CN111047097B - 一种综合能源系统日中滚动优化方法 - Google Patents

Abstract

本发明公开了一种综合能源系统日中滚动优化方法，该方法包括步骤：考虑用户会在当天调整用能需求，将优化时域缩短为[t,t+H)，由于室内温度、热水温度、储能电量、电动汽车电量具有时间上的累加效应，因此在优化前需获取系统当前状态集合，计算目标函数；计算出在时域[t,t+H)的用户端分布式能源、冷热电负荷设备的出力大小以及设备运行状态优化控制目标值，只取t时段的优化控制目标值C_t作为t时段的设备控制设定值，在下一个t+1时段，C_t+1将在时域[t+1,t+1+H)重新计算，重复以上过程，整个优化区间随时间向前滚动；本发明电价日中滚动优化方法，能够根据用户偏好对用户端能量流进行优化，达到经济、节能、环保、用户舒适度较高的综合效益，计算更科学，效率更快。

Description

一种综合能源系统日中滚动优化方法

技术领域

本发明涉及一种综合能源系统日中滚动优化方法，属于综合能源系统技术领域。

背景技术

综合能源系统融合了电、热、冷、气等不同类型的能源，为实现多能源的优化互补运行提供可能。采用互联网技术，将以电力资源为主的多种能源互联，实现综合能源系统中的横向多能互补、纵向需求响应联合优化，使能量生产与消耗双向互动。从源端和荷端两方面实现能量协同优化，将柔性负荷进行最佳匹配，对于用户用能经济性和整个综合能源系统的稳定优化运行都具有重要的现实意义。

现有的日中电量计算方法不合理，结算效率低下。

发明内容

本发明要解决的技术问题是：提供一种综合能源系统日中滚动优化方法，以解决现有技术中存在的问题。

本发明采取的技术方案为：一种综合能源系统日中滚动优化方法，该方法包括以下步骤：

(1)考虑用户会在当天调整用能需求，将优化时域缩短为[t,t+H)，由于室内温度、热水温度、储能电量、电动汽车电量具有时间上的累加效应，因此在优化前需获取系统当前状态集合S_t-1＝{Temp_t-1,θ_t-1,SOC_ev,t-1,SOC_ESS,t-1}，根据如下公式计算目标函数：

式中

λ₁，λ₂，λ₃，λ₄——用户赋予经济性、环保性、节能性和舒适度目标函数的权系数；

φ_c——碳排放量经济系数，随CO₂排放交易市场的成交价格设定；

φ_e——一次能源经济系数，随一次能源价格设定；

φ_u——用户舒适度经济系数，随用户舒适度敏感系数设定；

(2)计算出在时域[t,t+H)的用户端分布式能源、冷热电负荷设备的出力大小以及设备运行状态优化控制目标值，记为集合

只取t时段的优化控制目标值C_t作为t时段的设备控制设定值，在下一个t+1时段，C_t+1将在时域 [t+1,t+1+H)重新计算，重复以上过程，整个优化区间随时间向前滚动，从而实现实时优化控制，随时适应用户用能需求的调整。

在尖峰负荷时段内，上级能量管理系统会向智能用户终端下发激励性需求响应事件，假定一个激励性需求响应事件表示为

其中，b是响应开始时段，L是持续时间，

是响应时段内的负荷功率上限，S是相应的折扣回报金额；

为计算方便，设置一个标志位y，表示是否响应该激励性需求响应事件：

为正确响应激励性需求响应事件，在时域[b,b+L)，考虑激励性需求响应事件的优化模型需要进行修正，由于激励性需求响应事件主要涉及电功率上限以及经济性补偿，因此模型中需要修正的部分包括经济性目标函数和功率约束，考虑激励性需求响应事件后，为使系统总运行成本最小，经济性目标函数及用能需求功率约束修正为：

在优化前需获取系统当前状态集合S_t＝{Temp_t,θ_t,SOC_ev,t,SOC_ESS,t}，t＝b-1，根据式(3)，计算出用户端分布式能源、冷热电负荷设备在时域[b,b+L)的出力大小以及设备运行状态优化控制目标值C_t，t∈[b,b+L)，取所有时域[b,b+L)的优化控制目标值作为时域内各时段的设备控制设定值，以确保满足整个时段内的负荷功率上限。

本发明的有益效果：与现有技术相比，本发明电价日中滚动优化方法，能够根据用户偏好对用户端能量流进行优化，达到经济、节能、环保、用户舒适度较高的综合效益，计算更科学，效率更快。

附图说明

图1为日前计划优化流程图；

图2为3个整型变量约束的MIQP的完全二叉树图；

图3为基于B&B算法和Zoutendijk可行方向法的MIQP求解流程图；

图4为MIQP分支定界求解日前计划优化过程与最优值曲线图；

图5为日中计划优化流程图。

具体实施方式

下面结合附图及具体的实施例对本发明进行进一步介绍。

日前计划优化基于上级电网日前下发的实时电价和用户日前预安排的用能计划，由用户设定日前用能计划后触发。

日前计划优化基于分布式能源发电和用户负荷预测等数据，希望在日前多种用能方案中为用户制定最佳的用能计划，以用户为核心，构建综合多能互补与需求响应的联合优化模型，融合经济性、环保性、节能性、舒适性四方面的因素，同时考虑用户偏好。

在前述讨论的多目标优化性能评估指标中，对于经济性指标，运行成本越小表明系统越经济；对于环保性指标，碳排放量越少表明用户环保效益越高；对于节能性指标，不可再生能源消耗量越少表明系统越节能；对于舒适度指标，用户总舒适度越高意味着用户整体舒适度体验越好。

日前计划优化详细的目标函数如下：

1)对于综合能源系统经济性指标，优化目标主要是在满足系统用能需求的前提下，使系统总运行成本最小，目标函数可表示为：

式中

T——时域长度。

2)考虑系统环保性，优化目标尽可能满足最小的碳排放量，目标函数可表示为：

3)考虑系统节能性，优化目标尽可能使不可再生能源消耗量最少，目标函数可表示为：

4)考虑用户舒适度要求，优化目标尽可能使用户整体舒适度最高，目标函数可表示如下：

日前计划优化的约束条件包括：能量流供需平衡约束条件、分布式能源出力约束、负荷需求约束。

能量流供需平衡约束条件包括电平衡、热平衡和冷平衡三部分。

1)电平衡

E_grid,t+E_GT,t+E_PV,t+E_WP,t+E_ESS,t＝E_eload,t  (8)

2)热平衡

3)冷平衡

分布式能源出力约束考虑光伏发电、风力发电和微型燃气轮机的出力限制。

式中

——光伏发电、风力发电在t时段的最大输出功率(W)；

——微型燃气轮机爬坡率上下限。

冷热负荷需求满足约束在夏季模式下考虑室内空气制冷冷负荷和生活热水热负荷需求，在冬季模式下考虑室内空气制热和生活热水热负荷需求。夏季模式下具体约束为：

Temp_min≤Temp_t≤Temp_max

θ_min≤θ_t≤θ_max

冬季模式下室内空气制热热负荷需求具体约束为：

Temp_min≤Temp_t≤Temp_max

针对冷热负荷需求的约束范围是温度变量，而系统优化变量是空调、电热水器或者三联供出力，因此需要根据优化变量解出温度变量，然后将约束表示为针对优化变量的线性约束。

令

λ_a＝c_aρ_aV_a，T_a＝[Temp₁Temp₂…Temp_T]^T，在系统优化初始时刻的室内温度Temp₀为已知量，室外温度曲线可根据天气预报数据获取，则式(12)可表示为：

式中：

令

则式(15)可写为：

S^caT_a＝P^caE^ca-b^ca  (16)

解出室内温度序列：

得到标准形式约束：

记

生活热水热负荷的温度约束以及电动汽车、储能电池的能量约束上下限与上述推导过程类似，上述矩阵变换过程可以推导得出其他用能需求的线性约束。

令

λ_w＝c_wρ_w，T_w＝[θ₁ θ₂ … θ_T]^T，在系统优化初始时刻的热水温度为θ₀。令

则式(13)可表示为：

S^hwT_w＝P^hwE^hw+b^hw  (19)

解出生活热水温度序列：

得到标准形式约束：

记

令

O_ev＝Q_ev[SOC_ev,1 SOC_ev,2 … SOC_ev,T]^T，在系统优化初始时刻的电动汽车SOC为SOC_ev,0。令

则电动汽车的SOC约束可表示为：

S^evO_ev＝P^evE^ev+b^ev  (22)

解出生活热水温度序列：

得到标准形式约束：

令

电动汽车的充放电功率约束可表示为：

记

令

记储能电池的不等式约束为A_ESSE^ESS≤b_ESS，储能电池的约束与电动汽车类似，A_ESS，b_ESS的推导过程可参考电动汽车约束推导过程。此外，记冷热电联供系统的不等式约束为 A_CCHPE^CCHP≤b_CCHP；A_e、A_h、A_c和b_e、b_h、b_c分别为电、热、冷能量平衡的等式约束，详细推导过程本发明在此不再赘述。

考虑经济性、环保性、节能性和用户舒适度的日前计划优化模型是一个多目标规划问题(Multi-objective programming，MOP)。多目标优化中的各个子目标往往是相互冲突的，即各个子目标不能同时达到最优解，只能进行折中处理，使各个子目标函数尽可能接近最优。

针对多目标优化问题，其求解算法分为传统优化算法和智能优化算法两类。具体来讲，传统优化算法通过将多目标函数转化为单目标函数进行求解，常用的有线性加权法、约束法和线性规划法等。而智能优化算法包括遗传算法和粒子群算法等。在众多求解算法中，线性加权法是最基本的解法，该方法对单个目标函数赋予一定权重，从而将各个目标函数线性组合成为一个目标函数：

式中

λ——权重向量，λ的各个分量λ_i称为权系数，为不失一般性，λ_i≥0，

x——优化变量向量，包括E^ca、E^hw、E^ev、E^ESS、E^CCHP；

f——目标函数向量，各个分量对应各目标函数值。

由于本发明的优化针对用户端能源的经济性、环保性、节能性和用户舒适度进行综合优化，而用户的个人偏好正好决定了各目标函数的权系数，因此本发明采用线性加权法将多目标优化问题转化为单目标优化问题求解。

实施例1：一种综合能源系统日中滚动优化方法，该方法包括以下步骤：

(1)获取电负荷、冷负荷、热负荷用能需求；

(2)获取实时电价、上网电价、天然气价；

(3)用户用能计划的确定、分布式电源出力和用户负荷预测；

(4)根据多目标优化指标计算用户一天的总运行成本、不可再生能源消耗量、碳排放减少量、用户舒适度指标；

(5)根据用户偏好确定各目标函数权重；

(6)将各个目标函数融合成单一目标函数，融合后的单一目标函数为：

min g＝λ₁f₁+λ₂φ_cf₂+λ₃φ_ef₃-λ₄φ_uf₄  (1)

式中

λ₁，λ₂，λ₃，λ₄——用户赋予经济性、环保性、节能性和舒适度目标函数的权系数；

φ_c——碳排放量经济系数，随CO₂排放交易市场的成交价格设定；

φ_e——一次能源经济系数，随一次能源价格设定；

φ_u——用户舒适度经济系数，随用户舒适度敏感系数设定；

(7)通过分支定界法进行求解，得出用户当天最佳用能计划，通过系统人机交互界面反馈给用户。

根据以上日前计划优化模型，用户端综合能源系统能量日前计划优化流程图如图1所示，实行日前计划优化需要完成电网数据的采集、用户用能计划的确定、分布式电源出力和用户负荷预测等数据，随后根据多目标优化指标计算用户一天的总运行成本、不可再生能源消耗量、碳排放减少量、用户舒适度指标，然后根据用户偏好确定各目标函数权重，将各个目标函数融合成单一目标函数，求解得出用户当天最佳用能计划，通过系统人机交互界面反馈给用户。

由于引入了电动汽车充放电标志σ_ev、储能电池充放电标志σ_ESS，充放电标志σ_ev、σ_ESS均为{0,1}型整数变量，使得整个优化问题混入了整数约束，成为混合整数规划问题(Mixed Integer Programming，MIP)。各子目标函数中，经济性、环保性、节能性目标函数都是线性的，只有舒适度目标函数为二次目标函数。因此日前计划优化问题为混合整数二次规划(Mixed Integer Quadratic Programming，MIQP)问题，可以通过分支定界法(Branch&Bound， B&B)进行求解。

MIP问题的决策变量中既包含了整型变量，也包含连续变量，一般来讲， MIP问题是NP-hard问题，算法时间复杂度为指数级。目前针对混合整数非线性规划问题的有效求解方法有分支定界法(Branch&Bound，B&B)、广义 Bender分解法(Generalized BendersDecomposition，GBD)、外逼近法(Outer Approximation，OA)、遗传算法(GenericAlgorithm，GA)、粒子群算法以及模拟退火算法等。但MIQP作为特殊的混合整数非线性规划问题，具有如下特点：二次规划问题相对容易求解，当加权矩阵为正定矩阵时，优化问题有唯一最优解，因此，在问题规模小于一定范围内，可以基于分支定界法有效求解MIQP问题。

本发明的MIQP问题可以写作如下形式：

其中：

通过前文建模过程可以发现，本发明中MIQP问题具有两大特点：加权矩阵Q为半正定矩阵；整型变量的取值为0或者1(整型变量上下限约束为1 和0)。因此本发明讨论的B&B算法针对此类特殊问题的求解更高效。

分支定界法求解单一目标函数：将整型变量约束松弛为实数连续变量，转化为二次规划QP子问题进行求解，然后得到其中符合整数约束的原单一目标函数的最优解。

QP子问题采取可行方向法(如Zoutendijk可行方向法、Frank-Wolfe方法等)求解，QP子问题的一般形式如下：

Ax≤b  (2)

s.t.A_eqx＝b_eq

lb≤x≤ub

采用Zoutendijk可行方向法求解QP子问题的步骤如下：

(1)取初始可行点x⁽¹⁾，令k＝1；

(2)进行第k次迭代，在x^(k)处将不等式约束分解为起作用约束和不起作用约束：

和

使得A₁x^(k)＝b₁，A₂x^(k)≤b₂，计算

(3)求解下列线性规划问题，得到最优解d^(k)；

min (Qx^(k))^Td

A₁d≥0  (3)

s.t.A_eqd＝0

-1≤d_j≤1,j＝1,…n

(4)如果(Qx^(k))^Td^(k)＝0，则x^(k)为最优解，停止计算；否则，转至(5)；

(5)求步长λ_k。令

则最大步长为：

求解：

得到最优解λ_k，令x^(k+1)＝x^(k)+λ_kd^(k)；

(6)令k＝k+1，转至(2)。

基于B&B求解本发明中MIQP问题的原理可以采用完全二叉树表示。设一组向量ξ∈{0,1,#}^Ω，该向量维数为MIQP问题中整型变量的个数，向量中元素值与各个整型变量的取值一一对应，其中“#”表示[0,1]区间内的任意实数。一个向量ξ对应了一个QP问题，ξ中元素的取值对应了QP问题中整型变量的取值，同时ξ向量也对应二叉树中的一个节点，二叉树的根节点对应ξ₀＝[#,…#]，表示对MIQP问题中的所有整型变量都松弛为[0,1]。通过将ξ向量中的某一元素设定值为0或1，可以在ξ向量基础上生成新的QP问题，例如ξ₀向量可以生成ξ₁＝[0,#,…#]和ξ₂＝[1,#,…#]向量，ξ₁和ξ₂在二叉树中对应了ξ₀向量节点的子节点，以ξ₁向量为例，其对用的QP问题为：

Ax≤b

s.t. A_eqx＝b_eq  (4)

lb≤x≤ub

x₁＝0

上述QP问题可以转化为式(4)表示的一般QP问题采用Zoutendijk可行方向法进行求解。具有3个整型变量约束的MIQP的完全二叉树如图2-3 所示，图中每个节点对应一个ξ向量，也对应一个QP问题。

根据以上二叉树分析，求解含n个整型变量的MIQP问题最多需要求解 2ⁿ⁺¹-1个QP子问题，算法复杂度为指数级，但在问题规模较小时，仍可以在短时间内求得最优解。

基于B&B算法和Zoutendijk可行方向法求解MIQP问题具体流程如图3 所示。从图中可以看出，当某一个QP问题的最优解大于当前最优解时，其对应的子QP问题将无需求解，这也大大缩减了MIQP问题的求解时间。采用图 3所示的B&B和Zoutendijk可行方向法MIQP求解流程求解日前计划优化问题，随着求解子QP问题次数的增加，当前最优值不断更新，最优值随求解次数更新的曲线如图4所示，最终求出问题的最优解。

日中滚动优化主要考虑综合能源系统运行中随机下发的激励性需求响应事件，其次还需要考虑用户随机改变用能需求的情况，日中滚动优化将适应以上两者随机事件对用户端用能情况进行动态优化。

对于单个用户而言，优化目标是在满足用户用能需求的前提下达到经济性、环保性、节能性和舒适度的综合最优用能策略，在没有需求响应事件的前提下，首先考虑柔性负荷的调节，由系统自动完成优化过程。此部分优化策略与日前计划优化相似，只是考虑用户会在当天调整用能需求，因此将优化时域缩短为[t,t+H)，由于室内温度、热水温度、储能电量、电动汽车电量具有时间上的累加效应，因此在优化前需获取系统当前状态集合

根据如下公式计算目标函数：

根据式(5)，可以计算出在时域[t,t+H)的用户端分布式能源、冷热电负荷设备的出力大小以及设备运行状态优化控制目标值，记为集合

但只取t时段的优化控制目标值C_t作为t时段的设备控制设定值。在下一个t+1时段，C_t+1将在时域 [t+1,t+1+H)重新计算，重复以上过程，整个优化区间随时间向前滚动，从而实现实时优化控制，随时适应用户用能需求的调整。

在一些尖峰负荷时段内，上级能量管理系统可能会向智能用户终端下发激励性需求响应事件。假定一个激励性需求响应事件可以表示为

其中，b是响应开始时段，L是持续时间，

是响应时段内的负荷功率上限，S 是相应的折扣回报金额。

为计算方便，设置一个标志位y，表示是否响应该激励性需求响应事件：

为正确响应激励性需求响应事件，在时域[b,b+L)，考虑激励性需求响应事件的优化模型需要进行修正，由于激励性需求响应事件主要涉及电功率上限以及经济性补偿，因此模型中需要修正的部分包括经济性目标函数和功率约束。考虑激励性需求响应事件后，为使系统总运行成本最小，经济性目标函数及用能需求功率约束修正为：

在优化前需获取系统当前状态集合S_t＝{Temp_t,θ_t,SOC_ev,t,SOC_ESS,t}，t＝b-1。根据式(7)，可以计算出用户端分布式能源、冷热电负荷设备在时域[b,b+L)的出力大小以及设备运行状态优化控制目标值C_t，t∈[b,b+L)，取所有时域 [b,b+L)的优化控制目标值作为时域内各时段的设备控制设定值，以确保满足整个时段内的负荷功率上限。

有时仅根据自动调节柔性负荷(称为自动响应)后无法满足负荷功率上限，这时需要考虑调节非柔性负荷，但考虑到非柔性负荷对用户日常生活的必要性，在这个过程中，应该由用户决定是否参与(称为交互响应)。在智能用户终端中包含了自动响应和交互响应，共同实现对用户侧能源设备的优化控制，整体响应流程如图5所示。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内，因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (2)

1.一种综合能源系统日中滚动优化方法，其特征在于：该方法包括以下步骤：

(1)考虑用户会在当天调整用能需求，将优化时域缩短为[t,t+H)，在优化前需获取系统当前状态集合S_t-1＝{Temp_t-1,θ_t-1,SOC_ev,t-1,SOC_ESS,t-1}，根据如下公式计算目标函数：

式中

λ₁，λ₂，λ₃，λ₄——用户赋予经济性、环保性、节能性和舒适度目标函数的权系数；

φ_c——碳排放量经济系数，随CO₂排放交易市场的成交价格设定；

φ_e——一次能源经济系数，随一次能源价格设定；

φ_u——用户舒适度经济系数，随用户舒适度敏感系数设定；

1)对于综合能源系统经济性指标，优化目标主要是在满足系统用能需求的前提下，使系统总运行成本最小，目标函数表示为：

式中

T——时域长度；

2)考虑系统环保性，优化目标尽可能满足最小的碳排放量，目标函数表示为：

3)考虑系统节能性，优化目标尽可能使不可再生能源消耗量最少，目标函数表示为：

4)考虑用户舒适度要求，优化目标尽可能使用户整体舒适度最高，目标函数表示如下：

日前计划优化的约束条件包括：能量流供需平衡约束条件、分布式能源出力约束、负荷需求约束；

(2)计算出在时域[t,t+H)的用户端分布式能源、冷热电负荷设备的出力大小以及设备运行状态优化控制目标值，记为集合

只取t时段的优化控制目标值C_t作为t时段的设备控制设定值，在下一个t+1时段，C_t+1将在时域[t+1,t+1+H)重新计算，重复以上过程，整个优化区间随时间向前滚动。

2.根据权利要求1所述的一种综合能源系统日中滚动优化方法，其特征在于：在尖峰负荷时段内，上级能量管理系统会向智能用户终端下发激励性需求响应事件，假定一个激励性需求响应事件表示为

其中，b是响应开始时段，L是持续时间，

是响应时段内的负荷功率上限，S是相应的折扣回报金额；

设置一个标志位y，表示是否响应该激励性需求响应事件：

在时域[b,b+L)，考虑激励性需求响应事件的优化模型需要进行修正，需要修正的部分包括经济性目标函数和功率约束，考虑激励性需求响应事件后，经济性目标函数及用能需求功率约束修正为：

在优化前需获取系统当前状态集合S_t＝{Temp_t,θ_t,SOC_ev,t,SOC_ESS,t}，t＝b-1，根据式(3)，计算出用户端分布式能源、冷热电负荷设备在时域[b,b+L)的出力大小以及设备运行状态优化控制目标值C_t，t∈[b,b+L)，取所有时域[b,b+L)的优化控制目标值作为时域内各时段的设备控制设定值，以确保满足整个时段内的负荷功率上限。

Images