[发明专利]一种家庭微电网多时间尺度电能调度方法

说明书

本发明公开了一种家庭微电网多时间尺度电能调度方法，包括：采集微电网的用户用电的历史数据；对所述历史数据进行学习，进而预测未来待调度时间区间内新能源以及不能控设备的预测值；考虑可迁移负荷的优先调度规划，以优先规划调度可迁移负载以及用户电价为目标，建立指标函数，采用混合整数优化方法对指标函数求解，得到可迁移负载的调度序列和能控设备的负荷曲线；定义微电网的状态变量和控制变量，建立自学习优化机制，训练微电网控制器；调度时，以设定的时间尺度测量微电网的状态变量，并根据训练好的微电网控制器得到优化的控制变量；当微电网的温控设备开启时，通过调节温控设备的用电功率，来使得实际的用电负荷和预测的用电负荷一致。

技术领域

本发明涉及智能微电网技术领域，具体涉及一种家庭微电网多时间尺度电能调度方法。

背景技术

家庭智能微电网由公用电网、蓄电池、新能源发电、用户负载侧等组成；其中，负载侧的用户用电行为对价格因素不敏感。公用电网的电价机制是以小时为时间间隔的动态电价。现有方案设计的目标是：通过蓄电池每一个小时的充电放电决策(包括充电、放电、闲置三种模式的选择，以及充放电功率的计算)，在高电价时放电，在低电价时充电，达到家庭用户的用电费用最少。同时，现有技术设计了避免蓄电池过充过放的罚函数指标项以及保证电池寿命的指标项。

对于家庭微电网的相关研究，现有技术存在如下缺点：

1.一些现有技术是基于离散时间进行分析的，而电能调度在物理上是连续变化的量。为了方便分析，现有技术的采样时间均选取了1个小时，和实时电价变化的时间间隔是一致的。选取1个小时作为采样时间，是在假定用户负荷在一个小时内不变的情况下，设计的最优控制策略。而在实际的微电网中，用户的用电曲线在一个小时内是不平稳的，从而可能导致设计的方案施加到实际电网时存在误差。

2.现有技术采用的方案，仅将微网的负载看作一个等效的节点。然而在这个节点下面，还可以将用户不同的用电设备划分为能控的和不能控的用电设备。对于能控的用电设备，可以进一步引导其参与到需求侧响应来，进一步响应电价变化。

3.现有技术的方案中，只考虑了选取多层前馈神经网络作为评判者和优化控制器的参数化结构，而对于多层前馈神经网络的收敛性质，在实际应用中并没有很好的保证。事实上，在现有的技术方案中，只证明了自适应迭代算法在理论意义下的收敛性，并未讨论采用多层前馈神经网络作为参数化结构在实现该算法时的收敛性。而由于参数化结构具有模型残差，在迭代时模型残差的积累非常容易使得误差发散。

发明内容

本发明的目的是提供一种家庭微电网多时间尺度电能调度方法，用以克服现有技术存在的设计方案到实际方案可能存在误差、未考虑到设备级层面调度、容易误差发散等问题。

为了实现上述任务，本发明采用以下技术方案：

一种家庭微电网多时间尺度电能调度方法，包括：

采集微电网的用户用电的历史数据；

利用机器学习的方法对所述历史数据进行学习，进而预测未来待调度时间区间内的光伏微电网的光伏最大功率输出预测值、微电网的风机最大功率输出预测值以及微电网的不能控设备最大功率输出预测值；

基于所述不能控设备最大功率输出预测值，考虑可迁移负荷的优先调度规划，以优先规划调度可迁移负载以及用户电价为目标，建立指标函数，采用混合整数优化的方法对指标函数求解，得到可迁移负载的调度序列，继而得到微电网中能控设备的负荷曲线；

定义微电网的状态变量和控制变量，建立自学习优化机制，训练微电网控制器；

在未来待调度时间区间内，以设定的时间尺度测量微电网的状态变量，并根据训练好的微电网控制器得到优化的控制变量；当微电网的温控设备开启时，通过调节温控设备的用电功率，来使得实际的用电负荷和预测的用电负荷一致。