CN109193628B - 一种基于一致性的综合能源系统能量管理方法 - Google Patents

一种基于一致性的综合能源系统能量管理方法 Download PDF

Info

Publication number
CN109193628B
CN109193628B CN201811085812.5A CN201811085812A CN109193628B CN 109193628 B CN109193628 B CN 109193628B CN 201811085812 A CN201811085812 A CN 201811085812A CN 109193628 B CN109193628 B CN 109193628B
Authority
CN
China
Prior art keywords
power
chp
load
thermal
follows
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.)
Active
Application number
CN201811085812.5A
Other languages
English (en)
Other versions
CN109193628A (zh
Inventor
刘念
郭斌
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN201811085812.5A priority Critical patent/CN109193628B/zh
Publication of CN109193628A publication Critical patent/CN109193628A/zh
Application granted granted Critical
Publication of CN109193628B publication Critical patent/CN109193628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出一种基于一致性的综合能源系统能量管理方法，热力网、电力网，能量供应侧和负荷需求侧的参与主体，都参与到能量市场中来追求自身的利益最大化，构成全社会福利最大化模型。CHP机组运行在改进的运行策略中，电负荷和热负荷都参与到需求响应中。原始的优化问题采用拉格朗日乘子法解耦全局功率平衡后，被分解为4个完全由就地的约束和目标函数组成的子问题，因此适合采用完全分布式一致性算法求解。该方法充分考虑能量供应侧的热电耦合和负荷侧的热电耦合，完全的分布式求解在保证用户隐私的基础上具有很高的效率，对于未来综合能源系统在配网层面广泛应用下的分布式能量管理具有很好的指导意义。

Description

一种基于一致性的综合能源系统能量管理方法
技术领域
本发明属于电力系统能量管理技术领域，尤其涉及一种基于一致性的综合能源系统能量管理方法。
背景技术
能源和环境问题影响着社会和经济的发展，综合能源系统在提高能源利用效率、减少环境污染等方面具有很大的优势，近年来综合能源系统得到广泛的研究和应用。相比于综合能源系统的规划、协调控制等，能量管理在减少运行成本方面备受研究者关注，传统的能量管理方法有一个共同的特征：都需要集中式优化，也就是说需要一个控制中心来收集并处理各个参与主体的信息，然而在配网层面，不同的主体属于不同的运营单位，因此考虑到信息的隐私性和参与主体归属的不确定性，集中式优化不再适用于我们的场景，相反的，分布式优化展现出更多的优势。综合能源系统的能量管理问题，有别于单纯的电力网络，网络中是由电网络和热网络组成的，且能量供应侧和负荷消耗侧都存在热和电的耦合，对于分布式的综合能源系统能量管理方法还有待进一步研究。
发明内容
针对上述问题，本发明提出一种基于一致性的综合能源系统能量管理方法，其特征在于，所述方法包括以下步骤：
步骤1：构建关于综合能源系统的社会福利最大化模型；
步骤2：对社会福利最大化模型进行解耦分析；
步骤3：采用完全分布式的一致性算法对解耦后的问题进行求解。
进一步，综合能源系统包括发电侧和需求侧两部分，其中发电侧参与主体包括变电站、分布式电源(光伏和风机)和热电联产(CHP)单元，负荷侧参与主体包括热负荷和电负荷。
进一步，社会福利最大化模型为：
目标函数：以任一时刻全社会各个参与主体总利润最大为目标，该目标函数的数学模型表示为：
max∑[PSUB(Pi,pe)+PPV(Pi,pe)+PWT(Pi,pe)+PCHP(Pi,Hi,pe,ph)+Pd(Pi,Hi,pe,ph)]
其中，PSUB(Pi,pe)为变电站的利润，PPV(Pi,pe)为光伏的利润，PWT(Pi,pe)为风机的利润，PCHP(Pi,Hi,pe,ph)为CHP机组的利润，Pd(Pi,Hi,pe,ph)为热和电负荷的利润；
所述总利润由总收益减去总成本，其中变电站的利润为卖电给配网内部用户的收益扣除向公共电网购电产生的成本，公共电网的电由火力发电机组提供，
Figure GDA0003387625630000021
Ci(Pi)＝aiPi 2+biPi+ci
其中，VSUB为变电站组成的集合，pe为电价，Pi为电功率，Ci(Pi)为火力发电机组的发电成本，ai，bi，ci为相应的费用系数；
可再生能源发电无需发电成本，利润仅由卖电收益构成，
Figure GDA0003387625630000022
Figure GDA0003387625630000023
其中，VPV为光伏组成的集合，VWT为风机组成的集合；
CHP机组既可以产生热又可以产生电，利润如下，
Figure GDA0003387625630000024
其中，VCHP为CHP机组组成的集合，ph为热价，Hi为热功率，Fi(Pi,Hi)为CHP机组产生对应热和电的生产成本；具体的CHP生产成本为：
Figure GDA0003387625630000031
其中，φ，β，γ，δ，θ，
Figure GDA0003387625630000032
为CHP机组相应的生产成本系数；
负荷侧既有电负荷又有热负荷，消耗热和电产生的效益采用用能的满意度来衡量，也称效用函数，
Figure GDA0003387625630000033
Uj(Pj,Hj)＝Uj(Pj)+Uj(Hj)
Figure GDA0003387625630000034
Figure GDA0003387625630000035
其中，Vd为负荷组成的集合，Uj(Pj,Hj)为负荷用能的满意度，Uj(Pj)为用电的满意度，Uj(Hj)为用热的满意度，ωj,αj为相应的系数；
决策变量：包括各个参与主体的电出力Pj和热出力Hj，整个综合能源系统的电价pe和热价ph；
约束条件：社会福利最大化模型中包含全局功率平衡约束和就地功率范围约束。
进一步，全局功率平衡约束包括电功率平衡约束和热功率平衡约束，就地功率范围约束包括变电站功率范围约束、风机出力范围约束、光伏出力范围约束、CHP机组出力范围约束和负荷需求范围约束。
进一步，对社会福利最大化模型进行解耦分析为：
采用拉格朗日乘子法将全局功率平衡约束加到原目标函数中，重新构造函数，从而达到全局功率平衡解耦的目的，其中，新的目标函数如下：
Figure GDA0003387625630000041
其中，Vel为电负荷组成的集合，Vtl为热负荷组成的集合，λ为电功率平衡对应的拉格朗日乘子，μ为热功率平衡对应的拉格朗日乘子；
约束条件：只包括就地功率范围约束；
决策变量：包括各个参与主体的电出力Pj和热出力Hj，整个综合能源系统的电价pe和热价ph。
进一步，重新定义此处的拉格朗日乘子为增量费用或者增量效用，当参与主体为能量供应源侧则称为增量费用，当参与主体为负荷能量消耗侧，则称为增量效用，此处的增量费用或者增量效用可通过对新的目标函数求偏导获得。
进一步，当CHP机组生产成本只由热功率表示时：
PCHP(Hi,pe,ph)＝pePi+phHi-Fi(Hi)
Figure GDA0003387625630000042
负荷侧的耦合受人们的生产和生活的影响，满足一定的线性关系：
Pj＝kjHj
其中，kj为相关系数；
热电耦合模型如下：
Figure GDA0003387625630000043
其中，ηe为电效率，ηr为热回收系数；
因此，原来的优化问题可以被分解为4个子问题，这4个子问题完全由就地的目标函数和约束条件组成，其中，4个子问题为：
1)CHP子问题：min Fi(Pi,Hi)-λiPi-μiHi
Figure GDA0003387625630000051
Hi min≤Hi≤Hi max
2)负荷子问题：minμjHj+λj(Pj)-Uj(Pj,Hj)
s.t.Pj＝kjHj
Hj min≤Hj≤Hj max
Pj min≤Pj≤Pj max
3)变电站子问题：min Ci(Pi)-λiPi
s.t.Pi min≤Pi≤Pi max
4)分布式电源子问题，包括光伏子问题和风机子问题，其中光伏子问题为：
minλiPi
s.t.Pi min≤Pi≤Pi max
风机子问题为：
minλiPi
s.t.Pi min≤Pi≤Pi max。
进一步，完全分布式求解算法为：
Figure GDA0003387625630000052
为电功率在第k次迭代中的就地偏差量，
Figure GDA0003387625630000053
为热功率在第k次迭代中的就地偏差量，一致性算法迭代过程如下：
1)初始化：设置整个综合能源系统中电力网和热力网的初始就地功率偏差
Figure GDA0003387625630000054
初始增量费用和效用λi(0)、μi(0)，以及初始能量供应源的功率出力和负荷功率消耗Pi(0)、Hi(0)；
2)循环：更新增量费用和效用、更新能量供应源的功率出力和负荷的功率消耗、更新就地功率偏差、判断是否满足收敛条件；
3)输出：整个综合能源系统中各个参与主体的增量费用和效用λi(k)、μi(k)和功率出力和消耗Pi(k)、Hi(k)。
进一步，一致性算法迭代过程，所述更新增量费用和效用分为热力网和电力网两个，其中热力网为：
Figure GDA0003387625630000061
其中，Vt为热力网所有参与主体组成的集合，xij为热力网中通信拓扑对应的行随机矩阵的元素，ρt为(0，1)区间内的正反馈系数；
电力网中的更新增量费用和效用为：
Figure GDA0003387625630000062
其中，Ve为电力网所有参与主体组成的集合，rij为电力网中通信拓扑对应的行随机矩阵的元素，ρe为(0，1)区间内的正反馈系数；
进一步，能量供应源的功率出力和负荷的功率消耗分为热力网和电力网两个，其中热力网的能量供应源的功率出力为：
Figure GDA0003387625630000063
热力网中负荷的功率消耗为：
Hi(k+1)＝argmin[λi(k+1)kiHi(k)+μi(k+1)Hi(k)-Ui(Hi(k))],Hi(k)∈[Hi min,Hi max]
电力网中的能量供应源的功率出力由变电站、CHP、光伏和风机组成，其中变电站功率出力为：
Pi(k+1)＝argmin[Ci(Pi(k))-λi(k+1)Pi(k)],Pi(k)∈[Pi min,Pi max]
CHP功率出力由热力网功率平衡决定：
Figure GDA0003387625630000064
分布式电源，包括光伏和风机，都采用优先消纳的策略：
Pi(k+1)＝Pi max
电力网中负荷的功率消耗与热力网中负荷消耗有关：
Pi(k+1)＝kiHi(k+1),Pi(k)∈[Pi min,Pi max]。
进一步，更新就地功率偏差分为热力网和电力网两部分，其中热力网源侧新的就地功率偏差为：
Figure GDA0003387625630000071
热力网负荷侧新的就地功率偏差为：
Figure GDA0003387625630000072
其中，yij为热力网中通信拓扑对应的列随机矩阵的元素；
其中电力网源侧新的就地功率偏差为：
Figure GDA0003387625630000073
电力网负荷侧新的就地功率偏差为：
Figure GDA0003387625630000074
进一步，是否满足收敛条件，收敛条件为所有就地功率偏差的绝对值小于0.01，所有增量费用和效用临近的两次迭代结果之差的绝对值小于0.01，即
Figure GDA0003387625630000075
其中εμ，
Figure GDA0003387625630000076
εμ，ελ都取0.01。
本发明的有益效果在于：
本发明提出的基于一致性的综合能源系统能量管理方法，使综合能源系统里面的各个参与主体都达到利润最大化的状态。采用完全分布式的一致性求解算法，既保证了网络中各个参与主体的隐私，又提高了运行的效率。在综合能源系统中，能量供应侧和负荷需求侧都存在热电耦合关系，网络中的CHP机组采用改进的运行策略和热电负荷假定满足线性关系很好的解决了该双侧的热电耦合问题。
附图说明
附图1为本发明的一种基于一致性的综合能源系统能量管理方法流程图；
附图2为本发明的实施例中综合能源系统算例系统结构图；
附图3为本发明实施例中热力网迭代收敛结果；
附图4为本发明实施例中电力网迭代收敛结果；
附图5为本发明实施例中全社会福利结果迭代收敛曲线。
具体实施方式
下面结合附图和实施例对本发明进行详细说明。
本发明提出一种基于一致性的综合能源系统能量管理方法，将能量供应侧的热电耦合和负荷侧的热电耦合结合起来，并考虑了负荷的需求响应，最终达到全社会福利最大化，采用完全分布式的一致性算法求解，既保证了参与主体的隐私，也提高了计算的效率。具体方法如附图1所示。附图1为本发明的一种基于一致性的综合能源系统能量管理方法流程图，包括以下步骤：
步骤1：构建关于综合能源系统的社会福利最大化模型；
步骤2：对社会福利最大化模型进行解耦分析；
步骤3：采用完全分布式的一致性算法对解耦后的问题进行求解。
综合能源系统包括发电侧和需求侧两部分，其中发电侧参与主体包括变电站、分布式电源(光伏和风机)和热电联产(CHP)单元，负荷侧参与主体包括热负荷和电负荷。发电测和需求侧都参与到能量市场中以追求自己最大的利益。
社会福利最大化模型为：
目标函数：以任一时刻全社会各个参与主体总利润最大为目标，该目标函数的数学模型表示为：
max∑[PSUB(Pi,pe)+PPV(Pi,pe)+PWT(Pi,pe)+PCHP(Pi,Hi,pe,ph)+Pd(Pi,Hi,pe,ph)]
其中，PSUB(Pi,pe)为变电站的利润，PPV(Pi,pe)为光伏的利润，PWT(Pi,pe)为风机的利润，PCHP(Pi,Hi,pe,ph)为CHP机组的利润，Pd(Pi,Hi,pe,ph)为热和电负荷的利润。
所述总利润由总收益减去总成本，其中变电站的利润为卖电给配网内部用户的收益扣除向公共电网购电产生的成本，公共电网的电由火力发电机组提供，
Figure GDA0003387625630000091
Ci(Pi)＝aiPi 2+biPi+ci
其中，VSUB为变电站组成的集合，pe为电价，Pi为电功率，Ci(Pi)为火力发电机组的发电成本，ai，bi，ci为相应的费用系数。
可再生能源发电无需发电成本，利润仅由卖电收益构成，
Figure GDA0003387625630000092
Figure GDA0003387625630000093
其中，VPV为光伏组成的集合，VWT为风机组成的集合。
CHP机组既可以产生热又可以产生电，利润如下，
Figure GDA0003387625630000094
其中，VCHP为CHP机组组成的集合，ph为热价，Hi为热功率，Fi(Pi,Hi)为CHP机组产生对应热和电的生产成本。具体的CHP生产成本为：
Figure GDA0003387625630000095
其中，φ，β，γ，δ，θ，
Figure GDA0003387625630000096
为CHP机组相应的生产成本系数。
负荷侧既有电负荷又有热负荷，消耗热和电产生的效益采用用能的满意度来衡量，也称效用函数，
Figure GDA0003387625630000101
Uj(Pj,Hj)＝Uj(Pj)+Uj(Hj)
Figure GDA0003387625630000102
Figure GDA0003387625630000103
其中，Vd为负荷组成的集合，Uj(Pj,Hj)为负荷用能的满意度，Uj(Pj)为用电的满意度，Uj(Hj)为用热的满意度，ωj,αj为相应的系数。
决策变量：包括各个参与主体的电出力Pj和热出力Hj，整个综合能源系统的电价pe和热价ph；
约束条件：包括电功率平衡约束、热功率平衡约束、变电站功率范围约束、风机出力范围约束、光伏出力范围约束、CHP机组出力范围约束、负荷需求范围约束。
因此，模型可以写成一个优化问题：
Figure GDA0003387625630000104
Figure GDA0003387625630000105
Figure GDA0003387625630000106
Pi min≤Pi≤Pi max,i∈VSUB
Pi min≤Pi≤Pi max,i∈VCHP
Pj min≤Pj≤Pj max,j∈Vel
Hj min≤Hj≤Hj max,j∈Vtl
Pi min≤Pi≤Pi max,i∈VPV
Pi min≤Pi≤Pi max,i∈VWT
其中，Pmin，Pmax分别为电功率下限和上限，Hmin，Hmax分别为热功率下限和上限，下标i代表能量供应侧，下标j代表能量消耗侧，Vtl为热负荷组成的集合，Vel为电负荷组成的集合。
将电功率平衡和热功率平衡带入目标函数，化简得到：
Figure GDA0003387625630000111
因此得到如下凸优化问题：
Figure GDA0003387625630000112
Figure GDA0003387625630000113
Figure GDA0003387625630000114
Pi min≤Pi≤Pi max,i∈VSUB
Pi min≤Pi≤Pi max,i∈VCHP
Pj min≤Pj≤Pj max,j∈Vel
Hj min≤Hj≤Hj max,j∈Vtl
Pi min≤Pi≤Pi max,i∈VPV
Pi min≤Pi≤Pi max,i∈VWT
对社会福利最大化模型进行解耦分析为：
社会福利最大化模型中包含全局功率平衡约束(包括电功率平衡约束和热功率平衡约束)和就地功率范围约束(包括变电站功率范围约束、风机出力范围约束、光伏出力范围约束、CHP机组出力范围约束和负荷需求范围约束)，采用拉格朗日乘子法将全局功率平衡约束加到原目标函数中，重新构造函数，从而达到全局功率平衡解耦的目的。其中，新的目标函数如下：
Figure GDA0003387625630000121
其中，Vel为电负荷组成的集合，Vtl为热负荷组成的集合，λ为电功率平衡对应的拉格朗日乘子，μ为热功率平衡对应的拉格朗日乘子；
约束条件：只包括就地功率范围约束，即变电站功率范围约束、风机出力范围约束、光伏出力范围约束、CHP机组出力范围约束和负荷需求范围约束；
决策变量：包括各个参与主体的电出力Pj和热出力Hj，整个综合能源系统的电价pe和热价ph。
该综合能源系统中每个参与主体都对应着一个拉格朗日乘子，因此网络被分解成热力网和电力网来求解，由于该处的拉格朗日乘子很巧妙的代替了原来的电价和热价，因此重新定义此处的拉格朗日乘子为增量费用或者增量效用，当参与主体为能量供应源则称为增量费用，当参与主体为负荷能量消耗侧，则称为增量效用，此处的增量费用或者增量效用可通过对新的目标函数求偏导获得；通过CHP机组改进的运行策略和假设负荷侧的热负荷和电负荷线性相关，我们很好的解决了能量源侧CHP机组的热电耦合和负荷侧热电负荷的耦合。其中传统的CHP机组运行在以热定电或者以电定热的运行策略上，针对每个CHP机组，其热电耦合模型如下：
Figure GDA0003387625630000122
其中，ηe为电效率，ηr为热回收系数。
综合能源系统在配网层面上，各个CHP机组只需满足全网的热力和电力的能量平衡，机组热和电的出力不受以热定电或以电定热运行策略的影响，运行在改进的运行策略上：由于CHP机组是综合能源系统中唯一的热源，因此，每个CHP机组在满足全局热功率平衡的基础上产生自己的热功率来最大化自己的利益。当CHP机组生产成本只由热功率表示时：
PCHP(Hi,pe,ph)＝pePi+phHi-Fi(Hi)
Figure GDA0003387625630000131
负荷侧的耦合受人们的生产和生活的影响，满足一定的线性关系：
Pj＝kjHj
其中，kj为相关系数。
因此，当负荷的效用模型只由电功率表示时：
Uj *(Hj)＝Uj(kjHj)+Uj(Hj)
当负荷的效用模型只由电功率表示时：
Figure GDA0003387625630000132
所述的增量费用(效用)分为热力网的和电力网的，定义热力网的增量费用(效用)为：
Figure GDA0003387625630000133
定义电力网的增量费用(效用)为：
Figure GDA0003387625630000141
因此，原来的优化问题可以被分解为4个子问题，这4个子问题完全由就地的目标函数和约束条件组成，其中，4个子问题为：
1)CHP子问题：min Fi(Pi,Hi)-λiPi-μiHi
Figure GDA0003387625630000142
Hi min≤Hi≤Hi max
2)负荷子问题：minμjHj+λj(Pj)-Uj(Pj,Hj)
s.t.Pj＝kjHj
Hj min≤Hj≤Hj max
Pj min≤Pj≤Pj max
3)变电站子问题：min Ci(Pi)-λiPi
s.t.Pi min≤Pi≤Pi max
4)分布式电源子问题，包括光伏子问题和风机子问题，其中光伏子问题为：
minλiPi
s.t.Pi min≤Pi≤Pi max
风机子问题为：
minλiPi
s.t.Pi min≤Pi≤Pi max
采用完全分布式的一致性算法对全局功率平衡解耦后的问题进行求解为，采用一致性算法进行求解，该算法是完全分布式的，没有任何求解中心；且该算法在强连接的有向图中具有很好的收敛性。其中，完全分布式求解算法为，
为保证全局功率平衡的收敛性，需要引入新的变量来代表就地功率偏差量，其中
Figure GDA0003387625630000151
为电功率在第k次迭代中的就地偏差量，
Figure GDA0003387625630000152
为热功率在第k次迭代中的就地偏差量。一致性算法迭代过程如下：
1)初始化：设置整个综合能源系统中电力网和热力网的初始就地功率偏差
Figure GDA0003387625630000153
初始增量费用(效用)λi(0)，μi(0)和初始能量供应源的功率出力和负荷功率消耗Pi(0)，Hi(0)；
2)循环：更新增量费用(效用)—>更新能量供应源的功率出力和负荷的功率消耗—>更新就地功率偏差—>判断是否满足收敛条件；
3)输出：整个综合能源系统中各个参与主体的增量费用(效用)λi(k)，μi(k)和功率出力(消耗)Pi(k)，Hi(k)。
设置整个综合能源系统中电力网和热力网的初值，热力网中满足：
Figure GDA0003387625630000154
Hi(0)＝0,i∈Vt
ξH i(0)＝0,i∈Vt
电力网中满足：
Figure GDA0003387625630000155
Pi(0)＝0,i∈Ve
Figure GDA0003387625630000156
其中，Vt为热力网所有参与主体组成的集合，Ve为电力网所有参与主体组成的集合。
更新增量费用(效用)分为热力网和电力网两个，其中热力网为：
Figure GDA0003387625630000161
其中，xij为热力网中通信拓扑对应的行随机矩阵的元素，ρt为(0，1)区间内的正反馈系数。
电力网中的更新增量费用(效用)为：
Figure GDA0003387625630000162
其中，rij为电力网中通信拓扑对应的行随机矩阵的元素，ρe为(0，1)区间内的正反馈系数。
能量供应源的功率出力和负荷的功率消耗分为热力网和电力网两个，其中热力网的能量供应源的功率出力为：
Figure GDA0003387625630000163
热力网中负荷的功率消耗为：
Hi(k+1)＝argmin[λi(k+1)kiHi(k)+μi(k+1)Hi(k)-Ui(Hi(k))],Hi(k)∈[Hi min,Hi max]
电力网中的能量供应源的功率出力由变电站、CHP、光伏和风机组成，其中变电站功率出力为：
Pi(k+1)＝argmin[Ci(Pi(k))-λi(k+1)Pi(k)],Pi(k)∈[Pi min,Pi max]
CHP功率出力由热力网功率平衡决定：
Figure GDA0003387625630000164
分布式电源，包括光伏和风机，都采用优先消纳的策略：
Pi(k+1)＝Pi max
电力网中负荷的功率消耗与热力网中负荷消耗有关：
Pi(k+1)＝kiHi(k+1),Pi(k)∈[Pi min,Pi max]
更新就地功率偏差分为热力网和电力网两部分，其中热力网源侧新的就地功率偏差为：
Figure GDA0003387625630000171
热力网负荷侧新的就地功率偏差为：
Figure GDA0003387625630000172
其中，yij为热力网中通信拓扑对应的列随机矩阵的元素。
其中电力网源侧新的就地功率偏差为：
Figure GDA0003387625630000173
电力网负荷侧新的就地功率偏差为：
Figure GDA0003387625630000174
是否满足收敛条件，收敛条件为所有就地功率偏差的绝对值小于0.01，所有增量费用(效用)临近的两次迭代结果之差的绝对值小于0.01，即
Figure GDA0003387625630000175
其中εμ，
Figure GDA0003387625630000176
εμ，ελ都取0.01。
下面以一个实施例来说明本发明的方法。
本实施例采用改进的IEEE-33节点综合能源系统进行详细说明，如图2所示的综合能源系统算例系统结构图，图中包括32个负荷节点、2个光伏、2个风机和3个CHP机组，通信拓扑沿实际综合能源系统物理线路配置，整个网络由热力网和电力网组成。本算例的能量源侧的相关参数如表1所示,负荷侧的相关参数如表2所示。
表1能量源侧的相关参数
Figure GDA0003387625630000181
表2负荷侧的相关参数(功率单位为kW)
Figure GDA0003387625630000191
Figure GDA0003387625630000201
附图3为热力网迭代收敛结果，其中，附图3中的(a)-(c)分别表示热力网的增量费用(效用)、就地功率出力(消耗)和就地功率偏差。图3中的(a)可以看出增量费用(效用)随着迭代最终收敛到6.356美分/kWh，与此同时，图3中的(b)可以看出就地功率偏差趋向于0；就地功率出力在图3中的(c)中表示为负的，就地功率消耗在图3中的(c)中表示为正的；随着迭代次数增加，可以看出热力网的源侧和负荷侧的总的功率偏差接近于0，这个结论可以进一步在图3中的(d)中得到验证。更重要的，所有的增量费用(效用)都趋向于同一个值，在这个值下，所有的参与主体都达到了最优，因此热力网问题求解完毕。
附图4为电力网迭代收敛结果。从图4中的(a)我们可以看出电力网增量费用(效用)的最终收敛值在第850次迭代获得，为13.41美分/kWh，从图4中的(b)看出，就地的功率偏差随着迭代次数的增加也逐渐趋向于0。在热力网的迭代结果基础上，我们很容易获得图4中的(c)所示的CHP机组电出力结果，也用负的表示以区别于正的功率消耗；变电站节点一开始为0，逐渐增加出力达到最终的575kW。与此同时，电力网通过优先消纳光伏和风机产生的电来充分利用可再生能源。图4中的(d)中所示的总电力需求和总电力消耗接近于相等，表明电功率平衡得到满足。
附图5为全社会福利结果迭代收敛曲线，从曲线上我们可以看出，随着迭代次数的增加，在热力网和电力网达到稳定的同时，全社会的福利也逐渐增大并趋向于最终的2.007*104美元。因此，整个综合能源系统的能量管理问题得到了解决。
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.一种基于一致性的综合能源系统能量管理方法，其特征在于，所述方法包括以下步骤：
步骤1：构建关于综合能源系统的社会福利最大化模型；
所述综合能源系统包括发电侧和需求侧两部分，其中发电侧参与主体包括变电站、分布式电源和热电联产CHP单元，负荷侧参与主体包括热负荷和电负荷，所述分布式电源包括光伏和风机；
所述社会福利最大化模型为：
目标函数：以任一时刻全社会各个参与主体总利润最大为目标，该目标函数的数学模型表示为：
max∑[PSUB(Pi,pe)+PPV(Pi,pe)+PWT(Pi,pe)+PCHP(Pi,Hi,pe,ph)+Pd(Pi,Hi,pe,ph)]
其中，PSUB(Pi,pe)为变电站的利润，PPV(Pi,pe)为光伏的利润，PWT(Pi,pe)为风机的利润，PCHP(Pi,Hi,pe,ph)为CHP机组的利润，Pd(Pi,Hi,pe,ph)为热和电负荷的利润；
所述总利润由总收益减去总成本，其中变电站的利润为卖电给配网内部用户的收益扣除向公共电网购电产生的成本，公共电网的电由火力发电机组提供，
Figure FDA0003387625620000011
Ci(Pi)＝aiPi 2+biPi+ci
其中，VSUB为变电站组成的集合，pe为电价，Pi为电功率，Ci(Pi)为火力发电机组的发电成本，ai，bi，ci为相应的费用系数；
可再生能源发电无需发电成本，利润仅由卖电收益构成，
Figure FDA0003387625620000012
Figure FDA0003387625620000021
其中，VPV为光伏组成的集合，VWT为风机组成的集合；
CHP机组既可以产生热又可以产生电，利润如下，
Figure FDA0003387625620000022
其中，VCHP为CHP机组组成的集合，ph为热价，Hi为热功率，Fi(Pi,Hi)为CHP机组产生对应热和电的生产成本；具体的CHP生产成本为：
Figure FDA0003387625620000026
其中，φ，β，γ，δ，θ，
Figure FDA0003387625620000027
为CHP机组相应的生产成本系数；
负荷侧既有电负荷又有热负荷，消耗热和电产生的效益采用用能的满意度来衡量，也称效用函数，
Figure FDA0003387625620000023
Uj(Pj,Hj)＝Uj(Pj)+Uj(Hj)
Figure FDA0003387625620000024
Figure FDA0003387625620000025
其中，Vd为负荷组成的集合，Uj(Pj,Hj)为负荷用能的满意度，Uj(Pj)为用电的满意度，Uj(Hj)为用热的满意度，ωj,αj为相应的系数；
决策变量：包括各个参与主体的电出力Pj和热出力Hj，整个综合能源系统的电价pe和热价ph；
约束条件：社会福利最大化模型中包含全局功率平衡约束和就地功率范围约束；
步骤2：对社会福利最大化模型进行解耦分析：
采用拉格朗日乘子法将全局功率平衡约束加到原目标函数中，重新构造函数，从而达到全局功率平衡解耦的目的，其中，新的目标函数如下：
Figure FDA0003387625620000031
其中，Vel为电负荷组成的集合，Vtl为热负荷组成的集合，λ为电功率平衡对应的拉格朗日乘子，μ为热功率平衡对应的拉格朗日乘子；
约束条件：只包括就地功率范围约束；
决策变量：包括各个参与主体的电出力Pj和热出力Hj，整个综合能源系统的电价pe和热价ph；
当CHP机组生产成本只由热功率表示时：
PCHP(Hi,pe,ph)＝pePi+phHi-Fi(Hi)
Figure FDA0003387625620000032
负荷侧的耦合受人们的生产和生活的影响，满足一定的线性关系：
Pj＝kjHj
其中，kj为相关系数；
热电耦合模型如下：
Figure FDA0003387625620000033
其中，ηe为电效率，ηr为热回收系数；
因此，原来的优化问题可以被分解为4个子问题，这4个子问题完全由就地的目标函数和约束条件组成，其中，4个子问题为：
1)CHP子问题：min Fi(Pi,Hi)-λiPi-μiHi
Figure FDA0003387625620000041
Hi min≤Hi≤Hi max
2)负荷子问题：min μjHj+λj(Pj)-Uj(Pj,Hj)
s.t.Pj＝kjHj
Hj min≤Hj≤Hj max
Pj min≤Pj≤Pj max
3)变电站子问题：min Ci(Pi)-λiPi
s.t.Pi min≤Pi≤Pi max
4)分布式电源子问题，包括光伏子问题和风机子问题，其中光伏子问题为：
min λiPi
s.t.Pi min≤Pi≤Pi max
风机子问题为：
min λiPi
s.t.Pi min≤Pi≤Pi max
步骤3：采用完全分布式的一致性算法对解耦后的问题进行求解，
完全分布式求解算法为：
Figure FDA0003387625620000042
为电功率在第k次迭代中的就地偏差量，
Figure FDA0003387625620000043
为热功率在第k次迭代中的就地偏差量，一致性算法迭代过程如下：
1)初始化：设置整个综合能源系统中电力网和热力网的初始就地功率偏差
Figure FDA0003387625620000044
初始增量费用和效用λi(0)、μi(0)，以及初始能量供应源的功率出力和负荷功率消耗Pi(0)、Hi(0)；
2)循环：更新增量费用和效用、更新能量供应源的功率出力和负荷的功率消耗、更新就地功率偏差、判断是否满足收敛条件；
3)输出：整个综合能源系统中各个参与主体的增量费用和效用λi(k)、μi(k)和功率出力和消耗Pi(k)、Hi(k)；
所述更新增量费用和效用分为热力网和电力网两个，其中热力网为：
Figure FDA0003387625620000051
其中，Vt为热力网所有参与主体组成的集合，xij为热力网中通信拓扑对应的行随机矩阵的元素，ρt为(0，1)区间内的正反馈系数；
电力网中的更新增量费用和效用为：
Figure FDA0003387625620000052
其中，Ve为电力网所有参与主体组成的集合，rij为电力网中通信拓扑对应的行随机矩阵的元素，ρe为(0，1)区间内的正反馈系数。
2.根据权利要求1所述的一种基于一致性的综合能源系统能量管理方法，其特征在于，全局功率平衡约束包括电功率平衡约束和热功率平衡约束，就地功率范围约束包括变电站功率范围约束、风机出力范围约束、光伏出力范围约束、CHP机组出力范围约束和负荷需求范围约束。
3.根据权利要求1所述的一种基于一致性的综合能源系统能量管理方法，其特征在于，重新定义此处的拉格朗日乘子为增量费用或者增量效用，当参与主体为能量供应源侧则称为增量费用，当参与主体为负荷能量消耗侧，则称为增量效用，此处的增量费用或者增量效用可通过对新的目标函数求偏导获得。
4.据权利要求1所述的一种基于一致性的综合能源系统能量管理方法，其特征在于，所述能量供应源的功率出力和负荷的功率消耗分为热力网和电力网两个，其中热力网的能量供应源的功率出力为：
Figure FDA0003387625620000061
热力网中负荷的功率消耗为：
Hi(k+1)＝arg min[λi(k+1)kiHi(k)+μi(k+1)Hi(k)-Ui(Hi(k))],Hi(k)∈[Hi min,Hi max]
电力网中的能量供应源的功率出力由变电站、CHP、光伏和风机组成，其中变电站功率出力为：
Pi(k+1)＝arg min[Ci(Pi(k))-λi(k+1)Pi(k)],Pi(k)∈[Pi min,Pi max]
CHP功率出力由热力网功率平衡决定：
Figure FDA0003387625620000062
分布式电源，包括光伏和风机，都采用优先消纳的策略：
Pi(k+1)＝Pi max
电力网中负荷的功率消耗与热力网中负荷消耗有关：
Pi(k+1)＝kiHi(k+1),Pi(k)∈[Pi min,Pi max]。
5.据权利要求1所述的一种基于一致性的综合能源系统能量管理方法，其特征在于，所述更新就地功率偏差分为热力网和电力网两部分，其中热力网源侧新的就地功率偏差为：
Figure FDA0003387625620000063
热力网负荷侧新的就地功率偏差为：
Figure FDA0003387625620000064
其中，yij为热力网中通信拓扑对应的列随机矩阵的元素；
其中电力网源侧新的就地功率偏差为：
Figure FDA0003387625620000071
电力网负荷侧新的就地功率偏差为：
Figure FDA0003387625620000072
6.据权利要求1所述的一种基于一致性的综合能源系统能量管理方法，其特征在于，所述是否满足收敛条件，收敛条件为所有就地功率偏差的绝对值小于0.01，所有增量费用和效用临近的两次迭代结果之差的绝对值小于0.01，即
Figure FDA0003387625620000073
其中εμ，
Figure FDA0003387625620000074
εμ，ελ都取0.01。
CN201811085812.5A 2018-09-18 2018-09-18 一种基于一致性的综合能源系统能量管理方法 Active CN109193628B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811085812.5A CN109193628B (zh) 2018-09-18 2018-09-18 一种基于一致性的综合能源系统能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811085812.5A CN109193628B (zh) 2018-09-18 2018-09-18 一种基于一致性的综合能源系统能量管理方法

Publications (2)

Publication Number Publication Date
CN109193628A CN109193628A (zh) 2019-01-11
CN109193628B true CN109193628B (zh) 2022-04-05

Family

ID=64911668

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811085812.5A Active CN109193628B (zh) 2018-09-18 2018-09-18 一种基于一致性的综合能源系统能量管理方法

Country Status (1)

Country Link
CN (1) CN109193628B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783986B (zh) * 2019-02-26 2020-09-08 上海交通大学 基于功率守恒的孤岛型综合能源系统联合潮流获取方法
CN110535128B (zh) * 2019-09-05 2022-12-13 东北大学 基于用能舒适度的多区域综合能源系统协同调度方法
CN111509711B (zh) * 2020-05-12 2021-08-31 国网山东省电力公司电力科学研究院 含多增量配电网的中低压配电网协调并行控制方法和系统
CN112994020A (zh) * 2021-03-31 2021-06-18 南京信息工程大学 一种多能源系统潮流分解计算方法
CN114123174B (zh) * 2021-11-15 2023-06-23 南京邮电大学 基于同态加密隐私保护的微电网分布式能量优化管理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103151797A (zh) * 2013-03-04 2013-06-12 上海电力学院 基于多目标调度模型的并网运行方式下微网能量控制方法
CN107194516A (zh) * 2017-06-07 2017-09-22 华北电力大学 含多主体的多能互补微电网分布式优化调度方法
CN107330549A (zh) * 2017-06-22 2017-11-07 华北电力大学 含多主体的多能互补微电网能量管理方法
CN108388959A (zh) * 2018-02-05 2018-08-10 广东电网有限责任公司东莞供电局 一种基于一致性算法的源网荷储协同优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103151797A (zh) * 2013-03-04 2013-06-12 上海电力学院 基于多目标调度模型的并网运行方式下微网能量控制方法
CN107194516A (zh) * 2017-06-07 2017-09-22 华北电力大学 含多主体的多能互补微电网分布式优化调度方法
CN107330549A (zh) * 2017-06-22 2017-11-07 华北电力大学 含多主体的多能互补微电网能量管理方法
CN108388959A (zh) * 2018-02-05 2018-08-10 广东电网有限责任公司东莞供电局 一种基于一致性算法的源网荷储协同优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Distributed Energy Sharing for PVT-HP Prosumers in Community Energy Internet: A Consensus Approach;Nian Liu等;《Energies》;20180720;第1-18页 *

Also Published As

Publication number Publication date
CN109193628A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN109193628B (zh) 一种基于一致性的综合能源系统能量管理方法
Maleki et al. Harmony search optimization for optimum sizing of hybrid solar schemes based on battery storage unit
Yang et al. Transactive energy supported economic operation for multi-energy complementary microgrids
Lin et al. Decentralized solution for combined heat and power dispatch through benders decomposition
Khan et al. Optimal sizing of a stand-alone photovoltaic, wind turbine and fuel cell systems
Luo et al. Optimization of a solar-based integrated energy system considering interaction between generation, network, and demand side
Ju et al. Multi-objective electro-thermal coupling scheduling model for a hybrid energy system comprising wind power plant, conventional gas turbine, and regenerative electric boiler, considering uncertainty and demand response
Zhang et al. Efficient design of energy microgrid management system: a promoted Remora optimization algorithm-based approach
CN114243694B (zh) 考虑阶梯碳交易和需求响应的并网型微电网优化配置方法
Kong et al. Optimization of the hybrid solar power plants comprising photovoltaic and concentrating solar power using the butterfly algorithm
CN108898265A (zh) 一种综合能源系统一体化规划方法
Li et al. Optimal sizing for a wind-photovoltaic-hydrogen hybrid system considering levelized cost of storage and source-load interaction
Al Smadi et al. Artificial intelligent control of energy management PV system
CN115204562B (zh) 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统
Zhu et al. Multi-objective optimization of a hybrid energy system integrated with solar-wind-PEMFC and energy storage
Zhi et al. Scenario-based multi-objective optimization strategy for rural PV-battery systems
Hosseinnia et al. Multi-objective configuration of an intelligent parking lot and combined hydrogen, heat and power (IPL-CHHP) based microgrid
Zou et al. Distributed online energy management in interconnected microgrids
CN108448628B (zh) 交直流混合系统中优化配置分布式可再生能源方法及系统
CN115759610A (zh) 一种电力系统源网荷储协同的多目标规划方法及其应用
CN116468215A (zh) 计及源荷不确定性的综合能源系统调度方法及装置
Bai et al. Optimal design of a micro combined CHP system applying PEM fuel cell as initial mover with utilization of Developed Pathfinder Optimizer
CN116306181A (zh) 低碳经济下源荷储主动配电网协调规划方法
Guan et al. Chance-constrained optimization of hybrid solar combined cooling, heating and power system considering energetic, economic, environmental, and flexible performances
Fan et al. Multi-agent deep reinforced co-dispatch of energy and hydrogen storage in low-carbon building clusters

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