一种含可再生能源的微网鲁棒多目标运行优化方法
【技术领域】
[0001 ]本发明涉及一种含可再生能源的微网鲁棒多目标运行优化方法。
【背景技术】
[0002] 鉴于微网具有高效的能源利用和较高的经济环境效益，目前已在电力和能源领域 得到广泛认可。而且它被认为是能源互联网的重要组成部分，甚至被视为是偏远地区和城 市工业园中大电网的有力替代者。然而伴随着可再生能源渗透率和负荷不确定性的增高， 导致微网运行严重偏离最佳经济和环境效益，而且供求不平衡的情况也时常发生。因此，合 理调度微网中分布式电源出力显的尤为关键。
[0003] 此外，现有运行技术缺少对微网运行中不确定性和多目标属性的综合考虑，所产 生的最佳运行方案无法在多目标框架下消除不确定因素的影响，难以满足实际运行需求。
【发明内容】
[0004] 本发明为了解决上述问题，提出了一种含可再生能源的微网鲁棒多目标运行优化 方法，该方法针对含可再生能源的微网，该类型微网为包含光伏、地源热栗、燃气轮机冷热 电联供和蓄电池储能的并网型微网，考虑到可再生能源间歇性和负荷不确定性，建立计及 经济效益和环境效益的微网鲁棒多目标运行优化模型，能够克服微网运行中不确定性因素 的干扰，实现经济和环境效益最大化。
[0005] 为了实现上述目的，本发明采用如下技术方案：
[0006] -种含可再生能源的微网鲁棒多目标运行优化方法，包括:采集微网运行信息，生 成微网运行中不确定性实施场景，根据微网属性，构建鲁棒多目标模型，将其与不确定性实 施场景输入到两阶段求解策略中，对不确定性场景下内层最大优化问题和运行方案下外层 最小优化问题分别迭代求解，直到满足终止条件退出循环，形成最优运行方案集合，依据实 时预测数据，选出最优运行策略。
[0007] 上述方法具体包括以下步骤：
[0008] (1)采集分布式电源设备信息、市场信息和不确定性信息，将其作为优化参数； [0009] (2)根据系统多目标属性，构建运行费用和二氧化碳排放的多目标，根据不确定性 的鲁棒区间约束，进行区间划分和蒙特卡抽样，生成不确定性场景；
[0010] (3)构建系统模型和场景样本，采用多目标交叉熵算法，求解多目标的逆问题，确 定每个运行方案下最坏的不确定性场景;采用ε+指示器和交叉熵方法，求解在以运行方案 为决策变量下的外层多目标最小问题，确定最大多目标下的最小多目标集合；
[0011] (4)根据微网的实时预测信息，从运行方案集合中选取一个最优运行策略。
[0012] 所述步骤（1)中，微网的设备包括燃气轮机冷热电三联供、蓄电池、地源热栗和光 伏电池，其具体方法包括：
[0013] 1)根据设备型号和技术特征，确定三联供设备的输出功率限额和启停时间消耗， 确定蓄电池的荷电状态和充放电功率限额，确定地源热栗的输出功率限额；
[0014] 2)根据微网外部的市场环境，确定当地执行的分时电价情况，确定天然气气价情 况，确定碳排放惩罚情况；
[0015] 3)根据监测统计的光照信息和负荷需求信息，计算出一天各个时段的光伏出力和 负荷需求的平均值，其中负荷包括了电负荷、冷负荷和热负荷。
[0016] 所述步骤(2)中，具体包括：
[0017] (2-1)根据系统多目标属性，构建运行费用和二氧化碳排放的多目标，其中运行费 用包括了燃料消耗费用、维护费用、电网交互费用、蓄电池折旧费用和需求缺额惩罚费用， 碳排放包括电网的火力发电二氧化碳排放和微网的天然气二氧化碳排放；
[0018] (2-2)根据采集环节的数据，建立三联供的输出功率和启停约束，建立地源热栗的 输出功率和启停约束，建立蓄电池的功率和荷电状态约束，建立微网供求功率平衡和旋转 备用约束，建立不确定性的鲁棒区间约束；
[0019] (2-3)根据不确定性的鲁棒集合，采用区间划分和蒙特卡洛抽样技术生成不确定 性场景样本。
[0020] 所述步骤(2-3)中，具体方法包括：
[0021 ] (2-3-1)根据生成的光伏出力和负荷需求的鲁棒集合，将每一时刻的鲁棒集合均 匀划分为若干等份；
[0022] (2-3-2)采用蒙特卡洛抽样技术从每一份中抽取同样数目的样本数，逐一构成运 行周期内光伏出力的场景样本和负荷场景样本。
[0023] 所述步骤(3)中，具体包括：
[0024] (3-1)根据系统模型和场景样本，采用多目标交叉熵算法，求解多目标的逆问题， 在以不确定性场景为决策变量下的内层多目标最大问题，确定每个运行方案下最坏的不确 定性场景；
[0025] (3-2)采用ε+指示器和交叉熵方法，求解在以运行方案为决策变量下的外层多目 标最小问题，确定最大多目标下的最小多目标集合。
[0026] 所述步骤(3-1)中，具体方法包括：
[0027] (3-1-1)根据约束条件生成运行方案样本，并生成不确定性场景的概率密度函数；
[0028] (3-1-2)采用非支配解排序和拥挤距离排序技术在多目标空间中搜索每个运行方 案的非支配场景；
[0029] (3-1-3)采用重要性抽样技术，确定非支配场景的Pareto前沿为精英解集，并同时 生成对应的结尾正态分布概率密度函数；
[0030] (3-1-4)生成下一代样本，并计算个体的适应度值，判别概率密度函数中方差的收 敛条件，满足收敛条件则输出最优解，否则返回步骤(3-1-2)。
[0031] 所述步骤(3-1)中，进一步包括：
[0032] 1)依据参数输入，初始化外层决策变量（蓄电池和地源热栗出力），初始化内层决 策变量即不确定性，初始化算法中的参数，确定外层迭代次数和内层迭代次数；
[0033] 2)依次将不确定性鲁棒区间均匀划分，依据不确定性场景样本数量，采用蒙特卡 洛随机抽样技术获取每个区间内的场景样本；
[0034] 3)计算生成的不确定性场景样本的概率密度函数；
[0035] 4)在生成的不确定性场景下，针对初始化的每个运行方案，计算多目标函数值；
[0036] 5)采用非支配解排序技术找出每个运行方案下，不确定性场景的支配前沿排序；
[0037] 6)依据设定的不确定性场景样本分位点，采用拥挤距离排序对每个前沿上的不确 定性场景进行排序；
[0038] 7)依据产生的不确定性场景精英解集生成概率密度分布函数，判定内层中断条 件;满足则内层优化完毕，否则在新生成的概率密度函数的基础上产生新的不确定性场景 样本，返回步骤2);
[0039] 8)依次对所有生成的运行方案实施内层优化，确定每个方案的最坏情况，即多目 标空间里的最外沿。
[0040] 所述步骤(3-2)中，具体包括：
[0041] (3-2-1)采用ε+指示器中的集合最小距离和代理适应度，在多目标空间中搜索鲁 棒非支配前沿，每个集合包括一个运行方案和其相应的最坏不确定性场景；
[0042] (3-2-2)采用重要性抽样技术，确定非支配前沿集合中运行方案为精英解集，并同 时生成对应的概率密度函数；
[0043] (3-2-3)生成下一代样本，并计算个体的适应度值，进入判别条件，满足终止条件 则输出最优解集，否则返回步骤(3-2-3)。
[0044]代理适应度是指同一前沿上集合之间的支配距离。
[0045]所述步骤(4)中，依据实时的预测数据，给出不确定性的波动范围，将集合中的运 行方案和不确定性带入多目标函数，计算每个运行方案的经济效益和环境效益，确定每个 效益的权重值，对比每个方案的整体效益，选择最优方案。
[0046]本发明的有益效果为：
[0047] (1)本发明针对包含可再生能源在内的多能源互补发电的微网，在现实中广泛存 在，因此，发明具有现实意义；
[0048] (2)本发明考虑了微网运行下所有可能发生的不确定性因素，使得对微网运行处 理更为全面；
[0049] (3)本发明采用鲁棒集合描述不确定性，不需要依赖概率性信息和先验知识，方法 简便客观；
[0050] (4)本发明对不确定性的出力和多目标优化同时进行，内层趋向最大，外层趋向最 小，所提运行优化方法层次清晰、计算便捷，更具实用性。
【附图说明】
[0051 ]图1为本发明微网鲁棒多目标运行优化方法的框架示意图；
[0052]图2为本发明研究的微网系统结构图；
[0053]图3为本发明实施地区夏季典型日冷、电负荷曲线图；
[0054]图4为本发明实施地区夏季典型日光伏电池发电预测曲线图；
[0055] 图5为本发明鲁棒多目标运行优化算法流程图；
[0056] 图6为本发明内层最大值多目标优化效果图；
[0057] 图7为本发明外层最小值多目标优化效果图；
[0058]图8为最佳运行方案选取示意图。
【具体实施方式】：
[0059] 下面结合附图与实施例对本发明作进一步说明。
[0060] 如图1所示，本发明包括：
[0061] 1.微网