[发明专利]一种用于最优电力调度和电压控制的微电网多层控制系统

权利要求书

1.一种用于最优电力调度和电压控制的微电网多层控制系统，其特征在于，所述系统包括调度层、执行层和调整层；所述调度层为微电网多层控制的最高层，执行提前一天的机组组合策略，包括同时优化燃料成本和本地发电机的二氧化碳排放；

目标函数为：

Min(C_G(P_G),_εG(P_G)) (1)

其中，C_G(P_G)和_εG(P_G)分别代表微电网发电机组的运行成本和二氧化碳排放量，P_G为微电网发电机组有功功率，两者都应该在变量P_G上最小化；燃料成本函数描述了运行发电机产生单位功率所需成本；燃料成本模型为二次模型，它将燃料成本描述为发电机有功功率输出的二次函数，因此，这些发电机组在调度时间范围内的运行成本表示如下：

其中，a_j、b_j和c_j为发电机组的燃料成本系数；N为总时间步长；N_gen为微网内发电机组总数；i为第i个时刻；j为第j个发电机组；运行成本单位为$/h；碳排放函数模型的形式取决于污染物的类型；燃料发电的碳排放直接与燃料的消耗总量相关联，通过二次燃料消耗曲线来表示，因此二氧化碳的排放量表示为发电机有功功率输出的二次函数：

其中d_j，e_j和f_j为发电机组的碳排放量系数；排放量的单位为kg/h；

式(1)中目标函数受潮流和系统性能要求约束，第一个约束是各发电机组发电功率之和必须等于微电网内的实际耗电量，表示为：

式中，P_Gj为第j个大电机组；代表实际电负荷需求，线损也包括在实际负荷需求中，其占微网实际需求的5.05％；由于可再生能源，如光伏和风力发电，以零运行成本和零排放发电，其输出功率可被视为负的负载；因此，实际负荷功率等于总需求电功率减去可再生能源发电功率P_RES，如下：

总的负荷需求由不可控负荷和可控负荷组成：

作为需求侧参与策略的一部分，引入了一个灵活、可控的负荷，当它连接到微电网时，在其约束范围内对其进行控制；

每个微网中机组的功率参考设定值如下：P_Gmax、P_Gmin

P_Gmin＜P_G＜P_Gmax (7)

式中，P_Gmax为微网中机组发电功率上限，P_Gmin为微网中机组发电功率下限；

引入储能系统，充放电指令根据最低成本和最低CO2排放进行分配，此外，充放电指令也与能源价格相关，储能系统模型如下所示：

式中，P_storage为储能系统充放电功率；E_storage为储能系统当前容量；E_pre-storage为前一天结束时储能系统容量，储能系统容量约束：

E_min＜E_storage＜E_max (9)

式中，E_max、E_min为储能系统最大和最小容量；

储能系统充电则可将其视为一个负载，P_storage为负值；对于充电，在一个时间周期T_s期间P_storage有如下约束：

P_storage·T_s≤E_max-E_storage (10)

当储能系统放电时，有功功率将会被注入到微网中，此时P_storage为正值；对于放电，在一个时间周期T_s期间P_storage有如下约束：

P_storage·T_s≤E_storage-E_min (11)

此外，储能系统的充放电速率被约束并且包含在式(7)中；

添加具有电动汽车特性的柔性负载，只能存储能量，只有当电动车并网充电时才可将其视为负载；

式中，P_EV为电动汽车充电功率；E_EV为电动汽车充电后容量，是当电动汽车通电前电动汽车容量，E_EV具有最小值和最大值的限定范围：

E_EVmin＜E_EV＜E_EVmax (13)

当电动汽车充电并作为负载时，P_EV为负值；对于充电，在一个时间周期T_s期间P_EV有如下约束：

P_EV·T_s≤E_EVmax-E_EV (14)

电动汽车充电功率为非负值并且具有最大值和最小值的限定范围包含在式(7)中；

给定输入特性、目标、输入等式约束和算法选项，计算微网中发电机组的功率设定值以实现优化目标最小化；

所述执行层中，将利用调度层计算的功率参考设定值进行交流潮流计算，以获得微网网络中不同母线的电压幅值；

所述调整层中，在潮流计算后之后，总线电压的数值将被传输到调整层，通过提高或降低微网发电机组发电功率从而将电压维持在预先设定范围内；如果微网内任何母线出现严重的电压偏差，将引入动态增益；根据偏差，发电机组的位置以及它们各自电压，提供合适的增益来调整微网发电机组的运行边界如式(7)；随后，当结束循环时，更新的边界被反馈到调度层，调度层重新计算机组组合解；更新后的发电计划将再次通过控制层级的执行层和调整层，这种迭代过程将继续，直到电压违规被消除，并找到收敛的最优解。

2.如权利要求1所述的一种用于最优电力调度和电压控制的微电网多层控制系统，其特征在于，所述调整层中，电压控制方法如下：所述微电网为径向网络拓扑结构，通过引入网络矩阵和因子矩阵来描述影响边界和发电机组参考设定值的动态增益，网络矩阵为一个N_unit×N_bus矩阵，表示微网中各机组对减小某以母线电压偏差的贡献，N_unit为微网内机组个数，N_bus为微网内母线个数；

式中，表示机组k对母线m处的电压偏差的贡献量，该值为正值且无量纲，大小取决于出现电压偏差的母线位置与微电网机组的距离

其中，是一个无量纲的量：

L_max＝max_k,m(L_ktom) (18)

式中，L_ktom为线长反映了机组k到母线m的线路阻抗，L_max为线路最大阻抗；机组越靠近电压偏差点，其对电压偏差的贡献越大；如果微电网机组的位置出现电压偏差，机组贡献将被设置为1，这是因为在这种情况下是由于机组自身引起的电压偏差被机组自身降低，与此同时其他机组为0；

其次，引入因子矩阵来描述电压偏差发生的位置，针对不同电压偏差类型，分为欠电压因子矩阵和过电压因子矩阵矩阵大小为N_bus×N矩阵；

输入因子有如下关系：

式中，因子f_UV和f_OV是无量纲的两个值，分别代表欠电压和过电压的情况；在欠压偏差(V_bus＜V_min)的情况下，f_UV将被设置为1，f_OV将设置为0；在过压偏差(V_bus＞V_max)的情况下f_UV将被设置为0，f_OV将被设置为1；如果没有电压偏差，两个值都被设置0；Δv_m为母线电压偏差的百分比；V_bus为母线电压；V_nom为母线电压基准值；从式(21)-式(23)可以看出，动态增益取决于相应母线的电压偏差；

为了建立动态增益，将网络矩阵和因子矩阵相乘，得到动态增益上下边界矩阵，如(24和式(25)所示：

式中，A_lbk,i和A_ubk,i表示微网内机组k在i时刻增益的下边界和上边界；

根据电压偏差、发电机组的位置以及与电压偏差点的距离，来提供合适的增益调整采用电压控制策略的微网机组运行界限，当出现欠电压，微网机组的下界将会增加，当出现过电压，微网机组的上界将会减小，动态增益和边界之间的关系由下式可知：

式中，P_range表示上下界限之间的范围，分别为修正前微网内机组k在i时刻发电功率上下界；为修正后微网内机组k在i时刻发电功率上下界；动态增益与范围成正比，此外，还取决于微电网机组的类型，通过式(26)和(27)，修改机组发电功率范围，在欠电压的情况下，A_lb是负的，从而导致P_Gmin的增加，在过电压情况下，A_ub为正导致P_Gmax降低。