基于主从博弈模型的交直流混合微电网优化运行方法技术

技术编号:15440567 阅读:292 留言:0更新日期:2017-05-26 05:59
一种基于主从博弈模型的交直流混合微电网优化运行方法:采集微电网所在区域光照强度、温度、云量的气象数据,统计微电网中光伏发电量历史数据,对交直流混合微电网中次日光伏电池出力采用基于典型趋势的预测方法进行预测;对交直流混合微电网中双向换流器、潮流控制器两侧传输功率数据进行采集,并建立交直流混合微电网中各种设备的数学模型;将一天分为多个调度时段,建立光伏运营商和电网公司在每个调度时段利益相互协调的主从博弈模型,主从博弈模型包括光伏运营商利益最大化的光伏利用率模型和代表电网公司损失最小化的交直流混合微电网网损模型;采用异步变化学习因子的二阶振荡粒子群算法,提高算法的全局搜索性能。本发明专利技术适用性广,预测精度较高。

Optimal operation method of AC / DC hybrid microgrid based on Stackelberg game model

A game model of AC / DC hybrid micro grid operation optimization method based on the meteorological data acquisition: micro grid region of light intensity, temperature, cloudiness, statistics in the micro grid photovoltaic power generation capacity of historical data, the AC / DC hybrid microgrid in the photovoltaic cell output using the forecast method based on the typical trend; AC / DC hybrid micro grid converter, bidirectional power flow controller on both sides of the transmission power data acquisition, mathematical model and established DC hybrid micro grid equipment; a talent for a number of scheduling periods, build photovoltaic operators and Power Grid Corp in the Stackelberg game model for each scheduling period interest coordination, Stackelberg game model including the maximum photovoltaic PV operators benefit utilization model and on behalf of Power Grid Corp, minimize the loss of AC / DC Hybrid Micro The power grid loss model adopts the two order oscillating particle swarm optimization algorithm with asynchronous change learning factor to improve the global search performance of the algorithm. The invention has wide applicability and high prediction accuracy.

【技术实现步骤摘要】
基于主从博弈模型的交直流混合微电网优化运行方法
本专利技术涉及一种交直流混合微电网中多目标优化运行方法。特别是涉及一种基于主从博弈模型的交直流混合微电网优化运行方法。
技术介绍
传统电力系统中化石能源的大量消耗带来严重的环境破坏,基于这一问题,新能源发电方式得到广泛应用。然而,由于新能源通常受多种天气因素的影响,其出力往往存在很大波动。其不可控性甚至给电网供电可靠与安全运行带来不利影响。微网通过整合多种分布式电源与负荷,成为可控的电力区域,从而提高不可控的新能源发电消纳率。因此微网技术受到国内外研究人员的广泛关注。电力负荷按照其供电方式可以分为交流负荷和直流负荷。由于传统负荷中交流负荷占比很大,微网技术的研究主要集中于交流微网的研究。由于目前直流输电技术较为成熟、直流负荷的日益增多,将所有直流、电源通过逆变器接入交流微网将带来很大的能量损耗,同时大量的电力电子设备接入还会给电网引入大量谐波,基于此背景,交直流混合微电网具有很大的研究前景与应用价值。为了推进电力系统市场化改革,我国目前正在逐步将售电侧放开,从而为电力用户提供灵活多样的电能服务。微电网中新能源运营商同样可以成为独立的售电公司。以光伏运营商为例,其通过向微网中用户出售成本较低的光伏发电电能获得收益,为了能最大化收益,其追求的目标是尽量将光伏出力全部消纳,即最大化光伏利用率。研究发现,追求最大化光伏利用率的过程中会影响到微电网的网损,即导致电网公司利益受损。这种情况下,为了追求各自运行目标,光伏运营商与电网公司存在利益博弈,因此有必要针对这一问题进行优化调度研究。
技术实现思路
本专利技术所要解决的技术问题是,提供一种可以使微电网可靠稳定运行,同时满足余量上网要求的基于主从博弈模型的交直流混合微电网优化运行方法。本专利技术所采用的技术方案是:一种基于主从博弈模型的交直流混合微电网优化运行方法,包括如下步骤:1)采集微电网所在区域光照强度、温度、云量的气象数据,统计微电网中光伏发电量历史数据,对交直流混合微电网中次日光伏电池出力采用基于典型趋势的预测方法进行预测;分别统计交流区和直流区的历史负荷数据,分别对次日交流负荷和直流负荷进行预测;2)对交直流混合微电网中双向换流器、潮流控制器两侧传输功率数据进行采集,利用所采集数据建立交直流混合微电网中各种设备的数学模型;3)将一天分为多个调度时段,建立光伏运营商和电网公司在每个调度时段利益相互协调的主从博弈模型,主从博弈模型包括光伏运营商利益最大化的光伏利用率模型和代表电网公司损失最小化的交直流混合微电网网损模型;4)采用异步变化学习因子的二阶振荡粒子群算法,提高算法的全局搜索性能,从而避免早熟现象。步骤1)所述的基于典型趋势的预测方法,是在已知某时段功率的基础上对未来时段的功率进行预测,基于典型趋势的预测方法的数学表达式为:Ppre(t+i)=Ppre(t)+ΔPpre(t+i)=Ppre(t)(1+P′typ(t));其中,Ppre(t+i)为第t+i个时段的发电功率预测值;Ppre(t)为第t个时段的实际发电功率值;ΔPpre(t+i)为第t+i个时段相对第t个时段的预测功率变化值;ΔPpre(t+i)为第t个时段到第t+i个时段的变化率,P'(t)是基于典型趋势所获得,典型趋势是通过具有相似气象特征的日期中的功率计算得到。所述的具有相似气象特征的日期中的功率是由如下各式得到:待预测日与历史数据的相似关系公式:其中,σj为第j日与待预测日的关联系数,σj值大于设定限值σ0即认为与待预测日属于同一相似日;ρ是分辨系数,取0.5;xj为所统计的气象数据组成的表征第j日气象特征的向量,表示为:xj=[xj(1),xj(2),…,xj(m)]计算待预测日与历史数据的关联系数,筛选出大于关联限值σ0的样本数据,得到K个相似日之后通过下式来计算相似日的典型趋势P′typ(t)步骤2)所述的交直流混合微电网中各种设备的数学模型,包括:(1)储能电池寿命其中Nlife为储能电池的循环寿命;DOD为放电深度;Na为放电深度最高次幂;ai为DOD第i次幂系数,ai通过对测量数据进行拟合得到;储能电池在使用中应当满足功率平衡、荷电状态上下限的约束条件:DOD(t)=1-SOC(t)SOCmin≤SOC(t)≤SOCmaxSOC(t)为第t个时段储能电池荷电状态;为储能电池容量;PSB(t)为第t时段储能电池的充放电功率;Δt为一个时段的时间长度;DOD(t)表示储能电池的放电深度;SOCmax、SOCmin分别为荷电状态的上下限值;(2)储能电池的成本模型包括寿命损耗成本C0和能量损耗成本C1两部分其中,Cinit为储能电池的安装成本,Cg为外电网电价,η为储能电池的能量效率;(3)储能电池的综合成本模型:(4)潮流控制器与双向换流器功率传输模型其中,表示第t个时段设备的传输效率;ri为传输功率Pi(t)系数;PCS表示潮流控制器,ILC表示双向换流器;(5)变压器传输效率模型式中:SN为变压器容量;β表示负载率,为功率因数,p0为变压器额定电压下的空载损耗,pkN为额定电流时的短路损耗。步骤3)所述的主从博弈模型为:其中,PPV,k(t)为第k个光伏电池的实际出力,为第k个光伏电池的预测出力;SSB(t)为储能电池在第t时段的荷电量;μch为充电标识,当储能处于充电状态时μch为1,处于其他状态时为0;μdis为放电标识,当储能处于放电状态时μdis为1,处于其他状态时为0;为储能充电功率,为储能放电功率;ηch为储能充电效率,ηdis为储能放电效率;Pgrid(t)为交直流微电网与大电网交换功率;PPV(t)为光伏输出功率;ηPV,i为光伏换流器功率传输效率;PACL,j(t)表示交流区第j个负荷功率;PILC为双向换流器传输功率;ΗILC为双向换流器功率传输效率;PET(t)为电力电子变压器传输功率;ΗET(t)电力电子变压器功率传输效率;ΗSBC为与储能电池连接的换流器功率传输效率;PDCL,m为直流区第m个负荷功率;为双向换流器传输容量;为潮流控制器传输容量;γPV表示光伏利用率,f为电网网损及储能寿命损耗和能量损耗折现函数,γPV通过下式计算:式中,T为调度周期中的时段数;s为分散安装的光伏电池数量;PPV,k(t)与分别为第k个光伏电池调度出力与预测出力;f通过下式计算:f=fl+fbatfbat为储能电池损耗引起的经济损失;Cinit为储能电池的安装费用;fl为交直流混合微电网网损;Pi,k表示第i类潮流控制器或双向换流器k传输的功率;ηi,k表示第i类潮流控制器或双向换流器k传输效率;N为功率转换设备的种类;mk为混合微电网中第k类功率转换设备的数量。步骤4)所述的使用异步变化学习因子的二阶振荡粒子群算法包含如下步骤:(1)初始化,输入粒子群的规模、变量个数、惯性权重、最大飞行速度、最大迭代次数、各个无功调节设备的参数和初始出力向量;(2)设定当前每个粒子的位置为个体极值点xpbest,计算每一个粒子的适应值δfit=Ft(x),取最小适应值作为群体当前的最优解Fbest,并记最小适应值对应的粒子的位置为全局极值点xgbest,设定初始迭代次数nit为1;采用下式对微粒的速度v进行进化:vit+1=w本文档来自技高网...
基于主从博弈模型的交直流混合微电网优化运行方法

【技术保护点】
一种基于主从博弈模型的交直流混合微电网优化运行方法,其特征在于,包括如下步骤:1)采集微电网所在区域光照强度、温度、云量的气象数据,统计微电网中光伏发电量历史数据,对交直流混合微电网中次日光伏电池出力采用基于典型趋势的预测方法进行预测;分别统计交流区和直流区的历史负荷数据,分别对次日交流负荷和直流负荷进行预测;2)对交直流混合微电网中双向换流器、潮流控制器两侧传输功率数据进行采集,利用所采集数据建立交直流混合微电网中各种设备的数学模型;3)将一天分为多个调度时段,建立光伏运营商和电网公司在每个调度时段利益相互协调的主从博弈模型,主从博弈模型包括光伏运营商利益最大化的光伏利用率模型和代表电网公司损失最小化的交直流混合微电网网损模型;4)采用异步变化学习因子的二阶振荡粒子群算法,提高算法的全局搜索性能,从而避免早熟现象。

【技术特征摘要】
1.一种基于主从博弈模型的交直流混合微电网优化运行方法,其特征在于,包括如下步骤:1)采集微电网所在区域光照强度、温度、云量的气象数据,统计微电网中光伏发电量历史数据,对交直流混合微电网中次日光伏电池出力采用基于典型趋势的预测方法进行预测;分别统计交流区和直流区的历史负荷数据,分别对次日交流负荷和直流负荷进行预测;2)对交直流混合微电网中双向换流器、潮流控制器两侧传输功率数据进行采集,利用所采集数据建立交直流混合微电网中各种设备的数学模型;3)将一天分为多个调度时段,建立光伏运营商和电网公司在每个调度时段利益相互协调的主从博弈模型,主从博弈模型包括光伏运营商利益最大化的光伏利用率模型和代表电网公司损失最小化的交直流混合微电网网损模型;4)采用异步变化学习因子的二阶振荡粒子群算法,提高算法的全局搜索性能,从而避免早熟现象。2.根据权利要求1所述的基于主从博弈模型的交直流混合微电网优化运行方法,其特征在于,步骤1)所述的基于典型趋势的预测方法,是在已知某时段功率的基础上对未来时段的功率进行预测,基于典型趋势的预测方法的数学表达式为:Ppre(t+i)=Ppre(t)+△Ppre(t+i)=Ppre(t)(1+P′typ(t));其中,Ppre(t+i)为第t+i个时段的发电功率预测值;Ppre(t)为第t个时段的实际发电功率值;△Ppre(t+i)为第t+i个时段相对第t个时段的预测功率变化值;△Ppre(t+i)为第t个时段到第t+i个时段的变化率,P'(t)是基于典型趋势所获得,典型趋势是通过具有相似气象特征的日期中的功率计算得到。3.根据权利要求2所述的基于主从博弈模型的交直流混合微电网优化运行方法,其特征在于,所述的具有相似气象特征的日期中的功率是由如下各式得到:待预测日与历史数据的相似关系公式:其中,σj为第j日与待预测日的关联系数,σj值大于设定限值σ0即认为与待预测日属于同一相似日;ρ是分辨系数,取0.5;xj为所统计的气象数据组成的表征第j日气象特征的向量,表示为:xj=[xj(1),xj(2),…,xj(m)]计算待预测日与历史数据的关联系数,筛选出大于关联限值σ0的样本数据,得到K个相似日之后通过下式来计算相似日的典型趋势P′typ(t)4.根据权利要求1所述的基于主从博弈模型的交直流混合微电网优化运行方法,其特征在于,步骤2)所述的交直流混合微电网中各种设备的数学模型,包括:(1)储能电池寿命其中Nlife为储能电池的循环寿命;DOD为放电深度;Na为放电深度最高次幂;ai为DOD第i次幂系数,ai通过对测量数据进行拟合得到;储能电池在使用中应当满足功率平衡、荷电状态上下限的约束条件:DOD(t)=1-SOC(t)SOCmin≤SOC(t)≤SOCmaxSOC(t)为第t个时段储能电池荷电状态;为储能电池容量;PSB(t)为第t时段储能电池的充放电功率;△t为一个时段的时间长度;DOD(t)表示储能电池的放电深度;SOCmax、SOCmin分别为荷电状态的上下限值;(2)储能电池的成本模型包括寿命损耗成本C0和能量损耗成本C1两部分其中,Cinit为储能电池的安装成本,Cg为外电网电价,η为储能电池的能量效率;(3)储能电池的综合成本模型:(4)潮流控制器与双向换流器功率传输模型其中,表示第t个时段设备θ的传输效率;ri为传输功率Pi(t)系数;PCS表示潮流控制器,ILC表示双向换流器;(5)变压器传输效率模型式中:SN为变压器容量;β表示负载率,为功率因数,p0为变压器额定电压下的空载损耗,pkN为额定电流时的短路损耗。5.根据权利要求1所述的基于主从博弈模型的交直流混合微电网优化运行方法,其特征在于,步骤3)所述的主从博弈模型为:

【专利技术属性】
技术研发人员:李鹏韩鹏飞陈安伟张斌周国华
申请(专利权)人:华北电力大学保定国网浙江省电力公司
类型:发明
国别省市:河北,13

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1