一种基于储能系统滚动优化的微电网三阶段优化控制方法

1.本发明属于微电网优化控制技术领域，具体涉及一种基于储能系统滚动优化的微电网三阶段优化控制方法。


背景技术：

2.今年来，由于环境污染和化石能源枯竭的压力与日俱增，可再生能源，如光伏发电、风力发电等的使用占比不断增加。同时，由于微电网在集成可再生能源和分布式负荷上的优异表现，微电网也得到了快速发展。然而可再生能源具有间歇性、波动性和不确定性，造成微电网功率和电压的波动，给微电网的稳定运行带来巨大挑战。为了缓解上述问题并提高可再生能源的利用率，电池储能系统（bess）已成为微电网中不可或缺的一部分。但是由于频繁的充放电，会严重缩短电池的使用寿命，同时带来爆炸，火灾等严重的安全隐患，维护和更换bess将会产生巨大的经济损失。在另一方面，随着微电网中可控负荷数量的增加，例如电动汽车数量的飞速增长，通过改变电价来激励消费者改变他们的用电习惯被作为是另一种平滑可再生能源功率输出的有效手段。现有延长bess使用寿命和最大化微电网收益的方法未考虑电动汽车充放电随机性的影响，或bess的功率上下限是固定值，这些方法这并不满足含高比例电动汽车的微电网优化控制，因为电动汽车的移动性和不确定性导致电动汽车实时状态和负荷功率难以预测，同时bess固定的功率上下限会导致bess的老化速度加快，缩短bess的使用寿命。


技术实现要素：

3.本发明提供一种基于储能系统滚动优化的微电网三阶段优化控制方法，拟解决背景技术中提到的因电动汽车的移动性和不确定性导致电动汽车实时状态和负荷功率难以预测，同时bess固定的功率上下限会导致bess的老化速度加快，缩短bess的使用寿命的技术问题。
4.为解决上述技术问题，本发明采用的技术方案如下：一种基于储能系统滚动优化的微电网三阶段优化控制方法，包括以下步骤：步骤1：建立微电网价格型需求响应模型；建立微电网各组成部分的数学模型，以微电网运行成本最小为调度目标，通过微电网价格需求响应模型得到微电网用电负荷的日前调度策略；步骤2：建立含风光电、光伏发电和电动汽车不确定性的日内协调调度模型，基于灵活调度型电动汽车数学模型，通过滚动优化计算下一个调度时段内储能系统滚功率边界值；步骤3：通过储能控制器实时监测微电网母线电压值，并反馈给实时控制模型调整储能系统控制模式。
5.本发明通过建立对微电网各组成部分的数学模型，以微电网运行成本最小为调度目标，通过微电网价格型需求响应模型得到微电网用电负荷的日前调度策略；结合日前调
度策略确定的基础负荷运行曲线，预测微电网次日每个时段的分布式电源发电功率和电动汽车负荷区间范围，以微电网运行成本最低为目标，计算出bess的滚动优化功率边界值，从而在优化后的bess功率边界值中重新计算得到微电网日内调度方法；在实时控制阶段，将bess的滚动优化功率边界值传送到储能系统实时控制器中，并通过实时监测微电网母线电压判断微电网是否出现电压越限情况以调整bess的控制方法，在更小时间尺度上抵抗由于风力发电、光伏发电和电动汽车等不确定性引起的电压波动；通过滚动优化跟踪风力发电、光伏发电和电动汽车的不确定性，计算确定储能系统的滚动功率边界值，使得储能系统消耗的吞吐量最少，延长储能系统的使用寿命。
6.优选的，建立所述微电网价格型需求响应模型的步骤如下所示：结合微电网负荷用能特点，建立基于价格的微电网负荷需求弹性响应模型：；式中：为时刻参与价格型需求响应前的负荷，为时刻参与价格型需求响应后的负荷，为时刻选择价格等级的决策变量，为价格等级的响应率；建立基于吞吐量的电池储能系统老化成本模型，通过累积吞吐量的线性化处理，计算得到储能系统的老化成本，所述电池储能系统老化成本模型具体如下：；；式中：为额定充放电深度下储能系统单位吞吐量的老化成本，为电池的总成本，为在额定吞吐量下电池的寿命，为电池的容量，为电池的额定放电深度，和分别为电池的充电效率和放电效率，为电池累积的老化成本，为额定放电深度下的有效吞吐量，和分别是时刻累积的吞吐量和时刻累积的吞吐量；建立基于微电网负荷需求弹性响应模型和电池储能系统老化成本模型，在风力发电和光伏发电日前出力预测数据上，以微电网运行成本最小为目标，建立微电网日前调度的目标函数：；式中：为光伏发电成本，为风力发电成本，储能系统老化成本，是从主网的购电成本，是微电网买电的收益。
7.优选的，储能系统的功率应该满足整个系统功率平衡，系统功率平衡约束表示为：；
式中，为光伏发电的输出功率，为风力发电的输出功率，为储能系统的输出功率，为电动汽车放电功率，为微电网从主网购电的功率，为电动汽车充电功率，为微电网向主网售电的功率。
8.本发明所述步骤1中的基于价格的需求响应策略模型，是采用逐步逼近的方法，优选的设计5个购电价格，并得到5个相应的需求响应率。而后用户通过自身对价格的敏感程度调整其负荷以响应微电网的电价，在新能源富余阶段，降低微电网电价，激励提高微电网此刻的负荷需求，缓解储能系统的消纳新能源的压力，实现提高新能源的消纳比例和减少储能系统老化损耗的目的；在新能源短缺时段，提高微电网电价，降低此时段内微电网的负荷需求，从而减少储能系统的老化损耗，提高系统运行的经济性。
9.优选的，所述日内协调调度模型的建立步骤如下所述：步骤a.灵活调度型电动汽车通过充电桩连接到大电网中，并参与到微电网调度中，通过实时检测灵活调度型电动汽车的到站数据和出站数据，预测下一个调取区间内灵活调度型电动汽车负荷的波动范围，以量化灵活调度型电动汽车的不确定性，通过如下方式实现：；；式中：是电动汽车负荷上限，是电动汽车负荷下限，为时刻必须充电的电动汽车负荷，是时刻新接入的电动汽车数量，是时刻满足放电条件的电动汽车数量，为电动汽车的最大充电功率，为电动汽车的最大放电功率；步骤b.滚动优化的时间窗口为m分钟，考虑风力发电、光伏发电和电动汽车的不确定性预测电动汽车在下一个时间段内的负荷区间，通过滚动优化程序计算得到储能系统滚动充电功率和放电功率的限值为：；；式中：是bess放电功率上限值，是bess充电功率上限值。
10.本发明在所述步骤2中的基于灵活调度型电动汽车模型建立的bess出力滚动优化策略，在日内调度阶段引入灵活调度型电动汽车模型，由上一个调度时间段内电动汽车的充放电状态、到站数据和出站数据来得到下一个滚动窗口内电动汽车的充放电区间预测数据。在保证微电网负荷平衡的基础上，通过滚动优化程序得到各时段bess的出力边界。通过上述建立的灵活调度型电动汽车模型，充分发挥电动汽车的源荷二重性，使电动汽车参与微电网调度，计算得到下一个调度时间段内电动汽车的充放电区间预测数据，量化了电动汽车的不确定性。与常见的bess出力边界为固定值相比，滚动功率限值能保证储能所消耗
的吞吐量最小，微电网运行成本最小。所述量化电动汽车出力不确定的滚动优化方法由以下几个步骤组成：进一步的，步骤c.在日内调度阶段，储能系统的约束条件变为滚动优化控制，具体为：；；式中：为电动汽车t时刻的充电功率，为电动汽车t时刻的放电功率，为电动汽车充电功率的上限，为电动汽车放电功率的上限。
11.通过滚动优化bess的滚动边界，与固定边界相比，能进一步限制bess的出力，从而在保证微电网功率平衡的基础上，使储能系统老化损失最小，提高微电网运行的经济性。
12.优选的，所述实时控制模型的建立包括以下步骤：步骤a.通过储能控制器实时监测微电网母线电压值，当执行第二阶段日内调度策略，微电网母线电压未越限时，bess实时控制模块为功率控制模式，bess输出功率等于日内调度结果，控制方程为；;式中：为bess的实时功率输出指令，为第二阶段日内bess功率调度结果，是微电网母线电压实时测量值，是微电网电压波动范围内允许的母线电压最小值，是微电网电压波动范围内允许的母线电压最大值;步骤b.当执行第二阶段日内调度策略，当微电网母线电压越限时，bess实时控制模块为功率控制模式，重新计算储能系统的输出功率，避免微电网母线电压越限情况的发生，控制方程为：;式中：是微电网母线额定电压，是下垂控制中的下垂系数，是bess额定输出功率值，是微电网电压波动范围内允许的母线电压最小值，是微电网电压波动范围内允许的母线电压最大值，是微电网母线电压实时测量值。
13.本发明在所述步骤3中的基于bess的滚动优化功率边界值建立bess实时控制方法模型，通过实时监测微电网母线电压，以消除在更小时间尺度上由于风力发电、光伏发电和电动汽车等不确定性引起的电压波动。当微电网母线电压在允许波动范围内时，采用功率控制，bess执行日内调度策略；当微电网母线电压超过允许的波动范围时，通过下垂控制重新计算bess的输出功率，避免了微电网母线电压越限情况的发生，以消除更短时间尺度上可再生能源和电动汽车不确定性带来的电压波动。
14.综上所述，由于采用了上述技术方案，本发明的有益效果是：
1.通过建立灵活调度型电动汽车模型，准确预测电动汽车的负荷区间。
15.2.通过滚动优化程序跟踪实现风力发电、光伏发电和电动汽车的不确定性，计算确定储能系统的滚动功率边界值，使得储能系统消耗的吞吐量最少，延长储能系统的使用寿命。
16.3.结合实时阶段的控制，从多个时间尺度上平滑可再生能源的出力，提高微电网运行的经济性和稳定性。
附图说明
17.本发明将通过例子并参照附图的方式说明，其中：图1为本发明的基于储能系统滚动功率优化的微电网三阶段优化控制方法流程图。
18.图2为本发明的日前调度优化结果。
19.图3为本发明的日内电动汽车区间负荷区间预测结果。
20.图4为本发明的日内bess滚动优化上下限和出力结果。
具体实施方式
21.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中附图，对本技术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技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
22.下面结合附图1和附图4对本发明的实施例作详细描述；一种基于储能系统滚动优化的微电网三阶段优化控制方法，包括以下步骤：步骤1：建立微电网价格型需求响应模型；建立微电网各组成部分的数学模型，以微电网运行成本最小为调度目标，通过微电网价格需求响应模型得到微电网用电负荷的日前调度策略；所述微电网各组成部分的数学模型包括电动汽车的数学模型、储能系统老化成本的数学模型、光伏发电的数学模型以及风力发电的数学模型；所述电动汽车的数学模型：；式中：和分别是电动汽车接入和接出充电桩的时间，和分别是电动汽车充电功率和放电功率，为电动汽车容量，是电动汽车刚接入充电站时的荷电状态，是电动汽车用户期望的离开荷电状态；储能系统老化成本的数学模型：
；；式中：为额定充放电深度下储能系统单位吞吐量的老化成本，为电池的总成本，为在额定吞吐量下电池的寿命，为电池的容量，为电池的额定放电深度，和分别为电池的充电效率和放电效率，为电池累积的老化成本，为额定放电深度下的有效吞吐量，和分别是时刻累积的吞吐量和时刻累积的吞吐量；光伏发电的数学模型：；式中，是光伏系统的有功功率输出，是标准实验条件下的最大输出功率，是第个光伏电站中光伏板的数量，是第个光伏板上的光照辐射度，是在标准实验条件下的额定光照辐射度，是温度系数，是环境温度，是环境参考温度；风力发电的数学模型：；式中：是风力发电的有功功率输出，是标准实验条件下的额定输出功率，和分别是风力发电系统接入和切断的风速，是响应时间的风速。
23.建立所述微电网价格型需求响应模型的步骤如下所示：结合微电网负荷用能特点，建立基于价格的微电网负荷需求弹性响应模型：；式中：为时刻参与价格型需求响应后的负荷，为时刻参与价格型需求响应前的负荷，为时刻选择价格等级的决策变量，为价格等级的响应率；建立基于吞吐量的电池储能系统老化成本模型，通过累积吞吐量的线性化处理，
计算得到储能系统的老化成本，所述电池储能系统老化成本模型具体如下：；；式中：为额定充放电深度下储能系统单位吞吐量的老化成本，为电池的总成本，为在额定吞吐量下电池的寿命，为电池的容量，为电池的额定放电深度，和分别为电池的充电效率和放电效率，为电池累积的老化成本，为额定放电深度下的有效吞吐量，和分别是时刻累积的吞吐量和时刻累积的吞吐量；建立基于微电网负荷需求弹性响应模型和电池储能系统老化成本模型，在风力发电和光伏发电日前出力预测数据上，以微电网运行成本最小为目标，建立微电网日前调度的目标函数；在日前调度阶段，设置优化调度目标是微电网总运行成本最小，包括光伏发电和风力发电的发电成本、储能系统的老化成本和售购电的成本，因此微电网日前调度阶段的目标函数如下：；式中：为光伏发电成本，为风力发电成本，储能系统老化成本，是从主网的购电成本，是微电网买电的收益。
24.同时应该满足系统功率平衡约束和微电网中每个组件的运行约束，具体为：系统功率平衡约束：；式中：为光伏发电的输出功率，为风力发电的输出功率，为储能系统的输出功率，为电动汽车放电功率，为微电网从主网购电的功率，为电动汽车充电功率，为微电网向主网售电的功率，为负荷功率。
25.在运行过程中，储能系统应该满足的约束条件：
①
bess的运行约束条件：；；；
式中，为bess的充电功率，为bess充电功率的最大值，为bess的放电功率，为bess放电功率的最大值，为bess允许的soc最小值，为bess允许的soc最大值，为时刻bess的soc值。
26.②
ev的运行约束条件：；；；；式中，为ev充电功率的最大值，为ev放电功率的最大值，为ev允许的soc最小值，为ev允许的soc最大值，为时刻ev的soc值。
27.ev的最后一个约束条件要求电动汽车在接入微电网参与调度的过程中充电能量大于放电能量。
28.同时应该满足系统功率平衡约束和微电网中每个组件的运行约束，具体为：系统功率平衡约束：；式中：为光伏发电的输出功率，为风力发电的输出功率，为储能系统的输出功率，为电动汽车放电功率，为微电网从主网购电的功率，为电动汽车充电功率，为微电网向主网售电的功率，为负荷功率。
29.如图2所示，电动汽车利用v2g技术和bess可在电价高峰时刻输出电功率，在电价低谷时刻充电，减少系统的购电量和促进消纳新能源，提高微电网运行的经济性。
30.本发明所述步骤1中的基于价格的需求响应策略模型，是采用逐步逼近的方法，优选的设计5个购电价格，并得到5个相应的需求响应率。而后用户通过自身对价格的敏感程度调整其负荷以响应微电网的电价，在新能源富余阶段，降低微电网电价，激励提高微电网此刻的负荷需求，缓解储能系统的消纳新能源的压力，实现提高新能源的消纳比例和减少储能系统老化损耗的目的；在新能源短缺时段，提高微电网电价，降低此时段内微电网的负荷需求，从而减少储能系统的老化损耗，提高系统运行的经济性。
31.步骤2：基于微电网历史负荷数据，结合上述风电、光伏发电模型，以15分钟为调度区间，预测微电网次日每个时段的分布式电源发电功率，所述分布式电源发电功率数据包括光伏发电数据、风机发电数据；日内调度阶段建立灵活调度电动汽车的数学模
型，通过实时接入电动汽车的到站数据和出站数据，以15分钟为滚动时间窗口，通过滚动优化得到未来15分钟的电动汽车负荷预测区间，如图2所示在日内调度阶段，基于灵活调度型电动汽车模型预测下一个调度区间内电动汽车负荷上下限，考虑风力发电、光伏发电和电动汽车的出力不确定性，通过滚动优化计算出bess的出力边界约束，所述bess出力滚动优化模型采用如下方法获得：输入系统中运行的电动汽车数量，根据历史数据中电动汽车的出行数据，分析得到电动汽车出行时刻和返回时刻满足正态分布，利用电动汽车出行时刻的概率分布曲线，得到每辆电动汽车的出行时刻和返回时刻；基于灵活调度型电动汽车模型将电动汽车的不确定性转换为电动汽车负荷上下限，具体为：；；式中：是电动汽车负荷上限，是电动汽车负荷下限，为时刻必须充电的电动汽车负荷，是时刻新接入的电动汽车数量，是时刻满足放电条件的电动汽车数量；基于预测的电动汽车负荷上下限值，通过微电网系统功率平衡得到储能系统的滚动优化功率边界值，具体为：；；式中：是bess放电功率上限值，是bess充电功率上限值。
32.以微电网运行成本最小为调度目标，得到日前电价定价方案和基本负荷调度策略，同时更新在日内调度阶段储能系统功率边界值中，具体为：；；式中：为电动汽车t时刻的充电功率，为电动汽车t时刻的放电功率，为电动汽车充电功率的上限，为电动汽车放电功率的上限。
33.如图3和图4所示，利用电动汽车负荷特性建立灵活调度模型，得到未来一个小时的电动汽车负荷预测区间，计算出bess的滚动优化功率上下限，限制bess在各时段的输出电功率，最小化bess的老化损失，提高bess运行寿命，提高微电网的稳定性和最小化微电网运行成本。
34.本发明在所述步骤2中的基于灵活调度型电动汽车模型建立的bess出力滚动优化策略，在日内调度阶段引入灵活调度型电动汽车模型，由上一个调度时间段内电动汽车的充放电状态、到站数据和出站数据来得到下一个滚动窗口内电动汽车的充放电区间预测数据。在保证微电网负荷平衡的基础上，通过滚动优化程序得到各时段bess的出力边界。通过上述建立的灵活调度型电动汽车模型，充分发挥电动汽车的源荷二重性，使电动汽车参与微电网调度，计算得到下一个调度时间段内电动汽车的充放电区间预测数据，量化了电动汽车的不确定性。与常见的bess出力边界为固定值相比，滚动功率限值能保证储能所消耗的吞吐量最小，微电网运行成本最小。所述量化电动汽车出力不确定的滚动优化方法由以下几个步骤组成：步骤3：通过储能控制器实时监测微电网母线电压值，并反馈给实时控制模型调整储能系统控制模式。
35.所述实时控制模型的建立包括以下步骤：步骤a.通过储能控制器实时监测微电网母线电压值，当执行第二阶段日内调度策略，微电网母线电压未越限时，bess实时控制模块为功率控制模式，bess输出功率等于日内调度结果，控制方程为；;式中：为bess的实时功率输出指令，为第二阶段日内bess功率调度结果，是微电网母线电压实时测量值，是微电网电压波动范围内允许的母线电压最小值，是微电网电压波动范围内允许的母线电压最大值;步骤b.当执行第二阶段日内调度策略，当微电网母线电压越限时，bess实时控制模块为功率控制模式，重新计算储能系统的输出功率，避免微电网母线电压越限情况的发生，控制方程为：;式中：是微电网母线额定电压，是下垂控制中的下垂系数，是bess额定输出功率值，是微电网电压波动范围内允许的母线电压最小值，是微电网母线电压实时测量值。
36.在实时控制阶段，将bess的滚动优化功率边界值传送到控制器中，通过储能控制器实时监测微电网母线电压值，当执行第二阶段日内调度策略，微电网母线电压未越限时，bess实时控制模块为功率控制模式，bess输出功率等于日内调度结果，否则，重新计算储能系统的出力值。通过实时控制实现在更小时间尺度上的抵抗由于风力发电、光伏发电和电动汽车等不确定性引起的电压波动。
37.本发明在所述步骤3中的基于bess的滚动优化功率边界值建立bess实时控制方法模型，通过实时监测微电网母线电压，以消除在更小时间尺度上由于光伏发电、光伏发电和电动汽车等不确定性引起的电压波动。当微电网母线电压在允许波动范围内时，采用功率控制，bess执行日内调度策略；当微电网母线电压超过允许的波动范围时，通过下垂控制重新计算bess的输出功率，避免了微电网母线电压越限情况的发生，以消除更短时间尺度上
可再生能源和电动汽车不确定性带来的电压波动。
38.本发明通过建立对微电网各组成部分的数学模型，以微电网运行成本最小为调度目标，通过微电网价格型需求响应模型得到微电网用电负荷的日前调度策略；结合日前调度策略确定的基础负荷运行曲线，预测微电网次日每个时段的分布式电源发电功率和电动汽车负荷区间范围，以微电网运行成本最低为目标，计算出bess的滚动优化功率边界值，从而在优化后的bess功率边界值中重新计算得到微电网日内调度方法；在实时控制阶段，将bess的滚动优化功率边界值传送到储能系统实时控制器中，并通过实时监测微电网母线电压判断微电网是否出现电压越限情况以调整bess的控制方法，在更小时间尺度上抵抗由于风力发电、光伏发电和电动汽车等不确定性引起的电压波动；通过滚动优化跟踪风力发电、光伏发电和电动汽车的不确定性，计算确定储能系统的滚动功率边界值，使得储能系统消耗的吞吐量最少，延长储能系统的使用寿命。
39.仿真验证本发明采用直流微网连接12.66kv主网，验证了所提基于储能系统滚动功率优化的微电网三阶段优化控制方法的有效性。微电网运行成本和微电网组件参数见表1，价格引导的需求响应等级设置如表2所示。
40.表1微电网运行参数表2价格引导的需求响应等级为了进一步验证所提出的基于储能系统滚动功率优化的微电网三阶段优化控制方法的有效性，利用未加入bess滚动功率优化的两阶段优化策略进行了比较分析，仿真结果如下所示：
方法1：基于储能系统滚动功率优化的微电网三阶段优化控制方法。
41.方法2：未加入bess滚动功率优化的两阶段优化策略。
42.仿真试验结果如表3所示表3仿真结果对比结果证明，所提出的三阶段控制方法具有最大的效益和最小的bess老化成本。相比之下，方法1和方法2的微电网收益相近，但方法1中bess的消耗量明显低于方法2，这验证了储能系统滚动优化限制可以有效减少储能系统的老化损失。
43.以上所述实施例仅表达了本技术的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。