CN104578160B - 一种微网能量控制方法 - Google Patents

Abstract

本发明公开了一种微网能量控制方法，所述微网能量控制方法包括以下步骤：根据风速、光照强度、交易电价以及热、电负荷的概率分布，确定电力市场中微网在第k时段计算的微网合约期运行成本Z_Tk；对随机变量进行最小置信区间化处理，增加不平衡功率惩罚项，确定微网合约期运行成本Z_Tk在置信水平α下的表达式；根据期望成本确定最佳置信水平；根据变置信水平优化策略确定最佳变置信水平区间。本发明根据不同分布式电源、热电负荷、交易电价等因素的概率模型，对市场环境中的微网能量控制模型做出了准确描述；本发明提出采用期望成本衡量置信水平选择方案的观点，对微网在配电侧电力市场环境中的经济运行做出指导。

Description

一种微网能量控制方法

技术领域

本发明涉及分布式电源与微网领域，尤其涉及一种微网能量控制方法。

背景技术

微网是一个由分布式电源、储能单元、负荷、变换器等汇集而成的小型电力系统，通常接在低压或中压配电网中，具有灵活的运行方式和可调度性能，可以同时向用户提供电能和热能，是一个能够实现自我控制的自治系统。微网需要类似于传统大电网的能量控制系统对分布式电源和储能装置进行运行控制，实现电能、热能、可再生能源的高效利用，并保证微网电能质量和减小微网运行成本。世界各国在对微网的定义中均以能量的综合利用为微网的基本特征，将微网作为一种新的分布式能源组织方式和结构，便利可再生能源系统的接入、实现需求侧控制以及现有能源的最大化利用。

与此同时，电网市场改革的不断深化为微网并网运行提供了新的契机。随着电力市场的打开，微网将以独立身份参与到电能的调度中来，通过与配电公司的双向互动，有利于实现电力负荷的经济分配，减少输配电网络的损耗。与此同时，微网增强了电力网络可靠供电的能力，当系统出现故障时作为备用电源，帮助系统恢复供电能力。此外，作为用户需求侧响应的一种有效形式，微网根据自身组成和负荷的时间弹性，进行互动式节能调度，通过调整电能交易时间，有利于电力系统的削峰填谷；根据峰谷时段交易电价的不同，调整自身的用电行为，能够帮助用户获取更多的经济效益。

目前，国内外学者对于市场环境中的微网能量管理进行了大量的研究，所做的工作主要集中在调度模型和优化方法两方面，综合微网的经济成本、技术成本、环境成本等因素，将多目标问题转化为非线性单目标问题求解，或者建立多目标优化模型，制定分布式电源的经济控制策略。本发明以合约期经济利益最优为目标确定微网运行策略，为电力市场高度发展条件下的微网经济运行提供指导。

发明内容

本发明提供了一种微网能量控制方法，本发明根据不同分布式电源、热电负荷、交易电价等因素的概率模型，对市场环境中的微网能量控制模型做出了准确描述，详见下文描述：

一种微网能量控制方法，所述微网能量控制方法包括以下步骤：

根据风速、光照强度、交易电价以及热、电负荷的概率分布，确定电力市场中微网在第k时段计算的微网合约期运行成本Z_Tk；

对随机变量进行最小置信区间化处理，增加不平衡功率惩罚项，确定微网合约期运行成本Z_Tk在置信水平α下的表达式；

根据期望成本确定最佳置信水平；根据变置信水平优化策略确定最佳变置信水平区间。

所述根据风速、光照强度、交易电价以及热、电负荷的概率分布，确定电力市场中微网在第k时段计算的微网合约期运行成本Z_Tk的步骤具体为：

确定电力市场中微网与配电网电能交易机制，设定一种合约期电能结算方式；

计算微型燃气轮机发电成本；计算风力发电机与光伏电池发电成本；计算蓄电池运行成本；计算电能交易成本；计算第i时段的微网运行成本；计算合约期T内的微网运行成本；

第i时段内的热负荷需求P_HLξi、电负荷需求P_ELξi的概率分布通过正态分布来进行拟合；

第i时段内的风力发电机最大输出功率P_WTξi的概率分布为双参数威布尔分布；第i时段内的光伏电池最大输出功率P_PVξi的概率分布为Beta分布；

第i时段内的交易电价在低负荷时段的概率分布为正态分布，中高负荷时段的概率分布为对数正态分布；

通过上述步骤确定在第k时段计算的微网合约期运行成本表达式。

本发明提供的技术方案的有益效果是：本发明针对电力市场环境中微网用户与配电公司存在的双边合约交易，根据不同分布式电源、热电负荷、交易电价等因素的概率模型，对市场环境中的微网能量控制模型做出了准确描述，提出一种基于置信区间的经济调度优化模型，定义了不平衡功率以表征对等式约束的区间处理所导致的不平衡问题，采用遗传算法进行求解，分析了置信水平在不同预测偏差情况下对微网经济运行的影响，提出采用期望成本衡量置信水平选择方案的观点，对微网在配电侧电力市场环境中的经济运行做出指导。

附图说明

图1为微网与配电网各时段的交易电价图；

图2为分布式电源出力及电力负荷图；

图3为不同置信水平下的微网经济成本图；

图4为不同预测偏差情况下的微网经济成本图；

图5为一种微网能量控制方法的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

本发明提出了一种基于置信区间的经济调度优化模型，定义了不平衡功率以表征对等式约束的区间处理所导致的不平衡问题，采用遗传算法进行求解，分析了置信水平在不同预测偏差情况下对微网经济运行的影响，提出采用期望成本衡量置信水平选择方案的观点，对微网在配电侧电力市场环境中的经济运行做出指导，详见下文描述：

101：根据风速、光照强度、交易电价以及热、电负荷的概率分布，确定电力市场中微网在第k时段计算的微网合约期运行成本Z_Tk；

1011：确定电力市场中微网与配电网电能交易机制，设定一种合约期电能结算方式；

(1)微网与配电网双方建立双边合同，双方约定在合约期长度为T内的购电量W_BT，售电量W_ST，这里将合约期均分为N个长度为Δt的时段，并认为任一Δt内的电价不发生改变；

(2)对于不超出W_BT的购电量享受折扣价格，超出部分按照实际购电价格C_Bi进行结算；

(3)对于不超出W_ST的售电量享受额外获利，超出部分按照实际售电价格C_Si进行结算；

(4)若是合约期末的累计交易电量未能达到W_BT、W_ST，对于差额部分视作微网购买使用，微网应按照惩罚电价C_F缴纳所需金额Z_F。

1012：计算微型燃气轮机发电成本；

$Z_{\mathrm{MTi}}=f\left(\frac{P_{\mathrm{MTi}}}{P_{\mathrm{MT}.N}}\right)P_{\mathrm{MTi}}\mathrm{\Δt}-f\left(\frac{P_{\mathrm{HLi}}}{P_{\mathrm{MT}.N}}\right)P_{\mathrm{HLi}}\mathrm{\Δt}$

其中，P_MT.N、P_MTi为微型燃气轮机的额定出力和实际出力，P_HLi为满足热负荷的微型燃气轮机最小出力。f(m)＝am²+bm+c为微型燃气轮机单位功率的燃气费用， $m=\frac{P_{\mathrm{MTi}}}{P_{\mathrm{MT}.N}}$ 或

1013：计算风力发电机与光伏电池发电成本；

Z_WTi＝C_WTV_WTiP_WTiΔt

Z_PVi＝C_PVV_PViP_PViΔt

其中，P_WTi、C_WT是风机的出力和运维费用系数，P_PVi、C_PV是光伏电池的出力和运维费用系数，V_WTi、V_PVi为“0或1”变量，表示风机、光伏电池是否投入运行。

1014：计算蓄电池运行成本；

Z_BATi＝C_BAT|P_BATiΔt|

其中，P_BATi为蓄电池的充放电功率，C_BAT为蓄电池的折旧费用系数。

1015：计算电能交易成本；

Z_Gi＝K_BiC_BiW_Bi-K_SiC_SiW_Si

其中，W_Bi、W_Si、C_Bi、C_Si、K_Bi、K_Si为第i时段购电量、售电量、购电价、售电价及购电优惠系数和售电优惠系数。交易电量不超出合约电量时K_Bi＜1、K_Si＞1，否则K_Bi＝1、K_Si＝1。

1016：计算第i时段的微网运行成本；

$\begin{array}{c}{Z}_{\mathrm{Ti}}=C_{\mathrm{Bi}}{K}_{\mathrm{Bi}}{W}_{\mathrm{Bi}}-C_{\mathrm{Si}}{K}_{\mathrm{Si}}{W}_{\mathrm{Si}}+C_{\mathrm{WT}}{V}_{\mathrm{WTi}}{P}_{\mathrm{WTi}}\mathrm{\Δt}+C_{\mathrm{PV}}{V}_{\mathrm{PVi}}{P}_{\mathrm{PVi}}\mathrm{\Δt}\\ +f\left(\frac{P_{\mathrm{WTi}}}{P_{\mathrm{MT}.N}}\right)P_{\mathrm{MTi}}\mathrm{\Δt}-f\left(\frac{P_{\mathrm{HLi}}}{P_{\mathrm{MT}.N}}\right)P_{\mathrm{HLi}}\mathrm{\Δt}+C_{\mathrm{BAT}}\left|P_{\mathrm{BATi}}\mathrm{\Δt}\right|\end{array}$

将以Z_Ti为目标函数的优化模型定义为分段局部优化。

1017：计算合约期T内的微网运行成本为；

$\begin{array}{c}{Z}_T=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}[C_{\mathrm{Bi}}{K}_{\mathrm{Bi}}{W}_{\mathrm{Bi}}-C_{\mathrm{Si}}{K}_{\mathrm{Si}}{W}_{\mathrm{Si}}+C_{\mathrm{WT}}{V}_{\mathrm{WTi}}{P}_{\mathrm{WTi}}\mathrm{\Δt}+C_{\mathrm{PV}}{V}_{\mathrm{PVi}}{P}_{\mathrm{PVi}}\mathrm{\Δt}+f\left(\frac{P_{\mathrm{MTi}}}{P_{\mathrm{MT}.N}}\right)P_{\mathrm{MTi}}\mathrm{\Δt}-\\ f\left(\frac{P_{\mathrm{HLi}}}{P_{\mathrm{MT}.N}}\right)P_{\mathrm{HLi}}\mathrm{\Δt}+C_{\mathrm{BAT}}\left|P_{\mathrm{BATi}}\mathrm{\Δt}\right|]+C_{\mathrm{BF}}g(W_{\mathrm{BT}}-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_{\mathrm{Bi}})+C_{\mathrm{SF}}g(W_{\mathrm{ST}}-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_{\mathrm{Si}})\end{array}$

其中，C_BF为购电违约惩罚系数，C_SF为售电违约惩罚系数，g(x)为阈值函数。如果x大于零，x取或则g(x)＝x，否则g(x)＝0。将以Z_T为目标函数的优化模型定义为事后全局优化。

1018：第i时段内的热负荷需求P_HLξi、电负荷需求P_ELξi的概率分布通过正态分布来进行拟合，其中标识符ξ表示该变量为预测值；

1019：第i时段内的风力发电机最大输出功率P_WTξi的概率分布为双参数威布尔分布；

$f\left(P_{\mathrm{WT\ξi}}\right)=\frac{B}{A}{\left(\frac{P_{\mathrm{WT\ξi}}}{A}\right)}^{B-1}{e}^{-{\left(\frac{P_{\mathrm{WT\ξi}}}{A}\right)}^B}$

其中，A为尺度参数，B为形状参数。

1020：第i时段内的光伏电池最大输出功率P_PVξi的概率分布为Beta分布；

$f\left(P_{\mathrm{PV\ξi}}\right)=\frac{\mathrm{\Γ}(a+b)}{\mathrm{\Γ}\left(a\right)\mathrm{\Γ}\left(b\right)}{\left(\frac{P_{\mathrm{PV\ξi}}}{P_{\mathrm{PVi}}}\right)}^{a-1}{(1-\frac{P_{\mathrm{PV\ξi}}}{P_{\mathrm{PVi}}})}^{b-1}$

其中a、b为Beta分布的形状参数。Г为Gamma函数。

1021：第i时段内的交易电价在低负荷时段的概率分布为正态分布，中高负荷时段的概率分布为对数正态分布。其中低负荷时段取为0点到7点，中高负荷时段为7点到24点。

1022：确定在第k时段计算的微网合约期运行成本表达式。

第k时段计算的微网合约期运行成本为：

$\begin{array}{c}{Z}_{\mathrm{Tk}}=\underset{i=k}{\overset{N}{\mathrm{\Σ}}}[C_{\mathrm{B\ξi}}{K}_{\mathrm{Bi}}{W}_{\mathrm{Bi}}-C_{\mathrm{S\ξi}}{K}_{\mathrm{Si}}{W}_{\mathrm{Si}}+C_{\mathrm{WT}}{V}_{\mathrm{WTi}}{P}_{\mathrm{WT\ξi}}\mathrm{\Δt}+C_{\mathrm{PV}}{V}_{\mathrm{PVi}}{P}_{\mathrm{PV\ξi}}\mathrm{\Δt}+f\left(\frac{P_{\mathrm{MTi}}}{P_{\mathrm{MT}.N}}\right)P_{\mathrm{MTi}}\mathrm{\Δt}-\\ f\left(\frac{P_{\mathrm{HL\ξi}}}{P_{\mathrm{MT}.N}}\right)P_{\mathrm{HL\ξi}}\mathrm{\Δt}+C_{\mathrm{BAT}}\left|P_{\mathrm{BATi}}\mathrm{\Δt}\right|]+C_{\mathrm{BF}}g(W_{\mathrm{BT}}-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_{\mathrm{Bi}})+C_{\mathrm{SF}}g(W_{\mathrm{ST}}-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_{\mathrm{Si}})\end{array}$

102：对101中随机变量(C_Bξi,C_Sξi,P_WTξi,P_PVξi,P_HLξi,P_ELξi)进行最小置信区间化处理，在目标函数中增加不平衡功率惩罚项，确定微网合约期运行成本Z_Tk在置信水平α下的表达式；

1021：以Z_Tk最优为目标函数建立的优化模型中对微型燃气轮机的约束条件：

P_MTi≥P_HLξi

P_MT.Min≤P_MTi≤P_MT.N

其中，P_HLξi为i时段微网热负荷需求所对应的微型燃气轮机出力值。

1022：以Z_Tk最优为目标函数建立的优化模型中对蓄电池的约束条件：

|P_BATi|≤P_BAT.Max

30％≤SOC_i≤100％

其中，P_BAT.Max为蓄电池所允许的最大充放电功率，SOC_i为第i时段的蓄电池荷电状态。

1023：以Z_Tk最优为目标函数建立的优化模型中对买卖交易的约束条件：

W_Bi·W_Si＝0

1024：以Z_Tk最优为目标函数建立的优化模型中对功率平衡的约束条件：

$\frac{W_{\mathrm{Bi}}-W_{\mathrm{Si}}}{\mathrm{\Δt}}=P_{\mathrm{EL\ξi}}-V_{\mathrm{WTi}}{P}_{\mathrm{WT\ξi}}-V_{\mathrm{PVi}}{P}_{\mathrm{PV\ξi}}-P_{\mathrm{MTi}}-P_{\mathrm{BATi}}$

其中，P_ELξi为i时段的微网电负荷需求。

1025：随机变量在α置信水平下的最小置信区间确定原则为：

$\left\{\begin{array}{c}F\left(x_{\mathrm{\α}}^{+}\right)-F\left(x_{\mathrm{\α}}^{-}\right)=\mathrm{\α}\\ f\left(x_{\mathrm{\α}}^{+}\right)=f\left(x_{\mathrm{\α}}^{-}\right)\\ x_{\mathrm{\α}}^{-}\≤x_{\max }\≤x_{\mathrm{\α}}^{+}\end{array}\right.$

其中，F(x)、f(x)分别为随机变量x的概率分布函数、概率密度函数，分别表示变量x在置信水平α下的置信区间的上下边界，x_max为概率密度值最大处所对应的变量值。

下文中的分别表示第i时段的电负荷P_ELξi、热负荷P_HLξi、风机最大输出功率P_WTξi、光伏最大输出功率P_PVξi、购电电价C_Bξi、售电电价C_Sξi在置信水平α下的置信区间。

1026：根据置信区间理论，定义不平衡功率为：

$\mathrm{\Δ}{P}_i=\frac{W_{\mathrm{Bi}}-W_{\mathrm{Si}}}{\mathrm{\Δt}}-[P_{\mathrm{EL\αi}}^{-}-V_{\mathrm{WTi}}{P}_{\mathrm{WT\αi}}^{+}-V_{\mathrm{PVi}}{P}_{\mathrm{PV\αi}}^{+}-P_{\mathrm{MTi}}-P_{\mathrm{BATi}}]$

其中，不平衡功率惩罚项是考虑因负荷与功率不平衡所可能导致的调节费用，若电源供电能力估计不足，则会增加购电调节费用若电源供电能力估计过高，过于求购电使售电违约的可能性增加，故将修改违约惩罚项W_Si为g(W_Si-ΔP_iΔt_i)。

1027：建立置信区间表达式。

$\begin{array}{c}\min Z_{\mathrm{Tk}}=\underset{i=k}{\overset{N}{\mathrm{\Σ}}}[C_{\mathrm{B\αi}}^{+}{K}_{\mathrm{Bi}}{W}_{\mathrm{Bi}}-C_{\mathrm{S\αi}}^{-}{K}_{\mathrm{Si}}{W}_{\mathrm{Si}}+C_{\mathrm{WT}}{V}_{\mathrm{WTi}}{P}_{\mathrm{WT\αi}}^{+}\mathrm{\Δt}+C_{\mathrm{PV}}{V}_{\mathrm{PVi}}{P}_{\mathrm{PV\αi}}^{+}\mathrm{\Δt}+f\left(\frac{P_{\mathrm{MTi}}}{P_{\mathrm{MT}.N}}\right)P_{\mathrm{MTi}}\mathrm{\Δt}-f\left(\frac{P_{\mathrm{HL\αi}}^{-}}{P_{\mathrm{MT}.N}}\right)P_{\mathrm{HL\αi}}^{-}\mathrm{\Δt}+\\ C_{\mathrm{BAT}}\left|P_{\mathrm{BATi}}\mathrm{\Δt}\right|]+\underset{i=k}{\overset{N}{\mathrm{\Σ}}}{C}_{\mathrm{B\αi}}^{+}\mathrm{\Δ}{P}_i\mathrm{\Δ}{t}_i+C_{\mathrm{BF}}g(W_{\mathrm{BT}}-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}_{\mathrm{Bi}})+C_{\mathrm{SF}}g(W_{\mathrm{ST}}-\underset{i=1}{\overset{k-1}{\mathrm{\Σ}}}{W}_{\mathrm{Si}}-\underset{i=k}{\overset{N}{\mathrm{\Σ}}}g(W_{\mathrm{Si}}-\mathrm{\Δ}{P}_i\mathrm{\Δ}{t}_i))\end{array}$

103：根据期望成本确定最佳置信水平；

1031：采用遗传算法进行求解，对变量V_WTi、V_PVi，采用简单二进制编码；对变量W_Bi、W_Si、P_MTi、P_BATi，采用实数编码，且对它们进行线性变换映射到[0,1]区间上。

1032：采用遗传算法进行求解，采用轮盘赌博法选择父个体。依Z_Tk从大到小的次序排列个体，形成队列M。个体i的选择概率P_i由它在队列M中的位置W_i所决定：

$P_i=\frac{2W_i}{Q(Q+1)}$

其中，Q是种群大小。

1033：采用遗传算法进行求解，考虑到决策变量中同时包含连续变量和离散变量，采用中间重组的方式实现交叉算子，采用简单扰动方式实现变异算子。规定交叉概率在0.6～0.9范围内变化，变异概率在0.01～0.1范围内变化。

1034：定义δ为前后预测时段的最大概率密度预测值的相对误差，基准值为实际值。设定不同的误差|δ|、不同的置信水平α，重复上述过程，得到在不同误差水平、不同置信水平下的微网合约期运行成本Z_T(|δ|,α)；

1035：定义期望成本；

期望成本定义方法为

$Z_{\mathrm{EX}}\left(\mathrm{\α}\right)=\frac{\∫w\left(\right|\mathrm{\δ}\left|\right)Z_T\left(\right|\mathrm{\δ}|,\mathrm{\α})\mathrm{d\δ}}{\∫w\left(\right|\mathrm{\δ}\left|\right)\mathrm{d\δ}}$

其中，w(|δ|为Z_T(|δ|,α)的权重系数，是实际值在假定的概率分布中的平均概率密度。

104：根据变置信水平优化策略确定最佳变置信水平区间。

根据期望成本判断以合约期经济利益为目标的微网运行最佳置信水平。对于较远的时段设定较大的置信水平，可以提高预测容错能力，而对于较近的时段设定较小的置信水平，可以获取较小经济成本的能量管理方案，基于此，本发明提出变置信水平优化策略。

最佳变置信水平区间为[0.3,0.7]，具体实施方法为

${\mathrm{\α}}_i=0.3+\frac{0.7-0.3}{N}(i-k)$

其中，α_i为第i时段应采用的置信水平，N是合约期内总的时段数；k、i分别表示调度时段和未来时段。

下面以具体的试验来验证本方法的可行性，详见下文描述：

本发明以一台65kW的微型燃气轮机，其最小技术出力15kW，一台30kW的风力发电机，一组20kW的光伏电池以及一组200kW·h的蓄电池构成的微网为实例进行说明。设定合约期以天计，且约定W_BT＝260kW·h，W_ST＝175kW·h，交易电价变化情况见图1所示，合约电量内K_Bi＝0.8，K_Si＝1.2。微网某典型日的电负荷P_ELi、热负荷需求的燃气轮机出力P_HLi、风机最大出力P_WTi、光伏电池最大出力P_PVi如图2所示。相关成本参数取值如表1所示，概率分布参数如表2所示。

表1

参数	a	b	c	CWT	CPV	CBAT	CF
								取值	-0.4039	-0.0061	0.71	0.3	0.3	0.5	1.0

表2

注：P_ELi、P_HLi、P_WTi、P_PVi、C_Bi、C_Si为图2、图1中的实际值。

采用遗传算法和基于置信区间优化模型，对合约期内微网经济成本进行优化，其结果如图3所示，并将分段局部优化和事后全局优化结果绘制于图3。

从图3可以看出：①基于置信区间的微网经济成本明显低于分段局部优化和高于事后全局优化；②在|δ|给定的情况下，Z_T＝f(α)是一条V型曲线，曲线底部的置信水平随着|δ|的增加而增加；③在α给定的情况下，|δ|越大Z_T也越大；④置信水平越低，Z_T受|δ|的影响越大。这里相邻时段的|δ|对应合约期末最大预测偏差为[0,100％]。

根据所定义的期望成本计算Z_EX(α)，见图3。可以看出，在α很大或很小的场合，Z_EX(α)都很大，α在0.3～0.7范围内微网经济成本都较低。

针对此范例，变置信水平改变方式为

$\mathrm{\α}={\mathrm{\α}}_{\min }+\frac{{\mathrm{\α}}_{\max }-{\mathrm{\α}}_{\min }}{N}(i-k)$

其中，α_max、α_min是最大、最小置信水平；N是合约期内总的时段数；k、i分别表示调度时段和未来时段。

按照变置信水平方法进行优化求解，见图4。变置信水平优化结果如表3所示。

表3

α	0.7	[0.1,0.9]	[0.2,0.8]	[0.3,0.7]	[0.4,0.6]
						ZT(元)	189.52	146.87	134.69	119.02	122.96

通过合约期的成本对比可知，变置信水平在[0.3,0.7]范围内的优化方法具有实用性。

综上所述，本发明针对电力市场环境中微网用户与配电公司存在的双边合约交易，根据不同分布式电源、热电负荷、交易电价等因素的概率模型，对市场环境中的微网能量管理模型做出了准确描述，提出一种基于置信区间的经济调度优化模型，定义了不平衡功率以表征对等式约束的区间处理所导致的不平衡问题，采用遗传算法进行求解，分析了置信水平在不同预测偏差情况下对微网经济运行的影响，提出采用期望成本衡量置信水平选择方案的观点，对微网在配电侧电力市场环境中的经济运行做出指导。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种微网能量控制方法，其特征在于，所述微网能量控制方法包括以下步骤：

根据风速、光照强度、交易电价以及热、电负荷的概率分布，确定电力市场中微网在第k时段计算的微网合约期运行成本Z_Tk；

对随机变量进行最小置信区间化处理，增加不平衡功率惩罚项，确定微网合约期运行成本Z_Tk在置信水平α下的表达式；

根据期望成本确定最佳置信水平；根据变置信水平优化策略确定最佳变置信水平区间；

其中，所述根据风速、光照强度、交易电价以及热、电负荷的概率分布，确定电力市场中微网在第k时段计算的微网合约期运行成本Z_Tk的步骤具体为：

确定电力市场中微网与配电网电能交易机制，设定一种合约期电能结算方式；

计算微型燃气轮机发电成本；计算风力发电机与光伏电池发电成本；计算蓄电池运行成本；计算电能交易成本；计算第i时段的微网运行成本；计算合约期T内的微网运行成本；

第i时段内的热负荷需求P_HLξi、电负荷需求P_ELξi的概率分布通过正态分布来进行拟合；

第i时段内的风力发电机最大输出功率P_WTξi的概率分布为双参数威布尔分布；第i时段内的光伏电池最大输出功率P_PVξi的概率分布为Beta分布；

第i时段内的交易电价在低负荷时段的概率分布为正态分布，中高负荷时段的概率分布为对数正态分布；

通过上述步骤确定在第k时段计算的微网合约期运行成本表达式；

其中，k和i分别为调度时段和未来时段；

以Z_Tk最优为目标函数的优化模型中分别建立微型燃气轮机、蓄电池、买卖交易、功率平衡的约束条件；

对随机变量进行最小置信区间化处理，

确定原则为：

$\left\{\begin{array}{c}F\left(x_{\mathrm{\α}}^{+}\right)-F\left(x_{\mathrm{\α}}^{-}\right)=\mathrm{\α}\\ f\left(x_{\mathrm{\α}}^{+}\right)=f\left(x_{\mathrm{\α}}^{-}\right)\\ x_{\mathrm{\α}}^{-}\≤x_{\max }\≤x_{\mathrm{\α}}^{+}\end{array}\right.$

F(x)、f(x)分别为随机变量x的概率分布函数、概率密度函数，分别表示变量x在置信水平α下的置信区间的上下边界，x_max为概率密度值最大处所对应的变量值；

增加不平衡功率惩罚项，确定微网合约期运行成本Z_Tk在置信水平α下的表达式；

采用遗传算法进行求解，定义δ为前后预测时段的最大概率密度预测值的相对误差，设定不同的误差|δ|、不同的置信水平α，得到在不同误差水平、不同置信水平下的微网合约期运行成本Z_T(|δ|,α)；

定义期望成本

其中，w(|δ|)为Z_T(|δ|,α)的权重系数，是实际值在假定的概率分布中的平均概率密度；

根据期望成本判断以合约期经济利益为目标的微网运行最佳置信水平；

对于较远的时段设定较大的置信水平，对于较近的时段设定较小的置信水平，根据变置信水平优化策略确定最佳变置信水平区间。