本發(fā)明涉及微電網(wǎng)經(jīng)濟優(yōu)化技術(shù)領(lǐng)域，特別涉及一種微電網(wǎng)多目標實時滾動優(yōu)化方法。

背景技術(shù)：

將分布式電源通過微電網(wǎng)接入配電網(wǎng)普遍被認為是利用分布式電源有效的方式之一，可有效降低分布式電源的間接性和波動性對大電網(wǎng)的影響。微電網(wǎng)是一種將分布式發(fā)電裝置、變流器、負荷、儲能裝置以及監(jiān)控保護控制裝置有機整合在一起的發(fā)配電系統(tǒng)，具有自治運行，多能互補，優(yōu)化管理和協(xié)調(diào)控制等優(yōu)勢，是能源互聯(lián)網(wǎng)發(fā)展過程中不可或缺的重要部分。由于目前實現(xiàn)微電網(wǎng)成本較高，因此提高微電網(wǎng)的經(jīng)濟效益在以后的微電網(wǎng)發(fā)展和開拓過程中扮演重要角色。

現(xiàn)有關(guān)于微電網(wǎng)的研究較少考慮微電網(wǎng)中日前經(jīng)濟運行的不確定性對微電網(wǎng)運行的影響，由于日前預測值和實際值存在誤差，策略如何應用與實施對微電網(wǎng)優(yōu)化運行提出挑戰(zhàn)。

經(jīng)對現(xiàn)有技術(shù)文獻的檢索發(fā)現(xiàn)，一種基于對偶策略的微電網(wǎng)短期經(jīng)濟調(diào)度優(yōu)化方法（發(fā)明專利：CN201410728293.5）基于微電網(wǎng)短期負荷預測和不可控微電源發(fā)電功率預測，以微電網(wǎng)并網(wǎng)運行的總經(jīng)濟成本最小為目標函數(shù)，構(gòu)建微電網(wǎng)并網(wǎng)優(yōu)化運行模型，以對偶策略進行求解；通過快速檢測微電網(wǎng)中由于預測誤差導致的實時不平衡電量，以微電網(wǎng)中實時不平衡電量最小為目標函數(shù)，解決微電網(wǎng)優(yōu)化問題；將微電網(wǎng)波動性優(yōu)化問題再次帶入到微電網(wǎng)并網(wǎng)優(yōu)化運行模型中迭代求解，解決微電網(wǎng)系統(tǒng)的機組組合問題，實現(xiàn)系統(tǒng)的短期經(jīng)濟調(diào)度優(yōu)化。但該方法只考慮微電網(wǎng)系統(tǒng)的短期經(jīng)濟調(diào)度優(yōu)化，未考慮運用超短期預測結(jié)果決策微電網(wǎng)短時間內(nèi)的儲能出力，保持實時優(yōu)化的聯(lián)絡(luò)線功率、儲能SOC（State of Charge，荷電狀態(tài)）值盡量跟隨日前經(jīng)濟優(yōu)化的結(jié)果，保證微電網(wǎng)系統(tǒng)的經(jīng)濟運行。

針對以上不足，本發(fā)明提出了一種微電網(wǎng)多目標實時滾動優(yōu)化方法。該方法為將微電網(wǎng)優(yōu)化運行算法用于實際工況中，以考慮三相不平衡的日前經(jīng)濟優(yōu)化結(jié)果為指導，運用超短期光伏、功率預測結(jié)果，運用非支配排序的多目標算法（NSGA-II，Non-dominated sorting genetic algorithm II）決策微電網(wǎng)短時間內(nèi)的儲能出力，保持聯(lián)絡(luò)線功率、儲能SOC值盡量跟隨日前經(jīng)濟優(yōu)化的結(jié)果，保證微電網(wǎng)系統(tǒng)的經(jīng)濟運行。

技術(shù)實現(xiàn)要素：

本發(fā)明提出了一種微電網(wǎng)多目標實時滾動優(yōu)化方法，所提方法以考慮三相不平衡的日前經(jīng)濟優(yōu)化結(jié)果為指導，可保持聯(lián)絡(luò)線功率、儲能SOC值盡量跟隨日前經(jīng)濟優(yōu)化的結(jié)果，并保證在15分鐘微網(wǎng)多目標實時滾動算法運行后的SOC值跟隨日前經(jīng)濟優(yōu)化所決定的SOC值，滿足最優(yōu)化運行。

一種微電網(wǎng)多目標實時滾動優(yōu)化方法，該方法以日前經(jīng)濟優(yōu)化策略的結(jié)果為指導，即以日前優(yōu)化決策出的聯(lián)絡(luò)線功率為基準值，運用超短期光伏、負荷功率預測結(jié)果，通過非支配排序的多目標算法（NSGA-II，Non-dominated sorting genetic algorithm）決策微電網(wǎng)短時間內(nèi)的儲能出力，以保持聯(lián)絡(luò)線功率、儲能SOC值盡量跟隨日前經(jīng)濟優(yōu)化策略的結(jié)果，保證微電網(wǎng)系統(tǒng)的經(jīng)濟運行。

進一步地，所述優(yōu)化方法具體包括如下步驟：

步驟1：對單三相微電網(wǎng)的光伏、負荷功率進行超短期預測；

步驟2：產(chǎn)生儲能出力初始種群并將其編碼；

步驟3：計算各染色體的適應度并選擇適應度最優(yōu)的種群；

步驟4：開始執(zhí)行NSGA-II算法流程，進行種群的交叉與變異；

步驟5：對父、子種群進行合并；

步驟6：對合并后的種群進行排序，根據(jù)排序后的種群進行擁擠距離計算；

步驟7：修剪種群；

步驟8：若滿足終止條件，則得到Pareto最優(yōu)解集即多目標規(guī)劃問題的有效解集，NSGA-II算法流程結(jié)束；若不滿足終止條件，則返回步驟4，重新執(zhí)行NSGA-II算法流程；

步驟9：得出多目標決策模糊最優(yōu)解即微電網(wǎng)短時間內(nèi)的儲能出力，并將結(jié)果下傳至各子微電網(wǎng)中央控制器。

進一步地，所述NSGA-II算法中的非支配排序指對父、子種群合并后的種群進行排序,根據(jù)排序后的種群進行擁擠距離計算，個體的擁擠距離越大，表示該個體與相鄰個體的目標函數(shù)值差別越大，多樣性越好，根據(jù)擁擠距離修剪種群，滿足條件后輸出Pareto解集。

進一步地，所述多目標算法考慮的三個目標均以日前優(yōu)化結(jié)果為基準，目標分別是：

1）日前優(yōu)化與實時優(yōu)化結(jié)果間的儲能功率前后波動最??；

2）日前優(yōu)化與實時優(yōu)化結(jié)果間的聯(lián)絡(luò)線功率波動最小；

3）日前優(yōu)化與實時優(yōu)化結(jié)果間的聯(lián)絡(luò)線電量最相近；

目標函數(shù)如下：

式中，f₁，f₂和f₃分別是以日前優(yōu)化為結(jié)果的三個目標函數(shù)，P_{bsi_n}為實時優(yōu)化中第n時刻的儲能出力；P_{nett_n}代表實時優(yōu)化中n時刻的聯(lián)絡(luò)線功率、P_{neti_n}代表日前優(yōu)化中n時刻的聯(lián)絡(luò)線功率；Q_{nett_n}代表實時優(yōu)化在一個優(yōu)化時段的聯(lián)絡(luò)線電量，Q_{neti_n}代表日前優(yōu)化中一個優(yōu)化時段的聯(lián)絡(luò)線電量；

多目標算法優(yōu)化過程應滿足：

1）功率平衡約束：

∑P_{bsi_n}+∑P_{pvi_n}+∑P_{Ldi_n}=0，

式中，i=1～96；P_{pvi_n}為實時優(yōu)化中第n時刻的光伏功率，P_{Ldi_n}為實時優(yōu)化中第n時刻的負載功率；

2）儲能裝置電荷狀態(tài)上下限約束：

SOC_nmin≤SOC_n≤SOC_nmax，

式中，SOC_n為第n時刻各微電網(wǎng)儲能SOC值，SOC_max和SOC_min為所設(shè)定的SOC上下限；

3）儲能裝置充放電約束：

P_{chBS_n}≤P_{BS_n}≤P_{disBS_n}，

式中，P_{chBS_n}為實時優(yōu)化中第n時刻的儲能充電功率，P_{disBS_n}為實時優(yōu)化中第n時刻的儲能放電功率；

4）在實時優(yōu)化后儲能的SOC值與日前優(yōu)化的SOC值一致：

SOC_f=SOC_D，

式中，SOC_f為實時優(yōu)化后儲能的SOC值，SOC_D為日前優(yōu)化后儲能的SOC值。

與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點和技術(shù)效果：針對多微網(wǎng)系統(tǒng)，以考慮三相不平衡的日前經(jīng)濟優(yōu)化結(jié)果為指導，運用超短期光伏、功率預測結(jié)果，決策微電網(wǎng)短時間內(nèi)的儲能出力，保持聯(lián)絡(luò)線功率、儲能SOC值盡量跟隨日前經(jīng)濟優(yōu)化的結(jié)果，保證微電網(wǎng)系統(tǒng)的經(jīng)濟運行。本發(fā)明能滿足經(jīng)濟性指標要求并有效跟隨日前經(jīng)濟優(yōu)化算法的結(jié)果。

附圖說明

圖1是單三相混聯(lián)微電網(wǎng)圖。

圖2是一種微電網(wǎng)多目標實時滾動優(yōu)化流程圖。

圖3是子微電網(wǎng)光伏、負荷超短期預測曲線圖。

圖4是微電網(wǎng)多目標實時優(yōu)化算法的儲能出力圖。

圖5是日前經(jīng)濟優(yōu)化的聯(lián)絡(luò)線功率分散式與微電網(wǎng)多目標實時優(yōu)化算法的聯(lián)絡(luò)線功率對比圖。

具體實施方式

下面結(jié)合附圖，對本發(fā)明做進一步地詳細說明，但本發(fā)明的實施方式不限于此。

圖1是單三相混聯(lián)微電網(wǎng)圖，本發(fā)明基于該拓撲設(shè)計微電網(wǎng)多目標實時滾動優(yōu)化方法。

圖2是一種微電網(wǎng)多目標實時滾動優(yōu)化方法流程圖，其具體步驟如下：

步驟1：對單三相微電網(wǎng)的光伏、負荷功率進行超短期預測；

步驟2：產(chǎn)生儲能出力初始種群并將其編碼；

步驟3：計算各染色體的適應度并選擇適應度最優(yōu)的種群；

步驟4：開始執(zhí)行NSGA-II算法流程，進行種群的交叉與變異；

步驟5：對父、子種群進行合并；

步驟6：對合并后的種群進行排序，根據(jù)排序后的種群進行擁擠距離計算；

步驟7：修剪種群；

步驟8：若滿足終止條件，則得到Pareto最優(yōu)解集，NSGA-II算法流程結(jié)束；

步驟9：若不滿足終止條件，則返回步驟4，重新執(zhí)行NSGA-II算法流程；

步驟10：得出多目標決策模糊最優(yōu)解，并將結(jié)果下傳至各子微電網(wǎng)中央控制器。

進一步地，所述NSGA-II算法，其特征在于：非支配排序指對父、子種群合并后的種群進行排序,根據(jù)排序后的種群進行擁擠距離計算，某個體的擁擠距離越大，表示該個體與相鄰個體的目標函數(shù)值差別越大，多樣性越好。根據(jù)擁擠距離修剪種群，滿足條件后輸出Pareto解集。

進一步地，所述所考慮的三個目標均以日前優(yōu)化結(jié)果為基準，其特征在于：

目標分別是：

1、日前優(yōu)化與實時優(yōu)化結(jié)果間的儲能功率前后波動最小；

2、日前優(yōu)化與實時優(yōu)化結(jié)果間的聯(lián)絡(luò)線功率波動最?。?/p>

3、日前優(yōu)化與實時優(yōu)化結(jié)果間的聯(lián)絡(luò)線電量最相近。

進一步地，所述目標函數(shù)如下：

式中，P_{bsi_n}為實時優(yōu)化中第n時刻的儲能出力；P_{nett_n}代表實時優(yōu)化中i時刻的聯(lián)絡(luò)線功率、P_{neti_n}代表日前優(yōu)化中i時刻的聯(lián)絡(luò)線功率；Q_{nett_n}代表實時優(yōu)化在一個優(yōu)化時段的聯(lián)絡(luò)線電量，Q_{neti_n}代表日前優(yōu)化中一個優(yōu)化時段的聯(lián)絡(luò)線電量。

優(yōu)化過程應滿足：

1）功率平衡約束

∑P_{BSi_n}+∑P_{pvi_n}+∑P_{Ldi_n}=0，

式中，i=1…96；P_{pvi_n}為實時優(yōu)化中第n時刻的光伏功率，P_{Ldi_n}為實時優(yōu)化中第n時刻的負載功率。

2）儲能裝置電荷狀態(tài)上下限約束

SOC_nmin≤SOC_n≤SOC_nmax

式中，SOC_n為第n時刻各微電網(wǎng)儲能SOC值，SOC_max和SOC_min為所設(shè)定的SOC上下限

3）儲能裝置充放電約束

P_{chBS_n}≤P_{BS_n}≤P_{disBS_n}

式中，P_{chBS_n}為實時優(yōu)化中第n時刻的儲能充電功率，P_{disBS_n}為實時優(yōu)化中第n時刻的儲能放電功率。

4）在分散式算法優(yōu)化后儲能的SOC值與日前優(yōu)化的SOC值一致

SOC_f=SOC_D，

式中，SOC_f為實時優(yōu)化優(yōu)化后儲能的SOC值，SOC_D為日前優(yōu)化后儲能的SOC值。

本方法設(shè)計如下算例進行方法驗證。

設(shè)定三相子微電網(wǎng)1#為公共區(qū)域子微電網(wǎng)，三個單相子微電網(wǎng)2#、子微電網(wǎng)3#和子微電網(wǎng)4#分別為接于A、B、C相的三個家庭，并選取了典型的日光伏、負荷曲線進行分析。

其它數(shù)據(jù)設(shè)置：最大不平衡度設(shè)為15%，小區(qū)用電電價數(shù)據(jù)設(shè)為0.5283元/kW·h，考慮國家補貼的光伏上網(wǎng)電價為0.79元/kW·h。

各子微電網(wǎng)中源儲參數(shù)如下：單相子微電網(wǎng)光伏額定功率3kW，儲能容量為10kW·h，額定功率為30kW；三相子微電網(wǎng)光伏額定功率為30kW，儲能容量為50kW·h，額定功率為30kW。

以單微電網(wǎng)日前經(jīng)濟優(yōu)化結(jié)果中的兩個時間段為優(yōu)化對象，分別稱為A時段和B時段。對A、B時段的光伏、負荷功率進行超短期預測，圖3為超短期預測的光伏、負荷功率曲線，真實代表超短期功率預測的數(shù)據(jù)，預測代表日前經(jīng)濟優(yōu)化所用的預測數(shù)據(jù)。將日前經(jīng)濟優(yōu)化結(jié)果作為參考，通過微電網(wǎng)多目標實時滾動優(yōu)化方法優(yōu)化系統(tǒng)運行方案，目標如下：

（1）實時優(yōu)化的聯(lián)絡(luò)線功率與日前聯(lián)絡(luò)線功率最接近；

（2）實時優(yōu)化的聯(lián)絡(luò)線電量與日前聯(lián)絡(luò)線功率最接近；

（3）分散式優(yōu)化的儲能pcs出力前后的波動最小。

基于NSGA-II多目標優(yōu)化到得Pareto最優(yōu)解，運用多目標決策中的極大極小法選擇儲能出力，所選擇的出力如圖4所示，Pbs代表分散式優(yōu)化的A、B時段每一時間點的儲能出力，detaSOC代表實時優(yōu)化與日前優(yōu)化的SOC差值。圖5表示日前經(jīng)濟優(yōu)化的聯(lián)絡(luò)線功率與微電網(wǎng)多目標實時優(yōu)化的聯(lián)絡(luò)線功率對比圖。由圖4中可看出，實時優(yōu)化后系統(tǒng)的儲能出力在日前出力的結(jié)果下上下小范圍波動，單時間點最大波動為25%；SOC最大差值為0.12kWh；在圖5中，實時優(yōu)化后系統(tǒng)的聯(lián)絡(luò)線功率在日前預測的聯(lián)絡(luò)線功率上下小范圍波動，A時段的日前優(yōu)化的聯(lián)絡(luò)線電量為-0.38kWh，實時優(yōu)化的聯(lián)絡(luò)線電量-0.42kWh，波動率11.5%；B時段的日前優(yōu)化的聯(lián)絡(luò)線電量為0.6kWh，實時優(yōu)化的聯(lián)絡(luò)線電量0.59kWh，波動率1.6%。由算例可知，微電網(wǎng)多目標實時滾動優(yōu)化方法可保持聯(lián)絡(luò)線功率、儲能SOC值盡量跟隨日前經(jīng)濟優(yōu)化的結(jié)果，并保證在15分鐘微網(wǎng)多目標實時滾動算法運行后的SOC值跟隨日前經(jīng)濟優(yōu)化所決定的SOC值，滿足最優(yōu)化運行滿足最優(yōu)化運行。

本發(fā)明所描述的具體實施例僅是對本發(fā)明精神的具體說明，本領(lǐng)域技術(shù)人員可以在不違背本發(fā)明的原理和實質(zhì)的前提下對本具體實施例做出各種修改或補充或者采用類似的方式替代，但是這些改動均落入本發(fā)明的保護范圍。因此本發(fā)明技術(shù)范圍不局限于上述實施例。