一种计及可再生能源预测误差的微网储能优化调度方法

技术领域

本发明涉及微电网调度技术领域，尤其涉及一种计及可再生能源预测误差的微网储能优化调度方法。

背景技术

分布式发电具有的输电距离短、成本低、损耗小、效率与可靠性高的特点，是缓解能源压力的重要途径。可再生能源接入时，电源波动性会产生灵活性需求。除了要考虑电力系统安全、经济、可靠的内在要求外，未来高比例可再生能源的随机变化特性将给电力系统运行灵活性带来前所未有的挑战，要求电力系统具有快速响应波动，迅速调节的能力。准确的可再生能源功率预测可为电力调度提供重要依据，有效减轻风电对电网的影响，但是不可避免存在预测误差。研究考虑可再生能源功率预测误差的微电网灵活性问题，在能源短缺、新能源发展面临挑战的今天有助于电网的安全运行，并且可以提高电网运行的经济性，针对电力系统的规划、调度等方面具有很强的参考价值，具有重要意义，是一项必要而迫切的工作。

目前的研究成果中，无论是灵活性的定义、灵活性量化指标还是灵活性调度问题，都亟需开展深入研究。储能装置的使用可以弥补风光等间歇性能源发电机组机组出力的不确定性，实现互补，储能装置的广泛应用也为发展新能源分布式发电大规模并网打下了基础。采用储能灵活优化调度技术，对提高微电网的经济性和灵活性指标具有很重要的现实意义。

发明内容

本发明的目的在于提供一种计及可再生能源预测误差的微网储能优化调度方法，以解决上述背景技术中提出的问题。

本发明是通过以下技术方案实现的：一种计及可再生能源预测误差的微网储能优化调度方法，包括下列步骤：

S1、构建微电网及微电网各单元数学模型；

S2、建立计及可再生能源预测误差的储能充放电策略；

S3、构建搭建微电网储能灵活优化调度模型，基于所述计及可再生能源预测误差的储能充放电策略，确定所述微电网储能灵活优化调度模型的优化目标以及约束条件；

S4、利用优化算法求解微电网储能灵活优化调度模型，获得微网储能调度方案。

可选的，所述微电网各单元数学模型包括光伏发电机组模型、储能系统模型、柴油发电机模型以及用电负荷模型，所述微电网数学模型由光伏发电机组模型、储能系统模型、柴油发电机模型以及用电负荷模型组合构成。

可选的，所述计及可再生能源预测误差的储能充放电策略包括日前调度策略以及日内调度策略，在日前调度阶段，储能系统不全部投入，留有额定裕度；日内调度在日前调度的基础上，考虑光伏出力预测误差，并将储能系统全部投入，增加系统面对波动的能力。

可选的，在日前调度阶段，获取光伏与负荷的预测数据，并以系统运行成本最小为优化目标，考虑功率平衡约束、柴油机组爬坡约束、储能充放电约束和可再生能源出力约束为约束条件，可再生能源预测出力与负荷需求为输入变量，各机组出力为决策变量。

可选的，在日内调度阶段，以系统运行成本与弃光、切负荷的惩罚成本之和最小为优化目标，功率平衡约束、柴油机组爬坡约束、储能充放电约束和可再生能源出力约束为约束条件，可再生能源实际出力、负荷需求和各机组日前调度出力情况作为输入，将储能系统出力作为决策变量。

可选的，采取粒子群算法求解微电网储能灵活优化调度模型。

与现有技术相比，本发明达到的有益效果如下：

本发明提供的一种计及可再生能源预测误差的微网储能优化调度方法，通过设定计及预测误差的储能充放电策略，实现微电网灵活调度，提高可再生能源利用率、储能利用率，有利于微电网项目推广；

计及预测误差的储能充放电策略在日前调度阶段计及日前调度和日内调度两个阶段，留有一定储能备用，使系统具有一定的灵活性裕度，从而减少预测误差的影响。本策略的优点在于先经过了日前调度阶段得到了部分机组的出力，在日内调度阶段减少了决策变量，降低计算量；此外，由于在日前调度阶段储能不全部投入使用，在日内调度阶段全部投入使用，可以充分利用储能系统的容量，提高系统的灵活性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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优选实施例，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为本发明提供的一种计及可再生能源预测误差的微网储能优化调度方法的结构图。

图2是本发明实施例的微电网数学模型结构图。

图3是本发明实施例的储能充放电策略流程图；

图4是本发明实施例的优化算法流程图。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

应当理解的是，本发明能够以不同形式实施，而不应当解释为局限于这里提出的实施例。相反地，提供这些实施例将使公开彻底和完全，并且将本发明的范围完全地传递给本领域技术人员。

在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时，单数形式的“一”、“一个”和“所述/该”也意图包括复数形式，除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”，当在该说明书中使用时，确定所述特征、整数、步骤、操作、元件和/或部件的存在，但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时，术语“和/或”包括相关所列项目的任何及所有组合。

为了彻底理解本发明，将在下列的描述中提出详细的结构，以便阐释本发明提出的技术方案。本发明的可选实施例详细描述如下，然而除了这些详细描述外，本发明还可以具有其他实施方式。

参见图1，一种计及可再生能源预测误差的微网储能优化调度方法，包括下列步骤：

S1、构建微电网及微电网各单元数学模型；

参见图2，所述微电网各单元数学模型包括光伏发电机组模型、储能系统模型、柴油发电机模型以及用电负荷模型，所述微电网数学模型由光伏发电机组模型、储能系统模型、柴油发电机模型以及用电负荷模型组合构成，其所构建的微电网不与大电网相连，仅以孤岛模式运行。在白天光伏大发时光伏作为主要出力，在无法满足负荷需求时柴油发电机投入使用，储能系统放电；在夜间柴油发电机作为主要出力，储能系统作为备用。

在包含光伏微电网调度中，必须对光伏发电机组模型的出力进行预测，公式如下所示：

P

储能系统模型的运行状态可以通过储能系统的荷电状态的来衡量，公式如下所示：

E(t)为t时刻储能系统的存储电量，η

S2、建立计及可再生能源预测误差的储能充放电策略；

参见图3，由于光伏预测出力存在误差，会给系统带来波动，所以需要储能系统留有一定的裕度来应对可能出现的波动，所以考虑将调度分为两个阶段，日前调度阶段和日内调度阶段，在日前调度阶段，通过光伏发电机组模型的出力预测以及储能系统模型的负荷预测获得关于光伏与负荷的预测数据，以系统运行成本最小作为目标进行优化调度，在日前调度阶段中，储能系统不全部投入，留有一定的裕度。

在日内调度中，考虑光伏预测误差得到光伏的实测出力，并将并将储能系统全部投入，增加系统面对波动的能力，以系统总运行成本最小为目标进行优化调度。

S3、构建搭建微电网储能灵活优化调度模型，基于所述计及可再生能源预测误差的储能充放电策略，确定所述微电网储能灵活优化调度模型的优化目标以及约束条件；

在日前调度阶段，获取光伏与负荷的预测数据，并以系统运行成本最小为优化目标，考虑功率平衡约束、柴油机组爬坡约束、储能充放电约束和可再生能源出力约束为约束条件，可再生能源预测出力与负荷需求为输入变量，各机组出力为决策变量。

在日内调度阶段，以系统运行成本与弃光、切负荷的惩罚成本之和最小为优化目标，功率平衡约束、柴油机组爬坡约束、储能充放电约束和可再生能源出力约束为约束条件，可再生能源实际出力、负荷需求和各机组日前调度出力情况作为输入，将储能系统出力作为决策变量。

以日内调度阶段为例，通过弃光与切负荷的惩罚成本来评价系统的灵活性水平，以微电网系统的运行成本F

F

其中，F

F

约束条件包含功率平衡约束、柴油机组爬坡约束、储能充放电约束和可再生能源出力约束，功率平衡约束为：

P

式中，P

光伏出力约束为：

0≤P

式中，P

储能电池充放电约束为：

式中，SOC

柴油发电机的约束包括出力约束与爬坡约束，表达式如下

其中P

S4、利用优化算法求解微电网储能灵活优化调度模型，获得微网储能调度方案。

优化算法需选用可求解非确定性多项式问题的算法，本申请实施例采取粒子群算法，可随机或近似随机搜索非线性空间中的全局最优解，粒子群算法收敛速度快，参数少，易于实现，在优化调度问题中得到广泛使用，算法流程图如图4所示。

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