[發明專利]一種多目標協同優化的多微網能量管理方法

有效

• 申請號: 202010114851.4
• 申請日: 2020-02-25
• 公開（公告）號: CN111428909B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 周丹;劉業偉;童偉;汪蕾
• 申請（專利權）人: 杭州盛星能源技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 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

1.一種多目標協同優化的多微網能量管理方法，其特征在于，所述方法包括以下步驟：

1)場景生成和削減，過程如下：

首先，假定每個不確定輸入都有一個概率密度函數PDF，得到每個不確定參數的場景，接著通過減少場景數量來提高優化的計算速度；

根據可再生發電的特性，利用Weibull和Beta分布來描述參數風速和光照強度的PDF，Weibull分布如下：

式中：v為風速，k為形狀參數，c為比例參數，μ和δ分別為風速的平均值和標準差，Γ()為gamma函數；

對于光照強度概率密度函數，用Bate分布描述：

式中：L為光照強度，a和b為分布參數，θ和γ分別為晴空指數的均值和標準差；

由于PDF中不可能有無限集，因此需要從PDF中選擇一組間隔，n_x是每個場景的間隔數，每個場景概率計算方法如式(6)和(7)：

式中：x表示不確定隨機變量，為光照強度或風速；為場景n_x概率；N_x為最大場景數；為場景n_x期望值；和分別為場景n_x起始值和結束值；

由式(8)和(9)計算出場景總數量N_s和場景向量ρ_s：

采用混合整數線性規劃場景削減技術，保留典型場景，如式(10)：

使用該技術找到所需最小場景數，在上述公式中，為二元變量表示n1和n2場景的選擇，參數ρ_s(n₁,n₂)表示場景n1和n2的發生概率；

2)多目標優化函數建立，過程如下：

2.1)目標1：多微網運行成本如式(11)-(20)：

MinCost＝Min[Cost^PV+Cost^WT+Cost^DG+Cost^FC+Cost^MT+Cost^CL+Cost^Grid] (11)

式中：Cost^PV、Cost^WT、Cost^DG、Cost^FC、Cost^MT、Cost^CL、Cost^Grid分別表示光伏、風機、柴油發電機、燃料電池、燃氣輪機、減載和向電網購電所需成本，分別為各裝置的運維成本，分別為各裝置所消耗燃料成本，分別為各裝置運維成本系數，k_m為微網m柴油發電機在最低發電量下運行成本，I_m,t為微網m柴油發電機機組狀態；ΔT為時間間隔長度，π_m,n為微網m中柴油發電機線性發電成本函數，P_m,n,t為t時刻微網m中柴油發電機分段線性發電成本函數第n分段的上限功率，C_ng/L_ng為燃料價格系數，分別為t時刻微網m各裝置發電功率，P_t^Grid為t時刻整個系統向主網購電功率，為t時刻微網m的負荷削減功率，C^CL為懲罰成本，與分別為t時刻微網m燃料電池和燃汽輪機的發電效率，C_t^Grid為t時刻整個系統向主網購電成本系數，NM為微網個數，NT為最大時間，設為24；

式(11)為多微網總運行成本，式(12)和(13)分別為光伏與風機運維成本，式(14)～(15)分別為柴油發電機總成本、消耗的燃料成本與運維成本，式(17)和(18)為燃料電池與燃氣輪機所花成本，式(19)為減載所造成的懲罰成本，式(20)為向主網購電成本；

2.2)目標2：獨立性能指數

式中：IPI^MMG為多微網獨立性能指數，為t時刻微網m的總負荷功率，為t時刻微網m的柔性負荷功率，為t時刻微網m的剛性負荷功率；

2.3)將兩個目標函數統一表示：

Max(f₁(x),f₂(x),...,f_k(x)) (23)

s.t:x∈X (24)

式中：k為目標數量，X為決策變量的可行解集合，f_k(x)為第k個 子目標函數；

3)CP求解算法，過程如下：

確定一個烏托邦式的解，以該解作為決策的參考點，基于引入的距離概念，找出最接近理想解的解集，利用CP方法能夠將原多目標優化問題轉化為單目標優化問題，從而求解。

2.如權利要求1所述的一種多目標協同優化的多微網能量管理方法，其特征在于，所述步驟3)中，CP法的公式為：

式中：W_i為權重向量，f_i和f_i^*分別為單目標模型的最優解和理想解，1/P次冪表示了決策者對距離概念的態度，P取1、2或者無窮大；

根據不同的1/P取值，定義不同的距離：

3.1)當P＝1時，計算理想解與各最優帕累托解之間的笛卡爾距離，最優解與理想解的距離最小；

3.2)當P＝2時，計算理想解與各最優解之間的歐氏距離；

3.3)當P＝∞時，該距離需根據切比雪夫距離計算得出，最優解與理想解的切比雪夫距離最小，這種距離是在向量空間上定義的度量，在向量空間中，兩個向量之間的距離是它們在任何坐標維度上的最大差異，令式(25)中P＝∞，則

式(26)變為

利用線性規劃將式(27)轉換為(28)

式中：ξ為Min-Max方法的自由變量；

P的每一個值都提供了一個位于Pareto前沿的解，基于最優化理論，這些解決方案并不占主導地位，因此，P值的選擇取決于多微網操作員的偏好。