一种微电网经济调度方法及相关装置与流程

本技术属于一种调度方法，具体涉及一种微电网经济调度方法及相关装置。

背景技术：

1、随着电力市场创新的进步和用户对通用性需求的不断增加，参与需求侧响应是实现“源-网-荷-储”协调运行的重要手段。然而，随着可再生能源系统(renewable energysystem，res)规模的不断扩大，电网减峰能力不足、机组产量有限等问题变得越来越突出。

2、动态经济调度问题(dynamic economic dispatch，ded)不仅能够在调度周期中寻找最低的运行成本，而且能够满足系统的运行成本，还考虑了多个周期内不同分布式发电机(distributed generation，dg)的实时运行需求。在现有的研究中，针对微电网最优经济优化提出了各种方法，最新的研究中，有学者将压缩空气储能作为辅助风电场调节调峰和提供其他电网辅助服务的重要储能技术之一，这种方法在平滑机组输出方面降低了总体调度成本和效率。另外，除了需求侧负荷调整策略外，分时电价模式下的用户侧响应可以在减少用户购电数量的同时增加系统的综合运营收益，实现供需双赢。然而，如何综合考虑不同类型负荷及其特点，合理运用激励政策，实现供需的相互改善，仍然是cchp(combinedcooling，heating，power，冷热电联产)微电网经济优化问题面临的长期挑战。

技术实现思路

1、本技术针对现有微电网最优经济化方法存在未综合考虑不同类型负荷及其特点，无法满足供需相互改善的技术问题，提供一种微电网经济调度方法及相关装置。

2、为了实现上述目的，本技术采用以下技术方案予以实现：

3、第一方面，本技术提出一种微电网经济调度方法，包括：

4、获取微电网分布式能源运行特性参数和微电网综合运行成本参数，得到参数组合；

5、将所述参数组合输入至经济运行模型，得到综合运行成本最低且信息增益最大的调度结果；

6、所述经济运行模型中包括拒识代价优化的代价敏感强化学习算法和决策树算法；

7、所述经济运行模型的运行方法，包括：

8、构建微电网分布式能源运行特性关联的数学模型，对数学模型的设备参数、负荷参数和自然条件参数做不平衡数据的预处理，得到预处理数据；

9、将所述预处理数据输入至使用拒识代价优化的代价敏感强化学习算法，得到最大信息增益为目标的调度分类结果，记作第一调度分类结果；

10、将所述第一调度分类结果输入至决策树，得到第二调度分类结果，即为综合运行成本最低且信息增益最大定的调度结果。

11、进一步地，所述数学模型包括：

12、风力输出功率模型，光伏板输出功率模型，微型燃气轮机燃料消耗量及天然气消耗量模型，热电联产系统的冷功率、热功率和输出功率模型，储能系统模型。

13、进一步地，所述风力输出功率模型，包括：

14、

15、其中，pwt(t)为t时段的风力输出功率，ρ为当前空气密度，a为转子扫掠面积，v(t)为t时段的风速，cp为功率系数，nb为齿轮箱轴承效率，ng为发电机效率；

16、所述光伏板输出功率模型，包括：

17、

18、其中，ppv(t)为t时段的光伏电池的输出功率，ipv为t时段光伏板接收到的光强度，pstc和istc分别为标准测试条件下的光照输出功率和电流，k为特定温度下的功率系数，te(t)为t时段的温度，tref为t时段的参考温度值；

19、所述微型燃气轮机燃料消耗量及天然气消耗量模型，包括：

20、

21、其中，umt(t)为t时段的微型燃气轮机燃油消耗量，pmt(t)为t时段的微型燃气轮机输出功率，ηmt(t)为t时段的微型燃气轮机输出效率，lng为热值低于预设要求的天然气，δt为机组调度时间；

22、所述热电联产系统的冷功率、热功率和输出功率模型，包括：

23、

24、tcmt(t)＝ηrecrmtctmt(t)

25、thmt(t)＝ηrecrmthtmt(t)

26、其中，tmt(t)为t时段的热电联产系统总输出功率，ηl为散热损失系数，tcmt(t)为t时段的热电联产系统冷功率，ηrec为气体流量系数，rmtc为吸收式制冷机和余热回收机组的制冷系数，ηomt为微型汽轮机的排热，thmt(t)为t时段的热电联产系统热功率，rmth为吸收式制冷机和余热回收机组的制热系数；

27、所述储能系统模型，包括：

28、

29、其中，pb(t)为t时段的储能单元功率，-pb,ch(t)为t时段的储能单元充电功率，+pb,dis(t)为t时段的储能单元放电功率。

30、进一步地，将所述预处理数据输入至使用拒识代价优化的代价敏感强化学习算法，得到最大信息增益为目标的调度分类结果，记作第一调度分类结果，包括：

31、计算误分类代价：

32、

33、其中，r(x,i)为样本x分为i类的误分类代价，p(j|x)为样本x的后验概率，n为分类类别数，cij为将第i类样本错误的分类为第j类时产生的代价，

34、选择r(x,i)最小的类别作为最终的分类类别：

35、yopt＝arg min{∑p(j|x)·cij},i,j∈{0,n,p}

36、cij＝{cij(p,n),cij(n,p),cij(0,n),cij(0,p)}

37、其中，yopt为第一调度分类结果，n表示将样本分为n类，p表示将样本分为p类，0表示不对样本进行分类。

38、进一步地，将所述第一调度分类结果输入至决策树，得到第二调度分类结果，包括：

39、进一步地，所述经济运行模型的目标函数，包括：

40、

41、其中，fg为系统综合运行成本，cf(t)为燃料成本，cd(t)为需求成本，cm(t)为维护成本，cch(t)为热电联产系统在各时段t的冷和/或热利润之和；

42、cd(t)＝[kpspp,ch(t)+kpepp,dis(t)]+[kcsqc,ch(t)+kceqc,dis(t)]+[khsqh,ch(t)+kheqh,dis(t)]cch(t)＝kc[qc(t)-qc,ch(t)]+kh[qh(t)-qh,ch(t)]

43、其中，kps、kcs、khs分别为电能、冷能、热能对应的单位缺电损耗成本，pp,ch(t)为t时段的电能缺电率，kpe、kce、khe分别为电能、冷能、热能对应的单位放电成本，pp,dis(t)为t时段的电能放电功率，qc,ch(t)为t时段的制冷缺电率，qc,dis(t)为t时段的电制冷放电功率，qh,ch(t)为t时段的热能缺电率，qh,dis(t)为t时段的热能放电功率，kc为冷热电联供系统在每个t周期的单位冷利润，qc(t)为t时段的冷负荷，kh为冷热电联供系统在每个t周期的单位热利润，qh(t)为t时段的热负荷。

44、进一步地，所述经济运行模型的约束，包括：

45、

46、qcmt(t)+qcph(t)+[qis,dis(t)-qis,ch(t)]+[qc,ch(t)-qc,dis(t)]-qc(t)≥zβ

47、qhmt(t)+qcph(t)+[qts,dis(t)-qts,ch(t)]+[qh,ch(t)-qh,dis(t)]-qh(t)≥zγ

48、其中，picg(t)为t时段的常规发电机功率，为t时段的可再生发电机的功率，pb,dis(t)为t时段的电池储能单元的放电功率，pb,ch(t)为t时段内bs单元的充放电功率，pp,dis(t)为t时段的电能放电功率，php(t)为t时段的冷热电联供电总功率，pload(t)为t时段的负载功率，m为可再生发电机总台数，qcmt(t)为t时段的燃气轮机制冷负荷，qcph(t)为t时段的燃气轮机制冷负荷，qis,dis(t)为t时段的储存冷能的放电功率，qis,ch(t)为t时段的储存冷能的缺电功率，qc,dis(t)为t时段的电制冷放电功率，qc(t)为t时段的冷负荷，qhmt(t)为t时段的燃气轮机制热负荷，qts,dis(t)为t时段的储存热能的放电功率，qts,ch(t)为t时段的储存热能的缺电功率，qh(t)为t时段的热负荷，zα(t)、zβ、zγ分别表示对应预测误差服从的正态分布。

49、第二方面，本技术提出一种微电网经济调度系统，包括：

50、获取模块，用于获取微电网分布式能源运行特性参数和微电网综合运行成本参数，得到参数组合；

51、调度模块，用于将所述参数组合输入至经济运行模型，得到综合运行成本最低且信息增益最大定的调度结果；

52、其中，所述经济运行模型中包括拒识代价优化的代价敏感强化学习算法和决策树算法；

53、所述经济运行模型的运行方法，包括：

54、构建微电网分布式能源运行特性关联的数学模型，对数学模型的设备参数、负荷参数和自然条件参数做不平衡数据的预处理，得到预处理数据；

55、将所述预处理数据输入至使用拒识代价优化的代价敏感强化学习算法，得到最大信息增益为目标的调度分类结果，记作第一调度分类结果；

56、将所述第一调度分类结果输入至决策树，得到第二调度分类结果，即为综合运行成本最低且信息增益最大定的调度结果。

57、第三方面，本技术提出一种电子设备，包括：

58、存储器，用于存储计算机程序；

59、处理器，用于执行所述计算机程序时实现上述微电网经济调度方法的步骤。

60、第四方面，本技术提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述微电网经济调度方法的步骤。

61、与现有技术相比，本技术具有以下有益效果：

62、本技术提出一种微电网经济调度方法，通过向经济运行模型中输入微电网分布式能源运行特性参数和微电网综合运行成本参数，得到综合运行成本最低且信息增益最大定的调度结果，其中，本技术提出的经济运行模型中包括了拒识代价优化的代价敏感强化学习算法和决策树算法，建立了由代价敏感学习优化的决策树算法，可以采用节点的代价函数作为选择分裂属性的标准，构造同时具有误分类代价和测试代价的决策树，提高分类准确性，并能有效避免决策树的过拟合现象。综上，本技术的调度方法运算流程简单，便于工程人员学习使用，通用性较好,可广泛应用于不同应用场合下的微电网经济运行方案的规划,具有极好的市场推广应用价值。

63、本技术还提出一种微电网经济调度系统，电子设备及计算机可读存储介质，具备上述微电网经济调度方法的全部优势。