一种基于KL散度的工业园区微电网分布鲁棒优化调度方法与流程

本发明涉及微电网优化调度技术，具体涉及一种基于kl散度的工业园区微电网分布鲁棒优化调度方法。

背景技术：

1、工业园区作为能源消费密集区域，其用能结构复杂、负荷波动大，对供电可靠性及经济性提出了较高要求。微电网作为一种集成分布式电源、储能系统、柔性负荷及控制装置的小型发配用电系统，能够有效促进可再生能源的就地消纳，提升园区能源供应的灵活性与韧性。随着光伏、风电等间歇性可再生能源在工业园区微电网中渗透率的不断提高，风光出力的不确定性给微电网的安全经济运行带来了严峻挑战。如何在不确定性环境下制定鲁棒且经济的调度策略，已成为当前工业园区微电网优化调度领域的研究热点。

技术实现思路

1、本发明要解决的技术问题：针对现有技术的上述问题，提供一种基于kl散度的工业园区微电网分布鲁棒优化调度方法，在兼顾经济性与鲁棒性的前提下，实现工业园区微电网中多类型灵活性资源的协调优化调度，提升系统对风光不确定性的适应能力，降低整体运行成本。

2、为了解决上述技术问题，本发明采用的技术方案为：

3、一种基于kl散度的工业园区微电网分布鲁棒优化调度方法，包括以下步骤：

4、获取工业园区微电网各灵活性资源的运行参数，建立以各灵活性资源的运行约束为约束条件、以最小化运行成本为目标的工业园区微电网确定性模型；

5、获取风光出力的历史样本，基于kl散度构建风光出力的模糊集；

6、根据所述模糊集，将工业园区微电网确定性模型转化为两阶段分布鲁棒优化模型，所述两阶段分布鲁棒优化模型以所述模糊集作为场景概率的不确定性集合，以所述运行约束作为约束条件，以最小化所述模糊集内最坏场景分布下的运行成本为目标；

7、将所述两阶段分布鲁棒优化模型解耦为用于获取原问题下界的主问题以及用于获取原问题上界的子问题，对所述主问题和子问题进行迭代求解，直至上下界之差满足收敛条件，得到优化调度策略，使用优化调度策略对工业园区微电网进行调度控制。

8、进一步的，所述灵活性资源包括但不限于分布式光伏、风力发电、电储能、热储能、需求响应负荷、热泵、燃气锅炉及微电网与配电网的交互功率，所述运行约束包括但不限于光伏出力约束、风电出力约束、储能运行约束、需求响应负荷约束、购售电约束、热储能约束、燃气锅炉约束、热泵约束、热平衡约束以及电能量平衡约束。

9、进一步的，所述运行成本包括购电成本、售电收益、弃风弃光惩罚成本及天然气成本，数学表达式如下：

10、

11、式中：为总场景数；为总调度时段数；为微电网购电电价；微电网售电电价；为弃风弃光单位惩罚成本；为天然气气价；为微电网售电功率；为微电网购电功率；表示场景

s下

t时刻风电的出力；表示场景

s下

t时刻光伏的出力；为天然气流量。

12、进一步的，所述模糊集以参考分布与实际分布的kl散度不大于设定阈值作为约束，数学表达式如下：

13、

14、式中：

g为风光出力的实际概率分布，

g0为风光出力的参考分布，表示风光出力的参考分布

g0与实际分布

g的kl距离，为距离阈值。

15、进一步的，所述两阶段分布鲁棒优化模型的数学表达式如下：

16、

17、式中：为第一阶段优化模型的二进制变量，包括工业园区微电网确定性模型的决策变量中的储能充放电状态变量和购售电状态变量，为第二阶段优化模型的二进制变量，包括工业园区微电网确定性模型的决策变量中的空调开关二进制变量，为工业园区微电网确定性模型的决策变量中的所有连续变量，为场景

s的概率，

d为模糊集，、、、、为常系数系数矩阵，其中由工业园区微电网确定性模型的目标函数中的各成本项构成，由工业园区微电网确定性模型的约束条件中与第一阶段优化模型的二进制变量对应的约束系数构成，由工业园区微电网确定性模型的约束条件中与连续变量对应的约束系数构成，由工业园区微电网确定性模型的约束条件中与第二阶段优化模型的二进制变量对应的约束系数构成，由工业园区微电网确定性模型的约束条件中不含决策变量的项构成。

18、进一步的，将所述两阶段分布鲁棒优化模型解耦为用于获取原问题下界的主问题以及用于获取原问题上界的子问题时，所述主问题的数学表达式如下：

19、

20、

21、式中：为辅助变量；为第

k次循环的连续变量；为第

k次循环得到的最差场景分布概率；为第

k次循环的第二阶段优化模型的二进制变量；为循环次数索引；为最大循环次数；

s为总场景数。

22、进一步的，将所述两阶段分布鲁棒优化模型解耦为用于获取原问题下界的主问题以及用于获取原问题上界的子问题时，所述子问题的数学表达式如下：

23、

24、式中：为第一阶段已经求得的二进制变量；

s为总场景数。

25、进一步的，对所述主问题和子问题进行迭代求解之前，还包括：将子问题转化为内层子问题和外层子问题，所述内层子问题的数学表达式如下：

26、

27、所述外层子问题的数学表达式如下：

28、

29、式中：为内层子问题场景

s的目标函数最小值。

30、进一步的，对所述主问题和子问题进行迭代求解时，包括：

31、设置原问题下界与原问题上界的初始值；

32、求解主问题，得到第一阶段优化模型的二进制变量最优解及主问题的目标函数最优值，将原问题下界更新为所述目标函数最优值；

33、将第一阶段优化模型的二进制变量最优解代入内层子问题，求解内层子问题得到各场景下的连续变量最优解、第二阶段优化模型的二进制变量最优解及对应的内层子问题目标函数最小值，将内层子问题目标函数最小值代入外层子问题，求解外层子问题得到最差场景分布概率与对应的外层子问题目标函数值，将原问题上界更新为最差场景分布概率对应的外层子问题目标函数值；

34、若原问题上下界之差满足收敛条件，则输出第一阶段优化模型的二进制变量最优解、第二阶段优化模型的二进制变量最优解与连续变量最优解作为优化调度策略，否则将最差场景分布概率返回主问题，再次求解主问题，实现下一次迭代。

35、进一步的，还包括调整距离阈值的步骤，具体是获取上一调度周期风光出力的实际值与预测值，计算预测偏差，然后根据所述预测偏差所处的误差区间，调整所述距离阈值到对应阈值档位。

36、与现有技术相比，本发明的优点在于：

37、1、针对现有技术中风光出力的不确定性给微电网安全经济运行带来的挑战，本发明获取风光出力的历史样本并基于kl散度构建风光出力的模糊集，通过kl散度在参考分布与实际分布之间建立可度量的概率距离，避免对精确概率分布的强假设，从而充分利用有限历史样本数据中的分布信息，提升对风光出力不确定性的刻画精度与建模灵活性，为工业园区微电网在不确定性环境下的鲁棒优化调度提供数据基础。

38、2、本发明建立以各灵活性资源的运行约束为约束条件、以最小化运行成本为目标的工业园区微电网确定性模型，并根据基于kl散度构建的模糊集将其转化为两阶段分布鲁棒优化模型，以模糊集作为场景概率的不确定性集合，以运行约束作为约束条件，以最小化模糊集内最坏场景分布下的运行成本为目标，从而将第一阶段离散决策变量与第二阶段连续决策变量进行协同优化，实现工业园区微电网内多类型灵活性资源的统筹调度与高效协调，在兼顾经济性与鲁棒性的前提下，有效降低整体运行成本，提升系统对风光不确定性的适应能力。

39、3、本发明将两阶段分布鲁棒优化模型解耦为用于获取原问题下界的主问题以及用于获取原问题上界的子问题，对主问题和子问题进行迭代求解直至上下界之差满足收敛条件，从而通过上下界逼近机制高效收敛至最优解，降低模型求解复杂度，快速得到优化调度策略并用于对工业园区微电网进行调度控制，实现微电网在不确定性环境下的高效鲁棒优化调度，提升系统运行的经济性与对可再生能源的消纳能力。