CN109242217A - 一种电-气能源多目标分布式交易协同优化方法和装置 - Google Patents
一种电-气能源多目标分布式交易协同优化方法和装置 Download PDFInfo
- Publication number
- CN109242217A CN109242217A CN201811287660.7A CN201811287660A CN109242217A CN 109242217 A CN109242217 A CN 109242217A CN 201811287660 A CN201811287660 A CN 201811287660A CN 109242217 A CN109242217 A CN 109242217A
- Authority
- CN
- China
- Prior art keywords
- optimization model
- gas
- optimization
- power grid
- splitting
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 276
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000008569 process Effects 0.000 claims abstract description 17
- 230000008878 coupling Effects 0.000 claims description 47
- 238000010168 coupling process Methods 0.000 claims description 47
- 238000005859 coupling reaction Methods 0.000 claims description 47
- 238000000926 separation method Methods 0.000 abstract description 5
- 238000000354 decomposition reaction Methods 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 178
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 48
- 239000003345 natural gas Substances 0.000 description 24
- 230000008901 benefit Effects 0.000 description 5
- 230000000295 complement effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种电‑气能源多目标分布式协同优化方法和装置,通过对建立的电‑气能源系统的集中式多目标优化模型进行拆分处理,拓扑分离使系统分解为电网优化模型和气网优化模型,对电网优化模型和气网优化模型进行耦合,实现电气变量信息交换,最后对电网优化模型和气网优化模型进行解耦优化,实现了电网和气网在多目标优化下的分散自治和协同互补利用。
Description
技术领域
本申请涉及能源优化技术领域,尤其涉及一种电-气能源多目标分布式协同优化方法和装置。
背景技术
电力能源与天然气能源的发展,为人类社会进步、经济发展提供了极大的推动力,越来越受到人们的重视。
传统的能源利用规划方式是电力能源系统与天然气能源系统分散自治,电力能源系统与天然气能源系统分别由不同的能源供应商进行提供,虽然能够分别在电力能源供应和天然气能源供应上满足对电力能源和天然气能源的需求,但是,人类对能源的需求往往在同一时间同一空间内是多样化的,单独的电力能源或单独的天然气能源的供应,已经不再适应快速发展的社会经济需求,因此,为了促进各类能源综合利用、供需互动和高效运行,需要将各类能源进行综合利用,电力能源与天然气能源的混联系统也因此应运而生。
目前,虽然建立起了电力能源与天然气能源的混联系统,能源的综合利用率得到了一定程度的提高,但是,电力能源系统和天然气能源系统共同构成的区域综合能源系统,能源祸合紧密,如何在电力能源系统与天然气能源系统的多目标优化下分散自治的基础上,实现系统各能源的协同互补利用,是本领域技术人员亟待解决的技术问题。
发明内容
本申请提供的一种电-气能源多目标分布式协同优化方法和装置,能够在电力能源系统与天然气能源系统的多目标优化下分散自治的基础上,实现各能源的协同互补利用。
本申请第一方面提供了一种电-气能源多目标分布式协同优化方法,包括:
对建立的电-气能源系统的集中式多目标优化模型进行拆分处理,得到电网优化模型和气网优化模型,所述拆分处理包括:拆分物理结构、拆分决策变量、拆分优化目标、拆分等式和不等式约束;
根据耦合等式约束对所述电网优化模型和所述气网优化模型进行耦合;
对所述电网优化模型和所述气网优化模型进行求解,并判断是否满足收敛条件,若是,输出当前解,否则,重新对所述电网优化模型和所述气网优化模型进行求解。
优选地,所述集中式多目标优化模型为:
min η
其中,η为目标变量;xE-G为电-气能源系统的决策变量向量,f1(xE-G)为电-气能源系统的第1个优化目标,f1,max为第一优化目标最大值,f1,min为第一优化目标最小值,f2(xE-G)为电-气能源系统的第2个优化目标,f2,max为第二优化目标最大值,f2,min为第二优化目标最小值;f3(xE-G)为电-气能源系统的第3个优化目标,f3,max为第三优化目标最大值,f3,min为第三优化目标最小值,h(xE-G)为电-气能源系统的等式约束集合,g(xE-G)为电-气能源系统的不等式约束集合,g(xE-G)为电-气能源系统的不等式约束集合下限,为电-气能源系统的不等式约束集合上限。
优选地,所述对建立的电-气能源系统的集中式多目标优化模型进行拆分处理,得到电网优化模型和气网优化模型,具体包括:
拆分建立的电-气能源系统的集中式多目标优化模型的物理结构,将所述集中式多目标优化模型拆分为电网模型和气网模型;
拆分所述集中式多目标优化模型的决策变量,将所述决策变量拆分为电网变量和气网变量;
根据虚拟目标变量拆分所述集中式多目标优化模型的优化目标;
将所述集中式多目标优化模型的等式和不等式约束拆分到所述电网模型和所述气网模型中。
优选地,所述对所述电网优化模型和所述气网优化模型进行求解,具体包括:
采用交替方向乘子法交替迭代求解所述电网优化模型和所述气网优化模型。
优选地,所述采用交替方向乘子法交替迭代求解所述电网优化模型和所述气网优化模型,具体包括:
根据电网优化模型求解公式求解所述电网优化模型,将所述电网优化模型的第k+1步解对应的电网耦合约束变量发送至气网;
根据气网优化模型求解公式求解所述气网优化模型,将所述气网优化模型的第k+1步解对应的气网耦合约束变量发送至电网。
优选地,所述收敛条件为:
其中,为电网优化模型的第k+1步解对应的电网耦合约束变量,气网优化模型的第k+1步解对应的气网耦合约束变量。
优选地,所述耦合等式约束为:
其中,ηE为电网优化模型中电网的目标变量,ηG为气网优化模型中气网的目标变量,为电网耦合约束变量;为气网耦合约束变量。
优选地,所述电网优化模型求解公式为:
其中,k为第k步迭代结果值,k+1为第k+1步解,λ为拉格朗日乘子向量,ζ为二次参数。
优选地,所述气网优化模型求解公式为:
本申请第二方面提供了一种电-气能源多目标分布式协同优化装置,包括:
拆分模块,用于对建立的电-气能源系统的集中式多目标优化模型进行拆分处理,得到电网优化模型和气网优化模型,所述拆分处理包括:拆分物理结构、拆分决策变量、拆分优化目标、拆分等式和不等式约束;
耦合模块,用于根据耦合等式约束对所述电网优化模型和所述气网优化模型进行耦合;
求解模块,用于对所述电网优化模型和所述气网优化模型进行求解,并判断是否满足收敛条件,若是,输出当前解,否则,重新对所述电网优化模型和所述气网优化模型进行求解。
从以上技术方案可以看出,本申请具有以下优点:
本申请中提供的一种电-气能源多目标分布式协同优化方法,包括:对建立的电-气能源系统的集中式多目标优化模型进行拆分处理,得到电网优化模型和气网优化模型,拆分处理包括:拆分物理结构、拆分决策变量、拆分优化目标、拆分等式和不等式约束;根据耦合等式约束对电网优化模型和气网优化模型进行耦合;对电网优化模型和气网优化模型进行求解,并判断是否满足收敛条件,若是,输出当前解,否则,重新对电网优化模型和气网优化模型进行求解。本申请提供的方法,通过对建立的电-气能源系统的集中式多目标优化模型进行拆分处理,拓扑分离使系统分解为电网优化模型和气网优化模型,对电网优化模型和气网优化模型进行耦合,实现电气变量信息交换,最后对电网优化模型和气网优化模型进行解耦优化,实现了电网和气网在多目标优化下的分散自治和协同互补利用。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例中提供的一种电-气能源多目标分布式协同优化方法的流程示意图;
图2为本申请实施例中提供的一种电-气能源多目标分布式协同优化方法的另一流程示意图
图3为本申请实施例中提供的电-气能源系统拓扑结构示意图;
图4为本申请实施例中一天内电-气能源系统的电力负荷、天然气负荷以及风电出力曲线图;
图5为本申请实施例中提供的一种电-气能源多目标分布式协同优化装置的结构示意图。
具体实施方式
本申请实施例公开了一种电-气能源多目标分布式协同优化方法和装置,能够在电力能源系统与天然气能源系统的多目标优化下分散自治的基础上,实现各能源的协同互补利用。
请参阅图1和图3,本申请提供了一种电-气能源多目标分布式协同优化方法的一个实施例,本申请实施例提供的电-气能源多目标分布式协同优化方法,包括:
步骤101、对建立的电-气能源系统的集中式多目标优化模型进行拆分处理,得到电网优化模型和气网优化模型,拆分处理包括:拆分物理结构、拆分决策变量、拆分优化目标、拆分等式和不等式约束。
需要说明的是,本申请实施例中,需要预先建立电-气能源系统的集中式多目标优化模型,为更好的进行说明,请参阅图3,图3为本申请实施例提供的电-气能源系统拓扑结构示意图,以IEEE 57节点系统作为电网部分,以比利时20节点天然气系统作为气网部分,搭建电-气能源系统的集中式多目标优化模型。在IEEE 57节点系统中,将节点编号为1、2和3的火电机组改为燃气轮机机组,接至气网中。将节点编号为6和7的火电机组改为风电机组,通过电转气P2G装置接至气网中。IEEE 57节点系统的其余火电机组保持不变。在电-气能源系统中,共有3台燃气轮机机组,2台电转气P2G装置。IEEE 57节点系统和比利时20节点天然气系统的拓扑结构和系统参数保持不变。
建立好电-气能源系统的集中式多目标优化模型之后,需要对集中式多目标优化模型进行拓扑分离,拓扑分离主要是通过拆分处理进行分离,拆分处理包括分物理结构、拆分决策变量、拆分优化目标、拆分等式和不等式约束。
步骤102、根据耦合等式约束对电网优化模型和气网优化模型进行耦合。
需要说明的是,在完成拆分处理之后,需要通过耦合等式约束对电网优化模型和气网优化模型进行耦合,实现电气变量信息的交换。
步骤103、对电网优化模型和气网优化模型进行求解,并判断是否满足收敛条件,若是,输出当前解,否则,重新对电网优化模型和气网优化模型进行求解。
需要说明的是,分别对电网优化模型和气网优化模型进行求解,当求解满足收敛条件的时候,求解结束,输出当前解作为最优解,如过没有满足收敛条件,则返回对电网优化模型和气网优化模型进行求解。
本申请实施例中提供的一种电-气能源多目标分布式协同优化方法,包括:对建立的电-气能源系统的集中式多目标优化模型进行拆分处理,得到电网优化模型和气网优化模型,拆分处理包括:拆分物理结构、拆分决策变量、拆分优化目标、拆分等式和不等式约束;根据耦合等式约束对电网优化模型和气网优化模型进行耦合;对电网优化模型和气网优化模型进行求解,并判断是否满足收敛条件,若是,输出当前解,否则,重新对电网优化模型和气网优化模型进行求解。本申请提供的方法,通过对建立的电-气能源系统的集中式多目标优化模型进行拆分处理,拓扑分离使系统分解为电网优化模型和气网优化模型,对电网优化模型和气网优化模型进行耦合,实现电气变量信息交换,最后对电网优化模型和气网优化模型进行解耦优化,实现了电网和气网在多目标优化下的分散自治和协同互补利用。
请参阅图2至图4,本申请提供的一种电-气能源多目标分布式协同优化方法的另一个实施例,本申请实施例提供的电-气能源多目标分布式协同优化方法,包括:
步骤201、拆分建立的电-气能源系统的集中式多目标优化模型的物理结构,将集中式多目标优化模型拆分为电网模型和气网模型。
需要说明的是,在电-气能源系统中,电转气和燃气轮机是电网和气网的拓扑链接装置。此时,断开气网对电转气和燃气轮机的拓扑链接,将所有电转气和燃气轮机移至电网中,并保持电网对电转气和燃气轮机的拓扑链接,从而将电-气能源系统拆分为电网和气网。
进一步地,集中式多目标优化模型为:
min η
其中,η为目标变量;xE-G为电-气能源系统的决策变量向量,f1(xE-G)为电-气能源系统的第1个优化目标,f1,max为第一优化目标最大值,f1,min为第一优化目标最小值,f2(xE-G)为电-气能源系统的第2个优化目标,f2,max为第二优化目标最大值,f2,min为第二优化目标最小值;f3(xE-G)为电-气能源系统的第3个优化目标,f3,max为第三优化目标最大值,f3,min为第三优化目标最小值,h(xE-G)为电-气能源系统的等式约束集合,g(xE-G)为电-气能源系统的不等式约束集合,g(xE-G)为电-气能源系统的不等式约束集合下限,为电-气能源系统的不等式约束集合上限。
需要说明的是,本申请实施例中,需要预先建立电-气能源系统的集中式多目标优化模型,为更好的进行说明,请参阅图3,图3为本申请实施例提供的电-气能源系统拓扑结构示意图,以IEEE 57节点系统作为电网部分,以比利时20节点天然气系统作为气网部分,搭建电-气能源系统的集中式多目标优化模型。在IEEE 57节点系统中,将节点编号为1、2和3的火电机组改为燃气轮机机组,接至气网中。将节点编号为6和7的火电机组改为风电机组,通过电转气P2G装置接至气网中。IEEE 57节点系统的其余火电机组保持不变。在电-气能源系统中,共有3台燃气轮机机组,2台电转气P2G装置。IEEE57节点系统和比利时20节点天然气系统的拓扑结构和系统参数保持不变。
一天内电-气能源系统的电力负荷、天然气负荷以及风电出力曲线见如图4所示。
电-气能源系统的第1个优化目标为系统在一天内的能源供应成本最小,具体表达式为:
式中,HG、HF和HT分别为电-气能源系统的火电机组集合、天然气气源集合和时间段集合,为火电机组i在t时段的有功功率输出,αi、βi和γi分别为火电机组i的燃煤费用参数,为天然气气源j在t时段的气流输出,χj为天然气气源j输出单位流量天然气时的费用参数。
电-气能源系统的第2个优化目标为系统在一天内的碳排放量最小,具体表达式为:
式中,ai、bi和ci分别为火电机组i的在输出单位有功功率时的碳排放参数,ρj为天然气气源j输出单位流量天然气时的碳排放参数。
电-气能源系统的第3个优化目标为系统在一天内电网各节点电压偏移绝对值之和最小,具体表达式为:
式中,HP为电-气能源系统中电网所有节点的集合,为电网节点p在t时段的电压幅值,Vp,base为电网节点p的电压幅值基准值。
电-气能源系统的等式约束包括电网的交流潮流有功平衡约束、无功平衡约束以及气网的气流气压关系方程。
电-气能源系统的不等式约束包括各发电机组的有功输出上下限约束、无功输出上下限约束、电网节点电压幅值上下限约束、气网的气源输出上下限约束以及气网节点气压上下限约束。
步骤202、拆分集中式多目标优化模型的决策变量,将决策变量拆分为电网变量和气网变量。
需要说明的是,将电-气能源系统的决策变量xE-G拆分为电网变量xE和气网变量xG:
其中,为电-气能源系统的电转气装置的输入变量向量,为电-气能源系统的电转气装置的输出变量向量,为电-气能源系统的燃气轮机装置的输入变量向量,为电-气能源系统的燃气轮机装置的输出变量向量,为除去电转气和燃气轮机装置的输入输出变量,电-气能源系统的剩余变量中属于电网的变量,为除去电转气和燃气轮机装置的输入输出变量,电-气能源系统的剩余变量中属于气网的变量,为气网引入的虚拟决策变量向量,用以替代电网的为气网引入的虚拟决策变量向量,用以替代电网的
和的具体值为:
其中,和为两个电转气P2G装置输入的有功功率,和为两个电转气P2G装置输出的气流量,和为三个燃气轮机装置输入的气流量,和为三个燃气轮机装置输出的有功功率。
和需满足以下等式约束:
步骤203、根据虚拟目标变量拆分集中式多目标优化模型的优化目标。
需要说明的是,电网引入虚拟目标变量和可将电-气能源系统的三个优化目标拆分为:
其中,f1,E、f2,E和f3,E分别为:当电-气能源系统的优化目标为f1(xE-G)、f2(xE-G)和f3(xE-G)时电网部分的目标值。
虚拟目标变量和满足以下约束:
其中,f1,G、f2,G和f3,G分别为:当电-气能源系统的优化目标为f1(xE-G)、f2(xE-G)和f3(xE-G)时气网部分的目标值。
步骤204、将集中式多目标优化模型的等式和不等式约束拆分到电网模型和气网模型中。
需要说明的是,将电-气能源系统的集中式多目标优化模型中的等式和不等式拆分到电网和气网中。电网的等式和不等式约束s.t.(E)为:
其中,s.t.(E)为电网的等式和不等式约束,hE(xE)为电网的等式约束集合,gE(xE)为电网的不等式约束集合,f1,E为电-气能源系统的优化目标f1(xE-G)对应的电网第一目标值,f2,E为电-气能源系统的优化目标f2(xE-G)对应的电网第二目标值,f3,E为电-气能源系统的优化目标f3(xE-G)对应的电网第三目标值,为第一虚拟目标变量,为第二虚拟目标变量,为第三虚拟目标变量。
气网的等式和不等式约束s.t.(G)为:
其中,hG(xG)和gG(xG)分别为电网的等式和不等式约束集合。
步骤205、根据耦合等式约束对电网优化模型和气网优化模型进行耦合。
需要说明的是,步骤205与实施例一中的步骤102一致,在此不再进行详细赘述。
进一步地,耦合等式约束为:
其中,ηE为电网优化模型中电网的目标变量,ηG为气网优化模型中气网的目标变量,为电网耦合约束变量;为气网耦合约束变量。
步骤206、根据电网优化模型求解公式求解电网优化模型,将电网优化模型的第k+1步解对应的电网耦合约束变量发送至气网,根据气网优化模型求解公式求解气网优化模型,将气网优化模型的第k+1步解对应的气网耦合约束变量发送至电网。
进一步地,收敛条件为:
其中,为电网优化模型的第k+1步解对应的电网耦合约束变量,气网优化模型的第k+1步解对应的气网耦合约束变量。
需要说明的是,采用交替方向乘子法交替迭代求解电网优化模型和气网优化模型。电网优化模型的第k+1步的求解公式为:
其中:上标“k”为第k步迭代结果值,λ为拉格朗日乘子向量,ζ为二次参数,取为2。
电网优化模型的第k+1步求解完成后,将发送至气网,进行气网优化模型的第k+1步求解:
气网优化模型的第k+1步求解完成后,将发送至电网。令k=k+1,重复上述交替迭代求解步骤,直至满足收敛条件
本发明的电-气能源多目标分布式协同优化方法相对于现有技术具有如下的优点及效果:
(1)本发明设计的电-气能源多目标分布式协同优化方法,以分布式的计算模式实现了主配协调的潮流优化问题,无需统一的上层优化中心,主网和配网(即电网和气网)之间信息交换量小,有效减小计算内存,同时有效提高优化的过程中的信息安全性。
(2)本发明设计的电-气能源多目标分布式协同优化方法,当主配网络分离后,在分布式的优化过程中,采用目标实时同步的方式实现了主网和配网两个不同利益主体的目标协调与利益博弈。该方法综合考虑了主网和配网的不同利益需求,真正以主配协调的方式实现了主网和配网的解耦优化调度,达到主、配网络分散自治的目的。
(3)本发明设计的电-气能源多目标分布式协同优化方法,以并行的计算模式保证了算法具有较快的收敛速度。
为了便于理解,请参阅图5,本申请实施例提供了一种电-气能源多目标分布式协同优化装置,包括:
拆分模块401,用于对建立的电-气能源系统的集中式多目标优化模型进行拆分处理,得到电网优化模型和气网优化模型,拆分处理包括:拆分物理结构、拆分决策变量、拆分优化目标、拆分等式和不等式约束。
耦合模块402,用于根据耦合等式约束对电网优化模型和气网优化模型进行耦合。
求解模块403,用于对电网优化模型和气网优化模型进行求解,并判断是否满足收敛条件,若是,输出当前解,否则,重新对电网优化模型和气网优化模型进行求解。
进一步地,拆分模块401具体包括:
第一拆分模块4011,用于拆分建立的电-气能源系统的集中式多目标优化模型的物理结构,将集中式多目标优化模型拆分为电网模型和气网模型。
第二拆分模块4012,用于拆分集中式多目标优化模型的决策变量,将决策变量拆分为电网变量和气网变量。
第三拆分模块4013,用于根据虚拟目标变量拆分集中式多目标优化模型的优化目标。
第四拆分模块4014,用于将集中式多目标优化模型的等式和不等式约束拆分到电网模型和气网模型中。
求解模块403具体包括:
第一求解模块4031,用于根据电网优化模型求解公式求解所述电网优化模型,将所述电网优化模型的第k+1步解对应的电网耦合约束变量发送至气网。
第二求解模块4032,用于根据气网优化模型求解公式求解所述气网优化模型,将所述气网优化模型的第k+1步解对应的气网耦合约束变量发送至电网。
判断模块4033,用于判断是否满足收敛条件,若是,输出当前解,否则,重新对所述电网优化模型和所述气网优化模型进行求解。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种电-气能源多目标分布式协同优化方法,其特征在于,包括:
对建立的电-气能源系统的集中式多目标优化模型进行拆分处理,得到电网优化模型和气网优化模型,所述拆分处理包括:拆分物理结构、拆分决策变量、拆分优化目标、拆分等式和不等式约束;
根据耦合等式约束对所述电网优化模型和所述气网优化模型进行耦合;
对所述电网优化模型和所述气网优化模型进行求解,并判断是否满足收敛条件,若是,输出当前解,否则,重新对所述电网优化模型和所述气网优化模型进行求解。
2.根据权利要求1所述的电-气能源多目标分布式协同优化方法,其特征在于,所述集中式多目标优化模型为:
min η
其中,η为目标变量;xE-G为电-气能源系统的决策变量向量,f1(xE-G)为电-气能源系统的第1个优化目标,f1,max为第一优化目标最大值,f1,min为第一优化目标最小值,f2(xE-G)为电-气能源系统的第2个优化目标,f2,max为第二优化目标最大值,f2,min为第二优化目标最小值;f3(xE-G)为电-气能源系统的第3个优化目标,f3,max为第三优化目标最大值,f3,min为第三优化目标最小值,h(xE-G)为电-气能源系统的等式约束集合,g(xE-G)为电-气能源系统的不等式约束集合,g(xE-G)为电-气能源系统的不等式约束集合下限,为电-气能源系统的不等式约束集合上限。
3.根据权利要求1所述的电-气能源多目标分布式协同优化方法,其特征在于,所述对建立的电-气能源系统的集中式多目标优化模型进行拆分处理,得到电网优化模型和气网优化模型,具体包括:
拆分建立的电-气能源系统的集中式多目标优化模型的物理结构,将所述集中式多目标优化模型拆分为电网模型和气网模型;
拆分所述集中式多目标优化模型的决策变量,将所述决策变量拆分为电网变量和气网变量;
根据虚拟目标变量拆分所述集中式多目标优化模型的优化目标;
将所述集中式多目标优化模型的等式和不等式约束拆分到所述电网模型和所述气网模型中。
4.根据权利要求2所述的电-气能源多目标分布式协同优化方法,其特征在于,所述对所述电网优化模型和所述气网优化模型进行求解,具体包括:
采用交替方向乘子法交替迭代求解所述电网优化模型和所述气网优化模型。
5.根据权利要求4所述的电-气能源多目标分布式协同优化方法,其特征在于,所述采用交替方向乘子法交替迭代求解所述电网优化模型和所述气网优化模型,具体包括:
根据电网优化模型求解公式求解所述电网优化模型,将所述电网优化模型的第k+1步解对应的电网耦合约束变量发送至气网;
根据气网优化模型求解公式求解所述气网优化模型,将所述气网优化模型的第k+1步解对应的气网耦合约束变量发送至电网。
6.根据权利要求1-5中任意一项所述的电-气能源多目标分布式协同优化方法,其特征在于,所述收敛条件为:
其中,为电网优化模型的第k+1步解对应的电网耦合约束变量,气网优化模型的第k+1步解对应的气网耦合约束变量。
7.根据权利要求2所述的电-气能源多目标分布式协同优化方法,其特征在于,所述耦合等式约束为:
其中,ηE为电网优化模型中电网的目标变量,ηG为气网优化模型中气网的目标变量,为电网耦合约束变量;为气网耦合约束变量。
8.根据权利要求7所述的电-气能源多目标分布式协同优化方法,其特征在于,所述电网优化模型求解公式为:
其中,k为第k步迭代结果值,k+1为第k+1步解,λ为拉格朗日乘子向量,ζ为二次参数。
9.根据权利要求8所述的电-气能源多目标分布式协同优化方法,其特征在于,所述气网优化模型求解公式为:
10.一种电-气能源多目标分布式协同优化装置,其特征在于,包括:
拆分模块,用于对建立的电-气能源系统的集中式多目标优化模型进行拆分处理,得到电网优化模型和气网优化模型,所述拆分处理包括:拆分物理结构、拆分决策变量、拆分优化目标、拆分等式和不等式约束;
耦合模块,用于根据耦合等式约束对所述电网优化模型和所述气网优化模型进行耦合;
求解模块,用于对所述电网优化模型和所述气网优化模型进行求解,并判断是否满足收敛条件,若是,输出当前解,否则,重新对所述电网优化模型和所述气网优化模型进行求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811287660.7A CN109242217B (zh) | 2018-10-31 | 2018-10-31 | 一种电-气能源多目标分布式交易协同优化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811287660.7A CN109242217B (zh) | 2018-10-31 | 2018-10-31 | 一种电-气能源多目标分布式交易协同优化方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109242217A true CN109242217A (zh) | 2019-01-18 |
CN109242217B CN109242217B (zh) | 2021-09-14 |
Family
ID=65079790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811287660.7A Active CN109242217B (zh) | 2018-10-31 | 2018-10-31 | 一种电-气能源多目标分布式交易协同优化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242217B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109830991A (zh) * | 2019-04-02 | 2019-05-31 | 广西大学 | 两阶段分布式电力系统机组投入配置方法及系统 |
CN110502859A (zh) * | 2019-08-28 | 2019-11-26 | 南方电网科学研究院有限责任公司 | 用于电气耦合园区综合能源系统的多速率动态仿真方法 |
CN110620402A (zh) * | 2019-10-21 | 2019-12-27 | 山东大学 | 基于分布式多场景的电-气混联系统规划运行联合优化方法及系统 |
CN110866773A (zh) * | 2019-09-29 | 2020-03-06 | 西安交通大学 | 基于交替方向乘子法的电-气联合市场分布式出清方法 |
CN111767620A (zh) * | 2020-07-13 | 2020-10-13 | 国网江苏省电力有限公司南通供电分公司 | 一种基于快速自同步admm的电-气耦合系统解耦优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101527455A (zh) * | 2009-04-23 | 2009-09-09 | 湖南省电力公司调度通信局 | 基于潮流模块交替迭代的互联电网分布式潮流计算方法 |
CN107979111A (zh) * | 2017-07-21 | 2018-05-01 | 天津大学 | 一种基于两阶段鲁棒优化的微电网能量管理方法 |
-
2018
- 2018-10-31 CN CN201811287660.7A patent/CN109242217B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101527455A (zh) * | 2009-04-23 | 2009-09-09 | 湖南省电力公司调度通信局 | 基于潮流模块交替迭代的互联电网分布式潮流计算方法 |
CN107979111A (zh) * | 2017-07-21 | 2018-05-01 | 天津大学 | 一种基于两阶段鲁棒优化的微电网能量管理方法 |
Non-Patent Citations (1)
Title |
---|
王旭 等: "基于交替方向乘子法的电-气互联系统分布式协同规划", 《电力系统自动化》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109830991A (zh) * | 2019-04-02 | 2019-05-31 | 广西大学 | 两阶段分布式电力系统机组投入配置方法及系统 |
CN109830991B (zh) * | 2019-04-02 | 2020-10-09 | 广西大学 | 两阶段分布式电力系统机组投入配置方法及系统 |
CN110502859A (zh) * | 2019-08-28 | 2019-11-26 | 南方电网科学研究院有限责任公司 | 用于电气耦合园区综合能源系统的多速率动态仿真方法 |
CN110866773A (zh) * | 2019-09-29 | 2020-03-06 | 西安交通大学 | 基于交替方向乘子法的电-气联合市场分布式出清方法 |
CN110866773B (zh) * | 2019-09-29 | 2022-12-09 | 西安交通大学 | 基于交替方向乘子法的电-气联合市场分布式出清方法 |
CN110620402A (zh) * | 2019-10-21 | 2019-12-27 | 山东大学 | 基于分布式多场景的电-气混联系统规划运行联合优化方法及系统 |
CN110620402B (zh) * | 2019-10-21 | 2021-03-02 | 山东大学 | 电-气混联系统分布式规划运行联合优化方法及系统 |
CN111767620A (zh) * | 2020-07-13 | 2020-10-13 | 国网江苏省电力有限公司南通供电分公司 | 一种基于快速自同步admm的电-气耦合系统解耦优化方法 |
CN111767620B (zh) * | 2020-07-13 | 2022-08-19 | 国网江苏省电力有限公司南通供电分公司 | 一种基于快速自同步admm的电-气耦合系统解耦优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109242217B (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242217B (zh) | 一种电-气能源多目标分布式交易协同优化方法和装置 | |
Zeng et al. | A potential game approach to distributed operational optimization for microgrid energy management with renewable energy and demand response | |
Elattar | Environmental economic dispatch with heat optimization in the presence of renewable energy based on modified shuffle frog leaping algorithm | |
Li et al. | Virtual-action-based coordinated reinforcement learning for distributed economic dispatch | |
Du et al. | Game-theoretic formulation of power dispatch with guaranteed convergence and prioritized bestresponse | |
CN103632309A (zh) | 一种风火蓄节能减排机组组合的求解方法 | |
CN105391056B (zh) | 一种考虑不平衡通信网络的电力系统分布式经济调度方法 | |
CN111276968A (zh) | 基于奇异摄动的综合能源系统分布式趋同控制方法及系统 | |
Dan et al. | A scenario-based branch-and-bound approach for MES scheduling in urban buildings | |
CN113298376B (zh) | 一种含阀点效应智能电网经济调度给定时间一致性控制方法 | |
CN105406517B (zh) | 基于有限时间平均一致性算法的电力系统经济调度方法 | |
Zadeh et al. | IoT-based stochastic EMS using multi-agent system for coordination of grid-connected multi-microgrids | |
Ahmed et al. | A novel consensus-driven technique for optimal power allocation in smart energy networks considering multiple fueling feature of thermal plants | |
CN103441492B (zh) | 基于协同进化算法的调频反馈纳什均衡控制方法 | |
CN114862103B (zh) | 一种基于主从博弈的输配电网协同优化控制方法 | |
CN114169620B (zh) | 考虑线路损耗的电-储-气耦合系统一致性优化方法 | |
Yin | Optimum energy for energy packet networks | |
CN111915071A (zh) | 一种基于分布式计算的综合能源系统优化方法及装置 | |
CN111509711A (zh) | 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 | |
CN110970895A (zh) | 一种基于智能体系统的多虚拟电厂协同优化方法 | |
Wang et al. | A distributed newton method for optimal operation of microgrid clusters | |
Wang et al. | Economic dispatch of microgrid based on multi-agent system | |
CN117526426B (zh) | 一种交直流配电网两阶段分布式优化方法及系统 | |
Lorenzen et al. | A distributed solution to the adjustable robust economic dispatch problem | |
Rana et al. | A consensus based solution to the classic economic dispatch problem on a multi-agent system framework |
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 |