[发明专利]一种微电网多目标实时滚动优化方法

说明书

技术领域

本发明涉及微电网经济优化技术领域，特别涉及一种微电网多目标实时滚动优化方法。

背景技术

将分布式电源通过微电网接入配电网普遍被认为是利用分布式电源有效的方式之一，可有效降低分布式电源的间接性和波动性对大电网的影响。微电网是一种将分布式发电装置、变流器、负荷、储能装置以及监控保护控制装置有机整合在一起的发配电系统，具有自治运行，多能互补，优化管理和协调控制等优势，是能源互联网发展过程中不可或缺的重要部分。由于目前实现微电网成本较高，因此提高微电网的经济效益在以后的微电网发展和开拓过程中扮演重要角色。

现有关于微电网的研究较少考虑微电网中日前经济运行的不确定性对微电网运行的影响，由于日前预测值和实际值存在误差，策略如何应用与实施对微电网优化运行提出挑战。

经对现有技术文献的检索发现，一种基于对偶策略的微电网短期经济调度优化方法（发明专利：CN201410728293.5）基于微电网短期负荷预测和不可控微电源发电功率预测，以微电网并网运行的总经济成本最小为目标函数，构建微电网并网优化运行模型，以对偶策略进行求解；通过快速检测微电网中由于预测误差导致的实时不平衡电量，以微电网中实时不平衡电量最小为目标函数，解决微电网优化问题；将微电网波动性优化问题再次带入到微电网并网优化运行模型中迭代求解，解决微电网系统的机组组合问题，实现系统的短期经济调度优化。但该方法只考虑微电网系统的短期经济调度优化，未考虑运用超短期预测结果决策微电网短时间内的储能出力，保持实时优化的联络线功率、储能SOC（State of Charge，荷电状态）值尽量跟随日前经济优化的结果，保证微电网系统的经济运行。

针对以上不足，本发明提出了一种微电网多目标实时滚动优化方法。该方法为将微电网优化运行算法用于实际工况中，以考虑三相不平衡的日前经济优化结果为指导，运用超短期光伏、功率预测结果，运用非支配排序的多目标算法（NSGA-II，Non-dominated sorting genetic algorithm II）决策微电网短时间内的储能出力，保持联络线功率、储能SOC值尽量跟随日前经济优化的结果，保证微电网系统的经济运行。

发明内容

本发明提出了一种微电网多目标实时滚动优化方法，所提方法以考虑三相不平衡的日前经济优化结果为指导，可保持联络线功率、储能SOC值尽量跟随日前经济优化的结果，并保证在15分钟微网多目标实时滚动算法运行后的SOC值跟随日前经济优化所决定的SOC值，满足最优化运行。

一种微电网多目标实时滚动优化方法，该方法以日前经济优化策略的结果为指导，即以日前优化决策出的联络线功率为基准值，运用超短期光伏、负荷功率预测结果，通过非支配排序的多目标算法（NSGA-II，Non-dominated sorting genetic algorithm）决策微电网短时间内的储能出力，以保持联络线功率、储能SOC值尽量跟随日前经济优化策略的结果，保证微电网系统的经济运行。

进一步地，所述优化方法具体包括如下步骤：

步骤1：对单三相微电网的光伏、负荷功率进行超短期预测；

步骤2：产生储能出力初始种群并将其编码；

步骤3：计算各染色体的适应度并选择适应度最优的种群；

步骤4：开始执行NSGA-II算法流程，进行种群的交叉与变异；

步骤5：对父、子种群进行合并；

步骤6：对合并后的种群进行排序，根据排序后的种群进行拥挤距离计算；

步骤7：修剪种群；

步骤8：若满足终止条件，则得到Pareto最优解集即多目标规划问题的有效解集，NSGA-II算法流程结束；若不满足终止条件，则返回步骤4，重新执行NSGA-II算法流程；

步骤9：得出多目标决策模糊最优解即微电网短时间内的储能出力，并将结果下传至各子微电网中央控制器。

进一步地，所述NSGA-II算法中的非支配排序指对父、子种群合并后的种群进行排序,根据排序后的种群进行拥挤距离计算，个体的拥挤距离越大，表示该个体与相邻个体的目标函数值差别越大，多样性越好，根据拥挤距离修剪种群，满足条件后输出Pareto解集。

进一步地，所述多目标算法考虑的三个目标均以日前优化结果为基准，目标分别是：

1）日前优化与实时优化结果间的储能功率前后波动最小；

2）日前优化与实时优化结果间的联络线功率波动最小；

3）日前优化与实时优化结果间的联络线电量最相近；

目标函数如下：