一种基于条件风险价值的交直流混合微电网优化调度方法

文献发布时间：2024-04-18 20:00:50

技术领域

本发明涉及交直流混合微电网调度技术领域，特别是一种基于条件风险价值的交直流混合微电网优化调度方法。

背景技术

交直流混合微电网是指，由交流微电网子系统和直流微电网子系统共同构成的微电网结构单元，其中包含交流负荷、直流负荷、分布式电源、储能装置和双向AC/DC变换器等装置，可对用户实现热电联供。交直流混合微电网既可以实现新能源发电就地消纳和利用，减少新能源功率波动对配电网运行稳定的影响，又可以使直流电源直接供给直流设备减少交流电与直流电相互转换。

交直流混合微电网的运行优化调度是根据系统负荷需求情况、天气状况、电网交换电价、燃料价格、电能质量要求和需求侧管理要求等信息，对系统内部各分布式电源间、微电网和大电网间的运行调度制定合理的运行调度策略，在确保交直流混合微电网安全、稳定和高效基础上，实现交直流混合微电网经济、环境等多方面指标优秀。

目前，针对交直流混合微电网，国内外的专家和学者已经做了大量的深入研究。其中在优化调度方面，主要集中在模型的建立和求解算法两个方面。但是并未考虑到风电、光伏的出力具有间歇性和波动性以及负荷受人们的生活习惯影响存在的不确定性，而这些不确定因素给交直流混合微电网的安全可靠运行带来了挑战。

发明内容

本发明所要解决的技术问题是提供一种基于条件风险价值的交直流混合微电网优化调度方法，降低交直流混合微电网中不确定因素给系统带来的风险。

为解决上述技术问题，本发明所采用的技术方案是：一种基于条件风险价值的交直流混合微电网优化调度方法，包括以下步骤：

S1：获取交直流混合微电网系统的微源，所述微源包括微型燃气轮机、储能蓄电池、风机、光伏板和燃料电池；

S2：分别建立风机、光伏板、微型燃气轮机、燃料电池、储能蓄电池、AC/DC双向功率变换器及负荷对应的数学模型；

S3：利用拉丁超立方抽样生成不确定场景，采用后向缩减法聚类得到具有代表性的不确定场景集；

S4：采用条件风险价值理论量化不确定性带来的风险，以微电网系统的日运行成本和风险成本总和最小为目标，建立交直流混合微电网经济调度模型；

S5：确定约束条件，输入风电、光伏、负荷以及分时电价和各设备参数，通过Yalmip+Cplex求解模型，得到微电网系统的日运行成本和风险成本总和最小对应的微电网系统调度方案；

S6：根据所述交直流混合微电网系统调度方案对交直流混合微电网系统进行调度。

优选的，所述步骤S2包括：

S201:风速服从经典的双参数“Weibull”分布，则风机数学模型表示为：

式1中：v(t)为t时刻WT在轮毂高度的实际风速，m/s；λ

S202：光照辐射强度服从Beta分布，则光伏数学模型表示为：

式2中：I(t)为t时刻实际光照强度，lux；α

S203：负荷随机模型为：

式3中：μ、σ

S204：微型燃气轮机模型建立过程如下：

微电网一个优化周期包含若干个优化时段，微型燃气轮机第t个优化时段的燃料费用模型如下：

式4中：C

在本文的研究中，微型燃气轮机只发电，不考虑进行(冷)热电联产，其效率η

式5中，k

S205：储能蓄电池建立数学模型过程如下：

通过下式的储能蓄电池的前后时刻的荷电状态描述其充放电过程：

充电过程：

放电过程：

式6和式7中：SOC

获取储能蓄电池在蓄电池充、放电过程中，其在t时刻所允许的最大充电功率P

式8中：P

式9中：SOC

S206：燃料电池模型为：

燃料电池在第t个优化时段的燃料费用：

式10中：P

燃料电池只发电时，其效率η

式11中：r

S207：AC/DC双向功率变换器能够实现交流侧和直流侧直流电能的相互转化和传递，这一转化过程伴随着能量损耗。AC/DC双向功率变换器模型为：

式12中：P

优选的，步骤S4包括：

S401：风险价值(Value at risk,VaR)理论的价值核心在于能够清晰地描述在某段时间内的风险资产，其概率密度函数为：

P(ΔV＜VaR)＝β(13)

式13中，P为持有的风险资产在一定时间内的损失小于可能损失的最大值的概率；ΔV为持有的风险资产在一段时间内的价值损失；β为给定的置信水平；

在一定置信水平β下的VaR为：

式14中，z

S402：CVaR理论是在风险价值的模型和基础上发展起来的一种条件预测风险方法。在一定时间内风险资产大于β时的期望值如式(15)所示：

CVaR(β)＝Q(x|Λ(V)＞β)(15)

式15中，Q为条件期望值；Λ(V)为一定时间内的风险资产；β为置信概率；

在一定置信水平β下的惩罚成本CVaR为：

式16中：x为风光的预测出力；y为风光的预测误差；L

式17中，[L

由于式(17)含有积分表达式，难以求解，所以采用拉丁超立方抽样模拟方法，对随机变量进行抽样取值，从而模拟出微电网在t时刻的最终惩罚成本，其表达式为：

式18中，C

S403：交直流混合微电网运行成本为：

式19中：C

其中：

式20中：t为时长；f

考虑风险运行成本的交直流混合微电网系统在第m个场景下的一个调度周期T的总的运行成本为：

式21中，

优选的，所述步骤S5中约束条件包括：

S501：交流微电网子系统功率平衡约束为：

式22中，P

S502：直流微电网子系统功率平衡约束为：

式23中：P

S503：燃料电池运行约束为：

式24中：

S504：微型燃气轮机运行约束为：

式25中：

S505：蓄电池运行约束包括蓄电池储能充放电功率约束、蓄电池储能电量上下限约束以及蓄电池储能充放电功率与蓄电池储能电量之间关系的约束，如下式：

式26和式27中：

S506：联络线交互功率约束为：

式28中：

S507：可中断负荷约束为：

式29中：I

S508：双向AC/DC变换器功率约束为：

式30中：

本发明提供一种基于条件风险价值的交直流混合微电网优化调度方法，本方法能够更好地处理风电和光伏发电的随机性和不确定性,即通过条件风险价值理论量化不确定性导致的风险成本；与传统只考虑期望成本的方法相比,这种方法能够兼顾发电成本和负荷供电的可靠性,实现风险与收益的平衡；该方法建立的优化调度模型考虑了直流和交流网联结约束,能处理交直流混合型微电网的特点；该方法能够降低系统运营风险成本,提高可再生能源的消纳量和经济效益，使交直流混合微电网中各部分协同优化、耦合互补，有效提升了系统的安全性和经济性；该方法为处理含风光的混合微电网的优化调度提供了有效的风险管理手段,具有推广应用的价值。总体来说,这种方法很好地融合了风险管理理论与微电网优化调度,使得调度结果既经济又可靠,是一种值得推广的混合微电网优化调度方法。

附图说明

下面结合附图和实施例对本发明作进一步说明：

图1为本发明的方法流程图；

图2为本发明的结构示意图；

图3为本发明场景生成与缩减的流程示意图。

具体实施方式

如图1所示，一种基于条件风险价值的交直流混合微电网优化调度方法，包括以下步骤：

S1：获取交直流混合微电网系统的微源，所述微源包括微型燃气轮机、储能蓄电池、风机、光伏板和燃料电池；

S2：分别建立风机、光伏板、微型燃气轮机、燃料电池、储能蓄电池、AC/DC双向功率变换器及负荷对应的数学模型；

S3：利用拉丁超立方抽样生成不确定场景，采用后向缩减法聚类得到具有代表性的不确定场景集；

S4：采用条件风险价值理论量化不确定性带来的风险，以微电网系统的日运行成本和风险成本总和最小为目标，建立交直流混合微电网经济调度模型；

S6：根据所述交直流混合微电网系统调度方案对交直流混合微电网系统进行调度。

通过以微电网系统的运行成本和风险成本之和最小为目标，构建系统运行经济成本目标函数，并以交流微电网子系统功率平衡约束、直流微电网子系统功率平衡约束、燃料电池运行约束、微型燃气轮机运行约束、蓄电池运行约束、联络线交互功率约束、可中断负荷约束、AC/DC变换器功率约束为约束条件，提高运行可靠性，并通过Yalmip+Cplex对系统经济成本目标函数进行求解，得到微电网系统的风险运行成本最小对应的微电网系统调度方案，以用于对微型燃气轮机、风机、光伏及燃料电池的输出功率以及储能蓄电池的充电功率和放电功率进行调度，从而提高了交直流混合微电网系统优化调度的准确性，也提高了微电网系统的供电可靠性。

交直流混合微电网微源除了风机、光伏板、燃料电池和储能蓄电池外，还有微型燃气轮机，微型燃气轮机可以实现热电联产。其中，微型燃气轮机、燃料电池的出力功率以及蓄电池储能装置的充放电功率是可控的，所以采用确定性模型；风电场、光伏板及负荷具有波动性，所以采用随机模型。

优选的，所述步骤S2包括：

S201:风速服从经典的双参数“Weibull”分布，则风机数学模型表示为：

式1中：v(t)为t时刻WT在轮毂高度的实际风速，m/s；λ

风速概率分布的模拟模型有很多，有Weibull分布、瑞利分布、对数正态分布等，其中Weibull分布模型最适合模拟实际风速。

风速的分布函数为：

式中k

忽略电气损耗和风电场尾流等因素对风电场的影响，风电机组输出功率与风速之间的近似函数关系为：

式中，v

所以，风电机组输出功率的分段概率函数为：

S202：光照辐射强度服从Beta分布，则光伏数学模型表示为：

式2中：I(t)为t时刻实际光照强度，lux；α

光伏输出功率主要受太阳辐照度的影响，这与太阳的位置、光伏发电设备的地理位置和天气条件有关。研究表明，一定时间段内的太阳辐照度近似为Beta分布。Beta分布，也称B分布，是一组定义在(0,1)(0,1)(0,1)区间的连续型概率密度分布。

S203：负荷随机模型为：

式3中：μ、σ

由于负荷的不确定性受到天气、人们的生活习惯影响，与实际值存在一定的偏差，为了保证调度结果的可靠性，必须考虑这部分偏差的影响。所以负荷采用随机性模型

S204：微型燃气轮机模型建立过程如下：

微电网一个优化周期包含若干个优化时段，微型燃气轮机第t个优化时段的燃料费用模型如下：

式4中：C

在本文的研究中，微型燃气轮机只发电，不考虑进行(冷)热电联产，其效率η

式5中，k

微型燃气轮机(microturbine,MT)作为一种微网中常用的可控分布式发电方式，其具有体积小、噪声低、污染少、供电可靠性高、电能质量优、适用范围广、燃料适应性强等众多优点，尤其适合靠近用户侧安装。通过对微型燃气轮机燃烧尾气中的废热进行回收再利用，能够方便的实现(冷)热电联产，满足用户的多种能源需求。

S205：储能蓄电池建立数学模型过程如下：

通过下式的储能蓄电池的前后时刻的荷电状态描述其充放电过程：

充电过程：

放电过程：

式6和式7中：SOC

获取储能蓄电池在蓄电池充、放电过程中，其在t时刻所允许的最大充电功率P

式8中：P

式9中：SOC

通常衡量蓄电池的四个主要性能参数包括容量、荷电状态(State of Charge，SOC)、充电深度及放电深度，其中，荷电状态反映了蓄电池当前时刻剩余容量的程度，即蓄电池当前剩余容量与其总容量的比值。

其中，蓄电池的自放电系数，通常取值0.2％/h。储能蓄电池所允许的额定充电功率、放电功率与蓄电池本身材质、工作温度等有关。

S206：燃料电池模型为：

燃料电池在第t个优化时段的燃料费用：

式10中：P

燃料电池只发电时，其效率η

式11中：r

燃料电池发电功率一般在5kW到2MW之间。燃料电池的直接供电方式为直流电,燃料电池发电系统在低功率运行时效率较低，随着发电功率的提高，效率逐渐达到最大值，此后再随着功率的提高，系统效率又开始缓慢下降。这样的效率特性对燃料电池的出力计划制定提出了更髙的要求。

S207：AC/DC双向功率变换器能够实现交流侧和直流侧直流电能的相互转化和传递，这一转化过程伴随着能量损耗。AC/DC双向功率变换器模型为：

式12中：P

当荷载率较低时，双向功率变换器的效率很低，随着荷载率的提升，双向功率变换器的效率渐渐升高，然而也不可能达到100％的程度。

步骤S3具体包括：

场景的生成与缩减：

针对以上存在的不确定性因素，可以采用随机抽样生成不确定场景。目前应用比较广泛的是蒙特卡罗抽样法和拉丁超立方抽样法。拉丁超立方抽样相比于蒙特卡罗抽样而言，可以更好地估计感兴趣的部分，尤其是在极端区域，拉丁超立方抽样更能反映实际的分布。因此本文采用拉丁超立方抽样生成场景。

如图2所示，假设样本规模为n，随机变量个数为p，则第i个样本可表示为X

1)假设x

2)将变量x

3)对于任一随机数r，在区间[(i-1)/n,i/n]中存在一个数q

4)通过逆变换可得对应的样本值

拉丁超立方抽样生成的场景数一般较多，会带来计算上的负担。场景缩减技术可以用具有代表性的场景代替大规模场景集，保证了计算效率。不确定场景缩减主要采用后向缩减法，具体过程如下：

1)初始化样本概率，第i个样本的概率为：

2)对于两个任意样本X

3)删除概率距离

式中：d

4)更新样本概率：

5)重复以上步骤，直至达到满足要求的样本数。