基于发电机组费用曲线线性化方法的微网优化调度

摘要

本发明提出了基于发电机组费用曲线线性化方法的微网优化调度，在传统的模型的基础上进行优化，合理规划热电联产（CHP）系统分布式电源、储能系统、产热热备的优化调度，使得总运行费用最少、排放污染最少、收益最大化。建立了燃气轮机和燃料电池的燃料费用‑机组出力曲线，应用发电机组费用曲线线性化方法将其分段线性化，对各分布式电源机组的其他非线性运行约束也线性化表示，考虑热电联产系统的电能平衡、热能平衡等约束，转化为混合整数线性规划模型进行仿真计算。研究各个机组的启停组合问题，分析每个机组发电费用的组成，得到微网运营者和电力公司之间的电能交易计划。根据提前设置好微网机组相关参数，建立相应的输入输出端口，用户仅需输入典型日的温度、风速、光照强度、电热负荷等数据，并设置固定分时电价，即可得到微网的最优调度结果。

说明书

技术领域

本发明属于新能源电力系统与微网技术领域，具体涉及基于发电机组费用曲线线性化方法的微网优化调度。

背景技术

传统电力来源为火力发电、水力发电等，虽然具有技术成熟、建设周期短、可以远距离输电等优点，但是会造成能源枯竭或排放出氮氧化物、硫化物等大量有害气体等缺点。

在此背景下，人们越来越关注分布式能源（DGs），它是一种综合能源利用系统。与远距离传输相比，DGs安装在用户附近。DGs主要包括光伏、风电、储能装置等机组，如家用壁挂式燃气供暖系统就是一种常见的分布式能源。微网作为一种小型发配电系统，由用户负荷、DGs、监控和保护装置、能量转换装置、储能装置等组成。它分为并网和孤网两种模式，可以互相切换运行。在并网模式下，微网和外部大电网并列运行；在孤网模式下，微网可独立运行，实现系统内部能量的供给平衡。

微网优化调度是微网研究的重要组成部分，不仅要满足负荷的需求，还要保证电能质量。其目标是在满足各分布式能源正常运行的约束条件下，协调各可控机组的出力，比如尽量增大可再生能源的发电比重同时还要降低其不确定性影响，总体使微网的总运行费用最少、排放污染最少、收益最大化。以满足用户的负荷需求为首要条件，考虑实时电价，实现微网的最优调度，消纳清洁能源，实现电能的削峰填谷。由于微网具有多样性、灵活性、清洁性、成本低等优点，已成为世界各国的研究热点，并且取得了一定的理论和实践成果。

发明内容

本发明的目的在于，最小化微网运行者的总调度成本，用户仅输入温度、风速、光照强度、电热负荷等数据，并设置“峰-谷-平”分时电价和天然气价格，即可得到基于发电机组燃料费用-出力曲线线性化的微网最优调度结果。

一种基于发电机组费用曲线线性化方法的微网优化调度，其特征在于，建立了燃气轮机和燃料电池的燃料费用-机组出力曲线，应用发电机组费用曲线线性化方法将其分段线性化，所计算的总费用更少，数学模型更为精细，保证计算时间的同时保证了很好的精度。

最大程度地协调电力公司与微网运营者的利益，对各分布式电源机组的其他非线性运行约束也线性化表示，既考虑微网分布式电源发电机组的运行约束，也考虑各机组和用户负荷的电能平衡、热能平衡等约束，建立更符合实际的微网调度模型，进行仿真计算。通过该模型，电力公司可以得到下一个交易日每15min的购售电价格，微网运营者可以得到最优的电能交易计划。

提前设置好微网机组相关参数，建立相应的输入输出端口，用户仅需输入典型日的温度、风速、光照强度、电热负荷等数据，即可得到典型日微网热电联产（CHP）系统的最优调度结果。

附图说明

为了更清楚地说明本发明的技术方案，下面将对附图作简单地介绍。

图1为改进后的微网系统模型图。

图2为对微网CHP系统设备的容量，类型，相关参数进行输入。

图3为对典型日的典型日的温度、风速、光照强度、电热负荷进行输入。

图4为输出微网系统调度各机组出力结果。

图5为输出微网系统各机组的成本费用结果。

图6为发电机组费用曲线线性化建模发电费用统计。

图7为传统建模发电费用统计。

具体实施方式

下面结合附图对本发明作进一步的说明。

图1中，对传统的微网调度模型进行了改进，基于热电联产系统，考虑微网与电力公司之间的交易行为以及从燃气公司购买燃气等，满足热电平衡约束，使得微网运营者可以得到最优的发用电和购售电计划。

所研究的微网系统包含微型燃气轮机(Micro turbine，MT)、燃料电池(FuelCell，FC)、光伏发电(Photovoltaic, PV)、风力发电(Wind turbine，WT)和蓄电池（Battery），需求响应方面考虑了热电负荷。日前调度以15min为间隔，优化未来96（15分钟一个间隔，一天96个间隔）个时间间隔的发用电计划，通过充分发挥各分布式资源的灵活性，最大限度地降低微网运营者的总成本。

系统会列出需要选择的设备类型和型号，用户可以根据自身情况在图2中对微网系统设备容量和相关参数进行输入，包括微型燃气轮机、燃料电池、蓄电池。风机和光伏出力是由相关程序计算可得，写入excel中，然后读取。

不同地区不同季节的典型日热、电负荷不同，需要用户在图3中按照实际情况输入典型日的温度、风速、光照强度、电热负荷等相关数据。

基于本发明提出的调度策略和优化模型，得出热电联产系统各设备的最佳启停组合和调度的最优结果，即各机组在各个时刻出力的最优值。如图4所示。

在图5中，系统根据输入的设备参数和典型日数据进行求解，得各机组总费用组成，燃气轮机和燃料电池的燃料成本、维护成本和启动成本，蓄电池的维护费用以及从大电网的购电费用。

图6为发电机组费用曲线线性化建模发电费用统计，图7为传统建模发电费用统计，前者总费用比后者低。得出结论，在微网的优化调度中，采用的优化算法不同，计算精度也不同。分段线性化建模的数学模型更为精细，保证计算时间的同时保证了很好的精度。本发明提出了一种基于发电机组费用曲线线性化方法的微网优化调度，更加符合实际情况，具有更强的实用性。