CN111681130B - 一种考虑条件风险价值的综合能源系统优化调度方法 - Google Patents
一种考虑条件风险价值的综合能源系统优化调度方法 Download PDFInfo
- Publication number
- CN111681130B CN111681130B CN202010543529.3A CN202010543529A CN111681130B CN 111681130 B CN111681130 B CN 111681130B CN 202010543529 A CN202010543529 A CN 202010543529A CN 111681130 B CN111681130 B CN 111681130B
- Authority
- CN
- China
- Prior art keywords
- energy
- cost
- representing
- risk
- scheduling
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 100
- 238000005457 optimization Methods 0.000 claims abstract description 42
- 239000007789 gas Substances 0.000 claims description 52
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 42
- 238000004146 energy storage Methods 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 37
- 230000005611 electricity Effects 0.000 claims description 36
- 238000006243 chemical reaction Methods 0.000 claims description 30
- 239000003345 natural gas Substances 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 18
- 230000009194 climbing Effects 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 11
- 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
- 230000009467 reduction Effects 0.000 claims description 10
- 239000002699 waste material Substances 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000005338 heat storage Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 2
- 230000010485 coping Effects 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 206010063659 Aversion Diseases 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 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
- 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
-
- 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
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种考虑条件风险价值的综合能源系统优化调度方法，综合能源系统的设备建模；构建基于能源集线器的综合能源系统的基础优化调度模型，该模型的目标函数是成本最小；再构建基于场景的两阶段调度随机优化模型；最后建立考虑条件风险价值的综合能源系统优化调度模型。本发明既能够以风险成本最小为目标函数来避免系统提高较大的运行成本来应对综合能源系统的不确定性，又能够通过求解边际风险成本避免系统盲目地规避风险。本发明可以很好地降低风险，并且在风险系数的基础上提出边际风险成本的概念，为找到使得单位调度成本的增加能够最大程度减小条件风险价值的调度方式以及判断系统是否需要规避风险提供了指导。
Description
技术领域
本发明属于综合能源系统优化调度领域，涉及一种考虑条件风险价值的综合能源系统优化调度方法。
背景技术
为了缓解能源紧张、环境污染的问题，建设清洁低碳、安全高效的现代能源体系，能源互联网的概念应运而生。2011年美国研究员Jeremy Rifkin在他的《第三次工业革命》中首次高瞻远瞩地提到能源互联网，具有划时代的意义。同时他还介绍了能源互联网的特征，主要有三个方面，一是技术核心，包括可再生能源和互联网，二是创新点，实现大量利用可再生能源，同时广泛接入电动汽车，三是最终目标，实现对能源市场的公平交易和对能源种类的高效综合利用。能源互联网以互联网技术实现能量的双向流动，使得能源可持续发展成为可能。
作为能源互联网的物理层面上的载体实物，综合能源系统的概念被提出，它涉及区域性的能源转换、分配与有机协调。具体来说，它指在规划、建设和运行等过程中，通过对能源的产生、传输与分配(能源供应网络)、转换、存储、消费等环节进行有机协调与优化后形成的能源产出、供应、销售有机系统。它具有重要的研究价值，既是先进能源技术的推广平台，又是探讨不同能源之间相互作用机理的重要手段，目前的研究大致可分为以下几个方面：1)IES建模与能量流分析；2)IES协调规划；3)IES协调运行；4)IES市场协调博弈；5)IES可靠性分析。
目前，已有的综合能源系统调度存在以下问题：
(1)综合能源系统极大的促进了风能和太阳能等可再生能源的并网。虽然风能和太阳能具有清洁和可再生的优点，但它们不可避免的间歇性和波动性仍然会给系统带来不期望的不确定性。此外，用能负荷受人们生产生活的影响，也存在极强的不确定性，特别是当研究范围属于配网侧而非输电网侧时，这一不确定性显得更为显著。
(2)目前，电力网络的不确定因素研究已经有较多方法，而综合能源系统的不确定因素研究才处于起步阶段。不确定性的存在会给系统的经济调度带来潜在的风险，系统可能要提高运行成本来调整供能设备的出力甚至切除一定量的负荷来应对这种不确定性。为了降低不确定性给综合能源系统调度带来的风险，使综合能源系统依旧在低成本的调度方式下运行，评估风险显得极为重要。大量研究还集中在将系统的安全约束转化为风险约束来评估风险，而少量研究关于将系统的经济成本转化为风险成本来评估风险。
发明内容
本发明的目的在于针对综合能源系统优化调度的风险成本难以评估的问题，提出了一种考虑条件风险价值的综合能源系统优化调度方法，该方法能够为综合能源系统的优化调度进行风险成本的定量评估，给调度人员带来实际的调度参考，进一步对不确定性造成的风险成本增大的严重程度进行分析，给调度人员对超出期望的潜在风险提供心理预期。
为实现上述目的，本发明采用的技术方案是：
一种考虑条件风险价值的综合能源系统优化调度方法，包括以下步骤：
1)综合能源系统的设备建模；
2)构建基于能源集线器的综合能源系统的基础优化调度模型，该模型的目标函数是成本最小；
3)根据基于能源集线器的综合能源系统的基础优化调度模型，构建基于场景的两阶段调度随机优化模型；
4)根据基于场景的两阶段调度随机优化模型，建立考虑条件风险价值的综合能源系统优化调度模型。
本发明进一步的改进在于，步骤1)的具体过程为：
由处于同一区域的电力系统网络、天然气系统网络及其耦合部分能源集线器构成综合能源系统；其中，能源集线器从不同网络中获取能源，通过内部能源转换设备的耦合和转换，满足能源集线器内部的负荷需求，包括热电联产机组、燃气锅炉、热泵、风电和储电、储气和储热装置。
本发明进一步的改进在于，步骤2)的具体过程如下：
分别对输电网层面电力系统的直流潮流模型和天然气系统的Weymouth方程线性化模型进行计算，再通过能源集线器耦合两个系统，将非线性模型转化为混合整数线性规划问题，构建基于能源集线器的综合能源系统的基础优化调度模型。
本发明进一步的改进在于，基于能源集线器的综合能源系统的基础优化调度模型的目标函数是成本最小：
Ct w＝μwPl w，c (4)
式中，CHub表示能源集线器运行总成本，包括购电购气成本储能设备成本/>弃风惩罚/>和切负荷惩罚/>其中，Pt s和Ft s表示购电量和购气量，λt e和λt g表示单位买电价格和买气价格；Gb,Gg和Gh分别表示电池、储气罐和储热罐的集合；/> 和/>表示各个储能装置的进入能量和流出能量；/>和表示储能装置的单位运行成本；Pt w，c表示弃风电量；μw表示单位弃风电量的惩罚因数；Pt shed，Ft shed和Qt shed分别表示电、气、热的切负荷量；μe，μg和μh表示单位切负荷量的惩罚因数，T表示一天中调度时段的总数；
供需平衡约束
在忽略电力和天然气损耗的情况下，电能平衡、天然气平衡、热量平衡描述为：
式中，Pt d，Ft d和Qt d为电负荷、气负荷、热负荷；GCHP，Gboiler和Gpump是热电联产机组CHP、燃气锅炉和热泵的集合；和/>分别表示第i个热电联产机组CHP、燃气锅炉和热泵在t时刻的产出量；/>和/>分别表示第i个热电联产机组CHP、燃气锅炉和热泵在t时刻的消耗量；
购买约束
从网络中购买电量和气量符合上下限约束：
式中，和/>表示t时刻所能购买的最大电量和气流量
热电联产机组约束
热电联产机组采用以电定热的形式，满足输入气和输出电、输出热的转换关系以及输出的上下限和前后时段的爬坡率约束：
式中，表示电和热的转化系数；/>分别表示气转成电、热的转化效率；表示机组的输出电能上限；/>和/>表示机组的最大向上爬坡和向下爬坡；
热泵约束
热泵满足输入电和输出热的转换关系以及输出的上下限和前后时段的爬坡率约束如式：
式中，表示电转成热的转化效率；/>表示机组的输出热能上限；/>和表示机组的最大向上爬坡和向下爬坡；
燃气锅炉约束
燃气锅炉满足输入气和输出热的转换关系以及输出的上下限和前后时段的爬坡率约束：
式中，表示气转成热的转化效率；/>表示机组的输出热能上限；/>和表示机组的最大向上爬坡和向下爬坡；
储能设备约束
储能设备在t时刻的储能量与该时段的流入量、流出量以及上一时段的储能量有关，并且需要满足储能量上下限的约束，为了简化描述，用同一个变量E表示能量来代表电量、气量和热量：
式中，表示t时刻的储能量；/>和/>分别表示能量流入设备和流出设备的效率；/>表示储能设备存储能量的上限；/>和/>表示储能设备的流入能量和流出能量；x代表能量种类；
考虑到储能设备在同一个时刻t不能同时流入能量和流出能量，引入辅助0-1变量进行约束：
式中，和/>表示储能设备的流入能量和流出能量的最大值；/>是一个0-1变量，保证流入流出状态在不同的时刻；
假设流入能量和流出能量在一个调度周期内达到平衡：
分布式电源约束
小型风机作为分布式电源接入能源集线器内部，满足弃风平衡和上下限限制：
式中，表示风电输出的最大值。
本发明进一步的改进在于，确定综合能源系统中风电出力不确定性的出力分析，进行场景创建，使用拉丁超立方抽样方法，再进行场景削减，使用K-medoids聚类算法，对各个场景根据概率进行随机优化，构建基于场景的两阶段调度随机优化模型。
本发明进一步的改进在于，随机优化的形式为：
式中，x和yw分别为第一层次以及第二层次的决策变量；c,qw,b,hw,A,Tw和Ww是已经知道大小的向量或者常数系数矩阵；Ew表示场景w下的期望值；
随机优化的公式用确定性的形式表示为：
式中，p(w)为各个场景发生的概率；
由此建立随机优化的两阶段调度模型。
本发明进一步的改进在于，步骤4)中，定义不确定性情况下综合能源系统优化调度的风险费用数学内涵，然后基于条件风险价值建立综合能源系统优化调度数学模型。
本发明进一步的改进在于，风险费用的具体表达式：
式中，Crisk为风险费用；Ω为场景集合；Rgtw表示发电机的调整功率；Csa和Csw分别表示风电机组调整维护费用和场景w的弃风惩罚费用；和/>分别表示场景w下的实际出力和弃风量；
在考虑风险费用问题后构建基于条件风险价值的综合能源系统优化调度模型，该模型的目标函数和约束如下：
目标函数为
min(Cbase+Crisk+βCVaR) (35)
式中，Cbase为基础调度费用，包括发电机出力费用和天然气气源费用；Crisk为风险费用，CVaR为条件风险价值计算所得费用；β为风险系数；
其中，条件风险价值采用优化构式进行计算，给定置信水平为α，公式如下：
ηw≥0
式中，ζ为待优化的风险价值；ηw为成本超出风险价值的值；
潮流平衡约束为：
式中，为场景w下的线路传输功率；δntw和δmtw分别为场景w下的电压相角；
风电出力约束为：
发电机调整出力约束为：
传输容量调整约束为：
电压相角调整约束为：
通过基于条件风险价值的综合能源系统优化调度模型，对综合能源系统的优化调度进行风险成本的定量评估。
与现有的技术相比，本发明具有的有益效果：本发明既能够以风险成本最小为目标函数来避免系统提高较大的运行成本来应对综合能源系统的不确定性，又能够通过求解边际风险成本避免系统盲目地规避风险。本发明提出的考虑条件风险价值的综合能源系统优化调度方法，可以很好地降低风险，并且在风险系数的基础上提出边际风险成本的概念，为找到使得单位调度成本的增加能够最大程度减小条件风险价值的调度方式以及判断系统是否需要规避风险提供了指导。
附图说明
图1为本发明中的综合能源系统的典型能源集线器。
图2为两阶段随机优化模型。
图3为总调度成本和条件风险价值的有效边界。
图4为典型风险系数值为0的优化调度结果。
图5为典型风险系数值为1的优化调度结果。
图6为总调度成本和条件风险价值的边际成本。
具体实施方式
下面结合附图和具体算例对本发明作进一步详细说明。
本发明的过程为：首先，建立包含能源集线器的综合能源系统的结构框架；其次，建立考虑设备约束和多能流约束的基于能源集线器和网架耦合的优化调度数学模型；然后，分析综合能源系统中风电出力不确定性，进行场景创建；最后，详细明确风险价值VaR和条件风险价值CVaR的定义、性质和计算方法，基于条件风险价值建立综合能源系统优化调度数学模型，对综合能源系统的优化调度进行风险成本的定量评估。具体包括以下步骤：
1)综合能源系统的设备建模
对设备组成进行简要分析，建立能源集线器的数学模型，分析输入-输出方程，给出各设备运行方式的数学描述方法和转换关系；具体过程如下：
本发明的综合能源系统由处于同一区域的电力系统网络、天然气系统网络及其耦合部分能源集线器构成。
如图1所示，能源集线器从不同网络，如电网和气网中获取能源，通过内部能源转换设备的耦合和转换，可以满足能源集线器内部的负荷需求，包括热电联产机组、燃气锅炉、热泵、风电和储电、储气、储热装置。
电力系统网络建模采用直流潮流模型进行数学描述，包括直流潮流方程的推导和参数的形成。系统的交流潮流方程为非线性的，非线性的潮流计算存在收敛性及迭代问题，而且计算速度较慢，不适用于复杂网络的潮流分析，因此发明采用直流潮流模型这一线性模型进行电力系统网架建模。
天然气系统的建模具体可分为管道参数的建立和天然气流量方程的建立两个部分。管道参数是对天然气网架中类似于电力系统网架中传输线路的部分的数学描述，主要阐述天然气潮流方程的物理框架。管道流量中流过的天然气可以看成是一种流体力学的范畴，结合图论的相关知识，可以对天然气网络的潮流方程进行数学描述。
以上为本发明针对的综合能源系统的结构框架。
2)构建基于能源集线器的综合能源系统的基础优化调度模型
分别对输电网层面电力系统的直流潮流模型和天然气系统的Weymouth方程线性化模型进行计算，再进一步通过能源集线器耦合两个系统，将非线性模型转化为混合整数线性规划问题；具体过程如下：
先介绍不含网架的能源集线器内部优化调度问题，再接入电网网架、气网网架进行整体耦合的系统优化调度分析。
目标函数是成本最小：
式中，CHub表示能源集线器运行总成本，包括购电购气成本储能设备成本/>弃风惩罚Ct w和切负荷惩罚/>其中，Pt s和Ft s表示购电量和购气量，λt e和λt g表示单位买电价格和买气价格；Gb,Gg和Gh分别表示电池、储气罐和储热罐的集合；/> 和/>表示各个储能装置的进入能量和流出能量；/>和表示储能装置的单位运行成本；Pt w，c表示弃风电量；μw表示单位弃风电量的惩罚因数；Pt shed，Ft shed和Qt shed分别表示电、气、热的切负荷量；μe，μg和μh表示单位切负荷量的惩罚因数，T表示一天中调度时段的总数。
供需平衡约束
在一个调度周期内，需要满足能源集线器内部的供给-需求平衡。在忽略电力和天然气损耗的情况下，电能平衡、天然气平衡、热量平衡可以描述为：
式中，Pt d，Ft d和Qt d为电负荷、气负荷、热负荷；GCHP，Gboiler和Gpump是热电联产机组CHP、燃气锅炉和热泵的集合；和/>分别表示第i个热电联产机组CHP、燃气锅炉和热泵在t时刻的产出量；/>和/>分别表示第i个热电联产机组CHP、燃气锅炉和热泵在t时刻的消耗量。
购买约束
从网络中购买电量和气量要符合上下限约束：
式中，和/>表示t时刻所能购买的最大电量和气流量。
热电联产机组约束
热电联产机组采用以电定热的形式，满足输入气和输出电、输出热的转换关系以及输出的上下限和前后时段的爬坡率约束：
式中，表示电和热的转化系数；/>分别表示气转成电、热的转化效率；表示机组的输出电能上限；/>和/>表示机组的最大向上爬坡和向下爬坡。
热泵约束
热泵满足输入电和输出热的转换关系以及输出的上下限和前后时段的爬坡率约束如式：
式中，表示电转成热的转化效率；/>表示机组的输出热能上限；/>和表示机组的最大向上爬坡和向下爬坡。
燃气锅炉约束
燃气锅炉满足输入气和输出热的转换关系以及输出的上下限和前后时段的爬坡率约束：
式中，表示气转成热的转化效率；/>表示机组的输出热能上限；/>和表示机组的最大向上爬坡和向下爬坡。
储能设备约束
储能设备在t时刻的储能量与该时段的流入量、流出量以及上一时段的储能量有关，并且需要满足储能量上下限的约束。为了简化描述，用同一个变量E表示能量来代表电量、气量和热量：
式中，表示t时刻的储能量；/>和/>分别表示能量流入设备和流出设备的效率；/>表示储能设备存储能量的上限；/>和/>表示储能设备的流入能量和流出能量；x代表能量种类。
考虑到储能设备在同一个时刻t不可以同时流入能量和流出能量，需要引入辅助0-1变量进行约束：
式中，和/>表示储能设备的流入能量和流出能量的最大值；/>是一个0-1变量，保证流入流出状态在不同的时刻。
假设流入能量和流出能量在一个调度周期内达到平衡：
分布式电源约束
小型风机作为分布式电源接入能源集线器内部，满足弃风平衡和上下限限制：
式中，表示风电输出的最大值。
3)构建基于场景的两阶段调度随机优化模型
确定综合能源系统中风电出力不确定性的出力分析，进行场景创建，使用拉丁超立方抽样方法，再进行场景削减，使用K-medoids聚类算法，对各个场景根据概率进行随机优化；具体过程为：
针对风电的不确定性，为了产生用于经济调度计算的样本，本发明通过随机抽样的方法抽取样本进行计算，再通过场景削减方法把样本数删减到利于计算的数量，达到把连续的不确定样本变成离散的确定性样本进行求解的目的。
目前比较热门的抽样方法主要是蒙特卡洛随机抽样法，此外还有拉丁超立方抽样法。在场景生成的领域中，蒙特卡洛随机抽样法得到了大量的应用，但是蒙特卡洛采样存在不可避免的缺点，那就是为了尽可能的模拟原来的分布情况，它需要足够多的样本，这就给之后的场景削减的工作量带来困难。而拉丁超立方抽样的原理不同，它是基于分层抽样的原理，把样本看作是一个立方体，覆盖到样本的各个层次进行具有代表性的抽样，因此能较为贴近原始的样本分布，而且可以用比较少的样本来代替多数可能较为近似的成本，减少了样本量，减少了采样次数。
下面简单介绍拉丁超立方抽样的具体过程。
第一步，已知将进行抽样的随机变量是z个维数的，即随机变量X＝[X1,X2,...,XZ]T，对于要生成的n个场景样本，其中第i个样本表示为Xi＝[Xi1,Xi2,...,Xiz]T(i＝1,2,...,n)，另外还已知对于随机变量的第w维维数上的样本，它的取值范围在[Xwd,Xwu](w＝1,2,...,z)之间，它的分布函数可以表示成Fw(Xw)；
第二步，将随机变量的第w维维数上的样本的分布函数，即[Fw(Xwd),Fw(Xwu)]，分成n个等份；
第三步，在0和1之间生成一个随机数r，那么在第i个抽样样本的概率区间[(i-1)n,in]中就会存在这样一个值qi＝(i-1+r)n，使得中间值yiw＝Fw(Xwd)+qi·[Fw(Xwd),Fw(Xwu)]；
第四步，对于得到的这样一个中间值yiw，可以通过逆变换求得与之相对应的随机变量的样本值Xiw＝Fw -1(yiw),i＝1,2,...w；
第五步，不断重复以上过程，则可得到想要的由n个场景组成的随机变量样本集χ。
本发明使用MATLAB统计工具箱中的lhsnorm函数，随机变量X服从X～N(u,Σ)的正态分布，其中设置均值u为零向量，协方差矩阵Σ为以方差为元素的对角矩阵，可表示为：
式中，表示为变量之间的协方差，其中ε为矩阵系数，它的大小能够反映相关性的强弱。
而场景削减的内涵是指把大量的场景削减至具有代表性的少量场景。它的主要原理是通过削减使得原有的场景和削减后的场景之间的概率距离最小。它的这种思路与聚类算法的思路有共同点，通过聚类集合再进行削减能够有力加快求解速度。目前比较热门的聚类算法主要有K-means方法，除此之外还有K-medoids方法。其中，K-means方法是以均值为中心进行聚类，可能会改变原有场景的特性。因此本章采用聚类中心是场景集中的场景的K-medoids聚类方法，达到避免对一些极端场景失去敏感的目的，从而能够保持原来场景的特性。
下面简单介绍K-medoids聚类算法进行场景削减的具体过程。
第一步，已知通过拉丁超立方抽样抽出T个风电功率场景，这些场景的场景集合为{St}(t＝1,2,...,T)，它们对应的概率即为抽样概率pt(t＝1,2,...,T)。希望削减到的场景量为K；
第二步，通过计算场景与场景之间的距离，将全部场景分类成K种类别，每种类别中以一个实际场景作为“中心点”，也即这个类别的代表场景；
第三步，确定场景类别后，每个类别内部再进行自己的场景更新和寻找新的“中心点”，通过不停的迭代，得到收敛的场景分类和中心点。
本发明使用MATLAB中kmedoids(X,K)函数，进行对X这一向量数据的削减削减至K个类别：
[IDX,C]＝kmedoids(X,K) (29)
式中，IDX为各种场景聚类在一起后的类别，而C则表示K类典型场景。
而每个场景类别的概率可以在削减中加和原场景各类别的概率而得到：
式中，pt是原场景概率；pcenter,k是聚类后的场景概率。
因为可再生能源的出力情况和负荷大小具有随时间变化的随机特性，因此调度人员在进行日前调度安排的时候所做出的决定只能根据预测值进行制定，而实时运行的时候因为随机的变化可能导致供需不平衡，因此还需要进行一定的调整来满足时时刻刻的供需平衡，这些调整措施包括对发电机进行爬坡调整，放弃一部分可再生能源的出力，更甚可能需要切除一定量的负荷，使得系统能够保证随时随刻去应对可能产生的不确定性因素。
在实际调度层面，调度模型是有两个阶段分别进行的，具体过程如图2所示。其中第一阶段是日前的根据预测值安排的调度阶段，调度人员通过预测负荷安排发电机机组启停和出力计划，以及能够接纳的风电的出力，还有气源的出力情况。而第二阶段是根据实际值进行实时层面的调整阶段，对各个场景进行根据概率随机优化，每个场景符合各自的随机安排。
随机优化的一般形式：
式中，x和yw分别为第一层次以及第二层次的决策变量；c,qw,b,hw,A,Tw和Ww是认为已经知道大小的向量或者常数系数矩阵；Ew表示场景w下的期望值，这一期望值是用来评估目标函数{f(x,w)＝cTx+Q(x,w)，中各个随机变量的随机性大小的。其次，上述提到的和不确定性随机优化有关的变量都通过带有场景w的场景集合Ω来进行说明。
另外，由于本发明把连续的不确定性问题通过场景抽样和削减的方式变成了离散的确定性问题，因此公式也可以用确定性的形式表示：
式中，p(w)为各个场景发生的概率。
由此可以建立随机优化的两阶段调度模型，去平衡风电出力的不确定性带来的影响，同时也为后续的风险费用的定义和条件风险价值的应用做好了铺垫。
4)建立考虑条件风险价值的综合能源系统优化调度模型
定义不确定性情况下综合能源系统优化调度的风险费用数学内涵，基于条件风险价值建立综合能源系统优化调度数学模型；具体过程如下：
综合能源系统的供需平衡受到不确定因素，比如风电的不确定因素影响时，可能会发生供大于求或者供小于求的现象，这是不确定因素对系统的不利影响。调度人员因此要调整发电机的出力、舍弃一定的风能去应对这个不确定性因素，这时成本不仅包括基础调度的成本，还包括设备的燃料费用，风机的维护费用，弃风惩罚费用，这一应对不确定因素而造成的成本增加可以定义为综合能源系统调度的风险费用，此时系统面临着成本增加的风险。
风险费用的具体表达式：
式中，Crisk为风险费用；Ω为场景集合；Rgtw表示发电机的调整功率；Csa和Csw分别表示风电机组调整维护费用和场景w的弃风惩罚费用；和/>分别表示场景w下的实际出力和弃风量。这些成本构成了风险费用，为条件风险价值的指标衡量提供了参数。
在考虑风险费用问题以后，可以构建基于条件风险价值的综合能源系统优化调度模型。
下面具体介绍基于条件风险价值的综合能源系统优化调度模型的目标函数和约束。
目标函数
在一个调度周期内，目标函数包含三部分，一部分是日前调度安排的基础调度部分费用，另一部分则是实时运行层面的风险费用，最后一部分是条件风险价值，它们分别代表三个不同阶段的费用。并且给调价风险价值乘上一个风险系数β，这一指标是用来评估调度人员对风险的厌恶程度的。当β等于0，条件风险价值不存在，系统不考虑未来的损失运行，当β较小时，系统开始规避风险，追求较小的调度成本但面临较大的波动风险，此时条件风险价值较大，当β较大时，系统极力规避风险，调度成本较大但波动风险较小，此时条件风险价值较小。
min(Cbase+Crisk+βCVaR) (35)
式中，Cbase为基础调度费用，包括发电机出力费用和天然气气源费用；Crisk为风险费用，CVaR为条件风险价值计算所得费用。
其中条件风险价值采用优化构式进行计算，给定置信水平为α，公式：
ηw≥0
式中，ζ为待优化的风险价值；ηw为成本超出风险价值的值，为一个优化小值。
潮流平衡约束
在实时运行层面，每个场景下，需要根据每个场景下的实际风电出力，来对发电机出力进行调整并且对风电接不接纳和接纳多少进行舍取。因此，和场景有关的变量有发电机的调整出力、实际风电可出力值和弃风量的大小，以及线路上的潮流，他们共同需要满足供需平衡：
式中，为场景w下的线路传输功率；δntw和δmtw分别为场景w下的电压相角。
风电出力约束
通常需要看系统可以接纳风电的能力，来决定在每个场景下是否该接受全部风电实际出力，因此风电实际出力是可弃风的上限，弃风量最少可以不弃风：
发电机调整出力约束
发电机调整出力不论是多发还是少发，仍然要满足发电机出力的上下限和爬坡率上下限：
传输容量调整约束
线路上的传输容量每个场景下的都不同，需要进行重新约束，如第三章所述相同，传输容量需要满足相似的上下限约束式：
电压相角调整约束
节点上的电压相角每个场景下的都不同，需要进行重新约束，如第三章所述相同，电压相角需要满足相似的上下限约束：
通过基于条件风险价值的综合能源系统优化调度模型，对综合能源系统的优化调度进行风险成本的定量评估。
5)模型的仿真计算
算例包括一个能源集线器，一个四节点电网和一个四节点气网，在节点4接入一个风电场。由于算例模型是一个线性的模型，并且包含整数变量，模型整体是一个混合整数线性规划问题，可以用成熟的商业软件Cplex求解器中的分支界定算法进行求解。在MATLAB中调用该求解器，设置总的调度周期T＝24h，每个时段的时间长短为1h。
对于具有不确定因素的风电场来说，利用拉丁超立方抽样法，设置σ＝0.1μ，抽出1000个场景共24000个风电出力数据，进一步，利用聚类方法削减至10个具有代表性的场景，每个场景的概率如表1所示。
表1各个场景概率
Table1 Probability of each scene
控制所有测试算例的置信水平均为0.8。为了防止切负荷，将失负荷惩罚设为较高的数值。
把风险系数值分别设置为0，0.2，0.4，0.8，1，2，3，表2列出了各个风险系数下，基础调度成本、风险成本、总调度成本和条件风险价值的值。可以看出，总调度成本随着风险系数的增大而增大，条件风险价值随着风险系数的增大而减少。其中，总调度成本从21233.44欧元增加到21258.12欧元，而条件风险价值从21315.68欧元减少到21293.59欧元。根据这一表格的结果可以画出图3曲线，表示总调度成本关于条件风险价值的近似有效边界。可以看出，当风险系数较小时，也即对风险的厌恶程度较低时，随着条件风险价值水平的减小，调度成本增加缓慢；当风险系数较大时，也即对风险的厌恶程度较高时，较小的条件风险价值水平的降低都会带来较大的总调度成本的增加。典型调度结果如图4和图5。
表2不同风险系数下各个成本值
Table2 Cost values under different risk factors
由图3可知，经济性和规避风险之间存在矛盾，为了求得一个高性价比的风险系数值，使得单位调度成本的增加能够使条件风险价值的减小最大，定义一个条件风险价值的边际成本，简称边际风险成本。它可定义为条件风险价值差和成本差的比值：
式中，MC(CVaR)为边际风险成本；ΔCVaR为条件风险价值的变化量；ΔTC为总成本的变化量。
按公式(44)进行计算，可以画出边际风险成本，参见图6。
由图6可知，曲线的最低点即是高性价比的β值，此时β＝0.6。
综上所述，为系统设置一个表示对不同风险厌恶程度的风险系数，得到总调度成本随着风险系数的增大而增大，条件风险价值随着风险系数的增大而减少的结论，发现经济性和规避风险之间存在矛盾；为了求得一个高性价比的风险系数值，使得单位调度成本的增加能够使条件风险价值的减小最大，定义一个条件风险价值的边际成本，简称边际风险成本，得到风险系数最佳值即曲线的最低点，此时β＝0.6，同时在算例推广中，还得出边际风险成本这一取值不仅可以给出高性价比的投资组合，还可以判断风险的大小和是否需要规避风险的结论。
从算例可以看出，本发明的有效性和实用性。
Claims (3)
1.一种考虑条件风险价值的综合能源系统优化调度方法，其特征在于，包括以下步骤：
1)综合能源系统的设备建模；由处于同一区域的电力系统网络、天然气系统网络及其耦合部分能源集线器构成综合能源系统；能源集线器从不同网络中获取能源，通过内部能源转换设备的耦合和转换，满足能源集线器内部的负荷需求，包括热电联产机组、燃气锅炉、热泵、风电和储电、储气和储热装置；
2)构建基于能源集线器的综合能源系统的基础优化调度模型，该模型的目标函数是成本最小；
3)根据基于能源集线器的综合能源系统的基础优化调度模型，构建基于场景的两阶段调度随机优化模型，去平衡风电出力的不确定性带来的影响；
4)根据基于场景的两阶段调度随机优化模型，建立考虑条件风险价值的综合能源系统优化调度模型；
定义不确定性情况下综合能源系统优化调度的风险费用数学内涵，然后基于条件风险价值建立综合能源系统优化调度数学模型；
风险费用的具体表达式：
式中，Crisk为风险费用；Ω为场景集合；Rgtw表示发电机的调整功率；Csa和Csw分别表示风电机组调整维护费用和场景w的弃风惩罚费用；和/>分别表示场景w下的实际出力和弃风量；
在考虑风险费用问题后构建基于条件风险价值的综合能源系统优化调度模型，该模型的目标函数和约束如下：
目标函数为
min(Cbase+Crisk+βCVaR) (35)
式中，Cbase为基础调度费用，包括发电机出力费用和天然气气源费用；Crisk为风险费用，CVaR为条件风险价值计算所得费用；β为风险系数；
其中，条件风险价值采用优化构式进行计算，给定置信水平为α，公式如下：
式中，ζ为待优化的风险价值；ηw为成本超出风险价值的值；
潮流平衡约束为：
式中，为场景w下的线路传输功率；δntw和δmtw分别为场景w下的电压相角；
风电出力约束为：
发电机调整出力约束为：
传输容量调整约束为：
电压相角调整约束为：
通过基于条件风险价值的综合能源系统优化调度模型，对综合能源系统的优化调度进行风险成本的定量评估；从而降低风险，并且在风险系数的基础上提出边际风险成本的概念，为找到使得单位调度成本的增加能够最大程度减小条件风险价值的调度方式以及判断系统是否需要规避风险提供了指导；
步骤2)的具体过程如下：
分别对输电网层面电力系统的直流潮流模型和天然气系统的Weymouth方程线性化模型进行计算，再通过能源集线器耦合两个系统，将非线性模型转化为混合整数线性规划问题，构建基于能源集线器的综合能源系统的基础优化调度模型；
基于能源集线器的综合能源系统的基础优化调度模型的目标函数是成本最小：
式中，CHub表示能源集线器运行总成本，包括购电购气成本储能设备成本/>弃风惩罚/>和切负荷惩罚/>其中，Pt s和Ft s表示购电量和购气量，/>和/>表示单位买电价格和买气价格；Gb,Gg和Gh分别表示电池、储气罐和储热罐的集合；/> 和表示各个储能装置的进入能量和流出能量；/>和/>表示储能装置的单位运行成本；Pt w,c表示弃风电量；μw表示单位弃风电量的惩罚因数；Pt shed，Ft shed和/>分别表示电、气、热的切负荷量；μe，μg和μh表示单位切负荷量的惩罚因数，T表示一天中调度时段的总数；
供需平衡约束
在忽略电力和天然气损耗的情况下，电能平衡、天然气平衡、热量平衡描述为：
式中，Pt d，Ft d和为电负荷、气负荷、热负荷；GCHP，Gboiler和Gpump是热电联产机组CHP、燃气锅炉和热泵的集合；/>和/>分别表示第i个热电联产机组CHP、燃气锅炉和热泵在t时刻的产出量；/>和/>分别表示第i个热电联产机组CHP、燃气锅炉和热泵在t时刻的消耗量；
购买约束
从网络中购买电量和气量符合上下限约束：
式中，和/>表示t时刻所能购买的最大电量和气流量
热电联产机组约束
热电联产机组采用以电定热的形式，满足输入气和输出电、输出热的转换关系以及输出的上下限和前后时段的爬坡率约束：
式中，表示电和热的转化系数；/>分别表示气转成电、热的转化效率；/>表示机组的输出电能上限；/>和ΔP i CHP表示机组的最大向上爬坡和向下爬坡；
热泵约束
热泵满足输入电和输出热的转换关系以及输出的上下限和前后时段的爬坡率约束如式：
式中，表示电转成热的转化效率；/>表示机组的输出热能上限；/>和/>表示机组的最大向上爬坡和向下爬坡；
燃气锅炉约束
燃气锅炉满足输入气和输出热的转换关系以及输出的上下限和前后时段的爬坡率约束：
式中，表示气转成热的转化效率；/>表示机组的输出热能上限；/>和/>表示机组的最大向上爬坡和向下爬坡；
储能设备约束
储能设备在t时刻的储能量与该时段的流入量、流出量以及上一时段的储能量有关，并且需要满足储能量上下限的约束，为了简化描述，用同一个变量E表示能量来代表电量、气量和热量：
式中，表示t时刻的储能量；/>和/>分别表示能量流入设备和流出设备的效率；表示储能设备存储能量的上限；/>和/>表示储能设备的流入能量和流出能量；x代表能量种类；
考虑到储能设备在同一个时刻t不能同时流入能量和流出能量，引入辅助0-1变量进行约束：
式中，和/>表示储能设备的流入能量和流出能量的最大值；/>是一个0-1变量，保证流入流出状态在不同的时刻；
假设流入能量和流出能量在一个调度周期内达到平衡：
分布式电源约束
小型风机作为分布式电源接入能源集线器内部，满足弃风平衡和上下限限制：
式中，表示风电输出的最大值。
2.根据权利要求1所述的一种考虑条件风险价值的综合能源系统优化调度方法，其特征在于，确定综合能源系统中风电出力不确定性的出力分析，进行场景创建，使用拉丁超立方抽样方法，再进行场景削减，使用K-medoids聚类算法，对各个场景根据概率进行随机优化，构建基于场景的两阶段调度随机优化模型。
3.根据权利要求2所述的一种考虑条件风险价值的综合能源系统优化调度方法，其特征在于，随机优化的形式为：
式中，x和yw分别为第一层次以及第二层次的决策变量；c,qw,b,hw,A,Tw和Ww是已经知道大小的向量或者常数系数矩阵；Ew表示场景w下的期望值；
随机优化的公式用确定性的形式表示为：
式中，p(w)为各个场景发生的概率；
由此建立随机优化的两阶段调度模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010543529.3A CN111681130B (zh) | 2020-06-15 | 2020-06-15 | 一种考虑条件风险价值的综合能源系统优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010543529.3A CN111681130B (zh) | 2020-06-15 | 2020-06-15 | 一种考虑条件风险价值的综合能源系统优化调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111681130A CN111681130A (zh) | 2020-09-18 |
| CN111681130B true CN111681130B (zh) | 2024-04-16 |
Family
ID=72435804
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010543529.3A Active CN111681130B (zh) | 2020-06-15 | 2020-06-15 | 一种考虑条件风险价值的综合能源系统优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111681130B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112365034B (zh) * | 2020-10-27 | 2022-03-08 | 燕山大学 | 一种电热综合能源系统调度方法及系统 |
| CN112381339A (zh) * | 2021-01-14 | 2021-02-19 | 南方电网数字电网研究院有限公司 | 电力市场环境下区域综合能源系统运行成本优化方法 |
| CN112994087B (zh) * | 2021-02-08 | 2023-06-30 | 四川大学 | 基于条件风险约束的多源电力系统中期优化调度方法 |
| CN113078677B (zh) * | 2021-04-08 | 2022-05-27 | 浙江电力交易中心有限公司 | 一种考虑可再生能源不确定性的能源消耗量风险排除方法 |
| CN113364043A (zh) * | 2021-05-08 | 2021-09-07 | 国网浙江省电力有限公司丽水供电公司 | 一种基于条件风险价值的微电网群优化方法 |
| CN113505939B (zh) * | 2021-07-27 | 2023-01-17 | 云南电网有限责任公司电力科学研究院 | 一种考虑不确定性因素的能源系统随机规划方法及系统 |
| CN113609676B (zh) * | 2021-08-04 | 2024-03-05 | 华北电力大学 | 一种电力系统的配置规划方法、计算设备和存储介质 |
| CN114077934B (zh) * | 2022-01-19 | 2022-04-22 | 国网湖北省电力有限公司经济技术研究院 | 一种综合能源微网互联系统及其调度方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107681656A (zh) * | 2017-09-27 | 2018-02-09 | 华中科技大学 | 一种考虑实时运行风险的阻塞调度二层规划方法 |
| CN107769215A (zh) * | 2018-01-19 | 2018-03-06 | 国网天津市电力公司 | 基于能源集线器的园区混合能源系统优化调度方法 |
| CN108173282A (zh) * | 2017-12-29 | 2018-06-15 | 国网山东省电力公司电力科学研究院 | 一种考虑电转气运行成本综合能源系统优化调度方法 |
| CN108596442A (zh) * | 2018-03-30 | 2018-09-28 | 天津大学 | 计及条件风险价值的综合能源系统经济调度方法 |
| CN109409705A (zh) * | 2018-10-11 | 2019-03-01 | 河海大学 | 一种区域综合能源系统的多目标优化调度方法 |
| CN109784569A (zh) * | 2019-01-23 | 2019-05-21 | 华北电力大学 | 一种区域综合能源系统优化控制方法 |
| CN110119855A (zh) * | 2019-06-11 | 2019-08-13 | 国网上海市电力公司 | 一种气电耦合系统运行优化方法 |
| CN110263387A (zh) * | 2019-05-29 | 2019-09-20 | 国网福建省电力有限公司 | 基于能源集线器的配电网、天然气网建立的综合能源系统优化运行模型及其线性处理方法 |
| CN111144668A (zh) * | 2020-01-19 | 2020-05-12 | 河海大学 | 考虑场景模拟的综合能源系统随机优化模型的建立方法 |
-
2020
- 2020-06-15 CN CN202010543529.3A patent/CN111681130B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107681656A (zh) * | 2017-09-27 | 2018-02-09 | 华中科技大学 | 一种考虑实时运行风险的阻塞调度二层规划方法 |
| CN108173282A (zh) * | 2017-12-29 | 2018-06-15 | 国网山东省电力公司电力科学研究院 | 一种考虑电转气运行成本综合能源系统优化调度方法 |
| CN107769215A (zh) * | 2018-01-19 | 2018-03-06 | 国网天津市电力公司 | 基于能源集线器的园区混合能源系统优化调度方法 |
| CN108596442A (zh) * | 2018-03-30 | 2018-09-28 | 天津大学 | 计及条件风险价值的综合能源系统经济调度方法 |
| CN109409705A (zh) * | 2018-10-11 | 2019-03-01 | 河海大学 | 一种区域综合能源系统的多目标优化调度方法 |
| CN109784569A (zh) * | 2019-01-23 | 2019-05-21 | 华北电力大学 | 一种区域综合能源系统优化控制方法 |
| CN110263387A (zh) * | 2019-05-29 | 2019-09-20 | 国网福建省电力有限公司 | 基于能源集线器的配电网、天然气网建立的综合能源系统优化运行模型及其线性处理方法 |
| CN110119855A (zh) * | 2019-06-11 | 2019-08-13 | 国网上海市电力公司 | 一种气电耦合系统运行优化方法 |
| CN111144668A (zh) * | 2020-01-19 | 2020-05-12 | 河海大学 | 考虑场景模拟的综合能源系统随机优化模型的建立方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王英瑞.基于条件风险价值的电—热—气综合能源系统经济调度.中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑.2018,(第04期),全文，尤其正文第10-46页. * |
| 计及弹性恢复的区域综合能源系统多目标优化调度;齐世雄;《中国电力》;20190630;第52卷(第6期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111681130A (zh) | 2020-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111681130B (zh) | 一种考虑条件风险价值的综合能源系统优化调度方法 | |
| Hu et al. | A new clustering approach for scenario reduction in multi-stochastic variable programming | |
| CN108596525B (zh) | 冷热电气多能互补的微能源网鲁棒优化调度方法 | |
| CN104376410B (zh) | 一种配电网中分布式电源的规划方法 | |
| CN112396220B (zh) | 一种基于场景缩减的含风电与需求侧资源的优化调度方法 | |
| CN111355230B (zh) | 一种综合能源系统优化调度方法与系统 | |
| CN108009693A (zh) | 基于两级需求响应的并网微电网双层优化方法 | |
| CN110889603A (zh) | 一种基于PCA-Copula理论考虑风电相关性的电力系统经济调度方法 | |
| CN112952807B (zh) | 考虑风电不确定性与需求响应的多目标优化调度方法 | |
| CN112671035A (zh) | 一种基于风电预测的虚拟电厂储能容量配置方法 | |
| Qin et al. | Multi-timescale hierarchical scheduling of an integrated energy system considering system inertia | |
| CN115204562A (zh) | 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统 | |
| CN107392791B (zh) | 多能互补系统的分布式光伏与气电混合容量规划方法和系统 | |
| CN114418160A (zh) | 基于综合评价体系的园区多能源系统优化调度方法 | |
| CN112883630A (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
| CN112580897A (zh) | 基于鹦鹉算法的多能源电力系统优化调度的方法 | |
| Luo et al. | Optimal scheduling of micro-energy grid based on pareto frontier under uncertainty and pollutant emissions | |
| CN111985805A (zh) | 综合能源系统动态需求响应的方法及系统 | |
| CN115733191A (zh) | 一种源网荷储系统互动协调优化方法、系统及存储介质 | |
| CN111523697A (zh) | 一种综合能源服务成本分摊与定价计算方法 | |
| CN112994087B (zh) | 基于条件风险约束的多源电力系统中期优化调度方法 | |
| CN114358601A (zh) | 多元能量系统多维评价指标体系构建的方法及装置 | |
| CN113988471A (zh) | 一种微电网运行多目标优化方法 | |
| CN113158547A (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
| CN116128154A (zh) | 一种农业园区综合能源系统的能源优化配置方法及装置 |
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 |