[發明專利]智能電網的儲能調度方法和裝置

有效

• 申請號: 201610916198.7
• 申請日: 2016-10-20
• 公開（公告）號: CN106253294B
• 公開（公告）日: 2018-02-16
• 發明（設計）人: 劉曉華;黃靜;謝志文;曾慶輝;陳志平
• 申請（專利權）人: 廣東電網有限責任公司佛山供電局
• 主分類號: H02J3/06
• 分類號: H02J3/06;H02J3/28;G06Q10/04
• 代理公司: 廣州華進聯合專利商標代理有限公司44224
• 代理人: 周清華

1.一種智能電網的儲能調度方法，其特征在于，包括如下步驟：

獲取智能電網中的風力發電機不確定模型、負荷不確定性模型以及電動汽車充電不確定性模型；所述智能電網中包含風力發電機、儲能裝置以及電動汽車充電站；

根據所述風力發電機不確定模型、負荷不確定性模型以及電動汽車充電不確定性模型，采用基于四階Gram-Charlier級數展開式的兩點估計法對所述智能電網進行隨機潮流計算，并對隨機潮流計算結果進行隨機采樣，獲得期望潮流分布；

依據所述期望潮流分布確定約束條件，采用基于分段慣性遞減權重的粒子群算法，對預先建立的目標函數進行求解，獲得滿足所述約束條件的最優儲能調度方案；

依據所述最優儲能調度方案對所述智能電網中的所述儲能裝置進行調度；

所述風力發電機不確定模型的風速分布一般可用兩參數威布爾概率密度分布函數擬合：

f(vw)=(kwcw)(vwcw)kw-1exp[-(vwcw)kw]]]>

其中，k_w為威布爾分布的形狀參數，c_w為尺度參數，v_w為實時風速；威布爾分布的數學期望與方差可用Gamma函數求取；

在現實工程中，風力發電機功率與風速在數學模型中可表示成如下的分段函數：

PWT=0vw≤vci,vw≥vcoPWT-r·vw-vcivr-vcivci≤vw≤vrPWT-rvr≤vw≤vco]]>

其中，v_r為額定風速，P_WT-r為風力發電機額定功率，v_co為切出風速，v_ci為切入風速，v_w為實時風速；

對于所述負荷不確定性模型的模擬，通過歷史負荷數據預測24小時的負荷曲線(即日負荷曲線)，再根據下式擬合出負荷的一般概率分布模型；

f(Pf)=1σf2πexp[-(Pf-μf)22σf2]]]>

其中：P_f為負荷功率，σ_f為負荷功率的標準差，μ_f為負荷功率的期望值；

對于所述電動汽車充電不確定性模型，根據美國家庭交通出行調查數據(NHTS)結果顯示，電動汽車的開始充電時刻服從一般正態分布，日行駛里程服從對數正態分布，相應的概率密度函數表達式如下：

f(Tc)=1σT2πexp[-(Tc-μT)22σT2],(μT-12)<Tc≤241σT2πexp[-(Tc+24-μT)22σT2],0<Tc≤(μT-12)]]>

f(D)=1DσD2πexp[-(ln D-μD)22σD2]0≤D≤200]]>

其中，T_c為開始充電時刻，μ_T＝17.6，σ_T＝3.4；式(5)中，D為日行駛里程，其單位為公里，μ_D＝3.2，σ_D＝0.88；

所需要求解的所述隨機潮流方程為：

P_G(t)＝P_WT(t)-P_BEV(t)-P_f(t)-P_ESS(t)

其中，P_G(t)為上級電網的注入功率，P_f(t)為負荷功率，P_WT(t)為風力發電機功率，P_ESS(t)為儲能裝置的充放電功率，而P_BEV(t)為電動汽車的充電功率，其受電動汽車開始充電時刻T_c、電動汽車日行駛里程D的影響；

改進后的粒子群更新方程如下：

Vidk+1=ωkVidk+c1r1(Pidk-Xidk)+c2r2(Pgdk-Xidk)Xidk+1=Xidk+Vidk+1ωk+1=ωstart-(ωstart-ωend)·(kTmax)2(k≤700)ωk+1=ωstart-(ωstart-ωend)·(kTmax)(700≤k≤1000)]]>

其中：V_id為粒子當前運動速度，k為迭代次數，ω為慣性權重系數，代表粒子之前速度的保持程度，c₁、c₂為粒子的學習因子，P_id為第i個粒子自身優解，X_id為粒子的當前位置，r₁、r₂為[0,1]區間內隨機數，P_gd為所有粒子當前搜索到的最優解，ω_start為初始慣性權重，ω_end為迭代至最大次數時的慣性權重，T_max為最大迭代次數；

采用基于分段慣性遞減權重的粒子群算法，對依據所述期望潮流分布建立的目標函數進行求解的過程包括：

所述基于分段慣性遞減權重的粒子群算法的迭代次數為1000，在前700次迭代中采用二次非線性慣性遞減權重對所述目標函數進行尋優，在后300次迭代中采用線性慣性遞減權重對所述目標函數進行尋優；

所述目標函數為：

F＝min(λ₁·f₁+λ₂·f₂+λ₃·f₃)

其中，f₁為所述智能電網的運行成本函數，f₂為所述智能電網的供缺電量成本函數，f₃為所述智能電網的儲能裝置成本函數，λ₁、λ₂、λ₃均為權重系數，且滿足λ₁+λ₂+λ₃＝1。