[发明专利]一种考虑不确定性的基于事件驱动的微电网自动需求响应方法

权利要求书

1.一种考虑不确定性的基于事件驱动的微电网自动需求响应方法，其特征在于，所述方法包括以下步骤：

S1：系统初始化，将连续的时间进行离散化处理，优化时段均分为J个时段，每个时段时长为Δt，对于任意第k时段，有k＝{k₀,k₀+1,…,K}，其中，k₀表示当前采样点，K表示末采样点，且K≤J；初始采样点k₀＝1；

S2：综合分析户用型微电网RMG的负荷需求响应特性，构建系统模型；

所述步骤S2中，户用型微电网由风机与光伏阵列组成的供电单元、电动汽车EV与可调负荷组合的可控用电单元、核心控制单元、储能系统ESS这4部分构成：

供电单元，光伏发电单元均是由大量光伏电池串并联形成的光伏阵列，同时风能与风速的三次方成正比，因此，一日内天气的变换会严重影响风光出力，是可再生能源RESs的主要不确定源；

可控用电单元，即由电动汽车EV、时间可调或功率可调负荷组成；

核心控制电源，即本地控制LC，LC能够为每个请求的程序提供功耗预测，并预计在不久的将来可以通过修改其行为来调整功耗，同时保持服务；

所述步骤S2包括以下过程：

S21：EV建模

设该微电网系统接入的车辆集合为N，则车辆规模为电动汽车的主要用途是满足用户的出行需求，根据用户的行车特点，各车辆的情况有所不同，对于任意车辆l∈N，其相关参数为：

V_l＝[T_in,l,T_out,l,S_0,l,S_E,l,Q_s,l,P_c,l,P_d,l] (1)

式中，T_in,l、T_out,l分别表示车辆l接入微电网的时间和预期离开时间；S_0,l、S_E,l分别表示车辆动力电池的起始荷电状态SOC和离开微电网时的期望SOC，SOC表示电池剩余能量与电池容量的比值，因此有0≤S_0,l≤1、0≤S_E,l≤1；Q_s,l表示电池容量；P_c,l、P_d,l分别表示额定充、放电功率；

假设参与调度的EV动力电池均为锂电池；根据锂电池的充放电相关特性，作适当简化，在单个时段内，视锂电池为恒功率充放电；忽略自放电率的影响，把动力电池充放电功率P_l(k)视为输入得：

式中，P_l^CH(k)、P_l^DH(k)分别表示车辆l第k时段的充电和放电功率的绝对值；建立的动力电池SOC离散状态方程：

式中，S_l(k+1)、S_l(k)分别表示车辆在第k+1、k时段的荷电状态；将式(3)转变成矩阵形式，同时把式(2)代入式(3)中，得到其中输入矩阵前馈矩阵为D_l＝[-1 1]；

S.22储能系统建模

接入系统的EV是负荷与DER的聚合体，与此类似，储能蓄电池可视为全时段接入、无充电负荷需求的一类“特殊电动汽车”；类比EV动力电池模型中式(2)、式(3)，建立蓄电池模型；

S.23统一负荷模型

居民的智能负荷根据其不同的用电特性和运行状态可分为如下：

不可调整负荷NSLs：该类负荷连接智能插座，负荷分布可预测，但不能对其进行控制，其是否正常运行关系到用户的基本需求是否能正常满足；

可调整负荷PLs：该类负荷的工作时段或运行功率存在一定范围，进一步可将PLs分为时间可转移负荷TLs和功率可转移负荷PLs，TLs指工作时间可调度、运行功率固定的一类负荷；PLs指工作时间和运行功率均可根据优化需求进行调度的一类负荷；

基于以上分类，根据优化需求制定CLs和PLs的运行功率时间序列，另一方面，结合NSLs，可以预测该微电网区域内的日负荷幅度和趋势；

建立统一负荷模型，将各连接入网的各类负荷归纳为具备一致属性的统一物理模型进行描述，通过各属性取值的不同而显现出不同的特征；

第i个家庭的第j个智能负荷的特征描述如下：

式中，表示该微电网所有的家庭集合；表示第i个家庭的所有常规负荷数；表示第i个家庭的所有负荷集合；分别表示A_i,j的额定用电功率和可调功率范围；表示设备A_i,j期望运行区间；表示A_i,j的可调时间范围；Q_i,j表示用电需求；

分别为可转移时间、可转移功率，用于体现不同的负荷特征，从而进行相应的协调分工，各类负荷的标志位设置如表1所示；

表1

根据上式(4)描述的统一负荷特征模型，对k时段用电功率P_i,j(k)描述如下：

式中，分别表示负荷A_i,j在第k时段的作为时间可调型和功率可调型的用电功率；

式中，L_i,j(k+1)、L_i,j(k)分别表示负荷A_i,j在第k+1、k时段的已用电量，将式(5)转变成矩阵形式，同时把式(6)代入式(5)中，得到其中输入矩阵为前馈矩阵为D_i,j＝[-1 1]；

用电行为约束：

式中，[u]⁺表示max{0,u}；表示第i个家庭的第j个智能负荷满足其用电需求的额定运行时间；

对于式(1)—(9)可以确定其所有的有效调度策略，定义可行策略空间：

式中，表示所有负荷的调度计划，只有满足x∈χ，负荷调度计划x才生效；式(11)表示负荷A_i,j的用电功率调度计划；

S3：构造一种结合实时电价和分时电价的实时电价机制，通过电价机制计算得到当前k时段的电价；

所述步骤S3的过程如下：

S31：新型实时电价机制基于总负荷信息和新能源出力功率计算，用于微电网区域内的各负荷和EV集群；当A_i,j或V_l触发接入事件时，该微电网的广义净负荷可表示为：

式中，表示负荷A_i,j接入时，用电计划制定已完成的负荷集合；N_l表示车辆l接入时，充放电计划制定已完成的车辆集群；分别表示k时段的光伏、风机出力；

S32：基于总负荷信息的实时电价机制

式中，表示负荷A_i,j或车辆V_l接入时，k时段的实时电价；均为实时电价调整系数；pri_R,j、φ_R,j分别表示参考电价和参考负荷值；相应地，表示预测总负荷；

S33：分时电价IBR价格的设定，IBR基于当前总负荷信息制定，k时段的IBR表示如下：

式中，表示k时段的IBR价格；表示k时段特定的负荷消耗阈值；a^k、b^k、c^k表示具体k时段的IBR价格值；

结合上述实时电价机制和IBR电价机制，得到一种新型实时电价：

式中，ζ₁、ζ₂表示不同等级下的价格倍率，且有ζ₁,ζ₂＞1、ζ₂＞ζ₁；在任意k时段，有其中，t₁、t₂表示不同等级下的界限倍率，并且t₁，t₂0、t₂＞t₁，当k时段的总负荷量越大，越小；

当时得：

同理，得和情形下的导数均不小于0；可见，总体上新型实时电价与当前负荷水平呈正相关性，是关联电动汽车交互功率、负荷用电计划与新能源出力的媒介；此外，新型实时电价是针对单辆电动汽车或负荷单独设定的，各车辆和设施均享有其私有的新型实时电价，方便精细化实施电动汽车充放电调度和设施用电调度；

S4：采用一种基于事件驱动机制的自动需求响应策略，由系统判断各个事件是否触发，并按照预设的优先级处理事件；

S5：检测到事件触发后，按照事件优先级处理事件，对RMG里的终端用户进行在线能量优化；

S6：优化完成后，优化时间前移到下一时刻，k＝k₀+1，重复步骤S2～S6，直至全时段优化完成。