CN110620402A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110620402A CN110620402A CN201911002006.1A CN201911002006A CN110620402A CN 110620402 A CN110620402 A CN 110620402A CN 201911002006 A CN201911002006 A CN 201911002006A CN 110620402 A CN110620402 A CN 110620402A
- Authority
- CN
- China
- Prior art keywords
- electric
- hybrid system
- gas
- power
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000009826 distribution Methods 0.000 claims abstract description 27
- 238000013486 operation strategy Methods 0.000 claims abstract description 6
- 239000007789 gas Substances 0.000 claims description 94
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 44
- 238000003860 storage Methods 0.000 claims description 25
- 239000003345 natural gas Substances 0.000 claims description 22
- 238000004146 energy storage Methods 0.000 claims description 17
- 230000005611 electricity Effects 0.000 claims description 13
- 230000008878 coupling Effects 0.000 claims description 11
- 238000010168 coupling process Methods 0.000 claims description 11
- 238000005859 coupling reaction Methods 0.000 claims description 11
- 230000003190 augmentative effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 5
- 230000009977 dual effect Effects 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 claims 1
- 238000011160 research Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 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
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种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,包括:采集不同场景下的购电功率、气源点进气量以及t时刻净负荷波动功率参数;建立包括容量配置层子问题模型与系统运行层子问题模型的电‑气混联系统容量优化问题模型;采用带自适应步长的交替方向乘子法,将电‑气混联系统规划运行联合优化问题解耦为配置层子问题与n个场景下的运行层子问题,进行迭代求解;得到电‑气混联系统的最优配置结果以及运行策略集。本发明采用净负荷波动率等指标对配电网的运行灵活性进行评估,在优化目标中考虑灵活性影响,有效解决了电‑气混联系统容量优化中同时考虑经济性与灵活性的多目标优化问题。
Description
技术领域
本发明涉及电-气混联系统优化技术领域,尤其涉及一种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。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
随着能源消费结构的转型与各类转换技术的迅速发展,天然气在能源消费中的占比逐步提升,使得电-气为代表的多能系统获得越来越广泛的研究与应用。天然气系统的接入不仅提高了供能系统选择的多样性,对于电力系统运行的灵活性也有相应的改善。同时,多能系统联合优化在整体运行中所考虑的因素和可利用的资源更加全面,不仅能够有效平抑可再生能源的波动性,而且运营商还可以通过运行层的优化实现套利运作。燃气轮机、电转气等技术的发展进一步加强了电-气混联系统在时间、空间上的多重耦合特性,但是天然气与电能传输在时间尺度上所存在的固有差异性以及配电网中源荷多重不确定性给整体系统的规划与运行优化带来了巨大挑战。因此,展开电-气混联系统多场景规划运行联合优化方法研究对提高资源利用效率与供能系统长期收益具有重要意义。
目前,综合能源系统规划的研究思路有多种,其采用的模型与方法均有所不同。建模方法上常用有两种,一种是基于电网、天然气网络物理描述的简化数学模型,另一种是基于能源集线器的建模方法。在问题构建上,一类研究通过选取典型场景进行计算,另一类研究采用随机场景、不确定性集与多阶段规划的方法试图消除极端场景的影响,但是多数研究缺乏对长规划期内多个场景相互耦合相互影响的考虑。在优化目标上,大多的研究集中在系统的经济性优化方面,对于天然气系统在运行灵活性方面的作用少有涉及。在研究方法上,常用的方法包括动态规划、启发式算法等主要还是集中式计算,在处理多场景问题时会面临建模与求解方面的困难。
发明内容
为了解决上述问题,本发明提出了一种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,将电-气混联系统多场景容量配置与运行优化问题解耦为配置子问题与多个场景下的运行子问题,实现了电-气混联系统在复杂场景下的最优容量配置与运行方案。
在一些实施方式中,采用如下技术方案:
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,包括:
采集不同场景下的购电功率、气源点进气量以及t时刻净负荷波动功率参数;
建立电-气混联系统容量优化问题模型,所述电-气混联系统容量优化问题模型包括容量配置层子问题模型与系统运行层子问题模型;
其中,所述容量配置层子问题模型以配置方案的经济性最优为目标,以设备容量约束为约束条件;所述系统运行层子问题模型以运行经济性最优以及配电网运行灵活性最优为目标,以配电网与天然气网络的潮流约束、设备安全运行约束、发电机出力约束以及储能设备运行约束为约束条件;
采用带自适应步长的交替方向乘子法,将电-气混联系统规划运行联合优化问题解耦为配置层子问题与n个场景下的运行层子问题,进行迭代求解;
得到电-气混联系统的最优配置结果以及运行策略集。
在另一些实施方式中,采用如下技术方案:
基于分布式多场景的电-气混联系统规划运行联合优化系统,包括:
用于采集不同场景下的购电功率、气源点进气量以及t时刻净负荷波动功率参数的装置;
用于建立电-气混联系统容量优化问题模型,所述电-气混联系统容量优化问题模型包括容量配置层子问题模型与系统运行层子问题模型的装置;
其中,所述容量配置层子问题模型以配置方案的经济性最优为目标,以设备容量约束为约束条件;所述系统运行层子问题模型以运行经济性最优以及配电网运行灵活性最优为目标,以配电网与天然气网络的潮流约束、设备安全运行约束、发电机出力约束以及储能设备运行约束为约束条件;
用于采用带自适应步长的交替方向乘子法,将电-气混联系统规划运行联合优化问题解耦为配置层子问题与n个场景下的运行层子问题,进行迭代求解的装置。
在另一些实施方式中,采用如下技术方案:
一种终端设备,其包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行上述的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。
在另一些实施方式中,采用如下技术方案:
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行上述的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。
与现有技术相比,本发明的有益效果是:
(1)提出了一种基于交替方向乘子法的分布式优化框架,用于解决多场景下的最优容量配置问题。该框架将电-气混联系统的配置与运行优化问题解耦为配置层子问题与多场景下的运行层子问题,并进行分布式迭代求解,从而有效降低了多场景问题建模难度与求解维度。
(2)构建了一个电-气混联系统的多目标容量配置优化问题模型,其中考虑了天然气网络的动态特性以及配电网中的可再生能源与负荷的不确定性。同时在优化过程中进一步考虑了规划期内负荷增长以及蓄电池储能设备成本下降等因素,能够在长规划期内的电-气混联系统优化配置中取得较好的效果。
(3)采用净负荷波动率等指标对配电网的运行灵活性进行评估,在优化目标中考虑灵活性影响,有效解决了电-气混联系统容量优化中同时考虑经济性与灵活性的多目标优化问题。
(4)本发明通过构造大量不同运行场景的方法综合考虑了规划期内多场景相互耦合的复杂情况,使的配置结果更具合理性与经济性。同时在优化目标中引入灵活性指标考虑了灵活性优化的对容量配置的影响,有利于发挥电-气混联系统灵活运行的优化与特点。在此基础上,本发明结合了交替方向乘子法分布式求解的特点,将配置层与运行层相互耦合的高维度复杂计算问题解耦为多个子问题进行迭代求解,降低了求解难度,提高了求解的效率与适用性。
附图说明
图1为本发明实施例一中提供的规划-运行联合优化详细流程图;
图2为本发明实施例一中提供的分布式计算框架图;
图3为本发明实施例一中提供的33节点配电网与7节点天然气网络系统图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
在一个或多个实施例中,公开了一种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,包括如下步骤:
采集不同场景下的购电功率、气源点进气量以及t时刻净负荷波动功率参数;
建立电-气混联系统容量优化问题模型,所述电-气混联系统容量优化问题模型包括容量配置层子问题模型与系统运行层子问题模型;
其中,所述容量配置层子问题模型以配置方案的经济性最优为目标,以设备容量约束为约束条件;所述系统运行层子问题模型以运行经济性最优以及配电网运行灵活性最优为目标,以配电网与天然气网络的潮流约束、设备安全运行约束、发电机出力约束以及储能设备运行约束为约束条件;
采用带自适应步长的交替方向乘子法,将电-气混联系统规划运行联合优化问题解耦为配置层子问题与n个场景下的运行层子问题,进行迭代求解;
得到电-气混联系统的最优配置结果以及运行策略集。
本实施例中,电-气混联系统容量优化问题模型的构建与求解思路参照图1,具体为:首先是建立电-气混联系统容量优化模型,模型中包括容量配置层子问题与系统运行层子问题。其中容量配置层子问题主要考虑配置方案的经济性最优,在计算优化时考虑的约束条件主要是设备容量约束;而系统运行层子问题主要考虑运行经济性最优以及配电网运行灵活性最优,其计算优化过程中需要考虑配电网与天然气网络的潮流约束、设备安全运行约束、发电机出力约束以及储能设备运行约束等问题。然后采用基于交替方向乘子法的分布式优化框架,将原问题进行解耦。最终采用带自适应步长的交替方向乘子法进行迭代求解。
配置层子问题可以构建为如下形式:
(1)目标函数
Cin=Cgt+Cpv+Cwt+Cbess (1)
其中Cin为投资总成本,Cgt、Cpv、Cwt、Cbess分别为燃气轮机、光伏、风机与蓄电池储能设备的投资成本。
运行层子问题可以构建为如下形式:
(1)目标函数
其中Cop为运行层总成本,n为场景总数量,s为场景编号,Pin.s、Pout.s分别为场景s下购电与售电功率,cin、cout分别为购售电价格,M1.s为场景s下购气质量流量,cgas为购气价格,cbess.loss.s为场景s下蓄电池寿命损耗成本,ζflex为灵活性权重系数,t为时段编号,T为时段数,ΔPnl(t)为t时刻净负荷波动功率。
Pnl(t)=Pload(t)-Pgt(t)-Ppv(t)-Pwt(t)+Pch(t)-Pdis(t) (3)
ΔPnl(t)=|Pnl(t)-Pnl(t-Δt)| (4)
其中Pnl(t)为t时刻净负荷功率,Pload(t)为t时刻有功负荷,Pgt(t)、Ppv(t)、Pwt(t)分别为t时刻燃气轮机、光伏、风机的有功出力,Pch(t)、Pdis(t)分别为t时刻蓄电池充放电功率,ΔPnl(t)为t时刻净负荷波动功率,Δt为时间步长。
(2)配电网线性潮流约束
Pik=-Pk+∑k→mnPkm (5)
Qik=-Qk+∑k→mn Qkm (6)
其中Pik、Qik分别为线路ik上的有功与无功功率,Pkm、Qkm分别为线路km上的有功与无功功率,Pk、Qk分别为节点注入有功与无功功率,vi,vk为节点i,k的节点电压,rik、xik分别为线路电阻与电抗。
(3)天然气潮流约束
p=c2ρ (10)
其中Aij、Lij、dij分别为管道截面积、长度、直径,Mj,t+1为t+1时刻第j个观测节点质量流量,Mi,t+1为t+1时刻第i个观测节点质量流量,Mj,t为t时刻第j个观测节点质量流量,Mi,t为t时刻第i个观测节点质量流量,pj,t+1为t+1时刻第j个观测节点压强,pi,t+1为t+1时刻第i个观测节点压强,pj,t为t时刻第j个观测节点压强,pi,t为t时刻第i个观测节点压强,λ为管道摩擦系数,为平均流速,Δt为时间步长,ρj,t+1为t+1时刻第j个观测节点气体密度,ρi,t+1为t+1时刻第i个观测节点气体密度,ρi,t为t时刻第i个观测节点气体密度,ρj,t为t时刻第j个观测节点气体密度,c为音速,p为气体压强,ρ为气体密度。
(4)蓄电池运行约束与寿命损耗
E(t)=E(t-Δt)-Pdis(t)Δt/ηbess+Pch(t)Δtηbess (11)
Emin≤E(t)≤Emax (12)
0≤Pdis(t)≤Pdis.maxedis(t) (13)
0≤Pch(t)≤Pch.maxech(t) (14)
edis(t)+ech(t)≤1 (15)
其中E(t)为t时刻蓄电池电量,Δt为时间步长,Pch(t)、Pdis(t)为t时刻蓄电池充电功率与放电电功率,ηbess为蓄电池充放电效率,Emin、Emax为蓄电池电量上下限,Pch.max、Pdis.max为蓄电池充放电功率上限,ech(t)、edis(t)为t时刻蓄电池充放电状态。
ΓR=LRDRCR (16)
其中ΓR为蓄电池额定吞吐量,LR、DR、CR分别为蓄电池额定循环次数、额定放电深度以及额定安时容量,deff、dR为单次放电过程中的等效消耗安时数与额定安时数,u0、u1为仿真得到的蓄电池放电曲线参数,SOC为蓄电池荷电状态,Cbess.loss为蓄电池充电折损成本,CS为蓄电池投资成本。
(5)燃气轮机约束
Pgt=ηgtMgt (19)
Pgt.min≤Pgt≤Pgt.max (20)
Pgt(t+Δt)-Pgt(t)≤rgtΔt (21)
其中Pgt为燃气轮机发出的有功功率,ηgt为燃气轮机发电效率,Mgt为燃气轮机消耗的天然气质量流量,Pgt.min为燃气轮机有功出力下限,Pgt.max为燃气轮机有功出力上限,Pgt(t+Δt)为t+Δt时刻燃气轮机有功功率,Pgt(t)为t时刻燃气轮机有功功率,rgt为燃气轮机爬坡速率,Δt为时间步长。
(6)电转气约束
MP2G=ηP2GPP2G (22)
MP2G.min≤MP2G≤MP2G.max (23)
其中MP2G为电转气设备的注入质量流量,ηP2G为电转气设备工作效率,PP2G为电转气设备消耗的电功率,MP2G.min为电转气设备注入天然气质量流量下限,MP2G.max为电转气设备注入天然气质量流量上限;
(7)可再生能源不确定性约束
P{Pin+Pgt+[Ppv+εpv]+[Pwt+εwt]≥[Pload+εload]+Pch-Pdis}≥β
(24)
其中P{}表示概率,Pin是配电网公共耦合点的注入有功功率,Pgt、Ppv、Pwt为燃气轮机、光伏、风机的有功出力,Pload为有功负荷,Pch为蓄电池充电功率,Pdis为蓄电池放电功率,εpv、εwt为风机与光伏的出力波动,εload为有功负荷预测误差,β为置信水平,σpv、σwt、σload分别为光伏、风机与有功负荷的标准正态误差,为标准正态分布下的α分位点。
因此,电-气混联系统规划运行联合优化问题可以写为一个结构型极值问题形式:
其中Cgt、Cpv、Cwt、Cbess分别为燃气轮机、光伏、风机、蓄电池储能设备的配置成本,n为场景总数量,s为场景编号,Pin.s为s场景下的功率的购电功率,cin为购电价格,Pout.s为s场景下的售电功率,cout为售电价格,M1.s为s场景下气源点进气量,cgas为天然气购气价格,cbess.loss.s为s场景下储能寿命折损价值,ζflex为灵活性权重系数,t为时段编号,T为时段数,ΔPnl(t)为t时刻净负荷波动功率。
其目标函数中包括投资成本、运行成本以及配电网运行灵活性指标等,约束条件包括配电网潮流约束、天然气潮流约束、蓄电池充放电约束、安全运行约束等。
以上问题是一个结构型凸优化问题,由于其变量维数较多,约束条件耦合程度复杂,难以直接进行建模求解,故而本发明结合交替方向乘子法的分布式求解特点,将上述问题解耦为配置层子问题与n个场景下的运行层子问题,进行迭代求解。其中配置层子问题优化目标为投资成本最小且只考虑容量约束,运行层子问题中优化目标包括运行成本最小以及配网灵活性指标最优。
原问题的增广拉格朗日函数:
其中Cin为设备配置成本,m10,r、m20,r、m30,r、m40,r为配置子问题在第r次迭代时的拉格朗日乘子,ρ为惩罚因子,Pmt,0、Ppv,0、Pwt,0、Pbess,0为配置子问题的优化结果,n为场景总数量,s为场景编号,Cop.s为场景s下的运行成本,m1s,r、m2s,r、m3s,r、m4s,r为运行子问题第s个场景中在第r次迭代时的拉格朗日乘子,Pmt,s、Ppv,s、Pwt,s、Pbess,s为运行子问题中第s个场景的优化结果,Pmt,s-1、Ppv,s-1、Pwt,s-1、Pbess,s-1为运行子问题中第s-1个场景的优化结果,Pmt,n、Ppv,n、Pwt,n、Pbess,n为运行子问题中第n个场景的优化结果。
基于交替方向乘子法,上述增广拉格朗日函数被解耦为投资子问题L0以及n个运行子问题Ls(s=1,2,3,...,n):
具体的求解步骤参照图2,包括如下步骤:
(1)变量及拉格朗日乘子初始化,令Pmt,n=0,Ppv,n=0,Pwt,n=0,Pbess.n=0,m1s,r=m0,m2s,r=m0,m3s,r=m0,m4s,r=m0,其中m0为设定的朗格朗日乘子初值,确定惩罚因子初始值以及将迭代次数置零;
(2)将容量配置结果设为耦合变量对原问题进行解耦,并构建增广拉格朗日函数;
(3)求解过程第一步:约束条件考虑设备容量约束,优化目标为增广拉格朗日函数L0,求解配置层子问题,将配置结果作为耦合变量传递给运行子问题;
(4)求解过程第二步:约束条件考虑潮流约束、安全运行约束、储能设备运行约束等,优化目标为增广拉格朗日函数Ls,求解场景s的运行层子问题,并将配置结果作为耦合变量传递给下一场景;
(5)计算系统原始残差与对偶残差,判断是否满足收敛条件,若满足收敛条件则终止计算并输出配置结果与运行策略集,若不满足收敛条件,则更新拉格朗日乘子,进行新一轮迭代计算。
本发明应用的典型系统如图3所示,由33节点配电网电力系统与7节点天然气系统组成,其中配电系统中包括3台光伏、3台风机与一台蓄电池储能设备。电-气系统通过4台燃气轮机与1台电转气设备进行耦合连接。
实施例二
在一个或多个实施方式中,公开了基于分布式多场景的电-气混联系统规划运行联合优化系统,包括:
用于采集不同场景下的购电功率、气源点进气量以及t时刻净负荷波动功率参数的装置;
用于建立电-气混联系统容量优化问题模型,所述电-气混联系统容量优化问题模型包括容量配置层子问题模型与系统运行层子问题模型的装置;
其中,所述容量配置层子问题模型以配置方案的经济性最优为目标,以设备容量约束为约束条件;所述系统运行层子问题模型以运行经济性最优以及配电网运行灵活性最优为目标,以配电网与天然气网络的潮流约束、设备安全运行约束、发电机出力约束以及储能设备运行约束为约束条件;
用于采用带自适应步长的交替方向乘子法,将电-气混联系统规划运行联合优化问题解耦为配置层子问题与n个场景下的运行层子问题,进行迭代求解的装置。
在另一些实施方式中,公开了一种终端设备,其包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行实施例一中所述的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。
在另一些实施方式中,公开了一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行实施例一中所述的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。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.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,其特征在于,包括:
采集不同场景下的购电功率、气源点进气量以及t时刻净负荷波动功率参数;
建立电-气混联系统容量优化问题模型,所述电-气混联系统容量优化问题模型包括容量配置层子问题模型与系统运行层子问题模型;
其中,所述容量配置层子问题模型以配置方案的经济性最优为目标,以设备容量约束为约束条件;所述系统运行层子问题模型以运行经济性最优以及配电网运行灵活性最优为目标,以配电网与天然气网络的潮流约束、设备安全运行约束、发电机出力约束以及储能设备运行约束为约束条件;
采用带自适应步长的交替方向乘子法,将电-气混联系统规划运行联合优化问题解耦为配置层子问题与n个场景下的运行层子问题,进行迭代求解;
得到电-气混联系统的最优配置结果以及运行策略集。
2.如权利要求1所述的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,其特征在于,所述容量配置层子问题模型的目标函数为:
Cin=Cgt+Cpv+Cwt+Cbess
其中,Cin为投资总成本,Cgt、Cpv、Cwt、Cbess分别为燃气轮机、光伏、风机与蓄电池储能设备的投资成本。
3.如权利要求1所述的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,其特征在于,所述系统运行层子问题模型的目标函数为:
Pnl(t)=Pload(t)-Pgt(t)-Ppv(t)-Pwt(t)+Pch(t)-Pdis(t)
ΔPnl(t)=|Pnl(t)-Pnl(t-Δt)|
其中,Cop为运行层总成本,n为场景总数量,s为场景编号,Pin.s、Pout.s分别为场景s下购电与售电功率,cin、cout分别为购售电价格,M1.s为场景s下购气质量流量,cgas为购气价格,cbess.loss.s为场景s下蓄电池寿命损耗成本,ζflex为灵活性权重系数,t为时段编号,T为时段数,ΔPnl(t)为t时刻净负荷波动功率;
Pnl(t)为t时刻净负荷功率,Pload(t)为t时刻有功负荷,Pgt(t)、Ppv(t)、Pwt(t)分别为t时刻燃气轮机、光伏、风机的有功出力,Pch(t)、Pdis(t)分别为t时刻蓄电池充放电功率,ΔPnl(t)为t时刻净负荷波动功率,Δt为时间步长。
4.如权利要求1所述的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,其特征在于,所述电-气混联系统容量优化问题模型,具体为:
其中Cgt、Cpv、Cwt、Cbess分别为燃气轮机、光伏、风机、蓄电池储能设备的配置成本,n为场景总数量,s为场景编号,Pin.s为s场景下的功率的购电功率,cin为购电价格,Pout.s为s场景下的售电功率,cout为售电价格,M1.s为s场景下气源点进气量,cgas为天然气购气价格,cbess.loss.s为s场景下储能寿命折损价值,ζflex为灵活性权重系数,t为时段编号,T为时段数,ΔPnl(t)为t时刻净负荷波动功率。
5.如权利要求1所述的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,其特征在于,采用带自适应步长的交替方向乘子法,将电-气混联系统规划运行联合优化问题解耦为配置层子问题与n个场景下的运行层子问题,进行迭代求解,具体为:
构建电-气混联系统规划运行联合优化问题模型的增广拉格朗日函数L;
将上述增广拉格朗日函数L解耦为投资子问题模型的增广拉格朗日函数L0以及n个场景下的运行子问题模型的增广拉格朗日函数Ls,其中,s=1,2,3,...,n;
考虑设备容量约束条件,以增广拉格朗日函数L0为优化目标,求解配置层子问题模型,将最优配置结果作为耦合变量传递给运行子问题模型;
考虑潮流约束、安全运行约束、储能设备运行约束条件,以增广拉格朗日函数Ls为优化目标,求解场景s的运行层子问题模型,并将配置结果作为耦合变量传递给下一场景;
计算系统原始残差与对偶残差,判断是否满足收敛条件,若满足收敛条件则终止计算并输出配置结果与运行策略集;若不满足收敛条件,则更新拉格朗日乘子,进行新一轮迭代计算。
6.基于分布式多场景的电-气混联系统规划运行联合优化系统,其特征在于,包括:
用于采集不同场景下的购电功率、气源点进气量以及t时刻净负荷波动功率参数的装置;
用于建立电-气混联系统容量优化问题模型,所述电-气混联系统容量优化问题模型包括容量配置层子问题模型与系统运行层子问题模型的装置;
其中,所述容量配置层子问题模型以配置方案的经济性最优为目标,以设备容量约束为约束条件;所述系统运行层子问题模型以运行经济性最优以及配电网运行灵活性最优为目标,以配电网与天然气网络的潮流约束、设备安全运行约束、发电机出力约束以及储能设备运行约束为约束条件;
用于采用带自适应步长的交替方向乘子法,将电-气混联系统规划运行联合优化问题解耦为配置层子问题与n个场景下的运行层子问题,进行迭代求解的装置。
7.一种终端设备,其包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,其特征在于,所述指令适于由处理器加载并执行权利要求1-5任一项所述的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。
8.一种计算机可读存储介质,其中存储有多条指令,其特征在于,所述指令适于由终端设备的处理器加载并执行权利要求1-5任一项所述的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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911002006.1A CN110620402B (zh) | 2019-10-21 | 2019-10-21 | 电-气混联系统分布式规划运行联合优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911002006.1A CN110620402B (zh) | 2019-10-21 | 2019-10-21 | 电-气混联系统分布式规划运行联合优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110620402A true CN110620402A (zh) | 2019-12-27 |
CN110620402B CN110620402B (zh) | 2021-03-02 |
Family
ID=68926207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911002006.1A Active CN110620402B (zh) | 2019-10-21 | 2019-10-21 | 电-气混联系统分布式规划运行联合优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110620402B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111293688A (zh) * | 2020-03-10 | 2020-06-16 | 国网山西省电力公司经济技术研究院 | 一种考虑新能源出力和电价因素的网源协同规划建模方法 |
CN111342452A (zh) * | 2020-03-16 | 2020-06-26 | 四川大学 | 一种多区域电气综合能源系统能量与备用分散式调度方法 |
CN112016195A (zh) * | 2020-08-10 | 2020-12-01 | 浙江大学 | 一种考虑供能可靠性的电气耦合系统柔性规划方法 |
CN112344522A (zh) * | 2020-10-27 | 2021-02-09 | 西安建筑科技大学 | 一种中央空调冷机系统负荷分布式优化配置方法 |
CN112467748A (zh) * | 2020-12-10 | 2021-03-09 | 山东大学 | 三相不平衡主动配电网双时标分布式电压控制方法及系统 |
CN113240204A (zh) * | 2021-06-17 | 2021-08-10 | 华北电力大学 | 考虑可再生能源消纳区域能源站容量优化配置方法及系统 |
CN113991719A (zh) * | 2021-12-03 | 2022-01-28 | 华北电力大学 | 一种电动船舶参与的海岛群用能优化调度方法及系统 |
CN114374219A (zh) * | 2021-11-29 | 2022-04-19 | 山东大学 | 基于合作博弈的园区综合能源系统分布式优化方法及系统 |
CN115099456A (zh) * | 2022-05-16 | 2022-09-23 | 昆明电力交易中心有限责任公司 | 一种分布式能源的配置方法、装置、移动终端及存储介质 |
CN116091102A (zh) * | 2023-03-06 | 2023-05-09 | 四川大学 | 一种计及多重不确定性的配电系统多主体规划方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015125714A1 (en) * | 2014-02-20 | 2015-08-27 | Mitsubishi Electric Corporation | Method for solving convex quadratic program for convex set |
CN107508284A (zh) * | 2017-08-15 | 2017-12-22 | 华北电力大学 | 计及电气互联的微电网分布式优化调度方法 |
CN108565863A (zh) * | 2018-04-13 | 2018-09-21 | 国网浙江省电力有限公司电力科学研究院 | 一种考虑随机性的区域综合能源系统多目标潮流优化方法 |
CN108808734A (zh) * | 2018-07-09 | 2018-11-13 | 东北电力大学 | 一种含虚拟电厂的风电并网系统分布式优化调度建模方法 |
CN109242217A (zh) * | 2018-10-31 | 2019-01-18 | 广东电网有限责任公司 | 一种电-气能源多目标分布式交易协同优化方法和装置 |
CN109636052A (zh) * | 2018-12-20 | 2019-04-16 | 上海电力学院 | 一种气电联合系统的协同规划方法 |
CN109962479A (zh) * | 2019-03-28 | 2019-07-02 | 国网山东省电力公司电力科学研究院 | 一种基于交替迭代优化的同步调相机电气参数分布联合辨识方法 |
-
2019
- 2019-10-21 CN CN201911002006.1A patent/CN110620402B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015125714A1 (en) * | 2014-02-20 | 2015-08-27 | Mitsubishi Electric Corporation | Method for solving convex quadratic program for convex set |
CN107508284A (zh) * | 2017-08-15 | 2017-12-22 | 华北电力大学 | 计及电气互联的微电网分布式优化调度方法 |
CN108565863A (zh) * | 2018-04-13 | 2018-09-21 | 国网浙江省电力有限公司电力科学研究院 | 一种考虑随机性的区域综合能源系统多目标潮流优化方法 |
CN108808734A (zh) * | 2018-07-09 | 2018-11-13 | 东北电力大学 | 一种含虚拟电厂的风电并网系统分布式优化调度建模方法 |
CN109242217A (zh) * | 2018-10-31 | 2019-01-18 | 广东电网有限责任公司 | 一种电-气能源多目标分布式交易协同优化方法和装置 |
CN109636052A (zh) * | 2018-12-20 | 2019-04-16 | 上海电力学院 | 一种气电联合系统的协同规划方法 |
CN109962479A (zh) * | 2019-03-28 | 2019-07-02 | 国网山东省电力公司电力科学研究院 | 一种基于交替迭代优化的同步调相机电气参数分布联合辨识方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111293688A (zh) * | 2020-03-10 | 2020-06-16 | 国网山西省电力公司经济技术研究院 | 一种考虑新能源出力和电价因素的网源协同规划建模方法 |
CN111342452B (zh) * | 2020-03-16 | 2023-09-12 | 四川大学 | 一种多区域电气综合能源系统能量与备用分散式调度方法 |
CN111342452A (zh) * | 2020-03-16 | 2020-06-26 | 四川大学 | 一种多区域电气综合能源系统能量与备用分散式调度方法 |
CN112016195A (zh) * | 2020-08-10 | 2020-12-01 | 浙江大学 | 一种考虑供能可靠性的电气耦合系统柔性规划方法 |
CN112344522A (zh) * | 2020-10-27 | 2021-02-09 | 西安建筑科技大学 | 一种中央空调冷机系统负荷分布式优化配置方法 |
CN112344522B (zh) * | 2020-10-27 | 2022-03-08 | 西安建筑科技大学 | 一种中央空调冷机系统负荷分布式优化配置方法 |
CN112467748A (zh) * | 2020-12-10 | 2021-03-09 | 山东大学 | 三相不平衡主动配电网双时标分布式电压控制方法及系统 |
CN113240204A (zh) * | 2021-06-17 | 2021-08-10 | 华北电力大学 | 考虑可再生能源消纳区域能源站容量优化配置方法及系统 |
CN114374219A (zh) * | 2021-11-29 | 2022-04-19 | 山东大学 | 基于合作博弈的园区综合能源系统分布式优化方法及系统 |
CN114374219B (zh) * | 2021-11-29 | 2023-09-15 | 山东大学 | 基于合作博弈的园区综合能源系统分布式优化方法及系统 |
CN113991719A (zh) * | 2021-12-03 | 2022-01-28 | 华北电力大学 | 一种电动船舶参与的海岛群用能优化调度方法及系统 |
CN113991719B (zh) * | 2021-12-03 | 2023-11-24 | 华北电力大学 | 一种电动船舶参与的海岛群用能优化调度方法及系统 |
CN115099456A (zh) * | 2022-05-16 | 2022-09-23 | 昆明电力交易中心有限责任公司 | 一种分布式能源的配置方法、装置、移动终端及存储介质 |
CN116091102A (zh) * | 2023-03-06 | 2023-05-09 | 四川大学 | 一种计及多重不确定性的配电系统多主体规划方法 |
CN116091102B (zh) * | 2023-03-06 | 2023-09-19 | 四川大学 | 一种计及多重不确定性的配电系统多主体规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110620402B (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110620402B (zh) | 电-气混联系统分布式规划运行联合优化方法及系统 | |
Liu et al. | Optimal sizing of a wind-energy storage system considering battery life | |
CN112131733B (zh) | 计及电动汽车充电负荷影响的分布式电源规划方法 | |
CN103217900B (zh) | 基于实时电价的中压微网混沌pso最优潮流实现方法 | |
CN109636056A (zh) | 一种基于多智能体技术的多能源微网去中心化优化调度方法 | |
James et al. | Optimal V2G scheduling of electric vehicles and unit commitment using chemical reaction optimization | |
CN111293718B (zh) | 基于场景分析的交直流混合微网分区二层优化运行方法 | |
CN112053035A (zh) | 考虑经济性与灵活性的输电通道与储能联合规划方法 | |
CN104915788B (zh) | 一种考虑多风场相关性的电力系统动态经济调度的方法 | |
CN115841187A (zh) | 柔性配电网运行策略的优化方法、装置、设备及存储介质 | |
Ali et al. | Development and planning of a hybrid power system based on advance optimization approach | |
Zhang et al. | Optimal energy management of hybrid power system with two-scale dynamic programming | |
Katsigiannis et al. | Genetic algorithm solution to optimal sizing problem of small autonomous hybrid power systems | |
CN113410900B (zh) | 基于自适应差分鲸鱼优化的微电网hess优化配置方法及系统 | |
CN111311032B (zh) | 一种基于扇形雷达图模型的微网系统容量优化配置方法 | |
Saini et al. | Digital Twin of a commercial building microgrid: Economic & environmental sustainability analysis | |
CN115759589A (zh) | 一种含高比例新能源的配电网数据驱动鲁棒扩展规划方法 | |
Fang et al. | Energy scheduling and decision learning of combined cooling, heating and power microgrid based on deep deterministic policy gradient | |
CN114841441A (zh) | 一种综合能源系统运行成本和碳排放的协同优化方法 | |
Wang et al. | Self-organizing maps for scenario reduction in long-term hydropower scheduling | |
CN115133607A (zh) | 用户侧退役电池储能容量配置方法、系统、设备和介质 | |
CN114298383A (zh) | 一种虚拟电厂储能容量配置方法及装置 | |
Gong et al. | Economic dispatching strategy of double lead-acid battery packs considering various factors | |
Zhang et al. | Matrix modelling and optimisation calculation method for large‐scale integrated We‐Energy | |
Cheng et al. | A particle swarm optimization based energy management strategy for hybrid generation system |
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 |