一种多合作微电网主体分布式协调交易方法

本发明涉及售电侧电力市场
技术领域：
，具体涉及一种多合作微电网主体分布式协调交易方法。
背景技术：
：在电力低碳化转型发展背景下，大量分散式、小规模的分布式能源被整合到售电侧，但分布式能源由于通常出力随机性强、单机容量较小、数量庞大、分布广泛等特点，难以参与传统电网层面的电力批发市场。同时，微电网是将分布式能源集成到电力系统的最有效解决方案之一，在售电侧会形成整合了分布式能源的种类、容量及负荷用电特性等存在差异的区域微电网群。而近年来共享经济兴起，将“共享”思维引入电力领域，允许微电网直接交易，多微电网具有很强的互补特性，区域多个微电网主体可能签订特定的合作协议而形成合作联盟。但是现有设计存在以下问题：1、缺少技能保护微电网主体隐私又能快速协调区域多合作微电网主体间的电量交易的决策框架。2、没有考虑各微电网主体内部风光可再生能源出力不确定性对其参与交易可能造成的风险。技术实现要素：本发明的目的在于克服现有技术的不足，提供一种多合作微电网主体分布式协调交易方法。通过以下技术方案来实现的：一种多合作微电网主体分布式协调交易方法，包括下列步骤：步骤1：对各类型微电网主体的各项参数进行不确定性分析，构建微电网主体两阶段自适应鲁棒优化决策模型，执行步骤2；步骤2：获取微电网主体内部的需求响应、储能和各供能元件，结合步骤1中的两阶段自适应鲁棒优化决策模型，构建微电网主体市场决策模型，执行步骤2；步骤3：根据区域内多微电网主体形成的合作联盟，构建多合作微电网主体分布式协调交易框架，通过目标函数联法求解多微电网主体间的协调交易电量与两阶段自适应鲁棒优化决策模型。优选的，所述步骤1中，各项参数包括可再生能源出力的各项参数，构建多面体不确定集描述可再生能源出力的不确定性，得到微电网主体两阶段自适应鲁棒优化决策模型。优选的，所述步骤2中，微电网主体市场决策模型包括多项约束，具体为可转移负荷的用能调整约束、储能充放电约束、微型燃气轮机出力约束，购售电约束，内部用能平衡约束，目标函数包含购售电成本，需求响应调整成本，燃气轮机运行成本，弃风、弃光的惩罚成本。优选的，多合作微电网主体分布式协调交易框架是在目标函数上添加惩罚项使得多微电网主体达成联合协议，得到微电网主体两阶段自适应鲁棒优化决策模型的增广拉格朗日形式求解多微电网主体间的协调交易电量。优选的，所述目标函数级联算法求解多合作微电网主体的分布式协调交易框架，具体包括下列步骤：步骤51：输入初始参数，包含一阶乘子ρ和二阶乘子γ，协调交易电量设置初始迭代值n＝0和最大迭代次数n，设置收敛调节ε＝0.01；步骤52：更新微电网m与其它微电网主体间的协调交易电量值；步骤53：每个微电网主体采用列与约束生成算法进行各自鲁棒优化决策问题求解，得到与其它微电网主体的协调交易电量值步骤54：更新一阶、二阶乘子更新n＝n+1，然后转到步骤52。另一方面，还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有一个或多个计算机程序，所述一个或多个计算机程序被一个或多个处理器执行时实现如权利要求1～5任一项所述的分布式协调交易方法。另一方面，还提供一种分布式协调交易装置，包括：一个或多个处理器；计算机可读存储介质，其存储有一个或多个计算机程序；所述一个或多个所述计算机程序被所述一个或多个处理器执行时实现如上述的分布式协调交易方法。另一方面，还提供一种多合作微电网主体分布式协调交易系统，多个微电网内包括：风电机组、光伏机组、微型燃气轮机可控电源、储能系统以及内部负荷；其中，系统中的主控制器对微电网分布式协调交易进行仿真模拟；所述主控制器中存储有一个或多个计算机程序，所述一个或多个所述计算机程序被其具有的一个或多个处理器执行时实现如上述的分布式协调交易方法；另一方面还包括分布式协调交易方法用于各个微电网中用电量的分配、模型搭建、电价的核算的用途。本发明的有益效果是：(1)考虑微电网主体间的负荷用能特性具有互补特性，并且考虑多微电网主体的隐私保护需求，基于目标函数级联算法构建多合作微电网分布式协调交易框架，能够快速协调多合作微电网间的协调交易电量；(2)考虑微电网主体内部风电、光伏可再生能源的不确定性对其参与交易可能造成的风险，构建微电网主体两阶段鲁棒优化决策模型，利用列与约束生成算法对模型分解的主问题和子问题进行迭代求解，并采用现有求解工具包cplex进行有效求解。附图说明图1本发明中的交易流程原理图；图2本发明中一个实施例的配电网主体决策变量的组成图；图3本发明中一个实施例的多微电网系统构成；图4本发明中一个实施例的风电、光伏机组和负荷预测值；图5本发明中一个实施例的上网电价与微电网间交易电价；图6本发明中一个实施例的微电网1电量交易明细；图7本发明中一个实施例的微电网2电量交易明细；图8本发明中一个实施例的微电网3电量交易明细；图9本发明中一个实施例的不同波动范围下mg2总成本相对差；图10本发明中一个实施例的mg2实时市场中的不平衡功率。具体实施方式下面结合本发明的附图1～10，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施。在本发明的描述中，需要理解的是，术语“逆时针”、“顺时针”“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。请参照图1、图2和图3一种多合作微电网主体分布式协调交易方法，包括以下步骤：步骤1，对各类型微电网主体内部风光等不确定性进行分析，构建微电网主体两阶段自适应鲁棒优化决策模型；步骤2，对微电网主体内部需求响应、储能、微型燃气轮等元件进行建模，构建基于两阶段鲁棒模型的微电网主体市场决策模型；步骤3，针对区域多微电网主体形成合作联盟，构建多合作微电网主体分布式协调交易框架，并通过目标函数级联法求解多微电网主体间的协调交易电量进行求解；步骤4，通过列与约束生成算法求解微电网主体两阶段鲁棒优化决策模型。优选的，所述步骤1中对微电网主体内部风光等可再生能源的不确定特征进行分析，构建一般性的两阶段鲁棒优化决策模型，因为惩罚项中包含二次函数，将微电网主体与配电网和其它微电网主体的购售电量设为第一阶段决策变量，记为{xm}；需求响应调整量，储能充放电量、微型燃气轮机出力等设为第二阶段决策变量，记为{ym}，一般性的鲁棒优化数学模型为。鲁棒优化模型的物理意义为寻找到最坏工况下使得总运行成本最下的鲁棒决策方案，第二阶段max-min模型用来寻找不确定参数范围内取得最大总运行成本最坏场景。与此同时，鲁棒优化解能保证不确定集范围内任何取值，整个模型均可行。鲁棒优化的关键是如何应用不确定集刻画源-荷的不确定性，我们分别用ξpv和ξl来描述光伏机组出力和负荷用电的不确定性。其中参数γwind和γpv命名为“不确定性调节参数”，其取值范围为0～nt内的整数，表示在调度周期内光伏出力和负荷功率取到波动区间内最小值或者最大值的时段总数，可用于调节最优解的保守性，取值越大得到的决策方案越保守，反之，决策方案则越冒险。式中和为微电网主体内部风光出力的不确定性集合，其中和为风电、光伏出力的预测值，为风电、光伏出力的上下波动范围，均为0-1辅助变量，例如当时，和分别为mgm主体内部风电和光伏机组节点集合，i为微电网系统的节点编号，t为运行时段。优选的，所述步骤2中为微电网主体内部元件详细建模，基于一般性的两阶段鲁棒优化决策模型构建微电网主体市场鲁棒优化决策模型。所述微电网主体决策模型目标函数：上述为微电网主体决策的第一阶段目标函数，包含与配电网和其它微电网主体交易的购售电成本，其中分别为与配电网和其它微电网交易的购售电成本系数，分别为与配电网和其它微电网交易的购售电量。上述为微电网主体决策模型中的第二阶段目标函数，包含需求响应的调整成本，微型燃气轮机的出力成本，弃风、弃光的惩罚成本，其中分别为负荷调整，微型燃气轮机出力，弃风、弃光惩罚的单位成本系数，所述微型燃气轮机的运行约束：其中，为微型燃气轮机的出力值，为微型燃气轮机的出力上限。我们主要考虑的是小时级的运行计划，在微型燃气轮机运行约束建模时忽略了机组的爬坡约束，为mgm主体内部微型燃气轮机机组节点集合。所述储能系统的运行约束：储能系统的运行约束包含单位时间的充放电约束，其中为单位时刻的充电量，为储能系统单位时间的最大充放电量；储能系统的荷电状态需保持在限制范围之内，其中soci，t为储能系统的某时间段的荷电量，为储能系统的充放电效率，为储能系统的最大和最小储存电量；为储能系统某时间段的充放电状态，在某一时间段中，储能系统只能充电或者放电，为mgm主体内部储能系统节点集合。所述需求响应约束：可调负荷的调整必须保持在允许范围内，其中为某一时间段负荷用能增加或减少的状态，为某一时间段负荷用能增加或减小的最大范围，为某一时间段可调负荷的预测值，为mgm主体内部柔性负荷的节点集合所述风电、光伏出力约束：风电、光伏机组出力值应小于预测场景，其中为风电、光伏机组实际出力值。所述微电网主体购售电约束：在某一时间段，微电网主体与配电网和其它微电网主体的交易电量应保持在安全约束范围内，并且，在同一时间段内，微电网主体只能选择购电或售电。其中为购售电状态，为微电网主体的最大购售电量，为联盟内微电网的集合，为联盟内除微电网mgm的集合。所述微电网主体内部功率平衡约束：在任意时间段内，微电网主体的购电量，风电、光伏出力值，微型燃气轮机出力，储能放电量应与负荷用电量，储能充电量保持平衡。优选的，所述步骤3中为多合作微电网分布式协调交易求解框架，为了方便后面求解过程的描述，将微电网主体的两阶段鲁棒优化决策模型表述为矩阵形式，包括目标函数，可转移负荷的用能调整约束、储能充放电约束、微型燃气轮机出力约束，购售电约束，内部用能平衡约束等。s.t.amxm≤cmbmxm＝0cmym≤dmdmxm+emym≤emfmym≤wm,gmym≤pm以上为微电网主体两阶段鲁棒优化决策模型的矩阵形式，x，y为决策变量，a、b、c、d与w、p分别为目标函数与约束条件的列向量；a、b、c、d、e、f、g则表示了约束条件的系数矩阵。所述多合作微电网主体分布式协调交易的基本思想是通过在目标函数上添加惩罚项来协调多系统的分散优化。在各微电网主体的目标函数中加上惩罚项可以迫使它们逐渐达成联合协议。因此微电网主体的决策模型转换为增广拉格朗日形式为:其中ρ和γ为惩罚函数的一阶乘子和二阶乘子，惩罚函数表示不同微电网主体间交易电量的偏差的惩罚成本，其中ymk为微电网m与微电网k之间的协调交易电量。微电网间的协调交易电量通过迭代更新最终达成一致，其中更新结果为：通过计算残差来确定是否确定最终协调交易结果，其中第n次残差的计算结果为：具体采用目标函数级联算法求解多合作微电网主体的分布式协调交易框架，具体计算步骤如下：第一步：输入初始参数，包含一阶乘子ρ和二阶乘子γ，协调交易电量设置初始迭代值n＝0和最大迭代次数n。设置收敛调节ε1＝0.001。第二步：更新微电网m与其它微电网主体间的协调交易电量值。第三步：每个微电网主体采用列与约束生成算法进行各自鲁棒优化决策问题求解，得到与其它微电网主体的协调交易电量值第四步：计算微电网间协调交易电量值的残差，如果满足收敛条件，则终止迭代过程，输出最优决策结果，否则转到第五步。第五步：更新一阶、二阶乘子。更新n＝n+1，然后转到第二步。所述微电网主体内两阶段鲁棒优化模型考虑各微电网主体内部风光可再生能源不确定性对其参与交易可能造成的交易风险，根据微网主体运营商内部组成部分经济性，将与配电网和其它微电网主体的购售电量作为第一阶段变量，需求响应调整量、微型燃气轮机出力、储能充放电量作为第二阶段变量，并分为主问题与子问题进行表征：通过求解主问题mp得出决策变量将其代入子问题sp中进行求解得出最恶劣场景以及在此场景下内部可控单元为了保证鲁棒性的出力，通过产生的最恶劣场景又实现对主问题mp中min模型的求解，从而实现主问题与子问题之间的迭代求解，由于子问题在求解之前需要转化为单层，子问题模型为线性，故可采用对偶方法进行处理，其中则为相应的对偶变量。所述微电网主体内两阶段鲁棒优化模型利用强对偶理论将子问题max-min形式转换为min形式。所述第二阶段目标函数中与为非线性项，需要应用big-m法将子问题进行线性化处理，通过二进制变量和一系列线性约束进行等价表达双线性项，其中为0-1辅助变量，为连续辅助变量。所述微电网主体两阶鲁棒优化决策模型采用列与约束生成算法对主问题mp与子问题sp进行迭代求解，具体求解步骤如下。第一步：初始化相关变量，取ub＝1e8，lb＝0,s＝1,ε2＝0.01,γ；第二步：求解主问题，得到决策结果更新下界值第三步：根据主问题结果求解子问题，得到决策结果然后更新上界值如果ubs-lbs≤ε2，停止迭代，输出优化决策结果，否则跳转第四步。第四步：更新s＝s+1，然后转到第二步。通过采用上述技术方案，利用目标函数级联法对多合作微电网的交易电量进行协调求解，其中各微电网主体的鲁棒优化决策模型采用列与约束分解算法进行迭代求解，并采用现有求解工具包cplex进行有效求解。假设多合作微电网系统具体构成如图2所示，每个微电网主体包含风电、光伏机组，微型燃气轮机可控电源，储能系统以及内部负荷。其中需求响应，微型燃气轮机和储能系统的运行参数如表1-表3所示，风电、光伏机组和负荷的预测场景如图4所示，微电网主体的余电上网电价和微电网主体间交易电价如图5所示。表1需求响应运行参数表2微型燃气轮机运行参数表3储能系统运行参数根据上述多微电网系统对多合作微电网分布式协调交易进行仿真模拟，并且采用多微电网系统的独立运行模拟情况与本专利所提分布式协调交易模型进行对不分析，记为case2，本专利所提模型记为case1。其中风电和光伏机组的不确定性调节参数γwind、γpv设为12，风电、光伏机组向上、向下最大波动范围为10％。根据上述模拟仿真方案进行模拟，mg1-mg3的总运行成本如表4所示，其中case1中节约的运行主要在于微电网主体间进行了电量交易，mg1-mg3的电量交易结果如图6-图8所示。对于mg1来说，在12:00-17:00这段时间有多余的功率，可以用来应对mg2和mg3在这段时间的高峰负荷。mg2和mg3在1:00-5:00这段时间的电量富余和电量缺额具有互补特性。由表4可以看出，三个mg在case1下的总运营成本分别为2628.2、5610.2和4585.2元，与case2的独立运行模式相比，case1的三个mg的运行成本分别降低了3.15％、5.46％和7.29％。表4微电网主体的总运行成本mg1/￥mg2/￥mg3/￥case12446.275735.564641.8case22713.795934.344945.49我们定义的鲁棒优化方法和确定性方法总成本差δc为其中，cro和cda分别为最恶劣场景下鲁棒优化模型和确定性方法下的日前总运行成本。设置不确定性调节参数γwind、γpv变化时，mg2的总运行成本的差如图9所示。随着γwind、γpv增加，风电机组光伏机组出力可以达到波动范围边界的时段也增加，因此，鲁棒优化模型和确定性方法之间的日前总成本之差可能会增大。这表明，在不确定性调节参数设定较大时，微电网主体的交易计划具有更强的鲁棒，微电网主体可以通过调节不确定性参数来调整日前运行交易计划的保守性。如上所述，当不确定性调节参数γwind、γpv设置为零时，鲁棒优化模型与确定性方法相同。需要注意的是，采用确定性方法日前总运行成本要比采用鲁棒优化模型的低，但这并不意味着确定性优化模型得到的运行交易计划优于鲁棒优化模型得到的方案。在实时市场中由于预测偏差和实际出力造成的功率不平衡需要配电网来补偿。此外，实时市场的买/卖价格普遍高于/低于日前市场的买/卖价格。从这个角度来看，鲁棒优化模型得到的运行交易计划具有较强的鲁棒性和处理可再生能源出力不确定性的能力。为了证明所提出的两阶段可调稳健优化方法的性能，假设实时市场的买/卖价格是日前市场相应价格的1.5/0.5倍，并且以图4所示的风电和光伏发电的实际/预测出力为基准。不同波动范围下，微电网主体的运行成本的结果(包括实时平衡和日前总成本)如表5所示。图10显示了在αwind＝0.1时，mg2在实时市场中的不平衡电量。当功率为正时，说明mg2需要额外购买电能来弥补功率不足，当功率为负时，说明mg2可以在现实市场上出售剩余功率。可以看出，尽管鲁棒优化模型日前运行成本大于确定性方法的，但鲁棒优化模型在实时市场中的不平衡功率较低。因此，在考虑适当的预测误差的情况下，鲁棒优化模型可以有效地提高决策的鲁棒性，降低实时市场中的平衡成本。表5鲁棒优化方法和确定性方法运行成本对比综上所述，本申请本发明重点构建了多合作微电网主体分布式协调交易框架，并对多合作微电网的分布式协调交易过程进行详细阐述，其中多合作微电网的分布式协调交易采用目标函数级联算法进行求解，在此基础上，考虑微电网主体内部含有风电、光伏等可再生能源的特性，结合风电、光伏典型场景数据以及决策变量的调节特性，构建微电网主体内部两阶段鲁棒优化决策模型，并采用列与约束生成算法进行迭代求解。当前第1页12