[发明专利]一种基于主从博弈的多微网联络线功率优化方法

摘要

本发明公开了一种基于主从博弈的多微网联络线功率优化方法。该方法考虑系统三相不平衡约束，运用博弈论理论，采用Stackelberg主从动态博弈方法，建立多微网中各个主体的优化数学模型，并基于粒子群算法联合求解优化多微网上层联络线功率，保证多微网上层联络线功率的不平衡度小于15%。经仿真实例验证，所提方法能够满足系统三相不平衡度要求情况下，使各子微网损失最小。由于各单相子微网用户用电习惯不一致等问题将导致多微网顶层联络线功率三相功率不平衡，当系统三相不平衡状态严重时，会使配变线路的损耗增加甚至无法正常运行。一种基于主从博弈的多微网联络线功率优化方法可在保证系统内三相不平衡度满足一定条件的基础上，提高系统运行的经济性。

主权项

1.一种基于主从博弈的多微网联络线功率优化方法，其特征在于：运用博弈论理论，采用Stackelberg动态博弈方法，将多微网系统分为上层微电网和下层微电网；建立各个多微网主体的数学模型，并基于粒子群算法联合求解多微网联络线功率，保证多微网上层联络线功率的不平衡度小于15％，同时提升微电网在修正三相不平衡过程中的经济效益；具体包括如下步骤：步骤1：通过日前经济优化即对次日运行方式进行经济优化，得到联络线功率原始功率P_a、P_b、P_c；P_a、P_b、P_c分别代表下层微电网的互相之间以并联形式相联的A、B、C三个单相子微网的联络线功率；步骤2：根据多微网拓扑结构，运用博弈论理论，采用Stackelberg动态博弈方法建立上层微电网收益模型，上层微电网的收益为K₀代表上层微电网的收益系数，K₀＝100～200；ε代表多微网联络线功率的三相不平衡度；λ_i和分别表示用户满意因子和用户所设定的不平衡度满意度，λ_i＝1.3～1.5，当不平衡度小于15％时，上层微电网的收益趋于平缓，当不平衡度大于15％以后，上层微电网的收益极速下降；下层微电网收益模型：U_Aⁱ＝α_i(a*ΔP_a²+b*ΔP_a+c)U_Bⁱ＝β_i(a*ΔP_b²+b*ΔP_b+c)U_Cⁱ＝γ_i(a*ΔP_c²+b*ΔP_c+c)，分别代表A、B、C三个单相子微网的收益模型，i代表第i个子微网；ΔP_a、ΔP_b、ΔP_c为在上层微电网中联三相联络线功率的优化前和优化后的差值，ΔP_a＝|P_a‑P_a*|、ΔP_b＝|P_b‑P_b*|ΔP_c＝|P_c‑P_c*|，P_a*、P_b*、P_c*分别代表粒子群算法中的粒子求解的A、B、C三相的联络线功率值；α_i、β_i、γ_i分别代表A、B、C三个单相子微网对储能电池的偏好，即用户所想要维护的储能偏好；a、b分别为模型参数，a＝0.05～0.1，b＝‑1；c为联络线功率的上限；设定c＝5，子微网的收益随着ΔP_a、ΔP_b、ΔP_c的增加而减小；步骤3：根据上层微电网和下层微电网收益模型，建立多微网系统总收益模型，多微网系统总收益为U*＝U_tri+U_Aⁱ+U_Bⁱ+U_Cⁱ；步骤4：将A、B、C三个单相子微网的联络线功率P_a*、P_b*、P_c*作为粒子群算法中的粒子，并初始化粒子的位置和速度；步骤5：粒子的适应度值计算，适应度函数为多微网系统的总收益模型U*；步骤6：根据各个粒子的适应度值寻找粒子个体的极值和群体极值；步骤7：按照其中ω为惯性权重；d代表粒子中的某个变量，i代表第i个粒子，k为当前迭代次数，V_id^k为粒子的速度，代表第i个粒子在第k代第d个变量上搜索得到的粒子值，为到第k代为止第i个粒子在第d个变量上搜索得到的粒子个体最优值，为到第k代为止所有粒子在第d个变量上搜索得到的粒子群最优值；c₁和c₂是加速因子，为非负常数；r₁和r₂是分布于[0,1]区间的随机数；步骤8：粒子的适应度值计算，适应度函数为多微网系统的总收益模型U*；步骤9：根据个体的适应度值，更新个体的极值和群体极值；步骤10：若达到所设定的迭代次数后输出最优解，否则回到步骤5。