CN104135025B - 基于模糊粒子群算法的微网并网经济优化方法 - Google Patents
基于模糊粒子群算法的微网并网经济优化方法 Download PDFInfo
- Publication number
- CN104135025B CN104135025B CN201410236463.8A CN201410236463A CN104135025B CN 104135025 B CN104135025 B CN 104135025B CN 201410236463 A CN201410236463 A CN 201410236463A CN 104135025 B CN104135025 B CN 104135025B
- Authority
- CN
- China
- Prior art keywords
- energy
- power
- storage system
- micro
- microgrid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000002245 particle Substances 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000008901 benefit Effects 0.000 claims abstract description 14
- 238000011217 control strategy Methods 0.000 claims abstract description 11
- 238000007599 discharging Methods 0.000 claims abstract description 8
- 238000013178 mathematical model Methods 0.000 claims abstract description 4
- 238000004146 energy storage Methods 0.000 claims description 87
- 230000005611 electricity Effects 0.000 claims description 58
- 239000000446 fuel Substances 0.000 claims description 28
- 239000007789 gas Substances 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000010438 heat treatment Methods 0.000 claims description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 239000003345 natural gas Substances 0.000 claims description 2
- 208000030208 low-grade fever Diseases 0.000 claims 1
- 238000003860 storage Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 241000894007 species Species 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种基于模糊粒子群算法和储能***的微网经济运行优化方法,所述方法包括:(1)确定微电网中微源的经济调度策略;(2)建立经济效益和环境效益相结合的微网并网经济运行数学模型;(3)提出对储能***充放电控制的模糊控制策略;(4)基于粒子群算法寻优,确定各微源出力及日发电成本。本发明与储能***不采用优化调度方案的情况相比减少了微网运行的日发电费用和污染排放量,与储能***不采用模糊控制充放电策略的情况相比提高了最优解的质量,提高了运算的收敛速度,进而提高了电网运行的可靠性。
Description
技术领域
本发明涉及一种电力***的运行、仿真、分析与调度技术,具体讲涉及一种基于模糊粒子群算法和储能***的微网经济运行优化方法。
背景技术
以一定标准为依据的微网,将各种分布式电源、负荷、储能单元及控制装置等结合在一起,形成一个单一可控单元,向用户同时供能和热能,实现热电联产。微网以其经济节能和环境友好等特点已成为智能电网发展的重要组成,微网运行的经济效益是吸引用户,并在电力***得以推广的关键因素,同时也是智能电网的发展方向。微网并网的经济运行涉及到与主网的电能交易以及各个微源之间的协调问题,通过合理决策制定最佳经济调度策略,则可达到提高微网能源利用效率、降低运行成本等经济技术要求。
微网的经济调度与优化运行是其重要研究方向之一。而且,随着化石能源的紧缺,微网越来越受到关注,相应微网的经济运行也越来越得到更多人的重视。微网经济运行具有与传统大电网经济运行不同的特殊性,其需要考虑不同类型的分布式电源的特性与相互间的协调问题。同时微网与大电网一样同样存在能量管理问题,例如如何对微网内的可控电源(微型燃气轮机、燃料电池)、不可控电源(风力发电、光伏发电)和储能设备(各类型蓄电池、飞轮储能、氢能循环装备、抽水蓄能)进行能量管理,规划其燃料使用方案、储能设备充放电方案、与外部电网电能交易方案等,同时保证实际运行中的安全性、物理性约束条件,以此保证微网的持续、经济、安全运行。
该领域研究目前尚处于理论研究与示范验证阶段,没有成熟的解决方案。现有研究手段大多集中于过于简化的启发式策略,由于无法达到数学上的最优点以及收敛速度限制的缺点而无法保证运行的经济性和可实施性,因此无法有效满足微网实际运行中经济性、安全性以及节能减排的综合要求。
发明内容
针对现有技术的不足,本发明提供一种基于模糊粒子群算法和储能***的微网经济运行优化方法,为了保证微网***的环境友好性,加入了风力发电和光伏发电***,为了充分利用热电联产的高效益,加入了微型燃气轮机;为了使微源出力范围得到进一步提升,加入了燃料电池,为了能够充分利用削峰填谷的效益,加入了极具应用前景的储能电池***。经济调度的策略充分考虑了各个微源其自身的优势,在保证供电可靠的基础上最大限度的提升微网运行的经济性;提出的目标函数中考虑了微网***的综合发电成本和环境成本以及热电联产的热负荷的收益,约束条件中考虑了功率平衡约束、热负荷的约束、微源出力的约束、微网与配电网交互功率的约束以及储能***运行状况的约束;提出了一种对于储能***充放电控制的模糊控制策略;确定了基于模糊粒子群算法寻优的方法。其适用于电网调度部门制定相关的电网经济运行计划。本发明综合考虑各微网的综合发电成本特性,同时考虑与外部电网之间的电能交易问题,并且对储能充放电采取一种模糊控制策略。在此基础上建立了将综合发电成本和环境成本考虑在内的微网经济运行数学模型,基于粒子群算法寻优,具有降低日发电成本以及算法快速收敛的特性。本微电网调度方案适用于多类型微源以及储能***组成的、热电联供微型电网的并网运行中的经济运行优化调度。
本发明目的是采用下述技术特征实现的:
一种基于模糊粒子群算法和储能***的微网经济运行优化方法,其改进之处在于,所述方法包括:
(1)确定微电网中微源的经济调度策略;
(2)建立经济效益和环境效益相结合的微网并网经济运行数学模型;
(3)提出对储能***充放电控制的模糊控制策略;
(4)基于粒子群算法寻优,确定各微源出力及日发电成本。
优选的,所述步骤(1)中微源包括风力发电-WT、光伏发电-PV、燃料电池-FC、微型燃气轮机-MT和储能***-ES。
优选的,所述步骤(1)包括:
(1.1)PV和WT发电跟踪控制最大功率输出;
(1.2)由热负荷确定MT的有功出力;
(1.3)依据不同时段的购售电价格算出FC和MT的购电平衡功率和售电平衡功率;
(1.4)当WT、PV和MT的有功出力无法满足微网电负荷时的峰时,令储能***输出有功,同时检测储能***的充放电状态;
(1.5)当WT、PV、MT和ES的总有功出力无法满足微网电负荷时,FC和MT在购电平衡功率内继续发电。
进一步的,所述步骤(1.4)包括:
储能***在出力范围内满足微网安全可靠运行,允许增加储能***的有功功率向外网售电,否则维持原出力。
优选的,所述步骤(2)包括:提出的目标函数中考虑了微网***的综合发电成本、环境成本和热电联产的热负荷的收益,约束条件中考虑了功率平衡约束、热负荷的约束、微源出力的约束、微网与配电网交互功率的约束以及储能***运行状况的约束;
其中,(2.1)目标函数:
式中:
其中,Cfu(t)、COM(t)、CPCC(t)、Cgas(t)、Csh(t)分别为t时刻各微源的燃料成本、运行维护成本、与配电网的交互成本、环境成本以及热电联产***的制热收益;
Fi为第i个微源的燃料成本函数;
Pi(t)为第i个微源t时刻的有功功率输出;
N为微源的个数;
KOM,i为第i个微源的单位电量运行维护成本系数;
αj为第j类排放物的惩罚单价,排放类型为NOx、SO2、CO2;
βij为第i个微源第j类排放物的排放系数;
m为排放物的种类;
PPCC(t)为t时段微网与配电网的交互功率;
Pb(t)和Ps(t)分别为t时刻微网向外网的购电价格和售电价格;
Qhe(t)为t时刻的热负荷量;
Kph为单位制热量的售价;
(2.2)约束条件:
(2.2.1)功率平衡约束:
储能***充电时:
储能***放电时:
PL(t)+PLoss(t)=PWT(t)+PPV(t)+PMT(t)+PFC(t)+ηdiPES(t)+PPCC(t) (8)
其中,PWT(t)、PPV(t)、PMT(t)、PFC(t)、PPCC(t)、PLoss(t)分别为t时段风电机组、光伏电池、微型燃气轮机、燃料电池的输出功率、微网与主网的交互功率以及功率损耗;
PES(t)为t时刻储能***的输出功率;
ηch、ηdi为储能***的充电和放电效率;
(2.2.2)热负荷约束:
QMT(t)≥Qhe(t) (9)
式中QMT(t)是微型燃气轮机提供的制热量;
(2.2.3)微源出力约束:每个微源在任意时刻所发功率要在自己上下限的约束之内;
Pi min≤Pi(t)≤Pi max (10)
(2.2.4)微网与配电网交互的传输功率约束:
PPCC,min≤PPCC(t)≤PPCC,max (11)
式中PPCC,min、PPCC,max分别为微网与配电网允许交互传输的最小、最大功率;
(2.2.5)储能***运行状况的约束:
a、对于调度的一个周期,储能***始末的电量保持相同;
式中δ为t时段持续的时长;
b、在调度期间的任何时刻储能***的电量都处于允许范围之内;
其中,SOCmin、SOCmax、Sinit分别为储能***中存储电量允许的最小值、最大值和储能***在调度开始时刻的电量。
进一步的,所述公式(2)包括所述的燃料成本用下式计算:
MT的燃料成本函数:
CMT=(Cnl/L)Σ[PMT(t)Δt/ηe(t)] (14)
其中,QMT为热功率;
η1为燃气轮机散热损失系数;
Cnl为天然气价格;
FC的燃料成本函数:
CFC=(Cnl/L)Σ[PFC(t)Δt/ηFC(t)] (17)
ηFC=-0.0023PFC+0.6735 (18)
优选的,所述步骤(3)包括:
一天24h的调度期分为三类型时段:峰期、平期、谷期;
储能***在t时刻自身储存的电量SOC的大小划分为三档:高档、中档和低档;
储能***充放电的功率大小分为五个级别:大容量充电-NB、小容量充电-NS、大容量放电-PB,小容量放电-PS和在很小范围内充放电-ZB。
优选的,所述步骤(4)包括:
(4.1)输入各微源、负荷、环境惩罚、电价参数和粒子群算法参数;
(4.2)构建模糊控制模型,确定模糊控制参数;
(4.3)将***初始相关输入量转化为模糊控制的输入量,基于模糊控制法则计算输出量,并基于此确定储能***的出力初始范围;
(4.4)数据初始化,同时随机初始化各粒子的飞行速度;
(4.5)计算每个粒子的适应度;
(4.6)记录极值;
(4.7)迭代次数加1:k=k+1,更新飞行速度和粒子在解空间的位置;
(4.8)重新计算每个粒子此时的适应函数值,判断是否更新Pbesti和Gbest;
(4.9)判断是否收敛;当满足如下条件之一,迭代停止;全局最好位置若连续百次无变化或达到预先规定的最大迭代次数;否则转至步骤(4.7);
(4.10)输出各微源出力及日发电成本结果。
与现有技术相比,本发明的有益效果为:
本发明与储能***不采用优化调度方案的情况相比减少了微网运行的日发电费用和污染排放量,与储能***不采用模糊控制充放电策略的情况相比提高了最优解的质量,提高了运算的收敛速度,进而提高了电网运行的可靠性。
所提出的模糊控制策略机制简单,但是却将储能***的智能控制和电价变化以及储能***的剩余电量(SOC)有效结合,充分实现了对储能***的优化使用,能够充分融入电力市场的机制中并且结合自身条件从而获得经济利益。
附图说明
图1为本发明提供的微电网***结构的示意图。
图2为本发明提供的基于模糊粒子群优化算法(FPSO)得出的各时刻各微源出力以及微网与主网的交互功率示意图。
图3为本发明提供的采用粒子群优化算法(PSO)和FPSO得到的优化收敛曲线示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
如图1所示,本发明中所用的例子包括20KW风电(WT)、10KW光伏(PV)、40KW燃料电池(FC)、65KW微型燃气轮机(MT)、100KW电池储能***(ES);
本发明提供的一种基于模糊粒子群算法的微网并网经济优化方法,该方法包括下述步骤:
步骤(1):确定微电网中各个元件各自的经济调度策略。WT和PV跟踪最大功率输出,由于其本身具备的环境友好性,优先其出力;FC和MT在发电成本低于电价时提供出力,在发电成本高于电价时停止出力;ES利用模糊控制方法控制其充电亦或放电以及充放电的强度大小。具体包括:
1.1)由于PV和WT发电具有不可控性,且作为可再生能源不直接消耗燃料,不污染环境,故优先利用其出力,跟踪控制最大功率输出;
1.2)为使热电联产***运行效率最高,其采用“以热定电”的方式,由热负荷确定MT的有功出力;
1.3)依据不同时段的购售电价格不同算出FC和MT的购电平衡功率和售电平衡功率。当WT、PV和MT的有功出力超过微网电负荷和网损时,超出的部分在峰时向外网出售,此时储能***在允许范围内向外网售电。在平时和谷时先向储能***充电.如储能***充满则向外网售电。此时FC和MT在售电平衡功率范围内向外网售电。
1.4)当WT、PV和MT的有功出力无法满足微网电负荷时,峰时令储能***输出有功,同时检测储能***的充放电状态;若储能***在出力范围内可满足微网安全可靠运行(在不切负荷的基础上,微网能在满足所有约束条件下运行),可考虑在允许增加储能***的有功功率向外网售电,否则维持原出力,此时FC和MT在售电平衡功率范围内向外网售电;谷时不考虑储能***放电,此时FC和MT在购电平衡功率内发电,如果不够就从外网购电,此时需要给储能***充电。平时储能***放电,FC和MT在购电平衡功率内发电,如果仍不满足负荷需求,则需要从外网在联络线交换功率范围内购电,如果仍不够,则按照负荷的重要程度依次切除。
步骤2:包括2.1)目标函数:
式中:
Csh(t)=Qhe(t)*Kph (6)
其中,Cfu(t)、COM(t)、CPCC(t)、Cgas(t)、Csh(t)分别为t时刻各微源的燃料成本、运行维护成本、与配电网的交互成本、环境成本以及热电联产***的制热收益;Fi为第i个微源的燃料成本函数;Pi(t)为第i个微源t时刻的有功功率输出;N为微源的个数;KOM,i为第i个微源的单位电量运行维护成本系数;αj为第j类排放物的惩罚单价,排放类型为NOx、SO2、CO2;βij为第i个微源第j类排放物的排放系数;m为排放物的种类;PPCC(t)为t时段微网与配电网的交互功率(微网向配电网购电时为正,反之为负);Pb(t)和Ps(t)分别为t时刻微网向外网的购电价格和售电价格;Qhe(t)为t时刻的热负荷量;Kph为单位制热量的售价,取0.1元/kWh。
2.2)约束条件:
2.2.1)功率平衡约束:
储能***充电时:
储能***放电时:
PL(t)+PLoss(t)=PWT(t)+PPV(t)+PMT(t)+PFC(t)+ηdiPES(t)+PPCC(t) (8)
其中,PWT(t)、PPV(t)、PMT(t)、PFC(t)、PPCC(t)、PLoss(t)分别为t时段风电机组、光伏电池、微型燃气轮机、燃料电池的输出功率、微网与主网的交互功率以及功率损耗;PES(t)为t时刻储能***的输出功率(充电时为负,反之为正);ηch、ηdi为储能***的充电和放电效率;
2.2.2)热负荷约束:
QMT(t)≥Qhe(t) (9)
式中QMT(t)是微型燃气轮机提供的制热量;
2.2.3)各微源出力约束:每个微源在任意时刻所发功率要在自己上下限的约束之内:
Pi min≤Pi(t)≤Pi max (10)
2.2.4)微网与配电网交互的传输功率约束:
PPCC,min≤PPCC(t)≤PPCC,max (11)
其中,PPCC,min、PPCC,max分别为微网与配电网允许交互传输的最小、最大功率;
2.2.5)储能***运行状况的约束:
a、对于调度的一个周期,储能***始末的电量保持相同;
式中δ为t时段持续的时长;
b、在调度期间的任何时刻储能***的电量都处于允许范围之内:
其中,SOCmin、SOCmax、Sinit分别为储能***中存储电量允许的最小值、最大值和储能***在调度开始时刻的电量;
步骤2中,公式(2)所述的燃料成本通过下面的函数式子求取:
MT的燃料成本函数:
CMT=(Cnl/L)Σ[PMT(t)Δt/ηe(t)] (14)
上述几个公式中,QMT为热功率。η1为燃气轮机散热损失系数,取0.03.Cnl为天然气价格,为2.05元/m3;
FC的燃料成本函数:
CFC=(Cnl/L)Σ[PFC(t)Δt/ηFC(t)] (17)
ηFC=-0.0023PFC+0.6735 (18)
步骤2中,公式(3)所述的运行维护成本中的KOM,i对于微型燃气轮机和燃料电池分别取值为0.047元/kWh与0.1元/kWh。
步骤2中,公式(4)中所述的t时刻的购电价格Pb(t)和售电价格Ps(t)利用以下方式获取:
调度周期设为24h,分为峰、谷、平三个时段:
高峰时段:10:00~15:00; 18:00~21:00;
平期时段:7:00~10:00; 15:00~18:00; 21:00~23:00;
低谷时段:23:00~7:00;
峰、谷、平三个时段的购电价格和售电价格如下表所示:
步骤2中,公式(5)中所述的αj和βij分别通过下表求取:
步骤2中:公式(10)中所述的微电源所发功率上下限分别由下表确定:
在步骤3中,储能***的充放电运用模糊控制策略如下:
一天的调度期24h分为三类型的时段:峰期、平期、谷期;储能***在t时刻自身储存的剩余电量SOC的大小划分为三档:高档、中档、低档。储能***充放电的功率大小也分为三个级别:大容量充电(NB)、大容量放电(PB),在很小范围内放电(PE),在很小范围内充电(NE),在很小范围内充放电(ZE)各元素的对应关系如下表:
在步骤4中,基于粒子群算法的寻优步骤如下:
(1)输入各微源、负荷、环境惩罚、电价参数、粒子群算法参数。
(2)构建模糊控制模型,确定模糊控制参数。
(3)将***初始相关输入量转化为模糊控制的输入量,基于模糊控制法则计算出输出量,并基于此确定储能***的出力初始范围。
(4)数据初始化。迭代次数k=0,首先在出力范围内初始化D-1维变量(其中储能***按照模糊控制策略由模糊控制的输入量来确定初始范围),D维变量通过约束条件公式(12)、(13)求出,越限时重新选值。产生N个粒子,作为初始化粒子群,每个粒子的位置对应一组微源出力的取值;同时随机初始化各粒子的飞行速度。
(5)计算每个粒子的适应度。
(6)记录极值。首先记录粒子i(i=1,2,…,N)当前的个体极值Pbesti及对应的目标函数值F(Pbesti),从Pbesti中确定整体极值Gbest,并记录Gbest对应的目标函数F(Gbest)。
(7)迭代次数加1:k=k+1。更新飞行速度和粒子在解空间的位置(其中,基于模糊控制策略根据模糊控制的输入量定期更新与储能***相关的速度和位置范围)。
(8)重新计算每个粒子此时的适应函数值,判断是否更新Pbesti和Gbest。
(9)判断是否收敛。当满足如下条件之一,迭代停止:全局最好位置连续若百次无变化或达到预先规定的最大迭代次数;否则转步骤(7)。
(10)输出结果。
在步骤4中,按照所预定的控制策略,得出了图2中的基于FPSO得出的各时刻各微源的出力以及微网与主网的交互功率。
由图3可知,从01:00谷时段开始,ES开始充电,MT发的功率满足热负荷以及一部分电负荷,FC的发电成本大于向主网购电的成本,故不出力;8:00平时段,FC开始出力,ES在小范围内充、放电;11:00进入峰时段,FC在几乎接近最大放电功率下出力,由于向主网售电的收益大于MT的发电成本,故MT大功率放电,此时ES也在相对较大的功率下放电,同时向主网售电以获得经济效益;16:00平时开始向主网购电,FC、ES的放电相应的降低,MT放电以满足固定的热负荷;19:00峰时段,此时MT和FC大功率放电,ES也在允许剩余电量范围内较大程度的放电,此段几乎不向外网购电也不售电;22:00平时段,MT发电以满足热负荷,FC发电功率相应下降,ES在剩余电量允许范围内小范围放电,向电网购电以填补功率缺额;24:00谷时段,ES大功率充电至初始电量,为第二天的调度做准备,FC停止发电,MT发功率满足热负荷的需求,此时需要向电网购电。
对FPSO与PSO的收敛速度和经济性做了对比,图3是采用PSO和FPSO得到的优化收敛曲线,很明显可以看出,FPSO算法由于对储能***充放电引入了模糊控制策略,其运算速度和解的精度都得到了提高,具有良好的收敛性。
采用上述技术方案,本发明具有充分考虑微网中各微源的特性、将储能***的充放电功率与实时电价和自身SOC值联系起来,使得各部分都很好的为整个微网经济优化运行服务。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于模糊粒子群算法和储能***的微网经济运行优化方法,其特征在于,所述方法包括:
(1)确定微电网中微源的经济调度策略;
(2)建立经济效益和环境效益相结合的微网并网经济运行数学模型;
(3)提出对储能***充放电控制的模糊控制策略;
(4)基于粒子群算法寻优,确定各微源出力及日发电成本;
所述步骤(1)中微源包括风力发电-WT、光伏发电-PV、燃料电池-FC、微型燃气轮机-MT和储能***-ES;
所述步骤(1)包括:
(1.1)PV和WT发电跟踪控制最大功率输出;
(1.2)由热负荷确定MT的有功出力;
(1.3)依据不同时段的购售电价格算出FC和MT的购电平衡功率和售电平衡功率;
(1.4)当WT、PV和MT的有功出力无法满足微网电负荷时的峰时,令储能***输出有功,同时检测储能***的充放电状态;
(1.5)当WT、PV、MT和ES的总有功出力无法满足微网电负荷时,FC和MT在购电平衡功率内继续发电。
2.如权利要求1所述的一种基于模糊粒子群算法和储能***的微网经济运行优化方法,其特征在于,所述步骤(1.4)包括:
储能***在出力范围内满足微网安全可靠运行,允许增加储能***的有功功率向外网售电,否则维持原出力。
3.如权利要求1所述的一种基于模糊粒子群算法和储能***的微网经济运行优化方法,其特征在于,所述步骤(2)包括:提出的目标函数中考虑了微网***的综合发电成本、环境成本和热电联产的热负荷的收益,约束条件中考虑了功率平衡约束、热负荷的约束、微源出力的约束、微网与配电网交互功率的约束以及储能***运行状况的约束;
其中,(2.1)目标函数:
式中:
Csh(t)=Qhe(t)*Kph (6)
其中,Cfu(t)、COM(t)、CPCC(t)、Cgas(t)、Csh(t)分别为t时刻各微源的燃料成本、运行维护成本、与配电网的交互成本、环境成本以及热电联产***的制热收益;
Fi为第i个微源的燃料成本函数;
Pi(t)为第i个微源t时刻的有功功率输出;
N为微源的个数;
KOM,i为第i个微源的单位电量运行维护成本系数;
αj为第j类排放物的惩罚单价,排放类型为NOx、SO2、CO2;
βij为第i个微源第j类排放物的排放系数;
m为排放物的种类;
PPCC(t)为t时段微网与配电网的交互功率;
Pb(t)和Ps(t)分别为t时刻微网向外网的购电价格和售电价格;
Qhe(t)为t时刻的热负荷量;
Kph为单位制热量的售价;
(2.2)约束条件:
(2.2.1)功率平衡约束:
储能***充电时:
储能***放电时:
PL(t)+PLoss(t)=PWT(t)+PPV(t)+PMT(t)+PFC(t)+ηdiPES(t)+PPCC(t) (8)
其中,PWT(t)、PPV(t)、PMT(t)、PFC(t)、PPCC(t)、PLoss(t)分别为t时段风电机组、光伏电池、微型燃气轮机、燃料电池的输出功率、微网与主网的交互功率以及功率损耗;
PES(t)为t时刻储能***的输出功率;
ηch、ηdi为储能***的充电和放电效率;
(2.2.2)热负荷约束:
QMT(t)≥Qhe(t) (9)
式中QMT(t)是微型燃气轮机提供的制热量;
(2.2.3)微源出力约束:每个微源在任意时刻所发功率要在自己上下限的约束之内;
Pi min≤Pi(t)≤Pi max (10)
式中Pi min为第i个微源所发功率下限;
Pi max为第i个微源所发功率上限;
(2.2.4)微网与配电网交互的传输功率约束:
PPCC,min≤PPCC(t)≤PPCC,max (11)
式中PPCC,min、PPCC,max分别为微网与配电网允许交互传输的最小、最大功率;
(2.2.5)储能***运行状况的约束:
a、对于调度的一个周期,储能***始末的电量保持相同;
式中δ为t时段持续的时长;
b、在调度期间的任何时刻储能***的电量都处于允许范围之内;
其中,SOCmin、SOCmax、Sinit分别为储能***中存储电量允许的最小值、最大值和储能***在调度开始时刻的电量。
4.如权利要求3所述的一种基于模糊粒子群算法和储能***的微网经济运行优化方法,其特征在于,所述公式(2)包括所述的燃料成本用下式计算:
MT的燃料成本函数:
CMT=(Cnl/L)∑[PMT(t)Δt/ηe(t)] (14)
式中,L为天然气低热热值;
Δt为燃气轮机运行单位时间长度;
ηe(t)为t时刻微型燃气轮机的发电效率;
其中,QMT为热功率;
η1为燃气轮机散热损失系数;
Cnl为天然气价格;
FC的燃料成本函数:
CFC=(Cnl/L)∑[PFC(t)Δt/ηFC(t)] (17)
其中,PFC(t)为t时刻燃料电池的发电功率;
ηFC(t)为t时刻燃料电池的发电效率;
ηFC=-0.0023PFC+0.6735 (18)
5.如权利要求1所述的一种基于模糊粒子群算法和储能***的微网经济运行优化方法,其特征在于,所述步骤(3)包括:
一天24h的调度期分为三类型时段:峰期、平期、谷期;
储能***在t时刻自身储存的电量SOC的大小划分为三档:高档、中档和低档;
储能***充放电的功率大小分为五个级别:大容量充电-NB、小容量充电-NS、大容量放电-PB,小容量放电-PS和在很小范围内充放电-ZB。
6.如权利要求1所述的一种基于模糊粒子群算法和储能***的微网经济运行优化方法,其特征在于,所述步骤(4)包括:
(4.1)输入各微源、负荷、环境惩罚、电价参数和粒子群算法参数;
(4.2)构建模糊控制模型,确定模糊控制参数;
(4.3)将***初始相关输入量转化为模糊控制的输入量,基于模糊控制法则计算输出量,并基于此确定储能***的出力初始范围;
(4.4)数据初始化,同时随机初始化各粒子的飞行速度;
(4.5)计算每个粒子的适应度;
(4.6)记录极值;
(4.7)迭代次数加1:k=k+1,更新飞行速度和粒子在解空间的位置;
(4.8)重新计算每个粒子此时的适应函数值,判断是否更新Pbesti和Gbest;
(4.9)判断是否收敛;当满足如下条件之一,迭代停止;全局最好位置若连续百次无变化或达到预先规定的最大迭代次数;否则转至步骤(4.7);
(4.10)输出各微源出力及日发电成本结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410236463.8A CN104135025B (zh) | 2014-05-30 | 2014-05-30 | 基于模糊粒子群算法的微网并网经济优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410236463.8A CN104135025B (zh) | 2014-05-30 | 2014-05-30 | 基于模糊粒子群算法的微网并网经济优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104135025A CN104135025A (zh) | 2014-11-05 |
CN104135025B true CN104135025B (zh) | 2017-01-18 |
Family
ID=51807601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410236463.8A Active CN104135025B (zh) | 2014-05-30 | 2014-05-30 | 基于模糊粒子群算法的微网并网经济优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104135025B (zh) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408532A (zh) * | 2014-12-04 | 2015-03-11 | 国家电网公司 | 一种基于对偶策略的微网短期经济调度优化方法 |
CN104779611B (zh) * | 2015-03-23 | 2017-09-29 | 南京邮电大学 | 基于集中式和分布式双层优化策略的微电网经济调度方法 |
CN104850917A (zh) * | 2015-06-02 | 2015-08-19 | 国家电网公司 | 一种微网经济运行智能优化方法 |
CN105914758B (zh) * | 2016-05-17 | 2018-04-10 | 华北电力大学 | 考虑分布式电源无功补偿成本的电网无功优化方法 |
CN106786800B (zh) * | 2017-01-10 | 2020-04-21 | 国网新疆电力公司电力科学研究院 | 基于大数据处理含光伏发电的电力***经济调度分析方法 |
CN107092975B (zh) * | 2017-03-08 | 2020-11-10 | 国网浙江省电力公司电力科学研究院 | 一种基于储能损耗积分的交直流混合微网经济优化方法 |
CN107240926A (zh) * | 2017-07-13 | 2017-10-10 | 北京索英电气技术有限公司 | 一种实时电价下户用储能智能化管理方法 |
CN107706932B (zh) * | 2017-09-18 | 2019-09-10 | 浙江大学 | 一种基于动态自适应模糊逻辑控制器的能量调度优化方法 |
CN107860057B (zh) * | 2017-09-26 | 2020-01-03 | 国网浙江省电力公司杭州供电公司 | 一种热电联产供暖***热负荷经济优化调度方法 |
CN107565607B (zh) * | 2017-10-24 | 2020-07-07 | 华北电力大学(保定) | 一种基于实时电价机制的微电网多时间尺度能量调度方法 |
CN109873431A (zh) * | 2017-12-01 | 2019-06-11 | 中国电力科学研究院有限公司 | 一种家庭电动汽车调度方法及装置 |
CN107968420B (zh) * | 2017-12-06 | 2021-03-16 | 重庆大学 | 基于分布式极值搜索算法的储能***及其能量优化管理方法 |
CN108171384A (zh) * | 2017-12-30 | 2018-06-15 | 国网天津市电力公司电力科学研究院 | 一种基于复合粒子群算法微网能量管理方法 |
CN110391655B (zh) * | 2018-04-20 | 2023-02-03 | 中国电力科学研究院有限公司 | 一种含多能源耦合的微能源网经济优化调度方法及装置 |
CN108734350A (zh) * | 2018-05-17 | 2018-11-02 | 燕山大学 | 一种含微电网的配电网独立与联合调度的求解方法 |
CN109193798A (zh) * | 2018-08-24 | 2019-01-11 | 广西大学 | 一种基于多目标粒子群算法调节微电源出力的优化调度方法 |
CN109472394A (zh) * | 2018-09-30 | 2019-03-15 | 中国电力科学研究院有限公司 | 一种储能成本和收益的经济优化方法及*** |
CN109361237B (zh) * | 2018-11-30 | 2022-01-18 | 国家电网公司西南分部 | 基于改进混合粒子群算法的微电网容量优化配置方法 |
CN109768567A (zh) * | 2018-12-20 | 2019-05-17 | 清华大学 | 一种耦合多能源互补***的优化调度方法 |
CN109687518B (zh) * | 2018-12-29 | 2022-06-17 | 南京工程学院 | 一种家庭微电网***的优化调度方法 |
CN109995030B (zh) * | 2019-04-28 | 2020-06-30 | 湖南大学 | 一种考虑脱网风险的储能装置soc下限值最优设置方法 |
CN110264051A (zh) * | 2019-06-06 | 2019-09-20 | 新奥数能科技有限公司 | 确定微网的优化调度方案的方法及装置 |
CN110556850B (zh) * | 2019-07-19 | 2023-02-21 | 国网辽宁省电力有限公司大连供电公司 | 电动汽车退役电池用于换电站储能的容量配置方法 |
CN110504684B (zh) * | 2019-08-21 | 2023-06-20 | 东北大学 | 一种区域多微网***日前优化调度方法 |
CN111009673A (zh) * | 2019-11-06 | 2020-04-14 | 沈阳化工大学 | 一种微生物燃料电池的粒子群最大功率跟踪方法 |
CN111224432B (zh) * | 2020-01-16 | 2024-03-29 | 内蒙古工业大学 | 微电网优化调度方法和装置 |
CN111371090B (zh) * | 2020-04-08 | 2022-01-11 | 广东电网有限责任公司电力调度控制中心 | 用于主动配电网的故障自愈方法、装置、设备和存储介质 |
CN113298407B (zh) * | 2021-06-08 | 2022-03-18 | 昆明理工大学 | 一种工业园区电-气综合能源***优化调度模型建立方法 |
CN113629775B (zh) * | 2021-07-26 | 2023-05-26 | 北方工业大学 | 一种基于模糊逻辑的氢储能***集群出力决策方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4051534B2 (ja) * | 2002-01-29 | 2008-02-27 | 株式会社日立製作所 | 変電所システム |
CN103489131B (zh) * | 2013-08-29 | 2017-03-01 | 国家电网公司 | 一种基于光柴储供电***的运行调度方法 |
-
2014
- 2014-05-30 CN CN201410236463.8A patent/CN104135025B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104135025A (zh) | 2014-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104135025B (zh) | 基于模糊粒子群算法的微网并网经济优化方法 | |
CN109327042A (zh) | 一种微电网多能源联合优化调度方法 | |
Teng et al. | A model of electro-thermal hybrid energy storage system for autonomous control capability enhancement of multi-energy microgrid | |
CN109962476A (zh) | 一种微电网中源网荷储互动能量管理办法和装置 | |
CN107404129B (zh) | 风-储混合电站运行策略及短期计划出力优化方法 | |
CN109993345A (zh) | 一种面向园区的孤岛运行多能互补***动态经济调度方法 | |
CN105186583A (zh) | 基于多智能体建模的能量路由器及其能量调度方法 | |
Hu et al. | Optimal dispatch of combined heat and power units based on particle swarm optimization with genetic algorithm | |
Liang et al. | Capacity configuration optimization of wind-solar combined power generation system based on improved grasshopper algorithm | |
CN108494014A (zh) | 一种混合能源热电联产经济性优化管理方法 | |
Elweddad et al. | Energy management and optimization of microgrid system using particle swarm optimization algorithm | |
Li et al. | Energy system and scheduling strategies of electric–gas networks deeply coupled under dual electricity prices | |
Liu et al. | Hierarchical optimal dispatching strategy for microgrid system considering user-side resources | |
Zhu et al. | Demand response strategy for promoting distributed power consumption based on resident load participation | |
Wang et al. | Source-load-storage coordinated optimal scheduling of virtual power plant participating demand response | |
Li et al. | Multi-objective optimization scheduling of micro-grid with energy storage under time-of-use price mechanism | |
Chen et al. | Study on Wind Power Accommodation Method Based on Controllable Electric Heating | |
Yun et al. | Optimization of Operation Strategy of Virtual Power Plants Involved in Peak Shaving | |
Nan et al. | Optimal Configuration of Energy Storage Capacity considering Generalized Energy Storage Resource Dispatching | |
Chen et al. | Optimal Operation of an Integrated Rural Energy System with Biomass Direct-fired Power Generation based on Carbon Trading | |
Li et al. | Research on Cooperative Dispatching Method of Distribution Network Considering Flexible Load | |
Liantao et al. | Research on economic optimal dispatch of pumped storage-new energy-thermal power hybrid system | |
Xiao et al. | Multi-objective optimization scheduling method for integrated energy system considering uncertainty | |
CN117559438B (zh) | 基于ems-lmp耦合的源网荷储一体化可再生能源消纳方法及装置 | |
Gong et al. | Flexibility Improvement Optimization Method of Distribution Network with High DG Penetration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |