本發明涉及微電網優化控制領域，特別是一種交直流混合微電網多源功率預測及協同優化控制方法。
背景技術：
1、微電網被視為一種將可再生能源和負載整合在一起的有效方式，是由分布式發電系統、負荷、儲能裝置和電力電子器件等組成的小型電網，能夠自主控制供電負荷。交流微網和直流微網可通過電力電子變換器（pet）并網，構成交直流互聯混合微電網。
2、可再生能源受天氣條件的影響大，新能源通常與傳統能源（如火力發電）相結合使用以滿足用戶需求和電力供應之間的平衡。現有微電網系統通常由風光、燃汽輪機及儲能系統組成，極少考慮與煤電結合的混合微電網模型。同時，微電網目前的功率調度優化未能充分利用預測信息進行前瞻性調度，缺乏系統性預測。
3、煤電機組的傳統控制方法未能合理安排煤電的啟停時機，增加啟停成本與碳排放。同時，微電網動態經濟調度中，同時考慮經濟性與環保型的經濟調度策略較少，目前僅針對風火協同、風光柴協同等系統提出了相應的控制策略，但缺乏煤電與儲能的協同優化機制，具有一定局限性。
4、交直流混合微電網系統中，由于交流側和直流側的動態特性差異及實時變化迅速，針對大幅擾動情況，被動保護策略具有明顯滯后性，容易導致電壓或頻率大幅波動。現有用于處理不確定條件下微電網系統優化運行的方法較多，但由于實際運行過程中不確定隨機變量難以事先精確獲知，現有短期風險預測方法性能較差，難以實時預測風險及執行對應切換策略。目前，現有技術各自獨立，尚無一種將功率預測、煤儲協同優化、風險預測評估及模式切換相結合的系統性控制方法，缺乏統一的閉環框架。
技術實現思路
1、本發明的目的在于克服現有技術的缺點，提供一種交直流混合微電網多源功率預測及協同優化控制方法。
2、本發明的目的通過以下技術方案來實現：一種交直流混合微電網多源功率預測及協同優化控制方法，該方法包括，
3、s1、構建風電、光伏、煤電及負荷的短期功率預測模型，調整儲能優化配置，利用儲能快速充放電特性建立與新能源出力相適應的儲能運行策略；
4、s2、基于短期功率預測模型得到的預測信息，設計煤電機組啟停判據及煤電出力檔位劃分策略，基于煤電機組啟停判據及煤電出力檔位劃分策略形成煤電與儲能的協同優化調度計劃；
5、s3、基于預測信息和煤電與儲能的協同優化調度的狀態信息，采用隨機森林算法對微電網系統潛在風險進行實時預測，輸出風險等級；
6、s4、根據s3輸出的風險等級，執行對應的系統響應策略及運行模式切換，并將切換結果反饋至s1至s3，實現閉環優化控制。
7、具體的，所述風力發電短期功率預測模型為：
8、；
9、式中，為當前時刻t對未來l步時刻的風電功率預測值；為自回歸部分，其中p為自回歸階數；為第i個自回歸項的權重系數（i=1,?2,?...,?p）；為時刻t+l-i的歷史風電功率觀測值；為滑動平均部分，其中q為滑動平均階數；為第j個滑動平均項的權重系數（j=1,?2,?...,?q）；為時刻t+l-j的白噪聲誤差；
10、光伏發電短期功率預測模型為：
11、；
12、；
13、式中，為光伏功率預測值；為歸一化后數據；p為原始功率數據；pmin和pmax分別為功率最小值和最大值；
14、煤電短期功率預測模型為：
15、；
16、式中，為預測時刻t+1煤電機組能夠達到的最小輸出功率；為預測時刻t+1煤電機組能夠達到的最大輸出功率；為煤電機組技術最小出力；為當前時刻t煤電機組的實際輸出功率；ri為當前所處調峰階段對應的爬坡率；為相鄰兩調度時刻間的時間間隔；l為預測時長；
17、負荷短期功率預測模型為：
18、；
19、式中，y為負荷預測輸出值；l為訓練樣本總數；λ為拉格朗日乘子，b為偏置量，λ、b可由線性方程組求出；xi∈r12為樣本輸入向量；xj為待預測樣本的特征向量；k(xi,xj)為從樣本輸入空間通過非線性映射到高維特征空間的核函數。
20、具體的，所述儲能運行策略包括儲能系統約束和基于允許偏差區間的儲能充放電策略；
21、儲能系統約束包括：
22、功率約束：
23、；
24、；
25、式中，pc(t)為儲能系統在t時刻的充電功率；pd(t)為儲能系統在t時刻的放電功率；為儲能系統額定功率；
26、容量約束：
27、；
28、；
29、式中，soc(t)為儲能荷電狀態；與分別為充、放電效率；為儲能系統額定容量；為調度時間間隔；
30、基于允許偏差區間的儲能充放電策略為：
31、當新能源實際出力值大于允許偏差區間上限時，需要充電：
32、；
33、當新能源實際出力值小于允許偏差區間下限時，需要放電：
34、；
35、式中，與分別為風光t時刻的實際出力值與預測出力值；為允許偏差系數；為風光裝機容量；為儲能系統額定功率，為儲能系統額定容量。
36、具體的，所述煤電機組啟停判據包括：
37、啟動判據，當預測凈負荷超過儲能可提供功率且持續時間超過第一預設閾值，或儲能荷電狀態降至下限閾值且負荷預測顯示未來將持續高負荷運行，或當啟動煤電的總成本低于長時間依賴儲能放電的總成本時，提前啟動煤電；
38、停機判據，當預測可再生能源出力超過負荷需求且盈余功率足夠為儲能充電、持續時間超過第二預設閾值，或當儲能荷電狀態達到上限閾值且預測未來可再生能源與儲能可滿足負荷需求，或當煤電持續低負荷運行導致邊際成本高于儲能放電成本且預測該狀態將持續，或當累計碳排放接近限額時，安排煤電機組停機。
39、具體的，所述煤電出力檔位劃分策略為：
40、根據煤耗特性曲線，將煤電出力劃分為低負荷檔、中負荷檔及高負荷檔，并基于負荷預測結果與當前出力，采用滯環控制策略進行檔位切換。
41、具體的，所述采用隨機森林算法對微電網系統潛在風險進行實時預測包括：
42、訓練階段，采集系統歷史運行數據構建訓練數據集，訓練數據集的樣本包括特征向量和對應的風險等級標簽；特征向量包括實時監測特征、預測信息特征及調度狀態特征；
43、對特征向量進行標準化處理，標準化公式為：
44、；
45、式中，為標準化后的特征值；為第i個樣本的第j個特征值；和分別為第j個特征在訓練集中的均值和標準差；
46、構建包含k棵決策樹的隨機森林分類器；對于第k棵決策樹，從訓練數據集中有放回地隨機抽取n個樣本構成訓練子集，在每個節點分裂時，從全部δ個特征中隨機選擇μ個特征子集(μ?=?√δ)，僅在這μ個特征中選擇最優分裂特征；
47、基于cart算法，以基尼不純度作為分裂準則，節點t的基尼不純度定義為：
48、；
49、式中，c=4為類別總數；為節點t中類別c的樣本比例；
50、使基尼不純度下降最大的特征和分裂點進行節點分裂，分裂帶來的基尼不純度增益為：
51、；
52、式中，和分別為左右子節點的樣本數；為節點t的總樣本數；、分別為左、右子節點的基尼不純度；
53、預測階段，采集當前時刻的實時監測數據、預測信息及調度狀態信息，構建當前時刻的特征向量，將標準化后的特征向量輸入訓練好的隨機森林模型進行預測；
54、收集所有決策樹的預測結果，統計各風險等級的投票數，類別c獲得的票數為：
55、；
56、式中，為預測類別；為指示函數，當條件為真時值為1，否則為0；表示如果第k棵樹預測結果為類別c，則貢獻1票，否則貢獻0票；
57、采用多數投票方式確定最終預測的風險等級：
58、；
59、同時輸出各風險等級的概率分布：
60、。
61、具體的，所述s4中，根據輸出的風險等級，執行以下響應策略：
62、當風險等級為正常運行或低風險時，維持當前運行模式及煤儲協同優化調度；
63、當風險等級為中風險時，進行預調整操作，包括調整儲能soc至中間水平以預留調節裕度，調整煤電機組出力至當前檔位中上水平以預留上調空間，預調整電力電子變換器控制參數；
64、當風險等級為高風險時，立即觸發運行模式緊急切換機制，并根據風險來源切換至對應的運行模式。
65、具體的，所述運行模式緊急切換機制包括：當系統處于并網模式面臨高風險時，切換至孤島運行模式；當系統處于孤島模式面臨高風險時，根據功率平衡情況，切換至由煤電與儲能支撐的穩定運行模式或執行負荷削減。
66、本發明具有以下優點：
67、1、本發明通過建立風電、光伏、煤電及負荷預測模型，實現短期功率預測，提前識別功率缺口或盈余并合理安排各微源出力，降低運行成本；調整儲能優化配置，利用儲能快速充放電特性建立與新能源出力相適應的儲能運行策略。
68、2、本發明通過啟停判據有效控制煤電機組啟停，降低燃料消耗和碳排放。與儲能進行協同充分發揮了儲能的快速響應特性和煤電機組的持續供電能力，在保證供電可靠性的前提下，實現了燃料成本、碳排放和啟停成本的綜合優化；
69、3、本發明提出了預測性保護算法，通過建立基于隨機森林算法的風險預判模型預測潛在風險，顯著提升了供電連續性和系統整體可靠性。