CN110571789B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110571789B CN110571789B CN201810586897.9A CN201810586897A CN110571789B CN 110571789 B CN110571789 B CN 110571789B CN 201810586897 A CN201810586897 A CN 201810586897A CN 110571789 B CN110571789 B CN 110571789B
- Authority
- CN
- China
- Prior art keywords
- representing
- constraint
- wind power
- norm
- gas
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005485 electric heating Methods 0.000 title claims abstract description 26
- 238000005457 optimization Methods 0.000 claims abstract description 67
- 238000003462 Bender reaction Methods 0.000 claims abstract description 28
- 238000009826 distribution Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000004146 energy storage Methods 0.000 claims abstract description 12
- 238000003860 storage Methods 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000005338 heat storage Methods 0.000 claims description 23
- 230000008878 coupling Effects 0.000 claims description 14
- 238000010168 coupling process Methods 0.000 claims description 14
- 238000005859 coupling reaction Methods 0.000 claims description 14
- 230000005611 electricity Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000004378 air conditioning Methods 0.000 claims description 5
- 230000014509 gene expression Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims 1
- 239000007789 gas Substances 0.000 description 96
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 26
- 239000003345 natural gas Substances 0.000 description 13
- 238000010248 power generation Methods 0.000 description 9
- 230000009194 climbing Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000007599 discharging Methods 0.000 description 3
- 208000011580 syndromic disease Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
-
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Power Engineering (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种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,包括步骤:S1、初始化;S2、建立确定性电热气协调优化调度模型;S3、建立混合范数下基于数据驱动的分布鲁棒调度优化模型;S4、解决经济调度主问题;S5、验证风电不确定性子问题的收敛性:如果收敛,则转到步骤S6;否则转到步骤S4,并利用CCG算法向经济调度主问题添加约束;S6、校验气网运行约束子问题的收敛性:如果收敛,则计算结束,获得最优解;否则转到步骤S4,并向经济调度主问题添加Benders割集约束。本发明能在电网、热网和气网的运行约束下,合理安排各机组出力并有效利用储能装置,应对风电的不确定性,从而提高系统运行的经济性。
Description
技术领域
本发明涉及一种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,属于电力系统及其控制技术。
背景技术
目前,弃风限电现象仍是制约风电发展的主要因素,且风电具有较强的不确定性,而传统随机规划和鲁棒优化方法均在不同程度上存在片面、保守和经济性等问题。由于电、热、气系统本身的独立性,通常是单独规划和独立运行的,相互之间缺乏协调性,不利于能源的高效利用。
但近年来,国内外对电网、热网、气网的研究越来越多,电热气系统的联系也越来越紧密,它们相互影响又相互制约。因此,电、热、气系统间的不断耦合为进一步提高风电的消纳量和能源利用率带来了无限可能,也为研究电热气综合系统的协调优化奠定了基础。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种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,能在电网、热网和气网的运行约束下,合理安排各机组出力并有效利用储能装置,应对风电的不确定性,从而提高系统运行的经济性。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种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,包括如下步骤:
S1、获取计算数据,对变量和计算数据初始化。
S2、建立确定性电热气协调优化调度模型。
S21、建立综合系统的目标函数。
本案所提及的电热气协调调度优化模型,其目的是在电网、热网和气网的运行约束下,合理安排各机组出力并有效利用储能装置,应对风电的不确定性;本案以电热气综合系统的运行成本最低为调度目标:
min(F1+F2+F3+F4+F5) (1)
其中,F1是常规机组的发电成本函数;F2是热电联产机组的发电成本函数;F3是燃气机组的发电成本函数;F4是风电弃风惩罚成本;F5是切负荷惩罚成本。
(1)常规机组发电成本
常规机组的发电成本包含启停成本和运行成本为:
F1=F11+F12 (2)
其中,F11表示启停成本;F12表示运行成本;T表示时段总数;NG表示常规机组的数量;KRi、KSi分别表示常规机组i的开机、停机费用;布尔变量μi,t、μi,t-1表示开停机标志,1表示开机状态,0表示停机状态;ai、bi、ci表示发电机组i的二次发电成本函数的系数;Pi,t表示t时段第i常规机组的有功出力。
(2)热电联产机组成本
本案涉及的热电联产机组一直处于常开状态,因而不存在开停机情况,只考虑了其运行成本。
(3)燃气机组成本
(4)弃风成本
(5)切负荷成本
其中,λN表示切负荷惩罚系数;Pt N表示t时刻的切负荷量。
S22、建立综合系统的等式和不等式约束。
综合系统约束条件包括电网约束、热网约束、气网约束以及耦合元件的约束条件。
(1)电网约束
①电功率平衡约束:
其中,NES表示储电装置的数量;为t时刻第i个储电装置充放电功率,表示储电装置放电,表示储电装置充电;∑Pt D为系统t时段的总电负荷功率;NEB表示电锅炉的数量;表示t时刻第i台电锅炉消耗的有功功率。
②常规机组、热电联产机组和燃气机组出力限制约束:
μi,tPi,min≤Pi,t≤μi,tPi,max (10)
③常规机组、热电联产机组和燃气机组爬坡约束:
-RDiTs≤Pi,t-Pi,t-1≤RUiTs (13)
④常规机组最小开停机时间约束:
其中,Ti on、Ti off分别表示常规机组i的最小开、停机时间;Ti ui、Ti di分别表示常规机组i调度初期初始开、停机时间;式(16)、(17)为常规机组最小开、停机时间约束式;式(18)、(19)为常规机组初始开、停机时间约束式。
⑤储电装置约束:
其中,表示第i个储电装置t时刻的充电状态,表示装置处于充电状态,表示装置处于放电或空闲状态;为第i个储电装置t时刻的放电状态,表示装置处于放电状态,表示处于充电或空闲状态,并认为储电装置在同一时刻不能同时进行充放电;Pdc表示储电装置的最大功率变化范围;分别表示第i个储电装置在t时刻的充电功率、放电功率和储电容量;分别表示第i个储电装置在t时刻的充电功率的下限和上限;分别表示第i个储电装置在t时刻的放电功率的下限和上限;αc和αd分别表示充电和放电系数,和分别为第i个储电装置容量下限和上限。
⑥电锅炉电功率约束:
⑦风电出力约束:
⑧潮流约束:
本案采用直流潮流方法进行计算,支路潮流应满足:
其中,B为B系数矩阵;x1为支路l的电抗;NL为系统总支路数;L为系统支路节点的连接矩阵;Pt、Pt w、Pt chp、Pt gas、Pt ES、Pt N、Pt D和Pt EB分别表示各常规机组、风电机组、热电联产机组、燃气机组、储电装置、切除负荷量、总负荷量和电锅炉在第t时段的有功功率在系统总节点维度下的向量表示形式;Pline为支路功率;为支路功率上限。
(2)热网约束
①热功率平衡约束:
②热电联产机组热功率约束:
③储热装置约束:
其中,表示第i个储热装置t时刻的储热状态,表示装置处于储热状态,表示装置处于放热或空闲状态;表示第i个储热装置t时刻的放热状态,表示装置处于放热状态,表示装置处于储热或空闲状态,同样认为储热装置在同一时刻不能同时进行储放热;Qdc表示储热装置的最大功率变化范围分别表示储热转置在t时刻的储热功率、放热功率和储热容量;分别表示第i个储热装置在t时刻的储热功率的下限和上限;分别表示第i个储热装置在t时刻的放热功率的下限和上限;βc、βd分别表示储热和放热系数;分别表示第i个储热装置的容量下限、上限。
(3)气网约束
①产气井流量约束:
Qw,min≤Qw,t≤Qw,max (37)
其中,Qw,t表示t时段产气井w产气流量;Qw,min表示产气井w允许最小产气流量;Qw,max表示产气井w允许最大产气流量。
②节点压力约束:
prm,min≤prm,t≤prm,maa (38)
其中,prm,t表示t时段节点m压力;prm,min表示节点m允许最小压力;prm,max表示节点m允许最大压力。
③储气约束:
天然气可以用储气装置进行储存,以备流量的调节和之后的使用:
④管道容量方程:
天然气管道内所含的天然气量与管道平均压力和管道自身特性相关:
⑤天然气管道流量方程:
天然气管道流量和管道两端的压力以及管道自身的特性有关,设天然气管网中管道总数为Np;为了保障管道的安全运行,管道mn中的天然气压力必须小于此管道的最大允许操作压力:
⑥压气站约束
prm,t≤Γcprn,t (46)
其中,Γc为压气站系数。
⑦管网节点流量平衡约束:
根据质量守恒定律,流入和流出管网任意节点的天然气质量的代数和应该为0:
(4)耦合约束
①热电联产机组电热耦合约束:
②电锅炉电热耦合约束:
其中,η表示第i台电锅炉的制热效率,取0.98。
③燃气机组耦合约束
燃气机组作为电力系统的发电单位和气网的负荷单位,是气网和电网之间的连接点;耗气量和功率的函数关系为:
其中,表示t时刻节点i的燃气机组的不确定功率对应的天然气流量;表示t时刻节点i的燃气机组的不确定功率;fi gas表示第i台燃气机组的热耗率曲线函数;HHV表示天然气高位热值,本文取1.026MBtu/kcf,折合约为9130.69kcal/m3; 表示热耗率曲线函数的系数。
S3、建立混合范数下基于数据驱动的分布鲁棒调度优化模型。
S31、将优化变量分为三阶段来处理,并用矩阵形式来表示步骤S2所搭建的确定性电热气协调优化调度模型。
将优化变量分为三个阶段来处理:考虑到常规机组的开停机计划已在调度计划中给定、储能元件的多时段时序调节作用并认为电热联产机组和燃气机组处于常开状态,故本案将常规机组的开停机状态、电储、热储和气储相关的变量归为第一阶段变量,即不包含不确定性参数、与场景信息无关的变量,作为鲁棒决策变量,用x表示;将与气网相关但不包括燃气机组出力的变量归为第二阶段变量,用于校验经济调度主问题的优化结果;将其余变量(如常规机组、热电联产机组和燃气机组出力等)归为第三阶段变量,作为鲁棒决策变量,用y表示,并假设其可根据实际风电出力进行相应灵活的调节;
为保证分析的直观性,采用如下矩阵形式来表示步骤S2所搭建的确定性电热气协调优化调度模型:
s.t.Ax≤d (54)
Bx=e (55)
Cy≤Dξ (56)
Gx+Hy≤g (57)
Jx+Ky=h (58)
其中,ξ表示风电预测出力向量,代表σ表示切负荷量向量;aTx表示开停机成本F11,bTy表示运行成本F12、热电联产机组成本F2和燃气机组成本F3,cTξ表示弃风成本F4,dTσ表示切负荷成本F5;a、b、c、d、e、g、h为系统参数组成的矩阵;A为储能装置约束和常规机组开停机约束中不等式约束的相关参数组成的矩阵;B为储能装置约束和常规机组开停机约束中等式约束的相关参数组成的矩阵;C为第三阶段决策变量约束的相关参数组成的矩阵;D为风电预测出力向量约束的相关参数组成的矩阵;G、H为第一阶段变量和第三阶段变量的耦合关系约束中不等式约束的相关参数组成的矩阵;J、K为第一阶段变量和第三阶段变量的耦合关系约束中等式约束的相关参数组成的矩阵;
从(53)中可观察到,目标函数不仅包含了第一阶段变量和第二阶段变量,还包括风电预测出力参数和切负荷参数,分别对应公式(7)和(8);(54)和(55)代表储电装置约束、储热装置约束和储气装置约束以及常规机组的开停机约束;(56)表示第三阶段决策变量和风电预测出力向量的约束关系,对应风电出力约束公式(27);(57)和(58)表示第一阶段变量、第三阶段变量的耦合关系。从(53)可以清晰看出,风电出力向量(即后文的不确定参数)仅存在于目标函数和与第三阶段向量相关的(56)中,且该部分约束条件不包含第一阶段变量。
S32、采用分布鲁棒优化的方法搭建优化调度模型。
由于风电预测出力在实际情况中存在较大不确定性,因此在调度过程中需充分考虑实际风电出力的不确定性,本案结合鲁棒优化和随机优化的有点,采用分布鲁棒优化的方法对步骤S31的用矩阵形式表示的优化调度模型进行优化;采用分布鲁棒优化的方法搭建的优化调度模型为:
其中,下标0表示给定场景,记为给定场景ξ0;ξ0、y0和σ0表示给定场景下的风电预测出力向量、第三阶段变量和切负荷量向量;ψ表示各离散场景的概率值构成的取值域;P(ξ)表示预测场景ξ的概率值;EP表示预测场景ξ下的期望成本;X表示(53)~(54)构成的可行域;Y(x,ξ0)表示(57)~(58)约束条件组成的可行域,也表征了第一阶段变量和第三阶段变量在给定场景下的耦合关系;
从式(59)可以看出,第一阶段不仅优化第一阶段的鲁棒决策变量,目标中还包括了基础预测场景下的其它成本,相较常规鲁棒优化机组组合,本案构建的模型能够表示出机组的日前调度出力,且由于预测场景的融入,提高了模型的经济性;该模型的第三阶段变量的求解过程中,通过优化预测场景ξ下的期望成本,从而获得第一阶段变量已知情况下的最恶劣概率分布。
S33、采用数据驱动的方法构建混合范数下基于数据驱动的分布鲁棒调度优化模型。
采用本案的优化模型,不确定分布集合较难获得,故可在已获得的M个实际样本中筛选有限的K个离散场景来表征风电预测出力向量的可能值,各离散场景下的概率分布存在不确定性,进一步获得数据驱动下的分布鲁棒模型为:
其中,下标k表示场景k,记为给定场景ξk;ξk、yk和σk表示场景k下的风电预测出力向量、第三阶段变量和切负荷量向量;pk表示场景k的概率值,pk∈ψ;
其中,R+表示大于等于0的实数;在实际情况下,由于通过(61)中计算得到的ψ范围过大,导致获得的ψ范围与实际情况相差较大;因此,本案采用1-范数和∞-范数两个集合对ψ范围进行约束,保证获得的ψ范围更加贴合实际运行数据:
其中,p0.k表示场景k在历史数据中的概率值;θ1、θ∞分别表示采用1-范数和∞-范数约束的不确定性概率置信集合,pk满足如下的置信度:
从式(64)~(65)不难发现,不等式的右边实际上是置信度集的置信水平,因此置信水平α与θ1、θ∞的关系如下:
此外,式(66)表明,随着的增加历史数据的数量,即随着M增加,估计概率分布将更接近其真实分布,这意味着,θ1、θ∞将变小,直到为零;此外,对于相同的α,θ∞将小于θ1。由于单独考虑1-范数或∞-范数存在一定极端和片面的情况,故本文的模型综合考虑两种范数来约束不确定性概率置信集合。
令不等式(64)和(65)右边的置信水平分别为α1和α∞,则式(66)可改写为:
则构造混合范数约束下的不确定性概率置信集合为:
最终,式(68)即为混合范数下基于数据驱动的分布鲁棒调度优化模型。
S4、通过步骤S3所搭建的混合范数下基于数据驱动的分布鲁棒调度优化模型,解决经济调度主问题。
主问题是在已知的有限恶劣概率分布下获得满足条件的最优解,其给模型(60)提供了一个风电不确定性子问题的下界值U和一个气网约束校验子问题向主问题添加的约束集合,即Benders割集ωt(初始状态下割集为空):
S5、通过步骤S3所搭建的混合范数下基于数据驱动的分布鲁棒调度优化模型来验证风电不确定性子问题的收敛性:如果收敛,则转到步骤S6;否则转到步骤S4,并利用CCG算法向经济调度主问题添加约束。
风电不确定性子问题是在给定的第一阶段变量x的情况下,寻找到最恶劣的概率分布,从而提供给主问题进行进一步迭代计算,子问题实质上为模型(60)提供了一个上界值;当给定一个第一阶段变量x*,可得如下子问题:
从子问题(71)可以看出,各场景下的内层min优化问题为线性规划问题且相互独立,可采用并行的方法进行同时处理以加快求解速度;假设在给定第一阶段变量x*后,场景k下求得的内层优化目标值为f(x*,ξk),则将子问题改写为:
模型(72)的目标函数为线性形式,可行域集合为ψ1和ψ∞,根据式(62)和(63)将可行域进行转换;对ψ1和ψ∞的绝对值约束进行等价转换,引入0-1辅助变量和分别表示概率pk相对p0.k的正偏移和负偏移标记,其中和表示1-范数下的正偏移和负偏移标记,和表示∞-范数下的正偏移和负偏移标记,储能约束类似,满足偏移状态唯一性:
需添加如下约束进行限制:
ρ1+ρ∞=1,ρ1≥0,ρ∞≥0 (75)
S6、校验气网运行约束子问题的收敛性:如果收敛,则计算结束,获得最优解;否则转到步骤S4,并向经济调度主问题添加Benders割集约束。
气网约束子问题主要表示气网侧约束对燃气机组调度出力值的影响,该子问题将对主问题求解得到的燃气机组出力值进行可行性校验,确保燃气机组出力值切实可行;子问题的目标函数为:
其中,λg表示气网切负荷惩罚系数,Ggt表示t时刻与气网相关的参数集合,Ng,t表示t时段气网的切负荷量,表示t时刻节点i的燃气机组的不确定功率,T表示时段总数;子问题的约束条件如式(37)~(47)以及式(50)~(52)所示;
当该子问题目标函数值大于0时,说明主问题求解的燃气机组出力值在气网侧的运行约束下有不可行的部分,此时使用Benders算法向主问题添加约束,即Benders割集,然后返回主问题重新求解,多次迭代产生的Benders割集在整个迭代过程中始终有效,且必须都添加到主问题的约束集合中;当子问题目标函数为0时,不再产生新的Benders割集,此时算法收敛,计算结束。
Benders割集表达如下:
其中,μ表示开停机参数集合;P表示常规机组有功出力参数集合;Pchp表示热电联产机组有功出力参数集合;Pgas表示燃气机组有功出力参数集合;表示t时段子问题的目标值;μi,t表示t时段第i常规机组开停机标志,1表示开机状态,0表示停机状态;Pi,t表示t时段第i常规机组的有功出力;表示t时段第i台热电联产机组的电功率出力;表示t时段第i台燃气机组的有功出力;NC表示热电联产机组数量;NC表示热电联产机组数量;Ng表示燃气机组数量;
表示t时段子问题的目标值;分别表示在求解子问题时所对应的t时段的启停状态、常规机组出力、热电联产机组出力和燃气机组出力; 为拉格朗日乘子,分别表示常规机组、热电联产机组以及燃气机组出力变化对与子问题目标函数值的灵敏度。通过在主问题中添加Benders割集,使得在下次迭代求解主问题时,调整各个机组的出力和常规机组启停状态,以消除非零的松弛变量,从而满足气网约束校验子问题。
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,求解流程如下:
①设置LB=0,UB=+∞,n=1;
③固定x*,求解CCG子问题,获得最优解以及最优目标函数值L(x*)。更新上界值如果(UB-LB)≤ε,停止迭代,返回最优解x*;否则,更新主问题恶劣概率分布并在主问题中定义新的变量和添加与新的变量相关的约束Y(x,ξk);
④更新n=n+1,返回步骤②;
⑤求解Benders分解子问题,若子问题的目标函数大于0,则生成Benders割集添加到主问题的约束集合中,转步骤④若子问题的目标函数为0,则满足子问题的约束校验条件,不在产生新的Benders割集,即可判定算法收敛;
⑥计算结束。
本发明从优化调度模型的实际应用出发,引入确定性电热气协调优化调度模型,通过数据驱动的方法建立混合范数下的分布鲁棒调度优化模型,将优化变量分为三阶段来处理,并利用CCG算法向主问题添加约束来验证风电不确定性子问题的可行性,同时通过向主问题添加Benders割集约束来保证气网运行约束子问题的收敛性,从而获得最优解。本发明能很好的解决由于风电不确定性问题带来的弃风限电问题,解决了传统随机规划和鲁棒优化方法在不同程度上存在片面、保守和经济性问题,为研究电热气综合系统的协调优化提供了更加可靠的方法。
有益效果:本发明提供的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,能在电网、热网和气网的运行约束下,合理安排各机组出力并有效利用储能装置,应对风电出力的不确定性,从而进一步提高风电的消纳量和能源利用率,保证综合系统运行的经济性。
附图说明
图1为本发明的总体实施流程图;
图2为本发明的混合范数下基于数据驱动的分布鲁棒调度优化模型搭建流程图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1、图2所示为一种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,具体包括如下步骤:
S1、获取计算数据,对变量和计算数据初始化;
S2、建立确定性电热气协调优化调度模型,具体为:
S21、建立综合系统的目标函数;
S22、建立综合系统的等式和不等式约束;
S3、建立混合范数下基于数据驱动的分布鲁棒调度优化模型,具体为:
S31、将优化变量分为三阶段来处理,并用矩阵形式来表示步骤S2所搭建的确定性电热气协调优化调度模型;
S32、采用分布鲁棒优化的方法搭建优化调度模型;
S33、采用数据驱动的方法构建混合范数下基于数据驱动的分布鲁棒调度优化模型;
S4、通过步骤S3所搭建的混合范数下基于数据驱动的分布鲁棒调度优化模型,解决经济调度主问题;
S5、通过步骤S3所搭建的混合范数下基于数据驱动的分布鲁棒调度优化模型来验证风电不确定性子问题的收敛性:如果收敛,则转到步骤S6;否则转到步骤S4,并利用CCG算法向经济调度主问题添加约束;
S6、校验气网运行约束子问题的收敛性:如果收敛,则计算结束,获得最优解;否则转到步骤S4,并向经济调度主问题添加Benders割集约束。
为了更清楚的说明本发明,下面将对相关内容进行展开说明。
步骤1:将优化变量分为三阶段来处理,并用矩阵形式来表示S2中所搭建的确定性电热气协调优化调度模型:
将优化变量分为三个阶段来处理:考虑到常规机组的开停机计划已在调度计划中给定、储能元件的多时段时序调节作用并认为电热联产机组和燃气机组处于常开状态,故本案将常规机组的开停机状态、电储、热储和气储相关的变量归为第一阶段变量,即不包含不确定性参数、与场景信息无关的变量,作为鲁棒决策变量,用x表示;将与气网相关但不包括燃气机组出力的变量归为第二阶段变量,用于校验经济调度主问题的优化结果;将其余变量(如常规机组、热电联产机组和燃气机组出力等)归为第三阶段变量,作为鲁棒决策变量,用y表示。为保证分析的直观性,采用如下的矩阵形式来表示确定性电热气协调优化调度模型:
s.t.Ax≤d (1a)
Bx=e (1a)
Cy≤Dξ (1a)
Gx+Hy≤g (1a)
Jx+Ky=h (1a)
其中,ξ表示风电预测出力向量,代表σ表示切负荷量向量;aTx表示开停机成本F11,bTy表示运行成本F12、热电联产机组成本F2和燃气机组成本F3,cTξ表示弃风成本F4,dTσ表示切负荷成本F5;a、b、c、d、e、g、h为系统参数组成的矩阵;A为储能装置约束和常规机组开停机约束中不等式约束的相关参数组成的矩阵;B为储能装置约束和常规机组开停机约束中等式约束的相关参数组成的矩阵;C为第三阶段决策变量约束的相关参数组成的矩阵;D为风电预测出力向量约束的相关参数组成的矩阵;G、H为第一阶段变量和第三阶段变量的耦合关系约束中不等式约束的相关参数组成的矩阵;J、K为第一阶段变量和第三阶段变量的耦合关系约束中等式约束的相关参数组成的矩阵。
步骤2:采用分布鲁棒优化的方法搭建优化调度模型:
由于风电预测出力在实际情况中存在较大不确定性,因此在调度过程中需充分考虑实际风电出力的不确定性,本案结合鲁棒优化和随机优化的有点,采用分布鲁棒优化的方法对步骤S31的用矩阵形式表示的优化调度模型进行优化;采用分布鲁棒优化的方法搭建的优化调度模型为:
其中,下标0表示给定场景,记为给定场景ξ0;ξ0、y0和σ0表示给定场景下的风电预测出力向量、第三阶段变量和切负荷量向量;ψ表示各离散场景的概率值构成的取值域;P(ξ)表示预测场景ξ的概率值;EP表示预测场景ξ下的期望成本。
步骤3:采用数据驱动的方法构建混合范数下的分布鲁棒调度优化模型:
采用本案的优化模型,不确定分布集合较难获得,故可在已获得的M个实际样本中筛选有限的K个离散场景来表征风电预测出力向量的可能值,各离散场景下的概率分布存在不确定性,进一步获得数据驱动下的分布鲁棒模型为:
其中,下标k表示场景k,记为给定场景ξk;ξk、yk和σk表示场景k下的风电预测出力向量、第三阶段变量和切负荷量向量;pk表示场景k的概率值,pk∈ψ。
其中,R+表示大于等于0的实数;在实际情况下,由于通过(3b)中计算得到的ψ范围过大,导致获得的ψ范围与实际情况相差较大;因此,本案采用1-范数和∞-范数两个集合对ψ范围进行约束,保证获得的ψ范围更加贴合实际运行数据:
其中,p0.k表示场景k在历史数据中的概率值;θ1、θ∞分别表示采用1-范数和∞-范数约束的不确定性概率置信集合,pk满足如下的置信度:
从式(3e)~(3f)不难发现,不等式的右边实际上是置信度集的置信水平,因此置信水平α与θ1、θ∞的关系如下:
此外,式(3g)表明,随着的增加历史数据的数量,即随着M增加,估计概率分布将更接近其真实分布,这意味着,θ1、θ∞将变小,直到为零;此外,对于相同的α,θ∞将小于θ1。由于单独考虑1-范数或∞-范数存在一定极端和片面的情况,故本文的模型综合考虑两种范数来约束不确定性概率置信集合。
令不等式(3e)和(3f)右边的置信水平分别为α1和α∞,则式(3g)可改写为:
则构造混合范数约束下的不确定性概率置信集合为:
最终,式(3i)即为混合范数下基于数据驱动的分布鲁棒调度优化模型。
步骤4:风电不确定性子问题的处理:
风电不确定性子问题是在给定的第一阶段变量x的情况下,寻找到最恶劣的概率分布,从而提供给主问题进行进一步迭代计算,子问题实质上为模型(3a)提供了一个上界值;当给定一个第一阶段变量x*,可得如下子问题:
从子问题(4a)可以看出,各场景下的内层min优化问题为线性规划问题且相互独立,可采用并行的方法进行同时处理以加快求解速度;假设在给定第一阶段变量x*后,场景k下求得的内层优化目标值为f(x*,ξk),则将子问题改写为:
模型(4b)的目标函数为线性形式,可行域集合为ψ1和ψ∞,根据式(3c)和(3d)将可行域进行转换;对ψ1和ψ∞的绝对值约束进行等价转换,引入0-1辅助变量和分别表示概率pk相对p0.k的正偏移和负偏移标记,其中和表示1-范数下的正偏移和负偏移标记,和表示∞-范数下的正偏移和负偏移标记,储能约束类似,满足偏移状态唯一性:
需添加如下约束进行限制:
ρ1+ρ∞=1,ρ1≥0,ρ∞≥0 (4e)
步骤5:气网约束子问题的处理:
气网约束子问题主要表示气网侧约束对燃气机组调度出力值的影响,该子问题将对主问题求解得到的燃气机组出力值进行可行性校验,确保燃气机组出力值切实可行;子问题的目标函数为:
当该子问题目标函数值大于0时,说明主问题求解的燃气机组出力值在气网侧的运行约束下有不可行的部分,此时使用Benders算法向主问题添加约束,即Benders割集,然后返回主问题重新求解,多次迭代产生的Benders割集在整个迭代过程中始终有效,且必须都添加到主问题的约束集合中;当子问题目标函数为0时,不再产生新的Benders割集,此时算法收敛,计算结束。
Benders割集表达如下:
其中,μ表示开停机参数集合;P表示常规机组有功出力参数集合;Pchp表示热电联产机组有功出力参数集合;Pgas表示燃气机组有功出力参数集合;表示t时段子问题的目标值;μi,t表示t时段第i常规机组开停机标志,1表示开机状态,0表示停机状态;Pi,t表示t时段第i常规机组的有功出力;表示t时段第i台热电联产机组的电功率出力;表示t时段第i台燃气机组的有功出力;NC表示热电联产机组数量;NC表示热电联产机组数量;Ng表示燃气机组数量。
表示t时段子问题的目标值;分别表示在求解子问题时所对应的t时段的启停状态、常规机组出力、热电联产机组出力和燃气机组出力; 为拉格朗日乘子,分别表示常规机组、热电联产机组以及燃气机组出力变化对与子问题目标函数值的灵敏度。通过在主问题中添加Benders割集,使得在下次迭代求解主问题时,调整各个机组的出力和常规机组启停状态,以消除非零的松弛变量,从而满足气网约束校验子问题。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种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,其特征在于:包括如下步骤:
S1、获取计算数据,对变量和计算数据初始化;
S2、建立确定性电热气协调优化调度模型,具体为:
S21、建立综合系统的目标函数;
S22、建立综合系统的等式和不等式约束;
S3、建立混合范数下基于数据驱动的分布鲁棒调度优化模型,具体为:
S31、将优化变量分为三阶段来处理,并用矩阵形式来表示步骤S2所搭建的确定性电热气协调优化调度模型;
将优化变量分为三个阶段来处理:将常规机组的开停机状态、电储、热储和气储相关的变量归为第一阶段变量,用x表示;将与气网相关但不包括燃气机组出力的变量归为第二阶段变量;将其余变量归为第三阶段变量,用y表示;
采用如下矩阵形式来表示步骤S2所搭建的确定性电热气协调优化调度模型:
s.t.Ax≤d (3b)
Bx=e (3c)
Cy≤Dξ (3d)
Gx+Hy≤g (3e)
Jx+Ky=h (3f)
其中,ξ表示风电预测出力向量;σ表示切负荷量向量;aTx表示开停机成本,bTy表示运行成本、热电联产机组成本和燃气机组成本,cTξ表示弃风成本,dTσ表示切负荷成本;a、b、c、d、e、g、h为系统参数组成的矩阵;A为储能装置约束和常规机组开停机约束中不等式约束的相关参数组成的矩阵;B为储能装置约束和常规机组开停机约束中等式约束的相关参数组成的矩阵;C为第三阶段决策变量约束的相关参数组成的矩阵;D为风电预测出力向量约束的相关参数组成的矩阵;G、H为第一阶段变量和第三阶段变量的耦合关系约束中不等式约束的相关参数组成的矩阵;J、K为第一阶段变量和第三阶段变量的耦合关系约束中等式约束的相关参数组成的矩阵;
S32、采用分布鲁棒优化的方法搭建优化调度模型;
采用分布鲁棒优化的方法搭建的优化调度模型为:
其中,下标0表示给定场景,记为给定场景ξ0;ξ0、y0和σ0表示给定场景下的风电预测出力向量、第三阶段变量和切负荷量向量;ψ表示各离散场景的概率值构成的取值域;P(ξ)表示预测场景ξ的概率值;EP表示预测场景ξ下的期望成本;X表示(3b)~(3c)构成的可行域;Y(x,ξ0)表示(3d)~(3f)约束条件组成的可行域;
S33、采用数据驱动的方法构建混合范数下基于数据驱动的分布鲁棒调度优化模型;
在已获得的M个实际样本中筛选有限的K个离散场景来表征风电预测出力向量的可能值,进一步获得数据驱动下的分布鲁棒模型为:
其中,下标k表示场景k,记为给定场景ξk;ξk、yk和σk表示场景k下的风电预测出力向量、第三阶段变量和切负荷量向量;pk表示场景k的概率值,pk∈ψ;
其中,R+表示大于等于0的实数;采用1-范数和∞-范数两个集合对ψ范围进行约束:
其中,p0.k表示场景k在历史数据中的概率值;θ1、θ∞分别表示采用1-范数和∞-范数约束的不确定性概率置信集合,pk满足如下的置信度:
置信水平α与θ1、θ∞的关系如下:
构造混合范数约束下的不确定性概率置信集合为:
最终,式(3p)即为混合范数下基于数据驱动的分布鲁棒调度优化模型;
S4、通过步骤S3所搭建的混合范数下基于数据驱动的分布鲁棒调度优化模型,解决经济调度主问题;
S5、通过步骤S3所搭建的混合范数下基于数据驱动的分布鲁棒调度优化模型来验证风电不确定性子问题的收敛性:如果收敛,则转到步骤S6;否则转到步骤S4,并利用CCG算法向经济调度主问题添加约束;
S6、校验气网运行约束子问题的收敛性:如果收敛,则计算结束,获得最优解;否则转到步骤S4,并向经济调度主问题添加Benders割集约束。
2.根据权利要求1所述的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,其特征在于:所述步骤S5中,风电不确定性子问题处理过程如下:
当给定一个第一阶段变量x*,可得如下子问题:
假设在给定第一阶段变量x*后,场景k下求得的内层优化目标值为f(x*,ξk),则将子问题改写为:
对ψ1和ψ∞的绝对值约束进行等价转换,引入0-1辅助变量和分别表示概率pk相对p0.k的正偏移和负偏移标记,其中和表示1-范数下的正偏移和负偏移标记,和表示∞-范数下的正偏移和负偏移标记,满足偏移状态唯一性:
需添加如下约束进行限制:
ρ1+ρ∞=1,ρ1≥0,ρ∞≥0(5e)
3.根据权利要求1所述的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,其特征在于:所述步骤S6中,气网约束子问题的处理具体如下:
子问题的目标函数为:
当该子问题目标函数值大于0时,使用Benders算法向主问题添加约束,即Benders割集,然后返回主问题重新求解,多次迭代产生的Benders割集在整个迭代过程中始终有效,且必须都添加到主问题的约束集合中;当子问题目标函数为0时,不再产生新的Benders割集,此时算法收敛,计算结束。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810586897.9A CN110571789B (zh) | 2018-06-06 | 2018-06-06 | 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 |
US16/760,446 US20200313433A1 (en) | 2018-06-06 | 2019-02-28 | Data-driven three-stage scheduling method for electricity, heat and gas networks based on wind electricity indeterminacy |
PCT/CN2019/076426 WO2019233134A1 (zh) | 2018-06-06 | 2019-02-28 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810586897.9A CN110571789B (zh) | 2018-06-06 | 2018-06-06 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110571789A CN110571789A (zh) | 2019-12-13 |
CN110571789B true CN110571789B (zh) | 2020-10-20 |
Family
ID=68769249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810586897.9A Active CN110571789B (zh) | 2018-06-06 | 2018-06-06 | 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 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200313433A1 (zh) |
CN (1) | CN110571789B (zh) |
WO (1) | WO2019233134A1 (zh) |
Families Citing this family (85)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909959B (zh) * | 2019-12-16 | 2023-04-07 | 国网青海省电力公司电力科学研究院 | 一种计及风电运行风险的多能互补电力系统鲁棒优化方法 |
CN111030110B (zh) * | 2019-12-28 | 2021-05-18 | 福州大学 | 一种考虑电转气消纳风电的电力-天然气耦合系统鲁棒协同调度方法 |
CN111786384B (zh) * | 2020-07-10 | 2022-03-04 | 中国船舶工业集团公司第七0八研究所 | 一种受到外界干扰后的弹性导向配电网鲁棒优化运行方法 |
CN112564160B (zh) * | 2020-09-23 | 2024-01-19 | 国网山东省电力公司潍坊供电公司 | 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质 |
CN112288283A (zh) * | 2020-10-30 | 2021-01-29 | 国网福建省电力有限公司厦门供电公司 | 多区互联的微网系统分散协调调度方法及装置 |
CN112308411B (zh) * | 2020-10-30 | 2022-11-15 | 合肥工业大学 | 基于动态碳交易模型的综合能源站随机规划方法及系统 |
CN112528467B (zh) * | 2020-11-19 | 2023-08-11 | 华北电力大学 | 一种电热综合能源系统鲁棒机组组合模型的求解方法 |
CN112560329B (zh) * | 2020-11-19 | 2024-03-29 | 华东理工大学 | 不确定性下的工业装置能量系统数据驱动鲁棒优化方法 |
CN112615386B (zh) * | 2020-11-23 | 2023-04-07 | 国网浙江省电力有限公司台州供电公司 | 一种面向风电消纳的电热混合储能系统优化定容方法 |
CN112671028B (zh) * | 2020-11-27 | 2022-12-02 | 北京华能新锐控制技术有限公司 | 一种考虑热网动态特性的综合能源系统风电消纳方法 |
CN112686425B (zh) * | 2020-12-09 | 2022-03-11 | 南京国电南自电网自动化有限公司 | 一种基于合作博弈的能源互联网优化调度方法及系统 |
CN112653137A (zh) * | 2020-12-14 | 2021-04-13 | 东北电力大学 | 计及碳交易的光热电站与风电系统、低碳调度方法及系统 |
CN112561732B (zh) * | 2020-12-14 | 2022-12-06 | 南方电网科学研究院有限责任公司 | 一种电力系统有功调度优化的方法、装置和可读存储介质 |
CN112613720B (zh) * | 2020-12-17 | 2023-03-24 | 湖北工业大学 | 考虑多不确定性的水库灌溉优化调度方法 |
CN112713615B (zh) * | 2020-12-23 | 2022-07-26 | 山东大学 | 电—气综合能源系统快速协调调度方法及系统 |
CN112713618B (zh) * | 2020-12-29 | 2023-04-07 | 天津大学合肥创新发展研究院 | 基于多场景技术的主动配电网源网荷储协同优化运行方法 |
CN112668188B (zh) * | 2020-12-31 | 2023-02-24 | 福州大学 | 多园区综合能源系统的分布式鲁棒协同优化调度方法 |
CN112952808A (zh) * | 2021-02-09 | 2021-06-11 | 上海电力大学 | 一种基于分类概率建模和igdt的有源配电网优化运行方法 |
CN112966855B (zh) * | 2021-02-09 | 2023-10-24 | 西安理工大学 | 考虑风电不确定性的电-气耦合能源配网协调优化方法 |
CN112861357B (zh) * | 2021-02-10 | 2023-02-10 | 福州大学 | 一种多微能网耦合系统分布式协同调度方法及系统 |
CN114123163B (zh) * | 2021-02-20 | 2023-10-27 | 上海交通大学 | 一种基于信息物理融合模型的主动配电网优化控制方法 |
CN112910001B (zh) * | 2021-02-23 | 2022-05-27 | 广东电网有限责任公司 | 多电压等级交直流混合系统三阶段优化配置方法及系统 |
CN113032935B (zh) * | 2021-03-12 | 2022-04-05 | 西南石油大学 | 一种大型并联天然气管网优化运行模型及求解方法 |
CN113098017B (zh) * | 2021-04-12 | 2023-01-13 | 国网北京市电力公司 | 交流潮流机组组合的计算方法与计算装置 |
CN113283641B (zh) * | 2021-04-29 | 2024-03-22 | 东北大学 | 一种考虑风电预测误差时空相关性复合储能优化配置方法 |
CN113191083B (zh) * | 2021-04-30 | 2022-12-02 | 西安交通大学 | 考虑全工况外部参数变化的烟气余热回收系统优化设计方法 |
CN113241759B (zh) * | 2021-05-13 | 2024-08-23 | 国网上海市电力公司 | 一种配电网与多微网鲁棒调度方法、电子设备及存储介质 |
CN113364059B (zh) * | 2021-05-20 | 2022-07-22 | 国网湖北省电力有限公司电力科学研究院 | 一种多时段解耦的友好互动配电网电压无功滚动优化方法 |
CN113381400B (zh) * | 2021-05-28 | 2022-09-27 | 国网青海省电力公司 | 储能消纳新能源能力评估方法和装置 |
CN113283194B (zh) * | 2021-05-31 | 2022-08-02 | 深圳大学 | 获取天然气系统最小状态气流量的节点级分散方法 |
CN113437744B (zh) * | 2021-06-09 | 2022-02-01 | 河海大学 | 考虑不确定性的光热-生物质混合电站鲁棒优化调度模型 |
CN113239574B (zh) * | 2021-06-09 | 2022-06-07 | 福州大学 | 考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法 |
CN113364051B (zh) * | 2021-06-22 | 2023-01-17 | 国网山东省电力公司经济技术研究院 | 考虑海上风电接入的多电源系统容量配置调度方法及装置 |
CN113507111B (zh) * | 2021-06-24 | 2022-09-27 | 东北电力大学 | 基于盲数理论的规划目标年电力盈亏评估方法 |
CN113393054B (zh) * | 2021-07-05 | 2023-11-24 | 华北电力大学 | 一种风储联合系统的优化调度方法及优化调度系统 |
CN113705962B (zh) * | 2021-07-16 | 2024-03-05 | 国网江苏省电力有限公司南京供电分公司 | 一种基于分布鲁棒优化的虚拟电厂日前调度方法 |
CN113690875B (zh) * | 2021-07-27 | 2023-10-13 | 国网湖北省电力有限公司 | 一种微网实时互动等值模型建立方法 |
CN113553960B (zh) * | 2021-07-27 | 2022-07-05 | 湘潭大学 | 一种基于小波包方差熵的风电爬坡不确定性评估方法 |
CN115018230B (zh) * | 2021-08-03 | 2024-05-28 | 昆明理工大学 | 考虑减排成本的综合能源系统低碳鲁棒经济优化运行方法 |
CN113610305B (zh) * | 2021-08-11 | 2024-01-30 | 东南大学 | 一种综合能源系统的优化调度方法 |
CN113689043B (zh) * | 2021-08-25 | 2024-03-08 | 国网黑龙江省电力有限公司电力科学研究院 | 一种考虑机组启停的电热联合调度方法 |
CN113988367B (zh) * | 2021-09-22 | 2024-08-13 | 东南大学 | 一种风光火储耦合碳捕集利用系统的随机优化调度方法 |
CN114336585B (zh) * | 2021-09-24 | 2023-08-01 | 北京交通大学 | 基于多智能体协同的多微网能量管理方法、系统和电子设备 |
CN114004393B (zh) * | 2021-10-19 | 2024-09-10 | 国网湖南省电力有限公司 | 配电网-天然气联合系统双层多时间尺度运行优化方法 |
CN114123166B (zh) * | 2021-10-21 | 2023-10-20 | 国网浙江省电力有限公司台州供电公司 | 一种新能源耦合背景下的源网荷储协同调度方法 |
CN114188973B (zh) * | 2021-11-18 | 2024-02-27 | 贵州电网有限责任公司 | 一种计及线路强迫停运的两阶段检修-运行鲁棒优化方法 |
CN114037331B (zh) * | 2021-11-19 | 2022-08-26 | 浙江大学 | 一种考虑典型日特征权重动态分配的综合能源系统规划方法 |
CN113988714B (zh) * | 2021-11-26 | 2024-05-31 | 湖南大学 | 计及多重不确定性的园区综合能源系统动态规划方法、设备及介质 |
CN114118803B (zh) * | 2021-11-26 | 2024-04-26 | 国网江苏省电力有限公司电力科学研究院 | 一种多区域综合能源系统集成与协同优化方法及装置 |
CN114330827B (zh) * | 2021-11-29 | 2022-10-28 | 华北电力大学 | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 |
CN114358383B (zh) * | 2021-12-03 | 2024-08-13 | 湖南大学 | 一种复杂不确定场景下多能源微网鲁棒优化方法和系统 |
CN114243717B (zh) * | 2021-12-06 | 2023-10-31 | 上海电力大学 | 基于调温启停混合控制方式的空调负荷双层优化调度方法 |
CN114362240A (zh) * | 2021-12-06 | 2022-04-15 | 国网安徽省电力有限公司安庆供电公司 | 一种基于置信度校验的新能源多厂站互补优化方法 |
CN114519459B (zh) * | 2022-01-29 | 2024-08-23 | 浙江英集动力科技有限公司 | 基于场景分析和混合储能的热电联合系统优化调度方法 |
CN114638727B (zh) * | 2022-03-14 | 2024-09-06 | 天津大学 | 计及生产不确定性的流程工业灵活性可调鲁棒监测方法 |
CN114970940B (zh) * | 2022-03-21 | 2024-06-18 | 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 |
CN114722591B (zh) * | 2022-03-22 | 2023-10-31 | 东南大学 | 一种净零能耗建筑电热氢多能流供能设备规划方法 |
CN114759602B (zh) * | 2022-04-24 | 2024-04-05 | 国网山东省电力公司潍坊供电公司 | 考虑光伏极端场景的配电网接纳能力评估方法 |
CN114841574B (zh) * | 2022-05-09 | 2024-05-03 | 东南大学 | 一种考虑不确定性的综合能源系统电热负荷联合恢复方法 |
CN114912714B (zh) * | 2022-06-17 | 2023-11-07 | 国网江苏省电力有限公司苏州供电分公司 | 一种考虑雷电气候下风光出力不确定性的低碳经济调度方法和系统 |
CN114865631B (zh) * | 2022-07-05 | 2022-09-20 | 华东交通大学 | 源荷协同降碳的综合能源系统最优分布鲁棒经济调度方法 |
CN115169950B (zh) * | 2022-07-26 | 2023-03-24 | 山东大学 | 一种基于多参数规划的电-气系统分布式协同方法及系统 |
CN115473284B (zh) * | 2022-08-09 | 2024-02-02 | 国网江苏省电力有限公司淮安供电分公司 | 区域电力交换约束下配电系统运行的鲁棒优化方法、系统及计算机设备 |
CN115173445B (zh) * | 2022-09-06 | 2022-12-02 | 湖南大学 | 一种城市配电网与流域水系网灵活性联动运行方法 |
CN115688394B (zh) * | 2022-10-18 | 2023-12-26 | 上海科技大学 | 考虑电网多重不确定性的v2g分布鲁棒优化方法 |
CN115795881B (zh) * | 2022-11-21 | 2024-03-29 | 国网江苏省电力有限公司苏州供电分公司 | 一种综合能源系统储热装置规划方法及系统 |
CN115700637B (zh) * | 2022-11-21 | 2024-08-20 | 国网湖北省电力有限公司荆州供电公司 | 一种协调削峰和调压的配电网两阶段随机优化方法 |
CN116184828B (zh) * | 2023-01-12 | 2023-10-10 | 华能山东发电有限公司白杨河发电厂 | 自适应汽轮机高调阀特性曲线在线实时优化方法与系统 |
CN115859686B (zh) * | 2023-02-07 | 2023-05-09 | 山东科技大学 | 考虑扩展碳排放流的综合能源系统低碳调度方法及系统 |
CN116345564A (zh) * | 2023-02-17 | 2023-06-27 | 国网山东省电力公司德州供电公司 | 综合能源系统多时间尺度分布式协同优化调度方法及系统 |
CN116207796B (zh) * | 2023-03-27 | 2023-10-27 | 山东大学 | 计及可变流量调节的电-热综合能源系统调度方法及系统 |
CN116341762B (zh) * | 2023-05-23 | 2023-07-25 | 武汉中元华电科技股份有限公司 | 高海拔风电供电系统最优能流求解方法及系统 |
CN116341881B (zh) * | 2023-05-29 | 2023-08-18 | 山东大学 | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 |
CN116780649B (zh) * | 2023-06-16 | 2024-03-01 | 国网浙江省电力有限公司嘉兴供电公司 | 一种多能互补利用的分布式鲁棒优化运行方法 |
CN116644866A (zh) * | 2023-07-27 | 2023-08-25 | 国网江西省电力有限公司经济技术研究院 | 考虑风光不确定性的综合能源系统鲁棒优化方法及系统 |
CN117039872B (zh) * | 2023-08-11 | 2024-04-19 | 哈尔滨工业大学 | 考虑自适应不确定集的多时间尺度弱鲁棒电源调度方法 |
CN116777120B (zh) * | 2023-08-16 | 2023-10-27 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种基于路网od对的城市道路移动源碳排放计算方法 |
CN117094507B (zh) * | 2023-08-21 | 2024-02-20 | 四川大学 | 基于生物质资源规划农业产业楼宇综合能源的方法和系统 |
CN117455033B (zh) * | 2023-09-21 | 2024-07-09 | 南京林业大学 | 基于信息融合的双段式综合能源系统优化方法 |
CN117151426B (zh) * | 2023-10-25 | 2024-02-09 | 广东电网有限责任公司中山供电局 | 基于电热信息不对称的电热能源系统调度方法及相关装置 |
CN117217496B (zh) * | 2023-11-07 | 2024-03-12 | 天津电力工程监理有限公司 | 计及主从博弈的区域综合能源系统控制方法及装置 |
CN117252043B (zh) * | 2023-11-17 | 2024-04-09 | 山东大学 | 针对区域多能互补能源系统的多目标优化调度方法及装置 |
CN117540584B (zh) * | 2024-01-09 | 2024-03-29 | 四川大学 | 内生不确定性和非线性重构下电热通信系统韧性提升方法 |
CN117688793B (zh) * | 2024-02-04 | 2024-05-10 | 中国地质大学(武汉) | 一种分布鲁棒机组组合建模与求解方法、设备及存储设备 |
CN118297439B (zh) * | 2024-06-04 | 2024-07-30 | 国网经济技术研究院有限公司 | 电力系统多阶段输储协同分布鲁棒规划方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327091A (zh) * | 2016-08-26 | 2017-01-11 | 清华大学 | 基于鲁棒联络线计划的多区域异步协调动态经济调度方法 |
CN107622324A (zh) * | 2017-09-01 | 2018-01-23 | 燕山大学 | 一种考虑多微网能量交互的鲁棒环境经济调度方法 |
CN107863784A (zh) * | 2017-11-21 | 2018-03-30 | 国网江苏省电力有限公司经济技术研究院 | 含可中断负荷的风电及电动汽车联合系统的日前调度方法 |
CN108011394A (zh) * | 2017-12-08 | 2018-05-08 | 浙江大学 | 一种考虑风电降载的电力系统鲁棒备用优化方法 |
CN108039731A (zh) * | 2017-12-29 | 2018-05-15 | 南京工程学院 | 一种基于解空间分析且含风电的多目标三阶段调度方法 |
-
2018
- 2018-06-06 CN CN201810586897.9A patent/CN110571789B/zh active Active
-
2019
- 2019-02-28 WO PCT/CN2019/076426 patent/WO2019233134A1/zh active Application Filing
- 2019-02-28 US US16/760,446 patent/US20200313433A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327091A (zh) * | 2016-08-26 | 2017-01-11 | 清华大学 | 基于鲁棒联络线计划的多区域异步协调动态经济调度方法 |
CN107622324A (zh) * | 2017-09-01 | 2018-01-23 | 燕山大学 | 一种考虑多微网能量交互的鲁棒环境经济调度方法 |
CN107863784A (zh) * | 2017-11-21 | 2018-03-30 | 国网江苏省电力有限公司经济技术研究院 | 含可中断负荷的风电及电动汽车联合系统的日前调度方法 |
CN108011394A (zh) * | 2017-12-08 | 2018-05-08 | 浙江大学 | 一种考虑风电降载的电力系统鲁棒备用优化方法 |
CN108039731A (zh) * | 2017-12-29 | 2018-05-15 | 南京工程学院 | 一种基于解空间分析且含风电的多目标三阶段调度方法 |
Non-Patent Citations (4)
Title |
---|
Gas network for mitigating wind uncertainty by using combined heat and power(CHP);Hantao Wang 等;《2017 IEEE Power&Energy Society General Meeting》;20170720;1-5页 * |
含风电电力系统鲁棒调度保守度的多目标优化方法;禤培正,等;《南方电网技术》;20170228;第11卷(第2期);8-15页 * |
基于电热联合调度的微电网运行优化;李正茂;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170115;C042-385 * |
计及不确定性因素的家庭并网风-光-蓄协同经济调度优化方法;孟安波,等;《电网技术》;20180131;第42卷(第1期);162-169页+附录 * |
Also Published As
Publication number | Publication date |
---|---|
CN110571789A (zh) | 2019-12-13 |
WO2019233134A1 (zh) | 2019-12-12 |
US20200313433A1 (en) | 2020-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110571789B (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 | |
CN108832665B (zh) | 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度建模方法 | |
CN106849188B (zh) | 一种促进风电消纳的热电联合优化方法及系统 | |
CN106991539B (zh) | 一种能源系统优化调度方法及装置 | |
CN110175311B (zh) | 一种基于多能耦合模型的优化潮流计算方法 | |
CN110061528B (zh) | 一种气电联合系统日前鲁棒调度方法 | |
CN111222257B (zh) | 基于凸优化的电热水多能流协同调度方法 | |
CN105305419A (zh) | 一种含有压缩空气储能的独立微网容量优化配置方法 | |
CN109840638B (zh) | 一种计及热网不确定性的热电联合日前鲁棒经济调度方法 | |
Ramírez-Elizondo et al. | Scheduling and control framework for distribution-level systems containing multiple energy carrier systems: Theoretical approach and illustrative example | |
CN114077934B (zh) | 一种综合能源微网互联系统及其调度方法 | |
CN114723175A (zh) | 一种综合能源系统能量流和碳流分布的计算方法 | |
CN113036819A (zh) | 一种考虑源荷双侧不确定性的电热综合能源系统鲁棒调度方法 | |
CN113708363A (zh) | 一种电热联合系统的调度灵活性评估方法及系统 | |
CN114742314A (zh) | 一种考虑相关性的电热综合能源系统分布鲁棒优化方法 | |
CN116341881A (zh) | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 | |
CN112531687A (zh) | 含热电联合机组的综合能源系统周前机组组合优化方法 | |
CN116957229A (zh) | 基于Hausdorff距离的微电网两阶段分布鲁棒优化调度方法 | |
CN114971147A (zh) | 一种基于Hausdorff距离的电-热-气综合能源系统分布鲁棒优化调度方法 | |
CN113869742B (zh) | 基于行动家和评论家网络的综合供需侧的电力调度系统 | |
CN114091739A (zh) | 基于电气热综合能源系统的输配协同优化调度方法及系统 | |
CN114091767A (zh) | 数据驱动的综合能源系统鲁棒随机规划的方法及系统 | |
CN110610276B (zh) | 一种含广义预测控制的综合能源系统调度方法及系统 | |
CN115169950B (zh) | 一种基于多参数规划的电-气系统分布式协同方法及系统 | |
CN115545340A (zh) | 一种考虑双重不确定性的综合能源站-网协同规划方法 |
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 |