[发明专利]一种多目标协同优化的多微网能量管理方法

权利要求书

1.一种多目标协同优化的多微网能量管理方法，其特征在于，所述方法包括以下步骤：

1)场景生成和削减，过程如下：

首先，假定每个不确定输入都有一个概率密度函数PDF，得到每个不确定参数的场景，接着通过减少场景数量来提高优化的计算速度；

根据可再生发电的特性，利用Weibull和Beta分布来描述参数风速和光照强度的PDF，Weibull分布如下：

式中：v为风速，k为形状参数，c为比例参数，μ和δ分别为风速的平均值和标准差，Γ()为gamma函数；

对于光照强度概率密度函数，用Bate分布描述：

式中：L为光照强度，a和b为分布参数，θ和γ分别为晴空指数的均值和标准差；

由于PDF中不可能有无限集，因此需要从PDF中选择一组间隔，n_x是每个场景的间隔数，每个场景概率计算方法如式(6)和(7)：

式中：x表示不确定随机变量，为光照强度或风速；为场景n_x概率；N_x为最大场景数；为场景n_x期望值；和分别为场景n_x起始值和结束值；

由式(8)和(9)计算出场景总数量N_s和场景向量ρ_s：

采用混合整数线性规划场景削减技术，保留典型场景，如式(10)：

使用该技术找到所需最小场景数，在上述公式中，为二元变量表示n1和n2场景的选择，参数ρ_s(n₁,n₂)表示场景n1和n2的发生概率；

2)多目标优化函数建立，过程如下：

2.1)目标1：多微网运行成本如式(11)-(20)：

MinCost＝Min[Cost^PV+Cost^WT+Cost^DG+Cost^FC+Cost^MT+Cost^CL+Cost^Grid] (11)

式中：Cost^PV、Cost^WT、Cost^DG、Cost^FC、Cost^MT、Cost^CL、Cost^Grid分别表示光伏、风机、柴油发电机、燃料电池、燃气轮机、减载和向电网购电所需成本，分别为各装置的运维成本，分别为各装置所消耗燃料成本，分别为各装置运维成本系数，k_m为微网m柴油发电机在最低发电量下运行成本，I_m,t为微网m柴油发电机机组状态；ΔT为时间间隔长度，π_m,n为微网m中柴油发电机线性发电成本函数，P_m,n,t为t时刻微网m中柴油发电机分段线性发电成本函数第n分段的上限功率，C_ng/L_ng为燃料价格系数，分别为t时刻微网m各装置发电功率，P_t^Grid为t时刻整个系统向主网购电功率，为t时刻微网m的负荷削减功率，C^CL为惩罚成本，与分别为t时刻微网m燃料电池和燃汽轮机的发电效率，C_t^Grid为t时刻整个系统向主网购电成本系数，NM为微网个数，NT为最大时间，设为24；

式(11)为多微网总运行成本，式(12)和(13)分别为光伏与风机运维成本，式(14)～(15)分别为柴油发电机总成本、消耗的燃料成本与运维成本，式(17)和(18)为燃料电池与燃气轮机所花成本，式(19)为减载所造成的惩罚成本，式(20)为向主网购电成本；

2.2)目标2：独立性能指数

式中：IPI^MMG为多微网独立性能指数，为t时刻微网m的总负荷功率，为t时刻微网m的柔性负荷功率，为t时刻微网m的刚性负荷功率；

2.3)将两个目标函数统一表示：

Max(f₁(x),f₂(x),...,f_k(x)) (23)

s.t:x∈X (24)

式中：k为目标数量，X为决策变量的可行解集合，f_k(x)为第k个 子目标函数；

3)CP求解算法，过程如下：

确定一个乌托邦式的解，以该解作为决策的参考点，基于引入的距离概念，找出最接近理想解的解集，利用CP方法能够将原多目标优化问题转化为单目标优化问题，从而求解。

2.如权利要求1所述的一种多目标协同优化的多微网能量管理方法，其特征在于，所述步骤3)中，CP法的公式为：

式中：W_i为权重向量，f_i和f_i^*分别为单目标模型的最优解和理想解，1/P次幂表示了决策者对距离概念的态度，P取1、2或者无穷大；

根据不同的1/P取值，定义不同的距离：

3.1)当P＝1时，计算理想解与各最优帕累托解之间的笛卡尔距离，最优解与理想解的距离最小；

3.2)当P＝2时，计算理想解与各最优解之间的欧氏距离；

3.3)当P＝∞时，该距离需根据切比雪夫距离计算得出，最优解与理想解的切比雪夫距离最小，这种距离是在向量空间上定义的度量，在向量空间中，两个向量之间的距离是它们在任何坐标维度上的最大差异，令式(25)中P＝∞，则

式(26)变为

利用线性规划将式(27)转换为(28)

式中：ξ为Min-Max方法的自由变量；

P的每一个值都提供了一个位于Pareto前沿的解，基于最优化理论，这些解决方案并不占主导地位，因此，P值的选择取决于多微网操作员的偏好。