技术领域
[0001] 本
发明属于电
力系统优化调度领域，具体涉及一种计及电热系统运行与损失成本的区域电网优化调度方法。
背景技术
[0002] 在过去的几十年中，由于
煤、石油等不
可再生能源燃烧对环境的污染，及对其价格
波动的关切日益提升，对电力行业的发展产生了重大变化。对高效、可靠和环保的能源的需求日益提升，重点落到了分布式发电的部署，特别是类似于
风电、光伏等
可再生能源和分布式能源的部署。这种趋势已演变为区域电网的概念，可以将其描述为由智能的能源管理系统来控制分布式能源、
能量存储和局部负荷。
[0003] 由于风
电机组，光伏设备出力随机性较大，传统的微电网系统调节能力不足，需要引入电储能装置。但在区域电网优化调度中通常不考虑电储能的运行成本，没有将电储能装置运行成本作为效率、生命周期和
健康状态的函数来明确地建模，电储能装置在优化调度中往往需要引入额外的目标函数，无法与机组组合的问题相结合也没有考虑对多个
电池进行经济调度，以及在调度过程中不考虑电蓄热系统的损失成本及网络约束考虑较少，同时对区域电网中能量管理系统的模型建立不够完善，难以满足实际的优化调度需求。
发明内容
[0004] 本发明针对现有区域电网优化调度中较少考虑电储能装置的运行成本和电蓄热系统损失成本的情况下，提出一种计及电热系统运行本与损失成本的区域电网优化调度方法的区域电网优化调度方法，本发明首先构建了电蓄热系统模型，并对电蓄热系统的实际
热损失模型进行分析。其次通过将电储能装置的运行过程与火电机组的运行过程进行类比，提出电储能装置的运行成本模型，并将电热系统的优化调度问题分为机组组合子问题和最优潮流子问题，重点考虑了网络潮流约束，以系统运行成本最小为目标，在考虑电储能装置运行成本的
基础上，引入
切除负荷成本和，最终确定区域电网中各分布式电源出力。
[0005] 本发明提出一种计及电热系统运行与损失成本的区域电网优化调度方法的区域电网优化调度方法，具体步骤如下：
[0006] 步骤1：构建电热系统，对能量管理系统模型进行描述，构建能量管理系统模型；
[0007] 步骤1.1：所构建的电热系统包含火电机组、风电机组、光伏设备、电储能装置和电蓄热系统，风电机组、光伏设备和火电机组共同出力满足电负荷需求，此时若产生多余
电能，由电储能装置进行储能，同时电蓄热系统将电能装换为
热能，存储在电蓄热系统中；风电机组、光伏设备和火电机组共同出力不足以满足电负荷需求时，不足的部分由电储能供应，热负荷由电蓄热系统供应，实现更多的新能源消纳；
[0008] 步骤1.2：区域电网的能量管理系统是为了确定最优的机组组合和分布式电源的出力分配，其中电热负荷功率、风电机组和光伏设备输出的功率预测值作为机组组合子问题的输入，机组组合子问题输出的机组启停变量和电储能装置的充放电决策变量与分布式电源成本和电储能装置容量作为最优潮流子问题的输入，最后输出整个系统的切负荷决定、线路潮流、机组调度与电储能装置的控制策略；
[0009] 步骤2：电蓄热系统构建及电蓄热系统模型建立
[0010] 步骤2.1：电蓄热系统结构
[0011] 电蓄热系统通过电热转换装置将输入的电功率转换为热功率，通过放出储存在热储热装置的热能来满足热负荷需求，获取的预测热负荷需求为热储能装置放热设定点，在稳定状态下，预测的热负荷将等于需求热负荷；
[0012] 步骤2.2：电蓄热系统的模型
[0013] 电蓄热系统模型表达式：
[0014]
[0015] 其中： 表示第k个时间段电蓄热系统的储热量； 表示第k时刻电热转换装置输出的热功率； 表示第k时刻的热负荷需求；Δtk表示时间间隔； 表示电蓄热系统实际自放热损失；
[0016]
[0017]
[0018] 其中：ηS表示电储热系统的储热效率；
[0019] 将 定义为电蓄热系统的自放热， 表示电蓄热系统的实际自放热损失；当热负荷需求 高于 时，电蓄热系统的自放热为0；当热负荷需求
小于 时，电蓄热系统的实际自放热损失计算见公式(2)；
[0020] 从电能到热能的转换可以定义为：
[0021]
[0022]
[0023]
[0024] 其中：μETS表示电能热能转换效率； 表示第k个时间段电蓄热系统的储热量上限； 表示第k个时间段电热转换装置输入的电功率上限；
[0025] 步骤3：将电储能装置的运行过程与火电机组进行类比，构建电储能装置运行成本模型；
[0026] 步骤3.1：火电机组运行成本
[0027] 对于微网中的火电机组，运行成本为
燃料成本，模型如下所示：
[0028]
[0029] 其中：Fgen表示火电机组的运行成本；Cgen表示燃料的单位价格；Pgen表示机组输出的电功率；ag、bg、cg表示机组的煤耗系数，都为与机组相关的的常数；
[0030] 步骤3.1.1：火电机组燃料成本价格
[0031] 对于火电机组而言，燃料成本价格由两个部分组成
[0032]
[0033] 其中： 代表购买燃料的成本价格； 表示包含燃料运输和其他服务
费用的可变成本价格；
[0034] 步骤3.2：电储能装置运行成本
[0035] 电储能装置的充电过程看作是电池消耗“燃料”的过程；将电储能装置运行成本分为充电成本和损耗成本；
[0036] 步骤3.2.1：电储能装置的充电成本
[0037] 类比公式(2)，电储能装置的充电成本价格为：
[0038]
[0039] 式中： 是用来给电储能装置充电的成本价格； 表示电储能装置容量可用性的成本价格；如果给电储能装置充电的电量全部来自于新能源，则 的价格为0；所以为电储能装置的充电成本价格主要部分；
[0040] 定义为电储能装置具备1Kwh可用储存容量时的成本价格，计算公式如下:
[0041]
[0042]
[0043] 式中:Cinsta表示电储能装置的安装成本；C∑表示电储能装置总寿命循环容量；Cr表示电储能装置的额定容量；Lr表示电储能装置的额定寿命；DODr表示电储能装置的放电深度；电储能装置的安装成本、额定容量、和生命周期都为确定值；
[0044] 步骤3.2.2：电储能装置的损耗成本
[0045] 放电期间电储能装置的损耗定义为单位时间内为负载供电的能量损耗，表达式如下：
[0046]
[0047] 其中： 表示电储能装置的输出功率； 表示电储能装置功率输出时的放电损失；
[0048] 充电时期电储能装置的损耗定义为单位时间内电储能装置的充电损耗，表达式如下：
[0049]
[0050] 其中: 表示电储能装置的充电功率， 表示电储能装置充电过程中的损失功率，为电储能装置的充电功率的函数；
[0051] 电储能装置损失主要由电储能充放电过程中的热损失产生，热量主要来源于
电极和
电解质的欧姆
电阻通过极化效应所产生；功率损耗与
电流引起的
电压降成正比；
[0052] Pjoule＝ΔV×I (14)
[0053] 其中:Pjoule表示电储能装置的功率损失，ΔV表示电储能装置内部的电压降，I表示流过电储能装置的电流；
[0054] 在放电阶段的电压降表达式为:
[0055]
[0056] 在充电阶段的电压降表达式为:
[0057]
[0058] 式中：R表示电池内部的欧姆电阻；K为一个常数；Qr为电储能装置的额定容量；SOC表示电储能装置的
荷电状态；
[0059] 通过上述等式，电储能装置充放电过程的损耗表达式如下：
[0060] 放电过程：
[0061]
[0062] 充电过程：
[0063]
[0064] 其中：Vr表示电储能装置的额定电压；
[0065] 步骤4：以系统运行成本最小为目标，将系统的能量管理系统分为机组组合子问题和最优潮流子问题，考虑火电机组、电储能装置、电蓄热装置、网络潮流旋转备用约束，确定各分布式电源出力情况；
[0066] 步骤4.1：机组组合问题的目标函数是最小化微电网的运行成本，包括火电机组运行成本、启动和关闭成本，电储能装置运行成本以及为了维持系统稳定的切除负荷成本，和电储热系统的实际热损失成本，按照下式计算：
[0067]
[0068] 式中：minG为最小化区域电网系统运行成本；Mi表示火电机组一次的启停成本；Ug,k表示火电机组启动的决策变量(1表示启动)；Sg,k表示火电机组关闭的决策变量(1表示关闭)；Ng,k表示火电机组运行决策变量(1表示运行，0表示关闭)；CHn,k表示第n个电储能装置在第k时段的充电决策变量(1表示充电)；DCHn,k表示第n个电储能装置在第k时段的放电决策变量(1表示放电)；Δtk表示时间步长为T与T+1之间的时间间隔；Clc为失负荷惩罚价格； 表示第i个
节点在k时段切掉的负荷；g表示火电机组数；i表示节点数；k表示时间段；
n表示电储能装置数；ri表示原本节点i处电加热装置的数量；πi表示节点i由电蓄热系统替L
代的电加热装置数量的百分比；C表示电蓄热系统实际自放热损失的成本价格； 表示电蓄热系统的实际自放热损失。
[0069] 步骤4.2：最优潮流子问题的目标是最小化微电网的运行成本，考虑各节点的有功和无功率平衡的约束，产生有功和
无功功率的各节点的分布式电源出力约束，电储能装置约束，以及类似
母线电压约束的其他电网运行约束。
[0070] 步骤5：采用差分进化
算法和
遗传算法分别对两个子问题模型进行求解，在考虑电储能运行成本和网络潮流约束的基础上，实现了系统的最优经济运行。
[0071] 进一步，步骤4.1中所建立的模型约束如下；
[0072] 步骤4.1.1：电功率平衡约束：此约束确保在每个时间段内总发电量等于总负荷需求：
[0073]
[0074] 其中：PVi,k表示节点i光伏设备在k时段输出电功率；PWi,k表示节点i风电机组在k时段输出电功率；n表示电储能装置数； 表示第n个电储能装置的充电功率； 表示第n个电储能装置的放电功率； 表示k时段的电负荷功率；
[0075] 步骤4.1.2：备用约束：
[0076]
[0077] 其中： 表示k时段火电机组输出的功率上限；Rsv表示旋转备用系数。
[0078] 步骤4.1.3：机组组合约束包含机组输出的功率约束、爬坡约束和最小启停时间约束，如下所示：
[0079]
[0080]
[0081]
[0082]
[0083]
[0084]
[0085]
[0086] 其中：Pgen、 分别表示火电机组出力的下、上限； 表示机组上爬坡率； 表示机组下爬坡率； 表示机组最小启动时间； 表示机组最小关闭时间；
[0087] 步骤4.1.4：电储能包括能量平衡、禁止同时充放电、充电状态限制即SOC和充放电功率限制，如下所示：
[0088]
[0089] 其中： 表示第n个电储能装置的充电效率， 表示第n个电储能装置的放电效率；CHn,k表示第n个电储能装置在第k时段的充电决策变量，1表示充电；DCHn,k表示第n个电储能装置在第k时段的放电决策变量，1表示放电；SOCn,k、 分别表示第n个电储能装置在k时段允许的荷电状态下、上限； 第n个电储能装置在第k时段的放电功率； 第n个电储能装置在第k时段的充电功率； 表示第n个电储能装置充放电上限；
[0090] 进一步，步骤4.2中建立目标函数和约束条件如下:
[0091] 步骤4.2.1中目标函数：最小化运行成本：
[0092]
[0093] 其中： 经过对机组组合问题求解后，都为已知量；
[0094] 步骤4.2.2：电功率平衡：在每一个节点的功率输出都源于火电机组、风电、光伏，总的负荷需求来自各种用户需求的电负荷，并在功率平衡过程中考虑电储能装置的充电和放电：
[0095]
[0096]
[0097] 其中：Bi表示与节点i相连的火电机组；Ni表示与节点i相连的电储能装置个数；j表示第j个节点；θi,j表示第i和第j个节点之间导纳
角；δi,k、δj,k分别表示第k个时段内电压向量角；Qgen,k表示火电机组在k时段产生的无功功率； 分别为节点i负荷的无功功率和切除负荷的无功功率；QC表示电储能装置输出的无功功率；
[0098] 步骤4.2.3：旋转备用约束:在最优潮流约束的子问题中，考虑旋转备用，以确保适当的操作裕度；将公式(19)
修改成如下形式：
[0099]
[0100] 步骤4.2.4：网络运行约束：Wg,k,Ug,k,Sg,k都为已知参数，则等式如下所示：
[0101]
[0102] 其中：Qgen,k， 分别为火电机组在k时段输出的无功功率的上限；V，分别为各节点电压的下、上限。通过对每个节点的无功功率和电压加以约束，保证系统安全运行；
[0103] 步骤4.2.5：电储能装置约束：在最优潮流子问题中，前述电储能约束修改为如下所示:
[0104]
[0105]
[0106]
[0107] 公式(33)说明电储能装置不能同时充电或放电，公式(36)、公式(37)保证电储能装置的充、放电都维持在额定范围。
[0108] 进一步地，将机组组合模型和最优潮流模型结合起来，首先解决机组组合子问题，并考虑分布式电源的预测输入以确定机组组合决策；从获得的解决方案中，将二进制决策量和边界条件当成最优潮流子问题中的固定参数，从而获得分布式电源输出功率的最优分配，使整个系统的运行成本最小。
[0109] 进一步，步骤5采用差分
进化算法求解本所述机组组合子问题，步骤如下：
[0110] 步骤5.1.1:种群初始化
[0111] 设初始化种群为 Np表示种群规模，在每一代中，都称为目标向量，其中常规机组有功出力、储能装置出力、风电和光伏出力为连续变量，常规机组的启停状态由机组在某时刻的出力大小所确定：
[0112]
[0113] 采用离散编码的方式；
[0114] 步骤5.1.2：变异
[0115] 在变异操作中，基于当代群体中随机
采样的个体之间的差异，利用变异算子为每个目标载体生成突变体，变异算子如下：
[0116]
[0117] 其中：G表示进化代数；F表示缩放因子(具有控制差分矢量放大的功能，取值一般在[0，1]之间)；Γ1，Γ2，Γ3分别表示从[1，NP]产生的不同随机数和且目标向量i不同。
[0118] 步骤5.1.3：交叉
[0119] 采用交叉算子在 和 来产生试验向量 生成试验向量 的方法如下：
[0120]
[0121] 其中：CR为交叉概率；randj为[0,1]之间的均匀分布的随机数；jrand为从[1,D]中随机选取的一个整数；D为优化变量的维数。
[0122] 步骤5.1.4：选择
[0123] 选择的原则采用 和 之间逐个比较的原则，公式如下:：
[0124]
[0125] 进一步，步骤5中采用遗传算法进行求解最优潮流子问题时，遗传算法的输入为机组组合子问题输出的机组启停变量和电储能装置的充放电决策变量与分布式电源成本和电储能装置容量，输出为整个系统的切负荷决定、线路潮流、机组调度与电储能装置的控制策略。
[0126] 进一步，步骤4.1.3中，在机组组合问题中按照公式(23)-公式(26)进行约束。
[0127] 有益效果：
[0128] (1)本发明以系统运行成本最小为主目标，并在目标函数中引入切负荷惩罚成本，电储能装置的运行成本和电蓄热系统实际损失成本，在保证系统尽可能合理分配各分布式电源出力的基础上，尽可能消纳新能源，减少系统运行成本。
[0129] (2)本发明构建新的电蓄热系统模型，提出了电蓄热系统的实际损失模型，与传统的电供热装置相比，能够减小区域电网的运行成本。
[0130] (3)本发明针对系统的优化调度问题中，较少考虑储能装置运行成本，将电储能装置的运行过程同火电机组进行类比，构建电储能装置的运行成本模型，并进一步细化为充电运行成本和电储能损耗成本，使其能够应用于机组组合问题中，更利于分析系统的经济性。
[0131] (4)模型将运行成本作为效率、生命周期和健康状态的函数来明确地建模，以最大限度地提高电池的效率和寿命。
[0132] (4)本发明中引入能量管理系统，将系统的优化调度问题分为机组组合子问题和最优潮流子问题，充分考虑了考虑火电机组、电储能装置、电蓄热系统、网络潮流约束、旋转备用约束，更加符合实际情况。
[0133] (5)在求解方法上采用差分进化算法对机组组合子问题进行求解，采用遗传算法求解最优潮流子问题，两者协调提高计算的速度和
精度。
附图说明
[0134] 图1是包含火电机组、风电机组、光伏设备、电储能装置与电蓄热系统的区域电网系统结构图；
[0135] 图2是区域电网能量管理系统构图；
[0136] 图3是区域电网电蓄热系统结构图；
[0137] 图4是基于差分进化算法求解机组组合子问题的
流程图；
[0138] 图5是基于遗传算法求解最优潮流子问题的流程图。
具体实施方式
[0139] 下面结合附图对本发明做进一步说明：
[0140] 本发明是一种计及电热系统运行与损失成本的区域电网优化调度方法，该方法在于建立了一种新的电蓄热系统模型，并对系统的实际热损失进行建模分析，同时提出了一种新的电池运行成本模型，其将电池视为等效的燃料运行的火电机组，以使其能够结合到机组组合问题中，并将原能量管理系统优化调度问题分解为机组组合子问题和最优潮流子问题，以最小化运行成本为目标，并在引入电储能运行成本的基础上，对电蓄热系统实际热损失成本进行分析，并引入到目标函数中，此外还考虑了切负荷成本，最后用差分进化算法和遗传算法进行求解。
[0141] 结合上述附图，本发明所述方法的步骤如下：
[0142] 步骤1：确定包含火电机组、风电机组、光伏设备和电储能装置与电蓄热系统的电热系统结构，并对能量管理系统模型进行描述，构建能量管理系统模型。
[0143] 步骤1.1：如图1所示，所构建的电热系统结构包含火电机组、风电机组、光伏设备、电储能装置和电蓄热系统，风电机组、光伏设备和火电机组共同出力满足电负荷需求，此时若产生多余电能，由电储能装置进行储能，同时电蓄热系统将电能装换为热能，存储在电蓄热系统中。风电机组、光伏设备和火电机组共同出力不足以满足电负荷需求时，不足的部分由电储能供应，热负荷由电蓄热系统供应，实现更多的新能源消纳。
[0144] 步骤1.2：如图2所示，区域电网的能量管理系统是为了实现某些目标而确定最优的机组组合和分布式电源的出力分配，其中电热负荷功率与风电机组和光伏设备输出的功率预测值作为机组组合子问题的输入，机组组合子问题输出的机组启停变量和电储能装置的充放电决策变量与分布式电源成本和电储能装置容量作为最优潮流子问题的输入，最后输出整个系统的切负荷决定、线路潮流、机组调度与电储能装置的控制策略。
[0145] 通常，能量管理系统基于机组组合和最优潮流问题的解耦来解决优化调度问题，在机组组合问题中，目的是将运营成本降到最低，获得最优的机组出力决策。另一方面，最优潮流问题最小化在潮流、电压和无功调度约束下的运行成本，从而确定了最优的有功和无功调度决策，实现系统最低成本运行。
[0146] 步骤2：电蓄热系统及模型
[0147] 步骤2.1：电蓄热系统结构
[0148] 电蓄热系统根据存储介质可分为多种，本发明以镁砖为存储介质的电热存储系统。在系统中，电能的转换过程是通过将热能存储在镁砖之间的加热棒进行的。这些砖
块放在一个
隔热性能较好的储热室中，以确保较低的自放热率。采用电热存储系统的供热结构如图3所示：
[0149] 电蓄热系统通过电热转换装置将输入的电功率装换为热功率，通过放出储存在储热装置的热能来满足热负荷需求，获取的预测热负荷需求认为是电热存储系统放热的设定点，在稳定状态下，预测的热负荷将等于需求热负荷。
[0150] 步骤2.2：电蓄热系统的模型
[0151] 电蓄热系统模型表达式：
[0152]
[0153] 其中： 表示第k个时间段电蓄热系统的储热量； 表示第k时刻电热转换装置输出的热功率； 表示第k时刻的热负荷需求；Δtk表示时间间隔； 表示电蓄热系统实际自放热损失；
[0154]
[0155]
[0156] 其中：ηS表示电储热系统的储热效率；
[0157] 本发明将 定义为电蓄热系统的自放热， 表示电蓄热系统的实际自放热损失。当热负荷需求 高于 时，电蓄热系统的自放热为0；当热负荷需求 小于 时，电蓄热系统的实际自放热损失计算见公式(2)。
[0158] 从电能到热能的转换可以定义为：
[0159]
[0160]
[0161]
[0162] 其中：μETS表示电能热能转换效率； 表示第k个时间段电蓄热系统的储热量上限； 表示第k个时间段电热转换装置输入的电功率上限。
[0163] 步骤3：将电储能装置的运行过程与火电机组进行类比，构建电储能装置运行成本模型；
[0164] 步骤3.1：火电机组运行成本
[0165] 对于微网中的火电机组，运行成本一般为燃料成本，模型如下所示：
[0166]
[0167] 其中：Fgen表示火电机组的运行成本；Cgen表示燃料的单位价格；Pgen表示机组输出的电功率；ag、bg、cg表示机组的煤耗系数，都为与机组相关的的常数。
[0168] 步骤3.1.1：火电机组燃料成本价格
[0169] 对于火电机组而言，燃料成本价格主要由两个部分组成
[0170]
[0171] 其中： 代表购买燃料的成本价格； 表示包含燃料运输和其他服务费用的可变成本价格。因为机组地理
位置与运输和服务成本的不同，Cgen主要由 来确定。
[0172] 步骤3.2：电储能装置运行成本
[0173] 电储能装置的充电过程可以看作是电池消耗“燃料”的过程；根据上述描述，将电储能装置运行成本分为充电成本和损耗成本。
[0174] 步骤3.2.1：电储能装置的充电成本
[0175] 类比公式(2)，电储能装置的充电成本价格为：
[0176]
[0177] 式中： 是用来给电储能装置充电的成本价格； 表示电储能装置容量可用性的成本价格；如果给电储能装置充电的电量全部来自于新能源，则 的价格为0；所以为电储能装置的充电成本价格主要部分。
[0178] 定义为电储能装置具备1Kwh可用储存容量时的成本价格，计算公式如下:
[0179]
[0180]
[0181] 式中:Cinsta表示电储能装置的安装成本；C∑表示电储能装置总寿命循环容量；Cr表示电储能装置的额定容量；Lr表示电储能装置的额定寿命；DODr表示电储能装置的放电深度；电储能装置的安装成本、额定容量、和生命周期都为确定值。
[0182] 步骤3.2.2：电储能装置的损耗成本
[0183] 放电期间电储能装置的损耗定义为单位时间内为负载供电的能量损耗，表达式如下：
[0184]
[0185] 其中： 表示电储能装置的输出功率； 表示电储能装置功率输出时的放电损失。
[0186] 充电时期电储能装置的损耗定义为单位时间内电储能装置的充电损耗，表达式如下：
[0187]
[0188] 其中: 表示电储能装置的充电功率， 表示电储能装置充电过程中的损失功率，为电储能装置的充电功率的函数；
[0189] 电储能装置损失主要由电储能充放电过程中的热损失产生，热量主要来源于电极和
电解质的欧姆电阻通过极化效应所产生。功率损耗与电流引起的电压降成正比；
[0190] Pjoule＝ΔV×I (14)
[0191] 其中:Pjoule表示电储能装置的功率损失，ΔV表示电储能装置内部的电压降，I表示流过电储能装置的电流。
[0192] 在放电阶段的电压降表达式为:
[0193]
[0194] 在充电阶段的电压降表达式为:
[0195]
[0196] 式中：R表示电池内部的欧姆电阻；K为一个常数；Qr为电储能装置的额定容量；SOC表示电储能装置的荷电状态。
[0197] 通过上述等式，电储能装置充放电过程的损耗表达式如下：
[0198] 放电过程：
[0199]
[0200] 充电过程：
[0201]
[0202] 其中：Vr表示电储能装置的额定电压。
[0203] 步骤4：以系统运行成本最小为目标，将系统的能量管理系统分为机组组合子问题和最优潮流子问题，考虑火电机组、电储能装置、电蓄热装置、网络潮流旋转备用约束，确定各分布式电源出力情况；
[0204] 步骤4.1：机组组合问题的目标函数是最小化微电网的运行成本，包括火电机组运行成本、启动和关闭成本，电储能装置运行成本以及为了维持系统稳定的切除负荷成本，和电储热系统的实际热损失成本，按照下式计算：
[0205]
[0206] 式中：minG为最小化区域电网系统运行成本；Mi表示火电机组一次的启停成本；Ug,k表示火电机组启动的决策变量(1表示启动)；Sg,k表示火电机组关闭的决策变量(1表示关闭)；Ng,k表示火电机组运行决策变量(1表示运行，0表示关闭)；CHn,k表示第n个电储能装置在第k时段的充电决策变量(1表示充电)；DCHn,k表示第n个电储能装置在第k时段的放电决策变量(1表示放电)；Δtk表示时间步长为T与T+1之间的时间间隔；Clc为失负荷惩罚价格； 表示第i个节点在k时段切掉的负荷；g表示火电机组数；i表示节点数；k表示时间段；
n表示电储能装置数。ri表示原本节点i处电加热装置的数量；πi表示节点i由电蓄热系统替代的电加热装置数量的百分比；CL表示电蓄热系统实际自放热损失的成本价格； 表示电蓄热系统的实际自放热损失。
[0207] 所建立的模型约束如下；
[0208] 步骤4.1.1：电功率平衡约束：此约束确保在每个时间段内总发电量等于总负荷需求：
[0209]
[0210] 其中：PVi,k表示节点i光伏设备在k时段输出电功率；PWi,k表示节点i风电机组在k时段输出电功率；n表示电储能装置数； 表示第n个电储能装置的充电功率； 表示第n个电储能装置的放电功率； 表示k时段的电负荷功率。
[0211] 步骤4.1.2：备用约束：
[0212]
[0213] 其中： 表示k时段火电机组输出的功率上限；Rsv表示旋转备用系数。
[0214] 步骤4.1.3：机组组合约束包含机组输出的功率约束、爬坡约束和最小启停时间约束，如下所示：
[0215]
[0216]
[0217]
[0218]
[0219]
[0220]
[0221]
[0222] 其中：Pgen、 分别表示火电机组出力的下、上限； 表示机组上爬坡率； 表示机组下爬坡率； 表示机组最小启动时间； 表示机组最小关闭时间。
[0223] 值得注意的是，即便在微网中的机组具有快速启停、爬坡能力，在机组组合问题中按照公式(23)-(26)进行约束。
[0224] 步骤4.1.4：电储能包括能量平衡、禁止同时充放电、充电状态限制(SOC)和充放电功率限制，如下所示：
[0225]
[0226] 其中： 表示第n个电储能装置的充电效率， 表示第n个电储能装置的放电效率；CHn,k表示第n个电储能装置在第k时段的充电决策变量(1表示充电)；DCHn,k表示第n个电储能装置在第k时段的放电决策变量(1表示放电)；SOCn,k、 分别表示第n个电储能装置在k时段允许的荷电状态下、上限； 第n个电储能装置在第k时段的放电功率； 第n个电储能装置在第k时段的充电功率； 表示第n个电储能装置充放电上限。
[0227] 步骤4.2：最优潮流子问题的目标是最小化微电网的运行成本，此时考虑各节点的有功和无功率平衡的约束，可以产生有功和无功功率的各节点的分布式电源出力约束，电储能装置约束，以及类似母线电压约束的其他电网运行约束，目标函数和约束条件如下:
[0228] 步骤4.2.1：目标函数：最小化运行成本：
[0229]
[0230] 其中： 经过对机组组合问题求解后，都为已知量。
[0231] 步骤4.2.2：电功率平衡：在每一个节点的功率输出都源于火电机组、风电、光伏，总的负荷需求来自各种用户需求的电负荷，并在功率平衡过程中考虑电储能装置的充电和放电：
[0232]
[0233]
[0234] 其中：Bi表示与节点i相连的火电机组；Ni表示与节点i相连的电储能装置个数；j表示第j个节点；θi,j表示第i和第j个节点之间导纳角；δi,k、δj,k分别表示第k个时段内电压向量角；Qgen,k表示火电机组在k时段产生的无功功率； 分别为节点i负荷的无功功率和切除负荷的无功功率；QC表示电储能装置输出的无功功率。
[0235] 步骤4.2.3：旋转备用约束:虽然在机组组合问题中已经考虑了旋转备用，并获得了分布式电源的启停决策，但在最优潮流约束的子问题中，仍需考虑旋转备用，以确保适当的操作裕度。因此，公式(19)修改成如下形式：
[0236]
[0237] 步骤4.2.4：网络运行约束：在这一部分中，Wg,k,Ug,k,Sg,k都为已知参数，则等式如下所示：
[0238]
[0239] 其中：Qgen,k， 分别为火电机组在k时段输出的无功功率的上限；V， 分别为各节点电压的下、上限。通过对每个节点的无功功率和电压加以约束，保证系统安全运行。
[0240] 步骤4.2.5：储能装置约束：在最优潮流子问题中，前述电储能约束修改为如下所示:
[0241]
[0242]
[0243]
[0244] 公式(33)说明电储能装置不能同时充电或放电，公式(36)(37)保证电储能装置的充、放电都维持在额定范围。
[0245] 步骤5：采用差分进化算法和遗传算法分别对两个子问题模型进行求解，在考虑电储能运行成本和网络潮流约束的基础上，实现了系统的最优经济运行。
[0246] 能量管理问题可以按照混合整数非线性规划问题来处理，方法是将机组组合模型和最优潮流模型结合起来，首先解决机组组合子问题，并考虑分布式电源的预测输入以确定机组组合决策。从获得的解决方案中，将二进制决策量和边界条件当成最优潮流子问题中的固定参数，从而获得分布式电源输出功率的最优分配，使整个系统的运行成本最小。
[0247] 步骤5.1：本发明采用差分进化算法求解本发明中所提的机组组合子问题，算法流程图如图4所示。
[0248] 步骤5.1.1:种群初始化
[0249] 设初始化种群为 Np表示种群规模，在每一代中，都称为目标向量，其中常规机组有功出力、储能装置出力、风电和光伏出力为连续变量，常规机组的启停状态由机组在某时刻的出力大小所确定：
[0250]
[0251] 采用离散编码的方式。
[0252] 步骤5.1.2：变异
[0253] 在变异操作中，基于当代群体中随机采样的个体之间的差异，利用变异算子为每个目标载体生成突变体，变异算子如下：
[0254]
[0255] 其中：G表示进化代数；F表示缩放因子(具有控制差分矢量放大的功能，取值一般在[0，1]之间)；Γ1，Γ2，Γ3分别表示从[1，NP]产生的不同随机数和且目标向量i不同。
[0256] 步骤5.1.3：交叉
[0257] 采用交叉算子在 和 来产生试验向量 生成试验向量 的方法如下：
[0258]
[0259] 其中：CR为交叉概率；randj为[0,1]之间的均匀分布的随机数；jrand为从[1,D]中随机选取的一个整数；D为优化变量的维数。
[0260] 步骤5.1.4：选择
[0261] 选择的原则采用 和 之间逐个比较的原则，公式如下:：
[0262]
[0263] 步骤5.2：采用遗传算法进行求解最优潮流子问题
[0264] 遗传算法的输入为机组组合子问题输出的机组启停变量和电储能装置的充放电决策变量与分布式电源成本和电储能装置容量，输出为整个系统的切负荷决定、线路潮流、机组调度与电储能装置的控制策略，算法流程图如图5所示。
[0265] 以上仅为本发明的具体
实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
