一种含储能的微网群调度优化模型线性化处理方法及系统与流程

1.本发明涉及电力系统运行与调度领域，具体涉及一种含储能的微网群调度优化模型线性化处理方法及系统。


背景技术：

2.近年来，随着传统化石能源的日益减少以及环境污染问题的日益凸显，分布式可再生能源得到迅速发展。由于可再生能源具有较强的间歇性和波动性，直接将大规模的可再生能源并网将影响电力系统的稳定运行。为了协调分布式电源和大电网之间矛盾，微电网应运而生，为可再生能源的利用提供了有效途径。由于不同微网新能源出力以及负荷需求不一样，通常微网之间具有时空互补性，因此常将地理位置相近的几个微网连接起来构成微网群，实现各子微网之间的互补，从而促进新能源的消纳。
3.由于可再生能源的波动性和间歇性，微网群的运行控制对灵活性、实时性的要求也越来越高。储能系统是微网群的重要组成部分，因其响应速度快、对电能具有时空转移能力而被配置于微网中，储能系统可以通过合理的充放电策略来提高微网群对分布式电源的消纳能力，也可以参与微网群的经济调度，提高微网群设备利用率，同时在子微网脱网时起快速功率支撑作用以保障重要负荷供电不中断。因此寻找最优的储能系统调度策略是微网群应对可再生能源的波动性和间歇性问题的关键所在。由于传统的储能调度优化模型是非线性模型，不能用线性化求解方法，这不仅增加了模型的复杂度，而且降低了求解效率。因此，急需有一种方法可以将储能调度优化模型进行线性化处理，以便利用线性化求解方法进行求解。


技术实现要素：

4.因此，本发明要解决的技术问题在于克服现有技术中缺少可以将储能调度优化模型进行线性化处理的方法，从而提供一种含储能的微网群调度优化模型线性化处理方法及系统。
5.为达到上述目的，本发明提供如下技术方案：
6.第一方面，本发明实施例提供一种含储能的微网群调度优化模型线性化处理方法，包括：
7.以总调度周期内弃风弃光量最小为目标构建微网群储能调度优化模型；
8.通过引入二进制变量以及利用灵敏度法对所述微网群储能调度优化模型进行线性化处理，构建线性化微网群储能调度优化模型。
9.可选的，所述以总调度周期内弃风弃光量最小为目标构建微网群储能调度优化模型，包括：
10.以总调度周期内弃风弃光量最小为目标建立所述微网群储能调度优化模型的目标函数；
11.确定所述目标函数的运行约束条件；
12.根据所述目标函数和所述运行约束条件搭建所述微网群储能调度优化模型。
13.可选的，所述微网群储能调度优化模型为：
[0014][0015]
式中：n
m,pv
为第m个子微网中安装分布式光伏节点集合；t为总调度周期；为第m个子微网中t时刻节点k处分布式光伏的预测出力；ppv
m,k,t
为第m个子微网中t时刻节点k处分布式光伏的实际出力；n
m,wind
为第m个子微网中安装分布式风机节点集合；为第m个子微网中t时刻节点w处分布式风机的预测出力；pwind
m,w,t
为第m个子微网中t时刻节点w处分布式风机的实际出力；p
m,s,t
为第m个子微网并网点t时刻传输功率；pload
m,j,t
为第m个子微网节点j处负荷在t时刻的功率；n
m,load
为第m个子微网中负载节点集合；n
m,pv
为第m个子微网中安装分布式光伏节点集合；ppv
m,k,t
为第m个子微网中节点k的分布式光伏在t时刻的输出功率；n
m,wind
为第m个子微网中安装分布式风机节点集合；pwind
m,w,t
为第m个子微网中节点w处分布式风机在t时刻的输出功率；n
m,ess
为第m个子微网中安装的储能节点集合；pessdch
m,i,t
为第m个子微网中节点i的分布式储能在t时刻的放电功率；pessch
m,i,t
为第m个子微网中节点i的分布式储能在t时刻的充电功率；p
m,s,min
为第m个子微网并网点最小传输功率；p
m,s,t
为第m个子微网并网点t时刻传输功率；p
m,s,max
为第m个子微网并网点最大传输功率；ppv
m,k,max
为第m个子微网中节点k处分布式光伏最大出力；ppv
m,k,t
为第m个子微网中t时刻节点k处分布式光伏的实际出力；pwind
m,w,max
为第m个子微网中节点w处分布式风机最大出力；pwind
m,w,t
为第m个子微网中t时刻节点w处分布式风机的实际出力；pess
m,i,max
为第m个子微网中节点i处分布式储能充/放功率的最大值；eess
m,i,t
为第m个子微网中t时刻节点i处分布式储能剩余容量；eess
m,i,t-1
为第m个子微网中t-1时刻节点i处分布式储能剩余容量；ηc为储能充电效率；ηdc为储能放电效率；eess
m,i,min
为第m个子微网中节点i处分布式储能容量最小限值；eess
m,i,max
为第m个子微网中节点i处分布式储能容量最大限值；u
m,n,t
为第m个子微网中t时刻节点n的电压；um
m,n,min
为第m个子微网中节点n的电压下限；um
n,max
为第m个子微网中节点n的电压上限；pline
m,l,t
为第m个子微网中t时刻支路l传输的有功功率；pline
m,l,max
为第m个子微网中支路l传输功率最大值。
[0016]
可选的，所述通过引入二进制变量以及利用灵敏度法对所述微网群储能调度优化模型进行线性化处理，包括：
[0017]
通过引入储能充电状态和放电状态两个二进制变量将储能容量平衡约束转变成线性约束；
[0018]
利用灵敏度系数法将节点电压约束和线路潮流约束转化为线性约束。
[0019]
可选的，线性化处理后的储能容量平衡约束为：
[0020][0021]
式中：binch
m,i,t
为第m个子微网中t时刻节点i处分布式储能的充电状态，binch
m,i,t
＝1表示储能充电，binch
m,i,t
＝0表示储能不充电；bindch
m,i,t
为第m个子微网中t时刻节点i处分布式储能的放电状态，bindch
m,i,t
＝1表示储能放电，bindch
m,i,t
＝0表示储能不放电。
[0022]
可选的，所述利用灵敏度系数法将节点电压约束转化为线性约束，包括：
[0023]
获取节点功率方程，将所述节点功率方程按泰勒公式展开，略去高次项后得到节点电压幅值与节点注入有功功率的灵敏度关系；
[0024]
将节点电压约束表达成储能充放电功率的线性函数，得到节点电压线性约束。
[0025]
可选的，所述利用灵敏度系数法将线路潮流约束转化为线性约束，包括：
[0026]
获取支路潮流方程，将所述支路潮流方程按泰勒公式展开，略去高次项后得到支路有功功率与节点注入有功功率灵敏度关系；
[0027]
将线路潮流约束表达成储能充放电功率的线性函数，得到线路潮流线性约束。
[0028]
可选的，含储能的微网群调度优化模型线性化处理方法，还包括：利用混合整数规划方法对所述线性化微网群储能调度优化模型进行求解。
[0029]
第二方面，本发明实施例提供一种含储能的微网群调度优化模型线性化处理系统，包括：
[0030]
构建模块，用于以总调度周期内弃风弃光量最小为目标构建微网群储能调度优化模型；
[0031]
线性模块，用于通过引入二进制变量以及利用灵敏度法对所述微网群储能调度优化模型进行线性化处理，构建线性化微网群储能调度优化模型。
[0032]
可选的，所述构建模块，包括：
[0033]
建模子模块，用于以总调度周期内弃风弃光量最小为目标建立所述微网群储能调度优化模型的目标函数；
[0034]
约束子模块，用于确定所述目标函数的运行约束条件；
[0035]
搭建子模块，用于根据所述目标函数和所述运行约束条件搭建所述微网群储能调度优化模型。
[0036]
可选的，所述微网群储能调度优化模型为：
[0037][0038]
式中：n
m,pv
为第m个子微网中安装分布式光伏节点集合；t为总调度周期；为第m个子微网中t时刻节点k处分布式光伏的预测出力；ppv
m,k,t
为第m个子微网中t时刻节点k处分布式光伏的实际出力；n
m,wind
为第m个子微网中安装分布式风机节点集合；为第m个子微网中t时刻节点w处分布式风机的预测出力；pwind
m,w,t
为第m个子微网中t时刻节点w处分布式风机的实际出力；p
m,s,t
为第m个子微网并网点t时刻传输功率；pload
m,j,t
为第m个子微网节点j处负荷在t时刻的功率；n
m,load
为第m个子微网中负载节点集合；n
m,pv
为第m个子微网中安装分布式光伏节点集合；ppv
m,k,t
为第m个子微网中节点k的分布式光伏在t时刻的输出功率；n
m,wind
为第m个子微网中安装分布式风机节点集合；pwind
m,w,t
为第m个子微网中节点w处分布式风机在t时刻的输出功率；n
m,ess
为第m个子微网中安装的储能节点集合；pessdch
m,i,t
为第m个子微网中节点i的分布式储能在t时刻的放电功率；pessch
m,i,t
为第m个子微网中节点i的分布式储能在t时刻的充电功率；p
m,s,min
为第m个子微网并网点最小传输功率；p
m,s,t
为第m个子微网并网点t时刻传输功率；p
m,s,max
为第m个子微网并网点最大传输功率；ppv
m,k,max
为第m个子微网中节点k处分布式光伏最大出力；ppv
m,k,t
为第m个子微网中t时刻节点k处分布式光伏的实际出力；pwind
m,w,max
为第m个子微网中节点w处分布式风机最大出力；pwind
m,w,t
为第m个子微网中t时刻节点w处分布式风机的实际出力；pess
m,i,max
为第m个子微网中节点i处分布式储能充/放功率的最大值；eess
m,i,t
为第m个子微网中t时刻节点i处分布式储能剩余容量；eess
m,i,t-1
为第m个子微网中t-1时刻节点i处分布式储能剩余容量；ηc为储能充电效率；ηdc为储能放电效率；eess
m,i,min
为第m个子微网中节点i处分布式储能容量最小限值；eess
m,i,max
为第m个子微网中节点i处分布式储能容量最大限值；u
m,n,t
为第m个子微网中t时刻节点n的电压；um
m,n,min
为第m个子微网中节点n的电压下限；um
n,max
为第m个子微网中节点n的电压上限；pline
m,l,t
为第m个子微网中t时刻支路l传输的有功功率；pline
m,l,max
为第m个子微网中支路l传输功率最大值。
[0039]
可选的，所述通过引入二进制变量以及利用灵敏度法对所述微网群储能调度优化模型进行线性化处理，包括：
[0040]
通过引入储能充电状态和放电状态两个二进制变量将储能容量平衡约束转变成线性约束；
[0041]
利用灵敏度系数法将节点电压约束和线路潮流约束转化为线性约束。
[0042]
第三方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行本发明实施例第一方面所述的含储能的微网群调度优化模型线性化处理方法。
[0043]
第四方面，本发明实施例提供一种计算机设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行本发明实施例第一方面所述的含储能的微网群调度优化模型线性化处理方法。
[0044]
本发明技术方案，具有如下优点：
[0045]
本发明提供的一种含储能的微网群调度优化模型线性化处理方法，包括：以总调度周期内弃风弃光量最小为目标构建微网群储能调度优化模型；通过引入二进制变量以及利用灵敏度法对微网群储能调度优化模型进行线性化处理，构建线性化微网群储能调度优化模型。通过引入二进制变量的方法以及利用灵敏度系数法对微网群储能调度优化模型进行线性化处理，从而构建线性化储能调度优化模型，降低了模型的复杂度，提升了求解效率。
附图说明
[0046]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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的附图。
[0047]
图1为本发明实施例中含储能的微网群调度优化模型线性化处理方法的一个具体示例的流程图；
[0048]
图2为本发明实施例中微网群网架结构；
[0049]
图3为本发明实施例中微网1储能调度曲线；
[0050]
图4为本发明实施例中微网2储能调度曲线；
[0051]
图5为本发明实施例中微网3储能调度曲线；
[0052]
图6为本发明实施例中共享式储能充放电功率曲线；
[0053]
图7为本发明实施例中含储能的微网群调度优化模型线性化处理系统原理框图；
[0054]
图8为本发明实施例中为本发明中提供的计算机设备一个具体示例的组成图。
具体实施方式
[0055]
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
[0056]
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0057]
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0058]
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
[0059]
本发明实施例提供一种含储能的微网群调度优化模型线性化处理方法，如图1所示，包括如下步骤：
[0060]
步骤s1：以总调度周期内弃风弃光量最小为目标构建微网群储能调度优化模型。
[0061]
在一具体实施例中，步骤s1包括如下步骤：
[0062]
步骤s11：以总调度周期内弃风弃光量最小为目标建立微网群储能调度优化模型的目标函数。
[0063]
在本发明实施例中，微网群储能调度优化模型的目标函数为：
[0064][0065]
式中：n
m,pv
为第m个子微网中安装分布式光伏节点集合；t为总调度周期；为第m个子微网中t时刻节点k处分布式光伏的预测出力；ppv
m,k,t
为第m个子微网中t时刻节点k处分布式光伏的实际出力；n
m,wind
为第m个子微网中安装分布式风机节点集合；为第m个子微网中t时刻节点w处分布式风机的预测出力；pwind
m,w,t
为第m个子微网中t时刻节点w处分布式风机的实际出力。
[0066]
步骤s12：确定目标函数的运行约束条件。
[0067]
在本发明实施例中，微网群储能调度优化目标函数的运行约束条件包括功率平衡约束、发电机出力约束、光伏出力约束、风机出力约束、储能充放电功率约束、储能容量平衡约束、储能剩余容量约束、节点电压约束、线路潮流约束。
[0068]
功率平衡约束具体为：
[0069][0070]
式中：p
m,s,t
为第m个子微网并网点t时刻传输功率；pload
m,j,t
为第m个子微网节点j处负荷在t时刻的功率；n
m,load
为第m个子微网中负载节点集合；n
m,pv
为第m个子微网中安装分布式光伏节点集合；ppv
m,k,t
为第m个子微网中节点k的分布式光伏在t时刻的输出功率；n
m,wind
为第m个子微网中安装分布式风机节点集合；pwind
m,w,t
为第m个子微网中节点w处分布式风机在t时刻的输出功率；n
m,ess
为第m个子微网中安装的储能节点集合；pessdch
m,i,t
为第m个子微网中节点i的分布式储能在t时刻的放电功率；pessch
m,i,t
为第m个子微网中节点i的分布式储能在t时刻的充电功率。
[0071]
并网点传输功率约束具体为：
[0072]
p
m,s,min
≤p
m,s,t
≤p
m,s,max
[0073]
式中：p
m,s,min
为第m个子微网并网点最小传输功率；p
m,s,t
为第m个子微网并网点t时刻传输功率；p
m,s,max
为第m个子微网并网点最大传输功率。
[0074]
光伏出力约束具体为：
[0075]
0≤ppv
m,k,t
≤ppv
m,k,max
[0076]
式中：ppv
m,k,max
为第m个子微网中节点k处分布式光伏最大出力；ppv
m,k,t
为第m个子微网中t时刻节点k处分布式光伏的实际出力。
[0077]
风机出力约束具体为：
[0078]
0≤pwind
m,w,t
≤pwind
m,w,max
[0079]
式中：pwind
m,w,max
为第m个子微网中节点w处分布式风机最大出力；pwind
m,w,t
为第m个子微网中t时刻节点w处分布式风机的实际出力。
[0080]
储能充放电功率约束具体为：
[0081]
在任意时刻储能的充/放电功率不能超过其充/放电功率限值。
[0082][0083]
式中：pess
m,i,max
为第m个子微网中节点i处分布式储能充/放功率的最大值。
[0084]
储能容量平衡约束具体为：
[0085]
t时刻储能的容量等于t-1时刻储能容量加上t
step
时间段内储能充的电量或减去t
step
时间段内储能放出的电量。
[0086][0087]
式中：eess
m,i,t
为第m个子微网中t时刻节点i处分布式储能剩余容量；eess
m,i,t-1
为第m个子微网中t-1时刻节点i处分布式储能剩余容量；ηc为储能充电效率；ηdc为储能放电效率。
[0088]
储能剩余容量约束具体为：
[0089]
在任意时刻储能的容量都在其上下限内。
[0090]
eess
m,i,min
≤eess
m,i,t
≤eess
m,i,max
[0091]
式中：eess
m,i,min
为第m个子微网中节点i处分布式储能容量最小限值，通常取额定容量的20％；eess
m,i,max
为第m个子微网中节点i处分布式储能容量最大限值，通常取额定容量的80％。
[0092]
节点电压约束具体为：
[0093]
um
m,n,min
≤u
m,n,t
≤um
m,n,max
[0094]
式中：u
m,n,t
为第m个子微网中t时刻节点n的电压；um
m,n,min
为第m个子微网中节点n的电压下限；um
n,max
为第m个子微网中节点n的电压上限。
[0095]
线路潮流约束具体为：
[0096]
pline
m,l,t
≤pline
m,l,max
[0097]
式中：pline
m,l,t
为第m个子微网中t时刻支路l传输的有功功率；
[0098]
pline
m,l,max
为第m个子微网中支路l传输功率最大值。
[0099]
步骤s13：根据目标函数和运行约束条件搭建微网群储能调度优化模型。
[0100]
在本发明实施例中，微网群储能调度优化模型为：
[0101][0102]
步骤s2：通过引入二进制变量以及利用灵敏度法对微网群储能调度优化模型进行线性化处理，构建线性化微网群储能调度优化模型。
[0103]
在一具体实施例中，对微网群储能调度优化模型进行线性化处理具体包括如下步骤：
[0104]
步骤s21：通过引入储能充电状态和放电状态两个二进制变量将储能容量平衡约束转变成线性约束。
[0105]
在本发明实施例中，储能容量平衡约束中pessch
m,i,t
·
pessdch
m,i,t
＝0为非线性约束，需进行线性化处理。通过引入二进制变量binch
m,i,t
、bindch
m,i,t
，可等效转化为线性问题。binch
m,i,t
为第m个子微网中t时刻节点i处分布式储能的充电状态，binch
m,i,t
＝1表示储能充电，binch
m,i,t
＝0表示储能不充电；bindch
m,i,t
为第m个子微网中t时刻节点i处分布式储能的放电状态，bindch
m,i,t
＝1表示储能放电，bindch
m,i,t
＝0表示储能不放电。线性化处理后的储能容量平衡约束为：
[0106][0107]
步骤s22：利用灵敏度系数法将节点电压约束和线路潮流约束转化为线性约束。
[0108]
在本发明实施例中，利用灵敏度系数法将节点电压约束转化为线性约束，包括如下步骤：
[0109]
步骤s221：获取节点功率方程，将节点功率方程按泰勒公式展开，略去高次项后得到节点电压幅值与节点注入有功功率的灵敏度关系。
[0110]
步骤s222：将节点电压约束表达成储能充放电功率的线性函数，得到节点电压线性约束。
[0111]
具体的，节点电压约束为非线性函数，利用灵敏度系数法进行线性化处理：
[0112]
根据节点功率方程可知：
[0113][0114]
式中：pi、qi分别为节点i的有功和无功功率注入量；ui、uj分别为节点i、j的电压幅值；θ
ij
是节点i、j之间的电压相角差；g
ij
、b
ij
分别为节点i、j之间线路的电导和电纳。
[0115]
按泰勒展开，略去高次项后可得：
[0116][0117]
式中：δp、δq分别为各节点注入有功和无功功率变化量，δθ、δu分别为节点电压幅值和相角的变化量；h、n、m、l为雅克比矩阵各分块矩阵。
[0118]
则节点电压与节点注入功率的灵敏度关系为：
[0119][0120]
式中：a、b、c、d分别为各节点电压相角、电压幅值与各节点注入有功、无功功率之间的灵敏度关系。
[0121]
节点电压幅值与节点注入有功功率的灵敏度关系为：
[0122]
δu＝c
·
δp d
·
δq
[0123]
将节点电压约束表达成储能充放电功率的线性函数：
[0124]
δu
m,n,t
＝c
·
(pessdch
m,i,t-pessch
m,i,t
)
[0125]
节点电压约束转化为：
[0126]ucur,m,n,t
δu
m,n,t
≤um
m,n,max
[0127]
式中：u
cur,m,n,t
为第m个子微网未加储能时节点n在t时刻的电压；δu
m,n,t
为第m个子微网加入储能后节点n在t时刻电压变化量；um
m,n,max
为第m个子微网中节点n的电压幅值上限。
[0128]
进一步的，利用灵敏度系数法将线路潮流约束转化为线性约束，包括如下步骤：
[0129]
步骤s223：获取支路潮流方程，将支路潮流方程按泰勒公式展开，略去高次项后得到支路有功功率与节点注入有功功率灵敏度关系。
[0130]
步骤s224：将线路潮流约束表达成储能充放电功率的线性函数，得到线路潮流线性约束。
[0131]
具体的，线路潮流约束为非线性函数，利用灵敏度系数法进行线性化处理：
[0132]
根据支路潮流方程可知：
[0133][0134]
式中：p
ij
、q
ij
分别为节点i向节点j所传输的有功和无功大小；t
ij
为支路ij上变压器变比，若该支路仅为导线则为0，若含有变压器，则为母线始末端基准电压之比；b
ij0
为支路ij容纳的一半。
[0135]
按泰勒展开，略去高次项后可得：
[0136][0137]
式中：δp
l
、δq
l
分别为各支路传输有功和无功功率变化量；m为各支路功率与各节点电压电压之间的灵敏度系数矩阵。
[0138]
由节点电压与节点注入功率的灵敏度关系可知，上式可变形为：
[0139][0140]
式中：r、s、l、t分别为各支路有功、无功功率与各节点注入有功、无功之间的灵敏度关系。
[0141]
支路有功功率与节点注入有功功率灵敏度关系为：
[0142]
δp
l
＝r
·
δp s
·
δq
[0143]
将线路潮流约束表达成储能充放电功率的线性函数：
[0144]
δp
m,l,t
＝r
·
(pessdch
m,i,t-pessch
m,l,t
)
[0145]
线路潮流约束可转化为：
[0146]
p
cur,m,l,t
δp
m,l,t
≤pline
m,l,max
[0147]
式中：p
cur,m,l,t
为第m个子微网未加储能时支路l在t时刻的潮流；δp
m,l,t
为第m个子微网加入储能后支路l在t时刻潮流变化量；pline
m,l,max
为第m个子微网中支路l传输功率最大值。
[0148]
进一步的，线性化微网群储能调度优化模型为：
[0149][0150]
通过引入储能充电状态和放电状态两个二进制变量将储能容量平衡约束转变成线性约束，利用灵敏度系数法将节点电压约束和线路潮流约束转化为线性约束，从而构建线性化储能调度优化模型，降低了模型的复杂度，提升了求解效率。
[0151]
在一实施例中，含储能的微网群调度优化模型线性化处理方法，还包括：利用混合整数规划方法对线性化微网群储能调度优化模型进行求解。
[0152]
在一实施例中，微网群网架结构如图2所示。光伏装机容量：1.88mw(屋顶) 320kw(地面车棚)＝2.2mw。储能总容量：2.5mw/5mwh。其中，分布式储能总容量1mw/2mwh，微网1配置250kw/500kwh，微网2配置250kw/500kwh，微网3配置500kw/1000kwh；共享式储能容量配
置1.5mw/3mwh。各子微网的源荷状态情况见表1。
[0153]
表1
[0154][0155]
对本实施例构建的线性化微网群储能调度优化模型利用混合整数规划方法求解，微网群中各子微网的储能调度曲线以及共享式储能调度曲线如图3、图4、图5及图6所示，可以实现分布式光伏充分消纳。
[0156]
本发明实施例还提供一种含储能的微网群调度优化模型线性化处理系统，如图7所示，包括：
[0157]
构建模块1，用于以总调度周期内弃风弃光量最小为目标构建微网群储能调度优化模型。详细内容参见上述方法实施例中步骤s1的相关描述，在此不再赘述。
[0158]
线性模块2，用于通过引入二进制变量以及利用灵敏度法对微网群储能调度优化模型进行线性化处理，构建线性化微网群储能调度优化模型。详细内容参见上述方法实施例中步骤s2的相关描述，在此不再赘述。
[0159]
在一实施例中，构建模块，包括：
[0160]
建模子模块，用于以总调度周期内弃风弃光量最小为目标建立微网群储能调度优化模型的目标函数。详细内容参见上述方法实施例中步骤s11的相关描述，在此不再赘述。
[0161]
约束子模块，用于确定目标函数的运行约束条件。详细内容参见上述方法实施例中步骤s12的相关描述，在此不再赘述。
[0162]
搭建子模块，用于根据目标函数和运行约束条件搭建微网群储能调度优化模型。详细内容参见上述方法实施例中步骤s13的相关描述，在此不再赘述。
[0163]
在一实施例中，通过引入二进制变量以及利用灵敏度法对微网群储能调度优化模型进行线性化处理，包括：
[0164]
通过引入储能充电状态和放电状态两个二进制变量将储能容量平衡约束转变成线性约束。详细内容参见上述方法实施例中步骤s21的相关描述，在此不再赘述。
[0165]
利用灵敏度系数法将节点电压约束和线路潮流约束转化为线性约束。详细内容参见上述方法实施例中步骤s22的相关描述，在此不再赘述。
[0166]
本发明实施例提供一种计算机设备，如图8所示，该设备可以包括处理器81和存储器82，其中处理器81和存储器82可以通过总线或者其他方式连接，图8以通过总线连接为例。
[0167]
处理器81可以为中央处理器(central processing unit，cpu)。处理器81还可以为其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
[0168]
存储器82作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的对应的程序指令/模块。处理器81通过运行存储在存储器82中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的含储能的微网群调度优化模型线性化处理方法。
[0169]
存储器82可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器81所创建的数据等。此外，存储器82可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器82可选包括相对于处理器81远程设置的存储器，这些远程存储器可以通过网络连接至处理器81。上述网络的实例包括但不限于互联网、企业内部网、企业内网、移动通信网及其组合。
[0170]
一个或者多个模块存储在存储器82中，当被处理器81执行时，执行如图1-图6所示实施例中的含储能的微网群调度优化模型线性化处理方法。
[0171]
上述计算机设备具体细节可以对应参阅图1-图6所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
[0172]
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，所述程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等；存储介质还可以包括上述种类的存储器的组合。
[0173]
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。