冷热电多微网系统是当前区域能源互联网建设的重要方向,它通过整合分布式发电、储能系统和多元负荷,实现能源的梯级利用与协同优化。而储能电站作为系统中的"能量缓冲池",其配置策略直接影响整个微网群的经济性和可靠性。
这个项目要解决的核心问题是:在考虑储能电站服务的情况下,如何对多个互联的冷热电微网进行最优容量配置。这涉及到两个层面的决策:
一个完整的冷热电多微网系统通常包含:
本项目采用的双层优化结构如下:
| 优化层级 | 决策变量 | 目标函数 | 约束条件 |
|---|---|---|---|
| 上层规划 | 设备容量 | 总投资成本最小 | 设备容量限制 |
| 下层调度 | 运行策略 | 运行成本最小 | 能量平衡、设备运行约束 |
关键点:下层优化的结果会反馈给上层,形成迭代优化过程
上层目标:
code复制min C_inv = ∑(c_i * x_i)
其中c_i为单位容量投资成本,x_i为设备容量
下层目标:
code复制min C_ope = ∑(燃料成本 + 维护成本 + 购电成本)
code复制P_gen + P_batt + P_grid = P_load
matlab复制SOC(t+1) = SOC(t) + (η_ch*P_ch - P_dis/η_dis)*Δt
SOC_min ≤ SOC ≤ SOC_max
code复制P_min ≤ P_gen ≤ P_max
matlab复制function [x_opt, fval] = upper_optimization()
options = optimoptions('fmincon','Display','iter');
x0 = initial_guess(); % 初始猜测值
[x_opt, fval] = fmincon(@obj_upper,x0,[],[],[],[],lb,ub,@const_upper,options);
end
function cost = obj_upper(x)
% 调用下层优化获取运行成本
[~, operating_cost] = lower_optimization(x);
cost = sum(x.*capital_cost) + operating_cost;
end
matlab复制function [u_opt, cost] = lower_optimization(x)
cvx_begin
variable u(24,6) % 6种控制变量,24小时
minimize( sum(u.*operating_cost') )
subject to
A*u' <= b; % 线性化后的约束
u >= 0;
cvx_end
cost = cvx_optval;
end
| 设备类型 | 配置容量 | 投资成本(万元) |
|---|---|---|
| 光伏系统 | 500 kW | 250 |
| 蓄电池 | 2 MWh | 320 |
| 燃气轮机 | 800 kW | 480 |
| 场景 | 总成本(万元/年) | 运行成本占比 |
|---|---|---|
| 独立微网 | 580 | 68% |
| 互联微网 | 520 | 62% |
| 含储能服务 | 490 | 58% |
数据准备要点:
求解技巧:
常见问题处理:
matlab复制load_after_DR = load_before * (1 - DR_rate);
code复制∑(E_gen * carbon_factor) ≤ carbon_cap
这个项目展示了如何通过Matlab实现复杂能源系统的优化配置。在实际工程中,我们还需要考虑设备老化、政策变化等动态因素,这将是下一步研究的重点方向。