考虑多微网参与配电网的优化调度方法、系统及存储介质与流程

1.本发明涉及一种微电网技术领域，特别是关于一种考虑多微网参与配电网的优化调度方法、系统及存储介质。


背景技术：

2.大力发展可再生能源促进了微电网技术的迅速发展，新型电力系统中将出现众多微网的状况，微电网的新能源类型、容量以及拓扑结构不同，可以通过联合运行构成多微网系统。现有的多微网参与配电网优化调度研究中，大多考虑配电网和微电网各自性能，少有从配电网和多微电网整体优化考虑，并且未充分考虑微网内资源参与调度及通信时间，导致配电系统运行性能较差。


技术实现要素：

3.针对上述问题，本发明的目的是提供一种考虑多微网参与配电网的优化调度方法、系统及存储介质，解决了现有技术中多微网参与配电网调度性能较差的问题。
4.为实现上述目的，本发明采取以下技术方案：一种考虑多微网参与配电网的优化调度方法，其包括：根据激励型需求响应的用电特性，建立具有不同调控特性的需求响应模型；根据不同调度特性的需求响应模型，考虑光伏、储能和柴油机调度特性，建立微电网调度模型；根据微电网调度模型，建立配电网-微电网群-微电网日前逐级申报出力数据、日前逐级优化出力信息和日内逐级优化修正量的多时间尺度优化调度策略；根据多时间尺度优化调度策略以及预设的目标函数和约束条件，建立配电系统日前-日内滚动的多时间尺度优化调度模型；对配电系统日前-日内滚动的多时间尺度优化调度模型求解，获取微电网及其内部资源出力信息，对微电网进行优化调度。
5.进一步，建立具有不同调控特性的需求响应模型，包括：
6.根据激励型需求响应具有不同调控时间的特性，将激励型需求响应分为日前型可中断负荷、日前型可平移负荷、日前型可转移负荷、日内型可中断负荷和日内型可转移负荷；
7.根据所有可中断负荷、可平移负荷和可转移负荷，建立具有不同调度特性的激励型的需求响应模型。
8.进一步，建立微电网调度模型，包括：
9.获取预先收集的微电网所在地区历史天气数据；
10.根据历史天气数据，基于beta分布和正态分布，建立光伏出力的日前预测模型和日内预测误差模型；
11.根据光伏出力的日前预测模型和日内预测误差模型，考虑储能和柴油机出力模型，建立微电网调度模型。
12.进一步，多时间尺度优化调度策略，包括：
13.在日前阶段，微电网将内部资源出力聚合并上传至微电网控制中心，微电网控制
中心把收集的可控资源出力信息聚合并上报给微电网群控制中心；微电网群控制中心把收集的群内微电网出力信息聚合，并于日前上报给配电网决策中心，配电网决策中心根据运行成本统一决策群出力信息，并把出力决策量下发至各微电网群控制中心；各微电网群控制中心根据微电网等值模型进一步决策出群内微电网出力信息，并把决策信息下发给群内微电网控制中心；微电网控制中心根据内部各资源出力成本，将微电网群控制中心的决策量分配至各个设备；
14.在日内阶段，每个微电网控制中心采集内部实时信息后上传至微电网群控制中心和配电网决策中心，由微电网控制中心完成优化计算，并把优化结果下发给内部可控资源，实现日内短时间尺度的优化调度。
15.进一步，预设的目标函数包括：日前优化模型的目标函数和日内优化模型的目标函数。
16.进一步，预设的日前优化模型的约束条件，包括：日前微电网群出力约束、日前微电网内部功率平衡约束、日前微电网出力约束、节点电压越限约束和潮流约束；
17.预设的日内优化模型的目标函数的约束条件，包括：日内微电网功率平衡约束、柴油机出力约束和储能出力约束。
18.进一步，对配电系统日前-日内滚动的多时间尺度优化调度模型求解，包括：基于交替方向乘子法和gurobi求解器对配电系统日前-日内多时间尺度优化调度模型进行求解，得到微电网及其内部资源出力信息。
19.一种考虑多微网参与配电网的优化调度系统，其包括：第一建立模块，根据激励型需求响应的用电特性，建立具有不同调控特性的需求响应模型；第一获取模块，根据不同调度特性的需求响应模型，考虑光伏、储能和柴油机调度特性，建立微电网调度模型；第二建立模块，根据微电网调度模型，建立配电网-微电网群-微电网日前逐级申报出力数据、日前逐级优化出力信息和日内逐级优化修正量的多时间尺度优化调度策略；第二获取模块，根据多时间尺度优化调度策略以及预设的目标函数和约束条件，建立配电系统日前-日内滚动的多时间尺度优化调度模型；调度模块，对配电系统日前-日内滚动的多时间尺度优化调度模型求解，获取微电网及其内部资源出力信息，对微电网进行优化调度。
20.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。
21.一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
22.本发明由于采取以上技术方案，其具有以下优点：本发明降低了配电系统的负荷峰谷差和发电成本，为多微网接入配电系统的优化调度提供了依据。
附图说明
23.图1是本发明实施例提供的多微网参与配电网优化调度方法流程图；
24.图2是本发明实施例提供的配电网-微电网群-微电网日前逐级申报、逐级优化和日内逐级优化的调度策略示意图；
25.图3是本发明实施例提供的配电系统日前-日内滚动多时间尺度优化调度模型示
意图；
26.图4是本发明实施例提供的日前配电网购电、微电网群1和微电网群2出力求解结果示意图；
27.图5是本发明实施例提供的日前微电网1内部资源出力求解结果示意图；
28.图6是本发明实施例提供的日内微电网修正量求解结果示意图；
29.图7是本发明实施例提供的日内微电网1内部资源修正量求解结果示意图；
30.图8是本发明实施例提供的多微网参与配电网优化调度的装置的结构示意图；
31.图9是本发明实施例提供的电子设备结构示意图。
具体实施方式
32.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例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的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
33.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
34.如相关技术所描述的，在“双碳”目标下，电力系统的低碳改造迫在眉睫。近年来，新能源占比的不断增加，给电网带来了电能质量等问题，微电网被认为是提高新能源渗透率的有效途径。微电网方面逐渐从“单个微网”独立运行模式过渡到“微网群”运行模式，多个微电网以微电网群的形式互联互通，是实现最大程度并网和高比例新能源消耗的重要基础。目前，现有的多微网参与配电网优化调度研究中，大多孤立考虑配电网和微电网各自性能，少有从配电系统整体性能优化考虑，并且未充分考虑微网内资源参与调度及通信时间，导致配电系统运行性能较差。
35.为了解决现有技术问题，本发明实施例提供了一种考虑多微网参与配电网的优化调度方法、系统及存储介质，该方法包括：根据激励型需求响应具有不同调控时间的特性，建立具有不同调度特性的需求响应模型；根据所建立的需求响应模型，考虑光伏、储能和柴油机调度特性，建立微电网调度模型；根据所构建的微电网调度模型，建立配电网-微电网群-微电网日前逐级申报出力数据、日前逐级优化出力信息和日内逐级优化修正量的多时间尺度优化调度策略；基于所构建的多时间尺度优化调度策略以及预设的目标函数和约束条件，建立配电系统日前-日内滚动的多时间尺度优化调度方法；根据配电系统日前-日内多时间尺度优化调度方法，获取配电网购电信息和微电网内部资源的出力信息，对微电网内部资源出力进行优化调度。本发明降低了配电系统的负荷峰谷差和发电成本，为多微网接入配电系统的优化调度提供了依据。
36.在本发明的一个实施例中，提供一种考虑多微网参与配电网的优化调度方法。本实施例中，如图1所示，该方法包括以下步骤：
37.1)根据激励型需求响应的用电特性，建立具有不同调控特性的需求响应模型；
38.2)根据不同调度特性的需求响应模型，考虑光伏、储能和柴油机调度特性，建立微
电网调度模型；
39.3)根据微电网调度模型，建立配电网-微电网群-微电网日前逐级申报出力数据、日前逐级优化出力信息和日内逐级优化修正量的多时间尺度优化调度策略；
40.4)根据多时间尺度优化调度策略以及预设的目标函数和约束条件，建立配电系统日前-日内滚动的多时间尺度优化调度模型；
41.5)对配电系统日前-日内滚动的多时间尺度优化调度模型求解，获取微电网及其内部资源出力信息，对微电网进行优化调度。
42.上述步骤1)中，建立具有不同调控特性的需求响应模型，包括以下步骤：
43.1.1)根据激励型需求响应具有不同调控时间的特性，将激励型需求响应分为日前型可中断负荷、日前型可平移负荷、日前型可转移负荷、日内型可中断负荷和日内型可转移负荷；
44.1.2)根据所有可中断负荷、可平移负荷和可转移负荷，建立具有不同调度特性的激励型的需求响应模型。
45.本实施例中，需求响应模型为：
[0046][0047]
p
sl
(t)＝p
sl
(t+δt),δt∈t
sl
[0048][0049]
其中：p
il
(t)表示t时段用户可中断负荷功率；t
oil
和t
il
分别表示用户负荷不可中断的时段和可中断的时段；p
il,max
(t)表示t时段用户最大可中断功率；p
sl
(t)表示t时段可以平移的功率；δt表示可平移时长；t
sl
为可平移的时间；p
sl
(t+δt)表示平移到t+δt的负荷功率；p
tlin
(t)和p
tlout
(t)分别表示t时段可转入负荷功率和可转出负荷功率；t
otl
、t
tlin
和t
tlout
分别表示不可转移时段、可转入时段和可转出时段；p
tlin,max
(t)和p
tlout,max
(t)分别表示t时段最大可转入负荷功率和最大可转出负荷功率。
[0050]
上述步骤2)中，建立微电网调度模型，包括以下步骤：
[0051]
2.1)获取预先收集的微电网所在地区历史天气数据；
[0052]
2.2)根据历史天气数据，基于beta分布和正态分布，建立光伏出力的日前预测模型和日内预测误差模型；
[0053]
2.3)根据光伏出力的日前预测模型和日内预测误差模型，考虑储能和柴油机出力模型，建立微电网调度模型。
[0054]
在一些实施例中，获取预先收集的微电网所在地区的历史天气数据；根据历史天气数据，基于beta分布和正态分布，建立光伏出力的日前预测模型和日内预测误差模型；根据光伏出力的日前预测模型，考虑储能和柴油机出力模型，建立微电网调度模型。
[0055]
具体的，基于beta分布和正态分布建立光伏日前预测模型和日内预测误差模型。
[0056]
在一些实施例中，光伏出力日前预测模型是基于光照强度服从beta分布、光伏电池板出力正比与光照强度，从而光照强度服从beta分布，即光伏日前预测模型为：
[0057]
p
pv
＝miη
[0058][0059][0060][0061]
其中，p
pv
为光伏电池板发电功率；m为受光面积；i为太阳辐照强度；η为发电效率；γ(*)为gamma函数；i
max
为最大光照强度；μ为beta分布的均值；σ2为beta分布的方差，根据不同的预测时间尺度选取不同的方差值；α为位置参数；β为形状参数；表示光伏电池板出力最大值。
[0062]
光伏电池板日内预测模型是基于日前预测相较于日内预测误差值服从正态分布，即光伏出力日内预测模型为：
[0063]
p'
pvk
(t):p
pvk
(t)+δp
pvk
(t)
[0064][0065]
σ
pv
＝γ
pv
p
pv
[0066]
其中：p
p
'
vk
(t)表示t时刻光伏电池板k的实际出力；δp
pv
表示光伏出力预测误差值；γ
pv
为光伏预测偏差占光伏预测功率的比例。
[0067]
储能出力模型具体为：
[0068][0069][0070][0071]
其中：n和i分别表示第n个微电网的第i个储能；和分别表示储能荷电的上下限，本文设置为0.9和0.2；η
in
和η
out
分别表示储能充放电的效率，本文均设置为0.95；和表示t时刻储能的充电和放电功率；引入0-1变量和来表示任何时刻储能的充电和放电不能同时进行，并用约束来表示
任一时刻储能只能处于放电、充电和不充不放三种状态之一。其运行成本与放电功率之间关系为：
[0072][0073]
柴油机模型具体为：
[0074]cdg
(t)＝c
dg
(t)(a
dg
p
dg
(t)2+b
dg
p
dg
(t)+c
dg
)
[0075]
其中：c
dg
(t)为柴油机的发电成本；c
dg
(t)为柴油燃料价格；p
dg
(t)为柴油机的输出功率；a
dg
、b
dg
和c
dg
为燃料消耗系数。柴油机运行时需要满足爬坡约束：
[0076]
|p
dg
(t+1)-p
dg
(t)|≤δp
dg,max
[0077]
其中：δp
dg,max
表示两个时间间隔内柴油机出力变化。
[0078]
微电网成本模型为：
[0079]
c(p
mgn
(t))＝an(p
mgn
(t))2+bnp
mgn
(t)+cn[0080]
其中：p
mgn
(t)表示t时刻为微电网n发出的有功功率；an、bn和cn分别表示微电网发电成本的一次项系数、二次项系数和常数项。
[0081]
微电网运行的任何时刻都需要满足内部功率平衡，可表示为：
[0082][0083]
其中：p
n,pcc
(t)表示t时刻配电网需要微电网发出的有功功率；表示t时刻微电网与群内其他微电网交换的功率；表示t时刻微电网群决策微电网n用于与其他微电网群交换的功率。
[0084]
任一时刻，微电网的出力都受到内部资源总和的约束，其出力范围约束：
[0085][0086]
其中：和分别表示微电网t时段出力的最大和最小值。
[0087]
微电网与微电网间联络线存在传输功率上限，可表示为：
[0088][0089]
其中：和分别表示微电网与群内其他微电网和其他微电网群联络线最大交换功率。
[0090]
上述步骤3)中，考虑多微网参与配电网优化运行时需要设置微电网控制中心、微电网群控制中心和配电网控制中心，协同调度微电网内部资源以满足配电系统优化最优。如图2所示，示出了一种建立配电网-微电网群-微电网日前逐级申报、逐级优化和日内逐级优化的调度策略。具体的，多时间尺度优化调度策略为：
[0091]
(1)在日前阶段，微电网将内部资源出力聚合并上传至微电网控制中心，微电网控制中心把收集的可控资源出力信息聚合并上报给微电网群控制中心；微电网群控制中心把收集的群内微电网出力信息聚合，并于日前上报给配电网决策中心，配电网决策中心根据
运行成本统一决策群出力信息，并把出力决策量下发至各微电网群控制中心；各微电网群控制中心根据微电网等值模型进一步决策出群内微电网出力信息，并把决策信息下发给群内微电网控制中心；微电网控制中心根据内部各资源出力成本，将微电网群控制中心的决策量分配至各个设备；
[0092]
(2)在日内阶段，每个微电网控制中心采集内部实时信息后上传至微电网群控制中心和配电网决策中心，由微电网控制中心完成优化计算，并把优化结果下发给内部可控资源，实现日内短时间尺度的优化调度。
[0093]
上述步骤4)中，如图3所示，其示出了配电系统日前-日内滚动的多时间尺度优化调度策略。预设的目标函数包括：日前优化模型的目标函数和日内优化模型的目标函数。
[0094]
在一些实施例中，日前微电网控制中心优化决策得到每小时微电网内部柴油机出力方案、储能充放电方案和日前型可控负荷用电方案。日内滚动优化阶段对负荷的预测精度进一步提高，基于日负荷曲线的日内实测值，对日内型可控负荷实际申报值及分布式储能等资源进行修正调控，目标是日内总调度成本最小。日负荷曲线的日内实测值与日前调度结果值存在偏差，需要通过对日内型可控负荷、储能和柴油机功率进行修正以满足功率平衡条件。考虑到日内型可控负荷随机性、实时性较强，日内优化控制采用滚动优化方式，提前15min制定1个小时的控制计划，仅通知用户第1个15min的控制结果。
[0095]
需要说明的是，多微网参与配电网优化调度日前优化模型的目标函数是以配电系统购电成本、负荷波动折算成本、多微网出力成本、配电网网损折算成本和用户失负荷成本最小为目标构建的。
[0096]
在一些实施例中，预设日前优化模型的目标函数，具体为：
[0097][0098][0099]
其中：c
grid
(t)表示t时段配电网向大电网购电成本；m表示微电网群个数；c
mmgm
(t)表示t时段微电网群出力成本；c
compl
(t)表示t时段用户失电成本；c
loss
(t)表示t时段电网损耗成本；cf表示系统负荷波动折算成本；p
ls
(t)表示t时段负荷功率；p
lav
表示t时段负荷平均功率；c
gird
(t)表示t时段配电网购电电价；p
gird
(t)表示t时段配电网购电功率；c
compl
表示用户失负荷成本系数；p
compl
(t)表示t时段用户失负荷功率；p
mmgm
(t)表示t时段微电网群m出力；am、bm和cm表示微电网群出力成本系数；c
loss
表示网络损耗成本系数；gk表示配电系统第k条支路电导；ui和uj分别表示系统i节点和j节点的电压相量；θ
ij
表示i节点和j节点电压相角差；cf表示负荷波动成本折算系数。
[0100]
需要说明的是，多微网参与配电网优化调度日内优化模型的目标函数是以储能调度成本、柴油机调度成本、可控负荷调度成本和用户失负荷成本最小为目标构建的。
[0101]
在一些实施例中，预设日内优化模型的目标函数，具体为：
[0102]
min(δc
dg
(t)+δci(t)+c
compl
(t)+δc
load
(t))
[0103][0104]
式中：δc
dg
(t)为柴油机调节成本；δc
load
(t)表示可控负荷调控成本；δci(t)表示储能调控成本；δc
load
(t)表示可控负荷调节成本；δpi(t)表示日内储能出力修正量；c'
il
和c'
tl
表示日内型可中断负荷和可转移负荷的成本系数。
[0105]
在一些实施例中，预设的日前优化模型的约束条件，包括：日前微电网群出力约束、日前微电网内部功率平衡约束、日前微电网出力约束、节点电压越限约束和潮流约束。预设的日内优化模型的目标函数的约束条件，包括：日内微电网功率平衡约束、柴油机出力约束和储能出力约束。
[0106]
具体地，日前微电网群出力约束为：
[0107]
p
mmgm,min
(t)≤p
mmgm
(t)≤p
mmgm,max
(t)
[0108]
其中：和分别表示t时段微电网群m出力的最大和最小值，由群内微电网出力决定。
[0109]
日前微电网内部功率平衡约束为：
[0110][0111]
其中：p
n,pcc
(t)表示t时刻配电网需要微电网发出的有功功率；表示t时刻微电网与群内其他微电网交换的功率；表示t时刻微电网群决策微电网n用于与其他微电网群交换的功率。
[0112]
微电网的出力范围约束为：
[0113][0114]
其中：和分别表示微电网t时段出力的最大和最小值。
[0115]
日前节点电压约束为：
[0116]ui,min
≤ui(t)≤u
i,max
[0117]
其中：ui(t)表示t时刻i节点的电压；u
i,min
和u
i,max
表示节点电压上下限，取0.95p.u和1.05p.u。
[0118]
日前潮流约束为：
[0119][0120]
其中：和分别表示t时刻i节点配电网有功功率、微电网有功出力和负荷有功功率；和分别表示t时刻i节点配电网无功功率、微电
网无功出力和负荷无功功率。
[0121]
微电网日内功率平衡约束为：
[0122]
δp
pvk
(t)+δp
l
(t)＝δp
dg
(t)+δpi(t)+δp
grid
(t)+δp
load
(t)+δp
mg
(t)
[0123]
其中：δp
l
(t)表示日前负荷预测误差值；δp
dg
(t)表示柴油机出力调节量；δpi(t)表示储能出力调节量；δp
grid
(t)表示微电网与配电网交换电量；δp
load
(t)表示可控负荷调节量；δp
mg
(t)表示与其他微电网功率交换量。
[0124]
柴油机日内出力约束为：
[0125]
δp
dg
(t)≤max{p
dg,max-p
dg
(t),p
dg
(t)}
[0126]
储能日内出力约束为：
[0127]
δpi(t)≤|p
i,max
|-pi(t)
[0128]
其中：pi(t)表示储能充电或者放电功率，充电取正放电取负。
[0129]
上述步骤5)中，对配电系统日前-日内滚动的多时间尺度优化调度模型求解：基于交替方向乘子法和gurobi求解器对配电系统日前-日内多时间尺度优化调度模型进行求解，得到微电网及其内部资源出力信息。
[0130]
在一些实施例中，微电网的调度信息包括：储能日前出力、柴油机日前出力、需求响应日前调度量和储能日内调节量、柴油机日内调节量、需求响应日内调度量。
[0131]
具体的，上述基于交替方向乘子法和gurobi求解器对配电系统日前-日内多时间尺度优化调度模型进行求解的具体求解过程如下：
[0132]
5.1)设置日前调度时间间隔为1h，日内调度时间间隔为15分钟；
[0133]
5.2)配电系统日前-日内多时间尺度优化调度模型日前调度模型选取决策变量为日前储能出力、日前柴油机出力、日前需求响应调度量和日内储能调节量、日内柴油机调节量、日内需求响应调度量；
[0134]
5.3)微电网控制中心对微电网内部变量进行聚合更新迭代，上传至微电网群控制中心；
[0135]
5.4)微电网群控制中心根据微电网控制中心上传的变量对微电网出力信息进行聚合迭代，上传至配电网控制中心；
[0136]
5.5)配电网控制中心根据微电网群上传的变量最新值更新拉格朗日乘子相量，得到微电网群出力信息，并下发给微电网群控制中心；
[0137]
5.6)微电网群控制中心将出力信息分配下发群内微电网控制中心；
[0138]
5.7)微电网控制中心根据微电网群下发量对群内资源出力进行分配。
[0139]
在一些实施例中，配电系统日前-日内多时间尺度优化调度模型求解结果如下：
[0140]
如图4所示，求解得到日前配电系统购电信息、微电网群1出力信息和微电网群2出力信息；配电网峰谷差变为原来的70％，配电网负荷峰值降低了13％。如图5所示，求解得到日前微电网1内部储能出力信息、柴油机出力信息、可平移负荷信息、可中断负荷信息和可转移负荷信息；微电网1充分调用内部资源以响应微电网群下发的指令。如图6所示，求解得到日内4个微电网修正量信息；各微电网根据日前调度结果，充分考虑内部资源的调节能力和成本，确定各微电网修正量信息。如图7所示，求解得到微电网1储能、柴油机修、可中断负荷和可转移负荷的日内修正量信息。微电网1控制中心根据可控资源调节成本，以最小调节成本为目标，决策内部可控资源调节量，以修正系统日前预测误差。
[0141]
如图8所示，在本发明的一个实施例中，提供一种考虑多微网参与配电网的优化调度系统，其包括：
[0142]
第一建立模块801，根据激励型需求响应的用电特性，建立具有不同调控特性的需求响应模型；
[0143]
第一获取模块802，根据不同调度特性的需求响应模型，考虑光伏、储能和柴油机调度特性，建立微电网调度模型；
[0144]
第二建立模块803，根据微电网调度模型，建立配电网-微电网群-微电网日前逐级申报出力数据、日前逐级优化出力信息和日内逐级优化修正量的多时间尺度优化调度策略；
[0145]
第二获取模块804，根据多时间尺度优化调度策略以及预设的目标函数和约束条件，建立配电系统日前-日内滚动的多时间尺度优化调度模型；
[0146]
调度模块805，对配电系统日前-日内滚动的多时间尺度优化调度模型求解，获取微电网及其内部资源出力信息，对微电网进行优化调度。
[0147]
上述实施例中，第一处理模块中建立具有不同调控特性的需求响应模型，包括：
[0148]
根据激励型需求响应具有不同调控时间的特性，将激励型需求响应分为日前型可中断负荷、日前型可平移负荷、日前型可转移负荷、日内型可中断负荷和日内型可转移负荷；
[0149]
根据所有可中断负荷、可平移负荷和可转移负荷，建立具有不同调度特性的激励型的需求响应模型。
[0150]
上述实施例中，建立微电网调度模型，包括：
[0151]
获取预先收集的微电网所在地区历史天气数据；
[0152]
根据历史天气数据，基于beta分布和正态分布，建立光伏出力的日前预测模型和日内预测误差模型；
[0153]
根据光伏出力的日前预测模型和日内预测误差模型，考虑储能和柴油机出力模型，建立微电网调度模型。
[0154]
上述实施例中，多时间尺度优化调度策略，包括：
[0155]
在日前阶段，微电网将内部资源出力聚合并上传至微电网控制中心，微电网控制中心把收集的可控资源出力信息聚合并上报给微电网群控制中心；微电网群控制中心把收集的群内微电网出力信息聚合，并于日前上报给配电网决策中心，配电网决策中心根据运行成本统一决策群出力信息，并把出力决策量下发至各微电网群控制中心；各微电网群控制中心根据微电网等值模型进一步决策出群内微电网出力信息，并把决策信息下发给群内微电网控制中心；微电网控制中心根据内部各资源出力成本，将微电网群控制中心的决策量分配至各个设备；
[0156]
在日内阶段，每个微电网控制中心采集内部实时信息后上传至微电网群控制中心和配电网决策中心，由微电网控制中心完成优化计算，并把优化结果下发给内部可控资源，实现日内短时间尺度的优化调度。
[0157]
上述实施例中，预设的目标函数包括：日前优化模型的目标函数和日内优化模型的目标函数。
[0158]
上述实施例中，预设的日前优化模型的约束条件，包括：日前微电网群出力约束、
日前微电网内部功率平衡约束、日前微电网出力约束、节点电压越限约束和潮流约束；
[0159]
预设的日内优化模型的目标函数的约束条件，包括：日内微电网功率平衡约束、柴油机出力约束和储能出力约束。
[0160]
上述实施例中，对配电系统日前-日内滚动的多时间尺度优化调度模型求解，包括：基于交替方向乘子法和gurobi求解器对配电系统日前-日内多时间尺度优化调度模型进行求解，得到微电网及其内部资源出力信息。
[0161]
本发明实施例中的多微网参与配电网优化调度系统，首先根据激励型需求响应具有不同调控时间的特性，建立具有不同调度特性的需求响应模型；根据所建立的激励型需求响应调度模型，考虑光伏、储能和柴油机调度模型，建立微电网调度模型；根据所构建的微电网调度模型，建立配电网-微电网群-微电网日前逐级申报出力数据、日前逐级优化出力信息和日内逐级优化修正量的多时间尺度优化调度策略；之后根据所构建的多时间尺度优化调度策略以及预设的目标函数和约束条件，建立配电系统日前-日内滚动的多时间尺度优化调度模型；根据配电系统日前-日内多时间尺度优化调度模型，获取配电网购电信息和微电网内部资源的出力信息，对微电网内部资源出力进行优化调度。本发明降低了配电系统的负荷的峰谷差和发电成本，为多微网接入配电系统的优化调度提供了依据。
[0162]
本实施例提供的系统是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
[0163]
如图9所示，为本发明实施例提供的电子设备的示意图。该实施例的电子设备9包括：处理器90、存储器91以及存储在存储器91中并可在处理器90上运行的计算机程序92。处理器90执行计算机程序92时实现上述各个配电网拓扑识别的方法实施例中的步骤，例如图1所示的步骤101至步骤104。或者，处理器90执行计算机程序92时实现上述各装置实施例中各模块的功能，例如图8所示模块801至805的功能。
[0164]
示例性的，计算机程序92可以被分割成一个或多个模块，一个或者多个模块被存储在存储器91中，并由处理器90执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序92在电子设备9中的执行过程。例如，计算机程序92可以被分割成图8所示模块801至805。
[0165]
电子设备9可包括，但不仅限于，处理器90、存储器91。本领域技术人员可以理解，图9仅仅是电子设备9的示例，并不构成对电子设备9的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
[0166]
所称处理器90可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0167]
存储器91可以是所述电子设备9的内部存储单元，例如电子设备9的硬盘或内存。所述存储器91也可以是所述电子设备9的外部存储设备，例如所述电子设备9上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡
(flash card)等。进一步地，所述存储器91还可以既包括所述电子设备8的内部存储单元也包括外部存储设备。所述存储器91用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
[0168]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0169]
上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0170]
本领域普通技术人员可以意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0171]
在本发明所提供的实施例中，应该理解到，所揭露的电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0172]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0173]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0174]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个配电网拓扑识别的方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取
存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。
[0175]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种考虑多微网参与配电网的优化调度方法，其特征在于，包括：根据激励型需求响应的用电特性，建立具有不同调控特性的需求响应模型；根据不同调度特性的需求响应模型，考虑光伏、储能和柴油机调度特性，建立微电网调度模型；根据微电网调度模型，建立配电网-微电网群-微电网日前逐级申报出力数据、日前逐级优化出力信息和日内逐级优化修正量的多时间尺度优化调度策略；根据多时间尺度优化调度策略以及预设的目标函数和约束条件，建立配电系统日前-日内滚动的多时间尺度优化调度模型；对配电系统日前-日内滚动的多时间尺度优化调度模型求解，获取微电网及其内部资源出力信息，对微电网进行优化调度。2.如权利要求1所述考虑多微网参与配电网的优化调度方法，其特征在于，建立具有不同调控特性的需求响应模型，包括：根据激励型需求响应具有不同调控时间的特性，将激励型需求响应分为日前型可中断负荷、日前型可平移负荷、日前型可转移负荷、日内型可中断负荷和日内型可转移负荷；根据所有可中断负荷、可平移负荷和可转移负荷，建立具有不同调度特性的激励型的需求响应模型。3.如权利要求1所述考虑多微网参与配电网的优化调度方法，其特征在于，建立微电网调度模型，包括：获取预先收集的微电网所在地区历史天气数据；根据历史天气数据，基于beta分布和正态分布，建立光伏出力的日前预测模型和日内预测误差模型；根据光伏出力的日前预测模型和日内预测误差模型，考虑储能和柴油机出力模型，建立微电网调度模型。4.如权利要求1所述考虑多微网参与配电网的优化调度方法，其特征在于，多时间尺度优化调度策略，包括：在日前阶段，微电网将内部资源出力聚合并上传至微电网控制中心，微电网控制中心把收集的可控资源出力信息聚合并上报给微电网群控制中心；微电网群控制中心把收集的群内微电网出力信息聚合，并于日前上报给配电网决策中心，配电网决策中心根据运行成本统一决策群出力信息，并把出力决策量下发至各微电网群控制中心；各微电网群控制中心根据微电网等值模型进一步决策出群内微电网出力信息，并把决策信息下发给群内微电网控制中心；微电网控制中心根据内部各资源出力成本，将微电网群控制中心的决策量分配至各个设备；在日内阶段，每个微电网控制中心采集内部实时信息后上传至微电网群控制中心和配电网决策中心，由微电网控制中心完成优化计算，并把优化结果下发给内部可控资源，实现日内短时间尺度的优化调度。5.如权利要求1所述考虑多微网参与配电网的优化调度方法，其特征在于，预设的目标函数包括：日前优化模型的目标函数和日内优化模型的目标函数。6.如权利要求5所述考虑多微网参与配电网的优化调度方法，其特征在于，预设的日前优化模型的约束条件，包括：日前微电网群出力约束、日前微电网内部功率平衡约束、日前
微电网出力约束、节点电压越限约束和潮流约束；预设的日内优化模型的目标函数的约束条件，包括：日内微电网功率平衡约束、柴油机出力约束和储能出力约束。7.如权利要求1所述考虑多微网参与配电网的优化调度方法，其特征在于，对配电系统日前-日内滚动的多时间尺度优化调度模型求解，包括：基于交替方向乘子法和gurobi求解器对配电系统日前-日内多时间尺度优化调度模型进行求解，得到微电网及其内部资源出力信息。8.一种考虑多微网参与配电网的优化调度系统，其特征在于，包括：第一建立模块，根据激励型需求响应的用电特性，建立具有不同调控特性的需求响应模型；第一获取模块，根据不同调度特性的需求响应模型，考虑光伏、储能和柴油机调度特性，建立微电网调度模型；第二建立模块，根据微电网调度模型，建立配电网-微电网群-微电网日前逐级申报出力数据、日前逐级优化出力信息和日内逐级优化修正量的多时间尺度优化调度策略；第二获取模块，根据多时间尺度优化调度策略以及预设的目标函数和约束条件，建立配电系统日前-日内滚动的多时间尺度优化调度模型；调度模块，对配电系统日前-日内滚动的多时间尺度优化调度模型求解，获取微电网及其内部资源出力信息，对微电网进行优化调度。9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至7所述方法中的任一方法。10.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。

技术总结
本发明涉及一种考虑多微网参与配电网的优化调度方法、系统及存储介质，包括：根据激励型需求响应的用电特性，建立具有不同调控特性的需求响应模型；根据不同调度特性的需求响应模型，考虑光伏、储能和柴油机调度特性，建立微电网调度模型；根据微电网调度模型，建立配电网-微电网群-微电网日前逐级申报出力数据、日前逐级优化出力信息和日内逐级优化修正量的多时间尺度优化调度策略；根据多时间尺度优化调度策略以及预设的目标函数和约束条件，建立配电系统日前-日内滚动的多时间尺度优化调度模型；对配电系统日前-日内滚动的多时间尺度优化调度模型求解，获取微电网及其内部资源出力信息，对微电网进行优化调度。本发明能降低配电系统的负荷峰谷差和发电成本。配电系统的负荷峰谷差和发电成本。配电系统的负荷峰谷差和发电成本。


技术研发人员：张红斌 周泊宇 赵宇尘 张世旭 程艳 于芃 刘昱良 王玥娇 邢家维
受保护的技术使用者：清华四川能源互联网研究院 国网山东省电力公司电力科学研究院
技术研发日：2023.05.05
技术公布日：2023/7/25