一种多微网协同优化调度方法、装置及存储介质与流程

本发明涉及一种多微网协同优化调度方法、装置及存储介质，属于微网调度。

背景技术：

1、作为集合“源荷储”多灵活资源的配电系统终端单元，多微网通过群内自治和群间互动，在促进分布式能源规模消纳、增强配电系统供电可靠性和提升多主体效益等方面具有不可替代的作用。多微网核心研究内容之一是灵活资源的经济调度和协同运行。但现有技术研究储能系统分散于各个微网，且仅用于支撑微网内的经济调度，不仅增加各微网储能建设和运维成本，而且储能的利用率难以得到提升。随着新型储能技术的不断发展和共享模式的推广应用，建立共享储能站并服务配电区域内多微网的安全经济调度正在引起广泛关注。虽然现有研究通过多种鲁棒方法和储能共享模式改善了多微网调度运行稳定性和经济性，但受限于严格的模型构建要求和不确定性场景约束，基于模型驱动的数学规划方法和启发式优化方法在任意场景的多微网调度方案可行性和生成速度方面还有待改善和提升。

2、随着基于数据驱动的机器学习技术飞速发展，融合深度学习信息表征能力和强化学习序列决策能力的深度强化学习（deep reinforcement learning, drl）方法正在深入到各个研究领域，其自主学习和自适应能力能够提升应对不确定因素的鲁棒性，可以为多微网的优化调度提供一种智能化的解决方法。然而，现有技术研究仅将储能作为微网内部调度资源使用，这将增加多微网对储能的调度和控制成本，难以适用于配电区域内多类型微网。

技术实现思路

1、本发明的目的在于提供一种多微网协同优化调度方法、装置及存储介质，解决现有技术中存在的调度成本高和适应性低的问题。

2、为实现以上目的，本发明是采用下述技术方案实现的：

3、第一方面，本发明提供了一种多微网协同优化调度方法，包括：

4、获取微网中各装置的输入功率、能源消耗量和能源价格，获取共享储能系统的输入功率和输出功率；

5、基于获取到的所有数据交互求解构建好的共享储能调度模型和各个微网调度模型，得到包括微网中各装置的目标输出功率的多微网调度方案；

6、根据所述多微网调度方案对多微网进行调度，完成多微网协同优化调度；

7、其中，所述微网调度模型通过以下方法构建：以构建好的微网系统模型的运行成本最小为目标，以微网运行约束为约束，构建微网调度模型；

8、所述共享储能调度模型通过以下方法构建：以构建好的共享储能模型的运行收益最大为目标，以共享储能系统和配电系统交互功率约束为约束，构建共享储能调度模型。

9、进一步的，所述微网调度模型的表达式为：

10、;

11、;

12、;

13、;

14、其中， p e( t)为微网处于调度时段 t时向配电系统购电功率， p dis,i( t)为微网 i处于调度时段 t时的ses放电功率， p cha,i( t)为微网 i处于调度时段 t时的ses充电功率， p chp( t)为微网处于调度时段 t时热电联供机组输出电功率， p gb( t)为微网处于调度时段 t时燃气锅炉输出电功率， p eb( t)为微网处于调度时段 t时电锅炉输入电功率， q chp( t)为微网处于调度时段 t时热电联供机组消耗天然气量， q gb( t)为微网处于调度时段 t时燃气锅炉消耗的天然气量， f mic为微网运行成本， f eg为微网所有调度时段总的购能成本， f es为微网所有调度时段总的向ses购售能成本， f run为微网所有调度时段总的设备维护成本， f c为微网所有调度时段总的碳排放成本， f eg,t为微网处于调度时段 t时的购能成本， f es,t,i为微网 i处于调度时段 t时的向ses购售能成本， f run,t为微网处于调度时段 t时的设备维护成本， f c,t为微网处于调度时段 t时的碳排放成本， c e( t)为处于调度时段 t时配电系统的分时电价， c g为天然气价格， c dis为ses智能体放电价格， c cha为ses智能体充电价格， c rc为热电联供机组的维护单位成本， c rg为燃气锅炉的维护单位成本， c re为电锅炉的维护单位成本， c ce为碳排放惩罚因子；

15、其中，为热电联供机组输出电功率的最小值，为热电联供机组输出电功率的最大值， h gb( t)为微网处于调度时段 t时燃气锅炉输出热功率，为燃气锅炉输出热功率的最小值，为燃气锅炉输出热功率的最大值，为电锅炉输入电功率的最小值，为电锅炉输入电功率的最大值， p pv为光伏系统输出电功率， p e为微网向配电系统购电功率，为微网向配电系统购电功率上限，为微网向配电系统购电功率下限， p chp为热电联供机组输出电功率， p dis,i为微网 i的ses放电功率， p cha,i为微网 i的ses充电功率， p l为电需求功率， p eb为电锅炉输入电功率， p chp,i为微网 i中热电联供机组输出电功率， p ij为微网 i和微网 j间互动功率， h chp为热电联供机组输出热功率， h eb为电锅炉输出热功率， h gb为燃气锅炉输出热功率， h l为热需求功率， k i为微网 i对ses充放电状态， k i=0表示微网 i向ses释放电能， k i=1表示微网 i向ses获取电能，为ses充电功率上限， p tie为微网 i和微网 j间互动功率上限， n为微网总数量。

16、进一步的，所述微网系统模型的表达式为：

17、;

18、;

19、;

20、;

21、;

22、其中， p pv( t)为微网处于调度时段 t时光伏系统输出电功率， γ pv( t)为微网处于调度时段 t时光伏电池板的辐照强度， η pv为光伏组件的转换效率， η mttp为光伏最大功率跟踪效率， a r为光伏电池板辐照面积， θ为太阳辐射角，cos θ( t)为微网处于调度时段 t时太阳辐射角的余弦值， h ng为天然气热值，为热电联供机组产电效率，为热电联供机组热电比值， h chp( t)为微网处于调度时段 t时热电联供机组输出热功率， η gb为燃气锅炉的产热效率， η eb为电锅炉的产热效率。

23、进一步的，所述共享储能调度模型的表达式为：

24、;

25、;

26、;

27、;

28、其中， f ses为ses运行收益， f e2g为所有调度时段总的ses和配电系统能量交互收益， f es为所有调度时段总的ses和多微网能量交互收益，等于微网所有调度时段总的向ses购售能成本， f esr为所有调度时段总的ses运行维护成本， f e2g,t为处于调度时段 t时ses和配电系统能量交互收益， p edis( t)为处于调度时段 t时ses与配电系统互动的放电功率， p echa( t)为处于调度时段 t时ses与配电系统互动的充电功率， f esr,t为处于调度时段 t时ses运行维护成本， c ses为ses的运行维护单位成本， p cha为ses充电功率， p dis为ses放电功率，为ses充放电功率的最大值， k e2g为ses与配电系统交互的充放电状态， k e2g=0表示ses从配电系统充电， k e2g=1表示ses向配电系统放电， p edis为ses与配电系统互动的放电功率， p echa为ses与配电系统互动的充电功率， c e为配电系统的分时电价。

29、进一步的，所述共享储能模型的表达式为：

30、;

31、;

32、其中， e ses( t)为处于调度时段 t时ses能量容量， e ses( t-1)为处于调度时段 t-1时ses能量容量， η c为ses充电效率， η d为ses放电效率，为ses充放电功率的最小值， p cha( t)为处于调度时段 t时ses充电功率， p dis( t)为处于调度时段 t时ses放电功率，为ses能量容量的最小值，为ses能量容量的最大值， e start为调度时段初始时刻的ses能量容量， e end为调度时段结束时刻的ses能量容量。

33、进一步的，所述共享储能调度模型和所述微网调度模型在构建好之后还经过了修正，所述修正通过以下方法进行：

34、将各个微网调度模型作为学习环境，采用马尔可夫决策过程实现共享储能调度模型和学习环境的交互学习，完成共享储能调度模型和微网调度模型的修正。

35、进一步的，所述交互求解构建好的共享储能调度模型和各个微网调度模型，通过td3算法进行。

36、第二方面，本发明提供了一种多微网协同优化调度装置，包括：

37、数据获取模块，被配置为：获取微网中各装置的输入功率、能源消耗量和能源价格，获取共享储能系统的输入功率和输出功率；

38、交互求解模块，被配置为：基于获取的所有数据交互求解构建好的共享储能调度模型和各个微网调度模型，得到包括微网中各装置的目标输出功率的多微网调度方案；

39、协同优化调度模块，被配置为：根据所述多微网调度方案对多微网进行调度，完成多微网协同优化调度；

40、其中，所述微网调度模型通过以下方法构建：以构建好的微网系统模型的运行成本最小为目标，以微网运行约束为约束，构建微网调度模型；

41、所述共享储能调度模型通过以下方法构建：以构建好的共享储能模型的运行收益最大为目标，以共享储能系统和配电系统交互功率约束为约束，构建共享储能调度模型。

42、进一步的，所述微网调度模型的表达式为：

43、;

44、;

45、;

46、;

47、其中， p e( t)为微网处于调度时段 t时向配电系统购电功率， p dis,i( t)为微网 i处于调度时段 t时的ses放电功率， p cha,i( t)为微网 i处于调度时段 t时的ses充电功率， p chp( t)为微网处于调度时段 t时热电联供机组输出电功率， p gb( t)为微网处于调度时段 t时燃气锅炉输出电功率， p eb( t)为微网处于调度时段 t时电锅炉输入电功率， q chp( t)为微网处于调度时段 t时热电联供机组消耗天然气量， q gb( t)为微网处于调度时段 t时燃气锅炉消耗的天然气量， f mic为微网运行成本， f eg为微网所有调度时段总的购能成本， f es为微网所有调度时段总的向ses购售能成本， f run为微网所有调度时段总的设备维护成本， f c为微网所有调度时段总的碳排放成本， f eg,t为微网处于调度时段 t时的购能成本， f es,t,i为微网 i处于调度时段 t时的向ses购售能成本， f run,t为微网处于调度时段 t时的设备维护成本， f c,t为微网处于调度时段 t时的碳排放成本， c e( t)为处于调度时段 t时配电系统的分时电价， c g为天然气价格， c dis为ses智能体放电价格， c cha为ses智能体充电价格， c rc为热电联供机组的维护单位成本， c rg为燃气锅炉的维护单位成本， c re为电锅炉的维护单位成本， c ce为碳排放惩罚因子；

48、其中，为热电联供机组输出电功率的最小值，为热电联供机组输出电功率的最大值， h gb( t)为微网处于调度时段 t时燃气锅炉输出热功率，为燃气锅炉输出热功率的最小值，为燃气锅炉输出热功率的最大值，为电锅炉输入电功率的最小值，为电锅炉输入电功率的最大值， p pv为光伏系统输出电功率， p e为微网向配电系统购电功率，为微网向配电系统购电功率上限，为微网向配电系统购电功率下限， p chp为热电联供机组输出电功率， p dis,i为微网 i的ses放电功率， p cha,i为微网 i的ses充电功率， p l为电需求功率， p eb为电锅炉输入电功率， p chp,i为微网 i中热电联供机组输出电功率， p ij为微网 i和微网 j间互动功率， h chp为热电联供机组输出热功率， h eb为电锅炉输出热功率， h gb为燃气锅炉输出热功率， h l为热需求功率， k i为微网 i对ses充放电状态， k i=0表示微网 i向ses释放电能， k i=1表示微网 i向ses获取电能，为ses充电功率上限， p tie为微网 i和微网 j间互动功率上限， n为微网总数量。

49、第三方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时，实现第一方面中任一项所述的多微网协同优化调度方法的步骤。

50、与现有技术相比，本发明所达到的有益效果是：

51、本发明提供的一种多微网协同优化调度方法、装置及存储介质，基于构建好的共享储能调度模型，实现共享储能参与多微网调度，不仅促进了光伏盈余功率的消纳和共享，而且能够发挥容量规模优势，使得调度决策更加灵活，并实现多主体共赢，相比独立储能参与方式可节约储能和微网调度成本超过20%，从而实现对于更多微网的高适应性；

52、所采用的td3算法相比ddpg算法训练ses智能体具有优势，并且能够在源荷不确定变化场景下制定合理的调度决策。