基于储能电量价值评估的交直流混合微网实时经济调度法

技术领域

本发明涉及一种交直流混合微网实时经济调度方法。特别是涉及一种基于储能电量价值评估的交直流混合微网实时经济调度法。

背景技术

随着化石能源逐渐消耗殆尽，风力、光伏等微源作为传统能源的有效替代品正大量得到使用。然而不可控分布式电源大量接入电网会引发诸多问题，威胁电网的安全运行。发电装置、储能装置、负荷及控制系统等结合，构成一个输出功率可控的微型电力网络(简称微网)。微网(Microgrid)将是一种新型分布式发电的组织形式，既可以与电网并联运行，也可以脱离电网单独运行。微网中的负荷由内部微源供应，并网运行时既可以从外电网购电也可以向外电网售电，以平衡差额功率；离网运行时由内部微源及储能提供电能。

生产生活中有大量负荷是基于直流电工作的，由于交流电使用便利，有相当多的负荷设备需先将交流电整流才能正常运行。这就不可避免地引起了电能的损耗；另外，光伏、蓄电池组、燃料电池等微源提供的也是直流电能，交流微网中这些微源提供的电能经过逆变才能被利用，这同样带来了电能损耗。此外，直流微网还具有控制简单、线路投资低等优点。为了优化交直流负荷及电源互动方式，节能降损，提高可再生能源利用率，交直流混合微网逐渐成为相关专家学者研究的热点。

在微网实时调度模型中，不确定微源的发电运行成本可以忽略不计，可控微源的燃料成本曲线是已知的，向外网购电的电价曲线也是给定的，然而目前还没有文献对储能中电量的价值进行评估，给出类似其余发电方式的成本模型。只要建立模型评估储能中电能的价值，就可以与交直流混合微网运行中其余各项成本进行比较，更加方便和准确地制定出交直流混合微网实时经济调度方案。

小时级时间尺度的经济调度往往基于对不确定微源的出力预测，然而预测的不准确性会造成各时段内风光出力、负荷水平的波动。因此在五分钟级内进行不平和功率调整以抑制波动很有必要。两种时间尺度的功率调整将使交直流混合微网更加经济平稳地运行。

发明内容

本发明所要解决的技术问题是，提供一种可以最大程度上将交直流混合微网实时经济调度中储能行为策略制定的主观性消除，从而更加接近最优方案的基于储能电量价值评估的交直流混合微网实时经济调度法。

本发明所采用的技术方案是：一种基于储能电量价值评估的交直流混合微网实时经济调度法，包括如下步骤：

1)统计交直流混合微网运行的历史数据，采集气象数据，结合微网历史运行数据对风、光出力及负荷进行预测，得到未来一天的净负荷功率曲线，并建立各时段不计储能出力的综合成本净负荷功率函数；

2)分别将燃料电池和微燃机燃料成本曲线线性化，并将环境成本与运行维护成本线性化，得到燃料电池和微燃机的综合成本系数；

3)定义任意时段储能电量价值为：储能可用电量通过在满足一定约束下调节在未来各时段综合成本功率曲线的运行点，所得到的最大收益，建立最大化收益的数学模型对储能电量价值进行求解；

4)根据各微源的综合成本并考虑步骤3)求解出的任意时段内储能电量价值，建立最小化交直流混合微网运行费用的数学模型；

5)当在小时级的时间尺度内进行交直流混合微网实时经济调度之后，在五分钟级内以该时段内实时经济调度制定的出力计划为基础进行不平衡功率调整，当不平衡功率小于零时，采用高估模型；当不平衡功率大于零时，采用低估模型。

本发明的基于储能电量价值评估的交直流混合微网实时经济调度法，以下优势和改进：

1、建立了储能中电量价值评估模型，从而将储能中电量的调用和增加造成的成本和收益量化，可以最大程度上将交直流混合微网实时经济调度中储能行为策略制定的主观性消除，从而更加接近最优方案。

2、通过评估储能中电量价值将储能的行为从时间上解耦，更加便于应对实时功率偏差的调整，提高了实时经济调度的优势、有效性。

3、提出的基于储能电量价值评估的交直流混合微网实时不平衡功率调整可以降低实际净负荷功率预测偏差对微网造成的不利影响。

附图说明

图1是交直流混合微网结构示意图；

图2是峰平谷时段综合成本-净负荷功率曲线；

图3是原负荷、净负荷、风光出力预测曲线；

图4是各个微电源和储能输出功率曲线；

图5是第一时段电量总价值和电量价值曲线；

图6是储能一天电量与其运行点电量价值曲线；

图7是有无储能时一天运行成本对比图；

图8是五分钟级一天典型实际净负荷功率和不平衡功率；

图9是一天不平衡功率调整费用

具体实施方式

下面结合实施例和附图对本发明的基于储能电量价值评估的交直流混合微网实时经济调度法做出详细说明。

本发明的基于储能电量价值评估的交直流混合微网实时经济调度法，包括如下步骤：

1)统计交直流混合微网运行的历史数据，采集气象数据，结合微网历史运行数据对风、光出力及负荷进行预测，得到未来一天的净负荷功率曲线，并建立各时段不计储能出力的综合成本净负荷功率函数；所建立的各时段不计储能出力的综合成本净负荷功率函数为：

$C^t\left(P\right)=\left(\begin{array}{cc}{C}_h\left(P\right),& q^t=q_h\\ C_m\left(P\right),& q^t=q_m\\ C_l\left(P\right),& q^t=q_l\end{array}\right)$

其中，C_h(P)为峰时的综合成本功率函数，C_m(P)为平时的综合成本功率函数，C_l(P)为谷时的综合成本功率函数，q^t为t时段的电价。

2)分别将燃料电池和微燃机燃料成本曲线线性化，并将环境成本与运行维护成本线性化，得到燃料电池和微燃机的综合成本系数；所述的燃料电池综合成本系数C_FC和微燃机的综合成本系数C_MT分别为：

$C_{FC}=F_{FC}^{\delta }+{\gamma }_{FC}+\underset{\theta =1}{\overset{N_{FC}}{\Sigma }}{\lambda }_{FC}^{\theta }{c}^{\theta }+(1-{\eta }_{FC})$

$C_{MT}=F_{MT}^{\delta }+{\gamma }_{MT}+\underset{\theta =1}{\overset{N_{MT}}{\Sigma }}{\lambda }_{MT}^{\theta }{c}^{\theta }+(1-{\eta }_{MT})$

其中，为线性化之后的微燃机的燃料成本功率函数的斜率，为线性化之后的燃料电池的燃料成本功率函数的斜率；γ_MT为微燃机的运行维护成本系数，γ_FC为燃料电池的运行维护成本系数；N_MT为微燃机的排放污染物种类、N_FC为燃料电池的排放污染物种类，微燃机第θ种污染物的排放系数，为燃料电池的第θ种污染物的排放系数，c^θ为第θ种污染物的单位排放量治理费用；η_MT为连接交流母线和微燃机的换流器的效率，η_FC连接直流母线和燃料电池的换流器的效率。

以电价谷时段为例，综合成本功率函数的表达式可由下式计算得到：

$C_l\left(P\right)=\left(\begin{array}{c}{q}_{l}P,0\le P\le P_{grid}^{\max }\\ q_l{P}_{grid}^{\max }+(P-P_{grid}^{\max })C_{FC},\\ P_{grid}^{\max }\le P\le P_{grid}^{\max }+P_{FC}^{\max }\\ q_l{P}_{grid}^{\max }+C_{FC}{P}_{FC}^{\max }+C_{MT}(P-P_{grid}^{\max }-P_{FC}^{\max }),\\ P_{grid}^{\max }+P_{FC}^{\max }\le P\le P_{grid}^{\max }+P_{FC}^{\max }+P_{MT}^{\max }\\ q_l{P}_{grid}^{\max }+C_{FC}{P}_{FC}^{\max }+C_{MT}{P}_{MT}^{\max }+\\ C_{cut}(P-P_{grid}^{\max }-P_{FC}^{\max }-P_{MT}^{\max }),\\ P\ge P_{grid}^{\max }+P_{FC}^{\max }+P_{MT}^{\max }\end{array}\right)$

这里，P为净负荷功率；q_l为谷时电价；分别为与外网交换功率上限、燃料电池出力上限、微燃机出力上限；C_FC、C_MT分别为燃料电池和微燃机的综合成本系数，通过将燃料成本曲线线性化并计及环境成本和运行维护成本估计得到。

3)定义任意时段储能电量价值为：储能可用电量通过在满足一定约束下调节在未来各时段综合成本功率曲线的运行点，所得到的最大收益，建立最大化收益的数学模型对储能电量价值进行求解；所述的最大化收益的数学模型如下：

$\left(\begin{array}{cc}\max & G^k=\underset{t=k+1}{\overset{T}{\Sigma }}[C^t\left(P^t\right)-C^t(P^t-P_{SB}^t)]\\ s.t.& S_{SB}^{\min }\le S_{SB}^k+\underset{t=k+1}{\overset{j}{\Sigma }}{P}_{SB}^t-{\mathrm{j\Delta tD}}_{SB}{Q}_{SB}\le S_{SB}^{\max },\\ & j=1,2,...,T-k\\ & P_{SB}^{\min }\le P_{SB}^i\le P_{SB}^{\max },i=1,2,...,T\end{array}\right)$

其中，G^k为k时段储能电量总价值；为t时段储能出力，大于零时为放电；为k时段储能电量；分别为储能电量下限和上限；Δt是时段长；D_SB为储能自放电系数，Q_SB为储能容量；分别为储能出力下限和上限，下限绝对值表示储能充电功率的上限；T为一天时段数，P^t为t时段净负荷功率。

在k时段将未来不确定微源出力、未来负荷水平、未来实时电价看做已知量，则G^k是的函数则k时段储能电量价值可以定义为：

$V_{SB}^k=\partial G^k\left(S_{SB}\right)/\partial \left(S_{SB}\right){|}_{S_{SB}^k}$

式中为k时段初储能电量。

然而，在交直流混合微网实时经济调度中，尽量需要使计算简便以利于实际应用。将模型中的用代替，取足够小，重新计算该模型，得到则k时段储能电量价值估计为：

$V_{SB}^k=|G^k(S_{SB}^k+{\mathrm{\Delta S}}_{SB}^k)-G^k\left(S_{SB}^k\right)|/\left|{\mathrm{\Delta S}}_{SB}^k\right|.$

4)根据各微源的综合成本并考虑步骤3)求解出的任意时段内储能电量价值，建立最小化交直流混合微网运行费用的数学模型；所述的最小化交直流混合微网运行费用的数学模型包括目标函数和约束条件，其中：

目标函数为：

$\left(\begin{array}{c}\begin{array}{cc}\min & F^k=q^k{P}_{grid}^k+f_{MT}\left(P_{MT}^k\right)+f_{FC}\left(P_{FC}^k\right)+{\mathrm{\beta q}}^k{P}_{cut}^k+\end{array}\\ \underset{i\in \{MT,FC\}}{\Sigma }\underset{\theta =1}{\overset{N}{\Sigma }}{\lambda }_i^{\theta }{c}^{\theta }{P}_i^k+\underset{m\in \{DG,SB\}}{\Sigma }{\gamma }_m\left|P_m^k\right|+P_{SB}^k{V}_{SB}^k\end{array}\right)$

约束条件为：

$\left(\begin{array}{c}{P}^k=P_{grid}^k+P_{MT}^k+P_{FC}^k+P_{cut}^k+P_{SB}^k+P_{loss}^k\\ P_{MT}^k\le P_{MT}^{\max },P_{FC}^k\le P_{FC}^{\max },P_{grid}^{t,k}\le P_{grid}^{\max }\\ P_{cut}^k\le P_{cut}^{\max },P_{SB}^k\le (S_{SB}^k-S_{SB}^{\min })/\Delta t\\ -P_{ILC}^{\max }\le P_{grid}^k+P_{MT}^k+P_{WT}^k-P_{L-ac}^k\le P_{ILC}^{\max }\\ -P_{ILC}^{\max }\le P_{SB}^k+P_{FC}^k+P_{PV}^k-P_{L-dc}^k\le P_{ILC}^{\max }\end{array}\right)$

目标函数中，为任意k时段储能内电量价值，通过将k时段储能电量总价值G^k对k时段储能电量求导得到；F^k为k时段交直流混合微网实时经济调度的目标；f_MT()、f_FC()分别为微燃机和燃料电池的燃料成本函数；β为负荷中断补偿系数，为k时段负荷中断容量；N为排放污染物种类，为第i种可控微电源的第θ种污染物的排放系数；γ_m为第m台设备的运行维护成本系数；当为负时表示储能正在充电；为k时段向外网购电功率；为k时段微燃机出力，为k时段燃料电池出力，为k时段中断负荷功率。

约束条件中，P^k为k时段总净负荷功率，包括交流侧净负荷和直流侧净负荷为双向功率变换器功率传输上限；为k时段交流侧风力发电功率，为k时段直流侧光伏发电功率；为微燃机出力上限，为燃料电池出力上限；为向外网购电功率上限，为可中断负荷容量；为k时段交直流混合微网网损，表达式如下：

$P_{loss}^k=\underset{l_1\in S_{ac}}{\Sigma }[{\left(P_{l_1}^k\right)}^2+{\left(Q_{l_1}^k\right)}^2]R_{l_1}/U_{N,ac}^2+\underset{l_2\in S_{dc}}{\Sigma }{\left(P_{l_2}^k\right)}^2{R}_{l_2}/U_{N,dc}^2$

式中：S_ac为交流侧各设备与交流母线之间的馈线集合，包含微燃机、风力发电、交流侧负荷以及与外网之间的连接馈线，为在k时段馈线l₁传输的有功功率，为在k时段馈线l₁传输的无功功率，为馈线l₁的电阻，U_N,ac为交流侧母线额定电压，S_dc为直流侧各设备与直流母线之间的馈线集合；为在k时段馈线l₂传输的有功功率，为馈线l₂的电阻，U_N,dc为交流侧母线额定电压。

5)当在小时级的时间尺度内进行交直流混合微网实时经济调度之后，为了应对各时段内风光出力、负荷水平的波动，在五分钟级内以该时段内实时经济调度制定的出力计划为基础进行不平衡功率调整，当不平衡功率小于零时，采用高估模型；当不平衡功率大于零时，采用低估模型。所述的高估模型包括目标函数和约束条件，其中：

目标函数为

$\left(\begin{array}{c}\begin{array}{cc}\min & g_h^k={\mathrm{\Delta P}}_{grid}{q}_{grid}^k+{\mathrm{\Delta P}}_{MT}[\partial f\left(P_{MT}\right)/\partial P_{MT}]{|}_k+\end{array}\\ {\mathrm{\Delta P}}_{FC}[\partial f\left(P_{FC}\right)/\partial P_{FC}]|{}_k+{\mathrm{\Delta P}}_{cut}{\mathrm{\beta q}}_{grid}^k+{\mathrm{\Delta P}}_{SB}{V}_{SB}^k\end{array}\right)$

约束条件为

$\left(\begin{array}{c}\Delta P_{grid}+\Delta P_{MT}+\Delta P_{FC}+\Delta P_{cut}+\Delta P_{SB}=-P_{\delta }^k,\\ \Delta P_{grid}\le P_{grid}^{\max }-P_{grid}^k,\Delta P_{MT}\le P_M^{\max }-P_{MT}^k,\\ \Delta P_{FC}\le P_{FC}^{\max }-P_{FC}^k,\Delta P_{cut}\le P_{cut}^{\max }-P_{cut}^k,\\ \Delta P_{MT}+\Delta P_{grid}+\Delta P_{cut,ac}+P_{\delta ,WT}^k-\Delta P_{SB}+\\ \Delta P_{FC}+\Delta P_{cut,dc}+P_{\delta ,PV}^k\le P_{ILC}^{\max }-P_{ILC}^k,\\ -(P_{SB}^k-P_{SB}^{\max })\le \Delta P_{SB}\le P_{SB}^{\max }-P_{SB}^k\end{array}\right)$

式中：为k时段高估模型的目标函数；在高估模型中，ΔP_grid、ΔP_MT、ΔP_FC、ΔP_cut和ΔP_SB为可控变量，大于零时表示增大操作。ΔP_grid为向外网购电功率增量，ΔP_MT为微燃机出力增量，ΔP_FC为燃料电池出力增量，ΔP_cut为负荷中断增量，ΔP_SB为储能出力增量；ΔP_cut,ac为交流侧负荷中断增量，ΔP_cut,dc为直流侧负荷中断增量。为k时段风力发电高估量；为k时段光伏发电高估量，为k时段不平衡功率。表示微燃机燃料成本曲线对微燃机出力的导函数在k时段小时级微燃机计划出力时的值，表示燃料电池燃料成本曲线对燃料电池出力的导函数在k时段小时级燃料电池计划出力时的值。

所述的低估模型包括目标函数和约束条件，其中：

目标函数为

$\left(\begin{array}{c}\begin{array}{cc}\min & g_u^k={\mathrm{\Delta P}}_{SB}{V}_{SB}^k+{\mathrm{\Delta P}}_{MT}[\partial f\left(P_{MT}\right)/\partial P_{MT}]{|}_k+\end{array}\\ {{\mathrm{\Delta P}}_{FC}}^2/2{\delta }_{FC}-{\mathrm{\Delta P}}_{FC}[\partial f\left(P_{FC}\right)/\partial P_{FC}]{|}_k-\\ {{\mathrm{\Delta P}}_{MT}}^2/2{\delta }_{MT}-{\mathrm{\Delta P}}_{cut}{\mathrm{\beta q}}_{grid}^k\end{array}\right)$

约束条件为

$\left(\begin{array}{c}{\mathrm{\Delta P}}_{grid}+{\mathrm{\Delta P}}_{MT}+{\mathrm{\Delta P}}_{FC}+{\mathrm{\Delta P}}_{cut}+{\mathrm{\Delta P}}_{SB}=P_{\delta }^k,\\ {\mathrm{\Delta P}}_{grid}\le P_{grid}^k,{\mathrm{\Delta P}}_{MT}\le P_{MT}^k,{\mathrm{\Delta P}}_{FC}\le P_{FC}^k,{\mathrm{\Delta P}}_{cut}\le P_{cut}^k,\\ P_{\delta ,WT}^k-{\mathrm{\Delta P}}_{grid}-{\mathrm{\Delta P}}_{cut,ac}-{\mathrm{\Delta P}}_{MT}-P_{\delta ,PV}^k+\\ {\mathrm{\Delta P}}_{FC}+{\mathrm{\Delta P}}_{cut,dc}+{\mathrm{\Delta P}}_{SB}\le P_{ILC}^{\max }-P_{ILC}^k,\\ P_{SB}^k-P_{SB}^{\max }\le {\mathrm{\Delta P}}_{SB}\le P_{SB}^k+P_{SB}^{\max }\end{array}\right)$

式中：为k时段低估模型的目标函数；δ_MT和δ_FC分别为微燃机爬坡率和燃料电池爬坡率。在低估模型中，可控变量大于零表示减小操作。(所有出现的字母是否都解释过了？)ΔP_grid、ΔP_MT、ΔP_FC、ΔP_cut和ΔP_SB为可控变量，大于零时表示减小操作。(所有出现的字母是否都解释过了？ΔP_grid为向外网购电功率减量，ΔP_MT为微燃机出力减量，ΔP_FC为燃料电池出力减量，ΔP_cut为负荷中断减量，ΔP_SB为储能出力减量；

下面给出具体实例：

本实例采用图1所示浙江省某地交直流混合微网示范工程的结构。根据接入设备运行特性，交流区域接入微燃机(microturbine，MT)、风力发电机(wind turbine,WT)、交流负荷；直流区域接入光伏发电(photovoltaic cell，PV)、蓄电池储能(battery，BAT)、燃料电池(fuel cell，FC)以及直流负荷。该结构可以方便交流负荷和直流负荷的分别接入，并且利用直流线路网损低的特点降低网损。

此外，交流母线和直流母线通过一台双向换流器联接，该换流器可以实现交流母线和直流母线之间的功率传递。交流区域和主电网通过公共耦合点(point of common coupling，PCC)联接。线路单位阻抗为0.642+j0.101/km。运行约束中涉及的各微源参数情况、节点电压上下限、污染物排放因数和治理因数、参见文献[1]李鹏，徐伟娜，周泽远，等.基于改进万有引力搜索算法的微网优化运行[J].中国电机工程学报，2014，34(19)：3073-3079。

此外，储能电量上限为250kwh，下限为5kwh；储能充电效率和放电效率为85％，储能容量为250kwh，自放电系数为10％；算例中的峰谷平时的综合成本功率估计曲线如图2所示；外网分时电价曲线参考文献[1]李鹏，徐伟娜，周泽远，等.基于改进万有引力搜索算法的微网优化运行[J].中国电机工程学报，2014，34(19)：3073-3079。

算例采用的各时段风光出力曲线，负荷预测曲线，净负荷功率曲线，如图3所示。

采用本发明的方法对交直流混合微网进行小时级的实时经济调度结果如图4所示，图中包括微燃机出力，燃料电池出力，储能出力，向外网购电功率和双向换流器交换功率。

由实时经济调度结果可知，在0到7时段，由于负荷水平较低，而且外网分时电价水平较低，交直流混合微网的能量主要来自于向外网购电，并且通过双向换流器传递给直流侧负荷和储能，蓄电池不断充电，从而为以后在高峰电价时段向外网出售或者向高峰负荷供电做准备。在一天中间时段的高峰时，由于外网购电电价较高，主要通过蓄电池放电和经济环境效益相对较好的燃料电池放电来满足负荷需求并且将额外的电量卖给外网获取收益，此时双向换流器的交换功率主要为直流侧向交流侧；在负荷高峰时，微燃机通常是最后被调用的，这是因为其综合运行成本较高。在一天的后面时段的负荷高峰时，由于又一次面临电价峰值，直流侧的蓄电池继续放电，可控微电源出力和向外网购电功率较大以满足负荷需求。可见储能装置充分发挥了削峰填谷的作用。

事实上，每个时段储能装置都有一条电量总价值曲线和电量价值曲线。这两条曲线是各个时段进行交直流混合微网实时经济调度的基础。以第一时段为例，其电量总价值曲线和电量价值曲线如图5所示

由图5可以看出，第一时段内，储能电量总价值随着储能电量的上升而上升，然而上升幅度随着储能电量的上升而下降，即储能的电量价值随着储能电量的上升而下降。若电量为25kwh时，储能电量调用的边际成本达到了2.5元/kwh，这使得在第一时段的实时经济调度中储能电量由于其“成本”过高从而几乎不可能被调用；另一方面，在此时段向储能充电也意味着将获得2.5元/kwh的充电“收益”；当储能电量为250kwh时，电量价值降低到0.35元/kwh左右，低于可控微源出力成本，如果第一时段负荷水平较高，则储能将在向外网购电功率达到上限后紧接着被调用。第一时段储能初始电量设置为100kwh，仍然具有较高的调用“成本”，因此综上分析，储能在第一时段表现为充电行为。

在采用本发明基于储能电量价值评估的交直流混合微网实时经济调度法，一天各时段储能电量大小以及各时段储能运行点处的电量价值如图6所示。

由图6可知，在第一到第七时段，由于储能电量在未来综合成本-功率曲线的收益潜力高，因此储能电量价值较高，且外网分时电价水平低于储能电量价值，因此储能充电可以期望获得收益，储能表现为充电行为。在第七至第十二时段，随着储能电量的上升，电量价值随之下降，且下降到了低于外网分时电价水平，储能开始转变为放电行为。在十二至十七时段，外网进入峰时电价时段，且储能电量由于下降其电量价值开始上升，然而由于一天末的负荷高峰时期还未到达，交直流混合微网对储能充放电行为比较谨慎；在一天末的负荷高峰时期，储能电量价值骤，这是因为一天接近结束，储能保留电量发挥价值的空间越来越小，储能充分放电。

为了分析比较储能的效益，本发明构造无储能时的交直流混合微网一天优化运行算例，其一天运行成本曲线和本发明含储能装置下实时经济调度下一天运行成本曲线对比如图7所示。

可以看出，储能装置大大降低了交直流混合微网优化运行成本。根据本发明的方法，储能效益的本质就在于在电量价值较高的运行点充电，在电量价值较低的运行点放电，从而通过该“差价”获取收益。为了比较本文实时经济调度方法的有效性，采用传统日前优化方法对本文算例进行全时段的整体优化运行；以上各情况的一天运行成本如表1所示。

表1 三种情况运行成本对比

可见，本文提出的实时经济调度方法的运行成本与全时段传统优化运行结果较为接近，且相比于无储能装置时，大大降低了运行成本。然而，和传统实时经济调度方法一样，其存在一定主观性，通常会偏离最优解，但是实时经济调度的优势在于其方法简便，计算速度快，便于实际应用。此外，由于建立了模型描述储能的电量价值，可以将储能的行为策略从时间上解耦出来，便于实时不平衡功率调整的应用。

假设净负荷功率预测偏差百分比为正太分布，以5分钟为单位考察实际净负荷功率，采用本发明的方法考虑储能电量价值的不平衡功率调整方法进行调整，以模拟出的典型实际净负荷功率曲线和不平衡功率曲线如图8所示，则一天不平衡功率调整费用如图9所示，当小于零时表示调整收益。

由图可知，尽管当存在不平衡功率时，可能存在调整费用也可能存在调整收益，这取决于实际净负荷功率的偏差，但是总体上调整费用要大于调整收益，这种差异主要是由可控微源的功率浪费造成的。以本发明的实例为例，一天调整费用为145.5614元，而一天调整收益只有93.7309元。