[發明專利]一種基于改進灰色預測的樓宇微網在線能量管理方法

有效

• 申請號: 201710618793.7
• 申請日: 2017-07-26
• 公開（公告）號: CN107231001B
• 公開（公告）日: 2019-12-24
• 發明（設計）人: 楊軍;王馨;劉源;朱旭
• 申請（專利權）人: 武漢大學
• 主分類號: H02J3/38
• 分類號: H02J3/38;H02J3/28;H02J3/24
• 代理公司: 42222 武漢科皓知識產權代理事務所(特殊普通合伙)
• 代理人: 彭艷君

1.一種基于改進灰色預測的樓宇微網在線能量管理方法，其特征是，包括以下步驟：

步驟1、建立樓宇微網模型，包括建立儲能裝置模型、電動汽車模型、與電網聯絡線交互模型和可控負荷模型；確定樓宇微網模型中各單元的約束條件；

步驟2、建立改進灰色預測模型，對實時電價、光伏系統發電量和不可控負荷數據進行預測；

步驟3、利用步驟1得到的樓宇微網模型，以及步驟2所得到的預測數據，建立在線能量管理系統模型，采用分支定界法求解得到預測時域內的最優用電計劃；

步驟4、按照步驟3得到的預測時域內的最優用電計劃進行樓宇微網內各單元的調度，在下一時刻根據已獲取的實時數據，采用改進灰色預測模型得到新的預測數據；然后更新在線能量管理系統模型的約束條件和目標函數，求解得到新的最優用電計劃，并按照該最優用電計劃進行下一時刻的樓宇微網調度，實現滾動優化的在線能量管理模式；

步驟1所述的建立樓宇微網模型，具體包括以下步驟：

步驟1.1.建立儲能裝置模型；

樓宇微網采用電池儲能裝置，儲能裝置的離散時間模型如下：

E_BESS(k)＝E_BESS(k-1)+η_BESSP_BESS(k)Δt-α_BESSΔt (1)

(1)式中k為離散采樣時刻，Δt為采樣時刻的間隔；E_BESS(k)、E_BESS(k-1)分別為k時刻、k-1時刻的儲能裝置容量，在初始時刻容量為E_BESS0；η_BESS為儲能裝置的充放電效率，P_BESS(k)為k時刻的充放電功率，充電時為正，放電時為負；α_BESS為儲能裝置的自放電容量損耗，與儲能裝置的類型有關；

儲能裝置的約束條件為：

(2)式中E_BESSmin、E_BESSmax分別為儲能裝置的最小、最大容量限值，P_BESSmin、P_BESSmax分別為儲能裝置的最小充放電功率和最大充放電功率；f(P_BESS(j))表示關于儲能裝置j時刻充放電功率的函數，k₀為采樣的初始時刻；

步驟1.2.建立電動汽車模型；

電動汽車在接入樓宇微網時，作為儲能裝置來參與樓宇微網的能量管理；

電動汽車的離散時間模型：

E_EV(k)＝E_EV(k-1)+η_EVP_EV(k)Δt-α_EVΔt (3)

(3)式中E_EV(k)、E_EV(k-1)分別為k時刻、k-1時刻的電動汽車電池容量，在初始時刻容量為E_EV0；η_EV為電動汽車的充放電效率，P_EV(k)為k時刻的充放電功率，充電時為正，放電時為負；α_EV為電動汽車電池的自放電容量損耗；

電動汽車模型約束條件為：

(4)式中E_EVmin、E_EVmax分別為電動汽車電池的最小、最大容量限值，P_EVmin、P_EVmax分別為電動汽車的最小充放電功率和最大充放電功率；f(P_EV(j))則表示關于電動汽車j時刻充放電功率的函數；

考慮到電動汽車的交通屬性，引入整數變量μ_EV：

電動汽車的接入和離開時刻是由日前規劃決定的，電動汽車處于離開或空閑狀態時，電池的容量需要達到一定的要求以滿足用戶需求；

步驟1.3.建立與電網聯絡線交互模型；

當樓宇微網的可再生能源發電不足時從電網購電，發電量富余時向電網售電；

樓宇微網與電網聯絡線的交互模型為：

P_g(k)＝μ_g(k)P_buy(k)+(1-μ_g(k))P_sell(k) (6)

(6)式中P_g(k)為聯絡線的功率，P_buy(k)為k時刻電網向樓宇微網的輸電功率，P_sell(k)為k時刻樓宇微網向電網的輸電功率；μ_g(k)為一整數變量：

與電網聯絡線交互的約束條件為：

(8)式中P_gmax為電網向樓宇微網的輸電功率限值，P_gmin為樓宇微網向電網的輸電功率限值；

步驟1.4.建立可控負荷模型；

樓宇微網可控負荷包括各類溫控負荷，將各類溫控負荷的熱儲能特性作為虛擬儲能；

樓宇微網中可控負荷模型為：

E_CL(k)＝E_CL(k-1)+μ_CLP_CLΔt (9)

(9)式中E_CL(k)、E_CL(k-1)分別為k時刻、k-1時刻的虛擬儲能容量，P_CL為可控負荷的額定功率，μ_CL(k)為控制負荷開啟和關閉個數的整數變量，開啟時為正，關閉時為負，Δt為采樣時刻的間隔；

可控負荷的約束條件：

(10)式中E_CLmin、E_CLmax分別為虛擬儲能的最小、最大容量限值，μ_CLmax為可控負荷的最大可控個數；

步驟2所述的建立改進灰色預測模型包括：

步驟2.1.建立基本灰色預測模型：

(11)式中，為X⁽⁰⁾(k+1)的灰色預測值，X⁽⁰⁾(1)為原始數據的初始值；對于公式(11)，取k＝n，則可以得到當日t時刻的預測數據，記為對于原始灰色數據X⁽⁰⁾(i)i＝1,2,…,n，n為原始數據總個數，進行一次累加得到X⁽¹⁾(k):

將原始數據序列記為序列X⁽⁰⁾，新序列[X⁽¹⁾(1),X⁽¹⁾(2),…,X⁽¹⁾(n)]記為序列X⁽¹⁾，對序列X⁽¹⁾建立白化微分方程：

式中，a為發展灰度，它反映X⁽¹⁾和X⁽⁰⁾的發展趨勢；u為模型的調協系數，反映數據間變化關系；利用最小二乘法求解模型參數：

其中為待估量，而

Y_n＝[X⁽⁰⁾(2),X⁽⁰⁾(3),…,X⁽⁰⁾(n-1),X⁽⁰⁾(n)]^T，求解得到模型參數a，u后，可得到模型的時間響應函數：

其中，為X⁽¹⁾(k+1)的預測值；對該結果進行累減還原，可以得到原始數據的灰色預測模型為式(11)；

步驟2.2.對原始數據進行平滑處理，中間各數據點的滑動平均值為：

兩端數據點的滑動平均值為：

采用滑動平均值代替原始數據序列，再進行灰色預測；

步驟2.3.將基本灰色預測看作縱向預測，在進行t時刻的預測時，假設已經得到t時刻之前，t-1時刻，t-2時刻，…的實際數據，求得各時刻預測值與真實值的殘差，再采用基本灰色預測模型對殘差進行橫向預測得到t時刻的殘差預測值，對t時刻的縱向預測值進行修正；

步驟3所述建立在線能量管理系統模型包括以下步驟：

步驟3.1控制目標包括：

步驟3.1.1確定用電成本目標函數；

樓宇微網在運行過程中要實現經濟效益的最大化，其用電成本目標函數為：

(15)式中k₀為采樣的初始時刻，c_DG為光伏系統運行與維護成本，c_BESS為儲能運行與維護成本，c_EV為電動汽車電池運行與維護成本，c_buy(k)為k時刻的購電電價，c_sell(k)為k時刻的售電電價；c_CL為控制可控負荷開關的損失費用，L為預測時域；P_s(k)為k時刻的光伏發電量預測值；虧損時成本為正，盈利時成本為負；

步驟3.1.2平抑聯絡線功率

(16)式中P_ref為聯絡線功率的參考值；

步驟3.1.3確定綜合目標；

綜合考慮用戶用電成本優化和平抑聯絡線功率，以兩個目標函數的線性加權組合作為能量管理系統的綜合優化目標：

min J＝W₁J₁+W₂J₂ (17)

(17)式中W₁、W₂為目標函數權重，考慮到目標函數單位不同的影響；

步驟3.2.確定在線能量管理系統模型的約束條件；

除了滿足式(2)、(4)、(8)、(10)的樓宇微網各單元約束條件外，還要滿足樓宇微網中的功率平衡約束；

當不考慮功率的損失時，樓宇微網內部的功率平衡滿足：

P_g(k)+P_S(k)＝P_BESS(k)+P_EV(k)+N_CL(k)P_CL+P_L(k) (18)

(18)式中P_L(k)為不可控負荷消耗功率，N_CL(k)為k時刻開啟的可控負荷總量：

(19)式中N₀為初始時刻處于開啟狀態的可控負荷個數。

2.如權利要求1所述的基于改進灰色預測的樓宇微網在線能量管理方法，其特征是，步驟3所述預測時域內的最優用電計劃，包括儲能裝置充放電計劃、電動汽車充放電計劃、與電網聯絡線交互功率計劃和可控負荷的調度計劃。