一种具有凸松弛的能源管理方法

技术领域

本发明涉及光储系统的能量管理技术领域，尤其是指一种具有凸松弛的能源管理方法。

背景技术

开发利用可再生能源是实现能源可持续发展的重大举措，随着光伏系统大规模接入微电网，然而光伏系统的出力具有波动性和间歇性问题，一般通过将其与储能系统或小型常规发电源集成来解决，这种集成产生了微电网的能源控制问题。目前所建立的微电网能量控制模型会产生一个非线性和非凸问题，导致得到局部最优解，而无法得到全局最优解，进而得不到最优的微电网能量控制策略。

在现有技术CN107451686A中，公开了考虑随机预测误差的遗传算法的微电网能源优化方法，包括以下步骤：步骤1、建立微电网能源管理优化目标，设计微电网安全系数指标；通过线性加权求和法整合微电网能源管理优化目标；步骤2、初始化种群，进行全寿命周期运行仿真，设计遗传算法的两种交叉策略并进行优化操作；步骤3、建立考虑随机预测误差和随机遗传灾变的改进遗传算法的微网能源管理优化模型；该方法虽然在实际应用中有更快的收敛速度，但不足之处在于，该能源管理方法由于缺乏对全局能源的统筹管理导致容易陷入局部最优的问题。

发明内容

本发明的目的是克服现有技术中，能源管理方法由于缺乏对全局能源的统筹管理导致容易陷入局部最优的问题，提供一种具有凸松弛的能源管理方法，通过充分考虑优化光伏系统和储能系统的运行状态构建微电网能源管理模型，再结合微电网能源管理模型和激励成本模型确定凸优化目标函数及其对应的约束条件，并通过Gurobi求解得到全局最优解，以最大化限度管理微电网的能量流动，从而能够避免局部最优问题，进而得到最优的能源管理控制策略，实现全局能源的统筹管理，提高能源利用效率，降低了微电网运行成本。

本发明的目的是通过下述技术方案予以实现：

一种具有凸松弛的能源管理方法，包括以下步骤：

S1、基于光伏系统、储能系统在运行周期内的运行状态构建微电网能源管理模型；

S2、根据电力供应侧对需求侧的需求响应构建激励成本模型；

S3、通过微电网能源管理模型和激励成本模型确定凸优化目标函数，确定凸优化目标函数对应的约束条件；

S4、通过Gurobi求解所述凸优化目标函数结合约束条件得到最优能源管理控制策略。

在本方案中，Gurobi是指数学规划优化器，通过使用Gurobi，可以对能源管理控制策略问题建立数学模型，并通过Gurobi获得最优的能源管理控制策略；通过充分考虑优化光伏系统和储能系统的运行状态构建微电网能源管理模型，再结合微电网能源管理模型和激励成本模型确定凸优化目标函数及其对应的约束条件，并通过Gurobi求解得到全局最优解，以最大化限度管理微电网的能量流动，从而能够避免局部最优问题，进而得到最优的能源管理控制策略，实现全局能源的统筹管理，提高能源利用效率，降低了微电网运行成本。

进一步地，所述微电网能源管理模型包括光伏系统可用输出功率模型、光伏系统运行成本模型、储能系统运行成本模型以及储能系统退化成本模型。

在本方案中，通过光伏系统可用输出功率模型可以得出光伏系统的可用输出功率，通过该模型可以合理安排光伏发电的使用时间和量，提高能源的利用效率；通过光伏系统运行成本模型和储能系统运行成本模型可以用来评估和优化系统的运行成本；通过储能系统退化成本模型考虑储能系统退化成本，有助于更全面地管理能源。

进一步地，所述光伏系统可用输出功率模型的数学表达式为：

式中：N

在本方案中，通过计算光伏系统可用输出功率模型，可以对光伏系统的性能进行更准确的预测和管理，从而提高系统的效率和可靠性，降低运营成本。

进一步地，所述光伏系统运行成本模型的数学表达式为：

式中，

在本方案中，平准化度电成本是指光伏系统对运行周期内的运行成本和发电量先进平准化，再计算得到发电成本；通过建立光伏系统运行成本模型，可以定量评估光伏系统的运行成本，并根据实际情况进行调整和优化，有助于微电网能源管理者制定更加科学和可行的能源管理策略。

进一步地，所述储能系统退化成本模型的数学表达式为：

式中：C

在本方案中，通过建立储能系统的退化成本模型，能够更准确地评估储能设备的寿命和性能退化情况，有助于优化微电网能源管理策略，基于退化成本模型的分析可以帮助决策者在设备维护、更新和替换方面做出更高效的决策，从而降低能源管理成本。

进一步地，所述储能系统运行成本模型的数学表达式为：

式中，

在本方案中，储能系统可以在供电中断或故障时提供紧急供电，提高微电网的供电可靠性和稳定性；通过建立储能系统运行成本模型，可以定量评估储能系统的运行成本，有助于微电网能源管理者制定更加科学和可行的能源管理策略。

进一步地，所述S2中，所述激励成本模型的数学表达式为：

式中，

在本方案中，激励成本模型是指满足电力供应侧对需求侧的需求响应；该模型旨在通过激励措施来引导需求侧用户参与能源管理和负荷调节，以实现供需平衡、提高能源利用效率和降低成本；通过激励成本模型，可以评估供需之间的平衡关系，并确定适当的激励措施，有助于在保持供电稳定的前提下，合理调整需求侧的能源消耗，减少能源浪费和过剩，通过向需求侧用户提供激励，可以在电网负荷高峰期引导用户减少用电，从而平衡供需关系，同时，在电网负荷低谷期，可以通过激励措施鼓励用户增加用电，提高电网利用率。

进一步地，所述S3包括通过光伏系统运行成本模型、储能系统运行成本模型和激励成本模型确定凸优化目标函数F，所述凸优化目标函数F的数学表达式为：

式中，Δt表示时间步长。

在本方案中，凸优化目标函数是指基于光伏系统运行成本模型、储能系统运行成本模型和激励成本模型，构建出的一个数学函数，该函数可以描述光伏系统、储能系统在运行周期内的运行状态对能源管理模型运行成本的影响，通过凸优化目标函数，能够将能源管理控制问题转化为一个最小化能源成本的问题，通过合理调度光伏系统和储能系统的运行，有助于优化能源资源利用，降低能源成本。

进一步地，所述约束条件包括根据微电网能源管理模型获取的储能系统约束条件，所述储能系统约束条件的数学表达式为：

式中，

在本方案中，储能系统约束条件可以确保微电网内部的能量平衡，通过合理设置储能系统的充放电策略，可以在需求高峰时段将多余的电能储存起来，并在需求低谷时段释放电能供应；通过灵活调整储能系统的状态，可以满足微电网内部的电力需求，平稳运行电力设备，避免负荷过大或过小的情况发生，提高供电可靠性和稳定性。

进一步地，所述约束条件还包括通过激励成本模型获取需求响应约束条件，所述需求响应约束条件的数学表达式为：

表示需求响应的用户侧转移功率，ξ

在本方案中，需求响应约束条件可以帮助微电网实现负荷平衡，通过响应用户需求并根据实际负荷情况进行调整，微电网可以更好地匹配供需关系，使得能源管理控制策略更为现实化，一定程度上提高了能源管理模型的控制裕度，提高了能源管理模型运行调度的可靠性。

本发明的有益效果是：通过充分考虑优化光伏系统和储能系统的运行状态构建微电网能源管理模型，再结合微电网能源管理模型和激励成本模型确定凸优化目标函数及其对应的约束条件，并通过Gurobi求解得到全局最优解，以最大化限度管理微电网的能量流动，从而能够避免局部最优问题，进而得到最优的能源管理控制策略，实现全局能源的统筹管理，提高能源利用效率，降低了微电网运行成本。通过凸优化目标函数，能够将能源管理控制问题转化为一个最小化能源成本的问题，通过合理调度光伏系统和储能系统的运行，有助于优化能源资源利用，降低能源成本。通过响应用户需求并根据实际负荷情况进行调整，微电网可以更好地匹配供需关系，使得能源管理控制策略更为现实化，一定程度上提高了能源管理模型的控制裕度，提高了能源管理模型运行调度的可靠性。

附图说明

图1是本发明实施例的一种具有凸松弛的能源管理方法的流程示意图。

具体实施方式

下面结合附图和实施例对本发明进一步描述。

实施例：一种具有凸松弛的能源管理方法，如图1所示，包括以下步骤：

S1、基于光伏系统、储能系统在运行周期内的运行状态构建微电网能源管理模型；

S2、根据电力供应侧对需求侧的需求响应构建激励成本模型；

S3、通过微电网能源管理模型和激励成本模型确定凸优化目标函数，确定凸优化目标函数对应的约束条件；

S4、通过Gurobi求解凸优化目标函数结合约束条件得到最优能源管理控制策略。

进一步地，基于光伏系统和储能系统在运行周期内的运行状态构建微电网能源管理模型。这一步需要收集和整理光伏系统和储能系统的运行数据，包括但不限于系统的功率输出、电量使用、环境因素(如光照强度、温度)等。然后，使用这些数据和适当的数学模型(如动态规划、优化算法等)来构建微电网能源管理模型。该模型应能模拟系统的运行状态，预测未来的能源供应和需求，并提供有效的能源管理策略。

根据电力供应侧对需求侧的需求响应构建激励成本模型。这需要收集和分析电力供应侧和需求侧的数据，可以包括电力价格、需求量、供应量等。然后，使用这些数据和适当的数学模型来构建激励成本模型。该模型应能预测需求侧对供应侧的响应，以及这种响应的成本。

通过微电网能源管理模型和激励成本模型确定凸优化目标函数，确定凸优化目标函数对应的约束条件。凸优化指利用凸性优化算法来确定最优解的一种方法，在能源管理中，凸优化可以用于优化能源的分配和调度，以实现能源的有效利用和减少浪费。例如，通过微电网能源管理模型和激励成本模型来确定凸优化目标函数，可以利用凸优化方法来找到最优的能源分配方案，以最大化微电网的效益或满足特定的能源需求，凸优化目标函数为凸函数，可以更容易地找到全局最优解，目标函数和约束条件的确立需要结合具体的优化目标和限制条件。

激励成本模型的主要原理如下：

首先需要对电力供应侧的成本进行评估，包括电力产能、燃料成本、运营维护成本等。根据供应侧的成本情况，确定一个基准成本。接下来需要评估需求侧参与需求响应所带来的成本。需求响应可以通过降低用电负荷、调整用电时间等方式实现。评估需求响应的成本包括用户减少用电带来的损失，以及可能需要采取的额外措施的成本。根据成本评估结果，设计合理的激励机制。一般而言，当电力供应紧张时，电力价格会上涨，而需求响应参与者将获得相应的激励。激励可以通过奖励积分等形式给予。根据成本评估和激励机制设计，建立激励成本模型。该模型可以根据电力供需情况及用户响应程度，计算出需求响应参与者的激励成本。

通过Gurobi求解凸优化目标函数结合约束条件得到最优能源管理控制策略。Gurobi是一种优化软件，用于解决各种数学规划和整数规划问题，它提供了高性能的数学规划求解器，可用于最大化或最小化目标函数的线性规划、混合整数规划、二次规划、约束规划等问题，Gurobi具有强大的求解能力和高效的算法，可以处理大规模复杂问题。通过输入目标函数和约束条件，Gurobi可以自动求解并给出最优解。最优能源管理控制策略应包括对光伏系统和储能系统的控制策略，以及在电力供应和需求之间的最优分配策略。

具体地，微电网能源管理模型包括光伏系统可用输出功率模型、光伏系统运行成本模型、储能系统运行成本模型以及储能系统退化成本模型。

具体地，光伏系统可用输出功率模型的数学表达式为：

式中：N

需要说明的是，收集和整理光伏系统在标准测试条件下的辐照度、温度和输出功率等参数，以及实时运行中的辐照度、温度和输出功率等数据。这些数据可以通过传感器、数据采集系统和数据库等途径获取。根据实际环境和条件进行实验测量和分析，确定温度系数γ的值，这可以通过对比实验测量值和模型计算值来实现。可以采用历史数据或实际数据进行验证和测试，并根据结果对模型进行调整和优化。

具体地，光伏系统运行成本模型的数学表达式为：

式中，

需要说明的是，总输出功率是光伏系统在某一时刻的实际输出功率，通常由光伏组件的电流电压特性、光照强度、温度等因素决定。可用输出功率是指光伏系统在特定条件下可以提供的最大功率，通常受到组件损耗、阴影、污染等因素的影响。在实际应用中，要计算光伏系统的运行成本，需要根据具体的光伏组件参数、系统运行情况以及当地的能源价格等因素进行精确的建模和计算。同时，对于光伏系统的平准化度电成本，需要考虑到系统的发电量、发电时间分布、负荷曲线等因素。

为了计算储能系统运行成本，需要收集与上述变量和参数相关的数据。这些数据可能来自于实际测量、数据库、历史数据等。确保数据的准确性和可靠性对于模型的计算至关重要。将收集到的数据代入建立的数学表达式中，计算出t时刻的储能系统运行成本。根据实际需求，可以进一步对计算结果进行汇总和分析，例如计算平均成本、总成本等。根据计算结果，可以进一步优化和调整储能系统的运行策略。例如，可以通过比较不同充放电策略下的运行成本，选择更为合理的方案。此外，还可以根据实际需求对模型进行改进或调整，以提高其预测准确性和适用性。

具体地，储能系统退化成本模型的数学表达式为：

式中：C

需要说明的是，储能系统的投资成本通常是在储能系统建设时确定的，包括电池组、逆变器、变压器等主要设备的购置费用以及其他相关的一次性费用。确定储能系统的运行年限通常是在储能系统规划阶段确定的，可以根据项目的具体情况进行设定。确定储能系统的运维成本是在储能系统运行过程中产生的费用，包括电池组更换、逆变器维修、变压器维护等费用。运维成本的确定需要考虑每年的平均运维次数、每次运维的费用以及电池组的更换周期等因素。贴现率是用来将未来的现金流折现到现在的价值，贴现率的确定需要考虑市场利率、风险等因素。确定归一化温度功率衰落系数，该系数通常需要通过实验或现场数据获取，它反映了储能系统在温度变化下的功率衰减情况。确定储能系统额定寿命指储能系统能够持续稳定运行的年限。额定寿命的确定需要考虑电池组、逆变器等主要设备的寿命以及系统的维护情况等因素。确定储能系统额定容量指储能系统能够存储和释放的电能容量，额定容量的确定需要根据实际需求进行设计。

具体地，储能系统运行成本模型的数学表达式为：

式中，

需要说明的是，储能系统可以是电池储能、超级电容储能、压缩空气储能等，不同的储能系统具有各自特点和参数，因此在实现储能系统运行成本模型需要考虑具体的储能系统类型，并结合其特性进行适当的调整。退化成本通常与储能系统的使用寿命和充放电循环次数有关。具体计算退化成本时，需要考虑储能设备的寿命衰减曲线、充放电循环次数、退化速率等因素。充放电效率是储能系统在能量转换过程中的损耗情况，充放电功率表示储能系统在充放电过程中的能量转换速率。

具体地，S2中，激励成本模型的数学表达式为：

式中，

需要说明的是，为了计算激励成本，需要知道每个用户的固定激励系数和用户侧转移功率，其中，用户侧转移功率可以通过对用户在t时刻的需求响应功率进行测量和计算得到。

激励成本的确定需要考虑市场情况、用户参与程度等因素。确定参与功率转移的用户数目，用户数目是指参与需求响应的用户数量，用户数目的确定需要考虑用户的用电特性、需求响应的规模和范围等因素。对于每个参与需求响应的用户x，确定其固定激励系数。固定激励系数是指用户参与需求响应时，固定的奖励或补贴金额。固定激励系数的确定需要考虑用户的参与程度和用电特性等因素。对于每个参与需求响应的用户x，确定其需求响应中的用户侧转移功率。用户侧转移功率是指用户在需求响应过程中，转移的电力负荷。用户侧转移功率的确定需要考虑用户的用电特性和需求响应的规模等因素。

具体地，S3包括通过光伏系统运行成本模型、储能系统运行成本模型和激励成本模型确定凸优化目标函数F，凸优化目标函数F的数学表达式为：

式中，Δt表示时间步长。

需要说明的是，根据微电网能源管理模型和激励成本模型，可以确定凸优化目标函数，凸优化目标函数是最小化微电网的总运行成本。时间步长是指在进行优化计算时，将时间离散化为若干个时间段。时间步长可以根据实际需要和计算精度来确定。使用凸优化算法(如梯度下降法、牛顿法等)来求解凸优化目标函数的最优解。凸优化算法可以找到全局最优解，避免陷入局部最优解。根据求解出的最优解，评估微电网的运行情况和总运行成本。如果结果不符合预期，可以调整模型参数和时间步长，重新进行优化计算。

具体地，约束条件包括根据微电网能源管理模型获取的储能系统约束条件，储能系统约束条件的数学表达式为：

式中，

需要说明的是，充电效率最大值是指储能系统在充电过程中能够达到的最大效率值。这个值通常需要根据储能系统的设计和性能来确定。确定t时刻的储能系统的充电效率是指储能系统在充电过程中的效率，可以通过实验或模拟计算得出。在微电网能源管理模型中，需要根据实时监测的充电效率和状态来调整储能系统的充放电速率。确定t时刻的储能系统的充放电速率放宽约束的系数是指为了满足微电网的稳定运行和优化目标，对储能系统的充放电速率放宽约束的比例系数。这个值的确定需要考虑微电网的运行特性和优化目标。

根据以上参数，可以计算出储能系统的约束条件。约束条件包括充电效率和充放电速率的限制。这些约束条件可以用于微电网能源管理模型的优化计算中，以实现微电网的稳定运行和优化目标。

具体地，约束条件还包括通过激励成本模型获取需求响应约束条件，需求响应约束条件的数学表达式为：

表示需求响应的用户侧转移功率，ξ

需要说明的是，确定需求响应中用户侧转移功率的最大值，通常需要根据实际情况来确定，例如根据用户的用电负荷和可接受的转移功率范围来确定。确定t时刻的x电力用户参与需求响应的放宽约束的系数，这个系数是指为了满足微电网的稳定运行和优化目标，对用户侧转移功率放宽约束的比例系数。这个值的确定需要考虑用户的用电特性和优化目标。

根据以上参数，可以得出需求响应约束条件。约束条件包括用户侧转移功率的最大值和放宽约束的系数。这些约束条件可以用于微电网能源管理模型的优化计算中，以实现微电网的稳定运行和优化目标。具体实现过程中，需要将需求响应约束条件转化为数学表达式，并使用适当的算法进行求解。常用的算法包括线性规划、非线性规划、动态规划等。根据具体情况选择合适的算法进行计算，可以得到满足约束条件的需求响应方案和运行状态。

以上的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。