CN110717633A - 电力与天然气能源互补优化方法、装置及可读存储介质 - Google Patents
电力与天然气能源互补优化方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN110717633A CN110717633A CN201911000483.4A CN201911000483A CN110717633A CN 110717633 A CN110717633 A CN 110717633A CN 201911000483 A CN201911000483 A CN 201911000483A CN 110717633 A CN110717633 A CN 110717633A
- Authority
- CN
- China
- Prior art keywords
- power
- natural gas
- network
- transfer
- optimization
- 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.)
- Pending
Links
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 256
- 239000003345 natural gas Substances 0.000 title claims abstract description 175
- 238000005457 optimization Methods 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000000295 complement effect Effects 0.000 title claims abstract description 13
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000012546 transfer Methods 0.000 claims abstract description 98
- 238000009826 distribution Methods 0.000 claims abstract description 58
- 239000007789 gas Substances 0.000 claims description 45
- 238000004422 calculation algorithm Methods 0.000 claims description 40
- 230000002068 genetic effect Effects 0.000 claims description 39
- 230000009471 action Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 5
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000000926 separation method Methods 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
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力与天然气能源互补优化方法、装置及可读存储介质,所述方法包括如下步骤:基于电网和天然气管网建立电力‑天然气互联转供网络;根据天然气管网和电网的运行特性,建立电力‑天然气互联转供网络的转供优化模型;求解所述转供优化模型,并根据求解结果对所述电力‑天然气互联转供网络进行调度优化。本发明的方法通过建立电力‑天然气互联转供网络的转供优化模型及求解,根据求解结果实现多种能源的优化分配,提升不同能源网络的供能可靠性。
Description
技术领域
本发明涉及天然气管网与电网融合技术领域,特别是一种电力与天然气能源互补优化方法、装置及可读存储介质。
背景技术
在迎峰度夏(冬)期间,受极端气候影响,空调、电暖等大功率电器广泛使用,使城市电网总负荷持续增高。城市电网逼近最大承载能力的主要原因之一是上级电网输电断面超过稳定限额,此时必须采取限电、工业避峰等负荷控制措施,这暴露了上下级电网发展存在不平衡、不充分的问题。在上级电网建设相对滞后的情况下,天然气管网正不断建设完善,已经具备与城市配电网互联的现实条件。高峰负荷时期,调度中心可考虑以电网为多种能源综合利用的基础网络,与天然气管网调度相互协调。由此通过天然气能源站的就近能源转供,实现城市电网与天然气管网互济运行,缓解上下级电网发展不协调引起的电力供需矛盾。
天然气管网与电网互联为高峰负荷时段电网负荷转供提供了解决途径,通过电力与天然气的相互转换,可保证负荷高峰时段的用户电能持续供应。但是现有研究还局限于通过电网内电气元件的开关操作,实现电源对电力负荷的供电转移,因此从能源互联网的角度,研究负荷高位运行期间的转供优化问题,对能源互联网运行安全和运营效益具有重要意义。
发明内容
有鉴于现有技术的上述缺陷,本发明的目的就是提供一种电力与天然气能源互补优化方法、装置及可读存储介质,通过建立电力-天然气互联转供网络的转供优化模型及求解,实现多种能源的优化分配,提升不同能源网络的供能可靠性。
本发明的目的之一是通过这样的技术方案实现的,一种电力与天然气能源互补优化方法,所述方法包括如下步骤:
基于电网和天然气管网建立电力-天然气互联转供网络;
根据天然气管网和电网的运行特性,建立电力-天然气互联转供网络的转供优化模型;
求解所述转供优化模型,并根据求解结果对所述电力-天然气互联转供网络进行调度优化。
可选的,所述根据天然气管网和电网的运行特性,建立电力-天然气互联转供网络的转供优化模型,包括:
利用天然气发电机组和电转气P2G机组进行气转电和电转气的双向转供优化调度,建立基于高压配电网和天然气管网互联的转供优化模型。
可选的,建立基于高压配电网和天然气管网互联的转供优化模型,包括:
基于天然气管网压缩机损耗、分气点供气量、电网开关动作次数、天然气发电机组和P2G机组的运行成本分别建立转供优化模型的目标函数。
可选的,基于电网开关动作次数的转供优化模型的目标函数,满足:
其中,F3表示基于电网开关动作次数的转供优化模型的目标函数,Su为优化后110kV线路开关的状态,0表示开关是拉开状态,1表示开关是运行状态;Su 0为优化前110kV线路开关的状态;Ns表示总的110kV线路开关个数;PG,m为第m个220kV站主变下网有功功率,Pmax,Gm为第m个220kV站主变允许传输的最大有功功率;NT为220kV站主变个数。
可选的,建立基于高压配电网和天然气管网互联的转供优化模型,还包括:根据天然气管网运行状态、电网有功功率平衡和电网辐射型结构建立所述目标函数的约束条件;
所述天然气管网运行状态包括:天然气进气点、分气点、压缩机、阀门和管网的运行状态。
可选的,所述求解所述转供优化模型,并根据求解结果对所述电力-天然气互联转供网络进行调度优化,包括:
将所述转供优化模型分解为高压配电网转供子模型和天然气管网优化运行子模型;
采用双层遗传算法对所述高压配电网转供子模型和所述天然气管网优化运行子模型进行求解;
根据求解结果对所述电力-天然气互联转供网络进行调度优化。
可选的,以线路开关状态、天然气发电机组的功率和P2G机组的功率为优化变量进行分解获得所述高压配电网转供子模型;
以进气点供气量、分气点用气量、进气点和分气点压力、压缩机进口状态下的体积流量、各个阀门的入口压力和出口压力以及压缩机转速为优化变量进行分解获得所述天然气管网优化运行子模型。
可选的,采用双层遗传算法对所述高压配电网转供子模型和所述天然气管网优化运行子模型进行求解,包括:
采用外层遗传算法求解高压配电网转供优化子模型;
在所述外层遗传算法的评价函数的计算过程嵌入内层遗传算法,通过所述内层遗传算法求解天然气管网转供优化子模型;
其中,所述外层遗传算法采用二进制型与连续型的混合遗传算法进行求解,所述内层遗传算法采用连续型遗传算法进行求解。
本发明的目的之二是通过这样的技术方案实现的,一种电力与天然气能源互补优化装置,所述装置包括:
网络构建模块,用于基于电网和天然气管网建立电力-天然气互联转供网络;
模型建立模块,用于根据天然气管网和电网的运行特性,建立电力-天然气互联转供网络的转供优化模型;
模型求解模块,用于求解所述转供优化模型;
调度模块,用于根据求解结果对所述电力-天然气互联转供网络进行调度优化。
本发明的目的之三是通过这样的技术方案实现的,一种计算机可读存储介质,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现前述的方法的步骤。
由于采用了上述技术方案,本发明具有如下的优点:本发明的方法通过建立电力-天然气互联转供网络的转供优化模型及求解,根据求解结果实现多种能源的优化分配,提升不同能源网络的供能可靠性。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。
附图说明
本发明的附图说明如下:
图1为本发明第一实施例流程图;
图2为本发明第一实施例两种方式下的负荷转供过程;其中,(a)为电网转供过程示意图,(b)为电力-天然气互联转供过程示意图;
图3为本发明第一实施例转供优化模型求解过程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实施例一
本发明第一实施例提出一种电力与天然气能源互补优化方法,如图1所示,所述方法包括如下步骤:
基于电网和天然气管网建立电力-天然气互联转供网络;
根据天然气管网和电网的运行特性,建立电力-天然气互联转供网络的转供优化模型;
求解所述转供优化模型,并根据求解结果对所述电力-天然气互联转供网络进行调度优化。
本发明方法首先提出能源转供概念,建立电力-天然气互联转供网络。
图2显示了电网转供、电力-天然气互联系统能源转供的过程。在附图2(a)中,当用户端的负荷过高引起部分输变电设备过载,此时电力调度控制中心需在不影响用户供电的前提下,通过电网内的线路开关操作,改变电网运行方式,以确保输变电设备不出现过载。而在附图2(b)中当电网负荷过高时,除了采用电网运行调整予以解决;还能通过有效的天然气管网调度,使得天然气发电机组就近供应负荷,以缓解电网设备的过载情况。若天然气负荷需求过大,天然气管网输送容量出现不足,也可与电力调度控制中心协调,通过电转气P2G机组将电能转换成天然气,再由天然气管网输送至用户端,确保用户用气安全。
可见,与单一的天然气网络或者电网相比,通过电力-天然气互联系统能够实现电力和天然气的互相转供,形成能源互补网络,以解决天然气或者电能短时供应不足的问题。本申请方法的能源转供就是在能源互联网的基础上,通过一次、二次能源网络的优化调度,将多种一次能源转化为二次能源,再经二次能源网络的优化分配以供给负荷;在保障一次能源供应安全的紧急情况下,也可将二次能源转化为用户需求的一次能源,经过一次能源网络供给用户使用。
本发明的方法通过建立电力-天然气互联转供网络的转供优化模型及求解,根据求解结果实现多种能源的优化分配,提升不同能源网络的供能可靠性。
可选的,在本发明一个可选的实施例中,所述根据天然气管网和电网的运行特性,建立电力-天然气互联转供网络的转供优化模型,包括:
根据天然气管网和电网的运行特性,利用天然气发电机组和电转气P2G机组进行气转电和电转气的双向转供优化调度,建立基于高压配电网与天然气管网互联的转供优化模型。
可选的,建立基于高压配电网与天然气管网互联的转供优化模型,包括:
基于天然气管网压缩机损耗、分气点供气量、电网开关动作次数、天然气发电机组和P2G机组运行的成本分别建立转供优化模型的目标函数。
可选的,基于电网开关动作次数的转供优化模型的目标函数,满足:
其中,F3表示基于电网开关动作次数的转供优化模型的目标函数,Su为优化后110kV线路开关的状态,0表示开关是拉开状态,1表示开关是运行状态;Su 0为优化前110kV线路开关的状态;Ns表示总的110kV线路开关个数;PG,m为第m个220kV站主变下网有功功率,Pmax,Gm为第m个220kV站主变允许传输的最大有功功率;NT为220kV站主变个数。
可选的,建立基于高压配电网与天然气管网互联的转供优化模型,还包括:根据天然气管网运行状态、电网有功功率平衡和电网辐射型结构建立所述目标函数的约束条件;
所述天然气管网运行状态包括:天然气进气点、分气点、压缩机、阀门和管网的运行状态。
具体的说,上述方案可以概括为基于电力-天然气互联转供网络建立对应的转供优化模型。在本实施例中,转供优化模型包括两方面,其一是转供优化模型的目标函数,其二是目标函数的约束条件。
首先,对于目标函数,在本实施例中,所建模型的目标函数综合考虑天然气管网压缩机损耗最小、部分分气点供气量最大,以及电网开关动作次数最少、天然气发电机组和P2G机组运行成本均最低5个因素,由此构建了5个目标函数,例如所构建的电网开关动作次数最少的目标函数为:
式中,Su为优化后110kV线路开关的状态,0表示开关是拉开状态,1表示开关是运行状态;Su 0为优化前110kV线路开关的状态;Ns表示总的110kV线路开关个数;PG,m为第m个220kV站主变下网有功功率,Pmax,Gm为第m个220kV站主变允许传输的最大有功功率;NT为220kV站主变个数。
最终,电力与天然气互联系统的能源转供运营成本包括两部分:1)在天然气运行成本上,应减少各个压缩机站的能耗,同时为保障用气安全,需使部分重要分气点的用气量最大;2)在电网转供成本上,高压配电网开关操作次数、天然气发电机组或者P2G机组制备天然气的成本应最小,由此本实施例中所建立的总的目标函数为:
式中,F1-5分别表示压缩机站总能耗、分气点用气量的相反数、开关总动作次数、天然气发电机组的发电成本和P2G机组的成本的目标函数。NΓ是天然气管网中压缩机个数;Qcm,i为压缩机i进口状态下的体积流量;ρ为同一温度和压力下天然气的相对密度;Hi表示压缩机i的扬程;ni表示压缩机i的转速;ηi表示压缩机i的效率。NΩ表示天然气管网中给定重要用户的节点数;Qout,i表示第i个分气点的用气量。Hg,k表示电网节点k处接入了天然气发电机组所消耗的热量成本,NgH表示天然气发电机组台数。Wg,j表示节点i处接入P2G机组制备天然气的运行成本,NgW表示P2G机组台数。
其次,对于约束条件,在本实施例中,所建模型的约束条件综合考虑天然气管网运行状态、电网有功功率平衡和电网辐射型结构等9个约束条件。
其中,天然气管网运行状态包括:天然气进气点、分气点、压缩机、阀门和管网的运行状态,进一步阀门的运行状态包括阀门的压降方程。
电力与天然气互联系统的转供优化不仅要满足天然气管网的稳态约束,还要满足电网转供的有功功率平衡约束和110kV电网辐射型约束,在本实施例中,约束条件方程为:
式中,Ls为负荷系数,S为开关状态,Sk即节点k的开关状态,Pgas和PP2G分别表示天然气发电机组和P2G机组功率,PG,max表示电网最大功率,Pgas,k和PP2G,k分别表示节点k的天然气发电机组和P2G机组功率,Pgas,max和PP2G,max分别表示天然气发电机组和P2G机组的最大功率。Qgasout,min和Qgasout,max为天然气发电机组的最小和最大耗气量,Qgasout,i为节点i耗气量;Qgasin,min和Qgasin,max表示P2G机组的最小和最大产气量,Qgasin,i为节点i产气量;Qin,i、Qin,min和Qin,max、分别表示节点i供气量及其最小最大值,Qout,i、Qout,min和Qout,max、分别表示节点i用气量及其最小最大值;Pin,i、Pin,min、Pin,max分别表示节点i进气点的压力及其最小和最大值;Pout,i、Pout,min和Pout,max分别表示其分气点的压力及其最小和最大值;ni、nmin、nmax表示第i个压缩机的转速及其最小和最大值;Qcin,i、Qcin,min和Qcin,max表示第i个压缩机入口的体积流量及其最小和最大值;H为压缩机i的扬程,R为天然气气体常数,T为管道的平均温度,Pcin,i、Pcin,j分别为压缩机入口节点i和出口节点j的压力;Mv,ij表示阀门入口节点i与出口节点j之间气体质量流量,S0为与阀门开度和结构有关的系数,Pvin,i和Pvout,j为阀门入口节点i的压力和阀门出口节点j压力;D为管道内径,L为管道长度,λ为水力摩阻系数,系数C0=0.03848,Z为天然气压缩系数,Pp,i和Pp,j分别为管道起点节点i和管道终点节点j的压力,Mp,ij为管道节点i、j之间的标准体积流量质量绝对值;当流量从节点i流向节点j时αij=-1,若相反则αij=1,若节点i与节点j无连接则αij=0,Ms,ij表示节点i、j之间阀门的气体流量绝对值、管道的标准体积流量绝对值或者压缩机节点间的质量流量绝对值,ΔMcin,i表示节点i接入压缩机时需要消耗的天然气质量;GHV为天然气的高热值,PP2G,k表示电网内节点k消耗的电功率,ηP2G表示P2G机组的转换效率。
可选的,所述求解所述转供优化模型,并根据求解结果对所述电力-天然气互联转供网络进行调度优化,包括:
将所述转供优化模型分解为高压配电网转供子模型和天然气管网优化运行子模型;
采用双层遗传算法对所述高压配电网转供子模型和所述天然气管网优化运行子模型进行求解;
根据求解结果对所述电力-天然气互联转供网络进行调度优化。
可选的,所述高压配电网转供子模型以线路开关状态、天然气发电机组的功率和P2G机组的功率为优化变量;
所述天然气管网优化运行子模型以进气点供气量、分气点用气量、进气点和分气点压力、压缩机进口状态下的体积流量、各个阀门的入口压力和出口压力以及压缩机转速为优化变量。
具体的说,在前述实施例的基础上,本实施例中进一步根据目标函数和约束条件进行求解,前述实施例中,所建立的转供优化模型是一个非线性的混合整数规划模型,在本实施例中采用双层遗传算法进行求解。前述实施例中的模型包含5个目标函数,在本实施例中采取归一化的方式求和进行计算,在求解顺序上,将其分解为高压配电网转供子模型和天然气管网转供子模型,具体步骤如下:
1)高压配电网转供子模型以各个110kV线路开关0-1和天然气发电机组Pgas和P2G机组的PP2G为优化变量,高压配电网转供子模型满足:
min F=F1+F2+F3+F4+F5
2)天然气管网转供子模型,以进气点供气量Qin、分气点用气量Qout、进气点和分气点压力Pin和Pout,压缩机进口状态下的体积流量Qcin,各个阀门的入口压力和出口压力Pvin和Pvout和压缩机转速n为优化变量,天然气管网转供子模型满足:
min F=F1+F2
可选的,在本实施例中,采用双层遗传算法对所述高压配电网转供子模型和所述天然气管网优化运行子模型进行求解,包括:
采用外层遗传算法求解高压配电网转供优化子模型;
在所述外层遗传算法的评价函数的计算过程内嵌内层遗传算法,通过所述内层遗传算法求解天然气管网转供优化子模型;
其中,所述外层遗传算法采用二进制型与连续型的混合遗传算法进行求解,所述内层遗传算法采用连续型遗传算法进行求解。
3)模型求解
具体的本实施例中,采用外层遗传算法求解高压配电网转供优化子模型,其评价函数的计算过程内嵌内层遗传算法,求解天然气管网转供优化子模型,求出最优结果。其中,外层采用二进制型与连续型的混合遗传算法,内层直接用连续型遗传算法进行求解。
具体的说,如图3所示,在双层遗传算法求解中,外层算法求解高压配电网转供优化子模型,其评价函数为1/(F1+F2+F3+F4+F5)。其中,F1+F2由内层遗传算法求解天然气管网转供优化子模型得到,内层算法的评价函数为1/(F1+F2)。由此得到,电网转供和天然气管网运行总成本最小的转供运行方案。由于高压配电网转供优化子模型为混合整数规划,采用二进制型与连续型的混合遗传算法;而天然气管网转供优化子模型为连续非线性规划,直接用连续型遗传算法进行求解。
本发明方法的能源转供就是在能源互联网的基础上,通过一次、二次能源网络的优化调度,将多种一次能源转化为二次能源,再经二次能源网络的优化分配以供给负荷;在保障一次能源供应安全的紧急情况下,也可将二次能源转化为用户需求的一次能源,经过一次能源网络供给用户使用。本发明就是通过建立高压配电网与天然气管网互联的转供优化模型,来实现电能与天然气的互联转供。
与现有技术相比,本发明提出的一种电力与天然气能源互补转供的优化方法,在电网转供基础上,将能源互联网的一、二次能源网络融合,实现多种能源的优化分配,能够提升不同能源网络的供能可靠性;建立的优化模型从电网和天然气管网的两种网络通道进行负荷转供,可避免上级电网超越稳定限额时不得不采取紧急控制的问题以及就近实现用户端的供气需求,保证能源网络运行安全;对城市电网改造困难的负荷中心,开展电力和天然气系统的联合运营,为城市建设饱和的地区提供了一种新的能源解决思路。
实施例二
本发明第二实施例提出一种电力与天然气能源互补优化装置,所述装置包括:
网络构建模块,用于基于电网和天然气管网建立电力-天然气互联转供网络;
模型建立模块,用于根据天然气管网和电网的运行特性,建立电力-天然气互联转供网络的转供优化模型;
模型求解模块,用于求解所述转供优化模型;
调度模块,用于根据求解结果对所述电力-天然气互联转供网络进行调度优化。
实施例三
本发明第三实施例提出一种计算机可读存储介质,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现第一实施例的方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的保护范围之内。
Claims (10)
1.一种电力与天然气能源互补优化方法,其特征在于,所述方法包括如下步骤:
基于电网和天然气管网建立电力-天然气互联转供网络;
根据天然气管网和电网的运行特性,建立所述电力-天然气互联转供网络的转供优化模型;
求解所述转供优化模型,并根据求解结果对所述电力-天然气互联转供网络进行调度优化。
2.如权利要求1所述的方法,其特征在于,所述根据天然气管网和电网的运行特性,建立电力-天然气互联转供网络的转供优化模型,包括:
利用天然气发电机组和电转气P2G机组进行气转电和电转气的双向转供优化调度,建立基于高压配电网和天然气管网互联的转供优化模型。
3.如权利要求2所述的方法,其特征在于,建立基于高压配电网和天然气管网互联的转供优化模型,包括:
基于天然气管网压缩机损耗、分气点供气量、电网开关动作次数、天然气发电机组和P2G机组的运行成本分别建立转供优化模型的目标函数。
5.如权利要求3所述的方法,其特征在于,建立基于高压配电网和天然气管网互联的转供优化模型,还包括:根据天然气管网运行状态、电网有功功率平衡和电网辐射型结构建立所述目标函数的约束条件;
所述天然气管网运行状态包括:天然气进气点、分气点、压缩机、阀门和管网的运行状态。
6.如权利要求5所述的方法,其特征在于,所述求解所述转供优化模型,并根据求解结果对所述电力-天然气互联转供网络进行调度优化,包括:
将所述转供优化模型分解为高压配电网转供子模型和天然气管网优化运行子模型;
采用双层遗传算法对所述高压配电网转供子模型和所述天然气管网优化运行子模型进行求解;
根据求解结果对所述电力-天然气互联转供网络进行调度优化。
7.如权利要求6所述的方法,其特征在于,
以线路开关状态、天然气发电机组的功率和P2G机组的功率为优化变量进行分解获得所述高压配电网转供子模型;
以进气点供气量、分气点用气量、进气点和分气点压力、压缩机进口状态下的体积流量、各个阀门的入口压力和出口压力以及压缩机转速为优化变量进行分解获得所述天然气管网优化运行子模型。
8.如权利要求6所述的方法,其特征在于,采用双层遗传算法对所述高压配电网转供子模型和所述天然气管网优化运行子模型进行求解,包括:
采用外层遗传算法求解高压配电网转供优化子模型;
在所述外层遗传算法的评价函数的计算过程嵌入内层遗传算法,通过所述内层遗传算法求解天然气管网转供优化子模型;
其中,所述外层遗传算法采用二进制型与连续型的混合遗传算法进行求解,所述内层遗传算法采用连续型遗传算法进行求解。
9.一种电力与天然气能源互补优化装置,其特征在于,所述装置包括:
网络构建模块,用于基于电网和天然气管网建立电力-天然气互联转供网络;
模型建立模块,用于根据天然气管网和电网的运行特性,建立电力-天然气互联转供网络的转供优化模型;
模型求解模块,用于求解所述转供优化模型;
调度模块,用于根据求解结果对所述电力-天然气互联转供网络进行调度优化。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现如权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911000483.4A CN110717633A (zh) | 2019-10-21 | 2019-10-21 | 电力与天然气能源互补优化方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911000483.4A CN110717633A (zh) | 2019-10-21 | 2019-10-21 | 电力与天然气能源互补优化方法、装置及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110717633A true CN110717633A (zh) | 2020-01-21 |
Family
ID=69212953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911000483.4A Pending CN110717633A (zh) | 2019-10-21 | 2019-10-21 | 电力与天然气能源互补优化方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110717633A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598351A (zh) * | 2020-05-25 | 2020-08-28 | 国网重庆市电力公司电力科学研究院 | 一种微能网群能源转供优化方法、装置及可读存储介质 |
CN112217214A (zh) * | 2020-08-17 | 2021-01-12 | 重庆大学 | 一种多级高压配电网协调转供优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106208157A (zh) * | 2016-07-19 | 2016-12-07 | 河海大学 | 基于电转气的电‑气互联综合能源系统削峰填谷方法 |
CN106777708A (zh) * | 2016-12-21 | 2017-05-31 | 天津大学 | 一种电力‑天然气区域综合能源系统的稳态分析方法 |
WO2018059096A1 (zh) * | 2016-09-30 | 2018-04-05 | 国电南瑞科技股份有限公司 | 一种多类电源发电计划组合决策方法及存储介质 |
CN109449945A (zh) * | 2018-11-22 | 2019-03-08 | 国网四川省电力公司天府新区供电公司 | 基于DG调节的10kV合环电流约束的配电网转供优化方法 |
CN109685291A (zh) * | 2019-02-15 | 2019-04-26 | 河海大学 | 基于多能互补的区域综合能源系统日前优化分析方法 |
-
2019
- 2019-10-21 CN CN201911000483.4A patent/CN110717633A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106208157A (zh) * | 2016-07-19 | 2016-12-07 | 河海大学 | 基于电转气的电‑气互联综合能源系统削峰填谷方法 |
WO2018059096A1 (zh) * | 2016-09-30 | 2018-04-05 | 国电南瑞科技股份有限公司 | 一种多类电源发电计划组合决策方法及存储介质 |
CN106777708A (zh) * | 2016-12-21 | 2017-05-31 | 天津大学 | 一种电力‑天然气区域综合能源系统的稳态分析方法 |
CN109449945A (zh) * | 2018-11-22 | 2019-03-08 | 国网四川省电力公司天府新区供电公司 | 基于DG调节的10kV合环电流约束的配电网转供优化方法 |
CN109685291A (zh) * | 2019-02-15 | 2019-04-26 | 河海大学 | 基于多能互补的区域综合能源系统日前优化分析方法 |
Non-Patent Citations (3)
Title |
---|
周念成 等: "高压配电网与天然气管网互联的转供优化模型", 《中国电机工程学报》 * |
朱会霞 著: "《二进制遗传算法的改进研究》", 31 March 2018, 沈阳:东北大学出版社 * |
魏震波 等: "计及需求侧管理的多电-气互联综合能源系统", 《电力自动化设备》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598351A (zh) * | 2020-05-25 | 2020-08-28 | 国网重庆市电力公司电力科学研究院 | 一种微能网群能源转供优化方法、装置及可读存储介质 |
CN112217214A (zh) * | 2020-08-17 | 2021-01-12 | 重庆大学 | 一种多级高压配电网协调转供优化方法 |
CN112217214B (zh) * | 2020-08-17 | 2022-07-26 | 重庆大学 | 一种多级高压配电网协调转供优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919478B (zh) | 一种考虑综合供能可靠性的综合能源微网规划方法 | |
CN111950809B (zh) | 基于主从博弈的综合能源系统分层分区优化运行方法 | |
CN107800155B (zh) | 考虑智能软开关的有源配电网多时段孤岛运行方法 | |
CN104734168B (zh) | 一种基于电热联合调度的微电网运行优化系统及方法 | |
CN111404183B (zh) | 区域综合能源系统多元储能协同配置方法、程序、系统与应用 | |
CN110866627A (zh) | 一种考虑阶梯气价的多区域电-气耦合综合能源系统优化调度方法 | |
Babaiahgari et al. | Coordinated control and dynamic optimization in DC microgrid systems | |
CN107069791A (zh) | 一种考虑工业园区与工厂互动的综合需求响应方法 | |
CN106300325A (zh) | 一种用于数据中心的直流供电系统 | |
CN111030110A (zh) | 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 | |
CN112018790B (zh) | 基于分层分布式储能参与需求响应调节控制方法 | |
CN111293682A (zh) | 一种基于协同模型预测控制的多微网能量管理方法 | |
CN110717633A (zh) | 电力与天然气能源互补优化方法、装置及可读存储介质 | |
Mbodji et al. | Decentralized control of the hybrid electrical system consumption: A multi-agent approach | |
CN104978609B (zh) | 一种微电网的能量优化管理方法 | |
CN102386623A (zh) | 一种减小风电场网损的方法 | |
CN113659572A (zh) | 考虑网络重构和需求响应的气电综合能源配网鲁棒优化方法 | |
CN110867902A (zh) | 基于发电预测的微电网分布式电源去中心优化运行方法 | |
CN114254551A (zh) | 分布式储能多目标优化配置方法及系统 | |
Ghiasi et al. | Demand and supply side management strategies for zero energy buildings | |
CN107612028A (zh) | 一种城市能源互联网下多端互动的能源互联控制系统 | |
CN109638896B (zh) | 一种面向能源互联网的能源联合供能管控方法及系统 | |
Long et al. | Demand smoothing in multi-energy systems using model predictive control | |
Zhang et al. | New urban power grid flexible load dispatching architecture and key technologies | |
CN112564151A (zh) | 一种计及隐私意识的多微网云储能优化调度方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200121 |