利索能及
我要发布
收藏
专利号: 2024107421132
申请人: 华东交通大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-04-09
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种多微电网储能云管理优化调度方法,其特征在于,包括:步骤S1,构建多微电网源、储、荷模型;

步骤S2,通过基于电价约束协议的非零和博弈策略构建多微电网储能云管理架构;

步骤S3,搭建储能设备实时在线检测体系;

步骤S4,根据多微电网源、储、荷模型,构建基于电价约束协议非零和博弈的多微电网储能云管理双层优化调度模型,其中,外层模型通过多微电网储能云管理架构实现多微电网优化调度,以微电网运行成本最小化和微电网运行稳定性为目标;内层模型利用储能设备实时在线检测体系获取储能设备运行状态,以储能设备成本最小为目标;

步骤S5,利用多微电网储能云管理双层优化调度模型的模型解耦特性,由内至外求解多微电网储能云管理双层优化调度模型的纳什均衡点,得到多微电网的最优调度方案;

步骤S4中,外层模型通过多微电网储能云管理架构实现多微电网优化调度,以微电网运行成本最小化为目标的步骤中,满足以下条件式:;

其中, 、 和 分别为t时段微电网的化石能源消耗费用、维护费用和设备折旧费用, 为发电机组燃料消耗费用一次项系数, 为t时段i节点化石能源发电机的有功功率, 为燃料发电机组节点数量, 为设备维护成本, 为人工维护成本, 为发电机组折旧费用,是发电机组的购置价格, 是发电机组的残值, 是发电机组的预期寿命,为储能设备折旧费用,为t时段j节点储能设备运行的折旧费用函数, 为t时段j节点储能设备荷电状态, 为t时段j节点储能设备发出的有功功率, 为含电池的节点数量, 为微电网总运行成本, 为求最小值函数,T为总时段数, 为单个调度阶段的用时;

步骤S4中,外层模型通过多微电网储能云管理架构实现多微电网优化调度,以微电网运行稳定性为目标的步骤中,满足微电网供电可靠性约束和备用能力约束,所述备用能力约束包括可再生能源备用容量约束和储能备用容量约束;

其中,微电网供电可靠性约束满足以下条件式:;

其中, 为电力不足率, 、 、 分别为t时刻可再生能源出力、化石能源出力、储能设备放电量, 为t时刻用电负荷;

可再生能源备用容量约束满足以下条件式:;

其中,Q为可再生能源数量, 为第q个可再生能源备用容量最小值, 为t时刻系统负荷用电量,为负荷对备用容量的需求系数, 为t时刻风光能源容量,为风光电源对备用容量的需求系数;

储能备用容量约束满足以下条件式:;

其中, 为第m个微电网在t时刻的充放电备用容量, 为第m个微电网在t时刻处于充电模式下的备用容量, 为第m个微电网在t时刻处于放电模式下的备用容量,为第m个微电网在t时刻的负荷量,为第m个微电网中负荷占比系数。

2.根据权利要求1所述的多微电网储能云管理优化调度方法,其特征在于,步骤S1中,构建的多微电网源、储、荷模型包括新能源发电机组模型、化石能源发电机组模型、集中式储能设备模型、分布式储能设备模型以及用电负荷模型。

3.根据权利要求1所述的多微电网储能云管理优化调度方法,其特征在于,步骤S2中,提出了电价约束协议,建立既包含外层模型各微电网之间和微电网内部储能设备之间的非零和博弈模型,基于该模型搭建储能云管理架构,工作流程如下:步骤S21,在博弈策略中加入电价约束协议;

步骤S22,在加入了电价约束协议的博弈策略的基础上,构建上层为各微电网之间非零和博弈、下层为微电网内部储能设备之间非零和博弈的双层非零和博弈模型;

步骤S23,基于双层非零和博弈模型,将各微电网的储能设备进行云管理,得到多微电网储能云管理架构,所述微电网的储能设备包含集中式共享储能设备与分布式储能设备。

4.根据权利要求1所述的多微电网储能云管理优化调度方法,其特征在于,步骤S4中,内层模型利用储能设备实时在线检测体系获取储能设备运行状态,以储能设备成本最小为目标的步骤中,满足以下条件式:;

其中,K为储能设备数量,𝐶 𝑘 为第 个储能设备的初始购置成本,𝑁 𝑟𝑝 为置换次数,𝐶 𝑟 𝑝 为置换成本,n表示第n次置换, 为运行维护成本, 为储能设备的残值,l为实际利率,𝑇 𝑠为储能设备寿命周期;

步骤S4中,内层模型利用储能设备实时在线检测体系获取储能设备运行状态,以储能设备成本最小为目标的步骤中,满足储能设备功率约束和储能容量上下限约束、储能设备运行状态约束以及充放电约束;

其中,储能设备功率约束和储能容量上下限约束的表达式为:;

其中, 为集中式储能设备台数, 和 分别为集中式储能设备台数的下限值和上限值, 为第f个微电网分布式储能设备台数, 和 分别为微电网分布式储能设备台数的下限值和上限值;

储能设备运行状态约束的表达式为:;

其中, 为储能设备的荷电状态, 和 分别为荷电状态的下限值和上限值;

充放电约束的表达式为:

其中, 和 分别为储能设备在t时刻的最大充电功率和最大放电功率,和 分别为储能设备最大充电持续功率和最大放电持续功率, 为充电效率, 为放电效率,为储能设备运行系数, 为储能容量, 为充放电时长,min表示取最小值。

5.根据权利要求1所述的多微电网储能云管理优化调度方法,其特征在于,步骤S5具体包括:

首先,根据储能设备实时在线检测体系所测的储能设备实时状态信息,结合多微电网储能云管理双层优化调度模型的内层模型,利用模型解耦特性,求解得到微电网中储能设备的最优调度策略;

其次,根据求解得到的微电网中储能设备的最优调度策略,再结合步骤S2中的多微电网储能云管理架构,对多微电网储能云管理双层优化调度模型的外层模型进行解耦,求解得到多微电网的最优调度方案。