基于Lyapunov優(yōu)化算法的能源局域網(wǎng)經(jīng)濟運行策略分析案例目錄TOC\o"1-3"\h\u14590基于Lyapunov優(yōu)化算法的能源局域網(wǎng)經(jīng)濟運行策略分析案例 1256591.1能源局域網(wǎng)系統(tǒng)組成 172391.1.1電動汽車模型 348121.1.2能源存儲模型 4121451.1.3可再生能源模型 511091.2能源局域網(wǎng)經(jīng)濟運行原則 6171191.2.1能源局域網(wǎng)能源管理系統(tǒng)要求 6221601.2.2能源平衡模型 6227141.3能源局域網(wǎng)實時在線能源管理模型 7227751.1.1虛擬隊列的建立 7186291.1.2Lyapunov-drift-penalty函數(shù) 9229751.1.3基于Lyapunov優(yōu)化算法的實時能源管理分析 11目前，能源局域網(wǎng)的能源管理主要分為離網(wǎng)和并網(wǎng)兩種方式，這兩種模式下能源的現(xiàn)場儲存能力和負荷的調度能力是解決能源最優(yōu)化調度的最關鍵問題。但是，目前能源局域網(wǎng)的能源優(yōu)化操作主要是在一定的可再生能源數(shù)據(jù)預測和用戶負荷預測的基礎上進行，從而會導致因預測數(shù)據(jù)偏差造成優(yōu)化調度不準確。所以，本文提出一種基于Lyapunov優(yōu)化算法的實時能源管理辦法解決上述問題。1.1能源局域網(wǎng)系統(tǒng)組成本文主要研究以可再生能源為主要能源供應且包含能源存儲系統(tǒng)的并網(wǎng)型能源局域網(wǎng)，能源局域網(wǎng)系統(tǒng)組成示意圖如圖3-1所示。能源局域網(wǎng)是能源互聯(lián)網(wǎng)的一個子網(wǎng)，其中主要包括可再生能源（RES）和常規(guī)負荷等。其中，能源供給側主要包括光伏發(fā)電和風機發(fā)電的可再生能源組成，還包括一個電池能源存儲系統(tǒng)（EES）和備用大電網(wǎng)，能源需求側由常規(guī)基礎負荷和用戶電動汽車組成。圖3-1能源局域網(wǎng)系統(tǒng)組成示意圖ELN對能源的實時管理策略的有效實施提出了新的技術需求：1）系統(tǒng)的調度運行方式的轉變。傳統(tǒng)的能源集中管理調度方式不適用于當前的能源局域網(wǎng)能源優(yōu)化調度。集中式的管理方式需要有強大的能源供應量，但是能源局域網(wǎng)中的發(fā)電技術依托于隨機性較強的可再生能源，并且能源局域網(wǎng)內的負荷需求缺乏預測性。所以，需要建立一種符合分布式能源的分布式優(yōu)化運行方式。2）交易服務平臺的完善。傳統(tǒng)的能源交易模式缺乏對用戶的用電激勵，用戶缺少參與性。所以為了增強能源供需兩側的能源供應、能源儲能以及負荷用戶等主體的積極參與，構建一個公平公開、合理競爭的能源交易市場，推進能源局域網(wǎng)系統(tǒng)交易市場的靈活、多樣、多元化的發(fā)展。3）交易智能化和公平化的創(chuàng)新。目前的集中式的能源交易模式所有交易信息全部存儲在一個集中處理器中，一旦出現(xiàn)信息安全漏洞就會導致交易系統(tǒng)崩潰甚至威脅整個電網(wǎng)系統(tǒng)的有序發(fā)展。目前去中心化的區(qū)塊鏈技術的發(fā)展，可以借鑒其中的智能化、合約化技術等新技術進行交易智能化創(chuàng)新。本章相關變量和參數(shù)定義如表3-1所示。表3-1相關變量和參數(shù)參數(shù)參數(shù)含義EV，ESS充放電效率EV，ESS單次充電值EV，ESS單次放電值局域網(wǎng)內負荷需求EV電池約束ESS電池約束第輛EV的狀態(tài)初始值第輛EV離開時狀態(tài)值ESS初始狀態(tài)值EV到達時間和離開時間時間間隙第輛EV充放電值ESS充放電總值ESS的充放電值ESS傳給建筑負荷的電量第輛EV第時的電量第輛EV前一時刻電量第時ESS的電量前一時刻ESS電量第輛EV第時放電量第時從電網(wǎng)獲取的能量第時ESS的放電量第時PV滿足負荷的電量第時局域網(wǎng)負荷需求量第時EV充放電量第時ESS充放電量下面介紹能源局域網(wǎng)內的各個模型主體。1.1.1電動汽車模型電動汽車作為能源局域網(wǎng)中重要的能源需求側負荷，由于其接入網(wǎng)絡系統(tǒng)的隨機性對電網(wǎng)負荷需求有一定的沖擊性。同時隨著而電動汽車技術的進一步發(fā)展和完善，越來越多的電動汽車具有V2G功能，合理使用電動汽車的V2G功能對解決可再生能源利用率有一定效果。電動汽車模型主要包括電動汽車的充放電模型、能量狀態(tài)變化模型等。電動汽車的充放電過程可以由公式（3-1）-（3-7）表示。（3-1）（3-2）（3-3）（3-4）（3-5）（3-6）（3-7）公式（3-1）確保由電動汽車的放電產(chǎn)生的電量被用于滿足部分建筑負荷需求。約束（3-2）和（3-3）借助二進制變量設置了電動汽車的充電和放電功率極限。對于每種情況下的每個EV，可用狀態(tài)可以是充電，放電或保持空閑狀態(tài)。等式（3-4）-（3-7）指的是電動汽車的能量狀態(tài)。（3-4）描述了在時間下每個EV的能量狀態(tài)，并且（3-5）再次定義了EV在初始條件下的能量狀態(tài)。在（3-4）中，EV當前時間間隔的能量狀態(tài)等于前一狀態(tài)加上從對EV電池充電（如果正在充電）中獲得的能量減去在EV電池正在放電時減去的能量。在（3-5）中，先前的能量狀態(tài)是為電動汽車預計的初始電池充電狀態(tài)。理想情況下，電動汽車電池的標稱容量36kWh，部署在停車場中的單個充電器的額定充電和放電效率為90％。為了避免電動汽車的電池過度充電和過度放電，（3-6）將每輛電動汽車的電池能量狀態(tài)限制在20％~95％。最后，約束條件（3-7）為每個EV的出發(fā)時間設置最小能量狀態(tài)。最終電動汽車離開電量也需要滿足最大電池容量的10%，以保證電動汽車的電池損耗最低。此約束條件可能會根據(jù)所考慮的案例研究而變化。1.1.2能源存儲模型（3-8）（3-9）（3-10）（3-11）（3-12）（3-13）且時刻的電池儲能量也可以表示為：（3-14）公式（3-8）確保ESS放電時的實際功率可以用來滿足部分建筑負荷需求。約束（3-9）和（3-10）建立了ESS充電和放電功率的限制。等式（3-11）和（3-12）分別描述了在常規(guī)和初始條件下ESS的能量狀態(tài)。通過（3-11）和（3-12）可以很容易地驗證，每個時間間隔的ESS的能量狀態(tài)是從先前狀態(tài)的值加上通過電網(wǎng)或PV充電獲得的能量和存儲電池本身的電量減去放電時消耗的能量。ESS可以充電，放電或保持空閑模式，電動汽車的充電和放電速率由電動汽車本身性質確定。最后，(3-13)通過設置最小能量狀態(tài)來防止電池深度放電，通過設置最大能量狀態(tài)防止過度充電，減少對電池的損害。應該注意的是，這項工作中的時間間隔為1，可能會根據(jù)建模者的目標而改變。(3-14)是對ESS系統(tǒng)能量變化的簡化表達，為進一步的研究提供便利。在本文研究中將儲能電池看作和電動汽車一樣性質的可控負荷來處理。1.1.3可再生能源模型本文考慮了屋頂太陽能系統(tǒng)產(chǎn)生的可再生能源。在每個時隙，太陽能板的電功率輸出由以下標識給出：（3-15）式中：ptPV—光伏產(chǎn)生的電能[ρt—太陽輻射強度[]；θPV—是太陽能電池的總表面積。該等式是物理太陽能電池板和電力電子逆變器的簡化。1.2能源局域網(wǎng)經(jīng)濟運行原則1.2.1能源局域網(wǎng)能源管理系統(tǒng)要求1）能源局域網(wǎng)在進行能量管理時，滿足能源局域網(wǎng)內能源供需平衡是首要任務，然后在此基礎上再考慮最小化經(jīng)濟成本的問題。能源局域網(wǎng)內的能源平衡問題的干擾主要來自分布式可再生能源的發(fā)電間歇性特點、電價的實時變動、系統(tǒng)運行模式的調整、用戶側負荷需求隨機變化等。綜合以上因素，在研究能源局域網(wǎng)的能源管理模型時就需要綜合考慮系統(tǒng)網(wǎng)絡中產(chǎn)能、用能、儲能的各個環(huán)節(jié)各個主體關系，以達到能源實時能源平衡。2）與傳統(tǒng)的能源管理系統(tǒng)相比，能源局域網(wǎng)的能量管理系統(tǒng)不再只是簡單地根據(jù)用戶需求對節(jié)點進行能量分配。能源局域網(wǎng)內的產(chǎn)能與用能在平衡的基礎上受運行成本、環(huán)保效益以及能源可調度和傳輸能力的約束和限制。所以，能源局域網(wǎng)的優(yōu)化能源調度策略的制定需要是符合供需雙方要求的動態(tài)調節(jié)方案。3）隨著我信息數(shù)據(jù)采集處理系統(tǒng)基礎設備和相關基礎設施的普遍而又密集的使用，設備采樣頻率、采樣精度要求逐步提高，以及分布式可再生能源發(fā)電技術的飛速發(fā)展，導致能量管理系統(tǒng)的信息采集量及信息傳輸壓力也越來越大。所以需要進一步提高遠程傳感信息實時采集精度和信息傳輸處理效率。1.2.2能源平衡模型整個系統(tǒng)的功率平衡方程式在(3-16)中定義。（3-16）約束(3-16)會在每個時間間隔內強制EMS的輸入和輸出電功率之間保持平衡。更具體地說，在(3-16)中指出，由辦公大樓的負荷需求，ESS的充電需求以及EV的充電需求之和構成的總負荷由電網(wǎng)或通過光伏，ESS和電動汽車的放電功率總和構成。要優(yōu)化的總體成本函數(shù)包括從電網(wǎng)購買電力的成本，電動汽車放電成本、電動汽車充電成本和設備管理成本及其他運營成本，如公式(3-17)所示。（3-17）式中：—在時段從大電網(wǎng)購電的分時電價；—在時段從電動汽車購電的實時電價；—在時段電動汽車充電所購電量單價；—在時段能源局域網(wǎng)對整體設備能量管理成本及其他運營成本，為方便計算，將此部分成本設為0。無限期預期時間平均成本最小化問題可以表述為，如式（3-18）所示。問題是一個隨機優(yōu)化問題，因為可再生能源發(fā)電、基礎負荷、ESS需求，大電網(wǎng)電價和傳入EV的SoE都是隨機且未知的。因此，該解決方案具有挑戰(zhàn)性，因為它很大程度上取決于電動汽車SoE的變化。（3-18）1.3能源局域網(wǎng)實時在線能源管理模型1.1.1虛擬隊列的建立Lyapunov優(yōu)化方法是基于隊列理論實現(xiàn)的，因此在研究系統(tǒng)中構建隊列并進行分析是Lyapunov優(yōu)化方法的關鍵技術。隊列理論的應用對象是時間具有強耦合特性的部分，本文研究系統(tǒng)中EV模型、ESS模型具有時間耦合特性，因此下面對EV和ESS模型建立虛擬隊列。完成可控負荷的虛擬隊列的建立，可根據(jù)Lyapunov標量函數(shù)，引入改進的Lyapunov-drift-penalty函數(shù)對包含模型的能源管理目標函數(shù)進行分析求解。（1）儲能系統(tǒng)的虛擬隊列根據(jù)時間變化約束條件(3-19)構造儲能系統(tǒng)虛擬隊列，用來表明儲能系統(tǒng)的狀態(tài)，可得（3-19）可知，即的變化量可表征儲能裝置的能量變化，滿足約束條件(3-11)。式(3-19)中為非負常數(shù)，通過適當取值可滿足約束條件(3-13)，其取值范圍設置為（3-20）證明如下：證明時構造虛擬隊列在任意時刻t滿足約束條件（3-13），即電池儲能滿足，即任意時刻t滿足：。證明時，。當，蓄電池充電。此時，當蓄電池放電，此時，。因此對于任意時刻t，當時，。證明時，。當，蓄電池充電。此時，當時，蓄電池放電，此時，。因此，對于任意時刻，當時，，故滿足約束條件（3-13）。（2）電動汽車的虛擬隊列假設時刻的電動汽車負荷為，將其存放在隊列中，能源局域網(wǎng)時刻供給電動汽車負荷的功率設置為，當電動汽車充電時為正值，否則其值為負值。則隊列可表示為（3-21）根據(jù)表達式以及文獻[22]引理2.1可得（3-22）當時：（3-23）式(3-23)中等式右邊表示電動汽車負荷隊列積壓量期望能量管理問題松弛為：（3-24）約束條件：內部能量平衡等式、式(3-1)-(3-6)、(3-7)-(3-11)、(3-15)-(3-17)、隊列、穩(wěn)定性。1.1.2Lyapunov-drift-penalty函數(shù)定義Lyapunov標量函數(shù)表征隊列、的擁塞程度，其表達式為（3-25）可知當較小時，所有隊列擁塞程度最小，即隊列穩(wěn)定性越好。反之，至少有一個隊列擁塞程度較大，隊列穩(wěn)定性差。進一步定義Lyapunov-drift函數(shù)表征時刻到時刻的擁塞程度差（3-26）由式(3-26)可知，若在每一個時刻都做出相應的控制決策使最小化，也就是隊列運行穩(wěn)定。故最小化即可保證隊列穩(wěn)定性。能量管理問題轉化為（3-27）約束條件：內部能量平衡等式、式(3-1)-(3-6)、(3-7)-(3-11)、(3-15)-(3-17)、。將虛擬隊列穩(wěn)定性與目標函數(shù)(3-27)相結合，得到新的目標函數(shù)(即Lyapunov-drift-penalty函數(shù))：（3-28）式(3-28)中V為系統(tǒng)中平衡隊列穩(wěn)定性和目標函數(shù)的非負權重控制系數(shù)。V0時表示算法只關注隊列的穩(wěn)定性，而不考慮系統(tǒng)采取控制措施所引起的運行成本，V0時表示采取的控制措施引起的運行成本與隊列穩(wěn)定性之間進行平衡折中。由文獻[22]中引理4.6可得：（3-29）證明過程如下所示：其中，。式(3-29)可轉化為最小化式(3-30)右邊部分，并進一步轉化為（3-30）約束條件：內部能量平衡等式，式(3-1)-(3-6)、(3-7)-(3-11)和(3-15)-(3-17)。最終能量管理問題轉化成式（3-30）。1.1.3基于Lyapunov優(yōu)化算法的實時能源管理分析首先，給出能源局域網(wǎng)當前運行狀態(tài)量初始化隊列、；其次，在初始化數(shù)據(jù)的基礎上，計算可再生能源發(fā)電量與負荷需求量之間的差額；然后，根據(jù)系統(tǒng)內ESS和EV當前時段的能源存儲量，判斷其是否可以放電補充用電差值；若可以參與放電，則要求其在滿足自身約束條件的情況下，分別對充電、放電情況下相應目標函數(shù)求解；最后，確定目標函數(shù)最小時的策略解，此解為最終要求的控制策略解；若沒有達到迭代結束條件，則繼續(xù)迭代更新，直到滿足迭代終止條件。本文以某辦公區(qū)域ELN為例驗證所提出的實時能源管理策略的有效性。該ELN系統(tǒng)的光伏裝機容量為200kW，服務的EV數(shù)量為10輛。EV最大電池容量為36kWh，電動汽車的初始電量在25%-90%之間均勻分布，預計入網(wǎng)時間在早上5：00-16：00之間均勻分布，預計離開時間在8:00-24:00之間分布，充放電功率為3kW。儲能電池的配置容量為200kWh，充放電功率為0.2倍的儲能容量?；緟?shù)設置為=0.2，=30，=4kWh、=32.4kWh，=3kW，=10kW。（1）基本參數(shù)信息電網(wǎng)公司售電價即工商業(yè)用戶的三階段分時電價，如表3-2所示。電網(wǎng)公司購電價即某省脫硫煤標桿上網(wǎng)電價0.37元/(kWh)。10輛電動車到達ELN的基本信息，包括到達時間、離開時間、停留時間和最小充電時間，如圖3-1所示。10輛電動汽車進入ELN的能量基本信息，包括初始能量、最終能量和所需充放電能量，如圖3-2所示。論文基于該園區(qū)總負荷最大的夏季工作日的負荷數(shù)據(jù)進行仿真，一個運行時段周期為一天，一個周期包含24個時刻，如圖3-3所示。電網(wǎng)公司的售、購電價的演化情況如圖3-4所示。表3-2三階段分時電價表時段時間電價（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圖3-1電動汽車基本信息圖3-2EV初始能量信息利用第二部分提出的基本數(shù)學模型構建的ELN系統(tǒng)運行場景進行分析驗證。圖3-3、圖3-4給出測試系統(tǒng)中光伏能源出力情況、基本負荷及電能價格曲線。相關參數(shù)設置如表3-3所示。圖3-3ELN總負荷最大的夏季工作日總功率圖3-4電網(wǎng)的購電價和售電價表3-3算例參數(shù)設置參數(shù)數(shù)值參數(shù)數(shù)值0.230kWh30kWh180kWh0.923kWh0.883kWh7.2kWh10kWh32.4kWh10kWh（2）參數(shù)V、對LOT算法的影響下面分析Lyapunov-drift-penalty函數(shù)中參數(shù)V、對算法的影響。其中電動車負荷充放電功率3kw，每輛電動汽車最大延遲充電時間,其中K為電動汽車在最大充電功率下完成充電所需要的時間。則由，得0V40.25，Vs取值符合1.1.2中取值范圍。圖3-5給出T1h時，在取1、5、10、20、30、35、40時，運行成本隨Vs的變化曲線，從圖中可以看出不同的Vs取值對于運行成本的幾乎沒有影響，但是隨著值得增加系統(tǒng)的總運行成本明顯下降。圖3-5Vs對運行成本的影響圖3-6V對運行成本的影響在Vs取5、10、15、20、25、30時，V的變化對系統(tǒng)運行成本的影響，從圖3-6中可以看出，不同Vs取值時，運行成本隨V的變化而變化的趨勢幾乎完全相同，即系統(tǒng)成本整體趨勢是隨V增加而變小。這主要是因為在每個運行時間成本函數(shù)最小化成為目標成本函數(shù)時，V值大小表征了每個運行時間成本函數(shù)在每個目標優(yōu)化函數(shù)中所占的比重，比重越大,其優(yōu)化效果就越明顯。綜上，選取V=40、Vs=30時進行仿真分析。（3）基于Lyapnov優(yōu)化技術理論的實時能源調度本文所提算法對電動汽車建立隊列理論，通過對電動汽車的延遲充放電操作實現(xiàn)降低ELN實時能源管理成本的目標。圖3-7顯示在使用本論文所提算法與未使用可控負荷延遲操作的局域網(wǎng)運行成本變化曲線。圖3-7EV延遲充電與不延遲充電系統(tǒng)成本對比圖圖3-8基于Lyapunov的實時能量調度圖在前5個時間間隔內只有一輛電動汽車接入電網(wǎng)，電動汽車并未開始加入局域網(wǎng)內功率平衡調節(jié)，本論文所提算法的成本呈線性遞增，在電動汽車開始進入局域網(wǎng)實時能源管理策略后，能源局域網(wǎng)內的整體成本有所降低，在光伏功率較大的時段，局域網(wǎng)從電網(wǎng)所購電量降低，成本降低，說明在隨著接入EV增多可明顯看出本文所提算法能有效的降低系統(tǒng)運行成本。本文所提算法對能源局域網(wǎng)整體能源調度變化如圖3-8所示。能源局域網(wǎng)用電總負荷在12:30~20:00負荷峰值時段有所下降，谷值負荷在凌晨時段(2:00~6:00)明顯上升，由于在凌晨時刻售電價在一天中最低，不同的是在另一個負荷峰(10:00~12:00)總負荷幾乎無變化，這是因為該時段光伏出力最多，其會優(yōu)先消納自身光伏電量。另外，在電價較高階段，優(yōu)先考慮電池能量超過80%的EV和儲能電池放電，其次考慮電網(wǎng)購電；在電價較低階段和光伏功率較高階段，除滿足基本負荷需求外，還要滿足EV充電，然后對ESS進行充電，最后余電向電網(wǎng)輸送，在一定程度上增加了可再生能源的利用率，減少了對大電網(wǎng)