CN109102125A - 一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法 - Google Patents

一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法 Download PDF

Info

Publication number
CN109102125A
CN109102125A CN201810982794.4A CN201810982794A CN109102125A CN 109102125 A CN109102125 A CN 109102125A CN 201810982794 A CN201810982794 A CN 201810982794A CN 109102125 A CN109102125 A CN 109102125A
Authority
CN
China
Prior art keywords
node
representing
natural gas
year
cost
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
Application number
CN201810982794.4A
Other languages
English (en)
Other versions
CN109102125B (zh
Inventor
韩璟琳
胡诗尧
邵华
安佳坤
翟广心
刘雪飞
唐帅
杨占峰
张宁
孙海新
韩伟
吴志力
宋毅
赵海波
贾杏平
曾鸣
刘英新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Hebei Electric Power Co Ltd
North China Electric Power University
Economic and Technological Research Institute of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Hebei Electric Power Co Ltd
North China Electric Power University
Economic and Technological Research Institute of State Grid Hebei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Hebei Electric Power Co Ltd, North China Electric Power University, Economic and Technological Research Institute of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Hebei Electric Power Co Ltd
Priority to CN201810982794.4A priority Critical patent/CN109102125B/zh
Publication of CN109102125A publication Critical patent/CN109102125A/zh
Application granted granted Critical
Publication of CN109102125B publication Critical patent/CN109102125B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法，在计算设备中执行，该方法包括：建立区域综合能源系统优化模型，区域综合能源系统包括天然气网络、电动汽车充电站网络和电力网络，优化模型的优化目标为使区域综合能源系统的总成本最小；为该优化模型设置约束条件，根据约束条件确定优化模型的最优解，最优解中至少包括新增的电力元件、输电线路、输气管道的位置、类型和容量；根据最优解来规划所述区域综合能源系统。本发明一并公开了相应的计算设备。

Description

一种考虑天然气网络和电动汽车协调的区域综合能源系统规 划方法
技术领域
本发明涉及能源规划技术领域，尤其涉及一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法。
背景技术
能源是人类赖以生存、经济发展和社会进步的重要基础资源，关系到国家经济命脉和国家安全的重要战略物资，因此，合理有效地开发、利用和保护能源资源，做出适合我国国情的能源规划是十分必要的。
一个典型的区域电力能源系统通常由三个主要部分组成，包括能源资源供应部门、能源转换部门和电力需求部门。能源资源供应部门为系统提供不同可利用量的能源资源，包含可再生和非可再生资源；能源转换部门包含了具有不同经济、环境和技术性能的能源转换技术；电力需求部门包含了促进各种终端用户消费的需求侧技术，并以各种不同的社会经济、地理、人口、技术进步和环境条件为特征。决策者需要考虑的是，如何在多时期、多替代选择的情况下，把能源资源和服务合理地分配到多个终端用户。决策者可以将问题构建为以最小化系统成本为目标，寻求规划期内最优的能源资源分配形式，电力生产计划和能源转换技术扩容计划。对电力生产部门来说，决策者会预先给每种能源转换技术制定一个电力生产目标。如果电力需求没有超过生产目标，系统将只遭受常规运行成本反之，如果电力需求超过生产目标，则会因为付出额外的劳动力、管理、运行和维护费用,或者是扩容和以更高的价格外购能源而使系统遭受惩罚。规划期内未来的电力需求通常构建为与概率分布相联系的不确定参数，并且与之相关的电力生产计划具有动态特性。从而，为了寻求最合适的能源资源及能源转换技术来满足随机的电量需求，相关决策必须根据不同资源和技术的可利用性、经济、环境和技术特性在每一个不同概率水平下的时期做出。
然而，就目前的研究来看，针对综合能源系统和多能源协调优化的成果比较少。如果不打破能源系统规划的常规，依旧采取单能源系统规划后，再将各系统规划结果组装的方式开展工作，十分不利于未来综合能源效率的提升、不利于全系统的优化配置、不利于能源供给侧改革目标的实现。
发明内容
为此，本发明提供一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法以及计算设备，以力图解决或至少缓解上面存在的问题。
根据本发明的一个方面，提供一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法，在计算设备中执行，所述方法包括：建立综合能源系统优化模型，所述综合能源系统包括天然气网络、电动汽车充电站网络和电力网络，所述优化模型的优化目标为使所述综合能源系统的总成本最小；为所述优化模型设置约束条件，根据所述约束条件确定所述优化模型的最优解，所述最优解至少包括新增的电力元件、输电线路、输气管道的位置、类型和容量；根据所述最优解来规划所述综合能源系统。
根据本发明的另一个方面，提供一种计算设备，包括：至少一个处理器；和存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如上所述的考虑天然气网络和电动汽车协调的区域综合能源系统规划方法的指令。
根据本发明的又一个方面，提供一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如上所述的考虑天然气网络和电动汽车协调的区域综合能源系统规划方法。
本发明从多能源系统维度出发，构建了一个包含电力系统、天然气网络、交通网络(电动汽车充电站网络)的综合能源系统规划模型(planning model of Integratedenergy system，PMIES)，以期通过三者的协调优化规划解决独立规划带来的效率问题，同时打通不同能源系统之间的隔阂，使得未来能源互联网和综合能源系统有一定的全能源系统规划思路和方法，为电力——能源系统综合管理提供决策选择。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的计算设备100的示意图；
图2示出了根据本发明一个实施例的考虑天然气网络和电动汽车协调的区域综合能源系统规划方法200的流程图；
图3示出了根据本发明一个实施例的天然气网络的示意图；
图4示出了根据本发明一个实施例的测试系统的示意图；
图5示出了图4所示的测试系统的规划结果示意图；
图6示出了图4所示的测试系统的各节点的电力元件的规划结果示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
为了更清楚地描述本发明，此处对本发明中所涉及的术语缩写进行释明：
1、PMIES：planning model of Integrated energy system，包含电力系统、天然气网络、交通网络(电动汽车充电站网络)的综合能源系统规划模型；
2、DCHP：Distrubuted combined heat and power，分布式热电联产系统；
3、P2G：power to gas，电转气；
4、SOC：state of charge，电荷状态；
5、DG：Distributed Generation，分布式发电装置；
6、EV：electric vehicle，电动汽车。
图1示出了根据本发明一个实施例的计算设备100的结构图。计算设备例如可以是服务器(例如Web服务器、应用服务器等)，桌面计算机和笔记本电脑等个人计算机，手机、平板电脑、智能可穿戴设备等便携式移动设备等，但不限于此。如图1所示，在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。
取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于：微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个程序122以及程序数据124。在一些实施方式中，程序122可以布置为在操作系统上由一个或多个处理器104利用程序数据124执行指令。
计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
在根据本发明的计算设备100中，应用122包括考虑天然气网络和电动汽车协调的区域综合能源系统规划装置126，装置126包括多条程序指令，而程序数据124可以包括区域综合能源系统优化模型的各项参数等数据。应用126可以指示处理器104执行考虑天然气网络和电动汽车协调的区域综合能源系统规划方法200，对程序数据124进行处理，以得出区域综合能源系统的规划结果，为区域综合能源系统的管理、决策提供依据。
图2示出了根据本发明一个实施例的考虑天然气网络和电动汽车协调的区域综合能源系统规划方法200的流程图。方法200适于在计算设备(例如前述计算设备100)中执行。如图2所示，方法200始于步骤S210。
在步骤S210中，建立区域综合能源系统优化模型，区域综合能源系统包括天然气网络、电动汽车充电站网络和电力网络，优化模型的优化目标为使区域综合能源系统的总成本最小。
应当指出，本发明的区域综合能源系统规划以区域为规划界限。在能源供给侧，区域中包含多类型DG机组、天然气P2G装置、移动储能(电动汽车)、储能元件等(由于区域范围所限，不考虑大型发电机组，所缺电量由上级电网提供)；在能源输送侧，SUME包含输电线路、输气管道、交通网络等；在能源负荷侧，SUME包含电负荷、天然气负荷、热负荷等，其中热负荷主要由电能和天然气在终端转化提供，因此不单独考虑热力管道。
本发明所提出模型是以规划范围内的系统综合成本最小化为目标的，同时兼顾了电力系统、天然气网络、交通网络物理运行的基本要求和安全需求。系统综合成本包括天然气网络设施的投资成本和变动成本，充电站设施的投资成本和运维成本，电力系统发电和电网设施的投资成本和变动成本，以及从上级网络购买天然气和电能的购置费用。为准确反映成本的时间价值，所有成本和费用都以规划初始年现值形式表达。
根据一种实施例，区域综合能源系统的总成本为天然气网络的成本、电动汽车充电站网络的成本以及电力网络的成本之和，即：
min TCtotal＝TCgas+TCEV+TCele (0)
TCtotal表示区域综合能源系统的总成本；TCgas、TCEV、TCele分别表示天然气网络、电动汽车充电站网络、电力网络的成本。
随后，在步骤S220中，为优化模型设置约束条件，根据约束条件确定优化模型的最优解，最优解至少包括新增的电力元件、输电线路、输气管道的位置、类型和容量。
根据一种实施例，天然气网络包括天然气供给、天然气输送、天然气负荷，图3示出了根据本发明一个实施例的天然气网络的示意图，天然气网络中的节点即为天然气存储站(或称为分流站)。天然气的供给来源主要有存储站液化天然气的再气化和天然气站点的管道输送；天然气的输送渠道主要有燃气管道和大型罐车或者轮船；天然气负荷包括工商业应用、化工原料、燃气发电等。一般而言，天然气存储站的作用类似于电力的“削峰填谷”，在低负荷时将天然气存储起来，到高负荷时再将存储站的天然气投放到市场，此外它还起到一定的战略储备作用。天然气存储站是一个小区域的系统，从系统经济性角度来说不具备配置大型储罐的条件，小型储罐对于燃气发电或燃气供热成本影响有限，因此本发明仅考虑燃气管道网络和P2G成本，储气设施假设已存在于各节点。由于是与电力系统一起进行多能源系统的规划，因此在天然气负荷方面主要考虑天然气的热负荷、燃气发电负荷等。
为了实现能源的相互转化，区域中配置了分布式热电联产系统(Distrubutedcombined heat and power，DCHP)和电转气(power to gas，P2G)装置。为了界定清楚投资核算的界限，本发明假设DCHP为发电设备，在电力系统规划模型中单独展开，因此，天然气网络的成本函数为：
其中，TCgas表示天然气网络规划期内的总成本；ICgas表示天然气网络规划期内的总投资成本；OCgas表示天然气网络总变动成本；Zgas表示规划期末时在规划期内投资设备的残值；T表示规划期年份集合，t表示第t个规划年；N表示天然气网络节点集合，包括所有天然气通过的系统节点，n表示第n个天然气网络节点；ICP2G和ICpipe分别表示电转气设备单位容量投资成本及输气管道的单位长度投资成本；表示第t年节点n上新安装的电转气装置容量；r表示折现率；表示节点n到节点m的待铺设管道长度；为布尔变量，当时表示第t年铺设节点n到节点m的管道，时表示第t年未铺设节点n到节点m的管道；OCP2G和OCpipe分别表示电转气设备及输气管道的变动成本，其中OCpipe受管道长度和天然气流通量影响很小，本发明假设每年的OCpipe不变，且传输损耗也考虑在OCpipe中；表示第t年节点n中电转气的总体积；pgas表示上级网络的天然气价格；表示第t年从上级网络购买的天然气体积；表示天然气供应不足时削减负荷造成的费用；表示第t年削减天然气负荷的总体积；和分别表示在第t年电转气设备和管道的总投资；TP2G和Tpipe分别表示电转气设备和管道的寿命期。
与电力类似，天然气在传输和应用过程中也必须符合一定的物理规律和系统约束条件，如：流量与温度、压强的关系，节点的流量平衡，节点压强平衡等。根据一种实施例，在天然气网络中，约束条件包括以下(2)～(9)中的至少一项：
其中，K表示输气管道集合，k表示第k条管道，表示节点n和节点m之间的管道集合；表示通过节点n到节点m之间管道k的天然气流量；T’0、p’0分别表示标准温度和标准压强；p’n和p’m分别表示节点n和节点m的压强；为布尔变量，当p’n 2≥p’m 2时，当p’n 2＜p’m 2时，zn→m,t＝-1；dk表示管道k的直径；μk表示天然气与管道的摩擦系数，其中摩擦系数与管道k直径有关；α表示天然气的气体压缩因子；Ggas表示天然气的气体比重；T’k表示管道k的实际温度；表示管道k能够承载的最大流通量。公式(2)～(4)表征了节点之间天然气流量与节点压强、实际温度、气体比重等因素的关系。
其中，和分别表示节点n中通过管道k的天然气输入量和输出量；表示节点n通过电转气等方式生产的天然气体积；表示节点n处消纳的天然气体积；Kn表示与节点n相连的管道集合；和分别表示节点n天然气产量的最小值和最大值；UP2G、和分别表示单个电转气装置可输出的天然气的体积和可输出的天然气体积的上下限。公式(5)～(7)表征了节点的流量平衡。
其中，β表示调整系数，与实际温度和压强有关；表示节点n和m之间给管道k提供的外部压强，以保证天然气在节点之间流通，一般由压缩机来提供；ηpre表示外部压强的衰减系数；Tk’表示管道k的温度；p’max表示节点能承受的最大压强。公式(8)、(9)表征了节点压强之间的关系及压强平衡约束。
在一个区域中，电动汽车是十分重要的移动储能元件，也是交通网络与电力系统耦合的关键节点。电动汽车的发展使得电价等电能领域信号能够成为引导交通网络布局和运行的重要措施之一。电动汽车与电力系统的连接点主要是多种类型的充换电站，连接点的布局将直接影响着电力系统和交通网络的综合经济效益和运行效率。因此，在综合能源系统规划中考虑电动汽车充换电站的选址定容问题十分重要。
慢充站是电动汽车的主要能源补给设施，快充站是慢充站很好的补充设施，可以为更多的电动汽车提供充电服务。换电站由于成本较高，一般仅针对一些公共特种车辆。因此，本发明主要考虑慢充站和快充站的选址定容问题。而充电站的选址定容问题首先要解决是计算电动汽车的充电需求。在计算电动汽车充电需求前，以下假设需要明确：1、当前的技术条件下电池的续驶里程是SD0。忽略不同类型车的电池容量差别，即SD0与车辆类型无关；2、基于目前的动力电池技术水平，电池循环寿命较短，折旧成本较高，经济性较差，如果反复采用3C以上大电流对电池进行快速充电，将显著缩短电池寿命，导致电动汽车经济性变差，所以设定充电站以慢充为主快充为辅的原则进行建设。
根据以上假设，区域中电动汽车的充电总需求可以通过以下公式(10)计算得出，为后续充电站的选址定容选址定容提供容量约束数据：
其中，qEV表示日最大充电频次需求；表示电动汽车在h时段内充电频次；e表示电动汽车的保有量；y表示在h时段内电动汽车的平均行驶里程；H表示所有运行时段的集合，h表示第h个时段。
排队论是研究合理协调“需求”与“服务”关系的一种数学理论。本发明用排队论的原理和方法构造一个能反映系统特征的排队模型，研究系统中充电车队排队长度、等待时间等运行指标。在配置充电设施时，电动汽车的排队长度和等待时间是十分重要的系统约束。
一般而言，在路上行驶的电动汽车发现电量不足需要充电是一个随机过程，为了研究充电站的充电工作必须弄清电动汽车充电的发生规律。根据经验可知充电需求产生过程满足以下三个特点：
1、两辆汽车产生充电需求的时间间隔可以看作是一个无后效性的过程，即在不相重叠的时间段内顾客到达的数量是相互独立的；
2、对充分小的时间间隔Δh，在时间区间[h,h+Δh]内有一个电动汽车到达的概率与时间h无关，而仅与时间区间长度成正比；
3、对充分小的时间间隔Δh，在时间区间[h,h+Δh]内有两个或两个以上电动汽车到达的概率可忽略不计，这表明电动汽车到达的时间是各不相同，是独立发生事件。
以上三个特点符合泊松分布的特点，可以用泊松流来描述电动汽车产生充电需求的规律。而若电动汽车充电需求是泊松流，则两辆电动汽车相继到达的时间间隔T服从负指数分布。因此，区域中电动汽车的需求激发点、充电站的充电能力以及电动汽车的排队状况可作如下假设和限制：
1、每一台车的充电时间服从负指数分布；
2、一个充电装置只能同时接受一辆电动汽车的充电请求，充电站内的充电装置无差异，即属于多通道、系统容量有限制的服务系统。
3、排队等待的电动汽车数量不应超过一定的数量；
4、电动汽车等待充电的平均时间不应超过一定的时间，否则会造成过长的等待时间而影响顾客的出行。
通过以上分析可知充电系统模式是M/M/C，即Poisson输入、负指数服务时间分布、C个服务台(即充电装置)的等待制排队模型。若充电装置可同时工作且相互独立，平均服务率均为γ(即充电平均时间的倒数)，则整个充电站的平均服务率Γ如公式(11)所示：
而某时段待充电车辆的最大到达率λ’，即电动汽车用户到达最小时间间隔的倒数可如公式(12)所示，它是在节点安装充电装置数量的重要依据。公式(13)表征了电动汽车在节点i上某时段内的充电功率
I表示电力网络的节点集合，i表示第i个节点。根据上文所述，充电站所配置的地点都是交通网络和电力网络的连接处，因此电动汽车充电网络的节点(即电动汽车充电站)直接采用电力系统节点标注，以方便后续计算；λ’i表示节点i处的电动汽车最大到达率；λi，h表示时段h内节点i的电动汽车平均到达率；表示时段h内节点i的电动汽车总流量；τh表示时段h内电动汽车的平均使用率；pEV表示单辆电动汽车的充电功率。
对于电动汽车用户而言，如何更加便捷、快速的充电，不影响其正常使用车辆十分关键。快充方式一般发生在车辆使用过程中，对充电时间和排队时间有比较高的要求；慢充方式一般发生在车辆闲置过程中，且慢充时间较长，用户不可能长时间等待上一车辆充电完毕再进行充电。可见，影响充电站服务水平的核心因素为用户的平均充电等待时间。因此，本发明参考文献，根据交通高峰时段用户的最大允许充电等待时间Δhmax来配置充电站的充电设备数量，如公式(14)～(18)所示：
s.t.Δhi′≤Δhmax (15)
其中，表示节点i配置的电动汽车充电装置总额定功率，为该节点所有充电装置以额定功率工作时的功率总和。通过上述模型可以得到一组向量表示系统中各个节点充电装置的总额定功率；Δh’i表示所有时段内最大充电等待时间，通过公式(16)计算得出；Ci表示节点i安装充电装置的数量；τ’表示一天当中的最大利用率，由公式(18)计算得出；Pr0i表示节点i所有充电装置空置的概率。
上述模型的重点在于决策变量Ci，通过模型计算可以得到两组关键向量C＝{C1，C2……Ci}和PEV，分别表示每个节点安装的充电装置数量和充电装置的总容量，而这些数据是计算交通网络总成本的基础数据，也是含电力系统、交通网络、天然气网络的综合能源系统协调规划的决策变量之一。
根据一种实施例，电动汽车充电站网络的成本函数为：
其中，TCEV，ICEV，OCEV和ZEV分别表示电动汽车充电站网络规划期内的总成本、总投资成本、总变动成本以及新投设备规划期末的残值；I表示电力网络的节点集合，i表示第i个节点；ΔCi,t表示第t年在节点i处新增加的充电装置数量；Ci,t表示第t年在节点i处已有运行的充电装置数量；表示在第t年充电装置的总投资；TEV表示充电装置的寿命期。
在开展综合能源系统规划时，还需满足电动汽车的以下约束条件(20)～(23)：
其中，Ci表示节点i安装充电装置的数量；Cmax表示单节点可安装充电装置数量的上限；表示节点i的充电装置使用容量；表示节点i配置的电动汽车充电装置总额定功率，为该节点所有充电装置以额定功率工作时的功率总和；表示在节点i在时间段h时电动汽车的电荷状态；和分别为时间段h内电动汽车蓄电池充电及放电量；ζc和ζd分别为蓄电池充放电效率；分别表示单节点在单时段内电动汽车的电荷状态的上下限。公式(20)表征了在现实条件约束下(如土地限制等)单个节点可安装充电装置的上限；公式(21)表征了节点i上电动汽车蓄电池充放电功率的范围。电动汽车的蓄电池可以实现电能的双向流动，当电动汽车充电时不大于节点安装的额定容量，当电动汽车反向输送时为不小于额定容量的80％；公式(22)、(23)表征了电动汽车蓄电池SOC平衡条件和上限约束。
根据一种实施例，电力网络的成本按照以下公式确定：
其中，T表示规划期年份集合，t表示第t个规划年；I表示电力网络的节点集合，i表示第i个节点；G表示分布式的发电类型集合，g表示第g种发电类型；表示发电类型g的机组单位容量投资成本；表示第t年节点i内发电类型g的新增机组容量；表示发电类型g的机组单位容量运行成本；表示第t年节点i内发电类型g的实际运行容量；r表示折现率；表示节点i和j之间线路的投资和建设成本；为布尔变量，表示第t年节点i和节点j之间有扩容，表示第t年节点i和节点j之间没有扩容；OCL表示线路单位容量运行成本；表示第t年节点i和节点j之间的实际运行容量；ICS，OCS分别表示储能单元的单位容量投资成本和运行成本；表示第t年节点i内的新增储能容量；表示第t年节点i内系统与储能单元之间的总流通电量；B为负荷段集合，b表示第b个负荷段；cDR表示系统实施需求响应的单位容量成本；表示第t年负荷段b通过需求响应削减的负荷；Δhb表示响应持续时间；zb,t为布尔变量，zb,t＝1时表示第t年负荷段b实现了负荷削减，zb,t＝0时表示第t年负荷段b未实现负荷削减；ccut表示直接削减用户负荷所需支付给用户的单位补偿费用；表示第t年负荷段b直接削减的用户电量；z’b,t为布尔变量，z’b,t＝1时表示第t年负荷段b实现了直接负荷削减，z’b,t＝0时表示第t年负荷段b未实现直接负荷削减；pele表示从上级电网的购电成本；表示第t年从上级电网的总购电量；W表示系统内所有设备的集合，w表示第w个设备；Tw表示设备w的寿命年限；tw表示设备w投入使用的年份，即从规划期初始年算起的年份数；表示设备w的初始固定资产价值。
在公式(24)中，第一项表示系统中规划期内新增DG机组的投资成本和所有机组的运维成本；第二项表示系统输电线路综合成本，包括扩容投资成本和运维成本；第三项表示系统中储能单元的总成本，包括容量投资成本和运维成本；第四项为系统停电成本，由需求响应费用CDR和削负荷成本Ccut组成；第五项为SUME从上级电网的购电成本；第六项为规划年末期的系统新增设施残值。
为了保证系统的安全稳定性，在规划电力网络是还需要满足以下约束条件(25)～(34)：
1、DG容量约束
DG机组的有功功率和无功出力都受其最大容量和最小容量的限制，同时节点i的可安装DG容量也受到约束。
其中，表示初始年节点i中拥有的分布式发电机组的容量；表示第t年节点i内的新增机组容量；表示节点i可安装的分布式发电机组的总容量；分别表示发电机组中发电类型g的有功出力上下限。
2、线路容量约束
由于受空间资源限制，节点之间的输电通道可承受的线路容量有限，是线路升级所需考虑的约束。
表示初始年节点i和j之间的线路容量；表示第t年节点i和节点j的新增线路容量；表示节点i和j之间输电通道允许架设的线路最大容量；为布尔变量，M为一个足够大的常数，使得当时，为0，当时，M的值足够大从而保证有足够大的空间来选择新线路。布尔变量作为连续约束的“开关”，产生大于或等于线路升级所允许的最大容量。
3、潮流约束
其中，Pi、Qi和|Vi|分别表示正常情况下节点i的有功功率、无功功率注入及电压幅值；Gij和Aij分别表示正常情况下系统导纳矩阵的实部和虚部；θij表示节点i和节点j的电压相角差。
4、电压约束
Vmin≤Vi≤Vmax (31)
其中，Vi表示节点i的节点电压；Vmin和Vmax分别表示系统节点允许电压波动的下限和上限。
5、储能约束
受自身技术条件和经济性限制，区域综合能源系统中的储能采用中等容量和技术较为成熟的储能单元，在实际运行中储能的充放电容量及速率需满足如下约束条件：
其中，表示在负荷段b内节点i中储能单元的电荷状态；和分别为在负荷段b内节点i中储能单元的充电及放电量；ξc和ξd则分别为储能单元的充放电效率；表示节点i中储能单元的使用容量；和分别为电荷状态允许范围的上、下限；νb表示储能单元在负荷段b内的充放电速率；νmax表示储能单元充放电速率允许的最大限值。
基于前述公式(0)(1)(19)(24)所确定的目标函数，以及公式(2)～(9)、(20)～(23)、(25)～(34)所确定的约束条件来确定优化模型的最优解，最优解至少包括新增的电力元件、输电线路、输气管道的位置、类型和容量。根据一种实施例，电力元件包括以下类型：风力发电元件、光伏发电元件、分布式燃气发电元件、生物质发电元件、分布式热电联产系统发电元件以及储能元件；输电线路的类型包括单位电阻和单位成本；输气管道的类型包括直径和长度。
随后，在步骤S230中，根据最优解来规划区域综合能源系统。
以下给出本发明的一个算例：
1、基础数据及模型参数
本发明的区域综合能源系统是一个包含多个主体模块的优化模型，其中天然气管道气流方程等属于非线性方程，可通过增量分段线性化方法进行处理，从而将模型转化为一个相对容易求解的混合整数线性优化问题。为了验证本发明的规划方法的有效性，采用了一个改进的Garver测试系统进行模拟。系统包含了一个7节点(A～G)的天然气网络系统和一个6节点(1～6)的电力测试系统，如图4所示。其中，天然气网络系统包括2个天然气生产节点(含P2G设施)和5个天然气负荷节点，电力系统的系统基础数据参见表1和表2。
表1 Garver测试系统的输电线路数据
表2 Garver测试系统的电力节点数据(初始年)
假设每辆电动汽车单次充电20kW·h，通过慢充和快充装置充满分别需要10小时和0.5小时。电动汽车的平均使用率为0.3，最大使用率为0.8。SUME中已慢充为主，快充装置为慢充的30％，单台慢充装置充电功率为14kW、快充装置充电功率为60kW，单节点可安装装置不大于100个。按照电动汽车保有量测算可得日最大充电频次为350次。测试系统中的发电和储能元件运行特性参数如表3所示，其中，储能的充放电效率为75％，放电最大速率为0.5C，SOC上下限区间为[0.1-0.95]。电力元件的使用寿命为20年。此外，设定系统负荷增长率为5％，已有发电容量为非DREG发电类型，规划期20年，节点电压波动范围为0.95-1.05pu，折现率为0.06。需求响应成本cDR为725$/MW·h，削负荷成本ccut为870$/MW·h。上级电网的销售电价参照我国某省一般工商业平均价格，折合美元后为0.11$/kW·h。为保障系统可靠性，参与需求响应的负荷和直接削减的负荷不可超过10％和5％。
表3发电/储能元件运行特性参数
如图4所示，规划初始年天然气网络的7个节点(以字母A-G为节点标号)与电力系统呈分离状态，且天然气网络的7个节点有6条管道贯通，分别是：管道1，1800Nm3/hr；管道2，520Nm3/hr·psia；管道3，560Nm3/hr·psia；管道4，2600Nm3/hr·psia；管道5，640Nm3/hr·psia；管道6，700Nm3/hr·psia。其中，节点A-G的天然气分流站运行数据如表4所示。由公式(2)可知，天然气管道实际流量与气体比重、摩擦系数、管道直径等因素有关。已知天然气比重为0.5548，曼宁系数为0.009，待架设管道流量与直径和长度的关系如表5所示，而管道直径与投资成本成正相关，如表6所示。天然气价格参照工业气价，为0.46$/m3。
表4天然气各节点分流站运行数据
表5待选天然气管道类型及容量
表6不同直径管道的单位投资成本
2、优化结果及分析
测试系统中，电力系统与天然气系统的耦合界面主要是P2G设备、分布式燃气机组以及DCHP，此外还配备了一定的储气设备(比重较小，模型中未体现)。新增加的输气管道主要为分布式燃气机组和DCHP供气，当供气不足时，则由储气或储能设备提供；当电负荷较低时，富余电量则可通过P2G设备储气或满足燃气负荷。通过模拟，规划后的Garver系统结构如图5所示，输电线路增加了四条：线路1-4、线路2-3、线路3-5、线路3-6，输气管道在原有基础上增加了9条：K1-K9，其中四条分别与电力节点1、节点3、节点4、节点6连接。各节点新增发电机组及储能配置情况则如图6所示。
从图5和图6可以看出，随着各节点负荷的增长，6个电力节点都有新增装机，其中节点1、3、4、6配置了燃气机组和DCHP，因此分别贯通了输气管道与之相连。从DG类型来看，系统新增总容量为108.75MW，其中分布式燃气机组装机容量最大，达到27.59％；风电次之，为24.14％；DCHP受热负荷影响配置比例最小为13.79％。从节点配置来看，节点4由于初始年未配置发电容量，因此新增容量最大达到27.75MW，是新增总容量的25.52％；节点2的负荷较低，且与节点1、3、4、5都互联，因此配置的新增容量最小，为11MW；各节点DREG渗透率都在系统总容量(含初始年已有容量)的35％以上。
表7天然气节点流量及压强(规划末年)
对于天然气网络和电动汽车充电设施两个模块，进行了部分中间数据的提取。通过公式(2)-公式(7)，我们提取了天然气各节点之间通道的平均流量通过公式(8)和公式(9)，我们提取了天然气网络各节点压强p’n；通过公式(11)-公式(18)，我们提取了交通网络各节点充电装置的配置情况。其中，天然气网络的部分数据如表7所示。在规划末年，7个天然气节点绝压都在允许范围内，平均流量最大的是天然气通道C→D，达到4200Nm3/hr(包括原有管道流通量)。通道B→D是上下两侧天然气通道的调配通道，从流量数据可以看到，规划末年是上侧通道补充了下侧通道560Nm3/hr流量。由此可以看出，在通道C→D流量最大的情况下，下侧通道还需要上侧通道的支持，表明节点4和节点6的耗气量比较大。这一现象也与图5所示规划结果一致：节点4和节点6总共配置了燃气机组(含分布式燃气机组和DCHP)24.5MW，占燃气机组总量的约60％。而对于交通网络，在6个电力节点都有充电装置的配置。根据测算，系统内配置慢充装置453个，配置快充装置120个；交通网络充电最大负荷为13.54MW，平均充电负荷为7.36MW，反向送电最大负荷-5.20MW，平均送电负荷-3.73MW。
此外，根据规划结果计算，风电、DCHP等7个关键电力元件及天然气设施、EV充电设施的综合成本如表8所示。其中，总变动成本为规划期内所有变动成本折现后的值，总成本为总投资成本和总变动成本扣除残值后的值。从表中可以看到，电力元件的成本TCele还是占据了较大比重的，达到了17523.59万美元，天然气设施成本TCgas也达到了9534.13万美元，交通网络的投资相对较少，只占综合总成本TCtotal的8.03％。而成本项TCele中，分布式燃气和DCHP的成本相对较高，主要原因在于装机容量较大，相比于DREG(分布式可再生能源发电)其燃料成本较高有关。如进一步分析，这又与SUME是一个相对独立的自平衡系统，需要保持系统自身可靠性和满足热负荷有关。系统的高可靠性要求需要配置能灵活出力的燃气机组，DCHP则缓解了单纯依靠电力供热或散烧化石能源的问题。
表8规划结果中各类设施的综合成本 单位:104$
为了对结果有个更好的理解和分析，此处将设置两个情景进行对比：情景1是本发明所提的区域综合能源系统模型，进行天然气网络、交通网络和电力系统的协调优化；情景2是基于本发明所提天然气网络、交通网络和电力系统的三个系统模型，进行有先后顺序的独立优化。在情景2中，首先进行的是交通网络模块的模拟，交通网络的计算确定了交通负荷及其分布，作为电力系统优化配置的输入参数；在此基础上，进行电力系统的模拟，确定配置的电力元件和分布，其中燃气机组和DCHP的容量直接决定了天然气负荷，是天然气网络规划的硬约束；最后，根据天然气负荷来最终确定输气管道类型和P2G装置配置。两种情景的部分规划结果数据如表9所示。
表9两种情景模拟结果的对比
可以看到，两组反映基础信息的数据天然气购买量Unet和新增机组容量都是有明显增加的。这是因为情景2缺乏三个模块的协调和反馈机制，电力系统和天然气网络的约束条件无法约束到交通网络，天然气的约束条件也无法约束到电力系统，导致每一环节都以独立模块最优为目标。然而，电动汽车充电装置的最优配置方案对于电力系统来说可能需要更多的配套投入、需要更多的发电容量。同样，为了满足燃气机组和DCHP的天然气负荷，在管道类型选取上明显需要直径更大的输气管道(从指标Unet可以看出)，使得三个系统模块的成本项递进式增加。具体来看，与情景1相比情景2中各分项成本都有增加，其中TCgas增加的最多，达到25.68％；TCEV增加的较少，增加了8.07％。原因在于，交通网络是第一个环节，相对来说受到的影响最小，而越后续的优化模块就必须承受前面优化结果的约束。但是，从购电量Qnet和负荷削减量Qbreak来看，情景2规划方案的系统自平衡能力更好、系统可靠性更高。其实，这一点从装机容量和天然气网络配置的加强不难看出。在现实生活中，就需要针对两个情景得出的规划方案进行评价，看哪个方案的综合价值更高。换言之，是增加一定幅度的成本换取更高的可靠性和自给率好，还是牺牲一定系统可靠性来实现经济性。当然，从本节两种情景的方案对比看，情景1以较小的代价换取了更优的规划方案，体现了本发明的区域综合能源系统模型以及规划方法的有效性和优越性。
能源与电力领域的供给侧改革需要能源供需的有效匹配。而获取这一要素的必要条件，是实现各种一次和二次能源的多源汇聚和协调优化，借助能源互联网平台技术，促进综合能源供应和消费系统建设。综合能源系统是以电力为核心，以电网为主干，各种一次、二次能源的生产、传输、使用、存储和转换装置以及它们的信息、通信、控制和保护装置直接或间接连接的网络化物理系统，将克服各类能源规划单列、条块分割、缺乏有效的能源市场配置等系统性缺陷。综合能源系统的构建代表着未来能源领域的一个重要制高点，是未来能源互联系统的互补组织形式。DG、储能单元等电力元件是区域系统的核心主体，电动汽车是未来移动储能的典型代表。随着分布式燃气机组和储能单元在系统中的比重持续增加，电力系统对天然气网络和交通网络的要求也会不断增多，在综合能源系统规划中电力系统、天然气网络、交通网络的联合和协调规划是一个重要趋势。
本发明以电力系统规划为主要模块，同时考虑了天然气网络和交通网络建设的要求和约束，并利用能源集线器模型分析不同网络之间的能源传输和转化关系，从而实现电力系统、天然气网络、交通网络的综合能源系统规划。
其中，交通网络和电力系统的接口是电动汽车及充电装置，根据电动汽车的保有量及充放电行为规律，模拟得出的充放电负荷需求和充电装置的配额功率等数据是电力系统优化规划的关键输入参数；结合交通网络的优化规划结果，电力系统优化模型纳入交通网络参数和约束，并进行电源和电网规划，明确电力元件的配置方案；将电力系统优化配置方案反馈到交通网络，观察是否符合其模型要求和现实情况并进行相应调整，同时将电力系统燃气机组、DCHP等元件的配置方案输入到天然气网络优化规划模型中，对输气管道、P2G等设施进行规划；将天然气网络优化规划结果反馈到电力系统，观察是否符合其模型要求和现实情况，如满足所有约束，则区域综合能源系统实现综合能源系统规划。
A9：A1-8中任一项所述的方法，其中，所述电力元件包括以下类型：风力发电元件、光伏发电元件、分布式燃气发电元件、生物质发电元件、分布式热电联产系统发电元件以及储能元件。
A10：A1-9中任一项所述的方法，其中，所述输电线路的类型包括单位电阻和单位成本；所述输气管道的类型包括直径和长度。
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的考虑天然气网络和电动汽车协调的区域综合能源系统规划方法。
以示例而非限制的方式，可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。
在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的而非限制性的，本发明的范围由所附权利要求书限定。

Claims (10)

1.一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法，在计算设备中执行，所述方法包括：
建立区域综合能源系统优化模型，所述区域综合能源系统包括天然气网络、电动汽车充电站网络和电力网络，所述优化模型的优化目标为使所述区域综合能源系统的总成本最小；
为所述优化模型设置约束条件，根据所述约束条件确定所述优化模型的最优解，所述最优解至少包括新增的电力元件、输电线路、输气管道的位置、类型和容量；
根据所述最优解来规划所述区域综合能源系统。
2.如权利要求1所述的方法，其中，所述区域综合能源系统的总成本为天然气网络的成本、电动汽车充电站网络的成本以及电力网络的成本之和。
3.如权利要求2所述的方法，其中，所述天然气网络的成本按照以下公式确定：
其中，TCgas表示天然气网络规划期内的总成本；ICgas表示天然气网络规划期内的总投资成本；OCgas表示天然气网络总变动成本；Zgas表示规划期末时在规划期内投资设备的残值；T表示规划期年份集合，t表示第t个规划年；N表示天然气网络节点集合，包括所有天然气通过的系统节点，n表示第n个天然气网络节点；ICP2G和ICpipe分别表示电转气设备单位容量投资成本及输气管道的单位长度投资成本；表示第t年节点n上新安装的电转气装置容量；r表示折现率；表示节点n到节点m的待铺设管道长度；为布尔变量，当时表示第t年铺设节点n到节点m的管道，时表示第t年未铺设节点n到节点m的管道；OCP2G和OCpipe分别表示电转气设备及输气管道的变动成本，其中OCpipe受管道长度和天然气流通量影响很小，本发明假设每年的OCpipe不变，且传输损耗也考虑在OCpipe中；表示第t年节点n中电转气的总体积；pgas表示上级网络的天然气价格；表示第t年从上级网络购买的天然气体积；表示天然气供应不足时削减负荷造成的费用；表示第t年削减天然气负荷的总体积；和分别表示在第t年电转气设备和管道的总投资；TP2G和Tpipe分别表示电转气设备和管道的寿命期。
4.如权利要求3所述的方法，其中，所述约束条件包括以下至少一项：
其中，K表示输气管道集合，k表示第k条管道，表示节点n和节点m之间的管道集合；表示通过节点n到节点m之间管道k的天然气流量；T’0、p’0分别表示标准温度和标准压强；p’n和p’m分别表示节点n和节点m的压强；为布尔变量，当时，当时，zn→m,t＝-1；dk表示管道k的直径；μk表示天然气与管道的摩擦系数，其中摩擦系数与管道k直径有关；α表示天然气的气体压缩因子；Ggas表示天然气的气体比重；T’k表示管道k的实际温度；
表示管道k能够承载的最大流通量；
和分别表示节点n中通过管道k的天然气输入量和输出量；表示节点n通过电转气等方式生产的天然气体积；表示表示节点n处消纳的天然气体积；Kn表示与节点n相连的管道集合；
和分别表示节点n天然气产量的最小值和最大值；
UP2G、和分别表示单个电转气装置可输出的天然气的体积和可输出的天然气体积的上下限；
β表示调整系数，与实际温度和压强有关；表示节点n和m之间给管道k提供的外部压强，以保证天然气在节点之间流通，一般由压缩机来提供；ηpre表示外部压强的衰减系数；Tk’表示管道k的温度；
p’max表示节点能承受的最大压强。
5.如权利要求2-4中任一项所述的方法，其中，所述电动汽车充电站网络的成本按照以下公式确定：
其中，TCEV，ICEV，OCEV和ZEV分别表示电动汽车充电站网络规划期内的总成本、总投资成本、总变动成本以及新投设备规划期末的残值；I表示电力网络的节点集合，i表示第i个节点；ΔCi,t表示第t年在节点i处新增加的充电装置数量；Ci,t表示第t年在节点i处已有运行的充电装置数量；表示在第t年充电装置的总投资；TEV表示充电装置的寿命期。
6.如权利要求6所述的方法，其中，所述约束条件包括以下至少一项：
其中，Ci表示节点i安装充电装置的数量；Cmax表示单节点可安装充电装置数量的上限；
表示节点i的充电装置使用容量；表示节点i配置的电动汽车充电装置总额定功率，为该节点所有充电装置以额定功率工作时的功率总和；
表示在节点i在时间段h时电动汽车的电荷状态；和分别为时间段h内电动汽车蓄电池充电及放电量；ζc和ζd分别为蓄电池充放电效率；
分别表示单节点在单时段内电动汽车的电荷状态的上下限。
7.如权利要求2-6中任一项所述的方法，其中，所述电力网络的成本按照以下公式确定：
其中，T表示规划期年份集合，t表示第t个规划年；I表示电力网络的节点集合，i表示第i个节点；G表示分布式的发电类型集合，g表示第g种发电类型；表示发电类型g的机组单位容量投资成本；表示第t年节点i内发电类型g的新增机组容量；表示发电类型g的机组单位容量运行成本；表示第t年节点i内发电类型g的实际运行容量；r表示折现率；表示节点i和j之间线路的投资和建设成本；为布尔变量，表示第t年节点i和节点j之间有扩容，表示第t年节点i和节点j之间没有扩容；OCL表示线路单位容量运行成本；表示第t年节点i和节点j之间的实际运行容量；ICS，OCS分别表示储能单元的单位容量投资成本和运行成本；表示第t年节点i内的新增储能容量；表示第t年节点i内系统与储能单元之间的总流通电量；B为负荷段集合，b表示第b个负荷段；cDR表示系统实施需求响应的单位容量成本；表示第t年负荷段b通过需求响应削减的负荷；Δhb表示响应持续时间；zb,t为布尔变量，zb,t＝1时表示第t年负荷段b实现了负荷削减，zb,t＝0时表示第t年负荷段b未实现负荷削减；ccut表示直接削减用户负荷所需支付给用户的单位补偿费用；表示第t年负荷段b直接削减的用户电量；z’b,t为布尔变量，z’b,t＝1时表示第t年负荷段b实现了直接负荷削减，z’b,t＝0时表示第t年负荷段b未实现直接负荷削减；pele表示从上级电网的购电成本；表示第t年从上级电网的总购电量；W表示系统内所有设备的集合，w表示第w个设备；Tw表示设备w的寿命年限；tw表示设备w投入使用的年份，即从规划期初始年算起的年份数；表示设备w的初始固定资产价值。
8.如权利要求7所述的方法，其中，所述约束条件包括以下至少一项：
Vmin≤Vi≤Vmax
其中，表示初始年节点i中拥有的分布式发电机组的容量；表示第t年节点i内的新增机组容量；表示节点i可安装的分布式发电机组的总容量；分别表示发电机组中发电类型g的有功出力上下限；
表示初始年节点i和j之间的线路容量；表示第t年节点i和节点j的新增线路容量；表示节点i和j之间输电通道允许架设的线路最大容量；为布尔变量，M为一个足够大的常数，使得当时，为0，当时，M的值足够大从而保证有足够大的空间来选择新线路；
Pi、Qi和|Vi|分别表示正常情况下节点i的有功功率、无功功率注入及电压幅值；Gij和Aij分别表示正常情况下系统导纳矩阵的实部和虚部；θij表示节点i和节点j的电压相角差；
Vi表示节点i的节点电压；Vmin和Vmax分别表示系统节点允许电压波动的下限和上限；
表示在负荷段b内节点i中储能单元的电荷状态；和分别为在负荷段b内节点i中储能单元的充电及放电量；ξc和ξd则分别为储能单元的充放电效率；表示节点i中储能单元的使用容量；和分别为电荷状态允许范围的上、下限；νb表示储能单元在负荷段b内的充放电速率；νmax表示储能单元充放电速率允许的最大限值。
9.一种计算设备，包括：
至少一个处理器；和
存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1-8中任一项所述的考虑天然气网络和电动汽车协调的区域综合能源系统规划方法的指令。
10.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1-8中任一项所述的考虑天然气网络和电动汽车协调的区域综合能源系统规划方法。
CN201810982794.4A 2018-08-27 2018-08-27 一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法 Active CN109102125B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810982794.4A CN109102125B (zh) 2018-08-27 2018-08-27 一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810982794.4A CN109102125B (zh) 2018-08-27 2018-08-27 一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法

Publications (2)

Publication Number Publication Date
CN109102125A true CN109102125A (zh) 2018-12-28
CN109102125B CN109102125B (zh) 2022-01-28

Family

ID=64851385

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810982794.4A Active CN109102125B (zh) 2018-08-27 2018-08-27 一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法

Country Status (1)

Country Link
CN (1) CN109102125B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689206A (zh) * 2019-10-09 2020-01-14 国电南瑞南京控制系统有限公司 一种能源互联网多能主体能源购买及转换运营方法
CN110796295A (zh) * 2019-10-15 2020-02-14 西安交通大学 一种能源互联网气网传输优化方法
CN111899121A (zh) * 2020-06-23 2020-11-06 深圳职业技术学院 基于电转气设备的区域能源系统源荷协调运行简易方法
CN112990686A (zh) * 2021-03-10 2021-06-18 国网电力科学研究院武汉能效测评有限公司 综合能源系统设备选型及容量配置方法
CN116029532A (zh) * 2023-02-23 2023-04-28 国网江西省电力有限公司经济技术研究院 一种面向配电网承载力提升的储能规划方法
CN116362478A (zh) * 2023-02-15 2023-06-30 浙江大学 考虑综合能源枢纽灵活性的电-气耦合系统风险调度方法
CN117078046A (zh) * 2023-10-12 2023-11-17 国网湖北省电力有限公司经济技术研究院 一种电动公交车有线无线联合充电优化方法、系统及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463701A (zh) * 2014-12-07 2015-03-25 国网浙江省电力公司电动汽车服务分公司 一种配电系统与电动汽车充电网络的协调规划方法
CN105939029A (zh) * 2016-06-21 2016-09-14 中国南方电网有限责任公司电网技术研究中心 综合能源系统规划方案获取方法和系统
CN106529740A (zh) * 2016-12-08 2017-03-22 西安交通大学 一种天然气网络、电力网络和电源的联合规划方法
CN107316152A (zh) * 2017-06-28 2017-11-03 国网江苏省电力公司经济技术研究院 电动汽车参与需求侧响应的规划方法、装置及计算设备
CN107665377A (zh) * 2017-09-20 2018-02-06 国网天津市电力公司 一种多源耦合的综合能源系统规划方法
CN108446796A (zh) * 2018-03-01 2018-08-24 国网福建省电力有限公司 考虑电动汽车负荷需求响应的网-源-荷协调规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463701A (zh) * 2014-12-07 2015-03-25 国网浙江省电力公司电动汽车服务分公司 一种配电系统与电动汽车充电网络的协调规划方法
CN105939029A (zh) * 2016-06-21 2016-09-14 中国南方电网有限责任公司电网技术研究中心 综合能源系统规划方案获取方法和系统
CN106529740A (zh) * 2016-12-08 2017-03-22 西安交通大学 一种天然气网络、电力网络和电源的联合规划方法
CN107316152A (zh) * 2017-06-28 2017-11-03 国网江苏省电力公司经济技术研究院 电动汽车参与需求侧响应的规划方法、装置及计算设备
CN107665377A (zh) * 2017-09-20 2018-02-06 国网天津市电力公司 一种多源耦合的综合能源系统规划方法
CN108446796A (zh) * 2018-03-01 2018-08-24 国网福建省电力有限公司 考虑电动汽车负荷需求响应的网-源-荷协调规划方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689206A (zh) * 2019-10-09 2020-01-14 国电南瑞南京控制系统有限公司 一种能源互联网多能主体能源购买及转换运营方法
CN110689206B (zh) * 2019-10-09 2022-11-01 国电南瑞南京控制系统有限公司 一种能源互联网多能主体能源购买及转换运营方法
CN110796295A (zh) * 2019-10-15 2020-02-14 西安交通大学 一种能源互联网气网传输优化方法
CN110796295B (zh) * 2019-10-15 2022-10-25 西安交通大学 一种能源互联网气网传输优化方法
CN111899121A (zh) * 2020-06-23 2020-11-06 深圳职业技术学院 基于电转气设备的区域能源系统源荷协调运行简易方法
CN111899121B (zh) * 2020-06-23 2023-07-04 深圳职业技术学院 基于电转气设备的区域能源系统源荷协调运行简易方法
CN112990686A (zh) * 2021-03-10 2021-06-18 国网电力科学研究院武汉能效测评有限公司 综合能源系统设备选型及容量配置方法
CN116362478A (zh) * 2023-02-15 2023-06-30 浙江大学 考虑综合能源枢纽灵活性的电-气耦合系统风险调度方法
CN116362478B (zh) * 2023-02-15 2024-03-22 浙江大学 考虑综合能源枢纽灵活性的电-气耦合系统风险调度方法
CN116029532A (zh) * 2023-02-23 2023-04-28 国网江西省电力有限公司经济技术研究院 一种面向配电网承载力提升的储能规划方法
CN117078046A (zh) * 2023-10-12 2023-11-17 国网湖北省电力有限公司经济技术研究院 一种电动公交车有线无线联合充电优化方法、系统及设备
CN117078046B (zh) * 2023-10-12 2024-01-09 国网湖北省电力有限公司经济技术研究院 一种电动公交车有线无线联合充电优化方法、系统及设备

Also Published As

Publication number Publication date
CN109102125B (zh) 2022-01-28

Similar Documents

Publication Publication Date Title
CN109102125B (zh) 一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法
Shaaban et al. Joint planning of smart EV charging stations and DGs in eco-friendly remote hybrid microgrids
Akbari et al. Network flexibility regulation by renewable energy hubs using flexibility pricing-based energy management
Mohamed et al. Online management genetic algorithms of microgrid for residential application
Gu et al. Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives
Sousa et al. Day-ahead resource scheduling in smart grids considering vehicle-to-grid and network constraints
Lu et al. Coordinated dispatch of multi-energy system with district heating network: Modeling and solution strategy
Sharan et al. Integrated generation and transmission expansion planning including power and fuel transportation constraints
Shaaban et al. Accommodating high penetrations of PEVs and renewable DG considering uncertainties in distribution systems
Das et al. Renewable energy integration in diesel-based microgrids at the Canadian arctic
CN110556850B (zh) 电动汽车退役电池用于换电站储能的容量配置方法
Karimi et al. Energy storage allocation in wind integrated distribution networks: An MILP-Based approach
Tan et al. The optimization model for multi-type customers assisting wind power consumptive considering uncertainty and demand response based on robust stochastic theory
Detroja Optimal autonomous microgrid operation: A holistic view
Raths et al. The energy system development plan (ESDP)
Wang et al. Optimal design of integrated energy system considering different battery operation strategy
CN109829834A (zh) 一种储能系统配置方法、装置和存储介质
Homayouni et al. Sizing and performance analysis of standalone hybrid photovoltaic/battery/hydrogen storage technology power generation systems based on the energy hub concept
CN114662319A (zh) 计及数据中心的主动配电网规划模型的构建方法
Rahmatian et al. Optimal operation of the energy hubs in the islanded multi-carrier energy system using Cournot model
CN112966909A (zh) 计及需求响应的区域综合能源系统的优化调度方法
CN115102231B (zh) 一种多尺度电-碳模式下风光储场站优化控制方法和系统
Tian et al. Robust optimal energy management of data center equipped with multi-energy conversion technologies
Jia et al. Robust expansion planning model of integrated energy system with energy hubs integrated
CN111900714A (zh) 多能源协同系统优化调度模型构建方法、装置和计算设备

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