一种基于数据驱动的多微网合作运行方法

1.本发明涉及微网的电力调度运行领域，具体为一种基于数据驱动的多微网合作运行方法。


背景技术：

2.发展各类形式的低碳新能源，是减少碳排放的主要措施，构建以新能源为主体的新型电力系统，已成为电力系统改革的重要方向。微电网作为新型电力系统的重要组成部分，其具有新能源发电、储能等装置，可以提高能源利用率。随着微电网接入系统的增多，相邻的微网(microgrid，mg)可以组成多微网系统，实现能量的协同互补。但各微电网具有不同的运作诉求，因此对多主体之间的运作关系进行协调显得至关重要。
3.这一问题涉及的博弈思想在当前电力系统优化调度中已有较多应用，可以分为非合作博弈和合作博弈两类。在第一类中，往往根据各主体的能量盈缺特性将其分成对立的买方和卖方，以各自的收益最大为目标并利用stackelberg博弈方法相互竞争。但非合作博弈侧重个体利益，不能保证纳什均衡解的存在性与唯一性，往往不能实现整体利益最优。在第二类中，根据合作博弈理论实现多主体之间的能量交易，通常被建模成联盟博弈或纳什议价模型。但联盟博弈模型是一种集中优化算法，需要利用各主体的大量信息，会导致主体的隐私泄露，而通过采用交替方向乘子法(alternating direction method ofmultipliers，admm)的纳什议价模型可有效保护各主体隐私，且相比联盟博弈计算复杂度低。因此目前多基于纳什谈判理论建立多微网合作运行方法。
4.多微网合作运行过程中因涉及新能源、储能和各类新型负荷，其中既包括易于控制的能源环节(如储能系统等)，也包含具有间歇性和难以控制的能源环节(如风力发电、光伏发电等)，使得多微网协同调度成为一个复杂的多主体、带约束、非线性、随机不确定混合整型组合优化问题，且缺乏对大规模数据的处理。此外亟需建立计及碳交易机制的多主体协同优化调度方法，但是现有技术尚未探讨多主体在碳交易机制下的协同运行对系统环保性的影响。需要指出的是，风光出力的间歇性与电价的波动性会对多微网协同运行造成不利影响，然而目前关于风光出力不确定性的研究主要关注单一微网，关于电价不确定性的研究主要集中在电力市场层面，而对于多微网合作运行的影响鲜有分析。另外，需要指出的是，尽管最新的技术研究了电价不确定性和博弈欺诈行为对多微网合作运行的影响，但其关于电价不确定性的处理采用鲁棒优化方法，未考虑海量电力市场数据，不能够适用于大数据场景，并且未计及碳交易机制的影响，因而研究较为片面。因此，亟需建立一种在碳交易机制下，考虑基于数据驱动的电价不确定性的多微网合作运行方法，并通过纳什谈判博弈理论合理平衡各参与方的利益需求，有效提升系统运行经济性和环保性，有效提升对大规模数据的处理能力。


技术实现要素：

5.本发明为了解决多微网协同运行，尚未考虑或探讨碳交易机制下的协同运行以及
缺乏大规模数据处理的问题，提供了一种基于数据驱动的多微网合作运行方法。
6.本发明是通过如下技术方案来实现的：一种基于数据驱动的多微网合作运行方法，其特征在于：包括如下步骤：
7.一、构建碳交易机制下的多微网系统框架：
8.每个微网由新能源发电、储能、电热负荷和分布式能源机组组成，并配有微电网能量管理系统mems(microgrid energy management system，mems)，其中分布式能源机组包括燃气轮机、燃气锅炉、地源热泵；每个微网由mems进行智能控制和调度决策； mems具有发电优化调度、数据分析、负荷管理等诸多功能。各微网可以通过mems 与主网进行电能和通讯的交互，并在碳交易平台进行碳排放权交易，实现多微网的协同运行，以达到提高运行收益，降低碳排放量的目的
9.二、建立计及碳交易机制的微网模型：
10.碳排放权配额的划分需结合国内发电情况合理制定，若各发电商自身实际碳排放量超出所分配的碳排放配额，则需在碳交易平台购买欠缺的碳排放配额，反之亦可在碳交易平台出售自身剩余配额，在环保的情境下，碳排放配额进行合理的调整；微网的碳交易机制模型包含微网的碳排放权配额模型与实际碳排放模型：
11.(1)微网的碳交易机制模型
12.微网的碳排放权配额由下式计算：
[0013][0014]
其中为燃气轮机的发电功率，为燃气锅炉的发热功率，为新能源机组的发电功率，ε0为碳排放权配额分配系数，i表示第i个微网；
[0015]
微网的实际碳排放量由下式计算：
[0016][0017]
其中为碳排放系数；
[0018]
(2)单一微网独自运行模型：
[0019]
燃气轮机电热出力和约束条件如下：
[0020][0021][0022]
式中：η
gt
为燃气轮机的发电效率；h
lhv
为天然气低热值；为燃气轮机消耗燃气量；η
gt,h
为燃气轮机制热系数；
[0023]
燃气锅炉燃烧天然气发热，地源热泵作为电热耦合单元的重要组成部分，能将电能转换成热能，其发热功率与约束条件如下：
[0024][0025]
式中：为燃气锅炉发热功率；分别为热泵的发热功率、耗电功率；
[0026]
微网内电热柔性负荷包括可削减负荷和可转移负荷，约束条件如下：
[0027]
[0028]
式中：为电热预测负荷功率；分别为电热负荷可削减功率；分别为电热负荷可削减功率；分别为电热负荷可转移功率；此外还包括柔性负荷转移功率限值约束；
[0029]
储能系统模型包括储电系统和储热系统，相关约束如下：
[0030][0031]
μ
i,t,ch
+μ
i,t,dis
≤1
ꢀꢀꢀꢀꢀꢀꢀ
(12)
[0032]
式中：s
i,t
为储能系统的容量，p
i,t,ch
、p
i,t,dis
为储能系统的充放电功率，ηc、ηd为充放电效率，μ
i,t,ch
、μ
i,t,dis
为充放电状态标志位；
[0033]
按照步骤二中(1)～(2)建立了碳交易机制下的微网模型，并可以与配电网进行电能交互，除此之外，还考虑风光出力以及电价的不确定性；
[0034]
(3)新能源发电不确定性建模：
[0035]
考虑各微网内新能源发电具有不确定性，其可再生能源出力不能准确预测，风光的不确定集合u
i,m
表示如下：
[0036][0037]
其中p
i,t,m
表示可再生能源的发电功率；pre
i,t,m
表示可再生能源的预测发电功率；表示可再生能源的最大允许偏差，α
i,t,m
，β
i,t,m
为对偶变量；依据对偶理论对风光发电的不确定性集合进行转化求解，得到电功率不等式约束如下：
[0038][0039]
s.t.α-β≥-1,α≥0,β≥0
[0040]
(4)电价不确定性建模：
[0041]
电力市场对多微网系统的决策有着重要影响，通过对历史电价数据的分析，采用蒙特卡洛法生成大量符合要求的电价场景，数量大于等于1000，并削减成典型场景进行等效以此建立考虑基于数据驱动的电价不确定性的多微网合作运行方法：将削减后的电价典型场景进行加权求和得到等效售电价曲线，以此减轻电价不确定性对多微网合作运行的影响；例如：通过对大量历史电价数据的分析，采用蒙特卡洛法生成1000组符合要求的电价场景，电价场景削减成10组典型场景。
[0042]
(5)目标函数：
[0043]
基于步骤(1)～(4)建立在碳交易机制下，考虑基于数据驱动的电价不确定性的单一微网模型的目标函数如下所示：
[0044][0045][0046][0047]
[0048]
式中：为各微电网单独运行时的成本，分别为微电网的燃料成本、内部设备的运行维护成本、负荷需求响应成本、与主网交互的成本、碳排放成本；c
gas
为天然气的价格，c
gt
、c
gb
、c
hp
、c
res
、c
es
为相应设备的运行维护成本系数，c
tran
、c
cut
为负荷的需求响应成本系数，μ
buy
、μ
sell
为主网的购电价与售电价，c
car
为碳排放成本系数；
[0049]
三、基于纳什谈判理论建立多微网合作运行优化模型：
[0050]
假设各个微网隶属于不同的单位，并允许与临近微网进行能量交互与利润分配；依据纳什议价理论建立多微网合作运行优化模型如下所示：
[0051][0052][0053]
ρ
ij
＞λsꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(25)
[0054]
式中：n为参与纳什谈判的微网的个数；为各微网合作前的成本；为各微网参与电能共享后的成本，ρ
ij
表示微网i与微网j之间的电价；τi＞0表示微网i向微网j 收取费用；纳什谈判合作博弈模型(21)本质上是一个非凸非线性优化问题，难以直接求解；故将其转换为下面两个易于求解的子问题：多微网系统收益最大化问题和利润分配子问题：
[0055]
子问题1：多微网系统收益最大化子问题
[0056][0057]
子问题2：利润分配子问题
[0058][0059]
式中，为子问题1中求得的最优解；
[0060]
四、基于admm原理求解多微网合作运行优化模型：
[0061]
考虑到两个子问题的目标函数和约束条件非凸，采用交替方向乘子法进行分布式求解；
[0062]
(1)基于admm的子问题1求解：
[0063]
引入拉格朗日乘子λ
ij
和惩罚因子ρ构建增广拉格朗日函数：
[0064][0065]
根据admm算法原理，对式(28)分解，得到各微网的分布式优化运行模型；建立多微网系统效益最大化子问题的分布式算法，具体步骤如下：
[0066]
①
设置最大迭代次数，收敛精度为0.1，惩罚因子ρ＝0.01；
[0067]
②
求解各微网的分布式优化模型，得到每次迭代的微网之间交互电功率；
[0068]
③
更新拉格朗日乘子：
[0069][0070]
④
判断算法收敛情况，如果满足收敛精度则迭代终止，否则重复上述步骤；
[0071]
(2)基于admm的子问题2求解：
[0072]
通过求解子问题1得到微网之间最优期望交易量代入电能交易收益最大化子问题，并引入拉格朗日乘子σ
ij
和惩罚因子γ构建增广拉格朗日函数：
[0073][0074]
根据admm算法原理，对式(29)分解，得到各微网的分布式优化运行模型；此处的分布式算法，与子问题1相同。
[0075]
与现有技术相比本发明具有以下有益效果：本发明所提供的一种基于数据驱动的多微网合作运行方法，首先建立了碳交易机制下的微能网模型，允许微网之间进行碳交易，然后基于微网间的能量互动机理，利用纳什议价理论建立多微网在碳交易机制下的合作运行模型，结果表明，本发明技术方案弥补了现有技术的不足，在碳交易机制下多微网协同运行可以提高系统的收益，降低二氧化碳排放量；本发明根据历史电价基准数据，采用蒙特卡洛法生成大量符合要求的电价场景，并削减成典型场景进行等效以此分析电价波动的影响；由于可再生能源出力的概率分布无法准确得知，本发明采用鲁棒优化方法并通过对偶转化，其无需知道风光出力的准确分布，以此分析风光出力不确定性的影响。结果表明，本发明技术方案建立一种考虑基于数据驱动的多微网合作运行方法，有助于对大规模数据的处理，且考虑了电价及风光不确定性，可以提升多微网协同系统应对电价及风光不确定性风险的能力。
附图说明
[0076]
图1为本发明的运行流程图。
[0077]
图2为本发明具体实施例的多微网系统框架图。
[0078]
图3为1000组电价历史场景图。
[0079]
图4为10组典型场景图。
[0080]
图5为多微网系统风光预测功率曲线图。
[0081]
图6为多微网系统电负荷曲线图。
[0082]
图7为多微网系统热负荷曲线图。
[0083]
图8为微网间电能交易结果图。
具体实施方式
[0084]
以下结合具体实施例对本发明作进一步说明。
[0085]
一种基于数据驱动的多微网合作运行方法，流程图如图1所示，包括如下步骤：
[0086]
一、构建碳交易机制下的多微网系统框架，如图2所示：
[0087]
每个微网由新能源发电、储能、电热负荷和分布式能源机组组成，并配有微电网能
量管理系统mems，其中分布式能源机组包括燃气轮机、燃气锅炉、地源热泵；每个微网由mems进行智能控制和调度决策；各微网通过mems与主网进行电能和通讯的交互，并在碳交易平台进行碳排放权分配，实现多微网的协同运行；
[0088]
二、建立计及碳交易机制的微网模型：
[0089]
在环保的情境下，碳排放配额进行合理的调整；微网的碳交易机制模型包含微网的碳排放权配额模型与实际碳排放模型：
[0090]
(1)微网的碳交易机制模型
[0091]
微网的碳排放权配额由下式计算：
[0092][0093]
其中为燃气轮机的发电功率，为燃气锅炉的发热功率，为新能源机组的发电功率，ε0为碳排放权配额分配系数，i表示第i个微网；
[0094]
微网的实际碳排放量由下式计算：
[0095][0096]
其中为碳排放系数；
[0097]
(2)单一微网独自运行模型：
[0098]
燃气轮机电热出力和约束条件如下：
[0099][0100][0101]
式中：η
gt
为燃气轮机的发电效率；h
lhv
为天然气低热值；为燃气轮机消耗燃气量；η
gt,h
为燃气轮机制热系数；
[0102]
燃气锅炉燃烧天然气发热，地源热泵作为电热耦合单元的重要组成部分，能将电能转换成热能，其发热功率与约束条件如下：
[0103][0104]
式中：为燃气锅炉发热功率；分别为热泵的发热功率、耗电功率；
[0105]
微网内电热柔性负荷包括可削减负荷和可转移负荷，约束条件如下：
[0106][0107]
式中：为电热预测负荷功率；分别为电热负荷可削减功率；分别为电热负荷可削减功率；分别为电热负荷可转移功率；此外还包括柔性负荷转移功率限值约束；
[0108]
储能系统模型包括储电系统和储热系统，相关约束如下：
[0109][0110]
μ
i,t,ch
+μ
i,t,dis
≤1
ꢀꢀꢀꢀꢀꢀꢀ
(12)
[0111]
式中：s
i,t
为储能系统的容量，p
i,t,ch
、p
i,t,dis
为储能系统的充放电功率，ηc、ηd为充放电效率，μ
i,t,ch
、μ
i,t,dis
为充放电状态标志位；
[0112]
按照步骤二中(1)～(2)建立了碳交易机制下的微网模型，并可以与配电网进行电能交互，除此之外，还考虑风光出力以及电价的不确定性；
[0113]
(3)新能源发电不确定性建模：
[0114]
考虑各微网内新能源发电具有不确定性，其可再生能源出力不能准确预测，风光的不确定集合u
i,m
表示如下：
[0115][0116]
其中p
i,t,m
表示可再生能源的发电功率；pre
i,t,m
表示可再生能源的预测发电功率；表示可再生能源的最大允许偏差，α
i,t,m
，β
i,t,m
为对偶变量；依据对偶理论对风光发电的不确定性集合进行转化求解，得到电功率不等式约束如下：
[0117][0118]
s.t.α-β≥-1,α≥0,β≥0
[0119]
(4)电价不确定性建模：
[0120]
电力市场对多微网系统的决策有着重要影响，通过对历史电价数据的分析，采用蒙特卡洛法生成大量符合要求的电价场景，数量大于等于1000，并削减成典型场景进行等效以此建立考虑基于数据驱动的电价不确定性的多微网合作运行方法：将削减后的电价典型场景进行加权求和得到等效售电价曲线，以此减轻电价不确定性对多微网合作运行的影响；通过对大量历史电价数据的分析，采用蒙特卡洛法生成1000组符合要求的电价场景，如图3是1000组售电价场景，对图3所示的电价场景削减成10组典型场景如图4所示。
[0121]
(5)目标函数：
[0122]
基于步骤(1)～(4)建立在碳交易机制下，考虑基于数据驱动的电价不确定性的单一微网模型的目标函数如下所示：
[0123][0124][0125][0126][0127]
式中：为各微电网单独运行时的成本，分别为微电网的燃料成本、内部设备的运行维护成本、负荷需求响应成本、与主网交互的成本、碳排放成本；c
gas
为天然气的价格，c
gt
、c
gb
、c
hp
、c
res
、c
es
为相应设备的运行维护成本系数，c
tran
、c
cut
为负荷的需求响应成本系数，μ
buy
、μ
sell
为主网的购电价与售电价，c
car
为碳排放成本系数；
[0128]
三、基于纳什谈判理论建立多微网合作运行优化模型：
[0129]
假设各个微网隶属于不同的单位，并允许与临近微网进行能量交互与利润分配；依据纳什议价理论建立多微网合作运行优化模型如下所示：
[0130][0131][0132]
ρ
ij
＞λsꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(25)
[0133]
式中：n为参与纳什谈判的微网的个数；为各微网合作前的成本；为各微网参与电能共享后的成本，ρ
ij
表示微网i与微网j之间的电价；τi＞0表示微网i向微网j 收取费用；纳什谈判合作博弈模型(21)本质上是一个非凸非线性优化问题，难以直接求解；故将其转换为下面两个易于求解的子问题：多微网系统收益最大化问题和利润分配子问题：
[0134]
子问题1：多微网系统收益最大化子问题
[0135][0136]
子问题2：利润分配子问题
[0137][0138]
式中，为子问题1中求得的最优解；
[0139]
四、基于admm原理求解多微网合作运行优化模型：
[0140]
考虑到两个子问题的目标函数和约束条件非凸，采用交替方向乘子法进行分布式求解；
[0141]
(1)基于admm的子问题1求解：
[0142]
引入拉格朗日乘子λ
ij
和惩罚因子ρ构建增广拉格朗日函数：
[0143][0144]
根据admm算法原理，对式(28)分解，得到各微网的分布式优化运行模型；建立多微网系统效益最大化子问题的分布式算法，具体步骤如下：
[0145]
①
设置最大迭代次数，收敛精度为0.1，惩罚因子ρ＝0.01；
[0146]
②
求解各微网的分布式优化模型，得到每次迭代的微网之间交互电功率；
[0147]
③
更新拉格朗日乘子：
[0148][0149]
④
判断算法收敛情况，如果满足收敛精度则迭代终止，否则重复上述步骤；
[0150]
(2)基于admm的子问题2求解：
[0151]
通过求解子问题1得到微网之间最优期望交易量代入电能交易收益最大化子
问题，并引入拉格朗日乘子σ
ij
和惩罚因子γ构建增广拉格朗日函数：
[0152][0153]
根据admm算法原理，对式(29)分解，得到各微网的分布式优化运行模型；此处的分布式算法，与子问题1相同。
[0154]
五、通过算例分析验证本发明所提方法的有效性：
[0155]
本实施例采用图1所示的多微网系统框架，以三个微网为例说明碳交易机制下考虑基于数据驱动的电价不确定性的多微网作运行方法，其中风光预测功率曲线见图5，电热负荷曲线见图6、图7。燃气轮机等微网设备参数见表1。
[0156]
表1多微网系统设备参数
[0157][0158]
多微网电能交互运行结果如图8所示，微网1在06:00-07:00和18:00-22:00时段，电负荷小，风力发电有富裕，表现为多电型微网，在12:00-14:00时段，表现为缺电型微网。微网2在06:00-07:00和18:00-22:00时段，光伏发电不足，表现为缺电型微网，在12:00-14:00时段，表现为多电型微网。微网3大部分时段表现为多电型微网。
[0159]
表2给出微网的碳排放情况，由表可知，各微网合作运行，可以有效减少碳排放量。而碳交易成本为负值表明各微网因可再生能源发电较充足，碳配额较大，可在碳交易市场中出售多余的碳配额获取收益。结果表明，微网通过合作运行，可以有效降低碳排放量，提高碳交易获得的收益，达到环保要求。
[0160]
表2碳排放情况分析
[0161][0162]
本发明要求保护的范围不限于以上具体实施方式，而且对于本领域技术人员而言，本发明可以有多种变形和更改，凡在本发明的构思与原则之内所作的任何修改、改进和等同替换都应包含在本发明的保护范围之内。