微电网群优化调度研究

微电网群优化调度研究

1小型发配电系统微电网是指由各种分布电源、能源电子变体、能源消耗、能源负荷、储能设备和保护装置组成的小型发供电系统，可以进行自我控制和管理。按照是否与常规的电网联结,微电网可以分为并网型和独立型2基于柴油行业的成本模型2.1微电网群系统随着分布式发电渗透率的提高,微电网凭借其可靠、高效、环保、可持续性的能源清洁及灵活的发电模式、线路损耗小等优点得到了空前的发展。随着微电网量的增多,将邻近的n个微电网组成一个互联的微电网群系统。多微电网的互联运行在现实生活中具有非常大的应用前景,不仅能够大大降低自下而上的故障恢复时间,还可以提高故障情况下各微电网运行的可靠性和稳定性。2.2微电网群集ac总线网络实名由n个微电网构成的系统称为微电网群,也称之为微网群。各个微电网之间通过AC总线物理连接,因此称为群集AC总线。每个微电网的能量管理系统(EMS)都会收集关于各自产生能量存储和负载的本地信息,然后经由城域网向其他微电网的EMS传送和广播信息,形成一个完整的、信息交互的微电网群EMS。具体示意图如图1所示。2.3dg柴油发电机可扩充型生物主导设备在一个完整的微电网中,通常不考虑光伏和电池的发电成本,只考虑柴油发电机(DG)的发电成本。DG在微电网中作为一种小型分布式发电设备,以柴油为燃料,是原动机带动发电机发电的一种动力机械。柴油发电机组属于非连续性运行发电设备,若连续运行超过了12h,则其输出功率将会降低到额定功率的90%左右。尽管柴油发电机组的功率较低,但由于其体积小、灵活、轻便、配套齐全、便于操作和维护等优点,DG经常作为一种重要分布式电源。柴油发电机组作为削峰填谷的分布式后备电源,一般情况下,DG的成本与输出功率之间的关系表达式如下:式中:C3为区块微供电设计集中管理3.1不同光伏误差的滚动式联合优化在实现微电网群优化调度之前,先从滚动优化以及模型预测控制的角度来对单个微电网EMS进行优化。建立系统模型前,根据当前数据对未来进行预测。首先用拟合办法对现有数据进行处理,得到相应长时域预测模型;然后进一步依据当前实测值对预测模型进行修正。设当前实测偏差值为Δx(k/k),将该偏差叠加到滚动优化中,既考虑对当前数据的修正,又避免模型的大幅变动。预测示意图如图2所示。微网系统主要由光伏、电池、DG以及负载组成,以上的滚动优化主要针对光伏进行优化。假设第k天的光伏曲线如图3a所示,根据第k天的光伏曲线对第k+1天的光伏曲线进行滚动优化。该优化以2h为一个优化周期。将优化周期分为4个均等的时段进行滚动优化,例如第k天8:00的光伏能量为首先对单个微电网约束条件进行讨论,从单个离网运行的微电网功率平衡条件进行分析,功率平衡方程可以表示如下:式中:P其中预测总负载还包含了预测关键负载L对于单个微电网,在光伏预测发电功率已知的情况下,可以制定每个调度周期内可控电源以及电池提供功率的出力计划,使得运行成本的最小化,优化目标如下式:式中:P式(4)表示以DG的输出功率来保证关键负载的供电,因此必须大于L3.2基于多个微电网群的滚动式联合分布优化在上一节中对单个微电网的约束条件进行了分析,而在微电网中往往是由多个微电网组成的微电网群使得能量得到更好的利用,对微电网群进行滚动优化。首先同单个微电网一样对整个微电网群进行能量预测,建立约束条件,然后进行价格目标的优化。3.2.1光伏电源个数从整个微电网群功率平衡条件进行分析,在每个预测时刻i的功率平衡方程可以表示如下:式中:X为整个微网群的光伏电源个数;Y为DG的个数;Z为电池电源的个数;M为总负载个数,其中负载关系与单个微电网的负载关系相同。微电网群中每个微电网输出能量不同,会导致每个微电网有不同的交换功率P根据上式可以推导出单个微电网DG的成本函数如下:式中:c取交换功率为自变量,又可得:3.2.2admm算法在所涉及到的成本函数中,主要对DG的发电成本进行优化,得到以下优化问题:式中,考虑到价格函数为凸函数,可以看出上述问题是一个最佳交换问题的类别,同样可以通过ADMM来解决这个问题。由ADMM原理可推导出分布式优化迭代的最终形式为:式中:ρ为惩罚系数;λ具体算法步骤如下,其中ε为收敛误差:①初始化λ=0,q=1,计算P4模拟和实验4.1有能量流动系统为了验证针对微电网群提出的分布式EMS优化控制器算法的实用性,通过搭建微电网IMS架构进行仿真。如图6所示,虚线表示通信线路,实线表示电力线路。如图6所示,微电网群由m(m≥2)个微电网组成,单个微电网又由光伏PV、储能电池BESS、分布式DG组成能量流动系统。每个微电网的配置和参数为:PV由图7可见,每个微电网期望交换功率不同,正值表示能量过剩,可以往外输送能量;负值表示能量不足,需要从其他微电网输入能量。初始迭代阶段,各微网期望交换功率都为负,所有微电网均希望从其他微网输入功率。该优化周期内,随着迭代次数增加,式(11)第1式中拉格朗日乘子不断累加,各微电网交换功率也随着各微电网发出电力的调整而改变,直到迭代55次之后,微电网群所有发出电力与总负荷持平,平均交换功率接近于零时收敛,收敛之后各微电网交换功率保持不变,收敛时交换功率之和接近于零,此时调度为该时段内最优化。4.2微网群分配调度优化通过实验室搭建的3个微电网组成微网群平台进行实验。单个微电网平台主要组成部分为:蓄电池组、用户负载、分布式逆变器、光伏列阵、DG。所搭建的微网群中各微电网配置参数如下:PV为了模拟实际情况,设计各微电网负荷功率分别为1kW,3kW,4kW,每10min进行调度优化,周期内进行迭代优化计算,得到迭代过程中各微电网交换功率曲线如图8所示。如图8中曲线所示,随着迭代次数的增加,各微电网的输出功率不断进行优化调整,约16个迭代步骤之后,系统交换功率之和趋于零,达到收敛条件,得到此周期调度最优解。5优化目标函数首先对微电网中柴油发电机的成本计算进行了介绍,对微电网中光伏能量、关键负载以及非关键负载进行了预测,然后结合预测值对单个微