【《基于Lyapunov优化算法的能源局域网经济运行策略分析案例》6700字】

基于Lyapunov优化算法的能源局域网经济运行策略分析案例目录TOC\o"1-3"\h\u14590基于Lyapunov优化算法的能源局域网经济运行策略分析案例 1256591.1能源局域网系统组成 172391.1.1电动汽车模型 348121.1.2能源存储模型 4121451.1.3可再生能源模型 511091.2能源局域网经济运行原则 6171191.2.1能源局域网能源管理系统要求 6221601.2.2能源平衡模型 6227141.3能源局域网实时在线能源管理模型 7227751.1.1虚拟队列的建立 7186291.1.2Lyapunov-drift-penalty函数 9229751.1.3基于Lyapunov优化算法的实时能源管理分析 11目前，能源局域网的能源管理主要分为离网和并网两种方式，这两种模式下能源的现场储存能力和负荷的调度能力是解决能源最优化调度的最关键问题。但是，目前能源局域网的能源优化操作主要是在一定的可再生能源数据预测和用户负荷预测的基础上进行，从而会导致因预测数据偏差造成优化调度不准确。所以，本文提出一种基于Lyapunov优化算法的实时能源管理办法解决上述问题。1.1能源局域网系统组成本文主要研究以可再生能源为主要能源供应且包含能源存储系统的并网型能源局域网，能源局域网系统组成示意图如图3-1所示。能源局域网是能源互联网的一个子网，其中主要包括可再生能源（RES）和常规负荷等。其中，能源供给侧主要包括光伏发电和风机发电的可再生能源组成，还包括一个电池能源存储系统（EES）和备用大电网，能源需求侧由常规基础负荷和用户电动汽车组成。图3-1能源局域网系统组成示意图ELN对能源的实时管理策略的有效实施提出了新的技术需求：1）系统的调度运行方式的转变。传统的能源集中管理调度方式不适用于当前的能源局域网能源优化调度。集中式的管理方式需要有强大的能源供应量，但是能源局域网中的发电技术依托于随机性较强的可再生能源，并且能源局域网内的负荷需求缺乏预测性。所以，需要建立一种符合分布式能源的分布式优化运行方式。2）交易服务平台的完善。传统的能源交易模式缺乏对用户的用电激励，用户缺少参与性。所以为了增强能源供需两侧的能源供应、能源储能以及负荷用户等主体的积极参与，构建一个公平公开、合理竞争的能源交易市场，推进能源局域网系统交易市场的灵活、多样、多元化的发展。3）交易智能化和公平化的创新。目前的集中式的能源交易模式所有交易信息全部存储在一个集中处理器中，一旦出现信息安全漏洞就会导致交易系统崩溃甚至威胁整个电网系统的有序发展。目前去中心化的区块链技术的发展，可以借鉴其中的智能化、合约化技术等新技术进行交易智能化创新。本章相关变量和参数定义如表3-1所示。表3-1相关变量和参数参数参数含义EV，ESS充放电效率EV，ESS单次充电值EV，ESS单次放电值局域网内负荷需求EV电池约束ESS电池约束第辆EV的状态初始值第辆EV离开时状态值ESS初始状态值EV到达时间和离开时间时间间隙第辆EV充放电值ESS充放电总值ESS的充放电值ESS传给建筑负荷的电量第辆EV第时的电量第辆EV前一时刻电量第时ESS的电量前一时刻ESS电量第辆EV第时放电量第时从电网获取的能量第时ESS的放电量第时PV满足负荷的电量第时局域网负荷需求量第时EV充放电量第时ESS充放电量下面介绍能源局域网内的各个模型主体。1.1.1电动汽车模型电动汽车作为能源局域网中重要的能源需求侧负荷，由于其接入网络系统的随机性对电网负荷需求有一定的冲击性。同时随着而电动汽车技术的进一步发展和完善，越来越多的电动汽车具有V2G功能，合理使用电动汽车的V2G功能对解决可再生能源利用率有一定效果。电动汽车模型主要包括电动汽车的充放电模型、能量状态变化模型等。电动汽车的充放电过程可以由公式（3-1）-（3-7）表示。（3-1）（3-2）（3-3）（3-4）（3-5）（3-6）（3-7）公式（3-1）确保由电动汽车的放电产生的电量被用于满足部分建筑负荷需求。约束（3-2）和（3-3）借助二进制变量设置了电动汽车的充电和放电功率极限。对于每种情况下的每个EV，可用状态可以是充电，放电或保持空闲状态。等式（3-4）-（3-7）指的是电动汽车的能量状态。（3-4）描述了在时间下每个EV的能量状态，并且（3-5）再次定义了EV在初始条件下的能量状态。在（3-4）中，EV当前时间间隔的能量状态等于前一状态加上从对EV电池充电（如果正在充电）中获得的能量减去在EV电池正在放电时减去的能量。在（3-5）中，先前的能量状态是为电动汽车预计的初始电池充电状态。理想情况下，电动汽车电池的标称容量36kWh，部署在停车场中的单个充电器的额定充电和放电效率为90％。为了避免电动汽车的电池过度充电和过度放电，（3-6）将每辆电动汽车的电池能量状态限制在20％~95％。最后，约束条件（3-7）为每个EV的出发时间设置最小能量状态。最终电动汽车离开电量也需要满足最大电池容量的10%，以保证电动汽车的电池损耗最低。此约束条件可能会根据所考虑的案例研究而变化。1.1.2能源存储模型（3-8）（3-9）（3-10）（3-11）（3-12）（3-13）且时刻的电池储能量也可以表示为：（3-14）公式（3-8）确保ESS放电时的实际功率可以用来满足部分建筑负荷需求。约束（3-9）和（3-10）建立了ESS充电和放电功率的限制。等式（3-11）和（3-12）分别描述了在常规和初始条件下ESS的能量状态。通过（3-11）和（3-12）可以很容易地验证，每个时间间隔的ESS的能量状态是从先前状态的值加上通过电网或PV充电获得的能量和存储电池本身的电量减去放电时消耗的能量。ESS可以充电，放电或保持空闲模式，电动汽车的充电和放电速率由电动汽车本身性质确定。最后，(3-13)通过设置最小能量状态来防止电池深度放电，通过设置最大能量状态防止过度充电，减少对电池的损害。应该注意的是，这项工作中的时间间隔为1，可能会根据建模者的目标而改变。(3-14)是对ESS系统能量变化的简化表达，为进一步的研究提供便利。在本文研究中将储能电池看作和电动汽车一样性质的可控负荷来处理。1.1.3可再生能源模型本文考虑了屋顶太阳能系统产生的可再生能源。在每个时隙，太阳能板的电功率输出由以下标识给出：（3-15）式中：ptPV—光伏产生的电能[ρt—太阳辐射强度[]；θPV—是太阳能电池的总表面积。该等式是物理太阳能电池板和电力电子逆变器的简化。1.2能源局域网经济运行原则1.2.1能源局域网能源管理系统要求1）能源局域网在进行能量管理时，满足能源局域网内能源供需平衡是首要任务，然后在此基础上再考虑最小化经济成本的问题。能源局域网内的能源平衡问题的干扰主要来自分布式可再生能源的发电间歇性特点、电价的实时变动、系统运行模式的调整、用户侧负荷需求随机变化等。综合以上因素，在研究能源局域网的能源管理模型时就需要综合考虑系统网络中产能、用能、储能的各个环节各个主体关系，以达到能源实时能源平衡。2）与传统的能源管理系统相比，能源局域网的能量管理系统不再只是简单地根据用户需求对节点进行能量分配。能源局域网内的产能与用能在平衡的基础上受运行成本、环保效益以及能源可调度和传输能力的约束和限制。所以，能源局域网的优化能源调度策略的制定需要是符合供需双方要求的动态调节方案。3）随着我信息数据采集处理系统基础设备和相关基础设施的普遍而又密集的使用，设备采样频率、采样精度要求逐步提高，以及分布式可再生能源发电技术的飞速发展，导致能量管理系统的信息采集量及信息传输压力也越来越大。所以需要进一步提高远程传感信息实时采集精度和信息传输处理效率。1.2.2能源平衡模型整个系统的功率平衡方程式在(3-16)中定义。（3-16）约束(3-16)会在每个时间间隔内强制EMS的输入和输出电功率之间保持平衡。更具体地说，在(3-16)中指出，由办公大楼的负荷需求，ESS的充电需求以及EV的充电需求之和构成的总负荷由电网或通过光伏，ESS和电动汽车的放电功率总和构成。要优化的总体成本函数包括从电网购买电力的成本，电动汽车放电成本、电动汽车充电成本和设备管理成本及其他运营成本，如公式(3-17)所示。（3-17）式中：—在时段从大电网购电的分时电价；—在时段从电动汽车购电的实时电价；—在时段电动汽车充电所购电量单价；—在时段能源局域网对整体设备能量管理成本及其他运营成本，为方便计算，将此部分成本设为0。无限期预期时间平均成本最小化问题可以表述为，如式（3-18）所示。问题是一个随机优化问题，因为可再生能源发电、基础负荷、ESS需求，大电网电价和传入EV的SoE都是随机且未知的。因此，该解决方案具有挑战性，因为它很大程度上取决于电动汽车SoE的变化。（3-18）1.3能源局域网实时在线能源管理模型1.1.1虚拟队列的建立Lyapunov优化方法是基于队列理论实现的，因此在研究系统中构建队列并进行分析是Lyapunov优化方法的关键技术。队列理论的应用对象是时间具有强耦合特性的部分，本文研究系统中EV模型、ESS模型具有时间耦合特性，因此下面对EV和ESS模型建立虚拟队列。完成可控负荷的虚拟队列的建立，可根据Lyapunov标量函数，引入改进的Lyapunov-drift-penalty函数对包含模型的能源管理目标函数进行分析求解。（1）储能系统的虚拟队列根据时间变化约束条件(3-19)构造储能系统虚拟队列，用来表明储能系统的状态，可得（3-19）可知，即的变化量可表征储能装置的能量变化，满足约束条件(3-11)。式(3-19)中为非负常数，通过适当取值可满足约束条件(3-13)，其取值范围设置为（3-20）证明如下：证明时构造虚拟队列在任意时刻t满足约束条件（3-13），即电池储能满足，即任意时刻t满足：。证明时，。当，蓄电池充电。此时，当蓄电池放电，此时，。因此对于任意时刻t，当时，。证明时，。当，蓄电池充电。此时，当时，蓄电池放电，此时，。因此，对于任意时刻，当时，，故满足约束条件（3-13）。（2）电动汽车的虚拟队列假设时刻的电动汽车负荷为，将其存放在队列中，能源局域网时刻供给电动汽车负荷的功率设置为，当电动汽车充电时为正值，否则其值为负值。则队列可表示为（3-21）根据表达式以及文献[22]引理2.1可得（3-22）当时：（3-23）式(3-23)中等式右边表示电动汽车负荷队列积压量期望能量管理问题松弛为：（3-24）约束条件：内部能量平衡等式、式(3-1)-(3-6)、(3-7)-(3-11)、(3-15)-(3-17)、队列、稳定性。1.1.2Lyapunov-drift-penalty函数定义Lyapunov标量函数表征队列、的拥塞程度，其表达式为（3-25）可知当较小时，所有队列拥塞程度最小，即队列稳定性越好。反之，至少有一个队列拥塞程度较大，队列稳定性差。进一步定义Lyapunov-drift函数表征时刻到时刻的拥塞程度差（3-26）由式(3-26)可知，若在每一个时刻都做出相应的控制决策使最小化，也就是队列运行稳定。故最小化即可保证队列稳定性。能量管理问题转化为（3-27）约束条件：内部能量平衡等式、式(3-1)-(3-6)、(3-7)-(3-11)、(3-15)-(3-17)、。将虚拟队列稳定性与目标函数(3-27)相结合，得到新的目标函数(即Lyapunov-drift-penalty函数)：（3-28）式(3-28)中V为系统中平衡队列稳定性和目标函数的非负权重控制系数。V0时表示算法只关注队列的稳定性，而不考虑系统采取控制措施所引起的运行成本，V0时表示采取的控制措施引起的运行成本与队列稳定性之间进行平衡折中。由文献[22]中引理4.6可得：（3-29）证明过程如下所示：其中，。式(3-29)可转化为最小化式(3-30)右边部分，并进一步转化为（3-30）约束条件：内部能量平衡等式，式(3-1)-(3-6)、(3-7)-(3-11)和(3-15)-(3-17)。最终能量管理问题转化成式（3-30）。1.1.3基于Lyapunov优化算法的实时能源管理分析首先，给出能源局域网当前运行状态量初始化队列、；其次，在初始化数据的基础上，计算可再生能源发电量与负荷需求量之间的差额；然后，根据系统内ESS和EV当前时段的能源存储量，判断其是否可以放电补充用电差值；若可以参与放电，则要求其在满足自身约束条件的情况下，分别对充电、放电情况下相应目标函数求解；最后，确定目标函数最小时的策略解，此解为最终要求的控制策略解；若没有达到迭代结束条件，则继续迭代更新，直到满足迭代终止条件。本文以某办公区域ELN为例验证所提出的实时能源管理策略的有效性。该ELN系统的光伏装机容量为200kW，服务的EV数量为10辆。EV最大电池容量为36kWh，电动汽车的初始电量在25%-90%之间均匀分布，预计入网时间在早上5：00-16：00之间均匀分布，预计离开时间在8:00-24:00之间分布，充放电功率为3kW。储能电池的配置容量为200kWh，充放电功率为0.2倍的储能容量。基本参数设置为=0.2，=30，=4kWh、=32.4kWh，=3kW，=10kW。（1）基本参数信息电网公司售电价即工商业用户的三阶段分时电价，如表3-2所示。电网公司购电价即某省脱硫煤标杆上网电价0.37元/(kWh)。10辆电动车到达ELN的基本信息，包括到达时间、离开时间、停留时间和最小充电时间，如图3-1所示。10辆电动汽车进入ELN的能量基本信息，包括初始能量、最终能量和所需充放电能量，如图3-2所示。论文基于该园区总负荷最大的夏季工作日的负荷数据进行仿真，一个运行时段周期为一天，一个周期包含24个时刻，如图3-3所示。电网公司的售、购电价的演化情况如图3-4所示。表3-2三阶段分时电价表时段时间电价（元/（kWh）峰08：00-12：0017：00-21：001.15平12：00-17：000.621：00-24：00谷0：00-8：000.3图3-1电动汽车基本信息图3-2EV初始能量信息利用第二部分提出的基本数学模型构建的ELN系统运行场景进行分析验证。图3-3、图3-4给出测试系统中光伏能源出力情况、基本负荷及电能价格曲线。相关参数设置如表3-3所示。图3-3ELN总负荷最大的夏季工作日总功率图3-4电网的购电价和售电价表3-3算例参数设置参数数值参数数值0.230kWh30kWh180kWh0.923kWh0.883kWh7.2kWh10kWh32.4kWh10kWh（2）参数V、对LOT算法的影响下面分析Lyapunov-drift-penalty函数中参数V、对算法的影响。其中电动车负荷充放电功率3kw，每辆电动汽车最大延迟充电时间,其中K为电动汽车在最大充电功率下完成充电所需要的时间。则由，得0V40.25，Vs取值符合1.1.2中取值范围。图3-5给出T1h时，在取1、5、10、20、30、35、40时，运行成本随Vs的变化曲线，从图中可以看出不同的Vs取值对于运行成本的几乎没有影响，但是随着值得增加系统的总运行成本明显下降。图3-5Vs对运行成本的影响图3-6V对运行成本的影响在Vs取5、10、15、20、25、30时，V的变化对系统运行成本的影响，从图3-6中可以看出，不同Vs取值时，运行成本随V的变化而变化的趋势几乎完全相同，即系统成本整体趋势是随V增加而变小。这主要是因为在每个运行时间成本函数最小化成为目标成本函数时，V值大小表征了每个运行时间成本函数在每个目标优化函数中所占的比重，比重越大,其优化效果就越明显。综上，选取V=40、Vs=30时进行仿真分析。（3）基于Lyapnov优化技术理论的实时能源调度本文所提算法对电动汽车建立队列理论，通过对电动汽车的延迟充放电操作实现降低ELN实时能源管理成本的目标。图3-7显示在使用本论文所提算法与未使用可控负荷延迟操作的局域网运行成本变化曲线。图3-7EV延迟充电与不延迟充电系统成本对比图图3-8基于Lyapunov的实时能量调度图在前5个时间间隔内只有一辆电动汽车接入电网，电动汽车并未开始加入局域网内功率平衡调节，本论文所提算法的成本呈线性递增，在电动汽车开始进入局域网实时能源管理策略后，能源局域网内的整体成本有所降低，在光伏功率较大的时段，局域网从电网所购电量降低，成本降低，说明在随着接入EV增多可明显看出本文所提算法能有效的降低系统运行成本。本文所提算法对能源局域网整体能源调度变化如图3-8所示。能源局域网用电总负荷在12:30~20:00负荷峰值时段有所下降，谷值负荷在凌晨时段(2:00~6:00)明显上升，由于在凌晨时刻售电价在一天中最低，不同的是在另一个负荷峰(10:00~12:00)总负荷几乎无变化，这是因为该时段光伏出力最多，其会优先消纳自身光伏电量。另外，在电价较高阶段，优先考虑电池能量超过80%的EV和储能电池放电，其次考虑电网购电；在电价较低阶段和光伏功率较高阶段，除满足基本负荷需求外，还要满足EV充电，然后对ESS进行充电，最后余电向电网输送，在一定程度上增加了可再生能源的利用率，减少了对大电网