[發(fā)明專利]一種考慮不確定性的基于事件驅(qū)動的微電網(wǎng)自動需求響應方法

有效

• 申請?zhí)枺?/td>: 201710728389.5
• 申請日: 2017-08-23
• 公開（公告）號: CN107612041B
• 公開（公告）日: 2021-04-06
• 發(fā)明（設計）人: 張有兵;楊曉東;王國烽;吳杭飛;徐向志;李祥山;黃飛騰;翁國慶
• 申請（專利權(quán)）人: 浙江工業(yè)大學
• 主分類號: H02J3/40
• 分類號: H02J3/40;H02J3/32
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種考慮不確定性的基于事件驅(qū)動的微電網(wǎng)自動需求響應方法，其特征在于，所述方法包括以下步驟：

S1：系統(tǒng)初始化，將連續(xù)的時間進行離散化處理，優(yōu)化時段均分為J個時段，每個時段時長為Δt，對于任意第k時段，有k＝{k₀,k₀+1,…,K}，其中，k₀表示當前采樣點，K表示末采樣點，且K≤J；初始采樣點k₀＝1；

S2：綜合分析戶用型微電網(wǎng)RMG的負荷需求響應特性，構(gòu)建系統(tǒng)模型；

所述步驟S2中，戶用型微電網(wǎng)由風機與光伏陣列組成的供電單元、電動汽車EV與可調(diào)負荷組合的可控用電單元、核心控制單元、儲能系統(tǒng)ESS這4部分構(gòu)成：

供電單元，光伏發(fā)電單元均是由大量光伏電池串并聯(lián)形成的光伏陣列，同時風能與風速的三次方成正比，因此，一日內(nèi)天氣的變換會嚴重影響風光出力，是可再生能源RESs的主要不確定源；

可控用電單元，即由電動汽車EV、時間可調(diào)或功率可調(diào)負荷組成；

核心控制電源，即本地控制LC，LC能夠為每個請求的程序提供功耗預測，并預計在不久的將來可以通過修改其行為來調(diào)整功耗，同時保持服務；

所述步驟S2包括以下過程：

S21：EV建模

設該微電網(wǎng)系統(tǒng)接入的車輛集合為N，則車輛規(guī)模為電動汽車的主要用途是滿足用戶的出行需求，根據(jù)用戶的行車特點，各車輛的情況有所不同，對于任意車輛l∈N，其相關(guān)參數(shù)為：

V_l＝[T_in,l,T_out,l,S_0,l,S_E,l,Q_s,l,P_c,l,P_d,l] (1)

式中，T_in,l、T_out,l分別表示車輛l接入微電網(wǎng)的時間和預期離開時間；S_0,l、S_E,l分別表示車輛動力電池的起始荷電狀態(tài)SOC和離開微電網(wǎng)時的期望SOC，SOC表示電池剩余能量與電池容量的比值，因此有0≤S_0,l≤1、0≤S_E,l≤1；Q_s,l表示電池容量；P_c,l、P_d,l分別表示額定充、放電功率；

假設參與調(diào)度的EV動力電池均為鋰電池；根據(jù)鋰電池的充放電相關(guān)特性，作適當簡化，在單個時段內(nèi)，視鋰電池為恒功率充放電；忽略自放電率的影響，把動力電池充放電功率P_l(k)視為輸入得：

式中，P_l^CH(k)、P_l^DH(k)分別表示車輛l第k時段的充電和放電功率的絕對值；建立的動力電池SOC離散狀態(tài)方程：

式中，S_l(k+1)、S_l(k)分別表示車輛在第k+1、k時段的荷電狀態(tài)；將式(3)轉(zhuǎn)變成矩陣形式，同時把式(2)代入式(3)中，得到其中輸入矩陣前饋矩陣為D_l＝[-1 1]；

S.22儲能系統(tǒng)建模

接入系統(tǒng)的EV是負荷與DER的聚合體，與此類似，儲能蓄電池可視為全時段接入、無充電負荷需求的一類“特殊電動汽車”；類比EV動力電池模型中式(2)、式(3)，建立蓄電池模型；

S.23統(tǒng)一負荷模型

居民的智能負荷根據(jù)其不同的用電特性和運行狀態(tài)可分為如下：

不可調(diào)整負荷NSLs：該類負荷連接智能插座，負荷分布可預測，但不能對其進行控制，其是否正常運行關(guān)系到用戶的基本需求是否能正常滿足；

可調(diào)整負荷PLs：該類負荷的工作時段或運行功率存在一定范圍，進一步可將PLs分為時間可轉(zhuǎn)移負荷TLs和功率可轉(zhuǎn)移負荷PLs，TLs指工作時間可調(diào)度、運行功率固定的一類負荷；PLs指工作時間和運行功率均可根據(jù)優(yōu)化需求進行調(diào)度的一類負荷；

基于以上分類，根據(jù)優(yōu)化需求制定CLs和PLs的運行功率時間序列，另一方面，結(jié)合NSLs，可以預測該微電網(wǎng)區(qū)域內(nèi)的日負荷幅度和趨勢；

建立統(tǒng)一負荷模型，將各連接入網(wǎng)的各類負荷歸納為具備一致屬性的統(tǒng)一物理模型進行描述，通過各屬性取值的不同而顯現(xiàn)出不同的特征；

第i個家庭的第j個智能負荷的特征描述如下：

式中，表示該微電網(wǎng)所有的家庭集合；表示第i個家庭的所有常規(guī)負荷數(shù)；表示第i個家庭的所有負荷集合；分別表示A_i,j的額定用電功率和可調(diào)功率范圍；表示設備A_i,j期望運行區(qū)間；表示A_i,j的可調(diào)時間范圍；Q_i,j表示用電需求；

分別為可轉(zhuǎn)移時間、可轉(zhuǎn)移功率，用于體現(xiàn)不同的負荷特征，從而進行相應的協(xié)調(diào)分工，各類負荷的標志位設置如表1所示；

表1

根據(jù)上式(4)描述的統(tǒng)一負荷特征模型，對k時段用電功率P_i,j(k)描述如下：

式中，分別表示負荷A_i,j在第k時段的作為時間可調(diào)型和功率可調(diào)型的用電功率；

式中，L_i,j(k+1)、L_i,j(k)分別表示負荷A_i,j在第k+1、k時段的已用電量，將式(5)轉(zhuǎn)變成矩陣形式，同時把式(6)代入式(5)中，得到其中輸入矩陣為前饋矩陣為D_i,j＝[-1 1]；

用電行為約束：

式中，[u]⁺表示max{0,u}；表示第i個家庭的第j個智能負荷滿足其用電需求的額定運行時間；

對于式(1)—(9)可以確定其所有的有效調(diào)度策略，定義可行策略空間：

式中，表示所有負荷的調(diào)度計劃，只有滿足x∈χ，負荷調(diào)度計劃x才生效；式(11)表示負荷A_i,j的用電功率調(diào)度計劃；

S3：構(gòu)造一種結(jié)合實時電價和分時電價的實時電價機制，通過電價機制計算得到當前k時段的電價；

所述步驟S3的過程如下：

S31：新型實時電價機制基于總負荷信息和新能源出力功率計算，用于微電網(wǎng)區(qū)域內(nèi)的各負荷和EV集群；當A_i,j或V_l觸發(fā)接入事件時，該微電網(wǎng)的廣義凈負荷可表示為：

式中，表示負荷A_i,j接入時，用電計劃制定已完成的負荷集合；N_l表示車輛l接入時，充放電計劃制定已完成的車輛集群；分別表示k時段的光伏、風機出力；

S32：基于總負荷信息的實時電價機制

式中，表示負荷A_i,j或車輛V_l接入時，k時段的實時電價；均為實時電價調(diào)整系數(shù)；pri_R,j、φ_R,j分別表示參考電價和參考負荷值；相應地，表示預測總負荷；

S33：分時電價IBR價格的設定，IBR基于當前總負荷信息制定，k時段的IBR表示如下：

式中，表示k時段的IBR價格；表示k時段特定的負荷消耗閾值；a^k、b^k、c^k表示具體k時段的IBR價格值；

結(jié)合上述實時電價機制和IBR電價機制，得到一種新型實時電價：

式中，ζ₁、ζ₂表示不同等級下的價格倍率，且有ζ₁,ζ₂＞1、ζ₂＞ζ₁；在任意k時段，有其中，t₁、t₂表示不同等級下的界限倍率，并且t₁，t₂0、t₂＞t₁，當k時段的總負荷量越大，越小；

當時得：

同理，得和情形下的導數(shù)均不小于0；可見，總體上新型實時電價與當前負荷水平呈正相關(guān)性，是關(guān)聯(lián)電動汽車交互功率、負荷用電計劃與新能源出力的媒介；此外，新型實時電價是針對單輛電動汽車或負荷單獨設定的，各車輛和設施均享有其私有的新型實時電價，方便精細化實施電動汽車充放電調(diào)度和設施用電調(diào)度；

S4：采用一種基于事件驅(qū)動機制的自動需求響應策略，由系統(tǒng)判斷各個事件是否觸發(fā)，并按照預設的優(yōu)先級處理事件；

S5：檢測到事件觸發(fā)后，按照事件優(yōu)先級處理事件，對RMG里的終端用戶進行在線能量優(yōu)化；

S6：優(yōu)化完成后，優(yōu)化時間前移到下一時刻，k＝k₀+1，重復步驟S2～S6，直至全時段優(yōu)化完成。