计及需求响应的微电网多时间尺度调度仿真_韩沐枫.pdf

计算机与现代化JISUANJI YU XIANDAIHUA2023年第3期总第331期文章编号：1006-2475（2023）03-0102-05收稿日期：2022-02-18；修回日期：2022-05-19基金项目：国家自然科学基金资助项目（51877161）作者简介：韩沐枫（2000），男，河南安阳人，硕士研究生，研究方向：电气仪表，E-mail：。0引言随着分布式可再生能源技术的成熟和需求响应要求的增加，传统发配电系统由于调度方式单一难以满足用户需求1-3。微电网主要是由分布式电源以及储能装置等不同设备组成的小型发配电系统4-7，不仅可以有效实现自我控制，还设定了自我保护机制，可以并网也可以单独运行8-9。想要确保微电网运行的高效性和经济性，需要对微电网内部的各个微源以及大电网之间的运行调度进行优化，研究出合理的调度方案，改善系统灵活性，提高弃光利用率。国内外相关专家针对微电网调度方面的内容进行了大量研究。文献 10-12 从微电网运行成本最小的角度出发，建立了含多种分布式电源的日前经济调度模型。文献 13 同时兼顾用户侧成本和联络线功率波动最小化，建立多目标优化模型。文献 14 提出了一种基于离散时间最优控制结合共识网络的分布式调度方法，可以通过每个设备与其相邻设备的迭代协调找到所有设备的最佳时间表，并通过蒙特卡洛模拟其收敛性。但上述研究仅针对日前时间范围调度，没有考虑多时间尺度联络线功率偏差带来的影响。文献 15 在日前调度阶段，在全面分析市场实时电价的情况下，构建以最小日运行成本为目标的随机优化调度模型，通过模型完成调度。文献 16 将最小充电成本作为目标，构建多时间尺度优化调度模型，同时引入狼群优化算法进行寻优，得到最佳调度方案。在上述2种方法的基础上，综合考虑微电网多时间尺度调度与需求响应技术，本文提出一种计及需求响应的微电网多时间尺度调度方法。仿真实验结果表明，本文所提方法可以减少弃光，提高能源利用效率，实现系统的经济运行，获取较为理想的调度方案。1方法1.1计及需求响应的微电网多时间尺度调度模型微电网是由太阳能发电以及风力发电等不同分计及需求响应的微电网多时间尺度调度仿真韩沐枫（福建农林大学金山学院，福建 福州 350000）摘要：当前已有的微电网调度方法未考虑电源的发电特性以及需求响应侧问题，导致微电网调度后的功率无法达到理想值。本文提出一种计及需求响应的微电网多时间尺度调度方法。分析微电网中不同分布式电源的发电特性以及需求侧不同负荷的特性，同时通过负荷的特性对负荷分类。根据负荷分类结果，将微电网整体问题转换为居民住户优化问题和微电网多时间尺度问题，以最小电力花费以及最小充放电循环次数作为目标，构建微电网多时间尺度调度模型。进一步采用改进的萤火虫算法对模型进行求解，以获取最优调度方案。实验结果表明，所提方法可以获取最佳调度方案。关键词：计及需求响应；微电网；多时间尺度调度；改进萤火虫算法中图分类号：TP273.2文献标志码：ADOI：10.3969/j.issn.1006-2475.2023.03.018Multi-time Scale Scheduling Simulation of Microgrid Considering Demand ResponseHAN Mu-feng（College of Jinshan，Fujian Agriculture and Forestry University，Fuzhou 350000，China）Abstract：The existing scheduling methods of microgrid do not consider the generation characteristics and demand response sideof the power supply，resulting in the power of the microgrid after dispatching cannot reach the ideal value.Therefore，a multi-time scale scheduling method of microgrid taking the demand response into account is proposed.In the analysis of the generationcharacteristics of different distributed power sources in microgrid and the characteristics of different loads on the demand side，the load is classified according to the characteristics of loads.According to load classification results，the overall problem of microgrid is converted into resident residents optimization problems and multiple time scale problems.Taking the minimum powercost and the minimum charge and discharge cycles as the target，constructs a multiple time scale micro power grid schedulingmodel.The improved firefly algorithm is used to solve the model to obtain the optimal scheduling scheme.The experimental results show that the proposed method can obtain the optimal scheduling scheme.Key words：taking into account demand response；microgrid；multi-time scale scheduling；improved firefly algorithm2023年第3期布式电源共同组成的。对规模比较大的电网而言，可以将微电网看作是一个可控负荷，以最快的速度响应输电系统的要求，同时及时补充电网所需要的电能。对用户而言，可以将微电网看作一个特定的电源，满足各种类型家庭的用电需求。微电网可以有效利用各种清洁能源，有效保护环境。不同形式的分布电源和负荷共同组成微电网，同时微电网和大电网两者是相互连接的。其中，微电网包含以下主要特点：1）微电网和配电网之间仅存在一个PCC，同时二者之间的流向为单向的。针对电网而言，微电网中只含有一个负荷，可以起到削峰填谷的目的。2）分布式电源采用整流器和逆变器接入到微电网中，主要是由当地频率电压变化作为反应以及对应的控制决策。在考虑需求响应的情况下，分析微电网中不同分布式电源的发电特性，同时通过负荷的重要性对负荷进行分类。通过负荷分类结果，将大规模的微电网问题转换为多个小规模的问题，分别为居民住户优化问题以及微电网多时间尺度调度问题。在微电网运行过程中17-20，将所需要的信息设定为电池的有功输入，其中荷电状态是电池的重要组成参数，有效反映了电池的剩余电池容量，同时还包含比较重要的参考信息。在设定时间范围内，电池主要经历了充电和放电的过程，其中荷电状态对应的更新模型Gsoc()a+a可以表示为：Gsoc()a+a=Gsoc()a+(xc-1a)QESS()dCcom（1）其中，Gsoc()a代表模型的更新参数；a代表模型的更新函数；a代表模型的不同迭代次数的更新函数变化量；xc代表电力系统的荷电状态；QESS()代表电池的额定功率；代表电池功率的驱动参数；Ccom代表模型的迭代更新总次数。其中，居民最关注的问题就是经济性问题，对于居住用户而言，主要目标是将电力花费调整至最小。其中，居民的电力花费主要可以采用公式（2）表示：Mbill=Fbuy+Fess+Fmain-Fsell（2）其中，Mbill代表居民用户的电力总花费；Fbuy代表用户购买电能花费的总金额；Fess代表储能电池的折旧费用；Fsell代表电力系统售电得到的总收益；Fmain代表微电网中不同设备的运行维护成本。微电网中不同设备的运行维护成本均可以设定为常数，在优化时不需要考虑。其中储能电池的折旧费用和充放电量两者成正比，所获取的比例系数即为折旧系数bdell，具体的计算公式为：bdell=RESScomCcom Nmax（3）Fess()t=bdell P2bat()t t（4）其中，RESScom代表储能电池的价格；Nmax代表电池的最长使用寿命；Pbat为储能电池充放电功率；t为时间间隔。由于不同时刻的计算成本和其他时刻不存在任何关联，所以可以将24小时总成本为目标的模型转换为每个小时最小成本，则对应的目标函数Gminobj可以表示为：Gminobj=mint=124Fbuy()t+Fess()t+Fmain()t-Fsell()t（5）从环保角度出发，需要尽可能选择可再生资源作为最大化指标。针对微电网而言，最大程度使用光伏发电，同时还需要保证电力系统弃光次数为最少21-22。设定Mshellow代表光伏弃光的次数，具体的计算公式为：Mshellow=i=1mj=1nkij（6）其中，kij代表在第i个时间段第j个光伏的运行状态。Mshellow的取值越小，则说明光伏的使用效率就越高，所以需要Mshellow的取值最小化。智能家电以及储能设备的加入促使微电网可以采取更多的手段进行用电侧管理，达到削峰填谷的目的，同时对负荷曲线进行平滑处理。在并网运行过程中，可以将微电网设定为外部电网的一个稳定负荷，同时确保电网的稳定运行。采用峰谷率对微电网的削峰填谷能力进行评价和分析，具体的计算公式为：Hijx=HccmaxHccmin（7）其中，Hccmax和Hccmin分别代表微电网最大和最小接入功率。通过上述分析，以下将最小充放电循环次数作为目标函数，具体的表达形式为：Hmetteri=GminPCC（8）其中，GPCC代表充放电循环次数。通过上述分析，构建微电网多时间尺度调度模型，具体的表达形式为：Hmin=minMshellow，Hmetteri，Gobj（9）1.2模型求解在基本萤火虫算法中23-24，所有个体都均匀分布在搜索空间内，同时不同个体所发出的亮度是完全不同的。如果随机一个个体的亮度比较强，剩余个体会全部向这个个体进行靠拢，最终实现算法的寻优。利用公式（10）给出萤火虫相对亮度Ir计算：Ir=I0e-r（10）其中，I0代表萤火虫个体的最大荧光亮度；代表光强吸引系数值；r代表不同个体之间的距离。萤火虫吸引度计算公式为：=0e-r2（11）其中，0代表萤火虫个体的最大吸引度。随着不同萤火虫个体之间距离的增加，各个萤火虫之间的相对吸引度会随之降低。其中，萤火虫的位置更新公式为：xi=xi+()xi-xj+()rand-12（12）其中，xi和xj分别代表搜索空间内不同萤火虫的坐标韩沐枫：计及需求响应的微电网多时间尺度调度仿真103计算机与现代化2023年第3期位置；代表步长因子；rand代表在区间 0，1 内的随机数；()rand-12代表扰动项。萤火虫算法的详细操作步骤如图1所示25-26。图1萤火虫算法操作流程图1）对萤火虫各个个体的位置进行初始化处理，同时将各个个体随机分布在搜索空间中。2）通过公式（10）计算不同萤火虫个体的相对亮度，同时以此为依据判断不同萤火虫个体的具体走向。3）通过公式（11）计算不同萤火虫个体的吸引度取值，以此为依据，判断萤火虫个体对剩余个体的吸引能力，同时决定个体最终的移动距离。4）通过公式（12）对不同萤火虫个体的位置进行更新，