本發(fā)明涉及電網(wǎng)調(diào)度，更具體的說是涉及一種微電網(wǎng)優(yōu)化調(diào)度方法、系統(tǒng)、裝置及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、在全球綠色發(fā)展的背景下，隨著可再生能源的大規(guī)模并網(wǎng)，傳統(tǒng)的電力系統(tǒng)正逐漸向分布式、智能化的方向演進(jìn)。微電網(wǎng)作為一種新型的電力系統(tǒng)形式，通過整合分布式發(fā)電、儲(chǔ)能系統(tǒng)與智能控制，能夠有效應(yīng)對可再生能源發(fā)電的不穩(wěn)定性，滿足本地負(fù)荷需求并與主電網(wǎng)協(xié)同運(yùn)行。然而，微電網(wǎng)的運(yùn)行由于其多變量、多約束等特點(diǎn)，導(dǎo)致傳統(tǒng)的調(diào)度優(yōu)化方法難以應(yīng)對，很難實(shí)現(xiàn)微電網(wǎng)的優(yōu)化運(yùn)行的安排和調(diào)度。

2、當(dāng)前，微電網(wǎng)的運(yùn)行策略優(yōu)化一直是新型電力系統(tǒng)中的研究和實(shí)踐的技術(shù)方向。它隸屬于優(yōu)化求解問題。在實(shí)際應(yīng)用中有經(jīng)常使用的是滾動(dòng)優(yōu)化的方法，線性規(guī)劃法，動(dòng)態(tài)規(guī)劃法等等。伴隨著ai方法的大規(guī)模推廣，各類啟發(fā)式算法如遺傳算法，粒子群算法和蟻群算法等優(yōu)化方法都有應(yīng)用。但這些方法在解決小規(guī)模問題或者是典型場景下的問題時(shí)，具有良好的變現(xiàn)，但是當(dāng)微電網(wǎng)中，隨機(jī)接入的分布式電源的越來越多，移動(dòng)式負(fù)荷如電動(dòng)汽車充電這類用電負(fù)荷的增加，微網(wǎng)的連接拓?fù)鋾r(shí)刻發(fā)生改變，微電網(wǎng)中的運(yùn)行變得更加復(fù)雜和隨機(jī)，整個(gè)系統(tǒng)的經(jīng)濟(jì)運(yùn)行優(yōu)化變成了對大規(guī)模，多數(shù)據(jù)，變量增加，約束變化和實(shí)時(shí)性這些特性融合的優(yōu)化計(jì)算。以上優(yōu)化方法在優(yōu)化時(shí)逐漸表現(xiàn)出局限性。

技術(shù)實(shí)現(xiàn)思路

1、針對以上問題，本發(fā)明的目的在于提供一種微電網(wǎng)優(yōu)化調(diào)度方法、系統(tǒng)、裝置及可讀存儲(chǔ)介質(zhì)，基于光量子計(jì)算進(jìn)行微電網(wǎng)運(yùn)行策略的優(yōu)化，能夠有效提升微電網(wǎng)的經(jīng)濟(jì)運(yùn)行效率。

2、本發(fā)明為實(shí)現(xiàn)上述目的，通過以下技術(shù)方案實(shí)現(xiàn)：

3、第一方面，本發(fā)明公開了一種微電網(wǎng)優(yōu)化調(diào)度方法，包括：

4、構(gòu)建微電網(wǎng)系統(tǒng)，用于實(shí)時(shí)采集分布式發(fā)電裝置和儲(chǔ)能設(shè)備的運(yùn)行數(shù)據(jù)，并通過執(zhí)行調(diào)度策略調(diào)整用戶側(cè)負(fù)荷；

5、構(gòu)建微電網(wǎng)優(yōu)化調(diào)度模型，設(shè)定模型的目標(biāo)函數(shù)，并設(shè)定模型的約束條件，以通過對微電網(wǎng)優(yōu)化調(diào)度模型的求解計(jì)算出微電網(wǎng)系統(tǒng)的最佳運(yùn)行策略；

6、構(gòu)建qubo模型，并與微電網(wǎng)優(yōu)化調(diào)度模型進(jìn)行關(guān)聯(lián)，以通過計(jì)算qubo模型的最優(yōu)解確定微電網(wǎng)系統(tǒng)的最佳運(yùn)行策略；

7、基于qubo模型，分別對微電網(wǎng)優(yōu)化調(diào)度模型的目標(biāo)函數(shù)、約束條件進(jìn)行轉(zhuǎn)換處理，以確定qubo模型的目標(biāo)函數(shù)；

8、實(shí)時(shí)獲取微電網(wǎng)系統(tǒng)的運(yùn)行數(shù)據(jù)，通過微電網(wǎng)優(yōu)化調(diào)度模型生成微電網(wǎng)系統(tǒng)的最佳運(yùn)行策略。

9、進(jìn)一步，所述微電網(wǎng)系統(tǒng)包括：分布式發(fā)電裝置、儲(chǔ)能設(shè)備和用戶負(fù)荷采集單元；

10、分布式發(fā)電裝置包括光伏發(fā)電裝置和風(fēng)力發(fā)電裝置；

11、儲(chǔ)能設(shè)備通過儲(chǔ)能變換器接入微電網(wǎng)，用于電能的調(diào)節(jié)和儲(chǔ)存功能；儲(chǔ)能設(shè)備采用蓄電池；

12、用戶負(fù)荷采集單元，用于采集用戶側(cè)負(fù)荷；

13、用戶側(cè)負(fù)荷包括不可調(diào)節(jié)負(fù)荷和可調(diào)節(jié)負(fù)荷；

14、不可調(diào)節(jié)負(fù)荷為基礎(chǔ)電力需求；可調(diào)節(jié)負(fù)荷包括電動(dòng)汽車、智能家居設(shè)備的用電負(fù)荷。

15、進(jìn)一步，所述構(gòu)建微電網(wǎng)優(yōu)化調(diào)度模型，設(shè)定模型的目標(biāo)函數(shù)，并設(shè)定模型的約束條件，包括：

16、在24小時(shí)的調(diào)度周期內(nèi)，以1.5小時(shí)為一時(shí)段，將微電網(wǎng)運(yùn)行周期分為16個(gè)等效時(shí)段；以微電網(wǎng)運(yùn)營商收益最大化為目標(biāo)，構(gòu)建一個(gè)基于補(bǔ)貼型需求響應(yīng)的微電網(wǎng)優(yōu)化調(diào)度模型；

17、所述微電網(wǎng)優(yōu)化調(diào)度模型的目標(biāo)函數(shù)如下：

18、

19、

20、

21、

22、其中，為微電網(wǎng)向用戶提供電能所帶來的收益，為微電網(wǎng)運(yùn)營商為激勵(lì)用戶進(jìn)行需求響應(yīng)的補(bǔ)貼成本，為蓄電池多次充放電帶來的電池?fù)p耗成本；為分時(shí)電價(jià)，為激勵(lì)補(bǔ)償價(jià)格，為電池充放電損耗；為t時(shí)刻經(jīng)過需求響應(yīng)調(diào)整后的總負(fù)荷；分別為蓄電池的充、放電功率；

23、為微電網(wǎng)優(yōu)化調(diào)度模型設(shè)定功率平衡約束、儲(chǔ)能系統(tǒng)約束和需求響應(yīng)約束。

24、進(jìn)一步，所述功率平衡約束包括：

25、

26、

27、

28、所述儲(chǔ)能系統(tǒng)約束包括儲(chǔ)能充放電功率約束和儲(chǔ)能容量約束；

29、所述儲(chǔ)能充放電功率約束包括：

30、

31、

32、

33、所述儲(chǔ)能容量約束包括：

34、

35、

36、其中，、為充放電功率的上限；、為狀態(tài)變量，為1時(shí)，電池處于充電狀態(tài)，為1時(shí)，電池處于放電狀態(tài)；、為儲(chǔ)能容量的上下限，、為電池的充放電效率；

37、所述需求響應(yīng)約束包括：

38、

39、

40、

41、其中，為用戶參與需求響應(yīng)的功率上限；、為狀態(tài)變量，為1時(shí)，用戶上調(diào)負(fù)荷，為1時(shí)，用戶下調(diào)負(fù)荷。

42、進(jìn)一步，所述qubo模型包括：

43、

44、其中，為待求二進(jìn)制變量，取值為，為目標(biāo)函數(shù)，為二次項(xiàng)系數(shù),?是已知量；

45、將qubo模型轉(zhuǎn)換成如下線性代數(shù)的形式：

46、

47、其中，為二進(jìn)制向量，為矩陣，目標(biāo)是找到使得最小或最大的，即：

48、。

49、進(jìn)一步，所述基于qubo模型，分別對微電網(wǎng)優(yōu)化調(diào)度模型的目標(biāo)函數(shù)、約束條件進(jìn)行轉(zhuǎn)換處理，以確定qubo模型的目標(biāo)函數(shù)，包括：

50、將微電網(wǎng)優(yōu)化調(diào)度模型的目標(biāo)函數(shù)轉(zhuǎn)換為如下的求最小值的形式:

51、

52、其中，將蓄電池的充、放電功率及相關(guān)的調(diào)節(jié)功率映射為如下的量子比特的組合：

53、

54、

55、

56、

57、其中，為決策變量整數(shù)部分的量子比特位，為決策變量小數(shù)部分的量子比特位；

58、如果決策變量的小數(shù)位僅占用2個(gè)量子比特位；=，=、=，=；

59、將所述量子比特組合帶入轉(zhuǎn)換后的目標(biāo)函數(shù)式中，即可轉(zhuǎn)換為模型的函數(shù)項(xiàng)。

60、進(jìn)一步，所述基于qubo模型，分別對微電網(wǎng)優(yōu)化調(diào)度模型的目標(biāo)函數(shù)、約束條件進(jìn)行轉(zhuǎn)換處理，以確定qubo模型的目標(biāo)函數(shù)，還包括：

61、當(dāng)、、、分別代表個(gè)時(shí)段所有決策變量的量子比特位時(shí)，將微電網(wǎng)優(yōu)化調(diào)度模型的約束條件轉(zhuǎn)換為qubo模型懲罰項(xiàng)：

62、生成qubo模型目標(biāo)函數(shù)：

63、

64、其中，是通過蓄電池充放電狀態(tài)約束和用戶需求響應(yīng)狀態(tài)約束轉(zhuǎn)換的qubo模型懲罰項(xiàng)，是通過所有時(shí)段的輸出功率等于輸入功率的平衡約束轉(zhuǎn)換的qubo模型懲罰項(xiàng)，和是通過蓄電池充放功率約束轉(zhuǎn)換的qubo模型懲罰項(xiàng)，

65、和是通過蓄電池容量約束轉(zhuǎn)換的qubo模型懲罰項(xiàng)，和是通過需求響應(yīng)功率約束轉(zhuǎn)換的qubo模型懲罰項(xiàng)。

66、第二方面，本發(fā)明還公開了一種微電網(wǎng)優(yōu)化調(diào)度系統(tǒng)，包括：

67、系統(tǒng)構(gòu)建模塊，用于構(gòu)建微電網(wǎng)系統(tǒng)，用于實(shí)時(shí)采集分布式發(fā)電裝置和儲(chǔ)能設(shè)備的運(yùn)行數(shù)據(jù)，并通過執(zhí)行調(diào)度策略調(diào)整用戶側(cè)負(fù)荷；

68、第一模型構(gòu)建模塊，用于構(gòu)建微電網(wǎng)優(yōu)化調(diào)度模型，設(shè)定模型的目標(biāo)函數(shù)，并設(shè)定模型的約束條件，以通過對微電網(wǎng)優(yōu)化調(diào)度模型的求解計(jì)算出微電網(wǎng)系統(tǒng)的最佳運(yùn)行策略；

69、第二模型構(gòu)建模塊，用于構(gòu)建qubo模型，并與微電網(wǎng)優(yōu)化調(diào)度模型進(jìn)行關(guān)聯(lián)，以通過計(jì)算qubo模型的最優(yōu)解確定微電網(wǎng)系統(tǒng)的最佳運(yùn)行策略；

70、轉(zhuǎn)換處理模塊，用于基于qubo模型，分別對微電網(wǎng)優(yōu)化調(diào)度模型的目標(biāo)函數(shù)、約束條件進(jìn)行轉(zhuǎn)換處理，以確定qubo模型的目標(biāo)函數(shù)；

71、策略生成模塊，用于實(shí)時(shí)獲取微電網(wǎng)系統(tǒng)的運(yùn)行數(shù)據(jù)，通過微電網(wǎng)優(yōu)化調(diào)度模型生成微電網(wǎng)系統(tǒng)的最佳運(yùn)行策略。

72、第三方面，本發(fā)明還公開了一種微電網(wǎng)優(yōu)化調(diào)度裝置，包括：

73、存儲(chǔ)器，用于存儲(chǔ)微電網(wǎng)優(yōu)化調(diào)度程序；

74、處理器，用于執(zhí)行所述微電網(wǎng)優(yōu)化調(diào)度程序時(shí)實(shí)現(xiàn)如上文任一項(xiàng)所述微電網(wǎng)優(yōu)化調(diào)度方法的步驟。

75、第四方面，本發(fā)明還公開了一種可讀存儲(chǔ)介質(zhì)，所述可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有微電網(wǎng)優(yōu)化調(diào)度程序，所述微電網(wǎng)優(yōu)化調(diào)度程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文任一項(xiàng)所述微電網(wǎng)優(yōu)化調(diào)度方法的步驟。

76、對比現(xiàn)有技術(shù)，本發(fā)明有益效果在于：本發(fā)明公開了一種微電網(wǎng)優(yōu)化調(diào)度方法、系統(tǒng)、裝置及可讀存儲(chǔ)介質(zhì)，首先，基于一個(gè)包含分布式發(fā)電、儲(chǔ)能設(shè)備和用戶負(fù)荷的微電網(wǎng)系統(tǒng)模型，以最大化微電網(wǎng)運(yùn)營商的經(jīng)濟(jì)收益為目標(biāo)建立優(yōu)化調(diào)度模型，該模型通過激勵(lì)用戶需求響應(yīng)和調(diào)度儲(chǔ)能系統(tǒng)，動(dòng)態(tài)平衡能源供需，實(shí)現(xiàn)微網(wǎng)經(jīng)濟(jì)運(yùn)行和效率最大化的目標(biāo)。然后，在最優(yōu)運(yùn)行策略的計(jì)算中將優(yōu)化問題轉(zhuǎn)化為二次無約束二元優(yōu)化（qubo）模型，利用光量子計(jì)算方法高效求解。

77、本發(fā)明通過引入相干光量子計(jì)算方法對基于補(bǔ)貼型需求響應(yīng)的微電網(wǎng)優(yōu)化調(diào)度問題進(jìn)行了求解，不但保證了對微電網(wǎng)中復(fù)雜運(yùn)行工況的優(yōu)化計(jì)算的有效性還保證了實(shí)時(shí)性。

78、本發(fā)明通過將量子比特共享機(jī)制應(yīng)用在計(jì)算求解中，該機(jī)制顯著減少了所需的量子比特?cái)?shù)，提高了量子計(jì)算資源的利用效率，不但實(shí)現(xiàn)了計(jì)算資源的降低，也能同時(shí)兼顧計(jì)算性能，實(shí)現(xiàn)微電網(wǎng)的復(fù)雜優(yōu)化計(jì)算，有效的減少了計(jì)算資源的消耗。

79、由此可見，本發(fā)明與現(xiàn)有技術(shù)相比，具有突出的實(shí)質(zhì)性特點(diǎn)和顯著的進(jìn)步，其實(shí)施的有益效果也是顯而易見的。