基於主從博弈模型的交直流混合微電網優化運行方法與流程
2023-06-05 05:10:22
本發明涉及一種交直流混合微電網中多目標優化運行方法。特別是涉及一種基於主從博弈模型的交直流混合微電網優化運行方法。
背景技術：
：傳統電力系統中化石能源的大量消耗帶來嚴重的環境破壞，基於這一問題，新能源發電方式得到廣泛應用。然而，由於新能源通常受多種天氣因素的影響，其出力往往存在很大波動。其不可控性甚至給電網供電可靠與安全運行帶來不利影響。微網通過整合多種分布式電源與負荷，成為可控的電力區域，從而提高不可控的新能源發電消納率。因此微網技術受到國內外研究人員的廣泛關注。電力負荷按照其供電方式可以分為交流負荷和直流負荷。由於傳統負荷中交流負荷佔比很大，微網技術的研究主要集中於交流微網的研究。由於目前直流輸電技術較為成熟、直流負荷的日益增多，將所有直流、電源通過逆變器接入交流微網將帶來很大的能量損耗，同時大量的電力電子設備接入還會給電網引入大量諧波，基於此背景，交直流混合微電網具有很大的研究前景與應用價值。為了推進電力系統市場化改革，我國目前正在逐步將售電側放開，從而為電力用戶提供靈活多樣的電能服務。微電網中新能源運營商同樣可以成為獨立的售電公司。以光伏運營商為例，其通過向微網中用戶出售成本較低的光伏發電電能獲得收益，為了能最大化收益，其追求的目標是儘量將光伏出力全部消納，即最大化光伏利用率。研究發現，追求最大化光伏利用率的過程中會影響到微電網的網損，即導致電網公司利益受損。這種情況下，為了追求各自運行目標，光伏運營商與電網公司存在利益博弈，因此有必要針對這一問題進行優化調度研究。技術實現要素：本發明所要解決的技術問題是，提供一種可以使微電網可靠穩定運行，同時滿足餘量上網要求的基於主從博弈模型的交直流混合微電網優化運行方法。本發明所採用的技術方案是：一種基於主從博弈模型的交直流混合微電網優化運行方法，包括如下步驟：1)採集微電網所在區域光照強度、溫度、雲量的氣象數據，統計微電網中光伏發電量歷史數據，對交直流混合微電網中次日光伏電池出力採用基於典型趨勢的預測方法進行預測；分別統計交流區和直流區的歷史負荷數據，分別對次日交流負荷和直流負荷進行預測；2)對交直流混合微電網中雙向換流器、潮流控制器兩側傳輸功率數據進行採集，利用所採集數據建立交直流混合微電網中各種設備的數學模型；3)將一天分為多個調度時段，建立光伏運營商和電網公司在每個調度時段利益相互協調的主從博弈模型，主從博弈模型包括光伏運營商利益最大化的光伏利用率模型和代表電網公司損失最小化的交直流混合微電網網損模型；4)採用異步變化學習因子的二階振蕩粒子群算法，提高算法的全局搜索性能，從而避免早熟現象。步驟1)所述的基於典型趨勢的預測方法，是在已知某時段功率的基礎上對未來時段的功率進行預測，基於典型趨勢的預測方法的數學表達式為：Ppre(t+i)＝Ppre(t)+ΔPpre(t+i)＝Ppre(t)(1+P′typ(t))；其中，Ppre(t+i)為第t+i個時段的發電功率預測值；Ppre(t)為第t個時段的實際發電功率值；ΔPpre(t+i)為第t+i個時段相對第t個時段的預測功率變化值；ΔPpre(t+i)為第t個時段到第t+i個時段的變化率，P'(t)是基於典型趨勢所獲得，典型趨勢是通過具有相似氣象特徵的日期中的功率計算得到。所述的具有相似氣象特徵的日期中的功率是由如下各式得到：待預測日與歷史數據的相似關係公式：其中，σj為第j日與待預測日的關聯繫數，σj值大於設定限值σ0即認為與待預測日屬於同一相似日；ρ是分辨係數，取0.5；xj為所統計的氣象數據組成的表徵第j日氣象特徵的向量，表示為：xj＝[xj(1),xj(2),…,xj(m)]計算待預測日與歷史數據的關聯繫數，篩選出大於關聯限值σ0的樣本數據，得到K個相似日之後通過下式來計算相似日的典型趨勢P′typ(t)步驟2)所述的交直流混合微電網中各種設備的數學模型，包括：(1)儲能電池壽命其中Nlife為儲能電池的循環壽命；DOD為放電深度；Na為放電深度最高次冪；ai為DOD第i次冪係數，ai通過對測量數據進行擬合得到；儲能電池在使用中應當滿足功率平衡、荷電狀態上下限的約束條件：DOD(t)＝1-SOC(t)SOCmin≤SOC(t)≤SOCmaxSOC(t)為第t個時段儲能電池荷電狀態；為儲能電池容量；PSB(t)為第t時段儲能電池的充放電功率；Δt為一個時段的時間長度；DOD(t)表示儲能電池的放電深度；SOCmax、SOCmin分別為荷電狀態的上下限值；(2)儲能電池的成本模型包括壽命損耗成本C0和能量損耗成本C1兩部分其中，Cinit為儲能電池的安裝成本，Cg為外電網電價，η為儲能電池的能量效率；(3)儲能電池的綜合成本模型：(4)潮流控制器與雙向換流器功率傳輸模型其中，表示第t個時段設備的傳輸效率；ri為傳輸功率Pi(t)係數；PCS表示潮流控制器，ILC表示雙向換流器；(5)變壓器傳輸效率模型式中：SN為變壓器容量；β表示負載率，為功率因數，p0為變壓器額定電壓下的空載損耗，pkN為額定電流時的短路損耗。步驟3)所述的主從博弈模型為：其中，PPV,k(t)為第k個光伏電池的實際出力，為第k個光伏電池的預測出力；SSB(t)為儲能電池在第t時段的荷電量；μch為充電標識，當儲能處於充電狀態時μch為1，處於其他狀態時為0；μdis為放電標識，當儲能處於放電狀態時μdis為1，處於其他狀態時為0；為儲能充電功率，為儲能放電功率；ηch為儲能充電效率，ηdis為儲能放電效率；Pgrid(t)為交直流微電網與大電網交換功率；PPV(t)為光伏輸出功率；ηPV,i為光伏換流器功率傳輸效率；PACL,j(t)表示交流區第j個負荷功率；PILC為雙向換流器傳輸功率；ΗILC為雙向換流器功率傳輸效率；PET(t)為電力電子變壓器傳輸功率；ΗET(t)電力電子變壓器功率傳輸效率；ΗSBC為與儲能電池連接的換流器功率傳輸效率；PDCL,m為直流區第m個負荷功率；為雙向換流器傳輸容量；為潮流控制器傳輸容量；γPV表示光伏利用率，f為電網網損及儲能壽命損耗和能量損耗折現函數，γPV通過下式計算：式中，T為調度周期中的時段數；s為分散安裝的光伏電池數量；PPV,k(t)與分別為第k個光伏電池調度出力與預測出力；f通過下式計算：f＝fl+fbatfbat為儲能電池損耗引起的經濟損失；Cinit為儲能電池的安裝費用；fl為交直流混合微電網網損；Pi,k表示第i類潮流控制器或雙向換流器k傳輸的功率；ηi,k表示第i類潮流控制器或雙向換流器k傳輸效率；N為功率轉換設備的種類；mk為混合微電網中第k類功率轉換設備的數量。步驟4)所述的使用異步變化學習因子的二階振蕩粒子群算法包含如下步驟：(1)初始化，輸入粒子群的規模、變量個數、慣性權重、最大飛行速度、最大迭代次數、各個無功調節設備的參數和初始出力向量；(2)設定當前每個粒子的位置為個體極值點xpbest，計算每一個粒子的適應值δfit＝Ft(x)，取最小適應值作為群體當前的最優解Fbest，並記最小適應值對應的粒子的位置為全局極值點xgbest，設定初始迭代次數nit為1；採用下式對微粒的速度v進行進化：vit+1＝wvit+c1,itr1[xit-(1+ξ1)xit+ξ1xit-1]+c2,itr2[xpbest-(1+ξ2)xit+ξ2xit-1]同時根據下式對粒子的位置x進行進化：xit+1＝xit+vit+1式中，c1,it和c2,it為學習因子，在異步變化學習因子的二階振蕩粒子群算法中，每次迭代中c1,it和c2,it按照下式計算，其中c1,ini為c1,it的迭代初始值，c1,fin為c1,it的迭代終值，c2,ini為c2,it的迭代初始值，c2,fin為c2,it的迭代終值，it表示當前迭代次數，itmax為最大迭代次數。ξ1和ξ2均為隨機數，如果當前迭代次數小於最大迭代次數的1/2，ξ1和ξ2滿足：如果當前迭代次數小於最大迭代次數的1/2，ξ1和ξ2應當滿足：(3)判斷當前的迭代次數是否滿足最大迭代次數，若滿足則輸出計算結果，否則設定迭代次數nit＝nit+1；(4)更新粒子的位置和速度，並更新無功調節設備出力變量；(5)判斷粒子群中全部粒子的狀態是否滿足主從博弈模型中各不等式約束條件，若滿足則保留粒子位置，否則取不等式約束條件對應的粒子位置限值；(6)計算當前每個粒子的適應值，保存全局最優解Fbest，全局最優位置xgbest和個體最優位置xpbest，並轉到第(3)步。本發明的基於主從博弈模型的交直流混合微電網優化運行方法，具有如下優點：1.建立了交直流混合微電網中光伏運營商和電網公司相互協調的主從博弈模型，模型包括代表光伏運營商利益的最大化光伏利用率的主體模型和代表電網公司目標的最小化交直流混合微電網網損率的從體模型，該模型符合客雙方實際需要並且以數學形式展現，因此可以給出比傳統調度方式更加客觀合理的調度方案。2.提出了一種基於典型趨勢的負荷、新能源發電功率預測方法，與已有的負荷預測方法相比，該方法原理較為簡單，適用性廣，具有較高的可應用行，預測精度較高，適用於為交直流混合微電網優化提供預測數據。3.針對傳統粒子群算法容易陷入早熟的缺點，對粒子群算法採用改變學習因子進行改進，得到了一種具有更優全局搜索性能的異步變化學習因子的二階振蕩粒子群算法。附圖說明圖1是交直流混合微電網示範工程結構圖；圖2是本發明方法獲得的負荷預測測試曲線；圖3是本發明方法獲得的負荷預測誤差測試曲線；圖4是本發明方法獲得的光伏出力預測曲線；圖5是光伏出力預測誤差測試；圖6是現有技術的方法得到的示範工程儲能電池放電深度與壽命關係；圖7是現有技術的方法得到的潮流控制器效率測量數據；圖8是現有技術的方法得到的100kWPCS效率函數擬合曲線；圖9是現有技術的方法得到的250kWPCS效率函數擬合曲線；圖10是現有技術的方法得到的直流變壓器效率函數擬合曲線；圖11是本發明方法獲得的示範工程負荷及光伏出力預測；圖12是本發明方法獲得的PCC處傳輸功率曲線；圖13是本發明方法獲得的直流變壓器與三臺潮流控制器的輸出曲線；圖14是本發明方法獲得的潮流控制器傳輸功率曲線；圖15是本發明方法獲得的液流電池與儲能電池組出力曲線；圖16是本發明方法獲得的液流電池與儲能電池組剩餘電量；圖17是本發明方法獲得的不同功率範圍換流設備啟停情況。具體實施方式下面結合實施例和附圖對本發明的基於主從博弈模型的交直流混合微電網優化運行方法做出詳細說明。本發明的基於主從博弈模型的交直流混合微電網優化運行方法，其特徵在於，包括如下步驟：1)採集微電網所在區域光照強度、溫度、雲量的氣象數據，統計微電網中光伏發電量歷史數據，對交直流混合微電網中次日光伏電池出力採用基於典型趨勢的預測方法進行預測；分別統計交流區和直流區的歷史負荷數據，分別對次日交流負荷和直流負荷進行預測；所述的基於典型趨勢的預測方法，是在已知某時段功率的基礎上對未來時段的功率進行預測，基於典型趨勢的預測方法的數學表達式為：Ppre(t+i)＝Ppre(t)+ΔPpre(t+i)＝Ppre(t)(1+P′typ(t))；其中，Ppre(t+i)為第t+i個時段的發電功率預測值；Ppre(t)為第t個時段的實際發電功率值；ΔPpre(t+i)為第t+i個時段相對第t個時段的預測功率變化值；ΔPpre(t+i)為第t個時段到第t+i個時段的變化率，P'(t)是基於典型趨勢所獲得，典型趨勢是通過具有相似氣象特徵的日期中的功率計算得到。所述的具有相似氣象特徵的日期中的功率是由如下各式得到：待預測日與歷史數據的相似關係公式：其中，σj為第j日與待預測日的關聯繫數，σj值大於設定限值σ0即認為與待預測日屬於同一相似日；ρ是分辨係數，取0.5；xj為所統計的氣象數據組成的表徵第j日氣象特徵的向量，表示為：xj＝[xj(1),xj(2),…,xj(m)]計算待預測日與歷史數據的關聯繫數，篩選出大於關聯限值σ0的樣本數據，得到K個相似日之後通過下式來計算相似日的典型趨勢P′typ(t)2)對交直流混合微電網中雙向換流器、潮流控制器兩側傳輸功率數據進行採集，利用所採集數據建立交直流混合微電網中各種設備的數學模型；所述的交直流混合微電網中各種設備的數學模型，包括：(1)儲能電池壽命其中Nlife為儲能電池的循環壽命；DOD為放電深度；Na為放電深度最高次冪；ai為DOD第i次冪係數，ai通過對測量數據進行擬合得到；儲能電池在使用中應當滿足功率平衡、荷電狀態上下限的約束條件：DOD(t)＝1-SOC(t)SOCmin≤SOC(t)≤SOCmaxSOC(t)為第t個時段儲能電池荷電狀態；為儲能電池容量；PSB(t)為第t時段儲能電池的充放電功率；Δt為一個時段的時間長度；DOD(t)表示儲能電池的放電深度；SOCmax、SOCmin分別為荷電狀態的上下限值；(2)儲能電池的成本模型包括壽命損耗成本C0和能量損耗成本C1兩部分其中，Cinit為儲能電池的安裝成本，Cg為外電網電價，η為儲能電池的能量效率；(3)儲能電池的綜合成本模型：(4)潮流控制器與雙向換流器功率傳輸模型根據對潮流控制器、雙向換流器輸入輸出功率測量分析發現，傳輸效率與傳輸功率具有函數關係，可以用多項式函數進行擬合。並且二次函數已經可以滿足工程精度需求。其中，表示第t個時段設備的傳輸效率；ri為傳輸功率Pi(t)係數；PCS表示潮流控制器，ILC表示雙向換流器；(5)變壓器傳輸效率模型式中：SN為變壓器容量；β表示負載率，為功率因數，p0為變壓器額定電壓下的空載損耗，pkN為額定電流時的短路損耗。3)將一天分為多個調度時段，建立光伏運營商和電網公司在每個調度時段利益相互協調的主從博弈模型，主從博弈模型包括光伏運營商利益最大化的光伏利用率模型和代表電網公司損失最小化的交直流混合微電網網損模型；所述的主從博弈模型為：其中，PPV,k(t)為第k個光伏電池的實際出力，為第k個光伏電池的預測出力；SSB(t)為儲能電池在第t時段的荷電量；μch為充電標識，當儲能處於充電狀態時μch為1，處於其他狀態時為0；μdis為放電標識，當儲能處於放電狀態時μdis為1，處於其他狀態時為0；為儲能充電功率，為儲能放電功率；ηch為儲能充電效率，ηdis為儲能放電效率；Pgrid(t)為交直流微電網與大電網交換功率；PPV(t)為光伏輸出功率；ηPV,i為光伏換流器功率傳輸效率；PACL,j(t)表示交流區第j個負荷功率；PILC為雙向換流器傳輸功率；ΗILC為雙向換流器功率傳輸效率；PET(t)為電力電子變壓器傳輸功率；ΗET(t)電力電子變壓器功率傳輸效率；ΗSBC為與儲能電池連接的換流器功率傳輸效率；PDCL,m為直流區第m個負荷功率；為雙向換流器傳輸容量；為潮流控制器傳輸容量；γPV表示光伏利用率，f為電網網損及儲能壽命損耗和能量損耗折現函數，γPV通過下式計算：式中，T為調度周期中的時段數；s為分散安裝的光伏電池數量；PPV,k(t)與分別為第k個光伏電池調度出力與預測出力；f通過下式計算：f＝fl+fbatfbat為儲能電池損耗引起的經濟損失；Cinit為儲能電池的安裝費用；fl為交直流混合微電網網損；Pi,k表示第i類潮流控制器或雙向換流器k傳輸的功率；ηi,k表示第i類潮流控制器或雙向換流器k傳輸效率；N為功率轉換設備的種類；mk為混合微電網中第k類功率轉換設備的數量。4)採用異步變化學習因子的二階振蕩粒子群算法，提高粒子群算法的全局搜索性能，從而避免早熟現象。包含如下步驟：(1)初始化，輸入粒子群的規模、變量個數、慣性權重、最大飛行速度、最大迭代次數、各個無功調節設備的參數和初始出力向量；(2)設定當前每個粒子的位置為個體極值點xpbest，計算每一個粒子的適應值δfit＝Ft(x)，取最小適應值作為群體當前的最優解Fbest，並記最小適應值對應的粒子的位置為全局極值點xgbest，設定初始迭代次數nit為1；採用下式對微粒的速度v進行進化：vit+1＝wvit+c1,itr1[xit-(1+ξ1)xit+ξ1xit-1]+c2,itr2[xpbest-(1+ξ2)xit+ξ2xit-1]同時根據下式對粒子的位置x進行進化：xit+1＝xit+vit+1式中，c1,it和c2,it為學習因子，在異步變化學習因子的二階振蕩粒子群算法中，每次迭代中c1,it和c2,it按照下式計算，其中c1,ini為c1,it的迭代初始值，c1,fin為c1,it的迭代終值，c2,ini為c2,it的迭代初始值，c2,fin為c2,it的迭代終值，it表示當前迭代次數，itmax為最大迭代次數。ξ1和ξ2均為隨機數，如果當前迭代次數小於最大迭代次數的1/2，ξ1和ξ2滿足：如果當前迭代次數小於最大迭代次數的1/2，ξ1和ξ2應當滿足：(3)判斷當前的迭代次數是否滿足最大迭代次數，若滿足則輸出計算結果，否則設定迭代次數nit＝nit+1；(4)更新粒子的位置和速度，並更新無功調節設備出力變量；(5)判斷粒子群中全部粒子的狀態是否滿足主從博弈模型中各不等式約束條件，若滿足則保留粒子位置，否則取不等式約束條件對應的粒子位置限值；(6)計算當前每個粒子的適應值，保存全局最優解Fbest，全局最優位置xgbest和個體最優位置xpbest，並轉到第(3)步。下面給出具體實例：以浙江地區某一交直流混合微電網示範工程為例，採用本發明提出的預測及建模方法進行優化調度。該示範工程中包含容量為2MW的光伏電池，總容量為1MWh的儲能電池組，其最大輸出功率為250kW；交流區和直流區之間通過4臺功率為250kW的潮流控制器連接，簡化結構如圖1所示。首先對光伏及負荷出力按照如下步驟進行預測。預測結果如圖11所示。a)讀取待預測日前20天氣象及負荷數據；b)根據氣象數據計算歷史數據與預測日的相關係數；c)選出相關係數最高的5天作為相似日；d)剔除壞數據並恢復；e)求取相似日1～96時段負荷中位數作為典型值；f)計算相鄰時段負荷變化率；g)根據式所得變化率計算待預測時段功率。通過對雙向換流器、潮流控制器和電力電子變壓器兩側傳輸功率進行分析，得到兩種設備傳輸功率和效率的函數曲線，如圖7至圖10所示。為驗證所建立模型的正確性，在示範工程結構圖中進行驗證。在異步變化學習因子的二階振蕩粒子群算法實現過程中，經過多次測試，最終粒子數取為50，學習因子c1、c2均取為2，慣性因子取0.6，飛行速度取0.8，最大迭代次數為2000次，混沌步數取10。並採用提出的異步變化學習因子的二階振蕩粒子群算法優化算法進行求解。優化運行結果如圖12至圖16所示。在三臺潮流控制器及電力電子變壓器的功率分配問題上，並沒有簡單地將功率平均分配，而是提出兩種潮流控制器功率分配方法：一種是最小化換流損耗的功率分配，另一種是兼顧功率損耗和均流控制的功率分配方法。以換流功率損耗最小為目標，同時將其輸送功率大小排序，進行局部優化，分配結果如圖17。這樣運行優勢包括：1)三臺潮流控制器功率損耗最小。從圖8可以看出，潮流控制器運行效率並非隨輸送功率增加而單調增加，而是存在一個效率峰點。合理分配潮流控制器功率可以使運行損耗最低。2)各臺潮流控制器變化相對較小，壽命損耗較低。固定三臺潮流控制器的輸送功率大小順序後，在不同時段功率輸送指令將有序地分配到三臺潮流控制器，而不是隨機分配。這樣就避免了整體輸送功率變化較大時，相鄰時段同一臺潮流控制器輸送功率值由最大變為最小或者相反的情況的發生。以兼顧均流和換流損耗為目標的換流方式，根據換流總功率的不同範圍選擇潮流控制器和電力電子變壓器的啟停臺數，在開啟的換流設備之間進行均流。這樣運行運行的優點是控制方便，換流損耗較低。通過對換流設備不同組合進行分析，不同功率範圍的設備啟停情況如圖17所示。具體結果由表1列出。表1同功率範圍換流設備啟停情況功率範圍/kW電力電子變壓器開啟臺數潮流控制器開啟臺數0-11710117-25001250-50002500-75003750-100013優化調度時間間隔取1h，即將一天分為24個調度時段從圖4-11可知，大約在11:00～13:00時段光伏出力大於負荷，其他時間光伏局小於負荷，從圖12中看出，交直流混合微電網會向外網輸送功率。在光伏出力大於負荷期間，圖15可以看出，該時段儲能處於充電狀態，從圖16可以看出，儲能電池剩餘電量上升。因此，可以看出所提的優化調度方案可以使微電網可靠穩定運行，同時滿足餘量上網的要求。當前第1頁1 2 3