计及阶梯碳交易机制的微电网两阶段鲁棒优化低碳经济调度方法

技术特征：
1.一种计及阶梯碳交易机制的微电网两阶段鲁棒优化低碳经济调度方法，其特征在于：包括如下步骤：步骤一、对微电网系统内各设备进行建模：分析微电网系统内部各个设备的运行特征与运行约束，建立关于微电网内部各设备的调度成本模型以及运行约束模型；步骤二、建立阶梯碳交易机制的数学模型：以碳交易基价、碳交易区间长度以及价格增长率为已知数据建立阶梯碳交易机制的数学模型；步骤三、针对不确定变量制定不确定集：以光伏和风电机组的预测发电功率、光伏机组及风电机组出力的最大预测偏差作为已知条件，建立不确定集合u；步骤四、构建计及阶梯碳交易的微电网两阶段鲁棒优化低碳经济调度模型：以包含系统运行维护成本、购能成本、燃料成本及碳交易成本的微电网运行总成本的最小值作为低碳经济调度计划目标函数，以满足系统安全稳定运行的约束条件为经济调度计划目标函数约束条件进行限制，分别将二进制的开关变量、连续型变量以及不确定变量作为第一阶段和第二阶段的优化变量，构建计及碳交易的微电网两阶段鲁棒优化模型；步骤五、对构建计及阶梯碳交易的微电网两阶段鲁棒优化低碳经济调度模型进行求解，得到可控电源、储能单元、微电网功率交互的日前调度结果。2.根据权利要求1所述的一种计及阶梯碳交易机制的微电网两阶段鲁棒优化低碳经济调度方法，其特征在于：步骤一中，所述微电网包括风电机组、光伏机组、燃料电池组、微型燃气轮机、电储能设备、大电网以及用电负荷，过程具体如下：1)系统中的微型燃气轮机以及燃料电池组属于可调控设备，各个设备满足式(1)表示的出力限制以及式(2)表示的爬坡约束：p
imin
≤p
i
(t)≤p
imax
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中p
i
(t)表示第i种设备在t时刻的输出功率；p
imax
与p
imin
分别表示第i种可控设备的最大和最小输出功率；-r
imax
与r
imax
分别表示第i种设备的爬坡上下限常数；2)电储能设备在调度过程中应满足最大最小充放电功率限制、容量约束限制以及与电储能寿命相关的充放能平衡约束；u
ch
(t) u
dis
(t)≤1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)(3)(3)e
s
(1)＝e
s
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)式中u
ch
(t)与u
dis
(t)分别表示储能设备t时刻的充电/放电状态，非0即1；p
ch
(t)与p
dis
(t)分别表示储能设备在t时刻的充电/放电功率；与分别表示储能设备的最大充电/放电功率；e
s
(t)和e
s
(t-1)分别为电储设备t时刻和t-1时刻的储电量；η表示储能设备的充放电系数；t为调度周期，取24小时；和e
max
分别表示储能设备在调度过程中所允许的
最小与最大储能量；e
s
(1)为储能初始调度容量；3)当系统内部电源无法满足用能需求时，系统从外部网络进行购电以满足功率平衡约束；反之，当系统内部出现供能过剩时，系统可向外部网络进行售能以获得收益；在购售电过程中，系统应满足式(9)至式(11)所示的约束；u
buy
(t) u
sell
(t)≤1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)(9)式中u
buy
(t)与u
sell
(t)分别为表示系统t时刻的购电/售电状态；p
buy
(t)与p
sell
(t)分别表示系统在t时刻的购电/售电功率；与分别表示微网系统与大电网进行功率互换时的最大购电/售电功率。3.根据权利要求1所述的一种计及阶梯碳交易机制的微电网两阶段鲁棒优化低碳经济调度方法，其特征在于：步骤二中，对阶梯碳交易机制建立数学模型，将单位机组的实际碳排放强度、单位机组的无偿碳配额、碳交易基价、价格增长率、碳排放量的区间长度作为已知数据代入式，即构建得到阶梯式碳交易机制的数学模型，具体如下：1)氢燃料电池的使用不产生碳排放，因此微电网系统的碳配额只考虑燃气轮机的使用以及外购电能，假设购买的电能全部来自于火力发电，系统的碳配额表述为：式中d
c
为微型燃气轮机发电以及微电网购电所获得的总碳配额量；σ
e
和σ
g
分别为火力发电单位电量的排放配额与微型燃气轮机单位电量的排放配额；p
g
(t)表示微型燃气轮机t时刻的输出功率；2)系统的实际碳排放量由购电和燃气轮机两部分产生，表述为式(13)：e
c
为系统发电所产生的总碳排放量；γ
e
为火力发电的碳排放强度；γ
g
为微型燃气轮机产生单位电量的碳排放强度；3)将系统运行所产生的碳排放量减去系统所分配的碳排放配额，即可得到系统实际参与到碳交易市场的碳排放权交易额，阶梯式碳交易成本如式(14)所示：
式中：c
co2
为阶梯碳交易成本；d为碳排放量的区间长度；θ表示碳交易价格；λ为价格增长率。4.根据权利要求1所述的一种计及阶梯碳交易机制的微电网两阶段鲁棒优化低碳经济调度方法，其特征在于：步骤三中，将可再生能源机组的预测数据及预测偏差作为已知数据，将所述可再生能源机组的预测数据导入下式中，即构建得到不确定集：式中，u代表光伏和风电机组的出力不确定合集；u
wt
/u
pv
为考虑风电/光伏机组出力波动后引入的风电/光伏出力不确定变量；和分别表示t时刻风机与光伏的预测功率；和分别表示t时刻风机和光伏所出现的最大功率误差，取为20％的预测数据；b
wt
(t)和b
pv
(t)分别表征风电机组和光伏机组在t时刻是否出现功率误差的二进制变量，取1时，表示在t时刻风电及光伏机组的出力取预测功率的下限，取0时，表示在t时刻可再生能出机组的出力取为预测功率；г
wt
和г
pv
是为调节系统保守性所引入的不确定性参数，为0～t之间的整数，表示可再生能源机组取得出力最小值的总时段数。5.根据权利要求1所述的一种计及阶梯碳交易机制的微电网两阶段鲁棒优化低碳经济调度方法，其特征在于：步骤四具体如下：1)低碳经济调度计划目标函数如式(16)，为系统的运维成本、燃料成本、碳排放成本以及购能成本在最恶劣场景下最小：式中：c1为日前调度成本；c
grid
为微电网从配电网购售电的购能成本；c
ope
为各分布式电源的运行维护成本；c
fuel
为微电网可控设备运行燃料成本；c
co2
为微电网的阶梯碳交易成本，见式(14)；其中：式中，p
buy
(t)与p
sell
(t)分别表示系统在t时刻的购电/售电功率；ω
buy
和ω
sell
为调度日的分时购电电价与分时售电电价；t为调度周期；其中：式中，ω1表示微型燃气轮机的维护成本系数；ω2表示燃料电池的维护成本系数；ω3表示电储能的维护成本系数；p
fc
(t)表示燃料电池t时刻的输出功率；p
g
(t)表示微型燃气轮机在t时刻的输出功率；p
ch
(t)与p
dis
(t)分别表示储能设备在t时刻的充电/放电功率；其中：
式中，p
gas
为天然气价格；p
h
为氢气价格；lhv为天然气的低热值；η
g
和η
fc
分别表示微型燃气轮机与燃料电池的发电效率；2)经济调度计划约束条件，微网在调度过程中主要包括各系统的功率平衡、各机组的出力约束和爬坡约束、与上级网络的功率交互约束以及各储能装置的约束：
①
系统的功率平衡约束：式中，表示t时刻负荷的预测功率；
②
分布式电源出力约束：p
imin
≤p
i
(t)≤p
imax
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)式中p
i
(t)表示第i种设备在t时刻的输出功率；p
imax
与p
imin
分别表示第i种可控设备的最大和最小输出功率；-r
imax
与r
imax
分别表示第i种设备的爬坡上下限常数；
③
电储能设备运行状态约束：u
ch
(t) u
dis
(t)≤1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(22)式中，u
ch
(t)与u
dis
(t)分别表示储能设备t时刻的充电与放电状态，非0即1；
④
电储能设备出力约束：电储能设备出力约束：e
s
(1)＝e
s
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(25)(25)式中，与分别表示储能设备的最大充电/放电功率；e
s
(t)和e
s
(t-1)分别为电储设备t时刻和t-1时刻的储电量；η表示储能设备的充放电系数；t为调度周期，取24小时；和分别表示储能设备在调度过程中所允许的最小和最大储能量；
⑤
微电网功率交互约束：u
buy
(t) u
sell
(t)≤1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(28)(28)式中，u
buy
(t)与u
sell
(t)分别为表示系统t时刻的购电/售电状态；p
buy
(t)与p
sell
(t)分别表示系统在t时刻的购电/售电功率；与分别表示微网系统与大电网进行功率互换时的最大购电与售电功率；3)采用两阶段鲁棒优化的方法处理可再生能源出力的不确定性，构建模型为min-max-min结构，优化目标为系统的日前调度成本最小；模型中最外层min结构优化一阶段决策变量，给出储能以及系统购售电的运行状态，一阶段的决策变量保证系统在运行过程中能够
应对不确定集中的任意场景；当一阶段决策变量取定后，内层max-min中的max结构在一阶段决策变量的取值下寻找一组使得系统日前调度成本最大的最恶劣场景；当最外层的min一阶段决策变量以及内层max结构的最恶劣场景都确定后，最内层转化为简单的确定性优化问题，目的在于优化各设备机组在最恶劣场景下的出力，使得系统在最恶劣场景下的日前调度成本最小，以上表述总结为：式中，x为第一阶段决策变量，x＝[u
ch
,u
dis
,u
sell
,u
buy
]；y为第二阶段决策变量，y＝[p
g
,p
fc
,p
ch
,p
dis
,p
buy
,p
sell
,p
wt
,p
pv
]。6.根据权利要求1所述的一种计及阶梯碳交易机制的微电网两阶段鲁棒优化低碳经济调度方法，其特征在于：步骤五具体如下：1)两阶段鲁棒优化模型表示为：式中：a,c,j,d,e,k,i是系数矩阵a,c,j,d,u是常数列向量；采用c&cg算法进行求解，将式(32)分解如式(33)所示的主问题和式(34)的子问题；式(32)分解如式(33)所示的主问题和式(34)的子问题；子问题为双层问题，根据强对偶原理将子问题内层min结构转化为max结构与外层max结构合并转化为下式(35)所示的max问题；
在不确定变量取到边界值时，对偶问题相应取得最大或最小值，式(35)中存在双线性项，采用big-m法做线性化处理，子问题最终表述形式如式(36)所示：式中：ψ,φ,ρ,ξ为引入的对偶变量；u
pre
为可再生能源预测出力的向量；b
c
是引入的辅助连续型变量；2)模型采用c&cg算法进行求解，求解流程如下所示：
①
给定初始恶劣场景集(u
wt1
,u
pv1
)，给定模型上界ub＝ ∞，模型下界lb＝-∞；迭代次数k取1；上下界收敛差值取为极小的正实数；
②
在给定恶劣场景集的基础上求解主问题得到取主问题的求解结果为作为新的模型下界；
③
将主问题求解的结果作为参数代入子问题求解新的最恶劣场景u
k 1
以及子问题目标函数值更新模型上界
④
若若为收敛阈值，则输出求解结果与停止迭代；否则将新的最恶劣场景带入步骤
②
并生成新的变量y
k 1
，并添加以下约束，迭代次数加1；

技术总结
本发明公开了一种计及阶梯碳交易机制的微电网两阶段鲁棒优化低碳经济调度方法，涉及一种微电网的优化调度方法。具体为：将阶梯式碳交易机制引入微电网的运行过程中，通过微电网参与碳交易市场已减小微电网的碳排放量；第一阶段优化满足最恶劣场景下的电储能和功率交互变量的运行状态，第二阶段优化各设备机组的出力变量并求解微电网运行过程中可能遭遇的最恶劣场景。该调度模型采用盒式不确定集描述可再生能源出力的不确定性，该模型求解得到的调度结果可以满足任何场景下的运行约束，能够保证微电网系统实现低碳经济运行，有效地解决了微电网系统运行过程中的源侧不确定性和碳排放问题，更有利于社会的可持续发展。更有利于社会的可持续发展。更有利于社会的可持续发展。


技术研发人员：孟润泉 魏斌 韩肖清 马跃 秦文萍 贾燕冰 窦银科 李婷婷 乔森
受保护的技术使用者：太原理工大学
技术研发日：2022.07.13
技术公布日：2022/11/22