測的上下限；ω1、ω2、…、ωn、…為遺忘因子；soct-1為t-1時刻儲能系統的荷電狀態；soc為儲能系統荷電狀態的上下限；γ(0)為不確定性預算的初始值；a1、a2、…、an、…，b1、b2、…、bn、…分別為映射法則係數；pl,tppv,tpwt,t分別為t時刻負荷、光伏發電和風力發電的功率；δpl,t為時段t負荷誤差；δppv,t為時段t光伏出力誤差；δpwt,t為時段t風機出力誤差；為時段t負荷誤差預測；為時段t光伏出力誤差預測；為時段t風機出力誤差預測。

法則1：儲能系統狀態距限值越近，證明系統預測偏差越大，微電網調度應越保守；反之，微電網越健壯。引入遺忘因子可以消除數據飽和現象，在加強當前數據影響的同時減小歷史數據的影響。該算法具有收斂速度快，跟蹤能力強的特點。法則2：直接針對負荷與風電、光電出力的波動性，數據採用歷史數據，避免潮流、網損等不確定因素的影響，同時，對不確定性預算歷史數據加權求和，在保證跟蹤能力的同時增強映射過程的收斂速度。法則3：採用黑箱子策略，直接分析不確定性預測與風電、光電和負荷歷史誤差和預測誤差在時間分布上的關係。該策略增強映射法則的非線性擬合能力，學習規則簡單，便於計算機實現，具有較強的魯棒性、記憶能力、非線性映射能力和自學習能力。

3、改進微分進化算法求解發電計劃和下垂控制電壓幅值、頻率、有功功率和無功功率的額定值與下垂係數。在微分進化算法的基礎上引入混沌算法，利用混沌遍歷性增強算法的全局搜索能力；引入雲模型，利用多維正態雲中「雲滴」的分布特性增強算法的局部搜索能力；引入灰熵和灰色關聯度評價各代粒子，區分粒子接近期望的程度，方便算法進一步處理。