【技术实现步骤摘要】
本专利技术涉及交直流微网综合能源利用，具体涉及一种考虑需求响应和合作博弈的交直流微网优化运行方法。
技术介绍
1、为了解决环境破坏和能源危机的问题，加大对新型清洁能源的开发和应用迫在眉睫。分布式可再生能源由于其清洁、有效的发电形式，在能源供应中起着重要的作用，是解决能源短缺的有效途径之一。然而，若将存在波动性、间歇性等不确定因素的分布式电源直接并入电网，则对其供电可靠性与经济效益会产生一定的影响，提高了电网的规划难度。为解决上述存在的问题，使分布式电源与电网之间保持友好连接，保证系统运行可靠性，降低经济成本，f.blaabjerg等学者率先提出了交直流混合微电网的概念。
2、近年来，交直流混合微电网的技术日益成熟，微电网规划与建设的关键在于系统的优化运行方面，制定合理的优化运行技术将直接影响微电网内电能的分配，其不仅可以降低系统运行的经济成本，而且可以提高可再生能源的有效利用率。此外，电网的规划和运营逐步走向源网荷协同发展，且能量供给侧与用户侧两者的联系越来越密切；因此，专利技术一种考虑需求响应和合作博弈的交直流微网优化运行方法显得尤为重要。
3、现有技术中，专利文献cn108448632a公开了一种计及储能荷电状态循环的交直流微网日内滚动优化调度方法，该专利技术虽然可以保证交直流微网内储能设备的循环调节能力，降低运行成本，但是其没有考虑用户侧需求，优化调度效率低，用户满意度差；此外，现有的交直流微网优化调度方法多采用单一的智能算法，存在全局搜索能力差、收敛速度慢、适应性差的问题。
1、本专利技术的目的是为了解决现有技术中的缺陷，而提出的一种考虑需求响应和合作博弈的交直流微网优化运行方法。
2、为了实现上述目的，本专利技术采用的技术方案如下：
3、实现风-光-荷联合功率预测；建立计及风光资源和多元负荷影响的不确定性模型；引入需求响应，建立可削减多能负荷模型和可转移多能负荷模型；引入负荷需求响应速度系数，建立用户成本补偿模型；基于合作博弈构建以交直流微网和用户整体收益最大化为目标的优化调度模型；采取基于自适应惯性权重的改进萤火虫-粒子群混合优化算法求解交直流微网参与调度的最优运行方案。
4、所述实现风-光-荷联合功率预测方法包括如下步骤：
5、step1：构建风光联合功率预测所需的输入变量集和输出变量集；输入变量集由各风电场和各光伏电站的气象数据组成，所述气象数据包括风速、光照和温度；输出变量集由各风电场和各光伏电站总功率组成；
6、step2：基于软注意力机制计算在区域风电与光伏历史功率上的注意力分布，根据注意力分布计算区域风电与光伏历史功率的加权平均，分别赋予不同权重，构建基于软注意力机制和深度学习的风光联合功率预测模型；
7、step3：采用互补集合经验模态分解法ceemd对step2中所预测的区域风电与光伏发电功率进行分解，将分解得到的每组结果分成训练集和测试集，并对基于软注意力机制和深度学习的风光联合功率预测模型进行训练，以输出功率预测结果；
8、step4：对step3中每组的功率预测结果进行集总叠加，求取平均值，获得模型最终预测结果；
9、step5：构建负荷预测所需的输入变量集和输出变量集；其中，输入变量集包括历史负荷数据、step1中待预测日的各风电场和各光伏电站总功率数据，输出变量集由待预测日的负荷数据组成；
10、step6：基于软注意力机制对待预测负荷模型的输入变量集进行提取筛选，采取组内方差算法对设备边缘侧的风机与光伏出力数据进行异常识别和处理；
11、step7：采用时间循环神经网络lstm构建考虑未来风光发电功率信息的负荷预测模型，并采用分层级迁移学习算法，以预测负荷的不确定性；
12、step8：使用训练好的考虑未来风光发电功率信息的负荷预测模型进行负荷预测，在预测过程中，输入变量包括历史负荷数据与step4中所获得的风光功率预测结果。
13、进一步地，所述的计及风光资源和多元负荷影响的不确定性模型建立过程如下：
14、基于风-光-荷联合功率预测误差，利用连接函数copula获取实时风光资源联合出力预测误差和负荷预测误差的概率密度函数来进行场景生成；选取典型日的风光资源数据，采用同步回代消除法对场景进行削减，进而求得交直流微网在离散场景s下的对应值及各离散场景对应的的初始概率；如下公式所示：
15、
16、式中，f(pwt,ppv)代表风光联合分布概率密度函数；f(pload,i)代表第i种能源负荷的概率密度函数；ν代表风光联合分布函数的相关参数；f(pwt),f(ppv)分别代表风力发电功率和光伏发电功率的边缘分布函数；f(pwt),f(ppv)分别代表风力发电功率和光伏发电功率的概率密度函数；pload,i,μ代表第i种能源负荷数据在统计时段的平均值；pload,i,δ代表第i种能源负荷数据在统计时段的标准差；
17、针对交直流混合微网采用基于综合范数(1范数和∞范数)的不确定约束集，对各离散场景的概率分布进行限制；如下公式所示：
18、
19、式中，fs为交直流微网在场景s下的初始概率，fs,o为交直流微网在场景s下的风光荷联合资源初始概率；θ1,θ∞分别为1范数和∞范数概率允许偏差值；s为离散场景的总数。
20、进一步地，引入需求侧响应，建立可削减多能负荷模型和可转移多能负荷模型的具体过程如下：
21、在交直流微网和用户之间引入激励性需求响应idr，微网内部与idr资源的管理者签订合同，直接管理与调用部分idr资源；具体的合同分为负荷削减合同和负荷转移合同；其中，负荷削减合同的内容为用户在规定时间段内实现负荷的削减，不进行负荷的时段转移，合同指定削减容量、单位补偿价格、削减时长和每日最大削减次数；负荷转移合同的内容为用户根据合同要求提前或推迟使用某些设备，将负荷转移到其他时段；
22、可削减多能负荷模型；交直流微网中基于供能方和用户提前签订的负荷削减合同，在负荷峰时通过给予用户一定的经济补偿按负荷等级切除可削减负荷，所构建的可削减多能负荷模型如下所示：
23、
24、
25、
26、式中，为在场景s下第i种能源在t时刻的可削减负荷量；为在场景s下第i种能源在t时刻的原始负荷；为第i种能源在t时刻的负荷削减状态量；为第i种能源的负荷可削减比例系数；代表在场景s下第i种能源在一个调度周期t内的最大可削减次数；为连续时间段内可削减负荷的最大限度；
27、可转移多能负荷模型；交直流微网中可转移多能负荷与不同时段的用能价格密切相关，具有较高的跨时段灵活特性，在需求响应中，每个时刻的可转移负荷在一定范围内变化并保证在整个调度周期内负荷所需能量保持总量不变，所构建的可转移多能负荷模型如下所示：
28、
29、
30、式中，为在本文档来自技高网...
【技术保护点】
1.一种考虑需求响应和合作博弈的交直流微网优化运行方法，其特征在于：应用于包含电热氢混合能源的交直流微网系统，所述交直流微网系统由交流微网和直流微网组成；其中，交流微网包含风力发电单元和交流负载；直流微网包含光伏发电单元、蓄电池储能单元、氢能发电单元、热能发电单元和直流负载；交流微网和直流微网通过交流-直流转换器相连；交流微网和上级配电网通过变压器相连；
2.根据权利要求1所述的考虑需求响应和合作博弈的交直流微网优化运行方法，其特征在于，所述的实现风-光-荷联合功率预测方法步骤如下：
3.根据权利要求1所述的考虑需求响应和合作博弈的交直流微网优化运行方法，其特征在于：基于风-光-荷联合功率预测误差，利用连接函数Copula获取实时风光资源联合出力预测误差和负荷预测误差的概率密度函数来进行场景生成；选取典型日的风光资源数据，采用同步回代消除法对场景进行削减，进而求得交直流微网在离散场景s下的对应值及各离散场景对应的的初始概率；如下公式所示：
4.根据权利要求1所述的考虑需求响应和合作博弈的交直流微网优化运行方法，其特征在于：在交直流微网和用户之间
5.根据权利要求1所述的考虑需求响应和合作博弈的交直流微网优化运行方法，其特征在于：所述基于合作博弈构建以交直流微网和用户整体收益最大化为目标的优化调度模型，其目标函数如下：
6.根据权利要求1所述的考虑需求响应和合作博弈的交直流微网优化运行方法，其特征在于，所述基于合作博弈构建以交直流微网和用户整体收益最大化为目标的优化调度模型，其运行约束条件包括系统功率平衡约束，储能设备运行约束，能量转换设备运行约束，购能功率约束和需求侧负荷转移约束。
7.根据权利要求1所述的考虑需求响应和合作博弈的交直流微网优化运行方法，其特征在于，所述的采取基于自适应惯性权重的改进萤火虫-粒子群混合优化算法，求解交直流微网参与调度的最优运行方案具体过程如下：
...【技术特征摘要】
1.一种考虑需求响应和合作博弈的交直流微网优化运行方法，其特征在于：应用于包含电热氢混合能源的交直流微网系统，所述交直流微网系统由交流微网和直流微网组成；其中，交流微网包含风力发电单元和交流负载；直流微网包含光伏发电单元、蓄电池储能单元、氢能发电单元、热能发电单元和直流负载；交流微网和直流微网通过交流-直流转换器相连；交流微网和上级配电网通过变压器相连；
2.根据权利要求1所述的考虑需求响应和合作博弈的交直流微网优化运行方法，其特征在于，所述的实现风-光-荷联合功率预测方法步骤如下：
3.根据权利要求1所述的考虑需求响应和合作博弈的交直流微网优化运行方法，其特征在于：基于风-光-荷联合功率预测误差，利用连接函数copula获取实时风光资源联合出力预测误差和负荷预测误差的概率密度函数来进行场景生成；选取典型日的风光资源数据，采用同步回代消除法对场景进行削减，进而求得交直流微网在离散场景s下的对应值及各离散场景对应的的初始概率；如下公式所示：
4.根据权利要求1所述的考虑需求响应和合作博弈的交直流微网优化运行方法，其特征在于：在交直流微网和用户之间引入激励性需求响应idr...
【专利技术属性】
技术研发人员：王太真，程钊，李秋硕，董新伟，王玙，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：
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。