一种微电网能量优化管理的方法、系统、设备及介质

1.本技术涉及电力系统自动化技术领域，尤其涉及一种微电网能量优化管理的方法、系统、设备及介质。


背景技术：

2.微电网作为一种实现电力供需平衡的分布式电力系统，微电网的可靠和高效运行取决于恰当的能量管理方法。然而，由于可再生能源发电和电力终端用户消费的高度波动性与不确定性，使得微电网能量管理的合理优化成为一项非常具有挑战性的任务。在此背景下，相关技术针对微电网能量优化管理问题提出了多种解决技术，其中，基于概率分布理论的随机优化能量管理方法因具有较强普适性而得到广泛采用。但是，随机优化能量管理方法侧重于利用历史典型日的可再生能源发电和电力终端用户消费数据进行微电网能量优化管理，但这些历史数据脱离实际，容易导致能量优化管理策略可靠性的降低。因此，如何提供一种微电网能量优化管理的方法，能够提高能量优化管理的可靠性，成为了亟待解决的技术问题。


技术实现要素：

3.本技术实施例的主要目的在于提出一种微电网能量优化管理的方法、系统、设备及介质，能够提高能量优化管理的可靠性。
4.为实现上述目的，本技术实施例的第一方面提出了一种微电网能量优化管理的方法，应用于微电网，所述微电网包括多个执行设备，所述方法包括：
5.获取管理阶段，对所述管理阶段进行阶段划分，得到日前鲁棒能量优化管理阶段和日内实时滚动能量优化管理阶段；
6.针对所述日前鲁棒能量优化管理阶段，建立日前鲁棒能量优化管理模型；
7.针对所述日内实时滚动能量优化管理阶段，建立日内实时滚动能量优化管理模型；
8.获取所述微电网的第一运行数据，所述第一运行数据包括所述执行设备的历史数据和所述执行设备的日前预测数据；
9.根据所述第一运行数据对所述日前鲁棒能量优化管理模型进行求解，得到日前鲁棒能量优化管理策略；
10.获取所述微电网的第二运行数据，所述第二运行数据包括所述执行设备的日内实时数据；
11.根据所述日前鲁棒能量优化管理策略和所述第二运行数据对所述日内实时阶段滚动能量优化管理模型进行求解，得到目标微电网能量优化管理策略。
12.在一些实施例，所述根据所述日前鲁棒能量优化管理策略和所述第二运行数据对所述日内实时阶段滚动能量优化管理模型进行求解，得到目标微电网能量优化管理策略，包括：
13.获取滚动优化时域，根据所述滚动优化时域确定求解时段；
14.获取当前求解的起始时刻，当所述起始时刻处于所述求解时段内，则根据所述日前鲁棒能量优化管理策略和所述第二运行数据对所述日内实时阶段滚动能量优化管理模型进行求解，得到目标微电网能量优化管理策略。
15.在一些实施例，所述日前鲁棒能量优化管理模型包括多个变量，在所述根据所述第一运行数据对所述日前鲁棒能量优化管理模型进行求解，得到日前鲁棒能量优化管理策略之前，所述方法还包括：
16.对所述日前鲁棒能量优化管理模型进行更新，具体包括：
17.对每一所述变量进行类型检测，得到类型检测结果；所述类型检测结果包括第一结果，所述第一结果用于表征所述变量的类型为不确定类型；
18.对于每一所述变量，若所述类型检测结果为所述第一结果，则对所述变量进行边界值转化，得到转化后的所述变量；
19.基于转化后的所述变量得到更新后的所述日前鲁棒能量优化管理模型。
20.在一些实施例，所述执行设备包括光伏发电设备、储能设备、弹性负荷和非弹性负荷。
21.在一些实施例，所述针对所述日前鲁棒能量优化管理阶段，建立日前鲁棒能量优化管理模型，包括：
22.获取所述日前鲁棒能量优化管理阶段的日前数据，所述日前数据包括：所述微电网的日前设备成本、所述光伏发电设备的日前光伏发电数据、所述非弹性负荷的日前非弹性运行数据、所述弹性负荷的日前弹性运行数据、所述储能设备的日前储能运行数据；
23.根据所述日前设备成本构建微电网日前能量管理成本最小化模型；
24.根据所述日前光伏发电数据进行模型构建，得到日前光伏出力模型；
25.根据所述日前非弹性运行数据进行模型构建，得到日前非弹性负荷需求模型；
26.根据所述日前弹性运行数据进行模型构建，得到日前弹性负荷需求模型；
27.根据所述日前储能运行数据进行模型构建，得到日前储能系统运行模型；
28.根据预设的约束条件构建微电网日前可靠运行约束条件模型；
29.根据所述微电网日前能量管理成本最小化模型、所述日前光伏出力模型、所述日前非弹性负荷需求模型、所述日前弹性负荷需求模型、所述日前储能系统运行模型和所述微电网日前可靠运行约束条件模型进行合并，得到所述日前鲁棒能量优化管理模型。
30.在一些实施例，在所述获取所述弹性负荷的弹性运行数据之前，所述方法还包括：
31.接收对所述弹性负荷的操作指令；
32.基于所述操作指令对所述弹性负荷的电力负荷的大小进行调节。
33.在一些实施例，所述针对所述日内实时滚动能量优化管理阶段，建立日内实时滚动能量优化管理模型，包括：
34.获取所述微电网的第三运行数据，所述第三运行数据包括：滚动优化时域的起始时刻、滚动优化时域的预设求解时段、日内从主网购电量数据、日内非弹性负荷数据、日内弹性负荷数据、日内储能系统运行数据、日内光伏发电数据；
35.根据所述日前鲁棒能量优化管理策略、所述滚动优化时域的起始时刻和所述滚动优化时域的预设求解时段进行模型构建，得到日内实时滚动能量管理偏差最小化模型；
36.根据所述日内从主网购电量数据、所述日内非弹性负荷数据、所述日内弹性负荷数据、所述日内储能系统运行数据和所述日内光伏发电数据进行模型构建，得到日内实时功率平衡约束条件模型；
37.根据所述日内光伏发电数据进行模型构建，得到日内实时光伏出力模型；
38.根据所述日内非弹性负荷数据进行模型构建，得到日内实时非弹性负荷模型；
39.根据所述日内储能运行数据进行模型构建，得到日内储能系统实时运行模型；
40.根据所述日内从主网购电数据进行模型构建，得到日内实时从主网购电模型；
41.根据所述日内实时滚动能量管理偏差最小化模型、所述日内实时功率平衡约束条件模型、所述日内实时光伏出力模型、所述日内实时非弹性负荷模型、所述日内储能系统实时运行模型和所述日内实时从主网购电模型进行合并，得到所述日内实时滚动能量优化管理模型。
42.本技术实施例的第二方面提出了一种微电网能量优化管理的系统，应用于微电网，所述微电网包括多个执行设备，包括：
43.阶段划分模块，用于获取管理阶段，对所述管理阶段进行阶段划分，得到日前鲁棒能量优化管理阶段和日内实时滚动能量优化管理阶段；
44.日前模型创建模块，用于针对所述日前鲁棒能量优化管理阶段，建立日前鲁棒能量优化管理模型；
45.日内模型创建模块，用于针对所述日内实时滚动能量优化管理阶段，建立日内实时滚动能量优化管理模型；
46.第一运行数据获取模块，用于获取所述微电网的第一运行数据，所述第一运行数据包括所述执行设备的历史数据和所述执行设备的日前预测数据；
47.初始求解模块，用于根据所述第一运行数据对所述日前鲁棒能量优化管理模型进行求解，得到日前鲁棒能量优化管理策略；
48.第二运行数据获取模块，用于获取所述微电网的第二运行数据，所述第二运行数据包括所述执行设备的日内实时数据；
49.目标求解模块，用于根据所述日前鲁棒能量优化管理策略和所述第二运行数据对所述日内实时阶段滚动能量优化管理模型进行求解，得到目标微电网能量优化管理策略。
50.本技术实施例的第三方面提出了一种计算机设备，所述一种计算机设备包括存储器和处理器，其中，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时所述处理器用于执行如本技术第一方面实施例任一项所述的一种微电网能量优化管理的方法。
51.本技术实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，在所述计算机程序被计算机执行时，所述计算机用于执行如本技术第一方面实施例任一项所述的一种微电网能量优化管理的方法。
52.本技术实施例提出的一种微电网能量优化管理的方法、系统、设备及介质，通过将微电网的整个管理阶段划分成日前鲁棒能量优化管理阶段)和日内实时滚动能量优化管理阶段，并分别进行模型构建，得到日前鲁棒能量优化管理模型和日内实时滚动能量优化管理模型。先对日前鲁棒能量优化管理模型进行求解，得到日前鲁棒能量优化管理策略，再根据日前鲁棒能量优化管理策略和第二运行数据对日内实时滚动能量优化管理模型进行求
解，得到目标微电网能量优化管理策略。本技术实施例通过管理阶段的划分，管理模型的分别求解，且具体是根据日前鲁棒能量优化管理策略和第二运行数据共同确定目标微电网能量优化管理策略，提高对微电网管理的可靠性。
附图说明
53.图1是本技术一个实施例提供的一种微电网能量优化管理的方法的流程图；
54.图2是图1中步骤s102的流程图；
55.图3是本技术另一个实施例提供的一种微电网能量优化管理的方法的流程图；
56.图4是图1中步骤s105的流程图；
57.图5为本技术一个实施例提供的一种微电网能量优化管理的系统的模块结构框图；
58.图6是本技术一个实施例提供的计算机设备的硬件结构示意图。
具体实施方式
59.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
60.需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
61.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本技术实施例的目的，不是旨在限制本技术。
62.首先，对本技术中涉及的若干名词进行解析：
63.人工智能(artificial intelligence，ai)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
64.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
65.本技术实施例提供的一种微电网能量优化管理的方法可以应用于人工智能之中，人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、
机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
66.微电网作为一种能够充分利用本地可再生能源实现电力供需平衡的分布式电力系统，微电网的可靠和高效运行取决于恰当的能量管理方法。然而，由于可再生能源发电和电力终端用户消费的高度波动性与不确定性，使得微电网能量管理的合理优化成为一项非常具有挑战性的任务。在此背景下，针对微电网能量优化管理问题提出了多种解决技术，其中基于概率分布理论的随机优化能量管理方法和基于鲁棒优化理论的鲁棒优化能量管理方法因具有较强普适性而得到广泛采用。但是，在实际应用中发现，采取上述方法进行能量优化管理均存在弊端，具体原因包括：随机优化能量管理方法侧重于利用历史典型日的可再生能源发电和电力终端用户消费数据进行微电网能量优化管理，而与微电网日前和实时运行阶段相关的预测数据与实际数据之间的存在偏差，这导致能量优化管理策略可靠性的降低。而鲁棒优化能量管理方法通常基于最坏场景假设获得优化策略，这通常导致能量优化管理策略过于保守，以至于大幅降低微电网在实际运行场景中的经济性能。
67.基于此，为突破随机优化和鲁棒优化的局限性，本技术实施例引入了管模型预测控制理论，通过将原始优化问题拆分成离线鲁棒优化和在线实时反馈优化两个子优化问题，避免了优化策略过于保守的同时，大幅提升了优化策略的经济性。对此，本技术实施例公开了一种微电网能量优化管理的方法，具体是基于管模型预测控制理论的微电网能量优化管理的方法，应用该方法应对微电网能量优化管理问题可获得兼顾鲁棒性、经济性和可靠性的微电网能量优化管理策略。此外，本技术实施例还提供了一种微电网能量优化管理的系统、计算机设备、以及计算机存储介质，用于执行一种微电网能量优化管理的方法。
68.本技术实施例提供的一种微电网能量优化管理的方法应用于服务器端中，还可以是运行于服务器端中的软件。在一些实施例中，服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现上述方法的应用等，但并不局限于以上形式。
69.本技术实施例可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费计算机设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
70.本技术实施例提供的一种微电网能量优化管理的方法，具体通过如下实施例进行说明。
71.参照图1，根据本技术实施例的一种微电网能量优化管理的方法，应用于微电网，微电网包括多个执行设备，该方法包括但不限于步骤s101至步骤s107。
72.步骤s101，获取管理阶段，对管理阶段进行阶段划分，得到日前鲁棒能量优化管理
阶段和日内实时滚动能量优化管理阶段；
73.步骤s102，针对日前鲁棒能量优化管理阶段，建立日前鲁棒能量优化管理模型；
74.步骤s103，获取微电网的第一运行数据，第一运行数据包括执行设备的历史数据和执行设备的日前预测数据；
75.步骤s104，根据第一运行数据对日前鲁棒能量优化管理模型进行求解，得到日前鲁棒能量优化管理策略；
76.步骤s105，针对日内实时滚动能量优化管理阶段，建立日内实时滚动能量优化管理模型；
77.步骤s106，获取微电网的第二运行数据，第二运行数据包括执行设备的日内实时数据；
78.步骤s107，根据日前鲁棒能量优化管理策略和第二运行数据对日内实时阶段滚动能量优化管理模型进行求解，得到目标微电网能量优化管理策略。
79.本技术实施例所示意的步骤s101至步骤s107，将微电网的整个管理阶段划分成离线阶段(日前鲁棒能量优化管理阶段)和线上实时阶段(日内实时滚动能量优化管理阶段)，并分别进行模型构建，得到离线模型(日前鲁棒能量优化管理模型)和线上实时模型(日内实时滚动能量优化管理模型)。先对离线模型进行求解，得到离线管理策略(日前鲁棒能量优化管理策略)，再根据离线管理策略和实时数据(第二运行数据)对线上实时模型进行求解，得到线上实时管理策略(目标微电网能量优化管理策略)。本技术实施例通过管理阶段的划分，管理模型的分别求解，且具体是根据离线管理策略和实时数据共同确定线上实时管理策略，提高了线上实时管理策略的准确性和实时性，还提高了对微电网管理的可靠性。
80.在一些实施例的步骤s101中，管理阶段具体是指优化管理针对的时间跨度，例如，日前24小时至日内24小时称为一个管理阶段，又例如，日前48小时至日内24小时称为一个管理阶段。对管理阶段进行划分主要是进行离线和线上的划分，例如，若日前24小时至日内24小时称为一个管理阶段，则将日前24小时归为离线阶段，日内24小时作为线上实时阶段。若日前48小时至日内24小时称为一个管理阶段，则将日前48小时归为离线阶段，日内24小时作为线上实时阶段。
81.需要说明的是，微电网包括多个执行设备，执行设备包括光伏发电设备、储能设备、可参与需求侧响应的弹性负荷和不可参与需求侧响应的非弹性负荷。
82.在一些实施例的步骤s102中，针对日前鲁棒能量优化管理阶段，建立日前鲁棒能量优化管理模型。具体地，建立日前鲁棒能量优化管理模型，包括微电网能量管理成本最小化模型、光伏出力模型、非弹性负荷需求模型、弹性负荷需求侧响应模型、储能系统运行模型、以及微电网可靠运行约束条件模型。
83.在一些实施例中，参阅图2，步骤s102具体包括但不限于步骤s201至步骤s206。
84.步骤s201，获取日前鲁棒能量优化管理阶段的日前数据，日前数据包括：微电网的日前设备成本、光伏发电设备的日前光伏发电数据、非弹性负荷的日前非弹性运行数据、弹性负荷的日前弹性运行数据、储能设备的日前储能运行数据。
85.步骤s202，根据日前设备成本进行模型构建，得到微电网日前能量管理成本最小化模型。
86.具体地，设备成本包括从主网的购电成本、弹性负荷参与需求侧响应的补偿成本、
以及储能系统的折旧成本。微电网能量管理成本最小化模型，包括：微电网从主网的购电成本模型、弹性负荷参与需求侧响应的补偿成本模型、以及储能系统折旧成本模型，如公式(1)至(4)所示。
87.c＝cu+cr+cbꢀꢀꢀꢀꢀ
(1)
[0088][0089][0090][0091]
其中，c、cu、cr、cb分别为微电网能量管理成本、从主网的购电成本、弹性负荷参与需求侧响应的补偿成本、储能系统折旧成本；t为决策时段；t为所有的决策时段集合；εu为主网分时电价；p
u,t
为微电网在t时段从主网的购电量；为需求侧响应的起始时刻；δtr为需求侧响应的持续时间；εr为弹性负荷参与需求侧响应的补偿成本系数；δp
r,t
为t时段内参与需求侧响应的弹性负荷总量；εb为储能系统的折旧成本系数；为储能系统在t时段内的充电电量；为储能系统在t时段内的放电电量；δt为t时段的时长，单位为1h。
[0092]
步骤s203，根据日前光伏发电数据进行模型构建，得到日前光伏出力模型。
[0093]
具体地，光伏发电数据包括光伏出力实际数据、光伏出力预测数据、光伏出力期望数据、和预测误差。光伏出力预测数据包括光伏出力预测最小值和光伏出力预测最大值。光伏出力模型，包括光伏出力上下限约束模型和光伏出力预测模型，分别如公式(5)和(6)所示。
[0094]
p
pv,min
≤p
pv,t
≤p
pv,max
ꢀꢀꢀꢀꢀ
(5)
[0095][0096]
其中，p
pv,t
为t时段内光伏出力实际数据；p
pv,min
为根据气象数据预测的光伏出力预测最小值；p
pv,max
为根据气象数据预测的光伏出力预测最大值；为日前预测的光伏出力期望数据；为日前预测的误差，误差范围为
[0097]
步骤s204，根据非弹性运行数据进行模型构建，得到日前非弹性负荷需求模型。
[0098]
具体地，非弹性运行数据包括非弹性负荷实际需求数据、非弹性负荷预测数据、非弹性负荷期望需求数据、和非弹性负荷预测误差数据。非弹性负荷预测数据包括非弹性负荷预测最小值和非弹性负荷预测最大值。非弹性负荷需求模型，包括非弹性负荷需求上下限约束模型和非弹性负荷预测模型，分别如公式(7)和(8)所示。
[0099]
p
ie,min
≤p
ie,t
≤p
ie,max
ꢀꢀꢀꢀꢀ
(7)
[0100][0101]
其中，p
ie,t
为t时段非弹性负荷实际需求数据；p
ie,min
和p
ie,max
分别为日前预测的p
ie,t
的最小值和最大值；为日前预测的非弹性负荷需求期望数据；p
ie,t
为日前预测的误差，误差范围为
[0102][0103]
在步骤205之前，一种微电网能量优化管理的方法还包括但不限于：
[0104]
接收对弹性负荷的操作指令；
[0105]
基于操作指令对弹性负荷的电力负荷的大小进行调节。
[0106]
具体地，微电网内部的弹性负荷(如空调负荷、热水器负荷、洗衣机负荷等)可随着操作指令的要求调节电力负荷的大小，从而对弹性运行数据进行实时更新，提高数据的时效性。
[0107]
步骤s205，根据弹性运行数据进行模型构建，得到日前弹性负荷需求模型。
[0108]
具体地，弹性运行数据包括电力调节量实际数据、电力调节量最大值、电力调节量最小值、满意度指标、电力调节实际时长、电力调节时长最小值、和电力调节时长最大值。弹性负荷需求侧响应模型，包括弹性负荷的电力需求上下限约束条件模型、电量响应总量约束条件模型、满意度约束条件模型和响应时长约束模型，分别如公式(9)-(12)所示。
[0109]
δp
r,min
≤δp
r,t
≤δp
r,max
ꢀꢀꢀꢀꢀ
(9)
[0110]
∑
t∈t
δp
r,t
＝0
ꢀꢀꢀꢀꢀ
(10)
[0111][0112]
δt
r,min
≤tr≤δt
r,max
ꢀꢀꢀꢀꢀ
(12)
[0113]
其中，δp
r,t
为t时段弹性负荷参与需求侧响应的电力调节量；δp
r,min
和δp
r,max
分别为δp
r,t
的最小值和最大值；为弹性负荷参与需求侧响应的满意度指标；tr为弹性负荷参与需求侧响应的电力调节时长；δt
r,min
和δt
r,max
分别为tr的最小值和最大值。
[0114]
步骤s206，根据储能运行数据进行模型构建，得到日前储能系统运行模型。
[0115]
具体地，储能运行数据包括充电功率数据、放电功率数据、荷电状态数据、充电效率系数数据、放电功率系数数据、电量容量数据。储能系统运行模型，包括储能系统充电功率上下限约束条件模型、放电功率上下限约束条件模型、以及荷电状态约束条件模型，分别如公式(13)-(15)所示。
[0116][0117][0118][0119]
其中，为储能系统最大充电功率；为储能系统最大放电功率；soc
t-1
为储能系统在t-1时段内的荷电状态；soc
min
和soc
max
为soc
t-1
的最小值和最大值；和分别为储能系统的充、放电效率系数；bb为储能系统的电量容量；为确保储能系统不会同时出现充电和放电，
[0120]
步骤s207，根据预设的约束条件构建微电网日前可靠运行约束条件模型。
[0121]
具体地，微电网日前可靠运行约束条件模型，包括微电网运行功率平衡约束条件模型、微电网从主网购电的功率上下限约束条件模型、以及应对突发事件的备用功率约束条件模型，分别如公式(16)-(18)所示。
[0122][0123]
0≤p
u,t
≤p
u,max
ꢀꢀꢀꢀꢀ
(17)
[0124][0125]
其中，p
u,max
为p
u,t
的最大值；l为备用系数。
[0126]
步骤s208，根据微电网日前能量管理成本最小化模型、日前光伏出力模型、日前非弹性负荷需求模型、日前弹性负荷需求模型、日前储能系统运行模型和微电网日前可靠运行约束条件模型进行合并，得到日前鲁棒能量优化管理模型。
[0127]
需要说明的是，基于上述步骤s201至步骤s208已得到了日前鲁棒能量优化管理模型，但该模型存在不确定性的变量，会影响后续模型求解的稳定性。因此，在一些实施例中，参阅图3，本技术实施例对日前鲁棒能量优化管理模型进行更新，具体包括但不限于步骤s301至步骤s303：
[0128]
步骤s301，对每一变量进行类型检测，得到类型检测结果；类型检测结果包括第一结果，第一结果用于表征变量的类型为不确定类型；
[0129]
步骤s302，对于每一变量，若类型检测结果为第一结果，则对变量进行边界值转化，得到转化后的变量；
[0130]
步骤s303，基于转化后的变量得到更新后的日前鲁棒能量优化管理模型。
[0131]
需要说明的是，类型检测结果包括第二结果，第二结果用于表征变量的类型为确定类型。
[0132]
本技术实施例所示意的步骤s301至步骤s303，为使得日前能量优化管理策略具备鲁棒性，本发明引入鲁棒优化理论将反映光伏出力和非弹性负荷需求强不确定性的公式(6)、(8)、(16)以及(18)转化为确定性的鲁棒对等式，如公式(19)所示。
[0133][0134]
其中，δ
t
和γ
t
为t时段的拉格朗日系数。
[0135]
更具体地，公式(19)可知，公式(19)是一个没有不确定变量的新约束，因为原约束条件模型(6)、(8)、(16)以及(18)中不确定性变量p
pv,t
和p
ie,t
已被确定性边界参数和取代。在求解微电网日前鲁棒能量优化管理模型时，需将原始约束条件模型(6)、(8)、(16)以及(18)替换为鲁棒约束条件模型(19)。至此，离线阶段的日期鲁棒能量优化管理模型的完整形式由公式(1)-(5)、(7)、(9)-(15)、(17)以及(19)组成。
[0136]
在一些实施例的步骤s103中，获取微电网的第一运行数据，第一运行数据包括执行设备历史数据和日前预测数据。具体地，历史数据包括负荷的历史数据、光伏发电的历史数据和储能系统的历史状态数据。日前预测数据包括负荷的日前预测数据、光伏发电的日前预测数据、以及储能系统的日前预测状态数据。
[0137]
在一些实施例的步骤s104中，根据第一运行数据对日前鲁棒能量优化管理模型进行求解，得到日前鲁棒能量优化管理策略。
[0138]
在一示例中，基于第一运行数据，采用适当的求解算法对日前鲁棒能量优化管理模型进行求解，可获得具有应对不确定性的日前鲁棒能量优化管理策略。
[0139]
在一些实施例的步骤s105中，建立微电网日内实时阶段滚动能量优化管理模型，具体包括：
[0140]
获取微电网的第三运行数据，第三运行数据包括：滚动优化时域的起始时刻、滚动优化时域的预设求解时段、日内从主网购电量数据、日内非弹性负荷数据、日内弹性负荷数据、日内储能系统运行数据、日内光伏发电数据；
[0141]
根据日前鲁棒能量优化管理策略、滚动优化时域的起始时刻和滚动优化时域的预设求解时段进行模型构建，得到日内实时滚动能量管理偏差最小化模型；
[0142]
根据日内从主网购电量数据、日内非弹性负荷数据、日内弹性负荷数据、日内储能系统运行数据和日内光伏发电数据进行模型构建，得到日内实时功率平衡约束条件模型；
[0143]
根据日内光伏发电数据进行模型构建，得到日内实时光伏出力模型；
[0144]
根据日内非弹性负荷数据进行模型构建，得到日内实时非弹性负荷模型；
[0145]
根据日内储能运行数据进行模型构建，得到日内储能系统实时运行模型；
[0146]
根据日内从主网购电数据进行模型构建，得到日内实时从主网购电模型；
[0147]
根据日内实时滚动能量管理偏差最小化模型、日内实时功率平衡约束条件模型、日内实时光伏出力模型、日内实时非弹性负荷模型、日内储能系统实时运行模型和日内实时从主网购电模型进行合并，得到日内实时滚动能量优化管理模型。
[0148]
其中，在一示例中，日内实时滚动能量管理偏差最小化模型，如公式(20)所示。
[0149][0150]
其中，ca为微电网实际的能量优化管理成本；为日内阶段微电网在t时段向主网实际购买的电力；为日前阶段求得的微电网向主网购电鲁棒最优值；为日内阶段储能系统在t时段的实际荷电状态；为日前阶段求得的储能系统的预测荷电状态；t
st
为当前滚动优化时域的起始时刻；t
tmpc
为滚动优化时域的预设求解时段。
[0151]
进一步地，日内实时功率平衡约束条件模型，如公式(21)所示。日内实时非弹性负荷模型，如公式(21)所示。日内实时光伏出力模型，如公式(22)所示。日内储能系统实时运行模型，如公式(23)至公式(27)所示。日内实时从主网购电模型，如公式(28)所示。
[0152][0153][0154][0155][0156][0157][0158][0159]
[0160]
其中，上标a表示在日内实时阶段决策变量。
[0161]
在一些实施例的步骤s106中，获取微电网的第二运行数据，第二运行数据包括执行设备的日内实时数据。执行设备的日内实时数据包括：负荷的日内实时数据、光伏发电的日内实时发电数据、以及储能系统的日内实时运行状态数据。
[0162]
在一些实施例的步骤s107中，根据日前鲁棒能量优化管理策略和第二运行数据对日内实时阶段滚动能量优化管理模型进行求解，得到目标微电网能量优化管理策略。
[0163]
可以理解的是，在本技术实施例的模型求解过程中，模型中的优化时域是滚动递进地，即对模型的单次计算结果仅适用于一天内的某个特定时段，保障了能量优化管理策略的实时性和可靠性。
[0164]
在一些实施例中，参阅图4，步骤s107具体包括但不限于步骤s401至步骤s402：
[0165]
步骤s401，获取滚动优化时域，根据滚动优化时域确定求解时段；
[0166]
步骤s402，获取当前求解的起始时刻，当起始时刻处于求解时段内，则根据日前鲁棒能量优化管理策略和第二运行数据对日内实时阶段滚动能量优化管理模型进行求解，得到目标微电网能量优化管理策略。
[0167]
更具体地，当起始时刻处于求解时段内，基于日前鲁棒能量优化管理策略、负荷的日内实时数据、光伏发电的日内实时发电数据、以及储能系统的日内实时运行状态数据对日前鲁棒能量优化管理模型求解，获得目标微电网能量优化管理策略。
[0168]
在一示例中，日前鲁棒能量优化管理阶段主要采用日前24小时的预测数据计算获得微电网鲁棒能量优化管理策略；日内实时阶段滚动能量优化管理阶段基于日前生成的鲁棒能量优化管理策略和实时数据滚动生成目标微电网能量优化管理策略。
[0169]
在另一示例中，将日前鲁棒能量优化管理策略作为日内实时阶段滚动能量优化管理模型的输入参数。基于日前鲁棒能量优化管理策略、光伏出力和负荷需求的实时数据，采用适当的求解算法对日内实时阶段滚动能量优化管理模型进行求解，即可获得兼顾鲁棒性、经济性和可靠性的目标微电网能量优化管理策略。
[0170]
本技术实施例根据管模型预测控制理论构建两阶段微电网能量优化管理架构，该架构含日前鲁棒能量优化管理阶段和日内实时滚动能量优化管理阶段。针对微电网日前鲁棒能量优化管理阶段，构建包含微电网能量管理成本最小化模型、光伏出力模型、需求侧响应模型、储能系统能量管理模型、以及微电网可靠运行约束条件模型的微电网日前鲁棒能量优化管理模型。针对日内实时滚动能量优化管理阶段，基于日前鲁棒能量优化管理模型计算结果和日内微电网实际运行数据，构建包含日内实时滚动能量优化管理偏差最小化模型、微电网实时可靠运行约束条件模型的微电网日内实时阶段滚动能量优化管理模型。根据所提供的微电网两阶段能量优化管理架构建立的数学解析模型，代入实际数据进行求解可得到兼顾鲁棒性、经济性和可靠性的目标微电网能量优化管理策略。
[0171]
请参阅图5，本技术实施例还提供一种微电网能量优化管理的系统，可以实现上述微电网能量优化管理的方法，图5为本技术实施例提供的微电网能量优化管理的系统的模块结构框图，该系统包括：阶段划分模块501、日前模型创建模块502、第一运行数据获取模块503、初始求解模块504、日内模型创建模块505、第二运行数据获取模块506和目标求解模块507。其中，阶段划分模块501用于获取管理阶段，对管理阶段进行阶段划分，得到日前鲁棒能量优化管理阶段和日内实时滚动能量优化管理阶段；日前模型创建模块502用于针对
日前鲁棒能量优化管理阶段，建立日前鲁棒能量优化管理模型；第一运行数据获取模块503用于获取微电网的第一运行数据，第一运行数据包括执行设备的历史数据和执行设备的日前预测数据；初始求解模块504用于根据第一运行数据对日前鲁棒能量优化管理模型进行求解，得到日前鲁棒能量优化管理策略；日内模型创建模块505用于针对日内实时滚动能量优化管理阶段，建立日内实时滚动能量优化管理模型；第二运行数据获取模块506用于获取微电网的第二运行数据，第二运行数据包括执行设备的日内实时数据；目标求解模块507用于根据日前鲁棒能量优化管理策略和第二运行数据对日内实时阶段滚动能量优化管理模型进行求解，得到目标微电网能量优化管理策略。
[0172]
本技术实施例一种微电网能量优化管理的系统，将微电网的整个管理阶段划分成离线阶段(日前鲁棒能量优化管理阶段)和线上实时阶段(日内实时滚动能量优化管理阶段)。并分别进行模型构建，得到离线模型(日前鲁棒能量优化管理模型)。先对离线模型进行求解，得到离线管理策略(日前鲁棒能量优化管理策略)。构建线上实时模型(日内实时滚动能量优化管理模型)，再根据离线管理策略和实时数据(第二运行数据)对线上实时模型进行求解，得到线上实时管理策略(目标微电网能量优化管理策略)。本技术实施例通过管理阶段的划分，管理模型的分别求解，且具体是根据离线管理策略和实时数据共同确定线上实时管理策略，提高了线上实时管理策略的准确性和实时性，还提高了对微电网管理的可靠性。
[0173]
本技术实施例的一种微电网能量优化管理的系统用于执行上述实施例中的一种微电网能量优化管理的方法，其具体处理过程与上述实施例中的一种微电网能量优化管理的方法相同，此处不再一一赘述。
[0174]
本技术实施例还提供了一种计算机设备，包括存储器和处理器，其中，存储器中存储有计算机程序，该计算机程序被处理器执行时处理器用于执行如本技术实施例中任一项的一种微电网能量优化管理的方法。
[0175]
下面结合图6对计算机设备的硬件结构进行详细说明。该计算机设备包括：处理器601、存储器602、输入/输出接口603、通信接口604和总线605。
[0176]
处理器601，可以采用通用的cpu(central processing unit，中央处理器)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本技术实施例所提供的技术方案；
[0177]
存储器602，可以采用rom(read only memory，只读存储器)、静态存储设备、动态存储设备或者ram(random access memory，随机存取存储器)等形式实现。存储器602可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器602中，并由处理器601来调用执行本技术实施例的一种微电网能量优化管理的方法；
[0178]
输入/输出接口603，用于实现信息输入及输出；
[0179]
通信接口604，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信；和总线605，在设备的各个组件(例如处理器601、存储器602、输入/输出接口603和通信接口604)之间传输信息；
[0180]
其中处理器601、存储器602、输入/输出接口603和通信接口604通过总线605实现
彼此之间在设备内部的通信连接。
[0181]
本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，在计算机程序被计算机执行时，计算机用于执行如本技术实施例中任一项的一种微电网能量优化管理的方法。
[0182]
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0183]
本技术实施例描述的实施例是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
[0184]
本领域技术人员可以理解的是，图1至图4中示出的技术方案并不构成对本技术实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
[0185]
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0186]
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
[0187]
本技术的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0188]
应当理解，在本技术中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
[0189]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通
信连接，可以是电性，机械或其它的形式。
[0190]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0191]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0192]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等各种可以存储程序的介质。
[0193]
以上参照附图说明了本技术实施例的优选实施例，并非因此局限本技术实施例的权利范围。本领域技术人员不脱离本技术实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本技术实施例的权利范围之内。