一种不完全信息下微电网群两层优化调度方法

技术领域

本发明涉及微电网群优化调度领域，尤其涉及一种不完全信息下微电网群两层优化调度方法。

背景技术

随着配电侧电力市场的逐渐开放以及我国对减排需求的提高，独立运营商在配电网中有序建设含高比例绿色能源的微电网群。微电网群的接入不但可以有效消纳分布式能源，而且有利于降低配电网的网络损耗，改善配电网的电压水平，提高供电的可靠性。面对更加灵活的配电侧电力市场，多主体形成的博弈关系势必会影响配电网的安全经济运行。因此，根据现有的配电网结构、负荷分布和微电网资源，提出既可以改善配电网的运行指标，又可以使得配电网和微电网群各自收益最大化和运行成本最小化的调度方案是很有必要的。

发明人在实现本发明的过程中，发现现有技术至少存在以下缺点和不足：

1、现有微电网群优化调度方法未能将微电网群作为新的利益主体，未能考虑其与配电网之间的博弈关系；

2、现有微电网群优化调度方法是确定性优化，难以适用不完全信息下微电网群优化调度。

发明内容

本发明提供了一种不完全信息下微电网群两层优化调度方法，本发明采用多主体博弈和鲁棒优化方法，得到不完全信息下微电网群的调度方案，使得运行成本最低，详见下文描述：

一种不完全信息下微电网群两层优化调度方法，所述方法包括以下步骤：

(1)构建含2个子网的微电网群模型；

(2)微电网群服务商、微电网群运营商、微电网群多主体博弈；

(3)获取微电网群中子网1的调度方案；

(4)构建子网2的鲁棒优化模型；

(5)基于列约束生成算法的模型解耦；

(6)制定子网2的调度方案；

(7)基于决策树的调度方案加速制定。

本发明提供的技术方案的有益效果是：

1、较之传统优化调度方法，本发明所提一种不完全信息下微电网群两层优化调度方法可考虑微电网群服务商、微电网群运营商、微电网群差异化需求，完成多主体博弈，制定合适的电价和微电网群用电量；

2、较之传统优化调度方法，本发明所提一种不完全信息下微电网群两层优化调度方法利用两阶段鲁棒优化方法，可在不完全信息下得到微电网群的调度方案；

3、较之传统优化调度方法，本发明所提一种不完全信息下微电网群两层优化调度方法可考虑可再生能源出力不确定性和其他子网调度策略不确定性，提升调度方案的灵活性，实现最恶劣场景下的运行成本最低。

附图说明

图1为不完全信息下微电网群两层优化调度方法流程图；

图2为含2个子网的微电网群结构示意图；

图3为上层多主体博弈所得电价结果图；

图4为子网2需求响应负荷曲线和可再生能源出力曲线；

其中，图4(a)子网2需求响应负荷不确定性曲线，图4(b)为可再生能源出力不确定性曲线。

图5为子网2调度结果图；

其中，图5(a)为分布式电源出力调度结果，图5(b)为配电网交互调度结果，图5(c)为储能充放电调度结果，图5(d)为负荷用电计划调度结果。

图6为决策树结构示意图；

图7为不完全信息下微电网群优化调度装置结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

(1)构建含2个子网的微电网群模型；

(2)获取微电网群中子网1的调度方案；

(3)构建子网2的鲁棒优化模型；

(4)基于列约束生成算法的模型解耦；

(5)制定子网2的调度方案；

(6)基于决策树的调度方案加速制定。

实施例1

一种不完全信息下微电网群两层优化调度方法，流程详见图1，该方法包括以下步骤：

步骤101：构建含2个子网的微电网群模型；

图2所示为微电网群结构示意图，包含1个交流主网(配电网)、2个子网(子网1和子网2)、需求响应负荷、光伏、储能、微型汽轮机。构建微电网群数学模型，其中子网的模型具体如下：

微型汽轮机调度的目标函数：

式中，c

微型汽轮机调度的约束条件：

式中，

储能调度的目标函数：

式中，K

储能调度的约束条件：

式中，U

需求响应负荷调度的目标函数：

式中，K

需求响应负荷调度的约束条件：

式中，

配电网交互调度的目标函数：

式中，λ(t)为配电网电价，

配电网交互调度的约束条件：

其中，式(10)为功率平衡约束，U

步骤102：通过微电网群服务商、微电网群运营商、微电网群多主体博弈，设计微电网群电价、用电量具体为：

在两层优化调度方法的上层通过划线法，实现微电网群服务商、微电网群运营商、微电网群多主体博弈，博弈结果的电价(如图3所示)和微电网群用电量作为两层优化调度方法中下层的输入条件。

步骤103：获取微电网群中子网1的调度方案；

通过历史数据，获得子网1的调度方案，考虑子网1调度方案不确定性导致的需求响应负荷波动，得到需求响应负荷的曲线，如图4(a)所示。

步骤104：构建子网2的鲁棒优化模型；

考虑子网1调度方案和可再生能源出力(如图4(b)所示)的不确定性，构建子网2鲁棒优化模型，具体如下：

式中，C

步骤105：基于列约束生成算法的模型解耦；

通过列约束生成算法，将鲁棒优化模型解耦为主问题模型和子问题模型，通过交替求解获得原优化模型的最优解；

将原模型解耦，获得主问题模型：

式中，M

获得子问题模型：

式中，α、β、χ、δ为对偶变量，c为成本系数列向量。

步骤106：制定子网2的调度方案；

通过Cplex对所构建解耦后的鲁棒优化模型进行求解，从而获取子网2的调度方案，调度结果如图4所示。

求解所得最恶劣场景为：需求响应负荷在8～15h、17h和19～21h的12个时刻处于区间上限(见图4(a))，可再生能源出力在11～16h的6个时刻处于出力下限(见图4(b))。此时，所指定调度方案为：分布式电源出力如图5(a)所示，配电网交互功率如图5(b)所示，储能充放电如图5(c)所示，负荷用电计划如图5(d)所示。

步骤107：基于决策树的调度方案加速制定；

设计决策树(如图6所示)的结构参数，将所得子网2的调度方案作为样本集，输入至决策树进行训练，通过数据驱动的方式，尽量减少Cplex求解过程，从而加快调度方案制定。此外，为了保证调度方案的有效性，通过Cplex求解或历史经验对数据驱动方式得到的调度方案进行修正。

本发明提供的技术方案的有益效果是：

1、较之传统优化调度方法，本发明所提一种不完全信息下微电网群两层优化调度方法可考虑微电网群服务商、微电网群运营商、微电网群差异化需求，完成多主体博弈，制定合适的电价和微电网群用电量；

2、较之传统优化调度方法，本发明所提一种不完全信息下微电网群两层优化调度方法利用两阶段鲁棒优化方法，可在不完全信息下得到微电网群的调度方案；

3、较之传统优化调度方法，本发明所提一种不完全信息下微电网群两层优化调度方法可考虑可再生能源出力不确定性和其他子网调度策略不确定性，提升调度方案的灵活性，实现最恶劣场景下的运行成本最低。

实施例2

一种不完全信息下微电网群两层优化调度装置，详见图7，该装置包括：

系统模型构建模块：建立包含1个交流主网、2个微电网子网的微电网群数学模型；

多主体博弈模块：通过微电网群服务商、微电网群运营商、微电网群多主体博弈，设计微电网群电价、用电量；

调度方案获取模块：通过历史数据，获取子网1的调度方案；

鲁棒优化模型构建模块：考虑子网1调度方案的不确定性，构建子网2的两阶段鲁棒优化模型；

优化模型解耦模块：通过列约束生成算法，对子网2的鲁棒优化模型进行解耦；

调度方案制定模块：通过Cplex求解，获取子网2的调度方案；

调度方案加速模块：通过决策树训练，加速调度方案的制定。

本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。