一种基于条件风险价值的微电网群优化方法技术

本发明专利技术公开了一种基于条件风险价值的微电网群优化方法，具体包括：历史成本数据分析、历史数据规律分析、场景数据模拟生成、场景数量聚类削减和条件风险价值建模优化。场景数据模拟生成程序基于典型规律与误差信息，生成足够多组场景状态曲线；场景数量聚类削减程序通过对前述步骤生成的多场景进行比较聚合，得到可计算的数个典型场景及其对应概率；条件风险价值建模优化则在多概率场景下，结合决策者或电网运营者的风险偏好，优化得到微电网群系统的运行策略。通过本发明专利技术，能够使微电网群在面对新能源发电出力、负荷波动的不确定性下，综合风险考量，具备协调出力、优化运行的能力。优化运行的能力。优化运行的能力。

【技术实现步骤摘要】
一种基于条件风险价值的微电网群优化方法


[0001]本专利技术涉及电力系统
，具体涉及一种基于条件风险价值的微电网群优化方法。

技术介绍

[0002]面临着日益严重的环境污染问题，减小碳排放已成为人类社会的广泛共识。其手段之一便是大力发展可再生能源替代传统化石能源。随着电力系统中大规模分布式可再生能源的接入和大量相关电力电子装置的应用，电网尤其是配电网的复杂度日益提升。为应对分布式可再生能源固有的间歇性、随机性等特点和解决相关电力电子装置带来的控制复杂度、稳定性等问题，微电网作为一种可行的解决方案被提出。然而，微电网容量有限，抗干扰能力较弱，应对瞬时大量负荷的接入或脱离等瞬态事件能力不足。
[0003]如中国专利CN112103946A，公开日2020年12月18日，一种基于粒子群算法的微电网储能优化配置方法，首先设计电池储能系统模型；然后对微电网用户的日负荷数据、光伏发电数据、分时电价数据进行预处理，进而得到储能容量、功率及投资成本参数约束；建立储能优化配置模型：以储能装置投资最低、收益最大为目标函数建立储能优化配置模型，考虑可再生资源发电、功率平衡、可充放电次数在内的约束条件；利用粒子群算法求解储能优化配置模型；最后对特征指标进行评价，计算储能优化参数，得到最终的微电网储能优化配置方法。但是其并没有考虑关于多无人机协同巡检的执行问题。其存在微电网容量有限，抗干扰能力较弱的问题，需要通过聚合多个相邻近微电网构成微电网群进行进一步的改进。

技术实现思路

[0004]本专利技术要解决的技术问题是：目前的微电网优化方法存在抗干扰能力较弱的技术问题。提出了一种能够增强微电网抗干扰能力的一种基于条件风险价值的微电网群优化方法。
[0005]为解决上述技术问题，本专利技术所采取的技术方案为：一种基于条件风险价值的微电网群优化方法，包括如下步骤：S1：统计并输入优化范围内微电网群的历史电力数据，推导微网群内各可控电源的成本功率函数；S2：建立并获得微电网群内可再生能源出力和用电负荷的典型功率规律及误差范围，通过数学建模方式获取特征概率分布函数；S3：将对应特征分布函数输入蒙特卡洛模拟程序，生成多组功率曲线；S4：将蒙特卡洛模拟生成的功率曲线进行场景聚类与削减，获得典型场景及对应概率；S5：建立基于条件风险价值的微电网群系统优化调度模型；S6：根据置信水平计算求解微电网群系统优化调度模型，得到微电网群系统优化调度结果。其中燃气轮机的成本功率有如下二次函数关系：
其中，P
G
为可控的燃气轮机有功出力，F
G
(P
G
)为出力P
G
时对应的运行成本。
[0006]作为优选，所述步骤S5中建立基于条件风险价值的微电网群系统优化调度模型的过程包括根据微电网群的优化调度周期，以微电网群运行成本、向上级电网购电成本、用户负荷失电成本和可再生能源出力削减惩罚成本的加权和最小为优化问题的目标函数，以优化问题约束结合典型场景及对应概率，建立基于条件风险价值的微电网群系统优化调度模型。根据所研究微电网群的优化调度周期，基于步骤S1结论，以微电网群运行成本、向上级电网购电成本、用户负荷失电成本和可再生能源出力削减惩罚成本的加权和最小为优化问题目标函数，以微电网群的功率平衡、储能系统充放电约束、微电网群内各机组运行约束和可再生能源出力削减约束，结合步骤S4获得的典型场景及其对应概率，建立基于条件风险价值的微电网群系统优化调度模型；作为优选，所述步骤S5中的所述优化问题约束包括微电网群的功率平衡、储能系统充放电约束、微电网群内各机组运行约束和可再生能源出力削减约束。步骤S5的优化目标函数为微电网群运行成本、向上级电网购电成本、用户负荷失电成本和可再生能源出力削减惩罚成本的加权和最小，优化问题约束为微电网群的功率平衡、储能系统充放电约束、微电网群内各机组运行约束和可再生能源出力削减约束。
[0007]作为优选，所述步骤S3中的蒙特卡洛方法为：根据特征概率分布函数，生成大量随机数并计算对应的概率分布函数值，以模拟大量符合该特征概率分布的数据。根据步骤S2获得的可再生能源出力和用电负荷的典型功率规律及其误差范围，将对应特征分布函数输入蒙特卡洛模拟程序，生成足够多组功率曲线：基于步骤S2的获得的特征概率分布函数，生成大量随机数并计算其对应的概率分布函数值，以模拟大量符合该特征概率分布的数据。
[0008]作为优选，所述步骤S4中的场景聚类与削减算法采用K
‑
MEANS聚类算法。为缓解系统的调度优化压力，将步骤S3中蒙特卡洛模拟生成的众多功率曲线进行场景聚类与削减，获得典型场景及其对应概率。
[0009]作为优选，所述K
‑
MEANS聚类算法为：基于已经获得的数据集(x1，x2，
…
，x
n
)，通过K
‑
MEANS聚类算法把这n个数据点划分到k个集合中(k≤n),使得组内平方和最小。即K
‑
MEANS聚类的目标是找到使得下式满足的聚类S
i
：其中μ
i
是聚类S
i
中的所有数据点的平均值。进而统计各聚类S
i
中数据点数量，计算得到各聚类对应的概率p
i
。通过K
‑
MEANS聚类算法可以把这n个数据点划分到k个集合中(k≤n),使得组内平方和最小。
[0010]作为优选，所述步骤S6中置信水平包括决策者或电网运营者的风险偏好系数。根据置信水平及决策者或电网运营者的风险偏好系数，计算求解步骤5中基于条件风险价值的微电网群系统优化调度模型，得到可接受风险内的微电网群系统优化调度结果。置信水平为条件风险价值计算中的特征参数即决策者或电网运营者的风险偏好系数为优化目标函数中对于运行成本与风险成本的权重取舍。
[0011]条件风险价值的具体表达如下：具体表达如下：具体表达如下：η
ξ
≥0其中，ζ为风险价值，α为置信水平，p(ξ)为场景ξ对应的概率，η
ξ
表示因场景ξ导致的成本变化。
[0012]本专利技术的实质性效果是：本专利技术采取的预测模拟方式对于极端运行场景以概率形式加入优化问题的研究场景，且将决策者或电网运营者的风险取舍作为决策的一部分，使得微电网群系统的调度更具实际性，针对微电网群系统的集体协同优化，相较于单一微电网系统提高了灵活性，本专利技术针对微电网群系统中因可再生能源发电预测和用户负荷预测等带来的不确定性，可以优化计算等到决策者或电网运营者在所采取的风险偏好情况下，成本最低的微电网群优化调度策略，该优化调度策略不仅考虑了不确定性带来的风险成本，还包含决策者或电网运营者的风险取舍，以实现经济上最优且合理可行的微电网系统优化调度策略。
附图说明
[0013]图1为本实施例实施步骤的流程图；图2为本实施例的结构示意图。
[0014]其中：1、储能电池，2、交流负载，3、直流负载，4、交本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于条件风险价值的微电网群优化方法，其特征在于，包括如下步骤：S1：统计并输入优化范围内微电网群的历史电力数据，推导微网群内各可控电源的成本功率函数；S2：建立并获得微电网群内可再生能源出力和用电负荷的典型功率规律及误差范围，通过数学建模方式获取特征概率分布函数；S3：将对应特征分布函数输入蒙特卡洛模拟程序，生成多组功率曲线；S4：将蒙特卡洛模拟生成的功率曲线进行场景聚类与削减，获得典型场景及对应概率；S5：建立基于条件风险价值的微电网群系统优化调度模型；S6：根据置信水平计算求解微电网群系统优化调度模型，得到微电网群系统优化调度结果。2.根据权利要求1所述的一种基于条件风险价值的微电网群优化方法，其特征在于，所述步骤S5中建立基于条件风险价值的微电网群系统优化调度模型的过程包括根据微电网群的优化调度周期，以微电网群运行成本、向上级电网购电成本、用户负荷失电成本和可再生能源出力削减惩罚成本的加权和最小为优化问题的目标函数，以优化问题约束结合典型场景及对应概率，建立基于条件风险价值的微电网群系统优化调度模型。3.根据权利要求2所述的一种基于条件风险价值的微电网群优化方法，其特征在于，所述步骤S5中的所述优化问题约束包括微电网群的功率平衡、储能系统充放电约束、微电网群内各机组运行约束和可再生能源出力削减约束。4.根据权利要求1或3所述的一种基于...

【专利技术属性】
技术研发人员：杨成钢，傅颖，胡洪涛，陈扬哲，吴彬锋，赵阳，赵建文，张弛，吴昊天，徐伟丰，李冰，刘锦雁，周翔宇，饶岳辉，陈伟伟，
申请(专利权)人：国网浙江省电力有限公司松阳县供电公司，
类型：发明
国别省市：