CN107732982A - 考虑模型预测控制的综合能源系统多时间尺度调度方法 - Google Patents
考虑模型预测控制的综合能源系统多时间尺度调度方法 Download PDFInfo
- Publication number
- CN107732982A CN107732982A CN201710981381.XA CN201710981381A CN107732982A CN 107732982 A CN107732982 A CN 107732982A CN 201710981381 A CN201710981381 A CN 201710981381A CN 107732982 A CN107732982 A CN 107732982A
- Authority
- CN
- China
- Prior art keywords
- time
- gas
- scale
- pipeline
- scheduling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000007774 longterm Effects 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 37
- 238000005096 rolling process Methods 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims abstract description 5
- 239000007789 gas Substances 0.000 claims description 141
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 118
- 239000003345 natural gas Substances 0.000 claims description 59
- 238000004519 manufacturing process Methods 0.000 claims description 43
- 238000003860 storage Methods 0.000 claims description 36
- 230000001052 transient effect Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000010248 power generation Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for AC mains or AC distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for AC mains or AC distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开一种考虑模型预测控制的综合能源系统多时间尺度调度方法，包括以下内容：1)建立电‑气互联综合能源系统网络约束模型；2)以经济最优为目标，建立长时间尺度下的目标函数，进行长时间尺度优化调度；3)以长时间尺度优化调度策略为基准值，建立短时间尺度下优化目标函数；4)考虑模型预测控制的预测模型、滚动优化、反馈校正三个部分，实现短时间尺度动态优化调度；5)在建立的电‑气互联综合能源系统中测试其性能。本发明提供的方法有效地提高了计算精度，能够更准确地制定电‑气互联综合能源系统优化调度策略。
Description
技术领域
本发明涉及一种电力系统和天然气系统优化调度控制方法，对电-气互联综合能源系统能量流进行优化调度，属于电力系统技术领域。
背景技术
21世纪以来，能源消耗和全球环境问题日益突出，许多国家都在寻求能源行业的转变和突破。电力行业作为能源消耗的主要部门之一，调整能源结构，实现低碳环保运行尤为重要。和传统火电相比，天然气发电更为清洁、高效。从2012年至2040年，我国燃气发电比例预计将从2％增长至12％。截止2015年年底，我国燃气轮机装机容量达到了66370MW，占全国总装机容量的4.4％。随着燃气轮机的快速发展，电网和天然气网络之间的耦合日益加深，电力系统经济运行和可靠性受到了一定程度的挑战。因此，电力系统和天然气系统分布自治将不再适用于未来的电-气互联综合能源系统，为保证互联系统高效可靠运行，统一优化决策亟待更深入的研究。
现有电-气互联综合能源系统优化调度方法大多为开环优化调度方法，即于某一时间断面或多时间段进行优化调度控制，仍属于静态优化。而净负荷预测难免存在一定的误差，且预测误差随着时间的增加而增大。为减小净负荷预测精度较差对优化决策的影响，可通过对时间尺度的细分来提高负荷预测精度，但该方法忽略了实际系统运行对优化控制过程的影响，易导致优化决策结果非严格最优，而模型预测控制作为一种系统优化控制方法，与细化时间尺度优化调度方法不同，引入了状态量反馈校正环节，从而能够修正预测误差等因素造成的优化调度偏差。
发明内容
发明目的：本发明针对现有电-气互联综合能源系统优化调度策略存在的问题，即因为净负荷预测误差和环境因素导致优化调度策略与系统实际运行存在偏差，提出一种考虑模型预测控制的电-气互联综合能源系统多时间尺度调度方法，其中考虑暂态天然气系统变量存在时段耦合特性，在制定调度策略时运用多时间尺度和模型预测控制方法，有效修正了优化策略与系统实际运行之间的偏差，使优化调度策略更准确。
技术方案：一种考虑模型预测控制的综合能源系统多时间尺度调度方法，包括以下步骤：
(1)考虑天然气管网管存，对综合能源系统网络中电力系统和天然气系统分别进行约束，建立网络约束模型；
(2)基于发电机发电和气源产气成本，以经济最优为目标，建立长时间尺度下日前调度目标函数，以长时间尺度时间间隔进行长时间尺度优化调度；
(3)以长时间尺度优化调度策略为基准值，考虑短时间尺度时间间隔，建立短时间尺度下优化目标函数；
(4)运用模型预测控制，建立预测模型和反馈校正环节，实现短时间尺度下的滚动优化调度；
(5)在综合能源系统中测试其性能。
进一步地，步骤(1)所述建立电-气互联综合能源系统网络约束模型具体步骤如下：
步骤1.1：电磁波在电网中以光速传播，其暂态时间常数比气网小，采用电力系统稳态模型，电力网络的运行约束包括有功无功等式约束、发电机有功无功出力约束、节点电压幅值约束、机组爬坡约束和支路容量约束，表示为：
PG,m,t-PG,m,t-1≤RUm
PG,m,t-1-PG,m,t≤RDm
式中：PG,m,t和QG,m,t为t时刻节点m上发电机组有功、无功出力；PL,m,t和QL,m,t为t时刻节点m有功、无功负荷；Um,t和Un,t为t时刻节点m和n电压幅值；θmn,t为t时刻节点m、n之间的相角差；Gmn和Bmn为节点m、n之间的电导和电纳； PG,m,t和QG,m,t为t时刻节点m上发电机组有功、无功出力；P G,m，和Q G,m，分别为节点m上发电机组有功出力最大值、最小值和无功出力最大值、最小值；U m和为节点m电压幅值上下限；RUm和RDm分别为节点m上发电机组上、下爬坡的上限；PL,l为t时刻第l条线路功率；P L,l和为线路l容量上下限；
步骤1.2：建立天然气管道约束模型，步骤如下：
步骤1.2.1：对于天然气管道mn，暂态模型下描述气网慢动态特性的偏微分方程表达式如下：
式中：fl,t和Πl,t分别为t时刻长度为l处的管道流量和压力；D为管道内径； R为气体常数；T为气体温度；Z为气体压缩因子；ρ0为标准状态下天然气密度；F为管道摩擦系数；
步骤1.2.2：设和为管道两端压力、流量的平均值，则对上式进行差分近似得：
式中：fm,t，fn,t分别为管道mn两端的流量，Πm,t，Πn,t分别为管道mn两端的压力；为时间步长；xmn为管道mn长度；
步骤1.2.3：设Mmn,t为管道mn于t时刻的管存，管道首端为流入流量，末端为流出流量，则：
步骤1.2.4：将步骤1.2.3中等式代入步骤1.2.2中等式得t时刻管道mn管存计算等式：
步骤1.3：考虑天然气存储设施相邻时间段耦合动态过程，建立约束模型；
步骤1.4：建立天然气节点流量平衡方程，对于天然气节点m，其流入和流出流量相等；
步骤1.5：建立气源流量上下限约束、节点压力上下限约束和加压站加压比上下限约束模型。
进一步地，步骤(2)进行长时间尺度优化调度步骤具体如下：
步骤2.1：选定长时间尺度时间间隔，一般为1h；
步骤2.2：考虑机组有功出力和气源产气成本，以经济成本最小为目标建立长时间尺度优化目标函数；
步骤2.3：进行长时间尺度日前优化调度，制定长时间尺度优化调度策略。
进一步地，步骤(3)建立短时间尺度下日前调度目标函数具体步骤如下：
步骤3.1：选定短时间尺度时间间隔，一般为15min；
步骤3.2：以长时间尺度调度策略为基准值，以有功出力增量和产气增量最小为目标建立短时间尺度下的目标函数。
进一步地，步骤(4)所述短时间尺度优化调度具体步骤如下：
步骤4.1：通过量测系统测量该时刻系统运行状态并作为初始值；
步骤4.2：通过滚动优化求解控制变量，预测未来有限时域内发电机组有功出力和气源产气量，建立k时刻预测模型如下：
式中：P(u,k+nΔt)和G(w,k+nΔt)为k时刻预测的未来k+nΔt时刻机组u 有功出力和气源w产气量；P0(u,k)和G0(w,k)为k时刻机组u和气源w的初始值；ΔuP(u,k+t)和ΔuW(w,k+t)为机组u和气源w在k+t时刻的有功出力增量和产气增量；Δt为短时间尺度优化调度时间间隔；N为预测步长；
步骤4.3：根据有功出力增量和气源产气增量下发第一时间段调度指令；
步骤4.4：判断优化过程是否结束，如果结束则优化调度完成，如果没有，则进行下一步；
步骤4.5：以当前系统状态量测值作为初始状态，返回步骤4.2，进行下一时刻的滚动优化调度；则下一时刻初始值为：
式中：P0(u,k+Δt)和G0(w,k+Δt)为k+Δt时刻机组u和气源w的有功出力和产气量初始值；Preal(u,k+Δt)和Greal(w,k+Δt)为k+Δt时刻机组u和气源w 的有功出力和产气量实际量测值。
有益效果：本发明的考虑模型预测控制的综合能源系统多时间尺度调度方法采用天然气系统暂态模型和电力系统稳态模型，建立完整的电-气互联综合能源系统网络约束，然后以经济最优为目标进行长时间尺度调度，然后以长时间尺度调度策略为基准值，考虑模型预测控制，以有功出力增量和产气增量最小为目标进行短时间尺度下的滚动优化调度。本发明考虑了暂态天然气系统变量时段耦合特性，使用多时间尺度和模型预测控制方法，减小了调度策略与系统实际运行的偏差，其调度策略可以更准确地指导电-气互联综合能源系统运行。
附图说明
图1为短时间尺度优化调度流程图；
图2为长时间尺度机组有功出力；
图3为长时间尺度气源产气量；
图4为短时间尺度机组有功出力；
图5为短时间尺度气源产气量；
图6为天然气管存变化图。
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明的思路是考虑出现故障时，电力系统比天然气系统更快达到新的稳定状态，建立电力系统稳态约束模型和天然气系统暂态约束模型。然后以一个较长的时间为间隔，以经济成本最优为目标函数进行长时间尺度下的日前优化调度，形成长时间尺度优化调度策略。以该策略为基准值，考虑机组有功出力增量和气源产气增量最小为目标，以一个较短的时间为间隔，进行短时间尺度的日内准实时调度。最后，以修改的IEEE24节点电力系统和比利时20节点天然气系统为测试算例，验证了所提优化调度策略的可行性以及有效性，并分析了气网管存对电-气互联综合能源系统运行的影响。
本发明在构建电-气互联综合能源系统网络约束模型时，考虑到电磁波在电网中以光速传播，其暂态时间常数比气网小，故采用电力系统稳态模型。电力网络的运行约束可表示为：
PG,m,t-PG,m,t-1≤RUm
PG,m,t-1-PG,m,t≤RDm
式中：PG,m,t和QG,m,t为t时刻节点m上发电机组有功、无功出力；PL,m,t和QL,m,t为t时刻节点m有功、无功负荷；Um,t和Un,t为t时刻节点m和n电压幅值；θmn,t为t时刻节点m、n之间的相角差。Gmn和Bmn为节点m、n之间的电导和电纳； PG,m,t和QG,m,t为t时刻节点m上发电机组有功、无功出力；P G,m，和Q G,m，分别为节点m上发电机组有功出力最大值、最小值和无功出力最大值、最小值；U m和为节点m电压幅值上下限；RUm和RDm分别为节点m上发电机组上、下爬坡的上限；PL,l为t时刻第l条线路功率；P L,l和为线路l容量上下限。
对于天然气网络暂态约束，主要体现在管道变量约束。对于天然气管道mn，暂态模型下描述气网慢动态特性的偏微分方程表达式如下：
式中：fl,t和Πl,t分别为t时刻长度为l处的管道流量和压力；D为管道内径； R为气体常数；T为气体温度；Z为气体压缩因子；ρ0为标准状态下天然气密度； F为管道摩擦系数。
设和为管道两端压力、流量的平均值，则对式进行差分近似得：
式中：fm,t，fn,t和Πm,t，Πn,t分别为管道mn两端的流量以及压力；为时间步长；xmn为管道mn长度。
设Mmn,t为管道mn于t时刻的管存，管道首端为流入流量，末端为流出流量，则：
将上式代入差分所得等式中得t时刻管道mn管存计算等式：
天然气网络约束模型中的另一重要设备为储气设施，当天然气网络发生故障或波动时，储气设施可作为稳定的气源提供天然气。考虑其相邻时间段耦合动态过程，约束如下：
式中：Sm,t为t时刻节点m上储气设施的储气量；和为t时刻节点 m上的储气设施注入、提取流量；和S m为节点m上的储气设施储气量上下限；和为节点m上储气设施注入、提取流量的上限。
天然气网络中，对于天然气节点m，其流入和流出流量相等，表示如下：
式中：fW,m,t为t时刻节点m上的气源流量；fL,m,t为t时刻节点m上的负荷流量；和为t时刻，节点m分别为末端和首端的加压站流量；和为t时刻节点m分别为末端和首端的管道流量。
除了上述约束，天然气网络约束还包括气源流量约束、节点压力约束和加压站加压比约束，具体表述如下：
式中：和f W,m为节点m上气源流量的上下限；和Π m为节点m压力上下限；和C mn为连接节点m、n的加压站加压比上下限。
基于本发明所建立的电-气互联综合能源系统网络约束模型，其调度步骤如下：
(1)进行长时间尺度优化调度
1)选定长时间尺度时间间隔，一般为1h。
2)考虑机组有功出力和气源产气成本，建立长时间尺度优化目标函数，如下所示：
式中：T为长时间尺度优化调度周期，取24h；U为发电机组集合；W为天然气源集合；S为储气设施集合；CP(u)为发电机组u发电成本；CG(w)为气源 w天然气价格；CS(s)为储气设施s提取天然气的成本；Punit(u,t)为t时刻发电机组u的有功出力；Gwell(w,t)为t时刻气源w的产气量；StorOut(s,t)为t时刻从储气设施s中提取的天然气量。
3)进行长时间尺度日前优化调度，制定长时间尺度优化调度策略。
(2)建立短时间尺度优化目标函数
1)选定短时间尺度时间间隔，一般为15min。
2)以长时间尺度优化调度决策为参考值，最小化短时间尺度下的有功出力增量和产气增量，目标函数如下：
式中：和为k+t时刻的有功出力和产气量参考值；HG为天然气热值。
(3)进行短时间尺度优化调度，如图1所示
1)通过量测系统测量该时刻系统运行状态并作为初始值。
2)通过滚动优化求解控制变量，预测未来有限时域内发电机组有功出力和气源产气量，建立k时刻预测模型如下：
式中：P(u,k+nΔt)和G(w,k+nΔt)为k时刻预测的未来k+nΔt时刻机组u 有功出力和气源w产气量；P0(u,k)和G0(w,k)为k时刻机组u和气源w的初始值；ΔuP(u,k+t)和ΔuW(w,k+t)为机组u和气源w在k+t时刻的有功出力增量和产气增量；Δt为短时间尺度优化调度时间间隔；N为预测步长。
3)根据有功出力增量和气源产气增量下发第一时间段调度指令。
4)判断优化过程是否结束，如果结束则优化调度完成，如果没有，则进行下一步。
5)受到负荷预测精度和环境等因素的影响，通过预测模型计算所得预测值可能与系统实际运行有功出力和产气量存在偏差，因此需要反馈校正环节进行校正，即以当前系统状态量测值作为初始状态，返回2)进行下一时刻的滚动优化调度，以此构成闭环控制。则下一时刻初始值为：
式中：P0(u,k+Δt)和G0(w,k+Δt)为k+Δt时刻机组u和气源w的有功出力和产气量初始值；Preal(u,k+Δt)和Greal(w,k+Δt)为k+Δt时刻机组u和气源w 的有功出力和产气量实际量测值。
为验证本发明方法的有效性，进行以下实验：通过修改的IEEE24节点电力系统和比利时20节点天然气系统互联构建电-气互联综合能源系统测试算例。其中电力系统有10台发电机组、24个节点和38条支路，天然气系统包括21条管道、20个节点、2个加压站、4个储气设施和2个气源点。假定电网节点1和13 上的发电机组为燃气轮机，分别由气网节点10和2提供天然气，转换效率为43％。同时电网节点21、22和23上发电机组为水电机组，共同组成发电机群，发电成本为0。所有储气设施初始储气量为储气上限，且在优化调度过程中可以被充分利用。
日前调度以1h为时间间隔，并设定最后一个时段的管存不低于13.394Mm3。长时间尺度下各发电机组有功出力如图2所示，由于水电机组成本为0，各时间段都被充分调度，故不予考虑。
7:00之前，电力负荷较低，主要由发电成本较低的燃气轮机组G1和G5出力。7:00后有两个电力负荷高峰，由图2可知，G1和G5一直以最大出力运行，其它机组出力跟随负荷变化而改变。由此可知，长时间尺度优化调度下各机组出力不均匀，考虑经济性的同时牺牲了燃气轮机效率高、爬坡快的特性。
长时间尺度下天然气管网气源产气量变化图如图3所示。6:00前，天然气源 W1和W2产气量有较大波动，6:00之后，虽然天然气负荷出现峰值，但根据气源产气成本，W2产气量较低，而气源W1一直保持最大产气量，不利于调节。
基于模型预测控制的短时间尺度优化调度，每隔15min执行一次未来1h内的滚动优化，并给出第一时间段的调度策略，各机组有功出力和气源产气量如图 4、图5所示。
可以看出，基于模型预测控制的动态优化调度控制下的各机组有功出力和气源产气量整体上与长时间尺度计算的有功出力值和产气量相同，但短时间尺度优化考虑了系统实际运行情况，以有功出力增量和产气增量为控制变量，通过模型预测控制反馈校正，在尽量保证经济性的同时，使得各机组有功出力以及气源产气量按照负荷波动而变化，因而调度结果更加平滑，同时在机组和气源调度策略中预留了燃气轮机组G1、G5和气源W1、W2一定的出力裕度。
由于天然气的慢动态特性，天然气可以部分储存在管道中，即为管存。暂态模型下，天然气管网管存具有时段耦合的特性，设置不同的预测步长，管存变化如图6所示。
图6中，9:00左右天然气负荷达到峰值，当预测步长N＝2时，天然气管存于7:00左右开始上升，负荷到达峰值后，管存迅速下降且维持在一个较低水平。当N取4和6时，天然气管网管存从4:00左右开始增加，预备未来时段天然气负荷峰值使用，且N＝6时其管存量上升更为迅速。由图6可以看出，滚动优化调度针对天然气负荷高峰，可事先将天然气管存维持在较高水平以供气负荷高峰使用，且随着预测步长增大，气网管存可更早作出管存预备。同时，管存针对气网负荷波动的提前存储灵敏度亦会随着预测步长的增大而下降。且由于长预测时域内负荷波动更大，相应管存可能存在更大范围的波动。因而短时间尺度下的滚动优化调度需选取合适的预测步长。
综上所述，本发明考虑模型预测控制的电-气互联综合能源系统多时间尺度调度方法具有如下优势：相比于天然气系统稳态模型，天然气系统暂态模型下的网络约束模型可以更准确地描述综合能源系统的运行状态；考虑模型预测控制的多时间尺度优化调度可以更准确的制定优化调度策略；充分考虑到预测时长对天然气管网中天然气存储的影响，确定最合适的短时间尺度优化调度预测时长。
Claims (5)
1.一种考虑模型预测控制的综合能源系统多时间尺度调度方法，其特征在于，包括以下步骤：
(1)考虑天然气管网管存，对综合能源系统网络进行约束，建立网络约束模型；
(2)基于发电机发电和气源产气成本，以经济最优为目标，建立长时间尺度下日前调度目标函数，以长时间尺度时间间隔进行长时间尺度优化调度；
(3)以长时间尺度优化调度策略为基准值，考虑短时间尺度时间间隔，建立短时间尺度下优化目标函数；
(4)运用模型预测控制，建立预测模型和反馈校正环节，实现短时间尺度下的滚动优化调度；
(5)在综合能源系统中测试其性能。
2.根据权利要求1所述的考虑模型预测控制的综合能源系统多时间尺度调度方法，其特征在于：步骤(1)所述建立电-气互联综合能源系统网络约束模型具体步骤如下：
步骤1.1：电磁波在电网中以光速传播，其暂态时间常数比气网小，采用电力系统稳态模型，电力网络的运行约束包括有功无功等式约束、发电机有功无功出力约束、节点电压幅值约束、机组爬坡约束和支路容量约束，表示为：
PG,m,t-PG,m,t-1≤RUm
PG,m,t-1-PG,m,t≤RDm
式中：PG,m,t和QG,m,t为t时刻节点m上发电机组有功、无功出力；PL,m,t和QL,m,t为t时刻节点m有功、无功负荷；Um,t和Un,t为t时刻节点m和n电压幅值；θmn,t为t时刻节点m、n之间的相角差；Gmn和Bmn为节点m、n之间的电导和电纳；PG,m,t和QG,m,t为t时刻节点m上发电机组有功、无功出力；P G,m，和Q G,m，分别为节点m上发电机组有功出力最大值、最小值和无功出力最大值、最小值；U m和为节点m电压幅值上下限；RUm和RDm分别为节点m上发电机组上、下爬坡的上限；PL,l为t时刻第l条线路功率；P L,l和为线路l容量上下限；
步骤1.2：建立天然气管道约束模型，步骤如下：
步骤1.2.1：对于天然气管道mn，暂态模型下描述气网慢动态特性的偏微分方程表达式如下：
式中：fl,t和Πl,t分别为t时刻长度为l处的管道流量和压力；D为管道内径；R为气体常数；T为气体温度；Z为气体压缩因子；ρ0为标准状态下天然气密度；F为管道摩擦系数；
步骤1.2.2：设和为管道两端压力、流量的平均值，则对上式进行差分近似得：
式中：fm,t，fn,t分别为管道mn两端的流量，Πm,t，Πn,t分别为管道mn两端的压力；为时间步长；xmn为管道mn长度；
步骤1.2.3：设Mmn,t为管道mn于t时刻的管存，管道首端为流入流量，末端为流出流量，则：
步骤1.2.4：将步骤1.2.3中等式代入步骤1.2.2中等式得t时刻管道mn管存计算等式：
步骤1.3：考虑天然气存储设施相邻时间段耦合动态过程，建立约束模型；
步骤1.4：建立天然气节点流量平衡方程，对于天然气节点m，其流入和流出流量相等；
步骤1.5：建立气源流量上下限约束、节点压力上下限约束和加压站加压比上下限约束模型。
3.根据权利要求1所述的考虑模型预测控制的综合能源系统多时间尺度调度方法，其特征在于：步骤(2)进行长时间尺度优化调度步骤具体如下：
步骤2.1：选定长时间尺度时间间隔，一般为1h；
步骤2.2：考虑机组有功出力和气源产气成本，以经济成本最小为目标建立长时间尺度优化目标函数；
步骤2.3：进行长时间尺度日前优化调度，制定长时间尺度优化调度策略。
4.根据权利要求1所述的考虑模型预测控制的综合能源系统多时间尺度调度方法，其特征在于：步骤(3)建立短时间尺度下日前调度目标函数具体步骤如下：
步骤3.1：选定短时间尺度时间间隔，一般为15min；
步骤3.2：以长时间尺度调度策略为基准值，以有功出力增量和产气增量最小为目标建立短时间尺度下的目标函数。
5.根据权利要求1所述的考虑模型预测控制的综合能源系统多时间尺度调度方法，其特征在于：步骤(4)所述短时间尺度优化调度具体步骤如下：
步骤4.1：通过量测系统测量该时刻系统运行状态并作为初始值；
步骤4.2：通过滚动优化求解控制变量，预测未来有限时域内发电机组有功出力和气源产气量，建立k时刻预测模型如下：
式中：P(u,k+nΔt)和G(w,k+nΔt)为k时刻预测的未来k+nΔt时刻机组u有功出力和气源w产气量；P0(u,k)和G0(w,k)为k时刻机组u和气源w的初始值；ΔuP(u,k+t)和ΔuW(w,k+t)为机组u和气源w在k+t时刻的有功出力增量和产气增量；Δt为短时间尺度优化调度时间间隔；N为预测步长；
步骤4.3：根据有功出力增量和气源产气增量下发第一时间段调度指令；
步骤4.4：判断优化过程是否结束，如果结束则优化调度完成，如果没有，则进行下一步；
步骤4.5：以当前系统状态量测值作为初始状态，返回步骤4.2，进行下一时刻的滚动优化调度；则下一时刻初始值为：
式中：P0(u,k+Δt)和G0(w,k+Δt)为k+Δt时刻机组u和气源w的有功出力和产气量初始值；Preal(u,k+Δt)和Greal(w,k+Δt)为k+Δt时刻机组u和气源w的有功出力和产气量实际量测值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710981381.XA CN107732982B (zh) | 2017-10-20 | 2017-10-20 | 考虑模型预测控制的综合能源系统多时间尺度调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710981381.XA CN107732982B (zh) | 2017-10-20 | 2017-10-20 | 考虑模型预测控制的综合能源系统多时间尺度调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107732982A true CN107732982A (zh) | 2018-02-23 |
| CN107732982B CN107732982B (zh) | 2021-02-26 |
Family
ID=61212253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710981381.XA Active CN107732982B (zh) | 2017-10-20 | 2017-10-20 | 考虑模型预测控制的综合能源系统多时间尺度调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107732982B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110112781A (zh) * | 2019-05-17 | 2019-08-09 | 河海大学 | 一种综合能源电力系统分布互联建模分析方法 |
| CN110390432A (zh) * | 2019-07-22 | 2019-10-29 | 新奥数能科技有限公司 | 用于综合能源的能源动态优化调度方法、装置和电子设备 |
| CN110516951A (zh) * | 2019-08-22 | 2019-11-29 | 南京工业大学 | 一种动态时间间隔的综合能源系统调度方法 |
| CN111339474A (zh) * | 2020-02-17 | 2020-06-26 | 山东大学 | 一种基于趋势预测分析法的综合能源系统预测运行方法 |
| CN111695269A (zh) * | 2020-06-23 | 2020-09-22 | 中国电力科学研究院有限公司 | 多时间断面的电-气综合能源系统状态估计方法及系统和装置 |
| CN112072712A (zh) * | 2020-08-31 | 2020-12-11 | 合肥工业大学 | 综合能源系统多时间尺度优化调度方法、系统及存储介质 |
| CN112330127A (zh) * | 2020-10-29 | 2021-02-05 | 东南大学 | 一种多时间尺度电热综合能源系统静态安全控制方法 |
| CN112332460A (zh) * | 2020-10-30 | 2021-02-05 | 重庆大学 | 一种考虑能流特性差异的电-气互联系统异步调度方法 |
| CN113555907A (zh) * | 2021-06-21 | 2021-10-26 | 南京师范大学 | 一种考虑非理想通信情况的分布式多能系统滚动优化控制方法 |
| CN114357687A (zh) * | 2021-08-30 | 2022-04-15 | 河海大学 | 一种计及实时仿真的综合能源系统混合时间尺度协同运行方法 |
| CN114884057A (zh) * | 2022-07-11 | 2022-08-09 | 华东交通大学 | 一种自适应步长双闭环mpc优化调度方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104993522A (zh) * | 2015-06-30 | 2015-10-21 | 中国电力科学研究院 | 一种基于mpc的主动配电网多时间尺度协调优化调度方法 |
| CN106953359A (zh) * | 2017-04-21 | 2017-07-14 | 中国农业大学 | 一种含分布式光伏配电网有功无功协调优化控制方法 |
-
2017
- 2017-10-20 CN CN201710981381.XA patent/CN107732982B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104993522A (zh) * | 2015-06-30 | 2015-10-21 | 中国电力科学研究院 | 一种基于mpc的主动配电网多时间尺度协调优化调度方法 |
| CN106953359A (zh) * | 2017-04-21 | 2017-07-14 | 中国农业大学 | 一种含分布式光伏配电网有功无功协调优化控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 董雷等: "基于模型预测控制的主动配电网多时间尺度", 《中国电机工程学报》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110112781A (zh) * | 2019-05-17 | 2019-08-09 | 河海大学 | 一种综合能源电力系统分布互联建模分析方法 |
| CN110390432A (zh) * | 2019-07-22 | 2019-10-29 | 新奥数能科技有限公司 | 用于综合能源的能源动态优化调度方法、装置和电子设备 |
| CN110516951A (zh) * | 2019-08-22 | 2019-11-29 | 南京工业大学 | 一种动态时间间隔的综合能源系统调度方法 |
| CN111339474A (zh) * | 2020-02-17 | 2020-06-26 | 山东大学 | 一种基于趋势预测分析法的综合能源系统预测运行方法 |
| CN111695269A (zh) * | 2020-06-23 | 2020-09-22 | 中国电力科学研究院有限公司 | 多时间断面的电-气综合能源系统状态估计方法及系统和装置 |
| CN112072712A (zh) * | 2020-08-31 | 2020-12-11 | 合肥工业大学 | 综合能源系统多时间尺度优化调度方法、系统及存储介质 |
| CN112072712B (zh) * | 2020-08-31 | 2022-07-12 | 合肥工业大学 | 综合能源系统多时间尺度优化调度方法、系统及存储介质 |
| CN112330127A (zh) * | 2020-10-29 | 2021-02-05 | 东南大学 | 一种多时间尺度电热综合能源系统静态安全控制方法 |
| CN112330127B (zh) * | 2020-10-29 | 2024-06-14 | 东南大学 | 一种多时间尺度电热综合能源系统静态安全控制方法 |
| CN112332460B (zh) * | 2020-10-30 | 2024-06-04 | 重庆大学 | 一种考虑能流特性差异的电-气互联系统异步调度方法 |
| CN112332460A (zh) * | 2020-10-30 | 2021-02-05 | 重庆大学 | 一种考虑能流特性差异的电-气互联系统异步调度方法 |
| CN113555907A (zh) * | 2021-06-21 | 2021-10-26 | 南京师范大学 | 一种考虑非理想通信情况的分布式多能系统滚动优化控制方法 |
| CN113555907B (zh) * | 2021-06-21 | 2023-09-22 | 南京师范大学 | 一种考虑非理想通信情况的分布式多能系统滚动优化控制方法 |
| CN114357687B (zh) * | 2021-08-30 | 2022-12-16 | 河海大学 | 一种计及实时仿真的综合能源系统混合时间尺度协同运行方法 |
| CN114357687A (zh) * | 2021-08-30 | 2022-04-15 | 河海大学 | 一种计及实时仿真的综合能源系统混合时间尺度协同运行方法 |
| CN114884057B (zh) * | 2022-07-11 | 2022-09-09 | 华东交通大学 | 一种自适应步长双闭环mpc优化调度方法 |
| CN114884057A (zh) * | 2022-07-11 | 2022-08-09 | 华东交通大学 | 一种自适应步长双闭环mpc优化调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107732982B (zh) | 2021-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107732982A (zh) | 考虑模型预测控制的综合能源系统多时间尺度调度方法 | |
| CN109347151B (zh) | 一种新能源参与调峰的送端电网电源结构优化方法 | |
| US9618914B2 (en) | Energy resource-grid-load automatic control system of smart microgrid and control methods thereof | |
| CN109919399B (zh) | 一种综合能源系统日前经济调度方法及系统 | |
| CN110518583B (zh) | 一种考虑动态特性的综合能源系统可靠性评估方法 | |
| CN110854932A (zh) | 一种交直流配电网多时间尺度优化调度方法及系统 | |
| CN107291990A (zh) | 基于电‑气互联综合能源系统暂态模型的能量流仿真方法 | |
| CN104951899A (zh) | 含大规模可再生能源的配电公司多时间尺度优化调度方法 | |
| CN112163700A (zh) | 一种考虑储能电池循环寿命的电化学储能电站规划方法 | |
| CN109617142A (zh) | 一种cchp型微电网多时间尺度优化调度方法及系统 | |
| CN107104462B (zh) | 一种用于风电场储能调度的方法 | |
| CN107317361A (zh) | 一种考虑区域自治能力的主动配电网全局优化调度方法 | |
| Kim et al. | Maximum power point tracking of a wind power plant with predictive gradient ascent method | |
| CN117709682B (zh) | 一种梯级水电响应灵活性需求模式下的水库水位扰动区间评估与控制方法 | |
| CN104167765A (zh) | 一种基于接纳能力分布的最大风电装机容量计算方法 | |
| CN113659620A (zh) | 基于动态频率约束的水风互补发电系统日前调度方法 | |
| CN116260181A (zh) | 考虑大规模可再生能源接入的多时间尺度调度方法 | |
| CN110084465A (zh) | 基于储能的风力发电系统成本/供电可靠性评估方法 | |
| CN114266382A (zh) | 一种考虑热惯性的热电联产系统两阶段优化调度方法 | |
| CN116742664A (zh) | 一种短期电池储能和季节性储氢协同规划方法及系统 | |
| CN104636831B (zh) | 一种面向多电网的水电站短期调峰特征值搜索方法 | |
| CN115099590B (zh) | 计及光荷不确定性的主动配电网经济优化调度方法及系统 | |
| CN106257792A (zh) | 一种基于两阶段机组组合的新能源优先调度方法 | |
| CN108667077A (zh) | 一种风蓄联合系统优化调度方法 | |
| Zhang et al. | Multi-time scale co-optimization scheduling of integrated energy system for uncertainty balancing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |