[发明专利]基于模糊粒子群算法的微网并网经济优化方法

权利要求书

1.一种基于模糊粒子群算法和储能系统的微网经济运行优化方法，其特征在于，所述方法包括： 

(1)确定微电网中微源的经济调度策略； 

(2)建立经济效益和环境效益相结合的微网并网经济运行数学模型； 

(3)提出对储能系统充放电控制的模糊控制策略； 

(4)基于粒子群算法寻优，确定各微源出力及日发电成本。 

2.如权利要求1所述的一种基于模糊粒子群算法和储能系统的微网经济运行优化方法，其特征在于，所述步骤(1)中微源包括风力发电-WT、光伏发电-PV、燃料电池-FC、微型燃气轮机-MT和储能系统-ES。 

3.如权利要求1所述的一种基于模糊粒子群算法和储能系统的微网经济运行优化方法，其特征在于，所述步骤(1)包括： 

(1.1)PV和WT发电跟踪控制最大功率输出； 

(1.2)由热负荷确定MT的有功出力； 

(1.3)依据不同时段的购售电价格算出FC和MT的购电平衡功率和售电平衡功率； 

(1.4)当WT、PV和MT的有功出力无法满足微网电负荷时的峰时，令储能系统输出有功，同时检测储能系统的充放电状态； 

(1.5)当WT、PV、MT和ES的总有功出力无法满足微网电负荷时，FC和MT在购电平衡功率内继续发电。 

4.如权利要求3所述的一种基于模糊粒子群算法和储能系统的微网经济运行优化方法，其特征在于，所述步骤(1.4)包括： 

储能系统在出力范围内满足微网安全可靠运行，允许增加储能系统的有功功率向外网售电，否则维持原出力。 

5.如权利要求1所述的一种基于模糊粒子群算法和储能系统的微网经济运行优化方法，其特征在于，所述步骤(2)包括：提出的目标函数中考虑了微网系统的综合发电成本、环境成本和热电联产的热负荷的收益，约束条件中考虑了功率平衡约束、热负荷的约束、微源出力的约束、微网与配电网交互功率的约束以及储能系统运行状况的约束； 

其中，(2.1)目标函数： 

式中： 

C_sh(t)＝Q_he(t)*K_ph        (6) 

其中，C_fu(t)、C_OM(t)、C_PCC(t)、C_gas(t)、C_sh(t)分别为t时刻各微源的燃料成本、运行维护成本、与配电网的交互成本、环境成本以及热电联产系统的制热收益； 

F_i为第i个微源的燃料成本函数； 

P_i(t)为第i个微源t时刻的有功功率输出； 

n为微源的个数； 

K_OM,i为第i个微源的单位电量运行维护成本系数； 

α_j为第j类排放物的惩罚单价，排放类型为NO_x、SO₂、CO₂； 

β_ij为第i个微源第j类排放物的排放系数； 

m为排放物的种类； 

P_PCC(t)为t时段微网与配电网的交互功率； 

P_b(t)和P_s(t)分别为t时刻微网向外网的购电价格和售电价格； 

Q_he(t)为t时刻的热负荷量； 

K_ph为单位制热量的售价； 

(2.2)约束条件： 

(2.2.1)功率平衡约束： 

储能系统充电时： 

储能系统放电时： 

P_L(t)+P_Loss(t)＝P_WT(t)+P_PV(t)+P_MT(t)+P_FC(t)+η_diP_ES(t)+P_PCC(t)    (8) 

其中，P_WT(t)、P_PV(t)、P_MT(t)、P_FC(t)、P_PCC(t)、P_Loss(t)分别为t时段风电机组、光伏电池、微型燃气轮机、燃料电池的输出功率、微网与主网的交互功率以及功率损耗； 

P_ES(t)为t时刻储能系统的输出功率； 

η_ch、η_di为储能系统的充电和放电效率； 

(2.2.2)热负荷约束： 

Q_MT(t)≥Q_he(t)       (9) 

式中Q_MT(t)是微型燃气轮机提供的制热量； 

(2.2.3)微源出力约束：每个微源在任意时刻所发功率要在自己上下限的约束之内； 

(2.2.4)微网与配电网交互的传输功率约束： 

P_PCC,min≤P_PCC(t)≤P_PCC,max         (11) 

式中P_PCC,min、P_PCC,max分别为微网与配电网允许交互传输的最小、最大功率； 

(2.2.5)储能系统运行状况的约束： 

a、对于调度的一个周期，储能系统始末的电量保持相同； 

式中δ为t时段持续的时长； 

b、在调度期间的任何时刻储能系统的电量都处于允许范围之内； 

其中，SOC^min、SOC^max、S_init分别为储能系统中存储电量允许的最小值、最大值和 储能系统在调度开始时刻的电量。