CN111160630B - 一种多源互补城市热网的可靠性评估及优化方法 - Google Patents

一种多源互补城市热网的可靠性评估及优化方法 Download PDF

Info

Publication number
CN111160630B
CN111160630B CN201911295513.9A CN201911295513A CN111160630B CN 111160630 B CN111160630 B CN 111160630B CN 201911295513 A CN201911295513 A CN 201911295513A CN 111160630 B CN111160630 B CN 111160630B
Authority
CN
China
Prior art keywords
heat supply
supply network
reliability
time
heat
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
Application number
CN201911295513.9A
Other languages
English (en)
Other versions
CN111160630A (zh
Inventor
钟崴
陈嘉映
林小杰
周懿
俞自涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201911295513.9A priority Critical patent/CN111160630B/zh
Publication of CN111160630A publication Critical patent/CN111160630A/zh
Application granted granted Critical
Publication of CN111160630B publication Critical patent/CN111160630B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (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

本发明公开了一种多源互补城市热网的可靠性评估及优化方法,用于评估和优化热网元件故障后的恢复策略。为了量化可靠性,将其理解为允许其从供热不足状态(元件故障)恢复到标准水平的正常操作条件的热网的属性,定义了一组评估度量。考虑多维可靠性度量,包括响应时间元件,元件故障率和恢复弹性等。首先根据热网的结构参数建立热网模型,针对城市热网进行热工水力计算,根据网络的拓扑结构和各个元件的可靠性信息提出可靠性指标,其次基于时序蒙特卡洛计算给定时间尺度下的权重函数,并定义多热源城市热网的恢复弹性指标,最后根据可靠性、恢复弹性、恢复成本,建立热网多目标可靠性优化算,用于指导和实现多能互补背景下的热网优化调度。

Description

一种多源互补城市热网的可靠性评估及优化方法
技术领域
本发明涉及一种多源互补城市热网元件故障情况下的可靠性评估以及优化方法,属于热网优化调度领域。
背景技术
伴随能源转型,以及新型城市能源网络的发展,越来越强调“多源互补,多能协同”,致力于实现城市能源供应整体效益的最大化。热网作为城市能源网络中的重要组成部分,其在面临大扰动时,快速响应供应和负荷的大幅波动能力直接关系着人们的正常生活和生产活动。其中,热网的可靠性是供热企业技术装备水平和管理水平的综合体现。随着经济的迅速发展和人民生活水平的不断提高,热用户对供热的要求也越来越高,因此提高供热可靠性既是热用户的期望也是供热企业的目标。目前我国热网存在结构薄弱、设备老化、调度水平低等问题,很大程度上制约了供热可靠性的提升。其次,热网运行中元件产生故障不可避免,其可靠性可以通过检修等方法进行调整,也可通过投入新元件等方法提高热网的可靠性。但是检修和投入新元件都需要投入一定的成本,因此在确保供热可靠性的同时,如何获得最大效益的恢复策略对于供热系统的运行调度十分重要。
本发明提出了热网元件故障情况下的可靠性评估以及优化问题,以满足供热可靠目标并确定故障后的最佳恢复策略,尤其是计算、分析了用于评估多源互补城市热网恢复策略有效性的可靠性指标和恢复弹性度量指标,针对这两个指标对热网故障下恢复策略以及成本进行优化建模。
发明内容
本发明的目的在于针对现有技术的不足,提供一种多源互补城市热网的可靠性评估及优化方法。
一种多源互补城市热网的可靠性评估及优化方法,包括如下步骤:
步骤S1,根据热网的拓扑结构和各个元件的可靠性信息,进行可靠性建模,计算出面向热用户的可靠性指标;
步骤S2,根据相应天气变化下的供热不足统计结果,通过这些事故引发的概率,计算热用户侧的供热不足情况,基于时序蒙特卡洛计算给定时间尺度下的权重函数;
步骤S3,定义多热源城市热网的恢复弹性评价指标,在此基础上建立构建热网的弹性评估指标,从而针对热网进行恢复弹性评价;
步骤S4,根据可靠性指标和弹性指标建立热网可靠性优化框架,同时考虑修复成本,来优化热网元件的恢复策略。
上述技术方案中,进一步的,所述的步骤S1具体为:
步骤S1,根据热网的拓扑结构和各个元件的可靠性信息,定义可靠性指标。
考虑一个标准的热网,包括M个元件(阀门、三通和疏水器)和N个热力站/热用户。根据网络的拓扑结构和各个元件的可靠性信息,可以计算出面向热用户的可靠性指标。首先定义元件i的故障率λi、元件i的修复/更换时间ri、元件i的故障时间的随机变量Ti、热力站j供热不足的时间QTj、热力站j对应的热用户数Nj。其中i∈[1,M],j∈[1,N],并且所有指标都是非负数。则可得到热力站j所对应的故障率λj、供热不足的时间QTj以及热力站j的供热不足恢复时间rj为:
Figure BDA0002320401920000021
Figure BDA0002320401920000022
Figure BDA0002320401920000023
λj表示热力站j的故障率;λij为导致热力站j供热不足的元件i的故障率;rij为导致热力站j供热不足的元件i的修复/更换时间。
进一步的,所述的步骤S2中,基于时序蒙特卡洛计算给定时间尺度下的权重函数,具体为:
采用时序蒙特卡罗模拟,针对具有时间相关性的故障率进行模拟。t表示连续模拟时间,其中0≤t≤h,h是模拟的时间范围。设i是分布系统中容易出故障的元件的编号,i=1,…,M。
wi(t)→R,表示应用于平均故障率λi的时间相关权重因子。权重函数wi(t)通常将定义为根据不同应力对元件的影响的专家判断而校准以适合特定模拟场景的分段常数函数。当wi(t)发生变化,不在恒定,热网中元件的故障时间随便变量Ti不再呈现指数分布。由于Ti是与时间有关的变量,因此写为Ti(t)。
现在考虑一个时间段内,wi(t)保持不变(例如:非常短的时间段),然后给出Ti(t)的累积分布,如公式所示,其中x是故障时间,t是模拟的时钟时间。
Figure BDA0002320401920000031
对于固定时间t0,故障时间随机变量Ti(t0)具有平均值
Figure BDA0002320401920000032
和方差
Figure BDA0002320401920000033
从指数分布的时刻开始,进行采样,其中u~unif(0,1)是标准的均匀随机变量,元件i的故障时间为:
Figure BDA0002320401920000034
对于可靠性/弹性模拟,权重函数通常定义为一年的时域,即8760小时。当wi(t)=1时表示单一权重函数。权重函数wi(t)可能与天气条件、地理环境、优先等级等多种因素有关。
进一步的,所述的步骤S3中,定义多热源城市热网的弹性评价指标,在此基础上构建热网的恢复弹性评估指标,具体为:
针对热源城市热网提出弹性指标,用于确定最佳投资和恢复策略。首先定义一个时间相关的目标量Q(t),它代表一个品质因数(例如热用户需求负荷)。本发明所述弹性度量被定义为针对给定意外事件,恢复到稳定水平占原始水平的比例,表达式如下:
Figure BDA0002320401920000041
式中,Q(t0)表示发生突发事件前,品质因数的稳定水平;Q(te)表示发生突发事件后,品质因数的值。te1表示突发事件刚发生的时刻,te2表示突发事件持续的起始时刻,详见图2。
当弹性函数0≤R(t)≤1时,可以拓展到多种不同的意外事件,例如天气剧烈波动导致供热不足现象、元件发生故障导致供热不足等。当所述时间处于t∈[0,T]范围内,给出系统的弹性度量
Figure BDA0002320401920000042
R∈[0,1],R越大表明系统的弹性越好,越有利于热网应对突发事件,响应能力越强。根据计算出的弹性水平,有针对性地提出相应的优化调度方案。
进一步的步骤S4,根据可靠性指标和弹性指标来优化热网元件的恢复策略,具体为:
由于恢复策略的费用因组成而异,所以基于对具有不同可靠性特性的设备成本的实际数据进行分析以及安装备用元件的成本;为热网设施配备应急控制系统和其他能够提高部件弹性指标的措施的成本。
首先建立平均故障率与弹性之间的关系:
Figure BDA0002320401920000051
然后根据应急状况后的热网建模:
Aqm=q
Figure BDA0002320401920000052
RsG=H
式中,qm为每个节点净质量流量分布;q为热网管段中热水流量矢量;A是热网中的关系矩阵;
Figure BDA0002320401920000053
Figure BDA0002320401920000054
的转置矩阵;p是热网节点压力的总矢量;H,Hop分别为水头损失和运行水头矢量;Rs为分支水力阻力对角矩阵;G为分支流量的绝对值。
平均可靠性根据以下系统状态概率总和守恒方程在系统元件之间分配:
Figure BDA0002320401920000055
Figure BDA0002320401920000056
式中,I是热网中元件的集合,E是热网中元件可操作方案的集合;ps是元件可操作的概率,Ri是元件i的恢复速率。
其中,对于元件的可操作状态的概率可以通过求解描述事件演化的静态马尔可夫随机过程(元件的故障率以及恢复弹性)的方程组来计算:
Figure BDA0002320401920000057
式中,ps,pz分别表示工况s,z下的元件可操作概率。
进一步的所述步骤S5,根据步骤S4中的恢复策略,建立热网多目标可靠性优化计算,用于指导和实现多能互补背景下的热网优化调度,具体为:
为了确保有效地分配热网可靠性元件以及恢复故障下的成本,将热网元件可靠性和恢复弹性相结合,在可靠性参数的联合搜索中,优化调度策略。其目标函数由以下表达式表示:
Figure BDA0002320401920000061
式中,f(λi)是确保(降低)系统元件可靠性的成本函数;f(Ri)是确保(增加)系统元件恢复弹性的成本函数。
同时满足以下约束条件:
Figure BDA0002320401920000062
Figure BDA0002320401920000063
本发明的有益效果是:
本发明方法考虑多维可靠性度量,包括响应时间元件,元件故障率和恢复弹性等。首先根据热网的结构参数建立热网模型,针对城市热网进行热工水力计算,根据网络的拓扑结构和各个元件的可靠性信息提出可靠性指标,其次基于时序蒙特卡洛计算给定时间尺度下的权重函数,并定义多热源城市热网的恢复弹性指标,最后根据可靠性、恢复弹性、恢复成本,建立热网多目标可靠性优化算,用于指导和实现多能互补背景下的热网优化调度。
附图说明
图1为热网结构示意图;
图2为质量指标随时间演变图;
图3为本发明流程图。
具体实施方式
根据一种多源互补城市热网的可靠性评估及优化方法的五个步骤的内容,现结合附图对本发明的技术方案做进一步的详细说明,给出供热系统灵活调度的具体过程。
步骤S1:根据网络的拓扑结构和各个热网元件的可靠性信息,定义并计算可靠性指标。
考虑一个标准的热网,包括M个元件:阀门、三通和疏水器,以及N个热力站/热用户。根据图论原理构建热网的拓扑结构。
将热网结构图的各个部件抽象成两类元素,一类为阀门、三通和疏水器和热力站/热用户,将其抽象为“节点”,另一类是连接两个“节点”的管道,将其抽象为“区段”,再将上述由“节点”和“区段”构成的拓扑结构称为“有向流程图”,记为图G,将上述所有“节点”记为集合V,所有“区段”记为集合E。对一个X(X=M+N)个“节点”、K个“区段”图,可以表示成如下形式:
V={V1,...,Vx,...,VX}(1≤x≤X)
E={E1,...,Ek,...,EK}(1≤k≤K)
根据图论原理,上述“有向流程图”G中包含S个独立的基本环路,记为集合C:
C={C1,...,Cs,...,CS}(1≤s≤S)
其中,S的计算公式如下:
S=K-X+1
用关联矩阵A表示图G中任意节点Vx与区段Ek之间的关系,矩阵的“行号”对应节点号,“列号”对应区段号,A为X×K阶矩阵,其表达式如下:
Figure BDA0002320401920000071
其中,元素Axk定义如下:
Figure BDA0002320401920000081
用关联矩阵B表示图G中任意区段Ek和基本环路Cs之间的从属关系,矩阵的“行号”对应基本环路编号,“列号”对应区段号,B为S×K阶矩阵,其表达式如下:
Figure BDA0002320401920000082
其中,元素Bsk定义如下:
Figure BDA0002320401920000083
根据网络的拓扑结构和各个元件的可靠性信息,可以计算出面向热用户的可靠性指标。首先定义元件i的故障率λi、元件i的修复/更换时间ri、元件i的故障时间的随机变量Ti、热力站j供热不足的时间QTj、热力站j对应的热用户数Nj。其中i∈[1,M],j∈[1,N],并且所有指标都是非负数。通过元件和负荷式定义,可以定义聚合度量。
可得到热力站j所对应的故障率λj、供热不足的时间QTj以及热力站j的供热不足恢复时间rj为:
Figure BDA0002320401920000084
Figure BDA0002320401920000085
Figure BDA0002320401920000091
根据热网的拓扑结构,定义三个逻辑矩阵,分别是逻辑矩阵D,故障矩阵X,负荷传递矩阵A,定义如下:
Figure BDA0002320401920000092
Figure BDA0002320401920000093
Figure BDA0002320401920000094
根据图论原理,矩阵D是在热网网络中,根据元件加载路径所得的逻辑阵列。在网络中主要通过阀门解列来形成不同的路径。故障矩阵X用于确定由故障元件i从供热不足恢复到正常用热的持续时间(不是完全恢复/更换,仅需用热标准即可)。负荷传递矩阵A表示在供热管线中发生元件故障后仍然存在满足输运要求的通路。其中负荷输运概率为Pt
设vj表示与热力站j相连的阀门进行解列,则Pvj表示阀门参与解列的概率,用tvj表述解列后热力站j处输运稳定所需的时间。元件故障导致的热力站的故障率和供热不足时间的计算方式如下。
计当热力站j与元件i直接相连时,则λij=λi,若通过阀门解列将热力站j与元件i隔离(xij=1),则rij=tvj,否则rij=Pttvj+(1-Pt)ri;当热力站j与元件i不相连时,λij=0,rij=0。
当热力站j2与热力站j1相互影响时
Figure BDA0002320401920000095
若j1处有参与解列的阀门(vj1=1),则
Figure BDA0002320401920000101
通过阀门解列将热力站j2与热力站j1隔离
Figure BDA0002320401920000102
Figure BDA0002320401920000103
若是热力站j1处于供热不足现象,并会影响到热力站j2时,
Figure BDA0002320401920000104
否则
Figure BDA0002320401920000105
其他情况下
Figure BDA0002320401920000106
步骤S2:基于时序蒙特卡洛计算给定时间尺度下的权重函数。
采用时序蒙特卡罗模拟,针对具有时间相关性的故障率进行模拟。t表示连续模拟时间,其中0≤t≤h,h是模拟的时间范围。设i是分布系统中容易出故障的元件的编号,i=1,…,M。
wi(t)→R,表示应用于平均故障率λi的时间相关权重因子。权重函数wi(t)通常将定义为根据不同应力对元件的影响的专家判断而校准以适合特定模拟场景的分段常数函数。当wi(t)发生变化,不在恒定,热网中元件的故障时间随便变量Ti不再呈现指数分布。由于Ti是与时间有关的变量,因此写为Ti(t)。
现在考虑一个时间段内,wi(t)保持不变(例如:非常短的时间段),然后给出Ti(t)的累积分布,如公式所示,其中x是故障时间,t是模拟的时钟时间。
Figure BDA0002320401920000107
对于固定时间t0,故障时间随机变量Ti(t0)具有平均值
Figure BDA0002320401920000108
和方差
Figure BDA0002320401920000109
从指数分布的时刻开始,进行采样,其中u~unif(0,1)是标准的均匀随机变量,元件i的故障时间:
Figure BDA00023204019200001010
对于可靠性/弹性模拟,权重函数通常定义为一年的时域,即8760小时。当wi(t)=1时表示单一权重函数。权重函数wi(t)可能与天气条件、地理环境、优先等级等多种因素有关。
步骤S3:定义多热源城市热网的弹性评价指标,在此基础上构建热网的恢复弹性评估指标。
针对热源城市热网提出弹性指标,用于确定最佳投资和恢复策略。首先定义一个时间相关的目标量Q(t),它代表一个品质因数(例如热用户需求负荷)。本专利所述弹性度量被定义为针对给定意外事件,恢复到稳定水平占原始水平的比例,表达式如下:
Figure BDA0002320401920000111
式中,Q(t0)表示发生突发事件前,品质因数的稳定水平;Q(te)表示发生突发事件后,品质因数的值。
当弹性函数0≤R(t)≤1时,可以拓展到多种不同的意外事件,例如天气剧烈波动导致供热不足现象、元件发生故障导致供热不足等。当所述时间处于t∈[0,T]范围内,给出系统的弹性度量
Figure BDA0002320401920000112
R∈[0,1],R越大表明系统的弹性越好,越有利于热网应对突发事件,响应能力越强。根据计算出的弹性水平,有针对性地提出相应的优化调度方案。
步骤S4:根据可靠性指标和弹性指标来优化热网元件的恢复策略。
由于恢复策略的费用因组成而异,所以基于对具有不同可靠性特性的设备成本的实际数据进行分析以及安装备用元件的成本;为热网设施配备应急控制系统和其他能够提高部件弹性指标的措施的成本。
首先建立平均故障率与弹性之间的关系:
Figure BDA0002320401920000113
然后根据应急状况后的热网建模:
Aqm=q
Figure BDA0002320401920000121
RsG=H
式中,qm为每个节点净质量流量分布;q为热网管段中热水流量矢量;A是热网中的关系矩阵;
Figure BDA0002320401920000122
Figure BDA0002320401920000123
的转置矩阵;p是热网节点压力的总矢量;H,Hop分别为水头损失和运行水头矢量;Rs为分支水力阻力对角矩阵;G为分支流量的绝对值。
平均可靠性根据以下系统状态概率总和守恒方程在系统元件之间分配:
Figure BDA0002320401920000124
Figure BDA0002320401920000125
式中,I是热网中元件的集合,E是热网中元件可操作方案的集合;ps是元件可操作的概率,Ri是元件i的恢复速率。
其中,对于元件的可操作状态的概率可以通过求解描述事件演化的静态马尔可夫随机过程(元件的故障率以及恢复弹性)的方程组来计算:
Figure BDA0002320401920000126
式中,ps,pz分别表示工况s,z下的元件可操作概率。
步骤S5:根据步骤S4中的恢复策略,建立热网多目标可靠性优化算,用于指导和实现多能互补背景下的热网优化调度。
为了确保有效地分配热网可靠性元件以及恢复故障下的成本,将热网元件可靠性和恢复弹性相结合,在可靠性参数的联合搜索中,优化调度策略。其目标函数由以下表达式表示:
Figure BDA0002320401920000131
式中,f(λi)是确保(降低)系统元件可靠性的成本函数;f(Ri)是确保(增加)系统元件恢复弹性的成本函数。
同时满足以下约束条件:
Figure BDA0002320401920000132
Figure BDA0002320401920000133
通过热网的特性以及拓扑结构的计算来确认热网元件的可靠性的优化方案,确保能向热用户可靠供热并能够节约实际的调度成本。该方法将为热网元件在故障情况下的优化调度提供更加真实的评估以及实践的可行性,对多源互补的城市热网进行优化调度方案的运行指导。

Claims (5)

1.一种多热源城市热网的可靠性评估及优化方法,其特征在于:
步骤S1,根据热网的拓扑结构和各个热网元件的可靠性信息,进行可靠性建模,计算出面向热用户的可靠性指标;
步骤S2,根据相应天气变化下的供热不足统计结果,通过这些事故引发的概率,计算热用户侧的供热不足情况,基于时序蒙特卡洛计算给定时间尺度下的权重函数;
步骤S3,定义多热源城市热网的恢复弹性评价指标,在此基础上建立构建热网的弹性评估指标,从而针对热网进行恢复弹性评价;
步骤S4,根据可靠性指标和弹性指标建立热网可靠性优化框架,同时考虑修复成本,来优化热网元件的恢复策略;
步骤S5,根据步骤S4中的恢复策略,建立热网多目标可靠性优化计算,用于指导和实现多源互补背景下的热网优化调度;
其中,步骤S4中根据可靠性指标和弹性指标来优化热网元件的恢复策略,具体为:
首先建立平均故障率与弹性之间的关系:
Figure FDA0003633373010000011
然后根据应急状况后的热网建模:
Aqm=q
Figure FDA0003633373010000012
RsG=H
式中,qm为每个节点净质量流量分布;q为热网管段中热水流量矢量;A是热网中的关系矩阵;
Figure FDA0003633373010000013
Figure FDA0003633373010000014
的转置矩阵;p是热网节点压力的总矢量;H,Hop分别为水头损失和运行水头矢量;Rs为分支水力阻力对角矩阵;G为分支流量的绝对值;
平均可靠性根据以下系统状态概率总和守恒方程在系统元件之间分配:
Figure FDA0003633373010000021
Figure FDA0003633373010000022
式中,I是热网中元件的集合,E是热网中元件可操作方案的集合;Ri是元件i的恢复速率;
其中,对于元件的可操作状态的概率可以通过求解描述事件演化的静态马尔可夫随机过程的方程组来计算:
Figure FDA0003633373010000023
式中,ps,pz分别表示工况s,z下的元件可操作概率。
2.根据权利要求1所述的一种多热源城市热网的可靠性评估及优化方法,其特征在于,所述的步骤S1具体为:
考虑一个标准的热网,包括阀门、三通和疏水器共M个元件和N个热力站;首先定义元件i的故障率λi、元件i的修复/更换时间ri、元件i的故障时间的随机变量Ti、热力站j供热不足的时间QTj、热力站j对应的热用户数Nj,其中i∈[1,M],j∈[1,N],并且所有指标都是非负数,则可得到热力站j所对应的故障率λj、供热不足的时间QTj以及热力站j的供热不足恢复时间rj为:
Figure FDA0003633373010000024
Figure FDA0003633373010000025
Figure FDA0003633373010000026
λj表示热力站j的故障率;λij为导致热力站j供热不足的元件i的故障率;rij为导致热力站j供热不足的元件i的修复/更换时间。
3.根据权利要求1所述的一种多热源城市热网的可靠性评估及优化方法,其特征在于,所述的步骤S2中采用时序蒙特卡罗模拟,针对具有时间相关性的故障率进行模拟,t表示连续模拟时间,其中0≤t≤h,h是模拟的时间范围;设i是分布系统中容易出故障的元件的编号,i=1,…,M;
wi(t)→R,表示应用于平均故障率λi的时间相关权重因子;权重函数wi(t)将定义为根据不同应力对元件的影响的专家判断而校准以适合模拟场景的分段常数函数,当wi(t)发生变化,不再恒定,热网中元件的故障时间随机变量Ti不再呈现指数分布;
现在考虑一个时间段内,wi(t)保持不变,然后给出Ti(t)的累积分布如下式,其中x是故障时间,t是模拟的时钟时间:
Figure FDA0003633373010000031
对于固定时间t0,故障时间随机变量Ti(t0)具有平均值
Figure FDA0003633373010000032
和方差
Figure FDA0003633373010000033
从指数分布的时刻开始,进行采样,其中u~unif(0,1)是标准的均匀随机变量;
Figure FDA0003633373010000034
xi(t)是元件i的故障时间。
4.根据权利要求1所述的一种多热源城市热网的可靠性评估及优化方法,其特征在于,步骤S3中构建热网的弹性评估指标,首先定义一个时间相关的目标量Q(t),它代表一个品质因数,定义弹性度量为针对给定意外事件,恢复到稳定水平占原始水平的比例,表达式如下:
Figure FDA0003633373010000035
式中,Q(t0)表示发生突发事件前,品质因数的稳定水平;Q(te)表示发生突发事件后,品质因数的值;te1表示突发事件刚发生的时刻,te2表示突发事件持续的起始时刻;
当弹性函数0≤R(t)≤1时,可以拓展到多种不同的意外事件,当所述时间处于t∈[0,T]范围内,给出系统的弹性度量
Figure FDA0003633373010000041
R越大表明系统的弹性越好,越有利于热网应对突发事件,响应能力越强;根据计算出的弹性水平,有针对性地提出相应的优化调度方案。
5.根据权利要求1所述的一种多热源城市热网的可靠性评估及优化方法,其特征在于,步骤S5中,为了确保有效地分配热网可靠性元件以及恢复故障下的成本,将热网元件可靠性和恢复弹性相结合,在可靠性参数的联合搜索中,优化调度策略,其目标函数由以下表达式表示:
Figure FDA0003633373010000042
式中,f(λi)是确保系统元件可靠性的成本函数;f(Ri)是确保系统元件恢复弹性的成本函数;
同时满足以下约束条件:
Figure FDA0003633373010000043
Figure FDA0003633373010000044
CN201911295513.9A 2019-12-16 2019-12-16 一种多源互补城市热网的可靠性评估及优化方法 Active CN111160630B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911295513.9A CN111160630B (zh) 2019-12-16 2019-12-16 一种多源互补城市热网的可靠性评估及优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911295513.9A CN111160630B (zh) 2019-12-16 2019-12-16 一种多源互补城市热网的可靠性评估及优化方法

Publications (2)

Publication Number Publication Date
CN111160630A CN111160630A (zh) 2020-05-15
CN111160630B true CN111160630B (zh) 2022-06-24

Family

ID=70557220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911295513.9A Active CN111160630B (zh) 2019-12-16 2019-12-16 一种多源互补城市热网的可靠性评估及优化方法

Country Status (1)

Country Link
CN (1) CN111160630B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112084631A (zh) * 2020-08-14 2020-12-15 浙江浙能绍兴滨海热电有限责任公司 基于仿真模型的供热管网蒸汽回供调度方法及系统
CN116738631B (zh) * 2023-05-12 2024-02-20 长安大学 一种基于蒙特卡洛方法的地铁网络节点韧性评估方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921727A (zh) * 2018-06-30 2018-11-30 天津大学 考虑热负荷动态特性的区域综合能源系统可靠性评估方法
CN110287509A (zh) * 2019-04-25 2019-09-27 浙江大学 城市热网的柔性分析与结构缺陷诊断及定位方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9360514B2 (en) * 2012-04-05 2016-06-07 Board Of Regents, The University Of Texas System Thermal reliability testing systems with thermal cycling and multidimensional heat transfer

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921727A (zh) * 2018-06-30 2018-11-30 天津大学 考虑热负荷动态特性的区域综合能源系统可靠性评估方法
CN110287509A (zh) * 2019-04-25 2019-09-27 浙江大学 城市热网的柔性分析与结构缺陷诊断及定位方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
分布式综合能源系统可靠性评估;黄玉雄 等;《能源互联网专栏》;20170720;第45卷(第7期);正文第43-50页 *
多热源环状热网可靠性评估方法研究;王晓霞 等;《暖通空调》;20061015;第36卷(第10期);正文第14-18页 *

Also Published As

Publication number Publication date
CN111160630A (zh) 2020-05-15

Similar Documents

Publication Publication Date Title
WO2019200662A1 (zh) 电-热-气综合能源系统的稳定评估与静态控制方法
CN111160630B (zh) 一种多源互补城市热网的可靠性评估及优化方法
CN108596449A (zh) 一种考虑天气对配电网故障概率影响的配电网可靠性预测方法
CN107909253A (zh) 基于区间层次分析法的智能配电网调度控制效果评估方法
CN104820864A (zh) 含分布式电源的智能配电网全景故障恢复博弈方法
CN110795845B (zh) 一种供热系统裕度量化计算方法和系统
CN111475953A (zh) 供能可靠性影响分析方法、装置设备及存储介质
CN114240011A (zh) 一种综合能源系统多能流可靠性评估方法
CN108694479A (zh) 考虑天气对检修间隔时间影响的配电网可靠性预测方法
Zhang et al. Fragility-based system performance assessment of critical power infrastructure
Hafeznia et al. ResQ-IOS: An iterative optimization-based simulation framework for quantifying the resilience of interdependent critical infrastructure systems to natural hazards
CN115879652B (zh) 能源网络分级协同规划方法、装置、电子设备及存储介质
CN112989576A (zh) 基于实时需求响应评估能源信息耦合系统可靠性的方法
Li et al. Reliability modeling and assessment for integrated energy system: a review of the research status and future prospects
CN113919204B (zh) 一种多状态制造系统可用性综合重要度分析方法
Chen et al. An evaluation method of distributed generation credible capacity based on island partition
CN110097292A (zh) 一种基于蒙特卡洛的需求侧互联效果可靠性评估方法
CN114266508A (zh) 一种配电网供电可靠性评估指标权重的修正算法
CN110991839B (zh) 一种电-气综合能源系统整体脆弱性的评估方法
CN112036740A (zh) 基于节点停电风险不变的节点备用容量快速评估方法
Liu et al. Combination weighting-based method for access point optimization of offshore wind farm
Zhou et al. Deep learning–based neural networks for day-ahead power load probability density forecasting
Zeng et al. Load cluster management considering response uncertainty
Chen et al. Internet of Things in Smart Heating Systems: Critical Technologies Progress and Prospect
Preis et al. On-line hydraulic state estimation in urban water networks using reduced models

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