一種分布式電源能效優化方法及系統與流程

本發明屬于電力系統及其自動化領域。

背景技術：

隨著分布式電源的大規模應用，未來我國電網中隨機性、波動性和間歇性的小型分布式能源所占比例會越來越大，甚至將成為電網不可或缺的組成部分。將多種互補的分布式電源集成并網，構建具有即插即用能力的小型多能互補分布式電站，將為解決大量小型化分布式電源納入能源互聯網提供一種有效的解決方案。而目前尚未有成熟的技術方案能夠實現上述功能。

技術實現要素：

本發明的目的在于對分布式電源、儲能及不同類型負荷進行優化調度，在保證電網安全穩定運行的基礎上，提升分布式電源的能源利用效率。

為實現上述發明目的，本發明提供一種分布式電源能效優化方法，可采用如下技術方案：

一種分布式電源能效優化方法，包括：日前優化階段和日內優化階段；

日前優化階段，根據調度日整體成本，優化調度日中儲能設備SOC曲線以及可平移負荷的運行狀態；

日內優化階段，根據調度日中再設置的調度周期內成本、日前優化階段的調度日中儲能設備SOC曲線和所述可平移負荷的運行狀態，優化儲能設備、可削減負荷的有功輸出值。

進一步的，日前優化階段中，以儲能成本、與上級電網交互成本及負荷成本之和最小為目標建立優化模型，包括目標函數及約束條件，

其中目標函數為：

N：優化調度周期內優化點數；f₁(P_i^b)：儲能成本；f₂(P_i^load1+δ_iP_i^load2+P_i^load3-P_i^DG-P_i^b)：與上級電網交互成本；負荷收益；P_i^b：儲能i時刻輸出功率；P_i^load1：可削減負荷i時刻工作功率；δ_i：可平移負荷i時刻工作狀態(0，1)；P_i^DG：分布式電源i時刻輸出功率；P_i^load2：可平移負荷額定工作功率；P_i^load3：不可控負荷i時刻功率；其中，不可控負荷、可削減負荷和可平移負荷為對用電負荷的自定分類；

約束條件包括：

(1)、可平移負荷約束條件：

δ_i：可平移負荷i時刻的工作狀態(0，1)；Δt：時間間隔；τ：可平移負荷在調度日的總工作時間。

(2)、功率平衡約束：

P_B(t)+P_CC(t)+P_DG(t)＝P_load(t)

P_B(t)：儲能功率；P_CC(t)：公共連接點功率；P_DG(t)：分布式電源功率；P_load(t)：負荷功率，包括不可控負荷、可平移負荷、可削減負荷。

(3)、可削減負荷約束：

建立室內溫度的動態模型

C：房間的熱容量；R：房間熱阻；Δt為時間間隔；T(t)：t時刻室內溫度；

T(t+1)：t+1時刻室內溫度；T_out(t)：t時刻室外溫度；

T_min≤T(t)≤T_max

T_min：室內溫度下限；T_max：室內溫度上限；

通過上述目標函數及約束條件得到輸出結果：

Δt'為優化后可平移負荷工作時間間隔；

P_load'(t)為優化后可削減負荷運行功率曲線；

P_B'(t)為優化后儲能運行功率曲線；

調整可平移負荷工作時間和可削減負荷工作功率，以減少用電成本。

進一步的，日內優化階段中，進行建模并優化，且該建模的優化模型與日前優化階段中以儲能成本、與上級電網交互成本及負荷成本之和最小為目標建立優化模型相同。

進一步的，通過滾動優化模式，對日前計劃進行修正，所述滾動優化模式為：

以k點為當前時間點，對[k+Nc，k+Nc+Tcycle]共Tcycle個時間段的超短期功率進行預測；首先在k時刻預測能量管理周期Tcycle的可再生能源出力和負荷情況，根據預定的優化模型求得該時段的最優調度，但是僅使用[k+Nc，k+Nc+1]的優化信息，對[k+Nc，k+Nc+1]段進行控制；最后，將控制時刻各組件的狀態作為[k+Nc+1，k+Np+1]的初始值，重復上述步驟，在k+1時刻預測[k+Nc+1，k+Np+1]時段內的可再生能源出力和負荷情況，進行優化計算，但僅對[k+Nc+1，k+Nc+2]時段進行控制。

進一步的，日內滾動優化優化目標：

式中，k為當前時刻；控制量，即儲能充放電功率與可削減負荷功率；

約束條件：

(1)可削減負荷(空調)

(2)儲能約束

SOC_min≤SOC_k+i|k≤SOC_max

是上層給出的k+i個采樣點的SOC參考上下限。

進一步的，在日前優化階段中，全天分為24個時間段，優化的時間間隔為1h；日內優化階段中，全天分為144個時間段，優化時間間隔為10min。

有益效果：本發明分布式電源能效優化方法從日前和日內兩個時間尺度進行調度控制，分別對這兩個階段進行建模、優化。將負荷分為不可控負荷、可平移負荷和可削減負荷，優化模型以調度周期內的儲能成本、與上級電網交互成本及負荷成本之和最小為目標，綜合考慮分布式電源、儲能與多元負荷的特性，增強三者之間的互動聯系，實現發電側和負荷側的良性互動，在充分利用可再生能源的同時，提高能源綜合利用效率。

為實現上述發明目的，本發明對應上述的分布式電源能效優化方法，又提供了一種分布式電源能效優化系統，可采用如下技術方案：

一種分布式電源能效優化系統，包括：

日前優化模塊，用以根據調度日整體成本，優化調度日中儲能設備SOC曲線以及可平移負荷的運行狀態；

日內優化模塊，用以根據調度日中再設置的調度周期內成本、日前優化階段的調度日中儲能設備SOC曲線和所述可平移負荷的運行狀態，優化儲能設備、可削減負荷的有功輸出值。

附圖說明

圖1為本發明中分布式電源能效優化系統的能效優化框圖；

圖2日內優化階段中滾動式優化模式圖。

具體實施方式

下面結合附圖和具體實施例，進一步闡明本發明，應理解這些實施例僅用于說明本發明而不用于限制本發明的范圍，在閱讀了本發明之后，本領域技術人員對本發明的各種等價形式的修改均落于本申請所附權利要求所限定的范圍。

本發明提供了一種分布式電源能效優化方法及系統。

請參閱圖1所示，為本實施例中采用的分布式電源能效優化系統的能效優化框圖，日前優化模塊，用以在日前時間角度以調度日整體成本最低為目標，優化調度日中儲能設備SOC(荷電狀態)曲線以及可平移負荷的運行狀態；

日內優化模塊，用以在不改變日前計劃中儲能SOC和負荷運行狀態的前提下，以調度周期內成本最低為目標，滾動優化儲能設備、可削減負荷的有功輸出值。

并結合該優化系統，本發明提出的分布式電源能效優化方法包括：日前優化階段和日內優化階段；

日前優化階段在日前時間角度以調度日整體成本最低為目標，優化調度日中儲能設備SOC曲線以及可平移負荷的運行狀態；

日內優化階段根據調度日中再設置的調度周期內成本、日前優化階段的調度日中儲能設備SOC曲線和所述可平移負荷的運行狀態，優化儲能設備、可削減負荷的有功輸出值。

日前優化模塊，即日前優化階段中，以儲能成本、與上級電網交互成本及負荷成本之和最小為目標建立優化模型，包括目標函數及約束條件，

其中目標函數為：

N：優化調度周期內優化點數；f₁(P_i^b)：儲能成本；f₂(P_i^load1+δ_iP_i^load2+P_i^load3-P_i^DG-P_i^b)：與上級電網交互成本；負荷收益；P_i^b：儲能i時刻輸出功率；P_i^load1：可削減負荷i時刻工作功率；δ_i：可平移負荷i時刻工作狀態(0，1)；P_i^DG：分布式電源i時刻輸出功率；P_i^load2：可平移負荷額定工作功率；P_i^load3：不可控負荷i時刻功率。

其中，不可控負荷、可削減負荷和可平移負荷為對用電負荷的自定分類；在本實施方式中，將負荷根據重要程度和用電特性進行分類，不可控負荷：指對供電可靠性要求比較高，或者是沒有可控手段的負荷；可削減負荷：指根據用戶需求可以對其功率進行一定削減的負荷；可平移負荷：指具有一定的用電靈活性的負荷，可根據電價信息或電網運行調度的需要，靈活安排其用電時段。

約束條件包括：

(1)、可平移負荷約束條件：

δ_i：可平移負荷i時刻的工作狀態(0，1)；Δt：時間間隔；τ：可平移負荷在調度日的總工作時間。

(2)、功率平衡約束：

P_B(t)+P_CC(t)+P_DG(t)＝P_load(t)

P_B(t)：儲能功率；P_CC(t)：公共連接點功率；P_DG(t)：分布式電源功率；P_load(t)：負荷功率，包括不可控負荷、可平移負荷、可削減負荷。

(3)、可削減負荷約束：

建立室內溫度的動態模型

C：房間的熱容量；R：房間熱阻；Δt為時間間隔；T(t)：t時刻室內溫度；

T(t+1)：t+1時刻室內溫度；T_out(t)：t時刻室外溫度；

T_min≤T(t)≤T_max

T_min：室內溫度下限；T_max：室內溫度上限；

通過上述目標函數及約束條件得到輸出結果：

Δt'為優化后可平移負荷工作時間間隔；

P_load'(t)為優化后可削減負荷運行功率曲線；

P_B'(t)為優化后儲能運行功率曲線；

調整可平移負荷工作時間和可削減負荷工作功率，以減少用電成本。

日內優化階段中，同樣建立優化模型，且該優化模型與日前優化階段中以儲能成本、與上級電網交互成本及負荷成本之和最小為目標建立優化模型相同。日內優化以日前優化為基礎，借助滾動更新的新能源出力與負荷超短期預測信息，采用基于模型預測控制(MPC)的優化算法，在不改變日前計劃中儲能SOC和負荷運行狀態的前提下，以調度周期內成本最低為目標，滾動優化儲能設備、可削減負荷的有功輸出值。日內超短期滾動調度以10min為時間尺度，結合實時的氣象信息和系統情況，對可再生能源出力和負荷需求進行預測，提高了預測的精準性。借助滾動優化策略，對日前計劃進行不停的修正通過滾動優化模式，對日前計劃進行修正，所述滾動優化模式為：

以k點為當前時間點，對[k+Nc，k+Nc+Tcycle]共Tcycle個時間段的超短期功率進行預測；首先在k時刻預測能量管理周期Tcycle的可再生能源出力和負荷情況，根據預定的能量管理模型求得該時段的最優調度，但是僅使用[k+Nc，k+Nc+1]的優化信息，對[k+Nc，k+Nc+1]段進行控制；最后，將控制時刻各組件的狀態作為[k+Nc+1，k+Np+1]的初始值，重復上述步驟，在k+1時刻預測[k+Nc+1，k+Np+1]時段內的可再生能源出力和負荷情況，進行優化計算，但僅對[k+Nc+1，k+Nc+2]時段進行控制；

日內滾動優化優化目標：

式中，k為當前時刻；控制量，即儲能充放電功率與可削減負荷功率；

約束條件：

(1)可削減負荷(空調)

(2)儲能約束

SOC_min≤SOC_k+i|k≤SOC_max

是上層給出的k+i個采樣點的SOC參考上下限。