CN109241655A - 一种电-热互联综合能源系统机会约束协调优化方法 - Google Patents
一种电-热互联综合能源系统机会约束协调优化方法 Download PDFInfo
- Publication number
- CN109241655A CN109241655A CN201811130222.XA CN201811130222A CN109241655A CN 109241655 A CN109241655 A CN 109241655A CN 201811130222 A CN201811130222 A CN 201811130222A CN 109241655 A CN109241655 A CN 109241655A
- Authority
- CN
- China
- Prior art keywords
- chp
- electric
- state variable
- model
- chance constraint
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000009826 distribution Methods 0.000 claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 238000013459 approach Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000009977 dual effect Effects 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 25
- RZZGGSCKACYXBQ-UHFFFAOYSA-N 3,5,6,7,8,9-hexahydro-2h-cyclohepta[c]pyridazin-3-ylhydrazine Chemical compound C1CCCCC2=CC(NN)NN=C21 RZZGGSCKACYXBQ-UHFFFAOYSA-N 0.000 claims description 24
- RZGZMLICFFEUIQ-UHFFFAOYSA-N 5-[(1-phenylcyclohexyl)amino]pentanoic acid Chemical compound C=1C=CC=CC=1C1(NCCCCC(=O)O)CCCCC1 RZGZMLICFFEUIQ-UHFFFAOYSA-N 0.000 claims description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 4
- 238000002156 mixing Methods 0.000 claims description 4
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000000342 Monte Carlo simulation Methods 0.000 abstract description 2
- 238000012795 verification Methods 0.000 abstract 1
- 241000196324 Embryophyta Species 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- JPKJQBJPBRLVTM-OSLIGDBKSA-N (2s)-2-amino-n-[(2s,3r)-3-hydroxy-1-[[(2s)-1-[[(2s)-1-[[(2s)-1-[[(2r)-1-(1h-indol-3-yl)-3-oxopropan-2-yl]amino]-1-oxo-3-phenylpropan-2-yl]amino]-1-oxo-3-phenylpropan-2-yl]amino]-1-oxo-3-phenylpropan-2-yl]amino]-1-oxobutan-2-yl]-6-iminohexanamide Chemical compound C([C@H](NC(=O)[C@@H](NC(=O)[C@@H](N)CCCC=N)[C@H](O)C)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@H](CC=1C2=CC=CC=C2NC=1)C=O)C1=CC=CC=C1 JPKJQBJPBRLVTM-OSLIGDBKSA-N 0.000 description 1
- 102100031277 Calcineurin B homologous protein 1 Human genes 0.000 description 1
- 102100031272 Calcineurin B homologous protein 2 Human genes 0.000 description 1
- 102100031077 Calcineurin B homologous protein 3 Human genes 0.000 description 1
- 241001510512 Chlamydia phage 2 Species 0.000 description 1
- 241000839426 Chlamydia virus Chp1 Species 0.000 description 1
- 101000777252 Homo sapiens Calcineurin B homologous protein 1 Proteins 0.000 description 1
- 101000777239 Homo sapiens Calcineurin B homologous protein 2 Proteins 0.000 description 1
- 101000777270 Homo sapiens Calcineurin B homologous protein 3 Proteins 0.000 description 1
- 101000943802 Homo sapiens Cysteine and histidine-rich domain-containing protein 1 Proteins 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H02J3/383—
-
- 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]
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电‑热互联综合能源系统机会约束协调优化方法。该方法包含以下内容，首先在电‑热互联综合能源系统模型的基础上，同时考虑输入变量的随机性和相关性，建立机会约束协调优化模型，然后基于原对偶内点法计算确定性最优能量流能到一组最优调度方案，在此方案下采用CLMCS(Correlation Latin Hypercube Sampling‑Monte Carlo Simulation)方法求解概率能量流，Cornish‑Fisher级数拟合状态变量概率分布，最后采用启发式算法调整机会约束的上下界，迭代计算得到一组满足所有机会约束的最优调度方案。算例分析结果验证了本文所提方法的有效性与实用性。
Description
技术领域
本发明涉及综合能源系统运行调度领域，尤其涉及一种电-热互联综合能源系统机会约束协调优化方法。
背景技术
随着能源与环境问题的日益突出，如何提高能源利用效率、发掘新能源、实现可再生能源规模化开发，并最终构建统一的社会综合能源系统已成为国际能源领域重要的战略研究方向。综合能源系统一般涵盖集成的供电、供气、供暖、供冷、供氢和电气化交通等能源系统，以及相关的通信和信息基础设施。随着热网的普及、热电联产(Combined Heat andPower,CHP)机组的广泛使用以及电转热(Power to Heat,P2H)技术的发展，电力系统与热力系统之间的耦合不断加深，逐渐形成了以电-热互联综合能源系统为代表的区域级综合能源系统。电-热互联综合能源系统是综合能源系统在地理分布上与功能实现的具体体现，蕴含电、热能源耦合与集成机理，近年来发展迅速。
最优潮流是网络规划和运行的重要工具。但是目前针对电-热互联综合能源系统协调优化运行的研究考虑的均是恒定电负荷和恒定热负荷，且大多基于确定性模型，未充分考虑新能源接入背景下电网及热网的不确定性。在可再生能源的装机规模进一步增加的情况下，其出力波动性和不确定性给网络的安全运行带来了极大的挑战，因此有必要在系统协调优化分析中计及随机性的影响。另外电网和热网还具有一定的相关性，忽略其相关性会导致优化结果不准确。
机会约束优化是随机优化的重要分支。机会约束优化用于解决在给定置信度水平下具有不确定因素的优化问题，允许所做决策在一定概率下不满足约束条件。机会约束优化已在电力系统网络重构、经济调度、机组组合等方面得到了广泛研究，但是在电-热互联综合能源系统的随机优化中还鲜有涉及。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种电-热互联综合能源系统机会约束协调优化方法，求解随机最优能量流。
技术方案：本发明所述的电-热互联综合能源系统机会约束协调优化方法包括以下步骤：
(1)建立电-热互联综合能源系统模型，包括：电力系统模型、热力系统水力模型、热力系统热力模型、热电联产机组模型；
(2)针对光伏出力预测、负荷预测存在的误差，建立光伏出力和电、热负荷随机输入变量的概率模型；
(3)以网络总运行成本最小为优化控制目标，根据所述电-热互联综合能源系统模型建立电-热互联综合能源系统机会约束协调优化模型；
(4)确定性最优能量流计算，即不考虑输入变量的随机性，将输入变量的期望代入，采用原对偶内点法求解确定性最优能量流，得到一组最优调度方案；
(5)计及相关性的概率能量流计算，即在步骤4所得最优调度方案下，采用CLMCS方法计算状态变量的概率分布，得到一系列状态变量概率分布的样本；
(6)状态变量概率分布计算，即利用步骤5所得状态变量概率分布的样本，计算状态变量的各阶半不变量，Cornish-Fisher级数拟合状态变量的概率分布；
(7)判断状态变量是否满足机会约束限制，如果满足机会约束限制，则停止计算，将当前结果作为最优方案输出，如果不满足机会约束限制，则转步骤8；
(8)判断是否达到迭代次数上限，如果达到迭代次数上限则停止计算，否则，采用启发式算法调整机会约束的上下界，并返回步骤4，迭代计算，直到找到一组满足所有机会约束限制的调度方案，作为最优方案输出。
进一步的，所述步骤(1)具体包括以下步骤：
(1-1)采用交流潮流模型描述电力系统模型为：
式中：P、Q为节点的有功功率和无功功率；Y为节点导纳矩阵；为节点电压相量；
(1-2)建立热力系统水力模型为：
流量连续性方程：AHm＝mq
回路压头方程：BHhf＝0
压头损失方程：hf＝Km|m|
式中：AH为热力系统节点-支路网络关联矩阵；m为热力系统管道流量；mq为注入节点的流量；BH为热力系统回路-支路环路关联矩阵；hf为由管道摩擦造成的压头损失；K为管道的阻力系数；
(1-3)建立热力系统热力模型为：
节点热量方程：H＝Cpmq(Ts-T0)
管道温度降落方程：
节点混合温度方程：(∑mout)Tout＝∑(minTin)
式中：H为热负荷消耗或热源提供的热量；Cp为水的比热容；Ts为供热温度，T0为输出温度；Tstart和Tend分别为管道起点和终点热水的温度；Ta为环境温度；λ为管道的热传导系数；L为管道长度；m为管道流量；mout和min分别为流出和注入节点的流量；Tout和Tin分别为流出和注入节点的热水的温度；
(1-4)建立热电联产机组模型为：
式中：PCHP,i和HCHP,i分别为第i台CHP机组的电出力和热出力；PCHP,i,k和HCHP,i,k分别为第i台CHP机组可行域第k个边界点对应的电出力和热出力；ηi,k为第i台CHP机组第k个边界点的电、热出力权重系数；ΩCHP,i为第i台CHP机组可行域顶点集合；ΩCHP为CHP机组集合。
进一步的，所述步骤(2)具体包括以下步骤：
(2-1)建立光伏出力的概率模型为：
式中：f(PPV)为光伏电站有功出力PPV的概率密度函数；α和β为Beta分布的形状参数；PPV、PPV,max为光伏电站实际有功出力和最大有功出力，Γ(·)表示Gamma函数；
(2-2)建立电、热负荷的概率模型为：
式中：f(Pload)和f(Hload)分别为电负荷有功功率Pload和热负荷Hload的概率密度函数；和分别为电负荷的期望和标准差；和分别为热负荷的期望和标准差。
进一步的，所述步骤(3)具体包括以下步骤：
(3-1)以网络总运行成本最小为优化控制目标建立电-热互联综合能源系统机会约束协调优化模型，其中，所述优化模型的目标函数为：
式中：f为网络总运行成本；ΩCHP为CHP机组集合，第i台CHP机组的运行成本CCHP,i是关于其电出力PCHP,i和热出力HCHP,i的二次函数，μ1—μ6为成本系数；
(3-2)设置所述目标函数的确定性约束，包括如下约束：
电-热互联综合能源系统模型中约束；
CHP机组的电、热出力约束：
PCHP,i,min≤PCHP,i≤PCHP,i,max
QCHP,i,min≤QCHP,i≤QCHP,i,max
HCHP,i,min≤HCHP,i≤HCHP,i,max
式中：PCHP,i,min和PCHP,i,max、QCHP,i,min和QCHP,i,max、HCHP,i,min和HCHP,i,max分别为CHP有功出力的上届和下界、无功出力的上届和下界、热出力的上届和下界；
(3-3)设置所述目标函数的机会约束，包括如下约束：
Pr{Vi≤Vi,max}≥pV,max,Pr{Vi≥Vi,min}≥pV,min
Pr{mi≤mi,max}≥pm,max,Pr{mi≥mi,min}≥pm,min
式中：Pr{·}表示机会约束成立的概率；Vi表示电网节点i的电压幅值；mi、Ts,i和Tr,i分别表示热网管道i的流量、热网节点i的供热温度和回热温度；pV、pm、为对应变量的预置置信水平；下标“max”和“min”分别表示模型中对应变量的上下界。
进一步的，所述步骤(6)具体包括以下步骤：
(6-1)计算状态变量的各阶半不变量：
根据步骤(5)中CLMCS方法所得m个状态变量概率分布的样本Sm×N＝(s1,s2,...,sN)计算状态变量的各阶原点矩χυ，再由半不变量与原点矩的关系求得状态变量的各阶半不变量κυ：
式中：N表示样本规模；si表示状态变量的第i个样本，表示si的υ次方；表示从υ个不同元素中取j个元素的组合数；
(6-2)Cornish-Fisher级数拟合状态变量的概率分布：
式中：R(ω)表示随机变量在ω处的分位数；ξ(ω)表示标准正态分布的逆函数；gυ表示规格化的υ阶半不变量， 表示2阶半不变量的υ次方。
进一步的，所述步骤(7)具体包括以下步骤：
(7-1)计算状态变量的机会约束分位点：
式中，表示xi的分位函数，下标“max”和“min”分别表示模型中对应变量的上下界，表示xi预置置信水平，xi表示第i个状态变量；
(7-2)比较状态变量的分位点和约束边界，如果满足机会约束限制，则停止计算，输出计算结果，如有违反，则通过步骤8启发式算法调整约束边界。
进一步的，所述步骤(8)中所述启发式算法具体为：
如果则调整状态变量xi的约束上界：
如果则调整状态变量xi的约束下界：
式中：和表示状态变量的计算上下界，初值分别取xi,max和xi,min；δ为调整参数。
有益效果：本发明与现有技术相比，其显著优点是：
1)本发明在电-热互联综合能源系统模型的基础上，同时考虑光伏出力、电负荷和热负荷的随机性和相关性，并引入电网节点电压机会约束、热网管道流量机会约束、热网供热温度和回热温度机会约束，建立了电-热互联综合能源系统机会约束协调优化模型，改进了现有模型，使其更接近实际运行工况。
2)电-热互联综合能源系统中输入变量的随机性和相关性给系统的安全运行带来了极大的挑战，传统确定性优化方法已经难以适应。本发明提供一种电-热互联综合能源系统机会约束协调优化方法，采用基于内点法和CLMCS方法的启发式算法求解电-热互联综合能源系统机会约束协调优化模型，得到一组满足所有机会约束的最优调度方案，填补机会约束优化在电-热互联综合能源系统领域的空缺。此外，机会约束优化可以发现网络安全薄弱环节，从而为调度人员作出更好的决策提供依据，具有一定的工程实用价值。
附图说明
图1为本发明的算法流程图；
图2为本发明CHP机组的电热特性；
图3为本发明测试系统拓扑结构图；
图4为本发明电网节点31电压幅值的概率密度曲线；
图5为本发明热网管道12流量的概率密度曲线；
图6为本发明热网节点6供热温度的概率密度曲线。
具体实施方式
本实施例提供了一种电-热互联综合能源系统机会约束协调优化方法，如图1所示，包括以下步骤：
步骤1：建立电-热互联综合能源系统模型，包括：电力系统模型、热力系统水力模型和热力模型、CHP机组模型.具体包括以下步骤：
步骤101：电力系统模型用经典的交流潮流模型描述，其节点的功率表达式如下：
式中：P、Q为节点的有功功率和无功功率；Y为节点导纳矩阵；为节点电压相量。
步骤102：热网水力模型可以由流量连续性方程、回路压头方程和压头损失方程来描述，即：
AHm＝mq (2)
BHhf＝0 (3)
hf＝Km|m| (4)
式中：AH为热网节点-支路网络关联矩阵；m为热网管道流量；mq为注入节点的流量；BH为热网回路-支路环路关联矩阵；hf为由管道摩擦造成的压头损失；K为管道的阻力系数，在很大程度上取决于管道的直径。
步骤103：热力模型的求解主要涉及以下三种温度，供热温度Ts表示热水注入节点之前的温度，输出温度T0表示热水流出节点时的温度，回热温度Tr表示热水流出节点并与其他管道的热水混合汇入回收管道之后的温度。热网热力模型可以由节点热量方程、管道温度降落方程和节点混合温度方程来描述，即：
H＝Cpmq(Ts-T0) (5)
(∑mout)Tout＝∑(minTin) (7)
式中：H为热负荷消耗或热源提供的热量；Cp为水的比热容；Tstart和Tend分别为管道起点和终点热水的温度；Ta为环境温度；λ为管道的热传导系数；L为管道长度；m为管道流量；mout和min分别为流出和注入节点的流量；Tout和Tin分别为流出和注入节点的热水的温度。
步骤104：图2为CHP机组电热特性，可分为背压式(定热电比)CHP机组和抽凝式(变热电比)CHP机组两种类型，上述两种类型CHP机组的电、热特性可以统一地由其可行域边界点A—F的加权来表示，即：
式中：PCHP,i和HCHP,i分别为第i台CHP机组的电出力和热出力；PCHP,i,k和HCHP,i,k分别为第i台CHP机组可行域第k个边界点对应的电出力和热出力；ηi,k为第i台CHP机组第k个边界点的电、热出力权重系数；ΩCHP,i为第i台CHP机组可行域顶点集合；ΩCHP为CHP机组集合。
步骤2：针对光伏出力预测、负荷预测存在的误差，建立光伏出力和电、热负荷等随机变量的概率模型。具体包括以下步骤：
步骤201：光伏出力满足Beta分布，概率密度函数为：
式中：f(PPV)为光伏电站有功出力PPV的概率密度函数；和β为Beta分布的形状参数；PPV,max为光伏电站实际有功出力和最大有功出力。光伏发电机组采用恒功率因数控制。假设光伏发电机组的功率因数为1，则其无功出力为0，Γ(·)表示Gamma函数。
步骤202：一般而言，正态分布可以较好地描述电、热负荷的预测误差，负荷概率密度函数分别为：
式中：f(Pload)和f(Hload)分别为电负荷有功功率Pload和热负荷Hload的概率密度函数；和分别为电负荷的期望和标准差；和分别为热负荷的期望和标准差。电网无功负荷按照定功率因数跟随有功负荷变化。
步骤3：建立电-热互联综合能源系统机会约束协调优化模型，包括：目标函数、确定性约束和机会约束，以网络总运行成本最小为优化控制目标，确定性约束包括电力平衡约束、热力平衡、热网水力约束、热网热力约束、CHP机组电热特性约束、CHP机组的出力约束，机会约束包括电网节点电压机会约束、热网管道流量机会约束、热网供热温度和回热温度机会约束。具体包括以下步骤：
步骤301：目标函数
电-热互联综合能源系统机会约束协调优化模型以网络总运行成本最小为优化控制目标：
式中：f为网络总运行成本；ΩCHP为CHP机组集合。第i台CHP机组的运行成本CCHP,i是关于其电出力PCHP,i和热出力HCHP,i的二次函数：
式中：μ1—μ6为成本系数。
步骤302：确定性约束
确定性约束包括上述电力平衡约束，式(1)；热力平衡约束，式(5)；热网水力约束，式(2)—(4)；热网热力约束，式(6)—(7)；CHP机组电热特性约束，式(8)—(10)。此外，CHP机组的电、热出力约束也属于确定性约束的范畴，具体可以表述为：
PCHP,i,min≤PCHP,i≤PCHP,i,max (16)
QCHP,i,min≤QCHP,i≤QCHP,i,max (17)
HCHP,i,min≤HCHP,i≤HCHP,i,max (18)
式中：PCHP,i,min和PCHP,i,max、QCHP,i,min和QCHP,i,max、HCHP,i,min和HCHP,i,max分别为CHP有功出力的上届和下界、无功出力的上届和下界、热出力的上届和下界。
步骤303：机会约束
考虑到光伏出力和电、热负荷为随机变量，所得状态变量(包括电网节点电压、热网管道流量、热网供热温度和回热温度)均是随机变量，因而采用机会约束来描述状态变量约束，即：
Pr{Vi≤Vi,max}≥pV,max,Pr{Vi≥Vi,min}≥pV,min (19)
Pr{mi≤mi,max}≥pm,max,Pr{mi≥mi,min}≥pm,min (20)
式中：Pr{·}表示机会约束成立的概率；Vi表示电网节点i的电压幅值；mi、Ts,i和Tr,i分别表示热网管道i的流量、热网节点i的供热温度和回热温度；pV、pm、为对应变量的预置置信水平；下标“max”和“min”分别表示模型中对应变量的上下界。
步骤4：确定性最优能量流计算，即不考虑输入变量的随机性，将输入变量的期望代入，采用原对偶内点法求解确定性最优能量流，得到一组最优调度方案。
步骤5：计及相关性的概率能量流计算，即在步骤4所得最优调度方案下，采用CLMCS(Correlation Latin Hypercube Sampling-Monte Carlo Simulation)方法计算状态变量的概率分布，得到一系列状态变量概率分布的样本。
步骤6：状态变量概率分布计算，即利用步骤5所得状态变量概率分布的样本，计算状态变量的各阶半不变量，Cornish-Fisher级数拟合状态变量的概率分布。具体包括以下步骤：
步骤601：计算状态变量的各阶半不变量
考虑到状态变量的概率分布类型未知，无法由常规数值方法计算其半不变量解析式，本发明根据步骤5中CLMCS方法所得m个状态变量概率分布的样本Sm×N＝(s1,s2,...,sN)计算状态变量的各阶原点矩χυ，再由半不变量与原点矩的关系求得状态变量的各阶半不变量κυ：
式中：N表示样本规模；si表示状态变量的第i个样本，表示si的υ次方；表示从υ个不同元素中取j个元素的组合数；
步骤602：Cornish-Fisher级数拟合状态变量的概率分布
目前，常用Gram-Charlier级数或Cornish-Fisher级数基于变量的各阶半不变量拟合其概率分布。对于非正态分布的随机变量，Cornish-Fisher级数在拟合其概率分布时相比Gram-Charlier级数具有更高的精度和更好的收敛性，因此本发明采用Cornish-Fisher级数拟合状态变量的分位函数R：
式中：R(ω)表示随机变量在ω处的分位数；ξ(ω)表示标准正态分布的逆函数；gυ表示规格化的υ阶半不变量， 表示2阶半不变量的υ次方。
步骤7：判断状态变量是否满足机会约束限制，如果满足机会约束限制，则停止计算，输出计算结果，如果不满足机会约束限制，转步骤8。具体包括以下步骤：
步骤701：计算状态变量的机会约束分位点
为了求解机会约束优化，本文将机会约束转化为确定性约束，式(19)—(22)的机会约束可用统一的形式表示为：
第i个状态变量xi的CDF为则式(26)可以转化为：
Cornish-Fisher级数可以借助变量的各阶半不变量逼近其分位函数R。由于xi的分位函数为的逆函数，且其单调递增，因而，式(27)可以等价转换为如下形式：
步骤702：比较状态变量的分位点和约束边界，如果满足机会约束限制，则停止计算，输出计算结果，如有违反，则通过步骤8启发式算法调整约束边界。
步骤8：判断是否达到迭代次数上限，如果达到迭代次数上限则停止计算，否则，采用启发式算法调整机会约束的上下界，并返回步骤4，迭代计算，直到找到一组满足所有机会约束限制的调度方案。
其中，所述启发式算法如下：
如果则调整状态变量xi的约束上界：
如果则调整状态变量xi的约束下界：
式中：和表示状态变量的计算上下界，初值分别取和δ为调整参数，防止状态变量上下界不合理的调整，通常可取5％～20％。
本发明采用上述基于内点法和CLMCS方法的启发式算法求解电-热互联综合能源系统机会约束协调优化模型，下面以图3所示测试系统为例进行优化分析，该电-热互联综合能源系统主要由以下三个部分构成：1)含光伏的IEEE 33节点配电网；2)32节点巴厘岛区域热网；3)CHP机组。CHP机组类型及其与电、热网的耦合关系见表1。其中，CHP1和CHP3为定热电比机组，CHP2为变热电比机组。
表1电网与热网的耦合关系
本发明对图3所示电-热互联综合能源系统进行机会约束约束协调优化计算，每次迭代过程中网络总运行成本和违反机会约束的变量数如表2所示。迭代6次以后在95％的置信水平下所有机会约束条件均满足，此时网络的总运行成本为8000.8$。这里机会约束优化计及不确定性的影响，网络运行成本相比确定性优化(即表2第一次迭代网络运行成本)有所增加。
表2机会约束优化迭代过程
同一地区的电、热负荷之间存在相关性，地理位置相近的光伏电站出力之间也存较强的相关性。本发明针对以下三种场景讨论相关性对网络运行特性的影响：
1)场景1：计及负荷和光伏相关性；
2)场景2：仅计及负荷相关性，即计及电-电负荷相关性、热-热负荷相关性和电-热负荷相关性；
3)场景3：不计相关性。
图4为本发明电网节点31电压幅值的概率密度曲线，图5为本发明热网管道12流量的概率密度曲线，图6为本发明热网节点6供热温度的概率密度曲线。可见，随机输入变量之间的相关性对电网和热网状态变量越限的概率有较大影响，因而在电-热互联综合能源系统机会约束协调优化中有必要计及相关性影响。
上述仿真结果验证本文所提方法的有效性和和实用性，测试系统分析表明电网和热网的不确定性会增加网络运行成本，电-热互联综合能源系统之间的相关性会对优化调度方案产生影响，因此在电-热互联综合能源系统随机优化中应对随机输入变量之间的相关性给予充分考虑。
以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (7)
1.一种电-热互联综合能源系统机会约束协调优化方法，其特征在于，包括以下步骤：
(1)建立电-热互联综合能源系统模型，包括：电力系统模型、热力系统水力模型、热力系统热力模型、热电联产机组模型；
(2)针对光伏出力预测、负荷预测存在的误差，建立光伏出力和电、热负荷随机输入变量的概率模型；
(3)以网络总运行成本最小为优化控制目标，根据所述电-热互联综合能源系统模型建立电-热互联综合能源系统机会约束协调优化模型；
(4)确定性最优能量流计算，即不考虑输入变量的随机性，将输入变量的期望代入，采用原对偶内点法求解确定性最优能量流，得到一组最优调度方案；
(5)计及相关性的概率能量流计算，即在步骤4所得最优调度方案下，采用CLMCS方法计算状态变量的概率分布，得到一系列状态变量概率分布的样本；
(6)状态变量概率分布计算，即利用步骤5所得状态变量概率分布的样本，计算状态变量的各阶半不变量，Cornish-Fisher级数拟合状态变量的概率分布；
(7)判断状态变量是否满足机会约束限制，如果满足机会约束限制，则停止计算，将当前结果作为最优方案输出，如果不满足机会约束限制，则转步骤8；
(8)判断是否达到迭代次数上限，如果达到迭代次数上限则停止计算，否则，采用启发式算法调整机会约束的上下界，并返回步骤4，迭代计算，直到找到一组满足所有机会约束限制的调度方案，作为最优方案输出。
2.根据权利要求1所述的一种电-热互联综合能源系统机会约束协调优化方法，其特征在于：所述步骤(1)具体包括以下步骤：
(1-1)采用交流潮流模型描述电力系统模型为：
式中：P、Q为节点的有功功率和无功功率；Y为节点导纳矩阵；为节点电压相量；
(1-2)建立热力系统水力模型为：
流量连续性方程：AHm＝mq
回路压头方程：BHhf＝0
压头损失方程：hf＝Km|m|
式中：AH为热力系统节点-支路网络关联矩阵；m为热力系统管道流量；mq为注入节点的流量；BH为热力系统回路-支路环路关联矩阵；hf为由管道摩擦造成的压头损失；K为管道的阻力系数；
(1-3)建立热力系统热力模型为：
节点热量方程：H＝Cpmq(Ts-T0)
管道温度降落方程：
节点混合温度方程：(∑mout)Tout＝∑(minTin)
式中：H为热负荷消耗或热源提供的热量；Cp为水的比热容；Ts为供热温度，T0为输出温度；Tstart和Tend分别为管道起点和终点热水的温度；Ta为环境温度；λ为管道的热传导系数；L为管道长度；m为管道流量；mout和min分别为流出和注入节点的流量；Tout和Tin分别为流出和注入节点的热水的温度；
(1-4)建立热电联产机组模型为：
式中：PCHP,i和HCHP,i分别为第i台CHP机组的电出力和热出力；PCHP,i,k和HCHP,i,k分别为第i台CHP机组可行域第k个边界点对应的电出力和热出力；ηi,k为第i台CHP机组第k个边界点的电、热出力权重系数；ΩCHP,i为第i台CHP机组可行域顶点集合；ΩCHP为CHP机组集合。
3.根据权利要求1所述的一种电-热互联综合能源系统机会约束协调优化方法，其特征在于：所述步骤(2)具体包括以下步骤：
(2-1)建立光伏出力的概率模型为：
式中：f(PPV)为光伏电站有功出力PPV的概率密度函数；α和β为Beta分布的形状参数；PPV、PPV,max为光伏电站实际有功出力和最大有功出力，Γ(·)表示Gamma函数；
(2-2)建立电、热负荷的概率模型为：
式中：f(Pload)和f(Hload)分别为电负荷有功功率Pload和热负荷Hload的概率密度函数；和分别为电负荷的期望和标准差；和分别为热负荷的期望和标准差。
4.根据权利要求1所述的一种电-热互联综合能源系统机会约束协调优化方法，其特征在于，所述步骤(3)具体包括以下步骤：
(3-1)以网络总运行成本最小为优化控制目标建立电-热互联综合能源系统机会约束协调优化模型，其中，所述优化模型的目标函数为：
式中：f为网络总运行成本；ΩCHP为CHP机组集合，第i台CHP机组的运行成本CCHP,i是关于其电出力PCHP,i和热出力HCHP,i的二次函数，μ1—μ6为成本系数；
(3-2)设置所述目标函数的确定性约束，包括如下约束：
电-热互联综合能源系统模型中约束；
CHP机组的电、热出力约束：
PCHP,i,min≤PCHP,i≤PCHP,i,max
QCHP,i,min≤QCHP,i≤QCHP,i,max
HCHP,i,min≤HCHP,i≤HCHP,i,max
式中：PCHP,i,min和PCHP,i,max、QCHP,i,min和QCHP,i,max、HCHP,i,min和HCHP,i,max分别为CHP有功出力的上届和下界、无功出力的上届和下界、热出力的上届和下界；
(3-3)设置所述目标函数的机会约束，包括如下约束：
Pr{Vi≤Vi,max}≥pV,max,Pr{Vi≥Vi,min}≥pV,min
Pr{mi≤mi,max}≥pm,max,Pr{mi≥mi,min}≥pm,min
式中：Pr{·}表示机会约束成立的概率；Vi表示电网节点i的电压幅值；mi、Ts,i和Tr,i分别表示热网管道i的流量、热网节点i的供热温度和回热温度；pV、pm、为对应变量的预置置信水平；下标“max”和“min”分别表示模型中对应变量的上下界。
5.根据权利要求1所述的一种电-热互联综合能源系统机会约束协调优化方法，其特征在于，所述步骤(6)具体包括以下步骤：
(6-1)计算状态变量的各阶半不变量：
根据步骤(5)中CLMCS方法所得m个状态变量概率分布的样本Sm×N＝(s1,s2,…,sN)计算状态变量的各阶原点矩χυ，再由半不变量与原点矩的关系求得状态变量的各阶半不变量κυ：
式中：N表示样本规模；si表示状态变量的第i个样本，表示si的υ次方；表示从υ个不同元素中取j个元素的组合数；
(6-2)Cornish-Fisher级数拟合状态变量的概率分布：
式中：R(ω)表示随机变量在ω处的分位数；ξ(ω)表示标准正态分布的逆函数；gυ表示规格化的υ阶半不变量， 表示2阶半不变量的υ次方。
6.根据权利要求1所述的一种电-热互联综合能源系统机会约束协调优化方法，其特征在于，所述步骤(7)具体包括以下步骤：
(7-1)计算状态变量的机会约束分位点：
式中，表示xi的分位函数，下标“max”和“min”分别表示模型中对应变量的上下界，表示xi预置置信水平，xi表示第i个状态变量；
(7-2)比较状态变量的分位点和约束边界，如果满足机会约束限制，则停止计算，输出计算结果，如有违反，则通过步骤8启发式算法调整约束边界。
7.根据权利要求1所述的一种电-热互联综合能源系统机会约束协调优化方法，其特征在于，所述步骤(8)中所述启发式算法具体为：
如果则调整状态变量xi的约束上界：
如果则调整状态变量xi的约束下界：
式中：和表示状态变量的计算上下界，初值分别取xi,max和xi,min；δ为调整参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811130222.XA CN109241655A (zh) | 2018-09-27 | 2018-09-27 | 一种电-热互联综合能源系统机会约束协调优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811130222.XA CN109241655A (zh) | 2018-09-27 | 2018-09-27 | 一种电-热互联综合能源系统机会约束协调优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109241655A true CN109241655A (zh) | 2019-01-18 |
Family
ID=65056916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811130222.XA Withdrawn CN109241655A (zh) | 2018-09-27 | 2018-09-27 | 一种电-热互联综合能源系统机会约束协调优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109241655A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110912120A (zh) * | 2019-11-26 | 2020-03-24 | 东北电力大学 | 考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法 |
| CN112713590A (zh) * | 2020-12-22 | 2021-04-27 | 南昌大学 | 计及idr的冷热电联供微网与主动配电网联合优化调度方法 |
| CN113902040A (zh) * | 2021-11-15 | 2022-01-07 | 中国电力科学研究院有限公司 | 电-热综合能源系统协调优化方法、系统、设备及存储介质 |
| CN114676979A (zh) * | 2022-03-04 | 2022-06-28 | 南方科技大学 | 一种能量调度方法及其装置、计算机设备、存储介质 |
| CN114970940A (zh) * | 2022-03-21 | 2022-08-30 | 武汉大学 | 一种考虑热负荷不确定性的电热系统随机优化调度方法 |
| CN116316717A (zh) * | 2023-02-10 | 2023-06-23 | 河海大学 | 一种电-氢综合能源系统机会约束调度方法 |
-
2018
- 2018-09-27 CN CN201811130222.XA patent/CN109241655A/zh not_active Withdrawn
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110912120A (zh) * | 2019-11-26 | 2020-03-24 | 东北电力大学 | 考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法 |
| CN110912120B (zh) * | 2019-11-26 | 2022-05-24 | 东北电力大学 | 考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法 |
| CN112713590A (zh) * | 2020-12-22 | 2021-04-27 | 南昌大学 | 计及idr的冷热电联供微网与主动配电网联合优化调度方法 |
| CN112713590B (zh) * | 2020-12-22 | 2022-11-08 | 南昌大学 | 计及idr的冷热电联供微网与主动配电网联合优化调度方法 |
| CN113902040A (zh) * | 2021-11-15 | 2022-01-07 | 中国电力科学研究院有限公司 | 电-热综合能源系统协调优化方法、系统、设备及存储介质 |
| CN114676979A (zh) * | 2022-03-04 | 2022-06-28 | 南方科技大学 | 一种能量调度方法及其装置、计算机设备、存储介质 |
| CN114970940A (zh) * | 2022-03-21 | 2022-08-30 | 武汉大学 | 一种考虑热负荷不确定性的电热系统随机优化调度方法 |
| CN116316717A (zh) * | 2023-02-10 | 2023-06-23 | 河海大学 | 一种电-氢综合能源系统机会约束调度方法 |
| CN116316717B (zh) * | 2023-02-10 | 2024-05-28 | 河海大学 | 一种电-氢综合能源系统机会约束调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109241655A (zh) | 一种电-热互联综合能源系统机会约束协调优化方法 | |
| Zhang et al. | Optimal operation of integrated electricity and heat system: A review of modeling and solution methods | |
| WO2019233134A1 (zh) | 数据驱动下基于风电不确定性的电热气网三阶段调度方法 | |
| Lei et al. | Multi-objective stochastic expansion planning based on multi-dimensional correlation scenario generation method for regional integrated energy system integrated renewable energy | |
| US10982861B2 (en) | Modeling method of combined heat and power optimal dispatching model | |
| CN106339772B (zh) | 基于供热管网储热效益的热-电联合优化调度方法 | |
| CN106960282B (zh) | 一种气电综合能源配网系统的协调运行方法 | |
| CN106777708B (zh) | 一种电力-天然气区域综合能源系统的稳态分析方法 | |
| Li et al. | Probability-interval-based optimal planning of integrated energy system with uncertain wind power | |
| CN103580061B (zh) | 微电网运行方法 | |
| CN109241662A (zh) | 一种电热互联综合能源系统最优能量流计算方法 | |
| CN109255550A (zh) | 一种综合能源系统的n-1静态安全分析方法 | |
| CN107451680A (zh) | 一种电‑气互联系统随机最优潮流启发式计算方法 | |
| CN109255489A (zh) | 一种基于半不变量法的电-热互联综合能源系统概率能量流计算方法 | |
| CN109031952A (zh) | 一种电-气互联综合能源系统混合控制方法 | |
| CN106786753A (zh) | 多用户的区域能源互联网的系统及其调节方法 | |
| CN111711206B (zh) | 一种计及热网动态特性的城市热电综合能源系统调度方法 | |
| CN112347607B (zh) | 一种基于凸松弛的热电联合调度方法 | |
| CN110046750A (zh) | 一种能源互联网协同优化运行方法 | |
| CN110516951A (zh) | 一种动态时间间隔的综合能源系统调度方法 | |
| Fan et al. | Review on coordinated planning of source-network-load-storage for integrated energy systems | |
| CN109255194A (zh) | 一种含p2h的电-热互联综合能源系统光伏消纳分析方法 | |
| CN105654224A (zh) | 一种计及风电不确定性的省级电网月度购电风险管理方法 | |
| Liu et al. | Two-stage optimal economic scheduling for commercial building multi-energy system through internet of things | |
| Pan et al. | Operation optimization of integrated energy systems based on heat storage characteristics of heating network |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190118 |