[发明专利]一种基于改进灰色预测的楼宇微网在线能量管理方法

权利要求书

1.一种基于改进灰色预测的楼宇微网在线能量管理方法，其特征是，包括以下步骤：

步骤1、建立楼宇微网模型，包括建立储能装置模型、电动汽车模型、与电网联络线交互模型和可控负荷模型；确定楼宇微网模型中各单元的约束条件；

步骤2、建立改进灰色预测模型，对实时电价、光伏系统发电量和不可控负荷数据进行预测；

步骤3、利用步骤1得到的楼宇微网模型，以及步骤2所得到的预测数据，建立在线能量管理系统模型，采用分支定界法求解得到预测时域内的最优用电计划；

步骤4、按照步骤3得到的预测时域内的最优用电计划进行楼宇微网内各单元的调度，在下一时刻根据已获取的实时数据，采用改进灰色预测模型得到新的预测数据；然后更新在线能量管理系统模型的约束条件和目标函数，求解得到新的最优用电计划，并按照该最优用电计划进行下一时刻的楼宇微网调度，实现滚动优化的在线能量管理模式；

步骤1所述的建立楼宇微网模型，具体包括以下步骤：

步骤1.1.建立储能装置模型；

楼宇微网采用电池储能装置，储能装置的离散时间模型如下：

E_BESS(k)＝E_BESS(k-1)+η_BESSP_BESS(k)Δt-α_BESSΔt (1)

(1)式中k为离散采样时刻，Δt为采样时刻的间隔；E_BESS(k)、E_BESS(k-1)分别为k时刻、k-1时刻的储能装置容量，在初始时刻容量为E_BESS0；η_BESS为储能装置的充放电效率，P_BESS(k)为k时刻的充放电功率，充电时为正，放电时为负；α_BESS为储能装置的自放电容量损耗，与储能装置的类型有关；

储能装置的约束条件为：

(2)式中E_BESSmin、E_BESSmax分别为储能装置的最小、最大容量限值，P_BESSmin、P_BESSmax分别为储能装置的最小充放电功率和最大充放电功率；f(P_BESS(j))表示关于储能装置j时刻充放电功率的函数，k₀为采样的初始时刻；

步骤1.2.建立电动汽车模型；

电动汽车在接入楼宇微网时，作为储能装置来参与楼宇微网的能量管理；

电动汽车的离散时间模型：

E_EV(k)＝E_EV(k-1)+η_EVP_EV(k)Δt-α_EVΔt (3)

(3)式中E_EV(k)、E_EV(k-1)分别为k时刻、k-1时刻的电动汽车电池容量，在初始时刻容量为E_EV0；η_EV为电动汽车的充放电效率，P_EV(k)为k时刻的充放电功率，充电时为正，放电时为负；α_EV为电动汽车电池的自放电容量损耗；

电动汽车模型约束条件为：

(4)式中E_EVmin、E_EVmax分别为电动汽车电池的最小、最大容量限值，P_EVmin、P_EVmax分别为电动汽车的最小充放电功率和最大充放电功率；f(P_EV(j))则表示关于电动汽车j时刻充放电功率的函数；

考虑到电动汽车的交通属性，引入整数变量μ_EV：

电动汽车的接入和离开时刻是由日前规划决定的，电动汽车处于离开或空闲状态时，电池的容量需要达到一定的要求以满足用户需求；

步骤1.3.建立与电网联络线交互模型；

当楼宇微网的可再生能源发电不足时从电网购电，发电量富余时向电网售电；

楼宇微网与电网联络线的交互模型为：

P_g(k)＝μ_g(k)P_buy(k)+(1-μ_g(k))P_sell(k) (6)

(6)式中P_g(k)为联络线的功率，P_buy(k)为k时刻电网向楼宇微网的输电功率，P_sell(k)为k时刻楼宇微网向电网的输电功率；μ_g(k)为一整数变量：

与电网联络线交互的约束条件为：

(8)式中P_gmax为电网向楼宇微网的输电功率限值，P_gmin为楼宇微网向电网的输电功率限值；

步骤1.4.建立可控负荷模型；

楼宇微网可控负荷包括各类温控负荷，将各类温控负荷的热储能特性作为虚拟储能；

楼宇微网中可控负荷模型为：

E_CL(k)＝E_CL(k-1)+μ_CLP_CLΔt (9)

(9)式中E_CL(k)、E_CL(k-1)分别为k时刻、k-1时刻的虚拟储能容量，P_CL为可控负荷的额定功率，μ_CL(k)为控制负荷开启和关闭个数的整数变量，开启时为正，关闭时为负，Δt为采样时刻的间隔；

可控负荷的约束条件：

(10)式中E_CLmin、E_CLmax分别为虚拟储能的最小、最大容量限值，μ_CLmax为可控负荷的最大可控个数；

步骤2所述的建立改进灰色预测模型包括：

步骤2.1.建立基本灰色预测模型：

(11)式中，为X⁽⁰⁾(k+1)的灰色预测值，X⁽⁰⁾(1)为原始数据的初始值；对于公式(11)，取k＝n，则可以得到当日t时刻的预测数据，记为对于原始灰色数据X⁽⁰⁾(i)i＝1,2,…,n，n为原始数据总个数，进行一次累加得到X⁽¹⁾(k):

将原始数据序列记为序列X⁽⁰⁾，新序列[X⁽¹⁾(1),X⁽¹⁾(2),…,X⁽¹⁾(n)]记为序列X⁽¹⁾，对序列X⁽¹⁾建立白化微分方程：

式中，a为发展灰度，它反映X⁽¹⁾和X⁽⁰⁾的发展趋势；u为模型的调协系数，反映数据间变化关系；利用最小二乘法求解模型参数：

其中为待估量，而

Y_n＝[X⁽⁰⁾(2),X⁽⁰⁾(3),…,X⁽⁰⁾(n-1),X⁽⁰⁾(n)]^T，求解得到模型参数a，u后，可得到模型的时间响应函数：

其中，为X⁽¹⁾(k+1)的预测值；对该结果进行累减还原，可以得到原始数据的灰色预测模型为式(11)；

步骤2.2.对原始数据进行平滑处理，中间各数据点的滑动平均值为：

两端数据点的滑动平均值为：

采用滑动平均值代替原始数据序列，再进行灰色预测；

步骤2.3.将基本灰色预测看作纵向预测，在进行t时刻的预测时，假设已经得到t时刻之前，t-1时刻，t-2时刻，…的实际数据，求得各时刻预测值与真实值的残差，再采用基本灰色预测模型对残差进行横向预测得到t时刻的残差预测值，对t时刻的纵向预测值进行修正；

步骤3所述建立在线能量管理系统模型包括以下步骤：

步骤3.1控制目标包括：

步骤3.1.1确定用电成本目标函数；

楼宇微网在运行过程中要实现经济效益的最大化，其用电成本目标函数为：

(15)式中k₀为采样的初始时刻，c_DG为光伏系统运行与维护成本，c_BESS为储能运行与维护成本，c_EV为电动汽车电池运行与维护成本，c_buy(k)为k时刻的购电电价，c_sell(k)为k时刻的售电电价；c_CL为控制可控负荷开关的损失费用，L为预测时域；P_s(k)为k时刻的光伏发电量预测值；亏损时成本为正，盈利时成本为负；

步骤3.1.2平抑联络线功率

(16)式中P_ref为联络线功率的参考值；

步骤3.1.3确定综合目标；

综合考虑用户用电成本优化和平抑联络线功率，以两个目标函数的线性加权组合作为能量管理系统的综合优化目标：

min J＝W₁J₁+W₂J₂ (17)

(17)式中W₁、W₂为目标函数权重，考虑到目标函数单位不同的影响；

步骤3.2.确定在线能量管理系统模型的约束条件；

除了满足式(2)、(4)、(8)、(10)的楼宇微网各单元约束条件外，还要满足楼宇微网中的功率平衡约束；

当不考虑功率的损失时，楼宇微网内部的功率平衡满足：

P_g(k)+P_S(k)＝P_BESS(k)+P_EV(k)+N_CL(k)P_CL+P_L(k) (18)

(18)式中P_L(k)为不可控负荷消耗功率，N_CL(k)为k时刻开启的可控负荷总量：

(19)式中N₀为初始时刻处于开启状态的可控负荷个数。

2.如权利要求1所述的基于改进灰色预测的楼宇微网在线能量管理方法，其特征是，步骤3所述预测时域内的最优用电计划，包括储能装置充放电计划、电动汽车充放电计划、与电网联络线交互功率计划和可控负荷的调度计划。