一种计及多运行模式的光储充一体化优化调度方法及设备与流程

本发明涉及一种计及多运行模式的光储充一体化优化调度方法及设备，属于微电网。

背景技术：

1、随着电动汽车数量的不断增加和用户无序充电行为，其对微电网稳定运行和电能质量所造成的不利影响逐渐显现，而通过合理的引导电动汽车有序充电能够有效缓解微电网的运行压力。随着车联网(vehicle to grid,v2g)技术的不断发展，使得电动汽车不仅可以作为微电网的充电负荷，还可以充当储能电池为配电网供电，电动汽车和储能系统已成为微电网中不可或缺的调度资源，可以减少微电网负荷峰谷差，缓解电网运行压力。光储充一体化系统中光伏系统、储能系统和充电汽车具有互补性，既可以通过光伏发电对电动汽车等负载直接供电实现光伏能源的就地消纳，也可以通过储能系统缓解光伏出力的不确定性和提高光伏功率的利用率，在光伏发电量较大时将部分电能储存，在光伏发电量不足时给电动汽车等负荷供电，电动汽车亦可以通过放电为配电网供电，平抑电网负荷波动，从而获得更优的经济效益和安全效益。

2、虽然充电汽车与可再生能源、储能系统具有很好的互补性，使得光储充一体化微电网系统的集成度不断加深，但光储充一体化微电网系统的安全性及利用效率不佳问题到目前为止却始终无法得到有效解决。为加强电网新能源消纳能力，需要一种光储充一体化微电网系统的调度方法。

3、专利cn110210647b《一种分布式电源、储能与柔性负荷联合调度方法及装置》公开了：以资源聚合商利润最大为优化目标，对大容量资源调度性能差异进行滚动在线评估，设置动态综合调度优先级；针对小容量资源间接调度的不确定性，提出了包含模糊参数的机会调度约束。应用改进的粒子群算法将模糊机会约束清晰化并求解调度模型。

技术实现思路

1、为了克服现有技术中存在的问题，本发明设计了一种计及多运行模式的光储充一体化优化调度方法及设备，构建以微电网运行成本与微电网交换功率最小为目标的目标优化模型，分析了两种场景的经济性和安全性，并采用蝴蝶优化算法分别对这两种场景求解并进行对比分析，从而为用户提供最优调度策略，深度优化光储充一体化系统的出力，最大化系统运行的综合效益。

2、为了实现上述目的，本发明采用如下技术方案：

3、技术方案一

4、一种计及多运行模式的光储充一体化优化调度方法，其特征在于，包括以下步骤：

5、构建目标优化模型，所述目标优化模型包括第一目标函数、第二目标函数和若干约束条件；

6、所述第一目标函数，以公式表达为：

7、

8、式中，t表示微电网运行时长，spv表示光伏出力的单位成本，ppv,t表示在第t时刻光伏出力功率，pbuy,t表示在第i时刻的微电网向上级电网购电功率，psell,t表示在第t时刻的微电网向上级电网售电功率，sbuy,t、ssell,t分别表示在第t时刻的微电网向上级电网购电、售电的单位价格，sess表示储能系统的单位运行成本，pch,t、pdis,t分别表示储能系统在第t时刻的充电、放电功率，表示充电汽车集合在t时刻的单位运行成本，表示充电汽车集合在第t时刻的放电功率总和，表示充电汽车集合在第t时刻的充电功率总和；

9、所述第二目标函数，以公式表达为：

10、

11、式中，si表示微电网与上级电网进行功率交换的单位运行成本；

12、所述若干约束条件包括市场购售电约束条件、功率平衡约束条件；

13、求解微电网不同运行模式下目标优化模型的最优调度策略及对应的调度成本；其中，第一运行模型为电动汽车参与微电网调度；第二运行模型为电动汽车不参与微电网调度；

14、选取调度成本最小的最优调度策略为输出调度策略。

15、进一步地，所述市场购售电约束条件，以公式表达为：

16、

17、式中，pnet,t表示在第t时刻的微电网与上级电网的交换功率；pbuy,t表示在第t时刻的微电网向上级电网购电功率，表示在第t时刻的微电网向上级电网购电允许的最大功率，psell,t表示在第t时刻的微电网向上级电网售电功率，表示在第t时刻的微电网向上级电网售电允许的最大功率。

18、进一步地，所述功率平衡约束条件，以公式表达为：

19、pnet,t+ppv,t＝pload,t+pbat,t+ptev

20、式中，pnet,t表示在第t时刻的微电网与上级电网的交换功率，ppv,t表示在第i时刻的光伏出力功率，pload,t表示在第t时刻的微电网负荷功率，pbat,t表示在第t时刻的储能系统出力功率，ptev表示在第t时刻的充电汽车集合出力功率总和。

21、进一步地，所述目标优化模型，以公式表达为：

22、min f＝min(αf1+βf2)

23、式中，f1表示调度阶段微电网运行成本，f2表示调度阶段微电网与上级电网交换功率运行成本，α、β均表示权重系数。

24、进一步地，其特征在于，利用蝴蝶优化算法求解最优调度策略，包括如下步骤：

25、step 1：参数初始化：初始化光伏出力功率、储能充放电功率、电网与上级电网购售电功率、电动汽车参与运行场景下的充放电功率；生成初始种群，计算种群适应度并择优保存；

26、step 2：计算个体位置之间的余弦相似度，设置阈值并对相似度高于阈值的个体位置进行位置更新；

27、step 3：计算当前个体适应度并判断当前个体处于全局搜索还是局部搜索状态，计算当前个体的自适应惯性权重，对处于全局搜索、局部搜索状态的个体分别进行全局更新、局部更新，更新蝴蝶个体位置；

28、step 4：计算位置更新后每只蝴蝶所在位置适应度，并更新最优位置；

29、step 5：重复进行step 2、step 3及step 4的迭代更新过程，当算法达到设置收敛精度要求或规定的最大迭代次数时，输出最优解。

30、技术方案二

31、一种计及多运行模式的光储充一体化优化调度设备，包括处理器和用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现以下步骤：

32、构建目标优化模型，所述目标优化模型包括第一目标函数、第二目标函数和若干约束条件；

33、所述第一目标函数，以公式表达为：

34、

35、式中，t表示微电网运行时长，spv表示光伏出力的单位成本，ppv,t表示在第t时刻光伏出力功率，pbuy,t表示在第i时刻的微电网向上级电网购电功率，psell,t表示在第t时刻的微电网向上级电网售电功率，sbuy,t、ssell,t分别表示在第t时刻的微电网向上级电网购电、售电的单位价格，sess表示储能系统的单位运行成本，pch,t、pdis,t分别表示储能系统在第t时刻的充电、放电功率，表示充电汽车集合在t时刻的单位运行成本，表示充电汽车集合在第t时刻的放电功率总和，表示充电汽车集合在第t时刻的充电功率总和；

36、所述第二目标函数，以公式表达为：

37、

38、式中，si表示微电网与上级电网进行功率交换的单位运行成本；

39、所述若干约束条件包括市场购售电约束条件、功率平衡约束条件；

40、求解微电网不同运行模式下目标优化模型的最优调度策略及对应的调度成本；其中，第一运行模型为电动汽车参与微电网调度；第二运行模型为电动汽车不参与微电网调度；

41、选取调度成本最小的最优调度策略为输出调度策略。

42、进一步地，所述市场购售电约束条件，以公式表达为：

43、

44、式中，pnet,t表示在第t时刻的微电网与上级电网的交换功率；pbuy,t表示在第t时刻的微电网向上级电网购电功率，表示在第t时刻的微电网向上级电网购电允许的最大功率，psell,t表示在第t时刻的微电网向上级电网售电功率，表示在第t时刻的微电网向上级电网售电允许的最大功率。

45、进一步地，所述功率平衡约束条件，以公式表达为：

46、pnet,t+ppv,t＝pload,t+pbat,t+ptev

47、式中，pnet,t表示在第t时刻的微电网与上级电网的交换功率，ppv,t表示在第i时刻的光伏出力功率，pload,t表示在第t时刻的微电网负荷功率，pbat,t表示在第t时刻的储能系统出力功率，ptev表示在第t时刻的充电汽车集合出力功率总和。

48、进一步地，所述目标优化模型，以公式表达为：

49、min f＝min(αf1+βf2)

50、式中，f1表示调度阶段微电网运行成本，f2表示调度阶段微电网与上级电网交换功率运行成本，α、β均表示权重系数。

51、进一步地，利用蝴蝶优化算法求解最优调度策略，包括如下步骤：

52、step 1：参数初始化：初始化光伏出力功率、储能充放电功率、电网与上级电网购售电功率、电动汽车参与运行场景下的充放电功率；生成初始种群，计算种群适应度并择优保存；

53、step 2：计算个体位置之间的余弦相似度，设置阈值并对相似度高于阈值的个体位置进行位置更新；

54、step 3：计算当前个体适应度并判断当前个体处于全局搜索还是局部搜索状态，计算当前个体的自适应惯性权重，对处于全局搜索、局部搜索状态的个体分别进行全局更新、局部更新，更新蝴蝶个体位置；

55、step 4：计算位置更新后每只蝴蝶所在位置适应度，并更新最优位置；

56、step 5：重复进行step 2、step 3及step 4的迭代更新过程，当算法达到设置收敛精度要求或规定的最大迭代次数时，输出最优解。

57、现有技术少有针对光储充一体化微电网系统与上级电网之间购售电交易成本及并网功率的波动性建立系统调度模型，且欠缺考虑系统在多种不同运行场景下的最优调度策略及对比分析研究。为此，本发明提出了一种计及多运行模式的光储充一体化优化调度方法，构建以微电网运行成本与微电网交换功率最小为目标的目标优化模型，分析了两种场景的经济性和安全性：包括电动汽车参与微电网调度的运行场景、电动汽车不参与微电网调度的运行场景，并采用蝴蝶优化算法分别对这两种场景求解并进行对比分析，从而为用户提供最优调度策略，深度优化光储充一体化系统的出力，最大化系统运行的综合效益。