技术领域
[0001] 本
发明涉及多源电场应用技术领域，特别是涉及一种多源电场的优化调度方法及系统。
背景技术
[0002] 近些年来，
风电与
光伏发电等
可再生能源在全球范围内发展迅速，在各个国家中，风电与光伏所占总发电比例也有显著提升。由于大规模集中式的
可再生能源发电出
力具有一定间歇性，从而导致系统实时电价大幅度变化，因此需要储能设备来进行平抑，本发明称风电与光伏发电等可再生能源组成的电场为多源电场。
[0003] 传统的微
电网模式成本较高且资源利用率较低，分布式能源的快速发展增加了微网对储能的需求，传统的基于储能的电网调度方案已不能适应微网的发展。
云储能(CloudEnergyStorage，CES)是一种基于电网的储能服务，将原本分布在用户侧的储能装置集中到云端统一管理，它使得用户可以随时、随地、按需使用电网级的共享储能资源池中的资源，可以显著地降低提供储能服务的成本。
[0004] 同时传统的微网优化主要停留在对单个微网进行调度，但随着微网技术的发展，出现了多个微电网邻近存在于同一配电区域的情况，多微网之间的
能量交互与耦合现象也越来越不容忽视。
发明内容
[0005] 本发明的目的是提供一种多源电场的优化调度方法及系统，以通过考虑微网之间的能量交互与耦合的方式，提高多源电场的经济性能。
[0006] 为实现上述目的，本发明提供了如下方案：
[0007] 一种多源电场的优化调度方法，所述优化调度方法包括如下步骤：
[0008] 建立多源电场的云储能结构；
[0009] 基于所述云储能结构建立多源电场的每个微网内的每个冷热电联供系统的各个设备的机组模型；
[0010] 确定各个设备的机组模型的约束条件；
[0011] 基于所述机组模型，根据云储能结构的交易方式，建立包括微网之间交互的以多源电场的各个微网的日成交成本最小为目标的优化调度模型；
[0012] 确定优化调度模型的约束条件；
[0013] 根据所述机组模型的约束条件和所述优化调度模型的约束条件，采用细菌群体趋药性
算法对优化调度模型进行求解，确定每个设备的机组模型的最优输出功率，对多源电场进行调度。
[0014] 可选的，所述建立多源电场的每个微网内的每个冷热电联供系统的各个设备的机组模型，具体包括：
[0015] 建立微型
燃气轮机的
燃料消耗量模型： 其中， 表示第T个时间段内微型燃气轮机的燃料消耗量， 为第T个时间段内微型燃气轮机输出的电功率；α和β分别为微型燃气轮机的第一燃料系数和第二燃料系数； 为第T个时间段微型燃气轮
机的启停状态， 表示停止， 表示运行；
[0016] 建立
吸收式制冷机的制冷量模型： 其中， 表示第T个时间段内吸收式制冷机的制冷量， 表示第T个时间段内微型燃气轮机产生的余热量，
ηMT为第T个时间段内微型燃气轮机的发电效率；ηL为第T个时间段
内微型燃气轮机的
热损失系数，Cop.c为吸收式制冷机的制冷系数，ηc为吸收式制冷机的烟气回收率；
[0017] 建立热转换装置的制热量模型： 其中， 表示第T个时间段内热转换装置的制热量，Cop.h为热转换装置的制热系数，ηh为热转换装置的烟气回收率；
[0018] 建立燃气
锅炉的产热量模型： 其中， 为第T个时间段内燃气锅炉的产热量； 为第T个时间段内燃气锅炉的
天然气耗费量；ηGB为燃气锅炉的产热效率；
[0019] 建立电锅炉的输出热模型： 其中， 表示第T个时间段内电锅炉的输出热， 为第T个时间段内电锅炉生热所消耗的电功率，ηEB为电锅炉的制热效率；
[0020] 建立
空调机的输出冷功率模型： 其中， 表示空调机在第T个时间段的冷功率， 为第T个时间段内空调机制冷所消耗的电功率，ηEC为空调机的制冷功率系数；
[0021] 建立储热装置的容量模型： 其中， 和分别为第T-1个时间段和第T个时间段内储热装置的容量；γ为储热装置能量自损率；
ηtst.dis和ηtst,chr分别为储热装置的放电效率和充电效率； 和 分别为第T个时间段内储热装置的充热功率和放热功率。
[0022] 可选的，所述确定各个设备的机组模型的约束条件，具体包括：
[0023] 确定微型燃气轮机的燃料消耗量模型的约束条件：其中， 与 分别为微型燃气轮机最大输出功率和最小输出功
率； 与 分别为微型燃气轮机的最大爬坡速率和最小爬坡速率； 和 为第T-1个
时间段和第T个时间段内微型燃气轮机输出的电功率；
[0024] 确定燃气锅炉的产热量模型的约束：
[0025]
[0026] 其中， 和 分别为燃气锅炉的最大产热量和最小产热量； 为第T个时间段内燃气锅炉的产热量；
[0027] 确定电锅炉的输出热模型的约束：
[0028]
[0029] 其中， 表示第T个时间段内电锅炉的输出热， 和 分别表示电锅炉的制
热容量的下限和上限；
[0030] 确定空调机的输出冷功率的约束：
[0031]
[0032] 其中， 表示空调机在第T个时间段的冷功率， 和 表示空调节的制冷容量的下限和上限；
[0033] 确定储热装置的容量模型的约束：
[0034]
[0035]
[0036]
[0037]
[0038]
[0039] 其中， 和 分别为储热装置容量的下限和上限； 和 分别为储热装置充热功率和放热功率下限； 分别为储热装置充热功率和放热功率上限；
和 分别为储热装置充热和放热爬坡速率下限； 和 为储热装置充热
和放热爬坡速率上限， 和 分别为第T个时间段内储热装置的充热功率和放热功
率， 和 分别为第T-1个时间段内储热装置的充热功率和放热功率。
[0040] 可选的，所述优化调度模型为：
[0041]
[0042] 其中，F为多源电场的日成交成本，n为第n个微网；N表示多源电场的微电网的数量，CNG(n,t)、COM(n,t)、Cserve(n,t)、CCES(n,t)和Cgrid(n,t)分别为多源电场的第n个微网在第t个子时间段的燃料成本、日维护成本、虚拟
电池成本、与云储能进行
电能交互成本和与第n个微网相邻的微网的能量交互成本；T表示第T个时间段；
[0043] 为第t个子时间段购买天然气的价格；In为第n个微网的微型燃气轮机的数量， 为第i台微型燃气轮机在第t个子时间段的燃料耗费
量, 为燃气锅炉在第t个子时间段的燃气耗费量；HNG为天然气低热值；
[0044] COM(n,t)＝KOM,PVPn,PV(t)+KOM,WTPn,WT(t)+KOM,MTPi,MT(t)+KOM,ARPn,AR(t)+[0045] KOM,GBPn,GB(t)+KOM,ACPn,AC(t)+KOM,HXPn,HX(t)+KOM,WHBPn,WHB(t)
[0046] KOM,PV、KOM,WT、KOM,MT、KOM,AR、KOM,GB、KOM,AC、KOM,HX和KOM,WHB分别为光伏电源、风电、微型燃气轮机、吸收式制冷机、燃气锅炉、空调机、热转换装置、
余热锅炉的维护成本；Pn,PV(t)、Pn,WT(t)、Pn,MT(t)、Pn,AR(t)、Pn,GB(t)、Pn,AC(t)、Pn,HX(t)和Pn,WHB(t)分别为第n个微网的光伏电源、风电、微型燃气轮机、吸收式制冷机、燃气锅炉、空调机、热转换装置、余热锅炉的在第t个子时间段所消耗的电功率；
[0047]
[0048] ω为购置虚拟电池单位容量收取
费用；Encap为第n个微网的虚拟电池容量，为
蓄电池充电调取的服务费用； 为第n个微网在第t个子时间段内从云储能充电电能；
[0049]
[0050] λt为微网从云储能购电电价；θt为微网向云储能售电电价； 为第n个微网在第t+ +个子时间段的放电功率；dn,t为在第t个子时间段第n个微网侧负荷；(·) 和(·) 分别为：
和 x表示括号内的函数；
[0051] Cgrid(n,t)＝Sb,nPb,t,n-Ss,nPs,t,n
[0052] Sb,n为从第n个微网从与第n个微网相邻的微网购电的费用；Pb,t,n在第t个子时间段第n个微网从与第n个相邻的微网购买电的功率；Ss,n为第n个微网向与第n个微网相邻的微网售电的费用；Ps,t,n为在第t个子时间段第n个微网向与第n个微网相邻的微网售电的功率。
[0053] 可选的，所述确定优化调度模型的约束条件，具体包括：
[0054] 确定优化调度模型的电功率平衡约束：
[0055]
[0056] 其中，Pn,MT为第n个微网的微型燃气轮机功率；Pn,WT为第n个微网的风电场功率；Pn,PV为第n个微网的光伏发电功率；Pn,C为第n个微网从云储能充电电能，Pn,D为第n个微网的放电功率，Pn,EB为第n微网的电锅炉功率；Pn,EC为第n个微网的电制冷功率，Pb在微网从与所述微网相邻的微网购买电的功率，Ps为微网向与所述微网相邻的微网售电的功率，j为与所述微网相邻的微网的数量，Pn,load为第n个微网的电负荷；
[0057] 确定优化调度模型的冷功率平衡约束：
[0058] Qn,AR+Qn,AC＝Pn,c.load；
[0059] 其中，Qn,AC为第n个微网的空调机的制冷功率；Qn,AR为第n个微网的吸收式制冷机的制冷功率,Pn,c.load表示第n个微电网的冷负荷；
[0060] 确定优化调度模型的热功率平衡约束：
[0061] Hn,MT+Hn,EB+Hn,GB+Hn,chr＝Hn,dis+Pn,h.load；
[0062] 其中，Hn,MT为第n个微网的微型燃气轮机热转换装置将烟气余热转换成的热功率；Hn,EB为第n个微网的电锅炉产热功率；Hn,GB为第n个微网的燃气锅炉产热功率；Hn,chr第n个微网的热储能储热功率；Hn,dis为第n个微网的热储能放热功率；Pn,h.load为第n个微网的热负荷；
[0063] 确定云储能蓄电池充放电约束为：
[0064]
[0065]
[0066] 其中， 为在第t个子时间端第n个微网中云储能充电功率； 为在第t个子时间段第n个微网中云储能放电功率； 为第n个微网的云储能功率容量；
[0067] 确定云储能电池应运行的
荷电状态约束：
[0068]
[0069]
[0070]
[0071] 其中：En,t为第n个微网在第t个子时间段的储能容量， 为第n个微网的云储能电量容量， 为第n个微网最小储能量；SOCmin为最小云储能荷电状态；En,t-1和En,t为第n个微网在第t-1个子时间段和第t个子时间段的储能容量； 为第n个微网充电效率； 为第n
个微网放电效率； 为第n个微网在第t个子时间段内从云储能充电电能， 为第n个微网
在第t个子时间段的放电功率，Δt表示子时间段变化量。
[0072] 一种多源电场的优化调度系统，所述优化调度系统包括：
[0073] 机组模型建立模
块，用于建立多源电场的每个微网内的每个冷热电联供系统的各个设备的机组模型；
[0074] 第一约束条件确定模块，用于确定各个设备的机组模型的约束条件；
[0075] 优化调度模型建立模块，用于基于所述机组模型，根据云储能结构的交易方式，建立包括微网之间交互的以多源电场的各个微网的日成交成本最小为目标的优化调度模型；
[0076] 第一约束条件确定模块，用于确定优化调度模型的约束条件；
[0077] 优化调度模块，用于根据所述机组模型的约束条件和所述优化调度模型的约束条件，采用细菌群体趋药性算法对优化调度模型进行求解，确定每个设备的机组模型的最优输出功率，对多源电场进行调度。
[0078] 可选的，所述机组模型建立模块，具体包括：
[0079] 微型燃气轮机的燃料消耗量模型建立子模块，用于建立微型燃气轮机的燃料消耗量模型： 其中， 表示第T个时间段内微型燃气轮机的燃料消耗量，为第T个时间段内微型燃气轮机输出的电功率；α和β分别为微型燃气轮机的第一燃料系数和第二燃料系数； 为第T个时间段微型燃气轮机的启停状态， 或1, 表
示停止， 表示运行；
[0080] 吸收式制冷机的制冷量模型建立子模块，用于建立吸收式制冷机的制冷量模型：其中， 表示第T个时间段内吸收式制冷机的制冷量， 表示第T个时
间段内微型燃气轮机产生的余热量， ηMT为第T个时间段内微型燃气
轮机的发电效率；ηL为第T个时间段内微型燃气轮机的热损失系数，Cop.c为吸收式制冷机的制冷系数，ηc为吸收式制冷机的烟气回收率；
[0081] 换热装置的制热量模型建立子模块，用于建立热转换装置的制热量模型：其中， 表示第T个时间段内热转换装置的制热量，Cop.h为热转换装置
的制热系数，ηh为热转换装置的烟气回收率；
[0082] 燃气锅炉的产热量模型建立子模块，用于建立燃气锅炉的产热量模型：其中， 为第T个时间段内燃气锅炉的产热量； 为第T个时间段内燃气锅
炉的天然气耗费量；ηGB为燃气锅炉的产热效率；
[0083] 电锅炉的输出热模型建立子模块，用于建立电锅炉的输出热模型：其中， 表示第T个时间段内电锅炉的输出热， 为第T个时间段内电锅炉生热所消耗的
电功率，ηEB为电锅炉的制热效率；
[0084] 空调机的输出冷功率模型建立子模块，用于建立空调机的输出冷功率模型：其中， 表示空调机在第T个时间段的冷功率， 为第T个时间段内空调机
制冷所消耗的电功率，ηEC为空调机的制冷功率系数；
[0085] 储热装置的容量模型建立子模块，用于建立储热装置的容量模型：其中， 和 分别为第T-1个时间段和第T个时
间段内储热装置的容量；γ为储热装置能量自损率；ηtst.dis和ηtst,chr分别为储热装置的放电效率和充电效率； 和 分别为第T个时间段内储热装置的充热功率和放热功率。
[0086] 可选的，所述第一约束条件确定模块，具体包括：
[0087] 微型燃气轮机的燃料消耗量模型的约束确
定子模块，用于确定微型燃气轮机的燃料消耗量模型的约束条件： 其中， 与 分别为微型燃气轮机最大输出功率和最小输出功率； 与 分别为微型燃气轮机的最大
爬坡速率和最小爬坡速率； 和 为第T-1个时间段和第T个时间段内微型燃气轮机输
出的电功率；
[0088] 燃气锅炉的产热量模型的约束确定子模块，用于确定燃气锅炉的产热量模型的约束：
[0089]
[0090] 其中， 和 分别为燃气锅炉的最大产热量和最小产热量； 为第T个时间段内燃气锅炉的产热量；
[0091] 电锅炉的输出热模型的约束确定子模块，用于确定电锅炉的输出热模型的约束：
[0092]
[0093] 其中， 表示第T个时间段内电锅炉的输出热， 和 分别表示电锅炉的制热容量的下限和上限；
[0094] 空调机的输出冷功率的约束确定子模块，用于确定空调机的输出冷功率的约束：
[0095]
[0096] 其中， 表示空调机在第T个时间段的冷功率， 和 表示空调节的制冷容量的下限和上限；
[0097] 储热装置的容量模型的约束确定子模块，用于确定储热装置的容量模型的约束：
[0098]
[0099]
[0100]
[0101]
[0102]
[0103] 其中， 和 分别为储热装置容量的下限和上限； 和 分别为储热装置充热功率和放热功率下限； 分别为储热装置充热功率和放热功率上限；
和 分别为储热装置充热和放热爬坡速率下限； 和 为储热装置充热
和放热爬坡速率上限， 和 分别为第T个时间段内储热装置的充热功率和放热功
率， 和 分别为第T-1个时间段内储热装置的充热功率和放热功率。
[0104] 可选的，所述优化调度模型为：
[0105]
[0106] 其中，F为多源电场的日成交成本，n为第n个微网；N表示多源电场的微电网的数量，CNG(n,t)、COM(n,t)、Cserve(n,t)、CCES(n,t)和Cgrid(n,t)分别为多源电场的第n个微网在第t个子时间段的燃料成本、日维护成本、虚拟电池成本、与云储能进行电能交互成本和与第n个微网相邻的微网的能量交互成本；T表示第T个时间段；
[0107] 为第t个子时间段购买天然气的价格；In为第n个微网的微型燃气轮机的数量， 为第i台微型燃气轮机在第t个子时间段的燃料耗费
量, 为燃气锅炉在第t个子时间段的燃气耗费量；HNG为天然气低热值；
[0108] COM(n,t)＝KOM,PVPn,PV(t)+KOM,WTPn,WT(t)+KOM,MTPn,MT(t)+KOM,ARPn,AR(t)+[0109] KOM,GBPn,GB(t)+KOM,ACPn,AC(t)+KOM,HXPn,HX(t)+KOM,WHBPn,WHB(t)
[0110] KOM,PV、KOM,WT、KOM,MT、KOM,AR、KOM,GB、KOM,AC、KOM,HX和KOM,WHB分别为光伏电源、风电、微型燃气轮机、吸收式制冷机、燃气锅炉、空调机、热转换装置、余热锅炉的维护成本；Pn,PV(t)、Pn,WT(t)、Pn,MT(t)、Pn,AR(t)、Pn,GB(t)、Pn,AC(t)、Pn,HX(t)和Pn,WHB(t)分别为第n个微网的光伏电源、风电、微型燃气轮机、吸收式制冷机、燃气锅炉、空调机、热转换装置、余热锅炉的在第t个子时间段所消耗的电功率；
[0111]
[0112] ω为购置虚拟电池单位容量收取费用；Encap为第n个微网的虚拟电池容量，为蓄电池充电调取的服务费用； 为第n个微网在第t个子时间段内从云储能充电电能；
[0113]
[0114] λt为微网从云储能购电电价；θt为微网向云储能售电电价； 为第n个微网在第t个子时间段的放电功率；dn,t为在第t个子时间段第n个微网侧负荷；(·)+和(·)+分别为：和 x表示括号内的函数；
[0115] Cgrid(n,t)＝Sb,nPb,t,n-Ss,nPs,t,n
[0116] Sb,n为从第n个微网从与第n个微网相邻的微网购电的费用；Pb,t,n在第t个子时间段第n个微网从与第n个相邻的微网购买电的功率；Ss,n为第n个微网向与第n个微网相邻的微网售电的费用；Ps,t,n为在第t个子时间段第n个微网向与第n个微网相邻的微网售电的功率。
[0117] 可选的，所述第二约束条件确定模块，具体包括：
[0118] 电功率平衡约束确定子模块，用于确定优化调度模型的电功率平衡约束：
[0119]
[0120] 其中，Pn,MT为第n个微网的微型燃气轮机功率；Pn,WT为第n个微网的风电场功率；Pn,PV为第n个微网的光伏发电功率；Pn,C为第n个微网从云储能充电电能，Pn,D为第n个微网的放电功率，Pn,EB为第n微网的电锅炉功率；Pn,EC为第n个微网的电制冷功率，Pb在微网从与所述微网相邻的微网购买电的功率，Ps为微网向与所述微网相邻的微网售电的功率，j为与所述微网相邻的微网的数量，Pn,load为第n个微网的电负荷；
[0121] 冷功率平衡约束确定子模块，用于确定优化调度模型的冷功率平衡约束：
[0122] Qn,AR+Qn,AC＝Pn,c.load；
[0123] 其中，Qn,AC为第n个微网的空调机的制冷功率；Qn,AR为第n个微网的吸收式制冷机的制冷功率,Pn,c.load表示第n个微电网的冷负荷；
[0124] 热功率平衡约束确定子模块，用于确定优化调度模型的热功率平衡约束：
[0125] Hn,MT+Hn,EB+Hn,GB+Hn,chr＝Hn,dis+Pn,h.load；
[0126] 其中，Hn,MT为第n个微网的微型燃气轮机热转换装置将烟气余热转换成的热功率；Hn,EB为第n个微网的电锅炉产热功率；Hn,GB为第n个微网的燃气锅炉产热功率；Hn,chr第n个微网的热储能储热功率；Hn,dis为第n个微网的热储能放热功率；Pn,h.load为第n个微网的热负荷；
[0127] 云储能蓄电池充放电约束确定子模块，用于确定云储能蓄电池充放电约束为：
[0128]
[0129]
[0130] 其中， 为在第t个子时间端第n个微网中云储能充电功率； 为在第t个子时间段第n个微网中云储能放电功率； 为第n个微网的云储能功率容量；
[0131] 荷电状态约束确定子模块，用于确定云储能电池应运行的荷电状态约束：
[0132]
[0133]
[0134]
[0135] 其中：En,t为第n个微网在第t个子时间段的储能容量， 为第n个微网的云储能电量容量， 为第n个微网最小储能量；SOCmin为最小云储能荷电状态；En,t-1和En,t为第n个微网在第t-1个子时间段和第t个子时间段的储能容量； 为第n个微网充电效率； 为第n个微网放电效率； 为第n个微网在第t个子时间段内从云储能充电电能， 为第n个微网在
第t个子时间段的放电功率，Δt表示子时间段变化量。
[0136] 根据本发明提供的具体
实施例，本发明公开了以下技术效果：
[0137] 本发明提出了一种多源电场的优化调度方法及系统。所述优化调度方法包括：首先，基于多源电场的云储能结构，建立多源电场的每个微网内的每个冷热电联供系统的各个设备的机组模型及其约束条件；然后建立以多源电场的各个微网的日成交成本最小为目标的优化调度模型及其约束条件；最后根据机组模型的约束条件和优化调度模型的约束条件，采用细菌群体趋药性算法对优化调度模型进行求解，确定每个设备的机组模型的最优输出功率，对多源电场进行调度。本发明基于云储能结构，将储能设置在云端，直接基于机组模型建立整个多源电场的优化调度模型，而不是单独分析每个微网的优化模型，本发明将储能集中在云端，考虑云端对应的各个微网之间的能量交互实现多源电场的调度优化，提高了多源电场的经济性。
附图说明
[0138] 为了更清楚地说明本发明实施例或
现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0139] 图1为本发明提供的一种多源电场的优化调度方法的
流程图；
[0140] 图2为本发明提供的一种多源电场的优化调度方法的原理图；
[0141] 图3为本发明提供的分布式储能微网的结构图；
[0142] 图4为本发明提供的云储能结构微网的结构图；
[0143] 图5为本发明提供的微网内冷热电联供系统的结构示意图；
[0144] 图6为本发明提供的云储能结构多微网间电能交互图；
[0145] 图7为本发明提供的细菌趋药性算法的流程图。
具体实施方式
[0146] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0147] 本发明的目的是提供一种多源电场的优化调度方法及系统，以通过考虑微网之间的能量交互与耦合的方式，提高多源电场的经济性能。
[0148] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0149] 为了实现上述目的本发明提供一种多源电场的优化调度方法，如图1和2所示，所述优化调度方法包括如下步骤：
[0150] 步骤101，建立多源电场的云储能结构；
[0151] 步骤101中，本发明确立了基于云储能的单微网结构，区别于传统分布式储能单微网，云储能结构的微网不建立微网侧分布式储能，而是将储能设备集中于云端能够，有效减少传统微网中用于储能设备上的成本花费，进一步提高微网整体的经济性。
[0152] 云储能概念的提出充分响应了共享经济，但现有的云储能的概念针对的是用户群，指每家单独用户将储能集中于云端，但是由于人口基数大，居住区密集，单独用户存在的情况在于少数，多为微网或区域综合能源用户，同时考虑到云储能运营商，微网侧和用户为三种不同利益主体，跨过微网利益主体而直接进行云储能运营商与用户的能源交易具有一定复杂性，因此本文将用户群广义化为多微网，将云储能设备运用于微网侧而不是用户侧，由各微网购买集中式储能设备。
[0153] 其原因在于，如图3所示在传统微网中，分布式储能往往安装在微电网侧，通过帮助负荷曲线
移峰填谷或存储微网中可再生能源产生的过剩电能以达到减小成本的作用，但是当前分布式储能的造价与日常维护成本仍然较高，限制了其广泛使用，因此本文在微网结构上进行了创新，放弃建立分布在各微网的分布式储能，将储能集中在云端，引入云储能结构。
[0154] 如图4所示，本发明的基于云储能结构的微网侧可以根据自身系统内光伏，风电的发电情况或是负荷需求来确定自身的储能设备的容量需求，进而从云储能供应商购买相应容量的储能设备，由于微网侧不存在分布式储能设备，因此微网内所有与储能设备进行能量交互的设备都需要通过线路与云储能供应商进行交互，因此将这部分购买的储能装置称为微网侧虚拟电池，即微网需要向云储能供应商提交一部分费用以获得云端电池的使用权。
[0155] 如图6所示，其交易方式在于，不同于传统分布式储能设备在地理
位置上位于微网侧，并由微网实际控制，云储能实际上是位于云储能供应商侧通过租赁以供各微网使用的分布式储能资源。微网侧需要给虚拟电池充电时会向运营商发出充电指令并向运营商支付充电费用，这部分费用最终由运营商支付给配网，而微网侧需要放电时则不需要支付费用，同理，当微网侧可再生能源电能过剩时可以选择对虚拟电池进行充电或是向配网反馈电能时，配网会将购电费用支付给云储能供应商，最终这部分费用由供应商转交给微网侧。如此一来，能够有效降低因在各微网侧安装储能设备而产生的分散安装成本，同时能够降低因分布式储能设备维护带来的成本花费，进一步提高微网的经济性。
[0156] 如图5所示，本发明选取含冷热电联供系统的微网，其中的微型燃气轮机以天然气为燃料发电，余热烟气通过余热锅炉收集并分别进入吸收式制冷机与换热装置对微网进行制冷制热，同时引入云储能与蓄热装置进行储能，打破传统“以热定电”和“以电定热”模式。
[0157] 微网内冷热电联供系统包括能源设备，储能设备，能量转换设备三部分，能源设备由光伏电源(photovoltaic,PV)，风电(windturbine,WT)，微型燃气轮机(micro-gasturbine,MT),燃气锅炉(gasboiler,GB)组成；储能设备由云储能即蓄热装置组成；能量转换设备由余热锅炉(wastheatboiler,WHB)，电锅炉(electricboiler,EB)，吸收式制冷机(absorptionrefrigerator,AR)，热转换设备(heatexchanger,HE)，空调机
(airconditioner，AC)组成。
[0158] 步骤102，建立多源电场的每个微网内的每个冷热电联供系统的各个设备的机组模型。
[0159] 步骤102所述建立多源电场的每个微网内的每个冷热电联供系统的各个设备的机组模型，具体包括：
[0160] 建立微型燃气轮机的燃料消耗量模型： 其中， 表示第T个时间段内微型燃气轮机的燃料消耗量， 为第T个时间段内微型燃气轮机输出的电功率；α和β分别为微型燃气轮机的第一燃料系数和第二燃料系数； 为第T个时间段微型燃气轮
机的启停状态， 或1, 表示停止， 表示运行；
[0161] 建立吸收式制冷机的制冷量模型： 其中， 表示第T个时间段内吸收式制冷机的制冷量， 表示第T个时间段内微型燃气轮机产生的余热量，
ηMT为第T个时间段内微型燃气轮机的发电效率；ηL为第T个时间段
内微型燃气轮机的热损失系数，Cop.c为吸收式制冷机的制冷系数，ηc为吸收式制冷机的烟气回收率；
[0162] 建立热转换装置的制热量模型： 其中， 表示第T个时间段内热转换装置的制热量，Cop.h为热转换装置的制热系数，ηh为热转换装置的烟气回收率；
[0163] 建立燃气锅炉的产热量模型： 其中， 为第T个时间段内燃气锅炉的产热量； 为第T个时间段内燃气锅炉的天然气耗费量；ηGB为燃气锅炉的产热效率；
[0164] 建立电锅炉的输出热模型： 其中， 表示第T个时间段内电锅炉的输出热， 为第T个时间段内电锅炉生热所消耗的电功率，ηEB为电锅炉的制热效率；
[0165] 建立空调机的输出冷功率模型： 其中， 表示空调机在第T个时间段的冷功率， 为第T个时间段内空调机制冷所消耗的电功率，ηEC为空调机的制冷功率系数；
[0166] 建立储热装置的容量模型： 其中， 和分别为第T-1个时间段和第T个时间段内储热装置的容量；γ为储热装置能量自损率；
ηchr和ηtst,chr分别为储热装置的放电效率和充电效率； 和 分别为第T个时间段内
储热装置的充热功率和放热功率。
[0167] 步骤103，确定各个设备的机组模型的约束条件。
[0168] 步骤103所述确定各个设备的机组模型的约束条件，具体包括：
[0169] 在微型燃气轮机运行时存在功率上下限约束及爬坡速率约束，确定微型燃气轮机的燃料消耗量模型的约束条件为： 其中， 与分别为微型燃气轮机最大输出功率和最小输出功率； 与 分别为微型燃气轮机
的最大爬坡速率和最小爬坡速率； 和 为第T-1个时间段和第T个时间段内微型燃气
轮机输出的电功率；
[0170] 确定燃气锅炉的产热量模型的约束：
[0171]
[0172] 其中， 和 分别为燃气锅炉的最大产热量和最小产热量； 为第T个时间段内燃气锅炉的产热量；
[0173] 确定电锅炉的输出热模型的约束：
[0174]
[0175] 其中， 表示第T个时间段内电锅炉的输出热， 和 分别表示电锅炉的制热容量的下限和上限；
[0176] 确定空调机的输出冷功率的约束：
[0177]
[0178] 其中， 表示空调机在第T个时间段的冷功率， 和 表示空调节的制冷容量的下限和上限；
[0179] 储热装置能够在
热能相对富裕时储存热能，在需要时释放热能，能够在一定程度上缓解传统微网中“以热定电”或是“以电定热”的运行模式，进而提高系统的灵活性及经济性确定储热装置的容量模型的约束及满足充放电爬坡速率：
[0180]
[0181]
[0182]
[0183]
[0184]
[0185] 其中， 和 分别为储热装置容量的下限和上限； 和 分别为储热装置充热功率和放热功率下限； 分别为储热装置充热功率和放热功率上限；
和 分别为储热装置充热和放热爬坡速率下限； 和 为储热装置充热和
放热爬坡速率上限， 和 分别为第T个时间段内储热装置的充热功率和放热功率。
[0186] 步骤104，基于所述机组模型，根据云储能结构的交易方式，建立包括微网之间交互的以多源电场的各个微网的日成交成本最小为目标的优化调度模型。
[0187] 随着为微网技术的推广，区域系统内逐渐接入越来越多的微网使得各微网之间存在一定联系，而考虑微网内能量交互的相关研究仍然较少，当微网之间存在能量交互时，会对微网的供冷供热系统产生一定的影响，同时微网之间就近的能量消纳能进一步节省成本，因此，本文创新性的提出在云储能结构下，考虑多微网之间的能量交互，以达到成本最小的目的，多微网间的电能流动示意图如图4所示。
[0188] 目标函数以多微网一天内成本最小为目标函数，包括系统燃料成本，系统日维护成本，微网所购买的虚拟电池及服务成本，与云储能进行电能交互的成本，与各微网之间进行能量交互的成本。
[0189] 所述优化调度模型为：
[0190] 其中，F为多源电场的日成交成本，n为第n个微网；N表示多源电场的微电网的数量，CNG(n,t)、COM(n,t)、Cserve(n,t)、CCES(n,t)和Cgrid(n,t)分别为多源电场的第n个微网在第t个子时间段的燃料成本、日维护成本、虚拟电池成本、与云储能进行电能交互成本和与第n个微网相邻的微网的能量交互成本；
[0191] 为第t个子时间段购买天然气的价格；In为第n个微网的微型燃气轮机的数量， 为第i台微型燃气轮机在第t个子时间段的燃料耗费
量, 为燃气锅炉在第t个子时间段的燃气耗费量；HNG为天然气低热值；
[0192] COM(n,t)＝KOM,PVPn,PV(t)+KOM,WTPn,WT(t)+KOM,MTPn,MT(t)+KOM,ARPn,AR(t)+[0193] KOM,GBPn,GB(t)+KOM,ACPn,AC(t)+KOM,HXPn,HX(t)+KOM,WHBPn,WHB(t)
[0194] KOM,PV、KOM,WT、KOM,MT、KOM,AR、KOM,GB、KOM,AC、KOM,HX和KOM,WHB分别为光伏电源、风电、微型燃气轮机、吸收式制冷机、燃气锅炉、空调机、热转换装置、余热锅炉的维护成本；Pn,PV(t)、Pn,WT(t)、Pn,MT(t)、Pn,AR(t)、Pn,GB(t)、Pn,AC(t)、Pn,HX(t)和Pn,WHB(t)分别为第n个微网的光伏电源、风电、微型燃气轮机、吸收式制冷机、燃气锅炉、空调机、热转换装置、余热锅炉的在第t个子时间段所消耗的电功率；
[0195]
[0196] ω为购置虚拟电池单位容量收取费用；Encap为第n个微网的虚拟电池容量， 为蓄电池充电调取的服务费用； 为第n个微网在第t个子时间段内从云储能充电电能；
[0197]
[0198] λt为微网从云储能购电电价；θt为微网向云储能售电电价； 为第n个微网在第t个子时间段的放电功率；dn,t为在第t个子时间段第n个微网侧负荷；(·)+和(·)+分别为：和 x表示括号内的函数；
[0199] Cgrid(n,t)＝Sb,nPb,t,n-Ss,nPs,t,n
[0200] Sb,n为从第n个微网从与第n个微网相邻的微网购电的费用；Pb,t,n在第t个子时间段第n个微网从与第n个相邻的微网购买电的功率；Ss,n为第n个微网向与第n个微网相邻的微网售电的费用；Ps,t,n为在第t个子时间段第n个微网向与第n个微网相邻的微网售电的功率。
[0201] 步骤105，确定优化调度模型的约束条件。
[0202] 步骤105所述确定优化调度模型的约束条件，具体包括：
[0203] 确定优化调度模型的电功率平衡约束：
[0204]
[0205] 其中，Pn,MT为第n个微网的微型燃气轮机功率；Pn,WT为第n个微网的风电场功率；Pn,PV为第n个微网的光伏发电功率；Pn,C为第n个微网从云储能充电电能， 为第n个微网的放电功率，Pn,D，Pn,EB为第n微网的电锅炉功率；Pn,EC为第n个微网的电制冷功率，Pb在微网从与所述微网相邻的微网购买电的功率，Ps为微网向与所述微网相邻的微网售电的功率，j为与所述微网相邻的微网的数量，Pn,load为第n个微网的电负荷；
[0206] 确定优化调度模型的冷功率平衡约束：
[0207] Qn,AR+Qn,AC＝Pn,c.load；
[0208] 其中，Qn,AC为第n个微网的空调机的制冷功率；Qn,AR为第n个微网的吸收式制冷机的制冷功率,Pn,c.load表示第n个微电网的冷负荷；
[0209] 确定优化调度模型的热功率平衡约束：
[0210] Hn,MT+Hn,EB+Hn,GB+Hn,chr＝Hn,dis+Pn,h.load；
[0211] 式中，Hn,MT为第n个微网的微型燃气轮机热转换装置将烟气余热转换成的热功率；Hn,EB为第n个微网的电锅炉产热功率；Hn,GB为第n个微网的燃气锅炉产热功率；Hn,chr第n个微网的热储能储热功率；Hn,dis为第n个微网的热储能放热功率；Pn,h.load为第n个微网的热负荷；
[0212] 确定云储能蓄电池充放电约束为：
[0213]
[0214]
[0215] 其中， 为在第t个子时间端第n个微网中云储能充电功率； 为在第t个子时间段第n个微网中云储能放电功率； 为第n个微网的云储能功率容量；
[0216] 确定云储能电池应运行的荷电状态约束：
[0217]
[0218]
[0219]
[0220] 其中：En,t为第n个微网在第t个子时间段的储能容量， 为第n个微网的云储能电量容量， 为第n个微网最小储能量；SOCmin为云储能荷电状态；En,t-1和En,t为第n个微网在第t-1个子时间段和第t个子时间段的储能容量； 为第n个微网充电效率； 为第n个微网放电效率； 为第n个微网在第t个子时间段内从云储能充电电能， 为第n个微网在第t
个子时间段的放电功率。
[0221] 步骤106，根据所述机组模型的约束条件和所述优化调度模型的约束条件，采用细菌群体趋药性算法对优化调度模型进行求解，确定每个设备的机组模型的最优输出功率，对多源电场进行调度。
[0222] 如图7所示，采用采用细菌群体趋药性算法对优化调度模型进行求解，确定每个设备的机组模型的最优输出功率的具体流程如下：
[0223] S701、设定算例基本数据；
[0224] S702、细菌群体初始化，设定细菌初始位置和速度，确定
精度数据；
[0225] S703、离散化过程，确
定位置1及适应值；
[0226] S704、寻优过程，确定位置2及适应值；
[0227] S705、比较位置1和位置2，细菌移向较优的位置；
[0228] S706、判断是否达到精度要求或收敛，若是，则输出全体最优值作为最优规划方案，否则，定向变异，更新数据，直到获得最优值。
[0229] 本发明提出的目标函数以微网日内经济成本最小为目标函数，作为极值优化，细菌的运动轨迹是由一系列连续的直线组成,并且由运动方向和移动距离2个参数决定，运动方向与夹
角由概率分布决定，由上一步的信息来确定下一步的移动，细菌群会不断寻优，通过局部最优的比较来确定全局最优解，即本发明目标函数的极小值点。
[0230] 本发明的优化变量为微网中冷热电联供系统各设备出力与目标函数中微网与储能功率交互，各微网间功率交互为优化变量，以各设备出力上下限，爬坡速率，云储能设备相关约束模型等作为目标函数的约束条件，通过细菌群体趋药性算法得出各机组最优出力方案与最小经济成本。
[0231] 作为一种优选的实施方式，步骤105所述根据所述机组模型的约束条件和所述优化调度模型的约束条件，采用细菌群体趋药性算法对优化调度模型进行求解，确定每个设备的机组模型的最优输出功率，对多源电场进行调度，之后还包括：确定设备的最优输出功率后对其进行仿真，具体包括：
[0232] (1)确定算例及特征参数
[0233] 本发明的算例选取含微网内冷热电联供(combined cooling,heating and power,CCHP)型微网，并进行了结构改进后扩充为三个单独的微网，这三个微网属于同一配电区域，并且地理位置相对邻近，组成多微网系统，其中微网1与微网2为包含本发明提出的云储能结构的CCHP微网，微网3则为传统包含光伏电池的光储微网，由于需考虑多微网之间能量交互，不同的微网微源出力会影响调度结果，因此本文将微网1设为其可再生能源出力大于其负荷要求，微网3设为其光伏出力不能满足其负荷要求。
[0234] 本发明对以下3种场景进行仿真：
[0235] 场景1，微网1，2采取传统分布式储能结构单微网，并且三个微网之间没有能量的交互。
[0236] 场景2，微网1，2采用本发明提出的云储能结构，微网侧不在建设单独的储能设备，并且三个微网之间不进行能量交互。
[0237] 场景3，微网1，2采用本发明提出的云储能结构，微网侧不在建设单独的储能设备，同时考虑三个微网间能量的相互交互。
[0238] (2)采用MATLAB
软件编写细菌群体趋药性算法程序对算例进行仿真分析。
[0239] 通过仿真可知，该模型在相比传统分布式储能结构下的微网具有显著的经济性。
[0240] 本发明还提供一种多源电场的优化调度系统，所述优化调度系统包括：
[0241] 机组模型建立模块，用于建立多源电场的每个微网内的每个冷热电联供系统的各个设备的机组模型。
[0242] 所述机组模型建立模块，具体包括：
[0243] 微型燃气轮机的燃料消耗量模型建立子模块，用于建立微型燃气轮机的燃料消耗量模型： 其中， 表示第T个时间段内微型燃气轮机的燃料消耗量，为第T个时间段内微型燃气轮机输出的电功率；α和β分别为微型燃气轮机的第一燃料系数和第二燃料系数； 为第T个时间段微型燃气轮机的启停状态， 或1, 表
示停止， 表示运行。
[0244] 吸收式制冷机的制冷量模型建立子模块，用于建立吸收式制冷机的制冷量模型：其中， 表示第T个时间段内吸收式制冷机的制冷量， 表示第T个时
间段内微型燃气轮机产生的余热量， ηMT为第T个时间段内微型燃气
轮机的发电效率；ηL为第T个时间段内微型燃气轮机的热损失系数，Cop.c为吸收式制冷机的制冷系数，ηc为吸收式制冷机的烟气回收率。
[0245] 换热装置的制热量模型建立子模块，用于建立热转换装置的制热量模型：其中， 表示第T个时间段内热转换装置的制热量，Cop.h为热转换装置
的制热系数，ηh为热转换装置的烟气回收率。
[0246] 燃气锅炉的产热量模型建立子模块，用于建立燃气锅炉的产热量模型：其中， 为第T个时间段内燃气锅炉的产热量； 为第T个时间段内燃气锅
炉的天然气耗费量；ηGB为燃气锅炉的产热效率。
[0247] 电锅炉的输出热模型建立子模块，用于建立电锅炉的输出热模型：其中， 表示第T个时间段内电锅炉的输出热， 为第T个时间段内电锅炉生热所消耗的
电功率，ηEB为电锅炉的制热效率。
[0248] 空调机的输出冷功率模型建立子模块，用于建立空调机的输出冷功率模型：其中， 表示空调机在第T个时间段的冷功率， 为第T个时间段内空调机
制冷所消耗的电功率，ηEC为空调机的制冷功率系数。
[0249] 储热装置的容量模型建立子模块，用于建立储热装置的容量模型：其中， 和 分别为第T-1个时间段和第T个时
间段内储热装置的容量；γ为储热装置能量自损率；ηtst.dis和ηtst,chr分别为储热装置的放电效率和充电效率； 和 分别为第T个时间段内储热装置的充热功率和放热功率。
[0250] 第一约束条件确定模块，用于确定各个设备的机组模型的约束条件。
[0251] 所述第一约束条件确定模块，具体包括：
[0252] 微型燃气轮机的燃料消耗量模型的约束确定子模块，用于确定微型燃气轮机的燃料消耗量模型的约束条件： 其中， 与 分别为微型燃气轮机最大输出功率和最小输出功率； 与 分别为微型燃气轮机的最大
爬坡速率和最小爬坡速率； 和 为第T-1个时间段和第T个时间段内微型燃气轮机输
出的电功率。
[0253] 燃气锅炉的产热量模型的约束确定子模块，用于确定燃气锅炉的产热量模型的约束：
[0254]
[0255] 其中， 和 分别为燃气锅炉的最大产热量和最小产热量； 为第T个时间段内燃气锅炉的产热量。
[0256] 电锅炉的输出热模型的约束确定子模块，用于确定电锅炉的输出热模型的约束：
[0257]
[0258] 其中， 表示第T个时间段内电锅炉的输出热， 和 分别表示电锅炉的制热容量的下限和上限。
[0259] 空调机的输出冷功率的约束确定子模块，用于确定空调机的输出冷功率的约束：
[0260]
[0261] 其中， 表示空调机在第T个时间段的冷功率， 和 表示空调节的制冷容量的下限和上限。
[0262] 储热装置的容量模型的约束确定子模块，用于确定储热装置的容量模型的约束：
[0263]
[0264]
[0265]
[0266]
[0267]
[0268] 其中， 和 分别为储热装置容量的下限和上限； 和 分别为储热装置充热功率和放热功率下限； 分别为储热装置充热功率和放热功率上限；
和 分别为储热装置充热和放热爬坡速率下限； 和 为储热装置充热
和放热爬坡速率上限， 和 分别为第T个时间段内储热装置的充热功率和放热功
率。
[0269] 优化调度模型建立模块，用于基于所述机组模型，根据云储能结构的交易方式，建立包括微网之间交互的以多源电场的各个微网的日成交成本最小为目标的优化调度模型。
[0270] 所述优化调度模型为：
[0271] 其中，F为多源电场的日成交成本，n为第n个微网；N表示多源电场的微电网的数量，CNG(n,t)、COM(n,t)、Cserve(n,t)、CCES(n,t)和Cgrid(n,t)分别为多源电场的第n个微网在第t个子时间段的燃料成本、日维护成本、虚拟电池成本、与云储能进行电能交互成本和与第n个微网相邻的微网的能量交互成本；
[0272] 为第t个子时间段购买天然气的价格；In为第n个微网的微型燃气轮机的数量， 为第i台微型燃气轮机在第t个子时间段的燃料耗费
量, 为燃气锅炉在第t个子时间段的燃气耗费量；HNG为天然气低热值；
[0273] COM(n,t)＝KOM,PVPn,PV(t)+KOM,WTPn,WT(t)+KOM,MTPi,MT(t)+KOM,ARPn,AR(t)+[0274] KOM,GBPn,GB(t)+KOM,ACPn,AC(t)+KOM,HXPn,HX(t)+KOM,WHBPn,WHB(t)
[0275] KOM,PV、KOM,WT、KOM,MT、KOM,AR、KOM,GB、KOM,AC、KOM,HX和KOM,WHB分别为光伏电源、风电、微型燃气轮机、吸收式制冷机、燃气锅炉、空调机、、余热锅炉的维护成本；Pn,PV(t)、Pn,WT(t)、Pn,MT(t)、Pn,AR(t)、Pn,GB(t)、Pn,AC(t)、Pn,HX(t)和Pn,WHB(t)分别为第n个微网的光伏电源、风电、微型燃气轮机、吸收式制冷机、燃气锅炉、空调机、、余热锅炉的在第t个子时间段所消耗的电功率；
[0276]
[0277] ω为购置虚拟电池单位容量收取费用；Encap为第n个微网的虚拟电池容量，为蓄电池充电调取的服务费用； 为第n个微网在第t个子时间段内从云储能充电电能；
[0278]
[0279] λt为微网从云储能购电电价；θt为微网向云储能售电电价； 为第n个微网在第t个子时间段的放电功率；dn,t为在第t个子时间段第n个微网侧负荷；(·)+和(·)+分别为：和 x表示括号内的函数；
[0280] Cgrid(n,t)＝Sb,nPb,t,n-Ss,nPs,t,n
[0281] Sb,n为从第n个微网从与第n个微网相邻的微网购电的费用；Pb,t,n在第t个子时间段第n个微网从与第n个相邻的微网购买电的功率；Ss,n为第n个微网向与第n个微网相邻的微网售电的费用；Ps,t,n为在第t个子时间段第n个微网向与第n个微网相邻的微网售电的功率。
[0282] 第一约束条件确定模块，用于确定优化调度模型的约束条件；
[0283] 所述第二约束条件确定模块，具体包括：
[0284] 电功率平衡约束确定子模块，用于确定优化调度模型的电功率平衡约束：
[0285]
[0286] 其中，Pn,MT为第n个微网的微型燃气轮机功率；Pn,WT为第n个微网的风电场功率；Pn,PV为第n个微网的光伏发电功率；Pn,C为第n个微网从云储能充电电能， 为第n个微网的放电功率，Pn,D，Pn,EB为第n微网的电锅炉功率；Pn,EC为第n个微网的电制冷功率，Pb在微网从与所述微网相邻的微网购买电的功率，Ps为微网向与所述微网相邻的微网售电的功率，j为与所述微网相邻的微网的数量，Pn,load为第n个微网的电负荷；
[0287] 冷功率平衡约束确定子模块，用于确定优化调度模型的冷功率平衡约束：
[0288] Qn,AR+Qn,AC＝Pn,c.load；
[0289] 其中，Qn,AC为第n个微网的空调机的制冷功率；Qn,AR为第n个微网的吸收式制冷机的制冷功率,Pn,c.load表示第n个微电网的冷负荷；
[0290] 热功率平衡约束确定子模块，用于确定优化调度模型的热功率平衡约束：
[0291] Hn,MT+Hn,EB+Hn,GB+Hn,chr＝Hn,dis+Pn,h.load；
[0292] 式中，Hn,MT为第n个微网的微型燃气轮机热转换装置将烟气余热转换成的热功率；Hn,EB为第n个微网的电锅炉产热功率；Hn,GB为第n个微网的燃气锅炉产热功率；Hn,chr第n个微网的热储能储热功率；Hn,dis为第n个微网的热储能放热功率；Pn,h.load为第n个微网的热负荷；
[0293] 云储能蓄电池充放电约束确定子模块，用于确定云储能蓄电池充放电约束为：
[0294]
[0295]
[0296] 其中， 为在第t个子时间端第n个微网中云储能充电功率； 为在第t个子时间段第n个微网中云储能放电功率； 为第n个微网的云储能功率容量；
[0297] 荷电状态约束确定子模块，用于确定云储能电池应运行的荷电状态约束：
[0298]
[0299]
[0300]
[0301] 其中：En,t为第n个微网在第t个子时间段的储能容量， 为第n个微网的云储能电量容量， 为第n个微网最小储能量；SOCmin为云储能荷电状态；En,t-1和En,t为第n个微网在第t-1个子时间段和第n个子时间段的储能容量； 为第n个微网充电效率； 为第n个微网放电效率； 为第n个微网在第t个子时间段内从云储能充电电能， 为第n个微网在第t
个子时间段的放电功率。
[0302] 优化调度模块，用于根据所述机组模型的约束条件和所述优化调度模型的约束条件，采用细菌群体趋药性算法对优化调度模型进行求解，确定每个设备的机组模型的最优输出功率，对多源电场进行调度。
[0303] 根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0304] 本发明的优化变量为微网中冷热电联供系统各设备出力与目标函数中微网与储能功率交互，各微网间功率交互为优化变量，以各设备出力上下限，爬坡速率，云储能设备相关约束模型等作为目标函数的约束条件，通过细菌群体趋药性算法得出各机组最优出力方案与最小经济成本。
[0305] 本
说明书中等效实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，等效实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0306] 本文中应用了具体个例对发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
