一种多微网联合经济调度方法技术

本发明专利技术提供一种多微网联合经济调度方法，属于智能电网经济调度技术领域，包括如下步骤：步骤1：以机组发电成本、污染物排放量、车主充放电成本为目标函数来纳入发电计划，从而建立模型：步骤2：以功率平衡、机组出力、机组爬坡建立约束条件，并引入可中断负荷作为旋转备用。步骤3：可行性的验证采用基于混沌算法的改进布谷鸟优化算法和Shapley分配法的多微网联合经济调度方法，本发明专利技术综合考虑调度中的功率平衡、机组出力、机组爬坡建立约束条件，提出了一种基于混沌算法的改进布谷鸟优化算法和Shapley分配法的多微网联合经济调度方法，解决容易收敛于局部最优值的现象，同时有效解决了联盟成员涌现收益分配不公平的问题。了联盟成员涌现收益分配不公平的问题。了联盟成员涌现收益分配不公平的问题。

【技术实现步骤摘要】
一种多微网联合经济调度方法


[0001]本专利技术属于智能电网经济调度
，特别涉及一种多微网联合经济调度方法。

技术介绍

[0002]随着工业的高速发展，在带来好处并造福人类社会的同时，大量使用化石能源使得能源逐渐枯竭，以及引发出一系列的环境问题，所以将新能源引入电力系统中不仅仅是一种尝试，也是必然的发展趋势。在国家大力支持节能减排的政策下，在保障电力系统正常发电的要求下，优先采纳风电，使得清洁环保的可再生能源能够在电力系统中发挥其最大的作用。
[0003]优化问题普遍存在于人类的日常实践、科学和技术中。该问题通常可以归结为单个目标函数或多目标函数的最大值或最小值问题，满足一定的限制或不满足一定的限制。由于优化问题的复杂性，传统的数学优化方法已不能满足人们的需要，近年来，随着分布式能源的迅速发展，分布式能源得到了越来越多的应用。由于对分布式能量的有效吸收和管理，微网络的发展具有灵活的控制资源，由若干相邻的微电网联网形成的多微网是分布式电网的发展方向。
[0004]现有的布谷鸟算法分布复杂，不利于推广应用，根据概率进行随机变化。虽然可以扩大研究范围，增加种群的多样性，但是会导致搜索速度较慢以及精度不高等问题。并且现有专利技术在研究微电网和主电网之间的关系忽略了一个事实，即分布式发电和相邻微电网的需求可以很好地互补。这无助于提高区域体系的整体经济效益。上级调度中心出错时，只能对各区域进行独立优化，这不利于新能源的消耗和微电网的经济运行。

技术实现思路

[0005]针对现有技术存在的不足，本专利技术提供一种基于混沌算法的改进布谷鸟优化算法和Shapley分配法的多微网联合经济调度方法。
[0006]本专利技术的目的是这样实现的：一种多微网联合经济调度方法，包括如下步骤：
[0007]步骤1：以机组发电成本、污染物排放成本、电动汽车充电成本为目标函数建立多目标经济调度模型；
[0008]步骤2：建立约束条件；
[0009]步骤3：采用混沌算法的改进布谷鸟优化算法和Shapley分配法，进行可行性验证：设置目标函数，将种群根据混沌算法初始化，并规定参数；
[0010]步骤4：计算当前的目标函数最优值及对应个体，并进行保留，之后更新剩余个体的位置；
[0011]步骤5：依据目标函数将更新后的个体进行排序；
[0012]步骤6：重复步骤4和步骤5，直至达到终止条件，退出循环，输出全局最优解；
[0013]步骤7：构建微电网的贡献度模型。
[0014]进一步地，所述机组发电成本包括火电机组发电成本和风电机组发电成本，其中，火电机组发电成本包括燃料成本和维护成本，其表达式为：
[0015]F
i,t
＝F
i,t1
+F
i,t2
[0016]燃料成本表达式为：
[0017]F
i,t1
＝A
i
P
2i,t
+B
i
P
i,t
+C
i
[0018]式中，A
i
，B
i
，C
i
为火力发电机组i的燃料成本系数；
[0019]维护成本表达式为：
[0020]F
i，t2
＝K
i
P
i，t
[0021]式中，K
i
为第i台火力发电机组的运行维护系数；
[0022]所述风电机组发电成本表达式为：
[0023]F
wt
＝K
w
P
wt
[0024]式中，K
w
为风电机组的运行成本系数，P
wt
为风电机组在t时段内的输出功率；
[0025][0026]式中，v为实际风速，v
in
为切入风速，v
out
为切出风速，v
e
为额定风速；
[0027]所述污染物排放成本表达式为：
[0028]F
et
＝K
e，i
H
e
P
i，t
[0029]K
e，i
＝D
i
P
2i，t
+E
i
P
i，t
+G
i
[0030]式中，K
e，i
为第i台火力发电机组的排放量，H
e
为单位温室气体排放价格，D
i
、E
i
、G
i
均为排放系数；
[0031]所述电动汽车充电成本表达式：
[0032]F
p，t
＝N
chr，t
P
chr
f
chr，t
‑
N
dis，t
P
dis
f
dis，t
[0033]式中，N
dis，t
(N
chr，t
)为在t时段接入电网的PHEVs充(放)电的数量，P
dis
(P
chr
)为PHEVs的充(放)电平均功率，f
dis，t
(f
chr，t
)为PHEVs充(放)电电价。
[0034]进一步地，多目标经济调度模型表达式为：
[0035][0036]式中，i表示机组编号，N表示系统中发电机组的台数，T表示调度总时段数，U
i,t
为机组i在t时段的开机情况，F
i,t
(P
i,t
)为火电机组i在t时段的燃料费用，P
i,t
为机组i在t时段的发电量，F
wt
为t时段的风电发电成本，F
et
为t时段污染物排放量，F
L,t
为购买可中断负荷成本，为各成本所占比例。
[0037]进一步地，所述步骤2中，约束条件包括功率平衡约束、火电机组出力约束、风电机组出力约束和机组爬坡速率约束，其中，功率平衡约束表达式为：
[0038][0039]式中，P
i,t
为火力发电机组i在t时段的发电量，P
wt
为风力发电机组发电量，P
g
为系统负荷，P
l
为系统网损；
[0040]火电机组出力约束表达式为：
[0041]P
imin
≤P
i,t
≤P
imax
[0042]式中，P
imin
为火电机组i的出力下限，P
imax
为火电机组i的出力上限；
[0043]风电机组出力约束表达式为:
[0044][0045]式中，为风力发电机组的装机容量；
[0046]机组爬坡速率约束表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多微网联合经济调度方法，其特征在于：包括如下步骤：步骤1：以机组发电成本、污染物排放成本、电动汽车充电成本为目标函数建立多目标经济调度模型；步骤2：建立约束条件；步骤3：采用混沌算法的改进布谷鸟优化算法和Shapley分配法，进行可行性验证：设置目标函数，将种群根据混沌算法初始化，并规定参数；步骤4：计算当前的目标函数最优值及对应个体，并进行保留，之后更新剩余个体的位置；步骤5：依据目标函数将更新后的个体进行排序；步骤6：重复步骤4和步骤5，直至达到终止条件，退出循环，输出全局最优解；步骤7：构建微电网的贡献度模型。2.根据权利要求1所述的多微网联合经济调度方法，其特征在于，所述机组发电成本包括火电机组发电成本和风电机组发电成本，其中，火电机组发电成本包括燃料成本和维护成本，其表达式为：F
i,t
＝F
i,t1
+F
i,t2
燃料成本表达式为：F
i,t1
＝A
i
P
2i,t
+B
i
P
i,t
+C
i
式中，A
i
，B
i
，C
i
为火力发电机组i的燃料成本系数；维护成本表达式为：F
i,t2
＝K
i
P
i,t
式中，K
i
为第i台火力发电机组的运行维护系数；所述风电机组发电成本表达式为：F
wt
＝K
w
P
wt
式中，K
w
为风电机组的运行成本系数，P
wt
为风电机组在t时段内的输出功率；式中，v为实际风速，v
in
为切入风速，v
out
为切出风速，v
e
为额定风速；所述污染物排放成本表达式为：F
et
＝K
e，i
H
e
P
i，t
K
e，i
＝D
i
P
2i，t
+E
i
P
i，t
+G
i
式中，K
e，i
为第i台火力发电机组的排放量，H
e
为单位温室气体排放价格，D
i
、E
i
、G
i
均为排放系数；所述电动汽车充电成本表达式：F
p，t
＝N
chr，t
P
chr
f
chr，t
‑
N
dis，t
P
dis
f
dis，t
式中，N
Dis，t
(N
chr，t
)为在t时段接入电网的PHEVs充(放)电的数量，P
dis
(P
chr
)为PHEVs的充(放)电平均功率，f
dis，t
(f
chr，t
)为PHEVs充(放)电电价。
3.根据权利要求1所述的多微网联合经济调度方法，...

【专利技术属性】
技术研发人员：郭瑞，叶瀚文，周航，王亚茹，姜铭坤，赵琰，姜河，宋世巍，李昱材，何雨桐，安琦，白金禹，辛长庆，胡宸嘉，李兆滢，赵涛，魏莫杋，
申请(专利权)人：沈阳工程学院，
类型：发明
国别省市：