[发明专利]基于BP神经网络的微电网参与上层电网实时优化调度方法

说明书

本发明公开了一种基于BP神经网络的微电网参与上层电网实时优化调度方法，属于微电网调度领域。该方法包括：日前规划，上报联络线功率可调度容量阶段，以总运行成本为目标函数进行功率优化分配，并上报微电网可调容量范围；训练BP神经网络阶段模拟联络线功率、新能源发电、负荷波动与日前调度计划作为BP神经网络输入样本，求解微电网模拟调度计划，将可控单元数据作为BP神经网络的输出样本。通过前述样本得到基于BP神经网络的日内调度模型；通过上层电网确定联络线功率，通过超短期预测得到新能源、负荷这一调度时刻功率；将功率与日前调度计划一起输入日内调度模型，得到可控单元的日内调度功率。本发明解决了微电网参与上层电网实时优化调度、实现日内经济调度等问题。

技术领域

本发明涉及微电网调度领域，具体为一种基于BP神经网络的微电网参与上层电网实时优化调度方法。

背景技术

微电网是新能源并网的有效途径，解决新能源功率的波动性是微电网领域的重要研究课题。微电网可以在新能源和电网之间建立良好的缓冲地带，微电网通过分布式电源、负荷、储能装置等本地化协调控制，可以使新能源得到有效利用，提高系统的经济性和稳定性。另一方面，相比传统发电侧电源启动慢、调节速率不足，微型燃气轮机、储能电池等可控分布式电源具有较强的灵活性，可以实现功率的快速调节，为电网提供调频调峰等辅助服务，参与电网调度。因此，亟待建立一种可以实时参与上层电网优化的微电网调度方法。

发明内容

本发明为了解决微电网能准确参与上层电网实时调度，并能计及微电网内新能源、常规负荷功率预测误差的问题，提供了一种基于BP神经网络的微电网参与上层电网实时优化调度方法。

本发明先进行微电网日前规划，上报联络线功率可调度容量，随后训练BP神经网络模型，得到日内调度模型，在日内实时调度阶段，根据上层电网实时需求，进行微电网日内实时调度，从日前和日内两个时间尺度使调度策略具有经济性和有效性，利用BP神经网络建立了一种微电网参与上层电网实时优化调度方法，主要包括微电网日前规划，上报联络线功率可调容量范围；训练基于BP神经网络的实时调度模型；根据上层电网需求功率，微电网日内实时优化调度。

本发明是通过如下技术方案来实现的：一种基于BP神经网络的微电网参与上层电网实时优化调度方法，具体包括如下步骤：

一、微电网日前规划，上报联络线功率可调容量，采用如下数学模型：

其中，C是微电网日前综合成本，C_g,i是可控分布式电源i的运行、维护成本，P_g,i是可控分布式电源i在时刻t的发电功率，C_bat,j是储能单元j的维护成本，P_bat,j是储能单元j在t时刻的功率，C_grid是微电网与上层电网间的购售电成本，是日前调度计划中微电网与上层电网t时刻联络线计划功率，C_up、C_dn是可调上行、下行备用容量收益，分别是可控分布式电源i在t时刻可调上行、下行备用容量，分别是储能单元j在t时刻可调上行、下行备用容量，ρ是具有需求响应能力的负荷参与微电网调度补偿常数，是具有需求响应能力的负荷未参与调度正常运行功率，P_a,load(t)是具有需求响应能力的负荷参与微电网调度后的功率；

(1)按15min分段，将1天分为96时段，每一时段中各分布式单元的功率输出与吸收为定值；

(2)调用预测出的未来一天各时段的风力发电功率、光伏发电功率、常规负荷波动情况数据；

(3)建立微电网内各单元运行模型：

a.储能单元的运行维护成本：

储能单元采用锂电池，其运行和维护成本表示为：