为提高微电网应对新能源出力和负荷不确定性的能力,提出1种考虑灵活性资源的微电网优化控制策略。根据各类灵活性资源的源储荷特性进行分类,建立微电网双层优化调度模型。用户层引入用户侧灵活性资源,以用户费用和净负荷差值最小为优化...为提高微电网应对新能源出力和负荷不确定性的能力,提出1种考虑灵活性资源的微电网优化控制策略。根据各类灵活性资源的源储荷特性进行分类,建立微电网双层优化调度模型。用户层引入用户侧灵活性资源,以用户费用和净负荷差值最小为优化目标,决策变量为电动汽车和可平移负荷出力功率。源储层模型加入储能侧与发电侧灵活性资源,以微电网运营商成本和失负荷率最小为优化目标,决策变量为燃气轮机、主网联络线和储能单元出力功率。使用场景缩减的季节典型日数据进行算例仿真,采用改进后的基于分解的多目标进化MOEA/D(multi-objective evolutionary algorithm based on decomposition)算法对双层优化调度模型进行求解,年均用户费用降低6.85%,运营商年均总成本下降14.68%,年均失负荷率下降6.65%,验证了本文所提模型的合理性和有效性。展开更多
文摘为提高微电网应对新能源出力和负荷不确定性的能力,提出1种考虑灵活性资源的微电网优化控制策略。根据各类灵活性资源的源储荷特性进行分类,建立微电网双层优化调度模型。用户层引入用户侧灵活性资源,以用户费用和净负荷差值最小为优化目标,决策变量为电动汽车和可平移负荷出力功率。源储层模型加入储能侧与发电侧灵活性资源,以微电网运营商成本和失负荷率最小为优化目标,决策变量为燃气轮机、主网联络线和储能单元出力功率。使用场景缩减的季节典型日数据进行算例仿真,采用改进后的基于分解的多目标进化MOEA/D(multi-objective evolutionary algorithm based on decomposition)算法对双层优化调度模型进行求解,年均用户费用降低6.85%,运营商年均总成本下降14.68%,年均失负荷率下降6.65%,验证了本文所提模型的合理性和有效性。
