一种微电网能量管理方法及系统

技术领域

本发明涉及电网控制技术领域，特别是涉及一种微电网能量管理方法及系统。

背景技术

微电网使得分布式电源能大规模地集中使用，并联到大电网中运行，其将小规模的发电装置、负荷、储能智能化地集结在一起，形成一个小型的发、输、配电系统。微电网中的各发电装置需要达到功率平衡，而微电网中存在多种类型不同的发电装置，其各自的发电功率不同，而各发电装置的发电功率又会对微电网能量管理的运行成本和环境污染造成影响。基于此，本发明提供了一种能够兼顾微电网的运行成本和环境污染的能量管理方法。

发明内容

本发明的目的是提供一种微电网能量管理方法及系统，可实现兼顾运行成本和环境污染的微电网能量管理。

为实现上述目的，本发明提供了如下方案：

一种微电网能量管理方法，所述方法包括：

S1：确定所述微电网的运行成本目标函数和环境污染目标函数；其中，所述运行成本目标函数表示所述微电网中各分布式电源的发电功率、发电成本、储能成本、微电网主电网交互成本、发电设备损耗成本以及储能设备损耗成本与所述微电网的运行成本之间的关系；所述环境污染目标函数表示各分布式电源发电时的污染物排放量、储能时的污染物排放量以及微电网主电网交互时的污染物排放量与所述微电网对环境的污染程度之间的关系；

S2：基于所述运行成本目标函数和所述环境污染目标函数，以所述微电网中各分布式电源的发电功率限值为约束条件，采用遗传算法计算得到各所述分布式电源的发电功率最优分配值；

S3：根据所述发电功率最优分配值分别对所述微电网中的相应的所述分布式电源的发电功率进行控制。

可选的，所述运行成本目标函数的表达式为：

其中，

cost

其中，F

可选的，所述环境污染目标函数的表达式为：

其中，

emission

其中，F

可选的，在S1之前，还包括：

确定各分布式能源相应的惩罚因子。

可选的，所述约束条件还包括：微电网与主电网之间交易的电量限值约束。

本发明还提供了一种微电网能量管理系统，所述系统包括：

目标函数确定模块，用于确定所述微电网的运行成本目标函数和环境污染目标函数；其中，所述运行成本目标函数表示所述微电网中各分布式电源的发电功率、发电成本、储能成本、微电网主电网交互成本、发电设备损耗成本以及储能设备损耗成本与所述微电网的运行成本之间的关系；所述环境污染目标函数表示各分布式电源发电时的污染物排放量、储能时的污染物排放量以及微电网主电网交互时的污染物排放量与所述微电网对环境的污染程度之间的关系；

发电功率分配模块，用于基于所述运行成本目标函数和所述环境污染目标函数，以所述微电网中各分布式电源的发电功率限值为约束条件，采用遗传算法计算得到各所述分布式电源的发电功率最优分配值；

控制模块，用于根据所述发电功率最优分配值分别对所述微电网中的相应的所述分布式电源的发电功率进行控制。

可选的，所述运行成本目标函数的表达式为：

其中，

cost

其中，F

可选的，所述环境污染目标函数的表达式为：

其中，

emission

其中，F

可选的，所述系统还包括：惩罚因子确定模块，

所述惩罚因子确定模块用于确定各分布式能源相应的惩罚因子。

可选的，所述约束条件还包括：微电网与主电网之间交易的电量限值约束。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的微电网能量管理方法，其所确定的目标函数包括微电网运行成本和环境污染两个目标函数，采用遗传算法对微电网中各分布式电源的发电功率进行分配，由此得到了各分布式电源的发电功率最优分配值，基于该发电功率最优分配值再对各分布式电源进行控制，实现了兼顾运行成本和环境污染的微电网能量管理。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例1提供的微电网能量管理方法流程示意图；

图2为本申请实施例2提供的微电网能量管理系统框图。

具体实施方式

下面将结合本发明实施例中的附图，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例，都属于本发明保护的范围。

本发明的目的是提供一种微电网能量管理方法及系统，其所确定的目标函数包括微电网运行成本和环境污染两个目标函数，采用遗传算法对微电网中各分布式电源的发电功率进行分配，由此得到了各分布式电源的发电功率最优分配值，基于该发电功率最优分配值再对各分布式电源进行控制，实现了兼顾运行成本和环境污染的微电网能量管理。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1

如图1所示，本发明提供了一种微电网能量管理方法，所述方法包括：

S1：确定所述微电网的运行成本目标函数和环境污染目标函数；其中，所述运行成本目标函数表示所述微电网中各分布式电源的发电功率、发电成本、储能成本、微电网主电网交互成本、发电设备损耗成本以及储能设备损耗成本与所述微电网的运行成本之间的关系；所述环境污染目标函数表示各分布式电源发电时的污染物排放量、储能时的污染物排放量以及微电网主电网交互时的污染物排放量与所述微电网对环境的污染程度之间的关系。

S2：基于所述运行成本目标函数和所述环境污染目标函数，以所述微电网中各分布式电源的发电功率限值为约束条件，采用遗传算法计算得到各所述分布式电源的发电功率最优分配值。

需要说明的是，能量控制目标函数中的各分布式电源发电功率需要在一定的预设取值范围内，该预设取值范围即为求解能量控制目标函数的最优解时的约束条件。其中，功率限值条件指的是：各种分布式电源的发电功率需要大于等于各自对应的输出功率下限，并且小于等于各自的输出功率上限。例如，分布式电源分别为光伏发电装置(Photovoltaic，PV)、风力发电装置(Wind Turbine，WT)、储能(Battery，BAT)以及燃气轮机(Gas Turbine，GT)时，各种分布式电源的输出功率下限均为0，各种分布式电源的输出功率上限分别对应为13、15、25及30，单位为kW。

在本实施例中，所述约束条件还包括：微电网与主电网之间交易的电量限值约束。具体地，微电网与主电网之间交易的电量需要小于等于预设的交易限值或者电力传输物质所能传输电量的极值。其中，这里的传输电量极值为30KW，当然，本发明对此不作限定。

S3：根据所述发电功率最优分配值分别对所述微电网中的相应的所述分布式电源的发电功率进行控制。

其中，S1中所述运行成本目标函数的表达式为：

其中，

cost

其中，F

S1中所述环境污染目标函数的表达式为：

其中，

emission

其中，F

本实施例在S1之前，还包括：确定各分布式能源相应的惩罚因子。例如：

1、光伏发电装置和风力发电装置：根据其运行时间t

2、燃气轮机：其相应的惩罚因子与发出的功率成正比，因此其y

3、蓄电池：根据其荷电状态S

其中，flag表示惩罚方向参数，当0％＜Soc＜30％时，flag＝1；当30％＜Soc＜100％时，flag＝-1。

4、超级电容：根据其加在电容两端电压U

其中，当0％≤U

在本实施例中，也可以采用如下方法计算惩罚因子：

随着微电网运行时间增长，分布式电源的损耗越来越大，因此，本实施例中将分布式电源相应的惩罚因子设定为呈曲线形式增长，例如分布式电源DGb相应的惩罚因子的线性关系为

在得到上述目标函数和约束条件后，采用遗传算法计算得到各所述分布式电源的发电功率最优分配值，具体如下：

S21：初始化非支配排序遗传膜算法的执行参数；非支配排序遗传膜算法为在第二代非支配排序遗传算法的基础上引入膜计算算法得到的算法；其中，非支配排序遗传膜算法中包含多层基本膜及一层表层膜，执行参数包括基本膜的层数、第二代非支配排序遗传算法的迭代次数、交叉概率和变异概率以及每层基本膜对应的种群大小；其中，种群大小为每层基本膜所包含的粒子数量，粒子为一组控制变量的组合；每层基本膜中都至少包含有一个粒子。其中，基本膜的层数可根据经验或实验得出，本发明对此不作限定。需要说明的是，初始化过程中仅限定了每层基本膜内的种群大小，即每层基本膜中需要放入的粒子数量，但此时并未将粒子放入基本膜中。

上述初始化过程可以通过以下方式实现：

预设膜结构为[0[1]1，[2]2，[3]3，...，[m]m]0；其中，该膜结构包含有m层基本膜及表层膜0。预设非支配排序遗传膜算法中的粒子个数为n，将n个粒子随机分配至所述m层基本膜中，如下所示：

w

w

……

其中，w

S22：根据预设取值范围生成非支配排序遗传膜算法中每个粒子的初始值；并将各个取值为初始值的粒子随机分配至各层基本膜中；由取值为初始值的粒子组成的种群为基本膜内的父代种群。

在非支配排序遗传膜算法中每个粒子需要有初始值，且由于每个粒子均为一组控制变量的组合，故粒子的初始值也需要满足控制变量的约束条件，故应在预设取值范围内生成每个粒子的初始值。

S23：依据迭代次数、交叉概率及变异概率，分别对每层基本膜上的粒子执行第二代非支配排序遗传算法，每次迭代完成后获得每层基本膜内的新子种群；第二代非支配排序遗传算法包括排序操作以及交叉变异操作。

其中，非支配排序遗传膜算法每迭代一次的过程中，需要首先进行排序操作生成一个备选解集，然后经过交叉变异操作得到新子种群，这里的新子种群为下一次迭代时的基础。这里的排序操作具体包括非支配排序和/或拥挤度排序。另外，该步骤中，各层基本膜中同时执行第二代非支配排序遗传算法，即同时进行求取Pareto最优解集的操作(类似于多台计算机同时计算)，可见，能够大大提高得到Pareto最优解集的速度，效率高，且得到的Pareto最优解集中的解要优于目前的计算方式，即本发明到的Pareto最优解集中的解的分布更加均匀且广泛。

S24：将每层基本膜内的新子种群传送至下一层基本膜中，使其与下一层基本膜内的新子种群进行合并更新，得到更新后的新子种群。

需要注意的是，这里是首先进行膜间传送操作，传送完成后，才进行合并更新，即第一层基本膜将新子种群传送至第二层基本膜内，第二层基本膜将新子种群传送至第三层基本膜内，依次类推，传送完成后，各层基本膜分别将自身的新子种群与传送过来的新子种群合并。

可以理解的是，通过膜间信息交互，保证了最终得到Pareto最优解集中解的多样性，并且能够仅可能避免出现重复解的情况。

S25：将每层基本膜内的更新后的新子种群与其父代种群进行合并，并对合并后的新子种群进行排序操作，得到备选优秀解集。

通过将更新后的新子种群与其父代种群进行合并，能够充分保证各层基本膜中的种群多样性，尽可能避免局部收敛的情况出现，进而尽可能避免了非成熟收敛的情况发生。

S26：判断是否满足非支配排序遗传膜算法的终止执行条件；若是，执行步骤S27，否则，继续执行步骤S3；在本实施例中，这里的终止执行条件为：该层基本膜执行第二代非支配排序遗传算法的迭代次数达到预先设定的迭代次数(可以理解为，该层基本膜内的粒子的优化次数已达到预设优化次数)。

S27：将备选优秀解集输入表层膜内，经过排序操作选择出最优秀解集，最优秀解集确定为能量控制目标函数的Pareto最优解集。

S28：从Pareto最优解集选取所需的最优解，根据最优解得到各种分布式电源的发电功率，并依据发电功率分别对微电网中的相应的分布式电源进行控制。需要说明的是，由于不同的解的控制效果不同，故需要根据自身需求选择合适的最优解，进而对各种分布式电源进行控制。

本发明得到的Pareto最优解集中的解的分布相比目前的计算方法来说，更为均匀且广泛，且具有足够的多样性，可见，根据本发明的Pareto最优解集中的解，能够对微电网进行各种类型的能量管理，即能够尽可能地满足用户的各种需求。通过上述一系列操作计算得到的Pareto最优解集理论上为使微电网运行成本以及排放的污染物量均处于最小值的解的集合，但实际上，Pareto最优解集中，不同的解带来的效果不同，即有的解使微电网运行成本较小，但排放的污染物量较少，有的解则相反，故当得到Pareto最优解集后，需要工作人员根据实际需要选择合适的解，进而控制各种分布式电源。

本发明采用的是非支配排序遗传膜算法，即一种在第二代非支配排序遗传算法的基础上引入膜计算算法得到的算法。相比仅采用第二代非支配排序遗传算法，得到的Pareto最优解集的结果更优。

本发明提供的微电网能量管理方法，其所确定的目标函数包括微电网运行成本和环境污染两个目标函数，采用遗传算法对微电网中各分布式电源的发电功率进行分配，由此得到了各分布式电源的发电功率最优分配值，基于该发电功率最优分配值再对各分布式电源进行控制，实现了兼顾运行成本和环境污染的微电网能量管理。

实施例2

如图2所示，本发明还提供了一种微电网能量管理系统，所述系统包括：

目标函数确定模块T1，用于确定所述微电网的运行成本目标函数和环境污染目标函数；其中，所述运行成本目标函数表示所述微电网中各分布式电源的发电功率、发电成本、储能成本、微电网主电网交互成本、发电设备损耗成本以及储能设备损耗成本与所述微电网的运行成本之间的关系；所述环境污染目标函数表示各分布式电源发电时的污染物排放量、储能时的污染物排放量以及微电网主电网交互时的污染物排放量与所述微电网对环境的污染程度之间的关系。

发电功率分配模块T2，用于基于所述运行成本目标函数和所述环境污染目标函数，以所述微电网中各分布式电源的发电功率限值为约束条件，采用遗传算法计算得到各所述分布式电源的发电功率最优分配值。

控制模块T3，用于根据所述发电功率最优分配值分别对所述微电网中的相应的所述分布式电源的发电功率进行控制。

其中，所述运行成本目标函数的表达式为：

其中，

cost

其中，F

所述环境污染目标函数的表达式为：

其中，

emission

其中，F

所述系统还包括：惩罚因子确定模块，所述惩罚因子确定模块用于确定各分布式能源相应的惩罚因子。

所述约束条件还包括：微电网与主电网之间交易的电量限值约束。

本说明书中每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。