一种基于鲁棒估计和双重进化的微电网电力调度优化方法技术

本发明专利技术涉及一种基于鲁棒估计和双重进化的微电网电力调度优化方法。以微电网各发电机出力计划为决策变量，以微电网经济效益、环境效益、新能源渗透率为目标函数，初始化种群；将决策变量分类为低敏感鲁棒相关变量和高敏感鲁棒相关变量；采用双重进化策略；包括鲁棒评价部分策略、快速收敛部分策略，设计基于鲁棒Rank和收敛Rank的候选解评价策略和基于参考向量的选择策略；得到鲁棒区间最优解集。本发明专利技术从微电网系统综合效益最优出发，可以获得具有良好鲁棒性和收敛性的支配鲁棒解，提升了可再生能源的消纳能力、减少能源损耗和污染排放，有效地协调和控制微电网内各分布式电源的出力，保证了电力系统安全可靠、经济稳定的运行。行。行。

【技术实现步骤摘要】
一种基于鲁棒估计和双重进化的微电网电力调度优化方法


[0001]本专利技术属于电力系统优化调度
，具体涉及一种基于鲁棒估计和双重进化的微电网电力调度优化方法。

技术介绍

[0002]智能微电网是规模比较小且分散的供电系统，微电网的提出旨在实现分布式电源的高效与灵活应用，解决形式多样，规模庞大的分布式电源的并网问题。其中可再生能源发电易受气候、环境等诸多因素的影响，具有明显的随机性、间歇性和不确定性，因此为了保证电力系统安全、稳定、经济、可靠的运行，以及提升可再生能源的消纳能力、减少能源损耗和污染排放，有效地协调和控制微电网内各分布式电源的出力极其重要。所以如何解决可再生能源出力的不确定性是微电网电力调度的关键所在。而鲁棒优化对含不确定场景下的优化调度有其特有优势，传统的鲁棒优化方法是利用调度区间信息,在最恶劣的条件下解决问题，这样求解的调度策略保守性过强，不利于追求综合效益最优。因此从微电网系统整体效益最优角度出发，研究鲁棒优化方法具有重要的理论意义和应用价值。
[0003]微电网能源调度问题实质是一个数学意义上的非线性混合整数规划问题。目前解决思路主要分为两类：1.解析式算法，主要包括随机规划、动态规划为代表的优化技术，把不确定性鲁棒优化问题转为确定性数学规划问题，通过Benders分解、分支定界法等寻优，借助商业求解器进行求解。该类方法的特点是能够得到可行域里精确的最优解。但随着问题规模的增大，精确算法求解所消耗的时间不断增加以及准确性降低，对于一些实际非线性问题无法得到很好解决。2.智能启发式算法，如进化算法、模拟退火算法等，这些启发式算法具有简单易行，比较直观，同时可以跳过相关的混合整数和非线性问题，计算效率高，灵活性大等优势。
[0004]然而现有的许多启发式算法在处理不确定性问题过程中，要么忽略鲁棒性来保持最优性，要么牺牲最优性来保证鲁棒性，导致无法得到优质的解决方案。鲁棒多目标优化算法可以在考虑扰动因素下获得拥有满足性能要求的鲁棒解。因此需要采用鲁棒多目标优化算法来解决不确定环境下微电网电力调度问题。目前存在多种衡量鲁棒性能的概念，例如I型鲁棒解，II型鲁棒解，支配鲁棒解等。其中，支配鲁棒解定义为尽管在扰动的存在下目标值可能会发生很大变化，但其最优解依然可以保持帕累托最优。因此，支配鲁棒解是一种特殊的帕累托最优解，而鲁棒优化是一个搜索鲁棒帕累托最优解的过程，所以如何设计鲁棒优化算法实现平衡收敛性和鲁棒性是关键问题。

技术实现思路

[0005]本专利技术的目的是提出一种基于鲁棒估计和双重进化的微电网电力调度优化方法，在考虑微电网中新能源出力不确定性，系统参数不确定性情况下，求解微电网电力调度问题，获得具有良好鲁棒性和收敛性的支配鲁棒解，为电力系统安全可靠运行提供具有良好鲁棒性的解决方案。
[0006]一种基于鲁棒估计和双重进化的微电网电力调度优化方法，包括如下步骤：
[0007]步骤S1：建立日前鲁棒经济环境调度模型；
[0008]步骤S2：建立鲁棒经济环境调度模型的求解策略。
[0009]优选的是，本专利技术步骤S1的具体过程为：
[0010]微电网电力调度以1h为单位分段，将一天划分为24个时段，采用滚动调度的模式进行调度安排；在获取风电出力预测值，各种发电机组上下限，储能初始值的基本数据基础上，建立日前鲁棒经济环境调度模型；
[0011](1).目标函数：
[0012]以经济效益即微电网系统运行维护成本最低为目标一，主要包含常规机组运行成本，风电场发电维护成本，以及可控平衡机组运行成本；以环境效益和新能源渗透率即微电网系统的污染物排放治理成本与风电场弃风惩罚成本的综合成本最低为目标二；
[0013]目标一：微电网总运行成本f1：
[0014][0015]其中，P
i
是常规发电机组i的出力功率，α
i
、β
i
、r
i
是常规发电机组i的成本系数，Pj是风电机组j出力功率，λ
j
是折算的成本系数，P
B
是储能充放电功率，w是储能出力综合成本系数，C
AGC
是可控平衡机组出力成本；
[0016]目标二：污染物排放治理成本与风电场弃风惩罚成本的综合成本f2：
[0017]f2＝C
N
+C
P
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0018]C
N
表示微电网系统中环境治理成本，如式(3)所示。
[0019][0020]其中，M表示排放污染物种数；i表示排放的污染物类型如CO2、SO2以及NO
X
；表示治理每kg污染物i的成本(元/kg)；ξ
ki
表示第k个发电单元所产生的第i种污染物的罚款费用率(kg/KWh)；P
k
表示第k个发电单元的出力功率。
[0021]风电场弃风惩罚成本C
P
：
[0022]在考虑污染物排放治理成本基础上，将风电场弃风惩罚项引入目标函数中，以达到风电利用率最大化；通过允许风电出力功率区间与预测风电出力功率区间的差值的二次函数来表示弃风惩罚；
[0023][0024]其中为最大风电功率日前预测区间，为允许风电出力功率区间，μ
j
为第j个风电机组的弃风惩罚成本系数；
[0025](2).约束条件：
[0026]功率平衡约束：
[0027][0028]其中：P
D
是负荷预测需求功率，P
i
是常规发电机组i的出力功率，Pj是风电机组j出力功率，P
B
是储能充放电功率；P
AGC
是可控平衡机组实际出力功率；
[0029]常规机组、储能功率约束：
[0030][0031][0032]其中：分别是常规发电机组i最小、最大出力功率；P
DGi
是实际出力功率；为储能充放电允许出力功率上下限；
[0033]可控机组功率约束:
[0034][0035]其中：分别是可控平衡发电机组最小、最大出力功率；
[0036]风电场出力功率约束:
[0037][0038][0039]其中，P
Wj
是风电机组j实际出力功率；为风电机组j可靠运行最小出力功率；为最大风电机组出力功率日前预测区间；为允许风电机组出力功率区间；
[0040](3).风电不确定性：
[0041]基于具有时间统计特性的风电出力预测区间来考虑风电出力不确定性，通过风电厂调度中心的风电功率的最大日前预测区间为依据，建立鲁棒区间调度模型，求得各机组出力分配计划和允许风电出力功率区间使风电出力尽可能在预测风电出力区间内；
[0042](4).系统参数不确定性：
[0043]柴油发电机组出力不确定性由以下等式确定：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于鲁棒估计和双重进化的微电网电力调度优化方法，其特征在于包括如下步骤：步骤S1：建立日前鲁棒经济环境调度模型；步骤S2：建立鲁棒经济环境调度模型的求解策略。2.根据权利要求1所述的基于鲁棒估计和双重进化的微电网电力调度优化方法，其特征在于上述步骤S1的具体过程为：微电网电力调度以1h为单位分段，将一天划分为24个时段，采用滚动调度的模式进行调度安排；在获取风电出力预测值，各种发电机组上下限，储能初始值的基本数据基础上，建立日前鲁棒经济环境调度模型；(1).目标函数：以经济效益即微电网系统运行维护成本最低为目标一，主要包含常规机组运行成本，风电场发电维护成本，以及可控平衡机组运行成本；以环境效益和新能源渗透率即微电网系统的污染物排放治理成本与风电场弃风惩罚成本的综合成本最低为目标二；目标一：微电网总运行成本f1：其中，P
i
是常规发电机组i的出力功率，α
i
、β
i
、r
i
是常规发电机组i的成本系数，Pj是风电机组j出力功率，λ
j
是折算的成本系数，P
B
是储能充放电功率，w是储能出力综合成本系数，C
AGC
是可控平衡机组出力成本；目标二：污染物排放治理成本与风电场弃风惩罚成本的综合成本f2：f2＝C
N
+C
P
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)C
N
表示微电网系统中环境治理成本，如式(3)所示。其中，M表示排放污染物种数；i表示排放的污染物类型如CO2、SO2以及NO
X
；C
ipc
表示治理每kg污染物i的成本(元/kg)；ξ
ki
表示第k个发电单元所产生的第i种污染物的罚款费用率(kg/KWh)；P
k
表示第k个发电单元的出力功率。风电场弃风惩罚成本C
P
：在考虑污染物排放治理成本基础上，将风电场弃风惩罚项引入目标函数中，以达到风电利用率最大化；通过允许风电出力功率区间与预测风电出力功率区间的差值的二次函数来表示弃风惩罚；其中为最大风电功率日前预测区间，为允许风电出力功率区间，μ
j
为第j个风电机组的弃风惩罚成本系数；(2).约束条件：功率平衡约束：其中：P
D
是负荷预测需求功率，P
i
是常规发电机组i的出力功率，Pj是风电机组j出力功率，P
B
是储能充放电功率；P
AGC
是可控平衡机组实际出力功率；
常规机组、储能功率约束：常规机组、储能功率约束：其中：分别是常规发电机组i最小、最大出力功率；P
DGi
是实际出力功率；为储能充放电允许出力功率上下限；可控机组功率约束:其中：分别是可控平衡发电机组最小、最大出力功率；风电场出力功率约束:风电场出力功率约束:其中，P
Wj
是风电机组j实际出力功率；为风电机组j可靠运行最小出力功率；为最大风电机组出力功率日前预测区间；为允许风电机组出力功率区间；(3).风电不确定性：基于具有时间统计特性的风电出力预测区间来考虑风电出力不确定性，通过风电厂调度中心的风电功率的最大日前预测区间为依据，建立鲁棒区间调度模型，求得各机组出力分配计划和允许风电出力功率区间使风电出力尽可能在预测风电出力区间内；(4).系统参数不确定性：柴油发电机组出力不确定性由以下等式确定：其中，表示柴油发电机组i的不确定性在区间内；ε为不确定性系数。3.根据权利要求1所述的基于鲁棒估计和双重进化的微电网电力调度优化方法，其特征在于上述步骤S2的建立鲁棒经济环境调度模型的求解策略，具体过程为：S21：初始化，以微电网各发电机出力计划为决策变量，初始化种群、最大扰动水平、种群最大适应度评价次数、决策变量分类阈值、采样数、决策变量上下限；S22：决策变量分类，首先是对决策变量进行分类，对于含大规模决策变量的模型，其中某些决策变量对干扰不敏感，或者针对实际问题此变量不考虑干扰，采用决策变量分类的方式把变量分为有扰动且经变量分类为对扰动高敏感的鲁棒相关变量、无扰动或对扰动低敏感的鲁棒相关变量，针对不同决策变量采用不同的进化策略来降低模型复杂度；S23：双重进化策略，包括鲁棒评价部分和快速收敛部分；S24：经过算法迭代，满足结束条件后得到鲁棒区间最优解集。具体决策时需要决策者根据实际情况挑选出符合要求的解作为微电网各发电机组计划出力。
4.根据权利要求3所述的基于鲁棒估计和双重进化的微电网电力调度优化方法，其特征在于上述步骤S23的双重进化策略，具体过程为：S23.1：鲁棒评价部分进化策略：在不考虑扰动的情况下对无扰动或对扰动低敏感的鲁棒相关变量进行优化，在考虑扰动的情况下对对扰动高敏感的鲁棒相关变量进行鲁棒评价；S23.2：快速收敛部分进化策略：不考虑鲁棒评价，通过区...

【专利技术属性】
技术研发人员：潘安琪，任德心，单英浩，冯雪，陈志豪，
申请(专利权)人：东华大学，
类型：发明
国别省市：