[發明專利]一種基于MCS-PSO的臨近海島多微網動態調度方法

有效

• 申請號: 201410069261.9
• 申請日: 2014-02-27
• 公開（公告）號: CN103904695A
• 公開（公告）日: 2014-07-02
• 發明（設計）人: 吳浩;周永智;李怡寧
• 申請（專利權）人: 浙江大學
• 主分類號: H02J3/46
• 分類號: H02J3/46;G06F19/00
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 杜軍

1.一種基于MCS-PSO的臨近海島多微網動態調度方法，其特征在于該方法包括以下步驟：

步驟一：結合可靠性和經濟性指標，建立優化調度模型，具體是：

1、指標的數學描述：

1.1、可靠性通過期望缺供電量的指標λ_CP來描述：

λCP=∑pcut·Pcut]]>

式中：P_cut為電力供應不足時切除的負荷量；p_cut為該狀態出現的概率；

1.2、經濟性指標λ_TP通過因棄風/光而減少的發電功率、柴油發電機的發電成本和SER運行壽命損耗來描述：

λTP=∑ptune·Ptune]]>

式中：P_tune為因棄風/光而減少的發電功率；p_tune為該狀態出現的概率；

λOP=∑poil·a·Poil]]>

式中：a為柴油發電機的燃料消耗系數；P_oil為其發電功率；p_oil為柴油發電機處于該狀態的概率；

λDOD=∑pDOD·α·ηDOD]]>

λrate=∑prate·β·|PS|]]>

式中：η_DOD為SER放電深度；p_DOD為SER處于η_DOD狀態的概率；α為放電深度的壽命損耗系數；|P_S|為SER充放電功率大小；p_rate為SER處于|P_S|狀態的概率；β為充放電功率大小的壽命損耗系數；

2、優化調度目標及約束：

在新能源多微網系統中，調度策略需兼顧可靠性與經濟性，故動態經濟調度的目標是尋求最優的聯絡線功率P_line，使得各微網在微網內部SER調整下，使運行成本及損失最小化，達到運行效益的最優：

min∑m∑n[cCP·λCP+cTP·λTP+cOP·λOP+cLOS·(λDOD+λrate)]]]>

式中：m為一個調度周期內所包含的時段數；n為多微網系統中所含的微網數目；c_CP為電力供應不足時切除單位負荷所造成的經濟損失；λ_CP為微網中的期望缺供電量；c_TP為發生棄風/光時單位發電量的經濟損失；λ_TP為微網中棄風/光的期望值；c_OP為柴油發電燃料的單位成本；λ_OP為柴油發電機的燃料消耗期望值；c_LOS為SER壽命單位成本；λ_DOD和λ_rate分別為放電深度和充放電功率引起的SER壽命損耗期望值；

以功率從微網流出方向為正方向，SER充電時功率方向為正方向；下標i表示第i個時段；上標j表示第j個微網；上標l表示第l條線路；忽略網損后，主要約束條件可表示如下：

1)功率平衡約束

PDG|ij-Ptune|ij+Poil|ij=PL|ij-Pcut|ij+PS|ij+∑kjPline|ij,i=1,2,3,...,m;j=1,2,3,...,n]]>

式中：P_DG為DG當前最大可發電功率；P_tune為因棄風/光而減少的發電功率；P_oil為柴油發電機的發電功率；P_L為負荷功率；P_cut為因電力供應不足而切除的負荷；P_S為SER充放電功率；P_line為聯絡線流出功率；k^j為與第j個微網相連的聯絡線數目；

2)SER荷電量等式約束

S|ij=S|i-1j+PS|ij·ΔT,i=1,2,3,...,m;j=1,2,3,...,n]]>

式中：S為當前時段末SER的荷電量；ΔT為時段的間隔時長；

3)SER充放電功率約束

P‾S|j≤PS|ij≤P‾S|j,i=1,2,3,...,m;j=1,2,3,...,n]]>

式中：P_S為微網中SER充放電功率；和分別為SER的放電和充電功率極限；

4)SER荷電量上下限約束

ηlim·S‾|j≤S|ij≤S‾|j,i=1,2,3,...,m;j=1,2,3,...,n]]>

式中：η_lim為SER放電深度限制；為SER的額定荷電量；

5)聯絡線傳輸功率約束

P‾line|il≤Pline|il≤P‾line|il,i=1,2,3,...,m;l=1,2,3,...,h]]>

式中：h表示聯絡線總數；和分別表示線路輸入和輸出的功率限制；

6)柴油發電機功率約束

P‾oil|j≤Poil|ji≤P‾oil|j]]>

式中：和分別表示柴油發電機的最低運行出力和最大出力；

步驟二：考慮發電、負荷及設備運行的不確定性，求取目標函數，具體是：

1、分析多微網聯合運行中考慮運行中的不確定性：

1.1發電預測的不確定性

采用Beta分布描述DG發電的概率分布時，有

f(PDG)=PDGα-1·(1-PDG)β-1B(α,β)]]>

式中：P_DG為經過歸一化后的發電功率，基準值為其額定發電功率；B(α,β)的值通過

B(α,β)=∫01Pα-1·(1-P)β-1dP]]>

計算可得；α和β可通過發電預測值及預測誤差的統計參數獲得；

1.2負荷預測的不確定性

電力系統的負荷預測誤差用正態分布來描述，則負荷的概率密度函數

f(PL)=12π·σLe-(PL-PLf)22σL2]]>

式中：σ_L為負荷預測誤差的標準差；P_Lf為負荷預測值；P_Lf和P_Lf均歸一化，基準值與P_DG相同；

1.3設備運行的不確定性

微網中的分布式發電、柴油發電機、SER和聯絡線，因相應設備故障、保護動作發生非計劃停運的不確定性可用強迫停運率γ來描述；

對于設備u在時段i的狀態，取[0,1]區間上的隨機實數ξ，若ξ小于γ則表示u處于故障狀態，否則表示u正常運行；

2、蒙特卡洛模擬計算

本調度模型的不確定問題，除了含有多個不同概率分布的隨機變量，而且各個變量之間有非線性的約束限制，因此采用蒙特卡洛模擬；

為縮短算法時間，作如下設定：(1)、棄風/光與切除負荷不同時發生；(2)、僅靠SER不足以保證負荷時才啟動柴油發電機；通過采樣模擬計算后，對所得結果進行統計得出目標期望值；

步驟三：通過PSO算法求取最優的聯絡線控制功率P_line，PSO優化求解的步驟如下：

STEP1.對微網中聯絡線傳輸功率設定參考方向,設定循環次數N_cir，粒子個數N_p；

STEP2.初始化粒子群中的粒子的位置與速度：在中隨機產生聯絡線傳輸功率P_line的初值，粒子速度v在[-1,1]中隨機產生；

STEP3.初始化個體最優值與全體最優值：取采樣規模為N_mcs，采用步驟二中蒙特卡洛模擬方法，求取各粒子的適應度；將當前P_line值作為粒子個體最優值p_best，選取其中的最優值作為全體最優值g_best；

STEP4.根據下面兩式更新v和P_line的值：

v=w·v+c1·ru·(pbest-Pline)+c2·ru·(gbest-Pline)Pline=Pline+v]]>

式中：w為慣性權重；c₁，c₂為學習因子；r_u為[0,1]區間上的隨機實數；

STEP5.采用蒙特卡洛模擬方法重新計算粒子適應度更新個體最優值p_best與全體最優值g_best；

STEP6.根據下式進行變異操作，并判斷是否小于g_best；若則gbest=gbest*;]]>

gbest*=gbest·[1+rg]]]>

式中：r_g為服從標準正態分布的隨機實數；

STEP7.計算粒子適應度的方差如果小于收斂定值ε，則收斂并輸出結果；否則執行STEP4；

步驟四：動態調度的滾動

在指定的時間段，根據新的預測值對調度計劃進行更新校正。