一种基于迭代算法的多能互补微电网优化运行控制系统及方法与流程

本发明涉及电力系统领域，具体地说，是涉及一种基于迭代算法的多能互补微电网优化运行控制系统及方法。

背景技术：

随着包括风电、光伏等可再生能源和高效清洁的化石燃料在内的新型发电技术的发展，分布式能源DG日渐成为满足负荷增长需求、减少环境污染、提高能源综合利用效率和供电可靠性的一种有效途径。DG具有投资少、发电方式灵活、可与环境兼容等优点，在配电网中得到广泛的应用。

然而单一的分布式能源发电系统都会受到自然资源的制约，可将多种分布式能源进行整合，实现多能源合理的利用，不仅降低了成本，提高了系统输出的稳定性和可靠性，还可扩大市场的应用范围。风光燃气储多能互补微电网就是利用这种互补的特点，将多种发电系统进行整合的技术。

多能源互补微电网中的负荷与各可再生微源出力受环境影响，具有时变性及非线性，因此微电网的运行控制复杂。目前基本采用离线运行优化，用离线的运行结果来指导分布式能源出力。但是微网内部微源的特性，状态的时变形及非线性，这种方法很难实现真正的优化运行，从而造成微网内的分布式能源出力不足或者出力过剩的情况，对微网的稳定运行和经济性造成很大的干扰。所以采用实测与预测相结合的在线运行优化很有必要。

技术实现要素：

本发明的目的在于克服上述传统技术的不足之处，提供一种基于迭代算法的多能互补微电网优化运行控制系统及方法。其目的是在利用实测与预测相结合的方法对未来两小时内负荷及分布式可再生能源最大出力进行预测，通过迭代方法计算出可控微源的最佳工作点，对其进行在线控制，减低微电网运行成本。

本发明的技术方案是：

一种基于迭代算法的多能互补微电网优化运行控制系统，其特征在于：包括微网及其控制系统、环境监测机和分布式能源出力预测模块，分布式能源出力预测模块分别与微网及其控制系统和环境监测机连接。

通过环境监测机提供未来时间的环境数据，包含温度、光照、风速，得到该时间内负荷与光伏、风力发电机的出力情况。

一种具体优化方案，分布式能源出力预测模块包括若干个未来n分布式能源出力预测模块。

分别用于预测多个小时分布式能源的出力。

一种具体优化方案，分布式能源出力预测模块包括未来一小时分布式能源出力预测模块和未来二小时分布式能源出力预测模块，未来一小时分布式能源出力预测模块和为未来二小时分布式能源出力预测模块连接，环境监测机和未来一小时分布式能源出力预测模块连接。

一种具体优化方案，分布式能源出力预测模块包括包括数字信号处理器，数字信号处理器通过电路分别与环境监测机、微网及其控制系统和分布式能源出力预测模块连接。

一种具体优化方案，微网及其控制系统包括电制热设备及其控制系统和/或光伏及其控制系统和/或风力机及其控制系统和/或天然气内燃机及其控制系统和/或蓄电池及其控制系统和/或电制冷设备及其控制系统和/或电负荷和/或余热锅炉和/或余热溴化锂和/或储热蓄水池和/或热负荷和/或储冷蓄水池和/或冷负荷。

一种具体优化方案，电制热设备及其控制系统，光伏及其控制系统、风力机及其控制系统、天然气内燃机及其控制系统、蓄电池及其控制系统、电制冷设备及其控制系统及电负荷分别连接至电力母线。

一种具体优化方案，天然气内燃机及其控制系统连接至热力母线和/或冷力母线。

一种具体优化方案，电制热设备及其控制系统、储热蓄水池和热负荷都连接至热力母线；电制冷设备及其控制系统、储冷蓄水池和冷负荷分别连接至冷力母线。

一种具体优化方案，电制热设备及其控制系统，光伏及其控制系统，风力机及其控制系统，天然气内燃机及其控制系统，蓄电池及其控制系统，电制冷设备及其控制系统，储热蓄水池及其控制系统，储冷蓄水池及其控制系统受出力指令控制。

一种基于迭代算法的多能互补微电网优化运行控制方法，其特征在于，包括以下步骤：

步骤一：未来n时刻分布式能源预测模块与外界通讯，获取环境数据及(n-1)时刻及其后续时刻的储冷热电数据；

步骤二：求出n时刻的可再生能源与居民电负荷的差E，若E>0，则发电，满足电平衡；若E<0，向微网传输能量；

步骤三：判断n时刻及其后续时刻是否存在电缺乏的，若缺乏，则提高存储；若不缺乏，则相应的降低n时刻的发电；

步骤四：迭代终止条件判断，若达到最大迭代次数，则终止迭代，将求出的未来n时刻各分布式能源的出力指令传给微网及其控制系统；否则迭代次数加1，转到步骤1。

本发明可在线监测微源及负荷，实时获取未来时段的负荷情况和光伏、风力机等的可发电量，通过迭代算法，不断修正各时段微电网内部分布式能源出力情况，优化出每个时段微网内部各分布式能源的最佳出力，提高微电网的可行性，实现最优经济性；

本发明方法减少了由于环境的变化对微网稳定运行的干扰，同时合理的出力降低了能量的浪费率，提高了微网的经济，使得微网更具推广性。

下面结合附图和具体实施方式对本发明作进一步说明。

附图说明

图1为本发明的结构示意框图。

图2为本发明的微网及其控制系统图。

图3为本发明的分布式能源出力预测模块图。

图4为本发明分布式能源出力预测模块采用迭代算法在线预测微电网内分布式能源出力工况流程图。

具体实施方式

实施例1：如图1至图3所示，一种基于迭代算法的多能互补微电网优化运行控制系统，包括微网及其控制系统1、环境监测机2和分布式能源出力预测模块，分布式能源出力预测模块分别与微网及其控制系统1和环境监测机2连接。

分布式能源出力预测模块包括若干个未来n分布式能源出力预测模块。

未来n分布式能源出力预测模块可以利用迭代算法循环获取未来(n-1)分布式能源出力预测模块提供的第n-1时刻冷热电存储情况和预测第n小时之后的所有分布式能源出力预测模块提供的对应时刻的冷热电存储情况，并根据这些数据预测第n时刻微电网内部各分布式能源的出力。

分布式能源出力预测模块包括未来一小时分布式能源出力预测模块3和未来二小时分布式能源出力预测模块4，未来一小时分布式能源出力预测模块3和为未来二小时分布式能源出力预测模块4连接，环境监测机2和未来一小时分布式能源出力预测模块3连接。

分布式能源出力预测模块包括数字信号处理器，数字信号处理器通过电路分别与环境监测机、微网及其控制系统和分布式能源出力预测模块连接。

数字信号处理器为TMS320f2818dsp芯片18，电路包括max485电路19和max485电路20；TMS320f2818dsp芯片18通过max485电路19、max485电路20分别与环境监测机2连接、微网及其控制系统1和分布式能源出力预测模块连接。

分布式能源出力预测模块进行环境数据、前一时刻及后续时段储冷热电剩余数据的通讯并采用迭代算法对这些数据进行处理，得到微网内部各分布式能源的最佳出力点，并将计算好的分布式能源出力预测指令通过max485输送给微网及其控制系统。

微网及其控制系统1包括电制热设备及其控制系统5和/或光伏及其控制系统6和/或风力机及其控制系统7和/或天然气内燃机及其控制系统8和/或蓄电池及其控制系统9和/或电制冷设备及其控制系统11和/或电负荷10和/或余热锅炉12和/或余热溴化锂13和/或储热蓄水池14和/或热负荷15和/或储冷蓄水池16和/或冷负荷17。

此外，上述各发电系统也可以根据需要选择其中一种或几种。

电制热设备及其控制系统5，光伏及其控制系统6、风力机及其控制系统7、天然气内燃机及其控制系统8、蓄电池及其控制系统9、电制冷设备及其控制系统11及电负荷10分别连接至电力母线。

天然气内燃机及其控制系统8连接至热力母线和/或冷力母线。

天然气内燃机及其控制系统8发出的余热一方面可以通过余热锅炉12连接到热力母线；另一方面可以通过余热溴化锂13连接至冷力母线；

储热蓄水池14和热负荷15都连接至热力母线；

电制冷设备及其控制系统11、储冷蓄水池16和冷负荷17分别连接至冷力母线。

电制热设备及其控制系统5，光伏及其控制系统6，风力机及其控制系统7，天然气内燃机及其控制系统8，蓄电池及其控制系统9，电制冷设备及其控制系统10，储热蓄水池及其控制系统14，储冷蓄水池及其控制系统16受出力指令控制。

一种基于迭代算法的多能互补微电网优化运行控制方法，其特征在于，包括以下步骤：

步骤一：未来n时刻分布式能源预测模块通过max485电路与外界通讯，获取环境数据及n-1时刻及其后续时刻的储冷热电数据；

步骤二：求出n时刻的可再生能源与居民电负荷的差，公式举例：

E＝E_load-P_V-P_wind，其中E_load为获取数据，P_V为光伏及其控制系统6的输出功率，P_wind为风力机及其控制系统7的输出功率。

若E>0，则燃气机发电，无条件满足电平衡；若E<0，向微网传输能量，可用蓄电池存储起来，也可通过电制热，电制冷设备运用到热力母线，冷力母线；

步骤三：判断n时刻及其后续时刻是否存在电缺乏的，若缺乏，则提高燃气机发电用气量，用电池存储起来，便于n时刻及后续时刻的电调峰使用；若不缺乏，则相应的降低n时刻的燃气机发电用气量；

步骤四：判断n时刻及其后续时刻是否存在冷气缺乏的情况，若缺乏，则提高燃气机制冷用气量，同时启动电制冷设备辅助制冷，多余的冷量用蓄冷池存储起来，便于后续时刻的冷调峰使用；若不缺乏，则相应的降低n时刻的燃气机制冷用气量；

步骤五：判断n时刻及其后续时刻是否存在热气缺乏的情况，若缺乏，则提高燃气机制热用气量，同时启动电制热设备辅助制热，多余的热量用蓄热池存储起来，便于后续时刻的热调峰使用；若不缺乏，则相应的降低n时刻的燃气机制冷用气量；

步骤六：迭代终止条件判断，若达到最大迭代次数，则终止迭代，将求出的未来n时刻各分布式能源的出力指令传给微网及其控制系统；否则迭代次数加1，转到步骤1；

本发明的分布式能源出力预测模块可以在线实时获取未来时刻的环境数据，得到光伏，风力发电机及负荷的变化情况。各时段的分布式能源出力预测模块之间通过电路进行冷热电存储情况的通讯，并利用迭代算法不断修正分布式能源的出力。