計及實時電價的微網用戶群電能優化互濟交易方法
【技術領域】
[0001] 本發明涉及微電網系統的分布式發電和儲能設備領域，尤其涉及一種基于實時電 價（Real-Time Price，RTP)的用戶間交易電能的優化方法。
【背景技術】
[0002] 隨著微電網系統的日漸成熟，分布式電源（DG)和儲能單元（Storage)的技術也得 到了發展，并能夠應用在家庭級的用戶上。分布式電源主要包括太陽能、風能等可再生能源 發電系統；對單獨的一戶家庭而言，在基于RTP的環境下，可以對載荷（包括彈性載荷和剛 性載荷）分布進行優化，使之能與DG和Storage相匹配，并使花費在購電上的費用最少。但 由于DG的波動性與Storage的有限性，在不同時間段內載荷與DG和Storage不能完全匹 配，有的時間段DG過剩將被浪費，有的時間段DG不能滿足需求而需要從電網中購電。而當 這樣的用戶數目達到相當一個規模時，大量的電能會在DG過剩時被損耗，從電網中購電費 用較高。
【發明內容】
[0003] 本發明的目的在于針對現有技術的不足，提供一種計及實時電價的微網用戶群電 能優化互濟交易方法。
[0004] 本發明的目的是通過以下技術手段實現的：一種計及實時電價的微網用戶群電能 優化互濟交易方法，具體的實施步驟如下：
[0005] 前提說明：⑴所有用到的數據（如：電網的RTP，風能、太陽能發電趨勢）均為已 預測的數據，按照每半小時為采樣間隔，每個變量一天采樣48次；（2)采用鋰電池作為儲能 裝置；(3)柔性負荷可以在根據需求向前向后動態安排工作時刻，但蓄電池的工作特性具 有很強的時序性，不能將后期的DG供電作用于前期的電池儲能。
[0006] (1)單用戶對自身用電進行優化，具體包括以下子步驟：
[0007] (I. 1)按半小時時間間隔采樣，獲取當前時刻電網系統中全部DG、RTP的狀態信 息；
[0008] (1.2)對用電設備進行分類，包含剛性負荷（不可調節，必須優先滿足其用電需 求）、不可中斷負荷（一經開啟不可暫停，直至任務的完成，但是整體工作時段可以調節，屬 于柔性負荷）、可中斷負荷（可以在工作時段范圍內任意半小時節點處暫停，下一次運行接 著執行上一步剩下的任務，屬于柔性負荷），并建立柔性負荷工作模型：
[0009]
(I)
[0010] 其中，ha是設備可能工作的時間點，<^是設備開始工作時刻，Crf是設備結束工 作時刻，[aa，f3a]是設備允許工作時段范圍，<是設備在匕時刻的工作狀態，X aA=l表示 設備正在工作，< =〇表示設備處于停用狀態，匕為設備額定功率，設備在工作時以額定功 率運行，da為工作時長，E a為設備總功率需求，m代表不可中斷的負荷數目，η代表可中斷負 荷的數目；
[0011] (1. 3)設置遺傳算法種群大小Ν，最大迭代次數Gen ;以用二進制編碼的長度為48 的染色體代表設備的工作狀態，在其允許工作時段內可以出現"1"，工作時段外只能出現 "0"，且" 1"的個數由設備工作時長決定；
[0012] (1.4)分另Ij抽取每種設備ΝΧ48矩陣中的一行，按設備的編號重組成N個 (m+n) Χ48染色體組義?χ48;···;ΖΓ8;···;^^](,"+" )χ48，其中每行代表相應編號 設備在48個時段內的工作狀態，即每個染色體組代表所有設備工作狀態集合；
[0013] (1.5)將經過初始化后的染色體組分別乘以相應設備的額定功率，形成N組能量 消耗矩陣Pqmi= Xqmiw · Pa;隨機選擇種群中的一組能量消耗矩陣，查看未經負荷調度安 排的設備用電狀況；
[0014] (1. 6)建立基于DG的負荷調度策略目標函數如公式⑵所示：
[0015]
⑵
[0016] 其中是DG在h時刻的供電功率，PwL是剛性負荷在h時刻的用電需求， m+n Σ?代表所有柔性負荷在h時刻的用電需求，因此，DG和負荷間的供需差異越小越利于 ￡/=1 降低購電費用；此外，由于適應度值越大的染色體組越有機會參與下一次的遺傳迭代，因而 選取目標函數的倒數作為遺傳算法（GA)的適應度函數；
[0017] (1.7)執行GA的選擇操作：為了不在交叉變異過程中遺失最佳的染色體組，保留 每次迭代后前store個適應度值較高的設備組不參與后續變化，再用輪盤賭方式在所有種 群中選擇設備組進行復制，形成其余N-store個染色體組；
[0018] (1. 8)針對其后的N-store個設備組執行GA的交叉操作：生成隨機數randl，若 其值小于交叉概率pc，則隨機選擇設備編號a e 1，2,…，m+n，判斷設備a屬于哪種類型負 荷，并按照負荷特性對其進行交叉操作，①若設備a是可中斷負荷，則生成隨機數rand3用 于確定該設備的交叉位置，將第i個染色體組的染色體a與第i+1個染色體組的染色體a 在rand3位置進行交叉，即交換這兩個染色體在rand3位置后的染色體片段，②若設備a是 不可中斷負荷，則此時進行的迭代過程本質上不是交叉操作，而是在其允許的工作時間范 圍[aa，β J內，向左或向右整體移動設備實際工作時段心;TV，>此外，若randl大于交 叉概率pc，則當前代不進行交叉操作；
[0019] (1. 9)針對其后的N-Store個設備組執行GA的變異操作：生成隨機數randl，若其 值小于變異概率pm，則對可中斷負荷的在[aa，f3a]時段內的隨機位置處的工作狀態·^進 行變異。判斷所有設備a e 1，2,…，m+n在相應[a a，β J時段內的實際工作時長與設 備總時長要求4是否相同，若> <，則將多余的1變成0 ;若<尤，則將[a a，β a] 內多余的〇變成I ;
[0020] (1. 10)判斷種群迭代結束條件：選擇最大適應度值，即目標函數最小值對應的染 色體組為當前所有柔性負荷的整體最佳工作狀態集合，返回步驟（1.7)執行下一代的遺傳 操作，并記錄上一代目標函數值objvalue(t-l)與這一代目標函數值objvalue(t)的差 值持續小于誤差范圍ε的次數，即〇bjvalue(t-l)_objvalue(t) < ε持續發生的次數 Times，其中，若下一時刻發生objvalue(t-l)_objvalue(t)> ε的狀況，則計數量Times清 零，若其值大于閾值或程序總迭代次數達到最大迭代次數Gen，則終止遺傳算法運行，所獲 得的最大適應度值對應的染色體組為基于DG調度策略的最佳設備組運行狀況，轉入執行 步驟（1. 11);
[0021] (L 11)計算初始購電量BuyElec與購電費用BestCost :對于每個半小時采樣點， 若DG大于總負荷需求，則系統當前時刻有電量冗余，無需不購電；反之，計算其差值的絕對 值為當前時刻的購電功率，最終得到一天內不同時刻購電功率向量BuyElec ;由于購電費 用是購電量、用電時間、實時電價之間的函數，因而購電費用
[0022]
[0023] (1. 12)建立基于RTP的負荷調度策略目標函數如公式（3)所示：
[0024]
[0025]
[0026] 其中，是柔性負荷在i時刻的總耗電功率，設備a從j時刻轉移到k時刻， 是移除設備a后在j時刻需要向電網購買的功率，Cf是將設備a轉移至k時刻后在k時刻 需要向電網購買的功率，RTPj及RTP k分別代表相應時刻的實時電價，由于所有設備在每個 時間點的執行時長為半小時，而購電量是購電功率與時長的乘積，所以目標函數需要分別 乘以0. 5 (代表半小時）；因為同一個設備無法在當天的同一個時刻運行兩次，必須保證設 備a所需要轉移至的k時刻在執行轉移前沒有運行設備a，即在轉移之前必須保證1 且 xf = 0，
[0027] (1. 13)選出所有時段內負荷總用電需求量超過DG供電量的時刻j，選取該時刻正 在工作的最大功率設備a，判斷該設備的工作類型，①若a是不可中斷負荷，找出其連續工 作時段[<°"^^，將設備3在[〖廣"義1^的所有工作狀態置0，在[?3，1^]時段內尋優移 入設備a后最低購電費用所處的工作區間，注意：由于需要轉移的設備是不可中斷負荷，因 此在轉移時不止要先移除設備在j時刻的工作狀態，而是將設備當前所在的整個工作區域 轉移；②若a是可中斷負荷，將設備a在j時刻移除，轉移至在[aa，β J區間內購電費用最 低且該設備在轉移前未運行的時刻k ;
[0028] (1. 14)設備重新安排后，更新相應的設備組安排狀況Pamm及剩余購電量 BuyElec，計算更新的最低電費BestCost ;繼續執行步驟（1. 13)直至最低電費不再降低，轉 入步驟（1. 15);
[0029] (1. 15)選出剩余購電量BuyElec大于0的時刻j，選取該時刻正在工作的最小功 率設備a，按照步驟（1. 13)的①、②不同狀況執行負荷轉移。
[0030] (1. 16)設備重新安排后，更新相應的設備組安排狀況Pamm及剩余購電量 BuyElec，計算更新的最低電費BestCost ;繼續執行步驟（1. 15)直至最低電費不再降低，所 獲得的設備組工作時刻狀況Pamm為基于RTP調度策略的最佳設備組運行狀況，轉入步驟 (1. 17)；
[0031] (1. 17)根據當前DG及負荷總耗電狀況進行蓄電池的容量配置，選取合適容量 Q(單位：KWh)的蓄電池用于后續儲能操作；
[0032] (1. 18)將實時電價按電價下降與上升進行分區，若處于電價下降區間，執行步驟 (1. 19);否則執行步驟（1. 20)至（1. 24);
[0033] (1. 19)由于處于電價下降階段，只要保證當前時刻的用電需求即可，無需從電網 向蓄電池充電。①若當前DG供電量大于負荷用電需求巧；^，判斷從DG往蓄電池充電 帶來的收益是否大于啟動蓄電池的代價；若大于，則從DG往蓄電池存儲多余供電量直至蓄 電池充電極限，更新蓄電池充電量及其荷電狀態如公式（4)-(5)所示：
[0034] Charge = min {(/^；(； - P1^1) x 〇·5, (^nax -6OC(/)) x Q) (4)
[0035] SOC (i+1) = S0C(i)+Charge/Q ； (5)
[0036