CN112163698A - 一种采暖期多能协同综合能源系统运行策略优化方法 - Google Patents

一种采暖期多能协同综合能源系统运行策略优化方法 Download PDF

Info

Publication number
CN112163698A
CN112163698A CN202010996455.9A CN202010996455A CN112163698A CN 112163698 A CN112163698 A CN 112163698A CN 202010996455 A CN202010996455 A CN 202010996455A CN 112163698 A CN112163698 A CN 112163698A
Authority
CN
China
Prior art keywords
energy
power
constraint
heating period
formula
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.)
Granted
Application number
CN202010996455.9A
Other languages
English (en)
Other versions
CN112163698B (zh
Inventor
丁斌
邢志坤
顾辰方
王帆
袁博
赵树军
唐宝锋
刘杰
李振伟
连浩然
闫浩然
张宁
孟斌
赵路新
杨博涛
刘瑞麟
张海涛
陈云辉
蔡佳铭
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.)
Xiongan New Area Power Supply Company State Grid Hebei Electric Power Co
State Grid Corp of China SGCC
Shanghai Electric Power Design Institute Co Ltd
Original Assignee
Xiongan New Area Power Supply Company State Grid Hebei Electric Power Co
State Grid Corp of China SGCC
Shanghai Electric Power Design Institute Co Ltd
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 Xiongan New Area Power Supply Company State Grid Hebei Electric Power Co, State Grid Corp of China SGCC, Shanghai Electric Power Design Institute Co Ltd filed Critical Xiongan New Area Power Supply Company State Grid Hebei Electric Power Co
Priority to CN202010996455.9A priority Critical patent/CN112163698B/zh
Publication of CN112163698A publication Critical patent/CN112163698A/zh
Application granted granted Critical
Publication of CN112163698B publication Critical patent/CN112163698B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • 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
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)

Abstract

本发明涉及一种采暖期多能协同综合能源系统运行策略优化方法，采用带权极小模理想点法来进行运行成本最小以及电能占总能源消费量的比例最大两个目标的组合，同时综合考虑电负荷供需平衡约束、热负荷供需平衡约束、能量转换元件功率约束、能量存储元件功率约束以及分布式可再生能源元件功率约束，求解得到采暖期多能协同综合能源系统的最优运行策略。本发明求解方便，计算简单，便于应用。

Description

一种采暖期多能协同综合能源系统运行策略优化方法
技术领域
本发明涉及综合能源系统运行优化的技术领域，具体指的是一种采暖期多能 协同综合能源系统运行策略优化方法。
背景技术
发展清洁能源产业，推进能源生产和消费革命，构建清洁低碳、安全高效的 能源体系，是对未来能源发展方向的定位。以新能源大规模开发利用为标志，以 再电气化为根本路径的新一轮能源革命，正在全球范围深入开展。推动能源生产 和消费革命要求建立多元供应体系，不仅指宏观层面的国内外能源资源供应体系， 也包括满足终端消费多元化需求的、清洁低碳、节能高效和安全的供应体系。综 合能源系统是满足多元供应体系的具体实现方式，已经成为世界各国能源转型争 相发展的重点。
综合能源系统实现“电/热/冷/气”横向多能源系统之间以及“源-网-荷- 储”纵向多能源供应环节之间的生产协同、管廊协同、需求侧协同以及生产和消 费间的互动，可以促进可再生能源消纳，保障供给侧和需求侧元素的友好接入， 提升多能源综合利用效率，最终为区域内用户提供能源一体化解决方案，被认为 是未来人类社会能源的主要承载形式。
综合能源系统涉及电、冷、热、气等多学科领域，是一个系统性、前瞻性、 实操性极强的研究领域。传统的能源在运行时在电、冷、热、气各条线互相独立、 互相隔离，没有统筹建立一个模型对电、冷、热、气多能设施进行协同运行优化， 而且往往仅考虑经济性最优目标，没有考虑电能占终端能源比例的优化。
发明内容
有鉴于现有模型的上述缺陷，本发明目的在于求解得到采暖期多能协同 综合能源系统的最优运行策略。
本发明的技术方案：
一种采暖期多能协同综合能源系统运行策略优化方法，采用带权极小模理想点法来进行运行成本最小以及电能占总能源消费量的比例最大两个目标的组合，同时 综合考虑电负荷供需平衡约束、热负荷供需平衡约束、能量转换元件功率约束、 能量存储元件功率约束以及分布式可再生能源元件功率约束，求解得到采暖期多 能协同综合能源系统的最优运行策略。
优选的，具体包括以下步骤：(1)建立采暖期多能协同综合能源系统运行策略优化模型目标函数；(2)对储能充放电功率进行平滑；(3)建立供需平衡约束；(4) 对上述优化模型进行求解。
优选的，步骤(1)中的目标函数包括1)运行成本最小函数；2)电能占总能源 消费量的比例最大函数；3)多目标优化函数。
优选的，1)运行成本最小函数
运行成本最小目标函数如下式所示：
Figure BDA0002692675540000021
式中：Cele(t)为t时刻市电电价；Pele(t)为t时刻能源站从大电网购电的功 率；Δt为调度时间间隔；T为总的调度时间；Cgas(t)为t时刻燃气价格；Pgas(t) 为t时刻能源站从外部购入燃气的流量；
2)电能占总能源消费量的比例最大函数
电能占总能源消费量的比例最大目标函数如下式所示：
Figure BDA0002692675540000022
3)多目标优化函数
同时考虑经济性和电能占总能源消费量比例两个优化目标，则采用带权 极小模理想点法来进行多个子目标的组合，其组合后的单目标函数如下式所 示：
Figure BDA0002692675540000023
式中：λ1、λ2是目标f1、f2的权重值；
Figure BDA0002692675540000024
是单目标f1、f2的最优 值；各个子目标的权重满足关系λ1+λ2＝1。
优选的，(2)对储能充放电功率进行平滑：
将式(1)的优化目标调整如下：
Figure BDA0002692675540000025
式中：β为惩罚因子；Pin为储能输入功率；Pout为储能输出功率。
优选的，建立供需平衡约束包括电负荷供需平衡约束、热负荷供需平衡 约束、能量转换元件功率约束、能量存储元件功率约束和分布式可再生能源 元件功率约束。
优选的，建立电负荷供需平衡约束：
Figure BDA0002692675540000031
式中：
Figure BDA0002692675540000032
为第k个设备的电输入；
Figure BDA0002692675540000033
为第k个设备的电输出；
建立热负荷供需平衡约束：
Figure BDA0002692675540000034
式中：
Figure BDA0002692675540000035
为第k个设备的热输入；
Figure BDA0002692675540000036
为第k个设备的热输出。
优选的，能量转换元件功率约束：
电供能设备额定功率往往以电功率表示，因此能量转换元件功率约束如 下：
Figure BDA0002692675540000037
式中：
Figure BDA0002692675540000038
分别为能量转换元件k电能额定输入功率的下限和上 限；
Figure BDA0002692675540000039
为t时刻第k个设备的电输入。
对于功率不可调的能量转换元件，功率约束包含0-1整数变量，如下：
Figure BDA00026926755400000310
式中：Son-off为能量转换元件的开机关机状态，为0-1整数变量，0表示 关机，1表示开机；
Figure BDA00026926755400000311
能量转换元件k电能额定输出功率。
优选的，能量存储元件功率约束：
能量存储元件对于存储的功率和容量均有约束，如下：
Figure BDA00026926755400000312
Figure BDA00026926755400000313
Figure BDA0002692675540000041
式中：
Figure BDA0002692675540000042
分别为存储元件k第i种能量形式的存储容量上下限值；
Figure BDA0002692675540000043
分别为存储元件k第i种能量形式的存储功率上下限值；Si,k(t)为 存储元件k第i种能量形式t时刻的存储容量；
Figure BDA0002692675540000044
为存储元件k第i种能量 形式t时刻的功率。
优选的，分布式可再生能源元件功率约束：
分布式可再生能源元件的输入为风、光等可再生能源，可以看作零输入 单输出元件，其输出功率的上限受自然资源的影响。分布式可再生能源元件 k的功率输出约束为：
Figure BDA0002692675540000045
式中：
Figure BDA0002692675540000046
为分布式可再生能源元件k在t时刻能量i的输出功率；
Figure BDA0002692675540000047
分别为分布式可再生能源元件k在t时刻能量i的最大和最 小输出功率。
本发明的有益效果：
本发明统筹建立一个模型对电、冷、热、气多能设施进行协同运行优化，考 虑电能占终端能源比例的优化，建立采暖期多能协同综合能源系统的最优运行策 略。本发明求解方便，计算简单，便于应用。
具体实施方式
下面将对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述 的实施例仅仅是本申请一部分实施例，而不是全部的实施例。以下对至少一个示 例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的 任何限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动 前提下所获得的所有其他实施例，都属于本申请保护的范围。
本发明公开了一种采暖期多能协同综合能源系统运行策略优化模型，该方法 采用带权极小模理想点法来进行运行成本最小以及电能占总能源消费量的比例 最大两个目标的组合，同时综合考虑电负荷供需平衡约束、热负荷供需平衡约束、 能量转换元件功率约束、能量存储元件功率约束以及分布式可再生能源元件功率 约束，求解得到采暖期多能协同综合能源系统的最优运行策略。具体包括以下步 骤：
(1)建立采暖期多能协同综合能源系统运行策略优化模型目标函数
采暖期多能协同综合能源系统运行策略优化可以包含多种优化目标，一 方面考虑综合能源系统的运行成本最小，一方面考虑用电能占总能源消费量 的比例最大来表征以电为中心的规划导向。因此，综合考虑运行成本与电能 占总能源消费比例来构成目标函数。
1)运行成本最小
综合能源系统主要运行成本是能源站运行所购入市电、燃气费用。运行 成本最小目标函数如下式所示：
Figure BDA0002692675540000051
式中：Cele(t)为t时刻市电电价；Pele(t)为t时刻能源站从大电网购电的功 率；Δt为调度时间间隔；T为总的调度时间；Cgas(t)为t时刻燃气价格；Pgas(t) 为t时刻能源站从外部购入燃气的流量。
2)电能占总能源消费量的比例最大
电能占总能源消费量的比例最大目标函数如下式所示：
Figure BDA0002692675540000052
由于仅考虑最大化电能占总能源消费量的比例，会使得电供能设备投资 成本快速上升，因此还需要再增加一个经济性优化目标，在最大化电能占总 能源消费量比例的解集中寻找经济性最优的解。
3)多目标优化
若同时考虑经济性和电能占总能源消费量比例两个优化目标，则采用带 权极小模理想点法来进行多个子目标的组合，其组合后的单目标函数如下式 所示：
Figure BDA0002692675540000053
式中：λ1、λ2是目标f1、f2的权重值；
Figure BDA0002692675540000054
是单目标f1、f2的最优 值；各个子目标的权重必须满足关系λ1+λ2＝1。
(2)对储能充放电功率进行平滑
由于储能配置的小时数较小，且储能在约束范围内的充放电功率不影响 其经济性，优化后储能的充放电行为往往集中在某几个时间点，比如夜间低 谷时段有8个小时可以进行充电，每个时段储能应以小于额定功率的功率进 行充电，然而优化结果往往是储能在某几个时间点集中以额定功率进行充电， 所以需要对优化目标进行调整，引入惩罚因子，对储能充放电功率进行平滑。 将式(1)的优化目标调整如下：
Figure BDA0002692675540000061
式中：β为惩罚因子，可根据优化模型进行调整，为了不影响原优化问 题求解，取值一般较小。通过引入惩罚因子后，原优化目标由线性目标转换 为二次目标。Pin为储能输入功率；Pout为储能输出功率。
(3)建立电负荷供需平衡约束。
Figure BDA0002692675540000062
式中：
Figure BDA0002692675540000063
为第k个设备的电输入；
Figure BDA0002692675540000064
为第k个设备的电输出。
(4)建立热负荷供需平衡约束。
Figure BDA0002692675540000065
式中：
Figure BDA0002692675540000066
为第k个设备的热输入；
Figure BDA0002692675540000067
为第k个设备的热输出。
(5)能量转换元件功率约束
电供能设备额定功率往往以电功率表示，因此能量转换元件功率约束如 下：
Figure BDA0002692675540000068
式中：
Figure BDA0002692675540000069
分别为能量转换元件k电能额定输入功率的下限和上 限；
Figure BDA00026926755400000610
为t时刻第k个设备的电输入。
对于功率不可调的能量转换元件，功率约束包含0-1整数变量，如下：
Figure BDA0002692675540000071
式中：Son-off为能量转换元件的开机关机状态，为0-1整数变量，0表示 关机，1表示开机；
Figure BDA0002692675540000072
能量转换元件k电能额定输出功率。
(6)能量存储元件功率约束
能量存储元件对于存储的功率和容量均有约束，如下：
Figure BDA0002692675540000073
Figure BDA0002692675540000074
Figure BDA0002692675540000075
式中：
Figure BDA0002692675540000076
分别为存储元件k第i种能量形式的存储容量上下限值；
Figure BDA0002692675540000077
分别为存储元件k第i种能量形式的存储功率上下限值；Si,k(t)为 存储元件k第i种能量形式t时刻的存储容量；
Figure BDA0002692675540000078
为存储元件k第i种能量 形式t时刻的功率。
(7)分布式可再生能源元件功率约束
分布式可再生能源元件的输入为风、光等可再生能源，可以看作零输入 单输出元件，其输出功率的上限受自然资源的影响。分布式可再生能源元件 k的功率输出约束为：
Figure BDA0002692675540000079
式中：
Figure BDA00026926755400000710
为分布式可再生能源元件k在t时刻能量i的输出功率；
Figure BDA00026926755400000711
分别为分布式可再生能源元件k在t时刻能量i的最大和最 小输出功率。
(8)可采用但不局限于分枝定界法对上述优化模型进行求解。
分枝定界法步骤如下：
1)对原问题(设为A)，求解松弛问题(设为A％)。会出现下列情况之一： A％无可行解，则A亦无可行解，停止对此问题的计算。
A％有最优解x％，并满足0-1整数约束，即同时为A的最优解。则f％同时是 当前问题A最优目标值的上界和下界，即
Figure DEST_PATH_GDA0002771733860000081
停止对该问题的 计算。
A有最优解x％和最优值f％，但是不符合0-1整数条件。这时得到当前问题 A的一个下界f％＝f。
根据上面的分析，若出现第一种和第二种情况则停机。第一种情况说明此问 题无可行解，第二种情况则得到最优解。若第三种情况发生，即得到f％＝f是A 问题最优值的一个下界。任找A问题的一个可行解x0，得到A最优值的一个上界。 为了节省计算量，可以简单记
Figure BDA0002692675540000082
而不必费力去求一个较好的上界。
2)分支
分支是当离散变量未达到整数解时，通过一定方式去除此变量的部分取值范 围，达到缩小可行域的目的。通常采用变元二分法进行分支。
假设当前问题为A，其松弛问题A％的最优解x％不符合整数约束，任取一个非 整数变量xi％。利用取整函数[xi％]([xi％]是不大于xi％的最大整数)，构造两个附加 约束：
xi％≤[xi％] (13)
xi％≥[xi％]+1 (14)
对于0-1整数规划问题来说，由于松弛的离散变量的值都在[0,1]区间上，因 此在分支时，每个待分支变量都只是分解为0≤xi％≤0和1≤xi％≤1两种情况，即分 别取值为0和1。
对A分别加入约束式0≤xi％≤0和1≤xi％≤1，得到如下两个子问题A1和A2：
min f(x1，x2) min f(x1，x2)
s.t.h(x1，x2)＝0 s.t.h(x1，x2)＝0
Figure RE-GDA0002771733860000091
Figure RE-GDA0002771733860000092
Figure RE-GDA0002771733860000093
0≤xi≤0 1≤xi≤1
这两个子问题的可行解集，也是A的可行解集。这样对问题进行分解，就除 去了在松弛问题中，xi％分量取值在(0,1)范围内的所有可行解。
3)定界
根据分支定界法得到原问题A的一个同层子问题Ai,i＝1,2,...,m集合的分 解。同层子问题是指每个子问题Ai都是A经过相同分支次数得到的。
假设每一步的当前上、下界为
Figure BDA0002692675540000092
和f，每个子问题Ai的上、下界分别为
Figure BDA0002692675540000093
和 f i，i＝1,2,...,m。可得当前上、下界为：
Figure BDA0002692675540000094
β＝min(f 1,f 2,...,f m) (17)
显然，对于前一步的
Figure BDA0002692675540000095
和f，有
Figure BDA0002692675540000096
f≤β。这表明分支定界法的迭代 计算使求得的原问题最优目标值的上界越来越小，而下界越来越大。
综上，分支是对每个子问题而做的，而定界是在对每个子问题做的基础上， 当一层上的子问题计算完后，应对整层进行定界，从而使当前上、下界得到改善。
4)比较和剪枝
当离散变量非常多时，待分支子问题便过于庞大，从而使得分支次数增多， 子问题增多，计算速度降低。为了提高算法的计算效率，剪枝就成了一个非常重 要的环节。一般遇到下列情况就需剪枝：
Ai无可行解。
Ai的最优解符合整数约束。
Ai的最优值
Figure RE-GDA0002771733860000101
通过比较，若子问题不剪枝则返回步骤2)。当所有的子问题都剪枝了，即 没有需要处理的子问题时，达到当前上界
Figure BDA0002692675540000101
的可行解即为原问题的最优解，算法 结束。实质上，算法若得到最优解而结束时，应有
Figure 443997DEST_PATH_GDA0002771733860000103
这里f％是原问题 的最优值。
分支定界法求解混合0-1整数规划问题的优势很明显。它只在一部分可行解 中进行运算，计算量一般远小于枚举法。但是当问题规模很大时，计算量仍很大。 可以看到，减少计算量的关键在于对问题最优值当前上界的选取，而这个问题在 实际运算中没有很好的方法，需要凭借经验或其他方法来求得问题的可行解。
本发明统筹建立一个模型对电、冷、热、气多能设施进行协同运行优化， 考虑电能占终端能源比例的优化，建立采暖期多能协同综合能源系统的最优 运行策略。本发明求解方便，计算简单，便于应用。
需要注意的是，以上所使用的术语仅是为了描述具体实施方式，而非意图限 制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出， 否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使 用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件 和/或它们的组合。在这里示出和讨论的所有示例中，任何具体值应被解释为仅 仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同 的值。

Claims (10)

1.一种采暖期多能协同综合能源系统运行策略优化方法，其特征在于，采用带权极小模理想点法来进行运行成本最小以及电能占总能源消费量的比例最大两个目标的组合，同时综合考虑电负荷供需平衡约束、热负荷供需平衡约束、能量转换元件功率约束、能量存储元件功率约束以及分布式可再生能源元件功率约束，求解得到采暖期多能协同综合能源系统的最优运行策略。
2.根据权利要求1所述的一种采暖期多能协同综合能源系统运行策略优化方法，其特征在于，具体包括以下步骤：(1)建立采暖期多能协同综合能源系统运行策略优化模型目标函数；(2)对储能充放电功率进行平滑；(3)建立供需平衡约束；(4)对上述优化模型进行求解。
3.根据权利要求1所述的一种采暖期多能协同综合能源系统运行策略优化方法，其特征在于，步骤(1)中的目标函数包括1)运行成本最小函数；2)电能占总能源消费量的比例最大函数；3)多目标优化函数。
4.根据权利要求3所述的一种采暖期多能协同综合能源系统运行策略优化方法，其特征在于，1)运行成本最小函数
运行成本最小目标函数如下式所示：
Figure FDA0002692675530000011
式中：Cele(t)为t时刻市电电价；Pele(t)为t时刻能源站从大电网购电的功率；Δt为调度时间间隔；T为总的调度时间；Cgas(t)为t时刻燃气价格；Pgas(t)为t时刻能源站从外部购入燃气的流量；
2)电能占总能源消费量的比例最大函数
电能占总能源消费量的比例最大目标函数如下式所示：
Figure FDA0002692675530000012
3)多目标优化函数
同时考虑经济性和电能占总能源消费量比例两个优化目标，则采用带权极小模理想点法来进行多个子目标的组合，其组合后的单目标函数如下式所示：
Figure FDA0002692675530000021
式中：λ1、λ2是目标f1、f2的权重值；f1 *、f2 *是单目标f1、f2的最优值；各个子目标的权重满足关系λ1+λ2＝1。
5.根据权利要求2所述的一种采暖期多能协同综合能源系统运行策略优化方法，其特征在于，(2)对储能充放电功率进行平滑：
将式(1)的优化目标调整如下：
Figure FDA0002692675530000022
式中：β为惩罚因子；Pin为储能输入功率；Pout为储能输出功率。
6.根据权利要求2所述的一种采暖期多能协同综合能源系统运行策略优化方法，其特征在于，建立供需平衡约束包括电负荷供需平衡约束、热负荷供需平衡约束、能量转换元件功率约束、能量存储元件功率约束和分布式可再生能源元件功率约束。
7.根据权利要求6所述的一种采暖期多能协同综合能源系统运行策略优化方法，其特征在于，
建立电负荷供需平衡约束：
Figure FDA0002692675530000023
式中：
Figure FDA0002692675530000024
为第k个设备的电输入；
Figure FDA0002692675530000025
为第k个设备的电输出；
建立热负荷供需平衡约束：
Figure FDA0002692675530000026
式中：
Figure FDA0002692675530000027
为第k个设备的热输入；
Figure FDA0002692675530000028
为第k个设备的热输出。
8.根据权利要求6所述的一种采暖期多能协同综合能源系统运行策略优化方法，其特征在于，
能量转换元件功率约束：
电供能设备额定功率往往以电功率表示，因此能量转换元件功率约束如下：
Figure FDA0002692675530000031
式中：
Figure FDA0002692675530000032
分别为能量转换元件k电能额定输入功率的下限和上限；
Figure FDA0002692675530000033
为t时刻第k个设备的电输入。
对于功率不可调的能量转换元件，功率约束包含0-1整数变量，如下：
Figure FDA0002692675530000034
式中：Son-off为能量转换元件的开机关机状态，为0-1整数变量，0表示关机，1表示开机；
Figure FDA0002692675530000035
能量转换元件k电能额定输出功率。
9.根据权利要求6所述的一种采暖期多能协同综合能源系统运行策略优化方法，其特征在于，能量存储元件功率约束：
能量存储元件对于存储的功率和容量均有约束，如下：
Figure FDA0002692675530000036
Figure FDA0002692675530000037
Figure FDA0002692675530000038
式中：
Figure FDA0002692675530000039
分别为存储元件k第i种能量形式的存储容量上下限值；
Figure FDA00026926755300000310
分别为存储元件k第i种能量形式的存储功率上下限值；Si,k(t)为存储元件k第i种能量形式t时刻的存储容量；
Figure FDA00026926755300000311
为存储元件k第i种能量形式t时刻的功率。
10.根据权利要求6所述的一种采暖期多能协同综合能源系统运行策略优化方法，其特征在于，
分布式可再生能源元件功率约束：
分布式可再生能源元件的输入为风、光等可再生能源，可以看作零输入单输出元件，其输出功率的上限受自然资源的影响。分布式可再生能源元件k的功率输出约束为：
Figure FDA00026926755300000312
式中：
Figure FDA00026926755300000313
为分布式可再生能源元件k在t时刻能量i的输出功率；
Figure FDA00026926755300000314
分别为分布式可再生能源元件k在t时刻能量i的最大和最小输出功率。
CN202010996455.9A 2020-09-21 2020-09-21 一种采暖期多能协同综合能源系统运行策略优化方法 Active CN112163698B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010996455.9A CN112163698B (zh) 2020-09-21 2020-09-21 一种采暖期多能协同综合能源系统运行策略优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010996455.9A CN112163698B (zh) 2020-09-21 2020-09-21 一种采暖期多能协同综合能源系统运行策略优化方法

Publications (2)

Publication Number Publication Date
CN112163698A true CN112163698A (zh) 2021-01-01
CN112163698B CN112163698B (zh) 2022-08-02

Family

ID=73864309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010996455.9A Active CN112163698B (zh) 2020-09-21 2020-09-21 一种采暖期多能协同综合能源系统运行策略优化方法

Country Status (1)

Country Link
CN (1) CN112163698B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109146176A (zh) * 2018-08-22 2019-01-04 大连理工大学 一种面向电动汽车充换电服务费引导的配电网阻塞调度方法
CN109256810A (zh) * 2018-11-14 2019-01-22 南京邮电大学 考虑风机出力不确定成本的多目标优化方法
CN109327042A (zh) * 2018-09-27 2019-02-12 南京邮电大学 一种微电网多能源联合优化调度方法
CN109523060A (zh) * 2018-10-22 2019-03-26 上海交通大学 高比例可再生能源在输配电网协同接入下的配比优化方法
CN109861301A (zh) * 2018-11-27 2019-06-07 国网能源研究院有限公司 一种源网荷储协调电力系统生产模拟方法
CN111400641A (zh) * 2019-11-29 2020-07-10 国网天津市电力公司电力科学研究院 一种含蓄热式电采暖的综合能源系统日前优化调度方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109146176A (zh) * 2018-08-22 2019-01-04 大连理工大学 一种面向电动汽车充换电服务费引导的配电网阻塞调度方法
CN109327042A (zh) * 2018-09-27 2019-02-12 南京邮电大学 一种微电网多能源联合优化调度方法
CN109523060A (zh) * 2018-10-22 2019-03-26 上海交通大学 高比例可再生能源在输配电网协同接入下的配比优化方法
CN109256810A (zh) * 2018-11-14 2019-01-22 南京邮电大学 考虑风机出力不确定成本的多目标优化方法
CN109861301A (zh) * 2018-11-27 2019-06-07 国网能源研究院有限公司 一种源网荷储协调电力系统生产模拟方法
CN111400641A (zh) * 2019-11-29 2020-07-10 国网天津市电力公司电力科学研究院 一种含蓄热式电采暖的综合能源系统日前优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄涛: "基于清洁能源供热的新能源消纳方案研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN112163698B (zh) 2022-08-02

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
CN108154309B (zh) 计及冷热电多负荷动态响应的能源互联网经济调度方法
CN109659927B (zh) 一种考虑储能参与度的综合能源微网储能容量配置方法
Teng et al. A model of electro-thermal hybrid energy storage system for autonomous control capability enhancement of multi-energy microgrid
CN108233430B (zh) 一种计及系统能源波动性的交直流混合微网优化方法
CN106529737A (zh) 一种配电网供给侧调峰电源规划布局方法
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
CN108039741B (zh) 计及微源余电上网的交直流混合微网优化运行方法
CN115170343A (zh) 一种区域综合能源系统分布式资源和储能协同规划方法
CN113902225A (zh) 一种综合能源系统优化方法、系统、装置及存储介质
CN112329260A (zh) 一种多能互补微网多元多目标优化配置与优化运行方法
CN113158547B (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
CN112163698B (zh) 一种采暖期多能协同综合能源系统运行策略优化方法
CN111126675A (zh) 多能互补微网系统优化方法
CN115864475A (zh) 一种风光储容量优化配置方法及系统
CN115659585A (zh) 计及需求响应的微能网低碳协同调度方法、装置、存储器及设备
CN114139837A (zh) 一种考虑双层碳排放优化分配模型的区域多系统双层分散优化调度方法
Zhu et al. Optimized capacity configuration of photovoltaic generation and energy storage for residential microgrid
Wenyue et al. Optimal scheduling strategy for virtual power plant considering voltage control
Pan et al. Low-carbon economic dispatching model of electric-heating combined system considering multi-type energy storage
Wang et al. Review on Energy Storage Participation in Capacity Configuration and Scheduling Optimization in Modern Power System
CN114139830B (zh) 一种智慧能源站的优化调度方法、装置及电子设备
Zhao et al. Optimal Capacity Allocation of Integrated Energy System Considering Multiple Uncertainties
Sharma et al. A novel energy management system for modified zero energy buildings using multi-agent systems
Di et al. Optimal Energy Management for Multi-energy Microgrid Considering Demand Response

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