CN105117797A - 基于孤岛划分的微网日前经济最优调度方法 - Google Patents

Abstract

基于孤岛划分的微网日前经济最优调度方法，包括如下步骤：1)输入网络参数；2)设置控制变量集合；3)设置日前经济调度目标函数；4)设置经济调度约束条件；5)第一次日前经济调度；6)输出当前最优策略；7)实时Rolling经济调度；8)输出最终最优策略。本发明通过引入Rolling调度方法，解决考虑孤岛运行状态的配电网日前经济调度。

Description

基于孤岛划分的微网日前经济最优调度方法

技术领域

本发明涉及一种基于孤岛划分的微网日前经济最优调度方法，特别针对一种考虑含分布式能源、可能运行于孤岛状态的配电网的日前经济调度策略。

背景技术

随着配电网建设的加强和微电网技术的日趋成熟，分布式发电(distributedgeneration，DG)在电网中的渗透率不断提高。DG接入配电网虽然能够满足日益增长的负荷需求、提高能源的综合利用率，但也使得配电网的结构变得越发的复杂，一旦配电网发生故障，若无法快速制定相应的故障恢复策略，有可能导致停电面积的扩大，造成巨大的经济损失。2003年制定的IEEEStd1547-2003支持通过DG之间的协调控制等技术手段来实现孤岛运行。2011年修订的IEEEStd1547.4-2011则将微网的定义延伸到了含DG的配电网***中，且具有并网和孤岛两种运行新模式。当配电网区域发生故障或其他原因而造成与上级大电网脱离时，可以通过合理的孤岛划分来实现对孤岛区域内的负荷恢复供电，提高配电网的供电可靠性。因此，含DG配电网的孤岛恢复策略对于配网的安全性至关重要。随着智能配电网的发展，配电网中逐步开始引入分布式电源、储能设备、电动汽车、可控负荷等等。当针对含分布式电源的配电网日前经济调度策略的制定时，不但需要考虑分布式能源的输出功率不确定性，同时也要考虑到上级电网因检修而造成的配电网计划孤岛时间的不确定性，总结起来主要包括以下三个方面：1)分布式能源输出功率的不确定性：光伏、风机的发电量收到光照和风速的影响，尽管现在的预测技术能够预测较长时间后的风速和光照，但是随着时间的增加，其预测的不准确性呈现指数型上升，因此，无法将其作为一个确定的参数用于配电网的日前能量经济调度；2)孤岛时间的不确定性：配电网处于孤岛划分下的时间也具有一定的不确定性，需要考虑到上级电力部门检修的时间、检修资源的影响等等。因此，无法采用传统的仅仅一个固定的孤岛时间用于能量调度；3)电动汽车换电站的不确定性：电动汽车的换电站的电池容量受到交通、天气等因素的影响，具有一定的不确定性。无法将其简单的等效为一个固定容量的负荷和固定容量的微源来进行考虑。因此，考虑到上述三者的不确定性，无法采用传统的经济调度方法来实现含分布式能源和考虑孤岛运行的配电网日前经济调度。

发明内容

本发明要克服现有技术的上述缺点，提供一种微源功率、负荷功率和配电网孤岛运行时间的确定性好的基于孤岛划分的微网日前经济最优调度方法。

本发明方法在考虑分布式能源的输出功率不确定、孤岛时间不确定和电动汽车换电站容量不确定性的基础上，结合Rolling调度方法，制定考虑孤岛划分的微网日前最优经济调度策略。本发明方法在整个方法的流程图如图1所示，发明方法详细步骤叙述如下：

1)输入网络参数：配电网络的原始结构，各条支路的线路参数，各个节点日前预测的负荷有功和无功功率、日前预测的DG的有功和无功功率，负荷的可控性、DG的类型，网络中节点总数为N_nod，线路总数为N_line。

2)设定用于经济调度的控制变量。控制变量X主要包括光伏变量X_Pv、风机变量X_Wind、储能电池变量X_Ess、电动汽车换电站变量X_Evs、负荷变量X_Load、主网变量X_Grid、节点状态变量X_Nod、开关状态变量X_Line。各个变量集合的表示形式如公式(1)-(13)

X＝[X_PV,X_Wind,X_Ess,X_Evs,X_Load,X_Grid,X_Nod,X_Line](1)

$X_{Ess}=\[{\stackrel{\‾}{X}}_{Essc},{\stackrel{\‾}{X}}_{Essd}\]---\left(4\right)$

$X_{Evs}=\[{\stackrel{\‾}{X}}_{Evsc},{\stackrel{\‾}{X}}_{Evsd}\]---\left(5\right)$

$\begin{array}{cc}{\stackrel{\‾}{X}}_{Essc}=\[P_{Essc,1}^i,P_{Essc,2}^i,...,P_{Essc,k}^i,...,P_{Essc,N_{Nod}}^i\]& i=1:T\end{array}---\left(6\right)$

$\begin{array}{cc}{\stackrel{\‾}{X}}_{Essd}=\[P_{Essd,1}^i,P_{Essd,2}^i,...,P_{Essd,k}^i,...,P_{Essd,N_{Nod}}^i\]& i=1:T\end{array}---\left(7\right)$

$\begin{array}{cc}{\stackrel{\‾}{X}}_{Evsc}=\[P_{Evsc,1}^i,P_{Evsc,2}^i,...,P_{Evsc,k}^i,...,P_{Evsc,N_{Nod}}^i\]& i=1:T\end{array}---\left(8\right)$

$\begin{array}{cc}{\stackrel{\‾}{X}}_{Evsd}=\[P_{Evsd,1}^i,P_{Evsd,2}^i,...,P_{Evsd,k}^i,...,P_{Evsd,N_{Nod}}^i\]& i=1:T\end{array}---\left(9\right)$

$\begin{array}{cc}{X}_{Grid}=\[P_{Grid,b}^i,P_{Grid,s}^i\]& i=1:T\end{array}---\left(11\right)$

其中，表示节点k上的PV在i时刻的有功功率；表示节点k上的风机在i时刻的有功功率；表示储能电池充电变量，表示节点k上的储能电池在i时刻的充电有功功率；表示储能电池放电变量，表示节点k上的储能电池在i时刻的放电有功功率；表示电动汽车换电站的充电变量，表示节点k上的电动汽车换电站在i时刻的充电有功功率；表示电动汽车换电站的放电变量，表示节点k上的电动汽车换电站在i时刻的放电有功功率；表示节点k上在第i时的可控负荷比例变量；和分别表示微网在i时刻向电网的买电功率和售电功率；表示节点k在i时刻的状态，0表示失电，1表示得电；表示线路j在i时刻的状态，0表示失电，1表示得电；N_Nod表示配电网中节点的数量；N_Line表示配电网中线路的数量；T表示整个经济调度的规划时间，一般为24小时。

3)设置日前经济调度的目标函数。总的目标函数包括四个部分，负荷断电损失Cost_Load、储能电池的充放电损失Cost_Ess、电动汽车换电站的损失Cost_Evs以及向大电网买电损失Cost_Grid。目标函数的

MinH(T_strat,T_end,X,Y_Tp)＝Cost_Load+Cost_Ess+Cost_Evs+Cost_Grid(14)

${\mathrm{Cost}}_{Load}(T_{strat},T_{end},X,Y_{Tp})=\underset{i=T_{strat}}{\overset{T_{end}}{\Σ}}\underset{k=1}{\overset{N_{Nod}}{\Σ}}(1-x_{Nod,k}^i)P_{Load,k}^i{\mathrm{\κ}}_k^i---\left(15\right)$

${\mathrm{Cost}}_{Ess}(T_{strat},T_{end},X,Y_{Tp})=\underset{i=T_{strat}}{\overset{T_{end}}{\Σ}}\underset{k=1}{\overset{N_{Nod}}{\Σ}}{P}_{Essc,k}^i{\mathrm{\η}}_{Essc}+P_{Essd,k}^i{\mathrm{\η}}_{Essd}---\left(16\right)$

${\mathrm{Cost}}_{Evs}(T_{strat},T_{end},X,Y_{Tp})=\underset{i=T_{strat}}{\overset{T_{end}}{\Σ}}\underset{k=1}{\overset{N_{Nod}}{\Σ}}{P}_{Evsc,k}^i{\mathrm{\η}}_{Evsc}+P_{Evsd,k}^i{\mathrm{\η}}_{Evsd}+g\left({\mathrm{Soc}}_{Evs,k}^i\right)---\left(17\right)$

${\mathrm{Cost}}_{Grid}(T_{strat},T_{end},X,Y_{Tp})=\underset{i=T_{strat}}{\overset{T_{end}}{\Σ}}{P}_{Grid,b}^i{c}_b^i-P_{Grid,s}^i{c}_s^i---\left(18\right)$

其中，H(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end、控制变量X以及在Tp时刻获得的预测数据Y_Tp相关的目标函数；

Cost_Load(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end以及控制变量X相关的负荷断电损失，表示在调度期间内负荷因失电而造成的经济损失，为节点j在时刻i失电下的经济损失因子；

Cost_Ess(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end以及控制变量X相关的储能电池损失，表示储能蓄电池因充放电而造成的损耗，η_Essc、η_Evsd表示储能电池充、放电的损失因子；

Cost_Evs(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end以及控制变量X相关的电动汽车换电站损失，表示换电站充放电损失以及因换电站容量改变而引发的风险损失，η_Evsc、η_Evsd表示换电站电池充、放电的损失因子，)考虑换电站电池容量的风险损失函数；

Cost_Grid(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end以及控制变量X相关的买电和卖电费用，和为时刻i时配电网向大电网买电和卖电的实时电价。

4)设置日前经济调度的约束条件。分别设置日前经济调度的各个约束条件，包括配电网结构约束、微源约束、负荷约束、电网交换功率约束和功率平衡约束。该约束条件为与预测时间T_p、控制变量X和预测数据Y_Tp有关的函数，记做St(T_p,X)。

4.1)配电网结构约束

$\begin{array}{cc}\underset{k=1}{\overset{N_{Nod}}{\Σ}}{x}_{Nod,k}^i=\underset{k=1}{\overset{N_{Line}}{\Σ}}{x}_{Line,k}^i+N_{island}^i& i=1:T\end{array}---\left(19\right)$

其中，表示第i时刻的孤岛数，如果该时刻与大电网联网状态，则为1。该约束是为了保证配电网的辐射状网络约束。

4.2)微源约束

i)光伏的输出有功功率幅值约束

$\begin{array}{cc}{x}_{Nod,k}^i{\underset{\‾}{P}}_{PV,T_p}^i\≤P_{Pv,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{PV,T_p}^i& i=1:T,k=1:N_{Nod}\end{array}---\left(20\right)$

其中，和为在时刻T_p时预测出的第i时刻的光伏输出有功功率的上下限值。

ii)风机的约束

$\begin{array}{cc}{x}_{Nod,k}^i{\underset{\‾}{P}}_{Wind,T_p}^i\≤P_{Wind,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Wind,T_p}^i& i=1:T,k=1:N_{Nod}\end{array}---\left(21\right)$

其中，和为在时刻Tp时预测出的第i时刻的风机输出有功功率的上下限值。

iii)储能电池的约束

$\begin{array}{cc}0\≤P_{Essc,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Essc}& i=1:T,k=1:N_{Nod}\end{array}---\left(22\right)$

$\begin{array}{cc}0\≤P_{Essd,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Essd}& i=1:T,k=1:N_{Nod}\end{array}---\left(23\right)$

$\begin{array}{cc}{P}_{Essc,k}^i{P}_{Essd,k}^i=0& i=1:T,k=1:N_{Nod}\end{array}---\left(24\right)$

$\begin{array}{cc}{\mathrm{Soc}}_{Ess,k}^{i+1}={\mathrm{Soc}}_{Ess,k}^i+\frac{1}{E_{Ess,k}}(P_{Essc,k}^i-P_{Essd,k}^i)\mathrm{\Δ}T& i=0:T,k=1:N_{Nod}\end{array}---\left(25\right)$

$\begin{array}{cc}0\≤{\mathrm{Soc}}_{Ess,k}^i\≤1& i=0:T,k=1:N_{Nod}---\end{array}\left(26\right)$

其中，和为储能蓄电池的最大充电有功功率和最大放电有功功率；为节点k上储能蓄电池在i时刻的Soc值；E_Ess,k为节点k上蓄电池的容量；ΔT为单位调度时间；公式(22)(23)是储能电池充放电功率限值约束；公式(24)表示储能电池只能运行于充电或者放电状态；公式(25)(26)是储能电池的Soc限值约束。

iv)电动汽车换电站的约束

$\begin{array}{cc}0\≤P_{Evsc,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Evsc}& i=1:T,k=1:N_{Nod}\end{array}---\left(27\right)$

$\begin{array}{cc}0\≤P_{Evsd,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Evsc}& i=1:T,k=1:N_{Nod}\end{array}---\left(28\right)$

$\begin{array}{cc}{P}_{Evsc,k}^i{P}_{Evsd,k}^i=0& i=1:T,k=1:N_{Nod}\end{array}---\left(29\right)$

$\begin{array}{cc}{\mathrm{Soc}}_{Evs,k}^{i+1}={\mathrm{Soc}}_{Evs,k}^i+\frac{1}{E_{Evs,k}}(P_{Evsc,k}^i-P_{Evsd,k}^i)\mathrm{\Δ}T& i=0:T,k=1:N_{Nod}\end{array}---\left(30\right)$

$\begin{array}{cc}{\underset{\‾}{\mathrm{Soc}}}_{Evs,k,T_p}^i\≤{\mathrm{Soc}}_{Evs,k}^i\≤{\stackrel{\‾}{Soc}}_{Evs,k,T_p}^i& i=0:T,k=1:N_{Nod}\end{array}---\left(31\right)$

其中，其中，和为电动汽车换电站的最大充电有功功率和最大放电有功功率；为节点k上电动汽车换电站在i时刻的Soc值；E_Ess,k为节点k上蓄电池的容量；和为电动汽车换电站在T_p时刻预测出的第i时刻节点k上的电动汽车换电站Soc值的上下限值。

4.3)负荷约束。

$\begin{array}{cc}{P}_{Load,k}^i=x_{Nod,k}^i{P}_{ucLoad,k,T_p}^i+{\mathrm{\α}}_{Nod,k}^i{P}_{cLoad,k,T_p}^i& i=1:T,k=1:N_{Nod}\end{array}---\left(32\right)$

$\begin{array}{cc}{x}_{Nod,k}^i\≥x_{Line,k}^i& i=1:T,k\∈J_i\end{array}---\left(33\right)$

其中，和表示在T_p时刻预测出的第i时、节点k上负荷的不可控功率和可控的功率部分参数；J_i为与节点i关联的线路集合。其中，公式(32)为负荷的功率约束，公式(33)为负荷的得电约束。

4.4)电网交换功率约束

$\begin{array}{cc}0\≤P_{Grid,b}^i\≤x_{Pss}^i{\stackrel{\‾}{P}}_{Grid,b}& i=1:T,k=1:N_{Nod}\end{array}---\left(34\right)$

$\begin{array}{cc}0\≤P_{Grid,s}^i\≤x_{Pss}^i{\stackrel{\‾}{P}}_{Grid,s}& i=1:T,k=1:N_{Nod}\end{array}---\left(35\right)$

$\begin{array}{cc}{P}_{Grid,b}^i{P}_{Grid,s}^i=0& i=1:T,k=1:N_{Nod}\end{array}---\left(36\right)$

$x_{Pss}^i=\left\{\begin{array}{cc}1& i\∉(T_{island\_start,T_p},T_{island\_end,T_p})\\ 0& i\∈(T_{island\_start,T_p},T_{island\_end,T_p})\end{array}\right.---\left(37\right)$

其中，和分别表示配电网和电网间在时刻i可买电或卖电的最大功率限值。T_{island_start,Tp}和T_{island_end,Tp}分别为在T_p时刻预测的计划孤岛开始时间和孤岛结束时间。公式(34)和(35)为交换功率限值约束，公式(36)保证了同一时刻只能处于买电或者卖电状态。

4.5)功率平衡约束

$P_{Grid,b}^i+\underset{k=1}{\overset{N_{Nod}}{\Σ}}{x}_{Nod,k}^i(P_{Pv,k}^i+P_{Wind,k}^i+P_{Essd,k}^i+P_{Evsd,k}^i)=P_{Grid,s}^i+\underset{k=1}{\overset{N_{Nod}}{\Σ}}(1+\mathrm{\μ})x_{Nod,k}^i(P_{Load,k}^i+P_{Essc,k}^i+P_{Evsc,k}^i)---\left(38\right)$

其中，μ为微源备用功率比例系数。

5)第一次经济调度：日前经济调度。由于本发明方法中的模型为混合整数线性规划模型，因此可以采用线性规划的求解器进行计算。第一次日前调度计算主要是在前一天的0时刻根据对未来24小时的预测数据，进行的24小时经济调度，因此，输入未来24小时的预测数据，包括微源的上下功率限值、负荷的功率预测值以及预测的未来24小时内预测的孤岛起始时间和孤岛结束时间，以H(0,24,X,Y₀)为目标函数，St(0,X,Y₀)为约束条件，利用商业求解器进行计算，得出第一次日前调度下基于未来24小时内预测数据的控制变量的最优解X^*，同时，记X_i ^*为最优解中表示第i时刻的控制变量的最优解，i＝0:24。

6)第二次经济调度：实时Rolling调度。

6.1)确定当前时刻的调度策略：首先确定当前的运行时刻i，将控制变量的最优解中X_i ^*作为当前时间段内的运行策略。

6.2)对未来12小时进行重调度：重新采集当前时刻i开始至未来12小时内的预测数据，更新微源、负荷和孤岛运行时间的预测数据Y_i，将最优解X^*中未来第13小时至24小时的解作为已知的常量数据，以H(i+1,i+12,X,Y_i)为目标函数，St(i+1,i+12,X,Y_i)为约束条件，利用商业求解器对当前时刻i的未来12小时进行调度策略优化计算。

6.3)更新控制变量的最优解。按照上述策略求解，更新最优解X^*。

7)判断当前时刻是否结束，若未结束，则按目前的最优解中相对于当前时段的策略制定目前时刻的调度计划，停滞在当前步骤；若当前时段结束，则时刻i增加一个调度单位，进入步骤8)。

8)判断当前时刻i是否为日前调度的最后时刻，即24时，若是，则进入步骤9)，若否，则回到步骤6)，进行当前时刻的实时Rolling调度。

9)日前24小时调度计划结束，输出最终的最优解X^*。

本发明的优点主要包含以下几个方面：

1)通过结合Rolling调度方法，能够很好的解决配电网在进行日前经济调度时，微源功率、负荷功率和配电网孤岛运行时间不确定情况下所造成的经济调度策略失效问题，使得最终得到的实时策略能够在满足实时的约束条件的情况下，使最终的目标函数值相比于第一次日前经济调度所得到的目标函数值更优。

2)本发明方法中的模型考虑了微源功率、负荷功率和配电网孤岛运行时间不确定性，同时在配电网中加入了电动汽车换电站、储能蓄电池等分布式新能源，使得配电网的模型更加全面，更贴近实际的配电网。

附图说明

图1是本发明的流程图

具体实施方式

发明方法详细步骤叙述如下：

1)输入网络参数：配电网络的原始结构，各条支路的线路参数，各个节点日前预测的负荷有功和无功功率、日前预测的DG的有功和无功功率，负荷的可控性、DG的类型，网络中节点总数为N_nod，线路总数为N_line。

2)设定用于经济调度的控制变量。控制变量X主要包括光伏变量X_Pv、风机变量X_Wind、储能电池变量X_Ess、电动汽车换电站变量X_Evs、负荷变量X_Load、主网变量X_Grid、节点状态变量X_Nod、开关状态变量X_Line。各个变量集合的表示形式如公式(1)-(13)

X＝[X_PV,X_Wind,X_Ess,X_Evs,X_Load,X_Grid,X_Nod,X_Line](1)

$X_{Ess}=\[{\stackrel{\‾}{X}}_{Essc},{\stackrel{\‾}{X}}_{Essd}\]---\left(4\right)$

$X_{Evs}=\[{\stackrel{\‾}{X}}_{Evsc},{\stackrel{\‾}{X}}_{Evsd}\]---\left(5\right)$

$\begin{array}{cc}{\stackrel{\‾}{X}}_{Essc}=\[P_{Essc,1}^i,P_{Essc,2}^i,...,P_{Essc,k}^i,...,P_{Essc,N_{Nod}}^i\]& i=1:T\end{array}---\left(6\right)$

$\begin{array}{cc}{\stackrel{\‾}{X}}_{Essd}=\[P_{Essd,1}^i,P_{Essd,2}^i,...,P_{Essd,k}^i,...,P_{Essd,N_{Nod}}^i\]& i=1:T\end{array}---\left(7\right)$

$\begin{array}{cc}{\stackrel{\‾}{X}}_{Evsc}=\[P_{Evsc,1}^i,P_{Evsc,2}^i,...,P_{Evsc,k}^i,...,P_{Evsc,N_{Nod}}^i\]& i=1:T\end{array}---\left(8\right)$

$\begin{array}{cc}{\stackrel{\‾}{X}}_{Evsd}=\[P_{Evsd,1}^i,P_{Evsd,2}^i,...,P_{Evsd,k}^i,...,P_{Evsd,N_{Nod}}^i\]& i=1:T\end{array}---\left(9\right)$

$\begin{array}{cc}{X}_{Grid}=\[P_{Grid,b}^i,P_{Grid,s}^i\]& i=1:T\end{array}---\left(11\right)$

其中，表示节点k上的PV在i时刻的有功功率；表示节点k上的风机在i时刻的有功功率；表示储能电池充电变量，表示节点k上的储能电池在i时刻的充电有功功率；表示储能电池放电变量，表示节点k上的储能电池在i时刻的放电有功功率；表示电动汽车换电站的充电变量，表示节点k上的电动汽车换电站在i时刻的充电有功功率；表示电动汽车换电站的放电变量，表示节点k上的电动汽车换电站在i时刻的放电有功功率；表示节点k上在第i时的可控负荷比例变量；和分别表示微网在i时刻向电网的买电功率和售电功率；表示节点k在i时刻的状态，0表示失电，1表示得电；表示线路j在i时刻的状态，0表示失电，1表示得电；N_Nod表示配电网中节点的数量；N_Line表示配电网中线路的数量；T表示整个经济调度的规划时间，一般为24小时。

3)设置日前经济调度的目标函数。总的目标函数包括四个部分，负荷断电损失Cost_Load、储能电池的充放电损失Cost_Ess、电动汽车换电站的损失Cost_Evs以及向大电网买电损失Cost_Grid。目标函数的

MinH(T_strat,T_end,X,Y_Tp)＝Cost_Load+Cost_Ess+Cost_Evs+Cost_Grid(14)

${\mathrm{Cost}}_{Load}(T_{strat},T_{end},X,Y_{Tp})=\underset{i=T_{strat}}{\overset{T_{end}}{\Σ}}\underset{k=1}{\overset{N_{Nod}}{\Σ}}(1-x_{Nod,k}^i)P_{Load,k}^i{\mathrm{\κ}}_k^i---\left(15\right)$

${\mathrm{cost}}_{Ess}(T_{strat},T_{end},X,Y_{Tp})=\underset{i=T_{strat}}{\overset{T_{end}}{\Σ}}\underset{k=1}{\overset{N_{Nod}}{\Σ}}{P}_{Essc,k}^i{\mathrm{\η}}_{Essc}+P_{Essd,k}^i{\mathrm{\η}}_{Essd}---\left(16\right)$

${\mathrm{Cost}}_{Evs}(T_{strat},T_{end},X,Y_{Tp})=\underset{i=T_{strat}}{\overset{T_{end}}{\Σ}}\underset{k=1}{\overset{N_{Nod}}{\Σ}}{P}_{Evsc,k}^i{\mathrm{\η}}_{Evsc}+P_{Evsd,k}^i{\mathrm{\η}}_{Evsd}+g\left({\mathrm{Soc}}_{Evs,k}^i\right)---\left(17\right)$

${\mathrm{Cost}}_{Grid}(T_{strat},T_{end},X,Y_{Tp})=\underset{i=T_{strat}}{\overset{T_{end}}{\Σ}}{P}_{Grid,b}^i{c}_b^i-P_{Grid,s}^i{c}_s^i---\left(18\right)$

其中，H(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end、控制变量X以及在Tp时刻获得的预测数据Y_Tp相关的目标函数；

Cost_Load(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end以及控制变量X相关的负荷断电损失，表示在调度期间内负荷因失电而造成的经济损失，为节点j在时刻i失电下的经济损失因子；

Cost_Ess(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end以及控制变量X相关的储能电池损失，表示储能蓄电池因充放电而造成的损耗，η_Essc、η_Evsd表示储能电池充、放电的损失因子；

Cost_Evs(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end以及控制变量X相关的电动汽车换电站损失，表示换电站充放电损失以及因换电站容量改变而引发的风险损失，η_Evsc、η_Evsd表示换电站电池充、放电的损失因子，考虑换电站电池容量的风险损失函数；

Cost_Grid(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end以及控制变量X相关的买电和卖电费用，和为时刻i时配电网向大电网买电和卖电的实时电价。

4)设置日前经济调度的约束条件。分别设置日前经济调度的各个约束条件，包括配电网结构约束、微源约束、负荷约束、电网交换功率约束和功率平衡约束。该约束条件为与预测时间T_p、控制变量X和预测数据Y_Tp有关的函数，记做St(T_p,X)。

4.1)配电网结构约束

$\begin{array}{cc}\underset{k=1}{\overset{N_{Nod}}{\Σ}}{x}_{Nod,k}^i=\underset{k=1}{\overset{N_{Line}}{\Σ}}{x}_{Line,k}^i+N_{island}^i& i=1:T\end{array}---\left(19\right)$

其中，表示第i时刻的孤岛数，如果该时刻与大电网联网状态，则为1。该约束是为了保证配电网的辐射状网络约束。

4.2)微源约束

i)光伏的输出有功功率幅值约束

$\begin{array}{cc}{x}_{Nod,k}^i{\underset{\‾}{P}}_{PV,T_p}^i\≤P_{Pv,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{PV,T_p}^i& i=1:T,k=1:N_{Nod}\end{array}---\left(20\right)$

其中，和为在时刻T_p时预测出的第i时刻的光伏输出有功功率的上下限值。

ii)风机的约束

$\begin{array}{cc}{x}_{Nod,k}^i{\underset{\‾}{P}}_{Wind,T_p}^i\≤P_{Wind,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Wind,T_p}^i& i=1:T,k=1:N_{Nod}\end{array}---\left(21\right)$

其中，和为在时刻Tp时预测出的第i时刻的风机输出有功功率的上下限值。

iii)储能电池的约束

$\begin{array}{cc}0\≤P_{Essc,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Essc}& i=1:T,k=1:N_{Nod}\end{array}---\left(22\right)$

$\begin{array}{cc}0\≤P_{Essd,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Essd}& i=1:T,k=1:N_{Nod}\end{array}---\left(23\right)$

$\begin{array}{cc}{P}_{Essc,k}^i{P}_{Essd,k}^i=0& i=1:T,k=1:N_{Nod}\end{array}---\left(24\right)$

$\begin{array}{cc}{\mathrm{Soc}}_{Ess,k}^{i+1}={\mathrm{Soc}}_{Ess,k}^i+\frac{1}{E_{Ess,k}}(P_{Essc,k}^i-P_{Essd,k}^i)\mathrm{\Δ}T& i=0:T,k=1:N_{Nod}\end{array}---\left(25\right)$

$\begin{array}{cc}0\≤{\mathrm{Soc}}_{Ess,k}^i\≤1& i=0:T,k=1:N_{Nod}---\end{array}\left(26\right)$

其中，和为储能蓄电池的最大充电有功功率和最大放电有功功率；为节点k上储能蓄电池在i时刻的Soc值；E_Ess,k为节点k上蓄电池的容量；ΔT为单位调度时间；公式(22)(23)是储能电池充放电功率限值约束；公式(24)表示储能电池只能运行于充电或者放电状态；公式(25)(26)是储能电池的Soc限值约束。

iv)电动汽车换电站的约束

$\begin{array}{cc}0\≤P_{Evsc,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Evsc}& i=1:T,k=1:N_{Nod}\end{array}---\left(27\right)$

$\begin{array}{cc}0\≤P_{Evsd,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Evsc}& i=1:T,k=1:N_{Nod}\end{array}---\left(28\right)$

$\begin{array}{cc}{P}_{Evsc,k}^i{P}_{Evsd,k}^i=0& i=1:T,k=1:N_{Nod}\end{array}---\left(29\right)$

$\begin{array}{cc}{\mathrm{Soc}}_{Evs,k}^{i+1}={\mathrm{Soc}}_{Evs,k}^i+\frac{1}{E_{Evs,k}}(P_{Evsc,k}^i-P_{Evsd,k}^i)\mathrm{\Δ}T& i=0:T,k=1:N_{Nod}\end{array}---\left(30\right)$

$\begin{array}{cc}{\underset{\‾}{Soc}}_{Evs,k,T_p}^i\≤{\mathrm{Soc}}_{Evs,k}^i\≤{\stackrel{\‾}{Soc}}_{Evs,k,T_p}^i& i=0:T,k=1:N_{Nod}\end{array}---\left(31\right)$

其中，其中，和为电动汽车换电站的最大充电有功功率和最大放电有功功率；为节点k上电动汽车换电站在i时刻的Soc值；E_Ess,k为节点k上蓄电池的容量；和为电动汽车换电站在T_p时刻预测出的第i时刻节点k上的电动汽车换电站Soc值的上下限值。

4.3)负荷约束。

$\begin{array}{cc}{P}_{Load,k}^i=x_{Nod,k}^i{P}_{ucLoad,k,T_p}^i+{\mathrm{\α}}_{Nod,k}^i{P}_{cLoad,k,T_p}^i& i=1:T,k=1:N_{Nod}\end{array}---\left(32\right)$

$\begin{array}{cc}{x}_{Nod,k}^i\≥x_{Line,k}^i& i=1:T,k\∈J_i\end{array}---\left(33\right)$

其中，和表示在T_p时刻预测出的第i时、节点k上负荷的不可控功率和可控的功率部分参数；J_i为与节点i关联的线路集合。其中，公式(32)为负荷的功率约束，公式(33)为负荷的得电约束。

4.4)电网交换功率约束

$\begin{array}{cc}0\≤P_{Grid,b}^i\≤x_{Pss}^i{\stackrel{\‾}{P}}_{Grid,b}& i=1:T,k=1:N_{Nod}\end{array}---\left(34\right)$

$\begin{array}{cc}0\≤P_{Grid,s}^i\≤x_{Pss}^i{\stackrel{\‾}{P}}_{Grid,s}& i=1:T,k=1:N_{Nod}\end{array}---\left(35\right)$

$\begin{array}{cc}{P}_{Grid,b}^i{P}_{Grid,s}^i=0& i=1:T,k=1:N_{Nod}\end{array}---\left(36\right)$

$x_{Pss}^i=\left\{\begin{array}{cc}1& i\∉(T_{island\_start,T_p},T_{island\_end,T_p})\\ 0& i\∈(T_{island\_start,T_p},T_{island\_end,T_p})\end{array}\right.---\left(37\right)$

其中，和分别表示配电网和电网间在时刻i可买电或卖电的最大功率限值。和分别为在T_p时刻预测的计划孤岛开始时间和孤岛结束时间。公式(34)和(35)为交换功率限值约束，公式(36)保证了同一时刻只能处于买电或者卖电状态。

4.5)功率平衡约束

$P_{Grid,b}^i+\underset{k=1}{\overset{N_{Nod}}{\Σ}}{x}_{Nod,k}^i(P_{Pv,k}^i+P_{Wind,k}^i+P_{Essd,k}^i+P_{Evsd,k}^i)=P_{Grid,s}^i+\underset{k=1}{\overset{N_{Nod}}{\Σ}}(1+\mathrm{\μ})x_{Nod,k}^i(P_{Lad,k}^i+P_{Essc,k}^i+P_{Evsc,k}^i)---\left(38\right)$

其中，μ为微源备用功率比例系数。

5)第一次经济调度：日前经济调度。由于本发明方法中的模型为混合整数线性规划模型，因此可以采用线性规划的求解器进行计算。第一次日前调度计算主要是在前一天的0时刻根据对未来24小时的预测数据，进行的24小时经济调度，因此，输入未来24小时的预测数据，包括微源的上下功率限值、负荷的功率预测值以及预测的未来24小时内预测的孤岛起始时间和孤岛结束时间，以H(0,24,X,Y₀)为目标函数，St(0,X,Y₀)为约束条件，利用商业求解器进行计算，得出第一次日前调度下基于未来24小时内预测数据的控制变量的最优解X^*，同时，记X_i ^*为最优解中表示第i时刻的控制变量的最优解，i＝0:24。

6)第二次经济调度：实时Rolling调度。

6.1)确定当前时刻的调度策略：首先确定当前的运行时刻i，将控制变量的最优解中X_i ^*作为当前时间段内的运行策略。

6.2)对未来12小时进行重调度：重新采集当前时刻i开始至未来12小时内的预测数据，更新微源、负荷和孤岛运行时间的预测数据Y_i，将最优解X^*中未来第13小时至24小时的解作为已知的常量数据，以H(i+1,i+12,X,Y_i)为目标函数，St(i+1,i+12,X,Y_i)为约束条件，利用商业求解器对当前时刻i的未来12小时进行调度策略优化计算。

6.3)更新控制变量的最优解。按照上述策略求解，更新最优解X^*。

7)判断当前时刻是否结束，若未结束，则按目前的最优解中相对于当前时段的策略制定目前时刻的调度计划，停滞在当前步骤；若当前时段结束，则时刻i增加一个调度单位，进入步骤8)。

8)判断当前时刻i是否为日前调度的最后时刻，即24时，若是，则进入步骤9)，若否，则回到步骤6)，进行当前时刻的实时Rolling调度。

9)日前24小时调度计划结束，输出最终的最优解X^*。

Claims (1)

1.基于孤岛划分的微网日前经济最优调度方法，包括如下步骤：

1)输入网络参数：配电网络的原始结构，各条支路的线路参数，各个节点日前预测的负荷有功和无功功率、日前预测的DG的有功和无功功率，负荷的可控性、DG的类型，网络中节点总数为N_nod，线路总数为N_line；

2)设定用于经济调度的控制变量；控制变量X主要包括光伏变量X_Pv、风机变量X_Wind、储能电池变量X_Ess、电动汽车换电站变量X_Evs、负荷变量X_Load、主网变量X_Grid、节点状态变量X_Nod、开关状态变量X_Line；各个变量集合的表示形式如公式(1)-(13)

X＝[X_PV,X_Wind,X_Ess,X_Evs,X_Load,X_Grid,X_Nod,X_Line](1)

$X_{Ess}=\[{\stackrel{\‾}{X}}_{Essc},{\stackrel{\‾}{X}}_{Essd}\]---\left(4\right)$

$X_{Evs}=\[{\stackrel{\‾}{X}}_{Evsc},{\stackrel{\‾}{X}}_{Evsd}\]---\left(5\right)$

$\begin{array}{cc}{\stackrel{\‾}{X}}_{Essc}=\[P_{Essc,1}^i,P_{Essc,2}^i,...,P_{Essc,k}^i,...,P_{Essc,N_{Nod}}^i\]& i=1:T\end{array}---\left(6\right)$

$\begin{array}{cc}{\stackrel{\‾}{X}}_{Essd}=\[P_{Essd,1}^i,P_{Essd,2}^i,...,P_{Essd,k}^i,...,P_{Essd,N_{Nod}}^i\]& i=1:T\end{array}---\left(7\right)$

$\begin{array}{cc}{\stackrel{\‾}{X}}_{Evsc}=\[P_{Evsc,1}^i,P_{Evsc,2}^i,...,P_{Evsc,k}^i,...,P_{Evsc,N_{Nod}}^i\]& i=1:T\end{array}---\left(8\right)$

$\begin{array}{cc}{\stackrel{\‾}{X}}_{Evsd}=\[P_{Evsd,1}^i,P_{Evsd,2}^i,...,P_{Evsd,k}^i,...,P_{Evsd,N_{Nod}}^i\]& i=1:T\end{array}---\left(9\right)$

$\begin{array}{cc}{X}_{Grid}=\[P_{Grid,b}^i,P_{Grid,s}^i\]& i=1:T\end{array}---\left(11\right)$

$\begin{array}{cc}{X}_{Nod}=\[x_{Nod,1}^i,x_{Nod,2}^i,...,x_{Nod,k}^i,...,x_{Nod,N_{Nod}}^i\]& i=1:T\end{array}---\left(12\right)$

其中，表示节点k上的PV在i时刻的有功功率；表示节点k上的风机在i时刻的有功功率；表示储能电池充电变量，表示节点k上的储能电池在i时刻的充电有功功率；表示储能电池放电变量，表示节点k上的储能电池在i时刻的放电有功功率；表示电动汽车换电站的充电变量，表示节点k上的电动汽车换电站在i时刻的充电有功功率；表示电动汽车换电站的放电变量，表示节点k上的电动汽车换电站在i时刻的放电有功功率；表示节点k上在第i时的可控负荷比例变量；和分别表示微网在i时刻向电网的买电功率和售电功率；表示节点k在i时刻的状态，0表示失电，1表示得电；表示线路j在i时刻的状态，0表示失电，1表示得电；N_Nod表示配电网中节点的数量；N_Line表示配电网中线路的数量；T表示整个经济调度的规划时间，一般为24小时；

3)设置日前经济调度的目标函数；总的目标函数包括四个部分，负荷断电损失Cost_Load、储能电池的充放电损失Cost_Ess、电动汽车换电站的损失Cost_Evs以及向大电网买电损失Cost_Grid；目标函数的

MinH(T_strat,T_end,X,Y_Tp)＝Cost_Load+Cost_Ess+Cost_Evs+Cost_Grid(14)

${\mathrm{Cost}}_{Load}(T_{strat},T_{end},X,Y_{Tp})=\underset{i=T_{strat}}{\overset{T_{end}}{\mathrm{\Σ}}}\underset{k=1}{\overset{N_{Nod}}{\mathrm{\Σ}}}(1-x_{Nod,k}^i)P_{Load,k}^i{\mathrm{\κ}}_k^i---\left(15\right)$

${\mathrm{Cost}}_{Ess}(T_{strat},T_{end},X,Y_{Tp})=\underset{i=T_{strat}}{\overset{T_{end}}{\mathrm{\Σ}}}\underset{k=1}{\overset{N_{Nod}}{\mathrm{\Σ}}}{P}_{Essc,k}^i{\mathrm{\η}}_{Essc}+P_{Essd,k}^i{\mathrm{\η}}_{Essd}---\left(16\right)$

${\mathrm{Cost}}_{Evs}(T_{strat},T_{end},X,Y_{Tp})=\underset{i=T_{strat}}{\overset{T_{end}}{\mathrm{\Σ}}}\underset{k=1}{\overset{N_{Nod}}{\mathrm{\Σ}}}{P}_{Evsc,k}^i{\mathrm{\η}}_{Evsc}+P_{Evsd,k}^i{\mathrm{\η}}_{Evsd}+g\left({\mathrm{Soc}}_{Evs,k}^i\right)---\left(17\right)$

${\mathrm{Cost}}_{Grid}(T_{strat},T_{end},X,Y_{Tp})=\underset{i=T_{strat}}{\overset{T_{end}}{\Σ}}{P}_{Grid,b}^i{c}_b^i-P_{Grid,s}^i{c}_s^i---\left(18\right)$

其中，H(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end、控制变量X以及在Tp时刻获得的预测数据Y_Tp相关的目标函数；

Cost_Load(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end以及控制变量X相关的负荷断电损失，表示在调度期间内负荷因失电而造成的经济损失，为节点j在时刻i失电下的经济损失因子；

Cost_Ess(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end以及控制变量X相关的储能电池损失，表示储能蓄电池因充放电而造成的损耗，η_Essc、η_Evsd表示储能电池充、放电的损失因子；Cost_Evs(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end以及控制变量X相关的电动汽车换电站损失，表示换电站充放电损失以及因换电站容量改变而引发的风险损失，η_Evsc、η_Evsd表示换电站电池充、放电的损失因子，考虑换电站电池容量的风险损失函数；Cost_Grid(T_strat,T_end,X,Y_Tp)为与调度初始时间T_strat和结束时间T_end以及控制变量X相关的买电和卖电费用，和为时刻i时配电网向大电网买电和卖电的实时电价；

4)设置日前经济调度的约束条件；分别设置日前经济调度的各个约束条件，包括配电网结构约束、微源约束、负荷约束、电网交换功率约束和功率平衡约束；该约束条件为与预测时间T_p、控制变量X和预测数据Y_Tp有关的函数，记做St(T_p,X)；

4.1)配电网结构约束

$\begin{array}{cc}\underset{k=1}{\overset{N_{Nod}}{\Σ}}{x}_{Nod,k}^i=\underset{k=1}{\overset{N_{Line}}{\Σ}}{x}_{Line,k}^i+N_{island}^i& i=1:T\end{array}---\left(19\right)$

其中，表示第i时刻的孤岛数，如果该时刻与大电网联网状态，则为1；该约束是为了保证配电网的辐射状网络约束；

4.2)微源约束

i)光伏的输出有功功率幅值约束

$\begin{array}{cc}{x}_{Nod,k}^i{\underset{\‾}{P}}_{PV,T_p}^i\≤P_{Pv,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{PV,T_p}^i& i=1:T,k=1:N_{Nod}\end{array}---\left(20\right)$

其中，和为在时刻T_p时预测出的第i时刻的光伏输出有功功率的上下限值；

ii)风机的约束

$\begin{array}{cc}{x}_{Nod,k}^i{\underset{\‾}{P}}_{Wind,T_p}^i\≤P_{Wind,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Wind,T_p}^i& i=1:T,k=1:N_{Nod}\end{array}---\left(21\right)$

其中，和为在时刻Tp时预测出的第i时刻的风机输出有功功率的上下限值；

iii)储能电池的约束

$\begin{array}{cc}0\≤P_{Essc,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Essc}& i=1:T,k=1:N_{Nod}\end{array}---\left(22\right)$

$\begin{array}{cc}0\≤P_{Essd,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Essd}& i=1:T,k=1:N_{Nod}\end{array}---\left(23\right)$

$\begin{array}{cc}{P}_{Essc,k}^i{P}_{Essd,k}^i=0& i=1:T,k=1:N_{Nod}\end{array}---\left(24\right)$

$\begin{array}{cc}{\mathrm{Soc}}_{Ess,k}^{i+1}={\mathrm{Soc}}_{Ess,k}^i+\frac{1}{E_{Ess,k}}(P_{Essc,k}^i-P_{Essd,k}^i)\mathrm{\Δ}T& i=0:T,k=1:N_{Nod}\end{array}---\left(25\right)$

$\begin{array}{cc}0\≤{\mathrm{Soc}}_{Ess,k}^i\≤1& i=0:T,k=1:N_{Nod}---\end{array}\left(26\right)$

其中，和为储能蓄电池的最大充电有功功率和最大放电有功功率；为节点k上储能蓄电池在i时刻的Soc值；E_Ess,k为节点k上蓄电池的容量；ΔT为单位调度时间；公式(22)(23)是储能电池充放电功率限值约束；公式(24)表示储能电池只能运行于充电或者放电状态；公式(25)(26)是储能电池的Soc限值约束；

iv)电动汽车换电站的约束

$\begin{array}{cc}0\≤P_{Evsc,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Evsc}& i=1:T,k=1:N_{Nod}\end{array}---\left(27\right)$

$\begin{array}{cc}0\≤P_{Evsd,k}^i\≤x_{Nod,k}^i{\stackrel{\‾}{P}}_{Evsc}& i=1:T,k=1:N_{Nod}\end{array}---\left(28\right)$

$\begin{array}{cc}{P}_{Evsc,k}^i{P}_{Evsd,k}^i=0& i=1:T,k=1:N_{Nod}\end{array}---\left(29\right)$

$\begin{array}{cc}{\mathrm{Soc}}_{Evs,k}^{i+1}={\mathrm{Soc}}_{Evs,k}^i+\frac{1}{E_{Evs,k}}(P_{Evsc,k}^i-P_{Evsd,k}^i)\mathrm{\Δ}T& i=0:T,k=1:N_{Nod}\end{array}---\left(30\right)$

$\begin{array}{cc}{\mathrm{Soc}}_{Evs,k,T_p}^i\≤{\mathrm{Soc}}_{Evs,k}^i\≤{\stackrel{\‾}{Soc}}_{Evs,k,T_p}^i& i=0:T,k=1:N_{Nod}\end{array}---\left(31\right)$

其中，其中，和为电动汽车换电站的最大充电有功功率和最大放电有功功率；为节点k上电动汽车换电站在i时刻的Soc值；E_Ess,k为节点k上蓄电池的容量；和为电动汽车换电站在T_p时刻预测出的第i时刻节点k上的电动汽车换电站Soc值的上下限值；

4.3)负荷约束；

$\begin{array}{cc}{P}_{Load,k}^i=x_{Nod,k}^i{P}_{ucLoad,k,T_p}^i+{\mathrm{\α}}_{Nod,k}^i{P}_{cLoad,k,T_p}^i& i=1:T,k=1:N_{Nod}\end{array}---\left(32\right)$

$\begin{array}{cc}{x}_{Nod,k}^i\≥x_{Line,k}^i& i=1:T,k\∈J_i\end{array}---\left(33\right)$

其中，和表示在T_p时刻预测出的第i时、节点k上负荷的不可控功率和可控的功率部分参数；J_i为与节点i关联的线路集合；

其中，公式(32)为负荷的功率约束，公式(33)为负荷的得电约束；

4.4)电网交换功率约束

$\begin{array}{cc}0\≤P_{Grid,b}^i\≤x_{Pss}^i{\stackrel{\‾}{P}}_{Grid,b}& i=1:T,k=1:N_{Nod}\end{array}---\left(34\right)$

$\begin{array}{cc}0\≤P_{Grid,s}^i\≤x_{Pss}^i{\stackrel{\‾}{P}}_{Grid,s}& i=1:T,k=1:N_{Nod}\end{array}---\left(35\right)$

$\begin{array}{cc}{P}_{Grid,b}^i{P}_{Grid,s}^i=0& i=1:T,k=1:N_{Nod}\end{array}---\left(36\right)$

$x_{Pss}^i=\left\{\begin{array}{cc}1& i\∉(T_{island\_start,T_p},T_{island\_end,T_p})\\ 0& i\∈(T_{island\_start,T_p},T_{island\_end,T_p})\end{array}\right.---\left(37\right)$

其中，和分别表示配电网和电网间在时刻i可买电或卖电的最大功率限值；和分别为在T_p时刻预测的计划孤岛开始时间和孤岛结束时间；公式(34)和(35)为交换功率限值约束，公式(36)保证了同一时刻只能处于买电或者卖电状态；

4.5)功率平衡约束

$P_{Grid,b}^i+\underset{k=1}{\overset{N_{Nod}}{\Σ}}{x}_{Nod,k}^i(P_{Pv,k}^i+P_{Wind,k}^i+P_{Essd,k}^i+P_{Evsd,k}^i)=P_{Grid,s}^i+\underset{k=1}{\overset{N_{Nod}}{\Σ}}(1+\mathrm{\μ})x_{Nod,k}^i(P_{Lad,k}^i+P_{Essc,k}^i+P_{Evsc,k}^i)---\left(38\right)$

其中，μ为微源备用功率比例系数；

5)第一次经济调度：日前经济调度；由于本发明方法中的模型为混合整数线性规划模型，因此可以采用线性规划的求解器进行计算；第一次日前调度计算主要是在前一天的0时刻根据对未来24小时的预测数据，进行的24小时经济调度，因此，输入未来24小时的预测数据，包括微源的上下功率限值、负荷的功率预测值以及预测的未来24小时内预测的孤岛起始时间和孤岛结束时间，以H(0,24,X,Y₀)为目标函数，St(0,X,Y₀)为约束条件，利用商业求解器进行计算，得出第一次日前调度下基于未来24小时内预测数据的控制变量的最优解X^*，同时，记为最优解中表示第i时刻的控制变量的最优解，i＝0:24；

6)第二次经济调度：实时Rolling调度；

6.1)确定当前时刻的调度策略：首先确定当前的运行时刻i，将控制变量的最优解中作为当前时间段内的运行策略；

6.2)对未来12小时进行重调度：重新采集当前时刻i开始至未来12小时内的预测数据，更新微源、负荷和孤岛运行时间的预测数据Y_i，将最优解X^*中未来第13小时至24小时的解作为已知的常量数据，以H(i+1,i+12,X,Y_i)为目标函数，St(i+1,i+12,X,Y_i)为约束条件，利用商业求解器对当前时刻i的未来12小时进行调度策略优化计算；

6.3)更新控制变量的最优解；按照上述策略求解，更新最优解X^*；

7)判断当前时刻是否结束，若未结束，则按目前的最优解中相对于当前时段的策略制定目前时刻的调度计划，停滞在当前步骤；若当前时段结束，则时刻i增加一个调度单位，进入步骤8)；

8)判断当前时刻i是否为日前调度的最后时刻，即24时，若是，则进入步骤9)，若否，则回到步骤6)，进行当前时刻的实时Rolling调度；

9)日前24小时调度计划结束，输出最终的最优解X^*。