(12)发明专利申请
(10)申请公布号 CN 107769244 A(43)申请公布日 2018.03.06
(21)申请号 201710768428.4(22)申请日 2017.08.31
(71)申请人 南京邮电大学
地址 210023 江苏省南京市栖霞区文苑路9
号(72)发明人 岳东 单延逍 张慧峰 (74)专利代理机构 南京经纬专利商标代理有限
公司 32200
代理人 熊玉玮(51)Int.Cl.
H02J 3/38(2006.01)H02J 3/28(2006.01)H02J 3/14(2006.01)
权利要求书3页 说明书7页 附图1页
(54)发明名称
计及多种柔性负荷模型的多储能风电调度方法
(57)摘要
本发明公开了计及多种柔性负荷模型的多储能风电调度方法，属于电力系统自动化的技术领域。本发明根据可平移负荷和可削减负荷的性质在负荷端使用激励补偿机制对负荷进行平移和削减，建立考虑了可削减负荷总量约束的可削减负荷模型以及考虑了单向平移负荷约束、可平移负荷总量约束、调度周期内可平移负荷平衡约束的可平移负荷模型，在满足负荷约束的条件下对可平移负荷进行单向的转进或转出并对可削减负荷进行削减，再结合供电端多储能对风电随机性的抑制，采用自适应动态规划方法求解优化问题，实现了日常负荷曲线和风电出力曲线的匹配进而实现供电端和负荷端负荷平衡的目的。
CN 107769244 ACN 107769244 A
权 利 要 求 书
1/3页
1.计及多种柔性负荷模型的多储能风电调度方法，其特征在于，包括如下步骤：A、根据激励补偿机制建立包含可削减负荷模型、可平移负荷模型的多储能风电模型；B、采用自适应动态规划方法优化所述多储能风电模型得到最优控制策略。2.根据权利要求1所述计及多种柔性负荷模型的多储能风电调度方法，其特征在于，所述可削减负荷模型在可削减负荷总量约束下以可削减负荷激励补偿成本最低为目标优化调度周期内各时刻可削减负荷的削减量。
3.根据权利要求2所述计及多种柔性负荷模型的多储能风电调度方法，其特征在于，
可削减负荷激励补偿成本为：可削减负荷总量约束为：
其中，Fcut为可削减负荷激励补偿成本，T为调度周期，
为可削减负荷单位功率的补
偿费用，Ptcut为可削减负荷在t时刻的削减量，为表征t时刻负荷削减状态的变量，取
cut值为1时表示在t时刻削减负荷，取值为0时表示在t时刻不削减负荷，α为可削减负荷
的削减系数，Ptcut*为t时刻参与柔性负荷调度前可削减负荷的总量。
4.根据权利要求1所述计及多种柔性负荷模型的多储能风电调度方法，其特征在于，所述可平移负荷模型在单向平移负荷约束、可平移负荷总量约束、调度周期内可平移负荷平衡约束下以平移负荷激励补偿成本最低为目标优化调度周期内各时刻可平移负荷的平移量。
5.根据权利要求4所述计及多种柔性负荷模型的多储能风电调度方法，其特征在于，
平移负荷激励补偿成本为：
单向平移负荷约束为：
可平移负荷总量约束为：
调度周期内可平移负荷平衡约束：
m∈[t-tsh,t+tsh]，
其中，Fshift为平移负荷激励补偿成本，T为调度周期，|tsh|为可平移负荷可平移的最长时间跨度，
为可平移负荷单位功率的补偿费用，ΔPtshift为参与柔性负荷调度后可平移
分别为m时刻到t时刻可平移负荷的平移量、t时刻到m时分别为表征m时刻到t时刻负荷平移状态的变量、t时刻
负荷在t时刻的变化量，刻可平移负荷的平移量，
2
CN 107769244 A
权 利 要 求 书
2/3页
到m时刻负荷平移状态的变量，平移负荷，
取值为1时分别表示m时刻到t时刻、t时刻到m时刻
为t
取值为0时分别表示m时刻到t时刻、t时刻到m时刻不平移负荷，
为m时刻参与柔性负荷调度前可平移负荷的总量。
时刻到t时刻可平移的负荷量，
6.根据权利要求3或5所述计及多种柔性负荷模型的多储能风电调度方法，其特征在
于，所述多储能风电模型还包括多储能充放电模型及负荷平衡约束。
7.根据权利要求6所述计及多种柔性负荷模型的多储能风电调度方法，其特征在于，所述多储能充放电模型在储能充放电运行约束、储能充放电功率约束、相邻时段储能储量变化约束、储能储量约束、储能状态平衡约束下以储能充放电成本最低为目标优化调度周期内各时刻各储能的充放电量。
8.根据权利要求7所述计及多种柔性负荷模型的多储能风电调度方法，其特征在于，
储能充放电成本为：储能充放电运行约束为：
储能充放电功率约束为：相邻时段储能储量变化约束为：
储能储量约束为：Ek,min≤Ek,t≤Ek,max，储能状态平衡约束为：Ek,1＝Ek,T+1，其中，Fbat为储能充放电成本，K为储能数量，λk,t为第k个储能在t时刻的单位功率充放电成本系数，电量的数值，
为第k个储能在t时刻的充放电量，
分别为第k个储能在t时刻充放
分别为第k个储能充放电量数值的上限，Ek,t-1、Ek,t分别为第k个储
能在t-1时刻、t时刻的储量，Δt为相邻两时刻的时间间隔，Ek,max、Ek,min为第k个储能储量的上下限，Ek,1、Ek,T+1分别为第k个储能在第1时刻和第T+1时刻的储量。
9.根据权利要求8所述计及多种柔性负荷模型的多储能风电调度方法，其特征在于，所述负荷平衡约束为：
其中，Pw,t为t时刻风电出力，Pload,t为t时刻
参与柔性负荷调度前的总负荷，Pl'oad,t为t时刻参与柔性负荷调度后的总负荷。10.根据权利要求9所述计及多种柔性负荷模型的多储能风电调度方法，其特征在于，步骤B以各储能储量、参与柔性负荷调度前可平移负荷的总量及可削减负荷的总量为系统状态量，采用执行依赖启发式动态规划方法优化所述多储能风电模型得到包含各储能充放电量、可平移负荷的平移量、可削减负荷的削减量的最优控制策略，具体包括如下步骤：
B1、根据多储能风电模型构建效用函数、迭代控制律、迭代性能指标函数：效用函数为：
3
CN 107769244 A
权 利 要 求 书
3/3页
迭代控制律为：
迭代性能指标函数为：Jl+1(x(t))＝U(x(t),vl(x(t)))+Jl(x(t+1))，其中，U(x(t),u(t))为t时刻的效用函数值，x(t)为t时刻的系统状态量，u(t)为t时刻的控制策略，vl(x(t))为在t时刻系统状态量的约束下进行第l次迭代时确定的t时刻最优控制策略，Jl+1(x(t))为在t时刻系统状态量的约束下进行第l+1次迭代时的性能指标函数值，Jl(x(t+1)为在t+1时刻系统状态量的约束下进行第l次迭代时的性能指标函数值；
B2、在多储能充放电模型的约束条件下求解当前时刻各储能的充放电量，在可平移负荷模型的约束条件下求解当前时刻可平移负荷的平移量，在可削减负荷模型的约束条件下求解当前时刻可削减负荷的削减量，从当前时刻各储能的充放电量中选取满足负荷平衡约束的元素组合，所选取的元素组合与当前时刻可平移负荷的平移量以及当前时刻可削减负荷的削减量构成当前时刻的控制策略集；
B3、确定最优控制策略：
根据当前时刻控制策略集确定当前迭代下的最优控制策略及性能指标函数值；在当前迭代下的性能指标函数值满足迭代精度时，当前迭代下的最优控制策略及性能指标函数值即为当前时刻的最优控制策略及迭代性能指标函数最优值，
在当前迭代下的性能指标函数值不满足迭代精度时，返回步骤B1进行下一次迭代。
4
CN 107769244 A
说 明 书
计及多种柔性负荷模型的多储能风电调度方法
1/7页
技术领域
[0001]本发明公开了计及多种柔性负荷模型的多储能风电调度方法，属于电力系统自动化的技术领域。
背景技术
[0002]目前，风电、光伏等清洁式能源已逐渐成为我国发电产业的重要部分。风电作为目前可再生能源开发利用程度最高的发电方式之一，在调整能源结构中起到重要作用。但是，由于风电的随机性、波动性，大量风电并网会对整个电力系统的安全造成冲击且给传统的经济调度带来了困难。随着储能系统的快速发展，风电和多储能的联合运行已成为改善该问题的有效途径，风储的联合应用提高了风电接入电力系统后功率特性的控制能力。由于经济的快速发展，负荷端柔性负荷大多集聚在负荷的顶峰处，且负荷侧峰谷差越来越大。由于日常负荷曲线与风电出力曲线都是拥有峰谷的曲线且风电出力存在反调峰特性，这使得日常负荷曲线和风电出力曲线难以匹配进而导致利用多储能进行优化调度异常困难。发明内容
[0003]本发明的发明目的是针对上述背景技术的不足，提供了计及多种柔性负荷模型的多储能风电调度方法，实现了日常负荷曲线和风电出力曲线的匹配以及供电端和负荷端的负荷平衡，解决了日常负荷曲线和风电出力曲线难以匹配进而导致利用多储能进行优化调度异常困难的技术问题。
[0004]本发明为实现上述发明目的采用如下技术方案：[0005]计及多种柔性负荷模型的多储能风电调度方法，包括如下步骤：[0006]A、根据激励补偿机制建立包含可削减负荷模型、可平移负荷模型的多储能风电模型；
[0007]B、采用自适应动态规划方法优化所述多储能风电模型得到最优控制策略。[0008]进一步的，计及多种柔性负荷模型的多储能风电调度方法中，可削减负荷模型在可削减负荷总量约束下以可削减负荷激励补偿成本最低为目标优化调度周期内各时刻可削减负荷的削减量。[0009]再进一步的，计及多种柔性负荷模型的多储能风电调度方法中，
[0010][0011][0012]
可削减负荷激励补偿成本为：可削减负荷总量约束为：
其中，Fcut为可削减负荷激励补偿成本，T为调度周期，
为可削减负荷单位功率
的补偿费用，为可削减负荷在t时刻的削减量，为表征t时刻负荷削减状态的变量，
cut
取值为1时表示在t时刻削减负荷，取值为0时表示在t时刻不削减负荷，α为可削减
负荷的削减系数，为t时刻参与柔性负荷调度前可削减负荷的总量。
5
CN 107769244 A[0013]
说 明 书
2/7页
进一步的，计及多种柔性负荷模型的多储能风电调度方法中，可平移负荷模型在
单向平移负荷约束、可平移负荷总量约束、调度周期内可平移负荷平衡约束下以平移负荷激励补偿成本最低为目标优化调度周期内各时刻可平移负荷的平移量。[0014]再进一步的，计及多种柔性负荷模型的多储能风电调度方法中，
平移负荷激励补偿成本为：
[0015]
[0016]单向平移负荷约束为：
[0017][0018][0019]
可平移负荷总量约束为：
调度周期内可平移负荷平衡约束：
m∈[t-tsh,t+tsh]，
其中，Fshift为平移负荷激励补偿成本，T为调度周期，|tsh|为可平移负荷可平移的
为可平移负荷单位功率的补偿费用，
为参与柔性负荷调度后可平
最长时间跨度，
移负荷在t时刻的变化量，时刻可平移负荷的平移量，刻到m时刻负荷平移状态的变量，刻平移负荷，
[0020]
分别为m时刻到t时刻可平移负荷的平移量、t时刻到m分别为表征m时刻到t时刻负荷平移状态的变量、t时
取值为1时分别表示m时刻到t时刻、t时刻到m时
取值为0时分别表示m时刻到t时刻、t时刻到m时刻不平移负荷，
为m时刻参与柔性负荷调度前可平移负荷的总量。
为t时刻到t时刻可平移的负荷量，
更进一步的，计及多种柔性负荷模型的多储能风电调度方法中，多储能风电模型还包括多储能充放电模型及负荷平衡约束。
[0021]作为计及多种柔性负荷模型的多储能风电调度方法的进一步优化方案，多储能充放电模型在储能充放电运行约束、储能充放电功率约束、相邻时段储能储量变化约束、储能储量约束、储能状态平衡约束下以储能充放电成本最低为目标优化调度周期内各时刻各储能的充放电量。
[0022]再进一步的，计及多种柔性负荷模型的多储能风电调度方法中，
[0023]
储能充放电成本为：储能充放电运行约束为：
[0024]
6
CN 107769244 A
说 明 书
3/7页
[0025][0026][0027][0028][0029]
储能充放电功率约束为：相邻时段储能储量变化约束为：
储能储量约束为：Ek,min≤Ek,t≤Ek,max，储能状态平衡约束为：Ek,1＝Ek,T+1，其中，Fbat为储能充放电成本，K为储能数量，λk,t为第k个储能在t时刻的单位功率
为第k个储能在t时刻的充放电量，
分别为第k个储能在t时刻
充放电成本系数，充放电量的数值，
分别为第k个储能充放电量数值的上限，Ek,t-1、Ek,t分别为第k
个储能在t-1时刻、t时刻的储量，Δt为相邻两时刻的时间间隔，Ek,max、Ek,min为第k个储能储
量的上下限，Ek,1、Ek,T+1分别为第k个储能在第1时刻和第T+1时刻的储量。[0030]再进一步的，计及多种柔性负荷模型的多储能风电调度方法中，负荷平衡约束为：
其中，Pw,t为t时刻风电出力，Pload,t为t时刻参与柔性负荷调度
前的总负荷，Pl'oad,t为t时刻参与柔性负荷调度后的总负荷。[0031]更进一步的，计及多种柔性负荷模型的多储能风电调度方法中，步骤B以各储能储量、参与柔性负荷调度前可平移负荷的总量及可削减负荷的总量为系统状态量，采用执行依赖启发式动态规划方法优化所述多储能风电模型得到包含各储能充放电量、可平移负荷的平移量、可削减负荷的削减量的最优控制策略，具体包括如下步骤：[0032]B1、根据多储能风电模型构建效用函数、迭代控制律、迭代性能指标函数：[0033]效用函数为：
[0034][0035][0036]
迭代控制律为：
迭代性能指标函数为：Jl+1(x(t))＝U(x(t),vl(x(t)))+Jl(x(t+1))，
[0037]其中，U(x(t),u(t))为t时刻的效用函数值，x(t)为t时刻的系统状态量，u(t)为t时刻的控制策略，vl(x(t))为在t时刻系统状态量的约束下进行第l次迭代时确定的t时刻最优控制策略，Jl+1(x(t))为在t时刻系统状态量的约束下进行第l+1次迭代时的性能指标函数值，Jl(x(t+1)为在t+1时刻系统状态量的约束下进行第l次迭代时的性能指标函数值；[0038]B2、在多储能充放电模型的约束条件下求解当前时刻各储能的充放电量，在可平移负荷模型的约束条件下求解当前时刻可平移负荷的平移量，在可削减负荷模型的约束条件下求解当前时刻可削减负荷的削减量，从当前时刻各储能的充放电量中选取满足负荷平衡约束的元素组合，所选取的元素组合与当前时刻可平移负荷的平移量以及当前时刻可削减负荷的削减量构成当前时刻的控制策略集；[0039]B3、确定最优控制策略：
[0040]根据当前时刻控制策略集确定当前迭代下的最优控制策略及性能指标函数值；
7
CN 107769244 A[0041]
说 明 书
4/7页
在当前迭代下的性能指标函数值满足迭代精度时，当前迭代下的最优控制策略及
性能指标函数值即为当前时刻的最优控制策略及迭代性能指标函数最优值，[0042]在当前迭代下的性能指标函数值不满足迭代精度时，返回步骤B1进行下一次迭代。
[0043]本发明采用上述技术方案，具有以下有益效果：[0044](1)将负荷端柔性负荷分为可平移负荷和可削减负荷，根据可平移负荷和可削减负荷的性质在负荷端使用激励补偿机制对负荷进行平移和削减，建立考虑了可削减负荷总量约束的可削减负荷模型以及考虑了单向平移负荷约束、可平移负荷总量约束、调度周期内可平移负荷平衡约束的可平移负荷模型，在满足负荷约束的条件下对可平移负荷进行单向的转进或转出并对可削减负荷进行削减，再结合供电端多储能对风电随机性的抑制，实现了日常负荷曲线和风电出力曲线的匹配进而实现供电端和负荷端负荷平衡的目的。[0045](2)利用ADHDP中的神经网络对多储能风电模型进行近似逼近得到当前时刻的最优控制及性能指标函数，从而得到整个周期内各个时段的最优控制问题以及最优代价函数，能够减少参与柔性调度前柔性负荷聚集对电力系统调度的难度，并且减少了柔性负荷聚集在峰处对电力系统产生的危害，相比于动态规划来说能够减少“维数灾”的问题。附图说明
[0046]图1为计及多种柔性负荷模型的多储能风电调度方法的流程图。
具体实施方式
[0047]下面结合附图对发明的技术方案进行详细说明。
[0048]图1为计及多种柔性负荷模型的多储能风电优化调度流程图，根据当时状态得到多储能模型、可平移负荷模型以及可削减负荷模型的当前可控制策略，然后根据负荷平衡约束得到综合控制策略，利用迭代自适应动态规划方法得到最优控制策略以及最优代价函数。[0049](一)构建计及柔性负荷的多储能风电优化调度模型[0050](1)目标：min F＝min(Fbat+Fshift+Fcut)[0051]其中,F为总成本，Fbat为储能充放电成本，Fshift为可平移负荷激励补偿成本，Fcut为可削减负荷激励补偿成本。
[0052]
(2)负荷平衡约束：
其中,Pw,t为t时刻风电出力，
为第k个储能在t时刻的充放电量，K为储能数量，
为可削减负荷在t时刻
[0053]
Pload,t为t时刻参与柔性负荷调度前的总负荷，Pl'oad,t为t时刻参与柔性负荷调度后的总负荷，
为参与柔性负荷调度后可平移负荷在t时刻的变化量，
的削减量。
8
CN 107769244 A
说 明 书
5/7页
[0054](3)多储能充放电模型：
[0055]
其中，T为调度周期，λk,t为第k个储能在t时刻的单位功率充放电成本系数，为第k个储能在t时刻充电量和放电量的数值，
为第k个储能充电量和
放电量数值的上限，Ek,t-1、Ek,t为第k个储能在t-1时刻、t时刻的储量，Δt为相邻两时刻的时
间间隔，Ek,max、Ek,min为第k个储能储量的上下限，Ek,1、Ek,T+1为第k个储能在第1时刻和第T+1时刻的储量。
[0056](4)可平移负荷模型：
[0057]其中，|tsh|为可平移负荷可平移的最长时间跨度，为可平移负荷单位功率的
补偿费用，分别为m时刻到t时刻以及t时刻到m时刻可平移负荷的平移量，
为1表示为m时
分别为表征m时刻到t时刻以及t时刻到m时刻负荷平移状态的变量，
m时刻到t时刻进行负荷平移，转进或转出，
为0表示表示m时刻到t时刻不进行负荷平移，
刻参与柔性负荷调度前可平移负荷的总量。该模型在[t-tsh,t+tsh]内对t时刻的负荷进行
即为转进和转出的差值，而在t时刻到t时刻不进行负荷转进或者转出，
9
CN 107769244 A
说 明 书
6/7页
表示可转移负荷总量不变，即总的用电量没有变。
[0058](5)可削减负荷模型：
[0059]其中，为可削减负荷单位功率的补偿费用，为表征t时刻负荷削减状态的
cut
变量，α为可削减负荷的削减系数，为1表示在t时刻进行负荷削减，为0表示在t时
刻不进行负荷削减，
[0060]
为t时刻参与柔性负荷调度前可削减负荷的总量。
(二)运用自适应动态规划优化柔性负荷模型[0061]1、本专利考虑当前时刻多储能的储量、参与柔性负荷调度前的可平移负荷总量以及可削减负荷总量，从而求得每个时段的储能最优充放电量、可平移负荷量以及可削减负荷量，可以利用自适应动态规划中的执行依赖启发式动态规划(ADHDP)，且在ADHDP中考虑执行网络以及评价网络，可以减少多个模块对系统的复杂性。利用ADHDP中的神经网络对储能充放电量、可平移负荷量以及可削减负荷量进行近似逼近，得到当前时刻的最优控制及性能指标函数，从而得到整个周期的在各个时段的最优控制问题以及最优代价函数，可以减少参与柔性调度前柔性负荷聚集对电力系统调度的难度，并且减少了柔性负荷聚集在峰处对电力系统产生的危害，并且相比于动态规划来说，可以减少“维数灾”的问题。[0062]2、设置自适应动态规划控制系统的结构，执行网络和评价网络的参数。其中执行网络和评价网络均用3层神经网络结构来构建，神经网路的设置包括网络学习率，输入层、隐藏层、输出层节点数。[0063]3、初始化训练评价网络和执行网络。
[0064]
4、设定x(t)为系统状态，
U(x(t),u(t))>0为效用函数，
u(t)为系统控制，
性能指标函数定义为
5、利用迭代自适应动态规划优化多储能模型：[0066]引入迭代指标l，对于迭代指标l＝0,1,2,...,迭代自适应动态规划算法可以在如下两式之间迭代：
[0067]迭代控制律vl(x(t))：
[0065][0068][0069]
以及迭代性能指标函数Jl+1(xt)：
10
CN 107769244 A[0070][0071]
说 明 书
7/7页
式(1)、式(2)中，U(x(t),u(t))为t时刻的效用函数值，x(t)为t时刻的系统状态
量，u(t)为t时刻的控制策略，vl(x(t))为在t时刻系统状态量的约束下进行第l次迭代时确定的t时刻最优控制策略，Jl+1(x(t))为在t时刻系统状态量的约束下进行第l+1次迭代时的性能指标函数值，Jl(x(t+1)为在t+1时刻系统状态量的约束下进行第l次迭代时的性能指标函数值。[0072]6、迭代自适应动态规划实现方法步骤如下：[0073]Step1、设置计算精度ε，选取t时刻的系统状态量x(t)，令l＝0,1,2,...为迭代指标。
[0074]Step2、t时刻的控制策略u(t)的选取：将t时刻的状态x(t)按照模型可分为E1,t,...,EK,t、策略：
在各个模型中分别按照各自状态得到相应t时刻的控制
[0075]
多储能充放电模型：多储能在t时刻进行充放电时需满足Ek,min≤Ek,t≤Ek,max，充放
且在整个调度周期T内需满足Ek,1＝Ek,T+1；
电量需满足
[0076]
可平移负荷模型：可平移负荷在激励补偿机制下进行负荷平移时，由于可平移负荷平移的最长时间跨度为tsh，所以在[t-tsh,t+tsh]时间范围内均可对t时刻负荷进行平移，在[t-tsh,t+tsh]时间范围外均不可对t时刻负荷进行平移，在m∈[t-tsh,t+tsh]时间范围内对t时刻负荷进行平移时只可将m时刻负荷平移到t时刻或者将t时刻负荷平移到m时刻，不
且t时刻负荷不可对t时刻负荷进行平移，即
在m时刻
可同时平移，即
负荷平移到t时刻时需满足量，即足
[0077]
进而得到在可平移时间范围内的可平移负荷
且在整个调度周期内需满
即可得到t时刻可平移负荷的变化量即参与柔性负荷调度的可平移负荷总量不变；
可削减负荷模型：可削减负荷在激励补偿机制下进行负荷削减，即
cut削减系数需满足0<α≤1；
[0078]综合三种模型得到的控制策略，再根据负荷平衡约束即可得到t时刻的控制策略ut。
[0079]Step3、令l＝0，J0(·)＝0获得响应的状态数据，将可选择控制策略u(t)及状态数据带入评价网络，根据式(1)并通过比较获得迭代控制策略vl(x(t))。[0080]Step4、针对当前状态训练执行网络，根据式(2)获得迭代性能指标函数Jl+1(xt)。[0081]Step5、如果|Jl+1(x(t))-Jl(x(t))|≤ε，停止迭代，转到Step7；否则转到Step6。[0082]Step6、令l＝l+1，转到Step3。[0083]Step7、算法输出vl(x(t))，得到迭代l次的最优近似策略u*(t)以及最优近似代价
11
CN 107769244 A
说 明 书 附 图
1/1页
图1
12
因篇幅问题不能全部显示，请点此查看更多更全内容