一种商业园区微网能量优化调度方法

摘要

本发明公开了一种商业园区微网能量优化调度方法，包括如下步骤：步骤S1：构建包含电动汽车的商业园区微网；步骤S2：构建电动汽车随机入出网场景模型；步骤S3：构建电动汽车电池损耗模型；步骤S4：构建基于MPC的商业园区微网系统调度模型；步骤S5：求解所述商业园区微网系统调度模型。本发明考虑了电动汽车随机接入商业园区微网的情况，针对电动汽车随机接入微网采用随机模型预测控制的方法，实现了能量流的功率平衡，具有良好的经济性。

说明书

技术领域

本发明属于电力调度工程技术领域，尤其涉及属于微网调度技术领域。

背景技术

清洁低碳已成为全球能源转型的发展趋势，以新能源和信息技术深度融合为特征的能源革命正在推动人类社会进入全新能源体系，目前，电力系统仍然存在新能源如何消纳、不确定扰动和源荷不平衡等系列问题，截至2018年底，我国太阳能风能并网装机容量达到3.6亿KW，占装机容量的19％，但是发电量仅占总量的7.8％，弃风弃光问题依然严重。能源互联网概念的提出，成为上述问题很好的解决方案和能源转型的关键，微网作为分布式发电的高级阶段，在“细胞-组织”的能源互联网概念架构下，被认为是未来能源互联网(Energy Interconnection System,EIS)构建的“有机细胞”。

微网既可以是仅含电能可实现本地能量供需平衡的独立可控系统，也可以是包含冷/热/电/气等多种能源的多能源微网，多个微网又可以组成具有完成功能的主动配电网，因此，建设微网是构建EIS的优选和先遣方案。有别于传统电网，微网的优化调度受到分布式电源、储能系统等不确定因素的影响。

目前缺少商业园区环境下微网的调度策略，尤其是随着电动汽车随机接入商业园区微网的情况越来越普遍，一般的微网调度策略难以适应商业园区微网的调度需求。

发明内容

本发明所要解决的技术问题就是提供一种商业园区微网能量优化调度方法，考虑电动汽车随机接入商业园区微网的情况，改善调度的科学性和经济性。

为解决上述技术问题，本发明采用如下技术方案：一种商业园区微网能量优化调度方法，包括如下步骤：

步骤S1：构建包含电动汽车的商业园区微网：所述商业园区微网与外部电网连接，包含有热电联供机组，所述热电联供机组包括背压式热电联供机组 CHP_I和抽汽式热电联供机组CHP_II；

步骤S2：构建电动汽车随机入出网场景模型：所述电动汽车接入或离开所述商业园区微网时间t符合正态分布，表达式为：

其中，f表示所述电动汽车接入或离开所述商业园区微网时间分布情况，μ和σ分别表示接入或离开的平均时刻和方差；

步骤S3：构建电动汽车电池损耗模型：所述电动汽车电池损耗模型表达式为：

其中，

步骤S4：构建基于MPC的商业园区微网系统调度模型：

在满足系统热电供需平衡的条件下，保证系统优化的经济目标最优，目标函数表示系统运行最小费用，

式中：p

步骤S5：求解所述商业园区微网系统调度模型：

求解所述商业园区微网系统调度模型包括步骤：

当t＝0时刻，通过拉丁超立方抽样和场景削减技术获取削减后的电动汽车随机入出网场景，并初始化参数；

使用随机MPC优化模型在预测时域T内根据约束条件通过CPLEX求解目标函数；

预测时域向前滚动优化，由当前时刻t移动到t+1时刻，并且执行第一个时刻值作用于整个系统，求得的调度结果P

更新初始参数，并重复进行以上步骤。

优选的，所述电动汽车最后一次返程时刻的概率密度函数表达式为：

其中，f

优选的，所述电动汽车出行初始时刻的概率密度函数表达式为：

其中，f

优选的，所述电池总投资成本的表达式为：

其中，

优选的，所述约束条件包括：

考虑电池组充电时互斥约束情况，引入

电池的充放电功率表示为：

式中,

优选的，所述约束条件还包括：

场景s下t+i时刻SOC的值SOC

对于t+i时刻的电池SOC约束表示为：

SOC

优选的，所述约束条件还包括电池损耗成本：

所述电池成本损耗系数的表达式为：

其中，

优选的，所述约束条件还包括商业园区微网系统调度模型中电功率平衡，

所述商业园区微网系统调度模型中电功率平衡条件表达式为：

其中，

优选的，所述约束条件还包括从外部电网购电约束，从外部电网购电约束满足下式：

式中：

优选的，所述约束条件还包括热能的供需约束，

所述热能的供需约束公式表达式为：

η

其中，η

本发明采用的技术方案，考虑了电动汽车随机接入商业园区微网的情况，针对电动汽车随机接入微网采用随机模型预测控制的方法，实现了能量流的功率平衡，具有良好的经济性。

本发明的具体技术方案及其有益效果将会在下面的具体实施方式中结合附图进行详细的说明。

附图说明

下面结合附图和具体实施方式对本发明作进一步描述：

图1是本发明提供的一种商业园区微网能量优化调度方法中商业园区微网的组成示意图；

图2是本发明提供的一种商业园区微网能量优化调度方法的流程示意图；

图3是求解商业园区微网系统调度模型的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请实施例提供了一种商业园区微网能量优化调度方法，包括如下步骤：

构建包含电动汽车的商业园区微网；

构建电动汽车随机入出网场景模型；

构建电动汽车电池损耗模型；

构建基于MPC的商业园区微网系统调度模型；

求解所述商业园区微网系统调度模型。

如图1所示，在本申请实施例中，商业园区微网包括热电联供机组，热电联供(Combined Heat and Power,CHP)机组能够在供电的同时满足系统的供热需求，并且具有较高的运行效率，通常情况下，CHP机组采用“以热定电”的模式运行，会降低系统的灵活性，加上热负荷和电负荷需求的不协调等原因，需要将热电机组进行适应性的深度调峰，以提高系统灵活性和分布式能源消纳能力，为简化模型，一般采取配置储热装置的方式进行热负荷的平移，削弱用户之间的热负荷关系，打破“以热定电”的模式，实现热电解耦，其他还有配置热泵、电锅炉等热电转换装置进行解耦的方式。

在本申请实施例中，电动汽车最后一次返程时刻和出行初始时刻的概率密度函数如公式(4.1)和公式(4.2)所示。

式中，f

式中，f

在本申请实施例中，CHP机组可以选择如下形式：

(1)背压式热电联供机组出力模型

热电联供机组类型主要包括背压式、抽汽背压式、可调节的抽汽凝汽式等类型，对于背压式CHP机组来说，工作原理是汽轮机背压排汽通过水-汽转换器与热网水进行换热，并由热网实现向热负荷供热，这类机组类型出力完全由热出力决定，所以背压式CHP机组的热电比是固定的，不具有调节能力，优点是效率较高、运行成本低，数学模型如公式(4.3)所示。

H

式中，H

因此，背压式热电联供机组CHP_I型机组的发电功率满足约束如下式所示：

(2)抽汽式热电联供机组出力模型

抽汽式热电联供机组工作时从汽轮机的中压缸到低压缸之间抽取一部分蒸汽作为热源对外进行供热，在满足系统运行的前提下可以通过调节抽汽量的大小来调节热电比，所以抽汽式CHP机组能够灵活工作在出力可行域范围内，其电热特性满足：

式中P

在CHP_II机组运行过程中，当其他供能充足时，抽汽式机组工作在最小凝气工况状态，此时供电出力也由热负荷确定，不具有灵活的调节性，当热负荷较高时，为满足供能平衡和汽轮机冷却需要，随着抽汽量的增加，CHP_II机组发电出力的调整范围不断缩小。

在本申请实施例中，商业园区微网包括燃气锅炉，燃气锅炉通过天然气的燃烧提供热能，在本例中，CHP_I型和CHP_II型机组联合调度，产热量分别如公式(4.7)和(4.8)所示：

F

F

式中，F

燃气锅炉消耗天然气容量V(t)(m3)与产生热功率(F

V(t)＝(F

式中η为天然气低位热值(kWh/m3),在实际运行中，考虑不同机组转化效率进行折算。

微网中可接入的电动汽车数量较大，接入时间也不相同，如果将每辆电动汽车的工作时间和SOC都作为参数输入到计算模型中，模型的计算复杂程度将会指数增长。因此，在建模过程中使用简化的分组调度以策略减少模型复杂程度，提高调度过程中模型的实用性。

在本申请实施例中，电动汽车接入或离开商业园区微网的时间t符合如公式(4.10)所示的正态分布：

式中f表示所述电动汽车接入或离开所述商业园区微网时间分布情况，μ和σ分别表示接入或离开的平均时刻和方差。本申请中μ

在本申请实施例中，电动汽车中的电池损耗模型采用综合千瓦时吞吐法分析电池储能的衰减特性，不考虑充放电过程中局部循环、不完全或者完全充放电的复杂过程。对于电池整个全生命周期，可以从制造商处获取整个电池的千瓦时吞吐量数据。

在本申请实施例中，在目标函数优化求解的过程中，电池寿命的衰减作为这个成本限制的条件考虑进去，电池总投资成本如公式(4.22)所示。

式中，

在本申请实施例中，考虑电池组充电时互斥约束情况，引入

在本申请实施例中，电池的充放电功率可以表示为：

式中

在本申请实施例中，场景s下t+i时刻SOC的值SOC

对于t+i时刻的电池SOC约束可以表示为：

SOC

在本申请实施例中，考虑电池寿命和投资成本的情况下，电池成本损耗系数可以表示为：

因此，根据公式4.22和4.29可以求出电池损耗成本为：

在本申请实施例中，在电能供需过程中，考虑电动汽车充放电行为的集群效应和不同类型CHP机组出力情况，当供电不足时，需要从外部大电网购电，以满足用户电能需求，微网系统的电功率平衡条件如式(4.32)所示：

式中：

从外部电网购电约束满足式(4.33)所示：

式中：

在本申请实施例中，热能供应不一定要满足实际的热能需求的完全平衡，因此，一般设计时满足热能供需在一个允许的可变范围内，符合弹性需求，热能的供需约束满足公式(4.34)所示：

η

式中：η

如图2和图3所示，在本申请实施例中，求解所述商业园区微网系统调度模型包括步骤：

步骤1：当t＝0时刻，通过拉丁超立方抽样和场景削减技术获取削减后的场景，即包含可入网电动汽车的功率情况，并初始化参数；

步骤2：使用随机MPC优化模型在预测时域T内根据约束条件(公式 4.23-4.30、4.32-4.34)求解目标函数(公式4.31)，通过CPLEX进行求解；

建立了基于MPC的微网系统优化调度模型，旨在满足系统热电供需平衡的条件下，保证系统优化的经济目标最优。目标函数(4.31)表示系统运行最小费用，包括与外部电网交互成本、燃气机组费用和电池损耗成本费用等。

式中：p

步骤3：预测时域向前滚动优化，由当前时刻t移动到t+1时刻，并且执行第一个时刻值作用于整个系统，即求得的调度结果P

步骤4：更新初始参数，返回到步骤2，并重复进行以上步骤。

调度模型求解得出CHP的机组出力，包括输出的发电功率和机组热能供应量，根据调度模型求解结果对商业园区微网能量优化调度。

在本申请实施例中，针对电动汽车随机接入CHP型微网提出了解决方案，采用随机模型预测控制的方法进行求解，根据24小时的用户上下班电动汽车充放电行为进行连续的优化调度，分析了电动汽车随机接入的场景，以办公楼宇(上班时间)和居民小区(下班时间)为例进行仿真分析，探究了电动汽车随机充放电对微网优化调度的影响，微网包含电力网、热力网、信息网为一体的调度网络体系，由控制中心实行统一集中调度，实现了信息流的联接决策和能量流的功率平衡。

系统采用随机模型预测控制(Stochastic Model Predictive Contrlol, SMPC)的方法进行求解，建立了电动汽车随机接入的可调度场景模型和电池损耗成本模型，电动汽车的随机性通过分析用户上下班到充电点的时刻，利用LHS 抽样和场景削减方法产生用户电动汽车随机到达的场景，针对上下班不同情况分别统计每个时刻随机到达充电的EV数量，对于大量电动汽车随机接入的情况，在办公区和居民区设置集中控制器，控制器接受统一调度指令，可以实时监控集中式的充放电功率；针对办公楼宇和居民住宅分别采用商业用电和居民用电不同的分时电价(Time of Use,TOU)策略，在电池约束时，考虑上班下班时间电池荷电状态SOC的余量，满足出行的最低需求，在不同类型的微网系统中保证经济性最低的情况下，满足各能源设备的功率需求，系统模型最终转化为混合整数线性规划问题，使用MATLAB/CPLEX软件进行求解。

模型选取某典型工作日的办公楼宇型微网，仿真以一天24小时为时长，采样时间间隔1小时，以上班时间为早上9:00为例，上班时间内到达时刻符合正态分布，下班时间为下午6:00，下班时电动汽车离开的时刻同样符合正态分布。上班时间每个时刻到达的电动汽车数量是随机的，下班时间每个时刻离开的电动汽车数量也是随机的，每个时刻点可利用的电动汽车数量场景通过拉丁超立方抽样和场景削减产生，热能供需平衡完全由CHP机组提供。每辆电动汽车的容量设置为48kWh，可利用的电动汽车总数为100辆，集群式电动汽车荷电状态 SOC上下限设置为30％和100％。办公楼采用商业电价，分为峰、谷、平、尖峰四个时间段分时电价，如表4.1所示。

表4.1商业分时电价和燃气价格表

本申请通过LHS方法抽样生成2000个电动汽车随机到达充电点的场景，每个场景代表该时刻已到达的电动汽车数量，通过场景削减技术得到10个代表性的场景{DAN

本申请提供的一种商业园区微网能量优化调度方法，考虑了电动汽车随机接入商业园区微网的情况，研究了电动汽车的随机性以及电池损耗成本，同时分析了不同的运行场景，探究随机模型预测控制方法在微网调度中的作用，具有良好的经济性。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明包括但不限于上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。