一种多微网综合能源系统优化调度方法和系统与流程

1.本发明涉及综合能源调度技术领域，尤其涉及一种多微网综合能源系统优化调度方法和系统。


背景技术：

2.综合能源系统指一定区域内利用先进的物理信息技术和创新管理模式，整合区域内煤炭、石油、天然气、电能、热能等多种能源，实现多种异质能源子系统之间的协调规划、优化运行，协同管理、交互响应和互补互济。目前综合能源系统的运行方式主要分为以热定电和以电定热两种。
3.多微网系统是指由多个微电网相互协调出力的系统，可以在紧急情况下为电网提供辅助服务和安全支撑。
4.传统电网向智能电网过渡的有效方式之一是将分布式电源(distributed generation，dg)接入配电网构成主动式配电网(简称主动配电网，active distribution network，adn)。但dg的随机性、波动性带来了诸多新问题，如：潮流的随机变化、电压无功控制复杂化、谐波污染、保护误动等，给配电网电能质量和供电可靠性造成影响。此外大量的dg接入配电网中，也会使配电网运营管理与控制模式发生变化。为降低dg不确定性对配电网造成的一系列影响，微电网的这一新概念被提出。微电网是分布式电源、储能系统、能量转换装置、监控和保护装置、负荷等组成的小型发、配、用电系统。
5.为更好的利用新能源，在多微网系统中增加了其他形式的能源，以此来降低其出现的资源浪费、可靠性差等问题，即提出了多微网综合能源系统。多微网综合能源系统中包含多种类型负荷，如何对冷-热-电负荷进行需求侧管理，将源-荷侧结合进行优化调度是关键点。现有的综合能源系统的能源调度，将电热网络的需求侧响应分开分析，难以实现在保持多微网功率平衡的情况下的综合能源最优调度，难以降低弃风弃光率，且受电热负荷和电价波动性的影响较大，鲁棒性低。


技术实现要素：

6.本发明提供了一种多微网综合能源系统优化调度方法和系统，用于解决现有的综合能源系统的能源调度，将电热网络的需求侧响应分开分析，难以实现在保持多微网功率平衡的情况下的综合能源最优调度，难以降低弃风弃光率，且受电热负荷和电价波动性的影响较大，鲁棒性低的技术问题。
7.有鉴于此，本发明第一方面提供了一种多微网综合能源系统优化调度方法，包括以下步骤：
8.s1、建立基于分时电价的电负荷需求响应模型；
9.s2、以电负荷的峰谷差最小为目标，基于改进仿电磁学算法对电负荷需求响应模型求最优解，得到第一优化结果，第一优化结果包括电负荷功率和分时电价；
10.s3、根据第一优化结果建立电-热负荷响应结合的微电网优化调度模型，其中，微
电网优化调度模型包括目标函数和约束条件，约束条件包括电功率平衡约束，微电网优化调度模型的目标函数为：
[0011][0012]
其中，c为微电网总运行成本，c
es,t
、c
wi,t
、c
pv,t
、c
mt,t
、c
hp,t
分别为t时段储能、风机、光伏和微型燃气轮机及热泵的运行成本，c
b,t
为向外购电成本；
[0013]
第一优化结果中的分时电价用于计算向外购电成本c
b,t
，第一优化结果中的电负荷功率用于建立电功率平衡约束；
[0014]
s4、以微电网总运行成本最小为目标，基于改进仿电磁学算法对微电网优化调度模型求最优解，得到第二优化结果；
[0015]
s5、根据第二优化结果对应的调度策略对微电网的综合能源进行调度。
[0016]
可选地，电负荷需求响应模型的目标函数为：
[0017][0018][0019]
约束条件为：
[0020]
0≤δp
e,t
≤δp
e,max
[0021][0022][0023]
其中，p
eh,t
为t时刻响应后的电负荷功率，p
e,t
为响应前的电负荷功率，δp
e,t
为响应前后电负荷功率的变化量，ω
y0,t
为响应前t时段的电价，δω
y,t
为响应前后的电价变化量，e为需求弹性矩阵，e中的元素i∈n,j∈n，为负荷需求价格弹性函数，δp
e,max
为响应后负荷改变量的上限，t为一个调度周期内的总时段，ω
y,f
为峰时段自变量电价，ω
y,v
为谷时段自变量电价，ω
y,t
为响应后t时段的电价。
[0024]
可选地，向外购电成本c
b,t
的计算公式为：
[0025]cb,t
＝ω
y,t
p
b,t
[0026]
其中，p
b,t
为微电网与主动式配电网系统的交互功率。
[0027]
可选地，电功率平衡约束为：
[0028][0029]
其中，p
wi,t
为风机发电功率，p
pv,t
为光伏发电功率，p
mt,t
为燃气轮机发电功率，为储能放电功率，为储能充电功率，p
hp,t
为热泵输入功率。
[0030]
可选地，t时段储能的运行成本c
es,t
的计算公式为：
[0031][0032]
其中，β
es
为储能的单位运行维护成本；
[0033]
t时段风机的运行成本c
wi,t
的计算公式为：
[0034]cwi,t
＝β
wi
p
wi,t
[0035]
其中，β
wi
为风机的单位运行维护成本；
[0036]
t时段光伏的运行成本c
pv,t
的计算公式为：
[0037]cpv,t
＝β
pv
p
pv,t
[0038]
其中，β
pv
为光伏的单位运行维护成本；
[0039]
t时段微型燃气轮机的运行成本c
mt,t
的计算公式为：
[0040][0041]
其中，β
mt
为微型燃气轮机的单位运行维护成本，λg为天然气价格，η
mt
为燃气轮机发电效率，h
vng
为天然气热值；
[0042]
t时段热泵的运行成本c
hp,t
的计算公式为：
[0043]chp,t
＝β
hp
p
hp,t
[0044]
其中，β
hp
为热泵的单位运行维护成本；
[0045]
微电网优化调度模型的约束条件还包括：
[0046]
δ
min
≤δ≤δ
max
[0047][0048]qch,t
＝q
mt,t
η
hcoph
[0049]
p
mt,min
≤p
mt,t
≤p
mt,max
[0050]qhph,,t
＝p
hp,t
·
μ
hph
[0051]
p
hp,min
≤p
hp,t
≤p
hp,max
[0052][0053]
p
b,min
≤p
b,t
≤p
b,max
[0054][0055]
其中，δ
min
和δ
max
分别为室内温度的最小值和最大值，q
mt,t
为t时段微型燃气轮机的排气余热量，η
l
为散热损失率，q
ch,t
为t时段余热锅炉吸收燃气轮机产生的热量，c
oph
为余热
锅炉的制热系数，ηh为余热锅炉的烟气回收率，q
hph,,t
为t时段热泵的产热量，μ
hph
为热泵的制热效率，p
hp,min
和p
hp,max
分别为热泵的最小输入电功率和最大输入电功率，和分别为储能充电功率的最小值和最大值，和分别为储能放电功率的最小值与最大值，p
b,min
和p
b,max
分别为微电网与主动式配电网系统交互功率的下限和上限，p
h,t
为响应后t时段建筑物注入热功率。
[0056]
本技术第二方面提供了一种多微网综合能源系统优化调度系统，包括以下模块：
[0057]
电负荷侧模型构建模块，用于建立基于分时电价的电负荷需求响应模型；
[0058]
第一求解模块，用于以电负荷的峰谷差最小为目标，基于改进仿电磁学算法对电负荷需求响应模型求最优解，得到第一优化结果，第一优化结果包括电负荷功率和分时电价；
[0059]
调度模型构建模块，用于根据第一优化结果建立电-热负荷响应结合的微电网优化调度模型，其中，微电网优化调度模型包括目标函数和约束条件，约束条件包括电功率平衡约束，微电网优化调度模型的目标函数为：
[0060][0061]
其中，c为微电网总运行成本，c
es,t
、c
wi,t
、c
pv,t
、c
mt,t
、c
hp,t
分别为t时段储能、风机、光伏和微型燃气轮机及热泵的运行成本，c
b,t
为向外购电成本；
[0062]
第一优化结果中的分时电价用于计算向外购电成本c
b,t
，第一优化结果中的电负荷功率用于建立电功率平衡约束；
[0063]
第二求解模块，用于以微电网总运行成本最小为目标，基于改进仿电磁学算法对微电网优化调度模型求最优解，得到第二优化结果；
[0064]
调度模块，用于根据第二优化结果对应的调度策略对微电网的综合能源进行调度。
[0065]
可选地，电负荷需求响应模型的目标函数为：
[0066][0067][0068]
约束条件为：
[0069]
0≤δp
e,t
≤δp
e,max
[0070][0071][0072]
其中，p
eh,t
为t时刻响应后的电负荷功率，p
e,t
为响应前的电负荷功率，δp
e,t
为响应前后电负荷功率的变化量，ω
y0,t
为响应前t时段的电价，δω
y,t
为响应前后的电价变化量，e为需求弹性矩阵，e中的元素为负荷需求价格弹性函数，δp
e,max
为响应后负荷改变量的上限，t为一个调度周期内的总时段，ω
y,f
为峰时段自变量电价，ω
y,v
为谷时段自变量电价，ω
y,t
为响应后t时段的电价。
[0073]
可选地，向外购电成本c
b,t
的计算公式为：
[0074]cb,t
＝ω
y,t
p
b,t
[0075]
其中，p
b,t
为微电网与主动式配电网系统的交互功率。
[0076]
可选地，电功率平衡约束为：
[0077][0078]
其中，p
wi,t
为风机发电功率，p
pv,t
为光伏发电功率，p
mt,t
为燃气轮机发电功率，为储能放电功率，为储能充电功率，p
hp,t
为热泵输入功率。
[0079]
可选地，t时段储能的运行成本c
es,t
的计算公式为：
[0080][0081]
其中，β
es
为储能的单位运行维护成本；
[0082]
t时段风机的运行成本c
wi,t
的计算公式为：
[0083]cwi,t
＝β
wi
p
wi,t
[0084]
其中，β
wi
为风机的单位运行维护成本；
[0085]
t时段光伏的运行成本c
pv,t
的计算公式为：
[0086]cpv,t
＝β
pv
p
pv,t
[0087]
其中，β
pv
为光伏的单位运行维护成本；
[0088]
t时段微型燃气轮机的运行成本c
mt,t
的计算公式为：
[0089][0090]
其中，β
mt
为微型燃气轮机的单位运行维护成本，λg为天然气价格，η
mt
为燃气轮机发电效率，h
vng
为天然气热值；
[0091]
微电网优化调度模型的约束条件还包括：
[0092]
δ
min
≤δ≤δ
max
[0093][0094]qch,t
＝q
mt,t
η
hcoph
[0095]
p
mt,min
≤p
mt,t
≤p
mt,max
[0096]qhph,,t
＝p
hp,t
·
μ
hph
[0097]
p
hp,min
≤p
hp,t
≤p
hp,max
[0098][0099]
p
b,min
≤p
b,t
≤p
b,max
[0100][0101]
其中，δ
min
和δ
max
分别为室内温度的最小值和最大值，q
mt,t
为t时段微型燃气轮机的排气余热量，η
l
为散热损失率，q
ch,t
为t时段余热锅炉吸收燃气轮机产生的热量，c
oph
为余热锅炉的制热系数，ηh为余热锅炉的烟气回收率，q
hph,,t
为t时段热泵的产热量，μ
hph
为热泵的制热效率，p
hp,min
和p
hp,max
分别为热泵的最小输入电功率和最大输入电功率，和分别为储能充电功率的最小值和最大值，和分别为储能放电功率的最小值与最大值，p
b,min
和p
b,max
分别为微电网与主动式配电网系统交互功率的下限和上限，p
h,t
为响应后t时段建筑物注入热功率。
[0102]
从以上技术方案可以看出，本发明提供的多微网综合能源系统优化调度方法和系统具有以下优点：
[0103]
本发明提供的多微网综合能源系统优化调度方法和系统，在第一阶段建立基于分时电价的电负荷需求响应模型，利用改进仿电磁学算法求最优解，求解后得到最优的电负荷功率和分时电价，然后将最优的电负荷功率和分时电价代入第二阶段建立的电-热负荷响应结合的微电网优化调度模型，利用改进仿电磁学算法求最优解，得到最优解对应的综合能源调度策略，利用了电能和热能之间的转换特性将电热负荷响应结合，更全面的考虑了需求侧与电源侧相互作用的效应，在保持多微电网功率平衡的前提下，实现了多微网系统的最优调度，完成各微电源的合理优化配置，促进了可再生能源的消纳，有利于减少弃风弃光现象，且结合改进仿电磁学算法求解模型，可以减少电-热负荷和电价波动性的影响，提高了系统的鲁棒性，解决了现有的综合能源系统的能源调度，将电热网络的需求侧响应分开分析，难以实现在保持多微网功率平衡的情况下的综合能源最优调度，难以降低弃风弃光率，且受电热负荷和电价波动性的影响较大，鲁棒性低的技术问题。
附图说明
[0104]
为了更清楚的说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0105]
图1为本发明提供的一种多微网综合能源系统优化调度方法的流程示意图；
[0106]
图2为本发明提供的改进仿电磁学算法的原理框图；
[0107]
图3为本发明提供的一种多微网综合能源系统优化调度系统的结构示意图。
具体实施方式
[0108]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0109]
为了便于理解，请参阅图1，本发明中提供了一种多微网综合能源系统优化调度方法的实施例，包括：
[0110]
步骤101、建立基于分时电价的电负荷需求响应模型。
[0111]
步骤102、以电负荷的峰谷差最小为目标，基于改进仿电磁学算法对电负荷需求响应模型求最优解，得到第一优化结果，第一优化结果包括电负荷功率和分时电价。
[0112]
本发明实施例中，第一部分首先建立基于分时电价的电负荷需求响应模型，采用基于峰-谷-平时电价的需求侧响应模型来反映电价对电负荷的影响程度，以峰谷差最小为目标，采用改进仿电磁学算法(electromagnetism-like mechanism，elm)来优化出峰谷平三个时段的电价与响应后电负荷的情况。
[0113]
以电负荷的峰谷差最小为目标，即：
[0114]
min(p
eh,max-p
eh,min
)2[0115]
其中，p
eh,max
和p
eh,min
分别表示进行优化后电负荷的最大值和最小值。
[0116]
基于分时电价的电负荷需求响应模型的数学模型为：
[0117][0118]
其中，e为需求弹性矩阵，其表达式为：
[0119][0120]
在需求弹性矩阵e中，行元素为同一时段不同电价下的负荷需求价格弹性函数，列元素为同一电价下不同时段的负荷需求价格弹性函数。需求弹性矩阵e中的对角元素即表示相同时段相同电价(即峰时段选择对应峰时段电价、平时段选择对应平时段电价、谷时段选择对应谷时段电价)下的负荷需求价格弹性函数。负荷需求价格弹性函数用于表示电价变化与电力负荷需求的变化关系，其数学模型为：
[0121][0122]
式中，为负荷需求价格弹性函数，δωy为电价变化量，δpe为电负荷变化量，ωy为电价，pe为电负荷量。
[0123]
峰、平、谷三个时段的电价与电负荷的关系表示为：
[0124][0125]
其中，pf、p
p
、pv分别表示峰、平、谷三个时段的因变量电负荷需求，xf、yf、x
p
、y
p
、xv、yv分别表示峰、平、谷三个时段电价与负荷量关系的曲线参数，ω
y,f
、ω
y,p
、ω
y,v
分别表示峰、平、谷三个时段自变量电价。
[0126]
在均衡点附近可近似认为电价与负荷量的关系为线性关系。通过上述公式的综合代换，并通过矩阵的线性变换和可逆变换，求出需求弹性矩阵e中各元素的表达方程式，如下所示：
[0127][0128]
其中，e
ff
、e
fp
、e
fv
分别表示峰、平、谷三个时段正确执行峰时段电价、峰时段执行平时电价及峰时段执行谷时段的电价时需求弹性矩阵e中的元素，该种表达式可以更精确反映出不同时段下负荷需求变化情况及判断执行策略的最佳情况。e
pf
、e
pp
、e
pv
、e
vf
、e
vp
、e
vv
的表达式可同理根据e
ff
、e
fp
、e
fv
的表达式得到，在此不再赘述，因而，可以对应得到需求弹性矩阵e中各元素的表达方程式。
[0129]
基于分时电价的电负荷需求响应模型的数学模型的约束条件为：
[0130]
0≤δp
e,t
≤δp
e,max
[0131][0132][0133]
其中，p
eh,t
为t时刻响应后的电负荷功率，p
e,t
为响应前的电负荷功率，δp
e,t
为响应前后电负荷功率的变化量，ω
y0,t
为响应前t时段的电价，δω
y,t
为响应前后的电价变化量，e为需求弹性矩阵，e中的元素i∈n,j∈n，为负荷需求价格弹性函数，δp
e,max
为响应后负荷改变量的上限，t为一个调度周期内的总时段，ω
y,f
为峰时段自变量电价，ω
y,v
为谷时段自变量电价，ω
y,t
为响应后t时段的电价。
[0134]
步骤103、根据第一优化结果建立电-热负荷响应结合的微电网优化调度模型，其中，微电网优化调度模型包括目标函数和约束条件，约束条件包括电功率平衡约束。
[0135]
步骤104、以微电网总运行成本最小为目标，基于改进仿电磁学算法对微电网优化调度模型求最优解，得到第二优化结果。
[0136]
步骤105、根据第二优化结果对应的调度策略对微电网的综合能源进行调度。
[0137]
本发明第二部分建立电-热负荷响应结合的微电网优化调度模型，将第一部分的优化结果(电负荷功率p
eh,t
和分时电价ω
y,t
)直接带入微电网优化调度模型的目标函数和约束条件中，其中，分时电价ω
y,t
用于计算向外购电成本c
b,t
，电负荷功率p
eh,t
用于建立电功率平衡约束。
[0138]
电-热负荷响应结合的微电网优化调度模型包括对热负荷进行激励型需求侧响应，即室温在人体舒适区域(20℃～22℃)变化来调节热负荷的大小，热功率与室内温度变化关系为：
[0139][0140]
τ＝rφ
air
[0141]
其中，δ
in
和δ
out
分别表示室内和室外温度，r为建筑物等效热阻，φ
air
为建筑物内空气热容，p
h,t
为响应后t时段建筑物注入热功率，n为供暖用户数量。
[0142]
电-热负荷响应结合的微电网优化调度模型的目标函数为：
[0143][0144]
其中，c为微电网总运行成本，c
es,t
、c
wi,t
、c
pv,t
、c
mt,t
、c
hp,t
分别为t时段储能、风机、光伏和微型燃气轮机及热泵的运行成本，c
b,t
为向外购电成本。
[0145]
其中，
[0146][0147][0148]
β
es
为储能的单位运行维护成本，β
wi
为风机的单位运行维护成本，β
pv
为光伏的单位运行维护成本，β
mt
为微型燃气轮机的单位运行维护成本，λg为天然气价格，η
mt
为燃气轮机发电效率，h
vng
为天然气热值，β
hp
为热泵的单位运行维护成本，p
wi,t
为风机发电功率，p
pv,t
为光伏发电功率，p
mt,t
为燃气轮机发电功率，为储能放电功率，为储能充电功率，p
hp,t
为热泵输入功率。
[0149]
电-热负荷响应结合的微电网优化调度模型的目标函数的约束条件为：
[0150]
电功率平衡约束：
[0151][0152]
其他约束条件：
[0153]
δ
min
≤δ≤δ
max
[0154][0155]qch,t
＝q
mt,t
η
hcoph
[0156]
p
mt,min
≤p
mt,t
≤p
mt,max
[0157]qhph,,t
＝p
hp,t
·
μ
hph
[0158]
p
hp,min
≤p
hp,t
≤p
hp,max
[0159][0160]
p
b,min
≤p
b,t
≤p
b,max
[0161][0162]
其中，δ
min
和δ
max
分别为室内温度的最小值和最大值，q
mt,t
为t时段微型燃气轮机的排气余热量(单位kw)，η
l
为散热损失率，q
ch,t
为t时段余热锅炉吸收燃气轮机产生的热量，c
oph
为余热锅炉的制热系数，ηh为余热锅炉的烟气回收率，q
hph,,t
为t时段热泵的产热量，μ
hph
为热泵的制热效率，p
hp,min
和p
hp,max
分别为热泵的最小输入电功率和最大输入电功率，和分别为储能充电功率的最小值和最大值，和分别为储能放电功率的最小值与最大值，p
b,min
和p
b,max
分别为微电网与主动式配电网(active distribution network，adn)系统交互功率的下限和上限，p
h,t
为响应后t时段建筑物注入热功率。
[0163]
以微电网总运行成本最小为目标，基于改进仿电磁学算法对微电网优化调度模型求最优解，得到第二优化结果，第二优化结果即为满足微电网总运行成本最小下的各能源电源(储能、风机、光伏和微型燃气轮机及热泵)的出力大小。
[0164]
本发明中第一部分和第二部分的模型均采用改进仿电磁学算法进行求解，改进仿电磁学算法的原理框图如图2所示，其基本原理是：采用记忆和反馈机制，通过模拟带电粒子间的相互吸引和排斥作用，有效地解决微电网规划这类数据量大、约束条件多、非凸非线性目标函数的复杂多目标优化问题。
[0165]
在使用改进仿电磁学算法优化求解时，每个单一个体看作一个电荷，其粒子的搜索公式为：
[0166][0167]
其中，
[0168]
[0169][0170][0171]
为第u次迭代中粒子i对随机粒子r的矢量力，当被动聚集因子c为负，否则为正。考虑到微电网规划的整数性，为避免算法分母为0，设置δ为抗干扰因子。为第u次迭代中的第i个粒子，m为为防止粒子越限搜索而设置的约束条件，为第u次迭代中粒子i所带电荷值，m为种群粒子总数，n为粒子维数，f(
·
)为评价粒子的适应度函数，为第u次迭代中适应度值最优的粒子，为第u次迭代中第i个粒子的矢量力，λ为权重系数，和分别为变量的上限值和下限值，n(0,1)为标准正态分布函数。
[0172]
求解的步骤为：
[0173]
1)参数初始化。设置种群规模m，粒子维数n，迭代次数u，且初始迭代次数为1，决策变量的上下限、最大迭代次数等，输入电负荷模型中涉及的参数及综合能源微电网模型中的相关参数。
[0174]
2)种群初始化。以微电网中各分布式电源的单机容量和数量作为决策变量，利用下式产生满足上下限约束的初始种群：
[0175][0176]
3)展开全局搜索，根据所确定的模型计算种群中每个粒子对应适应度函数值及个体矢量力的大小。
[0177]
4)根据粒子的搜索公式产生新的种群，比较新种群和前一代种群的适应度函数值，更新种群中的粒子并保存当前代最优解。
[0178]
5)判断种群进化是否停滞，若停滞达到设定代数，则改变迭代补偿、变异策略并缩减搜索空间。
[0179]
6)判断是否达到算法终止的迭代次数，若否，则转入步骤3)继续重复迭代步骤，若是，则终止寻优并输出最优解及最优目标函数值。
[0180]
本发明提供的多微网综合能源系统优化调度方法，在第一阶段建立基于分时电价的电负荷需求响应模型，利用改进仿电磁学算法求最优解，求解后得到最优的电负荷功率和分时电价，然后将最优的电负荷功率和分时电价代入第二阶段建立的电-热负荷响应结合的微电网优化调度模型，利用改进仿电磁学算法求最优解，得到最优解对应的综合能源调度策略，利用了电能和热能之间的转换特性将电热负荷响应结合，更全面的考虑了需求侧与电源侧相互作用的效应，在保持多微电网功率平衡的前提下，实现了多微网系统的最优调度，完成各微电源的合理优化配置，促进了可再生能源的消纳，有利于减少弃风弃光现象，且结合改进仿电磁学算法求解模型，可以减少电-热负荷和电价波动性的影响，提高了系统的鲁棒性，解决了现有的综合能源系统的能源调度，将电热网络的需求侧响应分开分析，难以实现在保持多微网功率平衡的情况下的综合能源最优调度，难以降低弃风弃光率，且受电热负荷和电价波动性的影响较大，鲁棒性低的技术问题。
[0181]
为了便于理解，请参阅图3，本发明中提供了一种多微网综合能源系统优化调度系
统的实施例，包括以下模块：
[0182]
电负荷侧模型构建模块，用于建立基于分时电价的电负荷需求响应模型；
[0183]
第一求解模块，用于以电负荷的峰谷差最小为目标，基于改进仿电磁学算法对电负荷需求响应模型求最优解，得到第一优化结果，第一优化结果包括电负荷功率和分时电价；
[0184]
调度模型构建模块，用于根据第一优化结果建立电-热负荷响应结合的微电网优化调度模型，其中，微电网优化调度模型包括目标函数和约束条件，约束条件包括电功率平衡约束，微电网优化调度模型的目标函数为：
[0185][0186]
其中，c为微电网总运行成本，c
es,t
、c
wi,t
、c
pv,t
、c
mt,t
、c
hp,t
分别为t时段储能、风机、光伏和微型燃气轮机及热泵的运行成本，c
b,t
为向外购电成本；
[0187]
第一优化结果中的分时电价用于计算向外购电成本c
b,t
，第一优化结果中的电负荷功率用于建立电功率平衡约束；
[0188]
第二求解模块，用于以微电网总运行成本最小为目标，基于改进仿电磁学算法对微电网优化调度模型求最优解，得到第二优化结果；
[0189]
调度模块，用于根据第二优化结果对应的调度策略对微电网的综合能源进行调度。
[0190]
电负荷需求响应模型的目标函数为：
[0191][0192][0193]
约束条件为：
[0194]
0≤δp
e,t
≤δp
e,max
[0195][0196][0197]
其中，p
eh,t
为t时刻响应后的电负荷功率，p
e,t
为响应前的电负荷功率，δp
e,t
为响应前后电负荷功率的变化量，ω
y0,t
为响应前t时段的电价，δω
y,t
为响应前后的电价变化量，e为需求弹性矩阵，e中的元素i∈n,j∈n，为负荷需求价格弹性函数，δp
e,max
为响应
后负荷改变量的上限，t为一个调度周期内的总时段，ω
y,f
为峰时段自变量电价，ω
y,v
为谷时段自变量电价，ω
y,t
为响应后t时段的电价。
[0198]
向外购电成本c
b,t
的计算公式为：
[0199]cb,t
＝ω
y,t
p
b,t
[0200]
其中，p
b,t
为微电网与主动式配电网系统的交互功率。
[0201]
电功率平衡约束为：
[0202][0203]
其中，p
wi,t
为风机发电功率，p
pv,t
为光伏发电功率，p
mt,t
为燃气轮机发电功率，为储能放电功率，为储能充电功率，p
hp,t
为热泵输入功率。
[0204]
t时段储能的运行成本c
es,t
的计算公式为：
[0205][0206]
其中，β
es
为储能的单位运行维护成本；
[0207]
t时段风机的运行成本c
wi,t
的计算公式为：
[0208]cwi,t
＝β
wi
p
wi,t
[0209]
其中，β
wi
为风机的单位运行维护成本；
[0210]
t时段光伏的运行成本c
pv,t
的计算公式为：
[0211]cpv,t
＝β
pv
p
pv,t
[0212]
其中，β
pv
为光伏的单位运行维护成本；
[0213]
t时段微型燃气轮机的运行成本c
mt,t
的计算公式为：
[0214][0215]
其中，β
mt
为微型燃气轮机的单位运行维护成本，λg为天然气价格，η
mt
为燃气轮机发电效率，h
vng
为天然气热值；
[0216]
t时段热泵的运行成本c
hp,t
的计算公式为：
[0217]chp,t
＝β
hp
p
hp,t
[0218]
其中，β
hp
为热泵的单位运行维护成本；
[0219]
微电网优化调度模型的约束条件还包括：
[0220]
δ
min
≤δ≤δ
max
[0221][0222]qch,t
＝q
mt,t
η
hcoph
[0223]
p
mt,min
≤p
mt,t
≤p
mt,max
[0224]qhph,,t
＝p
hp,t
·
μ
hph
[0225]
p
hp,min
≤p
hp,t
≤p
hp,max
[0226][0227]
p
b,min
≤p
b,t
≤p
b,max
[0228][0229]
其中，δ
min
和δ
max
分别为室内温度的最小值和最大值，q
mt,t
为t时段微型燃气轮机的排气余热量，η
l
为散热损失率，q
ch,t
为t时段余热锅炉吸收燃气轮机产生的热量，c
oph
为余热锅炉的制热系数，ηh为余热锅炉的烟气回收率，q
hph,,t
为t时段热泵的产热量，μ
hph
为热泵的制热效率，p
hp,min
和p
hp,max
分别为热泵的最小输入电功率和最大输入电功率，和分别为储能充电功率的最小值和最大值，和分别为储能放电功率的最小值与最大值，p
b,min
和p
b,max
分别为微电网与主动式配电网系统交互功率的下限和上限，p
h,t
为响应后t时段建筑物注入热功率。
[0230]
本发明提供的多微网综合能源系统优化调度系统，在第一阶段建立基于分时电价的电负荷需求响应模型，利用改进仿电磁学算法求最优解，求解后得到最优的电负荷功率和分时电价，然后将最优的电负荷功率和分时电价代入第二阶段建立的电-热负荷响应结合的微电网优化调度模型，利用改进仿电磁学算法求最优解，得到最优解对应的综合能源调度策略，利用了电能和热能之间的转换特性将电热负荷响应结合，更全面的考虑了需求侧与电源侧相互作用的效应，在保持多微电网功率平衡的前提下，实现了多微网系统的最优调度，完成各微电源的合理优化配置，促进了可再生能源的消纳，有利于减少弃风弃光现象，且结合改进仿电磁学算法求解模型，可以减少电-热负荷和电价波动性的影响，提高了系统的鲁棒性，解决了现有的综合能源系统的能源调度，将电热网络的需求侧响应分开分析，难以实现在保持多微网功率平衡的情况下的综合能源最优调度，难以降低弃风弃光率，且受电热负荷和电价波动性的影响较大，鲁棒性低的技术问题。
[0231]
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。