尊龙凯时官网,尊龙凯时,AG尊龙凯时,尊龙娱乐,尊龙体育,尊龙凯时人生就是搏,尊龙凯时体育,尊龙凯时平台,ag尊龙,尊龙平台,尊龙,尊龙官网,尊龙登录入口,尊龙官方网站,尊龙app下载,尊龙凯时APP下载尊龙凯时官网,尊龙凯时,AG尊龙凯时,尊龙娱乐,尊龙体育,尊龙凯时人生就是搏,尊龙凯时体育,尊龙凯时平台,ag尊龙,尊龙平台,尊龙,尊龙官网,尊龙登录入口,尊龙官方网站,尊龙app下载,尊龙凯时APP下载尊龙凯时官网,尊龙凯时,AG尊龙凯时,尊龙娱乐,尊龙体育,尊龙凯时人生就是搏,尊龙凯时体育,尊龙凯时平台,ag尊龙,尊龙平台,尊龙,尊龙官网,尊龙登录入口,尊龙官方网站,尊龙app下载,尊龙凯时APP下载尊龙凯时官网,尊龙凯时,AG尊龙凯时,尊龙娱乐,尊龙体育,尊龙凯时人生就是搏,尊龙凯时体育,尊龙凯时平台,ag尊龙,尊龙平台,尊龙,尊龙官网,尊龙登录入口,尊龙官方网站,尊龙app下载,尊龙凯时APP下载尊龙凯时官网,尊龙凯时,AG尊龙凯时,尊龙娱乐,尊龙体育,尊龙凯时人生就是搏,尊龙凯时体育,尊龙凯时平台,ag尊龙,尊龙平台,尊龙,尊龙官网,尊龙登录入口,尊龙官方网站,尊龙app下载,尊龙凯时APP下载
2、尺度的微电网 的运行优化方法， 包括： S1： 收集日前和日内数 据； 获取微电网系统的源荷预测数据， 数据包括 日前短期源荷预测数据、 日内超短期数据： S2： 日 前运行优化； 在日前调度阶段， 建立微电网的日 前调度模型， 进行个分布式可控机组即储能系统 的出力分配； S3日内运行优化； 建立日内运行优 化模型， 分配各可控机组的容量； S4： 结合日前、 日内运行优化模型搭建冷热电微电网多时间尺 度运行优化模型； S5： 对冷热电微电网运行优化 模型进行求解； 本发明可减小预测误差与实际情 况之间的偏移， 可降低风光微电网中源荷日前预 测误差带来的影响， 为风光微电网的运行优化提 供理
3、论指导。 权利要求书3页 说明书6页 附图1页 CN 109687523 A 2019.04.26 CN 109687523 A 1.一种基于多时间尺度的微电网的运行优化方法， 其特征在于， 所述方法包括以下步 骤： S1： 收集日前和日内数据： 获取微电网系统的源荷预测数据， 数据包括日前短期源荷预 测数据、 日内超短期数据， 并构建微电网的负荷、 电源数据矩阵； S2： 日前运行优化： 在日前调度阶段， 结合源荷短期预测的结果， 考虑峰谷平各时段电 价、 分布式电源的运行维护成本和可中断负荷中断补偿成本， 建立微电网的日前调度模型， 求解日前调度模型得到各分布式可控机组出力值； S3日内运
4、行优化： 在日内计划中其蓄电池储能系统的充放电计划沿用日前运行计划结 果， 然后结合超短期源荷预测的结果， 建立日内运行优化模型， 求解日内运行优化模型得到 其余可控机组的出力值； S4： 结合日前、 日内运行优化模型搭建冷热电微电网多时间尺度运行优化模型； S5： 对冷热电微电网运行优化模型进行求解； 对S4所得模型进行求解， 求解出微电网中 风电场、 光伏发电站、 燃料电池、 燃气轮机的出力值。 2.根据权利要求1所述的基于多时间尺度的微电网的运行优化方法， 其特征在于， 步骤 S1中日前短期负荷预测数据矩阵、 日内超短期负荷预测数据矩阵分别为： 式中， Xl、 Xl分别为日前短期、 日内
5、超短期负荷预测数据矩阵； Xlc、 Xlh、 Xle分别为日前 冷、 热、 电负荷日前短期预测数据； Xlc、 Xlh、 Xle分别为冷、 热、 电负荷日内超短期预测数 据。 3.根据权利要求1所述的基于多时间尺度的微电网的运行优化方法， 其特征在于， 步骤 S1中日前超短期电源预测数据矩阵、 日内超短期电源预测数据矩阵分别为： 式中， Yg、 Yg分别为日前、 日内超短期电源预测数据矩阵； ywt、 ypv分别为日前光伏出力、 风电功率预测数据； ywt、 ypv分别为日内超短期光伏出力、 风电功率预测数据。 4.根据权利要求1所述的基于多时间尺度的微电网的运行优化方法， 其特征在于， 步骤
6、 S2中微电网的日前调度模型为： 式中， N表示调度总时段； M表示可控分布式电源机组数量； L表示可控分布式电源的种 类； Pkj(t)表示k个j类型的发电装置在t时段发出的功率； Cf(Pkj(t)表示k个j类型的发电装 置在t时段发出的功率所需的燃料成本； Cm(Pkj(t)表示k个j类型的发电装置在t时段发出 权利要求书 1/3 页 2 CN 109687523 A 2 的功率所需的维护成本； C表示分布式可再生电源机组数量； R表示分布式可再生能源的发 电形式； Phx(t)表示表示x个h类型的发电装置在t时段发出的功率； Cm(Ph(t)表示x个h类型 的发电装置在t时段发出的功率
7、所需的维护成本， i表示当前调度时段。 5.根据权利要求4所述的基于多时间尺度的微电网的运行优化方法， 其特征在于， 微电 网的日前调度模型的约束条件包括： 电负荷平衡、 储能约束、 可中断负荷约束、 机组功率上 下限。 6.根据权利要求5所述的基于多时间尺度的微电网的运行优化方法， 其特征在于， 所述 的电负荷平衡约束为： 在实际运行中， 微网须保证在t时段的负荷平衡， 即： Pfl(t)Pwt(t)+Ppv(t)+Pfc(t)+Pmt(t)+Ps(t) 式中， Pfl(t)表示t时段微网负荷的预测值； Pwt(t)表示t时段风机出力预测值； Ppv(t)表 示t时段光伏电池出力预测值； P
8、fc(t)表示t时段燃料电池机组出力值； Pmt(t)表示t时段燃 气轮机出力值； Ps(t)为t时刻储能系统的充放电大小， 放电时取正值， 充电时取负值。 7.根据权利要求5所述的基于多时间尺度的微电网的运行优化方法， 其特征在于， 所述 的储能约束为： 储能系统需满足以下约束： SocminSoc(t)Socmax PSBminPSB(t)PSBmax -PSB(t)Socmax-Soc(t) c 式中： Soc(t)表示t时段电储能的容量； Socmin、 Socmax表示电储能的剩余容量上下限； PSB (t)表示t时段电储能的充放电功率； PSBmin、 PSBmax表示电储能的充放
9、电功率上下限； c表示最 大充放电率。 8.根据权利要求5所述的基于多时间尺度的微电网的运行优化方法， 其特征在于， 所述 的机组功率上下限约束条件为： PwtminPwt(t)Pwtmax PpvminPpv(t)Ppvmax PfcminPfc(t)Pfcmax PmtminPmt(t)Pmtmax 式中， Pwtmax、 Pwtmin表示风电机组功率上下限； Ppvmax、 Ppvmin表示光伏发电机组功率上下 限； Pfcmax、 Pfcmin表示燃料电池机组功率上下限； Pmtmax、 Pmtmin表示燃气轮机输出功率上下限。 9.根据权利要求1所述的基于多时间尺度的微电网的运行优化
10、方法， 其特征在于， 步骤 S3中日内运行优化模型为： 式中， N表示调度总时段； M表示可控分布式电源机组数量； L表示可控分布式电源的种 类； Pkj(t)表示k个j类型的发电装置在t时段发出的功率； Cf(Pkj(t)表示k个j类型的发电装 置在t时段发出的功率所需的燃料成本； Cm(Pkj(t)表示k个j类型的发电装置在t时段发出 的功率所需的维护成本； C表示分布式可再生电源机组数量； R表示分布式可再生能源的发 电形式； Phx(t)表示表示x个h类型的发电装置在t时段发出的功率； Cm(Ph(t)表示x个h类型 权利要求书 2/3 页 3 CN 109687523 A 3 的发电
11、装置在t时段发出的功率所需的维护成本， i表示当前调度时段。 权利要求书 3/3 页 4 CN 109687523 A 4 一种基于多时间尺度的微电网的运行优化方法 技术领域 0001 本发明涉及微电网运行控制技术领域， 更具体地， 涉及一种日前日内协同的微电 网运行优化方法。 背景技术 0002 随着全球能源、 环境问题的凸显， 风能、 太阳能等可在生能源得到了较大的发展； 与此同时， 微电网作为一种包含可再生能源等分布式电源的综合集成技术得到了广泛的关 注； 微电网具有灵活的运行特性， 可以并网或脱网运行， 能同时满足本地用户的电能和热能 需求； 微电网提高了分布式发电系统的供电可靠性，
12、实现了分布式电源与负荷的一体化运 行， 减少了系统的污染排放， 已经成为智能电网建设中的一个重要组成部分。 0003 微网将不可控的可再生能源、 可控的热电联产和储能设备以及各种负荷做为一个 整体， 提高能源利用率， 并可与大电网互动实现对大电网运行的有利支撑； 它不仅能够解决 分布式电源的大规模接入问题， 还能充分发挥分布式发电的优势， 真正实现分布式发电的 安全、 经济和高效的运行； 微网的经济运行就是研究微网各种设备的协调运行优化， 国内外 对此已经展开了大量的研究， 其中主要集中在基于源荷日前预测的基础上进行的运行优 化； 其中风光微电网是指， 将风电、 光伏、 微燃机和柴油机四种分布
13、式电源与一定的负荷按 照一定的接线方式联接起来的微电网。 0004 微电网分布式电源系统是一种同时具有关系复杂并交互作用的随机和模糊不确 定性事件或参量的系统； 在各种不确定性随机和模糊事件或参量的影响下， 微电网分布式 电源发电功率和发电量变得更具随机特性和模糊特性， 这些特性极大影响微电网运行优 化； 以往微电网运行优化方法常常采用确定性的计算方法， 确定性的方法通常是在假设日 前的源荷预测没有误差的情况下来对微电网的分布式电源就行处理值分配， 这样导致优化 得出的出力结果偏离实际甚至导致结果不可用； 实际上， 由于风光、 负荷具有波动性和随机 性， 因而源荷的日前预测误差可能与实际有较大
14、的偏移； 可见， 对微电网运行优化的研究都 没有考虑日前预测误差带来的影响。 发明内容 0005 本发明为克服上述现有技术所述的微电网运行优化的研究没有考虑日前预测误 差带来的影响而导致预测误差可能与实际情况存在较大偏移的缺陷， 提供一种基于多时间 尺度的微电网的运行优化方法。 0006 所述方法包括以下步骤： 0007 S1： 收集日前和日内数据： 获取微电网系统的源荷预测数据， 数据包括日前短期源 荷预测数据、 日内超短期数据， 并构建微电网的负荷、 电源数据矩阵： 0008 S2： 日前运行优化： 在日前调度阶段， 结合源荷短期预测的结果， 考虑峰谷平各时 段电价、 分布式电源的运行维护
15、成本和可中断负荷中断补偿成本， 建立微电网的日前调度 模型， 求解日前调度模型得到各分布式可控机组(包含储能系统)出力值； 说明书 1/6 页 5 CN 109687523 A 5 0009 S3日内运行优化： 在日内计划中其蓄电池储能系统的充放电计划沿用日前运行计 划结果， 然后结合超短期源荷预测的结果， 建立日内运行优化模型， 求解日内运行优化模型 得到其余可控机组的出力值； 0010 S4： 结合日前、 日内运行优化模型搭建冷热电微电网多时间尺度运行优化模型； 0011 S5： 对冷热电微电网运行优化模型进行求解； 采用通用性的算法如智能算法(粒子 群优化算法、 遗传算法等)对S4所得模
16、型进行求解， 求解出微电网中风电场、 光伏发电站、 燃 料电池、 燃气轮机的出力值。 0012 本发明利用不同时间断面上源荷预测的准确率不同， 构建基于多时间尺度模型， 首先获取微电网系统的短期和超短期源荷预测数据， 分别建立微电网日前运行优化模型、 日内运行优化模型， 由这两个模型共同搭建微电网的多时间尺度模型， 利用智能算法求解 日前模型， 混合整数线性规划求解日内模型， 该模型降低了风光微电网中源荷日前预测误 差带来的影响， 同时反映了日前、 日内源荷预测的偏离， 为风光微电网的运行优化提供理论 指导， 为分布式新能源发电及智能电网调度运行提供必要的技术支撑。 0013 本发明所述方法针
17、对由风电和光伏发电组成的微电网系统， 并考虑日前风电出 力、 光伏出力的不确定性和随机性， 在保证日前和日内源荷预测误差偏离最小的基础， 实现 微电网的经济运行。 0014 优选地， 步骤S1中日前超短期负荷预测数据矩阵、 日内超短期负荷预测数据矩阵 分别为： 0015 0016 0017 式中， Xl、 Xl分别为日前短期、 日内超短期负荷预测数据矩阵； Xlc、 Xlh、 Xle分别为日 前冷、 热、 电负荷日前短期预测数据； Xlc、 Xlh、 Xle分别为冷、 热、 电负荷日内超短期预测数 据。 0018 优选地， 步骤S1中日前超短期电源预测数据矩阵、 日内超短期电源预测数据矩阵 分
18、别为： 0019 0020 0021 式中， Yg、 Yg分别为日前、 日内超短期电源预测数据矩阵； ywt、 ypv分别为日前光伏 出力、 风电功率预测数据； ywt、 ypv分别为日内超短期光伏出力、 风电功率预测数据。 0022 优选地， 步骤S2中微电网的日前调度模型为： 0023 0024 式中， N表示调度总时段； M表示可控分布式电源机组数量； L表示可控分布式电源 说明书 2/6 页 6 CN 109687523 A 6 的种类； Pkj(t)表示k个j类型的发电装置在t时段发出的功率； Cf(Pkj(t)表示k个j类型的发 电装置在t时段发出的功率所需的燃料成本； Cm(Pk
19、j(t)表示k个j类型的发电装置在t时段 发出的功率所需的维护成本； C表示分布式可再生电源机组数量； R表示分布式可再生能源 的发电形式； Phx(t)表示表示x个h类型的发电装置在t时段发出的功率； Cm(Ph(t)表示x个h 类型的发电装置在t时段发出的功率所需的维护成本， i表示当前调度时段。 。 0025 优选地， 微电网的日前调度模型的约束条件包括： 电负荷平衡、 储能约束、 可中断 负荷约束、 机组功率上下限。 0026 优选地， 所述的电负荷平衡约束为： 0027 在实际运行中， 微网须保证在t时段的负荷平衡， 即： 0028 Pfl(t)Pwt(t)+Ppv(t)+Pfc(t
22、Pfcmin表示燃料电池机组功率上下限； Pmtmax、 Pmtmin表示燃气轮机输出功率上下 限； 0042 优选地， 步骤S3中微电网的日内运行优化模型为： 0043 0044 式中， N表示调度总时段； M表示可控分布式电源机组数量； L表示可控分布式电源 的种类； Pkj(t)表示k个j类型的发电装置在t时段发出的功率； Cf(Pkj(t)表示k个j类型的发 电装置在t时段发出的功率所需的燃料成本； Cm(Pkj(t)表示k个j类型的发电装置在t时段 发出的功率所需的维护成本； C表示分布式可再生电源机组数量； R表示分布式可再生能源 的发电形式； Phx(t)表示表示x个h类型的发电
23、装置在t时段发出的功率； Cm(Ph(t)表示x个h 类型的发电装置在t时段发出的功率所需的维护成本， i表示当前调度时段。 0045 与现有技术相比， 本发明技术方案的有益效果是： 本发明充分考虑日前预测误差 说明书 3/6 页 7 CN 109687523 A 7 带来的影响， 从而减小预测误差与实际情况之间的偏移， 可降低风光微电网中源荷日前预 测误差带来的影响； 这种基于多时间尺度的风光微电网的运行优化方法， 同时反映了日前、 日内源荷预测的偏离， 为风光微电网的运行优化提供理论指导， 为分布式新能源发电及智 能电网调度运行提供必要的技术支撑。 附图说明 0046 图1为本发明所述的一
24、种日前日内协同的微电网运行优化方法流程框图。 具体实施方式 0047 附图仅用于示例性说明， 不能理解为对本专利的限制； 0048 为了更好说明本实施例， 附图某些部件会有省略、 放大或缩小， 并不代表实际产品 的尺寸； 0049 对于本领域技术人员来说， 附图中某些公知结构及其说明可能省略是可以理解 的。 0050 下面结合附图和实施例对本发明的技术方案做进一步的说明。 0051 图1中的S1描述微电网系统的短期和超短期源荷预测数据的获取。 0052 获取微电网系统的源荷预测数据， 数据包括日前短期源荷预测数据、 日内超短期 数据， 并构建微电网的负荷、 电源数据矩阵： 0053 0054
25、0055 0056 0057 式中， Xl、 Xl分别为日前短期、 日内超短期负荷预测数据矩阵； Xlc、 Xlh、 Xle分别为日 前冷、 热、 电负荷日前短期预测数据； Xlc、 Xlh、 Xle分别为冷、 热、 电负荷日内超短期预测数 据； Yg、 Yg分别为日前、 日内超短期电源预测数据矩阵； ywt、 ypv分别为日前光伏出力、 风电功 率预测数据； ywt、 ypv分别为日内超短期光伏出力、 风电功率预测数据。 0058 图1中的S2描述日前运行优化。 0059 在日前调度阶段， 结合源荷短期预测的结果， 考虑峰谷平各时段电价、 分布式电源 的运行维护成本和可中断负荷中断补偿成本，
26、 建立微电网的日前调度模型， 进行个分布式 可控机组即储能系统的出力分配。 0060 决策变量Xx1 x2 x3 x4 x5， x1、 x2、 x3、 x4、 x5分别为微电网中风电场、 光伏发电 站、 燃料电池、 燃气轮机和蓄电池储能系统的出力值， 其单位均为： kW。 0061 优化后的微电网中风电场、 光伏发电站、 燃料电池、 燃气轮机和储能系统的出力值 说明书 4/6 页 8 CN 109687523 A 8 要满足微电网综合运行成本最小化， 其微电网的日前调度模型的表达式为： 0062 0063 式中， N表示调度总时段， 取24h； M表示可控分布式电源机组数量， 本实施例为燃料
27、电池和柴油机数量； L表示可控分布式电源的种类， 本实施例中L取1表示燃料电池、 取2表示 燃气轮机； Pkj(t)表示k个j类型的发电装置在t时段发出的功率； Cf(Pkj(t)表示k个j类型的 发电装置在t时段发出的功率所需的燃料成本； Cm(Pkj(t)表示k个j类型的发电装置在t时 段发出的功率所需的维护成本； C表示分布式可再生电源机组数量， 本实施例为光伏电池和 风机数量； R表示分布式可再生能源的发电形式， 本实施例中R取最大为2， 取1表示光伏发 电、 取2表示风力发电； Phx(t)表示表示x个h类型的发电装置在t时段发出的功率； Cm(Ph(t) 表示x个h类型的发电装置在
28、t时段发出的功率所需的维护成本， i表示当前调度时段。 0064 微电网的日前调度模型包括如下约束： 0065 微网的日前运行优化模型主要考虑电负荷平衡约束、 储能约束、 可中断负荷约束、 机组功率上下限和微网与大电网交互功率约束。 0066 (1)电负荷平衡 0067 在实际运行中， 微网须保证在t时段的负荷平衡， 即 0068 Pfl(t)Pwt(t)+Ppv(t)+Pfc(t)+Pmt(t)+Ps(t) 0069 式中， Pfl(t)表示t时段微网负荷的预测值； Psl(t)表示t时段微网转移负荷值； Pwt (t)表示t时段风机出力预测值； Ppv(t)表示t时段光伏电池出力预测值；
31、日内优化运行阶段， 为了保持日前计划中的全局优化特征， 在日内计划中其蓄 说明书 5/6 页 9 CN 109687523 A 9 电池储能系统的充放电计划沿用日前运行计划结果， 然后结合超短期源荷预测的结果， 建 立日内运行优化模型， 分配各可控机组的容量。 0084 日内微电网运行优化模型的建立； 决策变量Xx1 x2 x3 x4， x1、 x2、 x3、 x4分别为 微电网中风电场、 光伏发电站、 燃料电池和燃气轮机的出力值， 其单位均为： kW。 0085 优化后的微电网中风电场、 光伏发电站、 燃料电池和燃气轮机的出力值要满足微 电网综合运行成本最小化， 其目标函数的表达式和日前运行
32、优化的表达式一致。 但在日内 计划中， 调度周期仍为24h， 但单位调度时间为5min， 时段总数为288个。 0086 图1中的S4描述搭建冷热电微电网运行优化模型。 结合日前、 日内运行优化模型搭 建冷热电微电网多时间尺度运行优化模型。 0087 图1中的S5描述冷热电微电网运行优化模型的求解方法。 0088 考虑到模型中的某些机组可能存在启停的情况， 因而在本发明中可采用的通用性 的算法有混合整数线性规划与智能算法(如PSO、 遗传算法等)相结合求解该模型， 可以求解 出微电网中风电场、 光伏发电站、 燃料电池、 燃气轮机的出力值决策变量x1、 x2、 x3、 x4。 0089 相同或相
33、似的标号对应相同或相似的部件； 0090 附图中描述位置关系的用语仅用于示例性说明， 不能理解为对本专利的限制； 0091 显然， 本发明的上述实施例仅仅是为清楚地说明本发明所作的举例， 而并非是对 本发明的实施方式的限定。 对于所属领域的普通技术人员来说， 在上述说明的基础上还可 以做出其它不同形式的变化或变动。 这里无需也无法对所有的实施方式予以穷举。 凡在本 发明的精神和原则之内所作的任何修改、 等同替换和改进等， 均应包含在本发明权利要求 的保护范围之内。 说明书 6/6 页 10 CN 109687523 A 10 图1 说明书附图 1/1 页 11 CN 109687523 A 11
