CN111241479B - 基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法 - Google Patents

基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法 Download PDF

Info

Publication number
CN111241479B
CN111241479B CN202010024285.8A CN202010024285A CN111241479B CN 111241479 B CN111241479 B CN 111241479B CN 202010024285 A CN202010024285 A CN 202010024285A CN 111241479 B CN111241479 B CN 111241479B
Authority
CN
China
Prior art keywords
electric
thermal
energy system
comprehensive energy
index
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
CN202010024285.8A
Other languages
English (en)
Other versions
CN111241479A (zh
Inventor
卫志农
廖星星
滕德红
孙国强
臧海祥
朱瑛
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202010024285.8A priority Critical patent/CN111241479B/zh
Publication of CN111241479A publication Critical patent/CN111241479A/zh
Application granted granted Critical
Publication of CN111241479B publication Critical patent/CN111241479B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Optimization (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Educational Administration (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (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

本发明公开了一种基于交叉熵及客观熵权法的电‑热互联综合能源系统风险评估方法，包括以下步骤：S1：建立电‑热互联综合能源系统潮流模型；S2：采用高斯混合模型建立电‑热负荷以及新能源出力的随机概率密度函数；S3：基于交叉熵法对电‑热互联综合能源系统各个指标风险水平进行计算；S4：基于客观熵权对各个指标权重进行计算；S5：将各个指标的风险指数和权重相乘得到系统运行综合风险评估指标。本发明能够有效处理输入变量随机性影响下的电‑热互联综合能源系统风险指标评估问题，具有准确、实用的优点，对综合能源系统安全、稳定运行具有一定指导意义。

Description

基于交叉熵及客观熵权法的电-热互联综合能源系统风险评 估方法
技术领域
本发明属于电-热互联综合能源系统运行与安全分析领域，特别涉及一种基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法。
背景技术
随着社会快速发展导致化石能源紧缺，将电、气、热、氢等能源系统联合运行的综合能源系统得到不断发展。特别近年来，随着电-热联产机组的逐步应用，电-热综合能源系统得到迅速发展。由于风电等强随机性新能源接入系统时，将出现一系列诸如电压越限、管道流量越限的安全稳定问题，因此，有必要对电-热互联综合能源系统的风险进行有效、快速的评估，为系统安全稳定运行提供保障。
所以，需要一个新的技术方案来解决这个问题。
发明内容
发明目的：本发明的目的在于针对目前电-热互联综合能源系统负荷及风电随机性加剧，导致系统运行风险水平增加的问题，提供一种基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法，其考虑了风电功率、电-热负荷的波动给系统造成的影响，能够有效评估电-热互联综合能源系统综合风险水平。
技术方案：本发明提供一种基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法，包括以下步骤：
S1：建立电-热互联综合能源系统潮流模型；
S2：通过建立的电-热互联综合能源系统潮流模型，获取到电-热互联综合能源系统中的电-热负荷和新能源出力数据，采用高斯混合模型建立电-热负荷以及新能源出力的随机概率密度函数；
S3：基于交叉熵法对电-热互联综合能源系统各个指标风险水平进行计算；
S4：基于客观熵权对各个指标权重进行计算；
S5：将各个指标的风险指数和权重相乘得到系统运行综合风险评估指标。
进一步的，所述步骤S1中电-热综合能源系统模型包括以下模型：
水力模型：
其具体的建模包括以下方程：
Bhf＝0
式中，A为网络关联矩阵；为热网管道流量；/>为节点流入负荷流量；B为回路关联矩阵；hf为由摩擦损失引起的管道压降；K为管道阻力系数；
热力模型：
热力模型的约束方程包含热负荷功率方程、管道温降方程和节点功率守恒方程，具体如下：
式中，Φ为热负荷；Ts为节点供水温度；To为节点回水温度；Tstart为管道首端温度；Tend为管道末端温度；Ta为环境温度；L为管道长度；λ为传热系数；Cp为水比热容；为流入节点的管道流量；/>为流出节点的管道流量；Tin为输入管道末端的温度；Tout为节点混合温度；
电力模型：
Vi∑Vj(Gij cosδij+Bij sinδij)-PGi+PDi＝0
Vi∑Vj(Gij sinδij-Bij cosδij)-QGi+QDi＝0
式中，Vi和δi为节点i的电压幅值和相角，δij＝δi-δj，Gij和Bij分别是系统节点导纳矩阵中第i行第j列元素的实部和虚部，PDi和QDi分别是节点i的有功负荷和无功负荷，PGi和QGi分别是节点i中发电机的有功出力和无功出力；
电-热耦合元件模型：
根据热电联产机组热电比是否变化，可分为定热电比和变热电比2种，定热电比和变热电比的产电和产热分别为：
Cm＝ΦCHP/PCHP
Cz＝ΦCHP/(ηeFin-PCHP)
式中，ΦCHP为热电联产机组热出力；PCHP为热电联产机组电出力；ηe为热电联产机组冷凝效率；Fin为燃料输入速率。可见Cm为一恒定值，Cz可调整变化。
进一步的，所述步骤S1中对各模型的方程组进行求解，采用牛顿-拉夫逊法进行求解，其修正方程为：
式中，P和Q分别为电力系统节点的有功和无功；θ和V分别为电力系统节点电压幅值和相角；ΔF为输入变量的修正量；ΔX为状态变量修正量；J为雅可比矩阵，由电力子阵Je、电-热子阵Jeh、热-电子阵Jhe、热力子阵Jh四部分组成。
进一步的，所述步骤S2中采用高斯混合模型建立电-热负荷以及新能源出力的随机概率密度函数具体过程为：
GMM是由多个高斯分布线性组合而成，其概率分布函数为：
式中，为第j个部分的概率分布；ωj为高斯混合函数第j个成分的权重；μj和σj分别为第j个成分的期望和标准差；Nt为拟合分量的个数；其中，权重满足如下约束：
进一步的，所述步骤S3包括以下步骤：
S3-1：电-热互联综合能源系统中存在多种随机变量，其概率密度函数可统一采用f(x)表示，假设系统风险指标函数为H(x)，其定义为：
S3-2：系统的风险指标可计算如下式：
式中，I为风险指标；g(x)为代替原来f(x)抽样的重要概率密度函数；Ef[·]和Eg[·]分别表示概率密度函数为f(x)和g(x)的风险指标期望值。
S3-3：基于交叉熵对最优抽样函数g(x)进行求解：
max.D＝∫H(x)f(x)lng(x)dx
式中，D为交叉熵值。
S3-4：为与初始概率密度分布保持一致性，采用正态分布形式g(x)～Ni(μi,σi)作为最优抽样概率密度函数。其具体公式如下：
分别对μi和σi求偏导令其为0即可求得其相应表达式：
通过上式进行迭代求解，最后可得到最优抽样函数的系数。
进一步的，所述步骤S4具体为：
S4-1：假设电-热互联综合能源系统中存在N1个待评价指标，每个指标有M1个样本，每个样本的数值为则此时第n1个指标的第m1个样本比重为：
S4-2：定义第n1个指标的熵值为：
S4-3：此时可求得第n1个指标的权重：
进一步的，所述步骤S5具体为：
电-热互联综合能源系统中主要考虑电网电压和热网管道流量的风险水平，在求得系统的各个指标和权重后即可得到系统的综合风险评估指标：
式中，R为系统综合风险评估指标；ωV和ωm分别为节点电压和管道流量权重；IV和Im分别为节点电压和管道流量风险指标；Vnode和mpipe分别为电网节点集合和热网管道集合；V和m分别为电网节点电压和热网管道流量。
本发明中随着风电功率渗透率的增加，电-热互联综合能源系统的风险水平也进一步增加；耦合方式一和方式二管道流量风险指标大致相同，而采用耦合方式三时由于热泵驱动压缩机获得更多热量使得干路管道流量风险明显增大。
有益效果：本发明与现有技术相比，具有如下优点和技术效果：
(1)本案所提基于交叉熵及客观熵权法对加入风电后的电-热互联综合能源系统风险评估具有十分有效的特点。
(2)本发明能够有效处理输入变量随机性影响下的电-热互联综合能源系统风险指标评估问题，具有准确、实用的优点，对综合能源系统安全、稳定运行具有一定指导意义。
(3)可快速有效地计算出电-热互联综合能源系统中各指标的风险水平，为电-热互联综合能源系统的风险评估、优化调度提供了有力依据。
附图说明
图1为本发明方法计算流程图；
图2为电-热互联综合能源系统拓扑结构图；
图3为不同风电功率渗透率下的节点电压风险指标图；
图4为不同风电功率渗透率下的管道流量风险指标图；
图5为不同新能源渗透率下的系统综合风险评估指标图；
图6为不同耦合方式下的管道流量风险指标图；
图7为不同耦合方式下的系统综合风险评估指标图；
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明。
本实施例将本发明方法应用于电-热综合能源系统，如图1所示，其具体的计算方法步骤如下：
S1：建立电-热综合能源系统模型，包括以下模型：
水力模型：
其具体的建模包括以下方程：
Bhf＝0
式中，A为网络关联矩阵；为热网管道流量；/>为节点流入负荷流量；B为回路关联矩阵；hf为由摩擦损失引起的管道压降；K为管道阻力系数；
热力模型：
热力模型的约束方程包含热负荷功率方程、管道温降方程和节点功率守恒方程，具体如下：
式中，Φ为热负荷；Ts为节点供水温度；To为节点回水温度；Tstart为管道首端温度；Tend为管道末端温度；Ta为环境温度；L为管道长度；λ为传热系数；Cp为水比热容；为流入节点的管道流量；/>为流出节点的管道流量；Tin为输入管道末端的温度；Tout为节点混合温度；
电力模型：
Vi∑Vj(Gij cosδij+Bij sinδij)-PGi+PDi＝0
Vi∑Vj(Gij sinδij-Bij cosδij)-QGi+QDi＝0
式中，Vi和δi为节点i的电压幅值和相角，δij＝δi-δj，Gij和Bij分别是系统节点导纳矩阵中第i行第j列元素的实部和虚部，PDi和QDi分别是节点i的有功负荷和无功负荷，PGi和QGi分别是节点i中发电机的有功出力和无功出力；
电-热耦合元件模型：
根据热电联产机组热电比是否变化，可分为定热电比和变热电比2种，定热电比和变热电比的产电和产热分别为：
Cm＝ΦCHP/PCHP
Cz＝ΦCHP/(ηeFin-PCHP)
式中，ΦCHP为热电联产机组热出力；PCHP为热电联产机组电出力；ηe为热电联产机组冷凝效率；Fin为燃料输入速率。可见Cm为一恒定值，Cz可调整变化。
采用牛顿-拉夫逊法进行求解，其修正方程为：
式中，P和Q分别为电力系统节点的有功和无功；θ和V分别为电力系统节点电压幅值和相角；ΔF为输入变量的修正量；ΔX为状态变量修正量；J为雅可比矩阵，由电力子阵Je、电-热子阵Jeh、热-电子阵Jhe、热力子阵Jh四部分组成。
S2：采用高斯混合模型建立电-热负荷以及新能源出力的随机概率密度函数具体过程为：
GMM是由多个高斯分布线性组合而成，其概率分布函数为：
式中，为第j个部分的概率分布；ωj为高斯混合函数第j个成分的权重；μj和σj分别为第j个成分的期望和标准差；Nt为拟合分量的个数；其中，权重满足如下约束：
S3：基于交叉熵求得系统风险指标，具体包括以下步骤：
S3-1：电-热互联综合能源系统中存在多种随机变量，其概率密度函数可统一采用f(x)表示，假设系统风险指标函数为H(x)，其定义为：
S3-2：系统的风险指标可计算如下式：
式中，I为风险指标；g(x)为代替原来f(x)抽样的重要概率密度函数；Ef[·]和Eg[·]分别表示概率密度函数为f(x)和g(x)的风险指标期望值。
S3-3：基于交叉熵对最优抽样函数g(x)进行求解：
max.D＝∫H(x)f(x)lng(x)dx
式中，D为交叉熵值。
S3-4：为与初始概率密度分布保持一致性，采用正态分布形式g(x)～Ni(μi,σi)作为最优抽样概率密度函数。其具体公式如下：
分别对μi和σi求偏导令其为0即可求得其相应表达式：
通过上式进行迭代求解，最后可得到最优抽样函数的系数。
S4：基于客观熵权法求得的系统各风险指标权重，步骤具体为：
S4-1：假设电-热互联综合能源系统中存在N1个待评价指标，每个指标有M1个样本，每个样本的数值为则此时第n1个指标的第m1个样本比重为：
S4-2：定义第n1个指标的熵值为：
S4-3：此时可求得第n1个指标的权重：
S5：求系统运行综合风险评估指标，具体步骤为：
电-热互联综合能源系统中主要考虑电网电压和热网管道流量的风险水平，在求得系统的各个指标和权重后即可得到系统的综合风险评估指标：
式中，R为系统综合风险评估指标；ωV和ωm分别为节点电压和管道流量权重；IV和Im分别为节点电压和管道流量风险指标；Vnode和mpipe分别为电网节点集合和热网管道集合；V和m分别为电网节点电压和热网管道流量。
如图2所示，本实施例采用巴厘岛32节点热网和IEEE-33节点配电网组成电-热综合能源系统进行算例分析，电网总有功负荷为3.7150MW，总无功负荷为2.30Mvar，热网中总热负荷为2.5437MW，在节点17、22、25、32分别接入0.2MW风力发电系统。电-热系统耦合方式为CHP&热泵&循环泵结合。
考虑电、热负荷及风力发电功率的波动性，假设电、热负荷功率服从正态概率分布，期望为其预测值，标准差取期望的10％。风力发电功率采用GMM拟合其概率密度曲线。
一、考虑接入不同规模风力发电功率对电-热综合能源系统风险评估的影响
考虑风电功率的波动对电-热互联综合能源系统风险评估的影响，设置以下三种接入方式：
(1)方式一：不接入风电，只考虑负荷波动；
(2)方式二：考虑低渗透率场景，风电功率渗透率为17.61％；
(3)方式三：考虑高渗透率场景，风电功率渗透率为42.98％；
分析在不同风电功率渗透率下的电网电压和热网管道流量的风险指标。图3和图4分别为不同风电功率渗透率下的节点电压和管道流量的风险指标。从图3分析可得当接入高渗透率风电功率时，系统部分节点风险指标明显增大，且离风电接入较近的几个节点风险指标明显更高，最高风险指标为0.3796。另一方面，当系统接入风电功率时相对于不接入风电功率时部分节点(节点8至节点12)电压风险指标降低，这是由于接入风电功率后使得辐射状电网电压抬升，从而导致电压越下限风险降低。
图5为不同风电功率渗透率下的电-热互联综合能源系统的综合风险评估指标，具体的：不接入风电功率时风险指标为0.3310；接入低渗透风电功率时风险指标0.9945；接入高渗透风电功率时风险指标5.7032。从图中分析可得，随着风电功率渗透率的增大，系统综合风险指标进一步增大，这是由于当风电功率渗透率增加时，系统的随机性进一步加剧，从而导致风险水平增加。
二、考虑不同耦合方式对电-热综合能源系统风险评估的影响
考虑电-热综合能源系统不同耦合方式对风险评估的影响，分别考虑以下几种方式：
(1)耦合方式一：CHP耦合；
(2)耦合方式二：CHP&循环泵耦合；
(3)耦合方式三：CHP&循环泵&热泵耦合。
考虑不同耦合方式下的电-热互联综合能源系统的风险指标，主要变化为管道流量，本节着重对其进行分析。图6为不同耦合方式下管道流量风险指标，从图中分析可得耦合方式一和方式二管道流量风险指标大致相同，而采用耦合方式三时干路管道流量风险明显增大，最大为1.7923，这是由于热泵驱动压缩机获得更多的热量使得管道流量增加从而导致越限概率进一步加大。
图7为不同耦合方式下的电-热互联综合能源的综合风险评估指标，具体的：采用耦合方式一时风险指标为0.9944；采用耦合方式二时风险指标为0.6863；采用耦合方式三时风险指标为16.9655。耦合方式三增加的系统风险指标主要是由于管道流量增加，从而导致其发生越限。
以上仿真结果验证了本发明所提方法的有效性和实用性，可以对电-热综合能源系统的风险进行有效、快速的评估，为电-热互联综合能源系统的风险评估、优化调度提供依据。

Claims (5)

1.基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法，其特征在于：包括以下步骤：
S1：建立电-热互联综合能源系统潮流模型；
S2：通过建立的电-热互联综合能源系统潮流模型，获取到电-热互联综合能源系统中的电-热负荷和新能源出力数据，采用高斯混合模型建立电-热负荷以及新能源出力的随机概率密度函数；
S3：基于交叉熵法对电-热互联综合能源系统各个指标风险水平进行计算；
S4：基于客观熵权法对各个指标权重进行计算；
S5：将各个指标的风险指数和权重相乘得到系统运行综合风险评估指标；
所述步骤S3包括以下步骤：
S3-1：电-热互联综合能源系统中存在多种随机变量，其概率密度函数统一采用f(x)表示，假设系统风险指标函数为H(x)，其定义为：
S3-2：系统的风险指标计算如下式：
式中，I为风险指标；g(x)为代替原来f(x)抽样的重要概率密度函数；Ef[·]和Eg[·]分别表示概率密度函数为f(x)和g(x)的风险指标期望值；
S3-3：基于交叉熵对最优抽样函数g(x)进行求解：
max.D＝∫H(x)f(x)lng(x)dx
式中，D为交叉熵值；
S3-4：采用正态分布形式g(x)～Ni(μi,σi)作为最优抽样概率密度函数，其具体公式如下：
分别对μi和σi求偏导令其为0即可求得其相应表达式：
通过上式进行迭代求解，最后可得到最优抽样函数的系数；
所述步骤S4具体为：
S4-1：假设电-热互联综合能源系统中存在N1个待评价指标，每个指标有M1个样本，每个样本的数值为则此时第n1个指标的第m1个样本比重为：
S4-2：定义第n1个指标的熵值为：
S4-3：求得第n1个指标的权重：
2.根据权利要求1所述的基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法，其特征在于：所述步骤S1中电-热综合能源系统模型包括以下模型：
水力模型：
其具体的建模包括以下方程：
Bhf＝0
式中，A为网络关联矩阵；为热网管道流量；/>为节点流入负荷流量；B为回路关联矩阵；hf为由摩擦损失引起的管道压降；K为管道阻力系数；
热力模型：
热力模型的约束方程包含热负荷功率方程、管道温降方程和节点功率守恒方程，具体如下：
式中，Φ为热负荷；Ts为节点供水温度；To为节点回水温度；Tstart为管道首端温度；Tend为管道末端温度；Ta为环境温度；L为管道长度；λ为传热系数；Cp为水比热容；为流入节点的管道流量；/>为流出节点的管道流量；Tin为输入管道末端的温度；Tout为节点混合温度；
电力模型：
ViΣVj(Gijcosδij+Bijsinδij)-PGi+PDi＝0
ViΣVj(Gijsinδij-Bijcosδij)-QGi+QDi＝0
式中，Vi和δi为节点i的电压幅值和相角，δij＝δi-δj，Gij和Bij分别是系统节点导纳矩阵中第i行第j列元素的实部和虚部，PDi和QDi分别是节点i的有功负荷和无功负荷，PGi和QGi分别是节点i中发电机的有功出力和无功出力；
电-热耦合元件模型：
根据热电联产机组热电比是否变化，分为定热电比和变热电比2种，定热电比和变热电比的产电和产热分别为：
Cm＝ΦCHP/PCHP
Cz＝ΦCHP/(ηeFin-PCHP)
式中，ΦCHP为热电联产机组热出力；PCHP为热电联产机组电出力；ηe为热电联产机组冷凝效率；Fin为燃料输入速率，可见Cm为一恒定值，Cz可调整变化。
3.根据权利要求2所述的基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法，其特征在于：所述步骤S1中对各模型的方程组进行求解，采用牛顿-拉夫逊法进行求解，其修正方程为：
式中，P和Q分别为电力系统节点的有功和无功；θ和V分别为电力系统节点电压幅值和相角；ΔF为输入变量的修正量；ΔX为状态变量修正量；J为雅可比矩阵，由电力子阵Je、电-热子阵Jeh、热-电子阵Jhe、热力子阵Jh四部分组成。
4.根据权利要求1所述的基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法，其特征在于：所述步骤S2中采用高斯混合模型建立电-热负荷以及新能源出力的随机概率密度函数的具体过程为：
GMM是由多个高斯分布线性组合而成，其概率分布函数为：
式中，为第j个部分的概率分布；ωj为高斯混合函数第j个成分的权重；μj和σj分别为第j个成分的期望和标准差；Nt为拟合分量的个数；其中，权重满足如下约束：
0＜ωj≤1,
5.根据权利要求1所述的基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法，其特征在于：所述步骤S5中综合风险评估指标的表示如下：
式中，R为系统综合风险评估指标；ωV和ωm分别为节点电压和管道流量权重；IV和Im分别为节点电压和管道流量风险指标；Vnode和mpipe分别为电网节点集合和热网管道集合；V和m分别为电网节点电压和热网管道流量。
CN202010024285.8A 2020-01-10 2020-01-10 基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法 Active CN111241479B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010024285.8A CN111241479B (zh) 2020-01-10 2020-01-10 基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010024285.8A CN111241479B (zh) 2020-01-10 2020-01-10 基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法

Publications (2)

Publication Number Publication Date
CN111241479A CN111241479A (zh) 2020-06-05
CN111241479B true CN111241479B (zh) 2024-03-01

Family

ID=70870923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010024285.8A Active CN111241479B (zh) 2020-01-10 2020-01-10 基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法

Country Status (1)

Country Link
CN (1) CN111241479B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112949940A (zh) * 2021-03-17 2021-06-11 东南大学 一种综合能源虚拟电厂多设备选址方法
CN112967154B (zh) * 2021-04-23 2024-05-28 南京工程学院 一种电力系统Well-being的评估方法及装置
CN114048919A (zh) * 2021-11-25 2022-02-15 杭州众工电力科技有限公司 一种基于热网调节优化的综合能源系统灵活性评价方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108681800A (zh) * 2017-12-06 2018-10-19 国网新疆电力有限公司乌鲁木齐供电公司 一种分布式新能源接入配电网的运检风险评估方法
CN109214708A (zh) * 2018-10-08 2019-01-15 国网甘肃省电力公司电力科学研究院 基于交叉熵理论优化支持向量机的电力系统风险评估方法
WO2019200891A1 (zh) * 2018-04-16 2019-10-24 清华大学 计及电-气系统耦合的电力系统电压稳定裕度计算方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108681800A (zh) * 2017-12-06 2018-10-19 国网新疆电力有限公司乌鲁木齐供电公司 一种分布式新能源接入配电网的运检风险评估方法
WO2019200891A1 (zh) * 2018-04-16 2019-10-24 清华大学 计及电-气系统耦合的电力系统电压稳定裕度计算方法
CN109214708A (zh) * 2018-10-08 2019-01-15 国网甘肃省电力公司电力科学研究院 基于交叉熵理论优化支持向量机的电力系统风险评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
廖星星.基于GMM 及多点线性半不变量法的电-热互联综合能源系统概率潮流分析.电力自动化设备.2019,第39卷(第39期),全文. *

Also Published As

Publication number Publication date
CN111241479A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
Yang et al. Artificial neural network (ANN) based prediction and optimization of an organic Rankine cycle (ORC) for diesel engine waste heat recovery
CN111241479B (zh) 基于交叉熵及客观熵权法的电-热互联综合能源系统风险评估方法
CN107730129B (zh) 考虑光热热电联产与电锅炉的电-气-热互联系统风险评估方法
Ming et al. Dynamic modeling and validation of the 5 MW small modular supercritical CO2 Brayton-Cycle reactor system
CN106056478B (zh) 一种电-热耦合系统中热网的区间潮流计算方法
CN111711206B (zh) 一种计及热网动态特性的城市热电综合能源系统调度方法
Yang et al. Performance prediction and optimization of an organic rankine cycle using back propagation neural network for diesel engine waste heat recovery
CN110707704A (zh) 基于gmm及多点线性半不变量法的电-热互联综合能源系统概率潮流分析方法
CN109583012B (zh) 先进绝热压缩空气储能与风电协同运行调度方法与装置
Chen et al. Interval energy flow calculation method for electricity-heat-hydrogen integrated energy system considering the correlation between variables
Zhang et al. Techno-economic analysis of a biogas-fueled micro gas turbine cogeneration system with seasonal thermal energy storage
Ai et al. Multi-objective optimization of a novel CCHP system with organic flash cycle based on different operating strategies
Alshahrani et al. Performance analysis of a solar–biogas hybrid micro gas turbine for power generation
CN117993611A (zh) 一种基于场景时序的灵活热源新能源消纳能力评估方法
CN113656941A (zh) 一种面向综合能源系统的静态电压稳定性指标计算方法
CN113283077A (zh) 考虑相关性的电-热-氢综合能源系统区间能流计算方法
Shamekhi Amiri et al. Development of a Dynamic Model for Simulating the Transient Behaviour of a Solar-Powered Micro Gas Turbine
Wang et al. Dynamic modelling and simulation study of a university campus CHP power plant
Deng et al. Evaluation of start-up characteristics for heat pipe-cooled nuclear reactor coupled with recuperated open-air brayton cycle using hardware-in-the-loop
Vallati et al. Mitigation of Renewable Energy Source Production Variability in Residential Stock through Small-Scale Gas–Liquid Energy Storage Technology Application
CN110082140B (zh) 一种自然通风逆流湿式冷却塔能效的定量测量方法
Guo et al. Performance study of a supercritical CO 2 Brayton cycle coupled with a compressed CO 2 energy storage system for waste heat recovery of ship gas turbines under variable load conditions
Yang et al. A Numerical Observability Analysis Method for Combined Electric-Gas Networks
Wang et al. Operational optimization on large‐scale combined heat and power units with low‐pressure cylinder near‐zero output
Liao et al. Risk Assessment of Integrated Electricity--Heat Energy System with Cross Entropy and Objective Entropy Weight Method

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